JP3350556B2

JP3350556B2 - 検索システム

Info

Publication number: JP3350556B2
Application number: JP12684892A
Authority: JP
Inventors: 美苗西村
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1992-04-20
Filing date: 1992-04-20
Publication date: 2002-11-25
Anticipated expiration: 2017-11-25
Also published as: JPH05298371A

Description

【発明の詳細な説明】

【０００１】

【技術分野】本発明は、検索システムに関し、より詳細
には、同義語を文書より自動的に抽出して文書キーワー
ドとする自動同義語抽出手段と、検索語と文書キーワー
ドがマッチし、かつその文書キーワードが同義語を持つ
場合に、その同義語も新たな検索語として他の文書を検
索する検索手段を有する検索システムに関する。

【０００２】

【従来技術】例えば、同義語辞書の自動生成同義語によ
る検索を可能にする方法を開示したものとしては、例え
ば、特開平３−１４１７６号公報に「同義語参照による
検索装置」がある。この公報のものは、検索装置があら
かじめ同義語情報を格納している同義語ファイルを持
ち、検索語が入力されたらその同義語ファイルを参照
し、同義語があればそれも検索語とするものである。ま
た、特開平３−１５９８０号公報の「文字列検索のため
の異表記及び同義語展開方法」は、検索装置へのユーザ
の入力語を異表記展開し、また同義語辞書を使って同義
語展開する。それによって違う表記や同義語による検索
可能とするものである。しかしながら、前記２つの公報
のものは、同義語ファイルや同義語辞書が必要である
が、その作成や保守が容易でないという欠点がある。

【０００３】また、特開平２−１４８２６５号公報の
「自動索引システム」は、文書を形態素解析した後、格
助詞のつく名詞を取り出してキーワードとするものであ
る。しかしながら、品詞情報や文字列の特徴を利用して
キーワードを抽出しているが、キーワードとキーワード
の関係に関する情報は保持していない。

【０００４】

【目的】本発明は、上述のごとき実情に鑑みてなされた
もので、文書中の特殊記号である丸かっこに注目し、そ
の前後の語句が同義語であることが多いのを利用して同
義語を自動的に抽出し、また、検索時に同義語ファイル
あるいは辞書を参照するステップ無しで、同義語による
検索を可能にする検索システムを提供することを目的と
してなされたものである。

【０００５】

【構成】本発明は、上記目的を達成するために、日本語
文書を入力する入力手段と、該入力手段により入力され
た文書を単語単位に分け、各々の単語に品詞を与える形
態素解析手段と、該形態素解析手段により与えられた品
詞情報にもとづいてキーワードを抽出し、同義語の認定
を行うキーワード・同義語抽出手段と、単語について同
義語になる語であるか否かを示す素性情報を記述した辞
書とから成り、前記同義語抽出手段が文書中に現れる特
殊記号を用いることにより同義語候補を抽出し、該抽出
した同義語候補から前記辞書を参照して同義語にならな
い語を除外して同義語を認定することを特徴としたもの
である。以下、本発明の実施例に基づいて説明する。

【０００６】図１は、本発明による検索システムの一実
施例を説明するための構成図で、図中、１は文書入力手
段、２は形態素解析手段、３はキーワード・同義語抽出
手段、４は検索手段、５は出力手段、６は検索語入力手
段、７は検索語ファイル、８はキーワード・同義語ファ
イル、９は文書ファイルである。入力装置１により入力
された日本語文書は、形態素解析手段２により単語単位
に分けられ、それぞれの単語には品詞が与えられる。キ
ーワード抽出手段３においては、名詞，固有名詞，複合
名詞構成素など、定めた品詞（列）に該当する単語
（列）がキーワードとして抽出される。この処理中、同
義語の認定も行う。抽出されたキーワードと同義語情報
は、キーワード・同義語ファイル８に文書ごとに収めら
れる。検索手段４においては、検索語入力手段６より入
力された検索語によってキーワード・同義語ファイル８
を検索し、検索結果として文書データファイル９から文
書を出力する。キーワード・同義語ファイル８を参照し
たときに検索語が同義語を持つことがわかれば、その同
義語を検索語ファイル７に収め、新たに検索語とする。

【０００７】図２は、キーワード抽出と同義語認定手段
の動作を説明するためのフローチャートである。以下、
各ステップに従って順に説明する。カウンターｎの初期
値を０に、同義語認定処理フラグｆはオフにしておく
（step１）。一語ずつ語をとり（step２,３）、キーワ
ードになるかは、品詞情報により判断する（step４）。
キーワードとなる語は、一般名詞，固有名詞，複合名詞
と、辞書未登録語だが名詞類と推定された語である。複
合名詞は、一般名詞と接辞などの複合名詞構成素から成
る。語がキーワードになる語である間、その語をスタッ
クに入れ、カウンターｎに１を加えることを繰り返す
（step５）。語が名詞類または複合名詞構成素でなくな
ったら、スタックに積まれている語を取り出し、キーワ
ードとする（step７）。

【０００８】取った語が開きかっこの時（step１２）、
同義認定処理フラグを立て（step１３）、次の語を取っ
てキーワード抽出処理を繰り返す。キーワードとして抽
出した語が開きかっこに先立たれている場合（つまり、
同義語処理認定フラグｆが１の場合）（step８）、その
キーワードが同義語素性マイナスを持つ語を含むかどう
か辞書の素性情報（図４）を参照して調べ（step９）、
マイナスの素性があれば同義語とは認定せず、同義語処
理フラグをオフにする（step１１）。同義語素性マイナ
スの語は数詞，地名などである。同義語素性マイナスの
語が含まれなければ、同義語と認定する（step１０）。
その語を開き丸かっこの直前の語の同義語としてキーワ
ード・同義語テーブルに記録する。図５に示すように、
相互に同義語であるとわかるように記録する。キーワー
ド抽出処理を、さらに語を一つずつ取って進める。

【０００９】図３は、検索手段の動作を説明するための
フローチャートである。以下、各ステップに従って順に
説明する。検索時には、検索手段が検索者の入力した検
索語と、文書キーワード・同義語ファイル中のキーワー
ド（すなわち、文書インデックス）とのマッチングを行
う。キーワードは文書ごとにつけられ、このファイルに
保持されている。始めに検索語種類識別フラグｆを１に
しておく（step１）。マッチングにより、検索語がある
文書のキーワードと一致していることがわかった場合
（step５）、その文書番号を記憶し（step６）、後でそ
の文書を検索結果として文書データから取り出す。ま
た、その文書キーワードが同義語を持つかどうか同義語
の欄をチェックする（step８）。もしあれば、その同義
語を新たな検索語として検索語ファイルに保持する（st
ep９）。検索語種類識別フラグｆを２にする（step１
０）。

【００１０】検索者の入力した検索語と文書キーワード
とのマッチングが終わった後（step２）、検索語ファイ
ルに同義語があれば（つまり、フラグの値が２であれ
ば）（step３）、その同義語を新たな検索語として（st
ep４）、再び検索を行う（step２,５）。すなわち、新
しい検索語と文書キーワード・同義語ファイル中のキー
ワードとのマッチングを再び行う。この時、すでに最初
の検索語によってマッチされ、検索結果として得られた
文書は、対象から除外する。また、このマッチングを実
施するとき、文書キーワード・同義語ファイルの同義語
欄を参照することはしないで、マッチングだけを繰り返
す（step７）。もし参照した場合、得られる同義語は検
索者の最初に入力した検索語になるからである。以下に
同義語認定処理の実施例を示す。

【００１１】実施例１「ＲＣ総合研究所（本社東京、社長高原○×氏、資本金
八億五百万円）」「ＲＣ総合研究所」が固有名詞である
ため（図２−step４）、スタックに積みカウンターを１
とする（図２−step６）。次の語が開きかっこで、名詞
類，複合名詞構成要素ではないので、スタックに積んで
ある「ＲＣ総合研究所」を取り出し、キーワードとする
（図２−step７）。次の語は開きかっこなので、同義語
認定処理フラグを立てる（図２−step１２，１３）。さ
らに、次の語「本社」,「東京」が名詞なので、スタッ
クに順に積み（図２−step４,５）、次の語「、」が名
詞類または複合名詞構成素ではないので（図２−step
４）、スタックに積まれた「本社東京」をキーワードと
して取り出す（図２−step７）。同義語認定処理フラグ
がオンになっているので（図２−step８）、「本社東
京」が同義語素性マイナス（−）を持つ語を含んでいる
か辞書を参照して調べ（図２−step９，図４）、辞書に
同義語素性マイナスが記述されているので同義語としな
い。同義語認定処理フラグをオフにして、同義語認定処
理を終わる（図２−step１１）。キーワード抽出処理は
さらに語を一つずつ取って進める（図２−step１）。

【００１２】実施例２「テック・アメリカ社（カリフォルニア州）」「テック
・アメリカ社」が固有名詞であり、キーワードとして抽
出される。次の語が開きかっこなので、同義語認定処理
用フラグを立てる。次の語「カリフォルニア」が名詞で
あり、キーワードとしては抽出するが、地名は同義語候
補とはしないので、同義語とはせず、同義語認定処理を
終わる。

【００１３】実施例３「四千百二十万円（消費税込み）」「四千百二十万円」
は開きかっこに先立つが、数詞や助数詞「円」は名詞類
ではないのでキーワードとしない。同義語認定処理も行
わない。

【００１４】実施例４「ブレイル・ブレーザー（三十八万円、消費税別）」
「ブレイル・ブレーザー」が固有名詞なので、スタック
に入れる。カウンターを１とする。次の語が開きかっこ
なので（図２−step４）、スタックに積んであった「ブ
レイル・ブレーザー」をキーワードとして抽出し、カウ
ンターは０に戻す（図２−step７）。開きかっこがあっ
たので、同義語認定処理用フラグを立てる（図２−step
１２，１３）。次の語「三十八」は数詞なのでキーワー
ドとしない。カウンターｎが０なので（図２−step
６）、図２のstep１１に進み、同義語認定処理用フラグ
をオフにし、同義語認定処理は終わる。キーワード抽出
処理は、図２のstep１に戻り続ける。

【００１５】実施例５「公衆網ではＡＴＭ（非同期転送モード）交換機、企業
向けでは、」「ＡＴＭ」が一般名詞なのでキーワードと
する（図２−step７）。次の語をとり、開きかっこなの
で同義語認定処理用フラグを立てる（図２−step１
３）。次の語を取り、キーワード条件を満たすか調べ
る。「非」は接辞で、複合名詞の構成素なのでスタック
に入れ、次の語をとる。「同期」,「転送」,「モード」
までが名詞なので、スタックに順に入れる。次の語が閉
じかっこで、名詞類または複合名詞構成素ではないの
で、「非同期転送モード」をスタックから取り出し、キ
ーワードとする（図２−step７）。同義語認定処理フラ
グが立っているので、キーワードの構成語が同義語マイ
ナス素性を持つか辞書を参照して調べる。持たないので
「ＡＴＭ」の同義語であると認定する。図５に示すよう
に、キーワード・同義語テーブルにこの関係を記録す
る。又、「…非同期転送モード（ＡＴＭ）交換機…」に
おいて、「ＡＴＭ」が未登録語であるときは同義語マイ
ナス素性があるかどうか判断がつかない。このときは、
消極的意味において同義語マイナス素性を持たないと判
断し、「ＡＴＭ」を「非同期転送モード」の同義語と認
定するようにする。以下に、上記「ＡＴＭ（非同期転送
モード）」を例にとって、同義語による検索の実施例を
示す。

【００１６】「ＡＴＭ」という検索語に対し、キーワー
ド・同義語ファイルを照合すると（図３−step２,
５）、「非同期転送モード」が同義語であることがわか
る（図３−step８，図５）。これを検索語ファイルに保
持する（図３−step９）。検索語識別フラグｆを２にす
る（step１０）。「ＡＴＭ」による検索が終わったら
（図３−step２）、検索語識別フラグｆが２になってい
るので、検索語ファイルに保持された同義語「非同期転
送モード」を取り（図３−step４）、文書キーワード・
同義語ファイル中に一致するキーワードがあるかどうか
調べる（図３−step２,５）。この時、検索語識別フラ
グｆが１ではないので、「非同期転送モード」に対して
同義語「ＡＴＭ」があるが、これを再び検索語とするこ
とはしない（図３−step７）。この結果、検索語を「Ａ
ＴＭ」と指定するだけで「非同期転送モード」は現われ
るが、「ＡＴＭ」は現われない文書も検索結果として得
ることができる。キーワード・同義語ファイルに保持し
た同義語を検索者に示し、その語でも検索を行いたいか
確認を求め、行う必要があると検索者が要求したときの
み、その語による検索を実施するようにすることも可能
である。

【００１７】

【効果】以上の説明から明らかなように、本発明による
と、以下のような効果がある。文書中に現われる特殊記
号である丸かっこのような特殊記号を用いることによ
り、自動的に同義語候補を抽出することができるので、
同義語辞書をあらかじめ作成する必要がない。また、検
索システム中に、同義語候補の単語についてその単語が
同義語になる語であるか否かを示す素性情報を記述した
辞書を備え、該辞書に記述された素性情報を参照して調
べ同義語候補の単語の中から同義語にはならない語は除
外するので、同義語の誤認定を防ぐことができる。

【図面の簡単な説明】

【図１】本発明による検索システムの一実施例を説明
するための構成図である。

【図２】本発明によるキーワード抽出と同義語認定処
理手段のフローチャートである。

【図３】本発明による検索手段のフローチャートであ
る。

【図４】本発明による辞書の一例を示す図である。

【図５】本発明によるキーワード・同義語ファイルの
一例を示す図である。

【符号の説明】

１…文書入力手段、２…形態素解析手段、３…キーワー
ド・同義語抽出手段、４…検索手段、５…出力手段、６
…検索語入力手段、７…検索語ファイル、８…キーワー
ド・同義語ファイル、９…文書ファイル。

Claims

(57)【特許請求の範囲】

【請求項１】日本語文書を入力する入力手段と、該入
力手段により入力された文書を単語単位に分け、各々の
単語に品詞を与える形態素解析手段と、該形態素解析手
段により与えられた品詞情報にもとづいてキーワードを
抽出し、同義語の認定を行うキーワード・同義語抽出手
段と、単語について同義語になる語であるか否かを示す
素性情報を記述した辞書とから成り、前記同義語抽出手
段が文書中に現れる特殊記号を用いることにより同義語
候補を抽出し、該抽出した同義語候補から前記辞書を参
照して同義語にならない語を除外して同義語を認定する
ことを特徴とする検索システム。