> sessionInfo()
R version 3.3.1 (2016-06-21)
Platform: x86_64-apple-darwin13.4.0 (64-bit)
Running under: OS X 10.10.5 (Yosemite)

$ cat text_1.txt 
博多駅前 再び道路７センチほど沈み込む 通行止めに
２６日未明、福岡市のＪＲ博多駅前の大規模に道路が陥没した現場付近で、再び道路が最大で深さ７センチほど沈んでいるのが見つかり、警察は周辺の交通を規制して、詳しい状態などを調べています。
・・・

$ cat text_2.txt 
陥没めど立たぬ休業補償　飲食店など博多駅前事業者　福岡市に問い合わせ５０件

福岡市のＪＲ博多駅前の道路陥没事故で休業を余儀なくされた飲食店などの事業者から損失補償に関する問い合わせが市に相次ぎ、１１日までに５０件を超えた。
・・・

$ cat text_3.txt 
陥没周辺の建物は？　福岡市「倒壊の恐れなし」　専門家「地震の揺れに注意を」

陥没事故の周辺では、建物の倒壊など二次被害も懸念された。福岡市は８日、陥没箇所を中心に東西約４００メートル、南北約１５０メートルにある４２棟で応急危険度判定を実施。「地上部や地中のくいに傾きが見られず、現状で倒壊の恐れがある建物はない」とする調査結果を公表した。
・・・

library(RMeCab)

## 3つの文章からそれぞれ名詞、形容詞のみ残す
## 文章その1
tmp_doc.1 <- NULL
tmp_doc.1 <- RMeCabText("text_1.txt")
doc.1 <- NULL
for (i in 1:length(tmp_doc.1)) {
    if (tmp_doc.1[[i]][2] %in% c("名詞", "形容詞")) {
        doc.1 <- c(doc.1, paste(tmp_doc.1[[i]][1], sep = "", collapse = " "))
    }
}

## 文章その2
tmp_doc.2 <- RMeCabText("text_2.txt")
doc.2 <- NULL
for (i in 1:length(tmp_doc.2)) {
    if (tmp_doc.2[[i]][2] %in% c("名詞", "形容詞")) {
        doc.2 <- c(doc.2, paste(tmp_doc.2[[i]][1], sep = "", collapse = " "))
    }
}

## 文章その3
tmp_doc.3 <- RMeCabText("text_3.txt")
doc.3 <- NULL
for (i in 1:length(tmp_doc.3)) {
    if (tmp_doc.3[[i]][2] %in% c("名詞", "形容詞")) {
        doc.3 <- c(doc.3, paste(tmp_doc.3[[i]][1], sep = "", collapse = " "))
    }
}

#各文章をリスト化
doc.list <- NULL
doc.list <- list(doc.1, doc.2, doc.3)
names(doc.list) <- c("doc1", "doc2", "doc3")

library(lda)
# ターム行列作成
term.table <- table(unlist(doc.list))
term.table <- sort(term.table, decreasing = TRUE)

# 単語一覧
vocab <- NULL
vocab <- names(term.table)

# 単語のインデックス化とそれぞれの出現回数をカウント
get.terms <- function(x) {
  index <- match(x, vocab)
  index <- index[!is.na(index)]
  rbind(as.integer(index - 1), as.integer(rep(1, length(index))))
}
documents <- NULL
documents <- lapply(doc.list, get.terms)

## パラメータ設定
D <- length(documents)  # ドキュメント数
W <- length(vocab)  # 単語の種類
doc.length <- sapply(documents, function(x) sum(x[2, ]))  # それぞれの文章の単語数
N <- sum(doc.length)  # 総単語数
term.frequency <- as.integer(term.table)  # 頻度行列


# 学習用パラメータ
K <- 10 ## トピック数
G <- 200 ## 反復回数
alpha <- 0.02 
eta   <- 0.02

## ldaの実行
fit <- lda.collapsed.gibbs.sampler(documents = documents, 
                                   K = K,
                                   vocab = vocab, 
                                   num.iterations = 25,  # 繰り返し数
                                   alpha = alpha, # ディリクレ過程のハイパーパラメータα
                                      eta = eta, # ディリクレ過程のハイパーパラメータη
                                      compute.log.likelihood=TRUE)

# 各トピックのトップ3ワード
top.words <- top.topic.words(fit$topics, 3, by.score = TRUE)
print(top.words)

library(LDAvis)

# パラメータ
display_word_num = 20 #表示する単語数
theta      <- t(apply(fit$document_sums + alpha, 2, function(x) x/sum(x)))
phi        <- t(apply(t(fit$topics) + eta, 2, function(x) x/sum(x)))
doc.length <- sapply(documents, function(x) length(x)) 

# 
json <- createJSON(phi            = phi, 
                   theta          = theta, 
                   doc.length     = doc.length, 
                   vocab          = vocab, 
                   term.frequency = term.frequency,
                   R = display_word_num
                   )

## 可視化。古いvisフォルダがある場合は削除して実行
serVis(json, out.dir = 'vis', open.browser = T )