JP3173411B2

JP3173411B2 - 関連文書検索装置及び関連文書検索プログラムを記録した記録媒体

Info

Publication number: JP3173411B2
Application number: JP06261097A
Authority: JP
Inventors: 博増市; 宏梅基; 昌一舘野
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1997-03-17
Filing date: 1997-03-17
Publication date: 2001-06-04
Anticipated expiration: 2017-03-17
Also published as: US6076086A; JPH10260972A

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は関連文書検索装置及
び関連文書検索プログラムを記録した記録媒体に関し、
特に検索式とキーワードとの間の類似関係を考慮して関
連文書検索を行う関連文書検索装置及びコンピュータを
検索式とキーワードとの間の類似関係を考慮した関連文
書検索装置として機能させるための関連文書検索プログ
ラムを記録した記録媒体に関する。

【０００２】

【従来の技術】膨大な量の文書を対象とした検索システ
ムでは、一般にキーワードによる検索方式が用いられて
いる。検索条件として任意のキーワード（検索語）を検
索システムに入力すると、文書内容に検索語を含む全て
の文書が検索結果として得られる。この方式による検索
は、全文検索と呼ばれている。また、各文書に対して検
索用のキーワードを予め付加しておき、入力された検索
語と一致するキーワードが付加された文書を検索結果と
する方式も広く用いられている。

【０００３】ところが、上記の検索システムでは、ユー
ザによって入力された検索語と完全に一致する語を含ん
でいる文書か、あるいは、検索語と完全に一致する語が
検索用のキーワードとして付加されている文書しか検索
結果として得ることができない。したがって、これらの
検索システムでは、検索語とキーワード間の完全一致が
要求されるため、ユーザが求める全ての文書を網羅的に
得ることができるものであるとはいえない。そこで、ユ
ーザから入力された検索語に完全一致する検索結果のみ
を出力するのではなく、検索語の要請する検索結果に意
味的に類似する検索結果をも併せて出力する、いわゆる
関連文書検索の技術が提案されている。

【０００４】関連文書検索は、単語間に、類似度と呼ば
れる「類似性を何らかの尺度で定量化した値」を設定す
ることによって実現できる。ユーザから検索語が入力さ
れると、検索語との間で類似度の値が高く設定されてい
る語（類似語）を多く含む文書（適合度が高い文書）を
出力することによって関連文書検索が実現できる。関連
文書検索は、完全一致型の検索と比較して、（１）より漏れの少ない検索が可能となる。（２）検索結果を適合度順に出力できる。といった利点がある。

【０００５】ところで、一般のキーワード検索システム
では、検索語を”ａｎｄ”、”ｏｒ”等の論理演算子で
繋げた検索式を用いて検索を行う。したがって、関連文
書検索を検索システムで実際に利用するためには、単一
の検索語ではなく、検索式に対応した類似度計算を行う
必要が生じる。すなわち、「検索式と文書の間の類似
度」の計算を実現する必要がある。以下の説明では、
「検索式と文書の間の類似度」を関連度と呼ぶことにす
る。

【０００６】検索式に対応した関連度計算を行うことに
よって関連文書検索を実現する従来技術として、「特開
平２−４１５６４号公報」に記載された発明を挙げるこ
とができる。例えば、「word１」「word２」「word３」
をキーワードであるとし、検索式が「( word１）ｏｒ
（word２）ｏｒ（word３）」の場合の、上記発明におけ
る関連文書検索の手順は以下の通りである。

【０００７】第１の手順として、あらかじめ全てのキー
ワードの２項間に類似度を設定しておく。ここで、キー
ワード「wordａ」と「wordｂ」の間の類似度をＳ（ａ，
ｂ）（＝Ｓ（ｂ，ａ））と表すものとする。

【０００８】第２の手順として、文書Ｄｉに含まれるキ
ーワード群｛wordｉ₁，wordｉ₂，・・・，wordｉ_m｝
と「word１」「word２」「word３」の各キーワード間の
類似度Ｒｉ₁，Ｒｉ₂，Ｒｉ₃を、次式によって求め
る。

【０００９】

【数１】

【００１０】第３の手順として、文書Ｄｉと検索式
「（word１）ｏｒ（word２）ｏｒ（word３）」との関連
度Ｋｉを次式によって求める。

【００１１】

【数２】

【００１２】第４の手順として、文書Ｄｉに対する第２
の手順及び第３の手順の処理を、全ての検索対象文書に
ついて行い、Ｋｉの値の大きいものに対応する文書Ｄｉ
から順に出力する。

【００１３】以上の手順によって、検索式「（word１）
ｏｒ（word２）ｏｒ（word３）」に完全一致する文書の
みでなく検索式に類似する文書も含めて、関連度順に検
索結果の出力を行うことが可能となる。

【００１４】

【発明が解決しようとする課題】しかし、従来の関連文
書検索技術では、単語の２項関係に予め設定された類似
度に基づいて関連度の計算を行っているため、以下のよ
うな問題点があり、実用的な関連文書検索を行うことが
困難である。

【００１５】第１の問題点は、検索式の論理式による結
合関係を反映した検索結果が得られないことである。す
なわち、単語の２項関係に対して定義された類似度に基
づいて関連度（「検索式と文書の間の類似度」）の計算
を行った場合、検索式中の各キーワードの論理演算子に
よる結合関係を関連度に反映させるためには、２単語間
の類似度値に対して代数計算を施すことによって類似度
計算を行うしか方法がない。しかしながら、検索式中の
各キーワードの結合関係一般を、代数計算によって表現
することは困難である。したがって、単語の２項関係に
対する類似度値のみからは、論理演算子によって結合さ
れた検索式に対する適切な関連文書検索結果を得ること
ができない。

【００１６】例えば、検索式として「（飛行機）ｏｒ
（航空機）ｏｒ（旅客機）ｏｒ（船）」が与えられた場
合を考える。従来の関連文書検索技術では、「飛行
機」、「航空機」、「旅客機」、「船」の各キーワード
に対応する類似度の値の和を求めることによって、検索
式「（飛行機）ｏｒ（航空機）ｏｒ（旅客機）ｏｒ
（船）」と各文書の間の関連度を決定する。この計算方
法によれば、「飛行機」「航空機」「旅客機」「船」の
それぞれに対応する類似度の値は等しく取り扱われるこ
とになる。すると、「飛行機」「航空機」および「旅客
機」の類似語（類似度の値の高い語）は共通するものが
多いため、関連文書検索の結果は、キーワード「飛行
機」（「航空機」「旅客機」）に関連する文書が多くな
り、「船」と関連する文書は少なくなってしまう。すな
わち、ユーザがたまたま同義語として多くの語を思い浮
かべることができた語ほど、関連度に極端に大きな影響
を与える結果となってしまう。

【００１７】また、検索式として「（飛行機）ｏｒ
（船）」が与えられた場合の例を考える。従来の関連文
書検索技術では、「飛行機」、「船」の各キーワードに
対応する類似度の値の和を求めることによって、検索式
「（飛行機）ｏｒ（船）」と各文書の間の関連度を決定
する。したがって、関連文書検索の結果は、「飛行機」
あるいは「船」のいずれかに関連する文書よりも、「飛
行機」および「船」の両者に関連する文書が優先され
る。しかしながら、検索式「（飛行機）ｏｒ（船）」
は、「飛行機」「船」のいずれかが含まれていることの
みを意味するものであって、「飛行機」「船」の両者に
関連性の高い文書を優先して検索結果とすることは適切
であるとはいえない。「飛行機」「船」の両者と関連度
の高い文書を優先的に検索結果とすることは、むしろ検
索式「（飛行機）ａｎｄ（船）」に対応するものと考え
ることができる。

【００１８】第２の問題点は、検索式に含まれた書誌的
事項の指定を有効に活用した検索を行う事ができないこ
とである。すなわち、実際の検索システムで使用される
検索式は、キーワードのみではなく、各種書誌的事項の
指定も含むことが多い。従来の関連文書検索技術では、
予め設定された単語の２項関係のみに基づいて関連度を
決定する。したがって、関連度計算の対象と成り得る検
索式は、キーワードのみから構成されるものに限定され
てしまう。

【００１９】例えば、検索式「（ＰＤ＝１９９５０１０
１：１９９５１２３１）ａｎｄ（ＦＫ＝ゲーム）」によ
る関連文書検索を行った場合を考える。なお、この検索
式は、「１９９５年中に発行され、かつ、キーワード
「ゲーム」を含む文書集合」を意味するものとする。こ
の場合、関連文書検索の結果として望まれるのは、「１
９９５年中に発行され、かつ、ゲームについて書かれた
文書」と関連する文書であり、たとえ１９９４年に発行
された文書であっても検索結果として取得したい。

【００２０】しかしながら、従来の関連文書検索技術で
は、このような検索式には対応できない。仮に、キーワ
ード「ゲーム」の関連文書を得た後に「１９９５年中に
発行された文書」という条件で絞り込んだとしても、
「年度にかかわらずゲームについて書かれた文書」と関
連する文書のうち、「１９９５年度に発行された文書」
が得られることになり、適切な関連文書検索結果となら
ない。

【００２１】本発明はこのような点に鑑みてなされたも
のであり、検索式の論理式による結合関係を反映した関
連文書検索を行うことができる関連文書検索装置を提供
することを目的とする。

【００２２】

【００２３】

【課題を解決するための手段】本発明では上記課題を解
決するために、入力された検索条件に関連する文書を検
索する関連文書検索装置において、複数の文書を、各文
書から抽出された被抽出キーワードと対応づけて格納す
る文書情報格納手段と、複数の検索キーワードを論理演
算子で結合した検索式を受け取る検索式取得手段と、前
記文書情報格納手段に格納されている被抽出キーワード
の中から、類似度の判断対象とすべき複数の判断対象キ
ーワードを特定し、前記文書情報格納手段に格納されて
いる全ての文書の数である第１の値と、前記文書情報格
納手段に格納されている文書の中で、前記検索式取得手
段が受け取った検索式に適合する文書の数である第２の
値と、前記文書情報格納手段に格納されており、かつ前
記検索式取得手段が受け取った検索式に適合する文書の
中で、個々の判断対象キーワードを含んでいる文書の数
である判断対象キーワードごとの第３の値と、前記文書
情報格納手段に格納されている文書の中で、個々の判断
対象キーワードを含んでいる文書の数である判断対象キ
ーワードごとの第４の値とを計算する文書数計算手段
と、前記文書数計算手段が算出した第１の値、第２の
値、判断対象キーワードごとの第３の値及び判断対象キ
ーワードごとの第４の値を変数とする計算式に基づい
て、前記検索式取得手段が受け取った検索式と各判断対
象キーワードとの間の類似度を算出する類似度計算手段
と、各判断対象キーワードを被抽出キーワードとして有
している文書に関する関連文書情報を前記文書情報格納
手段から取得し、前記類似度計算手段から得られる判断
対象キーワードごとの類似度と前記関連文書情報とに基
づいて、前記検索式取得手段が受け取った検索式と前記
文書情報格納手段に格納されている各文書との間の関連
度を算出する関連度計算手段と、を有することを特徴と
する関連文書検索装置が提供される。

【００２４】このような関連文書検索装置によれば、複
数の検索キーワードを論理演算子で結合した検索式をユ
ーザが入力すると、その検索式は検索式取得手段で受け
取られる。すると、文書数計算手段により、第１の値、
第２の値、判断対象キーワードごとの第３の値及び判断
対象キーワードごとの第４の値が算出される。次に、類
似度計算手段により、第１の値、第２の値、判断対象キ
ーワードごとの第３の値及び判断対象キーワードごとの
第４の値を変数とする計算式に基づいて、ユーザが入力
した検索式と各判断対象キーワードとの間の類似度が算
出される。そして、関連度計算手段により、ユーザが入
力した検索式と文書情報格納手段に格納されている各文
書との間の関連度が算出される。これにより、検索式と
各キーワードの間の類似度が直接的に求められ、検索式
の論理式による結合関係を反映した関連度が得られる。

【００２５】

【００２６】

【００２７】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。図１は本発明の原理構成図であ
る。

【００２８】文書情報格納手段１は、複数の文書を、各
文書から抽出された被抽出キーワードと対応づけて格納
する。なお、被抽出キーワードの中には、各文書の書誌
的事項を含めることができる。

【００２９】検索式取得手段２は、複数の検索キーワー
ドを論理演算子で結合した検索式を受け取る。この検索
式において、書誌的事項の指定を論理演算子で結合して
もよい。

【００３０】文書数計算手段３は、文書情報格納手段１
に格納された複数の被抽出キーワードの中から、類似度
の判断対象とすべき複数の判断対象キーワードを特定
し、検索式取得手段２が受け取った検索式に応じた各種
文書数として、以下に示す様な第１の値、第２の値、判
断対象キーワードごとの第３の値、及び判断対象キーワ
ードごとの第４の値を計算する。なお、判断対象キーワ
ードとしては、例えば、検索式に適合する文書から抽出
された被抽出キーワードを用いる。ただし、これに限ら
ず、利用者が任意に入力したキーワードを判断対象キー
ワードとしてもよい。

【００３１】第１の値は、文書情報格納手段１に格納さ
れている全ての文書の数である。第２の値は、文書情報
格納手段１に格納されている文書の中で、検索式取得手
段２が受け取った検索式に適合する文書の数である。

【００３２】判断対象キーワードごとの第３の値は、文
書情報格納手段１に格納されており、かつ検索式取得手
段２が受け取った検索式に適合する文書の中で、個々の
判断対象キーワードを含んでいる文書の数である。

【００３３】判断対象キーワードごとの第４の値は、文
書情報格納手段１に格納されている文書の中で、個々の
判断対象キーワードを含んでいる文書の数である。類似
度計算手段４は、文書数計算手段３が算出した第１の
値、第２の値、判断対象キーワードごとの第３の値及び
判断対象キーワードごとの第４の値を変数とする計算式
に基づいて、検索式取得手段２が受け取った検索式と各
判断対象キーワードとの間の類似度を算出する。

【００３４】関連度計算手段５は、各判断対象キーワー
ドを被抽出キーワードとして有している文書に関する関
連文書情報を文書情報格納手段１から取得し、類似度計
算手段４から得られる判断対象キーワードごとの類似度
と関連文書情報とに基づいて、検索式取得手段２が受け
取った検索式と文書情報格納手段１に格納されている各
文書との間の関連度を算出する。

【００３５】このような関連文書検索装置によれば、ユ
ーザが複数の検索キーワードを論理演算子で結合した検
索式を入力すると、その検索式が検索式取得手段２で受
け取られる。すると、文書数計算手段３により、第１の
値、第２の値、判断対象キーワードごとの第３の値及び
判断対象キーワードごとの第４の値が計算される。次
に、類似度計算手段４により、検索式取得手段２が受け
取った検索式と各判断対象キーワードとの間の類似度が
算出される。そして、関連度計算手段５により、検索式
取得手段２が受け取った検索式と文書情報格納手段１に
格納されている各文書との間の関連度が算出される。

【００３６】このようにして算出された関連度は、従来
の関連文書検索技術における２つの問題点を解決してい
る。それは以下のような理由による。すなわち、上記の
第１の問題点、第２の問題点は、キーワードの２項間の
類似度に基づいて関連度（「検索式と文書間の類似
度」）を計算する点に起因して生じるものである。これ
に対し、本発明では、検索式と各キーワードの間の類似
度を直接求めている。これによって、検索式の作成意図
に一致する文書を関連文書検索の結果として出力するこ
とが可能となる。

【００３７】さらに、本発明では、検索式と各キーワー
ドの間の類似度を直接求めるものであるため、検索式に
各種書誌的事項を含んでいても、検索式とキーワード
（書誌的事項も含む）との間の類似度も的確に計算する
ことができる。したがって、書誌的事項を含んだ検索式
による関連文書検索を、的確に行うことができる。

【００３８】なお、本発明の類似度計算手段４では、本
来単語間の類似度として用いる統計量である相互情報
量、Ｄｉｃｅ−ｃｏｅｆｆｉｃｅｎｔおよびｔ−ｓｃｏ
ｒｅを拡張することによって、検索式と単語の間の類似
度計算を実現する。相互情報量、Ｄｉｃｅ−ｃｏｅｆｆ
ｉｃｅｎｔおよびｔ−ｓｃｏｒｅを単語間の類似度計算
に用いた例として、「春野，山崎：辞書と統計を用いた
対訳アライメント，情報処理学会自然言語処理研究会研
究報告，９６−ＮＬ−１１２，ｐｐ．２３−３０（１９
９６）」、「大森，堤，中西：統計情報を用いた対訳単
語辞書の作成，言語処理学会第２回年次大会発表論文
集，ｐｐ．４９−５２（１９９６）」等を挙げることが
できる。

【００３９】以下に、相互情報量などを本願発明に適用
するための拡張方法について説明する。単語ｗｏｒｄ１
とｗｏｒｄ２の間の相互情報量（ＭＩ）は、

【００４０】

【数３】

【００４１】と定義される。ただし、全検索対象文書数
をＭ、ｗｏｒｄ１とｗｏｒｄ２を共に含む文書数をａ、
ｗｏｒｄ１のみを含む文書数をｂ、ｗｏｒｄ２のみを含
む文書数をｃとした場合、

【００４２】

【数４】

【００４３】

【数５】

【００４４】

【数６】

【００４５】である。これに対して本発明では、検索式
Ｓと単語ｗｏｒｄの間の相互情報量（ＭＩ₀）を、

【００４６】

【数７】

【００４７】と定義する。ただし、全検索対象文書数を
Ｍ、ｗｏｒｄを含みかつ検索式Ｓから得られる文書の数
をａ₀、検索式Ｓから得られる文書のうちｗｏｒｄを含
まない文書の数をｂ₀、ｗｏｒｄを含む文書のうち検索
式Ｓから得られる文書を除いた文書の数をｃ₀とした場
合、

【００４８】

【数８】

【００４９】

【数９】

【００５０】

【数１０】

【００５１】である。ここで、「Ｍ」が図１の説明中の
「第１の値」に相当し、「ａ₀＋ｂ₀」が「第２の値」
に相当し、「ａ₀」が「第３の値」に相当し、「ａ₀＋
ｃ₀」が「第４の値」に相当する。したがって、式
（７）は、

【００５２】

【数１１】

【００５３】とすることにより、「第１の値」、「第３
の値」、「第３の値」及び「第４の値」を変数とする計
算式となる。相互情報量と同様に単語間の類似度を求め
る統計量として、Ｄｉｃｅ−ｃｏｅｆｆｉｃｅｎｔおよ
びｔ−ｓｃｏｒｅを挙げることができる。Ｄｉｃｅ−ｃ
ｏｅｆｆｉｃｅｎｔ（ＤＣ）およびｔ−ｓｃｏｒｅ（Ｔ
Ｓ）は、

【００５４】

【数１２】

【００５５】

【数１３】

【００５６】と定義される。これらについても、相互情
報量と同様に、検索式と単語の間の類似度計算するため
に以下のような拡張を施すことが可能である。

【００５７】

【数１４】

【００５８】

【数１５】

【００５９】ＭＩ₀（Ｓ，word），ＤＣ₀（Ｓ，wor
d），ＴＳ₀（Ｓ，word）のいずれも、その値が大きい
ほど検索式Ｓと単語ｗｏｒｄの間に高い類似性があるこ
とを意味する。以後、ＭＩ₀（Ｓ，word）を「拡張相互
情報量」、ＤＣ₀（Ｓ，word）を「拡張ＤＣ」、ＴＳ₀
（Ｓ，word）を「拡張ＴＳ」と呼ぶこととする。なお、
相互情報量と同様に、拡張ＤＣと拡張ＴＳとをそれぞ
れ、

【００６０】

【数１６】

【００６１】

【数１７】

【００６２】と表すことができる。式（１６）から分か
るように、拡張ＤＣを求める際には、全検索対象文書数
Ｍは不要である。ここで、例えば、利用者が日本から海
外へ渡航するための交通手段に関する文書を探している
場合を考える。この場合、利用者は、渡航手段を表すキ
ーワードを検索式として入力する。このとき、利用者が
たまたま飛行機関連のキーワードを多く思い浮かべるこ
とができたとすると、「（飛行機）ｏｒ（航空機）ｏｒ
（旅客機）ｏｒ（船）」のような検索式が与えられるこ
とがある。なお、広範囲の文書の中から関連文書を検索
するには、なるべく多くのキーワードを検索式に含める
ことが望ましいため、船の類義語が思いつかないからと
いって、飛行機の類義語をキーワードから除外すべきで
はない。

【００６３】上記の検索式が入力された場合の、本発明
による関連文書検索と従来の技術による関連文書検索と
の関連度計算の差違について、以下に説明する。図２
は、従来の技術と本発明における関連度計算の差異を示
した概念図である。（Ａ）は従来の関連文書検索技術に
よる検索結果を示し、（Ｂ）は本発明に係る関連文書検
索技術による検索結果を示している。

【００６４】従来の関連文書検索技術では、「飛行機」
「航空機」「旅客機」「船」の各キーワードを含む文書
（あるいは、各キーワードを含む文書から式（３）等に
よって得られる各キーワードの類似語を含む文書）をそ
れぞれ別個に求め、その後、和演算による代数的な関連
度計算を行う。その結果、（Ａ）に示すように、「飛行
機」を含む文書集合１１、「航空機」を含む文書集合１
２、「旅客機」を含む文書集合１３、及び「船」を含む
文書集合１４には、それぞれ重複した部分がある。重複
部分では、各キーワードごとに求められた関連度の総計
が、重複部分に含まれる文書と検索式との関連度とな
る。ところが、「飛行機」、「航空機」及び「旅客機」
の間では重複部分が多いため、「飛行機」に関連する文
書ほど関連度が高いと判断される。したがって、関連度
の値は、検索式の本来の意図とは無関係に、各キーワー
ドに対応する集合の重なりの大きい部分に依存して決定
されてしまう。

【００６５】これに対して、本発明の関連文書検索装置
では、検索式の意味する文書集合１５から直接類似語を
求めるため、検索式が意図する文書集合に対して適切な
関連文書を得ることができる。すなわち、飛行機関連の
キーワードを多く入力したからといって、飛行機関連の
文書に偏重した検索結果となることはない。

【００６６】また、本発明の関連文書検索装置によれ
ば、各種書誌的事項による指定をキーワードと全く同様
に検索式に含めることが可能となる。例えば、日付や著
者等の書誌的事項を含めた検索式が入力された場合で
も、適切な関連文書検索を行うことができる。書誌的事
項としては、文書識別子を直接指定することもできる。
例えば、関連文書検索を行い検索目的に適合していると
判断した文書の文書識別子を書誌的事項として、次回の
関連文書検索における検索式で指定することにより、更
に精度の高い関連文書検索が可能となる。

【００６７】次に、本発明の関連文書検索装置の実施の
形態を具体的に説明する。図３は、本発明の実施の形態
の構成を示すブロック図である。なお、以下の各構成要
素の有している機能は、コンピュータが所定のプログラ
ムモジュールを実行することによって実現される機能で
ある。そして、これらを実現するためのコンピュータプ
ログラムは、半導体メモリや磁気記録媒体などの記録媒
体に記録されている。

【００６８】文書格納手段２１は、電子化された検索対
象文書の内容および各文書に付加された書誌的事項を、
形態素解析手段２によって付加される文書識別子と対に
して格納する記憶装置である。

【００６９】形態素解析手段２２は、文書格納手段２１
に格納されている各文書に文書識別子を付加した上で、
各文書に形態素解析処理を施して自立語（キーワードと
なるべき語）を抽出し、対応する文書識別子と対にして
格納する。さらに、各文書に書誌的事項が付加されてい
る場合は、自立語と同様に文書識別子と対にして格納す
る。

【００７０】索引構造生成手段２３は、形態素解析手段
２２での形態素解析処理結果を基に、索引構造として、
単語−単語識別子リスト２４ａ、単語識別子−文書識別
子リスト２４ｂ、文書識別子−単語識別子リスト２４ｃ
を作成する。

【００７１】索引構造格納手段２４は、索引構造生成手
段２３によって作成された単語−単語識別子リスト２４
ａ、単語識別子−文書識別子リスト２４ｂ、文書識別子
−単語識別子リスト２４ｃを格納する記憶装置である。

【００７２】単語−単語識別子リスト２４ａは、単語文
字列あるいは書誌的事項と、それらを特定するための単
語識別子の対応関係を記述したリストである。単語識別
子−文書識別子リスト２４ｂは、各単語識別子につい
て、その単語識別子で示される単語文字列あるいは書誌
的事項を含む文書の文書識別子の集合を記述したリスト
である。

【００７３】文書識別子−単語識別子リスト２４ｂは、
各文書識別子について、その文書識別子で示される文書
に含まれる単語あるいは文書に付加された書誌的事項の
単語識別子の集合を記述したリストである。

【００７４】検索式取得手段３１は、関連文書を求める
ための条件としてキーワードあるいは書誌的事項の指定
を”ａｎｄ”，”ｏｒ”あるいは”ｎｏｔ”で結合する
ことによって構成される検索式を入力することが可能な
ユーザインタフェースである。

【００７５】文書検索手段３２は、検索式取得手段３１
に入力された検索式、および、キーワードリスト生成手
段３４によって作成されたキーワードリスト中の単語識
別子を受け取り、入力された検索式に適合する文書ある
いは受け取った単語識別子に対応する単語を含む文書の
文書識別子を、単語−単語識別子リスト２４ａおよび単
語識別子−文書識別子リスト２４ｂを参照して取得す
る。キーワード検索手段３３は、文書検索手段３２によ
って得られた文書識別子集合で示される文書集合の各文
書に含まれる単語の単語識別子集合を、文書識別子−単
語識別子リスト２４ｃを参照して取得し、それらを連接
して１つの単語識別子集合とする。

【００７６】キーワードリスト生成手段３４は、キーワ
ード検索手段３３から得られた単語識別子集合中での各
単語識別子の出現回数を計測し、文書検索手段３２によ
って取得された文書識別子の総数とから、単語識別子
と、その単語識別子に対応する単語を含む文書の出現確
率と、検索式取得手段３１に入力された検索式に適合し
かつ該単語識別子に対応する単語を含む文書の出現確率
との３組をリストとして作成する。

【００７７】類似度計算手段３５は、キーワードリスト
生成手段３４によって作成されたリストを参照し、各単
語識別子に対応する単語の拡張相互情報量を式（７）に
従って計算する。

【００７８】関連度計算手段３６は、類似度計算手段３
５から得られる各単語の拡張相互情報量を基に、検索式
取得手段３１に入力された検索式と文書格納手段中の文
書との間の関連度を計算する。

【００７９】表示手段３７は、関連度計算手段３６で計
算された各文書の関連度が大きい値のものから順に、対
応する文書情報を出力するユーザインタフェースであ
る。なお、図３の関連文書検索装置の各構成要素は、図
１の構成要素に対して次のような関係にある。

【００８０】図３の文書格納手段２１および索引構造格
納手段２４が図１の文書情報格納手段１に、図３の検索
式取得手段３１が図１の検索式取得手段２に、図３の文
書検索手段３２、キーワード検索手段３３およびキーワ
ードリスト生成手段３４が図１の文書数計算手段３に、
図３の類似度計算手段３５が図１の類似度計算手段４
に、図３の関連度計算手段３６が図１の関連度計算手段
５にそれぞれ対応するものである。

【００８１】ここで、本実施の形態では関連文書検索を
行う前に、予め索引構造の生成処理を実行しておく必要
がある。そこで、まず索引構造の生成処理について説明
する。索引構造の生成処理を行うには、その前提とし
て、形態素解析結果リストが生成されていなければなら
ない。

【００８２】図４は、形態素解析手段２２に格納される
形態素解析結果リスト４１の例を示す図である。形態素
解析手段２２は、文書格納手段２１に格納されている各
検索対象文書に識別子を割り当てた上で、それぞれの文
書に形態素解析処理を施して自立語を抽出し、対応する
文書識別子と対にして格納する。ただし、同一文書中か
ら同一の自立語が複数回抽出された場合は、２回目以降
の抽出結果を無視し、１つの文書識別子に対応する自立
語が重複することはないものとする。また、文書に書誌
的事項が付加されている場合は、書誌的事項の種類を示
すタグと共に、自立語と同様にして対応する文書識別子
と対にした上で格納する。これにより、形態素解析結果
リスト４１が生成される。図の例では、”＜ＤＡＴＥ
＞”が文書の作成日時を、”＜ＡＵＴＨ＞”が著者を表
すタグとなっている。

【００８３】この形態素解析結果リスト４１を基に、索
引構造生成手段２３が各種索引構造を生成する。図５〜
図７に索引構造生成手段２３により作成され、索引構造
格納手段２４に格納される索引構造の例を示す。なお図
５〜図７中のデータは、図４のデータに基づいて作成さ
れた例となっている。

【００８４】図５は、単語−単語識別子リストの例を示
す図である。単語−単語識別子リスト２４ａには、抽出
された単語若しくは書誌的事項と、その単語若しくはタ
グ付の書誌的事項に割り当てられた識別子とが組となっ
て格納されている。この例では、タグ付の書誌的事項に
割り当てられた識別子も含めて「単語識別子」としてい
る。

【００８５】図６は、単語識別子−文書識別子リストの
例を示す図である。単語識別子−文書識別子リスト２４
ｂには、単語識別子と、その単語識別子が割り当てられ
ている単語を含む文書の識別子（文書識別子）が組とな
って格納されている。

【００８６】図７は、文書識別子−単語識別子リストの
例を示す図である。文書識別子−単語識別子リスト２４
ｃには、文書識別子と、その文書識別子が割り当てられ
ている文書に含まれる単語の単語識別子とが組となって
格納されている。

【００８７】索引構造生成手段２３による索引構造の生
成アルゴリズムは以下の通りである。図８は、索引構造
の生成アルゴリズムを示すフローチャートである。［Ｓ１］単語−単語識別子リスト２４ａの生成処理を行
う。

【００８８】具体的には、形態素解析手段２２に格納さ
れている形態素解析結果リスト中の全単語およびタグ付
の書誌的事項を、重複なく、かつ、単語文字列の持つ値
の順にソートしたリストを作成する。各単語に対して、
リストの先頭から順に１で始まる自然数を単語識別子と
して割り当てる。［Ｓ２］文書識別子−単語識別子リスト２４ｃの生成処
理を行う。

【００８９】具体的には、形態素解析手段２２に格納さ
れている形態素解析結果リスト中の各単語およびタグ付
の書誌的事項をステップＳ１で割り当てた単語識別子で
置き換え、各文書識別子ごとに対応する単語識別子を小
さい値順にソートする。［Ｓ３］単語識別子−文書識別子リスト２４ｂの生成処
理を行う。

【００９０】具体的には、単語識別子を１から順に並
べ、各単語識別子に対応する単語が含まれる文書の文書
識別子を、ステップＳ２で作成した文書識別子−単語識
別子リスト２４ｃを参照して抽出し、単語識別子と対に
して格納する。

【００９１】以上のアルゴリズムにより、索引構造が生
成される。索引構造の生成処理が行われた後、検索式取
得手段３１は検索式の入力を受け付ける。そして、利用
者がキーボードなどの入力装置を用いて所望の検索式を
入力し、検索開始の指令を行うと、関連文書検索処理が
開始される。

【００９２】図９、図１０に、検索式取得手段３１に入
力された検索式から関連文書を求めるためのアルゴリズ
ムを示す。図９は、本発明の処理手順を示すフローチャ
ートの前半であり、図１０は、本発明の処理手順を示す
フローチャートの後半である。以下、図９、図１０の各
ステップについて説明する。なお、以下の説明におい
て、単語−単語識別子リスト２４ａをＬ１、単語識別子
−文書識別子リスト２４ｂをＬ２、文書識別子−単語識
別子リスト２４ｃをＬ３と記述する。［Ｓ１１］検索式取得手段３１が、キーワードおよび書
誌的事項の指定を論理演算子で結合した検索式を受け取
る。この検索式をＳと呼ぶことにする。［Ｓ１２］文書検索手段３２が、Ｓに適合する文書の文
書識別子を、Ｌ１およびＬ２を参照して取得する。得ら
れた文書識別子集合をＸと呼び、集合Ｘの要素数をＮと
する。［Ｓ１３］ステップＳ１２においてＮ＝０であればステ
ップＳ１４へ進み、そうでなければステップＳ１５へ進
む。［Ｓ１４］表示手段３７が、Ｓの関連文書がない旨の表
示を行い、終了する。［Ｓ１５］キーワード検索手段３３が、Ｘに属する各文
書識別子に対応する単語識別子を、Ｌ３を参照して取得
する。取得した単語識別子の集合をＹとする。［Ｓ１６］キーワードリスト生成手段３４が、Ｙに属す
る単語識別子の重複を取り除き、各単語識別子の重複回
数を記録する。重複の取り除かれた単語識別子集合を新
たにＹとし、Ｙの要素Ｗｎ（ｎ＝１，２，・・・，Ｐ）
の重複回数をＲ（Ｗｎ）とする。ただし、ＰはＹの要素
数とする。［Ｓ１７］文書検索手段３２が、Ｙに属する全単語識別
子Ｗｎ（ｎ＝１，２，・・・，Ｐ）に関して、Ｗｎに対
応する文書識別子の総数をＬ２から取得する。そして、
Ｙの要素Ｗｎに対応する文書識別子数をＦ（Ｗｎ）とす
る。［Ｓ１８］キーワードリスト生成手段３４が、Ｙに属す
る単語識別子Ｗｎ（ｎ＝１，２，・・・，Ｐ）につい
て、全検索対象文書数をＭとして、

【００９３】

【数１８】

【００９４】

【数１９】を計算し、これらの値をＷｎと組にしてリストとする。
また、

【００９５】

【数２０】を計算する。［Ｓ１９］類似度計算手段３５が、Ｙに属する各単語識
別子Ｗｎ（ｎ＝１，２，・・・，Ｐ）について、式
（７）に従って、拡張相互情報量ＭＩ₀（Ｓ，Ｗｎ）を
計算する。［Ｓ２０］関連度計算手段３６が、全文書識別子に対応
する関連度の初期値を０とした上で、Ｙに属する単語識
別子Ｗｎ（ｎ＝１，２，・・・，Ｐ）の全てについて、
ステップＳ１９で計算されたＭＩ₀（Ｓ，Ｗｎ）の値
を、Ｗｎに対応する各文書識別子に対する関連度に加算
する。得られた、文書識別子Ｄｉ（ｉ＝１，２，・・
・，Ｍ）に対応する関連度をＫｉとする。［Ｓ２１］予め設定された閾値Ｔを越えるＫｉが存在す
ればステップＳ２２へ進み、そうでなければステップＳ
２３へ進む。［Ｓ２２］表示手段３７が、閾値Ｔを越えるＫｉに対応
する文書の内容あるいはタイトル等の文書情報をＫｉの
値が大きいものから順にＳの関連文書として出力し、終
了する。［Ｓ２３］表示手段３７が、Ｓの関連文書がない旨の表
示を行い、終了する。

【００９６】以上の各ステップにより、書誌的事項を含
んだ検索式から直接類似語を得ることができ、検索式の
意図に沿った関連文書の検索が可能となる。すなわち、
検索のキーワードとして入力した類義語の数の多少によ
って、偏った検索結果となることはない。

【００９７】ところで、文献「清水義夫：記号論理学，
ｐｐ．３４−３６，東京大学出版会（１９８４）」等に
記述されている通り、任意の検索式（論理式）は、第２
分配律「（Ａｏｒ（ＢａｎｄＣ））＝（（ＡｏｒＢ）ａ
ｎｄ（ＡｏｒＣ））」を繰り返し適用することによっ
て、連言標準形へ同値変形することが可能である。連言
標準形の検索式とは、キーワードが論理演算子”ｏｒ”
で結合された検索式（選言節）が、さらに”ａｎｄ”で
結合された形となっている検索式のことをいう。例え
ば、「（（飛行機）ｏｒ（航空機）ｏｒ（旅客機））ａ
ｎｄ（（自動車）ｏｒ（乗用車））ａｎｄ（（船）ｏｒ
（船舶）ｏｒ（ボート））」は連言標準形であり、
「（飛行機）ｏｒ（航空機）ｏｒ（旅客機）」「（自動
車）ｏｒ（乗用車）」「（船）ｏｒ（船舶）ｏｒ（ボー
ト）」はそれぞれ選言節である。

【００９８】そこで、検索式取得手段３１において、入
力された検索式を連言標準形へと変換し、連言標準形の
検索式を用いて関連文書検索を行うことも可能である。
以下に、このような連言標準形への変換を行う場合の処
理手順を説明する。

【００９９】図１１は、入力された検索式を連言標準形
へと変換する場合の検索アルゴリズムを示すフローチャ
ートである。［Ｓ３１］検索式取得手段３１は、入力された検索式Ｓ
を連言標準形へと変換し、得られた連言標準形の検索式
をＳ₀とする。［Ｓ３２］Ｓ₀中の各選言節をＯｊ（ｊ＝１，２，・・
・，ｋ）とし、ＯｊをステップＳ１１におけるＳとみな
して、各Ｏｊに対して図９、図１０のステップＳ１１か
らステップＳ２０を適用する。ただし、ステップＳ２０
において、全文書識別子に対応する関連度の初期値を０
とするのは、ステップＳ２０を最初に適用する時のみと
し、２回目から（ｋ回目まで）は前回の処理で得られた
Ｋｉの値を初期値とする。［Ｓ３３］図１０のステップＳ２１からステップＳ２３
を適用する。

【０１００】以上のアルゴリズムにより、入力された検
索式を連言標準形へと変換して、関連文書検索を行うこ
とができる。一般に、”ｏｒ”のみで接続された検索式
（選言節）からは広範な類似語を得ることが可能であ
る。したがって、この図に示したアルゴリズムによれ
ば、図９、図１０の処理によって得られる関連文書検索
結果と比較して、より広範な関連文書を得ることができ
る。

【０１０１】図１１のアルゴリズムは、各選言節につい
ては選言節から直接類似語計算を行い、論理演算子”ａ
ｎｄ”のみを代数和に対応付けて検索式と各文書の間の
関連度を求めるものである。したがって、論理演算子に
よる結合関係一般を代数計算で表現する困難さは生じ
ず、かつ、検索式の記述の一般性を制限するものでもな
い。

【０１０２】以上のように本発明では、検索式から直接
類似語の計算を行うことによって、従来技術では不可能
であった、論理演算子により結合された検索式に適切に
対応した関連文書を検索することが可能となる。しか
も、検索式にキーワード以外の書誌的事項が含まれてい
る場合においても、関連文書検索を行うことが可能とな
る。これにより、完全一致型の検索システム用に作成し
た検索式をそのまま入力するだけで、完全一致型の検索
によっては決して得られない関連文書を、適切に得るこ
とができる。

【０１０３】

【実施例】本発明の効果を検証するために、公開特許公
報１１万６千件を対象として、本発明の実施の形態の構
成に従って関連文書検索を行った。その結果を以下に示
す。なお、形態素解析手段２２の解析対象は、「発明の
名称」及び「抄録（各種書誌的事項及び明細書中の主た
る部分を抜き出したもの）」に含まれる文章である。書
誌的事項には、国際特許分類（ＩＰＣ）の記号や、出願
人の名称などが含まれる。また、検索結果を比較するた
めに、従来の関連文書検索技術による検索も行った。

【０１０４】図１２は、検索式を「（風呂）ｏｒ（風呂
釜）ｏｒ（風呂桶）ｏｒ（給湯）ｏｒ（トイレ）」とし
て関連文書検索を行った結果を示す図である。（Ａ）は
本発明による検索結果を示しており、（Ｂ）は従来の技
術による検索結果を示している。この図に示されている
のは、入力された検索式の完全一致によって得られる特
許出願を除いた上で、検索式との間で関連度の高いもの
から順に上位２０件の特許出願の［発明の名称］を出力
したものである。

【０１０５】ところで、上記の検索式による検索とは別
に、検索式を「（風呂）ｏｒ（風呂釜）ｏｒ（風呂桶）
ｏｒ（給湯）」とした場合と、検索式を「トイレ」とし
た場合の完全一致検索（全文検索）を行ったところ、検
索結果はそれぞれ１４８件と１３２件であった。したが
って、関連文書検索を行った場合でも同程度の数の検索
結果が得られることが望ましいと考えられる。

【０１０６】そこで、図１２の検索結果を見てみると、
本発明の関連文書検索装置で検索を行った場合には、
「風呂」に関連する特許出願と「トイレ」に関連する特
許出願とがバランスよく検出されているのが分かる。一
方、従来の関連文書検索技術での検索結果は、同義語
（類義語）を多く指定した「風呂」に関連する特許出願
が優先された検索結果となっている。

【０１０７】また、別の実施例として、書誌的事項とし
て国際特許分類（ＩＰＣ）の記号を指定して関連文書検
索を行った。ＩＰＣは特許出願に係る発明の技術分野を
分類するものであるため、ＩＰＣを書誌的事項として指
定して検索を行えば、有効な検索結果が期待できる。

【０１０８】図１３は、検索式を「（＜ｉｐｃ＞Ａ６１
Ｈ）ａｎｄ（磁気）」として関連文書検索を行った結果
を示す図である。（Ａ）は本発明による検索結果を示し
ており、（Ｂ）は従来の技術による検索結果を示してい
る。この図に示されているのは、入力された検索式の完
全一致によって得られる特許出願を除いた上で、検索式
との間で関連度の高いものから順に上位２０件の特許出
願の［発明の名称］を出力したものである。ここで、
「Ａ６１Ｈ」は「物理的な治療装置」に関するＩＰＣの
サブクラス記号である。つまり、「磁気」を用いた「物
理的な治療装置」に関連する特許出願を検索しているの
である。

【０１０９】図から分かるように、本発明の関連文書検
索装置を用いれば、「Ａ６１Ｈ」以外のＩＰＣに属する
特許出願からも、「磁気」を用いた「物理的な治療装
置」に関連する特許出願が適切に検出されている。これ
に対し、従来の技術による関連文書検索ではＩＰＣの情
報は考慮せず、キーワード「磁気」のみから関連文書検
索を行うため、「物理的な治療装置」と全く関連のない
特許出願が上位の検索結果として検出されてしまい、適
切な結果を得ることができない。仮に、従来技術によっ
て得られた結果からＩＰＣが「Ａ６１Ｈ」である特許出
願のみを抽出したとしても、本発明の関連文書検索装置
を用いたときと同じように、「Ａ６１Ｈ」以外のＩＰＣ
の関連特許出願を得ることはできない。

【０１１０】次に、本発明の関連文書検索装置により関
連文書検索を行った場合と、他の手法を用いて文書検索
を行った場合との間の、適合率及び再現率の比較結果に
ついて説明する。

【０１１１】図１４は、検索式「（＜ｉｐｃ＞Ｇ０６
Ｆ）ａｎｄ（（関連語）ｏｒ（類似語）ｏｒ（シソーラ
ス）ｏｒ（統計量））」を用いて検索を行った結果を示
す図である。この図では、以下の３通りの検索方式によ
り検索を行った結果を比較している。（１）完全一致検索（全文検索）（２）本発明の関連文書検索装置による関連文書検索（３）従来技術による関連文書検索（書誌的事項を検
索式に含めることができない関連文書検索）なお、本発明による関連文書検索および従来技術による
関連文書検索は、完全一致検索によって検索された特許
出願を除いた上で、上記検索式との間で関連度の高いも
のから順に上位３０件を検索結果とした。

【０１１２】前述の通り、従来の関連文書検索では書誌
的事項の指定を検索式に含めることができない。したが
って、上記検索式から書誌的事項である［ＩＰＣ］の指
定部分（＜ｉｐｃ＞Ｇ０６Ｆ）を除いた検索式「（関連
語）ｏｒ（類似語）ｏｒ（シソーラス）ｏｒ（統計
量）」によって関連文書検索を行うことで、従来技術に
よる関連文書検索を行った。そして、３人の検索者が適
合性の判断を行った。なお、適合性の判断には検索者の
主観が入るため、適合性の判断結果には検索者によって
若干の相違がある。

【０１１３】図１４中の適合率および再現率は検索結果
の質を表す値であり、適合率は検索結果として得られた
文書数（図中の「ヒット数」）に対する検索結果中の適
合文書数（図中の「適合特許数」）の割合、再現率は全
検索対象文書中の適合文書数に対する検索結果中の適合
文書数（図中の「適合特許数」）の割合である。

【０１１４】平均適合率は、完全一致検索で１０．６
％、本発明の関連文書検索で１３．３％、従来の関連文
書検索で３．３％である。ここで、完全一致検索の平均
適合率及び平均再現率を「１」して、他の平均適合率
比、及び平均再現率比を求めると、本発明の関連文書検
索では、平均適合率比が１．２５、平均再現率比が２．
３５である。一方、従来の関連文書検索では、平均適合
率比が０．３１、平均再現率比が０．５９である。した
がって、本発明の関連文書検索装置による関連文書検索
から得られた検索結果は、完全一致検索および従来技術
による関連文書検索から得られた検索結果と比較して適
合率、再現率ともに大きな値となっており、より適切な
検索結果が得られているといえる。

【０１１５】なお、検索式と各キーワード間の類似度計
算を予め行っておけば、検索式入力後の類似度計算が不
要となり、高速な関連文書検索が可能となると考えられ
る。しかしながら、後述のように計算量の点で実現が困
難であるため、本発明による関連文書検索装置は、検索
式が入力された後に類似度計算を行う構成とした。

【０１１６】以下、検索式と各キーワード間の類似度計
算を予め行うための計算量及び計算時間について考察す
る。上記実施例と同様に特許公開公報１１万６千件を検
索対象とした場合、形態素解析手段２２によって抽出さ
れ、索引構造格納手段２４に格納された単語の語数は約
２０万語である。したがって、例えば、２つの語を”ｏ
ｒ”で結合して得られる検索式だけを考えた場合でも、
その総数は₂₀₀₀₀₀Ｃ₂≒２００億となる。１つの検索式
に対して各語との類似度計算を行うために要する計算時
間は、ワークステーションレベルで平均１０秒程度であ
ったが、これを１秒とした場合でも、２００億種の検索
式に対する類似度計算を行えば２００億秒≒６３４年の
計算時間が必要となる。さらに、書誌的事項等を含めた
一般の検索式を考えると、計算時間は膨大なものとな
り、予め計算を行っておくことは困難である。

【０１１７】

【発明の効果】以上説明したように本発明に係る関連文
書検索装置では、検索式と各キーワードとの間の類似度
を直接求めるようにしたため、検索式の論理式による結
合関係を的確に反映した検索結果を得ることができる。
その結果、ユーザの検索意図に沿った関連文書検索を的
確に行うことができる。

【０１１８】

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】従来の技術と本発明における関連度計算の差異
を示した概念図である。（Ａ）は従来の関連文書検索技
術による検索結果を示し、（Ｂ）は本発明に係る関連文
書検索技術による検索結果を示している。

【図３】本発明の実施の形態の構成を示すブロック図で
ある。

【図４】形態素解析手段に格納される形態素解析結果リ
ストの例を示す図である。

【図５】単語−単語識別子リストの例を示す図である。

【図６】単語識別子−文書識別子リストの例を示す図で
ある。

【図７】文書識別子−単語識別子リストの例を示す図で
ある。

【図８】索引構造の生成アルゴリズムを示すフローチャ
ートである。

【図９】本発明の処理手順を示すフローチャートの前半
であり、

【図１０】本発明の処理手順を示すフローチャートの後
半である。

【図１１】入力された検索式を連言標準形へと変換する
場合の検索アルゴリズムを示すフローチャートである。

【図１２】検索式を「（風呂）ｏｒ（風呂釜）ｏｒ（風
呂桶）ｏｒ（給湯）ｏｒ（トイレ）」として関連文書検
索を行った結果を示す図である。（Ａ）は本発明による
検索結果を示しており、（Ｂ）は従来の技術による検索
結果を示している。

【図１３】検索式を「（＜ｉｐｃ＞Ａ６１Ｈ）ａｎｄ
（磁気）」として関連文書検索を行った結果を示す図で
ある。（Ａ）は本発明による検索結果を示しており、
（Ｂ）は従来の技術による検索結果を示している。

【図１４】検索式「（＜ｉｐｃ＞Ｇ０６Ｆ）ａｎｄ
（（関連語）ｏｒ（類似語）ｏｒ（シソーラス）ｏｒ
（統計量））」を用いて検索を行った結果を示す図であ
る。

【符号の説明】

１文書情報格納手段２検索式取得手段３文書数計算手段４類似度計算手段５関連度計算手段２１文書格納手段２２形態素解析手段２３索引構造生成手段２４索引構造格納手段２４ａ単語ー単語識別子リスト２４ｂ単語識別子−文書識別子リスト２４ｃ文書識別子−単語識別子リスト３１検索式取得手段３２文書検索手段３３キーワード検索手段３４キーワードリスト生成手段３５類似度計算手段３６関連度計算手段３７表示手段

───────────────────────────────────────────────────── フロントページの続き (72)発明者舘野昌一神奈川県足柄上郡中井町境430 グリーンテクなかい富士ゼロックス株式会社内 (56)参考文献特開平２−41564（ＪＰ，Ａ) 特開昭63−168721（ＪＰ，Ａ) 特開平７−56948（ＪＰ，Ａ) 特開平７−65013（ＪＰ，Ａ) 特開平９−44523（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims

(57)【特許請求の範囲】

【請求項１】入力された検索条件に関連する文書を検
索する関連文書検索装置において、複数の文書を、各文書から抽出された被抽出キーワード
と対応づけて格納する文書情報格納手段と、複数の検索キーワードを論理演算子で結合した検索式を
受け取る検索式取得手段と、前記文書情報格納手段に格納されている被抽出キーワー
ドの中から、類似度の判断対象とすべき複数の判断対象
キーワードを特定し、前記文書情報格納手段に格納され
ている全ての文書の数である第１の値と、前記文書情報
格納手段に格納されている文書の中で、前記検索式取得
手段が受け取った検索式に適合する文書の数である第２
の値と、前記文書情報格納手段に格納されており、かつ
前記検索式取得手段が受け取った検索式に適合する文書
の中で、個々の判断対象キーワードを含んでいる文書の
数である判断対象キーワードごとの第３の値と、前記文
書情報格納手段に格納されている文書の中で、個々の判
断対象キーワードを含んでいる文書の数である判断対象
キーワードごとの第４の値とを計算する文書数計算手段
と、前記文書数計算手段が算出した第１の値、第２の値、判
断対象キーワードごとの第３の値及び判断対象キーワー
ドごとの第４の値を変数とする計算式に基づいて、前記
検索式取得手段が受け取った検索式と各判断対象キーワ
ードとの間の類似度を算出する類似度計算手段と、各判断対象キーワードを被抽出キーワードとして有して
いる文書に関する関連文書情報を前記文書情報格納手段
から取得し、前記類似度計算手段から得られる判断対象
キーワードごとの類似度と前記関連文書情報とに基づい
て、前記検索式取得手段が受け取った検索式と前記文書
情報格納手段に格納されている各文書との間の関連度を
算出する関連度計算手段と、を有することを特徴とする関連文書検索装置。
【請求項２】前記類似度計算手段は、前記文書数計算
手段が算出した第１の値をα、第２の値をβ、判断対象
キーワードごとの第３の値をγ、判断対象キーワードご
との第４の値をδとした場合に、以下の計算式、拡張相互情報量＝ｌｏｇ２｛（αγ）／（βδ）｝で求められる拡張相互情報量の値を、前記検索式取得手
段が受け取った検索式と各判断対象キーワードとの間の
類似度とすることを特徴とする請求項１記載の関連文書
検索装置。
【請求項３】前記類似度計算手段は、前記文書数計算
手段が算出した第１の値をα、第２の値をβ、判断対象
キーワードごとの第３の値をγ、判断対象キーワードご
との第４の値をδとした場合に、以下の計算式、拡張ＴＳ(t-score) ＝α｛( αγ−βδ）／（βδ）｝で求められる拡張ＴＳの値を、前記検索式取得手段が受
け取った検索式と各判断対象キーワードとの間の類似度
とすることを特徴とする請求項１記載の関連文書検索装
置。
【請求項４】前記文書情報格納手段は、各文書の各種
書誌的事項を、各文書の被抽出キーワードの１つとして
各文書に対応づけて格納しており、前記検索式取得手段は、検索キーワードと書誌的事項の
指定とを論理演算子で結合した検索式を受け取る、ことを特徴とする請求項１記載の関連文書検索装置。
【請求項５】前記文書数計算手段は、前記検索式取得
手段が受け取った検索式に適合する文書から抽出された
被抽出キーワードを、類似度の判断対象とすべき判断対
象キーワードとして選択することを特徴とする請求項１
記載の関連文書検索装置。
【請求項６】前記検索式取得手段が受け取った検索式
を、複数の選言節からなる連言標準形検索式へ変換する
検索式変換手段をさらに有し、前記文書数計算手段は、前記検索式変換手段から得られ
る連言標準形検索式に含まれる各選言節ごとに、第２の
値、判断対象キーワードごとの第３の値及び判断対象キ
ーワードごとの第４の値を計算し、前記類似度計算手段は、前記検索式変換手段から得られ
る連言標準形検索式中の各選言節と各判断対象キーワー
ドとの間の類似度を算出し、前記関連度計算手段は、前記類似度計算手段から得られ
る各選言節と各判断対象キーワードとの間の類似度と、
前記関連文書情報とに基づいて、前記検索式取得手段が
受け取った検索式と前記文書情報格納手段に格納されて
いる各文書との間の関連度を算出する、ことを特徴とする請求項１記載の関連文書検索装置。
【請求項７】入力された検索条件に関連する文書を検
索する関連文書検索装置において、複数の文書を、各文書から抽出された被抽出キーワード
と対応づけて格納する文書情報格納手段と、複数の検索キーワードを論理演算子で結合した検索式を
受け取る検索式取得手段と、前記文書情報格納手段に格納されている被抽出キーワー
ドの中から、類似度の判断対象とすべき複数の判断対象
キーワードを特定し、前記文書情報格納手段に格納され
ている文書の中で、前記検索式取得手段が受け取った検
索式に適合する文書の数である第１の値と、前記文書情
報格納手段に格納されており、かつ前記検索式取得手段
が受け取った検索式に適合する文書の中で、個々の判断
対象キーワードを含んでいる文書の数である判断対象キ
ーワードごとの第２の値と、前記文書情報格納手段に格
納されている文書の中で、個々の判断対象キーワードを
含んでいる文書の数である判断対象キーワードごとの第
３の値とを計算する文書数計算手段と、前記文書数計算手段が算出した第１の値、判断対象キー
ワードごとの第２の値及び判断対象キーワードごとの第
３の値を変数とする計算式に基づいて、前記検索式取得
手段が受け取った検索式と各判断対象キーワードとの間
の類似度を算出する類似度計算手段と、各判断対象キーワードを被抽出キーワードとして有して
いる文書に関する関連文書情報を前記文書情報格納手段
から取得し、前記類似度計算手段から得られる判断対象
キーワードごとの類似度と前記関連文書情報とに基づい
て、前記検索式取得手段が受け取った検索式と前記文書
情報格納手段に格納されている各文書との間の関連度を
算出する関連度計算手段と、を有することを特徴とする関連文書検索装置。
【請求項８】前記類似度計算手段は、前記文書数計算
手段が算出した第１の値をα、判断対象キーワードごと
の第２の値をβ、判断対象キーワードごとの第３の値を
γとした場合に、以下の計算式、拡張ＤＣ(Dice-coefficent) ＝２β／( α＋γ）で求められる拡張ＤＣの値を、前記検索式取得手段が受
け取った検索式と各判断対象キーワードとの間の類似度
とすることを特徴とする請求項７記載の関連文書検索装
置。
【請求項９】前記文書情報格納手段は、各文書の各種
書誌的事項を、各文書の被抽出キーワードの１つとして
各文書に対応づけて格納しており、前記検索式取得手段は、検索キーワードと書誌的事項の
指定とを論理演算子で結合した検索式を受け取る、ことを特徴とする請求項７記載の関連文書検索装置。
【請求項１０】前記文書数計算手段は、前記検索式取
得手段が受け取った検索式に適合する文書から抽出され
た被抽出キーワードを、類似度の判断対象とすべき判断
対象キーワードとして選択することを特徴とする請求項
７記載の関連文書検索想装置。
【請求項１１】前記検索式取得手段が受け取った検索
式を、複数の選言節からなる連言標準形検索式へ変換す
る検索式変換手段をさらに有し、前記文書数計算手段は、前記検索式変換手段から得られ
る連言標準形検索式に含まれる各選言節ごとに、第１の
値、判断対象キーワードごとの第２の値及び判断対象キ
ーワードごとの第３の値を計算し、前記類似度計算手段は、前記検索式変換手段から得られ
る連言標準形検索式中の各選言節と各判断対象キーワー
ドとの間の類似度を算出し、前記関連度計算手段は、前記類似度計算手段から得られ
る各選言節と各判断対象キーワードとの間の類似度と、
前記関連文書情報とに基づいて、前記検索式取得手段が
受け取った検索式と前記文書情報格納手段に格納されて
いる各文書との間の関連度を算出する、ことを特徴とする請求項７記載の関連文書検索装置。