JP2001155020A - 類似文書検索装置、類似文書検索方法及び記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】文書が属する分野や作成時期を考慮して類似文
書を高精度に検索する。 【解決手段】複数の検索対象文書の中から検索キーとし
て与えられた文書と類似する文書を検索する類似文書検
索装置において、文書の内容を特徴付ける単語の時間的
な変化に着目し、各文書毎の単語の出現頻度に各文書の
時間的な要素に応じた重み付けを行うことで、時間別の
単語の重要度を得て、その単語の重要度を加味した類似
度計算を行う。さらに、特徴単語の時間的な変化は文書
が属する分野によっても異なるため、各文書を分野別に
分類し、その分野別の時間的な要素に応じた重み付けを
行うことで、分野別かつ時間別の単語の重要度を得て、
その単語の重要度を加味した類似度計算を行う。これに
より、類似度計算に単語の重要度を的確に反映させて、
高精度に類似文書を検索することができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、データベースに登
録された複数の検索対象文書の中から類似文書と類似す
る文書を検索する類似文書検索装置であって、特に各文
書に含まれる単語の重要度を考慮して類似文書の検索を
行う類似文書検索装置と、この装置に用いられる類似文
書検索方法及び記録媒体に関する。

【０００２】

【従来の技術】従来、例えば引用文献等として用いられ
る各種文書をデータベース化しておき、その中から指定
された文書（以下、検索キー文書と称す）に類似する文
書を自動検索するシステムがある。このようなシステム
では、検索キー文書に含まれている単語と検索対象とな
る文書に含まれている単語とを比較し、共通する単語の
種類、出現場所、出現回数などからベクトル空間法など
により類似度を算出して、類似度の高い文書を検索結果
として出力している。

【０００３】このような類似文書検索では、検索キー文
書や検索対象となる文書から、その文書の内容を特徴付
ける単語を抽出することが重要となる。通常、各文書に
含まれる単語の出現頻度を単語種毎に求め、出現頻度の
低い単語をその文書の内容を特徴付ける単語として判断
している。

【０００４】

【発明が解決しようとする課題】上述したように、従
来、単語の出現頻度によって特徴単語を判断していた。
しかしながら、検索対象となる文書が膨大にあり、しか
も、長い年月に亘って蓄積された場合には、単語の出現
頻度からだけでは特徴単語を的確に判断することはでき
ない。これは、各文書が属する分野によって、その文書
を特徴付ける単語の種類が異なり、また、同じ分野の中
でも文書の作成時期（発行時期）によって特徴単語が異
なるからである。

【０００５】本発明は上記のような点に鑑みなされたも
ので、文書が属する分野や作成時期を考慮して類似文書
を高精度に検索することのできる類似文書検索装置、類
似文書検索方法及び記録媒体を提供することを目的とす
る。

【０００６】

【課題を解決するための手段】本発明の類似文書検索装
置は、文書を特徴付ける単語の時間的な変化に着目し、
各文書に含まれる単語の出現頻度に各文書の時間的な要
素に応じた重み付けを行うようにしたものである。

【０００７】具体的には、各検索対象文書および検索キ
ー文書のそれぞれに含まれる単語の出現頻度を求める出
現頻度算出手段と、この出現頻度算出手段によって得ら
れた上記各検索対象文書および上記検索対象文書に対応
した単語の出現頻度に、それぞれの文書の時間的な要素
に応じた重み付けを行う単語重み付け手段とを備え、こ
の単語重み付け手段による重み付け後の単語出現頻度に
基づいて上記各検索対象文書と上記検索キー文書との類
似度を算出し、その類似度に基づいて上記各検索対象文
書の中から上記検索対象文書と類似する文書を検索結果
として出力するようにしたものである。

【０００８】このような構成によれば、各文書毎の単語
の出現頻度にそれぞれの文書の時間的な要素に応じた重
み付けを行うことで、時間別の単語の重要度を得ること
ができ、その単語の重要度を加味した類似度計算によ
り、検索キー文書と類似する文書を的確に検索すること
ができる。

【０００９】さらに、本発明は、上述した特徴単語の時
間的な変化は分野によっても異なることに着目し、各検
索対象文書および検索対象文書に対応した単語の出現頻
度に、それぞれの文書が属する分野毎の時間的な要素に
応じて重み付けを行うことを特徴とする。

【００１０】このように、分野毎の時間的な要素に応じ
た重み付けを行うことで、分野別かつ時間別の単語の重
要度を得ることができ、その単語の重要度を加味した類
似度計算により、検索キー文書と類似する文書をさらに
的確に検索することができる。

【００１１】

【発明の実施の形態】まず、本発明の実施形態を説明す
る前に理解を容易にするため、本発明の類似文書検索装
置の概要について説明する。

【００１２】本発明の類似文書検索装置は、検索キーと
して与えられた文書と類似する文書を複数の検索対象文
書の中から検索するものである。このような類似文書の
検索では、文書の内容を特徴付ける単語を抽出すること
が重要となる。

【００１３】ここで、図１に示すように、文書の内容を
特徴付ける単語は時代の流れによって異なる。例えば、
「表示装置」といった分野（大分類）では、「液晶」と
いった単語は１９７０年代では重要度の高い単語として
扱われていた。しかし、技術の発展に伴い、「液晶」と
いった単語は一般化し、１９９０年代ではその重要度は
低く、代わって別の単語（ＴＦＴ等）の重要度が高くな
る。このように、文書を特徴付ける単語は時間的に変化
する。したがって、従来のように単に単語の出現頻度だ
けから検索キー文書との類似度を求めていた方法では、
単語の重要度を正確に反映させることはできない。

【００１４】そこで、本発明では、このような特徴単語
の時間的な変化に着目し、各文書毎の単語の出現頻度に
各文書の時間的な要素に応じた重み付けを行うことで、
時間別の単語の重要度を得て、その単語の重要度を加味
した類似度計算を行うようにしたものである。

【００１５】また、このような特徴単語の時間的な変化
は、文書が属する分野によっても異なる。例えば、コン
ピュータ分野などでは、他の分野よりも時間的な変化が
速い。そこで、各文書を分野別に分類し、その分野別の
時間的な要素に応じた重み付けを行うことで、分野別か
つ時間別の単語の重要度を得て、その単語の重要度を加
味した類似度計算を行うようにしたものである。

【００１６】以下に、このような類似文書の検索を実現
するための実施形態について説明する。

【００１７】図２は本発明の類似文書検索装置の構成を
示すブロック図である。なお、本装置は、例えば磁気デ
ィスク等の記録媒体に記録されたプログラムを読み込
み、このプログラムによって動作が制御されるコンピュ
ータによって実現される。

【００１８】図２に示すように、本装置は制御装置１、
入力装置２、表示装置３、外部記憶装置４から構成され
る。制御装置１は、制御部１ａ（ＣＰＵ）とメモリ部１
ｂからなり、所定のプログラムに従って本装置全体の制
御を行う。入力装置２は、例えばキーボードやマウスな
どからなり、データの入力や指示を行う場合に用いられ
る。表示装置３は、例えばＣＲＴ（Cathode-ray tube）
やＬＣＤ（Liquid Crystal Display）などからなり、類
似検索結果などを表示する。外部記憶装置４は、例えば
磁気ディスク装置や光ディスク装置などからなり、本装
置で扱われる各種データを保持する。

【００１９】この外部記憶装置４には、検索対象となる
各文書のデータ（テキスト情報）、類似検索に必要とな
る各文書の単語情報の他、各種データファイルＦ１〜Ｆ
６が設けられている。Ｆ１は検索文書大分類識別子デー
タファイル、Ｆ２は検索文書大分類データファイル、Ｆ
３は検索文書時間区分識別子データファイル、Ｆ４は検
索文書時間区分データファイルである。また、Ｆ５は全
検索文書大分類情報データファイル、Ｆ６は全検索文書
時間区分データファイルである。

【００２０】図３は制御装置１の内部構成を示した図で
ある。

【００２１】制御装置１は制御部１ａとメモリ部１ｂか
らなっている。制御部１ａは、後述するデータベース作
成処理や類似文書検索処理を実行するための処理部１０
１〜１２６から構成される。また、メモリ部１ｂはこれ
らの処理部１０１〜１２６に必要なデータを格納するた
めのバッファ２０１〜２１９から構成される。

【００２２】初期化部１０１は、上記各バッファ２０１
〜２１９の初期化を行う。

【００２３】検索文書大分類別データ読み込み部１０２
は、外部記憶装置４に格納されている検索文書大分類識
別子データファイルＦ１の内容を検索文書大分類識別子
格納バッファ２０１に格納する。この検索文書大分類識
別子データファイルＦ１は、図１０に示すように、大分
類別（分野別）の識別子を示したファイルである。

【００２４】検索文書大分類データ読み込み部１０３
は、外部記憶装置４に格納されている検索文書大分類デ
ータファイルＦ２の内容を検索文書大分類格納バッファ
２０２に格納する。この検索文書大分類データファイル
Ｆ２は、図１１に示すように、大分類ＩＤと大分類デー
タとを対応付けたファイルである。

【００２５】検索文書時間区分識別データ読み込み部１
０４は、外部記憶装置４に格納されている検索文書時間
区分識別子データファイルＦ３の内容を検索文書時間区
分識別子格納バッファ２０３に格納する。この検索文書
時間区分識別子データファイルＦ３は、図１２に示すよ
うに、時間区分別の識別子を示したファイルである。

【００２６】検索文書時間区分データ読み込み部１０５
は、外部記憶装置４に格納されている検索文書時間区分
データファイルＦ４の内容を検索文書時間区分格納バッ
ファ２０４に格納する。この検索文書時間区分データフ
ァイルＦ４は、図１３に示すように、時間区分ＩＤと時
間区分とを対応付けたファイルである。

【００２７】検索文書読み込み部１０６は、外部記憶装
置４に格納されている検索文書（検索対象となる文書）
に関する情報をデータベース化するために、各文書のテ
キスト情報を外部記憶装置４から順に読み込み、検索文
書格納バッファ２０５に格納する。

【００２８】検索文書大分類分け部１０７は、検索文書
格納バッファ２０５に格納された検索文書を大分類（分
野）毎に分類するためにものであり、当該検索文書の内
容から検索文書大分類識別子および大分類データを抽出
し、検索文書大分類格納バッファ２０２を参照して、当
該検索文書の大分類データとその大分データに対応する
大分類ＩＤを検索文書大分類情報格納バッファ２０６に
格納する。さらに、当該検索文書に対する検索文書ＩＤ
と検索文書大分類情報格納バッファ２０６に格納されて
いる大分類ＩＤを全検索文書大分類情報格納バッファ２
０８に格納する。

【００２９】全検索文書大分類情報書き込み部１０８
は、全検索文書大分類情報格納バッファ２０８に格納さ
れている全検索文書の大分類情報を外部記憶装置４に格
納する。

【００３０】検索文書時間区分識別子抽出部１０９は、
検索文書格納バッファ２０５に格納されている検索文書
を時間区別別に分類するためのものであり、当該検索文
書から検索文書時間区分識別子および時間区分を抽出
し、検索文書時間区分データ格納バッファ２０４を参照
して、当該検索文書の時間区分とその時間区分に対応す
る時間区分ＩＤを検索文書時間区分格納バッファ２０７
に格納する。さらに、当該検索文書に対する検索文書Ｉ
Ｄと検索文書時間区分格納バッファ２０７に格納されて
いる時間区分ＩＤを全検索文書時間区分格納バッファ２
０９に格納する。

【００３１】全検索文書時間区分書き込み部１１０は、
全検索文書時間区分対応格納バッファ２０９に格納され
ている全検索文書の時間区分を外部記憶装置４に格納す
る。

【００３２】検索文書単語抽出部１１１は、検索文書格
納バッファ２０５に格納されている検索文書から単語の
切り出しを行う。そして、切り出した各単語の中からそ
の文書の内容を表す上でキーとなる単語を抽出し、その
単語種毎に検索文書単語情報格納バッファ２１０に格納
する。単語の切り出しは、形態素解析などにより行い、
その文書の内容を表す上でキーとなる単語の単語種は品
詞情報（例えば「名詞」や「サ変名詞」）を使って表現
する。

【００３３】検索文書単語出現頻度算出部１１２は、検
索文書単語抽出部１１０により抽出された個々のキー単
語について、検索文書中での出現頻度を算出し、これを
検索文書の単語情報として検索文書単語情報格納バッフ
ァ２１０に格納する。

【００３４】検索文書単語情報書き込み部１１３は、検
索文書単語情報格納バッファ２１０に格納されている検
索文書の単語情報を外部記憶装置４に格納する。

【００３５】全検索文書大分類情報読み込み部１１４
は、外部記憶装置４に格納されている検索文書毎の大分
類情報（全検索文書大分類情報データファイルＦ５）を
全検索文書大分類情報対応格納バッファ２０８に格納す
る。

【００３６】全検索文書時間区分読み込み部１１５は、
外部記憶装置４に格納されている検索文書毎の時間区分
（全検索文書時間区分データファイルＦ６）を全検索文
書時間区分対応格納バッファ２０９に格納する。

【００３７】検索文書単語情報読み込み部１１６は、外
部記憶装置４に格納されている検索文書単語情報（単語
の出現頻度情報）を検索文書毎に呼び出し、検索文書単
語情報格納バッファ２１０に格納する。

【００３８】検索文書単語出現頻度集計部１１７は、大
分類別および時間区分別に各単語の出現頻度を算出し、
検索文書単語頻度格納バッファ２１１に格納する。詳し
くは、検索文書単語情報格納バッファ２１０に読み込ま
れた検索文書単語情報に対して、検索文書大分類格納バ
ッファ２０２と全検索文書大分類情報格納バッファ２０
８を参照して、検索文書大分類格納バッファ２０２に格
納された大分類ＩＤ別に各単語の出現頻度を集計する。
また、検索文書時間区分データ格納バッファ２０４と検
索文書時間区分対応格納バッファ２０９を参照し、検索
文書情報区分データ格納バッファ２０４に格納された時
間区分ＩＤ別に各単語の出現頻度を集計する。

【００３９】検索文書単語出現頻度書き込み部１１８
は、検索文書単語頻度格納バッファ２１１に格納されて
いる大分類別時間区分別の単語出現頻度情報を外部記憶
装置４に格納する。

【００４０】検索キー文書読み込み部１１９は、入力装
置２から入力された検索キー文書のテキスト情報を検索
キー文書格納バッファ２１２に格納する。

【００４１】検索キー単語抽出部１２０は、検索キー文
書格納バッファ２１２に格納されている検索キー文書か
ら単語の切り出しを行う。そして、切り出した各単語の
中からその文書の内容を表す上でキーとなる単語を抽出
し、その単語種を検索キー文書単語情報格納バッファ２
１３に格納する。上記検索文書単語抽出部１１１と同様
に、単語の切り出しは形態素解析などにより行い、その
文書の内容を表す上でキーとなる単語の単語種は品詞情
報（例えば「名詞」や「サ変名詞」）を使って表現す
る。

【００４２】検索キー単語出現頻度算出部１２１は、検
索キー単語抽出部１１９により抽出された個々のキー単
語について、検索キー文書中での出現頻度を算出し、こ
れを検索キー文書の単語情報として検索キー文書単語情
報格納バッファ２１３に格納する。

【００４３】検索文書単語頻度読み込み部１２２は、外
部記憶装置４に格納されている検索文書単語出現頻度情
報を大分類別時間区分別の検索文書単語頻度格納バッフ
ァ２１１に格納する。

【００４４】ノルム情報算出部１２３は、検索文書単語
情報あるいは検索キー文書単語情報に格納された単語Ｉ
Ｄ毎の単語出現頻度を要素とする１次元ベクトルのノル
ムを計算する。なお、ノルムとは、ベクトルの大きさを
表わすものである。その際、検索文書単語頻度格納バッ
ファ２１１に格納されている大分類別時間区分別の単語
頻度情報を参照し、該当する単語に対する頻度情報を加
重してノルム計算を行い、その結果を検索文書ノルム情
報格納バッファ２１４あるいは検索キー文書ノルム情報
格納バッファ２１５に格納する。

【００４５】共通単語抽出部１２４は、検索キー文書単
語情報格納バッファ２１３に格納されている検索キー文
書の単語情報と検索文書単語情報格納バッファ２１０に
格納されている検索文書の単語情報とを比較して、両者
で共通する単語の種類とその出現頻度情報を共通単語情
報格納バッファ２１６に格納する。

【００４６】類似度算出部１２５は、共通単語情報格納
バッファ２１６に格納されている共通単語に関する情報
に基づき検索キーと検索文書との類似度を算出し、その
類似度値を類似度格納バッファ２１７に格納する。

【００４７】検索結果出力部１２６は、類似度格納バッ
ファ２１７に格納されている各検索文書に対する類似度
値を高い順に並べ替えて、検索結果出力バッファ２１８
に格納し、さらに、検索結果出力バッファ２１８の内容
を表示装置３に出力する。

【００４８】次に、本装置の動作について説明する。

【００４９】なお、ここでは、（ａ）データベース作成
処理と、（ｂ）類似文書作成処理に分けて、それぞれの
処理動作について説明する。

【００５０】（ａ）データベース作成処理 まず、本装置にて実行されるデータベース作成処理につ
いて説明する。

【００５１】図４はデータベース作成処理の動作を示す
フローチャートである。

【００５２】検索文書データベースを作成する手順とし
て、検索対象となる各文書を１件ずつ処理して、各文書
の単語情報を作成し（ステップＡ１１）、全ての文書の
処理が終了したら、上記単語情報を使って単語頻度に関
する情報を作成する（ステップＡ１２）。ステップＡ１
１における検索文書登録処理の詳細を図５、ステップＡ
１２における検索文書単語出現頻度作成処理の詳細を図
６に示す。

【００５３】図５は上記図４のステップＡ１１における
検索文書登録処理の動作を示すフローチャートである。

【００５４】制御装置１は、まず、制御部１ａの初期化
部１０１を起動し、メモリ部１ｂの全バッファ部の初期
化を行う（ステップＢ１１）。また、各データ読み込み
部１０２〜１０５を起動して、外部記憶装置４の検索文
書大分類識別子データファイルＦ１、検索文書大分類デ
ータファイルＦ２、検索文書時間区分識別子データファ
イルＦ３、検索文書時間区分データファイルＦ４の情報
を読み込み、それぞれ検索文書大分類識別子格納バッフ
ァ２０１、検索文書大分類格納バッファ２０２、検索文
書時間区分識別子データ格納バッファ２０３、検索文書
時間区分データ格納バッファ２０４に格納する（ステッ
プＢ１２）。

【００５５】図１５に検索文書大分類識別子格納バッフ
ァ２０１のデータ格納例、図１６に索文書大分類格納バ
ッファ２０２のデータ格納例、図１７に検索文書時間区
分識別子データ格納バッファ２０３のデータ格納例、図
１８に検索文書時間区分データ格納バッファ２０４のデ
ータ格納例を示す。

【００５６】ここで、外部記憶装置４にデータベースに
登録する文書がある場合には（ステップＢ１３のＹｅ
ｓ）、検索文書読み込み部１０６が外部記憶装置４から
その文書のテキスト文書を読み込み、これを検索対象と
して検索文書格納バッファ２０５に格納する（ステップ
Ｂ１４）。具体例として、例えば図１４に示すような内
容を有するテキスト文書を検索文書の１つとして検索文
書格納バッファ２０５に格納したとする。

【００５７】検索文書の読み込み後、制御装置１は検索
文書格納バッファ２０５に格納された検索文書を先頭か
ら順に走査していく（ステップＢ１５）。その際、当該
検索文書から大分類情報を抽出できたか否かチェックす
る（ステップＢ１６）、まだならば（ステップＢ１６の
Ｎｏ）、検索文書大分類分け部１０７を起動し、検索文
書大分類情報識別子格納バッファ２０１に格納されてい
る識別子情報を参照して当該文書から大分類情報を抽出
する（ステップＢ１７）。

【００５８】具体的に説明すると、例えば図１４に示す
ようなテキスト文書であれば、検索文書大分類情報識別
子格納バッファ２０１に格納されている識別子情報
（「［大分類］？？？」）を参照し、１行目の「［大分
類］Ａ０１」から識別子情報の「？？？」に相当する
「Ａ０１」を大分類情報として抽出し、この大分類情報
「Ａ０１」に対応する大分類ＩＤ「１」と共に検索文書
大分類情報格納バッファ２０６に格納する。図１９にこ
のときのデータ格納例を示す。その際、当該検索文書の
ＩＤ「１」と検索文書大分類情報格納バッファ２０６に
格納されている大分類ＩＤ「１」とを対にして全検索文
書大分類情報格納バッファ２０８に格納する。図２０に
このときのデータ格納例を示す。

【００５９】続いて、制御装置１は検索文書格納バッフ
ァ２０５を参照し、文書終端でなければ（ステップＢ１
５のＮｏ）、時間区分を抽出できたか否かをかチェック
する（ステップＢ１８）。まだならば（ステップＢ１８
のＮｏ）、検索文書時間区分識別子抽出部１０９を起動
し、検索文書時間区分識別子データ格納バッファ２０３
に格納されている識別子情報を参照して当該検索文書か
ら時間区分を抽出する（ステップＢ１９）。

【００６０】具体的に説明すると、例えば図１４に示す
ようなテキスト文書であれば、検索文書時間区分識別子
データ格納バッファ２０３に格納されている識別子情報
（「［出願日］？？？？年」）を参照し、１行目の
「［出願日］１９９９年（平成５年）９月２７日」から
識別子情報の「？？？？」に相当する「１９９９」を時
間区分として抽出し、この時間区分「１９９９」に対応
する時間区分ＩＤ「１」とと共に検索文書時間区分格納
バッファ２０７に格納する。図２１にこのときのデータ
格納例を示す。その際、当該検索文書に対する検索文書
ＩＤ「１」と検索文書時間区分格納バッファ２０７に格
納されている時間区分ＩＤ「１」とを対にして全検索文
書時間区分格納バッファ２０９に格納する。図２２にこ
のときのデータ格納例を示す。

【００６１】また、大分類情報抽出済みであり（ステッ
プＢ１６のＹｅｓ）、かつ、時間区分抽出済みでならば
（ステップＢ１８のＹｅｓ）、制御装置１は検索対象単
語抽出部１１１を起動し、検索文書格納バッファ２０５
に格納された検索文書のテキスト情報を形態素解析して
単語の切り出しを行い、その切り出した各単語の中から
文書内容を表すキー単語を抽出し、そのキー単語の単語
種（例えば品詞情報）を検索文書単語情報格納バッファ
２１０に格納する（ステップＢ２０）。

【００６２】続いて、検索文書単語出現頻度算出部１１
２を起動し、当該検索文書全体での単語の出現頻度を算
出し、その結果を検索文書単語情報格納バッファ２１０
に格納する（ステップＢ２１）。図２３にこのときのデ
ータ格納例を示す。この場合、単語と頻度が対について
格納される。例えば、キー単語「文書」が当該検索文書
の中で２回出現している場合は、頻度として「２」が格
納される。

【００６３】文書の終端まで達したら（ステップＢ１５
のＹｅｓ）、検索文書単語情報書き込み部１１３を起動
し、検索文書単語情報格納バッファ２１０に格納された
情報を検索文書の単語情報として外部記憶装置４に格
納、蓄積する（ステップＢ２２）。また、全検索文書大
分類情報書き込み部１０８を起動し、全検索文書大分類
情報格納バッファ２０８に格納された全検索文書の大分
類情報を外部記憶装置４に格納し、全検索文書時間区分
書き込み部１１０を起動し、全検索文書時間区分対応格
納バッファ２０９に格納された全検索文書の時間区分を
外部記憶装置４に格納する。

【００６４】以上のような処理を登録対象となる検索文
書のすべてについて、繰り返し実行する。

【００６５】次に、検索文書単語出現頻度作成処理につ
いて説明する。

【００６６】図６は上記ステップＡ１２における検索文
書単語出現頻度作成処理の動作を示すフローチャートで
ある。

【００６７】まず、制御装置１は全検索文書大分類情報
読み込み部１１４を起動し、外部記憶装置４から文書対
大分類の情報（全検索文書大分類情報データファイルＦ
５）を読み込んで全検索文書大分類情報格納バッファ２
０８に格納すると共に、全検索文書時間区分読み込み部
１１５を起動し、外部記憶装置４から文書対時間区分の
情報（全検索文書時間区分データファイルＦ６）を読み
込んで全検索文書時間区分格納バッファ２０９に格納す
る（ステップＣ１１）。

【００６８】そして、制御装置１は全検索文書時間区分
格納バッファ２０９に格納された検索文書ＩＤと時間区
分ＩＤを参照して、全文書に対し、以下のような集計処
理を行う（ステップＣ１２）。

【００６９】すなわち、検索文書単語情報読み込み部１
１６によって、該当する検索文書ＩＤに対応する検索文
書単語情報を外部記憶装置４から読み込み、これを検索
文書単語情報格納バッファ２１０に読み込む（ステップ
Ｃ１３）。

【００７０】続いて、検索文書単語出現頻度算出部１１
７によって、検索文書単語情報格納バッファ２１０に読
み込まれた当該検索文書の検索文書単語情報に関し、そ
の文書が属する大分類別、かつ、時間区分別に全ての単
語について、出現の有無を累積し、大分類別時間区分別
の検索文書単語頻度格納バッファ２１１に格納する（ス
テップＣ１４）。上記出現の有無を累積するとは、ある
文書にある単語が複数出現していても、それを１回と数
えるということである。

【００７１】大分類別かつ時間区分別に、全ての文書に
ついて上記ステップＣ１４の処理を行うと、検索文書単
語頻度格納バッファ２１１の内容は図２５のようにな
る。例えば、「大分類ＩＤ：１」の「時間区分ＩＤ：
１」において「表示」という単語は１２０回出現し、
「区分」という単語は９回出現しているという情報が格
納されている。したがって、この「時間区分ＩＤ：１」
に属する文書数がｎとした場合、「表示」という単語は
文書数ｎの中で１２０文書に出現しているということに
なる。

【００７２】以上の処理を全検索文書時間区分格納バッ
ファ２０９に格納されている検索文書ＩＤの全てに関し
て行う。処理後、検索文書単語頻度格納バッファ２１１
に格納された情報は、全検索文書の単語情報として外部
記憶装置４に格納、蓄積される（ステップＣ１５）。

【００７３】このようなデータベース作成処理により、
検索対象となる各文書が分野別かつ時間別に分類され、
その分類毎の単語出現頻度情報が外部記憶装置４に作成
される。分野別の分類とは、内容的な要素による分類で
あり、図１４に示す［大分類］（具体的には特許文献に
おけるＩＰＣクラス）に当たる。時間別の分類とは、文
書の作成期間あるは発行期間などを示す時間的な要素に
よる分類であり、図１４に示す［出願日］に当たる。

【００７４】以下に、このような分類毎の単語出現頻度
情報を用いた類似文書検索処理の動作について説明す
る。

【００７５】（ｂ）類似文書検索処理 図７は類似文書検索処理の動作を示すフローチャートで
ある。

【００７６】制御装置１は、まず、制御部１ａの初期化
部１０１を起動し、メモリ部１ｂの全バッファ部の初期
化を行う（ステップＤ１１）。

【００７７】次に、検索文書大分類データ読み込み部１
０３および検索文書時間区分データ読み込み部１０５を
起動し、外部記憶装置４から検索文書大分類データファ
イルＦ２、検索文書時間区分データファイルＦ４を読み
込んで検索文書大分類格納バッファ２０２、検索文書時
間区分格納バッファ２０４にそれぞれ格納する。また、
全検索文書大分類情報読み込み部１１４および全検索文
書時間区分読み込み部１１５を起動し、外部記憶装置４
から全検索文書大分類情報データファイルＦ５、全検索
文書時間区分データファイルＦ６を読み込んで、全検索
文書大分類情報格納バッファ２０８、全検索文書時間区
分格納バッファ２０９にそれぞれ格納する（ステップＤ
１２）。

【００７８】ここで、制御装置１は検索キー文書読み込
み部１１９を起動し、入力装置２を通じてユーザが指定
した検索キー文書の入力を受け付け、入力された検索キ
ー文書のテキスト情報を検索キー文書格納バッファ２１
２に格納する（ステップＤ１３）。具体例として、例え
ば図２６に示すような内容のテキスト文書が検索キー文
書の１つとして検索キー文書格納バッファ２１２に格納
されたとする。

【００７９】検索キー文書の読み込み後、制御装置１は
検索キー文書格納バッファ２１２に格納された検索キー
文書を先頭から順に走査していく（ステップＤ１４）。
その間、検索キー単語抽出部１２０を起動し、当該検索
キー文書２に格納されたテキスト情報を形態素解析して
単語の切り出しを行い、その切り出した各単語の中から
文書内容を表すキー単語を抽出し、そのキー単語の単語
種（例えば品詞情報）を検索キー文書単語情報格納バッ
ファ２１３に格納する（ステップＤ１５）。

【００８０】続いて、検索キー文書単語出現頻度算出部
１２１を起動し、当該検索キー文書全体での単語の出現
頻度を算出し、その結果を検索キー文書単語情報格納バ
ッファ２１３に格納する（ステップＤ１６）。図２７に
このときのデータ格納例を示す。この場合、単語と頻度
が対について格納される。例えば、キー単語「写像」が
当該検索キー文書の中で６回出現している場合は、頻度
として「２」が格納される。

【００８１】このようにして、検索キー文書の単語情報
が得られると、制御装置１は、大分類毎かつ時間区分毎
に検索文書と検索キーとの類似算出処理を行う。

【００８２】すなわち、制御装置１は検索文書単語頻度
読み込み部１２２を起動して、上記（ａ）のデータ作成
処理によってデータベース外部記憶装置４上に作成され
た大分類かつ時間区分の検索文書単語出現頻度情報を１
件ずつ読み込み（ステップＤ１７，Ｄ１８）、これを検
索文書単語頻度格納バッファ２１１に順次格納していく
（ステップＤ１９）。

【００８３】次に、ノルム情報算出部１２３を起動して
検索キー文書単語情報格納バッファ２１３に格納された
検索キー文書の単語頻度情報と、検索文書単語頻度格納
バッファ２１１に格納された大分類別時間区分別検索文
書の単語頻度情報に基づいて、検索キー文書に対する１
次元ベクトルのノルム情報を算出し、その値を検索キー
文書ノルム情報格納バッファ２１５に格納する（ステッ
プＤ２０）。図２８にこのときのデータ格納例を示す。

【００８４】ここで、ノルム情報について説明する。

【００８５】ノルムとは、１次元のベクトルをＡ＝（ａ
１，ａ２，…ａｎ）としたとき、 ｜Ａ｜＝√（各ベクトル要素の二乗和） で表される値のことである。このノルム値は、後述する
検索キー文書とデータベース内の検索文書との類似度計
算で使用される。

【００８６】図８のフローチャートを参照して、このノ
ルム算出処理の具体的な説明を行う。ここでは、検索キ
ー文書を対象とした場合でのノルム算出処理について説
明する。

【００８７】ノルム情報算出部１２３は、まず、検索キ
ー文書単語情報格納バッファ２１３に格納された検索キ
ー文書の単語頻度値を“ｆ”として、図３２に示すよう
に作業用変数バッファ２１９の単語頻度格納領域にセッ
トする（ステップＥ１２）。次に、検索文書単語頻度格
納バッファ２１１に格納された検索文書の単語頻度値を
“ｗｇ”として、作業用変数バッファ２１９の単語重み
格納領域にセットする（ステップＥ１３）。

【００８８】ここで、“ｆ”を“ｗｇ”で割った商の二
乗を求め、その値を“ｎｒ”として、作業用変数バッフ
ァ２１９の作業用ノルム値格納領域に格納する（ステッ
プＥ１４）。この計算による処理は、検索キー文書の単
語頻度に重みを付ける処理として実施する。つまり、検
索キー文書の単語頻度は、大分類かつ時間区分における
重要度として考えられ、頻度が多ければ、その単語の重
要度は低く、頻度が少なければ、その単語の重要度は高
くなる。したがって、“ｆ”を“ｗｇ”で割った商と
は、その単語の頻度に重みを付けた結果と言える。ここ
までの処理を実施したら、次の単語に対する処理を行い
（ステップＥ１５）。

【００８９】全ての単語について処理が終了した時点で
（ステップＥ１１のＹｅｓ）、作業用変数バッファ２１
９の作業用ノルム値格納領域に蓄積された“ｎｒ”の平
方根を求め、その値を当該検索キー文書のノルム値とし
て検索キー文書ノルム情報格納バッファ２１５に格納す
る（ステップＥ１６）。

【００９０】このような処理により、検索キー文書のノ
ルム値が得られる。

【００９１】次に、制御装置１は検索文書単語情報読み
込み部１１６を起動し、外部記憶装置４に格納されてい
る各検索文書の単語情報を大分類別に１つずつ読み込
み、検索文書単語情報格納バッファ２１０に格納する
（ステップＤ２２）。

【００９２】ここで、ノルム情報算出部１２３が検索文
書単語情報格納バッファ２１０に格納された検索文書の
単語情報と検索文書単語頻度格納バッファ２１１に格納
された検索文書の大分類別時間区分別単語頻度の情報を
参照し、検索文書に対するノルム情報を算出し、その結
果を検索文書ノルム情報格納バッファ２１４に格納する
（ステップＤ２３）。図２４にこのときのデータ格納例
を示す。

【００９３】なお、この検索文書に対するノルム情報の
具体的な算出処理については、参照する単語情報が検索
文書単語情報という違いだけで、それ以外は上述した検
索キー文書のノルム算出処理（図８）と同様であるた
め、ここではその説明を省略するものとする。

【００９４】次に、制御装置１は共通単語抽出部１２４
を起動して、検索キー文書単語情報格納バッファ２１３
と検索文書単語情報格納バッファ２１０とで共通に格納
されているキー単語を検出し、その共通単語を共通単語
情報格納バッファ２１６に格納する（ステップＤ２
４）。

【００９５】図２７の検索キー文書単語情報格納バッフ
ァ２１３と図２３の検索文書単語情報格納バッファ２１
０の例では、両者に共通する単語として「文書」，「検
索」が検出され、図２９に示すように共通単語情報格納
バッファ２１６に格納される。

【００９６】次に、制御装置１は類似度算出部１２５を
起動し、共通単語情報格納バッファ２１６に格納されて
いる共通単語に基づき、検索キー文書と検索対象大分類
の単語情報との類似度を所定の方法により算出し、その
類似度を検索文書ＩＤと対応付けて類似度格納バッファ
２１７に格納する（ステップＤ２５）。

【００９７】本実施形態では、検索キー文書と検索対象
との類似度をベクトル空間法により算出するものとす
る。

【００９８】ベクトル空間法では、２つの一次元ベクト
ル、例えば、Ａ＝（ａ１，ａ２，…ａｎ）、Ｂ＝（ｂ
１，ｂ２，…ｂｎ）の類似度Ｓを次のように算出する。

【００９９】Ｓ＝Ａ・Ｂ／（｜Ａ｜｜Ｂ｜） 分子のＡ・Ｂは、２つの一次元ベクトルの内積であり、
分母の｜Ａ｜｜Ｂ｜は、それぞれの一次元ベクトルのノ
ルム（ベクトルの大きさ）の積である。この類似度Ｓ
は、０≦Ｓ≦１の範囲にあり、類似度が１に近いほど、
２つの一次元ベクトルが類似していることになる。

【０１００】ここで、単語情報を一次元ベクトルと考
え、上記の例にあてはめると、検索キー文書の全ての単
語の出現頻度がベクトルＡ、検索文書の全ての単語の出
現頻度がベクトルＢとなり、検索キー文書と検索文書と
の類似度はＳという値で得られる。

【０１０１】この類度度算出処理について、図９を用い
て詳しく説明する。

【０１０２】図９は上記ステップＤ２５における類度度
算出処理の動作を示すフローチャートである。

【０１０３】まず、類似度算出部１２５は、検索キー文
書のノルム値を検索キー文書ノルム情報格納バッファ２
１５から取得し、これを“ｎａ”として、図３２に示す
作業用変数バッファ２１９の検索キー文書ノルム格納領
域にセットすると共に、検索文書のノルム値を検索文書
ノルム情報格納バッファ２１４から取得し、これを“ｎ
ｂ”として作業用変数バッファ２１９の検索文書ノルム
格納領域にセットする（ステップＦ１１）。

【０１０４】次に、類似度算出部１２５は、共通単語情
報格納バッファ２１６に格納されている共通単語を参照
し、その共通単語の数分だけ、以下のような処理を行
う。

【０１０５】すなわち、検索キー文書単語情報格納バッ
ファ２１３から検索キー文書における共通単語の頻度情
報を取得し、その頻度値を“ａ”として作業用変数バッ
ファ２１９の検索キー単語頻度格納領域にセットすると
共に、検索文書単語情報格納バッファ２１０から検索文
書における共通単語の頻度情報を取得し、その頻度値を
“ｂ”として作業用変数バッファ２１９の検索対象単語
頻度格納領域にそれぞれセットする（ステップＦ１
３）。

【０１０６】さらに、大分類別時間区分別の検索文書単
語頻度格納バッファ２１１から上記共通単語の頻度情報
を取得し、その頻度値を“ｗ”として作業用変数バッフ
ァ２１９の作業用頻度格納領域にセットする（ステップ
Ｆ１４）。

【０１０７】ここで、上記共通単語の内積を以下のよう
にして算出し、その値Ｒを作業用変数バッファ２１９の
内積格納領域に累積する（ステップＦ１５）。

【０１０８】Ｒ＝（ａ／ｗ）＊（ｂ／ｗ） ここまでの処理を共通単語情報格納バッファ２１６に格
納されている共通単語の数分だけ行うと（ステップＦ１
２のＹｅｓ）、類似度算出部１２５は、作業用変数バッ
ファ２１９の各領域に格納された“Ｒ”、“ｎａ”、
“ｎｂ”を用いて、以下のような演算を行って検索キー
文書と検索文書との類似度Ｓを求める（ステップＦ１
６）。

【０１０９】Ｓ＝Ｒ／（ｎａ＊ｎｂ） 以上が類似度の算出処理である。

【０１１０】このようにして、検索キー文書と検索文書
との類似度を大分類の時間区分の全ての検索文書につい
て求める（ステップＤ２１）。

【０１１１】この一連の処理を全ての時間区分数分につ
いて行うと（ステップＤ１８のＹｅｓ）、次の大分類に
対する処理を行うべく、ステップＤ１７に戻る。

【０１１２】全て大分類について上記同様の処理を行う
と（ステップＤ１７のＹｅｓ）、算出類似度格納バッフ
ァ２１７には検索キー文書と全ての検索文書との類似度
が格納されることになる。図３０（ａ）にこのときのデ
ータ格納例を示す。

【０１１３】ここで、制御装置１は類似度格納バッファ
２１７に格納されている各検索文書に対する類似度値を
高い順にソートして、検索結果出力バッファ２１８に格
納する（ステップＤ２６）。ソート後のデータ格納例を
図３０（ｂ）に示す。そして、制御装置１は検索結果出
力部１２６を起動し、検索結果出力バッファ２１８に格
納された検索結果（ソート後のデータ）の内容を表示装
置３に出力する（ステップＤ２７）。検索結果は、例え
ば図３１に示すような形態で出力するものとする。この
例では、文書番号（ＩＤ）「２」，「１」，「３」…と
いった順で検索結果が出力されている。なお、検索結果
の出力に際し、予め設定された閾値以上の類似度値を有
する文書のみを対象として出力することで、検索結果と
して提示する文書数を制限するようにしても良い。

【０１１４】また、さらに別の検索キー文書があれば
（ステップＤ２８のＮｏ）、ステップＤ１３に戻って上
記同様の処理を行うことになる。

【０１１５】このように、検索対象となる各文書を分野
別に分類すると共に、さらに、年別など時間的な区分で
分類し、その分野別かつ時間区分別の単語出現頻度情報
を作成することで、分野別の時間的要素に応じた各単語
の重要度を得ることができる。これにより、検索キー文
書と各検索文書との類似度計算を行う際に、検索キー文
書と検索文書のそれぞれの単語頻度情報の中の単語毎の
出現頻度を要素とする一次元ベクトルにおいて、各単語
の出現頻度に対し、分野別の時間的要素に応じた各単語
の重要度を加味して、精度の高い類似検索を実現するこ
とができる。

【０１１６】なお、上記実施形態では、検索キーとして
与えられた文書の分野、時間区分を全分野全時間区分の
検索文書とのマッチングにより判断したが、検索キー文
書の分野あるいは時間区分が明らかである場合には、そ
の分野、時間区分に限定したマッチングを行うといった
方法を採っても良い。

【０１１７】また、上記実施形態では、各単語の出現頻
度に分野毎の時間的な要素に応じた重み付けを行うよう
にしたが、少なくとも時間的な要素に応じた単語の重み
付けを行うことでも良い。ただし、上記図１で説明した
ように、特徴単語の時間的な変化は分野によって異なる
ため、多種の分野に亘って文書が存在する場合には、上
記実施形態のように分野と時間の両方の要素を加味して
単語の重み付けを行うことが望ましい。

【０１１８】また、本発明の類似文書検索装置は、例え
ば特許分野における引用文献の検索の他、一般的なパー
ソナルコンピュータ等におけるファイル管理など、検索
を必要とする技術一般に広く適用できるものである。

【０１１９】また、上述した実施形態において記載した
手法は、コンピュータに実行させることのできるプログ
ラムとして、例えば磁気ディスク（フロッピーディス
ク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、
ＤＶＤ等）、半導体メモリなどの記録媒体に書き込んで
各種装置に適用したり、通信媒体により伝送して各種装
置に適用することも可能である。本装置を実現するコン
ピュータは、記録媒体に記録されたプログラムを読み込
み、このプログラムによって動作が制御されることによ
り、上述した処理を実行する。

【０１２０】

【発明の効果】以上詳記したように本発明によれば、各
文書毎の単語の出現頻度に各文書の時間的な要素に応じ
た重み付けを行うようにしたため、時間別の単語の重要
度を得ることができ、各検索対象文書と検索キー文書と
の類似度を求める際にその単語重要度を加味すること
で、高精度の類似検索を実現することができる。

【０１２１】また、各文書を分野別に分類し、その分野
別の時間的な要素に応じた重み付けを行うことで、分野
によって異なる特徴単語の時間的な変化を反映させた単
語の重要度を得ることができる。このような分野別かつ
時間別の単語の重要度を各検索対象文書と検索キー文書
との類似度計算に加味することで、さらに高精度の類似
検索を実現することができる。

【図面の簡単な説明】

【図１】本発明の類似文書検索装置の概要を説明するた
めの図。

【図２】本発明の一実施形態に係る類似文書検索装置の
構成を示すブロック図。

【図３】図１に示す制御装置の内部構成を示すブロック
図。

【図４】データベース作成処理の動作を示すフローチャ
ート。

【図５】上記図４のステップＡ１１における検索文書登
録処理の具体的な動作を示すフローチャート。

【図６】上記図４のステップＡ１２における検索文書単
語出現頻度作成処理の具体的な動作を示すフローチャー
ト。

【図７】類似文書検索処理の動作を示すフローチャー
ト。

【図８】上記図７のステップＤ２０におけるノルム算出
処理の具体的な動作を示すフローチャート。

【図９】上記図７のステップＤ２５における類似度算出
処理の具体的な動作を示すフローチャート。

【図１０】検索文書大分類識別子データファイル（Ｆ
１）の一例を示す図。

【図１１】検索文書大分類データファイル（Ｆ２）の一
例を示す図。

【図１２】検索文書時間区分識別子データファイル（Ｆ
３）の一例を示す図。

【図１３】検索文書時間区分データファイル（Ｆ４）の
一例を示す図。

【図１４】検索文書格納バッファの内容を示す図。

【図１５】検索文書大分類識別子データ格納バッファの
内容を示す図。

【図１６】検索文書大分類格納バッファの内容を示す
図。

【図１７】検索文書時間区分識別子データ格納バッファ
の内容を示す図。

【図１８】検索文書時間区分データ格納バッファの内容
を示す図。

【図１９】検索文書大分類情報格納バッファの内容を示
す図。

【図２０】全検索文書大分類情報格納バッファの内容を
示す図。

【図２１】検索文書時間区分格納バッファの内容を示す
図。

【図２２】全検索文書時間区分格納バッファの内容を示
す図。

【図２３】検索文書単語情報格納バッファの内容を示す
図。

【図２４】検索文書ノルム情報格納バッファの内容を示
す図。

【図２５】検索文書単語頻度格納バッファの内容を示す
図。

【図２６】検索キー文書格納バッファの内容を示す図。

【図２７】検索キー文書単語情報格納バッファの内容を
示す図。

【図２８】検索キー文書ノルム情報格納バッファの内容
を示す図。

【図２９】共通単語情報格納バッファの内容を示す図。

【図３０】類似度格納バッファの内容（ソート前とソー
ト後）を示す図。

【図３１】検索結果出力バッファの内容を示す図。

【図３２】作業用変数バッファの内容を示す図。

【符号の説明】

１…制御装置 １ａ…制御部 １ｂ…メモリ部 ２…入力装置 ３…表示装置 ４…外部記憶装置 Ｆ１…検索文書大分類識別子データファイル Ｆ２…検索文書大分類データファイル Ｆ３…検索文書時間区分識別子データファイル Ｆ４…検索文書時間区分データファイル Ｆ５…全検索文書大分類情報データファイル Ｆ６…全検索文書時間区分データファイル

───────────────────────────────────────────────────── フロントページの続き (72)発明者 中里 茂美 東京都青梅市末広町２丁目９番地 株式会 社東芝青梅工場内 (72)発明者 齋藤 裕美 東京都青梅市末広町２丁目９番地 株式会 社東芝青梅工場内 (72)発明者 仁科 卓哉 東京都青梅市新町３丁目３番地の１ 東芝 コンピュ―タエンジニアリング株式会社内 (72)発明者 中本 幸夫 東京都青梅市新町３丁目３番地の１ 東芝 コンピュ―タエンジニアリング株式会社内 (72)発明者 山崎 弘 東京都青梅市新町３丁目３番地の１ 東芝 コンピュ―タエンジニアリング株式会社内 (72)発明者 松隈 剛 東京都青梅市新町３丁目３番地の１ 東芝 コンピュ―タエンジニアリング株式会社内 Ｆターム(参考） 5B075 ND03 NK02 NK10 NR05 NR12 PR04 PR06 PR10 UU05

Claims (8)

【特許請求の範囲】
1. 【請求項１】 複数の検索対象文書の中から検索キーと
   して与えられた文書と類似する文書を検索する類似文書
   検索装置において、 上記各検索対象文書および上記検索キー文書のそれぞれ
   に含まれる単語の出現頻度を求める出現頻度算出手段
   と、 この出現頻度算出手段によって得られた上記各検索対象
   文書および上記検索対象文書に対応した単語の出現頻度
   に、それぞれの文書の時間的な要素に応じた重み付けを
   行う単語重み付け手段と、 この単語重み付け手段によって重み付けされた単語出現
   頻度に基づいて上記各検索対象文書と上記検索キー文書
   との類似度を算出する類似度算出手段と、 この類似度算出手段によって得られた類似度に基づいて
   上記各検索対象文書の中から上記検索対象文書と類似す
   る文書を検索結果として出力する出力手段とを具備した
   ことを特徴とする類似文書検索装置。
2. 【請求項２】 上記単語重み付け手段は、上記出現頻度
   算出手段によって得られた上記各検索対象文書および上
   記検索対象文書に対応した単語の出現頻度に、それぞれ
   の文書が属する分野毎の時間的な要素に応じて重み付け
   を行うことを特徴とする請求項１記載の類似文書検索装
   置。
3. 【請求項３】 複数の検索対象文書の中から検索キーと
   して与えられた文書と類似する文書を検索する類似文書
   検索装置において、 上記各検索対象文書を時間的要素に基づいて分類する分
   類手段と、 この分類手段による分類別に上記各検索対象文書に含ま
   れる単語の出現頻度を求める第１の出現頻度算出手段
   と、 上記各検索対象文書および上記検索キー文書のそれぞれ
   に含まれる単語の出現頻度を求める第２の出現頻度頻度
   算出手段と、 上記第１の出現頻度算出手段によって得られた分類別の
   単語出現頻度に基づいて、上記第２の出現頻度算出手段
   によって得られた上記各検索対象文書および上記検索キ
   ー文書のそれぞれの単語の出現頻度に重み付けを行う単
   語重み付け手段と、 この単語重み付け手段によって重み付けされた単語出現
   頻度に基づいて上記各検索対象文書と上記検索キー文書
   との類似度を算出する類似度算出手段と、 この類似度算出手段によって得られた類似度に基づいて
   上記各検索対象文書の中から上記検索対象文書と類似す
   る文書を検索結果として出力する出力手段とを具備した
   ことを特徴とする類似文書検索装置。
4. 【請求項４】 上記分類手段は、上記各検索対象文書を
   それぞれが属する分野毎の時間的要素に基づいて分類す
   ることを特徴とする請求項３記載の類似文書検索装置。
5. 【請求項５】 複数の検索対象文書の中から検索キーと
   して与えられた文書と類似する文書を検索する類似文書
   検索方法において、 上記各検索対象文書および上記検索キー文書のそれぞれ
   に含まれる単語の出現頻度を求め、 上記各検索対象文書および上記検索対象文書に対応した
   単語の出現頻度に、それぞれの文書の時間的要素に応じ
   た重み付けを行い、 この重み付け後の単語出現頻度に基づいて上記各検索対
   象文書と上記検索キー文書との類似度を算出し、 この算出された類似度に基づいて上記各検索対象文書の
   中から上記検索対象文書と類似する文書を検索結果とし
   て出力することを特徴とする類似文書検索方法。
6. 【請求項６】 複数の検索対象文書の中から検索キーと
   して与えられた文書と類似する文書を検索する類似文書
   検索方法において、 上記各検索対象文書および上記検索キー文書のそれぞれ
   に含まれる単語の出現頻度を求め、 上記各検索対象文書および上記検索対象文書に対応した
   単語の出現頻度に、それぞれの文書が属する分野毎の時
   間的要素に応じた重み付けを行い、 この重み付け後の単語出現頻度に基づいて上記各検索対
   象文書と上記検索キー文書との類似度を算出し、 この算出された類似度に基づいて上記各検索対象文書の
   中から上記検索対象文書と類似する文書を検索結果とし
   て出力することを特徴とする類似文書検索方法。
7. 【請求項７】 複数の検索対象文書の中から検索キーと
   して与えられた文書と類似する文書を検索する類似文書
   検索機能を備えたコンピュータに、 上記各検索対象文書および上記検索キー文書のそれぞれ
   に含まれる単語の出現頻度を求める機能と、 上記各検索対象文書および上記検索対象文書に対応した
   単語の出現頻度に、それぞれの文書の時間的要素に応じ
   た重み付けを行う機能と、 この重み付け後の単語出現頻度に基づいて上記各検索対
   象文書と上記検索キー文書との類似度を算出する機能
   と、 この算出された類似度に基づいて上記各検索対象文書の
   中から上記検索対象文書と類似する文書を検索結果とし
   て出力する機能とを実行させるプログラムを記録したコ
   ンピュータ読取り可能な記録媒体。
8. 【請求項８】 複数の検索対象文書の中から検索キーと
   して与えられた文書と類似する文書を検索する類似文書
   検索機能を備えたコンピュータに、 上記各検索対象文書および上記検索キー文書のそれぞれ
   に含まれる単語の出現頻度を求める機能と、 上記各検索対象文書および上記検索対象文書に対応した
   単語の出現頻度に、それぞれの文書が属する分野毎の時
   間的要素に応じた重み付けを行う機能と、 この重み付け後の単語出現頻度に基づいて上記各検索対
   象文書と上記検索キー文書との類似度を算出する機能
   と、 この算出された類似度に基づいて上記各検索対象文書の
   中から上記検索対象文書と類似する文書を検索結果とし
   て出力する機能とを実行させるプログラムを記録したコ
   ンピュータ読取り可能な記録媒体。