JP2000242650A - 類似文書検索方法、類似文書検索装置、および類似文書検索プログラムを記録したコンピュータ読み取り可能な記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 多様な表現に対応して検索漏れを防ぎつつ、
検索ゴミの少ない検索結果を得る。 【解決手段】 検索文を入力する入力ステップＳ２０１
と、入力された検索文を解析用単語辞書(103)に基づい
て単語単位に分割する形態素解析ステップＳ２０２と、
単語間の構文的係り受け関係を解析する構文解析ステッ
プＳ２０３と、構文解析ステップの構文解析結果に基づ
き文書データベース１０５を検索する一次検索ステップ
Ｓ２０４と、領域依存の概念知識を格納した概念知識デ
ータベース１０８を基に検索文と一次検索ステップの検
索結果との意味的な照合を行い類似あるいは非類似の検
索結果を出力する意味照合ステップＳ２０５とを備えて
いる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、ヘルプデスク支
援システム等で利用される類似文書検索方法、および類
似文書検索装置等に関するものである。

【０００２】

【従来の技術】検索文に厳密に一致する検索結果だけで
なく、異なる表現で同じ意味内容を表す文書を検索した
いという要求が強い。こうした要求に対して、これまで
以下の技術が開示されている。 （１）検索入力文をシソーラス等により展開して検索も
れを少なくする。（特開平１０−２３２８７７号公報） （２）単語間の構文的もしくは意味的関係を関係対応テ
ーブルに記述しておき、同テーブルを用いて検索入力文
を展開して検索もれを少なくする。（特開平１０−１１
４６２号公報） （３）データベース中より２単語の関係を自動抽出して
知識ベースとして蓄え、さらに専門家の知識を補助的に
使用することにより検索もれを少なくする。（特開平４
−３５７５６８号公報）

【０００３】図１４は、上記先行技術（１）に示された
従来の検索方式である。まず、第一の文字列入力部１４
０１において入力した検索キーワード（ここでは「hype
rtension」）を、第一のシソーラス辞書システム１４０
２により類義の表現「高血圧」に変換する。つぎにデー
タベース側のキーワードである「血圧が高い」と類似度
評価部１４０５において文字列照合を行い、該評価部に
よる評価値を、しきい値設定部１４０６において設定さ
れたしきい値と判定部１４０７において、入力キーワー
ド「hypertension」がデータベース側のキーワード「血
圧が高い」に一致するか否かを判定する。一致すると判
定されれば、「hypertension」という検索入力に対し
て、「血圧が高い」というキーワードをもつデータが、
データベースより検索される。

【０００４】先行技術（２）においては、入力検索文を
意味解析し、関係対応テーブルを参照して上記解析結果
を類似の意味表現に展開して検索することにより、例え
ば「日本が米国に輸出する」という検索文より「日本か
ら米国が輸入する」という表現を検索可能としている。

【０００５】先行技術（３）においては、データベース
中より「を格」と動詞、「に格」と動詞に代表される２
単語の関係を自動抽出して知識ベースとして蓄え、さら
に専門家の知識を補完テンプレートとして手作業により
入力し、これを補助的に使用することにより検索もれを
少なくして、入力検索文と意味の類似する文書を検索す
るという方法が開示されている。

【０００６】

【発明が解決しようとする課題】しかし、従来技術には
以下の問題点がある。従来技術（１）および（２）で
は、過剰な展開により、検索ゴミが増加する。例えば、
従来方式によれば、「点灯する」の類義語展開として
「つく」が得られたとしても、キーワード単位でしか処
理していなかったり、格要素を指定することができない
ため、「ランプが点灯しない」という検索文に対して
「ランプがつかない」を検索できるようになるものの、
「金具がつかない」「蓋がつかない」「ランプが点灯す
る」などの大量の検索ゴミが発生する問題があった。

【０００７】一方、従来技術（３）においては、データ
ベース中より抽出した知識ベースおよび専門家の知識を
利用して類似文書検索を行うことにより、精度のよい検
索を試みている。しかし、利用する知識ベースは２単語
間の関係に限定されたものであり、類似度計算において
も同知識ベースに基づく限定された方法であり、十分な
精度を与えるものではない。また、上記いずれの従来技
術においても、未知語を含んだ入力、および構文的に誤
りを含んだ検索文に対する類似検索処理については考慮
されていなかった。

【０００８】この発明は上記のような問題点を解決する
ためになされたもので、領域限定の概念知識（領域オン
トロジー）を用いた推論を行うことにより、多様な表現
に対応して検索漏れを防ぎつつ、検索ゴミの少ない検索
結果を得ることが出来る類似文書検索方法、類似文書検
索装置、および類似文書検索プログラムを記録したコン
ピュータ読み取り可能な記憶媒体を得ることを目的とす
る。また、構文的に誤りを含んだ文が検索文として入力
されても、概念知識を用いて自動的に修正することによ
り、適切な検索結果を得ることを目的とする。さらに、
入力検索文が未知語を含んでいる場合でも、概念知識を
用いて当該未知語の概念を推定し、適切な検索結果を得
ることが出来る類似文書検索方法、類似文書検索装置、
および類似文書検索プログラムを記録したコンピュータ
読み取り可能な記憶媒体を得ることを目的とする。

【０００９】

【課題を解決するための手段】この発明に係る類似文書
検索方法は、検索文を入力する入力ステップと、入力さ
れた検索文を解析用単語辞書に基づいて単語単位に分割
する形態素解析ステップと、単語間の構文的係り受け関
係を解析する構文解析ステップと、構文解析ステップの
構文解析結果に基づき文書データベースを検索する一次
検索ステップと、領域依存の概念知識を格納した概念知
識データベースを基に検索文と一次検索ステップの検索
結果との意味的な照合を行い類似あるいは非類似の検索
結果を出力する意味照合ステップとを備えている。

【００１０】また、文書データベースは、文書の構文解
析結果を有し、一次検索ステップは、構文解析結果を索
引として検索する。

【００１１】また、一次検索ステップが索引として用い
る構文解析結果は、木構造である。

【００１２】また、一次検索ステップは、照合対象範囲
を絞り込む一次検索絞込みステップを有する。

【００１３】また、意味照合ステップは、構文的要素の
重要度によって意味構造の照合を行う。

【００１４】また、意味照合ステップは、構文的要素が
必須格要素であるか任意格要素であるかによって意味構
造の照合計算に重みづけをする。

【００１５】また、概念知識データベースは、意味的な
包含関係を示すＩＳ−Ａ知識を有し、意味照合ステップ
は、ＩＳ−Ａ知識に基づいて意味構造の照合を行う。

【００１６】また、概念知識データベースは、意味的な
部分−全体の関係を示すＨＡＳ−Ａ知識を有し、意味照
合ステップは、ＨＡＳ−Ａ知識に基づいて意味構造の照
合を行う。

【００１７】また、概念知識データベースは、格関係知
識を有し、意味照合ステップは、格関係知識に基づいて
意味構造の照合を行う。

【００１８】また、形態素解析ステップは、未知語範囲
を推定する未知語推定ステップを有し、構文解析ステッ
プは、概念知識データベースを参照して未知語の概念を
推定する未知語概念推定ステップを有する。

【００１９】また、構文解析ステップは、概念知識デー
タベースを参照して異常な係り受け関係を修正する係り
受け関係修正ステップを有する。

【００２０】また、意味照合ステップは、照合の詳細度
を設定する意味照合詳細度設定ステップを有する。

【００２１】また、照合の詳細度として木構造の深さを
指定する。

【００２２】また、この発明に係る類似文書検索装置
は、検索文を入力する入力手段、入力された検索文を解
析用単語辞書に基づいて単語単位に分割する形態素解析
手段、単語間の構文的係り受け関係を解析する構文解析
手段、構文解析ステップの構文解析結果に基づき文書デ
ータベースを検索する一次検索手段と、領域依存の概念
知識を格納した概念知識データベースを基に検索文と一
次検索手段の検索結果との意味的な照合を行い類似ある
いは非類似の検索結果を出力する意味照合手段とを備え
ている。

【００２３】また、この発明に係る類似文書検索プログ
ラムを記録したコンピュータ読み取り可能な記憶媒体
は、（ａ）検索文を入力する入力手順、（ｂ）入力され
た検索文を解析用単語辞書に基づいて単語単位に分割す
る形態素解析手順、（ｃ）単語間の構文的係り受け関係
を解析する構文解析手順、（ｄ）構文解析ステップの構
文解析結果に基づき文書データベースを検索する一次検
索手段手順、（ｅ）領域依存の概念知識を格納した概念
知識データベースを基に検索文と一次検索手段の検索結
果との意味的な照合を行い類似あるいは非類似の検索結
果を出力する意味照合手順、を備えている。

【００２４】

【発明の実施の形態】実施の形態１．図１は本発明の類
似文書検索装置を示す構成図である。図１に示した類似
文書検索装置は、検索文を入力する入力手段としての検
索文入力部１０１、検索文を単語単位に分割する形態素
解析手段としての形態素解析部１０２、前記形態素解析
部１０２において使用する解析用単語辞書１０３、形態
素解析結果を文法にしたがって係り受け解析する構文解
析手段としての構文解析部１０４、大量の文書を検索し
やすいよう索引つきで格納する文書データベース１０
５、構文解析結果に基づいて前記文書データベースを検
索する一次検索手段としての一次検索部１０６、前記一
次検索部１０６の処理結果を格納する一次検索結果格納
部１０７、領域依存の概念知識を記述した概念知識デー
タベース１０８（図中および以下では領域限定概念知識
１０８と略記する）、前記領域限定概念知識１０８を参
照しつつ、入力文の構文解析結果と一次検索結果格納部
の各文との意味照合を行う意味照合手段としての意味照
合部１０９、および検索結果を出力する検索結果出力部
１１０から構成される。

【００２５】図２は本発明の類似文書検索処理のフロー
チャートである。以下、適宜図１および詳細図面を参照
しつつ、図２のフローチャートにしたがって検索処理に
ついて具体例を用いて説明する。まず、ステップＳ２０
１において、本装置の利用者が検索文入力部１０１によ
り、所望の文書を検索するための検索文を入力する。こ
のとき、キーボードによる入力はもちろんのこと、文字
認識装置または音声認識装置による入力でも良い。ここ
では、例えば「ＯＳがＣＤＲＯＭドライブを認識しな
い」という検索文が入力されるものとする。

【００２６】つぎに、ステップＳ２０２において検索文
３０５の形態素解析を行なう。図３は形態素解析部１０
２の詳細ブロック図である。コスト最小法解析部３０１
では、解析用単語辞書１０３、付属語辞書３０２、およ
び付属語接続表３０３を参照しつつ、コスト最小法（文
献１：「未登録語を含む日本語文の形態素解析」、吉村
他、情報処理学会論文誌Vol.30, No.3, pp.294-301(198
9)）にしたがって形態素解析を行う（図４：ステップＳ
４０１）。コスト最小法、付属語辞書および付属語接続
表については、前記文献１に詳述されているので説明は
省略する。なお以下の説明では、図３の解析途中結果３
０９のように、形態素の区切りを「／」によって示して
略記することとする。

【００２７】解析途中結果３０９の自立語部分から、解
析用単語辞書に記述された情報、見出し３０６、品詞情
報３０７、概念情報３０８を参照可能となるよう構成す
る。このとき、辞書を参照するためのポインタ情報を保
持しても良いし、辞書が二次記憶に存在するなど参照に
時間を要する場合、一次記憶上に前記情報をコピーして
もよい。なお以下の説明では、図３における３０８のよ
うに単語を＜＞でくくった場合は、概念情報を表すもの
とする。

【００２８】未知語範囲推定部３０４では、解析途中結
果３０９に未知語が含まれていないかどうかを検知し、
含まれている場合は未知語範囲を推定して未知語形態素
として切り出す（図４：ステップＳ４０２）。ここで
は、解析途中結果３０９に未知語が検出されないため、
形態素解析出力結果３１０は解析途中結果３０９に等し
くなる。

【００２９】つぎに、図２のステップＳ２０３において
検索文の構文解析を行う。図５は構文解析部１０４の詳
細ブロック図である。構文解析部１０４は、係り受け解
析を行う基本単位である文節構造５０６を生成する文節
構造生成部５０１、文法規則５０３を参照しながら係り
受け解析を行う係り受け解析部５０２、領域限定概念知
識１０８を参照して未知語概念の推定を行う未知語概念
推定部５０４、同じく領域限定概念知識１０８を参照し
て係り受け関係の修正を行う係り受け関係修正部５０５
から構成される。

【００３０】図６は構文解析ステップＳ２０３の動作を
詳細に説明したフローチャートである。以下、図５を参
照しつつ図６の各ステップについて説明する。

【００３１】ステップＳ６０１では、文節構造生成部５
０１が図３の形態素解析出力結果３１０を入力とし、係
り受け解析を行う基本単位である文節構造５０６を生成
する。文節構造は、最低１つの自立語形態素および同自
立語形態素に連なる０個以上の付属語形態素からなる。
文節構造５０６の一例を図７に示す。図７において文節
構造は、係り属性７０１、受け属性７０２、自立語情報
７０３、付属語情報７０４からなる。自立語情報７０３
は、当該文節を構成する自立語形態素情報へのポインタ
である。付属語情報７０４は、０個以上の複数の付属語
形態素情報へのポインタ配列である。

【００３２】つぎにステップＳ６０２において、文節構
造５０６に未知語形態素が含まれるかどうかを判定す
る。未知語形態素が含まれている場合は、ステップＳ６
０３において未知語概念推定部５０４が未知語概念の推
定を行う。本実施の形態における入力（図３：検索文３
０５）の場合、未知語は含まれないので未知語概念推定
処理は行われずステップＳ６０４に進む。（ステップＳ
６０３における処理については実施の形態２．において
説明する。）

【００３３】ステップＳ６０４では、係り受け解析制御
部５０２が文法規則５０３にしたがって文節構造５０６
の係り受け解析を行なう。例えばＣＹＫ法（文献２：
「自然言語理解」、田中、辻井共編、オーム社、１９８
９年、第３章 統語解析の手法［１］ＣＹＫ法）にした
がって解析を行なう。文法規則に基づいた係り受け解析
の方法については、文献２をはじめとして多くの文献に
解説されているので、ここでは詳細な説明は省略する。
なお一般に、係り受け解析の際には多数の曖昧性を生ず
るが、該曖昧性を解消するために領域限定概念知識１０
８を適宜参照することとする。

【００３４】つぎに、ステップＳ６０５において、係り
受け解析が成功したかどうかを判定する。失敗していた
場合は、ステップＳ５０６に進み、係り受け関係修正部
４０６が異常な係り受け関係を修正する。本実施の形態
における入力（図３：検索文３０５）の場合は、解析が
成功するので係り受け関係修正処理は行われない。（ス
テップＳ６０６における処理については実施の形態３．
において説明する。）

【００３５】つぎに、図２のステップＳ２０４において
文書データベースの一次検索を行なう。文書データベー
ス１０５が少量の文書しか含まなければ、入力検索文を
すべての対象文書内の文と意味照合を行うという方法も
考えられるが、一般には大量の文書が格納されているた
め、すべての文と照合処理を行うと処理時間に問題が生
じる。この問題を解決するために、図８に示した索引を
用いて、図９に示した一次検索処理を行い、意味照合処
理を行なう対象文書および文を絞り込む。

【００３６】検索アルゴリズムを説明する前に、一次検
索用の索引の構成について説明する。図８は文書データ
ベースの一次検索用索引の一例である。索引には、登録
文書に含まれる各文の構文解析結果８０１を用いる。本
発明においては、類似文書の検索にあたって、検索文と
類似する文を含む文書を検索するものとする。図８では
簡単のため、各文書について１文のみの構文解析結果を
示したが、実際には各文書に対して複数の文が対応す
る。ここで、各文書に含まれるすべての文によって一次
検索用の索引を構成しても良いし、各文書において当該
文書の特徴を表わす文をあらかじめ抽出しておき、検索
に用いる文を絞り込んでおいてから索引を構成しても良
い。

【００３７】ここで、構文解析結果の木構造の深さに応
じて、ルートノードから第一レベル、第二レベルという
ようにノードを分類して意味シンボルによる索引を作成
する。まず、第一レベルのノード（ルートノード）がも
つ意味シンボル８０１ａによる索引８０２を作成する。
つぎに、索引８０２が参照する文書すべてについて、第
二レベルのノードがもつ意味シンボルによる索引８０
３、８０４および８０５などを作成する。第二レベル以
下の索引は、第一レベルの索引おのおのすべてについて
同様に作成する。各索引は、意味シンボル８０２ａ、参
照する総文書数８０２ｂ、次レベル索引へのポインタ８
０２ｃからなる。次レベル索引へのポインタの最後は、
実際の文書および文の位置への参照ポインタを記したリ
ーフノード８０６に至る。

【００３８】図９は一次検索のアルゴリズムを説明する
フローチャートである。まずステップＳ９０１におい
て、処理終了判定に用いる閾値件数を設定する。この閾
値については、システムごとに固有の値であっても良い
し、別途、閾値設定手段を設けて対象文書に応じて使用
者が適宜設定するように構成しても良い。ここでは、閾
値件数として１００件が設定されるとする。

【００３９】つぎにステップＳ９０２において、検索入
力文の構文解析結果（図５：係り受け構造５０７）の第
一レベルノードの意味シンボルにより、図８における第
一レベルの索引を検索する。簡略化のため図８には示し
ていないが、第一ノードの索引を意味シンボルにより検
索するための索引は別途作成しておくものとする。

【００４０】つぎに、ステップＳ９０３において、検索
結果の有無を判定する。ここでは、意味シンボル＜検出
動作＞による検索に成功するので、ステップＳ９０６に
進む。検索結果は図１の一次検索結果格納部１０７に格
納される。入力意味シンボルの検索に失敗した場合に
は、ステップＳ９０４において領域限定概念知識１０８
を参照し、上位概念による検索を行なう。ステップＳ９
０４での検索に失敗した場合は、一次検索の時点で類似
文書検索結果が０件として終了する（ステップＳ９０
５）。

【００４１】ステップＳ９０６において、検索結果の件
数を判定する。閾値件数Ｎｍａｘに比べて件数が多い場
合はステップＳ９０７に進む。件数が少ない場合は一次
検索ステップＳ２０４を終了する。第一レベルノード索
引８０２を参照すると、総文書数８０２ｂが５９０件な
ので、ステップＳ９０７に進む。

【００４２】ステップＳ９０７からステップＳ９１１の
ループ処理では、第二レベルのノードの検索を行なう。
説明を簡易にするため図９には記載しなかったが、第三
レベル以下でも絞込みを行なうために、前記ループの外
側でもうひとつのループを構成するようアルゴリズムを
修正することは容易である。

【００４３】まずステップＳ９０７において、検索入力
文の構文解析結果（図５：係り受け構造５０７）の第二
レベルの最初のノードの意味シンボル＜基本Ｓ／Ｗ＞を
第二レベルの索引より検索する。検索は８０２ｃのポイ
ンタを用いて行なう。係り受け構造５０７において第二
レベルのノードが複数存在するのに対して、ここでは、
任意の順に検索するものとするが、「を格」を優先する
というように、検索順序を指定してもよい。

【００４４】つぎにステップＳ９０８において、検索結
果の有無を判定する。ステップＳ９０７における絞込み
検索が失敗した場合は、ステップＳ９０９に進み直前の
検索結果を採用し、一次検索ステップＳ２０４を終了す
るものとする。絞込み検索に成功した場合は図１の一次
検索結果格納部１０７の内容を更新してステップＳ９１
０に進む。

【００４５】ステップＳ９１０において、件数を判定す
る。件数が多い場合はステップＳ９１１に進む。件数が
少ない場合は一次検索ステップＳ２０４を終了する。件
数判定に使用するスレッショルドＮは、ステップＳ９０
６と同じ値を使用する。ここでは、索引８０３により総
文書数が４８０件であることがわかるのでステップＳ９
１１に進む。ステップＳ９１１では、係り受け構造５０
７の第二レベルに他ノードがあるかどうかを判定し、な
ければ一次検索ステップＳ２０４を終了し、あればステ
ップＳ９０７からのループ処理を続行する。

【００４６】ループ処理を続行する際には、図１の一次
検索結果格納部１０７に一時記憶されている直前の検索
結果を使用する。次ノードの検索結果文書一覧をリーフ
ノードまで参照して、直前の検索結果との積集合の要素
数を検索結果の件数としてステップＳ９０９の件数判定
を行なう。ここでは、第二レベルのノードは２つしかな
いので、二度目のステップＳ９１０の判定においてルー
プ処理を抜けて、一次検索処理ステップＳ２０４の処理
を終了する。

【００４７】つぎに、図２のステップＳ２０５におい
て、図１の一次検索結果格納部１０７に格納された各文
書の該当文と、入力された検索文の係り受け解析結果５
０７との意味照合処理を行なう。意味照合処理について
は、同処理において使用する領域限定概念知識１０８の
一例を図１０に示し、これを参照しつつ図１１に示すフ
ローチャートにしたがって説明する。

【００４８】まず、ステップＳ１１０１においてループ
処理のための初期化を行なう。つぎに、ステップＳ１１
０２からステップＳ１１０４までのループ処理を一次検
索結果の各文に対して実行する。ステップＳ１１０３に
おいて、一次検索結果のｉ番めの文と入力検索文Ｓ０
（図５：係り受け構造５０７）との類似度計算を行な
う。

【００４９】類似度の計算については、図１２を用いて
説明する。図１１のステップＳ１１０３における類似度
計算関数Ｓｉｍ（Ａ，Ｂ，Ｄ）において、引数のＡおよ
びＢは、構文解析結果である係り受け構造であり、図１
２に示したような木構造である。引数のＤは、類似度計
算の際の照合の詳細度であり、図１２に示した２つの木
構造の類似度計算の際に、ルートノードから何階層めま
でを処理対象とするかを示す値である。ここでは簡単の
ため、Ｄ＝２として説明する。

【００５０】最初に初期類似度１．０を与える。類似度
１．０は、入力された２つの文が、まったく同じ意味を
表わすということを意味する。以下の処理では、木構造
をたどりながら各ノードの情報を比較し、異なる部分に
ペナルティをあたえ、１．０から減じていく。類似度が
０になった時点で、比較対象は類似していないとみなし
て類似度計算を停止する。類似度計算におけるペナルテ
ィ計算規則の一例を図１３に示す。

【００５１】まず、第一レベルのノード間の比較をす
る。ここでは、意味シンボルが等しく、実際の単語が異
なるので図１３の規則１３０１にしたがって、ペナルテ
ィ値−０．０１を与える。つぎに、第二レベルの比較を
行う。このとき、左側のノード（ＯＳ＜基本Ｓ／Ｗ＞）
については、情報が完全に一致するのでペナルティはな
い。右側のノードは意味シンボルが異なるので図１３の
規則１３０４にしたがってペナルティ−０．３を与え
る。このようにして、類似度は、０．６９として計算さ
れる。かりに、前記引数の値Ｄが１として与えられてい
れば、類似度計算は第一レベルのみとし、類似度は０．
９９として与えられる。このように、Ｄの値により、類
似度計算の精度を制御できるので、検索状況に応じた柔
軟な処理が可能である。

【００５２】前記構造５０７に対して図１３の規則１３
０２を適用すると、図１０に示したＩＳ−Ａ知識１００
１によって「ＭＯドライブを認識しない」という文との
類似度は０．９となる。一方、図１３に示した規則１３
０６を入力検索文「ＯＳがＣＤＲＯＭを認識しない」の
係り受け構造５０７に適用すると、「ＯＳがＣＤＲＯＭ
を認識した」との類似度は０．１となり、類似していな
いことになる。

【００５３】また前記と同様にして「マウスボタンの入
力を受け付けない」という文に対して図１３の規則１３
０３を適用すると、図１０のＨＡＳ−Ａ知識１００２を
用いて、「マウスの入力を受け付けない」という文との
類似度が高くなる。

【００５４】また「モデムを電話に接続する」という文
を入力すると、さきに説明した形態素解析ステップＳ２
０２および構文解析ステップＳ２０３において、「＜周
辺装置〉を＜電話機＞に＜接続動作＞」という解析結果
が得られる。同様にして、「モデムをパソコンに接続す
る」という文からは「＜周辺装置＞を＜計算機＞に＜接
続動作＞」という解析結果が得られる。上述２文の類似
度を求める際に規則１３０５を適用すると、前者の文が
「＜電話犠＞に」を含み後者の文が「＜計算機＞に」を
含むので、図１０における格関係知識１００３に記載さ
れた「＜周辺装置＞を＜計算機＞に＜接続動作＞」とい
う知識を参照し、構文構造における重要な要素（重要
度）である必須格要素が異なっているため類似度は小さ
くなる。ここでは説明を簡単にするために、格関係知識
１００３に記述された格を必須格とし、それ以外を任意
格としているが、格関係知識１００３の中に必須格か任
意格かを記述するフィールドを設けるような構成として
も良い。規則１３０５においてペナルティ値は固定であ
るが、このペナルティ値を格関係知識１００３の中に記
述することにより、動詞ごとに柔軟な処理を行なうこと
も可能である（構文的要素が必須格要素か任意格要素か
によって意味構造の照合計算に重みづけをする）。

【００５５】最後に、ステップＳ１１０５において、検
索結果を類似度順にソートして、図２のステップＳ２０
６において、図１の検索結果出力部１１０に出力する。
このように、本方式によれば例えキーワードレベルでは
完全に一致していても、文の意味内容が異なれば類似度
が小さくなり、ＩＳ−Ａ知識１００１によって「ＭＯド
ライブを認識しない」との類似度が高くなる。従来のキ
ーワードベースの検索においては、このようなきめの細
かい処理はしていないため、前記の否定文などが検索ゴ
ミとして上位に出力されてしまうが、本方式によれば、
例えば類似度が０．５以下の文は表示しないように設定
することで出力しないようにすることができる。

【００５６】以上のように、形態素解析ステップＳ２０
２において入力検索文を単語単位に分割し、構文解析ス
テップＳ２０３において前記入力検索文に対する係り受
け構造を生成し、一次検索ステップＳ２０４において同
係り受け構造による一次検索を行ない、意味照合ステッ
プＳ２０５において概念知識データベース１０８を参照
しつつ前記入力文と前記一次検索結果との類似度を計算
し、同類似度にしたがって検索結果を出力することで、
多様な表現を吸収しつつ検索ゴミの少ない類似文書検索
を実現している。

【００５７】また、一次検索ステップＳ２０４におい
て、照合対象候補を絞り込むことによって、処理負荷の
高い高度な意味照合処理をも可能にしている。前記照合
対象候補の絞込みにあたって、前記入力検索文の構文解
析結果である係り受け構造を用いることにより、前記意
味照合ステップＳ２０５において、より詳細な照合が可
能となるよう絞込みを行なっている。

【００５８】実施の形態２．次に、入力検索文に未知語
が含まれる場合に、当該未知語の概念を推定して類似文
書を検索する場合について説明する。全体構成および全
体処理については、実施の形態１．において示した図１
および図２と同様なので説明を省略する。以下、図２の
ステップＳ２０２およびステップＳ２０３について、図
３から図６までを参照しながら説明する。

【００５９】以下、図３に示した形態素解析処理部に対
して、検索入力文「ＤＶＤＲＡＭをＰＣに接続する方
法」が入力された場合について説明する。図４のステッ
プＳ４０１において、図３のコスト最小法解析部３０１
が実施の形態１．と同様にして形態素解析を行なう。こ
のとき、「ＤＶＤＲＡＭ」という単語が辞書に登録され
ていないものとする。すると、コスト最小法解析部３０
１は、「ＤＶＤＲＡＭ」の辞書検索に失敗するので、こ
の部分を単なる記号列として解析を行ない、「ＤＶＤＲ
ＡＭ（記号列）／を（格助詞）／ＰＣ（名詞）／に（格
助詞）／接続（サ変名詞）／する（活用語尾）／方法
（名詞）」という解析結果を出力する。つぎに、ステッ
プ３０４では、前記解析結果に「ＤＶＤＲＡＭ」という
未知の記号列が出現したことを検知し、この部分を未知
語であるとみなして、形態素解析結果「ＤＶＤＲＡＭ
（未知語）／を（格助詞）／ＰＣ（名詞）／に（格助
詞）／接続（サ変名詞）／する（活用語尾）／方法（名
詞）」を出力する。

【００６０】次に、図２のステップＳ２０４に進み、実
施の形態１．と同様にして、図６のステップＳ６０１に
おいて、文節構造「（ＤＶＤＲＡＭを）（ＰＣに）（接
続する）（方法）」を生成する。なお、ここでは説明を
簡易にするため、文節構造として形態素のまとまりの単
位のみ示すが、実際には、図７に示したような構造をも
つものとする。続けてステップＳ６０２において、未知
語ありと判定され、ステップＳ６０３に進む。

【００６１】ステップＳ６０３では、係り受け解析制御
部５０２が未知語概念推定部６０４に前記文節構造を入
力する。未知語概念推定部５０４は、領域限定概念知識
１０８を参照して、未知語の概念を推定する。未知語概
念推定部５０４は、入力された文節構造から「（＜未知
概念＞を）（＜計算機＞に）（＜接続動作＞する）（＜
方法＞）」という意味シンボル列を得て、図１０に示し
た格関係知識１００３を検索する。すると、「＜周辺装
置＞を＜計算機＞に＜接続＞する」という格関係記述が
見つかり、＜未知概念＞が＜周辺装置＞であるというこ
とを推定し、係り受け解析制御部５０２に推定結果を出
力する。

【００６２】係り受け解析制御部５０２では、前記推定
結果を受け取り、実施の形態１．と同様にして、ステッ
プＳ６０４において構文解析を実行する。以下、解析が
成功するのでステップＳ６０５を経てステップＳ２０３
の処理を終了する。

【００６３】以下、図２におけるステップＳ２０４およ
びステップＳ２０５を経て、ステップＳ２０６において
入力検索文と類似の表現である「ＣＤＲＯＭをパソコン
に接続する方法」などが出力される。

【００６４】このようにして、未知語を含む検索入力文
に対しても、未知語範囲推定部が未知語の範囲を推定
し、未知語概念推定部が領域限定概念知識を参照して未
知語の概念を推定することにより、所望の類似文書検索
結果を得ることができる。

【００６５】なお、前記の例では辞書に登録されていな
い新しい製品名が入力された場合を想定しているが、そ
の他にも検索文入力のタイプミス等による未知語も処理
可能である。例えば、「ディスプレイ」と入力するつも
りが「ティスプレイ」と誤入力した場合でも、未知語と
して検出され、概念が推定されるので、ヘルプデスク
等、電話による対話を進めながらキー入力する場合や、
音声認識および文字認識等による入力で認識誤りが含ま
れるような場合にも好適な検索結果を得ることができ
る。

【００６６】実施の形態３．次に、入力検索文に構文的
な誤りが含まれる場合に、正しい係り受け関係を推定し
て類似文書を検索する場合について説明する。全体構成
および全体処理については、実施の形態１．において示
した図１および図２と同様なので説明を省略する。以
下、図２のステップＳ２０３について、図５および図６
を参照しながら説明する。

【００６７】入力検索文として「ＣＤＲＯＭをＰＣを接
続する」が与えられた場合について説明する。まず、実
施の形態１．と同様にして、図２のステップＳ２０１お
よびステップＳ２０２において、形態素解析結果「ＣＤ
ＲＯＭ／を／ＰＣ／を／接続／する」が得られる。同じ
く実施の形態１．と同様にして、図６ステップＳ６０１
において文節構造「（ＣＤＲＯＭ＜周辺装置＞を）（Ｐ
Ｃ＜計算機＞を）（接続＜接続動作＞する）」が得られ
る。なお、ここでは説明を簡易にするため、文節構造と
して形態素のまとまりの単位のみ示すが、実際には、図
７に示したような構造をもつものとする。

【００６８】つぎにステップＳ６０２を経てステップＳ
６０４に進み係り受け解析を行なう。ここで、入力され
た文節構造には、「（ＣＤＲＯＭを）」および「（ＰＣ
を）」という２つの「を格」が含まれて重複しているた
め解析が失敗し、ステップＳ６０５を経てステップＳ６
０６に進む。

【００６９】ステップＳ６０６では、図５の係り受け関
係修正部５０５が領域限定知識１０８を参照して係り受
け関係を修正する。図１０に示した格関係知識１００３
には、「＜周辺装置＞を＜計算機＞に＜接続動作＞す
る」という知識が含まれているので、これを入力された
文節構造に適用し、「（ＰＣ＜計算機＞を）」の部分を
「（ＰＣ＜計算機＞に）」に修正してから、再度ステッ
プＳ６０４に進んで係り受け解析を行なう。

【００７０】今度は解析に成功するので、ステップＳ６
０５を経てステップＳ２０３を終了する。続けて、図２
におけるステップＳ２０４およびステップＳ２０５を経
て、ステップＳ２０６において入力検索文と類似の表現
である「ＭＯをＰＣに接続する」などが出力される。

【００７１】このようにして、構文的な誤りを含む検索
入力文に対しても、係り受け関係修正部が領域限定概念
知識を参照して係り受け関係を修正することにより、所
望の類似文書検索結果を得ることができる。例えば、ヘ
ルプデスク等、電話による対話を進めながらキー入力す
る場合や、音声認識および文字認識等による入力で認識
誤りが含まれるような場合にも好適な検索結果を得るこ
とができる。

【００７２】

【発明の効果】この発明に係る類似文書検索方法は、検
索文を入力する入力ステップと、入力された検索文を解
析用単語辞書に基づいて単語単位に分割する形態素解析
ステップと、単語間の構文的係り受け関係を解析する構
文解析ステップと、構文解析ステップの構文解析結果に
基づき文書データベースを検索する一次検索ステップ
と、領域依存の概念知識を格納した概念知識データベー
スを基に検索文と一次検索ステップの検索結果との意味
的な照合を行い類似あるいは非類似の検索結果を出力す
る意味照合ステップとを備えている。そのため、領域依
存の概念知識を用いた推論を行うことにより、多様な表
現に対応して検索漏れを防ぎ、また意味照合ステップ
は、意味構造的な照合を行うので検索ゴミの少ない検索
結果を得ることができる。

【００７３】また、文書データベースは、文書の構文解
析結果を有し、一次検索ステップは、構文解析結果を索
引として検索する。そのため、より詳細な照合が可能と
なる。

【００７４】また、一次検索ステップが索引として用い
る構文解析結果は、木構造である。そのため、構造が簡
単で構築が容易である。

【００７５】また、一次検索ステップは、照合対象範囲
を絞り込む一次検索絞込みステップを有する。そのた
め、処理負荷の高い高度な意味照合処理をも可能にして
いる。

【００７６】また、意味照合ステップは、構文的要素の
重要度によって意味構造の照合を行う。そのため、より
詳細な照合が可能となる。

【００７７】また、意味照合ステップは、構文的要素が
必須格要素であるか任意格要素であるかによって意味構
造の照合計算に重みづけをする。そのため、さらに詳細
な照合が可能となる。

【００７８】また、概念知識データベースは、意味的な
包含関係を示すＩＳ−Ａ知識を有し、意味照合ステップ
は、ＩＳ−Ａ知識に基づいて意味構造の照合を行う。そ
のため、きめ細かい検索処理をすることができ、さらに
検索ゴミを少なくすることができる。

【００７９】また、概念知識データベースは、意味的な
部分−全体の関係を示すＨＡＳ−Ａ知識を有し、意味照
合ステップは、ＨＡＳ−Ａ知識に基づいて意味構造の照
合を行う。そのため、きめ細かい検索処理をすることが
でき、さらに検索ゴミを少なくすることができる。

【００８０】また、概念知識データベースは、格関係知
識を有し、意味照合ステップは、格関係知識に基づいて
意味構造の照合を行う。そのため、より詳細な意味構造
の照合を行うことができる。

【００８１】また、形態素解析ステップは、未知語範囲
を推定する未知語推定ステップを有し、構文解析ステッ
プは、概念知識データベースを参照して未知語の概念を
推定する未知語概念推定ステップを有する。そのため、
入力で誤りが含まれるような場合にも好適な検索結果を
得ることができる。

【００８２】また、構文解析ステップは、概念知識デー
タベースを参照して異常な係り受け関係を修正する係り
受け関係修正ステップを有する。そのため、構文的な誤
りを含む検索入力文に対しても、所望の類似文書検索結
果を得ることができる。

【００８３】また、意味照合ステップは、照合の詳細度
を設定する意味照合詳細度設定ステップを有する。その
ため、詳細度を変更することができ汎用性が増す。

【００８４】また、照合の詳細度として木構造の深さを
指定する。そのため、詳細度の設定が容易であり、ま
た、構造が簡単で構築が容易である。

【００８５】また、この発明に係る類似文書検索装置
は、検索文を入力する入力手段、入力された検索文を解
析用単語辞書に基づいて単語単位に分割する形態素解析
手段、単語間の構文的係り受け関係を解析する構文解析
手段、構文解析ステップの構文解析結果に基づき文書デ
ータベースを検索する一次検索手段と、領域依存の概念
知識を格納した概念知識データベースを基に検索文と一
次検索手段の検索結果との意味的な照合を行い類似ある
いは非類似の検索結果を出力する意味照合手段とを備え
ている。そのため、領域依存の概念知識を用いた推論を
行うことにより、多様な表現に対応して検索漏れを防
ぎ、また意味照合手段は、意味構造的な照合を行うので
検索ゴミの少ない検索結果を得ることができる。

【００８６】また、この発明に係る類似文書検索プログ
ラムを記録したコンピュータ読み取り可能な記憶媒体
は、（ａ）検索文を入力する入力手順、（ｂ）入力され
た検索文を解析用単語辞書に基づいて単語単位に分割す
る形態素解析手順、（ｃ）単語間の構文的係り受け関係
を解析する構文解析手順、（ｄ）構文解析ステップの構
文解析結果に基づき文書データベースを検索する一次検
索手順、（ｅ）領域依存の概念知識を格納した概念知識
データベース(108）を基に検索文と一次検索手段の検索
結果との意味的な照合を行い類似あるいは非類似の検索
結果を出力する意味照合手順、を備えている。そのた
め、領域依存の概念知識を用いた推論を行うことによ
り、多様な表現に対応して検索漏れを防ぎ、また意味照
合手順は、意味構造的な照合を行うので検索ゴミの少な
い検索結果を得ることができる。

【図面の簡単な説明】

【図１】 本発明の類似文書検索装置を示す構成図であ
る。

【図２】 本発明の類似文書検索処理のフローチャート
である。

【図３】 形態素解析部の詳細ブロック図である。

【図４】 形態素解析ステップ動作の詳細を示すフロー
チャートである。

【図５】 構文解析部の詳細ブロック図である。

【図６】 構文解析ステップ動作を詳細に示すフローチ
ャートである。

【図７】 文節構造の一例を示す図である。

【図８】 文書データベースの一次検索用索引の一例を
示す図である。

【図９】 一次検索のアルゴリズムを説明するフローチ
ャートである。

【図１０】 領域限定概念知識の一例を示す図である。

【図１１】 意味照合処理の詳細を示すフローチャート
である。

【図１２】 類似度の計算の木構造を示す図である。

【図１３】 類似度計算におけるペナルティ計算規則の
一例を示す図である。

【図１４】 従来の検索方式を説明する図である。

【符号の説明】

１０１ 入力手段（入力手順）、１０２ 形態素解析手
段（形態素解析手順）、１０３ 解析用単語辞書、１０
４ 構文解析手段（構文解析手順）、１０５文書データ
ベース、１０６ 一次検索手段（一次検索手順）、１０
８ 概念知識データベース、１０９ 意味照合手段（意
味照合手順）、８０１ 構文解析結果、Ｓ２０１ 入力
ステップ、Ｓ２０２ 形態素解析ステップ、Ｓ２０３
構文解析ステップ、Ｓ２０４ 一次検索ステップ、Ｓ２
０５ 意味照合ステップ、Ｓ４０２ 未知語推定ステッ
プ、Ｓ５０６ 係り受け関係修正ステップ、Ｓ６０３
未知語概念推定ステップ。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 伊藤 山彦 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 (72)発明者 鈴木 克志 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5B075 ND03 PP02 PP23 PR06 QM08 QP01

Claims (15)

【特許請求の範囲】
1. 【請求項１】 検索文を入力する入力ステップと、 入力された上記検索文を解析用単語辞書に基づいて単語
   単位に分割する形態素解析ステップと、 上記単語間の構文的係り受け関係を解析する構文解析ス
   テップと、 上記構文解析ステップの構文解析結果に基づき文書デー
   タベースを検索する一次検索ステップと、 領域依存の概念知識を格納した概念知識データベースを
   基に上記検索文と上記一次検索ステップの検索結果との
   意味的な照合を行い類似あるいは非類似の検索結果を出
   力する意味照合ステップとを備えたことを特徴とする類
   似文書検索方法。
2. 【請求項２】 上記文書データベースは、文書の構文解
   析結果を有し、上記一次検索ステップは、該構文解析結
   果を索引として検索することを特徴とする請求項１記載
   の類似文書検索方法。
3. 【請求項３】 上記一次検索ステップが索引として用い
   る上記構文解析結果は、木構造であることを特徴とする
   請求項２記載の類似文書検索方法。
4. 【請求項４】 上記一次検索ステップは、照合対象範囲
   を絞り込む一次検索絞込みステップを有することを特徴
   とする請求項１乃至３のいずれか記載の類似文書検索方
   法。
5. 【請求項５】 上記意味照合ステップは、構文的要素の
   重要度によって意味構造の照合を行うことを特徴とする
   請求項１乃至４のいずれか記載の類似文書検索方法。
6. 【請求項６】 上記意味照合ステップは、上記構文的要
   素が必須格要素であるか任意格要素であるかによって意
   味構造の照合計算に重みづけをすることを特徴とする請
   求項５記載の類似文書検索方法。
7. 【請求項７】 上記概念知識データベースは、意味的な
   包含関係を示すＩＳ−Ａ知識を有し、上記意味照合ステ
   ップは、該ＩＳ−Ａ知識に基づいて意味構造の照合を行
   うことを特徴とする請求項１乃至６のいずれか記載の類
   似文書検索方法。
8. 【請求項８】 上記概念知識データベースは、意味的な
   部分−全体の関係を示すＨＡＳ−Ａ知識を有し、上記意
   味照合ステップは、該ＨＡＳ−Ａ知識に基づいて意味構
   造の照合を行うことを特徴とする請求項１乃至７のいず
   れか記載の類似文書検索方法。
9. 【請求項９】 上記概念知識データベースは、格関係知
   識を有し、上記意味照合ステップは、該格関係知識に基
   づいて意味構造の照合を行うことを特徴とする請求項１
   乃至８のいずれか記載の類似文書検索方法。
10. 【請求項１０】 上記形態素解析ステップは、未知語範
    囲を推定する未知語推定ステップを有し、 上記構文解析ステップは、上記概念知識データベースを
    参照して未知語の概念を推定する未知語概念推定ステッ
    プを有することを特徴とする請求項１乃至９のいずれか
    記載の類似文書検索方法。
11. 【請求項１１】 上記構文解析ステップは、上記概念知
    識データベースを参照して異常な係り受け関係を修正す
    る係り受け関係修正ステップを有することを特徴とする
    請求項１乃至１０のいずれか記載の類似文書検索方法。
12. 【請求項１２】 上記意味照合ステップは、照合の詳細
    度を設定する意味照合詳細度設定ステップを有すること
    を特徴とする請求項１乃至１１のいずれか記載の類似文
    書検索方法。
13. 【請求項１３】 上記照合の詳細度として木構造の深さ
    を指定することを特徴とする請求項１２記載の類似文書
    検索方法。
14. 【請求項１４】 検索文を入力する入力手段、 入力された上記検索文を解析用単語辞書に基づいて単語
    単位に分割する形態素解析手段、 上記単語間の構文的係り受け関係を解析する構文解析手
    段、 上記構文解析ステップの構文解析結果に基づき文書デー
    タベースを検索する一次検索手段と、 領域依存の概念知識を格納した概念知識データベースを
    基に上記検索文と上記一次検索手段の検索結果との意味
    的な照合を行い類似あるいは非類似の検索結果を出力す
    る意味照合手段とを備えることを特徴とする類似文書検
    索装置。
15. 【請求項１５】 以下の手順を備えた類似文書検索プロ
    グラムを記録したコンピュータ読み取り可能な記憶媒
    体。 （ａ）検索文を入力する入力手順； （ｂ）入力された上記検索文を解析用単語辞書に基づい
    て単語単位に分割する形態素解析手順； （ｃ）上記単語間の構文的係り受け関係を解析する構文
    解析手順； （ｄ）上記構文解析ステップの構文解析結果に基づき文
    書データベースを検索する一次検索手順； （ｅ）領域依存の概念知識を格納した概念知識データベ
    ースを基に上記検索文と上記一次検索手段の検索結果と
    の意味的な照合を行い類似あるいは非類似の検索結果を
    出力する意味照合手順。