JPH0785082A - 欠損値推定方式 - Google Patents

Abstract

(57)【要約】 【目的】 与えられたデータベースに対して推定したい
項目と関係の深い項目を絞り込むことで、統計解析にお
ける計算量を小さくし、データベースの欠損値の推定を
短時間で効率的に可能にする欠損値推定方式を提供す
る。 【構成】 ＤＢ欠損値推定部２４０においてデータベー
ス２３０の数値データに対応する項目名を量語と見な
し、各項目名を形態素に分割したときの末尾語から、そ
の項目がどういう量であるかを判断し、推定項目と同種
の量に属する項目を推定利用項目として選択し、それら
の項目間の関係を推定し、その関係を用いて欠損値を計
算する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、一部に欠損がある数値
データを利用するシステム、特に一部の数値データが欠
損しているデータベースを利用するシステムにおいて欠
損値を推定する欠損値推定方式に関する。

【０００２】

【従来の技術】データベースを構築する場合、まずデー
タの収集を行うわけであるが、様々な利用でデータの一
部が得られない場合がある。例えば、データが非公開で
あることで集められなかったり、データそのものが集め
忘れることもある。このような場合、従来は、そのデー
タは欠損値として処理される。なお、本発明では、数値
データがどのような形式で表現されているかは、本質的
ではないので、以降では、リレーショナルデータベース
として表現されている場合を考える。この場合、数値デ
ータに対応する項目名が量を表す。

【０００３】図２は、リレーショナルデータベースの例
を示している。リレーショナルデータベースの場合、例
えば同図に示すような表現形式になっており、欠損値を
特別な記号ＮＡで表現している。同図のデータベース
は、自動車のデータベースであり、ジュノの最大トル
ク、フローラの車高、マニュアル車価格、メディスのマ
ニュアル車価格が欠損している。

【０００４】従来、このような欠損値がある場合、欠損
値のある項目と他の項目との関係を統計解析を用いて分
析し欠損値を推定するか、または欠損部分のデータは利
用しないですませるかのいずれかであった。

【０００５】

【発明が解決しようとする課題】しかしながら、統計解
析を用いる場合、項目数が非常に多くなると、すべての
項目との関係を推定することは、計算時間が非常に大き
くなるので不可能である。そこで、関係を推定するため
に有用と考えられる項目を絞り込む必要がある。これを
人手で行うことも考えられるが、最近では、多数のデー
タベースを取り扱うことも普通となってきており、その
作業は大変であるので、欠損部分のデータは利用せずに
終ることも多い。

【０００６】本発明は、上記に鑑みてなされたもので、
その目的とするところは、与えられたデータベースに対
して推定したい項目と関係の深い項目を絞り込むこと
で、統計解析における計算量を小さくし、データベース
の欠損値の推定を短時間で効率的に可能にする欠損値推
定方式を提供することにある。

【０００７】

【課題を解決するための手段】上記目的を達成するた
め、本発明の欠損値推定方式は、量に関する単語である
量語の末尾に来る量末尾語を同種の量についてまとめ、
これらを代表する記号である量末尾語代表記号との対応
関係を記憶する知識ベースと、データ中に推定したい欠
損値がある推定量を表現する語、推定に利用可能な量を
表現する推定利用可能量語を形態素に分割し、各量語の
量末尾語を抽出する量末尾語抽出手段と、前記知識ベー
スを用いて、推定量と関係が深い量を表現する語を推定
利用可能量語の中から選択する関係量語選択手段と、推
定量と選択された量である推定利用量との間の量的関係
をそれらの量に関する数値データから推定する量的関係
推定手段と、前記量的関係を用いて欠損値の推定値を計
算する推定値計算手段とを有することを要旨とする。

【０００８】

【作用】本発明の欠損値推定方式では、データベースの
数値データに対応する項目名を量語と見なし、各項目名
を形態素に分割したときの末尾語から、その項目がどう
いう量であるかを判断し、推定項目と同種の量に属する
項目を推定利用項目として選択し、それらの項目間の関
係を量的関係推定手段で推定し、その関係を用いて欠損
値を計算する。

【０００９】

【実施例】以下、図面を用いて本発明の実施例を説明す
る。

【００１０】図１は、本発明の一実施例に係わる欠損値
推定方式を実施するシステムの構成を示すブロック図で
ある。図１において、利用者／利用プログラム２００
は、データベース２３０（以下、ＤＢ２３０と略称す
る）に関するデータ処理を行う利用者あるいは利用プロ
グラムである。データベース管理システム２２０（以
下、ＤＢＭＳ２２０と略称する）は、一般に利用されて
いるデータベース管理システムであり、これを用いてＤ
Ｂ２３０のスキーマにある項目名を読んだり、ＤＢ２３
０の内容を検索する。

【００１１】検索制御部２１０は、利用者／利用プログ
ラム２００のＤＢ２３０に対する検索要求を受けて、そ
の要求がＤＢ２３０の欠損データの部分に関係する場合
に、ＤＢＭＳ２２０を利用してＤＢ２３０の項目名、欠
損値がある項目名、項目の数値データを読み込み、ＤＢ
欠損値推定部２４０に渡す。ＤＢ欠損値推定部２４０
は、渡された情報をもとに、欠損値を推定し、推定値を
検索制御部２１０に渡す。検索制御部２１０は、欠損部
分を推定値で埋めたＤＢに対して、検索を行い、結果を
利用者／利用プログラム２００に返す。

【００１２】また、検索要求がＤＢ２３０の欠損データ
の部分に関係しない場合には、検索制御部２１０は、Ｄ
ＢＭＳ２２０を利用して検索を行い、検索結果を利用者
／利用プログラム２００に返す。

【００１３】図３は、本発明における知識ベースの一実
施例である。同図において、＄は語の代表記号を意味し
ており、語と区別するために用いられる。

【００１４】同図において、＄寸法は、量末尾語である
「長さ」、「長」、「幅」、「高さ」、「高」の代表記
号であり、寸法に関する量語の末尾に来る語を代表して
いる。同様に、＄重量、＄価格、＄出力、＄トルク、＄
燃費は、それぞれ、重量、価格、出力、トルク、燃費に
関する量末尾語の代表記号である。

【００１５】図４は図１に示す実施例のＤＢ欠損値推定
部２４０の動作を示すフローチャートである。ＤＢ欠損
値推定部２４０は、まず、ＤＢ２３０の推定項目名、欠
損値を推定するために利用可能な項目名の集合（以下、
推定利用可能項目名集合）を検索制御部２１０から得る
（ステップ５０１）。そして、推定項目名、推定利用可
能項目名集合の項目名を形態素解析（参考文献：人工知
能ハンドブック、オーム社、人工知能学会編）を用いて
分割し、各項目名の末尾語を抽出し（ステップ５０
２）、各項目名に対して、項目名の末尾語と、知識ベー
ス中の量末尾語が一致する量末尾語代表記号を決定する
（ステップ５０３）。

【００１６】次に、推定利用可能項目名集合から、量末
尾語代表記号が推定項目名に対する量末尾語代表記号と
一致する項目名を取り出し、それを推定利用項目とする
（ステップ５０４）。そして、推定項目と推定利用項目
に関する数値データを検索制御部２１０を通じてＤＢＭ
Ｓ２２０に要求し、ＤＢ２３０から取り出す（ステップ
５０５）。続いて、数値データを統計解析を用いて分析
することで、推定項目を推定利用項目から計算するため
の推定式を求める（ステップ５０６）。最後に、推定式
を用いて推定項目の推定値を計算し、検索制御部２１０
に返す（ステップ５０７）。

【００１７】次に、図１のシステムにおいて、ＤＢ２３
０が図２に示す自動車データベースで、ＤＢ欠損値推定
部２４０が図３に示す知識ベースを使っている場合のＤ
Ｂ欠損値推定部２４０の動作を図４のフローチャートを
使いながら説明する。

【００１８】まず、利用者／利用プログラム２００は、
検索制御部２１０に対して、ＤＢ２３０に関する検索要
求を出す。例えば、「車高が１３５０より大きい自動車
の車名を検索せよ」という要求を出したとする。検索制
御部２１０は、車高に欠損値があるかどうかを調べる。
この場合、フローラの車高は欠損値であるので、検索制
御部２１０は推定項目名を「車高」に設定する。さら
に、ＤＢ２３０を調べて、推定項目以外の数値データ項
目の中から、推定項目を推定する時に利用可能な項目を
得て、これらをＤＢ欠損値推定部２４０に送る。フロー
ラの「車高」の値を推定する場合、車名がフローラであ
るデータを見ると、「マニュアル車価格」が欠損値であ
ることが分かるので、この項目は利用可能でない。従っ
て、推定利用可能項目集合は「車長、車幅、車重、最高
出力、最大トルク、オートマチック車価格」となる。

【００１９】以降のＤＢ欠損値推定部２４０の動作を図
４のフローチャートを使って説明する。ＤＢ欠損値推定
部２４０は、検索制御部２１０から、推定項目名「車
高」、推定利用項目名集合「車長、車幅、車重、最高出
力、最大トルク、オートマチック車価格」を得る（ステ
ップ５０１）。そして、推定項目名、推定利用可能項目
名集合の項目名を形態素解析を用いて分割し、各項目名
の末尾語を抽出すると、「車高」からは「高」が抽出さ
れ、「車長」、「車幅」、「車重」、「最高出力」、
「最大トルク」、「オートマチック車価格」からは、そ
れぞれ、「長」、「幅」、「重」、「出力」、「トル
ク」、「価格」が抽出される（ステップ５０２）。

【００２０】次に、抽出された項目名の末尾語と一致す
る量末尾語代表記号を図３の知識ベースから決定する
と、「車高」は＄寸法となり、「車長」、「車幅」、
「車重」、「最高出力」、「最大トルク」、「オートマ
チック車価格」は、それぞれ、＄寸法、＄寸法、＄重
量、＄出力、＄トルク、＄価格となる（ステップ５０
３）ので、推定項目「車高」に関する量末尾語代表記号
＄寸法と同じ量末尾語代表記号を持つ項目は、「車
長」、「車幅」となる（ステップ５０４）。

【００２１】続いて、推定項目「車高」と推定利用項目
「車長」、「車幅」の数値データを検索制御部２１０に
要求すると、検索制御部２１０は該当する数値データを
返す（ステップ５０５）。本実施例では、統計解析とし
ては、重回帰分析（参考文献：応用統計ハンドブック、
養賢堂、応用統計ハンドブック編集委員会編）を使うも
のとする。重回帰分析は、数値データから項目間の関係
式を一次式として推測する分析手法である。本実施例の
場合、車名がパレス、ジュノ、ベスタ、メディスである
「車高」の数値データと「車長、車幅」の数値データに
対して、重回帰分析を行うと、推測式として、

【数１】 『車高＝８４＋０．０３×車長＋０．６７×車幅』 が求められる（ステップ５０６）。この推定式を使うこ
とによりフローラの車高の推測値は、

【数２】 ８４＋０．０３×４６７５＋０．６７×１７２５＝１３８０ となり、１３８０が検索制御部２１０に返る（ステップ
５０７）。

【００２２】図１に戻って説明を続ける。検索制御部２
１０は、フローラの車高が１３８０であると考えて、初
めの検索要求「車高が１３５０より大きい自動車の車名
を検索せよ」を実行し、「パレス、フローラ、メディ
ス」を利用者／利用プログラム２００に返す。

【００２３】

【発明の効果】以上説明したように、本発明によれば、
データベースの数値データに対応する項目名を量語と見
なし、各項目名を形態素に分割したときの末尾語から、
その項目がどういう量であるかを判断し、推定項目と同
種の量に属する項目を推定利用項目として選択し、それ
らの項目間の関係を量的関係推定手段で推定し、その関
係を用いて欠損値を計算するので、統計解析の対象とす
る項目の候補をいくつかに絞ることができ、統計解析の
処理時間を短縮し、データベースにおける欠損値を効率
的に推定することができる。この結果、従来のデータベ
ース処理では得ることができなかった情報を得ることが
でき、これらの情報を活用する道が開ける。また、本発
明では、量語全体を使用せずに、量語の末尾に来る語の
みからどういう量であるかを判断しているので、種々の
データベースに対応することができる。

【図面の簡単な説明】

【図１】本発明の一実施例に係わる欠損値推定方式を実
施するシステムの構成を示すブロック図である。

【図２】リレーショナルデータベースの一例を示す図で
ある。

【図３】知識ベースの一例を示す図である。

【図４】図１の欠損値推定方式に使用されているＤＢ欠
損値推定部の作用を示すフローチャートである。

【符号の説明】

２００ 利用者／利用プログラム ２１０ 検索制御部 ２２０ データベース管理システム ２３０ データベース ２４０ ＤＢ欠損値推定部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 量に関する単語である量語の末尾に来る
   量末尾語を同種の量についてまとめ、これらを代表する
   記号である量末尾語代表記号との対応関係を記憶する知
   識ベースと、 データ中に推定したい欠損値がある推定量を表現する
   語、推定に利用可能な量を表現する推定利用可能量語を
   形態素に分割し、各量語の量末尾語を抽出する量末尾語
   抽出手段と、 前記知識ベースを用いて、推定量と関係が深い量を表現
   する語を推定利用可能量語の中から選択する関係量語選
   択手段と、 推定量と選択された量である推定利用量との間の量的関
   係をそれらの量に関する数値データから推定する量的関
   係推定手段と、 前記量的関係を用いて欠損値の推定値を計算する推定値
   計算手段とを有することを特徴とする欠損値推定方式。