JP2003091557A - 文書照合装置 - Google Patents
文書照合装置Info
- Publication number
- JP2003091557A JP2003091557A JP2002159177A JP2002159177A JP2003091557A JP 2003091557 A JP2003091557 A JP 2003091557A JP 2002159177 A JP2002159177 A JP 2002159177A JP 2002159177 A JP2002159177 A JP 2002159177A JP 2003091557 A JP2003091557 A JP 2003091557A
- Authority
- JP
- Japan
- Prior art keywords
- document
- word
- appearances
- documents
- storage means
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 ２つの文書を照合する際に、文書の内容に応
じて明確な差が表れる類似度、相違度を算出できる文書
照合装置を提供する。 【解決手段】 文書構成要素の出現回数を計数し、記憶
用出現回数閾値以上の出現回数を持つ文書構成要素を文
書構成要素記憶手段１０７に格納するとともに、類似度
算出用出現回数閾値以上の出現回数を持つ文書構成要素
を類似度の算出に使用し、相違度算出用出現回数閾値以
上の出現回数の差がある文書構成要素を対象として相違
度を算出する。
じて明確な差が表れる類似度、相違度を算出できる文書
照合装置を提供する。 【解決手段】 文書構成要素の出現回数を計数し、記憶
用出現回数閾値以上の出現回数を持つ文書構成要素を文
書構成要素記憶手段１０７に格納するとともに、類似度
算出用出現回数閾値以上の出現回数を持つ文書構成要素
を類似度の算出に使用し、相違度算出用出現回数閾値以
上の出現回数の差がある文書構成要素を対象として相違
度を算出する。
Description
【０００１】
【発明の属する技術分野】本発明は、例えば特許文献等
の複数文書間の類似度、相違度を算出するための文書照
合装置に関するものである。
の複数文書間の類似度、相違度を算出するための文書照
合装置に関するものである。
【０００２】
【従来の技術】従来、ユーザが入力したキーワードを使
用して２つの文書の類似度が算出されてきた。これに対
してユーザがキーワードを与えないでも２つの文書の類
似度を算出するシステムの例として特開平１１−７３４
２２号（名称「類似文書検索システムおよびそれに用い
る記憶媒体」）がある。このシステムでは、内部に索引
を有し、文書を入力するときに、入力文書のテキストか
ら語を抽出して索引を更新し、索引に登録された語の頻
度情報を索引に保持して、頻度の最も大きい語の重要度
を１として、一般の語の重要度は頻度の最も大きい語に
対する比率で定義している。類似度の算出ではシステム
パラメータで指定できる整数をｎとして比較の元となる
文書の重要度の高いものからｎ個の語について、２つの
文書でのｎ個の語の重要度を使用して類似度が算出され
ている。類似度の算出では分母に比較の元となる文書で
のｎ個の語の重要度の総和をとり、また各ｎ個の語につ
いて２つの文書での重要度の小さい値を選び、その総和
を分子としている。
用して２つの文書の類似度が算出されてきた。これに対
してユーザがキーワードを与えないでも２つの文書の類
似度を算出するシステムの例として特開平１１−７３４
２２号（名称「類似文書検索システムおよびそれに用い
る記憶媒体」）がある。このシステムでは、内部に索引
を有し、文書を入力するときに、入力文書のテキストか
ら語を抽出して索引を更新し、索引に登録された語の頻
度情報を索引に保持して、頻度の最も大きい語の重要度
を１として、一般の語の重要度は頻度の最も大きい語に
対する比率で定義している。類似度の算出ではシステム
パラメータで指定できる整数をｎとして比較の元となる
文書の重要度の高いものからｎ個の語について、２つの
文書でのｎ個の語の重要度を使用して類似度が算出され
ている。類似度の算出では分母に比較の元となる文書で
のｎ個の語の重要度の総和をとり、また各ｎ個の語につ
いて２つの文書での重要度の小さい値を選び、その総和
を分子としている。
【０００３】
【発明が解決しようとする課題】上記従来のシステムに
よると最も大きい重要度の語が文書比較において特徴を
与えないような語であり、かつ非常に多く使用されてい
る場合には、他のｎ−１個の重要度の値が小さくなり、
類似度は小さいと判定されることがある。また、この従
来システムは複数言語に対応していない。
よると最も大きい重要度の語が文書比較において特徴を
与えないような語であり、かつ非常に多く使用されてい
る場合には、他のｎ−１個の重要度の値が小さくなり、
類似度は小さいと判定されることがある。また、この従
来システムは複数言語に対応していない。
【０００４】本発明の目的は、２つの文書を照合する際
に、文書の内容に応じて明確な差が表れる類似度、相違
度を算出できるようにすることにある。
に、文書の内容に応じて明確な差が表れる類似度、相違
度を算出できるようにすることにある。
【０００５】本発明の他の目的は、異言語文書の照合に
も適用可能な文書照合装置を提供することにある。
も適用可能な文書照合装置を提供することにある。
【０００６】
【課題を解決するための手段】上記目的を達成するため
に、本発明では、各文書から構成要素（単一の単語のみ
ならず、単語の一部分、複数の単語が繋がったもの等を
も含む。）を抽出した後、各々の文書構成要素の出現回
数を求め、文書構成要素と出現回数とを組にして文書構
成要素記憶手段に格納し、２つの文書に共通に含まれる
文書構成要素の出現回数の各々の総和を各々の文書の全
ての文書構成要素の出現回数の総和によって除算するこ
とにより各々の文書の類似度を算出するとともに、２つ
の文書に含まれる文書構成要素の出現回数の差をそれぞ
れ当該文書構成要素を多く含んでいる方の文書に振り当
てて総和をとり、当該総和を各々の文書の全ての文書構
成要素の出現回数の総和によって除算することにより相
違度を算出する。しかし、これだけでは内容が異なって
いても目立った類似度及び相違度の差異が現れないこと
があるので、無特徴文書構成要素記憶手段を備えて内容
の類似、相違には関係しない語を記憶させ、類似度、相
違度の算出の対象から除外している。更に出現回数の少
ない文書構成要素は文書の内容が異なっても２つの文書
の間で使用されて類似度を高く保つことがあるので、類
似度算出用出現回数閾値設定記憶手段を備えて類似度算
出用出現回数閾値よりも小さい出現回数の文書構成要素
は類似度の算出対象から除く。また、文書の内容に関係
なく一方の文書で２、３回多く使われ、これが相違度を
大きくすることがあるので、相違度算出用出現回数閾値
設定記憶手段を備えて相違度算出用出現回数閾値未満の
出現回数の文書構成要素は相違度の算出対象から除く。
更に多数の文書構成要素と出現回数とを記憶しなければ
いけないという点を軽減するために、記憶用出現回数閾
値設定記憶手段を備えて、出現回数の少ない文書構成要
素は記憶しないこととした。
に、本発明では、各文書から構成要素（単一の単語のみ
ならず、単語の一部分、複数の単語が繋がったもの等を
も含む。）を抽出した後、各々の文書構成要素の出現回
数を求め、文書構成要素と出現回数とを組にして文書構
成要素記憶手段に格納し、２つの文書に共通に含まれる
文書構成要素の出現回数の各々の総和を各々の文書の全
ての文書構成要素の出現回数の総和によって除算するこ
とにより各々の文書の類似度を算出するとともに、２つ
の文書に含まれる文書構成要素の出現回数の差をそれぞ
れ当該文書構成要素を多く含んでいる方の文書に振り当
てて総和をとり、当該総和を各々の文書の全ての文書構
成要素の出現回数の総和によって除算することにより相
違度を算出する。しかし、これだけでは内容が異なって
いても目立った類似度及び相違度の差異が現れないこと
があるので、無特徴文書構成要素記憶手段を備えて内容
の類似、相違には関係しない語を記憶させ、類似度、相
違度の算出の対象から除外している。更に出現回数の少
ない文書構成要素は文書の内容が異なっても２つの文書
の間で使用されて類似度を高く保つことがあるので、類
似度算出用出現回数閾値設定記憶手段を備えて類似度算
出用出現回数閾値よりも小さい出現回数の文書構成要素
は類似度の算出対象から除く。また、文書の内容に関係
なく一方の文書で２、３回多く使われ、これが相違度を
大きくすることがあるので、相違度算出用出現回数閾値
設定記憶手段を備えて相違度算出用出現回数閾値未満の
出現回数の文書構成要素は相違度の算出対象から除く。
更に多数の文書構成要素と出現回数とを記憶しなければ
いけないという点を軽減するために、記憶用出現回数閾
値設定記憶手段を備えて、出現回数の少ない文書構成要
素は記憶しないこととした。
【０００７】また本発明では、異なる言語の間では名詞
と動詞を対象とし、更に動詞を対応する名詞に変換して
最終的には名詞で類似度、相違度を算出することとし
た。
と動詞を対象とし、更に動詞を対応する名詞に変換して
最終的には名詞で類似度、相違度を算出することとし
た。
【０００８】
【発明の実施の形態】以下、図面を参照して本発明の実
施形態を説明する。ここでは、特許文献の照合の例を説
明する。
施形態を説明する。ここでは、特許文献の照合の例を説
明する。
【０００９】図１は、本発明の第１の実施形態の構成を
示すブロック図である。図１において、１０１は複数の
文書を格納する文書記憶手段、１０２は文書入力手段、
１０３は文書から構成要素を抽出する文書構成要素抽出
手段、１０４は文書構成要素毎の出現回数を計数する文
書構成要素計数手段、１０５は文書構成要素と出現回数
とを組として記憶する場合に記憶対象となる出現回数閾
値を与える記憶用出現回数閾値設定記憶手段、１０６は
文書の内容によらずに使用され、文書の内容に関する特
徴を表すことのない無特徴文書構成要素を記憶する手
段、１０７は文書構成要素と出現回数とを組として記憶
する文書構成要素記憶手段、１０８は文書構成要素と出
現回数とを組として読み出す文書構成要素入力手段、１
０９は類似度算出の対象となる文書構成要素の出現回数
閾値を与えるための類似度算出用出現回数閾値設定記憶
手段、１１０は２つの文書の構成要素と出現回数から２
つの文書の類似度を算出する文書類似度算出手段、１１
１は相違度算出の対象となる文書構成要素の出現回数閾
値を与えるための相違度算出用出現回数閾値設定記憶手
段、１１２は２つの文書の構成要素と出現回数から２つ
の文書の相違度を算出する文書相違度算出手段、１１３
はＩＰＣ（国際特許分類）コードを検出する手段、１１
４はＩＰＣコード解析手段である。
示すブロック図である。図１において、１０１は複数の
文書を格納する文書記憶手段、１０２は文書入力手段、
１０３は文書から構成要素を抽出する文書構成要素抽出
手段、１０４は文書構成要素毎の出現回数を計数する文
書構成要素計数手段、１０５は文書構成要素と出現回数
とを組として記憶する場合に記憶対象となる出現回数閾
値を与える記憶用出現回数閾値設定記憶手段、１０６は
文書の内容によらずに使用され、文書の内容に関する特
徴を表すことのない無特徴文書構成要素を記憶する手
段、１０７は文書構成要素と出現回数とを組として記憶
する文書構成要素記憶手段、１０８は文書構成要素と出
現回数とを組として読み出す文書構成要素入力手段、１
０９は類似度算出の対象となる文書構成要素の出現回数
閾値を与えるための類似度算出用出現回数閾値設定記憶
手段、１１０は２つの文書の構成要素と出現回数から２
つの文書の類似度を算出する文書類似度算出手段、１１
１は相違度算出の対象となる文書構成要素の出現回数閾
値を与えるための相違度算出用出現回数閾値設定記憶手
段、１１２は２つの文書の構成要素と出現回数から２つ
の文書の相違度を算出する文書相違度算出手段、１１３
はＩＰＣ（国際特許分類）コードを検出する手段、１１
４はＩＰＣコード解析手段である。
【００１０】外部から新しい文書が文書記憶手段１０１
に記憶されるときには文書入力手段１０２が新しく記憶
した文書を読み出し、文書構成要素抽出手段１０３で文
書から構成要素を抽出する。文書構成要素の抽出には単
語辞書を使用しないで、図２に示す文字を空白に置き換
えることにより、文書構成要素を互いに分離する。図２
において、５２個の英字“ Ａ ”〜“ ｚ ”につい
ては前後に１文字ずつの空白がある。
に記憶されるときには文書入力手段１０２が新しく記憶
した文書を読み出し、文書構成要素抽出手段１０３で文
書から構成要素を抽出する。文書構成要素の抽出には単
語辞書を使用しないで、図２に示す文字を空白に置き換
えることにより、文書構成要素を互いに分離する。図２
において、５２個の英字“ Ａ ”〜“ ｚ ”につい
ては前後に１文字ずつの空白がある。
【００１１】日本語において１回の文書走査で最初に被
置換文字が見つかったところで処理が終了となるような
仕様のコマンドを使用するときには、文書の文字数に等
しい回数だけ走査する。これにより、英字が記号として
１文字だけ使用されている場合には、英字の前後に空白
を挟んだ形となり、この場合も空白に置き換えられる。
また、日本語の場合には後述する無特徴文書構成要素の
ほとんどは平仮名で記述される場合が多く、英語と違っ
て区切り文字（デリミタ）を空白に置き換えることと無
特徴文書構成要素を検出することとは同じような処理と
なるので、本実施形態では特許明細書に共通して用いら
れる図２中の６個の言葉（“図”〜“請求項”）を文書
構成要素抽出段階で削除する。
置換文字が見つかったところで処理が終了となるような
仕様のコマンドを使用するときには、文書の文字数に等
しい回数だけ走査する。これにより、英字が記号として
１文字だけ使用されている場合には、英字の前後に空白
を挟んだ形となり、この場合も空白に置き換えられる。
また、日本語の場合には後述する無特徴文書構成要素の
ほとんどは平仮名で記述される場合が多く、英語と違っ
て区切り文字（デリミタ）を空白に置き換えることと無
特徴文書構成要素を検出することとは同じような処理と
なるので、本実施形態では特許明細書に共通して用いら
れる図２中の６個の言葉（“図”〜“請求項”）を文書
構成要素抽出段階で削除する。
【００１２】日本語の場合、図２の文字を空白に置き換
える前後によって文がどう変わるか、特開平６−１８７
１３２号公報の要約書部分を例として図３に示す。
える前後によって文がどう変わるか、特開平６−１８７
１３２号公報の要約書部分を例として図３に示す。
【００１３】図３に示した空白に置き換えられた文には
単一の単語に分解されたものもあれば、複数の単語が繋
がったままのもの、漢字１字もあり、いろいろな形が残
っている。よって、単語という表現は避け、文書構成要
素と呼ぶことにした。
単一の単語に分解されたものもあれば、複数の単語が繋
がったままのもの、漢字１字もあり、いろいろな形が残
っている。よって、単語という表現は避け、文書構成要
素と呼ぶことにした。
【００１４】文書構成要素を抽出したあと、文書構成要
素計数手段１０４で文書構成要素毎に出現回数を計数す
る。記憶用出現回数閾値設定記憶手段１０５に記憶対象
となる出現回数閾値を設定しておき、また本実施形態は
英文をも対象としていることから、図４、図５及び図６
に示すような、文書の内容によらずに使用され、文書の
内容に関しての特徴を表すことのない文書構成要素を、
無特徴文書構成要素記憶手段１０６に予め格納してお
く。
素計数手段１０４で文書構成要素毎に出現回数を計数す
る。記憶用出現回数閾値設定記憶手段１０５に記憶対象
となる出現回数閾値を設定しておき、また本実施形態は
英文をも対象としていることから、図４、図５及び図６
に示すような、文書の内容によらずに使用され、文書の
内容に関しての特徴を表すことのない文書構成要素を、
無特徴文書構成要素記憶手段１０６に予め格納してお
く。
【００１５】図４、図５及び図６に示す無特徴文書構成
要素を削除することによって文書構成要素記憶手段１０
７のファイル容量、文書構成要素種類数、文書構成要素
総数がどれだけ減少するかを、米国特許６，０００，０
００号から６，０００，０１９号までの２０特許の合計
値について図７に示す。冠詞を例にとると、文書構成要
素種類数が項番０と項番１で６０異なるのは２０件とも
図４中の冠詞３個を使用しており、３×２０＝６０個の
種類減となる。文書構成要素種類数減少率は０．４％と
小さいが文書構成要素総数減少率は１３．３％にもな
り、英文特許明細書では冠詞が多く使われていることが
分かる。項番５の前置詞及び前置詞句では、種類数減少
率は冠詞の約１０倍であり、文書構成要素総数減少率は
冠詞とほぼ同じの１４．３％である。
要素を削除することによって文書構成要素記憶手段１０
７のファイル容量、文書構成要素種類数、文書構成要素
総数がどれだけ減少するかを、米国特許６，０００，０
００号から６，０００，０１９号までの２０特許の合計
値について図７に示す。冠詞を例にとると、文書構成要
素種類数が項番０と項番１で６０異なるのは２０件とも
図４中の冠詞３個を使用しており、３×２０＝６０個の
種類減となる。文書構成要素種類数減少率は０．４％と
小さいが文書構成要素総数減少率は１３．３％にもな
り、英文特許明細書では冠詞が多く使われていることが
分かる。項番５の前置詞及び前置詞句では、種類数減少
率は冠詞の約１０倍であり、文書構成要素総数減少率は
冠詞とほぼ同じの１４．３％である。
【００１６】文書構成要素記憶手段１０７には、新しい
文書の文書構成要素と出現回数との組が記憶用出現回数
閾値設定記憶手段１０５から出力される出現回数閾値以
上の出現回数であり、加えて無特徴文書構成要素記憶手
段１０６に記憶されていない文書構成要素のときに記憶
される。
文書の文書構成要素と出現回数との組が記憶用出現回数
閾値設定記憶手段１０５から出力される出現回数閾値以
上の出現回数であり、加えて無特徴文書構成要素記憶手
段１０６に記憶されていない文書構成要素のときに記憶
される。
【００１７】出現回数についても文書構成要素記憶手段
１０７のファイル容量、文書構成要素種類数、文書構成
要素総数がどれだけ減少するかを１回以下から１０回以
下の場合について、米国特許６，０００，０００号から
６，０００，０１９号までの２０特許の合計値を図８に
示す。
１０７のファイル容量、文書構成要素種類数、文書構成
要素総数がどれだけ減少するかを１回以下から１０回以
下の場合について、米国特許６，０００，０００号から
６，０００，０１９号までの２０特許の合計値を図８に
示す。
【００１８】文書構成要素記憶手段１０７に格納される
文書構成要素と出現回数の例を前出の特開平６−１８７
１３２号公報の場合について順位を付加して５２番目ま
で図９に示す。なお、同公報の場合、文書構成要素の種
類数は６０９、文書構成要素の総数は１４，９１２であ
る。
文書構成要素と出現回数の例を前出の特開平６−１８７
１３２号公報の場合について順位を付加して５２番目ま
で図９に示す。なお、同公報の場合、文書構成要素の種
類数は６０９、文書構成要素の総数は１４，９１２であ
る。
【００１９】同様に英文明細書の例として米国特許６，
０００，０００号の場合、文書構成要素の種類数は２６
５、文書構成要素の総数は３，２３２であり、文書構成
要素と出現回数の５２番目までを図１０に示す。
０００，０００号の場合、文書構成要素の種類数は２６
５、文書構成要素の総数は３，２３２であり、文書構成
要素と出現回数の５２番目までを図１０に示す。
【００２０】２つの文書を照合するとき、文書構成要素
記憶手段１０７から文書構成要素入力手段１０８が２つ
の文書の文書構成要素と出現回数との組を読み出し、類
似度算出用出現回数閾値設定記憶手段１０９に設定され
た出現回数閾値以上の出現回数を持つ文書構成要素を類
似度算出対象として、文書類似度算出手段１１０では２
つの文書の類似度を、２つの文書に共通に含まれる文書
構成要素の出現回数の各々の総和を、各々の文書の全て
の文書構成要素の出現回数の総和によって除算すること
により算出する。
記憶手段１０７から文書構成要素入力手段１０８が２つ
の文書の文書構成要素と出現回数との組を読み出し、類
似度算出用出現回数閾値設定記憶手段１０９に設定され
た出現回数閾値以上の出現回数を持つ文書構成要素を類
似度算出対象として、文書類似度算出手段１１０では２
つの文書の類似度を、２つの文書に共通に含まれる文書
構成要素の出現回数の各々の総和を、各々の文書の全て
の文書構成要素の出現回数の総和によって除算すること
により算出する。
【００２１】数式を用いて説明すると、ここでは文書Ａ
の文書構成要素をＥＡ（１）、ＥＡ（２）、…、ＥＡ
（ｍ）、及びそれらからなる集合をＳＡとする。また、
文書Ａに含まれている文書構成要素の数をＮＡ（ＥＡ
（ｉ））（１≦ｉ≦ｍ）で表す。一方、文書Ｂの文書構
成要素をＥＢ（１）、ＥＢ（２）、…、ＥＢ（ｎ）、及
びそれらからなる集合をＳＢとする。また、文書Ｂに含
まれている文書構成要素の数をＮＢ（ＥＢ（ｊ））（１
≦ｊ≦ｎ）で表す。ＡのＢに対する類似度は数式１によ
り、またＢのＡに対する類似度は数式２によりそれぞれ
与えられる。ただし、類似度算出用出現回数閾値未満の
出現回数を持つ文書構成要素は数式１及び数式２の計算
において分母、分子ともに使用されない。
の文書構成要素をＥＡ（１）、ＥＡ（２）、…、ＥＡ
（ｍ）、及びそれらからなる集合をＳＡとする。また、
文書Ａに含まれている文書構成要素の数をＮＡ（ＥＡ
（ｉ））（１≦ｉ≦ｍ）で表す。一方、文書Ｂの文書構
成要素をＥＢ（１）、ＥＢ（２）、…、ＥＢ（ｎ）、及
びそれらからなる集合をＳＢとする。また、文書Ｂに含
まれている文書構成要素の数をＮＢ（ＥＢ（ｊ））（１
≦ｊ≦ｎ）で表す。ＡのＢに対する類似度は数式１によ
り、またＢのＡに対する類似度は数式２によりそれぞれ
与えられる。ただし、類似度算出用出現回数閾値未満の
出現回数を持つ文書構成要素は数式１及び数式２の計算
において分母、分子ともに使用されない。
【００２２】
【数１】
【００２３】
【数２】
【００２４】類似度の算出例を図１１に示す。米国特許
６，０００，０００号から６，０００，０１９号までの
２０特許の間で互いの類似度を算出したところ、６，０
００，０１１号と６，０００，０１２号との間の類似度
が１００％近い値となったので、これ以外の組み合わせ
での最大値と最小値とを図１１に示した。図１１では無
特徴文書構成要素の削除、及び出現回数の少ない文書構
成要素の削除の効果を調査する目的で、図１１の削除内
容に示すそれぞれの場合について類似度を求めた。文書
構成要素を何も削除しないときには、内容が似ていなく
ても英文に共通して用いられる言葉の影響で類似度が５
０％前後の値となり、利用するのに適当とは言えない
が、図４〜図６に示した無特徴文書構成要素を全て削除
し、出現回数２回以下の文書構成要素を削除したときに
は６，０００，０００号から６，０００，０１９号まで
の間の類似度最小値が６．３％、これら２０特許に対す
る６，０００，０６７号の類似度最小値が０．７％、
６，０００，０６７号に対する同２０特許の類似度最小
値が１．４％となり、最小値については削除なしの場合
よりかなり小さくなる一方、最大値については６，００
０，０００号から６，０００，０１９号までの間では約
１０％小さくなるだけである。
６，０００，０００号から６，０００，０１９号までの
２０特許の間で互いの類似度を算出したところ、６，０
００，０１１号と６，０００，０１２号との間の類似度
が１００％近い値となったので、これ以外の組み合わせ
での最大値と最小値とを図１１に示した。図１１では無
特徴文書構成要素の削除、及び出現回数の少ない文書構
成要素の削除の効果を調査する目的で、図１１の削除内
容に示すそれぞれの場合について類似度を求めた。文書
構成要素を何も削除しないときには、内容が似ていなく
ても英文に共通して用いられる言葉の影響で類似度が５
０％前後の値となり、利用するのに適当とは言えない
が、図４〜図６に示した無特徴文書構成要素を全て削除
し、出現回数２回以下の文書構成要素を削除したときに
は６，０００，０００号から６，０００，０１９号まで
の間の類似度最小値が６．３％、これら２０特許に対す
る６，０００，０６７号の類似度最小値が０．７％、
６，０００，０６７号に対する同２０特許の類似度最小
値が１．４％となり、最小値については削除なしの場合
よりかなり小さくなる一方、最大値については６，００
０，０００号から６，０００，０１９号までの間では約
１０％小さくなるだけである。
【００２５】一方、図１中の文書相違度算出手段１１２
では、２つの文書に含まれる文書構成要素の出現回数の
差が相違度算出用出現回数閾値設定記憶手段１１１から
与えられる値以上の文書構成要素についての差を、それ
ぞれ当該文書構成要素を多く含んでいる方の文書に振り
当てて総和をとり、当該総和を各々の文書の全ての文書
構成要素の出現回数の総和によって除算することによ
り、各々の文書の相違度を算出する。
では、２つの文書に含まれる文書構成要素の出現回数の
差が相違度算出用出現回数閾値設定記憶手段１１１から
与えられる値以上の文書構成要素についての差を、それ
ぞれ当該文書構成要素を多く含んでいる方の文書に振り
当てて総和をとり、当該総和を各々の文書の全ての文書
構成要素の出現回数の総和によって除算することによ
り、各々の文書の相違度を算出する。
【００２６】数式を用いて説明すると、ここでも文書Ａ
の文書構成要素をＥＡ（１）、ＥＡ（２）、…、ＥＡ
（ｍ）、及びそれらからなる集合をＳＡとする。また、
文書Ａに含まれている文書構成要素の数をＮＡ（ＥＡ
（ｉ））（１≦ｉ≦ｍ）で表す。一方、文書Ｂの文書構
成要素をＥＢ（１）、ＥＢ（２）、…、ＥＢ（ｎ）、及
びそれらからなる集合をＳＢとする。また、文書Ｂに含
まれている文書構成要素の数をＮＢ（ＥＢ（ｊ））（１
≦ｊ≦ｎ）で表す。相違度算出用出現回数閾値をＴＨと
するとき、ＡのＢに対する相違度は数式３により、また
ＢのＡに対する相違度は数式４によりそれぞれ与えられ
る。ただし、要素ＥＡ（ｉ）が集合ＳＢに属しないとき
ＮＡ（ＥＡ（ｉ））＝０とし、要素ＥＢ（ｊ）が集合Ｓ
Ａに属しないときＮＢ（ＥＢ（ｊ））＝０とする。つま
り、２つの文書の少なくとも一方に含まれる文書構成要
素について他方には含まれない場合には、他方での出現
回数をゼロとするものとする。
の文書構成要素をＥＡ（１）、ＥＡ（２）、…、ＥＡ
（ｍ）、及びそれらからなる集合をＳＡとする。また、
文書Ａに含まれている文書構成要素の数をＮＡ（ＥＡ
（ｉ））（１≦ｉ≦ｍ）で表す。一方、文書Ｂの文書構
成要素をＥＢ（１）、ＥＢ（２）、…、ＥＢ（ｎ）、及
びそれらからなる集合をＳＢとする。また、文書Ｂに含
まれている文書構成要素の数をＮＢ（ＥＢ（ｊ））（１
≦ｊ≦ｎ）で表す。相違度算出用出現回数閾値をＴＨと
するとき、ＡのＢに対する相違度は数式３により、また
ＢのＡに対する相違度は数式４によりそれぞれ与えられ
る。ただし、要素ＥＡ（ｉ）が集合ＳＢに属しないとき
ＮＡ（ＥＡ（ｉ））＝０とし、要素ＥＢ（ｊ）が集合Ｓ
Ａに属しないときＮＢ（ＥＢ（ｊ））＝０とする。つま
り、２つの文書の少なくとも一方に含まれる文書構成要
素について他方には含まれない場合には、他方での出現
回数をゼロとするものとする。
【００２７】
【数３】
【００２８】
【数４】
【００２９】米国特許６，０００，０１１号と６，００
０，０１２号とについて相違度を求めると、 ６，０００，０１１号の６，０００，０１２号に対する
相違度：１７．７％ ６，０００，０１２号の６，０００，０１１号に対する
相違度：０．２％ となる。
０，０１２号とについて相違度を求めると、 ６，０００，０１１号の６，０００，０１２号に対する
相違度：１７．７％ ６，０００，０１２号の６，０００，０１１号に対する
相違度：０．２％ となる。
【００３０】相違度については次のような利用方法があ
る。まず、類似度が低いときには２つの文書の内容に共
通するところがないと判断されるが、相違度が高いこと
によってもこのことが裏付けられる。また、類似度が高
いときには２つの文書の内容に共通するところがいろい
ろあることが予想されるが、相違度がほぼ０％の場合に
は２つの文書の内容がほぼ等しいと予想される。
る。まず、類似度が低いときには２つの文書の内容に共
通するところがないと判断されるが、相違度が高いこと
によってもこのことが裏付けられる。また、類似度が高
いときには２つの文書の内容に共通するところがいろい
ろあることが予想されるが、相違度がほぼ０％の場合に
は２つの文書の内容がほぼ等しいと予想される。
【００３１】類似度が１００％近くで相違度が０％から
少し離れている場合には、比較対象の文書よりも言葉数
をかけて詳しく説明しているか、又は比較対象の文書が
取り扱っていない内容を含んでいることが予想される。
例えば、米国特許６，０００，０１１号と６，０００，
０１２号のテキスト部分については、“RELATED APPLIC
ATION DATA”、“BACKGROUND OF THE INVENTION 1. Fi
eld of the Invention”、“Claims”が異なるだけで、
上記以外の相違は１１ページ下から６〜７行目に６，０
００，０１１号には“in the command buffer 600”が
追加されているだけである。６，０００，０１１号のク
レームは３３個、シート約４枚、６，０００，０１２号
のクレームは１６個、シート約１枚で、クレームの違い
が１７．７％、０．２％という相違度の原因となってい
る。
少し離れている場合には、比較対象の文書よりも言葉数
をかけて詳しく説明しているか、又は比較対象の文書が
取り扱っていない内容を含んでいることが予想される。
例えば、米国特許６，０００，０１１号と６，０００，
０１２号のテキスト部分については、“RELATED APPLIC
ATION DATA”、“BACKGROUND OF THE INVENTION 1. Fi
eld of the Invention”、“Claims”が異なるだけで、
上記以外の相違は１１ページ下から６〜７行目に６，０
００，０１１号には“in the command buffer 600”が
追加されているだけである。６，０００，０１１号のク
レームは３３個、シート約４枚、６，０００，０１２号
のクレームは１６個、シート約１枚で、クレームの違い
が１７．７％、０．２％という相違度の原因となってい
る。
【００３２】図１中の文書相違度算出手段１１２では出
現回数の差が大きい順に文書構成要素を出力する機能を
持たせており、図１２及び図１３のような出力が得られ
る。ここでは、ＴＨ＝１０としており、図１２は６，０
００，０１１号（文献Ａ）での出現回数の方が多い文書
構成要素のリストを、図１３は６，０００，０１２号
（文献Ｂ）での出現回数の方が多い文書構成要素のリス
トをそれぞれ示している。各文書構成要素について、
「差」は出現回数の差を、「回数Ａ」は文献Ａでの出現
回数を、「回数Ｂ」は文献Ｂでの出現回数をそれぞれ表
している。
現回数の差が大きい順に文書構成要素を出力する機能を
持たせており、図１２及び図１３のような出力が得られ
る。ここでは、ＴＨ＝１０としており、図１２は６，０
００，０１１号（文献Ａ）での出現回数の方が多い文書
構成要素のリストを、図１３は６，０００，０１２号
（文献Ｂ）での出現回数の方が多い文書構成要素のリス
トをそれぞれ示している。各文書構成要素について、
「差」は出現回数の差を、「回数Ａ」は文献Ａでの出現
回数を、「回数Ｂ」は文献Ｂでの出現回数をそれぞれ表
している。
【００３３】ＩＰＣコード検出手段１１３は、文書入力
手段１０２を経由して読み出した特許明細書からＩＰＣ
コードを検出する。ＩＰＣコード解析手段１１４では、
照合する２つの明細書でＩＰＣコードが一致しているか
どうか解析して、例えば米国特許６，０００，０１１号
と６，０００，０１２号との場合、 ６，０００，０１１号：Ｇ０６Ｆ １３／１４ ６，０００，０１２号：Ｇ０６Ｆ １３／１４ セクション、クラス、サブクラス、グループともに一致 のような解析結果を出力する。
手段１０２を経由して読み出した特許明細書からＩＰＣ
コードを検出する。ＩＰＣコード解析手段１１４では、
照合する２つの明細書でＩＰＣコードが一致しているか
どうか解析して、例えば米国特許６，０００，０１１号
と６，０００，０１２号との場合、 ６，０００，０１１号：Ｇ０６Ｆ １３／１４ ６，０００，０１２号：Ｇ０６Ｆ １３／１４ セクション、クラス、サブクラス、グループともに一致 のような解析結果を出力する。
【００３４】なお、図１中の文書構成要素記憶手段１０
７に格納すべき文書構成要素と出現回数とを文書記憶手
段１０１の文書中に含ませるようにしてもよい。
７に格納すべき文書構成要素と出現回数とを文書記憶手
段１０１の文書中に含ませるようにしてもよい。
【００３５】図１４は、本発明の第２の実施形態の構成
を示すブロック図である。図１４において、２０１は複
数の文書を格納する文書記憶手段、２０２は文書入力手
段、２０３は和文から単語とその品詞を解析する和文用
単語解析手段、２０４は品詞情報を複数持つ単語につい
ては品詞情報毎に、各々の単語が文書中に何個含まれて
いるか計数する和文用単語計数手段、２０５は英文から
単語とその品詞を解析する英文用単語解析手段、２０６
は品詞情報を複数持つ単語については品詞情報毎に、各
々の単語が文書中に何個含まれているか計数する英文用
単語計数手段、２０７は単語と品詞情報と出現回数とを
組として記憶する場合に記憶対象となる出現回数閾値を
与える記憶用出現回数閾値設定記憶手段、２０８は文書
の内容によらずに使用され、文書の内容に関する特徴を
表すことのない和文用無特徴単語を記憶する手段、２０
９は文書の内容によらずに使用され、文書の内容に関す
る特徴を表すことのない英文用無特徴単語を記憶する手
段、２１０は単語と品詞情報と出現回数とを組として記
憶する単語記憶手段、２１１は単語と品詞情報と出現回
数とを組として読み出す単語入力手段、２１２は名詞と
動詞のときのみ処理の対象とするとともに動詞は対応す
る名詞に変換しかつ名詞の出現回数を修正加算する和文
用動詞名詞変換手段、２１３は名詞である単語を日本語
から英語に変換する名詞和英変換手段、２１４は名詞と
動詞のときのみ処理の対象とするとともに動詞は対応す
る名詞に変換しかつ名詞の出現回数を修正加算する英文
用動詞名詞変換手段、２１５は類似度算出の対象となる
単語の出現回数閾値を与えるための類似度算出用出現回
数閾値設定記憶手段、２１６は２つの文書の単語と出現
回数から２つの文書の類似度を算出する文書類似度算出
手段、２１７は相違度算出の対象となる単語の出現回数
閾値を与えるための相違度算出用出現回数閾値設定記憶
手段、２１８は２つの文書の単語と出現回数から２つの
文書の相違度を算出する文書相違度算出手段、２１９は
和文特許明細書からＩＰＣ（国際特許分類）コードを検
出する和文用ＩＰＣコード検出手段、２２０は英文特許
明細書からＩＰＣコードを検出する英文用ＩＰＣコード
検出手段、２２１はＩＰＣコード解析手段である。
を示すブロック図である。図１４において、２０１は複
数の文書を格納する文書記憶手段、２０２は文書入力手
段、２０３は和文から単語とその品詞を解析する和文用
単語解析手段、２０４は品詞情報を複数持つ単語につい
ては品詞情報毎に、各々の単語が文書中に何個含まれて
いるか計数する和文用単語計数手段、２０５は英文から
単語とその品詞を解析する英文用単語解析手段、２０６
は品詞情報を複数持つ単語については品詞情報毎に、各
々の単語が文書中に何個含まれているか計数する英文用
単語計数手段、２０７は単語と品詞情報と出現回数とを
組として記憶する場合に記憶対象となる出現回数閾値を
与える記憶用出現回数閾値設定記憶手段、２０８は文書
の内容によらずに使用され、文書の内容に関する特徴を
表すことのない和文用無特徴単語を記憶する手段、２０
９は文書の内容によらずに使用され、文書の内容に関す
る特徴を表すことのない英文用無特徴単語を記憶する手
段、２１０は単語と品詞情報と出現回数とを組として記
憶する単語記憶手段、２１１は単語と品詞情報と出現回
数とを組として読み出す単語入力手段、２１２は名詞と
動詞のときのみ処理の対象とするとともに動詞は対応す
る名詞に変換しかつ名詞の出現回数を修正加算する和文
用動詞名詞変換手段、２１３は名詞である単語を日本語
から英語に変換する名詞和英変換手段、２１４は名詞と
動詞のときのみ処理の対象とするとともに動詞は対応す
る名詞に変換しかつ名詞の出現回数を修正加算する英文
用動詞名詞変換手段、２１５は類似度算出の対象となる
単語の出現回数閾値を与えるための類似度算出用出現回
数閾値設定記憶手段、２１６は２つの文書の単語と出現
回数から２つの文書の類似度を算出する文書類似度算出
手段、２１７は相違度算出の対象となる単語の出現回数
閾値を与えるための相違度算出用出現回数閾値設定記憶
手段、２１８は２つの文書の単語と出現回数から２つの
文書の相違度を算出する文書相違度算出手段、２１９は
和文特許明細書からＩＰＣ（国際特許分類）コードを検
出する和文用ＩＰＣコード検出手段、２２０は英文特許
明細書からＩＰＣコードを検出する英文用ＩＰＣコード
検出手段、２２１はＩＰＣコード解析手段である。
【００３６】外部から新しい文書が文書記憶手段２０１
に記憶されるときには文書入力手段２０２が新しく記憶
した文書を読み出し、和文の場合には和文用単語解析手
段２０３で文書から単語を抽出し、和文用単語計数手段
２０４で品詞情報を伴う単語の出現回数を計数する。他
方、文書が英文の場合には英文用単語解析手段２０５で
文書から単語を抽出し、英文用単語計数手段２０６で品
詞情報を伴う単語の出現回数を計数する。
に記憶されるときには文書入力手段２０２が新しく記憶
した文書を読み出し、和文の場合には和文用単語解析手
段２０３で文書から単語を抽出し、和文用単語計数手段
２０４で品詞情報を伴う単語の出現回数を計数する。他
方、文書が英文の場合には英文用単語解析手段２０５で
文書から単語を抽出し、英文用単語計数手段２０６で品
詞情報を伴う単語の出現回数を計数する。
【００３７】なお、品詞解析システムとして日本語で
は、 ・奈良先端科学技術大学院大学の日本語形態素解析シス
テム「茶筌」 ・東京工業大学の形態素・構文解析用ツールＭＳＬＲパ
ーザ ・京都大学の日本語形態素解析システム ＪＵＭＡＮ ・ＮＴＴ基礎研究所の形態素解析システム「すもも」 などがあり、英語では、 ・米国ジョンホプキンス大学のTrainable Part of Spee
ch Tagger ・米国フランクリン大学のＭＸＰＯＳＴ（Maximum Entr
opy POS Tagger） ・英国ランカスター大学のＣＬＡＷＳ part-of-speech
tagger ・独国ザールランテ大学のＴｎＴ -- Statistical Pa
rt-of-Speech Tagging などがある。
は、 ・奈良先端科学技術大学院大学の日本語形態素解析シス
テム「茶筌」 ・東京工業大学の形態素・構文解析用ツールＭＳＬＲパ
ーザ ・京都大学の日本語形態素解析システム ＪＵＭＡＮ ・ＮＴＴ基礎研究所の形態素解析システム「すもも」 などがあり、英語では、 ・米国ジョンホプキンス大学のTrainable Part of Spee
ch Tagger ・米国フランクリン大学のＭＸＰＯＳＴ（Maximum Entr
opy POS Tagger） ・英国ランカスター大学のＣＬＡＷＳ part-of-speech
tagger ・独国ザールランテ大学のＴｎＴ -- Statistical Pa
rt-of-Speech Tagging などがある。
【００３８】第１の実施形態と大きく異なり、和文用単
語解析手段２０３では図１５の項番１に示す無特徴な品
詞の単語を出現回数の計数の対象外として出力しない。
記憶用出現回数閾値設定記憶手段２０７には記憶対象と
なる出現回数閾値を設定しておき、和文用無特徴単語記
憶手段２０８には図１５の項番２に示す特許明細書用無
特徴単語、項番３に示す特殊な動詞を格納しておく。英
文用無特徴単語記憶手段２０９には、図４〜図６の単
語、及び英字を格納しておく。
語解析手段２０３では図１５の項番１に示す無特徴な品
詞の単語を出現回数の計数の対象外として出力しない。
記憶用出現回数閾値設定記憶手段２０７には記憶対象と
なる出現回数閾値を設定しておき、和文用無特徴単語記
憶手段２０８には図１５の項番２に示す特許明細書用無
特徴単語、項番３に示す特殊な動詞を格納しておく。英
文用無特徴単語記憶手段２０９には、図４〜図６の単
語、及び英字を格納しておく。
【００３９】図１５において和文中の「する」及び「す
る」の活用形を無特徴な単語としている理由は、次のと
おりである。すなわち、特開平９−２９２９９４号公報
の特許明細書を単語解析したあと、「する」及び「す
る」の活用形を削除しないで出現回数の多い順に３０個
を図１６に示している。３番目、６番目、１２番目の
「する」、「さ」、「し」は「する」及びその活用形で
あり、非常に出現回数が多い。出現回数が多い理由は
「する」は「命令する」、「実行する」、「故障する」
などのように名詞に付けて使用される場合が多いからで
あり、本発明で異なる言語の間では名詞と動詞を対象と
し、更に動詞を対応する名詞に変換して最終的には名詞
で類似度、相違度を算出する理由もここにある。例を挙
げれば、英語の“ｅｘｅｃｕｔｅ”は日本語では「実
行」＋「する」となるからである。
る」の活用形を無特徴な単語としている理由は、次のと
おりである。すなわち、特開平９−２９２９９４号公報
の特許明細書を単語解析したあと、「する」及び「す
る」の活用形を削除しないで出現回数の多い順に３０個
を図１６に示している。３番目、６番目、１２番目の
「する」、「さ」、「し」は「する」及びその活用形で
あり、非常に出現回数が多い。出現回数が多い理由は
「する」は「命令する」、「実行する」、「故障する」
などのように名詞に付けて使用される場合が多いからで
あり、本発明で異なる言語の間では名詞と動詞を対象と
し、更に動詞を対応する名詞に変換して最終的には名詞
で類似度、相違度を算出する理由もここにある。例を挙
げれば、英語の“ｅｘｅｃｕｔｅ”は日本語では「実
行」＋「する」となるからである。
【００４０】さて、単語記憶手段２１０には新しい文書
の単語と品詞情報と出現回数との組が、記憶用出現回数
閾値設定記憶手段２０７から出力される出現回数閾値以
上の出現回数であり、加えて和文の場合には和文用無特
徴単語記憶手段２０８に記憶されていない単語のとき
に、また英文の場合には英文用無特徴単語記憶手段２０
９に記憶されていない単語のときにそれぞれ記憶され
る。
の単語と品詞情報と出現回数との組が、記憶用出現回数
閾値設定記憶手段２０７から出力される出現回数閾値以
上の出現回数であり、加えて和文の場合には和文用無特
徴単語記憶手段２０８に記憶されていない単語のとき
に、また英文の場合には英文用無特徴単語記憶手段２０
９に記憶されていない単語のときにそれぞれ記憶され
る。
【００４１】２つの文書を照合するとき、単語記憶手段
２１０から単語入力手段２１１が２つの文書の単語と品
詞情報と出現回数との組を読み出し、和文用動詞名詞変
換手段２１２で和文に対して動詞、名詞、品詞未定義以
外の単語は捨てられるとともに動詞は名詞に変換され、
更に名詞は名詞和英変換手段２１３によって英語に変換
されるとともに品詞未知語の英字単語はそのまま出力さ
れる一方、英文用動詞名詞変換手段２１４で英文に対し
て動詞、名詞、品詞未定義以外の単語は捨てられるとと
もに動詞は名詞に変換される。
２１０から単語入力手段２１１が２つの文書の単語と品
詞情報と出現回数との組を読み出し、和文用動詞名詞変
換手段２１２で和文に対して動詞、名詞、品詞未定義以
外の単語は捨てられるとともに動詞は名詞に変換され、
更に名詞は名詞和英変換手段２１３によって英語に変換
されるとともに品詞未知語の英字単語はそのまま出力さ
れる一方、英文用動詞名詞変換手段２１４で英文に対し
て動詞、名詞、品詞未定義以外の単語は捨てられるとと
もに動詞は名詞に変換される。
【００４２】そののち、類似度算出用出現回数閾値設定
記憶手段２１５に設定された出現回数閾値以上の出現回
数を持つ単語を類似度算出対象として、文書類似度算出
手段２１６では、２つの文書に共通に含まれる単語の出
現回数の各々の総和を各々の文書の全ての単語の出現回
数の総和によって除算することにより、各々の文書の類
似度を算出する。また、文書相違度算出手段２１８で
は、２つの文書に含まれる単語の出現回数の差が相違度
算出用出現回数閾値設定記憶手段２１７から与えられる
値以上の単語についての差を、それぞれ当該単語を多く
含んでいる方の文書に振り当てて総和をとり、当該総和
を各々の文書の全ての単語の出現回数の総和によって除
算することにより、各々の文書の相違度を算出する。
記憶手段２１５に設定された出現回数閾値以上の出現回
数を持つ単語を類似度算出対象として、文書類似度算出
手段２１６では、２つの文書に共通に含まれる単語の出
現回数の各々の総和を各々の文書の全ての単語の出現回
数の総和によって除算することにより、各々の文書の類
似度を算出する。また、文書相違度算出手段２１８で
は、２つの文書に含まれる単語の出現回数の差が相違度
算出用出現回数閾値設定記憶手段２１７から与えられる
値以上の単語についての差を、それぞれ当該単語を多く
含んでいる方の文書に振り当てて総和をとり、当該総和
を各々の文書の全ての単語の出現回数の総和によって除
算することにより、各々の文書の相違度を算出する。
【００４３】具体的な類似度の算出例を図１７に、相違
度の算出例を図１８にそれぞれ示す。日本国特許公開公
報と米国特許公報は、 日本国 特開平５−３１３８６１号：米国 特許５
２７８７８２号 日本国 特開平７−１６０４８１号：米国 特許５
５３７３４５号 日本国 特開平９−１６７０９３号：米国 特許５
７７４７３７号 日本国 特開平９−２９２９９４号：米国 特許６
０２１５１１号 のように対応している。図１７、図１８のそれぞれの値
を算出するにあたっては、２つの文書が異なる言語のと
きのみ、名詞と動詞を対象としている。
度の算出例を図１８にそれぞれ示す。日本国特許公開公
報と米国特許公報は、 日本国 特開平５−３１３８６１号：米国 特許５
２７８７８２号 日本国 特開平７−１６０４８１号：米国 特許５
５３７３４５号 日本国 特開平９−１６７０９３号：米国 特許５
７７４７３７号 日本国 特開平９−２９２９９４号：米国 特許６
０２１５１１号 のように対応している。図１７、図１８のそれぞれの値
を算出するにあたっては、２つの文書が異なる言語のと
きのみ、名詞と動詞を対象としている。
【００４４】なお、、、、の発明の名称はそれ
ぞれ、 開平演算装置 テーブル情報を利用する数学関数演算装置 可変語長ＶＬＩＷ命令プロセッサ プロセッサ のようになっており、の数学関数演算装置の例として
開平演算装置を含んでいるため、との類似度が大き
く、また、は故障に対して縮退構成で稼動可能なプロ
セッサの例としてＶＬＩＷ命令プロセッサを含んでいる
ため、との類似度が大きくなっている。
ぞれ、 開平演算装置 テーブル情報を利用する数学関数演算装置 可変語長ＶＬＩＷ命令プロセッサ プロセッサ のようになっており、の数学関数演算装置の例として
開平演算装置を含んでいるため、との類似度が大き
く、また、は故障に対して縮退構成で稼動可能なプロ
セッサの例としてＶＬＩＷ命令プロセッサを含んでいる
ため、との類似度が大きくなっている。
【００４５】和文と英文の特許明細書に関してはと
、と、と、とがそれぞれ対応するが、日
本語の単語を英語の単語に１対１で変換したため、類似
度は大きい値になってはいるが９０．０％を越えてはい
ない。１対Ｎの単語変換に対応できるようシソーラス辞
書を導入すれば改善される。
、と、と、とがそれぞれ対応するが、日
本語の単語を英語の単語に１対１で変換したため、類似
度は大きい値になってはいるが９０．０％を越えてはい
ない。１対Ｎの単語変換に対応できるようシソーラス辞
書を導入すれば改善される。
【００４６】図１４中の和文用ＩＰＣコード検出手段２
１９は、文書入力手段２０２を経由して読み出した特許
明細書が和文のときにＩＰＣコードを検出し、また英文
用ＩＰＣコード検出手段２２０は文書入力手段２０２を
経由して読み出した特許明細書が英文のときにＩＰＣコ
ードを検出する。ＩＰＣコード解析手段２２１では、照
合する２つの明細書でＩＰＣコードが一致しているかど
うか解析して、結果を出力する。
１９は、文書入力手段２０２を経由して読み出した特許
明細書が和文のときにＩＰＣコードを検出し、また英文
用ＩＰＣコード検出手段２２０は文書入力手段２０２を
経由して読み出した特許明細書が英文のときにＩＰＣコ
ードを検出する。ＩＰＣコード解析手段２２１では、照
合する２つの明細書でＩＰＣコードが一致しているかど
うか解析して、結果を出力する。
【００４７】なお、図１４中の単語記憶手段２１０に格
納すべき単語と出現回数とを文書記憶手段２０１の文書
中に含ませるようにしてもよい。
納すべき単語と出現回数とを文書記憶手段２０１の文書
中に含ませるようにしてもよい。
【００４８】
【発明の効果】以上説明したように、本発明によれば、
文書の内容に関係せず、内容が似ていない文書に対して
大きい類似度を与える無特徴文書構成要素と、出現回数
の少ない文書構成要素とを類似度及び相違度の算出から
除外したことによって、似ているものと似ていないもの
との類似度、相違度の差が大きくなり、文書照合装置と
しての精度を向上させることができる。また、特に相違
度によって２つの文書がどの程度異なっているかを数値
で表わすことができ、２つの文書が似ていない場合には
類似度が低いだけでなくて相違度が高いことによっても
これを裏付け、２つの文書が似ている場合には類似度が
高いだけでなく、相違度の値によってほとんど同じなの
か、より詳細な記述があるのか、又は別の内容が含まれ
ているのかを推定できるようになる。したがって、本発
明の文書照合装置によれば、例えば特許文献サーチにお
いて担当者間の熟練度の差異を吸収できる等の効果が得
られる。
文書の内容に関係せず、内容が似ていない文書に対して
大きい類似度を与える無特徴文書構成要素と、出現回数
の少ない文書構成要素とを類似度及び相違度の算出から
除外したことによって、似ているものと似ていないもの
との類似度、相違度の差が大きくなり、文書照合装置と
しての精度を向上させることができる。また、特に相違
度によって２つの文書がどの程度異なっているかを数値
で表わすことができ、２つの文書が似ていない場合には
類似度が低いだけでなくて相違度が高いことによっても
これを裏付け、２つの文書が似ている場合には類似度が
高いだけでなく、相違度の値によってほとんど同じなの
か、より詳細な記述があるのか、又は別の内容が含まれ
ているのかを推定できるようになる。したがって、本発
明の文書照合装置によれば、例えば特許文献サーチにお
いて担当者間の熟練度の差異を吸収できる等の効果が得
られる。
【００４９】また、本発明によれば、異なる言語の間で
は名詞と動詞を対象とし、更に動詞を対応する名詞に変
換して最終的には名詞で類似度、相違度を算出すること
としたので、異言語文書の照合にも適用可能な文書照合
装置を提供することができる。
は名詞と動詞を対象とし、更に動詞を対応する名詞に変
換して最終的には名詞で類似度、相違度を算出すること
としたので、異言語文書の照合にも適用可能な文書照合
装置を提供することができる。
【図１】本発明の第１の実施形態に係る文書照合装置の
構成を示すブロック図である。
構成を示すブロック図である。
【図２】図１中の文書構成要素抽出手段の説明図であ
る。
る。
【図３】図１中の文書構成要素抽出手段による抽出結果
の一例を示す説明図である。
の一例を示す説明図である。
【図４】図１中の無特徴文書構成要素記憶手段の記憶内
容の例を示す説明図である。
容の例を示す説明図である。
【図５】図４に続く説明図である。
【図６】図５に続く説明図である。
【図７】図４〜図６中の無特徴文書構成要素の削除効果
を示す説明図である。
を示す説明図である。
【図８】図１中の記憶用出現回数閾値設定記憶手段を設
けたことによる効果を示す説明図である。
けたことによる効果を示す説明図である。
【図９】ある和文特許文献の場合の図１中の文書構成要
素記憶手段の記憶内容の例を示す説明図である。
素記憶手段の記憶内容の例を示す説明図である。
【図１０】ある英文特許文献の場合の図１中の文書構成
要素記憶手段の記憶内容の例を示す説明図である。
要素記憶手段の記憶内容の例を示す説明図である。
【図１１】英文特許文献の場合の図１の文書照合装置に
よる類似度の算出例を示す説明図である。
よる類似度の算出例を示す説明図である。
【図１２】図１の文書照合装置において、ある２つの英
文特許文献Ａ及びＢの相違度の算出に用いられた、一方
の文献Ａでの出現回数の方が多い文書構成要素のリスト
を示す説明図である。
文特許文献Ａ及びＢの相違度の算出に用いられた、一方
の文献Ａでの出現回数の方が多い文書構成要素のリスト
を示す説明図である。
【図１３】他方の文献Ｂでの出現回数の方が多い文書構
成要素のリストを示す説明図である。
成要素のリストを示す説明図である。
【図１４】本発明の第２の実施形態に係る文書照合装置
の構成を示すブロック図である。
の構成を示すブロック図である。
【図１５】図１４中の和文用単語解析手段及び和文用無
特徴単語記憶手段を用いて照合対象から除外される単語
を示す説明図である。
特徴単語記憶手段を用いて照合対象から除外される単語
を示す説明図である。
【図１６】図１４中の和文用単語解析手段及び和文用単
語計数手段による処理結果の一例を示す説明図である。
語計数手段による処理結果の一例を示す説明図である。
【図１７】和文及び英文特許文献の場合の図１４の文書
照合装置による類似度の算出例を示す説明図である。
照合装置による類似度の算出例を示す説明図である。
【図１８】和文及び英文特許文献の場合の図１４の文書
照合装置による相違度の算出例を示す説明図である。
照合装置による相違度の算出例を示す説明図である。
１０１ 文書記憶手段
１０２ 文書入力手段
１０３ 文書構成要素抽出手段
１０４ 文書構成要素計数手段
１０５ 記憶用出現回数閾値設定記憶手段
１０６ 無特徴文書構成要素記憶手段
１０７ 文書構成要素記憶手段
１０８ 文書構成要素入力手段
１０９ 類似度算出用出現回数閾値設定記憶手段
１１０ 文書類似度算出手段
１１１ 相違度算出用出現回数閾値設定記憶手段
１１２ 文書相違度算出手段
１１３ ＩＰＣコード検出手段
１１４ ＩＰＣコード解析手段
２０１ 文書記憶手段
２０２ 文書入力手段
２０３ 和文用単語解析手段
２０４ 和文用単語計数手段
２０５ 英文用単語解析手段
２０６ 英文用単語計数手段
２０７ 記憶用出現回数閾値設定記憶手段
２０８ 和文用無特徴単語記憶手段
２０９ 英文用無特徴単語記憶手段
２１０ 単語記憶手段
２１１ 単語入力手段
２１２ 和文用動詞名詞変換手段
２１３ 名詞和英変換手段
２１４ 英文用動詞名詞変換手段
２１５ 類似度算出用出現回数閾値設定記憶手段
２１６ 文書類似度算出手段
２１７ 相違度算出用出現回数閾値設定記憶手段
２１８ 文書相違度算出手段
２１９ 和文用ＩＰＣコード検出手段
２２０ 英文用ＩＰＣコード検出手段
２２１ ＩＰＣコード解析手段
Claims (35)
- 【請求項１】 複数の文書を格納する文書記憶手段と、 前記文書記憶手段から文書を入力する文書入力手段と、 前記文書入力手段によって得られた文書から構成要素を
抽出する文書構成要素抽出手段と、 各々の文書構成要素が文書中に何個含まれているか計数
する文書構成要素計数手段と、 文書構成要素と出現回数とを組にして記憶する文書構成
要素記憶手段と、 前記文書構成要素記憶手段から２つの文書に対する、文
書構成要素とその出現回数とを入力する文書構成要素入
力手段と、 ２つの文書に共通に含まれる文書構成要素の出現回数の
各々の総和を、各々の文書の全ての文書構成要素の出現
回数の総和によって除算することにより、各々の文書の
類似度を算出する類似度算出手段とを備えたことを特徴
とする文書照合装置。 - 【請求項２】 請求項１記載の文書照合装置において、 記憶用出現回数閾値設定記憶手段を更に備え、当該記憶
用出現回数閾値設定記憶手段から出力される記憶用出現
回数閾値以上の出現回数を有する文書構成要素と出現回
数とを前記文書構成要素記憶手段に記憶することを特徴
とする文書照合装置。 - 【請求項３】 請求項１記載の文書照合装置において、 類似度算出用出現回数閾値設定手段を更に備え、前記文
書構成要素入力手段から文書構成要素と出現回数とを入
力して前記類似度算出手段で類似度を算出するときに、
類似度算出用出現回数閾値未満の出現回数を有する文書
構成要素を類似度の算出に使用しないことを特徴とする
文書照合装置。 - 【請求項４】 請求項１記載の文書照合装置において、 無特徴文書構成要素記憶手段を更に備え、文書構成要素
が当該無特徴文書構成要素記憶手段に格納されていると
きには前記文書構成要素記憶手段に当該文書構成要素と
出現回数とを格納しないことを特徴とする文書照合装
置。 - 【請求項５】 請求項１記載の文書照合装置において、 無特徴文書構成要素記憶手段を更に備え、文書構成要素
が当該無特徴文書構成要素記憶手段に格納されていると
きには前記類似度算出手段での類似度の算出において当
該文書構成要素と出現回数とを使用しないことを特徴と
する文書照合装置。 - 【請求項６】 請求項１記載の文書照合装置において、 ２つの文書の相違度を算出するときに対象となる文書構
成要素の出現回数閾値を与えるための相違度算出用出現
回数閾値設定記憶手段と、 ２つの文書に含まれる文書構成要素の出現回数の差が前
記相違度算出用出現回数閾値設定記憶手段から与えられ
る値以上の文書構成要素についての差を、それぞれ当該
文書構成要素を多く含んでいる方の文書に振り当てて総
和をとり、当該総和を各々の文書の全ての文書構成要素
の出現回数の総和によって除算することにより、各々の
文書の相違度を算出する相違度算出手段とを更に備えた
ことを特徴とする文書照合装置。 - 【請求項７】 請求項６記載の文書照合装置において、 無特徴文書構成要素記憶手段を更に備え、文書構成要素
が当該無特徴文書構成要素記憶手段に格納されていると
きには前記相違度算出手段での相違度の算出において当
該文書構成要素と出現回数とを使用しないことを特徴と
する文書照合装置。 - 【請求項８】 請求項１記載の文書照合装置において、 照合する２つの文書は特許明細書であり、 前記文書入力手段を経由して読み出した特許明細書から
国際特許分類（ＩＰＣ）コードを検出する手段と、 ２つの文書に同一ＩＰＣコードが含まれているかどうか
を検出するＩＰＣコード解析手段とを更に備えたことを
特徴とする文書照合装置。 - 【請求項９】 複数の文書を格納する文書記憶手段と、 前記文書記憶手段から文書を入力する文書入力手段と、 前記文書入力手段によって得られた文書から構成要素を
抽出する文書構成要素抽出手段と、 各々の文書構成要素が文書中に何個含まれているか計数
する文書構成要素計数手段と、 文書構成要素と出現回数とを組にして記憶する文書構成
要素記憶手段と、 前記文書構成要素記憶手段から２つの文書に対する、文
書構成要素とその出現回数とを入力する文書構成要素入
力手段と、 ２つの文書の相違度を算出するときに対象となる文書構
成要素の出現回数閾値を与えるための相違度算出用出現
回数閾値設定記憶手段と、 ２つの文書に含まれる文書構成要素の出現回数の差が前
記相違度算出用出現回数閾値設定記憶手段から与えられ
る値以上の文書構成要素についての差を、それぞれ当該
文書構成要素を多く含んでいる方の文書に振り当てて総
和をとり、当該総和を各々の文書の全ての文書構成要素
の出現回数の総和によって除算することにより、各々の
文書の相違度を算出する相違度算出手段とを備えたこと
を特徴とする文書照合装置。 - 【請求項１０】 請求項９記載の文書照合装置におい
て、 記憶用出現回数閾値設定記憶手段を更に備え、当該記憶
用出現回数閾値設定記憶手段から出力される記憶用出現
回数閾値以上の出現回数を有する文書構成要素と出現回
数とを前記文書構成要素記憶手段に記憶することを特徴
とする文書照合装置。 - 【請求項１１】 請求項９記載の文書照合装置におい
て、 無特徴文書構成要素記憶手段を更に備え、文書構成要素
が当該無特徴文書構成要素記憶手段に格納されていると
きには前記文書構成要素記憶手段に当該文書構成要素と
出現回数とを格納しないことを特徴とする文書照合装
置。 - 【請求項１２】 請求項９記載の文書照合装置におい
て、 無特徴文書構成要素記憶手段を更に備え、文書構成要素
が当該無特徴文書構成要素記憶手段に格納されていると
きには前記相違度算出手段での相違度の算出において当
該文書構成要素と出現回数とを使用しないことを特徴と
する文書照合装置。 - 【請求項１３】 請求項９記載の文書照合装置におい
て、 照合する２つの文書は特許明細書であり、 前記文書入力手段を経由して読み出した特許明細書から
国際特許分類（ＩＰＣ）コードを検出する手段と、 ２つの文書に同一ＩＰＣコードが含まれているかどうか
を検出するＩＰＣコード解析手段とを更に備えたことを
特徴とする文書照合装置。 - 【請求項１４】 複数の文書を格納する文書記憶手段
と、 前記文書記憶手段から文書を入力する文書入力手段と、 前記文書入力手段によって得られた文書から単語とその
品詞を解析する単語解析手段と、 品詞情報を複数持つ単語については品詞情報毎に、各々
の単語が文書中に何個含まれているか計数する単語計数
手段と、 単語と品詞情報と出現回数とを組にして記憶する単語記
憶手段と、 前記単語記憶手段から２つの文書に対する、単語と品詞
情報と出現回数とを入力する単語入力手段と、 ２つの文書に共通に含まれかつ品詞情報が一致している
単語の出現回数の各々の総和を、各々の文書の全ての単
語の出現回数の総和によって除算することにより、各々
の文書の類似度を算出する類似度算出手段とを備えたこ
とを特徴とする文書照合装置。 - 【請求項１５】 請求項１４記載の文書照合装置におい
て、 記憶用出現回数閾値設定記憶手段を更に備え、当該記憶
用出現回数閾値設定記憶手段から出力される記憶用出現
回数閾値以上の出現回数を有する単語と品詞情報と出現
回数とを前記単語記憶手段に記憶することを特徴とする
文書照合装置。 - 【請求項１６】 請求項１４記載の文書照合装置におい
て、 類似度算出用出現回数閾値設定手段を更に備え、前記単
語入力手段から単語と出現回数とを入力して前記類似度
算出手段で類似度を算出するときに、類似度算出用出現
回数閾値未満の出現回数を有する単語を類似度の算出に
使用しないことを特徴とする文書照合装置。 - 【請求項１７】 請求項１４記載の文書照合装置におい
て、 無特徴単語記憶手段を更に備え、単語が当該無特徴単語
記憶手段に格納されているときには前記単語記憶手段に
当該単語と出現回数とを格納しないことを特徴とする文
書照合装置。 - 【請求項１８】 請求項１４記載の文書照合装置におい
て、 無特徴単語記憶手段を更に備え、単語が当該無特徴単語
記憶手段に格納されているときには前記類似度算出手段
での類似度の算出において当該単語と出現回数とを使用
しないことを特徴とする文書照合装置。 - 【請求項１９】 請求項１４記載の文書照合装置におい
て、 照合する２つの文書は特許明細書であり、 前記文書入力手段を経由して読み出した特許明細書から
国際特許分類（ＩＰＣ）コードを検出する手段と、 ２つの文書に同一ＩＰＣコードが含まれているかどうか
を検出するＩＰＣコード解析手段とを更に備えたことを
特徴とする文書照合装置。 - 【請求項２０】 請求項１４記載の文書照合装置におい
て、 異なる言語間の名詞変換手段を更に備え、照合する２つ
の文書が異なる言語で記述されているときには、前記類
似度算出手段で類似度を算出する前に、前記単語記憶手
段から出力された単語に付加された品詞情報から名詞と
動詞以外は類似度の算出の対象外とするとともに、 動詞名詞変換手段を更に備え、動詞は対応する名詞に変
換し、名詞の出現回数を修正加算したあと、一方の文書
に含まれている単語を他方の言語に変換して類似度を算
出することを特徴とする文書照合装置。 - 【請求項２１】 請求項１４記載の文書照合装置におい
て、 動詞名詞変換手段を更に備え、名詞と動詞のときのみ、
かつ動詞は対応する名詞に変換し、名詞の出現回数を修
正加算したあと、前記単語記憶手段に格納することを特
徴とする文書照合装置。 - 【請求項２２】 請求項２１記載の文書照合装置におい
て、 異なる言語間の名詞変換手段を更に備え、照合する２つ
の文書が異なる言語で記述されているときには、前記類
似度算出手段で類似度を算出する前に、前記単語記憶手
段から出力された一方の文書に含まれている単語を他方
の言語に変換することを特徴とする文書照合装置。 - 【請求項２３】 請求項１４記載の文書照合装置におい
て、 ２つの文書の相違度を算出するときに対象となる単語の
出現回数閾値を与えるための相違度算出用出現回数閾値
設定記憶手段と、 ２つの文書に含まれかつ品詞情報が一致している単語の
出現回数の差が前記相違度算出用出現回数閾値設定記憶
手段から与えられる値以上の単語についての差を、それ
ぞれ当該単語を多く含んでいる方の文書に振り当てて総
和をとり、当該総和を各々の文書の全ての単語の出現回
数の総和によって除算することにより、各々の文書の相
違度を算出する相違度算出手段とを更に備えたことを特
徴とする文書照合装置。 - 【請求項２４】 請求項２３記載の文書照合装置におい
て、 無特徴単語記憶手段を更に備え、単語が当該無特徴単語
記憶手段に格納されているときには前記相違度算出手段
での相違度の算出において当該単語と出現回数とを使用
しないことを特徴とする文書照合装置。 - 【請求項２５】 請求項２３記載の文書照合装置におい
て、 異なる言語間の名詞変換手段を更に備え、照合する２つ
の文書が異なる言語で記述されているときには、前記相
違度算出手段で相違度を算出する前に、前記単語記憶手
段から出力された単語に付加された品詞情報から名詞と
動詞以外は相違度の算出の対象外とするとともに、 動詞名詞変換手段を更に備え、動詞は対応する名詞に変
換し、名詞の出現回数を修正加算したあと、一方の文書
に含まれている単語を他方の言語に変換して相違度を算
出することを特徴とする文書照合装置。 - 【請求項２６】 請求項２３記載の文書照合装置におい
て、 動詞名詞変換手段を更に備え、名詞と動詞のときのみ、
かつ動詞は対応する名詞に変換し、名詞の出現回数を修
正加算したあと、前記単語記憶手段に格納することを特
徴とする文書照合装置。 - 【請求項２７】 請求項２６記載の文書照合装置におい
て、 異なる言語間の名詞変換手段を更に備え、照合する２つ
の文書が異なる言語で記述されているときには、前記相
違度算出手段で相違度を算出する前に、前記単語記憶手
段から出力された一方の文書に含まれている単語を他方
の言語に変換することを特徴とする文書照合装置。 - 【請求項２８】 複数の文書を格納する文書記憶手段
と、 前記文書記憶手段から文書を入力する文書入力手段と、 前記文書入力手段によって得られた文書から単語とその
品詞を解析する単語解析手段と、 品詞情報を複数持つ単語については品詞情報毎に、各々
の単語が文書中に何個含まれているか計数する単語計数
手段と、 単語と品詞情報と出現回数とを組にして記憶する単語記
憶手段と、 前記単語記憶手段から２つの文書に対する、単語と品詞
情報と出現回数とを入力する単語入力手段と、 ２つの文書の相違度を算出するときに対象となる単語の
出現回数閾値を与えるための相違度算出用出現回数閾値
設定記憶手段と、 ２つの文書に含まれかつ品詞情報が一致している単語の
出現回数の差が前記相違度算出用出現回数閾値設定記憶
手段から与えられる値以上の単語についての差を、それ
ぞれ当該単語を多く含んでいる方の文書に振り当てて総
和をとり、当該総和を各々の文書の全ての単語の出現回
数の総和によって除算することにより、各々の文書の相
違度を算出する相違度算出手段とを備えたことを特徴と
する文書照合装置。 - 【請求項２９】 請求項２８記載の文書照合装置におい
て、 記憶用出現回数閾値設定記憶手段を更に備え、当該記憶
用出現回数閾値設定記憶手段から出力される記憶用出現
回数閾値以上の出現回数を有する単語と品詞情報と出現
回数とを前記単語記憶手段に記憶することを特徴とする
文書照合装置。 - 【請求項３０】 請求項２８記載の文書照合装置におい
て、 無特徴単語記憶手段を更に備え、単語が当該無特徴単語
記憶手段に格納されているときには前記単語記憶手段に
当該単語と出現回数とを格納しないことを特徴とする文
書照合装置。 - 【請求項３１】 請求項２８記載の文書照合装置におい
て、 無特徴単語記憶手段を更に備え、単語が当該無特徴単語
記憶手段に格納されているときには前記相違度算出手段
での相違度の算出において当該単語と出現回数とを使用
しないことを特徴とする文書照合装置。 - 【請求項３２】 請求項２８記載の文書照合装置におい
て、 照合する２つの文書は特許明細書であり、 前記文書入力手段を経由して読み出した特許明細書から
国際特許分類（ＩＰＣ）コードを検出する手段と、 ２つの文書に同一ＩＰＣコードが含まれているかどうか
を検出するＩＰＣコード解析手段とを更に備えたことを
特徴とする文書照合装置。 - 【請求項３３】 請求項２８記載の文書照合装置におい
て、 異なる言語間の名詞変換手段を更に備え、照合する２つ
の文書が異なる言語で記述されているときには、前記相
違度算出手段で相違度を算出する前に、前記単語記憶手
段から出力された単語に付加された品詞情報から名詞と
動詞以外は相違度の算出の対象外とするとともに、 動詞名詞変換手段を更に備え、動詞は対応する名詞に変
換し、名詞の出現回数を修正加算したあと、一方の文書
に含まれている単語を他方の言語に変換して相違度を算
出することを特徴とする文書照合装置。 - 【請求項３４】 請求項２８記載の文書照合装置におい
て、 動詞名詞変換手段を更に備え、名詞と動詞のときのみ、
かつ動詞は対応する名詞に変換し、名詞の出現回数を修
正加算したあと、前記単語記憶手段に格納することを特
徴とする文書照合装置。 - 【請求項３５】 請求項３４記載の文書照合装置におい
て、 異なる言語間の名詞変換手段を更に備え、照合する２つ
の文書が異なる言語で記述されているときには、前記相
違度算出手段で相違度を算出する前に、前記単語記憶手
段から出力された一方の文書に含まれている単語を他方
の言語に変換することを特徴とする文書照合装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002159177A JP3719666B2 (ja) | 2001-07-12 | 2002-05-31 | 文書照合装置 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001211632 | 2001-07-12 | ||
| JP2001-211632 | 2001-07-12 | ||
| JP2002159177A JP3719666B2 (ja) | 2001-07-12 | 2002-05-31 | 文書照合装置 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005085434A Division JP3830503B2 (ja) | 2001-07-12 | 2005-03-24 | 文書照合装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003091557A true JP2003091557A (ja) | 2003-03-28 |
| JP3719666B2 JP3719666B2 (ja) | 2005-11-24 |
Family
ID=26618572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002159177A Expired - Lifetime JP3719666B2 (ja) | 2001-07-12 | 2002-05-31 | 文書照合装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3719666B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008541272A (ja) * | 2005-05-09 | 2008-11-20 | プロビラ，インク． | 署名生成および関連性を有するマッチングエンジン |
| US8171002B2 (en) | 2005-05-09 | 2012-05-01 | Trend Micro Incorporated | Matching engine with signature generation |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0554037A (ja) * | 1991-08-28 | 1993-03-05 | Fujitsu Ltd | 文書分類方式 |
| JPH09218879A (ja) * | 1996-02-08 | 1997-08-19 | Fuji Xerox Co Ltd | 文書間類似度データ計算装置 |
| JP2001134599A (ja) * | 1999-11-08 | 2001-05-18 | Nippon Telegr & Teleph Corp <Ntt> | データベースの検索方法とその装置並びにデータベースの検索プログラムを記録した記録媒体 |
-
2002
- 2002-05-31 JP JP2002159177A patent/JP3719666B2/ja not_active Expired - Lifetime
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0554037A (ja) * | 1991-08-28 | 1993-03-05 | Fujitsu Ltd | 文書分類方式 |
| JPH09218879A (ja) * | 1996-02-08 | 1997-08-19 | Fuji Xerox Co Ltd | 文書間類似度データ計算装置 |
| JP2001134599A (ja) * | 1999-11-08 | 2001-05-18 | Nippon Telegr & Teleph Corp <Ntt> | データベースの検索方法とその装置並びにデータベースの検索プログラムを記録した記録媒体 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008541272A (ja) * | 2005-05-09 | 2008-11-20 | プロビラ，インク． | 署名生成および関連性を有するマッチングエンジン |
| US8171002B2 (en) | 2005-05-09 | 2012-05-01 | Trend Micro Incorporated | Matching engine with signature generation |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3719666B2 (ja) | 2005-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7010515B2 (en) | Text comparison apparatus | |
| US7269544B2 (en) | System and method for identifying special word usage in a document | |
| Srihari et al. | Infoxtract: A customizable intermediate level information extraction engine | |
| JP2742115B2 (ja) | 類似文書検索装置 | |
| EP3016002A1 (en) | Non-factoid question-and-answer system and method | |
| US20070179932A1 (en) | Method for finding data, research engine and microprocessor therefor | |
| Venkatapathy et al. | Measuring the relative compositionality of verb-noun (VN) collocations by integrating features | |
| US7475005B2 (en) | Translation system, dictionary updating server, translation method, and program and recording medium for use therein | |
| JP4534666B2 (ja) | テキスト文検索装置及びテキスト文検索プログラム | |
| KR100481580B1 (ko) | 문서에서 이벤트 문장을 추출하는 장치 및 그 방법 | |
| JP5564705B2 (ja) | 文構造解析装置、文構造解析方法および文構造解析プログラム | |
| Akram et al. | Word segmentation for Urdu OCR system | |
| Nagalavi et al. | N-gram Word prediction language models to identify the sequence of article blocks in English e-newspapers | |
| Onyenwe et al. | Toward an effective igbo part-of-speech tagger | |
| Panahandeh et al. | Correction of spaces in Persian sentences for tokenization | |
| JP3719666B2 (ja) | 文書照合装置 | |
| CN113330430B (zh) | 语句结构向量化装置、语句结构向量化方法及记录有语句结构向量化程序的记录介质 | |
| JP2007128224A (ja) | 文書インデキシング装置、文書インデキシング方法及び文書インデキシングプログラム | |
| JP3830503B2 (ja) | 文書照合装置 | |
| Taghva et al. | Farsi searching and display technologies | |
| JP2004280316A (ja) | 分野判定装置及び言語処理装置 | |
| JP3752535B2 (ja) | 訳語選択装置、及び翻訳装置 | |
| Minn et al. | Myanmar word stemming and part-of-speech tagging using rule based approach | |
| JPH08115330A (ja) | 類似文書検索方法および装置 | |
| Amami et al. | A framework for biological event extraction from text |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050125 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050324 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050524 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050719 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050816 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050902 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080916 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090916 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090916 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100916 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110916 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120916 Year of fee payment: 7 |