CN101532848B - 信息检索装置、信息检索系统以及信息检索方法 - Google Patents

Abstract

本发明提供信息检索装置、信息检索系统以及信息检索方法。本发明的目的是减低与检索结果的范围缩小有关的用户的劳力。为此，计算机从数据库中检索包含所输入的字符的名称，其中该数据库保存上述名称、与该名称相关联的属性词以及表示上述名称与属性词的关联程度的关联度；将检索到的名称作为名称候补进行输出；在从数据库中抽取与名称候补相关联的属性词之际，运算表示所抽取出的属性词间的差异程度的独立度、表示根据所抽取出的属性词组合的名称候补的网罗性的网罗度、和表示对每个属性词相关联的名称候补的件数的均匀性的均匀度，并基于独立度、网罗度和均匀度之中的至少一个来计算属性词组合的得分，按照得分高的顺序将上述属性词组合输出至输出部。

Description

信息检索装置、信息检索系统以及信息检索方法

技术领域

本发明涉及从数据库中取出用户所希望的数据的信息检索装置。

背景技术

众所周知有以下的信息检索装置：为了从数据库中取出用户所希望的数据，用户对作为对象的名称的一部分进行字符输入，并将与所输入的字符一致的数据提示给用户，通过用户进行选择而完成任务。

作为代表性的任务有汽车导航装置中的目的地设定任务。

在汽车导航装置中，为了对在全国数量庞大的设施名、地名进行检索并设定目的地，而使用上述那样的信息检索界面。在此信息检索中，首先经由汽车导航装置的触摸面板或遥控器，用户输入设施名的一部分。之后，通过按压检索按钮而显示包含用户所输入的字符串的设施名一览，并通过从此一览中选择一个就能够设定目的地。

但是，由于设施数在全国数量庞大，所以在用户所输入的设施名的一部分中，符合条件的设施名的件数大多数量庞大。为此，即便显示设施名一览，为了查看所有候补也需要滚动等操作。因而，在发现用户所希望的设施前将花费时间。

为了解决该问题，在专利文献1中公开了以下技术：通过在用字符输入设施名的手段外还设置输入地名或者设施类型的手段来减少候补的设施数。另外，在专利文献2中公开了以下技术：在数据库的内容检索中基于检索战略来变更用于使内容的候补范围缩小的属性。

在专利文献3中公开了以下技术：在网站的检索装置中，在检索结果超过规定数而无法进入画面的情况下，将检索结果的网站中所包含的关键字提示给用户，并将范围缩小到包含用户所选择的关键字的网站。【专利文献1】日本专利公开特开2002-107173号【专利文献2】日本专利公开特开2006-202159号【专利文献3】日本专利公开特开2004-234421号

但是，在上述专利文献1、专利文献2所列举的技术中，在设施类型或者内容类型的种类很多的情况下，用户就需要从许多的类型中选定候补，所以有时候进行类型选定对用户而言变得很困难。另外，在用户不知道作为范围缩小手段而提示的属性的情况下，就无法进行范围缩小。例如，在想要将“××邮局”这样的设施设定成目的地的情况下，关于此设施是属于“金融机关”还是属于“公共机关”，有时通过用户的意识难以区别，而存在产生混同之类的问题。原因是日本的邮局还具有金融机关的功能，另外，在2007年前是国家来营运所以公共机关的含义也很强。这样，根据设施的不同就有其类型对用户而言难懂的设施。

在专利文献3所列举的技术中，提示给用户的关键字，有时候对用户而言难懂。另外，还有不知道在用户自身所希望的数据之中是否含有关键字的可能性。另外，在关键字的数量过多的情况下，其将会在画面上显示许多，所以用户选定关键字的作业就有困难。

因而，本发明就是鉴于上述问题点而完成的，其目的是即便在检索结果中有许多候补的情况下，通过将对用户而言能够容易地理解的属性词(attribute word)作为用于范围缩小的选择项而提示给用户，来减低与范围缩小有关的用户劳力。下面，将作为用于范围缩小的选择项所提示的属性词称为范围缩小属性。

本发明的技术方案提供一种信息检索装置，包括：输入部，输入字符；数据库，保存名称、与该名称相关联的属性词以及表示上述名称与属性词的关联程度的关联度；名称检索部，从数据库中检索包含上述所输入的字符的名称，并将上述检索到的名称作为名称候补而输出；提示属性创建部，从上述数据库中抽取与从上述名称检索部所输出的上述名称候补相关联的属性词；以及输出部，提示上述提示属性创建部所抽取出的属性词、和来自上述名称检索部的名称候补，其中，上述提示属性创建部具有第一得分计算部，其进行如下处理：对于上述所抽取出的属性词组合，从上述数据库中取得与该属性词关联起来的上述名称候补的上述关联度；运算表示上述所抽取出的属性词间的差异程度的独立度(degree of independency)；运算表示根据上述所抽取出的属性词组合的名称候补的网罗性的网罗度(degree ofcoverage)；运算表示对每个上述属性词相关联的名称候补的件数的均匀性的均匀度(degree of equality)；以及基于上述运算出的独立度、网罗度和均匀度之中至少一个来计算属性词组合的得分，并且按照上述得分高的顺序将上述属性词组合输出到上述输出部。

另外，上述提示属性创建部，计算表示根据上述属性词组合的关联度的综合性高低的理解容易度(degree ofunderstandability)，并基于上述运算出的独立度、网罗度、均匀度和理解容易度之中至少一个来计算属性词组合的得分。

根据本发明，即便在检索结果中有多个设施名等名称候补的情况下，信息检索装置也能够将对用户而言易懂的属性词作为范围缩小属性提示给用户，用户就可以容易地进行范围缩小。因而，就可以减轻选择设施名等名称的数据的时间和劳力。附图说明图1表示第1实施方式，是表示应用本发明的汽车导航装置的一个例子的框图。图2表示第1实施方式，是表示汽车导航装置的功能要素的框图。图3表示第1实施方式，是在汽车导航装置的显示装置上所输出的画面示意图。图4表示第1实施方式，是表示设施名的数据库8的一个例子的说明图，(a)表示设施名表；(b)表示属性词表。图5表示第1实施方式，是在设施名检索部所进行的检索结果的一个例子的说明图。图6表示第1实施方式，是表示在汽车导航装置的提示属性创建部所进行的处理的一个例子的流程图。图7表示第1实施方式，是表示在提示属性创建部所进行的独立度P_IND计算结果的一个例子的说明图，(a)表示独立度较高的例子；(b)表示独立度较低的例子。图8表示第1实施方式，是表示在提示属性创建部所进行的网罗度P_EXH计算结果的一个例子的说明图，(a)表示网罗较高的例子；(b)表示网罗度较低的例子。图9表示第1实施方式，是表示在提示属性创建部所进行的均匀度P_EQU计算结果的一个例子的说明图，(a)表示均匀度较高的例子；(b)表示均匀度较低的例子。图10表示第1实施方式，是表示在提示属性创建部所进行的理解容易度P_EAS计算结果的一个例子的说明图，(a)表示理解容易度较高的例子；(b)表示理解容易度较低的例子。图11表示第1实施方式，是表示在提示属性创建部所抽取出的属性组合的一个例子的说明图。图12表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图。图13表示第1实施方式，表示设施名检索部所创建的设施名候补和属性词以及关联度一览。图14表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，(a)表示属性词被更新后的状态；(b)表示对设施名候补进行了一览显示的状态。图15表示第1实施方式，是设施名检索部创建的设施名候补、属性词以及关联度的关系的说明图。图16表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示属性词被更新后的状态。图17表示第2实施方式，是表示设施名、词素(属性词)以及关联度的关系的说明图。图18表示第2实施方式，是表示设施名的词素、词素以及关联度的关系的说明图。图19表示第2实施方式，是对于设施名候补从针对各词素组合的得分高的起按顺序进行了排列的说明图。图20表示第2实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示属性词被更新后的状态。图21表示第2实施方式，是表示设施名候补、词素以及关联度的关系的说明图。图22表示第2实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，(a)是表示属性词被更新后的状态；(b)表示设实名候补一览显示的例子。图23表示第3实施方式，是表示在提示属性创建部所进行的处理的一个例子的流程图。图24表示第3实施方式，是表示设施名候补、属性词以及关联度的计算结果的说明图。图25表示第3实施方式，表示设施名候补、属性词以及独立度的关系，其表示使“住宿设施”、“公共机关”和“其他属性”组合起来作为属性词时的独立度P_IND计算结果的一个例子。图26表示第3实施方式，表示设施名候补、属性词以及网罗度的关系，其表示使“住宿设施”、“公共机关”组合起来作为属性词时的网罗度计算结果的一个例子。图27表示第3实施方式，表示设施名候补、属性词以及均匀度的关系，其表示使“住宿设施”、“公共机关”以及“其他属性”组合起来作为属性词时的均匀度计算结果的一个例子。图28表示第3实施方式，表示设施名候补、属性词以及理解容易度的关系，其表示使“住宿设施”、“公共机关”以及“其他属性”组合起来作为属性词时的理解容易度计算结果的一个例子。图29表示第3实施方式，是表示通过针对两个属性词和“其他属性”的组合的得分计算，从得分高的起按顺序进行了排列的例子的说明图。图30表示第3实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示属性词被更新后的状态。图31表示第4实施方式，是在提示属性创建部所进行的处理的一个例子的流程图。图32表示第4实施方式，是表示属性集和属性词的关系的说明图。图33表示第5实施方式，是表示在提示属性创建部所进行的处理的一个例子的流程图。图34表示第6实施方式，是表示汽车导航装置的功能要素的框图。图35表示第6实施方式，是表示已确定设施名存储部的存储内容的一个例子的说明图。图36表示第6实施方式，是表示针对设施名和属性词的关联度更新的一个例子的说明图。图37表示第6实施方式，是表示学习情形的说明图，(a)表示在半年以内作为目的地进行了设定的设施和属性词的关联度；(b)表示属性、设施件数和加法值的关系。图38表示第6实施方式，其表示设施名和属性词以及关联度的关系，(a)表示加法值加法运算前的值；(b)表示加法值加法运算后的值。图39表示第7实施方式，是记录了每个设施类型的加权系数的表的说明图。图40表示第8实施方式，是表示汽车导航装置的功能要素的框图。图41表示第8实施方式，是表示汽车导航装置与服务器的关系的框图。图42表示第8实施方式，是表示设施名、各设施名所选择的属性词和选择次数的合计结果的说明图。图43表示第9实施方式，表示利用词素的属性词的提示情形的说明图，(a)表示被抽取出的设施名候补；(b)表示词素对应于“出岛(DEJIMA)”的设施名候补；(c)表示词素对应于“denden”的设施名候补。图44表示第9实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图。图45表示第10实施方式，是表示设施名候补、词素以及关联度的关系的说明图。图46表示第10实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图。图47表示第11实施方式，是表示汽车导航装置的功能要素的框图。图48表示第11实施方式，其表示词典一例，是表示单词和音素串(phoneme string)的关系的说明图【附图标记说明】1输入部、2输入受理部、3输入内容存储部、6设施名检索部、7提示属性创建部、8设施名数据库、9输出部、100汽车导航装置、102存储器、103CPU、104显示装置、105存储装置、106输入装置、110接收器。

具体实施方式

下面基于附图来说明本发明的一个实施方式。<第1实施方式>

图1表示第1实施方式，是表示应用本发明的汽车导航装置的一个例子的框图。汽车导航装置100用包含如下部件的计算机而构成：进行运算处理的CPU(处理器)103；暂时地保存数据及程序的存储器102；保存数据及程序的存储装置105；显示运算结果等的显示装置104；受理来自用户的输入的输入装置106；接收来自GPS(Global Positioning System)卫星的信号的接收器110；以及输出声音引导等的声音输出装置111。此外，在本实施方式中，表示在显示装置104的显示面上设置了触摸面板作为受理来自用户的输入的输入装置106的例子。另外，作为输入装置106，除触摸面板以外还可以具备话筒等声音输入装置。

在存储装置105中保存着空间数据库120，该空间数据库120包含：表示构成地图的当地物体的点、线、面等图形要素；和表示当地物体内容的字符或数值等属性要素。此外，在空间数据库120中还包含：保存当前地或目的地等一个地点的信息的地点数据库81；和保存了与地点相对应的设施的名称或属性的设施名数据库8。

在存储器102中装入管理空间数据库120的DBMS(数据库管理系统)108；经由DBMS108来利用空间数据库120的应用程序109；以及管理DBMS108和应用程序109的OS(操作系统)107，并通过CPU103而得以执行。应用程序109根据接收器110所接收到的GPS卫星信号来运算当前的位置，从空间数据库120中检索当前的地点数据，取得地图信息并输出至显示装置4。另外，在汽车导航装置100中，当从输入装置106受理用户检索的指令后，则应用程序109如后述那样经由DBMS108来搜索空间数据库120，并将所要求的检索结果输出到显示装置104。此外，OS107、DBMS108、应用程序109被保存在作为记录介质的存储装置105中，在汽车导航装置100起动时被装入到存储器102，并通过CPU103而得以执行。

(实施概要)图2是表示在汽车导航装置100上所执行的应用程序109以及DBMS108之功能要素的框图。

输入部1是图1所示的输入装置106，受理来自用户的输入，并输出至输入受理部2。在这里，设想利用汽车导航装置100的显示装置104的画面上所安装的触摸面板来输入。另外，作为用户进行输入的内容，设想利用五十音图的设施名输入；针对画面上所显示的属性词的用户选择；和从设施名一览的设施选择。

在图3中表示汽车导航装置100的显示装置104上所输出的画面例子。图3表示第1实施方式，是在汽车导航装置的显示装置上所输出的画面示意图。从画面上所显示的五十音图2010通过触摸面板而输入字符串。这一画面就是触摸面板。在触摸面板2010上提供有五十音图和用于进行字符串修改的后退按钮。另外，还能够输入字母或数字等。通过用户按压此触摸面板2010之上，就能够每次一个字符地输入字符串。所输入的字符串被显示在显示部2020上。

另外，通过按压按钮2030，能够显示与当前所输入的字符串部分一致的设施名一览。此一览显示在被设定于画面上的规定区域的显示区域2050的区域进行，此情形在后面进行说明。

另外，在显示区域2040上显示着用于对设施名进行范围缩小的属性词，用户通过按下所显示的属性词就能够进行选择。此显示通过后面的实施方式来进行说明。

图2的输入受理部2获得来自输入部1的输出，并将所输入的结果保存在输入内容存储部3中。输入内容存储部3是例如在存储器102上所设定的存储区域。在输入内容存储部3中，保存从输入部1发送来的各种各样的输入内容，但在这里仅说明作为本发明特征的设施名存储部31和属性词存储部32。设施名存储部31存储用户通过五十音图输入所输入的字符串。属性词存储部32存储用户所选择的属性词。

设施名检索部6对所输入的字符串(即，在设施名存储部31中所保存的字符串)与在设施名数据库8中所保存的设施名的训读假名进行比较，以检索设施名部分一致的设施名。在此检索中，为了谋求高速化而预先将设施名的训读假名以词素这样的单位进行分割，还可以采用预先创建搜索用的索引的方法。

进而，设施名检索部6从根据部分一致的结果而得到的设施名中，检索通过用户所指定的属性词(即，在属性词存储部32中所保存的属性词)而关联起来的设施名，获得该设施名一览，并输出至提示属性创建部7。关于“通过属性词而关联起来的设施名”这样的定义在后面进行说明。

设施名数据库8保存在汽车导航装置100中所登录的设施名的各种信息。在图4a、4b中表示设施名的各种信息的保存形态。图4a是表示设施名数据库8的设施名表的说明图，图4b是表示设施名数据库8的属性词表的说明图。

图4a表示构成设施名数据库8的设施名表8a，图4b表示构成设施名数据库8的属性词表8b。图4a的设施名表8a中所示的3010是唯一地决定各设施名的ID编号。3020是设施名称。3030是各设施的训读假名。3040～3060是各设施的住所、电话号码，纬度经度。3070、3080是各设施所属的类型，大类型表示粗略的设施类型，小类型表示更为详细的类型。这些大类型/小类型被用于在汽车导航装置100上一般所装备的用类型来检索设施的功能中，并被用于将用户所选择的类型与3070、3080中的类型一致的设施名提示给用户的用途。

进而，在设施名数据库8中具有保存各设施名、和将其附加特征的属性词的对应的属性词表8b。图4b的属性词表8b中所示的3090表示属性词。3100表示各设施名3020与各属性词3090的关联度，该关联度是表示各设施名3020与各属性词3090具有何等程度关系的值，关联度3100在从0到1的范围被赋予值。此关联度3100能够通过对于各设施名3020调查各属性词3090对用户来说结合成怎样的程度而决定。例如，能够采用在可用性测试中进行的卡片分类之类的方法来决定。此外，前述的“通过属性词而关联起来的设施名”的定义是与属性词3090的关联度3100被赋予大于0的值并作为设施名3010(或者3020)而定义。

例如，在图4b中，设施名3020为“札幌市政府(SAPPOROSIYAKUSYO)”的情况下设使用汽车导航装置1的全体用户将其认识为是“市政府(SIYAKUSYO)”这样的调查结果。以此调查结果为基础，设施名“札幌市政府(SAPPORO SIYAKUSYO)”与属性词“市政府(SIYAKUSYO)”的关联度3100就反映出全体用户认识到带有关联，被赋予最大值“1”。另外，对于设施名“札幌市政府(SAPPOROSIYAKUSYO)”与属性词“公共机关”的关联度3100，例如若是用户之中95％认识到是公共机关这样的调查结果，则反映这一值而赋予0.95作为关联度。

另外，在图4b中，虽然“东西DENDEN游乐园饭店(TOZAIDENDEN RANDDO HOTERU)”是住宿设施，但因存在“东西DENDEN游乐园(TOZAI DENDEN RANDDO)”这样的游乐园的影响，设用户之中、自然感觉到与属性词“游乐园”有关联的用户为7成左右这样的调查结果。基于此结果，设施名“东西DENDEN游乐园饭店(TOZAI DENDEN RANDDO HOTERU)”与属性词“游乐园”的关联度就被赋予0.7。

此关联度3100未必需要进行大规模的用户调查，也可以是开发者等唯一地进行决定。

另外，此关联度3100也可以是对设施名3020一个一个地赋予个别值的形态。但是，对所有的设施名个别地赋予关联度牵涉到存储容量的耗费。另外，预计对于同样的设施赋予相同关联度3100的组。因而，还可以是将具有相同关联度3100的组的设施分成组，并对各组赋予1个关联度3100的组的实现方法。另外，作为此组还可以原封不动采用图4a所示的大类型(3070)、小类型(3080)。

另外，此关联度3100无需是从0到1的连续量，能够通过用少数的有代表性的值对关联度3100的值进行量化，来谋求削减存储容量和处理速度的高速化。例如，如果将关联度3100限定于4种，将与各种类相对应的值设为0、0.3、0.7、1.0，就可以用2比特的存储容量而实现1个关联度3100。在极端的例子中，还可以通过0和1这两个值来表现关联度3100。在此情况下，就能够用1比特来实现1个关联度3100。

图2所示的提示属性创建部7从属性词表8b之中选出对用户来说易于区别的属性词3090并提示给用户。此提示属性创建部7的处理方法在后面进行说明，但作为属性词3090的变种希望在属性词表8b内准备有各种各样的属性词。因此，属性词间的关系也无需特别地成为层次，还可以是各种各样粒度。另外，各属性词覆盖的设施也可以重复。另外，属性词3090不仅表示设施的种类，而且还可以是例如地名(东京都、千叶县、××市等)、营业时间(24小时营业、夜间停业营业店、周末停业营业店)、地区选定(沿国道××号线、沿市建道路)之类的各种各样观点的内容混在一起。

图2所示的输出部9将由提示属性创建部7所获得的属性词从显示装置104的画面或者声音输出装置111的喇叭进行输出。

(提示属性创建部的处理)接着，说明在提示属性创建部7所进行的处理的一个例子。另外，图6中表示在提示属性创建部7所进行的处理的流程图。图6表示第1实施方式，是表示在汽车导航装置的提示属性创建部所进行的处理的一个例子的流程图。

作为前提用户输入“MISATU”作为设施名的字符(图3)。其结果字符串“MISATU”就被保存在设施名存储部31中。另外，属性词存储部32在初始状态下为空。

设施名检索部6检索与字符串“MISATU”部分一致的设施名，取得13件设施名候补。另外，当在属性词之中、仅抽取与设施名候补的关联度3100大于0的值的属性词时，16个属性词被抽取出来，设施名候补与属性词的关联度3100为图5所示的值。此外，图5表示设施名检索部6的检索结果，并表示设施名候补4010、属性词3090以及关联度3100的关系。

设想提示属性创建部7从上述16个属性词3090中选定3个属性词3090作为范围缩小属性。

如以下那样来定义各记号。

属性词的总数：M(在本实施方式中，M＝16)所显示的属性词个数：m(在本实施方式中，m＝3)候补设施数：n(在本实施方式中，n＝13)设施名：L_i(i＝1，2，...，n)在图6中表示提示属性创建部7处理的流程图。

首先在图6的步骤5010中设定所显示的属性个数。在这里，将预先所设定的属性个数(M)设定成3。

在步骤5020中，重设得分最大值，又重设保存所显示的属性组合的变量。

步骤5030开始循环。在1次循环中从M个属性词取出任意个数。对于全部的m个属性词组合进行此循环。

因而，循环的次数就为：

式1 $C_m^M=\frac{M!}{m!(M-m)!}$

步骤5040从M个属性词取出任意m个。在这里设所取出的属性词表示为a_i(i＝1，2，...，m)。另外，将针对设施名L与属性a的关联度3100用r(L，a)来表示。另外，为了在后面的得分计算中进行使用，而用下面的公式来定义阶跃函数Hc。

式2 $H_c\left(x\right)=\left\{\begin{array}{c}0(x<0)\\ c(x=0)\\ 1(x>0)\end{array}\right.$

(独立度的计算)在步骤5050中，计算针对属性词组合的独立度。独立度是表示在通过某属性词对设施进行范围缩小的情况下，与通过其他属性词而进行范围缩小的设施名的明细相差多少的指标。也就是说，独立度是为了属性词不重复而选择的指标，如果独立度高则针对设施名候补的属性词的重复就会减低。另一方面，在独立度较低的情况下，针对设施名候补的属性词的重复将增大。

首先，对于各设施名，计数关联度3100被赋予大于0的值的属性词的个数。然后，仅在计数到的结果大于等于1时，从此值中减去1。将此属性词的独立度的计算结果用C_IND(L_i)来表示。具体的计算公式如下面那样。

式3 $C_{\mathrm{IND}}\left(l_i\right)=\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_i,a_j)\right)-H_1(\left(\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_i,a_j)\right)\right)-1)$

用所有的设施名候补对此C_IND(L_i)进行合计。此合计值较大意味着多个属性词与同一设施名相关联。因而，即便用户选定1个属性词来进行范围缩小，范围缩小后的结果所获得的设施件数并不怎么小，范围缩小效率较低。因而，此合计值越小就越能够捕捉到范围缩小效率较高的属性词组合。

然后，通过用设施件数对此合计值进行归一化(normalize)，进而从1将其减去而定义为独立度P_IND。

式4 $p_{\mathrm{IND}}=1-\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{C}_{\mathrm{IND}}\left(l_i\right)$

图7a、7b中表示独立度P_IND的计算例。图7a表示第1实施方式，是表示在提示属性创建部所进行的独立度P_IND的计算结果的一个例子的说明图，其表示独立度较高的例子。图7b表示第1实施方式，是表示在提示属性创建部所进行的独立度P_IND的计算结果的一个例子的说明图，其表示独立度较低的例子。图7a将“购物”、“业余活动”、“公共机关”三个组合起来作为属性词。在此情况下，两个以上的属性词与同一设施名持有关联度3100的仅仅是6010所示的“美佐津市立温泉疗养所(MISATU SILITUONSENS RYOUYOUJYO)”。另一方面，在图7b所示的“医院”、“牙科”、“综合医院”的属性词组合中，在13个设施之中6030、6031所示的设施上与多个属性词对应起来。其结果，若对独立度进行比较则图7a的独立度(6020)一方就为高于图7b的独立度(6040)的值。

在将图7b所示的“医院”、“牙科”、“综合医院”之类的属性词作为用于进行范围缩小的属性词而提示给用户的情况下，由于彼此易于混同、且重复件数也多，所以被预计不怎么有助于范围缩小。通过上述计算，就可以将此贡献程度作为独立度P_IND定量地进行评价。

(网罗度的计算)接着，在图6的步骤5060中，计算针对属性词组合的网罗度。网罗度是表示通过属性词组合、在设施名候补之中何等程度的比例可以选择的指标。即，在网罗度较高的情况下，与设施名的候补对应的属性词的候补被显示。另一方面，在网罗度较低的情况下，与设施名的候补对应的属性词的候补不被显示。

对于各设施名，计数关联度3100在1个以上的属性上被赋予大于0的值的设施个数。若将对此设施的个数进行了计数的结果设为C_EXH(Li)则用下面的公式来计算。

式5 $C_{\mathrm{EXH}}\left(l_i\right)=H_0\left(\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_i,a_j)\right)\right)$

用所有的设施名候补对其进行合计。此合计值较大意味着通过属性词组合大多设施被覆盖，通过选择属性词而从范围缩小遗漏的设施数较少。用设施数对此合计值进行归一化，并定义为网罗度P_EXH。

式6 $p_{\mathrm{EXH}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{C}_{\mathrm{EXH}}\left(l_i\right)$

图8a、8b中表示网罗度P_EXH的计算例。图8a表示第1实施方式，是表示在提示属性创建部所进行的网罗度P_EXH的计算结果的一个例子的说明图，其表示网罗度较高的例子。图8b表示第1实施方式，是表示在提示属性创建部所进行的网罗度P_EXH的计算结果的一个例子的说明图，其表示网罗度较低的例子。图8a将“医院”、“住宿设施”、“公共机关”三个组合起来作为属性词。在此情况下，在与1个以上的属性词之间赋予大于0的关联度3100的设施数如7010所示那样为9个。另一方面，在图8b所示的“合作社”、“超市”、“邮局”属性的情况下，在与1个以上的属性词之间赋予大于0的关联度3100的设施数如7030所示那样为3个。其结果，图8a的属性词组合一方覆盖许多设施，所以图8a的网罗度(7020)一方就大于图8b所示的网罗度(7040)。

(均匀度的计算)在图6的步骤5070中，计算针对属性词组合的均匀度。均匀度是表示在某属性词组合中，选择各属性词并进行了范围缩小的情况下，留下的设施件数根据各属性词而在何等程度为相同数的指标。即，均匀度表示与提示的属性词相对应的候补数的均匀性程度。在均匀度较高的情况下，与各属性词对应的候补数大致相等。另一方面，在均匀度较低的情况下，与各属性词对应的候补数发生乖离。

首先，对于各属性词计数关联度3100被赋予大于0的值的设施数。若将此值设为D_EQU(a_i)则用下面的公式来计算。

式7 $D_{\mathrm{EQU}}\left(a_i\right)=\underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_j,a_i)\right)$

接着，计算关联度3100超过0的设施数D_EQU(a_i)的标准偏差。标准偏差较大就是在选定了各属性词的情况下，被范围缩小的设施数因属性词不同而变得过多或者过少，离散，有可能提示对范围缩小而言是非效率的属性词。然后，通过用设施数对此标准偏差进行归一化，并从1对其减去来计算均匀度P_EQU。

式8 $p_{\mathrm{EQU}}=1-\frac{1}{n}\sqrt{\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{(D_{\mathrm{EQU}}\left(a_i\right)-\frac{1}{m}\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{D}_{\mathrm{EQU}}\left(a_j\right))}^2}$

图9a、9b中表示均匀度P_EQU的计算例。图9a表示第1实施方式，是表示在提示属性创建部所进行的均匀度P_EQU的计算结果的一个例子的说明图，其表示均匀度较高的例子。图9b表示第1实施方式，是表示在提示属性创建部所进行的均匀度P_EQU的计算结果的一个例子的说明图，其表示均匀度较低的例子。图9(a)将“宠物”、“汽车”、“牙科”三个组合起来作为属性词。在与各个属性词之间赋予关联度3100的设施数如D_EQU8010所示的那样为3个、2个、2个。另一方面，图9(b)将“住宿设施”、“温泉”、“邮局”三个组合起来作为属性词。此时，在与各属性词之间赋予关联度3100的设施数如D_EQU8030所示的那样为4个、1个、1个。

图9b的属性词与图9a相比，与各属性词关联起来的设施数的离散较大。因此，例如在为了范围缩小而对用户提示了“住宿设施”、“温泉”、“邮局”之类的属性词的情况下，如果用户想去温泉或者邮局，则因为通过选择“温泉”、“邮局”而范围缩小于1个即可，但在想去住宿设施的情况下，因为即便选择“住宿设施”留下的设施数也较多所以不怎么有效率。另一方面，在图9a的情况下，由于不论选择哪个属性词都大约留下3个左右的设施，所以不论在用户想去哪个设施的情况下都可以同等程度地减少留下件数。立足于这一情况，若对均匀度进行比较则图9a的值(8020)一方就计算得大于图9b的值(8040)，能够选择变得更为均匀的属性词组合。

(理解容易度的计算)在图6的步骤5080中，计算针对属性词组合的理解容易度。理解容易度是表示某属性词组合对用户而言何等程度易于理解的指标。

首先，对各属性词仅仅以关联度3100被赋予大于0的值的设施作为对象，来计算关联度3100的平均值。若设此关联度3100的平均值为D_EAS(a_i)则用下面的公式来计算。

式9 $D_{\mathrm{EAS}}\left(a_i\right)=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}r(l_j,a_i)}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_j,a_i)\right)}$

此关联度的平均值D_EAS(a_i)较高的属性词意味着关联度3100一般说来较高。关联度3100是表示对于设施名的属性词的想起的容易度的值。因而，关联度的平均值D_EAS(a_i)较高的属性词对用户而言就易于判断1个设施是否属于该属性词。另一方面，若关联度的平均值D_EAS(a_i)较低，则表示在用户选择所希望的设施时选择该属性词是否为宜对用户而言难懂。

因而，用属性词数对此关联度的平均值D_EAS(a_i)归一化，并定义理解容易度P_EAS。

式10 $p_{\mathrm{EAS}}=\frac{1}{m}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{D}_{\mathrm{EAS}}\left(a_i\right)$

理解容易度是表示属性词与设施名的对应关系的易懂程度的指标。在理解容易度较高的情况下，与设施名对应的属性词直观易懂。另一方面，在理解容易度较低的情况下，易于给与设施名对应的属性词带来生疏感。

在图10a、10b中表示理解容易度的计算例。图10a表示1实施方式，是表示在提示属性创建部所进行的理解容易度P_EAS的计算结果的一个例子的说明图，其表示理解容易度较高的例子。图10b表示第1实施方式，是表示在提示属性创建部所进行的理解容易度P_EAS的计算结果的一个例子的说明图，其表示理解容易度较低的例子。图10a将“超市”、“业余活动”、“邮局”三个组合起来作为属性词。若仅抽取出关联度3100大于0的值并计算其平均值，则如D_EAS(9010)那样对于各属性词就为1.0、0.863、1.0，均为接近于1的值。另一方面，图10b将“汽车”、“住宿设施”、“公共机关”三个组合起来作为属性词。在此例子中，较低的关联度3100到处可见。例如在设施“宠物旅馆美佐津(PETTO HOTERU MISATU)”中，针对“住宿设施”的关联度3100较低为0.4。这表示对于宠物旅馆，是否将其视为住宿设施对用户而言难以判断。若反映这种情况，仅抽取关联度3100大于0的值并计算其平均值(9030)，则对于各属性词就为0.875、0.6、0.575，与图10a相比为较低的值。

进而，若计算理解容易度，则图10a的值(9020)高于图10b的值(9040)。其结果，通过选定理解容易度较高的属性词组合，就能够选定对用户而言更易于区别的属性词组合。

(得分计算)在图6的步骤5090中，对迄今为止计算出的各指标综合地进行判断，计算针对1个属性词组合的得分。在这里，设对各指标进行权重加法运算来求解得分。针对1个属性词组合的得分S通过下面来计算。

式11S＝w_IND·p_IND +w_EXH·p_EXH+w_EQU·p_EQU+w_EAS·p_EASW_IND、W_EXH、W_EQU、W_EAS分别是对于独立度、网罗度、均匀度、理解容易度的加权系数。

在图6的步骤5100、5110中，在得分计算的结果为通过迄今为止的计算超过最大得分的情况下，对最大得分进行更新，且作为提示的属性词组合而保存的属性词组合也进行更新。

步骤5120是循环终点。反复进行步骤5040～5110的处理直到对所有的属性词组合，计算得分并求得成为最大得分的属性词组合为止。

(输出成为最大得分的属性词)在步骤5130中，将成为最大得分的属性词组合输出到输出部9。由此，用于范围缩小的属性词被提示在显示装置104的画面上，用户就可以进行范围缩小。

图11表示第1实施方式，是表示提示属性创建部所抽取出的属性组合的一个例子的说明图。图11是对图5的设施名候补，进行针对各属性词组合的得分计算，并从得分高的开始按顺序排列了属性组合的图。此外，加权系数按照图中10020所示的值进行了计算。

在图11中，得分最高的属性词组合是10010所示的“医院”、“购物”、“业余活动”。因而，提示属性创建部7将这3个属性词输出至输出部9。

据此，输出部9在显示装置104的画面上显示属性词。还可以与此同时，从声音输出装置111的喇叭发出“从医院、购物、业余活动之中的某一项进行范围缩小”这样的声音引导。

在图12中表示显示经过更新的画面。图12表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图。如图中的区域2040所示的那样，显示“医院”、“购物”、“业余活动”这样的由提示属性创建部7所选定的3个属性词。另外，对于各属性词关联度3100被赋予大于0的值的设施数也一并显示在括弧内。

(选择了范围缩小属性的情况)假定从这里开始用户考虑“想去在美佐津的市属的住宿设施”，但却不知道该设施的正式名称是“美佐津市立温泉疗养所(MISATUSILITU ONSENS RYOUYOUJYO)”。然后，设从3个属性词中选择最接近用户目的的“业余活动”，并按下了画面上的按钮11020。

此按下通过输入部1而受理，并通过输入受理部2而被保存在属性词存储部32中。

接着，设施名检索部6创建与字符串「MISATU」部分一致，与属性词“业余活动”的关联度3100大于0的设施名一览。图13表示第1实施方式，表示设施名检索部所创建的设施名候补和属性词以及关联度一览。此一览如图13所示那样，设施名候补12010所示的4件设施作为候补而留下。另外，在属性词12020中表示与设施名候补之间在1个以上、被赋予大于0的关联度3100的属性词。另外，已经被选择的“业余活动”除外。

提示属性创建部7根据图13所示的设施名候补与属性词间的关联度3100，按照图6的处理步骤来选定提示给显示装置104的属性词。由于此步骤与已经说明过的步骤重复所以省略。这一处理的结果是“宠物”、“住宿设施”、“温泉”这样的3个属性词被选定。因而，提示属性创建部7将这3个属性词输出至输出部9。

据此，输出部9进行显示装置104的画面上的显示更新，和来自声音输出装置111的声音引导输出。在图14a中表示经过更新的显示装置104的画面。在显示区域2040上显示被选定的属性词即“宠物”、“住宿设施”、“温泉”，且设施数也被显示在括弧内。另外，还可以如显示区域13020所示那样，显示用户已经选定的属性词。图14a表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，表示属性词经过更新的状态。图14b表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，表示对设施名候补进行了一览显示的状态。

进而，用户选择“住宿设施”。于是，留下的设施就成为3件。因而，汽车导航装置100判断为留下的设施数十分少，并切换到图14b的显示。在这里，在显示区域13100上将设施名候补全部一览显示。用户能够通过从这一画面选择“美佐津市立温泉疗养所”来决定设施。

如以上所说明那样，在本实施方式中，依照设施名候补从许多属性词之中动态地创建在范围缩小中使用的属性词。由此，就能够经常提示对用户而言易懂、且范围缩小效率较高的属性词。

(字符的继续输入)在上述所说明的实施方式中，说明了用户根据属性词被显示的状态(图12)选定属性词的情况。另一方面，在本发明中，即便在属性词已经显示的状态下，用户也可以继续输入字符串。

作为此例子，用户从图12的状态追加输入“SI”。此按下通过输入部1而受理，并通过输入受理部2而使设施名存储部31被更新成“MISATU SI”。另一方面，属性词存储部32依旧空着。

接着，设施名检索部6创建与字符串“MISATU SI”部分一致的设施名一览。此一览为图15，设施名候补14010所示的9件设施作为候补而留下。另外，在属性词14020中表示与设施名候补之间在1个以上、被赋予大于0的关联度3100的属性词。图15表示第1实施方式，是设施名检索部创建的设施名候补、属性词以及关联度的关系的说明图。

提示属性创建部7根据图15所示的设施名候补14010与属性词间的关联度3100，按照图6的处理步骤来选定提示的属性词。由于此步骤与已经说明过的步骤重复所以省略。这一处理的结果是“医院”、“金融机关”、“业余活动”这样的3个属性词被选定。因而，提示属性创建部7将这3个属性词输出至输出部9。

据此，输出部9进行显示装置104的画面上的显示更新，和来自声音输出装置111的声音引导输出。在图16中表示经过更新的显示装置104的画面。图16表示第1实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，表示属性词更新后的状态。在显示区域2040上显示被选定的属性词即“医院”、“金融机关”、“业余活动”，且设施数也被显示。

这样，每当设施名的候补变化，提示给用户的属性词就变化成得分最高的组合。由此，就能够经常提示对用户而言易懂、且在范围缩小上有效率的属性词。

(阈值导入)在以上所说明的实施方式中，作为在选择了某属性词时在候补中留下的设施，将关联度3100大于0的全部进行了选定。这是因为如果关联度3100大于0就有某种关联，为了选择该设施而选择该属性词的用户一定不少的缘故。

但是，对于极端小的关联度3100，用户之中仅非常少数的用户捕捉到在设施与属性词之间有关联，反映该调查结果，也有被赋予极端小的关联度3100的情况。例如，在图5的例子中，对于设施“美萨动物医院(MISATU DOUBUTU BYOUYIN)”与“综合医院”的关联度3100仅仅被赋予0.05。这是接受将“美萨动物医院(MISATUDOUBUTU BYOUYIN)”与“综合医院”对应起来的用户是极少数的调查结果而进行赋予的。但是，对于大多用户而言，动物医院不会认为是综合医院。因此，在选择了属性词“综合医院”时，若在设施名候补中留下“美萨动物医院(MISATU DOUBUTU BYOUYIN)”，反而有可能会招致混乱。

为了应对这种现象，对于较低的关联度3100，能够采取认为该关联不存在来进行属性词选定的方法。这一方法能够通过设置针对关联度3100的阈值来实现。即，若设看作没有关联的关联度3100的阈值为T_ignore，则对于设施名数据库8中原本所存储的关联度3100，如下面那样计算经过再定义的关联度3100r′(L，a)。

式12 $r^{\&prime;}(l,a)=\left\{\begin{array}{cc}r(l,a)& (\mathrm{ifr}(l,a)\&GreaterEqual;T_{\mathrm{igonore}})\\ 0& \left(\mathrm{otherwise}\right)\end{array}\right.$

即，关联度3100之中、仅仅留下超过阈值的，除此以外就认为是0。通过采用这样经过再定义的关联度3100来进行属性词选定，就能够防止因极端低的关联度3100而引起用户混乱。

如以上那样根据本发明，即便在检索结果中设施名等的候补有很多的情况下，由于将对用户而言易懂的属性词作为范围缩小属性提示给用户，所以用户就可以容易地进行范围缩小。即，相对于在现有例中，预先决定针对设施名称的属性词，并从其中选择范围缩小用的属性，而在本发明中则能够根据属性词与设施名候补的关联度动态地使提示的设施名候补变化。由此，就能够将对用户而言易懂的属性词作为范围缩小属性优先地进行提示。

<第2实施方式>(词素)对本发明的第2实施方式进行说明。在本实施方式中，采用对设施名进行了分割的词素作为第1实施例中的属性词。

一般而言，设施名大多是以多个单词经过复合的形式来表现。因而，考虑以该单词为单位来分割设施名，并作为属性词原样进行使用。下面所述的词素就表示这一“以单词为单位对设施名进行了分割的结果”。

在这一向词素的分割中，假设在对用户而言感到自然的位置上进行分割。另外，只要设施名的分割是在对用户而言感到自然的位置上进行，则既可以是在1个词素中包含多个单词，又可以是1个单词被分成多个词素。

例如，在将「美佐津市立美佐津商业高等学校」这样的设施名分割成词素的情况下，“美佐津市·立”这样的分割方法，由于“立”这样的单独不成含义的部分被输出，对用户而言感到不自然。在此情况下，如果进行“美佐津·市立·美佐津·商业·高等·学校”(中点为分割位置)这样的分割，就被分割成对用户而言自然的词素。

(设施名-词素间的数据的保持方式/静态表)图17表示第2实施方式，是表示设施名、词素(属性词)以及关联度的关系的说明图。在图17中，表示对与上述第1实施方式的图4所记载的设施名3020有关的词素的关联度进行了定义的表。图中16020是词素一览。图中16030表示各设施名16010与各词素之间的关联度。作为此关联度16030的决定方法，在设施名之中包含有词素的情况下设为1，在不包含的情况下设为0为最单纯的方法。但是，在此图中赋予从0到1的连续值。在设施名之中包含该词素越是被更多的用户所想起则此值赋予越大的值。

例如，对于设施“美佐津市立医院”，在名称中含有“医院”为全体用户所知。反映这一点，关联度16030赋予最大的1。另一方面，对于设施“东西DENDEN游乐园(TOZAI DENDEN RANDDO)”，假设1成的用户认为“东西(TOZAI)”不存在于名称中，而认为是“DENDEN游乐园(DENDEN RANDDO)”等。即，知道在设施名中存在“东西(TOZAI)”的为9成。反映这一点，关联度16030赋予0.9。

另外，在词素之中存在用户从最初就难以想起的词素。例如，虽然“财团法人”、“株式会社”之类的词素包含在许多设施名中，但实际上大多不包含在用户想起的设施名中。因而，这些用户难以想起的词素也可以从最初就不保存在设施名数据库8中。

(设施名-词素间的数据的保持方式/动态词素分割)另外，对设施名进行词素分割的方法并不限于如图17那样预先保持表的方法，还可以动态地进行词素分割。词素分割的方法采用公知的方法即可，例如，采用“http://chasen.naist.jp/”等即可。

例如，能够将词素、各词素的词类作为词典保持好，并通过采用最长一致法、分割数最小法、连接成本最小法之类的办法，以词素为单位将设施名进行分割。另外作为词类，能够进行对设施名特有的词类分类。在公知的文献(岩濑成人：采用自然语言处理的企业名解析方式、电子信息通信学会论文杂志、vol.J82-DII、no.8、PP.1305-1314、1999)中，调查对设施名进行了分割时的含义类别。

如果将此文献中所记载的含义类别用作词类，例如就能够认为词类“固有名”对用户而言更易于想起设施，所以赋予较高的关联度，另外，推测词类“职业词尾”对用户而言更难以想起设施，所以赋予较低的关联度。

(具体的处理流程)接着，设想用户想将“东西电力医院(TOZAI DENRYOKUBYOUYIN)”设定成目的地的场面，假设从汽车导航装置100的触摸面板输入了直到“TOZAI DE”字符的输入，并就处理进行说明。

将要实施的汽车导航装置100与图2相同。关于此图2，由于在第1实施方式已进行过说明，所以在这里省略说明。

用户从显示装置104的画面上所显示的五十音图，通过触摸面板输入字符串“TOZAI DE”。此字符串通过上述第1实施方式的图3所示的输入部1、输入受理部2的动作，被保存在输入内容存储部3之中的设施名存储部31。此外，由于属性词尚未特别进行选择，所以属性词存储部32为空。

设施名检索部6对所输入的字符串“TOZAI DE”与设施名数据库8中所保存的设施名的训读假名进行比较，以检索设施名部分一致的设施名。

对提示属性创建部7的处理方法进行说明。处理的过程与第1实施方式相同。处理的流程图也与图6中相同。

设施名检索部6检索与字符串“TOZAI DE”部分一致的设施，获得了31件设施名候补。另外，从词素之中、仅抽取去与设施名候补的关联度为大于0的值的词素，设施与词素的关联度为图18所示的值。此外，在此图上的设施名17010中，将词素的划分位置用图中“·”(中点)来表示。图18表示第2实施方式，是表示设施名的词素、词素以及关联度的关系的说明图。

设想提示属性创建部7从此词素中选定3个词素17020作为用于范围缩小的属性词。然后，对于各词素的组合，用与第1实施方式同样的方法来计算得分，并输出其成为最大的词素组合。由于此得分的计算方法与第1实施例相同，所以在这里省略说明。

图19表示第2实施方式，是对于设施名候补从针对各词素组合的得分高的起按顺序进行了排列的说明图。图19是对于图18的设施名候补，进行针对各词素组合的得分计算，并从得分高的起按顺序进行了排列的图。此外，加权系数按照18020所示的值进行计算。得分最高的词素组合为18010所示的“出岛(DEJIMA)”、“电力(DENRYOKU)”、“设计(SEKKEI)”。因而，提示属性创建部7将这3个词素输出到输出部9。

据此，输出部9在显示装置104的画面上显示词素。与此同时，声音输出装置111还可以从喇叭发出“从出岛(DEJIMA)、电力(DENRYOKU)、设计(SEKKEI)之中的某一项进行范围缩小”之类的声音引导。在图20中表示经过更新的显示装置104的画面。图20表示第2实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示属性词经过更新的状态。如显示区域2040所示的那样，显示着“出岛(DEJIMA)”、“电力(DENRYOKU)”、“设计(SEKKEI)”这样的由提示属性创建部7所选定的3个词素。另外，对于各词素被赋予关联度大于0的值的设施数也一并显示在括弧内。

设从此状态起，用户从3个词素选择“电力(DENRYOKU)”，并按下了图20所示的画面上的按钮19020。

此按下由输入部1进行受理，并通过输入受理部2被保存在属性词存储部32中。

接着，设施名检索部6创建与字符串“TOZAI DE”部分一致，与词素“电力(DENRYOKU)”的关联度大于0的设施名一览。此一览为图21，20010所示的7件设施名作为候补而留下。图21表示第2实施方式，是表示设施名候补、词素以及关联度的关系的说明图。另外，在属性词20020中表示有在与设施名候补之间被赋予1个以上大于0的关联度的情况。另外，已经被选择的“电力(DENRYOKU)”、和包含在所有的设施名中的“东西(TOZAI)”除外。

提示属性创建部7根据图21所示的设施名候补与属性词间的关联度，按照第1实施方式来选定将要提示的词素。由于此过程与已经说明过的过程重复所以省略。此处理的结果就是“疗养所(HOYOUJYO)”、“医院(BYOUYIN)”、“银行(GINKOU)”这样的3个词素被选定。因而，提示属性创建部7将这3个属性输出到输出部9。

据此，输出部9进行显示装置104画面上的显示的更新、和声音引导的输出。图22a表示第2实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示属性词经过更新的状态。图22b表示第2实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示设施名候补一览显示的例子。在图22a中表示经过更新的显示装置104的画面。在显示区域2040上显示被选定的属性词即“疗养所(HOYOUJYO)”、“医院(BYOUYIN)”、“银行(GINKOU)”，并且还显示设施数。另外，如显示区域21020所示的那样，还可以显示用户已经选定的词素。

进而，用户选择「医院(BYOUYIN)」。于是，留下的设施就成为1件，并切换到设施名候补的一览显示(图22b)，通过用户从这里选择“东西电力医院(TOZAI DENRYOKU BYOUYIN)”就能够决定设施。

另外，在用户从图20画面继续输入了设施名的情况下(例如，输入了“N”的情况下)，每次就变更用于范围缩小而显示的词素。由于此方法在第1实施方式中也进行了说明故省略。

如以上所说明的那样，通过作为范围缩小而使用的属性词，使用作为设施名一部分的词素，就可以对用户而言易懂、且有效率地对设施进行范围缩小。

(省略、换言的记载)此外，作为图17所记载的设施名与词素的关系，还可以对不一定包含在设施名中的词素赋予关联度。例如，对于设施名中带有“东西电力(TOZAI DENRYOKU)”的设施名，如果用户大多接受略称“东电(TODEN)”的话，则还可以准备“东电(TODEN)”作为词素，并赋予关联度。另外，如果对于设施名“东西DENDEN游乐园(TOZAIDENDEN RANDDO)”，用户大多接受称其为“TDL”的话，则还可以准备“TDL”作为词素，并赋予关联度。

如以上那样，通过在设施名中的词素之中、依照词素的关联度使提示给用户的属性词(词素)动态地变化，就能够与上述第1实施方式同样，将对用户而言易懂的属性词作为范围缩小属性优先地进行提示。

<第3实施方式>(“其他”属性的利用)对本发明的第3实施方式进行说明。在本实施方式中，通过作为提示给用户的用于范围缩小的属性词，表示不属于任何属性词的“其他”属性也一并进行提示，用户就可以更为容易地进行范围缩小。

此实施方式在第1实施方式的构成图2上，提示属性创建部7中的提示属性的选定方法上有差异。因而，对提示属性创建部7的处理方法进行说明。

作为前提，用户输入“MISATU”作为设施名的字符(图3)。其结果，字符串“MISATU”被保存在设施名存储部31中。另外，属性词存储部32为空。

设施名检索部6检索与字符串“MISATU”部分一致的设施，获得13件设施名候补。另外，属性词之中、仅抽取出与设施名候补的关联度3100大于0的值的属性词，16个属性词被抽取出来，设施与属性词的关联度3100为图5所示的值。

设想提示属性创建部7从此16个属性词中选定2个作为范围缩小属性。

记号的定义与第1实施方式相同，如下述那样。

属性词的总数：M(在本实施方式中为16)进行显示的属性词的个数：m(在本实施方式中为2)候补设施数：n(在本实施方式中为13)设施名：Li(i＝1，2，...，n)在图23中表示提示属性创建部7的处理的流程图。图23表示第3实施方式，是表示在提示属性创建部所进行的处理一个例子的流程图。

首先在图23的步骤22010中，设定进行显示的属性的个数。在这里，将属性的个数(m)设定成2。

在步骤22020中，重置得分最大值，又重置把进行显示的属性组合进行保存的变量。

步骤22030开始循环。在1次循环中从M个属性词取出任意的n个。对所有的m个属性词组合进行此循环。

由此，循环的次数就为

式13 $C_m^M=\frac{M!}{m!(M-m)!}$

步骤22040从M个属性词中取出任意的m个。这里所取出的属性词表示为a_i(i＝1，2，...，m)。另外，用r(L、a)来表示对于设施名L与属性a的关联度。

(其他属性的关联度的计算)步骤22045检索与上述步骤22040所取出的m个属性词组合不符合的设施，并对此设施赋予与其他属性的关联度。

首先，将其他属性用a_otherwise这样的记号来表示。设施名L_i、与其他属性a_otherwise的关联度3100r(L_i、a_otherwise)用下面的公式来计算。

式14 $r(l_i,a_{\mathrm{otherwise}})=(1-\underset{j}{\max }\left(r(l_i,a_j)\right))\&CenterDot;H_1(1-\underset{j}{\max }\left(r(l_i,a_j)\right)-T)$

即，求解对某设施附加特征的属性词之中的最大关联度。然后，求解从1减去该最大关联度的值。如果此值大于阈值(T)，就将该值设为“其他属性的关联度”。另一方面，如果低于阈值就不赋予其他属性的关联度，并设其为0。

在关联度为0.9的情况下，如果没有设置阈值，则与其他属性的关联度就为0.1。这意味着设施或是“HOTERU”，或是不属于任何属性词的“其他”。在这种情况下，如果对用户提示“HOTERU”和“其他”这两个属性词，用户就有可能混乱。因而，在设置阈值，与属性词的关联度已经持有某种程度大小的情况下，不赋予与其他属性的关联度。

在图24中表示进行了其他属性的计算的例子。图24表示第3实施方式，是表示设施名候补、属性词以及关联度的计算结果的说明图。在这里，表示作为属性词组合选定了“住宿设施”、“公共机关”情况下的其他属性的关联度(图中23010)。此外，在阈值为预先设定的0.5的条件下进行计算。

(独立度的计算)在步骤22050中，计算针对属性词组合的独立度。独立度的含义与第1实施方式相同，以其他属性也看作1个属性词的形式来进行计算。

首先，对于各设施名，计数其他属性也包含在内，被赋予关联度的属性词的个数。然后，仅在其数量为1以上时才减去1。用C′_IND(L_i)来表示此计算结果。具体的计算式如下面那样。

式15 ${C^{\&prime;}}_{\mathrm{IND}}\left(l_i\right)=\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_i,a_j)\right)+H_0\left(r(l_i,a_{\mathrm{otherwise}})\right)-H_1(\left(\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_i,a_j)\right)\right)+H_0(r(l_i,a_{\mathrm{otherwise}})-1)$

用所有的设施名候补对此C′_IND(L_i)进行合计。并用设施件数将此合计值归一化，进而通过从1将其减去而定义为独立度P_IND。

式16 $p_{\mathrm{IND}}=1-\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{C^{\&prime;}}_{\mathrm{IND}}\left(l_i\right)$

在图25中表示作为属性词将“住宿设施”、“公共机关”和“其他属性”组合起来的情况下的独立度P_IND的计算例。图25表示第3实施方式，是表示设施名候补、属性词以及独立度的关系，表示作为属性词将“住宿设施”、“公共机关”和“其他属性”组合起来情况下的独立度P_IND的计算结果的一个例子。

(网罗度的计算)在图23的步骤22060中，计算针对属性词组合的网罗度。网罗度的含义与第1实施方式相同。对于各设施名L_i，计数关联度3100在1个以上的属性上被赋予大于0的值的设施的个数。若设此计数所得到的结果为C′_EXH(L_i)，则用下面的公式来计算。

式17 ${C^{\&prime;}}_{\mathrm{EXH}}\left(l_i\right)=H_0\left(\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_i,a_j)\right)\right)$

用所有的设施名候补对其进行合计。此合计值较大意味着许多设施由属性词组合所覆盖，通过选择某个属性词而从范围缩小所遗漏的设施数较少。用设施数将此合计值归一化，并定义为网罗度P_EXH。

式18 $p_{\mathrm{EXH}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{C^{\&prime;}}_{\mathrm{EXH}}\left(l_i\right)$

在图26中表示作为属性词将“住宿设施”、“公共机关”组合起来情况下的网罗度的计算例。图26表示第3实施方式，其表示设施名候补、属性词以及网罗度的关系，表示作为属性词将“住宿设施”、“公共机关”组合起来的情况下的网罗度的计算结果的一个例子。

(均匀度的计算)在图23的步骤22070中，计算针对属性词组合的均匀度。独立度的含义与第1实施方式相同，以其他属性也看作1个属性词的形式来进行计算。

首先，对于各属性词a_i，计数关联度被赋予大于0的值的设施的个数。对于其他属性a_otherwise也计数被赋予大于0的值的设施的个数。若设各自的值为D′_EQU(a_i)、D′_EQU(a_otherwise)，则用下面的公式来计算。

式19 $\left\{\begin{array}{c}{D^{\&prime;}}_{\mathrm{EQU}}\left(a_i\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_j,a_i)\right)\\ {D^{\&prime;}}_{\mathrm{EQU}}\left(a_{\mathrm{otherwise}}\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_j,a_{\mathrm{otherwise}})\right)\end{array}\right.$

接着，计算D′_EQU(a_i)、D′_EQU(a_otherwise)的标准偏差。进而，用设施数将标准偏差归一化，并通过从1将其减去来计算均匀度p_EQU。

式20 $p_{\mathrm{EQU}}=1-\frac{1}{n}\sqrt{\frac{1}{m+1}(\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{({D^{\&prime;}}_{\mathrm{EQU}}\left(a_i\right)-d)}^2+{({D^{\&prime;}}_{\mathrm{EQU}}\left(a_i\right)-d)}^2)}$

其中，

式21 $d=\frac{1}{m+1}(\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{D^{\&prime;}}_{\mathrm{EQU}}\left(a_j\right)+{D^{\&prime;}}_{\mathrm{EQU}}\left(a_{\mathrm{otherwise}}\right))$

在图27中表示作为属性词将“住宿设施”、“公共机关”和“其他属性”组合起来情况下的均匀度的计算例。图27表示第3实施方式，其表示设施名候补与属性词以及均匀度的关系，表示作为属性词将“住宿设施”、“公共机关”和“其他属性”组合起来的情况下的均匀度的计算结果的一个例子。

(理解容易度的计算)在图23的步骤22080中，计算针对属性词组合的理解容易度。理解容易度的含义与第1实施方式相同，以其他属性也看作1个属性词的形式来进行计算。

首先，对各属性词仅以关联度被赋予大于0的值的设施作为对象，来计算关联度的平均值。另外，以与其他属性a_otherwise之间被赋予大于0的关联度的设施作为对象，来计算关联度的平均值。若设各自的平均值为D′_EAS(a_i)，则用下面的公式来计算。

式22 $\left\{\begin{array}{c}{D^{\&prime;}}_{\mathrm{EAS}}\left(a_i\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}r(l_j,a_i)/\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_j,a_i)\right)\\ {D^{\&prime;}}_{\mathrm{EAS}}\left(a_{\mathrm{otherwise}}\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}r(l_j,a_{\mathrm{otherwise}})/\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{H}_0\left(r(l_j,a_{\mathrm{otherwise}})\right)\end{array}\right.$

用属性数将此平均值归一化，并定义理解容易度p_EAS。

式23 $p_{\mathrm{EAS}}=\frac{1}{m+1}(\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{D^{\&prime;}}_{\mathrm{EAS}}\left(a_i\right)+{D^{\&prime;}}_{\mathrm{EAS}}\left(a_{\mathrm{otherwise}}\right))$

在图28中表示作为属性词将“住宿设施”、“公共机关”和“其他属性”组合起来情况下的理解容易度的计算例。图28表示第3实施方式，表示设施名候补、属性词以及理解容易度的关系，其表示作为属性词将“住宿设施”、“公共机关”和“其他属性”组合起来情况下的理解容易度的计算结果的一个例子。

(得分的计算)在图23的步骤22090中，综合地判断迄今为止计算出的各指标，计算针对1个属性组合的得分。在这里，对各指标进行加权相加来求解得分。针对1个属性组合的得分如下进行计算。

式24S＝w_IND·p_IND+w_EXH·p_EXH+w_EQU·p_EQU+w_EAS·p_EAS

w_IND、w_EXH、w_EQU、w_EAS分别是针对独立度、网罗度、均匀度、理解容易度的加权系数。

在步骤22100、22110中，在得分计算的结果为通过迄今为止的计算超过最大得分的情况下，更新最大得分，且作为将要提示的属性词组合而保存的属性词组合也进行更新。

步骤22120是循环终点。对于所有的属性词组合计算得分S，并反复22040～22110的处理直到成为最大得分的属性词组合被求得。

(成为最大得分的属性的输出)在步骤22130中，将成为最大得分的属性词组合输出到输出部9。由此，用于范围缩小的属性词被提示在画面上，用户就可以进行范围缩小。

图29表示第3实施方式，是表示通过针对两个属性词和“其他属性”组合的得分计算，从得分高的起按顺序进行了排列的例子的说明图。图29是对图5的设施名候补进行针对两个属性词和其他属性组合的得分计算，从得分高的起按顺序进行了排列的图。此外，加权系数w_EXH按照加权系数28020所示的值进行了计算。在使用了其他属性的情况下，关于未被任何属性词网罗的设施，也借助于其他属性而被网罗。因而，网罗度不怎么重要。反映这一点，加权系数28020中的网罗度的加权系数就设成比第1实施方式的值(图11的加权系数10020)还小的值。

得分最高的属性词组合是属性组合28010所示的“医院”、“业余活动”和其他属性的组合。因而，提示属性创建部7将这3个属性词输出到输出部9。

据此，输出部9在显示装置104的画面上显示属性语。与此同时，声音输出装置111还可以从喇叭发出“从医院、业余活动、其他之中的某一项进行范围缩小”之类声音引导。

在图30中表示经过更新的显示装置104的画面。图30表示第3实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图，其表示属性词经过更新的状态。如显示区域2040所示那样，除“医院”、“业余活动”以外还进行“其他”这样的显示。如果选择“其他”，则作为设施名候补既不属于“医院”又不属于“业余活动”的设施作为候补而留下。

(选择了范围缩小属性的情况)对如果用户选择了“其他”的情况下(即，按下图30的按钮29020情况下)的处理进行说明。

此按下由输入部1进行受理，并通过输入受理部2在属性词存储部32中保存“其他”。

接着，设施名检索部6在先前所选定的设施名候补中，创建对其他属性赋予了值的设施一览，并作为新的设施名候补。

提示属性创建部7根据设施名候补与属性词间的关联度，按照图23的处理过程来选定将要提示的属性词。由于此过程与已经说明过的过程重复所以省略。此处理的结果是属性词被选定。

以下，继续画面更新、用户选择这样的处理。由于其与已经说明过的上述第1实施方式的处理过程相同所以省略。

如以上所说明的那样，通过以其他属性也看作1个属性词的形式来进行计算，将范围缩小中使用的属性词以用户易懂的组合进行提示，进而通过选择其他属性以便能够选择不属于任何属性词的设施，就能够提供对用户而言易懂、且范围缩小效率较高的功能。

<第4实施方式>(“其他”使用、未使用的选定)就第4实施方式进行说明。本实施方式是并用上述第1实施方式中所说明的属性词的选定、和上述第3实施方式中所说明的采用了其他属性的属性词的选定，并对两者之中哪个得分较高进行评价，来选定将要显示的属性词的实施方式。

由于此实施方式能够作为变更了第1实施方式中所说明的提示属性创建部7处理的汽车导航装置100来进行说明，所以省略除此以外的部分的说明。

图31表示第4实施方式，是表示在提示属性创建部7所进行的处理一例的流程图。作为实施图31的流程图的前提，设用户已经进行字符输入，设施名检索部6将多个设施名候补输出至提示属性创建部7。

步骤30010从设施名候补来计算在m个属性词组合上得分成为最大的属性词组合。此计算通过将第1实施方式所示的图6的处理作为子过程来调用而执行。设通过此计算所获得的属性组合为A_normal，设最大得分为S_normal。

步骤30020从设施名候补来计算通过m-1个属性词组合与其他属性使得分成为最大的属性词组合。此计算通过将第3实施方式所示的图23的处理作为子过程来调用而执行。设通过此计算所获得的属性组合为A_otherwise，设最大得分为S_otherwise。

在步骤30030中对两方的得分进行比较。

在步骤30040中，是S_normal一方得分较大的情况下的处理。在此情况下，将A_normal输出到输出部9。

在步骤30050中，是S_otherwise一方得分较大的情况下的处理。在此情况下将A_otherwise输出到输出部9。

如以上所说明那样，在此第4实施方式中，对使用其他属性的情况和不使用的情况下的得分进行比较，并将较高得分的属性词提示给用户。由此，就能够提示对用户而言更为易懂、且范围缩小效率较高的属性词。

此外，由于预想在这里所述的步骤30010、30020的得分计算中，得分的大小相互不同，所以还可以对在得分计算之际将使用的加权系数预先以适合的方式进行调整。

<第5实施方式>(不同属性集的并用)就第5实施方式进行说明。此实施方式是在属性词被预先分类成若干种类的情况下，计算针对各自种类的属性词组合的最大得分并进行比较，并将得分较大的种类的属性词组合提示给用户的实施方式。

由于此实施方式能够作为在第1实施方式所说明的汽车导航装置100中，变更提示属性创建部7的处理，又追加了设施名数据库8的数据的形式来进行说明，所以省略除此以外的部分的说明。

在图32中表示属性的种类与属性词的对应表。图32表示第4实施方式，是表示属性集与属性词之关系的说明图。在这里，作为属性的种类使用属性集这样的呼称(31010)。将与各个属性集31010相对应的属性词登录在31020中。在这里作为一个例子，设有与设施的类型相关联的属性集31010即“genre”、和设施名的词素的属性集31010即“morpheme”两个种类。此对应表与属性词一起被保存在设施名数据库8中。此外，在相互的属性集中也有可能包含同一属性词，所以实际上是以能够用ID编号等作为唯一的属性词而识别的方式进行管理。

图33表示第5实施方式，是表示在提示属性创建部7所进行的处理的一个例子的流程图。作为实施此流程图的前提，设用户已经进行字符输入，设施名检索部6将多个设施名候补输出至提示属性创建部7。

步骤32010从设施名候补仅使用属于属性集genre的属性词，来计算在m个属性词组合上得分成为最大的属性词组合。此计算通过将第1实施方式所示的图6的处理作为子过程来调用而执行。设通过此计算所获得的属性组合为A_genre，设最大得分为S_genre。

步骤32020从设施名候补仅使用属于属性集morpheme的属性词，来计算在m个属性词组合上得分成为最大的属性词组合。关于此计算也是通过将第1实施方式所示的图6的处理作为子过程来调用而执行。设通过此计算所获得的属性组合为A_morpheme，设最大得分为S_morpheme。

在步骤32030中对两方的得分进行比较。

在步骤32040中，是S_genre一方得分较大的情况下的处理。在此情况下，将属性组合A_genre输出到输出部9。

在步骤32050中，是S_morpheme一方得分较大的情况下的处理。在此情况下将属性组合A_morpheme输出到输出部9。

如以上所说明的那样，在此第5实施方式中，在多个属性词的种类中对得分进行比较，并将作为得分较高的种类的属性词提示给用户。由此，就能够提示对用户而言更为易懂、且范围缩小效率较高的属性词。

此外，由于预想在这里所述的步骤32010、32020的得分计算中，得分的大小相互不同，所以还可以对在得分计算之际将使用的加权系数预先以适合的方式进行调整。

另外，在显示装置104的显示区域上有空白的情况下，还可以同时显示从两个以上的属性集所得到的属性词。由此，例如在虽然词素不了解，但类型了解的情况下，用户也能够从所了解的类型来进行范围缩小。

<第6实施方式>(关联度的强化学习)对第6实施方式进行说明。本实施方式是基于用户实际上使用过(或者选择)的历史来变更设施名与属性词间的关联度，对用户个人而言更为易于进行设施名选择。

图34表示第6实施方式，是表示汽车导航装置100的功能要素的框图。此汽车导航装置100是从第1实施方式中的汽车导航装置100的构成即图2追加了已确定设施名存储部5、关联度更新部10的形态。

另外，在本实施方式中，在第1实施方式中仅对设施名被确定以后的处理进行变更。因而，与第1实施方式重复部分将省略说明。

对前提进行说明。用户考虑“想去在美佐津、市属的住宿设施”，但却不知道该设施的正式名称是“美佐津市立温泉疗养所(MISATU SILITU ONSENS RYOUYOUJYO)”。

设最初用户输入了字符“MISATU”。其结果，设在显示装置104的画面所提示的“医院”、“购物”、“业余活动”这3个属性词之中，选择了“业余活动”。

接着，设从作为属性词重新经过更新显示的“宠物”、“住宿设施”、“温泉”选择了“住宿设施”。

其结果，在画面上“观萨临海饭店(MISATU SI-ESUHOTERU)”、“美佐津市野营地(MISATU SILITUKYANPUJYOU)”、“美佐津市立温泉疗养所(MISATU SILITUONSENS RYOUYOUJYO)”这3个设施名的一览被显示。假设用户从这里选择“美佐津市立温泉疗养所(MISATU SILITU ONSENSRYOUYOUJYO)”并确定了设施。

以上的处理与第1实施方式所记载的处理相同。从以下起为本实施方式中成为特征的处理。

当确定设施名后，输入受理部3将已经确定完毕的设施名“美佐津市立温泉疗养所(MISATU SILITU ONSENSRYOUYOUJYO)”、进行确定以前用户所选择的属性词即“业余活动”、“住宿设施”、和被显示在画面上的用户没有选择的属性词即“医院”、“购物”、“宠物”、“温泉”对已确定设施名存储部5输出并进行存储。在图35中表示此存储的形态。图35表示第6实施方式，是表示已确定设施名存储部的存储内容一例的说明图。

接着，关联度更新部10基于已确定设施名存储部5中所保存的内容，更新设施名数据库8中所存储的关联度。在图36中表示此更新的方法。图36表示第6实施方式，是表示针对设施名和属性词的关联度的更新的一个例子的说明图。

首先，关联度更新部10对于已确定设施名抽取被赋予关联度的属性词。其中，用户所选择的属性词根据从实际上被用户所选择而推测为用户自身感到与设施的关联更高的属性词。因而，将已确定设施与属性词间的关联度加大。另一方面，用户未选择的属性词被推测为用户自身感到与设施的关联较低的属性词。因而，将已确定设施与属性词间的关联度减小。

具体而言，若设已确定设施为L_eonfirmed、被选择的属性词为a_select、未被选择的属性词为a_non-select、更新前的关联度为r_old(L，a)、更新后的关联度为r_new(L，a)，则按照下面的公式进行关联度的更新。

式25r_new(l_confirmed，a_select)＝w_select·r_old(l_confirmed，a_select)

式26r_new(l_confirmed，a_non-select)＝w_non-select·r_old(l_confirmed，a_non-select)

其中，w_select和w_non-select是系数，w_select采用大于1的值，w_non-select采用小于1的值。

在图36中对w_select和w_non-select分别进行：关于用户所选定的“业余活动”、“住宿设施”将关联度增高(将值增大)，而关于用户未选定的“温泉”，将关联度降低(将值减少)。另外，关于在显示装置104的画面上没有作为属性词而显示的“公共机关”则保持其原值。

如以上所说明的那样，在本第5实施方式中，通过基于用户实际的选定行为来更新关联度3100，就可以进行对用户而言更易于使用的设施名的范围缩小。

<第6实施方式的变形例>(对用户经常去往的设施的关联度进行加法运算)另外，关于关联度的更新方法，还有基于用户在某期间实际去过的设施的选择频率来更新的方法。

图37a表示第6实施方式，是表示学习情形的说明图，其表示在半年以内设定为目的地的设施和属性词的关联度。图37b是表示学习情形的说明图，其表示属性、设施件数和加法值的关系。在图37a中记载着用户在规定期间(例如，半年间)设定成目的地的设施、和此设施与属性词的关联度36010。在该图37a中，对于与设施的关联度36010大于0的属性词在图中带网格来显示。

接着，对于各个属性词计数在半年间去过的设施之中与各属性词之间被赋予大于0的关联度的件数(E(a))。在图37b中表示将此计算结果降序进行了排列的结果。在该例子中，可知在过去半年间，用户去过与“汽车”相关联的设施10次，去过与“业余活动”相关联的设施8次。

根据这一结果，可知用户经常去往与表示在上位的属性词即“汽车”或“业余活动”相关联的设施。因而，被预测通过与这些经常去往的设施相关联的属性词优先作为范围缩小属性词(attribute wordof narrowing)进行提示，用户的使用便利性将会改善。

因而，依照此次数来进行针对设施名数据库8中所存储的关联度的加法运算。具体而言，若设针对各个属性词a的加法值为e(a)，则将次数用进行了目的地设定的全部次数归一化，并作为乘以加权系数的结果而计算出此值。

式27 $e\left(a\right)=w_e\frac{E\left(a\right)}{E_{\mathrm{all}}}$

此外，E_all是进行过目的地设定的全部次数，W_e是加权系数。在图37b的36120中表示此计算结果。其中，各变量的值如加权系数36130那样进行了假定。

利用此计算出的加法值，对设施名数据库8中所保存的关联度进行加法运算。

式28 $r_e(l,a)=\left\{\begin{array}{cc}r(l,a)+E\left(a\right)& (\mathrm{ifr}(l,a)>0)\\ r(l,a)& \left(\mathrm{otherwise}\right)\end{array}\right.$

即，在原本被设定于数据库8的关联度之中、仅以值大于0的关联度为对象对加法值e(a)进行加法运算。使用这样所计算出的r_e(L，a)，提示属性创建部7来进行提示给用户的属性词的选定。

图38a表示第6实施方式，表示设施名、属性词以及关联度的关系，其表示加法值加法运算前的值。图38b表示第6实施方式，表示设施名、属性词以及关联度的关系，其表示加法值加法运算后的值。在图38a中表示加法运算前的关联度，在图38b中表示加法运算后的关联度。在图38b中，图37b中所计算出的加法值被加法运算。然后，根据加法运算后的关联度来选定提示给用户的范围缩小属性词。

如以上所说明那样，在本实施方式中，通过优先地提示与用户实际上高频率地去往的设施相关联的属性词，就可以进行对用户而言易于使用的设施名的范围缩小。

<第7实施方式>(一般经常设定的设施的优先)对第7实施方式进行说明。本实施方式是对设施名与属性词间的关联度3100按照一般在汽车导航装置100所设定的每个设施类型的频率，将关联度3100进行加权。

此实施方式能够作为在第1实施方式所说明的汽车导航装置100中追加了设施名数据库8的数据的形态进行说明，所以除此以外的部分的说明进行省略。

图39表示第7实施方式，是记录了每个设施类型的加权系数的表的说明图。在图39是记录了本实施方式中成为特征的每个设施类型(群)的加权系数的表。此表被存储在设施名数据库8中。

图39的小类型38010对应于图5的3080所示的各设施名上所赋予的小类型(群)。另外，38020中对每个小类型依照一般被设定成目的地的频率来设定加权系数。例如，由于“温泉”及“综合医院”在汽车导航装置100中经常被设定成目的地，所以被赋予较高的值。另一方面，由于“和服店”不怎么被设定成目的地，所以被赋予较低的值。提示属性创建部7将在设施名数据库中原本所保存的关联度上乘以38020中所记述的加权系数的结果用作新的关联度，并进行属性词的选定。通过这样，与在汽车导航装置100中经常被设定成目的地的设施相关联的属性词就变得易于提示给用户。

此外，虽然在本实施方式中，说明了对小类型赋予一个加权系数的方法，但也可以采取对各设施设定不同的加权系数的方法。

如以上所说明的那样，在本实施方式中，通过优先地提示与一般在汽车导航装置100中高频率地设定成目的地的设施相关联的属性词，就可以进行对用户而言易于使用的设施名的范围缩小。

<第8实施方式>(属性词与关联度的下载)对第8实施方式进行说明。本实施方式是将设施名和在选择它以前所选择的属性词的数据发送给服务器，在服务器侧创建新的关联度数据，并将其发送给各汽车导航装置100进行更新。

图40表示第8实施方式，是表示计算机系统的功能要素的框图。此计算机系统在第1实施方式中构成即图2的汽车导航装置100上追加已确定设施名存储部5、关联度更新部10、通信部11，进而还增加了与汽车导航装置100的通信部11进行通信的基站40040、处理来自汽车导航装置100的要求的服务器40030。

图41是表示本实施方式中所需要的汽车导航装置100与服务器40030的通信上的关系的框图。汽车上所搭载的汽车导航装置100存在多个，各汽车导航装置100上所具备的通信部11经由通信网40020与服务器40030进行通信。

在图40的系统构成中，在已确定设施名存储部5中存储用户实际上设定成目的地的设施、在选择该设施之前作为范围缩小属性用户所选择的属性词、和用户没有选择的属性词。例如，若设在用户确定设施名“美佐津市立温泉疗养所”之前选择了“业余活动”、“住宿设施”这样的属性词，而没有选择“医院”、“购物”、“宠物”、“温泉”，就成为图35那样的存储形态。通信部11将已确定设施名存储部5的内容发送给服务器40030。

当各汽车导航装置100同样地对服务器40030进行发送后，在服务器40030中，对各设施名、在选定各设施的过程中所选择的属性词及其次数进行总计。在图42中表示总计结果的例子。图42表示第8实施方式，是表示设施名和选择各设施名的属性词和选择次数的总计结果的说明图。在41010中表示全部用户设定成目的地的总次数，在41020中表示各设施名被设定成目的地时各属性词被选择的总次数。

服务器40030基于此总计结果，将关联度的更新信息发送给各汽车导航装置100。然后，各汽车导航装置100的通信部11接收更新信息，并发送至关联度更新部10。关联度更新部10基于更新信息来更新设施名数据库8中所记载的关联度。

此外，关于此更新的形态没有特别进行规定，但例如有如下方法：计算选择相对于目的地设定次数的各属性词的比例，如果此比例在某值以上就加大设施名数据库8中所保存的关联度，如果在某值以下就减小设施名数据库8中所保存的关联度。例如，在图42中，对于设施“美萨动物医院(MISATU DOUBUTU BYOUYIN)”，属性词“综合医院”被选择的次数为0次。反映这一点，进行在图5所示的设施名数据库8所保存的关联度之中、将“美萨动物医院(MISATUDOUBUTU BYOUYIN)”和“综合医院”之间的关联度设成0的操作。

如以上所说明的那样，通过基于大多用户实际上选定的属性词的频率来更新关联度，就可以进行对大多用户而言更加易于使用的属性词的提示。

另外，不仅是上述所说明的基于用户选定的属性词频率的关联度的更新，而且还可以是对于新设立的设施，汽车导航装置100将其设施名与属性词的关联度一起从服务器40030进行下载。或者，还可以在现有的设施的业种经过变更的情况下，将遵循经过变更的业种的属性词和关联度的值一起进行下载。<第9实施方式>(词素的联结)对第9实施方式进行说明。本实施方式是在采用词素作为属性词的上述第2实施方式中对词素的显示方法进行变更。与第2实施方式不同的仅是在提示属性创建部7的处理中图6的步骤5130的部分，所以仅仅说明这部分。

图43a表示第9实施方式，是表示利用词素的属性词的提示情形的说明图，表示被抽取出的设施名候补。图43b表示词素对应于“出岛(DEJIMA)”的设施名候补。图43c表示词素对应于“Denden”的设施名候补。作为以下说明的前提，设用户通过字符输入输入“Tozai De”，并作为设施名候补列举出图43(a)所示的18件为设施名的候补。进而，进行从这设施名的候补选择两个词素作为范围缩小属性词的处理，在“出岛(DEJIMA)”、“Denden”这两个词素的组合中，得分为最大。

在此情况下，在上述第2实施方式中，“出岛”、“Denden”这两个词素在画面上作为范围缩小属性而得以提示。但是，在如上述那样的短词素中，用户有可能无法认识到该词素被包含在设施名中。因而，将较长的字符串作为范围缩小属性词进行提示，就有可能防止词素没有被用户认识到这样的事态。

因而，在本实施方式中，首先在步骤5130中抽取与所选出的两个词素一致的设施名。于是，与词素“出岛(DEJIMA)”一致的为图43b的5件，与“Denden”一致的为图43(c)的2件。

接着，对各词素前后的设施名进行搜索，并以在所有的设施名中共同一致的部分成为最长的方式抽取字符串。其结果就是在图43(b)中“东西出岛”，在图43c中“东西DENDEN游乐园(TOZAIDENDEN RANDDO)”被抽取出来。

接着，将上述所选定的字符串作为范围缩小属性对输出部进行输出。其结果，如图44所示那样，在显示区域2040上“东西出岛(TOZAI DEJIMA)”和“东西DENDEN游乐园(TOZAI DENDENRANDDO)”这两个范围缩小属性词就得以提示。图44表示第9实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图。

如以上那样，通过将更长的设施名部分作为范围缩小属性词进行提示，就能够防止对用户而言无法进行范围缩小这样的现象。

<第10实施方式>(词素位置的利用)对第10实施方式进行说明。本实施方式是在采用词素作为属性词的第2实施方式中依照词素位置来变更显示方法。与第2实施方式不同的是设施名数据库8中的数据保持方法，所以对这部分进行说明。

作为以下说明的前提，设用户通过字符输入输入“MISA”，并抽取出图45的44010所示的设施名作为设施名候补。图45表示第10实施方式，是表示设施名候补、词素以及关联度的关系的说明图。

在图45中表示本实施方式的设施名数据库8中的关联度赋予的形态。如设施名候补44020所示的那样，作为词素是“HOTERU”这与第2实施方式相同，但将该词素在设施名之中表示在哪个位置上一并作为信息来保持是本实施方式的特征。例如，对于“Hotel Misatu Crescent”，由于词素“HOTERU”附加在设施名的开头，所以作为属性词设置“HOTERU(前方)”这样的项目，并赋予关联度。同样，还另行设置有“HOTERU(中间)”、“HOTERU(后方)”这样的属性词。

图46表示第10实施方式，是在汽车导航装置的显示装置上所输出的属性词的画面示意图。进而，设提示属性选定部7选定了“HOTERU(前方)”、“HOTERU(中间)”、“HOTERU(后方)”这三个属性词作为将要提示的属性词。接受这一结果，还可以在画面原封不动如“HOTERU(前方)”那样进行显示，但也可以例如图46的2040所示那样，如“HOTERU○○”、“○○HOTERU”那样对用户而言直观地得知“HOTERU”处于设施名的何处。此外，如果在这里用户选择“HOTERU○○”，则在图45的设施名候补44010所列举的设施名之中，“HOTERU”附加在开头的“Hotel Misatu Crescent”、“HotelOyama Misatu”就被显示，“HOTERU”未附加在前方的设施名就不被显示。

如以上所说明那样，通过在属性词中将词素和位置信息一起进行提示，对用户而言就可以容易地进行范围缩小。

<第11实施方式>(声音输入)对第11实施方式进行说明。本实施方式是在上述第1～第10实施方式中用声音来进行用户的输入，并将声音识别的结果使用于输入的实施方式。作为汽车导航装置100，通过在上述第1～第10实施方式所示的汽车导航装置100中的输入部1的前级追加声音输入和声音识别装置而得以实现。

此外，关于声音识别的实现方法，采用公知的技术(例如，鹿野、伊藤、河原、武田、山本共著：“声音识别系统”、オ一ム社刊、2001年发行)即可。

图47表示在输入部1的前级安装着的声音输入所需要的构成。图47表示第11实施方式，是表示汽车导航装置100的功能要素的框图。

声音取入部46010将来自用户的声音信号变换成数字信号，并作为声音数据而取入。

分析部46020将用户所发话的声音数据变换成特征向量串。特征向量串是用多维向量量来表示声音的各时刻的特征量，并按时序对其进行了排列。例如，使用每10ms程度对输入声音数据进行分割，将各时刻的声音数据变换成被称为MFCC(Mel FrequencyCepstrum Coefficient)参量(特征参量)的多维向量量，并按时序对其进行了排列的特征向量串。

在音响模块存储部46030中保存与从特征参量所抽取出的各音素(phoneme)相对应的模块。作为此模块的表现形态使用以3状态对各音素进行了定义的HMM(Hidden Marcov Model)。

在语言模块存储部46040中登录词典46042和语法46044。声音识别中的语言模块上有基于规则的语言模块(rule-basedlanguage model)和统计语言模块(statistical language model)两个种类，但在本实施方式中，设想使用统计语言模块。关于利用统计语言模块的声音识别的实现方法也在上述的鹿野等的文献中有所记载。

在词典46042中登录声音识别作为识别对象的单词及其音素串。在本实施方式中，将对设施名数据库8中所保存的设施名经过词素分割的结果作为单词来进行登录。在图48中表示词典的例子。图48表示第11实施方式，其表示词典一例，是表示单词和音素串的关系的说明图。为了表示图48的音素串所使用的音素记号，以在日语中所使用的记号作为例子来表示。但是，实际上在各语言中实施的情况下，使用该语言中所用的音素记号即可。另外，若将全国的设施名中出现的所有词素登录在词典中，则其数量将变得膨大，所以将牵涉到声音识别所需要的运算量、存储器量的增加。进而，还预想将引起识别率的低下。因而，设在这一词典中仅仅登录在全国的设施名高频率出现的词素。

在语法46044中存储着已登录在词典46042中的各单词间的迁移概率。此迁移概率能够通过创建在统计语言模块的创建上一般所使用的单词N-gram模块的方法而计算出。作为用于创建此单词N-gram模块的学习语料库(corpus)，例如，能够原封不动使用在设施名数据库8中所登录的设施名。

声音识别部46050对输入声音的特征向量串与语言模块中所存储的单词串进行比较，计算表示其一致程度的计分(score)，并输出计分较高的单词串。在这里，还可以仅仅输出计分最高的单词串，也可以输出计分较高的上位多个单词串。

单词串输出部46060从由声音识别部所获得的单词串中选定发送给输入部1的单词串。在这里，设在由声音识别部所获得的单词串之中，基于计分计算可靠度，仅仅输出可靠度较高的单词串。

以后的处理与上述第1～第10实施方式中的处理一样。即，设施名检索部6创建与从单词串输出部所输入的单词串一致的设施名一览。提示属性创建部按照各实施方式中的方法，创建提示给用户的范围缩小属性词组合。输出部9将属性词组合输出到画面上。另外，输出部9还可以通过喇叭来提示属性词，并发出“从○○、××、△△之中的某一项进行范围缩小”之类的声音引导。

用户既可以接受声音引导用触摸面板来指定属性词，又可以用声音来指定属性词。在用声音指定属性词的情况下，单词串输出部46060将根据用户发话所识别出的属性词对输入部1进行输出，并进行遵循各实施方式的方法的范围缩小的处理。

但是，有利用声音进行输入的情况、所输入的单词串为多个的情况、及存在多个单词串候补的情况。以下，就这一情况进行说明。例如，考虑用户发话“东西DENDEN游乐园(TOZAI DENDENRANDDO)”，声音识别处理的结果是仅仅将可靠度较高的“东西(TOZAI)/游乐园(RANDDO)”这两个单词从单词串输出部46060发送到输入部1的情况。此时，在设施名检索部6中，通过检索具有“东西(TOZAI)”、“游乐园(RANDDO)”这两个词素的设施名，并获得一览的方法就能够实现。另外，设用户发话“东西DENDEN游乐园(TOZAI DENDEN RANDDO)”，声音识别处理的结果是获得可靠度较高的“东海(TOKAI)/游乐园(RANDDO)”、“东西(TOZAI)/游乐园(RANDDO)”这样的各由两个单词组成的两个单词串。考虑从单词串输出部46060对输入部1发送这两个单词串的情况。此时，在设施名检索部6中，通过检索具有“东西(TOZAI)”、“游乐园(RANDDO)”这两个词素的设施名、和具有“东海(TOKAI)”、“游乐园(RANDDO)”这两个词素的设施名双方，并获得一览的方法就能够实现。

另外，由于单词串输出部46060输出的单词串被分成词素单位，所以与图17所记载的各设施名16010所关联起来的词素中的某一项相一致。因而，例如单词串输出部46060还一并输入识别单词串和表示各识别单词的可靠性的可靠度(confidence measure)，从图17中记载的表中寻找与识别单词一致的词素，并将该词素与设施名的关联度、和识别单词的可靠度相乘，对于1个设施名取得其之和，由此就能够计算各设施名的可靠度，通过这一方法还可以带可靠度获得设施名的一览。

如以上所说明那样，通过进行声音输入就能够受理用户的多种多样的输入，能够更加提高使用方便性。【工业上的可利用性】

如以上那样，本发明能够适用于用字符信息来进行检索的汽车导航装置及数据库系统。

Claims (20)

1.一种信息检索装置，其特征在于包括：

输入部，输入字符；

数据库，保存名称、与该名称相关联的属性词以及表示上述名称与属性词的关联程度的关联度；

名称检索部，从数据库中检索包含上述所输入的字符的名称，并将上述检索到的名称作为名称候补而输出；

提示属性创建部，从上述数据库中抽取与从上述名称检索部所输出的上述名称候补相关联的属性词；以及

输出部，提示上述提示属性创建部所抽取出的属性词、和来自上述名称检索部的名称候补，

其中，上述提示属性创建部具有第一得分计算部，其进行如下处理：

对于上述所抽取出的属性词的组合，从上述数据库中取得与该属性词关联起来的上述名称候补的上述关联度；

运算表示上述所抽取出的属性词间的差异程度的独立度；

运算表示根据上述所抽取出的属性词的组合的名称候补的网罗性的网罗度，

对每个上述属性词运算表示相关联的名称候补的件数的均匀性的均匀度；以及

基于上述运算出的独立度、网罗度和均匀度之中至少一个来计算属性词的组合的得分，

并且，按照上述得分由高到低的顺序将上述属性词的组合输出到上述输出部。

2.按照权利要求1所述的信息检索装置，其特征在于：

上述数据库中所保存的属性词是构成上述名称候补的名称之一部分的词素。

3.按照权利要求1所述的信息检索装置，其特征在于：

上述提示属性创建部具有第二得分计算部，其进行如下处理：

将表示与上述抽取出的属性词的组合没有关联的属性作为第二属性词而生成，并运算该第二属性词与名称候补的关联度；

基于上述抽取出的属性词的组合与上述名称候补的关联度、和上述第二属性词与上述名称候补的关联度，来运算表示上述抽取出的属性词间的名称候补的差异程度的独立度；

基于上述抽取出的属性词的组合与上述名称候补的关联度、和上述第二属性词与上述名称候补的关联度，来运算表示根据上述抽取出的属性词的组合的名称候补的网罗性的网罗度；

基于上述抽取出的属性词的组合与上述名称候补的关联度、和上述第二属性词与上述名称候补的关联度，来运算表示在上述属性词间关联的名称候补的件数的均匀性的均匀度；以及

基于上述运算出的独立度、网罗度和均匀度之中至少一个来计算上述属性词的组合的得分，

并且，按照上述第二得分计算部所求出的得分由高到低的顺序将上述属性词的组合输出到上述输出部。

4.按照权利要求3所述的信息检索装置，其特征在于：

上述提示属性创建部对上述第一得分计算部所求出的得分、和上述第二得分计算部所求出的得分进行比较，并将得分较高一方的属性词的组合输出到上述输出部。

5.按照权利要求1所述的信息检索装置，其特征在于：

上述数据库中所存储的属性词依照属性词的种类而进行分类，

上述提示属性创建部按上述属性词的每个种类来计算对于上述属性词的组合的得分，并将最大得分的属性词的组合输出到输出部。

6.按照权利要求1所述的信息检索装置，其特征在于还包括：

第二输入部，选择被输出到上述输出部的上述名称候补和属性词；

已确定名称存储部，存储上述第二输入部所选择的名称候补与属性词、和上述第二输入部未选择的属性词；以及

关联度更新部，基于上述已确定名称存储部中所存储的名称候补与属性词来更新上述数据库中所保存的关联度，

上述关联度更新部，将上述已确定名称存储部中所存储的名称候补与属性词之中、上述第二输入部所选择的名称候补的名称与属性词的关联度增大，将上述第二输入部未选择的属性词与名称候补的名称的关联度减少，并更新上述数据库中所保存的上述关联度的值。

7.按照权利要求1所述的信息检索装置，其特征在于：

上述数据库具有对上述名称的每一个、或者将多个名称汇总后分类的群赋予了数值的表，

上述提示属性创建部使用与上述名称候补对应的关联度乘以上述数值后的值作为新的关联度。

8.按照权利要求1所述的信息检索装置，其特征在于还包括：

通信部，接收上述关联度，

用上述接收到的关联度来更新上述数据库中所保存的关联度。

9.按照权利要求2所述的信息检索装置，其特征在于：

上述提示属性创建部，计算上述得分较高的属性词，用上述属性词前后的字符串来检索上述名称候补，

用上述名称候补生成上述属性词更长地一致的字符串，

将上述所生成的字符串作为属性词输出到输出部。

10.按照权利要求2所述的信息检索装置，其特征在于：

上述数据库中所保存的属性词包含并保持上述名称之一部分即词素、和上述名称中的上述词素的位置信息。

11.按照权利要求1至10中的任一项所述的信息检索装置，其特征在于包括：

声音取入部，取得声音信号；以及

声音识别部，输出从上述取得的声音信号识别出的词汇，

将从上述声音识别部所输出的上述词汇输入到上述输入部。

12.按照权利要求1所述的信息检索装置，其特征在于：

上述提示属性创建部，计算表示基于上述属性词的组合的关联度综合性高的理解容易度，

基于上述运算出的独立度、网罗度、均匀度和理解容易度之中至少一个来计算属性词的组合的得分。

13.按照权利要求12所述的信息检索装置，其特征在于：

上述理解容易度是表示上述属性词与上述名称的对应关系的易懂性的指标。

14.按照权利要求1所述的信息检索装置，其特征在于：

上述独立度是表示上述抽取出的属性词彼此间属性词差异的指标。

15.按照权利要求1所述的信息检索装置，其特征在于：

上述网罗度是表示通过上述抽取出的属性词的组合，在上述名称候补之中何等程度的比例可以选择的指标。

16.按照权利要求1所述的信息检索装置，其特征在于：

上述均匀度是表示与上述抽取出的属性词对应的名称候补数的均匀程度的指标。

17.一种信息检索系统，包括：

信息检索装置，从数据库中检索包含所输入的字符的名称；和

服务器，经由网络而连接到上述信息检索装置上，

所述信息检索系统的特征在于：

上述信息检索装置具备：

输入部，输入字符；

数据库，保存上述名称、与该名称相关联的属性词以及表示上述名称与属性词的关联程度的关联度；

名称检索部，从数据库中检索包含上述所输入的字符的名称，并将上述检索到的名称作为名称候补而输出；

提示属性创建部，从上述数据库中抽取与从上述名称检索部所输出的上述名称候补相关联的属性词；

输出部，提示上述提示属性创建部所抽取出的属性词、和来自上述名称检索部的名称候补；

通信部，与上述服务器进行通信，以及

关联度更新部，利用从上述服务器接收到的关联度来更新上述数据库中所保存的关联度，

其中，上述提示属性创建部具有第一得分计算部，其进行如下处理：

对于上述所抽取出的属性词的组合，从上述数据库中取得与该属性词关联起来的上述名称候补的上述关联度；

运算表示上述所抽取出的属性词间的差异程度的独立度；

运算表示根据上述所抽取出的属性词的组合的名称候补的网罗性的网罗度；

对每个上述属性词运算表示相关联的名称候补的件数的均匀性的均匀度；以及

基于上述运算出的独立度、网罗度和均匀度之中至少一个来计算属性词的组合的得分，

并且，按照上述得分由高到低的顺序将上述属性词的组合输出到上述输出部。

18.按照权利要求17所述的信息检索系统，其特征在于：

上述数据库中所保存的属性词是构成上述名称候补的名称之一部分的词素。

19.一种从数据库中检索包含被输入到计算机的字符的名称的信息检索方法，其特征在于包括以下步骤：

上述计算机从数据库中检索包含上述所输入的字符的名称的步骤，该数据库保存上述名称、与该名称相关联的属性词以及表示上述名称与属性词的关联程度的关联度；

将上述检索到的名称作为名称候补而输出的步骤；

从上述数据库中抽取与上述名称候补相关联的属性词的步骤；

将上述所抽取出的属性词和上述名称候补输出到上述计算机的输出部的步骤，

其中，从上述数据库中抽取与上述名称候补相关联的属性词的步骤具有以下步骤：

对于上述所抽取出的属性词的组合，从上述数据库中取得与该属性词关联起来的上述名称候补的上述关联度；

运算表示上述所抽取出的属性词间的差异程度的独立度；

运算表示根据上述所抽取出的属性词的组合的名称候补的网罗性的网罗度；

对每个上述属性词运算表示相关联的名称候补的件数的均匀性的均匀度；

基于上述运算出的独立度、网罗度和均匀度之中至少一个来计算属性词的组合的得分；以及

按照上述得分由高到低的顺序将上述属性词的组合输出至上述输出部。

20.按照权利要求19所述的信息检索方法，其特征在于：

上述数据库中所保存的属性词是构成上述名称候补的名称之一部分的词素。

Images