JP2005301855A - 文書検索方法、文書検索プログラムおよびこれを実行する文書検索装置 - Google Patents

Abstract

【課題】テキストを入力として大量のテキスト文書を検索する精度を向上させる。
【解決手段】定量値を持ち得る属性を表す語である尺度表現語の集合を参照して入力テキストの中から尺度表現語を抽出するとともに、抽出された尺度表現語に隣接して複合語を形成する語、抽出された尺度表現語を修飾する語、抽出された尺度表現語を含む文節が修飾する語、のうちのどれかに該当する語を尺度表現関連語として抽出するステップを設け、キーワードの重みを付与する際に、尺度表現語または尺度表現関連語に対して、予め設定された算出方法に基づいて算出された重みを付与する。
【選択図】図１Ａ

Description

本発明は、テキストデータを含む文書を検索する文書検索方法、文書検索プログラムおよびこれを実行する文書検索装置に関する。

テキストデータを含む大量の文書群から所望の文書を検索する手法として、テキスト（文章またはキーワード集合）を検索条件として入力し、この入力テキストの内容に類似する文書を検索するものがある。すなわち、入力されたテキストから抽出される一つ以上の重み付きキーワードで構成されるキーワードベクトルと、検索対象文書群を構成する各文書から予め抽出された一つ以上の重み付きキーワードで構成されるキーワードベクトルとの間の内積または余弦を算出することにより、入力テキストと検索対象文書との間の内容の類似度を定量化し、類似度の高い文書を検索結果として出力する手法である。

上記手法において、入力テキストまたは検索対象文書からキーワードを抽出する際には、単語の字種（ひらがな／カタカナ／漢字／アルファベット／特殊記号等）や、単語辞書に定義される単語情報（見出し，品詞等）を手掛かりとする。また、明らかにキーワードとして不適切な単語は、不要語として除去される。

また、上記手法において、キーワードに重みを付与する際には、「ＴＦ・ＩＤＦ法」と呼ばれる手法を使うのが一般的である。すなわち、あるテキスト内でのあるキーワードの出現頻度（ＴＦ）と、検索対象文書群におけるそのキーワードの出現文書数の逆数（ＩＤＦ）という二つの値を用いてキーワードに付与する重みを算出する手法である。広く市販されている文書検索システムでは、これらの値をそのまま使うのではなく、対数関数（ｌｏｇ）等を施して値を補正するのが一般的である。また、出現頻度（ＴＦ）はテキストが長いほど大きくなるため、出現頻度（ＴＦ）の値をテキスト長等で補正する場合が多い。

さらに、上記手法において、例えば、非特許文献１に開示されているように、キーワードを抽出する際に入力テキストまたは検索対象文書の構造的特性を利用する手法が知られている。例えば、検索対象文書が特許明細書である場合、キーワードを抽出する範囲を「特許請求の範囲」や「要約」等に限定するという手法である。

また、抽出されたキーワードに重みを付与する際にも、非特許文献２に開示されているように、そのキーワードが文書のどこに出現したかによってその重みの値を変えるという手法が知られている。例えば、検索対象文書が特許明細書である場合、「発明の名称」に出現するキーワードの重みの値を高くし、請求項の末尾（「〜を特徴とする」という表現以降）に出現する名詞句に含まれるキーワードの重みを高くするという手法である。

さらに、例えば、特開平１１−０８５７８６号公報に開示されるように、検索結果を基礎に、さらに検索を展開する手法も知られている。

特開平１１−０８５７８６号公報

水野恵雄：「類似文献自動検索システムについて」，特許庁技術懇話会会誌，No.223，pp.9-15，2002.5.15 間瀬久雄他：「特許テーマ分類方式の提案とその評価実験」，情報処理学会論文誌，第３９巻第７号，pp.2207-2216，1998年7月

上記従来手法では、文書の構造や出現頻度に基づくキーワードの抽出および重み付けを行っているが、特許検索のように検索対象文書群の規模が著しく大きい場合、これらを考慮しただけでは検索精度は十分に高くならない。すなわち、所望の文書が検索結果から漏れたり、内容的に関係ないノイズ文書が検索結果の上位に多く含まれたりするケースが多く、その結果、利用者が所望の文書を見つけるのに多大な時間がかかってしまう。

本発明は、従来手法よりも高い検索精度を実現する文書検索方法、文書検索プログラムおよびこれを実行する文書検索装置を提供することを目的とする。

本発明では上記課題を解決すべく、利用者によって入力されたテキストからのキーワードの抽出、抽出されたキーワードに対する重要度に相当する重みの付与、検索対象文書群の各文書から重み付きキーワードに対応する文書を検索結果として出力する文書検索方法において、定量値を持ち得る属性を表す語句、すなわち、尺度表現語に着目し、この尺度表現語の集合を予め定義しておき、前記キーワードの重み付与に尺度表現語の重みを関連付ける。

また、本発明では、前記尺度表現語集合を参照して、前記入力テキストの尺度表現語に隣接して複合語を形成する語、前記抽出された尺度表現語を修飾する語および前記抽出された尺度表現語を含む文節が修飾する語の内の少なくとも１つに該当する語を尺度表現関連語として抽出し、前記キーワードの重み付与に尺度表現語および尺度表現関連語の重みを関連付ける。

本発明により、入力テキストの内容に類似する文書の検索精度を向上させることができるので、利用者が所望の文書を探す時間を短縮し、労力を軽減することができる。また、本発明で扱う尺度表現語および尺度表現関連語は人間の直感に近いキーワードであるため、検索条件のチューニング（入力テキストから抽出されたキーワードに対して、利用者がキーワードの追加・削除，重みの修正などを行うこと）による再検索も効率良く行うことができる。

本発明の実施の形態を以下、図面を用いて詳細に説明する。なお、これにより本発明が限定されるものではない。

本実施形態では、大量の特許公開公報テキスト群を検索して、利用者から入力された請求項テキストの内容に類似する文書を取得する特許検索システムについて述べる。本システムは、利用者から入力されるテキストデータおよび検索対象となる特許公開公報テキスト群に出現するキーワードに着目し、前述の「ＴＦ・ＩＤＦ法」を用いて入力テキストの内容に類似する文書を検索する。なお、本実施形態では日本語テキストを対象としているが、英語等のテキストでも適用可能である。

図１Ａは、本実施形態で述べるシステムを利用者の操作、各種データおよびデータの処理に関するプログラムを関連付けて表示したブロック図である。

利用者は本システムの入出力部１を介して、検索条件としてのテキストデータ、例えば、請求項テキストを入力する。入力されたテキストは入力テキスト２に格納保持される。ここでは、テキストはキーボードから利用者が入力しても良いし、マウス等を使ってのテキストデータのドラッグ＆ドロップやコピー，音声やペン，ＯＣＲ等による入力でも構わない。また、他のプログラムから自動的にテキストデータが渡されるような形態でも構わない。

検索条件となる請求項テキストデータを入力した後に、利用者が検索実行を指示すると、キーワード抽出プログラム３によってキーワードが抽出され、各キーワードに重みが付与される。以下、キーワード抽出プログラム３について説明する。

形態素解析３１では、各単語に関する属性データが登録されている単語辞書４および、単語の品詞間の接続コストや文法ルール等が定義されている文法辞書５を参照して入力テキストを単語単位に分割し、各単語に対する見出し、標準形，品詞データを単語辞書４から取得し、単語テーブル８に単語の出現順に格納する。形態素解析３１については文書処理分野では広く使われている公知技術であるため、その処理アルゴリズムの詳細についてはこれ以上言及しない。

次に、不要語除去３２では、形態素解析３１によって分割された単語の各々が不要語辞書６に登録されている不要語であるか否かを判別し、不要語辞書６に登録されている単語を不要語としてキーワード候補から除外する。本実施形態では、不要語辞書６は１レコードに不要語文字列１語を保持したデータ構造を持ち、検索対象文書の分野や内容，文書構造に依存した不要語（特許公開公報の場合、「発明」「請求項」「特徴」等）と、検索対象文書の分野や内容に依存しない一般的に高頻度で使われる不要語（「こと」「もの」「いる」等）が登録されている。形態素解析３１で得られた各単語が不要語か否かの判別結果は単語テーブル８に不要語フラグ（値が１なら不要語）として格納される。

次に、キーワード特定３３では、単語テーブル８に格納されたキーワード候補（不要語フラグの値が０である単語）について、予め定義された品詞を持つ単語をキーワードとして認定する。本実施形態では、キーワードを規定する品詞の情報はパラメータ設定データ１７に列挙されるが、処理プログラムの中にキーワードとなり得る品詞情報を埋め込んでも良い。形態素解析３１で得られた各単語がキーワードであるか否かの判別結果は単語テーブル８にキーワードフラグ（値が１ならキーワード）として格納される。

次に、尺度表現語抽出３４では、尺度表現語辞書７を参照して、キーワード特定３３で抽出されたキーワードの中から尺度表現語および尺度表現関連語を抽出する。本処理は、前記キーワード特定３３に埋め込んで行っても良い。どのキーワードが尺度表現語であり、どのキーワードが尺度表現関連語であるかの抽出結果は、単語テーブル８の尺度表現フラグ（値が１なら尺度表現語、２以上なら尺度表現関連語）として格納される。

本実施形態でいう「尺度表現語」とは、「定量値を持ち得る属性を表す語」として定義される。例えば、「・・速度が５０ｋｍ／時である・・」という記述の場合、「５０ｋｍ／時」という記述部分が定量値を表しており、これは「速度」という属性に対する定量値であるので、単語「速度」は尺度表現語である。ここで、上記尺度表現語の定義で重要なのは、定量値を持ち「得る」ということである。すなわち、実際の文章の中に定量値が明示的に記述されていなくても良い。例えば、「・・室内の温度を測定する・・」という記述の場合、単語「温度」は属性を表す語であるが、その定量値は文中に明示的に記述されていない。しかし、「温度」は「２０℃」などという定量値を持ち「得る」ので、尺度表現語であるとみなす。なお、上記尺度表現語の定義の代わりとして、「定量値に関する明示的な記述を伴って出現する属性を表す語句」という定義を使っても良い。この場合、上記「速度」は尺度表現語とみなされるが、上記「温度」は定量値が明示的に記述されていないので尺度表現語とはみなされない。なお、尺度表現語の定量値が明示的に記述されているか否かの判別は、尺度表現語の近傍に定量値を表す語が出現しているか否かを判別することによって実現できる。

尺度表現語は大きく２種類に分けられる。すなわち、「速度」「温度」のように、一つの単語で尺度表現語を形成するものと、「熱膨張率」のように、複数の単語（熱，膨張，率）で尺度表現語を形成するものがある。後者の場合、単語辞書４が持つ語彙規模にも関連するが、一般に尺度表現語には分野固有の専門用語も多く含まれるので、すべてを単語辞書４に予め登録しておくことは難しい。そこで、本実施形態では、前者（「速度」「温度」等）については単語単位で尺度表現語辞書７に予め登録し、後者（「熱膨張率」）については接尾語的な働きをしている単語（「熱膨張率」の場合「率」）を尺度表現語として尺度表現語辞書７に登録している。

また、尺度表現語の中には、上記「熱膨張率」のように分野や内容をかなり狭く限定できるものと、「温度」「速度」のように広い分野で使われるために分野や内容をほとんど特定できないものがある。上記「速度」の場合、何の速度なのかまで限定しないと、入力テキストの内容に類似する文書を特定することは困難である。そこで、尺度表現語に係る記述部分に含まれる語を「尺度表現関連語」と定義する。本実施形態において、「尺度表現語に係る記述部分に含まれる語」とは、以下の三つのどれか一つを満たす単語であるとする。
（１）尺度表現語に隣接して複合語を形成する語：
例えば、「・・熱膨張率が・・」という記述の場合、「率」が尺度表現語で、これに隣接する「熱」「膨張」が尺度表現関連語である。
（２）尺度表現語を修飾する単語：
例えば、「・・室内の温度を・・」の場合、「温度」が尺度表現語で、助詞「の」を伴って「温度」を連体修飾している「室内」が尺度表現関連語である。また、「・・回転する速度が・・」の場合、「速度」が尺度表現語で、「速度」を連体修飾している「回転する」の標準形「回転」が尺度表現関連語である。
（３）尺度表現語を含む文節が修飾する単語：
例えば、「・・温度を検出する・・」の場合、「温度」が尺度表現語で、文節「温度を」が連用修飾している「検出する」の標準形「検出」が尺度表現関連語である。

本実施形態では、上記尺度表現関連語のうち、実際の処理でどれを使用するかについては、パラメータ設定テーブル１７に定義されている。これらの定義情報は、利用者またはシステム管理者が自由に設定することができる。

次に、キーワード重み付与３５では、抽出されたキーワード（尺度表現語および尺度表現関連語を含む）について、入力テキスト内での出現頻度（ＴＦ）および文書データ１３に格納された検索対象文書群での出現文書数の逆数（ＩＤＦ）を用いて、キーワードの重要度に相当する重みを算出してキーワードに付与する。本実施形態では、式（１）によって重みを算出する。

ここでＤＦは文書データ１３に格納された検索対象文書群でのキーワード出現文書数、Ｎは文書データ１３に格納されている検索対象文書の総数である。

キーワード重み付与３５では、単語テーブル８に格納されたキーワード毎にその出現頻度をカウントし、文書インデクスデータ１４に予め格納されている各キーワード毎の出現文書数（ＤＦ）を取得して、上記式（１）によってキーワードの重みを算出する。各キーワードの標準形および出現頻度，出現文書数，重みの値は、キーワードテーブル９に格納される。

キーワード重み付与３５においては、キーワードのうち、尺度表現語または尺度表現関連語に対して、予めパラメータ設定データ１７に定義された算出方法に基づいてその重みの値を変更する。例えば、パラメータ設定データ１７に定義された算出方法が、「３を加算する」であり、尺度表現語「温度」の重みが３．５であるならば、その重みは３．５＋３＝６．５に変更されることになる。

本実施形態では、尺度表現語であるキーワードの重みを変更するのに、パラメータ設定データ１７に予め定義された値を、元の重みの値に「加算する」、両者を「掛算する」、元の重みの値と「置換する」の３通りの内、一つを選択できるが、もちろん、これ以外の算出方法も定義可能である。また、演算の対象となる属性を、重み、出現頻度（ＴＦ）、出現文書数の逆数（ＩＤＦ）から選択することも可能である。

キーワード抽出プログラム３でキーワードおよびその重みが決定されると、次に、検索実行プログラム１０において、キーワードテーブル９に格納された重み付きキーワードを用いて文書データ１３を検索する。本システムでは、インデクス生成プログラム１５によって、文書データ１３に格納される各文書から重み付きキーワードを予め抽出しておき、文書インデクスデータ１４に格納される。また、各キーワードの出現文書数も計算され、文書インデクスデータ１４に格納される。キーワードテーブル９に格納された重み付きキーワードで構成されるキーワードベクトル（重みの値がベクトルの成分となる）と、文書インデクスデータ１４に格納された重み付きキーワードで構成されるキーワードベクトルとがなす角度の余弦を計算し、その文書の類似度（値の範囲は、−１から１の間となる）とする。類似度の算出方法についてはさまざまな手法が提案されているが、本発明は類似度の算出方法を特に制限するものではないので、これ以上詳細には言及しない。

検索実行プログラム１０で検索された結果は、文書ＩＤと類似度が対になって、類似度の降順にソートされて検索結果データ１１に格納される。本発明は、キーワードおよびその重みを用いて検索すること以外は、検索実行処理アルゴリズムの内容を限定するものではないので、既に公知である検索実行プログラム１０の処理の詳細については、これ以上言及しない。

検索結果表示プログラム１２では、検索結果データ１１に格納された検索結果を、入出力部１を介して利用者に表示する。また、キーワード抽出プログラム３で抽出された重み付きキーワードデータや入力テキストデータを利用者に表示する。

本実施形態で用いられる尺度表現語辞書７は編集が可能である。尺度表現語辞書管理編集プログラム１６は、利用者からの編集要求に応じて編集用のＧＵＩ画面を提供し、利用者から入力される尺度表現語データに関する追加・修正・削除データをもとに尺度表現語辞書７の内容を更新する。

なお、本実施形態では、不要語辞書６および尺度表現語辞書７を、単語辞書４とは別なものとしているが、単語が不要語であるか否かの情報を単語辞書４の中に埋め込んで定義しても良いし、また、単語が尺度表現語であるか否かの情報を単語辞書４の中に埋め込んで定義しても良い。

図１Ａで説明した本実施形態で述べるシステムは、電子計算機で構成されるものである。図１Ｂは、図１Ａで説明した本実施形態で述べるシステムを電子計算機の構成として表示したブロック図であり、同じものには同じ参照符号を付した。２００はシステムバスである。システムバス２００には、入力手段としてのキーボード１_１、マウス１_２が接続され、出力手段としての印刷手段１_３、表示手段１_４が接続される。さらに、システムバス２００には、中央処理装置（ＣＰＵ）２０１、メモリのワークエリア２０３、メモリの格納エリア２０４が接続される。ここでは、さらに、システムバス２００にネットワーク２０７が接続され、この他端にクライアントコンピュータ２０５が接続される例を示した。図のシステム構成をサーバとして、ネットワーク２０７を介して接続されたクライアント２０５により、図１Ａで説明した各種の処理が実行される。

図１Ａで説明した各種の処理が、格納エリア２０４に格納された必要なプログラムおよびデータをワークエリア２０３に読み出して、ＣＰＵ２０１により実行される。

以下では、本実施形態で使用している各テーブルのデータ構造およびより詳細な処理アルゴリズム、データの画面表示例について上述を補足する形で説明する。

図２は、入力テキスト２の記述例を示すである。利用者は検索実行画面の所定の入力エリアにテキスト２ａをキーボードから入力する。テキスト２ａは、文章の形式で入力されているが、テキスト２ｂのように単語を区切記号（コンマ，スペースなど）で分けて羅列するという形式で入力しても良い。ただしこの入力形式の場合、尺度表現語は特定できても、尺度表現関連語は特定できなくなる不都合があるので、尺度表現関連語を活用する検索の用途では、文章の形式のテキスト２ａの形で入力する方が良い。

図３は、形態素解析３１で参照する単語辞書４のデータ構造を示す図である。各単語に関する見出し４０１、標準形４０２、品詞４０３などの情報が定義されている（もちろん、この他に活用情報なども格納されているが、ここでは本実施形態を説明する上で必要なものだけを示している）。ここで、標準形４０２は、用言など活用する単語の見出しを統一するための表記であり、キーワード文字列はこの標準形４０２に記述された文字列とする。また、キーワード重み付与３５においてキーワードの出現頻度をカウントする場合には、この標準形４０２に記述された表記を用いる。

図４は、単語テーブル８のデータ構造を示す図である。単語テーブル８は、単語見出し８０１、標準形８０２、品詞８０３、不要語か否かを識別する不要語フラグ８０４（１であれば不要語）、キーワードか否かを識別するキーワードフラグ８０５（１であればキーワード）、尺度表現語か否かを識別する尺度表現フラグ８０６（１であれば尺度表現語、２以上であれば尺度表現関連語）からなり、入力テキスト２における単語出現順に格納されている。

図５は、キーワードテーブル９のデータ構造を示す図である。キーワードテーブル９は、キーワード抽出プログラム３の出力となる。キーワードテーブル９は、キーワード文字列である標準形９０１、キーワードが尺度表現語または尺度表現関連語であるか否かを識別する尺度表現フラグ９０２、出現頻度をもとに算出されたＴＦ９０３、出現文書数の逆数をもとに算出されたＩＤＦ９０４、ＴＦ９０３およびＩＤＦ９０４から算出される重み９０５、尺度表現語および尺度表現関連語に対して算出される重みである尺度表現重み９０６からなる。本実施形態では、尺度表現重み９０６の値は、キーワードの重み９０５の値に「定数３」を「加算」することにより算出されるため、図５における尺度表現語「温度」「湿度」および尺度表現関連語「雰囲気」の持つ重みに定数３を加算した値が尺度表現重み９０６となる。尺度表現語でも尺度表現関連語でもないキーワードの尺度表現重み９０６の値はキーワード重み９０５と等しい。

図６は、尺度表現語辞書７のデータ構造を示す図である。尺度表現語辞書７は、尺度表現語の標準形７０１、上述した尺度表現語の種類７０２からなる（なお、本実施形態においては、尺度表現語の種類７０２の値によって処理を区別することはしていない）。なお、尺度表現語辞書７に登録されている単語は、単語辞書４にも登録されている必要がある。

図７は、パラメータ設定データ１７のデータ構造を示す図である。パラメータ設定データ１７は、検索を実行する際に必要となる各種パラメータの値を格納しているテーブルであり、利用者あるいはシステム管理者による値の設定を可能とする。パラメータ設定データ１７に格納されているパラメータには以下のものがある。
（１）キーワード品詞リスト１７１：
キーワードとして抽出される品詞が、普通名詞、サ変名詞、動詞、形容詞、接尾語のみであることを示している。
（２）尺度表現語種類１７２：
上述した尺度表現語および３種類の尺度表現関連語のうち、どれを用いるかを１／０のフラグで設定する。
（３）尺度表現語重み付与方法（対象属性）１７３：
尺度表現語に対して、どのような算出方法に基づいて重みを付与するのかを設定する。このパラメータは、重みを算出する演算が施される対象となる属性をＴＦ９０３、ＩＤＦ９０４、重み９０５のどれにするかを設定する。
（４）尺度表現語重み付与方法（算出方法）１７４：
尺度表現語に対して、どのような算出方法に基づいて重みを付与するのかを設定する。このパラメータは、上記「尺度表現語重み付与方法（付与対象）１７３」で指定された属性に対して、下記「尺度表現語重み付与方法（付与値）１７５」で設定された値を「加算する」か、「掛け合わせる」か、「置換する」のか、の３種類から一つを指定する。
（５）尺度表現語重み付与方法（付与値）１７５：
尺度表現語に対して、どのような算出方法に基づいて重みを付与するのかを設定する。このパラメータは、「尺度表現語重み付与方法（付与対象）１７３」で指定された属性に対して、上記「尺度表現語重み付与方法（付与方法）１７４」で指定された算出方法に基づいて重みを付与する際の値を設定する。図７では、尺度表現語の重み付与は、キーワードテーブル９（図５）に格納されたキーワードの属性のうちの「重み９０５」に対して、「値３」を「加算する」ように設定されている。

尺度表現語の抽出および重み付与に関する上記（２）（３）（４）（５）については、尺度表現語毎に設定を変えても良い。すなわち、「尺度表現語「速度」に対しては、重み９０５に定数３を加算する」が、「尺度表現語「温度」に対しては、尺度表現語および尺度表現関連語に対してのみ重み９０５を１．５倍する」というように別々に定義しても良い。この処理は、例えば、利用者が、尺度表現辞書７を尺度表現語辞書管理編集プログラム１６を介して尺度表現語辞書編集の操作をすることで実現できる。また、入力テキストに書かれた内容からその分野（分類）を特定し、その分野（分類）毎に尺度表現語の抽出および重み付与に関する設定を変えても良い。すなわち、例えば、同じ尺度表現語「速度」であっても、入力テキストの内容が計算機処理分野に関するものであると認定された場合は、重みに定数３をプラスし、プリンタ分野に関するものであると認定された場合は、定数５をプラスする、というようにすることも可能である。分野を特定する方法としては、入力テキストでまず検索を実行し、上位Ｎ件の文書に付与されている国際特許分類などの分類コードの付与件数の多いものを入力テキストの分野であると特定する方式などが公知であり、容易に実現可能である。

図８は、キーワード抽出プログラム３における尺度表現語抽出３４の処理フローの詳細を示した図である。尺度表現語抽出３４の入力は単語テーブル８（ただし、図４で尺度表現フラグ８０６が不確定値となっている）であり、出力は尺度表現フラグ８０６の値が確定した単語テーブル８である。

まず、単語テーブル８の尺度表現フラグ８０６の値を全て０に初期化する（ステップ３４０１）。次に、カウンタＮの値を１に初期化する（ステップ３４０２）。次に、Ｎの値が単語テーブル８に格納された単語数以下であるか否かを判別し（ステップ３４０３）、Ｎの値の方が大きい場合、本処理を終了する。単語数以下である場合、さらに、単語テーブル８のＮ番目の単語のキーワードフラグ８０５の値が１であるか否かを判別し（ステップ３４０４）、１でない場合はＮに１を加えてステップ３４０３に戻る（ステップ３４１４）。１である場合は、さらにＮ番目の単語の標準形８０２が尺度表現語辞書７に登録されているか否かをスキャンし（ステップ３４０５）、登録されていない場合はＮに１を加えてステップ３４０３に戻る（ステップ３４１４）。登録されている場合、さらにパラメータ設定データ１７の尺度表現語種類１７２の「尺度表現語」の項目の値が１であるか否かを判別し（ステップ３４０６）、１である場合は、単語テーブル８のＮ番目の単語の尺度表現フラグ８０６の値を１にして尺度表現語として抽出する（ステップ３４０７）。１でない場合は、ステップ３４０８にスキップする。

次に、尺度表現関連語の抽出処理に移る。パラメータ設定データ１７の尺度表現語種類１７２の「尺度表現関連語（隣接複合語）」の項目の値が１であるか否かを判別し（ステップ３４０８）、１である場合は、単語テーブル８をＮ番目の単語から上に遡り、キーワードフラグ８０５が０である単語に行き着くまでに見つかった単語全ての尺度表現フラグ８０６の値を２にして尺度表現関連語として抽出する（ステップ３４０９）。１でない場合は、ステップ３４１０にスキップする。

次に、パラメータ設定データ１７の尺度表現語種類１７２の「尺度表現関連語（修飾語）」の項目の値が１であるか否かを判別し（ステップ３４１０）、１である場合は、Ｎ番目の単語を修飾する単語でキーワードフラグが１である単語を全て抽出し、その単語の尺度表現フラグ８０６の値を３にして尺度表現関連語として抽出する（ステップ３４１１）。ここでＮ番目の単語である尺度表現語を修飾する単語の発見の仕方であるが、Ｎ番目の単語に助詞「の」または助動詞「である」を伴って係る名詞、または、Ｎ番目の単語の直前にある動詞／形容詞を特定するという方法で行う。もちろん、これらの部分を含む文全体あるいは文の一部に構文解析処理を施して、Ｎ番目の単語に係る語句を認定するという方法でも良い。ステップ３４１０で１でない場合、ステップ３４１２にスキップする。

次に、パラメータ設定データ１７の尺度表現語種類１７２の「尺度表現関連語（被修飾語）」の項目の値が１であるか否かを判別し（ステップ３４１２）、１である場合、当該Ｎ番目の単語が修飾する単語でキーワードフラグが１である単語を全て抽出し、その単語の尺度表現フラグ８０６の値を４にする（ステップ３４１３）。ここでＮ番目の単語である尺度表現語が修飾する単語の発見の仕方であるが、Ｎ番目の単語の後ろに助詞「の」「を」または助動詞「である」を介して続く名詞または動詞／形容詞を特定するという方法で行う。もちろん、これらの部分を含む文全体あるいは文の一部に構文解析処理を施して、Ｎ番目の単語が係る語句を認定するという方法でも良い。

ステップ３４１２で１でない場合、ステップ３４１４にスキップし、Ｎに１を加えてステップ３４０３に戻る。

図９Ａおよび図９Ｂは、キーワード抽出プログラム３におけるキーワード重み付与３５の処理フローの詳細の前半部および後半部を示した図であり、図９ＡのＡから図ＢのＡに移る。キーワード重み付与３５の入力は単語テーブル８であり、出力はキーワードテーブル９である。

まず、キーワードテーブル９を初期化する（ステップ３５０１）。次に、カウンタＮの値を１に初期化する（ステップ３５０２）。カウンタＮが単語テーブル８に格納されている単語数以下であるか否かを判別し、単語数よりも大きい場合、ステップ３５１０以降の処理に移る（ステップ３５０３）。単語数以下である場合、単語テーブル８のＮ番目の単語のキーワードフラグ８０５の値が１であるか否かを判別し（ステップ３５０４）、１でない場合、Ｎの値を１増加し（ステップ３５１６）、ステップ３５０３に戻る。１である場合、さらにＮ番目の単語がキーワードテーブル９に既に格納されているか否かをキーワードテーブル９の標準形９０１をスキャンすることにより判別し（３５０５）、既に格納されている場合、キーワードテーブル９における当該単語のＴＦ９０３の値を１増加させる（ステップ３５０６）。格納されていない場合、キーワードテーブル９の標準形９０２に単語テーブル８における当該単語の標準形８０２を追加し、ＴＦ９０３の値に１を格納し、文書インデクスデータ１４から当該単語のＩＤＦ値を取得してＩＤＦ９０４に格納する（ステップ３５０７）。

次に、単語テーブル８のＮ番目の単語の尺度表現フラグ８０６が１以上であるか否かを判別し（ステップ３５０８）、１でない場合、ステップ３５１６にスキップし、Ｎに１を加えてステップ３５０３に戻る。１以上である場合、その値をキーワードテーブル９の当該単語の尺度表現フラグ９０２に格納する（ステップ３５０９）。次に、ステップ３５０９の処理の後、ステップ３５１６にスキップし、Ｎに１を加えてステップ３５０３に戻る。

ステップ３５０３でカウンタＮが単語テーブル８に格納されている単語数以下であるか否かを判別し、単語数よりも大きい場合、この時点でキーワードテーブル９に格納されたキーワード全てについて、ステップ３５１０以下の処理を施す。キーワードテーブル９に未処理のキーワードがあるか否かを判別し（ステップ３５１０）、未処理のキーワードがなくなったら本処理を終了する。未処理のキーワードがある場合、まず、当該キーワードのＴＦ９０３とＩＤＦ９０４の値から重み９０５を算出する（ステップ３５１１）。次に、当該キーワードの尺度表現フラグ９０２が１以上であるか否かを判別し（ステップ３５１２）、１以上でない場合は、ステップ３５１０に戻る。１以上である場合、尺度表現語または尺度表現関連語としてその重みを、さらに更新するステップに移る。まず、パラメータ設定データ１７の尺度表現語重み付与方法（対象属性）１７３の値に相当するキーワードテーブル９の属性の値を変数Ｘに格納する（ステップ３５１３）。次に、パラメータ設定データ１７の尺度表現語重み付与方法（付与値）１７５の値を変数Ｙに格納する（ステップ３５１４）。そして、パラメータ設定データ１７の尺度表現語重み付与方法（算出方法）１７４の算出方法に基づいて、当該キーワードの尺度表現重み９０６を算出する（ステップ３５１５）。すなわち、算出方法が「加算」である場合、ＸとＹの和を求め、「掛算」である場合、ＸとＹの積を求め、「置換」である場合、値をＹとし、これを尺度表現重み９０６に代入する。

図１０は、検索結果を利用者に表示する際の画面例の一例である。

本画面１００は、図１Ｂの表示手段１_４の表示画面の例であり、大きく、入力テキスト表示エリア１２０、キーワード一覧表示エリア１４０、検索結果一覧表示エリア１６０からなる。入力テキスト表示エリア１２０には、利用者によって入力されたテキストデータが表示される。必要に応じて内容を修正して検索ボタン１２１を押下することにより、検索結果を得て、検索結果一覧表示エリア１６０に出力を表示することができる。また、解析ボタン１２２を押下することにより、キーワード抽出プログラム３によって抽出されたキーワード群をキーワード一覧表示エリア１４０に表示することができる。また、リセットボタン１２３を押下することにより、入力テキスト表示エリア１２０のデータをクリアすることができる。

入力テキスト表示エリア１２０にテキストを表示する際に、単語テーブル８を参照して、尺度表現語または尺度表現関連語に相当する記述部分を、他と異なる態様で表示しても良い。図１０では、尺度表現語である「温度」「湿度」、尺度表現関連語である「雰囲気」にアンダーラインが付与されている。もちろん、色を変えたり、字の大きさやフォントを変えたり、網掛けを付けたりするなどして表示しても良い。また、尺度表現語と尺度表現関連語とを互いに異なる態様で表示しても良い。

キーワード一覧表示エリア１４０には、入力テキストから抽出されたキーワード群に関するデータが表示される。キーワードの見出し、ＴＦ、ＩＤＦ、重みが表示される。また、キーワードのうち、尺度表現語あるいは尺度表現関連語に相当するものについては、他と異なる態様で表示することにより、利用者の理解を促進する。図１０では、尺度表現語の見出しの左側に白抜きの星印を付けている。もちろん、このほかに、色を変えたり、字の大きさやフォントを変えたり、アンダーラインや網掛けを付けたり、尺度表現語を上位にソートして羅列するなどして表示しても良い。また、尺度表現語と尺度表現関連語を異なる態様で表示しても良い。さらに、図１０では、重みの大きい尺度表現関連語の見出しの左側に黒塗りの星印を付けている。さらに、一つの尺度表現語とそれに係る尺度表現関連語の対応関係を明確に表示するために、これらを同一または同一と容易に判断可能な態様で表示しても良い。例えば、尺度表現関連語「雰囲気」は尺度表現語「温度」と同じグループとして表示するなどしても良い。これらの表示処理は、検索結果表示プログラム１２において、キーワードテーブル９および必要に応じて単語テーブル８を参照することにより、容易に実現可能である。

また、キーワード一覧表示エリア１４０では、項目を選択してソートボタン１４２を押下することにより、キーワード群を選択された項目でソートすることができる。さらに、項目を選択して編集ボタン１４１を押下することにより、表示された内容を修正することができ、再検索ボタン１４３を押下することにより、上記修正内容で再検索することができる。本実施形態では、キーワード一覧表示エリア１４０は、検索結果とともに表示しているが、解析ボタン１２２を検索前に押下することによって、キーワード一覧を表示し、その内容を修正してから検索を行うということも可能である。

検索結果一覧表示エリア１６０では、検索実行プログラム１０で検索された結果が表示される。ソートボタン１６１の押し下げで表示内容をソートし、前頁ボタン１６２、次頁ボタン１６３の押し下げで表示スクロールができ、項目を選択して内容表示ボタン１６４を押し下げれば、選択された個別の文書内容の表示ができる。

検索を終了する時は、終了ボタン１８０を押し下げれば良い。

このように、検索結果を表示する際に、テキストやキーワード一覧を表示するだけでなく、本実施形態で述べた尺度表現語および尺度表現関連語を他と異なる態様で表示することにより、それらの存在を利用者に明確に認識させ、注意喚起させることができ、また、キーワードのチューニング等を効率良く行うことができる。

以上に述べたように、本実施形態では、特許請求項テキストを入力として、その内容に類似する特許公開公報文書を検索するものであり、尺度表現語を抽出してその重みを変更する、また、尺度表現語に関連する記述内容である尺度表現関連語を抽出してその重みを変更することにより、検索精度の向上が期待できる。

次に、本実施形態の拡張形態について述べる。

本拡張実施形態では、尺度表現語および尺度表現関連語の重みを変える代わりに、尺度表現語および／または尺度表現関連語を含む文書を文書データ１３の中から検索し、検索結果として抽出された文書群のみを対象として、入力テキスト２の内容に類似する文書を特定するものである。図２の入力テキスト２ａが入力された場合、キーワード抽出プログラム３によって尺度表現語として「温度」および「湿度」、尺度表現関連語として「雰囲気」が抽出されるが、本拡張実施形態では、まず、尺度表現語「温度」「湿度」のいずれか一方を含む文書を文書データ１３を参照して検索する。検索の方法としては、上述のように文書インデクスデータ１４に格納されている各文書に出現するキーワードとの照合によって行っても良いし、各文書中のテキストをスキャンしてキーワード文字列を含むかを判定しても良い。また、文書内の検索範囲として、特定の範囲に限定しても構わない。本拡張実施形態においては、例えば、検索範囲を「特許請求の範囲」のみに限定しても良い。また、尺度表現語「温度」「湿度」の両方を含む文書を検索しても良い。また、尺度表現語だけでなく尺度表現関連語も含め、その中のどれか一つの語を含む文書を検索しても良い。

上記検索によってＭ件の文書がヒットしたとすると、次にこのＭ件のみを対象として、入力テキストと各文書中のテキストとの類似度を算出する。このときに用いるキーワードの重みとして、従来のＴＦ・ＩＤＦ法によって付与された重み（キーワードテーブル９の重み９０５）を用いても良いし、上記実施形態で述べたように、ここでさらに尺度表現語および尺度表現関連語を考慮して付与された重み（キーワードテーブル９の尺度表現重み９０６）を用いても良い。

本拡張実施形態によれば、尺度表現語に着目することにより、大量の検索対象文書の中から、入力テキストに関連しそうな文書のみを抽出できるので、検索のノイズを大幅に軽減することができる。

また、尺度表現語および尺度表現関連語だけでなく、これらの単語の同義語または類義語を類義語辞書に格納しておき、検索時に類義語辞書を検索して尺度表現語および尺度表現関連語を拡張して検索する方法を用いても良い。一般に類義語辞書の作成は多大な工数がかかるが、尺度表現語に限れば語彙数は非常に小さいこと、尺度表現語は固有名詞的な性質を持つためそもそも同義語または類義語が少ないことを考えると、作成工数は比較的小さくて済む。

本実施形態で述べるシステムを利用者の操作、各種データおよびデータの処理に関するプログラムを関連付けて表示したブロック図である。 図１Ａで説明した本実施形態で述べるシステムを電子計算機の構成として表示したブロック図である。 本発明の実施形態の入力テキスト２の記述例を示す図である。 本発明の実施形態の形態素解析３１で参照する単語辞書４のデータ構造の一例を示す図である。 本発明の実施形態の単語テーブル８のデータ構造の一例を示す図である。 本発明の実施形態のキーワードテーブル９のデータ構造の一例を示す図である。 本発明の実施形態の尺度表現語辞書７のデータ構造の一例を示す図である。 本発明の実施形態のパラメータ設定データ１７のデータ構造の一例を示す図である。 本発明の実施形態のキーワード抽出プログラム３における尺度表現語抽出３４の処理フローの詳細を示した図である。 本発明の実施形態のキーワード重み付与３５の処理フローの詳細の前半部を示す図である。 本発明の実施形態のキーワード重み付与３５の処理フローの詳細の後半部を示す図である。 本発明の実施形態の検索結果を利用者に表示する際の画面例の一例である。

符号の説明

１…入出力部、１_１…キーボード、１_２…マウス、１_３…印刷手段、１_４…表示手段、２…入力テキスト、３…キーワード抽出プログラム、４…単語辞書、５…文法辞書、６…不要語辞書、７…尺度表現語辞書、８…単語テーブル、９…キーワードテーブル、１０…検索実行プログラム、１１…検索結果データ、１２…検索結果表示プログラム、１３…文書データ、１４…文書インデクスデータ、１５…インデクス作成プログラム、１６…尺度表現語辞書管理編集プログラム、１７…パラメータ設定データ、１００…表示画面、１２０…入力テキスト表示エリア、１２１…検索ボタン、１２２…解析ボタン、１２３…リセットボタン、１４０…キーワード一覧表示エリア、１４１…編集ボタン、１４２…ソートボタン、１４３…再検索ボタン、１６０…検索結果一覧表示エリア、１６１…ソートボタン、１６２…前頁ボタン、１６３…次頁ボタン、１６４…内容表示ボタン、１８０…終了ボタン、２００…システムバス、２０１…ＣＰＵ、２０３…メモリのワークエリア、２０４…メモリの格納エリア、２０５…クライアント、２０７…ネットワーク。

Claims (14)

1. 利用者によって入力された入力テキスト、定量値に関する語を定義する尺度表現語辞書、検索対象となる文書、各文書から予め抽出した重み付きキーワード、尺度表現語用の重み算出ルールとを記憶する記憶装置と、前記記憶装置にアクセス可能な中央処理装置とを備えた計算機による、文書検索方法において、
   前記中央処理装置が、前記記憶装置内の前記入力テキストを解析してキーワードを抽出するステップと、前記中央処理装置が、前記記憶装置内の前記尺度表現語辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出するステップと、前記中央処理装置が、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するステップと、前記中央処理装置が、前記重み付きキーワードと、前記記憶装置内の前記予め抽出した重み付きキーワードとを比較して、前記記憶装置内の前記文書毎に類似度を算出するステップと、前記中央処理装置が、前記類似度の高い文書を検索結果として出力するステップとを備え、
   前記キーワードの重みを付与するステップにおいて、前記中央処理装置が、前記記憶装置内の前記重み算出ルールに基づいて、前記抽出された尺度表現語の重みを付与することを特徴とする文書検索方法。
2. 利用者によって入力された入力テキストと、定量値に関する語を定義する尺度表現語辞書、検索対象となる文書、各文書から予め抽出した重み付きキーワード、尺度表現語用の重み算出ルールとを記憶する記憶装置と、前記記憶装置にアクセス可能な中央処理装置とを備えた計算機による、文書検索方法において、
   前記中央処理装置が、前記記憶装置内の前記テキストを解析してキーワードを抽出するステップと、前記中央処理装置が、前記記憶装置内の前記尺度表現辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出するとともに、前記入力テキストにおいて、前記抽出された尺度表現語に隣接して複合語を形成する語、前記抽出された尺度表現語を修飾する語、前記抽出された尺度表現語を含む文節が修飾する語、の内の少なくとも１つに該当する語を尺度表現関連語として抽出するステップと、前記中央処理装置が、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するステップと、前記中央処理装置が、前記重み付きキーワードと、前記記憶装置内の前記予め抽出した重み付きキーワードとを比較して、前記記憶装置内の前記文書毎に類似度を算出するステップと、前記中央処理装置が、前記類似度の高い文書を検索結果として出力するステップとを備え、
   前記重み算出ルールは、前記尺度表現関連語用の重み算出ルールを含み、
   前記キーワードの重みを付与するステップにおいて、前記中央処理装置が、前記記憶装置内の前記重み算出ルールに基づいて、前記抽出された尺度表現語および尺度表現関連語の重みを付与することを特徴とする文書検索方法。
3. 請求項１または請求項２に記載の文書検索方法において、前記キーワードを尺度表現語として抽出するのは、当該キーワードを含む文節が定量値を表す語または定量値を定性的に表す語を修飾しているか、定量値を表す語または定量値を定性的に表す語を含む文節が当該キーワードを修飾しているかのいずれかに該当する場合のみとすることを特徴とする文書検索方法。
4. 請求項２または請求項３に記載の文書検索方法において、前記計算機の入力装置が、前記抽出された尺度表現語に隣接して複合語を形成する語、前記抽出された尺度表現語を修飾する語および前記抽出された尺度表現語を含む文節が修飾する語の内のどれを前記尺度表現関連語として抽出するかの選択を、利用者から受け付けることを特徴とする文書検索方法。
5. 請求項１から請求項４のいずれかに記載の文書検索方法において、前記計算機の入力装置が、前記記憶装置内の前記重み算出ルールを、利用者から受け付けることを特徴とする文書検索方法。
6. 利用者によって入力された入力テキスト、定量値に関する語を定義する尺度表現語辞書、検索対象となる文書、各文書から予め抽出した重み付きキーワード、尺度表現語用の重み算出ルールとを記憶する記憶装置と、前記記憶装置にアクセス可能な中央処理装置とを備えた計算機による、文書検索方法において、
   前記中央処理装置が、前記記憶装置内の前記入力テキストを解析してキーワードを抽出するステップと、前記中央処理装置が、前記記憶装置内の前記尺度表現語辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出するステップと、前記中央処理装置が、前記抽出された尺度表現語の内の少なくとも一つまたは全てを含む文書を前記記憶装置内の前記文書群から取得するステップと、前記中央処理装置が、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するステップと、前記中央処理装置が、前記重み付きキーワードと、前記記憶装置内の前記予め抽出した重み付きキーワードとを比較して、前記記憶装置内の前記文書毎に類似度を算出するステップと、前記類似度の高い文書を検索結果として出力するステップとを備え、
   前記類似度を算出するステップにおいて、前記中央処理装置が、前記取得された文書のみを対象として文書毎に類似度を算出することを特徴とする文書検索方法。
7. 請求項１から請求項６のいずれかに記載の文書検索方法において、前記検索結果を出力するステップにおいて、前記中央処理装置が、前記抽出された尺度表現語が記述されている箇所を他と異なる態様とした形で、前記入力テキストを表示装置に表示させることを特徴とする文書検索方法。
8. 請求項１から請求項６のいずれかに記載の文書検索方法において、前記検索結果を出力するステップにおいて、前記中央処理装置が、前記抽出された尺度表現語を他と異なる態様とした形で、前記入力テキストから抽出されたキーワード集合を表示装置に表示させることを特徴とする文書検索方法。
9. 利用者によって入力された入力テキスト、定量値に関する語を定義する尺度表現語辞書、検索対象となる文書、各文書から予め抽出した重み付きキーワード、尺度表現語用の重み算出ルールとを記憶する記憶装置にアクセス可能な中央処理装置に各ステップを実行させるための文書検索プログラムにおいて、
   前記記憶装置内の前記入力テキストを解析してキーワードを抽出するとともに、前記記憶装置内の前記尺度表現語辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出するステップと、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するとともに、前記記憶装置内の前記重み算出ルールに基づいて、前記抽出された尺度表現語の重みを付与するステップと、前記重み付きキーワードと、前記記憶装置内の前記予め抽出した重み付きキーワードとを比較して、前記記憶装置内の前記文書毎に類似度を算出するステップと、前記類似度の高い文書を検索結果として出力するステップとを、前記中央処理装置に実行させることを特徴とする文書検索プログラム。
10. 利用者によって入力された入力テキスト定量値に関する語を定義する尺度表現語辞書、検索対象となる文書、各文書から予め抽出した重み付きキーワード、尺度表現語用の重み算出ルールとを記憶する記憶装置にアクセス可能な中央処理装置に各ステップを実行させるための文書検索プログラムにおいて、
    前記記憶装置内の前記入力テキストを解析してキーワードを抽出するとともに、前記記憶装置内の前記尺度表現語辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出し、さらに、前記入力テキストにおいて、前記抽出された尺度表現語に隣接して複合語を形成する語、前記抽出された尺度表現語を修飾する語、前記抽出された尺度表現語を含む文節が修飾する語、のうちの少なくとも１つに該当する語を尺度表現関連語として抽出するステップと、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するとともに、前記記憶装置内の前記重み算出ルールに基づいて、前記抽出された尺度表現語および尺度表現関連語の重みを付与するステップと、前記重み付きキーワードと、前記記憶装置内の前記予め抽出した重み付きキーワードとを比較して、前記記憶装置内の前記文書毎に類似度を算出するステップと、前記類似度の高い文書を検索結果として出力するステップとを、前記中央処理装置に実行させることを特徴とする文書検索プログラム。
11. 請求項９または請求項１０に記載の文書検索プログラムにおいて、前記キーワードを尺度表現語として抽出するのは、当該キーワードを含む文節が定量値を表す語または定量値を定性的に表す語を修飾しているか、定量値を表す語または定量値を定性的に表す語を含む文節が当該キーワードを修飾しているかのいずれかに該当する場合のみとすることを特徴とする文書検索プログラム。
12. システムバスに接続された入出力手段、中央処理装置、メモリのワークエリアおよびメモリの格納エリアが接続された計算機を備える文書検索装置において、前記メモリの格納エリアには入力テキストを格納する入力テキスト、各単語に関する属性データが登録されている単語辞書、単語の品詞間の接続コストや文法ルール等が定義されている文法辞書、キーワード候補から除外すべき語を定義する不要語辞書、定量値に関する語を定義する尺度表現語辞書、入力テキストから取得された単語を格納する単語テーブル、該単語テーブルに格納された単語の内キーワード候補から除外すべき語に該当しない語を格納するキーワードテーブル、検索対象となる文書を格納する文書データ、該文書データの検索のための文書データインデックス、検索結果を格納する検索結果データ、利用者が与える検索に関する各種の設定を格納するパラメータ設定データと検索のためのプログラム、各文書から予め抽出した重み付きキーワード、尺度表現語用の重み算出ルールを備える文書検索装置であって、
    検索のためのプログラムは、利用者によって入力されたテキストを解析してキーワードを抽出するとともに、前記メモリ内の尺度表現語辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出するステップと、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するとともに、前記メモリ内の前記重み算出ルールに基づいて、前記抽出された尺度表現語の重みを付与するステップと、前記重み付きキーワードと、前記メモリ内の前記予め抽出した重み付きキーワードとを比較して文書毎に類似度を算出するステップと、前記類似度の高い文書を検索結果として出力するステップとを、前記中央処理装置に実行させることを特徴とする文書検索装置。
13. 前記検索のためのプログラムが、前記メモリ内の前記入力テキストを解析してキーワードを抽出するとともに、前記メモリ内の前記尺度表現語辞書を参照して前記抽出されたキーワードの中から尺度表現語を抽出し、さらに、前記入力テキストにおいて、前記抽出された尺度表現語に隣接して複合語を形成する語、前記抽出された尺度表現語を修飾する語、前記抽出された尺度表現語を含む文節が修飾する語、のうちの少なくとも１つに該当する語を尺度表現関連語として抽出するステップと、前記抽出されたキーワードの各々に対して重要度に相当する重みを付与するとともに、前記メモリ内の前記重み算出ルールに基づいて、前記抽出された尺度表現語および尺度表現関連語の重みを付与するステップと、前記重み付きキーワードと、前記メモリ内の前記予め抽出した重み付きキーワードとを比較して文書毎に類似度を算出するステップと、前記類似度の高い文書を検索結果として出力するステップを、前記中央処理装置に実行させる請求項１２記載の文書検索装置。
14. 請求項１２または請求項１３に記載の文書検索装置において、前記文書検索のためのプログラムが、キーワードを尺度表現語として抽出するのは、当該キーワードを含む文節が定量値を表す語または定量値を定性的に表す語を修飾しているか、定量値を表す語または定量値を定性的に表す語を含む文節が当該キーワードを修飾しているかのいずれかに該当する場合のみとしたことを特徴とする文書検索装置。

Images