情報セキュリティマネジメント 2019年 秋期 午前（科目A） 問50

テキストマイニング【情報セキュリティマネジメント解説】

正解の理由

• テキストマイニングはNLP（Natural Language Processing：自然言語処理）という技術分野の手法を用います。
• 目的は「多数の自由記述を手作業で読む代わりに、全体の傾向や問題点を効率的に見つける」ことです。

解法ステップ

1. 問題文のキーワードを確認：「自由記述欄」「文章」「単語の出現頻度」→ 対象は「テキスト（文章）データ」。
2. 選択肢ごとに「どのデータを扱う手法か」を当てはめる。
   • ア：アクセスログ→ 訪問記録（時刻・IPなど）、テキストの単語頻度とは違う。
   • イ：シックスシグマ→ 品質改善の方法論で単語解析は主目的でない。
   • ウ：テキストマイニング→ 文章データの頻度・傾向分析に一致。
   • エ：マーケットバスケット分析→ 購買履歴などの「同時購入関係」を分析する手法。
3. 最も一致するものを選ぶ → ウ が正解。

選択肢別の誤答解説

• ア：アクセスログ分析
  アクセスログは「誰がいつどのページにアクセスしたか」といった記録（日時・IP・URLなど）を解析します。ウェブの利用状況を調べるのに有効ですが、自由記述の単語頻度解析には直接対応しません。
• イ：シックスシグマ（Six Sigma）
  シックスシグマは業務や製造プロセスの欠陥率を減らす品質改善手法です。統計的手法を多用しますが、「文章中の単語頻度を数える」ための手法ではありません。発見した課題を改善するための枠組みであって、自由記述解析の専用技術ではない点に注意。
• ウ：テキストマイニング（正解）
  自由記述などの非構造化テキストから単語頻度、テーマ、感情傾向を抽出することを目的とした手法です。アンケート分析で最も一般的に使われます。
• エ：マーケットバスケット分析
  「かご（basket）」に入っている商品の組み合わせから相関を見つける手法（例：一緒に買われる商品）です。購買トランザクションのデータ向けで、自由記述の単語頻度解析とは用途が異なります。

よくある誤解

• 「共起（同時出現）＝マーケットバスケット」と混同する
  テキスト中の単語の共起とマーケットバスケット分析は数学的手法に共通点はありますが、前者は文章の語の関係、後者は購買トランザクションの関係を扱います。データの性質が違います。
• 「テキストマイニングは英語だけで簡単」
  日本語は英語と違い単語の区切りが空白で分かれないため、形態素解析（日本語の語を分割する処理）が必要です。ツール選定でこの点を意識してください。
• 「単語頻度だけ見れば十分」と思う
  単語頻度は全体傾向を掴む第一歩ですが、同義語の統一や否定表現（「良くない」など）を考慮しないと誤判断します。前処理（正規化・ストップワード除去など）が重要です。

補足コラム

• ステップ例：回収 → データ整備（個人情報の除去）→ 形態素解析（日本語の場合）→ 単語頻度・ワードクラウド作成 → 共起・テーマ抽出 → 必要に応じて感情（ポジティブ/ネガティブ）分析 → 対策の立案
• ツールの例（非専門家向け）
  • 簡単：Excelでの単語カウント（英語など簡易的）やオンラインのワードクラウド生成サービス。
  • 中級：Googleスプレッドシート＋アドオン、Tableauなどで可視化。
  • 上級：R（tidytext）やPython（janome、MeCabで日本語形態素解析、scikit-learnでベクトル化）で高度な分析。
• 個人情報対策：自由記述中に名前やメールが含まれる場合があるので、分析前に取り除く／匿名化する運用ルールを作ってください。

from collections import Counter
text = "happy customer service happy support"
words = text.split()
freq = Counter(words)
print(freq.most_common())

FAQ