JP2003022276A - 文書検索装置及び文書検索方法 - Google Patents

Abstract

(57)【要約】 【課題】文書の特徴を表す単語を適切に検索に利用する
ことができる文書検索装置及び文書検索方法を提供す
る。 【解決手段】 検索キー文書から分野特定単語を抽出
し、検索対象文書から検索対象単語を切り出す。これら
の間でマッチング処理と類似度算出を行い、検索対象文
書を絞り込む。絞り込んだ後の検索対象文書と検索キー
文書との類似度算出には、検索キー文書の中から分野特
定単語とは別に検索単語を抽出し、これを用いて類似文
書の検索を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、文書検索技術に
係わり、特に、類似文書検索技術に関する。

【０００２】

【従来の技術】情報処理技術の進歩と共に、文書データ
の取り扱いを電子化し、効率の良い文書処理を行いたい
という要望が高まっている。特に、文書の内容に応じた
文書分類技術、文書検索技術は、機械的に実行すること
ができれば労力を大幅に削減することができる。

【０００３】文書をキーとして、その文書と類似した文
書を、複数の検索対象文書から抽出する装置として、文
書検索装置がある。文書検索装置は、検索キーである文
書から抽出された単語と、検索対象文書から抽出された
単語を比較し、検索キー文書と検索対象文書の類似度を
算出し、類似度の高いものを類似文書として、検索対象
文書より抽出している。ここで、類似度の算出方法に
は、検索キー文書と検索対象文書から抽出された単語
の、抽出数や抽出場所等を元にベクトル空間法を用いて
算出する方法等がある。

【０００４】二次検索またはそれ以降の検索に際して、
検索の効率化を図るために検索対象文書の絞り込みを行
なう。一次検索、二次検索ともに、同じ単語を検索キー
として使用している。従来、類似文書検索装置は、検索
キーである文書と、検索対象である文書との、単語の一
致数などによる類似度算出で類似文書の算出を行なって
いた。ここで、文書数を絞り込みながらの段階検索にお
いても、類似度の算出処理は同じである。

【０００５】

【発明が解決しようとする課題】上記した従来技術にお
いては、検索対象文書を検索キー文書の分野に属する文
書へ絞り込む際であっても、絞り込みを行なった後の類
似度の算出処理であっても、検索のキーとなる単語は同
じものを使用していた。このため、それぞれの類似度算
出処理における特徴を表す単語の存在が薄れてしまい、
各段階に即した類似度算出の結果が得られないという問
題が有った。

【０００６】そこで、本発明は上記の問題を解決するた
めになされたものであり、文書の特徴を表す単語を適切
に検索に利用することができる文書検索装置および文書
検索方法を提供することを目的とする。

【０００７】

【課題を解決するための手段】この発明は、文書を検索
キーとして、文書データベース中から文書を検索する文
書検索装置であって、文書データベース中の各文書の内
容を表すキー単語を抽出する検索対象単語抽出手段と、
検索キー文書より検索キーとなる単語を抽出する検索キ
ー単語抽出手段と、この検索キー単語抽出手段により得
られた検索キー単語のうち検索キー文書の分野を示す分
野特定単語を抽出する分野特定単語抽出手段と、この分
野特定単語抽出手段により得られた分野特定単語と、前
記検索対象単語抽出手段により得られたキー単語を元に
類似文書を求める分野類似文書抽出手段と、この分野類
似文書抽出手段により得られた類似文書のうち前記検索
キー文書の分野に属した文書を絞り込む検索対象文書絞
込み手段と、前記検索単語抽出手段により得られた検索
キー単語のうち前記検索キー文書の主眼や構成を表す構
成単語を抽出する構成単語抽出手段と、この構成単語抽
出手段により得られた構成単語と前記検索対象文書絞込
み手段により得られた検索対象文書を元に類似文書を求
める類似文書抽出手段と、この類似文書抽出手段により
得られた抽出結果を表示する表示手段とを具備すること
を特徴とする。

【０００８】このような構成によれば、文書の特徴を表
す単語を適切に検索に利用することができる。

【０００９】また、この発明は、文書を検索キーとし
て、文書データベース中から文書を検索する文書検索装
置であって、文書データベース中の各文書の内容を表す
キー単語を抽出する検索対象単語抽出手段と、検索キー
文書より検索キーとなる単語を抽出する検索キー単語抽
出手段と、この検索キー単語抽出手段により得られた検
索キー単語のうち検索キー文書の分野を示す分野特定単
語を抽出する分野特定単語抽出手段と、この分野特定単
語抽出手段により得られた分野特定単語と、前記検索対
象単語抽出手段により得られたキー単語を元に類似文書
を求める分野類似文書抽出手段と、この分野類似文書抽
出手段により得られた類似文書のうち前記検索キー文書
の分野に属した文書を絞り込む検索対象文書絞込み手段
と、前記検索単語抽出手段により得られた検索キー単語
のうち前記検索キー文書の主眼や構成を表す構成単語を
抽出する際に分野特定手段により得られた分野によって
使用する形態素解析辞書を切り替える構成単語抽出手段
と、この構成単語抽出手段により得られた構成単語と前
記検索対象文書絞込み手段により得られた検索対象文書
を元に類似文書を求める類似文書抽出手段と、この類似
文書抽出手段により得られた抽出結果を表示する表示手
段とを具備することを特徴とする。

【００１０】このような構成によれば、文書の特徴を表
す単語を適切に検索に利用することができる。

【００１１】また、この発明は、任意の文書を検索キー
文書として、複数の文書から所定の文書を検索する文書
検索装置であって、前記検索キー文書より検索キーとな
る単語を抽出する検索キー単語抽出手段と、この検索キ
ー単語抽出手段により得られた検索キー単語のうち前記
検索キー文書の分野を示す分野特定単語を抽出する分野
特定単語抽出手段と、前記複数の文書に対して、前記分
野特定単語を元に検索を行い、検索結果となる第一文書
群の抽出を行う第一検索手段と、前記検索キー単語抽出
手段により得られた検索キー単語のうち前記検索キー文
書の主眼や構成を表す構成単語を抽出する構成単語抽出
手段と、前記第一文書群に対して前記構成単語を元に検
索を行い、検索結果となる第二文書群の抽出を行う第二
検索手段と、この第二検索手段により得られた検索結果
を表示する表示手段とを具備することを特徴とする。

【００１２】このような構成によれば、文書の特徴を表
す単語を適切に検索に利用することができる。

【００１３】また、この発明は、任意の文書を検索キー
文書として、複数の文書から所定の文書を検索する文書
検索装置であって、前記検索キー文書から所定の第一の
条件を満たす単語を第一キー単語として自動的に抽出す
る第一抽出手段と、前記第一キー単語を元に前記複数の
文書に対して検索を行う第一検索手段と、前記検索キー
文書から前記第一の条件と異なる所定の第二の条件を満
たす単語を第二キー単語として自動的に抽出する第二抽
出手段と、前記前記第二キー単語を元に前記第一検索手
段による検索結果に対して更に検索を行う第二検索手段
とを具備することを特徴とするを特徴とする。

【００１４】このような構成によれば、文書の特徴を表
す単語を適切に検索に利用することができる。

【００１５】また、この発明は、文書を検索キーとし
て、文書データベース中から文書を検索する文書検索方
法であって、文書データベース中の各文書の内容を表す
キー単語を抽出する検索対象単語抽出ステップと、検索
キー文書より検索キーとなる単語を抽出する検索キー単
語抽出ステップと、この検索キー単語抽出ステップによ
り得られた検索キー単語のうち検索キー文書の分野を示
す分野特定単語を抽出する分野特定単語抽出ステップ
と、この分野特定単語抽出ステップにより得られた分野
特定単語と、前記検索対象単語抽出ステップにより得ら
れたキー単語を元に類似文書を求める分野類似文書抽出
ステップと、この分野類似文書抽出ステップにより得ら
れた類似文書のうち前記検索キー文書の分野に属した文
書を絞り込む検索対象文書絞込みステップと、前記検索
単語抽出ステップにより得られた検索キー単語のうち前
記検索キー文書の主眼や構成を表す構成単語を抽出する
構成単語抽出ステップと、この構成単語抽出ステップに
より得られた構成単語と前記検索対象文書絞込みステッ
プにより得られた検索対象文書を元に類似文書を求める
類似文書抽出ステップと、この類似文書抽出ステップに
より得られた抽出結果を表示する表示ステップとを具備
することを特徴とする。

【００１６】このような構成によれば、文書の特徴を表
す単語を適切に検索に利用することができる。

【００１７】

【発明の実施の形態】以下、図面を参照して本発明の各
実施形態について説明する。本発明の第一の実施形態
を、図面を参照しながら以下の通り説明する。図１は、
本装置のブロック構成図である。ＣＰＵ、メモリから構
成される制御装置１、キーボードなどの入力装置２、類
似検索結果などを表示する表示装置３、検索データなど
を格納する外部記憶装置４、単語の情報が格納される形
態素解析辞書５から構成される。

【００１８】図２は、図１における制御装置１の詳細構
成を示す図である。制御装置１は制御部とメモリ部から
なっている。制御部は各種制御や処理を実行する部分
で、メイン処理部２００、初期化部２０１、入力部２０
２、出力部２０３、検索対象文書読み出し部２０４、検
索対象文書単語抽出部２０５、検索対象単語出現頻度算
出部２０６、検索キー文書入力部２０７、検索キー単語
抽出部２０８、検索キー単語出現頻度算出部２０９、分
野特定情報抽出部２１０、分野特定単語抽出部２１１、
検索条件設定部２１２、検索対象文書絞り込み部２１
３、検索単語抽出部２１４、共通単語抽出部２１５、類
似度算出部２１６、検索結果出力部２１７等から構成さ
れる。

【００１９】また、メモリ部は、検索条件設定バッファ
部２３０、検索対象文書格納バッファ部２３１、検索対
象単語情報格納バッファ部２３２、検索キー文書格納バ
ッファ部２３３、検索キー単語情報格納バッファ部２３
４、分野特定情報格納バッファ部２３５、分野特定結果
格納バッファ部２３６、文書絞り込み結果格納バッファ
部２３７、検索単語特定情報格納バッファ部２３８、検
索単語格納バッファ部２３９、共通単語情報格納バッフ
ァ部２４０、類似度格納バッファ部２４１、検索結果出
力バッファ部２４２、作業バッファ部２４３などから構
成される。

【００２０】各構成要素について以下の通り説明する。
初期化部２０１は、各バッファ部の初期化を行う。入力
部２０２は、入力装置２からユーザによって、検索キー
文書の設定や、各種設定、表示装置３への出力結果に対
する回答の入力を行う。出力部２０３は、入力部２０２
により行った検索キー文書や各種設定の内容を表示装置
３に出力する。

【００２１】検索対象文書読み出し部２０４は、外部記
憶装置に格納されている文書に関する情報を文書データ
ベース化するために、対象の文書を外部記憶装置４から
読み込み、そのテキスト文書情報を検索対象文書格納バ
ッファ部２３１に格納する。

【００２２】検索対象文書単語抽出部２０５は、検索対
象文書格納バッファ部２３１に格納されているテキスト
文書情報の単語切りを行う。この単語切りは、形態素解
析を用いて行う。なお、形態素解析により取得される情
報は、各単語の見出し、品詞情報（例えば「名詞」や
「サ変名詞」など）、代表語、上位概念語、下位概念語
などが含まれる。なお、これらの単語情報は形態素解析
辞書５に格納されている。検索対象文書単語抽出部２０
５は単語切りを行った後、その文書あるいは項目の内容
を表す上でキーとなる単語を後述する方法で抽出し、抽
出された単語種を検索対象単語情報格納バッファ部２３
２に格納する。

【００２３】検索対象単語出現頻度算出部２０６は、検
索対象文書単語抽出部２０５により抽出されたキー単語
について、その単語が検索対象文書格納バッファ部２３
１に格納されているテキスト文書中における出現頻度を
単語種単位に算出し、検索対象単語情報格納バッファ部
２３２に格納する。

【００２４】検索キー文書入力部２０７は、入力装置か
ら入力された検索キー文書のテキスト情報を検索キー文
書格納バッファ部２３３に格納する。

【００２５】検索キー単語抽出部２０８は、検索キー文
書格納バッファ部２３３に格納されているテキスト文書
情報の単語切りを行う。この単語切りは、形態素解析を
用いて行う。なお、形態素解析により取得される情報
は、各単語の見出し、品詞情報（例えば「名詞」や「サ
変名詞」など）、代表語、上位概念語、下位概念語など
が含まれる。なお、これらの単語情報は形態素解析辞書
５に格納されている。検索キー単語抽出部２０８は単語
切りを行った後、その文書の内容を表す上でキーとなる
単語を抽出し、抽出された単語種を検索キー単語情報格
納バッファ部２３４に格納する。

【００２６】検索キー単語出現頻度算出部２０９は、検
索キー単語抽出部２０８により抽出されたキー単語につ
いて、その単語が検索キー文書格納バッファ部２３３に
格納されているテキスト文書中における出現頻度を単語
種単位に算出し、検索キー単語情報格納バッファ部２３
４に格納する。

【００２７】分野特定情報抽出部２１０は、分野特定情
報格納バッファ部２３５より分野特定情報を取得する。
分野特定単語抽出部２１１は、分野特定情報抽出部２１
０で取得された情報を元に、検索キー文書から、その検
索キー文書の分野を示す情報が記載されている部分を判
別し、また、分野を示す情報の記載されている部分よ
り、単語を取得し、分野特定結果格納バッファ部２３６
に格納する。

【００２８】検索条件設定部２１２は、入力部２０２に
より、文書を絞り込む際の閾値の指定を行い、検索条件
の設定内容を検索条件設定バッファ部２３０に格納す
る。

【００２９】検索対象文書絞り込み部２１３は、分野特
定結果格納バッファ部２３６と検索対象単語情報格納バ
ッファ部２３２とから、検索対象文書の分野への類似度
を計り、検索対象文書が検索キー文書の分野に近似と判
断されれば、検索対象文書の文書情報（例えば、文書I
D）を文書絞り込み結果格納バッファ部２３７に格納す
る。

【００３０】検索単語抽出部２１４は、分野特定情報抽
出部２１０で取得された情報または、検索単語特定情報
格納バッファ部２３８を元に、検索キー文書から、その
検索キー文書の主眼や構成となる情報が記載されている
部分を判別し、単語を取得し、検索単語格納バッファ部
２３９に格納する。

【００３１】共通単語抽出部２１５は、検索キー単語情
報格納バッファ部２３４に格納されている検索キー文書
の単語情報のうち、検索単語格納バッファ部２３９に格
納されている単語の単語情報と、検索対象単語情報格納
バッファ部２３２に格納されている検索対象文書の単語
情報及び文書絞り込み結果格納バッファ部２３７に登録
されている文書情報から、絞り込み後の文書に対して、
両バッファに格納されている単語と、その頻度に関する
情報を共通単語情報格納バッファ部２４０に格納する。

【００３２】類似度算出部２１６は、検索対象単語情報
格納バッファ部２３２と共通単語情報格納バッファ部２
４０から、単語の出現割合を求め、検索キー文書と一検
索対象文書との類似度を算出し、その類似度値を類似度
格納バッファ部２４１に格納する。

【００３３】検索結果出力部２１７は、類似度格納バッ
ファ部２４１に格納されている検索対象文書毎の類似度
から検索キーとする文書情報（例えば、文書ID）を検索
結果出力バッファ部２４２に格納する。そして、検索結
果出力バッファ部２４２の内容を表示装置３に出力す
る。

【００３４】次に本実施形態における、文書検索装置の
動作について図３のフローチャート図を参照して以下の
通り説明する。以下、本発明の用途として好適と考えら
れる、特許公報を検索対象として取り扱う場合を想定す
る。

【００３５】まず、初期化部２０１が起動しメモリ部の
クリアなどを行う（ステップ３００）。検索条件設定部
２１２が起動し、類似文書を算出する際の検索モードを
入力装置より設定する。設定には、分野の特定処理を行
なった際、検索対象となる文書を絞り込むための条件を
検索条件設定バッファ部２２９に格納する（ステップ３
０１）。本実施形態では、検索キー文書の分野特定情報
と検索対象文書の類似度を求め、その類似度を文書の絞
込条件に使用することとする。例えば、図４に示すよう
に、「分野特定結果の絞り込み閾値(類似度)＝ ０．
５」と設定されているとする。分野特定を行なうための
類似度計算で、類似度が０．５に満たないものは絞り込
みの対象として、切り捨てられることを意味する。

【００３６】続いて、検索キー文書入力部２０７が起動
し、入力装置２より類似文書検索のキーとなる文書を読
み込み、検索キー文書格納バッファ部２３３へと格納さ
れる(ステップ３０２)。

【００３７】続いて、検索キー単語抽出部２０８が起動
し、検索キー文書格納バッファ部２３３へ格納された文
書より、文章を切り出す。文書が特許公報の場合、「特
許請求の範囲」に記載されている文章を切り出す。「特
許請求の範囲」の記載から充分な単語数が切り出せなか
った場合は、適宜、要約書の文章や、発明の名称、実施
例の部分から文章を切り出す。

【００３８】切り出された文章は形態素解析などにより
単語毎に分割され、抽出された単語情報は検索キー単語
情報格納バッファ部２３４へと格納する(ステップ３０
３)。また、その際、抽出された単語数も検索対象単語
出現頻度算出部２０６にて算出され、同様に検索キー単
語情報格納バッファ部２３４へと格納される(ステップ
３０４)。例えば、図５に示すような文書であった場
合、ステップ３０３及びステップ３０４実行後の検索キ
ー単語情報格納バッファ部２３４の内容は、図６のよう
になる。

【００３９】続いて、分野特定情報抽出部２１０が起動
し、分野特定情報格納バッファ２３５より、分野特定情
報を取得する(ステップ３０５)。分野特定情報は、検索
キー文書の分野を特定するための情報である。それは、
分野を特定する情報が記載されている範囲(単語単位、
文節単位、段落単位など)を示すものであったり、単語
そのものであったりする。本実施形態では、分野特定情
報は、検索キー文書の分野を特定する情報が記載されて
いる文章中の範囲を示すものとする。図７に例を示す。
本実施形態において特許公報を対象とする場合、この特
許公報の分野を特定するためには、特許請求の範囲に記
載されることが多く、分野の特定に寄与すると考えられ
る文章中の範囲を選択すれば良い。すなわち、「におい
て」というフレーズの前、「であって」というフレーズ
の前、「を特徴とする」というフレーズの後、「を具備
した」というフレーズの後を選択するのが好ましい。

【００４０】続いて、分野特定単語抽出部２１１が起動
し、ステップ３０５にて取得した、分野特定情報を元に
検索キー文書より分野特定に有効な単語の抽出を行なう
(ステップ３０６)。図７の「分野特定基準単語」を検索
キー文書より捜査し、「分野特定情報記載位置」に記載
された位置情報を元に、単語の抽出を行ない、分野特定
格納バッファ部２３６へ格納する。図５に示した文書に
ついて、図７の分野特定情報を使用して取得された単語
の一覧を図８に示す。この例では、「において」以前に
記載された単語と、「を特徴とする」以後に記載された
単語が抽出される。

【００４１】以下に述べるステップ３０８〜ステップ３
１３は、外部記憶装置４に保存されている文書の件数
分、繰り返し実行される(ステップ３０７)。

【００４２】検索対象文書読み出し部２０４が起動し、
外部記憶装置４より検索対象文書を読み出し、検索対象
文書格納バッファ部２３１へ格納する(ステップ３０
８)。

【００４３】続いて、検索対象文書単語抽出部２０５が
起動し、検索対象文書格納バッファ部２３１へ格納され
た文書より、形態素解析などにて切り出し・抽出された
単語情報を検索対象単語情報格納バッファ部２３２へと
格納する(ステップ３０９)。また、その際、抽出された
単語数も検索対象単語出現頻度算出部２０６にて算出さ
れ、同様に検索対象単語情報格納バッファ部２３２へと
格納される(ステップ３１０)。ここで、文書が特許公報
の場合、「特許請求の範囲」に記載されている文章を切
り出すのが好ましい。例えば、図９に示すような文書で
あった場合、ステップ３０９及びステップ３１０実行後
の検索対象単語情報格納バッファ部２３２の内容は、図
１０に示すようになる。

【００４４】続いて、検索対象文書絞り込み部２１３が
起動し、特定分野の文書への絞り込みを行なう。絞り込
みは、分野特定格納バッファ部２３６と検索対象単語情
報格納バッファ部２３２とを用いて、類似度計算を行う
(ステップ３１１)。この類似度計算は「分野特定単語数
／検索対象単語数」の割り算で行う。この際、頻度が高
い単語に付いては重み付けを行う。分野特定単語と検索
対象単語が完全に一致すると、類似度は「１」となる。

【００４５】類似度計算を行った後、検索条件設定バッ
ファ２３０に格納されている、文書の切り捨て対象とな
る類似度の閾値を用いて、閾値に満たない文書は切り捨
てを行ない(ステップ３１２)、閾値以上である文書の情
報を文書絞り込み結果格納バッファ２３７へ格納する
(ステップ３１３)。本実施形態では、文書絞り込み結果
格納バッファ２３７へ格納する情報を文書のIDとする。
文書絞り込み結果の格納例を図１１に示す。

【００４６】続いて、検索単語抽出部２１４が起動し、
分野の絞り込み後の検索で使用する、検索対象となる単
語を抽出する。検索の対象となる単語は、検索キー文書
の主眼や構成となる単語である。検索で使用する単語の
判別には、検索単語特定情報格納バッファ部２３８より
抽出した情報を使用する。この際、ステップ３０６にて
抽出された単語を除外することで、文書の主眼や構成と
なる単語が、より鮮明になる。検索単語特定情報格納バ
ッファ部２３８は、検索で使用する単語の出現位置を示
す情報であり、情報は検索で使用する単語が記載されて
いる範囲(単語単位、文節単位、段落単位など)を示すも
のであったり、単語そのものであったりする。図１３に
検索単語特定情報の格納例を示す。特許公報の例では、
分野を絞り込んだ後の文書の特徴部分を示す範囲をこの
情報として格納し、情報の例として、「において」とい
うフレーズの後、「であって」というフレーズの後、
「を特徴とする」というフレーズの前、「を具備した」
というフレーズの前、といった情報を用意するのが好ま
しい。

【００４７】まず、検索単語特定情報格納バッファ部２
３８より、検索で使用する単語の判別に用いる情報、好
ましくは上述のフレーズとの位置関係による範囲の情報
を取得する(ステップ３１４)。続いて、その情報を元に
検索キー文書より検索で使用する単語の抽出を行ない、
検索単語格納バッファ部２３９に格納する(ステップ３
１５)。検索キー文書が図５に示す文書であった場合の
検索単語格納バッファ部２３９の内容を図１４に示す。

【００４８】続いて、ステップ３１３にて取得された、
文書の情報を文書絞り込み結果格納バッファ２３７より
取得する(ステップ３１６)。取得する情報は文書のIDで
ある。

【００４９】以下、ステップ３１８〜ステップ３２２
は、ステップ３１６にて取得された文書のID分、繰り返
し実行される(ステップ３１７)。

【００５０】検索対象文書読み出し部２０４が起動し、
外部記憶装置４より検索対象文書を読み出し、検索対象
文書格納バッファ部２３１へ格納する(ステップ３１
８)。

【００５１】続いて、検索対象文書単語抽出部２０５が
起動し、検索対象文書格納バッファ部２３１へ格納され
た文書より、形態素解析などにて切り出し・抽出された
単語情報を検索対象単語情報格納バッファ部２３２へと
格納する(ステップ３１９)。また、その際、抽出された
単語数も検索対象単語出現頻度算出部２０６にて算出さ
れ、同様に検索対象単語情報格納バッファ部２３２へと
格納される(ステップ３２０)。例えば、図９に示すよう
な文書であった場合、ステップ３１９及びステップ３２
０実行後の検索対象単語情報格納バッファ部２３２の内
容は、図１０のようになる。

【００５２】共通単語抽出部２１５にて、検索キー文書
と検索対象文書とで、共通して出現する単語を抽出し、
共通単語情報格納バッファ部２４０へと格納する(ステ
ップ３２１)。検索キー文書の単語としては、検索単語
格納バッファ部２３９に格納された単語を用いるのが好
ましいが、単語数が少ない場合等は、先述の検索キー単
語情報格納バッファ部２３４に格納された単語を流用す
ることができる。この場合、検索単語格納バッファ部２
３９に格納された単語の方がより適切に文書の特徴部分
を表していると考えられるので、検索単語格納バッファ
部２３９に格納された単語に対して、検索キー単語情報
格納バッファ部２３４に格納された単語の５倍、といっ
た重み付けを行うようにするのが好ましい。

【００５３】検索単語格納バッファ部２３９と検索対象
単語情報格納バッファ部２３２がそれぞれ図１３、図１
０のようであった場合、共通単語情報格納バッファ部２
４０は図１４のようになる。

【００５４】次に、類似度算出部２１６が起動し、検索
対象単語情報格納バッファ部２３２と共通単語情報格納
バッファ部２４０の単語の出現割合から類似度を算出
し、その類似度値を類似度格納バッファ部２４１に格納
する（ステップ３２２）。ここでの類似度の算出は先述
の類似度算出と同様に、「共通単語数／検索対象単語
数」という式で算出する。検索対象単語が全て共通単語
に含まれていた場合、類似度は「１」となる。

【００５５】全ての類似文書が取得されたら、ステップ
３２３にて類似度格納バッファ部２４１の内容を類似度
上位から下位へと降順にソートを行なう(ステップ３２
３)。

【００５６】続いて、検索結果出力部２１７が起動さ
れ、類似度格納バッファ部２４１に格納されている検索
対象文書毎の類似度から検索キーとする文書情報（例え
ば、文書ID）を検索結果出力バッファ部２４２に格納す
る。そして、検索結果出力バッファ部２４２の内容を表
示装置３に出力する(ステップ３２４)。図１５に出力結
果を示す。以上で一連の処理を終了する。

【００５７】なお、本実施形態において、ステップ３０
８〜ステップ３１３を一度だけ行なっているが、分野特
定情報の条件を切り替えながら、数回、ステップ３０８
〜ステップ３１３を実行することで、更なる、文書の絞
り込みが可能である。

【００５８】図１６に本実施形態における検索の一連の
流れについて模式的に示す。

【００５９】従来の類似文書検索手段では、図１７に示
したような分野の異なる文書であっても、単語の一致度
から、類似文書として検索結果に含まれていた。しか
し、本実施形態によれば、あらかじめ、類似度の算出を
行なう前に、分野の特定を行ない、図１７に示すような
文書を検索対象から外すことによって、検索結果の質を
上げることが可能となる。

【００６０】本発明の第二の実施形態について、図面を
参照しながら以下の通り説明する。図１８は、本発明の
第二の実施形態に係わる本装置のブロック構成図であ
る。ＣＰＵ、メモリから構成される制御装置２１、キー
ボードなどの入力装置２２、類似検索結果などを表示す
る表示装置２３、検索データなどを格納する外部記憶装
置２４、単語の情報が格納される形態素解析辞書２５、
特定の分野に特化した単語の情報が格納される分野特定
形態素解析辞書２６から構成される。

【００６１】図１９は、制御装置の詳細構成例を示した
図である。制御装置は制御部とメモリ部からなってい
る。制御部は各種制御や処理を実行する部分で、メイン
処理部２２００、初期化部２２０１、入力部２２０２、
出力部２２０３、検索対象文書読み出し部２２０４、検
索対象文書単語抽出部２２０５、検索対象単語出現頻度
算出部２２０６、検索キー文書入力部２２０７、検索キ
ー単語抽出部２２０８、検索キー単語出現頻度算出部２
２０９、分野特定情報抽出部２２１０、分野特定単語抽
出部２２１１、検索条件設定部２２１２、検索対象文書
絞り込み部２２１３、共通単語抽出部２２１４、類似度
算出部２２１５、検索結果出力部２２１６等から構成さ
れる。

【００６２】また、メモリ部は、検索条件設定バッファ
部２２３０、検索対象文書格納バッファ部２２３１、検
索対象単語情報格納バッファ部２２３２、検索キー文書
格納バッファ部２２３３、検索キー単語情報格納バッフ
ァ部２２３４、分野特定情報格納バッファ部２２３５、
分野特定結果格納バッファ部２２３６、文書絞り込み結
果格納バッファ部２２３７、共通単語情報格納バッファ
部２２３８、類似度格納バッファ部２２３９、検索結果
出力バッファ部２２４０、作業バッファ部２２４１など
から構成される。

【００６３】各構成要素について以下の通り説明する。
初期化部２２０１は、各バッファ部の初期化を行う。入
力部２２０２は、入力装置２２からユーザによって、検
索キー文書の設定や、各種設定、表示装置２３への出力
結果に対する回答の入力を行う。出力部２２０３は、入
力部２２０２により行った検索キー文書や各種設定の内
容を表示装置２３に出力する。

【００６４】検索対象文書読み出し部２２０４は、外部
記憶装置に格納されている文書に関する情報を文書デー
タベース化するために、対象の文書を外部記憶装置２４
から読み込み、そのテキスト文書情報を検索対象文書格
納バッファ部２２３１に格納する。

【００６５】検索対象文書単語抽出部２２０５は、検索
対象文書格納バッファ部２２３１に格納されているテキ
スト文書情報の単語切りを行う。この単語切りは、形態
素解析を用いて行う。なお、形態素解析により取得され
る情報は、各単語の見出し、品詞情報（例えば「名詞」
や「サ変名詞」など）、代表語、上位概念語、下位概念
語などが含まれる。なお、これらの単語情報は形態素解
析辞書２５に格納されている。検索対象文書単語抽出部
２２０５は単語切りの後、その文書あるいは項目の内容
を表す上でキーとなる単語を抽出し、抽出された単語種
を検索対象単語情報格納バッファ部２２３２に格納す
る。

【００６６】検索対象単語出現頻度算出部２２０６は、
検索対象文書単語抽出部２２０５により抽出されたキー
単語について、その単語が検索対象文書格納バッファ部
２２３１に格納されているテキスト文書中における出現
頻度を単語種単位に算出し、検索対象単語情報格納バッ
ファ部２２３２に格納する。

【００６７】検索キー文書入力部２２０７、入力装置か
ら入力された検索キー文書のテキスト情報を検索キー文
書格納バッファ部２２３４に格納する。

【００６８】検索キー単語抽出部２２０８は、検索キー
文書格納バッファ部２２３３に格納されているテキスト
文書情報の単語切りを行う。この単語切りは、形態素解
析を用いて行う。なお、形態素解析により取得される情
報は、各単語の見出し、品詞情報（例えば「名詞」や
「サ変名詞」など）、代表語、上位概念語、下位概念語
などが含まれる。なお、これらの単語情報は検索対象文
書の絞り込み前であれば形態素解析辞書２５に、検索対
象文書の絞り込み後であれば分野特定形態素解析辞書２
６に格納されている。検索キー単語抽出部２２０８は単
語切りの後、その文書の内容を表す上でキーとなる単語
を抽出し、抽出された単語種を検索キー単語情報格納バ
ッファ部２２３４に格納する。

【００６９】検索キー単語出現頻度算出部２２０９は、
検索キー単語抽出部２２０８により抽出されたキー単語
について、その単語が検索キー文書格納バッファ部２２
３３に格納されているテキスト文書中における出現頻度
を単語種単位に算出し、検索キー単語情報格納バッファ
部２２３４に格納する。

【００７０】分野特定情報抽出部２２１０は、分野特定
情報格納バッファ部２２３５より分野特定情報を取得す
る。

【００７１】分野特定単語抽出部２２１１は、分野特定
情報抽出部２２１０で取得された情報を元に、検索キー
文書から、その検索キー文書の分野を示す情報が記載さ
れている部分を判別し、また、分野を示す情報の記載さ
れている部分より、単語を取得し、分野特定結果格納バ
ッファ部２２３６に格納する。

【００７２】検索条件設定部２２１２は、入力部２２０
２により、文書を絞り込む際の閾値の指定を行ない、検
索条件の設定内容を検索条件設定バッファ部２２３０に
格納する。

【００７３】検索対象文書絞り込み部２２１３は、分野
特定結果格納バッファ部２２３６と検索対象単語情報格
納バッファ部２２３２とから、検索対象文書の分野への
類似度を計り、検索対象文書が検索キー文書の分野に近
似と判断されれば、検索対象文書の文書情報（例えば、
文書ＩＤ）を文書絞り込み結果格納バッファ部２２３７
に格納する。

【００７４】共通単語抽出部２２１４は、検索キー単語
情報格納バッファ部２２３４に格納されている検索キー
文書の単語情報と、検索対象単語情報格納バッファ部２
２３２に格納されている検索対象文書の単語情報と文書
絞り込み結果格納バッファ部２２３７に登録されている
文書情報から、絞り込み後の文書に対して、両バッファ
に格納されている単語とその頻度に関する情報を共通単
語情報格納バッファ部２２３８に格納する。

【００７５】類似度算出部２２１５は、検索対象単語情
報格納バッファ部２２３２と共通単語情報格納バッファ
部２２３８から、単語の出現割合を求め、検索キー文書
と検索対象文書との類似度を算出し、その類似度値を類
似度格納バッファ部２２３９に格納する。

【００７６】検索結果出力部２２１６は、類似度格納バ
ッファ部２２３９に格納されている検索対象文書毎の類
似度から検索キーとする文書情報（例えば、文書ＩＤ）
を検索結果出力バッファ部２２４０に格納する。そし
て、検索結果出力バッファ部２２４０の内容を表示装置
３に出力する。

【００７７】次に本実施形態の動作について図２０等を
参照して以下の通り説明する。第一の実施形態と共通の
図面についてはこれを流用して説明する。以下、本発明
の用途として好適と考えられる、特許公報を検索対象と
して取り扱う場合を想定する。

【００７８】まず、初期化部２２０１が起動しメモリ部
のクリアなどを行う（ステップ２３００）。検索条件設
定部２２１２が起動し、類似文書を算出する際の検索モ
ードを入力装置より設定する。設定には、分野の特定処
理を行なった際、検索対象となる文書を絞り込むための
条件を検索条件設定バッファ部２２２９に格納する（ス
テップ２３０１）。本実施形態では、検索キー文書の分
野特定情報と検索対象文書の類似度を求め、その類似度
を文書の絞込条件に使用することとする。例えば、図４
に示すように、「分野特定結果の絞り込み閾値(類似度)
＝ ０．５」と設定されているとする。分野特定を行な
うための類似度計算で、類似度が０．５に満たないもの
は絞り込みの対象として、切り捨てられることを意味す
る。

【００７９】続いて、検索キー文書入力部２２０７が起
動し、入力装置２より類似文書検索のキーとなる文書を
読み込み、検索キー文書格納バッファ部２２３３へと格
納される(ステップ２３０２)。

【００８０】続いて、検索キー単語抽出部２２０８が起
動し、検索キー文書格納バッファ部２２３３へ格納され
た文書より、文章を切り出す。文書が特許公報の場合、
「特許請求の範囲」に記載されている文章を切り出す。
「特許請求の範囲」の記載から充分な単語数が切り出せ
なかった場合は、適宜、要約書の文章や、発明の名称、
実施例の部分から文章を切り出す。

【００８１】切り出された文章は形態素解析などにより
単語毎に分割され、抽出された単語情報は検索キー単語
情報格納バッファ部２２３４へと格納する(ステップ２
３０３)。この時の形態素解析など文章の解析では、形
態素解析辞書２５に確保されている情報を使用する。ま
た、その際、抽出された単語数も検索対象単語出現頻度
算出部２２０６にて算出され、同様に検索キー単語情報
格納バッファ部２２３４へと格納される(ステップ２３
０４)。例えば、図５に示したような文書であった場
合、ステップ２３０３及びステップ２３０４実行後の検
索キー単語情報格納バッファ部２２３４の内容は、図６
のようになる。

【００８２】続いて、分野特定情報抽出部２２１０が起
動し、分野特定情報格納バッファ２２３５より、分野特
定情報を取得する(ステップ２３０５)。分野特定情報
は、検索キー文書の分野を特定するための情報である。
それは、分野を特定する情報が記載されている範囲(単
語単位、文節単位、段落単位など)を示すものであった
り、単語そのものであったりする。本実施形態では、分
野特定情報は、検索キー文書の分野を特定する情報が記
載されている文章中の範囲を示すものとする。例を、図
７に示す。本実施形態において特許公報を対象とする場
合、この特許公報の分野を特定するためには、特許請求
の範囲に記載されることが多く、分野の特定に寄与する
と考えられる文章中の範囲を選択すれば良い。すなわ
ち、「において」というフレーズの前、「であって」と
いうフレーズの前、「を特徴とする」というフレーズの
後、「を具備した」というフレーズの後を選択するのが
好ましい。

【００８３】続いて、分野特定単語抽出部２２１１が起
動し、ステップ２３０５にて取得した、分野特定情報を
元に検索キー文書より分野特定に有効な単語の抽出を行
なう(ステップ２３０６)。図７の「分野特定基準単語」
を検索キー文書より捜査し、「分野特定情報記載位置」
に記載された位置情報を元に、単語の抽出を行ない、分
野特定格納バッファ部２２３６へ格納する。図５に示し
た文書について、図７の分野特定情報を使用して取得さ
れた単語の一覧を図８に示す。例では、「において」以
前に記載された単語と、「を特徴とする」以後に記載さ
れた単語が抽出される。

【００８４】以下、ステップ２３０８〜ステップ２３１
３は、外部記憶装置４に保存されている、文書の件数
分、繰り返し実行される(ステップ２３０７)。

【００８５】検索対象文書読み出し部２２０４が起動
し、外部記憶装置４より検索対象文書を読み出し、検索
対象文書格納バッファ部２２３１へ格納する(ステップ
２３０８)。

【００８６】続いて、検索対象文書単語抽出部２２０５
が起動し、検索対象文書格納バッファ部２２３１へ格納
された文書より、形態素解析などにて切り出し・抽出さ
れた単語情報を検索対象単語情報格納バッファ部２２３
２へと格納する(ステップ２３０９)。また、その際、抽
出された単語数も検索対象単語出現頻度算出部２２０６
にて算出され、同様に検索対象単語情報格納バッファ部
２２３２へと格納される(ステップ２３１０)。ここで、
文書が特許公報の場合、「特許請求の範囲」に記載され
ている文章を切り出すのが好ましい。例えば、図９のよ
うな文書であった場合、ステップ２３０９及びステップ
２３１０実行後の検索対象単語情報格納バッファ部２２
３２の内容は、図１０のようになる。

【００８７】続いて、検索対象文書絞り込み部２２１３
が起動し、特定分野の文書への絞り込みを行なう。絞り
込みは、分野特定格納バッファ部２２３６と検索対象単
語情報格納バッファ部２２３２とを用いて、類似度計算
を行う(ステップ２３１１)。この類似度計算は「分野特
定単語数／検索対象単語数」の割り算で行う。この際、
頻度が高い単語に付いては重み付けを行う。分野特定単
語と検索対象単語が完全に一致すると、類似度は「１」
となる。

【００８８】類似度計算を行った後、検索条件設定バッ
ファ２２３０に格納されている、文書の切り捨て対象と
なる類似度の閾値を用いて、閾値に満たない文書は切り
捨てを行ない(ステップ２３１２)、閾値以上である文書
の情報を文書絞り込み結果格納バッファ２２３７へ格納
する(ステップ２３１３)。本実施形態では、文書絞り込
み結果格納バッファ２２３７へ格納する情報を文書のＩ
Ｄとし、図１１に文書絞り込み結果の格納例を示す。

【００８９】以上、分野の確定が行われ、検索対象文書
の絞り込みと、検索キー文書の分野の確定がなされた所
で、再度、検索キー文書の解析を行なう。

【００９０】再度、検索キー文書入力部２２０７が起動
し、入力装置２２より類似文書検索のキーとなる文書を
読み込み、検索キー文書格納バッファ部２２３３へと格
納される(ステップ２３１４)。

【００９１】続いて、再度、検索キー単語抽出部２２０
８が起動し、検索キー文書格納バッファ部２２３３へ格
納された文書より、文章を切り出す。ここで文書が特許
公報の場合、「特許請求の範囲」に記載されている文章
を切り出すのが好ましい。切り出す文章は切り出された
文章は形態素解析などにより単語毎に分割され、抽出さ
れた単語情報は検索キー単語情報格納バッファ部２２３
４へと格納する(ステップ２３１５)。この時の形態素解
析など文章の解析では、分野特定形態素解析辞書２６に
確保されている情報を使用する。

【００９２】分野特定形態素解析辞書２６は、分野毎に
特化した辞書構成となっており、単語に対する同義語な
どの情報が、予め最適に作成されている。分野特定形態
素解析辞書２６は、分野毎に用意されているため、検索
対象文書絞り込み部２２１３にて確定された分野情報を
元に、辞書引き対象の分野を確定する。単語抽出を行な
った際、抽出された単語数も検索対象単語出現頻度算出
部２２０６にて算出され、同様に検索キー単語情報格納
バッファ部２２３４へと格納される(ステップ２３１
６)。例えば、図５に示すような文書であった場合、ス
テップ２３１５及びステップ２３１６実行後の検索キー
単語情報格納バッファ部２２３４の内容は、図２１のよ
うになる。形態素辞書が、分野に特化したものなので、
適切な同義語が抽出されている。

【００９３】続いて、ステップ２３１３にて取得され
た、文書の情報を文書絞り込み結果格納バッファ２２３
７より取得する(ステップ２３１７)。取得する情報は文
書のIDである。

【００９４】以下、ステップ２３１９〜ステップ２３２
３は、ステップ２３１７にて取得された文書のID分、繰
り返し実行される(ステップ２３１８)。

【００９５】検索対象文書読み出し部２２０４が起動
し、外部記憶装置４より検索対象文書を読み出し、検索
対象文書格納バッファ部２２３１へ格納する(ステップ
２３１９)。

【００９６】続いて、検索対象文書単語抽出部２２０５
が起動し、検索対象文書格納バッファ部２２３１へ格納
された文書より、形態素解析などにて切り出し・抽出さ
れた単語情報を検索対象単語情報格納バッファ部２２３
２へと格納する(ステップ２３２０)。また、その際、抽
出された単語数も検索対象単語出現頻度算出部２２０６
にて算出され、同様に検索対象単語情報格納バッファ部
２２３２へと格納される(ステップ２３２１)。例えば、
図９に示すような文書であった場合、ステップ２３２０
及びステップ２３２１実行後の検索対象単語情報格納バ
ッファ部２２３２の内容は、図１０のようになる。

【００９７】共通単語抽出部２２１５にて、検索キー文
書と検索対象文書とで、共通して出現する単語を抽出
し、共通単語情報格納バッファ部２２３６へと格納する
(ステップ２３２２)。第一の実施形態と同様に、単語数
が少ない場合は、予め切り出しておいたキー単語を利用
して、重み付けの処理を行うようにして単語を流用する
ことができる。

【００９８】検索単語格納バッファ部２２３９と検索対
象単語情報格納バッファ部２２３２がそれぞれ図１３、
図１０のようであった場合、共通単語情報格納バッファ
部２２３８は図１４のようになる。

【００９９】次に、類似度算出部２２１６が起動し、検
索対象単語情報格納バッファ部２２３２と検索キー単語
情報格納バッファ部２２３４、共通単語情報格納バッフ
ァ部２２４０の単語の出現割合から類似度を算出し、そ
の類似度値を類似度格納バッファ部２２４１に格納する
（ステップ２３２３）。ここでの類似度の算出は先述の
類似度計算と同様に、「共通単語／検索対象単語数」と
いう式で算出する。検索対象単語が全て共通単語に含ま
れていた場合、類似度は「１」となる。

【０１００】全ての類似文書が取得されたら、ステップ
２３２４にて類似度格納バッファ部２２４１の内容を類
似度上位から下位へと降順にソートを行なう(ステップ
２３２４)。

【０１０１】続いて、検索結果出力部２２１７が起動さ
れ、類似度格納バッファ部２２４１に格納されている検
索対象文書毎の類似度から検索キーとする文書情報（例
えば、文書ＩＤ）を検索結果出力バッファ部２２４２に
格納する。そして、検索結果出力バッファ部２２４２の
内容を表示装置３に出力する(ステップ２３２５)。図１
５に出力結果を示す。以上で一連の処理を終了する。

【０１０２】なお、本実施形態において、ステップ２３
０８〜ステップ２３１３を一度だけ行なっているが、分
野特定情報の条件を切り替えながら、数回、ステップ２
３０８〜ステップ２３１３を実行することで、更なる、
文書の絞り込みが可能である。

【０１０３】図２２に本実施形態における検索の一連の
流れについて模式的に示す。

【０１０４】従来の類似文書検索手段では、図１７に示
したような分野の異なる文書であっても、単語の一致度
から、類似文書として検索結果に含まれていた。しか
し、本発明によれば、あらかじめ、類似度の算出を行な
う前に、分野の特定を行ない、図１７に示すような文書
を検索対象から外すことによって、検索結果の質を上げ
ることが可能となる。

【０１０５】また、形態素解析など文書を解析する際に
参照する辞書を、特定の分野に特化したものにすること
で検索キーとなる単語の質を上げることができる。

【０１０６】以下、本発明の第三の実施形態を、図面を
参照しながら説明する。第三の実施形態のブロック構成
は図１に示すように第一の実施形態と同様である。ＣＰ
Ｕ、メモリーから構成される制御装置１、キーボードな
どの入力装置２、類似検索結果などを表示する表示装置
３、検索データなどを格納する外部記憶装置４、単語の
情報が格納される形態素解析辞書５から構成される。

【０１０７】図２３は、制御装置の詳細構成例を示した
図である。制御装置は制御部とメモリ部からなってい
る。制御部は各種制御や処理を実行する部分で、メイン
処理部３２００、初期化部３２０１、入力部３２０２、
出力部３２０３、検索対象文書読み出し部３２０４、検
索対象文書単語抽出部３２０５、検索対象単語出現頻度
算出部３２０６、検索キー文書入力部３２０７、検索キ
ー単語抽出部３２０８、検索キー単語出現頻度算出部３
２０９、分野特定情報抽出部３２１０、分野特定単語抽
出部３２１１、情報不足時代替領域抽出部３２１２、検
索条件設定部３２１３、検索対象文書絞り込み部３２１
４、検索単語抽出部３２１５、共通単語抽出部３２１
６、類似度算出部３２１７、検索結果出力部３２１８等
から構成される。

【０１０８】また、メモリ部は、検索条件設定バッファ
部３２３０、検索対象文書格納バッファ部３２３１、検
索対象単語情報格納バッファ部３２３２、検索キー文書
格納バッファ部３２３３、検索キー単語情報格納バッフ
ァ部３２３４、分野特定情報格納バッファ部３２３５、
分野特定結果格納バッファ部３２３６、大体領域情報格
納バッファ部３２３７、文書絞り込み結果格納バッファ
部３２３８、検索単語特定情報格納バッファ部３２３
９、検索単語格納バッファ部３２４０、共通単語情報格
納バッファ部３２４１、類似度格納バッファ部３２４
２、検索結果出力バッファ部３２４３、作業バッファ部
３２４４などから構成される。

【０１０９】各構成要素について以下の通り説明する。
初期化部３２０１は、各バッファ部の初期化を行う。入
力部３２０２は、入力装置２からユーザによって、検索
キー文書の設定や、各種設定、表示装置３への出力結果
に対する回答の入力を行う。出力部３２０３は、入力部
３２０２により行った検索キー文書や各種設定の内容を
表示装置３に出力する。

【０１１０】検索対象文書読み出し部３２０４は、外部
記憶装置に格納されている文書に関する情報を文書デー
タベース化するために、対象の文書を外部記憶装置４か
ら読み込み、そのテキスト文書情報を検索対象文書格納
バッファ部３２３１に格納する。

【０１１１】検索対象文書単語抽出部３２０５は、検索
対象文書格納バッファ部３２３１に格納されているテキ
スト文書情報の単語切りを行う。この単語切りは、形態
素解析を用いて行う。なお、形態素解析により取得され
る情報は、各単語の見出し、品詞情報（例えば「名詞」
や「サ変名詞」など）、代表語、上位概念語、下位概念
語などが含まれる。なお、これらの単語情報は形態素解
析辞書５に格納されている。検索対象文書単語抽出部３
２０５は単語切りの後、その文書あるいは項目の内容を
表す上でキーとなる単語を抽出し、抽出された単語種を
検索対象単語情報格納バッファ部３２３２に格納する。

【０１１２】検索対象単語出現頻度算出部３２０６は、
検索対象文書単語抽出部３２０５により抽出されたキー
単語について、その単語が検索対象文書格納バッファ部
３２３１に格納されているテキスト文書中における出現
頻度を単語種単位に算出し、検索対象単語情報格納バッ
ファ部３２３２に格納する。

【０１１３】検索キー文書入力部３２０７、入力装置か
ら入力された検索キー文書のテキスト情報を検索キー文
書格納バッファ部３２３４に格納する。

【０１１４】検索キー単語抽出部３２０８は、検索キー
文書格納バッファ部３２３３に格納されているテキスト
文書情報の単語切りを行う。そして、その文書の内容を
表す上でキーとなる単語を抽出し、抽出された単語種を
検索キー単語情報格納バッファ部３２３４に格納する。
単語切りは、形態素解析を用いて行う。なお、形態素解
析により取得される情報は、各単語の見出し、品詞情報
（例えば「名詞」や「サ変名詞」など）、代表語、上位
概念語、下位概念語などが含まれる。なお、これらの単
語情報は形態素解析辞書５に格納されている。

【０１１５】検索キー単語出現頻度算出部３２０９は、
検索キー単語抽出部３２０８により抽出されたキー単語
について、その単語が検索キー文書格納バッファ部３２
３３に格納されているテキスト文書中における出現頻度
を単語種単位に算出し、検索キー単語情報格納バッファ
部３２３４に格納する。

【０１１６】分野特定情報抽出部３２１０は、分野特定
情報格納バッファ部３２３５より分野特定情報を取得す
る。分野特定単語抽出部３２１１は、分野特定情報抽出
部３２１０で取得された情報を元に、検索キー文書か
ら、その検索キー文書の分野を示す情報が記載されてい
る部分を判別し、また、分野を示す情報の記載されてい
る部分より、単語を取得し、分野特定結果格納バッファ
部３２３６に格納する。

【０１１７】情報不足時代替領域抽出部３２１２は、分
野特定単語抽出部３２１１にて分野の特定に必要な情報
が不足している場合に起動され、代替領域情報格納バッ
ファ部３２３７の情報を元に、分野特定の情報の代替と
なる情報を取得し、分野特定結果格納バッファ部３２３
６に格納する。

【０１１８】検索条件設定部３２１３は、入力部３２０
２により、文書を絞り込む際の閾値の指定を行ない、検
索条件の設定内容を検索条件設定バッファ部３２３０に
格納する。

【０１１９】検索対象文書絞り込み部３２１４は、分野
特定結果格納バッファ部３２３６と検索対象単語情報格
納バッファ部３２３２とから、検索対象文書の分野への
類似度を計り、検索対象文書が検索キー文書の分野に近
似と判断されれば、検索対象文書の文書情報（例えば、
文書ＩＤ）を文書絞り込み結果格納バッファ部３２３８
に格納する。

【０１２０】検索単語抽出部３２１５は、分野特定情報
抽出部３２１０で取得された情報または、検索単語特定
情報格納バッファ部３２３９を元に、検索キー文書か
ら、その検索キー文書の主眼や構成となる情報が記載さ
れている部分を判別し、単語を取得し、検索単語格納バ
ッファ部３２４０に格納する。

【０１２１】共通単語抽出部３２１６は、検索キー単語
情報格納バッファ部３２３４に格納されている検索キー
文書の単語情報のうち、検索単語格納バッファ部３２４
０に格納されている単語の単語情報と、検索対象単語情
報格納バッファ部３２３２に格納されている検索対象文
書の単語情報と文書絞り込み結果格納バッファ部３２３
８に登録されている文書情報から、絞り込み後の文書に
対して、両バッファに格納されいてる単語とその頻度に
関する情報を共通単語情報格納バッファ部３２４１に格
納する。

【０１２２】類似度算出部３２１７は、検索対象単語情
報格納バッファ部３２３３と共通単語情報格納バッファ
部３２４１から、単語の出現割合を求め、検索キー文書
と一検索対象文書との類似度を算出し、その類似度値を
類似度格納バッファ部３２４２に格納する。

【０１２３】検索結果出力部３２１８は、類似度格納バ
ッファ部３２４２に格納されている検索対象文書毎の類
似度から検索キーとする文書情報（例えば、文書ＩＤ）
を検索結果出力バッファ部３２４２に格納する。そし
て、検索結果出力バッファ部３２４３の内容を表示装置
３に出力する。

【０１２４】次に本実施形態の動作について図２４を参
照して以下の通り説明する。本実施形態においても、本
発明の用途として好適と考えられる、特許公報を検索対
象として取り扱う場合を想定する。

【０１２５】まず、初期化部３２０１が起動しメモリ部
のクリアなどを行う（ステップ３３００）。検索条件設
定部３２１２が起動し、類似文書を算出する際の検索モ
ードを入力装置より設定する。設定には、分野の特定処
理を行なった際、検索対象となる文書を絞り込むための
条件を検索条件設定バッファ部３２２９に格納する（ス
テップ３３０１）。本実施形態では、検索キー文書の分
野特定情報と検索対象文書の類似度を求め、その類似度
を文書の絞込条件に使用することとする。例えば、図４
のように、「分野特定結果の絞り込み閾値(類似度)＝
０．５」と設定されているとする。分野特定を行なうた
めの類似度計算で、類似度が０．５に満たないものは絞
り込みの対象として、切り捨てられることを意味する。

【０１２６】続いて、検索キー文書入力部３２０７が起
動し、入力装置２より類似文書検索のキーとなる文書を
読み込み、検索キー文書格納バッファ部３２３３へと格
納される(ステップ３３０２)。

【０１２７】続いて、検索キー単語抽出部３２０８が起
動し、検索キー文書格納バッファ部３２３３へ格納され
た文書より、文章を切り出す。文書が特許公報の場合、
「特許請求の範囲」に記載されている文章を切り出す。
「特許請求の範囲」の記載から充分な単語数が切り出せ
なかった場合は、適宜、要約書の文章や、発明の名称、
実施例の部分から文章を切り出す。

【０１２８】切り出された文章は形態素解析などにより
単語毎に分割され、抽出された単語情報は検索キー単語
情報格納バッファ部３２３４へと格納する(ステップ３
３０３)。また、その際、抽出された単語数も検索対象
単語出現頻度算出部３２０６にて算出され、同様に検索
キー単語情報格納バッファ部３２３４へと格納される
(ステップ３３０４)。例えば、図５のような文書であっ
た場合、ステップ３３０３及びステップ３３０４実行後
の検索キー単語情報格納バッファ部３２３４の内容は、
図６のようになる。

【０１２９】続いて、分野特定情報抽出部３２１０が起
動し、分野特定情報格納バッファ３２３５より、分野特
定情報を取得する(ステップ３３０５)。分野特定情報
は、検索キー文書の分野を特定するための情報である。
それは、分野を特定する情報が記載されている範囲(単
語単位、文節単位、段落単位など)を示すものであった
り、単語そのものであったりする。本実施形態では、分
野特定情報は、検索キー文書の分野を特定する情報が記
載されている文章中の範囲を示すものとする。例を、図
７に示す。本実施形態において特許公報を対象とする場
合、この特許公報の分野を特定するためには、特許請求
の範囲に記載されることが多く、分野の特定に寄与する
と考えられる文章中の範囲を選択すれば良い。すなわ
ち、「において」というフレーズの前、「であって」と
いうフレーズの前、「を特徴とする」というフレーズの
後、「を具備した」というフレーズの後を選択するのが
好ましい。

【０１３０】なお、分野を特定するための情報が不足し
ている場合(ステップ３３０６：分野特定情報格納バッ
ファ３２３５にて示される領域が存在しない、もしく
は、抽出される情報が少ないなど)、情報不足時代替領
域抽出部３２１２が起動され、情報の補填を行なう(ス
テップ３３０７)。具体的には、「特許請求の範囲」の
記載に、「において」、「であって」、「を特徴とす
る」、「を具備した」といったフレーズが含まれていな
い場合の対応である。

【０１３１】情報不足時代替領域抽出部３２１２は、指
定された情報が存在しない場合や、不足している場合、
代替領域情報格納バッファ部３２３７より、指定された
情報の代わりとなる情報が記載された位置を示す情報を
取得する。代替領域情報格納バッファ部３２３７より取
得した情報を元に、検索キー文書より単語もしくは文章
の取得を行ない、分野特定単語抽出部３２１１にて使用
する情報へ、付加する。検索キー文書が図２５であり、
分野特定情報格納バッファ３２３５が図７であり、代替
領域情報格納バッファ部３２３７が図２６である場合、
情報不足時代替領域抽出部３２１２の実行結果は、図２
７のようになる。

【０１３２】続いて、分野特定単語抽出部３２１１が起
動し、ステップ３３０５もしくはステップ３３０７にて
取得した、分野特定情報を元に検索キー文書より分野特
定に有効な単語の抽出を行なう(ステップ３３０８)。図
７の「分野特定基準単語」を検索キー文書より捜査し、
「分野特定情報記載位置」に記載された位置情報を元
に、単語の抽出を行ない、分野特定格納バッファ部３２
３６へ格納する。

【０１３３】図５に示した文書について、図７の分野特
定情報を使用して取得された単語の一覧を図８に示す。
この例では、「において」以前に記載された単語と、
「を特徴とする」以後に記載された単語が抽出される。
図５に示した文書のように所定のフレーズが含まれてい
ない場合は、先述の補填した情報をもとに単語を抽出す
る。

【０１３４】以下、ステップ３３１０〜ステップ３３１
５は、外部記憶装置４に保存されている、文書の件数
分、繰り返し実行される(ステップ３３０９)。

【０１３５】検索対象文書読み出し部３２０４が起動
し、外部記憶装置４より検索対象文書を読み出し、検索
対象文書格納バッファ部３２３１へ格納する(ステップ
３３１０)。

【０１３６】続いて、検索対象文書単語抽出部３２０５
が起動し、検索対象文書格納バッファ部３２３１へ格納
された文書より、形態素解析などにて切り出し・抽出さ
れた単語情報を検索対象単語情報格納バッファ部３２３
２へと格納する(ステップ３１１１)。また、その際、抽
出された単語数も検索対象単語出現頻度算出部３２０６
にて算出され、同様に検索対象単語情報格納バッファ部
３２３２へと格納される(ステップ３３１２)。ここで、
文書が特許公報の場合、「特許請求の範囲」に記載され
た文章を切り出すのが好ましい。例えば、図９のような
文書であった場合、ステップ３３１１及びステップ３３
１２実行後の検索対象単語情報格納バッファ部３２３２
の内容は、図１０のようになる。

【０１３７】続いて、検索対象文書絞り込み部３２１４
が起動し、特定分野の文書への絞り込みを行なう。絞り
込みは、分野特定格納バッファ部３２３６と検索対象単
語情報格納バッファ部３２３２とを用いて、類似度計算
を行う(ステップ３３１３)。この類似度計算は「分野特
定単語数／検索対象単語数」の割り算で行う。この際、
頻度が高い単語に付いては重み付けを行う。分野特定単
語と検索対象単語が完全に一致すると、類似度は「１」
となる。

【０１３８】類似度計算を行った後、検索条件設定バッ
ファ３２３０に格納されている、文書の切り捨て対象と
なる類似度の閾値を用いて、閾値に満たない文書は切り
捨てを行ない(ステップ３３１４)、閾値以上である文書
の情報を文書絞り込み結果格納バッファ３２３８へ格納
する(ステップ３３１５)。本実施形態では、文書絞り込
み結果格納バッファ３２３８へ格納する情報を文書のＩ
Ｄとし、図１１に文書絞り込み結果の格納例を示す。

【０１３９】続いて、検索単語抽出部３２１５が起動
し、分野の絞り込み後の検索で使用する、検索対象とな
る単語を抽出する。検索で使用する単語の判別には、ス
テップ３３０８で抽出した分野を特定する単語以外を使
用するか、または、検索単語特定情報格納バッファ部３
２３９より情報を抽出した情報を使用する。本実施形態
では、検索単語特定情報格納バッファ部３２３９を使用
した場合を例に説明する。検索単語特定情報格納バッフ
ァ部３２３９は、検索で使用する単語の出現位置を示す
情報であり、情報は検索で使用する単語が記載されてい
る範囲(単語単位、文節単位、段落単位など)を示すもの
であったり、単語そのものであったりする。図１３に検
索単語特定情報の格納例を示す。まず、検索単語特定情
報格納バッファ部３２３９より、検索で使用する単語の
判別に用いる情報を取得する(ステップ３３１６)。第一
の実施形態と同様、特許公報の例では、分野を絞り込ん
だ後の文書の特徴部分を示す範囲をこの情報として格納
し、情報の例として、「において」というフレーズの
後、「であって」というフレーズの後、「を特徴とす
る」というフレーズの前、「を具備した」というフレー
ズの前、といった情報を用意するのが好ましい。

【０１４０】なお、検索のキーとなる単語の取得を行な
う領域が不足している場合は(ステップ３３１７)、ステ
ップ３３０７と同様に、情報不足時代替領域抽出部３２
１２が起動され、検索のキーとなる単語の抽出を行なう
領域の代替となる情報を取得する(ステップ３３１８)。
代替領域の設定はステップ３３０７と同様である。

【０１４１】続いて、その情報を元に検索キー文書より
検索で使用する単語の抽出を行ない、検索単語格納バッ
ファ部３２４０に格納する(ステップ３３１９)。検索キ
ー文書が図５であった場合の検索単語格納バッファ部３
２４０の内容を図１４に示す。

【０１４２】続いて、ステップ３３１５にて取得され
た、文書の情報を文書絞り込み結果格納バッファ３２３
８より取得する(ステップ３３２０)。取得する情報は文
書のIDである。

【０１４３】以下、ステップ３３２２〜ステップ３３２
６は、ステップ３３２０にて取得された文書のID分、繰
り返し実行される(ステップ３３２１)。

【０１４４】検索対象文書読み出し部３２０４が起動
し、外部記憶装置４より検索対象文書を読み出し、検索
対象文書格納バッファ部３２３１へ格納する(ステップ
３３２２)。

【０１４５】続いて、検索対象文書単語抽出部３２０５
が起動し、検索対象文書格納バッファ部３２３１へ格納
された文書より、形態素解析などにて切り出し・抽出さ
れた単語情報を検索対象単語情報格納バッファ部３２３
２へと格納する(ステップ３３２３)。また、その際、抽
出された単語数も検索対象単語出現頻度算出部３２０６
にて算出され、同様に検索対象単語情報格納バッファ部
３２３２へと格納される(ステップ３３２４)。例えば、
図９のような文書であった場合、ステップ３３２３及び
ステップ３３２４実行後の検索対象単語情報格納バッフ
ァ部３２３２の内容は、図１０のようになる。

【０１４６】共通単語抽出部３２１６にて、検索キー文
書と検索対象文書とで、共通して出現する単語を抽出
し、共通単語情報格納バッファ部３２４１へと格納する
(ステップ３３２５)。検索単語格納バッファ部３２４０
と検索対象単語情報格納バッファ部３２３２がそれぞれ
図１３、図１０のようであった場合、共通単語情報格納
バッファ部３２４１は図１４のようになる。

【０１４７】次に、類似度算出部３２１７が起動し、検
索対象単語情報格納バッファ部３２３２と検索キー単語
情報格納バッファ部３２３４、共通単語情報格納バッフ
ァ部３２４１の単語の出現割合から類似度を算出し、そ
の類似度値を類似度格納バッファ部３２４２に格納する
（ステップ３３２６）。この類似度算出は上述の各実施
形態と同様である。

【０１４８】全ての類似文書が取得されたら、ステップ
３３２７にて類似度格納バッファ部３２４２の内容を類
似度上位から下位へと降順にソートを行なう(ステップ
３３２７)。

【０１４９】続いて、検索結果出力部３２１８が起動さ
れ、類似度格納バッファ部３２４２に格納されている検
索対象文書毎の類似度から検索キーとする文書情報（例
えば、文書ID）を検索結果出力バッファ部３２４３に格
納する。そして、検索結果出力バッファ部３２４３の内
容を表示装置３に出力する(ステップ３３２８)。図１５
は出力結果である。以上で一連の処理を終了する。

【０１５０】図２８に本実施形態における検索の一連の
流れについて模式的に示す。

【０１５１】本実施形態では、ステップ３３１０〜ステ
ップ３３１５を一度だけ行なっているが、分野特定情報
の条件を切り替えながら、数回、ステップ３３１０〜ス
テップ３３１５を実行することで、更なる、文書の絞り
込みが可能である。

【０１５２】従来の類似文書検索手段では、図１７に示
したような分野の異なる文書であっても、単語の一致度
から、類似文書として検索結果に含まれてしまった。し
かし、本実施形態のように、あらかじめ、類似度の算出
を行なう前に、分野の特定を行ない、図１７に示すよう
な文書を検索対象から外すことによって、検索結果の質
を上げることが可能となる。

【０１５３】また、分野の特定、検索キーとなる単語の
取得を行なう際、情報が不足（無い、足りない）してい
ても、同様の情報が記載されている場所の情報があらか
じめ設定されていれば、情報の不足による検索が不可能
な検索キー文書を減らすことが可能である。

【０１５４】

【発明の効果】以上説明したように、この発明によれ
ば、文書の特徴を表す単語を適切に検索に利用すること
が可能となる。

【図面の簡単な説明】

【図１】本発明の第一の実施形態及び第三の実施形態に
係わる文書検索装置の構成を示すブロック図。

【図２】制御装置１の詳細構成を示すブロック図。

【図３】本発明の第一の実施形態における文書検索処理
を示すフローチャート図。

【図４】文書検索の条件入力画面例を示す図。

【図５】検索キー文書の例を示す図。

【図６】検索キー単語情報格納バッファ部のデータ構造
を示す図。

【図７】分野特定情報格納バッファ部のデータ構造を示
す図。

【図８】分野特定結果格納バッファ部のデータ構造を示
す図。

【図９】検索対象文書の例を示す図。

【図１０】検索対象単語情報格納バッファ部のデータ構
造を示す図。

【図１１】文書絞り込み結果格納バッファ部のデータ構
造を示す図。

【図１２】検索単語特定情報格納バッファ部のデータ構
造を示す図。

【図１３】検索単語格納バッファ部のデータ構造を示す
図。

【図１４】共通単語情報格納バッファ部のデータ構造を
示す図。

【図１５】本発明の第一の実施形態における検索結果画
面の例を示す図。

【図１６】本発明の第一の実施形態における文書検索処
理の流れを示す図。

【図１７】検索キー文書と分野の異なる検索対象文書の
例を示す図。

【図１８】本発明の第二の実施形態に係わる文書検索装
置の構成を示すブロック図。

【図１９】本発明の第二の実施形態における制御装置２
１の構成を示す図。

【図２０】本発明の第二の実施形態における文書検索処
理を示すフローチャート図。

【図２１】本発明の第二の実施形態における検索キー単
語情報格納バッファ部のデータ構造を示す図。

【図２２】本発明の第二の実施形態における文書検索処
理の流れを示す図。

【図２３】本発明の第三の実施形態における制御装置１
の構成を示す図。

【図２４】本発明の第三の実施形態における文書検索処
理を示すフローチャート図。

【図２５】分野特定を行うための情報が不足している検
索キー文書の例。

【図２６】代替領域情報格納バッファ部のデータ構造。

【図２７】代替領域を使用した際の分野特定結果格納バ
ッファ部のデータ構造を示す図。

【図２８】本発明の第三の実施形態における文書検索処
理の流れを示す図。

【符号の説明】

１、２１…制御装置 ２、２２…入力装置 ３、２３…表示装置 ４、２４…外部記憶装置 ５、２５…形態素解析辞書 ２６…分野特定形態素解析辞書 ２００、２２００、３２００…メイン処理部 ２０１、２２０１、３２０１…初期化部 ２０２、２２０２、３２０２…入力部 ２０３、２２０３、３２０３…出力部 ２０４、２２０４、３２０４…検索対象文書読み出し部 ２０５、２２０５、３２０５…検索対象文書単語抽出部 ２０６、２２０６、３２０６…検索対象単語出現頻度算
出部 ２０７、２２０７、３２０７…検索キー文書入力部 ２０８、２２０８、３２０８…検索キー単語抽出部 ２０９、２２０９、３２０９…検索キー単語出現頻度算
出部 ２１０、２２１０、３２１０…分野特定情報抽出部 ２１１、２２１１、３２１１…分野特定単語抽出部 ３２１２…情報不足時代替領域抽出部 ２１２、２２１２、３２１３…検索条件設定部 ２１３、２２１３、３２１４…検索対象文書絞り込み部 ２１４、３２１５…検索単語抽出部 ２１５、２２１４、３２１６…共通単語抽出部 ２１６、２２１５、３２１７…類似度算出部 ２１７、２２１６、３２１８…検索結果出力部 ２３０、２２３０、３２３０…検索条件設定バッファ部 ２３１、２２３１、３２３１…検索対象文書格納バッフ
ァ部 ２３２、２２３２、３２３２…検索対象単語情報格納バ
ッファ部 ２３３、２２３３、３２３３…検索キー文書格納バッフ
ァ部 ２３４、２２３４、３２３４…検索キー単語情報格納バ
ッファ部 ２３５、２２３５、３２３５…分野特定情報格納バッフ
ァ部 ２３６、２２３６、３２３６…分野特定結果格納バッフ
ァ部 ３２３７…文書絞り込み結果格納バッファ部 ２３７、２２３７、３２３８…文書絞り込み結果格納バ
ッファ部 ２３８、３２３９…検索単語特定情報格納バッファ部 ２３９、３２４０…検索単語格納バッファ部 ２４０、２２３８、３２４１…共通単語情報格納バッフ
ァ部 ２４１、２２３９、３２４２…類似度格納バッファ部 ２４２、２２４０、３２４３…検索結果出力バッファ部 ２４３、２２４１、３２４４…作業バッファ部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 山崎 弘 東京都青梅市新町３丁目３番地の１ 東芝 デジタルメディアエンジニアリング株式会 社内 (72)発明者 松隈 剛 東京都青梅市新町３丁目３番地の１ 東芝 デジタルメディアエンジニアリング株式会 社内 (72)発明者 中本 幸夫 東京都青梅市新町３丁目３番地の１ 東芝 デジタルメディアエンジニアリング株式会 社内 Ｆターム(参考） 5B075 ND03 NK32 PP24 PR06 QM08

Claims (17)

【特許請求の範囲】
1. 【請求項１】文書を検索キーとして、文書データベース
   中から文書を検索する文書検索装置において、 文書データベース中の各文書の内容を表すキー単語を抽
   出する検索対象単語抽出手段と、 検索キー文書より検索キーとなる単語を抽出する検索キ
   ー単語抽出手段と、 この検索キー単語抽出手段により得られた検索キー単語
   のうち検索キー文書の分野を示す分野特定単語を抽出す
   る分野特定単語抽出手段と、 この分野特定単語抽出手段により得られた分野特定単語
   と、前記検索対象単語抽出手段により得られたキー単語
   を元に類似文書を求める分野類似文書抽出手段と、 この分野類似文書抽出手段により得られた類似文書のう
   ち前記検索キー文書の分野に属した文書を絞り込む検索
   対象文書絞込み手段と、 前記検索単語抽出手段により得られた検索キー単語のう
   ち前記検索キー文書の主眼や構成を表す構成単語を抽出
   する構成単語抽出手段と、 この構成単語抽出手段により得られた構成単語と前記検
   索対象文書絞込み手段により得られた検索対象文書を元
   に類似文書を求める類似文書抽出手段と、 この類似文書抽出手段により得られた抽出結果を表示す
   る表示手段とを具備することを特徴とする文書検索装
   置。
2. 【請求項２】文書を検索キーとして、文書データベース
   中から文書を検索する文書検索装置において、 文書データベース中の各文書の内容を表すキー単語を抽
   出する検索対象単語抽出手段と、 検索キー文書より検索キーとなる単語を抽出する検索キ
   ー単語抽出手段と、 この検索キー単語抽出手段により得られた検索キー単語
   のうち検索キー文書の分野を示す分野特定単語を抽出す
   る分野特定単語抽出手段と、 この分野特定単語抽出手段により得られた分野特定単語
   と、前記検索対象単語抽出手段により得られたキー単語
   を元に類似文書を求める分野類似文書抽出手段と、 この分野類似文書抽出手段により得られた類似文書のう
   ち前記検索キー文書の分野に属した文書を絞り込む検索
   対象文書絞込み手段と、 前記検索単語抽出手段により得られた検索キー単語のう
   ち前記検索キー文書の主眼や構成を表す構成単語を抽出
   する際に分野特定手段により得られた分野によって使用
   する形態素解析辞書を切り替える構成単語抽出手段と、 この構成単語抽出手段により得られた構成単語と前記検
   索対象文書絞込み手段により得られた検索対象文書を元
   に類似文書を求める類似文書抽出手段と、 この類似文書抽出手段により得られた抽出結果を表示す
   る表示手段とを具備することを特徴とする文書検索装
   置。
3. 【請求項３】前記文書検索装置は更に、前記分野特定単
   語抽出手段が分野特定単語を抽出するための情報が不足
   している際に、前記キー文書中の所定の代替領域から情
   報を取得し、分野特定のための情報を補填する特定情報
   不足時代替領域取得手段を具備することを特徴とする請
   求項１又は２記載の文書検索装置。
4. 【請求項４】任意の文書を検索キー文書として、複数の
   文書から所定の文書を検索する文書検索装置において、 前記検索キー文書より検索キーとなる単語を抽出する検
   索キー単語抽出手段と、 この検索キー単語抽出手段により得られた検索キー単語
   のうち前記検索キー文書の分野を示す分野特定単語を抽
   出する分野特定単語抽出手段と、 前記複数の文書に対して、前記分野特定単語を元に検索
   を行い、検索結果となる第一文書群の抽出を行う第一検
   索手段と、 前記検索キー単語抽出手段により得られた検索キー単語
   のうち前記検索キー文書の主眼や構成を表す構成単語を
   抽出する構成単語抽出手段と、 前記第一文書群に対して前記構成単語を元に検索を行
   い、検索結果となる第二文書群の抽出を行う第二検索手
   段と、 この第二検索手段により得られた検索結果を表示する表
   示手段とを具備することを特徴とする文書検索装置。
5. 【請求項５】 前記構成単語抽出手段は更に、前記構成
   単語を抽出する際に前記分野特定手段により得られた分
   野によって使用する形態素解析辞書を切り替えることを
   特徴とする、請求項４記載の文書検索装置。
6. 【請求項６】 前記文書検索装置は更に、前記分野特定
   単語抽出手段が分野特定単語を抽出するための情報が不
   足している際に、前記キー文書中の所定の代替領域から
   情報を取得し、分野特定のための情報を補填する特定情
   報不足時代替領域取得手段を具備することを特徴とする
   請求項４または５記載の文書検索装置。
7. 【請求項７】任意の文書を検索キー文書として、複数の
   文書から所定の文書を検索する文書検索装置において、 前記検索キー文書から所定の第一の条件を満たす単語を
   第一キー単語として自動的に抽出する第一抽出手段と、 前記第一キー単語を元に前記複数の文書に対して検索を
   行う第一検索手段と、 前記検索キー文書から前記第一の条件と異なる所定の第
   二の条件を満たす単語を第二キー単語として自動的に抽
   出する第二抽出手段と、 前記前記第二キー単語を元に前記第一検索手段による検
   索結果に対して更に検索を行う第二検索手段とを具備す
   ることを特徴とする文書検索装置。
8. 【請求項８】 前記第一の条件は、前記検索キー文書中
   の所定の文字列に対する位置関係であることを特徴とす
   る請求項７記載の文書検索装置。
9. 【請求項９】 前記所定の文字列は、少なくとも「にお
   いて」、「であって」、「を特徴とする」、「を具備」
   のいずれか１つを含むことを特徴とする請求項８記載の
   文書検索装置。
10. 【請求項１０】 前記第二の条件は、前記検索キー文書
    中の所定の単語に対する位置関係であることを特徴とす
    る請求項７記載の文書検索装置。
11. 【請求項１１】 前記所定の文字列は、少なくとも「に
    おいて」、「であって」、「を特徴とする」、「を具
    備」のいずれか１つを含むことを特徴とする請求項１０
    記載の文書検索装置。
12. 【請求項１２】 前記第二抽出手段は更に、前記第一キ
    ー単語に応じて、前記第二キー単語を抽出する際に使用
    する形態素解析辞書を切り替えることを特徴とする、請
    求項７記載の文書検索装置。
13. 【請求項１３】 前記文書検索装置は更に、前記第一抽
    出手段が第一キー単語を抽出するための情報が不足して
    いる際に、前記キー文書中の所定の代替領域から情報を
    取得し、第一キー単語を抽出するための情報を補填する
    第一抽出補助手段を具備することを特徴とする請求項７
    または１２記載の文書検索装置。
14. 【請求項１４】前記第一抽出補助手段は、所定の代替領
    域として、少なくとも前記キー文書の題名部分又は概要
    説明部分を使用することを特徴とする請求項１３記載の
    文書検索装置。
15. 【請求項１５】文書を検索キーとして、文書データベー
    ス中から文書を検索する文書検索方法において、 文書データベース中の各文書の内容を表すキー単語を抽
    出する検索対象単語抽出ステップと、 検索キー文書より検索キーとなる単語を抽出する検索キ
    ー単語抽出ステップと、 この検索キー単語抽出ステップにより得られた検索キー
    単語のうち検索キー文書の分野を示す分野特定単語を抽
    出する分野特定単語抽出ステップと、 この分野特定単語抽出ステップにより得られた分野特定
    単語と、前記検索対象単語抽出ステップにより得られた
    キー単語を元に類似文書を求める分野類似文書抽出ステ
    ップと、 この分野類似文書抽出ステップにより得られた類似文書
    のうち前記検索キー文書の分野に属した文書を絞り込む
    検索対象文書絞込みステップと、 前記検索単語抽出ステップにより得られた検索キー単語
    のうち前記検索キー文書の主眼や構成を表す構成単語を
    抽出する構成単語抽出ステップと、 この構成単語抽出ステップにより得られた構成単語と前
    記検索対象文書絞込みステップにより得られた検索対象
    文書を元に類似文書を求める類似文書抽出ステップと、 この類似文書抽出ステップにより得られた抽出結果を表
    示する表示ステップとを具備することを特徴とする文書
    検索方法。
16. 【請求項１６】前記構成単語抽出ステップは、前記分野
    特定ステップにより得られた分野情報によって、使用す
    る形態素解析辞書を切り替えることを特徴とする、請求
    項１５記載の文書検索方法。
17. 【請求項１７】前記文書検索方法は更に、前記分野特定
    単語抽出ステップにおいて分野特定単語を抽出するため
    の情報が不足している際に、前記キー文書中の所定の代
    替領域から情報を取得し、分野特定のための情報を補填
    する特定情報不足時代替領域取得ステップを具備するこ
    とを特徴とする請求項１５又は１６記載の文書検索方
    法。