ホーム > 特許ランキング > 学校法人 京都産業大学
▶ 学校法人 京都産業大学の特許一覧 ▶ 株式会社 ミックウェアの特許一覧
特開2022-120949住所情報処理装置、住所情報処理方法、およびプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022120949
(43)【公開日】2022-08-19
(54)【発明の名称】住所情報処理装置、住所情報処理方法、およびプログラム
(51)【国際特許分類】
G06F 16/28 20190101AFI20220812BHJP
G06N 20/00 20190101ALI20220812BHJP
【ＦＩ】
G06F16/28
G06N20/00 130
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2021018021
(22)【出願日】2021-02-08
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＴＥＮＳＯＲＦＬＯＷ
(71)【出願人】
【識別番号】504322611
【氏名又は名称】学校法人 京都産業大学
(71)【出願人】
【識別番号】504050275
【氏名又は名称】株式会社 ミックウェア
(74)【代理人】
【識別番号】100115749
【弁理士】
【氏名又は名称】谷川 英和
(72)【発明者】
【氏名】河合 由起子
(72)【発明者】
【氏名】徳原 秀明
(72)【発明者】
【氏名】王 元元
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175FB04
(57)【要約】
【課題】従来技術においては、住所情報を含む情報に対する処理において、処理コストが大きかった。
【解決手段】住所情報を有する対象情報を取得する対象情報取得部３１と、住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部１１から取得する地域コード取得部３２と、地域コード取得部３２が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部３３と、置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部３４と、処理結果を出力する処理結果出力部４１とを具備する住所情報処理装置Ａにより、住所情報を含む情報に対する処理において、処理コストを小さくできる。
【選択図】図１
【解決手段】住所情報を有する対象情報を取得する対象情報取得部３１と、住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部１１から取得する地域コード取得部３２と、地域コード取得部３２が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部３３と、置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部３４と、処理結果を出力する処理結果出力部４１とを具備する住所情報処理装置Ａにより、住所情報を含む情報に対する処理において、処理コストを小さくできる。
【選択図】図１
【特許請求の範囲】
【請求項1】
住所情報を有する対象情報を取得する対象情報取得部と、
前記住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部から取得する地域コード取得部と、
前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、
前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部とを具備する住所情報処理装置。
前記住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部から取得する地域コード取得部と、
前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、
前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部とを具備する住所情報処理装置。
【請求項2】
前記住所情報は、番地情報またはフロア情報を含み得、
前記置換情報取得部は、
前記住所情報の中で、前記地域コードに対応しない文字列に含まれる番地情報またはフロア情報に対応する数値を取得し、当該数値をも要素して含むベクトルである置換情報を取得する、請求項１記載の住所情報処理装置。
前記置換情報取得部は、
前記住所情報の中で、前記地域コードに対応しない文字列に含まれる番地情報またはフロア情報に対応する数値を取得し、当該数値をも要素して含むベクトルである置換情報を取得する、請求項１記載の住所情報処理装置。
【請求項3】
前記対象情報取得部は、
各々異なる住所情報を含む２つの対象情報を取得し、
前記地域コード取得部は、
前記２つの各対象情報に対応する地域コードを、前記地域コード格納部から取得し、
前記置換情報取得部は、
前記地域コード取得部が取得した各地域コードを要素して含む２つのベクトルである２つの置換情報を取得し、
前記置換情報処理部は、
前記２つのベクトル間の距離を算出し、当該距離である処理結果を取得する、請求項１または請求項２記載の住所情報処理装置。
各々異なる住所情報を含む２つの対象情報を取得し、
前記地域コード取得部は、
前記２つの各対象情報に対応する地域コードを、前記地域コード格納部から取得し、
前記置換情報取得部は、
前記地域コード取得部が取得した各地域コードを要素して含む２つのベクトルである２つの置換情報を取得し、
前記置換情報処理部は、
前記２つのベクトル間の距離を算出し、当該距離である処理結果を取得する、請求項１または請求項２記載の住所情報処理装置。
【請求項4】
前記対象情報は、住所情報以外の他情報を含み、
前記対象情報取得部は、
各々異なる住所情報を含む２つの対象情報を取得し、
前記地域コード取得部は、
前記２つの各対象情報に対応する地域コードを、前記地域コード格納部から取得し、
前記置換情報取得部は、
前記２以上の各対象情報ごとに、前記対象情報が有する前記住所情報の少なくとも一部に対応する前記地域コードをベクトルの１以上の要素にし、かつ前記他情報から前記ベクトルの１以上の要素を取得し、前記地域コードである前記１以上の要素と、前記他情報から取得した前記１以上の要素とを有するベクトルである置換情報を取得し、
前記置換情報処理部は、
前記２つのベクトル間の距離を算出し、当該距離である処理結果を取得する、請求項１または請求項２記載の住所情報処理装置。
前記対象情報取得部は、
各々異なる住所情報を含む２つの対象情報を取得し、
前記地域コード取得部は、
前記２つの各対象情報に対応する地域コードを、前記地域コード格納部から取得し、
前記置換情報取得部は、
前記２以上の各対象情報ごとに、前記対象情報が有する前記住所情報の少なくとも一部に対応する前記地域コードをベクトルの１以上の要素にし、かつ前記他情報から前記ベクトルの１以上の要素を取得し、前記地域コードである前記１以上の要素と、前記他情報から取得した前記１以上の要素とを有するベクトルである置換情報を取得し、
前記置換情報処理部は、
前記２つのベクトル間の距離を算出し、当該距離である処理結果を取得する、請求項１または請求項２記載の住所情報処理装置。
【請求項5】
前記対象情報は、住所情報以外の他情報を含み、
前記対象情報取得部は、
２以上の対象情報を取得し、
前記置換情報取得部は、
前記２以上の各対象情報ごとに、前記対象情報が有する前記住所情報の少なくとも一部に対応する前記地域コードをベクトルの１以上の要素にし、かつ前記他情報から前記ベクトルの１以上の要素を取得し、前記地域コードである前記１以上の要素と、前記他情報から取得した前記１以上の要素とを有するベクトルである置換情報を取得し、
前記置換情報処理部は、
前記置換情報取得部が取得した２以上の置換情報である２以上の教師データに対して、機械学習の学習処理を行い、学習モデルである処理結果を取得し、
前記処理結果出力部は、
前記学習モデルを蓄積する、請求項１または請求項２記載の住所情報処理装置。
前記対象情報取得部は、
２以上の対象情報を取得し、
前記置換情報取得部は、
前記２以上の各対象情報ごとに、前記対象情報が有する前記住所情報の少なくとも一部に対応する前記地域コードをベクトルの１以上の要素にし、かつ前記他情報から前記ベクトルの１以上の要素を取得し、前記地域コードである前記１以上の要素と、前記他情報から取得した前記１以上の要素とを有するベクトルである置換情報を取得し、
前記置換情報処理部は、
前記置換情報取得部が取得した２以上の置換情報である２以上の教師データに対して、機械学習の学習処理を行い、学習モデルである処理結果を取得し、
前記処理結果出力部は、
前記学習モデルを蓄積する、請求項１または請求項２記載の住所情報処理装置。
【請求項6】
住所情報を有する対象情報を取得する対象情報取得部と、
前記住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部から取得する地域コード取得部と、
前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、
請求項５記載の住所情報処理装置が蓄積した学習モデルと前記置換情報とを用いて、機械学習の予測処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部とを具備する住所情報処理装置。
前記住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部から取得する地域コード取得部と、
前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、
請求項５記載の住所情報処理装置が蓄積した学習モデルと前記置換情報とを用いて、機械学習の予測処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部とを具備する住所情報処理装置。
【請求項7】
前記地域コード取得部は、
前記対象情報が有する前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得手段と、
前記地域コード取得手段が取得した地域コードが変換条件を満たす場合に、当該地域コードと対になる変換コードを、地域コードと変換コードとの対応を管理する１以上のコード対応情報が格納される変換コード格納部から取得する変換コード取得手段とを具備し、
前記置換情報取得部は、
前記変換コード取得手段が取得した変換コードを要素して含むベクトルである置換情報を取得する、請求項１から請求項６いずれか一項に記載の住所情報処理装置。
前記対象情報が有する前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得手段と、
前記地域コード取得手段が取得した地域コードが変換条件を満たす場合に、当該地域コードと対になる変換コードを、地域コードと変換コードとの対応を管理する１以上のコード対応情報が格納される変換コード格納部から取得する変換コード取得手段とを具備し、
前記置換情報取得部は、
前記変換コード取得手段が取得した変換コードを要素して含むベクトルである置換情報を取得する、請求項１から請求項６いずれか一項に記載の住所情報処理装置。
【請求項8】
地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部と、対象情報取得部と、地域コード取得部と、置換情報取得部と、置換情報処理部と、処理結果出力部とにより実現される住所情報処理方法であって、
前記対象情報取得部が、住所情報を有する対象情報を取得する対象情報取得ステップと、
前記地域コード取得部が、前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得ステップと、
前記置換情報取得部が、前記地域コード取得ステップで取得された地域コードを要素して含むベクトルである置換情報を取得する置換情報取得ステップと、
前記置換情報処理部が、前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理ステップと、
前記処理結果出力部が、前記処理結果を出力する処理結果出力ステップとを具備する住所情報処理方法。
前記対象情報取得部が、住所情報を有する対象情報を取得する対象情報取得ステップと、
前記地域コード取得部が、前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得ステップと、
前記置換情報取得部が、前記地域コード取得ステップで取得された地域コードを要素して含むベクトルである置換情報を取得する置換情報取得ステップと、
前記置換情報処理部が、前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理ステップと、
前記処理結果出力部が、前記処理結果を出力する処理結果出力ステップとを具備する住所情報処理方法。
【請求項9】
地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部にアクセス可能なコンピュータを、
住所情報を有する対象情報を取得する対象情報取得部と、
前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得部と、
前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、
前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部として機能させるためのプログラム。
住所情報を有する対象情報を取得する対象情報取得部と、
前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得部と、
前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、
前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部として機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、住所情報を処理する住所情報処理装置等に関するものである。
【背景技術】
【0002】
従来、住所情報を含むテキストの意味的類似性を測定するために、単語間の意味的類似に基づくテキスト間の類似距離算出方式を用いた技術があった（非特許文献１）。
【0003】
また、従来、ｋ最近傍に基づく協調フィルタリングにおけるアイテム間の意味的距離を計算するための技術があった（非特許文献２）。
【0004】
さらに、従来、例えば、住所情報を含むテキストデータからOne-Hot Encodingで特徴量ベクトルを取得し、当該特徴量ベクトルを用いて、機械学習の学習処理や予測処理を行う技術が広く知られていた。
【0005】
また、モバイル端末（スマホやテレビ等）の情報を取得したサーバが機械学習をサーバで実施するのではなく、モバイル端末で機械学習し、モデルパラメータのみサーバ側と共有するフェデレーテッドラーニングとよばれる技術がある（非特許文献３、非特許文献４）。
【先行技術文献】
【非特許文献】
【0006】
【非特許文献1】Courtney Corley and Rada Mihalcea. Measuring the semantic similarity of texts. In Proceedings of the ACL Workshop on Empirical Modeling of Semantic Equivalence and Entailment, EMSEE ’05, p. 13?18, USA, 2005. Association for Computational Linguistics.
【非特許文献2】Salmo M.S. J´unior and Marcelo G. Manzato. Collaborative filtering based on semantic distance among items. In Proceedings of the 21st Brazilian Symposium on Multimedia and the Web, WebMedia ’15, p. 53?56, New York, NY, USA, 2015. Association for Computing Machinery.
【非特許文献3】インターネットホームページ「秘密を保持したままAIを共同開発」（ＵＲＬ：https://chizaizukan.com/property/property169.html）
【非特許文献4】インターネットホームページ「フェデレーション ラーニング：集中トレーニング データを使用しない協調機械学習」（ＵＲＬ：https://developers-jp.googleblog.com/2017/05/federated-learning-collaborative.html）
【発明の概要】
【発明が解決しようとする課題】
【0007】
しかしながら、従来技術においては、住所情報を含む情報に対する処理において、処理コストが大きかった。
【課題を解決するための手段】
【0008】
本第一の発明の住所情報処理装置は、住所情報を有する対象情報を取得する対象情報取得部と、住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部から取得する地域コード取得部と、地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部と、処理結果を出力する処理結果出力部とを具備する住所情報処理装置である。
【0009】
かかる構成により、住所情報を含む情報に対する処理において、処理コストを小さくできる。
【0010】
また、本第二の発明の住所情報処理装置は、第一の発明に対して、住所情報は、番地情報またはフロア情報を含み得、置換情報取得部は、住所情報の中で、地域コードに対応しない文字列に含まれる番地情報またはフロア情報に対応する数値を取得し、数値をも要素して含むベクトルである置換情報を取得する、住所情報処理装置である。
【0011】
かかる構成により、住所情報を含む情報に対する処理において、処理コストをより小さくできる。
【0012】
また、本第三の発明の住所情報処理装置は、第一または第二の発明に対して、対象情報取得部は、各々異なる住所情報を含む２つの対象情報を取得し、地域コード取得部は、２つの各対象情報に対応する地域コードを、地域コード格納部から取得し、置換情報取得部は、地域コード取得部が取得した各地域コードを要素して含む２つのベクトルである２つの置換情報を取得し、置換情報処理部は、２つのベクトル間の距離を算出し、距離である処理結果を取得する、住所情報処理装置である。
【0013】
かかる構成により、住所情報を含む情報に対する距離を算出する処理において、処理コストを小さくできる。
【0014】
また、本第四の発明の住所情報処理装置は、第一または第二の発明に対して、対象情報は、住所情報以外の他情報を含み、対象情報取得部は、各々異なる住所情報を含む２つの対象情報を取得し、地域コード取得部は、２つの各対象情報に対応する地域コードを、地域コード格納部から取得し、置換情報取得部は、２以上の各対象情報ごとに、対象情報が有する住所情報の少なくとも一部に対応する地域コードをベクトルの１以上の要素にし、かつ他情報からベクトルの１以上の要素を取得し、地域コードである１以上の要素と、他情報から取得した１以上の要素とを有するベクトルである置換情報を取得し、置換情報処理部は、２つのベクトル間の距離を算出し、距離である処理結果を取得する、住所情報処理装置である。
【0015】
かかる構成により、住所情報と他情報とを含む情報に対する距離を算出する処理において、処理コストを小さくできる。
【0016】
また、本第五の発明の住所情報処理装置は、第一または第二の発明に対して、対象情報は、住所情報以外の他情報を含み、対象情報取得部は、２以上の対象情報を取得し、置換情報取得部は、２以上の各対象情報ごとに、対象情報が有する住所情報の少なくとも一部に対応する地域コードをベクトルの１以上の要素にし、かつ他情報からベクトルの１以上の要素を取得し、地域コードである１以上の要素と、他情報から取得した１以上の要素とを有するベクトルである置換情報を取得し、置換情報処理部は、置換情報取得部が取得した２以上の置換情報である２以上の教師データに対して、機械学習の学習処理を行い、学習モデルである処理結果を取得し、処理結果出力部は、学習モデルを蓄積する、住所情報処理装置である。
【0017】
かかる構成により、住所情報を含む情報に対する機械学習の学習処理において、処理コストを小さくできる。
【0018】
また、本第六の発明の住所情報処理装置は、住所情報を有する対象情報を取得する対象情報取得部と、住所情報の少なくとも一部に対応する地域コードを、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部から取得する地域コード取得部と、地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、第五の発明の住所情報処理装置が蓄積した学習モデルと置換情報とを用いて、機械学習の予測処理を行い、処理結果を取得する置換情報処理部と、処理結果を出力する処理結果出力部とを具備する住所情報処理装置である。
【0019】
かかる構成により、住所情報を含む情報に対する機械学習の予測処理において、処理コストを小さくできる。
【0020】
また、本第七の発明の住所情報処理装置は、第一から第六いずれか１つの発明に対して、地域コード取得部は、対象情報が有する住所情報の少なくとも一部に対応する地域コードを、地域コード格納部から取得する地域コード取得手段と、地域コード取得手段が取得した地域コードが変換条件を満たす場合に、地域コードと対になる変換コードを、地域コードと変換コードとの対応を管理する１以上のコード対応情報が格納される変換コード格納部から取得する変換コード取得手段とを具備し、置換情報取得部は、変換コード取得手段が取得した変換コードを要素して含むベクトルである置換情報を取得する、住所情報処理装置である。
【0021】
かかる構成により、住所情報を含む情報に対する処理において、精度を上げることができる。
【発明の効果】
【0022】
本発明による住所情報処理装置によれば、住所情報を含む情報に対する処理において、処理コストを小さくできる。
【図面の簡単な説明】
【0023】
【図1】実施の形態１における住所情報処理装置Ａのブロック図
【図2】同住所情報処理装置Ａの動作例について説明するフローチャート
【図3】同置換情報取得処理の例について説明するフローチャート
【図4】同郵便番号管理表を示す図
【図5】同変換コード管理表を示す図
【図6】同住所情報処理装置Ａの処理例を説明する図
【図7】同住所情報処理装置Ａの処理例を説明する図
【図8】同アメリカの各都市のデータを示す図
【図9】同実験１の結果を示す図
【図10】同実験２の結果を示す図
【図11】同実験３の結果を示す図
【図12】同レストラン管理表を示す図
【図13】同ユーザ訪問レストラン管理表を示す図
【図14】同コンピュータシステムの概観図
【図15】同コンピュータシステムのブロック図
【発明を実施するための形態】
【0024】
以下、住所情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
【0025】
（実施の形態１）
本実施の形態において、受け付けられた住所情報から地域コードを取得し、住所情報の少なくとも一部に対応する地域コードを要素とするベクトルである置換情報を用いて、所定の処理を行い、処理結果を出力する住所情報処理装置について説明する。
本実施の形態において、受け付けられた住所情報から地域コードを取得し、住所情報の少なくとも一部に対応する地域コードを要素とするベクトルである置換情報を用いて、所定の処理を行い、処理結果を出力する住所情報処理装置について説明する。
【0026】
また、本実施の形態において、住所情報から地域コードと番地等を取得し、地域コードを要素とするベクトルである、番地等を要素とするベクトルである置換情報を用いて、所定の処理を行い、処理結果を出力する住所情報処理装置について説明する。
【0027】
なお、上記の所定の処理は、例えば、２つの置換情報の間の距離を算出する処理である。距離は、例えば、後述する物理的距離または後述する意味的距離である。また、所定の処理は、例えば、機械学習の学習処理または予測処理である。
【0028】
さらに、本実施の形態において、飛び地等の特異な地域コードに対する補正の処理を行う住所情報処理装置について説明する。
【0029】
図１は、本実施の形態における住所情報処理装置Ａのブロック図である。住所情報処理装置Ａは、格納部１、受付部２、処理部３、および出力部４を備える。
【0030】
格納部１は、地域コード格納部１１、および変換コード格納部１２を備える。処理部３は、対象情報取得部３１、地域コード取得部３２、置換情報取得部３３、および置換情報処理部３４を備える。地域コード取得部３２は、地域コード取得手段３２１、および変換コード取得手段３２２を備える。出力部４は、処理結果出力部４１を備える。
【0031】
格納部１には、各種の情報が格納される。各種の情報は、例えば、後述する対応情報、後述する変換コード情報である。
【0032】
地域コード格納部１１には、１以上の対応情報が格納される。対応情報は、地域コードと住所情報の少なくとも一部との対応を示す情報である。対応情報は、例えば、地域コードと住所情報の少なくとも一部の対の情報である。対応情報は、例えば、地域コードと住所情報の少なくとも一部とのリンクの情報である。対応情報は、住所情報の少なくとも一部から地域コードを取得できる情報であれば良い。
【0033】
地域コードは、空間的な領域を特定する情報である。地域コードは、住所情報の一部または全部に対応する。地域コードは、通常、一の地域コードが特定する一の領域と、他の地域コードが特定する他の領域とが、物理的に近い距離にある領域であるほど、一の地域コードと他の地域コードとの差異が小さくなるように決められた情報である。通常、物理的な距離が近い２つの領域ほど、当該２つの領域の各地域コードの差異が小さくなるように決められたコードである。
【0034】
ただし、地域コードに、例外があっても良い。例えば、飛び地に対応する地域コードは、例外である場合がある。例えば、飛び地の地域コードと飛び地に隣接する領域の地域コードとの差異が大きく、前記隣接する領域と比較して、当該飛び地とは物理的に遠い領域の地域コードと飛飛び地の地域コードとの差異が小さい場合である。
【0035】
地域コードは、例えば、郵便番号である。地域コードである郵便番号とは、郵便番号の一部でも全部でも良い。つまり、地域コードは、例えば、「６０３－８５５５」の郵便願号のうち「６０３」のみでも良いし、全体の「６０３－８５５５」でも良い。地域コードは、例えば、電話番号の一部（例えば、市外局番の数値）である。
【0036】
地域コードは、対応する領域の位置が考慮された、独自の情報でも良い。例えば、地域コードは、「北海道・・・０１」「青森・・・０２」・・・「沖縄・・・４７」等でも良い。
【0037】
住所情報は、住所を示す情報である。住所情報は、完全な住所の情報をすべて含む情報であることは好適であるが、住所の一部の情報でも良い。つまり、住所情報は、例えば、「京都府京都市下京区中堂寺命婦町１－１０」等、すべての情報を含むことは好適であるが、「都道府県」「市町村」のみの情報、「都道府県」「市町村」「丁目」までの情報、「市町村」「区」のみの情報等の住所の一部の情報でも良い。また、住所情報は、「番地」を含むことは好適である。また、住所情報は、「フロア情報」「部屋番号」を含むことは好適である。また、住所情報は、「ストリート番号」「通り名」等を含んでも良い。さらに、住所情報は、「建物名」等を含んでも良い。
【0038】
変換コード格納部１２には、１または２以上のコード対応情報が格納される。コード対応情報は、地域コードと変換コードとの対応を管理する情報である。コード対応情報は、例えば、地域コードと変換コードとの対の情報である。コード対応情報は、地域コードと変換コードとのリンクの情報でも良い。つまり、コード対応情報は、地域コードから変換コードを取得できる情報であれば良い。変換コードとは、特定の地域コードに対して、住所情報処理装置Ａが置換情報を取得する際に使用するコードである。
【0039】
また、地域コード格納部１１および変換コード格納部１２は、住所情報処理装置Ａが具備することは好適であるが、図示しない外部の装置に存在していても良い。
【0040】
受付部２は、各種の指示や情報を受け付ける。各種の指示や情報は、例えば、対象情報、開始指示である。対象情報は、処理対象の情報である。対象情報は、住所情報を有する。対象情報は、他情報を含んでも良い。他情報は、住所情報以外の情報である。他情報の内容やデータ構造等は問わない。開始指示は、住所情報処理装置Ａの動作の開始の指示である。
【0041】
ここで、受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。
【0042】
各種の指示や情報の入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。
【0043】
処理部３は、各種の処理を行う。各種の処理は、例えば、対象情報取得部３１、地域コード取得部３２、置換情報取得部３３、置換情報処理部３４が行う処理である。
【0044】
対象情報取得部３１は、１または２以上の対象情報を取得する。対象情報取得部３１は、例えば、受付部２が受け付けた１以上の対象情報を取得する。対象情報取得部３１は、例えば、格納部１の１以上の対象情報を取得する。対象情報取得部３１は、例えば、図示しない外部の装置から、１以上の対象情報を受信する。対象情報取得部３１が対象情報を取得する方法や、対象情報の取得ルートは問わない。
【0045】
対象情報取得部３１は、例えば、各々異なる住所情報を含む２つの対象情報を取得する。
【0046】
対象情報取得部３１は、例えば、住所情報を含む２以上の説明変数の集合である対象情報を取得する。なお、説明変数は、機械学習の学習処理または予測処理に使用される情報である。
【0047】
地域コード取得部３２は、対象情報取得部３１が取得した対象情報が有する住所情報の少なくとも一部に対応する地域コードを、地域コード格納部１１から取得する。
【0048】
地域コード取得部３２は、例えば、対象情報が有する住所情報の少なくとも一部に一致する情報を有する対応情報に含まれる地域コードを、地域コード格納部１１から取得する。
【0049】
地域コード取得手段３２１は、対象情報が有する住所情報の少なくとも一部に対応する地域コードを、地域コード格納部１１から取得する。
【0050】
地域コード取得手段３２１は、例えば、２以上の各対象情報に対応する地域コードを、地域コード格納部から取得する。
【0051】
変換コード取得手段３２２は、地域コード取得手段３２１が取得した地域コードが変換条件を満たす場合に、地域コード取得手段３２１が取得した地域コードと対になる変換コードを、変換コード格納部１２から取得する。
【0052】
変換条件は、例えば、変換コード格納部１２の中に、地域コード取得手段３２１が取得した地域コードが存在することである。変換条件は、例えば、地域コード取得手段３２１が取得した地域コードが所定の数値または所定の文字列を含むことである。
【0053】
置換情報取得部３３は、地域コード取得部３２が取得した地域コードを要素して含むベクトルである置換情報を取得する。地域コードを要素して含むベクトルとは、地域コードを一の要素とするベクトルでも良いし、地域コードから取得された２以上の要素を含むベクトルでも良い。例えば。地域コードが、郵便番号「６０３－８５５５」である場合、ベクトルは、［６０３８５５５］を一要素とするベクトルでも良いし、［６０３，８５５５］の２つの要素を有するベクトルでも良い。
【0054】
置換情報取得部３３は、例えば、住所情報の中で、地域コードに対応しない文字列に含まれる番地情報またはフロア情報に対応する数値を取得し、当該数値をも要素して含むベクトルである置換情報を取得する。
【0055】
置換情報取得部３３は、例えば、住所情報「京都府京都市下京区東塩小路町７２１－１」のうちの「京都府京都市下京区東塩小路町」に対応する郵便番号「６００－８２１６」から取得されるベクトルの要素と、「下京区東塩小路町」の文字列からOne-Hot Encodingにより取得されるベクトルの要素と、番地情報「７２１－１」から取得されるベクトルの要素とを有するベクトルである置換情報を取得する。かかる置換情報は、例えば、［６００，８２１６］［０，０，１，・・・，０，０］［７２１，１］を有するベクトルである。なお、ここで、［０，０，１，・・・，０，０］は、「下京区東塩小路町」の文字列からOne-Hot Encodingにより取得されるベクトルの要素の集合である、とする。なお、One-Hot Encodingは、公知技術であるので、説明は省略する。なお、かかる方法は、後述するＰｒｏｃ１の方法である。
【0056】
例えば、対象情報が有する住所情報が「京都府京都市下京区東塩小路町７２１－１」である場合、置換情報取得部３３は、例えば、「京都府京都市下京区東塩小路町」に対応する郵便番号「６００－８２１６」と番地情報である「７２１－１」とを有する置換情報を取得する。なお、ここで、置換情報は、ベクトル（６００，８２１６，７２１，１）であることは好適である。なお、かかる方法は、後述するＰｒｏｃ２の方法である。
【0057】
置換情報取得部３３は、例えば、地域コード取得部３２が取得した各地域コードを要素して含む２つのベクトルである２つの置換情報を取得する。
【0058】
置換情報取得部３３は、例えば、２以上の各対象情報ごとに、対象情報が有する住所情報の少なくとも一部に対応する地域コードをベクトルの１以上の要素にし、かつ他情報からベクトルの１以上の要素を取得し、地域コードである１以上の要素と、他情報から取得した１以上の要素とを有するベクトルである置換情報を取得する。なお、他情報からベクトルの１以上の要素を取得する処理は、例えば、One-Hot Encodingであるが問わない。他情報からベクトルの１以上の要素を取得する処理は、例えば、他情報に対応する値を、図示しないデータベースから取得する処理でも良い。
【0059】
置換情報取得部３３は、例えば、変換コード取得手段３２２が取得した変換コードを要素して含むベクトルである置換情報を取得する。言い換えれば、置換情報取得部３３は、例えば、対象情報が有する住所情報の少なくとも一部を、変換コード取得手段３２２が取得した変換コードに置き換えた置換情報を取得する。
【0060】
置換情報処理部３４は、置換情報取得部３３が取得した１または２以上の置換情報に対して、予め決められた処理を行い、処理結果を取得する。
【0061】
置換情報処理部３４は、例えば、置換情報取得部３３が取得した２つのベクトル間の距離を算出し、距離である処理結果を取得する。なお、ここでの２つのベクトルは、２つの置換情報である。
【0062】
置換情報処理部３４は、例えば、置換情報取得部３３が取得した２以上の置換情報である２以上の教師データに対して、機械学習の学習処理を行い、学習モデルである処理結果を取得する。
【0063】
置換情報処理部３４は、例えば、住所情報処理装置Ａが蓄積した学習モデルと置換情報とを用いて、機械学習の予測処理を行い、処理結果を取得する。
【0064】
以下、予め決められた処理の具体例について、詳細に説明する。なお、予め決められた処理は問わないが、上述した通り、例えば、予め決められた処理は、２つのベクトルである置換情報間の距離を算出する処理、機械学習の学習処理、機械学習の予測処理である。
（１）置換情報処理部３４が距離を算出する場合
（１）置換情報処理部３４が距離を算出する場合
【0065】
置換情報処理部３４は、２つのベクトルである置換情報間の距離を算出し、当該距離である処理結果を取得する。なお、２つのベクトル間の距離は、例えば、ユークリッド距離であるが、コサイン類似度による距離、マハラノビス距離等でも良い。２つのベクトル間の距離を算出する技術は公知技術であるので、詳細な説明は省略する。
【0066】
また、２つの置換情報が住所情報から取得された要素のみからなるベクトルである場合、当該２つの置換情報の距離は、物理的距離と言うこととする。一方、２つの置換情報が住所情報から取得された要素と他情報から取得された要素とを有するベクトルである場合、当該２つの置換情報の距離は、意味的距離と言うこととする。なお、意味的距離は、意味的類似距離と言っても良い。２つの置換情報が他情報をも有する場合、２つの置換情報間の距離は、領域間の物理的な距離のみならず、他の情報により生じる距離をも含むので、意味的距離と言うこととする。
（２）置換情報処理部３４が機械学習の学習処理を行う場合
（２）置換情報処理部３４が機械学習の学習処理を行う場合
【0067】
置換情報処理部３４は、置換情報取得部３３が取得した２以上のベクトルである２以上の教師データに対して、機械学習の学習処理を行い、学習モデルである処理結果を取得する。なお、教師データは、置換情報である。なお、学習モデルは、学習器、分類器等と言っても良い。
【0068】
また、機械学習のアルゴリズムは問わない。機械学習の学習処理を行うアルゴリズムは、例えば、深層学習、決定木、ランダムフォレスト、ＳＶＭ、ＳＶＲ等が利用可能であるが、機械学習の種類は問わない。
【0069】
置換情報処理部３４は、例えば、機械学習の学習処理を行うモジュールに、２以上の置換情報を与え、当該モジュールを実行することにより、学習モデルを取得する。
【0070】
置換情報処理部３４は、例えば、機械学習の学習処理を行うモジュールに、１以上の正例である置換情報と１以上の負例である置換情報とを与え、当該モジュールを実行することにより、学習モデルを取得する。
【0071】
なお、上記の学習処理のモジュールは、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリの中の各種の関数、ｆａｓｔＴｅｘｔ、ｔｉｎｙＳＶＭ、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール等である。
（３）置換情報処理部３４が機械学習の予測処理を行う場合
（３）置換情報処理部３４が機械学習の予測処理を行う場合
【0072】
置換情報処理部３４は、（２）の学習処理により取得された学習モデルと、置換情取得部３３が取得したベクトルとを用いて、機械学習の予測処理を行い、処理結果を取得する。なお、置換情取得部３３が取得したベクトルとは、地域コード取得部３２が住所情報から取得した地域コードを要素して含むベクトルである。
【0073】
また、学習処理と同様、予測処理を行う機械学習のアルゴリズムは問わない。機械学習の予測処理を行うアルゴリズムは、学習処理と同様、例えば、深層学習、決定木、ランダムフォレスト、ＳＶＭ、ＳＶＲ等が利用可能であるが、機械学習の種類は問わない。なお、かかるモジュールは、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリの中の各種の関数、ｆａｓｔＴｅｘｔ、ｔｉｎｙＳＶＭ、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール等である。
【0074】
出力部４は、各種の情報を出力する。ここで、各種の情報は、例えば、処理結果である。処理結果は、例えば、上述した距離、学習モデル、予測処理における予測結果である。
【0075】
ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。
【0076】
処理結果出力部４１は、処理結果を出力する。処理結果出力部４１は、例えば、学習モデルを格納部１または図示しない他の装置に蓄積する。処理結果出力部４１は、例えば、距離を表示する。処理結果出力部４１は、例えば、予測結果を表示する。
【0077】
格納部１、地域コード格納部１１、および変換コード格納部１２は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【0078】
格納部１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部１等で記憶されるようになってもよい。
【0079】
受付部２は、例えば、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。
【0080】
処理部３、対象情報取得部３１、地域コード取得部３２、置換情報取得部３３、置換情報処理部３４、地域コード取得手段３２１、および変換コード取得手段３２２は、通常、プロセッサやメモリ等から実現され得る。処理部３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。なお、プロセッサは、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ等であり、その種類は問わない。
【0081】
出力部４、および処理結果出力部４１は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力部４等は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【0082】
次に、住所情報処理装置Ａの動作例について、図２のフローチャートを用いて説明する。
【0083】
（ステップＳ２０１）受付部２は、開始指示を受け付けたか否かを判断する。開始指示を受け付けた場合はステップＳ２０２に行き、開始指示を受け付けなかった場合はステップＳ２０１に戻る。
【0084】
（ステップＳ２０２）対象情報取得部３１は、１以上の対象情報を取得する。なお、対象情報は、開始指示に含まれていても良いし、格納部１に存在していても良いし、図示しない外部の装置から受信される等でも良い。
【0085】
（ステップＳ２０３）地域コード取得部３２は、カウンタｉに１を代入する。
【0086】
（ステップＳ２０４）地域コード取得部３２は、ステップＳ２０２で取得された対象情報の中で、ｉ番目の対象情報が存在するか否かを判断する。ｉ番目の対象情報が存在する場合はステップＳ２０５に行き、ｉ番目の対象情報が存在しない場合はステップＳ２０９に行く。
【0087】
（ステップＳ２０５）地域コード取得部３２は、ｉ番目の対象情報から住所情報を取得する。
【0088】
（ステップＳ２０６）地域コード取得部３２は、ステップＳ２０５で取得した住所情報の全部または一部と対になる地域コードを、地域コード格納部１１から取得する。
【0089】
（ステップＳ２０７）置換情報取得部３３は、ステップＳ２０６で取得された地域コードを用いて、置換情報を取得し、図示しないバッファに一時蓄積する。かかる置換情報取得処理の例について、図３のフローチャートを用いて説明する。
【0090】
（ステップＳ２０８）地域コード取得部３２は、カウンタｉを１、インクリメントする。ステップＳ２０４に戻る。
【0091】
（ステップＳ２０９）置換情報処理部３４は、ステップＳ２０７で一時蓄積された１以上の置換情報に対して、所定の処理を行い、処理結果を取得する。
【0092】
（ステップＳ２１０）処理結果出力部４１は、ステップＳ２０９で取得された処理結果を出力する。ステップＳ２０１に戻る。
【0093】
なお、図２のフローチャートにおいて、ステップＳ２０９における所定の処理は、例えば、上述した距離の算出処理、機械学習の学習処理、機械学習の予測処理であるが、１以上の置換情報を用いた処理であれば、他の処理でも良い。
【0094】
また、図２のフローチャートにおいて、ステップＳ２０６の後、変換コード取得手段３２２は、ステップＳ２０６で取得された地域コードが変換条件を満たすか否かを判断し、変換条件を満たす場合、変換コード取得手段３２２は、地域コードに対応する変換コードを変換コード格納部１２から取得することは好適である。そして、かかる場合、置換情報取得部３３は、地域コードに代えて、取得された変換コードを用いて、置換情報を取得することは好適である。
【0095】
さらに、図２のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
【0096】
次に、ステップＳ２０７の置換情報取得処理の例について、図３のフローチャートを用いて説明する。
【0097】
（ステップＳ３０１）置換情報取得部３３は、ステップＳ２０５で取得されているｉ番目の住所情報の中に、１以上のコード外情報が存在するか否かを判断する。１以上のコード外情報が存在する場合はステップＳ３０２に行き、１以上のコード外情報が存在しない場合はステップＳ３０７に行き。
【0098】
なお、コード外情報とは、住所情報の中の情報であり、地域コード取得部３２が取得した地域コードに対応しない情報である。例えば、住所情報が「京都府京都市下京区東塩小路町７２１－１」であり、地域コード取得部３２が取得した地域コード（ここでは、郵便番号）が「６００－８２１６」である場合、コード外情報は、住所情報から郵便番号「６００－８２１６」に対応する「京都府京都市下京区東塩小路町」を除いた「７２１－１」である。
【0099】
（ステップＳ３０２）置換情報取得部３３は、カウンタｉに１を代入する。
【0100】
（ステップＳ３０３）置換情報取得部３３は、ステップＳ３０１で取得したコード外情報の中で、ｉ番目のコード外情報が存在するか否かを判断する。ｉ番目のコード外情報が存在する場合はステップＳ３０４に行き、ｉ番目のコード外情報が存在しない場合はステップＳ３０７に行く。
【0101】
（ステップＳ３０４）置換情報取得部３３は、ｉ番目のコード外情報からベクトルを構成する要素を取得するか否かを判断する。要素を取得する場合はステップＳ３０５に行き、要素を取得しない場合はステップＳ３０６に行く。なお、コード外情報によって、ベクトルの要素を構成する元情報となるか否かが決まっている、とする。例えば、住所情報のうち「番地」「号」はベクトルの要素となり、「建物名（例えば、マンション名）」や「室番号」はベクトルの要素とならない、と決まっている。また、例えば、コード外情報「７２１－１」のうち、数値である「７２１」「１」はベクトルの要素となり、文字「－」はベクトルの要素とならない、と決まっている。ただし、住所情報のうち、どの情報をベクトルの要素とするかは、置換情報処理部３４が行う処理により異なることは好適である。
【0102】
（ステップＳ３０５）置換情報取得部３３は、ｉ番目のコード外情報からベクトルを構成する要素を取得する。なお、置換情報取得部３３は、例えば、２つのコード外情報を含む「７２１－１」のうちの「７２１」または「１」を取得する。
【0103】
（ステップＳ３０６）置換情報取得部３３は、カウンタｉを１、インクリメントする。ステップＳ３０３に戻る。なお、ステップＳ３０３からステップＳ３０６のループにより、例えば、ベクトルの要素「７２１」「１」が取得された。
【0104】
（ステップＳ３０７）置換情報取得部３３は、ステップＳ２０４におけるｉ番目の対象情報の中で、１以上の他情報が存在するか否かを判断する。１以上の他情報が存在する場合はステップＳ３０８に行き、１以上の他情報が存在しない場合はステップＳ３１３に行く。
【0105】
（ステップＳ３０８）置換情報取得部３３は、カウンタｊに１を代入する。
【0106】
（ステップＳ３０９）置換情報取得部３３は、ｉ番目の対象情報の中の１以上の他情報の中で、ｊ番目の他情報が存在するか否かを判断する。ｊ番目の他情報が存在する場合はステップＳ３１０に行き、ｊ番目の他情報が存在しない場合はステップＳ３１３に行く。
【0107】
（ステップＳ３１０）置換情報取得部３３は、ｊ番目の他情報を用いて、ベクトルの要素を取得するか否かを判断する。ベクトルの要素を取得する場合はステップＳ３１１に行き、ベクトルの要素を取得しない場合はステップＳ３１２に行く。なお、他情報によって、ベクトルの要素の元の情報になるか否かが、予め決まっている、とする。
【0108】
（ステップＳ３１１）置換情報取得部３３は、ｊ番目の他情報を用いて、ベクトルの要素を取得する。なお、置換情報取得部３３は、ｊ番目の他情報を、そのままベクトルの要素としても良いし、ｊ番目の他情報と対になる値を図示しないテーブルから取得する等しても良い。ｊ番目の他情報を用いてベクトルの要素を取得する方法は問わない。
【0109】
（ステップＳ３１２）置換情報取得部３３は、カウンタｊを１、インクリメントする。ステップＳ３０９に戻る。
【0110】
（ステップＳ３１３）置換情報取得部３３は、ステップＳ２０６で取得された地域コードを１または２以上の要素とするベクトルを構成する。なお、かかるベクトルは、ステップＳ３０５で取得された要素を有しても良い。また、かかるベクトルは、ステップＳ３１１で取得された要素を有しても良い。また、変換コードが取得されている場合、置換情報取得部３３は、ステップＳ２０６で取得された地域コードに代えて、当該変換コードを１または２以上の要素とするベクトルを構成する。
【0111】
以下、本実施の形態における住所情報処理装置Ａの具体的な動作例について説明する。以下、４つの具体例について説明する。ここでの具体例において、地域コードは郵便番号である、とする。
【0112】
（具体例１）
今、地域コード格納部１１には、図４に示す郵便番号管理表が格納されている、とする。ここでの郵便番号管理表は、日本の各地域の郵便番号を管理する表である。郵便番号管理表は、「ＩＤ」「住所情報」「郵便番号」を有するレコードを、多数、管理している。なお、「ＩＤ」は、レコードを識別する情報である。
今、地域コード格納部１１には、図４に示す郵便番号管理表が格納されている、とする。ここでの郵便番号管理表は、日本の各地域の郵便番号を管理する表である。郵便番号管理表は、「ＩＤ」「住所情報」「郵便番号」を有するレコードを、多数、管理している。なお、「ＩＤ」は、レコードを識別する情報である。
【0113】
また、変換コード格納部１２には、図５に示す変換コード管理表が格納されている、とする。ここでの変換コード管理表は、「ＩＤ」「郵便番号」「変換コード」を有するレコードを、多数、管理している。なお、「ＩＤ」は、レコードを識別する情報である。また、ここで管理されている「郵便番号」は、飛び地の郵便番号である、とする。
【0114】
そして、具体例１において、図６を用いて、住所情報処理装置Ａの処理例を説明する。具体例１において、住所情報処理装置Ａは、２つの住所情報から２つの地点の距離を算出する処理を行う、とする。ここでの距離は、住所情報のみを用いて算出した距離であるので、上述した物理的距離である、と言える。
【0115】
なお、具体例１において、One-Hot Encodingのみを用いた従来手法と、住所情報処理装置Ａの手法１（Ｐｒｏｃ１）と、手法２（Ｐｒｏｃ２）の３つの手法を説明する。
【0116】
そして、与えられる２つの住所情報は、住所１「京都府京都市下京区東塩小路町７２１－１」と住所２「京都府京都市下京区中堂寺命婦町１－１０」であった、とする。?
［従来手法］
［従来手法］
【0117】
従来手法は、住所情報を構成するすべての情報を、One-Hot Encodingによりベクトル化する方法である。つまり、従来手法において、住所１の「京都府京都市」の文字列から、One-Hot Encodingにより、ベクトル［１，１，０，・・・，０］が取得された、とする。また、住所１の「下京区東塩小路町」の文字列から、One-Hot Encodingにより、ベクトル［０，０，１，・・，１，・・，０，０］が取得された、とする。さらに、住所１の「７２１－１」から、ベクトル［０，1，・・１，・・１］が取得される。そして、取得したベクトルを結合し、置換情報１［１，１，０，・・・，０，０，０，１，・・，１，・・，０，０，1，・・１，・・１］が取得された、とする（６０１参照）。なお、ここで、６１０は、２つのベクトルとしているが、後述する距離の算出の際には、一つの結合したベクトルを使用する。
【0118】
また、従来手法において、住所２の「京都府京都市」の文字列から、One-Hot Encodingにより、ベクトル［１，１，０，・・・，０］が取得された、とする。また、住所２の「下京区中堂寺命婦町」の文字列から、One-Hot Encodingにより、ベクトル［０，０，１，・・，１，・・，１，０］が取得される。さらに、住所２の「１－１０」から、ベクトル［０，1，・・１，・・１，・，・０］が取得された、とする。そして、取得したベクトルを結合し、置換情報２［１，１，０，・・・，０，０，０，１，・・，１，・・，０，1，・・１，・・１・・，０］が取得された、とする。
【0119】
次に、従来手法において、ベクトルである置換情報１と置換情報２とのユークリッド距離（Ｘ１）が算出され、当該距離（Ｘ１）が出力される。
［Ｐｒｏｃ１］
［Ｐｒｏｃ１］
【0120】
Ｐｒｏｃ１は、住所情報に対応する郵便番号から得られる要素と、住所情報が含む区市町村の文字列からOne-Hot Encodingにより取得される多数の要素と、住所情報が含む番地情報（地番）および住居表示から取得される要素からなるベクトルを構成する方法である。
【0121】
Ｐｒｏｃ１により処理を行う住所情報処理装置Ａの受付部２は、住所１「京都府京都市下京区東塩小路町７２１－１」と住所２「京都府京都市下京区中堂寺命婦町１－１０」の２つの住所情報を受け付けた、とする。
【0122】
次に、対象情報取得部３１は、受付部２が受け付けた住所１と住所２とを取得する。
【0123】
次に、地域コード取得部３２は、住所１の「京都府京都市下京区東塩小路町」と対になる郵便番号「６００－８２１６」を、図４の郵便番号管理表から取得する。
【0124】
次に、置換情報取得部３３は、郵便番号「６００－８２１６」からベクトル［６００，８２１６］を取得する。また、置換情報取得部３３は、住所１の「下京区東塩小路町」に対して、One-Hot Encodingにより、ベクトル［０，０，１，・・，１，・・，０，０］を取得した、とする。また、置換情報取得部３３は、住所１の「７２１－１」からベクトル［０，１，・・１，・・１］を取得する。
【0125】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報１［６００，８２１６，０，０，１，・・，０，０，０,１，・・，１，・・１］を取得した、とする（６０２参照）。
【0126】
同様に、地域コード取得部３２は、住所２の「京都府京都市下京区中堂寺命婦町」と対になる郵便番号「６００－８５３３」を、図４の郵便番号管理表から取得する。
【0127】
次に、置換情報取得部３３は、郵便番号「６００－８５３３」からベクトル［６００，８５３３］を取得する。また、置換情報取得部３３は、住所２の「下京区中堂寺命婦町」に対して、One-Hot Encodingにより、ベクトル［０，０，１，・・，１，・・，１，０］を取得した、とする。また、置換情報取得部３３は、住所１の「１－１０」からベクトル［０，1，・・１，・・１，・，・０］を取得する。
【0128】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報２［６００，８５３３，０，０，１，・・・，１，０，1，・・１，・・１，・，・０］を取得する。
【0129】
次に、置換情報処理部３４は、ベクトルである置換情報１と置換情報２とのユークリッド距離（Ｘ２）を算出する。次に、処理結果出力部４１は、当該距離（Ｘ２）を出力する。
［Ｐｒｏｃ２］
［Ｐｒｏｃ２］
【0130】
Ｐｒｏｃ２は、住所情報に対応する郵便番号から得られる要素と、郵便番号に対応する文字列（都道府県区市町村）を除いた住所情報（番地情報を含む情報）から取得される要素とを含むベクトルを構成する方法である。
【0131】
Ｐｒｏｃ２により処理を行う住所情報処理装置Ａの受付部２は、住所１「京都府京都市下京区東塩小路町７２１－１」と住所２「京都府京都市下京区中堂寺命婦町１－１０」の２つの住所情報を受け付けた、とする。
【0132】
次に、対象情報取得部３１は、受付部２が受け付けた住所１と住所２とを取得する。
【0133】
次に、地域コード取得部３２は、住所１の「京都府京都市下京区東塩小路町」と対になる郵便番号「６００－８２１６」を、図４の郵便番号管理表から取得する。
【0134】
次に、置換情報取得部３３は、郵便番号「６００－８２１６」からベクトル［６００，８２１６］を取得する。また、置換情報取得部３３は、住所１の「７２１－１」からベクトル［７２１，１］を取得する。
【0135】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報１［６００，８２１６，７２１，１］を取得する（６０３参照）。
【0136】
同様に、地域コード取得部３２は、住所２の「京都府京都市下京区中堂寺命婦町」と対になる郵便番号「６００－８５３３」を、図４の郵便番号管理表から取得する。
【0137】
次に、置換情報取得部３３は、郵便番号「６００－８５３３」からベクトル［６００，８５３３］を取得する。また、置換情報取得部３３は、住所１の「１－１０」からベクトル［１，１０］を取得する。
【0138】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報２［６００，８５３３，１，１０］を取得する。
【0139】
次に、置換情報処理部３４は、ベクトルである置換情報１［６００，８２１６，７２１，１］と置換情報２［６００，８５３３，１，１０］とのユークリッド距離（Ｘ３）を算出する。次に、処理結果出力部４１は、当該距離（Ｘ３）を出力する。
【0140】
次に、処理結果出力部４１は、置換情報処理部３４が取得した評価値を出力する。
【0141】
以上の処理により、Ｐｒｏｃ１およびＰｒｏｃ２において、住所情報の一部を地域コードに置き換えて、特に、Ｐｒｏｃ２では、非常に少ない次元のベクトルを構成し、当該ベクトルを用いて２地点間の距離を算出することにより、高速な距離算出処理が可能となる。
【0142】
（具体例２）
具体例２において、米国の２つの住所情報の間の距離を算出する処理について、図７を用いて説明する。具体例２において、具体例１と同様、One-Hot Encodingのみを用いた従来手法と、住所情報処理装置Ａの手法１（Ｐｒｏｃ１）と、手法２（Ｐｒｏｃ２）の３つの手法を説明する。
［従来手法］
具体例２において、米国の２つの住所情報の間の距離を算出する処理について、図７を用いて説明する。具体例２において、具体例１と同様、One-Hot Encodingのみを用いた従来手法と、住所情報処理装置Ａの手法１（Ｐｒｏｃ１）と、手法２（Ｐｒｏｃ２）の３つの手法を説明する。
［従来手法］
【0143】
与えられる住所１が「29 E 2nd Ave, New York」（図７の７０１）である場合、具体例１の従来手法の処理と同様に、One-Hot Encodingによりベクトル化すると、［０，・・，１，・・，１，１，１，０，０，・・・，０，１，１，０，・・・，０］（７０２）となった、とする。
【0144】
また、与えられる住所２「205 E, Houston, St, New York, NY」（７０３）を、One-Hot Encodingによりベクトル化すると、［０，・・，１，・・，１，０，０，１，１，・・・，０，１，１，０，・・・，０］（７０４）となった、とする。
【0145】
さらに、与えられる住所３「182 2nd, Ave, New York, NY」（７０５）を、One-Hot Encodingによりベクトル化すると、［０，・・，１，・・，０，１，１，０，０，・・・，０，１，１，０，・・・，０］（７０６）となった、とする。
【0146】
そして、従来手法により、住所１の地点と住所２の地点との距離（Ｙ１）を、ベクトル７０２とベクトル７０４とのユークリッド距離として、算出し、当該距離（Ｙ１）を出力した、とする。
【0147】
また、従来手法により、住所１の地点と住所３の地点との距離（Ｙ２）を、ベクトル７０２とベクトル７０６とのユークリッド距離として、算出し、当該距離（Ｙ２）を出力した、とする。
［Ｐｒｏｃ１］
［Ｐｒｏｃ１］
【0148】
Ｐｒｏｃ１により処理を行う住所情報処理装置Ａの受付部２は、上記の住所１、住所２、住所３を受け付けた、とする。
【0149】
次に、対象情報取得部３１は、受付部２が受け付けた住所１と住所２と住所３とを取得する。
【0150】
次に、地域コード取得部３２は、住所１の「street，city，state」に対応する「E 2nd Ave, New York」と対になるzip code「１０，０００３」を、郵便番号管理表から取得する。なお、具体例２における郵便番号管理表は、図４と同じ構造である。
【0151】
次に、置換情報取得部３３は、住所１の「#address」の「２９」からベクトル［０，・・，１，・・，０］を取得する。また、置換情報取得部３３は、住所１の「E 2nd Ave, New York」に対して、One-Hot Encodingにより、ベクトル［１，１，１，０，０，・・・，０］を取得した、とする。また、置換情報取得部３３は、地域コード取得部３２が取得したzip code「１０，００３」からベクトル［１０，００３］を取得する。
【0152】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報１［０，・・，１，・・，０，１，１，１，０，０，・・・，０，１０，００３］を取得する（７０７参照）。
【0153】
同様に、地域コード取得部３２は、住所２の「E, Houston, St, New York, NY」と対になるzip code「１０－００２」を、郵便番号管理表から取得する。
【0154】
次に、置換情報取得部３３は、住所２の「#address」の「２０５」からベクトル［０，・・，１，・・，０］を取得する。また、置換情報取得部３３は、住所２の「E, Houston, St, New York, NY」に対して、One-Hot Encodingにより、ベクトル［１，０，０，１，１，・・・，０］を取得した、とする。また、置換情報取得部３３は、zip code「１０，００２」からベクトル［１０，００２］を取得する。
【0155】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報２［０，・・，１，・・，０，１，０，０，１，１，・・・，０，１０，００２］を取得する（７０８参照）。
【0156】
同様に、地域コード取得部３２は、住所３の「2nd, Ave, New York, NY」と対になるzip code「１０－００３」を、郵便番号管理表から取得する。
【0157】
次に、置換情報取得部３３は、住所３の「#address」の「１８２」からベクトル［０，・・，１，・・，０］を取得する。また、置換情報取得部３３は、住所３の「2nd, Ave, New York, NY」に対して、One-Hot Encodingにより、ベクトル［０，１，１，０，０，・・・，０］を取得した、とする。また、置換情報取得部３３は、zip code「１０，００３」からベクトル［１０，００３］を取得する。
【0158】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報３［０，・・，１，・・，０，１，１，０，０，・・・，０，１０，００３］を取得する（７０９参照）。
【0159】
次に、置換情報処理部３４は、ベクトルである置換情報１と置換情報２とのユークリッド距離（Ｙ３）を算出する。次に、処理結果出力部４１は、当該距離（Ｙ３）を出力する。
【0160】
また、置換情報処理部３４は、ベクトルである置換情報１と置換情報３とのユークリッド距離（Ｙ４）を算出する。次に、処理結果出力部４１は、当該距離（Ｙ４）を出力する。
［Ｐｒｏｃ２］
［Ｐｒｏｃ２］
【0161】
Ｐｒｏｃ２により処理を行う住所情報処理装置Ａの受付部２は、上記の住所１、住所２、住所３を受け付けた、とする。
【0162】
次に、対象情報取得部３１は、受付部２が受け付けた住所１と住所２と住所３とを取得する。
【0163】
次に、地域コード取得部３２は、住所１の「street，city，state」に対応する「E 2nd Ave, New York」と対になるzip code「１０，０００３」を、郵便番号管理表から取得する。
【0164】
次に、置換情報取得部３３は、住所１の「#address」の「２９」からベクトル［０２９］を取得する。また、置換情報取得部３３は、street番号「2nd」からベクトル［２］を取得する。また、置換情報取得部３３は、zip code「１０，００３」からベクトル［１０，００３］を取得する。
【0165】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報１［０２９，２，１０，００３］を取得する（７１０参照）。
【0166】
同様に、地域コード取得部３２は、住所２の「E, Houston, St, New York, NY」と対になるzip code「１０－００２」を、郵便番号管理表から取得する。
【0167】
次に、置換情報取得部３３は、住所２の「#address」の「２０５」からベクトル［２０５］を取得する。また、置換情報取得部３３は、住所２のstreet番号が存在しないので、存在しないことに対応するベクトル［０］を取得する。また、置換情報取得部３３は、zip code「１０，００２」からベクトル［１０，００２］を取得する。
【0168】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報２［２０５，０，１０，００２］を取得する（７１１参照）。
【0169】
同様に、地域コード取得部３２は、住所３の「2nd, Ave, New York, NY」と対になるzip code「１０－００３」を、郵便番号管理表から取得する。
【0170】
次に、置換情報取得部３３は、住所３の「#address」の「１８２」からベクトル［１８２］を取得する。また、置換情報取得部３３は、住所３のstreet番号「2nd」からベクトル［２］を取得する。また、置換情報取得部３３は、zip code「１０，００３」からベクトル［１０，００３］を取得する。
【0171】
次に、置換情報取得部３３は、取得したベクトルを結合し、置換情報３［１８２，２，１０，００３］を取得する（７１２参照）。
【0172】
次に、置換情報処理部３４は、ベクトルである置換情報１と置換情報２とのユークリッド距離（Ｙ５）を算出する。次に、処理結果出力部４１は、当該距離（Ｙ５）を出力する。
【0173】
また、置換情報処理部３４は、ベクトルである置換情報１と置換情報３とのユークリッド距離（Ｙ６）を算出する。次に、処理結果出力部４１は、当該距離（Ｙ６）を出力する。
【0174】
以上の処理により、Ｐｒｏｃ１およびＰｒｏｃ２において、住所情報の一部を地域コードに置き換えて、特に、Ｐｒｏｃ２では、非常に少ない次元のベクトルを構成し、当該ベクトルを用いて２地点間の距離を算出することにより、高速な距離算出処理が可能となる。
［実験結果］
［実験結果］
【0175】
以下、具体例２における実験結果について述べる。本実験において、アメリカの６都市(ニューヨーク，ワシントン，ボストン，サンフランシスコ，ロサンゼルス，シアトル)から６７２０件のＰＯＩデータを利用した。アメリカの各都市のデータを、図８に示す。図８において、各都市の州の地域コード（State Code）、街のコードの範囲（City Code）、およびＰＯＩデータの数（＃POIs）が記載されている。
【0176】
かかる条件で、以下の３つの実験について説明する。
［実験１］
［実験１］
【0177】
実験１では、上述した従来手法、Ｐｒｏｃ１の手法、およびＰｒｏｃ２の手法の各々の距離の算出の精度を測定した。
【0178】
距離の精度を評価するために、第一に、各ＰＯＩの緯度経度の情報を用いて各ＰＯＩ間の実距離を算出した。そして、実距離と従来手法との誤差（ユークリッド距離）、実距離とＰｒｏｃ１の手法との誤差（ユークリッド距離）、および実距離とＰｒｏｃ２との誤差（ユークリッド距離）を算出し、当該各誤差に対して、Min-Max正規化を行い、MSEの値で比較を行った。
【0179】
また、距離の精度を評価するために、第二に、各POI間の従来手法と提案手法のそれぞれのコサイン類似度による距離を算出し、それぞれに対してさらにMin-Max正規化を行い、MSEの値で比較を行った。
【0180】
かかる実験１の結果を図９に示す。図９の（ａ）は従来手法、（ｂ）はＰｒｏｃ１、（ｃ）はＰｒｏｃ２である。図９の都市ごとおよび手法ごとの値は、手法ごとに実距離とのユークリッド距離、およびコサイン類似度による距離の平均値である。
【0181】
図９によれば、One-Hot encodingを用いずに、住所情報をベクトル化して、次元数が最も少ないＰｒｏｃ２（ｃ）の全都市間の距離の誤差の平均値が「0.1131」であり、最も精度が良かったことが分かる。
［実験２］
［実験２］
【0182】
実験２では、従来手法、Ｐｒｏｃ１の手法、およびＰｒｏｃ２の手法の各々の距離算出の処理速度を測定した。
【0183】
具体的には、上述した米国の６都市のそれぞれについて、１００件ずつデータ数（ＰＯＩ数）を増やしながら、ユークリッド距離を算出した場合の各手法の処理速度を測定した。なお、本実験では、pythonのtimeライブラリを用いてMin-Max正規化による距離の算出に要する時間を測定した。
【0184】
【0185】
図１０によれば、従来手法の結果のグラフ（１００１，１００４，１００７，１０１０，１０１３，１０１６）と、Ｐｒｏｃ１の結果のグラフ（１００２，１００５，１００８，１０１１，１０１４，１０１７）とは、大きな差異がなく、処理速度は、概ね同様であることが分かる。一方、図１０において、Ｐｒｏｃ２の結果のグラフ（１００３，１００６，１００９，１０１２，１０１５，１０１８）は、他の２つの手法と比較して、Ｐｒｏｃ２の手法は、非常に高速に処理ができていることを示す。
【0186】
これは、住所やストリート名などのテキストデータをOne-Hot Encodingによりベクトル化して、次元数の多いベクトルを構成し、処理することの負荷が大きいことを示す。
［実験３］
［実験３］
【0187】
実験３では、従来手法、Ｐｒｏｃ１の手法、およびＰｒｏｃ２の手法の各々のメモリ使用効率を測定した。本実験において、memory profilerと呼ばれるpythonモジュールを用いてプログラムのメモリ消費量の行単位の分析を行い、各手法の距離算出のメモリ使用効率を測定した。
【0188】
かかる測定の結果を図１１に示す。図１１のグラフの縦軸はメモリ使用量（ＭｉＢ）、横軸は時間（秒）である。図１１の１１０１は、従来手法のグラフ、１１０２はＰｒｏｃ１のグラフ、１１０３はＰｒｏｃ２のグラフである。
【0189】
図１１では、従来手法、Ｐｒｏｃ１では、約２３０００ＭｉＢのメモリを約２３０秒間使用し続けた（図１１の１１０１、１１０２参照）のに対し、Ｐｒｏｃ２では、同じメモリ使用量で約１／１０の２５秒ほどで処理を完了させていることが分かる。
【0190】
以上の結果から、Ｐｒｏｃ２は、従来手法、Ｐｒｏｃ１よりもメモリ使用効率９０％ほど高く、最も良い結果を示したことを確認できた。
【0191】
以上の３つの実験により、特に、Ｐｒｏｃ２の手法の良さが示せた。
【0192】
（具体例３）
具体例３は、置換情報処理部３４が機械学習の学習処理を行う場合である。なお、具体例３において、One-Hot Encodingを用いないＰｒｏｃ２の手法により、住所情報を用いてベクトルを構成する処理を採用する。
具体例３は、置換情報処理部３４が機械学習の学習処理を行う場合である。なお、具体例３において、One-Hot Encodingを用いないＰｒｏｃ２の手法により、住所情報を用いてベクトルを構成する処理を採用する。
【0193】
今、格納部１には、図１２のレストラン管理表が格納されている。レストラン管理表は、レストランの種類に対応する値を管理する表である。レストラン管理表は、「ＩＤ」「種類」「値」を有する２以上のレコードを管理している。なお、「種類」はレストランの種類であり、「値」はレストランの種類に置き換えられる数値である。
【0194】
【0195】
さらに、格納部１には、図１３に示すユーザ訪問レストラン管理表が格納されている、とする。ユーザ訪問レストラン管理表は、ユーザが今までに行ったレストランの情報を管理する表である。なお、ユーザは、特定の一のユーザでも良いし、複数のユーザでも良い。ユーザ訪問レストラン管理表は、「ＩＤ」「住所情報」「店舗属性」「評価値」を有する多数のレコードを有する。「店舗属性」は、ここでは「種類」「平均単価」「メニュー数」「規模」を有する。「種類」はレストランの種類である。「平均単価」は、一人の客あたりの平均単価である。「メニュー数」は、レストランで提供され得る料理（コースを含む）の数である。なお、ユーザ訪問レストラン管理表のレコードは、機械学習の対象の対象情報である、とする。また、ユーザ訪問レストラン管理表の各レコードが格納される経緯や方法等は問わない。ユーザ訪問レストラン管理表の各レコードは、例えば、ユーザが予約し、実際に訪問し、訪問後に評価値を入力した情報である。
【0196】
また、格納部１には、「規模」の各情報に対応する値を管理する規模値管理表が格納されている。「規模」は、レストランの規模であり、規模値管理表において、情報「大」は値「３」、情報「中」は値「２」、情報「小」は値「１」に対応付けられている、とする。
【0197】
かかる状況において、住所情報処理装置Ａの使用者は、住所情報処理装置Ａに対して、機械学習の学習処理の開始指示を入力した、とする。
【0198】
すると、住所情報処理装置Ａの受付部２は、開始指示を受け付ける。
【0199】
次に、対象情報取得部３１は、図１３のすべてのレコードの「住所情報」「店舗属性」「評価値」を取得する。なお、「住所情報」「店舗属性」「評価値」を有する情報は、対応情報である。
【0200】
次に、地域コード取得部３２は、対象情報取得部３１が取得した各対象情報から住所情報を取得する。そして、地域コード取得部３２は、取得した各住所情報の一部（ここでは、値道府県区市町村であり、郵便番号に対応する住所情報の一部）と対になる郵便番号を、図４の郵便番号管理表から取得する。
【0201】
次に、置換情報取得部３３は、対象情報ごとに、取得した郵便番号（例えば、６００－８２１６）からベクトルの２つ要素（例えば、［６００，８２１６］）を取得する。
【0202】
次に、置換情報取得部３３は、対象情報ごとに、取得されている住所情報の中に、１以上のコード外情報（例えば、番地、号）が存在するか否かを判断する。コード外情報が存在する場合（例えば、「１０番１号」の番地を有する場合）、置換情報取得部３３は、当該コード外情報を用いて、ベクトルの１以上の要素（ここでは、［１０，１］）を取得する。
【0203】
次に、置換情報取得部３３は、各対応情報が有する「種類」の情報と対になる「値」を、
図１２のレストラン管理表から取得し、当該「値」をベクトルの一要素とする。
図１２のレストラン管理表から取得し、当該「値」をベクトルの一要素とする。
【0204】
次に、置換情報取得部３３は、各対応情報が有する「平均単価」を、各対応情報に対応するベクトルの一要素として取得する。
【0205】
次に、置換情報取得部３３は、各対応情報が有する「メニュー数」を、各対応情報に対応するベクトルの一要素として取得する。
【0206】
また、置換情報取得部３３は、各対応情報が有する「規模」と対になる「値」を、格納部１から取得し、当該「値」をベクトルの一要素とする。
【0207】
次に、置換情報取得部３３は、各対応情報が有する店舗属性の情報に対応する値を、ベクトルの一要素とする。
【0208】
さらに、置換情報取得部３３は、各対応情報が有する「評価値」を、ベクトルの一要素とする。
【0209】
以上により、置換情報取得部３３は、対象情報ごとに、（郵便番号から取得した２つの要素，住所情報のコード外情報から取得した１以上の要素，「種類」の情報と対になる「値」，平均単価，メニュー数，「規模」と対になる「値」，・・・，評価値）の構造を有するベクトルを構成する。なお、各ベクトルは、（郵便番号から取得した２つの要素，「種類」の情報と対になる「値」，平均単価，メニュー数，「規模」と対になる「値」，・・・）を説明変数とし、「評価値」を目的変数とする教師データである。また、ここで、教師データは、図１３のレコードの数だけ構成される。
【0210】
次に、置換情報処理部３４は、置換情報取得部３３が取得したすべての教師データに対して、機械学習の学習処理を行い、学習モデルを取得する。なお、学習モデルは、置換情報処理部３４が取得する処理結果の一例である。
【0211】
次に、処理結果出力部４１は、取得された学習モデルを、例えば、格納部１に蓄積する。
【0212】
以上の処理により、店舗の住所情報と店舗属性の情報とを入力とし、評価値を推定するための学習モデルが構築できた。また、以上の処理により、住所情報の一部を地域コードに置き換えて、非常に少ない次元のベクトルを構成し、当該ベクトルを用いて機械学習の学習処理を行うことにより、高速な学習処理が可能となる。
【0213】
（具体例４）
具体例４は、置換情報処理部３４が機械学習の予測処理を行う場合である。なお、具体例４において、One-Hot Encodingを用いないＰｒｏｃ２の手法により、住所情報を用いてベクトルを構成する処理を採用する。
具体例４は、置換情報処理部３４が機械学習の予測処理を行う場合である。なお、具体例４において、One-Hot Encodingを用いないＰｒｏｃ２の手法により、住所情報を用いてベクトルを構成する処理を採用する。
【0214】
今、住所情報処理装置Ａの格納部１に、具体例３の処理により構築された学習モデルが格納されている、とする。
【0215】
かかる状況において、ユーザが、利用したいと考えた店舗の「住所情報」「種類」「平均単価」「メニュー数」「規模」等を入力した、とする。
【0216】
すると、住所情報処理装置Ａの受付部２は、入力された「住所情報」「種類」「平均単価」「メニュー数」「規模」等からなる対象情報を受け付ける。
【0217】
次に、対象情報取得部３１は、かかる対象情報を取得する。
【0218】
次に、地域コード取得部３２は、対象情報が有する「住所情報」を取得する。次に、地域コード取得部３２は、取得した住所情報の一部と対になる郵便番号を、図４の郵便番号管理表から取得する。
【0219】
次に、置換情報取得部３３は、地域コード取得部３２が取得した郵便番号（例えば、６０３－８５５５）からベクトルの２つ要素（例えば、［６０３，８５５５］）を取得する。
【0220】
次に、置換情報取得部３３は、対象情報ごとに、取得されている住所情報の中に、１以上のコード外情報（例えば、番地、号）が存在するか否かを判断する。コード外情報が存在する場合（例えば、「３番８号」の番地を有する場合）、置換情報取得部３３は、当該コード外情報を用いて、ベクトルの１以上の要素（ここでは、［３，８］）を取得する。
【0221】
次に、置換情報取得部３３は、取得された一の対応情報が有する「種類」の情報と対になる「値」を、図１２のレストラン管理表から取得し、当該「値」をベクトルの一要素とする。
【0222】
次に、置換情報取得部３３は、当該一の対応情報が有する「平均単価」を、各対応情報に対応するベクトルの一要素として取得する。
【0223】
次に、置換情報取得部３３は、当該一の対応情報が有する「メニュー数」を、各対応情報に対応するベクトルの一要素として取得する。
【0224】
また、置換情報取得部３３は、当該一の対応情報が有する「規模」と対になる「値」を、格納部１から取得し、当該「値」をベクトルの一要素とする。
【0225】
さらに、置換情報取得部３３は、当該一の対応情報が有する店舗属性の情報に対応する値を、ベクトルの一要素とする。
【0226】
以上により、置換情報取得部３３は、（郵便番号から取得した２つの要素，住所情報のコード外情報から取得した１以上の要素，「種類」の情報と対になる「値」，平均単価，メニュー数，「規模」と対になる「値」，・・・）の構造を有する一のベクトルを構成する。ここでは、置換情報取得部３３は、例えば、ベクトル［６０３，８５５５，３，８，１，５０００，１０，３，・・・］を構成する。
【0227】
次に、置換情報処理部３４は、格納部１の学習モデルを取得する。そして、置換情報処理部３４は、置換情報取得部３３が取得した（郵便番号から取得した２つの要素，「種類」の情報と対になる「値」，平均単価，メニュー数，「規模」と対になる「値」，・・・）の構造を有する一のベクトルと、学習モデルとを、機械学習の予測処理を行うモジュールに与え、当該モジュールを実行し、予測された評価値を取得する。
【0228】
次に、処理結果出力部４１は、置換情報処理部３４が取得した評価値を出力する。
【0229】
以上の処理により、店舗の住所情報と店舗属性の情報とを用いて、当該店舗の評価値を推定できた。また、以上の処理により、住所情報の一部を地域コードに置き換えて、非常に少ない次元のベクトルを構成し、当該ベクトルを用いて機械学習の予測処理を行うことにより、高速な予測処理が可能となる。
【0230】
以上、本実施の形態によれば、住所情報を含む情報に対する処理において、処理コストを小さくできる。
【0231】
また、本実施の形態によれば、住所情報を含む情報を用いた２点間の距離を算出する処理において、処理コストを小さくできる。
【0232】
また、本実施の形態によれば、住所情報を含む情報に対する機械学習の学習処理において、処理コストを小さくできる。
【0233】
また、本実施の形態によれば、住所情報を含む情報に対する機械学習の予測処理において、処理コストを小さくできる。
【0234】
さらに、本実施の形態によれば、例えば、住所情報が示す領域が飛び地等の特異な場合でも、制度の高い住所情報の処理が可能となる。
【0235】
なお、本実施の形態における住所情報処理装置Ａは、住所情報を含む対象情報を高速に処理できることから、リアルタイム処理に適している。また、住所情報処理装置Ａは、住所情報を含む対象情報を対象にした機械学習の処理に好適であり、例えば、スマートフォンが協調して共有予測モデルの学習を行えるようにするフェデレーションラーニング（インターネットホームページＵＲＬ：”https://developers-jp.googleblog.com/2017/05/federated-learning-collaborative.html ”参照）等にも有用である。
【0236】
また、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ－ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における住所情報処理装置Ａを実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、地域コードと住所情報の少なくとも一部との対応を示す１以上の対応情報が格納される地域コード格納部にアクセス可能なコンピュータを、住所情報を有する対象情報を取得する対象情報取得部と、前記住所情報の少なくとも一部に対応する地域コードを、前記地域コード格納部から取得する地域コード取得部と、前記地域コード取得部が取得した地域コードを要素して含むベクトルである置換情報を取得する置換情報取得部と、前記置換情報に対して、予め決められた処理を行い、処理結果を取得する置換情報処理部と、
前記処理結果を出力する処理結果出力部として機能させるためのプログラムである。
前記処理結果を出力する処理結果出力部として機能させるためのプログラムである。
【0237】
また、図１４は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の住所情報処理装置Ａを実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図１４は、このコンピュータシステム３００の概観図であり、図１５は、コンピュータシステム３００のブロック図である。
【0238】
図１４において、コンピュータシステム３００は、ＣＤ－ＲＯＭドライブを含むコンピュータ３０１と、キーボード３０２と、マウス３０３と、モニタ３０４とを含む。
【0239】
図１５において、コンピュータ３０１は、ＣＤ－ＲＯＭドライブ３０１２に加えて、ＭＰＵ３０１３と、ＣＤ－ＲＯＭドライブ３０１２等に接続されたバス３０１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３０１５と、ＭＰＵ３０１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３０１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３０１７とを含む。ここでは、図示しないが、コンピュータ３０１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【0240】
コンピュータシステム３００に、上述した実施の形態の住所情報処理装置Ａの機能を実行させるプログラムは、ＣＤ－ＲＯＭ３１０１に記憶されて、ＣＤ－ＲＯＭドライブ３０１２に挿入され、さらにハードディスク３０１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３０１に送信され、ハードディスク３０１７に記憶されても良い。プログラムは実行の際にＲＡＭ３０１６にロードされる。プログラムは、ＣＤ－ＲＯＭ３１０１またはネットワークから直接、ロードされても良い。
【0241】
プログラムは、コンピュータ３０１に、上述した実施の形態の住所情報処理装置Ａの機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３００がどのように動作するかは周知であり、詳細な説明は省略する。
【0242】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【0243】
また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。
【0244】
また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【0245】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【0246】
以上のように、本発明にかかる住所情報処理装置は、住所情報を含む情報に対する処理において、処理コストを小さくできるという効果を有し、住所情報処理装置等として有用である。
【符号の説明】
【0247】
Ａ 住所情報処理装置
１ 格納部
２ 受付部
３ 処理部
４ 出力部
１１ 地域コード格納部
１２ 変換コード格納部
３１ 対象情報取得部
３２ 地域コード取得部
３３ 置換情報取得部
３３ 置換情取得部
３４ 置換情報処理部
４１ 処理結果出力部
３２１ 地域コード取得手段
３２２ 変換コード取得手段
１ 格納部
２ 受付部
３ 処理部
４ 出力部
１１ 地域コード格納部
１２ 変換コード格納部
３１ 対象情報取得部
３２ 地域コード取得部
３３ 置換情報取得部
３３ 置換情取得部
３４ 置換情報処理部
４１ 処理結果出力部
３２１ 地域コード取得手段
３２２ 変換コード取得手段
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】