JP2001337992A - 類似検索システム及び類似検索方法 - Google Patents

Abstract

(57)【要約】 【課題】 １つの単語で複数の異なった概念を表現しか
つ程度を表す概念を用いて表した類似度を用いて検索パ
ターンに類似した事例データを検索することができる。 【解決手段】 類似度検索装置１０は、事例データベー
スメモリ１１に格納された事例データベースに基づい
て、メモリ１２，１３及び１４に格納されたデータを参
照して、事例データベース内の各属性において各検索パ
ターンを含む度合いを示す含み類似度と、事例データベ
ース内の各属性において各検索パターンが含まれる度合
いを示す含まれ類似度とを計算し、計算された各含み類
似度と各含まれ類似度とに基づいて、事例データベース
内の全体の属性での割合を示す類似度割合を計算して出
力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、事例データベース
から予め指定したキーワードに類似するデータを検索し
て出力する類似検索システム及び類似検索方法に関す
る。

【０００２】

【従来の技術】従来例の類似検索システムが、例えば、
特開平１１−１１０４０４号公報において開示されてお
り、その構成を示すブロック図を図３に示す。従来例の
類似検索システムは、事例データベースを格納する事例
データベースメモリ１０１と、検索パターンを格納する
検索パターンメモリ１０２と、検索パターンに対応する
類似事例の類似度を計算する類似度計算装置１０３と、
計算された類似度を表示する類似度表示装置１０４とを
備えて構成される。

【０００３】従来例の類似検索システムにおいては、１
組のキーワード空間で定義されるキーワードの有無によ
り検索パターン及び検索対象を表現し、このキーワード
に基づき、検索パターンメモリ１０２内の検索パターン
と、事例データベースメモリ１０１内の検索対象とを比
較することにより検索を行っていた。

【０００４】

【発明が解決しようとする課題】従って、従来例の類似
検索システムにおいては、言語の多義性に伴う問題か
ら、複数の異なった概念（例えば、「新聞で知る」の
「新聞」において記述されている内容と見る場合と、
「新聞で拭く」の「新聞」を物理的存在物と見る場合の
複数の異なった概念）を１つのキーワードで特徴付けて
表現してしまったり、これを避けるため、キーワードの
文字表現が複雑（例えば、「新聞報道」と「新聞紙」な
どのように文字表現が複雑）になってしまうという問題
点があった。

【０００５】また、例えば、回数や成立度、信頼度など
の程度を表す概念をキーワードの有無として離散的に表
していたため、強い概念の部分的な成立状態（例えば、
「適時入院する」など）と弱い概念の全面的な成立状態
（例えば、「毎日往診を受ける」など）の類似性が適切
に表現できないという問題点があった。

【０００６】本発明の目的は以上の問題点を解決し、１
つの単語で複数の異なった概念を表現しかつ程度を表す
概念を用いて表した類似度を用いて検索パターンに類似
した事例データを検索することができる類似検索システ
ム及び類似検索方法を提供することにある。

【０００７】

【課題を解決するための手段】本発明に係る類似検索シ
ステムは、キーワードを含む集合空間である各属性に対
して、キーワードである属性値を含むか否かを示す形式
で事例を表すデータを含む事例データベースを格納する
第１の記憶装置と、各属性値が各属性値に含まれる度合
いの類似度と、各属性値が各属性値を含む度合いの類似
度とを示す第１の類似度テーブルを格納する第２の記憶
装置と、検索すべきキーワードを含む集合空間である各
属性に対して、検索すべきキーワードである属性値を含
むか否かを示す形式で検索パターンを表すデータを含む
検索パターンを格納する第３の記憶装置と、キーワード
を含む集合空間である各属性に対して、キーワードであ
る属性値を含む又は含まれるを示す形式で類似度設定を
表すデータを格納する第４の記憶装置と、上記第１の記
憶装置に格納された事例データベースに基づいて、上記
第２、第３及び第４の記憶装置に格納されたデータを参
照して、上記事例データベース内の各属性において上記
各検索パターンを含む度合いを示す含み類似度と、上記
事例データベース内の各属性において上記各検索パター
ンが含まれる度合いを示す含まれ類似度とを計算し、計
算された各含み類似度と各含まれ類似度とに基づいて、
上記事例データベース内の全体の属性での割合を示す類
似度割合を計算して出力する類似検索手段とを備えたこ
とを特徴とする。

【０００８】また、上記類似検索システムにおいて、上
記類似検索手段は、好ましくは、上記第１の記憶装置に
格納された事例データベースに基づいて、上記第２、第
３及び第４の記憶装置に格納されたデータを参照して、
上記事例データベース内の各属性において、各検索パタ
ーンを含む属性値で最大の類似度を有する各属性値の類
似度の平均値を含み類似度として計算し、上記事例デー
タベース内の各属性において、各検索パターンが含まれ
る属性値で最大の類似度を有する各属性値の類似度の平
均値を含まれ類似度として計算する。

【０００９】さらに、上記類似検索システムにおいて、
上記類似検索手段は、好ましくは、上記第１の記憶装置
に格納された事例データベースに基づいて、上記第２、
第３及び第４の記憶装置に格納されたデータを参照し
て、計算された含み類似度と、計算された含まれ類似度
とを、上記検索パターンの大きさと、上記事例データベ
ース内の属性の大きさとを用いて加重平均値を計算し
て、計算された加重平均値を、上記検索パターンと上記
事例データベース内の属性との間の相互類似度として計
算する。

【００１０】また、上記類似検索システムにおいて、上
記第４の記憶装置は、好ましくは、キーワードを含む集
合空間である各属性に対して、キーワードである属性値
を含み又は含まれることを示すときの重み係数をさらに
格納し、上記類似検索手段は、上記計算された各含み類
似度と各含まれ類似度とに基づいて、上記重み係数を考
慮して、上記検索パターンと上記事例データベース内の
属性との間の全体の類似度を計算し、上記計算された全
体の類似度に基づいて、上記重み係数を考慮して、上記
事例データベース内の全体の属性での割合を示す類似度
割合を計算して出力する。

【００１１】さらに、上記類似検索システムにおいて、
上記第２の記憶装置は、好ましくは、各属性値の程度間
の類似度を示す第２の類似度テーブルをさらに格納し、
上記類似検索手段は、さらに第２の類似度テーブルを参
照して、上記含み類似度と上記含まれ類似度とを計算す
る。

【００１２】またさらに、上記類似検索システムにおい
て、上記第１と第３の記憶装置は、好ましくは、キーワ
ードを含む集合空間である各属性に対して、キーワード
である属性値を含むか否かを示すときに、チェックマー
クを用いて含むことを示す形式で格納される。

【００１３】本発明に係る類似検索方法は、キーワード
を含む集合空間である各属性に対して、キーワードであ
る属性値を含むか否かを示す形式で事例を表すデータを
含む事例データベースを第１の記憶装置に格納するステ
ップと、各属性値が各属性値に含まれる度合いの類似度
と、各属性値が各属性値を含む度合いの類似度とを示す
第１の類似度テーブルを第２の記憶装置に格納するステ
ップと、検索すべきキーワードを含む集合空間である各
属性に対して、検索すべきキーワードである属性値を含
むか否かを示す形式で検索パターンを表すデータを含む
検索パターンを第３の記憶装置に格納するステップと、
キーワードを含む集合空間である各属性に対して、キー
ワードである属性値を含む又は含まれるを示す形式で類
似度設定を表すデータを第４の記憶装置に格納するステ
ップと、上記第１の記憶装置に格納された事例データベ
ースに基づいて、上記第２、第３及び第４の記憶装置に
格納されたデータを参照して、上記事例データベース内
の各属性において上記各検索パターンを含む度合いを示
す含み類似度と、上記事例データベース内の各属性にお
いて上記各検索パターンが含まれる度合いを示す含まれ
類似度とを計算し、計算された各含み類似度と各含まれ
類似度とに基づいて、上記事例データベース内の全体の
属性での割合を示す類似度割合を計算して出力する類似
検索ステップとを含むことを特徴とする。

【００１４】また、上記類似検索方法において、上記類
似検索ステップは、好ましくは、上記第１の記憶装置に
格納された事例データベースに基づいて、上記第２、第
３及び第４の記憶装置に格納されたデータを参照して、
上記事例データベース内の各属性において、各検索パタ
ーンを含む属性値で最大の類似度を有する各属性値の類
似度の平均値を含み類似度として計算し、上記事例デー
タベース内の各属性において、各検索パターンが含まれ
る属性値で最大の類似度を有する各属性値の類似度の平
均値を含まれ類似度として計算する。

【００１５】さらに、上記類似検索方法において、上記
類似検索ステップは、好ましくは、上記第１の記憶装置
に格納された事例データベースに基づいて、上記第２、
第３及び第４の記憶装置に格納されたデータを参照し
て、計算された含み類似度と、計算された含まれ類似度
とを、上記検索パターンの大きさと、上記事例データベ
ース内の属性の大きさとを用いて加重平均値を計算し
て、計算された加重平均値を、上記検索パターンと上記
事例データベース内の属性との間の相互類似度として計
算する。

【００１６】また、上記類似検索方法において、上記デ
ータを第４の記憶装置に格納するステップは、好ましく
は、キーワードを含む集合空間である各属性に対して、
キーワードである属性値を含み又は含まれることを示す
ときの重み係数をさらに格納するステップを含み、上記
類似検索ステップは、上記計算された各含み類似度と各
含まれ類似度とに基づいて、上記重み係数を考慮して、
上記検索パターンと上記事例データベース内の属性との
間の全体の類似度を計算し、上記計算された全体の類似
度に基づいて、上記重み係数を考慮して、上記事例デー
タベース内の全体の属性での割合を示す類似度割合を計
算して出力する。

【００１７】さらに、上記類似検索方法において、上記
第１の類似度テーブルを第２の記憶装置に格納するステ
ップは、好ましくは、各属性値の程度間の類似度を示す
第２の類似度テーブルをさらに格納するステップを含
み、上記類似検索ステップは、さらに第２の類似度テー
ブルを参照して、上記含み類似度と上記含まれ類似度と
を計算する。

【００１８】またさらに、上記類似検索方法において、
上記第１と第３の記憶装置は、好ましくは、キーワード
を含む集合空間である各属性に対して、キーワードであ
る属性値を含むか否かを示すときに、チェックマークを
用いて含むことを示す形式で格納される。

【００１９】

【発明の実施の形態】以下、図面を参照して本発明に係
る実施の形態について説明する。

【００２０】図１は、本発明に係る一実施の形態である
類似検索システムの構成を示すブロック図である。この
実施の形態に係る類似検索システムは、図１に示すよう
に、図２の類似検索処理を実行する類似度検索装置１０
と、事例ベクトルＳＳ１，ＳＳ２，…を含む事例データ
ベースを格納する事例データベースメモリ１１と、属性
値間類似度テーブル１２ａと属性値程度間類似度テーブ
ル１２ｂとを有する類似度テーブルメモリ１２と、類似
度設定セットテーブルを格納する類似度設定セットテー
ブルメモリ１３と、検索パターンベクトルＰＰ１，ＰＰ
２，…を格納する検索パターンメモリ１４と、例えばＣ
ＲＴディスプレイ装置又はプリンタ装置にてなり類似検
索装置１０によって計算された類似度計算結果を出力す
る類似度計算結果出力装置１５とを備えて構成される。

【００２１】本実施の形態に係る類似検索システムの構
成を概説すれば、事例データベースメモリ１１は、キー
ワードを含む集合空間である各属性に対して、キーワー
ドである属性値を含むか否かを示す形式で事例を表すデ
ータを含む事例データベースを格納する。また、類似度
テーブルメモリ１２は、各属性値が各属性値に含まれる
度合いの類似度と、各属性値が各属性値を含む度合いの
類似度とを示す第１の類似度テーブルである属性値間類
似度テーブル１２ａと、各属性値の程度間の類似度を示
す第２の類似度テーブルである属性値程度間類似度テー
ブル１２ｂとを格納する。さらに、検索パターンメモリ
１４は、検索すべきキーワードを含む集合空間である各
属性に対して、検索すべきキーワードである属性値を含
むか否かを示す形式で検索パターンを表すデータを含む
検索パターンを格納する。またさらに、類似度設定セッ
トテーブルメモリ１３は、キーワードを含む集合空間で
ある各属性に対して、キーワードである属性値を含む又
は含まれるを示す形式で類似度設定を表すデータと、キ
ーワードを含む集合空間である各属性に対して、キーワ
ードである属性値を含み又は含まれることを示すときの
重み係数とのセットである類似度設定セットを格納す
る。

【００２２】そして、類似度検索装置１０は、上記事例
データベースメモリ１１内の事例データベースに基づい
て、上記メモリ１２、１３及び１４に格納されたデータ
を参照して、図２の類似検索処理を実行することによ
り、上記事例データベース内の各属性において上記各検
索パターンを含む度合いを示す含み類似度と、上記事例
データベース内の各属性において上記各検索パターンが
含まれる度合いを示す含まれ類似度とを計算し（数１乃
至数３参照）、計算された各含み類似度と各含まれ類似
度とに基づいて、上記事例データベース内の全体の属性
での割合を示す類似度割合を計算して（数８参照）出力
することを特徴としている。ここで、類似検索装置１０
は、上記事例データベース内の各属性において、各検索
パターンを含む属性値で最大の類似度を有する各属性値
の類似度の平均値を含み類似度として計算し（数４参
照）、上記事例データベース内の各属性において、各検
索パターンが含まれる属性値で最大の類似度を有する各
属性値の類似度の平均値を含まれ類似度として計算する
（数３及び数４参照）。また、類似度検索装置１０は、
計算された含み類似度と、計算された含まれ類似度と
を、上記検索パターンの大きさと、上記事例データベー
ス内の属性の大きさとを用いて加重平均値を計算して
（数７参照）、計算された加重平均値を、上記検索パタ
ーンと上記事例データベース内の属性との間の相互類似
度として計算する（数５参照）。

【００２３】まず、本実施の形態で用いる記号の説明を
以下に行う。 （ａ）Ｍ：事例数、 （ｂ）ｎ：属性の次元数、 （ｃ）ｔ_i：ｉ番目の属性の属性値（キーワード）数、 （ｄ）Ｔｉ：ｉ番目の属性の属性値間類似度テーブル、 （ｅ）Ｃｉ：ｉ番目の（属性値の回数リストからなる）
属性の属性値程度間類似度テーブル、 （ｆ）ｋ_ij：ｉ番目の属性におけるｊ番目の属性値、 （ｇ）ｕ_i：ｉ番目の類似度設定セット、 （ｈ）ｗ_ij：ｉ番目の類似度設定セットにおけるｊ番目
の属性の重み係数、 （ｉ）ｆ_ij：ｉ番目の類似度設定セットにおけるｊ番目
の類似度の種類（ここで、類似度の種類は、「含まれ類
似度」、「含み類似度」及び「相互類似度」を含
む。）、 （ｊ）ＰＰ：ｎ次元の属性からなる検索パターンベクト
ル、 （ｋ）Ｐ_i：Ｐのｉ番目の属性における属性値リスト、 （ｌ）ＳＳＳｍ：ｎ次元の属性からなるｍ番目の事例ベ
クトル、 （ｍ）ＳＳｍ_i：ｍ番目の事例ベクトルにおけるｉ番目
の属性の属性値リスト、 （ｎ）｜ｘ｜：要素ｘの要素数又は次元数。

【００２４】図１において、事例データベースメモリ１
１は、類似事例の空間を示す事例ベクトルＳＳ１，ＳＳ
２，ＳＳ３，…を格納する。ここで、事例ベクトルＳＳ
１，ＳＳ２，ＳＳ３の一例を以下の表に示す。なお、以
下の表において、”レ”はその事例ベクトルの属性が属
性値に該当することを示すチェックマークであり、事例
データベースは、各事例ベクトルの属性において各属性
値に対して該当するか否かを、チェックマークを用いて
示す属性ベクトルＳＳ１１及びＳＳ１２を含む。また、
属性ベクトルＳＳ１３においては、チェックマークの代
わりに各属性値が満たされる程度を記載している。

【００２５】

【表１】事例ベクトルＳＳ１

【００２６】例えば、事例ベクトルＳＳ１は、属性ベク
トルＳＳ１１，ＳＳ１２，ＳＳ１３を含み、属性ベクト
ルＳＳ１１は属性値Ａ及びＢを含み、属性ベクトルＳＳ
１２は属性値Ｘを含み、属性ベクトルＳＳ１３は属性値
Ｌを程度２で含むが、属性値Ｍ及びＮを含まないことを
示している。以下、事例ベクトルＳＳ２，ＳＳ３につい
ても同様である。

【００２７】

【表２】事例ベクトルＳＳ２

【００２８】

【表３】事例ベクトルＳＳ３

【００２９】また、検索パターンメモリ１４に格納され
る検索パターンベクトルＰＰの一例及び類似度設定セッ
トテーブルメモリ１３に格納される類似度設定セットの
一例を以下の表に示す。以下の表において、”レ”は検
索パターンベクトルの属性が属性値に該当することを示
すチェックマークであり、検索パターンメモリ１４は、
検索パターンベクトルにおいて各属性値に対して該当す
るか否かを、チェックマークを用いて示す属性ベクトル
ＰＰ１及びＰＰ２を含む。

【００３０】

【表４】実施例１の検索パターンベクトルＰＰと類似度
設定セットｕ

【００３１】ここで、実施例１の検索パターンベクトル
ＰＰは、属性ベクトルＰＰ１，ＰＰ２，ＰＰ３を含み、
ここで、属性ベクトルＰＰ１１は属性値Ｂ及びＣを含
み、重み係数ｗ₁＝１．０でＰＰを含むものを検索する
ものと登録されている。また、属性ベクトルＰＰ１２は
属性値Ｙのみを含み、重み係数ｗ₂＝１．０で検索パタ
ーンベクトルＰＰを含むものを検索するものと登録され
ている。さらに、属性ベクトルＰＰ３は何も属性値を含
まないと登録されている。

【００３２】さらに、類似度テーブルメモリ１２に格納
される属性値間類似度テーブル１２ａと属性値程度間類
似度テーブル１２ｂの一例を以下の表に示す。各類似度
テーブル１２ａ，１２ｂにおいて、各類似度は、列に示
した属性値が行に示した属性値に含まれる度合いの類似
度を示す一方、行に示した属性値が列に示した属性値に
含む度合いの類似度を示す。

【００３３】

【表５】属性値間類似度テーブルＴ１

【００３４】

【表６】属性値間類似度テーブルＴ２

【００３５】

【表７】属性値間類似度テーブルＴ３

【００３６】

【表８】属性値程度間類似度テーブルＣ３

【００３７】次いで、本実施の形態で用いる「含まれ類
似度」、「含み類似度」、「類似度」及び「類似度割
合」について以下に説明する。 （ａ）ｄ_k（ｋ_ix，ｋ_iy）は属性値（キーワード）ｋ_ix
が属性値（キーワード）ｋ_iyに含まれる程度を表す「含
まれ類似度」であり、属性値間類似度テーブルＴｉのｘ
行目でｙ列目に記載されている。 （ｂ）ｄ_c（ｋ_ix，ｋ_iy）は属性値程度間類似度テーブ
ルＣｉにおける属性の属性値ｋ_ix，ｋ_iyの各程度を表す
「含まれ類似度」であり、属性値程度間類似度テーブル
Ｃｉのｘ行目でｙ列目に記載されている。

【００３８】（ｃ）一般に、「含まれ類似度」ｄ
（ｋ_ix，ｋ_iy）は、次式で表される。 （ｃ−１）ｉ番目の属性が属性値間類似度テーブルＴｉ
における属性値をとる属性であるとき：

【００３９】

【数１】

【００４０】（ｃ−２）ｉ番目の属性が属性値程度間類
似度テーブルＣｉにおける属性値をとる属性であると
き：

【００４１】

【数２】

【００４２】（ｄ）Ｄ_<（ＰＰｉ，ＳＳｍｉ）は、検索
パターンベクトルＰＰｉが事例ベクトルＳＳｍｉに含ま
れる程度を表す「含まれ類似度」であり、次式で表すこ
とができる。

【００４３】

【数３】

【００４４】（ｅ）Ｄ_>（ＰＰｉ，ＳＳｍｉ）は、検索
パターンベクトルＰＰｉが事例ベクトルＳＳｍｉに含む
程度を表す「含み類似度」であり、所定の条件のもと
で、次式に示すように、「含まれ類似度」に等しい。

【００４５】

【数４】

【００４６】（ｆ）Ｄ_≒（ＰＰｉ，ＳＳｍｉ）は、検索
パターンベクトルＰＰｉが事例ベクトルＳＳｍｉに近い
ときの「相互の類似度」であり、次式で表される。

【００４７】

【数５】

【００４８】なお、上記数５の左辺のＤの下付き文字
（２つの〜で示している。）は、数式の所定のフォント
で表現できないために、≒と同義で用いている。 （ｇ）Ｄ（ＰＰ，ＳＳｍ，ｕ_z）は検索パターンベクト
ルＰＰと事例ベクトルＳＳｍの類似度設定セットｕ_zに
おける類似度であり、次式で表される。

【００４９】

【数６】

【００５０】ここで、

【数７】

【００５１】また、ｆ_ziは、類似度の種類であり、＜、
＞、又は≒のいずれかである。 （ｈ）類似度割合Ｒ（ＰＰ，ＳＳｍ，ｕ_z）は、検索パ
ターンベクトルＰＰと事例ベクトルＳＳｍの類似度設定
セットｕ_zにおける類似度であり、次式で表される。

【００５２】

【数８】

【００５３】図２は、図１の類似度検索装置１０によっ
て実行される類似検索処理を示すフローチャートであ
る。図２において、まず、ステップＳ１において、事例
データベースメモリ１１内の事例データベースに基づい
て、類似度テーブルメモリ１２内の各類似度テーブル１
２ａ及び１２ｂと、類似度設定セットテーブルメモリ１
３内の類似度設定セットテーブルと、検索パターンメモ
リ１４内の検索パターンベクトルとを参照して、上記数
１ないし数５を用いて、含まれ類似度Ｄ_<（ＰＰｉ，Ｓ
Ｓｍｉ）と、含み類似度Ｄ_>（ＰＰｉ，ＳＳｍｉ）と、
相互類似度Ｄ_≒（ＰＰｉ，ＳＳｍｉ）とを計算する。次
いで、ステップＳ２において、計算された含まれ類似度
Ｄ_<（ＰＰｉ，ＳＳｍｉ）と、含み類似度Ｄ_>（ＰＰｉ，
ＳＳｍｉ）と、相互類似度Ｄ_≒（ＰＰｉ，ＳＳｍｉ）と
に基づいて、検索パターンメモリ１４内の検索パターン
ベクトルと、類似度設定セットテーブルメモリ１３内の
類似度設定セットテーブルとを参照して、上記数６及び
数７を用いて、類似度Ｄ（ＰＰ，ＳＳｍ，ｕ_z）を計算
した後、上記数８を用いて類似度割合Ｒ（ＰＰ，ＳＳ
ｍ，ｕ_z）を計算する。さらに、ステップＳ３におい
て、計算された類似度割合Ｒ（ＰＰ，ＳＳｍ，ｕ_z）を
降順でソートして各事例ベクトルＳＳｍに対する類似度
割合Ｒ（ＰＰ，ＳＳｍ，ｕ_z）を類似度計算結果として
類似度計算結果出力装置１５に出力してソートした順序
で表示又は印字して当該類似検索処理を終了する。

【００５４】以上説明したように、本発明に係る実施の
形態によれば、以下の特有の効果を有する。 （Ａ）事例データベースメモリ１１と検索パターンメモ
リ１４とを備えたので、検索対象、検索パターンを簡単
かつ柔軟に表現できる。 （Ｂ）類似度テーブルメモリ１２と類似度設定セットテ
ーブルメモリ１３とを備えたので、類似検索すべき類似
性を簡単かつ柔軟に表現できる。すなわち、「含まれ類
似度」、「含む類似度」及び「相互類似度」を用いて類
似度を表すようにしたので、これらのキーワード（及び
程度）相互の類似度を非対称に表現でき管理できる（す
なわち、Ａから見たＢへの類似度とＢからみたＡへの類
似度は異なるとした）ことにより、程度の類似性（「大
は小を兼ねる」など）の表現がより自然に表現できるよ
うになった。 （Ｃ）事例データベースメモリ１１と検索パターンメモ
リ１４においてチェックリストを含む形式にしたので、
所望の検索方法や検索方針を簡単かつ柔軟に指示でき
る。すなわち、複数のキーワード空間（属性と呼ぶ）に
属するキーワード（属性値）のチェックリスト（それぞ
れのキーワードとの相関の有無）及び属性値の回数（そ
れぞれのキーワードの程度）を用いて、検索パターン及
び検索対象を表現することにより、異なった属性におい
て同じ文字表現の属性値を異なったものとして扱うこと
や、キーワードの程度の差とキーワードの差異を総合的
に勘案した類似度の定義などが可能となった。

【００５５】変形例．以上の実施の形態において、事例
データベースメモリ１１及び検索パターンメモリ１４に
おいて、上述のチェックリストの形式をとらず、キーワ
ードの空間である属性が各属性値を含むもののみを記載
する形式であってもよい。

【００５６】以上の実施の形態において、類似度テーブ
ルメモリ１２は、特に、属性値程度間類似度テーブル１
２ｂを含まなくてもよい。

【００５７】以上の実施の形態において、類似度設定セ
ットテーブルメモリ１３は、重み係数は１又は０であっ
て、含有方法は、検索パターンベクトルＰＰを含む、検
索パターンベクトルＰＰに含まれる、検索パターンベク
トルＰＰに近いのうちの少なくとも前者の２つを含み、
含有方法のみを記載して重み係数を記載しなくてもよ
い。この場合、相互類似度を計算せずに、含まれ類似度
と含み類似度のみを計算すればよい。

【００５８】

【実施例】さらに、上述の実施の形態に係る類似検索シ
ステムを用いた実施例について詳述する。以下の実施例
１乃至５においては、表１乃至表３に示した事例データ
ベース表５乃至表８に示した類似度テーブルを用いる。

【００５９】実施例１．実施例１では、表４に示した検
索パターンベクトル及び類似度設定セットテーブルを用
いる。以上のデータを用いて、図２の類似検索処理を実
行して、各検索パターンベクトルＰＰと事例ベクトルＳ
Ｓｍと類似度設定セットｕ_zに係る類似度Ｄ（ＰＰ，Ｓ
Ｓｍ，ｕ_z）及び類似度割合Ｒ（ＰＰ，ＳＳｍ，ｕ_z）を
計算すれば、以下のようになる。

【００６０】

【数９】

【００６１】

【数１０】

【００６２】従って、

【数１１】

【００６３】

【数１２】 となる。

【００６４】また、

【数１３】

【００６５】

【数１４】 となる。

【００６６】さらに、

【数１５】

【００６７】

【数１６】 となる。

【００６８】従って、実施例１では、事例ベクトルＳＳ
３が検索パターンベクトルＰＰを最も含み、事例ベクト
ルＳＳ２が検索パターンベクトルＰＰを２番目に含み、
事例ベクトルＳＳ１が検索パターンベクトルＰＰを３番
目に含むと判断できる。

【００６９】実施例２．実施例２において用いる検索パ
ターンベクトルＰＰと類似度設定セットｕを以下の表に
示す。なお、事例ベクトルＳＳと、類似度テーブルは実
施例１と同様のものを用いる。

【００７０】

【表９】実施例２の検索パターンベクトルＰＰと類似度
設定セットｕ

【００７１】以上のデータを用いて、図２の類似検索処
理を実行して、各検索パターンベクトルＰＰと事例ベク
トルＳＳｍと類似度設定セットｕ_zに係る類似度Ｄ（Ｐ
Ｐ，ＳＳｍ，ｕ_z）及び類似度割合Ｒ（ＰＰ，ＳＳｍ，
ｕ_z）を計算すれば、以下のようになる。

【００７２】

【数１７】

【００７３】

【数１８】

【００７４】

【数１９】

【００７５】

【数２０】

【００７６】

【数２１】

【００７７】

【数２２】

【００７８】従って、実施例２では、事例ベクトルＳＳ
２が検索パターンベクトルＰＰを最も含み、事例ベクト
ルＳＳ３が検索パターンベクトルＰＰを２番目に含み、
事例ベクトルＳＳ１が検索パターンベクトルＰＰを３番
目に含むと判断できる。

【００７９】実施例３．実施例３において用いる検索パ
ターンベクトルＰＰと類似度設定セットｕを以下の表に
示す。なお、事例ベクトルＳＳと、類似度テーブルは実
施例１と同様のものを用いる。

【００８０】

【表１０】実施例３の検索パターンベクトルＰＰと類似
度設定セットｕ

【００８１】以上のデータを用いて、図２の類似検索処
理を実行して、各検索パターンベクトルＰＰと事例ベク
トルＳＳｍと類似度設定セットｕ_zに係る類似度Ｄ（Ｐ
Ｐ，ＳＳｍ，ｕ_z）及び類似度割合Ｒ（ＰＰ，ＳＳｍ，
ｕ_z）を計算すれば、以下のようになる。

【００８２】

【数２３】

【００８３】

【数２４】

【００８４】

【数２５】

【００８５】

【数２６】

【００８６】

【数２７】

【００８７】

【数２８】

【００８８】従って、実施例３では、事例ベクトルＳＳ
３が検索パターンベクトルＰＰを近く、事例ベクトルＳ
Ｓ１が検索パターンベクトルＰＰを２番目に近く、事例
ベクトルＳＳ２が検索パターンベクトルＰＰを３番目に
近いと判断できる。

【００８９】実施例４．実施例４において用いる検索パ
ターンベクトルＰＰと類似度設定セットｕを以下の表に
示す。なお、事例ベクトルＳＳと、類似度テーブルは実
施例１と同様のものを用いる。

【００９０】

【表１１】実施例４の検索パターンベクトルＰＰと類似
度設定セットｕ

【００９１】以上のデータを用いて、図２の類似検索処
理を実行して、各検索パターンベクトルＰＰと事例ベク
トルＳＳｍと類似度設定セットｕ_zに係る類似度Ｄ（Ｐ
Ｐ，ＳＳｍ，ｕ_z）及び類似度割合Ｒ（ＰＰ，ＳＳｍ，
ｕ_z）を計算すれば、以下のようになる。

【００９２】

【数２９】

【００９３】

【数３０】

【００９４】

【数３１】

【００９５】

【数３２】

【００９６】

【数３３】

【００９７】

【数３４】

【００９８】従って、実施例４では、事例ベクトルＳＳ
３が検索パターンベクトルＰＰを近く、事例ベクトルＳ
Ｓ２が検索パターンベクトルＰＰを２番目に近く、事例
ベクトルＳＳ１が検索パターンベクトルＰＰを３番目に
近いと判断できる。

【００９９】実施例５．実施例５において用いる検索パ
ターンベクトルＰＰと類似度設定セットｕを以下の表に
示す。なお、事例ベクトルＳＳと、類似度テーブルは実
施例１と同様のものを用いる。また、表１２において、
検索パターンベクトルの属性ＰＰ３においては、チェッ
クマークの代わりに各属性値が満たされる程度に対する
類似度を記載している。

【０１００】

【表１２】実施例５の検索パターンベクトルＰＰと類似
度設定セットｕ

【０１０１】以上のデータを用いて、図２の類似検索処
理を実行して、各検索パターンベクトルＰＰと事例ベク
トルＳＳｍと類似度設定セットｕ_zに係る類似度Ｄ（Ｐ
Ｐ，ＳＳｍ，ｕ_z）及び類似度割合Ｒ（ＰＰ，ＳＳｍ，
ｕ_z）を計算すれば、以下のようになる。

【０１０２】

【数３５】

【０１０３】

【数３６】

【０１０４】

【数３７】

【０１０５】

【数３８】

【０１０６】

【数３９】

【０１０７】

【数４０】

【０１０８】従って、実施例５では、事例ベクトルＳＳ
３が検索パターンベクトルＰＰを最も含み、事例ベクト
ルＳＳ２が検索パターンベクトルＰＰを２番目に含み、
事例ベクトルＳＳ１が検索パターンベクトルＰＰを３番
目に含むと判断できる。

【０１０９】実施例６．実施例６では、上述の実施の形
態に係る類似検索システムを用いて、「在宅介護サービ
ス計画支援装置」に適用したときの実施例について説明
する。

【０１１０】この実施例において用いる属性、属性値及
び類似度テーブル内の各類似度テーブル１２ａ，１２ｂ
として以下を用いる。 （ａ）属性１：属性は、問題領域（聞き取り調査の結果
得られる現状分析結果）をチェックする属性である。ま
た、属性値は、ＡＤＬ（日常生活動作）の介護又はリハ
ビリの可能性（以下、「ＡＤＬ／リハビリの可能性」と
記す。）、手段的日常生活能力（ＩＡＤＬ）、健康増
進、…、排便の管理、尿失禁と留置カテーテルなど３０
種類を含む。さらに、属性値間類似度テーブル１２ａ
は、３０×３０の表であり、ここで、対角成分は１．０
に設定され、残りは基本的には０．０に設定されるが、
一部分０．０〜１．０の所定値に設定してもよい。 （ｂ）属性２：属性は、ニーズ（問題領域を総合的に勘
案した専門家の判断）をチェックする属性である。ま
た、属性値は、ＡＤＬの介助が必要、日常生活に見守り
が必要、…、緊急事態への対応体制の整備が必要、住環
境の整備が必要など３０種類程度の属性値を含む。さら
に、属性値間類似度テーブル１２ａは、３０×３０の表
であり、ここで、対角成分は基本的に１．０に設定され
るが、専門家の判断により修正してもよい。 （ｃ）属性３：属性は、主訴（介護を受ける人及びその
家族の要望及び意向）をチェックする属性である。ま
た、属性値は、通所系のケアを希望する、医療処置やリ
ハビリを積極的に行って欲しい、保険外のサービスでも
積極的に利用したい、…、金銭管理できなくて困ってい
る、人とのかかわりが少なくて困っているなど３０種類
程度の属性値を含む。さらに、属性値間類似度テーブル
１２ａは、３０×３０の表であり、ここで、対角成分は
基本的に１．０に設定されるが、専門家の判断により修
正してもよい。 （ｄ）属性４：属性は、目標（専門家と介護を受ける側
との共通の目標）をチェックする属性である。また、属
性値は、日常生活動作の介護負担を軽減する、社会的交
流を図る、…、感染を防ぐ、介護負担を軽減するなど１
０種類程度の属性値を含む。さらに、属性値間類似度テ
ーブル１２ａは、１０×１０の表であり、ここで、対角
成分は基本的に１．０に設定されるが、専門家の判断に
より修正してもよい。 （ｅ）属性５：属性は、要介護度（介護保険の認定度）
をチェックする属性である。また、属性値は、例えば厚
生省により規定された、自立、要支援、要介護度１、
…、要介護度５の７種類の属性値を含む。さらに、属性
値間類似度テーブル１２ａは、７×７の表であり、ここ
で、対角成分は基本的に１．０に設定されるが、専門家
の判断により修正してもよい。 （ｆ）属性６：属性は、介護内容（介護の内容と頻度）
の程度を表す属性である。また、属性値は、例えば、移
動の介助、買い物の介助、食事の機能回復訓練、…、薬
剤の管理、レクリエーション等への参加など３０種類程
度の属性値を含む。さらに、属性値間類似度テーブル１
２ａは、３０×３０の表であり、ここで、対角成分は基
本的に１．０に設定されるが、専門家の判断により修正
してもよい。また、属性値程度間類似度テーブル１２ｂ
における程度である頻度値は、毎日、週５回、週３回、
隔日、週２回、週１回、…などの２０種類程度を含む。
属性値程度間類似度テーブル１２ｂの一例（一部の抜
粋）を以下に示す。

【０１１１】

【表１３】属性値程度間類似度テーブル１２ｂの一例
（一部の抜粋）

【０１１２】ここで、「毎日」は「毎日」に完全に含ま
れ、「週５回」は「毎日」に０．８程度含まれるが、
「毎日」は「週５回」に０．６程度しか含まれない、な
どを表す。この属性値程度間類似度テーブル１２ｂにつ
いては、専門家の判断により修正してもよい。

【０１１３】（ｇ）属性７：属性は、サービス種別（介
護サービスの種類／介護担当者の職務）の程度を表す属
性である。また、属性値は、通所介護、訪問看護、…、
訪問入浴、短期入所など１０種類程度の属性値を含む。
さらに、属性値間類似度テーブル１２ａは、１０×１０
の表であり、ここで、対角成分は基本的に１．０に設定
されるが、専門家の判断により修正してもよい。また、
属性値程度間類似度テーブル１２ｂにおける程度である
頻度値は、毎日、週５回、週３回、隔日、週２回、週１
回、…などの２０種類程度を含む。属性値程度間類似度
テーブル１２ｂは上述の属性６と同様に設定される。

【０１１４】また、実施例６における事例ベクトルＳＳ
の一例を以下の表に示す。

【０１１５】

【表１４】実施例６の事例ベクトルＳＳの一例

【０１１６】さらに、実施例６における検索パターンベ
クトルＰＰの一例を以下の表に示す。

【０１１７】

【表１５】実施例６の検索パターンベクトルＰＰの一例

【０１１８】上記の検索パターンの表では、「ＡＤＬ／
リハビリの可能」と「高齢者の虐待」を問題としてかか
えている「要介護度１」の方で、「社会的交流」を目的
に「通所系のケア」を主訴に「通所介護」サービスに含
むような検索パターンを考え、問題の類似性と要介護
度、目標の条件が満たされることを重視している。

【０１１９】実施例６を本実施の形態に適用したときの
汎用的方法として見た効果として以下を有する。 （１）専門家から見た属性（問題領域、ニーズ、目標な
ど）と介護を受ける方の要望（主訴、目標など）と介護
内容、介護事業者（サービス）種別などが独立した属性
として表現されているので、表現上の混乱（「排泄の介
助が必要」と感じているのが専門家なのか、本人なのか
の合意の結果なのかなど、必ずしも専門家の意見と本人
や家族の意見は一致しない、そのことがまた事例の特性
を表すことともなる）がおきにくい。すなわち、汎用的
に適用することができ、しかも適用基準も明確である。 （２）（１）と同じ理由により、重みを変更することに
より、専門家の意見重視のパターンとか本人の要望重視
のパターンとか予算（要介護度の差異）重視のパターン
とかが簡単に設定できる。また、介護計画サービスに適
用した際の効果として、以下を有する。 （３）問題領域や主訴などから、その時に必要とされる
介護を検索することにより、介護計画の設計支援が効率
化される。 （４）（３）とは逆に、介護のパターンからそれに対応
付けられる状況（問題や主訴）などを逆検索することに
より、介護パッケージの特性や（それが想定する）効果
などについて専門家が確認する作業（学習支援など）を
支援することができる。

【０１２０】

【発明の効果】以上詳述したように本発明に係る類似検
索システムによれば、キーワードを含む集合空間である
各属性に対して、キーワードである属性値を含むか否か
を示す形式で事例を表すデータを含む事例データベース
を格納する第１の記憶装置と、各属性値が各属性値に含
まれる度合いの類似度と、各属性値が各属性値を含む度
合いの類似度とを示す第１の類似度テーブルを格納する
第２の記憶装置と、検索すべきキーワードを含む集合空
間である各属性に対して、検索すべきキーワードである
属性値を含むか否かを示す形式で検索パターンを表すデ
ータを含む検索パターンを格納する第３の記憶装置と、
キーワードを含む集合空間である各属性に対して、キー
ワードである属性値を含む又は含まれるを示す形式で類
似度設定を表すデータを格納する第４の記憶装置と、上
記第１の記憶装置に格納された事例データベースに基づ
いて、上記第２、第３及び第４の記憶装置に格納された
データを参照して、上記事例データベース内の各属性に
おいて上記各検索パターンを含む度合いを示す含み類似
度と、上記事例データベース内の各属性において上記各
検索パターンが含まれる度合いを示す含まれ類似度とを
計算し、計算された各含み類似度と各含まれ類似度とに
基づいて、上記事例データベース内の全体の属性での割
合を示す類似度割合を計算して出力する類似検索手段と
を備える。従って、本発明によれば、以下の特有の効果
を有する。 （Ａ）上記第１と第３の記憶装置を備えたので、検索対
象、検索パターンを簡単かつ柔軟に表現できる。 （Ｂ）上記第２と第４の記憶装置を備えたので、類似検
索すべき類似性を簡単かつ柔軟に表現できる。すなわ
ち、「含まれ類似度」及び「含む類似度」を用いて類似
度を表すようにしたので、これらのキーワード相互の類
似度を非対称に表現でき管理できる（すなわち、Ａから
見たＢへの類似度とＢからみたＡへの類似度は異なると
した）ことにより、程度の類似性（「大は小を兼ねる」
など）の表現がより自然に表現できるようになった。 （Ｃ）上記類似検索手段により、１つの単語で複数の異
なった概念を表現した類似度を用いて検索パターンに類
似した事例データを容易にかつ適切に検索することがで
きる。

【０１２１】また、上記類似検索システムにおいて、上
記類似検索手段は、好ましくは、上記第１の記憶装置に
格納された事例データベースに基づいて、上記第２、第
３及び第４の記憶装置に格納されたデータを参照して、
上記事例データベース内の各属性において、各検索パタ
ーンを含む属性値で最大の類似度を有する各属性値の類
似度の平均値を含み類似度として計算し、上記事例デー
タベース内の各属性において、各検索パターンが含まれ
る属性値で最大の類似度を有する各属性値の類似度の平
均値を含まれ類似度として計算する。従って、上記類似
検索手段により、１つの単語で複数の異なった概念を表
現した類似度を用いて検索パターンに類似した事例デー
タを容易にかつ適切に検索することができる。

【０１２２】さらに、上記類似検索システムにおいて、
上記類似検索手段は、好ましくは、上記第１の記憶装置
に格納された事例データベースに基づいて、上記第２、
第３及び第４の記憶装置に格納されたデータを参照し
て、計算された含み類似度と、計算された含まれ類似度
とを、上記検索パターンの大きさと、上記事例データベ
ース内の属性の大きさとを用いて加重平均値を計算し
て、計算された加重平均値を、上記検索パターンと上記
事例データベース内の属性との間の相互類似度として計
算する。従って、上記類似検索手段により、１つの単語
で複数の異なった概念を表現した類似度を用いて検索パ
ターンに類似した事例データを容易にかつ適切に検索す
ることができる。

【０１２３】また、上記類似検索システムにおいて、上
記第４の記憶装置は、好ましくは、キーワードを含む集
合空間である各属性に対して、キーワードである属性値
を含み又は含まれることを示すときの重み係数をさらに
格納し、上記類似検索手段は、上記計算された各含み類
似度と各含まれ類似度とに基づいて、上記重み係数を考
慮して、上記検索パターンと上記事例データベース内の
属性との間の全体の類似度を計算し、上記計算された全
体の類似度に基づいて、上記重み係数を考慮して、上記
事例データベース内の全体の属性での割合を示す類似度
割合を計算して出力する。従って、上記類似検索手段に
より、１つの単語で複数の異なった概念を表現した類似
度を用いて検索パターンに類似した事例データを容易に
かつ適切に検索することができる。

【０１２４】さらに、上記類似検索システムにおいて、
上記第２の記憶装置は、好ましくは、各属性値の程度間
の類似度を示す第２の類似度テーブルをさらに格納し、
上記類似検索手段は、さらに第２の類似度テーブルを参
照して、上記含み類似度と上記含まれ類似度とを計算す
る。従って、上記類似検索手段により、１つの単語で複
数の異なった概念を表現しかつ程度を表す概念を用いて
表した類似度を用いて検索パターンに類似した事例デー
タを容易にかつ適切に検索することができる。

【０１２５】またさらに、上記類似検索システムにおい
て、上記第１と第３の記憶装置は、好ましくは、キーワ
ードを含む集合空間である各属性に対して、キーワード
である属性値を含むか否かを示すときに、チェックマー
クを用いて含むことを示す形式で格納される。従って、
上記第１と第３の記憶装置において、チェックリストを
含む形式にしたので、所望の検索方法や検索方針を簡単
かつ柔軟に指示できる。すなわち、複数のキーワード空
間（属性と呼ぶ）に属するキーワード（属性値）のチェ
ックリスト（それぞれのキーワードとの相関の有無）及
び属性値の回数などの程度（それぞれのキーワードの程
度）を用いて、検索パターン及び検索対象を表現するこ
とにより、異なった属性において同じ文字表現の属性値
を異なったものとして扱うことや、キーワードの程度の
差とキーワードの差異を総合的に勘案した類似度の定義
などが可能となった。

【０１２６】本発明に係る類似検索方法によれば、キー
ワードを含む集合空間である各属性に対して、キーワー
ドである属性値を含むか否かを示す形式で事例を表すデ
ータを含む事例データベースを第１の記憶装置に格納す
るステップと、各属性値が各属性値に含まれる度合いの
類似度と、各属性値が各属性値を含む度合いの類似度と
を示す第１の類似度テーブルを第２の記憶装置に格納す
るステップと、検索すべきキーワードを含む集合空間で
ある各属性に対して、検索すべきキーワードである属性
値を含むか否かを示す形式で検索パターンを表すデータ
を含む検索パターンを第３の記憶装置に格納するステッ
プと、キーワードを含む集合空間である各属性に対し
て、キーワードである属性値を含む又は含まれるを示す
形式で類似度設定を表すデータを第４の記憶装置に格納
するステップと、上記第１の記憶装置に格納された事例
データベースに基づいて、上記第２、第３及び第４の記
憶装置に格納されたデータを参照して、上記事例データ
ベース内の各属性において上記各検索パターンを含む度
合いを示す含み類似度と、上記事例データベース内の各
属性において上記各検索パターンが含まれる度合いを示
す含まれ類似度とを計算し、計算された各含み類似度と
各含まれ類似度とに基づいて、上記事例データベース内
の全体の属性での割合を示す類似度割合を計算して出力
する類似検索ステップとを含む。従って、本発明によれ
ば、以下の特有の効果を有する。 （Ａ）上記第１と第３の記憶装置を備えたので、検索対
象、検索パターンを簡単かつ柔軟に表現できる。 （Ｂ）上記第２と第４の記憶装置を備えたので、類似検
索すべき類似性を簡単かつ柔軟に表現できる。すなわ
ち、「含まれ類似度」、「含む類似度」及び「相互類似
度」を用いて類似度を表すようにしたので、これらのキ
ーワード相互の類似度を非対称に表現でき管理できる
（すなわち、Ａから見たＢへの類似度とＢからみたＡへ
の類似度は異なるとした）ことにより、程度の類似性
（「大は小を兼ねる」など）の表現がより自然に表現で
きるようになった。 （Ｃ）上記類似検索手段により、１つの単語で複数の異
なった概念を表現した類似度を用いて検索パターンに類
似した事例データを容易にかつ適切に検索することがで
きる。

【０１２７】また、上記類似検索方法において、上記類
似検索ステップは、好ましくは、上記第１の記憶装置に
格納された事例データベースに基づいて、上記第２、第
３及び第４の記憶装置に格納されたデータを参照して、
上記事例データベース内の各属性において、各検索パタ
ーンを含む属性値で最大の類似度を有する各属性値の類
似度の平均値を含み類似度として計算し、上記事例デー
タベース内の各属性において、各検索パターンが含まれ
る属性値で最大の類似度を有する各属性値の類似度の平
均値を含まれ類似度として計算する。従って、上記類似
検索ステップにより、１つの単語で複数の異なった概念
を表現した類似度を用いて検索パターンに類似した事例
データを容易にかつ適切に検索することができる。

【０１２８】さらに、上記類似検索方法において、上記
類似検索ステップは、好ましくは、上記第１の記憶装置
に格納された事例データベースに基づいて、上記第２、
第３及び第４の記憶装置に格納されたデータを参照し
て、計算された含み類似度と、計算された含まれ類似度
とを、上記検索パターンの大きさと、上記事例データベ
ース内の属性の大きさとを用いて加重平均値を計算し
て、計算された加重平均値を、上記検索パターンと上記
事例データベース内の属性との間の相互類似度として計
算する。従って、上記類似検索ステップにより、１つの
単語で複数の異なった概念を表現した類似度を用いて検
索パターンに類似した事例データを容易にかつ適切に検
索することができる。

【０１２９】また、上記類似検索方法において、上記デ
ータを第４の記憶装置に格納するステップは、好ましく
は、キーワードを含む集合空間である各属性に対して、
キーワードである属性値を含み又は含まれることを示す
ときの重み係数をさらに格納するステップを含み、上記
類似検索ステップは、上記計算された各含み類似度と各
含まれ類似度とに基づいて、上記重み係数を考慮して、
上記検索パターンと上記事例データベース内の属性との
間の全体の類似度を計算し、上記計算された全体の類似
度に基づいて、上記重み係数を考慮して、上記事例デー
タベース内の全体の属性での割合を示す類似度割合を計
算して出力する。従って、上記類似検索ステップによ
り、１つの単語で複数の異なった概念を表現した類似度
を用いて検索パターンに類似した事例データを容易にか
つ適切に検索することができる。

【０１３０】さらに、上記類似検索方法において、上記
第１の類似度テーブルを第２の記憶装置に格納するステ
ップは、好ましくは、各属性値の程度間の類似度を示す
第２の類似度テーブルをさらに格納するステップを含
み、上記類似検索ステップは、さらに第２の類似度テー
ブルを参照して、上記含み類似度と上記含まれ類似度と
を計算する。従って、上記類似検索ステップにより、１
つの単語で複数の異なった概念を表現しかつ程度を表す
概念を用いて表した類似度を用いて検索パターンに類似
した事例データを容易にかつ適切に検索することができ
る。

【０１３１】またさらに、上記類似検索方法において、
上記第１と第３の記憶装置は、好ましくは、キーワード
を含む集合空間である各属性に対して、キーワードであ
る属性値を含むか否かを示すときに、チェックマークを
用いて含むことを示す形式で格納される。従って、上記
第１と第３の記憶装置において、チェックリストを含む
形式にしたので、所望の検索方法や検索方針を簡単かつ
柔軟に指示できる。すなわち、複数のキーワード空間
（属性と呼ぶ）に属するキーワード（属性値）のチェッ
クリスト（それぞれのキーワードとの相関の有無）及び
属性値の回数などの程度（それぞれのキーワードの程
度）を用いて、検索パターン及び検索対象を表現するこ
とにより、異なった属性において同じ文字表現の属性値
を異なったものとして扱うことや、キーワードの程度の
差とキーワードの差異を総合的に勘案した類似度の定義
などが可能となった。

【図面の簡単な説明】

【図１】 本発明に係る一実施の形態である類似検索シ
ステムの構成を示すブロック図である。

【図２】 図１の類似度検索装置１０によって実行され
る類似検索処理を示すフローチャートである。

【図３】 従来例の類似検索システムの構成を示すブロ
ック図である。

【符号の説明】

１０ 類似検索装置、１１ 事例データベースメモリ、
１２ 類似度テーブルメモリ、１２ａ 属性値間類似度
テーブル、１２ｂ 属性値程度間類似度テーブル、１３
類似度設定セットテーブルメモリ、１４ 検索パター
ンメモリ、１５類似度計算結果出力装置。

Claims (12)

【特許請求の範囲】
1. 【請求項１】 キーワードを含む集合空間である各属性
   に対して、キーワードである属性値を含むか否かを示す
   形式で事例を表すデータを含む事例データベースを格納
   する第１の記憶装置と、 各属性値が各属性値に含まれる度合いである類似度と、
   各属性値が各属性値を含む度合いである類似度とを示す
   第１の類似度テーブルを格納する第２の記憶装置と、 検索すべきキーワードを含む集合空間である各属性に対
   して、検索すべきキーワードである属性値を含むか否か
   を示す形式で検索パターンを表すデータを含む検索パタ
   ーンを格納する第３の記憶装置と、 キーワードを含む集合空間である各属性に対して、キー
   ワードである属性値を含む又は含まれるを示す形式で類
   似度設定を表すデータを格納する第４の記憶装置と、 上記第１の記憶装置に格納された事例データベースに基
   づいて、上記第２、第３及び第４の記憶装置に格納され
   たデータを参照して、上記事例データベース内の各属性
   において上記各検索パターンを含む度合いを示す含み類
   似度と、上記事例データベース内の各属性において上記
   各検索パターンが含まれる度合いを示す含まれ類似度と
   を計算し、計算された各含み類似度と各含まれ類似度と
   に基づいて、上記事例データベース内の全体の属性での
   割合を示す類似度割合を計算して出力する類似検索手段
   とを備えたことを特徴とする類似検索システム。
2. 【請求項２】 上記類似検索手段は、上記第１の記憶装
   置に格納された事例データベースに基づいて、上記第
   ２、第３及び第４の記憶装置に格納されたデータを参照
   して、上記事例データベース内の各属性において、各検
   索パターンを含む属性値で最大の類似度を有する各属性
   値の類似度の平均値を含み類似度として計算し、上記事
   例データベース内の各属性において、各検索パターンが
   含まれる属性値で最大の類似度を有する各属性値の類似
   度の平均値を含まれ類似度として計算することを特徴と
   する請求項１記載の類似検索システム。
3. 【請求項３】 上記類似検索手段は、上記第１の記憶装
   置に格納された事例データベースに基づいて、上記第
   ２、第３及び第４の記憶装置に格納されたデータを参照
   して、計算された含み類似度と、計算された含まれ類似
   度とを、上記検索パターンの大きさと、上記事例データ
   ベース内の属性の大きさとを用いて加重平均値を計算し
   て、計算された加重平均値を、上記検索パターンと上記
   事例データベース内の属性との間の相互類似度として計
   算することを特徴とする請求項２記載の類似検索システ
   ム。
4. 【請求項４】 上記第４の記憶装置は、キーワードを含
   む集合空間である各属性に対して、キーワードである属
   性値を含み又は含まれることを示すときの重み係数をさ
   らに格納し、 上記類似検索手段は、上記計算された各含み類似度と各
   含まれ類似度とに基づいて、上記重み係数を考慮して、
   上記検索パターンと上記事例データベース内の属性との
   間の全体の類似度を計算し、上記計算された全体の類似
   度に基づいて、上記重み係数を考慮して、上記事例デー
   タベース内の全体の属性での割合を示す類似度割合を計
   算して出力することを特徴とする請求項１乃至３のうち
   のいずれか１つに記載の類似検索システム。
5. 【請求項５】 上記第２の記憶装置は、各属性値の程度
   間の類似度を示す第２の類似度テーブルをさらに格納
   し、 上記類似検索手段は、さらに第２の類似度テーブルを参
   照して、上記含み類似度と上記含まれ類似度とを計算す
   ることを特徴とする請求項１乃至４のうちのいずれか１
   つに記載の類似検索システム。
6. 【請求項６】 上記第１と第３の記憶装置は、キーワー
   ドを含む集合空間である各属性に対して、キーワードで
   ある属性値を含むか否かを示すときに、チェックマーク
   を用いて含むことを示す形式で格納されたことを特徴と
   する請求項１乃至５のうちのいずれか１つに記載の類似
   検索システム。
7. 【請求項７】 キーワードを含む集合空間である各属性
   に対して、キーワードである属性値を含むか否かを示す
   形式で事例を表すデータを含む事例データベースを第１
   の記憶装置に格納するステップと、 各属性値が各属性値に含まれる度合いの類似度と、各属
   性値が各属性値を含む度合いの類似度とを示す第１の類
   似度テーブルを第２の記憶装置に格納するステップと、 検索すべきキーワードを含む集合空間である各属性に対
   して、検索すべきキーワードである属性値を含むか否か
   を示す形式で検索パターンを表すデータを含む検索パタ
   ーンを第３の記憶装置に格納するステップと、 キーワードを含む集合空間である各属性に対して、キー
   ワードである属性値を含む又は含まれるを示す形式で類
   似度設定を表すデータを第４の記憶装置に格納するステ
   ップと、 上記第１の記憶装置に格納された事例データベースに基
   づいて、上記第２、第３及び第４の記憶装置に格納され
   たデータを参照して、上記事例データベース内の各属性
   において上記各検索パターンを含む度合いを示す含み類
   似度と、上記事例データベース内の各属性において上記
   各検索パターンが含まれる度合いを示す含まれ類似度と
   を計算し、計算された各含み類似度と各含まれ類似度と
   に基づいて、上記事例データベース内の全体の属性での
   割合を示す類似度割合を計算して出力する類似検索ステ
   ップとを含むことを特徴とする類似検索方法。
8. 【請求項８】 上記類似検索ステップは、上記第１の記
   憶装置に格納された事例データベースに基づいて、上記
   第２、第３及び第４の記憶装置に格納されたデータを参
   照して、上記事例データベース内の各属性において、各
   検索パターンを含む属性値で最大の類似度を有する各属
   性値の類似度の平均値を含み類似度として計算し、上記
   事例データベース内の各属性において、各検索パターン
   が含まれる属性値で最大の類似度を有する各属性値の類
   似度の平均値を含まれ類似度として計算することを特徴
   とする請求項７記載の類似検索方法。
9. 【請求項９】 上記類似検索ステップは、上記第１の記
   憶装置に格納された事例データベースに基づいて、上記
   第２、第３及び第４の記憶装置に格納されたデータを参
   照して、計算された含み類似度と、計算された含まれ類
   似度とを、上記検索パターンの大きさと、上記事例デー
   タベース内の属性の大きさとを用いて加重平均値を計算
   して、計算された加重平均値を、上記検索パターンと上
   記事例データベース内の属性との間の相互類似度として
   計算することを特徴とする請求項８記載の類似検索方
   法。
10. 【請求項１０】 上記データを第４の記憶装置に格納す
    るステップは、キーワードを含む集合空間である各属性
    に対して、キーワードである属性値を含み又は含まれる
    ことを示すときの重み係数をさらに格納するステップを
    含み、 上記類似検索ステップは、上記計算された各含み類似度
    と各含まれ類似度とに基づいて、上記重み係数を考慮し
    て、上記検索パターンと上記事例データベース内の属性
    との間の全体の類似度を計算し、上記計算された全体の
    類似度に基づいて、上記重み係数を考慮して、上記事例
    データベース内の全体の属性での割合を示す類似度割合
    を計算して出力することを特徴とする請求項７乃至９の
    うちのいずれか１つに記載の類似検索方法。
11. 【請求項１１】 上記第１の類似度テーブルを第２の記
    憶装置に格納するステップは、各属性値の程度間の類似
    度を示す第２の類似度テーブルをさらに格納するステッ
    プを含み、 上記類似検索ステップは、さらに第２の類似度テーブル
    を参照して、上記含み類似度と上記含まれ類似度とを計
    算することを特徴とする請求項７乃至１０のうちのいず
    れか１つに記載の類似検索方法。
12. 【請求項１２】 上記第１と第３の記憶装置は、キーワ
    ードを含む集合空間である各属性に対して、キーワード
    である属性値を含むか否かを示すときに、チェックマー
    クを用いて含むことを示す形式で格納されたことを特徴
    とする請求項７乃至１１のうちのいずれか１つに記載の
    類似検索システム。