恋ということばを使っていないが恋に関心がありそうな歌詞を抽出したい

公開日:2019-03-15
最終更新:2019-03-15
※この記事は外部サイト(https://qiita.com/paithiov909/items/2430dd...)からのクロス投稿です

概要

Document-Term-Matrixをレーティングデータに見立てることで協調フィルタリングを適用し、「似たような文書では他にどのような単語が使われているか」にもとづいて、特定の単語が(実際には使われていないが)使われていてもおかしくなさそうな文書を探したら面白そうだと思った。

基本的なアイデア

MovieLensのようなデータセットにおいて、同じようなカラムについて同じようなレーティングをしているユーザーは、同じようなものごとを同じような重さで扱っているといえる。たとえば、ユーザーAとユーザーBのどちらもがコメディがめっちゃ好きだった場合、ユーザーAとユーザーBは、実際にレーティングしている作品に違いがあったとしても「コメディがめっちゃ好き」という意味において「同じ意味をもっている」といえそうだ。

Toy Story (1995) GoldenEye (1995) Four Rooms (1995) Get Shorty (1995)
ユーザー1 5 3 4 3
ユーザー2 NA NA NA NA
ユーザー3 NA NA NA NA

MovieLensのようなデータセットとDocument-Term-Matrix(DTM)が同じ構造をしていると見なすと、DTMではユーザーは文書に相当し、各カラムは単語に相当する。同じような単語が同じような頻度で出現する文書は、やはり同じようなものごとを同じような重さで扱っているといえる。文書Aと文書Bのどちらにも「恋」とか「君」とか「2人」といった単語が出現していれば、どちらも「2人の恋について話題にしている」という意味において「同じ意味をもっている」といえるだろう。

このように考えると、協調フィルタリングは任意のケースと「同じ意味をもっている」ケースを探索して「同じ意味をもっているならこのケースはこのものごとにも関心があるだろう」みたいなことを予測していると理解できる。

じゃあ、「恋ということばを使わずに恋を文学的に表現する」みたいな、そうとは言ってないけどそういうこと表現しているよねみたいな文書を探索できるんじゃね?というのが基本的なアイデア。

やったこと

秋元康が作詞している歌詞を題材に、「恋」「好き」「大好き」という単語が(実際には使われていないが)使われていそうな歌詞を抽出する。

データの準備

歌詞は歌ネットからスクレイピングして保存しておいた。
POSは品詞のリスト。ここでは名詞のみを指定している。

lyrics <- read_csv("cache/lyrics.csv", col_names = FALSE)  

tdm <- RMeCab::docMatrixDF(  
    charVec = iconv(lyrics$X2, from = "UTF-8", to = "CP932"),  
    pos = iconv(POS$X1, from = "UTF-8", to = "CP932"),  
    minFreq = 30,  
    weight = "tf*idf",  
    mecabrc = MECABRC  
)

これをイイ感じに加工して以下のようなかたちにする。辞書がアレで名詞じゃなさそうなのも混じっているが、このままでいく。

> doc  
# A tibble: 46,924 x 4  
   termid word         sid    freq  
    <int> <chr>        <chr> <dbl>  
 1      7 '            1     15.1   
 2     21 2人          1      3.49  
 3     58 Don          1     21.5   
 4    180 t            1     18.3   
 5    222 お願い       1      6.46  
 6    314 アスファルト 1      6.43  
 7    323 ガラス       1      6.36  
 8    325 キス         1      8.24  
 9    336 サヨナラ     1     10.6   
10    368 ハート       1      4.18  
# ... with 46,914 more rows

協調フィルタリング

{recommenderlab}のユーザベースの協調フィルタリングを適用する。
has_NGは「恋」「好き」「大好き」の3語が出現する歌詞のリスト。

real_rating <- doc %>%  
    select(sid, word, freq) %>%  
    as.data.frame() %>%  
    as("realRatingMatrix")  

train <- real_rating[dimnames(real_rating)[[1]] %in% has_NG]  
test <- real_rating[!dimnames(real_rating)[[1]] %in% has_NG]  

recommender <- Recommender(train, method = "UBCF")  
prd <- predict(recommender, test, type = "ratings")  
p <- prd %>%  
    as("matrix")%>%  
    as_tibble(rownames = NA) %>%  
    select(恋,好き,大好き)

期待される結果

{arules}でアソシエーション分析しておく。

transactions <- real_rating %>%  
    binarize(minRating = 1) %>%  
    as("matrix") %>%  
    as("transactions")  

aff <- affinity(transactions)  
t <- aff %>%  
    as("matrix") %>%  
    as_tibble(rownames = NA) %>%  
    rownames_to_column() %>%  
    select(rowname, 恋) %>%  
    arrange(desc(恋))

affinityはここでは共起のしやすさみたいなもので、値が大きいほど共起しやすいといえる。たとえば「恋」という表現については、こういう単語が含まれている歌詞をあげられることが期待されるということ。

> t  
# A tibble: 786 x 2  
   rowname    恋  
   <chr>   <dbl>  
 1 好き    0.224  
 2 君      0.209  
 3 胸      0.208  
 4 僕      0.191  
 5 心      0.181  
 6 気持ち  0.174  
 7 2人     0.171  
 8 友達    0.157  
 9 愛      0.154  
10 ハート  0.154  
# ... with 776 more rows

相関ルールも確認しておく。

rules <- apriori(  
    transactions,  
    parameter = list(  
        supp = 0.05,  
        maxlen = 7,  
        confidence = 0.5  
    )  
)  
inspectDT(rules)

「友だち」「ハート」「気持ち」「好き」といった単語が含まれていると、とくに恋っぽいことが多いらしい。

実際の結果

「恋」「好き」「大好き」という単語がとにかくいっぱい使われていそうな歌詞をとってみる。

top <- rowSums(p) %>%  
    as.data.frame() %>%  
    as_tibble(rownames = NA) %>%  
    rownames_to_column() %>%  
    arrange(desc(.)) %>%  
    slice(1:20) %>%  
    pull(rowname) %>%  
    as_tibble()  

map_dfr(top$value, function(x){  
    lyrics %>%  
        slice(as.integer(x))  
}) %>%  
    write_csv("cache/top.csv")

こうなった。バナナ……??

sid topic gamma link 歌い出し
586 2 0.7684426229508197 https://www.uta-net.com/song/188814/ バナナ バナナバナナ バナナひょろりきいろいほそおもてすきでじみなわけじゃないふさにつらなるきょうだいとあすをゆめみたねったいりん
294 1 0.6498829039812647 https://www.uta-net.com/song/64235/ Wake Up It’s MorningWake Up It’s MorningWake Up It’s MorningWake Up It’s Morning天使の顔したあの娘は 正体不明の重要参考人目覚めはいつものTVのニュースキャスターの声
1553 3 0.6983695652173914 https://www.uta-net.com/song/3274/ ドダバ そこ行く姉ちゃん俺とお茶でもどうだいイヤンYeh yeh yeh yeh yeh yehWow wow wow wow wowティーバックってか? おっかしい、この歌ドダバ
2385 1 0.7877155172413793 https://www.uta-net.com/song/105919/ ワクワクの日曜日目覚めたら窓にパラパラと雪あなたとの初めてのデートなのについてない空模様あの待ち合わせ場所へそう 傘を差しながら出かけた私を迎えたのは
2302 4 0.7563775510204082 https://www.uta-net.com/song/180730/ LALALA…LALALA…OH! OH!電車がゴーゴーうるせえ!(工場近く)OH! OH!誰も来やしねえよ世間様から見捨てられたエリアさ
768 3 0.7655737704918033 https://www.uta-net.com/song/149641/ この街のノイズは最高の媚薬(ドラッグ)さアスファルトのディスコでReligionのように踊るのさCrazy Nights ハートのCrazy Nights ビートにCrazy Nights 浮かれてCrazy Nights朝まで眠れない狂ったジェネレーション
2003 1 0.814327485380117 https://www.uta-net.com/song/198245/ うちらより偉い人 ガンバレ!ガンバレ!うちらより頭いい人 ガンバレ!ガンバレ!シュプレヒコール聴こえる社会の窓からこの国の将来に一言申すたかがアイドル されどアイドル
1132 1 0.5361010830324909 https://www.uta-net.com/song/126769/ レッドにブルーにイエロー・ホワイト・ブラック・グリーン・ピンクにオレンジCome on! 集まれ!ゴールド・シルバー・ネイビー・グレーにブラウン・ライトブルー・ベージュにパープル夢16色
2203 1 0.824396782841823 https://www.uta-net.com/song/43313/ 君の瞳に何が映ってるのか?夢に燃えてる僕の背中よ淋しくさせても許してくれ飛ばなきゃならない自分の空
254 2 0.7378472222222222 https://www.uta-net.com/song/15814/ ハァ~ 月の太鼓に風の笛トントンピーヒャラリ(ヨイヨイ)やぐらの下で輪になって人と人とが巡り逢う(ア ソレッ)
115 1 0.8163972286374134 https://www.uta-net.com/song/42940/ 窓の遠い時計台 文字盤が見えればもうすぐ夜明けだ君はからっぽのチェストひじで もたれながら 昨日のままさ分かってるよ
1678 1 0.6691616766467066 https://www.uta-net.com/song/162885/ じゃんじゃん じゃんけんぽんぐぅぐぅ ぐぅ・ちょき・ぱぁにんにん 忍たま音頭アソレ アソレ アソレソレソレ
2116 1 0.7806122448979592 https://www.uta-net.com/song/196364/ Say! ポピパパッポピピップ…Say! ポピパパッポピピップ…Say! ポピパパッポピピップ…Say!
1554 3 0.766566265060241 https://www.uta-net.com/song/86282/ 横須賀ベイシティ 場末のディスコミラーボール 安っぽいね錆びた光 かきまぜてるフロアーベトナムメモリー 危ないモーメント
587 1 0.4719512195121951 https://www.uta-net.com/song/228126/ WOW WOW WOWガンガンガン ガンバリーナ!ヤンヤンヤン ヤッチャリーナ!一度決めたら Yeah! Yeah! Yeah!とことん行こう!目指せ! ガンバリーナ!
1667 4 0.7449494949494949 https://www.uta-net.com/song/7241/ 日本ブギだよ! (JAPAN JAPAN)日本ブギだよ! (JAPAN JAPAN)日本は 変わるよ!日本は 変わるよ!
2163 3 0.8054123711340206 https://www.uta-net.com/song/117284/ 遥か地平線に長い夜が明ける時悪い夢から覚め世界は生まれ変われるよいくつもの罪を青い空が許してくれる
1666 3 0.5251046025104602 https://www.uta-net.com/song/228880/ 1つ 人の数は おおよそ一億二千万人だ!2つ 富士の山は 標高3776!3つ 見てよ!円が高い!1ドル115円!
1053 1 0.5833333333333334 https://www.uta-net.com/song/23182/ そんなに強くないからお酒ばかり 勧めないでそろそろ 私家に帰らなきゃ無理には 引き止めないけど野暮なことは 言いっこなしさ
2410 1 0.7450248756218906 https://www.uta-net.com/song/7253/ おまえだつて Maybe 覚えるだろう遠いあの頃の輝き過ぎさった 時の河に埋もれて愛は殻の中誰でも

評価

トピックモデル

ここまでやって気づいたのだが、秋元康がどんな歌詞を書いているのかきちんと把握していないので、実は適当に予測してもけっこう恋っぽい歌詞にあたってしまうのではないかという疑惑が生じた。上の結果ではそんなに恋っぽい歌詞が抽出できなかったけれど、それが偶然なのかもよくわからない。

そのへん含め、もうすこし検討するために{topicmodels}でトピック分析してみる。とりあえずわけてくれればいいのでトピック数は適当に決めた。

dtm_lda <- doc %>%  
    mutate(  
        sid_int = as.integer(sid),  
        val_int = as.integer(freq)  
    ) %>%  
    tidytext::cast_dtm_(document = "sid_int", term = "word", value = "val_int") %>%  
    print() %>%  
    topicmodels::LDA(k = 4, method = "Gibbs")  

topic_term <- tidytext::tidy(dtm_lda, matrix = "beta") %>%  
    group_by(term) %>%  
    top_n(n = 1, wt = beta) %>%  
    arrange(topic) %>%   
    ungroup() %>%  
    group_by(topic) %>%  
    top_n(n = 20, wt = beta) %>%  
    arrange(desc(beta)) %>%  
    as.data.frame() %>%  
    write_csv("cache/topic_term.csv")

それぞれのトピックに特徴的な単語。{LDAvis}で可視化もしてみた (トピックの番号の対応があやしいけど)

> topic_term %>%  
+     filter(topic == 1)  
   topic     term        beta  
1      1       AH 0.027583670  
2      1     Yeah 0.021853881  
3      1        ' 0.021470983  
4      1       Oh 0.019652220  
5      1        I 0.017477908  
6      1        - 0.015536070  
7      1        , 0.014866000  
8      1     LOVE 0.014592501  
9      1      YOU 0.012623314  
10     1        . 0.012295116  
11     1 愛してる 0.012062642  
12     1       Ah 0.010886599  
13     1       Me 0.009847306  
14     1       48 0.009751582  
15     1     今夜 0.009710557  
16     1        t 0.009532783  
17     1      2人 0.009409709  
18     1      the 0.008835362  
19     1 Love you 0.008794337  
20     1      !  0.008548189  
> topic_term %>%  
+     filter(topic == 2)  
   topic             term        beta  
1      2               空 0.024266335  
2      2               涙 0.019007227  
3      2               愛 0.017054397  
4      2               夢 0.016870715  
5      2               風 0.015449596  
6      2               雨 0.013980139  
7      2           思い出 0.013361421  
8      2               花 0.013187406  
9      2           悲しみ 0.012965054  
10     2               海 0.011360253  
11     2             未来 0.010741534  
12     2               心 0.010538517  
13     2           あの日 0.010528850  
14     2               星 0.010519182  
15     2           いつか 0.010325833  
16     2 川の流れのように 0.010084146  
17     2             季節 0.009977803  
18     2             永遠 0.009939134  
19     2               夜 0.009774786  
20     2             太陽 0.009687779  
> topic_term %>%  
+     filter(topic == 3)  
   topic         term        beta  
1      3           君 0.080323159  
2      3           僕 0.067112831  
3      3          WOW 0.031483402  
4      3     しあわせ 0.013294517  
5      3         今日 0.013180186  
6      3       キット 0.010041304  
7      3         世界 0.009989336  
8      3     好きだ。 0.009989336  
9      3       誰かが 0.009812644  
10     3           声 0.009292962  
11     3         青春 0.009199419  
12     3         そば 0.008970759  
13     3           汗 0.008471863  
14     3         昨日 0.008118479  
15     3       ハイツ 0.008045724  
16     3 いつだって。 0.008014543  
17     3         勇気 0.007837851  
18     3         大事 0.007484467  
19     3         一番 0.007318168  
20     3           息 0.007255806  
21     3        MARIA 0.007255806  
> topic_term %>%  
+     filter(topic == 4)  
   topic       term        beta  
1      4         恋 0.030817068  
2      4       好き 0.026629006  
3      4       キス 0.017235322  
4      4       大人 0.014846734  
5      4       友達 0.012597391  
6      4     ハート 0.011740499  
7      4         ( 0.011022851  
8      4         嘘 0.010840762  
9      4         顔 0.010390893  
10     4       した 0.010294493  
11     4   あなたに 0.009791068  
12     4     女の子 0.009737512  
13     4         OH 0.009544712  
14     4   ロマンス 0.008345062  
15     4 ごめんね。 0.008098705  
16     4         髪 0.007980883  
17     4       制服 0.007423903  
18     4        )  0.007370347  
19     4       ただ 0.006888345  
20     4       L・A 0.006770522

それぞれのトピックにおける「恋」「好き」「大好き」の β



雰囲気としてはトピック4に属していると恋っぽい話題をあつかっているといえそう。実際の結果にあげた表にあるように、ユーザベースの協調フィルタリングでは、トピック1に属する歌詞をやや多めに抽出しているように見える。

予想されるトピックはこんな感じ。1は元々それなりに多いが、3とか4とかもけっこうある。

ランダムに抽出した場合との比較

recommender <- Recommender(train, method = "RANDOM")としたうえで同様の手順を踏んで抽出した場合と比較してみる。

sid topic gamma link 歌い出し
947 NA NA https://www.uta-net.com/song/61901/ 教室の窓辺にはうららかな陽だまりあと僅かの春のカレンダー授業中 見渡せば同じ制服着た仲間たちが大人に見える
871 2 0.5308988764044944 https://www.uta-net.com/song/144400/ いつかの願いは土の中で眠って約束の時刻に希望の芽が出るんだ2人が出逢った頃夢などまだ種だったどれくらい歳月(とき)が過ぎ花は咲くのだろう
843 3 0.46984924623115576 https://www.uta-net.com/song/129188/ 誰かに言われた言葉の棘気にしてしまうのは自信ないから嫌われることに怯えながら見えない敵ばかり勝手に作っていた
633 4 0.5717213114754098 https://www.uta-net.com/song/229652/ 夏になるといつも想う甘酸っぱいあの頃どこからか吹いて来るんだ懐かしいそよ風
840 2 0.3664772727272727 https://www.uta-net.com/song/178485/ すべてがうまく行かずに空回りしてた頃自分が生きてる意味まで疑い始めたんだ信じられるものなんてこの世には見つからないって
306 4 0.5310077519379846 https://www.uta-net.com/song/126776/ 嘘つきなダチョウはおっとり歩いたりいい奴アピールして油断させてるけど本当のダチョウはちょっとセクシーで友達というより私にとってLover
373 NA NA https://www.uta-net.com/song/782/ WOW WOW WOW WOW WOW WOW…WOW WOW WOW WOW WOW WOW…Baby!閉じたままの瞳 開いてごらんよIt’s just the time on now!
307 4 0.46710526315789475 https://www.uta-net.com/song/106933/ 海沿いの緩やかなカーブ原付バイクで走る 風はまだ冷たい君に貰ったピンクのマフラー僕は愛をぐるぐる巻きバイト先から待ち合わせのファミレスへAKB口ずさんで
271 3 0.3678571428571429 https://www.uta-net.com/song/212319/ この道を何回歩いただろうあなたに会えるようで…街の角をいくつ立ち止まって 探して来たか?
265 3 0.6194444444444445 https://www.uta-net.com/song/170384/ 春一番 吹くように胸の奥が乱れてる突然の引っ越しを今さっき聞かされて立ち尽くす昨日までそばにいた君がいなくなるなんて
5 2 0.7664359861591695 https://www.uta-net.com/song/6706/ 恋人よ今 受け止めてあふれる想いあなたの両手で恋人よ今 瞳を閉じて高鳴る胸が2人の言葉キャンドルの炎に揺れてる
1152 4 0.44545454545454544 https://www.uta-net.com/song/247354/ 突然の雨だったら濡れるのもしょうがないでしょう信じ切ってたあの人から夕立のように裏切られた
816 3 0.45224719101123595 https://www.uta-net.com/song/122111/ 私より好きなコができちゃったら どうするの?もっと可愛いコがいるでしょう?恋はいつでも心配性北風が過ぎる遊歩道
632 4 0.4166666666666667 https://www.uta-net.com/song/212849/ 右頬ピシャリとぶたれれば心のけじめもつくけれど小さな その肩 震わせて爪を噛む君 いじらしい男は最初に恋をして男は最後に嘘をつくごめんよ
389 2 0.43577981651376146 https://www.uta-net.com/song/24431/ 夜空の星が 今雪に変われば街のざわめきは白い ジングルベルワン・ワン・ワン家に帰ろう
21 2 0.4264705882352941 https://www.uta-net.com/song/48/ 南風のショールに抱かれながら一人きりレンガの街愛にはぐれてそう
1045 NA NA https://www.uta-net.com/song/14839/ 「Il ne faut pas vendre la peau deI’ours avant qu’on I’ait pris.」「なんて素敵な夜なんだ。君が夜を素敵にする」そんな風に口説くのね
1105 3 0.3547297297297297 https://www.uta-net.com/song/242235/ 自分のことが好きじゃなかっただからずっと俯(うつむ)いていた誰かが手招きしてくれてもそう素直に心を 開(ひら)けなかった
237 3 0.43288590604026844 https://www.uta-net.com/song/132303/ ねえ 君のために何ができるのかな?僕は考えたけど何も浮かばないそう
678 3 0.4543010752688172 https://www.uta-net.com/song/208869/ どこかで鳴いてるひぐらしは何かの秘密を知っている沈む夕陽に隠れて君はどこにいる?

まとめ

今回の試みはあまりうまくいっていなかったっぽい。LDAはソフトクラスタリングなので必ずしもトピック4を抽出できていなければ不自然というわけでもないが、抽出された歌詞を読んでみてもあまり恋っぽい印象は受けなかった。

抽出された歌詞は同じフレーズのリフレインが多い気がするので、特定の単語をしつこく繰り返す歌詞があると、「恋」とかの単語もワンチャン多く出現しそうだと予測してしまうのかもしれない。

参考にしたもの

協調フィルタリング

アソシエーション分析

トピックモデル(Latent Dirichlet Allocation)

実行環境

※Windows10です

> devtools::session_info()  
Session info ---------------------------------------------------------  
 setting  value                         
 version  R version 3.4.3 (2017-11-30)  
 system   x86_64, mingw32               
 ui       RStudio (1.1.423)             
 language (EN)                          
 collate  Japanese_Japan.932            
 tz       Asia/Tokyo                    
 date     2018-05-31                    

Packages -------------------------------------------------------------  
 package        * version  date       source          
 arules         * 1.5-4    2017-10-12 CRAN (R 3.4.3)  
 arulesViz      * 1.3-0    2017-09-09 CRAN (R 3.4.3)  
 assertthat       0.2.0    2017-04-11 CRAN (R 3.4.2)  
 base           * 3.4.3    2018-01-10 local           
 bindr            0.1      2016-11-13 CRAN (R 3.4.2)  
 bindrcpp         0.2      2017-06-17 CRAN (R 3.4.2)  
 bitops           1.0-6    2013-08-17 CRAN (R 3.4.1)  
 broom            0.4.3    2017-11-20 CRAN (R 3.4.3)  
 caTools          1.17.1   2014-09-10 CRAN (R 3.4.2)  
 cellranger       1.1.0    2016-07-27 CRAN (R 3.4.2)  
 class            7.3-14   2015-08-30 CRAN (R 3.4.3)  
 cli              1.0.0    2017-11-05 CRAN (R 3.4.3)  
 cluster          2.0.6    2017-03-10 CRAN (R 3.4.3)  
 codetools        0.2-15   2016-10-05 CRAN (R 3.4.3)  
 colorspace       1.3-2    2016-12-14 CRAN (R 3.4.2)  
 compiler         3.4.3    2018-01-10 local           
 crayon           1.3.4    2017-09-16 CRAN (R 3.4.2)  
 data.table       1.10.4-3 2017-10-27 CRAN (R 3.4.3)  
 datasets       * 3.4.3    2018-01-10 local           
 dendextend       1.6.0    2017-11-13 CRAN (R 3.4.3)  
 DEoptimR         1.0-8    2016-11-19 CRAN (R 3.4.1)  
 devtools         1.13.4   2017-11-09 CRAN (R 3.4.3)  
 digest           0.6.13   2017-12-14 CRAN (R 3.4.3)  
 diptest          0.75-7   2016-12-05 CRAN (R 3.4.1)  
 dplyr          * 0.7.4    2017-09-28 CRAN (R 3.4.2)  
 DT               0.2      2016-08-09 CRAN (R 3.4.3)  
 feather        * 0.3.1    2016-11-09 CRAN (R 3.4.2)  
 flexmix          2.3-14   2017-04-28 CRAN (R 3.4.3)  
 forcats        * 0.2.0    2017-01-23 CRAN (R 3.4.2)  
 foreach        * 1.4.5    2017-12-29 local           
 foreign          0.8-69   2017-06-22 CRAN (R 3.4.3)  
 fpc              2.1-10   2015-08-14 CRAN (R 3.4.2)  
 gclus            1.3.1    2012-06-25 CRAN (R 3.4.3)  
 gdata            2.18.0   2017-06-06 CRAN (R 3.4.3)  
 ggplot2        * 2.2.1    2016-12-30 CRAN (R 3.4.2)  
 glue             1.2.0    2017-10-29 CRAN (R 3.4.3)  
 gplots           3.0.1    2016-03-30 CRAN (R 3.4.3)  
 graphics       * 3.4.3    2018-01-10 local           
 grDevices      * 3.4.3    2018-01-10 local           
 grid           * 3.4.3    2018-01-10 local           
 gridExtra        2.3      2017-09-09 CRAN (R 3.4.2)  
 gtable           0.2.0    2016-02-26 CRAN (R 3.4.2)  
 gtools           3.5.0    2015-05-29 CRAN (R 3.4.1)  
 haven            1.1.0    2017-07-09 CRAN (R 3.4.2)  
 hms              0.4.0    2017-11-23 CRAN (R 3.4.3)  
 htmltools        0.3.6    2017-04-28 CRAN (R 3.4.2)  
 htmlwidgets      0.9      2017-07-10 CRAN (R 3.4.2)  
 httr             1.3.1    2017-08-20 CRAN (R 3.4.2)  
 irlba            2.3.1    2017-10-18 CRAN (R 3.4.3)  
 iterators        1.0.9    2017-12-29 local           
 janeaustenr      0.1.5    2017-06-10 CRAN (R 3.4.3)  
 jsonlite         1.5      2017-06-01 CRAN (R 3.4.2)  
 kernlab          0.9-25   2016-10-03 CRAN (R 3.4.1)  
 KernSmooth       2.23-15  2015-06-29 CRAN (R 3.4.3)  
 lattice          0.20-35  2017-03-25 CRAN (R 3.4.3)  
 lazyeval         0.2.1    2017-10-29 CRAN (R 3.4.3)  
 LDAvis         * 0.3.2    2015-10-24 CRAN (R 3.4.3)  
 lmtest           0.9-35   2017-02-11 CRAN (R 3.4.3)  
 lubridate        1.7.1    2017-11-03 CRAN (R 3.4.3)  
 magrittr         1.5      2014-11-22 CRAN (R 3.4.2)  
 MASS             7.3-47   2017-02-26 CRAN (R 3.4.3)  
 Matrix         * 1.2-12   2017-11-20 CRAN (R 3.4.3)  
 mclust           5.4      2017-11-22 CRAN (R 3.4.3)  
 memoise          1.1.0    2017-04-21 CRAN (R 3.4.2)  
 methods        * 3.4.3    2018-01-10 local           
 mnormt           1.5-5    2016-10-15 CRAN (R 3.4.1)  
 modelr           0.1.1    2017-07-24 CRAN (R 3.4.2)  
 modeltools       0.2-21   2013-09-02 CRAN (R 3.4.1)  
 munsell          0.4.3    2016-02-13 CRAN (R 3.4.2)  
 mvtnorm          1.0-6    2017-03-02 CRAN (R 3.4.1)  
 nlme             3.1-131  2017-02-06 CRAN (R 3.4.3)  
 NLP              0.1-11   2017-08-15 CRAN (R 3.4.1)  
 nnet             7.3-12   2016-02-02 CRAN (R 3.4.3)  
 packrat          0.4.8-1  2016-09-07 CRAN (R 3.4.2)  
 parallel         3.4.3    2018-01-10 local           
 pillar           1.0.1    2017-11-27 CRAN (R 3.4.3)  
 pkgconfig        2.0.1    2017-03-21 CRAN (R 3.4.2)  
 plotly           4.7.1    2017-07-29 CRAN (R 3.4.2)  
 plyr             1.8.4    2016-06-08 CRAN (R 3.4.2)  
 prabclus         2.2-6    2015-01-14 CRAN (R 3.4.3)  
 proxy          * 0.4-20   2017-12-12 CRAN (R 3.4.3)  
 psych            1.7.8    2017-09-09 CRAN (R 3.4.2)  
 purrr          * 0.2.4    2017-10-18 CRAN (R 3.4.3)  
 R6               2.2.2    2017-06-17 CRAN (R 3.4.2)  
 Rcpp             0.12.14  2017-11-23 CRAN (R 3.4.3)  
 readr          * 1.1.1    2017-05-16 CRAN (R 3.4.2)  
 readxl           1.0.0    2017-04-18 CRAN (R 3.4.2)  
 recommenderlab * 0.2-2    2017-04-05 CRAN (R 3.4.3)  
 registry       * 0.5      2017-12-03 CRAN (R 3.4.3)  
 reshape2         1.4.3    2017-12-11 CRAN (R 3.4.3)  
 RevoUtils      * 10.0.7   2018-01-02 local           
 RevoUtilsMath  * 10.0.1   2017-09-19 local           
 RJSONIO        * 1.3-0    2014-07-28 CRAN (R 3.4.1)  
 rlang            0.1.6    2017-12-21 CRAN (R 3.4.3)  
 RMeCab         * 0.99999  2017-08-28 local           
 robustbase       0.92-8   2017-11-01 CRAN (R 3.4.3)  
 rstudioapi       0.7      2017-09-07 CRAN (R 3.4.2)  
 rvest          * 0.3.2    2016-06-17 CRAN (R 3.4.2)  
 scales           0.5.0    2017-08-24 CRAN (R 3.4.2)  
 scatterplot3d    0.3-40   2017-04-22 CRAN (R 3.4.1)  
 seriation        1.2-2    2017-05-09 CRAN (R 3.4.3)  
 slam           * 0.1-42   2017-12-21 CRAN (R 3.4.3)  
 SnowballC        0.5.1    2014-08-09 CRAN (R 3.4.1)  
 stats          * 3.4.3    2018-01-10 local           
 stats4           3.4.3    2018-01-10 local           
 stringi          1.1.6    2017-11-17 CRAN (R 3.4.2)  
 stringr        * 1.2.0    2017-02-18 CRAN (R 3.4.2)  
 tibble         * 1.4.1    2017-12-25 CRAN (R 3.4.3)  
 tidyr          * 0.7.2    2017-10-16 CRAN (R 3.4.3)  
 tidytext       * 0.1.5    2017-11-18 CRAN (R 3.4.3)  
 tidyverse      * 1.2.1    2017-11-14 CRAN (R 3.4.3)  
 tm               0.7-3    2017-12-06 CRAN (R 3.4.3)  
 tokenizers       0.1.4    2016-08-29 CRAN (R 3.4.3)  
 tools            3.4.3    2018-01-10 local           
 topicmodels    * 0.2-7    2017-11-03 CRAN (R 3.4.3)  
 trimcluster      0.1-2    2012-10-29 CRAN (R 3.4.3)  
 TSP              1.1-5    2017-02-22 CRAN (R 3.4.3)  
 utils          * 3.4.3    2018-01-10 local           
 vcd              1.4-4    2017-12-06 CRAN (R 3.4.3)  
 viridis          0.4.0    2017-03-27 CRAN (R 3.4.2)  
 viridisLite      0.2.0    2017-03-24 CRAN (R 3.4.2)  
 visNetwork       2.0.2    2017-12-19 CRAN (R 3.4.3)  
 whisker          0.3-2    2013-04-28 CRAN (R 3.4.2)  
 withr            2.1.1    2017-12-19 CRAN (R 3.4.3)  
 xml2           * 1.1.1    2017-01-24 CRAN (R 3.4.2)  
 yaml             2.1.16   2017-12-12 CRAN (R 3.4.3)  
 zoo              1.8-0    2017-04-12 CRAN (R 3.4.3)
記事が少しでもいいなと思ったらクラップを送ってみよう!
36
+1
たぶんQiitaからコピペした記事です

よく一緒に読まれている記事

0件のコメント

ブログ開設 or ログイン してコメントを送ってみよう
目次をみる

技術ブログをはじめよう

Qrunch(クランチ)は、ITエンジニアリングに携わる全ての人のための技術ブログプラットフォームです。

技術ブログを開設する

Qrunchでアウトプットをはじめよう

Qrunch(クランチ)は、ITエンジニアリングに携わる全ての人のための技術ブログプラットフォームです。

Markdownで書ける

ログ機能でアウトプットを加速

デザインのカスタマイズが可能

技術ブログ開設

ここから先はアカウント(ブログ)開設が必要です

英数字4文字以上
.qrunch.io
英数字6文字以上
ログインする