JP4870732B2 - 情報処理装置、名寄せ方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、名寄せ方法及びプログラムに関する。

従来、多くの企業においてユーザ情報の管理を行っている。しかしながら、一つのシステム内で同一ユーザのユーザ情報が複数登録されていたり、複数のシステムにそれぞれ同一ユーザのユーザ情報が登録されていたりする場合がある。このような場合、一般的に、同一ユーザのユーザ情報を一つにまとめる所謂名寄せが行われる。
名寄せの方法としては、例えば特許文献１が知られている。

特開２００３−７６８３８号公報

しかし、上記方法の場合、データの内容によっては処理回数が膨大となり現実的な時間内に名寄せ処理ができないおそれがある。

本発明はこのような問題点に鑑みなされたもので、処理対象のデータが多い場合であっても処理回数を抑え、速やかに名寄せを実行可能にすることを目的とする。

そこで、本発明は、同一性の判定対象のレコードの数と、同一性の判定に係るルールの数と、に基づき、テーブルの各セルをゼロで初期化したリンクテーブルを作成するリンクテーブル作成手段と、前記ルールを識別するルール識別子と、前記ルール識別子で識別されるルールに基づき同一と判定されたレコードを識別するレコード識別子の組と、を含むファイルに基づき、前記リンクテーブル作成手段で作成され、ゼロで初期化された前記リンクテーブルの該当するセルに、レコード間の同一性を表すリンクを設定するリンク設定手段と、前記リンク設定手段でリンクが設定された前記リンクテーブルによって表されるレコードの有向グラフをレコード識別子のツリーに変換するツリー変換手段と、前記ツリー変換手段で変換されたツリーを平坦化する平坦化手段と、を有することを特徴とする。

リンクテーブル作成手段が、レコードの数と、ルールの数と、に基づきリンクテーブルを作成することにより、各レコードに対する処理においてアクセスするセルが重なることが無いため、複数スレッドで並列処理する際に排他制御が必要ない。そのため、プロセッサ数（ＣＰＵ数）に比例して処理の速度が向上する。また、ツリー変換手段及び平坦化手段における処理の時間計算量は、Ｏ（ｎ）であるため、名寄せ全体での時間計算量もＯ（ｎ）となる。よって、処理対象のデータが多い場合であっても処理回数を抑え、速やかに名寄せを実行可能にすることができる。

また、本発明は、名寄せ方法及びプログラムとしてもよい。

本発明によれば、処理対象のデータが多い場合であっても処理回数を抑え、速やかに名寄せを実行可能にすることができる。

以下、本発明の実施形態について図面に基づいて説明する。

図１は、情報処理装置（コンピュータ）１のハードウェア構成の一例を示す図である。図１に示されるように情報処理装置１は、ハードウェア構成として、ＣＰＵ１１を含む。
ＣＰＵ１１が、記憶装置１３に記憶されている、プログラムに基づき処理を行うことによって、後述する機能、又はフローチャートに係る処理を実現する。

また、ＣＰＵ１１には、バス１０を介して、入力装置１２、記憶装置１３及び表示装置１４が接続されている。記憶装置１３は、例えば、ＲＯＭ、ＲＡＭ、ハードディスク装置等からなり、上述した各プログラム以外に、プログラムに基づく処理で用いられるデータ（例えば後述するファイルやテーブル等）を記憶する。表示装置１４は、情報を表示する例えばディスプレイ等である。入力装置１２は、情報を入力する例えばキーボード及び／又はマウス等である。
なお、図１では説明の簡略化のため、ＣＰＵは１つしか図示していないが、処理の高速化等のため、情報処理装置は、複数のＣＰＵを有していてもよい。

図２は、情報処理装置１の機能構成の一例を示す図である。図２に示されるように、情報処理装置１は、機能構成として、ファイル生成部２１と、リンクテーブル作成部２２と、リンク設定部２３と、ツリー変換部２４と、平坦化部２５と、を含む。
ファイル生成部２１は、同一性の判定対象のレコードと、同一性の判定に係るルールと、に基づき、後述する図６に示すようなファイルを生成する。
リンクテーブル作成部２２は、同一性の判定に係るルールのルール数と、同一性の判定対象のレコードのレコード数と、に基づき、テーブルの各セルをゼロで初期化したリンクテーブルを作成する。

リンク設定部２３は、ファイル生成部２１で生成されたファイルに基づき、リンクテーブル作成部２２で作成された各セルがゼロで初期化されたリンクテーブルの該当するセルに、レコード番号の大きいものから小さいものへレコード間の同一性を表すリンクを設定する。なお、リンク設定部２３は、レコード番号の小さいものから大きいものへレコード間の同一性を表すリンクを設定するようにしてもよい。但し、本実施形態では説明の簡略化のため、リンク設定部２３は、レコード番号の大きいものから小さいものへレコード間の同一性を表すリンクを設定するものとして説明を行う。
ツリー変換部２４は、リンク設定部２３でリンクが設定されたリンクテーブルによって表されるレコードの有向グラフをレコード番号の小さいものをルートとしたレコード番号のツリー（レコードのツリー）に変換する。
平坦化部２５は、ツリー変換部２４で変換された（生成された）ツリーを平坦化する。

図３は、同一性の判定対象のレコードを含む入力データの一例を示す図である。
図３に示されるように、本実施形態では、入力データとして、住所コード、補助住所（番地以下の住所を示すコード）、カナ氏名、生年月日、電話番号（電話）等のフィールドからなるテキストファイルを想定している。また、入力データの各フィールドはクレンジング済みであり、同一性の判定は文字列の完全一致により判断できる状態になっているものとする。この入力データは、例えば、情報処理装置１とネットワークを介して接続された他の装置から入力される。

ここで、図３に示される※１、※２、・・・で示されるレコードは、以下のルールに基づき、同一個人のレコードであると判定することができるレコードであることを示している。
（ルール１）：電話が一致した場合、同一個人のレコード
（ルール２）：住所コード、補助住所、カナ氏名、生年月日が一致した場合、同一個人のレコード
なお、これらのルールは、例えばルールファイル等に記述されているものとする。入力データと同様、このルールファイルも、例えば、情報処理装置１とネットワークを介して接続された他の装置から入力される。

ファイル生成部２１がルール１に基づき、図３に示される入力データから同一個人のレコードのレコード番号を同じグループになるよう分類した結果の一例を図４に示す。また、ファイル生成部２１がルール２に基づき、図３に示される入力データから同一個人のレコードのレコード番号を同じグループになるよう分類した結果の一例を図５に示す。
ファイル生成部２１は、分類した結果（図４の（Ａ）及び図５の（Ｂ））を合わせて１ファイルにする。なお、このとき、ファイル生成部２１は、複数のレコード番号を含むエントリーのみを抽出し、ファイルに記述する。また、ファイル生成部２１は、ルールを識別するルール番号と、前記ルールに基づき同一と判定されたレコードのレコード番号の組（グループ）と、を対応付けてファイルに記述する。図６は、ファイル生成部２１が生成したファイルの一例を示す図である。

次に、リンクテーブル作成部２２は、図３に示されるような同一性の判定対象のレコード数と、同一性の判定に係る上述したルールの数（ルール数）と、に基づき、テーブルの各セルをゼロで初期化したリンクテーブルを作成する。なお、レコード数１億、ルール数１３の場合、リンクテーブルの大きさは５ＧＢ程度となった。

次に、リンク設定部２３は、ファイル生成部２１で生成された、図６に示すようなファイルに基づき、リンクテーブル作成部２２で生成され、ゼロで初期化された前記リンクテーブルの該当するセルに、レコード番号の大きいものから小さいものへのレコード間の同一性を表すリンクを設定する。
例えば、ファイル生成部２１で生成されたファイルに
ルール番号が１、同一個人を表すレコード番号の組が３，５
と記述されていた場合、リンク設定部２３は、図７に示されるように、ルール１の列のレコード番号が大きい５のセルに、レコード番号が小さい３へのリンク（レコード間の同一性を表すリンク）を設定する。

より詳細にリンク設定部２３の処理を説明すると、リンク設定部２３は、ファイル生成部２１で生成された、図６に示すようなファイルを１レコードずつ読みながら、グループ（ファイルの１レコードに含まれるレコード番号の集合）のレコード間の関係をリンクとして設定する。このとき、リンク設定部２３は、図６に示されるようなファイルのレコードに含まれるルール番号の列でリンクを設定する（リンクを張る）。
例えば、ファイル生成部２１で生成されたファイルに
ルール番号が３、同一個人を表すレコード番号の組が４，６，１０
と記述されていた場合、リンク設定部２３は、図８に示されるように、ルール３の列のレコード番号が大きい１０、６のセルに、レコード番号が一番小さい４へのリンク（レコード間の同一性を表すリンク）を設定する。なお、図８では、リンクのない状態である０は明記せず、網掛けで表現している。以下の図においても同様である。

リンク設定部２３が上述した処理を繰り返すことによって、リンクテーブルにリンクが設定される。ファイル生成部２１で生成されたファイルの各レコードに対するセル群（図８の例では、ルール３でレコード番号４へのリンクが設定されているセル群）は、前記ファイルの各レコード間で重なることがないため、リンク設定部２３におけるリンク設定の処理（リンク生成の処理）は、排他制御なしで前記ファイルのレコード毎に並列に処理することができる。

リンク設定部２３が、ファイル生成部２１で生成されたファイルの全レコードに対する処理を実行した結果、リンクテーブルが図９に示すようになったものとする。
すると次に、ツリー変換部２４は、リンクテーブルによって表現されるレコード（レコード番号）の有向グラフをツリーに変換する。
より具体的に説明すると、ツリー変換部２４は、レコード番号１からレコード番号ｎの順に、レコード番号ｍ（ｍ＝１、・・・、ｎ）のレコードについて以下の処理を行い、リンクテーブルによって表現されるレコードの有向グラフをツリーに変換する。

まず、ツリー変換部２４は、レコード番号ｍと、レコード番号ｍからリンクの先を再帰的に辿ることが可能なレコード番号を含む集合Ｓを求め、求めた集合Ｓの中で最小のレコード番号をｐとする。
次に、ツリー変換部２４は、集合Ｔ＝（Ｓ−｛ｐ｝）∪｛ｍ｝の各レコード番号ｘのルール１のセルにｐ、２≦ルール数ｒの場合はルール２〜ルールｒにゼロを書き込む。

より具体的に説明すると、
ｍ＝１の場合、ツリー変換部２４は、Ｓ＝｛１｝、ｐ＝１、Ｔ＝｛１｝と算出する。
よって、ツリー変換部２４は、図１０に示されるように、ルール番号が１、レコード番号が１のセルに１を書き込む（設定する）。
ｍ＝２の場合、ツリー変換部２４は、Ｓ＝｛２｝、ｐ＝２、Ｔ＝｛２｝と算出する。
よって、ツリー変換部２４は、図１１に示されるように、ルール番号が１、レコード番号が２のセルに２を書き込む。
ｍ＝３の場合、ツリー変換部２４は、Ｓ＝｛３｝、ｐ＝３、Ｔ＝｛３｝と算出する。
よって、ツリー変換部２４は、図１２に示されるように、ルール番号が１、レコード番号が３のセルに３を書き込む。

ｍ＝４の場合、ツリー変換部２４は、Ｓ＝｛４｝、ｐ＝４、Ｔ＝｛４｝と算出する。
よって、ツリー変換部２４は、図１３に示されるように、ルール番号が１、レコード番号が４のセルに４を書き込む。
ｍ＝５の場合、ツリー変換部２４は、Ｓ＝｛５｝、ｐ＝５、Ｔ＝｛５｝と算出する。
よって、ツリー変換部２４は、図１４に示されるように、ルール番号が１、レコード番号が５のセルに５を書き込む。
ｍ＝６の場合、ツリー変換部２４は、Ｓ＝｛６，５｝、ｐ＝５、Ｔ＝｛６｝と算出する。
よって、ツリー変換部２４は、図１５に示されるように、ルール番号が１、レコード番号が６のセルに５を書き込む。また、ツリー変換部２４は、図１５に示されるように、ルール番号が２、レコード番号が６のセルにゼロを書き込む。

ｍ＝７の場合、ツリー変換部２４は、Ｓ＝｛７，５，４｝、ｐ＝４、Ｔ＝｛７，５｝と算出する。
よって、ツリー変換部２４は、図１６に示されるように、ルール番号が１、レコード番号が５のセルとレコード番号が７のセルとに４を書き込む。また、ツリー変換部２４は、図１６に示されるように、ルール番号が２、レコード番号が７のセルにゼロを書き込む。
ｍ＝８の場合、ツリー変換部２４は、Ｓ＝｛８，４，３｝、ｐ＝３、Ｔ＝｛８，４｝と算出する。
よって、ツリー変換部２４は、図１７に示されるように、ルール番号が１、レコード番号が４のセルとレコード番号が８のセルとに３を書き込む。また、ツリー変換部２４は、図１７に示されるように、ルール番号が２、レコード番号が８のセルにゼロを書き込む。
ｍ＝９の場合、ツリー変換部２４は、Ｓ＝｛９，３，２｝、ｐ＝２、Ｔ＝｛９，３｝と算出する。
よって、ツリー変換部２４は、図１８に示されるように、ルール番号が１、レコード番号が３のセルとレコード番号が９のセルとに２を書き込む。また、ツリー変換部２４は、図１８に示されるように、ルール番号が２、レコード番号が９のセルにゼロを書き込む。

ｍ＝１０の場合、ツリー変換部２４は、Ｓ＝｛１０，２，１，５，４，３｝、ｐ＝１、Ｔ＝｛１０，２，５，４，３｝と算出する。
よって、ツリー変換部２４は、図１９に示されるように、ルール番号が１、レコード番号が２のセルとレコード番号が３のセルとレコード番号が４のセルとレコード番号が５のセルとレコード番号が１０のセルとに１を書き込む。また、ツリー変換部２４は、図１９に示されるように、ルール番号が２、レコード番号が１０のセルとルール番号が３、レコード番号が１０のセルとにゼロを書き込む。

ツリー変換部２４は、レコード番号が１１以降も同様に処理を実行する。なお、上述したように、ツリー変換部２４における処理の結果は、ルール１の列に集まる。ツリー変換部２４が、レコード番号１からレコード番号ｎの順に、レコード番号ｍ（ｍ＝１、・・・、ｎ）について上述した処理を実行した結果、ルール１の列が図２０（ａ）に示されるようになったものとする。ルール１の列である図２０（ａ）は、図２０（ｂ）に示されるように、番号の小さいレコード（レコード番号）をルートとしたツリーで表される。

平坦化部２５は、ルール１の列のレコード番号１〜ｎの順で、各レコード番号ｍ（ｍ＝１，・・・，ｎ）に以下の処理を実行し、図２０（ｂ）に示されるようなツリーを平坦化する。平坦化した結果が、名寄せの結果となる。
平坦化部２５は、レコード番号ｍのリンク先が自分自身を指しているレコードにたどり着くまで繰り返し辿り、辿った先のレコード番号をレコード番号ｍのセルに書き込む。
図２０に示されるツリーに対して平坦化処理を行った結果が図２１である。図２１に示されるように、ツリーの高さは高々高さ１となる。平坦化処理の途中、レコード番号ｍまで処理した時点で、レコード番号１〜レコード番号（ｍ−１）が表すツリーの高さも高々高さ１である。よって、平坦化部２５による平坦化処理はＯ（ｎ）の時間計算量となる。
なお、図２１では、平坦化処理の一例として、２階層にする例を示しているが、３階層、４階層等としてもよい。つまり、平坦化処理とは、少なくとも基となるツリーよりも階層が少なくなるようにする処理である。

図２２は、図６に示すようなファイルを生成するファイル生成処理の一例を示すフローチャートである。
ステップＳ１０において、ファイル生成部２１は、ルール番号Ｒに１を設定する。
ステップＳ１１において、ファイル生成部２１は、ルール番号Ｒが入力等されたルール数以下か否かを判定する。ファイル生成部２１は、ルール番号Ｒがルール数以下の場合、ステップＳ１２に進み、ルール番号Ｒがルール数以下でない場合、図２２に示す処理を終了する。

ステップＳ１２において、ファイル生成部２１は、カレントレコード番号Ｃに１を設定し、ハッシュテーブルＨをクリアする。
ステップＳ１３において、ファイル生成部２１は、カレントレコード番号Ｃが入力等されたレコード数以下か否かを判定する。ファイル生成部２１は、カレントレコード番号Ｃがレコード数以下の場合、ステップＳ１４に進み、カレントレコード番号Ｃがレコード数以下でない場合、ステップＳ１８に進む。

ステップＳ１４において、ファイル生成部２１は、カレントレコード番号Ｃからルール番号Ｒのルールが指定するフィールドの組Ｔを取得する。
ステップＳ１５において、ファイル生成部２１は、ステップＳ１４で取得したフィールドの組Ｔがブランクを含むか否かを判定する。ファイル生成部２１は、フィールドの組Ｔがブランクを含む場合、ステップＳ１７に、ブランクを含まない場合、ステップＳ１６に進む。
ステップＳ１６において、ファイル生成部２１は、ハッシュテーブルに、キー＝フィールドの組Ｔに対応する集合にカレントレコード番号Ｃを追加する。
ステップＳ１７において、ファイル生成部２１は、カレントレコード番号Ｃを一つインクリメントする。ステップＳ１７の処理の後、ファイル生成部２１は、ステップＳ１３に処理を戻す。

ステップＳ１８において、ファイル生成部２１は、ハッシュテーブルＨの各キーに対応する集合の要素をファイルに出力する。但し、ファイル生成部２１は、要素数が１のものは出力しない。
ステップＳ１９において、ファイル生成部２１は、ルール番号Ｒを一つインクリメントする。ステップＳ１９の処理の後、ファイル生成部２１は、ステップＳ１１に処理を戻す。

図２３は、リンク設定、ツリー変換、平坦化処理の一例を示すフローチャートである。なお、リンクテーブル作成部２２におけるリンクテーブルの生成は既に終了しているものとする。
ステップＳ２０において、リンク設定部２３は、入力データ（図２２の処理で作成されたファイル）から１レコード読み込み、カレントレコード番号Ｃに設定する。
ステップＳ２１において、リンク設定部２３は、読み込んだレコードが入力データのＥＯＦ（Ｅｎｄ Ｏｆ Ｆｉｌｅ）か否かを判定する。リンク設定部２３は、読み込んだレコードが入力データのＥＯＦであった場合、ステップＳ２３に進み、読み込んだレコードが入力データのＥＯＦでない場合、ステップＳ２２に進む。

ステップＳ２２において、リンク設定部２３は、リンクテーブルＬにカレントレコード番号Ｃの内容を設定する。
一方、ステップＳ２３において、ツリー変換部２４は、レコード番号Ｎに１を設定する。
ステップＳ２４において、ツリー変換部２４は、レコード番号Ｎがレコード数（全レコード数）以下か否かを判定する。ツリー変換部２４は、レコード番号Ｎがレコード数以下の場合、ステップＳ２５に進み、レコード番号Ｎがレコード数以下でない場合、ステップＳ２７に進む。

ステップＳ２５において、ツリー変換部２４は、リンクテーブルＬのレコード番号Ｎについて、上述したツリー化の処理を実行する。
ステップＳ２６において、ツリー変換部２４は、レコード番号Ｎを一つインクリメントする。
ステップＳ２７において、平坦化部２５は、ステップＳ２５で生成されたツリーを平坦化する上述した平坦化処理を実行する。
ステップＳ２８において、平坦化部２５は、リンクテーブルＬのルール１の領域に作成された結果をファイルに出力する。
なお、図２３では、情報処理装置が、リンクの設定、ツリー化、平坦化の各処理が全て終わった段階で次の処理に進む例を示しているが、例えば１レコード読み込む毎に、リンクの設定、ツリー化、平坦化の処理を行ってもよいし、所定数のレコード毎に、リンクの設定、ツリー化、平坦化の処理を行ってもよい。

以上、上述したように本実施形態によれば、処理対象のデータが多い場合であっても処理回数を抑え、速やかに名寄せを実行可能にすることができる。

以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

情報処理装置（コンピュータ）１のハードウェア構成の一例を示す図である。 情報処理装置１の機能構成の一例を示す図である。 同一性の判定対象のレコードを含む入力データの一例を示す図である。 入力データから同一個人のレコードのレコード番号を同じグループになるよう分類した結果の一例を示す図である。 入力データから同一個人のレコードのレコード番号を同じグループになるよう分類した結果の一例を示す図である。 ファイル生成部２１が生成したファイルの一例を示す図である。 リンクの一例を示す図である。 リンク設定の一例を示す図（その１）である。 リンク設定の一例を示す図（その２）である。 ツリー変換の一例を示す図（その１）である。 ツリー変換の一例を示す図（その２）である。 ツリー変換の一例を示す図（その３）である。 ツリー変換の一例を示す図（その４）である。 ツリー変換の一例を示す図（その５）である。 ツリー変換の一例を示す図（その６）である。 ツリー変換の一例を示す図（その７）である。 ツリー変換の一例を示す図（その８）である。 ツリー変換の一例を示す図（その９）である。 ツリー変換の一例を示す図（その１０）である。 ツリーの一例を示す図である。 平坦化の一例を示す図である。 図６に示すようなファイルを生成するファイル生成処理の一例を示すフローチャートである。 リンク設定、ツリー変換、平坦化処理の一例を示すフローチャートである。

符号の説明

１１ ＣＰＵ
１２ 入力装置
１３ 記憶装置
１４ 表示装置

Claims (6)

1. 同一性の判定対象のレコードの数と、同一性の判定に係るルールの数と、に基づき、テーブルの各セルをゼロで初期化したリンクテーブルを作成するリンクテーブル作成手段と、
   前記ルールを識別するルール識別子と、前記ルール識別子で識別されるルールに基づき同一と判定されたレコードを識別するレコード識別子の組と、を含むファイルに基づき、前記リンクテーブル作成手段で作成され、ゼロで初期化された前記リンクテーブルの該当するセルに、レコード間の同一性を表すリンクを設定するリンク設定手段と、
   前記リンク設定手段でリンクが設定された前記リンクテーブルによって表されるレコードの有向グラフをレコード識別子のツリーに変換するツリー変換手段と、
   前記ツリー変換手段で変換されたツリーを平坦化する平坦化手段と、
   を有することを特徴とする情報処理装置。
2. 前記ツリー変換手段は、レコード識別子ｍ（ｍ＝１、・・・、ｎ ｎ＝前記同一性の判定対象のレコードの数）と、レコード識別子ｍからリンクの先を再帰的に辿ることが可能なレコード識別子と、を含む集合Ｓを求め、集合Ｓの中で最小のレコード識別子をｐとし、集合Ｔ＝（Ｓ−｛ｐ｝）∪｛ｍ｝の各レコード識別子ｘのルール１のセルにｐを書き込むことによって前記リンク設定手段でリンクが設定された前記リンクテーブルによって表されるレコードの有向グラフをレコード識別子のツリーに変換することを特徴とする請求項１に記載の情報処理装置。
3. 前記平坦化手段は、レコード識別子１〜ｎ（ｎ＝前記同一性の判定対象のレコードの数）の順で、各レコード識別子ｍ（ｍ＝１、・・・、ｎ）に対して、レコード識別子ｍのリンク先を辿った先のレコード識別子をレコード識別子ｍのセルに書き込むことでツリーを２階層に平坦化することを特徴とする請求項１又は２に記載の情報処理装置。
4. 同一性の判定対象のレコードと、同一性の判定に係るルールと、に基づき、前記ファイルを生成するファイル生成手段を更に有することを特徴とする請求項１乃至３の何れか１項に記載の情報処理装置。
5. 情報処理装置における名寄せ方法であって、
   同一性の判定対象のレコードの数と、同一性の判定に係るルールの数と、に基づき、テーブルの各セルをゼロで初期化したリンクテーブルを作成するリンクテーブル作成ステップと、
   前記ルールを識別するルール識別子と、前記ルール識別子で識別されるルールに基づき同一と判定されたレコードを識別するレコード識別子の組と、を含むファイルに基づき、前記リンクテーブル作成ステップで作成され、ゼロで初期化された前記リンクテーブルの該当するセルに、レコード間の同一性を表すリンクを設定するリンク設定ステップと、
   前記リンク設定ステップでリンクが設定された前記リンクテーブルによって表されるレコードの有向グラフをレコード識別子のツリーに変換するツリー変換ステップと、
   前記ツリー変換ステップで変換されたツリーを平坦化する平坦化ステップと、
   を有することを特徴とする名寄せ方法。
6. コンピュータを、
   同一性の判定対象のレコードの数と、同一性の判定に係るルールの数と、に基づき、テーブルの各セルをゼロで初期化したリンクテーブルを作成するリンクテーブル作成手段と、
   前記ルールを識別するルール識別子と、前記ルール識別子で識別されるルールに基づき同一と判定されたレコードを識別するレコード識別子の組と、を含むファイルに基づき、前記リンクテーブル作成手段で作成され、ゼロで初期化された前記リンクテーブルの該当するセルに、レコード間の同一性を表すリンクを設定するリンク設定手段と、
   前記リンク設定手段でリンクが設定された前記リンクテーブルによって表されるレコードの有向グラフをレコード識別子のツリーに変換するツリー変換手段と、
   前記ツリー変換手段で変換されたツリーを平坦化する平坦化手段と、
   して機能させることを特徴とするプログラム。

Images