文書のクラスタリング（k 平均法）

文書（限定公開）

概要

このブロックは、k 平均法方式で文書をクラスタリングします。ここで言う文書とは、［文書のベクトル化（TF-IDF）］ブロックや［文書のベクトル化（doc2vec）］ブロックで、ベクトル化された値を指します。

対応する言語は、日本語と英語のみです。

「クラスタリング対象 BigQuery テーブル」には、文書を特定するキーを持つ列と文書のベクトル値を持つ列が必要です。
「結果出力先 BigQuery テーブル」は、key 列と label 列で構成されます。
- key 列：各文書へのキーです。
- label 列：key が示す文書のクラスタリング結果のラベルです。

セルフサービスプラン（無料トライアル含む）の場合は、このブロックを使用する前に、Dataflow API を有効にしてください。詳しくは、「基本操作ガイド > ヒント > Google API を有効にする」を参照してください。

文書カテゴリーのブロックはすべて限定公開です。文書カテゴリー各ブロックの利用を希望される場合は、「お問い合わせ」ページより問い合わせ願います。

プロパティ

プロパティ名	説明
ブロック名	ブロックの名前を指定します。ブロックに表示されます。
GCP サービスアカウント	このブロックで使用する GCP サービスアカウントを選択します。
クラスタリング対象 BigQuery データセット	［`クラスタリング対象 BigQuery テーブル`］プロパティで指定する BigQuery テーブルが属する BigQuery データセットの ID を指定します。「クラスタリング対象 BigQuery データセット」・「結果出力先 BigQuery データセット」・「一時フォルダー GCS URL」のロケーションは合わせる必要があります。BigQuery のデータセットが US マルチリージョンの場合は、この限りではありません。
クラスタリング対象 BigQuery テーブル	クラスタリングしたい文書（ベクトルデータ）が格納されている BigQuery テーブルの ID を指定します。
結果出力先 BigQuery データセット	［`結果出力先 BigQuery テーブル`］プロパティで指定する BigQuery テーブルが属する BigQuery データセットの ID を指定します。「クラスタリング対象 BigQuery データセット」・「結果出力先 BigQuery データセット」・「一時フォルダー GCS URL」のロケーションは合わせる必要があります。BigQuery のデータセットが US マルチリージョンの場合は、この限りではありません。
結果出力先 BigQuery テーブル	文書のクラスタリング結果のラベルを出力する BigQuery テーブルの ID を指定します。空でないテーブルが存在する場合は、空にして上書きします。
一時フォルダー GCS URL	このブロックの内部処理で一時的に使用する GCS 上のフォルダーを指定します。内部処理中に、このフォルダーに一時的なファイルが作成されますが、処理終了後は削除されます。「クラスタリング対象 BigQuery データセット」・「結果出力先 BigQuery データセット」・「一時フォルダー GCS URL」のロケーションは合わせる必要があります。BigQuery のデータセットが US マルチリージョンの場合は、この限りではありません。
ブロックメモ	ブロックに対するコメントを指定します。
キーの列名	［`クラスタリング対象 BigQuery テーブル`］で各文書を一意に識別する値が格納された列名を指定します。
ベクトルの列名	［`クラスタリング対象 BigQuery テーブル`］で文書のベクトル値が格納された列名を指定します。