地名は、史料のなかの記述と地図上の位置を結ぶ接点になる。本節では、その接点がどう成り立つか、地名を辞書としてどう構造化するか、住所や地名を位置に変換する処理、そして歴史地名に特有の同定の難しさを述べる。
三つの空間と地名
地理に関わる資源は、情報空間・地理空間・つなぐ空間の三つに分けて整理できる。情報空間は、テキストや画像など、地理に関わるメディアのデータの空間である。地理空間は、点・ポリゴン・ピクセルなど、現実世界を表す幾何データの空間である。両者を結ぶのがつなぐ空間であり、座標と識別子を併せ持つ地名(トポニム)がここに位置する [UC-010 §情報・地理・つなぐ──三つの空間のモデル, UC-011 §3. 「どこ」を特定する——情報空間・地理空間・つなぐ空間]。
この定式化の要点は、地名が二つの付与によって両方の空間につながることにある。地名に識別子(ID)を与えれば情報空間へ、座標を与えれば地理空間へつながる。史料の記述中の地名を地名辞書のエントリと結びつければ、そのエントリが示す実体の座標を通じて、地図上の位置が得られる [UC-010 §情報・地理・つなぐ──三つの空間のモデル]。
位置を指定する手段は座標だけではない。人どうしの会話では地名で位置を伝えるのが普通だが、地名は計算機では扱いにくく、計算処理には緯度経度が使われる [UC-009 §地理情報とは何か]。地名に座標が対応づけられて初めて、人の使う位置の言い方と計算機が扱う位置の表現が往復できる。座標そのものの表し方は『空間の表し方』を参照。
地名辞書と識別子の付与
地名辞書(ガゼッティア)は、地名のエントリを集めた情報空間側の資源である。各エントリは名称・位置・読みなどの属性と識別子を持つ。属性のうち位置は、地図に表示したいという目標があるため特に重要になるが、どこを代表点として選ぶかという難しさを伴う。名称の表記揺れや粒度の違いの吸収、よみや基本統計の付与も必要になる [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。
識別子の付与では、何を同じ実体(エンティティ)とみなすかという基準が問われる。たとえば東京が指す範囲は、東京市15区から35区を経て現在の23区へと変わり、東京府と東京都でも異なる。これらを同じ東京とみなすかはどちらの立場も取りうるため、基準をあらかじめ決めておく必要がある [UC-033 §地図・地誌・地名の枠組みと識別子付与の方針]。識別子と属性の組をデータセット化すれば、実世界との紐づけとデータ統合に使える。
識別子を付与し共有する基盤として、地名情報処理基盤GeoLODがある。多数の地名をアップロードしてGeoLOD IDを割り当てれば、そのIDを複数のアプリから利用でき、異なるアプリ間のデータ統合も容易になる [UC-010 §歴史的ジオコーダーとGeoLOD──地名をつなぐ基盤]。属性表示や検索はウェブとAPIから利用でき、オンラインで地名辞書を構築・共有する機能も備える [UC-033 §地名のデータセット：藩・街道・宿場とGeoLOD]。識別子の設計や引用の仕組み一般は『識別子とデータ引用』に譲る。
地名辞書は典拠データとしても働く。歴史的行政区域データセットは、複数のデータセットを統合して1889年以降の市区町村に一意のIDを付与したものである。公式の市区町村IDは1968年以降にしか存在せず、それ以前の期間をこのデータセットが補っている [UC-010 §歴史的行政区域データセット]。地震史料集のデータベースでは、書名や有感地点の地名にこのデータセットの地名IDを付与し、索引地図から「宇治」に関連する史料を検索できるようにしている。ただし地図上の点は市区町村レベルの代表位置であり、被害の発生地点や地震を感じた地点とは必ずしも一致しない [UC-047 §地名へのIDの付与]。
代表例:『日本歴史地名大系』地名項目データセット
歴史地名の辞書として代表的なものが『日本歴史地名大系』地名項目データセットである。平凡社刊行の『日本歴史地名大系』(全50巻、1979〜2004年)の地名項目に位置情報を加えて機械可読にしたもので、江戸時代の村までさかのぼる80,502件を、名称・位置・読みと識別子の部分についてCC BYのオープンデータとして公開している [UC-010 §6.1 『日本歴史地名大系』地名項目データセット, UC-033 §地名のデータセット：行政区域から近世村へ]。
公開されるのは事実に関する書き手に依存しない情報で、解釈に関わる記述部分は購読制のジャパンナレッジに残る。地名ページから記述へリンクが張られ、オープンからクローズドへたどれる構造である。出版社と協力した学術情報のオープン・クローズ戦略として設計されている [UC-012 §江戸近世村データセット]。同じ資料の施設・地点項目も32,038件がCC BYで公開されている [UC-033 §地名のデータセット：行政区域から近世村へ]。
典拠データとしての価値は、他のデータとの突き合わせに現れる。このデータセットと幕末期近世村領域データセット(66,581村)を名称の一致で突き合わせ、約56,000件を統合した例がある。ただし、一方では一つの村が他方では東西に分かれて粒度が異なる場合や、表記が異なって対応づけられない場合など、統合できない例も見つかっている。粒度の相違や表記揺れ、どちらを正解とするかという問題は、歴史データでは一般的だとされる [UC-012 §江戸近世村データセット]。郷帳の村との対応づけでも、同名の候補が複数あるとき、直前に記載された村の座標から半径10km以内で検索するルールにより、地名全体の約68.6%を1件に絞り込めた。残りの約3割は人手での突き合わせになり、3年経っても終わっていない [UC-049 §ルールベースによる絞り込み]。
ジオコーディング
住所や地名を座標に変換する処理がジオコーディングである。住所は地名の一種だが、行政区分に対応した階層構造を持ち、番号によって位置を指定する点に特徴がある [UC-031 §住所とジオコーディングとは]。日本の住所は、地番住所と住居表示住所が併存するうえ、パターン化が難しい。「長野県長野市南長野県町」のようにひとつの住所に都道府県名を表す文字列が2回現れる例があり、単純な処理は破綻する。表記揺れ、異体字、複数の表記法、部分的な省略への対応も欠かせない [UC-031 §日本の住所が抱える課題]。
歴史資料の住所を扱うジオコーダーは、現代の住所向けジオコーダーのデータベースを過去の住所のデータベースに差し替えて作る。jageocoderは住所データベースを目的に合わせて変更できるため、旧東京市15区住所データセット(56,089件)を組み込むと、1907年の東京市の住所を解析できるようになる [UC-031 §jageocoder——現代日本の住所ジオコーダー]。
実際の資料を変換すると、表記揺れ・異体字への対応が精度を左右することがわかる。関東大震災の死亡者調査表(38,332件)の住所を変換した事例では、そのままでは「本所区三笠11」が「本所區」までしか変換されなかった(正式には「本所區本所三笠町」)。表記揺れのパターンを辞書に登録すると、約84%が地番レベルで変換できるようになった。続けて、一意に決まらない町名の判定(単に「横川町」とあれば「本所横川町」とみなす)、誤字の修正(常磐→常盤、蛎売→蛎殻など)、区の誤記の補正、残りの個別確認を重ね、地番レベルの変換率は87%に達した [UC-032 §住所データ修正のワークフロー]。辞書を拡張するか元データを修正するかは、どれだけ例外的かで判断する。Unicodeとして適当でない書き間違いに近い文字は、無理に異体字として登録せず、住所データ側を修正して対応する [UC-031 §異体字への対応]。
変換できない住所も残る。調査表の事例では、対象データセットの範囲外である15区外の郡部や他府県の住所、住所の記載がないもの、データセットが1907年時点であるため含まれない1913年成立の町などがあった [UC-032 §変換の限界と今後の課題]。『日本歴史地名大系』の地名の位置推定でも、平成の大合併以前の住所に対応する現代住所の候補をjageocoderで探してジオコーディングする方法が使えた。ただし自動化できるのは一部で、手動の対応が多く残ると報告されている [UC-031 §『日本歴史地名大系』地名項目データセット]。
テキストを地図につなぐ処理は、地名の認識とその特定の二段階からなる。史料の文章から地名を認識したあと、その地名がどこを指すかを特定する(曖昧性解消)。たとえば「宇田川丁」が江戸マップIDの宇田川町だとわかれば、IDから緯度経度が得られ、地図に可視化できる [UC-013 §史料と実世界の紐づけ——固有表現認識と被害可視化]。テキストからの地名抽出そのものは『テキストから実体を取り出す』を参照。
同じ名が違う場所を指し、違う名が同じ場所を指す
歴史地名の同定が難しいのは、名前と場所が一対一に対応しないからである。
同じ名が違う場所を指す場合。 「横川町」は本所横川町・中ノ郷横川町・柳島横川町のいずれかを指しうる。区別の表記があるものを除き、単に「横川町」とあれば「本所横川町」とみなす、といった判断が要る [UC-032 §住所データ修正のワークフロー]。『天保郷帳』の村でも、GeoLOD上で同名の地名が複数あるとき、隣接する村が並べて記載される性質を使って候補を絞っている [UC-049 §ルールベースによる絞り込み]。
違う名が同じ場所を指す場合。 「神田區一ツ橋通」がデータベース中の「一ッ橋通町」に対応するように、表記の異なる名を同じエントリに寄せる対応が要る。省略も同様で、「東京府東京市小石川區大塚辻町」は実際には「小石川大塚辻町」を指すため、省略された地域名を補うルールを個別に記述した [UC-031 §表記揺れ・異表記辞書]。異表記は、データセットの異名フィールドと文字レベルの自動変換を組み合わせて対応するが、すべての変種の網羅は困難だと述べられている [UC-010 §得られた知見と今後の展望]。
位置を一つに決められない場合。 ある藩の陣屋は候補が複数あり、一つに決められない。この例ではUber H3インデックスを使い、六角形で位置の範囲を指定した。このIDは場所と六角形の大きさを一つの文字列で同時に指定できるため、ID自体に曖昧さのレベルが含まれる [UC-033 §地名のデータセット：藩・街道・宿場とGeoLOD]。
名称と場所の対応を取るために、古地図から地名を抽出し一点ずつ現在位置に対応づける作業も行われている。江戸切絵図は距離と方位が歪んでいるため、座標変換だけでは合わず、約8,000か所のマーカーを一点ずつ動かした [UC-044 §江戸マップ：江戸切絵図の地名を現代の地図に重ねる]。この手順は『地図資料の処理』で扱う。