このセッションは5分後に期限切れとなります。セッションを継続しますか?
テーマ検出(デザイナー)
テーマ検出について
テーマ検出は、データ内の顕著なテーマを分析した後、ルールベースのカテゴリーツリーを作成します。テーマ検出を使用して、データセット全体を分析することも、未分類のデータや増分データを含むデータセットの特定の部分のみを分析することもできます。データセットの分析が完了したら、テーマを追加したり、他のカテゴリーと統合したり、削除したりすることができます。
テーマ検出を使ったカテゴリーモデルの作成
テーマ検出を使用してカテゴリモデルを作成すると、手動で分類してモデルを構築しなくても、意味のあるテーマを自動的に発見することができます。
新しいモデル」をクリックする。
[次へ]をクリックします。
必要に応じて、データに適用するフィルタを選択します。フィルタを追加するには、左側のボックスでフィルタを選択し、右側の矢印をクリックします。フィルタを削除するには、右側のボックスでフィルタを選択し、左側の矢印をクリックします。
[次へ]をクリックします。
モデル生成後に文書を自動的に
分類したい場合は、
分類を実行するをクリックします。最初にモデルを修正したい場合は、このボックスのチェックを外したままにしてください。
[終了]をクリックします。
モデルの生成が完了すると、カテゴリーリストに表示されます。
未分類のデータでテーマ検出を使う
テーマ検出は、ローカルおよびグローバルのその他のカテゴリーで使用でき、それらのバケットにおける主要なテーマを発見することができる。この機能により、データの中から、新たに意味のあるカテゴリーを作成したり、既存のカテゴリーに分類したりできる領域を発見することができます。
グローバルその他、またはローカルその他カテゴリを右クリックします。
実行」にカーソルを合わせ、「テーマ検出の実行」をクリックします。
テーマ検出を実行したバケットの下に、新しいサブカテゴリが表示されます。このカテゴリの各テーマは、どのように使いたいかを検討する必要がある。詳しくは「検出されたテーマの使用」をご覧ください。
インクリメンタルデータでのテーマ検出の使用
新しいデータが読み込まれ、カテゴリーモデルに分類されるたびに、テーマ検出が自動的に実行されるように設定できます。
分類を右クリックし、プロパティを クリックします。
システムが新しいデータを検出した場合、「分類とともにテーマ検出を自動的に実行する」を選択する。
最新のテーマ検出セッションのうち、保持したいセッション数を入力してください。
[OK]をクリックします。
インクリメンタルなテーマ検出の結果は、アップロードセッションの日時ごとに分類される。アップロードセッション中にテーマが検出されなかった場合、カテゴリーは生成されません。
テーマを新しいカテゴリーにする
検出されたテーマを、元のノードから別のノードにコピー&ペーストして、新しいカテゴリーとしてカテゴリーツリーに追加します。テーマはそのノードの下の新しいカテゴリーになる。
ノードアクションにカーソルを合わせ、コピーをクリックします。
検出されたテーマを貼り付けたい親ノードを右クリックします。
ノードアクションにカーソルを合わせ、貼り付けをクリックします。
既存のカテゴリーとテーマの統合
モデル内にすでに存在するカテゴリーにテーマをマージすることができます。
注意: グループの統合はできません。
Node Actionsにカーソルを合わせ、Add/Mergeをクリックする。
検出されたテーマで何をしたいかを選択します。
- 選択したノードの子として追加親ノードの新しいカテゴリーとしてテーマを追加します。これはコピー&ペーストと同じだ。
- 選択されたノードにルールをマージします:検出されたテーマを既存のカテゴリーにマージします。検出されたテーマとその親のルールは、そのカテゴリーに新しいルールとして追加されます。
マージ後に検出されたテーマを削除したい場合は、追加/マージ操作の完了時にテーマの削除を選択します。このオプションをオフにすると、検出されたテーマはテーマのリストに残ります。
マージしたいノードを選択します。あるいは、子テーマを追加する場合は、テーマをネストしたいノードを選択します。
実行をクリックする。
検出されたテーマの削除
ノードアクションにカーソルを合わせ、削除をクリックします。
当サポートサイトの日本語のコンテンツは英語原文より機械翻訳されており、補助的な参照を目的としています。機械翻訳の精度は十分な注意を払っていますが、もし、英語・日本語翻訳が異なる場合は英語版が正となります。英語原文と機械翻訳の間に矛盾があっても、法的拘束力はありません。
いただいたフィードバックはこのページの改善の目的のみに利用します。
素晴らしい! フィードバックありがとうございます!