> ## Documentation Index
> Fetch the complete documentation index at: https://docs.exploratory.io/llms.txt
> Use this file to discover all available pages before exploring further.

# テキスト分析 - トピックモデル（LDA）の使い方

> 文章の中で似た単語が使われる傾向から、文章をいくつかのグループ（トピック）に分け、どういった文章があるのかを把握します。

テキスト分析の「トピックモデル（文章データ）」は、文章の中で似た単語が使われる傾向からいくつかのグループ（トピック）に分け、どういった文章があるのかを把握するアナリティクスです。

## 何ができるか

アンケートの自由記述は、人によって解釈が分かれるため、全体の傾向をとらえにくいデータです。トピックモデルを使うと、それぞれの文章で使われている単語をもとに、文章ごとにトピックの確率が求められます。確率が高い単語や文章を見ると、そのトピックは政治である、スポーツであるといった判断ができます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-03.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=dbb72d09e383b7c6d742a2e2d48134e8)

## 必要なデータ

自由記述のテキストの列が必要です。1 行が 1 観察対象（例: 1 行が 1 回答者）のデータにします。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-02.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=329a30ae99744e3ba70ab563a772347d)

このページの例では、[セミナーのアンケートデータ](https://exploratory.io/data/exploratory/jfI9RBN3)を使います。1 行が 1 回答者で、「よりよくするための提案」の列に自由記述の回答が入っています。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-04.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=42d6cf8a631101f4057b2f4d573ba01b)

## 使い方

1. アナリティクス・ビューを開き、タイプの「テキスト分析」から「トピックモデル（文章データ）」を選びます。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-05.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=f0645a783fdae650076f23fae9729011)

2. 「テキストの列」に「よりよくするための提案」を選びます。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-06.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=3e0e4e07e2bbfcb5439de1b97f153c47)

3. 実行に時間がかかりすぎないよう、データは初期設定で 5000 行にサンプルされます。5000 行を超えるデータで全行を使うときは、「データをサンプルする」のチェックを外します。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-07.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=11bd01278375b65c0b7e3367786fc81b)

4. 「実行」ボタンをクリックします。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-08.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=a07098325552378d0bc0c2a58378e8ba)

   トピックモデルが実行され、レポートが表示されます。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-48.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=217d3fa85cc904a7cad4ee73ea0145f1)

トピックの数を増やしたいときは、タイプの右にある歯車の「設定」を開き、「トピックモデル (LDA)」の「トピックの数」を変更します。初期値は 3 で、「ランダム・シード」の初期値は 1 です。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-10.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=13bb9f337cf525db4d10449ce7f3f9ea)

## 結果の見方

実行すると、結果がレポートとして表示されます。上部の「サマリ」「トピックと単語の関係」「トピックと文章の関係」のリンクから、それぞれの節に移動できます。「カテゴリ」に性別や年代などのカテゴリの列を選んで実行すると、「カテゴリとの関係」の節が加わります。

### サマリ

文章をいくつのトピックに分けたかと、トピックごとの行数が表示されます。この例では 3 つのトピックに分けられ、行数は 63、60、41 です。文章ごとのトピックは、文章の中で最も確率が高かったトピック（max\_topic）をもとに決まります。

### 重要語

「トピックと単語の関係」の「重要語」では、トピックごとに、そのトピックの確率が高い重要な単語がバーチャートで表示されます。バーが長いほど、その単語がトピックを特徴づけていることを表します。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-09.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=f0c5b6022f1bcce952506247f48262e4)

### データ (単語)

「データ (単語)」では、「重要語」のチャートの元になる、それぞれの単語が各トピックに含まれる確率を表で確認できます。値が大きいほど濃い緑で表示されます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-49.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=b3f2fe1b230b2fb00b62327341cd4862)

### トピックと文章の関係

元の文章がどのトピックと最も関係が強いのかを、色を使って表します。各トピックに分類するうえで重要な単語は、トピックごとの色で強調されます。右側の列には、文章が各トピックに属する確率が表示されます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-13.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=65c5a1a4f43bde06ca0bb2a53e2a84b6)

### カテゴリとの関係

データにカテゴリの列がある場合は、トピックごとのカテゴリの比率を見られます。このデータには、NPS（デトラクター、パッシブ、プロモーター）の列があります。「カテゴリ」に「NPS」を選んで実行します。

「バーチャートによる可視化」では、トピックごとに、NPS のどのグループの割合が多いかを積み上げバーで確認できます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-17.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=e5cc2c1ce3378db15b277748aafed1f9)

「パス図による可視化」では、トピックと NPS のグループの関係を線でつないで表します。線が太いほど、強い関係があることを意味します。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-18.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=0b36c0043d2e100a25b81c40a58dbf9e)

「カテゴリと重要単語の関係」では、トピックごとの重要な単語について、NPS のグループの構成を確認できます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-19.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=4d8852f8442d45d8b8ead6a99a5e4b4c)

### データ (全体)

「データ (全体)」では、元のデータに、文章ごとのトピックの確率を加えた表が表示されます。「トピック 1」から「トピック 3」の列は、その文章が各トピックに属する確率を表し、合計は 1（100%）になります。表を横にスクロールすると、max\_topic や topic\_max の列も確認できます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-50.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=c9e31896d12d2132d4caa39bfb57ceda)

## ストップワードと「つなぐ単語」の辞書

あまりに一般的で文章の特徴を表さない単語を除く「ストップワード」と、分かれてしまう単語を 1 つの単語として扱う「つなぐ単語」は、辞書として登録して使えます。タイプの右にある歯車の「設定」を開き、「テキストの単語化」の「追加のストップワード辞書」で辞書を選びます。辞書がないときの初期値は「(なし)」です。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-21.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=7419165a6dbedfa649435f3f884778c9)

辞書には、1 行に 1 単語ずつ入力して登録します。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-22.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=bde7151eba443f19184f6dce0fe6973f)

辞書は Exploratory サーバーにパブリッシュして、チームメンバーと共有できます。

## 単語に分けてあるデータで使う（トピックモデル（単語化済み））

手元のデータが、すでに文章を単語に分けた形になっていることもあります。1 行に 1 つの文書の 1 単語が入っているデータです。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-30.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=a3b8dcdd8951ce9ba1e69c27c6ad056e)

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-31.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=c0fca5d25febd4ab7001af97d45c98bb)

そのときは、タイプの「テキスト分析」から「トピックモデル（単語化済み）」を選びます。単語の列と、各単語がどの文書（グループ）で使われているかを特定できる列が必要です。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-32.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=4a12ce2aaef535bd029865ce07d42c41)

このページの例では、[セミナーのアンケートデータ（単語化済）](https://exploratory.io/data/exploratory/hPT0jgA1)を使います。1 行が 1 つの文書の 1 単語で、アンケートの回答を単語に分けた「token」の列があります。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-33.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=53dd5aa16d024ea371f15e4aff9cf52d)

1. タイプの「テキスト分析」から「トピックモデル（単語化済み）」を選びます。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-34.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=8488f35634f219fc7bb0cd5640fd6805)

2. 「単語」に「token」、「グループ」に「document\_id」を選びます。結果でカテゴリとの関係も見るときは、実行前に「カテゴリ」に「NPS」を指定します（下の画面は、指定する前の状態です）。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-35.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=3b9d4c98e236a19517778d9314f48869)

3. 5000 行を超えるデータで全行を使うときは、「データをサンプルする」のチェックを外します。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-36.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=6b15013e756c03bc21ab038126233221)

4. 「実行」ボタンをクリックします。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-37.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=a19054c573062425054307619c5e0da8)

   トピックモデルが実行され、レポートが表示されます。この例では、実行前に「カテゴリ」に「NPS」を指定しています。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-42.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=be4dd19a176907b3ec23e5d93b9edabe)

   トピックの数を増やしたいときは、歯車の「設定」から変更します。「トピックの数」の初期値は 3 です。「ランダム・シード」は 1、「表示する重要語の数」は 10、「表示する単語の数」は 100 が初期値です。

   ![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-39.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=d68ab730fdf86fe406e2aa3933e92e8d)

### 結果の見方（単語化済み）

レポートは「サマリ」「トピックごとの特徴」「カテゴリとの関係」のリンクで移動できます。

「サマリ」では、トピックごとのグループ（文書）の数が表示されます。この例では 64、60、40 です。

「トピックごとの特徴」の「重要語」では、トピックごとの重要な単語がバーチャートで表示されます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-38.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=9a46a88618d77a10418b1c850888725e)

「データ (全体)」には、文書ごとに 1 行ずつ、document\_id、NPS、各トピックの確率が表示されます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-43.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=627232ec72172cc5a77fc21d9e675efa)

「データ (単語)」では、単語ごとに各トピックに含まれる確率を確認できます。値が大きいほど、その単語がトピックにとって重要であることを意味します。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-51.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=bcaa537f99f91bd50b9777d4e88b6979)

「カテゴリとの関係」では、トピックごとのカテゴリの割合を積み上げバーで確認できます。パス図でも、トピックとカテゴリの関係を見られます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-44.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=e897b24ef80dd73044b4a7e704ff5b89)

## よくある質問

### 「参照データが更新されています。実行をクリックしてください。」と表示される

トピックモデルを実行したときに、このメッセージが表示されることがあります。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-23.png?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=10b6804e809908b87d197878a83328b9)

このメッセージが出たら、「実行」をクリックして結果を更新します。

### 「学校」「教育」といった単語を含む文章を、1 つのトピックにまとめられるか

まとめられません。トピックモデルは、一緒に使われる単語の傾向が近いものをトピックにまとめます。「学校」や「教育」を使っていても、ほかに使われている単語が違ったり、データ量が少なかったりすると、別のトピックになることがあります。特定の単語が同じトピックになるよう調整することは、アルゴリズムの性質上できません。

### トピックと文章の関係のチャートで、100 件より多く表示したい

初期設定では 100 件の文章が表示されます。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-25.jpeg?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=05ea5d60571e1fb252746c533a404af9)

タイプの右の歯車をクリックし、「ドキュメント」の「表示するドキュメントの数」を変更します。

![](https://mintcdn.com/exploratory-inc/c3NdPnjzBqtOJ_ms/ja/analytics/images/ja/topic_model-26.jpeg?fit=max\&auto=format\&n=c3NdPnjzBqtOJ_ms\&q=85\&s=a54704886e4872c1c47a322158cd18d2)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.