平成21（2009）年度　一般研究２実施報告書

課題番号	21−共研−2031		分野分類			統計数理研究所内分野分類			d
						主要研究分野分類			6
研究課題名	テキストマイニングを応用した言語研究とその環境整備
フリガナ 代表者氏名	イシダ　モトヒロ 石田　基広				ローマ字		Motohiro　ISHIDA
所属機関	徳島大学
所属部局	総合科学部人間社会学科
職　　名	准教授
配分経費	研究費	0千円		旅　費		0千円		研究参加者数		7　人

研究目的と成果（経過）の概要

本研究では、自然言語処理と統計解析の二つのフェーズを、フリーの統計解析環境 R 上でシームレスに実現する方法を検討し、その環境の整備を目指した。
はじめにテキストマイニング技術を研究において利用している方言学の岸江、また心理学の小杉から、ユーザーサイドでテキストマイニングに必要とされる要件について提案があった。
特に強く提案されたのはテキストの頻度情報をある特定カテゴリ（性別）などと連携づけられることであった。さらに、それぞれ専門分野特有の要望はあるが、共通点としては、GUI環境の整備と、ポピュラーな解析手法へのアクセスしやすさという提案もあった。
これに対して中野、中島、石田が技術的な検討を行った。まず統計解析ソフトとしてはフリーながら強力な言語環境であるRをベースに、ここに日本語解析機能を組み込むことを目指した。日本語解析ソフトとしてはフリーのMeCabが有名である。また石田はすでに　RMeCab　という日本語解析用　R　パッケージを公開している。しかし今回は　MeCab　にはない係り受け判定機能を含む日本語解析器CaBoCha　を利用することに決めた。
R　は　C言語による拡張が可能であるため、石田が、R　からバックグラウンドで　CaBoCha　を呼びだし、その解析結果を再びR　に戻すためのインターフェイス　RCaBoCha　の開発を進めた。RCaBoCha　には単体テキストの頻度表を作成する単純な機能から、複数テキストから各種　NgramR　を出力する機能に加え、RMeCab　には実装されていなかった係り受け頻度情報を抽出する機能を加えた。その後、岸江らに実際のデータで利用してもらったうえで、RCaBoCha　は一般に公開している。
GUI拡張については、当初　R　のRcmdr　へメニューを追加するのが適当であると判断したが、その後、RExcel　というRの拡張パッケージを導入することで、RおよびRMeCab　を　Excel　から操作することが可能であると判明し、現在は、RExcel　との統合を進めている。

当該研究に関する情報源（論文発表、学会発表、プレプリント、ホームページ等）

1) http://groups.google.co.jp/group/rmecab
2) http://groups.google.co.jp/group/rcabocha

研究会を開催した場合は、テーマ・日時・場所・参加者数を記入してください。

テーマ：テキスト研究とその環境整備
6月15日月曜
新館２階　特別会議室
６名参加

研究参加者一覧
氏名	所属機関
石田　和枝	徳島大学
岸江　信介	徳島大学
小杉　考司	山口大学
小林　雄一郎	法政大学
中島　功滋	特定非営利活動法人教育テスト研究センター
中野　純司	統計数理研究所