JP4859456B2 - データスキーマのマッピングプログラム及び計算機システム - Google Patents

Description

本発明は、複数のデータスキーマ間でデータ項目名を対応付ける技術に関する。

近年、インターネットを基盤としたBtoB（企業間）サービスへのニーズが高まり、企業間の情報・サービスの相互運用性を向上させるための国際標準化、業界標準化が進んでいる。例えばEDI（電子データ交換）についてはebXML（electronic business XML） 仕様の業界標準XML/EDIが主流になっており、また、財務情報についてはXBRL（eXtensible Business Reporting Language）が主流となっており、各企業独自の仕様で記述されたデータの項目を標準仕様の項目に対応付ける必要がある。対応付けのためのツールとしては、各種独自フォーマットファイルとEDI標準フォーマットファイルの相互変換を行うツールがいくつか存在するが、いずれも複数のデータベースのフォーマット間のデータ項目の対応関係の定義はGUIを使って人手で行う必要がある。そのため、データベースシステムや情報検索システムの新規導入や業界標準へのバージョンアップなどの変化への対応に手間がかかり、さらに、項目名をマッピングするノウハウが属人的に蓄積されるなどの問題が生じている。

上記データ項目名の対応付けに関する従来技術としては、あらかじめ用意した辞書やオントロジ（仕様記述に使用される語彙の関係）を用いる方法が知られている。例えば、特許文献１には、辞書を用いてデータ項目名を「修飾語＋主要語＋区分語」に分解し、各要素が辞書に一致するかどうかに基づいてデータ項目名の類似度を計算する方法が開示されている。

また、特許文献２には、情報検索の手段として、オントロジに概念間の階層関係や類義関係を記述し、オントロジを使って近似的な検索条件を生成する方法が開示されている。

また、特許文献３には、電子文書を取り込んで、２個の形態素間の概念関係を示すデータを出力する技術が開示されている。
特開平８−２４９３３８号 特開２００３−３４５８２１号 特開２００５−１５７８２３号

上記従来技術では、データ項目名の対応付けのためにあらかじめ辞書やオントロジに概念間の階層関係や類義関係を記述しておく必要がある。また、データ項目名の対応付けでは、同じような構成要素語からなるデータ項目名の中から対応するものを選ぶ必要があるため、従来の「類似度」を計算する方法では候補を絞りきれないという問題がある。例えば、あるデータスキーマにおける「注文日付」というデータ項目名が別のデータスキーマにおけるどのデータ項目名に対応するかという対応付けをする際に、類似度だけでは「注文年月日」、「注文番号」などの候補が得られるが、絞りこみが難しい。

そこで本発明は、上記問題点に鑑みてなされたもので、異なるデータスキーマ間で項目名の対応付けを行う際に、関係はあるが区別すべき語彙を抽出し、意味のある弁別関係を構築することでデータ項目名の対応付けの候補を高精度で絞りこむことを目的とする。

本発明は、データ構造を記述した第１のデータスキーマと第２のデータスキーマを参照して、前記第１のデータスキーマを構成するデータ項目名と第２のデータスキーマを構成するデータ項目名の対応付けを行うプログラムであって、前記第１のデータスキーマを構成するデータ項目名を抽出し、前記第２のデータスキーマを構成するデータ項目名を抽出し、前記抽出した第１のデータスキーマと第２のデータスキーマのそれぞれのデータ項目名に含まれる要素概念を抽出し、前記抽出した要素概念からデータ項目名間の弁別関係を設定し、前記第１のデータスキーマのデータ項目名と第２のデータスキーマからデータ項目名をそれぞれ読み込んで、前記弁別関係に基づいて前記読み込んだ２つのデータ項目名について対応関係を設定し、前記データ項目名の対応関係を蓄積する。

また、前記要素概念の抽出は、前記第１のデータスキーマまたは第２のデータスキーマについて、それぞれ２つのデータ項目名を読み込み、前記２つのデータ項目名の文字列を比較して同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する１組の文字列を第１の要素概念として抽出し、前記２つのデータ項目名の文字列を比較して同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する文字列を除いた１組の文字列を第２の要素概念として抽出する。

したがって、本発明は、データ項目名を構成する語彙の概念間の弁別関係および時間的順序関係を利用することにより、データ項目名の対応付け候補を絞ることができる。例えば、「『番号』と『日付』は弁別性のある概念（区別すべき概念）である」という知識に基づいて、「『注文日付』に対応するデータ項目名候補のうち、『注文番号』は『注文日付』とは弁別性のある概念なので候補から除外する」と判断することができる。換言すれば、複合語にしたときに意味の異なる項目として扱うことができる概念を弁別関係とし、この弁別関係を付加することで、項目名の絞り込みを高精度で行うことが可能となる。

また、項目名の時間的順序関係を利用することにより、データ項目名の対応関係の候補選択をより高精度で行うことができる。

以下、本発明の一実施形態を添付図面に基づいて説明する。

第１の実施形態では、ターゲットとなるデータベースの項目名をソースとなるデータベースの項目名に対応付けるため、２つのデータベースのデータスキーマ定義およびインスタンス文書から概念間の弁別関係（区別すべき概念で同義または類義にはなり得ない関係）および時間的順序関係を抽出してオントロジに格納する機能と、オントロジを用いてデータ項目名の対応関係の絞込みを行う機能とを備えたデータスキーママッピング定義支援システムの一例を示す。

図１は、第１の実施形態を示し、企業内や企業間でのデータ連携のために、異なるデータスキーマ間でのデータ項目の対応関係を示す「データスキーママッピング定義ファイル」の作成を支援する計算機システムのブロック図を示す。

計算機システムは、演算処理を行うＣＰＵ１０１と、キーボードやマウス等で構成される入力装置１０２と、演算結果等を表示する表示装置１０３と、各データやプログラムを格納するストレージ装置１１０と、一時的にデータ（テーブル等）を格納するメモリ１０８とから構成される。

ストレージ装置１１０には、入力されたデータを格納する入力データ格納部１０４と、後述するオントロジ構築用データ格納部１０５と、仕様記述に使用される語彙の関係を定義したオントロジを格納するオントロジ格納部１０６と、生成したデータスキーママッピング定義を格納するデータスキーママッピング定義ファイル格納部１０７とが含まれる。

入力データ格納部１０４は、ソースデータスキーマ定義文書格納部１０４１、ソースインスタンス文書格納部１０４２、ターゲットデータスキーマ定義文書格納部１０４３、ターゲットインスタンス文書格納部１０４４によって構成されている。

ソースデータスキーマ定義文書格納部１０４１には、ソースとなるデータベースのスキーマを定義した文書が格納される。ソースインスタンス文書格納部１０４２には、基準となるデータベースの実際のデータが格納される。

ターゲットデータスキーマ定義文書格納部１０４３には、ソースとなるデータベースに項目名を対応付けるターゲットのデータベースのスキーマを定義した文書が格納される。ターゲットインスタンス文書格納部１０４４には、ターゲットとなるデータベースの実際のデータが格納される。なお、
図２（ａ）〜（ｄ）は、入力データ格納部１０４のソースデータスキーマ定義文書格納部１０４１、ソースインスタンス文書格納部１０４２、ターゲットデータスキーマ定義文書格納部１０４３、およびターゲットインスタンス文書格納部１０４４に格納された文書の記述例を示す。なお、これらの文書は、上述のebXML（electronic business XML） 仕様のXML/EDIや、財務情報の場合にはXBRL（eXtensible Business Reporting Language）等で記述されるものである。

図２（ａ）は、ソースデータスキーマ定義文書１０４１１の一例を示し、データ項目名（element name）として「注文日付」が、日付のデータタイプで定義され、データ項目名として「取引番号」が整数のデータタイプで定義された例を示す。

図２（ｂ）は、ソースデータインスタンス文書１０４２１の一例を示し、「注文日付」のデータとして「２００５０９２３」が格納され、「取引番号」のデータとして「０００２００３３」が格納された例を示す。

図２（ｃ）は、ターゲットデータスキーマ定義文書１０４３１の一例を示し、データ項目名（element name）として「注文年月日」が、日付のデータタイプで定義され、データ項目名として「注文番号」が整数のデータタイプで定義された例を示す。

図２（ｄ）は、ターゲットデータインスタンス文書１０４４１の一例を示し、「注文年月日」のデータとして「２００４０５１２」が格納され、「注文番号」のデータとして「０００１０１１２３」が格納された例を示す。

次に、オントロジ構築用データ格納部１０５は、ソースデータスキーマデータ項目情報格納部１０５１、ターゲットデータスキーマデータ項目情報格納部１０５２、および概念情報格納部１０５３によって構成されている。オントロジ格納部１０６には、オントロジ１０６１が格納されている。

図３（ａ）、（ｂ）に、ソースデータスキーマデータ項目関係格納部１０５１およびターゲットデータスキーマデータ項目関係格納部１０５２のデータ構造を示す。

図３（ａ）のソースデータスキーマデータ項目情報格納部１０５１は、図２（ａ）、（ｂ）に示したソースデータスキーマ定義文書１０４１１とソースデータインスタンス文書１０４２１から後述するように抽出したデータを格納する。ソースデータスキーマデータ項目情報格納部１０５１は、一つのエントリに、ソースデータスキーマ定義文書の項目名を格納するデータ項目名１０５１１と、ソースデータスキーマ定義文書に付与されたスキーマ名１０５１２と、データ項目名１０５１１の親（上位概念）となるデータ項目名を格納する親項目名１０５１３と、データ項目名１０５１１に定義されたデータタイプを格納するデータ属性１０５１４と、データ項目名１０５１１に対応するインスタンスを頻度順に格納するインスタンスリスト１０５１５から構成される。

図３（ｂ）のターゲットデータスキーマデータ項目情報格納部１０５２は、図２（ｃ）、（ｄ）に示したターゲットデータスキーマ定義文書１０４３１とターゲットデータインスタンス文書１０４４１から後述するように抽出したデータを格納する。ターゲットデータスキーマデータ項目情報格納部１０５２は、一つのエントリに、ターゲットデータスキーマ定義文書の項目名を格納するデータ項目名１０５２１と、ターゲットデータスキーマ定義文書に付与されたスキーマ名１０５２２と、データ項目名１０５２１の親（上位概念）となるデータ項目名を格納する親項目名１０５２３と、データ項目名１０５２１に定義されたデータタイプを格納するデータ属性１０５２４と、データ項目名１０５２１に対応するインスタンスを格納するインスタンスリスト１０５２５から構成される。

また、概念情報格納部１０５３は、ソースデータスキーマ定義文書格納部１０４１およびターゲットデータスキーマ定義文書格納部１０４３のデータ項目名を構成する概念が後述するように格納される。また、オントロジ１０６１には、項目名間の概念関係が後述するように格納される。

データスキーママッピング定義ファイル格納部１０７には、ソースデータスキーマ定義文書とターゲットデータスキーマ定義文書におけるデータ項目の対応付けの結果がデータスキーママッピング定義ファイル１０７１が格納されている。

メモリ１０８には、語彙の概念間の弁別関係および時間的順序関係を記述したオントロジ１０６１を利用してデータ項目名の対応付けを行うプログラムとして、データ項目情報取り込み手段１０８１、概念抽出手段１０８２、弁別関係抽出手段１０８３、同義関係抽出手段１０８４、順序関係抽出手段１０８５、オントロジ構築支援手段１０８６、データ項目マッピング定義支援手段１０８７がロードされ、ＣＰＵ１０１により実行される。

（データ項目情報の取り込み）
以下、メモリ１０８にロードされたオントロジ構築支援とデータマッピング（データ項目名の対応関係の絞り込み）を行う各プログラムの動作について、以下に説明する。

まず、データ項目情報取り込み手段１０８１は、入力データ格納部１０４のソースデータスキーマ定義文書格納部１０４１からデータスキーマ定義文書を読み込んで、ソースデータスキーマデータ項目関係格納部１０５１にデータ項目情報を取り込み、ターゲットデータスキーマ定義文書格納部１０４３からデータスキーマ定義文書を読み込んで、ターゲットデータスキーマデータ項目関係格納部１０５２にデータ項目情報を取り込む。

このデータ項目情報取り込み手段１０８１の処理手順を図６のフローチャートに沿って説明する。

データ項目情報取り込み手段１０８１は、ソースデータスキーマ定義文書格納部１０４１からデータ項目情報を取り込み、ソースデータスキーマデータ項目情報格納部１０５１のデータ項目名１０５１１、データスキーマ名１０５１２、親項目名１０５１３、データ属性１０５１４に格納する（Ｓ６０１）。

さらにデータ項目情報取り込み手段１０８１は、ソースインスタンス文書格納部１０４２から各データ項目のインスタンスを抽出してインスタンスの頻度を集計し、ソースデータスキーマデータ項目情報格納部１０５１のインスタンスリスト１０５１５に頻度順に格納する（Ｓ６０２）。

同様に、ターゲットデータスキーマ定義文書格納部１０４３からデータ項目情報を取り込み、ターゲットデータスキーマデータ項目情報格納部１０５２のデータ項目名１０５２１、データスキーマ名１０５２２、親項目名１０５２３、データ属性１０５２４に格納する（Ｓ６０３）。さらにデータ項目情報取り込み手段１０８１はターゲットインスタンス文書格納部１０４４から各データ項目のインスタンスを抽出してインスタンスの頻度を集計し、ターゲットデータスキーマデータ項目情報格納部１０５２のインスタンスリスト１０５２５に頻度順にインスタンスを格納する（Ｓ６０４）。

上記処理により、基準となるソースデータスキーマ定義文書格納部１０４１に格納されたデータベースのデータスキーマ定義文書（以下、単にソースデータスキーマとする）と、このソースデータスキーマと相互変換を行いたいターゲットデータスキーマ定義文書格納部１０４３に格納されたデータベースのデータスキーマ定義文書（以下、単にターゲットデータスキーマとする）の項目名と頻度順のインスタンスがソースデータスキーマデータ項目情報格納部１０５１とターゲットデータスキーマデータ項目情報格納部１０５２にそれぞれ格納される。

（要素概念および概念関係の抽出）
相互変換を行う２つのデータスキーマ（ソースデータスキーマとターゲットデータスキーマ）の項目名の概念情報抽出の処理は、概念抽出手段１０８２により実行される。概念抽出手段１０８２は、上記図６の処理により、項目名と頻度順のインスタンスがソースデータスキーマデータ項目情報格納部１０５１とターゲットデータスキーマデータ項目情報格納部１０５２に格納された後に実行される。

概念抽出手段１０８２は、ソースデータスキーマおよびターゲットデータスキーマのデータ項目名を構成する概念を抽出し、概念情報格納部１０５３に格納する。概念情報格納部１０５３のデータ構造を図４に示す。

概念情報格納部１０５３は、一つのエントリにデータ項目名に含まれる概念を示す概念名１０５３１と、概念名が存在するデータ項目名内の位置１０５３２と、概念名１０５３１に対応付けられたデータ項目名のうち名称が異なるデータ項目名の数１０５３３と、概念名１０５３１に対応付けられたデータ項目名の一覧を格納するデータ項目名リスト１０５３４から構成される。

概念抽出手段１０８２の処理手順を図７のフローチャートに従って説明する。

概念抽出手段１０８２は、ソースデータスキーマデータ項目情報格納部１０５１からデータ項目名１０５１１を２つ取り出してデータ項目名１０５１１の文字列を比較する（Ｓ７０１〜Ｓ７０４）。

Ｓ７０４の比較の結果、２つのデータ項目名１０５１１が異なるときには、２つのデータ項目名Ａ、データ項目名Ｂとしたとき、項目名Ａ、項目名Ｂを構成する要素概念を以下のように切り出す（Ｓ７０５）。
（１）概念１＝項目名Ａ、項目名Ｂの先頭からの共通文字列
（２）概念２＝項目名Ａ、項目名Ｂの末尾からの共通文字列
（３）概念３＝項目名Ａから上記共通文字列を除いたもの
（４）概念４＝項目名Ｂから上記共通文字列を除いたもの
次に、データ項目名Ａおよびデータ項目名Ｂにおける概念１〜４の使われ方に関する情報を概念情報格納部１０５３に登録する（Ｓ７０６）。例えば、データ項目名Ａが「要求番号」、データ項目名Ｂが「要求年月日」のとき、概念１〜概念４は以下のようになる。
（１）概念１＝「要求」
（２）概念２＝nil（無し）
（３）概念３＝「番号」
（４）概念４＝「年月日」
そこで、概念１、概念３、概念４の概念名とデータ項目名における使われ方に関する情報を概念情報格納部１０５３の概念名１０５３１、データ項目名における位置１０５３２、データ項目名異なり数１０５３３、データ項目名リスト１０５３４に格納する。

最後に、概念３と概念４（すなわち、データ項目名Ａとデータ項目名Ｂの差異）の概念関係を抽出しオントロジ１０６１に登録する（Ｓ７０７）。以上の処理をデータ項目名１０５１１のすべての組み合わせについて行う（Ｓ７０８〜Ｓ７１１）。

また、概念抽出手段１０８２は、上記図７の処理をターゲットデータスキーマデータ項目情報格納部１０５２についても実行する。

以上の処理により、ソースデータスキーマおよびターゲットデータスキーマのデータ項目名を構成する要素概念が抽出されて概念情報格納部１０５３に格納される。加えて、ソースデータスキーマおよびターゲットデータスキーマのそれぞれのデータ項目名Ａとデータ項目名Ｂの差異がオントロジ１０６１に格納されることになる。

また、上記要素概念は、項目名Ａ、項目名Ｂが共通文字列を含む第１の要素概念と、項目名Ａ、項目名Ｂから共通文字列を除いた差分で構成される第２の要素概念とから構成されることになる。

（概念関係抽出手順の詳細）
上記図７の概念関係抽出のステップ（Ｓ７０７）では、弁別関係抽出手段１０８３および順序関係抽出手段１０８５により、上述の概念３と概念４（すなわち、データ項目名Ａとデータ項目名Ｂの差異）の関係を抽出し、オントロジ１０６１に格納する。オントロジ１０６１のデータ構造を図５に示す。

図５において、オントロジ１０６１は、一つのエントリに概念３（項目名Ａから共通文字列を除いた文字列）を格納する概念名１０５４１と、概念４（項目名Ｂから共通文字列を除いた文字列）を格納する概念名１０５４２と、２つの概念名１０５４１、１０５４２の概念の関係を格納する概念関係１０５４３と、データ項目名Ａまたはデータ項目名Ｂにおける概念名１０５４１、１０５４２の位置１０５４４と、抽出されたデータ項目名Ａ及びＢの一覧を格納する例１０５４５と、オペレータや管理者などが当該エントリを確認したことを示す確認フラグ１０５４６とを含む。

次に、概念関係抽出手段１０８５と弁別関係抽出手段１０８３の処理手順を図８のフローチャートに従って以下に説明する。

（１）順序関係の抽出
上記概念２（すなわち、データ項目名Ａとデータ項目名Ｂの末尾からの共通文字列）が「年月日」のとき（Ｓ８０１）、概念３と概念４（すなわち、データ項目名Ａとデータ項目名Ｂの差異）の時間的な順序関係を抽出する。まず、インスタンス文書格納部１０４２または１０４４からデータ項目名Ａとデータ項目名Ｂの時系列的な順序関係を抽出する（Ｓ８０２）。

データ項目名Ａが常に順序が先であれば（Ｓ８０３）、概念３は概念４よりも順序が先であると判定する（Ｓ８０４）。例えば、「見積年月日」が「出荷年月日」よりも常に先であれば、「見積」は「出荷」よりも順序が「先」であると判定する。逆にデータ項目名Ｂが常に順序が先であれば（Ｓ８０５）、概念４は概念３よりも順序が「先」であると判定する（Ｓ８０６）。

順序関係抽出手段１０８５は、時間軸上の位置を示すようなデータ項目名を対象に行う。したがって、データ項目末尾の文字列の条件としては、「年月日」の他に、「日付」「年月」「月・年・時刻」などが考えられる。

例えば、「納品番号」のマッピング先候補として「見積番号」「出荷番号」「着荷番号」があるとき、時間的な順序関係に関して以下の情報が得られたとする。
（１）「見積 - 出荷 - 着荷」という順序関係
（２）「出荷 - 納品」という順序関係
この例では、「納品」は「出荷」より後であるという情報を利用することにより、「見積」「出荷」を「納品」の同義語候補からはずすことができる。これにより、「納品番号」のマッピング先の候補から「見積番号」と「出荷番号」をはずし、「着荷番号」に絞ることができる。

また、データ項目名のデータ属性１０５１４、１０５２４が「時間」や「年月日」であることを条件にして上記と同様の処理を実施してもよい。

（２）弁別関係の抽出
概念３と概念４（すなわち、項目名Ａと項目名Ｂの差異）に順序関係がないとき、弁別関係抽出手段１０８３が、概念３と概念４は弁別関係にあると判定する（Ｓ８０７）。例えば、データ項目名Ａが「要求番号」、データ項目名Ｂが「要求年月日」の時、概念３は「番号」、概念４は「年月日」となり、これらの概念は「弁別関係」にあると判定する。なお、上記Ｓ８０１で概念２が「年月日」でないときにもこのＳ８０７に進んで弁別関係を設定する。

ここで、「弁別関係」関係は、同義語にはなり得ない語彙の関係であって、特に、データベースの項目名としたときに違う項目としてあげられ得る関係や、複合語にしたときに意味の異なる項目として扱うことができる概念関係を示す。

以上の手順で抽出した概念間の順序関係および弁別関係の情報を、オントロジ１０６１の概念名１０５４１、概念名１０５４２、概念関係１０５４３、データ項目名における位置１０５４４、例１０５４５に格納する（Ｓ８０８）。

（データ項目マッピング定義支援）
データ項目マッピング定義支援手段１０８７は、オントロジ１０６１に格納された概念間の弁別関係および順序関係を利用することにより、ソースデータスキーマとターゲットデータスキーマにおけるデータ項目名の対応付けを支援する。対応付けの結果は図１２に示すデータスキーママッピング定義ファイル１０７１に格納される。

図１２において、データスキーママッピング定義ファイル１０７１は、ソースデータスキーマデータ項目情報格納部１０５１におけるデータ項目名の位置を示すポインタを格納するソースポインタ１０７１１１と、ターゲットデータスキーマデータ項目情報格納部１０５２におけるデータ項目名の位置を示すポインタを格納するターゲットポインタ１０７１１２が一対となって構成される。

上記データスキーママッピング定義ファイル１０７１を構築するデータ項目マッピング定義支援手段１０８７の処理について、図９のフローチャートを用いて以下に説明する。

ソースデータスキーマとターゲットデータスキーマの２つのデータスキーマ間でのデータ項目名の対応付けの方法としては、「注文日付」と「注文年月日」のように共通文字列を含むデータ項目を候補として抽出することが考えられる。

そこで、データ項目マッピング定義支援手段１０８７は、ソースデータスキーマデータ項目情報格納部１０５１およびターゲットデータスキーマデータ項目情報格納部１０５２からデータ項目を１つずつ取り出してデータ項目名１０５１１，１０５２１の文字列を比較する（Ｓ９０１〜Ｓ９０４）。ソースデータスキーマのデータ項目名１０５１１をデータ項目名Ａ、ターゲットデータスキーマのデータ項目名１０５２１をデータ項目名Ｂとした時、データ項目名Ａ、データ項目名Ｂを構成する要素概念を以下のように切り出す（Ｓ９０５）。
（１）概念１＝項目名Ａ、項目名Ｂの先頭からの共通文字列
（２）概念２＝項目名Ａ、項目名Ｂの末尾からの共通文字列
（３）概念３＝項目名Ａから上記の共通文字列を除いたもの
（４）概念４＝項目名Ｂから上記の共通文字列を除いたもの
本システムの特徴は、データ項目名Ａ、Ｂを構成する概念の弁別関係および時間的な順序関係に関する情報を利用して対応付け候補を絞る点にある。すなわち、データ項目名Ａとデータ項目名Ｂに共通文字列がある場合、オントロジ１０６１を参照し、概念３と概念４（すなわち、項目名Ａと項目名Ｂの差異）が“弁別関係”にないことを条件に（Ｓ９０６）、 概念３と概念４を同義語候補とする（Ｓ９０７）。そして、概念間の同義関係をオントロジ１０６１の概念名１０６１１、概念名１０６１２、概念関係１０６１３、データ項目名における位置１０６１４、例１０６１５に格納する（Ｓ９０８）。このＳ９０８の処理が、図１に示した同義関係抽出手段１０８４に相当する。

次に、データ項目マッピング定義支援手段１０８７は、データスキーママッピング定義ファイル１０７１のデータ項目名Ａのマッピング先候補にデータ項目名Ｂを追加する（Ｓ９０９）。以上の処理をデータ項目名のすべての組み合わせについて行う（Ｓ９１０〜Ｓ９１３）。

同様に、データ項目マッピング定義支援手段１０８７は、概念３と概念４（すなわち、項目名Ａと項目名Ｂの差異）の時間的な順序関係の情報を利用してマッピング先候補の絞り混みを行う。例えば、「納品番号」のマッピング先候補として「見積番号」「出荷番号」「着荷番号」があるとき、図５に示すように、オントロジ１０６１から以下の順序関係に関する情報が得られたとする。
（１）「出荷」は「納品」より先という順序関係
（２）「見積」は「出荷」より先という順序関係
この場合、「見積」「出荷」を「納品」の同義語候補からはずすことができる。これにより、「納品番号」のマッピング先の候補から「見積番号」と「出荷番号」をはずすことができる。

このように、本システムのデータ項目マッピング定義支援手段１０８７は、以上の手順で２つのデータベース（データスキーマ）の項目名に関するマッピング先候補を絞った上で、マッピング先候補を表示装置１０３の画面に表示する。データ項目マッピング定義支援画面の表示例を図１０に示す。

図１０において、データ項目マッピング定義支援画面１００１は、対応付けを行うターゲットデータスキーマのデータ項目名を表示するターゲットスキーマ表示部１００１１と、基準となるソースデータスキーマのデータ項目名を表示するソーススキーマ表示部１００１２と、２つのデータスキーマで同義となるデータ項目名の構成要素の候補を表示する同義概念候補表示部１００１３と、２つのデータスキーマで弁別関係となるデータ項目名の構成要素の候補を表示する弁別概念候補表示部１００１４と、オペレータの操作を受け付ける登録ボタン１００１５からなる。同義概念候補表示部１００１３および弁別概念候補表示部１００１４には、当該データ項目名に含まれる概念の同義概念候補および弁別概念候補が表示される。

ソーススキーマ表示部１００１２に表示されたデータ項目名に対して、ターゲットスキーマ表示部１００１１には関連付け（マッピング）を行う候補がマッピング先候補として表示される。そして、このマッピング先候補の中からユーザが適切な候補を選択して登録ボタン１００１５を入力装置１０２により選択（クリック）すると、選択されたマッピング先候補がデータスキーママッピング定義ファイル１０７１に格納される。

例えば、図１０において、画面右側の表示領域に設定されたソーススキーマ表示部１００１２に「注文日付」というソースデータスキーマのデータ項目名が表示されると、左側の表示領域に設定されたターゲットスキーマ表示部１００１１には、「注文日付」に関連付けられる候補として「注文年月日」が表示される。オペレータは、データ項目マッピング定義支援手段１０８７が絞り込んだ結果について、承認するため登録ボタン１００１５を操作すればよい。また、画面１００１の下部左側の同義概念候補表示部１００１３には、ターゲットスキーマ表示部１００１１に表示されたデータ項目名「注文年月日」に対する同義語が表示される。また、画面１００１の下部右側の弁別概念候補表示部１００１４には、ソースデータスキーマとターゲットデータスキーマのマッピング先候補の語彙から区別すべき弁別関係となる語句が表示される。

同様に、同義概念候補、弁別概念候補の中からユーザが適切な候補を選択して登録ボタン１００１５をクリックすると、選択内容に従ってオントロジ１０６１の同義概念および弁別概念の情報を更新し、図５に示した確認フラグ１０５４６に確認済みであることを示す値「１」が設定される。

なお、上記ではオペレータの操作により２つのデータスキーマのデータ項目名の対応付け（マッピング）を承認する例を示したが、データ項目マッピング定義支援手段１０８７が絞り込んだマッピング先候補を、データスキーママッピング定義ファイル１０７１へ自動的に登録するようにしても良い。

（オントロジ構築支援手段）
最後に、オントロジ構築支援手段１０８６について述べる。本実施形態では、前述のデータ項目マッピング定義支援手段１０８７の処理過程で部分的にオントロジ１０６１を構築していくが、オントロジ構築支援手段１０８６は、概念ごとに弁別概念および同義概念を確認する手段を提供する。オントロジ構築支援画面の一例を図１１に示す。オントロジ構築支援画面９０１は、選択された概念に対応する語句を表示する概念表示部９０１１と、概念表示部９０１１に表示された語句に対して弁別関係となる概念と同義関係となる概念とを表示する概念関係表示部９０１２と、概念関係表示部９０１２に表示された概念に対して弁別関係となる語句と、同義関係となる語句とを表示する概念関係候補表示部９０１３と、オペレータの操作を受け付ける登録ボタン９０１４からなる。概念関係表示部９０１２には同義概念、弁別概念、および時間的順序関係が表示される。概念関係候補表示部９０１３には、概念関係格納部１０５４に格納されている同義概念候補、弁別概念候補、および順序関係候補が表示される。ユーザが概念関係候補の中から適切なものを選択して登録ボタン１０９４をクリックすると、選択された同義概念候補、弁別概念候補、および順序関係候補がオントロジ１０６１に格納され、確認フラグ１０６１６に確認済みであることを示す値「１」が設定される。

なお、オントロジ１０６１の構築も、優先度の高い弁別概念候補と同義概念候補を自動的に選択して登録するようにしても良い。

（データスキーママッピング定義ファイル）
上記データスキーママッピング定義支援システムにより作成されたデータスキーママッピング定義ファイル１０７１は、ターゲットデータスキーマで定義されるデータベースと、ソースデータスキーマで定義されるデータベースの統合を行うことができる。

例えば、ターゲットデータスキーマで定義されるデータベースで「注文年月日」で検索を行う場合、データベースシステム（図示省略）がデータスキーママッピング定義ファイル１０７１を参照して、ターゲットデータスキーマのデータ項目名が「注文年月日」に対応するソースデータスキーマのデータ項目名を参照する。図１２に示したデータスキーママッピング定義ファイル１０７１からソースデータスキーマのデータ項目名のポインタを取得し、ソースデータスキーマデータ項目情報格納部１０５１から「注文日付」を得る。これによりデータベースシステムは、ソースデータスキーマで定義されるデータベースに対して、「注文日付」で同様の検索を行うことで、２つのデータベースを仮想的に統合して運用することが可能となる。

また、ソースデータスキーマで定義されるデータベースを、ターゲットデータスキーマで定義されるデータベースに統合する場合では、データスキーママッピング定義ファイル１０７１で対応付けられたデータ項目名間でデータの転送を行えばよい。例えば、図１０で示したように、ソースデータスキーマで定義されるデータベースのデータ項目名「注文日付」のデータ（インスタンス）を、ターゲットデータスキーマデータ項目名定義されるデータベースのデータ項目名「注文年月日」のデータ（インスタンス）として書き込めばよい。

（まとめ）
以上のように、本発明では、複数のデータスキーマ間で、データ項目名の対応付け候補を絞るために、概念間の弁別関係をオントロジに記述する。また、オントロジ構築を自動化するため、データスキーマにおけるデータ項目名間の関係から概念の弁別関係を抽出する。すなわち、「同じ親を持つデータ項目には、違う項目として区別できるような弁別性のある名前がつけられる」という性質を利用して、同じ親を持つデータ項目の語句から概念間の弁別関係を抽出する。例えば、「要求番号」と「要求日付」というデータ項目名が兄弟関係にある場合には、「『要求番号』と『要求日付』は弁別性のある概念（区別すべき概念）である」という知識を抽出する。さらに、「『要求番号』と『要求日付』の違いを表す『番号』と『日付』は弁別性のある概念（区別すべき概念）である」という知識を抽出する。

そして、本発明では、データ項目名の対応付け候補を絞るために、概念間の時間的順序関係をオントロジに記述する。また、オントロジ構築を自動化するため、インスタンス文書から時間的順序関係を抽出する。例えば、インスタンス文書において、「出荷日付」が「着荷日付」よりも常に早いことから、「『出荷』は『着荷』よりも早い」という時間的順序関係を抽出する。

以上のように、本発明によれば、概念間の弁別関係および時間的順序関係を記述したオントロジを利用して複数のデータスキーマ間のデータ項目名を対応付けることにより、データ項目名の対応付け候補を正確かつ容易に絞ることができる。特に、前記従来例のように、手作業に頼っていたデータ項目名の対応付けを、自動化することが可能となるのである。これにより、異なるデータベース間の統合（仮想統合や物理的な統合）や、データベースの新規導入や更新、または業界標準に対応したデータベースのバージョンアップなどの変化に迅速に対応することが可能となる。

＜第２実施形態＞
（弁別関係を利用した情報検索システム）
前記第１実施例形態では、データスキーマから「弁別関係」という概念関係を抽出し、データスキーマ間のデータ項目名の対応付けに利用する方法について述べた。「弁別関係」は２つのデータスキーマのデータ項目名の対応関係を絞り込む際に有効であるため、複数の情報サーバから適切な情報を検索するための検索条件の変換にも適用しうる。情報検索において、検索漏れを少なくする手段として、質問拡張という手法が知られている。

質問拡張とは、検索質問中の単語と関連のある単語を検索質問に自動的に追加することである。例えば、検索質問が「自動車」であるとき、「車」「乗用車」「自家用車」などを追加する。質問拡張で追加する単語は、異表記（コンピュータ→コンピューター）・同義語（コンピュータ→計算機）・上位語（パソコン→コンピュータ）・下位語（コンピュータ→パソコン）などである。

追加すべき単語を見つける方法としては、辞書やシソーラスをあらかじめ作っておく方法が一般的である。例えば、特許文献２では、オントロジを用いて近似的な検索条件に変換する方法が開示されている。「類似度」という尺度で検索条件を拡張すると検索漏れは少なくなるが、ノイズが生じやすい。そこで、本第２実施形態では、「弁別関係」の知識を使って候補を条件に絞ることにより、より適切な検索条件に変換することが可能となる。例えば、「自家用車」という検索質問に対して、「乗用車」「車」などの上位語を付加するだけでなく、「自家用」と「商用」が弁別関係にあるという知識を用いて「商用車」を除外することにより、ノイズを減らすことができる。

以下、図１３のフローチャートに従って、オントロジに記述された階層関係および弁別関係の情報を用いた情報検索システムの検索の手順を示す。なお、図１３のフローチャートは、図１と同様の計算機で実行されるものである。この検索システムは、複数の会社の製品体系を参照して、ユーザが探したい製品の情報を検索するシステムである。本システムは単語間の概念関係を記録する辞書と、本発明による単語間の弁別関係を記録する辞書とを保持することを前提とする。まず、ユーザが探したい製品カテゴリ名として「福祉車両」と入力すると（Ｓ１３０１）、システムは参考情報として、「福祉車両」に関する製品部品体系の例、たとえば図１４（ａ）に示すようなＡ社の製品分類体系を画面に表示する（Ｓ１３０２）。表示の形式は図１４に限らず、入力単語に関連している単語が明示されれば良い。ユーザが製品分類名として「昇降シート車」を選択すると、システムは「昇降シート車」を検索キーワードとして認識する（Ｓ１３０３）。さらに、「昇降シート車」の上位概念、すなわち「介護式福祉車両」と「福祉車両」を検索キーワードに追加する（Ｓ１３０４）。

次に、図１４（ｂ）に示すような弁別関係に関する情報を参照し、検索キーワードの構成語の弁別概念を除外キーワードとして設定する（Ｓ１３０５）。例えば、「昇降シート車」の弁別概念「車いす移動車」、「ストレッチャー移動車」、「昇降」の弁別概念「回転」、および「介護式」の弁別概念「自操式」、「公共交通」を除外キーワードとして設定する。このように検索キーワードの拡張と除外キーワードの設定を行った上で、複数の会社の製品体系を対象に、「昇降シート車」に対応しうる製品の情報を検索する（Ｓ１３０６）。例えば、「『昇降シート車』あるいは『介護式福祉車両』あるいは『福祉車両』に分類されるものであって、かつ、『車いす移動車』『ストレッチャー移動車』『回転』『自操式』『公共交通』のいずれも含まない」というものを検索する。この方法により、図１５（ａ）、（ｂ）に示すように、Ｂ社には「昇降シート車」という製品分類名がない場合でも、「福祉車両」のうち「自操式仕様車」と「回転シート仕様車」を「車いす移動車」除外し、「リフトアップシート仕様車」だけを検索結果として表示する（Ｓ１３０７）。本発明における弁別関係を用いなければ、検索キーワードを上位概念である「福祉車両」に拡張することはできるが、「自操式仕様車」と「回転シート仕様車」「車いす移動車」を候補から除外することができない。

このように、本発明によれば弁別関係の知識を使って検索条件を絞ることにより、より適切な検索条件に変換でき、検索漏れを防ぎながらノイズの少ない検索結果を得ることができる。

本発明は、異なるデータベースの統合に適用することができ、特に、データベースの新規企業内／企業間での情報連携やサービス連携を実現するためのデータベースの仮想統合に適用することができる。また、本発明は、語句の概念を判定する情報検索システムなどに適用することもできる。

本発明の一実施形態によるデータスキーママッピング定義支援システムのシステム構成図である。 スキーマ文書の一例を示す説明図で、（ａ）はソースデータスキーマ定義文書を示し、（ｂ）はソースインスタンス文書を示し、（ｃ）はターゲットデータスキーマ定義文書を示し、（ｄ）はターゲットインスタンス文書の記述例を示す説明図である。 ソースデータスキーマデータ項目情報格納部およびターゲットデータスキーマデータ項目情報格納部のデータ構造を示す説明図で、（ａ）はソースデータスキーマデータ項目情報格納部を示し、（ｂ）ターゲットデータスキーマデータ項目情報格納部を示す。 概念情報格納部のデータ構造を示す説明図である。 オントロジのデータ構造を示す説明図である。 データ項目情報取り込み処理の一例を示すフローチャートである。 概念抽出処理の一例を示すフローチャートである。 概念関係抽出処理の一例を示すフローチャートである。 データ項目マッピング定義支援処理の一例を示すフローチャートである。 データ項目マッピング定義支援画面を示す画面イメージである。 オントロジ構築支援画面を示す画面イメージである。 データスキーママッピング定義格納部のデータ構造を示す説明図である。 情報検索システムの一例を示す処理のフローチャートである。 単語間の階層関係と弁別関係の一例を示す説明図で、（ａ）はＡ社における単語の階層関係を示し、（ｂ）はＡ社における単語間の弁別関係を示す。 単語間の階層関係と弁別関係の他の例を示す説明図で、（ａ）はＢ社における単語の階層関係を示し、（ｂ）はＢ社における単語間の弁別関係を示す。

符号の説明

１０１ ＣＰＵ
１０２ 入力装置
１０３ 表示装置
１０４ 入力データ格納部
１０５ オントロジ構築用データ格納部
１０６ オントロジ格納部
１０７ データスキーママッピング定義格納部
１０８ メモリ１０８
１０４１ ソースデータスキーマ定義文書格納部
１０４２ ソースインスタンス文書格納部
１０４３ ターゲットデータスキーマ定義文書格納部
１０４４ ターゲットインスタンス文書格納部
１０５１ ソースデータスキーマデータ項目情報格納部
１０５２ ターゲットデータスキーマデータ項目情報格納部
１０５３ 概念情報格納部
１０６１ オントロジ
１０７１ データスキーママッピング定義ファイル
１０８１ データ項目情報取り込み手段
１０８２ 概念抽出手段
１０８３ 弁別関係抽出手段
１０８４ 順序関係抽出手段
１０８５ 同義関係抽出手段
１０８６ オントロジ構築支援手段
１０８７ データ項目マッピング定義支援手段

Claims (11)

1. データ構造を記述した第１のデータスキーマと第２のデータスキーマを参照して、前記第１のデータスキーマを構成するデータ項目名と第２のデータスキーマを構成するデータ項目名の対応付けを行うプログラムであって、
   前記第１のデータスキーマを構成するデータ項目名を抽出する手順と、
   前記第２のデータスキーマを構成するデータ項目名を抽出する手順と、
   前記抽出した第１のデータスキーマと第２のデータスキーマのそれぞれのデータ項目名に含まれる要素概念を抽出する手順と、
   前記抽出した要素概念からデータ項目名間の弁別関係を設定する手順と、
   前記第１のデータスキーマのデータ項目名と第２のデータスキーマからデータ項目名をそれぞれ読み込んで、前記弁別関係に基づいて前記読み込んだ２つのデータ項目名について対応関係を設定する手順と、
   前記データ項目名の対応関係を蓄積する手順と、
   を計算機に実行させることを特徴とするプログラム。
2. 前記要素概念を抽出する手順は、
   前記第１のデータスキーマまたは第２のデータスキーマについて、それぞれ２つのデータ項目名を読み込む手順と、
   前記２つのデータ項目名の文字列を比較して同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する１組の文字列を第１の要素概念として抽出する手順と、
   前記２つのデータ項目名の文字列を比較して同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する文字列を除いた１組の文字列を第２の要素概念として抽出する手順と、
   を含むことを特徴とする請求項１に記載のプログラム。
3. 前記弁別関係を設定する手順は、
   前記第２の要素概念に対応する２つの項目名について、時系列的な順序関係を判定する手順と、
   前記第２の要素概念に時系列的な順序関係が含まれない場合には、当該第２の要素概念を構成する１組の文字列が弁別関係であることを設定する手順と、
   を含むことを特徴とする請求項２に記載のプログラム。
4. 前記対応付けを行う手順は、
   前記読み込んだ２つのデータ項目名の文字列を比較して、同義の文字列を含みかつ弁別関係にない場合に、これら２つのデータ項目名が対応関係にあることを設定することを特徴とする請求項１に記載のプログラム。
5. データ構造を記述した第１のデータスキーマと第２のデータスキーマを参照して、前記第１のデータスキーマを構成するデータ項目名と第２のデータスキーマを構成するデータ項目名の弁別関係を生成するプログラムであって、
   前記第１のデータスキーマを構成するデータ項目名を抽出する手順と、
   前記第２のデータスキーマを構成するデータ項目名を抽出する手順と、
   前記第１のデータスキーマまたは第２のデータスキーマについて、それぞれ２つのデータ項目名を読み込む手順と、
   前記２つのデータ項目名の文字列を比較して同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する文字列を除いた１組の文字列を第２の要素概念として抽出する手順と、
   前記第２の要素概念に対応する２つの項目名について、時系列的な順序関係を判定する手順と、
   前記第２の要素概念に時系列的な順序関係が含まれない場合には、当該第２の要素概念を構成する１組の文字列が弁別関係であることを設定する手順と、
   を含むことを特徴とするプログラム。
6. 前記弁別関係であることを設定する手順は、
   前記１組の文字列と、これら１組の文字列の概念関係が弁別関係であることを示す値をオントロジに格納する手順を含むことを特徴とする請求項５に記載のプログラム。
7. 前記２つのデータ項目名の文字列を比較して同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する１組の文字列を第１の要素概念として抽出する手順と、
   前記１組の文字列と、これら１組の文字列の概念関係が同義関係であることを示す値をオントロジに格納する手順と、
   をさらに含むことを特徴とする請求項６に記載のプログラム。
8. 入力された第１のデータスキーマを格納する第１データスキーマ格納部と、
   入力された第２のデータスキーマを格納する第２データスキーマ格納部と、
   前記第１データスキーマ格納部から第１のデータスキーマを構成するデータ項目名を抽出して第１データ項目格納部へ格納し、前記第２データスキーマ格納部から第２のデータスキーマを構成するデータ項目名を抽出して第２データ項目格納部へ格納するデータ項目名取り込み部と、
   前記第１データ項目格納部と第２データ項目格納部のそれぞれのデータ項目名に含まれる要素概念を抽出する概念抽出部と、
   前記抽出した要素概念からデータ項目名間の弁別関係を抽出してオントロジに格納する弁別関係抽出部と、
   前記抽出した要素概念からデータ項目名間の同義関係を抽出してオントロジに格納する同義関係抽出部と、
   前記第１データ項目格納部と、前記第２データ項目格納部からデータ項目名をそれぞれ読み込んで、前記オントロジに基づいて前記読み込んだ２つのデータ項目名について対応関係を判定し、この対応関係をマッピングファイルに格納するマッピング定義部と、
   を備えたことを特徴とする計算機システム。
9. 前記概念抽出部は、
   前記第１データ項目格納部または第２データ項目格納部から、それぞれ２つのデータ項目名を読み込んで当該２つのデータ項目名の文字列を比較する比較部と、
   前記２つのデータ項目名が同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する１組の文字列を第１の要素概念として抽出し、前記２つのデータ項目名が同義の文字列を含むときに、前記２つのデータ項目名を構成する文字列のうち共通する文字列を除いた１組の文字列を第２の要素概念として抽出する要素概念抽出部と、
   を有することを特徴とする請求項８に記載の計算機システム。
10. 前記弁別関係抽出部は、
    前記第２の要素概念に対応する２つの項目名について、時系列的な順序関係を抽出する手順順序関係抽出部と、
    前記第２の要素概念に時系列的な順序関係が含まれない場合には、当該第２の要素概念を構成する１組の文字列が弁別関係であると判定する弁別関係判定部と、
    を有することを特徴とする請求項９に記載の計算機システム。
11. 入力された単語について検索を実行する検索プログラムであって、
    検索キーとなる単語の入力を受け付ける手順と、
    単語間の概念関係を記録する辞書に基いて、前記入力された単語の上位概念である単語を上記検索キーとして追加する手順と、
    単語間の弁別関係を記録する辞書に基いて、前記検索キーの各単語および該単語の構成要素と弁別関係にある単語を除外キーとして設定する手順と、
    前記検索キーを用いて検索を行う手順と、
    該検索結果から前記除外キーを含むものを除外して検索結果を出力する手順と、
    を計算機に実行させることを特徴とする検索プログラム。

Images