JP2003242167A - 構造化文書の変換ルール作成方法および装置と変換ルール作成プログラムおよび該プログラムを記録したコンピュータ読取り可能な記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 スキーマが異なる複数の構造化文書間のスキ
ーマを効率的に変換するための変換ルールを作成する構
造化文書の変換ルール作成方法および装置を提供する。 【解決手段】 複数の構造化文書間のスキーマを変換す
るための変換ルールの生成要求を変換ルール自動生成部
２０１においてユーザ端末１００から受け取ると、この
複数の構造化文書のそれぞれのスキーマを取得し、複数
の構造化文書のそれぞれのスキーマからタグ名を抽出
し、複数の構造化文書から抽出したタグ名の各々につい
て複数の構造化文書間の各タグ名間における類似度を算
出し、各タグ名について類似度が最も高いタグ名との対
応関係を変換ルールとして追加して複数の構造化文書間
のスキーマの変換ルールを生成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、複数の構造化文書
間の異なるスキーマを変換するための変換ルールを作成
する構造化文書の変換ルール作成方法および装置に関
し、更に具体的にはスキーマが異なる例えば企業間の電
子伝票のような複数の構造化文書間のスキーマを変換す
るための変換ルールを作成する構造化文書の変換ルール
作成方法および装置と変換ルール作成プログラムおよび
該プログラムを記録したコンピュータ読取り可能な記録
媒体に関する。

【０００２】

【従来の技術】例えば、企業間の電子商取引を円滑に行
うには、その電子商取引に使用される例えば電子伝票な
どの構造化文書の構造を定義しているスキーマが同じで
あることが重要であるが、各企業の構造化文書のスキー
マは各企業によって異なっていることが多い。

【０００３】そこで、従来は、このようにスキーマが異
なる電子伝票などの構造化文書を流通させるために、各
構造化文書間のスキーマを変換する変換ルールを人手に
より作成し、この人手により作成された変換ルールを用
いて、例えばある企業Ａの電子伝票を他の企業のＢの電
子伝票に変換して、電子商取引を行っている。

【０００４】

【発明が解決しようとする課題】上述した従来のスキー
マ変換方法では、人手によって変換ルールを作成してい
るため、時間とコストがかかるという問題がある。

【０００５】また、今後、流通する構造化文書のスキー
マのサイズが大きくなるにつれて、変換ルールは複雑で
膨大になる可能性があり、人手では更に時間とコストが
かかるという問題がある。

【０００６】そこで、このような不具合を解決するため
に、特願２００１−２５０６５２号に記載されているよ
うに、同義語辞書（シソーラス）を用いてタグ名を判別
することにより変換ルールを機械的に生成し、これをユ
ーザが編集して最終的な変換ルールを作成する方法が提
案されている。

【０００７】しかしながら、例えば電子商取引における
電子伝票はタグ名に「発注番号」や「商品価格」などの
ような複合語を用いている場合が多く、複合語が登録さ
れていない同義語辞書を用いて変換ルールを生成する
と、精度が非常に悪いという問題がある。

【０００８】本発明は、上記に鑑みてなされたもので、
その目的とするところは、スキーマが異なる複数の構造
化文書間のスキーマを効率的に変換するための変換ルー
ルを作成する構造化文書の変換ルール作成方法および装
置と変換ルール作成プログラムおよび該プログラムを記
録したコンピュータ読取り可能な記録媒体を提供するこ
とにある。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の本発明は、複数の構造化文書間の異
なるスキーマを変換するための変換ルールを作成する構
造化文書の変換ルール作成方法であって、複数の構造化
文書間のスキーマを変換するための変換ルールの生成要
求を受け取って、この受け取った複数の構造化文書のそ
れぞれのスキーマを取得し、この取得した複数の構造化
文書のそれぞれのスキーマから、特定の文字列を用いて
構造を表現する部分であるタグ名を抽出し、複数の構造
化文書から抽出したタグ名の各々について複数の構造化
文書間の各タグ名間における類似度を算出し、各タグ名
について前記類似度が最も高いタグ名との対応関係を変
換ルールとして追加して複数の構造化文書間のスキーマ
の変換ルールを生成することを要旨とする。

【００１０】請求項１記載の本発明にあっては、複数の
構造化文書のそれぞれのスキーマからタグ名を抽出し、
この抽出したタグ名の各々について複数の構造化文書間
の各タグ名間における類似度を算出し、各タグ名につい
て類似度が最も高いタグ名との対応関係を変換ルールと
して追加するため、従来のようにユーザがスキーマ変換
のためのルールを記述する必要がなくなり、時間および
コストを削減することができるとともに、更に従来のよ
うに複合語などのために同義語辞書に登録されていない
タグ名のために変換ルールが生成されないということが
なくなり、変換ルール生成精度を大幅に向上させること
ができ、ユーザの変換ルールの編集作業も減少し、時間
およびコストを削減することが可能となる。また、今後
流通する構造化文書のスキーマのサイズが大きくなって
も、対応可能であり、異なる構造化文書のスキーマを用
いている企業間の電子商取引を円滑に行うことを可能と
する。

【００１１】また、請求項２記載の本発明は、請求項１
記載の発明において、前記類似度が、複数の構造化文書
間の、各タグ名を構成する各単語間の意味的な距離であ
るタグ名類似度に対して複数の構造化文書間のタグ名の
木構造に基づいて算出される木構造類似度を反映させた
木構造反映タグ名類似度であることを要旨とする。

【００１２】請求項２記載の本発明にあっては、各タグ
名を構成する各単語間の意味的な距離であるタグ名類似
度に対して複数の構造化文書間のタグ名の木構造に基づ
いて算出される木構造類似度を反映させるため、変換ル
ール生成の精度を大幅に向上することができる。

【００１３】更に、請求項３記載の本発明は、請求項１
記載の発明において、前記生成された変換ルールをユー
ザ端末に提示し、該変換ルールの確認および修正をユー
ザ端末を介してユーザに依頼し、ユーザ端末により確認
および修正された変換ルールを変換ルール蓄積装置に格
納し、この格納された変換ルールに基づき複数の構造化
文書間のスキーマの変換を行うことを要旨とする。

【００１４】請求項３記載の本発明にあっては、変換ル
ールをユーザ端末に提示し、ユーザ端末より確認および
修正された変換ルールに基づき複数の構造化文書間のス
キーマの変換を行うため、ユーザは生成された変換ルー
ルの確認および修正のみを行えばよく、従来のようにす
べて人手で行うことに比較して効率的に変換ルールを作
成することができる。

【００１５】請求項４記載の本発明は、複数の構造化文
書間の異なるスキーマを変換するための変換ルールを作
成する構造化文書の変換ルール作成装置であって、複数
の構造化文書間のスキーマを変換するための変換ルール
の生成要求を受け取って、この受け取った複数の構造化
文書のそれぞれのスキーマを取得するスキーマ取得手段
と、この取得した複数の構造化文書のそれぞれのスキー
マから、特定の文字列を用いて構造を表現する部分であ
るタグ名を抽出するタグ名抽出手段と、複数の構造化文
書から抽出したタグ名の各々について複数の構造化文書
間の各タグ名間における類似度を算出する類似度算出手
段と、各タグ名について前記類似度が最も高いタグ名と
の対応関係を変換ルールとして追加して複数の構造化文
書間のスキーマの変換ルールを生成する変換ルール生成
手段とを有することを要旨とする。

【００１６】請求項４記載の本発明にあっては、複数の
構造化文書のそれぞれのスキーマからタグ名を抽出し、
この抽出したタグ名の各々について複数の構造化文書間
の各タグ名間における類似度を算出し、各タグ名につい
て類似度が最も高いタグ名との対応関係を変換ルールと
して追加するため、従来のようにユーザがスキーマ変換
のためのルールを記述する必要がなくなり、時間および
コストを削減することができるとともに、更に従来のよ
うに複合語などのために同義語辞書に登録されていない
タグ名のために変換ルールが生成されないということが
なくなり、変換ルール生成精度を大幅に向上させること
ができ、ユーザの変換ルールの編集作業も減少し、時間
およびコストを削減することが可能となる。また、今後
流通する構造化文書のスキーマのサイズが大きくなって
も、対応可能であり、異なる構造化文書のスキーマを用
いている企業間の電子商取引を円滑に行うことを可能と
する。

【００１７】また、請求項５記載の本発明は、請求項４
記載の発明において、前記類似度算出手段が、複数の構
造化文書間の、各タグ名を構成する各単語間の意味的な
距離であるタグ名類似度を算出するタグ名類似度算出手
段と、前記タグ名類似度に対してタグ名の木構造を反映
させるための、複数の構造化文書間のタグ名の木構造に
基づく木構造類似度を算出する木構造類似度手段とを有
することを要旨とする。

【００１８】請求項５記載の本発明にあっては、各タグ
名を構成する各単語間の意味的な距離であるタグ名類似
度に対して複数の構造化文書間のタグ名の木構造に基づ
いて算出される木構造類似度を反映させるため、変換ル
ール生成の精度を大幅に向上することができる。

【００１９】更に、請求項６記載の本発明は、請求項４
記載の発明において、前記生成された変換ルールをユー
ザ端末に提示し、該変換ルールの確認および修正をユー
ザ端末を介してユーザに依頼する変換ルール確認修正手
段と、ユーザ端末により確認および修正された変換ルー
ルを格納する変換ルール蓄積装置と、この格納された変
換ルールに基づき複数の構造化文書間のスキーマの変換
を行うスキーマ変換手段とを有することを要旨とする。

【００２０】請求項６記載の本発明にあっては、変換ル
ールをユーザ端末に提示し、ユーザ端末より確認および
修正された変換ルールに基づき複数の構造化文書間のス
キーマの変換を行うため、ユーザは生成された変換ルー
ルの確認および修正のみを行えばよく、従来のようにす
べて人手で行うことに比較して効率的に変換ルールを作
成することができる。

【００２１】請求項７記載の本発明は、複数の構造化文
書間の異なるスキーマを変換するための変換ルールを作
成する構造化文書の変換ルール作成プログラムであっ
て、複数の構造化文書間のスキーマを変換するための変
換ルールの生成要求を受け取って、この受け取った複数
の構造化文書のそれぞれのスキーマを取得し、この取得
した複数の構造化文書のそれぞれのスキーマから、特定
の文字列を用いて構造を表現する部分であるタグ名を抽
出し、複数の構造化文書から抽出したタグ名の各々につ
いて複数の構造化文書間の各タグ名間における類似度を
算出し、各タグ名について前記類似度が最も高いタグ名
との対応関係を変換ルールとして追加して複数の構造化
文書間のスキーマの変換ルールを生成することを要旨と
する。

【００２２】請求項７記載の本発明にあっては、複数の
構造化文書のそれぞれのスキーマからタグ名を抽出し、
この抽出したタグ名の各々について複数の構造化文書間
の各タグ名間における類似度を算出し、各タグ名につい
て類似度が最も高いタグ名との対応関係を変換ルールと
して追加するため、従来のようにユーザがスキーマ変換
のためのルールを記述する必要がなくなり、時間および
コストを削減することができるとともに、更に従来のよ
うに複合語などのために同義語辞書に登録されていない
タグ名のために変換ルールが生成されないということが
なくなり、変換ルール生成精度を大幅に向上させること
ができ、ユーザの変換ルールの編集作業も減少し、時間
およびコストを削減することが可能となる。また、今後
流通する構造化文書のスキーマのサイズが大きくなって
も、対応可能であり、異なる構造化文書のスキーマを用
いている企業間の電子商取引を円滑に行うことを可能と
する。

【００２３】また、請求項８記載の本発明は、複数の構
造化文書間の異なるスキーマを変換するための変換ルー
ルを作成する構造化文書の変換ルール作成プログラムを
記録したコンピュータ読取り可能な記録媒体であって、
複数の構造化文書間のスキーマを変換するための変換ル
ールの生成要求を受け取って、この受け取った複数の構
造化文書のそれぞれのスキーマを取得し、この取得した
複数の構造化文書のそれぞれのスキーマから、特定の文
字列を用いて構造を表現する部分であるタグ名を抽出
し、複数の構造化文書から抽出したタグ名の各々につい
て複数の構造化文書間の各タグ名間における類似度を算
出し、各タグ名について前記類似度が最も高いタグ名と
の対応関係を変換ルールとして追加して複数の構造化文
書間のスキーマの変換ルールを生成する構造化文書の変
換ルール作成プログラムをコンピュータ読取り可能な記
録媒体に記録することを要旨とする。

【００２４】請求項８記載の本発明にあっては、複数の
構造化文書のそれぞれのスキーマからタグ名を抽出し、
この抽出したタグ名の各々について複数の構造化文書間
の各タグ名間における類似度を算出し、各タグ名につい
て類似度が最も高いタグ名との対応関係を変換ルールと
して追加する構造化文書の変換ルール作成プログラムを
記録媒体に記録しているため、該記録媒体を用いて、そ
の流通性を高めることができる。

【００２５】

【発明の実施の形態】以下、図面を用いて本発明の実施
の形態を説明する。図１は、本発明の一実施形態に係る
構造化文書の変換ルール作成方法を実施するシステムの
構成を示すブロック図である。なお、本発明では、機械
的に変換ルールを求める作業を「生成」と称し、これを
ユーザが修正する作業を「編集」と称し、変換ルールを
「生成」した後、ユーザが編集して変換ルールを最終的
に確定する作業を「作成」と称する。

【００２６】図１に示すシステム２００は、企業Ａの構
造化文書とそのスキーマＡが記憶されているデータベー
ス３００Ａと企業Ｂの構造化文書とそのスキーマＢが記
憶されているデータベース３００Ｂに接続されている
が、ユーザ端末１００から例えば企業Ａのスキーマに従
った構造化文書を企業Ｂのスキーマに従った構造化文書
に変換するためのスキーマの変換ルールの生成要求を受
け取ると、企業Ａのデータベース３００Ａから企業Ａの
構造化文書のスキーマＡを取得するとともに、企業Ｂの
データベース３００Ｂから企業Ｂの構造化文書のスキー
マＢを取得し、この取得したスキーマＡおよびＢに基づ
き例えば企業Ａのスキーマに従った構造化文書を企業Ｂ
のスキーマに従った構造化文書に変換するための変換ル
ールを作成するものであり、変換ルール自動生成部２０
１、タグ名称評価装置２０２、概念ベース２０３、木構
造評価装置２０４、変換ルール編集部２０５、変換ルー
ル蓄積装置２０６、および変換部２０７から構成されて
いる。

【００２７】変換ルール自動生成部２０１は、ユーザ端
末１００から変換ルール生成要求を受け取って、企業Ａ
のデータベース３００Ａから構造化文書のスキーマＡお
よび企業Ｂのデータベース３００Ｂから構造化文書のス
キーマＢを取得して変換ルールを生成し、この変換ルー
ルを変換ルール編集部２０５に渡す機能を有する。な
お、変換ルールとは、個々のタグ名の対応関係の集合で
ある。

【００２８】タグ名称評価装置２０２は、変換ルールを
生成する場合に、タグ名を構成する複合語を単語に分割
し、タグ名間の意味的な距離であるタグ名類似度を求め
る機能を有する。概念ベース２０３は、タグ名を構成す
る単語間の意味的な距離であるタグ名類似度を求めるた
めに参照される辞書である。木構造評価装置２０４は、
評価関数を用いて、タグ名である要素間の木構造に基づ
く類似性、すなわち木構造類似度を求める機能を有す
る。

【００２９】変換ルール編集部２０５は、変換ルール自
動生成部２０１から渡された変換ルールに対してユーザ
端末１００においてユーザが確認を行い、修正箇所があ
る場合、ユーザ端末１００からの指示に従い変換ルール
を編集する機能を有する。変換ルール蓄積装置２０６
は、変換ルール編集部２０５においてユーザ端末１００
からの指示により編集した変換ルールを蓄積する。

【００３０】変換部２０７は、変換ルール蓄積装置２０
６に蓄積された変換ルールに基づいて企業Ａの構造化文
書のスキーマＡを企業Ｂの構造化文書のスキーマＢに変
換することにより、企業Ａと企業Ｂ間で構造化文書を流
通させる機能を有する。

【００３１】次に、図２〜図４に示すフローチャートに
基づくとともに、図５〜図１４を参照しながら図１に示
す実施形態の作用について説明する。

【００３２】なお、本実施形態では、スキーマの定義に
ＸＭＬ（Extensible Markup Language：Ｗ３Ｃによって
規格化）のＤＴＤ（Document Type Definition）を用
い、構造化文書にはＸＭＬインスタンス（ＤＴＤに従っ
て実際にタグ付き文書が記述される部分）を用いる。

【００３３】本実施形態では、企業Ａのデータベース３
００Ａに記憶されているＸＭＬ電子伝票である発注書Ａ
のスキーマＡと企業Ｂのデータベース３００Ｂに記憶さ
れている発注書ＢのスキーマＢから変換ルールを作成
し、発注書ＡのＸＭＬインスタンスを発注書Ｂのスキー
マＢに従ったＸＭＬインスタンスに変換する場合につい
て説明する。

【００３４】また、本実施形態では、企業Ａは例えばコ
ンピュータ製造メーカ、企業Ｂはコンピュータ周辺企業
メーカとし、企業Ａと企業Ｂは新たに電子商取引を開始
する予定であり、ＸＭＬ電子伝票を流通させるために、
企業ＡのＸＭＬのスキーマと企業ＢのＸＭＬのスキーマ
から変換ルールを作成したいという変換ルール生成要求
がユーザ端末１００から変換ルール自動生成部２０１に
行われたものとする。

【００３５】まず、図２に示すように、ユーザ端末１０
０はスキーマの変換を行いたいＸＭＬ電子伝票である発
注書Ａのスキーマと発注書Ｂのスキーマ、およびこれら
を格納している企業Ａのデータベース３００Ａと企業Ｂ
のデータベース３００Ｂを指定しながら、発注書Ａのス
キーマに従ったＸＭＬインスタンスを発注書Ｂのスキー
マに従ったＸＭＬインスタンスに変換するための変換ル
ールの生成を要求する変換ルール生成要求をシステム２
００に行い、システム２００において変換ルール自動生
成部２０１がユーザ端末１００からの変換ルール生成要
求を受け取る（図２のステップＳ１００）。この場合に
指定された発注書Ａのスキーマの例を図５に示し、発注
書Ｂのスキーマの例を図６に示す。

【００３６】変換ルール自動生成部２０１は、ユーザ端
末１００からの変換ルール生成要求に応答して、データ
ベース３００Ａから図５に示す発注書Ａである構造化文
書のスキーマを取得するとともに、またデータベース３
００Ｂから図６に示す発注書Ｂである構造化文書のスキ
ーマを取得する（図２のステップＳ２００）。

【００３７】次に、変換ルール自動生成部２０１は、こ
のように取得した発注書Ａのスキーマと発注書Ｂのスキ
ーマを用いて、変換ルールを生成するが（図２のステッ
プＳ３００）、この変換ルールの生成について図３に示
すフローチャートを参照して詳細に説明する。

【００３８】図３に示すフローチャートに従って、変換
ルールの生成について説明するに当たり図３で使用され
ている用語についての説明をする。図３において、Ｓは
発注書Ａである変換元の構造化文書のスキーマを示し、
Ｔは発注書Ｂである変換先の構造化文書のスキーマを示
す。

【００３９】また、要素ｓおよびｔは、構造化文書のス
キーマにおいて特定の文字列を用いて構造を表現する部
分であるタグ名を示し、例えば図５、図６では発注書、
発注番号、注文番号、年月日、注文数などであり、要素
ｓはスキーマＳの要素であり、要素ｔはスキーマＴの要
素である。そして、末端要素は、子要素を持たない要素
であり、例えば図５、図６に示すスキーマの例では、後
述する図７からよくわかるように、発注番号、年月日、
注文数などであり、また中間要素は子要素を持つ要素で
あり、図７からわかる例では、子要素として発注者氏名
や発注者連絡先などを持つ発注者である。

【００４０】ｌｓｉｍ（ｓ，ｔ）はタグ名称評価装置２
０２によって算出されるスキーマＳの要素ｓとスキーマ
Ｔの要素ｔのタグ名間の意味的な距離であるタグ名類似
度である。この場合、タグ名が複合語である場合には、
複合語を単語に分割し、この分割された単語間の意味的
な距離であるタグ名類似度を概念ベース２０３を参照し
て求め、これにより複合語を用いたタグ名でも変換ルー
ルの生成を可能としている。なお、ｌｓｉｍはlinguist
ic similarity coefficientsの略であり、タグ名類似度
ｌｓｉｍ（ｓ，ｔ）は０〜１の値を取る。

【００４１】ｃｓｓｉｍ（ｓ，ｔ）は、木構造評価装置
２０４において評価関数を用いて算出されるスキーマＳ
の中間要素ｓとスキーマＴの中間要素ｔが持つ子要素集
合同士の類似度である。なお、ｃｓｓｉｍはchild set
similarity coefficientsの略であり、子要素類似度ｃ
ｓｓｉｍ（ｓ，ｔ）は０〜１の値を取る。

【００４２】ｗｓｉｍ（ｓ，ｔ）は、スキーマＳの要素
ｓとスキーマＴの要素ｔのタグ名類似度ｌｓｉｍ（ｓ，
ｔ）に木構造に基づく類似度を反映させた類似度であ
り、ｗｓｉｍはweighted similarity coefficientsの略
であり、木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）は
０〜１の値を取る。

【００４３】タグ名である要素間の木構造に基づく木構
造類似度は、木構造評価装置２０４において評価関数を
用いて算出されるが、この木構造に基づく類似度の判断
は、下記のように行われる。

【００４４】（１）中間要素と中間要素は、それらのタ
グ名が似ているか、それらの直下の子要素同士が似てい
るものが多ければ類似していると判断する。

【００４５】（２）末端要素と中間要素の変換は存在し
ない。すなわち、末端要素は値を持つが子要素を持た
ず、また中間要素は値を持たないが子要素を持つという
ように末端要素と中間要素は性質が全く異なるため、こ
れらの変換は存在しない。

【００４６】（３）末端要素と末端要素はそれらのタグ
名が似ていれば類似していると判断する。すなわち、末
端要素は子要素を持たないため、考慮されるのは結果的
にタグ名の類似性のみである。

【００４７】そこで、木構造反映タグ名類似度ｗｓｉｍ
（ｓ，ｔ）の演算に当たっては、（１）要素ｓと要素ｔ
が共に末端要素である場合１と、（２）要素ｓと要素ｔ
の一方が末端要素で一方が中間要素である場合２と、
（３）上記以外、すなわち要素ｓと要素ｔが共に中間要
素である場合３とに分けて、木構造反映タグ名類似度ｗ
ｓｉｍ（ｓ，ｔ）の演算を行う。そして、要素ｓから見
て、最も木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）が
高い要素ｔとの対応関係を変換ルールとして追加する。

【００４８】図３に戻って、変換ルールの生成処理につ
いて説明する。図３では、まずスキーマＳの要素ｓとス
キーマＴの要素ｔにそれぞれ識別子ｓ₁ ，ｓ₂ ，ｓ₃ ，
…，ｓ_n およびｔ₁ ，ｔ₂ ，ｔ₃ ，…，ｔ_n を付与し、 Ｓ＝｛ｓ₁ ，ｓ₂ ，ｓ₃ ，…，ｓ_n｝ Ｔ＝｛ｔ₁ ，ｔ₂ ，ｔ₃ ，…，ｔ_n｝ とする（ステップＳ３０１）。なお、この識別子は、子
要素よりも親要素の方が後になるように付与される。

【００４９】構造化文書のスキーマは、図７に示すよう
に表現可能であるが、図７はこのように表現されたスキ
ーマＳの各要素ｓとスキーマＴの各要素ｔに対して識別
子を付与した結果を併せて図示しているものである。同
図からわかるように、例えば発注番号は識別子としてｓ
₁ を付与されているが、この発注番号を子要素として有
する親要素に当たる発注書には識別子ｓ₁ よりも後の番
号の識別子ｓ₁₁ が付与されている。

【００５０】次に、スキーマＳの要素ｓとスキーマＴの
要素ｔの組合せにおいて、総当たりのマトリックスを作
成する（ステップＳ３０２）。図８は、このように作成
されたマトリックスを示しているものであり、縦方向に
スキーマＳの各要素ｓが羅列され、横方向にスキーマＴ
の各要素ｔが羅列されている。

【００５１】次に、マトリックスの配列要素（ｓ，ｔ）
に値、すなわち木構造反映タグ名類似度ｗｓｉｍ（ｓ，
ｔ）が格納されていない要素ｓと要素ｔの１つの組合せ
を取り出す（ステップＳ３０３）。そして、この取り出
した要素ｓと要素ｔの組合せにより上述した場合分けを
行うために、すなわち前記場合１，２または３への場合
分けを行うために、まず要素ｓと要素ｔが共に末端要素
であるか否かの判定を行う（ステップＳ３０４）。

【００５２】この判定の結果、要素ｓと要素ｔが共に末
端要素である場合（場合１）には、ステップＳ３０５に
進み、タグ名称評価装置２０２により要素ｓと要素ｔの
タグ名類似度ｌｓｉｍ（ｓ，ｔ）を算出し、このタグ名
類似度ｌｓｉｍ（ｓ，ｔ）を木構造反映タグ名類似度ｗ
ｓｉｍ（ｓ，ｔ）として設定または格納する（ｗｓｉｍ
（ｓ，ｔ）＝ｌｓｉｍ（ｓ，ｔ））。そして、この木構
造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）の演算結果をマ
トリックスの配列要素（ｓ，ｔ）として格納する（ステ
ップＳ３０９）。図９は、マトリックスの配列要素（ｓ
₁ ，ｔ₁）に木構造反映タグ名類似度ｗｓｉｍ（ｓ，
ｔ）の演算結果を格納した結果を示している。なお、こ
の場合、要素ｓ₁ と要素ｔ₁ は共に末端要素であるた
め、木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）＝タグ
名類似度ｌｓｉｍ（ｓ，ｔ）＝０．６７６０２となって
いる。

【００５３】また、ステップＳ３０４の判定において、
要素ｓと要素ｔが共に末端要素でない場合には、ステッ
プＳ３０６に進み、要素ｓと要素ｔの一方が末端要素で
あり、他方が中間要素であるか否かを判定する。この判
定の結果、要素ｓと要素ｔの一方が末端要素であり、他
方が中間要素である場合には（場合２）、上述した木構
造に基づく類似度の判断に基づき木構造反映タグ名類似
度ｗｓｉｍ（ｓ，ｔ）として０を設定または格納する
（ステップＳ３０７）（ｗｓｉｍ（ｓ，ｔ）＝０）。そ
して、この木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）
である０をマトリックスの配列要素（ｓ，ｔ）として格
納する（ステップＳ３０９）。

【００５４】また、ステップＳ３０６の判定において、
要素ｓと要素ｔの一方が末端要素であり、他方が中間要
素である組合せでない場合、すなわち要素ｓと要素ｔが
共に中間要素である場合には（場合３）、タグ名類似度
ｌｓｉｍ（ｓ，ｔ）と子要素類似度ｃｓｓｉｍ（ｓ，
ｔ）を算出し、このタグ名類似度ｌｓｉｍ（ｓ，ｔ）と
子要素類似度ｃｓｓｉｍ（ｓ，ｔ）を加重平均した値を
木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）として設定
または格納する（ステップＳ３０８）。

【００５５】すなわち、木構造反映タグ名類似度ｗｓｉ
ｍ（ｓ，ｔ）は、ｗｓｉｍ（ｓ，ｔ）＝ｋ・ｌｓｉｍ
（ｓ，ｔ）＋（ｋ−１）・ｃｓｓｉｍ（ｓ，ｔ）のよう
に加重平均される。ここで、ｋは木構造反映タグ名類似
度ｗｓｉｍ（ｓ，ｔ）と子要素類似度ｃｓｓｉｍ（ｓ，
ｔ）の加重平均を行う場合にそれらの重み付けを行う定
数であり、０〜１の値を取る。なお、本実施形態では、
ｋは０．５を用いている。

【００５６】また、子要素類似度ｃｓｓｉｍ（ｓ，ｔ）
の算出においては、まず要素ｓの子要素ｓ′＝
｛ｓ′₁ ，ｓ′₂ ，…，ｓ′_n｝と要素ｔの子要素ｔ′
＝｛ｔ′₁ ，ｔ′₂ ，…，ｔ′_m｝の排他的な組合せを
求める。それから、このように得られたすべての排他的
な組合せの中で、各対応関係の木構造反映タグ名類似度
ｗｓｉｍ（ｓ′，ｔ′）を平均した値が最大なものが子
要素類似度ｃｓｓｉｍ（ｓ，ｔ）となる。

【００５７】そして、上述したように算出された木構造
反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）をマトリックスの
配列要素（ｓ，ｔ）として格納する（ステップＳ３０
９）。

【００５８】次に、ステップＳ３１０に進み、マトリッ
クスのすべての配列要素に木構造反映タグ名類似度ｗｓ
ｉｍ（ｓ，ｔ）の演算結果を格納したか否かを判定する
（ステップＳ３１０）。マトリックスのすべての配列要
素に木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）が格納
されていない場合には、ステップＳ３０３に戻り、マト
リックスのすべての配列要素に木構造反映タグ名類似度
ｗｓｉｍ（ｓ，ｔ）が格納されるまで、同じ処理を繰り
返すが、マトリックスのすべての配列要素に木構造反映
タグ名類似度ｗｓｉｍ（ｓ，ｔ）が格納されている場合
には、次のステップＳ３１１に進む。

【００５９】図１０は、マトリックスのすべての配列要
素に対して木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）
が格納された結果を図示しているものである。

【００６０】ステップＳ３１１では、図１０に示したよ
うに木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）が格納
されたマトリックスにおいて、要素ｓから見て、最も木
構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）が高い要素ｔ
との対応関係を変換ルールとして追加する。すなわち、
図１０において、斜線を施した部分が要素ｓから見て、
最も木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）の値が
高い要素ｔとの組合せである。

【００６１】それから、すべての要素ｓに対して要素ｔ
との対応関係を変換ルールとして追加したか否かを判定
し（ステップＳ３１２）、まだ追加していないものがあ
る場合には、ステップＳ３１１に戻って、すべての要素
ｓに対して要素ｔとの対応関係を変換ルールとして追加
するまで同じ処理を繰り返し行い、すべての要素ｓに対
して要素ｔとの対応関係を変換ルールとして追加した場
合に、変換ルールの生成処理を終了する。このようにし
て生成された変換ルールは、図１１に示すように、例え
ば企業Ａの発注書Ａの発注番号が企業Ｂの発注書Ｂの注
文番号に対応するという変換ルールとなる。

【００６２】次に、上述したように生成された変換ルー
ルに対してユーザによるユーザ端末１００を介した編集
が変換ルール編集部２０５によって行われる（図２のス
テップＳ４００）。すなわち、図１１は上述したように
生成された変換ルールを示しているが、この変換ルール
をユーザがユーザ端末１００を介して確認し、修正箇所
があった場合、変換ルールを訂正して編集を行う。

【００６３】この変換ルールの編集処理について図４に
示すフローチャートを参照して詳しく説明する。図４で
は、図１１に示すように先の処理で作成された変換ルー
ルをユーザがユーザ端末１００から確認し、この変換ル
ールに間違いがあるか否かを判定する（ステップＳ４０
１）。間違いがない場合には、本処理をそのまま終了す
るが、間違いがある場合には、その変換ルールの間違い
をユーザ端末１００から修正する（ステップＳ４０
２）。図１１に示す変換ルールでは、「数量」＝「商品
番号」となっていて、両者の対応関係は間違っているの
で、「数量」＝「注文数」と修正される。

【００６４】それから、まだ間違いがあるか否かを判定
し（ステップＳ４０３）、まだ間違いがある場合には、
ステップＳ４０２に戻って、変換ルールの修正がすべて
終了するまで同じ処理を繰り返し行い、変換ルールに間
違いがなくなると、本処理を終了する。このようにして
編集された変換ルールが図１２に示されているが、この
図１２では、上述した編集により、「数量」＝「注文
数」に修正されている。

【００６５】上述したようにユーザ端末１００を用いた
ユーザによる変換ルールの編集が終了すると、次にこの
ように編集された変換ルールを変換ルール蓄積装置２０
６に格納する（図２のステップＳ５００）。

【００６６】以上のようにして、変換ルールが変換ルー
ル蓄積装置２０６に格納されると、次に変換ルール蓄積
装置２０６に格納されている変換ルールを用いて、構造
化文書のスキーマＳを構造化文書のスキーマＴに変換
し、スキーマの変換された構造化文書が得られることに
なる（図２のステップＳ６００）。

【００６７】具体的に説明すると、発注書Ａのスキーマ
に従って記述された企業Ａのデータベース３００Ａに格
納されている例えば図１３に示すようなＸＭＬインスタ
ンスに対して、変換ルール蓄積装置２０６に格納されて
いる変換ルールを用いて、図６に示す発注書Ｂのスキー
マに従ったＸＭＬインスタンスに変換すると、図１４に
示すようにスキーマの変換された発注書ＡのＸＭＬイン
スタンスが得られる。

【００６８】なお、図１３に示すＸＭＬインスタンスを
図６に示す発注書Ｂのスキーマに従ったＸＭＬインスタ
ンスに変換することを想定した場合、特願２００１−２
５０６５２号に記載されている従来の手法では、変換ル
ールが生成されるのは同義語辞書（シソーラス）に登録
されている＜製品＞＝＜商品＞の対応関係のみであり、
変換ルール生成の精度ＰをＰ＝正しい対応関係を合計し
た数／全対応関係数とすると、前記従来の手法の変換ル
ール生成の精度Ｐ１は Ｐ１＝１／１１≒０．１ であるのに対して、本発明の方法では変換ルール生成の
精度Ｐ２は Ｐ２＝１０／１１≒０．９ となり、精度が約８０％向上した。これにより本発明の
方法では、従来の手法に比較して、更に時間およびコス
トを削減することが可能となる。

【００６９】なお、上記実施形態の構造化文書の変換ル
ール作成方法の処理手順をプログラムとして例えばＣＤ
やＦＤなどの記録媒体に記録して、この記録媒体をコン
ピュータシステムに組み込んだり、または記録媒体に記
録されたプログラムを通信回線を介してコンピュータシ
ステムにダウンロードしたり、または記録媒体からイン
ストールし、該プログラムでコンピュータシステムを作
動させることにより、構造化文書の変換ルール作成方法
を実施する変換ルール作成装置として機能させることが
できることは勿論であり、このような記録媒体を用いる
ことにより、その流通性を高めることができるものであ
る。

【００７０】

【発明の効果】以上説明したように、本発明によれば、
複数の構造化文書のそれぞれのスキーマから抽出したタ
グ名の各々について複数の構造化文書間の各タグ名間に
おける類似度を算出し、各タグ名について類似度が最も
高いタグ名との対応関係を変換ルールとして追加するの
で、従来のようにユーザがスキーマ変換のためのルール
を記述する必要がなくなり、時間およびコストを削減す
ることができることは勿論のこと、更に従来のように複
合語などのために同義語辞書に登録されていないタグ名
のために変換ルールが生成されないということがなくな
り、変換ルール生成精度を大幅に向上させることがで
き、ユーザの変換ルールの編集作業も減少し、時間およ
びコストを削減することが可能となる。また、今後流通
する構造化文書のスキーマのサイズが大きくなっても、
対応可能であり、異なる構造化文書のスキーマを用いて
いる企業間の電子商取引を円滑に行うことを可能とす
る。

【００７１】また、本発明によれば、各タグ名を構成す
る各単語間の意味的な距離であるタグ名類似度に対して
複数の構造化文書間のタグ名の木構造に基づいて算出さ
れる木構造類似度を反映させるので、変換ルール生成の
精度を大幅に向上することができる。

【００７２】更に、本発明によれば、変換ルールをユー
ザ端末に提示し、ユーザ端末より確認および修正された
変換ルールに基づき複数の構造化文書間のスキーマの変
換を行うので、ユーザは生成された変換ルールの確認お
よび修正のみを行えばよく、従来のようにすべて人手で
行うことに比較して効率的に変換ルールを作成すること
ができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る構造化文書の変換ル
ール作成方法を実施するシステムの構成を示すブロック
図である。

【図２】図１に示すシステムの全体的作用を示すフロー
チャートである。

【図３】図２に示すフローチャートのステップＳ３００
における変換ルールの生成処理を示すフローチャートで
ある。

【図４】図２に示すフローチャートのステップＳ４００
における変換ルールの編集処理を示すフローチャートで
ある。

【図５】企業Ａのデータベースに格納されている発注書
Ａのスキーマの例を示す図である。

【図６】企業Ｂのデータベースに格納されている発注書
Ｂのスキーマの例を示す図である。

【図７】構造化文書のスキーマを表現した図であり、各
スキーマの各要素に対して識別子を付与した例を示して
いる。

【図８】各スキーマの各要素の組合せで総当たりのマト
リックスを示す図である。

【図９】図８に示すマトリックスの１つの配列要素（ｓ
₁ ，ｔ₁）に対して木構造反映タグ名類似度ｗｓｉｍ
（ｓ，ｔ）の値を格納した結果を示す図である。

【図１０】図８に示すマトリックスのすべての配列要素
に対して木構造反映タグ名類似度ｗｓｉｍ（ｓ，ｔ）の
値を格納した結果を示す図である。

【図１１】図１の実施形態において生成された変換ルー
ルを示す図である。

【図１２】図１１に示した変換ルールに対してユーザに
よる編集が行われた結果の変換ルールを示す図である。

【図１３】発注書Ａのスキーマに従ったＸＭＬインスタ
ンスの例を示す図である。

【図１４】スキーマの変換された発注書ＡのＸＭＬイン
スタンスを示す図である。

【符号の説明】

１００ ユーザ端末 ２０１ 変換ルール自動生成部 ２０２ タグ名称評価装置 ２０３ 概念ベース ２０４ 木構造評価装置 ２０５ 変換ルール編集部 ２０６ 変換ルール蓄積装置 ２０７ 変換部 ３００Ａ 企業Ａのデータベース ３００Ｂ 企業Ｂのデータベース

───────────────────────────────────────────────────── フロントページの続き (72)発明者 小林 伸幸 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 (72)発明者 坂田 哲夫 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 Ｆターム(参考） 5B075 ND03 ND34 NK32 QM08 5B082 GA02

Claims (8)

【特許請求の範囲】
1. 【請求項１】 複数の構造化文書間の異なるスキーマを
   変換するための変換ルールを作成する構造化文書の変換
   ルール作成方法であって、 複数の構造化文書間のスキーマを変換するための変換ル
   ールの生成要求を受け取って、この受け取った複数の構
   造化文書のそれぞれのスキーマを取得し、 この取得した複数の構造化文書のそれぞれのスキーマか
   ら、特定の文字列を用いて構造を表現する部分であるタ
   グ名を抽出し、 複数の構造化文書から抽出したタグ名の各々について複
   数の構造化文書間の各タグ名間における類似度を算出
   し、 各タグ名について前記類似度が最も高いタグ名との対応
   関係を変換ルールとして追加して複数の構造化文書間の
   スキーマの変換ルールを生成することを特徴とする構造
   化文書の変換ルール作成方法。
2. 【請求項２】 前記類似度は、複数の構造化文書間の、
   各タグ名を構成する各単語間の意味的な距離であるタグ
   名類似度に対して複数の構造化文書間のタグ名の木構造
   に基づいて算出される木構造類似度を反映させた木構造
   反映タグ名類似度であることを特徴とする請求項１記載
   の構造化文書の変換ルール作成方法。
3. 【請求項３】 前記生成された変換ルールをユーザ端末
   に提示し、該変換ルールの確認および修正をユーザ端末
   を介してユーザに依頼し、 ユーザ端末により確認および修正された変換ルールを変
   換ルール蓄積装置に格納し、 この格納された変換ルールに基づき複数の構造化文書間
   のスキーマの変換を行うことを特徴とする請求項１記載
   の構造化文書の変換ルール作成方法。
4. 【請求項４】 複数の構造化文書間の異なるスキーマを
   変換するための変換ルールを作成する構造化文書の変換
   ルール作成装置であって、 複数の構造化文書間のスキーマを変換するための変換ル
   ールの生成要求を受け取って、この受け取った複数の構
   造化文書のそれぞれのスキーマを取得するスキーマ取得
   手段と、 この取得した複数の構造化文書のそれぞれのスキーマか
   ら、特定の文字列を用いて構造を表現する部分であるタ
   グ名を抽出するタグ名抽出手段と、 複数の構造化文書から抽出したタグ名の各々について複
   数の構造化文書間の各タグ名間における類似度を算出す
   る類似度算出手段と、 各タグ名について前記類似度が最も高いタグ名との対応
   関係を変換ルールとして追加して複数の構造化文書間の
   スキーマの変換ルールを生成する変換ルール生成手段と
   を有することを特徴とする構造化文書の変換ルール作成
   装置。
5. 【請求項５】 前記類似度算出手段は、 複数の構造化文書間の、各タグ名を構成する各単語間の
   意味的な距離であるタグ名類似度を算出するタグ名類似
   度算出手段と、 前記タグ名類似度に対してタグ名の木構造を反映させる
   ための、複数の構造化文書間のタグ名の木構造に基づく
   木構造類似度を算出する木構造類似度手段とを有するこ
   とを特徴とする請求項４記載の構造化文書の変換ルール
   作成装置。
6. 【請求項６】 前記生成された変換ルールをユーザ端末
   に提示し、該変換ルールの確認および修正をユーザ端末
   を介してユーザに依頼する変換ルール確認修正手段と、 ユーザ端末により確認および修正された変換ルールを格
   納する変換ルール蓄積装置と、 この格納された変換ルールに基づき複数の構造化文書間
   のスキーマの変換を行うスキーマ変換手段とを有するこ
   とを特徴とする請求項４記載の構造化文書の変換ルール
   作成装置。
7. 【請求項７】 複数の構造化文書間の異なるスキーマを
   変換するための変換ルールを作成する構造化文書の変換
   ルール作成プログラムであって、 複数の構造化文書間のスキーマを変換するための変換ル
   ールの生成要求を受け取って、この受け取った複数の構
   造化文書のそれぞれのスキーマを取得し、 この取得した複数の構造化文書のそれぞれのスキーマか
   ら、特定の文字列を用いて構造を表現する部分であるタ
   グ名を抽出し、 複数の構造化文書から抽出したタグ名の各々について複
   数の構造化文書間の各タグ名間における類似度を算出
   し、 各タグ名について前記類似度が最も高いタグ名との対応
   関係を変換ルールとして追加して複数の構造化文書間の
   スキーマの変換ルールを生成することを特徴とする構造
   化文書の変換ルール作成プログラム。
8. 【請求項８】 複数の構造化文書間の異なるスキーマを
   変換するための変換ルールを作成する構造化文書の変換
   ルール作成プログラムを記録したコンピュータ読取り可
   能な記録媒体であって、 複数の構造化文書間のスキーマを変換するための変換ル
   ールの生成要求を受け取って、この受け取った複数の構
   造化文書のそれぞれのスキーマを取得し、 この取得した複数の構造化文書のそれぞれのスキーマか
   ら、特定の文字列を用いて構造を表現する部分であるタ
   グ名を抽出し、 複数の構造化文書から抽出したタグ名の各々について複
   数の構造化文書間の各タグ名間における類似度を算出
   し、 各タグ名について前記類似度が最も高いタグ名との対応
   関係を変換ルールとして追加して複数の構造化文書間の
   スキーマの変換ルールを生成することを特徴とする構造
   化文書の変換ルール作成プログラムを記録したコンピュ
   ータ読取り可能な記録媒体。