JP2839839B2

JP2839839B2 - 情報検索装置

Info

Publication number: JP2839839B2
Application number: JP6161280A
Authority: JP
Inventors: 一志西本
Original assignee: Ei Tei Aaru Tsushin Shisutemu Kenkyusho Kk
Current assignee: Ei Tei Aaru Tsushin Shisutemu Kenkyusho Kk
Priority date: 1994-07-13
Filing date: 1994-07-13
Publication date: 1998-12-16
Anticipated expiration: 2013-12-16
Also published as: JPH0830630A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、情報検索装置に関
し、特に、検索意図と異なる検索結果を得ることができ
るような情報検索装置に関する。

【０００２】

【従来の技術】近年、バーチャルリアリティ技術を応用
した臨場感通信会議システムの研究が行なわれている。

【０００３】図１３は、臨場感通信会議の様子を示した
図である。この臨場感通信会議システムは、３次元コン
ピュータグラフィックスによって生成される仮想空間１
を会議の「場」として提供することにより、従来のＴＶ
会議システムのような単なる音声・映像の伝送にとどま
らず、実空間３に存在する人物７に仮想空間１の人物５
ａ，５ｂの雰囲気を伝えることや、また仮想物体９を互
いに遠隔地にいる会議参加者が操作することによる高度
な協調作業を可能としている。

【０００４】また、臨場感通信会議に登場する人物像
は、従来のＴＶ会議などとは異なり、人物の身振りや表
情などの特徴点の動きに関する情報だけが通信され、こ
れを基に３次元グラフィックスによって構成されて表示
される。したがって、仮想空間１に登場する人物５ａ，
５ｂと実際の会議参加者が全く別人物であるような、会
議参加者の匿名化が容易に実現される。これは、さまざ
まな肩書の者が集まって新商品の企画会議などに行なう
際などに有効となる。

【０００５】このように臨場感通信会議システムが提供
する会議空間は非常に創造性に富んだものであり、本質
的に発想の場として優れた素質を備えている。

【０００６】そこで、この臨場感通信会議システムが
「発想の場」としてより高度に応用されるための研究も
進められており、そのような応用の１つとして、門外漢
モデルによるデータベースを用いた情報検索装置が本願
発明者によって特願平６−１３４２１７号で提案されて
いる。

【０００７】そこで、従来の情報検索装置を説明する前
に、門外漢モデルについて説明する。

【０００８】図１４は、門外漢モデルを示した図であ
る。たとえば、ある研究室においてブレインストーミン
グが行なわれる場合に、日頃似たような研究を行なって
いる者同士ではどうしても発想の場が狭まりがちであ
る。そこで、図１４に示すような門外漢１１が一人参加
させられる。

【０００９】門外漢１１は、他の会議参加者である専門
家１３の発言内容（専門的意見）について深く理解する
ことは一般的に不可能である。しかしその発言内容のう
ちから理解可能な断片を用いて自分なりにそれらの発言
を部分的／表面的理解１５する。この場合、門外漢１１
は専門家１３の発言内容を誤解する場合もあり得る。そ
して、この部分的／表面的理解１５を基に、門外漢１１
は、自分の持つ知識１７から現在の話題１９に関連のあ
りそうな情報を取出してときには意外性のある意見２１
を発言する。

【００１０】もちろん浅い理解に基づく発言なので、こ
の内容はまるで的外れである可能性も十分にある。しか
し、ある場合にこの門外漢１１が提供する一見異質で無
関係に見える意外性のある情報２１が他の会議参加者１
３の誰かに現在の話題と結び付けられれば、そこから何
らかの新たな発見が得られる可能性がある。なぜなら
ば、「発想とは、全然性質の違う異質なデータの組合せ
から発見されるものである」からである。

【００１１】したがって、このような門外漢モデルによ
るデータベースを用いた情報検索装置は、門外漢がブレ
インストーミングにおいて、専門家達が持つ固定観念を
打開して発想の場を広げることと同様に、検索意図と異
なる情報を検索者に与えることを目的としている。ここ
で、検索意図とは、たとえば検索者が要求する検索結果
である。

【００１２】図１５は、従来の情報検索装置を示したブ
ロック図であり、図１６は、図１５の連想記憶部の内部
構成を示した図である。

【００１３】図１５および図１６を参照して、情報検索
装置２３は、構文解析部２５と、想起情報抽出部２７
と、データベース２９とを含む。想起情報抽出部２７
は、図１６に示す一般連想辞書３５を備えた連想記憶部
３１と、データベース管理部３３とを含む。

【００１４】動作について簡単に説明する。まずデータ
ベース２９が記事データベースとして構築されることに
ついて説明する。データベース２９に登録されるべき記
事（登録文）３７が構文解析部２５で単語に分解されて
構文解析される。構文解析部２５で構文解析された記事
３７はキーワードベクトルＫ_iとなり、想起情報抽出部
２７を介してデータベース２９に入力される。データベ
ース２９は、キーワードベクトルＫ_iと記事３７とを対
応させて登録する。これにより、データベース２９は記
事データベースとして構築される。同時に、想起情報抽
出部２７の連想記憶部３１は、記事３７に対応するキー
ワードベクトルを用いて一般連想辞書３５を形成する。

【００１５】次に、ある利用者が情報検索装置２３と対
話するために、意見（検索文）３９を構文解析部２５に
入力する。ここで、意見３９は、たとえば記事３７が英
文テキストデータであれば、英文テキストデータとな
る。この意見３９は通常データベース検索に使用される
ようなキーワードの羅列、またはＳＱＬのようなもので
ある必要はなく、記事３７と同様に通常のテキストデー
タであればよい。ただし、キーワードの羅列でも問題は
ない。

【００１６】意見３９は、記事３７と同様に構文解析部
２５で単語に分解され、キーワードベクトルＱとなる。
キーワードベクトルＱは、想起情報抽出部２７に入力さ
れる。そして、連想記憶部３１が一般連想辞書３５に基
づくキーワードベクトルＱを用いた連想的な想起を行な
う。この結果連想記憶部３１は何らかのキーワードベク
トルＲ₀を想起する。そして、データベース管理部３３
がキーワードベクトルＲ₀とデータベース２９に登録さ
れている各記事のキーワードベクトルＫ_iとを比較し、
データベース２９にたとえば最も両者の一致している記
事を連想の際に得られる検索結果として出力させる。こ
れによって、利用者は記事の提供４１を受ける。

【００１７】なお、データベース管理部３３は、利用者
について過去に提供した記事の履歴情報である記事提供
履歴４３を持っており、すでに提供したことのある記事
については始めから候補外として後で詳しく説明する相
互相関を計算しない。

【００１８】このような情報検索装置２３が臨場感通信
会議システムで用いられた場合には、情報検索装置２３
は会議参加者の発話に対して「浅い理解」行なう。ここ
で「浅い理解」とは、第１の過程である発話内容の粗い
把握の過程と、第２の過程である発話内容からの連想の
過程とを含む。第１の過程である発話内容の粗い把握の
過程とは、会議参加者の発話からその発話の内容を表わ
す語群（検索語群）を抽出することである。第２の過程
である発話内容からの連想の過程とは、一般連想辞書を
用いて検索語群を拡張することである。以下、このよう
にして拡張された語群は拡張検索語群と呼ぶとする。

【００１９】このように、ここで言う浅い理解は、一般
に言う意味理解とは異なり、ごく表層的な意味把握にす
ぎない。また、第２の過程である発話内容からの連想の
過程は、検索語群に含まれた語と関連する語を想起する
ことにより意味を明確にするという観点から理解の１つ
と見なしている。ただし一方で間接的関連性しかない語
も同時に拡張されるため、発言内容からずれた理解にな
る場合もあり得る。このようなずれた理解によって意外
性が取り込まれる。

【００２０】そして、このようにして得た拡張検索語群
と、データベース中の各情報の内容を表わす語群とのパ
ターンマッチングによって情報の検索が行なわれる。

【００２１】

【発明が解決しようとする課題】ところで、図１５およ
び図１６に示した情報検索装置では、連想辞書は、一般
連想辞書だけである。一般連想辞書を構築するための元
になる情報としては、たとえば新聞記事が挙げられる。
この結果生成される一般連想辞書は特定専門分野のない
雑学的なものとなっている。したがって、ある検索文が
入力された場合、その検索文から雑学的知識に基づく連
想と情報検索が行なわれる。そしてその結果得られる情
報は、基本的に検索文の内容に沿いつつ、やや異質性を
含んだものである。

【００２２】このような特定の専門または思考、趣味な
どを持たない人物が門外漢としてブレインストーミング
に参加させられることが他の専門家の発想に有効な局面
も多い。

【００２３】その一方で、たとえば異分野の専門家が門
外漢として参加させられることが有効な局面も数多く想
定される。しかしながら、従来の情報検索装置では、一
般連想辞書という１種類だけの連想辞書を用いていたた
め、検索で得られる情報の分野は制御されていない。

【００２４】ゆえに、本発明の目的は、データベースを
用いて検索意図とは異なる情報を得ることであるが、そ
の検索結果を制御することができるような情報検索装置
を提供することである。

【００２５】

【課題を解決するための手段】この発明に従った情報検
索装置は、一般分野に属する一般登録文、専門分野に属
する専門登録文、および検索文を構文解析し、一般登録
文を表わす一般登録キーワード、専門登録文を表わす専
門登録キーワード、および検索文を表わす検索キーワー
ドにそれぞれ変換する構文解析手段と、一般登録キーワ
ードおよび専門登録キーワードを連想記憶して一般連想
辞書および専門連想辞書をそれぞれ生成し、検索キーワ
ードに応じて一般連想辞書および専門連想辞書から想起
キーワードを想起する連想記憶手段と、一般登録文と一
般登録キーワードとを対応付けて登録し、専門登録文と
専門登録キーワードとを対応付けて登録するデータベー
スと、データベースに登録されたキーワードのうち想起
キーワードに関連するキーワードに対応付けられた登録
文をデータベースから抽出するデータベース管理手段と
を含む。

【００２６】好ましくは、上記連想記憶手段は、検索キ
ーワードに応じて専門連想辞書から第１のキーワードを
想起し、その第１のキーワードに応じて一般連想辞書か
ら第２のキーワードを想起し、その第２のキーワードを
想起キーワードとして出力する。

【００２７】好ましくは、上記連想記憶手段は、検索キ
ーワードに応じて専門連想辞書から第１のキーワードを
想起し、検索キーワードおよび第１のキーワードに応じ
て一般連想辞書から第２のキーワードを想起し、その第
２のキーワードを想起キーワードとして出力する。

【００２８】好ましくは、上記連想記憶手段は、一般連
想辞書と専門連想辞書とを融合して融合連想辞書を生成
し、検索キーワードに応じて融合連想辞書からキーワー
ドを想起し、そのキーワードを想起キーワードとして出
力する。

【００２９】

【００３０】

【００３１】

【作用】この発明に従った情報検索装置は、連想記憶手
段によって生成された一般連想辞書および専門連想辞書
を用いて想起キーワードが想起されるため、一般連想辞
書および専門連想辞書に依存した想起キーワードが出力
される。

【００３２】

【００３３】

【００３４】上記連想記憶手段は検索キーワードに応じ
て専門連想辞書から第１のキーワードを想起し、その第
１のキーワードに応じて一般連想辞書から第２のキーワ
ードを想起するため、専門連想辞書の専門分野に依存し
た想起キーワードが出力される。

【００３５】上記連想記憶手段は検索キーワードに応じ
て専門連想辞書から第１のキーワードを想起し、検索キ
ーワードおよび第１のキーワードに応じて一般連想辞書
から第２のキーワードを想起するため、検索文が含む検
索意図に依存するような想起キーワードが出力される。

【００３６】上記連想記憶手段は一般連想辞書と専門連
想辞書とを融合して融合連想辞書を生成し、検索キーワ
ードに応じて融合連想辞書からキーワードを想起するた
め、融合される専門分野に依存した想起キーワードが出
力される。

【００３７】

【実施例】図１は、この発明の一実施例による情報検索
装置のブロック図であり、図２は、図１の連想記憶部の
内部構成を示した図である。

【００３８】情報検索装置５１は、構文解析部２５と、
想起情報抽出部５３と、データベース２９とを含む。想
起情報抽出部５３は、データベース管理部３１と、図２
に示すように一般連想辞書３５に加えて専門連想辞書５
７をも含む連想記憶部５５とを備えている。したがっ
て、図１および図２に示す情報検索装置において、図１
５および図１６に示した従来の情報検索装置と異なる部
分は、特に連想記憶部５５が専門連想辞書５７を備えた
ことである。

【００３９】次に、動作について簡単に説明する。始め
に一般連想辞書３５とデータベース２９が構築される。
まずデータベース２９に登録される記事（登録文）３７
が構文解析部２５に入力される。構文解析部２５は、記
事３７をキーワードベクトルＫ_iに変換する。このキー
ワードベクトルＫ_iは連想記憶部５５に入力される。連
想記憶部５５は、連想記憶を行なって一般連想辞書３５
を生成する。そして、同時にキーワードベクトルＫ_iが
記事３７と対応付けられてデータベース２９に入力され
る。データベース２９は記事データベースとして構築さ
れる。

【００４０】次に、専門連想辞書５７が構築される。こ
の専門連想辞書５７の作成は、一般連想辞書３５と基本
的に同様である。ただし、専門連想辞書５７が構築され
るために使用される記事文は、想定されている専門分野
に依存したものである。記事として、たとえば専門書が
用いられてもよく、または実際に人間の専門家により構
築された連想辞書が用いられてもよい。なお、専門連想
辞書５７が構築された際に使用される記事は、データベ
ース２９には登録されていない。

【００４１】次に、本装置が仮想門外漢として使用され
る場合について説明する。まず利用者は自分の意見（検
索文）３９をテキストとして情報検索装置５１に入力す
る。入力された意見３９は構文解析部２５でキーワード
ベクトルＱに変換される。このキーワードベクトルＱか
ら連想記憶部５５の専門連想辞書５７によってキーワー
ドベクトルＲ₁が想起される。キーワードベクトルＲ₁
はキーワードベクトルＱ′として一般連想辞書３５に入
力され、キーワードベクトルＲ₂としてさらに想起され
る。データベース管理部３１は、想起されたキーワード
ベクトルＲ₂とデータベース２９に登録されている各記
事のキーワードベクトルＫ_iとの相互相関を後で説明す
る方法で計算し、相関値の高い記事を抽出する。このと
き、データベース管理部３１は各会議参加者の記事提供
履歴４３を参照しながら相関値の高い記事を抽出する。
そして、利用者にはデータベース２９から記事の提供５
９が行なわれる。

【００４２】これにより、利用者に与えられる記事の提
供５９は、専門連想辞書５７の専門分野に依存したもの
となる。

【００４３】図３は、この発明の他の実施例による情報
検索装置の連想記憶部を示した図である。以下、図２に
示す連想記憶部と異なる部分について特に説明する。

【００４４】この連想記憶部６１は、専門連想辞書５７
および一般連想辞書３５に加えて、演算部６３を含む。
演算部６３は、専門連想辞書５７で想起されたキーワー
ドベクトルＲ₁と構文解析部２５で変換されたキーワー
ドベクトルＱとを演算してキーワードベクトルＱ″を生
成する。たとえば、キーワードベクトルＱ，Ｒ₁が２値
化信号であれば、演算部６３はキーワードベクトルＱと
キーワードベクトルＲ ₁との論理和をとってキーワード
ベクトルＱ″を生成する。一般連想辞書３５は、キーワ
ードベクトルＱ″から連想想起を行なってキーワードベ
クトルＲ₃を想起する。

【００４５】これによって、データベース２９からはキ
ーワードベクトルＲ₃とデータベース２９に登録された
キーワードベクトルＫ_iとの間での相関値の高い記事が
利用者に提供される。

【００４６】図３に示す連想記憶部６１では、一般連想
辞書３５に専門連想辞書５７で想起されたキーワードベ
クトルＲ₁のみならず構文解析部２５で構文解析されて
変換されたキーワードベクトルＱの影響が及ぶため、一
般連想辞書３５で得られるキーワードベクトルＲ₃は、
図２に示すキーワードベクトルＲ₂に比べて専門連想辞
書５７の影響が多少少なくなって想起される。すなわ
ち、図３に示す連想記憶部６１によって専門連想辞書５
７に記憶された専門分野の依存はあるが、図２に示す連
想記憶部５５に比べて専門分野の依存が少ない想起ベク
トルが得られる。

【００４７】図４は、この発明のさらに他の実施例によ
る情報検索装置の連想記憶部を示した図である。

【００４８】以下、図２に示す連想記憶部５５と特に異
なる部分について説明する。図４に示す連想記憶部６５
は、記憶された専門連想辞書と記憶された一般連想辞書
とが融合されて得られる連想辞書６７に基づいて、連想
記憶を行なう。専門連想辞書および一般連想辞書がたと
えば後で説明する連想記憶マトリックスであれば、連想
辞書６７はマトリックスの和となる。そして、構文解析
部２５で構文解析されて変換されたキーワードベクトル
Ｑは連想辞書６７で連想記憶され、想起ベクトルＲ₄が
想起される。

【００４９】図４に示す連想記憶部６５によっても、連
想記憶部６７に含まれる専門連想辞書によって専門分野
に依存した想起ベクトルＲ₄が得られる。そのため、利
用者には専門分野に依存した記事の提供が行なわれる。

【００５０】次に、後で説明する実験のために、図１に
示す情報検索装置の各構成についてさらに詳しく説明す
る。

【００５１】まず、構文解析部２５について説明する。
構文解析部２５は、まず入力された記事３７，意見３９
を単語に分解して、各単語を正規形に戻す。正規形と
は、たとえば動詞ならその基本形（日本語なら終止形、
英語なら現在形）、名詞なら単数形である。そして、構
文解析部２５は簡単な構文解析によって各単語の品詞を
決定する。ここで、文の正確な意味理解が求められてい
ないので、この品詞決定はあまり厳格なものである必要
はない。むしろ処理速度の向上のために、アルゴリズム
が簡素化されればよい。この解析の結果は、文に出現し
た単語が品詞付リストとして出力されることで行なわれ
る。

【００５２】さらに、構文解析部２５はこのリストから
キーワードベクトルＫ_i，Ｑを生成する。リストから記
事の内容を表わす語として使用する品詞の単語のみが取
出されて、単語のリストのサブセットが作成される。実
験では使用する品詞は名詞および品詞同定不能語に限っ
ている。このサブセットによりキーワードベクトルが生
成される。記事Ａ_iのキーワードベクトルＫ_iは第
（１）式のように生成される。第（１）式において、各
要素は第（２）式のように決定されている。ここに、第
（１）式におけるｍは装置が処理した単語の種類の総数
であり、第（２）式におけるｗ_jは装置が処理した全単
語種類のうちのｊ番目の単語である。

【００５３】第（２）式における１をセットする要素δ
_jはその記事または発言に出現する順に採用し、その個
数は１記事・発言あたり最大５０個に制限されて実験が
行なわれている。これは、主に処理速度と後で説明する
連想記憶部としてのアソシアトロンの想起の正確さの要
請とによっている。

【００５４】次に、連想記憶部５５について説明する。
連想記憶部５５としては、たとえばアソシアトロンがあ
る。このアソシアトロンについての記銘・想起の方法に
ついて説明する。

【００５５】記銘の方法について説明する。アソシアト
ロンでは、ベクトルの自己相関行列が積算された連想記
憶マトリクスＭが生成されることによって記銘が行なわ
れる。ｎ個の記事のキーワードベクトルＫ_i（１≦ｉ≦
ｎ）の記銘は、第（３）式のようにして行なわれる。こ
こに、Ｍは連想記憶マトリックスである。第（３）式に
おけるＫ_iは縦ベクトルであり、記号′はベクトルの転
置を示す。以下使用するベクトルはすべて縦ベクトルと
する。第（３）式に示すようにして得られる連想記憶マ
トリックスＭは、図２から図４に示す連想辞書に相当す
る。

【００５６】次に、想起の方法について説明する。検索
文から得られたキーワードベクトルＱによって、第
（４）式に示すキーワードベクトルＲが想起される。第
（４）式において、φ₀は第（５）式に示される量子化
関数であり、第（４）式におけるθ^*は第（６）式に示
す量子化関数である。この第（５）式および第（６）式
に示すφ₀，φ^*はベクトルおよび行列に対しても適用
されて、その場合はベクトルまたは行列のすべての要素
が第（４）式〜第（６）式に示す規則にしたがって量子
化される。

【００５７】第（６）式におけるθの値が適切に選ばれ
ることにより、アソシアトロンは記銘した情報を正確に
想起できる。なお、アソシアトロンはこのように−１，
０，１の３値論理となっている。本装置および本実験で
は０，１だけの２値化論理で記銘・想起が行なわれてい
る。また、θの値は、想起の結果得られるベクトルの１
になる要素数が、データベースのキーワードベクトル生
成時に１をセットした要素数と同じかそれ以下でその数
にできるだけ近くなるように想起ごとに決定されてい
る。

【００５８】アソシアトロンは記銘したベクトルの一部
からそのベクトル全体を想起する。そして検索ベクトル
Ｑにノイズが含まれてもある程度自動的にキャンセルさ
れる。ただし、実際に多くのベクトルが記銘された場合
には、完全な想起が行なわれることは困難である。その
ため、後で説明するようなベクトルの相互相関が求めら
れるなどの方法によって最終的な検索結果が得られる必
要が生じる。これによって想起結果に若干のノイズが残
ってしまうが、このノイズは本当に全く無意味なもので
はない。すなわち、ここでのノイズは、少なくともすで
に記銘したいずれかの１の記事において、検索文に含ま
れるいずれかの要素と共起しているものである。そのた
め、文字として表れるような語から間接的関連が導き出
され、これは新たな発想の手掛かりとなると思われる。

【００５９】このように、本装置では、アソシアトロン
による想起が完全なものである必要はなく、むしろ想起
の不完全な部分が積極的に利用されて、検索意図と異な
る想起情報が求められる。

【００６０】次に、データベース管理部３１について説
明する。データベース管理部３１は、想起されたキーワ
ードベクトルＲ₂（Ｒ₃，Ｒ₄）と、データベース２９
に登録されている各記事のキーワードベクトルＫ_iとの
相互相関を計算する。たとえば想起ベクトルＲとキーワ
ードベクトルＫ_iの相互相関ｒ_iは第（７）式で求めら
れる。ここに、ｎ_RはキーワードベクトルＲの要素のう
ち値が１の要素の個数であり、ｎ_KiはベクトルＫ_iの要
素のうち値が１の要素の個数である。演算子・はベクト
ルの内積を示す。

【００６１】この結果、相互相関の値の最も高い記事に
関するキーワードベクトルに対応する記事が提供候補と
される。このような検索によって、キーワードは通常の
データベース検索で使用されるａｎｄまたはｏｒでない
中間的な条件で組合わされる。

【００６２】なお、データベース管理部３１は、各参加
者について過去に提供した記事の履歴情報である記事提
供履歴４３を持っており、すべての参加者に対してすで
に提供したことのある記事については始めから候補外と
してこの相互相関を計算しない。

【００６３】

【数１】

【００６４】実験を説明するために連想辞書の構築につ
いて説明する。専門連想辞書の構築としては、門外漢に
対して主に法律・政治に関する勉強をしている人の連想
結果を与えた。そのため、京都大学法学部の教職員なら
びに学生、合わせて３０名の人々の協力を得てアンケー
トが行なわれ、この結果に基づく専門連想辞書が構築さ
れた。

【００６５】図５は、行なったアンケートのごく一部を
示す図である。アンケートは、こちらから指定した語に
対しまず自由に連想を行なってもらい、思いつくままに
思いつく限りの語を記述してもらう。次に、「あなたは
コンピュータの専門家数名と、コンピュータと法律の関
係に関する議論を行なっている。あなたには、法律に詳
しい人としての立場からの意見が期待されている。」と
いう状況を想定した上で、各項についてさらに連想され
る語があれば記述してもらう。図５における下線を引い
た語がこちらから与えた連想の種となる語（以下ＳＥＥ
Ｄ語と呼ぶ）、左欄の語が第１の自由連想で得られた
語、右欄の語が状況を想定した状況想定の第２の連想で
得られた語である。

【００６６】自由連想では、たとえば製品責任という与
えられた語に対して大企業、ＰＬ法、品質管理が得られ
ている。これに対し、状況想定連想においては不法行為
が得られている。また、医用情報処理システムという語
に対しては自由連想において大病院、白衣、受付、診察
料金、カルテが得られ、状況想定連想においてはプライ
バシーが得られている。

【００６７】このような自由連想および状況想定連想の
種となるＳＥＥＤ語には、以下のような語が選ばれてい
る。

【００６８】第１の条件としては、後で説明する想起実
験で用いられる検索文からキーワードとして抽出される
語である。たとえば、Ｗｉｎｄｏｗｓ，Ｍａｃｉｎｔｏ
ｓｈ，ＰｏｗｅｒＰＣなどである。

【００６９】第２の条件としては、ＪＩＣＳＴ科学技術
用語シソーラス「ＪＩＣＳＴ８７」から抽出した、コン
ピュータやその関連技術と関係する種々の階層の語であ
る。たとえば、計算機利用システム、知識ベースシステ
ム、意思決定支援システムである。

【００７０】第３の条件としては、ＪＩＣＳＴ科学技術
用語シソーラスから抽出した、法律と関係する種々の階
層の語である。たとえば、法規、情報政策、知的所有権
である。

【００７１】このようにして、全部で１１４語がＳＥＥ
Ｄ語として選び出され、このうちから一人あたり３８語
が選ばれて与えられた。

【００７２】得られた回答から、専門連想辞書が構築さ
れるための記事が作成される。まず、ＳＥＥＤ語および
連想語がすべて英訳される。構文解析部２５が実験では
英語にしか対応していないためである。そして、各回答
者ごとに１つのＳＥＥＤ語とそのＳＥＥＤ語に対する全
部の連想語が１つのファイルとされ、これが１つの記事
とされる。このようにして、全回答者の全ＳＥＥＤ語に
対する回答がそれぞれここに記事とされ、これが連想記
憶されて専門連想辞書が構築される。

【００７３】次に、一般連想辞書の構築について説明す
る。一般連想辞書としては、その記事として米国Ｃｌａ
ｒｉＮｅｔ社が提供する商用ネットワークニュースの記
事が使用された。記事の内容は基本的に通常の新聞と同
様な幅広い分野にわたる。この新聞記事における中でも
比較的多い分野は、コンピュータを中心とした電子産業
業界関連記事、事件関係記事、およびスポーツ関係記事
であった。記憶された記事の総数は１４６５であった。

【００７４】次に、想起実験について説明する。想起実
験では、図６に示されるようなテーマ、興味、意見が装
置に入力される。この図６に示すテキストが検索文とし
て構文解析され、検索についてのキーワードベクトルＱ
が生成される。そして、このキーワードベクトルＱが用
いられて以下の４種類のアルゴリズムに従う方法で想起
が行なわれ、記事が取出される。

【００７５】図７は、４種類のアルゴリズムの処理の概
要を示した図である。第１のアルゴリズムは、図７
（ａ）に示すアルゴリズムである。検索ベクトルＱと専
門連想辞書Ｊが用いられて想起が行なわれる。この結果
得られる想起ベクトルＲ₁と、各記事の記事ベクトルＫ
_iとの相互相関が求められ、相関値の高い記事が提供さ
れる。

【００７６】第２のアルゴリズムは、図７（ｂ）に示す
アルゴリズムである。検索ベクトルＱと専門連想辞書Ｊ
が用いられて第１段目の想起が行なわれる。この結果得
られる想起ベクトルＲ₁がそのまま検索ベクトルＱ′と
して一般連想辞書Ｕに用いられて第２段目の想起が行な
われる。この結果得られる想起ベクトルＲ₂と、各記事
の記事ベクトルＫ_iとの相互相関が求められ、相関値の
高い記事が提供される。このアルゴリズムは、図１およ
び図２に示す情報検索装置に対応している。

【００７７】第３のアルゴリズムは、図７（ｃ）に示す
アルゴリズムである。検索ベクトルＱと専門連想辞書Ｊ
が用いられて第１段目の想起が行なわれる。この結果得
られる想起ベクトルＲ₁と、元の検索ベクトルＱとの要
素ごとに論理和がとられて得られるベクトルＱ″と一般
連想辞書Ｕが用いられて第２段目の想起が行なわれる。
この結果得られる想起ベクトルＲ₃と、各記事の記事ベ
クトルＫ_iとの相互相関が求められ、相関値の高い記事
が提供される。このアルゴリズムは、図１および図３に
示す情報検索装置に対応している。

【００７８】第４のアルゴリズムは、図７（ｄ）に示す
アルゴリズムである。検索ベクトルＱと一般連想辞書Ｕ
が用いられて想起が行なわれる。この結果得られた想起
ベクトルＲ₀と、各記事の記事ベクトルＫ_iとの相互相
関が求められ、相関値の高い記事が提供される。このア
ルゴリズムは、図１５および図１６に示した従来の情報
検索装置に対応している。

【００７９】図８は、検索ベクトルＱおよび想起ベクト
ルＲ₁，Ｒ₂，Ｒ₃，Ｒ₀を示した図である。特に、図
８（ａ）は、検索ベクトルＱを示した図であり、図８
（ｂ）は、第１のアルゴリズムで想起されたベクトルＲ
₁を示した図であり、図８（ｃ）は、第２のアルゴリズ
ムで想起されたベクトルＲ₂を示した図であり、図８
（ｄ）は、第３のアルゴリズムで想起されたベクトルＲ
₃を示した図であり、図８（ｅ）は、第４のアルゴリズ
ムで想起されたベクトルＲ₀を示した図である。

【００８０】図８では、ベクトルのうち値１がセットさ
れた要素に対応する語が示されている。

【００８１】図９から図１２は、各アルゴリズムによっ
て得られた記事の内容の要約を示した図である。図９
は、第１のアルゴリズムによって抽出された記事を示し
た図であり、図１０は、第２のアルゴリズムによって抽
出された記事を示した図であり、図１１は、第３のアル
ゴリズムによって抽出された記事を示した図であり、図
１２は、第４のアルゴリズムによって抽出された記事を
示した図である。図９から図１２において、各文で与え
られる括弧内の数字は、相互相関の値である。以下、図
８から図１２を用いて、実験結果について説明する。

【００８２】第１のアルゴリズムでは、与えられた検索
文のうちから設定された専門の範囲にある語に関しては
連想を幅広く行なう一方、範囲外の語に関しては連想は
ほとんど行なわれず、専門連想辞書には全く含まれない
語に関しては当然何らの連想も行なわれない。この結果
想起されるベクトルＲ₁は専門範囲に関しては充実し、
専門外に関しては非常に貧弱な構成となる。

【００８３】すなわち、図８（ｂ）の語群からわかるよ
うに、もともと検索文には多く含まれていたコンピュー
タ用語のうち、ＰｏｗｅｒＰＣやｃｈｉｐなどの多少専
門的な語は消滅し、一方でディスプレイやＰＣといっ
た、コンピュータにあまり詳しくない人がコンピュータ
と言われてとりあえず思いつくような語が増えている。
これに対し、図８（ａ）に示す検索ベクトルＱにはｍａ
ｒｋｅｔ程度しかなかった社会的分野の語は、想起ベク
トルＲ₁ではｃｏｍｐａｎｙ，ｔｒａｄｅ，ｆｉｒｍ，
ｌａｗ，ｃｏｒｐｏｒａｔｉｏｎと増強されている。こ
のようなＲ₁がそのまま用いられて各記事ベクトルとの
相互相関がとられれば、設定された専門分野の記事が上
位に表われると予想される。

【００８４】第２のアルゴリズムでは、想起ベクトルＲ
₁が一般連想辞書によって再想起されるため、第１のア
ルゴリズムよりは専門的色彩が弱くなると予想される。

【００８５】第３のアルゴリズムでは、検索文に含まれ
ていた語のうち、専門辞書による連想で失われた専門外
の語は補充され、これを用いて一般連想辞書で再想起さ
れている。このため、第２のアルゴリズムよりもさらに
専門的色彩は弱く、一方で検索文との直接的な関連性が
より高い記事が上位に表われる。

【００８６】第４のアルゴリズムでは、従来から用いら
れているものであり、専門連想辞書が使用されないの
で、基本的に最も検索文の内容との直接的な関連性が高
い記事が上位に表われる。

【００８７】まとめると、各アルゴリズムによって抽出
される記事は、第１のアルゴリズムで最も法律的色彩が
濃く、第２、第３、第４と次第に法律的色彩が弱まって
いき、逆に検索文との直接的関連性は、第１のアルゴリ
ズムで最も弱く、第２、第３、第４と次第に直接的関連
性が強くなる。

【００８８】図９から図１２を参照して、どのアルゴリ
ズムによって抽出された記事も、図１１の３−２の記事
を除いて、すべてコンピュータに関わるものとなってい
る。３−２だけがコンピュータと関係なく株式市場の話
題となっているが、抽出された記事はすべて基本的にｃ
ｏｍｐｕｔｅｒｍａｒｋｅｔというテーマに沿ったも
のとなっていると思われる。これは、図８（ｂ）に見ら
れるように、第１のアルゴリズムにおいてもコンピュー
タ関係のキーワードが完全には消滅していないためであ
る。

【００８９】ただし、検索文との直接的な関連性の強さ
はアルゴリズムによって変化している。図９の１−５の
記事は、図１０の２−４、図１１の３−３、図１２の４
−１で表われ、すべてのアルゴリズムで抽出されてい
る。この内容は、ここに示した他のどの記事よりも直接
的に検索文の内容と関連していると思われる。１−５は
第１のアルゴリズムでは相関値０．０２９４であり、第
２のアルゴリズムでは０．０７９９であり、第３のアル
ゴリズムでは０．１１３７であり、第４のアルゴリズム
では０．１４０６である。この結果、第４、第３のアル
ゴリズムではこの記事１−５は最も強い相関で抽出され
ているが、第２のアルゴリズムでは２位の相関、第１の
アルゴリズムでは３位の相関となっている。このよう
に、第１、第２のアルゴリズムでは抽出される記事と検
索文との直接的な関連は弱まっている。

【００９０】一方、第１のアルゴリズムでは１−１およ
び１−２の記事に見られるように、法律との関連が強い
記事が上位に見られる。これら２つの記事のうち、１−
１の記事は第２のアルゴリズムでも２−３として１位の
相関で抽出されているが、１−２は上位である５つの記
事から消えている。さらに、第３のアルゴリズムになる
と、１−１の記事も上位から消えている。このように、
抽出される記事の、設定した専門分野との関連性も、予
想されたとおり第１のアルゴリズムで最も強く、第２、
第３と次第に弱まっている。

【００９１】以上の結果から、複数の連想辞書が用いら
れ、これらが組合わされて使用されることによって抽出
される情報の分野の粗い制御が可能となること立証され
ている。

【００９２】次に、想起されたベクトルＲ₂，Ｒ₃，Ｒ
₀の３つを比較する。想起ベクトルＲ₂，Ｒ₀には表わ
れない語が図８に示すように想起ベクトルＲ₃に表われ
ていることがわかる。その語は、図８（ｄ）に下線付で
示したｆｉｒｓｔ，Ｔｅｘａｓ，Ｗａｓｈｉｎｇｔｏ
ｎ，ｄｅｖｅｌｏｐｍｅｎｔ，ｒｅｐｏｒｔ，ｃｈｉ
ｐ，ｎｅｅｄ，ｐｅｏｐｌｅである。ベクトルＱ″は、
ベクトルＱと想起ベクトルＲ₁との論理和であった。し
たがって、第２のアルゴリズムと第４のアルゴリズムと
が単純に組合わされれば、一般連想辞書による想起の段
階に投入された語は第３のアルゴリズムと同じになる。
しかし、Ｑ″によって想起されたベクトルＲ₃は、ベク
トルＲ₂とベクトルＲ ₀との論理和になっておらず、Ｒ
₂とＲ₀のいずれにも表れない語を含むものとなってい
る。これらは、専門連想辞書が用いられて拡張されたこ
とによって追加された語と、元の検索ベクトルによって
含まれた語との組合せによって始めて強く連想されて表
われてきている。

【００９３】まとめると、このような語は、第２のアル
ゴリズムでは消滅してしまったコンピュータに関するや
や専門的な領域の知識と、第４のアルゴリズムでは存在
しなかった法律的な分野に関する専門的な知識の両方に
またがるような知識を持つものでなければ想起できない
ような語と思われる。人間にたとえれば、第３のアルゴ
リズムは法律にも詳しいと同時にコンピュータにもそれ
なりに詳しい者にあたる。

【００９４】図１１の検索結果からわかるように、第３
のアルゴリズムで得られた検索結果のうち、最も強く想
起された記事のうち３つ（３−１，３−２，３−４）が
他のアルゴリズムの検索では上位に表われないものであ
る。特に、３−１の記事の内容は、法律的な分野とコン
ピュータの両分野にまたがりかつ意外性を感じさせるも
のとなっていると思われる。

【００９５】このように、複数の連想辞書が使用される
ことによって複数分野に詳しいような門外漢が構成され
る。そして、専門連想辞書が用いられて検索文から一旦
連想が行なわれ、この結果と元の検索文とが合成された
後さらに一般連想辞書で連想が行なわれると、複数分野
にまたがる知識を持つ者だけが認識できるような関連性
に基づく情報の抽出が行なわれる。すなわち、分野Ａだ
けに精通する専門家と分野Ｂだけに精通する専門家が２
人集まっても得難いような、分野Ａ，Ｂ両分野にまたが
る専門知識を持つ人ならではの情報が取出される。この
ような情報は、発想に有効に作用する。

【００９６】なお、本装置で入力される記事および検索
文は、必ずしも英文である必要はなく、完全な文章であ
る必要もない。

【００９７】また、検索意図として個人の利用者の検索
意図について説明したが、実際に会議などの複数の人間
が本装置を使用する場合も想定され、そのような場合に
は必要であればその会議参加者の全員または一部の複数
の人間の検索意図が用いられてもよい。

【００９８】さらに、実験では専門連想辞書として法学
関係者によって構成されたものを１つ用いたが、他にも
さまざまな専門連想辞書が構成されてもよい。さらに、
それぞれが異なる複数の専門連想辞書が適当にいくつか
組合わされて使用されることにより、自由に複数の専門
分野を持つような仮想人物が構成される。そして単一分
野の専門家がより集まっただけでは容易に発見できない
ような新たな関連性を持つ情報が提供される。

【００９９】さらに、専門連想辞書は常に何らかの特定
の学問的分野に限定して構築される必要はない。たとえ
ば、特定の個人に対して特に分野を限定することなくさ
まざまな連想を行なってもらい、これに基づいて連想辞
書が構築されれば、この連想辞書はその個人の思考の思
考性を持つものとなる。このような連想辞書が用いられ
れば、その連想辞書を構築した本人がいなくても、本装
置が用いられることで、ある情報からその人ならこう連
想してこのような情報を提供するだろうというような、
特定個人の連想傾向が模倣されることとなる。すなわ
ち、連想辞書の構築の仕方によって、本装置に個性のよ
うなものを持たせることができると思われる。

【０１００】さらに、実施例ではバーチャルリアリティ
技術に適用できるような臨場感通信会議システムに対し
ての情報検索装置について説明したが、関連性はある
が、同時に検索意図と異なる異質な情報を制御しつつ抽
出すべき検索が必要な場合には、本装置は有効である。

【０１０１】さらに、連想記憶部に記憶されるそれぞれ
が異なる複数の連想辞書の連想情報のいずれかが、必ず
しもデータベースに登録される登録文情報と一致する必
要はない。

【０１０２】

【発明の効果】以上のようにこの発明によれば、複数の
連想情報が用いられて、検索意図と異なる想起情報を複
数の連想情報に依存させて制御できるので、たとえば特
定の分野に依存した想起情報によって発想のきっかけと
なるような情報がデータベースから提供される。

【図面の簡単な説明】

【図１】この発明の一実施例による情報検索装置の概略
ブロック図である。

【図２】図１の連想記憶部の内部構成を示した図であ
る。

【図３】この発明の他の実施例による情報検索装置の連
想記憶部の内部構成を示した図である。

【図４】この発明のさらに他の実施例による情報検索装
置の連想記憶部の内部構成を示した図である。

【図５】実験で用いられたアンケートの例を示した図で
ある。

【図６】実験で用いられたテーマ、興味、意見を示した
図である。

【図７】実験で用いられる４種類のアルゴリズムを示し
た図である。

【図８】実験で用いられた検索ベクトルおよび図７のそ
れぞれのアルゴリズムによって想起されたベクトルを示
した図である。

【図９】図７（ａ）に示すアルゴリズムによって抽出さ
れた記事を示した図である。

【図１０】図７（ｂ）に示されるアルゴリズムによって
抽出された記事を示した図である。

【図１１】図７（ｃ）に示されたアルゴリズムによって
抽出された記事を示した図である。

【図１２】図７（ｄ）に示されたアルゴリズムによって
抽出された記事を示した図である。

【図１３】臨場感通信会議システムを示した図である。

【図１４】門外漢を示した図である。

【図１５】従来の情報検索装置の概略ブロック図であ
る。

【図１６】図１５の連想記憶部の内部構成を示した図で
ある。

【符号の説明】

５１情報検索装置５３想起情報抽出部５５，６１，６５連想記憶部５７専門連想辞書６７連想辞書３５一般連想辞書

フロントページの続き (56)参考文献特開平１−224863（ＪＰ，Ａ) 特開平５−113967（ＪＰ，Ａ) 特開平６−96118（ＪＰ，Ａ) 西本一志ほか、発散的発想支援−以外性のある情報の提供手法に関する検討 −、人工知能学会研究会資料（ＳＩＧ− ＨＩＣＧ−9301−１）、人工知能学会、平成５年５月21日渡部勇、発散的指思考の計算機支援、情報処理学会研究報告ヒューマンインターフェース29−４、ｐ１−、1990．03. 09 折原良平、発散的思考支援ツールの研究開発動向、人工知能学会誌ｖｏｌ８Ｎｏ．５，ｐ560−，平成５年９月河越正弘ほか、創造システムに関する基礎的考察、情報処理学会第36回（昭和 63年前記）全国大会、ｐ1389−1890、昭和63年西本一志ほか、発想支援システムに関する一考察、情報処理学会第46回（平成５年前期）全国大会、ｐ６−283、平成５年 (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06F 17/30

Claims

(57)【特許請求の範囲】

【請求項１】一般分野に属する一般登録文、専門分野
に属する専門登録文、および検索文を構文解析し、前記
一般登録文を表わす一般登録キーワード、前記専門登録
文を表わす専門登録キーワード、および前記検索文を表
わす検索キーワードにそれぞれ変換する構文解析手段
と、前記一般登録キーワードおよび前記専門登録キーワード
を連想記憶して一般連想辞書および専門連想辞書をそれ
ぞれ生成し、前記検索キーワードに応じて前記一般連想
辞書および前記専門連想辞書から想起キーワードを想起
する連想記憶手段と、前記一般登録文と前記一般登録キーワードとを対応付け
て登録し、前記専門登録文と前記専門登録キーワードと
を対応付けて登録するデータベースと、前記データベースに登録されたキーワードのうち前記想
起キーワードに関連するキーワードに対応付けられた登
録文を前記データベースから抽出するデータベース管理
手段とを含む、情報検索装置。
【請求項２】前記連想記憶手段は、前記検索キーワー
ドに応じて前記専門連想辞書から第１のキーワードを想
起し、その第１のキーワードに応じて前記一般連想辞書
から第２のキーワードを想起し、その第２のキーワード
を前記想起キーワードとして出力する、請求項１に記載
の情報検索装置。
【請求項３】前記連想記憶手段は、前記検索キーワー
ドに応じて前記専門連想辞書から第１のキーワードを想
起し、前記検索キーワードおよび前記第１のキーワード
に応じて前記一般連想辞書から第２のキーワードを想起
し、その第２のキーワードを前記想起キーワードとして
出力する、請求項１に記載の情報検索装置。
【請求項４】前記連想記憶手段は、前記一般連想辞書
と前記専門連想辞書とを融合して融合連想辞書を生成
し、前記検索キーワードに応じて前記融合連想辞書から
キーワードを想起し、そのキーワードを前記想起キーワ
ードとして出力する、請求項１に記載の情報検索装置。