今やテキストマイニングは，文章を単語に切り分けて，単語の出現頻度を数えるだけにはとどまりません．

商品やイベントに対するSNS上の意見をポジティブ・ネガティブに分ければ，何が評価されて，どこを改善すべきかが一目瞭然．
政治家の演説のトピックが，時代とともにどう移り変わってきたかを解析すると，社会の変化を見て取ることもできます．
小説の話題展開の流れや，登場人物とキーワードの結びつきも，自動で分析可能です．


文書解析で本当にやりたかったこれらのことは，Rで手軽に実現できます．

テキストマイニング定番書の著者による，次の一歩のためのやさしい手引きです．
［もっと基本的なことから学びたい方は，同著者による「Rによるテキストマイニング入門[第2版]（森北出版）」もご覧ください］

〈本書で扱う主な内容〉
●センチメント分析
　日本語極性辞書を用いて，単語の極性からテキスト全体がポジティブかネガティブか判断．
●単語分散表現
　単語の頻度だけでなく，出現位置に注目し，単語どうしの意味の関連性を数値化．
●機械学習，ディープラーニング
　機械学習を用いて，より高度な解析も実現．Pythonを前提とした訓練済みモデルやディープラーニングのフレームワークも，RStudioから簡単に利用可能．