JP6753190B2

JP6753190B2 - 文書検索装置及びプログラム

Info

Publication number: JP6753190B2
Application number: JP2016147694A
Authority: JP
Inventors: 真之小林
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2016-07-27
Filing date: 2016-07-27
Publication date: 2020-09-09
Anticipated expiration: 2036-07-27
Also published as: JP2018018279A; US10445320B2; US20180032577A1

Description

本発明は、文書検索装置及びプログラムに関する。

特許文献１には、属性情報を有する構造化文書及びこの構造化文書を持つフォルダが格納された記憶装置から、指定された検索条件により、上記構造化文書の検索を行い、該当した構造化文書の文書ＩＤ（Identification）と属性情報とを紐付けして抽出文書データベースに格納する文書管理システムにおいて、前記属性情報の分類を用いて全文検索を行う技術が開示されている。

特開２０１１−０５３８８１号公報

本発明は、属性情報の分類を用いて全文検索を行う場合に比較して、高速に検索結果を出力することができる文書検索装置及びプログラムを提供することを目的とする。

上記目的を達成するために、請求項１に記載の文書検索装置は、階層関係にある複数の検索語がまとめられた１つの検索語群を受け付ける受付部と、前記受付部により受け付けられた第一の検索語の検索範囲として、構造化文書データに含まれる階層関係にある複数のコンテンツのうちの前記第一の検索語の属性情報と同じ属性情報を有する第一のコンテンツを設定し、前記第一の検索語よりも下位の階層となる第二の検索語の検索範囲として、前記第一のコンテンツと同じ階層か又は前記第一のコンテンツよりも下位の階層となり、かつ前記第二の検索語の属性情報と同じ属性情報を有する第二のコンテンツを設定する設定部と、を備えている。

また、請求項２に記載の発明は、請求項１に記載の発明において、前記受付部により受け付けられた複数の検索語の少なくとも１つの検索語の類義語を取得する取得部をさらに備え、前記設定部が、前記複数の検索語に加えて、前記取得部により取得された類義語についても対応する階層の検索範囲として前記第二のコンテンツを設定するものである。

また、請求項３に記載の発明は、請求項１又は請求項２に記載の発明において、前記設定部が、前記複数のコンテンツの各々における本文の有無を示す情報を含む目次情報に基づいて、前記本文を有するコンテンツを検索対象として前記第一のコンテンツ及び前記第二のコンテンツを設定するものである。

また、請求項４に記載の発明は、請求項１から請求項３の何れか１項に記載の発明において、前記設定部より設定された第一のコンテンツから前記第一の検索語を含むコンテンツを検索し、かつ第二のコンテンツから前記第二の検索語を含むコンテンツを検索する実行部と、前記実行部による検索により得られたコンテンツを部分木の形式で出力する出力部と、をさらに備えている。

また、請求項５に記載の発明は、請求項１から請求項３の何れか１項に記載の発明において、前記設定部より設定された第一のコンテンツから前記第一の検索語を含むコンテンツを検索し、かつ第二のコンテンツから前記第二の検索語を含むコンテンツを検索する実行部と、前記実行部による検索結果を、前記実行部による検索に用いられた検索語の階層関係に従って該検索語が含まれるコンテンツを辿れる形式で表示部に出力する出力部と、をさらに備えている。

一方、上記目的を達成するために、請求項６に記載のプログラムは、コンピュータを、請求項１から請求項５の何れか１項記載の文書検索装置の受付部及び設定部として機能させるためのものである。

請求項１及び請求項６に記載の発明によれば、属性情報の分類を用いて全文検索を行う場合に比較して、高速に検索結果を出力することができる。

請求項１に記載の発明によれば、属性情報を有さないコンテンツも含めて検索を行う場合に比較して、高速に検索結果を出力することができる。

請求項２に記載の発明によれば、受け付けた検索語の類義語も含めて検索することができる。

請求項３に記載の発明によれば、本文の無いコンテンツも含めて検索を行う場合に比較して、高速に検索結果を出力することができる。

請求項４に記載の発明によれば、検索により得られたコンテンツを個別に出力する場合に比較して、コンテンツが有する目次とは別の視点で作成した目次体系を作成することができる。

請求項５に記載の発明によれば、検索により得られたコンテンツを個別に出力する場合に比較して、目標とする情報に辿り易い形式で検索結果を出力することができる。

実施の形態に係る文書検索装置の機能的な構成を示す機能ブロック図である。実施の形態に係る構造化文書データの一例を示す図である。実施の形態に係るコンテンツに設定される属性情報の一例を示す図である。実施の形態に係る検索条件設定ファイルの一例を示す図である。実施の形態に係る検索結果の一例の説明に供する図である。実施の形態に係る検索結果の一例の説明に供する図である。実施の形態に係る検索結果の目次の一例を示す図である。実施の形態に係る文書検索装置として機能するコンピュータの概略構成を示すブロック図である。実施の形態に係る検索処理の一例を示すフローチャートである。変形例に係る検索結果表示画面の画面遷移の一例を示す図である。

以下、図面を参照して、本発明を実施するための形態例を詳細に説明する。

まず、図１を参照して、本実施の形態に係る文書検索装置１０の機能的な構成について説明する。図１に示すように、文書検索装置１０は、受付部１２、取得部１４、設定部１６、実行部１８、出力部２０、及び記憶部２２を備えている。

本実施の形態に係る記憶部２２には、類義語情報２４、構造化文書データ２６、及び目次情報２８が記憶される。本実施の形態に係る類義語情報２４には、検索語と、該検索語の類義語とが対応付けられて記憶されている。具体的には、類義語情報２４には、例えば、「普通預金」に対応付けられて「定期預金」が記憶されている。

本実施の形態に係る構造化文書データ２６は、階層関係にある複数のコンテンツを有する。一例として図２に示すように、構造化文書データ２６は、文書の編に対応するコンテンツ３０Ａ、章に対応するコンテンツ３０Ｂ、節に対応するコンテンツ３０Ｃ、及び条に対応するコンテンツ３０Ｄを有する。また、本実施の形態では、一例として、階層関係として、編が最上位の階層で、条が最下位の階層で、編が章の上位の階層で、章が節の上位の階層で、節が条の上位の階層である関係を適用している。なお、以下では、コンテンツ３０Ａ〜３０Ｄを区別せずに総称する場合は、符号の末尾のアルファベットを省略する。また、本実施の形態では、各コンテンツ３０が、各々１つのＸＭＬ（eXtensible Markup Language）ファイルとして記憶部２２に記憶されている。

本実施の形態に係る目次情報２８には、各コンテンツ３０の階層関係を示す情報、及び各コンテンツ３０における本文の有無を示す情報が記憶されている。また、目次情報２８には、各階層のコンテンツ３０に属性情報が設定されている場合は、該属性情報も記憶されている。

本実施の形態に係る受付部１２は、後述する入出力装置５６（図８参照）を介してユーザにより入力された、階層関係にある複数の検索語を受け付ける。例えば、受付部１２は、「預金」及び「普通預金」のように、互いに上位及び下位の階層関係にある複数の検索語を受け付ける。また、受付部１２は、検索語に関する属性を示す属性情報も受け付ける。属性情報の例としては、「預金」という検索語に対しては、「ＯＰＥＲＡＴＩＯＮ（操作）」及び「ＲＵＬＥ（規程）」といった情報が挙げられる。

本実施の形態に係る受付部１２は、例えば、「預金（＠ＴＹＰＥ＝ＯＰＥＲＡＴＩＯＮ）／普通預金」といった形式で検索語を受け付ける。この形式では、「／」が階層の区切りを示し、括弧内の＠ＴＹＰＥに対応する値（この例ではＯＰＥＲＡＴＩＯＮ）が、属性情報を示す。

本実施の形態に係る取得部１４は、受付部１２により受け付けられた検索語の類義語を取得する。本実施の形態では、取得部１４は、類義語情報２４を参照し、受付部１２により受け付けられた複数の検索語のうち、下位の階層の検索語の類義語を取得する。例えば、受付部１２より受け付けられた検索語が「預金」及び「普通預金」である場合、取得部１４は、「普通預金」の類義語として「定期預金」を取得する。

本実施の形態に係る設定部１６は、受付部１２により受け付けられた第一の検索語の検索範囲として、構造化文書データ２６に含まれる階層関係にある複数のコンテンツ３０のうちの第一のコンテンツを設定し、上記第一の検索語よりも下位の階層となる第二の検索語の検索範囲として、上記第一のコンテンツと同じ階層か又は上記第一のコンテンツよりも下位の階層となる第二のコンテンツを設定する。

また、設定部１６は、取得部１４により取得された類義語についても、対応する階層の検索範囲としてコンテンツ３０を設定する。また、設定部１６は、目次情報２８を参照し、各コンテンツ３０のうち、本文を有するコンテンツ３０のみを検索範囲として設定する。また、設定部１６は、検索語に属性情報が付与されている場合は、各コンテンツ３０のうち、検索語に付与されている属性情報と同じ属性情報を有するコンテンツ３０のみを該検索語の検索範囲として設定する。

図３及び図４を参照して、設定部１６による検索条件の設定処理の一例を具体的に説明する。ここでは、一例として図３に示すように、編の階層のコンテンツ３０Ａが属性情報を有さず、章の階層のコンテンツ３０Ｂが「ＯＰＥＲＡＴＩＯＮ」との属性情報を有し、節の階層のコンテンツ３０Ｃ、及び条の階層のコンテンツ３０Ｄが「ＲＵＬＥ」との属性情報を有する場合について説明する。なお、各コンテンツ３０に設定される属性情報は、図３に示す例に限定されない。例えば、構造化文書データ２６に含まれる全てのコンテンツ３０に同じ属性情報が設定されてもよいし、コンテンツ３０毎に異なる属性情報が設定されてもよい。また、例えば、１つのコンテンツ３０に複数の属性情報が設定されてもよい。

また、本実施の形態に係る設定部１６は、一例として図４に示すように、検索条件を示す情報として、ＸＭＬファイルの形式の検索条件設定ファイル３２を生成することで、検索条件を設定する。なお、図４では、コンテンツ３０Ａは本文を有さず、コンテンツ３０Ｂ〜３０Ｄは本文を有する場合の検索条件設定ファイル３２の例を示している。また、図４では、検索語として、「預金（＠ＴＹＰＥ＝ＯＰＥＲＡＴＩＯＮ）／普通預金（＠ＴＹＰＥ＝ＲＵＬＥ）」が受付部１２により受け付けられた場合の検索条件設定ファイル３２の例を示している。すなわち、図４の例では、「預金」が上記第一の検索語に対応し、「普通預金」が上記第二の検索語に対応する。

図４に示すように、本実施の形態に係る検索条件設定ファイル３２では、ＳＥＡＲＣＨＩＴＥＭタグで検索対象とするコンテンツ３０の階層が設定される。図４の例では、ＳＴＡＲＴが検索を開始する階層を示し、ＥＮＤが検索を終了する階層を示す。また、検索条件設定ファイル３２では、ＴＥＸＴタグで検索語が設定される。また、検索条件設定ファイル３２では、ＡＴＴＲＮＡＭＥタグで検索語に属性情報が付与されていることを示す文字列が設定され、ＡＴＴＲＶＡＬＵＥタグで検索語に付与されている属性情報が設定される。また、図４に示す「Ｈ２」は章の階層に対応し、「Ｈ３」は節の階層に対応し、「Ｈ４」は条の階層に対応する。

図４の例では、上位階層の検索語の「預金」については、各々本文を有するコンテンツである章の階層のコンテンツ３０Ｂ及び節の階層のコンテンツ３０Ｃのうち、「預金」の属性情報と同じ属性情報である「ＯＰＥＲＡＴＩＯＮ」を属性情報として有するコンテンツ３０Ｂが検索範囲として設定されることを示す。

また、図４の例では、下位階層の検索語の「普通預金」については、各々本文を有するコンテンツであって、かつ該「普通預金」よりも上位階層となる「預金」の検索範囲として設定されたコンテンツと同じ階層か又は該設定されたコンテンツよりも下位階層のコンテンツとなる節の階層のコンテンツ３０Ｃ及び条の階層のコンテンツ３０Ｄのうち、「普通預金」の属性情報と同じ属性情報である「ＲＵＬＥ」を属性情報として有するコンテンツ３０Ｃ、３０Ｄが検索範囲として設定されることを示す。

このように、本実施の形態に係る設定部１６は、第一の検索語（上記の例では、「預金」）の検索範囲として、構造化文書データ２６に含まれる階層関係にある複数のコンテンツ３０のうちの第一のコンテンツ（上記の例では、章の階層のコンテンツ３０Ｂ、及び節の階層のコンテンツ３０Ｃ）を設定する。また、設定部１６は、第二の検索語（上記の例では「普通預金」）の検索範囲として、第一のコンテンツと同じ階層（上記の例では節の階層）か又は第一のコンテンツよりも下位の階層（上記の例では条の階層）となる第二のコンテンツ（上記の例ではコンテンツ３０Ｃ、３０Ｄ）を設定する。

すなわち、本実施の形態では、受付部１２により受け付けられた複数の検索語の階層関係に従って、検索範囲が絞って設定される。従って、属性情報の分類を用いて全文検索を行う場合に比較して、高速に検索結果が出力される。

なお、錯綜を回避するために図４では図示を省略したが、例えば、取得部１４により「普通預金」の類義語として「定期預金」が取得された場合は、設定部１６は、図４に示す「普通預金」を「定期預金」に置き換えた検索条件設定ファイル３２も生成する。

本実施の形態に係る実行部１８は、設定部１６より設定されたコンテンツ３０を検索対象として構造化文書データ２６に対する検索を実行する。本実施の形態では、実行部１８は、設定部１６により生成された検索条件設定ファイル３２に従って、構造化文書データ２６に対する検索を実行する。

本実施の形態に係る出力部２０は、実行部１８による検索により得られたコンテンツ３０を部分木の形式で出力する。本実施の形態では、出力部２０は、例として図５及び図６に示すように、実行部１８による検索により得られたコンテンツ群３４を部分木の形式で記憶部２２に出力する。

図５に示す例では、コンテンツ群３４は、検索語である「預金」が含まれるコンテンツ３０Ｂ、「普通預金」が含まれるコンテンツ３０Ｃ、及び該コンテンツ３０Ｃの下位階層のコンテンツ３０Ｄを含む。また、図６に示すように、コンテンツ群３４は、さらに、検索語である「預金」が含まれるコンテンツ３０Ｅ、コンテンツ３０Ｅの下位階層のコンテンツであって「普通預金」の類義語である「定期預金」が含まれるコンテンツ３０Ｆ、及び該コンテンツ３０Ｆの下位階層のコンテンツ３０Ｇを含む。

このように、本実施の形態では、実行部１８による検索により得られたコンテンツ３０を部分木の形式で出力している。これにより、一例として図７に示すように、検索結果として「預金／普通預金」及び「預金／定期預金」のそれぞれの部分木の階層構造をあわせた構成が得られることから、コンテンツが予め有する目次とは別の視点（例えば、それぞれの業務シーンに対応した視点）で作成した目次体系が作成される。このような別の視点で作成した目次体系を用いることにより、検索結果を個別に表示する場合よりも高速に目的の検索結果にたどり着く。

前述した文書検索装置１０は、図８に示すコンピュータ５０によって実現される。本実施の形態に係るコンピュータ５０は、ＣＰＵ（Central Processing Unit）５２、一時記憶領域としてのメモリ５４、及び不揮発性の記憶部２２を備える。また、コンピュータ５０は、ディスプレイ等の表示装置とキーボード及びマウス等の入力装置とを含む入出力装置５６が接続される入出力Ｉ／Ｆ（InterFace）５８を備える。また、コンピュータ５０は、記録媒体６０に対するデータの読み込みと書き込みとを制御するＲ／Ｗ（Read/Write）部６２、及びネットワークに接続されるネットワークＩ／Ｆ６４を備える。ＣＰＵ５２、メモリ５４、記憶部２２、入出力Ｉ／Ｆ５８、Ｒ／Ｗ部６２、及びネットワークＩ／Ｆ６４は、バス６６を介して互いに接続される。

記憶部２２は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、及びフラッシュメモリ等によって実現される。記憶媒体としての記憶部２２には、コンピュータ５０を文書検索装置１０として機能させるための検索処理プログラム６８が記憶される。

ＣＰＵ５２は、検索処理プログラム６８を記憶部２２から読み出してメモリ５４に展開し、検索処理プログラム６８が有するプロセスを順次実行する。ＣＰＵ５２が検索処理プログラム６８を実行することで、図１に示す受付部１２、取得部１４、設定部１６、実行部１８、及び出力部２０として動作する。これにより、検索処理プログラム６８がインストールされたコンピュータ５０が、文書検索装置１０として機能する。

次に、本実施の形態に係る文書検索装置１０の作用を説明する。コンピュータ５０により検索処理プログラム６８を実行させることで、図９に示す検索処理が実行される。図９に示す検索処理は、例えば、ユーザによって入出力装置５６を介して階層関係にある複数の検索語が入力され、検索開始の実行指示が入力された場合に実行される。

図９のステップ１００で、受付部１２は、入出力装置５６を介してユーザにより入力された、階層関係にある複数の検索語を受け付ける。次のステップ１０２で、取得部１４は、前述したように、類義語情報２４を参照し、ステップ１００で受け付けられた検索語の類義語を取得する。なお、ここで受け付けられた検索語の類義語が類義語情報２４に存在しない場合もあるが、この場合は、以降の処理で類義語に関する処理は行わない。

次のステップ１０４で、設定部１６は、前述したように、ステップ１００で受け付けられた検索語、ステップ１０２で取得された類義語、及び目次情報２８に基づいて、検索条件設定ファイル３２を生成する。

次のステップ１０６で、実行部１８は、ステップ１０４で生成された検索条件設定ファイル３２に従って、構造化文書データ２６に対する検索を実行する。次のステップ１０８で、出力部２０は、ステップ１０６の処理による検索により得られたコンテンツ群３４を部分木の形式で記憶部２２に出力した後、本検索処理を終了する。

なお、上記実施の形態において、出力部２０は、構造化文書データ２６に対する検索に用いられた検索語の階層関係に従って該検索語が含まれるコンテンツ３０を辿れる形式で入出力装置５６のディスプレイに出力する形態としてもよい。この出力部２０による出力によりディスプレイに表示される検索結果表示画面の画面遷移の一例を図１０に示す。図１０に示すように、この形態例における検索結果表示画面では、まず最上位階層の検索語である「預金」に対応する預金ボタンが表示される。

そして、例えば、ユーザにより入出力装置５６の入力装置を介して預金ボタンが指定されると、預金の下位階層である普通預金及び定期預金の各々に対応する普通預金ボタン及び定期預金ボタンが表示される。さらに、例えば、ユーザにより入出力装置５６の入力装置を介して普通預金ボタンが指定されると、「普通預金」が含まれるコンテンツ３０の該当箇所が表示される。

また、上記実施の形態では、検索語の階層数として、２階層を適用した場合について説明したがこれに限定されない。検索語の階層数として、３階層以上を適用する形態としてもよい。また、構造化文書データの階層数も４階層に限定されないことは言うまでもない。但し、検索語の階層数が構造化文書データの階層数未満であることが好ましい。

また、上記実施の形態では、目次情報２８に各コンテンツ３０の階層関係を示す情報が含まれる場合について説明したが、これに限定されない。例えば、構造化文書データ２６が１つのＸＭＬファイルである場合は、階層を表すタグの包含関係から各コンテンツ３０の階層関係が判別可能である。この例のように、構造化文書データ２６に各コンテンツ３０の階層関係を示す情報が含まれる場合は、目次情報２８に各コンテンツ３０の階層関係を示す情報が含まれなくてもよい。

また、上記実施の形態では、検索処理プログラム６８が記憶部２２に予め記憶（インストール）されている場合について説明したが、これに限定されない。検索処理プログラム６８は、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disk Read Only Memory）、ＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、検索処理プログラム６８は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。

さらに、上記実施の形態では、検索処理を、プログラムを実行することにより、コンピュータを利用してソフトウェア構成により実現する場合について説明したが、これに限定されない。例えば、検索処理を、ハードウェア構成や、ハードウェア構成とソフトウェア構成の組み合わせによって実現する形態としてもよい。

その他、上記実施の形態で説明した文書検索装置１０の構成（図１参照）は一例であり、本発明の主旨を逸脱しない範囲内において不要な部分を削除したり、新たな部分を追加したりしてもよいことは言うまでもない。

また、上記実施の形態で説明した検索処理の流れ（図９参照）も一例であり、本発明の主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。

１０文書検索装置
１２受付部
１４取得部
１６設定部
１８実行部
２０出力部
２２記憶部
２４類義語情報
２６構造化文書データ
２８目次情報
３０Ａ、３０Ｂ、３０Ｃ、３０Ｄ、３０Ｅ、３０Ｆ、３０Ｇコンテンツ
３２検索条件設定ファイル
３４コンテンツ群
５０コンピュータ
５２ＣＰＵ
５４メモリ
５６入出力装置
６０記録媒体
６８検索処理プログラム

Claims

階層関係にある複数の検索語がまとめられた１つの検索語群を受け付ける受付部と、
前記受付部により受け付けられた第一の検索語の検索範囲として、構造化文書データに含まれる階層関係にある複数のコンテンツのうちの前記第一の検索語の属性情報と同じ属性情報を有する第一のコンテンツを設定し、前記第一の検索語よりも下位の階層となる第二の検索語の検索範囲として、前記第一のコンテンツと同じ階層か又は前記第一のコンテンツよりも下位の階層となり、かつ前記第二の検索語の属性情報と同じ属性情報を有する第二のコンテンツを設定する設定部と、
を備えた文書検索装置。
前記受付部により受け付けられた複数の検索語の少なくとも１つの検索語の類義語を取得する取得部をさらに備え、
前記設定部は、前記複数の検索語に加えて、前記取得部により取得された類義語についても対応する階層の検索範囲として前記第二のコンテンツを設定する
請求項１に記載の文書検索装置。
前記設定部は、前記複数のコンテンツの各々における本文の有無を示す情報を含む目次情報に基づいて、前記本文を有するコンテンツを検索対象として前記第一のコンテンツ及び前記第二のコンテンツを設定する
請求項１又は請求項２に記載の文書検索装置。
前記設定部より設定された第一のコンテンツから前記第一の検索語を含むコンテンツを検索し、かつ第二のコンテンツから前記第二の検索語を含むコンテンツを検索する実行部と、
前記実行部による検索により得られたコンテンツを部分木の形式で出力する出力部と、
をさらに備えた請求項１から請求項３の何れか１項に記載の文書検索装置。
前記設定部より設定された第一のコンテンツから前記第一の検索語を含むコンテンツを検索し、かつ第二のコンテンツから前記第二の検索語を含むコンテンツを検索する実行部と、
前記実行部による検索結果を、前記実行部による検索に用いられた検索語の階層関係に従って該検索語が含まれるコンテンツを辿れる形式で表示部に出力する出力部と、
をさらに備えた請求項１から請求項３の何れか１項に記載の文書検索装置。
コンピュータを、請求項１から請求項５の何れか１項に記載の文書検索装置の受付部及び設定部として機能させるためのプログラム。