データベース照合に基づくテキスト・エンティティの同定に関する研究

基于数据库匹配的文本实体识别研究

基本信息

批准号：
17650035
负责人：
相澤彰子
金额：
$ 2.24万
依托单位：
National Institute of Informatics
依托单位国家：
日本
项目类别：
Grant-in-Aid for Exploratory Research
财政年份：
2005
资助国家：
日本
起止时间：
2005 至无数据
项目状态：
已结题

项目摘要

本研究では、テキスト中に出現する特定の「エンティティ」(実世界の実在物)に関する記述を、データベース上で一元的に管理されている「レコード」に対応づけるためのエンティティ同定処理技術を研究した。特に大規模なエンティティ同定問題に特徴的な検討課題として、(i)同定候補の高速な数え上げ手法の提案、(ii)機械学習の効果的な適用、の2点に焦点をあてて検討を行った。ここで、(i)は、何千万という候補に対して1つ1つ同定のための比較関数を適用することは不可能であることから、(ii)は、言語や領域に固有の知識の実装コストを低減し同定システムの汎用性を高めるために、エンティティ同定には必須の要素技術である。これに基づき本研究においては、(i)サフィックスアレイと呼ばれるデータ構造を利用した高速数え上げ処理手法と、(ii)(i)の結果に機械学習を適用することによる同定ルールの自動獲得法および分野に特化した辞書の自動生成手法を提案した。また、論文データベースおよび図書目録を対象として、実際に数百〜数千万レコード規模のデータベースに提案手法を適用して、異なるデータベース間の統合や引用と書誌データベースの同定問題等における有効性を実証的に示した。当該分野における従来技術は主に、情報検索や機械学習の分野における既存アプローチの応用事例的な色彩が強い。これに対して本研究は、レコードやエンティティの同定問題を、「テキストを現実世界のモノに対応づけるための基盤的な技術」と捉えた点が特徴的であり、今後は適用範囲を広げ、汎用的なテキストのリンケージ技術として発展させたい。

在这项研究中，我们研究了实体识别处理技术，用于将文本中出现的特定“实体”（现实世界实体）的描述与数据库中集中管理的“记录”相关联。我们特别关注大规模实体识别问题的两个问题：（i）提出一种快速枚举识别候选者的方法，以及（ii）有效应用机器学习。这里，（i）不可能一一应用比较函数来识别数千万个候选者，（ii）基于语言和领域特定的知识，这是实体识别的一项必不可少的基础技术。降低实施成本并增加识别系统的通用性。基于此，本研究重点关注（i）使用称为后缀数组的数据结构的高速计数处理方法，以及（ii）通过将机器学习应用于（i）的结果来自动获取识别规则的方法。我们提出了一种专门针对 .此外，我们将所提出的方法应用于具有数百至数千万条记录的实际数据库，针对文章数据库和图书目录，并证明了其在不同数据库之间的集成以及引文和书目数据库识别等问题上的有效性。显示。该领域的常规技术主要是信息检索和机器学习领域现有方法的应用示例。相比之下，这项研究的独特之处在于它将识别记录和实体的问题视为“将文本与现实世界中的对象关联起来的基础技术”，并计划在未来扩大其应用范围。将该技术开发为通用文本链接技术。

项目成果

期刊论文数量（4）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

土木関連用語辞典の見出し語の分析と検索システムにおける活用に関する考察

土木工程相关术语词典中的词条分析及其在搜索系统中的使用考虑

DOI：
发表时间：
2005
期刊：
情報処理学会研究会報告 2005-FI-80
影响因子：
0
作者：
相澤彰子;野末道子;今尚之;坂本真至;中渡瀬秀一
通讯作者：
中渡瀬秀一

大規模異種データベース間でのレコード同定手法とその適用例

大规模异构数据库中的记录识别方法及其应用实例

DOI：
发表时间：
2006
期刊：
大規模データ・リンケージ、データマイニングと統計手法予稿集
影响因子：
0
作者：
M.Ohira;K.Nakakoji;K.Matsumoto;渡辺俊貴他;木戸裕樹他;木戸裕樹他;相澤彰子
通讯作者：
相澤彰子

A Fast Linkage Detection Scheme for Multi-Source Information Integration

DOI：
10.1109/wiri.2005.2
发表时间：
2005-04
期刊：
International Workshop on Challenges in Web Information Retrieval and Integration
影响因子：
0
作者：
Akiko Aizawa;K. Oyama
通讯作者：
Akiko Aizawa;K. Oyama

テキストコーパスからの上下関係抽出

从文本语料库中提取层次关系