図書館目録の典拠コントロールの自動化に関する覚書

はじめに

　先日、図書館目録の自動生成について雑文を書いたので、その重要な要素の一つである典拠コントロールの自動化についても書いてみます。

典拠コントロール

図書館情報学用語辞典 第5版 「典拠コントロール」の解説によると、

書誌的記録（書誌レコード）の統制形アクセスポイント（標目）となる個人名，団体名，著作の優先タイトル（統一タイトル），件名などの典拠形を定め，それらが一貫して使用されるよう維持管理すること．機械可読形の目録データベースでは，統制形アクセスポイントの典拠形（典拠形アクセスポイントまたは統一標目と呼ばれる），その異形（異形アクセスポイントまたは参照と呼ばれる），典拠形選定の根拠となった情報源などを構成要素とする典拠レコードを用い，書誌レコードとの間にリンクを形成することで，アクセスポイントの統一的使用を図ることができる．典拠コントロールは，目録データベース中にすでに存在する書誌レコードの検索漏れを防ぎ，重複レコードの発生を抑えることに有効であるため，書誌ユーティリティなどにおけるデータベースの品質管理にとって不可欠な機能である．

　上記のとおり実際には、いろいろな典拠がありますが、分かりやすさのために著者名典拠について考えてみます。
　よく引き合いに出されるのは中島梓と栗本薫の著作をまとめるためだったり、逆に同姓同名の著者の著作を分けたりするために使われます。

既存の著者名典拠ファイルで自動化が難しい理由はいくつかあります。主なポイントは：

1. 標準化の不十分さ
   多くの典拠ファイルはMARC形式や独自仕様で管理されており、LODで使われるRDFやBIBFRAMEと互換性がない場合が多い。URIが付与されていないため、外部LODとのリンクが困難。
2. データの不完全性・曖昧性
   生没年や職業などの属性情報が欠落しているケースが多く、外部データとのマッチング精度が低下。同姓同名の著者を区別するための識別子が不足。
3. 外部LODとのマッピング困難
   VIAFやWikidataなどのLODと一致させるためのキー情報（国際標準識別子、ISNIなど）が典拠ファイルにない場合が多い。言語や表記の揺れ（漢字・ローマ字・異体字）が自動照合を難しくする。
4. 更新・同期の仕組みがない
   典拠ファイルは静的で、外部LODの更新を自動反映する仕組みがない。手動でのメンテナンスが前提になっている。
5. 権利・運用上の制約
   一部の典拠ファイルはオープンデータではなく、利用に制限がある。APIやSPARQLエンドポイントが提供されていないものも多いため、機械的なアクセスが困難。

　こうした課題を解決するには、典拠ファイルのLOD化（RDF化）やPersistent Identifier（PID）の付与、さらに外部LODとのリンクを前提とした設計が必要です。

　エンティティをLinked Open Data（LOD）に自動的に連携できれば、図書館目録の典拠コントロール（オーソリティコントロール）作業は大幅に効率化されるはずです。

• 重複排除と一貫性確保：LODを利用することで、同一人物や団体に関する情報をグローバルな識別子（URI）で統一できます。
• 外部データの活用：WikidataやVIAFなどのLODソースから属性情報（生没年、関連作品など）を自動取得可能。
• 更新の自動反映：外部LODの更新が自動的に反映されるため、メンテナンス負荷が減少。

Linked Open DataとPIDと典拠コントロールの関係 ― リレーショナルデータベース正規化との接点

　ところで、Linked Open Data（LOD）、Persistent Identifier（PID）、そして典拠コントロール（Authority Control）はそれぞれ独立した技術領域に見えますが、典拠コントロールとは、現在では実はリレーショナルデータベース（RDB）の正規化という共通の設計思想で共通に考えることができます。それによって、典拠コントロールの理論的な根拠をとらえることも可能になります。

　また、典拠コントロールは、コンピュータもなく、カード目録しかなかった時代に考えられたデータベースの正規化の仕組み、と考えることができます。

　さらに重要なのは、PIDやLODは、データベースの正規化をオープンな環境でグローバルに実現するための仕組みであるという点です。RDBの正規化がローカルなスキーマ内で冗長性を排除するのに対し、PIDとLODは、異なるシステム・組織・国境を越えて、同一性とリンク性を保証します。

リレーショナルデータベースと正規化の基本

　正規化（Normalization）とは、リレーショナルデータベース設計において、冗長性と更新異常（update anomaly）を最小化するために、関係（テーブル）を属性間の依存関係に基づいて適切に分解する手法です。依存関係は主に関数従属性（functional dependency）として形式的に扱い、候補キー・主キー・外部キーを用いて一貫性を維持します。

正規形（Normal Forms）

• 第1正規形（1NF）：すべての属性が原子値（atomic value）を取り、繰り返し属性・配列・複合属性を含まない。
• 第2正規形（2NF）：1NFかつ、候補キーが複合キーである場合の部分関数従属性を排除（非キー属性は候補キーの全体に完全従属）。
• 第3正規形（3NF）：2NFかつ、推移的関数従属性を排除（非キー属性が他の非キー属性を決定しない）。
• BCNF（Boyce–Codd Normal Form）：すべての決定項（determinant）が候補キー。3NFより強い条件で、複雑な従属性による更新異常をさらに抑制。

更新異常の類型

• 挿入異常：一部の属性値が存在しないと挿入できない（例：書誌を登録するとき、著者の細かい属性をいちいち入力しなければならない）
• 削除異常：ある行の削除が、意図せぬ情報の消失を招く（例：最後の著作の削除で著者情報も失う）
• 更新異常：同じ情報が複数行に重複し、片方だけ更新して矛盾が生じる（例：著者の所属が複数行にバラバラ書いてある）

著者名典拠コントロールにおける正規化の利点

　正規化されていないデータ＝著者名典拠がない場合、検索や更新で問題を起こします。1NFに従い、別名を別テーブル（典拠ファイル）に分離し、外部キーで参照することで、整合性が向上します。また、別名を新たに追加する際に、既存レコードをいじらずに済みます。
　これらの正規化は、典拠コントロールの「表記ゆれ排除」「同一性保証」「リンク性向上」に直結します。

正規化と典拠管理を接続する：構造が同じ問題を解いている

　典拠管理の目的（表記ゆれの統一、同定、リンク性の向上）は、RDB正規化の目的（冗長性排除、更新異常の抑止、依存関係の明確化）と構造的に一致しています。

典拠管理の概念	RDB正規化における概念	技術的含意
統制形（authorized heading）	候補キー／主キー	一意識別により重複・曖昧性を排除
典拠ファイル（authority table）	リレーションテーブルの分離（3NF/BCNF）	非キー属性の推移従属を分離し、更新異常を防止
別名・同名異人の取り扱い	準キー・ユニーク制約／同定属性	等価関係・識別ルールに基づく正規化
書誌⇔著者の関係	外部キー参照／従属性の明確化	書誌は著者IDを参照し、冗長な著者情報の重複を排除

PIDとLODの役割：グローバルな正規化の実現

　PIDは、ローカルなデータベース設計における主キーの役割を、分散環境での永続的識別子として担います。LODは、RDFを用いて異なるシステム間で意味的リンクを提供し、正規化の外延をグローバルに拡張します。

• PID：不変で意味に依存しない識別子により、外部キー参照の安定性を保証。
• LOD：URIを用いたリンクで、異なるデータセット間の冗長性を排除し、同一性を保証。

実装するならば

　著者名典拠の自動化を手軽に実装するとすれば、キーワードを自動的にWikidataのエンティティに接続することが考えられ、具体的な手法もいろいろ提案されています。
　これは Entity Linking（エンティティリンク付け） と呼ばれ、テキスト中の語句をWikidataのQ番号（例: Q42 = Douglas Adams）に対応づける仕組みで、自然言語処理や知識グラフの応用でよく使われる技術です。

実例の流れ

1. キーワード抽出
   テキストから著者名を抽出します。

2. 候補エンティティ検索
   抽出したキーワードをWikidata APIやSPARQLで検索します。
   例： 「栗本薫」 → Wikidata: Q1942999

3. 文脈に基づく選択
   同じ名前でも複数候補がある場合、文脈を使って最適なエンティティを選びます。

4. 接続（リンク付け）
   テキスト中のキーワードをWikidataのQ番号にマッピングします。

まとめにかえて

　図書館業界が著者名典拠ファイルを独自に維持し続け、かつ図書館員が手作業でリンクを張る作業は、単に膨大なコストを要するだけでなく、情報資源の標準化や自動化の進展を阻害する要因となっていると思います。
　典拠ファイルは、著者名の揺れや同名異人の識別を解決するために不可欠な基盤ですが、各機関が独自に管理することで、更新や整合性の確保に多大な労力が割かれていて、国際的に広く利用されているWikidataやVIAF（Virtual International Authority File）のようなオープンな知識基盤との接続が遅れることで、機械処理による自動リンク付けやメタデータの相互運用性が十分に活かされず、データの広い活用という面でも課題が多いと感じています。