JP2006072705A - 文書検索装置および方法 - Google Patents

Abstract

【課題】 フォルダを指定する煩わしさを伴うことなく最適に選択された１または複数のフォルダに対して検索を行なう。
【解決手段】 検索入力部４１は、ユーザが入力した分野キーワードおよび検索文を受け取る。対象フォルダ決定部４２は、分野キーワードに基づいて、分野・フォルダ対応情報データベース４５を参照して分野キーワードを属性として含むフォルダーを選択する。検索実行部４３は、検索インデックス記憶部４６の検索インデックスを参照して選択されたフォルダを対象として検索を実行する。検索結果出力部４４は、検索結果を例えば一覧表示するものである。一覧中の文書を指定すると文書出力部４７が文書ファイリング部２０に要求を送り、文書データベース５０から該当する文書を取りだしてユーザに対して表示等の出力を行なう。
【選択図】 図１

Description

この発明は、検索範囲のフォルダを絞り込んで文書検索を行なう文書検索技術に関し、とくに、フォルダ指定の煩わしさを解消しようとするものである。

従来、範囲を指定した検索を行う場合、ユーザ自身で検索対象となるフォルダを指定し、そのフォルダ内を検索させている。このような従来方法では、目的の文書が含まれているフォルダを、ユーザ自身で見極めて指定する必要がある。そのため、目的の文書が指定したフォルダと違うフォルダにあった場合、検索されないという問題点がある。またＵＩの問題として、検索範囲のフォルダをわざわざ指定しなくてはならないという、煩わしさがある。

これを解決する提案もなされている。例えば特許文献１では、ディレクトリ構造のデータベースの各ディレクトリについて相互の関連を示すリンク情報を付加し、それらのリンク情報をデータベースファイルとは独立したリンク情報データファイルに格納しておき、データの検索を行うとき、ユーザがディレクトリを指定すると、リンク情報データファイルから関連するディレクトリ番号を入手して該当するディレクトリを検索するという方法をとっている。

しかしこの方法では、ユーザがディレクトリを指定するため、指定したディレクトリが誤っていた場合は、必要とされる文書が得られないという問題がある。また、ユーザはディレクトリを指定することしかできず、リンクされているディレクトリ同士が、どのような点でリンク関係にあるのかわからないため、ユーザの意図を反映させた検索範囲が指定できているわけではない。
特開平６−４４３０２号公報

この発明は、以上の事情を考慮してなされたものであり、ユーザがフォルダを指定することなく所望の１または複数のフォルダを自動的に選定してそのフォルダの範囲で文書検索を行なえるようにする文書検索技術を提供することを目的としている。

この発明の原理的な構成例では、上述の目的を達成するために、ユーザが自分でフォルダを指定するのではなく、ユーザが検索文と検索の分野を指定すると、フォルダに付けられた属性によって、指定された分野に当てはまるフォルダを自動的に抽出し、そのフォルダに対して、検索を行うというものである。

より具体的には、まずデータベース内のフォルダに属性を付けておく。属性の付け方は自動・手動などがあるが、ここでは自動で属性をつける方法について以下の２つを挙げる。

（１）フォルダ内の文書群における単語の重みを、対象全体での文書頻度と文書クラスタでの文書頻度の関数で表現し、上位単語を一定数取り出し属性（キーワードまたはフォルダのキーワードと呼ぶこともある）とする。単語の重みを表す式は、例えば後述の図１に示すようなものである。

（２）属性の値となる、検索で指定可能な分野キーワードのリストを用意し、フォルダ中の分野キーワードに対するＴＦ＊ＩＤＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ、Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）値がある閾値を越えたらそのフォルダにその分野キーワードを与える。抽出したキーワードはフォルダＩＤをキーとしてＩＤ―キーワードデータベースに登録される。

すべてのフォルダに属性をつけると、検索に時間がかかってしまうので、ある程度上位のフォルダにのみ適用することとする。もちろんすべてのフォルダに属性を付与し、絞り込むフォルダの階層をユーザ側で指定するようにしても良い。

ユーザが検索時に分野を指定する方法として、直接ユーザが記載する方法と、リストから選択させる方法が考えられる。

ユーザが、データベース内にどのような分野があるか知っている場合には、直接記載する方法が有効であろう。リストから選択する場合には、（１）の方法を利用した場合は、抽出された分野キーワードをマージし、リスト表示することができる。（２）の方法を利用した場合は、用意された分野キーワードリストを表示することができる。この場合、分野キーワードリストを単純なリストではなく、階層化されたリストすることもできる。

分野は１つのみ選択することもできるし、また複数選択させることも可能である。

システムは、分野とフォルダの対応表を別途管理している。ユーザが指定した分野の属性を持つフォルダ群をこの対応表から得て、そのフォルダ群以下について検索を行う。

フォルダの文書は時間の経過とともに追加、削除、変更され、そのフォルダのキーワードをその内容に適合化させる必要がある。フォルダのキーワードの更新については、３つの方法が考えられる。１つには、定期的にキーワードの抽出を行う方法、２つ目は文書の追加および削除ごとにそのフォルダに対してキーワードの抽出を行う方法、最後は定期的に内部に変更があったフォルダに対してのみ、キーワードの抽出を行う方法である。

この原理的な構成例によれば、自分でフォルダを指定したときに起こるフォルダ指定のミスが防げ、またすべてのデータを検索するという時間のロスを防ぐことができる。

この発明をさらに説明する。

この発明の一側面によれば、上述の目的を達成するために、文書検索装置に：検索分野を指定する分野指定手段と；検索式を入力する検索式入力手段と；分野のフォルダの対応づけを行なう対応づけ情報を記憶する対応づけ記憶手段と；指定された分野に基づいて上記記憶手段を参照して対応するフォルダを選択するフォルダ選択手段と；選択されたフォルダを対象として、上記入力された検索式による検索を実行する検索手段とを設けている。

この構成においては、分野を指定するだけで適切な１または複数のフォルダを絞り込むことができ、フォルダを指定する煩わしさなしに適切な範囲のフォルダを対象として検索を行なえる。

この構成において、上記分野指定手段は検索分野のリストを表示してユーザが選択可能にするようにしてもよいし、ユーザが入力した文字列を検索分野としてもよい。いずれの入力手法を取るかをユーザが選択できるようにしても良い。

上記対応づけは、上記対応づけ情報は検索分野およびフォルダのキーワードとの間の対応づけに関するものとする。対応づけは対応づけテーブル等の手段を用いても良いし、検索分野を取得した後にフォルダーのキーワードを順次に参照して対応するフォルダーを選択するようにしても良い。

指定された検索分野から関連語を導出し上記検索分野と一致するキーワードを含むフォルダを選択してもよい。分野の命名やキーワードの選定にゆらぎがあっても対処できる。

上記キーワードのほかに関連語を導出し、指定された検索分野と上記キーワードまたは関連語が一致するフォルダを選択するようにしてもよい。

上記分野指定手段は１の検索分野だけでなく複数の検索分野を指定できるようにしてもよい。

また、フォルダ中の文書から当該フォルダのキーワードを導出して上記対応づけ情報を生成する対応づけ情報生成手段をさらに設けても良い。

この場合、例えば、上記フォルダのキーワードを、フォルダごとに選択キーワードグループ中の各キーワードのＴＦ＊ＩＤＦ値に基づいて選定してもよい。そして、各フォルダごとに各キーワードのＴＦ合計値およびＤＦ（Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）値を保持し、上記フォルダに文書の追加・削除をおこなったときに追加・削除の対象のフォルダに対して当該文書の各単語の頻度にもとづいて各単語のＴＦ合計値およびＤＦ値を更新し、更新したＴＦ合計値およびＤＦ値から上記ＴＦ＊ＩＤＦ値を更新するようにしてもよい。

また、上記フォルダのキーワードは、フォルダ内の文書群の単語の重みを、対象全体での文書頻度と当該フォルダの文書頻度の関数で表し、単語の重みに基づいてキーワードを選択する用にしても良い、

なお、この発明は装置またはシステムとして実現できるのみでなく、方法としても実現可能である。また、そのような発明の一部をソフトウェアとして構成することができることはもちろんである。またそのようなソフトウェアをコンピュータに実行させるために用いるソフトウェア製品もこの発明の技術的な範囲に含まれることも当然である。

この発明の上述の側面および他の側面は特許請求の範囲に記載され以下実施例を用いて詳述される。

この発明によれば、フォルダを指定する煩わしさを伴うことなしに、所望の１または複数のフォルダを対象にして検索を行なうことができる。

以下、この発明の実施例について説明する。

図１は、この発明の実施例の文書管理装置１０を示している。この文書管理装置１０は文書をファイリングし、出力し、また検索するものである。なお、この文書管理装置１０は、それに限定されるものではないが、サーバ装置（コンピュータ）１００上で実行されるコンピュータプログラムにより実現される。以下に説明する機能ブロックはサーバ装置にハードウェア資源およびソフトウェア資源を協同させて実現される。

図１において、文書管理装置１０は、文書ファイリング部２０、文書操作部３０、文書検索部４０、文書データベース５０等を含んで構成され、文書検索部４０は、検索入力部４１、対象フォルダ決定部４２、検索実行部４３、検索結果出力部４４、分野・フォルダ対応情報データベース４５、検索インデックス記憶部４６、文書出力部４７、分野・フォルダ対応情報生成部４８、分野・フォルダ対応情報更新部４９等を含んで構成されている。

文書ファイリング部２０は、文書データベース５０に文書を保管管理するものである。文書操作部３０を用いてユーザの指示に基づいて文書の追加、削除、更新等を行なうことができる。

この実施例の文書管理装置１０で文書検索を行なうには、ユーザが自分でフォルダを指定するのではなく、ユーザが検索文と検索の分野を指定する。文書検索部４０は、フォルダに付けられた属性によって、指定された分野に当てはまるフォルダを自動的に抽出し、そのフォルダに対して、検索を行う。

検索入力部４１は、ユーザが入力した分野情報（分野キーワード）および検索文を受け取る。対象フォルダ決定部４２は、分野キーワードに基づいて、分野・フォルダ対応情報データベース４５を参照して分野キーワードを属性として含むフォルダーを選択する。分野・フォルダ対応情報データベース４５は例えば図３に示すような分野・フォルダ対応テーブル（分野・フォルダ対応情報データベース４５）を保持する。分野・フォルダ対応テーブルはフォルダＩＤごとに１または複数の分野キーワードを割り当てるものである。検索実行部４３は、検索インデックス記憶部４６の検索インデックスを参照して選択されたフォルダを対象として検索を実行する。この例では検索文を用いた関連文書検索であるが、キーワードを用いた検索でもよく、Ｎ−ｇｒａｍを用いた全文検索でも良い。検索結果出力部４４は、検索結果を例えば一覧表示するものである。一覧中の文書を指定すると文書出力部４７が文書ファイリング部２０に要求を送り、文書データベース５０から該当する文書を取りだしてユーザに対して表示等の出力を行なう。

分野・フォルダ対応情報生成部４８は、文書データベース５０中のフォルダごとに分野キーワードを生成する。生成された分野キーワードにより分野・フォルダ対応情報を分野・フォルダ対応情報データベース４５に登録する。この登録は任意のタイミングで行なっても良い。これについては後に一例を挙げる。分野・フォルダ対応情報更新部４９は、文書データベース５０の各フォルダに対して文書の追加、削除、変更等の操作が行なわれたときに、フォルダーの分野キーワードの差分を生成するものである。これについても後に一例を挙げる。分野・フォルダ対応情報データベース４５の内容は分野キーワードの差分に基づいて更新される。

つぎに分野・フォルダ対応情報生成部４８による、分野・フォルダ対応情報を構成する分野キーワードの抽出について説明する。図３に示すように、まずフォルダごとに分野キーワードを抽出してこれを分野・フォルダ対応情報データベース４５に登録する。分野キーワードの抽出手法として、これに限定されないが、例えば、つぎの２つを採用することができる。ここでは自動的に抽出するが手作業で抽出しても良い。

（１）フォルダ内の文書群における単語の重みを、対象全体での文書頻度と文書クラスタでの文書頻度の関数で表現し、上位一定数の単語を分野キーワードとして取り出す。単語の重みを表す式を図４に示すようなものであるが、これに限定されない。

（２）属性の値となる、検索で指定可能な分野キーワードのリストを用意し、フォルダ中の分野キーワードに対するＴＦ＊ＩＤＦ値がある閾値を越えたらそのフォルダにその分野キーワードを与える。抽出したキーワードはフォルダＩＤをキーとして分野・フォルダ対応情報データベース４５に登録される。

すべてのフォルダに属性をつけると、検索に時間がかかってしまうので、ある程度上位のフォルダにのみ適用することとする。すべてのフォルダに属性を付与してユーザが対象とするフォルダの階層を指定できるようにしても良い。所定レベル以下の階層を指定したり、具体的な階層を１または複数指定しても良い。

ユーザが検索時に分野を指定する方法として、直接ユーザが記載する方法と、リストから選択させる方法が考えられる。

ユーザが、データベース内にどのような分野があるか知っている場合には、直接記載する方法が有効であろう。リストから選択する場合には、（１）の方法を利用した場合は、抽出された分野キーワードをマージし、リスト表示することができる。（２）の方法を利用した場合は、用意された分野キーワードリストを表示することができる。この場合、分野キーワードリストを単純なリストではなく、階層化されたリストすることもできる。

分野は１つのみ選択することもできるし、また複数選択させることも可能である。

この例では、分野・フォルダ対応情報データベース４５により分野とフォルダの対応表を別途管理している。ユーザが指定した分野の属性を持つフォルダ群をこの対応表から得て、そのフォルダ群以下について検索を行う。しかしながら、各フォルダがその属性として分野キーワードを管理し、これを参照して分野に対応するフォルダを選択するようにしても良い。

つぎに、分野・フォルダ対応情報更新部４９の動作例について説明する。文書の追加・削除ごとにフォルダを更新する方法としては、図５に示すように、まず、文書ＩＤとその文書を含むフォルダの対照表Ａと、文書ＩＤとその文書に含まれる単語とそのＴＦ値を表す対照表Ｂと、フォルダごとの単語、その単語のフォルダ内ＴＦ値の合計、その単語のＤＦ値を表す対照表Ｃを用意する。

文書が追加される場合、文書ＩＤ−フォルダ対照表Ａと文書ＩＤ−単語、ＴＦ値対照表Ｂにエントリを追加する。その結果をもとに、対象フォルダの単語−ＴＦ値、ＤＦ値対応表Ｃを修正する。文書が削除される場合、文書ＩＤ−フォルダ対照表、文書ＩＤ−単語、ＴＦ値対照表からこの文書のデータ獲得して、削除する。獲得した情報をもとに、対象フォルダの単語−ＴＦ値、ＤＦ値対応表Ｃを修正する。

なお、分野キーワード差分を別の手法で実行しても良い。

また、フォルダのキーワードの更新については、定期的にキーワードの抽出を行う方法を採用しても良いし、定期的に内部に変更があったフォルダに対してのみ、キーワードの抽出を行うようにしてもよい。

最後に検索例を説明する。図２において、分野に「人事」を指定し、検索文として「２００３年新卒研修に関する文書」を入力する（ｘ１）。そうすると、人事の属性（キーワード）を持つフォルダＡ，Ｂ，Ｃが選択され（ｘ２）、このフォルダＡ，Ｂ，Ｃに対して検索文を用いた検索を行い、検索結果を出力する（ｘ３）。

この実施例においては、フォルダを指定する煩わしさがなく、それでいて適切に選別された１または複数のフォルダを対象にした検索を行なうことができる。

この発明の実施例の構成を示す図である。 上述実施例の検索動作例を説明する図である。 上述実施例の分野キーワードの抽出および登録を説明する図である。 上述実施例の単語重みを計算する例を説明する図である。 上述実施例の分野キーワードの更新を説明する図である。

符号の説明

１０ 文書管理装置
２０ 文書ファイリング部
３０ 文書操作部
４０ 文書検索部
４１ 検索入力部
４２ 対象フォルダ決定部
４３ 検索実行部
４４ 検索結果出力部
４５ 分野・フォルダ対応情報データベース
４６ 検索インデックス記憶部
４７ 文書出力部
４８ 分野・フォルダ対応情報生成部
４９ 分野・フォルダ対応情報更新部
５０ 文書データベース

Claims (13)

1. 検索分野を指定する分野指定手段と、
   検索式を入力する検索式入力手段と、
   分野のフォルダの対応づけを行なう対応づけ情報を記憶する対応づけ記憶手段と、
   指定された分野に基づいて上記記憶手段を参照して対応するフォルダを選択するフォルダ選択手段と、
   選択されたフォルダを対象として、上記入力された検索式による検索を実行する検索手段とを実現するためにコンピュータで実行されることを特徴とする文書検索用コンピュータプログラム。
2. 上記分野指定手段は検索分野のリストを表示してユーザが選択可能にする請求項１記載の文書検索用コンピュータプログラム。
3. 上記分野指定手段は、ユーザが入力した文字列を検索分野とする請求項１記載の文書検索用コンピュータプログラム。
4. 上記対応づけは、上記対応づけ情報は検索分野およびフォルダのキーワードとの間の対応づけに関するものとする請求項１、２または３記載の文書検索用コンピュータプログラム。
5. 指定された検索分野から関連語を導出し上記検索分野と一致するキーワードを含むフォルダを選択する請求項１、２、３または４記載の文書検索用コンピュータプログラム。
6. 上記キーワードのほかに関連語を導出し、指定された検索分野と上記キーワードまたは関連語が一致するフォルダを選択する請求項１、２、３または４記載の文書検索用コンピュータプログラム。
7. 上記分野指定手段は複数の検索分野を指定できる請求項１〜６のいずれかに記載の文書検索用コンピュータプログラム。
8. フォルダ中の文書から当該フォルダのキーワードを導出して上記対応づけ情報を生成する対応づけ情報生成手段をさらに実現するためにコンピュータで実行される請求項４記載の文書検索用コンピュータプログラム。
9. 上記フォルダのキーワードはフォルダごとに選択キーワードグループ中の各キーワードのＴＦ＊ＩＤＦ値に基づいて選定される請求項１〜８のいずれかに記載の文書検索用コンピュータプログラム。
10. 各フォルダごとに各キーワードのＴＦ合計値およびＤＦ値を保持し、上記フォルダに文書の追加・削除をおこなったときに追加・削除の対象のフォルダに対して当該文書の各単語の頻度にもとづいて各単語のＴＦ合計値およびＤＦ値を更新し、更新したＴＦ合計値およびＤＦ値から上記ＴＦ＊ＩＤＦ値を更新する請求項９記載の文書検索用コンピュータプログラム。
11. 上記フォルダのキーワードは、フォルダ内の文書群の単語の重みを、対象全体での文書頻度と当該フォルダの文書頻度の関数で表し、単語の重みに基づいてキーワードを選択する請求項１〜８のいずれかに記載の文書検索用コンピュータプログラム。
12. 検索分野を指定する分野指定手段と、
    検索式を入力する検索式入力手段と、
    分野のフォルダの対応づけを行なう対応づけ情報を記憶する対応づけ記憶手段と、
    指定された分野に基づいて上記記憶手段を参照して対応するフォルダを選択するフォルダ選択手段と、
    選択されたフォルダを対象として、上記入力された検索式による検索を実行する検索手段とを有することを特徴とする文書検索装置。
13. 分野指定手段により、検索分野を指定するステップと、
    検索式入力手段により、検索式を入力するステップと、
    対応づけ記憶手段により、分野のフォルダの対応づけを行なう対応づけ情報を記憶するステップと、
    フォルダ選択手段により、指定された分野に基づいて上記記憶手段を参照して対応するフォルダを選択するステップと、
    検索手段により、選択されたフォルダを対象として、上記入力された検索式による検索を実行するステップとを有することを特徴とする文書検索方法。