JP4443999B2 - 情報管理装置および情報管理プログラム - Google Patents

Description

本発明は情報管理装置、情報管理方法および情報管理プログラムに関し、特に、階層的に表現される情報源同士を自動的にマッピングする方法に適用して好適なものである。

今年のインターネットの普及により個人が入手できる情報は格段に増大し、所望の情報に容易にアクセスできるようにするため、これらの情報を階層的に管理することが行われている。
ここで、情報を管理する場合、情報の利用目的や収集されている情報などによって情報管理方法への要求が異なる。このため、各管理者によって独自の概念階層が構築され、各管理者による概念階層の一貫性の維持を許容しつつ、情報を分散管理することが行われている。

また、例えば、非特許文献１には、様々な情報を管理する概念階層を１つの情報源とみなし、それぞれの情報源が持つ情報を相互に利用できるようにするため、インスタンスの分類の類似性に基づいて、各概念間の類似性を同定し、他の情報源との相違を調整する規則として学習する機械学習の手法が開示されている。
また、例えば、非特許文献２には、不均一なオントロジに対する問合せ近似変換において、値域制限や否定を記述可能なオントロジ記述言語に対して拡張することにより、独立に更新あるいはカスタマイズされたオントロジの時間的・空間的広がりに対処する方法が開示されている。

また、例えば、非特許文献３には、他者によって管理されている情報が自分の持つ概念階層のどこに位置するかを容易に同定できるようにするため、機械的に求めたインスタンス間の類似性に基づいて、概念階層間で共有されていないインスタンスを自動的に共有させることにより、同じインスタンスを持っていない概念階層間でも結合が行えるようにする方法が開示されている。
市瀬龍太郎、武田英明、本位田真一"階層的知識間の調整規則の学習"人工知能学会誌、Ｖｏｌ．１７，Ｎｏ．３，ｐｐ．２３０−２３８（２００２） 赤埴淳一、平松薫、佐藤哲司"不均一なオントロジに対する問合せ近似変換"人工知能学会研究資料（ＳＩＧ−ＳＷ＆ＯＮＴ−Ａ３０１−０７）（２００３） 濱崎雅弘、武田英明、市瀬龍太郎"階層的知識と内容的類似性を用いたインターネットディレクトリの統合"Ｔｈｅ １７ｔｈ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ Ｊａｐａｎｅｓｅ Ｓｏｃｉｅｔｙ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１Ｄ４−０７（２００３）

しかしながら、非特許文献１、３に開示された方法では、各概念間または各インスタンス間の類似性のみに基づいて、概念間のマッピングが行われる。このため、これらの方法で得られたマッピング結果を人間が分析すると、語彙的に近いマッピング結果であっても、必ずしも概念間で意味が一致できたと判定できない間違ったマッピング結果が多く得られるという問題があった。

また、非特許文献２に開示された方法では、オントロジ記述言語の拡張に関するものであり、概念間のマッピング結果の精度を向上させることはできないという問題があった。
そこで、本発明の目的は、人手にかかる負担を抑制しつつ、概念間のマッピング精度を向上させることが可能な情報管理装置および情報管理プログラムを提供することである。

上述した課題を解決するために、本発明の情報管理装置によれば、２つの情報源にそれぞれ含まれる互いに近似する概念を抽出する概念間マッピング抽出手段と、前記概念間マッピング手段にて抽出された互いに近似する概念の接続形態に基づいて、互いに親子関係をなす概念集合から構成される部分情報源間で近似する部分情報源を抽出してトポロジマッピングを形成するトポロジマッピング抽出手段と、前記トポロジマッピング抽出手段にて抽出されたトポロジマッピング結果が多重化している部分情報源を検出し、当該検出された部分情報源に含まれる概念の個数に基づいて、トポロジマッピング結果の誤りを検出し、誤りの検出されたトポロジマッピング結果を除去することで前記概念間マッピング抽出手段にて抽出された概念間のマッピング結果の修正を行うトポロジマッピング評価手段とを備えることを特徴とする。

また、本発明の情報管理装置によれば、前記概念間マッピング抽出手段は、２つの情報源にそれぞれ含まれる概念の持つインスタンス間の近似性を計測する近似度計測手段を備えることを特徴とする。
また、本発明の情報管理装置によれば、前記トポロジマッピング抽出手段は、前記マッピングされた概念と親子関係をなす概念のマッピング状態を判定するマッピング状態判定手段と、前記概念間マッピング抽出手段にて抽出された互いに近似する概念の接続形態の近似性を判定する接続形態判定手段とを備え、前記トポロジマッピング抽出手段は、前記接続形態判定手段にて判定された接続形態の近似性に基づいて、互いに親子関係をなす概念集合から構成される部分情報源間でトポロジマッピングを形成することを特徴とする。

また、本発明の情報管理プログラムによれば、２つの情報源についての概念間のマッピングを行うステップと、前記マッピングされた概念間の親子関係に基づいて、互いに近似する概念間の接続形態の近似性を判定するステップと、前記概念間の接続形態の近似性に基づいて、当該接続形態の近似している概念集合から構成される部分情報源間で近似する部分情報源を抽出してトポロジマッピングを行うステップと、前記トポロジマッピング結果が多重化している部分情報源を検出するステップと、前記検出された部分情報源に含まれる概念の個数を算出するステップと、前記部分情報源に含まれる概念の個数に基づいて、前記トポロジマッピング結果の誤りを検出し、誤りの検出されたトポロジマッピング結果を除去することにより前記概念間のマッピング結果を修正するステップとをコンピュータに実行させることを特徴とする。

以上説明したように、本発明によれば、各概念間の類似性だけでなく、概念の階層構造を考慮しながら、異なる情報源に含まれる概念間のマッピングを自動的に行うことができる。このため、人手にかかる負担を抑制しつつ、異なる情報源に含まれる概念間のマッピング精度を向上させることが可能となり、他者によって管理されている情報が自分の持つ概念階層のどこに位置するかを精度よく同定することができる。この結果、各管理者ごとに情報が分散管理されている場合においても、自分が必要とする情報に効率よくアクセスすることが可能となり、小規模分散かつ多様なシステムの持つデータに対しても、柔軟なアクセス・連携・管理を実現することができる。

以下、本発明の実施形態に係る情報管理装置について図面を参照しながら説明する。
図１は、本発明の一実施形態に係る情報管理装置の概略構成を示すブロック図である。
図１において、情報管理装置には、概念間マッピング抽出装置２、トポロジマッピング抽出装置３およびトポロジマッピング評価装置４が設けられている。ここで、概念間マッピング抽出装置２は、２つの情報源１ａ、１ｂにそれぞれ含まれる互いに近似する概念を抽出する。トポロジマッピング抽出装置３は、概念間マッピング抽出装置２にて抽出された互いに近似する概念の接続形態に基づいてトポロジマッピングを行う。トポロジマッピング評価装置４は、トポロジマッピング抽出装置３にて抽出されたトポロジマッピング結果に基づいて、概念間マッピング抽出装置２にて抽出された概念間のマッピング結果の評価を行う。

ここで、概念間マッピング抽出装置２には、２つの情報源１ａ、１ｂにそれぞれ含まれる概念の持つインスタンス間の近似性を計測する近似度計測手段２ａを設けることができる。なお、インスタンス間の近似性を計測する方法としては、インスタンスにおける語彙的な近似度やκ統計量などを用いることができる。そして、インスタンス間の近似度がヒューリスティックなしきい値以上の場合、２つの情報源１ａ、１ｂにそれぞれ含まれる概念間のマッピングを行うことができる。なお、情報源１ａ、１ｂとは、時々刻々と情報を提供するもので、例えば、オントロジ、インターネットディレクトリ、図書の分類目録などの階層構造により構成されるものを言う。また、情報源１ａ、１ｂは、画像などのコンテンツデータでもよく、画像間の近似性を計測する場合、画像に付加されているメタ情報を用いるようにしてもよい。

また、トポロジマッピング抽出装置３には、概念間マッピング抽出装置２にてマッピングされた概念と親子関係をなす概念のマッピング状態を判定するマッピング状態判定手段３ａ、概念間マッピング抽出装置２にて抽出された互いに近似する概念の接続形態の近似性を判定する接続形態判定手段３ｂを設けることができる。そして、トポロジマッピング抽出装置３は、接続形態判定手段３ｂにて判定された接続形態の近似性に基づいて、互いに親子関係をなす概念から構成される部分情報源間でトポロジマッピングを形成することができる。なお、部分情報源とは情報源１ａ、１ｂの一部分を言い、部分情報源の具体例としてサブオントロジやサブディレクトリなどを挙げることができる。

また、トポロジマッピング評価装置４には、多重化されたトポロジマッピング結果を与える部分情報源を検出する部分情報源検出手段４ａ、部分情報源検出手段４ａにて検出された部分情報源に含まれる概念の個数を算出する概念数算出手段４ｂおよび概念数算出手段４ｂにて算出された部分情報源に含まれる概念の個数に基づいて、トポロジマッピング結果の誤りを検出するトポロジマッピング誤り検出手段４ｃを設けることができる。
なお、マッピングとは、概念と概念とが意味的に等しいかを判定することである。また、トポロジとは、概念集合の接続形態をいう。また、トポロジマッピングとは、概念集合間で概念の接続形態が等しいかを判定することである。

図２は、本発明の一実施形態に係る情報源の構造の一例を示す図である。
図２において、例えば、情報源１ａに含まれる概念１１の階層構造は木構造で表すことができ、木のノードにはインスタンス１２が割り当てられている。また、情報源１ｂも同様に概念１１の木構造で表すことができる。なお、インスタンス１２とは情報の実態であり、概念１１に割当てられるものである。

図３は、本発明の一実施形態に係る情報管理方法を示すフローチャートである。
図３において、情報源１ａ、１ｂが図１の概念間マッピング抽出装置２に入力されると（ステップＳ１）、近似度計測手段２ａは、情報源１ａ、１ｂにそれぞれ含まれる概念の持つインスタンス間の近似性を計測する（ステップＳ２）。そして、概念間マッピング抽出装置２は、情報源１ａ、１ｂに含まれる概念の持つインスタンスの近似性に基づいて情報源１ａ、１ｂに含まれる概念間のマッピングを行う（ステップＳ３）。

そして、概念間マッピング抽出装置２にて概念間のマッピングが行われると、そのマッピング結果がトポロジマッピング抽出装置３に出力される。そして、概念間のマッピング結果がトポロジマッピング抽出装置３に出力されると、トポロジマッピング抽出装置３は、概念間マッピング抽出手段２にて抽出された互いに近似する概念の接続形態の近似性に基づいてトポロジマッピングを行う（ステップＳ４）。

ここで、トポロジマッピングを行う場合、マッピング状態判定手段３ａは、概念間マッピング抽出装置２にてマッピングされた概念と親子関係をなす概念のマッピング状態を判定することができる。そして、接続形態判定手段３ｂは、マッピングされた概念間の親子関係に基づいて、互いに近似する概念間の接続形態の近似性を判定することができる。

図４は、本発明の一実施形態に係るトポロジマッピング抽出方法を示す図である。なお、以下の説明では、情報源１ａ、１ｂの持つデータとしてオントロジを例にとって説明する。
図４において、オントロジＯ_Aには概念Ｃ_a1〜Ｃ_a3、オントロジＯ_Bには概念Ｃ_b1〜Ｃ_b3が存在しているものとする。なお、オントロジＯ_A、Ｏ_Bとは、情報源１ａ、１ｂの持つデータを、情報源１ａ、１ｂに対する概念に基づく体系として定義したものである。そして、概念Ｃ_a1〜Ｃ_a3は互いに親子関係を構成し、概念Ｃ_b1〜Ｃ_b3は互いに親子関係を構成しているものとする。

そして、図４（ａ）に示すように、図１の概念間マッピング抽出装置２にてオントロジＯ_Aの概念Ｃ_a2とオントロジＯ_Bの概念Ｃ_b2とが互いにマッピングされているものとする（Ｍ１）。そして、トポロジマッピング抽出装置３は、互いにマッピングされている概念Ｃ_a2、Ｃ_b2がオントロジＯ_A、Ｏ_Bにそれぞれ存在する場合、これらの概念Ｃ_a2、Ｃ_b2に親概念が存在するかを判断する。

そして、図４（ｂ）に示すように、これらの概念Ｃ_a2、Ｃ_b2に親概念Ｃ_a1、Ｃ_b1がそれぞれ存在する場合、トポロジマッピング抽出装置３は、概念間マッピング抽出装置２にて行われたマッピング結果を参照することにより、これらの概念Ｃ_a2、Ｃ_b2の親概念Ｃ_a1、Ｃ_b1が互いにマッピングされているかどうかを確認する。そして、概念Ｃ_a2、Ｃ_b2の親概念Ｃ_a1、Ｃ_b1が互いにマッピングされている場合（Ｍ２）、概念集合｛Ｃ_a1，Ｃ_a2｝からなるサブオントロジＯ_SA1と概念集合｛Ｃ_b1，Ｃ_b2｝からなるサブオントロジＯ_SB1とは概念の接続形態も等しいと判断し、これらのサブオントロジＯ_SA1、Ｏ_SB1間でトポロジマッピングを形成する（ＴＭ１）。

次に、サブオントロジＯ_SA1、Ｏ_SB1間でトポロジマッピングが形成されると、トポロジマッピング抽出装置３は、各概念Ｃ_a2、Ｃ_b2に子概念が存在するかを判断する。
そして、図４（ｃ）に示すように、これらの概念Ｃ_a2、Ｃ_b2に子概念Ｃ_a3、Ｃ_b3がそれぞれ存在する場合、トポロジマッピング抽出装置３は、概念間マッピング抽出装置２にて行われたマッピング結果を参照することにより、これらの概念Ｃ_a2、Ｃ_b2の子概念Ｃ_a3、Ｃ_b3が互いにマッピングされているかどうかを確認する。そして、概念Ｃ_a2、Ｃ_b2の子概念Ｃ_a3、Ｃ_b3が互いにマッピングされている場合（Ｍ３）、概念集合｛Ｃ_a1，Ｃ_a2，Ｃ_a3｝からなるサブオントロジＯ_SA2と概念集合｛Ｃ_b1，Ｃ_b2，Ｃ_b3｝からなるサブオントロジＯ_SB2とは概念の接続形態も等しいと判断し、これらのサブオントロジＯ_SA2、Ｏ_SB2間でトポロジマッピングを形成する（ＴＭ２）。

以上の操作をオントロジＯ_A、Ｏ_B間で繰り返し実行することにより、トポロジマッピング抽出装置３はトポロジマッピングを抽出し、トポロジマッピング結果をトポロジマッピング評価装置４に入力する。そして、トポロジマッピング結果がトポロジマッピング評価装置４に入力されると、トポロジマッピング評価装置４は、トポロジマッピング抽出装置３にて抽出されたトポロジマッピング結果に基づいて、概念間マッピング抽出装置２にて抽出された概念間のマッピング結果の評価を行う。

ここで、概念間マッピング抽出装置２にて抽出された概念間のマッピング結果の評価を行う場合、部分情報源検出手段４ａは、多重化されたトポロジマッピング結果を与えるサブオントロジを検出することができる。そして、部分情報源検出手段４ａにてサブオントロジが検出されると、概念数算出手段４ｂは、検出されたサブオントロジに含まれる概念の個数を算出する（ステップＳ５）。そして、トポロジマッピング誤り検出手段４ｃは、サブオントロジに含まれる概念の個数に基づいて、トポロジマッピング結果の誤りを検出する。

ここで、トポロジマッピング誤り検出手段４ｃは、検出されたサブオントロジのうち、サブオントロジを構成する概念の個数が最も多いサブオントロジ以外のサブオントロジから形成されるトポロジマッピング結果を誤りとして検出することができる。そして、トポロジマッピング評価装置４は、サブオントロジに含まれる概念の個数に基づいて、トポロジマッピング結果の修正を行う（ステップＳ６）。そして、修正されたトポロジマッピング結果に従うように概念間のマッピング結果を修正することにより、正しいマッピング結果５を出力することができる。

例えば、概念間マッピングにおいて、図４のオントロジＯ_Aのある概念Ｃ_aiがオントロジＯ_Bの複数の概念とマッピングされている場合、部分情報源検出手段４ａは、トポロジマッピング結果を参照することにより、トポロジマッピングを形成するオントロジＯ_Aのサブオントロジにおいて、概念Ｃ_aiを含むものを検出する。そして、検出された複数のサブオントロジのうち、サブオントロジを構成する概念の個数が最も多いサブオントロジ以外のトポロジマッピング結果を誤りとして検出する。そして、最終的に得られたトポロジマッピング結果に従う概念間マッピング結果を正解として出力することができる。

これにより、各概念間の類似性だけでなく、概念の階層構造を考慮しながら、異なる情報源１ａ、１ｂに含まれる概念間のマッピングを自動的に行うことができる。このため、人手にかかる負担を抑制しつつ、異なる情報源１ａ、１ｂに含まれる概念間のマッピング精度を向上させることが可能となり、他者によって管理されている情報が自分の持つ概念階層のどこに位置するかを精度よく同定することができる。この結果、各管理者ごとに情報１ａ、１ｂが分散管理されている場合においても、自分が必要とする情報に効率よくアクセスすることが可能となり、小規模分散かつ多様なシステムの持つデータに対しても、柔軟なアクセス・連携・管理を実現することができる。

例えば、概念間の語彙の近似性のみに基づく自動マッピングを行ったために、概念間のマッピング結果に誤りが多く含まれる場合においても、その情報源の概念の階層構造を人手で精査することなく、その概念間のマッピング結果を正しく修正することが可能となる。このため、ある情報源の管理者やユーザが、異なる情報源において等しいと判定された概念の持つインスタンスを自分で管理する情報源に追加したり、インスタンスの発見に活用したりする場合においても、自分の情報源の階層構造にそぐわないインスタンスが追加されることを防止することができ、ユーザは自分の意図に反するインスタンスの発見を防止することができる。

なお、上述した実施形態では、情報源１ａ、１ｂの持つデータとしてオントロジＯ_A、Ｏ_Bを例にとって説明したが、オントロジＯ_A、Ｏ_B以外にも、インターネットディレクトリ、図書の分類目録などの階層的に表現される情報源同士を自動的にマッピングする方法に適用してもよい。
例えば、２つのインターネットディレクトリを概念間でマッピングし、同じ概念と判断された概念に属するインスタンスをどちらか一方のインターネットディレクトリに移動させ、１つのインターネットディレクトリとして統合して保持することができる。これにより、検索ユーザは、概念階層を利用しながら、２つのインターネットディレクトリの持つインスタンスを１回の検索で取得することができる。

なお、図１の概念間マッピング抽出装置２、トポロジマッピング抽出装置３およびトポロジマッピング評価装置４は、これらの装置にて行われる処理を行うプログラムをコンピュータに実行させることにより実現することができる。
以下、“ｉｎｆｏｓｅｅｋ（登録商標）”と“ＹＡＨＯＯ！（登録商標）”のインターネットディレクトリをそれぞれ情報源２１ａ、２１ｂとし、ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリのカテゴリを概念とした場合を例にとって、概念間のトポロジマッピングを行う方法について具体的に説明する。

図５は、“ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリの構成例を示す図である。なお、図５の例では、“ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリのＵＮＩＸ（登録商標）カテゴリ以下の概念を対象とした。
図５において、“ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念には、“Ｓｏｌａｒｉｓ（登録商標）”、“Ｌｉｎｕｘ（登録商標）”および“ＦｒｅｅＢＳＤ（登録商標）”という子概念が存在している。また、“Ｌｉｎｕｘ”という概念には、“Ｔｕｒｂｏｌｉｎｕｘ（登録商標）”、“Ｍｋｌｉｎｕｘ（登録商標）”および“新聞と雑誌”という子概念が存在している。

一方、“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念には、“Ｌｉｎｕｘ”、“Ｓｏｌａｒｉｓ”および“ＢＳＤ（登録商標）”という子概念が存在している。また、“Ｌｉｎｕｘ”という概念には、“ディストリビューション”および“サポートおよび文書”という子概念が存在している。また、“ディストリビューション”という概念には、“ＴｕｒｂｏＬｉｎｕｘ”および“Ｒｅｄ Ｈａｔ（登録商標）”という子概念が存在している。

そして、図１の概念間マッピング抽出装置２は、図５のカテゴリを概念として、これらの情報源２１ａ、２１ｂにそれぞれ含まれる概念間のマッピングを行う。ここで、インターネットディレクトリの各カテゴリはページ集合を持っている。そして、情報源２１ａ、２１ｂにそれぞれ含まれる概念間のマッピングには、各カテゴリが持っているページ集合の間の近似度を利用することができる。

例えば、図６に示すように、“ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念との間の近似度を計測する場合、これらのカテゴリが持っているページ集合間の近似度を用いることができる。ここで、ページ集合間の近似度は、例えば、ベクトル空間モデルを用いて計算することができる。すなわち、全てのページとカテゴリを同じ検索語の重みベクトルで表現し、ベクトル間の類似度により文書間の近似度を算出することができる。

そして、ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念との間の近似度Ｓ（ＵＮＩＸ（登録商標）、Ｕｎｉｘ（登録商標））がヒューリスティックなしきい値θより大きい場合、ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念はマッピングできると判断することができる。
すなわち、文書はいくつかのタームによって特徴付けることができるので、個々のタームを各次元に対応させるベクトル空間を考えると、文書をベクトル空間内の点として表現することができる。ここで、各タームに対応する次元方向の大きさを求めるための文書Ｄ_jにおけるタームｔ_iの重みｗ_jiとして、ターム頻度ｔｆ_ji、文書頻度ｄｆ_iまたはｔｆ_ji×ｉｄｆ_jを用いることができる。

ターム頻度ｔｆ_jiはタームｔ_iが文書Ｄ_jにどの程度の頻度で出現するかを表すもので、以下の式で定義することができる。
ｔｆ_ji＝ｆｒｅｑ（ｉ，ｊ）
ただし、ｆｒｅｑ（ｉ，ｊ）は文書Ｄ_jにおけるタームｔ_iの出現頻度である。
また、ターム頻度ｔｆ_jiの変形として、以下の式で示すように、重み付けＫと最大頻度ｍａｘ_i,jで正規化する方法もある。
ｔｆ_ji＝Ｋ＋（Ｋ−１）ｆｒｅｑ（ｉ，ｊ）／（ｍａｘ_i,jｆｒｅｑ（ｉ，ｊ））

さらに、ターム頻度ｔｆ_jiの変形として、以下の式で示すように、ｌｏｇおよび文書におけるターム数で正規化する方法もある。
ｔｆ_ji＝ｌｏｇ₂（ｆｒｅｑ（ｉ，ｊ）＋１）／ｌｏｇ₂（文書ｊ中のタームの種類数）
文書頻度ｄｆ_iはタームｔ_iが文書数を表すもので、以下の式で定義することができる。
ｄｆ_i＝Ｄｆｒｅｑ（ｉ）
ただし、Ｄｆｒｅｑ（ｉ）はタームｔ_iが出現する文書数である。実際には、この逆数ｉｄｆ_iが使用される。

また、ｉｄｆ_iの変形として、以下の式で示すように、ｌｏｇおよび文書集合中の文書総数Ｎで正規化する方法もある。
ｉｄｆ_i＝ｌｏｇ₂（Ｎ／Ｄｆｒｅｑ（ｉ））＋１
また、ｔｆ_ji×ｉｄｆ_jはターム頻度ｔｆ_jiと文書頻度ｄｆ_iの両方の性質を併せ持つもので、文書Ｄ_jにおけるタームｔ_iの重みｗ_jiは、以下の式で定義することができる。
ｗ_ji＝ｔｆ_ji×ｉｄｆ_j

そして、文書Ｄ_jの特徴ベクトルＤ_j´を、Ｄ_j´＝（ｗ_j1，ｗ_j2，・・・，ｗ_jm）と表す。ただし、ｍはベクトル空間の次元数、すなわち、文書集合に現れるタームの総数である。そして、文書Ｄ_qの特徴ベクトルＤ_q´を、Ｄ_q´＝（ｗ_q1，ｗ_q2，・・・，ｗ_qm）と表すと、文書Ｄ_j、Ｄ_q間の類似度ｓｉｍ（Ｄ_j、Ｄ_q）は、以下の式で算出することができる。
ｓｉｍ（Ｄ_j、Ｄ_q）＝Ｄ_j´・Ｄ_q´／（｜Ｄ_j´｜｜Ｄ_q´｜）＝ｃｏｓθ
＝（ｗ_q1ｗ_j1＋ｗ_q2ｗ_j2＋・・・＋ｗ_qmｗ_jm）／
（√（ｗ_q1 ²＋ｗ_q2 ²＋・・・＋ｗ_qm ²）（√（ｗ_i1 ²＋ｗ_i2 ²＋・・・＋ｗ_im ²）

そして、ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念との間の近似度Ｓ（ＵＮＩＸ（登録商標）、Ｕｎｉｘ（登録商標））が算出されると、図７に示すように、ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念について、“ＹＡＨＯＯ！”のインターネットディレクトリのＵＮＩＸ（登録商標）カテゴリ以下の全ての概念との間で総当りにて近似度をそれぞれ算出する。

そして、ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と、“ＹＡＨＯＯ！”のインターネットディレクトリのＵＮＩＸ（登録商標）カテゴリ以下の全ての概念との間で近似度がそれぞれ算出されると、ｉｎｆｏｓｅｅｋ”のインターネットディレクトリのＵＮＩＸ（登録商標）カテゴリ以下の全ての概念について、“ＹＡＨＯＯ！”のインターネットディレクトリのＵＮＩＸ（登録商標）カテゴリ以下の全ての概念との間で総当りにて近似度をそれぞれ算出することにより、図５の“ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリに含まれる概念間のマッピングを行う。

図８は、図５の概念間におけるマッピング結果の一例を示す図である。
図８において、図５の“ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリに含まれる概念間のマッピングの結果、“ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念とがマッピングされ、“ｉｎｆｏｓｅｅｋ”の“ＦｒｅｅＢＳＤ”という概念と“ＹＡＨＯＯ！”の“ＢＳＤ”という概念とがマッピングされ、“ｉｎｆｏｓｅｅｋ”の“Ｓｏｌａｒｉｓ”という概念と“ＹＡＨＯＯ！”の“Ｓｏｌａｒｉｓ”という概念とがマッピングされたものとする。

また、“ｉｎｆｏｓｅｅｋ”の“Ｌｉｎｕｘ”という概念は、“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念と“ＹＡＨＯＯ！”の“Ｌｉｎｕｘ”という概念との双方とマッピングされたものとする。
さらに、“ｉｎｆｏｓｅｅｋ”の“新聞と雑誌”という概念と“ＹＡＨＯＯ！”の“サポートおよび文書”という概念とがマッピングされ、“ｉｎｆｏｓｅｅｋ”の“Ｔｕｒｂｏｌｉｎｕｘ”という概念と“ＹＡＨＯＯ！”の“ＴｕｒｂｏＬｉｎｕｘ”という概念とがマッピングされたものとする。
そして、図５の“ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリに含まれる概念間でマッピングが行われると、マッピングされたこれらのインターネットディレクトリのクラスに対し、その親子クラスのマッピング結果をチェックすることにより、図５の概念間におけるトポロジマッピングを行う。

図９は、図５の概念間におけるトポロジマッピング結果の一例を示す図である。
図９において、図８のマッピング結果を参照すると、例えば、“ｉｎｆｏｓｅｅｋ”の“Ｓｏｌａｒｉｓ”という概念と“ＹＡＨＯＯ！”の“Ｓｏｌａｒｉｓ”という概念とが互いにマッピングされている。そして、“ｉｎｆｏｓｅｅｋ”の“Ｓｏｌａｒｉｓ”という概念の親概念“ＵＮＩＸ（登録商標）”と、“ＹＡＨＯＯ！”の“Ｓｏｌａｒｉｓ”という概念の親概念“Ｕｎｉｘ（登録商標）”とのマッピング状態をチェックすると、図８のマッピング結果から、“ｉｎｆｏｓｅｅｋ”の“ＵＮＩＸ（登録商標）”という概念と、“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念とは互いにマッピングされていることが判る。

この結果、“ｉｎｆｏｓｅｅｋ”における概念集合｛ＵＮＩＸ（登録商標），Ｓｏｌａｒｉｓ｝と、“ＹＡＨＯＯ！”における概念集合｛Ｕｎｉｘ（登録商標），Ｓｏｌａｒｉｓ｝とはトポロジマッピングを形成できると判断する。
そして、“ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリのＵＮＩＸ（登録商標）カテゴリ以下のマッピングされている全ての概念について、以上のような操作を実行する。

この結果、概念集合｛ＵＮＩＸ（登録商標），Ｓｏｌａｒｉｓ，Ｌｉｎｕｘ，ＦｒｅｅＢＳＤ，新聞と雑誌｝からなるサブディレクトリαと、概念集合｛Ｕｎｉｘ（登録商標），Ｓｏｌａｒｉｓ，Ｌｉｎｕｘ，ＢＳＤ，サポートおよび文書｝からなるサブディレクトリα´との間でトポロジマッピングが形成される。また、概念集合｛Ｌｉｎｕｘ｝からなるサブディレクトリβと、概念集合｛Ｕｎｉｘ（登録商標）｝からなるサブディレクトリβ´との間でトポロジマッピングが形成される。また、概念集合｛Ｔｕｒｂｏｌｉｎｕｘ｝からなるサブディレクトリγと、概念集合｛ＴｕｒｂｏＬｉｎｕｘ｝からなるサブディレクトリγ´との間でトポロジマッピングが形成される。

そして、トポロジマッピングの結果、多重化されたトポロジマッピングが存在する場合、多重化されたトポロジマッピング結果を与えるサブディレクトリを検出する。そして、多重化されたトポロジマッピング結果を与えるサブディレクトリが検出されると、サブディレクトリを構成する概念の個数が最も多いサブディレクトリ以外のサブディレクトリから形成されるトポロジマッピング結果を誤りとして検出する。
すなわち、図９のトポロジマッピング結果を参照すると、多重化されたトポロジマッピング結果を与えるサブディレクトリとして、サブディレクトリα、α´とサブディレクトリβ、β´とが検出される。

そして、多重化されたトポロジマッピング結果を与えるサブディレクトリα、α´とサブディレクトリβ、β´とが検出されると、サブディレクトリα、α´に含まれる概念の個数と、サブディレクトリβ、β´に含まれる概念の個数とを比較する。ここで、サブディレクトリαには、“ＵＮＩＸ（登録商標）”、“Ｓｏｌａｒｉｓ”、“Ｌｉｎｕｘ”、“ＦｒｅｅＢＳＤ”、“新聞と雑誌”という概念が含まれ、サブディレクトリα´には、“Ｕｎｉｘ（登録商標）”、“Ｓｏｌａｒｉｓ”、“Ｌｉｎｕｘ”、“ＢＳＤ”、“サポートおよび文書”という概念が含まれている。また、サブディレクトリβには、“Ｌｉｎｕｘ”という概念が含まれ、サブディレクトリβ´には、“Ｕｎｉｘ（登録商標）”という概念が含まれている。このため、サブディレクトリα、α´に含まれる概念の個数と、サブディレクトリβ、β´に含まれる概念の個数とを比較すると、サブディレクトリα、α´に含まれる概念の個数よりも、サブディレクトリβ、β´に含まれる概念の個数の方が少ないと判断することができる。

そして、サブディレクトリα、α´に含まれる概念の個数よりも、サブディレクトリβ、β´に含まれる概念の個数の方が少ないと判断されると、図１０に示すように、サブディレクトリβ、β´間のトポロジマッピング結果を誤りと判断する。
そして、サブディレクトリβ、β´間のトポロジマッピング結果の誤りが検出されると、その誤りが修正されたトポロジマッピング結果に従うように、概念間のマッピング結果を修正する。

図１１は、図５の概念間におけるマッピング誤りを除去した後のマッピング結果の一例を示す図である。
図１１において、図８のマッピングの結果、“ｉｎｆｏｓｅｅｋ”の“Ｌｉｎｕｘ”という概念は、“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念と、“ＹＡＨＯＯ！”の“Ｌｉｎｕｘ”という概念との双方とマッピングされている。そして、図８の“ｉｎｆｏｓｅｅｋ”の“Ｌｉｎｕｘ”という概念と、“ＹＡＨＯＯ！”の“Ｕｎｉｘ（登録商標）”という概念との間のマッピング結果を除去することにより、図１０のサブディレクトリβ、β´間のトポロジマッピング結果の誤りを修正することができる。これにより、“ｉｎｆｏｓｅｅｋ”の“Ｌｉｎｕｘ”という概念が、“ＹＡＨＯＯ！”の“Ｌｉｎｕｘ”という概念とのみマッピングされた結果を出力することができる。

本発明は、概念の階層構造を考慮しながら、異なる情報源に含まれる概念間のマッピングを自動的に行うことができ、インターネットディレクトリの持つインスタンスなどの検索を行う検索エンジンなどに利用することができる。

本発明の一実施形態に係る情報管理装置の概略構成を示すブロック図である。 本発明の一実施形態に係る情報源の構造の一例を示す図である。 本発明の一実施形態に係る情報管理方法を示すフローチャートである。 本発明の一実施形態に係るトポロジマッピング抽出方法を示す図である。 “ｉｎｆｏｓｅｅｋ”と“ＹＡＨＯＯ！”のインターネットディレクトリの構成例を示す図である。 図５の情報源２１ａ、２１ｂにそれぞれ含まれる概念間の近似度計測方法の一例を示す図である。 図５の概念間における総当り方式による近似度計測方法の一例を示す図である。 図５の概念間におけるマッピング結果の一例を示す図である。 図５の概念間におけるトポロジマッピング結果の一例を示す図である。 図５の概念間におけるトポロジマッピング誤りの除去結果の一例を示す図である。 図５の概念間におけるマッピング誤りを除去した後のマッピング結果の一例を示す図である。

符号の説明

１ａ、１ｂ、２１ａ、２１ｂ 情報源
２ 概念間マッピング抽出装置
２ａ 近似度計測手段
３ トポロジマッピング抽出装置
３ａ マッピング状態判定手段
３ｂ 接続形態判定手段
４ トポロジマッピング評価装置
４ａ 部分情報源検出手段
４ｂ 概念数算出手段
４ｃ トポロジマッピング誤り検出手段
５ マッピング結果
１１、Ｃ_a1〜Ｃ_a3、Ｃ_b1〜Ｃ_b3 概念
１２ インスタンス
Ｏ_A、Ｏ_B オントロジ
Ｏ_SA1、Ｏ_SB1、Ｏ_SA2、Ｏ_SB2 サブオントロジ

Claims (6)

1. ２つの情報源にそれぞれ含まれる互いに近似する概念を抽出する概念間マッピング抽出手段と、
   前記概念間マッピング手段にて抽出された互いに近似する概念の接続形態に基づいて、互いに親子関係をなす概念集合から構成される部分情報源間で近似する部分情報源を抽出してトポロジマッピングを形成するトポロジマッピング抽出手段と、
   前記トポロジマッピング抽出手段にて抽出されたトポロジマッピング結果が多重化している部分情報源を検出し、当該検出された部分情報源に含まれる概念の個数に基づいて、トポロジマッピング結果の誤りを検出し、誤りの検出されたトポロジマッピング結果を除去することで前記概念間マッピング抽出手段にて抽出された概念間のマッピング結果の修正を行うトポロジマッピング評価手段とを備えることを特徴とする情報管理装置。
2. 前記概念間マッピング抽出手段は、
   ２つの情報源にそれぞれ含まれる概念の持つインスタンス間の近似性を計測する近似度計測手段を備えることを特徴とする請求項１記載の情報管理装置。
3. 前記トポロジマッピング抽出手段は、
   前記マッピングされた概念と親子関係をなす概念のマッピング状態を判定するマッピング状態判定手段と、
   前記概念間マッピング抽出手段にて抽出された互いに近似する概念の接続形態の近似性を判定する接続形態判定手段とを備え、
   前記トポロジマッピング抽出手段は、前記接続形態判定手段にて判定された接続形態の近似性に基づいて、互いに親子関係をなす概念集合から構成される部分情報源間でトポロジマッピングを形成することを特徴とする請求項１または２記載の情報管理装置。
4. ２つの情報源についての概念間のマッピングを行うステップと、
   前記マッピングされた概念間の親子関係に基づいて、互いに近似する概念間の接続形態の近似性を判定するステップと、
   前記概念間の接続形態の近似性に基づいて、当該接続形態の近似している概念集合から構成される部分情報源間で近似する部分情報源を抽出してトポロジマッピングを行うステップと、
   前記トポロジマッピング結果が多重化している部分情報源を検出するステップと、
   前記検出された部分情報源に含まれる概念の個数を算出するステップと、
   前記部分情報源に含まれる概念の個数に基づいて、前記トポロジマッピング結果の誤りを検出し、誤りの検出されたトポロジマッピング結果を除去することにより前記概念間のマッピング結果を修正するステップとをコンピュータに実行させることを特徴とする情報管理プログラム。
5. 前記トポロジマッピング結果の誤りを検出するステップは、
   検出された前記部分情報源のうち、部分情報源を構成する概念の個数が最も多い部分情報源以外の部分情報源から形成されるトポロジマッピング結果を誤りとして検出するステップをコンピュータに実行させることを特徴とする請求項４記載の情報管理プログラム。
6. 前記概念間の接続形態の近似性に基づいてトポロジマッピングを行うステップは、
   互いにマッピングされている概念の親概念のマッピング結果を確認するステップと、
   前記親概念がマッピングされている場合、互いにマッピングされている概念およびその親概念を含む概念集合からなる部分情報源間でトポロジマッピングを形成するステップと、
   前記トポロジマッピングが形成された部分情報源に含まれる概念の子概念のマッピング結果を確認するステップと、
   前記子概念がマッピングされている場合、互いにマッピングされている概念、その親概念およびその子概念を含む概念集合からなる部分情報源間でトポロジマッピングを形成するステップとをコンピュータに実行させることを特徴とする請求項４または５記載の情報管理プログラム。

Images