辞書作成プログラム，辞書作成装置および辞書作成方法
【課題】表記が類似しない文字列同士の対応を反映させた読替え辞書を作成する。
【解決手段】読替え辞書作成支援装置１０において，取得部１１は，第１の文字列と第２の文字列とを取得する。解析部１２は，形態素解析により，第１の文字列と第２の文字列とをそれぞれ単語に分解する。抽出部１３は，第１の文字列に含まれる単語または複合語である文字列と，第２の文字列に含まれる単語または複合語である文字列との対応を抽出する。表示部１４は，抽出した文字列の対応をディスプレイ１８等の表示装置に表示する。受付部１５は，ユーザによる表示装置に表示された文字列の対応からの読替え可能な文字列の対応の選択を受け付ける。登録部１６は，読替え辞書記憶部１００に記憶された読替え辞書に，選択された読替え可能な文字列の対応を登録する。
【解決手段】読替え辞書作成支援装置１０において，取得部１１は，第１の文字列と第２の文字列とを取得する。解析部１２は，形態素解析により，第１の文字列と第２の文字列とをそれぞれ単語に分解する。抽出部１３は，第１の文字列に含まれる単語または複合語である文字列と，第２の文字列に含まれる単語または複合語である文字列との対応を抽出する。表示部１４は，抽出した文字列の対応をディスプレイ１８等の表示装置に表示する。受付部１５は，ユーザによる表示装置に表示された文字列の対応からの読替え可能な文字列の対応の選択を受け付ける。登録部１６は，読替え辞書記憶部１００に記憶された読替え辞書に，選択された読替え可能な文字列の対応を登録する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は，読替え可能な文字列の対応を記録する読替え辞書を作成する辞書作成プログラム，辞書作成装置および辞書作成方法に関する。
【背景技術】
【０００２】
コンピュータ処理において，読替え可能な文字列の対応を記録した辞書データを用いて，文字列の読替えを行う技術がある。ここでは，読替え可能な文字列の対応を記録した辞書データを，読替え辞書と呼ぶ。読替え辞書は，コンピュータを用いた名寄せ処理における正規化辞書や，一種のシソーラスなどとして利用できる。
【０００３】
読替え辞書を作成する方法としては，例えば，ユーザが読替え可能な文字列の対応を１つ１つ手作業で入力して登録する方法などがある。
【０００４】
なお，文字列間の類似度を算出して評価することで，異表記語の候補を抽出し，抽出された異表記語の候補を表示装置に表示してユーザに提示することで，異表記語辞書の作成を支援する技術が知られている。この技術では，文字列間の類似度の算出に，一般的な近似文字列照合技術が採用されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開平７−７３１９７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
読替え可能な文字列の対応をユーザが１つ１つ手作業で入力して登録する方法では，読替え辞書の作成に非常に手間がかかるため，読替え辞書の作成コストが高くなる。
【０００７】
上述のように，近似文字列照合技術を用いて文字列間の類似度を算出する技術では，読替え可能な文字列の対応の候補を抽出してユーザに提示し，読替え辞書の作成を支援することが可能である。例えば，上述の近似文字列照合技術を利用した技術では，互いに表記が類似する文字列「シュミレーション」と「シミュレーション」との対応を，読替え可能な文字列の対応の候補として抽出する。
【０００８】
しかし，上述の近似文字列照合技術を利用した抽出技術では，表記が類似する文字列の対応を読替え可能な文字列の対応の候補として抽出するが，共通して取り扱いが可能である一方で全く表記が異なる文字列の対応を読替え可能な文字列の対応の候補として抽出することはできない。例えば，「○○○関連機械」という社名の会社が，「△△△カンレンシステムズ」に社名変更した場合に，上述の近似文字列照合技術を利用した抽出技術では，これらの文字列の対応を読替え可能な文字列の対応の候補として抽出することができない。
【０００９】
このように，従来の方法では，表記が類似しない文字列の対応を，読替え可能な文字列の対応の候補として抽出できないため，読替え辞書作成支援の効果を上げることができない。
【００１０】
一側面では，本発明は，表記が類似しない文字列同士の対応を反映させた読替え辞書を作成することを目的とする。
【課題を解決するための手段】
【００１１】
１態様では，開示するプログラムは，コンピュータを次のように機能させる。すなわち，前記プログラムは，前記プログラムがインストールされて実行されるコンピュータに，第１の文字列と第２の文字列とを取得し，取得した第１の文字列と第２の文字列とから，それぞれ単語または複合語である文字列を抽出し，第１の文字列から抽出した文字列と第２の文字列から抽出した文字列との文字列の対を表示装置に表示し，表示装置に表示された文字列の対が選択された場合に，選択された文字列の対を記憶部に記憶する処理を実行させる。
【発明の効果】
【００１２】
１態様では，表記が類似しない文字列同士の対応を反映させた読替え辞書を作成することができる。
【図面の簡単な説明】
【００１３】
【図１】本実施の形態による読替え辞書作成支援装置の構成例を示す図である。
【図２】本実施の形態による読替え辞書作成支援装置を実現するコンピュータのハードウェア構成例を示す図である。
【図３】本実施の形態によるデータの名寄せを行うシステムの例を示す図である。
【図４】本実施の形態のシステムによる名寄せ処理フローチャートである。
【図５】本実施の形態による名寄せ対象データの例を示す図である。
【図６】本実施の形態による表記統一後の名寄せ対象データの例を示す図である。
【図７】本実施の形態による読替え辞書の例を示す図である。
【図８】本実施の形態によるホワイトリストの例を示す図である。
【図９】本実施の形態によるグレーリストの例を示す図である。
【図１０】本実施の形態による名寄せ結果データの例を示す図である。
【図１１】本実施の形態の解析部により処理対象の文字列をそれぞれ単語に分解した例を示す図である。
【図１２】本実施の形態によるリストアップルールの例を示す図である。
【図１３】本実施の形態による無視文字列リストの例を示す図である。
【図１４】本実施の形態の抽出部による読替え候補抽出の例を説明する図である。
【図１５】本実施の形態によるリストアップデータの例を示す図である。
【図１６】本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（１）を示す図である。
【図１７】本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（２）を示す図である。
【図１８】本実施の形態による無視文字列選択の例を示す図である。
【図１９】本実施の形態の読替え辞書作成支援装置による読替え辞書作成支援処理フローチャートである。
【図２０】本実施の形態の読替え辞書作成支援装置による読替え辞書作成支援処理フローチャートである。
【発明を実施するための形態】
【００１４】
以下，本実施の形態について，図を用いて説明する。
【００１５】
図１は，本実施の形態による読替え辞書作成支援装置の構成例を示す図である。
【００１６】
読替え辞書作成支援装置１０は，ユーザによる読替え辞書の作成や更新を支援する。読替え辞書は，読替え可能な文字列の対応を記録する辞書である。読替え辞書作成支援装置１０は，読替え辞書を作成する辞書作成装置の一例である。
【００１７】
例えば，コンピュータを用いてデータの名寄せを行う際には，人による目視照合に頼らず，できるだけコンピュータによる機械照合で名寄せの判定を行えるようにするために，名寄せ対象データの正規化が行われる。名寄せ対象データの正規化では，読替え辞書を用いた文字列の読替えが行われ，機械照合で判定可能なデータが増やされる。
【００１８】
また，例えば，データのキーワード検索を行う際に，キーワードに関係するデータをできるだけもらさずに抽出するために，キーワード文字列だけではなく，キーワードと同じまたは似た意味を持つ文字列による検索も行われる場合がある。この場合には，読替え辞書を用いてキーワード文字列の一部またはすべてを読替えした文字列による検索も行われる。
【００１９】
読替え可能な文字列の対応は，目的とする処理の前に，あらかじめ読替え辞書に登録してある必要がある。汎用的な読替え可能な文字列の対応は，そのような文字列の対応が登録された読替え辞書を入手することで，すぐに処理で使用可能となる。しかし，特定のケースでしか使用されない読替え可能な文字列の対応については，ユーザがあらかじめ読替え辞書に登録しておく必要がある。また，処理の効率化を持続するために，読替え可能な文字列の対応を随時追加登録するケースも考えられる。必要な文字列の読替え関係を考えながら読替え辞書に登録していく作業は，ユーザにとって非常に手間となる。
【００２０】
読替え辞書作成支援装置１０は，このようなユーザによる読替え辞書への文字列の対応の登録を支援する。読替え辞書作成支援装置１０は，取得部１１，解析部１２，抽出部１３，表示部１４，受付部１５，登録部１６，形態素辞書記憶部１１０，リストアップルール記憶部１２０，無視文字列リスト記憶部１３０，リストアップデータ記憶部１４０を備える。また，読替え辞書作成支援装置１０は，ディスプレイ１８等の表示装置や，キーボード・マウス１９等の入力装置を備えている。
【００２１】
図１において，読替え辞書記憶部１００は，読替え可能な文字列の対応を記録する読替え辞書を記憶する記憶部である。読替え辞書記憶部１００は，読替え辞書作成支援装置１０を実現するコンピュータが備える記憶部であってもよいし，読替え辞書作成支援装置１０を実現するコンピュータがアクセス可能な別のコンピュータが備える記憶部であってもよい。
【００２２】
取得部１１は，第１の文字列と第２の文字列とを取得する。第１の文字列と第２の文字列は，例えば，同定された２つのデータにそれぞれ含まれる文字列である。また，第１の文字列と第２の文字列は，例えば，読替え可能とされた２つの文字列である。
【００２３】
例えば，企業名簿の名寄せ処理において，企業名の文字列が一致しないが，住所，代表者等の他の文字列が完全一致するため，同じ企業のデータレコードであると同定された２つのデータレコードがあるものとする。このとき，取得部１１は，同定された２つのデータレコードにおける企業名の文字列を，第１の文字列，第２の文字列として取得する。
【００２４】
また，例えば，ユーザは，人手で読替え辞書に読替え可能な文字列の対応を登録する際に，読替え可能とする２つの文字列を指定する。このとき，取得部１１は，ユーザが読替え可能として指定した２つの文字列を，第１の文字列，第２の文字列として取得する。
【００２５】
解析部１２は，形態素解析により，第１の文字列と第２の文字列とをそれぞれ単語に分解する。形態素解析では，単語と品詞との対応などを記録する形態素辞書を用いた解析により，文字列が，意味を持つ最小単位の単語に分解される。解析部１２は，２つの文字列に対してそれぞれ形態素解析を行い，意味を持つ最小単位の単語に分解する。形態素辞書記憶部１１０は，形態素辞書を記憶する記憶部である。
【００２６】
抽出部１３は，第１の文字列と第２の文字列とから，それぞれ単語または複合語である文字列を抽出する。また，抽出部１３は，第１の文字列から抽出した文字列と第２の文字列から抽出した文字列との文字列の対を抽出する。例えば，抽出部１３は，第１の文字列に含まれる単語または複合語である文字列と，第２の文字列に含まれる単語または複合語である文字列と対応を抽出する。抽出部１３が抽出する文字列の対応が，読替え可能な文字列の対応の候補となる。
【００２７】
このとき，抽出部１３は，組合せ可能なすべての単語／複合語の対応を抽出するのではなく，所定の条件を満たす単語／複合語の対応のみを，読替え可能な文字列の対応の候補として抽出するようにしてもよい。リストアップルール記憶部１２０は，抽出する文字列の対応の条件が設定されたリストアップルールを記憶する記憶部である。抽出部１３は，リストアップルールで設定された条件を満たす文字列の対応を抽出する。
【００２８】
また，抽出部１３は，特定の文字列を含む文字列の対応や，特定の文字列の対応を読替え可能な文字列の対応の候補から除外することも可能である。無視文字列リスト記憶部１３０は，読替えしない文字列，または読替えしない文字列の対を記録する無視文字列リストを格納する格納部である。抽出部１３は，無視文字列リストに記録された文字列を含む文字列の対応，または無視文字列リストに記録された文字列の対応を抽出しない。すなわち，格納部に格納された文字列を含む文字列の対，または格納部に格納された文字列の対について，文字列の対を表示させる処理の実行が抑止される。
【００２９】
抽出部１３は，抽出した文字列の対応を記録したリストアップデータを，リストアップデータ記憶部１４０に記憶する。リストアップデータ記憶部１４０は，抽出部１３が抽出した文字列の対応を記録したリストアップデータを記憶する記憶部である。
【００３０】
表示部１４は，抽出部１３が抽出した文字列の対を表示装置に表示する。例えば，表示部１４は，リストアップデータに記録された文字列の対応を，読替え可能な文字列の対応の候補として，ディスプレイ１８に表示する。
【００３１】
ユーザは，キーボード・マウス１９等の入力装置を操作し，ディスプレイ１８等の表示装置に表示された文字列の対応から，読替え辞書に登録する読替え可能な文字列の対応を選択する。このとき，受付部１５は，表示装置に表示された文字列の対応からの，読替え可能な文字列の対応の選択を受け付ける。
【００３２】
また，ユーザは，キーボード・マウス１９等の入力装置を操作し，ディスプレイ１８等の表示装置に表示された文字列の対応から，読替えしない文字列または読替えしない文字列の対応を選択することも可能である。このとき，受付部１５は，表示装置に表示された文字列の対からの，読替えしない文字列または読替えしない文字列の対の選択を受け付ける。
【００３３】
登録部１６は，表示装置に表示された文字列の対が選択された場合に，選択された文字列の対を記憶部に記憶する。例えば，登録部１６は，選択された読替え可能な文字列の対応を，読替え辞書記憶部１００に記憶された読替え辞書に登録する。このとき，登録部１６が，読替え辞書に対応を登録した文字列を，さらに形態素辞書記憶部１１０に記憶された形態素辞書に登録するようにしてもよい。また，読替えしない文字列または読替えしない文字列の対応が選択されている場合には，登録部１６が，選択された読替えしない文字列または読替えしない文字列の対応を，無視文字列リスト記憶部１３０に記憶された無視文字列リストに登録するようにしてもよい。
【００３４】
図２は，本実施の形態による読替え辞書作成支援装置を実現するコンピュータのハードウェア構成例を示す図である。
【００３５】
図１に示す本実施の形態の読替え辞書作成支援装置１０は，例えば，ＣＰＵ（Central Processing Unit ）２，主記憶となるメモリ３，記憶装置４，通信装置５，媒体読取・書込装置６，入力装置７，出力装置８等を備えるコンピュータ１によって実現される。記憶装置４は，例えばＨＤＤ（Hard Disk Drive ）などである。媒体読取・書込装置６は，例えばＣＤ−Ｒ（Compact Disc Recordable ）ドライブやＤＶＤ−Ｒ（Digital Versatile Disc Recordable ）ドライブなどである。入力装置７は，例えばキーボード・マウス１９などである。出力装置８は，例えばディスプレイ１８等の表示装置などである。
【００３６】
図１に示す読替え辞書作成支援装置１０および読替え辞書作成支援装置１０が備える各機能部は，コンピュータ１が備えるＣＰＵ２，メモリ３等のハードウェアと，ソフトウェアプログラムとによって実現することが可能である。コンピュータ１が実行可能なプログラムは，記憶装置４に記憶され，その実行時にメモリ３に読み出され，ＣＰＵ２により実行される。
【００３７】
コンピュータ１は，可搬型記録媒体から直接プログラムを読み取り，そのプログラムに従った処理を実行することもできる。また，コンピュータ１は，サーバコンピュータからプログラムが転送されるごとに，逐次，受け取ったプログラムに従った処理を実行することもできる。さらに，このプログラムは，コンピュータ１で読み取り可能な記録媒体に記録しておくことができる。
【００３８】
以下，データの名寄せで利用する読替え辞書の作成を支援する例を用いて，本実施の形態による読替え辞書作成支援の技術を説明する。データの名寄せが行われるケースとしては，例えば，企業合併時における顧客情報の統合等のデータベースの統合や，顧客マスタにおける顧客情報の重複除去等のデータベースの重複除去などがある。
【００３９】
図３は，本実施の形態によるデータの名寄せを行うシステムの例を示す図である。
【００４０】
図３に示すシステムは，顧客の情報を管理する顧客マスタに顧客を登録する際に，データの名寄せを行うことにより，同じ顧客が重複して登録されることを防止するシステムの例である。
【００４１】
ＤＢ（DataBase）サーバ３０は，顧客マスタなどのデータを管理する。ＤＢサーバ３０は，顧客データ記憶部３１，アンロード部３２，新規登録部３３，名寄せ結果記憶部３４，目視判定処理部３５を備える。
【００４２】
名寄せサーバ２０は，ＤＢサーバ３０が管理する顧客マスタに顧客を登録する際に，同じ顧客が重複登録されることを防止するために，データの名寄せを行う。名寄せサーバ２０は，読替え辞書記憶部１００，名寄せ対象データ記憶部２１，表記統一部２２，照合部２３を備える。
【００４３】
読替え辞書作成支援装置１０は，名寄せサーバ２０において，名寄せ対象のデータを正規化する際に使用する読替え辞書の作成を支援する。読替え辞書作成支援装置１０の構成は，図１に示す通りであるものとする。図３に示す例では，読替え辞書は名寄せサーバ２０にある。ユーザは，読替え辞書作成支援装置１０のコンピュータ１で名寄せサーバ２０にアクセスし，読替え辞書作成支援装置１０による支援を受けながら，名寄せサーバ２０の読替え辞書記憶部１００に記憶された読替え辞書の作成・更新を行う。
【００４４】
ここでは，顧客マスタに登録しようとする顧客については，仮登録顧客データに情報を仮登録しておき，定期的に仮登録顧客データに仮登録された顧客の情報を顧客マスタに本登録する処理を行うものとする。このとき，仮登録された顧客がすでに顧客マスタに登録された既存の顧客であるかをチェックするために，名寄せサーバ２０によってデータの名寄せ処理を行う。
【００４５】
図４は，本実施の形態のシステムによる名寄せ処理フローチャートである。
【００４６】
図４に示すフローチャートを用いて，ＤＢサーバ３０，名寄せサーバ２０による一連の名寄せ処理の流れを説明する。
【００４７】
ＤＢサーバ３０において，アンロード部３２は，顧客データ記憶部３１に記憶された仮登録顧客データと顧客マスタとをアンロードする（ステップＳ１００）。アンロードとは，バイナリのデータファイルを，テキストファイルで取り出すことをいう。
【００４８】
顧客データ記憶部３１から取り出された仮登録顧客データと顧客マスタは，名寄せ対象データとして名寄せサーバ２０に送られ，名寄せ対象データ記憶部２１に記憶される。名寄せサーバ２０では，仮登録顧客データを名寄せ元データとし，顧客マスタを名寄せ先データとしたデータの名寄せが行われる。以下では，仮登録顧客データを名寄せ元データとも呼び，顧客マスタを名寄せ先データとも呼ぶ。また，名寄せ元データと名寄せ先データとをまとめて名寄せ対象データと呼ぶ。
【００４９】
名寄せサーバ２０において，表記統一部２２は，名寄せ対象データ記憶部２１に記憶された名寄せ対象データ，すなわち名寄せ元データと名寄せ先データの表記統一処理を行う（ステップＳ１０１）。
【００５０】
例えば，顧客データにおける各顧客の情報は，同じ顧客の情報であってもデータの入力者によって異なる文字列の表記で入力されるケースがある。例えば，同じ会社であっても，「株式会社○○○」と入力する人もいれば，「（株）○○○」と入力する人もいるといったケースが考えられる。このように，表記の統一がなされていないデータでコンピュータによる機械照合を行うと，同じ会社であっても表記文字列が異なれば違う会社であると判断されてしまう。このような状況では，機械照合の信頼性が低いため，結局は人が目視判定を行うケースが増えてしまい，名寄せのコストが高くなってしまう。
【００５１】
名寄せサーバ２０では，機械照合を行う前に，表記統一部２２によって，名寄せ対象データの文字表記を正規化する処理を行う。表記統一部２２は，所定の正規化ルールに従って，読替え辞書記憶部１００に記憶された読替え辞書などを用いて，名寄せ対象データの文字表記を統一する。
【００５２】
照合部２３は，表記統一後の名寄せ元データの各レコードを，表記統一後の名寄せ先データの各レコードと機械照合する照合処理を行う（ステップＳ１０２）。本実施の形態の名寄せによる照合処理では，照合する名寄せ元データのレコードと名寄せ先データのレコードとの間の一致度に応じて，ホワイト，グレー，ブラックの３つの判定がなされる。
【００５３】
本実施の形態では，機械照合のみで双方のレコードがそれぞれ異なる顧客のレコードであると判定することを，ブラック判定と呼ぶ。ある名寄せ元データのレコードについて，すべての名寄せ先データのレコードとの照合でブラック判定となった場合，その名寄せ元データのレコードは，新規顧客のレコードであると判定される。名寄せサーバ２０は，新規顧客のレコードであると判定された名寄せ元データのレコードを，ＤＢサーバ３０に通知する。
【００５４】
ＤＢサーバ３０において，新規登録部３３は，名寄せサーバ２０から新規顧客のレコードであると通知された名寄せ元データのレコードすなわち仮登録顧客データのレコードの情報を，新規顧客の情報として顧客マスタに登録する（ステップＳ１０３）。
【００５５】
本実施の形態では，機械照合のみで双方のレコードが同じ顧客のレコードであると同定することを，ホワイト判定と呼ぶ。ホワイト判定とされた名寄せ元データのレコードは，機械照合のみで，すでに顧客マスタに登録された既存の顧客のレコードであると判断されたことになる。名寄せサーバ２０は，ホワイトと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，ＤＢサーバ３０に通知する。本実施の形態では，ホワイトと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，ホワイトリストと呼ぶ。
【００５６】
ＤＢサーバ３０は，名寄せサーバ２０から受け取ったホワイトリストにあるレコードの組合せ情報を，名寄せ結果記憶部３４に記憶された名寄せ結果データに記録する（ステップＳ１０４）。
【００５７】
本実施の形態では，双方のレコードを同定できるかできないかを機械照合だけでは判断できないと判定することを，グレー判定と呼ぶ。グレーと判定されたレコードの名寄せ元データのレコードと名寄せ先データのレコードとの組合せについては，人による目視判定を行う必要がある。名寄せサーバ２０は，グレーと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，ＤＢサーバ３０に通知する。本実施の形態では，グレーと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，グレーリストと呼ぶ。
【００５８】
ＤＢサーバ３０において，目視判定処理部３５は，名寄せサーバ２０から受け取ったホワイトリストにあるレコードの組合せについて，ユーザによる目視判定についての処理を行う（ステップＳ１０５）。例えば，目視判定処理部３５は，ユーザが操作する端末の表示装置にグレーリストにあるレコードの組合せを表示させ，それらのレコードを同定するかしないかをユーザに判断させる。
【００５９】
目視判定処理部３５は，グレーリストにあるレコードの組合せのうち，ユーザにより同定されたレコードの組合せを，名寄せ結果記憶部３４に記憶された名寄せ結果データに記録する（ステップＳ１０４）。ユーザの目視判定により名寄せ先データのレコードと同定された名寄せ元データのレコードは，すでに顧客マスタに登録された既存の顧客のレコードであると判断されたことになる。
【００６０】
新規登録部３３は，グレーリストにあるすべての名寄せ先データのレコードとの組合せが同定されなかった名寄せ元データのレコードすなわち仮登録顧客データのレコードの情報を，新規顧客の情報として顧客マスタに登録する（ステップＳ１０３）。グレーリストにあるすべての名寄せ先データのレコードとの組合せが同定されなかった名寄せ元データのレコードは，新規顧客のレコードであると判断されたことになる。
【００６１】
以下，本実施の形態によるデータ名寄せの具体的な例を説明する。
【００６２】
図５は，本実施の形態による名寄せ対象データの例を示す図である。
【００６３】
図５（Ａ）は，名寄せ元データ２１１の例を示し，図５（Ｂ）は，名寄せ先データ２１２の例を示す。本実施の形態では，仮登録顧客データを顧客マスタに統合することを目的として名寄せを行うので，仮登録顧客データが名寄せ元データ２１１となり，顧客マスタが名寄せ先データ２１２となる。
【００６４】
図５（Ａ）に示す名寄せ元データ２１１は，仮顧客ＩＤ，名称，所在地，代表名等の情報を持つ。図５（Ｂ）に示す名寄せ先データ２１２は，顧客ＩＤ，名称，所在地，代表名等の情報を持つ。仮顧客ＩＤ，顧客ＩＤは，それぞれ名寄せ元データ２１１，名寄せ先データ２１２における各顧客のレコードを一意に識別する識別情報である。名称は，顧客である法人等の組織の名称である。所在地は，顧客の所在地の住所である。代表名は，顧客である法人等の組織の代表者の名前である。
【００６５】
本実施の形態の例のように，データの統合などを目的に複数のデータ間で行われる名寄せを相互名寄せと呼ぶ。これに対して，重複除去などを目的に１つのデータ内で行われる名寄せを自己名寄せと呼ぶ。自己名寄せの手法としては，例えば，同じデータが２つあると仮定し，一方を名寄せ元データとし，他方を名寄せ先データとして，相互名寄せと同じ手法で名寄せを行う手法などが考えられる。
【００６６】
図６は，本実施の形態による表記統一後の名寄せ対象データの例を示す図である。
【００６７】
図６（Ａ）は，図５（Ａ）に示す名寄せ元データ２１１に対する表記統一処理後の名寄せ元データ２１１’の例を示し，図６（Ｂ）は，図５（Ｂ）に示す名寄せ先データ２１２に対する表記統一処理後の名寄せ先データ２１２’の例を示す。図６（Ａ）に示す名寄せ元データ２１１’，図６（Ｂ）に示す名寄せ先データ２１２’において，表記統一処理によって図５に示す各データから文字列の表記が変更された部分については，アンダーラインで示す。
【００６８】
本実施の形態の表記統一部２２による表記統一処理では，異体字統一，全角統一，カナ統一，住所の表記統一，法人等組織名称の正規化などの処理が行われている。
【００６９】
異体字統一の処理では，異体字の表記統一が行われる。例えば，「高」という漢字には，図５（Ａ）に示す名寄せ元データ２１１における仮顧客ＩＤ“Ｘ１０１”のレコードの代表名項目の文字列に示すような異体字が存在する。図６（Ａ）に示す表記統一後の名寄せ元データ２１１’では，異体字が「高」の字に統一されている。全角統一の処理では，名称項目の文字列について，アルファベットやカタカナ，特定の記号などの，全角／半角の表記がある文字の表記を全角に統一する処理が行われる。カナ統一の処理では，名称項目の文字列について，ひらがな表記をカタカナ表記に統一する処理が行われる。住所の表記統一の処理では，所在地項目の文字列について，住所辞書などを用いて，都道府県名などの表記が省略された部分の補間や，「丁目」などの表記方法の統一等の処理が行われる。法人等組織名称の正規化では，名称項目の文字列について，法人等の組織名称の読替え辞書を用いた正規化が行われる。
【００７０】
図７は，本実施の形態による読替え辞書の例を示す図である。
【００７１】
図７に示す読替え辞書１０１は，法人等の組織名称の正規化に使用する読替え辞書の一例である。図７に示す読替え辞書１０１は，読替えＩＤ，読替え元文字列，読替え先文字列等の情報を持つ。読替えＩＤは，読替え辞書１０１に登録された読替え可能な文字列の対応を識別する識別情報である。読替え元文字列は，表記変更を行う対象の文字列である。読替え先文字列は，読替え元文字列を表記変更した後の文字列である。
【００７２】
なお，本実施の形態では，読替え辞書を名寄せにおける表記の正規化で使用しているため，読替え辞書に登録された読替え可能な文字列の対応には，読替え元文字列から読替え先文字列へといった文字列読替えの方向性がある。例えば，キーワード検索におけるキーワードの読替えなどにおいて，文字列読替えの方向性が必要ない場合に使用する読替え辞書は，文字列読替えの方向性がない読替え可能な文字列の対応のみが登録されたものとなる。
【００７３】
表記統一部２２は，図５に示す名寄せ元データ２１１，名寄せ先データ２１２において，各レコードの名称項目に，読替え辞書１０１に登録された読替え元文字列が含まれているかをチェックする。読替え元文字列が検出された場合には，表記統一部２２は，検出された読替え元文字列を，読替え辞書１０１において該読替え元文字列に対応付けられた読替え先文字列に置き換える。
【００７４】
例えば，図５（Ａ）に示す名寄せ元データ２１１において，仮顧客ＩＤ“Ｘ１０５”のレコードから，図７に示す読替え辞書１０１に登録された読替え元文字列「△△△ラボ」が検出される。表記統一部２２は，検出された読替え元文字列「△△△ラボ」を，読替え辞書１０１において該読替え元文字列に対応付けられた読替え先文字列「△△△研究所」に表記変更する。図６（Ａ）に示す表記統一後の名寄せ元データ２１１’では，仮顧客ＩＤ“Ｘ１０５”のレコードの名称項目の文字列が，「△△△研究所」に表記変更されている。
【００７５】
照合部２３は，図６（Ａ）に示す表記統一後の名寄せ元データ２１１’の各レコードについて，図６（Ｂ）に示す表記統一後の名寄せ先データ２１２’の各レコードとの機械照合を行う。
【００７６】
ここでは，名称項目の文字列が完全一致した場合には２５点が，所在地項目の文字列が完全一致した場合には５０点が，代表名項目の文字列が完全一致した場合には２５点が一致度に加算される方式で，レコード間の一致度が求められるものとする。全項目の文字列が完全一致した場合には，一致度は１００点となる。逆に，全項目の文字列が完全一致しなかった場合には，一致度は０点となる。一部項目の文字列が完全一致した場合には，完全一致した項目に応じて，一致度は２５点，５０点，７５点のいずれかとなる。
【００７７】
照合部２３は，名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとの一致度が１００点である場合，すなわち全項目の文字列が完全一致した場合に，ホワイトと判定する。また，照合部２３は，名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとの一致度が５０点以上で１００点に満たない場合に，グレーと判定する。また，照合部２３は，名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとの一致度が５０点未満である場合に，ブラックと判定する。
【００７８】
このような一致度決定の設計や，照合結果の判定の設計については，任意の設計が可能である。
【００７９】
図８は，本実施の形態によるホワイトリストの例を示す図である。
【００８０】
図８に示すホワイトリスト２３１は，図６に示す名寄せ元データ２１１’と名寄せ先データ２１２’との照合で，ホワイト判定とされたレコードの組合せのリストである。ホワイトリスト２３１には，ホワイト判定とされた名寄せ元データ２１１’のレコードの仮顧客ＩＤと，名寄せ先データ２１２’のレコードの顧客ＩＤとの組合せが示されている。
【００８１】
例えば，図６に示す名寄せ対象データの例において，仮顧客ＩＤ“Ｘ１０２”のレコードと顧客ＩＤ“Ｙ３５３”のレコードとの一致度は１００点であるので，機械照合の判定結果はホワイト判定となる。同様に，仮顧客ＩＤ“Ｘ１０５”のレコードと顧客ＩＤ“Ｙ３５６”のレコードとの一致度は，１００点であるので，機械照合の判定結果はホワイト判定となる。ホワイトリスト２３１には，仮顧客ＩＤ“Ｘ１０２”と顧客ＩＤ“Ｙ３５３”の対応と，仮顧客ＩＤ“Ｘ１０５”と顧客ＩＤ“Ｙ３５６”との対応がリストアップされる。
【００８２】
図９は，本実施の形態によるグレーリストの例を示す図である。
【００８３】
図９に示すグレーリスト２３２は，図６に示す名寄せ元データ２１１’と名寄せ先データ２１２’との照合で，グレー判定とされたレコードの組合せのリストである。グレーリスト２３２には，グレー判定とされた名寄せ元データ２１１’のレコードの仮顧客ＩＤと，名寄せ先データ２１２’のレコードの顧客ＩＤとの組合せが示されている。
【００８４】
例えば，図６に示す名寄せ対象データの例において，仮顧客ＩＤ“Ｘ１０１”のレコードと顧客ＩＤ“Ｙ３５４”のレコードとの一致度は７５点であるので，機械照合の判定結果はグレー判定となる。同様に，仮顧客ＩＤ“Ｘ１０４”のレコードと顧客ＩＤ“Ｙ３５４”のレコードとの一致度は，５０点であるので，機械照合の判定結果はグレー判定となる。グレーリスト２３２には，仮顧客ＩＤ“Ｘ１０１”と顧客ＩＤ“Ｙ３５４”の対応と，仮顧客ＩＤ“Ｘ１０４”と顧客ＩＤ“Ｙ３５４”との対応がリストアップされる。
【００８５】
図１０は，本実施の形態による名寄せ結果データの例を示す図である。
【００８６】
図１０に示す名寄せ結果データ３４１は，図６に示す表記統一された名寄せ対象データにおいて，ホワイト判定とされたレコードの組合せと，グレー判定とされたレコードの組合せのうちユーザに同定された組合せとが記録されたデータの例である。名寄せ結果データ３４１には，同定された名寄せ元データ２１１’のレコードの仮顧客ＩＤと，名寄せ先データ２１２’のレコードの顧客ＩＤとの対応が示されている。
【００８７】
ＤＢサーバ３０において，名寄せ結果データ３４１は，ＩＤの付け替えやジャーナルの洗い替えなどに使用される。
【００８８】
このような名寄せの結果に基づいて，読替え辞書１０１に登録する読替え可能な文字列の対応の候補を生成して提示することで，本実施の形態の読替え辞書作成支援装置１０は，ユーザによる読替え辞書１０１への読替え可能な文字列の対応の登録を支援する。以下では，その具体的な例を挙げて，本実施の形態の読替え辞書作成支援装置１０による読替え辞書作成支援処理の説明を行う。
【００８９】
読替え辞書作成支援装置１０において，取得部１１は，名寄せにより同定されたレコードにそれぞれ含まれる文字列を取得する。
【００９０】
例えば，取得部１１は，ＤＢサーバ３０の名寄せ結果記憶部３４の名寄せ結果データ３４１を読み出す。ここでは，図１０に示す名寄せ結果データ３４１が得られる。
【００９１】
取得部１１は，名寄せ結果データ３４１に記録された名寄せで同定された各レコードの組合せについて，名寄せサーバ２０の名寄せ対象データ記憶部２１に記憶された名寄せ元データ２１１’，名寄せ先データ２１２’から，それぞれ読替え対象項目の文字列を抽出する。本実施の形態では，図７に示す法人等の組織名称の読替え辞書１０１の作成支援を行うため，図６に示す名寄せ元データ２１１’，名寄せ先データ２１２’から，それぞれ該当レコードの名称項目の文字列を抽出する。抽出された２つの文字列が異なる場合，取得部１１は，その文字列の組合せを，読替え辞書作成支援の処理の対象となる文字列の組合せとして取得する。
【００９２】
以下では，名寄せ元データ２１１’から取得された文字列を名寄せ元文字列，名寄せ先データ２１２’から取得された文字列を名寄せ先文字列と呼ぶ。例えば，名寄せ元文字列が第１の文字列の一例であり，名寄せ先文字列が第２の文字列の一例である。
【００９３】
例えば，図１０に示す名寄せ結果データにおける仮顧客ＩＤ“Ｘ１０１”と顧客ＩＤ“Ｙ３５４”との組合せから，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せが取得される。また，仮顧客ＩＤ“Ｘ１０４”と顧客ＩＤ“Ｙ３５４”との組合せから，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せが取得される。なお，仮顧客ＩＤ“Ｘ１０２”と顧客ＩＤ“Ｙ３５３”の組合せや仮顧客ＩＤ“Ｘ１０５”と顧客ＩＤ“Ｙ３５６”の組合せについては，双方のレコードの名称項目の文字列が完全一致するので，異なる文字列の組合せは取得できない。
【００９４】
名寄せで同定されたレコード間で同じ項目の文字列同士の表記が異なる場合には，それらの文字列間の表記の類似性が高くなくても，それらの文字列間で読替えできる可能性が高い。名寄せで同定されたレコードに含まれる文字列から，処理対象の文字列の組合せを取得することで，表記が類似しない文字列の対応を，読替え可能な文字列の対応の候補とすることが可能となる。
【００９５】
解析部１２は，形態素辞書記憶部１１０に記憶された形態素辞書を用いた形態素解析により，取得部１１により取得された各文字列を，それぞれ単語に分解する。形態素解析や形態素辞書については，一般に広く知られた技術であるので，ここでは詳細な説明を省略する。
【００９６】
図１１は，本実施の形態の解析部により処理対象の文字列をそれぞれ単語に分解した例を示す図である。
【００９７】
図１１（Ａ）は，形態素解析によって，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」とを単語に分解した例を示す。図１１（Ｂ）は，形態素解析によって，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」とを単語に分解した例を示す。
【００９８】
抽出部１３は，名寄せ元文字列に含まれる単語または複合語である文字列と，名寄せ先文字列に含まれる単語または複合語である文字列との組合せから，読替え可能な文字列の対応の候補を抽出する。抽出された読替え可能な文字列の対応の候補において，名寄せ元文字列に含まれる単語または複合語である文字列は，読替え元文字列の候補となり，名寄せ先文字列に含まれる単語または複合語である文字列は，読替え先文字列の候補となる。なお，以下では，読替え可能な文字列の対応の候補を，読替え候補とも呼ぶ。
【００９９】
このとき，抽出部１３は，リストアップルール記憶部１２０に記憶されたリストアップルールの設定情報に従って，設定されたリストアップルールの条件を満たす文字列の対応を，読替え候補として抽出する。
【０１００】
図１２は，本実施の形態によるリストアップルールの例を示す図である。
【０１０１】
図１２に示すリストアップルールにおいて，ルール１は，対応する２つの文字列の少なくとも一方が単独の一般名詞である場合に，その文字列の対応を読替え候補としないという条件を示している。例えば，法人名等の組織名称の読替えでは，読替えの一方の文字列が単独の一般名詞であるケースは少ない。このような場合には，ルール１をＯＮに設定することで，読替え候補の絞り込みができる。
【０１０２】
図１２に示すリストアップルールにおいて，ルール２は，名寄せ元文字列と名寄せ先文字列とをそのまま置き換えるパターンも読替え候補とするという条件を示している。例えば，図１１（Ａ）に示すように，名寄せ元文字列と名寄せ先文字列との間で一部の単語が一致している場合には，一致する単語を除いた部分で，文字列の読替えが可能ではないかと推定される。そのため，本実施の形態では，原則として，名寄せ元文字列と名寄せ先文字列とから一致する単語を除いた部分で，読替え候補の抽出を行うものとしている。一部の単語が一致している場合でも，名寄せ元文字列と名寄せ先文字列とをそのまま置き換えるパターンを読替え候補としたい場合には，ルール２をＯＮに設定する。
【０１０３】
図１２に示すリストアップルールにおいて，ルール３は，無視文字列リスト記憶部１３０に記憶された無視文字列リストを使用し，無視文字列リストに登録された文字列を含む文字列の対応，または登録された文字列の対応を読替え候補としないという条件を示している。無視文字列リストを使用する場合には，ルール３をＯＮにする。
【０１０４】
図１３は，本実施の形態による無視文字列リストの例を示す図である。
【０１０５】
図１３に示す無視文字列リスト１３１は，読替えしない文字列または読替えしない文字列の対応を記録する無視文字列リストの一例である。無視文字列リスト１３１は，無視文字列ＩＤ，読替え元文字列，読替え先文字列の情報を持つ。無視文字列ＩＤは，読替えしない文字列の対応を一意に識別する識別情報である。図１３に示す無視文字列リスト１３１の例では，読替え元文字列と読替え先文字列との対応ごとに読替えしない文字列の対応が記録されている。なお，図１３に示す無視文字列リスト１３１において，（ＮＵＬ）は空であることを示す。
【０１０６】
無視文字列リスト１３１において，例えば，無視文字列ＩＤ“Ｚ００１”のレコードは，読替え先文字列に関係なく，読替え元文字列が「ＡＢＣ」となる文字列の対応を，読替え候補としないことを示している。また，無視文字列ＩＤ“Ｚ００２”のレコードは，読替え元文字列に関係なく，読替え先文字列が「ＡＢＣ」となる文字列の対応を，読替え候補としないことを示している。また，無視文字列ＩＤ“Ｚ００３”のレコードは，文字列の対応が読替え元文字列が「ＦＪ」でかつ読替え先文字列が「富士」となる場合に，その文字列の対応を読替え候補としないことを示している。
【０１０７】
図１３に示す無視文字列リスト１３１の例は，読替え元文字列と読替え先文字列との対応ごとに読替えしない文字列の対応を記録するリスト情報となっている。無視文字列リストが，読替え元文字列や読替え先文字列に関係なく，読替えしない文字列や，読替えしない文字列の対応を記録するリスト情報であってもよい。
【０１０８】
図１４は，本実施の形態の抽出部による読替え候補抽出の例を説明する図である。
【０１０９】
図１４（Ａ）は，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについて，読替え候補を抽出する例を説明する図である。図１４（Ｂ）は，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについて，読替え候補を抽出する例を説明する図である。図１４において，矢印の左側が，名寄せ元文字列に含まれる単語または複合語を示し，矢印の右側が，名寄せ先文字列に含まれる単語または複合語を示す。なお，ここでは，図１２に示すリストアップルールについては，すべてのルールの設定がＯＮになっているものとする。
【０１１０】
名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについては，図１１（Ａ）に示す形態素解析の結果から，双方の文字列が最後尾に「サービス」という共通の単語を持つことが分かる。このような名寄せ元文字列と名寄せ先文字列との関係性を解析すると，双方の文字列から「サービス」の単語を除いた，「ＦＡＬ」と「富士山」＋「航空」との関係性が抽出される。
【０１１１】
このような関係性から，名寄せ元文字列に含まれる単語または複合語と，名寄せ先文字列に含まれる単語または複合語とを組み合わせると，図１４（Ａ）の（１）〜（３）に示す３通りの文字列の対応が得られる。図１２に示すリストアップルールのルール３から，図１４（Ａ）の（４）に示す文字列の対応が候補に加えられる。
【０１１２】
図１４（Ａ）に示す文字列の対応のうち，（１）と（２）に示す文字列の対応は，読替え先文字列が単独の一般名詞となってしまうので，図１２に示すリストアップルールのルール１の条件から，読替え候補として抽出されない。なお，図１４（Ａ）に示す文字列の対応には，図１３に示す無視文字列リスト１３１に該当する文字列の対応はない。
【０１１３】
よって，図１４（Ａ）に示す文字列の対応のうち，読替え候補となるのは，（３），（４）に示す２通りの文字列の対応である。名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについて，抽出される読替え候補のグループは，
（１−１） ＦＡＬ → 富士山航空
（１−２） ＦＡＬサービス → 富士山航空サービス
となる。
【０１１４】
名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについては，図１１（Ｂ）に示す形態素解析の結果から，双方の文字列に共通する文字列がないことが分かる。名寄せ元文字列と名寄せ先文字列との関係性を解析すると，「ＦＡＬ」＋「フード」と「富士山」＋「航空」＋「サービス」との関係性が抽出される。
【０１１５】
このような関係性から，名寄せ元文字列に含まれる単語または複合語と，名寄せ先文字列に含まれる単語または複合語とを組み合わせると，図１４（Ｂ）の（１）〜（１８）に示す１８通りの文字列の対応が得られる。
【０１１６】
図１４（Ｂ）に示す文字列の対応のうち，（７）〜（１２）に示す文字列の対応は，読替え元文字列が単独の一般名詞となってしまうので，図１２に示すリストアップルールのルール１の条件から，読替え候補として抽出されない。また，図１４（Ｂ）に示す文字列の対応のうち，（１）〜（３），（７）〜（９），（１３）〜（１５）に示す文字列の対応は，読替え先文字列が単独の一般名詞となってしまうので，図１２に示すリストアップルールのルール１の条件から，読替え候補として抽出されない。なお，図１４（Ｂ）に示す文字列の対応には，図１３に示す無視文字列リスト１３１に該当する文字列の対応はない。
【０１１７】
よって，図１４（Ｂ）に示す文字列の対応のうち，読替え候補となるのは，（４）〜（６），（１６）〜（１８）に示す６通りの文字列の対応である。名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについて，抽出される読替え候補のグループは，
（２−１） ＦＡＬ → 富士山航空
（２−２） ＦＡＬ → 航空サービス
（２−３） ＦＡＬ → 富士山航空サービス
（２−４） ＦＡＬフード → 富士山航空
（２−５） ＦＡＬフード → 航空サービス
（２−６） ＦＡＬフード → 富士山航空サービス
となる。
【０１１８】
抽出部１３は，抽出された読替え候補を，リストアップデータ記憶部１４０に記憶されたリストアップデータに記録する。
【０１１９】
図１５は，本実施の形態によるリストアップデータの例を示す図である。
【０１２０】
図１５に示すリストアップデータ１４１は，抽出部により抽出された読替え候補のデータが，マークアップ形式で記述されたデータの例を示す。図１５に示すリストアップデータ１４１には，グループｉｄ＝１のグループとして，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せから得られた読替え候補が記録されている。さらに，図１５に示すリストアップデータ１４１には，グループｉｄ＝２のグループとして，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せから得られた読替え候補が記録されている。
【０１２１】
表示部１４は，リストアップデータ記憶部１４０に記憶されたリストアップデータ１４１を参照し，抽出された読替え候補をディスプレイ１８に表示する。
【０１２２】
図１６は，本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（１）を示す図である。
【０１２３】
図１６に示す選択画面１８１は，図１５に示すリストアップデータ１４１におけるグループｉｄ＝１のグループについて，読替え候補が提示された画面の一例である。
【０１２４】
グループｉｄ＝１のグループは，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについて抽出された読替え候補のグループである。選択画面１８１には，読替え候補の抽出元となった名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」とが提示されている。
【０１２５】
選択画面１８１において，読替え文字列の選択欄には，抽出された読替え候補の一覧が提示される。選択画面１８１では，グループｉｄ＝１のグループの２つの読替え候補が，読替え文字列の選択欄に提示されている。
【０１２６】
読替え文字列の選択欄において，読替え結果には，名寄せ元文字列を読替え候補を用いて読替えした結果が示される。図１６に示す選択画面１８１の読替え結果の文字列において，アンダーラインが引かれた部分が，名寄せ元文字列から読替え候補によって読替えされた部分である。
【０１２７】
選択画面１８１に，読替え候補抽出の元となったデータを提示することも可能である。図１６に示す選択画面１８１において，名寄せ元／先情報の例示欄には，名寄せ元文字列が取得された元の名寄せ元データ２１１’のレコードと，名寄せ先文字列が取得された元の名寄せ先データ２１２’のレコードとが提示される。選択画面１８１に提示されたこれらのレコードは，名寄せで同定されたレコードである。このように，読替え候補抽出の元となったデータを，読替え候補とともに選択画面１８１に提示することで，ユーザは，読替え候補が読替え可能な文字列の対応として適切であるか否かを判断し易くなる。
【０１２８】
ユーザは，キーボード・マウス１９を操作して読替え候補の登録欄のチェックボックスにチェックを入れることで，読替え辞書１０１に登録したい読替え可能な文字列の対応を選択する。受付部１５は，キーボード・マウス１９を用いたユーザによる読替え辞書１０１に登録したい読替え可能な文字列の対応の選択を受け付ける。
【０１２９】
選択画面１８１において，ユーザが“次へ”のボタンを選択すると，登録部１６は，ユーザに選択された文字列の対応を仮登録する処理を行う。表示部１４は，次のグループの読替え候補についての選択画面に移る。
【０１３０】
本実施の形態の例では，複数の名寄せ結果のデータの組合せから得られた読替え候補についてまとめて処理を行っているので，グループごとの処理で，選択された文字列の対応を仮登録用のデータに仮登録しておく。登録部１６は，処理対象のすべてのグループについて処理が終了したところで仮登録用のデータをコミットし，読替え辞書記憶部１００に記憶された読替え辞書１０１に対する読替え可能な文字列の対応の本登録を行う。
【０１３１】
表示部１４が，リストアップデータ１４１に記録された読替え候補から，さらに提示する読替え候補を選別してディスプレイ１８に表示するようにしてもよい。表示する読替え候補の選別の条件としては，例えば次のような条件が考えられる。
【０１３２】
ａ）読替え辞書１０１に登録済みである文字列の対応と読替え元文字列が同じで読替え先文字列が異なる読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。読替え辞書１０１に登録済みである文字列の対応には，仮登録された文字列の対応も含まれるものとする。
【０１３３】
ｂ）読替え結果が名寄せ先名称と異なる読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。
【０１３４】
例えば，本実施の形態の名寄せのように，文字列を正規化する場合には，複数の異なる表記の文字列を，決まった１つの表記に変換する処理が行われる。このような文字列の正規化を目的として使用する読替え辞書１０１では，１つの読替え元文字列に対応付けられる読替え先文字列は，１つとなる。ａ）の条件により，１つの読替え元文字列に対して複数の読替え先文字列が読替え辞書１０１に登録されることを防止することができる。
【０１３５】
上記のグループｉｄ＝２のグループにおいて，
（２−１） ＦＡＬ → 富士山航空
（２−２） ＦＡＬ → 航空サービス
（２−３） ＦＡＬ → 富士山航空サービス
の読替え候補については，グループｉｄ＝１の処理で仮登録された文字列の対応と，読替え文字列「ＦＡＬ」が一致する。このうち，（２−１）の読替え候補については，読替え先文字列「富士山航空」についても仮登録された文字列の対応と一致するが，（２−２），（２−３）の読替え候補については，読替え先文字列が仮登録された文字列の対応と一致しない。ａ）の条件でディスプレイ１８に表示する読替え候補の選別が行われる場合には，（２−２），（２−３）の読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。
【０１３６】
また，例えば，読替え結果が名寄せ先名称と異なる読替え候補を読替え辞書１０１に登録しても，その読替え候補の元となった名寄せ元文字列を名寄せ先文字列に読替えすることはできない。そのため，読替え結果が名寄せ先名称と異なる読替え候補は，読替え可能な文字列の対応として不適切である可能性が高い。ｂ）の条件により，このような読替え可能な文字列の対応として不適切である可能性が高い読替え候補が読替え辞書１０１に登録されることを防止することができる。
【０１３７】
上記のグループｉｄ＝２のグループにおいて，
（２−４） ＦＡＬフード → 富士山航空
（２−５） ＦＡＬフード → 航空サービス
の読替え候補について，読替え結果は，
（２−４） 富士山航空
（２−５） 航空サービス
となる。これらの読替え結果は，名寄せ先文字列「富士山航空サービス」とは異なる。ｂ）の条件でディスプレイ１８に表示する読替え候補の選別が行われる場合には，（２−４），（２−５）の読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。
【０１３８】
図１７は，本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（２）を示す図である。
【０１３９】
図１７に示す選択画面１８２は，図１５に示すリストアップデータ１４１におけるグループｉｄ＝２のグループについて，読替え候補が提示された画面の一例である。グループｉｄ＝２のグループは，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについて抽出された読替え候補のグループである。
【０１４０】
図１７に示す選択画面１８２をディスプレイ１８に表示する際に，表示部１４は，上記のａ），ｂ）の条件で表示する読替え候補の選定を行ったものとする。上述のように，ａ），ｂ）を用いた読替え候補の選定により，グループｉｄ＝２のグループの６つの読替え候補のうち，（２−２）〜（２−５）の４つの読替え候補が，表示する読替え候補から除外される。選択画面１８２の読替え文字列の選択欄には，グループｉｄ＝２のグループの６つの読替え候補のうち，（２−１），（２−６）の２つの読替え候補が提示される。
【０１４１】
選択画面１８２の読替え文字列の選択欄のＮｏ．“１”に提示された（２−１）の読替え候補は，グループｉｄ＝１のグループの処理ですでに仮登録された文字列の対応と同じである。そのため，図１７に示すように，選択画面１８２では，この読替え候補の登録欄のチェックボックスがチェック済みとなっている。例えば，このチェック済みのチェックボックスは，ユーザによる通常の選択操作で設定変更できないようになっている。
【０１４２】
また，選択画面１８２の読替え文字列の選択欄において，（２−６）の読替え候補が提示されたＮｏ．“２”の所に，「！」の警告が示されている。これは，共通の単語を全く含まない名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との対応が，そのまま読替え元文字列と読替え先文字列との対応となっていることを警告したものである。
【０１４３】
共通の単語を全く含まない名寄せ元文字列と名寄せ先文字列との対応は，共通の単語を含む名寄せ元文字列と名寄せ先文字列との対応と比較して，文字列間の関係性が低いため，読替え可能とすべきでない文字列の対応である可能性が高くなるケースがある。例えば，法人名などの組織名称のケースでは，名称の一部を略称することが多々見られる。このようなケースでは，共通の単語を含む名寄せ元文字列と名寄せ先文字列との対応が，略称を含む名称と正式名称との対応である可能性が高い。これに対して，共通の単語を全く含まない名寄せ元文字列と名寄せ先文字列との対応は，文字列間の関係性が低いため，どちらかがどちらかの略称である可能性が低い。
【０１４４】
図１７に示す選択画面１８２の例では，読替え候補が共通の単語を全く含まない名寄せ元文字列と名寄せ先文字列との対応である場合に警告することで，ユーザに対する注意喚起を行っている。
【０１４５】
処理対象のすべてのグループについて処理が終了したところで，登録部１６は，ユーザに選択された読替え可能な文字列の対応を，読替え辞書記憶部１００に記憶された読替え辞書１０１に登録する。
【０１４６】
このとき，読替え辞書１０１に登録した文字列を，形態素辞書記憶部１１０に記憶された形態素辞書に登録するようにしてもよい。読替え辞書１０１に登録した文字列を，形態素辞書に登録することで，以後の形態素解析による単語の解析精度を効果的に高めることが可能となる。
【０１４７】
例えば，登録部１６が，図１６に示す「ＦＡＬ」→「富士山航空」の対応と，「ＦＡＬサービス」→「富士山航空サービス」との対応を読替え辞書１０１に登録したものとする。このとき，登録部１６は，さらにこれらの文字列「ＦＡＬ」，「富士山航空」，「ＦＡＬサービス」，「富士山航空サービス」を，形態素辞書記憶部１１０に記憶された形態素辞書に，固有名詞で登録する。
【０１４８】
図１６に示す選択画面１８１や，図１７に示す選択画面１８２において，ユーザは，無視文字列リスト１３１に登録する読替えしない文字列または読替えしない文字列の対応を選択することができる。以下では，読替えしない文字列や，読替えしない文字列の対応を無視文字列とも呼ぶ。
【０１４９】
図１８は，本実施の形態による無視文字列選択の例を示す図である。
【０１５０】
図１８（Ａ），図１８（Ｂ）は，図１７に示す選択画面１８２の読替え文字列の選択欄で，ユーザが無視文字列の選択を行う例を示す。図１８（Ａ）は，無視文字列として読替えしない文字列を選択する例を示し，図１８（Ｂ）は，無視文字列として読替えしない文字列の対応を選択する例を示す。
【０１５１】
例えば，図１８（Ａ）に示すように，ユーザは，読替え元文字列欄において文字列「ＦＡＬ」を指定した状態でコンテキストメニューを開き，「読替え元を無視する」を選択する。受付部１５は，ユーザによる無視文字列の選択を受け付ける。ここでは，無視文字列は，読替え元文字列の「ＦＡＬ」となる。登録部１６は，上述の読替え辞書１０１への登録の場合と同様に，選択された無視文字列を，無視文字列仮登録用のデータに仮登録しておく。
【０１５２】
また，例えば，図１８（Ｂ）に示すように，ユーザは，読替え元文字列と読替え先文字列欄において，文字列「ＦＡＬフード」と「富士山航空サービス」とを同時に指定した状態でコンテキストメニューを開き，「ペアを無視する」を選択する。受付部１５は，ユーザによる無視文字列の選択を受け付ける。ここでは，無視文字列は，読替え元文字列「ＦＡＬフード」と読替え先文字列「富士山航空サービス」との対応となる。登録部１６は，選択された無視文字列を，無視文字列仮登録用のデータに仮登録しておく。
【０１５３】
登録部１６は，処理対象のすべてのグループについて処理が終了したところで無視文字列仮登録用のデータをコミットし，無視文字列リスト記憶部１３０に記憶された無視文字列リスト１３１に対する無視文字列の本登録を行う。
【０１５４】
このように，今後読替えを行わない文字列を指定して無視文字列リスト１３１に登録し，以後の抽出部１３による処理の段階で抽出される読替え候補を減らすことで，以後の読替え候補の選択判断時におけるユーザの作業量を減らすことが可能となる。
【０１５５】
図１９，図２０は，本実施の形態の読替え辞書作成支援装置による読替え辞書作成支援処理フローチャートである。
【０１５６】
読替え辞書作成支援装置１０において，取得部１１は，名寄せ結果に基づいて，名寄せにより同定された名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとから，名寄せ元文字列と名寄せ先文字列とを取得する（ステップＳ１０）。
【０１５７】
解析部１２は，形態素辞書記憶部１１０に記憶された形態素辞書を用いた形態素解析により，取得された名寄せ元文字列と名寄せ先文字列とを，それぞれ単語に分解する（ステップＳ１１）。
【０１５８】
抽出部１３は，名寄せ元文字列に含まれる単語または複合語である文字列と，名寄せ先文字列に含まれる単語または複合語である文字列との組合せから，読替え候補を抽出する（ステップＳ１２）。このとき，抽出部１３は，リストアップルール記憶部１２０に記憶されたリストアップルールの設定情報に従って，無視文字列リスト記憶部１３０に記憶された無視文字列リスト１３１を利用するなどして，読替え候補の抽出を行う。抽出された読替え候補は，リストアップデータ記憶部１４０に記憶されたリストアップデータ１４１に記録される。
【０１５９】
なお，ここまでの処理は，複数の名寄せ結果について行われ，複数のグループの名寄せ結果がリストアップデータ１４１に記録されるものとする。
【０１６０】
表示部１４は，リストアップデータ記憶部１４０に記憶されたリストアップデータ１４１から，読替え候補のグループを１つ選択する（ステップＳ１３）。表示部１４は，選択されたグループに含まれる読替え候補を所定の条件で選別し（ステップＳ１４），表示するとされた読替え候補を，ディスプレイ１８の画面に表示する（ステップＳ１５）。受付部１５は，ディスプレイ１８の画面に対する，キーボード・マウス１９を用いたユーザの入力を受け付ける（ステップＳ１６）。
【０１６１】
登録部１６は，ユーザにより読替え候補の登録が選択されたかを判定する（ステップＳ１７）。読替え候補の登録が選択されていれば（ステップＳ１７のＹＥＳ），登録部１６は，選択された読替え候補を，読替え辞書１０１の仮登録データに仮登録する（ステップＳ１８）。
【０１６２】
登録部１６は，ユーザにより無視文字列が選択されたかを判定する（ステップＳ１９）。無視文字列が選択されていれば（ステップＳ１９のＹＥＳ），登録部１６は，選択された無視文字列を，無視文字列リスト１３１の仮登録データに仮登録する（ステップＳ２０）。
【０１６３】
読替え辞書作成支援装置１０は，リストアップデータ１４１のすべてのグループについて処理が終了したかを判定する（ステップＳ２１）。すべてのグループについてまだ処理が終了していなければ（ステップＳ２１のＮＯ），読替え辞書作成支援装置１０は，ステップＳ１３の処理に戻り，次のグループの処理に移る。
【０１６４】
すべてのグループについて処理が終了していれば（ステップＳ２１のＹＥＳ），登録部１６は，仮登録のデータをコミットする（ステップＳ２２）。読替え辞書１０１の仮登録データに仮登録された読替え候補が，読替え辞書記憶部１００に記憶された読替え辞書１０１に本登録される。また，無視文字列リスト１３１の仮登録データに仮登録された無視文字列が，無視文字列リスト記憶部１３０に記憶された無視文字列リスト１３１に本登録される。
【０１６５】
登録部１６は，読替え辞書１０１に登録された読替え候補の文字列を，形態素辞書記憶部１１０に記憶された形態素辞書に登録する（ステップＳ２３）。
【０１６６】
ここまでの本実施の形態による読替え辞書作成支援処理の説明では，複数の名寄せ結果についてまとめて処理を行う例を説明したが，１つの名寄せ結果ごとに読替え辞書作成支援処理を行うようにしてもよい。例えば，ユーザがグレー判定のレコードの組合せを同定するたびに，その結果について読替え辞書作成支援処理を行うようにしてもよい。
【０１６７】
このような読替え辞書作成支援処理を定期的に実行することにより，名寄せにおける機械照合の精度が上がるため，グレー判定の件数や誤った判定の件数を減少させることが可能となる。これにより，目視確認をするユーザの手間も減少する。
【０１６８】
また，名寄せ結果を用いて読替え辞書作成の支援を行うことにより，名寄せの環境に応じた適切な読替え辞書１０１の作成が可能となる。
【０１６９】
以上説明した本実施の形態の読替え辞書作成支援装置１０によって，表記が類似しない文字列の対応や，文字列に含まれる単語や複合語の対応からでも，読替え可能な文字列の対応の候補を抽出することが可能となり，読替え辞書作成支援の効果が向上する。
【０１７０】
以上，本実施の形態について説明したが，本発明はその主旨の範囲において種々の変形が可能であることは当然である。
【０１７１】
例えば，本実施の形態では，読替え辞書作成支援の技術を法人等の組織名称の読替え辞書の作成支援に適用する例を説明したが，商品名や情報技術用語など他の様々な分野の読替え辞書の作成支援にも，当然適用可能である。
【０１７２】
また，例えば，本実施の形態では，主に名寄せの結果から取得した文字列で読替え辞書の作成支援を行う例を説明したが，これに限るものではない。例えば，ユーザが手入力で読替え可能な文字列の対応を読替え辞書に登録する際に，本実施の形態による読替え辞書作成支援の技術によって，ユーザが入力した文字列に含まれる単語または複合語の対応を読替え候補としてユーザに提示する支援を行うこともできる。
【０１７３】
また，例えば，本実施の形態では，主に名寄せで用いる読替え辞書の作成支援の例を説明したが，これに限るものではない。例えば，キーワード検索におけるキーワード文字列の読替えに用いる読替え辞書の作成支援に，本実施の形態による読替え辞書作成支援の技術を適用することも可能である。
【符号の説明】
【０１７４】
１０ 読替え辞書作成支援装置
１１ 取得部
１２ 解析部
１３ 抽出部
１４ 表示部
１５ 受付部
１６ 登録部
１８ ディスプレイ
１９ キーボード・マウス
１００ 読替え辞書記憶部
１１０ 形態素辞書記憶部
１２０ リストアップルール記憶部
１３０ 無視文字列リスト記憶部
１４０ リストアップデータ記憶部
２０ 名寄せサーバ
２１ 名寄せ対象データ記憶部
２２ 表記統一部
２３ 照合部
３０ ＤＢサーバ
３１ 顧客データ記憶部
３２ アンロード部
３３ 新規登録部
３４ 名寄せ結果記憶部
３５ 目視判定処理部
【技術分野】
【０００１】
本発明は，読替え可能な文字列の対応を記録する読替え辞書を作成する辞書作成プログラム，辞書作成装置および辞書作成方法に関する。
【背景技術】
【０００２】
コンピュータ処理において，読替え可能な文字列の対応を記録した辞書データを用いて，文字列の読替えを行う技術がある。ここでは，読替え可能な文字列の対応を記録した辞書データを，読替え辞書と呼ぶ。読替え辞書は，コンピュータを用いた名寄せ処理における正規化辞書や，一種のシソーラスなどとして利用できる。
【０００３】
読替え辞書を作成する方法としては，例えば，ユーザが読替え可能な文字列の対応を１つ１つ手作業で入力して登録する方法などがある。
【０００４】
なお，文字列間の類似度を算出して評価することで，異表記語の候補を抽出し，抽出された異表記語の候補を表示装置に表示してユーザに提示することで，異表記語辞書の作成を支援する技術が知られている。この技術では，文字列間の類似度の算出に，一般的な近似文字列照合技術が採用されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開平７−７３１９７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
読替え可能な文字列の対応をユーザが１つ１つ手作業で入力して登録する方法では，読替え辞書の作成に非常に手間がかかるため，読替え辞書の作成コストが高くなる。
【０００７】
上述のように，近似文字列照合技術を用いて文字列間の類似度を算出する技術では，読替え可能な文字列の対応の候補を抽出してユーザに提示し，読替え辞書の作成を支援することが可能である。例えば，上述の近似文字列照合技術を利用した技術では，互いに表記が類似する文字列「シュミレーション」と「シミュレーション」との対応を，読替え可能な文字列の対応の候補として抽出する。
【０００８】
しかし，上述の近似文字列照合技術を利用した抽出技術では，表記が類似する文字列の対応を読替え可能な文字列の対応の候補として抽出するが，共通して取り扱いが可能である一方で全く表記が異なる文字列の対応を読替え可能な文字列の対応の候補として抽出することはできない。例えば，「○○○関連機械」という社名の会社が，「△△△カンレンシステムズ」に社名変更した場合に，上述の近似文字列照合技術を利用した抽出技術では，これらの文字列の対応を読替え可能な文字列の対応の候補として抽出することができない。
【０００９】
このように，従来の方法では，表記が類似しない文字列の対応を，読替え可能な文字列の対応の候補として抽出できないため，読替え辞書作成支援の効果を上げることができない。
【００１０】
一側面では，本発明は，表記が類似しない文字列同士の対応を反映させた読替え辞書を作成することを目的とする。
【課題を解決するための手段】
【００１１】
１態様では，開示するプログラムは，コンピュータを次のように機能させる。すなわち，前記プログラムは，前記プログラムがインストールされて実行されるコンピュータに，第１の文字列と第２の文字列とを取得し，取得した第１の文字列と第２の文字列とから，それぞれ単語または複合語である文字列を抽出し，第１の文字列から抽出した文字列と第２の文字列から抽出した文字列との文字列の対を表示装置に表示し，表示装置に表示された文字列の対が選択された場合に，選択された文字列の対を記憶部に記憶する処理を実行させる。
【発明の効果】
【００１２】
１態様では，表記が類似しない文字列同士の対応を反映させた読替え辞書を作成することができる。
【図面の簡単な説明】
【００１３】
【図１】本実施の形態による読替え辞書作成支援装置の構成例を示す図である。
【図２】本実施の形態による読替え辞書作成支援装置を実現するコンピュータのハードウェア構成例を示す図である。
【図３】本実施の形態によるデータの名寄せを行うシステムの例を示す図である。
【図４】本実施の形態のシステムによる名寄せ処理フローチャートである。
【図５】本実施の形態による名寄せ対象データの例を示す図である。
【図６】本実施の形態による表記統一後の名寄せ対象データの例を示す図である。
【図７】本実施の形態による読替え辞書の例を示す図である。
【図８】本実施の形態によるホワイトリストの例を示す図である。
【図９】本実施の形態によるグレーリストの例を示す図である。
【図１０】本実施の形態による名寄せ結果データの例を示す図である。
【図１１】本実施の形態の解析部により処理対象の文字列をそれぞれ単語に分解した例を示す図である。
【図１２】本実施の形態によるリストアップルールの例を示す図である。
【図１３】本実施の形態による無視文字列リストの例を示す図である。
【図１４】本実施の形態の抽出部による読替え候補抽出の例を説明する図である。
【図１５】本実施の形態によるリストアップデータの例を示す図である。
【図１６】本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（１）を示す図である。
【図１７】本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（２）を示す図である。
【図１８】本実施の形態による無視文字列選択の例を示す図である。
【図１９】本実施の形態の読替え辞書作成支援装置による読替え辞書作成支援処理フローチャートである。
【図２０】本実施の形態の読替え辞書作成支援装置による読替え辞書作成支援処理フローチャートである。
【発明を実施するための形態】
【００１４】
以下，本実施の形態について，図を用いて説明する。
【００１５】
図１は，本実施の形態による読替え辞書作成支援装置の構成例を示す図である。
【００１６】
読替え辞書作成支援装置１０は，ユーザによる読替え辞書の作成や更新を支援する。読替え辞書は，読替え可能な文字列の対応を記録する辞書である。読替え辞書作成支援装置１０は，読替え辞書を作成する辞書作成装置の一例である。
【００１７】
例えば，コンピュータを用いてデータの名寄せを行う際には，人による目視照合に頼らず，できるだけコンピュータによる機械照合で名寄せの判定を行えるようにするために，名寄せ対象データの正規化が行われる。名寄せ対象データの正規化では，読替え辞書を用いた文字列の読替えが行われ，機械照合で判定可能なデータが増やされる。
【００１８】
また，例えば，データのキーワード検索を行う際に，キーワードに関係するデータをできるだけもらさずに抽出するために，キーワード文字列だけではなく，キーワードと同じまたは似た意味を持つ文字列による検索も行われる場合がある。この場合には，読替え辞書を用いてキーワード文字列の一部またはすべてを読替えした文字列による検索も行われる。
【００１９】
読替え可能な文字列の対応は，目的とする処理の前に，あらかじめ読替え辞書に登録してある必要がある。汎用的な読替え可能な文字列の対応は，そのような文字列の対応が登録された読替え辞書を入手することで，すぐに処理で使用可能となる。しかし，特定のケースでしか使用されない読替え可能な文字列の対応については，ユーザがあらかじめ読替え辞書に登録しておく必要がある。また，処理の効率化を持続するために，読替え可能な文字列の対応を随時追加登録するケースも考えられる。必要な文字列の読替え関係を考えながら読替え辞書に登録していく作業は，ユーザにとって非常に手間となる。
【００２０】
読替え辞書作成支援装置１０は，このようなユーザによる読替え辞書への文字列の対応の登録を支援する。読替え辞書作成支援装置１０は，取得部１１，解析部１２，抽出部１３，表示部１４，受付部１５，登録部１６，形態素辞書記憶部１１０，リストアップルール記憶部１２０，無視文字列リスト記憶部１３０，リストアップデータ記憶部１４０を備える。また，読替え辞書作成支援装置１０は，ディスプレイ１８等の表示装置や，キーボード・マウス１９等の入力装置を備えている。
【００２１】
図１において，読替え辞書記憶部１００は，読替え可能な文字列の対応を記録する読替え辞書を記憶する記憶部である。読替え辞書記憶部１００は，読替え辞書作成支援装置１０を実現するコンピュータが備える記憶部であってもよいし，読替え辞書作成支援装置１０を実現するコンピュータがアクセス可能な別のコンピュータが備える記憶部であってもよい。
【００２２】
取得部１１は，第１の文字列と第２の文字列とを取得する。第１の文字列と第２の文字列は，例えば，同定された２つのデータにそれぞれ含まれる文字列である。また，第１の文字列と第２の文字列は，例えば，読替え可能とされた２つの文字列である。
【００２３】
例えば，企業名簿の名寄せ処理において，企業名の文字列が一致しないが，住所，代表者等の他の文字列が完全一致するため，同じ企業のデータレコードであると同定された２つのデータレコードがあるものとする。このとき，取得部１１は，同定された２つのデータレコードにおける企業名の文字列を，第１の文字列，第２の文字列として取得する。
【００２４】
また，例えば，ユーザは，人手で読替え辞書に読替え可能な文字列の対応を登録する際に，読替え可能とする２つの文字列を指定する。このとき，取得部１１は，ユーザが読替え可能として指定した２つの文字列を，第１の文字列，第２の文字列として取得する。
【００２５】
解析部１２は，形態素解析により，第１の文字列と第２の文字列とをそれぞれ単語に分解する。形態素解析では，単語と品詞との対応などを記録する形態素辞書を用いた解析により，文字列が，意味を持つ最小単位の単語に分解される。解析部１２は，２つの文字列に対してそれぞれ形態素解析を行い，意味を持つ最小単位の単語に分解する。形態素辞書記憶部１１０は，形態素辞書を記憶する記憶部である。
【００２６】
抽出部１３は，第１の文字列と第２の文字列とから，それぞれ単語または複合語である文字列を抽出する。また，抽出部１３は，第１の文字列から抽出した文字列と第２の文字列から抽出した文字列との文字列の対を抽出する。例えば，抽出部１３は，第１の文字列に含まれる単語または複合語である文字列と，第２の文字列に含まれる単語または複合語である文字列と対応を抽出する。抽出部１３が抽出する文字列の対応が，読替え可能な文字列の対応の候補となる。
【００２７】
このとき，抽出部１３は，組合せ可能なすべての単語／複合語の対応を抽出するのではなく，所定の条件を満たす単語／複合語の対応のみを，読替え可能な文字列の対応の候補として抽出するようにしてもよい。リストアップルール記憶部１２０は，抽出する文字列の対応の条件が設定されたリストアップルールを記憶する記憶部である。抽出部１３は，リストアップルールで設定された条件を満たす文字列の対応を抽出する。
【００２８】
また，抽出部１３は，特定の文字列を含む文字列の対応や，特定の文字列の対応を読替え可能な文字列の対応の候補から除外することも可能である。無視文字列リスト記憶部１３０は，読替えしない文字列，または読替えしない文字列の対を記録する無視文字列リストを格納する格納部である。抽出部１３は，無視文字列リストに記録された文字列を含む文字列の対応，または無視文字列リストに記録された文字列の対応を抽出しない。すなわち，格納部に格納された文字列を含む文字列の対，または格納部に格納された文字列の対について，文字列の対を表示させる処理の実行が抑止される。
【００２９】
抽出部１３は，抽出した文字列の対応を記録したリストアップデータを，リストアップデータ記憶部１４０に記憶する。リストアップデータ記憶部１４０は，抽出部１３が抽出した文字列の対応を記録したリストアップデータを記憶する記憶部である。
【００３０】
表示部１４は，抽出部１３が抽出した文字列の対を表示装置に表示する。例えば，表示部１４は，リストアップデータに記録された文字列の対応を，読替え可能な文字列の対応の候補として，ディスプレイ１８に表示する。
【００３１】
ユーザは，キーボード・マウス１９等の入力装置を操作し，ディスプレイ１８等の表示装置に表示された文字列の対応から，読替え辞書に登録する読替え可能な文字列の対応を選択する。このとき，受付部１５は，表示装置に表示された文字列の対応からの，読替え可能な文字列の対応の選択を受け付ける。
【００３２】
また，ユーザは，キーボード・マウス１９等の入力装置を操作し，ディスプレイ１８等の表示装置に表示された文字列の対応から，読替えしない文字列または読替えしない文字列の対応を選択することも可能である。このとき，受付部１５は，表示装置に表示された文字列の対からの，読替えしない文字列または読替えしない文字列の対の選択を受け付ける。
【００３３】
登録部１６は，表示装置に表示された文字列の対が選択された場合に，選択された文字列の対を記憶部に記憶する。例えば，登録部１６は，選択された読替え可能な文字列の対応を，読替え辞書記憶部１００に記憶された読替え辞書に登録する。このとき，登録部１６が，読替え辞書に対応を登録した文字列を，さらに形態素辞書記憶部１１０に記憶された形態素辞書に登録するようにしてもよい。また，読替えしない文字列または読替えしない文字列の対応が選択されている場合には，登録部１６が，選択された読替えしない文字列または読替えしない文字列の対応を，無視文字列リスト記憶部１３０に記憶された無視文字列リストに登録するようにしてもよい。
【００３４】
図２は，本実施の形態による読替え辞書作成支援装置を実現するコンピュータのハードウェア構成例を示す図である。
【００３５】
図１に示す本実施の形態の読替え辞書作成支援装置１０は，例えば，ＣＰＵ（Central Processing Unit ）２，主記憶となるメモリ３，記憶装置４，通信装置５，媒体読取・書込装置６，入力装置７，出力装置８等を備えるコンピュータ１によって実現される。記憶装置４は，例えばＨＤＤ（Hard Disk Drive ）などである。媒体読取・書込装置６は，例えばＣＤ−Ｒ（Compact Disc Recordable ）ドライブやＤＶＤ−Ｒ（Digital Versatile Disc Recordable ）ドライブなどである。入力装置７は，例えばキーボード・マウス１９などである。出力装置８は，例えばディスプレイ１８等の表示装置などである。
【００３６】
図１に示す読替え辞書作成支援装置１０および読替え辞書作成支援装置１０が備える各機能部は，コンピュータ１が備えるＣＰＵ２，メモリ３等のハードウェアと，ソフトウェアプログラムとによって実現することが可能である。コンピュータ１が実行可能なプログラムは，記憶装置４に記憶され，その実行時にメモリ３に読み出され，ＣＰＵ２により実行される。
【００３７】
コンピュータ１は，可搬型記録媒体から直接プログラムを読み取り，そのプログラムに従った処理を実行することもできる。また，コンピュータ１は，サーバコンピュータからプログラムが転送されるごとに，逐次，受け取ったプログラムに従った処理を実行することもできる。さらに，このプログラムは，コンピュータ１で読み取り可能な記録媒体に記録しておくことができる。
【００３８】
以下，データの名寄せで利用する読替え辞書の作成を支援する例を用いて，本実施の形態による読替え辞書作成支援の技術を説明する。データの名寄せが行われるケースとしては，例えば，企業合併時における顧客情報の統合等のデータベースの統合や，顧客マスタにおける顧客情報の重複除去等のデータベースの重複除去などがある。
【００３９】
図３は，本実施の形態によるデータの名寄せを行うシステムの例を示す図である。
【００４０】
図３に示すシステムは，顧客の情報を管理する顧客マスタに顧客を登録する際に，データの名寄せを行うことにより，同じ顧客が重複して登録されることを防止するシステムの例である。
【００４１】
ＤＢ（DataBase）サーバ３０は，顧客マスタなどのデータを管理する。ＤＢサーバ３０は，顧客データ記憶部３１，アンロード部３２，新規登録部３３，名寄せ結果記憶部３４，目視判定処理部３５を備える。
【００４２】
名寄せサーバ２０は，ＤＢサーバ３０が管理する顧客マスタに顧客を登録する際に，同じ顧客が重複登録されることを防止するために，データの名寄せを行う。名寄せサーバ２０は，読替え辞書記憶部１００，名寄せ対象データ記憶部２１，表記統一部２２，照合部２３を備える。
【００４３】
読替え辞書作成支援装置１０は，名寄せサーバ２０において，名寄せ対象のデータを正規化する際に使用する読替え辞書の作成を支援する。読替え辞書作成支援装置１０の構成は，図１に示す通りであるものとする。図３に示す例では，読替え辞書は名寄せサーバ２０にある。ユーザは，読替え辞書作成支援装置１０のコンピュータ１で名寄せサーバ２０にアクセスし，読替え辞書作成支援装置１０による支援を受けながら，名寄せサーバ２０の読替え辞書記憶部１００に記憶された読替え辞書の作成・更新を行う。
【００４４】
ここでは，顧客マスタに登録しようとする顧客については，仮登録顧客データに情報を仮登録しておき，定期的に仮登録顧客データに仮登録された顧客の情報を顧客マスタに本登録する処理を行うものとする。このとき，仮登録された顧客がすでに顧客マスタに登録された既存の顧客であるかをチェックするために，名寄せサーバ２０によってデータの名寄せ処理を行う。
【００４５】
図４は，本実施の形態のシステムによる名寄せ処理フローチャートである。
【００４６】
図４に示すフローチャートを用いて，ＤＢサーバ３０，名寄せサーバ２０による一連の名寄せ処理の流れを説明する。
【００４７】
ＤＢサーバ３０において，アンロード部３２は，顧客データ記憶部３１に記憶された仮登録顧客データと顧客マスタとをアンロードする（ステップＳ１００）。アンロードとは，バイナリのデータファイルを，テキストファイルで取り出すことをいう。
【００４８】
顧客データ記憶部３１から取り出された仮登録顧客データと顧客マスタは，名寄せ対象データとして名寄せサーバ２０に送られ，名寄せ対象データ記憶部２１に記憶される。名寄せサーバ２０では，仮登録顧客データを名寄せ元データとし，顧客マスタを名寄せ先データとしたデータの名寄せが行われる。以下では，仮登録顧客データを名寄せ元データとも呼び，顧客マスタを名寄せ先データとも呼ぶ。また，名寄せ元データと名寄せ先データとをまとめて名寄せ対象データと呼ぶ。
【００４９】
名寄せサーバ２０において，表記統一部２２は，名寄せ対象データ記憶部２１に記憶された名寄せ対象データ，すなわち名寄せ元データと名寄せ先データの表記統一処理を行う（ステップＳ１０１）。
【００５０】
例えば，顧客データにおける各顧客の情報は，同じ顧客の情報であってもデータの入力者によって異なる文字列の表記で入力されるケースがある。例えば，同じ会社であっても，「株式会社○○○」と入力する人もいれば，「（株）○○○」と入力する人もいるといったケースが考えられる。このように，表記の統一がなされていないデータでコンピュータによる機械照合を行うと，同じ会社であっても表記文字列が異なれば違う会社であると判断されてしまう。このような状況では，機械照合の信頼性が低いため，結局は人が目視判定を行うケースが増えてしまい，名寄せのコストが高くなってしまう。
【００５１】
名寄せサーバ２０では，機械照合を行う前に，表記統一部２２によって，名寄せ対象データの文字表記を正規化する処理を行う。表記統一部２２は，所定の正規化ルールに従って，読替え辞書記憶部１００に記憶された読替え辞書などを用いて，名寄せ対象データの文字表記を統一する。
【００５２】
照合部２３は，表記統一後の名寄せ元データの各レコードを，表記統一後の名寄せ先データの各レコードと機械照合する照合処理を行う（ステップＳ１０２）。本実施の形態の名寄せによる照合処理では，照合する名寄せ元データのレコードと名寄せ先データのレコードとの間の一致度に応じて，ホワイト，グレー，ブラックの３つの判定がなされる。
【００５３】
本実施の形態では，機械照合のみで双方のレコードがそれぞれ異なる顧客のレコードであると判定することを，ブラック判定と呼ぶ。ある名寄せ元データのレコードについて，すべての名寄せ先データのレコードとの照合でブラック判定となった場合，その名寄せ元データのレコードは，新規顧客のレコードであると判定される。名寄せサーバ２０は，新規顧客のレコードであると判定された名寄せ元データのレコードを，ＤＢサーバ３０に通知する。
【００５４】
ＤＢサーバ３０において，新規登録部３３は，名寄せサーバ２０から新規顧客のレコードであると通知された名寄せ元データのレコードすなわち仮登録顧客データのレコードの情報を，新規顧客の情報として顧客マスタに登録する（ステップＳ１０３）。
【００５５】
本実施の形態では，機械照合のみで双方のレコードが同じ顧客のレコードであると同定することを，ホワイト判定と呼ぶ。ホワイト判定とされた名寄せ元データのレコードは，機械照合のみで，すでに顧客マスタに登録された既存の顧客のレコードであると判断されたことになる。名寄せサーバ２０は，ホワイトと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，ＤＢサーバ３０に通知する。本実施の形態では，ホワイトと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，ホワイトリストと呼ぶ。
【００５６】
ＤＢサーバ３０は，名寄せサーバ２０から受け取ったホワイトリストにあるレコードの組合せ情報を，名寄せ結果記憶部３４に記憶された名寄せ結果データに記録する（ステップＳ１０４）。
【００５７】
本実施の形態では，双方のレコードを同定できるかできないかを機械照合だけでは判断できないと判定することを，グレー判定と呼ぶ。グレーと判定されたレコードの名寄せ元データのレコードと名寄せ先データのレコードとの組合せについては，人による目視判定を行う必要がある。名寄せサーバ２０は，グレーと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，ＤＢサーバ３０に通知する。本実施の形態では，グレーと判定された名寄せ元データのレコードと名寄せ先データのレコードとの組合せのリスト情報を，グレーリストと呼ぶ。
【００５８】
ＤＢサーバ３０において，目視判定処理部３５は，名寄せサーバ２０から受け取ったホワイトリストにあるレコードの組合せについて，ユーザによる目視判定についての処理を行う（ステップＳ１０５）。例えば，目視判定処理部３５は，ユーザが操作する端末の表示装置にグレーリストにあるレコードの組合せを表示させ，それらのレコードを同定するかしないかをユーザに判断させる。
【００５９】
目視判定処理部３５は，グレーリストにあるレコードの組合せのうち，ユーザにより同定されたレコードの組合せを，名寄せ結果記憶部３４に記憶された名寄せ結果データに記録する（ステップＳ１０４）。ユーザの目視判定により名寄せ先データのレコードと同定された名寄せ元データのレコードは，すでに顧客マスタに登録された既存の顧客のレコードであると判断されたことになる。
【００６０】
新規登録部３３は，グレーリストにあるすべての名寄せ先データのレコードとの組合せが同定されなかった名寄せ元データのレコードすなわち仮登録顧客データのレコードの情報を，新規顧客の情報として顧客マスタに登録する（ステップＳ１０３）。グレーリストにあるすべての名寄せ先データのレコードとの組合せが同定されなかった名寄せ元データのレコードは，新規顧客のレコードであると判断されたことになる。
【００６１】
以下，本実施の形態によるデータ名寄せの具体的な例を説明する。
【００６２】
図５は，本実施の形態による名寄せ対象データの例を示す図である。
【００６３】
図５（Ａ）は，名寄せ元データ２１１の例を示し，図５（Ｂ）は，名寄せ先データ２１２の例を示す。本実施の形態では，仮登録顧客データを顧客マスタに統合することを目的として名寄せを行うので，仮登録顧客データが名寄せ元データ２１１となり，顧客マスタが名寄せ先データ２１２となる。
【００６４】
図５（Ａ）に示す名寄せ元データ２１１は，仮顧客ＩＤ，名称，所在地，代表名等の情報を持つ。図５（Ｂ）に示す名寄せ先データ２１２は，顧客ＩＤ，名称，所在地，代表名等の情報を持つ。仮顧客ＩＤ，顧客ＩＤは，それぞれ名寄せ元データ２１１，名寄せ先データ２１２における各顧客のレコードを一意に識別する識別情報である。名称は，顧客である法人等の組織の名称である。所在地は，顧客の所在地の住所である。代表名は，顧客である法人等の組織の代表者の名前である。
【００６５】
本実施の形態の例のように，データの統合などを目的に複数のデータ間で行われる名寄せを相互名寄せと呼ぶ。これに対して，重複除去などを目的に１つのデータ内で行われる名寄せを自己名寄せと呼ぶ。自己名寄せの手法としては，例えば，同じデータが２つあると仮定し，一方を名寄せ元データとし，他方を名寄せ先データとして，相互名寄せと同じ手法で名寄せを行う手法などが考えられる。
【００６６】
図６は，本実施の形態による表記統一後の名寄せ対象データの例を示す図である。
【００６７】
図６（Ａ）は，図５（Ａ）に示す名寄せ元データ２１１に対する表記統一処理後の名寄せ元データ２１１’の例を示し，図６（Ｂ）は，図５（Ｂ）に示す名寄せ先データ２１２に対する表記統一処理後の名寄せ先データ２１２’の例を示す。図６（Ａ）に示す名寄せ元データ２１１’，図６（Ｂ）に示す名寄せ先データ２１２’において，表記統一処理によって図５に示す各データから文字列の表記が変更された部分については，アンダーラインで示す。
【００６８】
本実施の形態の表記統一部２２による表記統一処理では，異体字統一，全角統一，カナ統一，住所の表記統一，法人等組織名称の正規化などの処理が行われている。
【００６９】
異体字統一の処理では，異体字の表記統一が行われる。例えば，「高」という漢字には，図５（Ａ）に示す名寄せ元データ２１１における仮顧客ＩＤ“Ｘ１０１”のレコードの代表名項目の文字列に示すような異体字が存在する。図６（Ａ）に示す表記統一後の名寄せ元データ２１１’では，異体字が「高」の字に統一されている。全角統一の処理では，名称項目の文字列について，アルファベットやカタカナ，特定の記号などの，全角／半角の表記がある文字の表記を全角に統一する処理が行われる。カナ統一の処理では，名称項目の文字列について，ひらがな表記をカタカナ表記に統一する処理が行われる。住所の表記統一の処理では，所在地項目の文字列について，住所辞書などを用いて，都道府県名などの表記が省略された部分の補間や，「丁目」などの表記方法の統一等の処理が行われる。法人等組織名称の正規化では，名称項目の文字列について，法人等の組織名称の読替え辞書を用いた正規化が行われる。
【００７０】
図７は，本実施の形態による読替え辞書の例を示す図である。
【００７１】
図７に示す読替え辞書１０１は，法人等の組織名称の正規化に使用する読替え辞書の一例である。図７に示す読替え辞書１０１は，読替えＩＤ，読替え元文字列，読替え先文字列等の情報を持つ。読替えＩＤは，読替え辞書１０１に登録された読替え可能な文字列の対応を識別する識別情報である。読替え元文字列は，表記変更を行う対象の文字列である。読替え先文字列は，読替え元文字列を表記変更した後の文字列である。
【００７２】
なお，本実施の形態では，読替え辞書を名寄せにおける表記の正規化で使用しているため，読替え辞書に登録された読替え可能な文字列の対応には，読替え元文字列から読替え先文字列へといった文字列読替えの方向性がある。例えば，キーワード検索におけるキーワードの読替えなどにおいて，文字列読替えの方向性が必要ない場合に使用する読替え辞書は，文字列読替えの方向性がない読替え可能な文字列の対応のみが登録されたものとなる。
【００７３】
表記統一部２２は，図５に示す名寄せ元データ２１１，名寄せ先データ２１２において，各レコードの名称項目に，読替え辞書１０１に登録された読替え元文字列が含まれているかをチェックする。読替え元文字列が検出された場合には，表記統一部２２は，検出された読替え元文字列を，読替え辞書１０１において該読替え元文字列に対応付けられた読替え先文字列に置き換える。
【００７４】
例えば，図５（Ａ）に示す名寄せ元データ２１１において，仮顧客ＩＤ“Ｘ１０５”のレコードから，図７に示す読替え辞書１０１に登録された読替え元文字列「△△△ラボ」が検出される。表記統一部２２は，検出された読替え元文字列「△△△ラボ」を，読替え辞書１０１において該読替え元文字列に対応付けられた読替え先文字列「△△△研究所」に表記変更する。図６（Ａ）に示す表記統一後の名寄せ元データ２１１’では，仮顧客ＩＤ“Ｘ１０５”のレコードの名称項目の文字列が，「△△△研究所」に表記変更されている。
【００７５】
照合部２３は，図６（Ａ）に示す表記統一後の名寄せ元データ２１１’の各レコードについて，図６（Ｂ）に示す表記統一後の名寄せ先データ２１２’の各レコードとの機械照合を行う。
【００７６】
ここでは，名称項目の文字列が完全一致した場合には２５点が，所在地項目の文字列が完全一致した場合には５０点が，代表名項目の文字列が完全一致した場合には２５点が一致度に加算される方式で，レコード間の一致度が求められるものとする。全項目の文字列が完全一致した場合には，一致度は１００点となる。逆に，全項目の文字列が完全一致しなかった場合には，一致度は０点となる。一部項目の文字列が完全一致した場合には，完全一致した項目に応じて，一致度は２５点，５０点，７５点のいずれかとなる。
【００７７】
照合部２３は，名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとの一致度が１００点である場合，すなわち全項目の文字列が完全一致した場合に，ホワイトと判定する。また，照合部２３は，名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとの一致度が５０点以上で１００点に満たない場合に，グレーと判定する。また，照合部２３は，名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとの一致度が５０点未満である場合に，ブラックと判定する。
【００７８】
このような一致度決定の設計や，照合結果の判定の設計については，任意の設計が可能である。
【００７９】
図８は，本実施の形態によるホワイトリストの例を示す図である。
【００８０】
図８に示すホワイトリスト２３１は，図６に示す名寄せ元データ２１１’と名寄せ先データ２１２’との照合で，ホワイト判定とされたレコードの組合せのリストである。ホワイトリスト２３１には，ホワイト判定とされた名寄せ元データ２１１’のレコードの仮顧客ＩＤと，名寄せ先データ２１２’のレコードの顧客ＩＤとの組合せが示されている。
【００８１】
例えば，図６に示す名寄せ対象データの例において，仮顧客ＩＤ“Ｘ１０２”のレコードと顧客ＩＤ“Ｙ３５３”のレコードとの一致度は１００点であるので，機械照合の判定結果はホワイト判定となる。同様に，仮顧客ＩＤ“Ｘ１０５”のレコードと顧客ＩＤ“Ｙ３５６”のレコードとの一致度は，１００点であるので，機械照合の判定結果はホワイト判定となる。ホワイトリスト２３１には，仮顧客ＩＤ“Ｘ１０２”と顧客ＩＤ“Ｙ３５３”の対応と，仮顧客ＩＤ“Ｘ１０５”と顧客ＩＤ“Ｙ３５６”との対応がリストアップされる。
【００８２】
図９は，本実施の形態によるグレーリストの例を示す図である。
【００８３】
図９に示すグレーリスト２３２は，図６に示す名寄せ元データ２１１’と名寄せ先データ２１２’との照合で，グレー判定とされたレコードの組合せのリストである。グレーリスト２３２には，グレー判定とされた名寄せ元データ２１１’のレコードの仮顧客ＩＤと，名寄せ先データ２１２’のレコードの顧客ＩＤとの組合せが示されている。
【００８４】
例えば，図６に示す名寄せ対象データの例において，仮顧客ＩＤ“Ｘ１０１”のレコードと顧客ＩＤ“Ｙ３５４”のレコードとの一致度は７５点であるので，機械照合の判定結果はグレー判定となる。同様に，仮顧客ＩＤ“Ｘ１０４”のレコードと顧客ＩＤ“Ｙ３５４”のレコードとの一致度は，５０点であるので，機械照合の判定結果はグレー判定となる。グレーリスト２３２には，仮顧客ＩＤ“Ｘ１０１”と顧客ＩＤ“Ｙ３５４”の対応と，仮顧客ＩＤ“Ｘ１０４”と顧客ＩＤ“Ｙ３５４”との対応がリストアップされる。
【００８５】
図１０は，本実施の形態による名寄せ結果データの例を示す図である。
【００８６】
図１０に示す名寄せ結果データ３４１は，図６に示す表記統一された名寄せ対象データにおいて，ホワイト判定とされたレコードの組合せと，グレー判定とされたレコードの組合せのうちユーザに同定された組合せとが記録されたデータの例である。名寄せ結果データ３４１には，同定された名寄せ元データ２１１’のレコードの仮顧客ＩＤと，名寄せ先データ２１２’のレコードの顧客ＩＤとの対応が示されている。
【００８７】
ＤＢサーバ３０において，名寄せ結果データ３４１は，ＩＤの付け替えやジャーナルの洗い替えなどに使用される。
【００８８】
このような名寄せの結果に基づいて，読替え辞書１０１に登録する読替え可能な文字列の対応の候補を生成して提示することで，本実施の形態の読替え辞書作成支援装置１０は，ユーザによる読替え辞書１０１への読替え可能な文字列の対応の登録を支援する。以下では，その具体的な例を挙げて，本実施の形態の読替え辞書作成支援装置１０による読替え辞書作成支援処理の説明を行う。
【００８９】
読替え辞書作成支援装置１０において，取得部１１は，名寄せにより同定されたレコードにそれぞれ含まれる文字列を取得する。
【００９０】
例えば，取得部１１は，ＤＢサーバ３０の名寄せ結果記憶部３４の名寄せ結果データ３４１を読み出す。ここでは，図１０に示す名寄せ結果データ３４１が得られる。
【００９１】
取得部１１は，名寄せ結果データ３４１に記録された名寄せで同定された各レコードの組合せについて，名寄せサーバ２０の名寄せ対象データ記憶部２１に記憶された名寄せ元データ２１１’，名寄せ先データ２１２’から，それぞれ読替え対象項目の文字列を抽出する。本実施の形態では，図７に示す法人等の組織名称の読替え辞書１０１の作成支援を行うため，図６に示す名寄せ元データ２１１’，名寄せ先データ２１２’から，それぞれ該当レコードの名称項目の文字列を抽出する。抽出された２つの文字列が異なる場合，取得部１１は，その文字列の組合せを，読替え辞書作成支援の処理の対象となる文字列の組合せとして取得する。
【００９２】
以下では，名寄せ元データ２１１’から取得された文字列を名寄せ元文字列，名寄せ先データ２１２’から取得された文字列を名寄せ先文字列と呼ぶ。例えば，名寄せ元文字列が第１の文字列の一例であり，名寄せ先文字列が第２の文字列の一例である。
【００９３】
例えば，図１０に示す名寄せ結果データにおける仮顧客ＩＤ“Ｘ１０１”と顧客ＩＤ“Ｙ３５４”との組合せから，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せが取得される。また，仮顧客ＩＤ“Ｘ１０４”と顧客ＩＤ“Ｙ３５４”との組合せから，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せが取得される。なお，仮顧客ＩＤ“Ｘ１０２”と顧客ＩＤ“Ｙ３５３”の組合せや仮顧客ＩＤ“Ｘ１０５”と顧客ＩＤ“Ｙ３５６”の組合せについては，双方のレコードの名称項目の文字列が完全一致するので，異なる文字列の組合せは取得できない。
【００９４】
名寄せで同定されたレコード間で同じ項目の文字列同士の表記が異なる場合には，それらの文字列間の表記の類似性が高くなくても，それらの文字列間で読替えできる可能性が高い。名寄せで同定されたレコードに含まれる文字列から，処理対象の文字列の組合せを取得することで，表記が類似しない文字列の対応を，読替え可能な文字列の対応の候補とすることが可能となる。
【００９５】
解析部１２は，形態素辞書記憶部１１０に記憶された形態素辞書を用いた形態素解析により，取得部１１により取得された各文字列を，それぞれ単語に分解する。形態素解析や形態素辞書については，一般に広く知られた技術であるので，ここでは詳細な説明を省略する。
【００９６】
図１１は，本実施の形態の解析部により処理対象の文字列をそれぞれ単語に分解した例を示す図である。
【００９７】
図１１（Ａ）は，形態素解析によって，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」とを単語に分解した例を示す。図１１（Ｂ）は，形態素解析によって，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」とを単語に分解した例を示す。
【００９８】
抽出部１３は，名寄せ元文字列に含まれる単語または複合語である文字列と，名寄せ先文字列に含まれる単語または複合語である文字列との組合せから，読替え可能な文字列の対応の候補を抽出する。抽出された読替え可能な文字列の対応の候補において，名寄せ元文字列に含まれる単語または複合語である文字列は，読替え元文字列の候補となり，名寄せ先文字列に含まれる単語または複合語である文字列は，読替え先文字列の候補となる。なお，以下では，読替え可能な文字列の対応の候補を，読替え候補とも呼ぶ。
【００９９】
このとき，抽出部１３は，リストアップルール記憶部１２０に記憶されたリストアップルールの設定情報に従って，設定されたリストアップルールの条件を満たす文字列の対応を，読替え候補として抽出する。
【０１００】
図１２は，本実施の形態によるリストアップルールの例を示す図である。
【０１０１】
図１２に示すリストアップルールにおいて，ルール１は，対応する２つの文字列の少なくとも一方が単独の一般名詞である場合に，その文字列の対応を読替え候補としないという条件を示している。例えば，法人名等の組織名称の読替えでは，読替えの一方の文字列が単独の一般名詞であるケースは少ない。このような場合には，ルール１をＯＮに設定することで，読替え候補の絞り込みができる。
【０１０２】
図１２に示すリストアップルールにおいて，ルール２は，名寄せ元文字列と名寄せ先文字列とをそのまま置き換えるパターンも読替え候補とするという条件を示している。例えば，図１１（Ａ）に示すように，名寄せ元文字列と名寄せ先文字列との間で一部の単語が一致している場合には，一致する単語を除いた部分で，文字列の読替えが可能ではないかと推定される。そのため，本実施の形態では，原則として，名寄せ元文字列と名寄せ先文字列とから一致する単語を除いた部分で，読替え候補の抽出を行うものとしている。一部の単語が一致している場合でも，名寄せ元文字列と名寄せ先文字列とをそのまま置き換えるパターンを読替え候補としたい場合には，ルール２をＯＮに設定する。
【０１０３】
図１２に示すリストアップルールにおいて，ルール３は，無視文字列リスト記憶部１３０に記憶された無視文字列リストを使用し，無視文字列リストに登録された文字列を含む文字列の対応，または登録された文字列の対応を読替え候補としないという条件を示している。無視文字列リストを使用する場合には，ルール３をＯＮにする。
【０１０４】
図１３は，本実施の形態による無視文字列リストの例を示す図である。
【０１０５】
図１３に示す無視文字列リスト１３１は，読替えしない文字列または読替えしない文字列の対応を記録する無視文字列リストの一例である。無視文字列リスト１３１は，無視文字列ＩＤ，読替え元文字列，読替え先文字列の情報を持つ。無視文字列ＩＤは，読替えしない文字列の対応を一意に識別する識別情報である。図１３に示す無視文字列リスト１３１の例では，読替え元文字列と読替え先文字列との対応ごとに読替えしない文字列の対応が記録されている。なお，図１３に示す無視文字列リスト１３１において，（ＮＵＬ）は空であることを示す。
【０１０６】
無視文字列リスト１３１において，例えば，無視文字列ＩＤ“Ｚ００１”のレコードは，読替え先文字列に関係なく，読替え元文字列が「ＡＢＣ」となる文字列の対応を，読替え候補としないことを示している。また，無視文字列ＩＤ“Ｚ００２”のレコードは，読替え元文字列に関係なく，読替え先文字列が「ＡＢＣ」となる文字列の対応を，読替え候補としないことを示している。また，無視文字列ＩＤ“Ｚ００３”のレコードは，文字列の対応が読替え元文字列が「ＦＪ」でかつ読替え先文字列が「富士」となる場合に，その文字列の対応を読替え候補としないことを示している。
【０１０７】
図１３に示す無視文字列リスト１３１の例は，読替え元文字列と読替え先文字列との対応ごとに読替えしない文字列の対応を記録するリスト情報となっている。無視文字列リストが，読替え元文字列や読替え先文字列に関係なく，読替えしない文字列や，読替えしない文字列の対応を記録するリスト情報であってもよい。
【０１０８】
図１４は，本実施の形態の抽出部による読替え候補抽出の例を説明する図である。
【０１０９】
図１４（Ａ）は，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについて，読替え候補を抽出する例を説明する図である。図１４（Ｂ）は，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについて，読替え候補を抽出する例を説明する図である。図１４において，矢印の左側が，名寄せ元文字列に含まれる単語または複合語を示し，矢印の右側が，名寄せ先文字列に含まれる単語または複合語を示す。なお，ここでは，図１２に示すリストアップルールについては，すべてのルールの設定がＯＮになっているものとする。
【０１１０】
名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについては，図１１（Ａ）に示す形態素解析の結果から，双方の文字列が最後尾に「サービス」という共通の単語を持つことが分かる。このような名寄せ元文字列と名寄せ先文字列との関係性を解析すると，双方の文字列から「サービス」の単語を除いた，「ＦＡＬ」と「富士山」＋「航空」との関係性が抽出される。
【０１１１】
このような関係性から，名寄せ元文字列に含まれる単語または複合語と，名寄せ先文字列に含まれる単語または複合語とを組み合わせると，図１４（Ａ）の（１）〜（３）に示す３通りの文字列の対応が得られる。図１２に示すリストアップルールのルール３から，図１４（Ａ）の（４）に示す文字列の対応が候補に加えられる。
【０１１２】
図１４（Ａ）に示す文字列の対応のうち，（１）と（２）に示す文字列の対応は，読替え先文字列が単独の一般名詞となってしまうので，図１２に示すリストアップルールのルール１の条件から，読替え候補として抽出されない。なお，図１４（Ａ）に示す文字列の対応には，図１３に示す無視文字列リスト１３１に該当する文字列の対応はない。
【０１１３】
よって，図１４（Ａ）に示す文字列の対応のうち，読替え候補となるのは，（３），（４）に示す２通りの文字列の対応である。名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについて，抽出される読替え候補のグループは，
（１−１） ＦＡＬ → 富士山航空
（１−２） ＦＡＬサービス → 富士山航空サービス
となる。
【０１１４】
名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについては，図１１（Ｂ）に示す形態素解析の結果から，双方の文字列に共通する文字列がないことが分かる。名寄せ元文字列と名寄せ先文字列との関係性を解析すると，「ＦＡＬ」＋「フード」と「富士山」＋「航空」＋「サービス」との関係性が抽出される。
【０１１５】
このような関係性から，名寄せ元文字列に含まれる単語または複合語と，名寄せ先文字列に含まれる単語または複合語とを組み合わせると，図１４（Ｂ）の（１）〜（１８）に示す１８通りの文字列の対応が得られる。
【０１１６】
図１４（Ｂ）に示す文字列の対応のうち，（７）〜（１２）に示す文字列の対応は，読替え元文字列が単独の一般名詞となってしまうので，図１２に示すリストアップルールのルール１の条件から，読替え候補として抽出されない。また，図１４（Ｂ）に示す文字列の対応のうち，（１）〜（３），（７）〜（９），（１３）〜（１５）に示す文字列の対応は，読替え先文字列が単独の一般名詞となってしまうので，図１２に示すリストアップルールのルール１の条件から，読替え候補として抽出されない。なお，図１４（Ｂ）に示す文字列の対応には，図１３に示す無視文字列リスト１３１に該当する文字列の対応はない。
【０１１７】
よって，図１４（Ｂ）に示す文字列の対応のうち，読替え候補となるのは，（４）〜（６），（１６）〜（１８）に示す６通りの文字列の対応である。名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについて，抽出される読替え候補のグループは，
（２−１） ＦＡＬ → 富士山航空
（２−２） ＦＡＬ → 航空サービス
（２−３） ＦＡＬ → 富士山航空サービス
（２−４） ＦＡＬフード → 富士山航空
（２−５） ＦＡＬフード → 航空サービス
（２−６） ＦＡＬフード → 富士山航空サービス
となる。
【０１１８】
抽出部１３は，抽出された読替え候補を，リストアップデータ記憶部１４０に記憶されたリストアップデータに記録する。
【０１１９】
図１５は，本実施の形態によるリストアップデータの例を示す図である。
【０１２０】
図１５に示すリストアップデータ１４１は，抽出部により抽出された読替え候補のデータが，マークアップ形式で記述されたデータの例を示す。図１５に示すリストアップデータ１４１には，グループｉｄ＝１のグループとして，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せから得られた読替え候補が記録されている。さらに，図１５に示すリストアップデータ１４１には，グループｉｄ＝２のグループとして，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せから得られた読替え候補が記録されている。
【０１２１】
表示部１４は，リストアップデータ記憶部１４０に記憶されたリストアップデータ１４１を参照し，抽出された読替え候補をディスプレイ１８に表示する。
【０１２２】
図１６は，本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（１）を示す図である。
【０１２３】
図１６に示す選択画面１８１は，図１５に示すリストアップデータ１４１におけるグループｉｄ＝１のグループについて，読替え候補が提示された画面の一例である。
【０１２４】
グループｉｄ＝１のグループは，名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」との組合せについて抽出された読替え候補のグループである。選択画面１８１には，読替え候補の抽出元となった名寄せ元文字列「ＦＡＬサービス」と名寄せ先文字列「富士山航空サービス」とが提示されている。
【０１２５】
選択画面１８１において，読替え文字列の選択欄には，抽出された読替え候補の一覧が提示される。選択画面１８１では，グループｉｄ＝１のグループの２つの読替え候補が，読替え文字列の選択欄に提示されている。
【０１２６】
読替え文字列の選択欄において，読替え結果には，名寄せ元文字列を読替え候補を用いて読替えした結果が示される。図１６に示す選択画面１８１の読替え結果の文字列において，アンダーラインが引かれた部分が，名寄せ元文字列から読替え候補によって読替えされた部分である。
【０１２７】
選択画面１８１に，読替え候補抽出の元となったデータを提示することも可能である。図１６に示す選択画面１８１において，名寄せ元／先情報の例示欄には，名寄せ元文字列が取得された元の名寄せ元データ２１１’のレコードと，名寄せ先文字列が取得された元の名寄せ先データ２１２’のレコードとが提示される。選択画面１８１に提示されたこれらのレコードは，名寄せで同定されたレコードである。このように，読替え候補抽出の元となったデータを，読替え候補とともに選択画面１８１に提示することで，ユーザは，読替え候補が読替え可能な文字列の対応として適切であるか否かを判断し易くなる。
【０１２８】
ユーザは，キーボード・マウス１９を操作して読替え候補の登録欄のチェックボックスにチェックを入れることで，読替え辞書１０１に登録したい読替え可能な文字列の対応を選択する。受付部１５は，キーボード・マウス１９を用いたユーザによる読替え辞書１０１に登録したい読替え可能な文字列の対応の選択を受け付ける。
【０１２９】
選択画面１８１において，ユーザが“次へ”のボタンを選択すると，登録部１６は，ユーザに選択された文字列の対応を仮登録する処理を行う。表示部１４は，次のグループの読替え候補についての選択画面に移る。
【０１３０】
本実施の形態の例では，複数の名寄せ結果のデータの組合せから得られた読替え候補についてまとめて処理を行っているので，グループごとの処理で，選択された文字列の対応を仮登録用のデータに仮登録しておく。登録部１６は，処理対象のすべてのグループについて処理が終了したところで仮登録用のデータをコミットし，読替え辞書記憶部１００に記憶された読替え辞書１０１に対する読替え可能な文字列の対応の本登録を行う。
【０１３１】
表示部１４が，リストアップデータ１４１に記録された読替え候補から，さらに提示する読替え候補を選別してディスプレイ１８に表示するようにしてもよい。表示する読替え候補の選別の条件としては，例えば次のような条件が考えられる。
【０１３２】
ａ）読替え辞書１０１に登録済みである文字列の対応と読替え元文字列が同じで読替え先文字列が異なる読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。読替え辞書１０１に登録済みである文字列の対応には，仮登録された文字列の対応も含まれるものとする。
【０１３３】
ｂ）読替え結果が名寄せ先名称と異なる読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。
【０１３４】
例えば，本実施の形態の名寄せのように，文字列を正規化する場合には，複数の異なる表記の文字列を，決まった１つの表記に変換する処理が行われる。このような文字列の正規化を目的として使用する読替え辞書１０１では，１つの読替え元文字列に対応付けられる読替え先文字列は，１つとなる。ａ）の条件により，１つの読替え元文字列に対して複数の読替え先文字列が読替え辞書１０１に登録されることを防止することができる。
【０１３５】
上記のグループｉｄ＝２のグループにおいて，
（２−１） ＦＡＬ → 富士山航空
（２−２） ＦＡＬ → 航空サービス
（２−３） ＦＡＬ → 富士山航空サービス
の読替え候補については，グループｉｄ＝１の処理で仮登録された文字列の対応と，読替え文字列「ＦＡＬ」が一致する。このうち，（２−１）の読替え候補については，読替え先文字列「富士山航空」についても仮登録された文字列の対応と一致するが，（２−２），（２−３）の読替え候補については，読替え先文字列が仮登録された文字列の対応と一致しない。ａ）の条件でディスプレイ１８に表示する読替え候補の選別が行われる場合には，（２−２），（２−３）の読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。
【０１３６】
また，例えば，読替え結果が名寄せ先名称と異なる読替え候補を読替え辞書１０１に登録しても，その読替え候補の元となった名寄せ元文字列を名寄せ先文字列に読替えすることはできない。そのため，読替え結果が名寄せ先名称と異なる読替え候補は，読替え可能な文字列の対応として不適切である可能性が高い。ｂ）の条件により，このような読替え可能な文字列の対応として不適切である可能性が高い読替え候補が読替え辞書１０１に登録されることを防止することができる。
【０１３７】
上記のグループｉｄ＝２のグループにおいて，
（２−４） ＦＡＬフード → 富士山航空
（２−５） ＦＡＬフード → 航空サービス
の読替え候補について，読替え結果は，
（２−４） 富士山航空
（２−５） 航空サービス
となる。これらの読替え結果は，名寄せ先文字列「富士山航空サービス」とは異なる。ｂ）の条件でディスプレイ１８に表示する読替え候補の選別が行われる場合には，（２−４），（２−５）の読替え候補は，ディスプレイ１８に表示する読替え候補から除外される。
【０１３８】
図１７は，本実施の形態による読替え辞書に登録する読替え可能な文字列の対応の選択画面の例（２）を示す図である。
【０１３９】
図１７に示す選択画面１８２は，図１５に示すリストアップデータ１４１におけるグループｉｄ＝２のグループについて，読替え候補が提示された画面の一例である。グループｉｄ＝２のグループは，名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との組合せについて抽出された読替え候補のグループである。
【０１４０】
図１７に示す選択画面１８２をディスプレイ１８に表示する際に，表示部１４は，上記のａ），ｂ）の条件で表示する読替え候補の選定を行ったものとする。上述のように，ａ），ｂ）を用いた読替え候補の選定により，グループｉｄ＝２のグループの６つの読替え候補のうち，（２−２）〜（２−５）の４つの読替え候補が，表示する読替え候補から除外される。選択画面１８２の読替え文字列の選択欄には，グループｉｄ＝２のグループの６つの読替え候補のうち，（２−１），（２−６）の２つの読替え候補が提示される。
【０１４１】
選択画面１８２の読替え文字列の選択欄のＮｏ．“１”に提示された（２−１）の読替え候補は，グループｉｄ＝１のグループの処理ですでに仮登録された文字列の対応と同じである。そのため，図１７に示すように，選択画面１８２では，この読替え候補の登録欄のチェックボックスがチェック済みとなっている。例えば，このチェック済みのチェックボックスは，ユーザによる通常の選択操作で設定変更できないようになっている。
【０１４２】
また，選択画面１８２の読替え文字列の選択欄において，（２−６）の読替え候補が提示されたＮｏ．“２”の所に，「！」の警告が示されている。これは，共通の単語を全く含まない名寄せ元文字列「ＦＡＬフード」と名寄せ先文字列「富士山航空サービス」との対応が，そのまま読替え元文字列と読替え先文字列との対応となっていることを警告したものである。
【０１４３】
共通の単語を全く含まない名寄せ元文字列と名寄せ先文字列との対応は，共通の単語を含む名寄せ元文字列と名寄せ先文字列との対応と比較して，文字列間の関係性が低いため，読替え可能とすべきでない文字列の対応である可能性が高くなるケースがある。例えば，法人名などの組織名称のケースでは，名称の一部を略称することが多々見られる。このようなケースでは，共通の単語を含む名寄せ元文字列と名寄せ先文字列との対応が，略称を含む名称と正式名称との対応である可能性が高い。これに対して，共通の単語を全く含まない名寄せ元文字列と名寄せ先文字列との対応は，文字列間の関係性が低いため，どちらかがどちらかの略称である可能性が低い。
【０１４４】
図１７に示す選択画面１８２の例では，読替え候補が共通の単語を全く含まない名寄せ元文字列と名寄せ先文字列との対応である場合に警告することで，ユーザに対する注意喚起を行っている。
【０１４５】
処理対象のすべてのグループについて処理が終了したところで，登録部１６は，ユーザに選択された読替え可能な文字列の対応を，読替え辞書記憶部１００に記憶された読替え辞書１０１に登録する。
【０１４６】
このとき，読替え辞書１０１に登録した文字列を，形態素辞書記憶部１１０に記憶された形態素辞書に登録するようにしてもよい。読替え辞書１０１に登録した文字列を，形態素辞書に登録することで，以後の形態素解析による単語の解析精度を効果的に高めることが可能となる。
【０１４７】
例えば，登録部１６が，図１６に示す「ＦＡＬ」→「富士山航空」の対応と，「ＦＡＬサービス」→「富士山航空サービス」との対応を読替え辞書１０１に登録したものとする。このとき，登録部１６は，さらにこれらの文字列「ＦＡＬ」，「富士山航空」，「ＦＡＬサービス」，「富士山航空サービス」を，形態素辞書記憶部１１０に記憶された形態素辞書に，固有名詞で登録する。
【０１４８】
図１６に示す選択画面１８１や，図１７に示す選択画面１８２において，ユーザは，無視文字列リスト１３１に登録する読替えしない文字列または読替えしない文字列の対応を選択することができる。以下では，読替えしない文字列や，読替えしない文字列の対応を無視文字列とも呼ぶ。
【０１４９】
図１８は，本実施の形態による無視文字列選択の例を示す図である。
【０１５０】
図１８（Ａ），図１８（Ｂ）は，図１７に示す選択画面１８２の読替え文字列の選択欄で，ユーザが無視文字列の選択を行う例を示す。図１８（Ａ）は，無視文字列として読替えしない文字列を選択する例を示し，図１８（Ｂ）は，無視文字列として読替えしない文字列の対応を選択する例を示す。
【０１５１】
例えば，図１８（Ａ）に示すように，ユーザは，読替え元文字列欄において文字列「ＦＡＬ」を指定した状態でコンテキストメニューを開き，「読替え元を無視する」を選択する。受付部１５は，ユーザによる無視文字列の選択を受け付ける。ここでは，無視文字列は，読替え元文字列の「ＦＡＬ」となる。登録部１６は，上述の読替え辞書１０１への登録の場合と同様に，選択された無視文字列を，無視文字列仮登録用のデータに仮登録しておく。
【０１５２】
また，例えば，図１８（Ｂ）に示すように，ユーザは，読替え元文字列と読替え先文字列欄において，文字列「ＦＡＬフード」と「富士山航空サービス」とを同時に指定した状態でコンテキストメニューを開き，「ペアを無視する」を選択する。受付部１５は，ユーザによる無視文字列の選択を受け付ける。ここでは，無視文字列は，読替え元文字列「ＦＡＬフード」と読替え先文字列「富士山航空サービス」との対応となる。登録部１６は，選択された無視文字列を，無視文字列仮登録用のデータに仮登録しておく。
【０１５３】
登録部１６は，処理対象のすべてのグループについて処理が終了したところで無視文字列仮登録用のデータをコミットし，無視文字列リスト記憶部１３０に記憶された無視文字列リスト１３１に対する無視文字列の本登録を行う。
【０１５４】
このように，今後読替えを行わない文字列を指定して無視文字列リスト１３１に登録し，以後の抽出部１３による処理の段階で抽出される読替え候補を減らすことで，以後の読替え候補の選択判断時におけるユーザの作業量を減らすことが可能となる。
【０１５５】
図１９，図２０は，本実施の形態の読替え辞書作成支援装置による読替え辞書作成支援処理フローチャートである。
【０１５６】
読替え辞書作成支援装置１０において，取得部１１は，名寄せ結果に基づいて，名寄せにより同定された名寄せ元データ２１１’のレコードと名寄せ先データ２１２’のレコードとから，名寄せ元文字列と名寄せ先文字列とを取得する（ステップＳ１０）。
【０１５７】
解析部１２は，形態素辞書記憶部１１０に記憶された形態素辞書を用いた形態素解析により，取得された名寄せ元文字列と名寄せ先文字列とを，それぞれ単語に分解する（ステップＳ１１）。
【０１５８】
抽出部１３は，名寄せ元文字列に含まれる単語または複合語である文字列と，名寄せ先文字列に含まれる単語または複合語である文字列との組合せから，読替え候補を抽出する（ステップＳ１２）。このとき，抽出部１３は，リストアップルール記憶部１２０に記憶されたリストアップルールの設定情報に従って，無視文字列リスト記憶部１３０に記憶された無視文字列リスト１３１を利用するなどして，読替え候補の抽出を行う。抽出された読替え候補は，リストアップデータ記憶部１４０に記憶されたリストアップデータ１４１に記録される。
【０１５９】
なお，ここまでの処理は，複数の名寄せ結果について行われ，複数のグループの名寄せ結果がリストアップデータ１４１に記録されるものとする。
【０１６０】
表示部１４は，リストアップデータ記憶部１４０に記憶されたリストアップデータ１４１から，読替え候補のグループを１つ選択する（ステップＳ１３）。表示部１４は，選択されたグループに含まれる読替え候補を所定の条件で選別し（ステップＳ１４），表示するとされた読替え候補を，ディスプレイ１８の画面に表示する（ステップＳ１５）。受付部１５は，ディスプレイ１８の画面に対する，キーボード・マウス１９を用いたユーザの入力を受け付ける（ステップＳ１６）。
【０１６１】
登録部１６は，ユーザにより読替え候補の登録が選択されたかを判定する（ステップＳ１７）。読替え候補の登録が選択されていれば（ステップＳ１７のＹＥＳ），登録部１６は，選択された読替え候補を，読替え辞書１０１の仮登録データに仮登録する（ステップＳ１８）。
【０１６２】
登録部１６は，ユーザにより無視文字列が選択されたかを判定する（ステップＳ１９）。無視文字列が選択されていれば（ステップＳ１９のＹＥＳ），登録部１６は，選択された無視文字列を，無視文字列リスト１３１の仮登録データに仮登録する（ステップＳ２０）。
【０１６３】
読替え辞書作成支援装置１０は，リストアップデータ１４１のすべてのグループについて処理が終了したかを判定する（ステップＳ２１）。すべてのグループについてまだ処理が終了していなければ（ステップＳ２１のＮＯ），読替え辞書作成支援装置１０は，ステップＳ１３の処理に戻り，次のグループの処理に移る。
【０１６４】
すべてのグループについて処理が終了していれば（ステップＳ２１のＹＥＳ），登録部１６は，仮登録のデータをコミットする（ステップＳ２２）。読替え辞書１０１の仮登録データに仮登録された読替え候補が，読替え辞書記憶部１００に記憶された読替え辞書１０１に本登録される。また，無視文字列リスト１３１の仮登録データに仮登録された無視文字列が，無視文字列リスト記憶部１３０に記憶された無視文字列リスト１３１に本登録される。
【０１６５】
登録部１６は，読替え辞書１０１に登録された読替え候補の文字列を，形態素辞書記憶部１１０に記憶された形態素辞書に登録する（ステップＳ２３）。
【０１６６】
ここまでの本実施の形態による読替え辞書作成支援処理の説明では，複数の名寄せ結果についてまとめて処理を行う例を説明したが，１つの名寄せ結果ごとに読替え辞書作成支援処理を行うようにしてもよい。例えば，ユーザがグレー判定のレコードの組合せを同定するたびに，その結果について読替え辞書作成支援処理を行うようにしてもよい。
【０１６７】
このような読替え辞書作成支援処理を定期的に実行することにより，名寄せにおける機械照合の精度が上がるため，グレー判定の件数や誤った判定の件数を減少させることが可能となる。これにより，目視確認をするユーザの手間も減少する。
【０１６８】
また，名寄せ結果を用いて読替え辞書作成の支援を行うことにより，名寄せの環境に応じた適切な読替え辞書１０１の作成が可能となる。
【０１６９】
以上説明した本実施の形態の読替え辞書作成支援装置１０によって，表記が類似しない文字列の対応や，文字列に含まれる単語や複合語の対応からでも，読替え可能な文字列の対応の候補を抽出することが可能となり，読替え辞書作成支援の効果が向上する。
【０１７０】
以上，本実施の形態について説明したが，本発明はその主旨の範囲において種々の変形が可能であることは当然である。
【０１７１】
例えば，本実施の形態では，読替え辞書作成支援の技術を法人等の組織名称の読替え辞書の作成支援に適用する例を説明したが，商品名や情報技術用語など他の様々な分野の読替え辞書の作成支援にも，当然適用可能である。
【０１７２】
また，例えば，本実施の形態では，主に名寄せの結果から取得した文字列で読替え辞書の作成支援を行う例を説明したが，これに限るものではない。例えば，ユーザが手入力で読替え可能な文字列の対応を読替え辞書に登録する際に，本実施の形態による読替え辞書作成支援の技術によって，ユーザが入力した文字列に含まれる単語または複合語の対応を読替え候補としてユーザに提示する支援を行うこともできる。
【０１７３】
また，例えば，本実施の形態では，主に名寄せで用いる読替え辞書の作成支援の例を説明したが，これに限るものではない。例えば，キーワード検索におけるキーワード文字列の読替えに用いる読替え辞書の作成支援に，本実施の形態による読替え辞書作成支援の技術を適用することも可能である。
【符号の説明】
【０１７４】
１０ 読替え辞書作成支援装置
１１ 取得部
１２ 解析部
１３ 抽出部
１４ 表示部
１５ 受付部
１６ 登録部
１８ ディスプレイ
１９ キーボード・マウス
１００ 読替え辞書記憶部
１１０ 形態素辞書記憶部
１２０ リストアップルール記憶部
１３０ 無視文字列リスト記憶部
１４０ リストアップデータ記憶部
２０ 名寄せサーバ
２１ 名寄せ対象データ記憶部
２２ 表記統一部
２３ 照合部
３０ ＤＢサーバ
３１ 顧客データ記憶部
３２ アンロード部
３３ 新規登録部
３４ 名寄せ結果記憶部
３５ 目視判定処理部
【特許請求の範囲】
【請求項１】
コンピュータに，
第１の文字列と第２の文字列とを取得し，
取得した前記第１の文字列と前記第２の文字列とから，それぞれ単語または複合語である文字列を抽出し，
前記第１の文字列から抽出した文字列と前記第２の文字列から抽出した文字列との文字列の対を表示装置に表示し，
前記表示装置に表示された前記文字列の対が選択された場合に，選択された前記文字列の対を記憶部に記憶する
処理を実行させることを特徴とする辞書作成プログラム。
【請求項２】
前記コンピュータに，さらに，
前記記憶部に記憶した文字列を，形態素辞書に登録する
処理を実行させるための請求項１に記載の辞書作成プログラム。
【請求項３】
前記コンピュータに，さらに，
前記表示装置に表示された文字列の対からの，読替えしない文字列または読替えしない文字列の対の選択を受け付け，
選択された読替えしない文字列または読替えしない文字列の対を，格納部に格納し，
前記格納部に格納された文字列を含む文字列の対，または前記格納部に格納された文字列の対について，前記文字列の対を表示させる処理の実行を抑止する
処理を実行させることを特徴とする請求項１または請求項２に記載の辞書作成プログラム。
【請求項４】
前記第１の文字列は，名寄せ元のデータに含まれる文字列であり，
前記第２の文字列は，前記名寄せ元のデータと同定された名寄せ先のデータに含まれる文字列であり，
前記文字列の対は，前記第１の文字列から抽出した文字列を読替え元の文字列とし，前記第２の文字列から抽出した文字列を読替え先の文字列とする，読替え元の文字列と読替え先の文字列との対である
ことを特徴とする請求項１から請求項３までのいずれかに記載の辞書作成プログラム。
【請求項５】
前記文字列の対を表示装置に表示する処理では，さらに同定された前記名寄せ元のデータと前記名寄せ先のデータとを前記表示装置に表示する
ことを特徴とする請求項４に記載の辞書作成プログラム。
【請求項６】
第１の文字列と第２の文字列とを取得する取得部と，
前記第１の文字列と前記第２の文字列とから，それぞれ単語または複合語である文字列を抽出する抽出部と，
前記第１の文字列から抽出した文字列と前記第２の文字列から抽出した文字列との文字列の対を表示装置に表示する表示部と，
前記表示装置に表示された前記文字列の対が選択された場合に，選択された前記文字列の対を記憶部に記憶する登録部とを備える
ことを特徴とする辞書作成装置。
【請求項７】
コンピュータが，
第１の文字列と第２の文字列とを取得し，
取得した前記第１の文字列と前記第２の文字列とから，それぞれ単語または複合語である文字列を抽出し，
前記第１の文字列から抽出した文字列と前記第２の文字列から抽出した文字列との文字列の対を表示装置に表示し，
前記表示装置に表示された前記文字列の対が選択された場合に，選択された前記文字列の対を記憶部に記憶する過程を実行する
ことを特徴とする辞書作成方法。
【請求項１】
コンピュータに，
第１の文字列と第２の文字列とを取得し，
取得した前記第１の文字列と前記第２の文字列とから，それぞれ単語または複合語である文字列を抽出し，
前記第１の文字列から抽出した文字列と前記第２の文字列から抽出した文字列との文字列の対を表示装置に表示し，
前記表示装置に表示された前記文字列の対が選択された場合に，選択された前記文字列の対を記憶部に記憶する
処理を実行させることを特徴とする辞書作成プログラム。
【請求項２】
前記コンピュータに，さらに，
前記記憶部に記憶した文字列を，形態素辞書に登録する
処理を実行させるための請求項１に記載の辞書作成プログラム。
【請求項３】
前記コンピュータに，さらに，
前記表示装置に表示された文字列の対からの，読替えしない文字列または読替えしない文字列の対の選択を受け付け，
選択された読替えしない文字列または読替えしない文字列の対を，格納部に格納し，
前記格納部に格納された文字列を含む文字列の対，または前記格納部に格納された文字列の対について，前記文字列の対を表示させる処理の実行を抑止する
処理を実行させることを特徴とする請求項１または請求項２に記載の辞書作成プログラム。
【請求項４】
前記第１の文字列は，名寄せ元のデータに含まれる文字列であり，
前記第２の文字列は，前記名寄せ元のデータと同定された名寄せ先のデータに含まれる文字列であり，
前記文字列の対は，前記第１の文字列から抽出した文字列を読替え元の文字列とし，前記第２の文字列から抽出した文字列を読替え先の文字列とする，読替え元の文字列と読替え先の文字列との対である
ことを特徴とする請求項１から請求項３までのいずれかに記載の辞書作成プログラム。
【請求項５】
前記文字列の対を表示装置に表示する処理では，さらに同定された前記名寄せ元のデータと前記名寄せ先のデータとを前記表示装置に表示する
ことを特徴とする請求項４に記載の辞書作成プログラム。
【請求項６】
第１の文字列と第２の文字列とを取得する取得部と，
前記第１の文字列と前記第２の文字列とから，それぞれ単語または複合語である文字列を抽出する抽出部と，
前記第１の文字列から抽出した文字列と前記第２の文字列から抽出した文字列との文字列の対を表示装置に表示する表示部と，
前記表示装置に表示された前記文字列の対が選択された場合に，選択された前記文字列の対を記憶部に記憶する登録部とを備える
ことを特徴とする辞書作成装置。
【請求項７】
コンピュータが，
第１の文字列と第２の文字列とを取得し，
取得した前記第１の文字列と前記第２の文字列とから，それぞれ単語または複合語である文字列を抽出し，
前記第１の文字列から抽出した文字列と前記第２の文字列から抽出した文字列との文字列の対を表示装置に表示し，
前記表示装置に表示された前記文字列の対が選択された場合に，選択された前記文字列の対を記憶部に記憶する過程を実行する
ことを特徴とする辞書作成方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【公開番号】特開２０１３−６５０６８（Ｐ２０１３−６５０６８Ａ）
【公開日】平成２５年４月１１日（２０１３．４．１１）
【国際特許分類】
【出願番号】特願２０１１−２０１８５３（Ｐ２０１１−２０１８５３）
【出願日】平成２３年９月１５日（２０１１．９．１５）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
【公開日】平成２５年４月１１日（２０１３．４．１１）
【国際特許分類】
【出願日】平成２３年９月１５日（２０１１．９．１５）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]