JP2000339332A - 検索インデックスを記録した媒体、検索インデックス更新方法、その装置、そのプログラムを記録した媒体 - Google Patents

Abstract

(57)【要約】 【課題】 検索要求を実行しながら更新処理が可能で、
かつ処理量が少なく高速な更新処理が可能な検索インデ
ックスを記録した媒体、検索インデックス更新方法、そ
の装置、そのプログラムを記録した媒体を提供するこ
と。 【解決手段】 従来のパトリシア木構造による検索イン
デックスでは省略されていた節点のうち、文字の境界に
相当する部分に、省略された文字のみを含み、参照表を
含まない小節点（チェックノード）３を挿入することに
より、新たな検索文字列の発生によって参照表の追加が
必要となった場合においても、該小節点３を参照表を伴
う節点に置換するのみによって容易に可能とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書の集合、特に
大規模でかつ頻繁に更新される文書の集合から特定の文
字列を含む文書を検索する際に用いる検索インデックス
を記録した媒体、検索インデックス更新方法、その装
置、そのプログラムを記録した媒体に関するものであ
る。

【０００２】

【従来の技術】近年、計算機技術及び電気通信技術の発
展とこれらの融合により、大量の文書情報を計算機上に
蓄積し、流通することが可能となった。これにより極め
て大量の文書情報が電子化文書として広く参照可能とな
り、これらの文書を対象とする文書検索技術（例えば、
インターネット上に存在するホームページのうち、特定
のキーワードや条件式に一致するものを探し出す検索エ
ンジン等）が開発されている。

【０００３】文書の集合から特定の文字列を含む文書を
検索する手段としては、各文書を最初から最後まで参照
しながらマッチングを行う方法と、予め各文書を文字や
単語等の要素に分解し、各要素から該文書を参照するイ
ンデックスを構成し、これを用いて検索する方法とに大
別される。インデックスを用いる場合、文字や単語の要
素をキーとし、あるいはこれらの要素の連鎖をキーとす
る方法等が考案されている。

【０００４】また、複数の要素から特定の要素を参照す
る手法としては、各要素を順番に並べ、その中間の要素
との比較を再帰的に行う二分木、要素を特定の関数によ
って数値に変換するハッシュ表、要素を構成する文字に
対応する数値によって分岐するトライ、パトリシア木
（ツリー）等の手法が考案されている。

【０００５】このうち、２分木やトライについてはデー
タの変更操作（追加／削除）が容易であるが、２分木は
検索速度が遅く、トライは大量の記憶容量を必要とする
という欠点があり、ハッシュ表やパトリシア木について
は記憶容量もあまり必要とせず、検索速度も高速である
が、データの変更操作が容易でないという欠点がある。

【０００６】図１はパトリシア木による検索インデック
スのデータ構造を、トライによる検索インデックスのデ
ータ構造とともに示したものである。

【０００７】パトリシア木は、トライと同様に、キーと
なる文字列の一部分から、文字列の残り部分を示す木構
造のポインタ（節点）を参照する参照表１によって再帰
的に構成される。但し、パトリシア木においては、節点
の数を少数に保つために、前述の参照表１において、値
を取るエントリが唯一である場合は、この参照表（節
点）を省略し、省略した文字列の長さ（２）のみを記録
することによってインデックスを構成する。パトリシア
木の検索処理においては、終端の節点まで到達した時点
で、省略された部分文字列が実際に符合していたか、再
度チェックする。

【０００８】図２はパトリシア木による検索インデック
スにデータの追加を行う時の処理の流れを示すものであ
る。

【０００９】まず、木構造の先頭の参照表を比較対象と
して（１０１）、検索文字列の部分文字列から参照表中
の該当するエントリを取得する（１０２）。

【００１０】この際、該当するエントリの値が空き、即
ち次に参照する参照表や文字列がなければ（１０３）、
該エントリに新たな参照表を追加する（１０４）。ま
た、該当するエントリの値が次に参照する参照表であれ
ば（１０５）、該エントリの参照表を比較対象として
（１０６）、前記１０２以降を繰り返す。

【００１１】一方、該当するエントリの値が参照表でな
い、即ち終端文字列であれば、該当するエントリの値と
検索文字列が一致するかどうかを調べ（１０７）、一致
すれば検索文字列は既存の文字列とみなしてそのまま
（追加の必要なし）とする（１０８）。

【００１２】ここで、該当するエントリの値と検索文字
列が一致しない場合は、終端文字列中から検索文字列と
一致する部分文字列を抽出し（１０９）、比較対象の参
照表を１階層遡り（バックトラック処理）（１１０）、
この参照表の部分文字列が検索文字列と一致する範囲内
かどうかを調べる（１１１）。この際、範囲内でなけれ
ば、前記１１０，１１１を繰り返し、範囲内であれば、
一致する部分文字列の後続文字列をキーとする参照表を
挿入する（１１２）。

【００１３】

【発明が解決しようとする課題】このように、従来のパ
トリシア木による検索インデックスの更新処理において
は、省略された部分文字列（節点）に該当する部分に参
照表を追加したり、省略可能となった参照表を該当する
部分から削除するという、データ全体の再構成が必要で
あり、検索要求を実行しながら更新処理することができ
ないという問題があり、また、特にデータの追加におい
ては、前述したバックトラック処理のような処理の繰り
返しによる負荷が大きく、時間がかかるという問題があ
った。

【００１４】本発明の目的は、検索要求を実行しながら
更新処理が可能で、かつ処理量が少なく高速な更新処理
が可能な検索インデックスを記録した媒体、検索インデ
ックス更新方法、その装置、そのプログラムを記録した
媒体を提供することにある。

【００１５】

【課題を解決するための手段】前記目的を達成するた
め、本発明では、インデックスのデータ構造としてパト
リシア・ツリーを基本として、以下詳細に述べるように
改良し、また、同時に、前記データ構造の採用に伴って
インデックス更新の処理手順を以下に述べるように変更
した。

【００１６】即ち、本発明では、従来、パトリシア木で
は省略されていた節点において、文字の境界に相当する
部分に、省略された文字のみを含み、参照表を含まない
小節点（チェックノード）を挿入する。

【００１７】例えば１文字が１６ｂｉｔで表現されてお
り、参照表の定義域を４ｂｉｔで表現する場合、冗長な
節点は４階層に渡って省略することを許すが、文字列の
境界に相当する節点においては前述の小節点を挿入す
る。

【００１８】このデータ構造により、検索処理において
は、終端の節点に至る過程において文字毎に検索文字列
が実際に符合しているかチェックすることが可能とな
り、また、変更操作、例えば新たに参照表の追加が必要
となった場合、該小節点を参照表を伴う節点に置換する
ことによって容易にこれが実現可能となる。なお、参照
表の削除が必要になった場合も同様に、参照表を伴う節
点を小節点に置換すれば良い。

【００１９】文字列をキーとするインデックスの場合、
追加／削除操作が必要になる節点は、必ず文字の境界に
一致するため、小節点を挿入する箇所は文字の境界に相
当する部分だけで十分であり、他の節点に対する変更操
作を想定する必要はない。

【００２０】このような構成により、従来のパトリシア
木と同様に、記憶容量をあまり必要とせず、高速な検索
が可能であり、さらに動的な更新操作が容易に行えるイ
ンデックスを構成することができる。

【００２１】

【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して説明する。

【００２２】図３は本発明の検索インデックスのデータ
構造を示すもので、前述したパトリシア木構造を備えた
検索インデックスにおいて省略された節点のうち、文字
の境界に相当する部分に、省略された文字のみを含み、
参照表を含まない小節点（チェックノード）３を挿入し
てなっている。

【００２３】図４は本発明の検索インデックスにデータ
の追加を行う時の処理の流れを示すもので、図中、図２
と同一処理部分は同一番号をもって表している。

【００２４】即ち、まず、木構造の先頭の参照表を比較
対象として（１０１）、新たな検索文字列の部分文字列
から参照表中の該当するエントリを取得する（１０
２）。

【００２５】この際、該当するエントリの値が空き、即
ち次に参照する参照表や文字列がなければ（１０３）、
該エントリに新たな参照表を追加する（１０４）。ま
た、該当するエントリの値が次に参照する参照表であれ
ば（１０５）、該エントリの参照表を比較対象として
（１０６）、前記１０２以降を繰り返す。

【００２６】一方、該当するエントリの値が参照表でな
い、即ちチェックノードであれば、該当するチェックノ
ードの文字と検索文字列が一致するかどうかを調べ（２
０１）、一致すれば検索文字列は既存の文字列とみなし
てそのまま（追加の必要なし）とする（１０８）。

【００２７】ここで、該当するチェックノードの文字と
検索文字列が一致しない場合は、チェックノードと１階
層上の参照表との間に新たな参照表を追加する（２０
２）。

【００２８】図５は本発明装置全体を示すもので、図
中、１１は検索インデックスデータベース（ＤＢ）、１
２はエントリ取得手段、１３はエントリ判定手段、１４
は第１の参照表追加手段、１５は一致判定手段、１６は
第２の参照表追加手段である。

【００２９】検索インデックスＤＢ１１は、図３に示し
たデータ構造を有する検索インデックスを記録してい
る。

【００３０】エントリ取得手段１２は、新たな検索文字
列が入力された時、まず、検索インデックスＤＢ１１中
の先頭の参照表を比較対象として、検索文字列の部分文
字列から参照表中の該当するエントリを取得してエント
リ判定手段１３に送る。

【００３１】エントリ判定手段１３は、取得したエント
リの内容を調べ、エントリが空きか、参照表か、そのい
ずれでもないかを判定し、該エントリが空きであれば、
第１の参照表追加手段１４に参照表追加の命令を出し、
参照表であれば、該参照表を比較対象としてエントリ判
定手段１３に再度、エントリを取得させ、いずれでもな
ければ、一致判定手段１５に小節点の文字と検索文字列
との一致判定を行わせる。

【００３２】第１の参照表追加手段１４は、検索インデ
ックスＤＢ１１中の該当するエントリに新たな参照表を
追加する。

【００３３】一致判定手段１５は、該当する小節点の文
字と検索文字列が一致するかどうかを調べ、該当する小
節点の文字と検索文字列が一致する場合は何もせず、一
致しない場合は第２の参照表追加手段１６に参照表追加
の命令を出す。

【００３４】第２の参照表追加手段１６は、検索インデ
ックスＤＢ１１中の前記小節点と１階層上の参照表との
間に新たな参照表を追加する。

【００３５】

【発明の効果】以上説明したように、本発明によれば、
高速かつ比較的小量の記憶容量で動作するパトリシア木
において、データの変更操作を容易に加えることが可能
となり、大規模なデータ集合において高速な検索性能を
発揮することが必要とされる文書検索の分野において動
的なデータ更新、即ち検索要求を実行しながら更新処理
が可能な検索エンジンを構築することができる。また、
更新処理の処理量が削減されることにより、インデック
ス更新の高速化を図ることができる。

【図面の簡単な説明】

【図１】従来のトライ及びパトリシア木による検索イン
デックスのデータ構造を示す図

【図２】パトリシア木による検索インデックスにデータ
の追加を行う時の処理の流れ図

【図３】本発明の検索インデックスのデータ構造を示す
図

【図４】本発明の検索インデックスにデータの追加を行
う時の処理の流れ図

【図５】本発明装置全体のブロック構成図

【符号の説明】

１：参照表、２：省略文字長、３：小節点、１１：検索
インデックスデータベース（ＤＢ）、１２：エントリ取
得手段、１３：エントリ判定手段、１４：第１の参照表
追加手段、１５：一致判定手段、１６：第２の参照表追
加手段。

フロントページの続き (72)発明者 稲垣 博人 東京都新宿区西新宿３丁目19番２号 日本 電信電話株式会社内 (72)発明者 田中 一男 東京都新宿区西新宿３丁目19番２号 日本 電信電話株式会社内 Ｆターム(参考） 5B075 ND03 NK10 NK43 NR06

Claims (4)

【特許請求の範囲】
1. 【請求項１】 検索文字列の一部分から、文字列の残り
   部分を示す木構造のポインタ（節点）を参照する参照表
   によって再帰的に構成され、前記参照表のうち、値を取
   るエントリが唯一である参照表を省略し、省略した文字
   列の長さのみを記録するパトリシア木構造を有する検索
   インデックスを記録した媒体において、 省略された参照表のうち、文字の境界に相当する部分
   に、文字のみを含む小節点を挿入したデータ構造を有す
   ることを特徴とする検索インデックスを記録した媒体。
2. 【請求項２】 請求項１記載の媒体に記録された検索イ
   ンデックスを更新する方法であって、 新たな検索文字列が入力された時、検索インデックスの
   先頭の参照表を比較対象として検索文字列の部分文字列
   から参照表中の該当するエントリを取得する第１の工程
   と、 該当するエントリの値が空きであれば、該エントリに新
   たな参照表を追加する第２の工程と、 該当するエントリの値が次に参照する参照表であれば、
   該エントリの参照表を比較対象として第１、第２の工程
   を繰り返す第３の工程と、 該当するエントリの値が参照表でなければ、該当する小
   節点の文字と検索文字列が一致するかどうかを調べ、一
   致すれば検索文字列は既存の文字列とみなしてそのまま
   とする第４の工程と、 該当する小節点の文字と検索文字列が一致しない場合
   は、小節点と１階層上の参照表との間に新たな参照表を
   追加する第５の工程とからなることを特徴とする検索イ
   ンデックス更新方法。
3. 【請求項３】 請求項１記載の媒体に記録された検索イ
   ンデックスを更新する装置であって、 新たな検索文字列が入力された時、検索インデックスの
   先頭の参照表を比較対象として検索文字列の部分文字列
   から参照表中の該当するエントリを取得するエントリ取
   得手段と、 取得したエントリの内容を調べ、エントリが空きか、参
   照表か、そのいずれでもないかを判定し、参照表であれ
   ば、該参照表を比較対象として再度、エントリ取得手段
   にエントリを取得させるエントリ判定手段と、 エントリの内容が空きの場合に、該エントリに新たな参
   照表を追加する第１の参照表追加手段と、 エントリの内容が空きでも参照表でもない場合、該当す
   る小節点の文字と検索文字列が一致するかどうかを調べ
   る一致判定手段と、 該当する小節点の文字と検索文字列が一致する場合は何
   もせず、一致しない場合は小節点と１階層上の参照表と
   の間に新たな参照表を追加する第２の参照表追加手段と
   を備えたことを特徴とする検索インデックス更新装置。
4. 【請求項４】 請求項１記載の媒体に記録された検索イ
   ンデックスを更新するプログラムを記録した媒体におい
   て、 前記プログラムはコンピュータに読み取られた時、該コ
   ンピュータに、 新たな検索文字列が入力された時、検索インデックスの
   先頭の参照表を比較対象として検索文字列の部分文字列
   から参照表中の該当するエントリを取得する第１の工程
   と、 該当するエントリの値が空きであれば、該エントリに新
   たな参照表を追加する第２の工程と、 該当するエントリの値が次に参照する参照表であれば、
   該エントリの参照表を比較対象として第１、第２の工程
   を繰り返す第３の工程と、 該当するエントリの値が参照表でなければ、該当する小
   節点の文字と検索文字列が一致するかどうかを調べ、一
   致すれば検索文字列は既存の文字列とみなしてそのまま
   とする第４の工程と、 該当する小節点の文字と検索文字列が一致しない場合
   は、小節点と１階層上の参照表との間に新たな参照表を
   追加する第５の工程とからなる動作を実行させることを
   特徴とする検索インデックス更新プログラムを記録した
   媒体。