JP2017525033A - 検索のためのテーブルの理解 - Google Patents
検索のためのテーブルの理解 Download PDFInfo
- Publication number
- JP2017525033A JP2017525033A JP2016575801A JP2016575801A JP2017525033A JP 2017525033 A JP2017525033 A JP 2017525033A JP 2016575801 A JP2016575801 A JP 2016575801A JP 2016575801 A JP2016575801 A JP 2016575801A JP 2017525033 A JP2017525033 A JP 2017525033A
- Authority
- JP
- Japan
- Prior art keywords
- column
- subject
- candidate
- names
- detector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 32
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 50
- 238000010276 construction Methods 0.000 description 24
- 238000000605 extraction Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 10
- 238000012546 transfer Methods 0.000 description 9
- 230000003068 static effect Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- JDZPLYBLBIKFHJ-UHFFFAOYSA-N Sulfamoyldapsone Chemical compound C1=CC(N)=CC=C1S(=O)(=O)C1=CC=C(N)C=C1S(N)(=O)=O JDZPLYBLBIKFHJ-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004350 spin decoupling difference spectroscopy Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/221—Column-oriented storage; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/02—Comparing digital values
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Document Processing Apparatus (AREA)
Abstract
Description
[0001]該当なし。
[0003]コンピューターシステムおよび関連する技術は、社会の多くの側面に影響を及ぼす。実際、情報を処理するコンピューターシステムの能力は、我々が暮らす様式および働く様式を変えてきた。今ではコンピューターシステムは、コンピューターシステムの出現以前には手作業で行われていた多くの作業(たとえば、文書処理、日程計画、会計処理など)を日常的に実行する。より最近になって、コンピューターシステムは、相互に結合され、他の電子デバイスに結合されて、コンピューターシステムと他の電子デバイスが電子データを転送することができる有線および無線のコンピューターネットワークを形成するようになった。それに応じて、多くのコンピューティングタスクの実行は、多数のさまざまなコンピューターシステムおよび/または多数のさまざまなコンピューティング環境にわたり分散されている。
[0035]図10を一時的に参照すると、図10は、テーブル1000を表す。テーブル1000は、件名列1021「郡名」および列ヘッダー1022を有する。
[0038]図1は、構造化データの1つまたは複数のデータセットからの1つまたは複数のインデックスの構築を容易にする例示のコンピューターアーキテクチャ100を示す。図1を参照すると、コンピューターアーキテクチャ100は、テーブル抽出および分類モジュール101、テーブル理解モジュール102、テーブル注釈モジュール103、特徴計算モジュール104、インデックス構築モジュール106、Webスナップショット111、キュレーションされたデータセット112、クリックログ113、ナレッジベース114、ならびにインデックス121、122、および123を含む。テーブル抽出および分類モジュール101、テーブル理解モジュール102、テーブル注釈モジュール103、特徴計算モジュール104、インデックス構築モジュール106、Webスナップショット111、キュレーションされたデータセット112、クリックログ113、ナレッジベース114、ならびにインデックス121、122、および123の各々は、たとえば、ローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、およびインターネットのようなネットワークを介して相互に接続されてもよい(またはネットワークの一部であってもよい)。したがって、テーブル抽出および分類モジュール101、テーブル理解モジュール102、テーブル注釈モジュール103、特徴計算モジュール104、インデックス構築モジュール106、Webスナップショット111、キュレーションされたデータセット112、クリックログ113、ナレッジベース114、ならびにインデックス121、122、および123、加えて任意の他の接続されたコンピューターシステムおよびそれらのコンポーネントの各々は、メッセージ関連データを作成し、ネットワークを介してメッセージ関連データ(たとえば、インターネットプロトコル(「IP」)データグラム、および伝送制御プロトコル(「TCP」)、ハイパーテキスト転送プロトコル(「HTTP」)、簡易メール転送プロトコル(「SMTP」)などのようなIPデータグラムを利用するか、またはその他の非データグラムプロトコルを使用するその他の上位レイヤプロトコル)を交換することができる。
[0052]図2は、テーブルの件名列の識別を容易にする例示のコンピューターアーキテクチャ200を示す。図2を参照すると、コンピューターアーキテクチャ200は、候補列選択モジュール201、スコア計算モジュール202、および件名列選択モジュール203を含む。候補列選択モジュール201、スコア計算モジュール202、および件名列選択モジュール203の各々は、たとえばローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、および、さらにはインターネットなどのような、ネットワークを介して相互に接続されてもよい(またはネットワークの一部であってもよい)。したがって、候補列選択モジュール201、スコア計算モジュール202、および件名列選択モジュール203、ならびに任意の他の接続されたコンピューターシステムおよびそれらのコンポーネントの各々は、メッセージ関連データを作成し、ネットワークを介してメッセージ関連データ(たとえば、インターネットプロトコル(「IP」)データグラム、および伝送制御プロトコル(「TCP」)、ハイパーテキスト転送プロトコル(「HTTP」)、簡易メール転送プロトコル(「SMTP」)などのようなIPデータグラムを利用するか、またはその他の非データグラムプロトコルを使用するその他の上位レイヤプロトコル)を交換することができる。
[0057]候補列選択モジュール201は、列内のセル値の個別性を検討することができる。少なくとも一部のテーブルでは、件名列は近似キーである(つまり、件名列は、ほぼ個別の値を含むが、一部重複を含むこともある)。セルの合計数に対する個別のセル値の数の比率、最も繰り返される値の出現数などを含む、個別性の複数の異なる測度が、列について検討されてもよい。
[0068]方法300は、各件名列候補について、複数の他のテーブルにわたり1つまたは複数の列名とペアにされている複数の値から任意の値の出現を識別するステップ(302)を含む。たとえば、列221について、スコア計算モジュール202は、テーブルセット212内のテーブルのいずれかの列名とペアにされている値221A、221B、221C、221Dなどの任意の出現を識別することができる。同様に、列223について、スコア計算モジュール202は、テーブルセット212内のテーブルのいずれかの列名とペアにされている値223A、223B、223C、223Dなどの任意の出現を識別することができる。1つの態様において、テーブルセット212は、複数のリレーショナルWebテーブルを含む。
[0077]図4は、テーブルの列ヘッダーの検出を容易にする例示のコンピューターアーキテクチャ400を示す。図4を参照すると、コンピューターアーキテクチャ400は、候補列名構築モジュール401、頻度計算モジュール402、および列ヘッダー検出モジュール403を含む。候補列名構築モジュール401、頻度計算モジュール402、および列ヘッダー検出モジュール403の各々は、たとえばローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、およびインターネットなどのような、ネットワークを介して相互に接続されてもよい(またはネットワークの一部であってもよい)。したがって、候補列名構築モジュール401、頻度計算モジュール402、および列ヘッダー検出モジュール403、ならびに任意の他の接続されたコンピューターシステムおよびそれらのコンポーネントの各々は、メッセージ関連データを作成し、ネットワークを介してメッセージ関連データ(たとえば、インターネットプロトコル(「IP」)データグラム、および伝送制御プロトコル(「TCP」)、ハイパーテキスト転送プロトコル(「HTTP」)、簡易メール転送プロトコル(「SMTP」)などのようなIPデータグラムを利用するか、またはその他の非データグラムプロトコルを使用するその他の上位レイヤプロトコル)を交換することができる。
[0086]列ヘッダー検出モジュール403は、テーブル内のトークンに対するCCNFreqおよびNon−CCNFreqに基づいて列ヘッダーとしてテーブルの行を検出するように構成されてもよい。
ナレッジベースを使用する列ヘッダー検出
[0095]A.概念化を使用してヘッダーが正しいかどうかを検出する
[0096]ナレッジベースを使用して、列ヘッダーは検出されてもよい、および/または列ヘッダー検出が改善されてもよい(たとえば、行を列ヘッダーとして選択する際の信頼性が高まる)。一般に、概念は、インスタンスのセットから推論されてもよく、「概念化」と称されてもよい。概念化は、ナレッジベースに基づいてもよい。一部の態様において、概念化は、ヘッダーが正しいかどうかを決定するために使用される。図6を参照すると、図6は、例示のテーブル600(たとえば、Webテーブル)を示す。テーブル600内で、列ヘッダー602「国」は、値オーストラリア、米国、南アフリカなどから推論されてもよい。そのようなものとして、列ヘッダー602は、列601内の値の上位語または概念である。したがって、列ヘッダー602「国」は、正しい列ヘッダーである可能性が高い。
[0100]名前を含むヘッダー行は、同じ概念に属し得るより明らかな列名を含むことができる。図8を参照すると、図8は、例示の列ヘッダー800を示す。列ヘッダー800の列名は、同じ概念に属すことができる。
P(c|a)は、属性aを所与として、概念cがどの程度典型的であるかを示す。
P(a|c)は、概念cを所与として、属性aがどの程度典型的であるかを示す。
[0105]図9は、抽出された属性の典型性スコアを計算するために使用されるさまざまな式を示す図である。概念ベースの抽出の場合、(c、a、n(c、a))の形式を伴う属性リストが取得されてもよい。このリストをcによりグループ分けすることで、cに関して観察された属性のリストおよびそれらの頻度分布が決定されてもよい。この情報により、典型性スコアP(a|c)は、式901において示されるように取得されてもよい。
[0111]発見的ルールもまた、列ヘッダーを検出するために使用され得る。たとえば、ヘッダー行のセルタイプがその他のセルのセルタイプと異なる場合、ヘッダー行は列名ヘッダーである可能性が高い。図10を参照すると、図10は、例示のテーブル1000(たとえば、Webテーブル)を示す。テーブル1000内で、セル1013、1014、1015、1016、および1017は、文字列であるが、列1003、1004、1005、1005、および1007の他のセル内の値は数字である。したがって、セル1013、1014、1015、1016、および1017は、列ヘッダー(すなわち、列ヘッダー1022)の一部である可能性が高い。そのようなものとして、たとえ行が列ヘッダーとして明示的には定義されていない場合であっても、列ヘッダー1022を列ヘッダーとして識別することが可能である。
[0116]本発明の態様は、複数行の列ヘッダーを検出するために使用されてもよい。たとえば、一部のテーブルは、行に相当するページごとに複製されたヘッダー行を有する。その他のテーブルは、複数のヘッダー行を使用し、ここで1つの行はより一般的であり、別の行はより具体的である。たとえば、テーブルは、第1および第2の列に及ぶセル値「気温」を伴う行を有することができる。テーブルは、第1の列にセル値「平均」、第2の列に「最高」を伴うもう1つの行を有することができる。候補列名構築モジュール401、頻度計算モジュール402、および列ヘッダー検出モジュール403は、テーブルの複数のヘッダー行を検出するように構成されてもよい。
[0118]図11は、テーブルの理解を容易にする例示のアーキテクチャ1100を示す。図11を参照すると、コンピューターアーキテクチャ1100は、件名列検出器1101および列ヘッダー検出器1102を含む。件名列検出器1101および列ヘッダー検出器1102の各々は、たとえばローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、およびインターネットなどのような、ネットワークを介して相互に接続されてもよい(またはネットワークの一部であってもよい)。したがって、件名列検出器1101および列ヘッダー検出器1102、ならびに任意の他の接続されたコンピューターシステムおよびそれらのコンポーネントの各々は、メッセージ関連データを作成し、ネットワークを介してメッセージ関連データ(たとえば、インターネットプロトコル(「IP」)データグラム、および伝送制御プロトコル(「TCP」)、ハイパーテキスト転送プロトコル(「HTTP」)、簡易メール転送プロトコル(「SMTP」)などのようなIPデータグラムを利用するか、またはその他の非データグラムプロトコルを使用するその他の上位レイヤプロトコル)を交換することができる。
Claims (33)
- テーブルの1つまたは複数の件名列を検出するための方法であって、
前記テーブルから指定された数の列を件名列候補として選択するステップであって、各件名列候補は前記テーブルの件名列の候補であり、各件名列候補は複数の値を含む、ステップを備え、
各件名列候補については、
複数の他のテーブルにわたり1つまたは複数の列名とペアにされている前記複数の値から任意の値の出現を識別するステップと、
前記識別された出現に基づいて前記件名候補列のスコアを計算するステップであって、前記計算されたスコアは前記候補列が件名列である尤度を指示する、ステップとを備え、さらに
前記計算されたスコアに従って、前記件名列候補の少なくとも1つを前記テーブルの件名列として選択するステップを備える方法。 - 前記テーブルから指定された数の列を件名列候補として選択するステップは、前記テーブルの指定された数の左端の列を件名列候補として選択するステップを備える請求項1に記載の方法。
- 前記テーブルの指定された数の左端の列を件名列候補として選択するステップは、前記テーブルの指定された数の左端の非数値列を件名列候補として選択するステップを備える請求項2に記載の方法。
- 前記テーブルから指定された数の列を件名列候補として選択するステップは、前記指定された数の列内のセル値の個別性に基づいて、前記テーブルから指定された数の列を件名列候補として選択するステップを備える請求項1に記載の方法。
- 前記テーブルから指定された数の列を件名列候補として選択するステップは、リレーショナルテーブルから指定された数の列を選択するステップを備える請求項1に記載の方法。
- 前記テーブルから指定された数の列を件名列候補として選択するステップは、Webテーブルから指定された数の列を選択するステップを備える請求項1に記載の方法。
- 複数の他のテーブルにわたり1つまたは複数の列名とペアにされている前記複数の値から任意の値の出現を識別するステップは、複数のWebテーブルにわたり1つまたは複数の列名とペアにされている前記複数の値から任意の値の出現を識別するステップを備える請求項1に記載の方法。
- 前記件名列候補の少なくとも1つを前記テーブルの件名列として選択するステップは、複数の前記件名列候補を前記テーブルの件名列として選択するステップを備える請求項1に記載の方法。
- コンピューターシステムにおける、前記コンピューターシステム、1つまたは複数の行を含むテーブルの列ヘッダーを検出するための方法であって、
前記テーブルを定義するデータから前記テーブルの候補列名のセットを構築するステップを備え、
候補列名の前記セット内の各候補列名については、
前記候補列名の候補列名頻度を、その他のテーブルのセットから、同じく前記候補列名を候補列名として含む1つまたは複数のその他のテーブルを識別することによって計算するステップと、
前記候補列名の非候補列名頻度を、その他のテーブルの前記セットから、前記候補列名を候補列名以外として含む第2の1つまたは複数のその他のテーブルを識別することによって計算するステップとを備え、さらに
前記行に含まれる候補列名の少なくとも指定されたしきい値が、非候補列名頻度よりも大きい候補列名頻度を有する場合、前記テーブルの行を列ヘッダーとして選択するステップを備える方法。 - 候補列名のセットを構築するステップの前に、前記テーブルを定義する前記データが列ヘッダーを明示的に定義しないことを決定するステップをさらに備える請求項9に記載の方法。
- 前記テーブルを定義する前記データが列ヘッダーを明示的に定義しないことを決定するステップは、前記テーブルを定義する前記データがハイパーテキストマークアップ言語(HTML)<th>タグを含まず、ハイパーテキストマークアップ言語(HTML)<thead>タグを含まないことを決定するステップを備える請求項10に記載の方法。
- 候補列名のセットを構築するステップの前に、前記テーブルに明示的に定義された列ヘッダーが不足していることを決定するステップをさらに備える請求項9に記載の方法。
- 前記テーブルの候補列名のセットを構築するステップは、前記テーブルの第1の行に含まれる列名から前記テーブルの候補列名のセットを構築するステップを備える請求項9に記載の方法。
- 前記テーブルの候補列名のセットを構築するステップは、リレーショナルWebテーブルの候補列名のセットを構築するステップを備える請求項9に記載の方法。
- 前記テーブルの行を列ヘッダーとして選択するステップは、前記テーブルの第1の行を前記列ヘッダーとして選択するステップを備える請求項9に記載の方法。
- 前記テーブルの前記行を前記列ヘッダーとして選択する際の信頼性を、前記選択された行の少なくとも1つの列が前記少なくとも1つの列に含まれるセル値の上位語であることを推論することによって高めるステップをさらに備える請求項9に記載の方法。
- コンピューターシステムにおける、前記コンピューターシステム、1つまたは複数の行を含むテーブルの列ヘッダーを検出するための方法であって、
前記テーブルの候補列名のセットを構築するステップと、
候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることを、前記列に含まれるセル値に基づいて推論するステップと、
前記列を前記テーブルの列ヘッダーとして含む行を選択するステップとを備える方法。 - 候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であること推論するステップは、候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることをナレッジベースを参照することにより推論するステップを備える請求項17に記載の方法。
- 候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることをナレッジベースを参照することにより推論するステップは、1つまたは複数の概念属性および1つまたは複数のインスタンス属性を前記ナレッジベースから抽出するステップを備える請求項18に記載の方法。
- 前記列を前記テーブルの列ヘッダーとして含む前記行を選択するステップの前に、候補列名の前記セットに含まれる別の列について、前記列ヘッダーのセルタイプと前記列内のその他のセルのセルタイプが異なることを決定するステップをさらに備える請求項18に記載の方法。
- 1つまたは複数のプロセッサーと、
システムメモリと、
テーブルの1つまたは複数の件名列を検出するための件名列検出器を表すコンピューター実行可能命令を格納された1つまたは複数のコンピューターストレージ媒体とを備え、前記件名列検出器は、
前記テーブルから指定された数の列を件名列候補として選択するように構成され、各件名列候補は、前記テーブルの件名列の候補であり、各件名列候補は、複数の値を含み、
各件名列候補については、
複数の他のテーブルにわたり1つまたは複数の列名とペアにされている前記複数の値から任意の値の出現を識別し、
前記識別された出現に基づいて前記件名候補列のスコアを計算するように構成され、前記計算されたスコアは前記候補列が件名列である尤度を指示し、さらに
前記計算されたスコアに従って、前記件名列候補の少なくとも1つを前記テーブルの件名列として選択するように構成されるシステム。 - 前記件名列検出器が前記テーブルから指定された数の列を件名列候補として選択するように構成されることは、前記件名列検出器が前記テーブルの指定された数の左端の列を件名列候補として選択するように構成されることを備える請求項21に記載のシステム。
- 前記件名列検出器が前記テーブルから指定された数の列を件名列候補として選択するように構成されることは、前記指定された数の列内のセル値の個別性に基づいて前記件名列検出器が前記テーブルの指定された数の列を件名列候補として選択するように構成されることを備える請求項21に記載のシステム。
- 前記件名列検出器が複数の他のテーブルにわたり1つまたは複数の列名とペアにされている前記複数の値から任意の値の出現を識別するように構成されることは、前記件名列検出器が複数のWebテーブルにわたり1つまたは複数の列名とペアにされている前記複数の値から任意の値の出現を識別するように構成されることを備える請求項21に記載のシステム。
- 前記件名列検出器が前記件名列候補の少なくとも1つを前記テーブルの件名列として選択するように構成されることは、前記件名列検出器が複数の前記件名列候補を前記テーブルの件名列として選択するように構成されることを備える請求項21に記載のシステム。
- 1つまたは複数のプロセッサーと、
システムメモリと、
列ヘッダー検出器を表すコンピューター実行可能命令を格納された1つまたは複数のコンピューターストレージ媒体とを備え、前記件名列検出器はテーブルの1つまたは複数の件名列を検出するためのものであり、前記件名列検出器は、
前記テーブルを定義するデータから前記テーブルの候補列名のセットを構築するように構成され、
候補列名の前記セット内の各候補列名については、
前記候補列名の候補列名頻度を、その他のテーブルのセットから、同じく前記候補列名を候補列名として含む1つまたは複数のその他のテーブルを識別することによって計算し、
前記候補列名の非候補列名頻度を、その他のテーブルの前記セットから、前記候補列名を候補列名以外として含む第2の1つまたは複数のその他のテーブルを識別することによって計算するように構成され、さらに
行に含まれる候補列名の少なくとも指定されたしきい値が、非候補列名頻度よりも大きい候補列名頻度を有する場合、前記テーブルの前記行を列ヘッダーとして選択するように構成されるシステム。 - 候補列名のセットを構築する前に、前記テーブルに明示的に定義された列ヘッダーが不足していることを決定するように構成された前記件名列検出器をさらに備える請求項26に記載のシステム。
- 前記件名列検出器が前記テーブルの候補列名のセットを構築するように構成されることは、前記件名列検出器が前記テーブルの候補列名のセットを前記テーブルの第1の行に含まれる列名から構築するように構成されることを備える請求項26に記載のシステム。
- 前記テーブルの前記行を前記列ヘッダーとして選択する際の信頼性を、前記選択された行の少なくとも1つの列が前記少なくとも1つの列に含まれるセル値の上位語であることを推論することによって高めるように構成された前記件名列検出器をさらに備える請求項26に記載のシステム。
- 1つまたは複数のプロセッサーと、
システムメモリと、
列ヘッダー検出器を表すコンピューター実行可能命令を格納された1つまたは複数のコンピューターストレージ媒体であって、前記件名列検出器はテーブルの1つまたは複数の件名列を検出するためのものであり、前記件名列検出器は、
前記テーブルの候補列名のセットを構築し、
候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることを前記列に含まれるセル値に基づいて推論するように構成され、
前記列を含む行を前記テーブルの列ヘッダーとして選択するように構成される、コンピューターストレージ媒体と
を備えるシステム。 - 前記件名列検出器が候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることを推論するように構成されることは、前記件名列検出器が候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることをナレッジベースを参照することにより推論するように構成されることを備える請求項30に記載のシステム。
- 前記件名列検出器が候補列名の前記セットに含まれる列が前記列に含まれるセル値の上位語であることをナレッジベースを参照することにより推論するように構成されることは、前記件名列検出器が1つまたは複数の概念属性および1つまたは複数のインスタンス属性を前記ナレッジベースから抽出するように構成されることを備える請求項30に記載のシステム。
- 前記列を含む行を前記テーブルの列ヘッダーとして選択する前に、前記件名列検出器が候補列名の前記セットに含まれる別の列について、前記列ヘッダーのセルタイプと前記列内のその他のセルのセルタイプが異なることを決定するように構成されることをさらに備える請求項30に記載のシステム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2014/081109 WO2016000115A1 (en) | 2014-06-30 | 2014-06-30 | Understanding tables for search |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017525033A true JP2017525033A (ja) | 2017-08-31 |
JP6434542B2 JP6434542B2 (ja) | 2018-12-05 |
Family
ID=54930742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016575801A Active JP6434542B2 (ja) | 2014-06-30 | 2014-06-30 | 検索のためのテーブルの理解 |
Country Status (7)
Country | Link |
---|---|
US (2) | US9734181B2 (ja) |
EP (1) | EP3161673B1 (ja) |
JP (1) | JP6434542B2 (ja) |
CN (1) | CN105518667B (ja) |
BR (1) | BR112016027272A2 (ja) |
RU (1) | RU2671047C2 (ja) |
WO (1) | WO2016000115A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019168758A (ja) * | 2018-03-22 | 2019-10-03 | Kddi株式会社 | データ処理装置、データ処理方法及びデータ処理プログラム |
JP2020123233A (ja) * | 2019-01-31 | 2020-08-13 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG11201703829SA (en) * | 2014-11-14 | 2017-06-29 | Fujitsu Ltd | Recording medium, data acquisition method, and data acquisition device |
US10545942B2 (en) * | 2016-06-13 | 2020-01-28 | International Business Machines Corporation | Querying and projecting values within sets in a table dataset |
WO2018066144A1 (ja) * | 2016-10-07 | 2018-04-12 | 富士通株式会社 | インデックス付きデータ生成プログラム、インデックス付きデータ生成方法、インデックス付きデータ生成システム、検索プログラム、検索方法、および検索システム |
CN110020342A (zh) * | 2017-08-31 | 2019-07-16 | 北京国双科技有限公司 | 数据的处理方法及装置 |
JP6984729B2 (ja) * | 2018-03-08 | 2021-12-22 | 日本電気株式会社 | 意味推定システム、方法およびプログラム |
US10878195B2 (en) * | 2018-05-03 | 2020-12-29 | Microsoft Technology Licensing, Llc | Automated extraction of unstructured tables and semantic information from arbitrary documents |
US11157496B2 (en) * | 2018-06-01 | 2021-10-26 | International Business Machines Corporation | Predictive data distribution for parallel databases to optimize storage and query performance |
US11163764B2 (en) * | 2018-06-01 | 2021-11-02 | International Business Machines Corporation | Predictive data distribution for parallel databases to optimize storage and query performance |
US11443106B2 (en) | 2018-09-20 | 2022-09-13 | International Business Machines Corporation | Intelligent normalization and de-normalization of tables for multiple processing scenarios |
US10831798B2 (en) | 2018-09-20 | 2020-11-10 | International Business Machines Corporation | System for extracting header labels for header cells in tables having complex header structures |
US10776573B2 (en) | 2018-09-20 | 2020-09-15 | International Business Machines Corporation | System for associating data cells with headers in tables having complex header structures |
US11514258B2 (en) | 2018-09-20 | 2022-11-29 | International Business Machines Corporation | Table header detection using global machine learning features from orthogonal rows and columns |
JP2022541199A (ja) * | 2019-07-16 | 2022-09-22 | エヌフェレンス,インコーポレイテッド | データテーブルの画像表現に基づいて構造化されたデータベースにデータ挿入するためのシステムおよび方法。 |
CN110516048A (zh) * | 2019-09-02 | 2019-11-29 | 苏州朗动网络科技有限公司 | pdf文档中表格数据的提取方法、设备和存储介质 |
US11270065B2 (en) * | 2019-09-09 | 2022-03-08 | International Business Machines Corporation | Extracting attributes from embedded table structures |
US11176324B2 (en) * | 2019-09-26 | 2021-11-16 | Sap Se | Creating line item information from free-form tabular data |
CN112287660B (zh) * | 2019-12-04 | 2024-05-31 | 上海柯林布瑞信息技术有限公司 | Pdf文件中的表格解析方法及装置、计算设备、存储介质 |
US11636082B2 (en) | 2020-06-23 | 2023-04-25 | International Business Machines Corporation | Table indexing and retrieval using intrinsic and extrinsic table similarity measures |
CN111897884B (zh) * | 2020-07-20 | 2024-02-23 | 北京用友薪畴数字科技有限公司 | 数据关系信息显示方法、终端设备 |
US20230161774A1 (en) * | 2021-11-24 | 2023-05-25 | International Business Machines Corporation | Semantic annotation for tabular data |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100114902A1 (en) * | 2008-11-04 | 2010-05-06 | Brigham Young University | Hidden-web table interpretation, conceptulization and semantic annotation |
WO2013049084A1 (en) * | 2011-09-26 | 2013-04-04 | Microsoft Corporation | Chart recommendations |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7680324B2 (en) * | 2000-11-06 | 2010-03-16 | Evryx Technologies, Inc. | Use of image-derived information as search criteria for internet and other search engines |
US7054871B2 (en) * | 2000-12-11 | 2006-05-30 | Lucent Technologies Inc. | Method for identifying and using table structures |
US20060230016A1 (en) * | 2005-03-29 | 2006-10-12 | Microsoft Corporation | Systems and methods for statistics over complex objects |
US7740281B2 (en) * | 2007-01-31 | 2010-06-22 | The Ergonomic Group | Method and system for producing certified documents and the like |
JP4778474B2 (ja) * | 2007-05-14 | 2011-09-21 | 日本電信電話株式会社 | 質問応答装置、質問応答方法、質問応答プログラム並びにそのプログラムを記録した記録媒体 |
US8312366B2 (en) * | 2009-02-11 | 2012-11-13 | Microsoft Corporation | Displaying multiple row and column header areas in a summary table |
CN101556606B (zh) * | 2009-05-20 | 2010-12-01 | 同方知网(北京)技术有限公司 | 一种基于Web数值表格抽取的数据挖掘方法 |
US10394754B2 (en) * | 2010-03-08 | 2019-08-27 | International Business Machines Corporation | Indexing multiple types of data to facilitate rapid re-indexing of one or more types of data |
US20110270815A1 (en) * | 2010-04-30 | 2011-11-03 | Microsoft Corporation | Extracting structured data from web queries |
US20170262529A1 (en) * | 2010-10-01 | 2017-09-14 | Google Inc. | Sponsor answers and user-approved, system-suggested links in a social search engine |
EP2469421A1 (en) * | 2010-12-23 | 2012-06-27 | British Telecommunications Public Limited Company | Method and apparatus for processing electronic data |
US8566308B2 (en) * | 2011-01-26 | 2013-10-22 | International Business Machines Corporation | Intelligent adaptive index density in a database management system |
JP5536687B2 (ja) * | 2011-01-31 | 2014-07-02 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 目次と見出しの対応付け方法、対応付け装置、及び対応付けプログラム |
US9020947B2 (en) | 2011-11-30 | 2015-04-28 | Microsoft Technology Licensing, Llc | Web knowledge extraction for search task simplification |
CN103198069A (zh) * | 2012-01-06 | 2013-07-10 | 株式会社理光 | 抽取关系型表格的方法和装置 |
DE102012200600A1 (de) | 2012-01-17 | 2013-07-18 | Siemens Aktiengesellschaft | MRT- Lokalspulenpositions-Erkennung in einem MRT-System |
KR101872564B1 (ko) * | 2012-01-23 | 2018-06-28 | 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 | 무경계 표 검출 엔진 |
US9665572B2 (en) * | 2012-09-12 | 2017-05-30 | Oracle International Corporation | Optimal data representation and auxiliary structures for in-memory database query processing |
US9047333B2 (en) * | 2012-09-20 | 2015-06-02 | Cray Inc | Dynamic updates to a semantic database using fine-grain locking |
EP2728493A1 (en) * | 2012-11-01 | 2014-05-07 | Telefonaktiebolaget L M Ericsson (Publ) | Method, apparatus and computer program for detecting deviations in data repositories |
US9116940B1 (en) * | 2013-04-15 | 2015-08-25 | Google Inc. | Searching for join candidates |
CN103605641A (zh) * | 2013-11-11 | 2014-02-26 | 清华大学 | 一种汉语缩略语自动发现的方法及装置 |
US9940365B2 (en) * | 2014-07-08 | 2018-04-10 | Microsoft Technology Licensing, Llc | Ranking tables for keyword search |
-
2014
- 2014-06-30 BR BR112016027272A patent/BR112016027272A2/pt not_active Application Discontinuation
- 2014-06-30 WO PCT/CN2014/081109 patent/WO2016000115A1/en active Application Filing
- 2014-06-30 JP JP2016575801A patent/JP6434542B2/ja active Active
- 2014-06-30 CN CN201480047962.0A patent/CN105518667B/zh active Active
- 2014-06-30 EP EP14896741.7A patent/EP3161673B1/en active Active
- 2014-06-30 RU RU2016152191A patent/RU2671047C2/ru active
- 2014-10-02 US US14/505,188 patent/US9734181B2/en active Active
-
2017
- 2017-07-27 US US15/661,269 patent/US10853344B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100114902A1 (en) * | 2008-11-04 | 2010-05-06 | Brigham Young University | Hidden-web table interpretation, conceptulization and semantic annotation |
WO2013049084A1 (en) * | 2011-09-26 | 2013-04-04 | Microsoft Corporation | Chart recommendations |
Non-Patent Citations (1)
Title |
---|
JINGJING WANG, ET AL.: "Understanding Tables on the Web", CONCEPTUAL MODELING, JPN6018024655, 18 October 2012 (2012-10-18), pages 141 - 155, XP047020633 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019168758A (ja) * | 2018-03-22 | 2019-10-03 | Kddi株式会社 | データ処理装置、データ処理方法及びデータ処理プログラム |
JP2020123233A (ja) * | 2019-01-31 | 2020-08-13 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
JP7180420B2 (ja) | 2019-01-31 | 2022-11-30 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20150379057A1 (en) | 2015-12-31 |
US20170322964A1 (en) | 2017-11-09 |
EP3161673B1 (en) | 2020-12-02 |
WO2016000115A1 (en) | 2016-01-07 |
EP3161673A4 (en) | 2018-05-23 |
EP3161673A1 (en) | 2017-05-03 |
RU2671047C2 (ru) | 2018-10-29 |
BR112016027272A2 (pt) | 2021-06-08 |
RU2016152191A (ru) | 2018-07-02 |
CN105518667A (zh) | 2016-04-20 |
CN105518667B (zh) | 2019-06-18 |
US9734181B2 (en) | 2017-08-15 |
JP6434542B2 (ja) | 2018-12-05 |
RU2016152191A3 (ja) | 2018-07-02 |
US10853344B2 (en) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6434542B2 (ja) | 検索のためのテーブルの理解 | |
US10725836B2 (en) | Intent-based organisation of APIs | |
US9171081B2 (en) | Entity augmentation service from latent relational data | |
Santos et al. | Learning to combine multiple string similarity metrics for effective toponym matching | |
Rajendra Prasad et al. | Visual topic models for healthcare data clustering | |
US10452661B2 (en) | Automated database schema annotation | |
US9619571B2 (en) | Method for searching related entities through entity co-occurrence | |
US10896229B2 (en) | Computing features of structured data | |
US10467256B2 (en) | Automatic query pattern generation | |
KR100980579B1 (ko) | 온톨로지에 대한 자연어 질의 검색 방법 및 시스템 | |
US20180232410A1 (en) | Refining structured data indexes | |
CN110209659A (zh) | 一种简历过滤方法、系统和计算机可读存储介质 | |
Han et al. | Linking fine-grained locations in user comments | |
JP6145562B2 (ja) | 情報構造化システム及び情報構造化方法 | |
US9984684B1 (en) | Inducing command inputs from high precision and high recall data | |
Tabarcea et al. | Framework for location-aware search engine | |
Al-Ghossein et al. | Somap: Dynamic clustering and ranking of geotagged posts | |
Rabiu et al. | TEXTUAL AND STRUCTURAL APPROACHES TO DETECTING FIGURE PLAGIARISM IN SCIENTIFIC PUBLICATIONS. | |
Blanco-Fernández et al. | Automatically Assembling a Custom-Built Training Corpus for Improving the Learning of In-Domain Word/Document Embeddings | |
JP5903372B2 (ja) | キーワード関連度スコア算出装置、キーワード関連度スコア算出方法、及びプログラム | |
Agarwal et al. | Scalable resource description framework clustering: A distributed approach for analyzing knowledge graphs using minHash locality sensitive hashing | |
Cellary et al. | Web Information Systems Engineering–WISE 2016: 17th International Conference, Shanghai, China, November 8-10, 2016, Proceedings, Part I | |
de La Cruz-Caicedo et al. | Semantic annotation of SOAP web services based on word sense disambiguation techniques | |
Mabrouk et al. | An efficient semantic graph-based approach for text representation | |
Chen | Dataset Search and Augmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170621 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180928 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181010 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6434542 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |