JP2935877B2

JP2935877B2 - 文書検索装置

Info

Publication number: JP2935877B2
Application number: JP2211179A
Authority: JP
Inventors: 雅子望主
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1990-08-08
Filing date: 1990-08-08
Publication date: 1999-08-16
Anticipated expiration: 2014-08-16
Also published as: JPH0496176A

Description

【発明の詳細な説明】産業上の利用分野本発明は、文書や画像などの情報を自由キーワードと
対応して蓄積しておき、自由キーワードを指定すること
により、必要な情報を取り出すようにした文書検索装置
に関する。

従来の技術大量の情報から希望する情報を検索する場合、予め個
々の情報に対してキーワードを付与しておき、検索時に
キーワードを指定してそのキーワードと一致する語をキ
ーワードとする情報を取り出してくる方法が一般的であ
る。キーワード付与については、予めキーワードを指定
しておく統制キーワード方式と、キーワードを前もって
指定せずに登録したい情報に自由に付与する自由キーワ
ード方式とがある。自由キーワード方式の場合、情報を
取り出す時に指定するキーワードと情報に既に付いてい
るキーワードとの登録の仕方の違いから、欲しい文書を
取り出すことができないことがある。これは、個人で使
用する場合もさることながら、複数の人間によって使用
される場合には顕著である。

このような点を改良したものとして、例えば特開昭62
−247462号公報に示されるものがある。これは、登録・
検索時に入力されたキーワードが既に記憶されているキ
ーワードの部分連糸である場合にそれを抽出し、ソーテ
ィングして表示させるようにしたものである。これによ
れば、部分連糸である場合には抽出され、ユーザは抽出
結果に基づき、キーワードを訂正することでキーワード
のばらつきを防ぐことができる。しかし、指定キーワー
ドが部分連糸でなければ検出されない。例えば、「高速
画像処理プロセッサー」と入力した場合、記憶済みのキ
ーワードに「画像処理プロセッサー」があっても検出さ
れないことになる。つまり、入力キーワードの登録単位
がより短くないと検出できないものである。また、単に
部分連糸の一致によるので、構成単語の順番が違う場合
も検出できない。

また、登録の違いによる検索漏れはキーワードが複合
語である場合に起こりやすい。これは、複合語が漢字、
片仮名、英字を比較的自由に組合せたものであり、同じ
ような意味のことを表現するにもその組合せの順番や構
成単語に若干の違いを生ずることが多い。このような複
合語などの登録単位の違いによる検索漏れを解消するた
めに、キーワード登録時に複合語の部分文字列も同様に
キーワードとして登録するようにしたものが情報処理学
会第35回（昭和62年後期）全国大会の論文集中の「日本
語文章からのキーワード自動抽出」（p.1277〜1278）に
より報告されている。これは、複合語の構成単語を組合
せて複合語を生成するものである。この方法によれば、
登録単位の違いによる検索漏れをかなり解消し得るもの
の、逆に、新たに生成した複合語によって、本来欲しい
と思う文書以外のものが検索されてしまうというノイズ
が増える。例えば、「高速マイクロプロセッサー」とい
うキーワードを指定すると「高速」という語もキーワー
ドとして登録され、他の文書で「高速」を含む語をキー
ワードとしている場合（例えば、「高速移動装置」や
「高速ミニコンピュータ」などの語）は、これも検索さ
れてしまう。

発明が解決しようとする課題即ち、従来方式によると、登録単位の違いにより検索
できないことがある。また、登録単位の違いを部分文字
列の一致で検出するものでは、入力キーワードのほうが
短い場合でないと検出できず、かつ、構成順序が同じで
ないと検出できない。一方、登録単位の違いを解消する
部分単語により生成した複合語キーワードでは所望の文
書以外のものも取り出してしまい、ノイズが増え、適合
率を下げる一因となる。

課題を解決するための手段文書ファイルに文書情報を登録する際に前記文書ファ
イルにキーワードを関連付けて記憶させ、関連するキー
ワードを指定することにより登録した情報を検索するよ
うにした文書検索装置において、文書に関連付けられたキーワードからなり、各キーワ
ードは構成単語に分割され、この各構成単語には評価値
を付与してなるキーワードリストと、少なくとも単語の表記とその単語がキーワードの構成
要素であるときキーワードの構成位置又はキーワードの
本質的な構成要素となるかどうかに応じた重みをあらわ
す評価値とを記憶した単語辞書と、この単語辞書を用いて、指定されたキーワードを構成
単語に分割し、各構成単語が該キーワードのどの位置に
あるかをもとに該構成単語の評価値を決定するキーワー
ド単語分割部と、該キーワード単語分割部によって得た構成単語と前記
文書に付与されているキーワードリストの構成単語とを
比較する構成単語比較部と、前記構成単語比較部の比較で用いた指定されたキーワ
ードと文書に付与されたキーワードリストの中のキーワ
ードとの各構成単語の評価値と、一致した構成単語の評
価値とから類似度を計算する類似度算出部と、を備え、前記類似度算出部で計算された類似度があらか
じめ与えられた閾値より大きい場合、該文書は指定され
たキーワードを有するものとするようにした。

作用キーワード入力時に類似キーワード検出手段により登
録済みのキーワード中から類似するキーワードが検出さ
れるので、入力キーワードを適切に訂正でき、検索漏れ
や登録単位の違いによる検索漏れを防ぐことができる。

特に、キーワードの構成単語の比較によれば、入力キ
ーワードと登録済みキーワードとの登録単位、長さ、順
序に関係なく類似するキーワードを抽出でき、より適切
なキーワードの訂正入力が可能となる。

これは、構成単語の比較のみならず、構成単語の性質
と構成位置も考慮することにより、より適切な類似判断
となり、適切なキーワード訂正入力が可能となる。

実施例本発明の一実施例を図面に基づいて説明する。第２図
はキーワードにより検索を行う文書検索システムの構成
を示すもので、文書情報を格納した文書ファイル１と、
登録又は検索のためにキーワードを入力する入力部２
と、文書情報に関連付けてキーワードを付与するキーワ
ード登録部３と、入力されたキーワードに基づいて文書
ファイル１から文書情報を検索する検索部４とよりな
る。

前記文書ファイル１にはキーワード登録部３によって
文書に付けられたキーワードリスト５がある。キーワー
ドリスト５は文書ファイル１に登録された文書に関連付
けて登録されたキーワードのリストであり、例えば第３
図に示すようなものである。ここに、キーワードは単語
分割され、各単語にその構成位置を考慮した評価値が付
与されている。

しかして、本実施例では、検索部４中に類似キーワー
ド検出部（類似キーワード検出手段）６が設けられてい
る。この類似キーワード検出部６は、例えば第１図に示
すようにキーワード単語分割部７と構成単語比較部８と
類似度算出部９と類似キーワード抽出部10とよりなる。
まず、入力されたキーワードはキーワード単語分割部７
により単語辞書11を用いて構成単語に分割され、構成単
語の位置に応じた評価値が付与される。このため、単語
辞書11は第４図に示すように、単語表記と類似度を算出
するための語毎の評価値を格納したものである。評価値
はその語の構成位置、即ち、複合語の末に位置するとき
と（後）、そうでないとき（前）とで、数値を変えてあ
る。また、キーワードとして本質的でない語（例えば、
「高速」）には低い評価値が付与されている。ついで、
このように分割された構成単語を基に構成単語比較部８
でキーワードリスト５中に登録済みのキーワード構成単
語と比較される。さらには、類似度算出部９で入力キー
ワードとキーワードリスト５中のキーワードとの各構成
単語との類似度を、付与された評価値を用いて算出す
る。即ち、各構成単語が一致していれば評価値を加算
し、所定の評価式に基づき算出する。このように算出さ
れた類似度が所定値以上のものを類似キーワード抽出部
10により類似キーワードと判定して抽出する。

いま、具体例をもって類似キーワードの抽出を説明す
る。

具体例１入力キーワードを「高速画像処理プロセッサー」とす
る。まず、単語辞書11を用いて単語分割すると、構成単
語の区切りは「高速｜画像｜処理｜プロセッサー」で、
各々の評価値は０、１、0.5、0.5となる。ついで、キー
ワードリスト５中の語と比較する。すると、「画像｜処
理｜プロセッサー」は全て一致している。また、類似度
算出部９では評価式を、例えば（一致した語の評価値の
和）／（各単語の評価値の和）とすると、4/4で１とな
る。また、「高速｜移動｜システム」は一致する語が
「高速」だけであり、評価値が０なので、類似度は０と
なる。類似キーワード抽出部10では評価値からある一定
値のものだけを類似キーワードとして抽出する。ここで
は、閾値を0.8とすると、「画像処理プロセッサー」が
類似キーワードとして抽出される。

具体例２入力キーワードを「画像プロセッサー」とする。ま
ず、単語辞書11を用いて単語分割すると、構成単語の区
切りは「画像｜プロセッサー」で、各々の評価値は１、
0.5となる。ついで、キーワードリスト55中の語と比較
する。すると、「画像｜処理｜プロセッサー」は「画
像」と「プロセッサー」とが一致している。また、類似
度算出部９では前述した評価式により3/3.5で0.85とな
る。類似キーワード抽出部10では閾値0.8以上である
「画像処理プロセッサー」を類似キーワードとして抽出
する。

何れにしても、入力キーワードに対して類似するキー
ワードが検出されるので、ユーザとしては登録されてい
るキーワードの状態に適切に訂正することができる。

発明の効果本発明は、上述したようにキーワード入力時に類似キ
ーワード検出手段により登録済みのキーワード中から類
似するキーワードを検出するようにしたので、入力キー
ワードを適切に訂正でき、検索漏れや登録単位の違いに
よる影響を防ぐことができ、特に、キーワードの構成単
語の比較を行う類似キーワード検出手段によれば、入力
キーワードと登録済みキーワードとの登録単位、長さ、
順序に関係なく類似するキーワードを抽出でき、より適
切なキーワードの訂正入力が可能となるものである。

【図面の簡単な説明】

図面は本発明の一実施例を示すもので、第１図は類似キ
ーワード検出部の構成を示すブロック図、第２図は検索
装置全体の構成を示すブロック図、第３図はキーワード
リストの構造図、第４図は単語辞書の構造図である。６……類似キーワード検出手段

Claims

(57)【特許請求の範囲】

【請求項１】文書ファイルに文書情報を登録する際に前
記文書ファイルにキーワードを関連付けて記憶させ、関
連するキーワードを指定することにより登録した情報を
検索するようにした文書検索装置において、文書に関連付けられたキーワードからなり、各キーワー
ドは構成単語に分割され、この各構成単語には評価値を
付与してなるキーワードリストと、少なくとも単語の表記とその単語がキーワードの構成要
素であるときキーワードの構成位置又はキーワードの本
質的な構成要素となるかどうかに応じた重みをあらわす
評価値とを記憶した単語辞書と、この単語辞書を用いて、指定されたキーワードを構成単
語に分割し、各構成単語が該キーワードのどの位置にあ
るかをもとに該構成単語の評価値を決定するキーワード
単語分割部と、該キーワード単語分割部によって得た構成単語と前記文
書に付与されているキーワードリストの構成単語とを比
較する構成単語比較部と、前記構成単語比較部の比較で用いた指定されたキーワー
ドと文書に付与されたキーワードリストの中のキーワー
ドとの各構成単語の評価値と、一致した構成単語の評価
値とから類似度を計算する類似度算出部と、を備え、前記類似度算出部で計算された類似度があらか
じめ与えられた閾値より大きい場合、該文書は指定され
たキーワードを有するものとすることを特徴とする文書
検索装置。