JP2006215717A - 情報検索装置、情報検索方法および情報検索プログラム - Google Patents

Abstract

【課題】ユーザにとって有用な情報を高精度で検索する情報検索装置を提供する。
【解決手段】検索を要求する式または文である検索要求情報から検索用語となりうるすべてのキーワードを抽出するキーワード抽出部１０２と、抽出したキーワードの類義語を類義語辞書１２０から取得する類義語取得部１０４と、キーワード抽出部１０２が抽出したキーワードと、類義語取得部１０４が取得した類義語とを指定して、検索対象の文書を記憶する検索対象文書ＤＢ１２３から文書を検索する文書検索部１０７と、文書検索部１０７が検索した文書のうち、少なくとも検索要求情報に含まれる係り受け関係にある複数の単語の対と、文書検索部１０７が検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す係り受け類似度が大きい文書ほど文書の優先順位を高く評価する検索結果評価部１０８とを備えた。
【選択図】 図１

Description

本発明は、大量の文書からユーザの希望する内容の文書を検索する情報検索装置、情報検索方法および情報検索プログラムに関し、特に、単にキーワードの一致する文書だけでなく、キーワードの意味内容が一致する文書を検索できる情報検索装置、情報検索方法および情報検索プログラムに関するものである。

近年、インターネットの検索エンジンに代表されるように、ユーザの検索要求に適合する文書を検索し、優先順位を付けて検索結果を提供する文書検索技術が広く普及している。一般的に、文書検索においては、なんらかの方法で入力されたキーワードまたは入力された文章から抽出されたキーワードを指定して文書を検索する。

一方、自然言語においては、ある言葉と同じような意味を別の言葉で表現することが可能である。例えば「文字列の頻度を認識する」という表現と「単語が出現した回数をカウントする」という表現は、どちらも同じような意味を表している。このため、上述のようなキーワードを指定した検索においては、前者を検索要求として指定した場合、抽出されたキーワード「文字列」「頻度」「認識」から、後者の文を検索することが困難となる。

これに対し、ある表現に対し同じ意味内容を表す別の表現であるパラフレーズ表現の候補を検索するパラフレーズ表現検索と呼ばれる技術が開発されている。このようなパラフレーズ表現検索の一手法としては、予め定義された類義語の辞書を参照し、キーワードを類義語に置き換えた検索要求により検索を行うという技術が開発されている。

また、入力された文章から抽出されたキーワード間の構文情報、意味情報、文脈情報などの概念情報を事前に登録し、情報検索時のこの概念情報を利用することにより、情報検索の精度を向上させる技術が開示されている（例えば、特許文献１）。

特開平１１−２５９５２４号公報

しかしながら、キーワードを類義語に置き換えて検索する方法においては、置き換える類義語の数を増加させれば、ユーザが求める文書がより多く検索されるようになるが、不必要な文書が検索される数も多くなるという問題があった。すなわち、ユーザにとって有用でない不適切な文書が検索されてしまうという問題があった。

また、特許文献１の方法においては、文章中のキーワード間の概念情報を利用することにより、概念が一致しない文書を排除して検索の精度を高めることができるが、類義語を使用して対象を広げる検索や、検索キーワードと検索された文書との類似度などを評価して検索結果の選別を行うような検索については行われていないため、ユーザにとって有用な情報を適切に検索することができない場合があるという問題があった。

本発明は、上記に鑑みてなされたものであって、検索条件を広げた場合であっても、不適切な検索候補文書を排除することにより、ユーザにとって有用な情報を高精度で検索することができる情報検索装置、情報検索方法および情報検索プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、情報検索装置において、検索対象の文書を記憶する検索対象文書記憶手段と、類義語を保持する類義語辞書を記憶する類義語辞書記憶手段と、検索を要求する式または文である検索要求情報から検索用語となりうるすべてのキーワードを抽出するキーワード抽出手段と、前記キーワード抽出手段が抽出したキーワードの類義語を前記類義語辞書から取得する類義語取得手段と、前記キーワード抽出手段が抽出したキーワードと、前記類義語取得手段が取得した類義語とを指定して、前記検索対象文書記憶手段から文書を検索する文書検索手段と、前記文書検索手段が検索した文書のうち、少なくとも前記検索要求情報に含まれる係り受け関係にある複数の単語の対と、前記文書検索手段が検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す係り受け類似度を算出し、算出した前記係り受け類似度が大きい文書ほど文書の優先順位を高く評価する検索結果評価手段と、を備えたことを特徴とする。

また、本発明は、上記装置を実行することができる情報検索方法および情報検索プログラムである。

本発明によれば、検索を要求する式または文である検索要求情報に含まれる係り受け関係にある複数の単語の対と検索文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す係り受け類似度が大きい文書ほど優先順位を高くすることができる。このため、類義語を使用することにより検索条件を広げて文書を検索した場合であっても、不適切な検索候補文書を排除し、ユーザが頻繁に使用するキーワードに関連した有用な情報を高精度で取得することができるという効果を奏する。

以下に添付図面を参照して、この発明にかかる情報検索装置、情報検索方法および情報検索プログラムの最良な実施の形態を詳細に説明する。

本実施の形態にかかる情報検索装置は、検索対象とする文書および検索キーワードを事前に登録し、入力された検索要求情報から抽出されたキーワードおよびそのキーワードの類義語や意味属性を使用して検索対象とする文書から情報を検索した結果を、検索要求情報と検索文書の係り受け類似度等により優先順位付けして画面に表示するものである。

ここで、検索要求情報とは、検索を要求する式または文であり、検索を要求する文は、ユーザが直接入力してもよいし、予め記憶手段に保存された文章を一意に識別する識別子を指定することにより、その文章全体を、検索を要求する文として指定してもよい。以下、検索要求情報の種類として、検索を要求する式を「検索式」、ユーザが直接入力する文を「検索要求文」、識別子による文書の指定を「文書指定」と呼ぶ。

また、意味属性とは、単語の表記そのものではなく、意味や概念を表す属性をいう。例えば、単語「乗員」、「乗客」の意味属性は「人」であり、単語「旅客機」、「ジェット機」、「航空機」の意味属性は「乗り物」である。

また、係り受け類似度とは、検索要求情報に含まれる係り受け関係にある複数の単語の対と、検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す値をいう。係り受け類似度の算出方法については後述する。

図１は、本実施の形態にかかる情報検索装置１００の構成を示すブロック図である。同図に示すように、情報検索装置１００は、入出力制御部１０１と、キーワード抽出部１０２と、類義語取得部１０４と、検索対象文書登録部１０５と、意味属性取得部１０６と、文書検索部１０７と、検索結果評価部１０８とを備えている。また、本実施の形態にかかる情報検索装置１００は、ハードディスクドライブ装置（ＨＤＤ：Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）に類義語を保持する類義語辞書１２０と、文書ＤＢ（ＤａｔａＢａｓｅ）１２１と、意味属性情報１２２と、検索対象文書ＤＢ１２３と、検索類義語リスト１２４と、検索キーワードリスト１２５とを備えている。

本実施の形態にかかる情報検索装置１００は、インターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などのネットワーク１３０を介して、検索要求の入力や検索結果の表示を行う入出力部１３２を備えるクライアント１３１と接続されている。

類義語辞書１２０は、単語と当該単語の類義語を対応付けて格納する辞書である。この辞書を参照することにより、後述する類義語取得部１０４が、検索のためのキーワードに対する類義語を取得することが可能となる。

入出力制御部１０１は、クライアント１３１上の入出力部１３２においてユーザにより入力された検索要求を受付け、検索結果をクライアント１３１上の入出力部１３２に出力する処理を制御する。

キーワード抽出部１０２は、形態素解析辞書（図示せず）を参照して検索要求情報を形態素解析し、検索用語となりうるすべてのキーワードを抽出する。検索類義語抽出部１０３は、検索要求情報内に並列または上位下位の関係にありその意味が互いに類似する複数の単語が存在する場合にそれらを類義語として抽出する処理を行う。類義語取得部１０４は、類義語辞書１２０を参照し、キーワード抽出部１０２が抽出したキーワードに対する類義語を取得する。

検索対象文書登録部１０５は、キーワード抽出部１０２が抽出したキーワードを使用して、文書ＤＢ１２１から文書を検索し、検索した文書を分割して検索対象文書ＤＢ１２３に登録する。

意味属性取得部１０６は、形態素解析辞書を参照して検索要求情報を形態素解析し、検索要求情報に含まれるキーワードを抽出するとともに、抽出したキーワードの意味属性を形態素解析辞書から取得する。

文書検索部１０７は、キーワード抽出部１０２が抽出したキーワード、類義語取得部１０４が取得した類義語、意味属性取得部１０６が取得した意味属性を使用して、検索対象文書ＤＢ１２３から文書を検索する。また、文書検索部１０７は、検索結果から、検索によりマッチしたキーワード、類義語、意味属性を含み、改行または句読点を境界とする文字数が最小となる文書である最小部分文書を取得する。

検索結果評価部１０８は、検索結果に含まれる単語と検索キーワードとが一致した個数、検索結果に含まれる単語の類義語と検索キーワードの類義語とが一致した個数、検索結果に含まれる単語の意味属性と検索キーワードの意味属性とが一致した個数、または係り受け類似度を判断し、これらの個数または類似度の値が大きいものほど優先順位を高くするように、検索結果の文書の優先順位づけを行う。

本実施の形態においては、検索結果評価部１０８は、検索結果に含まれる係り受け関係にある単語の対と検索キーワードに含まれる係り受け関係にある単語の対とのうち係り受け関係が一致した個数およびそのときの係り受けの距離の逆数の和、検索結果に含まれる係り受け関係にある単語の対のうち事前に登録された検索キーワードを含む対の個数が大きい場合に、係り受け類似度を大きく算出するように構成している。なお、これらは一例であり、検索要求情報に含まれる係り受け関係にある複数の単語の対と、文書検索部１０７が検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す値であれば、これらに限られるものではない。

文書ＤＢ１２１は、検索対象となる文書の基となる全文書を格納しているデータベースである。図２は、文書ＤＢ１２１のデータ構造の一例を示す説明図である。同図に示すように、文書ＤＢ１２１は、文書を一意に識別するための文書ＩＤと、文書の内容とを対応付けて格納している。

意味属性情報１２２は、意味属性取得部１０６や、情報検索装置１００以外の外部システムにより文書ＤＢ１２１内の各文書の意味属性を解析した結果を格納するものである。意味属性情報１２２は、検索対象文書ＤＢ１２３にキーワードの意味属性を格納する際に参照される。

図３は、意味属性情報１２２のデータ構造の一例を示す説明図である。同図に示すように、意味属性情報１２２は、文書ＤＢ１２１に格納された文書を一意に識別するための文書ＩＤと、文書ＩＤに対応する文書の先頭からの文字数を表す出現位置と、その位置における文字列と、当該文字列の意味属性とを対応付けて格納している。

検索対象文書ＤＢ１２３は、文書ＤＢ１２１を基にした検索の結果得られた文書を分割した部分文書と、検索に使用したキーワードやそのキーワードの意味属性を格納する。図４は、検索対象文書ＤＢ１２３のデータ構造の一例を示す説明図である。同図に示すように、検索対象文書ＤＢ１２３は、部分文書を一意に識別するための部分文書ＩＤと、部分文書の内容と、部分文書の基になった文書の文書ＩＤと、検索に使用したキーワードと、部分文書に含まれる単語の意味属性とを対応付けて格納している。検索対象文書ＤＢ１２３は、本発明における検索対象文書記憶手段に相当する。

検索類義語リスト１２４は、検索要求情報から検索類義語抽出部１０３が互いに類似する意味を有する複数の単語であるとして抽出した類義語のリストを格納する。検索類義語リスト１２４は、後に情報検索処理を実行するとき、類義語辞書１２０とともに、または類義語辞書１２０より優先的に参照して類義語を取得することにより、類義語取得の精度を高めるために使用される。

図５は、検索類義語リスト１２４のデータ構造の一例を示す説明図である。同図に示すように、検索類義語リスト１２４は、検索類義語のリストを一意に識別するためのＩＤと、検索類義語のリストとを対応付けて格納している。検索類義語リスト１２４は、本発明における検索類義語記憶手段に相当する。

同図に示す例では、例えば、「気流による、旅客機、ジェット機などの航空機のトラブル」という検索要求文が入力され、この検索要求文から互いに類似する意味を有する複数の単語として“旅客機”、“ジェット機”、“航空機”が抽出され、検索類義語リスト１２４に格納された状態が示されている。

検索キーワードリスト１２５は、検索に使用したキーワードのリストを格納する。検索キーワードリスト１２５は、後に情報検索処理を実行するとき、検索結果を評価するために参照される。検索キーワードリスト１２５は、本発明における検索キーワード記憶手段に相当する。

図６は、検索キーワードリスト１２５のデータ構造の一例を示す説明図である。同図に示すように、検索キーワードリスト１２５は、検索キーワードのリストを一意に識別するためのＩＤと、検索キーワードのリストとを対応付けて格納している。

同図に示す例では、例えば、「気流による、旅客機、ジェット機などの航空機のトラブル」という検索要求文が入力され、この検索要求文から検索用語として利用しうるキーワードとして“旅客機”、“ジェット機”、“航空機”、“気流”が抽出され、検索キーワードリスト１２５に格納された状態が示されている。

このように、検索類義語リスト１２４には、検索要求情報に含まれる単語のうち、互いに類似する意味を有する複数の単語のみが類義語として抽出され格納されるのに対し、検索キーワードリスト１２５には、検索要求情報に含まれる単語のうち検索キーワードとなりうるすべての単語が抽出され格納される点が異なっている。

次に、このように構成された本実施の形態にかかる情報検索装置１００による情報検索処理について説明する。図７は、本実施の形態にかかる情報検索装置１００おいて、検索対象文書を登録する処理の全体の流れを示すフローチャートである。

本実施の形態にかかる情報検索装置１００においては、情報検索処理の前段階として、文書ＤＢ１２１から検索対象文書を取得し、そのときに使用した検索キーワードを検索キーワードリスト１２５に登録するとともに、取得した文書を検索対象文書ＤＢ１２３に登録する検索対象文書登録処理を実行する。通常、情報検索処理を実行する前に、システム管理者等により検索対象文書登録処理が実行される。また、ユーザが情報検索処理を実行するときに、同時に検索対象文書登録処理を行うように構成してもよい。以下、この検索対象文書登録処理について説明する。

まず、ユーザがクライアント１３１上の入出力部１３２から検索要求を入力すると、入出力制御部１０１が検索要求を受付ける（ステップＳ７０１）。次に、入出力制御部１０１が、検索要求情報の種類について判断する（ステップＳ７０２）。

ここで、検索要求情報の種類として、ユーザは検索式、検索要求文、文書指定の３種類を指定することができる。検索式の場合は、和（｜）や積（＆）などの一般的な論理式を使用して検索要求を指定する。検索要求文の場合は、自然言語の文章として検索要求を指定する。文書指定の場合は、文書ＤＢ１２１内の文書の文書ＩＤを指定することにより検索要求を指定する。

図８は、検索要求情報の種類と指定の一例を示す説明図である。同図においては、検索要求として、検索式８０１、検索要求文８０２、文書指定８０３が示されている。検索式８０１は、“航空機”または“ジェット機”または“旅客機”を含み、かつ、“気流”を含む文書を検索する要求を表している。検索要求文８０２は、自然言語文の形式により、“気流による、旅客機、ジェット機などの航空機のトラブル”を検索要求として指定している。文書指定８０３は、文書ＩＤが“０００１”で指定される文書を指定している。

文書ＩＤを指定した場合、形態素解析辞書を参照し、指定された文書ＩＤに対応する文書を形態素解析して検索用語となりうるすべてのキーワードを抽出し、検索用のキーワードとする。このように、文書ＩＤを指定して文書ＤＢ１２１を検索可能とすることにより、文書ＤＢ１２１から検索対象文書を取得する処理を効率的に実行することができるようになる。

図７に戻り、検索要求情報の種類が検索要求文であると判断された場合は（ステップＳ７０２：検索要求文）、キーワード抽出部１０２が、形態素解析辞書を参照して検索要求文を形態素解析し、検索用語となりうるすべてのキーワードを抽出する（ステップＳ７０３）。例えば、形態素解析の結果得られた単語のうち、すべての自立語を検索用のキーワードとして抽出するように構成することができる。

検索要求情報の種類が文書指定であると判断された場合は（ステップＳ７０２：文書指定）、キーワード抽出部１０２が、指定された文書ＩＤに対応する文書を文書ＤＢ１２１から取得し、形態素解析辞書を参照して取得した文書を形態素解析し、キーワードを抽出する（ステップＳ７０４）。さらに、キーワード抽出部１０２が、抽出したキーワードから、出現頻度の高い順に予め定めた件数のキーワードを取得する（ステップＳ７０５）。

検索要求情報の種類が検索式であると判断された場合（ステップＳ７０２：検索式）、またはステップＳ７０３においてキーワードが抽出された後、またはステップＳ７０５においてキーワードが取得された後、検索類義語抽出部１０３が、検索要求内に含まれる互いに類似する意味を有する複数の単語を類義語情報として取得する（ステップＳ７０６）。

類義語情報の取得方法としては、例えば、検索式の中で論理式が和で表されている部分から並列関係にある単語を類義語として取り出す方法、検索要求文を形態素解析し、解析結果をパターンマッチングすることにより並列関係にある単語を類義語として取り出す方法が適用できる。なお、類義語情報の取得方法はこれらに限られるものではなく、検索要求内から類義語の関係にある複数の単語を取得する方法であればどのような方法であってもよい。

次に、検索類義語抽出部１０３が、ステップＳ７０６において取得した類義語情報と当該類義語情報を一意に識別するためのＩＤとを対応づけて検索類義語リスト１２４に登録する（ステップＳ７０７）。これにより、後に情報検索処理を実行するとき、類義語辞書１２０だけでなく、検索類義語リスト１２４に登録された類義語情報からも類義語を取得できるようになり、類義語取得の精度を高めることができる。

次に、類義語取得部１０４が、検索要求から抽出されたキーワードである抽出キーワード、すなわち、検索式内のキーワード、または検索要求文から抽出されたキーワード、または文書指定された文書から抽出され、出現頻度を参照して取得されたキーワードの類義語を、類義語辞書１２０から取得する（ステップＳ７０８）。

さらに、類義語取得部１０４が、抽出キーワードと、類義語辞書１２０から取得した類義語を検索キーワードとして、当該検索キーワードを一意に識別するためのＩＤと対応づけて検索キーワードリスト１２５に登録する（ステップＳ７０９）。ここで登録された検索キーワードは、後の情報検索処理の実行時に参照され、検索結果の評価に使用される。検索結果評価処理の詳細については後述する。

次に、検索対象文書登録部１０５が、抽出キーワードと抽出キーワードに対応する類義語とからなる検索キーワードを指定して、文書ＤＢ１２１から文書の検索を実行する（ステップＳ７１０）。検索対象文書登録部１０５は、検索の結果得られた文書を分割する（ステップＳ７１１）。分割は以下のような手順により行うことができる。

まず、得られた文書に含まれる１文の文字数が、予め定められた文字数を超えない場合は、その１文を単位として分割する。得られた文書に含まれる１文の文字数が、予め定められた文字数を超える場合は、予め定められた文字数を超えないように改行や読点の位置で分割する。

この後、検索対象文書登録部１０５が、検索した文書を分割した結果である部分文書と当該部分文書を一意に識別するためのＩＤとを対応づけて、検索対象文書ＤＢ１２３に登録する（ステップＳ７１２）。検索対象文書ＤＢ１２３に格納するキーワードの意味属性は、意味属性情報１２２などを参照して取得することができる。検索対象文書登録部１０５が、検索対象文書ＤＢ１２３に部分文書を登録した後、検索対象文書登録処理が終了する。

次に、このように構成された本実施の形態にかかる情報検索装置１００による情報検索処理について説明する。図９は、本実施の形態にかかる情報検索装置１００おいて、検索対象文書ＤＢ１２３から文書を検索する処理の全体の流れを示すフローチャートである。

まず、ユーザがクライアント１３１上の入出力部１３２からパラフレーズ表現の原表現の入力を実行すると、入出力制御部１０１がその入力を受付ける（ステップＳ９０１）。ここで、パラフレーズ表現の原表現とは、同じ意味内容を表す別の表現（パラフレーズ表現）の基になる表現をいう。図１０は、パラフレーズ表現の原表現の入力の一例を示す説明図である。

同図に示す例では、パラフレーズ表現の原表現１００１は、画面に表示された文章の一部を範囲指定した下線により指定されている。なお、パラフレーズ表現の原表現をユーザが直接テキストにより入力するように構成してもよい。

次に、キーワード抽出部１０２が、形態素解析辞書を参照して入力された原表現を形態素解析し、キーワードを抽出する（ステップＳ９０２）。さらに、類義語取得部１０４が、キーワード抽出部１０２が抽出したキーワードに対応づけられた類義語を類義語辞書１２０から取得する（ステップＳ９０３）。なお、類義語取得部１０４が、抽出したキーワードを含む検索類義語のリストを検索類義語リスト１２４から検索し、検索したリストに含まれる単語のうち、抽出したキーワード以外の単語を類義語として取得するように構成してもよい。この場合、類義語取得部１０４は、類義語辞書１２０だけでなく、検索類義語リスト１２４に登録された類義語情報からも類義語を取得するため、類義語取得の精度を高めることができるという利点がある。

なお、類義語取得部１０４は、検索類義語リスト１２４に記載された類義語を、類義語辞書１２０に記載された類義語より優先して抽出するように構成してもよい。これにより、類義語取得部１０４は、以前検索条件として指定された類義語、すなわち、使用頻度の高い類義語だけを取得することができ、これを検索キーワードとして使用することにより検索の精度を高めることが可能となる。

次に、意味属性取得部１０６が、形態素解析辞書を参照して入力された原表現を形態素解析し、原表現に含まれるキーワードを取得するとともにその意味属性を形態素解析辞書から取得する（ステップＳ９０４）。次に、キーワード抽出部１０２が抽出したキーワード（抽出キーワード）、類義語取得部１０４が取得した抽出キーワードの類義語、および意味属性取得部１０６が取得した抽出キーワードの意味属性をそれぞれＯＲ（和（｜））条件とする検索式を指定し、文書検索部１０７が、検索対象文書ＤＢ１２３から文書を検索する（ステップＳ９０５）。

次に、文書検索部１０７が、検索結果である各部分文書から、検索によりマッチしたキーワード、類義語、意味属性を含み、改行または句読点を境界とする文字数が最小となる文書である最小部分文書を抽出し、当該最小部分文書を一意に識別するためのＩＤと対応づけて最小部分文書リストに登録する（ステップＳ９０６）。

図１１は、最小部分文書リストの一例を示す説明図である。同図に示すように、最小部分文書リストは、最小部分文書リストを一意に識別するためのＩＤと、抽出された最小部分文書と、当該最小部分文書の基になった文書ＤＢ１２１内の文書の文書ＩＤと、当該最小部分文書の基になった検索対象文書ＤＢ１２３内の部分文書の部分文書ＩＤと、検索によりマッチしたキーワードおよび類義語および意味属性と、検索結果評価部１０８が当該最小部分文書を評価した結果である評価点とを対応付けて格納している。なお、最小部分文書を抽出し登録する時点では、検索結果は評価されていないため、評価点に値は設定されていない。

次に、検索結果評価部１０８が、検索結果評価処理を実行する（ステップＳ９０７〜ステップＳ９１０）。まず、検索結果評価部１０８は、検索に使用したキーワードと検索キーワードリスト１２５内の検索キーワードとを照合し、文書設定キーワードに含まれるか否かを示すフラグ、検索キーワードから取得した類義語および意味属性を照合結果として照合リストに登録する（ステップＳ９０７）。ここで、文書設定キーワードとは、検索対象文書登録時に使用したキーワード、すなわち検索キーワードリスト１２５に登録されているキーワードをいう。

図１２は、照合リストの一例を示す説明図である。同図に示すように、照合リストは、検索に使用されたキーワードと、文書設定キーワードに含まれるか否かを示すフラグと、照合した検索キーワードリスト１２５から取得したキーワードの類義語と、キーワードの意味属性とを対応付けて格納している。検索に使用されたキーワードが、検索キーワードリスト１２５に登録されているキーワードと一致する場合は、文書設定キーワードに含まれるか否かを示すフラグには“○”が設定される。

次に、検索結果評価部１０８が、原表現について構文解析および単語間の係り受けの解析を行い、原表現中で係り受け関係にある単語の対と各単語の意味属性、係り受けの距離、係り受けの関係、文書設定キーワードに含まれるか否かを示すフラグを解析結果として原表現係り受け関係リストに登録する（ステップＳ９０８）。

ここで、係り受けの距離とは、構文解析によって得られたツリー構造の各ノード間のリンクの数をいう。また、係り受けの関係とは、単語間の意味関係を表す助詞である“に”、“の”、“が”などをいう。図１３は、原表現係り受け関係リストの一例を示す説明図である。同図に示すように、原表現係り受け関係リストは、原表現に含まれる２つの単語の意味属性と、係り受けの距離と、係り受けの関係と文書設定キーワードに含まれるか否かを示すフラグとを対応付けて格納している。

図１４は、係り受けの距離の一例を示す説明図である。同図に示す例では、“上空の乱気流が続き航空機の運行がストップした”という文章を構文解析した結果が示されている。同図に示すように、例えば、ノード“航空機”とノード“ストップ”との間のリンク数は２であるため、係り受けの距離は２であり、ノード“上空”とノード“ストップ”との間のリンク数は３であるため、係り受けの距離は３である。

原表現係り受け関係リストにおける文書設定キーワードに含まれるか否かを示すフラグは、上述の照合リストにおける文書設定キーワードに含まれるか否かを示すフラグを参照して設定される。

次に、検索結果評価部１０８が、最小部分文書について構文解析、単語間の係り受けの解析を行った上で、最小部分文書から、原表現中に含まれる単語、または原表現中に含まれる単語の類義語と一致する単語、または原表現中に含まれる単語の意味属性と意味属性が一致する単語のみを含むような係り受け関係を抽出し、抽出した結果を最小部分文書係り受け関係リストに登録する（ステップＳ９０９）。図１５は、最小部分文書係り受け関係リストの一例を示す説明図である。

同図に示すように、最小部分文書係り受け関係リストは、最小部分文書リストに格納されている最小部分文書のＩＤと、最小部分文書に含まれる２つの単語の意味属性と、係り受けの距離と、係り受けの関係と、距離の逆数と、最小部分文書に含まれる２つの単語の係り受けの関係が原表現中の対応する２つの単語の原表現中における係り受け関係と一致するか否かを示すフラグと、最小部分文書に含まれる２つの単語のいずれか１つが文書設定キーワードに含まれるか否かを示すフラグとを対応付けて格納している。

最小部分文書係り受け関係リストにおける文書設定キーワードに含まれるか否かを示すフラグは、上述の照合リストにおける文書設定キーワードに含まれるか否かを示すフラグを参照して設定される。

次に、検索結果評価部１０８が、検索要求情報に含まれる係り受け関係にある複数の単語の対と、検索した文書に含まれる係り受け関係にある複数の単語の対との係り受け類似度を算出し、算出した係り受け類似度から最小部分文書の評価点の算出を行う（ステップＳ９１０）。係り受け類似度の算出は、上記のように作成された最小部分文書係り受け関係リストに含まれる係り受け関係にある単語の対を参照して行う。例えば、図１５のＩＤ＝００１の最小部分文書においては、「乱気流」と「遭遇」、および「ジェット機」と「遭遇」の２つの単語の対が存在する。検索結果評価部１０８は、各単語対の距離の逆数の和を計算することにより、係り受け類似度を算出する。従って、単語対の距離が近いものほど、係り受け類似度が大きくなる。

なお、検索結果評価部１０８は、原表現係り受け関係リストに含まれる単語の対のうち係り受けの関係が一致する対の個数が大きいほど係り受け類似度を大きく算出するように構成してもよい。また、検索結果評価部１０８は、最小部分文書係り受け関係リストに含まれる係り受け関係にある単語の対に、検索キーワードリスト１２５に含まれる単語が存在する場合に係り受け類似度を大きく算出するように構成してもよい。

検索結果評価部１０８は、このようにして算出した係り受け類似度が大きい最小部分文書ほど、評価点を大きく算出する。この他、検索結果評価部１０８は、原表現中のキーワードのうち検索した文書内の単語と一致したキーワードの個数、原表現中の単語の類義語のうち検索した文書内の単語と一致した類義語の個数、原表現中の単語の意味属性のうち検索した文書内の単語の意味属性と一致した意味属性の個数が大きい文書ほど評価点を大きく算出するように構成してもよい。

図１６は、評価点を算出する式の一例を示す説明図である。同図に示すように、評価点を算出する式は、上述した評価点の算出に使用される各要素について、一定の重み付けの点数を付与して評価点を算出するように構成することができる。同図に示す例では、評価点を算出する式は、一致したキーワードの個数の重み付けを２点とし、一致した意味属性の個数の重み付けを０．５点とし、それ以外は１点とするように構成されている。なお、これは一例であり、各要素の重要度に応じて重み付けの点数を任意に設定することができる。

図１７は、評価点を算出した後の最小部分文書リストの一例を示す説明図である。ＩＤが００１の最小部分文書は、一致したキーワードが１つ（乱気流）、一致した類義語が１つ（ジェット機）、一致した意味属性が１つ（出会い）、一致した対の距離の逆数の和が２（図１５におけるＩＤ＝００１の対の距離の逆数の和が２）、関係が一致した対の数が２（図１５におけるＩＤ＝００１の２つの対が、対応する図１３における対の関係と一致）、文書設定時のキーワードを含む対の数が２（図１５におけるＩＤ＝００１の２つの対が文書設定時のキーワードを含む）であるため、これらの値を図１６に示す評価点算出の式に代入し、１×２＋１×１＋１×０．５＋２＋２＋２＝９．５が評価点として得られる。同様に、ＩＤが００２の最小部分文書に対しては、８．０が評価点として得られる。

この後、検索結果評価部１０８が算出した各最小部分文書の評価点の高い順に、入出力制御部１０１が検索結果を検索結果表示画面に表示する（ステップＳ９１１）。図１８は、検索結果表示画面の一例を示す説明図である。同図に示すように、検索結果表示画面１８０１は、検索の基になったパラフレーズ表現の原表現１８１０と、パラフレーズ表現検索結果の表示欄１８１１に、検索された文書の順位と、評価点と、最小部分文書を含む検索対象文書とを表示している。

なお、検索結果表示画面への結果表示は、検索結果の全文書を表示するように構成してもよいし、優先順位の最も高い文書のみ、または優先順位が予め定められた値以上の文書のみ、または評価点が予め定められた値以上の文書のみを表示するように構成してもよい。

また、本実施の形態においては、事前に検索対象文書を文書ＤＢ１２１から検索して検索対象文書ＤＢ１２３に登録し、このときの検索に使用した検索キーワードおよび類義語を検索キーワードリスト１２５および検索類義語リスト１２４に格納しているが、パラフレーズ表現検索時に使用された検索キーワードおよび類義語をさらに格納するように構成してもよい。

このように、本実施の形態にかかる情報検索装置は、入力された文書から抽出したキーワードだけでなく、そのキーワードの類義語や意味属性を使用して情報を検索することができる。これにより、検索条件を広げて、ユーザにとって有用な情報を漏れなく取得することができる。また、本実施の形態にかかる情報検索装置は、過去に使用した検索キーワードおよび類義語の情報を参照して情報の検索や検索結果の評価を行うことができる。これにより、不適切な候補を排除し、ユーザが頻繁に使用するキーワードに関連した有用な情報を高精度で取得することができる。

本実施の形態にかかる情報検索装置は、ＣＰＵなどの制御装置と、ＲＯＭやＲＡＭなどの記憶装置と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置と、ディスプレイ装置などの表示装置と、キーボードやマウスなどの入力装置を備えた、通常のコンピュータを利用したハードウェア構成とすることができる。

本実施の形態にかかる情報検索装置で実行される情報検索プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、本実施の形態にかかる情報検索装置で実行される情報検索プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施の形態にかかる情報検索装置で実行される情報検索プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、本実施の形態の情報検索プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

本実施の形態にかかる情報検索装置で実行される情報検索プログラムは、上述した各部（入出力制御部、キーワード抽出部、検索類義語抽出部、類義語取得部、検索対象文書登録部、意味属性取得部、文書検索部、検索結果評価部）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記記憶媒体から情報検索プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、入出力制御部、キーワード抽出部、検索類義語抽出部、類義語取得部、検索対象文書登録部、意味属性取得部、文書検索部、検索結果評価部が主記憶装置上に生成されるようになっている。

以上のように、本発明にかかる情報検索装置、情報検索方法および情報検索プログラムは、類義語や意味属性などを使用して意味内容が共通する文書を検索するパラフレーズ表現検索を実行する情報検索システムに適している。

本実施の形態にかかる情報検索装置の構成を示すブロック図である。 文書ＤＢのデータ構造の一例を示す説明図である。 意味属性情報のデータ構造の一例を示す説明図である。 検索対象文書ＤＢのデータ構造の一例を示す説明図である。 検索類義語リストのデータ構造の一例を示す説明図である。 検索キーワードリストのデータ構造の一例を示す説明図である。 検索対象文書を登録する処理の全体の流れを示すフローチャートである。 検索要求情報の種類と指定の一例を示す説明図である。 検索対象文書から文書を検索する処理の全体の流れを示すフローチャートである。 パラフレーズ表現の原表現の入力の一例を示す説明図である。 最小部分文書リストの一例を示す説明図である。 照合リストの一例を示す説明図である。 原表現係り受け関係リストの一例を示す説明図である。 係り受けの距離の一例を示す説明図である。 最小部分文書係り受け関係リストの一例を示す説明図である。 評価点を算出する式の一例を示す説明図である。 評価点を算出した後の最小部分文書リストの一例を示す説明図である。 検索結果表示画面の一例を示す説明図である。

符号の説明

１００ 情報検索装置
１０１ 入出力制御部
１０２ キーワード抽出部
１０３ 検索類義語抽出部
１０４ 類義語取得部
１０５ 検索対象文書登録部
１０６ 意味属性取得部
１０７ 文書検索部
１０８ 検索結果評価部
１２０ 類義語辞書
１２１ 文書ＤＢ
１２２ 意味属性情報
１２３ 検索対象文書ＤＢ
１２４ 検索類義語リスト
１２５ 検索キーワードリスト
１３０ ネットワーク
１３１ クライアント
１３２ 入出力部
８０１ 検索式
８０２ 検索要求文
８０３ 文書指定
１００１ 原表現
１８０１ 検索結果表示画面
１８１０ 原表現
１８１１ 表示欄

Claims (8)

1. 検索対象の文書を記憶する検索対象文書記憶手段と、
   類義語を保持する類義語辞書を記憶する類義語辞書記憶手段と、
   検索を要求する式または文である検索要求情報から検索用語となりうるすべてのキーワードを抽出するキーワード抽出手段と、
   前記キーワード抽出手段が抽出したキーワードの類義語を前記類義語辞書から取得する類義語取得手段と、
   前記キーワード抽出手段が抽出したキーワードと、前記類義語取得手段が取得した類義語とを指定して、前記検索対象文書記憶手段から文書を検索する文書検索手段と、
   前記文書検索手段が検索した文書のうち、少なくとも前記検索要求情報に含まれる係り受け関係にある複数の単語の対と、前記文書検索手段が検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す係り受け類似度を算出し、算出した前記係り受け類似度が大きい文書ほど文書の優先順位を高く評価する検索結果評価手段と、
   を備えたことを特徴とする情報検索装置。
2. 前記キーワード抽出手段が抽出したキーワードおよび前記類義語取得手段が取得した類義語の意味や概念を表す属性である意味属性を取得する意味属性取得手段と、をさらに備え、
   前記文書検索手段は、前記キーワード抽出手段が抽出したキーワードと、前記類義語取得手段が取得した類義語と、前記意味属性取得手段が取得した前記意味属性とを指定して、前記検索対象文書記憶手段から文書を検索することを特徴とする請求項１に記載の情報検索装置。
3. 前記検索要求情報から互いに類似する意味を有する複数の単語を類義語として抽出する検索類義語抽出手段と、
   前記検索類義語抽出手段が抽出した類義語を記憶する検索類義語記憶手段をさらに備え、
   前記類義語取得手段は、前記キーワード抽出手段が抽出したキーワードの類義語を前記類義語辞書と前記検索類義語記憶手段とから取得することを特徴とする請求項１または２に記載の情報検索装置。
4. 検索に使用したキーワードを記憶する検索キーワード記憶手段をさらに備え、
   前記検索結果評価手段は、少なくとも前記文書検索手段が検索した文書に含まれる係り受け関係にある複数の単語の対が、前記キーワード記憶手段に記憶されたキーワードを含む場合、前記キーワード記憶手段に記憶されたキーワードを含まない場合より前記係り受け類似度を大きく算出することを特徴とする請求項１〜３のいずれか１つに記載の情報検索装置。
5. 前記検索結果評価手段は、少なくとも前記係り受け類似度または検索に使用したキーワードのうち検索した文書内の単語と一致したキーワードの個数または検索に使用した類義語のうち検索した文書内の単語と一致した類義語の個数が大きい文書ほど文書の優先順位を高く評価することを特徴とする請求項１〜３のいずれか１つに記載の情報検索装置。
6. 前記検索結果評価手段は、少なくとも前記係り受け類似度または検索に使用したキーワードのうち検索した文書内の単語と一致したキーワードの個数または検索に使用した類義語のうち検索した文書内の単語と一致した類義語の個数または検索に使用した意味属性のうち検索した文書内の単語の意味属性と一致した意味属性の個数が大きい文書ほど文書の優先順位を高く評価することを特徴とする請求項２に記載の情報検索装置。
7. 検索を要求する式または文である検索要求情報から検索用語となりうるすべてのキーワードを抽出するキーワード抽出ステップと、
   前記キーワード抽出ステップが抽出したキーワードの類義語を記憶手段に記憶された類義語辞書から取得する類義語取得ステップと、
   前記キーワード抽出ステップが抽出したキーワードと、前記類義語取得ステップが取得した類義語とを指定して、記憶手段に記憶された検索対象の文書から文書を検索する文書検索ステップと、
   前記文書検索ステップが検索した文書のうち、少なくとも前記検索要求情報に含まれる係り受け関係にある複数の単語の対と、前記文書検索ステップが検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す係り受け類似度を算出し、算出した前記係り受け類似度が大きい文書の優先順位を高く評価する検索結果評価ステップと、
   を備えたことを特徴とする情報検索方法。
8. 検索を要求する式または文である検索要求情報から検索用語となりうるすべてのキーワードを抽出するキーワード抽出手順と、
   前記キーワード抽出手順が抽出したキーワードの類義語を記憶手段に記憶された類義語辞書から取得する類義語取得手順と、
   前記キーワード抽出手順が抽出したキーワードと、前記類義語取得手順が取得した類義語とを指定して、記憶手段に記憶された検索対象の文書から文書を検索する文書検索手順と、
   前記文書検索手順が検索した文書のうち、少なくとも前記検索要求情報に含まれる係り受け関係にある複数の単語の対と、前記文書検索手順が検索した文書に含まれる係り受け関係にある複数の単語の対との関連する度合いを示す係り受け類似度を算出し、算出した前記係り受け類似度が大きい文書の優先順位を高く評価する検索結果評価手順と、
   をコンピュータに実行させる情報検索プログラム。
   

Images