JP2011511341A5

JP2011511341A5 -

Info

Publication number: JP2011511341A5
Application number: JP2010543117A
Authority: JP
Filing date: 2008-12-30
Publication date: 2012-02-16
Anticipated expiration: 2028-12-30

Claims

レコード内に出現する文字列と関係付けられる近似マッチを決定するためのアーカイブを管理する方法であって、
前記レコード内に出現する文字列と対応する一セットの文字列表現を決定するようレコードを処理するステップと、
前記セット内の少なくとも幾つかの文字列表現毎に、前記文字列内の文字と同一の少なくとも幾つかの文字からそれぞれ生成される複数の近接表現を生成するステップと、
個々の近接表現に基づく少なくとも二つの文字列間の潜在的近似マッチをそれぞれ表す複数の記入項目をアーカイブ内に格納するステップと、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記レコード内の前記対応文字列の出現頻度を決定するステップとを含む方法。
各文字列表現は文字列からなる、請求項１の方法。
各近接表現は、前記文字列内の文字と同一の少なくとも幾つかの文字で構成される、請求項２の方法。
前記セット内の所与の文字列に対して前記複数の近接表現を生成する前記ステップは、前記所与の文字列から削除した異なる文字をそれぞれ有する複数の近接表現を生成するステップを含む、請求項３の方法。
前記セット内の所与の文字列に対して前記複数の近接表現を生成する前記ステップは、前記所与の文字列から削除した単一文字をそれぞれ有する複数の近接表現を生成するステップを含む、請求項４の方法。
前記セット内の所与の文字列に対して前記複数の近接表現を生成する前記ステップは、近接表現の内の少なくとも幾つかが前記所与の文字列から削除した複数の文字を有する、近接表現を生成するステップを含む、請求項５の方法。
前記所与の文字列から削除した異なる文字をそれぞれ有する複数の近接表現を生成する前記ステップは、前記所与の文字列が所定の長さより短い場合、前記所与の文字列から削除した単一文字をそれぞれ有する複数の近接表現を生成するステップと、前記所与の文字列が前記所定の長さより長い場合、近接表現の内の少なくとも幾つかが、前記所与の文字列から削除した複数の文字を有する、近接表現を生成するステップとを含む、請求項４の方法。
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記文字列との滞在的近似マッチとして、前記文字列の出現頻度と、前記アーカイブ内で表現される少なくとも幾つかの文字列の前記出現頻度とを含む合計値に基づいて前記対応文字列の重要度を表す重要度値を生成するステップを更に含む、請求項１の方法。
前記重要度値は前記合計値の逆数に基づいて生成される、請求項８の方法。
前記フレーズ内の文字列が近似マッチに対応するかどうかを決定することにより、複数の文字列を含む別のフレーズが近似マッチに対応するかどうかを決定するステップを更に含み、前記フレーズ内の前記文字列は、対応する重要度値に基づいて選択される、請求項８の方法。
フレーズ内の文字列の前記重要度値は、前記合計値に基づき、前記文字列の長さが最小の文字列、前記フレーズ内の前記文字列の位置、前記文字列が出現するレコードのフィールド、および前記フィールドが出現するレコードのソースに基づく、請求項１０の方法。
前記アーカイブ内の前記記入項目の内の少なくとも幾つか毎に、少なくとも二つの文字列間の前記潜在的近似マッチの品質を定量化する前記記入項目と関係するスコアを生成するステップを更に含む、請求項１の方法。
記入項目と関係する文字列が、前記記入項目と関係する前記スコアをしきい値と比較することにより、近似マッチに対応するかどうかを決定するステップを更に含む、請求項１２の方法。
前記スコアは、前記少なくとも二つの文字列間の前記潜在的近似マッチを決定するために使用する前記各近接表現間の一致度に基づく、請求項１２の方法。
前記レコード内に出現する文字列と対応する一セットの文字列表現を決定するよう前記レコードを処理する前記ステップは、前記セットの文字列表現に含めるために修正文字列を生成するよう少なくとも一つのレコードに出現する文字列を修正するステップを含む、請求項１の方法。
前記文字列を修正する前記ステップは、句読点を削除または置換するステップを含む、請求項１５の方法。
前記文字列を修正する前記ステップは、前記文字列を別の表現にコード化するステップを含む、請求項１５の方法。
前記文字列を修正する前記ステップは、前記文字列を数値化表現にコード化するステップを含む、請求項１７の方法。
前記文字列を数値化表現にコード化する前記ステップは、前記文字列内の各文字を素数にマッピングするステップ、および前記文字列内の文字にマッピングされた前記素数の積として、文字列を表現するステップを含む、請求項１８の方法。
前記アーカイブには、ユーザーからの入力に基づいて、少なくとも二つの文字列間の潜在的近似マッチを表わす少なくとも幾つかの記入項目が含まれる、請求項１の方法。
レコード内に出現する文字列と関係する近似マッチを決定するためのアーカイブを管理するための、コンピュータで読取り可能な媒体上に格納されるコンピュータープログラムであって、前記コンピュータープログラムは、コンピュータに実行させる以下の命令、
前記レコード内に出現する文字列と対応する一セットの文字列表現を決定するようレコードを処理する命令と、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記文字列内の文字と同一の少なくとも幾つかの文字からそれぞれ生成される複数の近接表現を生成する命令と、
前記各近接表現に基づいて少なくとも二つの文字列間の潜在的近似マッチをそれぞれ表わす記入項目をアーカイブ内に格納する命令と、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記レコード内の前記対応文字列の出現頻度を決定する命令とを含むコンピュータープログラム。
レコード内に出現する文字列と関係する近似マッチを決定するためにアーカイブを管理するシステムであって、前記システムは、
前記レコード内に出現する文字列と対応する一セットの文字列表現を決定するようレコードを処理する手段と、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記文字列内の文字と同一の少なくとも幾つかの文字からそれぞれ生成される複数の近接表現を生成する手段と、
前記各近接表現に基づいて少なくとも二つの文字列間の潜在的近似マッチをそれぞれ表わす記入項目をアーカイブ内に格納する手段と、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記レコード内の前記対応文字列の出現頻度を決定する手段とを含むシステム。
レコード内に出現する文字列と関係する近似マッチを決定するためにアーカイブを管理するシステムであって、前記システムは、
レコードを格納するデータソースと、
前記データソース内の前記レコードを処理して、前記レコード内に出現する文字列と対応する一セットの文字列表現を決定し、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記文字列内の文字と同一の少なくとも幾つかの文字からそれぞれ生成される複数の近接表現を生成し、
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記レコード内の前記対応文字列の出現頻度を決定する
よう構成されるコンピューターシステムと、
前記各近接表現に基づいて少なくとも二つの文字列間の潜在的近似マッチをそれぞれ表わす記入項目を含むアーカイブを格納するための前記コンピューターシステムに接続されるデータ格納装置とを含むシステム。
前記記入項目はそれぞれ、前記文字列間に潜在的近似マッチと前記文字列間の前記潜在的近似マッチの品質を定量化するスコアとがある前記文字列を含む、請求項１の方法。
前記セット内の前記文字列表現の内の少なくとも幾つか毎に、前記対応文字列の出現頻度に基づいて前記対応文字列の重要度を表す重要度値を生成するステップを更に含む、請求項１の方法。
前記アーカイブ内の記入項目を用いて、起こり得る誤判定の潜在的近似マッチを識別するステップを更に含む、請求項１２の方法。
第一文字列と第二文字列との間に起こり得る誤判定の潜在的近似マッチが、前記レコード内の前記第一文字列の出現頻度および前記レコード内の前記第二文字列の出現頻度に基づいて識別される、請求項２６の方法。
起こり得る誤判定の潜在的近似マッチが、前記アーカイブ内に格納されるＮグラム頻度に基づいて識別される、請求項２６の方法。
起こり得る誤判定として前記潜在的近似マッチを識別することに応じて、潜在的近似マッチを表す前記記入項目と関係付けられた前記スコアを調整するステップを更に含む、請求項２６の方法。
前記レコード内の前記対応文字列の前記出現頻度と、前記レコード内の前記対応文字列の潜在的近似マッチとして前記アーカイブ内で表現される文字列の出現頻度との合計値の逆数を計算するステップを含み、
前記レコード内の文字列と対応する前記セット内の文字列表現の重要度値を生成するステップを更に含む、請求項１の方法。