JP2016515697A - ビジネスエンティティ用の地理的ロケールのデータの非決定性曖昧さ排除と質的エンティティマッチングのためのシステム - Google Patents

Abstract

（ａ）ロケーションを表すデータを受信し、（ｂ）前記データから、前記ロケーションに関連付けられたアドレスを推定し、（ｃ）前記アドレスを含む幹線道路の区分（セグメント）を識別し、（ｄ）前記区分（セグメント）の付近にある地理的な範囲を取り囲む境界を有するポリゴン（多角形）を定義し、（ｅ）前記ポリゴン（多角形）内の一地点の地理的座標を取得し、（ｆ）前記地理的座標におけるアドレスを識別し、（ｇ）前記地理的座標におけるアドレスに関連付けられたエンティティを識別する、ことを含む方法が提供される。また、前記方法を実現するシステムと、前記方法を実現するプロセッサを制御する命令を含む記憶装置と、が提供される。【選択図】図１Ａ

Description

本出願は、２０１３年３月１５日に出願された米国仮特許出願61/792,762の優先権を主張し、その内容を参照として含む。

本開示は、物理的なロケール（場所（locale））に対するビジネス（事業）の関連づけを定義するため、新しいアドレスベースのビジネス（new address-based business）の識別の様相性（モダリティ（modalities））（様相性（モダリティ（modalities）は、受容性（ケイパビリティ（capabilities））とも言われる。）を、標準のアドレスに関連づけられた受容性（standard address-related capabilities）を超えたメソッドを使用して、作成することに関連する。この場合、「様相性（モダリティ（modality））」の語は、異なって定義されたアドレスの様態（様相（manner））をいう。異なって定義されたアドレスとは、例えば、番地と通りの名前、緯度／横座標、またはビルの名前であり、同じ物理的なロケール（場所（locale））、またはロケーション（場所（location））に関連づけることができるものである。この受容性（ケイパビリティ（capability））は、エンドユーザ、システム、アプリケーション、または他のメソッド（method）によって開始された問い合わせに応えるために利用される。問い合わせは、アドレス情報を使用して、ビジネスエンティティを識別することを意図されたものである。アドレス情報は、問い合わせ属性であり、例えば、通りの名前、番地といった、データフィールドを１つ以上含む。この受容性（ケイパビリティ（capability））は、異なる非決定性アプローチを使用して達成される。異なる非決定性アプローチは、例えば、範囲、名前、ポリゴン（多角形）ベースの地理空間の曖昧さ回避を含む。ここでは、「非決定性」の語は、問い合わせの中で定義されるアドレス（住所（addresses））の様態（様相（manner））を意味する。様態（様相（manner））は、異なるデータコンポーネントを使用する複数の様態（様相（manner））の使用を含む。異なるデータコンポーネントは、フレキシブルで型にはまらない証明（しるし（indicia））として言及される。物理的なロケール（場所（locale））に関連づけられるアプローチは、予め定義されておらず、限定されていない。このような問い合わせの処理の結果は、問い合わせアドレスと関連する物理的なロケール（場所（locale））に対するビジネスのコネクション（つながり）を決定するため、推定される質（クオリティ（quality））、適合の様相性（modality of match）、他の属性を表すフィードバックを含む。

受容性（ケイパビリティ（capability））の一例は、ビジネスの物理的なロケーション（場所（location））とアドレスとは異なるロケール（場所（locale））と、ビジネスとの関連づけを可能にすることである。例えば、（ａ）物理的に横方向（水平）のロケーション（場所（location））とみなされるショッピングモール内のビジネス、（ｂ）物理的に縦方向（垂直）のロケーション（場所（location））とみなされる複数階のオフィスビル内のビジネス、または（ｃ）例えば、特定の税法上の土地の区画（tax lot）といった、境界ベースのエリア（perimeter-based area）に関連づけられたビジネスである。

このセクションで説明されるアプローチは、追求されるアプローチではあるものの、必ずしも、前もって、示され、または追求されたアプローチではない。このようなわけで、他の方法で示されるまでもなく、これらのアプローチは、この出願の請求項に対する従来技術ではなく、このセクションの内容により従来技術であるとみなされない。

効果的なデータベースアクセスと受容性（ケイパビリティ（capability））の探索は、参照データベース内に維持されているデータの効果的な利用のため重要である。この目的にとって重大なのは、適合結果、即ち、ロケール（場所（locale））の証明（しるし（indicia））を含む問い合わせに対する参照データの適合の結果、の効率的な検索に、効率的で効果的な様態（様相（manner））の適合結果を識別し、選択させ、そして、適合の結果の利用を考慮した決定をするために使用されるフィードバックを供給させることを可能にすることである。

地理的なロケール（場所（locale））におけるビジネスエンティティを識別することに特有の、従来技術は、データフィールドの特有で有限の数を考慮する。データフィールドは、例えば、登録され、発行され、あるいは関連づけられた、ビジネスエンティティの物理的な「通りのアドレス」である。従来技術では、一般的に、（ａ）ビジネスエンティティアドレス、即ち、ロケール情報、が一貫して表現され、そして、（ｂ）複数のテナントがいるビルの１つの通りのアドレスといったロケール（場所（locale））の特定の表現のための検索手法は、上述の地理的なロケール（場所（locale））の表現を共有するこれらの候補を検索することに必然的に限定されるということを前提としている。例えば、従来技術は、一般的に、「番地＋通りの名前＋市」の発見的比較（heuristic comparisons）に基づいている。発見的比較（heuristic comparisons）は、（ａ）問い合わせと候補との間の文字の類似、（ｂ）適合する文字の数、または、予め定義された正字法のバリエーションに起因する他の基本的な相関の情報（ハイフネーション、大文字への変換、単語の分割、句読点による区切り、知られている省略化、類義語の使用、を含む特定の言葉を綴る複数の方法といったもの）、あるいは、（ｃ）データコンポーネントを比較するために使用される他のアプローチ、に基づいて生じる正確性の見解である。結果として、従来技術では、ロケール（場所（locale））が異なる方法で表記できるとき、例えば、１つのロケーション（場所（location））が複数のアドレスを持つとき、満足のいく結果がもたらされないおそれがある。

他の例として、従来技術は、同じ物理的なロケール（場所（locale））に対して異なるアドレスを関連づけるため、緯度と経度とを使用しうる。これでは、あるロケール（場所（locale））が、広い地理的エリア、例えば、ショッピングセンターまたはモール、にまたがっているときに、満足のいく結果がもたらされず、そして、識別子としての緯度／経度の使用は、モールに関連付けられていないが同じ地理的エリア内にある不正確なエンティティを関連付けてしまうおそれがある。

従来の検索と適合のシステムと方法を向上させるため、（１）満足のいく候補を識別する機会を最大限とするための問い合わせの証明（しるし（indicia））を監督し、統合するために、問い合わせを扱うプロセス、（２）問い合わせ用の候補の適合を識別するために、１つまたは一連のデータベース上に維持されている参照データに、アクセスし、評価し、利用するプロセス、（３）候補を評価し、選択し、候補の優先順位を決めるプロセス、（４）問い合わせ者または問い合わせシステムに供給される適合の結果と適合経験を考慮したデータであり、問い合わせに対する適合の相対的な強度と、適合を伝播するために使用されるデータのフィードバックを指す属性と、を含むものを、問い合わせ者または問い合わせシステムに供給するプロセス、を含むニーズがある。

これらのニーズを満たすため、提供される方法は、（ａ）ロケーション（場所（location））を表すデータを受信すること、（ｂ）前記データから、前記ロケーション（場所（location））に関連付けられたアドレスを推定すること、（ｃ）前記アドレスを含む幹線道路の区分（セグメント（segment））を識別すること、（ｄ）前記区分（セグメント（segment））の付近にある地理的な範囲（region）を取り囲む境界を有するポリゴン（多角形（polygon））を定義すること、（ｅ）前記ポリゴン内の一地点の地理的座標を取得すること、（ｆ）前記地理的座標におけるアドレスを識別すること、（ｇ）前記地理的座標におけるアドレスに関連付けられたエンティティを識別すること、を含む。また、前記方法を実現するシステムと、前記方法を実現するプロセッサを制御する命令を含む記憶装置と、が提供される。

本開示は、先行技術から発展したものであり、ここで開示されるプロセスの目的は、属性として問い合わせロケール（場所（locale））を有しているこれらのビジネスエンティティを識別することである。１以上のビジネスエンティティにおいて、入力問い合わせデータが、推定上のアドレスエンティティ「ロケール」の説明であるときに、範囲、名前、地理空間の曖昧さ回避、フレキシブルで型にはまらない証明（しるし（indicia））といった値に基づくような識別が、なされる。

本ドキュメントは、人の介在なしの、機械的な適合、即ち、問い合わせに対する参照データの適合、において差別化するための自動化システムと方法を開示する。よって、一貫性と拡張性が可能となり、正確なデータの受託責任に効果的な洞察的な、または、追加のリサーチが要求される状況に人を集中させることできる。「拡張性（scalability）」の語は、このアプローチが、技術解決のための特定の技術により限定されないことを意味する。

ここで説明される技術は、先行技術により対処されなかった受容性（ケイパビリティ（capability））を含む。とりわけ、ここで説明される技術は、地理上のロケール（場所（locale））に関連づけられた予測されるデータ要素または他の生成された証明（しるし（indicia））の、アクセス（access）、リテンション（保持力（retention））、高価値の利用（use of high-value）、のフレキシビリティ（柔軟性）を提供する。予測されるデータ要素または他の生成された証明（しるし（indicia））は、適合プロセスで使用されるため、前もって、有効とされ、ロケール（場所（locale））と、ロケール（場所（locale））の特定の文字列、証明（しるし）、またはトークン、のデータベースに集計されたものである。ここで説明される技術は、データ要素が、データの相対価値を考慮して、データベースに対していつ利用可能となるか、データが適合と関連づけられた属性を識別する適合経験にどのように使用されるか、が決定されるためのフレキシビリティ（柔軟性）を許容する。適合と関連づけられた属性の識別は、エンドユーザにより、データと生成された証明の使用の決定がなされるため使用される。

地理的な場所に関連づけられたエンティティを検索する方法のフローを示す図である。 地理的な場所に関連づけられたエンティティを検索する方法のフローを示す図である。

実施の形態で説明する方法を採用するシステムのブロック図を示す。

続くいくつかの段落では、ここで使用されるいくつかの語を説明する。

ロケール（場所（locale））は、物理的な場所であり、異なる様態（様相（manner））において表される複数のアドレスを含み得る。また、ビジネスまた住居といったエンティティに関連づけられたアドレス、物理的な建物または運用されているビジネスがないアドレス、あるいは、物理的なロケーション（場所（location））の組み合わせを含み得る。

範囲（range）は、“123 - 131 Main Street”といった、物理的なアドレス間の地理的な距離に基づくアドレスの関連づけの様態（様相（manner））である。

名前は、例えば、“1 New York Plaza”、 “The Mall at Short Hills”といった、標準的なアドレスを超えたビルの名前によるビジネスのロケール（場所（locale））を識別する様態（様相（manner））である。

ポリゴン（多角形）ベースの地理的な曖昧さ回避は、数式とアルゴリズムとを使用して、複数のアドレス間の地理的な近接の決定方法である。これは、全地球測位システム（ＧＰＳ）といった地理情報システム（ＧＩＳ）の背景となる基本的なコンセプトである。

境界ベースのエリア（セグメンテーションとも言われる）は、異なるアドレスを共通のロケール（場所（locale））の識別子に関連づけるためのアプローチである。例えば、複数のビジネスを備える団地またはビジネスキャンパス（ビジネスエリア）、複数のビル、特定の税法上の土地の区画（tax lot）、オープンエリア、または同様のユニットである。

様相性（モダリティ（modality））の識別は、番地と通りの名前とに基づいた問い合わせアドレスと特定の緯度と経度とを有するアドレスと、といった異なる２つの値の類似度の決定方法である。これは、両方のデータの値自体だけでなく、それらの値を考慮したメタデータも含む。データについての記述的なデータであるメタデータの一例は、この場合、問い合わせの名前と番号とが通りのアドレスであることを示す。

適合の様相性（モダリティ（modality））は、その分野の経験者によく知られているプロセスを使用して、データベースあるいは他のソースからのデータを識別するため、問い合わせからのデータを使用して実行される異なるプロセスに関連する。これは、「適合」、「検索」、「ルックアップ」または問い合わせとデータベースまたは他のソースとを関連づける他のプロセスを含む。

証明（しるし（indicia））は、データを引き合いに出す一般的な語である。代替の証明（alternative indicia）は、特徴を識別するために使用され得る異なるデータであり、例えば、「州（プロヴィンス（province））」は「州（ステート（state））」の代替値として使用され得る。生成された証明は、他のデータから、求められ、または、推測される情報である。例えば、緯度と経度は、通りのアドレス、都市、州から生成される。

柔軟さは、エンティティの特徴またはエンティティについての問い合わせを識別するために使用される証明のタイプが、異なる問い合わせまたはエンティティによって異なってもよいということを意味する。

フィードバックは、適合経験の結果に関する情報であり、適合経験の推測される質と結果である。フィードバックは、経験の結果の開示についての決定をエンドユーザが行うことを可能にするために使用され得る。

参考用のデータベースは、例えば、データの整合性、完璧さ、正確さ、瞬時性（適時性）といったデータを考慮した質ベースの基準に見合ったデータの保管場所である。「参照データベース」の語は、１以上のこのような保管場所に関連し得る。

計画（strategy）は、問い合わせの受け付け、参照データベースからの候補を識別するための問い合わせデータの使用、エンドユーザが受付可能な参照データべースからの候補の提供、のためのアプローチである。

ここで使用される「ビジネス」のコンセプトは、あるロケール（場所）におけるエンティティのタイプの例である。しかし、本開示では、エンドユーザが興味を持ち得るエンティティのタイプに限定されるものではない。他の例として、住宅、特定の税法上の土地の区画（tax lot）、住宅団地を伴わないオープンエリア等が含まれる。

ここで説明されるシステムは、（ａ）特定の地理的なロケール（場所）に関連づけられたエンティティの検索を開始するための問い合わせを受信し、（ｂ）検索を実行する計画を決定するため問い合わせを使用し、（ｃ）地理的なロケール（場所）に関連づけられた候補のエンティティを識別し、（ｄ）問い合わせに関連する候補の程度と質を含むプロセスについての、エンティティと関連する情報を出力する。

ここで説明される例は、エンティティ名とアドレスデータの両方を含む問い合わせを想定する。これは例であり、この受容性（ケイパビリティ（capability））は、問い合わせアドレスに関連づけられた他のアドレスを識別するためのアドレスのみを含む問い合わせ、または、問い合わせアドレスと問い合わせアドレスに関連づけられた他のアドレスとにおけるエンティティを処理するため使用される。こうして、問い合わせは、特定のビジネスを探すための名前とアドレス、あるいは、そのアドレスにおける複数のビジネスを探すための１つのアドレスだけを含む。

図１Ａと図１Ｂは、いずれも、地理的なロケール（場所）に関連づけられたエンティティを検索するメソッド（方法）１００のフローチャートである。図１Ａは、コネクタラベルＡ１によって、図１Ｂに連結されている。

簡潔にいうと、メソッド１００は、ユーザ１０１からの問い合わせ１００を受信し、プロセス１２０、１３０、１４０を実行して、ロケール（場所（locale））と関連するエンティティを、抽出し、生成し、識別し、適切とみなす。ロケール（場所（locale））と関連するエンティティは、プロセス１５０、１６０、１７０、１８０を使用した候補検索のために提出される。一連のプロセスは、複数の適合するレコードを検索してもよい。適合するレコードは、プロセス１８１で、重複が除かれ、精錬（精査（refine））され、プロセス１９３と１９４で、客観的かつ内々に、質的にスコア付けされる。生成された出力、即ち、結果１９６は、プロセス１９５でユーザ１０１に返される。

プロセス１００は、プロセスルール１３５、地理的エンティティ属性テーブル１３７、押出成形ルール１４５、区分参照データベース１５５、地理的座標参照データベース１６５、ビジネスエンティティ参照データベース１８５、候補リスト１８９、スコアリングルール１９０、ランキングルール１９１、決定ルール１９２を使用する。

地理的エンティティ属性テーブル１３７は、識別可能な属性、即ち、地理的なロケール（場所（locale））を識別することができるデータに関連づけられたデータフィールド、のテーブルである。

押出成形ルール１４５は、入力値に基づいた特定の実行可能なアドレスを定義するために使用されるロジックを含む。例えば、米国では、通りの片側のアドレスはすべて奇数又は偶数である。

区分参照データベース１５５は、特定のロケール（場所）、例えば、交差点といった重要な地点の間の道路または他の幹線道路に隣接するするセクション（地区）、に関連する情報を含む。

地理的座標参照データベース１６５は、特定のアドレスを表すための地理的座標を表現する地理的情報、例えば、緯度と経度、を含む。

ビジネスエンティティ参照データベース１８５は、特定のアドレスに関連づけられたビジネスエンティティのリストである。

候補リスト１８９は、ビジネスエンティティ参照データベース１８５からのビジネスのリストを含む。ビジネスは、地理的座標参照データベース１６５から識別されるアドレスとロケール（場所）に物理的に位置している。

スコアリングルール１９０は、問い合わせ１１０との類似性に基づいて、候補リスト１８９の各アイテムに対して質的なスコアを割り当てるために使用されるルールを含む。

ランキングルール１９１は、スコアリングルール１９０から引き出されたスコアに基づいて、候補リスト１８９上のアイテムをどのようにランクづけるか、を決定するルールを含む。

決定ルール１９２は、ランキングルール１９１から引き出されたランキングに基づいて、候補リスト１８９からどのアイテムがユーザに対して提示されるべきかを決定するルールを含む。

問い合わせ１１０は、特定のロケール（場所）についての情報の検索を開始するリクエストである。検索は、問い合わせ１１０に含まれる証明（しるし（indicia））に基づく。問い合わせ１１０は、複数のデータ要素を含み、データ要素は、順に、全ての、または、サブセットのデータフィールドの単語（ターム）のロケール（場所（locale））を考慮した特定の情報と、プロセス１００と結びつけられるシステムまたはアプリケーションにより、エンドユーザから要求されたデータフィールドと、また、もしかすると、ロケール（場所）を考慮した、追加されかつ仮想の無制限の証明と、を含む。問い合わせ１１０は、ユーザ１０１、即ち、人間のユーザまたは自動化されたプロセスにより、例えば、バッチマシンのケイパビリティ（capabilities）を使用して提出されたファイルから、または、オンラインデータエントリースクリーンを使用して処理された個別の問い合わせから、メソッド１００に供給される。問い合わせ１００は、１以上のデータ要素から構成される問い合わせ証明を含む。例えば、問い合わせ証明は、番地、通りの名前、都市、の１つの連結されたフィールドとして、あるいは、（１）番地、（２）通りの名前、（３）都市、の分離したデータフィールドとして表現される。

表１に、問い合わせ１１０が分離したデータフィールドを含む例を示す。

メソッド１００は、プロセス１２０を開始する。

プロセス１２０は、問い合わせ１１０を受信し、問い合わせ１１０は、ロケ−ション（場所）を説明するデータ、即ち、問い合わせ証明を含む。プロセス１２０は、問い合わせ証明から、共通フォーマット、即ち、データ１２２を構築し、変換する。

例として、表２にデータ１２２が含む情報を示す。

メソッド１００は、プロセス１２０から、プロセス１３０へ進む。

プロセス１３０は、データフィールドのひとつまたは複数を使用することにより、ビジネスエンティティ参照データベース１８５から適合するものを識別する機会を強化するために、データ１２２を解析して、地理的エンティティ属性テーブル１３７の属性と関連づけられた特定のデータフィールドを識別する。例えば、通りの名前（Main Street）と番地（121 - 131）を分ける。この観点では、プロセス１３０は、データ１２２から問い合わせに類似する候補の検索に関連した属性を抜き出し、このようにして、属性１３２の値が作り出される。

上述のように、地理的エンティティ属性テーブル１３７は、地理学的なロケール（場所）を識別することができるデータに関連づけられた認識可能な属性、即ち、データフィールド、のテーブルである。地理的エンティティ属性テーブル１３７は、K（ｘ）の計算をサポートするため、各属性（ｘ）に対する予測される重み付けに割り当てられたデータと、各属性に関連づけられた他の情報を含む。ここで、K（ｘ）は、要素ｘの予測された重み付けである。

例として、表３に、地理的エンティティ属性テーブル１３７が含む情報を示す。

例として、表４に、属性１３２が含む情報を示す。

プロセス１３０は、属性１３２を解析するため、プロセスルール１３５を使用し、また、後にプロセスルール１３５に格納される新しいビジネスとメタデータルールとを考案（定式化（formulate））するための入力を供給し得る。プロセス１３０の将来の実行は、新しいプロセスルールを使用してなされる。

例えば、メタデータルールは、米国のアドレスについて言えば、頭文字の２文字のフィールドは、州の省略形であること、あるいは、数字を従えたアルファベットフィールドは通りの名前であること、を指してもよい。

プロセスルール１３５は、アドレスの各コンポーネントのための問い合わせ証明を解釈するための意味的かつ数値的な曖昧性回避ロジックを含む標準化と正規化されたプロセスに基づいて、自動化され、反復可能なアドレスエンティティとメタデータルールを含む。表５に、標準化、正規化のためのプロセスルール１３５の一例を示す。

例として、表６に、プロセスルール１３５用の新しいルールに含まれる情報を示す。

プロセスルール１３５は、属性１３２のすべてのコンポーネントをデータクレンジング（データクリーニング）、構文解析、標準化するための情報を含む。

データクレンジング（データクリーニング）は、データ１２２から、句読点、意味をなさない文字列の形式、といった異質の値を削除することを含む。例えば、通りの省略形の句読点、あるいは、コンマとハイフン、あるいは、デリミタ（区切り）として使用されるキャリッジリターンである。

表７に、プロセスルール１３５用のクレンジングルールに含まれ得る情報を示す。

構文解析は、問い合わせ１１０のためのアドレスエンティティの、適合及び／又は関連づけを識別する機会を増やすための分割データ１２２を含む。構文解析は、問い合わせ証明を、分割されたデータ要素に構文解析することを含んでもよく、例えば、アドレスを、意味を持つ構成要素に分割してもよい。

一例として、表８にプロセスルール１３５用の構文解析ルールに含まれる情報を示す。ここでは、郵便番号と州の連結された値が、２つの値に分けられた様子を示す。

標準化は、適合を識別する機会を増やすため、代替値をデータ１２２に関連づけることを含む。

一例として、表９にプロセスルール１３５用の標準化ルールに含まれる情報を示す。

メソッド１００は、プロセス１３０からプロセス１４０へ進む。

プロセス１４０は属性１３２を、組み合わせ、コレクション、及び／又は別個の要素として、処理し、複数の潜在的なアドレスエンティティをオリジナルの問い合わせ属性１３２から生成するために、押出成形ルール１４５を使用する。このようにして、押出成形値１４２が作り出される。このようにして、プロセス１４０は、属性１３２から、問い合わせ１１０が提示するロケーション（場所（location））に関連づけられた１つ以上のアドレスを推定する。推定手段は、意見を形成し、または、知られた事実からの何らかの見積もり（評価）を作る。「推定」と「押出成形」の語は、ここでは、交互に使用される。アドレスの推定の一例は、“121-131 Main Street”から“123 Main Street”の生成である。この例では、推定は、問い合わせ１１０からのデータ抽出以上のものであり、例えば、“140 Main street”は、問い合わせ１１０の明白な列挙ではなく（明白な列挙の例は“131 Main Street”）、それにより本質的に暗示されたものでもない（本質的な暗示の一例は“123 Main Street”）が、推定は、属性１３２のプロセス１４０による解析の結果として、“140 Main street”をさらに推定することを含んでもよい。

プロセス１４０は、例えば、範囲として表現される通りのアドレスについて、アドレスの本質の発見的問題解決アルゴリズムベースの計算（見積もり（calculation））を使用する。このケースでは、どのアドレスが有効であるかを示すガイダンス、例えば、特定の通りの同じ側の奇数だけ、が供給される。例えば、米国では、ある通りの片側のアドレスはすべて、奇数又は偶数であり、ダッシュによって２つに分割された数値[WM:?]は、開始地点と終了地点であることが知られているので、発見的問題解決アルゴリズムベースの計算（見積もり（calculation））は、開始アドレスと終了アドレスの間にあり、開始アドレスと終了アドレスが奇数または偶数であるかに基づいて、すべて奇数又は偶数になる潜在的な他のアドレスがあると決定する。押出成形値１４２は、ビジネスエンティティ参照データベース１８５からの候補を識別するため、プロセス１７０において使用される、追加の問い合わせ証明である。

一例として、表１０に、押出成形ルール１４５用の押出成形ルールに含まれる情報を示す。

メソッド１００は、プロセス１４０から１５０へ進む。

プロセス１５０は、押出成形値１４２を受信し、そのアドレスを含む幹線道路の区分（セグメント（segment））を識別する。つまり、プロセス１５０は、区分参照データベース１５５を参照して、押出成形値１４２に含まれているアドレスのそれぞれに関連づけられているアドレスの区分（セグメント（segment））を計算する（見積もる）。（アドレスの区分（セグメント（segment））は、即ち、十字路といった、重要な地点の間の道路または幹線道路に隣接したセクション（地区）であり、重要な地点は、たびたび、他の区分（セグメント（segment））の終端となる。）それから、区分参照データベース１５５から、これらの区分（セグメント）それぞれに関連づけられた１又は複数のアドレスを検索し、アドレスデータ１５２として出力する。アドレスデータ１５２は、通りのアドレスと緯度と経度といった地理的なロケーションデータの両方を含む。（この地理的なデータは、「ジオコード」または「ジオデータ」とも言われる。）区分参照データベース１５５は、地理的なエリアによりアドレスに関連するデータを含み、「境界」と、「境界参照データ」と知られるコレクション周辺ベースのデータに言及する。この観点では、プロセス１５０は、区分（セグメント）に近接する地理的な領域を取り囲む境界を有したポリゴン（多角形）を定義する。

表１１に、区分参照データベース１５５の区分（セグメント）参照データの一例を示す。

表１１は、属性のコレクションとしての、特定の区分（セグメント）（最初のカラムに示される）に沿って存在するアドレスの例を示す。属性のコレクションは、番地の範囲（カラム４〜６）、通りの名前（カラム３）、区分（セグメント）の終端のデカルト座標（カラム５と６にエンコード（符号化）されたフォーマットを示す）を含む。

表１２に、区分参照データベース１５５が備える境界参照データの一例を示す。

表１２は、境界参照データの代表例であって、境界参照データは、各境界の固有の識別子（カラム１）、境界のタイプの説明（カラム２）、境界のデカルト座標の符号化のバージョン（カラム３）を備える。

ポリゴン（多角形）の定義のため、プロセス１４０と１５０により実行される処理のいくつかを再び考える。プロセス１４０は、推定プロセスの間、アドレスに関連づけられた第１属性を取得する（例えば、123 Cecil Avenueは、区分（セグメント）の１つの終端のアドレスである）。プロセス１５０は、区分（セグメント）を識別するとき、区分（セグメント）に関連づけられた第２属性を取得する（例えば、区分（セグメント）上のアドレスは、アドレスに関連づけられた階数を有する）。それから、プロセス１５０は、ポリゴン（多角形）を定義するため、第１属性と第２属性とに基づいてポリゴン（多角形）のサイズと形とを定義する。プロセス１５０のポリゴン（多角形）の定義の例は、区分（セグメント）の全長にわたるように、ポリゴン（多角形）の片側を構成するよう、第１属性と第２属性とを使用する。

上述のように、複数階のビルは、垂直方向のロケーション（場所（location））として表される。この場合、プロセス１５０は、ただポリゴン（多角形）を定義するのではなく、代わりに第１属性と第２属性に基づいてポリへドロン（多面体）を定義する。ポリゴン（多角形）はポリへドロン（多面体）の断面である。プロセス１５０のポリへドロン（多面体）の定義の例は、区分（セグメント）に関連づけられた階数の最大値に基づいて評価を算出するため、ポリへドロン（多面体）を構成するよう、第１属性と第２属性とを使用する。

メソッド１００は、プロセス１５０からプロセス１６０へ進む。

プロセス１６０は、アドレスデータ１５２を受信し、ポリゴン（多角形）の一地点の地理的座標を取得し、地理的座標のアドレスを識別する。つまり、プロセス１６０は、地理的座標参照データベース１６５を参照し、アドレスのそれぞれについて地理的座標（例えば、緯度と経度）を読み出し、それから、ビジネスエンティティ参照データベース１８５から、これらの座標のそれぞれに関連づけられている１又は複数のアドレスを読み出す。このようにして、アドレスデータ１６２が作り出される。この方法で、プロセス１６０は、押出成形値１４２のために他に存在するアドレスを識別する。

表１３に、プロセス１６０によりアドレスデータ１５２から識別されるアドレスデータ１６２の他のアドレスと、座標参照データベース１６５の例を示す。

メソッド１００は、プロセス１６０からプロセス１７０へ進む。

プロセス１７０は、入力アドレスデータ１６２を受信し、地理座標におけるアドレスに関連づけられたエンティティを識別する。より具体的には、プロセス１７０は、アドレス１６２のアドレスの属性であるジオコード（緯度と経度といった、地理的ロケーション（場所（location））に付属するデータ）のセットを受信し、ビジネスエンティティ参照データベース１８５から適合プロセスの様々な様相性（モダリティ（modalities））の採用により、これらのアドレスに関連づけられたビジネスの読み出しを実行する。このようにして、アドレスデータ１７２が作り出される。ビジネスエンティティ参照データベース１８５は、プロセス１６０からのアドレスの結果それぞれに関連づけられたビジネスを有していてもよいし、有していなくてもよい。

プロセス１７０の出力は、アドレスデータ１７２を作成するための、アドレスデータ１６２に対するビジネスエンティティデータの属性である。

ビジネスエンティティ参照データベース１８５から、プロセス１６０の結果のアドレスを採用して、検索され、アドレスデータ１７２に加えられた、アドレスデータのサブセットの一例を、表１４に示す。「ＨＱ」は、「本社（headquarters）」の省略形である。

メソッド１００は、プロセス１７０からプロセス１８０へ進む。

プロセス１８０は、アドレスデータ１７２を受信し、入力としてのアドレスデータ１７２のアドレスを使用して、ビジネスエンティティ参照データベース１８５の候補を判別する（即ち、アドレスデータ１７２のアドレスに関連づけられたエンティティと同様のエンティティ）ために様々な方法論（方法）（文字ベースのルックアップといった）を採用する。このようにしてデータセット１８２が作り出される

表１５に、プロセス１８０により、ビジネスエンティティ参照データベース１８５から、生成されたデータセット１８２の一例を示す。

プロセス１８１は、定義された基準のセットを１つ以上満たすまで、例えば、検索の繰り返しが一定の量的レベルと質的レベルを下回るまで、再帰的な方法でプロセス１５０からプロセス１８０のインスタンスを生成する再帰的なプロセスである。その結果は、候補リスト１８９である。

表１６は、プロセス１８１で使用され得る量的及び質的な基準の例である。

メソッド１００は、図１Ｂに示すように、プロセス１８０から１９３へ進む。候補リスト１８９を、図１Ａと図１Ｂの両方に示す。

プロセス１９３は、候補リスト１８９を受信し、候補の質的に区別されたリストを作るためスコアリングルール１９０を使用する。このようにしてリスト１９３Ａが作り出される。スコアリングルール１９０の一例は、とりわけ以下に基づいたスコアを使用して差別化する。（ａ）検索の様相性の本質。検索の様相性は、候補リスト１８９の特定のアドレスエントリまたはビジネスエントリを含めるため、プロセス１５０からプロセス１８０において使用される。（つまり、候補リスト１８９の別個の候補の判別において、どのメソッドまたはメソッドの組み合わせが採用されたか。）（ｂ）様相性（モダリティ）の検索に使用された推定（例えば、特定のアドレスが、問い合わせ１１０、または、再帰的プロセス１８１の前の繰り返しにおいて検索された代わりのアドレスに対して、アドレス検索の様相性（モダリティ）の直接操作により、検索されたか。）または、抽出（例えば、問い合わせ１１０に関連づけられた名称上の座標のセットから検索されたアドレスまでのメートルによる距離）の範囲。

プロセス１９３は、候補リスト１８９の各エンティティのための重み付けサブスコアのセットを作り出すために、地理的エンティティ属性テーブル１３７とスコアリングルール１９０に基づいた相対的な重み付けアプローチを採用する。サブスコアは、質的ランキング候補リスト１８９において使用される。この重み付けは、メタデータと実際のデータ値を考慮した複数の特徴を考慮し、このため、候補の重み付けは、候補をつくるための反復シーケンスといった基準を考慮する。反復シーケンスは、候補、候補の判別において使用される検索の様相性（モダリティ）（そして、候補は、検索の様相性の組み合わせ、繰り返し階数等の組み合わせに対するスコアが割り当てられたマトリックスを含んでいてもよい）、そして、候補リスト１８９上の各エントリとソースとなる問い合わせ１１０との間の類似の他の質的な評価（例えば、問い合わせ１１０の通りの名前と候補リスト１８９のエントリ間の編集距離（edit distance）の基準）、を生成する。例えば、セグメンテーション解析（プロセス１５０）と名前ベースの検索（プロセス１７０とプロセス１８０）の両方を使用して、検索された候補Ｃ_１は、サブスコアＳ_１用のスコア１００を受信する。一方で、地理的座標ベースの検索（プロセス１６０）を使用して検索された候補Ｃ_２は、サブスコアＳ_１用のスコア９０の受信のみを行う。

表１７は、スコアリングルール１９０とプロセス１９３により使用される重み付けサブスコアの一例である。

上記の表では、カラム１は、候補リスト１８９の候補を示し、残りのカラムは、候補の判別における検索の様相性（モダリティ）の相互作用に基づくスコア（カラム２）、候補アドレスのビルの密度の評価（カラム３）、複数の地理的なロケーション（場所（location））の方法論（方法）によるアドレスの確証の度合い（カラム４）、候補を判別するために採用された特定の検索方法論（方法）に関連づけられた推定又は抜き取りのレベルを表示するスコア（カラム５）を表す。

各候補のため、プロセス１９３で生成されたサブスコアのセット（表１７に例示）は、ランキングルール１９１を使用して、並べ変えられ、スコア付けされる。

表１８に、ランキングルール１９１の実行の最終的な出力の一例を示す。

メソッド１００は、プロセス１９３からプロセス１９４へ進む。

プロセス１９４は、スコア付けされた候補リスト、即ち、リスト１９３Ａ、をプロセス１９３から受信し、ランク、スコア、サブスコア、あるいはこれらの組み合わせが、決定ルール１９２に定義された内包及び／又は排除の基準を満たさない候補を削除することで、リスト１９３Ａを精錬（精査）する。このようにして、リスト１９４Ａが作られる。

表１９に、プロセス１９４で使用されるスコア付けの要素の相対的重み付けの一例を示す。

表２０は、プロセス１９４の内包／排除ルールの一例である。

表２１は、プロセス１９４の結果、即ちリスト１９４Ａの一例である。

メソッド１００はプロセス１９４からプロセス１９５へ進む。

プロセス１９５は、リスト１９４Ａ、即ち、候補Ｃ_１…Ｃ_Ｔの資格要件を満たしたリスト、を受信する。Ｃ_Ｔは、メソッド１００により返される結果の内包となることが可能とみなされる最低基準の候補である。

表２２は、結果候補リスト１８９の一例である。候補Ｃ００２とＣ００３は、いずれものスコアも、質的に許可される基準を満たしたが、ルール実行に失敗したため含まれていない。

プロセス１９５は、候補リスト１９７とフィードバック１９８を含む結果１９６を組み立て、返す。フィードバック１９８は、問い合わせ１１０と候補リスト１９７の各候補との間の類似性の度合いを考慮した情報である。

フィードバック１９８は、結果１９６に含まれおり、候補リスト１９７、例えば、最善の候補Ｃ_ｎが、問い合わせ１１０に起因するアドレスロケーションに位置するビジネスエンティティであることの確度のレベル、の各候補の質を示す。フィードバック１９８は、また、データ１２２の各フィールドと候補リスト１９７の各候補の各コンポーネントとの間の相対的な相関により表現される、類似の相対的な度合いとを含んでもよい。フィードバックは、ビジネスエンティティ参照データベース１８５に候補リスト１９７の各候補のコンポーネントを投入するために使用されるともに、特定のデータのソースも含む。

表２３は、フィードバック１９８の一例である。

表２３は、ビジネスエンティティ（カラム１）、当該エンティティに関連づけられたアドレス（カラム２）、候補リスト１９７の候補に対するアドレスの類似度を表すスコア（カラム３）、類似の本質（相関とも言われる）を表す組み込まれた意味を備えた文字列（カラム４）、アドレスの属性を説明する組み込まれた意味を含む文字列（カラム５）を示す。

このようにして、簡単に言うと、メソッド１００は、１）特定の地理的なロケール（場所（locale））にそれぞれ関連づけられているビジネスエンティティの検索を開始するための問い合わせを受信すること、２）問い合わせをデータクレンジング（データクリーニング）し、構文解析し、正規化すること、３）問い合わせアドレスに基づいて追加のアドレスを押出成形すること、４）ひとつ又は複数の、データクレンジング（データクリーニング）され、構文解析され、正規化された問い合わせ証明（しるし（indicia））に基づいて、参照データベースを検索する最適な方法を決定すること、５）候補を検索し、問い合わせに適合する参照データベースのエンティティを選択すること、６）問い合わせ、または問い合わせから生成されたデータに対する類似の度合いに基づいて参照データベースから候補を、類似の度合いを考慮したフィードバックとともに、返すこと、を含む。

プロセス１００は、１）複数の要素を有する検索文字列を含む入力データを受信し、２）複数の要素のサブセットを、単語（ターム）のセットに変換し、３）格納された参照データを、入力データに適合する最も近い候補を識別する用語に基づいて、検索し、４）問い合わせの一部と予測されるデータと、エンドユーザから供給される代替のデータと、問い合わせデータから生成されたデータと、を含む、エンドユーザの問い合わせに基づいたフレキシブルな証明を使用して、適合する候補のセットを識別する可能性の予測を推測し、５）推測される予測に基づいて、１以上の適合する候補を選択し、６）適合結果と、エンドユーザが結果をどのように使用するかを決定できるようにするフィードバックとを供給する、ステップを含む。

メソッド１００は、有限の、しかし、一時的に無限の、証明（しるし）のセットを使用して、地理的なロケール（場所（locale））に関連づけられたビジネスエンティティを識別するための機能を含む。証明（しるし）は、メソッド１００のサブプロセスにより、問い合わせと適合候補の間の類似性の意見を形成するため、使用される。メソッド１００は、地理的ロケール（場所（locale））と地理的ロケール（場所（locale））の１以上のビジネスエンティティに対する関連づけを、独自に認識して、適切とみなして、ある既存の問題に取り組む。ビジネスエンティティは、１）不正確（imprecision）と、概念化の自然変異（natural variation in the conceptualization）と、地理的なアドレスの証明の表現と、２）地理的なロケール（場所（locale））のための、明確な識別子または確かなキーの欠如（不存在（absence））と、３）「完全な」アドレスを含むため、ビジネスユースにおいて、通常考慮される詳細のレベルの極めて幅広い相違（変化）、を含む。地理的なロケール（場所（locale））に対する、識別子と適合属性のフレキシブルで可変なセットを拡大することで、これらのチャレンジに取り組むことが可能である。この技術のフレキシビリティは、メタデータと実際のデータ値とを両方含み、１）地理的ロケール（場所（locale））と、地理的ロケール（場所（locale））とビジネスエンティティ間の接続と、に関連づけられた情報をデータベースに投入すること、加えて、２）問い合わせと、与えられた目的の許容されうる閾値に影響を与えるルールと、に基づいて、ビジネスエンティティをデータベースから選択すること、において使用される。

メソッド１００は、ひとつのロケーション（場所（location））におけるシングルエンティティ、例えば、ひとつのビルのシングルエンティティのケース、又は、シングルロケーションにおける複数のエンティティ、例えば、ショッピングモール内の複数のテナント、のケース、を決定する。シングルロケーションにおける複数のエンティティのケースでは、各エンティティは、他のエンティティとは違う１つのアドレスを有する。

シングルエンティティのケースでは、メソッド１００は、
（ａ）プロセス１２０で、ロケーション（場所（location））を説明するデータ、即ち、問い合わせ１１０を受信し、
（ｂ）プロセス１４０で、当該データから、ロケーション（場所（location））に関連づけられたアドレスを、推定し、
（ｃ）プロセス１５０で、アドレスを含む幹線道路の区分（セグメント）を識別し、
（ｄ）プロセス１５０で、区分（セグメント）の近辺の地理的地域を取り囲む境界を有するポリゴン（多角形）を定義し、
（ｅ）プロセス１６０で、ポリゴン（多角形）が備えるある一地点の地理的座標を取得し、
（ｆ）プロセス１６０で、当該地理的座標におけるアドレスを識別し、
（ｇ）プロセス１７０で、当該地理的座標におけるアドレスに関連づけられたエンティティを識別する。

シングルロケーションにおける複数のエンティティのケースでは、ショッピングモール内のテナントである２つのエンティティがある状況を考える。各エンティティは、他のエンティティとは異なるアドレスを有している。プロセス１５０で、ポリゴン（多角形）は、ショッピングモールを取り囲む境界を有している。その結果、前述の地理座標は第１の地理座標であり、前述の一地点は第１地点であり、地理的座標における前述のアドレスは、地理的座標における第１アドレスであり、前述のエンティティは第１エンティティであるとみなされる。プロセス１６０が実行されると、プロセス１６０は、ポリゴン（多角形）が備える第２地点の第２の地理的座標を取得し、第２の地理的座標における第２アドレスを識別する。プロセス１７０は、それから、第２アドレスに関連づけられた第２エンティティを識別する。

図２は、ここで説明されたメソッド（方法）を採用するシステム２００のブロック図である。システム２００は、コンピュータ２０５を含み、コンピュータ２０５は、データコミュニケーションネットワーク、即ち、インターネットといったネットワーク２３０に接続されている。

コンピュータ２０５は、ユーザインタフェース２１０、プロセッサ２１５、メモリ２２０を含む。コンピュータ２０５は、ここでは、スタンドアロン・デバイスであるが、これに限定されない。代わりに、コンピュータ２０５は、分算プロセッサシステムの他のデバイス（図示なし）に接続されていてもよい。

ユーザインタフェース２１０は、キーボード又は音声認識サブシステムといった入力装置を含み、ユーザ１０１が情報と命令選択をプロセッサ２１５とやり取りすることを可能とさせるためのものである。ユーザインタフェース２１０は、また、ディスプレイあるいはプリンタといった出力装置、を含む。マウス、トラックボール、または、ジョイスティックといったカーソルコントロールは、ユーザ１０１に、追加の情報のやり取りと命令選択をプロセッサ２１５とやり取りすることを可能とさせるため、ディスプレイ上のカーソルの操作を可能とさせる。

システム２００は、また、ネットワーク２３０を介してコンピュータ２０５に通信可能に接続されたユーザデバイス２４０を含む。ユーザ１０１は、ユーザインタフェース２１０の代替であるユーザデバイス２４０を介して、コンピュータ２０５と相互にかかわり合う。

プロセッサ２１５は、命令に応答し、命令を実行する論理回路として構成された電気的なデバイスである。

メモリ２２０は、非一時的コンピュータ読み取り可能なデバイスである。この点において、メモリ２２０は、プロセッサ２１５が読み出して実行するプロセッサ２１５の操作の制御のためのデータと命令を格納する。メモリ２２０は、ランダムアクセスメモリ（ＲＡＭ）、ハードドライブ、リードオンリーメモリ（ＲＯＭ）、または、これらを組み合わせたものから構成されてもよい。メモリ２２０のコンポーネントのひとつはプログラムモジュール２２５である。

プログラムモジュール２２５は、プロセッサ２１５がここで説明する方法を実行できるように、プロセッサ２１５の制御のための命令を含む。例えば、プログラムモジュール２２５の制御の下、プロセッサ２１５は、メソッド１００のプロセスを実行する。「モジュール」の語は、ここでは、スタンドアロンコンポーネントあるいは、サブコンポ−ネントの複数の統合された構成を具体化するための、機能的な操作を示す。このようにして、プログラムモジュール２２５は、シングルモジュール、あるいは、協動して動作する複数のモジュールとして機能する。さらに、プログラムモジュール２２５は、ここでは、メモリ２２０にインストールされ、ソフトウェアにより実現されたものとして説明されたが、ハードウェア（例えば、電子回路）、ファームウェア、ソフトウェア、あるいはこれらを組み合わせたもので実現されてもよい。

プロセッサ２１５は、ネットワーク２３０あるいはユーザインタフェース２１０を介して、問い合わせ１１０を受信する。プロセッサ２１５は、プロセスルール１３５、地理的エンティティ属性テーブル１３７、押出成形ルール１４５、区分参照データベース１５５、地理的座標参照データベース１６５、ビジネスエンティティ参照データベース１８５、スコアリングルール１９０、ランキングルール１９１、決定ルール１９２、にアクセスする。これらは、例えば、メモリ２２０に格納されたコンピュータ２０５のコンポーネントからなり、あるいは、ローカルネットワーク（図示せず）またはネットワーク２３０を介してコンピュータ２０５にアクセスする外部のコンピュータからなる。プロセッサ２１５は、プロセス１２０、１３０、１４０、１５０、ｌ６０、１７０、１８０、１８１、１９３、１９４にアクセスする。これらは、例えば、メモリ２２０に格納されたコンピュータ２０５のコンポーネントからなり、あるいは、ローカルネットワーク（図示せず）またはネットワーク２３０を介してコンピュータ２０５にアクセスする外部のコンピュータからなる。プロセッサ２１５は、プロセス１９５で、結果１９６をユーザ１０１に返す。

プログラムモジュール２２５が、メモリ２２０にすでにロードされたものとして示されているが、プログラムモジュール２２５は、続いてメモリ２２０にロードされるための記憶装置２３５上に構成されていてもよい。記憶装置２３５は、また、コンピュータプログラムにより符号化された、非一時的コンピュータ読み取り可能なデバイスであり、プログラムモジュール２２５を格納する、典型的な記憶装置であってもよい。例えば、記憶装置２３５は、フロッピー（登録商標）ディスク、コンパクトディスク、磁気テープ、リードオンリーメモリ、光学ストレージメディア、ユニバーサルシリアルバス（USB）フラッシュドライブ、DVD（digital versatile disc）、ジップドライブ（zip drive）を含む。記憶装置２３５は、また、ネットワーク２３０を介してコンピュータ２０５に接続された遠隔のストレージシステム上にある、ランダムアクセスメモリ、あるいは、他のタイプの電気的な記憶装置から構成されうる。

ここで説明した技術は、例示的なものであり、本開示における特定の限定の言及として構成されるべきものではない。当業者により、様々な置き換え、組み合わせ、変更がなされることが理解されるべきである。例えば、ここで説明されたプロセスに関連づけられたステップは、ステップ自身が他に明示あるいは規定しない限り、いかなる順序で実行されてもよい。本開示は、添付のクレームの範囲内において、このような代替、変更、及び、様々な相違、を包含することを意図している。

「含む」あるいは「含んでいる」の語は、言及された、特徴、整数（数値）、ステップ、あるいはコンポーネントの存在の明示するものとして解されるが、１または複数の他の特徴、整数、ステップあるいはコンポーネント、あるいはこれらのグループの存在を排除するものではない。

区分参照データベース１５５は、特定のロケール（場所）、例えば、交差点のような重要な地点の間の道路または他の幹線道路に隣接するするセクション（地区）、に関連する情報を含む。

問い合わせ１１０は、特定のロケール（場所）についての情報の検索を開始するリクエストである。検索は、問い合わせ１１０に含まれる証明（しるし（indicia））に基づく。問い合わせ１１０は、複数のデータ要素を含み、データ要素は、順に、全ての、または、サブセットのデータフィールドの単語（ターム）のロケール（場所（locale））を考慮した特定の情報と、プロセス１００と結びつけられるシステムまたはアプリケーションにより、エンドユーザから要求されたデータフィールドと、また、もしかすると、ロケール（場所）を考慮した、追加されかつ仮想の無制限の証明と、を含む。問い合わせ１１０は、ユーザ１０１、即ち、人間のユーザまたは自動化されたプロセスにより、例えば、バッチマシンのケイパビリティ（capabilities）を使用して提出されたファイルから、または、オンラインデータエントリースクリーンを使用して処理された個別の問い合わせから、メソッド１００に供給される。問い合わせ１１０は、１以上のデータ要素から構成される問い合わせ証明を含む。例えば、問い合わせ証明は、番地、通りの名前、都市、の１つの連結されたフィールドとして、あるいは、（１）番地、（２）通りの名前、（３）都市、の分離したデータフィールドとして表現される。

プロセス１４０は、例えば、範囲として表現される通りのアドレスについて、アドレスの本質の発見的問題解決アルゴリズムベースの計算（見積もり（calculation））を使用する。このケースでは、どのアドレスが有効であるかを示すガイダンス、例えば、特定の通りの同じ側の奇数だけ、が供給される。例えば、米国では、ある通りの片側のアドレスはすべて、奇数又は偶数であり、ダッシュによって２つに分割された数は、開始地点と終了地点であることが知られているので、発見的問題解決アルゴリズムベースの計算（見積もり（calculation））は、開始アドレスと終了アドレスの間にあり、開始アドレスと終了アドレスが奇数または偶数であるかに基づいて、すべて奇数又は偶数になる潜在的な他のアドレスがあると決定する。押出成形値１４２は、ビジネスエンティティ参照データベース１８５からの候補を識別するため、プロセス１７０において使用される、追加の問い合わせ証明である。

表１１は、属性のコレクションとしての、特定の区分（セグメント）（最初のカラムに示される）に沿って存在するアドレスの例を示す。属性のコレクションは、番地の範囲（カラム４〜６）、通りの名前（カラム３）、区分（セグメント）の終端のデカルト座標（カラム５と７にエンコード（符号化）されたフォーマットを示す）を含む。

表１３に、プロセス１６０によりアドレスデータ１５２から識別されるアドレスデータ１６２の他のアドレスと、座標参照データベース１６５の例を示す。

プロセス１７０は、入力としてアドレスデータ１６２を受信し、地理座標におけるアドレスに関連づけられたエンティティを識別する。より具体的には、プロセス１７０は、アドレス１６２のアドレスの属性であるジオコード（緯度と経度といった、地理的ロケーション（場所（location））に付属するデータ）のセットを受信し、ビジネスエンティティ参照データベース１８５から適合プロセスの様々な様相性（モダリティ（modalities））の採用により、これらのアドレスに関連づけられたビジネスの読み出しを実行する。このようにして、アドレスデータ１７２が作り出される。ビジネスエンティティ参照データベース１８５は、プロセス１６０からのアドレスの結果それぞれに関連づけられたビジネスを有していてもよいし、有していなくてもよい。

プロセス１８０は、アドレスデータ１７２を受信し、入力としてのアドレスデータ１７２のアドレスを使用して、ビジネスエンティティ参照データベース１８５の候補を判別する（即ち、アドレスデータ１７２のアドレスに関連づけられたエンティティと同様のエンティティ）ために様々な方法論（方法）（文字ベースのルックアップといった）を採用する。このようにしてデータセット１８２が作り出される。

表１７は、スコアリングルール１９０とプロセス１９３により使用される重み付けサブスコアの一例である。

フィードバック１９８は、結果１９６に含まれおり、候補リスト１９７の各候補の質、例えば、最善の候補Ｃ_ｎが、問い合わせ１１０に起因するアドレスロケーションに位置するビジネスエンティティであることの確度のレベル、を示す。フィードバック１９８は、また、データ１２２の各フィールドと候補リスト１９７の各候補の各コンポーネントとの間の相対的な相関により表現される、類似の相対的な度合いとを含んでもよい。フィードバックは、ビジネスエンティティ参照データベース１８５に候補リスト１９７の各候補のコンポーネントを投入するために使用されるともに、特定のデータのソースも含む。

Claims (12)

1. ロケーションを表すデータを受信することと、
   前記データから、前記ロケーションに関連付けられたアドレスを推定することと、
   前記アドレスを含む幹線道路の区分を識別することと、
   前記区分の付近にある地理的な範囲を取り囲む境界を有するポリゴンを定義することと、
   前記ポリゴン内の一地点の地理的座標を取得することと、
   前記地理的座標におけるアドレスを識別することと、
   前記地理的座標における前記アドレスに関連付けられたエンティティを識別すること、
   を含む方法。
2. 前記推定することは、前記アドレスに関連づけられた第１属性を取得することを含み、
   区分を前記識別することは、前記区分に関連づけられた第２属性を取得することを含み、
   前記定義することは、前記第１属性及び前記第２属性に基づいて前記ポリゴンのサイズと形を定義することを含む、
   請求項１に記載の方法。
3. 前記推定することは、前記アドレスに関連づけられた第１属性を取得することを含み、
   区分を前記識別することは、前記区分に関連づけられた第２属性を取得することを含み、
   前記方法は、前記取得に先立って、前記第１属性と前記第２属性とに基づいたポリへドロンのサイズと形を定義することをさらに含み、
   前記ポリゴンは、ポリへドロンの断面である、
   請求項１に記載の方法。
4. 前記地理的座標は第１地理的座標であり、前記一地点は第１地点であり、前記地理的座標における前記アドレスは前記地理的座標における第１アドレスであり、前記エンティティは第１エンティティであり、
   前記取得することは、また、前記ポリゴンが備える第２地点の第２地理的座標を取得し、
   アドレスを前記識別することは、また、前記第２地理的座標における第２アドレスを識別し、
   エンティティを前記識別することは、また、前記第２アドレスに関連づけられた第２エンティティを識別する、
   請求項１に記載の方法。
5. プロセッサと、
   前記プロセッサと通信可能に接続されたメモリであって、前記プロセッサにより読み取られる命令を含み、前記プロセッサに、
   ロケーションを表すデータを受信することと、
   前記データから、前記ロケーションに関連付けられたアドレスを推定することと、
   前記アドレスを含む幹線道路の区分を識別することと、
   前記区分の付近にある地理的な範囲を取り囲む境界を有するポリゴンを定義することと、
   前記ポリゴン内の一地点の地理的座標を取得することと、
   前記地理的座標におけるアドレスを識別することと、
   前記地理的座標における前記アドレスに関連付けられたエンティティを識別すること、
   の動作を実行させるための命令を含むメモリと、
   を含むシステム。
6. 前記推定することは、前記アドレスに関連づけられた第１属性を取得することを含み、
   区分を前記識別することは、前記区分に関連づけられた第２属性を取得することを含み、
   前記定義することは、前記第１属性及び前記第２属性に基づいて前記ポリゴンのサイズと形を定義することを含む、
   請求項５に記載のシステム。
7. 前記推定することは、前記アドレスに関連づけられた第１属性を取得することを含み、
   前記区分を識別することは、前記区分に関連づけられた第２属性を取得することを含み、
   前記方法は、前記取得に先立って、前記第１属性と前記第２属性とに基づいたポリへドロンのサイズと形を定義することをさらに含み、
   前記ポリゴンは、ポリへドロンの断面である、
   請求項５に記載のシステム。
8. 前記地理的座標は第１地理的座標であり、前記一地点は第１地点であり、前記地理的座標における前記アドレスは前記地理的座標における第１アドレスであり、前記エンティティは第１エンティティであり、
   前記取得することは、また、前記ポリゴンが備える第２地点の第２地理的座標を取得し、
   アドレスを前記識別することは、また、前記第２地理的座標における第２アドレスを識別し、
   エンティティを前記識別することは、また、前記第２アドレスに関連づけられた第２エンティティを識別する、
   請求項５に記載のシステム。
9. プロセッサに、
   ロケーションを表すデータを受信することと、
   前記データから、前記ロケーションに関連付けられたアドレスを推定することと、
   前記アドレスを含む幹線道路の区分を識別することと、
   前記区分の付近にある地理的な範囲を取り囲む境界を有するポリゴンを定義することと、
   前記ポリゴン内の一地点の地理的座標を取得することと、
   前記地理的座標におけるアドレスを識別することと、
   前記地理的座標における前記アドレスに関連付けられたエンティティを識別すること、
   の動作を実行させるためのプロセッサに読み取り可能な命令を含む、
   記憶装置。
10. 前記推定することは、前記アドレスに関連づけられた第１属性を取得することを含み、
    区分を前記識別することは、前記区分に関連づけられた第２属性を取得することを含み、
    前記定義することは、前記第１属性及び前記第２属性に基づいて前記ポリゴン（多角形）のサイズと形を定義することを含む、
    請求項９に記載の記憶装置。
11. 前記推定することは、前記アドレスに関連づけられた第１属性を取得することを含み、
    区分を前記識別することは、前記区分に関連づけられた第２属性を取得することを含み、
    前記方法は、前記取得に先立って、前記第１属性と前記第２属性とに基づいたポリへドロン（多面体）のサイズと形を定義することをさらに含み、
    前記ポリゴンは、ポリへドロンの断面である、
    請求項９に記載の記憶装置。
12. 前記地理的座標は第１地理的座標であり、前記一地点は第１地点であり、前記地理的座標における前記アドレスは前記地理的座標における第１アドレスであり、前記エンティティは第１エンティティであり、
    前記取得することは、また、前記ポリゴンが備える第２地点の第２地理的座標を取得し、
    アドレスを前記識別することは、また、前記第２地理的座標における第２アドレスを識別し、
    エンティティを前記識別することは、また、前記第２アドレスに関連づけられた第２エンティティを識別する、
    請求項９に記載の記憶装置。