JP2002117043A - 文書検索装置、文書検索方法およびその方法を実施するためのプログラムを記録した記録媒体 - Google Patents
文書検索装置、文書検索方法およびその方法を実施するためのプログラムを記録した記録媒体Info
- Publication number
- JP2002117043A JP2002117043A JP2000311084A JP2000311084A JP2002117043A JP 2002117043 A JP2002117043 A JP 2002117043A JP 2000311084 A JP2000311084 A JP 2000311084A JP 2000311084 A JP2000311084 A JP 2000311084A JP 2002117043 A JP2002117043 A JP 2002117043A
- Authority
- JP
- Japan
- Prior art keywords
- document
- keyword
- word
- words
- relevance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 キーワードの関連語を抽出する際に、検索語
として適さない単語が抽出されてしまうのを有効に防ぐ
ことができる文書検索方法を提供する。 【解決手段】 キーワード入力部１により入力されたキ
ーワードに適合する文書を検索して適合度の高い順に複
数の適合文書を抽出する文書ランキング部２、抽出され
た適合文書中に出現する各単語について前記キーワード
との関連度を算出して関連度の高い関連語を抽出し、抽
出した関連語を元の前記キーワードに追加して新しいキ
ーワードとする単語ランキング部３を備え、単語ランキ
ング部３が、キーワードに関連度の高い関連語を抽出す
る際、検索語として適さない単語を関連語から除外する
ようにし、文書ランキング部２がその新しいキーワード
に適合する文書を検索して適合度の高い順に再度適合文
書を抽出する構成にした。
として適さない単語が抽出されてしまうのを有効に防ぐ
ことができる文書検索方法を提供する。 【解決手段】 キーワード入力部１により入力されたキ
ーワードに適合する文書を検索して適合度の高い順に複
数の適合文書を抽出する文書ランキング部２、抽出され
た適合文書中に出現する各単語について前記キーワード
との関連度を算出して関連度の高い関連語を抽出し、抽
出した関連語を元の前記キーワードに追加して新しいキ
ーワードとする単語ランキング部３を備え、単語ランキ
ング部３が、キーワードに関連度の高い関連語を抽出す
る際、検索語として適さない単語を関連語から除外する
ようにし、文書ランキング部２がその新しいキーワード
に適合する文書を検索して適合度の高い順に再度適合文
書を抽出する構成にした。
Description
【０００１】
【発明の属する技術分野】本発明は、専用の文書検索装
置やパーソナルコンピュータなど情報処理装置に用いら
れる、与えられたキーワードに対して適合する文書を抽
出する文書検索方法に係わり、特に、適合文書から抽出
したキーワードに関連した単語によってキーワードを拡
張させ、拡張されたキーワードに対して適合する文書を
抽出する文書検索方法に関する。
置やパーソナルコンピュータなど情報処理装置に用いら
れる、与えられたキーワードに対して適合する文書を抽
出する文書検索方法に係わり、特に、適合文書から抽出
したキーワードに関連した単語によってキーワードを拡
張させ、拡張されたキーワードに対して適合する文書を
抽出する文書検索方法に関する。
【０００２】
【従来の技術】文書管理システムでは、例えばパーソナ
ルコンピュータなど情報処理装置内に、大量の文書の大
量の文書データを保管しておく文書記憶手段を備え、利
用者は、文書登録を行って登録された文書をこのような
文書記憶手段に格納し、登録されている文書を検索して
所望の文書データを取り出し、参照する。また、近年で
は、このような文書管理システムがネットワーク化さ
れ、例えば、大容量の文書記憶手段を有する文書管理サ
ーバをネットワークに接続し、同様にネットワークに接
続された複数のクライアント（例えばパーソナルコンピ
ュータ）から文書管理サーバに文書を登録・保管し、ク
ライアントから文書検索要求を出し、所望の文書をクラ
イアントへ取り込んで参照したりする。本発明は、その
ような文書管理システムのひとつの機能である文書検索
に係わるが、この文書検索では、利用者がキーワードを
入力すると、検索手段が対象とする複数の文書に対して
全文検索を行うことによりそのキーワードを多く含む文
書などを適合文書（該当文書）として抽出する。また、
利用者が入力したキーワードに適合する文書を探し出す
際に、利用者が入力したキーワードを用いて一旦検索し
た後、適合する文書中に出現する単語から入力キーワー
ドに関連する関連語を抽出し、その関連語を元のキーワ
ードに追加して新たなキーワードを構成し、新たなキー
ワードを用いて再度検索することにより、利用者の求め
るものに近い文書を得られやすくした文書検索方法など
も知られている。なお、前記のような関連語を抽出する
方法としては、適合文書中の各単語について、キーワー
ドとの関連度を算出し、その値の大きい上位複数単語を
抽出する方法が提案されている。しかし、関連度を正確
に判断するのは難しく、算出した値に従って抽出した単
語がキーワードの関連語としてふさわしいとは限らな
い。そのため、こういった関連度による抽出に併せて、
抽出した単語の文書頻度（検索対象文書集合全体におけ
るその単語を含む文書数）に制限を設け、その制限から
外れる単語は関連語として抽出しないといった方法も用
いられている。特開平11−25108号公報に示された従来
技術はそのような方法のひとつであり、文書頻度が極端
に高いあるいは低い単語を、予め定めた文書頻度のしき
い値によって一律に除外するといった方法を提案してい
る。
ルコンピュータなど情報処理装置内に、大量の文書の大
量の文書データを保管しておく文書記憶手段を備え、利
用者は、文書登録を行って登録された文書をこのような
文書記憶手段に格納し、登録されている文書を検索して
所望の文書データを取り出し、参照する。また、近年で
は、このような文書管理システムがネットワーク化さ
れ、例えば、大容量の文書記憶手段を有する文書管理サ
ーバをネットワークに接続し、同様にネットワークに接
続された複数のクライアント（例えばパーソナルコンピ
ュータ）から文書管理サーバに文書を登録・保管し、ク
ライアントから文書検索要求を出し、所望の文書をクラ
イアントへ取り込んで参照したりする。本発明は、その
ような文書管理システムのひとつの機能である文書検索
に係わるが、この文書検索では、利用者がキーワードを
入力すると、検索手段が対象とする複数の文書に対して
全文検索を行うことによりそのキーワードを多く含む文
書などを適合文書（該当文書）として抽出する。また、
利用者が入力したキーワードに適合する文書を探し出す
際に、利用者が入力したキーワードを用いて一旦検索し
た後、適合する文書中に出現する単語から入力キーワー
ドに関連する関連語を抽出し、その関連語を元のキーワ
ードに追加して新たなキーワードを構成し、新たなキー
ワードを用いて再度検索することにより、利用者の求め
るものに近い文書を得られやすくした文書検索方法など
も知られている。なお、前記のような関連語を抽出する
方法としては、適合文書中の各単語について、キーワー
ドとの関連度を算出し、その値の大きい上位複数単語を
抽出する方法が提案されている。しかし、関連度を正確
に判断するのは難しく、算出した値に従って抽出した単
語がキーワードの関連語としてふさわしいとは限らな
い。そのため、こういった関連度による抽出に併せて、
抽出した単語の文書頻度（検索対象文書集合全体におけ
るその単語を含む文書数）に制限を設け、その制限から
外れる単語は関連語として抽出しないといった方法も用
いられている。特開平11−25108号公報に示された従来
技術はそのような方法のひとつであり、文書頻度が極端
に高いあるいは低い単語を、予め定めた文書頻度のしき
い値によって一律に除外するといった方法を提案してい
る。
【０００３】
【発明が解決しようとする課題】前記したように、特開
平11−25108号公報に示された方法など従来技術におい
ては、関連語として抽出すべきでない単語を、単純に文
書頻度によって決めているが、検索に適さない単語かど
うかは、文書頻度のみで決まるものではなく、例えば、
文書頻度が比較的多いにもかかわらず検索に有用な単語
は少なくない。英文新聞記事データベースなどによれ
ば、検索語として意味のある world や president とい
った単語を含む文書の方が、検索語として意味のない o
ur や mustといった単語を含む文書より多い場合がある
のである。本発明の目的は、このような従来技術の問題
を解決し、キーワードの関連語を抽出する際に、検索語
として適さない単語が抽出されてしまうのを有効に防ぐ
ことができる文書検索方法を提供することにある。
平11−25108号公報に示された方法など従来技術におい
ては、関連語として抽出すべきでない単語を、単純に文
書頻度によって決めているが、検索に適さない単語かど
うかは、文書頻度のみで決まるものではなく、例えば、
文書頻度が比較的多いにもかかわらず検索に有用な単語
は少なくない。英文新聞記事データベースなどによれ
ば、検索語として意味のある world や president とい
った単語を含む文書の方が、検索語として意味のない o
ur や mustといった単語を含む文書より多い場合がある
のである。本発明の目的は、このような従来技術の問題
を解決し、キーワードの関連語を抽出する際に、検索語
として適さない単語が抽出されてしまうのを有効に防ぐ
ことができる文書検索方法を提供することにある。
【０００４】
【課題を解決するための手段】前記の課題を解決するた
めに、請求項１記載の発明では、入力されたキーワード
に適合する文書を検索して適合度の高い順に複数の適合
文書を抽出する適合文書抽出手段と、抽出された適合文
書中に出現する各単語について前記キーワードとの関連
度を算出して関連度の高い関連語を抽出し、抽出した関
連語を元の前記キーワードに追加して新しいキーワード
とする関連語抽出手段とを備えて、前記適合文書抽出手
段がその新しいキーワードに適合する文書を検索して適
合度の高い順に再度適合文書を抽出する文書検索装置に
おいて、キーワードに関連度の高い関連語を抽出する際
に、検索語として適さない単語を関連語から除外するよ
うに関連語抽出手段を構成した。また、請求項２記載の
発明では、入力されたキーワードに適合する文書を検索
して適合度の高い順に複数の適合文書を抽出し、抽出し
た適合文書中に出現する各単語について前記キーワード
との関連度を算出して関連度の高い関連語を抽出し、抽
出した関連語を元の前記キーワードに追加して新しいキ
ーワードとし、その新しいキーワードに適合する文書を
検索して適合度の高い順に再度適合文書を抽出する文書
検索方法において、キーワードに関連度の高い関連語を
抽出する際に、検索語として適さない単語を関連語から
除外する構成にした。また、請求項３記載の発明では、
請求項２記載の発明において、キーワードに関連度の高
い関連語を抽出する際に、予め用意した不適語リストに
含まれる単語を関連語から除外する構成にした。また、
請求項４記載の発明では、請求項２記載の発明におい
て、キーワードに関連度の高い関連語を抽出する際に、
検索対象文書集合における文書内頻度の合計について上
限値を定めておき、その上限値を越える文書内頻度の合
計を有する単語を関連語から除外する構成にした。ま
た、請求項５記載の発明では、プログラムを記録した記
録媒体において、請求項２、請求項３、または請求項４
記載の文書検索方法を実施するためのプログラミングし
たプログラムを記憶した。
めに、請求項１記載の発明では、入力されたキーワード
に適合する文書を検索して適合度の高い順に複数の適合
文書を抽出する適合文書抽出手段と、抽出された適合文
書中に出現する各単語について前記キーワードとの関連
度を算出して関連度の高い関連語を抽出し、抽出した関
連語を元の前記キーワードに追加して新しいキーワード
とする関連語抽出手段とを備えて、前記適合文書抽出手
段がその新しいキーワードに適合する文書を検索して適
合度の高い順に再度適合文書を抽出する文書検索装置に
おいて、キーワードに関連度の高い関連語を抽出する際
に、検索語として適さない単語を関連語から除外するよ
うに関連語抽出手段を構成した。また、請求項２記載の
発明では、入力されたキーワードに適合する文書を検索
して適合度の高い順に複数の適合文書を抽出し、抽出し
た適合文書中に出現する各単語について前記キーワード
との関連度を算出して関連度の高い関連語を抽出し、抽
出した関連語を元の前記キーワードに追加して新しいキ
ーワードとし、その新しいキーワードに適合する文書を
検索して適合度の高い順に再度適合文書を抽出する文書
検索方法において、キーワードに関連度の高い関連語を
抽出する際に、検索語として適さない単語を関連語から
除外する構成にした。また、請求項３記載の発明では、
請求項２記載の発明において、キーワードに関連度の高
い関連語を抽出する際に、予め用意した不適語リストに
含まれる単語を関連語から除外する構成にした。また、
請求項４記載の発明では、請求項２記載の発明におい
て、キーワードに関連度の高い関連語を抽出する際に、
検索対象文書集合における文書内頻度の合計について上
限値を定めておき、その上限値を越える文書内頻度の合
計を有する単語を関連語から除外する構成にした。ま
た、請求項５記載の発明では、プログラムを記録した記
録媒体において、請求項２、請求項３、または請求項４
記載の文書検索方法を実施するためのプログラミングし
たプログラムを記憶した。
【０００５】
【作用】前記のようも構成したので、請求項１記載およ
び請求項２記載の発明では、入力されたキーワードに適
合する文書が検索され、その結果として、適合度の高い
順に複数の適合文書が抽出され、抽出された適合文書中
に出現する各単語について前記キーワードとの関連度が
算出され、その結果として、関連度の高い関連語が抽出
され、その際、検索語として適さない単語が関連語から
除外され、抽出された関連語が元の前記キーワードに追
加され、それを新しいキーワードとしてその新しいキー
ワードに適合する文書が検索され、その結果として、適
合度の高い順に再度適合文書が抽出される。請求項３記
載の発明では、請求項２記載の発明において、キーワー
ドに関連度の高い関連語が抽出される際、予め用意した
不適語リストに含まれる単語が関連語から除外される。
請求項４記載の発明では、請求項２記載の発明におい
て、キーワードに関連度の高い関連語が抽出される際、
検索対象文書集合における文書内頻度の合計について予
め上限値が定められ、その上限値を越える文書内頻度の
合計を有する単語が関連語から除外される。請求項５記
載の発明では、請求項２、請求項３、または請求項４記
載の文書検索方法に従ってプログラミングしたプログラ
ムが例えば着脱可能な記憶媒体に記憶される。
び請求項２記載の発明では、入力されたキーワードに適
合する文書が検索され、その結果として、適合度の高い
順に複数の適合文書が抽出され、抽出された適合文書中
に出現する各単語について前記キーワードとの関連度が
算出され、その結果として、関連度の高い関連語が抽出
され、その際、検索語として適さない単語が関連語から
除外され、抽出された関連語が元の前記キーワードに追
加され、それを新しいキーワードとしてその新しいキー
ワードに適合する文書が検索され、その結果として、適
合度の高い順に再度適合文書が抽出される。請求項３記
載の発明では、請求項２記載の発明において、キーワー
ドに関連度の高い関連語が抽出される際、予め用意した
不適語リストに含まれる単語が関連語から除外される。
請求項４記載の発明では、請求項２記載の発明におい
て、キーワードに関連度の高い関連語が抽出される際、
検索対象文書集合における文書内頻度の合計について予
め上限値が定められ、その上限値を越える文書内頻度の
合計を有する単語が関連語から除外される。請求項５記
載の発明では、請求項２、請求項３、または請求項４記
載の文書検索方法に従ってプログラミングしたプログラ
ムが例えば着脱可能な記憶媒体に記憶される。
【０００６】
【発明の実施の形態】以下、図面により本発明の実施の
形態を詳細に説明する。図１は本発明の第１の実施の形
態を示す文書検索装置の構成ブロック図である。図示し
たように、この実施の形態の文書検索装置は、利用者に
キーボードなどからキーワードＡを入力させるキーワー
ド入力部１、前記キーワードＡや新キーワードＦに適合
する適合文書を抽出する文書ランキング部２、キーワー
ドＡに適合する適合文書中の単語から関連度に従ってキ
ーワード関連語を抽出し、それらを元のキーワードＡに
追加して新キーワードＦを作成する単語ランキング部
３、抽出した適合文書を出力する文書出力部４、および
検索対象文書や、その中に含まれる単語について出現頻
度（例えば出現回数）など統計情報（例えば単語統計情
報）などを記憶しておく文書データベース５などを備え
ている。なお、文書データベース５は例えばハードディ
スク装置を用いて構成する。また、前記キーワード入力
部１、文書ランキング部２、単語ランキング部３、およ
び文書出力部４はプログラムを記憶する共有のメモリ、
およびそのプログラムに従って動作する共有のＣＰＵを
有する。また、この実施の形態では、請求項１記載の適
合文書抽出手段が文書ランキング部２により実現され、
関連語抽出手段が単語ランキング部３により実現され
る。また、前記キーワード中には一つ以上の単語が含ま
れているものとする。
形態を詳細に説明する。図１は本発明の第１の実施の形
態を示す文書検索装置の構成ブロック図である。図示し
たように、この実施の形態の文書検索装置は、利用者に
キーボードなどからキーワードＡを入力させるキーワー
ド入力部１、前記キーワードＡや新キーワードＦに適合
する適合文書を抽出する文書ランキング部２、キーワー
ドＡに適合する適合文書中の単語から関連度に従ってキ
ーワード関連語を抽出し、それらを元のキーワードＡに
追加して新キーワードＦを作成する単語ランキング部
３、抽出した適合文書を出力する文書出力部４、および
検索対象文書や、その中に含まれる単語について出現頻
度（例えば出現回数）など統計情報（例えば単語統計情
報）などを記憶しておく文書データベース５などを備え
ている。なお、文書データベース５は例えばハードディ
スク装置を用いて構成する。また、前記キーワード入力
部１、文書ランキング部２、単語ランキング部３、およ
び文書出力部４はプログラムを記憶する共有のメモリ、
およびそのプログラムに従って動作する共有のＣＰＵを
有する。また、この実施の形態では、請求項１記載の適
合文書抽出手段が文書ランキング部２により実現され、
関連語抽出手段が単語ランキング部３により実現され
る。また、前記キーワード中には一つ以上の単語が含ま
れているものとする。
【０００７】図２に、このような文書検索装置により実
行される第１の実施の形態の動作フローを示す。以下、
この実施の形態の動作について説明する。まず、キーワ
ード入力部１により、利用者にキーボードなどからキー
ワードＡとする文字列を入力させる（Ｓ１）。そして、
キーワード入力部１は入力されたキーワードＡを文書ラ
ンキング部２に渡す。これにより、文書ランキング部２
は、文書データベース５中のそれぞれの検索対象文書に
ついて、単語統計情報を用いて、キーワードＡ中の単語
がそれぞれどれくらい含まれているかを調べ（Ｓ２）、
その結果を用いて文書適合度を計算する（Ｓ３）。例え
ばキーワードＡ中の単語の出現回数が多いほど適合度が
高いとするのである。続いて、文書ランキング部２は、
適合度の高い順に各文書を順序づけ、上位何件かを適合
文書とする（Ｓ４）。あるいは、上位何件かの文書を表
示装置に表示させるとか、または前記出現回数が所定回
数以上の文書を示す情報、例えば文書名などを表示させ
るとかして利用者に提示し、適合しているかどうかを利
用者に判断させ、適合していると判断された文書を適合
文書としてもよい。こうして、適合文書が抽出される
と、単語ランキング部３が、適合文書中のすべての単語
から、以下の２段階でキーワードＡとの関連が高い関連
語を抽出する。
行される第１の実施の形態の動作フローを示す。以下、
この実施の形態の動作について説明する。まず、キーワ
ード入力部１により、利用者にキーボードなどからキー
ワードＡとする文字列を入力させる（Ｓ１）。そして、
キーワード入力部１は入力されたキーワードＡを文書ラ
ンキング部２に渡す。これにより、文書ランキング部２
は、文書データベース５中のそれぞれの検索対象文書に
ついて、単語統計情報を用いて、キーワードＡ中の単語
がそれぞれどれくらい含まれているかを調べ（Ｓ２）、
その結果を用いて文書適合度を計算する（Ｓ３）。例え
ばキーワードＡ中の単語の出現回数が多いほど適合度が
高いとするのである。続いて、文書ランキング部２は、
適合度の高い順に各文書を順序づけ、上位何件かを適合
文書とする（Ｓ４）。あるいは、上位何件かの文書を表
示装置に表示させるとか、または前記出現回数が所定回
数以上の文書を示す情報、例えば文書名などを表示させ
るとかして利用者に提示し、適合しているかどうかを利
用者に判断させ、適合していると判断された文書を適合
文書としてもよい。こうして、適合文書が抽出される
と、単語ランキング部３が、適合文書中のすべての単語
から、以下の２段階でキーワードＡとの関連が高い関連
語を抽出する。
【０００８】まず、第１段階では、予め用意しておいた
不適語リストを参照し、適合文書中のすべての単語のう
ち、そのリストに含まれる単語を関連語から除外する
（Ｓ５）。なお、この不適語リストには、例えば次のよ
うな単語が含まれる。 ＊ 機能語（例えば a や the など） ＊ 検索に影響するような意味内容を持たない単語（例
えば anyway や somedayなど） また、第２段階では、第１段階の処理で残った適合文書
中の各単語について、文書データベース５の単語統計情
報を参照しながら、適合文書中での出現状況つまり、フ
ィードバック情報も反映させて、キーワードＡとの関連
度を求める（Ｓ６）。これには、例えば、式（１）に示
したBoughanem の計算式（Walker,S.etal.,"Okapi at T
REC−6：Automated adhoc,VLC,routing,filtering and
QSDR, "The Sixth Test R Etrieval Conference(TREC-
6),1996,NIST ）などを用いる。 関連度＝（ｒ／Ｒ−α・ｓ／Ｓ）×重み （１） ここで、Ｒ：適合文書数 ｒ：適合文書集合の中で特定単語の出現する文書数 Ｓ：非適合文書数 ｓ：非適合文書集合の中で特定単語の出現する文書数 α：調整パラメータ このようにして、単語ランキング部３は、関連度の高い
順に複数のキーワード関連語を抽出し、抽出したキーワ
ード関連語を元のキーワードＡに追加し、新キーワード
Ｆを作成する（Ｓ７）。そして、この新キーワードＦを
再び文書ランキング部２に渡し、文書ランキング部２が
その新キーワードＦを用いて、再度、適合文書を抽出す
る（Ｓ８）。さらに、このようにして抽出した適合文書
を文書出力部４が表示装置などに出力する（Ｓ９）。こ
うして、この実施の形態によれば、キーワードの関連語
を抽出する際に、検索語として適さない単語が抽出され
てしまうのを防ぐことができる。
不適語リストを参照し、適合文書中のすべての単語のう
ち、そのリストに含まれる単語を関連語から除外する
（Ｓ５）。なお、この不適語リストには、例えば次のよ
うな単語が含まれる。 ＊ 機能語（例えば a や the など） ＊ 検索に影響するような意味内容を持たない単語（例
えば anyway や somedayなど） また、第２段階では、第１段階の処理で残った適合文書
中の各単語について、文書データベース５の単語統計情
報を参照しながら、適合文書中での出現状況つまり、フ
ィードバック情報も反映させて、キーワードＡとの関連
度を求める（Ｓ６）。これには、例えば、式（１）に示
したBoughanem の計算式（Walker,S.etal.,"Okapi at T
REC−6：Automated adhoc,VLC,routing,filtering and
QSDR, "The Sixth Test R Etrieval Conference(TREC-
6),1996,NIST ）などを用いる。 関連度＝（ｒ／Ｒ−α・ｓ／Ｓ）×重み （１） ここで、Ｒ：適合文書数 ｒ：適合文書集合の中で特定単語の出現する文書数 Ｓ：非適合文書数 ｓ：非適合文書集合の中で特定単語の出現する文書数 α：調整パラメータ このようにして、単語ランキング部３は、関連度の高い
順に複数のキーワード関連語を抽出し、抽出したキーワ
ード関連語を元のキーワードＡに追加し、新キーワード
Ｆを作成する（Ｓ７）。そして、この新キーワードＦを
再び文書ランキング部２に渡し、文書ランキング部２が
その新キーワードＦを用いて、再度、適合文書を抽出す
る（Ｓ８）。さらに、このようにして抽出した適合文書
を文書出力部４が表示装置などに出力する（Ｓ９）。こ
うして、この実施の形態によれば、キーワードの関連語
を抽出する際に、検索語として適さない単語が抽出され
てしまうのを防ぐことができる。
【０００９】次に、本発明の第２の実施の形態の動作を
説明する。この文書検索装置の構成は図１に示した第１
の実施の形態の構成と同じである。この実施の形態と第
１の実施の形態との違いは、単語ランキング部３が適合
文書中のすべての単語からキーワードＡとの関連が高い
関連語を選出する際に、第１段階において、予め定めた
検索対象文書集合における文書内頻度の合計について上
限値を設定しておき、その上限値を越える文書内頻度の
合計を持つ単語を関連語から除外することである。この
文書内頻度の合計は、以下のように求める。例えば、th
e という単語が文書１において８回出現し、文書２にお
いて12回出現したとすると、文書１と文書２における文
書内頻度の合計は、20回となる。同様にして、すべての
検索対象文書について文書内頻度を足し合わせたもの
が、その単語の文書内頻度の合計であり、第２の実施の
形態においては、この値について上限値を定めておくの
で、これを上回らない文書内頻度の合計を持つ単語のみ
が、次の第２段階の対象となる。こうして、この実施の
形態によれば、どの文書にも多数出現するような単語を
関連語としてしまって、文書の絞込みが妨げられるのを
防ぐことができる。以上、図１に示した文書検索装置に
ついて説明したが、説明したような本発明によった文書
検索方法に従ってプログラミングしたプログラムを例え
ば着脱可能な記憶媒体に記憶させ、その記憶媒体をこれ
まで本発明によった文書検索を行えなかったパーソナル
コンピュータなど情報処理装置に装着することにより、
その情報処理装置においても本発明によった文書検索を
行うことができる。
説明する。この文書検索装置の構成は図１に示した第１
の実施の形態の構成と同じである。この実施の形態と第
１の実施の形態との違いは、単語ランキング部３が適合
文書中のすべての単語からキーワードＡとの関連が高い
関連語を選出する際に、第１段階において、予め定めた
検索対象文書集合における文書内頻度の合計について上
限値を設定しておき、その上限値を越える文書内頻度の
合計を持つ単語を関連語から除外することである。この
文書内頻度の合計は、以下のように求める。例えば、th
e という単語が文書１において８回出現し、文書２にお
いて12回出現したとすると、文書１と文書２における文
書内頻度の合計は、20回となる。同様にして、すべての
検索対象文書について文書内頻度を足し合わせたもの
が、その単語の文書内頻度の合計であり、第２の実施の
形態においては、この値について上限値を定めておくの
で、これを上回らない文書内頻度の合計を持つ単語のみ
が、次の第２段階の対象となる。こうして、この実施の
形態によれば、どの文書にも多数出現するような単語を
関連語としてしまって、文書の絞込みが妨げられるのを
防ぐことができる。以上、図１に示した文書検索装置に
ついて説明したが、説明したような本発明によった文書
検索方法に従ってプログラミングしたプログラムを例え
ば着脱可能な記憶媒体に記憶させ、その記憶媒体をこれ
まで本発明によった文書検索を行えなかったパーソナル
コンピュータなど情報処理装置に装着することにより、
その情報処理装置においても本発明によった文書検索を
行うことができる。
【００１０】
【発明の効果】以上説明したように、本発明によれば、
請求項１および請求項２記載の発明では、入力されたキ
ーワードに適合する文書が検索され、その結果として、
適合度の高い順に複数の適合文書が抽出され、抽出され
た適合文書中に出現する各単語について前記キーワード
との関連度が算出され、その結果として、関連度の高い
関連語が抽出され、その際、検索語として適さない単語
が関連語から除外され、抽出された関連語が元の前記キ
ーワードに追加され、それを新しいキーワードとしてそ
の新しいキーワードに適合する文書が検索され、その結
果として、適合度の高い順に再度適合文書が抽出される
ので、キーワードの関連語を抽出する際に、検索語とし
て適さない単語が抽出されてしまうのを防ぐことができ
る。また、請求項３記載の発明では、請求項２記載の発
明において、キーワードに関連度の高い関連語が抽出さ
れる際、予め用意した不適語リストに含まれる単語が関
連語から除外されるので、検索語として適さない単語を
容易に除外することができる。また、請求項４記載の発
明では、請求項２記載の発明において、キーワードに関
連度の高い関連語が抽出される際、検索対象文書集合に
おける文書内頻度の合計について予め上限値が定めら
れ、その上限値を越える文書内頻度の合計を有する単語
が関連語から除外されるので、どの文書にも多数出現す
るような単語を関連語としてしまって、文書の絞込みが
妨げられるのを防ぐことができる。また、請求項５記載
の発明では、請求項２、請求項３、または請求項４記載
の文書検索方法に従ってプログラミングしたプログラム
が例えば着脱可能な記憶媒体に記憶されるので、その記
憶媒体をこれまで請求項２、請求項３、または請求項４
記載の発明によった文書検索を行えなかったパーソナル
コンピュータなど情報処理装置に装着することにより、
その情報処理装置においても請求項２、請求項３、また
は請求項４記載の発明の効果を得ることができる。
請求項１および請求項２記載の発明では、入力されたキ
ーワードに適合する文書が検索され、その結果として、
適合度の高い順に複数の適合文書が抽出され、抽出され
た適合文書中に出現する各単語について前記キーワード
との関連度が算出され、その結果として、関連度の高い
関連語が抽出され、その際、検索語として適さない単語
が関連語から除外され、抽出された関連語が元の前記キ
ーワードに追加され、それを新しいキーワードとしてそ
の新しいキーワードに適合する文書が検索され、その結
果として、適合度の高い順に再度適合文書が抽出される
ので、キーワードの関連語を抽出する際に、検索語とし
て適さない単語が抽出されてしまうのを防ぐことができ
る。また、請求項３記載の発明では、請求項２記載の発
明において、キーワードに関連度の高い関連語が抽出さ
れる際、予め用意した不適語リストに含まれる単語が関
連語から除外されるので、検索語として適さない単語を
容易に除外することができる。また、請求項４記載の発
明では、請求項２記載の発明において、キーワードに関
連度の高い関連語が抽出される際、検索対象文書集合に
おける文書内頻度の合計について予め上限値が定めら
れ、その上限値を越える文書内頻度の合計を有する単語
が関連語から除外されるので、どの文書にも多数出現す
るような単語を関連語としてしまって、文書の絞込みが
妨げられるのを防ぐことができる。また、請求項５記載
の発明では、請求項２、請求項３、または請求項４記載
の文書検索方法に従ってプログラミングしたプログラム
が例えば着脱可能な記憶媒体に記憶されるので、その記
憶媒体をこれまで請求項２、請求項３、または請求項４
記載の発明によった文書検索を行えなかったパーソナル
コンピュータなど情報処理装置に装着することにより、
その情報処理装置においても請求項２、請求項３、また
は請求項４記載の発明の効果を得ることができる。
【図１】本発明の第１の実施の形態を示す文書検索装置
の構成ブロック図である。
の構成ブロック図である。
【図２】本発明の第１の実施の形態を示す文書検索方法
の動作フロー図である。
の動作フロー図である。
１：キーワード入力部 ２：文書ランキング部 ３：単語ランキング部 ４：文書出力部 ５：文書データベース
Claims (5)
- 【請求項１】 入力されたキーワードに適合する文書を
検索して適合度の高い順に複数の適合文書を抽出する適
合文書抽出手段と、抽出された適合文書中に出現する各
単語について前記キーワードとの関連度を算出して関連
度の高い関連語を抽出し、抽出した関連語を元の前記キ
ーワードに追加して新しいキーワードとする関連語抽出
手段とを備えて、前記適合文書抽出手段がその新しいキ
ーワードに適合する文書を検索して適合度の高い順に再
度適合文書を抽出する文書検索装置において、キーワー
ドに関連度の高い関連語を抽出する際に、検索語として
適さない単語を関連語から除外するように関連語抽出手
段を構成したことを特徴とする文書検索装置。 - 【請求項２】 入力されたキーワードに適合する文書を
検索して適合度の高い順に複数の適合文書を抽出し、抽
出した適合文書中に出現する各単語について前記キーワ
ードとの関連度を算出して関連度の高い関連語を抽出
し、抽出した関連語を元の前記キーワードに追加して新
しいキーワードとし、その新しいキーワードに適合する
文書を検索して適合度の高い順に再度適合文書を抽出す
る文書検索方法において、キーワードに関連度の高い関
連語を抽出する際に、検索語として適さない単語を関連
語から除外するようにしたことを特徴とする文書検索方
法。 - 【請求項３】 請求項２記載の文書検索方法において、
キーワードに関連度の高い関連語を抽出する際に、予め
用意した不適語リストに含まれる単語を関連語から除外
するようにしたことを特徴とする文書検索方法。 - 【請求項４】 請求項２記載の文書検索方法において、
キーワードに関連度の高い関連語を抽出する際に、検索
対象文書集合における文書内頻度の合計について上限値
を定めておき、その上限値を越える文書内頻度の合計を
有する単語を関連語から除外するようにしたことを特徴
とする文書検索方法。 - 【請求項５】 プログラムを記憶した記憶媒体におい
て、請求項２、請求項３、または請求項４記載の文書検
索方法を実施するためのプログラミングしたプログラム
を記録したことを特徴とする記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000311084A JP2002117043A (ja) | 2000-10-11 | 2000-10-11 | 文書検索装置、文書検索方法およびその方法を実施するためのプログラムを記録した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000311084A JP2002117043A (ja) | 2000-10-11 | 2000-10-11 | 文書検索装置、文書検索方法およびその方法を実施するためのプログラムを記録した記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002117043A true JP2002117043A (ja) | 2002-04-19 |
Family
ID=18790908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000311084A Pending JP2002117043A (ja) | 2000-10-11 | 2000-10-11 | 文書検索装置、文書検索方法およびその方法を実施するためのプログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002117043A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007503145A (ja) * | 2003-08-18 | 2007-02-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 映像要約方法 |
| JP2010055159A (ja) * | 2008-08-26 | 2010-03-11 | Nec Biglobe Ltd | 情報検索装置、情報検索方法、およびプログラム |
| JP2010055155A (ja) * | 2008-08-26 | 2010-03-11 | Nec Biglobe Ltd | サーバ装置、情報処理方法およびプログラム |
| US7769771B2 (en) | 2006-07-19 | 2010-08-03 | Ricoh Company, Ltd. | Searching a document using relevance feedback |
| JP2010286888A (ja) * | 2009-06-09 | 2010-12-24 | Nec Corp | 情報収集システムおよび情報収集方法ならびにそのプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0944523A (ja) * | 1995-07-27 | 1997-02-14 | Fuji Xerox Co Ltd | 関連語提示装置 |
| JPH10334106A (ja) * | 1997-05-27 | 1998-12-18 | Fuji Xerox Co Ltd | 関連語提示装置及び関連語提示用プログラムを記録した媒体 |
| JPH1185786A (ja) * | 1997-09-05 | 1999-03-30 | Hitachi Ltd | 文書検索方法、文書検索サービスおよび文書検索支援サービス |
-
2000
- 2000-10-11 JP JP2000311084A patent/JP2002117043A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0944523A (ja) * | 1995-07-27 | 1997-02-14 | Fuji Xerox Co Ltd | 関連語提示装置 |
| JPH10334106A (ja) * | 1997-05-27 | 1998-12-18 | Fuji Xerox Co Ltd | 関連語提示装置及び関連語提示用プログラムを記録した媒体 |
| JPH1185786A (ja) * | 1997-09-05 | 1999-03-30 | Hitachi Ltd | 文書検索方法、文書検索サービスおよび文書検索支援サービス |
Non-Patent Citations (2)
| Title |
|---|
| 佐藤光弘、外２名: "知的検索技術を用いたネットワークナビゲーション支援システム", ＭＡＴＳＵＳＨＩＴＡ ＴＥＣＨＮＩＣＡＬ ＪＯＵＲＮＡＬ, vol. 第４４巻，第５号, JPN6008006859, 18 October 1998 (1998-10-18), pages 18 - 24, ISSN: 0000981454 * |
| 西岡真吾、外３名: "文献検索支援インタフェースＤｕａｌＮＡＶＩ", レクチャーノート／ソフトウェア学 １８ インタラクティブシステムとソフトウェアＶ, vol. 初版, JPN6008023794, 20 December 1997 (1997-12-20), JP, pages 43 - 48, ISSN: 0001045125 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007503145A (ja) * | 2003-08-18 | 2007-02-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 映像要約方法 |
| US7769771B2 (en) | 2006-07-19 | 2010-08-03 | Ricoh Company, Ltd. | Searching a document using relevance feedback |
| JP2010055159A (ja) * | 2008-08-26 | 2010-03-11 | Nec Biglobe Ltd | 情報検索装置、情報検索方法、およびプログラム |
| JP2010055155A (ja) * | 2008-08-26 | 2010-03-11 | Nec Biglobe Ltd | サーバ装置、情報処理方法およびプログラム |
| JP4587236B2 (ja) * | 2008-08-26 | 2010-11-24 | Ｎｅｃビッグローブ株式会社 | 情報検索装置、情報検索方法、およびプログラム |
| JP4640554B2 (ja) * | 2008-08-26 | 2011-03-02 | Ｎｅｃビッグローブ株式会社 | サーバ装置、情報処理方法およびプログラム |
| US8838616B2 (en) | 2008-08-26 | 2014-09-16 | Nec Biglobe, Ltd. | Server device for creating list of general words to be excluded from search result |
| JP2010286888A (ja) * | 2009-06-09 | 2010-12-24 | Nec Corp | 情報収集システムおよび情報収集方法ならびにそのプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9846744B2 (en) | Media discovery and playlist generation | |
| US9195738B2 (en) | Tokenization platform | |
| JP5316158B2 (ja) | 情報処理装置、全文検索方法、全文検索プログラム、及び記録媒体 | |
| US20080154886A1 (en) | System and method for summarizing search results | |
| KR20080031262A (ko) | 관계 네트워크 | |
| JP2010287020A (ja) | 同義語展開システム及び同義語展開方法 | |
| JP2000200281A (ja) | 情報検索装置および情報検索方法ならびに情報検索プログラムを記録した記録媒体 | |
| JP2004178421A (ja) | 文書検索装置、文書検索方法、プログラムおよび記録媒体 | |
| JP2006178599A (ja) | 文書検索装置および方法 | |
| JP2008117351A (ja) | 検索システム | |
| JP2002117043A (ja) | 文書検索装置、文書検索方法およびその方法を実施するためのプログラムを記録した記録媒体 | |
| JPH01145721A (ja) | 文献の検索妥当性判定方式 | |
| JP2004054882A (ja) | 類義語検索装置、方法、プログラム及び記憶媒体 | |
| WO2018084226A1 (ja) | 文書検索方法及び装置 | |
| JP2011090463A (ja) | 文書検索システム、情報処理装置およびプログラム | |
| JP2773682B2 (ja) | 適合フィードバック装置 | |
| JP3558267B2 (ja) | 文書検索装置 | |
| JP2004157649A (ja) | 階層化されたユーザプロファイル作成方法およびシステム並びに階層化されたユーザプロファイル作成プログラムおよびそれを記録した記録媒体 | |
| JP3862059B2 (ja) | 検索式拡張方法および検索システム | |
| JP2007026116A (ja) | 概念検索システム及び概念検索方法 | |
| JP4384736B2 (ja) | 画像検索装置およびその装置の各手段としてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP2008203997A (ja) | 文書検索装置及びプログラム | |
| JP2006106907A (ja) | 構造化文書管理システム、索引構築方法及びプログラム | |
| RU2266560C1 (ru) | Способ поиска информации в политематических массивах неструктурированных текстов | |
| JPH1145238A (ja) | 文書管理システムおよびそのシステムとしてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050126 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20050315 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080207 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080219 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080416 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080520 |