JPH11184884A - 同一人判定システムおよび方法 - Google Patents

Abstract

(57)【要約】 【課題】 多数人の人定事項を登録した大規模なデータ
ベースから、同一人の重複登録を精度よく且つ効率よく
検出する。 【解決手段】 データベース内の各人の個人ファイル７
Ａ、７Ｂ、７Ｃ、…には、各人の人定事項、例えば性
別、生年月日、カナ氏名、漢字氏名、カナ住所、漢字住
所などが登録されている。システム１は、まず、これら
の個人ファイル７Ａ、７Ｂ、７Ｃ、…内のカナ氏名、漢
字氏名、カナ住所、漢字住所を統一した表記法による記
載に正規化する（処理３１〜３７）。次に、ファイル７
Ａ、７Ｂ、７Ｃ、…間で正規化後の人定事項を対比する
ことにより、同一人か、別人か、同一人に疑わしいかを
判定する。この判定処理では、まず、性別、生年月日、
正規化カナ氏名に基づいて、同一人と疑わしいファイル
のグループを絞り込む（処理５１）。次に、絞り込まれ
た各同一人グループ内で、カナ氏名、正規化漢字氏名、
正規化カナ住所、正規化漢字住所を用いて、同一人か別
人か同一人に疑わしいかの最終的判定を行う（処理５
３）。

Description

【発明の詳細な説明】

【０００１】

【発明の技術分野】本発明は、複数人の人定事項を対比
して、それらが同一人を指すものか否かを判定するため
のシステムに関する。

【０００２】

【従来の技術】多数人の情報をファイルに登録し管理す
る場合、同一人の情報が複数の別人のものとして重複登
録されないようにする必要がある。そこで、従来、二人
（複数人）の人間が同一人であるか否かを判定するため
に、カナ氏名、生年月日および性別における一致をチェ
ックしている。

【０００３】

【発明が解決しようとする課題】生年月日および性別が
一致した場合、カナ氏名が一致するか否かで同一人か否
かを判定することになる。しかし、情報の管理状態によ
っては濁点、半濁点、スペース等の設定が不統一である
ために、本当は同一人であっても同一人として判定でき
ない場合がある。一方、生年月日、性別およびカナ氏名
が一致して同一人と判定したところ、実際には別人であ
って、漢字氏名や住所などが異なっているということも
ある。

【０００４】このように、カナ氏名、生年月日および性
別に基づく従来の同一人判定方法は、精度が十分に高い
とはいえない。更に、従来のシステムは大量データの中
から同一人を割出す用途にはあまり適していない。

【０００５】従って、本発明の目的は、同一人判定の精
度を高めることにある。

【０００６】本発明の別の目的は、大量データから同一
人を割り出し易くすることにある。

【０００７】本発明の更に別の目的は、同一人判定シス
テム等での利用に好適な文字列の正規化技術を提供する
ことにある。

【０００８】

【課題を解決するための手段】本発明のシステムは、各
人の人定事項を示した個人情報を入力する手段と、入力
された前記個人情報内の人定事項を、統一した表記法に
従うものに正規化する正規化部と、正規化部によって正
規化された複数人の個人情報内の人定事項を対比するこ
とにより、同一人のものである複数の個人情報を検出す
る同一人判定部とを備える。

【０００９】このシステムによれば、統一表記の正規化
された人定事項に基づいて同一人判定を行うので、判定
精度が高い。例えば、人定事項に、性別、生年月日、カ
ナ氏名、漢字氏名、カナ住所及び漢字住所などが含まれ
得る場合、正規化はカナ氏名、漢字氏名、カナ住所及び
漢字住所に対して行うことが望ましい。大抵の場合、氏
名と住所の表記が不統一であるからである。

【００１０】正規化において、同義異表記の複数の漢字
文字（例えば、旧字と新字、類似文字など）を統一表記
の漢字文字に変換することは、判定精度を高める上で重
要である。その場合、変換対象の漢字はおびただしい種
類に及ぶため、予め漢字文字変換表を用意して、これを
参照して変換することが望ましい。また、漢字文字変換
表を用意しておくと、漢字の追加、削除、変換規則の変
更なども容易であり、実状に応じた柔軟な対応がとり易
い。

【００１１】同一人判定の処理は、次のような２段階の
処理に分けて行うことができる。すなわち、第１段階
は、人定事項内の第１の項目又は第１の項目群をキーと
して用いて、同一人のものと疑わしき複数の個人情報を
グループ化する第一次絞り込み処理である。次の段階
は、第一次絞り込み処理で得られた各グループ内から、
人定事項に含まれている第２の項目又は第２の項目群を
キーとして用いて、同一人のものである複数の個人情報
を検出する第二次絞り込み処理である。このように段階
的に候補を絞り込むことにより、後段で処理すべきデー
タ量が減るので、大量のデータも扱いやすくなる。

【００１２】好適な実施形態では、第一次絞り込み処理
で性別、生年月日及び正規化カナ氏名をキーとして用い
ており、これにより、同一人グループを効果的に小さく
絞り込むことができる。第二次絞り込み処理では、第一
次で十分小さく絞り込まれた各同一人グループ内から、
カナ氏名、正規化漢字氏名、正規化カナ住所及び正規化
漢字住所をキーとして用いて、最終的な判定結果を割り
出す。

【００１３】また、同一人判定では、人定事項に含まれ
ている項目の一致・不一致の可能性あるパターンと、各
パターンに対する判定結果とを示した同一人判定表を予
め用意して、この同一人判定表を参照して判定結果を割
り出すことが、望ましい。これにより、複雑な判定を簡
単に行うことができると共に、同一人判定表内の判定結
果を必要に応じて変更することにより、事情に応じた柔
軟な対応が可能である。

【００１４】本発明はまた文字列正規化のための装置及
び方法も提供する。この装置及び方法は、入力された文
字コード列からシフトコードを削除すると共に、個々の
文字のる文字コードを統一した表記法に従う所定の正規
化文字の文字コードに変換する。これにより、文字の開
始部や終了部に付与されているシフトコードが除去され
た純粋に文字のコードだけから成る文字コード列であっ
て、全ての文字が統一表記法に従がう正規化文字である
ような文字コード列が得られる。この正規化された文字
コード列を用いると、例えば氏名が一致してるか否かと
いった判断において、氏名の統一表記法に従った純粋な
文字構成だけから判断ができるので、高い判定精度が得
られる。なお、本発明の文字列正規化装置及び方法は、
同一人判定だけでなく、他の様々な用途にも広く利用す
ることができる。

【００１５】本発明の同一人判定システムや文字列正規
化装置は典型的にはコンピュータを用いて実施すること
ができるが、そのためのプログラムは、各種のディスク
形ストレージや半導体メモリや通信回線などを媒介にし
て、コンピュータにインストール又はロードすることが
できる。

【００１６】

【発明の実施の形態】図１は、本発明の同一人判定シス
テムの一実施形態の機能的な構成を示す。

【００１７】この同一人判定システム１は、人情報デー
タベースから各人の人定事項がそれぞれ登録された個人
ファイル７Ａ、７Ｂ、７Ｃ、…を読み込み、それら個人
ファイル７Ａ、７Ｂ、７Ｃ、…間で各々の人定事項を対
比することにより、複数のファイルに重複登録されてい
る同一人を探し出すために使用される。このシステム１
は、典型的にはプログラムがインストールされた汎用コ
ンピュータによって実施することができるが、必ずしも
そうである必要はなく、その少なくとも一部の処理は専
用ハードウェア回路によって実施することもできる。図
示のように、このシステム１は、正規化部３と同一人判
定部５の２つの処理モジュールを有する。

【００１８】正規化部３は、個人ファイル７Ａ、７Ｂ、
７Ｃ、…内の各人の人定事項を正規化する、すなわち、
人定事項の表記法を統一化する。ここで、各人の人定事
項には、性別、生年月日、カナ氏名、漢字氏名、カナ住
所、および漢字住所が含まれている。正規化部３は、カ
ナ氏名正規化３１、漢字氏名正規化３３、カナ住所正規
化３５および漢字住所正規化３７の４種類の正規化処理
を行う。漢字氏名正規化３３には、予め用意された漢字
文字正規化表９を参照して、所定の表記の漢字文字を同
義の正規化文字へ変換する文字正規化処理が含まれる。
性別と生年月日は、表記が不統一という問題が元来ない
ので、正規化の対象外である。

【００１９】同一人判定部５は、正規化部３によって正
規化された多数の個人ファイル７Ａ、７Ｂ、７Ｃ、…内
の人定事項を互いに対比することによって、それら個人
ファイル７Ａ、７Ｂ、７Ｃ、…を、同一人のものと判定
される個人ファイルのグループ（同一人情報）と、同一
人のものである疑いのある個人ファイルのグループ（疑
同一人情報）と、それ以外のそれぞれ別人のものと判定
される個人ファイルのグループ（別人情報）とに分類す
る。これを行う際、判定部５は、第一次絞り込み処理５
１と第二次絞り込み処理５３の２段階の処理を行う。

【００２０】第一次絞り込み処理５１では、性別、生年
月日及び正規化カナ氏名をキーに用いて、同一人のもの
と疑わしき個人ファイルのグループを抽出する。第二次
絞り込み処理５５では、第一次絞り込み処理５５で抽出
された各同一人ファイルグループ内で、カナ氏名、正規
化漢字氏名、正規化カナ住所および正規化漢字住所をキ
ーに用いて、最終的に同一人のものと判定される個人フ
ァイルのグループ（同一人情報）、及び同一人のものと
疑わしきファイルのグループ（疑同一人情報）を絞り込
む。この第二次絞り込み処理５５において、全てのキー
にて完全に一致している複数のファイルは容易に同一人
情報と判定できるが、部分的に一致しているファイル同
士は同一人情報か疑同一人情報か別人情報か単純に判定
することができない。そこで、第二次絞り込み処理５５
では、同一人判定表１１を参照することにより判定結果
を割り出す。この同一人判定表１１には、上記複数のキ
ー（氏名は姓と名に分けて）についての一致・不一致の
可能性ある全てのパターンと、各パターンに対する判定
結果とが予め記述されている。

【００２１】以下、このシステム１で行われる処理を更
に具体的に説明する。

【００２２】図２は、同一人が重複登録されている２つ
の個人ファイル（以下、Ａファイル、Ｂファイルとい
う）の人定事項の例を示す。図示のように、両ファイル
は、カナ氏名、漢字氏名、カナ住所及び漢字住所に関し
て表記法が異なっている。

【００２３】システム１はこのようなファイルを読み込
み、まず、カナ氏名、漢字氏名、カナ住所及び漢字住所
に関する正規化３１〜３７を次のように行なって表記法
を統一する。

【００２４】１．カナ氏名正規化３１ 姓の前にスペースが存在する場合、そのスペースを
削除する。

【００２５】 姓名の間にスペースが複数存在する場
合、それらスペースを１つにする。

【００２６】 図３に例示するような文字変換を実施
する。この文字変換は、規則性をもたせるために、図３
に示した項番の順序で行う。

【００２７】２．漢字氏名正規化３３ (1)スペースおよびシフトコードの削除 姓の前にスペースが存在する場合、そのスペースを
削除する。

【００２８】 姓名間のスペースおよびシフトコード
の削除 a.カナ文字間のスペースは、１バイト文字のスペース１
個にして、ＡＮＫシフトコード又は漢字シフトコードは
全て削除する。

【００２９】b.漢字文字間のスペースは、２バイト文字
のスペース１個にして、ＡＮＫシフトコード又は漢字シ
フトコードは全て削除する。

【００３０】c.カナ文字・漢字文字間のスペースは、１
バイト文字スペース１個＋漢字シフトコード１個にし
て、他のスペース、シフトコードは全て削除する。

【００３１】d.漢字文字・カナ文字間のスペースは、１
バイト文字スペース１個＋漢字シフトコード１個にし
て、他のスペース、シフトコードは全て削除する。

【００３２】なお、文字の開始及び終了部に付与されて
いるシフトコードを上記のように削除する理由は、純粋
に文字コードだけで氏名の同一性判定を行うためであ
る。

【００３３】(2)文字の正規化 漢字文字正規化表９を参照して、１文字毎に入力漢字文
字を正規化漢字文字に変換する。漢字文字正規化表９の
一部を図４に例示する。図４に示すように、漢字文字正
規化表９は、同義異表記の幾つかの漢字文字がある場合
に、その中から予め定めた一つの表記の正規化漢字文字
へ、他の表記の入力漢字文字を変換するように構成され
ている。例えば、入力漢字文字「斉」、「齋」などは、
正規化漢字文字「斎」へ変換される。

【００３４】３．カナ住所正規化３５ 先頭から最初の数字以降は、数字以外は削除し、数
字と数字の間は全て１バイト文字のハイフン「−」に置
換する。

【００３５】 カナ住所のスペースはすべて削除す
る。

【００３６】 、の処理後の文字列は左詰めとす
る。

【００３７】 正規化は〜の順序で行う。

【００３８】４．漢字住所正規化３７ １バイト文字は２バイト文字に変換する。

【００３９】 シフトコードは削除する。

【００４０】 先頭から最初の数字以降は、数字以外
は削除し、数字と数字の間は全て２バイト文字のハイフ
ン「−」に置換する。

【００４１】 漢字住所のスペースは全て削除する。

【００４２】 〜の処理後の文字列は左詰めとす
る。

【００４３】以上の正規化３３〜３５を行うと、例えば
図２に示した例では、Ａファイルには変更がないが、Ｂ
ファイルは図５に示すように修正される。この正規化後
のＢファイルの内容はＡファイルの内容と全く同一のも
のである。このＡファイルとＢファイルの例のように、
元々同一の内容が表記だけ異なって記載されていた場合
には、正規化処理を行うと、かなり高い確率で同一の内
容になる。

【００４４】次に、正規化した個人ファイルについて同
一人判定処理が行われる。この処理は、第一次絞り込み
処理５１と第二次絞り込み処理５３の２段階からなり、
その処理内容は次の通りである。

【００４５】１．第一次絞り込み処理５１ 性別、生年月日、正規化カナ氏名の３項目を第一
次の絞り込みキーとして用いて、同一人のものと疑わし
い個人ファイルのグループを作成する。すなわち、この
３つのキーにおいて一致度の高い（例えば３つのキーの
全てで完全に一致している）複数の個人ファイルを、１
つの同一人グループに入れる。ここで、性別と生年月日
を第一次のキーとして用いている理由は、そのいずかが
不一致であれば、確実に同一人ではないと判断できるか
らである。更に、正規化カナ氏名もキーとして用いてい
る理由は、第１に、性別と生年月日だけによる絞り込み
では多くの別人ファイルがグループに含まれてしまい、
効果的にデータ量を減らすことができないからである。
第２に、カナ氏名は通常の人情報データベースにおける
収録必須項目であって、収録率が最も高く確実に利用で
きるからである。第３に、正規化カナ氏名は、非常に高
い確率で同一人に対して全く同じ表記になるので、これ
を用いて絞り込めば、精度良くかつ効果的にデータ量を
減らすことができるからである。

【００４６】この第一次絞り込みによって、同一人の重
複登録による複数ファイルが、殆ど漏れなくグループ化
される。しかも、確実に別人を示す大多数のファイルは
グループから除外されるので、同一人グループのデータ
量は効果的に削減される。

【００４７】なお、第一次絞り込み処理５１で用いるキ
ーの項目や、同一人グループに入れるためのキー一致の
条件などは変更することができる。それにより、実状に
応じた柔軟な対応が可能である。

【００４８】２．第二次絞り込み処理５３ 第一次絞り込み処理５１で作成された個々の同一人グル
ープ内で、更に、（正規化前の）カナ氏名、正規化
漢字氏名、正規化カナ住所、正規化漢字住所の４項
目を絞り込みキーとして用いて、最終的な絞り込み（判
定）を行う。ここでは、同一人判定表１１を参照して最
終的な判定結果を割り出す。この同一人判定表１１の一
部分の例を図６に示す。この判定表１１には、上記キー
についての一致・不一致の可能性ある全てのパターン
（一致・不一致だけでなく、未登録の場合も考慮に入っ
ている）と、各パターンに対する判定結果が示されてい
る。

【００４９】この判定表１１における判定結果は基本的
に次の考え方も基づいている。すなわち、正規化カナ住
所と正規化漢字住所は、地番以下まで対比するので、最
も重要なキーとして扱う。原則として、正規化カナ住所
と正規化漢字住所の双方で一致（全文字にて一致）すれ
ば同一人と判定し、不一致であれば別人と判定する。他
のキーであるカナ氏名や正規化漢字氏名については、双
方において不一致であれば殆ど確実に別人であるが、双
方において一致していても同姓同名の別人である可能性
があるため、住所が一致している（又は住所が未登録で
ある）場合に、別人と判定するか、疑同一人と判定する
かの参考項目として用いる。

【００５０】更に、個人ファイルに、例えば、運転免
許、健康保険、社会保険、勤務先、学校、世帯内続柄な
どに関わる他の項目が含まれている場合、そうした項目
も追加のキーとして用いることができる。

【００５１】なお、同一人判定表１１の内容（特に、判
定結果）は変更することができ、それにより、実状に応
じた柔軟な対応が可能である。

【００５２】以上の判定処理により、かなり高い確度で
同一人の重複登録を検出することができる。

【図面の簡単な説明】

【図１】本発明の同一人判定システムの一実施形態の機
能的な構成を示すブロック図。

【図２】同一人が重複登録されている２つの個人ファイ
ル内の人定事項の例を示す図。

【図３】文字変換の規則を例示する図。

【図４】漢字文字正規化表９の一部を例示する図。

【図５】正規化前と正規化後の例を示す図。

【図６】同一人判定表の一部を例示する図。

【符号の説明】

１ 同一人判定システム ３ 正規化部 ５ 同一人判定部 ７ 個人ファイル ９ 漢字文字正規化表 １１ 同一人判定表

Claims (12)

【特許請求の範囲】
1. 【請求項１】 各人の人定事項を示した個人情報を入力
   する手段と、 入力された前記個人情報内の人定事項を、統一した表記
   法に従うものに正規化する正規化部と、 前記正規化部によって正規化された複数人の個人情報内
   の人定事項を対比することにより、同一人のものである
   複数の個人情報を検出する同一人判定部とを備えた同一
   人判定システム。
2. 【請求項２】 前記人定事項が、性別、生年月日及びカ
   ナ氏名を少なくとも含み、更に漢字氏名、カナ住所及び
   漢字住所の少なくとも一つを含むことができ、 前記正規化部が、前記カナ氏名、漢字氏名、カナ住所及
   び漢字住所のうちの前記人定事項に含まれている項目を
   正規化する請求項１記載の同一人判定システム。
3. 【請求項３】 前記正規化部が、所定の漢字を同義異表
   記の所定の正規化漢字に対応させた漢字文字変換表を有
   し、前記人定事項を正規化する過程で、前記漢字文字変
   換表を参照して前記人定事項内の所定の漢字を対応する
   前記正規化漢字に変換する請求項１記載の同一人判定シ
   ステム。
4. 【請求項４】 前記同一人判定部が、 前記人定事項に含まれている第１の項目又は第１の項目
   群をキーとして用いて、同一人のものと疑わしき複数の
   個人情報をグループ化する第一次絞り込み処理と、 前記第一次絞り込み処理で得られた各グループ内から、
   前記人定事項に含まれている第２の項目又は第２の項目
   群をキーとして用いて、同一人のものである複数の個人
   情報を検出する第二次絞り込み処理とを行う請求項１記
   載の同一人判定システム。
5. 【請求項５】 前記人定事項が、性別、生年月日及びカ
   ナ氏名を少なくとも含み、更に漢字氏名、カナ住所及び
   漢字住所の少なくとも一つを含むことができ、 前記第１の項目群が性別、生年月日及び正規化されたカ
   ナ氏名を含み、 前記第２の項目群がカナ氏名、正規化された漢字氏名、
   正規化されたカナ住所及び正規化された漢字住所を含む
   請求項４記載の同一人判定システム。
6. 【請求項６】 前記同一人判定部が、前記人定事項に含
   まれている項目の一致・不一致の可能性あるパターン
   と、各パターンに対する判定結果とを示した同一人判定
   表を有し、この同一人判定表を参照して判定結果を割り
   出す請求項１記載の同一人判定システム。
7. 【請求項７】 前記同一人判定表内の判定結果が変更可
   能である請求項６記載の同一人判定システム。
8. 【請求項８】 各人の個人情報内の人定事項を、統一し
   た表記法に従うものに正規化する過程と、 正規化された複数人の個人情報内の人定事項を対比する
   ことにより、同一人のものである複数の個人情報を検出
   する過程と、を有した同一人判定方法。
9. 【請求項９】 各人の人定事項を示した個人情報を入力
   する手段と、 入力された前記個人情報内の人定事項を、統一した表記
   法に従うものに正規化する正規化部と、 前記正規化部によって正規化された複数人の個人情報内
   の人定事項を対比することにより、同一人のものである
   複数の個人情報を検出する同一人判定部とを備えた同一
   人判定システムとして、コンピュータを機能させるため
   のコンピュータプログラムを担持したコンピュータ読み
   取り可能な記録媒体。
10. 【請求項１０】 文字列を表した文字コード列を入力す
    る文字入力手段と、 前記入力された文字コード列からシフトコードを削除す
    るシフトコード削除手段と、 前記入力された文字コード列内の個々の文字の文字コー
    ドを、統一した表記法に従う所定の正規化文字の文字コ
    ードに変換する文字変換手段と、を有する文字列正規化
    装置。
11. 【請求項１１】 文字列を表した文字コード列を入力す
    る過程と、 前記入力された文字コード列からシフトコードを削除す
    る過程と、 前記入力された文字コード列内の個々の文字の文字コー
    ドを、統一した表記法に従う所定の正規化文字の文字コ
    ードに変換する過程と、を有する文字列正規化方法。
12. 【請求項１２】 文字列を表した文字コード列を入力す
    る過程と、 前記入力された文字コード列からシフトコードを削除す
    る過程と、 前記入力された文字コード列内の個々の文字の文字コー
    ドを、統一した表記法に従う所定の正規化文字の文字コ
    ードに変換する過程と、を有する文字列正規化方法をコ
    ンピュータに実行させるためのプログラムを担持したコ
    ンピュータ読取可能な記録媒体。