質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.32%

共起する語を分析したい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 4,835
退会済みユーザー

退会済みユーザー

ストックした文章をもとに指定された語句と文章内で共起する語を表示するというものをやりたいと思っています。
そこでまず、gensimを用いてコーパスを作成し、指定語が存在するドキュメントを発見したら、そのドキュメントの各単語のtfをキープ、それを全てにおいて実行し、各単語の加算値が高い順にソート、表示するというものをやってみました。

結果としては出来たのですが、とにかく遅いです。同じコーパスを用いた word2vec のモジュールでは(内部構造がしっかりしているから、私には理解できませんでした)コーパスを莫大な量に増やしてみても、秒単位で処理結果が出ているので、(ベクトル表現と共起分析は違うとはいえ)共起分析もなんとかしてそれなりの速さでできないかと思っています。

以下ためしたことです。

・計算に強いと言われるnumpyでやろうとした。
→コーパスでは要素数が一致していないので、利用は難しかった。

・pandasで文章数をインデックス、単語idをカラムとするデータフレームを作成、欠損値をNan埋めし、行列演算?を試みた。
→欠損値が多すぎて、データが肥大化、結局遅い。さらには処理落ちが起きる。

・scipyでスパース行列を作成し、低容量データでの演算を試みた。
→日本語ドキュメントが限りなく少なく、未だ使いこなせていない。そもそも行列とは何かという哲学に直面


こうした過程を辿り今に至っています。
pythonそのものを最近勉強し始めたため、根本的な部分で欠陥があるかと思います。またこんな遠回りなことをせずとももっとあっさりできるという可能性もあるかと思い、この場で質問させていただきました。

有効打を知っている方がいらっしゃいましたらお力添えをお願い致します。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

まずはこの辺りがとっかかりになるのではないでしょうか。
http://qiita.com/yuku_t/items/483b56be83a3a5423b09

どの程度の知識がベースにあるのかによるかと思いますが、上記のページにあるキーワードに関連する論文を読みあさると、様々な考え方や具体的な手法などが見えてくるかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.32%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る