JP5392077B2 - オントロジ処理装置、オントロジ処理方法、及びオントロジ処理プログラム - Google Patents

Description

本発明はオントロジ処理装置、オントロジ処理方法、及びオントロジ処理プログラムに関する。

インターネットやイントラネットが情報発信や意見交換の主要メディアとして定着し、その量と多様性、速報性はもはやあらゆる情報の調査・分析に欠かせない。それらネット上から必要な情報を収集し、各情報を有意な観点で分類するといった作業では、オントロジの構築と利用が有効である。オントロジは、ある概念が持つ属性や、概念または事象間の関係を定義したものであり、さらには定義した関係を満たす事例をも含む場合がある。

Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂコンソーシアム（Ｗ３Ｃ）で策定されたＯＷＬ（Ｗｅｂ Ｏｎｔｏｌｏｇｙ Ｌａｎｇｕａｇｅ）のように一定の形式的な記述方法によってオントロジを表現することで、複数のオントロジ同士での比較や統合が容易になる。オントロジの作成は一般に人手で行なわれるが、例えば数多くの種類の製品に対して各々が持つ属性（機能や特徴の種類）を全て調べ上げたり、そのような属性が頻繁に変わる携帯電話などの製品に対して属性の種類や定義をその都度更新したりするには、人手では限界がある。

オントロジの構築を省力化するには、まずはオントロジの要素となる主題やその属性、属性値の収集を容易にする技術が重要となる。ある特定種類の対象が持つ属性を表す語句（属性表現）を自動収集する技術としては、特許文献１がある。特許文献１では、予め用意した特定種類の文書集合を入力として、その文書集合に頻出する語句を属性表現として抽出する。また、特許文献１では抽出した各属性の近傍で共起性の高い語句をその属性に対応する属性値として抽出する。

特許文献２では、オントロジを利用した属性と属性値の抽出方法が開示されている。予め特定の概念を表すオントロジを用意しておき、そのオントロジで表現された条件に合致する属性と属性値を文書から抽出する。以上のような技術によって、インターネットやデータベースから様々な対象が持つ属性や各属性の値を自動的に収集することができる。

また、特許文献３では、オントロジが持つ各属性に重要度を与え、重要度が所定の閾値を超える属性に対してのみ、その属性に関する情報を抽出する方法が開示されている。ただし、どの属性に関する情報を抽出するかという判断基準は重要度に対する１つの閾値のみであり、属性値間の相互依存関係に基づいて抽出する属性値を決定する手段は開示されていない。

非特許文献１ではフレームとして記述された複数種類の対象・属性・属性値の組に対して、異なるフレーム間で対応する属性を自動的に決定する方法が開示されているが、フレーム同士をそれぞれオントロジとして統合する方法までは提供されていない。

非特許文献２では、特定分野の用語について、その同義語、狭義語、広義語、関連語を定義したシソーラスの自動構築方法を開示している。ただし、シソーラスの構築のみに限定しているため、概念を説明するオントロジやその事例を収集し組織化することはできない。

非特許文献３では、ＣＳＶ（Ｃｏｍｍａ Ｓｅｐａｒａｔｅｄ Ｖａｌｕｅ）形式で記述された表から前述のＯＷＬに準拠したオントロジへ自動変換する手段を提供しており、ＯＷＬに関する詳細な知識が無くともＯＷＬの構文として正しいオントロジを容易に生成できることを特徴としている。しかし、不完全なオントロジの属性や語彙を補強したり、属性間や属性値間の関係を検出して統合またはその支援をしたりするといった機能は備えていない。

非特許文献２や非特許文献３をはじめとした従来のオントロジ生成方法では、図３１に示したようにオントロジの元となるデータを入力するデータ入力手段１と、入力されたデータをオントロジの形式に変換するオントロジ化手段２、該変換により生成されたオントロジを格納するオントロジ格納手段３とを備えたオントロジ生成装置２０として実現されている。しかし、このようなオントロジ生成装置２０の構成のみでは、予めオントロジが持つべき個々の属性の特徴や制約、オントロジの構造に関する情報などを全て入力データに記述しておかなければならず、そのようなデータの準備が利用者にとって大きな負担となる。

または、非特許文献４で開示されているようなオントロジ編集システムをさらに備えることで、オントロジ生成装置２０を図３２に示したような構成とすることができ、生成済みのオントロジを人手で修正したり、統合したりすることができる。しかし、生成されるオントロジの数が膨大になると、人手による端末画面上での編集作業も困難になってくる。

特開２０００−１３７７２０号公報 特開２０００−２０７４０７号公報 特開２００５−１４８８８６号公報 伊藤、上田、池田、分散情報源に対する情報エージェントのための事例に基づくフレームマッピング、電子情報通信学会誌、Vol. J81-D-I、No.5、pp.4 33-442、1998 内田、石野、オントロジーの自動構築に関する基礎的研究、人工知能学会研究会資料、SIG-SW&ONT-A301-05、2003 サイバーエッヂ、「オントロジジェネレータ」の発売について、2006年11月21日報道発表文、 "http://www.semanticweb.jp/pub/OntologyGenerator.html" 法造 − オントロジエディタの操作マニュアル、"http://www.ei.sanken.osaka-u.ac.jp/hozo/manual/manual.html"

以上のような技術では、オントロジの生成やオントロジに基づく事例知識の構築において、ある特定の概念やその概念の事例を記述するために必要となりうる属性をあらかじめ全て定義しておかなければならず、不完全な属性の組からより多くの属性や属性値を収集し、それらの間の整合化を含めたオントロジや事例を構築することができない。また、ある概念に対する必須属性、非必須属性、および相互補完関係にある属性を自動的に区別し、それらをオントロジの構造の中で表現することができない。

本発明の目的は、所定形式のオントロジを、データの特徴を反映した構造に構造化する技術を提供することにある。

本発明に係るオントロジ処理装置は、オントロジを処理するオントロジ処理装置であって、文字列で表現された主題とその属性および属性値の組を含む事例データの集合から生成された所定形式のオントロジ構造を、前記事例データの集合に含まれる属性値の統計的特徴に基づいて修正すると共に、前記オントロジの属性を、属性値の特徴に基づいて変更する構造化手段を有し、且つ、前記構造化手段は、前記オントロジに含まれる個々の属性が、該属性と関連付けられた前記オントロジ内で定義される概念にとって必須な属性か、必須でない属性かを判定し、該判定結果に応じて該属性に関するオントロジの構造を修正する必要度判定手段を有することを特徴とする。

本発明に係るオントロジ処理方法は、オントロジを処理するオントロジ処理方法であって、文字列で表現された主題とその属性および属性値の組を含む事例データの集合とから生成されたオントロジの構造を、前記事例データの集合に含まれる属性値の統計的特徴に基づいて構造化手段が修正し、前記オントロジの属性を属性値の特徴に基づいて前記構造化手段が変更し、前記オントロジに含まれる個々の属性が、該属性と関連付けられた前記オントロジ内で定義される概念にとって必須な属性か、必須でない属性かを前記構造化手段に含まれる必要度判定手段が判定し、必須でないと判定した属性について前記構造化手段がオントロジの構造を修正することを特徴とする。

本発明に係るオントロジ処理プログラムは、コンピュータに、文字列で表現された主題とその属性および属性値の組を含む事例データの集合から生成された所定形式のオントロジの構造を、前記事例データの集合に含まれる属性値の統計的特徴に基づいて修正する機能と、前記オントロジの属性を、属性値の特徴に基づいて変更する機能と、前記オントロジに含まれる個々の属性が、該属性と関連付けられた前記オントロジ内で定義される概念にとって必須な属性か、必須でない属性かを判定し、該判定結果に応じて該属性に関するオントロジの構造を修正する機能とを実行させることを特徴とする。

本発明によれば、所定形式のオントロジの属性を、データから得られる属性値集合の特性を反映して修正またはオントロジの構造として表現することができる。

（第１の実施形態）
以下、本発明の第１の実施形態を、図面を参照して説明する。

図１は、本発明の第１の実施形態におけるオントロジ生成装置を示すブロック図である。図１を参照すると、本発明の第１の実施形態に係るオントロジ生成装置１０は、データ入力手段１と、オントロジ化手段２と、構造化手段３と、オントロジ格納手段４とを備える。

ここで、データ入力手段１は、オントロジの生成に必要なデータを入力する手段を提供する。オントロジの生成に必要なデータは、オントロジとして表現したい対象の概念名、その概念が持つ属性、その属性が取りうる値（属性値）の範囲（値域）、およびその概念に含まれる個々の事例を表す名称や各属性の具体的な属性値などから成る。例えば、「お客様情報」という名前を持つ概念をオントロジとして表現する場合、その属性には「氏名」、「職業」、「住所」などを値域とする属性と、その概念の事例における各属性の値として「鈴木太郎」、「自営業」、「神奈川県横浜市・・・」などが含まれる。

前述のＯＷＬでは、１つの概念や事例を表す主題とその属性および当該属性の値域という３要素からなる「トリプル」をオントロジの基本単位として記述する。属性の値域もまた概念でありうる。例えば、「氏名」は概念の１つであり且つ「書籍」という主題の「著者」という属性の値域として用いることができる。この場合のトリプルは「書籍、著者、氏名」となり、これが最小単位のオントロジである。実際のＯＷＬの構文はＸＭＬ形式やその他の形式に基づいて記述される。また、トリプルを用いて、ある概念の事例を記述することもできる。例えば、前述の「書籍」に関するオントロジに対して「坊ちゃん、著者、夏目漱石」が１つの事例となる。事例もオントロジの一部とされる場合もある。

本発明の第１の実施形態におけるデータ入力手段１は、各トリプルに対してそれが作成された日時や作成者、信頼度などを表すメタデータをオントロジ生成時の入力データに含んでも良い。信頼度は、当該トリプルを何らかの計算によって作成する際に、その計算処理によって定まる場合や、作成者に対して期待できる能力によって定まる場合がある。

オントロジ化手段２は、データ入力手段１によって入力されたデータを所定の形式のオントロジに変換する。前述のトリプルを基本単位とした入力データからオントロジへの変換は、例えば図２に示したような構成で実現することができる。

図２は、オントロジ化手段２を詳細化した例である。主題分類手段２０１は、入力データに含まれる主題を必要に応じて分類する。同様に属性分類手段２０２は、入力データに含まれる属性を必要に応じて分類する。属性値分類手段２０３は、入力データに含まれる属性値を必要に応じて分類する。オントロジ記述手段２０４は、分類された主題、属性及び属性値等に基づいて、１単位のオントロジとしてＯＷＬ形式などの所定の形式で記述する。メタデータ付与手段２０５は、オントロジ記述手段２０４により記述されたトリプル（例えば概念，属性，属性値）に対して各種のメタデータをそれぞれ付与する。

メタデータ付与手段２０５がメタデータをオントロジに付与する方法としては、オントロジとは別にメタデータ専用のデータベースを用いてメタデータを付与する方法や、メタデータを所定のオントロジの形式と同形式で記述して、そのメタデータをオントロジの一部として扱うことによりメタデータを付与する方法がある。前者の方法ではメタデータのみによるオントロジの検索を高速に行なうことができ、後者の方法ではオントロジとそのメタデータの区別なく検索や参照が行なえる。

前述したようにメタデータ付与手段２０５でメタデータを付与することにより、トリプル単位で指定日時より新しいオントロジのみを参照したり、用途に応じて特定の信頼度以上のオントロジのみを利用したりするということが可能になる。

構造化手段３は、オントロジ化手段２で生成されたオントロジに含まれる属性関係からそれらの属性を必要に応じて組み合わせて構造化する。ここで構造化とは、オントロジ化手段２によって記述された１つの概念が持つ一連の属性について、ある属性を再定義したり、複数の属性を組み合わせて新たな属性を定義したりすることとする。

図３は、構造化手段３を詳細化した例である。

必要度判定手段３０１は、オントロジ化手段２で生成されたオントロジに含まれる各属性に対し、対応する属性値の集合から各属性がその属性を持つクラスにとってどの程度必要かを判断し、その必要度合いに応じて属性を分類し、当該分類結果をオントロジに反映する。

相補関係判定手段３０２は、必要度判定手段３０１によってオントロジに分類結果が反映された一連の属性に対する属性値の集合からなる事例それぞれにおいて、ある特定の属性に対する属性値が無い場合には必ず別の特定の属性に対する属性値があり、且つその属性の組において逆の関係も成り立つ場合、その属性の組を相補関係と判定する。さらに、相補関係判定手段３０２は、相補関係と判定した属性の組に対して、それらが互いに相補関係であることをオントロジに反映する。

上述の如く構成された第１の実施形態によれば、入力したデータから所定の形式に従ったオントロジを自動的に生成でき、さらには生成したオントロジの属性を入力したデータから得られる属性値集合の特性を反映して修正またはオントロジの構造として表現することができる。

その理由は、オントロジ化手段２が、入力したデータ内の主題、属性、属性値に各々相当する部分についてそれぞれ必要な分類を行ない、オントロジを構築するためであり、また、構造化手段３が、オントロジ化手段２で生成したオントロジ内の各属性についてその必要度と相補関係を対応する属性値の集合から判定し、それぞれの判定結果に基づいて属性の種類や階層構造を決定するためである。

また、本実施形態によれば、生成したオントロジに当該オントロジの作成日時や作成者、信頼度などを示すメタデータを付与することで、メタデータを用いたオントロジの分類やフィルタリングが可能になる。

次に、上述した実施形態１を更に詳細に具体化したものを述べる。なお、以下の構成及び動作の説明において、上述した構成及び動作の同様のものについては、適宜省略して説明する。

図４は、実施形態１におけるデータ入力手段１によって入力されるデータの一例である。図４を参照すると、データ入力手段１がオントロジを生成するために入力するデータとして、オントロジの各要素名の名前空間を表すｎａｍｅｓｐａｃｅ要素と入力データ本体を表すｂｏｄｙ要素に加え、入力データの作成者を表すｃｒｅａｔｏｒ要素、入力データの作成日時を表すｔｉｍｅｓｔａｍｐ要素、作成された入力データの信頼度を表すｒａｔｉｎｇ要素、入力データの作成に利用した情報源を表すｓｏｕｒｃｅ要素がそれぞれメタデータとしてＸＭＬ形式で記述されている。また、入力データ本体はさらに主題（ｓｕｂｊｅｃｔ）、属性（ｐｒｏｐｅｒｔｙ）、属性値（ｏｂｊｅｃｔ）の少なくとも３種類に分類され、これら３種類のデータ１つずつからなる組を１つのトリプルとして、１つ以上のトリプルがＣＳＶ形式で記述されている。加えて、当該ｂｏｄｙ要素は、各トリプルの主題がある特定の概念を表しているのか、ある特定の概念の事例を表しているのかを区別するｔｙｐｅ属性と、その特定の概念を識別するための名称を指定するｃｌａｓｓ属性とを伴っている。

データ入力手段１が対象とするデータは、図４のようなＸＭＬ形式に限定されず、入力データ本体もＣＳＶ形式に限定されない。また、メタデータの有無や種類、メタデータの付与単位も図４の例に限定されない。例えば、図４のように入力データに含まれる全トリプルに共通したメタデータを各種類１つずつ記載する替わりに、ｂｏｄｙ要素内の各行に個々のトリプルに対応したｒａｔｉｎｇ要素などのメタデータを記述しても良く、全トリプルで値が共通のメタデータだけを別途記述しておき、個々のトリプルで値の異なるメタデータはそれぞれのトリプルに対応する形で記述しても良い。さらに、入力データはテキストデータではなくＸＭＬのＤＯＭオブジェクトのようなバイナリデータであってもよく、入力データ本体も「主題、属性、属性値」のトリプルに限定する必要は無い。ただし、以下ではトリプルを基本単位としたオントロジを想定し、図４の例で記載した各種の要素や要素属性がそれぞれ入力データに含まれるものとして説明を進める。

図５は、図２に示した実施形態１におけるオントロジ化手段２の処理手順をさらに詳細に説明したフローチャートである。

主題分類手段２０１は、データ入力手段１が入力する入力データを受け取ってその入力データに含まれている主題が概念を表す「クラス」か否かを判定し、クラスでない場合は主題がある概念の事例（インスタンス）であるものとする。主題分類手段２０１は、主題がクラスか否かを、例えば図４に示した入力データではｂｏｄｙ要素のｔｙｐｅ属性の値を参照することによって判断する。クラスまたはインスタンスは、いずれも「リソース」の一種として記述されるものとする。リソースとは、一意に識別可能な事物であり、例えばオントロジ記述言語のＯＷＬでは１つのリソースを１つのＵＲＩ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｉｄｅｎｔｉｆｉｅｒ）で表す。すなわち、ＯＷＬ形式で表現されるオントロジを生成するためには、主題はＵＲＩを持つリソースでなければならない。本発明の実施形態におけるオントロジ化手段２が出力するオントロジは、ＯＷＬ形式のオントロジに限定されないが、図５に示した詳細な処理手順においてはＯＷＬと同様に主題および属性はそれぞれリソースの一種であり、属性値はリソースまたはリテラルの一種であることを前提としている。

主題分類手段２０１は、データ入力手段１から受け取った入力データに含まれている主題がクラスであって、図４の例のように入力データがどのクラスについての記述かを指定するｃｌａｓｓ属性を持つ場合、主題のクラスとｃｌａｓｓ属性で指定されたクラスとが同じであれば、そのクラスをそのまま出力すべきオントロジの主題とする。主題分類手段２０１は、主題が表すクラスと指定クラスとが異なる場合、主題が表すクラスを指定クラスと同じ概念を表す別クラスまたは別名称であると判断し、指定クラスとの関係を所定のオントロジ記述形式で記述し、指定クラスを出力すべきオントロジの主題とする。

主題分類手段２０１は、主題がクラスではない場合、次に主題が既知のリソースか否かを判定する。主題分類手段２０１は、オントロジ生成装置１０に予め記録されているリソースのうちの１つが主題と適合する場合、その既知のリソースを出力すべきオントロジの主題とする。主題分類手段２０１は、入力データの主題が既知のリソースでない場合、入力データ中に主題として記載されたデータを新たなリソースとして記録し、当該リソースを改めて出力すべきオントロジの主題とする。

主題分類手段２０１における処理が終了すると、次に属性分類手段２０２の処理に入る。属性分類手段２０２は、入力データ中の属性が前述の主題の場合と同様に既知の属性を表すリソースか否かを判定し、既知の属性であればそのまま出力すべきオントロジの属性とする。属性分類手段２０２は、既知の属性でない場合は、入力データ中に属性として記載されたデータを新たな属性を表すリソースとして記録し、当該リソースを改めて出力すべきオントロジの属性とする。

属性分類手段２０２における処理が終了すると、属性値分類手段２０３の処理を行なう。属性値分類手段２０３は、まず前述の属性分類手段２０２によって確定した属性の値域を参照し、その値域がリテラルか否かを確認する。

オントロジにおいて主題と属性値との関係を表す属性は、それぞれに定義域と値域を持つものとする。定義域は、主題そのものが表すクラスまたは主題が属する上位のクラスであり、値域は属性値が取りうる値の特性や集合を規定したクラスである。例えば、「人間」クラスを定義域とする「性別」属性の値域は、「男性」と「女性」の２種類のクラスから構成される集合クラスとして表現できる。属性分類手段２０２において新たな属性を定義する場合、その属性の値域が不明であれば適当なＵＲＩを持つ新たなクラスを生成してそのクラスを値域とすることで、属性を定義できる。

「リテラル」とは、記述されたデータが特定の概念や事例を表すのではなく、文字列や数値で記述されたデータそのものを表すクラスである。日付や電話番号、ある事物の略称などはリテラルに該当する。ＯＷＬの場合、属性の値域がリテラルであることは「リテラル」クラス（ｒｄｆｓ：Ｌｉｔｅｒａｌ）を用いて表現できる。

属性値分類手段２０３は、属性分類手段２０２で分類された属性の値域がリテラルであれば、入力データ中に属性値として記載されたデータそのものを出力すべきオントロジの属性値とする。属性値分類手段２０３は、属性の値域がリテラルでない場合は、入力データ中に記載された属性値がリソースを表すか否かを判定し、リソースであればそのまま出力すべきオントロジの属性値とする。属性値分類手段２０３は、属性の値域がリテラルではなく記載された属性値がリソースでもない場合は、入力データ中に属性値として記載されたデータを新たなリソースとして定義し、その定義したリソースを出力すべきオントロジの属性値とする。

例えば、図４に示したような形式の入力データにおいて、「主題、属性、属性値」のトリプルに変換される入力データ本体のうちの１行が、「吉田葉子 ｒｄｆｓ：ｌａｂｅｌ 高橋葉子」であったとする。ｒｄｆｓ：ｌａｂｅｌはＯＷＬにおいて主題の別名を定義するための属性であり、主題が人物である場合はその旧姓や愛称などをオントロジに記述する場合に利用できる。ｒｄｆｓ：ｌａｂｅｌの値域はリテラルであるため、オントロジ化手段２は、ｒｄｆｓ：ｌａｂｅｌを既知だとすれば、これと前述の「高橋葉子」という文字列は共にそのまま各々オントロジの属性および属性値として記述される。オントロジ化手段２は、上記トリプル中の「吉田葉子」はリソースとして記述する。

以上の主題分類手段２０１から属性値分類手段２０３までの各処理で確定した主題、属性、属性値の組を、オントロジ記述手段２０４は、１単位のオントロジとしてＯＷＬ形式などの所定の形式で記述する。

さらに、メタデータ付与手段２０５により、所定の形式で記述された１単位のオントロジに対して、入力データ中で指定されたメタデータを付与しても良い。

図６は、以上説明したオントロジ化手段２による処理の結果として出力されるオントロジの例である。図６に示したオントロジは、Ｗ３Ｃが提案しているＮｏｔａｔｉｏｎ３という構文規則を用いてＯＷＬ形式で記述したものである。図６中の「＠ｐｒｅｆｉｘ」は各種の名前空間を定義しており、入力データで明示的に指定した名前空間以外にも、ＯＷＬ形式のオントロジで利用されるＲＤＦやＲＤＦ Ｓｃｈｅｍａ、ＯＷＬの各語彙を指定するための名前空間、メタデータや主題、属性、属性値を識別するための語彙を表す名前空間がそれぞれ記述されている。

名前空間の定義の後に続くデータが生成されたオントロジ本体である。オントロジ本体の１行目にある「ｐｒ１：ｉ００１ ｒｄｆ:ｔｙｐｅ ｐｒ１：お客様情報．」は、Ｎｏｔａｔｉｏｎ３構文において主題「ｐｒ１：ｉ００１」が「ｐｒ１：お客様情報」クラスに属するリソースであることを表している。「ｐｒ１：００１」は、オントロジ化手段２において自動的に定義されたリソースであり、図６に記載されている当該リソースを主題とした「主題，属性，属性値」の組（「ｐｒ１:００１，ｒｄｆｓ：ｌａｂｅｌ，“鈴木太郎”」「ｐｒ１:００１，ｐｒ１：氏名，ｐｒ１：鈴木太郎」「ｐｒ１:００１，ｐｒ１：職業，ｐｒ１：自営業」「ｐｒ１:００１，ｐｒ１：資料送付先，ｐｒ１：自宅」）からなる１つの事例を表す。また、図６の中カッコで囲まれた個々のトリプルには、それぞれ入力データ中で指定されたメタデータ（当該トリプル全体を主題とし、「ｍｅｔａ：ｃｒｅａｔｏｒ」などを属性とした「主題，属性，属性値」の組）が付与されている。

なお、図６のオントロジ記述例では、中カッコで囲まれた各トリプルに対して全て同じメタデータが個別に記述されているが、オントロジ格納手段４においてはメタデータをオントロジ本体のトリプルとは別のデータベースなどに格納し、各トリプルと当該トリプルに対応するメタデータとはそれぞれ参照ＩＤを持たせて相互参照するように実装してもよい。参照ＩＤでトリプル単位や一連のメタデータ単位に参照可能とした場合、同じ内容のメタデータを複数のトリプルと結び付けてメタデータの格納に必要な記憶容量を抑えることができる。

例えば、データ入力手段１により「お客様情報」として図７に示したようなデータが得られたとする。図７では属性（「氏名」「職業」など）と属性値（「鈴木太郎」「自営業」など）のみを対応表として記載しているが、実際の記述形式は図４に示したような形式やその他の形式であっても良い。図７のようなデータから、オントロジ化手段２により、「お客様情報」クラスを主題とした図８のようなオントロジが生成できる。

図８は、図６に示したようなオントロジをグラフとして図示したものである。図８では、異なるクラス間の関係を、クラスを表す２つのノードとそれらのノード間を結ぶ矢印で表現しており、各矢印はそれぞれ１種類の属性を表している。ある属性を表す矢の根元のノードがその属性の定義域を、矢先のノードがその属性の値域を、矢印に付随する文字列（「ｈａｓ氏名」など）が属性名をそれぞれ表している。なお、このように表現した各クラス間の関係について、同一のクラスはグラフ内で単一のノードにより表している（図８においては「お客様情報」ノードのみが該当）。

また、図７の表を参照すると、「資料送付先」属性の属性値には「自宅」と「勤務先」しか無いことが分かる。このように、ある属性に対する属性値の種類が規定数以内であれば、その属性の値域を具体的な属性の和集合として定義することとしても良い。前述の「資料送付先」属性の場合、その値域は｛「自宅」，「勤務先」｝という２要素からなる集合のクラスで表すことができる。これは、ＯＷＬで記述した場合には値域（ｒｄｆｓ：ｒａｎｇｅ）の記述に「ｏｗｌ：ｕｎｉｏｎＯｆ」という和集合を表す属性を用いて次のように表現できる（接頭辞ｐｒ１は便宜上付与した名前空間を表す）。ただし、このように記述する場合は「自宅」と「勤務先」は共にクラスとして定義しておく必要がある。

<owl:ObjectProperty rdf:about=”&pr1;資料送付先”>
<rdfs:domain rdf:resource=”&pr1;お客様情報”/>
<rdfs:range>
<owl:Class>
<owl:unionOf rdf:parseType=”Collection”>
<owl:Class rdf:about=”&pr1;自宅” />
<owl:Class rdf:about=”&pr1;勤務先” />
</owl:unionOf>
</owl:Class>
</rdfs:range>
</owl:ObjectProperty>

オントロジ化手段２によって得られた図８のようなオントロジを構造化手段３における必要度判定手段３０１が参照すると、属性ごとに属性値の充足率を評価する。「ｈａｓ氏名」属性および「ｈａｓ資料送付先」属性には全ての事例（図７の表における各レコードに相当）に属性値があるのに対し、「ｈａｓ職業」「ｈａｓ自宅住所」「ｈａｓ勤務先住所」の各属性に対しては属性値のない事例が存在する。必要度判定手段３０１は、属性値の充足率をある属性に対して全事例における属性値が含まれる事例の割合と定義し、充足率の閾値を例えば８０％に設定する。図７を参照すれば、「職業」１２の属性値充足率は６０％、「自宅住所」１３では６０％、「勤務先住所」１４では４０％となり、いずれも閾値の８０％を下回っている。同様の評価で「氏名」１１と「資料送付先」１５の属性値は共に１００％であり、閾値８０％を上回っている。結果として、必要度判定手段３０１は、「お客様情報」１０のクラスにおける「ｈａｓ氏名」属性と「ｈａｓ資料送付先」属性の必要度は高く、「ｈａｓ職業」、「ｈａｓ自宅住所」、「ｈａｓ勤務先住所」の各属性の必要度は低いものと判定する。

必要度判定手段３０１は、以上のような充足率の評価に基づく必要度合いの判定結果をオントロジに反映する。必要度判定手段３０１は、必要度が高いと判定したオントロジの属性をオントロジ化手段２で生成されたまま維持する。必要度判定手段３０１は、必要度が低いと判定された属性について、その値域であったクラスを定義域に、定義域であったクラスを値域に入れ替え、また、属性名も必要に応じて変更する。必要度判定手段３０１はが性名の変更する方法としては、例えば図８において「ｈａｓ職業」であったものを「ｉｓ職業」とする。これは、「ｈａｓ職業」属性が“「お客様情報」クラスが「職業」リソースを属性値として持っている”ことを表すのに対し、「ｉｓ職業」は“「職業」リソースが「お客様情報」クラスの属性値の１つである”ことを表す。ここで、前者は「お客様情報」クラスが「職業」クラスを常に必要としているのに対して、後者は「お客様情報」クラスが必ずしも「職業」クラスを必要とはしていないことを意味するものと解釈できる。

以上のように必要度判定手段３０１が属性の必要度合いをオントロジに反映した結果の例を図９に示す。

なお、ここで説明した必要度判定手段３０１における属性の必要度合いの判定方法およびそのオントロジへの反映方法は一例に過ぎず、属性の必要度合いを上記の充足率とは異なる評価方法で判定しても良く、判定結果は必要度が高いものと低いものの２種類でなくともよい。例えば、前記充足率が１０％未満の属性は不必要と判定して当該オントロジから削除しても良い。

必要度判定手段３０１の処理に続き、相補関係判定手段３０２がオントロジを参照すると、それぞれの事例単位で前述したような相補関係にある属性の組を探す。相補関係判定手段３０２は、例えば、ある属性Ａ１が事例Ｉ１において属性値を持たなかった場合、同事例Ｉ１において属性値を持つ属性Ａ２を見つけたとすると、逆に属性Ａ２が属性値を持っていない事例Ｉ２において属性Ａ１が属性値を持っているかを確認する。こうして相補関係判定手段３０２は、全ての事例について属性Ａ１と属性Ａ２が互いに一方の属性値の欠落を他方が補う関係が成立することが確認した場合、これらの属性を相補関係と判定する。例えば、図７に示したデータでは、「自宅住所」属性と「勤務先住所」属性では互いの属性値が相補関係であることが分かる。

相補関係判定手段３０２は、相補関係の判定結果を、相補関係にある全属性の属性値の和集合をクラスと属性を用いて表現することで、オントロジに反映する。相補関係判定手段３０２は、例えば図９に示したグラフのようなオントロジをＯＷＬで記述する場合、図９で属性値にあたる「自宅住所」１３と「勤務先住所」１４が相補関係にあると判定すると、これら２つのクラスの和集合を表す仮のクラスを定義する。相補関係判定手段３０２は、仮のクラスにクラス名１６を与えても省略してもよく、またその仮のクラス１６と「お客様情報」クラスとを関連付ける属性には例えば何らかの要素を持つことを表す「ｈａｓＰａｒｔ」といった属性名を与えたり、より具体的に「自宅住所」１３と「勤務先住所」１４の共通部分を引用して「ｈａｓＳｏｍｅ住所」といった属性名を与えたりしても良い。そして相補関係判定手段３０２は、「お客様情報」クラスと「自宅住所」１３および「勤務先住所」１４の各クラスを関係付けていた「ｉｓ自宅住所」および「ｉｓ勤務先住所」属性は共に削除し、替わりに前記仮のクラス１６と「自宅住所」１３および「勤務先住所」１４の各クラスとを、「ｏｗｌ：ｕｎｉｏｎＯｆ」属性と要素のリストを表す「ｒｄｆ：Ｌｉｓｔ」クラス１７で関連づける。結果として、図１０に示したような相補関係判定手段３０２によるオントロジが得られる。

以上説明したように、オントロジ構造化手段３における必要度判定手段３０１および相補関係判定手段３０２によってオントロジを構造化することができ、例えば図７に示したようなデータを元に生成された図８に示したようなオントロジが、図１０に示したようなオントロジへと構造化される。図１０に示したオントロジでは、「お客様情報」クラスで表される概念が、「氏名」と「資料送付先」を必ず含み、さらに「自宅住所」と「勤務先住所」のうちいずれかを必ず含み、「職業」は必ずしも必要ではないが要素にはなりうることを表している。

以上のような知識を１つのオントロジで表現できることにより、例えばある文書やデータベースがお客様情報を含んでいるか否かを当該オントロジによって精度良く判別することができる。逆に、図８に示したオントロジを用いて文書やデータベースにお客様情報が含まれているかどうかを判別した場合、氏名と資料送付先および自宅住所か勤務先住所のいずれかを含んでいるものの、職業に関する情報を含んでいない場合や、自宅住所と勤務先住所のいずれかのみしか含んでいない場合には、お客様情報に該当しないと誤判断する可能性がある。

また、必要度判定手段３０１および相補関係判定手段３０２による処理結果は、前述のように属性の追加や変更によって表現するほか、図１１に示したように、該クラスと該属性および属性値のトリプル全体に対して「必要度」という属性を与え、その属性値で必要度合いを表しても良い。図１１では、「お客様情報，ｈａｓ氏名，氏名」といった各トリプルに対する「必要度」属性を与え、その属性値として「必須」「非必須」「選択」のいずれかを与えている。このような表現は、ＯＷＬで記述する場合にはレイフィケーション（Ｒｅｉｆｉｃａｔｉｏｎ）という記述方法によって実現できる。なお、「必要度」属性が「選択」となっているトリプル同士は、その各トリプル内の属性が前述したような互いに相補関係にあることを表している。

オントロジ格納手段４は、以上の各処理を施したオントロジを再利用可能な形で格納する。例えば、リレーショナルデータベースやＸＭＬデータベースにオントロジを格納することで、オントロジの検索や部分的な抽出を可能にする。

図１２は、第１の実施形態によるオントロジ生成装置のハードウェア構成を示すブロック図である。

図１２を参照すると、本実施形態によるオントロジ生成装置１０は、一般的なコンピュータ装置と同様のハードウェア構成によって実現することができ、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などのメインメモリであり、データの作業領域やデータの一次退避領域に用いられる主記憶部１０２、液晶ディスプレイ、プリンタ、スピーカーなどによるデータの出力部１０３、キーボードやマウス、スキャナなどによるデータの入力部１０４、周辺機器と接続してデータの送受信を行なう通信部１０５、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスク装置などである補助記憶部１０６、以上の各構成要素を相互に接続するシステムバス１０７などを備えている。

本発明の実施形態によるオントロジ生成装置１０は、その動作を、オントロジ生成装置１０内部にそのような機能を実現するプログラムを組み込んだ、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）などのハードウェア部品からなる回路部品を実装してハードウェア的に実現することは勿論として、上記した各構成要素の各機能を提供するプログラムを、コンピュータのＣＰＵ１０１で実行することにより、ソフトウェア的に実現することができる。

すなわち、ＣＰＵ１０１は、補助記憶部１０６に格納されているプログラムを、主記憶部１０２にロードして実行し、オントロジ生成装置１０の動作を制御することにより、上述した各機能をソフトウェア的に実現する。

以上説明したオントロジ生成装置１０の動作にかかる一連のオントロジ生成方法によれば、「主題、属性、属性値」を１レコードとした表構造を持つデータを入力として、Ｗ３Ｃで策定された標準のオントロジ記述言語ＯＷＬやこれに類するオントロジ記述形式に基づくオントロジを自動的に生成できる。また、入力されたデータの属性値に相当する部分の集合から、生成されたオントロジが持つ属性それぞれについて、必須属性か非必須属性か、さらには属性値同士が相補関係にある属性かを判定し、これらの判定結果を属性の向きおよび属性名の変更や、複数属性の階層構造化によって表現できる。

（第２の実施形態）
第２の実施形態について説明する。

図１３は、本発明によるオントロジ生成装置の第２の実施形態を示すブロック図である。図１３において、データ入力手段１、オントロジ化手段２、構造化手段３、オントロジ格納手段４は、それぞれ第１の実施形態における同名の手段と同様であるため、これらの説明は省略する。

図１３を参照すると、第２の実施形態では、第１の実施形態に加えて属性統合手段６と、事例獲得手段７とをさらに備える。

属性統合手段６は、構造化手段３から受け取ったオントロジの中で同一のクラスが持つ属性（同一のクラスを定義域とする属性）のうち、それらの属性の値域（属性値の集合）も同一とみなせる場合、それらの属性同士を統合する。属性統合手段６は、統合後の属性名として、統合前の属性のうちより多くの属性値を持つ方の属性名を採用する、または統合前の各属性名をそれぞれ形態素解析し、より形態素の多い方を採用する、または統合前の各属性名を入力キーワードとしてＷｅｂ検索を行ない、より多くの検索結果が得られた方を採用する、などの基準で選ぶ。

事例獲得手段７は、属性統合手段６が属性同士を統合したオントロジを使って当該オントロジの事例となるデータを更に収集する。事例獲得手段７は、事例の獲得手順として、例えば、まず事例を得たいクラスをオントロジ中から選択し、そのクラスを定義域または値域とする属性を当該オントロジから収集する。

次に、事例獲得手段７は、収集した属性のうち前記選択したクラスを定義域とする全ての属性の名前（属性名）を文字列として含むようなＷｅｂ上のページやファイルシステム上のファイル、またはデータベース上のテーブルを検索する。ただし、属性名が「ｈａｓ氏名」のように「ｈａｓ」＋属性値名といった一定の規則に基づいて構成されている場合は、事例獲得手段７は、後方の属性値名のみを検索キーワードに使うなどのヒューリスティックな方法を採っても良い。

また、属性名が図１０の「ｏｗｌ：ｕｎｉｏｎＯｆ」のような複数属性の和集合で表されている場合は、事例獲得手段７は、その各属性の属性値である「自宅住所」と「勤務先住所」をそれぞれキーワードとして個別に検索した結果を統合（その際、重複したページやファイル、テーブルは削除）すればよい。

さらに、事例獲得手段７は、属性名または属性値名をキーワードとして検索するだけでなく、その変形（例えば「自宅住所」を「自宅」と「住所」に分けて２つのキーワードのＡＮＤで検索するなど）による検索や、文字列の部分一致による検索、「氏名」を「名前」などの同義語に展開してそれぞれをキーワードとした検索などの方法で、より網羅的な事例の収集を図っても良い。

以上のような検索によってＷｅｂページやファイル、データベース上のテーブルが収集できると、事例獲得手段７は、それらのデータに含まれる属性と各属性の属性値を抽出し、データ入力手段１で入力されるデータと同じ形式の事例集合にまとめる。事例獲得手段７は、属性の抽出では、検索時に使用したクラスの属性だけでなく、収集したデータに含まれる属性全てを抽出しても良い。また、事例獲得手段７は、属性値の抽出方法としては、対象がデータベースのテーブルであればそのままＳＱＬなどを使って各属性に対応するフィールド内のデータを抽出し、対象がＷｅｂページやファイルの場合は、ＨＴＭＬタグの解析などによってそこにフィールド名として検索キーワードに使った属性名を含む表や表相当の記述があれば、それらに含まれる属性名に対応した各フィールドから属性値を抽出することができる。

また、事例獲得手段７は、上記のようにして得られた属性値の集合を、属性ごとに先のオントロジ生成時に入力されたデータに含まれる属性値と比較し、共通した属性値が所定の数以上含まれていれば新たに収集した属性値の集合全体を有効と判断する、といった方法により、新規獲得事例の精度を確保するようにしても良い。

また、事例獲得手段７は、検索によって収集したデータから属性値を抽出する際には、定義域が前記選択したクラスである属性以外にも、値域が当該クラスであり且つ属性名が「ｉｓ」＋属性値名である場合、そのような属性の属性値も、その属性の定義域である属性値名がフィールド名に合致するフィールドのデータ集合を属性値集合として抽出するようにしても良い。

以上のようにして事例獲得手段７によって得られた事例集合を、オントロジ化手段２を用いて再びオントロジ化する。オントロジ化手段２は、過去に生成されたオントロジに適合するデータを収集し、再びオントロジ化することにより、生成済みのオントロジには無い新たな属性を追加したり、個々の属性や複数の属性からなる構造を修正したりする。

また、図１４は、図３に示した前記構造化手段３に対し、さらに上下関係判定手段３０３を加えた場合の構成を示すブロック図である。上下関係判定手段３０３は、ある２つ以上の特定の属性に対応する属性値の集合が、それらとは別の特定の属性に対応する属性値の集合に包含される場合、且つそれら包含関係が全ての事例内でも個別に成立する場合、前者の当該２つ以上の属性は後者の属性の下位属性であると判定し、その判定結果をオントロジに反映する。

事例獲得手段７により、過去に生成したオントロジを用いて新たに同じ概念を表すオントロジを生成した際、前記上下関係判定手段３０３は、過去に生成したオントロジと新たに生成したオントロジとの間で上記のように一方の１つの属性と他方の２つ以上の属性とに属性値の包含関係が検出されれば、後者２つ以上の属性を前者１つの属性の下位属性としてオントロジに階層構造で前述の包含関係を表現する。

第２の実施形態によれは、オントロジ生成装置が属性統合手段６と事例獲得手段７とをさらに備え、加えて構造化手段３に上下関係判定手段３０３をさらに備えることにより、外部のサービスやシステムが持つデータからオントロジを生成すると共に当該オントロジを継続的に更新し、それらのサービスやシステムに関するデータの変化を反映した最新の知識をオントロジとして他のサービスやシステムにも提供可能になる。また、同一のクラスに関して異なる構造のオントロジを複数生成し統合することで、当該クラスとその属性によって表される概念の定義を拡充していくことができる。

次に、上述した実施形態２を更に詳細に具体化したものを述べる。なお、以下の構成及び動作の説明において、上述した構成及び動作の同様のものについては、適宜省略して説明する。

例えば、図７に示したようなデータから得られた図１０に示したようなオントロジがオントロジ格納手段４によって既に格納されているものとし、事例獲得手段７により当該オントロジを使って図１５に示したようなデータが新たに得られた場合を考える。図１５に示したようなデータを入力データとして、これまでの説明と同様にオントロジ化手段２によってオントロジを生成すると、図１６のようなオントロジが得られる。図１６に示したオントロジは、図１０に示した元のオントロジに加えて、新たに「ｈａｓＥメールアドレス」という属性と「Ｅメールアドレス」という属性値を表すクラスが加わっている。

上記のようなケースは、ある情報源からデータを収集してオントロジを生成し、ある程度時間が経ってから同オントロジを用いて以前と同じ情報源からもう一度データを収集した場合に起こりうるものと推測できる。すなわち、当該情報源におけるシステムやサービスの変更に伴うデータ構造の変化が、オントロジに対しても反映される。

事例獲得手段７による別の事例の獲得方法として、前述の手順において事例の検索キーワードに属性名や属性値名を用いる替わりに、各属性値の判定ルールの組を用いてもよい。事例獲得手段７は、例えば、まず図１０に示した「お客様情報」クラスに関する新たな事例を収集する際、同クラスを定義域とする属性の値域を表すクラス（「氏名」、「自宅住所」と「勤務先住所」の和集合、「資料送付先」）を、ヒューリスティックな手法もしくは人手によってそれぞれの属性値集合が満たす判定ルールで定義する。事例獲得手段７は、「氏名」属性のインスタンスが全て人の姓と名の組であるため、その属性値の判定ルールを「姓＋名」のように表して、人名辞書を用いることで新たな事例を獲得する。事例獲得手段７は、同様に「自宅住所」と「勤務先住所」の和集合が、全て都道府県名と市区町村名の連続で始まる文字列としてルール化して、地名辞書で検出する。「資料送付先」属性の値は「自宅」と「勤務先」のいずれかを検出すればよいため、「自宅ｏｒ勤務先」とルール化できる。

このようにそれぞれルール化した結果の属性値定義の組は、｛「姓＋名」、「都道府県名＋市区町村名」、「自宅ｏｒ勤務先」｝と表すことができる。この属性値定義の組を用いた事例獲得手段７による新たな事例の収集は、収集対象の情報源にある文字列データに対してＣｈａＳｅｎ（ｈｔｔｐ:／／ｃｈａｓｅｎ．ｎａｉｓｔ．ｊｐ／ｈｉｋｉ／ＣｈａＳｅｎ／）などの形態素解析プログラムを用いて形態素解析を行なうことにより、姓や名、地名といった単語単位の分類を行ない、それら分類された単語を検索することで実現できる。例えば、ある情報源のデータに「酒井一郎 自営業 京都府八幡市・・・ 勤務先」といった一連の文字列が含まれていたとすると、この文字列を先頭から順に形態素に分解し分類することで、「名詞−人名−姓（酒井）名詞−人名−名（一郎） 名詞（自営業） 地名−都道府県名（京都府）地名−市区町村名（八幡市）・・・ 名詞（勤務先）」のような結果が得られる。これを前述の属性値の組と照合することにより、「酒井一郎」は「姓＋名」に合致し、「京都府八幡市」は「都道府県名＋市区町村名」に合致し、「勤務先」は「自宅ｏｒ勤務先」に合致するため、「お客様情報」クラスの事例として検出できる。また、「自営業」は「お客様情報」クラスを上位クラスの１つとする「職業」クラスの値の１つに合致するため、これも検出可能である。ただし、「職業」クラスは「お客様情報」クラスの必須属性ではないため、上記データが「自営業」を含んでいない場合も「お客様情報」クラスの事例と判断してよい。

ここで例えば、事例獲得手段７により「お客様情報」クラスに関する事例を前述の方法で収集し、図１７に示したようなデータが新たに得られた場合を考える。図１７のデータは、図７のデータと比較すると事例数が３件分増えているが、逆に「都道府県名＋市区町村名」に合致して抽出されたデータは「自宅住所」と「勤務先住所」の区別が無く、単に「住所」で表されている。この「住所」のような属性名は、事例獲得手段７で検出した事例が表の一部であった場合、その表の各フィールド名をそのまま抽出することで得ることができる。同様に、図１７の表では、「自宅ｏｒ勤務先」に合致して抽出されたデータの属性名は「資料配布先」となっており、元のオントロジにおける「資料送付先」とは異なる。

図１７に示したようなデータが得られると、図１３に示したオントロジ生成装置の構成により、再びオントロジ化手段２によって当該データのオントロジ化が行なわれる。その結果、図１８に示したグラフのようなオントロジが生成される。図１８に示したオントロジは、図１０に示したような既に生成済みのオントロジと同一の「お客様情報」クラスに関するオントロジであり、両オントロジを合わせると図１９のような１つのオントロジとして表すことができる。

図１９のように表されたオントロジの属性と属性値の組による事例の一覧を表にすると、図２０のようになる。図２０の表は、図７の表および図１７の表におけるそれぞれ最初の５人分のレコードが同一人物に関する情報だと判断して統合したものである。このようなレコードの統合は、「氏名」属性の属性値と他１つ以上の属性の属性値とが共に共通であるといったヒューリスティックな判断基準や、特開２００６−１６３９４１号公報で開示されているような重複レコード検出の手法を適用することで実現できる。

図２０の表において、「資料送付先」属性の属性値のうち値のある分は全て「資料配布先」の属性値に等しいことが分かる。このように、共に所定の数または所定の割合以上のレコードで値が等しく、且つ少なくとも一方の属性の属性値集合が他方の属性の属性値集合を包含している場合、両属性同士は同一属性またはより多くの属性値を持つ方が上位属性である可能性が高く、両属性を統合することとしてもよい。

該統合の方法としては、例えば、一方の属性の属性値数が他方の属性の属性値数より所定の割合より多い場合は、前者の属性を上位属性、後者の属性を下位属性とし、属性値数の差が所定の割合を上回らない場合は、前者の属性の属性名およびその値域を表すクラス名をそのまま残し、後者の属性の属性名およびその値域を表すクラス名をそれぞれ前者の対応する属性名およびその値域を表すクラス名の別名としてオントロジ内に定義することとすればよい。

同様に、図２０の表において、図１８に示したようなオントロジから互いに相補関係となっている「自宅住所」と「勤務先住所」それぞれの属性値がいずれも「住所」における各々同一レコードの属性値と等しいことが分かる。加えて「住所」の方がより多くの属性値を有することから、「住所」は「自宅住所」および「勤務先住所」の和集合として定義される属性と同一属性またはその上位属性であることが推定でき、両属性を統合することとしてもよい。

属性の統合においては、属性名同士を比較して、両者の文字列間の編集距離を計算して所定の値以内であるか否かを評価したり、同義語辞書やシソーラスまたはこれらに相当する既存のオントロジを利用して属性名同士が合致するか否かを評価したりすることにより、該統合の可否をさらに判断しても良い。

以上のように、図２０に示したような属性集合と各属性の属性値集合から共通性の高い属性同士を判定し、図１８に示したようなオントロジのうち共通性の高い属性同士を統合した結果の例を図２１に示す。

図２１では、「ｈａｓ資料配布先」属性と「ｈａｓ資料送付先」属性、およびそれぞれの値域を表すクラスが統合され、「資料送付先」クラスに使われた名前は「資料配布先」というクラスの別名（ＯＷＬではｒｄｆｓ：ｌａｂｅｌ属性で表現できる）として定義されている。また、図２１には記載していないが、「ｈａｓ資料配布先」属性に対しても、「ｈａｓ資料送付先」という別名を定義することができる。

また、図２１では、「ｈａｓ住所」属性の値域を「住所」クラスで表し、該「住所」クラスを「ｏｗｌ：ｕｎｉｏｎＯｆ」属性を用いることにより「自宅住所」クラスと「勤務先住所」クラスの和集合として定義している。これは、「ｈａｓ住所」属性の値域である「住所」クラスが「ｈａｓＳｏｍｅ住所」属性の値域に相当する「自宅住所」クラスと「勤務先住所」クラスの各インスタンスの和集合を包含しているため、前記「ｈａｓ資料配布先」属性と「ｈａｓ資料送付先」属性との統合と同様にして統合した結果である。

前記「ｈａｓ住所」属性と「ｈａｓＳｏｍｅ住所」属性との統合は、前記上下関係判定手段３０３を新たに備えて実現してもよい。上下関係判定手段３０３を適用することにより、「ｈａｓ住所」属性の互いに異なる属性値数が「ｈａｓＳｏｍｅ住所」属性の互いに異なる属性値数に比べて所定の数以上多い場合、「ｈａｓ住所」属性と「ｈａｓＳｏｍｅ住所」属性を単一の属性に統合するのではなく属性の階層関係として表すことができる。すなわち、「ｈａｓ住所」属性の値域を表す「住所」クラスを「ｈａｓＳｏｍｅ住所」属性の主題のクラスとして再定義し、図２２に示したグラフのように表現できる。これにより、「ｈａｓ住所」属性の値域には、「自宅住所」と「勤務先住所」以外に図２２の破線で示した「他の種類の住所」２１が存在しうることをオントロジ上で表現することができる。

なお、第２の実施形態によるオントロジ生成装置は、図１２に示した第１の実施形態によるオントロジ生成装置と同じハードウェア構成により実現可能である。

以上説明した本実施形態におけるオントロジ生成装置１０の動作にかかる一連のオントロジ生成方法によれば、同時または異なるタイミングで生成された同一クラスに関する属性と属性値の集合で構成されたオントロジについて、２つ以上の冗長な属性を各々の属性値と共に統合し、且つ統合後の主たる属性名に対して他の属性名を別名として残すことで、該統合前のいずれ属性名でもオントロジを検索または参照できる。

また、属性値集合が同一と見なされず一方が他方を包含する関係の場合、そのような属性同士を上位属性と下位属性の関係と判定し、オントロジの階層構造で表現することができる。

また、生成されたある特定のクラスに関するオントロジについて、その属性名や属性値名を検索キーワードとしたり、または各属性値の集合からそれぞれの属性値をルール化した検索条件を設定したりすることにより、当該クラスに関する事例となるデータを更に収集し、前記オントロジを拡張または修正するための新たなオントロジ生成用データとすることができる。

更に、上述した実施形態に、属性間の依存関係を判定して自動的に階層構造の追加および／または階層構造の追加案をユーザに提示する依存関係判定手段３０４をさらに加えた例について説明する。

図２３は、図１４に示した前記構造化手段３に対し、属性間の依存関係を判定して自動的に階層構造の追加および／または階層構造の追加案をユーザに提示する依存関係判定手段３０４をさらに加えた場合の構成を示すブロック図である。

依存関係判定手段３０４は、個々の事例（例えば図７の表における各レコード）における属性値の間に相関性がある属性同士を依存関係として１つの組にまとめる操作をオントロジに対して行なう。

例えば、図２４は、少なくとも属性の１つに「ｈａｓ職業」を持つ「お客様情報」クラスが「ｈａｓ会社名」属性をさらに持つ場合のオントロジを表した説明図である。「ｈａｓ職業」属性と「ｈａｓ会社名」属性それぞれの値は図２５のような対応関係で得られているとすると、「ｈａｓ職業」属性の属性値が「会社員」または「公務員」の場合のみ「ｈａｓ会社名」属性の属性値が存在し、「ｈａｓ職業」属性の属性値が「学生」や値なしの場合には「ｈａｓ会社名」属性に属性値が無いことが分かる。

このように、依存関係判定手段３０４は、同一のクラスに関する複数の属性について、ある属性の属性値の有無または特定の属性値が他の属性の属性値の値や値の有無を決定する場合、両属性は依存関係にあると判断してもよい。依存関係にある属性はその上位属性を表すクラスを生成し、図２６に示したように新たに生成したクラスを中間ノードに加える階層化によって、当該依存関係を表すことができる。すなわち、図２６の例においては「ｈａｓ職業」属性の属性値と「ｈａｓ会社名」属性の属性値とは依存関係のある組として「お客様情報」クラスの属性を成す。さらには、図３１で新たに追加した「要素１」クラスおよび「ｈａｓＰａｒｔ」（ある要素を持つことを表す属性）をユーザに案として提示することにより、図２７に示すようにユーザが「要素１」クラスのクラス名を「職業」に、また「ｈａｓＰａｒｔ」属性を「ｈａｓ職業」に修正し、より正確なオントロジを得ることもできる。

依存関係判定手段３０４は、図２３において構造化手段３に含まれる他の手段（必要度判定手段３０１、相補関係判定手段３０２、上下関係判定手段３０３）とは独立に機能し、それら他の手段のいずれかまたは全てが構造化手段３に含まれていなくとも良い。例えば、構造化手段３は、必要度判定手段３０１と依存関係判定手段３０４のみから構成されていても良い。

（第３の実施形態）
第３の実施形態を説明する。

図２８は、第３の実施形態のオントロジ生成装置を示すブロック図である。図２８において、オントロジ化手段２、構造化手段３、オントロジ格納手段４、属性統合手段６、事例獲得手段７は、それぞれ第３の実施形態における同名の手段と同様であるため、これらの説明は省略する。

図２８を参照すると、第３の実施形態では、第１および第２の実施形態において備えていたデータ入力手段１を備えず、替わりに事例獲得手段７が最初のデータ入力手段１を兼ねている。すなわち、まず、最初に人手で作成したオントロジまたは既存のオントロジをオントロジ格納手段４に記録しておくか、直接事例獲得手段７に最初のオントロジを与えることで、当該オントロジが表す概念に適合した事例を収集し、新たなオントロジ生成のための入力データとする。

なお、第３の実施形態によるオントロジ生成装置は、図１２に示した第１の実施形態によるオントロジ生成装置と同じハードウェア構成により実現可能である。

本実施形態によれば、第２の実施形態と比較して事例獲得手段７がデータ入力手段１の役割を兼ねることにより、第２の実施形態と同等の機能をよりシンプルな構成で実現できる。

（第４の実施形態）
第４の実施形態を説明する。

図２９は、本発明によるオントロジ生成装置の第４の実施の形態を示すブロック図である。図２９において、オントロジ化手段２、構造化手段３、オントロジ格納手段４、属性統合手段６、事例獲得手段７は、それぞれ第３の実施の形態における同名の手段と同様であるため、これらの説明は省略する。

図２９を参照すると、第４の実施形態では、第３の実施形態に加えてデータ格納手段８と、事例数評価手段９とをさらに備えている。

データ格納手段８は、事例獲得手段によって獲得した新たなデータを格納する。

事例数評価手段９は、前記データ格納手段８によって格納されたデータを参照し、当該データに含まれる属性の種類の数と、当該データに含まれる属性値の種類の数とが、それぞれ所定の基準値以上であるか否かを確認する。

前記いずれかの種類の数が所定の基準値を下回っている場合、前記事例数評価手段９は、以降の構造化手段３または属性統合手段６において十分な判定が行なえないものとし、当該構造化手段３および属性統合手段６による処理を行なわず、オントロジ化手段２により生成されたオントロジをそのままオントロジ格納手段４によって格納する。

または、前記いずれかの種類の数が所定の基準値を下回っている場合、前記事例数評価手段９は、データの再収集を事例獲得手段７に要求することにより、不足した前記属性の種類の数および前記属性値の種類の数を補う。

本実施の形態によれば、収集したデータが属性の構造化や統合に十分なだけの属性の種類と属性値の種類を含んでいることを確認した上で、当該属性の構造化や統合を行なうため、当該属性の構造化や統合によるオントロジの修正がより適切に行なわれると共に、必要以上に属性の構造化や統合の処理を行なわないため、オントロジ生成処理全体の効率化を図ることができる。

以上、好ましい実施の形態を挙げて本発明を説明したが、本発明は必ずしも上記実施の形態に限定されるものではなく、その技術的思想の範囲内において様々に変形して実施することができる。

例えば、本発明におけるオントロジ化手段２、事例数評価手段９、構造化手段３、属性統合手段６の各手段は、これまで説明した実施の形態における接続順序に必ずしも制限されるわけではなく、図３０に示したように、オントロジ化手段２と事例数評価手段９との間には順序関係を設けず、同様に構造化手段３と属性統合手段６との間にも順序関係を設けない構成とすることも可能である。また、本発明をソフトウェアとしてのプログラムとして構築した場合、そのプログラムを記録媒体（プログラムプロダクト）に記録することにより、商取引対象とすることが望ましいものである。

以上、実施形態（及び実施例）を参照して本願発明を説明したが、本願発明は上記実施形態（及び実施例）に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は２００７年５月３１日に出願された日本出願特願２００７−１４４８６６を基礎とする優先権を主張し、その開示の全てをここに取り込む。

本発明は、入力されたデータに含まれる概念を、その概念の構成に関わる要素集合と、当該各要素と当該概念との関係を表す属性とを用いて構造的に表現することができるため、組織内のサーバや端末装置、またはインターネットのＷｅｂサイトなどに蓄積されたＷｅｂページ、ファイル、データベースなどに含まれる概念を効率よく抽出し、概念に基づく情報検索や情報分析を行なう際に有効である。また、本発明は、前記概念の構造的表現を新たな入力データによって拡張および修正していくことができるため、前記蓄積されたＷｅｂページやファイル、データベースなどの内容変更に伴う概念の変化にも素早く追従でき、当該概念の構造的表現を参照することによって組織内やインターネット上の概念構造の変化や新たな概念の発生を見つけ出すことができるほか、概念上の変化に伴う当該概念に基づいた情報処理システムの修正を効率的に行なうことができる。

本発明の第１の実施形態によるオントロジ生成装置の機能構成を示すブロック図である。 第１の実施形態によるオントロジ化手段の機能構成の例を示すブロック図である。 第１の実施形態による構造化手段の機能構成の例を示すブロック図である。 入力データの例を示す説明図である。 第１の実施形態によるオントロジ化手段の動作を示すフローチャートである。 第１の実施形態により生成されたオントロジの例を示す説明図である。 入力データの例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 本発明により生成されたオントロジの別の表現例を示す説明図である。 第１の実施形態によるオントロジ生成装置のハードウェア構成を示す説明図である。 本発明の第２の実施形態によるオントロジ生成装置の機能構成を示すブロック図である。 第２の実施形態による構造化手段の機能構成の例を示すブロック図である。 入力データの例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 入力データの例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 複数の入力データを統合した例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 本発明により生成されたオントロジの表現例を示す説明図である。 図１４に示した前記構造化手段に対し、依存関係判定手段３０４をさらに加えた場合の構成を示すブロック図である。 依存関係判定手段３０４を説明する為の図である。 依存関係判定手段３０４を説明する為の図である。 依存関係判定手段３０４を説明する為の図である。 依存関係判定手段３０４を説明する為の図である。 本発明の第３の実施形態によるオントロジ生成装置の機能構成を示すブロック図である。 本発明の第４の実施形態によるオントロジ生成装置の機能構成を示すブロック図である。 本発明の第４の実施形態によるオントロジ生成装置の別の機能構成を示すブロック図である。 汎用型のオントロジ生成装置の機能構成を示すブロック図である。 汎用型のオントロジ生成装置の別の機能構成を示すブロック図である。

符号の説明

１ データ入力手段
２ オントロジ化手段
３ 構造化手段
４ オントロジ格納手段
５ オントロジ編集手段
６ 属性統合手段
７ 事例獲得手段
８ データ格納手段
９ 事例数評価手段
１０ オントロジ生成装置
１０１ ＣＰＵ
１０２ 主記憶部
１０３ 表示部
１０４ 入力部
１０５ 通信部
１０６ 補助記憶部
１０７ システムバス
２０１ 主題分類手段
２０２ 属性分類手段
２０３ 属性値分類手段
２０４ オントロジ記述手段
２０５ メタデータ付与手段

Claims (38)

1. オントロジを処理するオントロジ処理装置であって、
   文字列で表現された主題とその属性および属性値の組を含む事例データの集合から生成された所定形式のオントロジ構造を、前記事例データの集合に含まれる属性値の統計的特徴に基づいて修正すると共に、前記オントロジの属性を、属性値の特徴に基づいて変更する構造化手段を有し、
   且つ、前記構造化手段は、前記オントロジに含まれる個々の属性が、該属性と関連付けられた前記オントロジ内で定義される概念にとって必須な属性か、必須でない属性かを判定し、該判定結果に応じて該属性に関するオントロジの構造を修正する必要度判定手段を有することを特徴とするオントロジ処理装置。
2. 前記必要度判定手段は、必須でないと判定した属性を、該属性の定義域と値域とが逆の属性に変更することを特徴とする請求項１に記載のオントロジ処理装置。
3. 前記必要度判定手段は、必須でないと判定した属性の名称を判定の結果を表す属性名に変更することを特徴とする請求項１又は請求項２に記載のオントロジ処理装置。
4. 前記必要度判定手段は、前記判定の対象となった属性と、前記属性の定義域および値域に相当するオントロジ内の各要素との組を、判定の結果として記録することを特徴とする請求項１から請求項３のいずれかに記載のオントロジ処理装置。
5. 前記構造化手段は、前記オントロジ内で互いに一方の属性値の存在が他方の属性値の欠如を補う相補関係にある属性を検出し、前記相補関係にある属性の属性値集合同士の和集合を値域とした新たな属性で、前記相補関係にある属性を置き換える相補関係判定手段を有することを特徴とする請求項１から請求項４のいずれかに記載のオントロジ処理装置。
6. 前記構造化手段は、オントロジ内で１つの属性が２つ以上の属性の上位属性となる上下関係を検出し、上位の属性の値域を下位の属性の定義域とした属性の階層構造を形成する上下関係判定手段を有することを特徴とする請求項１から請求項５のいずれかに記載のオントロジ処理装置。
7. 入力データをオントロジに変換するオントロジ化手段を有し、
   前記オントロジ化手段は、
   入力されたデータのうち主題を表す部分のデータがある特定の概念を表すものか否かを判定し、判定結果に基づいて前記主題を表す部分のデータの変換方法を決定する主題分類手段と、
   入力されたデータのうち属性を表す部分のデータが既知の属性か否かを判定し、判定結果に基づいて前記属性を表す部分のデータの変換方法を決定する属性分類手段と、
   入力されたデータのうち属性値を表す部分のデータが、リテラルか、既知のリソースかを判定し、判定結果に基づいて前記属性値を表す部分のデータの変換方法を決定する属性値分類手段と、
   前記主題、属性、及び属性値を表すデータを、前記決定された変換方法により変換した結果を用いて、所定の形式のオントロジを記述するオントロジ記述手段と
   を備えることを特徴とする請求項１に記載のオントロジ処理装置。
8. 前記オントロジ化手段は、入力されたデータに含まれるメタデータを抽出し、前記オントロジ記述手段によって記述されたオントロジに対して前記メタデータを付与するメタデータ付与手段を有することを特徴とする請求項１に記載のオントロジ処理装置。
9. オントロジに含まれるいずれか２つの属性について、互いの値域である属性値集合が共通とみなせるかどうかを判定し、共通とみなせる属性同士および前記属性の属性値同士を統合する属性統合手段を有することを特徴とする請求項１に記載のオントロジ処理装置。
10. 前記属性統合手段は、オントロジに含まれるいずれか２つの属性の各々に対応する前記メタデータの値がいずれも所定の基準値を下回る場合、または、前記メタデータの値同士の類似度が所定の基準値を下回る場合、２つの属性同士および属性の属性値同士の統合を棄却することを特徴とする請求項９に記載のオントロジ処理装置。
11. オントロジによって表される概念の対象と制約とを満たすデータを新たに獲得する事例獲得手段を有することを特徴とする請求項１に記載のオントロジ処理装置。
12. オントロジの属性を表す部分のデータの種類の数、及び属性値を表す部分のデータの種類の数のいずれか一方、又は両方が、所定の基準値以上であるか否かを判定し、いずれか一方または両方が所定の基準値以上である場合、前記構造化手段による属性の構造化、又は前記属性統合手段による属性同士の統合を行うよう指示する事例数評価手段を有することを特徴とする請求項１から請求項１１のいずれか一項に記載のオントロジ処理装置。
13. 属性間の依存関係を判定して階層構造の追加、又は階層構造の追加案の提示を行う依存関係判定手段を有することを特徴とする請求項１から請求項１１のいずれかに一項に記載のオントロジ処理装置。
14. コンピュータに、
    文字列で表現された主題とその属性および属性値の組を含む事例データの集合から生成された所定形式のオントロジの構造を、前記事例データの集合に含まれる属性値の統計的特徴に基づいて修正する機能と、
    前記オントロジの属性を、属性値の特徴に基づいて変更する機能と、
    前記オントロジに含まれる個々の属性が、該属性と関連付けられた前記オントロジ内で定義される概念にとって必須な属性か、必須でない属性かを判定し、該判定結果に応じて該属性に関するオントロジの構造を修正する機能と
    を実行させることを特徴とするオントロジ処理プログラム。
15. 前記コンピュータに、
    前記オントロジ内で互いに一方の属性値の存在が他方の属性値の欠如を補う相補関係にある属性を検出し、前記相補関係にある属性の属性値集合同士の和集合を値域とした新たな属性で、前記相補関係にある属性を置き換える機能を実行させることを特徴とする請求項１４に記載のオントロジ処理プログラム。
16. 前記コンピュータに、
    オントロジ内で１つの属性が２つ以上の属性の上位属性となる上下関係を検出し、上位の属性の値域を下位の属性の定義域とした属性の階層構造を形成する機能を実行させることを特徴とする請求項１５に記載のオントロジ処理プログラム。
17. 前記コンピュータに、
    入力されたデータのうち主題を表す部分のデータがある特定の概念を表すものか否かを判定し、判定結果に基づいて前記主題を表す部分のデータの変換方法を決定する機能と、
    入力されたデータのうち属性を表す部分のデータが既知の属性か否かを判定し、判定結果に基づいて前記属性を表す部分のデータの変換方法を決定する機能と、
    入力されたデータのうち属性値を表す部分のデータが、リテラルか、既知のリソースかを判定し、判定結果に基づいて前記属性値を表す部分のデータの変換方法を決定する機能と、
    前記主題、属性、及び属性値を表すデータを、前記決定された変換方法により変換した結果を用いて、所定の形式のオントロジを記述する機能とを実行させることを特徴とする請求項１４に記載のオントロジ処理プログラム。
18. 前記コンピュータに、
    入力されたデータに含まれるメタデータを抽出し、前記記述されたオントロジに対して前記メタデータを付与する機能を実行させることを特徴とする請求項１７に記載のオントロジ処理プログラム。
19. 前記コンピュータに、
    オントロジに含まれるいずれか２つの属性について、互いの値域である属性値集合が共通とみなせるかどうかを判定し、共通とみなせる属性同士および前記属性の属性値同士を統合する機能を実行させることを特徴とする請求項１７に記載のオントロジ処理プログラム。
20. 前記コンピュータに、
    オントロジによって表される概念の対象と制約とを満たすデータを新たに獲得する機能を実行させることを特徴とする請求項１７に記載のオントロジ処理プログラム。
21. 前記コンピュータに、
    オントロジの属性を表す部分のデータの種類の数、及び属性値を表す部分のデータの種類の数のいずれか一方、又は両方が、所定の基準値以上であるか否かを判定し、いずれか一方または両方が所定の基準値以上である場合、前記構造化手段による属性の構造化、又は前記属性統合手段による属性同士の統合を行うよう指示する機能を実行させることを特徴とする請求項１４に記載のオントロジ処理プログラム。
22. 前記コンピュータに、
    属性間の依存関係を判定して階層構造の追加、又は階層構造の追加案の提示を行う機能を実行させることを特徴とする請求項１４に記載のオントロジ処理プログラム。
23. オントロジを処理するオントロジ処理方法であって、
    文字列で表現された主題とその属性および属性値の組を含む事例データの集合とから生成されたオントロジの構造を、前記事例データの集合に含まれる属性値の統計的特徴に基づいて構造化手段が修正し、
    前記オントロジの属性を属性値の特徴に基づいて前記構造化手段が変更し、
    前記オントロジに含まれる個々の属性が、該属性と関連付けられた前記オントロジ内で定義される概念にとって必須な属性か、必須でない属性かを前記構造化手段に含まれる必要度判定手段が判定し、必須でないと判定した属性について前記構造化手段がオントロジの構造を修正する
    ことを特徴とするオントロジ処理方法。
24. 必須でないと判定した属性を、前記必要度判定手段が該属性の定義域と値域とが逆の属性に変更することにより、前記構造化手段がオントロジの構造を修正することを特徴とする請求項２３に記載のオントロジ処理方法。
25. 前記構造化において、必須でないと判定した属性の名称を前記必要度判定手段が判定の結果を表す属性名に変更することにより、前記構造化手段がオントロジの構造を修正することを特徴とする請求項２３に記載のオントロジ処理方法。
26. 前記判定の対象となった属性と、前記属性の定義域および値域に相当するオントロジ内の各要素との組を、判定の結果として前記必要度判定手段が記録することを特徴とする請求項２３から請求項２５のいずれか一項に記載のオントロジ処理方法。
27. 前記オントロジ内で互いに一方の属性値の存在が他方の属性値の欠如を補う相補関係にある属性を前記構造化手段に含まれる相補関係判定手段が検出し、前記相補関係にある属性の属性値集合同士の和集合を値域とした新たな属性で、前記相補関係にある属性を前記相補関係判定手段が置き換えることを特徴とする請求項２３から請求項２６のいずれか一項に記載のオントロジ処理方法。
28. オントロジ内で１つの属性が２つ以上の属性の上位属性となる上下関係を前記構造化手段に含まれる上下関係判定手段が検出し、上位の属性の値域を下位の属性の定義域とした属性の階層構造を前記上下関係判定手段が形成することを特徴とする請求項２３から請求項２７のいずれか一項に記載のオントロジ処理方法。
29. 文字列で表現された主題と、その属性および属性値の組とを含む事例データを入力し、前記入力した前記データをオントロジ化手段が所定形式のオントロジに変換することを特徴とする請求項２３から請求項２８のいずれか一項に記載のオントロジ処理方法。
30. 入力されたデータのうち主題を表す部分のデータがある特定の概念を表すものか否かを前記オントロジ化手段に含まれる主題分類手段が判定し、判定結果に基づいて前記主題を表す部分のデータの変換方法を前記主題分類手段が決定し、
    入力されたデータのうち属性を表す部分のデータが既知の属性か否かを前記オントロジ化手段に含まれる属性分類手段が判定し、判定結果に基づいて前記属性を表す部分のデータの変換方法を前記属性分類手段が決定し、
    入力されたデータのうち属性値を表す部分のデータが、リテラルか、既知のリソースかを前記オントロジ化手段に含まれる属性値分類手段が判定し、判定結果に基づいて前記属性値を表す部分のデータの変換方法を前記属性値分類手段が決定し、
    前記主題、属性、及び属性値を表すデータを、前記決定された変換方法により変換した結果を用いて、所定の形式のオントロジを前記オントロジ化手段に含まれるオントロジ記述手段が記述することを特徴とする請求項２９に記載のオントロジ処理方法。
31. 入力されたデータに含まれるメタデータを前記オントロジ化手段に含まれるメタデータ付与手段が抽出し、前記記述されたオントロジに対して前記メタデータ付与手段が前記メタデータを付与することを特徴とする請求項２９に記載のオントロジ処理方法。
32. 前記メタデータとして、データの信頼度の値を含むメタデータを用いることを特徴とする請求項３１に記載のオントロジ処理方法。
33. 前記メタデータとして、データの収集源の場所を含むメタデータを用いることを特徴とする請求項３１に記載のオントロジ処理方法。
34. オントロジに含まれるいずれか２つの属性について、互いの値域である属性値集合が共通とみなせるかどうかを判定し、共通とみなせる属性同士および前記属性の属性値同士を属性統合手段が統合することを特徴とする請求項２３から請求項３３のいずれか一項に記載のオントロジ処理方法。
35. 前記属性を統合する際、オントロジに含まれるいずれか２つの属性の各々に対応する前記メタデータの値がいずれも所定の基準値を下回る場合、または、前記メタデータの値同士の類似度が所定の基準値を下回る場合、２つの属性同士および属性の属性値同士の統合を棄却することを特徴とする請求項３４に記載のオントロジ処理方法。
36. オントロジによって表される概念の対象と制約を満たすデータとを事例獲得手段が新たに獲得し、
    前記獲得したデータを前記構造化手段がオントロジに変換することを特徴とする請求項２３から請求項３５のいずれか一項に記載のオントロジ処理方法。
37. 入力されたデータ、または、オントロジによって表される概念の対象と制約とを満たすデータのうち、属性を表す部分のデータの種類の数、及び属性値を表す部分のデータの種類の数のいずれか一方、又は両方が、所定の基準値以上であるか否かを事例数評価手段が判定し、いずれか一方または両方が所定の基準値以上である場合、前記構造化手段による属性の構造化、又は前記属性統合手段による属性同士の統合を行うことを特徴とする請求項２３から請求項３６のいずれか一項に記載のオントロジ処理方法。
38. 属性間の依存関係を判定して階層構造の追加、又は階層構造の追加案の提示を依存関係判定手段が行うことを特徴とする請求項２３から請求項３７のいずれか一項に記載のオントロジ処理方法。

Images