JP2000207409A

JP2000207409A - 構造化文書管理装置及び構造化文書検索方法

Info

Publication number: JP2000207409A
Application number: JP11007616A
Authority: JP
Inventors: Masao Ito; 正雄伊藤
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1999-01-14
Filing date: 1999-01-14
Publication date: 2000-07-28

Abstract

(57)【要約】【課題】構造化文書の全文検索に関するもので、構造
化文書の構造情報を符号化して索引ファイルに付加する
ことで、構造化文書の要素を指定した全文検索を高速に
行うことを目的としている。【解決手段】登録部１１ａは構造化情報から構造情報
とタグ管理情報と索引情報とテキスト情報を作成しデー
タ管理部１２に登録する。索引情報格納部１２ｃには高
速検索のための索引情報と構造情報を符号化した情報も
同時に管理する。検索部１１ｃは入力された検索条件に
従ってデータ登録部の索引情報を読み出してから高速全
文検索する。更に要素を指定した検索の場合は、文書構
造判定部１１ｅで索引に付けられた構造情報と照合を行
って検索条件を絞り込む。結果作成部１１ｆは検索条件
を満たした文書を結果出力部１８に返す。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はＳＧＭＬやＸＭＬな
どの論理構造を持った構造化文書を管理し、論理構造を
利用した全文検索を高速に行う構造化文書管理装置及び
構造化文書検索方法に関するものである。

【０００２】

【従来の技術】ワープロやパソコンの普及により、大量
の文書情報が作成されるようになってきている。またネ
ットワークの整備により、文書を配布したり共有したり
するような環境が整ってきた。しかし作成された文書
は、アプリケーションに依存したデータ形式で保存され
るため、文書を再利用するためには同じアプリケーショ
ンを持っている必要があった。このためアプリケーショ
ンを実行する環境がなくなると文書を再利用できなくな
るなどの問題があった。これを解決する手段として、プ
ラットフォームやアプリケーションに依存しないデータ
形式としてＳＧＭＬといった構造化文書がＩＳＯ（国際
標準化機構）によって規格化され、ＣＡＬＳなどで利用
されるようになってきた。さらに最近ではＷ３Ｃによっ
て規格化されたＸＭＬといった新しい構造化文書も登場
し、構造化文書の利用範囲が拡大してきている。このよ
うな文書が大量に蓄積されると、必要に応じて文書情報
を検索して再利用できる文書データベースに対する関心
が高まってきている。その中には、文書情報に対して、
キーワードを付けずに文書の内容から検索する全文検索
システムや、構造化文書を効率よく管理し、論理構造を
利用して検索ができる構造化文書管理システムなどが開
発されつつある。しかしながら従来の構造化文書管理シ
ステムは、構造化文書を管理する際に要素単位に分解し
てリレーショナルデータベースなどに格納するため、構
造化文書全体から検索しようとすると非常に時間がかか
るという欠点があった。

【０００３】以下、従来の構造化文書管理装置について
説明する。図１７は従来の構造化文書管理装置の構成を
示すものである。

【０００４】図１７において、１７１は構造化文書管理
サーバ部であり、登録部１７１ａとＳＱＬ生成部１７１
ｂと結果作成部１７１ｃとからなる。１７２はリレーシ
ョナルデータベースであり、構造情報格納部１７２ａと
タグ管理情報格納部１７２ｂとテキスト情報格納部１７
２ｃからなる。１７３は構造化文書で、１７４はＤＴＤ
（文書型定義）で、１７５は構造化文書入力部で、１７
６は端末で、１７７は検索条件入力部で、１７８は結果
出力部である。

【０００５】以上のように構成された構造化文書管理装
置について、以下その動作について説明する。まず、構
造化文書１７３とＤＴＤ１７４は構造化文書入力部１７
５に送られる。構造化文書サーバ部１７１の登録部１７
１ａはＤＴＤ１７４の構造情報をもとに構造化文書１７
３を分解して、構造情報とタグ情報とテキスト情報を作
成する。更に登録部１７１ａはリレーショナルデータベ
ース１７２の構造情報格納部１７２ａに構造情報を格納
し、タグ情報格納部１７２ｂにタグ情報を格納し、テキ
スト情報格納部１７２ｃにテキスト情報を格納する。Ｓ
ＱＬ生成部１７１ｂは端末１７６から検索条件入力部１
７７で入力された検索要求をリレーショナルデータベー
ス検索言語であるＳＱＬを生成する。リレーショナルデ
ータベース１７２はＳＱＬに対応した検索処理を行う。
検索結果は結果作成部１７１ｃで構造化文書に編成し、
結果出力部１７８に送られ、端末で表示される。

【０００６】

【発明が解決しようとする課題】しかしながら上記の従
来の構成では、構造化文書の各要素を分解した形でリレ
ーショナルデータベースのテーブルに格納しているた
め、分解された文書に対して全文検索を行う場合には、
指定された要素に対して１要素単位に文字列照合を行う
ため、文書数が多くなると文書数または要素数に比例し
た時間がかかるという問題がある。

【０００７】本発明は上記従来技術の課題を解決するも
ので、構造化文書の論理構造を利用した全文検索を高速
にすることを目的とする。

【０００８】

【課題を解決するための手段】この目的を達成するため
に本発明は、全文検索で使われている索引情報を用いた
検索方式を用い、かつ論理構造の位置を符号化した情報
を全文検索の索引情報に埋め込むことで高速な構造化文
書の検索を実現するという作用を有する。更に論理構造
を利用しない文書全体からの検索や、論理構造を指定し
た検索や、更に論理構造の上位層または中間層を指定す
る場合（例えば「章」は「表題」と「節」からなってい
る場合に、「章」から検索するような場合）でも同じよ
うな検索時間で検索することができるという作用を有す
る。

【０００９】

【発明の実施の形態】（実施の形態１）以下、本発明の
第１の実施の形態について、図面を参照しながら説明す
る。

【００１０】図１は本発明の一実施の形態における構造
化文書管理装置の構成図である。図１において、構造化
文書管理サーバ部１１は、文書構造解析部１１ｂを有す
る登録部１１ａと、全文検索部１１ｄおよび文書構造判
定部１１ｅを有する検索部１１ｃと、結果作成部１１ｆ
からなる。データ格納部１２は、構造情報格納部１２ａ
と、タグ管理情報格納部１２ｂと、索引情報格納部１２
ｃと、テキスト情報格納部１２ｄからなる。１３は構造
化文書で、１４はＤＴＤ（文書型定義）で、１５は構造
化文書入力部で、１６は端末で、１７は検索条件入力部
で、１８は結果出力部である。

【００１１】以上のように構成された構造化文書管理装
置について、その動作を説明する。まず、構造化文書入
力部１５は入力された構造化文書１３とＤＴＤ１４を構
造化文書管理サーバ部１１の登録部１１ａに送る。登録
部１１ａの文書構造解析部１１ｂは文書構造を記述した
ＤＴＤ１４から文書構造を解析し、構造情報と高速全文
検索のための索引情報に付加する論理構造の位置を符号
化したタグＩＤと要素番号を作成する。登録部１１ａは
索引情報とタグ管理情報とテキスト情報を作成し、デー
タ格納部１２の構造情報格納部１２ａには構造情報を格
納し、タグ情報格納部１２ｂにはタグ情報を格納し、索
引情報格納部１２ｃには索引情報とタグＩＤと要素番号
を格納し、テキスト情報格納部１２ｄにはテキスト情報
を格納する。検索条件入力部１７は端末１６から入力さ
れた検索条件を構造化文書管理サーバ部１１の検索部１
１ｃに送る。検索部１１ｃは検索条件の検索文字列と論
理構造の指定部分とに分解し、検索文字列は全文検索部
１１ｄに送り、論理構造指定部分は文書構造判定部１１
ｅに送る。全文検索部１１ｄはデータ格納部１２の索引
情報格納部１２ｃの索引情報を読み出して高速全文検索
を行い、検索条件を満たした文書の番号とタグＩＤと要
素番号を取得する。文書構造判定部１１ｅは全文検索部
１１ｄで検索した結果に対して検索条件で指定された要
素に一致しているか否かをタグＩＤを用いて判定する。
指定された要素に一致している場合には、要素番号を結
果作成部１１ｆに送る。結果作成部１１ｆは要素番号を
用いてタグ管理情報格納部１２ｂを読み出して開始位置
とバイト数を取得し、開始位置とバイト数を用いてテキ
スト情報格納部１２ｄからテキスト情報を読み出して検
索結果として作成し、結果出力部１８に送る。

【００１２】次に本発明の第１の実施の形態について図
２から図８に示す例を用いて詳細に説明する。

【００１３】図２は構造化文書の論理構造を現すタグの
例を示す図である。図２において、文書２１は書誌２２
と本文２６と付録２ｄから構成され、書誌２２は題名２
３と著者２４と日付２５で構成され、本文２６は章２７
で構成され、章２７は見出し２８と段落２９と節２ａで
構成され、節２ａは強調２ｂと下線２ｃで構成されるこ
とを示す。以下この論理構造を持った構造化文書を中心
に説明する。

【００１４】図３は、図２の論理構造に対する各階層に
おけるタグの種類を示す図である。図３において第１階
層のタグの種類は文書３１の１つであり、第２階層のタ
グの種類は書誌３２と本文３６と付録３ｄの３つであ
り、第３階層のタグの種類は題名３３と著者３４と日付
３５と章３７の４つであり、第４階層のタグの種類は見
出し３８と段落３９と節３ａの３つであり、第５階層の
タグの種類は強調３ｂと下線３ｃの２つである。

【００１５】図４は、図３で求めたタグの種類から各層
に必要なビット数を求めてタグのＩＤを求めた図であ
る。

【００１６】図４において４１は各階層のビット数を示
している。各層のビット数は、タグの個数をＮとすると
ｌｏｇ（Ｎ＋１）で求めるものとする。但し、小数点以
下は切り上げとする。例えば第１階層はタグの個数が１
なのでｌｏｇ（２）＝１となり１ビットになる。また第
２階層はタグの個数が３なのでｌｏｇ（４）＝２となり
２ビットになる。その他の階層も同様な操作でビット数
を求める。４２は図３の論理構造に出てきたタグを示
す。４３は各タグの各階層での出現の順番を２進数で表
したもので、例えば「文書」タグは第１階層は１番目で
その他の階層は関係ないので全て０である。また「題
名」は第１階層は１番目の「文書」タグに含まれている
ので１で、第２階層は１番目の「書誌」タグに含まれて
いるので０１で、第３階層は１番目のタグなので００１
である。このようにして全てのタグに対して各階層の順
番に相当する値を求める。４４はそれぞれのデータを合
計１２ビットのデータとして結合し、１６進に変換した
値（以下、タグＩＤと呼ぶ）である。このタグＩＤを用
いることにより、タグＩＤから各要素の上位の要素を簡
単に求めることができ、このタグＩＤを索引情報に付加
して索引情報格納部１２ｃに格納することで、論理構造
を利用した検索を高速に実行することができる。

【００１７】図５は図２の論理構造に基づいて作成され
た文書の例を示す図である。以下、この構造化文書５１
を主に用いて説明する。

【００１８】図６は図５の文書例に対して構造を解析し
た図である。図６において各タグの下に括弧で書いたも
のは要素番号と１６進数で示したタグＩＤであり、要素
番号は各要素に対して順番に番号付けたものである。こ
の要素番号はタグ管理情報からテキストの開始位置とバ
イト数を取得する際に用いる。

【００１９】図６において、本文６６に章が例えば２つ
ある場合、章６７と章６ｃには見出し６８、６ｄと、段
落６９、６ｅが共通して構成される。章６７には節６ａ
が１つあり、章６ｃには節６ｆ、６ｇの２つある。節６
ａには強調６ｂがあり、同様に節６ｆには強調６ｈがあ
る。

【００２０】図７は図５の文書例に対して索引情報格納
部１２ｃの内容例を示す図である。図７において、７０
は３２ビットの索引情報をあらわす例であり、８０は６
４ビットでの索引情報をあらわす例である。図７の７
０、８０において、文書番号７１と７５は登録した文書
に対して１から順番に付けた値でビット数は各々１０と
１６である。位置７２と７６は文字の位置をあらわす値
でビット数は各々７と１６である。タグＩＤ７３と７７
は論理構造をあらわす値でビット数は各々１０と２４あ
る。要素番号７４と７８は文書中の要素に対して１から
順番に付けた値でビット数は各々５と８である。

【００２１】図８は図５の文書例に対してタグ管理情報
格納部１２ｂの内容例を示す図である。

【００２２】図８において各要素番号８１について開始
位置８２とバイト数８３とタグＩＤ８４を管理すること
で、テキスト情報格納部８５（図１の１２ｄ）からテキ
スト情報を抽出する場合に、開始位置とバイト数を用い
て目的の要素を抽出することができる。

【００２３】図９は図５の文書に対して文書全体から
「構造化」という文字列で検索する例を示す図である。

【００２４】図９において９１は全文検索のための索引
情報を格納する索引情報格納部で、索引情報格納部９１
には図５に示す文書のみが格納されているとする。この
状態において文書全体に対して全文検索部１１ｄ「構造
化」という文字列で検索すると、９２に示すように要素
番号とタグＩＤをペアとする４つの要素を検索すること
ができる。これらの要素番号からタグ管理情報格納部９
３の開始位置とバイト数を求め、テキスト情報格納部９
４に対して開始位置とバイト数でテキストを求めること
により、検索結果として９５のような結果を得ることが
できる。

【００２５】図１０は図５の文書に対して「本文」要素
から「構造化」という文字列で検索する例を示す図であ
る。

【００２６】図１０において１０１は全文検索用の索引
情報を格納する索引情報格納部で、索引情報格納部１０
１には図５に示す文書の索引情報のみが格納されている
とする。この状態において全文検索部１１ｄで「構造
化」という文字列で検索すると、１０２に示すような検
索結果を４件の取得することができる。次に文書構造判
定部１１ｅで「本文」要素から検索する場合のタグＩＤ
を求める。「本文」は第１階層が「１」で第２階層が
「１０」で第３階層以降は「０」であるため、タグＩＤ
の上位３ビットが「１１０」である文書が「本文」であ
る。文書構造判定部１１ｅは全文検索で検索された４件
の検索結果に対してタグＩＤの上位が「１１０」である
ものを判定すると１０４に示す２件の検索結果を得るこ
とができる。さらに要素番号からタグ管理情報格納部１
０５の開始位置とバイト数を求め、テキスト情報格納部
１０６に対して開始位置とバイト数でテキストを求める
ことにより、検索結果として１０７のような結果を得る
ことができる。

【００２７】以上のように本実施の形態によれば、登録
部１１ａが高速全文検索のための索引情報の作成と、論
理構造の位置を符号化したタグＩＤと要素番号を索引情
報に付加することで、全文検索部１１の出力する検索結
果に対して文書構造判定部１１ｅでタグＩＤから論理構
造を判定することができ、構造化文書の要素に対する全
文検索を高速に行うことができる。また論理構造の上位
層または中間層を指定する場合（例えば「章」は「表
題」と「節」からなっている場合に、「章」から検索す
るような場合）でもほぼ同じ時間で検索することができ
る。更に構造化文書の全体から検索するような場合は文
書構造判定部で論理構造の判定を行う必要がないので、
より短い時間で検索することができる。

【００２８】なお、本実施の形態で文書構造解析部１１
ｂはＤＴＤを用いて構造化文書の木構造を作成するが、
ＤＴＤがない場合には、構造化文書から直接木構造を作
成してもよい。また、本実施の形態では文書構造が予め
決められた場合について各階層のビット数を決めたが、
文書構造が予め与えられない場合には各階層のビット数
を予め４ビットなどと決めておいて使用することもでき
る。また各階層のビット数の合計は予め与えられた構造
化文書を解析して各階層で異なるタグの数からビット数
を決めてもよい。また、本実施の形態で結果作成部１１
ｆは検索結果として１文書で複数の要素が一致した場合
に複数の要素を結果として作成したが、１文書に複数の
要素が一致しても１つの結果として結果出力部１８に返
してもよい。この場合に、どの要素を返すかは検索条件
入力部１７で指定しても良いし、予め返す要素を決めて
いてもよいとする。また、本実施の形態で索引情報管理
部のビット構成を図７に示したが、各ビット数は構造化
文書の論理構造や最大文書数や１要素当たりの文字数な
どによって決定しても良いし、予め決めておいてもよい
ものとする。また、本実施の形態の図５から図１０では
１文書を対象とした構造化文書の全文検索の例を示した
が、複数文書に拡張した場合でも同様な処理で実現でき
る。また、全文検索部１１ｄの全文検索方式は特に規定
はしなかったが、文字連鎖を用いた高速検索方式などを
用いても良い。

【００２９】（実施の形態２）以下、本発明の第２の実
施の形態について、図面を参照しながら説明する。

【００３０】図１１は本発明の一実施の形態における構
造化文書管理装置を示す図である。図１１において、構
造化文書管理サーバ部１１１は、文書構造解析部１１１
ｂを有する登録部１１１ａと、全文検索部１１１ｄおよ
び文書構造判定部１１１ｅを有する検索部１１１ｃと、
結果作成部１１１ｆと、書誌一覧作成部１１１ｇからな
る。データ格納部１１２は、構造情報格納部１１２ａ
と、タグ管理情報格納部１１２ｂと、索引情報格納部１
１２ｃと、テキスト情報格納部１１２ｄと、書誌情報格
納部１１２ｅとからなる。１１３は構造化文書で、１１
４はＤＴＤ（文書型定義）で、１１５は構造化文書入力
部で、１１６は端末で、１１７は検索条件入力部で、１
１８は結果出力部であり、図１の構成と異なるのは構造
化文書管理サーバ部１１１に書誌一覧作成部１１１ｅを
追加した点である。

【００３１】以上のように構成された構造化文書管理装
置について、その動作を説明する。基本的な動作は本発
明の第１の実施の形態と同じである。第１の実施の形態
と異なる点は、登録部１１１ａでは索引情報とタグ管理
情報とテキスト情報以外に書誌情報を作成し、作成した
書誌情報を書誌情報格納部１１２ｅに格納する。また検
索部１１ｃが検索した結果は書誌一覧情報作成部１１１
ｇに送られ、検索結果の文書番号を書誌一覧作成部１１
１ｇに送る。書誌一覧作成部１１１ｇは文書番号から書
誌情報格納部１１２ｅの書誌情報を取得して結果出力部
１１８に送る。

【００３２】次に本発明の第２の実施の形態について図
１２の例を用いて説明する。図１２は図５の文書に対し
て文書全体から「構造化」という文字列で検索し、書誌
事項を取得する例を示す図である。

【００３３】図１２において１２１は全文検索用の索引
情報を格納する索引情報格納部で、索引情報格納部１２
１には図５に示す文書のみが格納されているとする。こ
の状態において文書全体に対して全文検索部１１１ｄで
「構造化」という文字列で検索すると、１２２に示すよ
うに要素番号とタグＩＤをペアとする４つの要素を検索
することができる。これら４つの要素は文書番号１の文
書であることから、書誌情報格納部１２４から文書番号
１の書誌事項を抽出し、１２５に示す結果を出力する。

【００３４】以上のように本実施の形態によれば、書誌
一覧表示に必要な情報を書誌情報格納部１１２ｅからま
とめて取得することができるので、テキスト情報格納部
１１２ｄからテキスト情報を取得する方法に比較して高
速に書誌一覧を作成することができる。

【００３５】なお、本実施の形態では、結果一覧情報は
指定した複数の要素から登録部１１１ａで作成して書誌
情報格納部１１２ｅに格納したが、別途書誌事項として
入力したデータを書誌事項として格納してもよい。ま
た、本実施の形態では、検索条件を満たした全ての結果
を出力するとしたが、検索条件を満たした全ての結果を
出力するのではなく、予め決められた件数のみ出力して
もよい。また端末から指定された件数を出力してもよ
い。

【００３６】（実施の形態３）以下、本発明の第３の実
施の形態について、図面を参照しながら説明する。

【００３７】図１３は本発明の一実施の形態における構
造化文書管理装置の構成図である。図１３において、構
造化文書管理サーバ部１３１は、文書構造解析部１３１
ｂおよび更新部１３１ｇを有する登録部１３１ａと、全
文検索部１３１ｄおよび文書構造判定部１３１ｅを有す
る検索部１３１ｃと、１３１ｆは結果作成部とからな
る。データ格納部１３２は、構造情報格納部１３２ａ
と、タグ管理情報格納部１３２ｂと、索引情報格納部１
３２ｃと、テキスト情報格納部１３２ｄからなる。１３
３は構造化文書で、１３４はＤＴＤ（文書型定義）で、
１３５は構造化文書入力部で、１３６は端末で、１３７
は検索条件入力部で、１３８は結果出力部であり、図１
の構成と異なるのは登録部１３１ａに更新部１３１ｇを
追加した点である。

【００３８】上記のように構成された構造化文書管理装
置について、以下その動作を説明する。基本的な動作は
本発明の第１の実施の形態と同じである。第１の実施の
形態と異なる点は登録部１３１ａで構造化文書を追加登
録するだけでなく、更新部１３１ｇを設けることで構造
化文書を削除、変更を行うことができる。また構造化文
書の部分的な要素の追加、削除、変更を行った場合で
も、データ格納部１３２に格納されているデータの該当
するデータのみの変更で索引情報などを更新することが
できる。

【００３９】次に本発明の第３の実施の形態について図
１４に示す例を用いて説明する。図１４は図６の各要素
番号は形式上異なるが、同一要素名は同じ内容である。

【００４０】図１４は図５の文書例に対する構造図であ
り、部分的な要素を削除する例である。

【００４１】図１４において各タグの下に括弧で書いた
ものは要素番号とタグＩＤであり、要素番号は各要素に
対して順番に番号付けたものである。また削除対象とな
る要素は節１４ｆと強調１４ｇである。この２つの要素
を削除した場合でも要素番号は１５と１７が削除される
が要素番号はテキスト情報を取得するために用いるもの
であるため１５と１７が削除されてもタグ管理情報格納
部１２ｂの全体を修正する必要はない。またタグＩＤの
０ｘ３４Ｃと０ｘ３４Ｄは構造化文書の構造から作成し
たものであるため削除しても索引情報格納部１２ｃで１
４ｆと１４ｇに該当する部分だけを未使用領域にするだ
けで全体を修正する必要はない。

【００４２】以上のように本実施の形態によれば、構造
化文書の部分的な要素の追加、削除、変更を行った場合
でも、データ格納部１３２に格納されているデータに対
して更新対象となる該当部分の変更で索引情報などを更
新することができる。

【００４３】なお、本実施の形態では、更新部１３１ｇ
は要素単位の削除の例を示したが、要素単位の追加の場
合にも要素番号については使用していない要素番号を使
用すれば良いし、タグＩＤは文書構造のどこに追加した
かによって一意に決まるのでデータ格納部１３２の全体
に影響を与えることなない。また修正についても同様な
処理で簡単にデータ格納部１３２を更新することができ
る。

【００４４】（実施の形態４）以下、本発明の第４の実
施の形態について、図面を参照しながら説明する。

【００４５】図１５は本発明の一実施の形態における構
造化文書管理装置を示す図である。図１５において、構
造化文書管理サーバ部１５１は、文書構造解析部１５１
ｂを有する登録部１５１ａと、全文検索部１５１ｄ、文
書構造判定部１５１ｅ及びランキング検索部１５１ｇを
有する検索部１５１ｃと、、結果作成部１５１ｆとから
なる。データ格納部１５２は、構造情報格納部１５２ａ
と、タグ管理情報格納部１５２ｂと、索引情報格納部１
５２ｃと、テキスト情報格納部１５２ｄとからなる。１
５３は構造化文書で、１５４はＤＴＤ（文書型定義）
で、１５５は構造化文書入力部で、１５６は端末で、１
５７は検索条件入力部で、１５８は結果出力部であり、
図１の構成と異なるのは検索部１５１ｃにランキング検
索部１５１ｇを追加した点である。

【００４６】上記のように構成された構造化文書管理装
置について、以下その動作を説明する。基本的な動作は
本発明の第１の実施の形態と同じである。第１の実施の
形態と異なる点は、検索条件入力部１５７で検索文字列
について重みを指定することができ、全文検索部１５１
ｄで全文検索した結果に対してランキング検索部１５１
ｇがヒットした要素に対する重みＷｉ（ｉは検索文字列
の個数）と式番号に対するヒットした個数ＮｉからＷ１
×Ｎ１＋Ｗ２×Ｎ２＋．．．＋Ｗｉ×Ｎｉを求め各文書
に対してスコアを計算する。全ての文書に対してスコア
を計算した後にスコアでソートして、スコアの高いほう
から順番に結果を出力する。

【００４７】次に本発明の第４の実施の形態について図
１６に示す例を用いて説明する。図１６は検索条件に重
みを付けた例を示す図である。

【００４８】１６１は式番号で、１６２は検索対象のタ
グ名で、１６３は検索文字列で、１６４は重みである。
式番号１の検索対象は「題名」で検索文字列は「ＳＧＭ
Ｌ」で重みは「５０」であり、式番号２の検索対象は
「本文」で検索文字列は「ＸＭＬ」で重みは「３０」で
あり、式番号３の検索対象は「付録」で検索文字列は
「ＨＴＭＬ」で重みは「１０」であり、式番号４は論理
式で式１と式２と式３の和演算を示す。この例では「題
名」から「ＳＧＭＬ」でヒットした場合の重みが高く、
次が「本文」から「ＸＭＬ」でヒットした場合であり、
最後が「付録」から「ＨＴＭＬ」でヒットした場合であ
る。

【００４９】以上のように本実施の形態によれば、ラン
キング検索部１５１ｇを設けることにより、一致した要
素の重要度によって重み付けを行うことでき、重み付け
と一致した個数によってスコアを計算し、スコア順にソ
ートして検索結果を並べ替えることにより、検索条件と
の一致度の高い構造化文書を最初に端末に表示すること
ができる。

【００５０】なお、本実施の形態では、検索条件に重み
付けを行った例を示したが、登録部１５１ａが索引情報
登録部１５２ｃに索引情報を登録する際に、索引情報の
文字連鎖単位に重み付けを行ってもよく、式番号に対す
る１検索文字列の平均の重みＳｉ（ｉは式番号）として
スコアは（Ｗ１＋Ｓ１）×Ｎ１＋（Ｗ２＋Ｓ２）×Ｎ２
＋．．．＋（Ｗｉ＋Ｓｉ）×Ｎｉで計算してもよい。ま
た本実施の形態では、検索条件に重み付けを行った例を
示したが、検索式に対して重み付けを行うのではなく、
要素単位に重み付けを予め指定しておいてもよい。ま
た、本実施の形態で用いたスコアの計算式は一例であり
別の計算式を用いてもよい。

【００５１】

【発明の効果】以上のように本発明は、構造化文書の論
理構造を利用した管理装置と全文検索方法に関するもの
で、構造化文書の構造情報を符号化して索引情報に付加
することで、構造化文書の要素を指定した全文検索を高
速に行うことができるという効果を有する。

【００５２】また、論理構造を利用しない文書全体から
の検索や、論理構造の上位層または中間層を指定する場
合でも同じような検索時間で検索することができるとい
う効果を有する。

【００５３】また、書誌一覧表示に必要な情報を書誌情
報格納部にまとめて格納することで、書誌一覧作成時に
は書誌情報をまとめて取得することができるので、テキ
スト情報格納部から必要な要素を複数個取得する方法に
比較して高速に書誌一覧を作成することができるという
効果を有する。

【００５４】また、構造化文書の部分的な要素の追加、
削除、変更を行った場合でも、データ格納部に格納され
ているデータに対して更新対象となる該当部分の変更で
索引情報などを更新することができるという効果を有す
る。

【００５５】更にランキング検索部を設けることによ
り、一致した要素の重要度によって重み付けを行うこと
でき、重み付けと一致した個数によってスコアを計算
し、スコア順にソートして検索結果を並べ替えることに
より、検索条件との一致度の高い構造化文書を最初に表
示することができるという効果を有する。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態における構造化文書
管理装置の構成図

【図２】第１の実施の形態における構造化文書の論理構
造例を示す図

【図３】第１の実施の形態における構造化文書の各階層
における要素の個数を示す図

【図４】第１の実施の形態におけるタグＩＤのビット構
成を示す図

【図５】第１の実施の形態における構造化文書の例を示
す図

【図６】第１の実施の形態における要素番号とタグＩＤ
を示す図

【図７】第１の実施の形態における索引情報を示す図

【図８】第１の実施の形態におけるタグ管理情報を示す
図

【図９】第１の実施の形態における「構造化」での検索
例を示す図

【図１０】第１の実施の形態における「本文」から「構
造化」で検索する例を示す図

【図１１】本発明の第２の実施の形態における構造化文
書管理装置の構成図

【図１２】第２の実施の形態における結果一覧の利用を
示す図

【図１３】本発明の第３の実施の形態における構造化文
書管理装置の構成図

【図１４】第３の実施の形態における削除例を示す図

【図１５】本発明の第４の実施の形態における構造化文
書管理装置の構成図

【図１６】第４の実施の形態における検索条件の例を示
す図

【図１７】従来の構造化文書管理装置の構成図

【符号の説明】

１１構造化文書管理サーバ部１１ａ登録部１１ｂ文書構造解析部１１ｃ検索部１１ｄ全文検索部１１ｅ文書構造判定部１１ｆ結果作成部１２データ格納部１２ａ構造情報格納部１２ｂタグ管理情報格納部１２ｃ索引情報格納部１２ｄテキスト情報格納部１３構造化文書１４ＤＴＤ１５構造化文書入力部１６端末１７検索条件入力部１８結果出力部２１文書２２書誌２３題名２４著者２５日付２６本文２７章２８見出し２９段落２ａ節２ｂ強調２ｃ下線２ｄ付録３１文書３２書誌３３題名３４著者３５日付３６本文３７章３８見出し３９段落３ａ節３ｂ強調３ｃ下線３ｄ付録４１各階層のビット数４２タグ名４３順序の２進表現４４タグＩＤ５１構造化文書の例６１文書６２書誌６３題名６４著者６５日付６６本文６７章６８見出し６９段落６ａ節６ｂ強調６ｃ章６ｄ見出し６ｅ段落６ｆ節６ｇ節６ｈ強調６ｉ付録７１文書番号７２位置７３タグＩＤ７４要素番号７５文書番号７６位置７７タグＩＤ７８要素番号８１要素番号８２開始位置８３バイト数８４タグＩＤ８５テキスト情報格納部９１索引情報格納部９２要素番号とタグＩＤ９３タグ管理情報格納部９４テキスト情報格納部９５検索結果１０１索引情報格納部１０２要素番号とタグＩＤ１０３タグＩＤの判定条件１０４判定結果の要素番号とタグＩＤ１０５タグ管理情報格納部１０６テキスト情報格納部１０７検索結果１１１構造化文書管理サーバ部１１１ａ登録部１１１ｂ文書構造解析部１１１ｃ検索部１１１ｄ全文検索部１１１ｅ文書構造判定部１１１ｆ結果作成部１１１ｇ書誌一覧作成部１１２データ格納部１１２ａ構造情報格納部１１２ｂタグ管理情報格納部１１２ｃ索引情報格納部１１２ｄテキスト情報格納部１１３構造化文書１１４ＤＴＤ１１５構造化文書入力部１１６端末１１７検索条件入力部１１８結果出力部１２１索引情報格納部１２２要素番号とタグＩＤ１２３文書番号１２４書誌情報格納部１２５検索結果１３１構造化文書管理サーバ部１３１ａ登録部１３１ｂ文書構造解析部１３１ｃ検索部１３１ｄ全文検索部１３１ｅ文書構造判定部１３１ｆ結果作成部１３１ｇ更新部１３２データ格納部１３２ａ構造情報格納部１３２ｂタグ管理情報格納部１３２ｃ索引情報格納部１３２ｄテキスト情報格納部１３３構造化文書１３４ＤＴＤ１３５構造化文書入力部１３６端末１３７検索条件入力部１３８結果出力部１４１文書１４２書誌１４３題名１４４著者１４５日付１４６本文１４７章１４８見出し１４９段落１４ａ節１４ｂ強調１４ｃ章１４ｄ見出し１４ｅ段落１４ｆ節１４ｇ強調１４ｈ節１４ｉ付録１５１構造化文書管理サーバ部１５１ａ登録部１５１ｂ文書構造解析部１５１ｃ検索部１５１ｄ全文検索部１５１ｅ文書構造判定部１５１ｆ結果作成部１５１ｇランキング検索部１５２データ格納部１５２ａ構造情報格納部１５２ｂタグ管理情報格納部１５２ｃ索引情報格納部１５２ｄテキスト情報格納部１５３構造化文書１５４ＤＴＤ１５５構造化文書入力部１５６端末１５７検索条件入力部１５８結果出力部１６１式番号１６２検索対象１６３検索文字列１６４重み１７１構造化文書管理サーバ部１７１ａ登録部１７１ｂＳＱＬ生成部１７１ｃ結果作成部１７２リレーショナルデータベース１７２ａ構造情報格納部１７２ｂタグ管理情報格納部１７２ｃテキスト情報格納部１７３構造化文書１７４ＤＴＤ１７５構造化文書入力部１７６端末１７７検索条件入力部１７８結果出力部

Claims

【特許請求の範囲】

【請求項１】論理的構造を持った構造化文書を管理す
る処理を行う際に、構造化文書の検索を行うための索引
情報と論理構造の位置を符号化した情報を格納する索引
情報格納部を有するデータ格納部を備え、このデータ格納部に格納された構造化文書の要素間の関
係を解析する文書構造解析部を有し、前記索引情報と前
記論理構造の位置を符号化した情報と前記文書構造解析
部で解析した結果としての構造情報と構造化文書とを前
記データ格納部に格納する登録部と、外部から検索条件として論理構造の要素を指定できる検
索条件入力部と、前記検索条件入力部から送られる検索式から前記データ
格納部の索引情報を読み込んで検索を行う全文検索部
と、検索式で指定された論理構造の要素指定を満たして
いるか否か判定する文書構造判定部とを有し、前記全文
検索部と前記文書構造判定部から構成され検索結果件数
を出力する検索部とを有する構造化文書管理サーバ部を
備えることを特徴とする構造化文書管理装置。
【請求項２】論理的構造を持った構造化文書を管理す
る処理を行う際に、構造化文書の各要素間の関係を格納
する構造情報格納部と、構造化文書のタグの位置を格納
するタグ管理情報格納部と、構造化文書の検索を行うた
めの索引情報と論理構造の位置を符号化した情報を格納
する索引情報格納部と、検索結果として提示するための
構造化文書を格納するテキスト情報格納部からなるデー
タ格納部を備え、このデータ格納部に格納された構造化文書の要素間の関
係を解析する文書構造解析部を有し、前記索引情報と前
記論理構造の位置を符号化した情報と前記文書構造解析
部で解析した結果としての構造情報と構造化文書とを前
記データ格納部に格納する登録部と、外部から検索条件として論理構造の要素を指定できる検
索条件入力部と、前記検索条件入力部から送られる検索式から前記データ
格納部の索引情報を読み込んで検索を行う全文検索部
と、検索式で指定された論理構造の要素指定を満たして
いるか否か判定する文書構造判定部とを有し、前記全文
検索部と前記文書構造判定部から構成され検索結果件数
を出力する検索部と、前記検索部の検索結果を満たす構造化文書を前記データ
格納部から読み出して検索結果を作成する結果作成部と
からなる構造化文書管理サーバ部を備えることを特徴と
する構造化文書管理装置。
【請求項３】請求項１または２に記載の検索部で論理
構造の要素を指定した検索の場合は、前記全文検索部に
よって全文検索した結果に対してさらに索引情報格納部
に格納されている論理構造の位置を符号化した情報を用
いて簡単な論理演算を行うことにより検索結果を求める
ステップと、論理構造の要素を指定しない検索の場合
は、前記索引情報格納部から読み出した索引情報に対し
て全文検索することで検索結果を求めるステップとから
なる構造化文書検索方法。
【請求項４】前記登録部で検索結果の書誌一覧表示の
際に使われる情報をあらかじめ前記データ格納部の書誌
情報格納部に格納し、前記検索部で検索された文書の番
号をもとにして前記書誌情報格納部から書誌情報を取得
して検索結果としての書誌一覧情報を作成する書誌一覧
作成部をさらに設けることを特徴とする請求項２記載の
構造化文書管理装置。
【請求項５】前記データ格納部に格納した構造化文書
に対して、文書を追加するだけではなく、一度登録した
文書に対して要素を削除、要素を追加、要素を変更でき
る更新部をさらに設けることにより、データ格納部の内
容を該当要素だけで論理構造の要素を更新することが可
能な請求項２記載の構造化文書管理装置。
【請求項６】請求項２記載の構造化文書管理サーバ部
は、論理構造の要素を指定した検索処理を行う際に、論
理構造の要素に対して重み付けを指定する検索条件入力
部と、前記索引情報格納部から索引情報を読み出して全
文検索すると同時に重み付けと出現頻度によってスコア
を計算し、前記スコアによって検索された文書を並び替
えることができるランキング検索部を有することによ
り、重み付けの高い要素でヒットした文書を最初に端末
に表示することを特徴とした請求項２記載の構造化文書
管理装置。