JP2014092967A - 同一項目検出装置及びプログラム - Google Patents

Abstract

【課題】複数のデータベースそれぞれに設定されている項目の中から同一の項目を対応付ける処理の負荷を従来に比して軽減する。
【解決手段】複数のデータベースそれぞれに設定されている項目情報を抽出して１組の項目情報の組合せから成る項目情報ペアを抽出するペア情報設定部１１と、一致度の取りうる範囲が算出可能な項目情報ペアに対して当該範囲を算出する一致度範囲算出部１２と、一致度が求められていないものの中から一致度算出対象の項目情報ペアを選出する一致度算出ペア特定部１３と、選出された項目情報ペアにおける一致度を算出する一致度算出部１４と、を有し、一致度の取りうる上限値が一致判定用閾値を下回る項目情報ペアを対象外として一致度を算出する処理を繰り返し、一致度が一致判定用閾値以上となる項目情報ペアに含まれる項目を同一を判定する。
【選択図】図１

Description

本発明は、複数のデータベースそれぞれに登録されている項目の中から同一である項目を検出する技術に関する。

従来から、データベース管理者や利用部署の違いなどから同一のシステムにおいて同類のデータベースを複数設けて運用する場合があった。このようなシステムにおいて、データベースを統合したり、各データベースに登録されている各項目を関連付けたりする場合、各データベースそれぞれに登録されている項目の中から同一である項目を検出して対応付ける必要がある。例えば、異なる複数のデータベース中の属性値同士の比較結果の一致度が高いものから属性項目同士を対応付ける技術が提案されている（例えば、特許文献１）。

特開２００４−８６７８２号公報

しかしながら、従来においては、同じ属性項目同士を対応付ける際に、全てのデータベースに含まれている各項目の属性項目を総当たりで照合し、一致度の高い属性項目同士を対応付けるようにしていたので、データベース間の属性項目の対応付けに多大な処理負荷、時間を要していた。

本発明は、複数のデータベースそれぞれに設定されている項目の中から同一の項目を対応付ける処理の負荷を従来に比して軽減することを目的とする。

本発明に係る同一項目検出装置は、複数のデータベースそれぞれに登録されている項目データの項目情報を抽出する項目情報抽出手段と、前記項目情報抽出手段により抽出された項目情報の中から２つの項目情報を選択することにより、当該２つの項目情報から成る項目情報ペアを少なくとも１つ形成し、その形成した項目情報ペアの中から一致度の算出対象とする項目情報ペアを一致度算出ペアとして特定する一致度算出ペア特定手段と、前記一致度算出ペア特定手段により特定された一致度算出ペアに含まれる各項目情報に対応する項目データを照合することによって当該項目情報に対応する項目データの一致度を算出する一致度算出手段と、前記一致度算出手段により一致度が算出された項目情報ペアの中に、一方の項目情報を共通とし、かつ他方の項目情報の間で一致度が算出されていない項目情報ペアの組が存在する場合、前記他方の項目情報の間における一致度の取りうる範囲を算出する一致度範囲算出手段と、前記一致度範囲算出手段、前記一致度算出ペア特定手段及び前記一致度算出手段における各処理を繰り返し実行することで、前記一致度範囲算出手段により算出された一致度の取りうる範囲の上限が予め設定された一致判定用閾値に達していない項目情報ペアを除き、前記項目情報抽出手段により抽出された項目情報の間における一致度を順次算出させる一致度算出処理制御手段と、前記一致判定用閾値以上となる一致度が算出された項目情報ペアに含まれる各項目情報により特定される項目を同一の項目と判定する判定手段と、を有するものである。

また、項目情報ペア毎に、当該項目情報ペアに含まれる各項目情報に対応する項目データの一致度及び当該一致度の取りうる範囲の各算出値を少なくとも含む項目情報ペア情報を保持する項目情報ペア情報テーブルを記憶する項目情報ペア情報記憶手段と、前記項目情報抽出手段により抽出された項目情報の中から２つの項目情報を選択することにより形成される前記項目情報ペアそれぞれに設定される項目情報ペア情報を保持する前記項目情報ペア情報テーブルを生成する項目情報ペア情報生成手段と、を有し、前記一致度算出ペア特定手段及び前記一致度範囲算出手段は、前記項目情報ペア情報テーブルの設定内容を参照してそれぞれ処理を行うものである。

また、管理者により一致していると認識されている項目の組から成る項目情報ペアが予め設定される対応関係情報テーブルを記憶する対応関係情報記憶手段を有し、前記項目情報ペア情報生成手段は、前記対応関係情報テーブルに設定されている項目情報ペアにおける一致度として一致判定用閾値以上の値を前記項目情報ペア情報テーブルに設定するものである。

また、データベースを関連付けるためのキーとなる項目の項目情報の組から成るキー項目情報ペアが予め設定される対応キー情報テーブルを記憶する対応キー情報記憶手段を有し、前記一致度算出手段は、前記対応キー情報テーブルに設定されたキー項目情報ペアに基づき前記データベースを関連付けして項目データの一致度を算出するものである。

また、前記項目情報ペア情報生成手段は、前記項目情報ペア情報テーブルに保持されている各項目情報ペア情報に、当該項目情報ペア情報に含まれている各項目情報が設定されたデータベースに対応する、前記対応キー情報テーブルに設定されているキー項目情報ペアを対応付けして設定するものである。

また、前記一致度範囲算出手段は、前記他の項目情報に対応する全ての項目データを用いずに一致度の取りうる範囲を算出するものである。

また、一致していない１組の項目データに含まれている各文字列の間に、予め設定された一致条件を満たす関係がある場合に、一方の項目データは誤入力された項目データと判定する誤入力判定手段を有するものである。

また、前記誤入力判定手段により誤入力と判定された項目データを自動的に修正する若しくは当該項目データに関する情報を出力する手段を有するものである。

また、管理者により一致していないと認識されている項目の組から成る項目情報ペアが予め設定される不一致関係情報テーブルを記憶する不一致関係情報記憶手段を有し、前記項目情報ペア情報生成手段は、前記不一致関係情報テーブルに設定されている項目情報ペアにおける一致度として一致判定用閾値を下回る値を前記項目情報ペア情報テーブルに設定するものである。

また、前記項目情報ペア情報テーブルに設定された項目情報ペア情報に基づき項目情報の関係を視認可能な項目情報対応関係グラフを生成する項目情報対応関係グラフ生成処理手段を有するものである。

本発明に係るプログラムは、コンピュータを、複数のデータベースそれぞれに登録されている項目データの項目情報を抽出する項目情報抽出手段、前記項目情報抽出手段により抽出された項目情報の中から２つの項目情報を選択することにより、当該２つの項目情報から成る項目情報ペアを少なくとも１つ形成し、その形成した項目情報ペアの中から一致度の算出対象とする項目情報ペアを一致度算出ペアとして特定する一致度算出ペア特定手段、前記一致度算出ペア特定手段により特定された一致度算出ペアに含まれる各項目情報に対応する項目データを照合することによって当該項目情報に対応する項目データの一致度を算出する一致度算出手段、前記一致度算出手段により一致度が算出された項目情報ペアの中に、一方の項目情報を共通とし、かつ他方の項目情報の間で一致度が算出されていない項目情報ペアの組が存在する場合、前記他方の項目情報の間における一致度の取りうる範囲を算出する一致度範囲算出手段、前記一致度範囲算出手段、前記一致度算出ペア特定手段及び前記一致度算出手段における各処理を繰り返し実行することで、前記一致度範囲算出手段により算出された一致度の取りうる範囲の上限が予め設定された一致判定用閾値に達していない項目情報ペアを除き、前記項目情報抽出手段により抽出された項目情報の間における一致度を順次算出させる一致度算出処理制御手段、前記一致判定用閾値以上となる一致度が算出された項目情報ペアに含まれる各項目情報により特定される項目を同一の項目と判定する判定手段、として機能させるためのものである。

本発明によれば、複数のデータベースそれぞれに設定されている項目の中から同一の項目を対応付ける処理の負荷を従来に比して軽減することができる。

また、管理者により一致していると認識されている項目の組から成る項目情報ペアにおける一致度として一致判定用閾値以上の値を計算することなく設定するようにしたので、同一の項目の検出に要する処理負荷を軽減することができる。

また、全ての項目データを用いずに一致度の取りうる範囲を算出するようにしたので、同一の項目の検出に要する処理負荷を軽減することができる。

また、同一性の判定対象となっている項目の項目データに含まれている誤入力された項目データを検出することができる。

また、誤入力と判定された項目データを自動的に修正したり、当該項目データに関する情報を管理者に通知することができる。

また、管理者により一致していないと認識されている項目の組から成る項目情報ペアにおける一致度として一致判定用閾値を下回る値を計算することなく設定するようにしたので、同一の項目の検出に要する処理負荷を軽減することができる。

また、項目情報に対応する項目が同一かどうかの判定結果をグラフ形式で視認可能に知らせることができる。

本発明に係る同一項目検出装置の一実施の形態を示したブロック構成図である。 本実施の形態における同一項目検出装置を形成するコンピュータのハードウェア構成図である。 本実施の形態における対応関係情報記憶部に設定登録された対応関係情報のデータ構成例を示した図である。 本実施の形態における対応キー情報記憶部に設定登録された対応キー情報のデータ構成例を示した図である。 本実施の形態における項目情報ペア情報記憶部に設定登録される項目情報ペア情報のデータ構成例を示した図である。 本実施の形態における同一項目検出処理を示したフローチャートである。 本実施の形態における項目情報対応関係グラフを模式的に示した図である。 本実施の形態において項目情報ペアの組の対応関係を示す概念図である。 本実施の形態における一致度算出対象特定部により一致度算出ペアを選出する第１の処理を説明するために用いる、項目情報の対応関係を示す概念図である。 本実施の形態における一致度算出対象特定部により一致度算出ペアを選出する第２の処理を説明するために用いる、項目情報の対応関係を示す概念図である。 本実施の形態における一致度算出対象特定部により一致度算出ペアを選出する第３の処理を説明するために用いる、項目情報の対応関係を示す概念図である。 本実施の形態における一致度算出処理を実施した結果、得られる項目情報対応関係グラフを模式的に示した図である。 本実施の形態において項目の対応付け対象とするデータベースの各データ設定例を示した図である。 本実施の形態の同一項目検出処理の実行の過程における項目情報ペア情報テーブルのデータ設定例を示した図である。 図１４に示した項目情報ペア情報テーブルのデータ設定の内容に基づき生成された項目情報対応関係グラフを模式的に示した図である。 図１４に示した設定内容から、一致度範囲を算出した後の項目情報ペア情報テーブルのデータ設定例を示した図である。 図１６に示した設定内容から、一致度を算出した後の項目情報ペア情報テーブルのデータ設定例を示した図である。 図１７に示した項目情報ペア情報テーブルのデータ設定の内容に基づき生成された項目情報対応関係グラフを模式的に示した図である。 本実施の形態の同一項目検出処理の実行の過程における項目情報ペア情報テーブルのデータ設定例を示した図である。 本実施の形態の同一項目検出処理における判定結果を提示するための項目情報対応関係グラフを模式的に示した図である。 本実施の形態の同一項目検出処理における判定結果を提示するレポートの一例を示した図である。

以下、図面に基づいて、本発明の好適な実施の形態について説明する。

図１は、本発明に係る同一項目検出装置の一実施の形態を示したブロック構成図である。本実施の形態における同一項目検出装置１０は、ペア情報設定部１１、一致度範囲算出部１２、一致度算出ペア特定部１３、一致度算出部１４、同一項目判定部１５、判定結果出力部１６、一致度算出処理制御部１７、システムデータベース（ＤＢ）１、項目情報ペア情報記憶部２１、対応関係情報記憶部２２、対応キー情報記憶部２３及び一致判定用閾値記憶部２４を有している。

図２は、本実施の形態における同一項目検出装置１０を形成するコンピュータのハードウェア構成図である。本実施の形態における同一項目検出装置１０は、従前から存在する汎用的なコンピュータ、例えばパーソナルコンピュータのハードウェア構成で実現できる。同一項目検出装置１０を実現するコンピュータは、図２に示したようにＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ハードディスクドライブ（ＨＤＤ）３４を接続したＨＤＤコントローラ３５、入力手段として設けられたマウス３６とキーボード３７、及び表示装置として設けられたディスプレイ３８をそれぞれ接続する入出力コントローラ３９、通信手段として設けられたネットワークコントローラ４０を内部バス４１に接続して構成される。

ここで、本実施の形態において用いる用語について定義しておく。

まず、「項目」又は「データ項目」というのは、データベースに登録される各レコードを構成するデータの項目（アイテム）のことである。例えば、図１３におけるデータベース１ａには、建物ＩＤ、建物所属、担当者ＩＤ及び機種の４項目が設定される。

「項目データ」というのは、各項目に設定されるデータ（値）である。例えば、図１３におけるデータベース１ａの建物ＩＤには、“ＡＡ０００１”、“ＡＡ０００２”などという項目データが設定される。

「項目情報」というのは、各項目を特定するための情報である。本実施の形態では、項目の名称を項目情報として用いる。例えば、図１３におけるデータベース１ａには、「建物ＩＤ」、「建物所属」、「担当者ＩＤ」及び「機種」が項目名として設定されている。各項目に設定登録される項目データは、異なるデータベース間で同じでも、項目を識別するために付けられた項目名は、例えば、「ユーザＩＤ」と「ログインＩＤ」や、「社員証番号」と「社員ＩＤ」などのようにデータベースによって異なっている場合があり得る。

「項目情報ペア」というのは、２つの項目情報の組のことをいう。図１３においては、例えば、データベース１ａの「建物所属」と、データベース１ｂの「契約年数」と、いう２つの項目情報によって項目情報ペアは形成される。

「一致度算出ペア」というのは、一致度の算出対象として選出された項目情報ペアのことをいう。本実施の形態における項目情報ペアは、一致度が一度算出されると、二度と一致度の算出対象として取り扱われない。換言すると、一致度が一度算出された項目情報ペアは、一致度算出ペア特定部１３における一致度の算出対象候補とはならない。一致度算出ペア特定部１３により一致度の算出対象として選出されることで、その選出された項目情報ペアは、一致度算出ペアとなるが、一致度算出部１４によって一致度が算出された後は、一致度算出ペアと呼ばれることはない。

図１に戻り、同一項目検出装置１０に含まれる各構成要素について説明する。

ペア情報設定部１１は、項目情報抽出手段として設けられ、複数のデータベース１それぞれに登録されている項目データの項目情報を抽出する。ペア情報設定部１１はまた、項目情報ペア情報生成手段としても設けられており、後述する項目情報ペア情報テーブルを生成する。

一致度範囲算出部１２は、一致度範囲算出手段として設けられ、一致度算出部１４により一致度が算出された項目情報ペアの中に、一方の項目情報を共通とし、かつ他方の項目情報の間で一致度が算出されていない項目情報ペアの組が存在する場合、前記他方の項目情報の間における一致度の取りうる範囲を算出する。

一致度算出ペア特定部１３は、一致度算出ペア特定手段として設けられ、ペア情報設定部１１により抽出された項目情報の中から２つの項目情報を選択することにより、当該２つの項目情報から成る項目情報ペアを少なくとも１つ形成し、その形成した項目情報ペアの中から一致度の算出対象とする項目情報ペアを一致度算出ペアとして特定する。

一致度算出部１４は、一致度算出手段として設けられ、一致度算出ペア特定部１３により特定された一致度算出ペアに含まれる各項目情報に対応する項目データを照合することによって当該項目情報に対応する項目データの一致度を算出する。

同一項目判定部１５は、判定手段として設けられ、一致判定用閾値以上となる一致度が算出された項目情報ペアに含まれる各項目情報により特定される項目を同一の項目と判定する。

判定結果出力部１６は、出力手段として設けられ、同一項目判定部１５における判定結果をディスプレイ３８やファイル、あるいは図示しないプリンタ等に出力する。なお、判定結果出力部１６は、同一項目検出装置１０の外部に設けられてもよい。

一致度算出処理制御部１７は、一致度算出処理制御手段として設けられ、一致度範囲算出部１２、一致度算出ペア特定部１３及び一致度算出部１４における各処理を繰り返し実行することで、一致度範囲算出部１２により算出された一致度の取りうる範囲の上限が予め設定された一致判定用閾値に達していない項目情報ペアを除き、ペア情報設定部１１により抽出された項目情報の間（すなわち項目情報ペア）における一致度を順次算出させる。一致度算出処理制御部１７は、その他にも同一項目検出装置１０における各構成要素１１〜１６の全体制御を行う。

データベース（ＤＢ）１は、本実施の形態において項目の対応付け対象とするデータベースである。データベース１を構成する各システムのデータベース１ａ，１ｂ，１ｃは、同一のシステム内に構築されたデータベースであるものの、データベース管理者やシステム管理者（以下、「管理者」と総称する）の違いなどから別個に構築されたデータベースである。もちろん、全てのデータベース１ａ，１ｂ，１ｃは、同一のシステム内に構築されている必要はなく、データベースに登録されている各項目を関連付ける対象として選出されていればよい。本実施の形態では、３つのデータベース１ａ，１ｂ，１ｃを例にして説明するが、このデータベースの数は複数であればよい。なお、上記の通り、各データベース１ａ，１ｂ，１ｃをまとめて説明する場合には、「データベース１」と総称する。

図３は、本実施の形態における対応関係情報記憶部２２に設定登録された対応関係情報のデータ構成例を示した図である。対応関係情報記憶部２２は、対応関係情報テーブルを記憶する対応関係情報記憶手段として設けられている。対応関係情報は、図３に示した対応関係情報テーブルにて管理される。対応関係情報は、管理者により一致していると認識されている項目の組を少なくとも含む。一致していると言うことは、当該項目情報ペアの一致度が一致判定用閾値以上であるということである。

対応関係情報テーブルには、図３に例示したように、項目の組を構成する各項目を特定する情報として項目１及び項目２が設定される。項目１には、対応付ける一方の項目に関する情報が設定登録される。具体的には、対応付ける一方のデータベースを特定するデータベース（ＤＢ）１と当該データベースにおける項目情報（項目名）１と、対応付ける際のキーとなる項目情報（項目名）を設定するキー１と、が対応付けして設定される。項目２には、対応付ける他方の項目に関する情報が項目１と同様に設定登録される。図３には、データベースＡにおける“担当者ＩＤ”とデータベースＢにおける“担当者ＩＤ”との項目の組が管理者により初期設定された例が示されている。ただ、対応関係情報テーブルには、初期設定とする項目情報ペアがされていなくてもよいし、複数の項目情報ペアが初期設定されていてもよい。

なお、この例の“担当者ＩＤ”のように、対応付ける項目名は、通常、同じ項目名となっている場合が多いと推測されるが、異なる項目名が設定される可能性もある。

また、本実施の形態では、後述するように、一致度等を一致度算出部１４に算出させるので対応関係情報に含めていないが、既知である場合には当該項目情報ペアに対応させて予め設定するようにしてもよい。

本実施の形態においては、異なるデータベースそれぞれに設定されている２つの項目情報（項目名）が仮に異なっているとしても、同じ項目データが設定されているならば、それら対応する２つの項目は同一であると判定し、その判定結果を管理者に提示可能とするが、対応関係情報テーブルには、管理者が同一であると予め認識している項目の組が事前に対応付けされ設定登録される。

図４は、本実施の形態における対応キー情報記憶部２３に設定登録された対応キー情報のデータ構成例を示した図である。対応キー情報記憶部２３は、データベースを関連付けるためのキーとなる項目の項目情報の組から成る項目情報ペアが予め設定される対応キー情報テーブルを記憶する対応キー情報記憶手段として設けられている。対応キー情報は、図４に示したように対応キー情報テーブルにて管理される。本実施の形態においては、異なるデータベースそれぞれに設定されている項目を対応付けるものであるが、対応キー情報には、異なるデータベースの項目を対応付ける際のキーとなる項目の項目情報の組（キー項目情報ペア）が設定登録される。

対応キー情報には、図４に例示したように、項目の組を構成する各項目を特定する情報として項目１及び項目２が設定される。項目１には、対応付ける一方の項目に関する情報が設定登録される。具体的には、対応付ける一方のデータベースを特定するデータベース（ＤＢ）１と、キーとなる項目情報（項目名）を設定するキー１と、が対応付けして設定される。項目２には、対応付ける他方の項目に関する情報が項目１と同様に設定登録される。

対応キー情報テーブルには、各データベースを対応付ける少なくとも１組の項目情報が設定されている必要がある。図４に示した例によると、データベースＡ及びデータベースＢは、同じ項目名 “建物ＩＤ” の項目によって対応付けられている。また、データベースＡ及びデータベースＣは、同じ項目名 “建物ＩＤ” の項目によって対応付けられている。これにより、データベースＣ及びデータベースＢも、項目名 “建物ＩＤ” の項目によって対応付けられていると言える。

一致判定用閾値記憶部２４には、算出された一致度と比較される一致判定用閾値が記憶される。

前述した対応関係情報記憶部２２、対応キー情報記憶部２３及び一致判定用閾値記憶部２４が、本実施の形態を実施する前に各テーブル内に情報が予め設定されているのに対し、項目情報ペア情報記憶部２１に記憶される項目情報ペア情報テーブルは、本実施の形態の実施開始後に生成され、各種データは、一致度算出処理を繰り返し実行する過程において逐次設定登録される。

図５は、本実施の形態における項目情報ペア情報記憶部２１に設定登録される項目情報ペア情報のデータ構成例を示した図である。項目情報ペア情報記憶部２１は、項目情報ペア情報テーブルを記憶する項目情報ペア情報記憶手段として設けられている。項目情報ペア情報は、図５に例示した項目情報ペア情報テーブルにて管理される。項目情報ペア情報は、項目情報ペア毎に、項目情報１、項目情報２、キー、一致度、全件数、一致件数、欠損値数、一致度上限及び一致度下限の各データを保存する領域が事前に用意され、項目情報ペア情報に含まれるデータの生成に伴い、当該データが所定の保存領域に書き込まれる。「項目情報１」には、項目情報ペアを形成する一方の項目情報を特定する情報として、データベースと項目情報（項目名）が設定される。「項目情報２」には、項目情報ペアを形成する他方の項目情報を特定する情報として、データベースと項目情報（項目名）が設定される。「対応キー情報」には、各データベースの各項目情報を対応付ける際に用いるキーとして、各データベース及び当該各データベースにおける項目情報が設定される。「一致度」には、項目情報１と項目情報２それぞれに対応する項目データが一致する割合が一致度として設定される。「全件数」には、当該項目情報に設定されている項目データの全件数が設定される。「一致件数」には、項目情報１に設定されている項目データと、項目情報２に設定されている項目データとの双方に設定されている件数が設定される。「欠損値数」には、一方の項目情報のみに設定されている項目データの件数が設定される。一致度、全件数、一致件数及び欠損値数は、一致度算出部１４により算出される。また、本実施の形態では、一致度範囲算出部１２により一致度の取りうる範囲が算出されるが、「一致度上限」にはその範囲の上限値が、「一致度下限」にはその範囲の下限値が、それぞれ設定される。

同一項目検出装置１０における各構成要素１１〜１７は、同一項目検出装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ３１で動作するプログラムとの協調動作により実現される。また、各記憶部２１〜２４は、同一項目検出装置１０に搭載されたＨＤＤ３４又はＲＡＭ３３で実現される。あるいは、外部にある記憶手段をネットワーク経由で利用してもよい。

また、本実施の形態で用いるプログラムは、通信手段により提供することはもちろん、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ等のコンピュータ読み取り可能な記録媒体に格納して提供することも可能である。通信手段や記録媒体から提供されたプログラムはコンピュータにインストールされ、コンピュータのＣＰＵ３１がプログラムを順次実行することで各種処理が実現される。

次に、本実施の形態における動作について説明するが、同一項目検出装置１０に処理を実施させる前に、管理者は、前述したように対応関係情報、対応キー情報及び一致判定用閾値を各記憶部２２〜２４に予め設定しておく。以下、本実施の形態における同一項目の検出処理を図６に示したフローチャートを用いて説明する。

管理者により本処理のプログラムが起動されると、一致度算出処理制御部１７は、まずペア情報設定部１１を起動する。ペア情報設定部１１は、一致度算出処理制御部１７により起動されると、各データベース１ａ，１ｂ，１ｃからそれぞれに設定されているデータ項目の項目名を抽出する（ステップ１０１）。そして、全ての項目名を組み合わせることで項目情報ペアを形成し、項目情報ペア毎に、前述した項目情報ペア情報を保存するための項目情報ペア情報テーブルを生成する（ステップ１０２）。例えば、図１３に示した例によると、データベース１ａから“建物ＩＤ”、“建物所属”、“担当者ＩＤ”及び“機種”を、データベース１ｂから“建物ＩＤ”、“契約種別”、“契約年数”及び“契約条件”を、データベース１ｃから“建物ＩＤ”、 “担当者ＩＤ” 、“担当者所属”、“作業種類”及び“作業条件”を、それぞれ抽出し、各項目情報を組み合わせて項目情報ペアを形成し、項目情報ペア情報テーブルに設定登録する。具体的には、ペア情報設定部１１は、各項目情報ペアを図５における項目情報１と項目情報２に登録する。なお、全ての項目名の組み合わせとは言っても、１つのデータベースの中に同じデータ項目が存在することは通常はないので、同じデータベースに含まれる項目情報で項目情報ペアを形成する必要はないかもしれない。ただ、論理的にはあり得るし、また情報として提供するためにも、本実施の形態においては、同じデータベースに含まれる項目情報で項目情報ペアを形成するものとする。もちろん、形成しないようにしてもよい。

なお、本実施の形態では、処理対象のデータベース１の複製を同一項目検出装置１０の内部に事前に用意するようにしたが、複製を作成せずに外部にあるデータベース１に直接アクセスするようにしてもよい。

続いて、ペア情報設定部１１は、対応キー情報記憶部２３から対応キー情報として設定されている項目１，２を取り出し、項目情報ペア情報テーブルにおける「対応キー情報」に設定登録する（ステップ１０３）。なお、本実施の形態では、項目情報ペア情報テーブルに対応キー情報を設定登録するようにしたが、設定登録せずに、必要なときにその都度対応キー情報テーブルを参照するようにしてもよい。

更に、ペア情報設定部１１は、対応関係情報記憶部２２から対応関係情報を取り出し、この対応関係情報に対応する項目情報ペアに対し、一致度、全件数、一致件数及び欠損値数を算出し、項目情報ペア情報テーブルに設定登録する（ステップ１０４）。この一致度等の算出に関しては、一致度算出部１４に処理を依頼してもよい。一致度の算出の具体的な処理内容については、一致度算出部１４における一致度算出処理の説明と合わせて説明する。

ここでの処理のように、一致度の取りうる範囲より先に一致度が算出されると、ペア情報設定部１１は、一致度上限及び一致度下限に、算出された一致度を設定する。なお、対応関係情報テーブルに設定されている項目情報ペアの一致度は、一致判定用閾値以上であることは明らかなので、ペア情報設定部１１は、一致度算出部１４に一致度を算出させることなく、一致判定用閾値以上の値（例えば１．００）を一致度、一致度上限及び一致度下限に設定するようにしてもよい。

以上のように、ステップ１０１〜１０４における処理を実行した結果、得られる項目情報ペア情報の例が図５に示されている。なお、ステップ１０３とステップ１０４とは、どちらを先に実行してもよい。

ところで、項目情報対応関係グラフ生成処理手段（図示せず）を設けることによって、項目情報ペア情報テーブルに設定された項目情報ペア情報に基づき項目情報対応関係グラフを生成するようにしてもよい。図５に例示した内容の項目情報ペア情報に基づき生成された項目情報対応関係グラフを模式的に示した図を図７に示す。図７において、項目情報グループ１０１ａにはデータベース１ａから抽出した項目情報が含まれる。同様に、項目情報グループ１０１ｂにはデータベース１ｂから抽出した項目情報が、項目情報グループ１０１ｃにはデータベース１ｃから抽出した項目情報が、それぞれ含まれる。そして、対応キー情報に基づきキー項目の対応関係を線１０２で示している。更に、一致度がすでに算出されている項目情報ペアが線１０３で接続されている。

以上のようにして、ペア情報設定部１１により現時点で判明している項目情報ペア情報が項目情報ペア情報テーブルに設定されると、一致度算出処理制御部１７は、一致度範囲算出部１２を起動する。

一致度範囲算出部１２は、起動されると、現時点において設定されている項目情報ペア情報を参照し、図８に例示したような関係を持つ項目情報ペアの組を探索する。すなわち、一致度範囲算出部１２は、一致度算出部１４により一致度が算出された項目情報ペアの中に、一方の項目情報（図８における「項目情報Ａ」）を共通とし、かつ他方の項目情報（図８における「項目情報Ｂ」及び「項目情報Ｃ」）の間で一致度が現時点で算出されていない項目情報ペア（図８における「ペアＰ１」及び「ペアＰ２」）の組が存在する場合、その項目情報ペアの組の全てに対し、他方の項目情報の間における一致度の取りうる範囲を算出する。つまり、図８に示した例では、項目情報ペアＰ１は一致度αが、項目情報ペアＰ２は一致度βが、それぞれ算出されており、項目情報ペアＰ１と項目情報ペアＰ２は、それぞれに共通する項目情報（項目情報Ａ）を含んでおり、各項目情報ペアの他方の項目情報（「項目情報Ｂ」及び「項目情報Ｃ」）における一致度γは算出されていないことが確認できた場合、項目情報Ｂと項目情報Ｃとの間における一致度γの取りうる範囲を算出する。一致度γの取りうる範囲は、以下の式を用いて計算する。

ｍａｘ｛α＋β−１，０｝≦γ≦｜α−β｜ ・・・（１）

但し、式（１）において、αは項目情報ペアＰ１の一致度、βは項目情報ペアＰ２の一致度、γは項目情報ペアＰ１及び項目情報ペアＰ２に含まれる項目情報の組であって算出されていない一致度、ｍａｘ関数は、（α＋β−１）と０とのうち大きい値とする。本実施の形態では、このように既知の項目情報ペアにおける一致度を用い、当該項目情報ペアを構成する項目の項目データを用いない方法にて一致度γの取りうる範囲を算出する。

以上のようにして一致度γの取りうる範囲を算出すると、一致度範囲算出部１２は、その算出結果を、項目情報ペア情報における当該項目情報ペア（上記例では、項目情報Ｂと項目情報Ｃとの組）に対応する一致度上限及び一致度下限に設定登録する（ステップ１０５）。

なお、一致度範囲算出部１２における最初の処理実行時点では、対応関係情報テーブルに設定されている項目情報ペアの間の一致度しか求められていない。本実施の形態の場合、図３に例示したように、データベース１ａとデータベース１ｂの各担当者ＩＤの組による項目情報ペアＰ１のみが存在する状況であるため、図８に例示した関係が１組も形成されない。このような場合には、一致度範囲算出部１２において一致度の取りうる範囲は算出されないことになる。

一致度範囲算出部１２における処理が終了すると、一致度算出処理制御部１７は、一致度算出ペア特定部１３を起動する。一致度算出ペア特定部１３は、起動されると、項目情報ペア情報テーブルを参照し、次の手順にて項目情報ペアの中から一致度の算出対象とする一致度算出ペアを特定する（ステップ１０６）。本実施の形態では、一致度の算出対象候補となる項目情報ペアがなくなるまで、常に１つの項目情報ペアを一致度算出ペアとして選出することにしている。本実施の形態における一致度算出ペア特定部１３は、４つの処理手順を設定して、各処理手順に設定された優先順位（本実施の形態では第１の処理から第４の処理まで順番）に従って各処理を順次実施するようにしている。

まず、第１の処理について図９を用いて説明する。図９において英字はそれぞれ項目情報名とする。図９（ａ）では、項目情報Ａと各項目情報Ｂ，Ｃ，Ｄとの間でのみ一致度が算出されているものとする。図９（ｂ）においては項目情報Ｆと各項目情報Ｇ，Ｈとの間でのみ一致度が算出されているものとする。

ここで、項目情報Ａと項目情報Ｅとから成る項目情報ペアを一致度算出ペアとして選出したと仮定する。つまり、ステップ１０７において、項目情報Ａと項目情報Ｅとの間の一致度を算出したと仮定する。そうすると、図９（ａ）の関係を図８に当てはめてみると、次に実施されるステップ１０５においては、項目情報Ｅと項目情報Ｂ，Ｃ，Ｄとの間で一致度γの取りうる範囲が計算可能になる。つまり、新規に３カ所の一致度の取りうる範囲（以下、「一致度範囲」ともいう）を算出対象とすることができる。

一方、図９（ｂ）に例示したように、項目情報Ｆと項目情報Ｉとから成る項目情報ペアを一致度算出ペアとして選出したと仮定する。つまり、ステップ１０７において、項目情報Ｆと項目情報Ｉとの間の一致度を算出したと仮定する。そうすると、図９（ｂ）の関係を図８に当てはめてみると、次に実施されるステップ１０５においては、項目情報Ｉと項目情報Ｇ，Ｈとの間で一致度γの取りうる範囲が計算可能になる。つまり、新規に２カ所の一致度範囲を算出対象とすることができる。

第１の処理では、次に実施されるステップ１０５において一致度範囲の算出対象となる項目情報ペアの数を求め、その項目情報ペアの数が最大となる項目情報ペアを一致度算出ペアとして選出する。図９に示した例では、項目情報Ａと項目情報Ｅとから成る項目情報ペアは、項目情報Ｆと項目情報Ｉとから成る項目情報ペアより多く、最大の項目情報ペアを一致度範囲の算出対象とすることができるので、一致度算出ペアとして選出されることになる。

第１の処理では、一致度γの取りうる範囲が計算もされていない項目情報ペアの数を減らすことを目的としている。後述するように、一致度γの上限が一致判定用閾値に達していないということは、当該項目情報ペアに含まれる１組の項目情報は、同じ項目でないと判定されることになる。ステップ１０７においては、一致度を１つの項目情報ペアずつ算出していくので、１つの項目情報ペアのみが、項目が一致しているか否かの判定が可能になる。これに対し、ステップ１０５においては、図８に示すような関係に該当する項目情報ペア全てに対し一致度範囲を算出している。つまり、ステップ１０５における一度の処理で複数の一致度範囲が算出可能であり、その算出により得られた一致度上限が一致判定用閾値に達していなければ、その達していない項目情報ペアに含まれる項目は同一でないと判定できる。つまり、ステップ１０７では常に１組の項目情報のみを同一か否かを判定しているのに対し、ステップ１０５では複数組の項目情報を同一か否かを判定することが可能になる。処理効率化の観点から第１の処理を一致度算出ペアを選出する最初の処理手順としている。

この第１の処理でただ１つの項目情報ペアが一致度算出ペアとして選出できれば、以降の第２乃至第４の処理は実行せずに終了する。但し、次に実施されるステップ１０５において一致度範囲の算出対象となる項目情報ペアの数が最大となる項目情報ペアが複数存在する場合、ただ１つの項目情報ペアを特定できないので、この場合は第２の処理に移行する。以下、第２の処理について図１０を用いて説明する。

第２の処理の対象となるのは、第１の処理において選出された複数の項目情報ペアである。そして、この中で一致度の最も高い項目情報ペアを特定し、その項目情報ペアに含まれる一方の項目情報との間でまだ一致度が算出されていない項目情報とから成る項目情報ペアを一致度算出ペアとして選出する。図１０に示した例によると、一致度αが一致度βより大きく最大と判定されたので、図１０（ａ）に示した項目情報ペアに含まれる項目情報Ｋと、項目情報Ｋとの間で一致度が算出されていない項目情報Ｌとから成る項目情報ペアを一致度算出ペアとして選出する。図１０（ａ）を図９（ａ）に当てはめると、項目情報Ｊは項目情報Ｂ，Ｃ，Ｄに対応し、項目情報Ｋが項目情報Ａに対応し、項目情報Ｌが項目情報Ｅに対応する。なお、図９（ａ）を参照すると、項目情報Ａと項目情報Ｅから成る項目情報ペアが一致度算出ペアとして常に選出されるようにみえる。ただ、図９（ａ）に例示したように、新規３カ所の一致度範囲が算出可能な項目情報ペアは複数存在するので、複数の項目情報ペアが一致度の算出候補として存在している。

第２の処理では、項目情報Ｊと項目情報Ｋとの間における一致度が高いので、項目情報Ｋと項目情報ペアを成す項目情報は、他と比較して一致度が高い可能性があるとも考えられる。従って、第２の処理では、一致度が高いであろう項目情報ペアを優先して一致度を算出するようにしている。

この第２の処理でただ１つの項目情報ペアが一致度算出ペアとして選出できれば、以降の第３及び第４の各処理は実行せずに終了する。ここで、一致度αが最大であるのにかかわらず、一致度αの項目情報ペアが複数存在することにより、ただ１つの項目情報ペアを特定できない場合には、第３の処理に移行する。以下、第３の処理について図１１を用いて説明する。

第３の処理対象となるのは、第２の処理において選出された複数の項目情報ペアである。そして、選出された複数の項目情報ペアの中で、一致度範囲が算出されており、その算出された一致度範囲の幅が最大となる項目情報ペアを一致度算出ペアとして選出する。つまり、図１１（ａ）に示したように、項目情報ペアＰ３における一致度上限γｍａｘ１と一致度下限γｍｉｎ１の差分である一致度範囲値（γｍａｘ１−γｍｉｎ１）を求める。図１１（ｂ）においても同様に一致度範囲値（γｍａｘ２−γｍｉｎ２）を求める。そして、一致度範囲値を求めた項目情報ペアの中で一致度範囲値が最大値となる項目情報ペアを一致度算出ペアとして選出する。仮に、複数の項目情報ペアが該当する場合は、いずれか任意の一方を選出すればよい。どちらを選ぼうと同じだからである。

第３の処理は、一致度範囲が広すぎるため一致度を確定させたい場合に有効である。特に、一致度上限が一致判定用閾値を超え、一致度下限が一致判定用閾値を下回る場合は一致度を明確にしたいので、このような場合を選出条件としてもよい。なお、一致度上限が一致判定用閾値を下回っている項目情報ペアは、一致度算出ペアの選出対象とする必要はない。

この第３の処理でただ１つの項目情報ペアが一致度算出ペアとして選出できれば、第４の各処理は実行せずに終了する。該当する項目情報ペアが複数存在することにより、ただ１つの項目情報ペアが選出できない場合には、第４の処理に移行する。

第４の処理は、第３の処理において選出された複数の項目情報ペアの中から任意の１つの項目情報ペアを選出する。あるいは、第３の処理を通過していない項目情報ペアを含めた全体の中から選出してもよい。

一致度算出ペア特定部１３は、前述した処理手順に従ってただ１つの一致度算出ペアを特定する。この一致度算出ペアを特定する処理においては、一致度γの上限が一致判定用閾値に達していない項目情報ペアは一致度の算出対象候補から外すようにしている。これは、第１の処理においても説明したように、一致度γの上限が一致判定用閾値に達していないということは、当該項目情報ペアに含まれる１組の項目情報は、同じ項目でないことは明らかだからである。従って、一致度を算出する必要はない。本実施の形態では、このように一致度γの上限が一致判定用閾値に達していない項目情報ペアに対しては一致度を算出しないようにしたので、項目の同一性を判断する処理を効率化できる。

一致度算出ペア特定部１３により一致度算出ペアが特定されると、一致度算出処理制御部１７は、一致度算出部１４を起動する。一致度算出部１４は、起動されると、次の一致度算出処理を実行する（ステップ１０７）。

一致度算出部１４は、特定された一致度算出ペアにおける対応キー情報を項目情報ペア情報テーブルから取り出す。また、一致度算出部１４は、特定された一致度算出ペアに含まれる項目情報に対応する項目データを該当するデータベース１から取り出す。そして、対応キー情報に含まれている項目情報をキーとして各項目データを結合する。結合すると、結合したテーブルにおいて、全件数、一致件数及び欠損値数を求め、以下の式（２）に代入することで一致度を算出する。

一致度＝一致件数÷（全件数−欠損値数） ・・・（２）

一致度算出部１４は、算出した一致度並びに算出の過程において算出した全件数、一致件数及び欠損値数を、項目情報ペア情報テーブルにおいて一致度算出ペアに対応する保存領域に設定登録する。

ここで、未処理の項目情報ペア情報が存在する場合（ステップ１０８でＹ）、前述したステップ１０５〜１０７を繰り返し実行する。ここで、未処理の項目情報ペア情報というのは、算出された一致度範囲が一致判定用閾値に達していない項目情報ペア情報を除き、一致度が算出されていない項目情報ペア情報がこれに該当する。算出された一致度範囲が一致判定用閾値に達していない項目情報ペア情報を除くのは、前述したように一致度を算出する必要がないからである。

前述したステップ１０５〜１０７を繰り返し実行した結果、未処理の項目情報ペア情報が存在しなくなった場合（ステップ１０８でＮ）、一致度算出処理制御部１７は、同一項目判定部１５を起動する。同一項目判定部１５は、起動されると、項目情報ペア情報テーブルを参照し、一致度が一致判定用閾値以上の項目情報ペア情報を抽出する。同一項目判定部１５は、この抽出した項目情報ペアに含まれる各項目情報に対応する項目を同一と判定する（ステップ１０９）。

同一項目判定部１５による判定処理が終了すると、一致度算出処理制御部１７は、判定結果出力部１６を起動する。判定結果出力部１６は、起動されると、同一項目判定部１５により同一と判定された項目情報ペア、すなわち項目情報の組を出力する（ステップ１１０）。出力先は、ディスプレイ３８、図示しないプリンタ、あるいはファイル等でもよい。また、判定結果に基づき項目情報対応関係グラフ生成処理手段（図示せず）により生成された項目情報対応関係グラフを模式的に示した図を図１２に示す。

管理者は、出力された項目情報対応関係グラフを参照することによって事前に同一と判明していたデータベースＡとデータベースＣの各「担当者ＩＤ」の組の他に、データベースＡにおける「建物所属」とデータベースＣにおける「担当者所属」との組も一致判定用閾値を超えているため同一の項目であると認識することができる。

図１３は、本実施の形態において項目の対応付け対象とするデータベース１ａ，１ｂ，１ｃの各データ設定例を示した図である。この項目データに基づき具体的な同一項目検出処理の内容について説明する。

ペア情報設定部１１は、一致度算出処理制御部１７により起動されると、各データベース１ａ，１ｂ，１ｃそれぞれに設定されているデータ項目の項目名を抽出する（ステップ１０１）。図１３に示した例によると、データベース１ａから“建物ＩＤ”、“建物所属”、“担当者ＩＤ”及び“機種”を、データベース１ｂから“建物ＩＤ”、“契約種別”、“契約年数”及び“契約条件”を、データベース１ｃから“建物ＩＤ”、 “担当者ＩＤ” 、“担当者所属”、“作業種類”及び“作業条件”を、それぞれ抽出する。続いて、ペア情報設定部１１は、抽出した項目情報から項目情報ペアを形成し、項目情報ペア情報テーブルを生成する（ステップ１０２）。そして、ペア情報設定部１１は、対応キー情報記憶部２３から図４に例示した対応キー情報を取り出し、項目情報ペア情報テーブルに設定登録する（ステップ１０３）。更に、ペア情報設定部１１は、対応関係情報記憶部２２から図３に例示した対応関係情報を取り出すと、このデータベースＡの「担当者ＩＤ」とデータベースＣの「担当者ＩＤ」との関係における一致度、全件数、一致件数及び欠損値数の算出を一致度算出部１４に依頼する。

図１３に示した項目データの例によると、データベースＡの「担当者ＩＤ」とデータベースＣの「担当者ＩＤ」の各項目データの全件数は２９件、一致する項目データ数（一致件数）は１９件、一方、一致していない項目データ数（欠損値数）は１０件、であるので、一致度は、１９÷（２９−１０）＝１．００と算出される。ペア情報設定部１１は、一致度算出部１４から算出結果を受け取ると、項目情報ペア情報テーブルに設定登録する（ステップ１０４）。なお、一致度範囲より先に一致度が算出されると、ペア情報設定部１１は、一致度上限及び一致度下限の双方に一致度を設定する。

この結果、項目情報ペア情報テーブルに設定された項目情報ペア情報は、図５に示したようになり、また、この項目情報ペア情報に基づき描画される項目情報対応関係グラフは、図７に示すようになる。

続いて、一致度範囲算出部１２は、項目情報ペア情報テーブルを参照することによって図８に示したような対応関係を持つ項目情報ペアの組を探すが、この時点では対応関係情報に基づく１つの項目情報ペアしか登録されていないので、一致度範囲を算出できずに処理を終える（ステップ１０５）。

続いて、一致度算出ペア特定部１３は、一致度算出ペアを特定しようとするが、この時点では、データベースＡ及びデータベースＣの各「担当者ＩＤ」のいずれかと項目情報ペアを形成しても、第１の処理の結果は最大値は１であり、かつ複数存在するので、第２の処理に移行する。第２の処理でも同様に、１つの項目情報ペアしか存在しないこの時点では、ただ１つの項目情報を特定できないため、第３の処理に移行する。この時点では、一致度範囲は、対応関係情報に予め登録されていた、データベースＡの「担当者ＩＤ」とデータベースＣの「担当者ＩＤ」との組しか存在されず、かつこの組は一致度がすでに算出されているので、第４の処理に移行する。第４の処理では、任意の１つの項目情報ペアを一致度算出ペアとして特定する。ここでは、一致度算出ペア特定部１３により無作為に選出された結果、データベースＡの「担当者ＩＤ」とデータベースＣの「担当者所属」とから成る項目情報ペアが一致度算出ペアとして特定された場合の例を示す。

図１３における項目データの設定例によると、全件数は２９件、一致する項目データ数（一致件数）は０件、一方、一致していない項目データ数（欠損値数）は１０件、であるので、一致度は、０÷（２９−１０）＝０．００と算出される（ステップ１０７）。一致度算出部１４は、この算出結果を項目情報ペア情報テーブルに設定登録する。なお、一致度範囲より先に一致度が算出されると、一致度算出部１４は、一致度上限及び一致度下限の双方に一致度を設定する。このときの項目情報ペア情報テーブルのデータ設定例を図１４に、この項目情報ペア情報テーブルのデータ設定の内容に基づき生成された項目情報対応関係グラフを模式的に示した図を図１５に、それぞれ示す。

ここで、未処理の項目情報ペアは存在するので（ステップ１０８でＮ）、ステップ１０５に移行する。一致度範囲算出部１２は、項目情報ペア情報テーブルを参照することによって図８に示したような対応関係を持つ項目情報ペアの組を探すが、図１５によると、この時点では、データベースＡの「担当者ＩＤ」を共通とし、他方の項目情報（共にデータベースＣにおける「担当者ＩＤ」と「担当者所属」）の間で一致度範囲が算出されていない項目情報ペアの組が存在する。従って、一致度範囲算出部１２は、上記式（１）を用いてデータベースＣにおける「担当者ＩＤ」と「担当者所属」との間の一致度γの取りうる範囲を算出する。具体的には、図１５に示した対応関係を図８に当てはめると、一致度αは１．００、一致度βは０．００なので、０≦γ≦０と算出される。一致度範囲算出部１２は、このようにして求めた一致度範囲を、項目情報ペア情報テーブルにおいて対応するデータベースＣにおける「担当者ＩＤ」と「担当者所属」との間の一致度上限及び一致度下限に設定する（ステップ１０５）。このときの項目情報ペア情報テーブルのデータ設定例を図１６に示す。

続いて、一致度算出ペア特定部１３は、前述した処理手順に従って項目情報ペアの中から一致度の算出対象とする一致度算出ペアを特定する（ステップ１０６）。ここでの処理は、前回と異なり、データベースＡにおける「担当者ＩＤ」とデータベースＣにおける「担当者ＩＤ」及び「担当者所属」から図９に示した対応関係となる項目情報ペアの組が存在するが、項目Ｅ，Ｉの位置にどの項目情報を設定しても、一致度範囲算出対象の最大値は１となる。つまり、複数の項目情報ペアが一致度算出ペアの候補となるので、第２の処理に移行する。第２の処理においてもデータベースＡにおける「担当者ＩＤ」とデータベースＣにおける「担当者ＩＤ」との間における一致度１．００が最大なので、データベースＡにおける「担当者ＩＤ」と項目情報ペアを形成する項目情報が複数存在するので、第２の処理ではただ１つの一致度算出ペアを特定できず、よって第３の処理に移行する。第３の処理においても一致度範囲の最大となる項目情報ペアは存在しないので、ここでも第４の処理に移行し、第４の処理によって任意の１つの項目情報ペアが一致度算出ペアとして特定される。ここでは、一致度算出ペア特定部１３により無作為に選出された結果、データベースＡの「担当者ＩＤ」とデータベースＣの「作業種類」とから成る項目情報ペアが一致度算出ペアとして特定されたものとして説明を続ける。

なお、図１６を参照すると、この時点で一致度上限が一致判定用閾値以上であって一致度がまだ算出されていない項目情報ペアは存在しないので、第４の処理によって一致度算出ペアが選出されるのは明らかである。ちなみに、今までのステップ１０５〜１０７の処理によって、データベースＡの「担当者ＩＤ」とデータベースＣの「担当者所属」との組、よってデータベースＣの「担当者ＩＤ」とデータベースＣの「担当者所属」との組は、それぞれ一致度上限が一致判定用閾値を下回ることは判明しているので、この２組の項目情報ペアは、一致度算出ペアを特定する処理において一致度算出対象候補から事前に外されている。

図１３における項目データの設定例によると、データベースＡの「担当者ＩＤ」とデータベースＣの「作業種類」との関係において、全件数は２９件、一致する項目データ数（一致件数）は０件、一方、一致していない項目データ数（欠損値数）は１０件、であるので、一致度は、０÷（２９−１０）＝０．００と算出される（ステップ１０７）。一致度算出部１４は、この算出結果を項目情報ペア情報テーブルに設定登録する。なお、一致度範囲より先に一致度が算出されると、一致度算出部１４は、一致度上限及び一致度下限の双方に一致度を設定する。このときの項目情報ペア情報テーブルのデータ設定例を図１７に、この項目情報ペア情報テーブルのデータ設定の内容に基づき生成された項目情報対応関係グラフを模式的に示した図を図１８に、それぞれ示す。

このとき、未処理の項目情報ペアは存在するので（ステップ１０８でＮ）、ステップ１０５に移行するが、未処理の項目情報ペアが存在しなくなるまでステップ１０５〜１０７は、以上のように繰り返し実行される。

ここで、ステップ１０６における一致度算出ペア特定処理において、データベースＡの「建物所属」とデータベースＣの「担当者所属」とから成る項目情報ペアが一致度算出ペアとして特定された場合における一致度算出部１４における処理について説明する。

図１３における項目データの設定例によると、データベースＡの「建物所属」とデータベースＣの「担当者所属」との関係において、全件数は２９件、一致する項目データ数（一致件数）は１７件、一方、一致していない項目データ数（欠損値数）は１０件、であるので、一致度は、１７÷（２９−１０）＝０．８９と算出される（ステップ１０７）。一致度算出部１４は、この算出結果を項目情報ペア情報テーブルに設定登録する。なお、一致度範囲より先に一致度が算出されたので、一致度算出部１４は、一致度上限及び一致度下限の双方に一致度を設定する。このときの項目情報ペア情報テーブルのデータ設定例の一部を図１９に示す。

未処理の項目情報ペアは存在する場合（ステップ１０８でＮ）、前述したようにステップ１０５〜１０７の処理を繰り返すことになるが、この処理を繰り返すことによって、一致度が算出された項目情報ペア、及び一致度範囲が算出されかつ一致度上限が一致判定用閾値を超えていない項目情報ペアが増え、いずれ未処理の項目情報ペア、すなわち、一致度範囲が設定されていない項目情報ペア、又は一致度が算出されてなくかつ設定された一致度上限が一致判定用閾値以上の項目情報ペアは存在しなくなる。本実施の形態では、一致度が算出された項目情報ペアが増えると、ステップ１０５における１度の一致度範囲算出処理において複数の項目情報ペアに対して一致度範囲が算出されてくるようになる。一致度上限が一致判定用閾値を超えていない項目情報ペアは、ステップ１０６における処理の対象外とすることができるので、換言すると一致度を算出する必要がないので、同一である項目の検出に要する処理負荷を軽減することができるようになる。

未処理の項目情報ペアは存在しなくなると（ステップ１０８でＮ）、一致度算出処理制御部１７は、同一項目判定部１５を起動する。

同一項目判定部１５は、起動されると、項目情報ペア情報テーブルを参照し、一致度が一致判定用閾値以上となる項目情報ペアを抽出し、当該項目情報ペアに含まれている各項目情報に対応する項目は同一であると判定する（ステップ１０９）。同一項目判定部１５が項目の同一性を判定すると、同一項目判定部１５は、判定結果をＨＤＤ３４又はＲＡＭ３３などの記憶手段に記憶させる。

その後、例えば、ユーザは、マウス３６等の入力手段を用いて所定の操作にすることで判定結果の出力を要求する。一致度算出処理制御部１７は、ユーザからの判定結果出力要求に応じて判定結果出力部１６を起動する。判定結果出力部１６は、起動されると、記憶手段から同一項目判定部１５による判定結果を読み出し、その判定結果を所定の形式にてディスプレイ３８などユーザにより指定された出力手段に出力させる（ステップ１１０）。例えば、判定結果出力部１６は、項目情報対応関係グラフ生成処理手段（図示せず）により判定結果を表示する項目情報対応関係グラフを生成させ、それを表示するようにしてもよい。図２０は、この項目情報対応関係グラフの表示例を示した図である。図１９に示したように、項目情報対応関係グラフには、キー項目の対応関係を示す線１０４と、一致度が一致判定用閾値０．８以上となった項目情報ペアを表す線１０５と、が含まれており、線１０５には、一致度が対応付けて表示される。

なお、本実施の形態では、一致度が一致判定用閾値０．８以上となった項目情報ペアのみを表示するようにしたが、一致判定用閾値を下回る情報を表示するようにしてもよい。

管理者は、この表示内容を参照して、同一と判定された項目の項目データを確認する。また、データベースを結合するなどの作業を行ってもよい。

図２１は、同一項目判定部１５による判定結果をレポート形式にて出力した場合のレポートの一例を示した図である。図２１のように、不一致の項目データを明示して判定結果を出力するようにしてもよい。

本実施の形態においては、以上説明した処理によって同一である項目を検出し、その結果を管理者に提示するようにしたが、これに限定することなく種々の変形例を適用してもよい。

例えば、一致度範囲算出部１２は、式（１）を用いて一致度γの取りうる範囲を算出したが、以下のようにして算出してもよい。

一致度範囲を算出する項目情報ペアに含まれる各項目の項目データからランダムに選択したＮ’件の範囲での一致度をγ’としたとき、全体の一致率を信頼率９５％で区間推定すると、一致度γは、

という式にて算出できる。この計算式の詳細については、「基礎統計学Ｉ 統計学入門
」東京大学教養学部統計学教室編、東京大学出版会、１９９１年を参照できる。この統計的方式を用いることで、項目情報ペアに含まれる各項目の全ての項目データを用いずに一致度γの取りうる範囲を算出できる。

ところで、項目データが文字列の場合、人的な入力ミス等により本来一致するはずの項目データが異なるデータと判断されてしまう可能性がある。例えば、“営業部設備課”と入力するべきところを“営業部設営課”と誤入力してしまうと、一致度算出部１４により一致度を算出する過程において一致しない項目データとみなされ欠損値数として加算されてしまうことになる。従って、このような誤入力を検出する機能を設けるようにしてもよい。

本実施の形態では、異なる値の項目データの組が実際には一致していると判定するために、一致条件としてそれぞれに閾値（閾値１，閾値２）を利用した２つの条件を予め設定している。第１の条件は、照合する一方の項目データを形成する文字列１と他方の項目データを形成する文字列２とで相違する文字数が閾値１以下である、ということである。第２の条件は、各項目データの当該データベースに含まれる件数（全レコード数）に占める割合をそれぞれ算出し、算出した割合の多い方から少ない割合で除算した数が閾値２以上である、ということである。ここでは、閾値１＝１、閾値２＝１００として具体的な例を挙げて説明する。

例えば、照合する項目データが“営業部設備課”及び“営業部設営課”という文字列であったとする。各項目データにおいて相違する文字は、“備”と“営”であり、文字数は１である。従って、第１の条件として設定された閾値１＝１以下であるため、この第１の条件は満たすことになる。

続いて、当該データベースにおける全項目データに含まれる“営業部設備課”の数が７％、当該データベースにおける全項目データに含まれる “営業部設営課”の数が０．０１％、であったとする。この場合、大きい数を小さい数で除算するので、７％／０．０１％＝７００となり、第２の条件として設定された閾値２＝１００以上であるため、この第２の条件も満たすことになる。

このように、一致していない１組の項目データに含まれている各文字列の間に、予め設定された一致条件を満たす関係がある場合に、一方の項目データは誤入力された項目データと判定する誤入力判定手段（図示せず）を設けて、比較する各項目データが一致しない場合でも、一致条件を満たしたことで当該各項目データは一致していると判定する。一方、いずれかの１つの条件でも満たさない場合は当該各項目データは一致していないと判定する。

この誤入力判定手段は、例えば一致度算出部１４の一機能としてもよい。この場合、一致度算出部１４は、照合により一致していないと判定した場合でも、前述した一致条件を満たした場合には、照合した１組項目データは一致していると判定する。これにより、この項目データの組を欠損値数に加算すべきところを一致件数として加算する。また、前述した第２の条件の結果を参照し、データベースに含まれる件数に占める割合の少ない方の項目データが誤入力されていると判断して、当該項目データを自動的に修正してもよい。

この場合、修正した項目データに関する情報は、修正した旨、修正した項目データを特定する所定の項目データ変更情報を出力するなどして管理者に通知する。なお、この通知機能は、一致度算出部１４に持たせてもよいし、判定結果出力部１６に持たせてもよい。あるいは、別の手段として設けてもよい。

また、誤入力判定手段は、例えば同一項目判定部１５又は判定結果出力部１６の一機能としてもよい。あるいは、別の手段として設けてもよい。この場合、一致度算出部１４は、該当する項目データの組は欠損値数として加算して一致度を算出することになる。ただ、誤入力判定手段は、判定結果、誤入力有りと判定した項目データの組を特定する情報、また、例えば、“営業部設営課”が“営業部設備課”の誤入力である可能性があります。」などのように正しい入力を示唆する情報を含む誤入力通知情報を出力する機能を持つ必要がある。誤入力通知情報は、単独で出力してもよいし、図６のステップ１１０において判定結果と共に、あるいは判定結果に含めて出力してもよい。

なお、前述した変形例では、一致条件として２つの条件を設定したが、設定する条件の数や内容はこれに限定する必要はない。また、条件として設定する閾値もこれに限定する必要はない。

ところで、本実施の形態においては、一致していると管理者が認識している項目情報ペアを対応関係情報テーブルに予め設定した。ただ、これとは逆の関係についての情報も事前に設定登録してもよい。すなわち、管理者により一致していないと認識されている項目情報ペアを特定する情報を予め設定しておき、この項目情報ペアに関しては一致度の算出対象にしないようにする。これにより、一致していないことが明らかな項目情報ペアに対しては、一致度算出ペアとして選出させない、つまり一致度を算出対象の候補から除外するようにしたので、同一項目の検出処理を効率的に実行させることができる。

本実施の形態では、不一致関係情報テーブルを記憶する不一致関係情報記憶手段を設け、不一致関係情報テーブルには、管理者により一致していないと認識されている項目の組から成る項目情報ペアを特定する不一致関係情報が予め設定される。不一致関係情報テーブルにおける構成は、基本的には図３に示した対応関係情報テーブルと同じでよい。

ペア情報設定部１１は、不一致関係情報テーブルに設定されている項目情報ペアにおける一致度として、一致判定用閾値を下回る値（例えば、０．００）を項目情報ペア情報テーブルに設定する。この処理は、図６に示した同一項目検出処理においてステップ１０５が実施される前に実施されていればよい。

また、本実施の形態が提供する機能を１台のコンピュータにより実現したが、複数のコンピュータに分散させて実行するようにしてもよい。

１ データベース、１ａ データベースＡ、１ｂ データベースＢ、１ｃ データベースＣ、１０ 同一項目検出装置、１１ ペア情報設定部、１２ 一致度範囲算出部、１３ 一致度算出ペア特定部、１４ 一致度算出部、１５ 同一項目判定部、１６ 判定結果出力部、１７ 一致度算出処理制御部、２１ 項目情報ペア情報記憶部、２２ 対応関係情報記憶部、２３ 対応キー情報記憶部、２４ 一致判定用閾値記憶部、３１ ＣＰＵ、３２ ＲＯＭ、３３ ＲＡＭ、３４ ハードディスクドライブ（ＨＤＤ）、３５ ＨＤＤコントローラ、３６ マウス、３７ キーボード、３８ ディスプレイ、３９ 入出力コントローラ、４０ ネットワークコントローラ、４１ 内部バス。

Claims (11)

1. 複数のデータベースそれぞれに登録されている項目データの項目情報を抽出する項目情報抽出手段と、
   前記項目情報抽出手段により抽出された項目情報の中から２つの項目情報を選択することにより、当該２つの項目情報から成る項目情報ペアを少なくとも１つ形成し、その形成した項目情報ペアの中から一致度の算出対象とする項目情報ペアを一致度算出ペアとして特定する一致度算出ペア特定手段と、
   前記一致度算出ペア特定手段により特定された一致度算出ペアに含まれる各項目情報に対応する項目データを照合することによって当該項目情報に対応する項目データの一致度を算出する一致度算出手段と、
   前記一致度算出手段により一致度が算出された項目情報ペアの中に、一方の項目情報を共通とし、かつ他方の項目情報の間で一致度が算出されていない項目情報ペアの組が存在する場合、前記他方の項目情報の間における一致度の取りうる範囲を算出する一致度範囲算出手段と、
   前記一致度範囲算出手段、前記一致度算出ペア特定手段及び前記一致度算出手段における各処理を繰り返し実行することで、前記一致度範囲算出手段により算出された一致度の取りうる範囲の上限が予め設定された一致判定用閾値に達していない項目情報ペアを除き、前記項目情報抽出手段により抽出された項目情報の間における一致度を順次算出させる一致度算出処理制御手段と、
   前記一致判定用閾値以上となる一致度が算出された項目情報ペアに含まれる各項目情報により特定される項目を同一の項目と判定する判定手段と、
   を有することを特徴とする同一項目検出装置。
2. 項目情報ペア毎に、当該項目情報ペアに含まれる各項目情報に対応する項目データの一致度及び当該一致度の取りうる範囲の各算出値を少なくとも含む項目情報ペア情報を保持する項目情報ペア情報テーブルを記憶する項目情報ペア情報記憶手段と、
   前記項目情報抽出手段により抽出された項目情報の中から２つの項目情報を選択することにより形成される前記項目情報ペアそれぞれに設定される項目情報ペア情報を保持する前記項目情報ペア情報テーブルを生成する項目情報ペア情報生成手段と、
   を有し、
   前記一致度算出ペア特定手段及び前記一致度範囲算出手段は、前記項目情報ペア情報テーブルの設定内容を参照してそれぞれ処理を行うことを特徴とする請求項１に記載の同一項目検出装置。
3. 管理者により一致していると認識されている項目の組から成る項目情報ペアが予め設定される対応関係情報テーブルを記憶する対応関係情報記憶手段を有し、
   前記項目情報ペア情報生成手段は、前記対応関係情報テーブルに設定されている項目情報ペアにおける一致度として一致判定用閾値以上の値を前記項目情報ペア情報テーブルに設定することを特徴とする請求項２に記載の同一項目検出装置。
4. データベースを関連付けるためのキーとなる項目の項目情報の組から成るキー項目情報ペアが予め設定される対応キー情報テーブルを記憶する対応キー情報記憶手段を有し、
   前記一致度算出手段は、前記対応キー情報テーブルに設定されたキー項目情報ペアに基づき前記データベースを関連付けして項目データの一致度を算出することを特徴とする請求項１に記載の同一項目検出装置。
5. 前記項目情報ペア情報生成手段は、前記項目情報ペア情報テーブルに保持されている各項目情報ペア情報に、当該項目情報ペア情報に含まれている各項目情報が設定されたデータベースに対応する、前記対応キー情報テーブルに設定されているキー項目情報ペアを対応付けして設定することを特徴とする請求項４に記載の同一項目検出装置。
6. 前記一致度範囲算出手段は、前記他の項目情報に対応する全ての項目データを用いずに一致度の取りうる範囲を算出することを特徴とする請求項１に記載の同一項目検出装置。
7. 一致していない１組の項目データに含まれている各文字列の間に、予め設定された一致条件を満たす関係がある場合に、一方の項目データは誤入力された項目データと判定する誤入力判定手段を有することを特徴とする請求項１に記載の同一項目検出装置。
8. 前記誤入力判定手段により誤入力と判定された項目データを自動的に修正する若しくは当該項目データに関する情報を出力する手段を有することを特徴とする請求項７に記載の同一項目検出装置。
9. 管理者により一致していないと認識されている項目の組から成る項目情報ペアが予め設定される不一致関係情報テーブルを記憶する不一致関係情報記憶手段を有し、
   前記項目情報ペア情報生成手段は、前記不一致関係情報テーブルに設定されている項目情報ペアにおける一致度として一致判定用閾値を下回る値を前記項目情報ペア情報テーブルに設定することを特徴とする請求項２に記載の同一項目検出装置。
10. 前記項目情報ペア情報テーブルに設定された項目情報ペア情報に基づき項目情報の関係を視認可能な項目情報対応関係グラフを生成する項目情報対応関係グラフ生成処理手段を有することを特徴とする請求項２に記載の同一項目検出装置。
11. コンピュータを、
    複数のデータベースそれぞれに登録されている項目データの項目情報を抽出する項目情報抽出手段、
    前記項目情報抽出手段により抽出された項目情報の中から２つの項目情報を選択することにより、当該２つの項目情報から成る項目情報ペアを少なくとも１つ形成し、その形成した項目情報ペアの中から一致度の算出対象とする項目情報ペアを一致度算出ペアとして特定する一致度算出ペア特定手段、
    前記一致度算出ペア特定手段により特定された一致度算出ペアに含まれる各項目情報に対応する項目データを照合することによって当該項目情報に対応する項目データの一致度を算出する一致度算出手段、
    前記一致度算出手段により一致度が算出された項目情報ペアの中に、一方の項目情報を共通とし、かつ他方の項目情報の間で一致度が算出されていない項目情報ペアの組が存在する場合、前記他方の項目情報の間における一致度の取りうる範囲を算出する一致度範囲算出手段、
    前記一致度範囲算出手段、前記一致度算出ペア特定手段及び前記一致度算出手段における各処理を繰り返し実行することで、前記一致度範囲算出手段により算出された一致度の取りうる範囲の上限が予め設定された一致判定用閾値に達していない項目情報ペアを除き、前記項目情報抽出手段により抽出された項目情報の間における一致度を順次算出させる一致度算出処理制御手段、
    前記一致判定用閾値以上となる一致度が算出された項目情報ペアに含まれる各項目情報により特定される項目を同一の項目と判定する判定手段、
    として機能させるためのプログラム。

Images