JP2006146873A - データ検索方法、装置及びプログラム - Google Patents

Abstract

【課題】 あるデータから派生したことを示すバージョン情報を持つ複数のデータに対する検索をバージョン情報を考慮して行う。
【解決手段】 検索条件にヒットしたデータそれぞれに対してバージョン情報を用いて検索結果のスコアを計算する。バージョン情報はデータのバージョン番号、更新時間情報などである。そして、それぞれのスコアを統合して派生前のデータ群に対して検索順位決定を行う。
【選択図】 図１

Description

本発明は、蓄積されたデータのバージョンを考慮したデータ検索方法、装置、プログラムに関する。

文書管理装置に特有の検索として、複数のバージョンを持つ文書の検索が挙げられる。文書の更新を考慮したバージョン管理などの機能が提案されている（例えば特許文献１参照）。
特開平９−１２８３８０号公報

上記従来の技術では、検索時にバージョンを指定しての検索は考慮されているが、異なるバージョンに対する検索が考慮されていないために同じ文書でもバージョンが異なる文書について、バージョンを考慮せずに結果を返すため、検索精度が落ちるという問題点があった。

また、同一文書から派生したバージョン違いの文書は、内容が類似しているため、類似した内容が重複して検索にヒットすることになり、各バージョンの文書一つ一つをそれぞれバラバラに検索結果として表示すると、視認性が悪いという問題点があった。

上記の課題を解決するため、本発明によるデータ検索方法は以下の構成を備える。即ち、あるデータから派生したことを示すバージョン情報を持つ複数のデータに対して検索を行う方法であって、検索にヒットしたデータのうち、同一データから派生したデータ群に含まれるデータそれぞれに対して前記バージョン情報に基づいて検索結果のスコアを計算する計算工程と、前記スコアに基づいて検索結果の順位を決定する順位決定工程。

上記の課題を解決するため、本発明によるデータ検索装置は以下の構成を備える。即ち、あるデータから派生したことを示すバージョン情報を持つ複数のデータに対して検索を行う装置であって、検索にヒットしたデータのうち、同一データから派生したデータ群に含まれるデータそれぞれに対して前記バージョン情報に基づいて検索結果のスコアを計算する計算手段と、前記スコアに基づいて検索結果の順位を決定する順位決定手段。

上記の課題を解決するため、本発明によるプログラムは以下の構成を備える。即ち、あるデータから派生したことを示すバージョン情報を持つ複数のデータに対して検索を行う手順を記録するプログラムであって、検索にヒットしたデータのうち、同一データから派生したデータ群に含まれるデータそれぞれに対して前記バージョン情報に基づいて検索結果のスコアを計算する計算手順と、前記スコアに基づいて検索結果の順位を決定する順位決定手順。

あるデータから派生したバージョンの異なる複数のデータに対して、検索結果のスコア付けを行い、視認性の高い結果を得ることができる。

＜実施形態１＞
まず、第一の実施の形態を図１から図１２に基づき説明する。

第一の実施の形態は、ナレッジベース等、ユーザが検索したい情報が特定のジャンルに多く含まれる様な文書管理装置の検索に適用できる。本実施形態の文書データには、文書、静止画像、動画像、音声等のデータを含む。

図１は本発明の実施の形態に掛かる装置の全体構成例を示すブロック図である。

図１において、複数のバージョンの文書を保持する文書データ保持部１０１、文書データがどの文書のどのバージョンであるかを管理する文書データ管理部１０２、検索条件を保持する検索条件保持部１０３、検索条件を満たす文書データを検索する文書データ検索部１０４、適合した文書データの文書情報とバージョン情報から検索結果をまとめる検索結果統合部１０５、適合文書、バージョンの提示順を決定するランキング部１０６、検索結果を保持する検索結果保持部１０７から構成される。

文書データ保持部１０１は文書の各バージョンをデータとして格納する。各データがどの文書のどのバージョンであるかは文書データ管理部１０２が保持する。

文書管理装置に新たな文書が登録されたり、文書の新たなバージョンが登録されたりすると、新たな文書または新たなバージョンの文書にＩＤを付け、文書データとして文書データ保持部に保持する。また、その文書データがどの文書のどのバージョンであったかわかるように、文書データＩＤと文書情報ＩＤとバージョン番号と文書名とを関連付けて文書データ管理部１０２が保持する。その保持内容は図２（ａ）のようになる。

図２（ａ）では、文書Ａ（文書情報ＩＤ：Ｉ００００２）と文書Ｂ（文書情報ＩＤ：Ｉ００００１）と文書Ｃ（文書情報ＩＤ：Ｉ００００３）の３文書が登録されており、文書Ａにはバージョン：１（データＩＤ：Ｖ００００２）とバージョン：２（データＩＤ：Ｖ００００６）、文書Ｂにはバージョン：１（データＩＤ：Ｖ００００１）とバージョン：２（データＩＤ：Ｖ００００３）とバージョン：３（データＩＤ：Ｖ００００４）、文書Ｃにはバージョン：１（データＩＤ：Ｖ００００５）登録されている。

図３は文書Ａの２つのバージョンの内容を示したものである。文書データ３０１（データＩＤ：Ｖ００００２、バージョン：１）を更新して文書データ３０２（データＩＤ：Ｖ００００６、バージョン：２）が登録されている。図４、図５においても同様に文書Ｂ、文書Ｃのそれぞれのバージョンの情報を表している。

なお、本実施形態ではバージョン番号は１．０から始まり、更新されるたびに１増加するものとしているが、これに限られず文書データの更新が分かる番号体系を適宜用いる。文書のファイル名・メタデータに、バージョンを番号として振る方法の他には、文書を更新した時刻、日付、時間間隔などもバージョン情報とみなす方法などがある。

文書管理装置におけるバージョン管理は、ＣＶＳ（Ｃｏｎｃｕｒｒｅｎｔ Ｖｅｒｓｉｏｎｓ Ｓｙｓｔｅｍ）で行われているような一般的な方法を用いる。すなわち、文書の変更を行う際には、ユーザは文書管理装置に事前に宣言（チェックアウト）し、その後、内容を変更した文書を文書管理装置に登録（チェックイン）することで、バージョンを管理する方法である。

図２（ｂ）は複数のバージョンの文書を格納する管理体系の概念図である。フォルダ２０１は各文書を保存するフォルダであり、フォルダバージョンが振られている。フォルダバージョンは、内包する文書の更新に合わせて更新される。図２（ｃ）に示すように、文書データ管理部１０２では、フォルダバージョン２０３に関連付けて、各フォルダ下の文書のバージョン２０４を管理していても良い。

検索条件保持部１０３は、ユーザから検索装置に送信された検索条件を保持し、データ検索部１０４に検索条件を渡す。図６は、ユーザが検索装置に検索要求を送る際に用いるインターフェース図である。検索条件は６０１と６０２より設定する。６０１は検索語を入力する部分である。６０２は検索結果提示形式を指定する部分である。検索結果提示形式については後述する。ユーザは、検索条件を設定した後、６０３のボタンを押下することによって検索装置に検索要求を行う。

データ検索部１０４は、検索条件保持部１０３に保持された検索条件にて、データを検索する。この検索の実現には、一般的な文書全文検索手法が用いられる。パターンマッチング手法でも良いし、あらかじめデータ登録時にインデクスを作成しておくインデクス検索手法でも良い。インデクス検索手法の場合は、データ管理部でインデクスも管理する。検索した結果としては、その内容に検索語が含まれる文書データのＩＤ、及びその文書データの検索条件に対する適合度（スコア）が得られる。この文書データのスコアは、検索語の出現頻度や文章中の出現位置などから求められる。図７は検索語が「捏造」のときのデータ検索結果例である。文書データＩＤがＶ００００１、Ｖ００００２、Ｖ００００４の３つのデータが適合し、それらのスコアが得られている。

検索結果統合部１０５は、データ検索部１０４で得られた適合文書データのＩＤと、データ管理部１０２が保持している表から、適合したデータの文書データＩＤ、バージョン番号を得る。先の例の場合、その結果は図８となる。適合した文書、バージョンは、文書Ａのバージョン番号１．０と、文書Ｂのバージョン番号１．０と３．０である。

ランキング部１０６は、検索統合部１０５で得られた適合文書データ、バージョンの提示順を定めるために、バージョンを考慮したスコアを与え、ランキングを行う。

新しいバージョンが検索にヒットした文書ほどスコアが高くなるようにするスコア付けとランキングについて述べる。これは、検索するユーザの重要な要望のひとつとして、新しい情報を優先することが挙げられるためである。ここでは、バージョンスコアは以下の式で得る。

バージョンスコア＝データスコア×バージョン番号÷最新バージョン番号
例えば、文書Ｂバージョン１．０のバージョンスコアは、
１０×１．０÷３．０≒３．３
となる。同様にして他のバージョンスコアを求めた結果が図９である。新しいバージョンほどスコアが高くなるようなバージョンスコアの決定方法は上記の方法に関わらず適用可能である。

次に、検索条件のひとつである検索結果提示形式にあわせて結果の融合を行う。検索結果提示形式には、検索結果としてバージョン毎のリストを表示するもの、バージョンの情報を出さず適合したバージョンが含まれる文書のリストを表示するものがある。文書毎の表示は検索結果全体の状態が把握しやすく、類似性の高いバージョンの違う文書データを一つ一つチェックする手間が省けるという利点がある。バージョン毎の表示は、個々の文書データの詳細な情報が得やすいという利点がある。

文書毎の検索結果を提示する場合は、バージョン毎の結果を文書毎にまとめるため、文書毎のスコアを計算する。文書スコアは以下の式で得る。

文書スコア＝（Σバージョンスコア）÷その文書の全バージョン数
例えば、文書Ｂの文書スコアは
（３．３＋２０）÷３≒７．８
となる。同様にして他の文書スコアを求めた結果が図１０である。検索結果提示形式がバージョン毎の場合はここでは何もしない。

検索結果保持部１０７はランキング部１０６から渡されるスコアに従い、検索結果を作成する。図１１は検索結果提示形式がバージョン毎の場合の検索結果画面例、図１２は検索結果提示形式が文書毎の場合の検索結果画面例である。

このように、個々のバージョンの文書データの検索条件に対する適合度と、新しいバージョンの文書データに対する重み付けとを総合的に評価した結果を得ることができる。

＜実施形態２＞
実施形態１では、ランキング部においてスコアを算出する際、新しい情報を優先するため、新しいバージョンのスコアが高くなる重み付けを行った。本実施形態では、検索結果提示形式に合わせた重み付けを行う。

具体的には、検索結果提示形式がバージョン毎の場合は、前のバージョンが検索条件に適合しない、もしくは次のバージョンが検索条件に適合しないバージョンのスコアが高くなる重み付けを行う。バージョン１または３が検索条件に適合しないときにバージョン２が検索条件に適合した場合である。これは、検索語を含む情報の記述が、変化したバージョンを重視するためである。

また、検索結果提示形式が文書毎の場合は、多くのバージョンが適合するほどスコアが高くなる重み付けを行う。これは、常に検索語を含む情報の記述がなされている文書を重視するためである。

具体的な実現方法としては、ランキング部１０６の処理が実施形態１と異なる。ランキング部では、まず検索結果提示形式によって処理を分岐する。検索結果提示形式がバージョン毎の場合は、データスコアに対して、前後のバージョンが存在しないものに重み付けをしてバージョンスコアを算出する。前のバージョンが検索結果中に存在しないか、検索にヒットした文書データが最古のバージョンである場合はデータスコアを１．５倍する。また、次のバージョンが検索結果中に存在しないか、検索にヒットした文書データが最新のバージョンである場合はデータスコアを１．５倍する。

例えば、前のバージョンも次のバージョンも検索結果に含まれていなければ、バージョンスコアはデータスコアの１．５×１．５＝２．２５倍となる。逆に、前のバージョンも次のバージョンも検索結果に含まれているときは、データスコアと個々のバージョン文書に対して与えられるバージョンスコアは等しくなる。

図１３のように文書Ｘ，Ｙの２文書、各５バージョンが登録されていて、図１４のように、データ検索部１０４での結果が得られているとすると、バージョンスコアは図１５のようになる。途中の１バージョンだけ適合している文書Ｙバージョン３．０のスコアが高い。一方、検索結果提示形式が文書毎の場合は、適合しているバージョンが多い文書に重み付けをして文書スコアを算出する。具体的には、文書に含まれる全適合バージョンのデータスコアの合計を全バージョン数で割ったものに、適合バージョン数をかけて全バージョン数で割ったものを文書スコアとする。図１４の結果に対する文書スコアは図１６のようになる。多くのバージョンが適合している文書Ｘのスコアが高くなる。

＜実施形態３＞
上記実施例においては，各部を同一の計算機上で構成する場合について説明したが，これに限定されるものではなく，複数の計算機上で実現してもよい。

なお，本発明は、複数の機器から構成されるシステムに適用しても、１つの機器からなる装置に適用してもよい。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）が記録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、達成されることは言うまでもない。コンピュータとしては図１７のように、中央処理装置１７０１、主記憶装置１７０２、表示装置１７０３、入力装置１７０４、補助記憶装置１７０５を備えた一般的なコンピュータで実現可能である。

この場合、記録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録した記録媒体は本発明を構成することになる。

プログラムコードを供給するための記録媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどを用いることができる。

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動しているＯＳなどが実際の処理の一部または全部を行ない、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ことは言うまでもない。

さらに、記録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ボ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き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボ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ない、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ことは言うまでもない。

本発明の第１実施形態に係る検索装置のブロック図である。 （ａ）データ管理部が有する文書、バージョン情報の一例を示す図である。（ｂ）本発明の実施形態１の文書の管理体系の例である。（ｃ）データ管理部が有するフォルダバージョン管理情報の一例を示す図である。 文書の内容例を示す図である。 文書の内容例を示す図である。 文書の内容例を示す図である。 検索のインターフェース画面の一例を示す図である。 データ検索部の出力情報の例である。 検索結果統合部の出力情報の例である。 ランキング部におけるバージョンスコアの算出例である。 ランキング部における文書スコアの算出例である。 検索結果提示形式がバージョン毎の場合の検索結果画面例である。 検索結果提示形式が文書毎の場合の検索結果画面例である。 データ管理部が有する文書、バージョン情報の一例を示す図である。 データ検索部の出力情報の例である。 ランキング部におけるバージョンスコアの算出例である。 ランキング部における文書スコアの算出例である。 ソフトウェアによる実現の際、実行するコンピュータの例である。

符号の説明

１０１ データ保持部
１０２ データ管理部
１０３ 検索条件保持部
１０４ データ検索部
１０５ 検索結果統合部
１０６ ランキング部
１０７ 検索結果保持部

Claims (6)

1. あるデータから派生したことを示すバージョン情報を持つ複数のデータに対して検索を行う方法であって、
   検索にヒットしたデータのうち、同一データから派生したデータ群に含まれるデータそれぞれに対して前記バージョン情報に基づいて検索結果のスコアを計算する計算工程と、
   前記スコアに基づいて検索結果の順位を決定する順位決定工程と、
   を備えるデータ検索方法。
2. 前記計算工程では、前記データ群に含まれるデータそれぞれに対して検索条件に適合したバージョンの新旧に基づいてスコアの計算を行うことを特徴とする請求項１記載のデータ検索方法。
3. 前記計算工程では、前記データ群に含まれるデータそれぞれに対して検索条件に対する適合度とバージョンの新旧とに基づいてスコアの計算を行うことを特徴とする請求項１記載のデータ検索方法。
4. 前記順位決定工程では、前記データ群に含まれるデータそれぞれのスコアを統合して前記データ群の順位決定を行うことを特徴とする請求項１記載のデータ検索方法。
5. あるデータから派生したことを示すバージョン情報を持つ複数のデータに対して検索を行う装置であって、
   検索にヒットしたデータのうち、同一データから派生したデータ群に含まれるデータそれぞれに対して前記バージョン情報に基づいて検索結果のスコアを計算する計算手段と、
   前記スコアに基づいて検索結果の順位を決定する順位決定手段と、
   を備えるデータ検索装置。
6. あるデータから派生したことを示すバージョン情報を持つ複数のデータに対して検索を行う手順を記録するプログラムであって、
   検索にヒットしたデータのうち、同一データから派生したデータ群に含まれるデータそれぞれに対して前記バージョン情報に基づいて検索結果のスコアを計算する計算手順と、
   前記スコアに基づいて検索結果の順位を決定する順位決定手順と、
   をコンピュータに実行させるためのプログラム。
   

Images