JP2001195408A

JP2001195408A - 大量文書類似検索システム

Info

Publication number: JP2001195408A
Application number: JP2000001044A
Authority: JP
Inventors: Yoshiaki Oshima; 義明大島; Ikuto Ishizuka; 郁人石塚
Original assignee: Hitachi Information Systems Ltd
Current assignee: Hitachi Information Systems Ltd
Priority date: 2000-01-06
Filing date: 2000-01-06
Publication date: 2001-07-19

Abstract

(57)【要約】【課題】大量検索対象文書をインデックスを用いて類
似検索を行なう際、検索対象文書数が増大しても検索速
度が遅れない大量文書類似検索システムを提供する。【解決手段】分野別に複数文書を割り当て、分野別複
数文書から分野別文書インデックスを作成する文書イン
デックス作成手順、各分野別文書インデックスから分野
別概要文書を作成する分野別概要文書作成手順、各分野
別概要文書から分野インデックスを作成する分野インデ
ックス作成手順、分野インデックスを参照し、検索条件
に適合する分野の類似検索を行ない、各分野別概要文書
を類似度の高さ順に選択する分野類似検索手順、選択し
た類似度の高い分野別概要文書に対応した分野別文書イ
ンデックスを参照し、検索条件に適合する文書の類似検
索を行ない、各文書を類似度の高さ順に選択する文書類
似検索手順、選択した文書を表示する文書表示手順を経
て大量の文書の類似検索を行なう。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、大量文書類似検索
システムに係わり、特に、大量の文書に対する類似検索
を行なう際に、２段階またはそれ以上の段階のインデッ
クスを用い、まず分野別類似検索を行なって類似分野を
特定し、次に特定した類似分野の文書類似検索を行なっ
て類似文書を特定するようにした大量文書群の類似検索
システムに関する。

【０００２】

【従来の技術】一般に、類似文書検索は、検索対象とな
る多くの文書（検索対象文書）の中から検索条件に適合
または類似した１つまたはそれ以上の数の文書を検索す
るものである。この場合、検索対象文書と検索条件との
類似度は、通常、サーチエンジンとして、それぞれの検
索対象文書に示されている各語の出現頻度の値等を計算
し、その計算結果から類似度の高さを求めるものが用い
られる。

【０００３】ところで、類似文書検索に限らず、一般的
なデータベース検索システムにおいては、インデックス
と呼ばれる索引データを作成し、そのインデックスを参
照して検索を行なう手法が多用されているが、検索対象
文書が大量になったり、検索対象データベースが大量に
なったりした場合、作成したインデックスが大きくなり
過ぎ、このような大きいインデックスを参照して検索す
ると、インデックスが大きくなった分だけ検索速度が遅
くなってしまう。

【０００４】このような検索速度の遅れを解消するため
に、検索対象文書または検索対象データベースの内容に
基づいて、検索対象文書または検索対象データベースが
属する分野の分類分けを行ない、分類分けした検索対象
文書または検索対象データベースに対してそれぞれ分野
別インデックスを作成し、また、類似文書検索または類
似データベース検索を行なう際には、ユーザーが検索対
象となる分野を指定することにより、指定した分野に該
当する分野別インデックスを参照した検索が行なわれ、
結果的に、検索速度の遅れを少なくした類似検索手段が
提案されている。

【０００５】これとは別に、複数のデータの類似検索を
行なう際に、インデックスを参照した検索を行なってい
るものとして、特開平７−２００６１４号に開示の類似
検索装置が知られている。

【０００６】特開平７−２００６１４号に開示の類似検
索装置は、複数のデータに対して類似検索を行なう際
に、効率的な類似検索を行なうことによって検索速度の
改善を計っているものであり、記憶手段に蓄積されてい
る複数のデータについて、データ量絞込み用第一インデ
ックスと、データの蓄積状態に対応して第一インデック
スのデータ量絞込み基準を変更する第二インデックスと
を生成し、第一インデックス及び第二インデックスを参
照してデータの類似検索を行なっているものである。

【０００７】特開平７−２００６１４号に開示の類似検
索装置は、属性及び属性値で表されたデータの類似検索
に係わるもので、本発明で対象としている文書検索とは
異なっているが、データ量絞込みインデックスを前提と
して類似検索を行なっている点は、文書の類似検索にも
同じように適用可能である。

【０００８】

【発明が解決しようとする課題】前記既提案による類似
検索手段は、正しく使用された場合に、検索速度の遅れ
を少なくすることができるものの、ユーザーが検索対象
分野を指定するときに、正しい検索対象分野を指定する
ことが難しいものであり、検索対象分野の正しい指定が
行なわれなかった場合、所望の類似検索を行なうことが
できなかったり、不所望な類似検索結果が得られたりす
る。

【０００９】また、前記既提案による類似検索手段は、
正しく使用される場合であっても、ユーザーが、指定す
る検索対象分野を１つの分野に絞らず、複数の分野を指
定したい場合があったり、さらに、ユーザーが検索対象
分野を指定せずに全分野についての類似検索をしたい場
合もあり、特に、検索対象分野を指定せずに検索すると
きは、全分野が検索対象分野になり、類似検索時に全て
の分野別インデックスを参照するようになるので、検索
速度の遅れの解消に役立たなくなる。

【００１０】一方、前記特開平７−２００６１４号に開
示の類似検索装置は、複数データの類似検索を行なうも
のであって、複数文書の類似検索ではないが、同じ技術
思想を用いて複数文書の類似検索にも適用することは可
能である。ところで、前記特開平７−２００６１４号に
開示の類似検索装置は、複数文書の類似検索に適用した
場合、検索速度の遅れを少なくすることができるもの
の、検索対象文書の文書数が増大した場合、文書量絞込
み用第一インデックスと、文書の蓄積状態に対応して第
一インデックスの文書量絞込み基準を変更する第二イン
デックスとがともに大きなものになるため、所望の類似
検索結果を得るまでの時間が長くなる、すなわち検索速
度に遅れを生じるようになる。

【００１１】本発明は、このような技術的背景に鑑みて
なされたもので、その目的は、大量の検索対象文書に対
してインデックスを用いて類似検索を行なう際に、検索
対象文書の文書数が増大しても、検索速度に遅れを生じ
ない大量文書類似検索システムを提供することにある。

【００１２】

【課題を解決するための手段】前記目的を達成するため
に、本発明による大量文書類似検索システムは、複数の
分野別にそれぞれ該当する複数の文書を割り当て、分野
別の複数の文書からそれぞれ分野別文書インデックスを
作成する文書インデックス作成手順と、各分野別文書イ
ンデックスからそれぞれ分野別概要文書を作成する分野
別概要文書作成手順と、各分野別概要文書から分野イン
デックスを作成する分野インデックス作成手順と、分野
インデックスを参照し、検索条件に適合する分野の類似
検索を行ない、各分野別概要文書を類似度の高い順に選
択する分野類似検索手順と、選択した類似度の高い分野
別概要文書に対応した分野別文書インデックスを参照
し、検索条件に適合する文書の類似検索を行ない、各文
書を類似度の高い順に選択する文書類似検索手順と、選
択した文書を表示する文書表示手順とを経て大量の文書
の類似検索を行なう構成を具備している。

【００１３】前記構成を備えた大量文書類似検索システ
ムによれば、分野別の複数の文書に基づいて分野別文書
インデックスを作成し、得られた分野別文書インデック
スに基づいて分野別概要文書を作成しているもので、文
書の類似検索を行なう際に、まず、各分野別概要文書を
参照して検索条件に適合する分野の類似検索を行なって
類似度の高い分野別概要文書を選択し、次に、選択した
分野別概要文書に対応する分野別文書インデックスを参
照して検索条件に適合する文書の類似検索を行なって類
似度の高い文書を選択するようにしているので、分野別
概要文書の類似検索と文書の類似検索とを同じサーチエ
ンジンの使用で迅速な類似検索を行なうことができる。

【００１４】この場合、前記構成における分野類似検索
手順は、類似度の高さが一定の基準を満たす分野別概要
文書を類似検索したとき、以後、分野類似検索手順の実
行を終了するような構成にしてもよい。

【００１５】また、前記構成における文書類似検索手順
は、類似度の高さが一定の基準を満たす分野別概要文書
に対してのみ、文書類似検索手順を実行するような構成
にしてもよい。

【００１６】また、前記構成における文書類似検索手順
は、入力操作によって任意の処理時点で文書類似検索手
順の実行を中断するような構成にしてもよい。

【００１７】このような各構成によれば、ほぼ満足でき
る類似検索が得られた段階で、その後の全ての文書に対
する類似検索の結果を待つことなく、類似検索処理を終
了させることができ、類似検索結果を得るまでの時間を
短縮することができる。

【００１８】さらに、前記構成における文書インデック
ス作成手順は、各分野別の複数の文書からそれぞれ第１
段階の分野別文書インデックスを作成した後、第１段階
の分野別文書インデックスの２つ以上のものからそれぞ
れ第２段階の分野別文書インデックスを作成するような
構成にすることもできる。

【００１９】このような構成によれば、分野別概要文書
の総数が非常に多くなるような場合、各分野別文書イン
デックスをさらに幾つかのグループの下位分野別文書イ
ンデックスに分け、各分野別文書インデックスをそれぞ
れ対象とした上位分野別概要文書と、幾つかの下位分野
別文書インデックスをそれぞれ対象とした下位分野別概
要文書とを作成し、類似検索時に、まず検索条件に適合
する上位分野別概要文書から検索を行なって１つの上位
分野別概要文書を求め、次いで求めた上位分野別概要文
書に対してさらに検索条件に適合する下位分野別概要文
書の検索を行なって１つの下位分野別概要文書を求め、
この下位分野別概要文書に対応する分野別文書インデッ
クスを得るようにしているので、検索対象文書の文書数
が増大しても、検索速度に大きな遅れを出すことなく、
迅速な類似検索を行なうことができる。なお、各分野別
文書インデックスの段階構成は、前記のような２段階の
ものに限られず、分野別概要文書の総数に応じて３段階
またはそれ以上の段階のものであってもよく、段階構成
にしない場合に比べて迅速な類似検索を行なうことが可
能になる。

【００２０】さらに、前記構成において、分野別概要文
書作成手順は、各文書インデックスに示された語の重要
度を求め、全語に対して重要度が一定の基準を満たして
いる語を選択し、選択した語について重要度に応じた整
数値を求め、得られた整数値の数だけその語を記述して
分野別概要文書を作成しているように構成することがで
きる。

【００２１】このような構成によれば、通常、使用頻度
の高い語ほど重要度が高くなる傾向にあるため、検索対
象文書における重要度の高い語を、分野別概要文書にお
いても重要度を高くすることができる。また、類似検索
エンジンには、通常、重要度の計算機能が含まれている
ので、類似検索エンジンの利用により、余分な計算経緯
を設定することなく、分野別概要文書の作成が可能にな
る。

【００２２】

【発明の実施の形態】以下、本発明の実施の形態を図面
を用いて説明する。

【００２３】図１は、本発明による大量文書類似検索シ
ステムの実施の形態に係わるもので、システムの要部構
成を示すブロック図である。

【００２４】図１において、１は文書インデックス作成
部、２は分野別概要文書作成部、３は分野インデックス
作成部、４は分野類似度判定部、５は文書インデックス
選択部、６は文書類似度判定部、７は入力部、８は表示
部、９（１）は分野Ａに該当する第１文書群、９（ｋ）
は分野Ｎに該当するは第ｋ文書群である。そして、文書
インデックス作成部１、分野別概要文書作成部２、分野
インデックス作成部３、分野類似度判定部４、文書イン
デックス選択部５、文書類似度判定部６、入力部７、表
示部８、第１文書群９（１）、第ｋ文書群９（ｋ）は、
図１に図示されるように結合されている。なお、文書イ
ンデックス作成部１、分野別概要文書作成部２、分野イ
ンデックス作成部３、分野類似度判定部４、文書インデ
ックス選択部５、文書類似度判定部６は、図１に図示さ
れていない制御部によりそれぞれの動作が制御される。

【００２５】また、図２は、図１に図示の大量文書類似
検索システムにおいて、第１文書群９（１）乃至第ｋ文
書群９（ｋ）に基づいて分野インデックスが作成される
までの動作経緯を示すフローチャートである。

【００２６】また、図３は、図１に図示の大量文書類似
検索システムにおいて、分野インデックスに基づいて文
書の類似検索の結果が得られるまでの動作経緯を示すフ
ローチャートである。

【００２７】ここで、図２及び図３に図示のフローチャ
ートを用い、図１に図示の大量文書類似検索システムの
動作について説明する。

【００２８】始めに、ステップＳ１において、文書イン
デックス作成部１は、分野Ａに該当する第１文書群９
（１）に基づいて分野Ａの文書インデックス１Ａを、分
野Ｎに該当する第ｋ文書群９（ｋ）に基づいて分野Ｎの
文書インデックス１Ｎをそれぞれ作成し、内部に収納し
ている。このとき、図１に図示を省略している他の分野
においても、同じようにその分野の文書インデックスを
それぞれ作成し、内部に収納している。

【００２９】ここで、図４は、それぞれの分野、例えば
分野Ａ乃至分野Ｃにおける各文書インデックス１Ａ乃至
１Ｃの内容の一例を示す説明図である。

【００３０】図４に示されるように、分野Ａの文書イン
デックス１Ａは、分野Ａに該当する第１文書群９（１）
に用いられているそれぞれの語ａ、語ｂ、語ｃ、語ｄ、
語ｅ、…、…とその頻度数とからなっており、分野Ｂ及
び分野Ｃの文書インデックス１Ｂ及び１も、分野Ｂ及び
分野Ｃに該当する第２及び第３文書群に用いられている
それぞれの語ａ、語ｂ、語ｃ、語ｄ、語ｅ、…、…とそ
の頻度数とからなっている。

【００３１】次に、ステップＳ２において、分野別概要
文書作成部２は、分野Ａの文書インデックス１Ａに基づ
いて分野Ａの概要文書２Ａを、分野Ｎの文書インデック
ス１Ｎに基づいて分野Ｎの概要文書２Ｎをそれぞれ作成
し、内部に収納している。このときも、図１に図示を省
略している他の分野においても、同じようにその分野の
概要文書をそれぞれ作成し、内部に収納している。

【００３２】ここで、図５は、それぞれの分野、例えば
分野Ａ乃至分野Ｃにおける各文書インデックス１Ａ乃至
１Ｃに基づいて分野Ａ乃至分野Ｃの概要文書２Ａ乃至２
Ｃをそれぞれ作成する際の過程を示す説明図である。

【００３３】図５において、２₁ は類似検索部、２₂ は
語と重要度判定部、２₃ は概要文書出力部であり、類似
検索部２₁ と語と重要度判定部２₂ と概要文書出力部２
₃ とによって分野別概要文書作成部２が構成されてい
る。また、１Ｂは分野Ｂの文書インデックス、１Ｃは分
野Ｃの文書インデックス、２Ｂは分野Ｂの概要文書、２
Ｃは分野Ｃの概要文書であり、その他、図１に図示の構
成要素と同じ構成要素については同じ符号を付けてい
る。

【００３４】図５に示されるように、分野別概要文書作
成部２は、検索条件として、分野Ａの文書インデックス
１Ａが類似検索部２₁ に入力されると、類似検索部２₁
及び語と重要度判定部２₂ とが協動して、分野Ａの文書
インデックス１Ａに含まれている各語ａ、語ｂ、語ｃ、
語ｄ、語ｅ、…、…とそれらの語の重要度を判定取得
し、概要文書出力部２₃ が取得した各語の文字列につい
て、全語もしくはシステムパラメータで与えられた重要
度しきい値を満たしている語に対して、その重要度に応
じた整数値、例えば重要度０．８を１０倍して整数値８
にする等の処理を行なって得た整数値をを求め、その整
数値分の数だけ記述した分野Ａの概要文書を形成し、そ
の形成文書を出力する。同じように、他の分野Ｂや分野
Ｃにおいても分野Ｂの概要文書や分野Ｃの概要文書を形
成し、その形成文書を出力する。

【００３５】ここで、図６は、分野別概要文書作成部２
で作成された分野別概要文書、例えば分野Ａの概要文書
の内容の一例を示す説明図である。

【００３６】図６に示されるように、分野Ａの概要文書
は、抽出語ａ、抽出語ｂ、抽出語ｃ、…、…の頻度に応
じた回数だけ、それらの抽出語を使用して作成したもの
で、図６に図示の例では、抽出語ａを１回、抽出語ｂを
２回、抽出語ｃを５回、…、…それぞれ用いているもの
である。

【００３７】続いて、ステップＳ３において、分野イン
デックス作成部３は、分野Ａの概要文書２Ａ、分野Ｂの
概要文書２Ｂ、…、…、分野Ｎの概要文書２Ｎに基づい
て分野インデックス３Ｉを作成し、内部に収納してい
る。

【００３８】図７は、分野インデックス作成部３で作成
された分野インデックス３Ｉの内容の一例を示す説明図
である。

【００３９】図７に示されるように、分野インデックス
３Ｉは、分野Ａに該当する概要文書２Ａから抽出したそ
れぞれの抽出語ａ、抽出語ｂ、抽出語ｃ、抽出語ｄ、抽
出語ｅ、…、…とその頻度数、分野Ｂに該当する概要文
書２Ｂから抽出したそれぞれの抽出語ａ、抽出語ｂ、抽
出語ｃ、抽出語ｄ、抽出語ｅ、…、…とその頻度数、分
野Ｃのに該当する概要文書２Ｃから抽出したそれぞれの
抽出語ａ、抽出語ｂ、抽出語ｃ、抽出語ｄ、抽出語ｅ、
…、…とその頻度数、その他の分野に該当する概要文書
から抽出したそれぞれの抽出語ａ、抽出語ｂ、抽出語
ｃ、抽出語ｄ、抽出語ｅ、…、…とその頻度数からなっ
ている。

【００４０】次に、ステップＳ１１において、分野類似
度判定部４は、分野インデックス作成部３から供給され
た分野インデックス３Ｉを参照し、入力部７から入力さ
れた検索条件と分野インデックス３Ｉとの分野類似度を
判定する。

【００４１】次いで、ステップＳ１２において、分野類
似度判定部４は、類似度を判定した結果、それぞれの分
野について分野類似度の順位付けを行ない、順位付けの
結果を文書インデックス選択部５に供給する。

【００４２】続く、ステップＳ１３において、文書イン
デックス選択部５は、分野類似度の順位付けが最上位の
分野別概要文書を選択する。

【００４３】続いて、ステップＳ１４において、文書イ
ンデックス選択部５は、選択した分野別概要文書につい
て、分野類似度が予め定めた設定値（第１しきい値）よ
りも高く、かつ、選択した分野別概要文書数が予め定め
た設定値（第２しきい値）よりも小さいか否かを判断す
る。そして、分野類似度が第１しきい値より高く、か
つ、分野別概要文書数が第２しきい値より小さいと判断
した（Ｙ）ときは、次のステップＳ１５に移行し、一
方、それらのいずれかを満たしていないと判断した
（Ｎ）ときは、この一連のフローチャートの動作を中止
終了させる。

【００４４】次に、ステップＳ１５において、文書イン
デックス選択部５は、選択した分野別概要文書に対応す
る分野別文書インデックスを選択し、選択した分野別文
書インデックスを文書類似度判定部６に供給する。

【００４５】次いで、ステップＳ１６において、文書類
似度判定部６は、文書インデックス選択部５から供給さ
れた分野別文書インデックスを参照し、入力部７から入
力された検索条件と分野別文書インデックスとの文書類
似度を判定し、それぞれの文書に対する類似度を出力す
る。

【００４６】続く、ステップＳ１７において、文書類似
度判定部６は、それぞれの文書に対する類似度の判定の
結果、文書類似度が予め定めた設定値（第３しきい値）
よりも高く、かつ、分野別文書インデックスに含まれる
文書数が予め定めた設定値（第４しきい値）よりも小さ
いか否かを判断する。そして、文書類似度が第３しきい
値より高く、かつ、分野別文書インデックスに含まれる
文書数が第４しきい値より小さいと判断した（Ｙ）とき
は、次のステップＳ１８に移行し、一方、それらのいず
れかを満たしていないと判断した（Ｎ）ときは、この一
連のフローチャートの動作を中止終了させる。

【００４７】続いて、ステップＳ１８において、文書類
似度判定部６は、文書類似度の判定の結果、ステップＳ
１７の要件を満たした文書を表示部８に供給し、表示部
８で表示させる。

【００４８】次に、ステップＳ１９において、文書類似
度判定部６は、表示部８で文書の表示が行なわれた結
果、入力部７の操作によって類似検索の中止指令が出さ
れたか否かを判断する。そして、類似検索の中止指令が
出されたと判断した（Ｙ）ときは、この一連のフローチ
ャートの動作を中止終了させ、一方、類似検索の中止指
令が出されていないと判断した（Ｎ）ときは、次のステ
ップＳ２０に移行する。

【００４９】次いで、ステップＳ２０において、文書イ
ンデックス選択部５は、分野類似度の順位付けが次の上
位の分野別概要文書を選択し、以下、ステップＳ１４以
降の動作が繰り返し実行される。

【００５０】なお、このフローチャートの実行中に、任
意の時点でユーザーが入力部７を操作し、類似検索の中
止指令を出力した場合には、その時点でフローチャート
の動作を停止させ、以降の処理を中止させることができ
る。

【００５１】前記の実施の形態においては、各分野別文
書インデックスからそれらに対応する分野別概要文書を
作成し、各分野別文書インデックスを１段階構成にした
例を挙げて説明したが、分野別概要文書の総数が非常に
多くなるような場合、各分野別文書インデックスを２段
階構成にする、すなわち、各分野別文書インデックスを
さらに幾つかのグループの下位分野別文書インデックス
に分け、各分野別文書インデックスをそれぞれ対象とし
た上位分野別概要文書と、幾つかの下位分野別文書イン
デックスをそれぞれ対象とした下位分野別概要文書とを
作成し、類似検索時に、まず検索条件に適合する上位分
野別概要文書から検索を行なって１つの上位分野別概要
文書を求め、次いで求めた上位分野別概要文書に対して
さらに検索条件に適合する下位分野別概要文書の検索を
行なって１つの下位分野別概要文書を求め、この下位分
野別概要文書に対応する分野別文書インデックスを得る
ようにしてもよい。

【００５２】このような構成にすれば、検索対象文書の
文書数が増大しても、検索速度に大きな遅れを出すこと
なく、迅速な類似検索を行なうことができる。

【００５３】なお、各分野別文書インデックスの段階構
成は、前記のような２段階のものに限られず、分野別概
要文書の総数に応じて３段階またはそれ以上の段階のも
のであってもよく、段階構成にしない場合に比べて迅速
な類似検索を行なうことが可能になる。

【００５４】

【発明の効果】以上説明したように、本発明によれば、
分野別の複数の文書に基づいて分野別文書インデックス
を作成し、得られた分野別文書インデックスに基づいて
分野別概要文書を作成しているもので、文書の類似検索
を行なう際に、まず、各分野別概要文書を参照して検索
条件に適合する分野の類似検索を行なって類似度の高い
分野別概要文書を選択し、次に、選択した分野別概要文
書に対応する分野別文書インデックスを参照して検索条
件に適合する文書の類似検索を行なって類似度の高い文
書を選択するようにしているので、分野別概要文書の類
似検索と文書の類似検索とを同じサーチエンジンの使用
で迅速な類似検索を行なうことができるという効果があ
る。

【図面の簡単な説明】

【図１】本発明による大量文書類似検索システムの実施
の形態に係わるもので、システムの要部構成を示すブロ
ック図である。

【図２】図１に図示の大量文書類似検索システムにおい
て、文書群に基づいて分野インデックスが作成されるま
での動作経緯を示すフローチャートである。

【図３】図１に図示の大量文書類似検索システムにおい
て、分野インデックスに基づいて文書の類似検索の結果
が得られるまでの動作経緯を示すフローチャートであ
る。

【図４】それぞれの分野における文書インデックスの内
容の一例を示す説明図である。

【図５】それぞれの分野における各文書インデックスに
基づいて対応する分野の概要文書をそれぞれ作成する際
の過程を示す説明図である。

【図６】分野別概要文書作成部で作成された分野別概要
文書の内容の一例を示す説明図である。

【図７】分野インデックス作成部で作成された分野イン
デックスの内容の一例を示す説明図である。

【符号の説明】

１文書インデックス作成部１Ａ、１Ｂ、１Ｃ、…、…、１Ｎ分野別文書インデッ
クス２分野別概要文書作成部２Ａ、２Ｂ、２Ｃ、…、…、２Ｎ分野別概要文書３分野インデックス作成部３Ｉ分野インデックス４分野類似度判定部５文書インデックス選択部６文書類似度判定部７入力部８表示部９（１）第１文書群９（ｋ）第ｋ文書群

Claims

【特許請求の範囲】

【請求項１】複数の分野別にそれぞれ該当する複数の
文書を割り当て、前記分野別の複数の文書からそれぞれ
分野別文書インデックスを作成する文書インデックス作
成手順と、前記各分野別文書インデックスからそれぞれ
分野別概要文書を作成する分野別概要文書作成手順と、
前記各分野別概要文書から分野インデックスを作成する
分野インデックス作成手順と、前記分野インデックスを
参照し、検索条件に適合する分野の類似検索を行ない、
前記各分野別概要文書を類似度の高い順に選択する分野
類似検索手順と、前記選択した類似度の高い分野別概要
文書に対応した分野別文書インデックスを参照し、検索
条件に適合する文書の類似検索を行ない、前記各文書を
類似度の高い順に選択する文書類似検索手順と、前記選
択した文書を表示する文書表示手順とを経て大量の文書
の類似検索を行なうことを特徴とする大量文書類似検索
システム。
【請求項２】前記分野類似検索手順は、類似度の高さ
が一定の基準を満たす分野別概要文書を類似検索したと
き、以後、前記分野類似検索手順の実行を終了させるこ
とを特徴とする請求項１に記載の大量文書類似検索シス
テム。
【請求項３】前記文書類似検索手順は、前記類似度の
高さが一定の基準を満たす分野別概要文書に対しての
み、前記文書類似検索手順を実行することを特徴とする
請求項１乃至２に記載の大量文書類似検索システム。
【請求項４】前記文書類似検索手順は、入力操作によ
って任意の処理時点で前記文書類似検索手順の実行を中
断することが可能であることを特徴とする請求項１に記
載の大量文書類似検索システム。
【請求項５】前記文書インデックス作成手順は、前記
各分野別の複数の文書からそれぞれ第１段階の分野別文
書インデックスを作成した後、前記第１段階の分野別文
書インデックスの２つ以上のものからそれぞれ第２段階
の分野別文書インデックスを作成することを特徴とする
請求項１に記載の大量文書類似検索システム。
【請求項６】前記分野別概要文書作成手順は、前記各
文書インデックスに示された語の重要度を求め、全語に
対して重要度が一定の基準を満たしている語を選択し、
選択した語について重要度に応じた整数値を求め、得ら
れた整数値の数だけその語を記述して分野別概要文書を
作成していることを特徴とする請求項１に記載の大量文
書類似検索システム。