最新記事

ビッグデータ

「パナマ文書」解析の技術的側面

2016年4月12日（火）18時25分
大野圭一朗

テキストデータへの変換

　この記事によれば、画像の多くは紙の書類をスキャンしたものだったようで、そこから文字情報を引き出そうとする場合、OCRという技術が必要になります。OCRとは要するに画像から文字を認識して切り出す技術です。日本でもユーザーの多いEvernoteなどでも利用されている技術です。写真に写った飲み物のラベルの文字が文字列検索で引っかかることがあると思いますが、あの技術のことです。最近はラップトップと家庭用スキャナの組み合わせでも行うことができる、広く普及した技術です。ただし今回は画像の数が膨大なため、時間を短縮するために、商用クラウドコンピューティングサービス（要するに計算機の時間貸し屋さんです）であるAmazon Web ServiceのEC2を使ったようです。どのインスタンスタイプかまでは確認できませんでしたが、30台から40台のEC2インスタンスを用いて、ひたすら画像データを文字情報に変換する作業をまず行いました。

データのグラフ化

　OCRによるテキスト化を行うと、ひとまず計算機上での扱いは容易になります。極端な事を言えば、テキストで保存してある限り、それをエディタで開いて文字列検索することでも、ある程度は何が書いてあるかを読めるようになります。しかし詳細な調査には最終的にはスキャンされた書類や会計報告などを専門家が読み込む必要があり、人や企業のネットワークから、キーワード検索でさらに詳細を調べられるようにしなくてはなりません。それを構築するために用いられるのが全文検索エンジンと呼ばれるものです。実際に使われたものはApache Solrで、メタデータやテキストの切り出しにはTikaが使われました。これらを利用し、彼らはまずファイルの集合からメタデータを切り出しました。ここでいうメタデータとは、ファイルタイプやタイムスタンプなどで、これをインデックス化することにより大量のファイルがより検索しやすくなります。

　しかし、今回のデータにはおよそ215,000もの会社（おそらく多くがペーパーカンパニー）が含まれており、そこを流れるカネを分析するためにはもう一工夫が必要です。ある会社の会計報告や登記簿を読んでいる場合、その会社の関係者、そしてその会社に関連する他の企業などのつながりを見られるようになれば、カネの流れを把握するのに大いに役立ちます。もちろんこれは文章でも表現できます。例えば専門家は今回の文書を実際に読むことにより以下のような情報を得たとします:

・A社の現在の社長はx氏
・A社はB社の取締役であるY氏によって設立された
・Y氏は『A社』というキーワードが大量にヒットするメールをZ氏に頻繁に送っている
・αという住所にA社があり、B社の所在地はβである
・αとβはグランドケイマン島の、γビル内の同じフロアに存在する
・Z氏はγビルのオーナーである

　このレベルのつながりならば、ここから


　X氏とY氏にはA社の創業者とその後継者という繋がりがあり、B社はA社と何らかの繋がりがある。そして会社の登記には名前がないが、Z氏とA社にはY氏を介しておそらく何らかの関係性が存在する。そして両社の所在地から、これらは同一ブローカーが関与して設立されたペーパーカンパニーの可能性がある。そのブローカーはZ氏の可能性がある。


　というような推論が人間にも可能です。ところがこのような繋がりが数十万、数百万というレベルで存在するとどうでしょう。もはやその全体像を人間がこのように文章に書き下して一つづつ把握するのは不可能です。そのために彼らはデータのグラフ化を選択しました。

今、あなたにオススメ
ニュース速報

ビジネス

米新規失業保険申請、6000件減の21.6万件　低
2025.11.27

ワールド

サルコジ元大統領の有罪確定、仏最高裁　選挙資金違法
2025.11.27

ワールド

香港の高層複合住宅で大規模火災、13人死亡　逃げ遅
2025.11.26

ビジネス

中国万科の社債急落、政府が債務再編検討を指示と報道
2025.11.26
ニュース速報一覧
今、あなたにオススメ
MAGAZINE
特集：ガザの叫びを聞け
特集：ガザの叫びを聞け
2025年12月 2日号（11/26発売）

「天井なき監獄」を生きるパレスチナ自治区ガザの若者たちが世界に向けて発信した10年の記録

メールマガジンのご登録はこちらから。
人気ランキング
  • 1
    【最先端戦闘機】ミラージュ、F16、グリペン、ラファール勢ぞろい　ウクライナ空軍は戦闘機の「見本市」状態
  • 2
    インド国産戦闘機に一体何が？　ドバイ航空ショーで墜落事故、浮き彫りになるインド空軍の課題
  • 3
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるようになる！筋トレよりもずっと効果的な「たった30秒の体操」〈注目記事〉
  • 4
    7歳の娘の「スマホの検索履歴」で見つかった「衝撃の…
  • 5
    ミッキーマウスの著作権は切れている...それでも企業…
  • 6
    【銘柄】イオンの株価が2倍に。かつての優待株はなぜ…
  • 7
    これをすれば「安定した子供」に育つ？...児童心理学…
  • 8
    老後資金は「ためる」より「使う」へ──50代からの後…
  • 9
    「世界の砂浜の半分」が今世紀末までに消える...ビー…
  • 10
    「999段の階段」を落下...中国・自動車メーカーがPR…
  • 1
    「髪形がおかしい...」実写版『モアナ』予告編に批判殺到、そもそも「実写化が早すぎる」との声も
  • 2
    膝が痛くても足腰が弱くても、一生ぐんぐん歩けるようになる！筋トレよりもずっと効果的な「たった30秒の体操」〈注目記事〉
  • 3
    高速で回転しながら「地上に落下」...トルコの軍用輸送機「C-130」謎の墜落を捉えた「衝撃映像」が拡散
  • 4
    ポルノ依存症になるメカニズムが判明！　絶対やって…
  • 5
    マムダニの次は「この男」？...イケメンすぎる「ケネ…
  • 6
    AIの浸透で「ブルーカラー」の賃金が上がり、「ホワ…
  • 7
    海外の空港でトイレに入った女性が見た、驚きの「ナ…
  • 8
    【銘柄】イオンの株価が2倍に。かつての優待株はなぜ…
  • 9
    「まじかよ...」母親にヘアカットを頼んだ25歳女性、…
  • 10
    「週4回が理想です」...老化防止に効くマスターベー…
  • 1
    【クイズ】本州で唯一「クマが生息していない県」はどこ？
  • 2
    東京がニューヨークを上回り「世界最大の経済都市」に...日本からは、もう1都市圏がトップ10入り
  • 3
    一瞬にして「巨大な橋が消えた」...中国・「完成直後」の橋が崩落する瞬間を捉えた「衝撃映像」に広がる疑念
  • 4
    「不気味すぎる...」カップルの写真に映り込んだ「謎…
  • 5
    【写真・動画】世界最大のクモの巣
  • 6
    高速で回転しながら「地上に落下」...トルコの軍用輸…
  • 7
    「999段の階段」を落下...中国・自動車メーカーがPR…
  • 8
    【クイズ】クマ被害が相次ぐが...「熊害」の正しい読…
  • 9
    まるで老人...ロシア初の「AIヒト型ロボット」がお披…
  • 10
    【クイズ】ヒグマの生息数が「世界で最も多い国」は…
トランプ2.0記事まとめ
日本再発見 シーズン2
CHALLENGING INNOVATOR
Wonderful Story
MOOK
ニューズウィーク日本版別冊
ニューズウィーク日本版別冊

好評発売中