ビジネスに生かすメタデータの統合...

All Rights Reserved,Copyrights FUJITSU LABORATORIES LIMITED 2008

ビジネスに生かすメタデータの統合・「見える化」技術

株式会社富士通研究所津田宏

INTAPセマンティックWebコンファレンス2008


Ontology

はじめにはじめに

既存データからのRDF化+メタデータによる情報統合(RDF-Bus)

ビジネス情報ナビゲーター =Semantic Webによるマッシュアップ + 可視化

ビジネス情報ナビゲーター =Semantic Webによるマッシュアップ + 可視化

「見える化」：ビジネスにおける現場の様々な情報を、常に人にとってわかり易く見えるようにしておくこと

迅速な問題解決、業務効率化

可視化技術


ビジネス情報ナビゲータービジネス情報ナビゲータービジネス情報ナビゲーターI. 富士通研究所の開発したナレッジの見える化システム

II. 社内の様々なシステムに散在する、文書やDBなど様々な情報源から、ものごとの関係性を自動抽出し、RDFで統合・見える化することが可能。複数の情報源からの様々な関係を把握するのに役立ちます。

III. (例1) 富士通研究所研究員のスキルや人脈を検索するKnowWho

(2004/11/19 日本経済新聞「特定分野に強い人材検索システム」)

(例2) 服薬指導支援薬や健康食品の飲み合わせチェック

（2006/10/9 第39回日本薬剤師会学術大会）

(例3) 地方銀行行内に散在する顧客間の関係を統合・見える

(2005/8/5 日本経済新聞「社内資料統合富士通が新技術」)


2. 関係を検索＋分析＋見える化人のスキル・人脈を高速に検索し、関係をネットワーク分析 (Know Who)

2. 関係を検索＋分析＋見える化人のスキル・人脈を高速に検索し、関係をネットワーク分析 (Know Who)

営業, SＥさんがエキスパート

人脈検索

1. メタデータ自動生成業務で使う様々な情報源(DB, テキスト、アプリ)から、人に関するメタデータを変換・統合

1. メタデータ自動生成業務で使う様々な情報源(DB, テキスト、アプリ)から、人に関するメタデータを変換・統合

報告書・日報報告書・日報

技術者統合

統合

サービス利用履歴

サービス利用履歴

スキル

人脈

1. KnowWho1. KnowWho1. KnowWho

ログ

文書

アプリ

DB

ERP, 情報システムERP, 情報システム

スケジューラスケジューラ

ログ分析

情報抽出

属性変換

関係抽出

自然言語処理技術関係メタデータ自動生成技術

メタデータ(RDF)

検索視覚化

人文書

meeting

group

業務オントロジー(OKAR)


W3C KnowWhoW3C KnowWho

W3CのWebページ(W3C Who’s Who, Alumni, etc.)のテキストを解析し、チームメンバー(約160名)とキーワードの関係（約20,000triples)を見える化

http://swada.w3.org/~htsuda/


組織における、従業員による知的業務活動を記述する共通オントロジ

(富士通、リコーで共同開発)多様なシステムや情報機器の

連携、知的活動メタデータ交換

OWL(Web Ontology Language)ベース知識活動のリソースとなる４つのメインクラスAgent, Artifact, Event and Role

FOAF, iCalendar, vCard, Dublin Coreとの相互交換性

OWL mapping and access controlOWL mapping and access control

文書管理システム

E-mail, フォーラム

グループウェア

デジタルカメラ

プリンタプロジェクタ

オフィスシステムオフィス機器

A株式会社

RDF変換RDF変換 RDF変換

RDF変換

知識活動の検索システム

変換/統合

FOAFRSS iCalendar

Webカレンダ人材管理(KnowWho)

OKARによるメタデータの記述

知識活動

アクセスコントロール

アプリケーション

B株式会社

OWLマッピング

ソーシャルネットワーキング

Role

Role

Event

GroupEvent

Document

i:attendee

okar:member

dc:creator

i:attach

Person

Organization

Agent

Artifact

RSSリーダRSSサーチエンジン

RF-ID

OKAR (An Ontology for Knowledge Activity Resources)OKAR (An Ontology for Knowledge Activity Resources)

http://jp.fujitsu.com/group/labs/techinfo/technote/okar/

目的

特徴


様々な情報源からのＲＤＦ自動生成様々な情報源からのＲＤＦ自動生成

情報抽出 (自然言語処理技術) によるRDF化RDF統合 RDFマイニング

WorkWare

人のスケジュール情報

Meeting

KnowWhoデモ

ﾒﾝﾊﾞｰ

ミーティング名

2003/3/11

日付

ミーティングメタデータ

第一会議室

場所

配布資料１

資料

10:00-11:30

時間

employ

katayama.yoshin@

言語処理研所属

ﾒｰﾙｱﾄﾞﾚｽ

片山佳則名前

7112-6167

TEL

従業員メタデータ

各種文書

従業員データベース

Participate

津田宏片山佳則

document

2003/3/10

タイトルキーワード

片山佳則作成者作成日

ドキュメントメタデータ

WorkWare++とKnowWho

XML

RDF Semantic

マイニングで得られる二次メタデータのリンク

メタデータからのマイニング

Has_a

Create

津田宏片山佳則

XML

RDF Semantic

属性抽出

メタデータ統合

RDB RDF

属性抽出


薬剤師の情報提供業務を支援薬剤師の情報提供業務を支援

一般薬情報一般薬情報

2. 薬の飲み合わせチェック2. 薬の飲み合わせチェック薬の飲み合わせチェック

検索＋視覚化メタデータを高速に検索し、結果の関係をビジュアル化

検索＋視覚化メタデータを高速に検索し、結果の関係をビジュアル化

メタデータ自動生成処方薬情報、一般薬情報、相互作用情報、健康食品情報、漢方薬情報などの

薬剤情報からメタデータを抽出、生成

メタデータ自動生成処方薬情報、一般薬情報、相互作用情報、健康食品情報、漢方薬情報などの

薬剤情報からメタデータを抽出、生成

統合統合

自然言語処理

医薬品会社医薬品会社

相互作用情報

相互作用情報

処方薬情報処方薬情報

医療機関医療機関

(1)薬剤の飲み合せ確認複数の処方薬にも対応

(2)服薬指導サポート的確な商品選択と薬の適正使用

(3)薬剤師のレベルアップ顧客満足度向上

(4)薬事法改正2009年度からの施行対応

漢方薬情報漢方薬情報

薬局、メーカー健康食品健康食品

個人履歴

医薬情報研究所等医薬情報研究所等

メタデータ(RDF)

薬剤オントロジー


一般薬・処方薬の相互作用の見える化一般薬・処方薬の相互作用の見える化

堀美智子 (医薬情報研究所/(株)エス・アイ・シー), 一般用医薬品販売（購入）の

ためのビジュアル支援システム構築, 第39回日本薬剤師会学術大会, 2006.10.9

従来の薬剤師向け服薬指導支援ツールMedic’ Navi® (イワキ株式会社) では、

一般用医薬品、医療用医薬品、健康食品、漢方処方、一般用医薬品と医療用医薬品との相互作用などの情報を検索可能。

薬事法の改正(2009～)に伴い、一般用医薬品の販売時の情報提供が重要にMedic’ Naviの情報をRDF化し、ビジネス情報ナビゲー

ターに取り込むことで、検索しやすく、結果をわかりやすく表示することで、薬剤師を支援できる。


漢方薬データの見える化漢方薬データの見える化

国重敦子(医薬情報研究所/(株)エス・アイ・シー), 一般用医薬品販売（購入）のためのビジュアル支援システム構築漢方製剤について, 第39回日本薬剤師会学術大会, 2006.10.9

従来のMedic’ Navi®では、漢方方剤ごとに以下の情報ポイント、使用目標、服薬時期・服用アドバイス、漢

方薬が向かない人、服用時の注意、相互作用、ドーピングに対する注意物質、構成生薬

この情報をRDF化し、ビジネス情報ナビゲーターに取り込むことによって、薬剤師が漢方方剤の情報だけでなく、顧客の症状も含めた複雑な関係を把握でき、的確な商品選択が可能に


一般薬Ａ

×

×

×

×

×

×

×

×

処方薬Ａ

処方薬Ｂ

処方薬Ｃ

処方薬Ｄ

服用条件Ａ

服用条件Ｂ

成分Ｇ

成分Ａ

成分Ｃ

成分Ｂ

成分Ｈ

成分Ｅ

成分Ｄ

成分Ｆ

処方薬：複数同時検索

××ｱﾚﾙｷﾞｰ、年齢制限、妊娠／授乳中、等

複雑な薬剤の相互作用を見える化

サプリメント

栄養機能食品

特定保健用食品

健康食品素材 A

健康食品素材 B

健康食品素材 C

健康食品素材 D

漢方処方薬

構成生薬 A 構成生薬 B 構成生薬 C 構成生薬 D

××

××

××

×

××

漢方薬：複雑な関係健康食品：日々新規開発

×

一般薬、成分、処方薬などの属性ごとの表示範囲を指定し、対応関係をわかりやすく提示

持病（生活習慣病）：糖尿病、緑内障、等


3. 銀行の顧客情報の統合・見える化3. 銀行の顧客情報の統合・見える化

基幹系

システム

基幹系

システム

外部データ

（帝国DB,

Webなど）

外部データ

（帝国DB,

Webなど）

②検索・見える化①業務システムから分析のもととなるメタデータを抽出、生成

③分析・活用

振込資金の流れ分析

ビジネス構造（仕入販売）分析

ビジネスマッチング支援

取引先キーマン人脈分析

取引先の主要取扱商品情報や売買ニーズ情報の関連性をつなげることで、システム的にビジネスマッチングの糸口をつかむことができる。

取引先の主要仕入／販売先情報を繋げていくことで、取引の全体を鳥瞰することができ、新規先発掘の糸口となる。

振込データ・手形データ等をマップ化し、企業間の資金の流れを把握できる。新規先発掘・与信業務に役立つ。

情報系システム

（渉外支援）

（融資支援）

（ｸﾞﾙｰﾌﾟｳｪｱ）

他

情報系システム

（渉外支援）

（融資支援）

（ｸﾞﾙｰﾌﾟｳｪｱ）

他

振込情報

企業情報

営業日報

融資情報

企業情報

関係メタデータ(RDF)

口座情報

顧客

融資交渉

口座

金融オントロジー


Ⅰ ビジネス構造（仕入ー販売）分析マップ

取引先

本部担当者によるビジネス構造分析

取引先の仕入先／販売先の情報をリンクさせることで、「取引先」を中心とした未取引先を含めたビジネス・チェーン（業界の取引関係図）を明確化できる。

新規取引開拓、ビジネス・マッチング・M&A等の仕掛け、ビジネスリスクの把握等を行う。

※マップ内個人／法人名は仮名です

従来の業務システムで見えていた取引関係は、この部分のみ。

顧客取引関係、銀行の関係取引先等、取引の全体像が明確化。


営業店担当者による顧客の資金の流れ分析

Ⅱ 振込資金の流れ分析マップ

金額により線の太さを区別。

銀行取引先資金の流れ

資金の流れが明確化。

振込関係の情報をリンクさせ、未取引先を含めた資金の流れを明確化。今後の新規取引開拓やビジネス・マッチング・M＆A等の仕掛け、ビジ

ネスリスクの把握を行う。

※マップ内個人／法人名は仮名です


まとめまとめセマンティックWeb(RDF-Bus)によるデータ統合 + 見える化は、現実のビジネスにおける次のような場面で課題解決の手段たり得る: “Business Semantic Web”

1. ＤＢだけでなく非定型の文書情報もマッシュアップしたい

2. 複雑で気づきにくい関係情報に着目

3. 0/1で片付かないグレーゾーンも見える化することで、利用者の判断をサポート

課題手段と目的を取り違えない：統合や見える化（つまりセマンティックWeb)は単なる手段、何をしたいかから考えることが重要

低コストでレガシーデータをＲＤＦ化するには• 自然言語処理は万能でなく、GRDDLやマイクロフォーマットもどう最初に

入力させるか、2.0系(アノテーションなど人頼み)も社内ではどこまで、、

業務データであってもトラストは重要

ビジネスに生かすメタデータの 統合...

Documents

ビジネスに生かすメタデータの統合...