共通語彙基盤あれこれ #rdf

地方自治体コードの RDF を作っている。これに共通語彙基盤を適用してみて、つまづいたところのまとめ。

ic:コード種別のカーディナリティ

次のように、コードリストを改定するケースを考える。

list_old = ["a","b"]
list_new = ["a","b","c"]

list_old を RDF で書くとすると、こうなるだろうか。

_:list_old a ic:コードリスト型 ;
    ic:バージョン "list_old"^^xsd:string .

_:a a ic:コード型 ;
    ic:識別値 "a"^^xsd:string ;
    ic:コード種別 _:list_old .

_:b a ic:コード型 ;
    ic:識別値 "b"^^xsd:string ;
    ic:コード種別 _:list_old .

ここで list_new を追加で記述しようとすると、こうしたくなる。

_:list_old a ic:コードリスト型 ;
    ic:バージョン "list_old"^^xsd:string .

_:list_new a ic:コードリスト型 ;
    ic:バージョン "list_new"^^xsd:string .

_:a a ic:コード型 ;
    ic:識別値 "a"^^xsd:string ;
    ic:コード種別 _:list_old ;
    ic:コード種別 _:list_new .

_:b a ic:コード型 ;
    ic:識別値 "b"^^xsd:string ;
    ic:コード種別 _:list_old ;
    ic:コード種別 _:list_new .

_:c a ic:コード型 ;
    ic:識別値 "c"^^xsd:string ;
    ic:コード種別 _:list_new .

ところが、これはスキーマ違反になる。コア語彙 v2.3.1。

ic:コード型 a owl:Class ;
    rdfs:subClassOf [
        a owl:Restriction ;
        owl:onProperty ic:コード種別 ;
        owl:onClass ic:コードリスト型 ;
        owl:maxQualifiedCardinality 1 ;
        rdfs:comment "コードの種別を記述するためのプロパティ用語"@ja
    ] .

問題は「コード種別」と「バージョン」が結合しているところ。

素直に実装するなら、ic:コードリスト型がic:コード型のコレクションを持てばいいのではないだろうか？

_:list_old a ic:コードリスト型 ;
    ic:バージョン "list_old"^^xsd:string ;
    dcterms:hasPart _:a , _:b .

_:list_new a ic:コードリスト型 ;
    ic:バージョン "list_new"^^xsd:string ;
    dcterms:hasPart _:a , _:b , _:c .

_:a a ic:コード型 ;
    ic:識別値 "a"^^xsd:string .

_:b a ic:コード型 ;
    ic:識別値 "b"^^xsd:string .

_:c a ic:コード型 ;
    ic:識別値 "c"^^xsd:string .

市区町村コード桁数

全国地方公共団体コード/標準地域コードは仕様上 6 桁固定幅のコード体系になっている。6 桁目は checksum で、技術的には 5 桁あれば復元することはできる。このため 5 桁あるいは 6 桁として使われることがある。また 5 桁はさらに都道府県 2 桁と内部の市区町村 3 桁にわかれて採番されている。

慣例的に「6」あるいは「5-(1)」あるいは「(2)-3-(1)」と使われる。個人的には 6 桁で使うべきだと考えているけど、実際に紙に書いたりするときには、確かに省略したい。

ところが住所 IEP v1.0 によると、ic:都道府県コード は「全国地方公共団体コード（左２桁）を記載」で、ic:市区町村コード は「全国地方公共団体コード（右4桁）を記載」とされている。

これは困った感じで、次のようなリソースを作ることになる。

jiti:LG-C19211-20060801 a ic:コード型 ;
    ic:表記 "笛吹市"^^xsd:string ;
    ic:識別値 "2112"^^xsd:string .

jiti:LG-C08211-20060101 a ic:コード型 ;
    ic:表記 "常総市"^^xsd:string ;
    ic:識別値 "2112"^^xsd:string .

4 桁を取り出すのは普通じゃないように思える。また、日本全国規模でデータを整理したときに、右 4 桁では識別値になりえない。ic:識別値 でリンクさせようとしてもうまくいかない。

標準地域コードはあくまで 6 桁で識別されるコードなので、分割せずにそのまま使うべきではないだろうか。

ちなみに都道府県についても 010006 といった 6 桁のコードが与えられているので、2 桁を無理に取り出す必要もなかったりする。「2-4」に分割した際に次のようになるのも奇妙だ。

[]
  ic:都道府県コード [
    a ic:コード型 ;
    ic:識別値 "01" ;
    ic:表記 "北海道"
  ] ;
  ic:市区町村コード [
    a ic:コード型 ;
    ic:識別値 "0006" ;
    ic:表記 "北海道"
  ] ;

ic:上位コード を使って、コード側で解決してもいい。「2 桁でリンクさせたい」という気持ちもわかるけど、それならいっそ、都道府県の整数のコードをそのまま定義したらいいんじゃなかろうか。

住所 IEP の表記

「ic:住所型」の表の説明が簡素なので、うっかり次のような RDF を書いてしまいそうになのは無理もない…。

[] a ic:住所型 ;
    ic:都道府県コード "08" ;
    ic:市区町村コード "2112" .

正しくはこうなるはずなので、「n文字を記載」ではなく「n文字のic:識別値を持ったic:コード型を記載」ぐらい丁寧に書いたほうがいいと思った。

[] a ic:住所型 ;
    ic:都道府県コード [
      a ic:コード型 ; 
      ic:識別値 "08"^^xsd:string .
    ] ;
    ic:市区町村コード [
      a ic:コード型 ; 
      ic:識別値 "2112"^^xsd:string .
    ] .