闯补肠肠补谤诲係数の计算式と特徴（2）
?
2 likes?9,208 views
計量テキスト分析のためのフリーソフトウェア「KH Coder」ではJaccard係数を多用しています。たとえば共起ネットワークの機能でも、語と語の共起の程度を測るためにJaccard係数を試用しています。このJaccard係数の計算式と特徴を、図解で説明しています。
闯补肠肠补谤诲係数の计算式と特徴（2）
- 4. (ｂ) 「80年代」か「語Aを含む」か1方でも当てはまる文書 80年代の文書 語Aを含む文書 (a) 「80年代」でなおかつ「语础を含む」文书
- 5. (b)の中での(a)の割合 ＝ (a)÷(b) がJaccard係数！ 80年代の文書 語Aを含む文書 (a) 「80年代」でなおかつ「语础を含む」文书 (ｂ) 「80年代」か「語Aを含む」か1方でも当てはまる文書
- 7. それでも、ある程度は数も必要 語Dを含む文書 ? 語Dはほぼ80年代にだけ登場するが、数が少なく 「80年代を代表する／80年代の特徴」とは言えない ? Jaccard係数では割合を見るので語Dも下位に → 語CやDを取り除きつつ共起語を探すのがJaccard係数 80年代の文書
- 8. どちらにも合致しない文書は無視 ? 一部の係数は、(c) どちらにも合致しない文書がたく さんあると、係数が大きくなる ? 計量テキスト分析では、(c)の文書は常に大量に存在 するので、(c)を無視するJaccard係数を採用 80年代の文書 語Bを含む文書 すべての文書 (c) 80年代でもなく語Bも含まない文書
- 9. ところで「文書」ってなに？ ? 設定を変えなければ（デフォルトでは） – Excel?CSVデータの場合は、1つのセルが1つの「文書」 – テキストデータの場合は、1つの段落（改行で区切れられ た部分）が1つの「文書」 ? 分析時に「集計単位」の設定を「文」に変更すれば、 1つの文を1つの「文書」と見なせる ? KH CoderではH1からH5による見出しを加えることで、 節?章?部など様々な単位での分析が可能