JP2003108579A - 文書検索装置及び文書検索方法 - Google Patents

Abstract

(57)【要約】 【課題】 効率的に検索精度を高めることができる類似
文書検索装置及び類似文書検索方法を提供すること。 【解決手段】 検索キー文書及び検索対象文書に含まれ
る単語について、上位語をシソーラス辞書６から採用
し、この単語と上位語を用いて一度目の検索を行う。こ
の検索により絞り込まれた検索対象文書と検索キー文書
に含まれる単語について、下位語をシソーラス辞書６か
ら採用し、この単語と下位語を用いて二度目の検索を実
行する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は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ともに、情報処理
機器やユーザが取り扱う情報量は飛躍的に増大してい
る。特に文書をテキストデータとして取り扱う場合、記
憶媒体の高容量化により、多くのデータを保存すること
が可能となっている。このような多くの情報の中から、
所望のデータを検索・抽出するための技術についての要
望が高まっている。

【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技術として、類
似文書検索装置がある。類似文書検索装置は、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。

【０００４】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。
検索対象文書を、検索キー文書の同分野に絞り込み、絞
り込んだ結果に対して類似文献の抽出処理を行なってい
る。

【０００５】この際、検索キー文書に含まれる単語をシ
ソーラス辞書を用いて検索する範囲を広げるような技術
も存在する。このような技術の例として、特開平９−１
９８３９３号公報に開示された発明がある。

【０００６】

【発明が解決しようとする課題】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。文書数を絞り込みながら何段階かに
わたって行う段階検索においても、検索キー分書中に含
まれている単語により類似度の算出処理を行なってい
る。

【０００７】このように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、同じ分野の文書であり
ながら、文書に記載されている単語の表記が異なるた
め、分野が異なると判断されてしまう場合がある。この
場合、目的とする類似文書が検索対象から排除されてし
まうという問題が有った。また、シソーラス辞書を用い
た検索においても、効率・精度の面で問題があった。

【０００８】

【課題を解決するための手段】この発明は、文書を検索
キーとして検索対象文書から類似文書を検索する文書検
索装置であって、前記検索対象文書の中から検索対象単
語を抽出する検索対象単語抽出手段と、前記検索キーと
なる文書から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、前記検索対象単語抽出手段及び前記検索
キー単語抽出手段により抽出された単語の上位語を抽出
する上位語抽出手段と、前記検索対象単語抽出手段及び
前記検索キー単語抽出手段により得られた単語と前期上
位語抽出手段により得られた上位語を元に、前記検索キ
ー文書と前記検索対象文書の第一の類似度を求める第一
類似度算出手段と、前記第一類似度算出手段により求め
られた第一の類似度に基づき前記検索対象文書を絞り込
む絞り込み手段と、前記絞り込み手段により絞り込まれ
た検索対象文書について検索対象単語抽出手段により抽
出された単語の下位語と、前記検索キー単語抽出手段に
より抽出された単語の下位語を抽出する下位語抽出手段
と、前記絞り込み手段により絞り込まれた検索対象文書
について前記検索対象単語抽出手段により得られた単語
と、前記キー単語抽出手段により得られた単語と、前記
下位語抽出手段により得られた下位語をもとに、前記検
索キー文書と前記絞り込まれた検索対象文書の第二の類
似度を求める第二類似度算出手段と、前記第二類似度算
出手段により算出された類似度に基づき検索結果を出力
する出力手段とを具備することを特徴とする。

【０００９】このような構成によれば、効率的に検索精
度を高めることができる類似文書検索装置及び類似文書
検索方法を提供することが可能となる。

【００１０】

【発明の実施の形態】以下、本発明の第一の実施形態に
ついて、図面を参照しながら説明する。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、シソーラスの情報が格納されるシソーラス
辞書６から構成される。

【００１１】図２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２００、初期化部２０１、入力部２０２、出力部２０
３、検索対象文書読み出し部２０４、検索対象文書単語
抽出部２０５、検索キー文書入力部２０６、検索キー単
語抽出部２０７、検索条件設定部２０８、上位語抽出部
２０９、下位語抽出部２１０、検索対象文書絞り込み部
２１１、類似度算出部２１２、ソート部２１３、検索結
果出力部２１４等から構成される。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２３
２、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２３４、上位語情報格納バッファ部
２３５、下位語情報格納バッファ部２３６、文書絞り込
み結果格納バッファ部２３７、類似度格納バッファ部２
３８、ソート結果格納バッファ部２３９、検索結果出力
バッファ部２４０、作業バッファ部２４１などから構成
される。

【００１２】各部の動作を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２０
２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。

【００１３】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。

【００１４】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。そして、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２３２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。

【００１５】検索キー文書入力部２０６、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２３４に格納する。

【００１６】検索キー単語抽出部２０７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。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２３４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。

【００１７】検索条件設定部２０８は、入力部２０２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２３０に格納す
る。

【００１８】上位語抽出部２０９は、検索キー単語格納
バッファ部２３４と検索対象単語情報格納バッファ部２
３２に格納された単語情報の上位語をシソーラス辞書６
から抽出し、上位語情報格納バッファ部２３５に格納す
る。

【００１９】下位語抽出部２１０は、検索キー単語格納
バッファ部２３４と検索対象単語情報格納バッファ部２
３２に格納された単語情報の下位語をシソーラス辞書６
から抽出し、下位語情報格納バッファ部２３６に格納す
る。

【００２０】検索対象文書絞り込み部２１１は、検索キ
ー単語格納バッファ部２３４と検索対象単語情報格納バ
ッファ部２３２と上位語情報格納バッファ２３５から、
検索キー文書と検索対象文書の類似度を計り、検索対象
文書と検索キー文書の類似度が検索条件設定バッファ２
３０に指定された条件に合致する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２３７に格納する。

【００２１】類似度算出部２１２は、検索キー単語情報
格納バッファ部２３４と検索対象単語情報格納バッファ
部２３２と下位語情報格納バッファ部２３６から、検索
キー文書と文書絞り込み結果格納バッファ部２３７に格
納された検索対象文書の類似度を計り、その類似度値を
類似度格納バッファ部２３８に格納する。

【００２２】ソート部２１３は、類似度格納バッファ部
２３８に格納された類似度を元に、降順にソートを行な
い、ソートを行なった結果の文書情報（例えば、文書I
D）をソート結果格納バッファ部２３９に格納する。

【００２３】検索結果出力部２１４は、ソート結果格納
バッファ部２３９に格納されている類似度によりソート
済みの検索対象文書の情報（例えば、文書IDや類似度）
を検索結果出力バッファ部２４０に格納する。そして、
検索結果出力バッファ部２４０の内容を表示装置３に出
力する。

【００２４】次に本実施形態における類似文書検索装置
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。

【００２５】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
２０８が起動し、第一の検索処理に於いて検索対象文書
を絞り込むための条件（類似度による閾値など）を入力
装置より設定する。設定した内容は検索条件設定バッフ
ァ部２２９に格納される（ステップ３０１）。本実施例
では、検索キー文書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、「絞り込み閾値(類似度)＝０．２」
と設定されているとする。第一の検索処理で実行された
類似度計算で、類似度が０．２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。

【００２６】続いて、検索キー文書入力部２０６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)。ここでユーザが読み込ませる文
書については、ユーザが適宜選択することが可能であ
る。一つの文に限らず、複数の文からなる文章を入力す
ることも可能である。

【００２７】続いて、検索キー単語抽出部２０７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。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３０３)。

【００２８】続いて、上位語抽出部２０９が起動し、検
索キー単語情報格納バッファ部２３４に格納されている
単語の上位語の取得を行なう。上位語の取得にはシソー
ラス辞書６を用いる。取得された上位語は上位語情報格
納バッファ部２３５へと格納される(ステップ３０４)。
ここで用いるシソーラス辞書６は前もって作成されてお
り、システムに提供されている。容量が大きくなる可能
性がある場合は、検索を行う対象となる分野に特化した
シソーラス辞書を用いることができる。

【００２９】例えば、図５のような「肉料理で使う鍋」
という文書を検索キー文書とし、シソーラス辞書として
及び図６のようなシソーラス辞書を用いた場合を考え
る。

【００３０】シソーラス辞書の例として、図６におい
て、料理グループについては、「料理」が上位語として
記憶され、その下位語として「魚料理」、「肉料理」が
記憶されている。さらに、「魚料理」の下位語として
「ムニエル」、「刺し身」が記憶され、「肉料理」の下
位語として「ステーキ」、「すき焼き」が記憶されてい
る。同様に、調理器グループについては、「調理器」が
上位語として記憶され、その下位語として「加熱調理
具」、「鍋」が記憶されている。さらに、「加熱調理
具」の下位語として「電子レンジ」、「オーブン」が記
憶され、「鍋」の下位語として「フライパン」、「すき
焼き鍋」が記憶されている。

【００３１】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及び上位語情
報格納バッファ部２３５の内容は、図７のようになる。
すなわち、まず検索キー文書から単語切りにより「肉料
理」、「使う」、「鍋」といった単語が得られる。続い
て、単語「肉料理」の上位語としてシソーラス辞書６か
ら「料理」という単語が得られ、単語「鍋」の上位語と
して「調理器」という単語が得られる。

【００３２】ここで、シソーラス辞書６の例として階層
が３段階のものを例としているが、もちろんこれよりも
階層数が多い辞書を用いることも可能である。その場
合、検索キー単語からどの程度（何階層）上位の単語ま
でを上位語として使用するかはユーザが適宜設定するこ
とができる。最上位の単語のみを使用するような設定も
可能である。

【００３３】以下、ステップ３０６からステップ３１１
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３０５)。

【００３４】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
６)。

【００３５】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３０７)。

【００３６】続いて、上位語抽出部２０９が起動し、検
索対象単語情報格納バッファ部２３２に格納されている
単語の上位語の取得を行なう。上位語の取得にはシソー
ラス辞書６を用いる。取得された上位語は上位語情報格
納バッファ部２３５へと格納される(ステップ３０８)。

【００３７】この上位語の取得は、上述の検索キー文書
における上位語の取得と同様に行う。例えば、図８のよ
うな「ムニエルで使い易いフライパン」という文書Ａと
「魚料理のための加熱調理具」という文書Ｂについて、
図６のようなシソーラス辞書を用いて上位語の取得を行
った場合、ステップ３０７及びステップ３０８実行後の
検索対象単語情報格納バッファ部２３２及び上位語情報
格納バッファ部２３５の内容は、図９のようになる。

【００３８】文書Ａについては、単語「ムニエル」が含
まれる料理グループの最上位語である「料理」と、単語
「フライパン」が含まれる調理器グループの最上位語で
ある「調理器」を上位語として採用している。なおここ
で、ユーザの設定によって中間階層に存在する「魚料
理」や「鍋」を追加するようにしても構わない。文書Ｂ
については、単語「魚料理」が含まれる料理グループの
最上位語である「料理」と、単語「加熱調理具」が含ま
れる調理器グループの最上位語である「調理器」を上位
語として採用している。文書Ｂの例では、各グループで
の最上位語と、直近の上位語とが一致している。

【００３９】続いて、検索対象文書絞り込み部２１１が
起動し、検索対象文書の絞り込みを行なう。絞り込み
は、検索キー単語情報格納バッファ部２３４と検索対象
単語情報格納バッファ部２３２と上位語情報格納バッフ
ァ部２３５とを用いて、類似度計算を行ない(ステップ
３０９)、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３１
０)、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３１１)。本実施
例では、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。

【００４０】類似度計算の例について図１０を参照して
以下の通り説明する。本実施形態の類似度算出式とし
て、類似度を、「検索対象文書と検索キー文書の一致し
た単語数」を「検索キー文書の単語数」で除した値とし
て定義する。この定義によれば、検索対象文書の単語と
検索キー文書の単語が全て一致した場合に最大の１とな
り、検索対象文書の単語と検索キー文書の単語が全く一
致しなかった場合に最小の０となる。図７に示した検索
キー文書と図８に示した検索対象文書Ａ及びＢについて
それぞれ計算を行った場合を図１０に示す。検索対象文
書Ａについては、検索キー文書の単語及び上位語の５つ
の単語に対して、検索対照文書と検索キー文書の一致し
た単語が２つ（「料理」、「調理器」）存在するので、
類似度は０．４となる。ここで、仮に本発明の特徴であ
る上位語の取得が無かった場合は、類似度が０となって
しまうところであった。検索対象文書Ｂについても同様
に類似度は０．４となる。このようにして各検索対象文
書について類似度の計算を行い、類似度の高い順にソー
トした文書絞り込み結果の格納例を図１１に示す。

【００４１】続いて、下位語抽出部２１０が起動し、検
索キー単語情報格納バッファ部２３４に格納されている
単語の下位語の取得を行なう。下位語の取得にはシソー
ラス辞書６を用いる。取得された下位語は下位語情報格
納バッファ部２３６へと格納される(ステップ３１２)。
例えば、上述した図５のような文書及び図６のようなシ
ソーラス辞書であった場合、ステップ３１２実行後の検
索キー単語情報格納バッファ部２３４及び下位語情報格
納バッファ部２３５の内容は、図１２のようになる。す
なわち、検索キー単語の「肉料理」については、その下
位語である「ステーキ」及び「すき焼き」を、同じく検
索キー単語の「鍋」についてはその下位語である「フラ
イパン」及び「すき焼き鍋」を採用する。

【００４２】続いて、ステップ３１１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３１３)。取得する情報は文書のＩＤ
である。

【００４３】以下、ステップ３１５〜ステップ３１８
は、ステップ３１３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３１４)。

【００４４】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
５)。

【００４５】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３１６)。

【００４６】続いて、下位語抽出部２１０が起動し、検
索対象単語情報格納バッファ部２３２に格納されている
単語の下位語の取得を行なう。下位語の取得にはシソー
ラス辞書６を用いる。取得された下位語は下位語情報格
納バッファ部２３６へと格納される(ステップ３１７)。
例えば、上述の図８のような文書及び図６のようなシソ
ーラス辞書であった場合、ステップ３１６及びステップ
３１７実行後の検索対象単語情報格納バッファ部２３２
及び下位語情報格納バッファ部２３６の内容は、図１３
のようになる。

【００４７】すなわち、文書Ａについて、単語「ムニエ
ル」、「フライパン」については下位語が無いので、そ
のまま流用する。文書Ｂについて、単語「魚料理」につ
いては下位語として「ムニエル」と「刺し身」を採用す
る。単語「加熱調理具」については下位語として「電子
レンジ」と「オーブン」を採用する。

【００４８】なお、ここでシソーラス辞書６の例として
階層が３段階のものを例としているが、上位語の採用の
時と同様に、階層数が多い辞書を用いることも可能であ
る。その場合、検索キー単語からどの程度（何階層）下
位の単語までを下位語として使用するかはユーザが適宜
設定することができる。最下位の単語のみを使用する設
定も可能であるが、類似度の算出の観点からは好ましく
ない。

【００４９】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と検索キー単語情報
格納バッファ部２３４と下位語情報格納バッファ部２３
６とを用いて、共通して出現する単語の数により類似度
を算出し、その類似度値を類似度格納バッファ部２３８
に格納する（ステップ３１８）。図１４に類似度計算式
の例を示す。この類似度計算式は図１０にて説明したも
のと同じものである。検索対象文書Ａについては、検索
キー文書の単語及び下位語７つに対して、検索対象文書
Ａの単語「フライパン」の一つが一致しているので、類
似度としては０．１４となる。一方、検索対象文書Ｂに
ついては、一致する単語が存在しないので、類似度は０
となる。

【００５０】全ての検索対象文書について類似度が取得
されたら、ソート部２１３が起動し、ステップ３１８で
取得された類似度格納バッファ部２３８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。ソートを行な
った結果はソート結果格納バッファ部２３９へ格納され
る(ステップ３２３)。

【００５１】続いて、検索結果出力部２１４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、ソート結果格納バッファ部２３９に
格納されたソート結果順に検索結果出力バッファ部２４
０に格納する。そして、検索結果出力バッファ部２４０
の内容を表示装置３に出力する(ステップ３２０)。図１
５に出力結果の例を示す。これらの一連の流れにより、
処理が行われる。

【００５２】以上説明したとおり、絞り込み処理で、上
位語を用いる事により、通常使用される単語ではなく広
義の単語を使用する事が可能となり、下位語に比べて広
い意味、つまり分野による検索処理を行なう事が出来
る。そうする事により、同分野でありながら、単語の表
記上の違いで排除されてしまうような検索対象文書を救
う事が可能となる。また、逆に、類似度算出によって順
位付けを行なう際は、下位語を用いる事で、狭義の単語
で一致している文書の類似度を上げる事が可能となり、
より内容の類似した文書を類似度の上位とする事が可能
となる。

【００５３】従来の類似文書検索手段では、図８に示し
たような、文書の指し示す目的や分野が似通っていて
も、共通となる単語が存在しないため絞り込みによる除
外の対象となる文書が存在した。本発明によれば、この
ような文書に対しても、上位語を用いる事で文書の類似
度を上げる事が可能となり、絞り込みによる除外の対象
から外す事が可能である。

【００５４】これだけでは上位語という広義の単語によ
り、単語の一致する文書が増大、ノイズとなる文書も含
まれる可能性がある。しかし本発明によれば更に、これ
らのノイズとなる文書を類似度順位の下位に追いやるた
めに、より狭義な単語である下位語を用いて、類似度を
算出する。そうする事で、狭義な意味で類似度の高い文
書を類似度上位に持ってくる事が可能である。

【００５５】

【発明の効果】以上説明したように、この発明によれ
ば、効率的に検索精度を高めることができる類似文書検
索装置及び類似文書検索方法を提供することが可能とな
る。

【図面の簡単な説明】

【図１】本発明における類似文書検索装置の構成を示す
ブロック図。

【図２】制御装置のブロック図。

【図３】本発明の動作を示すフローチャート図。

【図４】類似文書検索の条件入力画面の例を示す図。

【図５】検索キー文書の例を示す図。

【図６】シソーラス辞書のシソーラス情報の例を示す
図。

【図７】検索キー単語情報格納バッファ部及び上位語情
報バッファ部のデータ構造を示す図。

【図８】検索対象文書の例を示す図。

【図９】検索対象単語情報格納バッファ部及び上位語情
報バッファ部のデータ構造を示す図。

【図１０】類似度の算出式について示す図。

【図１１】文書絞り込み結果格納バッファ部のデータ構
造について示す図。

【図１２】検索キー単語情報格納バッファ部及び下位語
情報バッファ部のデータ構造を示す図。

【図１３】検索対象単語情報格納バッファ部及び下位語
情報バッファ部のデータ構造を示す図。

【図１４】類似度の算出式について示す図。

【図１５】類似文書検索の結果画面について示す図。

【符号の説明】

１…制御装置、２…入力装置、３…表示装置、４…外部
記憶装置、５…形態素解析辞書、６…シソーラス辞書、
２００…メイン処理部、２０１…初期化部、２０２…入
力部、２０３…出力部、２０４…検索対象文書読み出し
部、２０５…検索対象文書単語抽出部、２０６…検索キ
ー文書入力部、２０７…検索キー単語抽出部、２０８…
検索条件設定部、２０９…上位語抽出部、２１０…下位
語抽出部、２１１…検索対象文書絞り込み部、２１２…
類似度算出部、２１３…ソート部、２１４…検索結果出
力部、２３０…検索条件設定バッファ部、２３１…検索
対象文書格納バッファ部、２３２…検索対象単語情報格
納バッファ部、２３３…検索キー文書格納バッファ部、
２３４…検索キー単語情報格納バッファ部、２３５…上
位語情報格納バッファ部、２３６…下位語情報格納バッ
ファ部、２３７…文書絞り込み結果格納バッファ部、２
３８…類似度格納バッファ部、２３９…ソート結果格納
バッファ部、２４０…検索結果出力バッファ部、２４１
…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 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 (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 Ｆターム(参考） 5B075 ND03 NK32 PP28 PR06 QM08 QP03 UU06

Claims (4)

【特許請求の範囲】
1. 【請求項１】 文書を検索キーとして検索対象文書から
   類似文書を検索する文書検索装置であって、 前記検索対象文書の中から検索対象単語を抽出する検索
   対象単語抽出手段と、 前記検索キーとなる文書から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、 前記検索対象単語抽出手段及び前記検索キー単語抽出手
   段により抽出された単語の上位語を抽出する上位語抽出
   手段と、 前記検索対象単語抽出手段及び前記検索キー単語抽出手
   段により得られた単語と前期上位語抽出手段により得ら
   れた上位語を元に、前記検索キー文書と前記検索対象文
   書の第一の類似度を求める第一類似度算出手段と、 前記第一類似度算出手段により求められた第一の類似度
   に基づき前記検索対象文書を絞り込む絞り込み手段と、 前記絞り込み手段により絞り込まれた検索対象文書につ
   いて検索対象単語抽出手段により抽出された単語の下位
   語と、前記検索キー単語抽出手段により抽出された単語
   の下位語を抽出する下位語抽出手段と、 前記絞り込み手段により絞り込まれた検索対象文書につ
   いて前記検索対象単語抽出手段により得られた単語と、
   前記キー単語抽出手段により得られた単語と、前記下位
   語抽出手段により得られた下位語をもとに、前記検索キ
   ー文書と前記絞り込まれた検索対象文書の第二の類似度
   を求める第二類似度算出手段と、 前記第二類似度算出手段により算出された類似度に基づ
   き検索結果を出力する出力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】前記文書検索装置は更に、所定の単語の上
   位単語や下位語を格納したシソーラス辞書を具備し、前
   記上位単語抽出手段はこのシソーラス辞書に基づき、前
   記上位単語を抽出し、前記下位語抽出手段はこのシソー
   ラス辞書に基づき、前記下位語を抽出することを特徴と
   する請求項１記載の文書検索装置。
3. 【請求項３】前記出力装置は更に、前記第二類似度算出
   手段により求められた類似度に基づき前記絞り込まれた
   検索対象文書をソートするソート手段を具備し、ソート
   結果を出力することを特徴とする請求項１または２記載
   の文書検索装置。
4. 【請求項４】文書を検索キーとして検索対象文書から類
   似文書を検索する文書検索方法であって、 前記検索対象文書の中から検索対象単語を抽出する検索
   対象単語抽出ステップと、 前記検索キーとなる文書から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、 前記検索対象単語抽出ステップ及び前記検索キー単語抽
   出ステップにより抽出された単語の上位語を抽出する上
   位語抽出ステップと、 前記検索対象単語抽出ステップ及び前記検索キー単語抽
   出ステップにより得られた単語と前期上位語抽出ステッ
   プにより得られた上位語を元に、前記検索キー文書と前
   記検索対象文書の第一の類似度を求める第一類似度算出
   ステップと、 前記第一類似度算出ステップにより求められた第一の類
   似度に基づき前記検索対象文書を絞り込む絞り込みステ
   ップと、 前記絞り込みステップにより絞り込まれた検索対象文書
   について検索対象単語抽出ステップにより抽出された単
   語の下位語と、前記検索キー単語抽出ステップにより抽
   出された単語の下位語を抽出する下位語抽出ステップ
   と、 前記絞り込みステップにより絞り込まれた検索対象文書
   について前記検索対象単語抽出ステップにより得られた
   単語と、前記キー単語抽出ステップにより得られた単語
   と、前記下位語抽出ステップにより得られた下位語をも
   とに、前記検索キー文書と前記絞り込まれた検索対象文
   書の第二の類似度を求める第二類似度算出ステップと、 前記第二類似度算出ステップにより算出された類似度に
   基づき検索結果を出力する出力ステップとを具備するこ
   とを特徴とする文書検索方法。