トップ :: G 物理学 :: G06 計算;計数




【発明の名称】 文書検索装置、その装置へのキーワード追加方法、文書検索方法及びコンピュータ読み取り可能な記憶媒体
【発明者】 【氏名】中越 治樹
【要約】 【課題】未知のキーワードに対しても効率的な文書検索を行う。

【解決手段】設定したキーワードに基づいて、検索対象の文書の中から、そのキーワードを含む文字列を検索するに際して、設定されたキーワードに基づいて、関連付け辞書を参照することにより、当該キーワードに関連付けされている単語を他のキーワードとして追加設定し、それら複数のキーワードに従って、検索対象の文書の中から、それらキーワードのうち少なくとも１つを含む文字列を検索する(S11-S15)。ここで、関連付け辞書は、入力文書から抽出した単語が、予め記憶されているキーワード辞書に登録されていない未知語である場合に、その入力文書における当該未知語の前方または後方に位置する単語とを関連付けした辞書であり、S11-S15に先立って作成される。
【特許請求の範囲】
【請求項１】 設定されたキーワードに基づいて、検索対象の文書の中から、そのキーワードを含む文字列を検索する文書検索装置であって、入力文書から単語を抽出し、抽出した単語が第１の辞書に登録されていない未知語か否かを判断する未知語検出手段と、前記未知語検出手段によって未知語であると判断された単語と、前記入力文書における該単語の前方または後方に位置する単語とが関連付けされた第２の辞書を作成する関連付け手段と、設定されたキーワードに基づいて前記第２の辞書を参照することにより、該キーワードに関連付けされている単語を新たなキーワードとして追加設定するキーワード追加手段と、を備えることを特徴とする文書検索装置。
【請求項２】 更に、前記キーワード追加手段によって展開された複数のキーワードに従って、前記検索対象の文書の中から、それらキーワードのうち少なくとも１つを含む文字列を検索する検索手段を備えることを特徴とする請求項１記載の文書検索装置。
【請求項３】 前記検索手段は、前記未知語検出手段によって未知語が検出されないときに、前記検索対象の文書の中から、前記設定されたキーワードを含む文字列だけを検索することを特徴とする請求項２記載の文書検索装置。
【請求項４】 前記未知語検出手段及び前記関連付け手段は、前記キーワード追加手段及び前記検索手段の実行タイミングとは別個に、前記検索対象の文書に対して定期または不定期に実行されることを特徴とする請求項１または請求項２記載の文書検索装置。
【請求項５】 前記キーワード追加手段は、前記設定されたキーワード、前記第２の辞書を参照することによって追加されたキーワード、並びに前記第１の辞書に基づいて、それらキーワードを更に追加設定する手段を含むことを特徴とする請求項１記載の文書検索装置。
【請求項６】 設定したキーワードに基づいて、検索対象の文書の中から、そのキーワードを含む文字列を検索する文書検索装置へのキーワード追加方法であって、入力文書から単語を抽出し、抽出した単語が第１の辞書に登録されていない未知語か否かを判断する未知語検出工程と、前記未知語検出工程にて未知語であると判断した単語と、前記入力文書における該単語の前方または後方に位置する単語とが関連付けされた第２の辞書を作成する関連付け工程と、設定されたキーワードに基づいて前記第２の辞書を参照することにより、該キーワードに関連付けされている単語を新たなキーワードとして追加設定するキーワード追加工程と、を有することを特徴とするキーワード追加方法。
【請求項７】 請求項６記載のキーワード追加方法によって展開した複数のキーワードに従って、前記検索対象の文書の中から、それらキーワードのうち少なくとも１つを含む文字列を検索することを特徴とする文書検索方法。
【請求項８】 前記検索工程では、前記未知語検出工程にて未知語を検出しなかったときに、前記検索対象の文書の中から、前記設定されたキーワードを含む文字列だけを検索することを特徴とする請求項７記載の文書検索方法。
【請求項９】 請求項１乃至請求項５の何れかに記載の文書検索装置としてコンピュータを動作させるプログラムコードが格納されていることを特徴とするコンピュータ読み取り可能な記憶媒体。
【請求項１０】 請求項６記載のキーワード追加方法をコンピュータによって実現可能なプログラムコードが格納されていることを特徴とするコンピュータ読み取り可能な記憶媒体。
【請求項１１】 請求項７または請求項８記載の文書検索方法をコンピュータによって実現可能なプログラムコードが格納されていることを特徴とするコンピュータ読み取り可能な記憶媒体。
【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、検索対象として入力されたキーワードに基づいて、そのキーワードを含むまたは関係する文書を効率良く出力する文書検索装置に関する。
【０００２】
【従来の技術】従来より、コンピュータを用いて、オペレータによって入力されたキーワードを含む文書を、予め記憶されている複数の文書の中から検索する技術が提案されている。
【０００３】また、近年においては、あるキーワードに対して関連付けされた他の単語が予め登録されている辞書（以下、キーワード辞書）を用意しておき、オペレータによって入力されたキーワードに関連性のある単語を当該キーワード辞書から取得し、文書の検索に際しては、入力されたキーワードに加え、当該キーワード辞書から取得した単語を他のキーワードとして併せて利用する技術も提案されている。
【０００４】
【発明が解決しようとする課題】上記のキーワード辞書を利用する文書検索処理によれば、そのキーワード辞書にオペレータによって入力されたキーワードが含まれる場合、検索対象の文書に当該キーワードが含まれていなくても、実際には関連性がある文書をもヒットすることができ、文書検索を効率的に行うことができる。
【０００５】しかしながら、入力されたキーワードがキーワード辞書に登録されていない未知の単語（以下、未知語）である場合には、そのキーワードを直接的に含む文書しかヒットすることはできない。このため、キーワードとして新語や未知語が入力された場合には、効率的な文書検索を行うことができない。
【０００６】そこで本発明は、未知のキーワードに対しても効率的な文書検索を行う文書検索装置及びその装置へのキーワード追加方法、文書検索方法及びコンピュータ読み取り可能な記憶媒体の提供を目的とする。
【０００７】
【課題を解決するための手段】上記の目的を達成するため、本発明に係る文書検索装置は、以下の構成を特徴とする。
【０００８】即ち、設定されたキーワードに基づいて、検索対象の文書の中から、そのキーワードを含む文字列を検索する文書検索装置であって、入力文書から単語を抽出し、抽出した単語が第１の辞書（キーワード辞書）に登録されていない未知語か否かを判断する未知語検出手段と、前記未知語検出手段によって未知語であると判断された単語と、前記入力文書における該単語の前方または後方に位置する単語とが関連付けされた第２の辞書を作成する関連付け手段と、設定されたキーワードに基づいて前記第２の辞書（関連付け辞書）を参照することにより、該キーワードに関連付けされている単語を新たなキーワードとして追加設定するキーワード追加手段と、前記キーワード追加手段によって展開された複数のキーワードに従って、前記検索対象の文書の中から、それらキーワードのうち少なくとも１つを含む文字列を検索する検索手段とを備えることを特徴とする。
【０００９】好適な実施形態において、前記未知語検出手段及び前記関連付け手段は、前記キーワード追加手段及び前記検索手段の実行タイミングとは別個に、前記検索対象の文書に対して定期または不定期に実行される。
【００１０】また、上記の同目的を達成するため、本発明に係る文書検索装置へのキーワード追加方法は、以下の構成を特徴とする。
【００１１】即ち、設定したキーワードに基づいて、検索対象の文書の中から、そのキーワードを含む文字列を検索する文書検索方法であって、入力文書から単語を抽出し、抽出した単語が第１の辞書（キーワード辞書）に登録されていない未知語か否かを判断する未知語検出工程と、前記未知語検出工程にて未知語であると判断した単語と、前記入力文書における該単語の前方または後方に位置する単語とが関連付けされた第２の辞書（関連付け辞書）を作成する関連付け工程と、設定されたキーワードに基づいて前記第２の辞書を参照することにより、該キーワードに関連付けされている単語を新たなキーワードとして追加設定するキーワード追加工程を有することを特徴とする。
【００１２】また、文書検索方法であって、上記のキーワード追加方法によって展開した複数のキーワードに従って、前記検索対象の文書の中から、それらキーワードのうち少なくとも１つを含む文字列を検索することを特徴とする。
【００１３】更に、上記の文書検索装置、その装置へのキーワード追加方法、並びに文書検索方法を、コンピュータによって実現するプログラムコードが格納されている、コンピュータ読み取り可能な記憶媒体を特徴とする。
【００１４】
【発明の実施の形態】以下、本発明の一実施形態を図面を参照して説明する。はじめに、本発明に係る文書検索装置を実現可能なコンピュータの構成を図１３を参照して説明する。
【００１５】図１３は、本発明を適用可能なコンピュータのブロック構成図である。
【００１６】図中、２２は、ＣＲＴ等のディスプレイ、２３は検索用のキーワードや文書等の入力手段であるキーボードである。２４は、ブートプログラム等を記憶しているＲＯＭである。２５は、各種処理結果を一時記憶するＲＡＭである。２６は、検索対象となる複数の文書（文書データ）からなるデータベースや、後述する文書検索処理を実現するプログラム等を記憶するハードディスクドライブ（ＨＤＤ）等の記憶装置である。２７は、外部装置から文書データ等を受信可能な通信インタフェースである。そして２８は、処理結果等を印刷するプリンタである。これらの各構成は、内部バス２９を介して接続されており、ＣＰＵ（中央演算処理装置）２１は記憶装置２６に記憶したプログラムに従って、文書検索装置としてのコンピュータの全体を制御する。
【００１７】尚、複数の文書（文書データ）からなるデータベース（Ｄ／Ｂ）は、外部装置に記憶されており、その外部装置に通信インタフェース２７を介してアクセスする構成であっても良い。
【００１８】次に、図１３に示すコンピュータによって実現される文書検索の処理手順について説明する。本実施形態に係る文書検索処理は、大別して、以下に説明する単語インデックス作成処理（図１）と、キーワード追加（展開）工程を含む文書検索処理とからなる。
【００１９】ここで、単語インデックス作成処理は、後述する関連付け辞書を更新すべく、例えばオペレータの指示に応じて、記憶装置２６に記憶されたＤ／Ｂ内の文書群を対象として、定期または不定期に実行されるメンテナンスとしての位置付けである。一方、文書検索処理は、オペレータによってキーワードが入力されたときに、当該単語インデックス作成処理によって既に作成（更新）されている関連付け辞書を参照しながら、入力されたキーワードを含む及び／または関連性のある文書（文字列）を記憶装置２６に記憶されたＤ／Ｂ内の文書群の中から実際に抽出する処理である。
【００２０】尚、本実施形態では、説明を容易にすべく、上記の単語インデックス作成処理（図１）において、関連付け辞書に登録されていない単語として「トルシオ」を例に挙げ、以下に説明する文書検索処理（図２）においても、入力されるキーワードを「トルシオ」としたため、単語インデックス作成処理において注目した図３の文書１乃至３における注目箇所（実際に文字列が示された部分）と、文書検索処理の検索結果を例示する図１２の文書１乃至３における注目箇所とが同じであるが、説明の都合からであり、実際には、入力されるキーワードに応じて、検索対象のＤ／Ｂ内から好ましい文書が選択される。
【００２１】＜単語インデックス作成処理＞図１は、本実施形態における単語インデックス作成処理を示すフローチャートである。
【００２２】同図において、ステップＳ１の単語抽出処理では、図３に例示するような文書群（文書１乃至３）を抽出対象として、それら文書の文字列から、その文字列を構成する単語を抽出する。本ステップにおいて単語を抽出する際には、予め記憶されている図６に例示するようなキーワード辞書を参照することにより、そのキーワード辞書に既に登録されている単語が、単語抽出対象の各文字列に含まれているか否かを検索する。
【００２３】このとき、単語抽出対象の文字列の中に、当該キーワード辞書に登録されていない単語が含まれていた場合には、その単語の前方または後方に連続する文字種などを判断して当該単語を抽出する。より具体的には、図３に示す文書１を例にすると、キーワード辞書を参照することにより、図６には不図示の「監督」、「指導方法」、「頭脳的」などの単語が抽出され、当該キーワード辞書に登録されていない単語「トルシオ」は、カタカナが連続する単語として判断されて、文書１の文字列の中から抽出される。
【００２４】ステップＳ２の未知語検出処理では、ステップＳ１で抽出した各単語の中に、キーワード辞書に登録されていない未知語が存在するかどうかを判断し、この判断でＹＥＳ（未知語有り）のとき（上記の例の場合は、単語「トルシオ」が未知語）にはステップＳ３に進み、ＮＯ（未知語無し）のときにはステップＳ５に進む。
【００２５】ステップＳ３の関連付け作成処理では、ステップＳ２で検出された未知語と、その未知語が抽出された文字列における当該未知語の前方または後方に存在する単語とを関連付けする。上記の例の場合、図３に示す文書１において、未知語として検出された「トルシオ」に、その単語に後続する「監督」が関連付けされる。本ステップにて関連付けが作成できたときにはステップＳ４に進み、作成できないときにはステップＳ５に進む。
【００２６】ステップＳ４の関連付け保存処理では、ステップＳ３で作成した関連付けを、関連付け辞書として、ＲＡＭ２５や記憶装置２６に保存する。このような関連付けが単語抽出対象の各文字列を対象にして行われることにより、図３に例示する３つの文書の場合には、関連付け辞書に、図９に示すように未知語「トルシオ」に「監督」と「ジャパン」とが関連付けされた状態で新たに保存される。
【００２７】ステップＳ５の単語インデックス作成処理では、ステップＳ１で抽出された各単語（未知語を含む）を文書毎にまとめることにより、単語インデックスが作成される。上記の例の場合には、図３に示す文書１乃至３から抽出された各単語により、図５に示す３つの単語インデックスが作成される。これらの単語インデックスは、その単語インデックスの作成の元となった文書データとＤ／Ｂ内で関連付けされた状態で保存され、後述する文書検索処理（図２）のステップＳ１５において参照される。
【００２８】＜文書検索処理＞図２は、本実施形態における文書検索処理を示すフローチャートである。
【００２９】同図において、ステップＳ１１の検索キーワード取得処理では、オペレータによってキーボード２３等から入力されるキーワードを取得する。ここでは、図４に示すように、キーワードとして「トルシオ」が取得されるものとする。
【００３０】ステップＳ１２の関連付け単語検索処理では、ステップＳ１１で入力されたキーワードが、関連付け辞書に現時点で既に登録されているか否かを検索し、この検索の結果、既に登録されているときにはステップＳ１３に進み、未登録のときには、検索対象の文書の中にステップＳ１１にて取得したキーワードを直接含む文書を検索すべくステップＳ１５に進む。上記の例の場合は、図１を参照して上述した単語インデックス作成処理により、図９に示す関連付け辞書には、キーワード「トルシオ」が既に登録されている。
【００３１】ステップＳ１３の関連付け対応単語の取得処理では、ステップＳ１２で検索された単語に関連付けされている単語（以下、対応単語）を取得する。上記の場合は、ステップＳ１２において、キーワード「トルシオ」を、関連付け辞書の中からヒットすることができているので、当該関連付け辞書から「トルシオ」に関連付けされている「監督」及び「ジャパン」の２つの単語が対応単語として取得される。
【００３２】ステップＳ１４の検索キーワード追加処理では、ステップＳ１３で取得した対応単語を、ステップＳ１１にて入力されたキーワードに関連性を有する他のキーワードとして追加する。上記の場合は、ステップＳ１１にてオペレータによって設定された図４のキーワード「トルシオ」に加えて、図１０に示すように、「監督」及び「ジャパン」の２語が新たに検索用のキーワードとして追加されている。即ち、本実施形態では、元の検索キーワードであった「トルシオ」に加え、そのキーワードに関連性のある複数のキーワードに展開されたことになる。
【００３３】ステップＳ１５：本ステップでは、上記のステップまでに用意された少なくとも１つのキーワードに従って、図１のステップＳ５にて記憶した単語インデックスを参照することにより、Ｄ／Ｂ内で当該単語インデックスに関連付けされている文書群を検索する。
【００３４】即ち、ステップＳ１１にて入力されたキーワードが関連付け辞書に登録されてなかった場合には、そのキーワードを直接含む文書（単語インデックス）を検索する一般的な検索処理を行う。この場合、入力されたキーワードが「トルシオ」であれば、検索結果として、図１２に示す文書１及び２が得られる。
【００３５】一方、ステップＳ１４までの各ステップにより、ステップＳ１１にて入力されたキーワードに加え、他のキーワードが追加された場合には、それらのキーワードが「トルシオ」、「監督」及び「ジャパン」であれば、それらのキーワードが含まれる単語インデックスにより、検索結果として、図１２に示す文書１乃至３が得られる。
【００３６】このように、本実施形態によれば、オペレータによって入力された検索キーワードを、図１の単語インデックス処理によって作成された関連付け辞書を利用して展開することにより、効率的な文書検索処理を行うことができ、オペレータによって入力されたキーワードを直接的には含まないものの、実施には関連性がある文書をもヒットすることができ、文書検索を効率的に行うことができる。
【００３７】尚、ステップＳ１５では、Ｄ／Ｂを検索するのに先立って、予め記憶されているキーワード辞書（例えば図６）と不図示の辞書とを参照することにより、キーワード展開辞書（図７の右側の例参照）を作成し、そのキーワード展開辞書を参照しながら、従来より知られているキーワード展開処理を行うことにより、上述したステップＳ１４にて展開済みのキーワード（図１１）を、図１１に示すように、更に多くのキーワードに展開することができる。従って、これら複数のキーワードを用いて文書検索を行えば、入力されたキーワードを直接的には含まないものの、実際には関連性がある文書を、より高い確立でヒットすることができ、操作性が向上する。
【００３８】
【他の実施形態】尚、本発明は、複数の機器（例えばホストコンピュータ、インタフェイス機器、リーダ、プリンタなど）から構成されるシステムに適用しても、一つの機器からなる装置（例えば、複写機、ファクシミリ装置など）に適用してもよい。
【００３９】また、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体（または記録媒体）を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、達成される。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているオペレーティングシステム（ＯＳ）などが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれる。
【００４０】さらに、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張カードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張カードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれる。
【００４１】
【発明の効果】以上説明した本発明によれば、未知のキーワードに対しても効率的な文書検索を行う文書検索装置及びその装置へのキーワード追加方法、文書検索方法及びコンピュータ読み取り可能な記憶媒体の提供が実現する。
【出願人】 【識別番号】０００００１００７
【氏名又は名称】キヤノン株式会社
【出願日】 平成１２年９月２９日（２０００．９．２９）
【代理人】 【識別番号】１０００７６４２８
【弁理士】
【氏名又は名称】大塚 康徳 （外２名）
【公開番号】 特開２００２−１０８８８７（Ｐ２００２−１０８８８７Ａ）
【公開日】 平成１４年４月１２日（２００２．４．１２）
【出願番号】 特願２０００−２９９９７１（Ｐ２０００−２９９９７１）