JP3499105B2 - 情報検索方法および情報検索装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、情報検索方法およ
び情報検索装置に関し、特に、大量の文書データに対し
てフルテキストサーチを行う方法及び装置に関するもの
である。

【０００２】

【従来の技術】ユーザが必要とする文書を高速に検索す
るために、例えば、UNIXのgrepコマンドのように、イン
デックスを作成せずに文書ファイルから直接検索する方
法がある。しかしながら、この方法では、大量な文書の
処理には速度上問題があるので、大量な文書、高速な検
索には一般的に不向きである。

【０００３】そこで、ユーザが必要とする文書を高速に
検索する方法として、単語ベースのフルテキストサーチ
による方法が知られている。この単語ベースのフルテキ
ストサーチとは、検索対象となる文書を形態素解析等に
より予め単語に分解した後、単語と文書との間の関係を
調べるデータベース（インデックス）を作成することに
より、ユーザが欲する単語に対して前記データベースを
用いて検索するものである。

【０００４】このような単語ベースのフルテキストサー
チにおいては、一般に、ユーザが望ましいと思うであろ
う文書の順に検索結果を並べて表示する方法がとられる
ことが多い。ここで、ユーザがどのような文書を望むか
については、ユーザが与えた検索式から評価関数を作成
し、その評価値の高い順に文書を提示する。

【０００５】しかしながら、文書量が非常に多い場合に
は、単体の計算機では実効性能を発揮できず、迅速に処
理を行うことができない場合があり、分散並列化を行な
う必要がある。

【０００６】関係文書ベースでは、巨大文書ベースをス
キーマに応じて分割する方法があるが、フルテキストサ
ーチのように単一構造の文書ベースを分割するのは、容
易ではない。

【０００７】このため、大きな文書ベースを分割して並
列処理を行なうことが一般的に行なわれている。分割の
方法としては、キーに応じて分けるのが一般的に知られ
ている。ここで、キーとしては、語の識別子と文書の識
別子の二つの可能性がある。即ち、語について検索装置
を分ける方法と文書について検索装置を分ける方法であ
る。

【０００８】語の識別子をキーとした場合には、語につ
いては集約される反面、文書は分散する。このため、１
つの語Ａについて検索する場合には、その語を含む検索
装置のみを利用するので、検索装置に対する負荷が軽
い。しかしながら、２つの語Ａと語Ｂとを同時に含む文
書を検索しようとした場合に、これらの語が同一の検索
装置に割り当てられていない場合には、２つの検索装置
間で大量の情報転送が発生して、検索速度は極端に遅く
なるという問題がある。

【０００９】一方、文書の識別子をキーとする方法で
は、１つの文書は１つの検索装置に集約される反面、同
じ語は複数の検索装置に分散する。このため、１つの語
を検索する場合であっても、全ての検索装置を使う必要
がある。検索装置全体として結果を作成するためには、
各検索装置からの結果を収集して整理する必要があると
いう問題がある。

【００１０】そこで、検索装置の階層化により高速化す
るという手法が提案されている。例えば、特開平３−２
２９３６６号公報には、テキスト（文書）中で出現頻度
が高い文字のみから作った検索装置とそれ以外の検索装
置とを階層化することにより、高速化する技術が開示さ
れている。ここでは、出現頻度が小さい方に割り当てら
れた検索装置で検索を行ない候補を出した上で、大きい
方に割り当てられた検索装置で検索することにより、所
望とする文書を検索するものである。しかしながら、上
記方法では、正しい順位の検索をするためには、結局、
全ての検索装置を稼働させることになり無駄が生じると
いう問題があった。

【００１１】また、特開平３−１５４９３９号公報に
は、検索要求頻度に応じてデータベースを階層化する技
術が開示されている。しかしながら、この方法では、具
体的に文書番号を指定してアクセスする場合には、非常
に高速に機能するが、条件に合うものの検索の場合には
データがどこにあるのか特定できないため、高速に検索
を行なうことができないという問題があった。

【００１２】

【発明が解決しようとする課題】上述したように、単純
に、キーによる分割による方法は、検索効率が良くない
という問題があった。また、フルテキストサーチを行な
う場合の文書ベースの分割を行う方法では、無駄な通信
の抑制を考慮していなかった。

【００１３】すなわち、語の識別子をキーにして分割し
た場合、検索式に現れる全ての語が１台の検索装置内に
割り当てられていない場合には、それらの検索装置間で
の情報転送が生じる。例えば、「インターネット ＡＮ
Ｄ パソコン」の検索要求に対し、「インターネット」
と「パソコン」というそれぞれの語がそれぞれ異なった
検索装置によって保持されているとした場合、両者の間
でＡＮＤをとるために情報転送（通信）が必要になる。
つまり、「インターネット」を検索した検索装置が検索
結果を「パソコン」という語を保持している検索装置に
転送するか、その逆方向に転送するかのいずれかを行な
う必要がある。

【００１４】一方、文書の識別子をキーにして分割した
場合には、上述の例とは別の原因による情報転送が起こ
り得る。すなわち、各検索装置は、それぞれが担当する
範囲（検索範囲）検索結果をいくつ集めたら良いのかが
わからないという問題が生じる。例えば、「インターネ
ット ＡＮＤ パソコン」を充たす評価値の高い上位１
００個の検索結果を求めるという要求に対し、各検索装
置は、具体的に何個の検索結果を収集すればよいのかわ
からない。このために、各検索装置は自分で検索した上
位１００個までの検索結果をコントローラ（例えば、中
央管理装置）に送出し、コントローラで送出された検索
結果を評価値に基づいてソートし、上位１００位より下
位のものは無視することになる。すなわち、ここで、無
視された検索結果は、転送の無駄になったことになる。

【００１５】このように、フルテキストサーチを行なう
場合の文書ベースの分割を行う方法では、無駄な通信の
抑制を考慮しなければならないにもかかわらず、何ら考
慮されていなかった。

【００１６】このことは、半導体技術の進歩によりＣＰ
Ｕの処理速度は向上し、メモリの安価により計算機の実
メモリ容量は増え、単体の計算機の処理能力は順調に向
上しているが、計算機間の転送は、レイテンシーやバン
ド幅等の点で、十分なものを安価に入手することは困難
であるという現状を考慮すると、特に必要である。

【００１７】また、上記従来のいずれの方法において
も、評価値に従った検索結果の出力順序が十分考慮され
ていなかった。すなわち、検索式から形式的に導かれる
検索式に従って検索結果を出力することが要求されてい
る。ここで、重要なことは、評価式が利用者にとって適
切であるかということである。インプリメントに際して
都合の良いように評価式を作成して処理速度を高めるこ
とができるが、利用者の直感に反した評価式は受け入れ
がたい。

【００１８】例えば、語の重みが０．５以上のものにつ
いては第１の検索装置で検索し、それ未満のものは第２
の検索装置で検索する場合を考える。「インターネット
ＡＮＤ パソコン」を検索するときに、両者の語の重
みが共に０．５以上のものは第１の検索装置で検索し、
その検索結果を語の重みの和の順にソートして出力す
る。次に、第２の検索装置で、第１の検索装置によって
は求まらなかった検索結果（すなわち、どちらか一方の
語の重みが０．５未満であった場合）を語の重みの和の
順にソートして出力する。この場合、「インターネッ
ト」の語の重みが０．５で「パソコン」の語の重みが
０．５である文書と、「インターネット」の語の重みが
１．０で「パソコン」の語の重みが０．４９である文書
とは、語の和を求めた評価では、後者の方が上である。
しかし、前者は第１の検索装置で検索され、後者は第２
の検索装置で検索されるので、前者の検索結果の方が先
に出ることになる。

【００１９】このように検索装置間の切れ目（境界線）
によって評価式が連続しないものは、利用者に直感的な
不自然な感じを与える。そこで、階層化された検索装置
で、連続する検索装置の間の評価式も連続であることが
必要とされる。

【００２０】

【課題を解決するための手段】本発明は、ある文書に含
まれる各語の該文書に対する重み値がそれぞれ定められ
ており、重み値が第１の値以上である場合には、該文書
を示す識別情報と該語と該語の重み値とを対応付けた対
応付けデータを第１の検索装置と第２の検索装置とにそ
れぞれ記憶し、重み値が該第１の値未満且つ第２の値以
上である場合には、該対応付けデータを前記第２の検索
装置に記憶するようにした検索システムに、多数の文書
に対する対応付けデータを記憶しておき、検索要求に従
って検索する情報検索方法において、与えられた語およ
び検索結果数を含む検索要求に基づいて、前記第１の検
索装置に記憶される前記対応付けデータを該語で検索
し、この検索により得られた前記識別情報を含む検索結
果の個数が前記検索結果数を満たしていない場合に、該
語と、前記検索要求に含む検索結果数から該検索結果の
個数を減らした数とを含む新たな検索要求を前記第２の
検索装置に与えるようにした。

【００２１】 また本発明は、文書に含まれる各語の該
文書に対して決められた重み値を利用して、多数の文書
から検索要求に従う検索を行う情報検索装置であって、
語の重み値が第１の値以上である場合の、該文書を示す
識別情報と該語と該語の重み値とを対応付けた対応付け
データを記憶しておき、語および検索結果数を含む検索
要求を受けて、前記対応付けデータを該語で検索し、前
記識別情報を含む検索結果を出力する第１の検索装置
と、語の重み値が前記第１の値より小さい第２の値以上
である場合の、該文書を示す識別情報と該語と該語の重
み値とを対応付けた対応付けデータを記憶しておき、語
および検索結果数を含む検索要求を受けて、前記対応付
けデータを該語で検索し、前記識別情報を含む検索結果
を出力する第２の検索装置と、外部より語および検索結
果数を含む検索要求を受けて、前記第１の検索装置へ該
検索要求を供給し、この検索要求に対する検索結果の個
数が前記検索結果数を満たしていない場合に、該語と、
前記第１の検索要求に含む検索結果数から該検索結果の
個数を減らした数とを含む新たな検索要求を生成し、前
記第２の検索装置へ新たな検索要求を供給する制御手段
とを備えるようにした。

【００２２】

【００２３】

【００２４】

【００２５】

【００２６】

【００２７】

【００２８】

【発明の実施の形態】以下、図面を参照しながら発明の
実施の形態を説明する。まず、本実施形態において用い
る語句を説明する。 ・文書：コンピュータによって処理可能な任意のデジタ
ル化されたデータ（デジタルデータ）の列である。デジ
タル化されたデータであれば、自然言語で記述された文
書であっても良いし、プログラムのソースコードやオブ
ジェクトであっても良い。さらに、画像、動画、音声で
あっても良い。 ・語：任意のデジタルデータである。自然言語の語でも
よいし、バイナリコードの語と考えても良い。例えば、
CPU に与えられる命令のオペコードであってもよい。文
書から語の列に分解する場合に、文書が自然言語ならば
形態素解析という手法を用い、バイナリコードの場合に
は、その構造および形式を理解するパーザによって分解
する。 ・ｖａｌ（語Ａ，文書ｉ）：文書ｉにおける語Ａの重み
である。この重みは、システムで与えられた上限値以下
またはそれを越えてはならない。この条件の下で、任意
の定義が可能である。本実施形態では、以下の式を用い
ているが、他にさまざまな変形があり得る。

【００２９】val(語A, 文書i) = g(freq(語A, 文書i)
+ wo(語A) + do(文書i)) freq( 語A, 文書i) = 文書ｉにおける語Ａの出現頻度 wo( 語A) = 語Ａの重要度（検索でよく用いられる語ほ
ど値が大きい。

【００３０】また、文書に無関係に高い頻度で出現する
語ほど小さい。) do( 文書i) = 文書ｉの重要度（文書ｉの人気が高いほ
ど値が大きい。) g(x) = 上界または上限がある単調増加関数 これは、例えば、図２に示すような関数である。 ・(low, high] ：この範囲を表す書き方は、数値ｌｏｗ
よりも大きく、数値ｈｉｇｈ以下の範囲を表す。すなわ
ち、この範囲は、ｌｏｗは含まないが、ｈｉｇｈは含
む。 ・語数p ：検索式のＮＯＴ項以外で現れる語の数であ
る。

【００３１】 例．インターネット …p = 1 インターネット AND パソコン …p = 2 インターネット AND (パソコン OR ワープロ) …p = 3 インターネット AND パソコン NOT ワープロ …p = 2 インターネット AND パソコン NOT (ワープロ OR ソフト) …p = 2 ・インデックステーブル：あるキーから、そのキーに付
随した情報を検索できるように元情報（図３（ａ））か
ら作成したテーブルのことである。例えば、同図（ｂ）
が元情報の例であり、図５に示すように語をキーとし
て、その語を含む文書番号とその時の語の重みとを検索
する表をインデックステーブルと呼ぶ。 ・ＮＯＴ：本発明においては、「弱いＮＯＴ」を用い
る。フルテキストサーチの場合、文書全体の中で一度で
もＮＯＴで指定された語が出現したならば、その文書は
検索対象としないというのは、条件が厳しすぎて使い勝
手が悪い。例えば、以下の検索を行った場合を考える。

【００３２】パソコン NOT ワープロ 本文中に「ワープロではなくてパソコンが必要である」
という文がある場合、この文書は検索者の意図した文書
であるにもかかわらず検索されないことになる。そこ
で、ここでは、ＮＯＴで指定された語は、なるべく含ま
ないようにするが、他の部分の評価点が高ければ、その
ような文書も検索結果に含める。これを実現するため
に、ある階層で、ある文書がＮＯＴで指示された語がな
い場合には、その文書には、ＮＯＴで指示された語は高
い点を持たないとして、その語を含まなかったものとし
て処理を行う。すなわち、ＮＯＴを完全に調べるため
に、下位階層に問い合わせることはしない。例えば、キ
ーワードとして「ワープロ」が指定されていれば、「…
ＮＯＴ ワープロ」という検索ではこの文書は検索され
てほしくない。この文書において「ワープロ」は高い点
を持つので、本検索システムでも不適切に検索されるこ
とはない。

【００３３】［第１の実施形態］次に、本発明に係る第
１の実施形態について説明する。図１は、本発明に係る
情報検索方法または情報検索装置のシステム構成を示す
図である。コントローラ１は、ネットワーク等に接続さ
れたインターフェース部２を介して、検索要求を受け付
ける。コントローラ１は、情報転送路３を介してそれぞ
れ接続された検索装置Ｓ0 〜ＳN-1 （以下、単に「検索
装置Ｓ」ということもある。）に対して検索要求を送出
する。検索装置Ｓは、送出された検索要求に対し、所定
の検索を行った後、その検索結果をコントローラ１に送
出する。

【００３４】検索装置Ｓi は語の重み（これは語と文書
とを引数とする関数ｖａｌの値によって決まる）がt[i]
よりも大きいもの全ての情報を持つ。ここで、配列ｔは
以下の値を取る。

【００３５】t[i] > t[i+1], 0 <= i < N-1 t[0] = MAX t[N] = -∞ これにより、ｉ＜ｊであるならば、検索装置Ｓi の情報
は、検索装置Ｓj のサブセットとなる。

【００３６】これを、図３に示す例に従って、具体的に
説明する。まず、システム構成は、３層構造（Ｎ＝３）
とする。さらに、以下のように配列ｔを定める。

【００３７】 t[0] = 10, t[1] = 7, t[2] = 4, t[3] = -∞ ここで、図３（ａ）に示した文書１２３をどのように検
索装置に格納するかについて説明する。 １）文書１２３（「１２３」は、本実施形態では文書の
識別子としている。）を形態素解析する。同図（ｂ）
は、形態素解析された結果の一例を示す図である。 ２）形態素解析結果にｖａｌ関数を作用させ、各語につ
いて文書１２３における重みを求める。同図（ｃ）は、
重み付け結果の一例を示す図である。 ３）配列t に従って、語を各検索装置に割り当てる。図
４（ａ）〜（ｃ）は、語を検索装置Ｓのそれぞれに割り
当てられたデータの一例を示す図である。これらの図
は、以下の意味を表している。

【００３８】｛語，（文書の識別番号，重み）｝ これらは、文書１２３の場合の例であるが、他の文書の
場合についても同様に語を検索装置に割り当てられる。

【００３９】このようにして、各検索装置Ｓでは、語と
文書番号の組の集合とが得られる。図５は、検索装置Ｓ
0 に割り当てられたデータの一例を示す図である。ここ
では、以下のように、語とその語を含む文章の識別番号
と、そこでの重みの組で表記されている。

【００４０】｛語，（文書の識別番号，重み），…｝ 同図では、他の文書についても検索装置Ｓ0 に追加した
ことから、「イントラネット」という語と「イーサーネ
ット」という語が、新たに追加されている。

【００４１】次に、図６および図７を用いて、本発明に
係る情報検索方法について説明する。すなわち、図６
は、本実施形態に係るコントローラの処理動作の流れを
示す図である。図７は、本実施形態に係る各検索装置Ｓ
の処理動作の流れを示す図である。

【００４２】まず、以下の検索要求が、コントローラに
与えられたとする（ＳＴＥＰ６１）。「語Ａを含む文書
について、評価値が高いｎ0 個の検索結果を提示せ
よ。」 同図に示すように、コントローラ１は、検索装置番号ｉ
を初期値０に初期化し、残りの検索結果の数（検索残
数）ｎを初期値ｎ0 に初期化する（ＳＴＥＰ６２）。次
に、コントローラ１は、検索装置Ｓi に対して語Ａにつ
いて評価値の高い順にｎ個検索するように要求する（Ｓ
ＴＥＰ６３）。

【００４３】コントローラ１から検索要求を受け取った
検索装置Ｓi （図７のＳＴＥＰ７１）は、語Ａの重みが
(t[i+1], t[i]] の範囲に属するものを検索し、その個
数をｍとする（ＳＴＥＰ７２）。次に、語Ａの重みが上
記範囲に属する個数ｍと残りの検索結果数ｎとを比較す
る（ＳＴＥＰ７３）。ＳＴＥＰ７３において、ｍがｎ以
上である場合には、コントローラからの検索要求は満た
したことになる。従って、ｍ個のうち、上位ｎ個を、評
価値の順にソートしてから、それをコントローラ１に返
答する（ＳＴＥＰ７４、ＳＴＥＰ７６）。一方、ＳＴＥ
Ｐ７３において、ｍがｎよりも小さい場合には、検出さ
れたすべての検索結果を重みの値の順にソートしてコン
トローラ１に返答する（ＳＴＥＰ７５、ＳＴＥＰ７
６）。

【００４４】コントローラ１は、検索装置Ｓi から検索
結果を受け取り（図６のＳＴＥＰ６４）、該検索結果に
つき、ｍがｎ以上であるか否かを判断する（ＳＴＥＰ６
５）。ＳＴＥＰ６５において、ｍがｎ以上である場合の
検索結果である場合には、コントローラ１は、インター
フェース部２を介して該検索結果を出力する（ＳＴＥＰ
６８）。

【００４５】一方、ＳＴＥＰ６５において、 ｍがｎ以
上でない場合の検索結果である場合には、コントローラ
１は、検索残数ｎから、検索装置Ｓi にて新たに検索さ
れたｍを差し引くとともに、次の階層の検索装置に移行
させるべく検索装置番号ｉを１つインクリメントし（Ｓ
ＴＥＰ６６）、上記ＳＴＥＰ６１に戻る。ここで、コン
トローラ１が管理する検索装置Ｓがない場合には、これ
で処理を終了する（ＳＴＥＰ６８）。

【００４６】次に、ユーザがＡＮＤ（論理積），ＯＲ
（論理和），ＮＯＴ（否定）を用いた論理式を用いて、
情報検索装置に検索要求を依頼した場合について説明す
る。このような場合、情報検索装置は、前処理として、
以下の処理を行う。 １）検索式に合致するものだけを選出する。 ２）その中で、ＡＮＤ項およびＯＲ項にのみ関わる部分
の語の重みの和を検索式の評価値とする。評価値の場合
には、ＡＮＤとＯＲとの違いは区別せず、ＮＯＴ項は無
視する。

【００４７】例えば、以下のような検索式があったとす
る。 インターネット AND パソコン ここで、「インターネット」という語と「パソコン」と
いう語を含む文書を探し、その中で以下の評価式Ｓに従
って、ソートする。

【００４８】Ｓ = val（インターネット, 文書i ） + v
al（パソコン, 文書i ） 「インターネット」という語と「パソコン」という語は
含むが、「ワープロ」という語は含まないという意味で
以下の式を作ったとする。

【００４９】インターネット AND パソコン NOT ワー
プロ まず、上記の条件を満たす文書のみを選出し、その次に
評価値に従ってソートするが、ここでの評価式ＳはＮＯ
Ｔ項の部分は無視するので、さきほどの例と同じにな
る。

【００５０】Ｓ = val( インターネット, 文書i) + val
( パソコン, 文書i) ここで、ＮＯＴ項以外で出現する語の数をｐとする。上
記の例では、いずれも２である。そして、検索装置Ｓi
の評価値の範囲を ((p-1)t[0]+t[i+1], (p-1)t[0]+t[i]] とする。

【００５１】図８および図９は、論理式を含む場合の情
報処理装置の処理動作の流れを示す図である。この場合
の処理動作は、基本的には、上述の処理動作の場合と同
じであるが、図７におけるＳＴＥＰ７２に相当する図に
おけるＳＴＥＰ９２の処理内容が異なる。

【００５２】すなわち、本発明に係る情報検索装置は、
ＳＴＥＰ７２において、検索式Ｓの評価値が、 ((p-1)*t[0]+t[i+1], (p-1)*t[0]+t[i]] の範囲に属するものの中から、条件を満たすものを検索
することになる。ただし、図７におけるＳＴＥＰ７２と
図８におけるＳＴＥＰ９２とを比較すると、 ＳＴＥＰ
７２は、ＳＴＥＰ９２において、語数ｐを０にした場
合に相当する。すなわち、図６および図７における単一
項の検索は、図８および図９における多項の検索の特殊
な場合の１つということができる。

【００５３】ところで、無駄な通信が一切発生せず、か
つ、検索結果が全て正しい順序で求められるためには、
次の２つの、条件１および条件２を満足する必要がある
が、本発明の実施形態は当該条件を満足している。 ・条件１：検索結果に重なりがないこと これは、各検索装置Ｓi が対象とする評価値の範囲に重
なりがないことから、常に、保証される。さらに検索装
置番号ｉの小さいものほど評価値が高い範囲を対象にし
ていることから、検索装置番号ｉの小さい方から検索結
果を収集すれば、評価値の高い順に結果を集積すること
ができる。 ・条件２：検索結果に抜けがないこと ある評価値のものは必ずどこかの検索装置で認識されて
いなければならない。漏れが生じる可能性は、次の２通
りが考えられる。

【００５４】ケース２−１：検索装置Ｓi で現れる検索
式に合致する文書であるが、その評価値が検索装置Ｓi
の範囲よりも大きく、かつ、検索装置Ｓj （０＜＝ｊ＜
ｉ）ではその文書が存在しないために漏れが生じる。

【００５５】ケース２−２：検索装置Ｓi で現れる検索
式に合致する文書であるが、その評価値が検索装置Ｓi
の範囲よりも小さく、かつ、検索装置Ｓj （ｉ＜ｊ＜
Ｎ）ではその文書が存在しないために漏れが生じる。

【００５６】ケース２−１は存在しない。すなわち、検
索装置Ｓi におけるｐ項の取り得る最大値は、p*t[0]
であるが、検索装置Ｓ0 〜(i-1) までで出現しているも
のを除くと、その最大値は (p-1)*t[0]+t[i] である。
これから、検索装置を小さい順にみていったときに検索
装置Ｓi で初めて出現する文書で評価値が (p-1)*t[0]+
t[i] を越えるものは存在しない。

【００５７】また、ケース２−２も存在しない。すなわ
ち、検索装置Ｓi に現れる文書は、全て検索装置Ｓj
（ｉ＜ｊ＜Ｎ）には含まれている。検索装置Ｓj （ｉ＜
ｊ＜Ｎ）では評価値の対象範囲を連続的に下げながら−
∞（マイナス無限大）までをカバーするので、検索装置
Ｓi では評価値が低かったためにとり上げられなかった
文書は検索装置Ｓj （ｉ＜ｊ＜Ｎ）のいずれかで、常に
とり上げられることが保証されている。

【００５８】［第２の実施形態］次に、本発明に係る第
２の実施形態について説明する。上記第１の実施形態に
おいては、説明を簡単化するために、コントローラ１
は、必ず検索装置番号の小さい（階層が高い）検索装置
Ｓから１台ずつ順に検索要求を出すようにしている。し
かし、本発明は、これに限定するものではなく、任意の
順序で検索要求を出すようにしてもかまわない。

【００５９】すなわち、小さい検索装置番号の検索装置
から順に検索をすることの最大の利点は、無駄な通信が
一切発生しないということである。検索装置Ｓが検索要
求を多数受け付けている場合には、検索装置やその間の
情報転送路を有効に利用する必要がある。このために、
無駄を最小にするために、検索装置番号の小さい検索装
置から順番に検索を行なうのがよい。ただし、１つの検
索要求について検索装置Ｓを順番で検索を行なわせるこ
とは、検索装置Ｓを逐次に動作させることであるので、
処理時間は長くかかる場合がある。

【００６０】そこで、ある時間において、検索装置Ｓの
負荷が非常に低い場合には、通信や処理に若干の無駄が
生じるが、複数の検索装置Ｓに同時に検索要求を出すこ
とも有効である。ここで注意すべき点は、ここでは、全
検索装置に対する検索要求ではなく、そのうちのいくつ
かの検索装置に対して検索要求を同時に出すことであ
る。なぜなら、全検索装置Ｓに検索要求を出す場合に
は、キーを文書にして分割した場合、無駄な通信を全く
減らすことができないからである。なお、ここでいう
「同時」とは、物理的に全くの同時を意味するものでは
ない。例えば、検索装置Ｓi に検索要求を出し、その検
索結果を受け取る前に検索装置Ｓj に検索要求を出す場
合、検索装置Ｓi とＳj とに「同時」に検索要求を出し
たということができる。

【００６１】具体的には、検索装置Ｓを上位から順に複
数のグループに分け、上位グループから順次検索を行な
うようにする。例えば、５台の検索装置Ｓがあった場合
を考える。ここでは、例えば、以下のような検索装置の
組を作る。

【００６２】（検索装置Ｓ0 ，検索装置Ｓ1 ），（検索
装置Ｓ2 ，検索装置Ｓ3 ），（検索装置Ｓ4 ） そして、検索要求があった場合に、まず、コントローラ
は検索装置Ｓ0 , Ｓ1に検索要求を出す。その検索結果
に基づいて、検索結果の数が不十分である場合、さらに
検索装置Ｓ2 , Ｓ3 に検索要求を出す。その検索結果に
基づいて、その結果の数が不十分である場合、検索装置
Ｓ4 に検索要求を出す。

【００６３】また、速度よりも負荷の問題が重要な場合
には、上記の場合に、検索装置Ｓ1, Ｓ3 , Ｓ4 を使う
こともできる。これは、検索装置Ｓ1 は検索装置Ｓ0 の
情報をカバーしており、検索装置Ｓ3 は検索装置Ｓ2 の
情報をカバーしているからである。ただし、このような
場合には、検索装置Ｓ1 における上限値は、t[1]ではな
くt[0]とする。同様に、検索装置Ｓ3 における上限値
は、t[3]ではなくt[2]とする。

【００６４】［第３の実施形態］次に、本発明に係る第
３の実施形態について説明する。この実施形態によれ
ば、情報検索装置をさらに効率的に稼働させることがで
きるようになる。

【００６５】上述したように、検索装置Ｓi の評価値の
範囲は、((p-1)t[0]+t[i+1], (p-1)t[0]+t[i]]である。
ｐが大きくなっても、検索装置Ｓi の対象範囲の絶対値
は t[i]-t[i+1] で固定であるが、語数が増えると評価
値全体が上昇する。これにより、ｐが大きくなると、相
対的に検索装置番号の小さい検索装置の対象範囲が狭ま
る。ｐが非常に大きい場合を考えると、評価値が検索装
置Ｓ0 にある確率は非常に小さい。そこで、語数ｐと検
索装置Ｓi での検索結果が十分な数が得られる確率を統
計的に求める。もし、その確率がある値よりも小さけれ
ば、その語数pの場合にはある検索装置Ｓ0 〜(i-1) に
は検索要求を出さないようにする。このとき、検索要求
は検索装置Ｓ0 〜(i-1) には出されず、検索装置Ｓi 〜
(N-1) に対して出されることになる。この場合に限り、
検索装置Ｓi における評価値の上限は∞（無限大）にし
ておく。

【００６６】［第４の実施形態］次に、本発明に係る第
４の実施形態について説明する。本実施形態は、同一の
検索式による検索要求に対する検索の高速化に関するも
のである。

【００６７】コントローラ１は、各検索装置に与えた検
索要求が、どの検索装置によって指定した検索結果が得
られたかという履歴情報を記憶する。例えば、上位１０
０個の検索結果を要求した場合に、以下のように検索結
果が得られたとする。

【００６８】検索装置Ｓ0 …２１個 検索装置Ｓ1 …５４個 検索装置Ｓ2 …２５個 この例では、上位3 台の検索装置で１００個の検索結果
が得られたことを示している。ここで、コントローラ１
は、次の３つの要素の組からなる履歴情報を記録する。

【００６９】（検索式，最後の検索装置番号，同装置内
の最初の検索結果の評価順位）上記例の場合、この検索
式と検索装置Ｓ2 での評価値が対象範囲内で一番高い検
索結果の順位は全体では76番であるという事実を記録し
ておく。

【００７０】（検索式，２，７６）次に、同じ検索式に
対して１０１番目から２００番目の検索結果を知りたい
という要求を受けた場合、コントローラ１は、検索装置
Ｓ2 の最初の検索結果を76番として、１０１〜２０１番
の検索要求を出す。すなわち、コントローラ１は検索装
置Ｓ0 およびＳ1 には検索要求を出さないことになる。

【００７１】［第５の実施形態］次に、本発明に係る第
５の実施形態について説明する。本実施形態は、どの検
索装置がどこまで検索できたかを示す情報を記録すると
ともに、いわゆるキャッシングと組み合わせて、さらに
検索効率を高めたものである。

【００７２】キャッシュ装置を用いて２度目から同じ処
理に対しては高速化する手法、いわゆるキャッシングが
良く知られている。これを、本発明に係る情報検索方法
および情報検索装置に適用する。本実施形態では、コン
トローラ１にキャッシュ装置を設けたものとして説明す
るが、キャッシュ装置は、コントローラ１と検索装置Ｓ
との間に介在するように設けてあればよい。また、キャ
ッシュ装置には、ストアスルー方式やストアイン方式等
が知られているが、どの方式であるかについては特にこ
だわるものではない。

【００７３】上述の例で、１００個の検索結果は、キャ
ッシュ装置に保持しておき、再度の検索要求があった場
合には、キャッシュ装置がキャッシングしていると判断
した場合には、コントローラ１にそのキャッシングの内
容を返答する。

【００７４】上記の例で、検索装置Ｓ2 で得られた検索
結果は２５個であるが、これは検索装置Ｓ2 では少なく
とも２５個の検索結果が得られたことを意味する。これ
は、検索装置2 では100 個の検索という条件から、25個
で検索結果が打ち切られた可能性があるからである。

【００７５】そこで、本実施形態では、検索結果の個数
を満足させた最後の検索装置において、指定された検索
個数よりも多くの検索結果があった場合、その全てをコ
ントローラ１に返す。コントローラ１では、キャッシュ
装置によってその結果がキャッシングされるが、インタ
ーフェース部２を介して出力するのは、当初の検索要求
通り１００個とする。例えば、検索装置Ｓ2 で実際には
45個の検索結果が見つかった場合には、検索装置Ｓ2
は、これら４５個をコントローラ１に返答する。

【００７６】コントローラ１は、以下のように記録す
る。（検索式，３，１２１） ここで、検索装置Ｓ0 〜Ｓ2 で（２１＋５４＋４５＝１
２０）個の検索結果が得られており、その具体的な検索
結果はキャッシュ装置に保持されている。つまり、１２
１番目以降の検索を行いたい場合、検索装置Ｓ3 から開
始することになり、検索装置Ｓ3 の最大の評価値の検索
結果は１２１位であること意味している。

【００７７】なお、キャッシュ装置の容量は、物理的な
限界があるため、キャッシュ装置の有効利用を図る必要
がある。そこで、例えば、検索装置から得られた検索結
果が所定の数（制限値）よりも多いかどうかを判断し、
制限値を越える数の結果については、キャッシュ装置に
保持せず、無視するという方法が考えられる。

【００７８】また、他の方法として、キャッシュ装置の
アクセス速度に従ってキャッシュ装置を構成するという
方法が考えられる。例えば、半導体メモリのような高速
キャッシュと磁気ディスク装置のような低速キャッシュ
とを用いて構成する。そして、検索結果の評価値に従っ
て、検索結果を格納すべきキャッシュ装置に分配する。
すなわち、より検索要求が高いと思われる、評価値の高
い検索結果については高速キャッシュに格納し、それ以
降の評価値の比較的低い検索結果については低速のキャ
ッシュに格納する。

【００７９】またキャッシュからデータの追い出しに
は、単に最も最近に使われた（most recent accessed)
データを重視するだけでなく、その検索に要した時間を
追い出しの評価に加えることもできる。すなわち、検索
に要した時間に従って、検索結果にキャッシュ装置から
追い出される度合いを示す値を与え、検索に要した時間
が長い検索ほどキャッシュから追い出されにくくする。
再度、検索しても検索時間にあまり要しないものである
ならば、キャッシュに頼る必要性は低いからである。

【００８０】なお、検索対象となる文書が追加・変更・
削除等されると、情報検索装置を再構成する必要があ
る。ここで、情報検索装置の文書ベースを更新した場合
には、キャッシュ装置もクリアする必要がある。しか
し、キャッシュにあるような検索要求は文書ベースが更
新された後も同様に検索されると思われるので、古いデ
ータベースでのキャッシュにある検索要求については、
検索要求が来る前に、再構成後、新しい文書ベースで予
め検索しておき、新しい検索結果をキャッシュに格納し
ておく。

【００８１】［第６の実施形態］図１１は、本実施形態
における情報検索方法または情報検索装置のシステム構
成を示す図である。同図において、ネットワークＮを介
して検索装置Ｓ0 群（検索装置Ｓ00，検索装置Ｓ01，
…）とコントローラ１とが接続されている。このネット
ワークＮは、ＬＡＮ，ＷＡＮ，インターネット等であ
り、有線、無線のいずれであってよい。検索装置Ｓ0
は、複数台あってよい。本実施形態のコントローラ１
は、検索装置Ｓ1 側以降にに設けられている。複数台あ
る方の検索装置Ｓ0群側のそれぞれにコントローラ１が
設けられていると、検索装置Ｓ1 以降の処理が複雑にな
るからである。なお、本実施形態では、ネットワークＮ
は１ヶ所にのみ用いられているが、これに限るものでは
なく、任意の検索装置の間に任意の数のネットワークを
用いることができる。

【００８２】ところで、検索装置Ｓ0 と検索装置Ｓ1 と
の間のネットワークによる遅延が大きい場合がある。例
えば、ネットワークＮにインターネットを使用し、これ
を公衆回線で利用する場合である。

【００８３】このような場合には、検索装置Ｓ0 のデー
タを細大限に利用し、できる限りネットワークを介した
検索装置Ｓ1 以降に検索要求を出すのは効率的でない。
利用者がこれを望むならば、検索装置Ｓ0 で評価値の下
限の設定を行わずに、検索を行ない、それで十分な数の
検索結果が得られなかった場合に限り、ネットワークＮ
を介して検索装置Ｓ1 に検索要求を出すようにする。こ
の場合には、評価値の連続性は、検索装置Ｓ0 と検索装
置Ｓ1 との間で満たされなくなるが、検索速度は向上す
ることとなる。

【００８４】また、連続性は満たされなくなるが、適切
な値（例えば、p*t[0]）を加えれば、順序性は保証され
る。ここで、順序性が保証されるとは、先に検索結果を
提示する検索装置Ｓ0 の検索結果の評価値の最低値は、
検索装置Ｓ1 以降の検索結果の最大値よりも大きいこと
を意味する。または、この検索装置Ｓ0 での検索はロー
カルに行ない、検索装置Ｓ1 以降の検索はリモートで行
なったということもできる。さらに、検索装置Ｓ1 での
上限はこれまで述べてきたのとは若干異なる。検索装置
Ｓ1 での上限は、ＮＯＴ項以外の語の重みの少なくとも
１つはt[1]以下であるという条件に変更する。

【００８５】さらに、ネットワーク利用の場合には、興
味や関心の異なるさまざまな利用者が検索装置を利用す
ることになる。このときに、利用者の手元にある検索装
置については利用者の使い方に応じてカスタマイズされ
ていることが望ましい。

【００８６】そこで、利用者側にある検索装置Ｓ0 につ
いては、利用者のプロファイルに従った語を多く持つよ
うにする。すなわち、その利用者が検索に利用する語に
ついては、語の重みを以下のようにオフセットoffset
（語Ａ）を加える。

【００８７】val(語A, 文書i) + offset(語A) もし、利用者が検索として語Ａを好む場合には、offset
（語Ａ）は正の値になり、もし語Ａを好まない場合には
offset（語Ａ）は負の値にする。検索装置Ｓ1では各検
索装置Ｓ0 群でのオフセットの値の集合を記憶してお
き、検索装置Ｓ0ごとに上限を判断して、既に検索装置
Ｓ0 で出力した検索結果を再び提示することのないよう
にする。

【００８８】上記の例では通信の律速となりえるネット
ワークＮが検索装置Ｓ0 と検索装置Ｓ1 との間にあるも
のとして説明したが、ネットワークＮはどこにあっても
かまわない。例えば、検索装置Ｓ1 と検索装置Ｓ2 との
間に通信の遅いネットワークＮがあった場合には、検索
装置Ｓ0 とＳ1 とが上記説明の検索装置Ｓ0 の役割を果
たし、検索装置Ｓ2 以降が上記説明でいう検索装置1 以
降に相当する機能を果たすことになる。

【００８９】［第７の実施形態］本実施形態における情
報検索方法および情報検索装置は、検索装置ごとに負荷
が異なる点に着目し、統計的な負荷情報から、重みの範
囲t[i]を修正し、また、検索装置の処理能力を修正する
というものである。ここで処理能力の向上には、例え
ば、以下の方法を用いる。 ・高度なハードウェアを用いて高速にする。 ・同じ機能を果たす検索装置を並列化する。 ・担当する文書量を他の検索装置よりも減らすことによ
り、相対的に高速な検索装置とする。例えば、検索装置
Ｓ0 でt[1]の値を大きくすると、検索装置Ｓ1 が持つイ
ンデックステーブルの領域は小さく、検索装置Ｓ0 の負
荷が軽くなり、そのため、検索装置Ｓ0 の処理は高速に
なる。

【００９０】［その他の実施形態］上述の実施形態で
は、評価値は、各項（ＮＯＴ項を除く）の語の重みの和
であるとして説明したが、本実施形態では検索式の各語
（ＮＯＴ項の語を除く）について単調増加の評価式であ
る任意の評価式に対応している。すなわち、ＮＯＴ項に
含まれない語については、その語の重みが大きくなれば
なるほど、検索式の評価値も大きくなるものであればよ
い。

【００９１】例えば、ＡＮＤは積に変換し、ＯＲは和に
変換して、検索式から評価式を作成する場合について説
明する。検索式が 語Ａ AND 語Ｂ AND 語Ｃ であるとき、検索装置Ｓi の評価値の範囲は (t[0]*t[0]*t[i+1], t[0]*t[0]*t[i]] であり、検索式が、 語Ａ AND (語Ｂ OR 語Ｃ) であるとき、検索装置Ｓi の評価値の範囲は (t[0]*(t[0]+t[i+1]), t[0]*(t[0]+t[i])] である。

【００９２】以上の実施形態では、各検索装置が担当す
る語の重みの範囲は語によらず一定として説明した。し
かし、語によって範囲を変更しても問題ない。例えば、
検索装置Ｓi は、語Ｗについて担当する重みの範囲を
(t[w, i+1], t[w, i]] とすることができる。ここで、 t[w, 0] = MAX, t[w, i] > t[w, j], i < j である。このとき、加算評価式の場合、検索装置Ｓi の
担当する評価値の範囲は以下のようになる。

【００９３】((p-1)*t[0] + Max t[w, i+1], (p-1)*t
[0]+Max t[w, i]] さらに、以下のような評価関数を用いることも有効であ
る。 １）検索式に合致しないものの評価値は−∞である。

【００９４】まず、利用者の検索式に合致しなければ、
その文書には−∞が与えられる。 ２）評価値を決定する式を作るために検索式からＮＯＴ
項を取り除く。例えば、 ( インターネット AND パソコン) NOT ワープロ という式からＮＯＴ項を取り去り、 インターネット AND パソコン を得る。 ３）ＡＮＤには重み付きのＭｉｎを、ORには重み付きの
Ｍａｘを作用させる。

【００９５】

【数１】

【００９６】数１のように評価式を決め、以下のように
検索範囲を決定する。 １）インデックステーブルの重みの担当範囲 ｎ階層あった場合、階層ｉのインデックステーブルの担
当範囲を、(t[i+1], t[i]]とする。これは単項の場合で
の値の範囲でもある。 ２）担当範囲の決め方 ｋ個のＡＮＤまたはＯＲ項があり、それらの担当範囲が
大きい順に、( ｘ0, ｙ0], ( ｘ1, ｙ1], …であった
とする。これらのｋ項全体での担当範囲は

【００９７】

【数２】 である。

【００９８】例えば、検索式が以下のようであったとす
る。 ａ OR ( ｂ ANDｃ) OR (ｄAND ｅ ANDｆ NOTｇ) まず、ＮＯＴ項を取り除き、以下を得る。 ａ OR ( ｂ ANDｃ) OR (ｄ ANDｅ ANDｆ) ここで、階層ｉでの各ＯＲ項の担当範囲は以下のように
する。

【００９９】

【数３】

【０１００】また、本発明は、上述した実施形態に限定
されるものではなく、その技術的範囲において種々変形
して実施することができる。例えば、１台の検索装置と
いっても物理的な１台の計算機に限定する必要はない。
１台の検索装置は任意の台数の計算機上で稼働する一つ
のプロセスとしてもよい。例えば、１台の物理的な計算
機上に、検索装置Ｓ0 〜(N-1) に相当するプロセスが稼
働する状況が挙げられる。この場合には、各検索装置に
１プロセスが対応する場合もあれば、1 つのプロセスが
パラメータを変えて別の検索装置をエミュレートする場
合もある。

【０１０１】

【発明の効果】本発明によれば、無駄な情報転送の抑制
することができるので、文書ベースの分散データベース
における高速なフルテキストサーチが可能となる。ま
た、本発明によれば、各検索装置が検索する範囲が相互
に重複することがないので、各検索装置が出力するそれ
ぞれの検索結果に重複がなく、それぞれの検索結果を順
に並べることで、評価値に従った結果を提示することが
できるようになる。例えば、上述したように、検索装置
番号の小さいものほど評価値の高い範囲をカバーしてい
る場合には、各検索装置からの結果を装置番号の小さい
順に並べるだけで、完全に漏れもなく、かつ、重複のな
い評価値の順にソートされたものが得られる。このよう
に検索結果に重複がないので、重複判定の処理や重複し
た場合の各検索装置間の通信による無駄も生じない。

【０１０２】さらに、本発明によれば、各検索装置は、
自己の検索範囲が予め割り当てられているので、他の検
索装置とは全く独立に検索を行なうことができるように
なる。また、本発明によれば、コントローラが検索結果
の数やキャッシュを制御することにより、さらに効率の
良い検索が実現できる。

【図面の簡単な説明】

【図１】 本発明に係る情報検索方法または情報検索装
置のシステム構成を示す図。

【図２】 単調増加関数の一例を示す図。

【図３】 文書データおよび評価値の一例を示す図。

【図４】 各検索装置のそれぞれに割り当てられたデー
タの一例を示す図。

【図５】 検索装置Ｓ０ に割り当てられたデータの一
例を示す図。

【図６】 本発明に係る情報検索方法または装置の処理
動作を説明するための図。

【図７】 本発明に係る情報検索方法または装置の処理
動作を説明するための図。

【図８】 本発明に係る情報検索方法または装置の処理
動作を説明するための図。

【図９】 本発明に係る情報検索方法または装置の処理
動作を説明するための図。

【図１０】 第６の実施形態に係る情報検索方法または
情報検索装置のシステム構成を示す図。

【符号の説明】

１…コントローラ ２…インターフェース部 ３…情報転送路 Ｓ…検索装置

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平８−263517（ＪＰ，Ａ) 特開 平５−242049（ＪＰ，Ａ) 特開 平３−154939（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】ある文書に含まれる各語の該文書に対する
   重み値がそれぞれ定められており、重み値が第１の値以
   上である場合には、該文書を示す識別情報と該語と該語
   の重み値とを対応付けた対応付けデータを第１の検索装
   置と第２の検索装置とにそれぞれ記憶し、重み値が該第
   １の値未満且つ第２の値以上である場合には、該対応付
   けデータを前記第２の検索装置に記憶するようにした検
   索システムに、多数の文書に対する対応付けデータを記
   憶しておき、検索要求に従って検索する情報検索方法に
   おいて、 与えられた語および検索結果数を含む検索要求に基づい
   て、前記第１の検索装置に記憶される前記対応付けデー
   タを該語で検索し、 この検索により得られた前記識別情報を含む検索結果の
   個数が前記検索結果数を満たしていない場合に、該語
   と、前記検索要求に含む検索結果数から該検索結果の個
   数を減らした数とを含む新たな検索要求を前記第２の検
   索装置に与えるようにしたことを特徴とする情報検索方
   法。
2. 【請求項２】文書に含まれる各語の該文書に対して決め
   られた重み値を利用して、多数の文書から検索要求に従
   う検索を行う情報検索装置であって、 語の重み値が第１の値以上である場合の、該文書を示す
   識別情報と該語と該語の重み値とを対応付けた対応付け
   データを記憶しておき、語および検索結果数を含む検索
   要求を受けて、前記対応付けデータを該語で検索し、前
   記識別情報を含む検索結果を出力する第１の検索装置
   と、 語の重み値が前記第１の値より小さい第２の値以上であ
   る場合の、該文書を示す識別情報と該語と該語の重み値
   とを対応付けた対応付けデータを記憶しておき、語およ
   び検索結果数を含む検索要求を受けて、前記対応付けデ
   ータを該語で検索し、前記識別情報を含む検索結果を出
   力する第２の検索装置と、 外部より語および検索結果数を含む検索要求を受けて、
   前記第１の検索装置へ該検索要求を供給し、この検索要
   求に対する検索結果の個数が前記検索結果数を満たして
   いない場合に、該語と、前記第１の検索要求に含む検索
   結果数から該検索結果の個数を減らした数とを含む新た
   な検索要求を生成し、前記第２の検索装置へ新たな検索
   要求を供給する制御手段と、を備えたことを特徴とする
   情報検索装置。