JP2020509519A - 化学情報を含む文書の検索および索引付けのためのシステムおよび方法 - Google Patents

Abstract

本明細書で説明するのは、ユーザーにとって関心のある化学構造に関連した文書を効率的に検索するシステムおよび方法である。ある実施形態では、ユーザークエリーで提供されたテキストデータおよび化学構造がテキストベース検索方法で同時に検索されて、検索結果を効率的に生成する。テキストベース検索の結果に関する後続の構造ベース検索で、特定のユーザークエリーに対する正確な結果を生成する。このアプローチは、構造ベース検索が検索するデータ量を削減することによって構造ベース検索の速度を向上させる。本明細書でさらに説明するのは、この効率的な検索を容易にするために文書データを索引付けするためのシステムおよび方法である。【選択図】図７

Description

関連出願
本出願は、２０１７年３月３日に出願された「Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ Ｓｅａｒｃｈｉｎｇ ａｎｄ Ｉｎｄｅｘｉｎｇ Ｄｏｃｕｍｅｎｔｓ Ｃｏｍｐｒｉｓｉｎｇ Ｃｈｅｍｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ」というタイトルの米国仮特許出願第６２／４６６，７６４号に対する優先権および利益を主張し、その内容が参照により全体として本明細書に組み込まれる。

発明の分野
本発明は一般に、化学情報を含む文書を効率的に検索および索引付けするためのシステムおよび方法に関する。

化学構造は典型的には、図式表記法を使用して文書内で提示されて、関連のある化学情報のより完全な理解を読者に提供する。例えば、化学構造は、とりわけ、ルイス構造、構造式、ニューマン投影式、のこぎり台投影、またはフィッシャー投影式などの表現を使用して描かれ得る。化学構造は、構造の全体的な表現を簡略化するために、ある一般的に理解される構成元素（例えば、結合または末端水素）を省略する簡略化した式によっても表され得る。化学構造の図式表現は、例えば、化学反応における対応する化学物質の役割を図示するため、反応生成物を記述するため、または構造的には類似しているが、化学的には異なる実体間の比較を提供するために、様々な文脈において文書内で提示され得る。しばしば、化学構造の図式表現は、化学物質を、特定の所望の目的のためにユーザーに関連するとして識別する文書内で主要な情報を表す。

文書内の化学構造を再現するために、ある範囲の標準形式が使用されて化学構造データを効率的に格納する。１つのタイプの形式は、原子および結合をエッジおよびノードとして関連させるために結合表、隣接行列、または同様のデータ構造を使用する。別のタイプの形式は、深さ優先走査または幅優先走査に基づく線状表記を使用する。化学構造データを格納するために標準化されたデータ形式を使用すると、データのアルゴリズム検索を可能にする。さらに、標準形式における化学構造データは、データベース内の文書で索引付けできる。

ユーザーは、一般に、１つまたは複数の関連のある化学構造を参照する文書を識別するために文書のデータベースの検索を実行する。ユーザーは、文書のデータベース内に格納された化学構造と比較可能な入力を入力する必要がある。ユーザーは、国際純正応用化学連合（ＩＵＰＡＣ）規約に従ったものなど、化学構造データまたは特徴的な名前を提供することによってクエリーを入力し得る。ユーザーから提供された入力は、化学構造データをデータベース内に格納するために使用された標準形式に変換されて、様々な技術を使用して索引付けされた文書内に含まれる化学構造データと比較される。

一般に、ユーザーの検索に応答してデータベース内の文書が、グラフ理論に基づくアルゴリズム法を使用して、文書内の化学構造とユーザーから提供された入力との間で類似性を判断することによって識別される。しばしば、類似性は、ユーザーから提供された入力構造の断片（例えば、構成元素）が文書内の化学構造内に存在するかどうかを判断することによって確立される。これは、例えば、化学構造のバイナリフィンガープリントを使用して、行われ得る。ユーザーの入力内で識別された断片の十分な数または割合が文書内の化学構造内に存在する場合、類似性が確立される。類似性は、ユーザーに提供される検索結果を確立するために原子ごとの比較を使用して検査されていない文書内の化学構造を検索する前に、関係のない文書を排除するために使用され得る。代替として、検索入力に対するその類似性が閾値を超えている化学構造を含むすべての文書が検索結果としてユーザーに提供され得る。

ハッシュ化フィンガープリントを使用するアルゴリズムのクラスなど、様々なアルゴリズムで、検索速度を加速させるために、類似性を確立するこの基本アプローチを変更している。加速された検索方法は、大分子の効率的な検索および／または大規模なデータセット内での検索のために必要である。データベースが、化学構造を含む大量の文書を含む場合、各文書内の各化学構造が入力構造に対する類似性を検索される必要があるので、関連のある文書の検索は厄介である。かかる検索は低速で資源集約的である。

ユーザーは、化学構造だけ以外の何らかの基準に基づく全ての考えられる関連のある文書のサブセットにだけ関心があり得る。例えば、ユーザーは、ある望ましい特性を有するか、ある収率と合成され得るか、またはある反応性を示す入力構造と関連した化学構造に関心があり得る。これらの追加の検索制限は、ユーザーにより、特定のデータベースの文書内の任意のテキストデータを検索するために使用され得るテキストとして最も好都合に提供される。ユーザーの入力化学構造および任意の追加で提供されるテキストの両方を検索するために、化学構造に対する１つの検索およびテキストに対する１つの検索が連続的に実行される必要がある。

連続的な検索の使用は大規模なデータベースの検索を大幅には加速しない。標準的な化学構造検索はまず、化学構造入力に基づいて潜在的に関連のある文書のセットを確立するために実行され、その後に、テキスト検索語を含む文書に対するそのセットの検索が続く。しかし、このアプローチは、追加のテキスト用語を含んでいない検索と同様に速くない可能性がある。ユーザー入力テキスト用語を含んでいる文書の検索を最初に実行することは、潜在的に関連のある文書のセットから何らかの文書を素早く除外する。しかし、ユーザーが入力し得る多数の検索語は、検索の速度を大幅に加速するために、潜在的に関連のある文書の数を大幅には削減しない。例えば、ユーザーが、反応収率が９０％を超える関連構造をもつ文書を検索している場合、反応収率が９０％を超える文書のセットは依然として、関係のない化学構造をもつ大量の文書を含んでいるであろう。

ユーザーから提供された入力に基づいて、化学物質を参照している文書の大規模なデータベースをより効率的に検索するシステムおよび方法に対する必要性がある。追加として、より効率的に検索するために化学物質を参照している文書のデータベースを索引付けするためのシステムおよび方法に対する必要性がある。

本明細書で説明するのは、ユーザーにとって関心のある化学構造に関連した文書を効率的に検索するシステムおよび方法である。ある実施形態では、ユーザークエリーで提供されたテキストデータおよび化学構造データがテキストベース検索方法で同時に検索されて、検索結果を効率的に生成する。テキストベース検索の結果に関する後続の構造ベース検索で、特定のユーザークエリーに対する正確な結果を生成する。このアプローチは、構造ベース検索が検索するデータ量を削減することによって構造ベース検索の速度を向上させる。本明細書でさらに説明するのは、この効率的な検索を容易にするために文書データを索引付けするためのシステムおよび方法である。

構造ベース検索方法を使用した化学構造データ（例えば、文書のデータまたはユーザークエリー内の）の検索は、時間および資源集約的であり、他方、テキストベース検索方法は比較的高速である。テキストベース検索方法を使用して化学構造データを検索するために、化学構造データは補強されるか、またはテキストデータ（例えば、文字列）に変換される必要がある。化学構造データに対応する化学構造またはその構成元素のいずれかを識別、分類、および／または記述する、文字列タグが使用できる。化学構造データに対する文字列タグを生成することにより、化学構造データが、高速なテキストベース方法を使用して検索できる。このように、索引付け中に、文書データ内の化学構造データは、後続のテキストベース検索での使用のために文字列タグを含むように補強される。化学構造データから成るか、または化学構造データを含むユーザークエリーは、ユーザークエリーでテキストベース検索を可能にするために文字列タグを含むように補強できる。

その中の化学構造データに基づき文字列タグで補強された索引付けされた文書データのデータベースでは、索引付けされた文書データの化学構造データおよびテキストデータが同時に検索され得る。ユーザーは化学構造データおよびテキストデータの両方から成るクエリーを提供し得る。ユーザークエリーに関連のある文書のセットを識別するために、高速で効率的なテキストベース検索方法が採用されて同時検索を実行し得る。テキストベース検索方法は、化学構造データがそれらの関連付けられた文字列タグによって識別される化学構造データを検索するために使用され得る。テキストベース方法を使用して化学構造およびテキストを同時に検索すると、ユーザークエリーの化学構造データおよびテキストデータのいずれも含んでいない文書を同時に除外することによって潜在的に関連のある文書のセットを効率的に狭める。テキストベース検索から生じた関連のある文書のセットは、さらなる使用のためにユーザーに提供され得る。

ある実施形態では、検索結果をユーザーに提供する前にさらに精緻化するために、テキストベース検索から生じた関連のある文書データ内の化学構造データの構造ベース検索が実行され得る。構造ベース検索は、関連のある化学構造データを検索するために任意の構造ベース方法を使用し得る。ある実施形態では、構造ベース検索は原子ごとの検索方法である。構造ベース検索は、ユーザーによって入力された化学構造に対する類似性の閾値を満足する化学構造に関連した文書だけを含むようにテキストベース検索から生じた文書のセットを精緻化する。精緻化された検索結果は表示のためにユーザーに提供され得る。テキストデータおよび化学構造データを同時に検索するテキストベース検索をまず採用することにより、構造ベース検索がデータベース内の少量の文書に関して実行され、従って効率性を高める。

一態様では、本発明は、化学情報を含む文書のセットを検索するための方法を対象とし、本方法は、（ａ）コンピューティング装置のプロセッサによって、ユーザー入力された化学構造データおよびテキストデータ（例えば、英数字データ）を含むユーザークエリーを受信することであって、テキストデータおよびユーザー入力された化学構造データは少なくとも１つの化学構造に対応すること、（ｂ）プロセッサによって、ビットスクリーニングデータおよび関係データをユーザー入力された化学構造データから識別または抽出することであって、ビットスクリーニングデータは少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、関係データは複数の１つまたは複数の構成元素間の１つまたは複数の関係（例えば、相互作用、結合）に対応すること、（ｃ）プロセッサによって、ユーザークエリーを、ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成することにより補強し、そのため補強されたユーザークエリーは１つまたは複数の文字列タグを含むようになることであって、１つまたは複数の文字列タグは少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むこと、（ｄ）テキストベース検索方法を使用して、プロセッサによって、文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、補強されたユーザークエリーの少なくとも一部を文書データと相関させて、１つまたは複数のテキストベース検索結果を生成することを含むこと、ならびに（ｅ）任意選択として、プロセッサにより、１つまたは複数のテキストベース検索結果を出力すること、を行うステップを含む。

ある実施形態では、本方法は、プロセッサによって、ビットスクリーニングデータおよび関係データを１つまたは複数の文字列に変換することを含む。ある実施形態では、本方法は、（ｆ）構造ベース検索方法を使用して、問い合わせを行うステップの後に、プロセッサにより、ユーザー入力された化学構造データの少なくとも一部を１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成することであって、１つまたは複数のテキストベース検索結果は関連のある化学構造データを含むフィルタ処理された文書データに対応すること、および（ｇ）プロセッサによって、１つまたは複数の精緻化された検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行うステップをさらに含む。ある実施形態では、構造ベース検索方法は、文字列データを入力として使用する（例えば、テキスト検索エンジンを使用して実行される）。ある実施形態では、構造ベース検索は原子ごとの検索を含む。

ある実施形態では、１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む。

ある実施形態では、問い合わせを行うステップ（ｄ）は、プロセッサにより、関連性検索を使用して、１つまたは複数のテキストベース検索結果を生成することを含む。ある実施形態では、関連性検索はヒットスコアリング検索である。

ある実施形態では、ステップ（ｆ）は、プロセッサによって、１つまたは複数のテキストベース検索結果の関連のある化学構造データを最小スパニング木にまとめること、プロセッサによって、最小スパニング木を持続性コンピュータ可読媒体上に格納すること、およびプロセッサによって、最小スパニング木を検索することを含む。

ある実施形態では、ユーザー入力された化学構造データは、少なくとも１つの化学構造の部分構造または完全な構造に対応する。

ある実施形態では、文書のセットに対応する文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている。ある実施形態では、問い合わせを行うステップは、補強されたユーザークエリーの少なくとも一部を１つまたは複数の索引付け文字列タグの少なくとも１つと相関させることを含む。

別の態様では、本発明は、化学情報を含む文書のセットを検索するための方法を対象とし、本方法は、（ａ）コンピューティング装置のプロセッサによって、ユーザー入力された化学構造データ（例えば、バイナリデータ）を含むユーザークエリーを受信することであって、ユーザー入力された化学構造データは少なくとも１つの化学構造に対応すること、（ｂ）プロセッサによって、ビットスクリーニングデータおよび関係データをユーザー入力された化学構造データから識別または抽出することであって、ビットスクリーニングデータは少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、関係データは複数の１つまたは複数の構成元素間の１つまたは複数の関係（例えば、相互作用、結合）に対応すること、（ｃ）プロセッサによって、ユーザークエリーを、ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成し、任意選択として、関係データの少なくとも一部に基づいて１つまたは複数の符号化文字列を生成することにより補強して、そのため補強されたユーザークエリーが１つまたは複数の文字列タグを含むようになることであって、１つまたは複数の文字列タグは少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むこと、（ｄ）テキストベース検索方法を使用して、プロセッサによって、文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、補強されたユーザークエリーの少なくとも一部を文書データと相関させて、１つまたは複数のテキストベース検索結果を生成することを含むこと、ならびに（ｅ）任意選択として、プロセッサにより、１つまたは複数のテキストベース検索結果を出力すること、を行うステップを含む。ある実施形態では、本方法は、プロセッサによって、ビットスクリーニングデータおよび関係データを１つまたは複数の文字列に変換するステップをさらに含む。

ある実施形態では、本方法は、（ｆ）構造ベース検索方法を使用して、問い合わせを行うステップの後に、プロセッサにより、ユーザー入力された化学構造データの少なくとも一部を１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成することであって、１つまたは複数のテキストベース検索結果は関連のある化学構造データを含むフィルタ処理された文書データに対応すること、および（ｇ）プロセッサによって、１つまたは複数の精緻化された検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行うステップをさらに含む。

ある実施形態では、構造ベース検索方法は、文字列データを入力として使用する（例えば、テキスト検索エンジンを使用して実行される）。ある実施形態では、１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む。ある実施形態では、構造ベース検索は原子ごとの検索を含む。

ある実施形態では、問い合わせを行うステップ（ｄ）は、プロセッサにより、関連性検索を使用して、１つまたは複数のテキストベース検索結果を生成することを含む。ある実施形態では、関連性検索はヒットスコアリング検索である。

ある実施形態では、ステップ（ｆ）は、プロセッサによって、１つまたは複数のテキストベース検索結果の関連のある化学構造データを最小スパニング木にまとめること、プロセッサによって、最小スパニング木を持続性コンピュータ可読媒体上に格納すること、およびプロセッサによって、最小スパニング木を検索することを含む。

ある実施形態では、ユーザー入力された化学構造データは、少なくとも１つの化学構造の部分構造または完全な構造に対応する。

ある実施形態では、文書のセットに対応する文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている。ある実施形態では、問い合わせを行うステップは、補強されたユーザークエリーの少なくとも一部を１つまたは複数の索引付け文字列タグの少なくとも１つと相関させることを含む。

別の態様では、本発明は、化学情報を含む索引付けされた文書のセットのテキストベース検索のための方法を対象とし、本方法は、（ａ）コンピューティング装置のプロセッサによって、テキストデータ（例えば、英数字データ）を含むユーザークエリーを受信することであって、テキストデータは少なくとも１つの化学構造を記述する英数字文字のシーケンスを含むこと、（ｂ）テキストベース検索方法を使用して、プロセッサによって、索引付けされた文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、文書データは１つまたは複数の索引文字列タグを含むように補強されており、問い合わせを行うことは、ユーザークエリーのテキストデータの少なくとも一部を１つまたは複数の索引文字列タグと相関させて１つまたは複数のテキストベース検索結果を生成することを含み、１つまたは複数の索引文字列タグは、少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むこと、ならびに（ｃ）プロセッサにより、１つまたは複数のテキストベース検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行うステップを含む。ある実施形態では、１つまたは複数の索引文字列タグは、自然言語テキストを含む。

ある実施形態では、問い合わせを行うステップは、プロセッサにより、関連性検索を使用して、１つまたは複数のテキストベース検索結果を生成することを含む。ある実施形態では、関連性検索はヒットスコアリング検索である。

別の態様では、本発明は、化学構造検索を容易にするために文書を索引付けするための方法を対象とし、本方法は、コンピューティング装置のプロセッサによって、文書に対応する文書データを受信することであって、文書データは化学構造に対応する化学構造データを含むこと、プロセッサによって、化学構造データ内のビットスクリーニングデータおよび関係データを識別または抽出することであって、ビットスクリーニングデータは化学構造の１つまたは複数の構成元素に対応し、関係データは１つまたは複数の構成元素間の関係（例えば、相互作用、結合）に対応すること、プロセッサによって、識別されたビットスクリーニングデータの少なくとも一部に基づいて文字列タグを生成することであって、文字列タグは、化学構造データに対応する化学構造を記述するための英数字値を含むこと（例えば、化学構造データを含む文書の問い合わせでの使用のため）、任意選択として、プロセッサにより、関係データの少なくとも一部に基づいて符号化文字列を生成すること、プロセッサによって、文字列タグを化学構造データまたは文書データと関連付けること、ならびにプロセッサにより、文字列タグを（例えば、持続性コンピュータ可読媒体上への格納のために）出力すること、を行うステップを含む。ある実施形態では、本方法は、プロセッサによって、ビットスクリーニングデータおよび関係データを１つまたは複数の文字列に変換するステップを含む。ある実施形態では、文字列タグは、自然言語テキストを含む。

ある実施形態では、本方法は、プロセッサによって、文書データを補強するステップを含み、補強された文書データは文字列タグを含む。ある実施形態では、本方法は、プロセッサによって、文字列タグを第２の持続性コンピュータ可読媒体上に格納するステップを含む。ある実施形態では、本方法は、文字列タグを索引付けすることを含む。

ある実施形態では、文書データはメタデータを含む。ある実施形態では、メタデータは一意のＩＤおよびバケットＩＤ（例えば、バケットＩＤはマルチテナントシステム内でテナントを識別するために使用される）を含む。ある実施形態では、本方法は、プロセッサによって、メタデータを（例えば、文書を索引付けする方法の間）持続するステップを含む。

ある実施形態では、本方法は、関係データを１つまたは複数の符号化文字列に変換することを含む。ある実施形態では、関係データは格納されるが、索引付けはされない。

別の態様では、本発明は、化学情報を含む索引付けされた文書のセットを、連続的な検索を使用して検索するための方法を対象とし、本方法は、（ａ）コンピューティング装置のプロセッサによって、ユーザー入力された化学構造データおよびテキストデータを含むユーザークエリーを受信すること、（ｂ）テキストベース検索方法を使用して、プロセッサによって、索引付けされた文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、ユーザー入力された化学構造データの少なくとも一部を文書データと（例えば、文書データと相関させる前に化学構造データを補強または変換することにより）、およびユーザークエリーのテキストデータの少なくとも一部を文書データと相関させてフィルタ処理された文書データを生成することを含むこと、（ｃ）構造ベース検索方法を使用して、問い合わせを行うステップの後に、プロセッサにより、フィルタ処理された文書データを検索することであって、検索は、ユーザー入力された化学構造データの少なくとも一部をフィルタ処理された文書データ内の関連のあるフィルタ処理された化学構造データと相関させて１つまたは複数の検索結果を生成することを含むこと、ならびに（ｄ）プロセッサによって、１つまたは複数の検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行うステップを含む。ある実施形態では、本方法は、プロセッサによって、化学構造データを１つまたは複数の文字列に変換するステップを含む。

ある実施形態では、構造ベース検索方法は、文字列データを入力として使用する（例えば、テキスト検索エンジンを使用して実行される）。

ある実施形態では、本方法は、ステップ（ｂ）の前に、プロセッサによって、ユーザークエリーを、１つまたは複数の文字列タグを生成することにより補強し、そのため補強されたユーザークエリーが１つまたは複数の文字列タグを含むようになるステップを含み、１つまたは複数のクエリー文字列タグは化学構造を記述する。ある実施形態では、ステップ（ｂ）は、１つまたは複数の文字列タグの少なくとも１つを文書データと相関させることを含む。

ある実施形態では、文書データは１つまたは複数の索引文字列タグを含む。ある実施形態では、ステップ（ｂ）は、テキストデータの少なくとも一部を１つまたは複数の索引文字列タグと相関させることを含む。

別の態様では、本発明は、化学情報を含む文書のセットを検索するためのシステムを対象とし、本システムは、プロセッサ、および命令をその上に格納している持続性コンピュータ可読媒体を含み、命令は、プロセッサによって実行される場合に、プロセッサに、（ａ）プロセッサによって、ユーザー入力された化学構造データおよびテキストデータ（例えば、英数字データ）を含むユーザークエリーを受信することであって、テキストデータおよびユーザー入力された化学構造データは少なくとも１つの化学構造に対応すること、（ｂ）プロセッサによって、ビットスクリーニングデータおよび関係データをユーザー入力された化学構造データから識別することであって、ビットスクリーニングデータは少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、関係データは複数の１つまたは複数の構成元素間の１つまたは複数の関係（例えば、相互作用、結合）に対応すること、（ｃ）プロセッサによって、ユーザークエリーを、ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成することにより補強し、そのため補強されたユーザークエリーは１つまたは複数の文字列タグを含むようになることであって、１つまたは複数の文字列タグは少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むこと、（ｄ）テキストベース検索方法を使用して、プロセッサによって、文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、補強されたユーザークエリーの少なくとも一部を文書データと相関させて、１つまたは複数のテキストベース検索結果を生成することを含むこと、ならびに（ｅ）任意選択として、プロセッサにより、１つまたは複数のテキストベース検索結果を出力すること、を行わせる。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、ビットスクリーニングデータおよび関係データを１つまたは複数の文字列に変換させる。

ある実施形態では、本命令は、プロセッサによって実行される場合に、さらにプロセッサに、（ｆ）構造ベース検索方法を使用して、問い合わせを行うステップの後に、プロセッサにより、ユーザー入力された化学構造データの少なくとも一部を１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成することであって、１つまたは複数のテキストベース検索結果は関連のある化学構造データを含むフィルタ処理された文書データに対応すること、および（ｇ）プロセッサによって、１つまたは複数の精緻化された検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行わせる。

ある実施形態では、構造ベース検索方法は、文字列データを入力として使用する（例えば、テキスト検索エンジンを使用して実行される）。ある実施形態では、１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む。

ある実施形態では、構造ベース検索は原子ごとの検索である。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサにより、関連性検索を使用して、１つまたは複数のテキストベース検索結果を生成させる。ある実施形態では、関連性検索はヒットスコアリング検索である。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、１つまたは複数のテキストベース検索結果の関連のある化学構造データを最小スパニング木にまとめること、プロセッサによって、最小スパニング木を持続性コンピュータ可読媒体上に格納すること、およびプロセッサによって、最小スパニング木を検索すること、を行わせる。

ある実施形態では、ユーザー入力された化学構造データは、少なくとも１つの化学構造の部分構造または完全な構造に対応する。

ある実施形態では、文書のセットに対応する文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている。ある実施形態では、問い合わせを行うステップは、プロセッサによって、補強されたユーザークエリーの少なくとも一部を１つまたは複数の索引付け文字列タグの少なくとも１つと相関させる命令を含む。

別の態様では、本発明は、化学情報を含む文書のセットを検索するためのシステムを対象とし、本システムは、プロセッサ、および命令をその上に格納している持続性コンピュータ可読媒体を含み、本命令は、プロセッサによって実行される場合に、プロセッサに、（ａ）プロセッサによって、ユーザー入力された化学構造データ（例えば、バイナリデータ）を含むユーザークエリーを受信することであって、ユーザー入力された化学構造データは少なくとも１つの化学構造に対応すること、（ｂ）プロセッサによって、ビットスクリーニングデータおよび関係データをユーザー入力された化学構造データから識別または抽出することであって、ビットスクリーニングデータは少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、関係データは複数の１つまたは複数の構成元素間の１つまたは複数の関係（例えば、相互作用、結合）に対応すること、（ｃ）プロセッサによって、ユーザークエリーを、ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成し、任意選択として、関係データの少なくとも一部に基づいて１つまたは複数の符号化文字列を生成することにより補強して、そのため補強されたユーザークエリーが１つまたは複数の文字列タグを含むようになることであって、１つまたは複数の文字列タグは少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むこと、（ｄ）テキストベース検索方法を使用して、プロセッサによって、文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、補強されたユーザークエリーの少なくとも一部を文書データと相関させて、１つまたは複数のテキストベース検索結果を生成することを含むこと、ならびに（ｅ）任意選択として、プロセッサにより、１つまたは複数のテキストベース検索結果を出力すること、を行わせる。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、ビットスクリーニングデータおよび関係データを１つまたは複数の文字列に変換すること、を行わせる。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、（ｆ）構造ベース検索方法を使用して、問い合わせを行うステップの後に、プロセッサにより、ユーザー入力された化学構造データの少なくとも一部を１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成することであって、１つまたは複数のテキストベース検索結果は関連のある化学構造データを含むフィルタ処理された文書データに対応すること、および（ｇ）プロセッサによって、１つまたは複数の精緻化された検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行わせる。ある実施形態では、構造ベース検索方法は、文字列データを入力として使用する（例えば、テキスト検索エンジンを使用して実行される）。ある実施形態では、１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む。ある実施形態では、構造ベース検索は原子ごとの検索を含む。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサにより、関連性検索を使用して、１つまたは複数のテキストベース検索結果を生成させる。ある実施形態では、関連性検索はヒットスコアリング検索である。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、１つまたは複数のテキストベース検索結果の関連のある化学構造データを最小スパニング木にまとめること、プロセッサによって、最小スパニング木を持続性コンピュータ可読媒体上に格納すること、およびプロセッサによって、最小スパニング木を検索すること、を行わせる。

ある実施形態では、ユーザー入力された化学構造データは、少なくとも１つの化学構造の部分構造または完全な構造に対応する。

ある実施形態では、文書のセットに対応する文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている。ある実施形態では、問い合わせを行うステップは、プロセッサによって、補強されたユーザークエリーの少なくとも一部を１つまたは複数の索引付け文字列タグの少なくとも１つと相関させる命令を含む。

別の態様では、本発明は、化学情報を含む索引付けされた文書のセットのテキストベース検索のためのシステムを対象とし、本システムは、プロセッサ、および命令をその上に格納している持続性コンピュータ可読媒体を含み、本命令は、プロセッサによって実行される場合に、プロセッサに、（ａ）プロセッサによって、テキストデータ（例えば、英数字データ）を含むユーザークエリーを受信することであって、テキストデータは少なくとも１つの化学構造を記述する英数字文字のシーケンスを含むこと、（ｂ）テキストベース検索方法を使用して、プロセッサによって、索引付けされた文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、文書データは１つまたは複数の索引文字列タグを含むように補強されており、問い合わせを行うことは、ユーザークエリーのテキストデータの少なくとも一部を１つまたは複数の索引文字列タグと相関させて１つまたは複数のテキストベース検索結果を生成することを含み、１つまたは複数の索引文字列タグは、少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むこと、ならびに（ｃ）プロセッサにより、１つまたは複数のテキストベース検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行わせる。ある実施形態では、１つまたは複数の索引文字列タグは、自然言語テキストを含む。

ある実施形態では、問い合わせを行うステップは、プロセッサにより、関連性検索を使用して、１つまたは複数のテキストベース検索結果を生成する命令を含む。ある実施形態では、関連性検索はヒットスコアリング検索である。

別の態様では、本発明は、化学構造検索を容易にするために文書を索引付けするためのシステムを対象とし、本システムは、プロセッサ、および命令をその上に格納している持続性コンピュータ可読媒体を含み、本命令は、プロセッサによって実行される場合に、プロセッサに、コンピューティング装置のプロセッサによって、文書に対応する文書データを受信することであって、文書データは化学構造に対応する化学構造データを含むこと、プロセッサによって、化学構造データ内のビットスクリーニングデータおよび関係データを識別または抽出することであって、ビットスクリーニングデータは化学構造の１つまたは複数の構成元素に対応し、関係データは１つまたは複数の構成元素間の関係（例えば、相互作用、結合）に対応すること、プロセッサによって、識別されたビットスクリーニングデータの少なくとも一部に基づいて文字列タグを生成することであって、文字列タグは、化学構造データに対応する化学構造を記述するための英数字値を含むこと（例えば、化学構造データを含む文書の問い合わせでの使用のため）、プロセッサによって、文字列タグを化学構造データまたは文書データと関連付けること、ならびにプロセッサにより、文字列タグを（例えば、持続性コンピュータ可読媒体上への格納のために）出力すること、を行わせる。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、ビットスクリーニングデータおよび関係データを１つまたは複数の文字列に変換させる。ある実施形態では、文字列タグは、自然言語テキストを含む。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、文書データを補強させ、補強された文書データは文字列タグを含む。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、文字列タグを第２の持続性コンピュータ可読媒体上に格納させる。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに文字列タグを索引付けさせる。

ある実施形態では、文書データはメタデータを含む。ある実施形態では、メタデータは一意のＩＤおよびバケットＩＤ（例えば、バケットＩＤはマルチテナントシステム内でテナントを識別するために使用される）を含む。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、メタデータを（例えば、文書を索引付けしている間）持続させる。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに関係データを１つまたは複数の符号化文字列に変換させる。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに関係データを格納させるが、索引付けはさせない。

別の態様では、本発明は、化学情報を含む索引付けされた文書のセットを、連続的な検索を使用して検索するためのシステムを対象とし、本システムは、プロセッサ、および命令をその上に格納している持続性コンピュータ可読媒体を含み、本命令は、プロセッサによって実行される場合に、プロセッサに、（ａ）プロセッサによって、ユーザー入力された化学構造データおよびテキストデータを含むユーザークエリーを受信すること、（ｂ）テキストベース検索方法を使用して、プロセッサによって、索引付けされた文書のセットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、ユーザー入力された化学構造データの少なくとも一部を文書データと（例えば、文書データと相関させる前に化学構造データを補強または変換することにより）、およびユーザークエリーのテキストデータの少なくとも一部を文書データと相関させてフィルタ処理された文書データを生成することを含むこと、（ｃ）構造ベース検索方法を使用して、問い合わせを行うステップの後に、プロセッサにより、フィルタ処理された文書データを検索することであって、検索は、ユーザー入力された化学構造データの少なくとも一部をフィルタ処理された文書データ内の関連のあるフィルタ処理された化学構造データと相関させて１つまたは複数の検索結果を生成することを含むこと、ならびに（ｄ）プロセッサによって、１つまたは複数の検索結果を出力する（例えば、表示のためにレンダリングする、または表示のためにレンダリングするために別のプロセッサに出力する）こと、を行わせる。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、化学構造データを１つまたは複数の文字列に変換させる。ある実施形態では、構造ベース検索方法は、文字列データを入力として使用する（例えば、テキスト検索エンジンを使用して実行される）。

ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、ステップ（ｂ）の前に、プロセッサによって、ユーザークエリーを、１つまたは複数の文字列タグを生成することにより補強させ、そのため補強されたユーザークエリーが１つまたは複数の文字列タグを含むようになり、１つまたは複数のクエリー文字列タグは化学構造を記述する。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、１つまたは複数の文字列タグの少なくとも１つを文書データと相関させる。

ある実施形態では、文書データは１つまたは複数の索引文字列タグを含む。ある実施形態では、本命令は、プロセッサによって実行される場合に、プロセッサに、プロセッサによって、テキストデータの少なくとも一部を１つまたは複数の索引文字列タグと相関させる。

図面は、本明細書では、例示目的のために提示されており、限定のためではない。本発明の前述および他の目的、態様、特徴、および利点は、以下の説明を添付の図面と共に参照することによりさらに明らかになり、より良く理解され得る。

本発明の例示的な実施形態に従い、化学情報を含む文書に対応するデータ構造の階層を示す。 本発明の例示的な実施形態に従い、化学構造データを含む文書を索引付けするための方法のブロック図である。 本発明の例示的な実施形態に従い、ユーザークエリーに対応するデータ構造の階層を示す。 本発明の例示的な実施形態に従い、文字列タグで補強された文書を検索するための方法のブロック図である。 本発明の例示的な実施形態に従い、テキストベース検索を使用して文書のセットを検索するために、化学構造データを含むユーザークエリーを補強するための方法のブロック図である。 本発明の例示的な実施形態に従い、テキストベース検索、次いで構造ベース検索を使用して文書のセットを効率的に検索するために、化学構造データを含むユーザークエリーを補強するための方法のブロック図である。 本発明の例示的な実施形態に従い、化学情報を含む文書を索引付けおよび検索するために使用できるソフトウェアモジュールの例示的なシステムである。 本発明の例示的な実施形態に従い、ユーザークエリーを入力して検索結果を見るために使用されるインタフェースのスクリーンショットである。 例示的な実施形態に従い、本明細書で説明する方法およびシステムで使用するためのネットワーク環境例のブロック図である。 本発明の例示的な実施形態での使用のための、コンピューティング装置例およびモバイルコンピューティング装置例のブロック図である。

定義
本開示をより容易に理解するために、本明細書で使用されるある用語は以下のように定義される。以下の用語および他の用語に対する追加の定義は本明細書を通して説明される。

本出願では、「または」の使用は、特に明記しない限り「および／または」を意味する。本出願では、用語「含む（ｃｏｍｐｒｉｓｅ）」ならびに「含み（ｃｏｍｐｒｉｓｉｎｇ）」および「含む（ｃｏｍｐｒｉｓｅｓ）」などの、その用語の変形は、他の付加物、構成要素、整数またはステップを排除することを意図しない。本出願では、用語「約（ａｂｏｕｔ）」および「略（ａｐｐｒｏｘｉｍａｔｅｌｙ）」は同等に使用される。約／略の有無にかかわらず、本出願での任意の数字の使用は、当業者によって理解される任意の正常変動を包含することを意図する。ある実施形態では、用語「約」および「略」は、特に明記しないか、または文脈から明白でない限り（かかる数が可能値の１００％を超え得る場合を除いて）、明言された参照値のいずれかの方向（大きいか、または小さい）の２５％、２０％、１９％、１８％、１７％、１６％、１５％、１４％、１３％、１２％、１１％、１０％、９％、８％、７％、６％、５％、４％、３％、２％、１％またはそれ未満内に含まれる値の範囲を指す。

構成元素（ｃｏｎｓｔｉｔｕｅｎｔ ｅｌｅｍｅｎｔ）：本明細書では、句「構成元素」は、化学構造の一部を指す。構成元素は、化学構造を全体または一部において形成する、結合、原子、断片、官能基、ヘテロ原子、成分またはそれらの任意の組合せであり得る。構成元素は、化学構造を識別、記述、および／または分類するために使用され得る。構成元素は、構成元素を含む化学構造に関連した文書を問い合わせる場合に検索語として使用され得る。

文書（ｄｏｃｕｍｅｎｔ）：本明細書では、用語「文書」は、化学情報を含む論文を指す。化学情報は、１つまたは複数の化学物質（例えば、その構造）を識別、分類、および／または記述する。ある実施形態では、文書は１つまたは複数の化学構造表現だけを含む論文である。文書に対応する文書データは、ユーザーが文書および／または文書の内容を検索し得るように、データベース内内に格納でき、かつ／または索引付けできる。文書は、例えば、追加の化学情報を提供するテキストまたは画像などの、追加の要素を含み得る。

テキストデータ（ｔｅｘｔ ｄａｔａ）：本明細書では、用語「テキストデータ」は、化学物質および／またはその構造の識別、分類、および記述の少なくとも１つを行うテキストに対応するデータを指す。いくつかの実施形態では、ユーザーは、テキストフィールドまたはテキストボックスを使用してグラフィカルユーザーインタフェースでテキストデータを入力する。ある実施形態では、テキストデータは文字列として格納され、文字列は英数字文字のシーケンスである。テキストデータは自然言語の単語または句であり得る。

関連付ける（ａｓｓｏｃｉａｔｅ）、〜と関連付けられる（ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ）：本明細書では、用語「関連付ける」および、第１のデータ構造が第２のデータ構造と関連付けられるにおけるような、「〜と関連付けられる」は、電子的に（例えば、コンピュータメモリ内に）格納される２つのデータ構造またはデータ要素間の関連性のコンピュータ表現を指す。いくつかの実施形態では、第１のデータ構造は第１のコンピュータ可読媒体上に格納され、第２のデータ構造は第２のコンピュータ可読媒体上に格納され、第１のデータ構造と第２のデータ構造との間の関連性は第１のコンピュータ可読媒体上に格納される。いくつかの実施形態では、第１のデータ構造は第１のコンピュータ可読媒体上に格納され、第２のデータ構造は第２のコンピュータ可読媒体上に格納され、第１のデータ構造と第２のデータ構造との間の関連性は第２のコンピュータ可読媒体上に格納される。

文字列タグ（ｓｔｒｉｎｇ ｔａｇ）：本明細書では、用語「文字列タグ」は、化学構造を識別、分類、および／または記述する際に使用される英数字文字の文字列を含むデータを指す。ある実施形態では、英数字文字の文字列は、英数字文字の自然言語シーケンスである。

グラフィカル制御要素（ｇｒａｐｈｉｃａｌ ｃｏｎｔｒｏｌ ｅｌｅｍｅｎｔ）：本明細書では、「グラフィカル制御要素」は、ユーザーおよび／または個々の入力に提供するために使用され得るグラフィカルユーザーインタフェース要素の１つの要素を指す。グラフィカル制御要素は、テキストボックス、ドロップダウンリスト、ラジオボタン、データフィールド、チェックボックス、ボタン（例えば、選択可能アイコン）、リストボックス、またはスライダであり得る。

詳細な説明
クレームされた発明のシステム、装置、方法、およびプロセスは、本明細書で説明する実施形態からの情報を使用して展開された変形および適応を包含すると考えられる。本明細書で説明するシステム、装置、方法、およびプロセスの適応および／または修正は、当業者によって実行され得る。

説明を通して、物品、装置、およびシステムが、特定の構成要素を有するか、含むか、もしくは備えるとして説明されている場合、またはプロセスおよび方法が、特定のステップを有するか、含むか、もしくは備えるとして説明されている場合、追加として、列挙される構成要素を、本質的に構成するか、もしくは構成する本発明の物品、装置、およびシステムがあること、ならびに列挙される処理ステップを、本質的に構成するか、もしくは構成する本発明に従ったプロセスおよび方法があることが考えられる。

ステップの順序またはある動作を実行する順序は、本発明が使用可能なままである限り、重要ではないことが理解されるべきである。さらに、２つ以上のステップまたは動作が同時に実施され得る。

例えば、背景技術節での、任意の公開の本明細書での言及は、その公開は、本明細書で提示するクレームのいずれかに関して従来技術となると認めることではない。背景技術節は、明確にすることを目的として提示されており、任意のクレームに関する従来技術の説明を意図するものではない。ヘッダーは読者の便宜のために提供されており、クレームされた主題に関して限定することを意図していない。

本明細書で説明するシステムおよび方法は、効率的な方法を使用した化学情報を含む文書のセットの索引付けおよび検索に関する。文書のセットに対応する文書データは、文書内で参照される化学構造に対応する化学構造データを含む。化学構造データは、化学構造データおよび／または文書データと関連付けられる文字列タグ（例えば、単語または句）を生成するために使用される。文字列タグは、文書内の対応する化学構造および／またはそれらの表現を識別、分類、または記述するために使用される。文字列タグの使用は、高速テキストベース検索方法により、文書内の化学構造情報およびテキストの両方の検索を容易にする。文書の索引付けにおいて文字列タグを使用すると、その文書内の化学構造表現がテキストベース方法を使用して検索されるのを可能にする。

化学構造データおよびテキストデータを含むユーザークエリーは、クエリーが化学構造データに基づいて１つまたは複数の文字列タグを含むように補強されている場合、ユーザーの化学構造表現入力およびテキスト入力が同時に検索されるのを可能にする。同時検索は潜在的に関連のある文書のセットを迅速に狭めることができる。文書内の化学構造および記述テキストの同時検索は、化学構造および記述テキストの連続的な（いずれの順序でも）検索よりも迅速に関連のある検索結果を効率的にユーザーに提供する。

ある実施形態では、索引付けされて検索される文書はデータベースとして格納される。文書データのデータベースは検索での使用のために持続性コンピュータ可読媒体上に格納されて索引付けされ得る。データベースは、コンピューティング装置からユーザーに対してローカルにアクセス可能であり得る。例えば、ユーザーは、デスクトップコンピュータ、ラップトップコンピュータ、モバイル機器、タブレット、または同様のもの上に格納されたデータベースを使用し得る。データベースは、コンパクトディスク、ハードディスク、またはフラッシュメモリなどの、別個の記憶媒体上にも格納され得る。ある実施形態では、データベースは、ネットワークを通してアクセス可能なサーバーまたは類似のコンピューティング装置上に格納される（例えば、クラウドコンピューティングサービスとして）。データベースは、例えば、その大規模サイズに起因して、またはスケーラビリティを考慮して、リモートに格納され得る。ある実施形態では、文書データは索引付けエンジン内に格納される。ある実施形態では、文書データは、フォールトトレラントストア（ｆａｕｌｔ ｔｏｌｅｒａｎｔ ｓｔｏｒｅ）内に格納される。ある実施形態では、索引付けされた文書データに対する索引付けデータは、１つまたは複数の別個の位置に格納されている文書データと共にデータベース内に格納されて検索される。ある実施形態では、データベースはウェブベースのインタフェースを使用して問い合わせされる。

文書は、それらがテキストベース検索方法で完全に検索できるような形式で索引付けされる。索引付けされる文書に対応する文書データは、ＣｈｅｍＳｅａｒｃｈなどのサービスにロード（例えば、アップロード）され得る。図１は、文書に対応するデータ構造の例示的な階層を示す。文書データ１００は、化学構造データ１１０、テキストデータ１３０、およびメタデータ１４０を含む。化学構造データ１１０は、化学構造表現などの、化学構造情報に対応する。化学構造データは、任意の数の標準形式（例えば、ＳＭＩＬＥＳ（ｓｉｍｐｌｉｆｉｅｄ ｍｏｌｅｃｕｌａｒ ｉｎｐｕｔ ｌｉｎｅ ｅｎｔｒｙ ｓｐｅｃｉｆｉｃａｔｉｏｎ）もしくはＳＭＡＲＴＳ（ＳＭＩＬＥＳ ａｒｂｉｔｒａｒｙ ｔａｒｇｅｔ ｓｐｅｃｉｆｉｃａｔｉｏｎ）ベースの文字列またはフォーマット化バイナリデータとして）で格納され得る。化学構造データ１１０は、ビットスクリーニングデータ１５０および関係データ１６０を含む。ビットスクリーニングデータ１５０は化学構造の１つまたは複数の構成元素に対応する。関係データ１６０は、複数の１つまたは複数の構成元素間の１つまたは複数の関係（例えば、相互作用、結合）に対応する。ある実施形態では、化学構造データ（例えば、ビットスクリーニングデータおよび関係データ）は、文字列として格納されるか、または検索のために使用される全ての文書データがテキスト検索エンジンで検索できるように文字列に変換される。テキストデータ１３０は化学物質および／またはその構造に関する記述情報に対応する。例えば、テキストデータは、化学物質の特性（例えば、その構造）を記述し得、かつ／またはその化学物質を伴うプロセス、反応、もしくは組成／混合物を記述し得る。ある実施形態では、文書データは、文書およびその内容を識別するために使用できるメタデータを含み得る。例えば、文書のメタデータは一意のＩＤおよびバケットＩＤを含み得る。メタデータは、文書がデータベース内で参照されるのを可能にするために持続され得る。

文書データ１００は、文字列タグ１２０を含むように（図１で２つを結合する破線で示されているとおり）索引付け中に補強されている。文字列タグは、文書データ内の化学構造データに対応する化学構造を識別、分類、および／または記述するための英数字テキストベースの文字列を提供する文字のシーケンスである。ある実施形態では、文字列タグは、ビットスクリーニングデータを使用して、ビットスクリーニングデータに対応する構成元素を識別するためにビットスクリーニングデータに関して原子ごとまたは類似の構造ベース検索をそこで実行し、構成元素を識別、分類、および／または記述する事前に定義されたリストまたは配列内の文字列を文字列タグに投入することによって、生成される。ある実施形態では、文字列タグは、文字列および文書データ内のビットスクリーニングデータと比較される対応する基準ビットスクリーニングデータを含む配列を使用して投入される。事前定義されたリストは、化学構造内の一般的な構成元素に対する文字列およびそれらの一般的な構成元素に対応する基準ビットスクリーニングデータに対する関連付けを格納することによって手動で作成され得る。従って、文書データ内のビットスクリーニングデータに対応する構成元素に対して事前に定義されたリストから適切な記述文字列を投入される文字列タグを生成するために、事前に定義された文字列と関連付けられた基準ビットスクリーニングデータが、構造ベース検索を使用して、文書データ内のビットスクリーニングデータと照合できる。文字列タグは、適切な記述文字列を文字列タグに投入する適切でアドホックな構造ベース方法を使用しても生成され得る。文字列タグは、化学構造データと、または化学構造データを含む文書データと直接、関連付けられ得る。図１を再度参照すると、文字列タグ１２０は文書データ１００と関連付けられているが、化学構造データ１１０とは直接、関連付けられていない。

ある実施形態では、文字列タグは、関連付けられた化学構造または部分構造を記述するためにユーザーが使用し得る自然言語の単語または句である。例えば、ピリジンに対応する化学構造データ（例えば、ピリジンの構造表現に対応するか、またはピリジンに対応する埋め込まれた化学構造データ）は、文字列タグ「芳香族」と関連付けられ得る。化学構造データと関連付けられ得る文字列タグの他の例は、対応する化学構造内に存在する構成元素（例えば、官能基またはヘテロ原子）に対する一般名である。例えば、アセトンは、文字列タグ「ケトン」と関連付けられ得るか、またはクロロホルムは、文字列タグ「塩素」および／もしくは「塩素を含む」と関連付けられ得る。

図２は、化学構造情報を含む文書を索引付けするための例示的な方法のブロック図である。索引付け方法２００は、文書データ内の化学構造データから１つまたは複数の文字列タグを生成することにより、文書データを補強するために使用される。ステップ２１０で、化学構造データを含む文書データが、コンピューティング装置のプロセッサによって受信される。ステップ２２０で、化学構造データ内のビットスクリーニングデータおよび関係データが識別されるか、または抽出される。ステップ２３０で、ステップ２２０で識別または抽出されたビットスクリーニングデータが文字列タグを生成するために使用される。ステップ２４０で、ステップ２３０で生成された文字列タグは、文書データと直接関連付けられる。ステップ２５０で、文字列タグが出力される。ステップ２５０で出力された文字列タグは、後の検索のために、文書データと共に格納される。いくつかの実施形態では、文書データは、文字列タグを含むように補強される。いくつかの実施形態では、文字列タグは、文書データとは別に格納される。文字列タグが文書データとは別に格納される場合、文書データは、文書データが検索されている際に文字列タグが検索できるように、文字列タグの文書データに対する関連付けを含むように補強され得る。

文書データは、内部構成された検索プロバイダサービスにそれをアップロードすることによって受信され得る。検索プロバイダは、１つまたは複数の特定の検索エンジンに対して構成される抽象化層である。構成された検索プロバイダは、検索プロセスの他の態様を妨げることなく、異なる特定の検索エンジンと共に働くように変更され得る。ある実施形態では、検索プロバイダサービス内に構成された検索プロバイダが１つだけある。ある実施形態では、内部構成された検索プロバイダサービスは、索引付けプロセスを通して文書データ内のメタデータを持続する。

ビットスクリーニングデータおよび関係データを識別または抽出するために、構成された検索プロバイダは、化学検索コアエンジンを呼び出して化学構造データを識別または抽出することができる。化学検索コアエンジンは、データが、エンジンによって認識される標準形式で格納される場合、化学構造に対応する文書データ内のデータを識別または抽出することができる。化学検索コアエンジンは、ビットスクリーニングデータおよび関係データの両方を抽出する。ビットスクリーニングデータは化学構造の構成元素に対応し、化学構造データ内で識別される対応する化学構造のそれらの構成元素を検索するために使用できる。関係データは、テキストベース検索に続き得る任意の補完的な構造ベース検索での使用のために格納される。ビットスクリーニングデータは、文字列タグを生成するために使用されて、化学構造データに対応する文字列タグをユーザークエリーと相関させることにより、ユーザーにとって関心のある化学構造データがテキストベース検索方法を使用して識別できるようにする。関係データは、符号化文字列として格納され得る。ある実施形態では、文書データ内の関係データおよびビットスクリーニングデータは、テキスト検索エンジンを使用して全ての検索（例えば、テキスト検索および構造検索）が実行できるようにするために、索引付け中に文字列に変換される。

一旦、化学検索コアエンジンが化学構造データを抽出または識別して、化学構造データ（すなわち、関係データおよびビットスクリーニングデータ）を適切な文字列（すなわち、それぞれ、符号化文字列および文字列タグ）に補強すると、文字列タグが出力される。文書データは、出力された文字列タグで補強され得る。文書データは初めに、関係データから変換された符号化文字列で補強され得る。補強されたデータは基礎となる索引付けエンジンに送信される。出力された文字列タグは、ユーザーによって入力されたテキストデータが文字列タグと相互に関連付けられて、検索時に検索結果を識別できるように、他のテキストデータと同様に索引付けされる。関係データは索引付けされないが、検索ワークフロー中に取得するために、文書と共に格納される。ある実施形態では、関係データまたは変換された関係データは、最初のテキストベース検索に続いて実行される構造ベース検索で使用される。データベース内の文書を索引付けした後、文書データはユーザーによる検索のために利用可能である。

文書の索引付けにおけるＥｌａｓｔｉｃｓｅａｒｃｈベースのアドバンスドサーチサービスモジュール（化学検索コアエンジンを含む）および検索エンジンモジュールと統合された内部構成された化学検索プロバイダサービスモジュール（例えば、ＣｈｅｍＳｅａｒｃｈサービス）の実施形態が図７に示されている。文書データは、処理のためにＣｈｅｍＳｅａｒｃｈサービスに入力される。処理は文書データ内のメタデータを持続することを含む。文書データは索引付けされて、Ｅｌａｓｔｉｃｓｅａｒｃｈベースのアドバンスドサーチサービスに送信される。ＥｌａｓｔｉｃｓｅａｒｃｈベースのアドバンスドサーチサービスにおけるＣｈｅｍＳｅａｒｃｈコアエンジンは、索引付けされている文書データ内の化学構造データに対して文字列タグを生成するために使用されて、文字列タグを含むように文書データを補強する。索引付けされて補強された文書データは次いで、Ｅｌａｓｔｉｃｓｅａｒｃｈモジュールに送信される。

ある実施形態では、ＣｈｅｍＳｅａｒｃｈサービスは、検索ワークフローに統合される。ある実施形態では、ＣｈｅｍＳｅａｒｃｈサービスは、密接に統合される。密接に統合された検索統合は、全ての検索（すなわち、任意のテキスト検索および構造検索）が１つの検索モジュール（例えば、ＣｈｅｍＳｅａｒｃｈサービス）によって処理できることを意味する。ある実施形態では、ＣｈｅｍＳｅａｒｃｈサービスは補完的である。補完的な統合では、主検索エンジンがほとんどの検索を実行し、他方、補助検索エンジンは化学データ検索を実行する。補助検索エンジンは、構造ベース検索が要求される場合にだけ起動される。ある実施形態では、補助検索エンジンは、文書データのサブセット（例えば、メタデータ）だけを索引付けすることによってビルドされる。

関心のある文書に対するユーザー検索は、検索インタフェースへの入力を提供する。検索入力は、コンピューティング装置上でローカルに実行されるインタフェースを使用して提供され得るか、またはウェブベースのインタフェースを使用してアクセスされ得る。ユーザーは、特定の化学構造に関する情報を含むデータベース内の一部または全部の文書を検索している可能性がある。一般に、ユーザーは構成元素のセットおよび／または構造の特性（例えば、その官能性、反応性、または生産）のリストによって識別される化学構造の属に関する情報を含む文書を検索している。関心のある属は、複数の構成元素の存在によって制約されるいくつかのメンバを含め、特定であり得るか、または、１つもしくは２、３だけの共通の構成元素をもつ多数のメンバを含め、広範であり得る。例えば、ユーザーは、構造の末端基だけが属のメンバ間で異なる複合化学構造の属に関心があり得るか、またはユーザーは芳香族の全ての化学構造に関心があり得る。

ある実施形態では、ユーザーに提供される検索インタフェースは、テキストデータを入力するための１つまたは複数のテキストフィールドおよび化学構造データを入力するためのサブインタフェースを含む。ユーザーは任意の記述テキストを１つまたは複数のテキストフィールドに入力することができる。ユーザーによって提供される記述テキストは、関心のある化学構造の特性または化学構造自体の構造を指し得る。例えば、ユーザーは「９０％を超える収率」または「３つのカルボニル基を含む」を記述テキストとして入力し得る。ユーザーが複合化学構造に関心がある場合、ユーザーが、関連のある結果を生成するために、自然言語を使用して化学構造を十分に記述することは非現実的である。化学構造を入力するためのサブインタフェースは、データベースの検索で使用される化学構造もしくは部分的な化学構造を描くか、または同様に入力するためにユーザーによって使用され得る。いくつかの実施形態では、化学構造を描くためのサブインタフェースはＣｈｅｍＤｒａｗ（登録商標）（米国マサチューセッツ州ケンブリッジのＰｅｒｋｉｎＥｌｍｅｒ Ｉｎｆｏｒｍａｔｉｃｓ，Ｉｎｃによる）インタフェースである。化学構造データは化学構造表現として、線表示文字列（例えば、ＳＭＩＬＥＳ（ｓｉｍｐｌｉｆｉｅｄ ｍｏｌｅｃｕｌａｒ ｉｎｐｕｔ ｌｉｎｅ ｅｎｔｒｙ ｓｐｅｃｉｆｉｃａｔｉｏｎ）またはＳＭＡＲＴＳ（ＳＭＩＬＥＳ ａｒｂｉｔｒａｒｙ ｔａｒｇｅｔ ｓｐｅｃｉｆｉｃａｔｉｏｎ）ベースの文字列）を使用してテキストフィールドに入力され得る。このようにして、検索において関心のある化学構造を識別するために、ユーザーが化学構造入力または記述テキスト入力を提供するかにかかわらず、化学構造はテキストベース方法を使用して検索できる。

図８は、いくつかの実施形態で、ユーザーがクエリーを入力して検索結果を見るための例示的な検索インタフェースのスクリーンショットを示す。検索インタフェース８００は２つのタブ、すなわち、クエリーを入力する際に使用するためのクエリータブ８０２および検索の結果を見るための結果タブ８０４を有する。クエリータブ８０２は、検索で使用される用語を入力するための複数のグラフィカル制御要素を含む。テキストフィールド８１０は、ユーザーが検索で使用される英数字テキストを入力するためのグラフィカル制御要素を提供する。ドロップダウンリスト８２０は、ユーザーが、検索する１つのデータベース、データベースのセット、または１つまたは複数のデータベースのサブセット（複数可）を選択するのを可能にするグラフィカル制御要素である。テキストフィールド８３０は、ユーザークエリーに含められる様々なメタデータ用語を入力するための複数のグラフィカル制御要素である。ある実施形態では、検索は、何らかの閾値内で、ユーザー入力メタデータ値に一致するか、または対応するメタデータを含む文書のサブセットだけに関して実行される。例えば、ユーザーは、ユーザークエリーが特定のプロジェクト名のメタデータと関連付けられた文書内でのみ検索されるように、そのプロジェクト名を入力し得る。

グラフィカル制御要素８４２および８４４は、１つまたは複数の化学構造を描くことにより、化学構造データを入力するために使用される。グラフィカル制御要素８４４をクリックすると、化学構造を描くのを可能にする別個のインタフェース（例えば、結合および化学成分を描くツールを有する）をユーザーに提供する。例えば、グラフィカル制御要素８４４をクリックすると、ＣｈｅｍＤｒａｗ（登録商標）（米国マサチューセッツ州ケンブリッジのＰｅｒｋｉｎＥｌｍｅｒ Ｉｎｆｏｒｍａｔｉｃｓ，Ｉｎｃによる）インタフェースをオープンし得る。ドロップダウンリスト８４２は、描いている構造のタイプを選択するために使用される。例えば、ドロップダウンリスト８４２は、ユーザーが「部分構造」、「完全な構造」、および「複数の構造」から選択するのを可能にする。このリストからの選択は、文字列タグを適切に生成して、検索アルゴリズムを実行するために使用される。ドロップダウンリスト８４２は「部分構造（ｓｕｂｓｔｒｕｃｔｕｒｅ）」が選択されているのを示す。グラフィカル制御要素８４４は、ユーザークエリーの一部としてユーザーによって描かれた部分構造を示す。

グラフィカル制御要素８５２、８５４、８５６、８５８、および８６０は、ユーザーが、検索されている化学物質（複数可）に関連した関心のある特定の特性に対して追加のテキストデータを入力するのを可能にする。例えば、ユーザーはテキストフィールド８５２を使用して、関心のある化学物質（複数可）に関連した反応における反応物に対するテキストデータを提供し得る。ユーザーは、反応生成物に対するテキストデータをグラフィカル制御要素８５４内に入力し得る。例えば、ユーザーは、グラフィカル制御要素８５４で８０パーセントを超える収率を選択している。ユーザーは、テキストフィールド８５６で、反応で使用される溶媒に対するテキストデータを入力し得る。ユーザーは、テキストフィールド８５８で、反応条件（例えば、温度および圧力またはその範囲）に対するテキストデータを入力し得る。ユーザーは、調製基準（ｐｒｅｐａｒａｔｉｏｎ ｃｒｉｔｅｒｉａ）に対するテキストデータをテキストフィールド８６０に入力し得る。

グラフィカル制御要素８５２、８５４、８５６、８５８、および８６０は、テキストフィールド８１０への一般的なテキストデータ入力とは別に、関心のある特定の特性に対応するテキストデータをユーザーが入力するのを可能にするために、テキストフィールド８１０に加えて、検索インタフェース８００に含まれる。例えば、文字列「収率＞８０％」（例えば、テキストフィールド８１０に入力された）のテキストベース検索では、８０％を超える収率に言及している全ての文書に対する結果を生じ得るが、他方、グラフィカル制御要素８５４での「＞８０％」の選択は、描かれた化学構造および／または入力された生成物が反応において８０％を超える収率でもたらされる文書に対してだけ結果を生じる。さらに、ある実施形態では、検索アルゴリズムは複数のステップを含み、グラフィカル制御要素８１０、８５２、８５４、８５６、８５８、および８６０の各々への入力は、別々のステップで検索される。ある実施形態では、かかる分割された検索アルゴリズムは検索時間を加速し、かつ／またはユーザーに強く関連のある結果を生じる。従って、検索インタフェース８００では、テキストフィールド８１０は、ユーザーが一般的なテキストデータを入力するのを可能にし、他方、グラフィカル制御要素８５２、８５４、８５６、８５８、および８６０は、ユーザーにとって関心のある化学物質（複数可）に関連した特定の特性に対応する（例えば、反応の特性および／または条件に対応する）テキストデータをユーザーが入力するのを可能する。本明細書で説明するような検索で使用されるような、ユーザークエリーのテキストデータは、これらのグラフィカル制御要素の任意の１つまたは複数に入力されたデータを含み得る。いくつかの実施形態では、ユーザークエリーの全てのテキストデータは、インタフェースでユーザーに提供される１つだけのテキストフィールドに入力される。

図３は、ユーザークエリーと関連付けられたデータ構造の階層を示す。ユーザークエリー３００は、化学構造データ３１０およびテキストデータ３２０を含む。化学構造データ３１０は、ビットスクリーニングデータ３４０および関係データ３５０を含む。ビットスクリーニングデータ３４０は、文字列タグ３３０を生成するために、関連付けられた化学構造データに対応する化学構造の１つまたは複数の構成元素を識別するために使用され得る。一旦、文字列タグ３３０が生成されると、ユーザークエリー３００は、文字列タグ３３０と関連付けられるように補強される。文字列タグ３３０は、本明細書で前述したような事前に定義された文字列のリストを使用して生成できる。ユーザークエリー３００は、テキストベース検索方法を使用して文書データのデータベースに問い合わせるためにコンピューティング装置のプロセッサによって受信できる。ある実施形態では、ユーザークエリーは、テキストデータおよび化学構造データの両方を含む。ある実施形態では、ユーザークエリーは、テキストデータを含むが、化学構造データは含まない。ある実施形態では、ユーザークエリーは、化学構造データは含むが、テキストデータは含まない。

図４は、テキストデータを含むユーザークエリーを使用して、補強された文書データ（すなわち、文書データは文字列タグを含む）のデータベースを検索するための方法のブロック図である。検索方法４００は、テキストデータを含むユーザークエリーを使用して、文字列タグで補強された文書データのデータベースのテキストベース検索を実行するために使用される。ステップ４１０で、コンピューティング装置のプロセッサは、テキストデータを含むユーザークエリーを受信する。ステップ４２０で、文字列タグで補強された文書データのデータベースに、ステップ４１０で受信されたユーザークエリーでテキストベース検索方法を使用して問い合せてテキストベース検索結果を生成する。問い合わせを行うステップは、テキストベース検索方法を使用して、ステップ４１０でユーザークエリーの一部として受信されたテキストデータを、補強された文書データ内の文字列タグと相関させることを含む。このようにして、化学構造表現を有するが、化学物質を一般名によって明示的に識別するテキストを含んでいない文書が、問い合わせを行うステップで結果として識別できる。例えば、ベンゼンの表現が文書内に存在し得るが、文書のテキストは句「芳香環」を含むだけであり得る。対応する文書データは、（例えば、図２の方法に従い）索引付けの結果として文字列「ベンゼン」を含む文字列タグを含むように補強されたので、検索方法４００は、テキストデータ「ベンゼン」を含むユーザークエリーに対する結果としてその文書を識別するであろう。ステップ４３０で、ステップ４２０で生成されたテキストベース検索結果が、例えば、ユーザーに対して表示するため、またはさらなる処理のために、出力される。

図５は、テキストデータおよび化学構造データを含むユーザークエリーを使用して、文書データのデータベースを検索する方法に対するブロック図である。検索方法５００は、テキストデータを含むユーザークエリーを使用して、文字列タグで補強された文書データのデータベースのテキストベース検索を実行するために使用される。テキストベース検索結果は、ユーザーに対して表示するため、またはさらなる処理のために、出力され得る。テキストベース検索結果は、後の参照のために格納され得る。ステップ５１０で、コンピューティング装置のプロセッサは、テキストデータおよび化学構造データを含むユーザークエリーを受信する。ユーザークエリーは、本明細書で前述したようなインタフェースを使用してテキストデータおよび化学構造データを入力するためにユーザーによって使用された別のコンピューティング装置からプロセッサに送信され得る。ステップ５２０で、化学構造データが、ステップ５１０で受信されたユーザークエリーから抽出される。ステップ５３０で、抽出された化学構造データが文字列タグ（複数可）を生成するために使用される。ユーザークエリー内の化学構造データから生成された文字列タグは、本明細書で前述したように、文書の索引付け中に文字列タグを生成するための同じ方法を使用して生成できる。ある実施形態では、化学構造データは、文字列タグ（複数可）を生成するためにユーザークエリーから抽出される。いくつかの実施形態では、ユーザークエリー内の化学構造データは、１つまたは複数の文字列タグ（複数可）を生成するために識別される。ステップ５４０で、ユーザークエリーは、ステップ５３０で生成された文字列タグ（複数可）で補強される。ステップ５５０で、テキストベース検索が、補強されたユーザークエリーおよび検索されている文書に対応する文書データを使用して実行される。任意の２つの文字列（すなわち、ユーザークエリーの任意の文字列および文書データ内の任意の文字列）が相互に相関されるのを可能にする任意のテキストベース検索方法がステップ５５０で使用され得る。例えば、テキストベース検索方法は、関連性検索またはヒットランキング検索アルゴリズムを使用して結果を生成し得る。ステップ５６０で、ステップ５５０で生成されたテキストベース検索結果が、例えば、ユーザーに対して表示するため、またはさらなる処理のために、出力される。

ステップ５５０で使用されるテキストベース検索方法は、検索結果を生成するために、ユーザークエリーの任意の文字列を文書データの任意の文字列と相関させ得る。ステップ５４０でユーザークエリーを文字列タグ（複数可）で補強することにより、文字列ベースの形式で入力されない可能性があるユーザーによって入力される化学構造データが、テキストベース検索を実行するために使用できる。すなわち、補強されたユーザークエリー内の文字列タグは、文書データ内の文字列（例えば、テキストデータ）と相関されて結果を生成できる。従って、クエリー補強がなければ生成されていない可能性がある検索結果がユーザーに提供できる。テキストベース検索結果を生成するために使用された文書データ内の文字列は、索引付け中に生成された文書データ内の文字列タグ内であり得る。このようにして、１つの形式で格納される文書データ内の化学構造データが、別の形式におけるユーザークエリー内の化学構造データに対して検索できる。同様に、索引付け中に１つまたは複数の文字列タグを含むように補強されている文書データは、ユーザークエリー内のテキストデータの一部またはユーザークエリー内の化学構造データから生成された文字列タグ（複数可）の一部のいずれかを相関させることにより、ユーザークエリーに対する結果として識別できる。

化学構造データを含むが、テキストデータは含まないユーザークエリーは、方法５００に従った検索のために補強されて使用できる。ユーザークエリーが化学構造データを含むが、テキストデータは含まない場合、テキストベース検索結果は、補強されたユーザークエリー内の文字列タグ（複数可）の少なくとも一部を文書データと相関させることによって生成される。いくつかの実施形態では、化学構造データを含むが、テキストデータは含まないユーザークエリーは、文字列タグ（複数可）を含むように補強され、文字列タグ（複数可）の少なくとも一部は、補強された文書データ内の索引文字列タグ（例えば、索引付け中に索引文字列タグが文書データに付加された場合）の少なくとも一部と相関される。従って、化学構造データの全体を含むユーザークエリーに関して高速なテキストベース検索を実行して、テキストだけ、または化学構造表現だけを使用して化学物質を記述する結果を返すことができる。これは、化学構造データの全体を含むユーザークエリーに対して低速な構造ベース方法を使用する必要がある現在の方法とは対照的である。

テキストデータおよび化学構造データを含むユーザークエリーに関して、テキストベース検索方法は、ユーザークエリーのテキストデータおよびユーザークエリーの化学構造データから生成された文字列タグを同時に使用して、関連のある文書を検索することにより、データベースを検索して結果を生成できる。これは、従来の（すなわち、補強されていない）ユーザークエリーによって必要とされる、連続的な、テキストベース、次いで構造ベース（またはその逆）検索を排除する。理論に縛られることを望むものではないが、かかる連続的な検索は構造ベース検索ステップの速度によって速度制限される。方法５００等のテキストベース検索結果は、テキストベース検索結果がユーザーによって求められた情報により正確に関連するように、ユーザークエリー内で提供される全ての情報によって影響を受ける。

いくつかの検索に関して、ユーザークエリー内のテキストデータおよび化学構造データを同時に検索するテキストベース検索方法によって生成されたテキストベース検索結果でさえ、ユーザーにとっては広範すぎるか、または決定的ではない。図６は、構造ベース検索方法を使用した、検索のための方法、（例えば、方法５００に従い）テキストデータおよび化学構造データを含むユーザークエリーに基づくテキストベース検索の結果を示す。方法６００のステップ６１０〜６５０は、方法５００のステップ５１０〜５５０と同じである。ステップ６７０で、ステップ６１０〜６５０で生成されたテキストベース検索結果が、ユーザークエリーの化学構造データに基づいたテキストベース検索結果の構造ベース検索を実行するために使用される。ある実施形態では、構造ベース検索は、全ての検索が単一の検索エンジンを使用して実行できるように、テキスト検索エンジンで実行される。単一のテキスト検索エンジンが構造ベース検索およびテキストベース検索に対して使用されるために、文書データ内の関係データおよびビットスクリーニングデータが索引付け中に文字列に変換される。精緻化された検索結果がステップ６８０で、例えば、ユーザーに対して表示するため、またはさらなる処理のために、出力される。

構造ベース検索は、原子ごとの検索または、ユーザーにとって関心のある化学構造と正確に、もしくはほぼ正確に一致する（すなわち、ユーザーによって提供された化学構造データに対応する）化学構造に関連した結果を生じる当技術分野で周知の任意の他の構造ベース検索であり得る。いくつかの実施形態では、テキストベース検索結果の文書データ内の化学構造データは、構造ベース検索が、クエリーの化学構造データを使用するメモリ内最小スパニング木の検索で構成されるように、メモリ内最小スパニング木に統合される。最小スパニング木の使用は、後続の構造ベース検索の費用（例えば、時間、処理容量）を削減できる。構造ベース検索は、ユーザー入力されたユーザークエリーの化学構造データをテキストベース検索結果の関連のある化学構造データと相関させる。

テキストデータおよび文字列タグを含む補強されたユーザークエリーを同時に使用して文書データを最初にテキストベース検索することによる構造ベース方法で検索される文書データをフィルタ処理すると、フィルタ処理された文書データのセットの小ささに比例して構造ベース検索方法の速度を向上できる。文字列タグの使用によってテキストベース検索から生じた文書データの量が（テキストデータだけで達成可能なものと比較して）大幅に削減される検索に対して、構造ベース検索は極めて高速である。構造ベース検索において検索されている文書データの量が文書データの初期量から大幅に削減されている（すなわち、テキストベース検索の前に）ので、かかる後続の構造ベース検索の速度は極めて高速である。ユーザークエリーの化学構造データは、フィルタ処理された文書データ（すなわち、テキストベース検索結果のデータ）内の関連のある化学構造と迅速に相関できる。

文字列タグを使用することなく後続の構造ベース検索の前にテキストベース検索方法を使用すると、多くの場合、構造ベース検索が検索される文書データの量を著しくは制限しない。例えば、ユーザーが、９０％を超える反応収率をもつ化学物質の属を生成する方法に関連する文書を見つけたい場合、ユーザーはその属の部分的または完全な表現およびテキスト「９０％を超える収率」を提供し得る。テキストデータが、（補強されたユーザークエリーにおけるような）文字列タグを使用しない最初のテキストベース検索方法で使用される場合、テキストベース検索結果の文書データは、ユーザーにとって関心のない化学構造を伴う９０％を超える収率のプロセスに関連する文書に対する大量のデータを含む。任意の後続の構造ベース検索は、テキストベース検索によって返される任意の関連のあるデータに加えて、無関係のデータに関して実行され、従って検索方法全体が減速する。

ユーザークエリーの化学構造データに基づいて生成された文字列タグがテキストベース検索（例えば、方法６００を使用）で使用される場合、無関係な文書データのかなりの部分（および最大で全部）が後続の構造ベース検索における検索から除外される。後続の構造ベース検索は、テキストベース検索結果を精緻化して、入力された化学構造表現に対する少なくともある程度の類似度の化学構造表現を含むものだけを含む。後続の構造ベース検索を使用して検索結果を精緻化することは、ユーザーが複合化学構造表現を入力する検索に対して特に有用である。複合化学構造に対応する化学構造データを含む補強されたユーザークエリーに基づく構造ベース検索を実行すると、複合化学構造とあまり類似していない（例えば、補強されたユーザークエリー内の文字列タグとの相関を生じるのに十分でない）テキストベース検索結果を除外するように検索結果を精緻化する。

ユーザークエリーは、内部構成された検索プロバイダサービスに対するＡＰＩ呼出しによって受信され得る。ビットスクリーニングデータおよび関係データを識別または抽出するために、構成された検索プロバイダは、化学構造データを識別または抽出するために化学検索コアエンジンを呼び出すことができる。化学検索コアエンジンは、データがエンジンによって認識される標準形式で格納される場合、化学構造に対応する文書データ内のデータを識別または抽出できる。化学検索コアエンジンは、ビットスクリーニングデータおよび関係データの両方を抽出する。ビットスクリーニングデータは化学構造の構成元素に対応して、化学構造データに対応する化学構造のそれらの構成元素を検索するために使用できる。関係データは、テキストベース検索に続き得る任意の補完的な構造ベース検索における使用のために格納される。ビットスクリーニングデータは文字列タグを生成するために使用されて、ユーザーにとって関心のある化学構造データが、化学構造データに対応する文字列タグをユーザークエリーと相関させることにより、テキストベース検索方法を使用して識別できるようにする。関係データは、符号化文字列として格納され得る。

一旦、化学検索コアエンジンが化学構造データを抽出または識別して、その化学構造データ（すなわち、関係データおよびビットスクリーニングデータ）を適切な文字列（すなわち、それぞれ、符号化文字列および文字列タグ）に変換していると、文字列タグが出力される。ユーザークエリーは、出力された文字列タグで補強される。補強されたユーザークエリーは、基礎となる検索エンジンに送信される。文字列タグは、検索中に、ユーザー入力されたテキストデータとして扱うことができる。化学検索コアエンジンがユーザークエリーを補強するために使用された後、補強されたユーザークエリーは、検索のために検索エンジンに送信できる。検索エンジンは、テキストベース検索および、任意選択として、原子ごとの検索方法を使用する構造ベース検索を実行して、検索結果をユーザーに提供する。

文書の検索におけるＥｌａｓｔｉｃｓｅａｒｃｈベースのアドバンスドサーチサービスモジュール（化学検索コアエンジンを含む）および検索エンジンモジュールと統合された内部構成された検索プロバイダサービス（例えば、ＣｈｅｍＳｅａｒｃｈサービス）モジュールの使用が図７に示されている。ユーザークエリーは、処理のためにＣｈｅｍＳｅａｒｃｈサービスに入力される。検索要求が、Ｅｌａｓｔｉｃｓｅａｒｃｈベースのアドバンスドサーチサービスに送信される。ＥｌａｓｔｉｃｓｅａｒｃｈベースのアドバンスドサーチサービスにおけるＣｈｅｍＳｅａｒｃｈコアエンジンは、検索されているユーザークエリー内の化学構造データに対して文字列タグを生成するために使用されて、文字列タグを含むようにクエリーを補強する。補強されたユーザークエリーは次いで、テキストベース検索および原子ごとの検索を使用して検索するためにＥｌａｓｔｉｃｓｅａｒｃｈモジュールに送信されて、ユーザーに対して検索結果を生成する。

図９は、本明細書で説明する方法およびシステムで使用するための例示的なネットワーク環境９００を示す。概略で、ここで図９を参照すると、例示的なクラウドコンピューティング環境９００のブロック図が示されて説明されている。クラウドコンピューティング環境９００は、１つまたは複数の資源プロバイダ９０２ａ、９０２ｂ、９０２ｃ（総称して、９０２）を含み得る。各資源プロバイダ９０２はコンピューティング資源を含み得る。いくつかの実装形態では、コンピューティング資源は、データを処理するために使用される任意のハードウェアおよび／またはソフトウェアを含み得る。例えば、コンピューティング資源は、アルゴリズム、コンピュータプログラム、および／またはコンピュータアプリケーションを実行可能なハードウェアおよび／またはソフトウェアを含み得る。いくつかの実施態様では、例示的なコンピューティング資源は、ストレージおよび検索能力を備えたアプリケーションサーバーおよび／またはデータベースを含み得る。各資源プロバイダ９０２は、クラウドコンピューティング環境９００内の任意の他の資源プロバイダ９０２に接続され得る。いくつかの実施態様では、資源プロバイダ９０２は、コンピュータネットワーク９０８を通して接続され得る。各資源プロバイダ９０２は、１つまたは複数のコンピューティング装置９０４ａ、９０４ｂ、９０４ｃ（総称して、９０４）に、コンピュータネットワーク９０８を通して接続され得る。

クラウドコンピューティング環境９００は、資源マネージャ９０６を含み得る。資源マネージャ９０６は、資源プロバイダ９０２およびコンピューティング装置９０４にコンピュータネットワーク９０８を通して接続され得る。いくつかの実施態様では、資源マネージャ９０６は、１つまたは複数の資源プロバイダ９０２によるコンピューティング資源の１つまたは複数のコンピューティング装置９０４への提供を容易にし得る。資源マネージャ９０６は、特定のコンピューティング装置９０４からのコンピューティング資源に対する要求を受信し得る。資源マネージャ９０６は、コンピューティング装置９０４によって要求されたコンピューティング資源を提供可能な１つまたは複数の資源プロバイダ９０２を識別し得る。資源マネージャ９０６は、コンピューティング資源を提供するための資源プロバイダ９０２を選択し得る。資源マネージャ９０６は、資源プロバイダ９０２と特定のコンピューティング装置９０４との間の接続を容易にし得る。いくつかの実施態様では、資源マネージャ９０６は、特定の資源プロバイダ９０２と特定のコンピューティング装置９０４との間の接続を確立し得る。いくつかの実施態様では、資源マネージャ９０６は、特定のコンピューティング装置９０４を、要求されたコンピューティング資源をもつ特定の資源プロバイダ９０２にリダイレクトし得る。

図１０は、本開示で説明する方法およびシステムで使用できるコンピューティング装置１０００およびモバイルコンピューティング装置１０５０の例を示す。コンピューティング装置１０００は、様々な形式のデジタルコンピュータ、例えば、ラップトップ、デスクトップ、ワークステーション、携帯情報端末、サーバー、ブレードサーバー、メインフレーム、および他の適切なコンピュータなど、を表すことを意図する。モバイルコンピューティング装置１０５０は、様々な形式のモバイル機器、例えば、携帯情報端末、携帯電話、スマートフォン、および他の類似のコンピューティング装置など、を表すことを意図する。ここに示す構成要素、それらの接続および関係、ならびにそれらの機能は、例示のみを意図し、限定することは意図していない。

コンピューティング装置１０００は、プロセッサ１００２、メモリ１００４、記憶装置１００６、メモリ１００４および複数の高速拡張ポート１０１０に接続する高速インタフェース１００８、ならびに低速拡張ポート１０１４および記憶装置１００６に接続する低速インタフェース１０１２を含む。プロセッサ１００２、メモリ１００４、記憶装置１００６、高速インタフェース１００８、高速拡張ポート１０１０、および低速インタフェース１０１２の各々は、様々なバスを使用して相互接続され、共通のマザーボード上に、または必要に応じて他の方法で取り付けられ得る。プロセッサ１００２は、高速インタフェース１００８に結合されたディスプレイ１０１６などの、外部入力／出力装置上のＧＵＩに対してグラフィック情報を表示するために、メモリ１００４内に、または記憶装置１００６上に格納された命令を含む、コンピューティング装置１０００内での実行のための命令を処理できる。他の実施態様では、複数のプロセッサおよび／または複数のバスが、必要に応じて、複数のメモリおよびメモリのタイプと共に、使用され得る。また、複数のコンピューティング装置は、必要な操作の部分を提供する各装置と（例えば、サーバーバンク、ブレードサーバーのグループ、またはマルチプロセッサシステムとして）、接続され得る。

メモリ１００４は、情報をコンピューティング装置１０００内部に格納する。いくつかの実施態様では、メモリ１００４は揮発性メモリユニットまたは複数のユニットである。いくつかの実施態様では、メモリ１００４は、不揮発性メモリユニットまたは複数のユニットである。メモリ１００４は、磁気または光ディスクなどの、別の形式のコンピュータ可読媒体でもあり得る。

記憶装置１００６は、コンピューティング装置１０００に対して大容量記憶を提供可能である。ある実施態様では、記憶装置１００６は、コンピュータ可読媒体、例えば、フロッピィディスク装置、ハードディスク装置、光ディスク装置、もしくはテープ装置、フラッシュメモリもしくは他の類似のソリッドステートメモリ装置、またはストレージエリアネットワークもしくは他の構成内の装置を含む、装置のアレイなどである得るか、またはそれらを含み得る。命令は情報担体内に格納できる。命令は、１つまたは複数の処理装置（例えば、プロセッサ１００２）によって実行される場合、前述のような、１つまたは複数の方法を実行する。命令は、コンピュータまたは機械可読媒体（例えば、メモリ１００４、記憶装置１００６、またはプロセッサ１００２上のメモリ）などの、１つまたは複数の記憶装置によっても格納できる。

高速インタフェース１００８は、コンピューティング装置１０００に対する帯域幅集約型操作を管理し、他方、低速インタフェース１０１２は、低帯域幅集約型操作を管理する。かかる機能の割当ては例に過ぎない。いくつかの実施態様では、高速インタフェース１００８は、メモリ１００４、ディスプレイ１０１６（例えば、グラフィックプロセッサまたはアクセラレータを通して）、および高速拡張ポート１０１０に結合され、高速拡張ポート１０１０は様々な拡張カード（図示せず）を受け入れ得る。その実施態様では、低速インタフェース１０１２は、記憶装置１００６および低速拡張ポート１０１４に結合される。低速拡張ポート１０１４は、様々な通信ポート（例えば、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、イーサネット（登録商標）、無線イーサネット（登録商標））を含み得、１つまたは複数の入力／出力装置、例えば、キーボード、ポインティングディバイス、スキャナ、またはスイッチもしくはルーターなどのネットワーキング装置などに、例えば、ネットワークアダプタを通して結合され得る。

コンピューティング装置１０００は、図に示すような、いくつかの異なる形式で実装され得る。例えば、それは、標準サーバー１０２０として、またはかかるサーバーのグループ内で複数回、実装され得る。追加として、それは、ラップトップコンピュータ１０２２などの、パーソナルコンピュータ内で実装され得る。それは、ラックサーバーシステム１０２４の一部としても実装され得る。代替として、コンピューティング装置１０００からの構成要素は、モバイルコンピューティング装置１０５０などの、モバイル機器（図示せず）内の他の構成要素と組み合わされ得る。かかる装置の各々は、コンピューティング装置１０００およびモバイルコンピューティング装置１０５０の１つまたは複数を含み得、システム全体は相互に通信する複数のコンピューティング装置で構成され得る。

モバイルコンピューティング装置１０５０は、他の構成要素の中でとりわけ、プロセッサ１０５２、メモリ１０６４、ディスプレイ１０５４などの入力／出力装置、通信インタフェース１０６６、および送受信機１０６８を含む。モバイルコンピューティング装置１０５０は、追加のストレージを提供するために、マイクロドライブまたは他の装置などの、記憶装置も備え得る。プロセッサ１０５２、メモリ１０６４、ディスプレイ１０５４、通信インタフェース１０６６、および送受信機１０６８の各々は、様々なバスを使用して相互接続され、構成要素のいくつかは共通のマザーボード上に、または必要に応じて他の方法で取り付けられ得る。

プロセッサ１０５２は、メモリ１０６４内に格納された命令を含め、モバイルコンピューティング装置１０５０内部の命令を実行できる。プロセッサ１０５２は、別個で複数のアナログおよびデジタルプロセッサを含むチップのチップセットとして実装され得る。プロセッサ１０５２は、例えば、モバイルコンピューティング装置１０５０の他の構成要素の共調、例えば、ユーザーインタフェースの制御、モバイルコンピューティング装置１０５０によるアプリケーション実行、およびモバイルコンピューティング装置１０５０による無線通信など、を提供し得る。

プロセッサ１０５２は、ディスプレイ１０５４に結合された制御インタフェース１０５８およびディスプレイインタフェース１０５６を通してユーザーと通信し得る。ディスプレイ１０５４は、例えば、ＴＦＴ（薄膜トランジスタ液晶ディスプレイ）ディスプレイもしくはＯＬＥＤ（有機発光ダイオード）ディスプレイ、または他の適切なディスプレイ技術であり得る。ディスプレイインタフェース１０５６は、グラフィックおよび他の情報をユーザーに提示するためにディスプレイ１０５４を駆動するための適切な回路を含み得る。制御インタフェース１０５８は、ユーザーからコマンドを受信し、それらをプロセッサ１０５２への提出のために変換し得る。加えて、外部インタフェース１０６２は、モバイルコンピューティング装置１０５０の他の装置との近距離通信（ｎｅａｒ ａｒｅａ ｃｏｍｍｕｎｉｃａｔｉｏｎ）を可能にするために、プロセッサ１０５２との通信を提供し得る。外部インタフェース１０６２は、例えば、いくつかの実施態様では有線通信を、または他の実施態様では無線通信を提供し得、複数のインタフェースも使用され得る。

メモリ１０６４は、モバイルコンピューティング装置１０５０内に情報を格納する。メモリ１０６４は、コンピュータ可読媒体もしくは複数の媒体、揮発性メモリユニットもしくは複数のユニット、または不揮発性メモリユニットもしくは複数のユニットの１つまたは複数として実装できる。拡張メモリ１０７４も提供されて、拡張インタフェース１０７２を通してモバイルコンピューティング装置１０５０に接続され得、拡張インタフェース１０７２は、例えば、ＳＩＭＭ（シングルインラインメモリモジュール）カードインタフェースを含み得る。拡張メモリ１０７４は、モバイルコンピューティング装置１０５０に対して追加の記憶空間を提供し得るか、またはモバイルコンピューティング装置１０５０に対するアプリケーションもしくは他の情報も格納し得る。具体的には、拡張メモリ１０７４は、前述のプロセスを実行するか、または補完する命令を含み得、安全情報も含み得る。従って、例えば、拡張メモリ１０７４は、モバイルコンピューティング装置１０５０に対するセキュリティモジュールとして提供され得、モバイルコンピューティング装置１０５０の安全な使用を許可する命令でプログラムされ得る。加えて、安全なアプリケーションがＳＩＭＭカードを経由して、識別情報をＳＩＭＭカード上にハッキング不能な方法で置くなど、追加情報と共に、提供され得る。

メモリは、例えば、以下で説明するように、フラッシュメモリおよび／またはＮＶＲＡＭメモリ（不揮発性ランダムアクセスメモリ）を含み得る。いくつかの実施態様では、命令は情報担体内に格納され、１つまたは複数の処理装置（例えば、プロセッサ１０５２）によって実行される場合に、前述したものなどの、１つまたは複数の方法を実行する。命令は、１つまたは複数のコンピュータまたは機械可読媒体（例えば、メモリ１０６４、拡張メモリ１０７４、またはプロセッサ１０５２上のメモリ）などの、１つまたは複数の記憶装置によっても格納できる。いくつかの実施態様では、命令は伝播された信号内で、例えば、送受信機１０６８または外部インタフェース１０６２を通して、受信できる。

モバイルコンピューティング装置１０５０は、通信インタフェース１０６６を通して無線で通信し得、通信インタフェース１０６６は、必要であればデジタル信号処理回路を含み得る。通信インタフェース１０６６は、様々なモードまたはプロトコル、例えば、とりわけ、ＧＳＭ（登録商標）音声通話（汎欧州デジタル移動電話方式）、ＳＭＳ（ショートメッセージサービス）、ＥＭＳ（拡張メッセージサービス）、もしくはＭＭＳメッセージング（マルチメディアメッセージングサービス）、ＣＤＭＡ（符号分割多重アクセス）、ＴＤＭＡ（時分割多重アクセス）、ＰＤＣ（パーソナルデジタルセルラー）、ＷＣＤＭＡ（登録商標）（広帯域符号分割多重アクセス）、ＣＤＭＡ２０００、またはＧＰＲＳ（汎用パケット無線サービス）などの下での通信を提供し得る。かかる通信は、例えば、無線周波数を使用する送受信機１０６８を通して、生じ得る。加えて、近距離通信は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（商標）、または他のかかる送受信機（図示せず）の使用など、を生じ得る。追加として、ＧＰＳ（全地球測位システム）受信機モジュール１０７０は、追加のナビゲーションおよび位置関連無線データをモバイルコンピューティング装置１０５０に提供し得、それは、モバイルコンピューティング装置１０５０上で実行しているアプリケーションにより必要に応じて使用され得る。

モバイルコンピューティング装置１０５０は、音声コーデック１０６０を使用して可聴的にも通信し得、音声コーデック１０６０は、ユーザーから口頭での情報を受信して、それを利用可能なデジタル情報に変換し得る。音声コーデック１０６０は同様に、例えば、モバイルコンピューティング装置１０５０のハンドセット内の、スピーカーを通してなど、ユーザーに対する可聴音を生成し得る。かかる音は、音声電話からの音を含み得、録音された音（例えば、音声メッセージ、音楽ファイルなど）を含み得、モバイルコンピューティング装置１０５０上で動作しているアプリケーションによって生成された音も含み得る。

モバイルコンピューティング装置１０５０は、図に示すように、いくつかの異なる形式で実装され得る。例えば、それは、携帯電話１０８０として実装され得る。それは、スマートフォン１０８２、携帯情報端末、または他の類似のモバイル機器の一部としても実装され得る。

本明細書で説明するシステムおよび技術の様々な実施態様は、デジタル電子回路、集積回路、特別に設計されたＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、および／またはそれらの組合せで実現できる。これらの様々な実施態様は、少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステム上で実行可能および／または解釈可能な１つまたは複数のコンピュータプログラムでの実施態様を含み得、それは、データおよび命令を、記憶システム、少なくとも１つの入力装置、および少なくとも１つの出力装置から受信し、かつデータおよび命令を記憶システム、少なくとも１つの入力装置、および少なくとも１つの出力装置に送信するために結合された、専用または汎用であり得る。

これらのコンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーションまたはコードとしても知られている）は、プログラマブルプロセッサに対する機械命令を含み、高水準手続き型および／もしくはオブジェクト指向プログラミング言語で、ならびに／またはアセンブリ言語／機械語で、実装できる。本明細書では、機械可読媒体およびコンピュータ可読媒体という用語は、機械命令および／またはデータを、機械命令を機械可読信号として受信する機械可読媒体を含む、プログラマブルプロセッサに提供するために使用される任意のコンピュータプログラム製品、機器および／または装置（例えば、磁気ディスク、光ディスク、メモリ、プログラマブル論理装置（ＰＬＤ））を指す。機械可読信号という用語は、機械命令および／またはデータをプログラマブルプロセッサに提供するために使用される任意の信号を指す。

ユーザーとのやり取りを提供するために、本明細書で説明するシステムおよび技術は、ユーザーに対して情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（ブラウン管）またはＬＣＤ（液晶ディスプレイ）モニター）ならびにユーザーがそれによって入力をコンピュータに提供できるキーボードおよびポインティングディバイス（例えば、マウスまたはトラックボール）を有するコンピュータ上で実装できる。ユーザーとのやり取りのために他の種類の装置も使用でき、例えば、ユーザーに提供されたフィードバックは任意の形式の感覚フィードバック（例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック）であり得、ユーザーからの入力は、音響、音声、または触覚入力を含む、任意の形式で受信できる。

本明細書で説明するシステムおよび技術は、バックエンド構成要素（例えば、データサーバーとして）を含むか、もしくはミドルウェア構成要素（例えば、アプリケーションサーバー）を含むか、もしくはフロントエンド構成要素（例えば、ユーザーがそれを通して、本明細書で説明するシステムおよび技術の実施態様とやり取りできるグラフィカルユーザーインタフェースまたはウェブブラウザを有するクライアントコンピュータ）を含むか、またはかかるバックエンド、ミドルウェア、もしくはフロントエンド構成要素の任意の組合せを含むコンピューティングシステムで実装できる。システムの構成要素は、デジタルデータ通信（例えば、通信ネットワーク）の任意の形式または媒体によって相互接続できる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、およびインターネットを含む。

コンピューティングシステムはクライアントおよびサーバーを含むことができる。クライアントおよびサーバーは一般に、相互に遠く離れており、典型的には通信ネットワークを通してやり取りする。クライアントおよびサーバーの関係は、それぞれのコンピュータ上で実行していて、相互にクライアント−サーバー関係を有するコンピュータプログラムのおかげで生じる。

本発明のある実施形態が上で説明された。しかし、本発明はそれらの実施形態に限定されず、むしろ、意図は、本明細書で明示的に説明されたものに対する追加および修正も本発明の範囲に含まれるということに特に留意されたい。さらに、本明細書で説明する様々な実施形態の特徴は相互に排他的ではなく、たとえ様々な組合せおよび置換が本明細書で明示的に行われていなくても、本発明の精神および範囲から逸脱することなく、かかる組合せおよび置換で存在できることが理解される。実際に、本明細書で説明したものの変形、修正、および他の実施態様は、本発明の精神および範囲から逸脱することなく、当業者が思い付くであろう。そのため、本発明は、前述の例示的な説明によってのみ定義されることはない。

化学情報を含む文書の索引付けおよび検索のための方法およびシステムのある実施態様を説明してきたが、ここで、本開示の概念を包含している他の実施態様が使用され得ることが当業者には明らかになるであろう。従って、本開示は、ある実施態様に限定されるべきではなく、以下のクレームの精神および範囲によってのみ限定されるべきである。

Claims (92)

1. 化学情報を含む文書のセットを検索するための方法であって、
   （ａ）コンピューティング装置のプロセッサによって、ユーザー入力された化学構造データおよびテキストデータを含むユーザークエリーを受信するステップであって、
   前記テキストデータおよび前記ユーザー入力された化学構造データは少なくとも１つの化学構造に対応する、ステップと、
   （ｂ）前記プロセッサによって、ビットスクリーニングデータおよび関係データを前記ユーザー入力された化学構造データから識別または抽出するステップであって、前記ビットスクリーニングデータは前記少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、かつ前記関係データは複数の前記１つまたは複数の構成元素間の１つまたは複数の関係に対応する、ステップと、
   （ｃ）前記プロセッサによって、前記ユーザークエリーを、前記ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成することにより補強するステップであって、前記補強されたユーザークエリーは前記１つまたは複数の文字列タグを含むようになり、
   前記１つまたは複数の文字列タグは前記少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含む、ステップと、
   （ｄ）テキストベース検索方法を使用して、前記プロセッサによって、文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うステップであって、問い合わせを行うステップは、前記補強されたユーザークエリーの少なくとも一部を前記文書データと相関させて、１つまたは複数のテキストベース検索結果を生成する、ステップを含むことと、
   （ｅ）任意選択として、前記プロセッサにより、前記１つまたは複数のテキストベース検索結果を出力するステップと
   を含む、方法。
2. 前記プロセッサによって、前記ビットスクリーニングデータおよび前記関係データを１つまたは複数の文字列に変換する
   ステップをさらに含む、請求項１に記載の方法。
3. （ｆ）構造ベース検索方法を使用して、前記問い合わせを行うステップの後に、前記プロセッサにより、前記ユーザー入力された化学構造データの少なくとも一部を前記１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって前記１つまたは複数のテキストベース検索結果を検索するステップと、１つまたは複数の精緻化された検索結果を生成するステップであって、前記１つまたは複数のテキストベース検索結果は前記関連のある化学構造データを含むフィルタ処理された文書データに対応する、ステップと、
   （ｇ）前記プロセッサによって、前記１つまたは複数の精緻化された検索結果を出力するステップと
   をさらに含む、請求項１または請求項２に記載の方法。
4. 前記構造ベース検索方法は、文字列データを入力として使用する、請求項３に記載の方法。
5. 前記１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む、先行する請求項のいずれか１項に記載の方法。
6. 前記構造ベース検索は原子ごとの検索を含む、請求項３〜請求項５のいずれか１項に記載の方法。
7. 前記問い合わせを行うステップ（ｄ）は、前記プロセッサにより、関連性検索を使用して、前記１つまたは複数のテキストベース検索結果を生成することを含む、先行する請求項のいずれか１項に記載の方法。
8. 前記関連性検索はヒットスコアリング検索である、請求項７に記載の方法。
9. ステップ（ｆ）は、
   前記プロセッサによって、前記１つまたは複数のテキストベース検索結果の前記関連のある化学構造データを最小スパニング木にまとめるステップと、
   前記プロセッサによって、前記最小スパニング木を持続性コンピュータ可読媒体上に格納するステップと、
   前記プロセッサによって、前記最小スパニング木を検索する、ステップと
   を含む、請求項３〜請求項８のいずれか１項に記載の方法。
10. 前記ユーザー入力された化学構造データは、前記少なくとも１つの化学構造の部分構造または完全な構造に対応する、先行する請求項のいずれか１項に記載の方法。
11. 文書の前記セットに対応する前記文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている、先行する請求項のいずれか１項に記載の方法。
12. 前記問い合わせを行うステップは、前記補強されたユーザークエリーの前記少なくとも一部を前記１つまたは複数の索引付け文字列タグの少なくとも１つと相関させることを含む、請求項１１に記載の方法。
13. 化学情報を含む文書のセットを検索するための方法であって、
    （ａ）コンピューティング装置のプロセッサによって、ユーザー入力された化学構造データを含むユーザークエリーを受信するステップと、
    前記ユーザー入力された化学構造データは少なくとも１つの化学構造に対応することと、
    （ｂ）前記プロセッサによって、ビットスクリーニングデータおよび関係データを前記ユーザー入力された化学構造データから識別または抽出するステップであって、前記ビットスクリーニングデータは前記少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、かつ前記関係データは複数の前記１つまたは複数の構成元素間の１つまたは複数の関係に対応するステップと、
    （ｃ）前記プロセッサによって、前記ユーザークエリーを、前記ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成し、任意選択として、前記関係データの少なくとも一部に基づいて１つまたは複数の符号化文字列を生成することにより補強するステップであって、前記補強されたユーザークエリーが前記１つまたは複数の文字列タグを含むようになり、
    前記１つまたは複数の文字列タグは前記少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含む、ステップと、
    （ｄ）テキストベース検索方法を使用して、前記プロセッサによって、文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うステップであって、問い合わせを行うステップは、前記補強されたユーザークエリーの少なくとも一部を前記文書データと相関させて、１つまたは複数のテキストベース検索結果を生成するステップを含むことと、
    （ｅ）任意選択として、前記プロセッサにより、前記１つまたは複数のテキストベース検索結果を出力する、ステップと
    を含む、方法。
14. 前記プロセッサによって、前記ビットスクリーニングデータおよび前記関係データを１つまたは複数の文字列に変換する
    ステップをさらに含む、請求項１３に記載の方法。
15. （ｆ）構造ベース検索方法を使用して、前記問い合わせを行うステップの後に、前記プロセッサにより、前記ユーザー入力された化学構造データの少なくとも一部を前記１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって前記１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成するステップであって、前記１つまたは複数のテキストベース検索結果は前記関連のある化学構造データを含むフィルタ処理された文書データに対応するステップと、
    （ｇ）前記プロセッサによって、前記１つまたは複数の精緻化された検索結果を出力する、ステップと
    をさらに含む、請求項１３または請求項１４に記載の方法。
16. 前記構造ベース検索方法は、文字列データを入力として使用する、請求項１５に記載の方法。
17. 前記１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む、請求項１３〜請求項１６のいずれか１項に記載の方法。
18. 前記構造ベース検索は原子ごとの検索を含む、請求項１５〜請求項１７のいずれか１項に記載の方法。
19. 前記問い合わせを行うステップ（ｄ）は、前記プロセッサにより、関連性検索を使用して、前記１つまたは複数のテキストベース検索結果を生成することを含む、請求項１３〜請求項１８のいずれか１項に記載の方法。
20. 前記関連性検索はヒットスコアリング検索である、請求項１９に記載の方法。
21. ステップ（ｆ）は、
    前記プロセッサによって、前記１つまたは複数のテキストベース検索結果の前記関連のある化学構造データを最小スパニング木にまとめることと、
    前記プロセッサによって、前記最小スパニング木を持続性コンピュータ可読媒体上に格納することと、
    前記プロセッサによって、前記最小スパニング木を検索することと
    を含む、請求項１５〜請求項２０のいずれか１項に記載の方法。
22. 前記ユーザー入力された化学構造データは、前記少なくとも１つの化学構造の部分構造または完全な構造に対応する、請求項１３〜請求項２１のいずれか１項に記載の方法。
23. 文書の前記セットに対応する前記文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている、請求項１３〜請求項２２のいずれか１項に記載の方法。
24. 前記問い合わせを行うステップは、前記補強されたユーザークエリーの前記少なくとも一部を前記１つまたは複数の索引付け文字列タグの少なくとも１つと相関させることを含む、請求項２３に記載の方法。
25. 化学情報を含む索引付けされた文書のセットのテキストベース検索のための方法であって、
    （ａ）コンピューティング装置のプロセッサによって、テキストデータを含むユーザークエリーを受信するステップであって、前記テキストデータは少なくとも１つの化学構造を記述する英数字文字のシーケンスを含むステップと、
    （ｂ）テキストベース検索方法を使用して、前記プロセッサによって、索引付けされた文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うステップであって、前記文書データは１つまたは複数の索引文字列タグを含むように補強されており、問い合わせを行うことは、前記ユーザークエリーの前記テキストデータの少なくとも一部を前記１つまたは複数の索引文字列タグと相関させて１つまたは複数のテキストベース検索結果を生成するステップを含み、
    前記１つまたは複数の索引文字列タグは、前記少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むステップと、
    （ｃ）前記プロセッサにより、前記１つまたは複数のテキストベース検索結果を出力する、ステップと
    を含む、方法。
26. 前記１つまたは複数の索引文字列タグは、自然言語テキストを含む、請求項２５に記載の方法。
27. 前記問い合わせを行うステップは、前記プロセッサにより、関連性検索を使用して、前記１つまたは複数のテキストベース検索結果を生成するステップを含む、請求項２５または請求項２６に記載の方法。
28. 前記関連性検索はヒットスコアリング検索である、請求項２６または請求項２７に記載の方法。
29. 化学構造検索を容易にするために文書を索引付けするための方法であって、
    コンピューティング装置のプロセッサによって、前記文書に対応する文書データを受信するステップであって、前記文書データは化学構造に対応する化学構造データを含むステップと、
    前記プロセッサによって、前記化学構造データ内のビットスクリーニングデータおよび関係データを識別または抽出するステップであって、
    前記ビットスクリーニングデータは前記化学構造の１つまたは複数の構成元素に対応し、かつ
    前記関係データは前記１つまたは複数の構成元素間の関係に対応するステップと、
    前記プロセッサによって、前記識別されたビットスクリーニングデータの少なくとも一部に基づいて文字列タグを生成するステップであって、前記文字列タグは、前記化学構造データに対応する前記化学構造を記述するための英数字値を含むステップと、
    任意選択として、前記プロセッサにより、前記関係データの少なくとも一部に基づいて符号化文字列を生成するステップと、
    前記プロセッサによって、前記文字列タグを前記化学構造データまたは前記文書データと関連付けるステップと、
    前記プロセッサにより、前記文字列タグを出力する、ステップと
    を含む、方法。
30. 前記プロセッサによって、前記ビットスクリーニングデータおよび前記関係データを１つまたは複数の文字列に変換する
    ステップを含む、請求項２９に記載の方法。
31. 前記文字列タグは、自然言語テキストを含む、請求項２９または請求項３０に記載の方法。
32. 前記プロセッサによって、前記文書データを補強するステップを含み、前記補強された文書データは前記文字列タグを含む、請求項２９〜請求項３１のいずれか１項に記載の方法。
33. 前記プロセッサによって、前記文字列タグを第２の持続性コンピュータ可読媒体上に格納するステップを含む、請求項２９〜請求項３２のいずれか１項に記載の方法。
34. 前記文字列タグを索引付けすることを含む、請求項２９〜請求項３３のいずれか１項に記載の方法。
35. 前記文書データはメタデータを含む、請求項２９〜請求項３４のいずれか１項に記載の方法。
36. 前記メタデータは一意のＩＤおよびバケットＩＤを含む、請求項３５に記載の方法。
37. 前記プロセッサによって、前記メタデータを持続する
    ステップを含む、請求項３５または請求項３６に記載の方法。
38. 前記関係データを１つまたは複数の符号化文字列に変換することを含む、請求項２９〜請求項３７のいずれか１項に記載の方法。
39. 前記関係データは格納されるが、索引付けはされない、請求項２９〜請求項３８のいずれか１項に記載の方法。
40. 化学情報を含む索引付けされた文書のセットを、連続的な検索を使用して検索するための方法であって、
    （ａ）コンピューティング装置のプロセッサによって、ユーザー入力された化学構造データおよびテキストデータを含むユーザークエリーを受信するステップと、
    （ｂ）テキストベース検索方法を使用して、前記プロセッサによって、索引付けされた文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うステップであって、問い合わせを行うステップは、前記ユーザー入力された化学構造データの少なくとも一部を前記文書データと、および前記ユーザークエリーの前記テキストデータの少なくとも一部を前記文書データと相関させてフィルタ処理された文書データを生成することを含むステップと、
    （ｃ）構造ベース検索方法を使用して、前記問い合わせを行うステップの後に、前記プロセッサにより、前記フィルタ処理された文書データを検索するステップであって、検索するステップは、ユーザー入力された化学構造データの少なくとも一部を前記フィルタ処理された文書データ内の関連のあるフィルタ処理された化学構造データと相関させて１つまたは複数の検索結果を生成するステップを含むことと、
    （ｄ）前記プロセッサによって、前記１つまたは複数の検索結果を出力する
    ステップと
    を含む、方法。
41. 前記プロセッサによって、前記化学構造データを１つまたは複数の文字列に変換する
    ステップを含む、請求項４０に記載の方法。
42. 前記構造ベース検索方法は、文字列データを入力として使用する、請求項４１に記載の方法。
43. ステップ（ｂ）の前に、前記プロセッサによって、前記ユーザークエリーを、１つまたは複数の文字列タグを生成することにより補強するステップと、前記補強されたユーザークエリーが前記１つまたは複数の文字列タグを含むようになるステップを含み、前記１つまたは複数のクエリー文字列タグは化学構造を記述する、
    請求項４０〜請求項４２のいずれか１項に記載の方法。
44. ステップ（ｂ）は、前記１つまたは複数の文字列タグの少なくとも１つを前記文書データと相関させることを含む、請求項４３に記載の方法。
45. 前記文書データは１つまたは複数の索引文字列タグを含む、請求項４０〜請求項４４のいずれか１項に記載の方法。
46. ステップ（ｂ）は、前記テキストデータの少なくとも一部を前記１つまたは複数の索引文字列タグと相関させることを含む、請求項４５に記載の方法。
47. 化学情報を含む文書のセットを検索するためのシステムであって、前記システムは、
    プロセッサと、
    命令をその上に格納している持続性コンピュータ可読媒体であって、前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    （ａ）前記プロセッサによって、ユーザー入力された化学構造データおよびテキストデータを含むユーザークエリーを受信することであって、
    前記テキストデータおよび前記ユーザー入力された化学構造データは少なくとも１つの化学構造に対応することと、
    （ｂ）前記プロセッサによって、ビットスクリーニングデータおよび関係データを前記ユーザー入力された化学構造データから識別することであって、前記ビットスクリーニングデータは前記少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、かつ前記関係データは複数の前記１つまたは複数の構成元素間の１つまたは複数の関係に対応することと、
    （ｃ）前記プロセッサによって、前記ユーザークエリーを、前記ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成することにより補強し、そのため前記補強されたユーザークエリーは前記１つまたは複数の文字列タグを含むようになることであって、
    前記１つまたは複数の文字列タグは前記少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むことと、
    （ｄ）テキストベース検索方法を使用して、前記プロセッサによって、文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、前記補強されたユーザークエリーの少なくとも一部を前記文書データと相関させて、１つまたは複数のテキストベース検索結果を生成することを含むことと、
    （ｅ）任意選択として、前記プロセッサにより、前記１つまたは複数のテキストベース検索結果を出力することと
    を行わせる、持続性コンピュータ可読媒体と
    を備える、システム。
48. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記ビットスクリーニングデータおよび前記関係データを１つまたは複数の文字列に変換させる、請求項４７に記載のシステム。
49. 前記命令は、前記プロセッサによって実行される場合に、さらに前記プロセッサに、
    （ｆ）構造ベース検索方法を使用して、前記問い合わせを行うステップの後に、前記プロセッサにより、前記ユーザー入力された化学構造データの少なくとも一部を前記１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって前記１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成することであって、前記１つまたは複数のテキストベース検索結果は前記関連のある化学構造データを含むフィルタ処理された文書データに対応することと、
    （ｇ）前記プロセッサによって、前記１つまたは複数の精緻化された検索結果を出力することと
    を行わせる、請求項４７または請求項４８に記載のシステム。
50. 前記構造ベース検索方法は、文字列データを入力として使用する、請求項４９に記載のシステム。
51. 前記１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む、請求項４７〜請求項５０のいずれか１項に記載のシステム。
52. 前記構造ベース検索は原子ごとの検索を含む、請求項４９〜請求項５１のいずれか１項に記載のシステム。
53. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記プロセッサにより、関連性検索を使用して、前記１つまたは複数のテキストベース検索結果を生成させる、請求項４７〜請求項５２のいずれか１項に記載のシステム。
54. 前記関連性検索はヒットスコアリング検索である、請求項５３に記載のシステム。
55. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記１つまたは複数のテキストベース検索結果の前記関連のある化学構造データを最小スパニング木にまとめることと、
    前記プロセッサによって、前記最小スパニング木を持続性コンピュータ可読媒体上に格納することと、
    前記プロセッサによって、前記最小スパニング木を検索することと
    を行わせる、請求項４９〜請求項５４のいずれか１項に記載のシステム。
56. 前記ユーザー入力された化学構造データは、前記少なくとも１つの化学構造の部分構造または完全な構造に対応する、請求項４７〜請求項５５のいずれか１項に記載のシステム。
57. 文書の前記セットに対応する前記文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている、請求項４７〜請求項５６のいずれか１項に記載のシステム。
58. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記プロセッサによって、前記補強されたユーザークエリーの前記少なくとも一部を前記１つまたは複数の索引付け文字列タグの少なくとも１つと相関させる、請求項５７に記載のシステム。
59. 化学情報を含む文書のセットを検索するためのシステムであって、前記システムは、
    プロセッサと、
    命令をその上に格納している持続性コンピュータ可読媒体であって、前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    （ａ）前記プロセッサによって、ユーザー入力された化学構造データを含むユーザークエリーを受信するステップであって、
    前記ユーザー入力された化学構造データは少なくとも１つの化学構造に対応することと、
    （ｂ）前記プロセッサによって、ビットスクリーニングデータおよび関係データを前記ユーザー入力された化学構造データから識別または抽出することであって、前記ビットスクリーニングデータは前記少なくとも１つの化学構造の１つまたは複数の構成元素に対応し、前記関係データは複数の前記１つまたは複数の構成元素間の１つまたは複数の関係に対応するステップと、
    （ｃ）前記プロセッサによって、前記ユーザークエリーを、前記ビットスクリーニングデータの少なくとも一部に基づいて１つまたは複数の文字列タグを生成し、任意選択として、前記関係データの少なくとも一部に基づいて１つまたは複数の符号化文字列を生成することにより補強するステップであって、前記補強されたユーザークエリーが前記１つまたは複数の文字列タグを含むようになるステップであって、
    前記１つまたは複数の文字列タグは前記少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むステップと、
    （ｄ）テキストベース検索方法を使用して、前記プロセッサによって、文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、前記補強されたユーザークエリーの少なくとも一部を前記文書データと相関させて、１つまたは複数のテキストベース検索結果を生成することを含むステップと、
    （ｅ）任意選択として、前記プロセッサにより、前記１つまたは複数のテキストベース検索結果を出力する、ステップと
    を行わせる、持続性コンピュータ可読媒体と
    を備える、システム。
60. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記ビットスクリーニングデータおよび前記関係データを１つまたは複数の文字列に変換させる、請求項５９に記載のシステム。
61. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    （ｆ）構造ベース検索方法を使用して、前記問い合わせを行うステップの後に、前記プロセッサにより、前記ユーザー入力された化学構造データの少なくとも一部を前記１つまたは複数のテキストベース検索結果の関連のある化学構造データと相関させることによって前記１つまたは複数のテキストベース検索結果を検索して、１つまたは複数の精緻化された検索結果を生成することであって、前記１つまたは複数のテキストベース検索結果は前記関連のある化学構造データを含むフィルタ処理された文書データに対応することと、
    （ｇ）前記プロセッサによって、前記１つまたは複数の精緻化された検索結果を出力することと
    を行わせる、請求項５９または請求項６０に記載のシステム。
62. 前記構造ベース検索方法は、文字列データを入力として使用する、請求項６１に記載のシステム。
63. 前記１つまたは複数の文字列タグの少なくとも１つは、自然言語テキストを含む、請求項５９〜請求項６２のいずれか１項に記載のシステム。
64. 前記構造ベース検索は原子ごとの検索を含む、請求項６１〜請求項６３のいずれか１項に記載のシステム。
65. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記プロセッサにより、関連性検索を使用して、前記１つまたは複数のテキストベース検索結果を生成させる、請求項５９〜請求項６４のいずれか１項に記載のシステム。
66. 前記関連性検索はヒットスコアリング検索である、請求項６５に記載のシステム。
67. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記１つまたは複数のテキストベース検索結果の前記関連のある化学構造データを最小スパニング木にまとめることと、
    前記プロセッサによって、前記最小スパニング木を持続性コンピュータ可読媒体上に格納することと、
    前記プロセッサによって、前記最小スパニング木を検索することと
    を行わせる、請求項６１〜請求項６６のいずれか１項に記載のシステム。
68. 前記ユーザー入力された化学構造データは、前記少なくとも１つの化学構造の部分構造または完全な構造に対応する、請求項５９〜請求項６７のいずれか１項に記載のシステム。
69. 文書の前記セットに対応する前記文書データは、１つまたは複数の索引付け文字列タグを含むように補強されている、請求項５９〜請求項６８のいずれか１項に記載のシステム。
70. 前記問い合わせを行うステップは、前記プロセッサによって、前記補強されたユーザークエリーの前記少なくとも一部を前記１つまたは複数の索引付け文字列タグの少なくとも１つと相関させる命令を含む、請求項６９に記載のシステム。
71. 化学情報を含む索引付けされた文書のセットのテキストベース検索のためのシステムであって、前記システムは、
    プロセッサと、
    命令をその上に格納している持続性コンピュータ可読媒体であって、前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    （ａ）前記プロセッサによって、テキストデータを含むユーザークエリーを受信することであって、前記テキストデータは少なくとも１つの化学構造を記述する英数字文字のシーケンスを含むことと、
    （ｂ）テキストベース検索方法を使用して、前記プロセッサによって、索引付けされた文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うことであって、前記文書データは１つまたは複数の索引文字列タグを含むように補強されており、問い合わせを行うことは、前記ユーザークエリーの前記テキストデータの少なくとも一部を前記１つまたは複数の索引文字列タグと相関させて１つまたは複数のテキストベース検索結果を生成することを含み、
    前記１つまたは複数の索引文字列タグは、前記少なくとも１つの化学構造を記述するための英数字文字のシーケンスを含むことと、
    （ｃ）前記プロセッサにより、前記１つまたは複数のテキストベース検索結果を出力することと
    を行わせる、持続性コンピュータ可読媒体と
    を備える、システム。
72. 前記１つまたは複数の索引文字列タグは、自然言語テキストを含む、請求項７１に記載のシステム。
73. 前記問い合わせを行うステップは、前記プロセッサにより、関連性検索を使用して、前記１つまたは複数のテキストベース検索結果を生成する命令を含む、請求項７１または請求項７２に記載のシステム。
74. 前記関連性検索はヒットスコアリング検索である、請求項７２または請求項７３に記載のシステム。
75. 化学構造検索を容易にするために文書を索引付けするためのシステムであって、前記システムは、
    プロセッサと、
    命令をその上に格納している持続性コンピュータ可読媒体であって、前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    コンピューティング装置のプロセッサによって、前記文書に対応する文書データを受信することであって、前記文書データは化学構造に対応する化学構造データを含むことと、
    前記プロセッサによって、前記化学構造データ内のビットスクリーニングデータおよび関係データを識別または抽出することであって、
    前記ビットスクリーニングデータは前記化学構造の１つまたは複数の構成元素に対応し、かつ
    前記関係データは前記１つまたは複数の構成元素間の関係に対応することと、
    前記プロセッサによって、前記識別されたビットスクリーニングデータの少なくとも一部に基づいて文字列タグを生成することであって、前記文字列タグは、前記化学構造データに対応する前記化学構造を記述するための英数字値を含むことと、
    前記プロセッサによって、前記文字列タグを前記化学構造データまたは前記文書データと関連付けることと、
    前記プロセッサにより、前記文字列タグを出力することと
    を行わせる、持続性コンピュータ可読媒体と
    を備える、システム。
76. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記ビットスクリーニングデータおよび前記関係データを１つまたは複数の文字列に変換させる、
    請求項７５に記載のシステム。
77. 前記文字列タグは、自然言語テキストを含む、請求項７５または請求項７６に記載のシステム。
78. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記文書データを補強させ、前記補強された文書データは前記文字列タグを含む、
    請求項７５〜請求項７７のいずれか１項に記載のシステム。
79. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記文字列タグを第２の持続性コンピュータ可読媒体上に格納させる、
    請求項７５〜請求項７８のいずれか１項に記載のシステム。
80. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記文字列タグを索引付けさせる、請求項７５〜請求項７９のいずれか１項に記載のシステム。
81. 前記文書データはメタデータを含む、請求項７５〜請求項８０のいずれか１項に記載のシステム。
82. 前記メタデータは一意のＩＤおよびバケットＩＤを含む、請求項８１に記載のシステム。
83. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記メタデータを持続させる、
    請求項８１または請求項８２に記載のシステム。
84. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記関係データを１つまたは複数の符号化文字列に変換させる、請求項７５〜請求項８３のいずれか１項に記載のシステム。
85. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記関係データを格納させるが、索引付けはさせない、請求項７５〜請求項８４のいずれか１項に記載のシステム。
86. 化学情報を含む索引付けされた文書のセットを、連続的な検索を使用して検索するためのシステムであって、前記システムは、
    プロセッサと、
    命令をその上に格納している持続性コンピュータ可読媒体であって、前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    （ａ）前記プロセッサによって、ユーザー入力された化学構造データおよびテキストデータを含むユーザークエリーを受信することと、
    （ｂ）テキストベース検索方法を使用して、前記プロセッサによって、索引付けされた文書の前記セットに対応する文書データを含むデータベースに問い合わせを行うことであって、問い合わせを行うことは、前記ユーザー入力された化学構造データの少なくとも一部を前記文書データと、および前記ユーザークエリーの前記テキストデータの少なくとも一部を前記文書データと相関させてフィルタ処理された文書データを生成することを含むことと、
    （ｃ）構造ベース検索方法を使用して、前記問い合わせを行うステップの後に、前記プロセッサにより、前記フィルタ処理された文書データを検索することであって、検索することは、ユーザー入力された化学構造データの少なくとも一部を前記フィルタ処理された文書データ内の関連のあるフィルタ処理された化学構造データと相関させて１つまたは複数の検索結果を生成することを含むことと、
    （ｄ）前記プロセッサによって、前記１つまたは複数の検索結果を出力する、スことと
    を行わせる、持続性コンピュータ可読媒体と
    を備える、システム。
87. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    前記プロセッサによって、前記化学構造データを１つまたは複数の文字列に変換させる、請求項８６に記載のシステム。
88. 前記構造ベース検索方法は、文字列データを入力として使用する、請求項８７に記載のシステム。
89. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、
    ステップ（ｂ）の前に、前記プロセッサによって、前記ユーザークエリーを、１つまたは複数の文字列タグを生成することにより補強させ、そのため前記補強されたユーザークエリーが前記１つまたは複数の文字列タグを含むようになり、前記１つまたは複数のクエリー文字列タグは化学構造を記述する、
    請求項８６〜請求項８８のいずれか１項に記載のシステム。
90. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記プロセッサによって、前記１つまたは複数の文字列タグの少なくとも１つを前記文書データと相関させる、請求項８９に記載のシステム。
91. 前記文書データは１つまたは複数の索引文字列タグを含む、請求項８６〜請求項９０のいずれか１項に記載のシステム。
92. 前記命令は、前記プロセッサによって実行される場合に、前記プロセッサに、前記プロセッサによって、前記テキストデータの少なくとも一部を前記１つまたは複数の索引文字列タグと相関させる、請求項９１に記載のシステム。