本稿では、意味技術とニューラルネットワーク埋め込みを組み合わせたテーブルデータの自動アノテーションについて検討する。具体的には、データの埋め込み空間から得られるプロパティおよびセルタイプを、オントロジーの関係およびエンティティタイプと対応付けるアンカリングモデルを提案する。DBpediaおよびWikidataから抽出されたテーブルデータを用いた実験により、記号的推論、ニューラル埋め込み、損失関数設計の統合によって、カラムプロパティのアノテーションで86％、カラムタイプで82％、カラム修飾子のアノテーションで87％という顕著な性能向上が達成できることを示した。