JP3627850B2 - 文書検索装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、検索対象のテキストデータを単語に分割して全文検索用の索引データを作成し、この索引データを用いて、検索条件文字列を含むテキストデータを検索する文書検索装置に関し、特に、索引データの更新を自動的に行えるようにしたものである。
【０００２】
【従来の技術】
テキスト中の全ての文字列を検索対象とする全文検索では、例えば「東京都議会」という文字列は、「京都」で全文検索した場合でも抽出されるが、こうした検索ノイズは検索対象となる文字列を単語に分割することで解決できることが分かっている。
【０００３】
文章を単語に分割する場合は、通常は形態素解析処理が行われる。形態素解析では、解析用の単語辞書を用意して、文章の単語への分割処理が行われるが、形態素解析の精度はこの辞書がどれだけ整っているかに依存する。辞書に載っていなものを未知語（未登録語）として推定し収集する方法が特開平９−２８８６７３号公報などで提案され、また、テキストの文字列の出現頻度を網羅的に調べて、その出現頻度から単語や慣用句を収集する方法が特開平９−１３８８０１号公報などに提案されている。
【０００４】
全文検索では、検索対象のテキストデータを単語に分割し、単語の始端位置及び終端位置を明示した全文検索用の索引データを作成する。そして、この索引データを用いて、単語の始端位置及び終端位置をも含めて、検索条件文字列と一致する索引データを検索し、探し当てた索引データから、検索条件文字列を含むテキストデータを特定する。
【０００５】
【発明が解決しようとする課題】
しかし、検索対象のテキストデータを単語に分割して全文検索する従来の文書検索システムでは、追加されたテキストを単語に分割して索引データを作成する際に、新しい単語が出現すると、それまでに作成されたテキストデータの索引データを更新することが必要になる。
【０００６】
例えば、「高麗人参」を１つの単語としてテキストデータを単語分割し、索引データが作成されていた場合に、追加したテキストデータから「高麗」という単語が新たに出現すると、先の索引データの「高麗人参」も「高麗」「人参」に分割することが必要になる。
【０００７】
こうした場合、従来のシステムでは、索引データの更新を人手によって行わなければならない。
【０００８】
本発明は、こうした従来技術の課題を解決するものであり、検索対象のテキストデータを単語分割して索引データを作成し、それを用いて検索を実施する文書検索装置において、索引データの更新を自動的に行う装置を提供することを目的としている。
【０００９】
【課題を解決するための手段】
そこで、本発明では、検索対象のテキストデータを単語に分割し、単語の始端及び終端の情報を含む索引データを作成して、テキストデータの全文検索を行う文書検索装置において、テキストデータを記憶するテキストデータ記憶手段と、自然言語における特有のパターン等の知識を利用してテキストデータから単語を抽出し、記憶する単語記憶手段と、単語記憶手段に記憶された抽出単語を利用してテキストデータを単語に分割する単語分割手段と、テキストデータを単語に分割した単語分割情報を記憶する単語分割情報記憶手段と、単語分割情報とテキストデータとから索引データを作成して記憶する索引データ作成手段と、索引データの更新を行うための更新条件を記憶するデータ更新条件記憶手段と、検索対象に追加するテキストデータが入力されたとき、データ更新条件記憶手段に記憶された更新条件に当てはまる場合は、単語記憶手段に、そのテキストデータからの単語の抽出を行わせ、単語記憶手段によって抽出、記憶された単語が既存の抽出単語に比べて新規であるとき、単語分割手段に、単語記憶手段に記憶された全ての抽出単語を使ってテキストデータ記憶手段に記憶されているテキストデータの再分割を行わせて、単語分割情報が更新されたか否かを調べ、単語分割情報が更新された場合に、索引データ作成手段に索引データの更新を行わせ、一方、更新条件に当てはまらない場合は、索引データ作成手段に、追加されたテキストデータに関する索引データの作成だけを行わせるデータ更新調査手段とを設けている。
【００１０】
そのため、テキストデータが追加されると、自動的に、既に登録されているテキストデータにも最新情報による単語分割が反映され、索引データの更新が自動的に行われる。
【００１１】
【発明の実施の形態】
（第１の実施形態）
第１の実施形態の文書検索装置は、図１に示すように、検索対象となるテキストデータが電子化された形で入力し、検索時には検索条件文字列が入力する入力手段１０１と、入力手段１０１から入力したテキストデータ及び入力日時などの履歴を記憶するテキストデータ記憶部１０２と、テキストデータ記憶部１０２に記憶されたテキストデータから単語を検出し、その単語を発見した位置でテキストデータを単語に分割する単語分割部１０３と、単語に分割されたテキストデータの情報（単語分割情報）を記憶する単語分割情報記憶手段１０４と、単語分割情報記憶手段１０４に記憶されている単語分割情報と、テキストデータ記憶部１０２に記憶されているテキストデータとから、検索を行うための索引データを作成し記憶する索引データ作成部１０５と、入力手段１０１からテキストデータの追加入力があると、単語分割情報の更新があるかを調べ、あった場合、索引データ作成部１０５に新たに索引データの更新を実行させるデータ更新調査手段１０６と、入力手段１０１から検索条件文字列が入力されると、索引データ作成部１０５に記憶されている索引データに対して検索を行う検索手段１０７と、検索結果やデータの情報などを出力する出力手段１０８とを備えている。
【００１２】
さらに、各部の詳細な構成について説明する。
【００１３】
テキストデータ記憶部１０２は、図２に示すように、入力手段１０１から入力されたテキストを記憶するテキストデータ記憶手段１０２ａと、入力の履歴を記憶するテキストデータ更新記録記憶手段１０２ｂとからなる。入力されるテキストデータはユニークなレコード番号が付けられており、このレコード番号でテキストデータの識別・管理を行う。テキストデータ更新記録記憶手段１０２ｂには、入力された日時、レコード番号、索引データが作成済みか否かを示す索引データ作成チェックが記憶される。入力時は、索引データは作成されていないので索引データ作成チェックは「未」の状態である。図中では、「未」の状態を「０」で、索引データ作成済の状態を「１」とした。
【００１４】
単語分割部１０３は、図３に示すように、テキストデータ記憶手段１０２ａに記憶されたテキストデータから、自然言語における特有のパターン等の知識を利用して単語を抽出する単語抽出手段１０３ａと、抽出された単語を記憶する単語記憶手段１０３ｂと、テキストデータ記憶手段１０２ａに記憶されたテキストデータを、単語記憶手段１０３ｂに記憶された抽出単語を利用して単語に分割する単語分割手段１０３ｃと、単語抽出手段１０３ａや単語分割手段１０３ｃが利用する単語処理用の知識を記憶する単語処理用知識記憶手段１０３ｄとからなる。
【００１５】
単語記憶手段１０３ｂは初期状態では、何も記憶していない。単語処理用知識記憶手段１０３ｄは、単語処理用の知識として、単語抽出用、単語分割用の知識を記憶している。これらの知識は、初期状態から不変である。
【００１６】
索引データ作成部１０５は、図４に示すように、単語分割情報記憶手段１０４に記憶されている単語分割情報とテキストデータ記憶部１０２に記憶されているテキストデータとを用いて検索を行うための索引データを作成する索引データ作成手段１０５ａと、索引データ作成手段１０５ａが作成した索引データを記憶する索引データ記憶手段１０５ｂとから構成されている。索引データは、テキストデータの中に出現する文字の位置情報や、単語分割の情報を、そのテキストデータのレコード番号と一緒に保持するものである（後述する図８の８１）。
【００１７】
以上のように構成された文書検索装置について、その動作を説明する。まず、データ登録処理の基本であるテキストデータの初期登録（テキストデータが入力してから、索引データが作成、登録されるまで。つまり、単語分割情報や索引データの更新は行われず、単語再分割が行われない状態）の大きな処理の流れを図５で示す。入力手段１０１からテキストデータが入力されると、単語分割部１０３で単語抽出処理と単語分割処理とが行われ、続いて索引データ作成部１０５で索引データ作成処理が行われる。以下、処理の詳細について説明する。
【００１８】
まず、入力手段１０１から、図２で示すように、レコード番号が添付された、検索対象となるテキストデータが入力され、テキストデータ記憶手段１０２ａに記憶される。その際、入力された日時、レコード番号、索引データ作成チェック有無が、データ更新記録記憶手段１０２ｂに記憶される。すでに述べたように、この時点で索引データ作成チェックは「未」の状態、つまり、「０」と記憶される。
【００１９】
続いて、テキストデータの入力完了とテキストデータ更新記録の記憶完了とを受けて、単語分割部１０３が、テキストデータを単語に分割する処理を行う。
【００２０】
まず、単語抽出処理手段１０３ａによりテキストデータから単語が抽出される（単語抽出処理）。抽出には単語処理用知識記憶手段１０３ｄの情報が用いられる。抽出された単語は逐次、単語記憶手段１０３ｂに蓄えられる。単語抽出処理が完了し、全ての抽出単語が単語記憶手段１０３ｂに蓄えられると、単語分割手段１０３ｃは、前述の抽出単語と単語処理用知識記憶手段１０３ｄの情報とを基に、テキストデータ記憶手段１０２ａに記憶されたテキストデータを単語に分割し、単語分割情報を単語分割情報記憶手段１０３ｄに記憶する（単語分割処理）。
【００２１】
上記の単語分割動作の具体例を図６を用いて説明する。単語抽出手段１０３ａでは、辞書を用いずに、字面のパターン解析のみでテキストデータから単語を抽出する。日本語の場合、構文解析しなくても格助詞と判断される平仮名文字列のパターンを発見することが可能であり、このパターンを用いて単語を発見する。この解析に用いるパターン情報は、単語処理用知識記憶手段１０３ｄに記憶されているもののうち抽出用のものを用いる。
【００２２】
抽出用のパターン情報は、例えば、図６に「抽出パターン例」として記載しているように、
・「平仮名＋漢字２文字＋“は、”」のパターンが存在する場合、漢字２文字は単語である。
【００２３】
・「句読点＋漢字２文字＋“を”」のパターンが存在する場合、漢字２文字は単語である。
【００２４】
・「平仮名＋カタカナ＋“は、”」のパターンが存在する場合、カタカナは単語である。
【００２５】
・「平仮名＋カタカナ＋“を”」のパターンが存在する場合、カタカナは単語である。
【００２６】
・「“、”＋漢字２文字＋“で”」のパターンが存在する場合、漢字２文字は単語である。
などがある。
【００２７】
図６中の文字列１「その処理は、単語を使用して…」から、単語処理用知識記憶手段１０３ｄに記憶されている、これらの抽出用パターンを用いて、「処理」「単語」という単語が抽出され、単語記憶手段１０３ｂに記憶される。
【００２８】
また、単語処理用知識記憶手段１０３ｄには、分割用のパターン情報として、例えば、図６に「分割パターン例」として記載しているように、
・「抽出単語＋漢字２文字＋抽出単語」のパターンが存在する場合、漢字２文字は単語として分割する。
と云う情報が記憶されている。別の文字列「そして単語分割処理は、…」の単語分割処理では、前述の単語抽出処理で得られた抽出単語と、単語処理用知識記憶手段１０３ｄに記憶されている分割用パターンとを用いて、「そして［単語］［分割］［処理］は、…」と分割される。ここでの、「［」記号は単語の始端を、「］」は単語の終端を示す。以上の単語分割方法の詳細は、特願平１１−０００９８８号に記載されている。
【００２９】
単語分割結果は、当該テキストデータのレコード番号と単語分割点（つまり、ある単語の始端位置と終端位置との組）とを表す単語分割情報として整理され、単語分割情報記憶手段１０４に記憶される。単語の始端位置及び終端位置は、その単語の始端及び終端の文字が当該テキストデータの先頭から何番目の文字であるかによって表す。「そして［単語］［分割］［処理］は、…」の場合、［単語］の始端位置は４、終端位置は５、［分割］の始端位置は６、終端位置は７、また、［処理］の始端位置は８、終端位置は９となる。
【００３０】
この単語分割情報は、図７に示すように、単語分割情報記憶手段１０４に記憶される。
【００３１】
次に、索引データ作成手段１０５ａがテキストデータの索引を作成する。図８に示すように、レコード番号４のテキストデータが「本形態は本文に…」であるとすると、まず、そのテキストデータの先頭から出現する文字の位置情報を調べ、また、単語分割情報記憶手段１０４に記憶されている単語分割情報を参照し、テキストデータから生成したｎ文字連鎖の組（ここでは、ｎ＝２とする。２文字組は、「本形」「形態」「態は」「は本」「本文」「文に」となる）の各々に対して、レコード番号と文字位置情報と単語分割情報とを次の順序で組み込んで索引データ８１を作成する。
【００３２】
２文字組（レコード番号，ｍ１，ｍ２，１番目の文字単語始端フラグ，１番目の文字単語終端フラグ，２番目の文字単語始端フラグ）
ここで、ｍ１、ｍ２は、２文字組の１番目の文字及び２番目の文字の文字位置情報を表し、テキストデータの先頭から何番目の文字であるかを示す文字番号で表示される。また、１番目の文字単語始端フラグ、１番目の文字単語終端フラグ及び２番目の文字単語始端フラグは、２文字組の１番目、２番目の文字が単語の分割点、つまり、単語の始端・終端に当たるかどうかを表す３ビットのフラグである。単語の始端・終端である場合はフラグ１、そうでない場合は０とする。この３ビットにより、（１番目の文字が単語の始端であるか、１番目の文字が単語の終端であるか、２番目の文字が単語の終端であるか）が表される。なお、文字位置情報は、テキストデータ先頭からの各文字の出現順だけでなく、各文字別の当該テキストデータ中に出現する順番など、出現する文字のつながりが分かる情報であれば、それを用いて表示することもできる。また、単語の始端・終端フラグの詳細な使用方法は、特願平９−２９３８７６号に記載されている。
【００３３】
作成された索引データ８１は、２文字組の１番目の文字をキーとしてまとめられ、索引データ記憶部１０４ｂに記憶される。
【００３４】
最後に、テキストデータ更新記録の索引データ作成チェックを作成済の状態「１」に書きかえる。
【００３５】
次に、テキストデータの追加により、新たな単語が出現した場合の単語再分割の必要性の調査と、その結果に伴い単語分割情報及び索引データの更新を行う場合のテキストデータの登録処理について説明する。この処理の大きな流れを図９に示す。テキストデータの初期登録の処理は同じであるが、テキストデータが入力手段１０１から追加入力されると、データ更新調査手段１０６が、単語分割情報の更新が必要かどうか調査する（データ更新調査処理）。
【００３６】
以下、データ更新調査処理の流れを図１０で示す。
【００３７】
ステップ１：新しいテキストデータがテキストデータ記憶部１０２に登録されると、
ステップ２：データ更新調査手段１０６は、テキストデータ更新記録記憶手段１０２ｂを参照して、テキストデータ更新記録の索引データ作成チェックが未処理の状態「０」の新たに追加されたテキストデータのレコード番号を取得し、
ステップ３：テキストデータ記憶手段１０２ａから、該当するテキストデータを取り出し、
ステップ４：その追加テキストデータから単語抽出手段１０３ａに単語の抽出を実行させる。
【００３８】
ステップ５：その結果、得られた抽出単語を単語記憶手段１０３ｂにすでに記憶されている抽出単語と比較し、
ステップ６：新しく抽出された単語があるかを調べる。新しく抽出された単語がなかった場合は、
ステップ１２：データ更新調査手段１０６は、単語分割手段１０３ｃに該当テキストデータの単語分割を実行させ、得られた単語分割情報を単語分割情報記憶手段１０４に追加して記憶させ、
ステップ１３：続いて、索引データ作成手段１０５ａに、追加した単語分割情報を用いて索引データの作成を実行させる。そして作成された索引データを索引データ記憶手段１０５ｂに追加して記憶させる。
【００３９】
ステップ１４：追加テキストデータに関する更新記録の索引データ作成チェックを処理済みの状態「１」に書き換える。
【００４０】
以上の処理が終了すると、再び、データ更新調査手段１０６はテキストデータの入力待ち状態になる。
【００４１】
一方、ステップ６において、新しく抽出された単語があった場合には、
ステップ７：データ更新調査手段１０６は、新しく抽出された単語も単語記憶手段１０３ｂに記憶させ、続いて、単語分割手段１０３ｃに、テキストデータ記憶手段１０２ａに記憶されている全てのテキストデータに対して単語分割処理を実行させ、
ステップ８：新たに得られた単語分割情報を、単語分割情報記憶手段１０４にすでに記憶されている単語分割情報と比較する。
【００４２】
ステップ９：この比較で変更点がなかったら、ステップ１２に移行して、そのまま索引データ作成手段１０５ａに、追加分の索引データの作成を実行させ、得られた索引データを索引データ記憶手段１０５ｂに記憶する。
【００４３】
一方、ステップ９において、変更点があったときは、
ステップ１０：新たに得られた単語分割情報を単語分割情報記憶手段１０４に記憶し、
ステップ１１：索引データ記憶手段１０５ｂに記憶されている全ての索引データの更新、つまり全索引データの再作成を索引データ作成手段１０５ａに実行させる。このようにして得られた索引データは、索引データ記憶部１０５ｂに記憶させる。
【００４４】
ステップ１４：次いで、追加テキストデータに関する更新記録の索引データ作成チェックを処理済みの状態「１」に書き換える。
【００４５】
続いて、検索処理の流れについて図１１を用いて説明する。
【００４６】
ステップ２０：まず、検索条件文字列が入力手段１０１から入力されると、
ステップ２１：検索手段１０７が、入力された検索条件文字列から図８の索引データ作成処理と同じように、２文字連鎖の組を作成する。ただし、検索条件文字列に対しては、単語の分割処理は必要ない。
【００４７】
ステップ２２：次に、作成された２文字連鎖の組を索引データ記憶手段１０５ｂに格納されている索引データと照合し
ステップ２３：検索条件文字列を含むテキストデータのレコード数と該当レコード番号とを得る。
【００４８】
ステップ２４：該当レコード番号を取得したら、テキストデータ記憶手段１０２ａに記憶されているテキストデータから、該当テキストデータを取得し、
ステップ２５：出力手段１０８に該当レコード数とテキストデ−タとを表示する。
【００４９】
照合方法について具体的に説明する。検索条件として、「本形態」が入力されたとする。２文字連鎖の組「本形」「形態」を作成すると、「本形」は「本」の文字が単語の始端であり、「形態」は「態」の文字が単語の終端となる。そこでまず、「本」というキーでまとめられた索引データ中の１番目の文字の単語始端フラグが１で、１番目と２番目の文字の単語終端フラグが０のものと、「形」というキーでまとめられた索引データ中の１番目の文字の単語始端フラグ及び単語終端フラグが０で、２番目の文字の単語終端フラグが１のものの中で、レコード番号が同じで「形」の文字番号が同じものを照合して、同じテキストデータで「本形」「形態」と連続しているものを探す。以上の処理で得られたレコード番号から、該当テキストデータを取得する。
【００５０】
以上、処理の流れを説明した。実際の自動データ更新効果について、具体例をあげて説明する。
【００５１】
テキストデータに、「このフロンガスは、使用禁止で…」という文字列があったとすると、図６のように単語処理用知識記憶手段１０３ｄに記憶されている抽出用パターンを用いて「フロンガス」「使用禁止」といった単語が抽出され、「この［フロンガス］は、［使用禁止］で…」と分割される。
【００５２】
この時点では、「フロン」という単語の完全一致で検索したい場合は、検索ヒットせず、「フロン」という文字列として検索すると、別に「フロンティア精神に基づき…」という文字列の一部も照合され検索ヒットする。
【００５３】
次に、「そのガスは、フロンを用いた…」という文字列を含むテキストデータが追加で入力されたとする。同じように単語処理用知識記憶手段１０３ｄに記憶されている抽出用パターンを用いると、「ガス」「フロン」という単語が新たに抽出され、単語記憶手段１０３ｂに追加記憶される。すると、前記の単語「フロンガス」は「［フロン］［ガス］」と分割することができる。これにより、「フロン」という単語の完全一致で検索したい場合も検索可能になる。
【００５４】
このように、新しい単語が抽出されると、単語分割の結果も変わり、検索精度が上がる。
【００５５】
しかしながら、この処理を人手で行うことは、非常に時間も手間も掛かることである。本実施形態により、この処理が自動で行えることは大変有益なことである。
【００５６】
また、単語処理用知識として、単語の出現頻度なども利用できる。例えば、１つ出現した単語は新しい単語として認めず、単語抽出処理を行わないが、２個以上になったら単語として認める、という方式である。この場合も、単語の出現回数が２に達したため、その単語が単語分割に利用されていなかった過去のデータに戻って索引データの更新を行う場合にも本実施形態が適用できる。この場合にも、更新が必要な索引データを人手で調べるのは、非常に手間が掛かるが、本実施形態により、この処理が自動で行えることは大変有益なことである。
【００５７】
以上のように、本実施形態の文書検索装置では、単語分割に必要な単語をテキストデータ中から自動抽出し、それを利用して単語分割する、人手による辞書の構築を必要としないノイズレス全文検索において、新しい単語を抽出した場合でも、データ更新調査手段１０６により、索引データの更新が自動的に行われるので、その実用上の効果は大きい。
【００５８】
（第２の実施の形態）
第２の実施形態の文書検索装置は、データの更新状況を学習し、索引データの更新時期を自動で設定する。第１の実施形態の装置では、追加したテキストデータの単語抽出から新たな単語が抽出される度に、既存のテキストデータに対する単語再抽出と単語再分割とを実行し、単語分割情報に変更があったとき索引データの更新を行っているが、本実施形態では、ある一定期間中に単語分割情報の変更調査を行い、そこから得られた最適更新期間をもって、索引データの更新の実行を行う。
【００５９】
第２の実施形態の文書検索装置は、図１２に示すように、データ更新の条件を設定して索引データの更新を行わせるデータ更新調査部２０１を備えており、このデータ更新調査部２０１は、図１３に示すように、索引データの更新の必要性を調査し、その更新を実行させるデータ更新調査手段２０１ａと、設定された調査期間を記憶する調査期間記憶手段２０１ｂと、調査期間の調査結果を記録する結果記録手段２０１ｃと、調査結果から得られた更新条件を記憶するデータ更新条件記憶手段２０１ｄとを具備している。その他のブロック構成は第１の実施形態（図１）と変わりがない。
【００６０】
この装置の入力手段１０１からは、検索対象のテキストデータとともに、そのテキストデータのデータ量や入力日時などが入力され、検索時には、検索条件文字列が入力され、また、データの更新条件の調査を行う調査期間が入力される。この調査期間は、調査期間記憶手段２０１ｂに記憶される。
【００６１】
本実施形態の文書検索装置の動作について説明する。テキストデータの初期登録の方法は、第１の実施形態の場合と同じである。新たにテキストデータが追加入力された場合の処理の流れを図１４に示している。
【００６２】
ステップ３０：新しいテキストデータがテキストデータ記憶部１０２に登録されると、
ステップ３１：データ更新調査手段２０１ａは、テキストデータ更新記録記憶手段１０２ｂを参照して、テキストデータ更新記録の索引データ作成チェックが未処理の状態「０」の新たに追加されたテキストデータのレコード番号を取得し、
ステップ３２：テキストデータ記憶手段１０２ａから、該当するテキストデータを取り出す。
【００６３】
ステップ３３：データ更新調査手段２０１ａは、現時点が調査期間記憶手段２０１ｂに記憶された調査期間に該当するかどうかを識別し、調査期間中であるときは、
ステップ３４：単語抽出手段１０３ａに、追加テキストデータからの単語の抽出を実行させ、
ステップ３５：その結果、得られた抽出単語を単語記憶手段１０３ｂにすでに記憶されている抽出単語と比較し、
ステップ３６：新しく抽出された単語があるかを調べる。新しく抽出された単語がなかった場合は、
ステップ４３：データ更新調査手段２０１ａは、単語分割手段１０３ｃに追加テキストデータの単語分割を実行させ、得られた単語分割情報を単語分割情報記憶手段１０４に追加して記憶させ、
ステップ４４：索引データ作成手段１０５ａに、追加した単語分割情報を用いて索引データの作成を実行させ、作成された索引データを索引データ記憶手段１０５ｂに追加して記憶させる。
【００６４】
ステップ４５：次いで、テキストデータ更新記録の索引データ作成チェックを処理済みの状態「１」に書き換え、テキストデータの入力待ち状態に戻る。
【００６５】
一方、ステップ３６において、新しく抽出された単語があった場合には、
ステップ３７：データ更新調査手段２０１ａは、新しく抽出された単語も単語記憶手段１０３ｂに記憶させ、単語分割手段１０３ｃに、テキストデータ記憶手段１０２ａに記憶されている全てのテキストデータに対して単語分割処理を行わせる。
【００６６】
ステップ３８：調査期間記憶手段２０１ｂは、新たに得られた単語分割情報と、単語分割情報記憶手段１０４にすでに記憶されている単語分割情報とを比較して、
ステップ３９：テキストデータの入力番号（何回目のテキストデータの入力かを示す番号）と、そのテキストデータのサイズと、そのときの単語分割情報の変更点数とを結果記録手段２０１ｃに記録する。
【００６７】
ステップ４０：また、データ更新調査手段２０１ａは、単語分割情報の変更点数が１以上であるとき、
ステップ４１：新たに得られた単語分割情報により単語分割情報記憶手段１０４に記憶されている単語分割情報を更新し、
ステップ４２：索引データ記憶手段１０５ｂに記憶されている全ての索引データの更新、つまり全索引データの再作成を索引データ作成手段１０５ａに実行させる。このようにして得られた索引データは、索引データ記憶部１０５ｂに記憶させる。
【００６８】
ステップ４５：次いで、追加テキストデータに関する更新記録の索引データ作成チェックを処理済みの状態「１」に書き換える。データ更新調査手段２０１ａは、その後、再び、テキストデータの入力待ち状態に戻る。
【００６９】
また、ステップ４０において、変更点がなかったときは、ステップ４３に移行して、そのまま索引データ作成手段１０５ａに、追加分の索引データの作成を実行させ、得られた索引データを索引データ記憶手段１０５ｂに記憶する。
【００７０】
こうして、調査期間中に入力するテキストデータの各々に対して、単語抽出を行い、新しい単語が抽出されたら単語分割を行い、単語分割情報に変更点があるかどうかを調査し、その調査結果を結果記録手段２０１ｃに記録する。
【００７１】
調査期間記憶手段２０１ｂは、調査期間中に集められた調査結果を基に、この３つのパラメータ（入力番号、サイズ、変更点数）から、データ更新を行うのに最適な期間や状態を決定し、データ更新条件記憶手段２０１ｃにデータ更新条件として設定する。
【００７２】
実際には、３つのパラメータから、テキストデータの総入力量と単語分割情報変更点数との関係を調べ、総入力量がどれくらい増加する度に単語分割情報が変更になるかを得て、データ更新条件として総入力量をデータ更新条件記憶手段２０１ｃに記憶する。
【００７３】
具体例を図１５に示す。入力手段１０１より調査期間が入力され、調査期間記憶手段２０１ｂに調査期間「１６８ｈ」と記憶されている。その期間に追加で入力されたテキストデータの総入力量と、その際の単語分割情報の変更箇所とが結果記録手段２０１ｃに記録されている。調査期間記憶手段２０１ｂは、総入力量が１００ＭＢ増加する度に単語分割情報の変更個所数が増えるという情報を得て、データ更新条件記憶手段２０１ｃに「総入力量が１００ＭＢ増加する度にデータ更新を行う」という条件を記憶させる。
【００７４】
調査期間の終了後に新しいテキストデータが入力すると、データ更新調査手段２０１ａは、テキストデータ記憶手段１０２ａから、新たに入力したテキストデータを取り出し（ステップ３２）、
ステップ４６：データ更新条件記憶手段２０１ｄに記憶されたデータ更新条件を参照する。
【００７５】
ステップ４７：データ更新条件記憶手段２０１ｄにデータ更新条件が記憶されていないときは、
ステップ４８：調査期間記憶手段２０１ｂが、結果記録手段２０１ｃに記録された調査結果を基に、データ更新条件を決定し、
ステップ４９：データ更新条件記憶手段２０１ｃにデータ更新条件を記憶させる。
【００７６】
ステップ５０：データ更新調査手段２０１ａは、追加テキストデータの入力がデータ更新条件に当てはまるかどうかを識別し、当てはまるときは、ステップ３４以降の手順により、追加テキストデータから単語を抽出し、新しい単語が抽出されたときは、全てのテキストデータに対して単語分割の再処理を行い、単語分割情報に変更点がある場合には、全索引データを更新する。また、データ更新条件に当てはまらないときは、ステップ３７以降の手順により、単語記憶手段１０３ｂにすでに記憶されている単語を用いて、追加テキストデータの単語分割を行い（ステップ３７）、ステップ４３、ステップ４４の手順により、追加分の索引データを作成して、索引データ記憶手段１０５ｂに追加する。
【００７７】
このようにして、追加されたテキストデータが、データ更新条件記憶手段２０１ｃに記憶された総入力量に達したときは、データ更新調査手段２０１ａが、第１の実施形態と同じように全てのデータの更新、つまり、全てのテキストに対して単語抽出処理と単語分割処理と索引データ作成処理とを実行させ、索引データ記憶手段１０５ｂに記憶し、テキストデータ更新記録１０２ｂに索引データ作成済みと記録する。また、総入力量に達していない場合は、追加されたテキストデータだけの単語分割処理と索引データ作成処理とを実行させ、同じく索引データ記憶手段１０５ｂに記憶し、テキストデータ更新記録１０２ｂに索引データ作成済みと記録する。
【００７８】
また、検索の処理についても、第１の実施形態と変わりがない。
【００７９】
一般的に、一つの検索システムでは同種のデータを、定期的に追加入力することが多い。例えば新聞記事検索システムでは、毎日の新聞記事を１日１回定期的に入力したり、また、特許検索システムでは、数日に１回、ほぼ決まった特許データが追加される。そういった中に、新しい単語も含まれてくるが、その割合もほぼ一定である場合が多い。この実施形態では、このような検索システムの特性を生かして、データの更新を定期的に自動に行うようにした。このため、無駄な処理が省け、計算機資源の有効活用を図ることができる。
【００８０】
なお、本実施形態では、テキストデータの総入力量からデータ更新を行うようにしたが、データ更新条件記憶手段２０１ｂに、別のデータ更新条件の閾値を記憶できるようにし、例えば、単語分割情報変更点の数が３つ以上になったらデータ更新、など、データの更新を行うようにすることも可能である。他にも更新条件にする閾値は、抽出単語の数、入力テキストの数なども使用できる。
【００８１】
また、調査期間を設けてデータ更新条件を調査することをせずに、直接、データ更新条件となる総入力量等をデータ更新条件手段２０１ｂに記憶させ、その値に基づいて処理することも、もちろん可能である。
【００８２】
また、入力されるテキストデータに対して、設定されている調査期間が適切でない場合、例えば、設定されている調査期間中では、単語抽出、単語分割の調査に必要なテキストデータが入力されないなどの場合に、データ更新部２０１がエラーを出力し、管理者に警告するように構成することもできる。
【００８３】
（第３の実施形態）
第３の実施形態の文書検索装置は、管理者がデータ更新の実行時間を設定することができる。
【００８４】
この装置は、図１６に示すように、データ更新調査部３０１を備えており、このデータ更新調査部３０１は、図１７に示すように、索引データの更新の必要性を調査し、単語再分割を実行させるデータ更新調査手段３０１ａと、タイマー機能をもつデータ更新時間記憶手段３０１ｂとを具備している。その他のブロック構成は第１の実施形態（図１）と変わりがない。
【００８５】
続いて、本実施形態の処理の流れについて述べる。テキストデータの初期登録の方法・追加登録・データ更新・索引データ作成処理・検索処理は、第１の実施形態と同じである。
【００８６】
異なる点は、入力手段１０１から、データ更新を実行する時間を入力し、タイマー機能を持つデータ更新時間記憶手段３０１ｂに記憶させ、その時間にデータ更新を行う点である。データ更新時間記憶手段３０１ｂは、入力されたデータ更新時間になるとデータ更新調査手段３０１ａに知らせる。これを受けて、データ更新調査手段３０１ａは、データ単語分割部１０３に単語分割情報の変更調査を指示する。単語分割部１０３は、第１の実施形態と同じように、単語抽出・単語分割を行い、それに応じて索引データの追加、または全データ更新を実行させる。なお、データ更新時間記憶手段３０１ｂに記憶させるデータ更新時間は、何日何時何分といった時間でも、何週間過ぎたら、といった期間でも、何日毎などでもよい。
【００８７】
なお、本実施形態の装置では、第２の実施形態のように、データ更新するべきテキストデータ総入力量がどの位の期間で入力されるかを調べて、その期間をデータ更新期間記憶手段３０１ｂに記憶させ、その時間でデータ更新が行われるように設定することも可能である。
【００８８】
このように、タイマー機能をもつデータ更新時間記憶手段３０１ｂを備えることで、管理者がデータの更新時間を決定し、かつ自動でデータ更新を行うことが可能になる。
【００８９】
（第４の実施形態）
第４の実施形態の文書検索装置は、装置へのアクセスが少ない時間にデータ更新を行うことができる。
【００９０】
この装置は、図１８に示すように、データ更新調査部４０１を備えており、このデータ更新調査部４０１は、図１９に示すように、データ更新調査手段４０１ａと、装置へのアクセスを監視するアクセス監視手段４０１ｂとを具備している。その他のブロック構成は第１の実施形態（図１）と変わりがない。
【００９１】
図２０は、この装置の処理の流れを示している。テキストデータの初期登録・索引データ作成処理・検索処理については、第１の実施形態と同じである。異なる点は、データ更新が必要になった時に、すぐにデータ更新を行わずに、計算機の負荷が下がったときを見計らって行う点である。アクセス監視手段４０１ｂは、装置起動時間中の検索処理などによるＣＰＵ稼動状況やアクセス数等を監視している。
【００９２】
ステップ６０：データ更新調査手段４０１ａは、入力手段１０１からテキストデータが入力されると、
ステップ６１：アクセス監視手段４０１ｂにデータ更新待ちであることを知らせる。ステップ６２：アクセス監視手段４０１ｂは、ＣＰＵ稼動状況や、装置へのアクセス数を監視し、
ステップ６３：データ更新に最適な時が来ると、
ステップ６４：データ更新調査手段４０１ａに知らせる。
【００９３】
ステップ６５：これを受けて、データ更新調査手段４０１ａは、入力されたテキストデータから単語抽出・単語分割・索引データ作成処理のデータ更新の処理を実行する。
【００９４】
本実施形態によれば、文書検索装置が稼動している計算機の負荷が少ない時間にデータの更新を行うことができる。そのため、利用者が文書検索を行っているときにはデータ更新は行われず、利用者にとって文書検索がやり易い。
【００９５】
なお、以前のデータ更新の際のテキストデータの入力量とデータ更新処理時間とを記録しておき、この記録を基に、データ更新が必要になった場合に、その入力量から処理時間を予測し、また、装置起動中のＣＰＵ稼動状況やアクセス数等も監視して、装置へのアクセス記録を記憶しておき、予測した処理時間のデータ更新を行うのに最適な時を決定するようにしても良い。こうすることにより、ＣＰＵの性能やメモリ等の処理環境が異なる計算機でも、最適なデータ更新を行うことが可能になる。
【００９６】
もちろん、第２の実施形態の装置に本実施形態を適用することもできる。この場合、データ更新しなくてはならない総入力量になったときに、装置へのアクセス等が少ない時間を見計らって、データ更新が行われる。
【００９７】
（第５の実施形態）
第５の実施形態の文書検索装置は、データの更新を行った際にデータの更新を連絡する連絡手段を有している。
【００９８】
この装置は、図２１に示すように、データ更新を連絡するデータ更新連絡手段５０１を備えている。その他のブロック構成は第１の実施形態（図１）と変わりがない。
【００９９】
本実施形態の処理の流れについて図２２を用いて説明する。テキストデータの初期登録・追加登録・データ更新・索引データ作成処理・検索処理については、第１の実施形態と同じである。
【０１００】
ステップ７０：単語分割情報が変更され、
ステップ７１：索引データの更新が終了すると、
ステップ７２：データ更新連絡手段５０１が、データの更新終了を出力手段１０８に出力する。
【０１０１】
これにより、管理者は常にデータ更新状況を把握することができる。
【０１０２】
なお、本実施形態では、更新終了を連絡することとしたが、更新の必要を知らせ、更新の実行を確認する確認手段を設けると管理者は常に、データ更新の必要性を確認してデータの更新状況を把握することができる。
【０１０３】
（第６の実施形態）
第６の実施形態の文書検索装置は、索引データの更新時に必要な索引データだけを更新することができる。
【０１０４】
この装置は、図２３に示すように、索引データの更新時に必要な索引だけを更新するデータ更新調査部６０１を備えている。このデータ更新調査部６０１は、図２４に示すように、データ更新を調査するデータ更新調査手段６０１ａと、実際に索引データの更新を行うデータ更新手段６０２ｂとを具備している。その他のブロック構成は第１の実施形態（図１）と変わりがない。
【０１０５】
以下、この装置の処理の流れを図２５を用いて説明する。テキストデータの初期登録の処理は第１の実施形態と同じである。続いて、データ更新の処理について説明する。
【０１０６】
ステップ８０：データ更新調査手段６０１ａは、テキストデータが追加入力されると、単語抽出手段１０３ａに、そのテキストデータからの単語抽出処理を実行させ、新たな抽出単語があった場合には、単語分割手段１０３ｃに、全てのテキストデータの単語分割処理を実行させる。全てのテキストデータの単語再分割処理が終了すると、
ステップ８１：得られた単語分割情報をすでに記憶されている単語分割情報と比較し、
ステップ８２：単語分割情報に変更箇所がある場合には、
ステップ８３：その単語分割情報の中から、変更箇所を含む単語始端位置と単語終端位置との組と、そのレコード番号とを抽出し、データ更新手段６０１ｂに渡す。ステップ８４：データ更新手段６０１ｂは、得られたレコード番号から、テキストデータ記憶部１０２ａに格納されている当該テキストを抜き出し、
ステップ８５：変更された単語始端位置と単語終端位置との組に基づいて、このテキストの中から、単語分割が変更になった文字列部分を抜き出す。
【０１０７】
ステップ８６：次に、抜き出した文字列部分からｎ文字連鎖を作成し、
ステップ８７：索引データ中の２文字連鎖と比較し、同じｎ文字連鎖を持つ索引データを探し出す。
【０１０８】
ステップ８８：探し出した索引データに、単語始端フラグ、単語終端フラグを立てて（値を１にする）更新し、
ステップ８９：また、追加データ分の索引データを作成し、記憶する。
【０１０９】
例を図２６で示す。「そのフロンガスは…」という文字列で始まるテキストデータがあり、最初に「［フロンガス］」と単語分割され、索引データとして既に登録されているものがある。新しい単語が抽出され、再び単語分割を実行すると「［フロン］［ガス］」と分割されたとする。この変更は、単語分割情報上で見ると、最初の文字列の単語分割において、３文字目から７文字目までが単語であることを示す（３，７）の組の変更に該当し、これが単語の再分割で（３，５）（６，７）となる。このことから、更新が必要な索引データは５番目と６番目の文字が含まれるものだと分かる。
【０１１０】
そこで、索引データ記憶手段１０５ｂから、同じレコード番号で、文字番号が５のものを含む索引データの単語終端フラグ（１番目の文字単語終端フラグ及び２番目の文字単語終端フラグ）を１に、文字番号が６のものを含む索引データの単語始端フラグ（１番目の文字単語始端フラグ）を１にする。
【０１１１】
ここでは、便宜的に、索引データを出現順に並べて書いてあるが、実際には第１の実施形態でも説明したとおり、索引データは、先頭文字をキーとしてまとめられている。
【０１１２】
また、本実施形態では、索引データの出現文字位置情報は、出現順としたが、各文字の出現回数でもよい。その場合は、単語分割情報変更点の情報からテキストデータ中の変更文字列を取り出し、その文字列に使われている文字は、そのテキストデータ中に何番目に出現したか調べて、索引データ更新する。
【０１１３】
以下、検索の処理は、第１の実施形態と同様である。本実施形態によれば、データの更新時間を短くし、文書検索装置を実現する計算機の負荷を少なくでき、これに伴ない利用者にとって使いやすい文書検索を行うことができる。
【０１１４】
（第７の実施形態）
第７の実施形態の文書検索装置は、索引データの更新により、以前に検索した検索結果が違って来た場合に、その旨を提示する。
【０１１５】
この装置は、図２７に示すように、検索履歴を記録する検索履歴記録手段７０１と、検索履歴から検索条件文字列を得て、実際に索引データを検索し、検索結果の違いを調べる検索結果変更調査手段７０２とを備えている。その他のブロック構成は第１の実施形態（図１）と変わりがない。
【０１１６】
本実施形態について、処理の流れを図２８を用いて説明する。テキストデータの初期登録・追加登録・データ更新処理については、第１の実施形態と同じである。
【０１１７】
異なる点は、検索が行われる際に入力された検索条件文字列を含む検索履歴を記憶しておき、この検索条件文字列で更新された索引データを実際に検索し、検索結果の違いを明示するところである。検索処理について以下説明する。
【０１１８】
ステップ９０：まず、入力手段１０１から、登録しておきたい検索条件文字列を入力し、
ステップ９１：検索履歴記憶手段７０１に記憶させておく。
【０１１９】
ステップ９２：検索結果変更調査手段７０２は、入力された検索条件文字列で索引データの照合（検索処理）を行い、検索結果として該当レコード数と、レコード番号とを取得し、
ステップ９３：この検索結果を前記検索条件文字列と対にして検索履歴記憶手段７０１に記憶させておく。
【０１２０】
ここでの検索の処理は、第１の実施形態と同じである。次に、
ステップ９４：索引データの更新が行われると、
ステップ９５：検索結果変更調査手段７０２は、検索履歴記憶手段７０１に記憶されている検索条件文字列と検索結果とを取得し、
ステップ９６：この検索条件文字列で索引データの照合（検索処理）を行い、検索結果として該当レコード数と、レコード番号とを取得し、
ステップ９７：先の検索結果と新たに得られた検索結果とを比較する。
【０１２１】
ステップ９８：それらが異なっているときは、
ステップ９９：新たな検索結果を検索履歴記憶手段７０１で記憶し、
ステップ１００：出力手段１０８に検索結果の違いを出力する。
【０１２２】
また、ステップ９８において、検索結果の変更がない場合は、
ステップ１０１：出力手段１０８に検索結果の変更なしを出力する。
【０１２３】
具体例を図２９に示す。検索履歴記憶手段７０１に、検索条件「人参ａｎｄ 薬効」と記憶され、検索結果が記憶されている。次にテキストデータが追加登録された際に、「高麗」という単語が新たに出現し、「高麗人参」も「［高麗］［人参］」と分割される。そうした場合、検索履歴記憶手段７０１に記憶されている検索結果と異なり、新たに検索ヒットするテキストが出現する。その結果を、出力手段１０８に出力する。
【０１２４】
本実施形態によれば、単語分割の変更による索引データの更新が発生し、以前に検索した検索結果が異なる状況が発生しても、それを管理者、または利用者に明示することができるので、常に最新の検索結果を得ることができる。
【０１２５】
なお、本実施形態では、索引データの更新の際に、以前に検索した検索結果との違いを明示するようにしたが、単なるデータの追加による検索結果の変更も明示することが可能である。また、検索結果の変更がない場合は明示しないことも、もちろん可能である。
【０１２６】
【発明の効果】
以上の説明から明らかなように、本発明の文書検索装置は、検索対象のテキストデータを単語に分割して索引データを作成し、それを用いて検索を実施するものにおいて、索引データの更新を自動的に行うことができる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態における文書検索装置の構成を示すブロック図、
【図２】本発明の第１の実施形態におけるテキストデータ記憶部１０２の内部構成を示すブロック図、
【図３】本発明の第１の実施形態における単語分割部１０３の内部構成を示すブロック図、
【図４】本発明の第１の実施形態における索引データ記憶部１０５の内部構成を示すブロック図、
【図５】本発明の第１の実施形態における単語分割の動作を示すフローチャート、
【図６】本発明の第１の実施形態における単語分割の例を示す図、
【図７】本発明の第１の実施形態における単語分割情報の格納方法を示す概念図、
【図８】本発明の第１の実施形態における索引データ作成処理の例を示す図、
【図９】本発明の第１の実施形態におけるデータ更新の処理を含む単語分割の動作を示すフローチャート、
【図１０】本発明の第１の実施形態におけるデータ更新処理を示すフローチャート、
【図１１】本発明の第１の実施形態における検索処理を示すフローチャート、
【図１２】本発明の第２の実施形態における文書検索装置の構成を示すブロック図、
【図１３】本発明の第２の実施形態におけるデータ更新調査部２０１の内部構成を示すブロック図、
【図１４】本発明の第２の実施形態における単語分割の動作を示すフローチャート、
【図１５】本発明の第２の実施形態における単語分割の例を示す図、
【図１６】本発明の第３の実施形態における文書検索装置の構成を示すブロック図、
【図１７】本発明の第３の実施形態におけるデータ更新調査部３０１の内部構成を示すブロック図、
【図１８】本発明の第４の実施形態における文書検索装置の構成を示すブロック図、
【図１９】本発明の第４の実施形態におけるデータ更新調査部４０１の内部構成を示すブロック図、
【図２０】本発明の第４の実施形態におけるデータ更新の動作を示すフローチャート、
【図２１】本発明の第５の実施形態における文書検索装置の構成を示すブロック図、
【図２２】本発明の第５の実施形態におけるデータ更新連絡の動作を示すフローチャート、
【図２３】本発明の第６の実施形態における文書検索装置の構成を示すブロック図、
【図２４】本発明の第６の実施形態におけるデータ更新調査部６０１の内部構成を示すブロック図、
【図２５】本発明の第６の実施形態におけるデータ更新の動作を示すフローチャート、
【図２６】本発明の第６の実施形態におけるデータ更新の動作例を示すフローチャート、
【図２７】本発明の第７の実施形態における文書検索装置の構成を示すブロック図、
【図２８】本発明の第７の実施形態におけるデータ更新と検索の処理を示すフローチャート、
【図２９】本発明の第７の実施形態におけるデータ更新と検索の処理例を示すフローチャートである。
【符号の説明】
１０１ 入力手段
１０２ テキストデータ記憶部
１０２ａ テキストデータ記憶手段
１０２ｂ テキストデータ更新記録記憶手段
１０３ 単語分割部
１０３ａ 単語抽出手段
１０３ｂ 単語記憶手段
１０３ｃ 単語分割手段
１０３ｄ 単語処理用知識記憶手段
１０４ 単語分割情報記憶手段
１０５ 索引データ作成部
１０５ａ 索引データ作成手段
１０５ｂ 索引データ記憶手段
１０６ データ更新調査手段
１０７ 検索手段
１０８ 出力手段
２０１ データ更新調査部
２０１ａ データ更新調査手段
２０１ｂ 調査期間記憶手段
２０１ｃ 結果記録手段
２０１ｄ データ更新条件記憶手段
３０１ データ更新調査部
３０１ａ データ更新調査手段
３０１ｂ データ更新時間記憶手段
４０１ データ更新調査部
４０１ａ データ更新調査手段
４０１ｂ アクセス監視手段
５０１ データ更新連絡手段
６０１ データ更新調査部
６０１ａ データ更新調査手段
６０１ｂ データ更新手段
７０１ 検索履歴記録手段
７０２ 検索結果変更調査手段

Claims (8)

1. 検索対象のテキストデータを単語に分割し、単語の始端及び終端の情報を含む索引データを作成して、テキストデータの全文検索を行う文書検索装置において、
   テキストデータを記憶するテキストデータ記憶手段と、
   自然言語における特有のパターン等の知識を利用して前記テキストデータから単語を抽出し、記憶する単語記憶手段と、
   前記単語記憶手段に記憶された抽出単語を利用して前記テキストデータを単語に分割する単語分割手段と、
   前記テキストデータを単語に分割した単語分割情報を記憶する単語分割情報記憶手段と、
   前記単語分割情報とテキストデータとから前記索引データを作成して記憶する索引データ作成手段と、
   前記索引データの更新を行うための更新条件を記憶するデータ更新条件記憶手段と、
   検索対象に追加するテキストデータが入力されたとき、前記データ更新条件記憶手段に記憶された更新条件に当てはまる場合は、前記単語記憶手段に前記テキストデータからの単語の抽出を行わせ、前記単語記憶手段によって抽出、記憶された単語が既存の抽出単語に比べて新規であるとき、前記単語分割手段に、前記単語記憶手段に記憶された全ての抽出単語を使って前記テキストデータ記憶手段に記憶されているテキストデータの再分割を行わせて、前記単語分割情報が更新されたか否かを調べ、前記単語分割情報が更新された場合に、前記索引データ作成手段に索引データの更新を行わせ、一方、前記更新条件に当てはまらない場合は、前記索引データ作成手段に、追加された前記テキストデータに関する索引データの作成だけを行わせるデータ更新調査手段と
   を備えることを特徴とする文書検索装置。
2. 前記更新条件が、テキストデータの総入力量によって規定されていることを特徴とする請求項１に記載の文書検索装置。
3. 前記更新条件が、前記索引データの更新間隔を示す時間によって規定されていることを特徴とする請求項１に記載の文書検索装置。
4. 前記データ更新調査手段は、所定期間に渡って、検索対象に追加するテキストデータが入力したときの前記単語分割情報の更新状況を調査し、前記調査の結果に基づいて、前記データ更新条件記憶手段が記憶する前記更新条件を自動設定することを特徴とする請求項１から３のいずれかに記載の文書検索装置。
5. 前記調査で、テキストデータの総入力量と前記単語分割情報の更新箇所数との関係を調べ、テキストデータの総入力量に基づいて前記更新条件を規定することを特徴とする請求項４に記載の文書検索装置。
6. 前記調査で、前記単語分割情報の更新箇所数が所定数に達するテキストデータの総入力量と、そのテキストデータが入力する期間との関係を調べ、その期間を指定する時間によって前記更新条件を設定することを特徴とする請求項４に記載の文書検索装置。
7. 前記データ更新調査手段は、ユーザによって設定された前記調査の調査期間を記憶する調査期間記憶手段を具備し、前記調査期間の間、前記調査を行うことを特徴とする請求項４から６のいずれかに記載の文書検索装置。
8. 前記データ更新調査手段は、前記調査期間記憶手段に記憶されている前記調査期間が適切でない場合に、警告を出力することを特徴とする請求項７に記載の文書検索装置。

Images