半構造化データとは、厳密な表形式のスキーマを持たないものの、タグやマークアップなどの内部構造やメタデータを含んだデータ形式です。JSONやXMLなどが代表例であり、柔軟性と検索性の高さを両立するためAIの学習データやビッグデータ分析で広く活用されています。
半構造化データとは
半構造化データとは、あらかじめ決められた厳格なデータベースのスキーマを持たない一方で、要素名やタグなどの自己記述的な構造を持つデータのことです。
詳しく解説
リレーショナルデータベースで扱われるような行と列の厳密な表形式構造（構造化データ）とは異なり、データ自身が構造を示す情報を含んでいるのが特徴です。代表的な形式にはJSON、XML、YAML、NoSQLで利用されるドキュメント形式などがあります。AIや機械学習の文脈では、多様なソースから収集されるログやWebページ、APIのレスポンスなどをそのまま取り込んで自然言語処理や特徴量抽出に利用できるため、データ前処理の段階で重要な役割を果たします。
具体例・使われ方
具体的な利用例としては、Web上のユーザー行動ログを記録したJSONファイルや、電子カルテなどのXMLデータが挙げられます。これらを機械学習モデルに入力する際、パース処理を経て必要な項目だけを抽出し、ベクトル化してモデルの学習に活用します。
似た用語との違い
行と列で綺麗に整理されたリレーショナルデータベースの構造化データや、音声・画像・動画などの明確な構造を持たない非構造化データの中間に位置する概念です。
注意点
スキーマが柔軟である反面、データ構造が途中で変わったり欠損したりすることがあるため、機械学習パイプラインに投入する前のデータ検証や前処理が複雑になりやすい点に注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年8月30日 12:41