統計データのLOD化とデータ間の関係の表現

統計データのLOD化と
データ間の関係の表現
武田英明*1*2*3 加藤文彦*3*4 小出誠二*3*4
松村冬子*3*5 大向一輝*1*2*3 小林巌生*3*6
岩山真*7 浅野優*7 濱崎雅弘*8
*1 国立情報学研究所 *2総合研究大学院大学
*3リンクト・オープン・データ・イニシアティブ *4情報・システム
研究機構
*5青山学院大学 *6Open Community Data Initiative
*7日立製作所中央研究所 *8産業技術総合研究所
2013年度人工知能学会全国大会、富山、2013年6月4日

統計の表のLOD化
図１工業統計調査の結果の表の例

統計データのLOD化
図１工業統計調査の結果の表の例

RDF Data Cube Vocabulary
• W3C Working Draft
– W3C e-government Interest Groupで議論
• 統計データの（メタ）スキーマ
– 各統計表の定義をするための語彙を提供
– 統計の語彙はSDMXから
• LOD化の基本的考え方
– データ中心主義

RDF Data Cube Vocabularyのメリット
• 個々の観測値や観測値のグループが、（ウェブ）アドレス可
能になる。それにより公開者と第三者がこのデータを注釈づ
けし(annotate)、リンク付けすることが可能となる。たとえば、
ある報告書が詳細な出典のトレースバックを考慮した特定の
図を参照することが可能となる。
• データをデータセット横断的に、あるいは統計セットと非統
計セットをフレキシブルに組み合わせることが可能になる(た
とえば、宗教的寛容さに関連した国民的指標の高い値の国勢
調査の領域で、すべての宗教的学校を発見するなど )。統計
データはリンクトデータのより広範なウェブの不可欠な一部
となる。
• リンクトデータとして公開することで、現在静的なファイル
のみを提供しているような公開者には、フレキシブルな、か
つ非プロプライエタリな機械可読可能な公開の手段を提供す
ることになり、プログラムからアクセス可能なすぐに使える
ウェブ API をサポートすることになる。
• 標準化されたツールやコンポーネントの再利用が可能となる。

RDF Data Cube Vocabularyの基礎
• 一つのデータ構造（表）はいくつかのコンポーネント
(component)によって定義される
• 次元コンポーネント(dimension Component)は観測値を
同定するもの
– 次元コンポーネントの値の集合は一個の観測を同定する。
たとえば一つの観測値には観測された時間や観測がカバー
する地理学上の領域が含まれる。
• 測度コンポーネント(measure component)は計測された
値であり観察された現象を表現
• 属性コンポーネント(attribute component)は観測された
値を限定し、解釈することを可能にする。
– 測度の単位やスケーリングファクタを指定することを可能
にし、どんなスケーリングファクタや観測値の状態（推測
値あるいは暫定値）のようなメタデータも指定することも
できる。

ktsh:refSangyoChuBunrui a qb:DimensionProperty ;
rdfs:label "日本標準産業分類(中分類)"@ja ;
rdfs:range jsic:JsicConcept .
sac:refPrefecture a qb:DimensionProperty ;
rdfs:label "reference area (prefecture)"@en ;
rdfs:label "都道府県"@ja ;
rdfs:subPropertyOf sdmx-dimension:refArea ;
rdfs:range sac:Prefecture ;
qb:concept sdmx-concept:refArea .
ktsh:numberOfEmployees a qb:MeasureProperty ;
rdfs:label "従業者数(人)"@ja ;
rdfs:subPropertyOf sdmx-measure:obsValue ;
sdmx-attribute:unitMeasure ktsh:UnitOfPerson ;

kougyo:k6-data-j-2000t a qb:DataStructureDefinition ;
rdfs:label "工業統計表「市区町村編」データ (経済産業省大臣官房調査統計グループ)
２．市区町村別、産業中分類別統計表(スキーマ)"@ja ;
# dimension
qb:component [qb:dimension ktsh:refMunicipality; qb:order 1] ;
qb:component [qb:dimension ktsh:refSangyoChuBunrui; qb:order 2] ;
qb:component [qb:dimension ktsh:refYear; qb:order 3] ;
# measure
qb:component [qb:measure ktsh:numberOfEstablishments] ;
qb:component [qb:measure
ktsh:numberOfEstablishments_withBetween30To299Employees] ;
qb:component [qb:measure ktsh:numberOfEstablishments_with300OrMoreEmployees] ;
qb:component [qb:measure ktsh:numberOfEmployees] ;
qb:component [qb:measure ktsh:valueOfTotalCashWagesAndSalaries_by10ThousandYen] ;
qb:component [qb:measure ktsh:valueOfRawMaterials_by10ThousandYen] ;
ktsh:valueOfManufacturedGoodsShipments_by10ThousandYen] ;
ktsh:valueOfManufacturedGoodsShipments_otherRevenues_by10ThousandYen] ;
qb:component [qb:measure ktsh:grossValueAddedForEstablishments_by10ThousandYen] ;
ktsh:valueOfTangibleFixedAssets_atYearEnd_by10ThousandYen] ;
# attributes
qb:component [qb:attribute sdmx-attribute:unitMeasure; qb:componentAttachment
qb:DataSet] ;

kougyo:h22-k6-data-j-2000 a qb:DataSet ;
qb:structure kougyo:k6-data-j-2000t ;
rdfs:label "平成22年工業統計表「市区町村編」データ (経済産業省大臣官房調査統計グループ) 「平成24年4月13
日公表」２．市区町村別、産業中分類別統計表"@ja ;
.
kougyo:h22-k6-data-j-2000-00000001 a qb:Observation ;
qb:dataSet kougyo:h22-k6-data-j-2000 ;
ktsh:refMunicipality sac:C01 ;
ktsh:refSangyoChuBunrui jsic:C00 ;
ktsh:refYear 2010 ;
qb:measureType ktsh:numberOfEstablishments ;
ktsh:numberOfEstablishments 5931 ;
.
ktsh:refYear 2010 ;
qb:measureType ktsh:numberOfEstablishments_withBetween30To299Employees ;
ktsh:numberOfEstablishments_withBetween30To299Employees 1121 ;
.
ktsh:refYear 2010 ;
qb:measureType ktsh:numberOfEstablishments_with300OrMoreEmployees ;
ktsh:numberOfEstablishments_with300OrMoreEmployees 55 ;
.

コード体系のLOD化
• 統計の中に定義されたコード体系が存在
– 日本標準産業分類
– 都道府県コード
– 標準エリアコード（市区町村コード）
– 工業地区コード
• Data Cubeでの参照
– Dimensionとして参照
• これらのLOD化→SKOSの利用
• 課題：変遷するコード体系間をどう扱うか
– 時々、改訂される
– 方策：
• 実効期間つきノードのつながりで表現
– 標準エリアコード、生物分類

LOD Datasetの利用
• RDFデータの利用方法
– RDF Datasetのdownload [Open Data METI]
– SPARQL Query [Open Data METI]
– Applicationからの利用
• CODE Project: Linked Data Query Wizard

SPARQL Query例
北海道の産業中分類別、有形固定資産土地（百万円）と従業員数
PREFIX ktsh:<http://datameti.go.jp/scheme/kougyou-toukei-
schema/>
PREFIX kougyo: <http://datameti.go.jp/lod/kougyou-toukei/>
PREFIX qb: <http://purl.org/linked-data/cube#>
select distinct ?sanchu_label ?total_jugyoin ?landprice
where {
{select distinct ?sanchu (SUM(?jugyoin) AS ?total_jugyoin)
where {
?cell1 qb:dataSet kougyo:h22-k8-data-j-1003 .
?cell1 ktsh:refSangyoSaiBunrui ?sansai .
?sansho skos:narrower ?sansai .
?sanchu skos:narrower ?sansho .
?cell1 ktsh:refPrefecture
<http://datameti.go.jp/scheme/standard-area-code/C01> .
?cell1 ktsh:numberOfEmployees ?jugyoin .
} Group by ?sanchu }
?cell2 qb:dataSet kougyo:h22-k3-data-j-3220 .
?cell2 ktsh:refSangyoChuBunrui ?sanchu .
?cell2 ktsh:refPrefecture
<http://datameti.go.jp/scheme/standard-area-code/C01> .
?cell2
ktsh:valueOfTangibleFixedAssets_purchase_lands_byMillionYen ?l
andprice .
?sanchu rdfs:label ?sanchu_label .
}

CODE: Commercially Empowered Linked Open
Data Ecosystems in Research
• RDF Dataの様々な操作ツールを提供する
– 抽出、統合、格納、収集、可視化、解析
• ツール
– CODE PDF Extractor (CoPE)
– CODE Data Extractor and Triplifier (CoDeT)
– CODE Query Wizard (CoQuWi)
– CODE Visual Analytics Wizard (CoVA)
http://www.code-project.eu/

CODE Query Wizard (CoQuWi)
http://code.know-center.tugraz.at/search

p
http://bit.ly/17kILiiDataset-> http://bit.ly/17kJgJf例：

CODE Visual Analytics Wizard (CoVA)

LOD化のメリット、デメリット
• メリット
– データ記述の標準化(URI付与とRDF化）
• 統計以外のデータとの統合
• 個別データの外部参照
• 標準ツールの利用
– データの意味づけ（Data Cubeによる記述）
• 個別的、部分的データが利用可能
• 異なる表間でのデータの統合が容易
• 標準ツールの利用
– 意味づけの共有による知識の共有
• デメリット
– 変換のコスト
• Data Cubeによる記述の作成
• データ変換
– データ量の増大、計算量の増大
• 例：CSV: 1.7MB -> ttl: 61.9MB
– 意味づけの共有のコスト（理解、再利用）

おわりに
• できたこと
– 統計データのLOD化の実践
• データの記述
• データの利用
• 今後の方向、課題
– データ量の増大
– “非統計的”利用ケース
• “北海道”の“靴”に関するデータを見たい
– 他の統計等の相互利用
• 国内、国外

統計データのLOD化とデータ間の関係の表現

Recommandé

Recommandé

Contenu connexe

Similaire à 統計データのLOD化とデータ間の関係の表現

Similaire à 統計データのLOD化とデータ間の関係の表現 (20)

Plus de National Institute of Informatics (NII)

Plus de National Institute of Informatics (NII) (20)

Dernier

Dernier (8)

統計データのLOD化とデータ間の関係の表現