JP2016081526A - テーブル再構成装置と方法 - Google Patents

Abstract

【課題】本発明はテーブル再構成装置と方法に関する。【解決手段】該装置は、テーブル中の列毎の属性を確定するように構成された列属性確定ユニットと、確定された列毎の属性を語彙知識ベースとリンクさせることにより、前記テーブル中の記述対象を確定するように構成された記述対象確定ユニットと、前記語彙知識ベースにおいて各記述対象の属性集合を確定し、前記テーブル中の列毎の属性と前記属性集合中の各属性との第一類似度を算出して、前記テーブル中の前記記述対象に関連する属性を確定するように構成された記述対象関連属性確定ユニットと、前記記述対象と前記記述対象に関連する属性とを用いてテーブルを再構成するように構成されたテーブル再構成ユニットとを含む。本発明のテーブル再構成装置と方法により、構造が複雑でフィールドが重複し、複数の記述対象と属性を含むテーブルを再構成して、構造が簡単で記述対象が単一の単一記述対象テーブルにすることができる。【選択図】図２

Description

本発明は情報処理分野に関し、より具体的にはテーブル再構成装置と方法に関する。

インタネットの飛躍的な発展に伴い、インタネットに大量なテーブルデータが現れ、テーブルデータには豊富な構造化情報が含まれている。テーブルデータを掘り出すことで大量な人類知識を得ることができる。しかし、テーブルデータは一般的に構造が複雑で、フィールドが重複し、一つのテーブルに複数の記述対象及びその属性が含まれている。一部の属性が複数の記述対象を記述できるため、テーブルから知識を抽出するには、まず、テーブルを構造が簡単で、記述対象が単一形式のものに再構成する必要があり、それから有効に知識を取得することができる。例えば、図１Ａのテーブルに二つの記述対象「人」と「会社」が含まれており、そのうち、人を記述する属性に「氏名、国籍、学位、卒業学校、創立企業、連絡方法、ｅ−ｍａｉｌ」があり、会社を記述する属性に「成立日付、住所、サービス、分野、連絡方法」があり、なお、「連絡方法」の列は人を記述する属性であるとともに、会社を記述する属性でもある。

そのため、テーブルを再構成して、構造が簡単で、記述対象が単一形式の単一記述対象テーブルにする装置と方法が求められている。

本発明の目的は、テーブルを再構成して、構造が簡単で、記述対象が単一形式の単一記述対象テーブルにする装置と方法を提供することにある。

以下に述べる本発明の概要は、本発明を幾つかの側面から示し、その基本理解を促すものである。なお、この概要は本発明を全部網羅するものではないことを理解すべきである。この概要は本発明の要点又は重要部分を特定する意図や、本発明の範囲を限定する意図を持たない。その目的は、後の詳細説明に向けて、一部の概念を簡潔に示すためだけである。

本発明の一つの主な目的はテーブル再構成装置を提供することにあり、該装置はテーブル中の列毎の属性を確定するように構成された列属性確定ユニットと、確定された列毎の属性を語彙知識ベースとリンクさせることにより上記テーブル中の記述対象を確定するように構成された記述対象確定ユニットと、上記語彙知識ベースにおいて各記述対象の属性集合を確定して、上記テーブル中の列毎の属性と上記属性集合中の各属性との第一類似度を算出して、上記テーブル中の上記記述対象に関連する属性を確定するように構成された記述対象関連属性確定ユニットと、上記記述対象と上記記述対象に関連する属性とを用いてテーブルを再構成するように構成されたテーブル再構成ユニットを含む。

本発明の一つの側面によると、テーブル再構成方法を提供し、該方法はテーブル中の列毎の属性を確定するステップと、確定された列毎の属性を語彙知識ベースとリンクさせることにより上記テーブルの記述対象を確定するステップと、上記語彙知識ベースにおいて各記述対象の属性集合を確定して、上記テーブル中の列毎の属性と上記属性集合中の各属性との第一類似度を算出して、上記テーブル中の上記記述対象に関連する属性を確定するステップと、上記記述対象と上記記述対象に関連する属性とを用いてテーブルを再構成するステップを含む。

また、本発明の実施例はさらに、上記方法を実現するためのコンピュータプログラムを提供する。

また、本発明の実施例はさらに、少なくともコンピュータが読み出し可能な媒体形式のコンピュータプログラム製品を提供し、該コンピュータプログラム製品に上記方法を実現するためのコンピュータプログラムを記憶されている。

以下、図面を参照しながら本発明の好ましい実施例を詳しく説明することにより、本発明の上記及びその他の利点をより明確にする。

本発明の以上及びその他の目的、特徴と利点をより簡単に理解できるよう、以下は図面を参照しながら本発明の実施例を説明する。図面における部品は本発明の原理を示すことのみが目的でする。図面において、同一又は類似する技術的特徴又は部品を同一又は類似する符号で示す。
複数の記述対象を含む例示的なテーブルを示す図である。 図１Ａのテーブルから再構成された一つの単一記述対象のテーブルの図である。 図１Ａのテーブルから再構成された別の単一記述対象のテーブルの図である。 本発明の一実施例に基づく、テーブルを再構成する装置２００の例示的な構成を示すブロック図である。 図２の記述対象確定ユニット２０４の一例示的な構成を示すブロック図である。 本発明の一実施例に基づく、テーブルを再構成する方法４００のフローチャートである。 図４のステップＳ４０４の一例示的なプロセスを示すフローチャートである。 本発明のテーブル再構成装置と方法を実施するために用いられるコンピュータ装置を示す例示的な構造図である。

以下、図面を参照しながら本発明の実施例を説明する。本発明の一図面又は一実施形態で示された要素及び特徴を、その他の一つ又は複数の図面又は実施形態で示された要素及び特徴と組み合わせることができる。なお、目的を明確にするため、本発明と無関係の、当業者が既知の部品と処理の表示と説明を省略する。

本発明は、複数の記述対象を含むテーブル（図１Ａが示すもの）を複数の単一記述対象テーブル（例えば、図１Ｂと図１Ｃが示すもの）に分解できるテーブル再構成装置と方法を提供する。図１Ａ−１Ｃが示すように、図１Ａのテーブルに二つの記述対象「人」と「会社」が含まれており、そのうち、人を記述する属性に「氏名、国籍、学位、卒業学校、創立企業、連絡方法、ｅ−ｍａｉｌ」があり、会社を記述する属性に「成立日付、住所、サービス、分野、連絡方法」があり、なお、「連絡方法」は人を記述する属性であるとともに、会社を記述する属性でもある。図１Ｂと１Ｃはそれぞれ図１Ａの二つの記述対象「人」と「会社」及びその対応する属性に基づき再構成された二つの単一記述対象テーブルを示している。

本発明の装置と方法によれば、まず、テーブル列タイトル及び／又はテーブル列中の実例情報に基づいて該列に対応する属性を確定し、そして、各列の対応する属性に基づいて記述対象及びその属性列を確定し、最後に、記述対象と属性列の対応関係に基づいて原始テーブルを単一記述対象テーブルに再構成する。

以下、図面を参照しながら、本発明の一実施例に基づく、テーブルを再構成する装置を詳しく説明する。

図２は本発明の一実施例に基づく、テーブルを再構成する装置２００の例示的な構成を示すブロック図である。

図２が示すように、テーブル再構成装置２００は列属性確定ユニット２０２、記述対象確定ユニット２０４、記述対象関連属性確定ユニット２０６とテーブル再構成ユニット２０８を含む。

列属性確定ユニット２０２はテーブル中の列毎の属性を確定することができる。

記述対象確定ユニット２０４は、確定された列毎の属性を語彙知識ベースとリンクさせることによってテーブル中の記述対象を確定することができる。

記述対象関連属性確定ユニット２０６は、語彙知識ベースにおいて各記述対象の属性集合を確定して、テーブル中の列毎の属性と属性集合中の各属性との第一類似度を算出して、テーブル中の記述対象に関連する属性を確定することができる。

テーブル再構成ユニット２０８は、記述対象と記述対象に関連する属性とを用いて、テーブルを再構成できる。

以下、テーブル再構成装置２００に含まれる各ユニットについてそれぞれ詳しく説明する。

テーブルの列はそれぞれ記述対象のある属性を示す。テーブルの列が語彙知識ベースのどの属性に対応するかを確認することにより、テーブルの列に対応する属性を確定できる。一例として、語彙知識ベースはＬＯＤ（ｌｉｎｋｅｄ ｏｐｅｎ ｄａｔａ、一種のグローバル知識ベースである）知識ベースであることが可能であり、以下語彙知識ベースとしてＬＯＤ知識ベースを用いる例を説明する。

本発明の一例示的な実施例において、テーブルの列に対応する属性を確定する際、列タイトルと列実例情報の二つの側面の情報を考慮することができる。テーブルに列タイトルが存在する場合、テーブルの列タイトルは通常テーブルの第一行であり、テーブル列タイトルをＬＯＤ知識ベース中の属性とリンクさせることによって、ＬＯＤ知識ベース中の対応する属性を得ることができる。対応するＬＯＤ属性が見つからなかった場合、改めて列実例に基づく識別方法により識別を行うことができる。テーブルに列タイトルがない場合、直接列実例に基づく識別方法を用いて識別を行う。

以下、列実例情報に基づいてテーブル中の列毎の属性を確定する一例示的な方法を説明する。

まず、特定パターンを有する列実例に対し正規表現式を用いて識別する。例えば、郵便番号、電話番号（携帯番号、固定電話番号）、ネットワークＵＲＬ、ＩＰアドレス、Ｅ−ｍａｉｌ、時間、日付等。図１Ａ中のテーブルの第６、７、８列の属性は成立日付、連絡方法とｅ−ｍａｉｌであることを確定できる。

次に、人名、住所等の内容を識別する。人名識別は姓氏辞書を利用して識別することができる。住所について段階関係を有する住所知識ベースを用いてマッチングを行い、住所知識ベースの段階関係は上から下へ国家、省市／自治区、区県、村、町等である。検索エンジンを利用して住所を判断することも可能であり、即ち、地図検索エンジンを用いて該列実例を検索し、地図検索エンジンから検索結果が返された場合、該列実例に対応する属性は住所である。図１Ａ中の第１列と第９列に対応する属性はそれぞれ氏名と住所であることを確定できる。

最後に、属性不明の列に対応する列実例をＬＯＤ知識ベース中の実体とリンクさせて、ＬＯＤ知識ベース中の知識を用いて、テーブル列に対応する属性を判断する。例えば、図１Ａ中の第４列をＬＯＤ知識ベースとリンクさせて、ＬＯＤ知識ベースに基づき、「清華大学」と「スタンフォード大学」に対応する属性はいずれも「大学」であることがわかる。このような方法により、第２、３、４、５、１０、１１に対応する属性はそれぞれ国籍、学位、卒業学校、創立企業、サービス、分野であることを確定できる。

一例として、テーブル列の対応属性の識別に全体協同識別を用いて、即ち、識別結果は特定の列実例に依存するものではなく、該列中の複数の列実例の協同識別の結果である。例えば、ある列にｎ個の実例があり、そのうちｍ個が属性ｐ_ａに対応し、ｎ−ｍ個が属性ｐ_ｂに対応する場合、最終的に該列の種類を所定の条件に基づいて決定することができる。ｍ＞（ｎ−ｍ）且つｍ／ｎが所定値より大きい場合、該列に対応する属性がｐ_ａである。所定の条件を満たさない場合は、識別できないため、該列を無視してもよい。

上記のプロセスにより、列属性確定ユニット２０２はテーブル中の列毎の属性を確定することができる。

続いて、記述対象確定ユニット２０４は、確定された列毎の属性を語彙知識ベースとリンクさせることにより、テーブル中の記述対象を確定することができる。

図３は図２の記述対象確定ユニット２０４の一例示的な構成を示すブロック図である。

図３が示すように、記述対象確定ユニット２０４は実体列数確定サブユニット２０４２、記述対象集合確定サブユニット２０４４、記述対象条件確率確定サブユニット２０４６と記述対象確定サブユニット２０４８を含む。

多くの場合、記述対象は実体であり、実体列数確定サブユニット２０４２は、列属性確定ユニット２０２によって得られた、ＬＯＤ知識ベースとのリンク結果に基づき、実体を含む列を見つけ、実体を含む列数を得て、Ｎと記す。

属性ｐ_ｊが既知の場合、ＬＯＤから確率Ｐ（ｓ_ｉ｜ｐ_ｊ）を統計することができる。ここで、ｓ_ｉは記述対象変量であり、ｐ_ｊは属性変量であり、Ｐ（ｓ_ｉ｜ｐ_ｊ）は、ある属性ｐ_ｊが知られている場合ｐ_ｊによってｓ_ｉを記述できる確率を意味する。

テーブルＴがｃ列を有するとすると、テーブル中の列毎の属性ｐ_ｊ（ｊ＝１、２、・・・ｃ）のいずれについて、ＬＯＤ中から一つの記述対象集合Ｓ_ｊが得られ、合計ｃ個の記述対象集合を得ることができる。記述対象集合確定サブユニット２０４４を用いて、列毎の属性に対応する記述対象集合を得ることができる。

各記述対象集合中の各記述対象ｓ_ｉはいずれも一つの条件確率Ｐ（ｓ_ｉ｜ｐ_ｊ）を有し、集合Ｓを＜ｓ_ｉ、Ｐ（ｓ_ｉ｜ｐ_ｊ）＞の集合と表示してもよい。記述対象条件確率確定サブユニット２０４６は、ＬＯＤ知識ベースに基づいて、列毎の属性に対応する記述対象集合中の各記述対象を該属性によって記述できる条件確率を確定することができる。

一つの記述対象ｓ_ｉが複数の属性によって記述される可能性があるため、ｓ_ｉが複数の記述対象集合に現れる可能性があり、ｓ_ｉが異なる属性によって記述される複数の条件確率Ｐ（ｓ_ｉ｜ｐ_１）、Ｐ（ｓ_ｉ｜ｐ_２）・・・を得ることになる。

記述対象確定サブユニット２０４８は、各記述対象がすべての記述対象集合における条件確率に基づいて、テーブルＴの記述対象を確定することができる。

一例として、記述対象確定サブユニット２０４８は、各記述対象ｓ_ｉがｃ個の記述対象集合における条件確率の平均確率Ｐ（ｓ_ｉ）を算出し、Ｐ（ｓ_ｉ）を大きい方から小さい方の順に配列させて、前Ｎ個の記述対象をテーブルＴの記述対象とすることができる。

別の例において、記述対象確定サブユニット２０４８は各記述対象ｓ_ｉがｃ個の記述対象集合における全条件確率の合計Ｐ（ｓ_ｉ）_ｓｕｍを算出し、Ｐ（ｓ_ｉ）_ｓｕｍを大きい方から小さい方の順に配列させて、前Ｎ個の記述対象をテーブルＴの記述対象とすることができる。

記述対象確定ユニット２０４により確定された各記述対象ｓ_ｉについて、記述対象関連属性確定ユニット２０６は、ＬＯＤから各記述対象ｓ_ｉの属性集合Ｐｓ_ｉを得て、属性集合Ｐｓ_ｉ中の各属性ｐ_ｓとテーブル中の列毎の属性ｐ_ｔとの類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）を算出し、類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）に基づいてテーブル中の記述対象に関連する列を確定することができる。例えば、類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）が所定の閾値より大きい場合、属性ｐ_ｔと記述対象ｓ_ｉとが関連すると見なす。

属性ｐ_ｓとｐ_ｔの類似度算出に使用可能な具体的な手段又は方式について当業者は熟知しているため、ここで詳しく説明しない。

一例示的な実施例において、記述対象関連属性確定ユニット２０６はさらに、各属性ｐ_ｓの値ｖ_ｓとテーブル中の列毎の実例ｖ_ｔとの類似度ｓｉｍ（ｖ_ｓ、ｖ_ｔ）を算出する。そして、類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）と類似度ｓｉｍ（ｖ_ｓ、ｖ_ｔ）の重み付け和を算出する。

ｓｉｍ＝ α^＊ｓｉｍ（ｐ_ｓ、ｐ_ｔ）＋（１−α）ｓｉｍ（ｖ_ｓ、ｖ_ｔ）、ここで、αは所定の係数である。

重み付け類似度ｓｉｍに基づいて、テーブル中の記述対象に関連する列を確定することができる。ｓｉｍが所定の閾値より大きい場合、属性ｐ_ｔと記述対象ｓ_ｉとが関連する。

一例示的な実施例において、記述対象関連属性確定ユニット２０６はさらに、テーブル列からある記述対象ｓ_ｉの関連属性が見つからなかった場合、該記述対象の属性集合中の属性がテーブル中の属性のいずれとも関連しないと判断し、該記述対象ｓ_ｉを無視することができる。

列属性確定ユニット２０２、記述対象確定ユニット２０４、記述対象関連属性確定ユニット２０６によってテーブルの記述対象と記述対象に関連する属性とが既に確定された場合、テーブル再構成ユニット２０８は確定された記述対象と記述対象に関連する属性とを用いてテーブルを再構成することができる。

本発明の一実施例に基づくテーブルを再構成する装置２００により、図１Ａが示すテーブルを再構成して、図１Ｂと図１Ｃ示すような構造が簡単で、記述対象が単一形式の二つの単一記述対象のテーブルにすることができる。

以上、本発明の実施例に基づくテーブルを再構成するための装置の説明において、一部の処理又は方法も開示されていることは明らかである。以下はこれらの方法の概説を述べるが、前文において既に検討された一部の詳細を重複しない。なお、テーブルを再構成するための装置の概説においてこれらの方法を開示しているが、これらの方法は必ずしも上記部品を用いると限らず、又はこれらの部品によって実行されるとも限らないことに注意すべきである。例えば、テーブルを再構成する装置の実施形態の一部又は全部をハードウエア及び／又はファームウエアによって実現することが可能であり、以下に検討するテーブルを再構成する方法をすべてコンピュータが実行可能なプログラムによって実現することも可能であり、これらの方法はテーブルを再構成する装置のハードウエア及び／又はファームウエアを用いることも可能である。

ここで説明すべきなのは、図２−３が示すテーブルを再構成する装置２００及びその構成ユニットの構造は例示に過ぎず、当業者は必要に応じて図２−３が示す構造ブロック図を変更することが可能である。

図４は本発明の一実施例に基づくテーブルを再構成する方法４００を示すフローチャートである。

まず、ステップＳ４０２において、テーブル中の列毎の属性を確定する。

具体的に、テーブルが列タイトルを有する場合、テーブルの列タイトルを語彙知識ベース中の属性とリンクさせて、対応する列毎の属性を得る。テーブルが列タイトルを有しない場合、正規表現式による識別、姓氏辞書による識別、住所知識ベースによる識別、地図検索エンジンによる識別、及び語彙知識ベース中の実体とリンクさせて識別する方法のうち一つ又は複数の識別方法を用いて、テーブル中の列毎の属性を確定する。

続いて、ステップＳ４０４において、確定された列毎の属性を語彙知識ベースとリンクさせることにより、テーブル中の記述対象を確定する。

図５は図４中のステップＳ４０４（確定された列毎の属性を語彙知識ベースとリンクさせることにより、テーブル中の記述対象を確定する）の一例示的なプロセスを示すフローチャートである。

図５が示すように、ステップＳ４０４２において、ステップＳ３０２で確定された列毎の属性に基づいて、実体を含む列の列数Ｎを得る。

ステップＳ４０４４において、列毎の属性に対応する記述対象集合を得る。

続いて、ステップＳ４０４６において、語彙知識ベースに基づいて、列毎の属性に対応する記述対象集合中の各記述対象を当該属性によって記述できる条件確率を確定する。

最後に、ステップＳ４０４８において、各記述対象の条件確率に基づいて、テーブルの記述対象を確定することができる。

一例として、各記述対象の条件確率に基づいてテーブルの記述対象を確定するステップは、各記述対象ｓ_ｉがｃ個の記述対象集合における条件確率の平均確率Ｐ（ｓ_ｉ）を算出し、Ｐ（ｓ_ｉ）を大きい方から小さい方の順に配列させて、前Ｎ個の記述対象をテーブルＴの記述対象とすることを含んでもよい。

別の例において、各記述対象の条件確率に基づいてテーブルの記述対象を確定するステップは、各記述対象ｓ_ｉがｃ個の記述対象集合における全条件確率の合計Ｐ（ｓ_ｉ）_ｓｕｍを算出し、Ｐ（ｓ_ｉ）_ｓｕｍを大きい方から小さい方の順に配列させて、前Ｎ個の記述対象をテーブルＴの記述対象とすることを含んでもよい。

ステップＳ４０４で確定された各記述対象ｓ_ｉについて、ステップＳ４０６において、ＬＯＤから記述対象ｓ_ｉの属性集合Ｐｓ_ｉを得て、属性集合Ｐｓ_ｉ中の各属性ｐ_ｓとテーブル中の列毎の属性ｐ_ｔとの類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）を算出し、類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）に基づいてテーブル中の記述対象に関連する列を確定することができる。例えば、類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）が所定の閾値より大きい場合、属性ｐ_ｔと記述対象ｓ_ｉが関連すると見なす。

一実施例において、さらに、各属性ｐ_ｓの値ｖ_ｓとテーブル中の列毎の実例ｖ_ｔとの類似度ｓｉｍ（ｖ_ｓ、ｖ_ｔ）を算出する。そして、類似度ｓｉｍ（ｐ_ｓ、ｐ_ｔ）と類似度ｓｉｍ（ｖ_ｓ、ｖ_ｔ）の重み付け和を算出する。

ｓｉｍ=α^＊ｓｉｍ（ｐ_ｓ、ｐ_ｔ）＋（１−α）ｓｉｍ（ｖ_ｓ、ｖ_ｔ）、そのうち、αは所定の係数である。

重み付け類似度ｓｉｍに基づいてテーブル中の記述対象に関連する列を確定することができる。ｓｉｍが所定の閾値より大きい場合、ｐ_ｔと記述対象ｓ_ｉが関連する。

一例示的な実施例において、さらに、テーブル列からある記述対象ｓ_ｉの関連属性が見つからなかった場合、該記述対象の属性集合中の属性がテーブル中の属性のいずれとも関連しないと判断し、該記述対象ｓ_ｉを無視してもよい。

最後に、ステップＳ４０８において、上記のステップＳ４０２−Ｓ４０６で確定されたテーブルの記述対象と記述対象に関連する属性に基づいて、テーブルを再構成することができる。

本発明の一実施例に基づくテーブルを再構成する方法４００により、図１Ａが示すテーブルを再構成して、図１Ｂと図１Ｃが示すような構造が簡単で、記述対象が単一形式の二つの単一記述対象のテーブルにすることができる。

テーブルを再構成する方法４００の各ステップの詳細について、図２−３に基づいて説明した本発明のテーブルを再構成する装置の実施例を参照できるため、ここでは詳しく説明しない。

本発明が提供するテーブル再構成装置と方法は、構造が複雑で、フィールドが重複し、複数の記述対象と属性を含むテーブルを再構成して、構造が簡単で、記述対象が単一形式の単一記述対象テーブルにすることにより、効率よく知識を取得する。

以上、具体的な実施例を用いて本発明の基本原理を説明したが、当業者であれば、本発明の方法と装置の全部又は任意のステップ若しくは部品を、任意のコンピュータ装置（プロセッサ、記憶媒体などを含む）又はコンピュータ装置のネットワークにおいて、ハードウエア、ファームウエア、ソフトウエア又はこれらの組み合わせによって実現可能であることを理解できる。これは、当業者が本発明の説明を読解し、自身のプログラミング基礎技能を応用すれば実現できることである。

従って、任意のコンピュータ装置において一つのプログラム又は一組のプログラムを実行することでも本発明の目的を実現できる。上記コンピュータ装置は周知の汎用装置であってもよい。従って、本発明の目的は、上記方法又は装置を実現するプログラムコードを含むプログラム製品を提供するだけでも実現できる。つまり、このようなプログラム製品も本発明に属し、またこのようなプログラム製品を記憶した記憶媒体も本発明に属する。言うまでのなく、上記記憶媒体は任意の周知記憶媒体、又は将来開発される可能性のある任意の記憶媒体であってもよい。

ソフトウエア及び／又はファームウエアによって本発明の実施例を実現する場合、記憶媒体又はネットワークから、専用のハードウエア構造を有するコンピュータ、例えば図６が示す汎用コンピュータ６００へ該ソフトウエアを構成するプログラムをインストールし、該コンピュータに各種プログラムがインストールされると、各種機能などを実現できる。

図６において、中央処理ユニット（ＣＰＵ）６０１は、読み出し専用メモリ（ＲＯＭ）６０２に記憶されているプログラム又は記憶部６０８からランダムアクセスメモリ（ＲＡＭ）６０３へアップロードされたプログラムに基づき、各種の処理を行う。ＲＡＭ６０３において、必要であれば、ＣＰＵ６０１が各種処理などを実行する際に必要なデータを記憶する。ＣＰＵ６０１、ＲＯＭ６０２とＲＡＭ６０３はバス６０４によって互いにリンクする。入力／出力インタフェース６０５もバス６０４にリンクする。

以下の部品が入力／出力インタフェース６０５にリンクする：入力部６０６（キーボード、マウスなどを含む）、出力部６０７（例えばブラウン管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）などのディスプレイ、スピーカーなどを含む）、記憶部６０８（ハードディスクなどを含む）、通信部６０９（ＬＡＮカードなどのネットワークインタフェース、モデムなどを含む。通信部６０９は例えばインタネットなどのネットワークを介して通信処理を行う。必要であれば、ドライブ６１０も入力／出力インタフェース６０５にリンクすることができる。脱着可能な媒体６１１、例えば磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどをドライブ６１０に実装し、必要に応じてその中からコンピュータプログラムを読み出して、記憶部６０８にインストールすることができる。

上記一連の処理をソフトウエアによって実現する場合、インタネットなどのネットワーク又は脱着可能な媒体６１１などの記憶媒体から、ソフトウエアを構成するプログラムをインストールする。

当業者は、上記記憶媒体が図６に示すような、プログラムを記憶し、装置と離れた形でユーザへプログラムを提供する脱着可能な媒体６１１に限定されないことを理解すべきである。脱着可能な媒体６１１の例として、磁気ディスク（フロッピディスク（登録商標））、光ディスク（光ディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）とデータ多目的ディスク（ＤＶＤ）を含む）、光磁気ディスク（ミニディスク（ＭＤ）（登録商標））と半導体メモリを含む。又は、記憶媒体はＲＯＭ６０２、記憶部６０８に含まれるハードディスクなどであって、その中にプログラムが記憶され、かつこれらを含む装置と一緒にユーザに提供されてもよい。

本発明はさらにマシンが読み出し可能な命令を含むプログラムを提供する。命令は装置に読み取られて実行される時、上記本発明の実施例による方法を実行することができる。

これに応じて、前記マシンが読み出し可能な命令のプログラムを乗せるための記憶媒体も本発明に含まれる。記憶媒体はフロッピディスク、光ディスク、光磁気ディスク、メモリカード、メモリスティックなどを含むが、これらに限定されない。

当業者は、ここで挙げた内容は例示であり、本発明がこれに限定されないことを理解すべきである。

本明細書における「第一」、「第二」及び「第Ｎ個」などの表現は、本発明を明確に説明するため、その特徴を文字記載で区別するものである。従って、これらの表現は何らの限定的な意味を持つものではない。

一例として、上記方法の各ステップ及び上記装置の各構成部及び／又はユニットをソフトウエア、ファームウエア、ハードウエア又はこれらの組み合わせによって実現し、かつ関連装置の一部とすることができる。上記装置の各構成部、ユニットをソフトウエア、ファームウエア、ハードウエア又はこれらの組み合わせ方式で構成する際に用いられる手段や方法について、当業者が熟知しているため、ここで省略する。

一例として、ソフトウエア又はファームウエアによって実現する場合、記憶媒体又はネットワークから、専用のハードウエア構造を有するコンピュータ（例えば、図６が示す汎用コンピュータ６００）へ該ソフトウエアを構成するプログラムをインストールし、該コンピュータに各種プログラムがインストールされた場合、各種機能などを実現できる。

以上に説明した本発明の具体的な実施例において、一つの実施形態によって説明及び／又は示された特徴を同じ又は類似する方式で一つ又はより多いその他の実施形態に応用し、その他の実施形態の特徴と組み合わせて、又はその他の実施形態の特徴を代替することができる。

なお、本文で使われる「含む／含まれる」という用語は特徴、要素、ステップ又は構成部の存在を意味するが、一つ又はより多いその他の特徴、要素、ステップ又は構成部の存在や付加を排除するものではない。

さらに、本発明の方法は、明細書に記載された時間順の実行に限定されず、その他の時間順に従って並行又は個別に実行されてもよい。従って、本明細書で説明した方法の実行順番は本発明の技術範囲を制限するものではない。

本発明及びその利点を説明したが、添付の請求の範囲によって限定される本発明の精神及び範囲内に、さまざまな修正、代替又は変換を施すことができる。かつ、本発明の範囲は明細書で説明されたプロセス、装置、手段、方法とステップの具体的な実施例に限定されない。当業者は本発明が開示した内容から、本発明に基づき、これらに対応する実施例と基本的に同じ機能を実行し、又はそれと基本的に同じ結果が得られる現有の又は将来的に開発可能なプロセス、装置、手段、方法又はステップを利用することが可能であることを簡単に理解できる。従って、添付の請求の範囲は、その範囲内にこれらのプロセス、装置、手段、方法又はステップも含まれることを意味する。

以上の説明からわかるように、少なくとも以下の技術方案が開示されている。

（付記１）
テーブル再構成装置であって、
テーブル中の列毎の属性を確定するように構成された列属性確定ユニットと、
確定された列毎の属性を語彙知識ベースとリンクさせることにより、前記テーブル中の記述対象を確定するように構成された記述対象確定ユニットと、
前記語彙知識ベースにおいて各記述対象の属性集合を確定して、前記テーブル中の列毎の属性と前記属性集合中の各属性との第一類似度を算出して、前記テーブル中の前記記述対象に関連する属性を確定するように構成された記述対象関連属性確定ユニットと、
前記記述対象と前記記述対象に関連する属性とを用いてテーブルを再構成するように構成されたテーブル再構成ユニットとを含む装置。

（付記２）
前記列属性確定ユニットはさらに、
前記テーブルが列タイトルを有する場合、前記テーブルの列タイトルを前記語彙知識ベース中の属性とリンクさせて、対応する列毎の属性を得、
前記テーブルが列タイトルを有しない場合、正規表現式による識別、姓氏辞書による識別、住所知識ベースによる識別、地図検索エンジンによる識別、及び前記語彙知識ベース中の実体とリンクさせて識別する方法のうち一つ又は複数の識別方法を用いて、前記テーブル中の列毎の属性を確定するように構成された、付記１に記載の装置。

（付記３）
前記記述対象確定ユニットは、
確定された列毎の属性に基づいて、実体を含む列の列数Ｎを得るように構成された実体列数確定サブユニットと、
前記列毎の属性に対応する記述対象集合を得るように構成された記述対象集合確定サブユニットと、
前記語彙知識ベースに基づいて、前記列毎の属性に対応する記述対象集合中の各記述対象を当該属性によって記述できる条件確率を確定するように構成された記述対象条件確率確定サブユニットと、
各記述対象の条件確率に基づいて、前記テーブルの記述対象を確定するように構成された記述対象確定サブユニットとを含む、付記１に記載の装置。

（付記４）
前記記述対象確定サブユニットはさらに、
各記述対象がすべての記述対象集合における条件確率の和又は平均条件確率を算出し、
各記述対象の条件確率の和又は平均条件確率を大きい方から小さい方の順に配列させて、前Ｎ個の記述対象を前記テーブルの記述対象とするように構成された、付記３に記載の装置。

（付記５）
前記記述対象関連属性確定ユニットはさらに、
前記テーブル中の列毎の実例と前記属性集合中の各属性の値との第二類似度を算出し、
前記第一類似度と前記第二類似度の重み付け和を求め、重み付け類似度を得て、
前記重み付け類似度が所定の閾値より大きい列の属性を前記テーブル中の前記記述対象に関連する属性と確定するように構成された、付記１に記載の装置。

（付記６）
前記記述対象関連属性確定ユニットはさらに、
前記記述対象の属性集合中の属性が前記テーブル中の属性のいずれにも関連しない場合、該記述対象を廃棄するように構成された、付記１に記載の装置。

（付記７）
前記列属性確定ユニットはさらに、
ある列中の実例が複数の属性に対応する場合、所定の条件に基づいて該列の属性を確定し、
所定の条件を満たさない場合、該列を無視するように構成された、付記１に記載の装置。

（付記８）
前記所定の条件として、複数の属性中のある属性に対応する実例の数がその他の属性に対応する実例の数より大きい場合、該属性を該列の属性と確定する、付記７に記載の装置。

（付記９）
再構成されたテーブルが単一記述対象テーブルである、付記１に記載の装置。

（付記１０）
テーブル再構成方法であって、
テーブル中の列毎の属性を確定するステップと、
確定された列毎の属性を語彙知識ベースとリンクさせることにより、前記テーブルの記述対象を確定するステップと、
前記語彙知識ベースにおいて各記述対象の属性集合を確定して、前記テーブル中の列毎の属性と前記属性集合中の各属性との第一類似度を算出して、前記テーブル中の前記記述対象に関連する属性を確定するステップと、
前記記述対象と前記記述対象に関連する属性とを用いて、テーブルを再構成するステップとを含む方法。

（付記１１）
テーブル中の列毎の属性を確定するステップは、
前記テーブルが列タイトルを有する場合、前記テーブルの列タイトルを前記語彙知識ベース中の属性とリンクさせて、対応する列毎の属性を得るステップと、
前記テーブルが列タイトルを有しない場合、正規表現式による識別、姓氏辞書による識別、住所知識ベースによる識別、地図検索エンジンによる識別、及び前記語彙知識ベース中の実体とリンクさせて識別する方法のうち一つ又は複数の識別方法を用いて、前記テーブル中の列毎の属性を確定するステップとを含む、付記１０に記載の方法。

（付記１２）
確定された列毎の属性を語彙知識ベースとリンクさせることにより、前記テーブルの記述対象を確定するステップは、
確定された列毎の属性に基づいて、実体を含む列の列数Ｎを得るステップと、
前記列毎の属性に対応する記述対象集合を得るステップと、
前記語彙知識ベースに基づいて、前記列毎の属性に対応する記述対象集合中の各記述対象を当該属性によって記述できる条件確率を確定するステップと、
各記述対象の条件確率に基づいて、前記テーブルの記述対象を確定するステップとを含む、付記１０に記載の方法。

（付記１３）
各記述対象の条件確率に基づいて、前記テーブルの記述対象を確定するステップは、
各記述対象がすべての記述対象集合における条件確率の和又は平均条件確率を算出するステップと、
各記述対象の条件確率の和又は平均条件確率を大きい方から小さい方の順に配列させて、前Ｎ個の記述対象を前記テーブルの記述対象とするステップとを含む、付記１２に記載の方法。

（付記１４）
前記テーブル中の前記記述対象に関連する属性を確定するステップはさらに、
前記テーブル中の列毎の実例と前記属性集合中の各属性の値との第二類似度を算出するステップと、
前記第一類似度と前記第二類似度の重み付け和を求め、重み付け類似度を得るステップと、
前記重み付け類似度が所定の閾値より大きい列の属性を前記テーブル中の前記記述対象に関連する属性と確定するステップを含む、付記１０に記載の方法。

（付記１５）
前記語彙知識ベースにおいて各記述対象の属性集合を確定して、前記テーブル中の列毎の属性と前記属性集合中の各属性との第一類似度を算出するステップはさらに、
前記記述対象の属性集合中の属性が前記テーブル中の属性のいずれにも関連しない場合、該記述対象を廃棄するステップを含む、付記１０に記載の方法。

（付記１６）
テーブル中の列毎の属性を確定するステップは、
ある列中の実例が複数の属性に対応する場合、所定の条件に基づいて該列の属性を確定するステップと、
所定の条件を満たさない場合、該列を無視するステップとを含む、付記１０に記載の方法。

（付記１７）
前記所定の条件として、複数の属性中のある属性に対応する実例の数がその他の属性に対応する実例の数より大きい場合、該属性を該列の属性と確定する、付記１６に記載の方法。

（付記１８）
再構成されたテーブルが単一記述対象テーブルである、付記１０に記載の方法。

２０２ 列属性確定ユニット
２０４ 記述対象確定ユニット
２０６ 記述対象関連属性確定ユニット
２０８ テーブル再構成ユニット
２０４２ 実体列数確定サブユニット
２０４４ 記述対象集合確定サブユニット
２０４６ 記述対象条件確率確定サブユニット
２０４８ 記述対象確定サブユニット
６０５ 入力／出力インタフェース
６０６ 入力部
６０７ 出力部
６０８ 記憶部
６０９ 通信部
６１０ ドライブ
６１１ 脱着可能な媒体

Claims (10)

1. テーブル再構成装置であって、
   テーブル中の列毎の属性を確定するように構成された列属性確定ユニットと、
   確定された列毎の属性を語彙知識ベースとリンクさせることにより、前記テーブル中の記述対象を確定するように構成された記述対象確定ユニットと、
   前記語彙知識ベースにおいて各記述対象の属性集合を確定して、前記テーブル中の列毎の属性と前記属性集合中の各属性との第一類似度を算出して、前記テーブル中の前記記述対象に関連する属性を確定するように構成された記述対象関連属性確定ユニットと、
   前記記述対象と前記記述対象に関連する属性とを用いてテーブルを再構成するように構成されたテーブル再構成ユニットとを含む装置。
2. 前記列属性確定ユニットはさらに、
   前記テーブルが列タイトルを有する場合、前記テーブルの列タイトルを前記語彙知識ベース中の属性とリンクさせて、対応する列毎の属性を得、
   前記テーブルが列タイトルを有しない場合、正規表現式による識別、姓氏辞書による識別、住所知識ベースによる識別、地図検索エンジンによる識別、及び前記語彙知識ベース中の実体とリンクさせて識別する方法のうち一つ又は複数の識別方法を用いて、前記テーブル中の列毎の属性を確定するように構成された、請求項１に記載の装置。
3. 前記記述対象確定ユニットは、
   確定された列毎の属性に基づいて、実体を含む列の列数Ｎを得るように構成された実体列数確定サブユニットと、
   前記列毎の属性に対応する記述対象集合を得るように構成された記述対象集合確定サブユニットと、
   前記語彙知識ベースに基づいて、前記列毎の属性に対応する記述対象集合中の各記述対象を当該属性によって記述できる条件確率を確定するように構成された記述対象条件確率確定サブユニットと、
   各記述対象の条件確率に基づいて、前記テーブルの記述対象を確定するように構成された記述対象確定サブユニットとを含む、請求項１に記載の装置。
4. 前記記述対象確定サブユニットはさらに、
   各記述対象がすべての記述対象集合における条件確率の和又は平均条件確率を算出し、
   各記述対象の条件確率の和又は平均条件確率を大きい方から小さい方の順に配列させて、前Ｎ個の記述対象を前記テーブルの記述対象とするように構成された、請求項３に記載の装置。
5. 前記記述対象関連属性確定ユニットはさらに、
   前記テーブル中の列毎の実例と前記属性集合中の各属性の値との第二類似度を算出し、
   前記第一類似度と前記第二類似度の重み付け和を求め、重み付け類似度を得て、
   前記重み付け類似度が所定の閾値より大きい列の属性を前記テーブル中の前記記述対象に関連する属性と確定するように構成された、請求項１に記載の装置。
6. 前記記述対象関連属性確定ユニットはさらに、
   前記記述対象の属性集合中の属性が前記テーブル中の属性のいずれにも関連しない場合、該記述対象を廃棄するように構成された、請求項１に記載の装置。
7. 前記列属性確定ユニットはさらに、
   ある列中の実例が複数の属性に対応する場合、所定の条件に基づいて該列の属性を確定し、
   所定の条件を満たさない場合、該列を無視するように構成された、請求項１に記載の装置。
8. 前記所定の条件として、複数の属性中のある属性に対応する実例の数がその他の属性に対応する実例の数より大きい場合、該属性を該列の属性と確定する、請求項７に記載の装置。
9. 再構成されたテーブルが単一記述対象テーブルである、請求項１に記載の装置。
10. テーブル再構成方法であって、
    テーブル中の列毎の属性を確定するステップと、
    確定された列毎の属性を語彙知識ベースとリンクさせることにより、前記テーブルの記述対象を確定するステップと、
    前記語彙知識ベースにおいて各記述対象の属性集合を確定して、前記テーブル中の列毎の属性と前記属性集合中の各属性との第一類似度を算出して、前記テーブル中の前記記述対象に関連する属性を確定するステップと、
    前記記述対象と前記記述対象に関連する属性とを用いて、テーブルを再構成するステップとを含む方法。

Images