テキストマイニング・・・感性表現の分類

「生の声」は、「自然文」です。
すなわち、語られた言葉そのままの文章。

このため、そのままでは、

「満足という回答は、55％、不満足は45％」

といった数値で把握すること（定量化）が困難です。

ですから、こうした生の声は、

「定性情報（データ）」

と呼ばれています。

逆に、アンケート調査のように、
設問に対する答えが、

１．はい
２．いいえ

といった選択肢で示されていて、
数字（１or２)の数値データとして扱うことができ、
集計・分析が容易なものを

「定量情報（データ）」

と呼んでいます。

さて、「テキストマイニング」ですが、
その本質は、端的に言えば次のようになります。

「生の声」（自然文）という
「定性情報」を「定量情報」化すること

定性情報を定量化する具体的な手順は、
技術的・専門的になりすぎますので説明は省きます。

むしろ、実際にどんな分析結果が
テキストマイニングから得られるのかをご紹介します。

出典は、テキストマイニングの活用面に焦点を当てた新刊、

『顧客の声マネジメント　テキストマイニングで本音を「見る」』（三室克哉・鈴村賢治・神田晴彦共著、オーム社）

からです。（分析に詳しくない方にも理解しやすい良書ですよ。）

なお、以下の分析例は、化粧品クチコミ情報サイト
「@コスメ」のデータを利用したものです。

肌とか化粧関連の言葉が出てきてますね。

テキストマイニングでまず最初に行う分析は、

「単語分析」

です。

具体的には、生の声の中から、
「単語」を抽出し、その出現頻度をカウントします。

（単語出現件数ランキング例）

順位　/　単　語　/　品詞の種類　/　頻度（件）
１位　/　使う　/　動詞/　2503
２位　/　良い　/　形容詞　/　1300
３位　/　肌　/　名詞　/992

これは、人々がどんな単語を多く口にしているかの
全体傾向をつかむための「定量化」（頻度のランキング）
ですね。

つぎに行うのが

「係り受け分析」

です。主語と述語の関係を取り出します。

これは、ユーザーが、何（主語）に対してどんなこと（述語）
を言っているかの「組み合わせ」を把握するということです。

（係り受けランキング例）

順位　/　係り受け　/　頻度（件）
１位　/　香り・良い　/　90
２位　/　香り・好きだ　/　73
３位　/　香り・リラックスする　/　10

上の分析例を見ると、特定の化粧品に対する声として、
「香りが良い」（90件）と書いている人がもっとも多く、
次に「香りが好きだ」（73件）という答えが続いていると
いうことがわかります。