JP3614618B2 - 文献検索支援方法及び装置およびこれを用いた文献検索サービス - Google Patents
文献検索支援方法及び装置およびこれを用いた文献検索サービス Download PDFInfo
- Publication number
- JP3614618B2 JP3614618B2 JP17850097A JP17850097A JP3614618B2 JP 3614618 B2 JP3614618 B2 JP 3614618B2 JP 17850097 A JP17850097 A JP 17850097A JP 17850097 A JP17850097 A JP 17850097A JP 3614618 B2 JP3614618 B2 JP 3614618B2
- Authority
- JP
- Japan
- Prior art keywords
- frequency
- word
- document
- feature
- search
- 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 - Lifetime
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、文献検索における対話的なガイダンス機能を実現するためのユーザインタフェイスを持つ文献検索支援方法及び装置およびこれを用いた文献検索サービスに関する。
【０００２】
【従来の技術】
文献検索においては、ユーザーが所望する文献集合に早く容易に到達できるように、文献検索装置とユーザーとのさまざまなインタフェイスが考案、開発されている。その中の主なものとしてはフィードバックとガイダンスがある。フィードバックとは検索結果のいくつかのアイテムに対してユーザーが「当たり／はずれ」の判定を下すと、その判定を反映した検索結果を得ることができるしくみである。またガイダンスとは検索作業の各段階でその検索作業と関連のあると思われる情報、したがって利用者が検索条件を工夫したり改良したりするのに参考となると思われる情報を提供する機能である。
【０００３】
ガイダンス機能については、従来一般に、入力された検索条件に対してその関連情報を提示する方法が行われている。例えば、シソーラスなど単語間の関連性を示すデータベースを保持しておき、検索条件として入力された語と関連のある語をデータベースから取り出して提示する方法である。シソーラスの場合には主に単語間の上位−下位関係を示す木構造のデータであるが、共起統計を用いて関連語データを自動生成しそれを用いる方法もある（例えば、Ｂ． Ｒ． Ｓｃｈａｔｚ ｅｔ ａｌ， Ｉｎｔｅｒａｃｔｉｖｅ ｔｅｒｍ ｓｕｇｇｅｓｔｉｏｎ ｆｏｒ ｕｓｅｒｓ ｏｆ ｄｉｇｉｔａｌ ｌｉｂｒａｒｉｅｓ： Ｕｓｉｎｇ ｓｕｂｊｅｃｔ ｔｈｅｓａｕｒｉ ａｎｄ ｃｏ−ｏｃｃｕｒｒｅｎｃｅ ｌｉｓｔｓ ｆｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ． Ｐｒｏｃ． ＡＣＭ ＤＬ９６．ｐ．１２６−１３３）。また、単語間の共起統計データに基づき検索語とその関連語をネットワーク状に表示する方法も提案されている（例えば、Ｒ．Ｈ． Ｆｏｗｌｅｒ， Ｄ． Ｗ． Ｄｅａｒｈｏｌｔ， Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ Ｕｓｉｎｇ Ｐａｔｈｆｉｎｄｅｒ Ｎｅｔｗｏｒｋｓ． Ｉｎ Ｐａｔｈｆｉｎｄｅｒ Ａｓｓｏｃｉａｔｉｖｅ Ｎｅｔｗｏｒｋｓ， Ａｂｌｅｘ， ａｒｔｉｃｌｅ １２， Ｅｄｉｔｅｄ ｂｙ Ｒ． Ｗ． Ｓｃｈｖａｎｅｖｅｌｄｔ（１９９０））。
【０００４】
しかしながら、検索条件に対してその関連情報を提示する方法では、検索語が複数になった場合や否定が使われた場合の対処が難しく、またキーワードを用いない書類の検索（連想検索など）にも対処が難しいという問題がある。これを克服する方法として、検索結果から関連情報を自動抽出してユーザに提供する手法がある。例えば、スキャター・ギャザー法（Ｄ．Ｃｕｔｔｉｎｇ他（１９９２）． Ｓｃａｔｔｅｒ／Ｇａｔｈｅｒ ： Ａ Ｃｌｕｓｔｅｒ−ｂａｓｅｄ Ａｐｐｒｏａｃｈ ｔｏ Ｂｒｏｗｓｉｎｇ Ｌａｒｇｅ Ｄｏｃｕｍｅｎｔ Ｃｏｌｌｅｃｔｉｏｎｓ． Ｐｒｏｃ． ＡＣＭ ＳＩＧＩＲ’９２，ｐ．３１８−３２９）では検索された文書群を自動分類（クラスタリング）して各クラスごとの特徴語を表示するものである。しかし、クラスタリングは文書数が増えると計算量が２乗あるいは３乗のオーダーで大きくなるのでリアルタイムでの反応が難しくなり、また一般に検索作業が進んで行くとクラス間の違いが微妙になり、クラスの特徴語からそのクラスの性格を把握しにくくなるという問題があった。
【０００５】
【発明が解決しようとする課題】
本発明は、前述の問題を解消して、検索された文書群に含まれる話題群をリアルタイムで一覧できるよう文書群に特徴的に現れる語群の特徴語をグラフ形式またはリスト形式で画面表示すること、さらには、文書群に特徴的に現れる語群を低頻度語から高頻度語までバランス良く抽出することのできる文献検索支援方法及び装置、さらには、この文献検索を希望するユーザが遠隔地からも行えるようにすることを目的とする。
【０００６】
【課題を解決するための手段】
このため、検索された文書群に含まれる話題群をリアルタイムで一覧できるよう、文書群に特徴的に出現する語群をノードとし、さらに特徴語間に強い共起関係がある場合、すなわち同一文書中に出現しやすい度合が高い場合、その単語対にリンクを張ることによりグラフを構成し、そのグラフを画面表示するとともに、特徴語のグラフ表示の際に、一般的な語と特殊性の高い語を一目で見分けることができるように縦軸方向が特徴語の文書頻度を表すようにする。リストの例で言えば、特徴語を頻度クラスで分類し、文書頻度の高いものを上段に配列して一覧できるようにして特殊性の高い語を一目で見分けることができるようにする。検索された文書群から特徴語を選ぶ際に、低頻度の語から高頻度の語までバランス良く特徴語を抽出するためには、特徴語を出現頻度によってクラス分けを行ない、それぞれのクラスから頻度比、すなわち当該文書群における文書頻度と検索対象全体における文書頻度の比が大きいものから順に抽出する。
【０００７】
【発明の実施の形態】
実施例１
以下、本発明の第１の実施例を図１−２０に従って説明する。本実施例は、独立に使用されるコンピュータによる検索装置の構成例である。本実施例では、検索結果をグラフ表示とする場合を主体に説明する。
図１に本実施例の文献検索装置の全体構成を示す。１は入力手段、２は表示手段、３はＣＰＵ、４は計算プログラム保持手段、５は計算プログラムを動作させるためのワークエリア、６はデータベース保持手段であり、これらの手段あるいは装置は、これらの間で相互に信号のやり取りをするためのバス１００で連携される。
入力手段１はキーボード１１、マウス１２、ペン入力手段１３などから構成され、表示手段２には検索インタフェイス２１および検索をガイドするための特徴語表示手段２２が表示される。計算プログラム保持手段４には本実施例の文献検索装置を動作させるために必要となる検索インタフェイス作動ルーチン４１、形態素解析ルーチン４２、検索ルーチン４３および特徴語表示手段作動ルーチン４４が格納される。特徴語表示手段作動ルーチン４４は検索された文書群から特徴語を抽出して特徴語表示手段２２に表示するため、特徴語抽出ルーチン４４１、共起関係解析ルーチン４４２、グラフ配置ルーチン４４３、およびグラフ表示ルーチン４４４をサブルーチンとして用いる。ワークエリア５についての詳細は図２を参照して後述する。データベース保持手段６は検索対象となる文書データベース６１、検索に用いるインデックスデータベース６２、単語頻度に関するデータベース６３および除外語データベース６４から構成される。これらのデータベースは、一般には、事前に準備されているものの中から、使用者が自分の検索目的に合うものを検索対象データとして選択して使用する。たとえば、新聞記事についての検索をしたいときは、新聞社が発行しているデータベースを購入して使用することになる。もっとも、除外語データベース６４は装置の供給者が付属データとして提供するものである場合があろう。
【０００８】
図２はワークエリア５の構成についての詳細である。ワークエリア５は計算プログラム保持手段４にある諸ルーチンが動作するために必要となるパラメータや一時的なデータを保持するためのエリアであり、検索ワークエリア５１、特徴語抽出ワークエリア５２、共起関係解析ワークエリア５３、グラフ配置ワークエリア５４から構成される。各エリアには、更に細分されたデータエリアが備えられるが、これらの詳細についてはそれぞれの関連するルーチンが動作する時に説明する。
ユーザが文献検索をしようとするとき、まず、キーボード１１から文献検索システム起動のコマンドを入力する。これに応じて、検索インタフェイス作動ルーチン４１が起動され、対話的に検索作業を進めるための検索インタフェイス２１が表示手段２に表示される。
図３は検索インタフェイス２１の初期画面の一例である。検索インタフェイス２１は検索要求入力部２１１、キーワード表示・操作部２１２、ヒット件数表示部２１３、タイトル表示部２１４、文書表示部２１５、検索実行ボタン２１６および特徴語表示ボタン２１７などから構成される。
【０００９】
本実施例では、文献検索用のキーワードとして必須キーワード、加点キーワード、減点キーワードの３種類を用いる。検索は必須キーワードに関するアンドを取って行なわれ、必須キーワードの指定の無い場合には加点キーワードのオアで行われる。必須キーワードで検索された文書が加点キーワードを含む場合には１点加点し、減点キーワードを含む場合は１点減点する。同じキーワードが同一文書に何回現れても１点の加点または減点とする。これら３種類のキーワードに対応してキーワード表示・操作部２１２は３つの部分から構成される。構成は３つとも同様であるのでここでは一番左の必須キーワードを主体に説明する。キーワード表示・操作部２１２における必須キーワードの部分は、キーワード表示部２１２１、移動ボタン２１２１１、クリアボタン２１２１２から構成される。移動ボタン２１２１１は他の種類のキーワードを必須キーワードに移す場合に使い、クリアボタン２１２１２はキーワードを必須キーワードから除去する場合に用いる。すなわち、加点キーワードあるいは減点キーワードに表示されているキーワードを選択して必須キーワードの移動ボタン２１２１１を押せば、選択されたキーワードが必須キーワードに移される。また、必須キーワードに表示されているキーワードを選択してクリアボタン２１２１２を押せば、選択されたキーワードが必須キーワードから除去される。同じように、必須キーワードに表示されているキーワードを選択して、たとえば、加点キーワードの移動ボタン２１２２１を押せば、選択されたキーワードが加点キーワードに移される。また、必須キーワードに表示されているキーワードを選択して、減点キーワードの移動ボタン２１２３１を押せば、選択されたキーワードが減点キーワードに移される。
【００１０】
また、これらの移動ボタンは後述するように、表示されている特徴語をキーワードにコピーするためのコピーボタンとしても使用される。すなわち、移動かコピーかは対象となる語がどこの領域にあるかにより使い分けられる。
検索要求を入力する場合には、検索要求入力部２１１の検索要求入力窓２１１１をマウス１２でクリックするなどして入力待ち状態にしてからキーボード１１を用いて必須キーワード、加点キーワードおよび減点キーワード等の検索要求を入力する。続いて入力完了ボタン２１１２を押すと、入力窓２１１１に入力された文字列が形態素解析ルーチン４２へ渡されて単語列に分割され、さらに除外語データベース６４を参照して、そこに登録されている単語を除去した結果がキーワード格納エリア５１１のデフォールトのキーワード格納エリア５１１１または５１１２（図２）へ格納される。ここではデフォールトのキーワードのタイプは必須キーワードとした。また、それぞれの内容はキーワード表示部２１２１または２１２２にリストの形で表示される。この場合、後述する例からも分かるように、形態素解析ルーチン４２が持つ辞書に応じて単語の分割状態が決まる。
【００１１】
ここで、検索実行ボタン２１６を押すと検索ルーチン４３が起動され、検索用インデックスデータベース６２（すなわちある単語がどの文書に含まれているかを示すデータ）を参照して、必須キーワードをアンドで含む文書を検索し、結果として得られ文書識別番号の列が検索結果格納エリア５１２へ格納される。なお検索ルーチン４３は必須キーワードで検索された文書について加点キーワードが含まれている場合には加点キーワードの一つについて１点加点し、減点キーワードが含まれている場合には減点キーワードの一つについて１点減点するという作業を行ない、この得点も文書識別番号と合わせて検索結果格納エリア５１２へ格納する。必須キーワードの指定がない場合には、検索ルーチン４３は加点キーワードに関する検索を加点キーワードのオアで行ない、以下同様の仕方で得点を計算する。必須キーワードも加点キーワードもない場合には、検索実行ボタン２１６が押されても検索は行なわない。
【００１２】
必須キーワードは、検索に際してはアンドで処理されるから、より厳密に検索結果を絞りこみたいときには不可欠であるが、どちらかといえば、検索結果に漏れがない検索をしたいときには、加点キーワードのみとしてこのオアで検索を行い、この検索結果に入って欲しくない事項を含む可能性がある事項を想定できるときは減点キーワードを設定するのがよい。
さらに、検索ルーチン４３は検索結果格納エリア５１２に格納された検索結果から得点分布を計算し、その結果を検索結果得点分布格納エリア５１３に格納する。得点分布とは加点または減点の得点が何点の文書が何件あったかを示すデータである。
【００１３】
以下「電子出版」を必須キーワードとする検索要求を入力した場合を例に採り説明する。
「電子出版」なる文字列を必須キーワードとして検索要求入力窓２１１１に入力した後、入力完了ボタン２１１２を押す。形態素解析ルーチン４２により「電子出版」は「電子／出版」と分割されて必須キーワード格納エリア５１１１に格納され、さらに必須キーワード表示部２１２１の１行目と２行目に分割して表示される。
図４は、この段階で検索実行ボタン２１６を押した場合の検索ワークエリア５１の状態を示したものである。今の例では必須キーワードが「電子」と「出版」なので、それらが必須キーワード格納エリア５１１１に格納されている。それ以外の加点キーワードあるいは減点キーワードは、検索要求入力窓２１１１に検索者によって付与されなかったので、加点キーワード格納エリア５１１２と減点キーワード格納エリア５１１３は空欄のままである。また検索された文書番号とその得点が検索結果文書番号格納エリア５１２に格納されている。この場合には加点キーワードと減点キーワードがないので得点は全て０である。また得点別に件数をカウントして得られるデータが検索結果得点分布格納エリア５１３に格納されている。この場合得点は０のみでそれが７７件あったことを示している。
【００１４】
図５は、この検索結果を表示した検索インタフェイス２１の状態を示したものである。必須キーワード表示部２１２１に必須キーワード「電子」と「出版」が表示され、ヒット件数表示部２１３に検索結果得点分布格納エリア５１３の内容が表示され、タイトル表示部２１４には検索された文書識別番号とそのタイトルが１件１行で適当数表示されている。表示されていない文書識別番号とそのタイトルを知りたいときは、いわゆるスクロールバーによって表示に現れる部分をずらせばよい。表示されたタイトルから本文を読んで見たいものがあれば、該当するタイトルの所をマウスなどで指示すれば本文の内容の一部が文書表示部２１５に表示される。表示されていない部分の文書の内容を知りたいときは、同じように、スクロールバーによって表示に現れる部分をずらせばよい。
【００１５】
これで「電子出版」に関する文書が７７件検索されたことになるが、次の段階として、さらに検索を特定の対象に絞り込みたい場合、あるいはそうでなくてもこの７７件の文書にはどのような話題が含まれているかを概観したい場合がある。このような場合には検索インタフェイス２１（図３）上の特徴語表示ボタン２１７を押すと特徴語表示手段作動ルーチン４４が起動され、特徴語表示手段２２が表示画面２に表示される。
【００１６】
図６は特徴語表示手段２２の一例の詳細を示したものである。特徴語表示手段２２は操作部２２１、キーワード表示・操作部２２２、ヒット件数表示部２２３、特徴語表示部２２４、パラメーター設定部２２５から構成される。キーワード表示・操作部２２２およびヒット件数表示部２２３は検索インタフェイス２１のキーワード表示・操作部２１２およびヒット件数表示部２１３とそれぞれ連動しており、特徴語表示手段２２上の操作によりこれらの表示内容が変化した場合には自動的に検索インタフェイス２１の方のそれぞれの表示も変化する。しかし逆方向、すなわち検索インタフェイス２１上の操作によりキーワードやヒット件数が変化した場合には自動的には特徴語表示手段２２上には反映されない。これを取り込むには、操作部２２１のリセットボタン２２１４を押すと検索インタフェイス２１側の内容がこちらの特徴語表示手段２２側へコピーされる。なお検索インタフェイス２１上の特徴語表示ボタン２１７を押すことで表示画面２に表示される特徴語表示手段２２の初期画面では検索インタフェイス２１上のキーワードとヒット件数が自動的にコピーされる。今の例の場合、必須キーワード表示部２２２１には「電子」と「出版」が表示され、ヒット件数表示部２２３には「得点０：７７件」が表示されている。
【００１７】
ここで、操作部２２１の特徴語表示ボタン２２１２を押すと特徴語抽出ルーチン４５が起動され、検索結果格納エリア５１２に格納されたデータから最高得点の文書識別番号を読み込み、それらの文書識別番号に相当する文書の内容を解析して、それらに特徴的に含まれる単語（特徴語）と、それら特徴語間の関連性を解析してグラフにした結果を特徴語表示部２２４に表示する。その過程は以下の説明で詳述する。
図７は「電子出版」の例で、グラフ格納エリア５４３（図２）に格納されたデータを示したものである。グラフはノードとリンクからなりそれぞれノード格納エリア５４３１と、リンク格納エリア５４３２とに格納されている。格納されるノードデータは各ノードに表示される特徴語（文字列）とそれを特徴語表示部２２４のどこに表示すべきかを示す座標を中心座標で、さらに文字を表示する領域の横と縦の文字数と表示領域のサイズで構成されている（ただし表示領域のサイズについては、使いやすいようにそれらの１／２の値、すなわち中心から端までのサイズにしてある。）。一方、格納されるリンクデータはグラフ上に表示すべき線分の始点座標と終点座標で構成されている。図では、リンク格納エリア５４３２に格納されている始点座標と終点座標の他に、参考までに、それぞれに対応する文字列のデータを付記したが、実際の装置では、このデータは不要である。図８は、操作部２２１の特徴語表示ボタン２２１２が押されて、特徴語のグラフが表示された状態の特徴語表示手段２２を示した図である。グラフ表示ルーチン４４４が、グラフ格納エリア５４３のデータに従って、特徴語表示部２２４に特徴語とこれを結ぶリンクよりなるグラフを表現する。例えば図７のデータから「コンパクト」は座標（１４９，１３１）を中心として、横方向文字数３、行数２で且横方向で両側に２７、縦方向で上下に１８の矩形の領域を表示域として表示される。この実施例では、座標は特徴語表示部２２４の左上を始点として横方向は右向に、縦方向は下向に取る。また、リンクデータは始点と終点の座標で定義される。リンクデータの１番目は、特徴語「出版」と「電子」との中心座標を結ぶことを意味し、２番目のデータは座標（２０３，１３１）から（３０８，４０）への線分を意味する。これらの語の表示に際しては、それぞれのノードの表示領域には文字表示用に背景に白色不透明の矩形を表示して、ノードの表示領域では、線分を隠すのがグラフとしては見やすいが、一方、リンクを示すグラフの線とノードの表示領域が重なると、グラフの線が現れないことになり誤解を招くことになりかねない。例えば、図７のデータでは、「デスクトップパブリッシング」と「出版物」を結ぶグラフの線は「ニフティサーブ」の表示領域を通過することになるから、「ニフティサーブ」に白色不透明の矩形をつけると、この部分でグラフの線が線としては表われないことになる。その結果、「ニフティサーブ」と「出版物」とがグラフの線で結ばれ、さらに「ニフティサーブ」と「デスクトップパブリッシング」とがグラフの線で結ばれたように見えることになる。図８では、この対策として、背景に白色不透明の矩形を表示する代わりに、グラフの線の始点及び終点の近傍でのみグラフの線が表示されないようにしてそのノードの表示領域の中に入り込むのを避けるとともに、他の表示領域については通過していることがわかる表示とした。白色不透明の矩形をつけてもグラフの線が隠れないように配置することは大変難しく、特に多数の特徴語をグラフ表示しようとすると見やすいサイズでの表示が不可能となりかねない。
【００１８】
パラメータ設定部２２５の特徴語表示設定手段２２５１は特徴語表示部２２４に表示する単語数を調節するためのものであり、設定用つまみ２２５１１を左右に動かして所望の数値に設定する。表示部２２５１２にはその設定値が表示され、特徴語抽出パラメータ格納エリア５２１の抽出語数格納エリア５２１３にその値が格納される。なおこの値は特徴語抽出ルーチン４４１によって利用される。以下では特徴語表示手段２２の特徴語表示ボタン２２１２が押されてから、図７に示したようなグラフデータが作成されるまでの過程を説明する。特徴語表示ボタン２２１２が押されると、計算プログラム保持手段４に格納されている特徴語抽出ルーチン４４１以下共起関係解析ルーチン４４２、グラフ配置ルーチン４４３が順に起動される。
特徴語抽出ルーチン４４１は検索ワークエリア５１の検索結果得点分布格納エリア５１３から最高得点とその件数を読み込む。図４に示した「電子」と「出版」の例では最高得点（Ｓ）は０点でありその件数（Ｋ）は７７件である。また特徴語抽出パラメータ格納エリア５２１から走査文書数上限値（Ｍ）５２１１を読み込む。（ここではＭ＝３００とする。）これは検索された文書件数Ｋが大きい時にすべての文書を解析していると時間がかかるので、一定限度Ｍを越える場合にはＭ個のサンプル抽出を行なうためのパラメータである。
【００１９】
特徴語抽出ルーチン４４１は、次に、検索結果格納エリア５１２を参照し、得点が最高得点Ｓと一致するすべての文書識別番号についてそれらの内容を検索対象文書データベース６１から読み込み、形態素解析ルーチン４２を用いて単語分割し、出現するすべての種類の単語についてそれが出現する文書の数（以下これを文書頻度と呼ぶ）をカウントする。この例では最高得点の件数Ｋが７７件で、走査文書数上限値Ｍ＝３００以下であったのですべての文書を読み込む。
なお、該当文書の形態素解析は、データベース保持手段にゆとりがある場合には、あらかじめ全文書を形態素解析した結果を保持しておき、それを読み込むようにすることも可能である。そうすれば、検索の都度形態素解析をする必要がなくなるので解析時間を大幅に短縮できて有効である。
こうして得られる単語とその文書頻度のデータは特徴語抽出ワークエリア５２の中の頻度データ格納エリア５２３に格納される。なお上記で該当文書を形態素解析した結果は後にも使うので、単語分割済み文書格納エリア５２２に格納しておく。
【００２０】
図９は「電子出版」の例で頻度データ格納エリア５２３に格納されたデータの一部を示す。各単語ごとのデータは単語名、文書頻度、全体文書頻度、頻度比、頻度クラスの５項目で構成されている。文書頻度は上記作業で検索された文書（この場合７７件）の内の何件のにその単語が出現したかを表す頻度である。また全体文書頻度はキーワードによる検索結果に関係なく、検索対象文書全体で何件の文書に使われているかという頻度である。その情報は単語頻度データベース６３に格納されており、そこから該当する単語の頻度情報を取り出して来たものである。ここで、単語頻度データベース６３は予め検索対象全文書を走査して、出現する全ての単語についてその文書頻度をカウントして作成しておくものとする。頻度比は文書頻度を全体文書頻度で割算した値である。例えば一番最初の「ＲＯＭ」では文書頻度が２１で全体文書頻度が１１８３なので頻度比は２１÷１１８３≒０．０１７である。
【００２１】
次に、頻度クラスについて説明する。一般にある文書群に特徴的な語は頻度比の大きさにより判断でき、頻度比が大きいほど特徴度が高いと言える。しかし文書頻度が大きく異なる２つの単語を頻度比で比較するのは危険である。低頻度語の場合には全体頻度が低いのでたまたま頻度比が大きくなる確率が高い。たとえば、図９では、「デスクトップパブリッシング」の頻度比は０．７５となっており、頻度比が大きく特徴度が高いと言えるかと言えば、そうではない。これは文書頻度が３にすぎないのに、全体文書頻度も４でしかないためである。そこで文書頻度が大きく異なる単語同士は比較しないよう、予め文書頻度を適当な幅で区分してクラス分けを行ない各クラスで頻度比が大きいものを特徴語として取る。これによって低頻度語から高頻度語までバランス良く特徴語を抽出することが可能となる。
以下頻度クラスの決め方の一例の説明である。特徴語ルーチン４４１は頻度クラス分割数（Ｃ）５２１２を読み込む、これはいくつの頻度クラスに分割するかを示すパラメータであり、使用者が設定する。ここではＣ＝５とする（一般にＣは１以上の整数である）。ｉ番目の頻度クラスをＣ［ｉ］として、Ｃ［ｉ］に属するための文書頻度がｆ［ｉ］以上ｆ［ｉ＋１］未満であるとする。ただし最大のクラスについては「ｆ［ｉ＋１］未満」のかわりに「ｆ［ｉ＋１］以下」とする。この頻度閾値ｆ［ｉ］の値の決め方であるが、ここではその一例としてＫ’を該当文書数として、ｆ［ｉ］＝Ｋ’の（ｉ／（Ｃ＋１））乗、とする。（検索された文書数Ｋが走査文書数上限値Ｍを越えない場合にはＫ’＝Ｋであり、Ｋ＞Ｍの場合にはＫ’＝Ｍである。）今の例ではＫ’＝７７でＣ＝５であるから、ｆ［１］＝７７の（１／６）乗＝２．０６，以下、ｆ［２］＝４．２５，ｆ［３］＝８．７７，ｆ［４］＝１８．１０，ｆ［５］＝３７．３３となる。従って、クラス１：文書頻度３以上４以下、クラス２：文書頻度５以上８以下、クラス３：文書頻度９以上１８以下、クラス４：文書頻度１９以上３７以下、クラス５：文書頻度３８以上７７以下、である。
【００２２】
この分類条件に従って、各語の文書頻度からそれらの語の頻度クラスを決める。「ＲＯＭ」の場合には文書頻度が２１なのでクラス４、また「インタラクティブ」は文書頻度が５なのでクラス２となる。なお文書頻度がクラス１よりも小さい場合（この場合文書頻度２以下）については特徴語抽出の対象から除外する。上記の頻度クラスの付与は次の式で直接計算することもできる。ただしその値がＣと一致する場合には１を引き算する。
（頻度クラス）＝｛ｌｏｇ（文書頻度）÷ｌｏｇＫ’×（Ｃ＋１）｝を越えない最大の整数値−１
続いて特徴語抽出ルーチンは抽出語数（ｐ）５２１３を読み込み、各頻度クラスから頻度比が上位のものを合計でこの個数になるように抽出する。それを実現する方法の一例としては、抽出語数ｐを頻度クラス分割数Ｃで割算して得られる商をｎ、余りをｒとして、頻度クラスが１以上ｒ以下のクラスからはｎ＋１個取り、頻度クラスがｒより大きいクラスからはｎ個取るという方法がある。
【００２３】
以下抽出個数ｐが１０であるとして図９の例で説明する。分割数Ｃは５なのでｐ÷Ｃの商ｎは２，余りｒは０である。従ってクラス１〜５から均等に２個づつ取ることになる。頻度データ格納エリア５２３のデータから各頻度クラスのものについて頻度比が大きいものから順に２個ずつ取る。図９のデータより、クラス５の単語を頻度比が大きい順にならべると「出版」（０．０２７），「電子」（０．０１５），「メディア」（０．００６），「情報」（０．００１）となる。従って上位２つの「出版」と「電子」が特徴語として取られる。以下同様にしてクラス４からは「ＲＯＭ」と「コンパクト」、クラス３からは「メール」と「出版物」、クラス２からは「インタラクティブ」と「ニフティサーブ」、クラス１からは「デスクトップパブリッシング」と「パブリッシング」が特徴語として抽出される。それらは特徴語リスト格納エリア５２４に格納される。
【００２４】
図１０は特徴語リスト格納エリア５２４に格納されたデータの例である。上記プロセスにより抽出された特徴語とそれらの文書頻度が格納されている。図では、参考に頻度クラスも示したが、これはなくても良い。
以上で特徴語抽出ルーチン４４１を抜け、続いて共起関係解析ルーチン４４２が特徴語間の共起データ関係を解析し、結果を共起データ格納エリア５３１に格納する。
【００２５】
共起データ格納エリア５３１は特徴語リスト格納エリア５２４に格納された特徴語の集合を縦横に持つ２次元の配列である。各要素は対応する単語対が共通して現れる文書の数を表す。共起関係解析ルーチン４４２は検索された文書群を単語分割したものを単語分割済み文書格納エリア５２２から読み込み、各文書ごとに共出現するすべての特徴語ペアについて、共起データ格納エリア５３１の対応する要素をインクリメントしていく。
【００２６】
次に共起関係解析ルーチン４４２は各特徴語対に対して共起強度を計算する。共起強度は上記作業でカウントされた共起頻度を単語ペアの後者（表では列に当たる単語）の文書頻度で割った値である。単語の文書頻度は特徴語リスト格納エリア５２４に格納されている値（図１０）を用いる。
図１１は、この段階における共起データ格納エリア５３１に格納されたデータを示す。各桝目は二つの数値から構成され、上段が対応する単語対の共起頻度、下段が単語対の共起強度（共起頻度÷列側の単語の文書頻度）である。例えば６行３列の上段数値６は、６行目の特徴語「出版物」と３列目の特徴語「ＲＯＭ」が６件の文書に共出現したことを意味する。この場合単語対の列側の単語「ＲＯＭ」の文書頻度は２１なので、下段の共起強度の数値は６÷２１≒０．２９となる。共起データ格納エリア５３１では特徴語は文書頻度の高い順に並べている。後の作業で用いるのは表の対角線の下半分だけなので、残りの部分は省略した。
【００２７】
続いて、共起関係解析ルーチン４４２はこの共起データから共起度の高い単語ペア（特徴語グラフでリンクを張るべきペア）を抽出する。本実施例では特徴語間の関連性を示すリンクを、各単語から見てそれより文書頻度が高い単語の中で共起強度の値が最も大きくなる単語に張ることにした。共起関係解析ルーチン４４２はこの基準に従ってリンクを張るべき単語対を集め共起リンク格納エリア５３２に格納する。
なお、共起強度が２番あるは３番のものでも、１番のものと比べてそれほど小さくない場合（例えば１番の０．９倍以上）には、リンクを張るというやり方も有力である。
図１２はこの段階における共起リンク格納エリア５３２の内容を示す図である。これらのリンクが抽出された過程を図１１の例に基づいて説明をする。図１２の２番目の「出版」について見ると、文書頻度が「出版」以上のものは「電子」しかないので「出版」から「電子」にリンクが張られる。次に３番目の「ＲＯＭ」についてみると、それより頻度が高いのは「出版」と「電子」の２つであり、それらとの共起強度は共に０．２７である。この場合には共起データ格納エリア５３１における番号の小さい「出版」の方にリンクを張る。次に４番の「コンパクト」についてみると、３番の「ＲＯＭ」との共起強度が０．８１で最も大きい。従って「コンパクト」からは「ＲＯＭ」へリンクを張る。以下同様の操作を続け、図１２のようなリンクデータが得られる。
【００２８】
以上で共起関係解析ルーチン４４２を抜け、続いて、グラフ配置ルーチン４４３が起動される。特徴語リスト格納エリア５２４のデータ（図１０）と共起リンク格納エリア５３２のデータ（図１２）にもとづいて特徴語群をノードとするグラフを実際に２次元平面に配置するという作業を行なう。
図１３はグラフ配置ルーチン４４３の詳細である。グラフ配置ルーチン４４３はｙ座標計算ルーチン４４３１、ｘ座標計算ルーチン４４３２、表示座標への変換ルーチン４４３３、重なり回避ルーチン４４３４、リンク配置ルーチン４４３５から構成され、この順に起動する。
ｙ座標計算ルーチン４４３１およびｘ座標計算ルーチン４４３２は表示領域が［−１，１］×［−１，１］の正方形領域であると仮定して各ノードを配置すべき座標を計算する。この座標を正規化された座標と呼ぶ。計算された座標データは正規化座標格納エリア５４１に格納される。
【００２９】
初めにｙ座標計算ルーチン４４３１が起動され、計算式：
ｙ＝（６／π）×ａｒｃｔａｎ（０．２×ｌｏｇ（ｆ／ｆｍ））
に従って各特徴語の文書頻度ｆからそれを表示すべき位置の正規化されたｙ座標を計算する。すなわち、文書頻度の大きいもの程ｙ軸上では上段に配置されるようにする。ここでｆｍは特徴語を文書頻度順に並べた時にちょうど真中に来るものの頻度である（ただし偶数個の場合には（個数÷２＋１）番目とする）。実施例では、「電子」「出版」の文書頻度７７が最上段となり、「出版物」の文書頻度９が中央位置に当たる。πは円周率、対数ｌｏｇは自然対数、ａｒｃｔａｎは正接関数の逆関数であり、角度はラジアンを単位とする。例えば「コンパクト」の頻度は２１なのでその正規化されたｙ座標は（６／π）×ａｒｃｔａｎ（０．２×ｌｏｇ（２１÷９））≒０．３２となる。その他の特徴語の正規化されたｙ座標も同様に計算する。
次にｘ座標計算ルーチン４４３２が起動され各特徴語表示位置の正規化されたｘ座標を計算する。
図１４はｘ座標計算ルーチン４４３２の詳細を示した図である。初めにステップ４４３２１により親ノード（リンク先）のないノードが集められる。この場合には「電子」のみがそれに当たる。したがってそのｘ座標の値がステップ４４３２１中の式ｘｉ＝−１＋２ｉ／（ｒ＋１）にｉ＝１を代入して−１＋（２×１）／（１＋１）＝０と計算される。
【００３０】
続いてループ４４３２２に入り、ステップ４４３２３ではｘ座標の定まったノード（この場合「電子」のみ）へリンクが張られているノードを一つ取る。共起リンクのデータ（図１２）からここでは「出版」がその条件を満たしていることが分かる。
続いてステップ４４３２４に入りステップ４４３２３で選ばれたノードの親ノードの集合を求め、さらにそれらのｘ座標の平均値を計算する。「出版」の親ノードの集合は｛「電子」｝であり、そのｘ座標の平均は０である。
次にステップ４４３２５では親ノードの集合が｛「電子」｝と一致するノードを集める。ここではそれは「出版のみである。
【００３１】
続いて分岐ステップ４４３２６へ入るが親ノードのｘ座標の平均値が０なのでステップ４４３２７が選択され、「出版」のｘ座標が計算される。ステップ４４３２７の計算式にｓ＝１、ｘｐ＝０、ｉ＝１を代入して、「出版」のｘ座標が０と計算される。
以上で「電子」と「出版」の正規化されたｘ座標が定まった。しかしまだ全てのノードのｘ座標が定まってはいないのでループ４４３２２を繰り返す。ステップ４４３２３ではまだｘ座標が定まっていないノードの内、リンクが「電子」と「出版」以外には張られていないノードの一つが選択される。この場合「ＲＯＭ」がその条件を満たす。
ステップ４４３２４では「ＲＯＭ」のリンク先の集合を求め｛「出版」｝を得る。また親ノード｛「出版」｝のｘ座標の平均値ｘｐが０と計算される。
【００３２】
ステップ４４３２５ではリンク先の集合が｛「出版」｝と一致するようなノードを集める。「ＲＯＭ」以外では「メール」がそれに当たる。
【００３３】
親ノードのｘ座標の平均値ｘｐが０なので分岐４４３２６では上段が選択され、ステップ４４３２７により「ＲＯＭ」と「メール」のｘ座標がそれぞれ［−１，１］を３等分して、−０．３３，０．３３というように計算される。以下同様にして、すでにｘ座標が決まったノードのみにリンクが張られるようなノードについて、リンク先が共通のものを集め、親のｘ座標の平均を中心として区間［−１，１］内に収まるよう均等に配置するようにｘ座標を決めていく。
【００３４】
図１５は「電子出版」の例でこの段階における正規化座標格納エリア５４１に格納された座標データを示した図である。
つづいて、グラフ配置ルーチン４４３は表示座標への変換ルーチン４４３３を起動し、上記の［−１，１］×［−１，１］領域に正規化された座標を特徴語表示部２２４における実際の位置を表す座標への変換を行ない、ノード格納エリア５４３１の中心座標欄（図１６）に格納する。変換は次のような１次式で行なう。Ｘ＝Ｒｘ×（１＋ｘ）＋Ｏｘ，Ｙ＝Ｒｙ×（ｙｍ−ｙ）＋Ｏｙ。ここで小文字のｘとｙが正規化された座標、大文字のＸとＹが特徴語表示部２２４における座標である。ｙｍはｙの最大値を表す。図１５の例ではｙｍ＝０．７７４である。なお係数Ｒｘ、Ｒｙ、Ｏｘ、Ｏｙはグラフ配置パラメータ格納エリア５４２（図２）の該当するエリアに格納された値を用いる。本例ではＲｘ＝２００，Ｒｙ＝２００，Ｏｘ＝６０，Ｏｙ＝４０とした。
上記の一次変換により例えば「コンパクト」の場合、正規化された座標が（−０．５５５，０．３２０）なので，Ｘ＝２００×（１−０．５５５）＋６０＝１４９，Ｙ＝２００×（０．７７４−０．３２０）＋４０≒１３１というように計算される。
このようにして、全てのノードの特徴語表示部２２４上での実座標が計算され、ノード格納エリア５４３１に格納される（図１６）。この時次のステップへの準備として単語の順序は、ｘ座標が小さい順に並べる。また文字表示領域の大きさとして横方向の文字数ｈと行数ｖ、また文字表示領域の横サイズＨと縦サイズＶを計算して、ノード格納エリア５４３１に格納する。
【００３５】
文字表示領域サイズは次の計算式に従って計算する。文字は横書きとし横サイズの限度をＷ文字とする。Ｗの値は文字表示部の横方向文字数上限値５４２６に格納されている値を使う。ここではＷ＝３とする。表示すべき文字数をＭとした場合、横方向の文字数ｈ、と行数ｖはＭ≦Ｗの場合、ｈはＭ、ｖは１である。またＭ＞Ｗの場合には、ｈはＷであり、ｖは（Ｍ÷Ｗ）以上の最小の整数である。例えば「電子」については文字数が２でこれは横幅限度のＷ＝３より小さいので、行数ｖは１で横幅ｈは２となる。また「インタラクティブ」の場合には文字数が８で横幅限度Ｗ＝３を越えるので行数ｖは（８／３）以上の最小の整数、すなわち３となり、横幅ｈはＷ＝３である。また文字表示領域の横サイズの２分の１の値Ｈと縦サイズの２分の１の値Ｖはそれぞれの文字数ｈとｖから次の式により計算される。ここで２分の１の値を取ったのは後の処理で主にこの２分の１の値を用いるからである。Ｈ＝ｈ×Ｆ／２＋ｍｘ、Ｖ＝ｖ×Ｆ／２＋ｍｙ。ここでＦは文字フォントの大きさ、ｍｘはｘ方向のマージンの大きさ、ｍｙはｙ方向のマージンの大きさである。ｍｘとｍｙは２つのノードが接近し過ぎないように、最低限保つべき間隔を表す。Ｆ、ｍｘ、ｍｙはそれぞれ文字サイズ５４２５、文字表示部の横方向マージン５４２７、同縦方向マージン５４２８（図２）に格納されている値を用いる。本例ではＦ＝１６、ｍｘ＝３、ｍｙ＝２とする。例えば「コンパクト」の場合ｈ＝３でｖ＝２なのでＨ＝３×１６／２＋３＝２７、Ｖ＝２×１６／２＋２＝１８と計算される。図１６のノード格納エリア５４３１における文字表示サイズとしての文字数と表示領域サイズはこのようにして計算したものである。
【００３６】
このようにして特徴語表示部における座標が求まったが、この段階ではノードの重なりが生じるおそれがある。例えば図１６の例では「電子」と「出版」の座標は同じなので重なってしまう。そのため重なり回避ルーチン４４３４が起動され、重なりが生じないように座標をずらす操作を行なう。
【００３７】
図１７は重なり回避ルーチン４４３４の詳細である。
全ノードをｘ座標が小さい順にソートしたものをＮ［１］，．．．，Ｎ［ｒ］とする。Ｎ［ｉ］の座標を（Ｘ［ｉ］，Ｙ［ｉ］）、文字表示領域サイズの値を（Ｈ［ｉ］，Ｖ［ｉ］）とする。ｉ＝２，．．．，ｒについて次の操作を行なう。ｊ＝１，．．．，ｉ−１の内｜Ｙ［ｊ］−Ｙ［ｉ］｜＜Ｖ［ｉ］＋Ｖ［ｊ］となるようなｊについてＸ［ｊ］＋Ｈ［ｊ］の最大値を取りξとする。なおそのようなｊが無い場合にはこのｉについては座標をずらす操作は必要ない。δ＝ξ−（Ｘ［ｉ］−Ｈ［ｉ］）とする。δ≦０の場合にはこのｉについては座標をずらす操作は必要ない。δ＞０の場合には、重なりが生じてしまうので、Ｎ［ｉ］，．．．，Ｎ［ｒ］のｘ座標をすべて右にδずらす。すなわち、Ｘ［ｋ］＝Ｘ［ｋ］＋δ（ｋ＝ｉ，．．．，ｒ）とする。
【００３８】
以上により、全ノードが重ならずに表示できるような座標が与えられる。
たとえばｉ＝２の「インタラクティブ」の場合についてみると、図１６のデータより、｜Ｙ［２］−Ｙ［１］｜＝｜２４０−１３１｜＝１０９で、Ｖ［２］＋Ｖ［１］＝２６＋１８＝４４であるから｜Ｙ［２］−Ｙ［１］｜＜Ｖ［２］＋Ｖ［１］が成り立たない。従って「インタラクティブ」については横へずらす操作は行なわない。
次にｉ＝３、すなわち「ＲＯＭ」について見る。ｊ＝１については、｜Ｙ［３］−Ｙ［１］｜＝｜１３１−１３１｜＝０に対してＶ［３］＋Ｖ［１］＝１０＋１８＝２８となり、｜Ｙ［３］−Ｙ［１］｜＜Ｖ［１］＋Ｖ［３］となる。すなわちｊ＝１の「コンパクト」と重なりが生じてしまう。またｊ＝２の「インタラクティブ」との関係を見ると、｜Ｙ［３］−Ｙ［２］｜＝｜１３１−２４０｜＝１０９、Ｖ［３］＋Ｖ［２］＝１０＋２６＝３６で｜Ｙ［２］−Ｙ［３］｜＜Ｖ［２］＋Ｖ［３］とならないので「インタラクティブ」とは重なる恐れがない。従ってｊ＝１についてのみｘ座標を考慮すれば良い。ξ＝Ｘ［１］＋Ｈ［１］＝１４９＋２７＝１７６となり、ずらし幅δはδ＝ξ−（Ｘ［ｉ］−Ｈ［ｉ］）＝１７６ー（１９３ー２７）＝１０である。従ってｊ＝３、．．．１０についてＸ［ｊ］をすべて＋１０する。（Ｘ［３］，Ｙ［３］）＝（２０３，１３１）となり、図７における「ＲＯＭ」の座標を得る。以下このステップの繰り返しにより図７のノード格納エリア５４４１と同じデータが得られる。この文字表示領域の重なり回避の操作でも、前述した文字表示領域とグラフの線の重なりはチェックできないし、実際問題として、限られた表示面積では、これを厳密に避けようとすると、適当な大きさの中で、表示のできないことも起こりうるので、実施例では、これについてのチェックはしないこととした。
【００３９】
最後にグラフ配置ルーチン４４３はリンク配置ルーチン４４３５を起動する。リンク配置ルーチン４４３５は共起関係解析ワークエリア５３の中の共起リンク格納エリア５３２に格納された共起リンクを張るべき単語ペアに関する情報と、ノードデータ格納エリア５４３１に格納されている各ノードの座標データから特徴語表示部２２４に表示すべき線分のデータ、すなわち始点の座標と終点の座標を作成してリンクデータ格納エリア５４２２に格納する。例えば図１２の共起リンク格納エリア５３２には「ＲＯＭ」から「出版」へのリンクがある。図７のノードデータ格納エリア５４３１に格納されたデータより、「ＲＯＭ」の座標が（２０３，１３１）であり「出版」の座標が（３０８，４０）であることが分かるので、（２０３，１３１）を始点として（３０８，４０）を終点とする線分のデータがリンクデータ格納エリア５４３２に格納される。以上により表示すべきグラフのデータ（図７）が作成された。
以下では特徴語表示手段２２の特徴語表示部２２４に表示された特徴語のグラフ表示を参考にして検索作業を進展させる利用形態の例を示す。
【００４０】
図８は「電子出版」に関する特徴語表示の例であるが、ここでユーザが仮に表示された語のひとつである「デスクトップパブリッシング」に興味があるとしよう。この場合には、画面上でその単語の所をマウス１２などで指示してから加点キーワードの移動ボタン２２２２２を指示すると「デスクトップパブリッシング」が加点キーワード格納エリア５１１２に格納され、検索インタフェイス２１の加点キーワード表示部２１２２と特徴語表示手段２２の加点キーワード表示部２２２２に表示される。そこで検索インタフェイス２１の検索実行ボタン２１６もしくは特徴語表示手段２２の検索実行ボタン２２１１を押すと加点キーワードに「デスクトップパブリッシング」を加えた形で検索が実行され検索の絞り込みをすることができる。
また図８の特徴語表示部２２４に表示された特徴語の中に興味ある単語を発見できなかった場合には特徴語表示数設定手段２２５１を用いて表示語数を増やすことができる。図１８は特徴語表示語数を２０に増やした場合の例である。この場合には図９のデータの例では、このデータから特徴語抽出ルーチン４４１により、２０個の単語が選択されて、図８のケースで説明したと同様に表示される。ここで仮にユーザは「電子出版」における「情報検索」に興味があったとすれば表示されたグラフに「検索」および「情報検索）」という語が表示されているのでそれを利用できる。特徴語表示部の「検索」と「情報検索」をマウスなどでクリックしてから加点キーワードへの移動ボタン２２２２２を押せばこれらの単語が加点用のキーワードとして付け加えられる。これで検索実行ボタン２２１１を押せば検索の絞り込みができる。また検索を絞り込んだ後で特徴語のグラフを見たい場合には特徴語表示ボタン２２１２を押せば良い。それから検索と特徴語のグラフを連続して行なう場合には検索実行＋特徴語表示ボタン２２１３を押せば以上のステップが連続して行なわれる。
【００４１】
次に「情報検索」には興味がない場合、あるいは「情報検索」に関する文書には既に目を通してしまい、それ以外の話題に注目したい場合には、減点キーワードを利用する。すでに「検索」と「情報検索」が加点キーワードに加えられている場合には、加点キーワード表示部２２２２に表示されているこれらの単語をマウスなどで指示してから減点キーワードへの移動ボタン２２２３２を押せばこれらの単語が加点キーワードから減点キーワードへ移動する。なお特徴語表示部２２４に表示されている単語を直接減点キーワードとして利用したい場合には、加点キーワードの時と同様に、該当する単語をマウスなどでクリックした後減点キーワードへの移動ボタン２２２３２を押せば良い。すなわち、本実施例では、検索キーワード間では移動ボタンにより移動の操作が行われ、表示された特徴語とキーワード間では移動ボタンにより複写の操作が行われる。
【００４２】
「検索」と「情報検索」を減点キーワードへ移動してから検索を実行すると今度はこれらの単語を含む文書の得点が下がり、相対的にこれらを含まない文書の得点が上がるので「電子出版」に関する文書の内、「情報検索」には関係のない文書に注目することが出来る。
図１９は特徴語表示様式選択手段２１７１を備え、特徴語をグラフの形で表示したり、リストの形で表示したりすることを選択できる機能を備えた検索インタフェイス２１の一例である。リストでの表示はグラフで表示した場合と比べて、多数の特徴語を表示する為、特徴語相互の関連性を表示できないので関連性に着目した結果の評価ができないという欠点がある反面、スクロールバーを用いることにより、検索結果に出現する多数の特徴語を一覧できるので、ユーザにとって興味と合致する関連語を発見できる可能性が高くなる長所がある。
【００４３】
したがって、図１９に示される特徴語表示様式選択手段２１７１を利用して、まず、検索結果をグラフ表示して特徴語の全体像を相互の関連性も含めて概観して、結果を評価し、これにユーザの興味と合致する関連語が十分に表われない場合には、リスト表示を用いて更に細かく探すという二段階の結果評価ができる。さらに、リストを利用した表示から興味のもたれる語が得られたとき、これをキーワードとして利用して、再度検索からやり直すこともできる。
図１９の特徴語表示様式選択手段２１７１で「グラフ」を選択すれば、図８あるいは図１８で説明したように、特徴語のグラフ表示がなされる。図１９に示すように、「リスト」を選択すれば、図２０に一例を示すように、特徴語表示部２２４には、特徴語がリストの形で表示される。特徴語表示様式選択手段２１７１で「リスト」を選択した場合でも、検索された文書群から特徴語を抽出する方法は前述したグラフ表示の場合と同じである。ただし、リスト表示の場合、図９に示したように頻度を５クラスとするよりは、高、中、低の３クラス程度とする方が見やすいと考えられるので、図２０の表示例では、頻度クラスの分割数は３とした。
図２０において、「リスト」の選択に対応して、特徴語表示部２２４には、高頻度特徴語表示部２２４１、中頻度特徴語表示部２２４２および低頻度特徴語表示部２２４３がそれぞれスクロールバー付きの表示枠が設定され、頻度データ格納エリア５２３の特徴語の頻度クラスデータに対応した特徴語が各表示枠内に表示される。各表示枠内での表示順は、たとえば、頻度比の大きさ順にならべるのが良い。これにより、ユーザは、より一般性の高い特徴語から固有名など特殊性の高い特徴語までを一覧でき、幅広い選択肢から興味に合致した単語を検索できる。
【００４４】
実施例２
以下、本発明の第２の実施例を図２１に従って説明する。第１の実施例が独立に使用されるコンピュータによる検索装置の構成例であったのに対し、本実施例では、複数のユーザによる検索要求に応えることのできる検索方法を実現するものである。
図２１に本実施例の文献検索方法を実現する他の実施例の全体構成を示す。本実施例は、一つのサーバに複数のクライアントが信号伝送回線を介してアクセスし、クライアント毎に検索サービスを受けることのできるものである。サーバは、サーバ自体をクライアントとしても利用することはないのが一般的である。しかし、本実施例では、クライアントからの問題指摘に応じてサーバもクライアントとしても利用する必要がありうることを考慮して、サーバは、実施例１で説明したのと実質的に同じ構成に通信手段７をプラスした検索装置とした。クライアントは実施例１で説明した構成のうち入力手段１、表示手段２、ＣＰＵ３、計算プログラム保持手段４、計算プログラムを動作させるためのワークエリア５およびバス１００のそれぞれに対応するダッシュを付して示した手段、およびサーバとの連係を取るための通信手段７および出力手段８としてのプリンタ８１よりなる。サーバのバス１００にはインタフェイスＩＦ１が、およびクライアントのバス１００にはインタフェイスＩＦ２、 ＩＦ３がそれぞれ設けられて、サーバ−クライアント間を結ぶ回線ＮＥＴ１，ＮＥＴ２で結ばれる。なお、クライアント２についてはバス１００およびインタフェイスＩＦ２のみを図示して他は省略した。
【００４５】
クライアント１が文献検索をしようとするとき、まず、入力手段１のキーボード１１から文献検索システム起動のコマンドを入力する。これに応じて、クライアンと側の通信手段７とサーバ側の通信手段７が通信経路ＮＥＴ１を介して連絡を取り、サーバ側の計算プログラム保持手段４の検索インタフェイス作動ルーチン４１がクライアント１側に送信され、クライアント１側で起動される。この結果、表示手段２に対話的に検索作業を進めるための検索インタフェイス２１が表示される。検索インタフェイス２１が表示された後は、クライアント１はこの画面を利用して実施例１で説明したと同様の手順で検索キーとなる語を入力してゆけば良い。なお、クライアント側では検索インタフェイス作動ルーチン４１のコピーを計算プログラム保持手段４に保持しておいて、これを起動するものとしても良い。
また、ＷＷＷプラウザなどのハイパーテキスト閲覧インタフェイスを利用して本検索支援サービスが受けられるようにするのも便利である。その場合には、サーバ側には、検索インタフェイス作動ルーチン４１をクライアント側に送信するためのハイパーテキスト（ＨＴ）を用意する。なお、クライアント側では汎用のハイパーテキスト閲覧インタフェイスが利用できる環境にあることを前提とする。
【００４６】
表示手段２に表示されているハイパーテキスト閲覧インタフェイスのアドレス入力部から、本検索支援サービスが指定するアドレス（すなわちサーバのネットワーク上でのアドレスと検索インタフェイス作動ルーチン４１を送付するためのハイパーテキストＨＴの存在するファイル名など）を指定すると、双方の通信手段を介して指定されたハイパーテキストＨＴが検索インタフェイス作動ルーチン４１を伴ってクライアント側に送られ、送付された検索インタフェイス作動ルーチン４１はクライアント側計算機で起動され、検索インタフェイス２１が表示手段２に表示され利用可能となる。
なお、上記では、直接ハイパーテキストＨＴのアドレスを指定したが、ハイパーテキスト閲覧インタフェイスの閲覧部に表示されているハイパーテキストに、本ハイパーテキストＨＴのアドレスがアンカーとして埋め込まれている場合には、そのアンカーの部分をマウスなどでクリックしても同様の動作をさせることができる。
【００４７】
クライアント１が入力した検索要求は通信手段７、７と通信経路ＮＥＴ１を介してサーバ側に伝送され、サーバ側で必要な検索と特徴語抽出とグラフ配置計算が実行されて、その結果が再び通信手段７、７の連絡によりクライアント１側に返信され、クライアント１の検索インタフェイス作動ルーチン４１に手渡され、同ルーチンはそのデータに基づいて特徴語グラフを特徴語表示手段２２に表示する。クライアント１はこの検索結果に応じて実施例１で説明したと同様に、さらに必要な検索操作があればこれに応じたデータを入力すれば良い。このデータは再度サーバ側に伝送され、サーバ側で必要な検索が実行されて、その結果が特徴語表示手段２２に表示される。クライアント１は、必要ならプリンター８１によってプリントされた出力を利用することができる。
このようにして、クライアント１は、実質的な検索プログラムを持つことなく、サーバ側で実行された結果のみを利用できる。したがって、クライアント１では、ワークエリア５は初期の入力データおよびサーバから伝送されてきた検索結果と特徴語とそのグラフ配置に関するデータ等を保持する能力があれば足りるから、簡易な装置で充実した検索サービスを受けることができる。
【００４８】
【発明の効果】
以上、二つのタイプについて説明したように、本発明によれば、ユーザは、より一般性の高い特徴語から固有名など特殊性の高い特徴語までを一覧でき、幅広い選択肢から興味に合致した単語を検索できる。
【図面の簡単な説明】
【図１】本発明の実施例としての独立に使用されるコンピュータによる検索装置の構成例を示すブロック図。
【図２】ワークエリアのデータの割り当て配置の一例を示す図。
【図３】ユーザとコンピュータとの間の検索インタフェイス表示画面の例を示す図。
【図４】検索実行時に検索ワークエリアに格納されるデータの例を示す図。
【図５】図３に示した検索インタフェイス表示画面が検索実行後に検索結果を表示した例を示す図。
【図６】ユーザが検索キーとしての特徴語を付与するための特徴語表示手段起動時の表示画面の例を示す図。
【図７】ユーザから特徴語表示要求があった時に特徴語グラフ格納エリアに格納されるデータの例を示す図。
【図８】検索された文書群における特徴語のグラフ表示の一例を示す図。
【図９】検索された文書群における単語頻度データの一例を示す図。
【図１０】検索された文書群における特徴語リストの一例を示す図。
【図１１】検索された文書群における特徴語間の共起関係を表すデータの一例を示す図。
【図１２】検索された文書群において特に強い共起関係を有する特徴語対のリストの一例を示す図。
【図１３】特徴語のグラフ配置を計算する計算ルーチンの構成の一例を示すパッド図（ＰＡＤ図、Ｐｒｏｂｌｅｍ Ａｎａｌｙｓｉｓ Ｄｉａｇｒａｍ）。
【図１４】グラフ配置におけるｘ座標計算方法の一例を示すパッド図。
【図１５】検索結果のグラフ表示の際、表示データを正規化された領域に仮想的に配置する際の座標データの一例を示す図。
【図１６】検索結果のグラフ表示の際、表示データの重なり回避を行なう前のグラフの座標の一例を示す図。
【図１７】グラフの表示ノードが重なるのを避けるためのルーチンの詳細の一例を示すパッド図。
【図１８】特徴語表示数を２０にした場合の特徴語のグラフ表示の一例を示す図。
【図１９】特徴語表示様式選択手段を備えた検索インタフェイス表示画面の例を示す図。
【図２０】特徴語のリスト表示の表示画面の例を示す図。
【図２１】検索装置の主体がサーバ側に備えられこれに複数のクライアントがアクセスして検索を行う場合の構成例を示すブロック図。
【符合の説明】
１、１：入力手段、１１、１１：キーボード、１２、１２：マウス、１３、１３：ペン入力手段、２、２：表示手段、２１、２１：検索インタフェイス、７、７：通信手段、８：出力手段、８１：プリンタ８１、ＩＦ１、ＩＦ２、 ＩＦ３：インタフェイス、ＮＥＴ１，ＮＥＴ２：回線、２１１：検索要求入力部、２１２：キーワード表示・操作部、２１２１：必須キーワード表示部、２１２１１：必須キーワードへの追加ボタン、２１２１２：必須キーワードの消去ボタン、２１２２：加点キーワード表示部、２１２３：減点キーワード表示部、２１３：検索ヒット件数表示部、２１４：タイトル表示部、２１５：文書表示部、２１６：検索実行ボタン、２１６：特徴語表示ボタン、２１７１：特徴語表示様式選択手段、２２：特徴語表示手段、２２１：特徴語表示手段操作部、２２２：特徴語表示手段のキーワード表示・操作部、２２３：特徴語表示手段の検索ヒット件数表示部、２２４：特徴語表示部、２２４１：高頻度特徴語表示部、２２４２：中頻度特徴語表示部、２２４３：高頻度特徴語表示部、２２５：特徴語表示手段のパラメータ設定部、２２５１：特徴語表示語数設定手段、３：計算プログラム実行手段（ＣＰＵ）、４：計算プログラム保持手段、４１：検索インタフェイス作動ルーチン、４２：形態素解析ルーチン、４３：検索ルーチン、４４：特徴語表示手段作動ルーチン、４４１：特徴語抽出ルーチン、４４２：共起関係解析ルーチン、４４３：グラフ配置ルーチン、４４３１：ｙ座標計算ルーチン、４４３２：ｘ座標計算ルーチン、４４３３：表示座標への変換ルーチン、４４３４：重なり回避ルーチン、４４３５：リンク配置ルーチン、４４４：グラフ表示ルーチン、５：ワークエリア、５１：検索ワークエリア、５１１：キーワード格納エリア、５１１１：必須キーワード格納エリア、５１１２：加点キーワード格納エリア、５１１３：減点キーワード格納エリア、５１２：検索結果格納エリア、５１３：検索結果得点分布格納エリア、５２：特徴語抽出ワークエリア、５２１：特徴語抽出パラメータ格納エリア、５２１１：走査文書数上限値格納エリア、５２１２：頻度クラス分割数格納エリア、５２１３：抽出語数格納エリア、５２２：単語分割済み文書格納エリア、５２３：頻度データベース格納エリア、５２４：特徴語リスト格納エリア、５３：共起関係解析ワークエリア、５３１：共起データ格納エリア、５３２：共起リンク格納エリア、５４：グラフ配置ワークエリア、５４１：正規化座標格納エリア、５４２：グラフ配置パラメータ格納エリア、５４３：グラフ格納エリア、５４３１：ノード格納エリア、５４３２：リンク格納エリア、６：データベース保持手段、６１：検索対象文書データベース、６２：検索用インデックスデータベース、６３：単語頻度データベース、６４：除外語データベース。
【発明の属する技術分野】
本発明は、文献検索における対話的なガイダンス機能を実現するためのユーザインタフェイスを持つ文献検索支援方法及び装置およびこれを用いた文献検索サービスに関する。
【０００２】
【従来の技術】
文献検索においては、ユーザーが所望する文献集合に早く容易に到達できるように、文献検索装置とユーザーとのさまざまなインタフェイスが考案、開発されている。その中の主なものとしてはフィードバックとガイダンスがある。フィードバックとは検索結果のいくつかのアイテムに対してユーザーが「当たり／はずれ」の判定を下すと、その判定を反映した検索結果を得ることができるしくみである。またガイダンスとは検索作業の各段階でその検索作業と関連のあると思われる情報、したがって利用者が検索条件を工夫したり改良したりするのに参考となると思われる情報を提供する機能である。
【０００３】
ガイダンス機能については、従来一般に、入力された検索条件に対してその関連情報を提示する方法が行われている。例えば、シソーラスなど単語間の関連性を示すデータベースを保持しておき、検索条件として入力された語と関連のある語をデータベースから取り出して提示する方法である。シソーラスの場合には主に単語間の上位−下位関係を示す木構造のデータであるが、共起統計を用いて関連語データを自動生成しそれを用いる方法もある（例えば、Ｂ． Ｒ． Ｓｃｈａｔｚ ｅｔ ａｌ， Ｉｎｔｅｒａｃｔｉｖｅ ｔｅｒｍ ｓｕｇｇｅｓｔｉｏｎ ｆｏｒ ｕｓｅｒｓ ｏｆ ｄｉｇｉｔａｌ ｌｉｂｒａｒｉｅｓ： Ｕｓｉｎｇ ｓｕｂｊｅｃｔ ｔｈｅｓａｕｒｉ ａｎｄ ｃｏ−ｏｃｃｕｒｒｅｎｃｅ ｌｉｓｔｓ ｆｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ． Ｐｒｏｃ． ＡＣＭ ＤＬ９６．ｐ．１２６−１３３）。また、単語間の共起統計データに基づき検索語とその関連語をネットワーク状に表示する方法も提案されている（例えば、Ｒ．Ｈ． Ｆｏｗｌｅｒ， Ｄ． Ｗ． Ｄｅａｒｈｏｌｔ， Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ Ｕｓｉｎｇ Ｐａｔｈｆｉｎｄｅｒ Ｎｅｔｗｏｒｋｓ． Ｉｎ Ｐａｔｈｆｉｎｄｅｒ Ａｓｓｏｃｉａｔｉｖｅ Ｎｅｔｗｏｒｋｓ， Ａｂｌｅｘ， ａｒｔｉｃｌｅ １２， Ｅｄｉｔｅｄ ｂｙ Ｒ． Ｗ． Ｓｃｈｖａｎｅｖｅｌｄｔ（１９９０））。
【０００４】
しかしながら、検索条件に対してその関連情報を提示する方法では、検索語が複数になった場合や否定が使われた場合の対処が難しく、またキーワードを用いない書類の検索（連想検索など）にも対処が難しいという問題がある。これを克服する方法として、検索結果から関連情報を自動抽出してユーザに提供する手法がある。例えば、スキャター・ギャザー法（Ｄ．Ｃｕｔｔｉｎｇ他（１９９２）． Ｓｃａｔｔｅｒ／Ｇａｔｈｅｒ ： Ａ Ｃｌｕｓｔｅｒ−ｂａｓｅｄ Ａｐｐｒｏａｃｈ ｔｏ Ｂｒｏｗｓｉｎｇ Ｌａｒｇｅ Ｄｏｃｕｍｅｎｔ Ｃｏｌｌｅｃｔｉｏｎｓ． Ｐｒｏｃ． ＡＣＭ ＳＩＧＩＲ’９２，ｐ．３１８−３２９）では検索された文書群を自動分類（クラスタリング）して各クラスごとの特徴語を表示するものである。しかし、クラスタリングは文書数が増えると計算量が２乗あるいは３乗のオーダーで大きくなるのでリアルタイムでの反応が難しくなり、また一般に検索作業が進んで行くとクラス間の違いが微妙になり、クラスの特徴語からそのクラスの性格を把握しにくくなるという問題があった。
【０００５】
【発明が解決しようとする課題】
本発明は、前述の問題を解消して、検索された文書群に含まれる話題群をリアルタイムで一覧できるよう文書群に特徴的に現れる語群の特徴語をグラフ形式またはリスト形式で画面表示すること、さらには、文書群に特徴的に現れる語群を低頻度語から高頻度語までバランス良く抽出することのできる文献検索支援方法及び装置、さらには、この文献検索を希望するユーザが遠隔地からも行えるようにすることを目的とする。
【０００６】
【課題を解決するための手段】
このため、検索された文書群に含まれる話題群をリアルタイムで一覧できるよう、文書群に特徴的に出現する語群をノードとし、さらに特徴語間に強い共起関係がある場合、すなわち同一文書中に出現しやすい度合が高い場合、その単語対にリンクを張ることによりグラフを構成し、そのグラフを画面表示するとともに、特徴語のグラフ表示の際に、一般的な語と特殊性の高い語を一目で見分けることができるように縦軸方向が特徴語の文書頻度を表すようにする。リストの例で言えば、特徴語を頻度クラスで分類し、文書頻度の高いものを上段に配列して一覧できるようにして特殊性の高い語を一目で見分けることができるようにする。検索された文書群から特徴語を選ぶ際に、低頻度の語から高頻度の語までバランス良く特徴語を抽出するためには、特徴語を出現頻度によってクラス分けを行ない、それぞれのクラスから頻度比、すなわち当該文書群における文書頻度と検索対象全体における文書頻度の比が大きいものから順に抽出する。
【０００７】
【発明の実施の形態】
実施例１
以下、本発明の第１の実施例を図１−２０に従って説明する。本実施例は、独立に使用されるコンピュータによる検索装置の構成例である。本実施例では、検索結果をグラフ表示とする場合を主体に説明する。
図１に本実施例の文献検索装置の全体構成を示す。１は入力手段、２は表示手段、３はＣＰＵ、４は計算プログラム保持手段、５は計算プログラムを動作させるためのワークエリア、６はデータベース保持手段であり、これらの手段あるいは装置は、これらの間で相互に信号のやり取りをするためのバス１００で連携される。
入力手段１はキーボード１１、マウス１２、ペン入力手段１３などから構成され、表示手段２には検索インタフェイス２１および検索をガイドするための特徴語表示手段２２が表示される。計算プログラム保持手段４には本実施例の文献検索装置を動作させるために必要となる検索インタフェイス作動ルーチン４１、形態素解析ルーチン４２、検索ルーチン４３および特徴語表示手段作動ルーチン４４が格納される。特徴語表示手段作動ルーチン４４は検索された文書群から特徴語を抽出して特徴語表示手段２２に表示するため、特徴語抽出ルーチン４４１、共起関係解析ルーチン４４２、グラフ配置ルーチン４４３、およびグラフ表示ルーチン４４４をサブルーチンとして用いる。ワークエリア５についての詳細は図２を参照して後述する。データベース保持手段６は検索対象となる文書データベース６１、検索に用いるインデックスデータベース６２、単語頻度に関するデータベース６３および除外語データベース６４から構成される。これらのデータベースは、一般には、事前に準備されているものの中から、使用者が自分の検索目的に合うものを検索対象データとして選択して使用する。たとえば、新聞記事についての検索をしたいときは、新聞社が発行しているデータベースを購入して使用することになる。もっとも、除外語データベース６４は装置の供給者が付属データとして提供するものである場合があろう。
【０００８】
図２はワークエリア５の構成についての詳細である。ワークエリア５は計算プログラム保持手段４にある諸ルーチンが動作するために必要となるパラメータや一時的なデータを保持するためのエリアであり、検索ワークエリア５１、特徴語抽出ワークエリア５２、共起関係解析ワークエリア５３、グラフ配置ワークエリア５４から構成される。各エリアには、更に細分されたデータエリアが備えられるが、これらの詳細についてはそれぞれの関連するルーチンが動作する時に説明する。
ユーザが文献検索をしようとするとき、まず、キーボード１１から文献検索システム起動のコマンドを入力する。これに応じて、検索インタフェイス作動ルーチン４１が起動され、対話的に検索作業を進めるための検索インタフェイス２１が表示手段２に表示される。
図３は検索インタフェイス２１の初期画面の一例である。検索インタフェイス２１は検索要求入力部２１１、キーワード表示・操作部２１２、ヒット件数表示部２１３、タイトル表示部２１４、文書表示部２１５、検索実行ボタン２１６および特徴語表示ボタン２１７などから構成される。
【０００９】
本実施例では、文献検索用のキーワードとして必須キーワード、加点キーワード、減点キーワードの３種類を用いる。検索は必須キーワードに関するアンドを取って行なわれ、必須キーワードの指定の無い場合には加点キーワードのオアで行われる。必須キーワードで検索された文書が加点キーワードを含む場合には１点加点し、減点キーワードを含む場合は１点減点する。同じキーワードが同一文書に何回現れても１点の加点または減点とする。これら３種類のキーワードに対応してキーワード表示・操作部２１２は３つの部分から構成される。構成は３つとも同様であるのでここでは一番左の必須キーワードを主体に説明する。キーワード表示・操作部２１２における必須キーワードの部分は、キーワード表示部２１２１、移動ボタン２１２１１、クリアボタン２１２１２から構成される。移動ボタン２１２１１は他の種類のキーワードを必須キーワードに移す場合に使い、クリアボタン２１２１２はキーワードを必須キーワードから除去する場合に用いる。すなわち、加点キーワードあるいは減点キーワードに表示されているキーワードを選択して必須キーワードの移動ボタン２１２１１を押せば、選択されたキーワードが必須キーワードに移される。また、必須キーワードに表示されているキーワードを選択してクリアボタン２１２１２を押せば、選択されたキーワードが必須キーワードから除去される。同じように、必須キーワードに表示されているキーワードを選択して、たとえば、加点キーワードの移動ボタン２１２２１を押せば、選択されたキーワードが加点キーワードに移される。また、必須キーワードに表示されているキーワードを選択して、減点キーワードの移動ボタン２１２３１を押せば、選択されたキーワードが減点キーワードに移される。
【００１０】
また、これらの移動ボタンは後述するように、表示されている特徴語をキーワードにコピーするためのコピーボタンとしても使用される。すなわち、移動かコピーかは対象となる語がどこの領域にあるかにより使い分けられる。
検索要求を入力する場合には、検索要求入力部２１１の検索要求入力窓２１１１をマウス１２でクリックするなどして入力待ち状態にしてからキーボード１１を用いて必須キーワード、加点キーワードおよび減点キーワード等の検索要求を入力する。続いて入力完了ボタン２１１２を押すと、入力窓２１１１に入力された文字列が形態素解析ルーチン４２へ渡されて単語列に分割され、さらに除外語データベース６４を参照して、そこに登録されている単語を除去した結果がキーワード格納エリア５１１のデフォールトのキーワード格納エリア５１１１または５１１２（図２）へ格納される。ここではデフォールトのキーワードのタイプは必須キーワードとした。また、それぞれの内容はキーワード表示部２１２１または２１２２にリストの形で表示される。この場合、後述する例からも分かるように、形態素解析ルーチン４２が持つ辞書に応じて単語の分割状態が決まる。
【００１１】
ここで、検索実行ボタン２１６を押すと検索ルーチン４３が起動され、検索用インデックスデータベース６２（すなわちある単語がどの文書に含まれているかを示すデータ）を参照して、必須キーワードをアンドで含む文書を検索し、結果として得られ文書識別番号の列が検索結果格納エリア５１２へ格納される。なお検索ルーチン４３は必須キーワードで検索された文書について加点キーワードが含まれている場合には加点キーワードの一つについて１点加点し、減点キーワードが含まれている場合には減点キーワードの一つについて１点減点するという作業を行ない、この得点も文書識別番号と合わせて検索結果格納エリア５１２へ格納する。必須キーワードの指定がない場合には、検索ルーチン４３は加点キーワードに関する検索を加点キーワードのオアで行ない、以下同様の仕方で得点を計算する。必須キーワードも加点キーワードもない場合には、検索実行ボタン２１６が押されても検索は行なわない。
【００１２】
必須キーワードは、検索に際してはアンドで処理されるから、より厳密に検索結果を絞りこみたいときには不可欠であるが、どちらかといえば、検索結果に漏れがない検索をしたいときには、加点キーワードのみとしてこのオアで検索を行い、この検索結果に入って欲しくない事項を含む可能性がある事項を想定できるときは減点キーワードを設定するのがよい。
さらに、検索ルーチン４３は検索結果格納エリア５１２に格納された検索結果から得点分布を計算し、その結果を検索結果得点分布格納エリア５１３に格納する。得点分布とは加点または減点の得点が何点の文書が何件あったかを示すデータである。
【００１３】
以下「電子出版」を必須キーワードとする検索要求を入力した場合を例に採り説明する。
「電子出版」なる文字列を必須キーワードとして検索要求入力窓２１１１に入力した後、入力完了ボタン２１１２を押す。形態素解析ルーチン４２により「電子出版」は「電子／出版」と分割されて必須キーワード格納エリア５１１１に格納され、さらに必須キーワード表示部２１２１の１行目と２行目に分割して表示される。
図４は、この段階で検索実行ボタン２１６を押した場合の検索ワークエリア５１の状態を示したものである。今の例では必須キーワードが「電子」と「出版」なので、それらが必須キーワード格納エリア５１１１に格納されている。それ以外の加点キーワードあるいは減点キーワードは、検索要求入力窓２１１１に検索者によって付与されなかったので、加点キーワード格納エリア５１１２と減点キーワード格納エリア５１１３は空欄のままである。また検索された文書番号とその得点が検索結果文書番号格納エリア５１２に格納されている。この場合には加点キーワードと減点キーワードがないので得点は全て０である。また得点別に件数をカウントして得られるデータが検索結果得点分布格納エリア５１３に格納されている。この場合得点は０のみでそれが７７件あったことを示している。
【００１４】
図５は、この検索結果を表示した検索インタフェイス２１の状態を示したものである。必須キーワード表示部２１２１に必須キーワード「電子」と「出版」が表示され、ヒット件数表示部２１３に検索結果得点分布格納エリア５１３の内容が表示され、タイトル表示部２１４には検索された文書識別番号とそのタイトルが１件１行で適当数表示されている。表示されていない文書識別番号とそのタイトルを知りたいときは、いわゆるスクロールバーによって表示に現れる部分をずらせばよい。表示されたタイトルから本文を読んで見たいものがあれば、該当するタイトルの所をマウスなどで指示すれば本文の内容の一部が文書表示部２１５に表示される。表示されていない部分の文書の内容を知りたいときは、同じように、スクロールバーによって表示に現れる部分をずらせばよい。
【００１５】
これで「電子出版」に関する文書が７７件検索されたことになるが、次の段階として、さらに検索を特定の対象に絞り込みたい場合、あるいはそうでなくてもこの７７件の文書にはどのような話題が含まれているかを概観したい場合がある。このような場合には検索インタフェイス２１（図３）上の特徴語表示ボタン２１７を押すと特徴語表示手段作動ルーチン４４が起動され、特徴語表示手段２２が表示画面２に表示される。
【００１６】
図６は特徴語表示手段２２の一例の詳細を示したものである。特徴語表示手段２２は操作部２２１、キーワード表示・操作部２２２、ヒット件数表示部２２３、特徴語表示部２２４、パラメーター設定部２２５から構成される。キーワード表示・操作部２２２およびヒット件数表示部２２３は検索インタフェイス２１のキーワード表示・操作部２１２およびヒット件数表示部２１３とそれぞれ連動しており、特徴語表示手段２２上の操作によりこれらの表示内容が変化した場合には自動的に検索インタフェイス２１の方のそれぞれの表示も変化する。しかし逆方向、すなわち検索インタフェイス２１上の操作によりキーワードやヒット件数が変化した場合には自動的には特徴語表示手段２２上には反映されない。これを取り込むには、操作部２２１のリセットボタン２２１４を押すと検索インタフェイス２１側の内容がこちらの特徴語表示手段２２側へコピーされる。なお検索インタフェイス２１上の特徴語表示ボタン２１７を押すことで表示画面２に表示される特徴語表示手段２２の初期画面では検索インタフェイス２１上のキーワードとヒット件数が自動的にコピーされる。今の例の場合、必須キーワード表示部２２２１には「電子」と「出版」が表示され、ヒット件数表示部２２３には「得点０：７７件」が表示されている。
【００１７】
ここで、操作部２２１の特徴語表示ボタン２２１２を押すと特徴語抽出ルーチン４５が起動され、検索結果格納エリア５１２に格納されたデータから最高得点の文書識別番号を読み込み、それらの文書識別番号に相当する文書の内容を解析して、それらに特徴的に含まれる単語（特徴語）と、それら特徴語間の関連性を解析してグラフにした結果を特徴語表示部２２４に表示する。その過程は以下の説明で詳述する。
図７は「電子出版」の例で、グラフ格納エリア５４３（図２）に格納されたデータを示したものである。グラフはノードとリンクからなりそれぞれノード格納エリア５４３１と、リンク格納エリア５４３２とに格納されている。格納されるノードデータは各ノードに表示される特徴語（文字列）とそれを特徴語表示部２２４のどこに表示すべきかを示す座標を中心座標で、さらに文字を表示する領域の横と縦の文字数と表示領域のサイズで構成されている（ただし表示領域のサイズについては、使いやすいようにそれらの１／２の値、すなわち中心から端までのサイズにしてある。）。一方、格納されるリンクデータはグラフ上に表示すべき線分の始点座標と終点座標で構成されている。図では、リンク格納エリア５４３２に格納されている始点座標と終点座標の他に、参考までに、それぞれに対応する文字列のデータを付記したが、実際の装置では、このデータは不要である。図８は、操作部２２１の特徴語表示ボタン２２１２が押されて、特徴語のグラフが表示された状態の特徴語表示手段２２を示した図である。グラフ表示ルーチン４４４が、グラフ格納エリア５４３のデータに従って、特徴語表示部２２４に特徴語とこれを結ぶリンクよりなるグラフを表現する。例えば図７のデータから「コンパクト」は座標（１４９，１３１）を中心として、横方向文字数３、行数２で且横方向で両側に２７、縦方向で上下に１８の矩形の領域を表示域として表示される。この実施例では、座標は特徴語表示部２２４の左上を始点として横方向は右向に、縦方向は下向に取る。また、リンクデータは始点と終点の座標で定義される。リンクデータの１番目は、特徴語「出版」と「電子」との中心座標を結ぶことを意味し、２番目のデータは座標（２０３，１３１）から（３０８，４０）への線分を意味する。これらの語の表示に際しては、それぞれのノードの表示領域には文字表示用に背景に白色不透明の矩形を表示して、ノードの表示領域では、線分を隠すのがグラフとしては見やすいが、一方、リンクを示すグラフの線とノードの表示領域が重なると、グラフの線が現れないことになり誤解を招くことになりかねない。例えば、図７のデータでは、「デスクトップパブリッシング」と「出版物」を結ぶグラフの線は「ニフティサーブ」の表示領域を通過することになるから、「ニフティサーブ」に白色不透明の矩形をつけると、この部分でグラフの線が線としては表われないことになる。その結果、「ニフティサーブ」と「出版物」とがグラフの線で結ばれ、さらに「ニフティサーブ」と「デスクトップパブリッシング」とがグラフの線で結ばれたように見えることになる。図８では、この対策として、背景に白色不透明の矩形を表示する代わりに、グラフの線の始点及び終点の近傍でのみグラフの線が表示されないようにしてそのノードの表示領域の中に入り込むのを避けるとともに、他の表示領域については通過していることがわかる表示とした。白色不透明の矩形をつけてもグラフの線が隠れないように配置することは大変難しく、特に多数の特徴語をグラフ表示しようとすると見やすいサイズでの表示が不可能となりかねない。
【００１８】
パラメータ設定部２２５の特徴語表示設定手段２２５１は特徴語表示部２２４に表示する単語数を調節するためのものであり、設定用つまみ２２５１１を左右に動かして所望の数値に設定する。表示部２２５１２にはその設定値が表示され、特徴語抽出パラメータ格納エリア５２１の抽出語数格納エリア５２１３にその値が格納される。なおこの値は特徴語抽出ルーチン４４１によって利用される。以下では特徴語表示手段２２の特徴語表示ボタン２２１２が押されてから、図７に示したようなグラフデータが作成されるまでの過程を説明する。特徴語表示ボタン２２１２が押されると、計算プログラム保持手段４に格納されている特徴語抽出ルーチン４４１以下共起関係解析ルーチン４４２、グラフ配置ルーチン４４３が順に起動される。
特徴語抽出ルーチン４４１は検索ワークエリア５１の検索結果得点分布格納エリア５１３から最高得点とその件数を読み込む。図４に示した「電子」と「出版」の例では最高得点（Ｓ）は０点でありその件数（Ｋ）は７７件である。また特徴語抽出パラメータ格納エリア５２１から走査文書数上限値（Ｍ）５２１１を読み込む。（ここではＭ＝３００とする。）これは検索された文書件数Ｋが大きい時にすべての文書を解析していると時間がかかるので、一定限度Ｍを越える場合にはＭ個のサンプル抽出を行なうためのパラメータである。
【００１９】
特徴語抽出ルーチン４４１は、次に、検索結果格納エリア５１２を参照し、得点が最高得点Ｓと一致するすべての文書識別番号についてそれらの内容を検索対象文書データベース６１から読み込み、形態素解析ルーチン４２を用いて単語分割し、出現するすべての種類の単語についてそれが出現する文書の数（以下これを文書頻度と呼ぶ）をカウントする。この例では最高得点の件数Ｋが７７件で、走査文書数上限値Ｍ＝３００以下であったのですべての文書を読み込む。
なお、該当文書の形態素解析は、データベース保持手段にゆとりがある場合には、あらかじめ全文書を形態素解析した結果を保持しておき、それを読み込むようにすることも可能である。そうすれば、検索の都度形態素解析をする必要がなくなるので解析時間を大幅に短縮できて有効である。
こうして得られる単語とその文書頻度のデータは特徴語抽出ワークエリア５２の中の頻度データ格納エリア５２３に格納される。なお上記で該当文書を形態素解析した結果は後にも使うので、単語分割済み文書格納エリア５２２に格納しておく。
【００２０】
図９は「電子出版」の例で頻度データ格納エリア５２３に格納されたデータの一部を示す。各単語ごとのデータは単語名、文書頻度、全体文書頻度、頻度比、頻度クラスの５項目で構成されている。文書頻度は上記作業で検索された文書（この場合７７件）の内の何件のにその単語が出現したかを表す頻度である。また全体文書頻度はキーワードによる検索結果に関係なく、検索対象文書全体で何件の文書に使われているかという頻度である。その情報は単語頻度データベース６３に格納されており、そこから該当する単語の頻度情報を取り出して来たものである。ここで、単語頻度データベース６３は予め検索対象全文書を走査して、出現する全ての単語についてその文書頻度をカウントして作成しておくものとする。頻度比は文書頻度を全体文書頻度で割算した値である。例えば一番最初の「ＲＯＭ」では文書頻度が２１で全体文書頻度が１１８３なので頻度比は２１÷１１８３≒０．０１７である。
【００２１】
次に、頻度クラスについて説明する。一般にある文書群に特徴的な語は頻度比の大きさにより判断でき、頻度比が大きいほど特徴度が高いと言える。しかし文書頻度が大きく異なる２つの単語を頻度比で比較するのは危険である。低頻度語の場合には全体頻度が低いのでたまたま頻度比が大きくなる確率が高い。たとえば、図９では、「デスクトップパブリッシング」の頻度比は０．７５となっており、頻度比が大きく特徴度が高いと言えるかと言えば、そうではない。これは文書頻度が３にすぎないのに、全体文書頻度も４でしかないためである。そこで文書頻度が大きく異なる単語同士は比較しないよう、予め文書頻度を適当な幅で区分してクラス分けを行ない各クラスで頻度比が大きいものを特徴語として取る。これによって低頻度語から高頻度語までバランス良く特徴語を抽出することが可能となる。
以下頻度クラスの決め方の一例の説明である。特徴語ルーチン４４１は頻度クラス分割数（Ｃ）５２１２を読み込む、これはいくつの頻度クラスに分割するかを示すパラメータであり、使用者が設定する。ここではＣ＝５とする（一般にＣは１以上の整数である）。ｉ番目の頻度クラスをＣ［ｉ］として、Ｃ［ｉ］に属するための文書頻度がｆ［ｉ］以上ｆ［ｉ＋１］未満であるとする。ただし最大のクラスについては「ｆ［ｉ＋１］未満」のかわりに「ｆ［ｉ＋１］以下」とする。この頻度閾値ｆ［ｉ］の値の決め方であるが、ここではその一例としてＫ’を該当文書数として、ｆ［ｉ］＝Ｋ’の（ｉ／（Ｃ＋１））乗、とする。（検索された文書数Ｋが走査文書数上限値Ｍを越えない場合にはＫ’＝Ｋであり、Ｋ＞Ｍの場合にはＫ’＝Ｍである。）今の例ではＫ’＝７７でＣ＝５であるから、ｆ［１］＝７７の（１／６）乗＝２．０６，以下、ｆ［２］＝４．２５，ｆ［３］＝８．７７，ｆ［４］＝１８．１０，ｆ［５］＝３７．３３となる。従って、クラス１：文書頻度３以上４以下、クラス２：文書頻度５以上８以下、クラス３：文書頻度９以上１８以下、クラス４：文書頻度１９以上３７以下、クラス５：文書頻度３８以上７７以下、である。
【００２２】
この分類条件に従って、各語の文書頻度からそれらの語の頻度クラスを決める。「ＲＯＭ」の場合には文書頻度が２１なのでクラス４、また「インタラクティブ」は文書頻度が５なのでクラス２となる。なお文書頻度がクラス１よりも小さい場合（この場合文書頻度２以下）については特徴語抽出の対象から除外する。上記の頻度クラスの付与は次の式で直接計算することもできる。ただしその値がＣと一致する場合には１を引き算する。
（頻度クラス）＝｛ｌｏｇ（文書頻度）÷ｌｏｇＫ’×（Ｃ＋１）｝を越えない最大の整数値−１
続いて特徴語抽出ルーチンは抽出語数（ｐ）５２１３を読み込み、各頻度クラスから頻度比が上位のものを合計でこの個数になるように抽出する。それを実現する方法の一例としては、抽出語数ｐを頻度クラス分割数Ｃで割算して得られる商をｎ、余りをｒとして、頻度クラスが１以上ｒ以下のクラスからはｎ＋１個取り、頻度クラスがｒより大きいクラスからはｎ個取るという方法がある。
【００２３】
以下抽出個数ｐが１０であるとして図９の例で説明する。分割数Ｃは５なのでｐ÷Ｃの商ｎは２，余りｒは０である。従ってクラス１〜５から均等に２個づつ取ることになる。頻度データ格納エリア５２３のデータから各頻度クラスのものについて頻度比が大きいものから順に２個ずつ取る。図９のデータより、クラス５の単語を頻度比が大きい順にならべると「出版」（０．０２７），「電子」（０．０１５），「メディア」（０．００６），「情報」（０．００１）となる。従って上位２つの「出版」と「電子」が特徴語として取られる。以下同様にしてクラス４からは「ＲＯＭ」と「コンパクト」、クラス３からは「メール」と「出版物」、クラス２からは「インタラクティブ」と「ニフティサーブ」、クラス１からは「デスクトップパブリッシング」と「パブリッシング」が特徴語として抽出される。それらは特徴語リスト格納エリア５２４に格納される。
【００２４】
図１０は特徴語リスト格納エリア５２４に格納されたデータの例である。上記プロセスにより抽出された特徴語とそれらの文書頻度が格納されている。図では、参考に頻度クラスも示したが、これはなくても良い。
以上で特徴語抽出ルーチン４４１を抜け、続いて共起関係解析ルーチン４４２が特徴語間の共起データ関係を解析し、結果を共起データ格納エリア５３１に格納する。
【００２５】
共起データ格納エリア５３１は特徴語リスト格納エリア５２４に格納された特徴語の集合を縦横に持つ２次元の配列である。各要素は対応する単語対が共通して現れる文書の数を表す。共起関係解析ルーチン４４２は検索された文書群を単語分割したものを単語分割済み文書格納エリア５２２から読み込み、各文書ごとに共出現するすべての特徴語ペアについて、共起データ格納エリア５３１の対応する要素をインクリメントしていく。
【００２６】
次に共起関係解析ルーチン４４２は各特徴語対に対して共起強度を計算する。共起強度は上記作業でカウントされた共起頻度を単語ペアの後者（表では列に当たる単語）の文書頻度で割った値である。単語の文書頻度は特徴語リスト格納エリア５２４に格納されている値（図１０）を用いる。
図１１は、この段階における共起データ格納エリア５３１に格納されたデータを示す。各桝目は二つの数値から構成され、上段が対応する単語対の共起頻度、下段が単語対の共起強度（共起頻度÷列側の単語の文書頻度）である。例えば６行３列の上段数値６は、６行目の特徴語「出版物」と３列目の特徴語「ＲＯＭ」が６件の文書に共出現したことを意味する。この場合単語対の列側の単語「ＲＯＭ」の文書頻度は２１なので、下段の共起強度の数値は６÷２１≒０．２９となる。共起データ格納エリア５３１では特徴語は文書頻度の高い順に並べている。後の作業で用いるのは表の対角線の下半分だけなので、残りの部分は省略した。
【００２７】
続いて、共起関係解析ルーチン４４２はこの共起データから共起度の高い単語ペア（特徴語グラフでリンクを張るべきペア）を抽出する。本実施例では特徴語間の関連性を示すリンクを、各単語から見てそれより文書頻度が高い単語の中で共起強度の値が最も大きくなる単語に張ることにした。共起関係解析ルーチン４４２はこの基準に従ってリンクを張るべき単語対を集め共起リンク格納エリア５３２に格納する。
なお、共起強度が２番あるは３番のものでも、１番のものと比べてそれほど小さくない場合（例えば１番の０．９倍以上）には、リンクを張るというやり方も有力である。
図１２はこの段階における共起リンク格納エリア５３２の内容を示す図である。これらのリンクが抽出された過程を図１１の例に基づいて説明をする。図１２の２番目の「出版」について見ると、文書頻度が「出版」以上のものは「電子」しかないので「出版」から「電子」にリンクが張られる。次に３番目の「ＲＯＭ」についてみると、それより頻度が高いのは「出版」と「電子」の２つであり、それらとの共起強度は共に０．２７である。この場合には共起データ格納エリア５３１における番号の小さい「出版」の方にリンクを張る。次に４番の「コンパクト」についてみると、３番の「ＲＯＭ」との共起強度が０．８１で最も大きい。従って「コンパクト」からは「ＲＯＭ」へリンクを張る。以下同様の操作を続け、図１２のようなリンクデータが得られる。
【００２８】
以上で共起関係解析ルーチン４４２を抜け、続いて、グラフ配置ルーチン４４３が起動される。特徴語リスト格納エリア５２４のデータ（図１０）と共起リンク格納エリア５３２のデータ（図１２）にもとづいて特徴語群をノードとするグラフを実際に２次元平面に配置するという作業を行なう。
図１３はグラフ配置ルーチン４４３の詳細である。グラフ配置ルーチン４４３はｙ座標計算ルーチン４４３１、ｘ座標計算ルーチン４４３２、表示座標への変換ルーチン４４３３、重なり回避ルーチン４４３４、リンク配置ルーチン４４３５から構成され、この順に起動する。
ｙ座標計算ルーチン４４３１およびｘ座標計算ルーチン４４３２は表示領域が［−１，１］×［−１，１］の正方形領域であると仮定して各ノードを配置すべき座標を計算する。この座標を正規化された座標と呼ぶ。計算された座標データは正規化座標格納エリア５４１に格納される。
【００２９】
初めにｙ座標計算ルーチン４４３１が起動され、計算式：
ｙ＝（６／π）×ａｒｃｔａｎ（０．２×ｌｏｇ（ｆ／ｆｍ））
に従って各特徴語の文書頻度ｆからそれを表示すべき位置の正規化されたｙ座標を計算する。すなわち、文書頻度の大きいもの程ｙ軸上では上段に配置されるようにする。ここでｆｍは特徴語を文書頻度順に並べた時にちょうど真中に来るものの頻度である（ただし偶数個の場合には（個数÷２＋１）番目とする）。実施例では、「電子」「出版」の文書頻度７７が最上段となり、「出版物」の文書頻度９が中央位置に当たる。πは円周率、対数ｌｏｇは自然対数、ａｒｃｔａｎは正接関数の逆関数であり、角度はラジアンを単位とする。例えば「コンパクト」の頻度は２１なのでその正規化されたｙ座標は（６／π）×ａｒｃｔａｎ（０．２×ｌｏｇ（２１÷９））≒０．３２となる。その他の特徴語の正規化されたｙ座標も同様に計算する。
次にｘ座標計算ルーチン４４３２が起動され各特徴語表示位置の正規化されたｘ座標を計算する。
図１４はｘ座標計算ルーチン４４３２の詳細を示した図である。初めにステップ４４３２１により親ノード（リンク先）のないノードが集められる。この場合には「電子」のみがそれに当たる。したがってそのｘ座標の値がステップ４４３２１中の式ｘｉ＝−１＋２ｉ／（ｒ＋１）にｉ＝１を代入して−１＋（２×１）／（１＋１）＝０と計算される。
【００３０】
続いてループ４４３２２に入り、ステップ４４３２３ではｘ座標の定まったノード（この場合「電子」のみ）へリンクが張られているノードを一つ取る。共起リンクのデータ（図１２）からここでは「出版」がその条件を満たしていることが分かる。
続いてステップ４４３２４に入りステップ４４３２３で選ばれたノードの親ノードの集合を求め、さらにそれらのｘ座標の平均値を計算する。「出版」の親ノードの集合は｛「電子」｝であり、そのｘ座標の平均は０である。
次にステップ４４３２５では親ノードの集合が｛「電子」｝と一致するノードを集める。ここではそれは「出版のみである。
【００３１】
続いて分岐ステップ４４３２６へ入るが親ノードのｘ座標の平均値が０なのでステップ４４３２７が選択され、「出版」のｘ座標が計算される。ステップ４４３２７の計算式にｓ＝１、ｘｐ＝０、ｉ＝１を代入して、「出版」のｘ座標が０と計算される。
以上で「電子」と「出版」の正規化されたｘ座標が定まった。しかしまだ全てのノードのｘ座標が定まってはいないのでループ４４３２２を繰り返す。ステップ４４３２３ではまだｘ座標が定まっていないノードの内、リンクが「電子」と「出版」以外には張られていないノードの一つが選択される。この場合「ＲＯＭ」がその条件を満たす。
ステップ４４３２４では「ＲＯＭ」のリンク先の集合を求め｛「出版」｝を得る。また親ノード｛「出版」｝のｘ座標の平均値ｘｐが０と計算される。
【００３２】
ステップ４４３２５ではリンク先の集合が｛「出版」｝と一致するようなノードを集める。「ＲＯＭ」以外では「メール」がそれに当たる。
【００３３】
親ノードのｘ座標の平均値ｘｐが０なので分岐４４３２６では上段が選択され、ステップ４４３２７により「ＲＯＭ」と「メール」のｘ座標がそれぞれ［−１，１］を３等分して、−０．３３，０．３３というように計算される。以下同様にして、すでにｘ座標が決まったノードのみにリンクが張られるようなノードについて、リンク先が共通のものを集め、親のｘ座標の平均を中心として区間［−１，１］内に収まるよう均等に配置するようにｘ座標を決めていく。
【００３４】
図１５は「電子出版」の例でこの段階における正規化座標格納エリア５４１に格納された座標データを示した図である。
つづいて、グラフ配置ルーチン４４３は表示座標への変換ルーチン４４３３を起動し、上記の［−１，１］×［−１，１］領域に正規化された座標を特徴語表示部２２４における実際の位置を表す座標への変換を行ない、ノード格納エリア５４３１の中心座標欄（図１６）に格納する。変換は次のような１次式で行なう。Ｘ＝Ｒｘ×（１＋ｘ）＋Ｏｘ，Ｙ＝Ｒｙ×（ｙｍ−ｙ）＋Ｏｙ。ここで小文字のｘとｙが正規化された座標、大文字のＸとＹが特徴語表示部２２４における座標である。ｙｍはｙの最大値を表す。図１５の例ではｙｍ＝０．７７４である。なお係数Ｒｘ、Ｒｙ、Ｏｘ、Ｏｙはグラフ配置パラメータ格納エリア５４２（図２）の該当するエリアに格納された値を用いる。本例ではＲｘ＝２００，Ｒｙ＝２００，Ｏｘ＝６０，Ｏｙ＝４０とした。
上記の一次変換により例えば「コンパクト」の場合、正規化された座標が（−０．５５５，０．３２０）なので，Ｘ＝２００×（１−０．５５５）＋６０＝１４９，Ｙ＝２００×（０．７７４−０．３２０）＋４０≒１３１というように計算される。
このようにして、全てのノードの特徴語表示部２２４上での実座標が計算され、ノード格納エリア５４３１に格納される（図１６）。この時次のステップへの準備として単語の順序は、ｘ座標が小さい順に並べる。また文字表示領域の大きさとして横方向の文字数ｈと行数ｖ、また文字表示領域の横サイズＨと縦サイズＶを計算して、ノード格納エリア５４３１に格納する。
【００３５】
文字表示領域サイズは次の計算式に従って計算する。文字は横書きとし横サイズの限度をＷ文字とする。Ｗの値は文字表示部の横方向文字数上限値５４２６に格納されている値を使う。ここではＷ＝３とする。表示すべき文字数をＭとした場合、横方向の文字数ｈ、と行数ｖはＭ≦Ｗの場合、ｈはＭ、ｖは１である。またＭ＞Ｗの場合には、ｈはＷであり、ｖは（Ｍ÷Ｗ）以上の最小の整数である。例えば「電子」については文字数が２でこれは横幅限度のＷ＝３より小さいので、行数ｖは１で横幅ｈは２となる。また「インタラクティブ」の場合には文字数が８で横幅限度Ｗ＝３を越えるので行数ｖは（８／３）以上の最小の整数、すなわち３となり、横幅ｈはＷ＝３である。また文字表示領域の横サイズの２分の１の値Ｈと縦サイズの２分の１の値Ｖはそれぞれの文字数ｈとｖから次の式により計算される。ここで２分の１の値を取ったのは後の処理で主にこの２分の１の値を用いるからである。Ｈ＝ｈ×Ｆ／２＋ｍｘ、Ｖ＝ｖ×Ｆ／２＋ｍｙ。ここでＦは文字フォントの大きさ、ｍｘはｘ方向のマージンの大きさ、ｍｙはｙ方向のマージンの大きさである。ｍｘとｍｙは２つのノードが接近し過ぎないように、最低限保つべき間隔を表す。Ｆ、ｍｘ、ｍｙはそれぞれ文字サイズ５４２５、文字表示部の横方向マージン５４２７、同縦方向マージン５４２８（図２）に格納されている値を用いる。本例ではＦ＝１６、ｍｘ＝３、ｍｙ＝２とする。例えば「コンパクト」の場合ｈ＝３でｖ＝２なのでＨ＝３×１６／２＋３＝２７、Ｖ＝２×１６／２＋２＝１８と計算される。図１６のノード格納エリア５４３１における文字表示サイズとしての文字数と表示領域サイズはこのようにして計算したものである。
【００３６】
このようにして特徴語表示部における座標が求まったが、この段階ではノードの重なりが生じるおそれがある。例えば図１６の例では「電子」と「出版」の座標は同じなので重なってしまう。そのため重なり回避ルーチン４４３４が起動され、重なりが生じないように座標をずらす操作を行なう。
【００３７】
図１７は重なり回避ルーチン４４３４の詳細である。
全ノードをｘ座標が小さい順にソートしたものをＮ［１］，．．．，Ｎ［ｒ］とする。Ｎ［ｉ］の座標を（Ｘ［ｉ］，Ｙ［ｉ］）、文字表示領域サイズの値を（Ｈ［ｉ］，Ｖ［ｉ］）とする。ｉ＝２，．．．，ｒについて次の操作を行なう。ｊ＝１，．．．，ｉ−１の内｜Ｙ［ｊ］−Ｙ［ｉ］｜＜Ｖ［ｉ］＋Ｖ［ｊ］となるようなｊについてＸ［ｊ］＋Ｈ［ｊ］の最大値を取りξとする。なおそのようなｊが無い場合にはこのｉについては座標をずらす操作は必要ない。δ＝ξ−（Ｘ［ｉ］−Ｈ［ｉ］）とする。δ≦０の場合にはこのｉについては座標をずらす操作は必要ない。δ＞０の場合には、重なりが生じてしまうので、Ｎ［ｉ］，．．．，Ｎ［ｒ］のｘ座標をすべて右にδずらす。すなわち、Ｘ［ｋ］＝Ｘ［ｋ］＋δ（ｋ＝ｉ，．．．，ｒ）とする。
【００３８】
以上により、全ノードが重ならずに表示できるような座標が与えられる。
たとえばｉ＝２の「インタラクティブ」の場合についてみると、図１６のデータより、｜Ｙ［２］−Ｙ［１］｜＝｜２４０−１３１｜＝１０９で、Ｖ［２］＋Ｖ［１］＝２６＋１８＝４４であるから｜Ｙ［２］−Ｙ［１］｜＜Ｖ［２］＋Ｖ［１］が成り立たない。従って「インタラクティブ」については横へずらす操作は行なわない。
次にｉ＝３、すなわち「ＲＯＭ」について見る。ｊ＝１については、｜Ｙ［３］−Ｙ［１］｜＝｜１３１−１３１｜＝０に対してＶ［３］＋Ｖ［１］＝１０＋１８＝２８となり、｜Ｙ［３］−Ｙ［１］｜＜Ｖ［１］＋Ｖ［３］となる。すなわちｊ＝１の「コンパクト」と重なりが生じてしまう。またｊ＝２の「インタラクティブ」との関係を見ると、｜Ｙ［３］−Ｙ［２］｜＝｜１３１−２４０｜＝１０９、Ｖ［３］＋Ｖ［２］＝１０＋２６＝３６で｜Ｙ［２］−Ｙ［３］｜＜Ｖ［２］＋Ｖ［３］とならないので「インタラクティブ」とは重なる恐れがない。従ってｊ＝１についてのみｘ座標を考慮すれば良い。ξ＝Ｘ［１］＋Ｈ［１］＝１４９＋２７＝１７６となり、ずらし幅δはδ＝ξ−（Ｘ［ｉ］−Ｈ［ｉ］）＝１７６ー（１９３ー２７）＝１０である。従ってｊ＝３、．．．１０についてＸ［ｊ］をすべて＋１０する。（Ｘ［３］，Ｙ［３］）＝（２０３，１３１）となり、図７における「ＲＯＭ」の座標を得る。以下このステップの繰り返しにより図７のノード格納エリア５４４１と同じデータが得られる。この文字表示領域の重なり回避の操作でも、前述した文字表示領域とグラフの線の重なりはチェックできないし、実際問題として、限られた表示面積では、これを厳密に避けようとすると、適当な大きさの中で、表示のできないことも起こりうるので、実施例では、これについてのチェックはしないこととした。
【００３９】
最後にグラフ配置ルーチン４４３はリンク配置ルーチン４４３５を起動する。リンク配置ルーチン４４３５は共起関係解析ワークエリア５３の中の共起リンク格納エリア５３２に格納された共起リンクを張るべき単語ペアに関する情報と、ノードデータ格納エリア５４３１に格納されている各ノードの座標データから特徴語表示部２２４に表示すべき線分のデータ、すなわち始点の座標と終点の座標を作成してリンクデータ格納エリア５４２２に格納する。例えば図１２の共起リンク格納エリア５３２には「ＲＯＭ」から「出版」へのリンクがある。図７のノードデータ格納エリア５４３１に格納されたデータより、「ＲＯＭ」の座標が（２０３，１３１）であり「出版」の座標が（３０８，４０）であることが分かるので、（２０３，１３１）を始点として（３０８，４０）を終点とする線分のデータがリンクデータ格納エリア５４３２に格納される。以上により表示すべきグラフのデータ（図７）が作成された。
以下では特徴語表示手段２２の特徴語表示部２２４に表示された特徴語のグラフ表示を参考にして検索作業を進展させる利用形態の例を示す。
【００４０】
図８は「電子出版」に関する特徴語表示の例であるが、ここでユーザが仮に表示された語のひとつである「デスクトップパブリッシング」に興味があるとしよう。この場合には、画面上でその単語の所をマウス１２などで指示してから加点キーワードの移動ボタン２２２２２を指示すると「デスクトップパブリッシング」が加点キーワード格納エリア５１１２に格納され、検索インタフェイス２１の加点キーワード表示部２１２２と特徴語表示手段２２の加点キーワード表示部２２２２に表示される。そこで検索インタフェイス２１の検索実行ボタン２１６もしくは特徴語表示手段２２の検索実行ボタン２２１１を押すと加点キーワードに「デスクトップパブリッシング」を加えた形で検索が実行され検索の絞り込みをすることができる。
また図８の特徴語表示部２２４に表示された特徴語の中に興味ある単語を発見できなかった場合には特徴語表示数設定手段２２５１を用いて表示語数を増やすことができる。図１８は特徴語表示語数を２０に増やした場合の例である。この場合には図９のデータの例では、このデータから特徴語抽出ルーチン４４１により、２０個の単語が選択されて、図８のケースで説明したと同様に表示される。ここで仮にユーザは「電子出版」における「情報検索」に興味があったとすれば表示されたグラフに「検索」および「情報検索）」という語が表示されているのでそれを利用できる。特徴語表示部の「検索」と「情報検索」をマウスなどでクリックしてから加点キーワードへの移動ボタン２２２２２を押せばこれらの単語が加点用のキーワードとして付け加えられる。これで検索実行ボタン２２１１を押せば検索の絞り込みができる。また検索を絞り込んだ後で特徴語のグラフを見たい場合には特徴語表示ボタン２２１２を押せば良い。それから検索と特徴語のグラフを連続して行なう場合には検索実行＋特徴語表示ボタン２２１３を押せば以上のステップが連続して行なわれる。
【００４１】
次に「情報検索」には興味がない場合、あるいは「情報検索」に関する文書には既に目を通してしまい、それ以外の話題に注目したい場合には、減点キーワードを利用する。すでに「検索」と「情報検索」が加点キーワードに加えられている場合には、加点キーワード表示部２２２２に表示されているこれらの単語をマウスなどで指示してから減点キーワードへの移動ボタン２２２３２を押せばこれらの単語が加点キーワードから減点キーワードへ移動する。なお特徴語表示部２２４に表示されている単語を直接減点キーワードとして利用したい場合には、加点キーワードの時と同様に、該当する単語をマウスなどでクリックした後減点キーワードへの移動ボタン２２２３２を押せば良い。すなわち、本実施例では、検索キーワード間では移動ボタンにより移動の操作が行われ、表示された特徴語とキーワード間では移動ボタンにより複写の操作が行われる。
【００４２】
「検索」と「情報検索」を減点キーワードへ移動してから検索を実行すると今度はこれらの単語を含む文書の得点が下がり、相対的にこれらを含まない文書の得点が上がるので「電子出版」に関する文書の内、「情報検索」には関係のない文書に注目することが出来る。
図１９は特徴語表示様式選択手段２１７１を備え、特徴語をグラフの形で表示したり、リストの形で表示したりすることを選択できる機能を備えた検索インタフェイス２１の一例である。リストでの表示はグラフで表示した場合と比べて、多数の特徴語を表示する為、特徴語相互の関連性を表示できないので関連性に着目した結果の評価ができないという欠点がある反面、スクロールバーを用いることにより、検索結果に出現する多数の特徴語を一覧できるので、ユーザにとって興味と合致する関連語を発見できる可能性が高くなる長所がある。
【００４３】
したがって、図１９に示される特徴語表示様式選択手段２１７１を利用して、まず、検索結果をグラフ表示して特徴語の全体像を相互の関連性も含めて概観して、結果を評価し、これにユーザの興味と合致する関連語が十分に表われない場合には、リスト表示を用いて更に細かく探すという二段階の結果評価ができる。さらに、リストを利用した表示から興味のもたれる語が得られたとき、これをキーワードとして利用して、再度検索からやり直すこともできる。
図１９の特徴語表示様式選択手段２１７１で「グラフ」を選択すれば、図８あるいは図１８で説明したように、特徴語のグラフ表示がなされる。図１９に示すように、「リスト」を選択すれば、図２０に一例を示すように、特徴語表示部２２４には、特徴語がリストの形で表示される。特徴語表示様式選択手段２１７１で「リスト」を選択した場合でも、検索された文書群から特徴語を抽出する方法は前述したグラフ表示の場合と同じである。ただし、リスト表示の場合、図９に示したように頻度を５クラスとするよりは、高、中、低の３クラス程度とする方が見やすいと考えられるので、図２０の表示例では、頻度クラスの分割数は３とした。
図２０において、「リスト」の選択に対応して、特徴語表示部２２４には、高頻度特徴語表示部２２４１、中頻度特徴語表示部２２４２および低頻度特徴語表示部２２４３がそれぞれスクロールバー付きの表示枠が設定され、頻度データ格納エリア５２３の特徴語の頻度クラスデータに対応した特徴語が各表示枠内に表示される。各表示枠内での表示順は、たとえば、頻度比の大きさ順にならべるのが良い。これにより、ユーザは、より一般性の高い特徴語から固有名など特殊性の高い特徴語までを一覧でき、幅広い選択肢から興味に合致した単語を検索できる。
【００４４】
実施例２
以下、本発明の第２の実施例を図２１に従って説明する。第１の実施例が独立に使用されるコンピュータによる検索装置の構成例であったのに対し、本実施例では、複数のユーザによる検索要求に応えることのできる検索方法を実現するものである。
図２１に本実施例の文献検索方法を実現する他の実施例の全体構成を示す。本実施例は、一つのサーバに複数のクライアントが信号伝送回線を介してアクセスし、クライアント毎に検索サービスを受けることのできるものである。サーバは、サーバ自体をクライアントとしても利用することはないのが一般的である。しかし、本実施例では、クライアントからの問題指摘に応じてサーバもクライアントとしても利用する必要がありうることを考慮して、サーバは、実施例１で説明したのと実質的に同じ構成に通信手段７をプラスした検索装置とした。クライアントは実施例１で説明した構成のうち入力手段１、表示手段２、ＣＰＵ３、計算プログラム保持手段４、計算プログラムを動作させるためのワークエリア５およびバス１００のそれぞれに対応するダッシュを付して示した手段、およびサーバとの連係を取るための通信手段７および出力手段８としてのプリンタ８１よりなる。サーバのバス１００にはインタフェイスＩＦ１が、およびクライアントのバス１００にはインタフェイスＩＦ２、 ＩＦ３がそれぞれ設けられて、サーバ−クライアント間を結ぶ回線ＮＥＴ１，ＮＥＴ２で結ばれる。なお、クライアント２についてはバス１００およびインタフェイスＩＦ２のみを図示して他は省略した。
【００４５】
クライアント１が文献検索をしようとするとき、まず、入力手段１のキーボード１１から文献検索システム起動のコマンドを入力する。これに応じて、クライアンと側の通信手段７とサーバ側の通信手段７が通信経路ＮＥＴ１を介して連絡を取り、サーバ側の計算プログラム保持手段４の検索インタフェイス作動ルーチン４１がクライアント１側に送信され、クライアント１側で起動される。この結果、表示手段２に対話的に検索作業を進めるための検索インタフェイス２１が表示される。検索インタフェイス２１が表示された後は、クライアント１はこの画面を利用して実施例１で説明したと同様の手順で検索キーとなる語を入力してゆけば良い。なお、クライアント側では検索インタフェイス作動ルーチン４１のコピーを計算プログラム保持手段４に保持しておいて、これを起動するものとしても良い。
また、ＷＷＷプラウザなどのハイパーテキスト閲覧インタフェイスを利用して本検索支援サービスが受けられるようにするのも便利である。その場合には、サーバ側には、検索インタフェイス作動ルーチン４１をクライアント側に送信するためのハイパーテキスト（ＨＴ）を用意する。なお、クライアント側では汎用のハイパーテキスト閲覧インタフェイスが利用できる環境にあることを前提とする。
【００４６】
表示手段２に表示されているハイパーテキスト閲覧インタフェイスのアドレス入力部から、本検索支援サービスが指定するアドレス（すなわちサーバのネットワーク上でのアドレスと検索インタフェイス作動ルーチン４１を送付するためのハイパーテキストＨＴの存在するファイル名など）を指定すると、双方の通信手段を介して指定されたハイパーテキストＨＴが検索インタフェイス作動ルーチン４１を伴ってクライアント側に送られ、送付された検索インタフェイス作動ルーチン４１はクライアント側計算機で起動され、検索インタフェイス２１が表示手段２に表示され利用可能となる。
なお、上記では、直接ハイパーテキストＨＴのアドレスを指定したが、ハイパーテキスト閲覧インタフェイスの閲覧部に表示されているハイパーテキストに、本ハイパーテキストＨＴのアドレスがアンカーとして埋め込まれている場合には、そのアンカーの部分をマウスなどでクリックしても同様の動作をさせることができる。
【００４７】
クライアント１が入力した検索要求は通信手段７、７と通信経路ＮＥＴ１を介してサーバ側に伝送され、サーバ側で必要な検索と特徴語抽出とグラフ配置計算が実行されて、その結果が再び通信手段７、７の連絡によりクライアント１側に返信され、クライアント１の検索インタフェイス作動ルーチン４１に手渡され、同ルーチンはそのデータに基づいて特徴語グラフを特徴語表示手段２２に表示する。クライアント１はこの検索結果に応じて実施例１で説明したと同様に、さらに必要な検索操作があればこれに応じたデータを入力すれば良い。このデータは再度サーバ側に伝送され、サーバ側で必要な検索が実行されて、その結果が特徴語表示手段２２に表示される。クライアント１は、必要ならプリンター８１によってプリントされた出力を利用することができる。
このようにして、クライアント１は、実質的な検索プログラムを持つことなく、サーバ側で実行された結果のみを利用できる。したがって、クライアント１では、ワークエリア５は初期の入力データおよびサーバから伝送されてきた検索結果と特徴語とそのグラフ配置に関するデータ等を保持する能力があれば足りるから、簡易な装置で充実した検索サービスを受けることができる。
【００４８】
【発明の効果】
以上、二つのタイプについて説明したように、本発明によれば、ユーザは、より一般性の高い特徴語から固有名など特殊性の高い特徴語までを一覧でき、幅広い選択肢から興味に合致した単語を検索できる。
【図面の簡単な説明】
【図１】本発明の実施例としての独立に使用されるコンピュータによる検索装置の構成例を示すブロック図。
【図２】ワークエリアのデータの割り当て配置の一例を示す図。
【図３】ユーザとコンピュータとの間の検索インタフェイス表示画面の例を示す図。
【図４】検索実行時に検索ワークエリアに格納されるデータの例を示す図。
【図５】図３に示した検索インタフェイス表示画面が検索実行後に検索結果を表示した例を示す図。
【図６】ユーザが検索キーとしての特徴語を付与するための特徴語表示手段起動時の表示画面の例を示す図。
【図７】ユーザから特徴語表示要求があった時に特徴語グラフ格納エリアに格納されるデータの例を示す図。
【図８】検索された文書群における特徴語のグラフ表示の一例を示す図。
【図９】検索された文書群における単語頻度データの一例を示す図。
【図１０】検索された文書群における特徴語リストの一例を示す図。
【図１１】検索された文書群における特徴語間の共起関係を表すデータの一例を示す図。
【図１２】検索された文書群において特に強い共起関係を有する特徴語対のリストの一例を示す図。
【図１３】特徴語のグラフ配置を計算する計算ルーチンの構成の一例を示すパッド図（ＰＡＤ図、Ｐｒｏｂｌｅｍ Ａｎａｌｙｓｉｓ Ｄｉａｇｒａｍ）。
【図１４】グラフ配置におけるｘ座標計算方法の一例を示すパッド図。
【図１５】検索結果のグラフ表示の際、表示データを正規化された領域に仮想的に配置する際の座標データの一例を示す図。
【図１６】検索結果のグラフ表示の際、表示データの重なり回避を行なう前のグラフの座標の一例を示す図。
【図１７】グラフの表示ノードが重なるのを避けるためのルーチンの詳細の一例を示すパッド図。
【図１８】特徴語表示数を２０にした場合の特徴語のグラフ表示の一例を示す図。
【図１９】特徴語表示様式選択手段を備えた検索インタフェイス表示画面の例を示す図。
【図２０】特徴語のリスト表示の表示画面の例を示す図。
【図２１】検索装置の主体がサーバ側に備えられこれに複数のクライアントがアクセスして検索を行う場合の構成例を示すブロック図。
【符合の説明】
１、１：入力手段、１１、１１：キーボード、１２、１２：マウス、１３、１３：ペン入力手段、２、２：表示手段、２１、２１：検索インタフェイス、７、７：通信手段、８：出力手段、８１：プリンタ８１、ＩＦ１、ＩＦ２、 ＩＦ３：インタフェイス、ＮＥＴ１，ＮＥＴ２：回線、２１１：検索要求入力部、２１２：キーワード表示・操作部、２１２１：必須キーワード表示部、２１２１１：必須キーワードへの追加ボタン、２１２１２：必須キーワードの消去ボタン、２１２２：加点キーワード表示部、２１２３：減点キーワード表示部、２１３：検索ヒット件数表示部、２１４：タイトル表示部、２１５：文書表示部、２１６：検索実行ボタン、２１６：特徴語表示ボタン、２１７１：特徴語表示様式選択手段、２２：特徴語表示手段、２２１：特徴語表示手段操作部、２２２：特徴語表示手段のキーワード表示・操作部、２２３：特徴語表示手段の検索ヒット件数表示部、２２４：特徴語表示部、２２４１：高頻度特徴語表示部、２２４２：中頻度特徴語表示部、２２４３：高頻度特徴語表示部、２２５：特徴語表示手段のパラメータ設定部、２２５１：特徴語表示語数設定手段、３：計算プログラム実行手段（ＣＰＵ）、４：計算プログラム保持手段、４１：検索インタフェイス作動ルーチン、４２：形態素解析ルーチン、４３：検索ルーチン、４４：特徴語表示手段作動ルーチン、４４１：特徴語抽出ルーチン、４４２：共起関係解析ルーチン、４４３：グラフ配置ルーチン、４４３１：ｙ座標計算ルーチン、４４３２：ｘ座標計算ルーチン、４４３３：表示座標への変換ルーチン、４４３４：重なり回避ルーチン、４４３５：リンク配置ルーチン、４４４：グラフ表示ルーチン、５：ワークエリア、５１：検索ワークエリア、５１１：キーワード格納エリア、５１１１：必須キーワード格納エリア、５１１２：加点キーワード格納エリア、５１１３：減点キーワード格納エリア、５１２：検索結果格納エリア、５１３：検索結果得点分布格納エリア、５２：特徴語抽出ワークエリア、５２１：特徴語抽出パラメータ格納エリア、５２１１：走査文書数上限値格納エリア、５２１２：頻度クラス分割数格納エリア、５２１３：抽出語数格納エリア、５２２：単語分割済み文書格納エリア、５２３：頻度データベース格納エリア、５２４：特徴語リスト格納エリア、５３：共起関係解析ワークエリア、５３１：共起データ格納エリア、５３２：共起リンク格納エリア、５４：グラフ配置ワークエリア、５４１：正規化座標格納エリア、５４２：グラフ配置パラメータ格納エリア、５４３：グラフ格納エリア、５４３１：ノード格納エリア、５４３２：リンク格納エリア、６：データベース保持手段、６１：検索対象文書データベース、６２：検索用インデックスデータベース、６３：単語頻度データベース、６４：除外語データベース。
Claims (7)
- 設定されたキーワードに応じて検索対象文書群から前記キーワードを持つ文書を検索結果文書として検出すること、
ある単語が前記検索結果文書群中のいくつの文書に現れるかを意味する単語の文書頻度を検出すること、
前記単語が検索対象文書群全体においていくつの文書に出現するかを意味する単語の全体文書頻度を検出すること、
前記単語の文書頻度と単語の全体文書頻度との比を意味する頻度比を導出すること、
前記文書頻度を所定の関係で頻度クラスに区分分けして各単語の文書頻度に応じて各単語を頻度クラスに対応させること、
各頻度クラスから適当数の単語を単語の頻度比の大きさ順に特徴語として抽出すること、
抽出された特徴語をグラフ形式またはリスト形式で表示すること、
とよりなることを特徴とする文献検索支援方法。 - 検索元から伝送されたキーワードに応じて検索対象文書群から前記キーワードを持つ文書を検索結果文書として検出すること、
ある単語が前記検索結果文書群中のいくつの文書に現れるかを意味する単語の文書頻度を検出すること、
前記単語が検索対象文書群全体においていくつの文書に出現するかを意味する単語の全体文書頻度を検出すること、
前記単語の文書頻度と単語の全体文書頻度との比を意味する頻度比を導出すること、
前記頻度比を所定の関係で頻度クラスに区分分けして各単語の頻度比に応じて各単語を頻度クラスに対応させること、
各頻度クラスから適当数の単語を単語の頻度比の大きさ順に特徴語として抽出すること、
抽出された特徴語を特徴語間の関連を示すグラフ形式で表示可能なデータとして構成することまたは抽出された特徴語を頻度クラス別のリスト形式で表示可能なデータとして構成すること、
前記特徴語をグラフ形式またはリスト形式で表示可能なデータとして検索元に送信すること、
よりなる文献検索サービス方法。 - 検索結果に出現する各語の特徴度を計算するための頻度データを記録したコンピュータ読み取り可能な記録媒体であって、各語に関するデータが、（ａ）文字列、（ｂ）検索された文書の内の何件にその語が出現したかを表す文書頻度、（ｃ）検索結果に関係なく、検索対象文書全体で何件の文書に使われているかを表すデータベース全体での文書頻度、（ｄ）前記検索結果における文書頻度とデータベース全体での全体文書頻度から計算される検索結果におけるその語の特徴度、（ｅ）前記検索結果における文書頻度の大小によってクラス分けした場合の頻度クラスとからなり、前記頻度クラスのそれぞれから前記特徴度の上位にある語を検索対象文書群における特徴語とすることを特徴とする検索結果に出現する語の頻度データを記録したコンピュータ読み取り可能な記録媒体。
- 検索結果に出現する特徴語間の関連度を計算するために、特徴語が共出現する共起データを記録したコンピュータ読み取り可能な記録媒体であって、各特徴語対に関するデータが、（ａ）検索結果文書群における両特徴語が共出現する共起頻度と（ｂ）該共起頻度と両特徴語各々の検索結果に出現する頻度データから計算される両特徴語の関連度とからなり、前記関連度の高い特徴語対に関連性が強いことを示すリンクを張れるようにすることを特徴とする検索結果における特徴語間の共起データを記録したコンピュータ読み取り可能な記録媒体。
- 検索結果に出現する特徴語対のグラフを画面表示するためのデータを記録したコンピュータ読み取り可能な記録媒体であって、前記特徴語対のグラフを画面表示するためのデータは（ａ）グラフのノード部分に特徴語を表示するためのデー タ、（ｂ）特徴語間の関連性を示すリンクを表示するためのデータとからなるとともに、前記各ノードのデータは、中心座標、表示する文字列、および、文字列を表示する領域の縦横の文字数とサイズからなり、前記各リンクのデータは始点座標と終点座標とからなり、特徴語グラフをリンクと文字列とによる二次元表示を可能としたことを特徴とする特徴語グラフを画面表示するためのデータを記録したコンピュータ読み取り可能な記録媒体。
- 検索結果に出現する各語の特徴度を計算し、特徴語を導出し、特徴語対の共出現頻度にもとづいて関連性の高いと判定される特徴語対にリンクを張って得られる特徴語のグラフを画面表示するデータを記録したコンピュータ読み取り可能な記録媒体であって、
前記検索結果に出現する各語に関するデータが、（ａ）文字列、（ｂ）検索された文書の内の何件にその語が出現したかを表す文書頻度、（ｃ）検索結果に関係なく、検索対象文書全体で何件の文書に使われているかを表すデータベース全体での文書頻度、（ｄ）前記検索結果における文書頻度とデータベース全体での全体文書頻度から計算される検索結果におけるその語の特徴度、（ｅ）前記検索結果における文書頻度の大小によってクラス分けした場合の頻度クラスとからなり、前記頻度クラスのそれぞれから前記特徴度の上位にある語を検索対象文書群における特徴語とし、
前記特徴語間の関連度を計算するために、
各特徴語対に関するデータが、（ｆ）検索結果文書群における両特徴語が共出現する共起頻度と（ｇ）該共起頻度と両特徴語各々の検索結果に出現する頻度データから計算される両特徴語の関連度とからなり、前記関連度の高い特徴語対にリンクを張れるようにし、
前記リンクの張られた特徴語グラフを画面表示するために、
前記特徴語グラフを画面表示するためのデータは（ｈ）グラフのノード部分に特徴語を表示するためのデータ、（ｉ）特徴語間の関連性を示すリンクを表示するためのデータとからなるとともに、前記各ノードのデータは、中心座標、表示する文字列、および、文字列を表示する領域の縦横の文字数とサイズからなり、前 記各リンクのデータは始点座標と終点座標とからなり、
前記各特徴語グラフをリンクと文字列とによる二次元表示を可能としたことを特徴とする特徴語グラフを画面表示するためのデータを記録したコンピュータ読み取り可能な記録媒体。 - 設定されたキーワードに応じて検索対象文書群から前記キーワードを持つ文書を検索結果文書として検出する手段、
ある単語が前記検索結果文書群中のいくつの文書に現れるかを意味する単語の文書頻度を検出する手段、
前記単語が検索対象文書群全体においていくつの文書に出現するかを意味する単語の全体文書頻度を検出する手段、
前記単語の文書頻度と単語の全体文書頻度との比を意味する頻度比を導出する手段、前記頻度比を所定の関係で頻度クラスに区分分けして各単語の頻度比に応じて各単語を頻度クラスに対応させる手段、
各頻度クラスから適当数の単語を単語の頻度比の大きさ順に特徴語として抽出する手段、抽出された特徴語をグラフ形式またはリスト形式で表示する手段、とよりなることを特徴とする文献検索装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17850097A JP3614618B2 (ja) | 1996-07-05 | 1997-07-03 | 文献検索支援方法及び装置およびこれを用いた文献検索サービス |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17617496 | 1996-07-05 | ||
| JP8-176174 | 1996-07-05 | ||
| JP17850097A JP3614618B2 (ja) | 1996-07-05 | 1997-07-03 | 文献検索支援方法及び装置およびこれを用いた文献検索サービス |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1074210A JPH1074210A (ja) | 1998-03-17 |
| JP3614618B2 true JP3614618B2 (ja) | 2005-01-26 |
Family
ID=26497200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP17850097A Expired - Lifetime JP3614618B2 (ja) | 1996-07-05 | 1997-07-03 | 文献検索支援方法及び装置およびこれを用いた文献検索サービス |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3614618B2 (ja) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3431836B2 (ja) * | 1998-06-18 | 2003-07-28 | 株式会社トレンディ | ドキュメントデータベースの検索支援方法とそのプログラムを記憶した記憶媒体 |
| JP3915267B2 (ja) | 1998-09-07 | 2007-05-16 | 富士ゼロックス株式会社 | 文書検索装置および文書検索方法 |
| JP3760057B2 (ja) | 1998-11-19 | 2006-03-29 | 株式会社日立製作所 | 複数文書データベースを対象とした文書検索方法および文書検索サービス |
| JP3855551B2 (ja) | 1999-08-25 | 2006-12-13 | 株式会社日立製作所 | 検索方法及び検索システム |
| JP2001337969A (ja) * | 2000-05-29 | 2001-12-07 | Nippon Telegr & Teleph Corp <Ntt> | 知識獲得方法、文書情報構造化方法および装置と前記方法を実施するプログラムを記録した記録媒体 |
| EP1225517B1 (en) * | 2001-01-17 | 2006-05-17 | International Business Machines Corporation | System and methods for computer based searching for relevant texts |
| JP4617015B2 (ja) * | 2001-03-26 | 2011-01-19 | 株式会社ＭｅｔａＭｏＪｉ | 文書表示装置、文書表示方法ならびに、プログラム |
| JP2006031577A (ja) * | 2004-07-21 | 2006-02-02 | Hideki Mima | 情報の検索俯瞰方法および装置 |
| JP4538284B2 (ja) * | 2004-09-09 | 2010-09-08 | 株式会社リコー | 情報検索システム、情報検索端末、並びに、プログラムおよび記録媒体 |
| JPWO2006043499A1 (ja) * | 2004-10-18 | 2008-08-07 | パイオニア株式会社 | 情報処理装置、分類基準情報データベース、情報生成装置、情報処理方法、情報生成方法、情報処理プログラム、情報処理プログラムの記録した記録媒体 |
| US7814105B2 (en) * | 2004-10-27 | 2010-10-12 | Harris Corporation | Method for domain identification of documents in a document database |
| JP4525433B2 (ja) * | 2005-04-08 | 2010-08-18 | 日本電信電話株式会社 | 文書集約装置及びプログラム |
| JP2009217406A (ja) * | 2008-03-07 | 2009-09-24 | Nec Corp | 文書検索装置及び方法、並びに、プログラム |
| JP2010113412A (ja) * | 2008-11-04 | 2010-05-20 | Omron Corp | 文書情報加工方法、文書情報加工装置、文書情報加工プログラムおよび記録媒体 |
| JP5594145B2 (ja) * | 2008-11-26 | 2014-09-24 | 日本電気株式会社 | 検索装置、検索方法、及びプログラム |
| US20100299132A1 (en) * | 2009-05-22 | 2010-11-25 | Microsoft Corporation | Mining phrase pairs from an unstructured resource |
| JP5552448B2 (ja) | 2011-01-28 | 2014-07-16 | 株式会社日立製作所 | 検索式生成装置、検索システム、検索式生成方法 |
| JP2013003796A (ja) * | 2011-06-15 | 2013-01-07 | Navitime Japan Co Ltd | 施設情報提供装置、施設情報提供システム、サーバ装置、端末装置、施設情報提供方法、およびプログラム |
| JP5361090B2 (ja) * | 2011-08-26 | 2013-12-04 | 日本電信電話株式会社 | 話題語獲得装置、方法、及びプログラム |
| JP2013178808A (ja) * | 2013-05-13 | 2013-09-09 | Fujitsu Ltd | 情報検索装置、情報検索方法およびそのプログラム |
| JP6287192B2 (ja) * | 2013-12-26 | 2018-03-07 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
| JP6131983B2 (ja) * | 2015-05-07 | 2017-05-24 | 富士通株式会社 | 情報検索装置、情報検索方法およびそのプログラム |
| KR20180075227A (ko) * | 2016-12-26 | 2018-07-04 | 삼성전자주식회사 | 전자 장치 및 전자 장치의 검색 서비스 제공 방법 |
| JP7013756B2 (ja) * | 2017-09-19 | 2022-02-01 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
| JP6521118B2 (ja) * | 2018-02-08 | 2019-05-29 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
| JP7203554B2 (ja) * | 2018-10-04 | 2023-01-13 | Tis株式会社 | 情報処理装置 |
| JP7172571B2 (ja) * | 2018-12-21 | 2022-11-16 | 富士フイルムビジネスイノベーション株式会社 | 検索装置及び検索プログラム |
| JP7275816B2 (ja) * | 2019-04-26 | 2023-05-18 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06332935A (ja) * | 1993-05-18 | 1994-12-02 | Hitachi Ltd | 単語の数値列表現辞書、その作成方法およびそれを使用した装置 |
-
1997
- 1997-07-03 JP JP17850097A patent/JP3614618B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1074210A (ja) | 1998-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3614618B2 (ja) | 文献検索支援方法及び装置およびこれを用いた文献検索サービス | |
| US5987460A (en) | Document retrieval-assisting method and system for the same and document retrieval service using the same with document frequency and term frequency | |
| US11372878B2 (en) | Interface including graphic representation of relationships between search results | |
| JP4335335B2 (ja) | ドキュメント画像のソート方法 | |
| JP3942290B2 (ja) | ドキュメント画像のクライアント・ワークステーションへの送信方法 | |
| US9514216B2 (en) | Automatic classification of segmented portions of web pages | |
| US6826576B2 (en) | Very-large-scale automatic categorizer for web content | |
| US5625767A (en) | Method and system for two-dimensional visualization of an information taxonomy and of text documents based on topical content of the documents | |
| US5999664A (en) | System for searching a corpus of document images by user specified document layout components | |
| US5802515A (en) | Randomized query generation and document relevance ranking for robust information retrieval from a database | |
| JP5316158B2 (ja) | 情報処理装置、全文検索方法、全文検索プログラム、及び記録媒体 | |
| JP3577819B2 (ja) | 情報探索装置及び情報探索方法 | |
| US20020091678A1 (en) | Multi-query data visualization processes, data visualization apparatus, computer-readable media and computer data signals embodied in a transmission medium | |
| US20090248707A1 (en) | Site-specific information-type detection methods and systems | |
| US20040230570A1 (en) | Search processing method and apparatus | |
| KR20070058685A (ko) | 문서 구조에 기초한 검색 결과의 표시 | |
| JP2007317034A (ja) | 画像処理装置、画像処理方法、プログラムおよび記録媒体 | |
| JPH07129602A (ja) | 文書検索装置および方法 | |
| CN110765902A (zh) | 一种古旧报纸的数字化保护和传承的装置 | |
| Baeza-Yates | Searching the web: Challenges and partial solutions | |
| JPH1027125A (ja) | 文書分類装置 | |
| WO2004097678A1 (ja) | 文書の自動分類プログラム、その方法、及び装置 | |
| JPH10301952A (ja) | 文書検索装置、及び意味アイコン付加表示方法 | |
| JPH07175815A (ja) | 情報検索装置 | |
| JPH11224267A (ja) | ドキュメント画像の要約方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041019 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041027 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071112 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091112 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101112 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101112 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111112 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111112 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121112 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121112 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131112 Year of fee payment: 9 |
|
| EXPY | Cancellation because of completion of term |