JP2001167087A - 構造化文書検索装置，構造化文書検索方法，構造化文書検索用プログラム記録媒体および構造化文書検索用インデックス作成方法 - Google Patents

Abstract

(57)【要約】 【課題】複雑な構造を持つ文書を検索する構造化文書検
索装置に関し，階層関係を持つ構造の検索，特に兄弟関
係を含む構造の検索を可能とする。 【解決手段】構造化文書における要素である文書部品の
兄弟関係を検索条件として指定することができる問い合
わせを入力し，その問い合わせを木構造で表した問い合
わせ木を作成する。問い合わせ変換部17は，階層インデ
ックス参照部18を通して，検索対象の個々の構造化文書
の各文書部品の階層関係を，メタ部品を１ノードとする
木構造で表現した階層インデックス13を参照し，問い合
わせ木をブーリアン式に変換する。テキストインデック
ス参照部19は，テキストデータ中の文字列とメタ部品の
部品識別子との組を検索キーとして，それらが出現する
文書の文書識別子との関係情報を登録したテキストイン
デックス15を参照して，問い合わせ木を変換したブーリ
アン式に該当する文書を検索する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は，データベースに登
録された大量のＳＧＭＬ文書等の構造を持った文書の中
から，文書の構造および内容を高速に検索する装置に関
する。特に，構造および内容に関する問い合わせを従来
の全文検索エンジンで用いられてきたブーリアン式へ変
換する手段を持つことで，全文検索エンジンの高速検索
性能を活用した構造化文書検索装置に関する。

【０００２】

【従来の技術】近年，ワードプロセッサの普及やＯＣＲ
（Optical Character Reader）の開発により，大量の電
子化文書が作成・蓄積されている。蓄積される文書が大
量になるにつれ，必要な文書を高速に検索したいという
要求が以前にも増して強くなってきている。

【０００３】これに対し，例えば，特開平１０−２７１
８３号「データ登録方法および装置」や特開平８−２４
９３５４号「単語索引および単語索引作成装置および文
書検索装置」に示されるような全文検索エンジンが開発
されてきた。全文検索エンジンは，文書全文を検索対象
とし，検索キーから検索キーを含む文書を高速に参照す
るインデックスを備えている。予め検索用のキーワード
を各文書に付加する必要もなく，検索洩れも発生しない
特徴を持つが，全文が一様に検索対象となるため，文書
の構造を指定した検索要求を処理することができなかっ
た。

【０００４】一方，インターネットの爆発的な普及によ
り，ＨＴＭＬ文書やＸＭＬ文書のような構造を持った文
書（以下，構造化文書という）が一般にも大量に作成さ
れるようになった。また，企業においては，文書管理・
再利用の目的からＳＧＭＬ文書が作成・蓄積されてい
る。このような構造化文書に対し，全文を一様に検索対
象とするのではなく，文書の各部品毎に検索条件を指定
したいという要求が高まってきている。これに対し，例
えば，特開平１１−１５８４３号「ＳＧＭＬ文書検索装
置およびＳＧＭＬ文書検索方法」，特開平１１−５３４
００号「構造化文書検索装置及びプログラムを記録した
機械読み取り可能な記録媒体」，特開平１１−２４２６
７６号「構造化文書登録方法，検索方法，およびそれに
用いられる可搬型媒体」のような手法が考案されてい
る。

【０００５】特開平１１−１５８４３号「ＳＧＭＬ文書
検索装置およびＳＧＭＬ文書検索方法」は，構造化文書
を関係データベースに登録し，検索要求を従来のデータ
ベース問い合わせ言語であるＳＱＬで入力させる手法で
ある。この種の手法では，スキーマを予め規定する必要
があり，スキーマにそぐわない文書部品をデータベース
に登録することができなかった。また，大量の文書をデ
ータベースに登録すると検索速度が遅くなってしまうた
め，文書の内容を高速に検索するのためには，データベ
ースとは別に全文検索エンジンを持たなければならなか
った。

【０００６】また，特開平１１−５３４００号「構造化
文書検索装置及びプログラムを記録した機械読み取り可
能な記録媒体」は，文書中の一定領域をゾーンに分割
し，ゾーンとキーワードを組にしたキーをブーリアン式
で検索する手法である。この種の手法では，ある文書部
品が持つテキストデータの内容を高速に検索することは
できるが，文書部品の階層関係を検索条件に含めること
ができなかった。

【０００７】また，特開平１１−２４２６７６号「構造
化文書登録方法，検索方法，およびそれに用いられる可
搬型媒体」は，データベースに登録する文書の文書部品
を重ねあわせた構造インデックスと，文書の内容に対す
る文字列インデックスを持つ手法である。この種の手法
では，通常の全文検索エンジンのインデックスとは別
に，文書の構造を保持するインデックスを持たなければ
ならないが，文書部品の階層関係を検索条件に含めた検
索を高速に実行することができる。

【０００８】その他，特開平７−５６９０８号「文書処
理装置」や特開平７−３１９９１８号「文書検索対象指
示装置」があるが，これらは，１つの構造化文書に対す
る検索手法であり，大量の構造化文書の中から特定の文
書を検索するのための手法ではない。

【０００９】

【発明が解決しようとする課題】前述した特開平１１−
２４２６７６号「構造化文書登録方法，検索方法，およ
びそれに用いられる可搬型媒体」では，文書部品の階層
関係を検索条件に含めた検索を高速に実行する手法が開
示されているが，文書部品の階層関係は親子または子孫
関係だけに限られ，兄弟関係を検索条件に含める手法は
開示されていない。

【００１０】文書部品の兄弟関係を検索条件に含めるこ
とができない場合の問題点を以下に示す。

【００１１】＜従業員＞ ＜所属＞システム開発部＜／所属＞ ＜氏名＞山田太郎＜／氏名＞ ＜／従業員＞ ＜従業員＞ ＜所属＞総務部＜／所属＞ ＜氏名＞鈴木花子＜／氏名＞ ＜／従業員＞ 上記のような構造化文書において，「所属がシステム開
発部の鈴木花子さん」という検索条件を厳密に記述すれ
ば，「ある１つの＜従業員＞に囲まれた文書部品の中に
おいて，＜所属＞タグに囲まれたテキストデータが『シ
ステム開発部』であり，＜氏名＞に囲まれたテキストデ
ータが『鈴木花子』である」という検索条件となる。こ
の場合，文書部品の兄弟関係を検索条件に含めることが
できなければ，上記の検索条件は単に「＜所属＞に囲ま
れたテキストデータが『システム開発部』であり，＜氏
名＞に囲まれたテキストデータが『鈴木花子』」としか
指定することができなく，実際に望まれる検索結果とは
異なる結果が得られてしまう可能性がある。

【００１２】本発明は，大量に蓄積された構造化文書か
ら必要な文書を高速に検索するシステムにおいて，文書
部品の兄弟関係を検索条件に含める手段を提供すること
を目的とする。

【００１３】また，特開平１１−２４２６７６号「構造
化文書登録方法，検索方法，およびそれに用いられる可
搬型媒体」では，検索対象となる構造化文書の構造を重
ね合わせる形で構造インデックスを作成している。各文
書の構造を重ね合わせる際に，「両ノードの上位ノード
が互いに対応し，かつ両ノードの種別が一致し，かつ種
別の等しい兄弟ノードの並びの先頭から正順に数えた出
現順序が等しい場合に両ノードは対応していると見な
し」ているため，以下の文書１，文書２は，全く同じ構
造およびテキストデータを持った文書として扱われる。

【００１４】・文書１ ＜文書＞ ＜部品１＞構造化＜／部品１＞ ＜部品２＞文書＜／部品２＞ ＜部品３＞検索＜／部品３＞ ＜／文書＞ ・文書２ ＜文書＞ ＜部品２＞文書＜／部品２＞ ＜部品１＞構造化＜／部品１＞ ＜部品３＞検索＜／部品３＞ ＜／文書＞ すなわち，同じ種別となる兄弟ノードの並びは保存され
るものの，異なる種別となる兄弟ノードの順序は無視さ
れてしまう。

【００１５】本発明は，異なる種別となる兄弟ノードの
順序も保存した階層インデックスを用いることで，上記
の問題点を解決する手段を提供することを目的とする。
さらに，兄弟ノードの順序を検索条件に含めるかどうか
を検索時に自由に選択できる手段を提供することを目的
とする。

【００１６】また，特開平１１−２４２６７６号「構造
化文書登録方法，検索方法，およびそれに用いられる可
搬型媒体」において，検索条件は常に検索キーと構造指
定の組であり，構造指定だけを検索条件とする手法につ
いても開示されていない。本発明では，構造指定だけを
検索条件とする手段も提供する。

【００１７】また，大量に蓄積された構造化文書から文
書部品の階層関係を照合する処理において，複雑な構造
を持つ文書が登録される分だけ，照合処理に時間が掛か
る。本発明では，検索システムの検索速度を高めるため
に，文書部品の階層関係の照合を高速化する手段を提供
する。

【００１８】その他，テキストデータの照合において，
完全一致検索，部分一致検索を容易に行うための手段を
提供する。

【００１９】

【課題を解決するための手段】本発明は，各文書部品の
階層関係を，メタ部品を１ノードとする木構造で構造化
文書の構造を表現した階層インデックスと，各文書部品
が持つテキストデータ中の文字列を登録したテキストイ
ンデックスと，ユーザの問い合わせを木構造で受け取
り，ブーリアン式に変換する検索手段とを持つことによ
り，上記のような従来手法の問題点を解決する。ここ
で，文書部品とは，個々の構造化文書における１つ１つ
の要素部品を意味し，メタ部品は，いくつかの構造化文
書に共通してみられる要素部品を意味する。

【００２０】すなわち，本発明に係る構造化文書検索装
置は，各文書部品の階層関係を，メタ部品を１ノードと
する木構造で構造化文書の構造を表現した階層インデッ
クスと，テキストデータ中の文字列とメタ部品の部品識
別子との組をキーとし，キーとそのキーが出現する文書
の文書識別子とを登録したテキストインデックスと，ユ
ーザからの問い合わせを木構造（以下，問い合わせ木と
いう）で受け取り，前記階層インデックスと前記テキス
トインデックスとを参照し，問い合わせ木に該当する文
書を検索する検索手段とを備える。

【００２１】ある問い合わせにおいて，検索条件となる
文書部品の関係を木構造で表すことができ，特にその木
構造の中に文書部品の兄弟関係を指定することができ
る。さらに，検索条件として文書部品の兄弟関係を含む
とき，順序付きの兄弟関係か，または順序なしの兄弟関
係かのいずれか指定することができる。これにより，検
索手段は，問い合わせ木と階層インデックスとの照合
を，指定された順序付きの兄弟関係または順序なしの兄
弟関係に基づいて行う。

【００２２】また，前記検索手段は，(1) 階層インデッ
クスを参照し，問い合わせ木を文字列と部品識別子の組
を１つの検索キーとするブーリアン式に変換する処理
と，(2) テキストインデックスを参照し，前記ブーリア
ン式により問い合わせ木に該当する文書の文書識別子を
取得する処理との２段階の処理手段を持つ。

【００２３】また，前記階層インデックスのメタ部品を
表す各ノードでは，メタ部品は，上位ノードが同一のメ
タ部品であり，かつ同一の要素名であり，かつ文書にお
ける兄弟部品中の出現位置が同一であることを条件と
し，各ノードは，文書における兄弟部品中の出現位置を
持つこと，子ノードから親ノードへのリンクを持つこ
と，同じ要素名を持つノードへのリンクを持つことを特
徴とする。これによって，複雑な構造についても，迅速
に検索することが可能になる。

【００２４】また，前記テキストインデックスの作成で
は，テキストデータ中の文字列と部品識別子の組を作成
する際に，各文書部品毎に特殊文字列と部品識別子の組
となる特殊な検索キーを作成し，テキストインデックス
に登録する手段を持つ。これによって，構造のみの検索
（ある文書部品を含むかどうかだけが検索条件となるよ
うな検索）も容易に実現することができる。

【００２５】また，前記テキストインデックスの作成で
は，テキストデータ中の文字列と部品識別子の組を作成
する際に，テキストデータ毎にテキストデータの開始お
よび終了位置に特殊文字列を挿入した疑似テキストデー
タを作成し，疑似テキストデータからテキストインデッ
クスに登録する検索キーを作成する手段を持つ。これに
よって，完全一致検索または部分一致検索のいずれも容
易に実現することができる。

【００２６】本発明が従来の構造化文書を検索する装置
と特に大きく異なる点は，特に，ユーザからの問い合わ
せを木構造で受け取り，階層インデックスとテキストイ
ンデックスとを参照して文書を検索する検索手段を持つ
ことにより，文書部品の兄弟関係を検索条件に含めるこ
とができる点である。また，異なる種別となる兄弟ノー
ドの順序も保存した階層インデックスを用いることで，
兄弟関係の順序を検索条件に含めることができる点であ
る。

【００２７】

【発明の実施の形態】以下に，本発明の実施の形態を説
明する。本発明の実施の形態における構造化文書検索装
置のシステム構成例を図１に示す。図１中の点線の矢印
は文書登録時のデータの流れを，実線の矢印は検索時の
データの流れを示している。

【００２８】文書登録時には，文書構造解析部１１で検
索対象となる構造化文書２０の文書の構造が解析され，
階層インデックス登録部１２において階層インデックス
１３が作成される。同時にテキストインデックス登録部
１４においてテキストインデックス１５が作成される。

【００２９】検索時には，問い合わせ受付部１６で，ユ
ーザからインタフェース２１を介して受けた問い合わせ
をもとに問い合わせ木を作成し，問い合わせ変換部１７
において，まず階層インデックス参照部１８により，階
層インデックス１３を参照して問い合わせ木の構造を照
合し，一致した部分に仮ノードを付加し，この仮ノード
を用いてブーリアン式の論理木を作成し，論理木よりブ
ーリアン式（文字列）を作成する。この結果をもとに，
テキストインデックス参照部１９により，問い合わせに
該当する文書の文書識別子を得て，検索結果をユーザに
返す。

【００３０】必要ならば構造化文書検索装置１の横に文
書管理エンジン２２を置き，文書登録時には構造化文書
２０自体を構造化文書格納データベース（ＤＢ）２３に
格納し，検索時には該当文書の必要部分を抽出してユー
ザに返すような形態にしてもよい。このとき，文書管理
エンジン２２は，ユーザからの問い合わせを問い合わせ
受付部１６から受け取り，また検索結果をテキストイン
デックス参照部１９から受け取り，該当文書の必要部分
を抽出して，ユーザに返すこととなる。以下では，各手
段についてさらに詳細に説明する。

【００３１】〔階層インデックス〕本発明では，文書部
品の階層関係の照合を高速化するために，従来の全文検
索エンジンで使用されているインデックスとは別に，検
索対象となる構造化文書２０の構造を木構造で表した階
層インデックス１３を持つ。

【００３２】階層インデックス１３の構造の例を図２に
示す。図２（Ａ）に示す階層インデックスの全体の構造
は，上記「発明が解決しようとする課題」の説明で用い
た文書１および文書２，すなわち以下の２つの文書を登
録したときの例である。

【００３３】・文書１ ＜文書＞ ＜部品１＞構造化＜／部品１＞ ＜部品２＞文書＜／部品２＞ ＜部品３＞検索＜／部品３＞ ＜／文書＞ ・文書２ ＜文書＞ ＜部品２＞文書＜／部品２＞ ＜部品１＞構造化＜／部品１＞ ＜部品３＞検索＜／部品３＞ ＜／文書＞ 階層インデックス１３は，各構造化文書２０において，
構造が共通する文書部品をメタ部品として１ノードで表
し，メタ部品の階層関係を木構造で表したものである。

【００３４】図２（Ｂ）に示すように，１つのノード
は，要素名，文書における兄弟部品中の出現位置，メタ
部品を識別するための部品識別子，親ノードへのリンク
（親リンク），兄弟ノードへのリンク（兄弟リンク），
子供ノードへのリンク（子供リンク）を持ち，さらに，
要素名が同じノードへのリンク（要素リンク），および
問い合わせ木のノードへのリンク（問い合わせリンク）
を持つ。親リンク，子供リンク，兄弟リンクが木構造を
形成し，要素リンクは文書構造の照合時，問い合わせリ
ンクはブーリアン式への変換時に使用される。文書部品
は，上位のメタ部品が同一，要素名が同一，文書におけ
る兄弟部品中の出現位置が同一の場合に，同一のメタ部
品であるとする。

【００３５】図３に構造化文書の登録処理の手順を示
す。主な処理の手順は， １）文書の構造を解析する（ステップＳ１３）， ２）各文書部品に対するメタ部品の判定を行う（ステッ
プＳ１５）， ３）新規のメタ部品ならば階層インデックス１３に登録
する（ステップＳ１８）， ４）メタ部品の識別子とその部品が持つテキストデータ
をテキストインデックス１５に登録する（ステップＳ１
９）， の４段階となる。

【００３６】構造化文書の登録では，まず一番最初に，
階層インデックス１３のルートのノードを作成し（ステ
ップＳ１１），すべての文書に対し処理が終了するま
で，以下のステップを繰り返す（ステップＳ１２）。

【００３７】まず，登録する文書の１つについて文書の
構造を解析し（ステップＳ１３），その文書のすべての
文書部品に対して，ステップＳ１５〜Ｓ１９による処理
が終了したならば，ステップＳ１２へ戻って，次に登録
しようとする文書について同様に処理を繰り返す（ステ
ップＳ１４）。

【００３８】ステップＳ１５では，文書中の１つの文書
部品についてメタ部品であるかどうかの判定のための処
理を行い，文書部品が新しいメタ部品であれば（ステッ
プＳ１６），新規の部品識別子を発行し（ステップＳ１
７），階層インデックス１３に登録する（ステップＳ１
８）。その後，テキストインデックス１５への登録を行
う（ステップＳ１９）。文書部品が新しいメタ部品でな
ければ，階層インデックス１３への登録は行わないで，
テキストインデックス１５への登録だけを行う（ステッ
プＳ１９）。

【００３９】なお，ステップＳ１４の処理で，文書部品
を処理する順序は，文書中の開始タグの出現順とする。
これは，構造化文書の構造を木構造で表現したときに各
文書部品を深さ優先で処理することと同一の意味であ
る。

【００４０】図４にメタ部品の判定処理の手順（図３：
ステップＳ１５の処理の詳細）を示す。同一メタ部品の
判定は， １）上位のメタ部品が同一（ステップＳ２２）， ２）要素名が同一（ステップＳ２３）， ３）文書における兄弟部品中の出現位置が同一（ステッ
プＳ２４）， の３条件を満たすメタ部品が，既に階層インデックス１
３に登録されているか否かが基準となる。

【００４１】その文書部品が階層インデックス１３に登
録されていない場合には（ステップＳ２１），新規のメ
タ部品とし（ステップＳ２５），階層インデックス１３
に登録（図３：ステップＳ１７，Ｓ１８）する。既に階
層インデックス１３に登録されている場合には，同一の
メタ部品が登録済みであるとして（ステップＳ２６），
階層インデックス１３への登録は行わずにテキストイン
デックス１５への登録処理（図３：ステップＳ１９）へ
向かう。

【００４２】図５に階層インデックス１３への登録処理
の手順（図３：ステップＳ１８の処理の詳細）を示す。
処理の手順は， １）上位メタ部品に該当するノードまで木構造を辿る
（ステップＳ３１）， ２）上位メタ部品に子供がいなければ（ステップＳ３
２），上位メタ部品の子供リンクを新規ノードに張り
（ステップＳ３３），上位メタ部品に子供がいれば，上
位メタ部品の子供ノードの最後に新規ノード（兄弟リン
ク）を追加する（ステップＳ３４）， ３）新規ノードから上位メタ部品へのリンク（親リン
ク）を張る（ステップＳ３５）， ４）同じ要素名となるノードへ以下の手順により要素リ
ンクを張る， の４段階となる。

【００４３】上記４）の要素リンクを張る処理の手順
は，(a) 要素名とノードへのリンクを持ったワークバッ
ファを用意する，(b) ワークバッファが空（要素名が登
録されていない）ならば（ステップＳ３６），新規ノー
ドをワークバッファに登録する（ステップＳ３７），
(c) ワークバッファにノードが登録されているならば
（ステップＳ３６），登録されているノードから新規ノ
ードに要素リンクを張り，新規ノードをワークバッファ
に登録する（ステップＳ３８），という手順である。

【００４４】〔テキストインデックス〕テキストインデ
ックス１５は，検索文字列と部品識別子を１組とした検
索キーから，検索キーを含む文書の文書識別子を得るた
めのものである。検索文字列と部品識別子を１組の検索
キーとすること以外は，従来の全文検索エンジンで用い
られているインデックスと同様の形式となる。つまり，
検索キーから文書識別子を得るためのインデックス形式
には，インバーテッドファイル，シグネイチャファイ
ル，ビットマップファイル等の従来の全文検索エンジン
のインデックス形式を使用できる。

【００４５】ただし，ここでは，特に文書部品毎に特殊
文字列と部品識別子の組（特殊検索キー）を登録するこ
とにより，構造のみの検索（ある文書部品を含むかどう
かだけが検索条件となるような検索）を実現する。

【００４６】また，テキストデータの開始終了位置に特
殊文字列を入れた疑似テキストデータを用意し，疑似テ
キストデータから検索の最小単位となる特徴素を抽出
し，検索時には「開始位置の特殊文字列＋検索文字列＋
終了位置の特殊文字列」と部品識別子の組を検索キーに
することで，テキストデータの完全一致検索を実現す
る。なお，ここで特徴素とは，検索システムにおいて，
検索できる最小のキーをいう。テキストデータを特徴素
に分割するには，形態素解析やＮ−ｇｒａｍ分割の手法
を用いることができる。

【００４７】図６にテキストインデックスへの登録処理
の手順（図３：ステップＳ１９の処理の詳細）を示す。
図３の処理手順に示したように，テキストインデックス
１５への登録は各文書部品毎に行われる。

【００４８】登録の処理手順は， １）構造の存在を表す特殊文字列と部品識別子の組（特
殊検索キー）をテキストインデックス１５に登録する
（ステップＳ４１）， ２）文書部品がテキストデータを持つならば（ステップ
Ｓ４２），テキストデータの開始および終了位置に特殊
文字列を挿入した疑似テキストデータを作成する（ステ
ップＳ４３）， ３）疑似テキストデータを特徴素に分割する（ステップ
Ｓ４４）， ４）分割した特徴素と部品識別子の組（検索キー）をテ
キストインデックス１５に登録する（ステップＳ４
５）， の４段階となる。

【００４９】構造の存在を表す特殊文字列，テキストデ
ータの開始および終了位置に挿入する特殊文字列は，そ
れぞれテキストデータに出現しない文字列（文字コード
が与えられていない領域のコード値の並び）を用いれば
よい。

【００５０】〔検索時の問い合わせ木のブーリアン式へ
の変換処理〕図７に構造化文書の検索処理の手順を示
す。処理手順は， １）ユーザの問い合わせから問い合わせ木を作成（ステ
ップＳ５１）， ２）階層インデックス１３を参照し，問い合わせ木をブ
ーリアン式に変換（ステップＳ５２）， ３）ブーリアン式によるテキストインデックス１５の参
照（ステップＳ５３）， の３段階であり，これにより，ユーザの問い合わせに該
当する文書識別子を得る。

【００５１】ユーザからの問い合わせは，オブジェクト
指向問い合わせ言語や，現在，Ｗ３Ｃで規格化が進めら
れているＸＭＬ文書用の問い合わせ言語など，何を用い
てもよい。

【００５２】問い合わせ木の作成処理の手順は，使用す
る問い合わせ言語にもよるので，ここでは問い合わせ木
の構造の例のみを図８に示す。図８（Ａ）に示す全体の
構造は，図２（Ａ）に示す階層インデックスに対して，
「『文書』という要素名の文書部品の子供に『部品１』
があり，その後ろに『部品２』が存在し，『部品１』の
テキストデータが『構造化』という文字列を含む」とい
う検索条件を問い合わせ木で表現した例である。

【００５３】なお，子供となる部品の順序を考えない場
合には，「『部品１』があり，その後ろに『部品２』が
存在する」という条件は，「『部品１』と『部品２』が
存在する」という条件に置き換わる。

【００５４】問い合わせ木は，文書部品を表すノードが
木構造を形成し，問い合わせ木と同様の木構造を部分木
として持つ文書を照合するために使用する。図８（Ｂ）
に示すように，問い合わせ木中の各々のノードは，要素
名とテキストデータの照合条件，親ノードへのポイン
タ，兄弟ノードへのポインタ，子供ノードへのポインタ
を持つ。文書部品の存在のみが問われている場合には，
テキストデータの照合条件は，図６に示したステップＳ
４１の処理で登録した特殊文字列とする。完全一致検索
を行う場合には，テキストデータの照合条件は，「開始
位置の特殊文字列＋検索文字列＋終了位置の特殊文字
列」とする。

【００５５】図９に問い合わせ木のブーリアン式への変
換処理の手順（図７：ステップＳ５２の処理の詳細）を
示す。処理手順は， １）階層インデックス１３中で問い合わせ木の構造と一
致する部分を照合し，一致した部分に仮ノードを張り付
ける（ステップＳ６１）， ２）仮ノードを組み立ててブーリアン式の論理木を作成
する（ステップＳ６２）， ３）ブーリアン式の論理木よりブーリアン式（文字列）
を作成する（ステップＳ６３）， の３段階となる。全文検索エンジン内部でも，文字列で
あるブーリアン式を解析し，ブーリアン式の論理木を作
成するため，図９に示すステップＳ６２の処理で作成す
るブーリアン式の論理木を全文検索エンジンの内部形式
と同様にすれば，ステップＳ６３の処理をスキップでき
る。

【００５６】図１０に問い合わせ木の構造照合処理と仮
ノード付加処理の手順（図９：ステップＳ６１の処理の
詳細）を示す。処理手順は， １）問い合わせ木のノードを深さ優先で巡回する（ステ
ップＳ７１，Ｓ７２）， ２）それぞれのノードに対応する階層インデックス１３
のノードの集合を取得する（ステップＳ７３）， ３）上記２）の集合に対し，問い合わせ木のノードの親
子関係（祖先を含む）と同一か否かを判定する（ステッ
プＳ７５，Ｓ７６）， ４）問い合わせ木のノードが複数の子供ノードを持つ場
合，階層インデックス１３のノードをスタックにプッシ
ュする（ステップＳ７７，Ｓ７８）， ５）問い合わせ木のノードがテキストデータの照合条件
を持つ場合（文書部品の存在のみの問い合わせも含む）
には，階層インデックス１３のノードに仮ノードを張り
付ける（ステップＳ７１１）， ６）階層インデックス１３のノードの問い合わせリンク
を対応する問い合わせ木のノードにリンクする（ステッ
プＳ７９，Ｓ７１２）， の６段階となる。

【００５７】仮ノードはブーリアン式の論理木のノード
となる。仮ノードには，ノードのタイプ（ＡＮＤ，Ｏ
Ｒ，検索キーの種類），テキストデータの照合条件，部
品識別子を持たせる。ノードのタイプがＡＮＤ，ＯＲで
あるものを中間ノードとし，図９に示すステップＳ６２
の処理により，最終的に１つの論理木を組み立てる。

【００５８】図１１にブーリアン式の論理木の作成処理
の手順（図９：ステップＳ６２の処理の詳細）を示す。
処理手順は， １）図１０に示すステップＳ７８の処理で作成されるス
タックから，スタックが空になるまで（ステップＳ８
１），階層インデックス１３のノードを１つ１つ取り出
す（ステップＳ８２）， ２）取り出したノードより下に張り付けている仮ノード
に対し，後述するステップＳ８３〜ステップＳ８９の処
理を行う， ３）スタックが空となったら，ＯＲの仮ノードを用意
し，階層インデックス１３のルートノードから下のノー
ドに張り付けているすべての仮ノードをＯＲノードの子
供とする（ステップＳ８１０）， ４）組み立てられた論理木のＡＮＤ，ＯＲノードの中
で，子供ノードが１つのものは，その子供ノードを親ノ
ードに直接リンクさせ，論理木から外す（ステップＳ８
１１）， の４段階となる。

【００５９】上記２）の仮ノードに対する処理の手順
は，以下のとおりである。

【００６０】(a) いくつかのＯＲの仮ノードを用意して
おき，同じ問い合わせリンクを持つものをＯＲノードの
子供とする（ステップＳ８３）。

【００６１】(b) ステップＳ８３の処理で作成されたい
くつかのＯＲノードにおいて，ＡＮＤの仮ノードを用意
し，問い合わせリンク先のノードの親ノードが同一とな
るＯＲノードをＡＮＤノードの子供とする（ステップＳ
８４）。

【００６２】(c) 上記の２項目に該当しない仮ノード
は，スタックから取り出したノードに張り付けておく
（ステップＳ８５）。

【００６３】(d) 問い合わせ木が順序指定も含む場合に
は（ステップＳ８６），ステップＳ８４の処理で組み立
てられた論理木を論理式の分配規則「Ａ AND (Ｂ OR
Ｃ) ＝( Ａ AND Ｂ) OR (Ａ AND Ｃ) 」を用いて選言
標準系（例えば，「Ａ１ OR Ａ２ OR Ａ３ OR …」のよ
うな形をしており，各項が「Ａｉ＝Ｂ１ AND Ｂ２ AND
Ｂ３ AND…」となるような論理式）に変形し，問い合わ
せ木の子供ノードの順序と仮ノードが張られているノー
ドに格納されている出現位置の大小関係が一致していな
いＡＮＤノードは廃棄する（ステップＳ８７）。ただ
し，このときの選言標準系は，仮ノードが張り付けられ
ていたところまでをリテラルとし，正式な選言標準系ま
では変形しない。

【００６４】(e) 問い合わせ木の親ノードが持つ子供の
種別とＡＮＤノードの子供ノードが合わない場合には，
ＡＮＤノードを廃棄し（ステップＳ８８），ステップＳ
８８の処理で残ったＡＮＤノードは，ステップＳ８２の
処理のノードに張り付けておく（ステップＳ８９）。

【００６５】上記の処理手順により，ブーリアン式の論
理木が組み立てられる。組み立てられた論理木は，図９
に示すステップＳ６３の処理により文字列に変換され
る。この変換処理では，ブーリアン式の論理木を再帰的
に深さ優先で巡回し，ＡＮＤノードの子供ノードはＡＮ
Ｄ式で，ＯＲノードの子供ノードはＯＲ式で出力する。
また，それぞれのノードの子供ノードの出力は左括弧お
よび右括弧で囲む。以下に，この変換を行う再帰的な疑
似プログラム例を示す。 ・論理木から文字列への変換関数 再帰による変換関数(val node = 最初は論理木ルート) ｛ if((node == AND ノード) ‖(node == OR ノード))｛ 左括弧を出力; for(val child = nodeの子供リンク先;child; child = child の兄弟リンク先) ｛ if( 最初の子供以外) AND 記号もしくはOR記号の出力; ｝ 再帰による変換関数(child); ｝ 右括弧を出力; return; ｝ テキストデータの照合条件と部品識別子の組を出力; return; ｝ ブーリアン式に変換した後，ブーリアン式でテキストイ
ンデックス１５を参照する処理の手順は，検索キーが検
索文字列と部品識別子の組になる以外は，従来の全文検
索エンジンの手法と同様の手順となる。

【００６６】以上の処理手段を持つことにより，図１に
示すシステムは，以下のように作用する。

【００６７】構造化文書の構造を表現した階層インデッ
クスと，テキストデータ中の文字列と部品識別子を検索
キーとして検索キーを含む文書識別子を参照するテキス
トインデックスと，ユーザからの問い合わせを木構造で
受け取り，ブーリアン式に変換する手段と，ブーリアン
式でテキストインデックスを参照し，問い合わせ木に該
当する文書識別子を取得する手段を持つことで，従来の
全文検索エンジンの高速性を維持しつつ，構造化文書の
検索を実行できる。

【００６８】図９〜図１１に示す処理手順で，ユーザの
問い合わせをブーリアン式に変換する手段を持つことに
より，文書部品の兄弟関係を検索条件に含めることがで
きる。

【００６９】図１０に示すステップＳ７３の処理におい
て，要素リンクを用いて階層インデックスのノードの中
で同じ要素名を持つノードを取得するため，高速に同じ
要素名を持つノードの集合を取得することができる。ま
た，ステップＳ７６の処理において，階層インデックス
における祖先の判定は，子供ノードからの親リンクを辿
ることで祖先の判定を行うため，親ノードから子供ノー
ドを辿る手順に比べて，子供ノードにおける兄弟リンク
を辿る手順を省く効果がある。同時に，階層インデック
スには文書中の兄弟ノードの出現位置を保持させること
で，異なる要素名の文書部品の出現順序を検索条件に入
れるかどうかを検索時に切り替えることができる。

【００７０】テキストインデックスには，各文書部品毎
に特殊文字列と部品識別子の組となる特殊な検索キーを
登録する手段を持つことで，従来の全文検索エンジンの
枠組を崩さずに，文書部品の存在のみの検索条件を処理
することができる。

【００７１】各文書部品のテキストデータ毎にテキスト
データの開始および終了位置に特殊文字列を挿入した疑
似テキストデータを作成し，疑似テキストデータからテ
キストインデックスに登録する検索キーを作成する手段
を持つことで，テキストデータの照合に完全一致／部分
一致の２つの照合手段を選択することができる。

【００７２】

【実施例】〔実施例１〕以下，簡単な構造を持つ文書に
対する実施例を説明する。「発明が解決しようとする課
題」の説明で使用した以下の２つの文書を用いる。

【００７３】・文書１ ＜文書＞ ＜部品１＞構造化＜／部品１＞ ＜部品２＞文書＜／部品２＞ ＜部品３＞検索＜／部品３＞ ＜／文書＞ ・文書２ ＜文書＞ ＜部品２＞文書＜／部品２＞ ＜部品１＞構造化＜／部品１＞ ＜部品３＞検索＜／部品３＞ ＜／文書＞ （１）文書登録 以下に，簡単な構造を持つ文書を登録した場合の処理例
を示す。図１２および図１３を用いて，階層インデック
ス１３への登録処理を説明する。上記の２つの文書（文
書１，文書２）は，以下で説明する手順により，最終的
に図２（Ａ）に示すものと同様の階層インデックスとし
て登録されることになる。

【００７４】１）図３に示すステップＳ１１の処理によ
り，階層インデックスのルートノードが作成される。ル
ートノードには，兄弟部品中の出現位置や部品識別子と
してダミー値を持たせる（図１２（Ａ）参照）。

【００７５】２）文書１の登録において，階層インデッ
クスには，まだ何も登録されていないため，すべての文
書部品が新規のメタ部品として登録される。また，図５
に示すステップＳ３７の処理により，ワークバッファ４
１にはそれぞれの文書部品名とノードへのリンクを格納
しておく（図１２（Ｂ）参照）。

【００７６】３）文書２の登録において，文書２のルー
トとなる文書部品「文書」は，上位メタ部品，要素名，
文書中における兄弟部品での出現位置がすべて同一のノ
ードが既に登録されているため，特別な処理はない。

【００７７】次に，「文書」の最初の子供である「部品
２」は，上位メタ部品と要素名が同一となるノードは登
録されているが，兄弟部品中での出現位置が違うため，
異なるメタ部品と判定され，新規に登録される。また，
ワークバッファ４１には，すでに「部品２」が登録され
ているため，図５に示すステップＳ３８により，ワーク
バッファ４１からリンクされているノードの要素リンク
を新規のノードへ張り，ワークバッファ４１には新規の
ノードを登録する（図１２（Ｃ）参照）。

【００７８】４）文書２の「部品１」も「部品２」の場
合と同様に新規に登録される。ワークバッファ４１にお
ける要素リンクの張り替えも同様である（図１３（Ａ）
参照）。

【００７９】５）文書２の「部品３」は，上位メタ部
品，要素名，文書中における兄弟部品での出現位置がす
べて同一のノードが既に登録されているため，特別な処
理はない。また，これが登録する最後の文書部品である
ため，ワークバッファ４１が解放され，最終的な階層イ
ンデックスができあがる（図１３（Ｂ）参照）。

【００８０】上記の２つの文書をテキストインデックス
１５に登録する場合の処理を，図１４を用いて説明す
る。図１４に示すテキストインデックスへの登録例は，
以下の構成を用いた場合である。

【００８１】 ・インデックス形式にインバーテッドファイル形式を使
用 ・特徴素はバイグラム（２文字連続）で抽出 ・構造の存在を表す特殊文字列には「？？」を使用 ・テキストデータの開始位置の特殊文字列には「＾」を
使用 ・テキストデータの終了位置の特殊文字列には「＄」を
使用 インバーテッドファイル形式は，検索キー５１と，検索
キーを含む文書の文書識別子リスト５２の２つの構成と
なる。検索キー５１には，テキストデータから抽出した
特徴素とそれが存在している部品識別子を登録する。検
索キーを含む文書の文書識別子リスト５２の集合には，
それぞれの検索キーが含まれている文書の文書識別子を
並べて登録する。また，必要ならば，文書中の出現位置
や出現回数を登録する。図１４では，「文書識別子：出
現位置，…」の形式で登録した場合の例を示している。
例えば，特徴素が「検索」であり，部品識別子が「３」
の検索キーは，文書識別子リスト５２において「１：
８，２：８」となっており，これは「文書１の８の位
置，文書２の８の位置」に出現していることを表してい
る。構造の存在を表す特殊キー「？？」の出現位置に
は，ダミーの値（ここでは−１）を入れてある。

【００８２】（２）検索 続いて，簡単な構造を持つ文書の検索時の処理例を説明
する。以下の５つの検索要求１〜検索要求５を例として
取り上げる。

【００８３】［検索要求１］検索要求１では，文書部品
として「部品１」を含む文書を検索する。図１５および
図１６を用いて，検索要求１をブーリアン式に変換する
場合の内部動作を説明する。

【００８４】１）問い合わせ木は１ノードで形成され，
この問い合わせ木のノードには要素名として「部品
１」，テキストデータの照合条件として『？？』が格納
されている（図１５（Ａ）参照）。

【００８５】２）図１０に示す処理手順により，階層イ
ンデックス中の「部品１」のノードに仮ノードが張り付
けられる。また，仮ノードが張り付けられたノードの問
い合わせリンクに問い合わせ木のノードをリンクする
（図１５（Ｂ）参照）。

【００８６】３）検索要求１に対する問い合わせ木は，
図１０に示すステップＳ７７の処理の条件を満たさない
ため，スタックには何も入っていない状態となる。そこ
で，図１１に示すステップＳ８１の処理の条件を満た
し，ステップＳ８１０の処理により，上記２）の仮ノー
ドがブーリアン式の論理木においてＯＲノードの子供ノ
ードとなる（図１６参照）。

【００８７】４）上記３）で組み立てられたブーリアン
式の論理木を図９に示すステップＳ６３の処理により文
字列に変換し，最終的なブーリアン式を得る。１つの検
索キーを「検索文字列＠部品識別子」，ＯＲ演算子を
「ＯＲ」，ＡＮＤ演算子を「ＡＮＤ」，括弧記号
を「（」「）」と記述した場合，最終的なブーリアン式
は以下のような文字列となる。

【００８８】( ？？＠１ OR ？？＠５ )変換されたブー
リアン式を用いて，図１４に示すテキストインデックス
を参照し，検索結果として文書識別子「１」「２」を得
る。

【００８９】［検索要求２］検索要求２では，「部品
３」のテキストデータが『検索』を含む文書を検索する
（部分一致）。図１７を用いて，検索要求２をブーリア
ン式に変換する場合の内部動作を説明する。

【００９０】１）問い合わせ木は１ノードで形成され，
このノードには要素名として「部品３」，テキストデー
タの照合条件として『検索』が格納されている。

【００９１】２）図１０に示す処理手順により，階層イ
ンデックス中の「部品３」のノードに仮ノードが張り付
けられる。また，仮ノードが張り付けられたノードの問
い合わせリンクに問い合わせ木のノードをリンクする
（図１７（Ａ）参照）。

【００９２】３）検索要求２に対する問い合わせ木も図
１０に示すステップＳ７７の処理の条件を満たさないた
め，スタックには何も入っていない状態となる。そこ
で，図１１に示すステップＳ８１の処理の条件を満た
し，ステップＳ８１０の処理により，上記２）の仮ノー
ドがＯＲノードの子供ノードとなる（図１７（Ｂ）参
照）。

【００９３】４）上記３）で組み立てられたブーリアン
式の論理木を図１１に示すステップＳ８１１の処理によ
り形を整えた後，図９に示すステップＳ６３の処理によ
り文字列に変換し，最終的に以下のようなブーリアン式
を得る。

【００９４】（検索＠３）変換されたブーリアン式を用
いて，図１４に示すテキストインデックスを参照し，検
索結果として文書識別子「１」「２」を得る。

【００９５】［検索要求３］検索要求３では，「部品
３」のテキストデータが『検索』である文書を検索する
（完全一致）。テキストデータの完全一致を行う場合
は，問い合わせ木のテキストデータの照合条件が『＾検
索＄』となる以外は，上記の検索要求２の場合と同様の
処理であり，最終的に以下のようなブーリアン式を得
る。

【００９６】（＾検索＄＠３）上記のように，検索文字
列がいくつかの特徴素に分割される場合には，単純に図
１４に示すテキストインデックスを参照するだけでな
く，各特徴素の出現位置を調べ，それらが一列に並んで
いるかどうかを調べる必要がある。

【００９７】上記のブーリアン式において， ・『＾検』は「文書１の７番目，文書２の７番目」 ・『検索』は「文書１の８番目，文書２の８番目」 ・『索＄』は「文書１の９番目，文書２の９番目」 に出現し，それぞれが一列に並んでいるため，検索結果
として文書識別子「１」「２」を得る。

【００９８】［検索要求４］検索要求４では，「文書」
の子供に「部品１」と「部品２」が存在し，「部品１」
のテキストデータが『構造』という文字列を含む文書を
検索する（文書部品の兄弟関係の順序なし検索）。

【００９９】図１８〜図２１を用いて，検索要求４をブ
ーリアン式に変換する場合の内部動作を説明する。

【０１００】１）図１８（Ａ）に示すように，問い合わ
せ木は３ノードで形成され，各ノードはそれぞれ以下の
情報を格納している。

【０１０１】・要素名：「文書」，テキストデータの照
合条件：なし（問い合わせ木の親ノードにはテキストデ
ータの照合条件を持たせなくてよい。） ・要素名：「部品１」，テキストデータの照合条件：
『構造』 ・要素名：「部品２」，テキストデータの照合条件：
『？？』 これらのノードに対し，深さ優先で図１０に示す手順の
処理が行われる。

【０１０２】２）始めに，要素名「文書」のノードが処
理される。図１０に示すステップＳ７７の処理の条件を
満たすため，ステップＳ７８の処理により，階層インデ
ックス中の該当するノードがスタック４２に格納され
る。また，ステップＳ７９の処理により，スタック４２
に格納するノードの問い合わせリンクを問い合わせ木の
ノードにリンクする（図１８（Ａ）参照）。

【０１０３】３）次に，要素名「部品１」のノードが処
理され，図１０に示すステップＳ７１１の処理により，
階層インデックス中の該当するノードに仮ノードが張り
付けられる。同様に，要素名「部品２」のノードが処理
される（図１８（Ｂ）参照）。

【０１０４】４）スタック４２に１つノードが格納され
ているため，図１１に示すステップＳ８２の処理によ
り，そのノードが取り出される。

【０１０５】５）取り出したノードより下にある仮ノー
ドにおいて，ステップＳ８３の処理により，同じ問い合
わせリンクを持つ仮ノードをＯＲノードの子供ノードと
する（図１９参照）。

【０１０６】６）次に，ステップＳ８４の処理により，
上記のＯＲノードのうちで，問い合わせリンク先の親ノ
ードが同じとなるものをＡＮＤノードの子供ノードとす
る（図２０参照）。

【０１０７】７）「兄弟関係の順序なし」であるため，
ステップＳ８７の処理は行わず，ステップＳ８９の処理
により，上記のＡＮＤノードをスタック４２から取り出
したノードに張り付けておく（図２１（Ａ）参照）。

【０１０８】８）ここでスタック４２が空となり，ステ
ップＳ８１０の処理により，上記７）のＡＮＤノードが
ＯＲノードの子供ノードとなる（図２１（Ｂ）参照）。

【０１０９】９）上記８）で組み立てられたブーリアン
式の論理木を図１１に示すステップＳ８１１の処理によ
り形を整えた後（図２１（Ｃ）参照），図９に示すステ
ップＳ６３の処理により文字列に変換し，最終的に以下
のようなブーリアン式を得る。

【０１１０】((構造＠１ OR 構造＠５)) AND (？？＠２
OR ？？＠４)) 変換されたブーリアン式を用いて，図１４に示すテキス
トインデックスを参照し，検索結果として文書識別子
「１」「２」を得る。

【０１１１】［検索要求５］検索要求５では，「文書」
の子供に「部品１」があり，その後ろに「部品２」が存
在し，「部品１」のテキストデータが『構造』という文
字列を含む文書を検索する（文書部品の兄弟関係の順序
付き検索）。

【０１１２】文書部品の兄弟関係に兄／弟の順序関係を
検索条件と含める場合の処理は，検索要求４の処理手順
に図１１に示すステップＳ８７の処理を加えるだけであ
る。よって，ステップＳ８７までの処理は，検索要求４
の場合と同様となる。

【０１１３】１）検索要求４の場合と同様に階層インデ
ックスに仮ノードが張られ，スタック４２には，問い合
わせ木の親ノードに該当するノードが格納される。ま
た，ステップＳ８３，Ｓ８４の処理によりＯＲノード，
ＡＮＤノードによる論理式が組み立てられる（図２２参
照）。

【０１１４】２）図１１に示すステップＳ８７の処理に
より，論理式の分配規則を用いて，選言標準系になるよ
うにＯＲノード, ＡＮＤノードのリンクを張りかえる
（図２３参照）。

【０１１５】３）図２３の各ＡＮＤノードの中で，それ
ぞれの子供ノードが張りつけられている階層インデック
スのノードの出現位置情報を参照し，順序付きの兄弟関
係を満たさないＡＮＤノードを廃棄する。図２３に示す
例では，順序付きの兄弟関係を満たすＡＮＤノードは最
左のノードだけであり，その他のノードは廃棄される
（図２４（Ａ）参照）。

【０１１６】４）ステップＳ８７以降の処理は，検索要
求４の場合と同様であり，図１１に示すステップＳ８１
１の処理が終了した段階で得られる論理木は，図２４
（Ｂ）に示す論理木となる。この論理木に対し，図９に
示すステップＳ６３の処理により文字列に変換し，最終
的に以下のようなブーリアン式を得る。

【０１１７】（構造＠１ AND ？？＠２）この変換され
たブーリアン式を用いて，図１４に示すテキストインデ
ックスを参照し，検索結果として文書識別子「１」を得
る。

【０１１８】〔実施例２〕次に，多段階の兄弟関係指定
を持つ問い合わせ木に対するブーリアン式への変換処理
について説明する。構造が複雑になった文書を処理する
場合でも，基本的な処理は，上述した構造が簡単な文書
の場合と変わらない。複雑になるのは，階層インデック
スの構造と，問い合わせ木に対するブーリアン式への変
換における内部動作である。複雑な構造を持つ文書に対
する実施例を，以下の３つの文書（文書１，文書２，文
書３）の例を用いて説明する。

【０１１９】・文書１ ＜文書＞ ＜題名＞構造化文書検索＜／題名＞ ＜著者＞ ＜氏名＞山田太郎＜／氏名＞ ＜所属＞渋谷研究所＜／所属＞ ＜／著者＞ ＜／文書＞ ・文書２ ＜文書＞ ＜題名＞全文検索エンジン＜／題名＞ ＜著者＞ ＜氏名＞山田太郎＜／氏名＞ ＜所属＞渋谷研究所＜／所属＞ ＜／著者＞ ＜著者＞ ＜氏名＞鈴木花子＜／氏名＞ ＜所属＞新宿研究所＜／所属＞ ＜／著者＞ ＜／文書＞ ・文書３ ＜文書＞ ＜著者＞ ＜氏名＞山田太郎＜／氏名＞ ＜／著者＞ ＜著者＞ ＜氏名＞鈴木花子＜／氏名＞ ＜所属＞渋谷研究所＜／所属＞ ＜／著者＞ ＜題名＞構造化文書の管理＜／題名＞ ＜／文書＞ 上記の文書は，要素の繰り返しがある（文書２），要素
の欠損がある（文書３），といった文書例である。図２
５に，上記の３つの文書を階層インデックス１３に登録
した場合の階層インデックスへの登録例を示す。同時
に，図２６にテキストインデックス１５への登録の一部
を示す。テキストインデックスの形式は，簡単な構造を
持った文書に対する実施例の場合と同様である。

【０１２０】図２７〜図３２を用いて，以下のような検
索要求に対するブーリアン式への変換の内部動作を説明
する。

【０１２１】［検索要求６］検索要求６では，「氏名」
が『山田太郎』，「所属」が『渋谷研究所』である「著
者」が書いた「文書」で「題名」に『構造化文書』が含
まれる文書を検索する。文書部品の兄弟関係の順序は無
視する。

【０１２２】１）図２７に示すように，問い合わせ木は
５ノードで形成され，「著者」ノードが「氏名」ノード
と「所属」ノードの親，「文書」ノードが「著者」ノー
ドと「題名」ノードの親，といった２段階の兄弟関係を
含んでいる。始めに，「文書」ノードが処理され，「文
書」ノードは図１０に示すステップＳ７７の条件を満た
すため，該当する階層インデックスのノードがスタック
４２にプッシュされる（図２７参照）。

【０１２３】２）次に，「著者」ノードが処理され，
「文書」ノードと同様にスタック４２にプッシュされ
る。スタック４２にプッシュされる順番は，要素リンク
を辿った順序となる（図２８参照）。

【０１２４】３）次に，「氏名」ノード，「所属」ノー
ド，「題名」ノードの順に処理され，該当する階層イン
デックスのノードに仮ノードが張り付けられる（図２９
参照。図２９の例では説明を簡単にするため，説明に出
てこないリンクは示していない）。

【０１２５】４）スタック４２に格納されているノード
を順々に取り出し，ノードの下にある仮ノードをＯＲノ
ード, ＡＮＤノードの子供ノードとする。このとき，要
素名：「著者」／出現位置：０／部品識別子：８のノー
ドの下は，図１１に示すステップＳ８８の処理における
ＡＮＤノードの条件を満たしていないため，その下の仮
ノードは廃棄される（図３０参照）。

【０１２６】５）次に，「文書」ノードに該当する階層
インデックスのノードの下の仮ノードを図１１に示すス
テップＳ８３，Ｓ８４の処理により，ＯＲノード, ＡＮ
Ｄノードの子供ノードとする（図３１参照）。

【０１２７】６）図１１に示すステップＳ８１１の処理
が終了した段階で得られる論理木は，図３２に示す論理
木となる。この論理木に対し，図９に示すステップＳ６
３の処理により文字列に変換し，最終的に以下のような
ブーリアン式を得る。

【０１２８】 ((( 山田太郎＠３ AND 渋谷研究所＠４) OR(山田太郎
＠６ AND 渋谷研究所＠７))AND ( 構造化文書＠１ OR
構造化文書＠１０)) この変換されたブーリアン式を用いて，図２６に示すテ
キストインデックスを参照し，検索結果として文書識別
子「１」を得る。

【０１２９】［検索要求７］検索要求７では，検索要求
６に対し，文書部品の兄弟関係の順序付きとする。すな
わち，「氏名」が『山田太郎』，「所属」が『渋谷研究
所』である「著者」が書いた「文書」で「題名」に『構
造化文書』が含まれる文書であり，かつ「氏名」が「所
属」よりも先，「著者」が「題名」よりも先に出現する
文書を検索する。

【０１３０】１）文書部品の兄弟関係の順序付きが検索
要求に含まれ，図１１に示すステップＳ８７の処理を行
うが，「氏名」が「所属」よりも先に出現の条件は，す
べての文書に当てはまるため，上記の検索要求６の４）
の処理（図３０に示す例）までは同一の処理となる。

【０１３１】２）次に，スタック４２に格納されてあっ
た「文書」ノードに該当する階層インデックスのノード
の下の仮ノードに対し，図１１に示すステップＳ８３，
Ｓ８４の処理を行うと，図３３に示すような論理木が組
み立てられる。

【０１３２】３）図３３に示す論理木を選言標準系に変
形すると，図３４に示すような状態になり，ここで，右
から２つ目以外のＡＮＤノードが順序関係を満たしてい
ないため，それらのＡＮＤノードが廃棄される。

【０１３３】４）最終的に図３５に示す論理木が組み立
てられ，図９に示すステップＳ６３の処理により文字列
に変換し，以下のようなブーリアン式を得る。

【０１３４】((山田太郎＠３ AND 渋谷研究所＠４) AN
D 構造化文書＠１０) この変換されたブーリアン式を用いて，図２６に示すテ
キストインデックスを参照し，検索結果として「該当文
書なし」を得る。

【０１３５】

【発明の効果】以上説明したように，本発明によれば，
構造化文書の構造を表現した階層インデックスと，テキ
ストデータ中の文字列と部品識別子を検索キーとして含
む文書識別子を参照するテキストインデックスを備え，
ユーザの問い合わせを木構造で受け取り，ブーリアン式
に変換して，テキストインデックスを参照し，問い合わ
せ木に該当する文書識別子を取得することができる。こ
れにより，従来の全文検索エンジンの高速性を維持しつ
つ，構造化文書の検索ができる。

【０１３６】また，階層インデックスは，文書部品の兄
弟関係を記憶するので，検索条件に親子関係のみならず
兄弟関係を使用することができる。これにより，従来よ
り精度の高い検索結果が取得できる。

【図面の簡単な説明】

【図１】本発明の実施の形態におけるシステム構成例を
示す図である。

【図２】階層インデックスの例を示す図である。

【図３】構造化文書の登録処理の手順を示す図である。

【図４】メタ部品の判定処理の手順を示す図である。

【図５】階層インデックスへの登録処理の手順を示す図
である。

【図６】テキストインデックスへの登録処理の手順を示
す図である。

【図７】構造化文書の検索処理の手順を示す図である。

【図８】問い合わせ木の構造の例を示す図である。

【図９】問い合わせ木のブーリアン式への変換処理の手
順を示す図である。

【図１０】問い合わせ木の構造照合処理と仮ノード付加
処理の手順を示す図である。

【図１１】ブーリアン式の論理木の作成処理の手順を示
す図である。

【図１２】簡単な構造を持つ文書の階層インデックスへ
の登録処理を説明するための図である。

【図１３】簡単な構造を持つ文書の階層インデックスへ
の登録処理を説明するための図である。

【図１４】簡単な構造を持つ文書のテキストインデック
スへの登録例を示す図である。

【図１５】検索要求１をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図１６】検索要求１をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図１７】検索要求２をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図１８】検索要求４をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図１９】検索要求４をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２０】検索要求４をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２１】検索要求４をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２２】検索要求５をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２３】検索要求５をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２４】検索要求５をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２５】複雑な構造を持つ文書の階層インデックスへ
の登録例を示す図である。

【図２６】複雑な構造を持つ文書のテキストインデック
スへの登録例を示す図である。

【図２７】検索要求６をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２８】検索要求６をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図２９】検索要求６をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図３０】検索要求６をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図３１】検索要求６をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図３２】検索要求６をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図３３】検索要求７をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図３４】検索要求７をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【図３５】検索要求７をブーリアン式へ変換する場合の
内部動作を説明するための図である。

【符号の説明】

１ 構造化文書検索装置 １１ 文書構造解析部 １２ 階層インデックス登録部 １３ 階層インデックス １４ テキストインデックス登録部 １５ テキストインデックス １６ 問い合わせ受付部 １７ 問い合わせ変換部 １８ 階層インデックス参照部 １９ テキストインデックス参照部 ２０ 構造化文書 ２１ インタフェース ２２ 文書管理エンジン ２３ 構造化文書格納データベース（ＤＢ）

Claims (10)

【特許請求の範囲】
1. 【請求項１】 構造化文書の構造およびテキストデータ
   を検索する装置において，個々の構造化文書における要
   素である各文書部品について構造上共通性のあるものを
   メタ部品とし，メタ部品を１ノードとして各文書部品の
   階層関係を木構造で表現した階層インデックスを記憶す
   る手段と，テキストデータ中の文字列とメタ部品を識別
   する部品識別子との組と，それらが出現する文書の文書
   識別子との関係情報を登録したテキストインデックスを
   記憶する手段と，検索要求として文書部品の兄弟関係を
   含む関係を木構造で表すことのできる検索条件を指定し
   た問い合わせを入力し，その問い合わせを木構造で表し
   た問い合わせ木をもとに，前記階層インデックスにより
   構造を検索し，その構造の検索結果から前記テキストイ
   ンデックスを参照して問い合わせ木に該当する文書を検
   索する検索手段とを備えることを特徴とする構造化文書
   検索装置。
2. 【請求項２】請求項１記載の構造化文書検索装置におい
   て，前記問い合わせでは，検索条件として文書部品の順
   序付きの兄弟関係または順序なしの兄弟関係のいずれか
   を選択的に指定することができ，前記検索手段は，問い
   合わせ木と前記階層インデックスとの照合を，指定され
   た順序付きの兄弟関係または順序なしの兄弟関係に基づ
   いて行うことを特徴とする構造化文書検索装置。
3. 【請求項３】請求項１記載の構造化文書検索装置におい
   て，前記検索手段は，前記階層インデックスを参照し，
   問い合わせ木を文字列と部品識別子の組を１つの検索キ
   ーとするブーリアン式に変換する手段と，前記テキスト
   インデックスを参照し，前記ブーリアン式により問い合
   わせ木に該当する文書の文書識別子を取得する手段とを
   持つことを特徴とする構造化文書検索装置。
4. 【請求項４】 請求項３記載の構造化文書検索装置にお
   いて，前記検索手段は，問い合わせ木で表現された文書
   部品の兄弟関係による検索条件をブーリアン式に変換す
   ることを特徴とする構造化文書検索装置。
5. 【請求項５】 請求項１記載の構造化文書検索装置にお
   いて，前記階層インデックスにおけるメタ部品のノード
   は，上位ノードが同一のメタ部品であり，かつ同一の要
   素名であり，かつ文書における兄弟部品中の出現位置が
   同一であることを条件として生成されたものであり，各
   ノードは，文書における兄弟部品中の出現位置の情報，
   子ノードから親ノードへのリンク，および同じ要素名を
   持つノードへのリンクを持つことを特徴とする構造化文
   書検索装置。
6. 【請求項６】 構造化文書の構造およびテキストデータ
   を検索する構造化文書検索方法において，検索要求とし
   て木構造で表すことのできる問い合わせであって，構造
   化文書における要素である文書部品の兄弟関係を検索条
   件として指定することができる問い合わせを入力し，そ
   の問い合わせを木構造で表した問い合わせ木を作成する
   過程と，前記問い合わせ木の構造と，検索対象の個々の
   構造化文書における要素である各文書部品の階層関係
   を，メタ部品を１ノードとする木構造で表現した情報を
   持つ階層インデックスの構造とを照合し，一致する部分
   をもとに文字列と前記メタ部品を識別する部品識別子と
   の組からなる検索キーを生成する過程と，前記検索キー
   をもとに，検索対象の構造化文書におけるテキストデー
   タ中の文字列とメタ部品の部品識別子との組と，それら
   が出現する文書の文書識別子との関係情報を登録したテ
   キストインデックスを参照し，前記問い合わせ木に該当
   する文書を検索する過程とを有することを特徴とする構
   造化文書検索方法。
7. 【請求項７】 コンピュータによって構造化文書の構造
   およびテキストデータを検索するためのプログラムを記
   録した記録媒体であって，検索要求として木構造で表す
   ことのできる問い合わせであって，構造化文書における
   要素である文書部品の兄弟関係を検索条件として指定す
   ることができる問い合わせを入力し，その問い合わせを
   木構造で表した問い合わせ木を作成する処理と，前記問
   い合わせ木の構造と，検索対象の個々の構造化文書にお
   ける要素である各文書部品の階層関係を，メタ部品を１
   ノードとする木構造で表現した情報を持つ階層インデッ
   クスの構造とを照合し，一致する部分をもとに文字列と
   前記メタ部品を識別する部品識別子との組からなる検索
   キーを生成する処理と，前記検索キーをもとに，検索対
   象の構造化文書におけるテキストデータ中の文字列とメ
   タ部品の部品識別子との組と，それらが出現する文書の
   文書識別子との関係情報を登録したテキストインデック
   スを参照し，前記問い合わせ木に該当する文書を検索す
   る処理とを，コンピュータに実行させるためのプログラ
   ムを記録したことを特徴とする構造化文書検索用プログ
   ラム記録媒体。
8. 【請求項８】 検索要求として構造化文書における要素
   である文書部品を木構造で表すことのできる問い合わせ
   を入力し，検索対象となる構造化文書における各文書部
   品の階層関係を，メタ部品を１ノードとする木構造で表
   現した階層インデックスと，テキストデータ中の文字列
   とメタ部品を識別する部品識別子の組をキーとし，キー
   とキーが出現する文書の文書識別子を登録したテキスト
   インデックスとを参照して，構造化文書の構造およびテ
   キストデータを検索する装置において用いられるインデ
   ックスを作成する方法であって，前記階層インデックス
   を作成する際に，検索対象となる各構造化文書における
   各文書部品について，上位ノードが同一のメタ部品であ
   り，かつ同一の要素名であり，かつ文書における兄弟部
   品中の出現位置が同一であることを条件とするメタ部品
   であるかどうかを判定し，メタ部品である場合にその文
   書部品に対して部品識別子を付与し，それを階層インデ
   ックスのノードとして登録し，そのノードに文書におけ
   る兄弟部品中の出現位置の情報，子ノードから親ノード
   へのリンク，および同じ要素名を持つノードへのリンク
   を設定することを特徴とする構造化文書検索用インデッ
   クス作成方法。
9. 【請求項９】 検索要求として構造化文書における要素
   である文書部品を木構造で表すことのできる問い合わせ
   を入力し，検索対象となる構造化文書における各文書部
   品の階層関係を，メタ部品を１ノードとする木構造で表
   現した階層インデックスを参照するとともに，テキスト
   データ中の文字列とメタ部品を識別する部品識別子の組
   をキーとし，キーとキーが出現する文書の文書識別子を
   登録したテキストインデックスとを参照して，構造化文
   書の構造およびテキストデータを検索する装置において
   用いられるインデックスを作成する方法であって，前記
   テキストインデックスの作成においてテキストデータ中
   の文字列と部品識別子の組を作成する際に，各文書部品
   毎に特殊文字列と部品識別子の組となる特殊な検索キー
   を作成し，テキストインデックスに登録することを特徴
   とする構造化文書検索用インデックス作成方法。
10. 【請求項１０】 検索要求として構造化文書における要
    素である文書部品を木構造で表すことのできる問い合わ
    せを入力し，検索対象となる構造化文書における各文書
    部品の階層関係を，メタ部品を１ノードとする木構造で
    表現した階層インデックスを参照するとともに，テキス
    トデータ中の文字列とメタ部品を識別する部品識別子の
    組をキーとし，キーとキーが出現する文書の文書識別子
    を登録したテキストインデックスとを参照して，構造化
    文書の構造およびテキストデータを検索する装置におい
    て用いられるインデックスを作成する方法であって，前
    記テキストインデックスの作成においてテキストデータ
    中の文字列と部品識別子の組を作成する際に，テキスト
    データ毎にテキストデータの開始および終了位置に特殊
    文字列を挿入した疑似テキストデータを作成し，疑似テ
    キストデータからテキストインデックスに登録する検索
    キーを作成することを特徴とする構造化文書検索用イン
    デックス作成方法。