JP2002108887A

JP2002108887A - 文書検索装置、その装置へのキーワード追加方法、文書検索方法及びコンピュータ読み取り可能な記憶媒体

Info

Publication number: JP2002108887A
Application number: JP2000299971A
Authority: JP
Inventors: Haruki Nakakoshi; 治樹中越
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2000-09-29
Filing date: 2000-09-29
Publication date: 2002-04-12

Abstract

(57)【要約】【課題】未知のキーワードに対しても効率的な文書検
索を行う。【解決手段】設定したキーワードに基づいて、検索対
象の文書の中から、そのキーワードを含む文字列を検索
するに際して、設定されたキーワードに基づいて、関連
付け辞書を参照することにより、当該キーワードに関連
付けされている単語を他のキーワードとして追加設定
し、それら複数のキーワードに従って、検索対象の文書
の中から、それらキーワードのうち少なくとも１つを含
む文字列を検索する(S11-S15)。ここで、関連付け辞書
は、入力文書から抽出した単語が、予め記憶されている
キーワード辞書に登録されていない未知語である場合
に、その入力文書における当該未知語の前方または後方
に位置する単語とを関連付けした辞書であり、S11-S15
に先立って作成される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、検索対象として入
力されたキーワードに基づいて、そのキーワードを含む
または関係する文書を効率良く出力する文書検索装置に
関する。

【０００２】

【従来の技術】従来より、コンピュータを用いて、オペ
レータによって入力されたキーワードを含む文書を、予
め記憶されている複数の文書の中から検索する技術が提
案されている。

【０００３】また、近年においては、あるキーワードに
対して関連付けされた他の単語が予め登録されている辞
書（以下、キーワード辞書）を用意しておき、オペレー
タによって入力されたキーワードに関連性のある単語を
当該キーワード辞書から取得し、文書の検索に際して
は、入力されたキーワードに加え、当該キーワード辞書
から取得した単語を他のキーワードとして併せて利用す
る技術も提案されている。

【０００４】

【発明が解決しようとする課題】上記のキーワード辞書
を利用する文書検索処理によれば、そのキーワード辞書
にオペレータによって入力されたキーワードが含まれる
場合、検索対象の文書に当該キーワードが含まれていな
くても、実際には関連性がある文書をもヒットすること
ができ、文書検索を効率的に行うことができる。

【０００５】しかしながら、入力されたキーワードがキ
ーワード辞書に登録されていない未知の単語（以下、未
知語）である場合には、そのキーワードを直接的に含む
文書しかヒットすることはできない。このため、キーワ
ードとして新語や未知語が入力された場合には、効率的
な文書検索を行うことができない。

【０００６】そこで本発明は、未知のキーワードに対し
ても効率的な文書検索を行う文書検索装置及びその装置
へのキーワード追加方法、文書検索方法及びコンピュー
タ読み取り可能な記憶媒体の提供を目的とする。

【０００７】

【課題を解決するための手段】上記の目的を達成するた
め、本発明に係る文書検索装置は、以下の構成を特徴と
する。

【０００８】即ち、設定されたキーワードに基づいて、
検索対象の文書の中から、そのキーワードを含む文字列
を検索する文書検索装置であって、入力文書から単語を
抽出し、抽出した単語が第１の辞書（キーワード辞書）
に登録されていない未知語か否かを判断する未知語検出
手段と、前記未知語検出手段によって未知語であると判
断された単語と、前記入力文書における該単語の前方ま
たは後方に位置する単語とが関連付けされた第２の辞書
を作成する関連付け手段と、設定されたキーワードに基
づいて前記第２の辞書（関連付け辞書）を参照すること
により、該キーワードに関連付けされている単語を新た
なキーワードとして追加設定するキーワード追加手段
と、前記キーワード追加手段によって展開された複数の
キーワードに従って、前記検索対象の文書の中から、そ
れらキーワードのうち少なくとも１つを含む文字列を検
索する検索手段とを備えることを特徴とする。

【０００９】好適な実施形態において、前記未知語検出
手段及び前記関連付け手段は、前記キーワード追加手段
及び前記検索手段の実行タイミングとは別個に、前記検
索対象の文書に対して定期または不定期に実行される。

【００１０】また、上記の同目的を達成するため、本発
明に係る文書検索装置へのキーワード追加方法は、以下
の構成を特徴とする。

【００１１】即ち、設定したキーワードに基づいて、検
索対象の文書の中から、そのキーワードを含む文字列を
検索する文書検索方法であって、入力文書から単語を抽
出し、抽出した単語が第１の辞書（キーワード辞書）に
登録されていない未知語か否かを判断する未知語検出工
程と、前記未知語検出工程にて未知語であると判断した
単語と、前記入力文書における該単語の前方または後方
に位置する単語とが関連付けされた第２の辞書（関連付
け辞書）を作成する関連付け工程と、設定されたキーワ
ードに基づいて前記第２の辞書を参照することにより、
該キーワードに関連付けされている単語を新たなキーワ
ードとして追加設定するキーワード追加工程を有するこ
とを特徴とする。

【００１２】また、文書検索方法であって、上記のキー
ワード追加方法によって展開した複数のキーワードに従
って、前記検索対象の文書の中から、それらキーワード
のうち少なくとも１つを含む文字列を検索することを特
徴とする。

【００１３】更に、上記の文書検索装置、その装置への
キーワード追加方法、並びに文書検索方法を、コンピュ
ータによって実現するプログラムコードが格納されてい
る、コンピュータ読み取り可能な記憶媒体を特徴とす
る。

【００１４】

【発明の実施の形態】以下、本発明の一実施形態を図面
を参照して説明する。はじめに、本発明に係る文書検索
装置を実現可能なコンピュータの構成を図１３を参照し
て説明する。

【００１５】図１３は、本発明を適用可能なコンピュー
タのブロック構成図である。

【００１６】図中、２２は、ＣＲＴ等のディスプレイ、
２３は検索用のキーワードや文書等の入力手段であるキ
ーボードである。２４は、ブートプログラム等を記憶し
ているＲＯＭである。２５は、各種処理結果を一時記憶
するＲＡＭである。２６は、検索対象となる複数の文書
（文書データ）からなるデータベースや、後述する文書
検索処理を実現するプログラム等を記憶するハードディ
スクドライブ（ＨＤＤ）等の記憶装置である。２７は、
外部装置から文書データ等を受信可能な通信インタフェ
ースである。そして２８は、処理結果等を印刷するプリ
ンタである。これらの各構成は、内部バス２９を介して
接続されており、ＣＰＵ（中央演算処理装置）２１は記
憶装置２６に記憶したプログラムに従って、文書検索装
置としてのコンピュータの全体を制御する。

【００１７】尚、複数の文書（文書データ）からなるデ
ータベース（Ｄ／Ｂ）は、外部装置に記憶されており、
その外部装置に通信インタフェース２７を介してアクセ
スする構成であっても良い。

【００１８】次に、図１３に示すコンピュータによって
実現される文書検索の処理手順について説明する。本実
施形態に係る文書検索処理は、大別して、以下に説明す
る単語インデックス作成処理（図１）と、キーワード追
加（展開）工程を含む文書検索処理とからなる。

【００１９】ここで、単語インデックス作成処理は、後
述する関連付け辞書を更新すべく、例えばオペレータの
指示に応じて、記憶装置２６に記憶されたＤ／Ｂ内の文
書群を対象として、定期または不定期に実行されるメン
テナンスとしての位置付けである。一方、文書検索処理
は、オペレータによってキーワードが入力されたとき
に、当該単語インデックス作成処理によって既に作成
（更新）されている関連付け辞書を参照しながら、入力
されたキーワードを含む及び／または関連性のある文書
（文字列）を記憶装置２６に記憶されたＤ／Ｂ内の文書
群の中から実際に抽出する処理である。

【００２０】尚、本実施形態では、説明を容易にすべ
く、上記の単語インデックス作成処理（図１）におい
て、関連付け辞書に登録されていない単語として「トル
シオ」を例に挙げ、以下に説明する文書検索処理（図
２）においても、入力されるキーワードを「トルシオ」
としたため、単語インデックス作成処理において注目し
た図３の文書１乃至３における注目箇所（実際に文字列
が示された部分）と、文書検索処理の検索結果を例示す
る図１２の文書１乃至３における注目箇所とが同じであ
るが、説明の都合からであり、実際には、入力されるキ
ーワードに応じて、検索対象のＤ／Ｂ内から好ましい文
書が選択される。

【００２１】＜単語インデックス作成処理＞図１は、本
実施形態における単語インデックス作成処理を示すフロ
ーチャートである。

【００２２】同図において、ステップＳ１の単語抽出処
理では、図３に例示するような文書群（文書１乃至３）
を抽出対象として、それら文書の文字列から、その文字
列を構成する単語を抽出する。本ステップにおいて単語
を抽出する際には、予め記憶されている図６に例示する
ようなキーワード辞書を参照することにより、そのキー
ワード辞書に既に登録されている単語が、単語抽出対象
の各文字列に含まれているか否かを検索する。

【００２３】このとき、単語抽出対象の文字列の中に、
当該キーワード辞書に登録されていない単語が含まれて
いた場合には、その単語の前方または後方に連続する文
字種などを判断して当該単語を抽出する。より具体的に
は、図３に示す文書１を例にすると、キーワード辞書を
参照することにより、図６には不図示の「監督」、「指
導方法」、「頭脳的」などの単語が抽出され、当該キー
ワード辞書に登録されていない単語「トルシオ」は、カ
タカナが連続する単語として判断されて、文書１の文字
列の中から抽出される。

【００２４】ステップＳ２の未知語検出処理では、ステ
ップＳ１で抽出した各単語の中に、キーワード辞書に登
録されていない未知語が存在するかどうかを判断し、こ
の判断でＹＥＳ（未知語有り）のとき（上記の例の場合
は、単語「トルシオ」が未知語）にはステップＳ３に進
み、ＮＯ（未知語無し）のときにはステップＳ５に進
む。

【００２５】ステップＳ３の関連付け作成処理では、ス
テップＳ２で検出された未知語と、その未知語が抽出さ
れた文字列における当該未知語の前方または後方に存在
する単語とを関連付けする。上記の例の場合、図３に示
す文書１において、未知語として検出された「トルシ
オ」に、その単語に後続する「監督」が関連付けされ
る。本ステップにて関連付けが作成できたときにはステ
ップＳ４に進み、作成できないときにはステップＳ５に
進む。

【００２６】ステップＳ４の関連付け保存処理では、ス
テップＳ３で作成した関連付けを、関連付け辞書とし
て、ＲＡＭ２５や記憶装置２６に保存する。このような
関連付けが単語抽出対象の各文字列を対象にして行われ
ることにより、図３に例示する３つの文書の場合には、
関連付け辞書に、図９に示すように未知語「トルシオ」
に「監督」と「ジャパン」とが関連付けされた状態で新
たに保存される。

【００２７】ステップＳ５の単語インデックス作成処理
では、ステップＳ１で抽出された各単語（未知語を含
む）を文書毎にまとめることにより、単語インデックス
が作成される。上記の例の場合には、図３に示す文書１
乃至３から抽出された各単語により、図５に示す３つの
単語インデックスが作成される。これらの単語インデッ
クスは、その単語インデックスの作成の元となった文書
データとＤ／Ｂ内で関連付けされた状態で保存され、後
述する文書検索処理（図２）のステップＳ１５において
参照される。

【００２８】＜文書検索処理＞図２は、本実施形態にお
ける文書検索処理を示すフローチャートである。

【００２９】同図において、ステップＳ１１の検索キー
ワード取得処理では、オペレータによってキーボード２
３等から入力されるキーワードを取得する。ここでは、
図４に示すように、キーワードとして「トルシオ」が取
得されるものとする。

【００３０】ステップＳ１２の関連付け単語検索処理で
は、ステップＳ１１で入力されたキーワードが、関連付
け辞書に現時点で既に登録されているか否かを検索し、
この検索の結果、既に登録されているときにはステップ
Ｓ１３に進み、未登録のときには、検索対象の文書の中
にステップＳ１１にて取得したキーワードを直接含む文
書を検索すべくステップＳ１５に進む。上記の例の場合
は、図１を参照して上述した単語インデックス作成処理
により、図９に示す関連付け辞書には、キーワード「ト
ルシオ」が既に登録されている。

【００３１】ステップＳ１３の関連付け対応単語の取得
処理では、ステップＳ１２で検索された単語に関連付け
されている単語（以下、対応単語）を取得する。上記の
場合は、ステップＳ１２において、キーワード「トルシ
オ」を、関連付け辞書の中からヒットすることができて
いるので、当該関連付け辞書から「トルシオ」に関連付
けされている「監督」及び「ジャパン」の２つの単語が
対応単語として取得される。

【００３２】ステップＳ１４の検索キーワード追加処理
では、ステップＳ１３で取得した対応単語を、ステップ
Ｓ１１にて入力されたキーワードに関連性を有する他の
キーワードとして追加する。上記の場合は、ステップＳ
１１にてオペレータによって設定された図４のキーワー
ド「トルシオ」に加えて、図１０に示すように、「監
督」及び「ジャパン」の２語が新たに検索用のキーワー
ドとして追加されている。即ち、本実施形態では、元の
検索キーワードであった「トルシオ」に加え、そのキー
ワードに関連性のある複数のキーワードに展開されたこ
とになる。

【００３３】ステップＳ１５：本ステップでは、上記の
ステップまでに用意された少なくとも１つのキーワード
に従って、図１のステップＳ５にて記憶した単語インデ
ックスを参照することにより、Ｄ／Ｂ内で当該単語イン
デックスに関連付けされている文書群を検索する。

【００３４】即ち、ステップＳ１１にて入力されたキー
ワードが関連付け辞書に登録されてなかった場合には、
そのキーワードを直接含む文書（単語インデックス）を
検索する一般的な検索処理を行う。この場合、入力され
たキーワードが「トルシオ」であれば、検索結果とし
て、図１２に示す文書１及び２が得られる。

【００３５】一方、ステップＳ１４までの各ステップに
より、ステップＳ１１にて入力されたキーワードに加
え、他のキーワードが追加された場合には、それらのキ
ーワードが「トルシオ」、「監督」及び「ジャパン」で
あれば、それらのキーワードが含まれる単語インデック
スにより、検索結果として、図１２に示す文書１乃至３
が得られる。

【００３６】このように、本実施形態によれば、オペレ
ータによって入力された検索キーワードを、図１の単語
インデックス処理によって作成された関連付け辞書を利
用して展開することにより、効率的な文書検索処理を行
うことができ、オペレータによって入力されたキーワー
ドを直接的には含まないものの、実施には関連性がある
文書をもヒットすることができ、文書検索を効率的に行
うことができる。

【００３７】尚、ステップＳ１５では、Ｄ／Ｂを検索す
るのに先立って、予め記憶されているキーワード辞書
（例えば図６）と不図示の辞書とを参照することによ
り、キーワード展開辞書（図７の右側の例参照）を作成
し、そのキーワード展開辞書を参照しながら、従来より
知られているキーワード展開処理を行うことにより、上
述したステップＳ１４にて展開済みのキーワード（図１
１）を、図１１に示すように、更に多くのキーワードに
展開することができる。従って、これら複数のキーワー
ドを用いて文書検索を行えば、入力されたキーワードを
直接的には含まないものの、実際には関連性がある文書
を、より高い確立でヒットすることができ、操作性が向
上する。

【００３８】

【他の実施形態】尚、本発明は、複数の機器（例えばホ
ストコンピュータ、インタフェイス機器、リーダ、プリ
ンタなど）から構成されるシステムに適用しても、一つ
の機器からなる装置（例えば、複写機、ファクシミリ装
置など）に適用してもよい。

【００３９】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体（または記録媒体）を、システムあるい
は装置に供給し、そのシステムあるいは装置のコンピュ
ータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納された
プログラムコードを読み出し実行することによっても、
達成される。この場合、記憶媒体から読み出されたプロ
グラムコード自体が前述した実施形態の機能を実現する
ことになり、そのプログラムコードを記憶した記憶媒体
は本発明を構成することになる。また、コンピュータが
読み出したプログラムコードを実行することにより、前
述した実施形態の機能が実現されるだけでなく、そのプ
ログラムコードの指示に基づき、コンピュータ上で稼働
しているオペレーティングシステム（ＯＳ）などが実際
の処理の一部または全部を行い、その処理によって前述
した実施形態の機能が実現される場合も含まれる。

【００４０】さらに、記憶媒体から読み出されたプログ
ラムコードが、コンピュータに挿入された機能拡張カー
ドやコンピュータに接続された機能拡張ユニットに備わ
るメモリに書込まれた後、そのプログラムコードの指示
に基づき、その機能拡張カードや機能拡張ユニットに備
わるＣＰＵなどが実際の処理の一部または全部を行い、
その処理によって前述した実施形態の機能が実現される
場合も含まれる。

【００４１】

【発明の効果】以上説明した本発明によれば、未知のキ
ーワードに対しても効率的な文書検索を行う文書検索装
置及びその装置へのキーワード追加方法、文書検索方法
及びコンピュータ読み取り可能な記憶媒体の提供が実現
する。

【図面の簡単な説明】

【図１】本実施形態における単語インデックス作成処理
を示すフローチャートである。

【図２】本実施形態における文書検索処理を示すフロー
チャートである。

【図３】関連付け辞書の作成のために参照する文書群を
例示する図である。

【図４】関連付け辞書を例示する図である。

【図５】単語インデックスの作成例を示す図である。

【図６】キーワード辞書の例を示す図である。

【図７】キーワード展開辞書を例示する図である。

【図８】検索結果を例示する図である。

【図９】関連付け辞書の作成例を示す図である。

【図１０】キーワードの展開例を示す図である。

【図１１】図１０に示すキーワードの展開例を、キーワ
ード展開辞書（図７）を参照して更に展開した場合を例
示する図である。

【図１２】検索結果である文書群を例示する図である。

【図１３】本発明を実現可能なコンピュータのブロック
構成図である。

Claims

【特許請求の範囲】

【請求項１】設定されたキーワードに基づいて、検索
対象の文書の中から、そのキーワードを含む文字列を検
索する文書検索装置であって、入力文書から単語を抽出し、抽出した単語が第１の辞書
に登録されていない未知語か否かを判断する未知語検出
手段と、前記未知語検出手段によって未知語であると判断された
単語と、前記入力文書における該単語の前方または後方
に位置する単語とが関連付けされた第２の辞書を作成す
る関連付け手段と、設定されたキーワードに基づいて前記第２の辞書を参照
することにより、該キーワードに関連付けされている単
語を新たなキーワードとして追加設定するキーワード追
加手段と、を備えることを特徴とする文書検索装置。
【請求項２】更に、前記キーワード追加手段によって
展開された複数のキーワードに従って、前記検索対象の
文書の中から、それらキーワードのうち少なくとも１つ
を含む文字列を検索する検索手段を備えることを特徴と
する請求項１記載の文書検索装置。
【請求項３】前記検索手段は、前記未知語検出手段に
よって未知語が検出されないときに、前記検索対象の文
書の中から、前記設定されたキーワードを含む文字列だ
けを検索することを特徴とする請求項２記載の文書検索
装置。
【請求項４】前記未知語検出手段及び前記関連付け手
段は、前記キーワード追加手段及び前記検索手段の実行
タイミングとは別個に、前記検索対象の文書に対して定
期または不定期に実行されることを特徴とする請求項１
または請求項２記載の文書検索装置。
【請求項５】前記キーワード追加手段は、前記設定さ
れたキーワード、前記第２の辞書を参照することによっ
て追加されたキーワード、並びに前記第１の辞書に基づ
いて、それらキーワードを更に追加設定する手段を含む
ことを特徴とする請求項１記載の文書検索装置。
【請求項６】設定したキーワードに基づいて、検索対
象の文書の中から、そのキーワードを含む文字列を検索
する文書検索装置へのキーワード追加方法であって、入力文書から単語を抽出し、抽出した単語が第１の辞書
に登録されていない未知語か否かを判断する未知語検出
工程と、前記未知語検出工程にて未知語であると判断した単語
と、前記入力文書における該単語の前方または後方に位
置する単語とが関連付けされた第２の辞書を作成する関
連付け工程と、設定されたキーワードに基づいて前記第２の辞書を参照
することにより、該キーワードに関連付けされている単
語を新たなキーワードとして追加設定するキーワード追
加工程と、を有することを特徴とするキーワード追加方
法。
【請求項７】請求項６記載のキーワード追加方法によ
って展開した複数のキーワードに従って、前記検索対象
の文書の中から、それらキーワードのうち少なくとも１
つを含む文字列を検索することを特徴とする文書検索方
法。
【請求項８】前記検索工程では、前記未知語検出工程
にて未知語を検出しなかったときに、前記検索対象の文
書の中から、前記設定されたキーワードを含む文字列だ
けを検索することを特徴とする請求項７記載の文書検索
方法。
【請求項９】請求項１乃至請求項５の何れかに記載の
文書検索装置としてコンピュータを動作させるプログラ
ムコードが格納されていることを特徴とするコンピュー
タ読み取り可能な記憶媒体。
【請求項１０】請求項６記載のキーワード追加方法を
コンピュータによって実現可能なプログラムコードが格
納されていることを特徴とするコンピュータ読み取り可
能な記憶媒体。
【請求項１１】請求項７または請求項８記載の文書検
索方法をコンピュータによって実現可能なプログラムコ
ードが格納されていることを特徴とするコンピュータ読
み取り可能な記憶媒体。