JP2795038B2 - データ検索装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、言語翻訳装置、ワード
プロセッサ、デスクトップパブリッシングシステムなど
の入力、変換システムに高速的に対応する情報を検出で
きるデータ検索装置に関するものである。

【０００２】

【従来の技術】データ検索装置の実用性はデータの記憶
空間及び検索速度にかかわっている。従来、大容量辞書
データに関しての記憶方式及び検索方式としては例え
ば、日本特開昭62-197822号に載せられている方法があ
る。該当実施例のシステムブロック図は図４(a)に示さ
れている。マスタインデックス、サブインデックス、辞
書本体は図４(b)のようにファイルに記憶されて、辞書
本体312は固定の長さのブロックに分けられていて、各
ブロックの先頭見出し語のみをサブインデックス311に
記憶する。サブインデックスも固定の長さのブロックに
分けられていて、各ブロックの先頭見出し語のみをマス
タインデックス310に記憶する。図４(b)のａ11,ａ21,ａ
31,…はすべて辞書本体内の先頭見出し語列であるの
で、サブインデックスに記憶される。サブインデックス
の先頭見出し語ａ11,ｂ11,…,ｘ11も同様にマスタイン
デックスに記憶される。

【０００３】マスタインデックスファイル310をマスタ
インデックス領域307に読み込み、検索すべき文字列
が、マスタインデックスファイルの見出し語列のｎ番目
と一致もしくは、ｎ番目と(ｎ＋１)番目の間にあること
を順次に検索（第１次）する。次にサブインデックスフ
ァイルのｎ番目のセクタをバッファ領域308に読み込
む。検索すべき文字列が、読み出したサブインデックス
の見出し語列のｍ番目と一致もしくは、ｍ番目と(ｍ＋
１)番目の間にあることを順次に検索（第２次）する。
次に、サブインデックスの各セクタごとに設定されてい
る辞書データファイルに対するオフセット値ｋを用い
て、辞書データファイルの(ｋ＋ｍ)番目のセクタを読み
出す。読み出した辞書データファイルの見出し語と検索
すべき文字列とを比較し、一致する見出し語を検索（第
３次）する。

【０００４】

【発明が解決しようとする課題】上記の従来例では、入
力された発声記号列を予め処理しないままに、検索に用
いるようにすると、マスタインデックス、サブインデッ
クス、辞書本体に記憶されている照合用の発声記号列の
長さが決まっていないので、三回順次に違う長さの発声
記号列に対して検索するため、逐次的に検索空間を縮め
ることができない。もちろん、検索効率を上げることが
できない。

【０００５】また、元の発声記号列をそのまま利用して
検索することは、辞書本体内の発声記号列の長さが不
定、且つ固定の長さのブロックに記憶されているため、
各ブロックの最後に不定の長さの空間が残るようにな
り、辞書空間を無駄にする。

【０００６】

【課題を解決するための手段】上記の問題点を解決する
ため、本発明は、索引コード及び対応するデータを記憶
する辞書と、複数のブロックから構成し、各ブロック毎
に複数個のビットから構成して各ビットは０か１のフラ
グ値により検索コードに対応するデータがあるかどうか
を表す対応フラグ群及び上記フラグ値は１である場合上
記辞書に記憶される索引コード及びそれに対応するデー
タの記憶位置を格納する対応アドレス群からなる対応部
と、入力された検索コードの前部分により、対応部の該
当ブロックを検出する検索部と、入力された検索コード
の一部分との比較により上記検出された対応部の対応フ
ラグ及び対応アドレスを取り出して検索コードの対応デ
ータを辞書から検出する検出手段とを備えたことを特徴
とするデータ検索装置。

【０００７】

【作用】上記の本発明の構成によれば、入力された検索
コードの前部分を検索キーとして検索部により対応部の
該当ブロックを検出し、次に、検出手段で使用された検
索コードの前部分の次の一部分により対応部の対応アド
レスを取り出して辞書に対して最小検索範囲を決めるよ
うにする。最後に上記次一部分の検索コードとの比較に
より辞書から対応するデータを検出して、出力部により
検索結果を出力する。大容量辞書データファイルを高速
に検索することが可能となる。

【０００８】

【実施例】中国語辞書データの検索を実施例として、本
発明の動作を説明する。本実施例では、中国語の読み記
号をコード化して検索比較用コード、単語及び単語の使
用頻度を対応データとする。

【０００９】中国語の有効な読みは千三百あまりで、す
べての読みを必ず二バイトで表わさなければならない。
この方式は、辞書の記憶空間を節約することができる
し、データ検索にも便利である。すると、各中国語の読
みの声母及び介音を一緒に一つのバイトに配置して、韻
母及び声調を他の一つのバイトに配置して、図４のよう
にそれぞれＡＳＣII文字表に配置する。各読みは唯一の
二バイトの代表コードで表示することができるようにな
る。ここでは、この二バイトの代表コードを検索コード
と称する。転換された検索コードの第一、第二、第三の
バイトを第一、第二、第三検索コードと称する。

【００１０】図６に示されている中国語発声記号に対し
てそれぞれ一つの順序値を与えて、図７のような簡単な
判断及び計算により、入力された発声記号列を対応検索
コードに転換することができる。読み

【００１１】

【外１】

【００１２】を例として、説明する。図５(a)の順序値
を参照して、声母

【００１３】

【外２】

【００１４】は声母順序の第10目であり、介母

【００１５】

【外３】

【００１６】は介母順序の第２目であるので、第一検索
コードは下記のように転換される。 21Ｈ＋10^*4＋2＝4bＨ, 4bＨはＡＳＣIIコードの「Ｋ」に当たる。

【００１７】韻母

【００１８】

【外４】

【００１９】は韻母順序の第８目であり、声調「…」は
声調順序の第０目であるので、第二検索コードは下記の
ように転換される。

【００２０】26Ｈ＋8^*5＋0＝4eＨ, 4eＨはＡＳＣIIコードの「Ｎ」に当たる。

【００２１】上記により、読み（外１）の検索コードを
「ＫＮ」にするわけである。図１は本発明のデータ検索
装置における一実施例のシステムブロック図である。図
１において、11は任意の長さの発声記号列を入力するこ
とができる入力部である。12は記憶用のレジスタ及びバ
ッファを有する記憶部である。そのうち、Ｒレジスタ12
1は検索する時に比較しようとする検索コードを格納す
るレジスタである。Ｈレジスタ122は二分検索する時の
上位限定値を格納する。Ｐレジスタ123は二分検索をす
る時の下位限定値を格納する。Ｂレジスタ124は二分検
索及び対応単語を検出する時の限定範囲の大きさを格納
する。Ｑレジスタ125は二分検索をする時の比較対象の
コード値を格納するレジスタである。13は入力された発
声記号列に対して、中国語の発声の構成特徴にしたがっ
て、検索向けの検索コードに転換する検索コード処理部
である。15は検索用の主索引表及び副索引表を記憶する
索引記憶部である。索引記憶部15の構造は図８に示すよ
うに、主索引表には第一検索コードになる可能のあるコ
ードを記憶する。主索引表の各項目は副索引表の特定ブ
ロックに指している。該当副索引表ブロックには第一検
索コードに関するすべての有効な第二検索コードを記憶
する。副索引表の各ブロックの大きさは隣の二主索引の
ポインタの差により決められる。第二検索コードを利用
して主索引表及び副索引表を検索することにより、対応
部16の対応ブロックを獲得することができる。

【００２２】対応部16は索引記憶部15の階層的索引表に
対応しているブロックから構成される。対応部16の構造
は図９に示すように各ブロックは対応フラグ群161及び
対応アドレス群162に分けられている。対応フラグ群161
には索引記憶部15で利用された検索コードの次のコード
（本実施例では第三検索コードである）に対応する単語
があるかどうかの表示が記憶されている。第三検索コー
ドは図５のように、88個があり、各検索コードを１ビッ
トで表示すると、11バイトが必要なので、本実施例は対
応フラグ群161を11バイトの大きさにしている。各検索
コードは図５(a)のようにＡＳＣII順序にしたがって対
応フラグ群161の該当ビットに対応している。もし、該
当ビットは″１″に設定されている場合は該当検索コー
ドの対応単語が存在していることを表わす。該当ビット
が″０″であれば、該当検索コードには対応単語がない
ことを意味する。対応アドレス群162には、図９のよう
に上記の対応フラグ群161の″１″に設定されたビット
の索引値、つまり、辞書18に該当検索コードに対応する
単語の記憶開始アドレスが記憶されている。本実施例で
は２バイトでこの対応アドレスを記憶している。

【００２３】辞書18には図９のように索引コード、対応
単語及び関連情報が格納されている。第１文字の検索コ
ードは既に索引記憶部15に記憶されているので、辞書18
には第２文字からの検索コードが格納されている。本実
施例では、対応単語の使用頻度を関連情報として１バイ
トで記憶している。

【００２４】検索部14は検索コード処理部13で得られた
前二検索コードにより、索引記憶部15の索引表を参照し
て、二分検索という方法で、対応部16から前二検索コー
ドに該当する対応ブロックを取り出す。17は検索部14で
得られた対応ブロックの対応フラグ及び対応アドレスの
検索値により最小の検索空間で対応単語を辞書18から検
出することができる検出手段である。出力部18は検出手
段17で検出された単語及び対応情報を出力する。

【００２５】以上のように構成した本発明の実施例につ
いて、図２、図３の処理流れを参照しながら本発明の実
施例におけるデータ検索装置の検索動作を説明する。ま
ず、Ｓ１、Ｓ２により入力部11から入力された発声記号
列をＢバッファ127に格納して、そして、Ｓ３によりＢ
バッファ127に格納されている発声記号列に対して、図
６の処理のように検索コードに転換してから、Ａバッフ
ァ126に格納する。

【００２６】次に、検索部14の処理に入る。Ｓ４により
下位限定値を″０″に、上位限定値を主索引表の項目数
（本実施例は55である）に設定し、それぞれＰレジスタ
123及びＨレジスタ122に格納する。次に、Ａバッファ12
6に格納されている第一検索コードをＲレジスタ121に読
み込む。Ｓ５からＳ12までの動作では、Ｐレジスタ123
の下位限定値及びＨレジスタ122の上位限定値の範囲
内、Ｒレジスタ121に格納されている第一検索コードに
より、主索引表に対して二分検索をして、得られた副索
引に対しての検索開始位置をＰレジスタ123に、副索引
にの検索開始位置のブロックの次のブロックの前の位置
をＨレジスタ122に設定すると共に、Ａバッファ126から
第二検索コードを読み出して、Ｒレジスタ121に格納す
る。そして、Ｓ13からＳ19までの動作を行い、Ｒレジス
タ121に格納されている第二検索コードにより、Ｐレジ
スタ123及びＨレジスタ122の限定値の範囲内、副索引表
に対して二分検索をして、得られた対応部16に指す対応
ブロックの位置をＱレジスタ125に格納する。

【００２７】それからＳ20からＳ25までの検出手段の処
理をする。まず、Ａバッファ126から第三検索コードを
読み出して、Ｒレジスタ121に格納する。次に、Ｑレジ
スタ125に格納されている位置により対応部16に指す対
応ブロックをＢバッファ127に読み込む。Ｓ22では、Ｒ
レジスタ121に格納されている第三検索コードにより、
対応ブロックの対応フラグ群161の設定と比較して、対
応単語があるかどうかをチェックする。対応単語がない
場合は当該単語が見つからないというメッセージを出力
部19により表示する。対応単語があれば、Ｓ23ではＳ22
の比較により対応アドレス群162の該当アドレス値をＰ
レジスタ123に格納して、次のアドレス値をＨレジスタ1
22に格納すると共に、Ｐレジスタ123とＨレジスタ122と
の差（即ち最小の検索空間）をＢレジスタ124に格納す
る。Ｓ24では、Ｐレジスタ123に格納されている検索開
始アドレス値からＢレジスタ124に格納されている値ま
での辞書18に格納されているデータをＢバッファ127に
読み込む。そしてＡバッファ126の前二検索コードを削
除する。Ｓ25はＡバッファ126にの残りの検索コードに
より、Ｂレジスタ124に格納されている最小の検索空間
の限定で、Ｂバッファ127に格納されている内容と逐次
に比較して、一致する対応単語及び対応情報を出力部19
により出力する。

【００２８】下記に図２、図３を参照しながら、中国語
発声記号列

【００２９】

【外５】

【００３０】例として、本発明の動作を詳細的に説明す
る。よりよく説明するために、Ｒレジスタ121、Ｈレジ
スタ122、Ｐレジスタ123、Ｂレジスタ124、Ｑレジスタ1
25の値をそれぞれｒ、ｈ、ｐ、ｂ、ｑとする。

【００３１】該当発声記号列が入力されると、入力部11
により入力された発声記号列をＢバッファ127に格納し
てから、検索コード処理部13により、図６、図７に示す
ように検索用の検索コードに転換する。転換された結果
は「１(％.ａ＆Ｃ＋ｗＶ１Ｇ２＃」になる。この検索コ
ードをＡバッファ126に格納する。次に、ｐをゼロ、ｈ
を主索引表の総項目数（本実施例では、主索引表に集め
られていた中国語の全ての有効な声母と介母との組み合
わせの集合は全部55がある。）に設定する。そして、Ａ
バッファ126に格納されている第一検索コード’１’を
Ｒレジスタ121に書き込み、二分検索するために、ｈ、
ｐの中間値（本実施例は27である）をＢレジスタ124に
記憶する。そして、図８に示すようにＢレジスタ124に
格納されている中間値の代表値’Ｅ’をＱレジスタ125
に記入する。次に、ＡＳＣIIの字コード順序により、ｑ
をｒと比較する。ｒはｑより大きいである場合は、ｈを
ｂ−１に換えて、より小さいである場合は、ｈをｂ＋１
に換える。ｑとｒは同じようになるまで、上記のように
図２のＳ５からＳ10までの二分検索をしてレジスタの値
を修正する動作を繰り返す。上記によると、ｑとｒとの
比較結果及び各レジスタの値の変化は下記の（表１）の
ように、

【００３２】

【表１】

【００３３】すると、図10に示すように副索引表に指す
検索開始位置214、次のブロックの検索位置242を獲得す
ることができる。それにしたがって、ｐを214、ｈを242
−１＝241に設定する。

【００３４】次に、Ａバッファ126に格納されている第
二検索コード’（’をＲレジスタ121に書き込み、二分
検索するために、Ｂレジスタ124に格納されている中間
値の代表値’Ｅ’をＱレジスタ125に記入する。次にｑ
とｒは同じようになるまで、図２のＳ13からＳ17までの
二分検索をしてレジスタの値を修正する動作を繰り返
す。上記の処理によると、ｑとｒとの比較結果及び各レ
ジスタの値の変化は下記の（表２）のように、

【００３５】

【表２】

【００３６】すると、図10に示すように「１（」の対応
部16に指す対応ブロック位置53128、次のブロック位置5
4044を獲得することができる。

【００３７】次に、検出手段17の処理に入る。まず、Ａ
バッファ126に格納されている第三検索コード’％’を
Ｒレジスタ121に書き込み、上記取り出された対応ブロ
ックの内容をＢバッファ127に記入する。第三検索コー
ド’％’は図５(a)に示すように本実施例の配置位置は
第５位であるので、対応フラグ群161の第５ビットを検
索すると、１に設定されているので、前三検索コードに
は対応単語があることを表示する。対応フラグ群161の
第５ビットの対応アドレス72をＰレジスタ123に、次の
対応アドレス138をＨレジスタ122に、ｐとｈとの差66を
Ｂレジスタ124に格納する。即ち53128は対応単語の辞書
の記憶開始位置で、66は検出する範囲である。

【００３８】それから、辞書18のｐ(53128)から数えて
ｂ(66)の範囲内のデータをＢバッファ127に読み込む。
次に、Ａバッファ126に格納されている前二検索コード
を削除し、ｂの検出する範囲の限定で、残した「％.ａ
＆Ｃ＋ｗＶ１Ｇ２＃」をＢバッファ127に読み込まれた
対応単語の索引コードと比較して、一致する索引コード
である単語「打破沙鍋問到底」及び対応情報を検出し、
出力部19により出力する。

【００３９】本実施例は、第三検索コードにより、分岐
限定(branch and bound)の原則で三階層の検索をして、
逐次に検索の範囲を小さくすることにつれて検索のスピ
ードを向上することができる。且つ、検索の範囲を縮め
るので、検索時間を減らすだけではなく、各階層の検索
で発音規則に合わない入力や誤入力などのエラーを直ち
に反応することができる。また、有効な第一検索コード
の集合を主索引表に、有効な第二検索コードの集合を副
索引表に、第三検索コードを対応フラグに格納するとい
う検索ファイル編成構造は検索に効果的に行うことがで
きる。もし、きわめて小さいの前二検索コードを主メモ
リに記憶すれば、記憶区間を節約することができる。中
国語などのデータ検索に対して、実用性が非常に大き
い。

【００４０】以上説明したように本発明データ検索装置
によれば、前三検索コードにより、分岐限定(branch an
d bound)の原則で三階層の検索をして、逐次に検索の範
囲を小さくすることにつれて検索のスピードを向上する
ことができる。また、各階層の検索で誤入力の読みに対
して直ちに反応することができる。また、有効な第一検
索コードの集合を主索引表に、第二検索コードの集合を
副索引表に、第三検索コードを辞書のブロック先頭に格
納するという検索ファイル編成構造は検索を効果的に行
うことができる。且つ、前二検索コードを主メモリに記
憶することにより、きわめて小さい、且つ固定の記憶区
間を用いただけで効率的に分岐検索できる。中国語など
のデータ検索に対して、データの記憶空間及び検索速度
を同時に考慮したので、実用性が非常に大きい。

【００４１】本発明は上記の実施例にのみ限らず、要旨
を変更しない範囲で適当変形して実施できる。例えば、
入力する記号は発声記号に限らず、簡易倉頡記号でも結
構で、索引記憶部の主、副索引表及び辞書を簡易倉頡首
尾コードで構成すれば、実施することができる。また、
本発明は日本語辞書データに対する検索も容易に実施で
きる。

【００４２】

【発明の効果】上記説明したように本発明データ検索装
置によれば、対応部の対応フラグ及び対応アドレスを設
けているので、記憶区間を節約する上に、検索範囲を最
小にして、検索速度を向上することができる。実用性が
非常に大きい。

【図面の簡単な説明】

【図１】本発明の実施例におけるデータ検索装置の構成
を示すブロック図

【図２】同実施例の処理過程を示す流れ図

【図３】同実施例の処理過程を示す流れ図

【図４】(a)は従来例のデータ検索装置の構成を示すブ
ロック図 (b)は従来例の辞書構造を説明する説明図

【図５】本発明の中国語の一種の発声記号のコーディン
グを示す説明図

【図６】中国語発声記号のコード順序を示す説明図

【図７】本発明の検索コード処理部の動作を示す流れ図

【図８】本発明の索引記憶部の構成を説明するための説
明図

【図９】同実施例の対応部と辞書の構成を説明する説明
図

【図１０】同実施例の対応部の対応ブロックを検出する
ための索引記憶部に対しての検索方式を説明する説明図

【符号の説明】

11 入力部 12 記憶部 13 検索コード処理部 14 検索部 15 索引記憶部 16 対応部 17 検出手段 18 辞書 19 出力部 121Ｒ レジスタ 122Ｈ レジスタ 123Ｐ レジスタ 124Ｂ レジスタ 125Ｑ レジスタ 126Ａ バッファ 127Ｂ バッファ 161 対応フラグ群 162 対応アドレス群

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｇ０６Ｆ 15/20 ５９２Ｊ (72)発明者 リン・チシェン 台湾タイ・ペイ・シ・ター・アン・チ ー・10628・レン・アイ・ル・サン・ト ォアン・136・ハオ・ロウ スン・シ ャ・ティエン・チ・チ・シュー・カイ・ ファー・クゥー・フェン・ユウ・シエ ン・コン・スー内 (56)参考文献 特開 昭64−58018（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06F 17/30 G06F 17/21 G06F 17/22 G06F 17/28

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】索引コード及び対応するデータを記憶する
   辞書と、複数のブロックから構成し、各ブロック毎に複
   数個のビットから構成して各ビットは０か１のフラグ値
   により検索コードに対応するデータがあるかどうかを表
   す対応フラグ群及び上記フラグ値は１である場合上記辞
   書に記憶される索引コード及びそれに対応するデータの
   記憶位置を格納する対応アドレス群からなる対応部と、
   入力された検索コードの前部分により、対応部の該当ブ
   ロックを検出する検索部と、入力された検索コードの一
   部分との比較により上記検出された対応部の対応フラグ
   及び対応アドレスを取り出して検索コードの対応データ
   を辞書から検出する検出手段とを備えたことを特徴とす
   るデータ検索装置。
2. 【請求項２】索引コード及び対応する単語を記憶する辞
   書と、複数のブロックから構成し、各ブロック毎に複数
   個のビットから構成して各ビットは０か１のフラグ値に
   より検索コードに対応する単語があるかどうかを表す対
   応フラグ群及び上記フラグ値は１である場合上記辞書に
   記憶される索引コード及びそれに対応する単語の記憶位
   置を格納する対応アドレス群からなる対応部と、入力さ
   れた検索コードの第１文字のコードにより、対応部の該
   当ブロックを検出する検索部と、入力された検索コード
   の第２文字のコードとの比較により上記検出された対応
   部の対応フラグ及び対応アドレスを取り出して検索コー
   ドの対応単語を辞書から検出する検出手段とを備えたこ
   とを特徴とする中国語辞書データ検索装置。