JP2011028749A5 - - Google Patents

Claims (4)

1. 文書レイアウトに従い文書群の索引の集合を生成するコンピュータ実装された方法であって、
   複数の文書をコンピュータメモリに提供するステップと、
   前記提供された文書からレイアウトブロックを抽出するステップと、
   コンピュータプロセッサを用いて、前記レイアウトブロックを複数のレイアウトブロッククラスタにクラスタリングするステップと、
   前記レイアウトブロッククラスタの各々に対して代表ブロックを計算するステップと、
   前記文書のレイアウトブロックおよび前記計算された代表ブロックに基づいて各々の提供された文書に対して文書索引を生成するステップと、
   前記生成された文書索引を複数の文書索引クラスタにクラスタリングするステップと、
   前記文書索引クラスタの各々に対して代表クラスタ索引を生成するステップと、
   前記生成された文書索引、代表ブロック、文書索引クラスタ、および代表クラスタ索引をメモリへ出力するステップと、を含む方法。
2. 文書索引を生成するステップが、
   前記提供された文書内の各レイアウトブロックと各代表ブロックとの類似度を計算するステップと、
   前記計算された類似度に基づいて各々の提供された文書に対する文書索引を生成するステップと、を含む、請求項１に記載の方法。
3. 前記計算された類似度に基づいて文書索引を生成するステップが、
   

   

   

   のいずれか１つの関数を使用することを含み、
   ここで、ｎは文書内のレイアウトブロックの数であり、
   ｍは、代表ブロックの数であり、
   ｉ＝１〜ｎ、
   ｊ＝１〜ｍ、
   v_ijは値のベクトルであって、各値はレイアウトブロックと代表ブロックと間の計算された類似度を表し、
   文書索引はｍ個の要素を含むベクトルであって、各要素はｗ_ｊ（ｊ＝１〜ｍ）に等しい、請求項２に記載の方法。
4. 文書レイアウトに従い文書群への問い合わせを行なうコンピュータ搭載されたシステムであって、
   （ｉ）文書索引の集合と、
   代表ブロックの集合と、
   文書索引クラスタの集合と、
   代表索引の集合と、
   文書レイアウトクエリと、
   をメモリに受け入れるべく構成されたデータ入力モジュールと、
   （ｉｉ）前記文書レイアウトクエリからレイアウトブロックを抽出し、
   前記文書レイアウトクエリから抽出されたレイアウトブロックを前記代表ブロックの集合に射影してクエリ索引を生成し、
   ランク付け関数を用いて、前記クエリ索引と前記文書索引クラスタの集合内の各代表索引との類似度を計算し、
   類似度が最大である代表索引を含む文書索引クラスタを最上位文書索引クラスタとして識別して、
   前記ランク付け関数を用いて、前記最上位文書索引クラスタ内の各文書索引と前記クエリ索引との類似度を計算すべく構成された文書クエリモジュールと、
   （ｉｉｉ）前記最上位文書索引クラスタ内の各文書索引と前記クエリ索引との間の前記計算された類似度に基づいて上位ｋ個の文書の順序付きリストを保持して、
   前記順序付きリストを出力すべく構成された文書ランク付けモジュールと、を含むシステム。