このように単語の文脈を考慮したWord 2 Vecは非常に強力なモデルであることがLDAとの比較でも再確認できました。, 次に発売年で色付けした図を見ますと、古い曲(青や緑)は一定の箇所に固まっており一方、最近の曲(オレンジや赤)は散らばっていることが分かります。 A + B = C + ??? 延々と上記コードを走らせて、分析に使うツイートデータ数は60万近く今回取得しました。, PythonでMeCabを使うには以下の3つのステップが必要です。(ステップ2はなくてもいい), MeCab導入に関しては、参考になる記事が既に多く出回っているので、例えば以下記事等を参考に環境をセットアップしてみてください。 未来に恋したい人はsongを聞きながら待ちましょう。, LDA編と同様に曲のマッピングを行います。 (あ、念のため。別に私が属する会社が残業が多いわけじゃないですよ!あくまで例文です!), ただし、その他の単語を見ると、固有名詞が多く含まれており、正直よくわからないですね……。 早速のお知らせなのですが、本編から超絶優秀な友人のtaijest君も編集に加わってもらっています。これに伴いブログのタイトルも若干変更しました。, さて本題に戻ります。
⇔ A + B - C = ?? 前PartではB'zの歌詞を「LDA」を用いた曲のクラスタリングを行いました。 (こちらとても高評価頂いております。ありがとうございます!!), 上のリンク先でも書きましたが、簡単にまとめると、word2vecを使うことで単語の意味をベクトル表現化することができます。
「今週毎日残業させられてるけど、うちの会社マジ卍じゃない?」 Word2Vecの使い方 今回はPythonのgensimというライブラリを用いてWord2Vecを使います。 必要なライブラリ ・gensim ・mecab-python3 まずは、Word2Vecのモデルを生成するための学習データを用意します。今回はTwitterから「お兄 単語をベクトル化することで類似語を抽出したり、単語の意味の足し算・引き算ができるWord2Vecという手法を用いて、「おじさん」「お兄さん」という言葉を比較してみました。, この前、知人の30代男性から「最近、一人称として“お兄さん”が使えなくなった…」という悩みを聞きました。女性に対する呼称の「お姉さん」「おばさん」問題の闇の深さは言うまでもありませんが、男性も意外と気にしていることを知りました。 個人的には、「あなた」は「君」に近いが「オマエ」は「最高」という結果が出た際には、テンション上がりました。, さて、今後についてなのですがコメントに「アーティスト別比較」をやって欲しいと多数意見を頂きしたが、実はこちらを既に着々と進めておりました。 ?であることに留意して以下のようなコードを書きます。, 「僕が笑う」と「あなたとの恋」になるらしいです。それっぽいですね!!!微熱はなんとなく分かりますが隙間はよく分かりませんね。, 「あなたを待つ」「あなたの未来」「あなたの人生」は未来への恋 今回は、曲ごとに出現する単語の平均ベクトルを特徴量(100次元)とします。, t-SNEを用いて圧縮したものを可視化するコードはTF-IDF編と同様なのでご参照ください。, ちなみにLDA編で「「泣いて泣いて泣きやんだら」と「パーフェクトライフ」の類似度が高いと出ているが曲の意味は一切違う」とのコメントを頂いたのでWord 2 Vecの特徴量を用いて類似度を測ってみました。 しかし、「恋」の歌は最終的に「あなたがいる歓び」的な曲に多いので、曲全体を加味すると遠回しに「恋=歓び」との解釈でDoc 2 Vec では学習されたのではと推測されます。, このように曲同士の類似度を考慮しつつ単語の意味空間を学習してくDoc 2 Vecでは、より概念的な単語の意味空間が学習されているのではと推測されます。, 本Partでは、Word 2 Vecを用いて単語の意味の解釈を行いました。 次回作をお待ちください。(その前にちょい見せ), *1:実際には、上記のような概念は要素の組み合わせで表現される場合がほとんどであり、解釈は困難です, *2:自然言語処理のタスクで、単語ベクトルをモデルへの入力としている場合が多いです, *7:有名どころですと、東北大の乾研究室が公開しているモデル(http://www.cl.ecei.tohoku.ac.jp/~m-suzuki/jawiki_vector/)など多くのモデルが公開されています, *8:古参ファンが「最近の曲は変わった」とよく言いますが、今回の分析でこれは正しいことが証明されました。, pira_ninoさんは、はてなブログを使っています。あなたもはてなブログをはじめてみませんか?, Powered by Hatena Blog 歳とともに口下手になっていくおじさんがたどり着いたのはスマホのゲーム…ではなく、子どもと一緒に楽しく遊ぶことが増えているからこそゲーム系の言葉が上位に入っているのだと思います。そう思わせてください。 まだまだ改良の余地ありそうです。, なかなかカオスですね。ただ卍という言葉自体が抽象度の高い表現なので、これはこれである意味正解な気がしてきました。, なお、可視化コード含めて、今回のコードは以下のgithubにあげております。 Twitter Streaming APIについてのメモ, 指定するendpointで取得できるデータやオプションが微妙に異なりますが、今回はstatuses/sample.jsonを使っていきたいと思います。 "マジ卍"の意味を教えて」 Pythonでword2vec実践してみた, "https://stream.twitter.com/1.1/statuses/sample.json?language=ja", RとPythonでMeCabを使う環境構築(Windows, Mac) - データ解析備忘録, gensim: models.word2vec – Deep learning with word2vec, テンプレートを使って esa 記事からオリジナルのWordファイル生成するShinyアプリケーション…, esa API と R Shiny + Pandoc でWordやPDFファイルを自動生成するツール…, word2vec(Skip-Gram Model)の仕組みを恐らく日本一簡潔にまとめてみたつもり, 【Shiny100本ノック No.4】Google Data Studio的な機能+PowerPointでダウンロードできるアプリを作る, テンプレートを使って esa 記事からオリジナルのWordファイル生成するShinyアプリケーション作り, esa API と R Shiny + Pandoc でWordやPDFファイルを自動生成するツールを作ってみました, mecab-python3のインストール(PythonでMeCabを動かすのに必要です). | * 「翼」は「Banzai」に近いらしいが、「Banzai」という曲に「翼」という単語出ていないので、意味的に近いとWord 2 Vecが学習したのは興味深い。, Word 2 Vecでは単語をベクトルで表現していることで単語同士の足し算・引き算ができます。これの代表的な例として・・・, 「奥さん」ー「彼女」で彼女から奥さんにランクアップするには?を分析した例 www.randpy.tokyo, Np-Urさんは、はてなブログを使っています。あなたもはてなブログをはじめてみませんか?, Powered by Hatena Blog "マジ卍"という言葉の意味はコトバンクによると、, うれしさや悲しさといった感情や、かわいさや調子の良さなどの状態を表す言葉。SNS(ソーシャル・ネットワーキング・サービス)などインターネットを中心に広がった。「まじ」は「本気」、「卍」は「やばい」を意味すると推測されているもののルーツは定かではなく、用法や使用される場面は曖昧。, う〜ん、なんとも曖昧な言葉ですね…笑 「寝る」については体力との関係もありますが、「寝る」という行為に癒やしを求めているのかもしれません…。, 以上、Word2Vecを使って「おじさん」と「お兄さん」を比べてみました。自然言語処理というとハードルが高いイメージがあるかもしれません。しかし、Word2Vecはこのように言葉遊び的に使ってみている人も多いとても面白いアルゴリズムなので、もし少しでも興味が沸いたら、ぜひ気になる単語の足し算・引き算をやってみてください!, また、今回のように学習に使うデータによっては世の中の人が考えていることを圧縮して可視化するようなこともできるので、今後も様々な分野で活用されることが期待できそうです。, 入門者やシングルスレッドプログラミング中心の場合はCPUはCore i3、グラフィックはCPU内蔵でOK! パソコン工房でおすすめパソコンを見る, マルチスレッドプログラミングならCPUはCore i5、グラフィックはCPU内蔵でOK! パソコン工房でおすすめパソコンを見る, 工学部女子大生とライターをしています。卒業研究で彼氏の浮気を防ぐためにSNS上で彼氏と彼氏のフォロワーの親密度推定に挑戦中。大学院では計量言語学を専攻予定。, テキストマイニング:WordCloudで文系女子と理系女子のツイートを可視化してみた, Raspberry Pi×JuliusとPythonでスマートスピーカー風にカメラを操作, 父ノ背中 あどみんさんがパソコン工房で本格水冷PCをオーダー。そのこだわりを聞いた。, CG アーティスト:勉強を続けることで知識と技術が身につく。日々進化するCGアートの世界, Windows 10搭載パソコンでマイクが使えない、認識されない場合の設定・対処方法.