JP3270783B2 - 複数の文書検索方法 - Google Patents

複数の文書検索方法

Info

Publication number
JP3270783B2
JP3270783B2 JP15583693A JP15583693A JP3270783B2 JP 3270783 B2 JP3270783 B2 JP 3270783B2 JP 15583693 A JP15583693 A JP 15583693A JP 15583693 A JP15583693 A JP 15583693A JP 3270783 B2 JP3270783 B2 JP 3270783B2
Authority
JP
Japan
Prior art keywords
document
query
documents
word
list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP15583693A
Other languages
English (en)
Other versions
JPH06131398A (ja
Inventor
ディ．ヘンダーソン リチャード
ジェイ．バーバリノ マイケル
Original Assignee
ゼロックス・コーポレーション
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ゼロックス・コーポレーション filed Critical ゼロックス・コーポレーション
Publication of JPH06131398A publication Critical patent/JPH06131398A/ja
Application granted granted Critical
Publication of JP3270783B2 publication Critical patent/JP3270783B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、テキスト及びイメージ
の処理方法と技術における改良に関し、特に、文書イメ
ージの単語または用語の識別と検出のための方法におけ
る改良に関し、更に詳しくは、コンピュータが少ないメ
モリ要件で照会単語または用語があるかに関して多数の
文書イメージを検索するための方法における改良に関す
る。
【０００２】
【従来の技術】電子文書と用紙文書の両方の形式におい
て、文書処理における関心は益々広がっている。大きな
文書全体の中で特定の検索用語を探し出すことがしばし
ば望まれる。例えば、特定の主題に関係する書類または
出版物を探し出すための検索を行うとき、特定の単語又
は語句を含む証言録取書または発見文書において特定の
証拠を探し出すとき、ある種のキーワードを含んでいる
法律文書のデータベースにおいて関連する法廷の判決を
探し出すとき、並びに、様々なその他の事例においてで
ある。
【０００３】文書が精査のために、或いは、「ハードコ
ピー(hard copy) 」、即ち、書類複写のために検出され
ることができる電子メモリ媒体で文書テキストとイメー
ジが符号化されている電子形式で、文書が時には提供さ
れる。従来、１つまたはそれ以上の照会用語、通常は単
語、を探し出すため多数の当該文書が検索されるとき、
その照会用語が比較されることに対してインデックス
（索引）が作成される。当該インデックスは２つの部分
から成る。第１の部分は、文書識別子（本明細書中では
「文書識別子(document id) 」) である。文書識別子
は、収集の中での各文書の識別にすぎず、数字、キーワ
ード或いは語句、又は、その他の独自の識別子であって
もよい。第２の部分は、単語、並びに、単語が識別され
る文書内でその単語が現れる回数（本明細書中では「単
語頻度(word frequency)」) である。
【０００４】従来、図１に示されているように、検索単
語または照会単語がある特定の文書を識別するために、
ステップ１０において、通常は単語の全てのインデック
スがコンピュータメモリの中に持ち込まれ、照会単語が
メモリの中の単語の各々に対して、１回に１語ずつ比較
される。各単語が比較されるときに、単語が現れる文書
に関して「スコア（得点）(score) 」が保持される。従
って、ステップ１１において最初の照会単語が処理さ
れ、ステップ１３にて最初の単語に関して部分的な「ス
コア」が計算される。次に、ステップ１４において次の
照会単語が処理され、ステップ１６において累積「スコ
ア」が計算される。ステップ１７において連続する照会
単語と累積スコアが完了するまで処理されるために、累
積スコアが生成され続ける。最後の照会単語が検索され
た後、ステップ１８において、「スコア」を用いて照会
単語による「ヒット(hit) 」の数の順序で文書が識別又
は分類され、ステップ１９において見つけ出された文書
のリストが表示される。
【０００５】しかしながら、当該技術は、特に大きな文
書の収集で、コンピュータにアクセス可能なメモリを大
量に必要とする。その文書が大容量のメモリディスクに
保存されている場合にすら、メモリ要件は、しばしばパ
ーソナルコンピュータまたはポータブルコンピュータで
の文書の検索を不可能にすることがあり、概して、関連
する大きなメモリと共に大型のメインフレームコンピュ
ータを必要とする。
【０００６】イメージ処理の分野では、最近、直接用紙
文書検索技術が提案され、その技術は、文書のイメージ
の１つまたはそれ以上の形態学的な性質が処理されて、
照会の単語、用語またはイメージに対して比較をするた
めに使用される。当該技術に従って、文書が走査され、
その様々なイメージの形態学的な性質は、イメージの内
容を解読せずに直接決定される。しかしながら、大きな
文書の全体の検索を実施するときには、上記のインデッ
クスに類似してはいるが、単語の代わりに使用される形
態学的な性質の頻度のリストを備えたインデックスを生
成する１つの技術を使用できる。また、特に大きな文書
の収集では、大量のメモリが検索照会を実施するのに必
要とされる。
【０００７】
【発明が解決しようとする課題】上述の事柄に照らし
て、本発明の１つの目的は、従って、用いられてきた従
来の方法より少ないメモリを使って、大きな文書の収集
に対して類似性の検索を実施するための改良された方法
を提供することである。
【０００８】本発明のもう１つの目的は、効率的に実施
することの可能な上記記載されたタイプの改良された方
法を提供することである。
【０００９】
【課題を解決するための手段と作用】照会に対する類似
性に関して複数の文書の検索を実施するための方法は、
(a)第１文書を検索するステップと、(b) 第１文書にお
いて照会の発生する数を決定するステップと、(c) 次の
文書を検索するステップと、(d) 次の文書において照会
の発生する数を決定するステップと、(e) 複数の文書の
各々が検索されて、照会の発生する数が複数の文書の各
々において決定されるまで、ステップ(c) 及びステップ
(d) を繰り返すステップと、から成る。
【００１０】本発明の広い態様に従って、ある照会の用
語または単語に対する類似性に関して複数の文書の検索
を実施するための方法が提供される。本方法は、第１文
書を検索するステップ、並びに、第１文書の中で照会単
語の発生する数を決定するステップを含む。本方法は、
次に、次の文書を検索するステップと、次の文書におい
て照会単語の発生する数を決定するステップを含む。複
数の文書の各々が検索されて、照会単語の発生する数が
複数の文書の各々で決定されるまで、上記のステップが
繰り返される。
【００１１】照会単語は複数の照会用語を含むことがで
き、その全ては、文書の収集全体の中で用語毎に検索さ
れるよりも、むしろ各文書の中で順次検索される。文書
は次に、各文書の中で決定された照会単語の発生する数
に従ってランク付けられ、文書のリストがその文書のラ
ンク付けに従って作成される。
【００１２】１つの実施例では、検索された文書の中に
含まれる単語のリストが作成されて、照会単語はその作
成された単語のリストと比較される。
【００１３】他の実施例では、照会単語の全てが文書の
第１の部分と比較される。続いて、全ての照会単語が文
書の第２の部分と比較される。文書は次に、各文書で決
定された照会単語の発生する数に従ってランク付けら
れ、文書のリストはその文書のランク付けに従って作成
される。
【００１４】もう１つの実施例では、文書は逆インデッ
クスへと編成される。この場合には、文書を検索する代
わりに、及びその照会用語と文書に関係した文書識別子
と用語頻度対のリストのセグメントが検査される。即
ち、本実施例では、 (a)第１文書に関して、各々の照会
用語について逆インデックスを検索し、該照会用語の発
生頻度を決定するステップと、(b)前記第１文書に関す
る前記照会用語の発生頻度に基づいて、該第１文書の類
似性スコアを計算するステップと、(c) 次の文書に関し
て、各々の前記照会用語について逆インデックスを検索
し、該照会用語の発生頻度を決定するステップと、(d)
前記次の文書に関する前記照会用語の発生頻度に基づい
て、該次の文書の類似性スコアを計算するステップと、
(e)複数の文書各々の類似性スコアが計算されるまで、
ステッブ(c)及びステップ(d)を繰り返すステップと、を
有する、複数の文書の逆インデックスを用いて複数用語
を照会する、類似性に関して複数の文書を検索するコン
ピュータで実行される方法を提供する。
【００１５】
【実施例】本発明は、類似性検索が１つまたはそれ以上
の単語、音節、語句、イメージ、又は同等のもののシー
ケンスから形成される照会によって実施されるタイプの
類似性検索を実施するための技術に関する。「照会単語
(query word)」という用語が本明細書中で使用されてい
るが、「単語(word)」とは、単語、単語の一部、或い
は、文字、数字、表意文字または外国語の音節等のアル
ファベット以外の言語文字、及び「万能札(wildcard)」
の文字と同等のもの等の単語または文字の代用語を含む
その他の言語記号を含む文書またはイメージの部分に言
及すると理解すべきである。類似性検索の結果は、その
照会に最も高い類似性の指数を有するインデックスを付
けた収集からの文書のランク付けしたリストである。照
会に関する文書の類似性の指数は、各照会単語が現れる
文書の数、各文書で照会単語が現れる回数、並びに、全
体において文書の数を含むことのできるユーザの定義し
た数式から得られる数字である。ある場合には、照会単
語の相対的な重要性、或いは、照会単語の発生の順序、
或いは、その他の同様の検索基準を指定するように使用
される異なる重みを含むことが望ましいこともある。
【００１６】本発明に従って類似性の検索を達成するた
めに、逆インデックスが使用されることが好ましい。逆
インデックスは、全体、即ち、文書の収集の中の各々の
独自の単語に関して文書識別子と単語頻度の対のリスト
を含む。単語頻度とは、対にされる文書識別子(documen
t id) によって識別される文書の中にその単語が現れる
回数である。文書識別子と単語頻度対は、文書識別子に
よって昇順または降順で配列されることが好ましい。
【００１７】本発明の方法は、類似性の指数の計算が、
単一の照会の単語に関して文書識別子と単語頻度の対の
リスト全体を調べ、各照会単語が処理されるときに、そ
のリストの中に見つけ出される各文書の部分的なスコア
を計算することによって通常行われるような従来の方法
と対照的である。本発明の好ましい実施例の方法に従っ
て、図２を参照すると、他の照会単語のそれらにアクセ
スする前に、照会単語の全ての文書識別子と単語頻度対
にアクセスするよりも、むしろその比較は１つの流れ
（ストリーム）の文書識別子と単語頻度対からもう１つ
の流れの文書識別子と単語頻度対へと切り換えられる。
従って、１つの文書における全ての文書識別子と単語頻
度対は、他の文書識別子と単語頻度対へと続ける前に訪
問される。
【００１８】従って、ステップ２０において、第１書類
に対する文書識別子と単語頻度対は、コンピュータのメ
モリの中へと検索される。従って、本発明の技術がメモ
リの制約された場合の使用に特に適切であり、n-方向の
組み合わせアルゴリスムに類似であり、この場合には組
み合わせは実施されておらず、むしろ１組の計算が実施
されていることが分かる。
【００１９】次に、ステップ２１において、全ての照会
単語が第１文書に対して比較、検索、或いは、処理され
て、ステップ２３において完全な文書の「スコア」が第
１文書に関して計算される。本発明に従って類似性検索
を実施するにあたっては、収集の全ての文書のリスト
を、或いは、少なくとも処理されているリストの中に見
られた全ての文書のリストを保持することが望ましい。
これは、文書の部分的なスコアを追跡するために望まし
い。このリストは、処理されている文書識別子と単語頻
度対の文書識別子の部分に対応する点でアクセスするこ
とができる。従って、各照会単語のリストが処理される
につれて、文書のリストは、文書識別子の順序に依存し
て増加（または減少）する点でアクセスすることができ
る。
【００２０】その処理は、ステップ２５において次の文
書の次の文書識別子と単語頻度対をコンピュータのメモ
リの中に検索し、ステップ２７において再び全ての照会
単語を次の文書に対応して処理することによって続けら
れ、ステップ２８において新しい「スコア」がその次の
文書に関して計算される。ステップ３０において、この
処理は全ての文書が処理されるまで継続される。一旦全
ての照会単語が処理されると、完全に計算された、或い
は、累積「スコア」がランクの順序に分類され、ステッ
プ３１においてそのリストが表示される。また、部分的
なスコアが計算される毎に分類されたリストを処理の最
後で直ちに生成させるため、変更した文書のスコアを、
必要に応じて、ランク付けに再配置することができる。
【００２１】再び、従来の技術と対照すると、処理され
ている文書識別子と単語頻度対の照会単語のリストの部
分と共に、全体のリストをメモリの中に保持するための
十分なメモリがシステムになかったならば、文書リスト
の殆どは各照会単語と比較するために外部記憶装置から
ページ付けされていた。本発明の技術では、対の１つの
照会単語の流れは、他の照会単語の流れに切り換えられ
て、例えば、次に最も低い文書識別子等に続く前に、全
ての様々なリストにおける最も低い文書識別子に関する
全ての計算を実施する。本発明によれば、一度に文書リ
ストにおける１つの文書への入力を含み、各照会単語に
関しては、文書識別子と単語頻度対のリストにおいて１
つの入力を含むに充分なだけのメモリがあれば良い。大
きな文書収集の場合には、文書のリストが非常に大きく
なるので、これが従来の技術よりもずっと小さいメモリ
の要件での計算を可能にする。
【００２２】様々な照会単語リストにおける現行要素の
識別同士の間で比較を行うにあたって、従来の技術より
も更に多くの計算を実施することが必要となることが注
目される。しかしながら、この計算はディスクの入力／
出力のコストに比べて経費が安い。
【００２３】本発明の方法の他の実施例は、あらゆる数
の文書（１つより多い）を同時に処理することである。
この文書の数は、利用できるメモリに基づく実行時間、
或いは、予期される目標機械に基づく編集時間で決定さ
れることができる。文書識別が処理されている現行の範
囲の文書識別を越えるまで、文書識別子と単語頻度対の
各リストは処理される。次に、計算は次の照会単語リス
トへと進むことになる。このバリエーションは、完全に
は取り除かないけれども、実行される余分な計算の量を
減少させ、従来のアプローチほど多くは無いけれども、
より多くのメモリを必要とする。
【図面の簡単な説明】
【図１】従来技術に従って、文書全体の類似性検索を実
施するためのステップを概説しているブロック図であ
る。
【図２】本発明の好ましい実施例に従って、文書全体の
類似性検索を実施するためのステップを概説しているブ
ロック図である。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭56−9867（ＪＰ，Ａ) 特開 昭63−205762（ＪＰ，Ａ) 特開 平１−237723（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/30 G06F 17/21 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (1)

    (57)【特許請求の範囲】
  1. 【請求項１】 (a)複数の文書の逆インデックスの中の
    第１文書に関する逆インデックスをメモリの中へ持ち込
    み、各々の照会用語について該第１文書に関する逆イン
    デックスを検索し、該照会用語の発生頻度を決定するス
    テップと、 (b)前記第１文書に関する前記照会用語の発生頻度に基
    づいて、該第１文書の類似性スコアを計算するステップ
    と、 (c) 複数の文書の逆インデックスの中の次の文書に関す
    る逆インデックスをメモリの中へ持ち込み、各々の照会
    用語について該次の文書に関する逆インデックスを検索
    し、該照会用語の発生頻度を決定するステップと、 (d)前記次の文書に関する前記照会用語の発生頻度に基
    づいて、該次の文書の類似性スコアを計算するステップ
    と、 (e)複数の文書各々の類似性スコアが計算されるまで、
    ステップ(c)及びステップ(d)を繰り返すステップと、 を有する、照会用語に関する文書識別子及び用語発生頻
    度の対のリストを含む複数の文書の逆インデックスを用
    いて複数用語を照会する、類似性に関して複数の文書を
    検索するコンピュータで実行される方法。
JP15583693A 1992-09-29 1993-06-25 複数の文書検索方法 Expired - Fee Related JP3270783B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US95316692A 1992-09-29 1992-09-29
US953166 1992-09-29

Publications (2)

Publication Number Publication Date
JPH06131398A JPH06131398A (ja) 1994-05-13
JP3270783B2 true JP3270783B2 (ja) 2002-04-02

Family

ID=25493666

Family Applications (1)

Application Number Title Priority Date Filing Date
JP15583693A Expired - Fee Related JP3270783B2 (ja) 1992-09-29 1993-06-25 複数の文書検索方法

Country Status (4)

Country Link
US (1) US5544049A (ja)
EP (1) EP0590858B1 (ja)
JP (1) JP3270783B2 (ja)
DE (1) DE69330701T2 (ja)

Families Citing this family (107)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5642502A (en) * 1994-12-06 1997-06-24 University Of Central Florida Method and system for searching for relevant documents from a text database collection, using statistical ranking, relevancy feedback and small pieces of text
US5721902A (en) * 1995-09-15 1998-02-24 Infonautics Corporation Restricted expansion of query terms using part of speech tagging
US5640553A (en) * 1995-09-15 1997-06-17 Infonautics Corporation Relevance normalization for documents retrieved from an information retrieval system in response to a query
US5794237A (en) * 1995-11-13 1998-08-11 International Business Machines Corporation System and method for improving problem source identification in computer systems employing relevance feedback and statistical source ranking
US5911140A (en) * 1995-12-14 1999-06-08 Xerox Corporation Method of ordering document clusters given some knowledge of user interests
JPH09198398A (ja) * 1996-01-16 1997-07-31 Fujitsu Ltd パターン検索装置
US5819260A (en) * 1996-01-22 1998-10-06 Lexis-Nexis Phrase recognition method and apparatus
US5867799A (en) * 1996-04-04 1999-02-02 Lang; Andrew K. Information system and method for filtering a massive flow of information entities to meet user information classification needs
US6314420B1 (en) 1996-04-04 2001-11-06 Lycos, Inc. Collaborative/adaptive search engine
JP2833580B2 (ja) * 1996-04-19 1998-12-09 日本電気株式会社 全文インデックス作成装置および全文データベース検索装置
US7349892B1 (en) 1996-05-10 2008-03-25 Aol Llc System and method for automatically organizing and classifying businesses on the World-Wide Web
US5909677A (en) * 1996-06-18 1999-06-01 Digital Equipment Corporation Method for determining the resemblance of documents
US6457004B1 (en) * 1997-07-03 2002-09-24 Hitachi, Ltd. Document retrieval assisting method, system and service using closely displayed areas for titles and topics
US5813002A (en) * 1996-07-31 1998-09-22 International Business Machines Corporation Method and system for linearly detecting data deviations in a large database
US6173298B1 (en) 1996-09-17 2001-01-09 Asap, Ltd. Method and apparatus for implementing a dynamic collocation dictionary
US6119114A (en) * 1996-09-17 2000-09-12 Smadja; Frank Method and apparatus for dynamic relevance ranking
US5870740A (en) * 1996-09-30 1999-02-09 Apple Computer, Inc. System and method for improving the ranking of information retrieval results for short queries
US5898836A (en) 1997-01-14 1999-04-27 Netmind Services, Inc. Change-detection tool indicating degree and location of change of internet documents by comparison of cyclic-redundancy-check(CRC) signatures
US5832478A (en) * 1997-03-13 1998-11-03 The United States Of America As Represented By The National Security Agency Method of searching an on-line dictionary using syllables and syllable count
US6185559B1 (en) 1997-05-09 2001-02-06 Hitachi America, Ltd. Method and apparatus for dynamically counting large itemsets
US6460034B1 (en) * 1997-05-21 2002-10-01 Oracle Corporation Document knowledge base research and retrieval system
AUPO710597A0 (en) * 1997-06-02 1997-06-26 Knowledge Horizons Pty. Ltd. Methods and systems for knowledge management
US6012053A (en) * 1997-06-23 2000-01-04 Lycos, Inc. Computer system with user-controlled relevance ranking of search results
US5933822A (en) * 1997-07-22 1999-08-03 Microsoft Corporation Apparatus and methods for an information retrieval system that employs natural language processing of search results to improve overall precision
DE69730057T2 (de) * 1997-09-29 2005-08-04 Webplus Ltd., Road Town Ein multi-element vertrauensentsprechungssystem und verfahren hierfür
GB9727322D0 (en) * 1997-12-29 1998-02-25 Xerox Corp Multilingual information retrieval
US6067539A (en) * 1998-03-02 2000-05-23 Vigil, Inc. Intelligent information retrieval system
IL126373A (en) * 1998-09-27 2003-06-24 Haim Zvi Melman Apparatus and method for search and retrieval of documents
WO2000033215A1 (en) * 1998-11-30 2000-06-08 Justsystem Corporation Term-length term-frequency method for measuring document similarity and classifying text
US9451310B2 (en) 1999-09-21 2016-09-20 Quantum Stream Inc. Content distribution system and method
US7831512B2 (en) 1999-09-21 2010-11-09 Quantumstream Systems, Inc. Content distribution system and method
US7062510B1 (en) * 1999-12-02 2006-06-13 Prime Research Alliance E., Inc. Consumer profiling and advertisement selection system
US20020049705A1 (en) * 2000-04-19 2002-04-25 E-Base Ltd. Method for creating content oriented databases and content files
US6654749B1 (en) 2000-05-12 2003-11-25 Choice Media, Inc. Method and system for searching indexed information databases with automatic user registration via a communication network
US7617184B2 (en) 2000-05-18 2009-11-10 Endeca Technologies, Inc. Scalable hierarchical data-driven navigation system and method for information retrieval
US7325201B2 (en) * 2000-05-18 2008-01-29 Endeca Technologies, Inc. System and method for manipulating content in a hierarchical data-driven search and navigation system
US7062483B2 (en) * 2000-05-18 2006-06-13 Endeca Technologies, Inc. Hierarchical data-driven search and navigation system and method for information retrieval
US7035864B1 (en) 2000-05-18 2006-04-25 Endeca Technologies, Inc. Hierarchical data-driven navigation system and method for information retrieval
GB2364583B (en) * 2000-07-08 2004-09-22 Paul David Mills Database interrogation
US7249121B1 (en) 2000-10-04 2007-07-24 Google Inc. Identification of semantic units from within a search query
US6978419B1 (en) * 2000-11-15 2005-12-20 Justsystem Corporation Method and apparatus for efficient identification of duplicate and near-duplicate documents and text spans using high-discriminability text fragments
US8156051B1 (en) * 2001-01-09 2012-04-10 Northwest Software, Inc. Employment recruiting system
JP2004524622A (ja) * 2001-03-07 2004-08-12 ジョン ソン キム 商品満足度を適用した電子商取引方法及びシステム
US7089184B2 (en) * 2001-03-22 2006-08-08 Nurv Center Technologies, Inc. Speech recognition for recognizing speaker-independent, continuous speech
KR100685023B1 (ko) * 2001-11-13 2007-02-20 주식회사 포스코 유사성 판단을 위한 예제기반 검색 방법 및 검색 시스템
US6963869B2 (en) * 2002-01-07 2005-11-08 Hewlett-Packard Development Company, L.P. System and method for search, index, parsing document database including subject document having nested fields associated start and end meta words where each meta word identify location and nesting level
US20030140037A1 (en) * 2002-01-23 2003-07-24 Kenneth Deh-Lee Dynamic knowledge expert retrieval system
US7376709B1 (en) * 2002-05-09 2008-05-20 Proquest Method for creating durable web-enabled uniform resource locator links
US6892198B2 (en) * 2002-06-14 2005-05-10 Entopia, Inc. System and method for personalized information retrieval based on user expertise
US20040024776A1 (en) * 2002-07-30 2004-02-05 Qld Learning, Llc Teaching and learning information retrieval and analysis system and method
US20050004932A1 (en) * 2003-05-15 2005-01-06 Peter Nordin Device, a computer network search engine, a personal computer for generating an indication of a relation between a text and a subject reference
US7734627B1 (en) * 2003-06-17 2010-06-08 Google Inc. Document similarity detection
JP2005043977A (ja) * 2003-07-23 2005-02-17 Hitachi Ltd 文書間の類似度算出方法および装置
JPWO2005038672A1 (ja) * 2003-10-21 2007-01-25 株式会社アイ・ピー・ビー 調査対象文書の索引語抽出装置、性格表現図、及び文書特徴分析装置
US7428528B1 (en) 2004-03-31 2008-09-23 Endeca Technologies, Inc. Integrated application for manipulating content in a hierarchical data-driven search and navigation system
US8494855B1 (en) * 2004-10-06 2013-07-23 West Interactive Corporation Ii Method, system, and computer readable medium for comparing phonetic similarity of return words to resolve ambiguities during voice recognition
US7533094B2 (en) * 2004-11-23 2009-05-12 Microsoft Corporation Method and system for determining similarity of items based on similarity objects and their features
JP2008529173A (ja) * 2005-01-31 2008-07-31 テキストディガー，インコーポレイテッド 電子文書の意味検索および取り込みのための方法およびシステム
JP2008537225A (ja) 2005-04-11 2008-09-11 テキストディガー，インコーポレイテッド クエリについての検索システムおよび方法
US20070073651A1 (en) * 2005-09-23 2007-03-29 Tomasz Imielinski System and method for responding to a user query
US20070078842A1 (en) * 2005-09-30 2007-04-05 Zola Scot G System and method for responding to a user reference query
US8019752B2 (en) 2005-11-10 2011-09-13 Endeca Technologies, Inc. System and method for information retrieval from object collections with complex interrelationships
WO2007081681A2 (en) 2006-01-03 2007-07-19 Textdigger, Inc. Search system with query refinement and search method
US20070185860A1 (en) * 2006-01-24 2007-08-09 Michael Lissack System for searching
US7853630B2 (en) 2006-03-06 2010-12-14 Aggregate Knowledge System and method for the dynamic generation of correlation scores between arbitrary objects
US7788358B2 (en) 2006-03-06 2010-08-31 Aggregate Knowledge Using cross-site relationships to generate recommendations
US7904524B2 (en) * 2006-03-06 2011-03-08 Aggregate Knowledge Client recommendation mechanism
US7634471B2 (en) * 2006-03-30 2009-12-15 Microsoft Corporation Adaptive grouping in a file network
US7624130B2 (en) * 2006-03-30 2009-11-24 Microsoft Corporation System and method for exploring a semantic file network
US8862573B2 (en) 2006-04-04 2014-10-14 Textdigger, Inc. Search system and method with text function tagging
US8065135B2 (en) 2006-04-06 2011-11-22 Research In Motion Limited Handheld electronic device and method for employing contextual data for disambiguation of text input
US7477165B2 (en) * 2006-04-06 2009-01-13 Research In Motion Limited Handheld electronic device and method for learning contextual data during disambiguation of text input
US20080016157A1 (en) * 2006-06-29 2008-01-17 Centraltouch Technology Inc. Method and system for controlling and monitoring an apparatus from a remote computer using session initiation protocol (sip)
US20080104502A1 (en) * 2006-10-26 2008-05-01 Yahoo! Inc. System and method for providing a change profile of a web page
US8745183B2 (en) * 2006-10-26 2014-06-03 Yahoo! Inc. System and method for adaptively refreshing a web page
US20080104257A1 (en) * 2006-10-26 2008-05-01 Yahoo! Inc. System and method using a refresh policy for incremental updating of web pages
US20080114750A1 (en) * 2006-11-14 2008-05-15 Microsoft Corporation Retrieval and ranking of items utilizing similarity
US8676802B2 (en) 2006-11-30 2014-03-18 Oracle Otc Subsidiary Llc Method and system for information retrieval with clustering
WO2008151466A1 (en) 2007-06-14 2008-12-18 Google Inc. Dictionary word and phrase determination
KR101465769B1 (ko) * 2007-06-14 2014-11-27 구글 인코포레이티드 사전 단어 및 어구 판정
US8090709B2 (en) * 2007-06-28 2012-01-03 Microsoft Corporation Representing queries and determining similarity based on an ARIMA model
US7689622B2 (en) * 2007-06-28 2010-03-30 Microsoft Corporation Identification of events of search queries
US8290921B2 (en) * 2007-06-28 2012-10-16 Microsoft Corporation Identification of similar queries based on overall and partial similarity of time series
US7685099B2 (en) * 2007-06-28 2010-03-23 Microsoft Corporation Forecasting time-independent search queries
US7693908B2 (en) * 2007-06-28 2010-04-06 Microsoft Corporation Determination of time dependency of search queries
US7685100B2 (en) 2007-06-28 2010-03-23 Microsoft Corporation Forecasting search queries based on time dependencies
US7693823B2 (en) * 2007-06-28 2010-04-06 Microsoft Corporation Forecasting time-dependent search queries
US20090037431A1 (en) 2007-07-30 2009-02-05 Paul Martino System and method for maintaining metadata correctness
US8032714B2 (en) 2007-09-28 2011-10-04 Aggregate Knowledge Inc. Methods and systems for caching data using behavioral event correlations
US7856434B2 (en) * 2007-11-12 2010-12-21 Endeca Technologies, Inc. System and method for filtering rules for manipulating search results in a hierarchical search and navigation system
US20110099164A1 (en) * 2009-10-23 2011-04-28 Haim Zvi Melman Apparatus and method for search and retrieval of documents and advertising targeting
US8434134B2 (en) 2010-05-26 2013-04-30 Google Inc. Providing an electronic document collection
US9442930B2 (en) 2011-09-07 2016-09-13 Venio Inc. System, method and computer program product for automatic topic identification using a hypertext corpus
US9442928B2 (en) 2011-09-07 2016-09-13 Venio Inc. System, method and computer program product for automatic topic identification using a hypertext corpus
US8856640B1 (en) 2012-01-20 2014-10-07 Google Inc. Method and apparatus for applying revision specific electronic signatures to an electronically stored document
US11308037B2 (en) 2012-10-30 2022-04-19 Google Llc Automatic collaboration
US9529916B1 (en) 2012-10-30 2016-12-27 Google Inc. Managing documents based on access context
US9384285B1 (en) 2012-12-18 2016-07-05 Google Inc. Methods for identifying related documents
US20140278357A1 (en) * 2013-03-14 2014-09-18 Wordnik, Inc. Word generation and scoring using sub-word segments and characteristic of interest
US9514113B1 (en) * 2013-07-29 2016-12-06 Google Inc. Methods for automatic footnote generation
US9842113B1 (en) 2013-08-27 2017-12-12 Google Inc. Context-based file selection
US9529791B1 (en) 2013-12-12 2016-12-27 Google Inc. Template and content aware document and template editing
US9735868B2 (en) * 2014-07-23 2017-08-15 Qualcomm Incorporated Derivation of an identifier encoded in a visible light communication signal
US9679065B2 (en) * 2014-07-31 2017-06-13 Wal-Mart Stores, Inc. L-gram and r-gram frequency-weighted query responses
US9703763B1 (en) 2014-08-14 2017-07-11 Google Inc. Automatic document citations by utilizing copied content for candidate sources
CN110929125B (zh) * 2019-11-15 2023-07-11 腾讯科技（深圳）有限公司 搜索召回方法、装置、设备及其存储介质
US11615245B2 (en) * 2021-02-02 2023-03-28 International Business Machines Corporation Article topic alignment

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4358824A (en) * 1979-12-28 1982-11-09 International Business Machines Corporation Office correspondence storage and retrieval system
US4554631A (en) * 1983-07-13 1985-11-19 At&T Bell Laboratories Keyword search automatic limiting method
US4823306A (en) * 1987-08-14 1989-04-18 International Business Machines Corporation Text search system
JPH0259861A (ja) * 1988-08-25 1990-02-28 Nec Corp 索引付文書作成・保管・検索装置
JPH0675265B2 (ja) * 1989-09-20 1994-09-21 インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン 情報検索方法及びシステム
US5404514A (en) * 1989-12-26 1995-04-04 Kageneck; Karl-Erbo G. Method of indexing and retrieval of electronically-stored documents
EP0501416B1 (en) * 1991-02-28 2000-05-10 Hitachi, Ltd. Method and apparatus for registering text document data and for document retrieval

Also Published As

Publication number Publication date
US5544049A (en) 1996-08-06
JPH06131398A (ja) 1994-05-13
EP0590858B1 (en) 2001-09-05
DE69330701T2 (de) 2002-07-11
DE69330701D1 (de) 2001-10-11
EP0590858A1 (en) 1994-04-06

Similar Documents

Publication Publication Date Title
JP3270783B2 (ja) 複数の文書検索方法
JP4467791B2 (ja) 情報管理及び検索
US6826576B2 (en) Very-large-scale automatic categorizer for web content
JP5740029B2 (ja) 対話型サーチクエリーを改良するためのシステム及び方法
JP4944406B2 (ja) フレーズに基づく文書説明の生成方法
JP4976666B2 (ja) 情報検索システムにおけるフレーズ識別方法
JP5175005B2 (ja) 情報検索システムにおけるフレーズに基づく検索方法
US5640553A (en) Relevance normalization for documents retrieved from an information retrieval system in response to a query
US6633868B1 (en) System and method for context-based document retrieval
CA2513853C (en) Phrase-based indexing in an information retrieval system
US5742816A (en) Method and apparatus for identifying textual documents and multi-mediafiles corresponding to a search topic
US5721902A (en) Restricted expansion of query terms using part of speech tagging
US5659742A (en) Method for storing multi-media information in an information retrieval system
US5737734A (en) Query word relevance adjustment in a search of an information retrieval system
US6665661B1 (en) System and method for use in text analysis of documents and records
KR100756921B1 (ko) 문서 분류방법 및 그 문서 분류방법을 컴퓨터에서 실행시키기 위한 프로그램을 포함하는 컴퓨터로 읽을 수있는 기록매체.
JP3636941B2 (ja) 情報検索方法と情報検索装置
US8543380B2 (en) Determining a document specificity
US20070005567A1 (en) System and method for adaptive multi-cultural searching and matching of personal names
EP2045732A2 (en) Determining the depths of words and documents
US20050071333A1 (en) Method for determining synthetic term senses using reference text
US6473755B2 (en) Overlapping subdocuments in a vector space search process
JP3249743B2 (ja) 文書検索システム
WO2002037328A2 (en) Integrating search, classification, scoring and ranking
JP2004506960A (ja) 蓋然論マッチング・エンジン

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20010515

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20020108

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080118

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090118

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090118

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100118

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees