本研究では、ナイーブベイズ分類器を用いた知識グラフと表形式データのマッチングについて検討し、特に「列タイプ注釈（Column Type Annotation）」「セルエンティティ注釈（Cell Entity Annotation）」「列プロパティ注釈（Column Property Annotation）」および「表トピック検出（Table Topic Detection）」に注目する。共起回数や用語頻度といった特徴抽出技術を活用し、複数のデータセットを対象に、ナイーブベイズ分類器の有効性と性能を評価した。提案手法は構成が単純かつ汎用性が高いため、知識グラフマッチング分野への貢献が期待されるとともに、表形式データと知識グラフの統合および相互運用性の実現におけるナイーブベイズ分類器の潜在的価値を示している。