R
!!!keyness
*複数の文書からなるコーパスがあったとして、
*その中の特定の文書が、ほかの残りと比べて、際立って違う言葉遣いをしていることを探る。
*二種類の文書に対して行うことで、二つの文書の相違を観察できる。
**targetとreference group

*符号付き２ｘ２の関連性スコア(association score)

quanteda::<<textstat_keyness(文書行列, target)>>
*target で、注目したい文書を指定する。
**数字を入れれば、文書行列中の要素番号
**ほかには、文書行列に、各文書の属性情報をつけて置き、その属性でグループを指定する。
***例えば、JANとNTVという属性をつけて、JANをターゲットに指定して、残りのNTVと比較する。
*measure = オプションで統計値を選べる。（signed というのは、プラスマイナスの符号を使うから）
** chi2 は、χ二乗
** exact は、Fisher's exact test
** lr は、likelihood ratio（G2）

{{pre
nicestJAN.1st <- textstat_keyness(nicestJAN.dfm, 1)
nicestJAN.1st
          feature          chi2            p n_target n_reference
1      specialized  3.295107e+01 9.450749e-09        5           0
2        knowledge  1.741756e+01 3.000417e-05        5           3
3            bload  1.656914e+01 4.690807e-05        3           0
4       knowledges  8.652160e+00 3.266739e-03        2           0
5          subject  8.652160e+00 3.266739e-03        2           0
6          walking  8.652160e+00 3.266739e-03        2           0
7       dictionary  8.652160e+00 3.266739e-03        2           0
8     dictionaries  8.652160e+00 3.266739e-03        2           0
9           become  8.652160e+00 3.266739e-03        2           0
10             get  8.090752e+00 4.449170e-03        3           2
11             you  5.415006e+00 1.996438e-02       11          43
12            such  4.849584e+00 2.765279e-02        2           1
13        specific  4.849584e+00 2.765279e-02        2           1
14            does  4.849584e+00 2.765279e-02        2           1
15       something  4.849584e+00 2.765279e-02        2           1
16          better  3.007704e+00 8.286961e-02        2           2
17              to  2.199027e+00 1.380979e-01       11          57
18             one  1.950172e+00 1.625683e-01        2           3


textplot_keyness(nicestJAN.1st)
}}
{{ref_image keyness1st.png}}