全文検索システム『ひまわり』/利用者マニュアル/1_6/５．検索結果を集計するの履歴の現在との差分(No.19)

追加された行はこの色です。
削除された行はこの色です。
#navi(../)

&color(red){&size(20){本ページは作成中です。};};
//&color(red){&size(20){本ページは作成中です。};};

*５．検索結果を集計する [#y80e5ead]
** 5.1 頻度を計測する [#n15c7ad2]
　次の図は，『青空文庫』サンプルから「これ」を検索した結果です。ここでは，作品別の出現頻度を求めてみます。

　頻度の計測は，列を指定して行います。作品別の頻度を計測する場合，「タイトル」列のいずれかのセルを選択し，右クリック⇒「統計」を実行します。

#ref(./himawari_stat_freq1a.png,80%)

　計測結果は，次のようになります。

#ref(./himawari_stat_freq2a.png,80%)

　複数のセルを選択すると，選択した列の値を組にして頻度を計測することができます。次の例は，タイトルと作品を組にした場合の結果です。

#ref(./himawari_stat_freq3.png,80%)


** 5.2 集計結果を編集する [#bf567862]
　正規表現置換により，集計結果を編集します。
** 5.2 検索結果・集計結果を編集する [#bf567862]
　正規表現置換により，検索結果，集計結果を編集します。

　ここでは，年月日表示から年表示にする例を示します。使用した資料は，国会会議録パッケージです。例えば，この処理により，年ごとの集計が容易になります。

　まず，「開催年月日」列のセルを右クリックし，「置換」を実行します。

#ref(./himawari_stat_replace1.png,80%)

　置換の設定は，置換元（正規表現，「-.*」），置換先を指定します。この場合，「-」以降の文字列を削除することにより，年表示にしています。
　置換の設定は，置換元（正規表現，「-.*」），置換先を指定します。この場合，「-」以降の文字列を削除することにより，年表示にしています。なお，置換の処理は，Javaの[[String#replaceAll>https://docs.oracle.com/javase/jp/8/docs/api/java/lang/String.html#replaceAll-java.lang.String-java.lang.String-]]で行っています。後方参照についても利用可能です。

#ref(./himawari_stat_replace2.png,100%)

　結果は次のとおりです。
　結果は次のとおりです。新しいウィンドウが生成されて，置換結果が表示されます。

#ref(./himawari_stat_replace3.png,80%)

　置換の処理は，Javaの[[String#replaceAll>https://docs.oracle.com/javase/jp/8/docs/api/java/lang/String.html#replaceAll-java.lang.String-java.lang.String-]]で行っています。後方参照についても利用可能です。
　

** 5.3 集計結果を合算する [#v2b5ad87]
　セルの値が数値の場合，それらを合算する機能です。名大会話コーパスパッケージを使って，話者ごとの発話文字数を計測してみます。

　まず，各発話の文字数を「アノテーション内容の集計」機能（[ツール]⇒[一覧]⇒[ユーザ入力]）で求めます。一つの発話は，uタグでマークアップされています。さらに，発話者の名前を表示するため，「話者」の属性をチェックします。また，発話の文字数とその頻度も表示するように，「頻度」「長さ」もチェックします。頻度を表示するのは，同じ文字数の発話が複数存在する可能性があるからです。

#ref(./himawari_stat_accumulate1.png,80%)

　集計結果は，結果は，次のとおりです。例えば，先頭行は，話者「F001」の発話のうち，文字数が13だったものが，107回あったことを表します。

#ref(./himawari_stat_accumulate2.png,80%)
　
　最後に，合算したい列のセル（「合算:u%文字数」）を選び，[編集]⇒[合算]を実行します。

#ref(./himawari_stat_accumulate3a.png,80%)

　合算では，合算する列と「頻度」列を除くすべての列の値が同じ行の値が合算されます。上の例の場合は，「話者」列の値が同じ場合，「合算:u%文字数」列の値を合算します。合算する際は，「頻度」列の値を考慮し，先ほど例示した先頭行の場合，13×107文字として，計算されます。

** 5.4 集計結果を結合する [#v30ec872]
　この機能は，二つの集計結果を結合する機能です。

　5.1では，『青空文庫』サンプルを例として，「これ」の出現頻度を作品別に集計しましたが，作品ごとに総文字数が異なっているため，直接比較することはできません。ここでは，「結合」機能を使って，出現頻度の集計結果（表a）に，作品ごとの総文字数を追加してみます。

#ref(./himawari_stat_freq2a.png,80%)
　
　作品ごとの総文字数を求めるには，次のように，「アノテーション内容の集計」機能（[ツール]⇒[一覧]⇒[ユーザ入力]）で求めます。

#ref(./himawari_stat_merge1.png,80%)

　結果は，次のとおりです（表b）。

#ref(./himawari_stat_merge2.png,80%)

　表aに表bの頻度列（総単語数）を結合します。結合には，まず，表bから結合したい列とキーとなる列を指定します。

　キーとなる列とは，二つの表の値を結合する時，基準となる列です。ここでは，作品名がキーとなるので，「記事/@タイトル」列がキーとなります。結合したい列は「記事%文字数」列なので，「記事/@タイトル」「記事%文字数」列のセル（どれでもよい）を選択して，[編集]⇒[コピー（列名を含む）]を実行します。

#ref(./himawari_stat_merge3.png,80%)

　次に，結合先の表aからキーとなる列のセルを選択します。この場合は「タイトル」列なので，表aで「タイトル」列のセルを一つ選択した後，[編集]⇒[結合]を実行して下さい。結果は，次のようになります。

#ref(./himawari_stat_merge4.png,80%)



#navi(../)
全文検索システム『ひまわり』/利用者マニュアル/1_6/５．検索結果を集計する の履歴の現在との差分(No.19)

全文検索システム『ひまわり』/利用者マニュアル/1_6/５．検索結果を集計するの履歴の現在との差分(No.19)
