JP2008084070A - 構造化文書検索装置およびプログラム - Google Patents

Abstract

【課題】ユーザの所望する文書を柔軟に検索することができる構造化文書検索装置およびプログラムを提供する。
【解決手段】検索質問を構成する質問文と質問文の検索の対象となる要素とを予め定められたルールに従って変換して新たな検索質問を生成する（Ｓ４）。これにより、検索質問の検索対象要素が「／要約Ｊ」である場合、その検索対象要素を「／要約Ｅ」という検索対象要素に変換し、入力された質問文に対して「英語翻訳」を行い、変換された検索対象要素と質問文で「英単語ＴＦ・ＩＤＦ検索」を行うというようにルールを予め定めることで、例えば「要約」という要素中に「自然言語処理」が含まれる文書を検索するという検索質問により、要素「summarize」中に「natural language processing」という文字列が含まれる文書を検索することができるようになるので、ユーザの所望する文書を柔軟に検索することができるようになる。
【選択図】 図７

Description

本発明は、文書を構成する要素を階層化して表現する構造化文書を質問文と当該質問文の検索の対象となる要素と当該検索にかかる検索方式とを指定する検索質問に応じて検索する構造化文書検索装置およびプログラムに関する。

従来より、文書管理については、テキストにより行われることが多かった。ところが、近年においては、ＸＭＬ（Extensible Markup Language）に代表されるような階層化された論理構造を有している構造化文書によって文書を構造化して管理することが一般化されつつある。

また、ＸＭＬなどの構造化文書に対しては、リレーショナルデータベースのためのＳＱＬ（Structured Query Language）に似た構文を持ち、検索の対象となる要素や検索対象中に含まれる文字列などを記述できる問合せ言語が提供されている。例えば、Ｗ３Ｃ（World Wide Web Consortium）で策定されたＸＰＡＴＨでは、ＸＭＬ文書に対して「要約」という要素中に「自然言語処理」という文字列が含まれるような文書を検索し、「タイトル」を結果として出力するという場合に、
／文書［／要約／／，contains（“自然言語処理”）］／タイトル
と記述する。ここで、contains（Ｘ）とは、検索の対象として指定された要素中にＸと言う文字列が含まれていることを示す。

加えて、単に指定した文字列が含まれているという検索方法の他、例えば「自然言語検索」を形態素解析し、ベクトル空間法（ＴＦ・ＩＤＦ）等による検索ランキングに基づき結果を返すなど、従来より文書検索の分野で研究されてきた技術を適用するための問合せ言語もＷ３Ｃで検討されている。

ところが、上述したように構造化文書に対して特定の要素を指定して詳細な検索を行う場合には、対象となる構造化文書の要素名などの詳細を知らなければならないという問題がある。

そこで、この問題を解決すべく、特許文献１では、要素名と質問文を入力するとそれぞれをシソーラス展開することにより、異なる要素名であっても検索することを可能にしている。また、特許文献２では、質問文との類似性や検索対象となる要素の構造上の類似性に基づいて類似する構造化文書を検索することを可能にしている。

特開２００３−２９６３５５号公報 特開２００２−２９７６０５号公報

しかしながら、上述したような特許文献１，２によれば、語彙の表記や構造的な類似性に基づく検索質問で検索された構造化文書と類似する構造化文書のみを検索することになるため、ユーザの所望する文書を柔軟に検索できているとはいえない。

例えば、上述した例である「要約」という要素中に「自然言語処理」という文字列が含まれるような文書を検索したいという検索質問の場合においては、要素「summarize」中に「natural language processing」という文字列が含まれる文書を検索することができない。

本発明は、上記に鑑みてなされたものであって、ユーザの所望する文書を柔軟に検索することができる構造化文書検索装置および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、本発明の構造化文書検索装置は、文書を構成する要素を階層化して表現する構造化文書を質問文と当該質問文の検索の対象となる要素と当該検索にかかる検索方式とを指定する検索質問に応じて検索する構造化文書検索装置において、前記検索質問を構成する前記質問文と前記要素とを予め定められたルールに従って変換して新たな検索質問を生成する質問変換手段と、この質問変換手段によって生成された前記検索質問によって前記構造化文書を検索する文書検索手段と、この文書検索手段による検索結果を提示する検索結果提示手段と、を備える。

また、本発明のプログラムは、文書を構成する要素を階層化して表現する構造化文書を質問文と当該質問文の検索の対象となる要素と当該検索にかかる検索方式とを指定する検索質問に応じて検索する処理をコンピュータに実行させるプログラムであって、前記検索質問を構成する前記質問文と前記要素とを予め定められたルールに従って変換して新たな検索質問を生成する質問変換機能と、この質問変換機能によって生成された前記検索質問によって前記構造化文書を検索する文書検索機能と、この文書検索機能による検索結果を提示する検索結果提示機能と、を前記コンピュータに実行させる。

本発明によれば、検索質問を構成する質問文と質問文の検索の対象となる要素とを予め定められたルールに従って変換して新たな検索質問を生成することにより、検索質問の検索対象要素が「／要約」である場合、その検索対象要素を「／summarize」という検索対象要素に変換し、入力された質問文に対して「英語翻訳」を行い、変換された検索対象要素と質問文で「英単語ＴＦ・ＩＤＦ検索」を行うというようにルールを予め定めることで、例えば「要約」という要素中に「自然言語処理」が含まれる文書を検索するという検索質問により、要素「summarize」中に「natural language processing」という文字列が含まれる文書を検索することができるようになるので、ユーザの所望する文書を柔軟に検索することができるようになる。

以下に添付図面を参照して、この発明にかかる構造化文書検索装置およびプログラムの最良な実施の形態を詳細に説明する。

［第１の実施の形態］
本発明の第１の実施の形態を図１ないし図１０に基づいて説明する。ここで、階層化された論理構造を有している構造化文書としては、ＸＭＬ（Extensible Markup Language）やＳＧＭＬ（Standard Generalized Markup Language）などで記述した文書があげられる。ＳＧＭＬとは、ＩＳＯ（国際標準化機構）で定められた規格である。また、ＸＭＬとは、Ｗ３Ｃ（World Wide Web Consortium）で定められた規格である。それぞれ文書を構造化することを可能とする構造化文書規約である。以下においては、構造化文書としてＸＭＬにて記述された文書を例に説明を進める。

図１は、本発明の第１の実施の形態にかかる構造化文書検索装置１のハードウェア構成図である。構造化文書検索装置１は、例えば、一般的なパーソナルコンピュータである。

図１に示すように、構造化文書検索装置１は、情報処理を行うＣＰＵ（Central Processing Unit）１０１、ＢＩＯＳなどを記憶した読出し専用メモリであるＲＯＭ（Read Only Memory）１０２、各種データを書換え可能に記憶するＲＡＭ（Random Access Memory）１０３、各種データベースとして機能するとともに各種のプログラムを格納するＨＤＤ（Hard Disk Drive）１０４、記憶媒体１１０を用いて情報を保管したり外部に情報を配布したり外部から情報を入手するためのＣＤ−ＲＯＭドライブ等の媒体駆動装置１０５、ネットワーク２を介して外部の他のコンピュータと通信により情報を伝達するための通信制御装置１０６、処理経過や結果等を操作者に表示するＣＲＴ（Cathode Ray Tube）やＬＣＤ（Liquid Crystal Display）等の表示部１０７、並びに操作者がＣＰＵ１０１に命令や情報等を入力するためのキーボードやマウス等の入力部１０８等から構成されており、これらの各部間で送受信されるデータをバスコントローラ１０９が調停して動作する。

このような構造化文書検索装置１では、ユーザが電源を投入するとＣＰＵ１０１がＲＯＭ１０２内のローダーというプログラムを起動させ、ＨＤＤ１０４よりＯＳ（Operating System）というコンピュータのハードウェアとソフトウェアとを管理するプログラムをＲＡＭ１０３に読み込み、このＯＳを起動させる。このようなＯＳは、ユーザの操作に応じてプログラムを起動したり、情報を読み込んだり、保存を行ったりする。ＯＳのうち代表的なものとしては、Ｗｉｎｄｏｗｓ（登録商標）等が知られている。これらのＯＳ上で走る動作プログラムをアプリケーションプログラムと呼んでいる。なお、アプリケーションプログラムは、所定のＯＳ上で動作するものに限らず、後述の各種処理の一部の実行をＯＳに肩代わりさせるものであってもよいし、所定のアプリケーションソフトやＯＳなどを構成する一群のプログラムファイルの一部として含まれているものであってもよい。

ここで、構造化文書検索装置１は、アプリケーションプログラムとして、構造化文書検索プログラムをＨＤＤ１０４に記憶している。この意味で、ＨＤＤ１０４は、構造化文書検索プログラムを記憶する記憶媒体として機能する。

また、一般的には、構造化文書検索装置１のＨＤＤ１０４にインストールされるアプリケーションプログラムは、ＣＤ−ＲＯＭやＤＶＤなどの各種の光ディスク、各種光磁気ディスク、フレキシブルディスクなどの各種磁気ディスク、半導体メモリ等の各種方式のメディア等の記憶媒体１１０に記録され、この記憶媒体１１０に記録された動作プログラムがＨＤＤ１０４にインストールされる。このため、ＣＤ−ＲＯＭ等の光情報記録メディアやＦＤ等の磁気メディア等の可搬性を有する記憶媒体１１０も、アプリケーションプログラムを記憶する記憶媒体となり得る。さらには、アプリケーションプログラムは、例えば通信制御装置１０６を介して外部から取り込まれ、ＨＤＤ１０４にインストールされても良い。

構造化文書検索装置１は、ＯＳ上で動作する構造化文書検索プログラムが起動すると、この構造化文書検索プログラムに従い、ＣＰＵ１０１が各種の演算処理を実行して各部を集中的に制御する。構造化文書検索装置１のＣＰＵ１０１が実行する各種の演算処理のうち、本実施の形態の特長的な処理について以下に説明する。

図２は、構造化文書検索装置１の機能構成を概略的に示すブロック図である。図２に示すように、構造化文書検索装置１は、構造化文書検索プログラムに従うことにより、入力部１１と、変換部１２と、検索部１３と、出力部１４とを備える。また、構造化文書検索装置１は、構造化文書検索プログラムに従うことにより、ＨＤＤ１０４に、変換ルールデータベース（変換ルールＤＢ）１５と、構造化文書索引データベース（構造化文書索引ＤＢ）１６とを形成する。

入力部１１は、ユーザの検索質問の入力を受け付ける機能を有している。変換部１２は、入力部１１で受け付けた検索質問を検索対象となる構造化文書を検索するために適切な検索質問に変換する機能を有している。検索部１３は、変換部１２で変換された検索質問によって構造化文書を検索する機能を有している。出力部１４は、検索部１３による検索結果をユーザに提示する機能を有している。

変換ルールＤＢ１５は、変換ルール２０を格納するデータベースである。図３は、変換ルールＤＢ１５に格納されている変換ルール２０を例示的に示す模式図である。図３に示すように、変換ルール２０は、ルールの番号を示す「ＩＤ」、入力された検索質問の検索対象要素を示す「入力検索質問の検索対象要素」、変換された検索質問の検索対象要素を示す「変換後の検索質問の検索対象要素」、入力された検索質問中の質問文を変換する「質問文の変換方式」、変換された検索対象要素について質問文で検索対象となる構造化文書に対してどのような検索方法で検索を行うかを記述した「変換後の検索方法」から構成されている。例えば、「ＩＤ」が“１”の変換ルール２０は、入力検索質問の検索対象要素が「／要約Ｊ」である場合、その検索対象要素を「／要約Ｅ」という検索対象要素に変換し、入力された質問文に対して「英語翻訳」を行い、変換された検索対象要素と質問文で「英単語ＴＦ・ＩＤＦ検索」を行うことを示す。なお、「英語翻訳」は質問文を英語で翻訳することを示し、既存の英語翻訳システムの機械翻訳を用いてもかまわない。

変換後の検索方法は、変換後の検索対象要素および変換された質問文に対応した検索方法を指定する部分である。これは、例えば日本語の文書を検索する場合と英語の文書を検索する場合では、適切な単語の処理方式なども異なるために、変換された質問文に最適な検索方法を指定する必要があるためである。また、例えば「／音声認識」で指定された要素中に、話者が発話した情報を自動音声認識した結果の漢字かな混じり文が表されており、さらに「／音声認識読み」で指定された要素中に、前記「／音声認識」中の読み仮名が表現されているような場合に、「／音声認識読み」の部分に対して、入力された質問文を仮名変換し、「編集距離」を用いた検索方法を行うことなどが考えられる。

構造化文書索引ＤＢ１６は、構造化文書索引３０を格納するデータベースである。図４は、構造化文書索引ＤＢ１６に格納されている構造化文書索引３０を例示的に示す模式図である。図４に示すように、構造化文書索引３０は、文書を構成する要素を階層化して表現する構造化文書の各要素の語彙情報を格納する語彙索引３１、構造化文書の各要素の親子や兄弟等の構造情報を格納する構造索引３２、構造化文書の本文情報を格納する本文索引３３から構成されている。

例えば、図５に示す語彙索引３１は、図６に示す構造化文書１，２に出現する各要素の索引種別に従って構造化文書が索引付けされている。図６に示す構造化文書１の要素「／titleＪ」中に出現する文字列には、図５に示すように「日本語単語」の索引付けが行われている。ここで「日本語単語」の索引とは、「/titleＪ」中の文字列「自然言語処理」を形態素解析し、例えば「自然」「言語」「処理」という単語を切り出し、各単語が構造化文書１の「／doc／titleＪ」に出現するという情報が索引付けされているものである。また、図６に示す構造化文書２の要素「／titleＥ」中に出現する文字列には、図５に示すように「英単語」の索引付けが行われている。ここで「英単語」の索引とは、「／titleＥ」中の各単語に対してステミング処理を行い「natural」「language」「process」を切り出し、各単語が構造化文書２の「／titleＥ」に出現するという情報が索引付けされているものである。ステミング処理とは、単語の語形変化を取り除く処理のことである。さらに、構造化文書１、２のそのほかの要素「／date」「／要約Ｊ」「／要約Ｅ」に関しても上記の例のように、対応した情報が索引付けされている。

このような構成による概略的な処理の流れは以下のようになる。まず、入力部１１が、ユーザが入力する検索質問を受け付けて変換部１２へ渡す。変換部１２は、質問変換手段として機能するものであり、入力部１１から検索質問を受け取り、変換ルールＤＢ１５内の変換ルール２０を用いて検索質問を変換し、変換された検索質問を検索部１３へ渡す。検索部１３は、文書検索手段として機能するものであり、変換部１２より受け取った検索質問により構造化文書索引ＤＢ１６内の構造化文書索引３０から構造文書中の構成要素を検索し、検索結果を出力部１４へ渡す。出力部１４は、検索結果提示手段として機能するものであり、受け取った検索結果をユーザに提示する。

ここで、変換部１２について詳述する。図７は、変換部１２における処理の流れを概略的に示すフローチャートである。図７に示すように、変換部１２は、入力部１１より検索質問を受け取る（ステップＳ１のＹｅｓ）。

ここで、図８に示すような構造化文書に対して「要約に自然言語が含まれる文書を検索し、タイトルを結果として返す」処理を行うことを考えた場合は、ＸＰＡＴＨでは
／doc［／要約／，contains（自然言語）］／title
と記述できる。本実施の形態では、ＸＰＡＴＨ中の「／要約」に示されるように検索の対象となる要素を示す部分と「contains（Ｘ）」のように検索方法を示す部分と「自然言語」のように質問文を示す部分と「／title」のように検索結果として提示すべき要素を示す部分に注目する。上記部分をそれぞれ検索対象要素指定部、質問文部、検索方法指定部、提示要素指定部と呼ぶ。すなわち、上記ＸＰＡＴＨでは、検索対象要素指定部は「／要約」、質問文部は「自然言語」、検索方法指定部は「contains」、提示要素指定部は「／title」と表される。

ここでは、入力部１１より受け取った検索質問として、検索対象要素指定部が「／要約Ｊ」、質問文部が「自然言語処理」、検索方法指定部が「日本語単語ＴＦ・ＩＤＦ検索」とする。

次に、変換部１２は、入力部１１より受け取った検索質問中で指定された検索対象要素をチェックする（ステップＳ２）。これにより、［／要約Ｊ」という要素が指定されていることがわかる。

続いて変換部１２は、図３に一例が示されたような変換ルール２０から指定された検索対象要素に対する変換先の検索対象要素、質問文の変換方法、検索方法を探す（ステップＳ３）。例えば、「ＩＤ」が“１”の変換ルール２０によれば、入力検索質問の検索対象要素が「／要約Ｊ」である場合、その検索対象要素を「／要約Ｅ」という検索対象要素に変換し、入力された質問文に対して「英語翻訳」を行い、変換された検索対象要素と質問文で「英単語ＴＦ・ＩＤＦ検索」を行うことを示す。

次いで、変換部１２は、ステップＳ３で探した方法に従って検索質問を変換する（ステップＳ４）。ここでは、変換ルール２０により、入力部１１より受け取った検索質問中の質問文「自然言語処理」が「natural language processing」に翻訳される。

以上の処理により、入力された検索質問“検索対象要素指定部「／要約Ｊ」、質問文部「自然言語処理」、検索方法指定部「日本語単語ＴＦ・ＩＤＦ検索」”は、“検索対象要素指定部「／要約Ｅ」、質問文部「natural language processing」、検索方法指定部「英単語ＴＦ・ＩＤＦ検索」”に変換される。

最後に、変換部１２は、変換された検索質問を検索部１３へ送る（ステップＳ５）。

なお、質問文の変換方式は図３の例に限られたものではなく、例えば特定の分野を示すような要素がある場合に対応する同義語辞書を用いて同義語展開を行うなども考えられる。

次に、検索部１３について詳述する。検索部１３は、変換部１２より受け取った検索質問と構造化文書索引３０を用いて、構造化文書の検索を行い、結果を出力部１４へ渡す。

図９は、検索部１３における処理の流れを概略的に示すフローチャートである。図９に示すように、まず、検索部１３は、変換部１２から受け取った検索質問の検索方法をチェックする（ステップＳ１１）。ここでは、変換部１２から受け取った検索質問の検索方法は「英語ＴＦ・ＩＤＦ検索」である。

次に、検索部１３は、検索方法に対応した質問文の処理を行う（ステップＳ１２）。ここでは、質問文「natural language processing」に対してステミング処理を行い「natural」「language」「process」が検索語として切り出される。

次に、検索部１３は、検索の対象となる構造（要素）をチェックする（ステップＳ１３）。ここで検索の対象となる構造（要素）が「／要約Ｅ」であることがわかる。

続いて検索部１３は、対象となる構造（要素）中に質問文に適切な情報が含まれる文書を検索する（ステップＳ１４）。ここでは、構造化文書索引３０の語彙索引３１により、構造化文書２の「／要約Ｅ」中に「natural」「language」「process」が出現することがわかり、構造化文書２が適切な検索結果であることがわかる。

最後に検索部１３は、本文索引から構造化文書２を取得し、検索結果として出力部１４へ送る（ステップＳ１５）。

出力部１４は、例えば図１０に示すような出力結果をユーザに提示する。

このように本実施の形態によれば、検索質問を構成する質問文と質問文の検索の対象となる要素とを予め定められたルールに従って変換して新たな検索質問を生成することにより、検索質問の検索対象要素が「／要約Ｊ」である場合、その検索対象要素を「／要約Ｅ」という検索対象要素に変換し、入力された質問文に対して「英語翻訳」を行い、変換された検索対象要素と質問文で「英単語ＴＦ・ＩＤＦ検索」を行うというようにルールを予め定めることで、例えば「要約」という要素中に「自然言語処理」が含まれる文書を検索するという検索質問により、要素「summarize」中に「natural language processing」という文字列が含まれる文書を検索することができるようになるので、ユーザの所望する文書を柔軟に検索することができるようになる。

［第２の実施の形態］
次に、本発明の第２の実施の形態を図１１ないし図１５に基づいて説明する。なお、前述した第１の実施の形態と同じ部分は同じ符号で示し説明も省略する。

本実施の形態と第１の実施の形態との違いは、検索部１３が、ユーザの入力した質問及び変換部１２により変換された検索質問の両方の検索質問を用いて構造化文書を検索し、検索された構造化文書を適切に並べ替える機能を有する点である。

本実施の形態の概略的な処理の流れは以下のようになる。まず、入力部１１が、ユーザが入力する検索質問を受け付けて変換部１２へ渡す。変換部１２は、入力部１１から検索質問を受け取り、変換ルールＤＢ１５内の変換ルール２０を用いて検索質問を変換し、変換された検索質問及び入力された検索質問を検索部１３へ渡す。検索部１３は、変換部１２より受け取った変換された検索質問及び入力された検索質問をそれぞれ用いて、構造化文書索引ＤＢ１６内の構造化文書索引３０から構造文書中の構成要素を検索し、検索結果を出力部１４へ渡す。出力部１４は、受け取った検索結果をユーザに提示する。

ここで、変換部１２について詳述する。本実施の形態の変換部１２においては、変換ルール２０により変換された検索質問により構造化文書を検索する際のスコアを調整するための重みを各変換ルールが有する点が、第１の実施の形態とは異なっている。

本実施の形態の変換部１２は、入力部１１より、例えば検索質問として、検索対象要素指定部が「／要約Ｊ」、質問文部が「自然言語処理」、検索方法指定部が「日本語単語ＴＦ・ＩＤＦ検索」という検索質問を受け取ると、図１１に示す変換ルール２０を用いて、検索対象要素指定部「／要約Ｅ」、質問文「natural language processing」、検索方法指定部「英単語ＴＦ・ＩＤＦ検索」という検索質問に変換する。また、図１１に示すように、本実施の形態の変換ルール２０は、構造化文書を検索する際のスコアを調整するための「重み」を有しており、変換部１２は、重み「０．８」を含む変換された検索質問及び入力された検索質問を検索部１３へ送る。

次に、検索部１３について詳述する。検索部１３は、変換部１２より受け取った重みを含む変換された検索質問及び入力された検索質問と構造化文書索引３０を用いて、構造化文書の検索を行い、結果を出力部１４へ渡すものである。

ここで、図１２は検索部１３における処理の流れを概略的に示すフローチャート、図１３は検索対象となる文書を例示的に示す模式図である。図１２に示すように、まず、検索部１３は、変換部１２から受け取った２種類の検索質問に対してそれぞれの検索方法をチェックする（ステップＳ２１）。ここでは、ユーザの入力した検索質問“検索対象要素指定部「／要約Ｊ」、質問文部「自然言語処理」、検索方法指定部が「日本語単語ＴＦ・ＩＤＦ検索」”と、変換された検索質問“検索対象要素指定部「／要約Ｅ」、質問文「natural language processing」、検索方法指定部「英単語ＴＦ・ＩＤＦ検索」”の２種類の検索質問を受け取ったものとする。この時、変換された検索質問に関しては重み「０．８」もあわせて受け取る。したがって、変換部１２から受け取った変換された検索質問の検索方法は「英語ＴＦ・ＩＤＦ検索」であり、変換部１２から受け取ったユーザの入力した検索質問の検索方法は「日本語単語ＴＦ・ＩＤＦ検索」である。

次に、検索部１３は、変換部１２から受け取った２種類の検索質問に対して、検索方法に対応した質問文の処理を行う（ステップＳ２２）。ここでは、変換された質問文「natural language processing」に対してステミング処理を行い「natural」「language」「process」が検索語として切り出されるとともに、ユーザの入力した検索質問「自然言語処理」を形態素解析し、「自然」「言語」「処理」が検索語として切り出される。

次に、検索部１３は、２種類の検索質問に対して検索の対象となる構造（要素）をチェックする（ステップＳ２３）。ここで検索の対象となる構造（要素）が「／要約Ｅ」および「／要約Ｊ」であることがわかる。

続いて検索部１３は、２種類の検索質問それぞれについて、対象となる構造（要素）中に質問文に適切な情報が含まれる文書を検索する（ステップＳ２４）。２種類の検索質問により、図１３に示した構造化文書１，２，３を検索すると、ユーザの入力した検索質問により、「要約Ｊ」中に「自然」「言語」「処理」が出現する構造化文書１、および、「要約Ｊ」中に「自然」「言語」が出現する構造化文書３が検索される。また、変換部１２により変換された検索質問により、「要約Ｅ]中に「natural」「language」「process」が出現する構造化文書２が検索される。

次いで、検索部１３は、検索結果をスコアによって適切に並べ替える（ステップＳ２５）。本実施の形態においては、ＴＦ・ＩＤＦ法により、それぞれの文書にスコアをつける。ＴＦは、検索対象要素中に出現する該当する単語の頻度を用いる。ＩＤＦには簡単のため、１／ＤＦ（Document Frequency：該当する単語の出現する文書数）を用いる。この際、例えば「自然」の翻訳語である「natural」、「言語」の翻訳語である「language」、「処理」の翻訳語である「processing」をそれぞれ同一の単語とすると、文書１のスコアは、
（単語「自然」のＴＦ・ＩＤＦ）＋（単語「言語」のＴＦ・ＩＤＦ）＋（単語「処理」のＴＦ・ＩＤＦ） ＝ １＊１／３ ＋ １＊１／３ ＋ １＊１／３ ＝ １
となり、文書２のスコアは、
（単語「natural」のＴＦ・ＩＤＦ）＋（単語「language」のＴＦ・ＩＤＦ）＋（単語「process」のＴＦ・ＩＤＦ） ＝ １＊１／３ ＋ １＊１／３ ＋ １＊１／３ ＝ １
となり、文書３のスコアは、
（単語「自然」のＴＦ・ＩＤＦ）＋（単語「言語」のＴＦ・ＩＤＦ） ＝ １＊１／３ ＋ １＊１／３ ＝ ０．６７
となる。

加えて、検索部１３は、変換された検索質問による検索結果である文書２に対してスコアを調整するための重み「０．８」をかける。この処理で文書２のスコアは、
１＊０．８ ＝ ０．８
となる。

以上の処理により検索された文書のスコアは、
文書１ ＞ 文書２ ＞ 文書３
となる。

最後に検索部１３は、検索結果の本文情報を本文索引から取得し、スコア順とともに出力部１４へ送る（ステップＳ２６）。

出力部１４は、例えば図１４に示すように、順位とともに検索結果を提示する。

このように本実施の形態によれば、検索部１３が、ユーザの入力した質問及び変換部１２により変換された検索質問の両方の検索質問を用いて構造化文書を検索し、検索された構造化文書を適切に並べ替えることにより、ユーザの所望の検索結果を得ることが可能になる。

なお、図１４に示した例では、ユーザの入力した検索質問および変換部１２により変換された検索質問を最終的にまとめて昇順に並べて出力したが、検索質問ごとに分けて結果を出力することも可能である。その際、例えば図１５に示すように、なぜそのような結果が得られたかをユーザが直感的にわかるように、検索部１３へ送られた検索質問とともに検索結果である文書を提示することも可能である。

［第３の実施の形態］
次に、本発明の第３の実施の形態を図１６ないし図１８に基づいて説明する。なお、前述した第１の実施の形態と同じ部分は同じ符号で示し説明も省略する。

本実施の形態と第１の実施の形態との違いは、変換部１２が、ユーザの入力した検索質問で指定された提示要素指定部も合わせて変換する機能を有する点である。

以下、主要なモジュールの第１の実施の形態との相違点を述べる。

例えば、入力部１１は、ユーザが「要約Ｊに自然言語処理が含まれる文書を検索し、titleＪを結果として返す」ための検索質問として、対象要素指定部が「／要約Ｊ」、質問文部が「自然言語処理」、検索方法指定部が「日本語単語ＴＦ・ＩＤＦ検索」、提示要素指定部が「／titleＪ」という検索質問を受け取るとする。入力部１１は、上記検索質問を変換部１２へ送る。

本実施の形態の変換部１２は、入力部１１より、検索対象要素指定部が「／要約Ｊ」、質問文部が「自然言語処理」、検索方法指定部が「日本語単語ＴＦ・ＩＤＦ検索」、提示要素指定部が「／titleＪ」という検索質問を受け取ると、図１６に示す変換ルール２０を用いて、検索質問を変換する。

図１６に示すように、本実施の形態の変換ルール２０は、図３に示した構成に加えて、入力された検索質問中が指定した提示すべき要素を示す「入力検索質問中の提示要素」、変換された検索質問の提示すべき要素を示す「変換後の検索質問中の提示要素」を有している。

変換部１２は、変換ルール２０中の各ルールから、入力された検索質問中の検索対象要素指定部と「入力検索質問の検索対象要素」とが等しく、かつ、入力された検索質問中の提示要素指定部と「入力検索質問中の提示要素」とが等しいルールを探し出す。これにより、ＩＤが“１”であるルールが探し出される。

次に、変換部１２は、ＩＤが“１”であるルールにより入力された検索質問を変換する。この処理により、検索対象要素指定部が「／要約Ｊ」、質問文部が「自然言語処理」、検索方法指定部が「日本語単語ＴＦ・ＩＤＦ検索」、提示要素指定部が「／titleＪ」という検索質問が検索対象要素指定部が「／要約Ｅ」、質問文部が「natural language processing」、検索方法指定部が「英単語ＴＦ・ＩＤＦ検索」、提示要素指定部が「／titleＥ」に変換される。このような変換結果は、変換部１２から検索部１３へ送られる。

検索部１３は、変換部１２より受け取った検索質問と構造化文書索引３０を用いて、構造化文書の検索を行い、結果を出力部１４へ渡す。

検索部１３は、変換部１２より、検索対象要素指定部「／要約Ｅ」、質問文部「natural language processing」、検索方法指定部「英単語ＴＦ・ＩＤＦ検索」、提示要素指定部「／titleＥ」である検索質問を受け取る。このような検索質問により、例えば図１７に示すような文書を検索すると、構造化文書２が検索される。

最後に検索部１３は、検索結果の提示要素指定部により指定された／titleＥ以下の情報を本文索引３３から取得し、検索結果として出力部１４へ送る。

出力部１４は、例えば図１８に示すような出力結果をユーザに提示する。

このように本実施の形態によれば、変換部１２が、ユーザの入力した検索質問で指定された提示要素指定部も合わせて変換することにより、検索結果として、適切な要素をユーザに出力することが可能となる。

本発明の第１の実施の形態にかかる構造化文書検索装置のハードウェア構成図である。 構造化文書検索装置の機能構成を概略的に示すブロック図である。 変換ルールＤＢに格納されている変換ルールを例示的に示す模式図である。 構造化文書索引ＤＢに格納されている構造化文書索引を例示的に示す模式図である。 語彙索引を例示的に示す模式図である。 検索対象となる文書を例示的に示す模式図である。 変換部における処理の流れを概略的に示すフローチャートである。 構造化文書を例示的に示す模式図である。 検索部における処理の流れを概略的に示すフローチャートである。 出力結果を例示的に示す模式図である。 本発明の第２の実施の形態の変換ルールＤＢに格納されている変換ルールを例示的に示す模式図である。 検索部における処理の流れを概略的に示すフローチャートである。 検索対象となる文書を例示的に示す模式図である。 出力結果を例示的に示す模式図である。 出力結果の変形例を例示的に示す模式図である。 本発明の第３の実施の形態の変換ルールＤＢに格納されている変換ルールを例示的に示す模式図である。 検索対象となる文書を例示的に示す模式図である。 出力結果を例示的に示す模式図である。

符号の説明

１ 構造化文書検索装置
１２ 質問変換手段
１３ 文書検索手段
１４ 検索結果提示手段
３１ 語彙索引

Claims (9)

1. 文書を構成する要素を階層化して表現する構造化文書を質問文と当該質問文の検索の対象となる要素と当該検索にかかる検索方式とを指定する検索質問に応じて検索する構造化文書検索装置において、
   文字列である質問文と当該質問文の検索の対象となる要素と当該検索にかかる検索方式とを指定する検索質問に応じて階層化された論理構造を有している構造化文書を検索する構造化文書検索装置において、
   前記検索質問を構成する前記質問文と前記要素とを予め定められたルールに従って変換して新たな検索質問を生成する質問変換手段と、
   この質問変換手段によって生成された前記検索質問によって前記構造化文書を検索する文書検索手段と、
   この文書検索手段による検索結果を提示する検索結果提示手段と、
   を備えることを特徴とする構造化文書検索装置。
2. 前記質問変換手段は、前記検索質問を構成する前記検索方法も予め定められたルールに従って変換する
   ことを特徴とする請求項１記載の構造化文書検索装置。
3. 前記文書検索手段は、前記質問変換手段によって変換されて生成された前記検索質問によって前記構造化文書を検索するだけではなく、前記質問変換手段による変換前の前記検索質問によっても前記構造化文書を検索し、
   前記検索結果提示手段は、前記文書検索手段による前記各検索質問に応じた前記各検索結果を提示する
   ことを特徴とする請求項１または２記載の構造化文書検索装置。
4. 前記文書検索手段は、前記質問変換手段によって変換されて生成された前記検索質問によって前記構造化文書を検索するだけではなく、前記質問変換手段による変換前の前記検索質問によっても前記構造化文書を検索し、前記各検索質問に応じた前記各検索結果に対してランク付けを行い、
   前記検索結果提示手段は、前記文書検索手段による前記各検索質問に応じた前記各検索結果を前記ランク付けに応じて並べ替えて提示する
   ことを特徴とする請求項１または２記載の構造化文書検索装置。
5. 前記構造化文書中の前記各要素の索引種別に従って、前記構造化文書が索引付けされている語彙索引を有しており、
   前記文書検索手段は、前記語彙索引を用いて前記構造化文書を検索する
   ことを特徴とする請求項１ないし４のいずれか一記載の構造化文書検索装置。
6. 前記質問変換手段は、当該質問変換手段による変換前の前記検索質問で前記検索結果提示手段により検索結果として提示する際の提示要素が指定されている場合に、当該提示要素についても予め定められたルールに従って変換する
   ことを特徴とする請求項１ないし５記載のいずれか一記載の構造化文書検索装置。
7. 前記質問変換手段は、機械翻訳を用いて前記質問文を翻訳する
   ことを特徴とする請求項１ないし６記載のいずれか一記載の構造化文書検索装置。
8. 前記検索結果提示手段は、前記文書検索手段による検索結果を前記検索質問に対応付けて提示する
   ことを特徴とする請求項１ないし７記載のいずれか一記載の構造化文書検索装置。
9. 文書を構成する要素を階層化して表現する構造化文書を質問文と当該質問文の検索の対象となる要素と当該検索にかかる検索方式とを指定する検索質問に応じて検索する処理をコンピュータに実行させるプログラムであって、
   前記検索質問を構成する前記質問文と前記要素とを予め定められたルールに従って変換して新たな検索質問を生成する質問変換機能と、
   この質問変換機能によって生成された前記検索質問によって前記構造化文書を検索する文書検索機能と、
   この文書検索機能による検索結果を提示する検索結果提示機能と、
   を前記コンピュータに実行させることを特徴とするプログラム。

Images