JP2008234047A - 関連語統合システム - Google Patents

Abstract

【課題】 検索式におけるＯＲ結合の語を行とする集合の関連語群から、関連語辞書を作成する関連語統合システムの提供
【解決手段】 検索時に、分野とともに入力された検索式のＯＲ結合の語を行とする集合の関連語群から、関連語辞書を作成する関連語統合システムである。まず、検索式から関連語群を取り込む（Ｓ１００）。取り込んだ関連語群から各語の出現の数を累積した頻度の順に前記関連語群の各語を並べた語頻度順表を作成する（Ｓ１１０）。そして、関連語頻度順表の頻度順に代表語を選択して、該代表語の関連語を前記関連語群の該代表語が含まれる各行から分野とともに抽出し、前記抽出した関連語の頻度及び該関連語に対応する分野の頻度を蓄積して、関連語辞書の項目を作成する（Ｓ１３０）。
この関連語辞書は、代表語に対する関連語をまとめ、頻度・分野も付与されている。
【選択図】図４

Description

この発明は、テキスト・データベースに対して、検索論理式を用いて検索するに際し、論理式のＯＲ結合された語群を抽出した複数の関連語群から関連語辞書を作成・統合する、関連語統合システムに関するものである。

文字即ちテキストを含む資料の集合体である「テキスト・データベース」を検索して、検索者が必要としている資料を見つけ出す検索システムが用いられている。

この検索システムの構成例を図１に示す。図１において、サーバ等に構築したテキスト・データベース・システム２０に対して、インターネットやＬＡＮ等の電気通信回線２７を介して、液晶等の表示装置２５，キーボード・マウス等の入力装置２６を備えた、検索端末２３から、検索式等を入力して、データベースから目的の文献等の検索を行う。この検索システムでは、検索者がテキスト検索式を作成・入力し、当該検索式が示す内容と一致する、文字配列を持つ資料が抽出されるのである。サーバに構築される「テキスト・データベース」としては、特許公報、新聞や雑誌記事、学会論文、インターネット上のテキスト資料、その他テキストからなる資料、これらの要約などの二次資料、あるいはこれらに関連して付与してある見出し語やタグである。図、画像、動画、音、などからなる資料に付与してある、テキストによる、解説、見出し語、タグ、などの集合である。

テキストによる検索では、例えば、「銀塩フィルムを使用しないで、電子的に撮影するカメラ」の概念を表す、「デジタルカメラ」をテキスト検索式に用いると、コンピュータは「デジタルカメラ」と全く同じ文字列を含む資料しか抽出しない。しかしながら、それぞれの人が記述する文章の表現は千差万別である。そのほかに、「電子カメラ」、「ＣＣＤカメラ」、「静止画カメラ」、「電子スチルカメラ」、「デジカメ」、その他の表現が多数ある。この様な、概念が関連している語の関係を「類義語」、その語群を「類義語群」と呼び、「類義語群」を集めて使用の便利を計ったものが「類義語辞書」である。

従って、検索式に「デジタルカメラ」のみを使用すると、「デジタルカメラ」の意味で他の表現が使用された資料は抽出されないが、類義語をＯＲ結合で用いることによって、即ち、検索式を
デジタルカメラ＋電子カメラ＋ＣＣＤカメラ＋静止画カメラ＋電子スチルカメラ＋デジカメ −−（１）
とすることで抽出漏れを減らすことが可能となる。

類義語辞書の作成やその後の修正維持は、人手で行った場合膨大な労力を必要とするので、コンピュータを用いる試みが行われている。
特許文献１には、類義語辞書の作成に際して、語の収集、分類にコンピュータを用いて自動作成する試みが記載されている。検索対象文書から、形態素解析を用いて文を構文解析し、得られた単語間の関係から単語群を纏める例、連想を用いる例、意味解析を行う例、共起関係と出現頻度から閾値を超えた語を辞書登録する例が示されている。
特許文献２〜５においては、検索者が入力した検索式やログデータを解析して、類義語辞書に蓄積する構成が示されている。

特開平８−１６１３４３号公報 特開平６−３１４２９６号公報 特開平１０−３２０４１９号公報 特開平１１−３１２１６８号公報 特開平９−３１９７６７号公報

従来の技術で示した特許文献に記載されている、形態素解析、構文解析、連想、意味解析、共起関係の利用等の自然言語処理を使用することによる関連語の集積は、未だ人間が使用する言葉の多様さ、複雑さを理解するには至っておらず、そこから生成される関連語辞書は実用性において不十分なものである。
また、検索者が入力した検索式やログデータを解析して、類義語辞書，関連語辞書等に蓄積する構成のものは、語群の整理統合の問題に関して取り扱っていない。

本発明の目的は、検索式から抽出した語群から、類義語を含む関連語を作成する関連語辞書統合システムを提供するものである。

上述の発明の目的を達成するために、本発明は、検索時に入力された検索式のＯＲ結合の語を行とする集合の関連語群から、関連語辞書を作成する関連語統合システムであって、代表語を重複なく選択する代表語選択手段と、選択された代表語の関連語を、前記関連語群の該代表語が含まれる全ての行から抽出し、前記抽出した関連語、該関連語が出現する頻度を蓄積する関連語蓄積手段と、前記蓄積した関連語を頻度順に並び換えて、関連語辞書の項目を作成する関連語辞書項目作成手段とを備え、代表語の選択が終了するまで、関連語辞書の項目を作成することを特徴とする。
また、検索時に、分野とともに入力された検索式のＯＲ結合の語を行とする集合の関連語群から、関連語辞書を作成する関連語統合システムであって、代表語を重複なく選択する代表語選択手段と、選択された代表語の関連語を、前記関連語群の該代表語が含まれる全ての行から分野とともに抽出し、前記抽出した関連語、該関連語が出現する頻度及び該関連語に対応する分野が出現する頻度を蓄積する関連語蓄積手段と、前記蓄積した関連語及び分野を頻度順に並び換えて、関連語辞書の項目を作成する関連語辞書項目作成手段とを備え、代表語の選択が終了するまで、関連語辞書の項目を作成することを特徴とする。
前記関連語群から、各語の出現の数を累積した頻度の順に前記関連語群の各語を並べた頻度語順表を作成する頻度語順表作成手段をさらに備え、前記代表語選択手段は、前記代表語を該頻度語順表の頻度順に選択し、前記頻度語順表が終了するまで、関連語辞書の項目を作成するとよい。
また、前記代表語選択手段は、予め複数の語を重複無く選択した表から代表語を選択し、前記表が終了するまで、関連語辞書の項目を作成することもできる。
上述の関連語統合システムの各機能をコンピュータ・システムに実現させるためのプログラムやこのプログラムを記録した記録媒体も本発明である。

上述した本発明の関連語統合システムでは、以下の効果がある。
１）例えば、論理式からの語群が１０００万行あり、辞書検索語を含む関連する概念の行が１０００行ある場合でも、ある語即ち代表語で示される概念に関連する語群が１行で表現され、しかも概念が代表語に近い語ほど代表語に近い位置に示される。

従って、ＯＲで結合する関連語検索式を作成するに際して、当該行を先頭語から順番に、１次元的に調べていけばよいので、見落としが少なく、疲労も少なく、効率的な検索式作成が行える。
２）さらに、分野を指定して表示させると、当該分野に関連して使用される語のみが抽出表示されて、一段と見やすい、使いやすい表示がなされる。
３）大きな関連語群から統合しても、小分けにして統合してから再統合しても同じ結果が得られる。従って、年度毎作成、分野毎作成してから、再統合するなどの統合関連語辞書作成上の自由度が増加する。

発明の実施形態

以下、図面を参照して本発明の実施形態を説明する。
検索者が入力した検索式から、ＯＲ結合された語群は、関連語とすることができると考えられるので、この関連語群を検索式から抽出して収集する。この収集した関連語群から関連語辞書を作成することを考える。さて、この抽出した関連語群には、次の様な課題がある。
１）行数が多い。関連語群には、収集場所や期間にもよるが例えば１０００万行以上のものが考えられる。この中には同じ概念を表した行が重複存在する。
この様に重複が多い状況下では、関連語群を表示して検索に使用する際、大変に見づらい。
また、関連する行を探し出し統合していくには、多くのコンピュータ資源を必要とする。少ない計算量で目的を達成する手順の開発が求められる。

２）検索者が検索したい項目は千差万別であり、検索者の表現方法も多様であるため、関連する語群といっても各種のものがあり、どれとどれが関連する概念かを判断するのは困難が伴う。
「記憶」の関連語を例に説明する。検索式中に、この「記憶」の語を含んでＯＲ結合して使用された例は多く、このＯＲ結合を抽出した関連語群中の「記憶」の関連語群の中には統合処理のための判断を困難にする事例が存在する。それらを以下に示す。

ａ）全く同じ語の組み合わせ、語順であるもの（この場合は問題なく統合できる）
蓄積，保存，記憶，メモリ，格納，記録 −−−−（２）
蓄積，保存，記憶，メモリ，格納，記録 −−−−（３）

ｂ）語の組み合わせは語群（２）と同じだが語順が異なるもの
メモリ，保存，記録，格納，記憶，蓄積 −−−−（４）

ｃ）いくつかの語は語群（２）と同じものが含まれるがいくつかの語は異なるもの
記憶，蓄積，保存，メモリ，取り込み，書き込み−−−−（５）

ｄ）語群（２）の一部の語しか含まないもの
記憶，蓄積，保存 −−−−−（６）

ｅ）関連語と言えなくはないが、概念が僅かに離れている語を含むもの
記憶，メモリ，蓄積，格納，登録，ファイル −−−−−（７）

ｆ）常識的に考えて、いくつかの語は関連語と考えられるがいくつかの語は関連語とは考えられないものであるが、検索時の必要性からＯＲ結合で用いられたもの
記憶，蓄積，保存，ナレーション，会話，音声 −−−− （８）

ｇ）使用される場面で概念を異にし、語群を異にするもの。
（以下の例では、語順は多様であるが理解をし易くするため、「記憶」を先頭に配置してある）
記憶，メモリ、ＲＡＭ，ＲＯＭ，ＨＤ，ノンボラ， −−−−（９）
記憶，メモリ，固定長，可変長 −−−−（１０）
記憶，記念，思い出，でき事 −−−−−（１１）
記憶，レジスタ，バッファ，ラッチ −−−−−（１２）
記憶，リセット，プリセット，書き込み，読み出し −−−−（１３）

ｈ）他の概念のもの。この例はＡＤ変換の概念の行である。
記憶，ＡＤ変換，Ａ／Ｄ変換，Ａ・Ｄ変換 −−−−（１４）
ｉ）上記ｂ）〜ｈ）において、語の配列順序は多様である。

これらの例は「記憶」を含む語群を例として説明したが行の中のどの語に着目するかも又課題である。ある行とある行とが同じ概念のものであるか、否かを判断する適切な手法の開発が求められる。

３）同義語の扱い。
「ディスプレイ，デスプレイ，デイスプレイ，デスプレー，ディスプレー，デイスプレー，表示」のような語の組は、同義語又は異表記と呼ばれる。文字配列が異なるが意味的には１００％同じ概念の語である。同義語は関連語の中に含まれている特殊な例である。全く同じ概念であるにもかかわらず表示行の中で多数のセルを占め表示画面を見にくくする。

４）統合整理処理が完了した後の関連語辞書は見やすく使用しやすいものでなければならない。どの行が重要か、どの語が重要か、関連語検索式を作成するとき、どの語を使用すべきかが分かりやすいことが求められる。

以下で説明する本発明の実施形態は、上述の課題を全て解決するものである。
まず、本発明の１つの実施形態を図２〜図８を用いて詳しく説明する。
図２は、本発明の「関連語統合システム」のハードウェアの構成例の概略を説明するものである。

図２において、処理装置１５は、コンピュータ・システムにおける中心的な装置で、関連語統合のための処理プログラム１６をインストールして、関連語統合システムとして機能する。記憶装置１０は、処理装置１５と情報の交換ができ、関連語辞書統合システムに使用する各種の表が格納してある、あるいは格納することのできるものである。記憶装置１０には、関連語統合システムに使用する、関連語群１１，関連語辞書１２，その他のデータ等１４が格納されている。これらの関連語群１１，関連語辞書１２，その他のデータ等１４については、後で詳しく説明する。記憶装置１０内には、このほかにも必要に応じて処理の途中で使用される各種の表やデータが格納される。なお、関連語群は、背景技術で説明した検索システムの検索端末２３で入力された検索式からＯＲ結合したものをサーバ２０で選択して蓄積したものであり、まだ関連語辞書に統合前のものである。
表示装置１７は、処理結果等を表示し、入力装置１８は処理装置１５に指示を与えるためのものであり、例えばキーボードやマウスである。
なお、上述の図２に示した関連語統合システムの構成を、図１のサーバ２０内に構成してもよい。

＜関連語辞書の３次元マトリックス構造＞
図３に、本発明の関連語辞書の３次元マトリックス構造３０の概念図を示す。関連語辞書は語群の集合であるが、マトリックス構造で示すことにより説明や理解、計算機での取り扱いが容易となる。
図３においては、直交する３つの軸が原点３１より出ている。３つの軸は、代表語軸３２、関連語軸３３、分野軸３４である。通常は、このうちの２軸を用いて、２次元マトリックスとして、処理や表示に使用される。代表語、分野の意味に関しては後で説明する。
以下で、関連語辞書の表示の際、図３に示した３次元マトリックスの部分としての２次元マトリックスで提示する。本発明では以下マトリックス構造を用いて説明するが、辞書の構造はこれに限るものではない。

＜統合処理＞
本発明の実施形態において取り扱うのは、検索論理式で用いられた式から抽出した関連語群である。関連語とは言えない語群を含む場合もあるが、検索論理式で、ＯＲ結合で使用された語群は、関連語として扱う。ＯＲ結合とは、ＯＲの他、＋、空白、等「又は」の意味で結合されていた語群を集めたものである。
以下に検索論理式の例を示す。

Ｙ１＝カメラ＋表示＋液晶＋撮影 −−−（１５）
Ｙ２＝（カメラ＋表示＋液晶＋撮影）＊（案内＋観光） −−−（１６）
Ｙ３＝（カメラ＋表示＋液晶＋撮影）＋（案内＋観光） −−−（１７）
Ｙ４＝カメラ＋表示＋液晶＋撮影＋案内＋観光 −−−（１９）
Ｙ５＝（カメラ＋表示＋液晶＋撮影）近傍式記号（案内＋観光）−−−（２０）

関連語群は上記のごとき多様な表現から、１組のＯＲ結合された部分を１群の、即ち１行の関連語として集め、配列したものである。上記Ｙ２式、Ｙ３式、Ｙ５式の場合には、２行の関連語群として収集される。

図４は、図２で示したシステムで行われる統合処理を示すフローチャートである。図４のフローチャートでは、検索式からＯＲ結合したものを蓄積した新規の関連語群を統合して、図３にその概念を示した関連語辞書１２を作成する工程を説明している。
まず、検索式からの関連語群を取り出して、関連語群１１として記憶装置１０に格納する工程（Ｓ１００）である。本実施形態では、検索論理式を入力するときに、分野を指定できる。この検索論理式を収集するときには、指定された分野も合わせて収集している。

図５は、この様にして収集された関連語群１１の例である。行内語順は検索式に使用された順である。図５では、論理式を入力したときに、すべて分野を指定している。図５の分野記号の列には、例えば、図６に分野一覧表の例として示すような、検索対象の分野を示す記号を記入している。
検索時に分野を指定しないで検索を行った場合には、分野のセルは空白である。分野記号の箇所が空白のセルは、後で説明する処理を行い、推定分野を記入する。
なお、分野が指定されていないセルに関しては、人間による指定を行っても良いし、空白のままでも良い。空白のときは空白という分野が指定されたことになる。

（分野の記号例）
図６は、本実施形態で用いている分野の記号例を示している。これは、階層構造をしている場合の記号を示している。ある分野で、下位に具体的分野が存在する場合には、下位の分野が示される。例えば、「機械」分野（階層３：ＣＡＡ）の下位（階層４）に「カメラ」分野（ＣＡＡ１）があり、更にその下位（階層５）に「デジタルカメラ」分野（ＣＡＡ１１）と「フィルムカメラ」分野（ＣＡＡ１２）がある。

（頻度語順表）
次に、「頻度語順表」を作成する工程（図４のＳ１１０）を行う。
「頻度語順表」はこれから統合しようとする「関連語群」に含まれる全ての語を重複無く、出現した回数である頻度の降順に並べたものである。この「頻度語順表」（図７参照）は、後の代表語を順次選ぶときに用いている。この表を作成するためには、「関連語群」の各語の現れる回数を各語ごとに求め、それを降順に並べる処理を行う。

（代表語の項目（関連語辞書の基本構成要素）を作成）
代表語とは、関連語辞書の関連する語（関連語）で形成される各項目において、その項目を代表する語である。代表語は、関連語辞書の各項目内の語において、最も使用される頻度の高い語である。以下で、「頻度語順表」（図７参照）から頻度の高い順に、代表語となる語を選んで、順次、選んだ語を代表語とする関連語辞書の項目を作成する。

まず、「頻度語順表」から最初の「代表語」を選ぶ工程（図４のＳ１２０）を行う。この場合、図７に示した頻度語順表から、最初の（即ち、頻度が一番高い）「表示」が選ばれる。
次に、この代表語に関連する語を選び、頻度と分野を付与して、「選択した代表語の項目を作る」工程（図４のＳ１３０）を行う。この工程が終了すると、図８に示すような、代表語を先頭語として、行方向に代表語の関連語が左から右に頻度の降順に並び、先頭語を含む各語を最上行として、その下の列として、当該語を抽出した論理式の指定テーマである（検索時の）分野記号が分野頻度の降順に並ぶ項目ができる。これが、関連語辞書の基本構成要素であり、各関連語及び分野記号の下には頻度が記されている。

図８は代表語が「表示」の項目であるが、代表語を含め３６語であるため、３つの図（図８（ａ）〜図８（ｃ））に分けて図示してある。
なお、図８に示した頻度の表示は、概念を表わすためであり、実際の記憶方式を表わすものではない。頻度が語や分野記号に関連づけられていれば、どのような記憶方式でも良い。

「選択した代表語の項目を作る」工程（図４のＳ１３０）の詳細を、図９に示す。
図９において、まず、関連語群（図５参照）の当該行（この場合、第１行目）を選択して、読み取る（Ｓ１３１）。そして、当該行に当該代表語（この場合は「表示」）があるかを調べる（Ｓ１３２）。無ければ（Ｎｏ）Ｓ１３４の工程に移行する。あれば（Ｙｅｓ）Ｓ１３３の工程に移行する。

この場合、第１行目に代表語である「表示」がある（Ｙｅｓ）ので、この行の各語を順次抽出する（Ｓ１３３）。このときに抽出した当該代表語を含む行の全ての語は当該代表語の関連語であり、論理式を作成するときに分野記号として指定した分野の語である。

そして、抽出した行の各語を抽出順に、同じ語があるかを、関連語辞書の代表語の行（この場合、「表示」の行）の左端から順次調べ、一致した語があればその語の頻度に１を加算する。最後の語まで調べても一致する語が無いときは、最後の語の右に当該語を書き、頻度を１とする（即ち、０に１を加算）。これを関連語群から抽出した行の全ての語に対して行う。この場合は、最初なので、一致する語がなく、単に行の各語を順にならべ、頻度を１とする。

語の頻度を１加算した場合、その語に対応する分野記号があればその分野の頻度１を加算し、分野記号が無ければ分野記号を最後の記号の下のセルに書き、頻度を１とする。この場合、最初なので、対応する分野記号がなく、分野記号を関連語の行の下に書き込み、頻度を全て１とする。

このように、Ｓ１３３の工程では、関連語群の当該行（図５参照）の語を、作成中の関連語辞書の行方向に頻度を加算しつつ重複無く並べ、頻度を加算した語の列に、列方向に頻度を加算しつつ、対応する分野記号を重複無く並べるような処理を行う。

次に、関連語群の当該行が最終行かを調べる（Ｓ１３４）。最終行であれば（Ｙｅｓ）Ｓ１３５の工程に移行する。最終行でなければ（Ｎｏ）、関連語群（図５）の行を１行下げて（進めて）（Ｓ１３１）、Ｓ１３２の工程に戻る。

そして、関連語群が最終行である場合（Ｙｅｓ）、関連語の行の語毎に（列毎に）分野記号の頻度をキーとして、当該語に続けて上から下に分野記号を降順に並べ換える（Ｓ１３５）。その後関連語の頻度をキーとして、代表語列に続けて左から右に関連語の列を降順に並べ換える。
この工程（Ｓ１３５）が終了すると、図８に例示する当該代表語（例：表示）に対する関連語辞書の項目ができる。

図４に戻って、最終まで処理を行ったか（頻度語順表の最終代表語候補か）を調べる（Ｓ１４０）。最終まで処理を行う（Ｙｅｓ）と工程は終了し、関連語辞書が完成する。最終行でなければ（Ｎｏ）、次の代表語を選択する工程（１２０）に戻り、また、関連語辞書の項目作成の工程（Ｓ１３０）に移行する。

このようにして作成した関連語辞書を図１０に示す。図１０は、図５の関連語群から作成した関連語辞書の一部分である。図１０は、語「表示」を原点（図３の原点３１）とし、縦軸に代表語、横軸に関連語を、紙面の範囲で示したものである。「・・・・・」は続きがあることを示している。図１０のセルには、上段左詰めで語を、下段右詰めで頻度を示している。図３の概念図から理解できるように、図１０に示した関連語辞書の各行は、代表語軸３２と関連語軸３３を２軸とする２次元のマトリクスで表示することができる。また、必要に応じて、図８に示した様な、関連語軸３３を横軸とし、分野軸３４を縦軸とする２次元マトリックス表示をすることもできる。

他の実施形態

＜複数の関連語辞書の統合処理＞
複数の小さな関連語辞書を統合して、新たな関連語辞書を作ることもできる。
図１１〜図１４を用いて、関連語辞書の統合処理を説明する。図１１は、統合処理を説明するフローチャートである。図１２Ａと図１２Ｂは統合対象の比較的小さな関連語辞書である。図１２Ａ，図１２Ｂは、統合処理の説明のために、図５の類義語群の前半（行番号１〜２５）の部分，後半（行番号２６〜５０）の部分から作成した関連語辞書である。

図１１において、まず、図１２Ａ，図１２Ｂに示す統合対象の関連語辞書を読み出す（Ｓ２１０）。次に、頻度語順表を作る（Ｓ２２０）。この頻度語順表は、図７に示した頻度語順表と同じものであり、図１２Ａ及び図１２Ｂの関連語辞書から作成する。
なお、この頻度語順表は、図１２Ａと図１２Ｂに示した関連辞書ごとに作成して、マージしてもよい。このとき、対応する語がある場合、その頻度は加算される。

そして、頻度語順表から、最初の代表語を選択する（Ｓ２３０）。図１３に示した頻度語順表の最初の語「表示」を最初の代表語（代表語行番号＝１）に選択する。

次に、統合後の関連語辞書の項目を作る（図１１のＳ２４０）。この工程（Ｓ２４０）では、各「小さな関連語辞書」から当該代表語が代表語である項目（当該項目）を選び出し、各当該項目に含まれる語とその頻度を加算して、当該代表語が代表語である統合後の関連語辞書の項目を作成する。統合後の関連語辞書の項目に関連語の重複はない。
この処理を、当該代表語として、頻度語順表で２番目の語である「マップ」を代表語候補として選び出し、これを代表語とする統合した関連語辞書の項目とする処理を行う場合で説明する。図１４は、当該項目を作成する手順を分かりやすく説明するためのものである。

さて、図１２Ａの関連語辞書において、代表語が「マップ」である項目は５番目である。この行を図１４（ａ）の行記号Ａ５として示す。図１２Ｂの関連語辞書において、代表語が「マップ」の項目は６番目であり、これを図１４（ｂ）の項目記号Ｂ６として示す。図１４（ａ）の行記号Ａ５の項目と図１４（ｂ）の項目記号Ｂ６の項目との統合処理を行う。図１４（ｃ）は、代表語を「マップ」とする、統合後の関連語辞書の２番目である。

まず、Ａ５の項目から最初の語（マップ）を選び、この語がＢ６の項目にあるかを調べ、あればそれらの頻度を合計して、統合処理後の統合関連語辞書の項目記号２の項目に語と頻度を記入する。これを項目Ａ５，項目Ｂ６の全ての語について行う。一方の行にしか無い語はそのまま、語と頻度を統合関連語辞書項目行に記入する。全ての語の統合が終了したら、統合処理後の統合関連語辞書の項目記号２の行において、代表語に続けて、関連語の頻度をキーとして関連語と関連語を降順に並べ換える。

図１４（ｃ）に示す項目はこの状態を示している。これで、代表語「マップ」の項目の統合が完了して、統合後の関連語辞書の「マップ」の項目が完成した。分野記号に関しても、図８で説明したことと同様の処理を行う。

最後は、最終代表語か（図１１のＳ２５０）の工程である。最終代表語項目で無ければ、代表語選択の処理（Ｓ２３０）の工程に移行する。最終項目であれば、頻度語順表の全ての語を代表語とする統合後の関連語辞書の構成要素である項目が作成される。これで、小さな関連語辞書を統合して、統合済関連語辞書を作成する工程は完了する。

図１２Ａ及び図１２Ｂを統合した辞書は、図１０に示したものと同じである。このことは、関連語群を小分けにして関連語辞書を作成して、その後、関連語辞書を再統合しても、小分けにしない場合と同じ結果が得られる事を示している。新規の関連語辞書を、年度毎、分野毎作成しても同じ結果が得られるので、関連語辞書の追加、増大を行う場合の自由度を大きくする。

＜代表語を予め作成した表から選択＞
ここで代表語の選択に関する他の実施形態について説明する。
図４の説明においては、対象とする関連語群から頻度語順表を作成して、頻度語順表の初めから順に代表語を選択し、当該代表語に対して項目を作成した。代表語を頻度語順表から選択すると、関連語群に含まれる全ての語を過不足なく代表語に選択することができ、代表語に対して必ず１語以上の関連語が存在しているという利点がある。
ここでは、図１５に示すような、予め作成した表から代表語を選択することを説明する。

図１５の表は、関連語辞書作成者が代表語としたい、重複のない１以上の語を予め選択した表であり、配列の順は任意である。発生順、重要度順、頻度順、ＪＩＳコード表順等としてもよい。なお、代表語に重複があっても辞書としては成り立つが、重複があれば同じ語を代表語とする複数の行が発生することとなり、辞書の質が低下する。
このような表を用いて、関連語群から、この表の語を代表語とする関連語辞書の項目を作成することができる。

図１６は、図１５に示すような表を用いて、関連語辞書を作成するための工程図である。図４の工程と類似であり、図４と同じ工程は、図４と同じ符号で示してある。以下の説明では、図１５に示す表を用いて、処理対象とする関連語群は、図５に示したものを例として説明する。

まず、図４と同様に、関連語群を取り込む（Ｓ１００）。次に、予め作成しておいた図１５に示すような表を取り込む工程である（Ｓ３１０）。
さて、取り込んだ表の初めから、順次代表語を選択し（Ｓ３２０）、選択した代表語の項目を作成する（Ｓ１３０）。代表語の項目作成の処理は、図９に示したフローチャートと同じである。
そして、処理の最後ではない場合（Ｓ３４０でＮＯ）、予め作成した図１５の表から次々と読み出し（Ｓ３２０）、代表語の項目作成を行う（Ｓ１３０）。
図１５は、関連語辞書作成者が代表語としたい語を表にしたものであるので、例えば、語番号が５の「ガイド」は、図５に示した関連語群に含まれていない。このように、選択された代表語が関連語群に含まれていない場合には、当該代表語の項目は作成されない。
予め作成した表の全ての語を処理した場合（Ｓ３４０でＹＥＳ）は、処理を終了する。

＜分野が指定されなかった関連語項目の分野の指定＞
検索時に分野の指定が行われなかった等の理由で、収集された一部の関連語群の関連語項目に分野の情報（図５の分野記号の列）が空（未記入）の場合の措置について述べる。
１）空のままとする。空と言う分野として処置する。空のままでも良いし、空の記号「ＫＵ」を付与しても良い。
２）語群から、人間が判断し、追加記入する。
３）既存の統合済関連語辞書を使用して、関連語項目の分野をコンピュータに推定させる。
この場合、関連語項目の分野評価値を求め、当該空の分野記号欄に求めた分野評価値最大の分野の記号名を記入する。分野評価値の求め方は下記の例に限らず目的を達成する方法が使用できる。次に分野評価値の求め方の例を示す。

（分野評価値例１）
分野記号が未記入の関連語項目の例として、図５の行番号５の、関連語群「観光」、「案内」、「表示」、「マップ」を用いる。これを分野不詳関連語群とする。
図１７は、図３に示した関連語辞書の３次元マトリックス構造において、代表語軸を縦軸に、分野軸を横軸とした表から、代表語が、分野不詳関連語群の語を含む項目のみを抜粋したものである。図１８は、図１７にある各分野記号と分野記号の頻度を合計したものとの関係を示す表である。図１８において，ＣＣＡは頻度２５で最多であるので、分野不詳関連語群であった語群の分野はＣＣＡであるとして、これを図５の当該行の分野の列に記入する。評価値が同じものが複数あるときは、適当な方法で決める。例えば出現順である。

（分野評価値例２）
分野不詳関連語群の語を代表語とする分野記号の行（図１７）において、全語に共通に存在する分野記号のみの頻度を合計し、頻度最大の分野を、当該語群の分野とする。図１７の例ではＣＣＡのみがこの条件を満たす。
当該語群全語に対して共通の分野が存在しない場合には、存在する最大数の語数で同様の計算から評価値を求め、分野を決める。分野不詳関連語の数が４であるが、共通の分野の最大は３である場合、３語を満たす全ての分野の頻度の合計を求めて最大のものを当該語群の分野とする。

＜分野が存在していない関連語群からの関連語辞書作成＞
上述では、１部の関連語群に分野が入力されていない場合について説明した。統合対象の関連語群の分野が存在しない場合もある。これは、検索時に分野が全て入力されていない場合や、同じ分野の関連語群同士の統合処理で、分野に対して処理を行う必要のない場合である。
この場合、図３の分野軸は縮退して存在せず、図４及び図９に示した統合処理では、分野及び分野の頻度についての処理は行われず、分野及び分野の頻度の項は作成されない。

＜統合済関連語辞書の表示＞
図１９は、図１の検索システムにおいて、上述の処理で作成した関連語辞書を使用して、検索を行うときの様子を説明するものである。まず、図１のサーバ２０又は検索端末２３等に、上述の処理で作成された関連語辞書を格納して、検索端末２３から検索できるようにする。
図１９は、図１の検索端末２３における表示装置２５で表示されている、検索式作成をするための画面例４０である。検索式は、「検索式作成領域」４５に入力装置２６から文字を入力して作成される。

さて、図１９に示した検索入力画面において、本発明で作成した関連語辞書を用いて検索式を作成することを説明する。まず、関連語辞書に対して語検索を行うための検索語入力欄４１に検索語を入力する。ここに例えば「表示」という語を入力する。さらに分野指定欄４２に分野記号を入力する。図１９において、分野指定欄４２は空欄の状態であり分野は指定していない。分野の指定に関しては後に詳しく説明する。

これらを入力して「語検索」ボタン４３を押すと、関連語辞書が検索されて、「関連語辞書検索結果表示領域」４４に、検索結果が表示される。図１９では、「表示」を代表語とした関連語辞書の項目が表示されている。辞書検索結果の表示方法に関しては、後に詳しく説明する。

検索を行うユーザは、この表示された関連語を参照して、カットアンドペーストで、「検索式作成領域」４５に必要な語をコピーして、適切な検索式を完成させることができる。その後、「資料検索」ボタン４６を押して、入力した検索式により資料を検索する事ができる。図１９において、バー４７は「関連語辞書検索結果表示領域」４４を水平方向に、バー４８は「関連語辞書検索結果表示領域」４４を垂直方向にスクロールするスクロールバーであり、画面から隠れている部分を見るために使用する。「備考」４９の列は、その他の必要な目的に使用し、図１９では当該項目の語数「３６語」を例示している。

次に、図１９の「関連語辞書検索結果表示領域」４４に表示する例を示す。
（表示例１）
先頭語が辞書検索語（検索語入力域４１に入力した語）である項目を表示する。頻度も合わせ表示することも可能である。これが図１９に示されている。多くの語が画面の右に隠れているが、スクロールバー４７を操作することにより全ての語を見ることができる。

（表示例２）
先頭語が辞書検索語（検索語入力域４１に入力した語）である項目の隠れている部分を、表示域４４の２行目以降に折り返し表示する。
（表示例３）
２行目以降に、先頭語が辞書検索語を含む項目をそれぞれ１行で表示する。例えば、辞書検索語が「表示」の場合、先頭語が「表示装置」、「副表示」、「表示灯」、「表示ムラ」、「非表示」、「順次表示」等を先頭語とする項目を、表示する。項目の配列順序としては先頭語（代表語）の使用頻度等である。

（表示例４）
先頭語が辞書検索語（検索語入力域４１に入力した語）である項目を１行に頻度と語を示し、２行目以降に各語の出身分野の分野記号と頻度を列方向（縦方向）に表示する。即ち図８の語、分野を頻度と共に１行に（図８は折り返して示してある。もちろん折り返しても良い。）表示する。

（表示例５）
表示例１〜表示例４では、分野指定がなされていない場合に関して説明した。表示例１について言えば、当該行は、代表語（先頭語）の関連語が代表語と共に用いられた使用頻度の高い順に並んでいる。検索論理式の作成に際して、採用すべき語かどうかを調べるが、時として必要な語が遙か右側にあり、手間を要する場合がある。辞書検索時に、分野指定域４２で分野を指定して辞書検索を行って、指定された分野を含まない語は表示しない様にする。この事によって必要な語が代表語の近くに表示されるようになる。

次に、分野指定域４２に入力する分野記号について説明する。入力の仕方に制限はない。１分野、複数分野、上位分野、分野を論理式で表現する、等の方法がある。いくつかの例を以下に示す。
分野記号入力例１。１分野入力する、ＣＡＡ１１。デジタルカメラ分野のみ。
分野記号入力例２。複数分野入力する。ＣＡＡ１１，ＣＡＡ１２，ＣＣＡ。
分野記号記入例３。階層が上位の分野、ＣＡＡ１。ＣＡＡ１１＋ＣＡＡ１２と等価。
分野記号記入例４。ＣＡＡ１−ＣＣＢ。カメラからスポーツを除く。
分野記号記入例５。ＣＡＡ１＊ＣＣＡ＊ＣＣＢ。カメラと、観光と、スポーツの全ての分野に用いられる関連語。
分野指定を行った場合でも、上記表示例１〜表示例４は可能である。

ここで、代表語が「表示」の場合に分野指定を行った例に関して例示する。図２０（ａ）、図２０（ｂ），図２０（ｃ）は、分野指定がそれぞれ、デジタルカメラ（ＣＡＡ１１）、安全（ＢＡ）、観光（ＣＣＡ）とし、辞書検索語を「表示」とした場合に表示される例を示したものである。分野指定を行わなければ、図８に示した表示となる。分野指定を行うことによって、分野で特徴的に使用される関連語が抽出され、利用の便利が増すことが理解される。

従来のテキスト検索システムの構成を示す図である。 関連語辞書を作成するためのシステム構成例を示す図である。 関連語辞書の概念を示す図である。 関連語辞書の作成処理のフローチャートを示す図である。 作成された関連語群を示す図である。 分野の記号構成を示す図である。 作成された頻度語順表を示す図である。 代表語「表示」の関連語辞書の項目を示す図である。 関連語の項目を作成するフローチャートである。 作成された関連語辞書の内容を示す図である。 複数の関連語辞書を統合する処理を示すフローチャートである。 統合対象の関連語辞書Ａを示す図である。 統合対象の他の関連語辞書Ｂを示す図である。 作成された頻度語順表を示す図である。 統合される関連語辞書の項目の作成処理を説明するための図である。 関連語辞書作成者が予め選択した、代表語としたい語の表を示す図である。 図１５の表を用いて代表語を選択し、関連語辞書を作成するフローチャートである。 関連語辞書の代表語と分野との関係を説明するための図である。 関連語の分野評価値の例を示す図である。 関連語辞書の画面表示を示す図である。 代表語が「表示」で分野指定した場合の表示例を示す図である。

Claims (6)

1. 検索時に入力された検索式のＯＲ結合の語を行とする集合の関連語群から、関連語辞書を作成する関連語統合システムであって、
   代表語を重複なく選択する代表語選択手段と、
   選択された代表語の関連語を、前記関連語群の該代表語が含まれる全ての行から抽出し、前記抽出した関連語、該関連語が出現する頻度を蓄積する関連語蓄積手段と、
   前記蓄積した関連語を頻度順に並び換えて、関連語辞書の項目を作成する関連語辞書項目作成手段とを備え、
   代表語の選択が終了するまで、関連語辞書の項目を作成することを特徴とする関連語統合システム。
2. 検索時に、分野とともに入力された検索式のＯＲ結合の語を行とする集合の関連語群から、関連語辞書を作成する関連語統合システムであって、
   代表語を重複なく選択する代表語選択手段と、
   選択された代表語の関連語を、前記関連語群の該代表語が含まれる全ての行から分野とともに抽出し、前記抽出した関連語、該関連語が出現する頻度及び該関連語に対応する分野が出現する頻度を蓄積する関連語蓄積手段と、
   前記蓄積した関連語及び分野を頻度順に並び換えて、関連語辞書の項目を作成する関連語辞書項目作成手段とを備え、
   代表語の選択が終了するまで、関連語辞書の項目を作成することを特徴とする関連語統合システム。
3. 請求項１又は２に記載の関連語統合システムにおいて、
   前記関連語群から、各語の出現の数を累積した頻度の順に前記関連語群の各語を並べた頻度語順表を作成する頻度語順表作成手段をさらに備え、
   前記代表語選択手段は、前記代表語を該頻度語順表の頻度順に選択し、
   前記頻度語順表が終了するまで、関連語辞書の項目を作成することを特徴とする関連語統合システム。
4. 請求項１又は２に記載の関連語統合システムにおいて、
   前記代表語選択手段は、予め複数の語を重複無く選択した表から代表語を選択し、
   前記表が終了するまで、関連語辞書の項目を作成することを特徴とする関連語統合システム。
5. 請求項１〜４のいずれかに記載の関連語統合システムの各機能をコンピュータ・システムに実現させるためのプログラム。
6. 請求項１〜４のいずれかに記載の関連語統合システムの各機能をコンピュータ・システムに実現させるためのプログラムを記録した記録媒体。

Images