論文データにおける機関名同定　ー編集距離アルゴリズムの適用とその問題点ー

抄録

我々は機関別の産学共同研究や研究動向の調査を目的として、国立情報学研究所が作成している引用索引データベースであるCJPデータベースの著者所属情報の名寄せを行っている。このデータベースには約４４０万レコードの著者情報があり、独自のストップワード等を利用した機関名、部門名の切り分けと定型表現の規格化、組織の階層構造による上位組織名の切り出し等をした後に、出現頻度が２０以上の組織名について目視による名寄せ処理をおこなっている。このデータを用いて約８６_%_のデータが名寄せされたが、さらに編集距離アルゴリズムを用いて、このアルゴリズムが利用できる条件や問題点、成功率等について議論をおこなう。