Rによるテキスト分析を始める人のための、日本語によるquantedaの使用法の説明。メディア分析を事例とし、サンプルデータは朝日新聞の2016年の政治および外交に関する記事。本稿は、2017年に早稲田大学および神戸大学で開催したワークショップの資料が元になっている。量的テキスト分析の概要については、『日本語の量的テキスト分析』がある。
2020年5月17日に追記:より洗練された日本語の前処理に関しては、『経済学における量的テキスト分析入門』を参照すべし。
quantedaは、London School of Economics and Poltical Science(LSE)のKenneth Benoitが、2012年頃から欧州連合(EU)の支援を受けて開発を始めた社会科学向けの量的テキスト分析のRパッケージ。現在は、日本人やアジア人を含む、国際チームによってオープンソースで開発が進められ、欧米の政治科学者の間で人気を集めている。
なお、quantedaはquantitative analysis textual dataを短くしたものであり、カタカナでクオンティーダとも表記できる。
- Rのパッケージとの互換性を重視し、既存の日本語向けのテキスト分析ツールなどよりも柔軟な統計分析を行うことができる。
- テキストの内部処理はユニコードに準拠するため、あらゆる言語で利用でき、特に、日本語と**語では形態素解析を用いずに文の分かち書きを行える。
- プログラムの中核がC++で実装されているため、同等の処理をPythonで実装されたシステムの半分の実行時間とメモリー使用量で行うことができる。
- 外部のプログラムやライブラリーに依存しないためインストールが容易で、Windows、Mac OSおよびLinux上で動作する。
quantedaと他のRのテキスト分析パッケージの違いについてはJohns Hopkins UniversityのLen Greskiによる説明がわかりやすい。