JP3563737B2

JP3563737B2 - 検索装置、検索方法、ならびに、情報記録媒体

Info

Publication number: JP3563737B2
Application number: JP2003426535A
Authority: JP
Inventors: 真弓乾
Original assignee: 株式会社ジャストシステム
Priority date: 2003-12-24
Filing date: 2003-12-24
Publication date: 2004-09-08
Anticipated expiration: 2021-01-10
Also published as: JP2004164662A

Description

本発明は、同義語辞書（シソーラス）を用いてユーザの検索意図に沿った文献検索を行うのに好適な検索装置、検索方法、ならびに、これらを実現するプログラムを記録したコンピュータ読取可能な記録媒体に関する。

従来から、シソーラスを用いて文献検索を行う手法が知られている。シソーラスとは、語彙が持つ意味の関連性がその構造に反映されているような語彙の集合をいう。

たとえば、同義語の関係を有する語彙には「車」と「自動車」があり、上位／下位の関係を有する語彙には「乗物」と「車」と「自家用車」があり、全体／部分の関係を有する語彙には、「車」と「エンジン」がある。

ここで、ユーザが検索キーワードとして「三十代の世代が好む車」を入力した場合、シソーラスを適用して、検索語彙を「三十代の世代が好む車」「自動車」「自家用車」「エンジン」とすることができる。

ユーザが入力した検索キーワードに対してシソーラスを用いて、同義語・類義語を得て、これらによって文献検索を行うと、検索結果に漏れがなくなる（再現率が高くなる）が、ユーザの意図する検索結果から離れたものがたくさん見つかってしまう（適合率が低くなる）おそれがある。

このほか、ユーザが入力した検索キーワードの表記を統制することで検索結果の適合率を高める工夫もされている。たとえば、「コンピュータ」「コンピューター」のように表記の揺れがあるものを「コンピュータ」に統制したり、「運輸省」を「ＤＯＴ」「Department of Transport」に統制したりするものである。一般性や弁別性が高い表記へ統制すると、適合率が高くなる効果がることが知られている。

そこで、このような表記統制とシソーラスとを組み合わせ、再現率と適合率を考慮した検索戦略をユーザに設定させ、ユーザの検索意図に沿った文献検索を行う手法が強く望まれる。

本発明の目的は、同義語辞書を用いてユーザの検索意図に沿った文献検索を行う手法を実現することにある。

上記目的を達成するため、本発明の第１の観点に係る検索装置は、文献蓄積部と、同義語記憶部と、頻度記憶部と、検索語句入力受付部と、置換部と、検索部と、を備えるように構成する。

ここで、前記文献蓄積部は、検索対象の文献を蓄積する。

一方、前記同義語記憶部は、ある語句に対する同義語を記憶する。

さらに、前記頻度記憶部は、前記記憶される同義語のそれぞれが、前記蓄積される検索対象の文献に出現する頻度を記憶する。

そして、前記検索語句入力受付部は、検索語句の入力を受け付ける。

一方、前記置換部は、前記入力を受け付けられた検索語句を、前記同義語記憶部に記憶された同義語のうち、前記頻度記憶部に記憶された当該同義語の頻度が所定の高頻度閾値よりも大きいか、前記所定の高頻度閾値未満の所定の低頻度閾値よりも小さいものが複数あれば、ユーザにそれらからいずれか１つ以上を選択させ、選択されたものに置換する。

さらに、前記検索部は、前記置換された検索語句により、前記文献蓄積部に蓄積された検索対象の文献を検索する。

本発明により、検索対象となる文献における出現頻度を考慮してシソーラスを用いて、より適合率と再現率の高い文献検索を行うことができる。

また、本発明の検索装置は、文献入力受付部と、追加蓄積部と、計算部と、加算部と、をさらに備えるように構成することができる。

ここで、前記文献入力受付部は、文献の入力を受け付ける。

一方、前記追加蓄積部は、前記入力を受け付けられた文献を、前記文献蓄積部に追加して蓄積する。

さらに、前記計算部は、前記記憶される同義語のそれぞれが、前記入力を受け付けられた文献に出現する頻度を計算する。

そして、前記加算部は、前記計算された頻度を前記頻度記憶部に記憶される同義語の対応するものの頻度に加算する。

本発明により、検索対象の文献を追加しても上記の検索手法を用いることができるようになる。

また、本発明の検索装置は、閾値入力受付部をさらに備え、以下のように構成することができる。

すなわち、閾値入力受付部は、高頻度閾値、もしくは、低頻度閾値の入力を受け付ける。

一方、前記置換部は、前記入力を受け付けられた高頻度閾値、もしくは、低頻度閾値を、前記所定の高頻度閾値、もしくは、前記所定の低頻度閾値として使用する。

本発明により、統制表記を選択する際の閾値をユーザが調整することができるようになる。

本発明の第２の観点に係る検索方法は、検索対象の文献を蓄積する文献蓄積部と、ある語句に対する同義語を記憶する同義語記憶部と、前記記憶される同義語のそれぞれが、前記蓄積される検索対象の文献に出現する頻度を記憶する頻度記憶部と、を用いて文献を検索し、検索語句入力受付工程と、置換工程と、検索工程と、を備えるように構成する。

ここで、前記検索語句入力受付工程では、検索語句の入力を受け付ける。

一方、前記置換工程では、前記入力を受け付けられた検索語句を、前記同義語記憶部に記憶された同義語のうち、前記頻度記憶部に記憶された当該同義語の頻度が所定の高頻度閾値よりも大きいか、前記所定の高頻度閾値未満の所定の低頻度閾値よりも小さいものが複数あれば、ユーザにそれらからいずれか１つ以上を選択させ、選択されたものに置換する。

さらに、前記検索工程では、前記置換された検索語句により、前記文献蓄積部に蓄積された検索対象の文献を検索する。

また、本発明の検索方法は、文献入力受付工程と、追加蓄積工程と、計算工程と、加算工程と、をさらに備えるように構成することができる。

ここで、前記文献入力受付工程では、文献の入力を受け付ける。

一方、前記追加蓄積工程では、前記入力を受け付けられた文献を、前記文献蓄積部に追加して蓄積する。

さらに、前記計算工程では、前記記憶される同義語のそれぞれが、前記入力を受け付けられた文献に出現する頻度を計算する。

そして、前記加算工程では、前記計算された頻度を前記頻度記憶部に記憶される同義語の対応するものの頻度に加算する。

また、本発明の検索方法は、閾値入力受付工程をさらに備え、以下のように構成することができる。

すなわち、閾値入力受付工程では、高頻度閾値、もしくは、低頻度閾値の入力を受け付ける。

一方、前記置換工程では、前記入力を受け付けられた高頻度閾値、もしくは、低頻度閾値を、前記所定の高頻度閾値、もしくは、前記所定の低頻度閾値として使用する。

本発明の第３の観点に係るコンピュータ読取可能な記録媒体は、コンピュータを、文献蓄積部、同義語記憶部、頻度記憶部、検索語句入力受付部、置換部、および、検索部として機能させるプログラムを記録するように構成する。

ここで、前記文献蓄積部は、検索対象の文献を蓄積する。

また、本発明のコンピュータ読取可能な記録媒体において、前記プログラムは、前記コンピュータを、文献入力受付部、追加蓄積部、計算部、および、加算部としてさらに機能させるように構成することができる。

また、本発明のコンピュータ読取可能な記録媒体において、前記プログラムは、前記コンピュータを、閾値入力受付部としてさらに機能させるように構成することができる。

ここで、前記閾値入力受付部は、高頻度閾値、もしくは、低頻度閾値の入力を受け付ける。

本発明によれば、同義語辞書を用いてユーザの検索意図に沿った文献検索を行う検索装置、検索方法、ならびに、これらをコンピュータにて実現するためのプログラムを記録したコンピュータ読取可能な情報記録媒体を提供することができる。

以下、添付図面を参照して、本発明の実施の形態について説明する。

（情報処理装置の概要構成）
図１は、本発明の検索装置として機能する典型的な情報処理装置（汎用のコンピュータ、各種端末、携帯端末、携帯電話、ゲーム装置などの専用機器を含む）の概要構成を示す模式図である。以下、本図を参照して説明する。

情報処理装置１０１は、ＣＰＵ（Central Processing Unit；中央処理ユニット）１０２によって制御される。情報処理装置１０１に電源を投入すると、ＣＰＵ１０２は、ＲＯＭ（Read Only Memory；読出専用メモリ）１０３に記憶されたＩＰＬ（Initial Program Loader；初期プログラムローダ）を実行する。

ＩＰＬは、ハードディスク（Hard Disk；ＨＤ）１０４、ＦＤ（Flexible Disk；フレキシブルディスク）ドライブ（ＦＤＤ）１１０に装着されたＦＤ、ＣＤ−ＲＯＭ（Compact Disk ROM）ドライブ（ＣＤＤ）１１１に装着されたＣＤ−ＲＯＭなどの記録媒体に記憶されたＯＳ（Operating System；オペレーティング・システム）プログラムを読み出して実行するプログラムである。

ＯＳを起動した後、ＣＰＵ１０２は、キーボード１０５やマウス１０６などにより入力されたユーザの指示にしたがって、あるいは、ハードディスク１０４などにあらかじめ記述された設定ファイルの内容にしたがって、ハードディスク１０４などに記憶されたアプリケーションプログラムを実行する。

なお、携帯端末などの小規模な情報処理装置では、ＩＰＬ自体がＯＳやアプリケーションプログラムとしての機能を果たすような実施形態も採用することができる。

ＣＰＵ１０２は、プログラムの実行の際に、ＲＡＭ（Random Access Memory）１０７を一時的な作業用記憶領域として用いる。このほか、一時的な作業用記憶領域として、ＣＰＵ１０２内に設けられたレジスタやキャッシュ（図示せず）が使われる。

プログラムの実行に伴ない、ユーザに結果を報告したり、途中経過を見せるため、ＣＰＵ１０２は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）などの表示装置１０８に当該情報を表示することができる。マウス１０６による指示操作では、マウス１０６を移動することにより、画面に表示されたカーソルが移動し、マウス１０６をクリックすることにより、カーソルが指すメニュー項目を選択することができる。

情報処理装置１０１は、ＮＩＣ（Network Interface Card）やモデムなどのインターフェース１０９を介してインターネットなどのコンピュータ通信網と通信を行うことができる。インターフェース１０９を介してインターネット内の文献を検索対象として取得したり、インターフェース１０９を介して検索要求（検索キーワード）の入力を受付けたり、インターフェース１０９を介して検索結果を送信したりなどができる。

（発明の実施の形態）
図２は、本発明の検索装置の概要構成を示す模式図である。この検索装置は、上記情報処理装置によって実現される。以下、本図を参照して説明する。

検索装置２０１は、文献蓄積部２０２と、同義語記憶部２０３と、頻度記憶部２０４と、検索語句入力受付部２０５と、置換部２０６と、検索部２０７と、を備える。

ここで、文献蓄積部２０２は、検索対象の文献を蓄積する。いわゆる文献データベースである。文献蓄積部２０２は、文献の内容そのものを記憶してもよいし、ＵＲＬ（Universal Resource Locator）などの文献の所在を示す情報を記憶するのでもよい。

一方、同義語記憶部２０３は、ある語句に対する同義語を記憶する。いわゆるシソーラスであり、既存の同義語辞書を同義語記憶部２０３として用いる。

さらに、頻度記憶部２０４は、同義語記憶部２０３に記憶される同義語のそれぞれが、文献蓄積部２０２に蓄積される検索対象の文献に出現する頻度を記憶する。

すなわち、文献データベースに蓄積されている文献において、シソーラスに登録されている語句が出現する頻度が、あらかじめ用意されていることになる。後述するように、この頻度により、シソーラスから得られる語句のいずれを検索用の統制語句とすべきかを判定することができる。

文献蓄積部２０２、同義語記憶部２０３、頻度記憶部２０４は、ユーザによる検索を受け付ける前に、あらかじめ、これらの情報を記憶する。なお、新たな文献を追加する際の処理については後述する。

図３は、ユーザにより検索語句が入力される場合の検索処理の流れを示すフローチャートである。以下、本図を参照して説明する。

検索語句入力受付部２０５は、検索語句の入力を受け付ける（ステップＳ３０１）。検索語句の入力は、検索装置２０１を実現する情報処理装置１０１のキーボード１０５等からされてもよいし、インターフェース１０９を介して、他の端末からされてもよい。本検索装置２０１がインターネット検索エンジンとして機能する場合には、他の端末から検索語句の入力を受け付けるのが通例となる。

一方、置換部２０６は、入力を受け付けられた検索語句の同義語（類義語を含む。）を同義語記憶部２０３から取得する（ステップＳ３０２）。

そして、取得された同義語のうち、頻度記憶部２０４に記憶された当該同義語の頻度が所定の高頻度閾値よりも大きいか、所定の低頻度閾値（当該高頻度閾値未満の値）よりも小さいものがあるか否かを判断し（ステップＳ３０３）、あれば（ステップＳ３０３；Ｙｅｓ）それに置換する（ステップＳ３０４）。なお、置換するのではなく、当該同義語を検索用語句として追加するような実施形態を採用してもよい。

ここで、検索対象の文献において出現頻度が高い語句は、一般的によく利用される語句であり、検索用の統制語句として採用すると、再現率を向上させることができる。

一方、出現頻度が低い語句は、特徴的な語句であり、弁別性が高い。したがって、検索用の統制語句として採用すると、適合率を向上させることができる。

さらに、検索部２０７は、置換（追加）された検索語句により、文献蓄積部２０２に蓄積された検索対象の文献を検索して結果を報告し（ステップＳ３０５）、本処理を終了する。

このようにして、再現率と適合率との両方をバランス良く向上させることができる。

（文献の追加処理）
図４は、本実施形態の検索装置２０１に対して文献を追加する際に機能する要素の関係を示す模式図である。図５は、文献を追加する追加処理の流れを示すフローチャートである。以下、本図を参照して説明する。

検索装置２０１に対して、文献を追加する際には、文献入力受付部２１１と、追加蓄積部２１２と、計算部２１３と、加算部２１４と、が、文献蓄積部２０２、同義語記憶部２０３、頻度記憶部２０４と共働する。

ここで、文献入力受付部２１１は、文献の入力を受け付ける（ステップＳ５０１）。本検索装置２０１がインターネット検索エンジンとして機能する場合、インターネット内の文献を収集するいわゆる「ロボット」が文献入力受付部２１１に相当する。

一方、追加蓄積部２１２は、入力を受け付けられた文献を、文献蓄積部２０２に追加して蓄積する（ステップＳ５０２）。

さらに、計算部２１３は、同義語記憶部２０３に記憶される同義語のそれぞれが、入力を受け付けられた文献に出現する頻度を計算する（ステップＳ５０３）。

そして、加算部２１４は、計算された頻度を頻度記憶部２０４に記憶される同義語の対応するものの頻度に加算する（ステップＳ５０４）。

このようにして、新たな文献が追加された場合に、当該文献データベースの文献において語句の出現頻度の高低を適切に更新することができる。

なお、本実施形態では、出現頻度を「出現回数」そのものにより管理しているが、「出現回数」そのもの以外に、全単語数で出現頻度を除算して得られるパーセント値や、それらの対数値など、各種の頻度の計算・加算方法を用いることができ、それらの実施形態も本発明の範囲に含まれる。

（複数の同義語がある場合の扱い）
上記実施形態において、ユーザが入力した検索語句に対して複数の同義語が発見された場合について詳細に説明する。

ユーザが入力した検索語句に対して、高頻度の同義語と、低頻度の同義語と、のいずれか一方のみが発見された場合は、それらを実際の検索に利用すればよい。

なお、高頻度の同義語のみが複数見つかった場合には、それらをすべて実際の検索に利用してもよいし、ユーザにいずれかを選択させてもよい。低頻度の同義語のみが複数見つかった場合も同様である。

ユーザが入力した検索語句に対して、高頻度の同義語と、低頻度の同義語と、の両方が発見された場合は、以下のような実施態様が考えられる。
（１）両方を実際の検索に利用する。
（２）ユーザに対して、いずれを採用するか問い合わせる。
（３）ユーザがあらかじめ、いずれを採用するかを設定しておく。

このように、同義語が複数見つかった場合については、ユーザに適宜検索戦略を設定させ、もしくは、選択させることができる。

このほか、高頻度であるか否かを判断するための高頻度閾値や、低頻度であるか否かを判断するための低頻度閾値を、ユーザが設定できるようにすることも考えられる。図６は、このような場合に本実施形態の検索装置２０１において機能する要素を示す説明図である。以下、本図を参照して説明する。

検索装置２０１の閾値入力受付部２２１は、高頻度閾値、もしくは、低頻度閾値の入力を受け付ける。

一方、置換部２０６は、入力を受け付けられた高頻度閾値、もしくは、低頻度閾値を、所定の高頻度閾値、もしくは、所定の低頻度閾値として使用する。

これらの実施形態をさらに採用することにより、ユーザが適宜検索戦略を調整することができるほか、一般的なユーザが使いやすいように、あらかじめインターネット検索エンジンの管理者が適切な戦略を設定しておくことができる。

以上説明したように、本発明によれば、同義語辞書を用いてユーザの検索意図に沿った文献検索を行うのに好適な検索装置、検索方法、ならびに、これらを実現するプログラムを記録したコンピュータ読取可能な記録媒体を提供することができる。

本発明の検索装置として機能する典型的な情報処理装置の概要構成を示す模式図である。本発明の実施の形態に係る検索装置の概要構成を示す模式図である。ユーザにより検索語句が入力される場合の検索処理の流れを示すフローチャートである。本実施形態の検索装置に対して文献を追加する際に機能する要素の関係を示す模式図である。文献を追加する追加処理の流れを示すフローチャートである。本実施形態の検索装置の頻度閾値を設定する際に機能する要素の関係を示す模式図である。

符号の説明

１０１情報処理装置
１０２ＣＰＵ
１０３ＲＯＭ
１０４ハードディスク
１０５キーボード
１０６マウス
１０７ＲＡＭ
１０８表示装置
１０９インターフェース
１１０ＦＤドライブ
１１１ＣＤ−ＲＯＭドライブ
２０１検索装置
２０２文献蓄積部
２０３同義語記憶部
２０４頻度記憶部
２０５検索語句入力受付部
２０６置換部
２０７検索部
２１１文献入力受付部
２１２追加蓄積部
２１３計算部
２１４加算部
２２１閾値入力受付部

Claims

検索対象の文献を蓄積する文献蓄積部と、
ある語句に対する同義語を記憶する同義語記憶部と、
前記記憶される同義語のそれぞれが、前記蓄積される検索対象の文献に出現する頻度を記憶する頻度記憶部と、
検索語句の入力を受け付ける検索語句入力受付部と、
前記入力を受け付けられた検索語句を、前記同義語記憶部に記憶された同義語のうち、前記頻度記憶部に記憶された当該同義語の頻度が所定の高頻度閾値よりも大きいか、前記所定の高頻度閾値未満の所定の低頻度閾値よりも小さいものが複数あれば、それらからいずれか１つ以上をユーザに選択させ、選択されたものに置換する置換部と、
前記置換された検索語句により、前記文献蓄積部に蓄積された検索対象の文献を検索する検索部と、を備える
ことを特徴とする検索装置。
文献の入力を受け付ける文献入力受付部と、
前記入力を受け付けられた文献を、前記文献蓄積部に追加して蓄積する追加蓄積部と、
前記記憶される同義語のそれぞれが、前記入力を受け付けられた文献に出現する頻度を計算する計算部と、
前記計算された頻度を前記頻度記憶部に記憶される同義語の対応するものの頻度に加算する加算部と、をさらに備える
ことを特徴とする請求項１に記載の検索装置。
高頻度閾値、もしくは、低頻度閾値の入力を受け付ける閾値入力受付部をさらに備え、
前記置換部は、前記入力を受け付けられた高頻度閾値、もしくは、低頻度閾値を、前記所定の高頻度閾値、もしくは、前記所定の低頻度閾値として使用する
ことを特徴とする請求項１または２に記載の検索装置。
検索対象の文献を蓄積する文献蓄積部と、ある語句に対する同義語を記憶する同義語記憶部と、前記記憶される同義語のそれぞれが、前記蓄積される検索対象の文献に出現する頻度を記憶する頻度記憶部と、を用いて文献を検索する検索方法であって、
検索語句の入力を受け付ける検索語句入力受付工程と、
前記入力を受け付けられた検索語句を、前記同義語記憶部に記憶された同義語のうち、前記頻度記憶部に記憶された当該同義語の頻度が所定の高頻度閾値よりも大きいか、前記所定の高頻度閾値未満の所定の低頻度閾値よりも小さいものが複数あれば、それらからいずれか１つ以上をユーザに選択させ、選択されたものに置換する置換工程と、
前記置換された検索語句により、前記文献蓄積部に蓄積された検索対象の文献を検索する検索工程と、を備える
ことを特徴とする検索方法。
文献の入力を受け付ける文献入力受付工程と、
前記入力を受け付けられた文献を、前記文献蓄積部に追加して蓄積する追加蓄積工程と、
前記記憶される同義語のそれぞれが、前記入力を受け付けられた文献に出現する頻度を計算する計算工程と、
前記計算された頻度を前記頻度記憶部に記憶される同義語の対応するものの頻度に加算する加算工程と、をさらに備える
ことを特徴とする請求項４に記載の検索方法。
高頻度閾値、もしくは、低頻度閾値の入力を受け付ける閾値入力受付工程をさらに備え、
前記置換工程では、前記入力を受け付けられた高頻度閾値、もしくは、低頻度閾値を、前記所定の高頻度閾値、もしくは、前記所定の低頻度閾値として使用する
ことを特徴とする請求項４または５に記載の検索方法。
コンピュータを、
検索対象の文献を蓄積する文献蓄積部、
ある語句に対する同義語を記憶する同義語記憶部、
前記記憶される同義語のそれぞれが、前記蓄積される検索対象の文献に出現する頻度を記憶する頻度記憶部、
検索語句の入力を受け付ける検索語句入力受付部、
前記入力を受け付けられた検索語句を、前記同義語記憶部に記憶された同義語のうち、前記頻度記憶部に記憶された当該同義語の頻度が所定の高頻度閾値よりも大きいか、前記所定の高頻度閾値未満の所定の低頻度閾値よりも小さいものが複数あれば、それらからいずれか１つ以上をユーザに選択させ、選択されたものに置換する置換部、および、
前記置換された検索語句により、前記文献蓄積部に蓄積された検索対象の文献を検索する検索部として機能させる
ことを特徴とするプログラムを記録したコンピュータ読取可能な記録媒体。
前記プログラムは、前記コンピュータを、
文献の入力を受け付ける文献入力受付部、
前記入力を受け付けられた文献を、前記文献蓄積部に追加して蓄積する追加蓄積部、
前記記憶される同義語のそれぞれが、前記入力を受け付けられた文献に出現する頻度を計算する計算部、および、
前記計算された頻度を前記頻度記憶部に記憶される同義語の対応するものの頻度に加算する加算部としてをさらに機能させる
ことを特徴とする請求項７に記載のコンピュータ読取可能な記録媒体。
前記プログラムは、前記コンピュータを、
高頻度閾値、もしくは、低頻度閾値の入力を受け付ける閾値入力受付部としてさらに機能させ、
前記置換部は、前記入力を受け付けられた高頻度閾値、もしくは、低頻度閾値を、前記所定の高頻度閾値、もしくは、前記所定の低頻度閾値として使用するように機能させる
ことを特徴とする請求項７または８に記載のコンピュータ読取可能な記録媒体。