テキストマイニングについて

Question

テキストマイニングについての質問です。
タグは無視してください。
文章中に出現する特定の単語の頻度を調べてリスト化する方法が知りたいです。
また、その場合Mecabなどによる形態素解析を行う必要はありますか？
Mecabは文章中の全て形態素の頻度を調べることには適していると思いますが、特定の形態素の頻度をリスト化して返すことにも使えるのでしょうか？わざわざ形態素解析する意味もよくわからないため教えてくれると助かります。

形態素解析なしでも特定の単語の出現頻度をリスト化する方法があれば教えてもらえると助かります。

Answer 1

まあ、文字列検索してマッチした回数を数えるのでしょう。
KojiDoiさんのおっしゃるような問題がありますが、それが問題にならなければ使えます。例えば「国会」「ニュース」などを取りたいとか。
パフォーマンス上、とにかく速くないと困るけど、形態素解析の性能は要求されない、とか単に形態素解析器動かすのが面倒くさい、とかそうしたい理由があるのなら、ありです。

Comments

[xkx]

では、文字列検索ならば特定の単語の頻度を数えることができて、形態素解析の必要がないということですね。ある論文を読んでて形態素解析する必要がないのにしていたのが気になって質問させてもらいました。
お二方とも丁寧な回答ありがとうございました。

Answer 2

そもそも英語のように単語がスペースで区切られたりしていない日本語のテキストに対して「単語」の単位で何かをしたければ、なにか特別な方法で「単語ごとに切り分ける」ことを実現しなければその先に進みようがないっていうのは判りますよね。それをするのが形態素解析です。

Comments

[xkx]

それは分かっているのですが、調べたい単語が決まっている場合には形態素解析する必要がないとおっしゃっていた方がいたので…

[KojiDoi]

たとえば「すもももももももものうち」という文章に「桃」が何回出てくるか解析したい時どうするんですか？
もちろん最終目的次第ではそこまでするまでもないということはあるでしょう。それはケースバイケースであって、私はあなたの目的を知らないので、一般論でしか答えられません。

[xkx]

そういった場合にはたしかに形態素解析の必要がありますね。
私の質問の仕方が分かり辛くてすみませんでした。今回したかったのは経済用語の抽出ですので、そういった心配はないと思います。
丁寧な回答ありがとうございました。