農業ナレッジグラフの構築に関する考察による領域ナレッジグラフの構築モデルの提案

(1)

人工知能学会研究会資料 SIG-SWO-047-10

農業ナレッジグラフの構築に関する考察による

領域ナレッジグラフの構築モデルの提案

A Building Model for Domain Knowledge Graph based on

Agricultural Knowledge Graph

朱成敏

1 ∗

小出誠二

2

武田英明

1,3

法隆大輔

4

竹崎あかね

4

吉田智一

4

Sungmin JOO

1

_{Seiji KOIDE}

2

_{Hideaki TAKEDA}

1

Daisuke HORYU

3

_{Akane TAKEZAKI}

3

_{Tomokazu YOSHIDA}

3

1

_{国立情報学研究所}

1

_{National Institute of Informatics}

2

_{オントロミー共同会社}

2

_{Ontolonomy, LLC}

3

_{総合研究大学院大学}

3

_{SOKENDAI University(The Graduate University for Advanced Studies)}

4

_{農業・食品産業技術総合研究機構}

4

_{National Agriculture and Food Research Organization}

Abstract: The Knowledge Graph systematically links knowledge and constructs a semantic network to represent the knowledge domain. Knowledge graphs enable data integration, knowledge discovery and advanced analyses. We have constructed graphical knowledge graphs and provided related services focusing on agriculture activity and crop. This paper discusses not only the process of constructing the knowledge graph in agriculture but also the process of constructing the domain knowledge graph and the points to be noted.

1 はじめに

ナレッジグラフは知識を体系的に連結し，リンクとして表した知識のネットワークである．ナレッジグラフを用いるとデータの連携・統合や知識の発見，高度な分析が可能となり，意思決定やプロセスの最適化の支援にも繋がる．そのため，蓄積された知識を基盤とする処理によって正確性と有用性の向上が要求される農業や医療などの専門領域におけるナレッジグラフの利活用が期待されている．筆者らは先行研究として農作業と農作物を体系化し，連携させることで農業分野のナレッジグラフを構築した．農業ナレッジグラフによって農業データの連携・統合が可能となり，データの意味解析や処理の自動化が可能となった．また，情報学と農学をそれぞれ背景とする研究者が協力して構築したため，近年の農業分野 ∗_{連絡先：国立情報学研究所} 〒 101-8430 東京都千代田区一ツ橋 2-1-2 E-mail: [email protected] が持つ問題の解決に適合したナレッジグラフを構築することができた．そして，様々な社会的協力を通じてその利活用を促進している．そこで，本研究では農業分野のナレッジグラフを構築した過程について考察し，領域ナレッジグラフの構築に要求される要素と構築過程のモデル化を行う．そして，領域ナレッジグラフの構築過程において注目すべき点について考察する．

2 農業ナレッジグラフの構築

本章では農業ナレッジグラフの 2 つ要素となる農作業基本オントロジーと農作物語彙体系の構築過程とその連携について述べる．

(2)

2.1 農作業基本オントロジー

農作業基本オントロジー (Agriculture Activity On-tology)はデータ間の相互運用を実現するのために構築された農作業名における標準語彙である [1]．2015 年 5 月 12 日最初公開版である ver.0.94 の公開され，最新版である ver.2.01 まで約３年間 6 回の更新を行ってきた．本節ではその構築過程について述べる． 2.1.1 問題の認識近年の農業現場には様々な農業 ICT システムが普及されており，各システムからは膨大なデータが発生している．これらのデータを連携・統合し，分析することによって生産量の予測や異常の発見，作業の最適化など，有効な利活用が可能となる．しかし，データの連携において基準となる情報がなく，システムベンダーは独自の方針でデータを作成していた．そのため，異なるシステム間のデータの連携・統合が困難である．農作業は営農の計画や実行，農業現場の自動化において重要な要素であり，データ連携のための標準語彙が必要となった． 2.1.2 調査筆者らは農作業名とその定義に対する現状を理解するために関連資料と関係者との打合わせを通じて調査を行なった．まず，既存の農業分野で用いられている農作業に関する資料を調べた．用語集としては国際連合食糧農業機関 (FAO)による AGROVOC[2] と内閣官房による「農業 ITシステムで用いる農作物の名称に関する個別ガイドライン (以下ガイドライン)[3]」があった．AGROVOC は 35,000 語以上の用語が収録されており，27 言語1_に対応している国際的な標準語彙であるが，イネ作の農作業のように日本では重要視されている農作業名称の不足が確認された．一方，ガイドラインは重複している項目や「その他」の項目名が多数存在する問題点があった．そして，これらの用語集はそれぞれ関連性で分類されているシソーラスのため，その関連性が定義されていなかった．公開形式は AGROVOC が RDF/XML と Turtle，ガイドラインが EXCEL 形式2となっていた．そして，既存の農業 ICT システムに農作業名がどのように導入されているのかを調査した．システムベンターとの打ち合わせと独自の調査を通じて，農作業名は利用者の自由入力に依存していることがわかった．実際のデータを観察した結果，同じ農作業にも関わらずに表記や名称が異なる場合が多数あった． 1₂₀₁₉_{年 2 月 21 日時点．} 2₂₀₁₆_{年当時は PDF のみ．} 一方，それぞれの農作業が持つ意味を収録している資料としては農業技術事典 (NAROPEDIA)3_{と Wikipedia} 日本語版4があり，両方インターネット上で公開されている．農業技術辞典では様々な農作業について詳細な説明が収録されていたが，データ化が困難であり， Wikipedia日本語版は農作業関連の項目が不足していたことがわかった． 2.1.3 タスクの設定上記の調査により日本の農業分野における農作業について以下のことが判明した． • 標準語彙の不在． • 明確な定義と構造化がされていない． • 機械可読な形式で公開されていない． こういった現状に対し，筆者らは以下のことをタスクとして設定した． • 農作業の意味を定義 • 概念の構造化 • 表記の整理 • 機械可読性のある形式で公開 そして，タスクを解決するために農作業のためのオントロジーを構築することにした．これは概念を明確化し，その定義から構造化するオントロジーの構築が最も適切な手段だと判断したからである．また，表記の揺らぎの問題にも対応することができる． 2.1.4 名称の収集農作業の名称を収集するために筆者らはガイドラインと農林水産省の統計調査から農作業名称を収集した．最初に収集された農作業名は 145 語であり，うち同義語は 8 語であった．そして，地方自治体の統計調査や関連資料の調査により農作業名が追加され，最新版では 475 語が収録されている． 3_{農業技術事典，http://lib.ruralnet.or.jp/nrpd/} 4_Wikipedia_{日本語版，https://ja.wikipedia.org}

(3)

2.1.5 設計と構造化収集された農作業名に対して定義を行なった．農作業基本オントロジーはオントロジーにおける概念を農作業とし，概念を定義するために属性を用いた．最初は「目的」，「対象」，「手段」の 3 個の属性を用いたが，多様な農作業への対応と明確な定義を行うために最新版では「目的」，「行為」，「対象」，「副対象」，「場所」，「手段」，「機資材」，「時期」，「対象作物例」，「作業条件」の 10 個の属性を用いて定義している．これらの属性に対し，農作業の定義に適切な値を決め，農作業の定義を行なった．そして，値の包含関係から農作業間の関係性を定義し，最上位概念を農作業とする農作業の階層構造を構築した．階層の深さは最初公開版では 5 階層であったが，更新によって最新版では 10 階層となった．また，複数の目的で行われる農作業のために複数の上位概念を持つ多義的概念を導入した．例えば，代掻きは砕土と近平，保水作業の 3 つの農作業を上位概念として持ち，それぞれの属性の値を継承している．そして，農作業名称の多様性に対応するために，定義された概念に表記を収録した．それぞれの概念は見出し語の役割をする代表表記と同義語となる別名，英名を表記として持つ．農作業名が持つ属性の値を基準に体系化する場合，収集された名称だけでは階層構造の構築が困難のため，抽象的な意味を持つ農作業名の定義が必要となった．例えば，「挿し木」と「接ぎ木」，「は種」は繁殖制御のために行う農作業であるが，それぞれの詳細は異なる．そのため，「挿し木」と「接ぎ木」の上位概念として「栄養繁殖作業」を，「は種」の上位概念として「種子繁殖作業」を追加した．また，「栄養繁殖作業」と「種子繁殖作業」は「繁殖制御作業」の下位概念となる．このように「栄養繁殖作業」や「種子繁殖作業」，「繁殖制御作業」のように筆者らが独自で定義した農作業名を「概念」とし，属性を「目的」のみにする農作業として定義した．そして，「挿し木」や「接ぎ木」，「は種」のように実際ほ場で行われる農作業名を「用語」とした．そのため，農作業の階層構造において上位階層は「概念」，詳細な定義となる下位階層は「用語」で構成されている．農作業基本オントロジーは記述論理に基づいて設計された．そのため矛盾や同一性など農作業名称が持つ曖昧さを解消できる論理的構造として構築することができた．なお，こういったオントロジーにおける論理的な基盤はデータの意味解析や推論のような高度な知識処理も可能とした．図 1 は農作業基本オントロジーにおける「挿し木」の関連知識のグラフである．図 1: 農作業基本オントロジーにおける「挿し木」. 2.1.6 データ化農作業基本オントロジーの農作業名は固有の名前空間 (URI) を持ち，共通農業基盤5_{にて運用されている．} それぞれの URI には表記に関する情報や上位/下位概念，属性の値など基本情報が表示される．また，対応する Wikipedia と AGROVOC，農業技術事典の項目へのリンクがあり，URI 画面を閲覧することで農作業の意味を理解することが可能である．これらの情報は OWLで書かれており，Turtle/RDF 形式で公開した．また，Turtle 形式の場合，その利用が困難だという現場の意見があり，必要な項目を選択して CSV 形式でダウンロードする機能を追加した． 2.1.7 関連サービスの開発まず，既存のコンテンツやシステムの語彙を標準語彙に変換させるために農作業基本オントロジーの表記 5_{共通農業基盤，http://www.cavoc.org}

(4)

情報を利用する語彙変換 API を開発した．同義語を代表表記に，そして英名に変換することができる．また，農作業名称を定義している属性の値を用いることで農作業の意味を自動的に自然言語で説明する用語集を開発した．それぞれの属性が持つ意味を形容する自然言語の表現と合わせて値を出力することで説明文が生成され，農作業に対する意味の理解を容易とする． 2.1.8 検証と更新農作業は対象となる作物によって様々な農作業が存在し，さらに地域によって異なる場合もある．そのため各専門家に収録情報の検証を依頼し，属性の値や表記の修正を行ってきた．また，新しい用語の追加と構造の修正も行い，約３年間 6 回の更新を行ってきた． 2.1.9 社会的協力農作業基本オントロジーは農作業における標準語彙として日本の農業に最も適合しており，かつ明確な定義と論理的構造で構築されていることから，平成 28 年度のガイドライン (本格運用版) に反映された [4]．また，収録されている情報は誰もが自由に利用できるようにデータと関連サービスを全て公開しているため，関連研究やサービスの開発での利用が容易である．その例として台湾の食品安全プログラムである Traceable Agriculture Product (TAP)[5]とタイ語への用語変換に関する研究 [6] が挙げられる．また，岩手県の農業研究センターと連携して農作業基本オントロジーを基盤とする複数作物の経営指標を比較して提示するシステムを開発した [7]．

海外との研究協力も進めており，EU の Diversity In-ternational，フランスの INRA(French National Insti-tute for Agricultural Research)と研究面で協力をしている．

2.2 農作物語彙体系

農作物語彙体系 (Crop Vocabulary) はフードチェーンにおけるデータの連携・統合のために開発された農作物の標準語彙である [8]．2017 年 9 月 14 日最初公開版である ver0.91 が公開され，最新版である ver1.52 には 1,249 語の農作物の名称が収録されている． 2.2.1 問題の認識近年の食品安全に対する社会的要望により，生産から加工，流通まで一貫性のある管理が期待されている．しかし，農作物は作物としての名称や品種名，加工後食品としての名称などフードチェーンの各段階における名称が異なり，管理するシステム間のデータ連携が困難である．そのためフードチェーンにおける農作物の標準語彙が必要となった． 2.2.2 調査筆者らは農業現場や食品管理で用いられている農作物名に対し，関連資料を調査するとともに流通関連の団体を訪問して現場について意見交換を行なった．まず，公的機関が発行している農作物の語彙について調べた．現在 3 つの語彙が主に用いられており，それぞれ発行機関と利用目的が異なった．農林水産省による「農薬登録における適用農作物名」は農薬の使用に，厚生労働省による「農作物等の食品分類表」は残留農薬の基準に，文部科学省による「日本食品標準成分表」は栄養管理に関する目的で管理されていた [9][10][11]．そのうち，農家では農薬使用に関する基準である「農薬登録における適用農作物名」が重要視されていることがわかった．一方，これら語彙は同じ農作物にも関わらず，異なる名称で扱われていることが多数発見された．「農薬登録における適用農作物名」の「ばれいしょ」の場合，他の語彙では「じゃがいも」と登録されていた．そのほか，利用部位による名称の違いもあり，「農薬登録における適用農作物名」の「花オクラ」，「わさび (根茎)」が「農産物等の食品分類表」には「オクラの花」，「わさびの根茎」に収録されていた．そして，それぞれの語彙の作物名は一般的な農作物名で収録されているが，利用部位や栽培方法によって限定されることがあった．例えば，「農薬登録における適用農作物名」における「オクラ」は「果実を収穫するもの」と，「わさび (根茎)」は「水系で栽培されるもの」と明記されている．この場合，利用部位や栽培方法が異なる同じ農作物はその適用について農家が判断することになる．公開形式については「農薬登録における適用農作物名」と「農作物等の食品分類表」は PDF，「日本食品標準成分表」は EXCEL であった．特に PDF で公開されている語彙は機械可読が困難であり，加工するときも濁音の処理などが必要な場合もあった． 2.2.3 タスクの設定上記の調査により以下のような問題を発見した． • 同じ農作物に対する既存の語彙の名称が異なる． • 利用部位や栽培方法によって名称が異なる． • 機械可読な形式で公開されていない．

(5)

これに対して農作物の標準語彙に必要な条件として以下のタスクを設定した． • フードチェーンの各段階での対応 • 利用部位，栽培方法に対応 • 既存語彙との互換性 • 機械可読なデータ形式 農作物の場合，行動を定義した農作業と異なり，すでに植物学として定義されているものが対象である．そのため，既存の定義に目的による名称を対応させる構築方針を決めた． 2.2.4 名称の収集農作物名の収集はまず，既存の 3 つの語彙に収録されている名称を収集した．それぞれの農作物名に対して果実や花などの利用部位，栽培方法によって限定されているか確認を行なった．そして，農研機構が管理している品種名を中心に品種名の収集も行なった． 2.2.5 設計と構造化農作物の対象範囲はほ場での栽培から加工までの過程にし，分類における第一基準は植物学的定義にした．全ての代表表記は栽培方法による名称を除き，カタカナの表記とした．利用部位については「農作物名 (部位名)」のような形式で表記し，農作物名の下位概念とする階層構造で表現した．例えば，「農薬登録における適用農作物名」の「花オクラ」は「オクラ (花)」となり「オクラ」の下位概念となる．ここで，上位概念となる農作物名は総称にし，一般的な名称にも対応できるようにした．栽培方法は名称に表示することで分類することにした．例えば，わさびは「水ワサビ」と「畑ワサビ」があり，根茎を利用する場合はそれぞれ「水ワサビ (根茎)」と「畑ワサビ (根茎)」となる．表記を標準化したあとは農作物名に対し，既存語彙の作物名 (または食品名)，Wikipedia の項目名，NCBI の taxonomy ID との対応関係を収録した．例えば，果実に限定している「農薬登録における適用農作物名」の「オクラ」は「オクラ (花)」に，Wikipedia 日本語版の項目名「オクラ」は総称の「オクラ」に対応させ，それぞれリンクとして同一関係を表現した．図 2 は農作物語彙体系における「オクラ (果実)」の関連知識を表したグラフである．図 2: 農作物語彙体系における「オクラ (果実)」. 2.2.6 データ化農作物語彙体系の農作物名は農作業基本オントロジーと同様に共通農業基盤で運用されており，URI と関連データが公開されている．URI には農作物の基本情報と利用部位で分類されている場合は階層構造が表示される．全ての情報は SKOS/Turtle の形式でダウンロードすることができる．また，EXCEL 形式や利用者が必要な情報を選択して CSV の形式でダウンロードできる機能も提供している．既存の語彙についてもそれぞれ URI を実装し，農作物語彙体系の対応農作物名へのリンクを表示した．既存の語彙が PDF 形式になっているため利活用が困難だという要望があり，それぞれ URI の実装と EXCEL, CSV, SKOS/Turtleの形式で加工したファイルも公開した．なお，名称を収集した際に集めた品種名 30,302 件を別途のデータとして公開し，同じように URI と EXCEL，CSV，SKOS/Turtle 形式で公開した． 2.2.7 関連サービスの開発農作物語彙体系には既存の語彙と NCBI の Taxonomy DB，Wikipedia 日本語版の項目との対応関係が定義されており，横断的利活用が可能である．共通農業基盤で提供している API を用いると語彙や関連情報の変換が容易にできる．また，公的機関が発行した語彙の農

(6)

作物名がお互い異なり，関連資料の作成における語彙の選択が困難だという意見があり，既存語彙別に関連農作物名を表示する検索サービスも実装して提供している． 2.2.8 検証と更新農作物の語彙は植物学的名称や一般名称，品種名など品種改良や商品化によって多様な名称が混在しており，今後さらに増えていく傾向である．そのため，農作物名の追加とともに同一性の検証が重要である．農作物語彙体系は各専門家に情報の検証を依頼をし，同一性の判定を行なっている．情報の更新はこれまで 5 回行ってきた． 2.2.9 社会的協力農作物名が持つ多様性に対する問題認識は農業システム開発分野に特に共感を得ており，語彙情報について協力をしている．農薬登録情報を無料で提供している ACFinder6に協力をしており，データの提供を行なっている．

2.3 農作業基本オントロジーと農作物基本

体系の連携

筆者らは農作業基本オントロジーと農作物語彙体系を構築した後，農業分野全般における知識体系を構築するために 2 つの知識体系の連携を試した [12]．農作業と農作物以外に農作を目的とする活動に必要な要素である農業機械や資材，設備などの関連語彙を整理し，今後の拡張における基盤とする目的である．本節ではその連携の過程について述べる． 2.3.1 問題の認識農作業と農作物は農業分野の一部分であり，お互い密接な関連があるが，連携において語彙間の対応に考慮しなければならない問題があった．例えば，農作業の一つである「掘取り」は根菜において地面を掘って，収穫する作業である．農作業基本オントロジーでは属性「対象作物」の値として根菜が収録されている．一方，農作物語彙体系では農作物名を植物学的分類を基準に定義したため，根菜との対応が困難である．根菜に分類される農作物名を農作業基本オントロジーの属性の値として全部収録した場合，その管理はさらに手間がかかる．各知識体系の管理を考慮すると，最低限 6_{農薬登録情報検索クライアント，https://acfinder.kabe.} info/ の情報を収録することが妥当であり，別途の体系を構築することが利活用や管理においても適切だと考えた． 2.3.2 タスクの設定農業分野におけるナレッジグラフ間の連携のために語彙間の対応を定義する必要があり，そのため，属性の値のようにナレッジグラフで用いられている語彙を定義することにした．各語彙の情報と対応関係を定義し，2 つのナレッジグラフへの対応関係をリンクとして表現するデータ化を行うタスクをことにした． 2.3.3 設計と構造化農作業基本オントロジーに用いられている語彙を属性ごとに分類し，農作業名と農作物語彙体系の農作物名との対応関係についてリンクとして表現した．これにより 2 つのナレッジグラフが連携することができ，農業分野のナレッジグラフとして拡張された．図 3 はその全体を表した図である． 2.3.4 データ化各語彙に URI を実装し，英名と属性，関連農作業名と農作物名へのリンクを表示した．

2.4 考察

本節では 3 つの農業分野のナレッジグラフ構築の各段階に対して考察する．筆者らは情報系の研究者と農業系の研究者で構成されている．それぞれの役割と立場に注目して考察を行う． 2.4.1 調査まず，情報系の研究者は農業に対する基礎的な知識を学習する必要があった．関連資料や書籍を参考しながら栽培過程や農作業の意味，農業用語について学習した．公的機関の担当者やシステムベンダーとの打ち合わせが現状の理解に最も重要だった．まず，同じ用語や概念についても主体の立場によって異なることがあり，適切な対応が必要だった．例えば，イネの収穫物は一般的に米だと判断されるが，農家では籾殻も収穫物の一部であり，農作業の資材としても用いられる．概念の定義にこういった立場の違いを理解しないと適用範囲が狭くなることがわかった．そして，筆者らは関連資料に掲載されている農作業名を優先する予定であったが，打ち合わせを通じて類似農作業を含む通称の農

(7)

!"#$ !" #$ %& '( )*+ ,-./ ,012 34 5,06789:;<= ,-,->? ,->@ ,->A ,->B CDEF !"%$ G> &$ HI 5,-JKLM "%$ NOP=Q> COP=Q> RS 5TUVWXYZ[\,-> ]^> _-`ab> c> d7]^efghi '($ ]^hj 5k-la]^hji mnopqpr stutvwxty zr{| }~a•€LM H> `•> &$)*+ b> ‚> ƒ„…† ‡ˆ b> ‚> ƒ„,-‰hj Chj Nhj ^`>Š ‹-`j c> Œ•Ž• UVŽ• 50|•‘’“”•\–Z5,-a>ŠW—˜Z™‚š›œ•›9 rmqpr^`ž’: 図 3: 農業ナレッジグラフの全体図. 作業名として用いられたことがわかった．最後に同じ公的機関の中でも管轄によって名称が異なり，同じ機関にも関わらず用語を統一していないことがわかった．システムベンダーの場合は，用語の統一について問題認識は共有しているが，利用者の便宜のために事前の指定などが現実的に困難であることがわかった．そのため，筆者らは対応関係を重視し，利用者側ではなくシステムの処理によって連携と統合に注目することになった． 2.4.2 タスクの設定近年，農業分野では就農人口の減少により労働力と生産性の向上のために ICT システムが急激に普及されている．一方，データの連携や統合による利活用は考慮されていない現状があった．したがって，データ連携のための標準語彙の構築と機械可読性のあるデータ化が第一のタスクとなった． 2.4.3 用語の収集それぞれの名称はまず，既存の語彙から収集した．そして，農林水産省や地方自治体が発行した統計調査や技術体系からも収集した．農作物語彙の場合は登録されている品種名を含め地方名など様々な品種名があり，可能な限り収集を行なった．これらの作業は農業系研究者が行った． 2.4.4 設計と構造化農作業の場合，ものとして存在する農作物と異なり，行動が対象である．また，明確な定義がなく，先に標準化を行う必要があったため，行動を明確に定義し，構造化するためにオントロジーの構築を具体的なタスクとした．農作物の場合は植物的分類を基準にしたため農作業のように複雑な意味構造を持つ体系化ではなく，簡潔な構造に設計した．図 4: 共同作業による農作業の構造化. まず，共同作業のためにファイル共有システムを用い，作業は EXCEL ファイルで行った (図 4)．階層造像や分類，属性の値をコラムに記入して構造化を行った．農業系研究者が収集された用語とその定義を記入し，情報系研究者は包含関係や同一性を確認しながら構造を構築した．構造の変更や，値の変更は協議しがら行い，定期的に打ち合わせも行った．

(8)

農作業はすでに存在する語彙を収集し，対応関係を表す参照情報を中心とする形で構築されている．そのため，既存の語彙との対応関係に対する調査に時間と努力が必要となり，農業系研究者の負担が大きくなった．また，農薬に関する情報が含まれており，国民の健康問題と深く関連していることから公的機関による制約が多かった．これらの制約が多く反映されている「農薬登録における適用作物名」との対応関係には大変注意が必要だった．これらの作業を繰り返しながら筆者らはお互いの分野の知識が増え，安定的に運用ができる時期からはある程度の決定は独自で行うことができた． 2.4.5 データ化農作業と農作物は違う構造で設計されたため，農作業基本オントロジーは OWL，農作物語彙体系は SKOS を表現形式にした．各名称は固有の URI を実装し，それぞれの URI から Turtle ファイルで個別の情報を，そして全体の情報も公開した．また，Turtle ファイルの利用が困難だという現場の要望があり，CSV ファイルでの公開も行った．必要な情報のみ利用したい利用者の要望もあり，情報体系の中で必要な項目を選択し，動的に CSV を生成する機能も実装した．CSV での公開により農業関連のサービスを提供しているベンターの利用が促進されるきっかけとなって，協力を通じてエラーの発見や改善ができた． 2.4.6 関連サービスの開発関連サービスは農作業基本オントロジーと農作物語彙体系の構築が終わり，必要だと予想される API を開発した．その後は関連団体とシステムベンダーとの打ち合わせを通じて現場から要求されるサービスを開発した．それにより情報の更新やデータや運用システムの管理に対する改善点を発見することができた． 2.4.7 検証と更新農業分野にも詳細分野があり，全て情報を筆者らの調査を通じて行うことが難しく，各分野の専門家に依頼を行い，検証と修正を行った．これにより収録されるデータが増え，充実な知識体系となった．農作物語彙体系に比べて複雑な構造を持つ農作業は更新される情報に対し，同一性や階層構造での関係性を再確認する必要があった．農作物語彙体系は既存の語彙との対応関係が定義されているため既存語彙の更新を反映しなければならない問題がある．また，品種名や地方名などが混在しているため検証によって同一性が発見され，同義語として統合される場合もあった．そのため，収録語彙数が減少した更新もあった． 2.4.8 社会的協力筆者らは農作業基本オントロジーと農作物語彙体系の利用を推進するため，農業関連の既存団体やシステムベンターとの連携を促進した．問題認識を共感する団体と協力を行い，要求される関連サービスの開発やデータの加工を行った．これにより，利用の普及とともに問題点の発見や改善が可能となった．社会的協力活動を通じて標準語彙の開発と運用において既存の現場との連携は最も重要であり，社会の一部として運用されることによって影響力が強化されることがわかった．また，これはより充実な更新と関連サービスの開発ができるきっかけともなる．

3 領域ナレッジグラフの構築モデル

の提案

本章では農業分野のナレッジグラフを構築した経験から考察した領域ナレッジグラフの構築手順について述べる．そして，構築手順において注目すべき点についても考察する．図 5: 領域ナレッジグラフの構築モデル.

3.1 構築手順のモデル化

本研究では領域ナレッジグラフの構築手順について以下のように 4 つのプロセスを提案する (図 5)．

(9)

3.1.1 知識の観察各領域では目的を果たす過程において経験と勘による知識を中心に環境の変化によって新しい知識が生成されている．しかし，環境の変化によって目的の達成が困難になる場合，問題を認識することになる．これを解決する方法をタスクとして設定し，アプリケーションやサービスの提供など具体的な解決方法を想定する． 3.1.2 知識の体系化領域における様々な知識があり，それぞれ形式や利用形態も異なる．また，地域や役割によって異なる場合もある．そのため，知識を整理し，定義，または再定義する必要があり，関連資料の調査と現場との意見交換を通じて知識を明確化する．そして，知識の体系化を利用目的に応じる形で行い，ナレッジグラフを構築する． 3.1.3 知識の ICT 化 構築されたナレッジグラフに対して Linked Data の形式でデータ化を行う．また，現場の要望を調査し，現場での利活用が可能な形式のデータを作成する．そして，「問題の認識」で設定したタスクを解決するために必要な関連サービスを作成したデータを基盤にして開発する． 3.1.4 知識の社会化ナレッジグラフを基盤とするデータと関連サービスを公開し，領域の現場が抱えている問題を解決するために導入する．また，データと開発したサービスを公開し，領域での利活用を推進する．こうすることによって必要性の発見と改善点の発見が可能となる．そして，ナレッジグラフは領域の一部として「知識の観察」から「知識の利用と発見」へと繋がり，知識の追加や類似分野の知識へと発展させることができる．このように領域の中で循環することによってより有用なナレッジグラフとなる．

3.2 考察

本節では前節で提案した領域ナレッジグラフの構築過程において注目すべき点について考察する． 3.2.1 知識体系の決定「問題の認識」からタスクを設定する段階では領域ナレッジグラフにおいて有効な知識体系を決めなければならない．オントロジーの場合，意味的構成要素と哲学的な考察の深さによって様々な種類が存在する [13]．対象となる知識が手続き知識である場合，より高度な構造のオントロジーの構築が必要となる．そのため，対象となる知識の体系に最も適切なものを選ぶ必要がある．選択する際にはデータや関連サービスの開発，「社会的協力」も考慮しなければならない．例えば，生成されたデータが複雑な構造を持つ場合は現場での利活用に困難が生じ，簡略化する必要がある．また，関連サービスの開発にも手間と検証においてコストが上がり，更新への負担が発生する．そのため，知識を表現できる最低限の意味的構成要素を持ち，かつ最も簡単な構造で構築することが必要だと考えられる．このように知識体系の決定は「知識のデータ化」と「知識の社会化」に深く関連している． 3.2.2 領域専門家との協業領域ナレッジグラフを構築することにあたり，領域専門家との協業が必要となる．特に「知識の観察」と「知識の体系化」の段階ではその役割が特に大きい．領域専門家との協業は，領域の専門知識を明確にすることでナレッジグラフの正確性と，構築する目的となる問題の認識を正確に判断することで有用性を向上させることができる．領域には様々な制約があり，こういったガバナンスを理解し，ナレッジグラフに反映するためにも領域専門家との協力が領域ナレッジグラフの構築において重要である． 3.2.3 社会的協力と継続性領域ナレッジグラフの構築と利活用は「問題の認識」を共有している領域の現場において効率の向上に必要な手段となる．また，データの公開はシステムベンダーに貴重な資料であり，協力を通じて問題の解決を加速化することもできる．社会的協力を通じてナレッジグラフは領域の一部となり，その利活用によって修正や更新に対する要望と期待も高まる．そして，現場の協力を得ることによってナレッジグラフの更新や拡張が容易となる．「社会的協力」はナレッジグラフの継続性に大きく影響を与えており，ナレッジグラフが領域に対してどのぐらい有用なのかの評価基準にもなる．

(10)

4 おわりに

本研究では農作業と農作物を中心とした農業分野のナレッジグラフの構築過程を概観し，考察を通じて領域ナレッジグラフの構築モデルを提案した．領域ナレッジグラフは知識の観察，体系化，データ化，社会化の過程で構築される．そして，領域専門家との協業は領域における正確性と有用性を向上させ，継続性に大きく影響を与えることがわかった．今後は領域の知識について分析を行い，知識の分類に適合する詳細な構築方法をモデル化していきたい．

謝辞

本研究（の一部）は，総合科学技術・イノベーション会議の SIP（戦略的イノベーション創造プログラム）「次世代農林水産業創造技術」（管理法人：農研機構生物系特定産業技術研究支援センター）の支援を受けて行った．

参考文献

[1] 朱成敏, 小出誠二, 武田英明, 法隆大輔, 竹崎あかね, 吉田智一 : 記述論理に基づく農作業オントロジーの設計と応用, 第 38 回人工知能学会セマンティックウェブとオントロジー研究会, 06, 2016. [2] AGROVOC Multilingual agricultural

thesaurus，<http://aims.fao.org/vest- registry/vocabularies/agrovoc-multilingual-agricultural-thesaurus> 2015 年 9 月 21 日参照 [3] 内閣官房, 農業 IT システムで用いる農作物の名称に関する個別ガイドライン（第２版）, <http: //www.kantei.go.jp/jp/singi/it2/senmon_ bunka/shiryo/170310gl3_besshi.xlsx> 2019 年 3 月 1 日参照. [4] 内閣官房, 農業 IT システムで用いる農作業の名称に関する個別ガイドライン（本格運用版）, <https://www.knowledge.maff.go.jp/ uploads/H28-GL1.pdf> 2019年 3 月 1 日参照. [5] Deng, Dongpo, Guan-Shuo Mai, and Steven

Shiau. : Construction and Reuse of Linked Agri-culture Data: An Experience of Taiwan Govern-ment Open Data, Joint International Semantic Technology Conference. Springer, Cham, 2018.

[6] Tanavongchinda, Pipatpol, and Yukinobu Koyama. : Development of Common Agricul-tural Vocabulary in Thai, Memoirs of National Institute of Technology, Oita College, 54, 25-26, 2017. [7] 竹崎あかね, 前山薫, 朱成敏, 武田英明，吉田智一 : 農作業基本オントロジーを共通語彙とした野菜栽培体系間の農作業比較，2019 年度人工知能学会全国大会 (第 33 回), 2019 (発表予定). [8] 竹崎あかね, 法隆大輔, 吉田智一, 朱成敏, 武田英明 : 農業 IT システム間のデータ連携を可能にする農作物の名称表現, 電子情報通信学会技術研究報告，知的環境とセンサネットワーク研究会, pp. 133-134, 2016. [9] 農林水産省, 農薬登録における適用作物名, <https://www.acis.famic.go.jp/shinsei/ 3986/3986beppyou1.pdf> 2019年 3 月 1 日参照． [10] 厚生労働省, 農産物等の食品分類表, <http://www.mhlw.go.jp/file/ 06-Seisakujouhou-11130500-Shokuhinanzenbu/ 0000159254.pdf> 2019年 3 月 1 日参照． [11] 文部科学省, 日本食品標準成分表，資料 2 食品の原料となる生物種の英名・学名, <http://www.mext.go.jp/component/a_menu/ science/detail/__icsFiles/afieldfile/ 2017/06/22/1365334-1-0321r2.xlsx> 2019年 3月 1 日参照． [12] 朱成敏, 武田英明, 竹崎あかね, 吉田智一：農業データ連携のためのナレッジグラフに基づく標準語彙の運用 2018 年度人工知能学会全国大会 (第 32 回), No. 2G2-OS-10b-01, 2018. [13] 古崎晃司，來村徳信，溝口理一郎 : Web2.0 時代のオントロジー利用雑感-ライトウェイトからヘビーウェイトまで, 第 14 回人工知能学会セマンティックウェブとオントロジー研究会（SIGSWO）, 06, 2006.

農業ナレッジグラフの構築に関する考察による領域ナレッジグラフの構築モデルの提案