JP3360308B2 - 文字列検索方法および装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は検索タームの照合方法に
係り、コードから構成されるテキストから検索タームと
して指定されたコード列が存在するか否かを探索するた
めのものである。

【０００２】データベース、文書ファイリングシステ
ム、およびワードプロセッサなどにおける検索に利用し
得るものである。

【０００３】

【従来の技術】情報処理システムの分野では、文字列デ
ータの集まりからなる文書（以後、テキストと呼ぶ）の
中から、検索者の探したいある特定の言葉、すなわち文
字列（以後、検索タームと呼ぶ）を含む全ての文書を探
し出すことが一つの重要な処理となっている。

【０００４】このような検索システムを実現するための
文字列検索装置がいくつか提案されている。その中の代
表的な文字列検索装置の構成を図２に示し、その内容に
ついて説明する（エル エー ホラー ：“テキスト
リトリーバル コンピューターズ”，コンピューター，
３月 １９７９年，Ｌ．Ａ． Ｈｏｌｌａａｒ：“Ｔｅ
ｘｔ Ｒｅｔｒｉｅｖａｌ Ｃｏｍｐｕｔｅｒｓ”，Ｃ
ＯＭＰＵＴＥＲ，Ｍａｒｃｈ １９７９参照）。

【０００５】文字列検索装置１において、検索制御手段
１０１は、検索装置全体の制御と、ホストコンピュータ
との通信を行う。すなわち、ホストコンピュータから送
られてくる検索要求２０１を受け付け、これを解析し、
文字列照合手段１０２と複合条件判定手段１０３へ検索
制御情報２０２として送出する。また、検索制御手段１
０１は記憶装置制御手段１０４を制御して、文字列記憶
手段１０５に格納された文字列データ２０４を文字列照
合手段１０２へ読み出す。

【０００６】文字列照合手段１０２は、入力文字列デー
タ２０４の中に検索要求２０１に合致する文字列、すな
わち検索タームがあるかどうかを調べ、もし該当するも
のがあれば、文字列を識別する情報２０５を複合条件判
定手段１０３へ出力する。複合条件判定手段１０３は該
文字列識別情報２０５に関して、検索要求２０１中に指
示されたＡＮＤやＯＲで構成される論理条件などが満足
されるか否かを調べる。指定された複合条件を満足する
場合には、該当する文書の識別情報や文書内容のテキス
トデータを検索結果２０６としてホストコンピュータへ
返送する。

【０００７】上述した文字列検索装置１の要となる文字
列照合手段１０２における文字列の照合方式として、有
限オートマトンを用いて複数の文字列を１回のテキスト
走査で探索する方法が知られている。有限オートマトン
を高速に実行するためのハードウェアとしては、特開昭
６０−１０５０４０号公報や特開平０３−９５６７２号
公報に記載されたものが提案されている。これらを用い
て高速な文字列照合手段を実現しようとすると次のよう
な問題点が生じる。

【０００８】まず、特開昭６０−１０５０４０号公報で
提案されている文字列照合手段を図３に示す。本文字列
照合手段は２バイトで構成される漢字などの文字コード
を使用したテキストについて照合を行うものである。以
下、本文字列照合手段１０２の照合動作を簡単に説明す
る。

【０００９】本文字列照合手段１０２はデータレジスタ
２０、切換え回路２１、アドレスレジスタ７、アドレス
デコーダ９、ランダムアクセスメモリ８、メモリレジス
タ１０、および制御回路２２から構成される。

【００１０】初期設定として、アドレスレジスタ７の上
位バイトに初期状態番号０（ゼロ）が設定される。さら
に、ランダムアクセスメモリ８には状態遷移表が設定さ
れる。このためここでは、ランダムアクセスメモリ８を
状態遷移テーブルと呼ぶ。

【００１１】照合動作は、入力テキスト２０４からデー
タレジスタ２０に２バイト、すなわち１文字分の文字コ
ードが取り込まれるところから始まる。取り込まれた２
バイトの文字コードは、切換え回路２１により上位バイ
ト、下位バイトの順に１バイトコードが切り出され、ア
ドレスレジスタ７の下位バイトに格納される。

【００１２】今、上位バイトが切換え回路２１で選択さ
れ、アドレスレジスタの下位バイトに格納されたものと
すると、上位バイトも含めアドレスレジスタ７に格納さ
れている値はアドレスデコーダ９を経由し、状態遷移テ
ーブル８へ参照アドレスとして送られる。状態遷移テー
ブル８からは上記参照アドレスに対応して遷移先の状態
番号が読み出され、メモリレジスタ１０に保持される。
この状態番号は制御回路２２に出力され、ここで照合結
果が格納されている状態かどうかが判定される。照合結
果が格納されていると判定された場合には照合結果番号
が照合結果２０５として出力される。その後、この状態
番号はアドレスレジスタ７の上位バイトに格納される。
次に切換え回路２１にデータレジスタ２０の下位バイト
が選択されアドレスレジスタ７の下位バイトに格納され
る。以後上述したのと同様の動作が繰り返されて、文字
列照合が行われることになる。

【００１３】以上のように本文字列照合手段１０２で
は、２バイトで構成される文字コードを１バイトずつ２
回に分けてオートマトンを遷移させ照合処理を行ってい
る。すなわち、１文字に対し２回、状態遷移テーブル８
の参照を行っている。このため、状態遷移テーブル８の
メモリ容量が大幅に削減できているものの、１文字の照
合に状態遷移テーブル８を構成するメモリのアクセスサ
イクルの約２倍の時間が掛かってしまう。したがって、
２バイトの文字コードで構成されたテキストを検索する
場合には、１バイトの文字コードで構成されたテキスト
を検索する場合に比較し、本文字列照合回路１０２の照
合スループットが半分になってしまうという問題があ
る。

【００１４】次に特開平０３−９５６７２号公報に記載
されたものの問題点について述べる。本例ではオートマ
トンのどの状態において入力文字と照合すべきかをトー
クンというマークを置くことにより表している。すなわ
ち、入力テキストから１文字入力されると、トークンが
置かれている状態についてそれぞれ照合が行われる。ま
た、トークンは入力文字コードが入力されると必ず初期
状態で生成される。照合動作はトークンが置かれた状態
の状態番号と入力文字コードをアドレスとして状態遷移
テーブルを参照することによって行われる。したがっ
て、本オートマトンの中に複数のトークンが存在する場
合には、１文字の入力に対して、状態遷移テーブルの参
照が複数回行われることになる。その結果、照合スルー
プットが数分の一に落ちてしまうという問題が生じる。

【００１５】このように１文字の照合処理に複数のトー
クンが存在する場合の照合動作について、図４のオート
マトンを用いて説明する。本オートマトンは“インタフ
ェース”と、この異表記である“インターフェース”、
“インターフェ−ス”、“インターフェイス”、“イン
タ−フェース”、“インタ−フェ−ス”、“インタ−フ
ェイス”、“インタフェ−ス”、および“インタフェイ
ス”を一括して照合するためのものである。

【００１６】入力テキストとして“インタフェイス”が
入力された場合には、図５に示すようにトークンが移動
する。まず、“イ”が入力されると新たにトークン１が
初期状態である状態０に生成される。状態０には“イ”
による遷移が記述されている（図４参照）ため照合が成
立したことになり、トークン１は状態１へ移動する。

【００１７】次の“ン”が入力されるとさらに新たにト
ークン２が状態０で生成されるが、ここには“ン”によ
る遷移が記述されていないため照合が不成立となりトー
クン２は消滅する。また状態１へ移動していたトークン
１については、状態１において“ン”と照合が成立する
ため状態２へ移動する。ここではこのように１文字につ
いて２回の照合動作が行われることになる。

【００１８】同様に“タ”、“フ”、および“ェ”が入
力されると、トークン１は状態３→状態５→状態６へと
移動する。この間トークン３〜５も同様に発生するが、
照合が成立しないため消滅する。このようにして、引き
続き入力される“イ”や“ス”についても同様の処理が
行われる。以上の照合動作過程において、７文字のテキ
スト入力により１４回の照合が発生する。

【００１９】上述した文字列照合処理を実施する本公知
例の文字列照合手段１０２を図６に示す。本文字列照合
手段１０２はレジスタ２１１と２５０、２５１、状態遷
移テーブル２２０、照合結果テーブル２６０、セレクタ
２６１、ゲート２６２、マルチプレクサ２６３、バッフ
ァ２８０、２８１、およびコンパレータ２５２から構成
される。

【００２０】以下、本文字列照合手段１０２の照合動作
の概略を説明する。入力テキスト２０４は１文字ずつ、
レジスタ２１１に格納される。レジスタ２１１から出力
される文字コード３０２は、状態遷移テーブル２２０に
アドレス情報として入力される。状態遷移テーブル２２
０は現在の状態番号３０５と文字コード３０２をアドレ
スとして参照され、ここから次に遷移すべき遷移先状態
番号３０３（以後、次状態番号と呼ぶ）が出力される。

【００２１】ここでは次状態番号３０３をトークンの識
別子として使用しいる。このトークンの識別子となる次
状態番号３０３は、ゲート２６２およびマルチプレクサ
２６３を介してトークンの存在位置を表す情報としてバ
ッファ２６０あるいはバッファ２８１へ格納される。状
態遷移テーブル２２０から出力される次状態番号３０３
が０（ゼロ）、すなわち初期状態番号であるときは、ト
ークンの移動先がないことを表す。このため、次状態番
号３０３が初期状態番号０の場合は、トークンを消滅さ
せる必要がある。この制御は、コンパレータ２５２とゲ
ート２６２によって行われる。

【００２２】次状態番号３０３はレジスタ２５０に格納
された後、ゲート２６２およびマルチプレクサ２６３を
経由し、バッファ２８０またはバッファ２８１のいずれ
か選択されている方に格納される。このとき、ゲート２
６２ではトークンを消滅させるか否かが制御される。こ
のトークンを消滅させるか否かの判断はコンパレータ２
５２で行う。

【００２３】すなわち、次状態番号３０３が初期状態番
号０（ゼロ）である場合には、コンパレータ２５２にお
けるレジスタ２５１に格納された状態番号０（初期状態
番号）との比較が等しくなるため、ゲート２６２が閉じ
られ、ゲート２６２では次状態番号３０３はマルチプレ
クサ２６３へ送られることなく消滅することになる。逆
に、次状態番号３０３が初期状態番号０（ゼロ）でない
場合には、次状態番号３０３はゲート２６２からマルチ
プレクサ２６３に送出され、トークンとして保存される
ことになる。

【００２４】バッファ２８０と２８１には初期値として
初期状態番号が先頭アドレスに格納されており、マルチ
プレクサ２６３を介し送られてきた次状態番号３０３は
初期状態の次のアドレスから格納される。こうすること
により、初期状態にはトークンを常に存在させることが
できる。

【００２５】次状態番号３０３はバッファ２８０あるい
はバッファ２８１のいずれかに格納され、次の文字コー
ド照合時に現状態番号３０５として読み出されることに
なる。

【００２６】セレクタ２６１ではバッファ２８０あるい
はバッファ２８１の内、トークンすなわち次状態番号３
０３が格納されている方のバッファが選択され、ここか
ら現状態番号３０５が逐次読み出される。すべて読み出
し終わったところで読み出し終了信号３０７が生成され
る。マルチプレクサ２６３とセレクタ２６１は同期して
おり、マルチプレクサ２６３がバッファ２８０を選択し
ているときには、セレクタ２６１はバッファ２８１を選
択する。また、マルチプレクサ２６３がバッファ２８１
を選択しているときはセレクタ２６１はバッファ２８０
を選択する。すなわち、遷移元となる状態におけるトー
クン（現状態番号として一方のバッファに格納されてい
る）が格納されているバッファとは別のバッファに、遷
移先の状態へ移すべきトークンを次状態番号３０３とし
て格納するかたちになる。

【００２７】バッファ２８０および２８１の切り換え
は、セレクタ２６１によって選択されたバッファ２８０
又は２８１のいずれかの読み出しが終了した時点、すな
わち読出し終了信号３０７が発生したタイミングで行わ
れる。レジスタ２１１には、通常、レジスタ２５０と同
期してテキストから文字コードを取り込まれるが、読出
し終了信号３０７が発生するまで文字コードを保持し、
遷移先のトークン、すなわち現状態番号がバッファから
すべて読み出されるまで次の入力を待つことになる。照
合結果テーブル２６０には検索タームの終端となる状態
（以後、終端状態とよぶ）に対応して各検索タームを識
別するための所定の検索ターム番号が格納され、それ以
外の状態には０（ゼロ）が格納されている。すなわち、
状態番号に対応して照合結果テーブル２６０から出力さ
れる検索ターム番号が０以外のときのみ照合結果２０５
として意味を持つことになる。以上の一連の動作が入力
テキストを構成する各文字毎に繰返し行われることによ
り文字列照合処理が実現される。

【００２８】以上説明したように、本公知例では１つの
トークンの照合時に１回の状態遷移テーブル参照が行わ
れる。したがって、図５の照合動作例では、７文字のテ
キスト入力において１４回のトークンの照合が行われ、
１４回の状態遷移テーブルの参照が発生する。つまり、
１文字に対し平均２回の状態遷移テーブルの参照が行わ
れることになる。このため、１文字に対し１回の照合で
済ませる場合に比較して、照合スループットが約半分に
低下してしまうという問題が生じる。

【００２９】

【発明が解決しようとする課題】前記二つの公知例で
は、テキスト１文字当りの照合処理のために状態遷移テ
ーブルを複数回参照することが必要になるため、照合処
理サイクルが状態遷移テーブルとして用いるメモリのサ
イクルタイムの数倍になってしまう。したがって、数十
ＭＢ／ｓ以上の高速な文字列照合手段を実現するために
は、数十ナノ秒という照合サイクルが必要となるため、
ＤＲＡＭなどの安価なメモリが使用できず、ＳＲＡＭな
どの高速なメモリを使用しなければならなくなる。その
結果、文字列検索装置のコストが高くなるという問題が
生じる。また、照合処理の対象にもなり得ない、すなわ
ち検索タームに含まれない文字の場合にも照合処理を実
施しなければならないという問題がある。

【００３０】本発明の目的は、入力テキストにおける照
合処理を部分的に行うことにより、高速な文字列検索方
法および装置を提供することにある。

【００３１】

【課題を解決するための手段】上記目的を達成するた
め、コード表現されたテキスト中に，指定された検索タ
ームが存在するか否かを判定する文字列検索方式で有
り、上記テキストに含まれるコードを入力し、該入力コ
ードが予め設定されたコードと一致するか判定し，該判
定にて一致する場合には上記コードを保持し、該保持さ
れたコードに対し、上記検索タームを照合する。

【００３２】

【作用】本発明の原理について以下説明する。フィルタ
リング手段により、文字列記憶手段から読み出されたテ
キストから検索タームに指定されている文字のみを抜き
出して文字列照合手段に送るようにする。こうすること
により、文字列照合手段に入力される文字数が大幅に削
減されることになる。したがって、文字列照合手段の照
合速度が遅くとも照合処理の対象となる文字数が少なく
なるため、フィルタリング手段の処理スループットに追
随して照合を行うことが可能となる。すなわち、照合速
度の遅い文字列照合手段を用いても文字列検索装置の検
索速度を落さなくても済むようになる。

【００３３】以下、具体例を用いて原理を説明する。例
えば、検索タームに“ＣＭＯＳ”が指定された場合、フ
ィルタリング手段には“Ｃ”、“Ｍ”、“Ｏ”と“Ｓ”
が登録される。このとき文字列記憶手段からテキストと
して“ＨＩＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡＴＡ Ｂ
ＯＯＫ”が読み込まれた場合を考えてみる。

【００３４】フィルタリング手段ではテキストから１文
字入力される度に、検索タームに含まれている文字か否
かを判定し、含まれている文字のみを文字列照合手段に
送る。

【００３５】具体的に説明する。まず、テキストの第１
文字目の“Ｈ”が入力されると、これは検索タームに指
定されている文字コードではないので文字列照合手段に
送出しない。同様に“Ｉ”、“Ｇ”、“Ｈ”、および
“−”も検索タームに含まれないため文字列照合手段に
送らない。次の“Ｓ”は検索タームに含まれているので
文字列照合手段に送る。同様にして、次の“ ”（スペ
ース）は切り捨てられ、それ以後の“Ｃ”、“Ｍ”、
“Ｏ”、および“Ｓ”については検索タームに含まれる
ため文字列照合手段に送る。その後の“Ｄ”、“Ａ”、
“Ｔ”、“Ａ”、“”（スペース）、および“Ｂ”まで
は送出せず、次の“Ｏ”および“Ｏ”を出力し、最後の
“Ｋ”は出力しないことになる。

【００３６】このようなフィルタリング処理の結果とし
て、フィルタリング手段から検索タームに含まれる文字
で構成された“ＳＣＭＯＳＯＯ”という文字列のみが文
字列照合手段に送出されることになる。

【００３７】このように２５文字のテキスト“ＨＩＧＨ
−ＳＰＥＥＤ ＣＭＯＳ ＤＡＴＡＢＯＯＫ”はフィル
タリング手段により７文字のテキスト“ＳＣＭＯＳＯ
Ｏ”にフィルタリングされる。

【００３８】その結果、フィルタリング手段を用いない
場合の７／２５、すなわち約１／４しか文字列照合手段
で処理しなくてもよくなる。そのため、照合スループッ
トが見かけ上約４倍に上がったことになる。すなわち、
アクセスタイムが４倍遅い低価格のメモリを使用しても
文字列検索装置の検索速度を落すことなく、コストの安
い文字列検索装置が提供できることになる。

【００３９】

【実施例】以下、本発明の原理を用いた第１の実施例を
図１を用いて説明する。本実施例は公知例の文字列検索
装置１の文字列記憶手段１０５と文字列照合手段１０２
の間にフィルタリング手段３０００を設け、検索ターム
に含まれない文字コードを切り捨てて、検索タームに含
まれる文字コードのみを文字列照合手段１０２に送り、
文字列照合手段１０２での無駄な照合処理を省くことに
よって、等価的に照合スループットを向上させようとす
るものである。すなわち、低速なメモリを使用した文字
列照合手段１０２を用いても文字列検索装置としての検
索速度が低下しない低コストな文字列検索装置を提供す
ることを目的としている。

【００４０】本実施例で用いるフィルタリング手段３０
００の一構成例を図７に示す。フィルタリング手段３０
００はテキストから１文字入力される毎にこれを検索タ
ームと比較し、検索ターム中に同じ文字があるかどうか
を判定し、同じものがあれば照合した１文字を文字列照
合手段１０２へ出力し、同じものがなければ出力しない
というフィルタリング処理を行う。これを、１文字単位
のフィルタリング処理であることから、単一フィルタリ
ング回路と呼ぶ。

【００４１】本単一フィルタリング回路は、文字コード
レジスタ３２００、単一フィルタリングテーブル３３０
０、および出力ゲート３４１０からなる単一文字出力回
路３４００から構成されている。

【００４２】単一フィルタリングテーブル３３００は図
８に示す構成をとり、文字コードをアドレスとしてアク
セスする一次元メモリである。ここには、検索タームに
含まれる文字コードに対応して“１”が一致フラグとし
て格納されている。

【００４３】以下、本図に示した単一フィルタリング回
路の概略動作について説明する。まず初期設定として、
検索タームに含まれている文字コードに対応する単一フ
ィルタリングテーブル３３００のスロットには１を設定
し、それ以外のスロットには０を設定する。

【００４４】例えば検索タームとして“ＣＭＯＳ”が与
えられた場合には、図８に示すような内容を単一フィル
タリングテーブル３３００に設定する。すなわち、“Ｃ
ＭＯＳ”を構成する“Ｃ”、“Ｍ”、“Ｏ”、および
“Ｓ”の各文字コードに対応するスロットに１を設定し
ておく。

【００４５】フィルタリング動作は、入力テキスト２０
４から１文字ずつ文字コードを文字コードレジスタ３２
００に取り込むことから始まる。

【００４６】文字コードレジスタ３２００の出力である
文字コード３１００を参照アドレスとして単一フィルタ
リングテーブル３３００がアクセスされ、単一一致信号
３３５０が読み出される。検索タームを構成する文字コ
ードの場合には、単一一致信号３３５０として１が出力
される。このとき出力ゲート３４１０が開き、文字コー
ド３１００は出力ライン２０７へ出力され、次段の文字
列照合手段１０２へ送られる。検索タームに含まれない
文字コードの場合には、単一一致信号３３５０として０
が出力される。このとき、出力ゲートは閉ざされ、文字
コード３１００は出力ライン２０７へ出力されず、次段
の文字列照合手段１０２へ送られないことになる。

【００４７】例えば検索タームとして“ＣＭＯＳ”が与
えられ、入力テキストとして“ＨＩＧＨ−ＳＰＥＥＤ
ＣＭＯＳ ＤＡＴＡ ＢＯＯＫ”が入力されたときの単
一フィルタリング回路の具体的な動作を図９のタイミン
グチャートを用いて説明する。

【００４８】まず、入力テキスト２０４から“Ｈ”が文
字コードレジスタ３２００に取り込まれ、文字コード３
１００として出力される。このため、“Ｈ”で単一フィ
ルタリングテーブル３３００がアクセスされ、単一一致
信号３３５０の値として０が出力される。単一一致信号
３３５０の値が０のため、出力ゲート３４１０からは文
字コード“Ｈ”は出力されない。

【００４９】次の、“Ｉ”、“Ｇ”、“Ｈ”、および
“−”も同様に文字コードレジスタ３２００に取り込ま
れるが、単一フィルタリングテーブル３３００から出力
される単一一致信号３３５０が０のため出力ゲート３４
１０からは出力されない。

【００５０】さらに次の“Ｓ”が文字コードレジスタ３
２００に取り込まれると単一フィルタリングテーブル３
３００から出力される単一一致信号３３５０の値が１と
なり、出力ゲート３４１０から文字コード３１００の
“Ｓ”が出力ライン２０７へ出力される。

【００５１】次の“Ｐ”、“Ｅ”、“Ｅ”、“Ｄ”、お
よび“ ”（スペース）の間は単一フィルタリングテー
ブル３３００から出力される単一一致信号３３５０が０
となるため出力ライン２０７へは何も出力されない。

【００５２】この次の“Ｃ”、“Ｍ”、“Ｏ”、および
“Ｓ”の間は単一一致信号３３５０が１となり、出力ゲ
ートから“Ｃ”、“Ｍ”、“Ｏ”、および“Ｓ”が出力
ライン２０７へ出力される。

【００５３】それらの次の“ ”（スペース）、
“Ｄ”、“Ａ”、“Ｔ”、“Ａ”、“ ”（スペー
ス）、および“Ｂ”の間は再び単一フィルタリングテー
ブル３３００からの単一一致信号３３５０が０とるた
め、出力ゲート３４１０から何も出力されない。

【００５４】次の“Ｏ”と“Ｏ”については単一一致信
号３３５０が再び１となるため、出力ゲート３４１０か
ら“Ｏ”と“Ｏ”が出力される。

【００５５】その後“Ｋ”で再び単一一致信号３３５０
が０となるため、出力ゲート３４１０から何も出力され
なくなる。

【００５６】このようにして、２５文字の入力テキスト
“ＨＩＧＨ−ＳＰＥＥＤ ＣＭＯＳＤＡＴＡ ＢＯＯ
Ｋ”から検索タームに含まれる“ＳＣＭＯＳＯＯ”の７
文字が抽出され、出力テキスト２０７として出力され
る。すなわち、入力テキスト２０４の１８／２５、つま
り約３／４が不要文字として切り捨てられるため、文字
列照合手段１０２には約１／４が送られるだけになる。
このことから本実施例では、文字列照合手段１０２の処
理速度をフィルタリング手段３０００の約１／４にする
ことが可能となり、文字列照合手段１０２の状態遷移テ
ーブルに使うメモリのアクセスサイクルも約４倍遅い低
価格なメモリが使用できることになる。

【００５７】以上説明したように本発明の第１の実施例
によれば、小規模なフィルタリング回路を設けるだけ
で、低価格な文字列照合手段１０２が実現でき、低コス
トで高速な文字列検索装置を提供することが可能とな
る。

【００５８】次に、本発明の原理を用いた第２の実施例
について説明する。本実施例は、第１の実施例における
誤照合を防止できるようにしたものである。

【００５９】第１の実施例では、例えば検索タームとし
て“ＳＣＭＯＳ”が与えられ、入力テキストとして“Ｈ
ＩＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡＴＡ ＢＯＯＫ”
が入力された場合、フィルタリングの結果“ＳＣＭＯＳ
ＯＯ”が出力されることになる。この場合、文字列照合
手段１０２では入力テキスト中には存在しない“ＳＣＭ
ＯＳ”を照合してしまうという問題が生じる。これを防
止するためには検索ターム中に存在する文字が連続して
テキスト中に現れる場合にのみそのまま出力し、不連続
になった場合にはそこに区切り記号（以後、デリミタと
呼ぶ）“／”を挿入する必要がある。それには、出力ゲ
ート３４１０からの出力が途絶えたとき、デリミッタ
“／”を１文字分挿入すればよい。このようにすること
により出力テキストは“Ｓ／ＣＭＯＳ／ＯＯ／”のよう
になり、文字列照合手段１０２で“ＳＣＭＯＳ”が誤照
合されるようなことがなくなる。

【００６０】本実施例におけるフィルタリング手段３０
００内の単一フィルタリング回路の構成を図１０に示
す。第１の実施例と異なるのは単一出力回路３４００の
みである。

【００６１】本実施例の単一出力回路３４００はデリミ
タレジスタ３４３０、文字コードセレクタ３４２０、出
力ゲート３４１０、フリップフロップ３４５０、および
ＯＲゲート３４６０から構成される。

【００６２】文字コードセレクタ３４２０では単一一致
信号３３５０が１のときＸポートを選択し、単一一致信
号３３５０が０のときＹポートを選択する。

【００６３】本単一フィルタリング回路３０００の動作
を図１１のタイミングチャートに基づいて、例を上げて
説明する。

【００６４】検索タームとして“ＣＭＯＳ”を、入力テ
キストとして“ＨＩＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡ
ＴＡ ＢＯＯＫ”を想定する。

【００６５】初期設定として、デリミタレジスタ３４３
０にデリミタコードとして検索タームに使用されない文
字コードを設定する。例えば“／”を設定する。また、
フリップフロップ３４５０には０（ゼロ）を設定する。
単一フィルタリングテーブル３３００には第１の実施例
と同様に、図８に示した単一一致フラグを設定する。

【００６６】まず、入力テキスト２０４から“Ｈ”が文
字コードレジスタ３２００に取り込まれるとともに、
“Ｈ”で単一フィルタリングテーブル３３００がアクセ
スされ、単一一致信号３３５０の値として０が出力され
る。さらにフリップフロップ３４５０の値も０であるた
め、出力制御信号３４６１は０となる。したがって、文
字コードセレクタ３４２０では、Ｙポートのデリミタコ
ード“／”が選択されるが、出力ゲート３４１０から出
力ライン２０７へは“Ｈ”が出力されない。

【００６７】次の、“Ｉ”、“Ｇ”、“Ｈ”、および
“−”も次々と文字コードレジスタ３２００に取り込ま
れるが、同様に単一フィルタリングテーブル３３００か
らの単一一致信号３３５０が０でかつフリップフロップ
３４５０の値も０であるため出力ゲート３４１０からは
出力されない。

【００６８】さらに次の“Ｓ”が文字コードレジスタ３
２００に取り込まれると単一フィルタリングテーブル３
３００から出力される単一一致信号３３５０の値が１と
なる。このため、文字コードセレクタ３４２０ではポー
トＸが選択され、文字コード３１００“Ｓ”が出力ライ
ン３４８０へ送出される。出力ゲート３４１０はゲート
信号３４６１が１になるため開き、“Ｓ”が出力ライン
２０７へ出力される。この後、単一一致信号３３５０の
値、すなわち１がフリップフロップ３４５０に格納され
る。

【００６９】次の“Ｐ”が文字コードレジスタ３２００
に取り込まれると、単一フィルタリングテーブルの参照
値が０となるため、文字コードセレクタ３４２０ではＹ
ゲートが選択され、デリミタ３４３１が出力ゲート３４
１０へ出力される。ここで、フリップフロップ３４５０
には前回の単一一致信号３３５０の値である１が格納さ
れている。したがって、出力制御信号３４６１は１とな
っているため、出力ゲート３４１０からデリミタ３４３
１が出力ライン２０７へ出力されることになる。この
後、フリップフロップ３４５０に単一フィルタリングテ
ーブル３３００の参照出力、すなわち単一一致信号３３
５０の値として０が格納され、初期値にリセットされ
る。したがって、出力ゲートは閉じられることになる。

【００７０】さらに次の、“Ｅ”、“Ｅ”、“Ｄ”、お
よび“ ”の間は単一フィルタリングテーブル３３００
からの単一一致信号３３５０が０のため出力ライン２０
７へは何も出力されない。

【００７１】この次の“Ｃ”、“Ｍ”、“Ｏ”、および
“Ｓ”の間は単一一致信号３３５０が１となる。このた
め、文字コードセレクタ３４１０ではＸポートが選択さ
れ、文字コード３１００が出力され、さらに出力ゲート
３４１０も開となるため“Ｃ”、“Ｍ”、“Ｏ”、およ
び“Ｓ”が出力ライン２０７へ出力される。

【００７２】次の“ ”（スペース）が文字コードレジ
スタ３２００に取り込まれると、単一フィルタリングテ
ーブルの参照値は０となるもののフリップフロップ３４
５０の値が１であるため、文字コードセレクタ３４２０
ではＹゲートが選択され、前述の“Ｐ”の処理と同様に
デリミタ３４３１が出力ライン２０７へ出力される。こ
の後、フリップフロップ３４５０には同様にして０が格
納され、初期値に戻る。

【００７３】それらの次の“Ｄ”、“Ａ”、“Ｔ”、
“Ａ”、“ ”（スペース）、および“Ｂ”の間は再び
単一フィルタリングテーブル３３００からの単一一致信
号３３５０が０となるため、出力ゲート３４１０から何
も出力されない。

【００７４】次の“Ｏ”と“Ｏ”については単一一致信
号３３５０が再び１となるため、出力ゲートから“Ｏ”
および“Ｏ”が出力される。

【００７５】この後“Ｋ”で単一一致信号３３５０が０
となるがフリップフロップ３４５０の値が１であるた
め、前述の“Ｐ”の処理と同様にデリミタ３４３１が出
力ライン２０７へ出力される。

【００７６】以上説明したように２５文字の入力テキス
ト“ＨＩＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡＴＡ ＢＯ
ＯＫ”がフィルタリングされて“Ｓ／ＣＭＯＳ／ＯＯ
／”の１０文字が出力される。したがって、“ＳＣＭＯ
Ｓ”という検索タームが与えられた場合にも、誤照合を
起こすことなく照合処理が行えることになる。

【００７７】すなわち、本実施例によれば、第１の実施
例に少量の回路を追加するだけで誤照合のないフィルタ
リングが可能となるとともに低価格なメモリを使用した
文字列照合手段１０２が実現できるため、低コストで高
速な文字列検索装置を提供することが可能となる。

【００７８】次に、本発明の原理を用いた第３の実施例
について説明する。本実施例は、検索タームの先頭文字
が出現するまで、検索タームを構成する先頭文字以外の
文字とテキストが一致しても一致した文字を出力しない
ようにすることにより、第２の実施例よりもさらにフィ
ルタリング機能を高めたフィルタリング手段を提供する
ものである。

【００７９】第２の実施例では、例えば検索タームとし
て“ＣＭＯＳ”が与えられ、入力テキストとして“ＨＩ
ＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡＴＡ ＢＯＯＫ”が
入力された場合に、フィルタリングの結果として“Ｓ／
ＣＭＯＳ／ＯＯ／”のように先頭文字が一致していない
“Ｓ”や“ＯＯ”が出力される。これらの文字列は検索
タームの先頭文字“Ｃ”が先頭にないため、文字列照合
手段１０２へ送られても検索タームと一致する可能性は
ない。

【００８０】これを防止するためには、フィルタリング
テーブルに先頭文字であることを示す一致フラグ（以
後、先頭一致フラグと呼ぶ）と、それ以外の文字である
ことを示す一致フラグ（以後、後方一致フラグと呼ぶ）
を設ける。フィルタリング時には、まず先頭一致フラグ
のみで照合を行い、先頭一致フラグが立った場合のみそ
の文字を文字列照合手段１０２へ送出する。一旦先頭一
致フラグが立った後は、先頭一致フラグと後方一致フラ
グのいずれかが立てばその文字を文字列照合手段１０２
へ送出する。その後、先頭一致フラグと後方一致フラグ
のいずれもが立たなくなった場合に、先頭一致フラグの
みによるフィルタリング動作に戻る。

【００８１】以上により、文字列照合手段１０２には
“Ｓ”や“ＯＯ”が入力されることがなくなる。このよ
うに先頭文字について特別な処理を行うことから、本単
一フィルタリング回路を単一先頭フィルタリング回路と
呼ぶ。

【００８２】本実施例におけるフィルタリング手段３０
００の構成を図１２に示す。本実施例は文字コードレジ
スタ３２００、単一先頭フィルタリングテーブル３３０
１、ＯＲゲート３４６２、ＡＮＤゲート３４６３、およ
び単一出力回路３４０１から構成される。

【００８３】単一先頭フィルタリングテーブル３３０１
のスロットには、図１３に示すように先頭一致フラグと
後方一致フラグが格納されており、文字コードをアドレ
スとしてアクセスされる。

【００８４】単一出力回路３４０１はデリミタレジスタ
３４３０、文字コードセレクタ３４２０、出力ゲート３
４１０、フリップフロップ３４５０、およびＯＲゲート
３４６０から構成される。

【００８５】以下、本単一先頭フィルタリング回路の動
作を図１４のタイミングチャートに基づいて、例を上げ
て説明する。

【００８６】検索タームとして“ＣＭＯＳ”を、入力テ
キストとして“ＨＩＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡ
ＴＡ ＢＯＯＫ”を想定する。

【００８７】初期設定として、デリミタレジスタ３４３
０に検索タームに使用されない文字コードを設定する。
例えば“／”を設定する。また、フリップフロップ３４
５０には０（ゼロ）を設定する。単一先頭フィルタリン
グテーブル３３０１には、図１３に示す内容を設定す
る。つまり、先頭文字“Ｃ”に対応するスロットの先頭
一致フラグには１を設定し、その他の文字“Ｍ”、
“Ｏ”、および“Ｓ”に対応するスロットの後方一致フ
ラグに１を設定する。それら以外の先頭一致フラグと後
方一致フラグには０を設定する。

【００８８】まず、入力テキスト２０４から“Ｈ”が文
字コードレジスタ３２００に取り込まれるとともに、
“Ｈ”で単一先頭フィルタリングテーブル３３０１がア
クセスされ、先頭一致フラグ３３５２と後方一致フラグ
３３５１が読み出される。しかし、両方のフラグはとも
に０であるため単一一致フラグ３３５０は０となる。さ
らに、フリップフロップ３４５０の値も０であるため、
出力制御信号３４６１は０となり、文字コードセレクタ
３４２０でＸポートの文字コード３１００“Ｈ”が選択
されるものの、出力ゲート３４１０から“Ｈ”は出力ラ
イン２０７へ出力されない。

【００８９】次の、“Ｉ”、“Ｇ”、“Ｈ”、および
“−”も次々と文字コードレジスタ３２００に取り込ま
れるが、同様に両方のフラグが０でかつフリップフロッ
プ３４５０の値も０であるため出力ゲート３４１０から
は出力されない。

【００９０】さらに次の“Ｓ”が文字コードレジスタ３
２００に取り込まれると単一先頭フィルタリングテーブ
ル３３０１から後方一致フラグ３３５１として１が読み
出される。しかし、ＡＮＤゲート３４６３にフリップフ
ロップ３４５０の値の０が入力されているため、単一一
致信号３３５０も０となり、同様に出力ゲート３４１０
からは何も出力されない。

【００９１】次の“Ｐ”、“Ｅ”、“Ｅ”、“Ｄ”、お
よび“ ”（スペース）の間は単一先頭フィルタリング
テーブル３３００から読み出された先頭一致フラグ３３
５２と後方一致フラグ３３５１がともに０であるため、
同様に出力ライン２０７へは何も出力されない。

【００９２】この次の“Ｃ”が取り込まれると単一先頭
フィルタリングテーブル３３０１から先頭一致フラグと
して１が読み出される。したがって、単一一致信号３３
５０も１となる。このため、文字コードセレクタ３４２
０からＸポートの文字コード３１００が選択され、出力
ゲート３４１０が開くため“Ｃ”が出力ライン２０７へ
出力される。この後、フリップフロップ３４５０に１が
格納される。

【００９３】次の“Ｍ”、“Ｏ”、および“Ｓ”の間は
後方一致フラグ３３５１として１が読み出され、かつフ
リップフロップ３４５０の値も１のため、単一一致信号
３３５０は１となる。このため、文字コードセレクタ３
４２０からＸポートの文字コード３１００が選択され、
さらに出力ゲート３４１０も開くため“Ｃ”、“Ｍ”、
“Ｏ”、および“Ｓ”が出力ライン２０７へ出力され
る。

【００９４】次の“ ”（スペース）が文字コードレジ
スタ３２００に取り込まれると、単一先頭フィルタリン
グテーブルの先頭一致フラグ３３５２と後方一致フラグ
３３５１はともに０となるもののフリップフロップ３４
５０の値が１であるため、デリミタ３４３１が文字コー
ドセレクタ３４２０で選択され、“／”が出力ライン２
０７へ出力される。この後、フリップフロップ３４５０
に０が格納され、初期値に戻る。

【００９５】それらの次の“Ｄ”、“Ａ”、“Ｔ”、
“Ａ”、“ ”（スペース）、および“Ｂ”の間は再び
単一先頭フィルタリングテーブル３３００から先頭一致
フラグ３３５２と後方一致フラグ３３５１としてともに
０が読み出されるため、出力ゲート３４１０から何も出
力されない。

【００９６】次の“Ｏ”と“Ｏ”については後方一致フ
ラグ３３５１として１が読み出されるが、フリップフロ
ップ３３５１の値が０であるため、単一一致信号３３５
０は０となり、出力ゲート３４１０からは何も出力され
ない。

【００９７】最後の“Ｋ”でも単一一致信号３３５０が
０となり、出力ライン２０７からは何も出力されない。

【００９８】以上説明したように２５文字の入力テキス
ト“ＨＩＧＨ−ＳＰＥＥＤ ＣＭＯＳ ＤＡＴＡ ＢＯ
ＯＫ”がフィルタリングされて“ＣＭＯＳ／”の５文字
が出力されることになる。したがって、“Ｓ”や“Ｏ
Ｏ”などの先頭部分が一致しない文字列がフィルタリン
グ手段で落とされ、文字列照合手段１０２に入力される
ことがなくなる。このため、実施例２では出力テキスト
は１０文字であったのに対し、本実施例では５文字と半
分になる。

【００９９】すなわち本実施例によれば、単一先頭フィ
ルタリングテーブル３３０１を用いることにより、実施
例２よりも効率のよいフィルタリングが可能となるた
め、さらに低価格なメモリを使用した文字列照合手段１
０２が実現でき、低コストで高速な文字列検索装置を提
供することが可能となる。

【０１００】次に、本発明の原理を用いた第４の実施例
について図１５を用いて説明する。

【０１０１】第１の実施例には、フィルタリング手段３
０００と文字列照合手段１０２とが同期して動作するた
め、文字列照合手段１０２の処理が終了するまでフィル
タリング手段３０００が動作できないという問題があ
る。

【０１０２】このため、本実施例ではフィルタリング手
段３０００と文字列照合手段１０２の間にファーストイ
ン・ファーストアウト型のバッファリング手段１０６を
設け、フィルタリング手段３０００と文字列照合手段１
０２とが非同期で動作できるようにしたものである。

【０１０３】本実施例のバッファリング手段１０６の概
略動作について説明する。フィルタリング手段３０００
で切り出された文字は出力テキスト２０７としてバッフ
ァリング手段１０６に格納される。バッファリング手段
１０６が満杯になるまでフィルタリング手段３０００は
格納を続け、満杯になった場合は格納を停止する。格納
された出力テキストは文字列照合手段１０２から読み出
される。ただし、バッファリング手段１０６が空になっ
た場合には読出しを停止する。

【０１０４】このため、フィルタリング手段３０００で
は、バッファリング手段１０６が満杯になるまで、文字
列照合手段１０２を意識することなくフィルタリング処
理を実行できる。

【０１０５】このようにすることにより、文字列照合手
段１０２が照合動作中であっても、フィルタリング手段
３０００はテキストを入力しフィルタリング処理を行う
ことができるようになる。その結果、フィルタリング処
理と文字列照合処理と同時に並行して行うことができる
ようになるため、さらに検索スループットを上げること
が可能となる。

【０１０６】なお、フィルタリング手段１０６はＦＩＦ
Ｏ（Ｆｉｒｓｔ Ｉｎ ＦｉｒｓｔＯｕｔ）メモリなど
で簡単に構成することが可能である。

【０１０７】以上によれば、高速なフィルタリング手段
３０００のスループットを無駄に落とすことなく、効率
的に文字列照合ができる高速な文字列検索装置を提供す
ることが可能となる。

【０１０８】

【発明の効果】本発明によれば、入力テキストにおける
照合を部分的に行うことにより、高速な文字列検索方法
および装置を提供することが可能となる。

【図面の簡単な説明】

【図１】本発明の文字列検索装置の説明図。

【図２】従来の文字列検索装置の説明図。

【図３】従来の文字列照合回路の構成を示すブロック
図。

【図４】従来のオートマトンの状態遷移図。

【図５】従来のトークンの制御方法の説明図。

【図６】従来の文字列照合回路の構成を示すブロック
図。

【図７】本発明を用いたフィルタリング手段の構成を示
すブロック図。

【図８】本発明を用いたフィルタリングテーブルの説明
図。

【図９】本発明を用いたフィルタリング手段のタイミン
グチャート。

【図１０】本発明を用いたフィルタリング手段の構成を
示すブロック図。

【図１１】本発明を用いたフィルタリング手段のタイミ
ングチャート。

【図１２】本発明を用いたフィルタリング手段の構成を
示すブロック図。

【図１３】本発明を用いたフィルタリングテーブルの説
明図。

【図１４】本発明を用いたフィルタリング手段のタイミ
ングチャート。

【図１５】本発明の文字列検索装置の説明図。

【符号の説明】

７…アドレスレジスタ、９…アドレスデコーダ、８…ラ
ンダムアクセスメモリ、１０…メモリレジスタ、２０…
データレジスタ、２１…切り換え回路、２２…制御回
路、２０…データレジスタ、１０１、２０１…検索制御
手段、１０２…文字列照合手段、１０３…複合条件判定
手段、１０４…記憶装置制御手段、１０５…文字列記憶
手段、１０６…バッファリング手段、２２０…状態遷移
テーブル、２６０…照合ＩＤテーブル、３０３…次状態
番号、３０５…現状態番号、４０３…初期状態を示す矢
印、３０００…フィルタリング手段、３２００…文字コ
ードレジスタ、３３００…単一フィルタリングテーブ
ル、３３０１…単一先頭フィルタリングテーブル、３４
１０…出力ゲート、３４２０…文字コードセレクタ。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 篠崎 雅継 東京都千代田区神田駿河台四丁目６番地 株式会社日立製作所内 (56)参考文献 特開 昭61−248160（ＪＰ，Ａ) 加藤寛次，自由語による全文検索のた めのテキストサーチマシンＴＳＭ−Ｉ, 情報処理学会第39回（平成元年後期）全 国大会講演論文集２，1989年，ｐ．1075 −1076 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30

Claims (10)

(57)【特許請求の範囲】
1. 【請求項１】コード表現されたテキスト中に、指定され
   た検索タームが存在するか否かを判定する文字列検索方
   法において、 上記入力テキストに含まれる１文字に対応するコードを
   入力し、検索タームに含まれる１文字に対応するコード
   と該入力コードの関係に応じたコードを出力し、 該出力されたコードに対し、上記検索タームを照合する
   ことを特徴とする文字列検索方法。
2. 【請求項２】コード表現されたテキスト中に、指定され
   た検索タームが存在するか否かを判定する文字列検索方
   法において、 上記テキストに含まれるコードを入力し、該入力コード
   が上記検索タームに含まれるコードと一致する場合に上
   記コードを出力し、 該出力されたコードに対し、上記検索タームを照合する
   ことを特徴とする文字列検索方法。
3. 【請求項３】請求項１又は請求項２記載の文字列検索方
   法において、上記入力コードが上記指定された検索ター
   ムの先頭文字と一致した場合に、それ以降該入力コード
   が予め設定されたコードと一致するか判定し、該判定に
   て一致する場合には上記コードを出力することを特徴と
   する文字列検索方法。
4. 【請求項４】請求項３記載の文字列検索方法において、
   上記入力コードが上記指定された検索タームに含まれる
   コードと一致しない場合に、それ以降上記入力コードが
   上記指定された検索タームの先頭文字と一致するかを判
   定し、該判定にて一致する場合には上記コードを出力す
   ることを特徴とする文字列検索方法。
5. 【請求項５】請求項１又は請求項２記載の文字列検索方
   法において、上記入力コードが上記 指定された検索ター
   ムに含まれるコードと一致しない場合に所定コードを出
   力することを特徴とする文字列検索方法。
6. 【請求項６】請求項３又は請求項４記載の文字列検索方
   法において、上記入力コードが上記指定された検索ター
   ムに含まれるコードと一致しない場合に所定コードを出
   力することを特徴とする文字列検索方法。
7. 【請求項７】請求項３又は請求項４記載の文字列検索方
   法において、上記入力コードが上記指定された検索ター
   ムに含まれるコードのいずれとも一致しない場合に所定
   コードを出力することを特徴とする文字列検索方法。
8. 【請求項８】コード表現されたテキスト中に、指定され
   た検索タームが存在するか否かを判定する文字列検索装
   置において、 上記入力テキストに含まれる１文字に対応するコードを
   入力し、検索タームに含まれる１文字に対応するコード
   と該入力コードの関係に応じてコードを出力するフィル
   タリング手段と、 該出力されたコード列に対し、上記検索タームを照合す
   る文字列照合手段とを有することを特徴とする文字列検
   索装置。
9. 【請求項９】コード表現されたテキスト中に、指定され
   た検索タームが存在するか否かを判定する文字列検索装
   置において、 上記テキストに含まれるコードを入力し、該コードが検
   索タームに含まれるコードと一致する場合に、当該コー
   ドを出力するフィルタリング手段と、 該出力されたコード列に対し、前記検索タームを照合す
   る文字列照合手段とを有することを特徴とする文字列検
   索装置。
10. 【請求項１０】請求項８又は請求項９記載の文字列検索
    装置において、上記フィルタリング手段では、上記入力
    したコードと上記指定された検索タームの先頭コードと
    の一致を判定する第１のコード判定手段と、 上記入力したコードと上記指定された検索タームに含ま
    れるコードとの一致を判定する第２のコード判定手段
    と、 第１のコード判定手段と第２のコード判定手段の少なく
    ともいずれかにおける判定結果から当該コードの出力を
    制御する出力手段とを有することを特徴とする文字列検
    索装置。