ノート/テキストマイニング
訪問者数 3134 最終更新 2008-06-23 (月) 11:05:41
＞ ノート/テキストマイニング
＞ ノート/テキストマイニング/PubMed解析
＞ ノート/テキストマイニング/MeSH
＞ ノート/テキストマイニング/NLTK
キーワード頻度を座標軸としたベクトル空間法から考える。
キーワードについて、シソーラス（ここでは概念辞書を想定、つまり概念の上下関係ie
包含関係）を持っているとする。
具体例としては、Pubmedの文献についてベクトル空間法をするとき、シソーラスMeSHを使うようなことを考える。
疑問は何かというと、上下関係にあるキーワードを、全て異なるキーワードとしてつまり 別次元として扱って、ベクトル空間を考えてよいのかどうか。意味・概念上の上下関係（包含関係、is-a関係）を考えないのがよいのか？ もし考えたほうがいいとしたら、どう織り込むのか？
現実にどんな対応が出来るのがよいのだろうか？？？
たとえば、樹木の下（中）に杉と松があるとする。松について議論している論文だったとして、
キーワードとして「松」に興味がある。
その文の中で、「木は太陽からのエネルギーを得て生きている」と書いてあったとする。
この「木」は、キーワードとしてカウントすべきか？
キーワード頻度によるベクトル空間法は、論文の話題の近さを判定するために 使いたいのだろう。少なくとも自分の出発点は、話題の近い論文を探して、研究の 参考にしようとか、先行研究のリストをつくろうとか、考えた。だから＜話題が近い＞ というのは欲しい判断基準に近いだろう。
こんな例も考えられる。論文で「木は一般にＸＸＸＸであるが、松の場合はＹＹＹと なり、違っている」とあったとしよう。これはどう役立つのか？ 何を気にしているかというと、概念の階層は�‘韻犬發里魍腓襦△鉢�違うものを指摘する、 の２つの効果があるように思う。�，蓮秕召眇�も木であって、木は共通にＸＸＸである＞ といった文脈を考えている。�△蓮稾擇錬悖悖悗任△辰董⊃�はＹＹＹであるが松はＺＺＺ である＞といった区別をしたい場合を考えている。人間の思考はこの両方を使うが、 それは文の詳細を理解しなければ分からないだろう。
![[Toho University]](image/CLogo_Kihon_process.jpg "[Toho University]")
![[YYLAB]](image/yamanouc2.png "[YYLAB]")