参照記述の表記揺れ同定問題に対するアプローチ

抄録

データベースを利用した統計データ分析において、同じ対象を指示する 記述のグループ化は避けて通ることができない重要な前処理である。特 に大規模なデータベースで表記のばらつきが大きい場合には、辞書や正 規化ルールの構築に要するコストは大きなものになる。そこで本稿では、 名前同定の自動化の可能性について検討し、(i) 与えられた任意の２つ の記述が同じ対象を指示するかどうかを判定する２値分類器、および (ii) 同一指示の記述どうしを結んで得られるネットワーク構造上での グラフ・クラスタリングの適用について考察する。