JP7090574B2

JP7090574B2 - 情報処理装置、情報処理方法、及びプログラム

Info

Publication number: JP7090574B2
Application number: JP2019049319A
Authority: JP
Inventors: 朋哉山崎; 拓也真壁; 賢太郎西; 智浩西本; 宏希岩澤
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2019-03-18
Filing date: 2019-03-18
Publication date: 2022-06-24
Anticipated expiration: 2039-03-18
Also published as: JP2020154346A

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

従来、ウェブからデータ（文書や画像など）を収集し、収集したデータを自動的にデータベース化するクローラが知られている（特許文献１参照）。このクローラは、ウェブページ中のリンクを辿って、様々なＩＰアドレスのウェブページからデータを収集する。クローラによって収集されたデータは、ウェブ情報データベースに蓄積される。

特開２０１２－６９１７１号公報

ここで、複数のウェブ情報データベースの情報を統合するデータベースが存在する場合には、統合データベースは、それぞれが蓄積する情報を統合して、よりデータを充実させることが好ましい。しかしながら、従来の技術では、それぞれが蓄積するデータを統合することまではできない場合があった。

本発明は、上記の課題に鑑みてなされたものであり、複数のウェブ情報データベースのそれぞれが蓄積するデータを統合することができる情報処理装置、情報処理方法、及びプログラムを提供することを目的としている。

本発明の一態様は、事物を表し、複数の属性が対応付けられたエンティティが複数登録された複数のデータベースから、第１属性の内容が互いに一致するエンティティ群を選択する第１選択部と、前記第１選択部により選択されたエンティティ群に含まれるエンティティのうち、前記第１属性とは異なる第２属性の内容に関して互いに矛盾がないエンティティ同士を結ぶグラフを仮想的に生成した場合に、完全グラフを構成するエンティティ群を選択する第２選択部と、前記第２選択部によって選択されたエンティティ群の属性を統合して、統合データベースを作成または更新する統合部とを備える情報処理装置である。

本発明の一態様によれば、複数のウェブ情報データベースのそれぞれが蓄積するデータを統合することができる。

本実施形態に係る情報処理装置１００の構成の一例を示す図である。ナレッジデータベースＤＢに蓄積されるデータの一例を示す図である。第１属性選択部１１２が選択したエンティティ群の一例を示す図である。対応付部１１３、及び抽出部１１４による完全グラフを抽出する処理を模式的に示す図である。対応付部１１３、及び抽出部１１４による完全グラフを抽出しない処理を模式的に示す図である。本実施形態に係る情報処理装置１００の一連の動作の一例を示すフローチャートである。

以下、本発明を適用した情報処理装置、情報処理方法、及びプログラムを、図面を参照して説明する。本実施形態において、情報処理装置は、複数のナレッジデータサーバのデータを統合し、統合ナレッジデータサーバのデータを作成、又は更新する。ナレッジデータサーバは、例えば、収集対象データ（例えば、画像やテキストデータ）を収集するサーバである。本実施形態において、ナレッジデータサーバには、エンティティやクラス、プロパティと、エンティティに関連する関連データやエンティティの属性等を示す付随情報が関連付けられたデータである。エンティティとは、例えば、ある対象事物の実体（例えば、実世界で存在している物体）を表していてもよいし、ある対象事物の概念（例えば、実世界または仮想世界の中で定義された概念）を表していてもよい。例えば、対象事物が「建物」という概念である場合、エンティティは、「○○塔」や「○○ビルディング」などといった実体を表してよい。また、例えば、対象事物が「経済学」という概念である場合、エンティティは、「ミクロ経済学」や「マクロ経済学」などといった実体のない抽象的な概念を表してよい。以下、実施形態について詳細に説明する。

＜実施形態＞
［全体構成］
図１は、本実施形態に係る情報処理装置１００の構成の一例を示す図である。情報処理装置１００は、複数のナレッジデータベース（図示するナレッジデータベースＤＢ－Ａ～ＤＢ－Ｃ）と、ネットワークＮＷを介して通信可能に接続される。ネットワークＮＷは、ワールドワイドウェブ（World Wide Web）を意味し、インターネットやイントラネットで標準的に用いられるＨＴＭＬ文書などを利用したシステムである。ネットワークＮＷは、無線基地局やプロバイダ装置、専用回線などを更に含んでよい。ナレッジデータベースＤＢの符号の末尾のハイフン以下数字は、ナレッジデータベースＤＢ、又はナレッジデータベースＤＢを区別するための識別子であるものとする。何れのナレッジデータベースＤＢであるかを区別しない場合、単にナレッジデータベースＤＢと称する場合がある。

図２は、ナレッジデータベースＤＢに蓄積されるデータの一例を示す図である。ナレッジデータベースＤＢに蓄積されるデータは、オントロジーによって定義される。オントロジーとは、事物のクラスおよびプロパティを定義したものであり、クラスとプロパティとの間に成り立つ制約を集めたものである。

クラスとは、オントロジーにおいて、同じ性質を持つ事物同士を一つのグループにしたものである。事物の性質がどういったものであるのか、すなわち事物がどのクラスに属するのかは、後述するプロパティにより決定される。

例えば、くちばしを持ち、卵生の脊椎動物であり、前肢が翼になっている、という性質を持つ事物は、「鳥」というクラスに分類される。また、「鳥」というクラスの中で、飛べない、という性質を持つ事物は、例えば、「ペンギン」や「ダチョウ」という、より下位のクラスに分類される。このように、クラスの体系は、上位と下位の関係を有する階層構造となっていてよい。上位のクラスの性質は、下位のクラスに継承される。上述した例では、「鳥」というクラスの、「くちばしを持ち、卵生の脊椎動物であり、前肢が翼になっている」という性質は、「ペンギン」や「ダチョウ」という下位のクラスの性質にも含まれることになる。クラスを識別するためのクラス名は、例えば、「鳥」というクラスであれば、そのクラス名は「鳥」という文字列によって表されてよい。なお、クラス名は、必ずしも意味を表している必要はなく、例えば、「鳥」というクラスであっても、「情報１」や「Ｃ１」といった単なる識別情報を示す文字列が割り当てられてもよい。上述したエンティティ、すなわち事物は、オントロジーにより定義されたクラス体系の中に含まれる、いずれかのクラスに属するものとする。

プロパティとは、事物の性質や特徴、クラス間の関係を記述する属性である。例えば、プロパティは、「～を体の構成要素としてもつ」という性質や、「～に生息する」という性質を示す属性であってもよいし、「あるクラスが上位クラスであり、あるクラスが下位クラスである」というクラス間の上位下位の関係を示す属性であってもよい。プロパティを識別するためのプロパティ名は、上述したクラス名と同様に、そのプロパティ名自体が意味を表していてもよいし、意味を表していなくてもよい。

ナレッジデータベースＤＢは、例えば、クローラ（不図示）によってウェブページ中のリンクを辿って、様々なＩＰアドレスのウェブページから収集されたデータを蓄積する。この場合、クローラは、オントロジーの正解データを有する既知のウェブページや、ＨＴＭＬ（HyperText Markup Language）のＤＯＭ（Document Object Model）に基づくオントロジー解析が可能なウェブページからデータを収集し、ナレッジデータベースＤＢに蓄積する。

図２示される例のデータは、エンティティＥ１と、エンティティＥ２とが、「人物」というプロパティ名のクラスに属する。本実施形態において、各エンティティには、各エンティティを識別することが可能な情報（以下、エンティティ識別情報ＥＩＤ）と、エンティティの属性とが関連付けられる。エンティティの属性は、例えば、エンティティ名や、当該エンティティに付随する付随情報ＣＣ等である。エンティティが属するクラスが「人物」である場合、付随情報ＣＣは、例えば、性別（付随情報ＣＣ１）、生年月日（付随情報ＣＣ２）、及び職業（付随情報ＣＣ３）等である。なお、エンティティに対応付けられる付随情報ＣＣは、３つに限られず、３つ未満、又は４つ以上であってもよく、エンティティには、付随情報ＣＣが対応付けられていなくてもよい。エンティティ名は、例えば、「第１属性」の一例である。

図１に戻り、情報処理装置１００は、例えば、制御部１１０と、通信部１２０と、記憶部１３０とを備える。通信部１２０は、ネットワークＮＷを介した制御部１１０と、ナレッジデータベースＤＢとの通信を仲介する。記憶部１３０は、例えば、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ、またはこれらのうち複数が組み合わされたハイブリッド型記憶装置などにより実現される。また、記憶部１３０の一部または全部は、ＮＡＳ（Network Attached Storage）や外部のストレージサーバなど、情報処理装置１００がアクセス可能な外部装置であってもよい。制御部１１０は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサが記憶部１３０に記憶されるプログラム（ソフトウェア）を実行することにより実現される。

制御部１１０は、例えば、クラス選択部１１１と、第１属性選択部１１２と、対応付部１１３と、抽出部１１４と、統合部１１５とをその機能部として備える。また、これらの構成要素のうち一部または全部（内包する記憶部を除く）は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

クラス選択部１１１は、通信部１２０によって他のナレッジデータベースＤＢと通信し、統合対象のエンティティが属するクラスのエンティティ群を選択し、取得する。例えば、統合対象のエンティティが「山田太郎」のエンティティである場合、クラス選択部１１１は、エンティティが属するクラス（この場合、「人物」）に属するエンティティ群を選択し、取得する。クラス選択部１１１は、「第３選択部」の一例である。

第１属性選択部１１２は、クラス選択部１１１によって取得されたエンティティ群のうち、統合対象のエンティティに関連付けられた属性のうち、ある１つの属性（以下、第１属性）の内容が互いに一致するエンティティ群を選択する。以下、第１属性選択部１１２は、第１属性がエンティティ名であるものとし、統合対象のエンティティ名と、エンティティ名が互いに一致するエンティティ群を選択する場合について説明する。図３は、第１属性選択部１１２が選択したエンティティ群の一例を示す図である。第１属性選択部１１２は、クラス選択部１１１によって取得されたエンティティ群のうち、エンティティ名が「山田太郎」であるエンティティとして、ナレッジデータベースＤＢ－ＡからエンティティＥ１－Ａ～Ｅ３－Ａの３つのエンティティ群を選択し、ナレッジデータベースＤＢ－ＢからエンティティＥ１－Ｂ～Ｅ２－Ｂの２つのエンティティ群を選択し、ナレッジデータベースＤＢ－ＣからエンティティＥ１－Ｃのエンティティを選択する。第１属性選択部１１２は、「第１選択部」の一例である。

対応付部１１３は、第１属性選択部１１２によって選択されたエンティティ群について、第１属性選択部１１２がエンティティ群の選択に用いた属性（この一例では、「エンティティ名」）以外の属性（以下、第２属性）の内容に関して、互いに矛盾が無いエンティティ同士を対応付ける。対応付部１１３は、例えば、（条件１）第２属性の内容の少なくとも一部が一致すること、及び（条件２）エンティティ同士の第２属性の内容が相反しないことの２つの条件を満たす場合、第２属性の内容に互いに矛盾が無いものとして、エンティティ同士を対応付ける。「エンティティ同士の第２属性の内容が相反しない」とは、例えば、実態としての情報が互いに否定されないことを意味する。第２属性が生年月日の場合、和暦で表される平成３０年と、西暦で表される２０１８年とは、その値がそれぞれ異なるが、実態としての情報が互いに相手を否定しないため、相反しない情報である。また、第２属性が住所である場合、郵便番号で示される住所と、都道府県市区町村等によって示される住所とでは、その形態がそれぞれ異なるが、実態としての情報が互いに相手を否定しないため、相反しない情報である。なお、対応付部１１３は、第２属性の内容について、一方のエンティティには情報が有り、他方のエンティティには情報が無い場合には、相反しないものとして取り扱うものとする。以下、対応付部１１３は、第２属性が、付随情報ＣＣ２（つまり、生年月日）であるものとして説明する。第２属性の付随情報ＣＣは、例えば、複数の要素によって構成される情報（例えば、生年月日と住所を含むもの）であってよい。

抽出部１１４は、例えば、対応付部１１３によって対応付けられたエンティティを集めたエンティティ群から、対応付けを枝（リンク、エッジ）と見立てた場合に完全グラフを構成するエンティティ群を抽出する。完全グラフとは、ｎ個（ｎは自然数）のエンティティを選択した場合に、全てのエンティティの組み合わせが枝によって結ばれているエンティティのグループである。

図４は、対応付部１１３、及び抽出部１１４による完全グラフを抽出する処理を模式的に示す図である。図４において、対応付部１１３は、例えば、エンティティＥ１－Ａの付随情報ＣＣ２が１９８９年２１日を示し、エンティティＥ２－Ｂの付随情報ＣＣ２が１９８９年３月を示し、「１９８９年」という点において部分一致し、且つ互いに矛盾が無いため、エンティティＥ１－Ａと、エンティティＥ２－Ｂとを対応付ける。「対応付ける」とは、両者が対応していることを示す何らかの情報をメモリに格納することを意味する。また、対応付部１１３は、エンティティＥ１－Ｃの付随情報ＣＣ２が２月２１日を示し、「２月」という点においてエンティティＥ２－Ｂと部分一致し、且つ矛盾が無いため、エンティティＥ２－Ｂと、エンティティＥ１－Ｃとを対応付ける。また、対応付部１１３は、エンティティＥ１－Ｃの付随情報ＣＣ２が２月２１日を示し、エンティティＥ１－Ａの付随情報ＣＣ２が１９８９年２１日を示し、「２１日」という点において部分一致し、且つ互いに矛盾が無いため、エンティティＥ１－ＣとエンティティＥ１－Ａとを対応付ける。また、対応付部１１３は、エンティティＥ２－Ｃの付随情報ＣＣ２が１９８９年２月を示し、エンティティＥ１－Ａの付随情報ＣＣ２が１９８９年２１日を示し、「１９８９年」という点において部分一致し、且つ互いに矛盾がないため、エンティティＥ２－ＣとエンティティＥ１－Ａとを対応付ける。

図４に示す一例において、エンティティＥ１－Ａ、エンティティＥ２－Ｂ、及びエンティティＥ１－Ｃは、互いに対応付けられるが、エンティティＥ２－Ｃは、エンティティＥ１－Ａのみに対応付けられる。したがって、抽出部１１４は、エンティティＥ１－Ａ、エンティティＥ２－Ｂ、及びエンティティＥ１－Ｃを完全グラフとして結ばれエンティティとして抽出し、エンティティＥ２－Ｃを除外する。

図５は、対応付部１１３、及び抽出部１１４による完全グラフを抽出しない処理を模式的に示す図である。図５に示す一例において、対応付部１１３は、エンティティＥ２－Ａ、及びエンティティＥ１－Ｂと、エンティティＥ３－Ａ、及びエンティティＥ１－Ｂとは、付随情報ＣＣ２が「２月」という点において部分一致し、且つ互いに矛盾が無いため、対応付ける。ただし、対応付部１１３は、エンティティＥ２－Ａと、エンティティＥ３－Ａは、付随情報ＣＣ２が示す年が「１９５０年」と、「１９８８年」とで矛盾するため、対応付けない。これにより、エンティティＥ２－Ａ、エンティティＥ３－Ａ、及びエンティティＥ１－Ｂは、エンティティＥ２－ＡとエンティティＥ３－Ａとが枝で結ばれていないため、完全グラフではない。したがって、抽出部１１４は、これら３つのエンティティを抽出しない。

なお、上述では、対応付部１１３が、エンティティ同士を対応付けて枝で結ぶことでグラフを生成し、抽出部１１４が、完全グラフを構成するエンティティを抽出する場合につい説明したが、これに限られない。対応付部１１３は、例えば、エンティティ同士を結ぶグラフを仮想的に生成し、抽出部１１４は、対応付部１１３によって仮想的に生成されたグラフに基づいて、完全グラフを構成するエンティティを抽出してもよい。対応付部１１３と、抽出部１１４とを組み合わせたものが「第２選択部」の一例である。

統合部１１５は、抽出部１１４によって抽出されたエンティティ群に基づいて、抽出されたエンティティ群の属性を統合して、統合ナレッジデータベースを作成または更新する。本実施形態では、統合ナレッジデータベースが、ナレッジデータベースＤＢ－Ａである場合について説明する。統合部１１５は、抽出部１１４によって抽出されたエンティティ群であるエンティティＥ１－Ａ、エンティティＥ２－Ｂ、及びエンティティＥ１－Ｃの付随情報ＣＣ１～ＣＣ３を統合し、「山田太郎」に係る新たなエンティティを生成する。

なお、統合部１１５は、完全グラフを構成するエンティティ群に、統合ナレッジデータベース（この場合、ナレッジデータベースＤＢ－Ａ）に蓄積されるエンティティ（この場合、エンティティＥ１－Ａ，エンティティＥ１－Ｃ）が存在する場合、当該エンティティに、抽出部１１４によって抽出されたエンティティ群であるエンティティＥ１－Ａ、エンティティＥ２－Ｂ、及びエンティティＥ１－Ｃの付随情報ＣＣ１～ＣＣ３を統合し、ナレッジデータベースＤＢ－Ａの「山田太郎」に係るエンティティを更新してもよい。

また、上述では、統合対象のエンティティが属するクラスが「人物」であり、第１属性選択部１１２が人物名、対応付部１１３が、人物の付随情報ＣＣ２（生年月日）に基づいて、互いに矛盾がないエンティティ群を選択する場合について説明したが、これに限られない。統合対象のエンティティが属するクラスが、例えば、「建造物」、「場所」、「会社」等である場合、第１属性選択部１１２は、「建造物名」、「場所名」、「会社名」等に基づいてエンティティ群を選択し、対応付部１１３は、それらの位置（緯度／経度、或いは住所）を示す付随情報ＣＣに基づいて、互いに矛盾がないエンティティ群を選択してもよい。また、統合対象のエンティティが属するクラスが、例えば、「映画」、「テレビ番組」、「小説」等のコンテンツである場合、第１属性選択部１１２は、「映画」、「テレビ番組」、「小説」等のタイトルに基づいてエンティティ群を選択し、対応付部１１３は、それらの公開年月日を示す付随情報ＣＣに基づいて、互いに矛盾がないエンティティ群を選択してもよい。

［動作フロー］
図６は、本実施形態に係る情報処理装置１００の一連の動作の一例を示すフローチャートである。まず、クラス選択部１１１は、通信部１２０によって他のナレッジデータベースＤＢと通信し、統合対象のエンティティが属するクラスのエンティティ群を選択し、取得する（Ｓ１００）。次に、第１属性選択部１１２は、クラス選択部１１１によって取得されたエンティティ群のうち、第１属性の内容が互いに一致するエンティティ群を選択する（Ｓ１０２）。次に、対応付部１１３は、第１属性選択部１１２によって選択されたエンティティ群のうち、任意の２つのエンティティを選択する（Ｓ１０４）。次に、対応付部１１３は、選択した２つのエンティティの第２属性の内容に関して、互いに矛盾が有るか否かを判定する（Ｓ１０６）。対応付部１１３は、２つのエンティティの第２属性の内容に関して、互いに矛盾が無い場合、２つのエンティティを対応付ける（Ｓ１０８）。対応付部１１３は、第１属性選択部１１２によって選択されたエンティティ群の全ての組合せについて、Ｓ１０４～Ｓ１０８の処理を繰り返す（Ｓ１１０）。抽出部１１４は、対応付部１１３によって対応付けられたエンティティのうち、完全グラフを構成するエンティティ群を抽出する（Ｓ２１２）。次に、統合部１１５は、対応付部１１３によって選択されたエンティティ群に基づいて、選択されたエンティティ群の属性を統合して、統合ナレッジデータベースを作成または更新する（Ｓ１１４）。

なお、上述では、第１属性選択部１１２が、クラス選択部１１１によって取得されたエンティティ群から、エンティティを選択する場合につい説明したが、これに限られない。ここで、統合対象のエンティティをクラスに基づいて選択しなくとも、統合対象のエンティティが、特徴的な付随情報ＣＣを有する場合には、クラス選択部１１１が予めクラスに基づいてエンティティ群を選択しなくとも、第１属性選択部１１２が、当該付随情報ＣＣを第１属性として複数のナレッジデータベースＤＢからエンティティ群を選択する選択処理に手間を要しない場合がある。この場合、ステップＳ１００の処理が行われなくてもよく、制御部１１０は、クラス選択部１１１を備えていなくてもよい。

［実施形態のまとめ］
以上説明したように、本実施形態の情報処理装置１００によれば、複数のナレッジデータベースＤＢのそれぞれが蓄積するデータを統合することができ、統合データベースのデータをより充実させることができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何ら限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１００…情報処理装置、１１０…制御部、１１１…クラス選択部、１１２…第１属性選択部、１１３…対応付部、１１４…抽出部、１１５…統合部、１２０…通信部、１３０…記憶部、ＣＣ、ＣＣ１、ＣＣ２、ＣＣ３…付随情報、ＤＢ、ＤＢ－Ａ、ＤＢ－Ｂ、ＤＢ－Ｃ…ナレッジデータベース、Ｅ１、Ｅ１－Ａ、Ｅ１－Ｂ、Ｅ１－Ｃ、Ｅ２、Ｅ２－Ａ、Ｅ２－Ｂ、Ｅ２－Ｃ、Ｅ３－Ａ…エンティティ

Claims

事物を表し、複数の属性が対応付けられたエンティティが複数登録された複数のデータベースから、第１属性の内容が互いに一致するエンティティ群を選択する第１選択部と、
前記第１選択部により選択されたエンティティ群に含まれるエンティティのうち、前記第１属性とは異なる第２属性の内容に関して互いに矛盾がないエンティティ同士を結ぶグラフを仮想的に生成した場合に、全てのエンティティの組み合わせが互いに接続される完全グラフを構成するエンティティ群を選択する第２選択部と、
前記第２選択部によって選択されたエンティティ群の属性を統合して、統合データベースを作成または更新する統合部と、
を備える情報処理装置。
前記複数のデータベースから、共通のクラスを有するエンティティ群を選択する第３選択部を更に備え、
前記第１選択部は、前記第３選択部によって選択されたエンティティ群のうち、前記第１属性の内容が互いに一致するエンティティ群を選択する、
請求項１に記載の情報処理装置。
前記第１属性の内容には、エンティティの名称が含まれる、
請求項１、又は請求項２に記載の情報処理装置。
前記第２選択部は、他のエンティティの前記第２属性の内容と、少なくとも一部の内容が一致し、且つ互いに内容が相反しないエンティティ同士を、前記第２属性の内容に関して互いに矛盾がないエンティティ同士とする、
請求項１から請求項３のうちいずれか一項に記載の情報処理装置。
コンピュータが、
事物を表し、複数の属性が対応付けられたエンティティが複数登録された複数のデータベースから、第１属性の内容が互いに一致するエンティティ群を選択し、
選択されたエンティティ群に含まれるエンティティのうち、前記第１属性とは異なる第２属性の内容に関して互いに矛盾がないエンティティ同士を結ぶグラフを仮想的に生成した場合に、全てのエンティティの組み合わせが互いに接続される完全グラフを構成するエンティティ群を選択し、
選択されたエンティティ群の属性を統合して、統合データベースを作成または更新する、
情報処理方法。
コンピュータに、
事物を表し、複数の属性が対応付けられたエンティティが複数登録された複数のデータベースから、第１属性の内容が互いに一致するエンティティ群を選択させ、
選択されたエンティティ群に含まれるエンティティのうち、前記第１属性とは異なる第２属性の内容に関して互いに矛盾がないエンティティ同士を結ぶグラフを仮想的に生成した場合に、全てのエンティティの組み合わせが互いに接続される完全グラフを構成するエンティティ群を選択させ、
選択されたエンティティ群の属性を統合して、統合データベースを作成または更新させる、
プログラム。