JP2004334803A

JP2004334803A - 文書検索装置

Info

Publication number: JP2004334803A
Application number: JP2003133629A
Authority: JP
Inventors: Yosuke Kunishi; 洋介国司
Original assignee: Shin Etsu Polymer Co Ltd; Shin Etsu Chemical Co Ltd
Current assignee: Shin Etsu Polymer Co Ltd; Shin Etsu Chemical Co Ltd
Priority date: 2003-05-12
Filing date: 2003-05-12
Publication date: 2004-11-25

Abstract

【課題】検索結果に占めるノイズの割合が小さい文書検索装置を提供する。
【解決手段】文書検索装置１は、入力手段１０、一次抽出手段３０、類似度算出手段４０、二次抽出手段５０、及び出力手段６０を備える。入力手段１０は、論理検索条件及び基準文書を入力するためのものである。一次抽出手段３０は、検索対象文書の中から、論理検索条件を満たすものを抽出する。類似度算出手段４０は、一次抽出手段３０により抽出された文書のそれぞれについて基準文書と類似する程度を表す類似度を算出する。二次抽出手段５０は、一次抽出手段３０により抽出された文書の中から、基準値以上の類似度をもつものを抽出する。出力手段６０は、二次抽出手段５０による抽出結果を出力する。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、検索対象となる複数の検索対象文書の中から所望の文書を検索する文書検索装置に関する。
【０００２】
【従来の技術】
多数の文書の中から特定の文書を検索する手法としては、論理検索が多用されている。この検索手法は、文書の分類及び著者等の書誌的事項、並びに文書中の文字列等からなるキーワードを、論理和、論理積及び否定等で組み合わせたものを検索条件とし、その条件を満たす文書を抽出するというものである。
【０００３】
【特許文献１】
特開平２００２−０２４２８０号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、論理検索においては、検索条件の決定に熟練を要し、それゆえ多数の文書の中から所望の文書を漏れなく検索することが困難である。また、適切な検索条件を決定できたとしても、文書中における同音異義語、同義語及び表記揺れの存在、並びに文脈による単語の意味の変化等のために、論理検索において漏れのない検索を行うことは事実上不可能である。
【０００５】
そこで、検索漏れを少なくするためには、検索条件を緩めたり、或いは検索対象を広げたりすることが考えられる。しかし、この場合には、抽出された文書の中に含まれる意図しない文書の割合、すなわちノイズの割合が増大する。そして、ノイズの割合が大ければ大きいほど、抽出された文書の中から所望の文書だけを人手によって抜き出す作業負担も大きくなってしまうという問題がある。
【０００６】
ところで、近年では、上述の論理検索に対して、概念検索、或いは類似文書検索という検索手法が存在する。概念検索においては、自然語の文章が検索条件とされ、その文章を構成する個々の単語の意味ベクトルに基づいて文書の検索が行われる。また、類似文書検索においては、所望の文書に近い内容を有する基準文書が予め用意され、その基準文書に基づいて文書の検索が行われる（例えば、特許文献１参照）。これらの検索手法は、論理検索に比べると、検索漏れが少ないという利点がある。
【０００７】
しかしながら、概念検索及び類似文書検索の何れにおいても、検索結果におけるノイズの割合が大きく、それゆえ、所望の文書だけを得るには、やはり人手による甚大な抜出し作業が欠かせない。
【０００８】
そこで、本発明は、上記課題に鑑みてなされたものであり、検索結果に占めるノイズの割合が小さい文書検索装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記課題を解決するために、本発明による文書検索装置は、検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、（１）一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件と、所望の文書と近い内容を有する基準文書とを入力する入力手段と、（２）入力手段により入力された論理検索条件に基づいて複数の検索対象文書のそれぞれに対して論理検索を行うことにより、複数の検索対象文書のうち論理検索条件を満たすものを抽出する一次抽出手段と、（３）一次抽出手段により抽出された検索対象文書のそれぞれに対し、入力手段により入力された基準文書との比較を行うことにより、基準文書と類似する程度を表す類似度を算出する類似度算出手段と、（４）一次抽出手段により抽出された検索対象文書のうち、類似度算出手段により算出された類似度が所定の基準値以上であるものを抽出する二次抽出手段と、（５）二次抽出手段における抽出結果を出力する出力手段と、を備えることを特徴とする。
【００１０】
この文書検索装置においては、複数の検索対象文書に対し、先ず一次抽出手段による論理検索が行われる。次に、この論理検索に基づいて抽出された検索対象文書に対し、類似度算出手段による基準文書との比較が行われる。これにより、一次抽出により抽出された文書のそれぞれについて類似度が算出される。そして、一次抽出により抽出された文書の中から、基準値以上の類似度をもつ文書が二次抽出手段により抽出される。
【００１１】
このように、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索において共通して抽出される文書のみが最終的に抽出される。ここで「類似文書検索」とは、類似度算出手段による類似度の算出動作と二次抽出手段による抽出動作とを併せたものをいう。ところで、論理検索と類似文書検索とでは、検索結果に含まれるノイズの性格が異なる。すなわち、両検索においてノイズとして抽出される文書のうち大部分が相異なる文書である。したがって、両検索において共通して抽出される文書のみを抽出すれば、必然的にノイズの低減を図ることができる。よって、検索結果に占めるノイズの割合が小さい文書検索装置が実現される。
【００１２】
本発明による文書検索装置は、検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、（１）一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件と、所望の文書と近い内容を有する基準文書とを入力する入力手段と、（２）複数の検索対象文書のそれぞれに対し、入力手段により入力された基準文書との比較を行うことにより、基準文書と類似する程度を表す類似度を算出する類似度算出手段と、（３）複数の検索対象文書のうち、類似度算出手段により算出された類似度が所定の基準値以上であるものを抽出する一次抽出手段と、（４）入力手段により入力された論理検索条件に基づいて、一次抽出手段により抽出された検索対象文書のそれぞれに対して論理検索を行うことにより、一次抽出手段により抽出された検索対象文書のうち論理検索条件を満たすものを抽出する二次抽出手段と、（５）二次抽出手段における抽出結果を出力する出力手段と、を備えることを特徴としてもよい。
【００１３】
この文書検索装置においては、複数の検索対象文書に対し、先ず類似度算出手段による基準文書との比較が行われる。これにより、検索対象文書のそれぞれについて類似度が算出される。そして、検索対象文書の中から、基準値以上の類似度をもつ文書が一次抽出手段により抽出される。次に、この類似度に基づいて抽出された検索対象文書に対し、二次抽出手段による論理検索が行われる。
【００１４】
このように、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索において共通して抽出される文書のみが最終的に抽出される。ここで「類似文書検索」とは、類似度算出手段による類似度の算出動作と一次抽出手段による抽出動作とを併せたものをいう。よって、上述の通り、検索結果に占めるノイズの割合が小さい文書検索装置が実現される。
【００１５】
本発明による文書検索装置は、検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、（１）一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件と、所望の文書と近い内容を有する基準文書とを入力する入力手段と、（２）入力手段により入力された論理検索条件に基づいて複数の検索対象文書のそれぞれに対して論理検索を行うことにより、複数の検索対象文書のうち論理検索条件を満たすものを抽出する第１の一次抽出手段と、（３）複数の検索対象文書のそれぞれに対し、入力手段により入力された基準文書との比較を行うことにより、基準文書と類似する程度を表す類似度を算出する類似度算出手段と、（４）複数の検索対象文書のうち、類似度算出手段により算出された類似度が所定の基準値以上であるものを抽出する第２の一次抽出手段と、（５）第１の一次抽出手段における抽出結果と第２の一次抽出手段における抽出結果とを比較することにより、複数の検索対象文書のうち第１抽出手段及び第２抽出手段の何れにおいても抽出されたものを更に抽出する二次抽出手段と、（６）二次抽出手段における抽出結果を出力する出力手段と、を備えることを特徴としてもよい。
【００１６】
この文書検索装置においては、複数の検索対象文書に対し、第１の一次抽出手段による論理検索が行われる。また、この論理検索とは別に、複数の検索対象文書に対し、類似度算出手段による基準文書との比較が行われる。これにより、検索対象文書のそれぞれについて類似度が算出される。そして、検索対象文書の中から、基準値以上の類似度をもつ文書が第２の一次抽出手段により抽出される。さらに、第１及び第２の一次抽出手段において共通して抽出された文書が二次抽出手段により抽出される。
【００１７】
このように、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索に共通して掛かる文書のみが最終的に抽出される。ここで「類似文書検索」とは、類似度算出手段による類似度の算出動作と第２の一次抽出手段による抽出動作とを併せたものをいう。よって、上述の通り、検索結果に占めるノイズの割合が小さい文書検索装置が実現される。
【００１８】
本発明による文書検索装置は、検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、（１）一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件を入力する入力手段と、（２）入力手段により入力された論理検索条件に基づいて複数の検索対象文書のそれぞれに対して論理検索を行うことにより、複数の検索対象文書のうち論理検索条件を満たすものを抽出する一次抽出手段と、（３）一次抽出手段により抽出された検索対象文書の中から、所望の文書と近い内容を有する基準文書を選択する基準文書選択手段と、（４）一次抽出手段により抽出された検索対象文書のそれぞれに対し、選択手段により選択された基準文書との比較を行うことにより、基準文書と類似する程度を表す類似度を算出する類似度算出手段と、（５）一次抽出手段により抽出された検索対象文書のうち、類似度算出手段により算出された類似度が所定の基準値以上であるものを抽出する二次抽出手段と、（６）二次抽出手段における抽出結果を出力する出力手段と、を備えることを特徴としてもよい。
【００１９】
この文書検索装置においては、複数の検索対象文書に対し、先ず一次抽出手段による論理検索が行われる。次に、基準文書選択手段によって、この論理検索に基づいて抽出された検索対象文書の中から基準文書が選択される。次に、論理検索に基づいて抽出された検索対象文書に対し、類似度算出手段による基準文書との比較が行われる。これにより、一次抽出により抽出された文書のそれぞれについて類似度が算出される。そして、一次抽出により抽出された文書の中から、基準値以上の類似度をもつ文書が二次抽出手段により抽出される。
【００２０】
このように、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索に共通して掛かる文書のみが最終的に抽出される。よって、上述の通り、検索結果に占めるノイズの割合が小さい文書検索装置が実現される。また、特にこの文書検索装置によれば、一次抽出により抽出された文書の中から基準文書を選択することができるので、基準文書の入力の手間を省くことができる。
【００２１】
出力手段は、類似度算出手段により算出された類似度に応じて、抽出結果をソートして表示することが好適である。この場合、文書検索装置によって最終的に抽出された文書の中から、ノイズとなる文書を除去して所望の文書を抜き出す作業が容易になる。
【００２２】
【発明の実施の形態】
以下、図面と共に本発明に係る文書検索装置の好適な実施形態について詳細に説明する。なお、図面の説明においては同一の要素には同一の符号を付し、重複する説明を省略する。
【００２３】
図１は、本発明による文書検索装置の一実施形態を示すブロック図である。文書検索装置１は、検索対象となる複数の検索対象文書の中から所望の文書を検索する装置である。文書検索装置１は、入力手段１０、データベース２０、一次抽出手段３０、類似度算出手段４０、及び二次抽出手段５０を備えている。
【００２４】
入力手段１０は、論理検索条件入力手段１２と基準文書入力手段１４とを有している。論理検索条件入力手段１２は、一次抽出手段３０により行われる論理検索において用いられる論理検索条件を入力するためのものである。この論理検索条件は、１つの検索キーワード、又は論理和、論理積及び否定等の論理演算子で結合された２つ以上の検索キーワードから構成されるものである。検索キーワードとしては、例えば、文書中の自然語の文字列、文書に付与される分類、及び著者等の書誌的事項に含まれる文字列が該当する。検索対象文書が特許文献の場合であれば、例えば、各種特許分類、出願人等を検索キーワードすることができる。一方、基準文書入力手段１４は、類似度算出手段４０により行われる類似文書検索において用いられる基準文書を入力するためのものである。基準文書入力手段１４としては、例えば、紙に記載された文書を読み込むスキャナやファイルに保存された文書を読み込むディスクドライブ等を用いることができる。
【００２５】
データベース（ＤＢ）２０は、検索対象文書ＤＢ２２、一次抽出結果ＤＢ２４、及び二次抽出結果ＤＢ２６を有している。検索対象文書ＤＢ２２は、文書検索装置１において検索対象となる多数の検索対象文書を格納する検索対象文書格納手段である。検索対象文書ＤＢ２２に格納される検索対象文書は、適宜の入力手段により、必要に応じて文書検索装置１に入力することができる。また、検索対象文書ＤＢ２２は、検索対象文書を、その検索対象文書を特定する検索対象文書コードに関連付けて格納している。例えば、検索対象文書が特許文献の場合であれば、検索対象文書コードとして各特許文献の特許番号等を用いることができる。
【００２６】
また、一次抽出結果ＤＢ２４は、一次抽出手段３０における文書の抽出結果を格納する一次抽出結果格納手段である。同様に、二次抽出結果ＤＢ２６は、二次抽出手段５０における文書の抽出結果を格納する二次抽出結果格納手段である。
【００２７】
一次抽出手段３０は、論理検索条件入力手段１２により入力された論理検索条件に基づいて、検索対象文書ＤＢ２２に格納されている検索対象文書のそれぞれに対して論理検索を行う。論理検索の結果、一次抽出手段３０は、多数の検索対象文書の中から論理検索条件を満たす文書のみを抽出する。また、一次抽出手段３０は、この抽出結果を一次抽出結果ＤＢ２４に格納させる。具体的には、抽出された文書の検索対象文書コードが一次抽出結果ＤＢ２４に格納される。
【００２８】
図２は、一次抽出結果ＤＢ２４の一例を示す構成図である。図に示すように、一次抽出手段３０により抽出された検索対象文書の検索対象文書コード（Ｐ０００１，Ｐ０００６等）が格納されている。
【００２９】
図１に戻って、類似度算出手段４０は、基準文書入力手段１４により入力された基準文書と検索対象文書とを比較することにより、各検索対象文書について類似度を算出する。このとき、類似度算出手段４０は、一次抽出結果ＤＢ２４に格納されている検索対象文書コードを参照することにより、検索対象文書ＤＢ２２に格納されている検索対象文書のうち一次抽出手段３０により抽出された文書に対してのみ類似度の算出を行う。そして、類似度算出手段４０は、算出した類似度を各文書の検索対象文書コードと関連付けたものを類似度算出結果として出力する。
【００３０】
二次抽出手段５０は、類似度算出手段４０により出力された類似度算出結果を入力する。類似度算出結果を入力した二次抽出手段５０は、各文書の類似度を予め設定された基準値と比較することにより、その基準値以上の類似度をもつ文書のみを抽出する。この基準値は、適宜の入力手段により文書検索装置１に入力することにより、必要に応じて変更することができる。また、二次抽出手段５０は、この抽出結果を二次抽出結果ＤＢ２６に格納させる。具体的には、抽出された文書の検索対象文書コードが二次抽出結果ＤＢ２６に格納される。特に本実施形態においては、検索対象文書コードのみならず、検索対象文書コードに関連付けられた類似度も併せて二次抽出結果ＤＢ２６に格納される。
【００３１】
図３は、二次抽出結果ＤＢ２６の一例を示す構成図である。図に示すように、二次抽出手段５０により抽出された検索対象文書の検索対象文書コード、及び検索対象文書コードに関連付けられた類似度が格納されている。
【００３２】
図１に戻って、文書検索装置１は、出力手段６０を備えている。出力手段６０は、二次抽出結果ＤＢ２６に格納されている二次抽出手段５０による抽出結果を出力する。具体的には、出力手段６０は、表示手段（図示せず）を有しており、この表示手段により二次抽出結果ＤＢ２６に格納されている検索対象文書コードを表示する。このとき、出力手段６０は、各検索対象文書コードに関連付けられた類似度を参照することにより、類似度が高い文書の検索対象文書コードから順に、すなわち抽出結果を降順にソートして表示する。
【００３３】
文書検索装置１の動作について説明する。
【００３４】
図４は、文書検索装置１の動作を示すフローチャートである。先ず、入力手段１０により論理検索条件及び基準文書が入力される（Ｓ１０）。次に、一次抽出手段３０によって、検索対象文書ＤＢ２２内の検索対象文書の中から論理検索条件を満たすものだけが抽出される（Ｓ１２）。ここで抽出された文書の検索対象文書コードは、一次抽出結果ＤＢ２４によって格納される。次に、類似度算出手段４０によって、一次抽出結果ＤＢ２４内に検索対象文書コードが格納されている文書のそれぞれについて類似度が算出される（Ｓ１４）。すると、二次抽出手段５０によって、一次抽出結果ＤＢ２４内に検索対象文書コードが格納されている文書の中から、基準値以上の類似度をもつものだけが抽出される（Ｓ１６）。ここで抽出された文書の検索対象文書コード及び類似度は、二次抽出結果ＤＢ２６によって格納される。最後に、出力手段６０によって、二次抽出結果ＤＢ２６に格納されている抽出結果が出力される（Ｓ１８）。
【００３５】
文書検索装置１の効果について説明する。
【００３６】
文書検索装置１においては、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索において共通して抽出された文書のみが最終的に抽出されることになる。このため、検索結果に占めるノイズの割合が小さい文書検索装置１が実現されている。また、文書検索装置１においては、検索漏れを少なくすべく論理検索条件を緩めたとしても、類似文書検索においてノイズが低減される。したがって、文書検索装置１によれば、検索漏れが少なく、且つノイズの小さい検索結果を得ることが可能である。
【００３７】
図５は、図１の類似度算出手段４０の一構成例を示すブロック図である。類似度算出手段４０は、各種文書からワードを抽出するワード抽出部７０と、ワード抽出部７０によって抽出されたワードを格納する各種データベース８０とを備えている。
【００３８】
ワード抽出部７０は、基準文書からワードをキーワードとして抽出するキーワード抽出部７１と、参照文書からワードを参照ワードとして抽出する参照ワード抽出部７２と、検索対象文書からワードを検索ワードとして抽出する検索ワード抽出部７３とを有している。ここで、参照文書とは、キーワードの評価値、すなわち各キーワードが基準文書に固有に含まれる程度を表す値を設定する際に参照される文書である。参照文書としては、例えば検索対象文書ＤＢ２２（図１参照）内の全文書、或いは予めランダムに抽出した検索対象文書ＤＢ２２内の一部の文書を用いることができる。また、検索の際に除外したい文書を参照文書として用いてもよい。参照文書は、適宜の入力手段により、必要に応じて類似度算出手段４０に入力することができる。また、類似度算出手段４０は、参照文書を格納する格納手段（図示せず）を備えている。
【００３９】
抽出部７１〜７３はいずれも、ひらがな、句読点、特殊記号及びスペースを区切記号として文書内のワードを抽出する機能を有する。また、抽出部７１〜７３は、いずれも一の文書から重複してワードを抽出しないように、文書から切り出されたワードは、同じ文書から既に切り出されたワードと照合され、一致しないワードのみを抽出する機能を有する。
【００４０】
データベース（ＤＢ）８０は、キーワードＤＢ８１、全ワードＤＢ８２、評価値ＤＢ８３、及び検索ワードＤＢ８４を有している。キーワードＤＢ８１は、基準文書から抽出したキーワードを格納する。キーワードは、抽出元である基準文書を特定する基準文書コードに関連付けて格納されている。全ワードＤＢ８２は、基準文書から抽出されたキーワードと参照文書から抽出された参照ワードとを格納する。キーワード及び参照ワードは、それぞれの抽出元である基準文書を特定する基準文書コード及び参照文書を特定する参照文書コードに関連付けて格納されている。評価値ＤＢ８３は、後述する評価値計算部９３により算出される評価値を格納する。検索ワードＤＢ８４は、検索対象文書から抽出される検索ワードを格納する。検索ワードは、抽出元である検索対象文書を特定する検索対象文書コードに関連付けて格納されている。
【００４１】
なお、上記のキーワード、参照ワード、及び検索ワードは、それぞれ抽出対象となる文書の全体から抽出してもよいし、一部から抽出してもよい。例えば、抽出対象となる文書が特許文献であれば、書誌的事項、要約、請求項、又は実施例等に抽出範囲を限定してもよい。特に、データ量に制限がある場合には、抽出範囲を文書の一部に絞ることが有効となる。また、参照ワードは参照文書の一部から抽出し、キーワード及び検索ワードはそれぞれ基準文書及び検索対象文書の全体から抽出するというように、各ワード毎に適宜抽出範囲を変えることより、いわゆるノイズと漏れの関係を調整することができる。
【００４２】
また、類似度算出手段４０は、評価値を算出するための、基準文書内キーワード出現率計算部９１と、全文書内キーワード出現率計算部９２と、評価値計算部９３とを備えている。
【００４３】
基準文書内キーワード出現率計算部９１は、複数の基準文書のそれぞれに共通のキーワードが出現する出現率を算出する機能を有する。基準文書がＭ個でそのうちのＡ個に共通のキーワードが存在する場合には、基準文書内キーワード出現率は、Ａ／Ｍで算出される。基準文書内キーワード出現率計算部９１は、キーワードＤＢ８１に格納されたキーワードを検索して、同一のキーワードが何個存在するか算出し、算出されたキーワード数を基準文書の数で除することによって、基準文書内キーワード出現率を算出する。なお、基準文書が１つである場合には、キーワードは重複なく抽出されることから、基準文書内キーワード出現率は、いずれのキーワードについても１となる。
【００４４】
全文書内キーワード出現率計算部９２は、基準文書と参照文書とを合わせた全文書に共通のキーワードが出現する出現率を算出する機能を有する。基準文書がＭ個、参照文書がＮ個で、その内のＢ個に共通のキーワードが存在する場合には、全文書内キーワード出現率は、Ｂ／（Ｍ＋Ｎ）で算出される。全文書内キーワード出現率計算部９２は、全文書ＤＢに格納されたキーワード及び参照ワードを検索して、同一のキーワード及びキーワードと同一の参照ワードが何個存在するか算出する。ここで、「参照ワード」とは参照文書から抽出したワードに便宜的に付与した名称であるので、「キーワードと同一の参照ワード」とは、すなわち参照文書に含まれるキーワードを意味する。算出されたキーワード数を全文書の数で除することによって、全文書内キーワード出現率を算出する。
【００４５】
評価値計算部９３は、基準文書内キーワード出現率を全文書内キーワード出現率で除して、キーワードの評価値を算出する機能を有する。
【００４６】
さらに、類似度算出手段４０は、複数の検索対象文書から基準文書に近い内容を有する文書を検索するための、評価値集計部９４と類似度計算部９５とを有している。評価値集計部９４は、一の検索対象文書に含まれるすべてのキーワードの評価値を加算して集計する機能を有する。そして、集計によって求められた集計値は、類似度計算部９５に入力される。
【００４７】
類似度計算部９５は、検索対象文書の類似度、すなわち各検索対象文書の集計値を当該検索対象文書に含まれるキーワードの数で除した値を算出する機能を有する。また、類似度計算部９５は、算出した類似度を図１の二次抽出手段５０に出力する。
【００４８】
図６は、本発明による文書検索装置の他の実施形態を示すブロック図である。文書検索装置２は、入力手段１０、データベース２０ａ、類似度算出手段４２、一次抽出手段３２、二次抽出手段５２、及び出力手段６０を備えている。これらのうち、入力手段１０及び出力手段６０については、図１の文書検索装置１におけるものと同様であるので説明を省略する。
【００４９】
データベース（ＤＢ）２０ａは、検索対象文書ＤＢ２２、一次抽出結果ＤＢ２４ａ、及び二次抽出結果ＤＢ２６ａを有している。一次抽出結果ＤＢ２４ａは、一次抽出手段３２における文書の抽出結果を格納する一次抽出結果格納手段である。同様に、二次抽出結果ＤＢ２６ａは、二次抽出手段５２における文書の抽出結果を格納する二次抽出結果格納手段である。
【００５０】
類似度算出手段４２は、検索対象文書ＤＢ２２に格納されている検索対象文書のそれぞれに対し、基準文書入力手段１４により入力された基準文書との比較を行うことにより、各検索対象文書について類似度を算出する。そして、類似度算出手段４２は、算出した類似度を各文書の検索対象文書コードと関連付けたものを類似度算出結果として出力する。
【００５１】
一次抽出手段３２は、類似度算出手段４２により出力された類似度算出結果を入力する。類似度算出結果を入力した一次抽出手段３２は、各文書の類似度を基準値と比較することにより、その基準値以上の類似度をもつ文書のみを抽出する。また、一次抽出手段３２は、この抽出結果を一次抽出結果ＤＢ２４ａに格納させる。
【００５２】
二次抽出手段５２は、論理検索条件入力手段１２により入力された論理検索条件に基づいて、検索対象文書に対して論理検索を行う。このとき、二次抽出手段５２は、一次抽出結果ＤＢ２４ａに格納されている検索対象文書コードを参照することにより、検索対象文書ＤＢ２２に格納されている検索対象文書のうち一次抽出手段３２により抽出された文書に対してのみ論理検索を行う。論理検索の結果、二次抽出手段５２は、一次抽出手段３２により抽出された文書の中から論理検索条件を満たす文書のみを抽出する。また、二次抽出手段５２は、この抽出結果を二次抽出結果ＤＢ２６ａに格納させる。
【００５３】
文書検索装置２の動作について説明する。
【００５４】
図７は、文書検索装置２の動作を示すフローチャートである。先ず、入力手段１０により論理検索条件及び基準文書が入力される（Ｓ２０）。次に、類似度算出手段４２によって、検索対象文書ＤＢ２２内の検索対象文書のそれぞれについて類似度が算出される（Ｓ２２）。すると、一次抽出手段３２によって、検索対象文書ＤＢ２２内の検索対象文書の中から、基準値以上の類似度をもつものだけが抽出される（Ｓ２４）。ここで抽出された文書の検索対象文書コード及び類似度は、一次抽出結果ＤＢ２４ａによって格納される。次に、二次抽出手段５２によって、一次抽出結果ＤＢ２４ａ内に検索対象文書コードが格納されている文書の中から論理検索条件を満たすものだけが抽出される（Ｓ２６）。ここで抽出された文書の検索対象文書コードは、二次抽出結果ＤＢ２６ａによって格納される。最後に、出力手段６０によって、二次抽出結果ＤＢ２６ａに格納されている抽出結果が出力される（Ｓ２８）。
【００５５】
文書検索装置２の効果について説明する。
【００５６】
文書検索装置２においては、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索において共通して抽出された文書のみが最終的に抽出されることになる。このため、検索結果に占めるノイズの割合が小さい文書検索装置２が実現されている。
【００５７】
図８は、本発明による文書検索装置の他の実施形態を示すブロック図である。文書検索装置３は、入力手段１０、データベース２０ｂ、第１の一次抽出手段３４ａ、類似度算出手段４４、第２の一次抽出手段３４ｂ、二次抽出手段５４、及び出力手段６０を備えている。これらのうち、入力手段１０及び出力手段６０については、図１の文書検索装置１におけるものと同様であるので説明を省略する。
【００５８】
データベース（ＤＢ）２０ｂは、検索対象文書ＤＢ２２、第１の一次抽出結果ＤＢ２５ａ、及び第２の一次抽出結果ＤＢ２５ｂを有している。第１の一次抽出結果ＤＢ２５ａは、第１の一次抽出手段３４ａにおける文書の抽出結果を格納する第１の一次抽出結果格納手段である。同様に、第２の一次抽出結果ＤＢ２５ｂは、第２の一次抽出手段３４ｂにおける文書の抽出結果を格納する第２の一次抽出結果格納手段である。
【００５９】
第１の一次抽出手段３４ａは、論理検索条件入力手段１２により入力された論理検索条件に基づいて、検索対象文書ＤＢ２２に格納されている検索対象文書のそれぞれに対して論理検索を行う。論理検索の結果、第１の一次抽出手段３４ａは、多数の検索対象文書の中から論理検索条件を満たす文書のみを抽出する。また、第１の一次抽出手段３４ａは、この抽出結果を第１の一次抽出結果ＤＢ２５ａに格納させる。
【００６０】
類似度算出手段４４は、検索対象文書ＤＢ２２に格納されている検索対象文書のそれぞれに対し、基準文書入力手段１４により入力された基準文書との比較を行うことにより、各検索対象文書について類似度を算出する。そして、類似度算出手段４４は、算出した類似度を各文書の検索対象文書コードと関連付けたものを類似度算出結果として出力する。
【００６１】
第２の一次抽出手段３４ｂは、類似度算出手段４４により出力された類似度算出結果を入力する。類似度算出結果を入力した第２の一次抽出手段３４ｂは、各文書の類似度を基準値と比較することにより、その基準値以上の類似度をもつ文書のみを抽出する。また、第２の一次抽出手段３４ｂは、この抽出結果を第２の一次抽出結果ＤＢ２５ｂに格納させる。
【００６２】
二次抽出手段５４は、第１の一次抽出結果ＤＢ２５ａ及び第２の一次抽出結果ＤＢ２５ｂを参照し、第１の一次抽出手段３４ａによる抽出結果と第２の一次抽出手段３４ｂによる抽出結果との比較を行う。これにより、二次抽出手段５４は、一次抽出手段３４ａ，３４ｂの何れにおいても抽出された文書を更に抽出する。また、二次抽出手段５４は、この抽出結果を二次抽出結果ＤＢ２６ｂに格納させる。
【００６３】
文書検索装置３の動作について説明する。
【００６４】
図９は、文書検索装置３の動作を示すフローチャートである。先ず、入力手段１０により論理検索条件及び基準文書が入力される（Ｓ３０）。次に、第１の一次抽出手段３４ａによって、検索対象文書ＤＢ２２内の検索対象文書の中から論理検索条件を満たすものだけが抽出される（Ｓ３１）。ここで抽出された文書の検索対象文書コードは、第１の一次抽出結果ＤＢ２５ａによって格納される。次に、類似度算出手段４４によって、検索対象文書ＤＢ２２内の検索対象文書のそれぞれについて類似度が算出される（Ｓ３２）。すると、第２の一次抽出手段３４ｂによって、検索対象文書ＤＢ２２内の検索対象文書の中から、基準値以上の類似度をもつものだけが抽出される（Ｓ３３）。ここで抽出された文書の検索対象文書コード及び類似度は、第２の一次抽出結果ＤＢ２５ｂによって格納される。次に、二次抽出手段５４によって、一次抽出手段３４ａ，３４ｂにおいて共通して抽出された文書が抽出される（Ｓ３４）。ここで抽出された文書の検索対象文書コード及び類似度は、二次抽出結果ＤＢ２６ｂによって格納される。最後に、出力手段６０によって、二次抽出結果ＤＢ２６ｂに格納されている抽出結果が出力される（Ｓ３５）。
【００６５】
なお、文書検索装置３においては、第１の一次抽出（Ｓ３１）と、類似度の算出（Ｓ３２）及び第２の一次抽出（Ｓ３３）とが実行される順番は、逆であってもよい。すなわち、Ｓ３０から始まって、Ｓ３２、Ｓ３３、Ｓ３１、Ｓ３４、Ｓ３５の順に実行されてもよい。或いは、第１の一次抽出（Ｓ３１）と、類似度の算出（Ｓ３２）及び第２の一次抽出（Ｓ３３）とは、同時に並行して実行されてもよい。
【００６６】
文書検索装置３の効果について説明する。
【００６７】
文書検索装置３においては、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索において共通して抽出された文書のみが最終的に抽出されることになる。このため、検索結果に占めるノイズの割合が小さい文書検索装置３が実現されている。
【００６８】
図１０は、本発明による文書検索装置の他の実施形態を示すブロック図である。文書検索装置４は、論理検索条件入力手段１２、データベース２０、一次抽出手段３０、類似度算出手段４０、二次抽出手段５０、及び出力手段６０を備えている。これらの各手段については、図１におけるものと同様であるので説明を省略する。文書検索装置４は、基準文書入力手段を備えていない点で図１の文書検索装置１と相違する。また、文書検索装置４は、基準文書選択手段１００を備えている。
【００６９】
基準文書選択手段１００は、一次抽出手段３０により抽出された文書の中から、基準文書を選択するためのものである。例えば、基準文書選択手段１００は、一次抽出結果ＤＢ２４に格納されている検索対象文書コードをＧＵＩインターフェースに表示し、ユーザは、ＧＵＩインターフェース上に設けられたチェックボックスのオン／オフにより基準文書の選択を行うことができる。選択された基準文書は、図１の文書検索装置１と同様に、類似度算出手段４０による類似度算出の際に用いられる。
【００７０】
文書検索装置４の動作について説明する。
【００７１】
図１１は、文書検索装置４の動作を示すフローチャートである。先ず、論理検索条件入力手段１２により論理検索条件が入力される（Ｓ４０）。次に、一次抽出手段３０によって、検索対象文書ＤＢ２２内の検索対象文書の中から論理検索条件を満たすものだけが抽出される（Ｓ４１）。ここで抽出された文書の検索対象文書コードは、一次抽出結果ＤＢ２４によって格納される。次に、基準文書選択手段１００によって、一次抽出手段３０により抽出された文書の中から基準文書が選択される（Ｓ４２）。次に、類似度算出手段４０によって、一次抽出結果ＤＢ２４内に検索対象文書コードが格納されている文書のそれぞれについて類似度が算出される（Ｓ４３）。すると、二次抽出手段５０によって、一次抽出結果ＤＢ２４内に検索対象文書コードが格納されている文書の中から、基準値以上の類似度をもつものだけが抽出される（Ｓ４４）。ここで抽出された文書の検索対象文書コード及び類似度は、二次抽出結果ＤＢ２６によって格納される。最後に、出力手段６０によって、二次抽出結果ＤＢ２６に格納されている抽出結果が出力される（Ｓ４５）。
【００７２】
文書検索装置４の効果について説明する。
【００７３】
文書検索装置４においては、検索対象文書に対して、論理検索による抽出と類似文書検索による抽出とを共に行うことにより、両検索において共通して抽出された文書のみが最終的に抽出されることになる。このため、検索結果に占めるノイズの割合が小さい文書検索装置４が実現されている。
【００７４】
また、文書検索装置４は基準文書選択手段１００を備えているため、一次抽出手段３０により抽出された文書の中から基準文書を選択することができる。これにより、基準文書の入力の手間を省くことができる。
【００７５】
【発明の効果】
検索結果に占めるノイズの割合が小さい文書検索装置が実現される。
【図面の簡単な説明】
【図１】本発明による文書検索装置の一実施形態を示すブロック図である。
【図２】図１の一次抽出結果ＤＢ２４の一例を示す構成図である。
【図３】図１の二次抽出結果ＤＢ２６の一例を示す構成図である。
【図４】図１の文書検索装置１の動作を示すフローチャートである。
【図５】図１の類似度算出手段４０の一構成例を示すブロック図である。
【図６】本発明による文書検索装置の他の実施形態を示すブロック図である。
【図７】図６の文書検索装置２の動作を示すフローチャートである。
【図８】本発明による文書検索装置の他の実施形態を示すブロック図である。
【図９】図８の文書検索装置３の動作を示すフローチャートである。
【図１０】本発明による文書検索装置の他の実施形態を示すブロック図である。
【図１１】図１０の文書検索装置４の動作を示すフローチャートである。
【符号の説明】
１〜４…文書検索装置、１０…入力手段、２０…データベース、３０，３２，３４ａ，３４ｂ…一次抽出手段、４０，４２，４４…類似度算出手段、５０，５２，５４…二次抽出手段、６０…出力手段、１００…基準文書選択手段。

Claims

検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、
一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件と、前記所望の文書と近い内容を有する基準文書とを入力する入力手段と、
前記入力手段により入力された前記論理検索条件に基づいて前記複数の検索対象文書のそれぞれに対して論理検索を行うことにより、前記複数の検索対象文書のうち前記論理検索条件を満たすものを抽出する一次抽出手段と、
前記一次抽出手段により抽出された前記検索対象文書のそれぞれに対し、前記入力手段により入力された前記基準文書との比較を行うことにより、前記基準文書と類似する程度を表す類似度を算出する類似度算出手段と、
前記一次抽出手段により抽出された前記検索対象文書のうち、前記類似度算出手段により算出された前記類似度が所定の基準値以上であるものを抽出する二次抽出手段と、
前記二次抽出手段における抽出結果を出力する出力手段と、
を備えることを特徴とする文書検索装置。
検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、
一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件と、前記所望の文書と近い内容を有する基準文書とを入力する入力手段と、
前記複数の検索対象文書のそれぞれに対し、前記入力手段により入力された前記基準文書との比較を行うことにより、前記基準文書と類似する程度を表す類似度を算出する類似度算出手段と、
前記複数の検索対象文書のうち、前記類似度算出手段により算出された前記類似度が所定の基準値以上であるものを抽出する一次抽出手段と、
前記入力手段により入力された前記論理検索条件に基づいて、前記一次抽出手段により抽出された前記検索対象文書のそれぞれに対して論理検索を行うことにより、前記一次抽出手段により抽出された前記検索対象文書のうち前記論理検索条件を満たすものを抽出する二次抽出手段と、
前記二次抽出手段における抽出結果を出力する出力手段と、
を備えることを特徴とする文書検索装置。
検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、
一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件と、前記所望の文書と近い内容を有する基準文書とを入力する入力手段と、
前記入力手段により入力された前記論理検索条件に基づいて前記複数の検索対象文書のそれぞれに対して論理検索を行うことにより、前記複数の検索対象文書のうち前記論理検索条件を満たすものを抽出する第１の一次抽出手段と、
前記複数の検索対象文書のそれぞれに対し、前記入力手段により入力された前記基準文書との比較を行うことにより、前記基準文書と類似する程度を表す類似度を算出する類似度算出手段と、
前記複数の検索対象文書のうち、前記類似度算出手段により算出された前記類似度が所定の基準値以上であるものを抽出する第２の一次抽出手段と、
前記第１の一次抽出手段における抽出結果と前記第２の一次抽出手段における抽出結果とを比較することにより、前記複数の検索対象文書のうち前記第１抽出手段及び前記第２抽出手段の何れにおいても抽出されたものを更に抽出する二次抽出手段と、
前記二次抽出手段における抽出結果を出力する出力手段と、
を備えることを特徴とする文書検索装置。
検索対象となる複数の検索対象文書の中から、所望の文書を検索する文書検索装置であって、
一の検索キーワード又は論理演算子で結合された二以上の検索キーワードから構成される論理検索条件を入力する入力手段と、
前記入力手段により入力された前記論理検索条件に基づいて前記複数の検索対象文書のそれぞれに対して論理検索を行うことにより、前記複数の検索対象文書のうち前記論理検索条件を満たすものを抽出する一次抽出手段と、
前記一次抽出手段により抽出された前記検索対象文書の中から、前記所望の文書と近い内容を有する基準文書を選択する基準文書選択手段と、
前記一次抽出手段により抽出された前記検索対象文書のそれぞれに対し、前記選択手段により選択された前記基準文書との比較を行うことにより、前記基準文書と類似する程度を表す類似度を算出する類似度算出手段と、
前記一次抽出手段により抽出された前記検索対象文書のうち、前記類似度算出手段により算出された前記類似度が所定の基準値以上であるものを抽出する二次抽出手段と、
前記二次抽出手段における抽出結果を出力する出力手段と、
を備えることを特徴とする文書検索装置。
前記出力手段は、前記類似度算出手段により算出された前記類似度に応じて、前記抽出結果をソートして表示することを特徴とする請求項１〜４のいずれか一項に記載の文書検索装置。