JP3664874B2 - 文書検索装置 - Google Patents
文書検索装置 Download PDFInfo
- Publication number
- JP3664874B2 JP3664874B2 JP10032898A JP10032898A JP3664874B2 JP 3664874 B2 JP3664874 B2 JP 3664874B2 JP 10032898 A JP10032898 A JP 10032898A JP 10032898 A JP10032898 A JP 10032898A JP 3664874 B2 JP3664874 B2 JP 3664874B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- search
- fitness
- input means
- upper limit
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/319—Inverted lists
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99935—Query augmenting and refining, e.g. inexact access
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99939—Privileged access
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99941—Database schema or data structure
- Y10S707/99944—Object-oriented database structure
- Y10S707/99945—Object-oriented database structure processing
Description
【０００１】
【発明の属する技術分野】
本発明は電子化され蓄積された文書情報から、所望の文書を検索する文書検索装置に関し、特に利用者の入力した検索要求に適合する度合によって検索結果の順位付けを行う文書検索装置に関するものである。
【０００２】
【従来の技術】
近年、文書検索の分野においては文書データベースの大規模化が進み、従来のようなキーワード検索や全文検索ではたとえ検索結果が高速に得られたとしても、その数が膨大で目的の文書を捜し出すのが困難な場合が増え、トータルな検索時間は必ずしも短縮されているとは言い難い。
【０００３】
そこで、検索対象文書に文字列が存在するか否かだけでなく、その出現頻度等に着目して検索結果文書の順位付けを行ない、目的の文書を効率良く捜し出せるランキングの手法が注目されている。
【０００４】
以下、図を参照しながら、ランキング手法を用いた従来の文書検索装置について説明する。図１２は従来の文書検索装置の構成を示したブロック図である。図１２において、１２０１は検索対象となる文書データ、１２０２は文書データを走査し、各フィールドについて、単語が当該フィールドに出現する文書番号と当該単語の当該フィールドにおける出現頻度を抽出する単語頻度情報抽出手段、１２０３は前記単語頻度情報抽出手段の出力した情報が格納された索引、１２０４は利用者からの検索要求を入力する検索要求入力手段、１２０５は検索要求にしたがって前記索引から単語が検索対象フィールドに出現する文書の文書番号と文書数、当該フィールドにおける出現頻度を算出する単語頻度算定手段、１２０６は論理演算を行う論理演算手段、１２０７は単語の出現文書数と出現頻度に基づいて、各文書と検索要求の合致する度合を求める適合度算定手段、１２０８は取得する検索結果の順位の範囲を指定する取得順位入力手段、１２０９は適合度の順に検索結果の文書を並べ替える文書並べ替え手段、１２１０は検索した結果を表示する検索結果出力手段である。
【０００５】
図１３は従来の文書検索装置における処理の手順を示した流れ図である。まず、検索の前に予め単語頻度情報抽出手段１２０２が文書データ１２０１を走査し、各文書の各フィールドに出現する単語とその出現頻度を調べ、当該単語が出現している文書の番号と文書数、当該フィールドにおける当該単語の出現頻度を索引１２０３に出力し、索引を作成しておく。
【０００６】
上記のように索引を作成した後において、処理ステップ（以下、単にステップという）１３０１において、検索要求入力手段１２０４には利用者のキーボード等の操作によって検索対象フィールドと単語のペアを論理演算子で結んだ検索要求文字列が入力される。図１４は、見出しフィールドか本文フィールドに「松 下」を含んで、本文フィールドに「新製品」を含む文書を検索する場合の、検索要求の例である。
【０００７】
ステップ１３０２において、利用者は取得順位入力手段１２０８により、検索結果のうち取得したい順位の範囲を、例えば第１１位から第２０位までと指定する。
【０００８】
ステップ１３０３において、単語頻度算定手段１２０５が索引１２０３を参照し、検索要求入力手段１２０４によって入力された検索要求文字列中の各単語が指定された検索対象フィールドに出現するような文書の文書番号、文書数および検索対象フィールドにおける当該単語の出現頻度を算出する。図１５は単語頻度算定手段１２０５の出力内容の例である。
【０００９】
次にステップ１３０４において、論理演算手段１２０６が検索要求にしたがって論理演算を施し、検索結果の文書集合を決定する。図１６は、論理演算手段１２０６の出力例を示す図である。
【００１０】
次に、ステップ１３０５において、適合度算定手段１２０７が式（１）によって検索結果集合中の各文書Ｄについて検索要求との適合度ＲＥＬ（Ｄ）を算出する。
ＩＤＦは文書集合全体における当該単語の当該フィールドでの出現の偏りを表すパラメータで、ｌｏｇの底は２である。図１７は、適合度算定手段１２０７の出力内容の例である。
【００１１】
続いてステップ１３０６において、文書並べ替え手段１２０９が適合度の降順に検索結果文書を並べ替える。ステップ１３０５からステップ１３０６を全ての検索結果文書に対して繰り返す。図１８は従来の文書検索装置における並べ替え処理の概念図である。順位が（Ｂ）の範囲にある文書を結果として取得する場合には、（Ｃ）の範囲を並び替えなければならず、またそれだけの大きさのバッファが必要である。
【００１２】
例えば、取得順位入力手段１２０８に第１１位から第２０位までを取得するように指定した場合には、文書並べ替え手段１２０９は２０文書分のバッファを用意しておき、バッファの空きが無くなるまでは、無条件に二分探索等の方法によって当該文書をバッファの適当な格納位置に挿入する。バッファの空きが無い場合には、当該文書の適合度がバッファ内の最下位文書の適合度を超える場合にだけ、最下位の文書をバッファから外し、当該文書をバッファの適当な位置に挿入する。
【００１３】
最後に、検結果出力手段１２１０が、取得順位入力手段１２０８によって指定された範囲の順位にある文書を表示して検索が終了する。
【００１４】
【発明が解決しようとする課題】
以上説明したように、ランキングの手法を用いた従来の文書検索システムにおいては、検索要求に近いものを上位に、検索ゴミを下位にランキングして閲覧の効率をあげるという目的からみて、また、結果の並べ変えの処理に時間がかかるという処理時間の問題から、取得する順位の範囲を限定して検索を行うのが一般的である。
【００１５】
しかしながら上記の従来の文書検索システムでは、上位文書から一定件数ずつ検索結果を取得することを繰り返していくと、取得順位の範囲が下位になるにしたがって、並べ替えの対象となる文書数が増えていき、例えば検索結果集合の最後の数件を取得しようとした場合には、結局全結果文書を並べ替えなくてはならなくなってしまい、この全結果文書の並べ替え処理に時間がかかってしまうという課題を有していた。
【００１６】
また、検索対象文書の更新が発生する可能性のある文書検索装置であれば、もし同じ検索要求で取得順位の範囲だけを変えた２回の検索の間に、更新が行われた場合、検索結果に不整合が発生してしまう課題を有していた。
【００１７】
さらに、見出しフィールドまたは本文フィールドのいずれかにある単語が出現するような文書を検索したいと思って、各々のフィールドに対する検索条件をＯＲ演算子で結んで指定した場合、結果文書の集合としては所望の結果が得られても、出現文書数が本来の値ではないために適合度の値が正しく求まらないという課題を有していた。
【００１８】
本発明は上記従来技術の課題を解決するもので、その第１の目的は、全検索結果を保持することなしに、一定件数ずつ検索結果を取得する場合に、並べ替えの範囲を適合度の上限または下限で指定することにより無駄な並べ替えをせず効率的な文書検索ができる文書検索装置を提供することである。
【００１９】
本発明の第２の目的は、前回使用した検索対象文書の版情報を保存するとともに検索に使用する版を指定することができるようにして、検索対象文書の更新が発生した場合でも、検索結果の不整合が起きないようにした文書検索装置を提供することを目的とする。
【００２０】
【課題を解決するための手段】
上記目的を達成するために本発明は、第１に、適合度の上限値を指定する適合度上限入力手段と、適合度の下限値を指定する適合度下限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度上限入力手段で適合度上限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の上位文書だけを対象にして適合度の降順に並べ替え、前記適合度下限入力手段で適合度下限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度下限値を超えるものであってかつ前記取得件数入力手段によって指定された取得件数を超えない数の上位文書だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、取得検索結果における最上位文書の適合度を格納する最上位適合度格納手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備えたものである。
【００２１】
これにより、全検索結果を保持することなく、逐次、隣接する順位の検索結果を一定件数毎に取得する場合に、無駄な並べ替えを行わず高速に検索が可能な文書検索装置が得られる。
【００２２】
第２に、検索対象文書として複数の版を持ち、利用可能な最新の版を判定するための最新版判定手段と、検索に使用する版を指定する版情報入力手段と、実際に検索に使用した版の情報を格納するための版情報格納手段とを備えたものである。
【００２３】
これにより、初回検索時には前記最新版判定手段によって特定された最新版の検索対象文書を用いて検索と順位付けを行い、以降、隣接する順位の検索結果を逐次取得する時には、直前の検索結果取得時に前記版情報格納手段によって格納された版情報を前記版情報入力手段に与えて処理を行うことで、直前の検索結果取得から次の検索結果取得までの間に、検索対象文書の更新が行われた場合でも、検索結果の整合性が損なわれない文書検索装置が得られる。
【００２８】
【発明の実施の形態】
本発明の請求項１に記載の発明は、文書検索装置に、利用者からの検索対象の単語を含む検索要求を受け付ける検索要求入力手段と、前記検索要求と検索対象文書内の単語との適合度を各文書について算出する適合度算出手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に上限値を指定する適合度上限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度算出手段によって算出された適合度が前記適合度上限入力手段で指定された適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の高い文書群だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、前記文書並べ替え手段によって並べ替えられた文書群と適合度とを検索結果として出力する検索結果出力手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備えたものであり、全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、直前の検索で前記最下位適合度格納手段によって格納された値を前記適合度上限入力手段に与え、前記適合度上限入力手段によって入力された適合度上限以上の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ下位にランクされる一定件数の検索結果を取得できるという作用を有する。
【００２９】
本発明の請求項２に記載の発明は、文書検索装置に、利用者からの検索対象の単語を含む検索要求を受け付ける検索要求入力手段と、前記検索要求と検索対象文書内の単語との適合度を各文書について算出する適合度算出手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に上限値を指定する適合度上限入力手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に下限値を指定する適合度下限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度上限入力手段で適合度上限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の高い文書群だけを対象にして適合度の降順に並べ替え、前記適合度下限入力手段で適合度下限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度下限値を超えるものであってかつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の低い文書群だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、前記文書並べ替え手段によって並べ替えられた文書群と適合度とを検索結果として出力する検索結果出力手段と、前記検索結果出力手段の出力から結果における最上位文書の適合度を格納する最上位適合度格納手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備えたものであり、全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、直前の検索で前記最下位適合度格納手段によって格納された値を前記適合度上限入力手段に与え、前記適合度上限入力手段によって入力された適合度上限以上の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ下位にランクされる一定件数の検索結果を取得できるようにするとともに、直前の検索で前記最上位適合度格納手段によって格納された値を前記適合度下限入力手段に与え、前記適合度下限入力手段によって入力された適合度下限以下の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ上位にランクされる一定件数の検索結果を取得できるという作用を有する。
【００３０】
本発明の請求項３に記載の発明は、請求項１もしくは２に記載の文書検索装置において、文書検索装置は、検索対象文書としてそれぞれある特定の文書群からなる複数の版を持ち、利用可能な最新の版を判定するための最新版判定手段と、検索に使用する版を指定する版情報入力手段と、実際に検索に使用した版の情報を格納するための版情報格納手段とを備えたものであり、全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、初回検索時には前記最新版判定手段によって特定された最新版の検索対象文書として前記適合度算出手段が前記検索要求と前記各文書との適合度を算出し、以降の直前に取得した検索結果の直ぐ上位もしくは下位にランクされる一定件数の検索結果取得時には、直前の検索結果取得時に前記版情報格納手段によって格納された版情報を前記版情報入力手段に与え、前記版情報入力手段によって指定された版を検索対象文書として前記適合度算出手段が前記検索要求と前記各文書との適合度を算出することにより、直前の検索結果取得から次の検索結果取得までの間に、検索対象文書の更新が行われ新たな版が追加された場合でも、検索結果の整合性が損なわれないという作用を有する。
【００３３】
以下、本発明の実施の形態について、図１から図１６を用いて説明する。
（実施の形態１）
図１は本発明の実施の形態１による文書検索装置の構成を示したブロック図である。図１において、１０１は検索対象となる文書データ、１０２は文書データを走査し、各フィールドについて、単語が当該フィールドに出現する文書番号と当該単語の当該フィールドにおける出現頻度を抽出する単語頻度情報抽出手段、１０３は前記単語頻度情報抽出手段の出力した情報が格納されたフィールド毎の索引、１０４は最新版の文書に対応する索引を判定する最新版判定手段、１０５は検索すべき指令が入力されるキーボードなどの検索要求入力手段、１０６は検索に使用する版を指定する版情報入力手段、１０７は実際にどの版を検索に使用したかの情報を格納する版情報格納手段、１０８は検索要求入力手段１０５によって入力された検索要求にしたがって検索対象フィールドにおける単語の出現頻度、出現文書数を求める単語頻度算定手段、１０９は論理演算を行う論理演算手段、１１０は単語出現頻度、出現文書数から文書と検索要求との適合度を算出する適合度算出手段、１１１は取得する検索結果の件数を指定する取得件数入力手段、１１２は取得する文書の適合度の上限を指定する適合度上限入力手段、１１３は取得する文書の適合度の下限を指定する適合度下限入力手段、１１４は適合度上限値未満、もしくは適合度下限値を超える文書で、かつ取得する件数だけを対象に適合度の降順に文書の並べ替えを行う文書並べ替え手段、１１５は検索結果を出力する出力手段、１１６は取得した検索結果のなかでの最上位文書の適合度を格納する最上位適合度格納手段、１１７は取得した検索結果のなかでの最下位の文書の適合度を格納する最下位適合度格納手段である。
【００３４】
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。検索の前に予め単語頻度情報抽出手段１０２が文書データ１０１を走査し、各文書の各フィールドに出現する単語とその出現頻度を調べ、当該単語が出現している文書の番号と文書数、当該フィールドにおける当該単語の出現頻度を各フィールド毎の索引１０３に出力し、索引を作成しておく。ただし、この時点ではＡ版の文書データおよび、索引だけが存在し、Ｂ版の文書データおよび索引は存在していないとする。
【００３５】
図２は本発明の実施の形態１における処理の手順を示す流れ図、図３はステップ２１０の詳細な処理手順を示す流れ図、図４は文書並べ替え手段１１４の動作を説明する概念図である。 図１４に示した検索要求で、まず第１位から第１０位までの検索結果を取得する場合を考える。
【００３６】
ステップ２０１において、利用者は検索要求入力手段１０５により、図１４に示すような検索対象フィールドと単語のペアを論理演算子で結んだ検索要求文字列を入力する。
【００３７】
ステップ２０２において、版情報入力手段１０６によって使用する検索対象文書の版を指定することができるが、初回の検索では指定をしない。
【００３８】
ステップ２０２において版が指定されていないので、ステップ２０３において最新版判定手段１０４が最も新しい検索対象文書の版を「Ａ」であると判定して単語頻度算定手段１０８に出力し、自動的に最新版に対して検索を行うようにする。
【００３９】
ステップ２０４において、版情報格納手段１０７がステップ２０２またはステップ２０３で指定された版の情報「Ａ」を保存しておく。
【００４０】
ステップ２０５において、取得件数入力手段１１１により、取得する検索結果の件数「１０」を指定する。
【００４１】
ステップ２０６において、２回目以降の検索では適合度上限入力手段１１２、または適合度下限手段１１３によって適合度上限値もしくは適合度下限値を指定することができるが、初回の検索なのでどちらに対しても値を指定しない。
【００４２】
ステップ２０７において、単語頻度算定手段１０８は、検索要求入力手段１０５で入力された検索要求にしたがって、各単語が検索対象フィールドに出現する文書数、文書番号、各文書の当該フィールドにおける出現頻度の情報を図１５のように出力する。次に、全ての単語について各単語が検索対象フィールドに出現する文書数、文書番号、各文書の当該フィールドにおける出現頻度の情報を出力したか否かをチェックし、全ての単語について出力していない場合はステップ２０７にもどって処理を行なう一方、全ての単語について出力している場合は次のステップ２０８へ移行する。
【００４３】
ステップ２０８において、論理演算手段１０９は、単語頻度算定手段１０８の出力した情報に対して論理演算を施す。論理演算の結果、図１６に示すような情報が残る。
【００４４】
ステップ２０９において、論理演算手段１０９の出力した情報をもとにして、適合度算出手段１１０が、検索要求と各文書との適合度を前記式（１）によって算出する。
【００４５】
ステップ２１０において、文書並べ替え手段１１４が、適合度算出手段１１０の算出した適合度の降順に結果文書を並べ替える。
【００４６】
ここで、ステップ２１０の詳細な処理の手順を図３を用いて説明する。適合度上限、適合度下限は指定されていないのでステップ３０４ｂに進む。取得件数入力手段１０７で入力された値の数だけ用意されたバッファが一杯になっていなければ、ステップ３０７にすすみ、当該文書をバッファの適当な位置に挿入する。バッファが一杯になっている場合には、ステップ３０５ｂにすすみ、当該文書の適合度がバッファ内の最下位の文書の適合度を超えるかどうか調べ、超えない場合にはステップ２１０を抜け、超える場合にはステップ３０６ｂにおいて最下位の文書をバッファから削除したのち、ステップ３０７において当該文書をバッファの適当な位置に挿入する。
【００４７】
ステップ２０９、ステップ２１０を結果文書全てについて行えば、バッファ内に第１位から第１０位までの結果が残る。したがってステップ２１０の次に、全ての結果文書について並べ替えを行なったか否かをチェックし、全ての単語について出力していない場合はステップ２０９にもどって適合度の算出と、適合度の順に文書を並べ替える処理を行なう一方、全ての結果文書について並べ替えを行なったと判断された場合は次のステップ２１１へ移行する。
【００４８】
ステップ２１１においては、検索結果出力手段１１５がバッファの内容を出力する。
【００４９】
最後にステップ２１２において、最上位適合度格納手段１１６が出力結果の第１位の文書の適合度を、最下位適合度格納手段１１７が第１０位の文書の適合度をそれぞれ保存する。
【００５０】
続いて、第１１位から第２０位までの検索結果を取得するためにステップ２０１に戻り再度検索を実行するが、前回の検索時とは次のステップでの処理が異なる。
【００５１】
ステップ２０２において、版情報入力手段１０６に、前回、版情報格納手段１０７によって保存された版の情報「Ａ」を与える。これによって、次のステップにおいて版が指定されたか否かをチェックした場合、版が「Ａ」に指定されたと判断されるから最新版の判定（ステップ２０３）は実行されず、たとえ前回の検索時から今回の検索までの間に、新たな「Ｂ」という版の検索対象が追加されたとしても、前回と結果の整合性を保つことができる。
【００５２】
ステップ２０６において、適合度上限入力手段１１２に、前回、最下位適合度格納手段１１７によって保存された値、すなわち、第１０位の文書の適合度を与える。適合度下限入力手段１１３には値を指定しない。
【００５３】
ステップ２０９において、適合度算定手段１０８の出力する内容は、前回の検索時と全く同じはずである。
【００５４】
そこで、ステップ２１０では、その内部処理についてみると、ステップ３０２ｂにおいて、適合度上限が指定されているのでステップ３０３ｂに進む。ここで当該文書の適合度が適合度上限以上であれば、この文書の順位は第１０位以上であることがわかるのでこの文書に対する処理を終えステップ２１０を抜ける。当該文書の適合度が適合度上限未満であれば、ステップ３０４ｂにすすみ、処理を続ける。
【００５５】
このようにして、下位に隣接する一定件数の検索結果を、無駄な並べ替え処理をせず高速に取得することが可能となる。
【００５６】
同様の処理を繰り返し、第１０１位から第１１０位までの検索結果の取得が完了したとする。ここで、もう一度、第９１位から第１００位までの結果を得たいと思った場合には次のように処理を変えることで行う。
【００５７】
ステップ２０６において、適合度上限入力手段１１２には値を指定せず、適合度下限入力手段１１３に、前回、最上位適合度格納手段１１６によって保存された値、すなわち第１０１位の文書の適合度を与える。
【００５８】
ステップ２０９において、適合度算定手段１０８の出力する内容は、前回の検索時と全く同じはずである。
【００５９】
そこで、ステップ２１０では、その内部処理についてみると、ステップ３０１において、適合度下限が指定されているので、ステップ３０３ａに進み、当該文書の適合度が下限を超えているか否かをチェックする。ここで当該文書の適合度が適合度下限以下であれば、この文書の順位は第１０１位以下であることがわかるのでこの文書に対する処理を終えステップ２１０を抜ける。当該文書の適合度が適合度下限を超える場合には、ステップ３０４ａに進む。バッファが一杯になっていなければ、ステップ３０７にすすみ、当該文書をバッファの適当な位置に挿入する。バッファが一杯になっている場合には、ステップ３０５ａにすすみ、当該文書の適合度がバッファ内の最上位の文書の適合度を超えるかどうか調べ、超えている場合にはステップ２１０を抜け、超えていない場合にはステップ３０６ａにおいて最上位の文書をバッファから削除したのち、ステップ３０７において当該文書をバッファの適当な位置に挿入する。
【００６０】
ステップ２０９、ステップ２１０を結果文書全てについて行えば、バッファ内に第９１位から第１００位までの結果が残る。
以上の動作により文書の並べ替え処理が行なわれ、文書は図４に示すようにして並べ替えられる。このようにして、上位に隣接する一定件数の検索結果についても、無駄な並べ替え処理をせず効率良く取得することが可能となる。
【００６１】
（実施の形態２）
図５は本発明の実施の形態２による文書検索装置の構成を示したブロック図である。図５において、５０１は検索対象となる文書データ、５０２は文書データを走査し、各フィールドについて、単語が当該フィールドに出現する文書番号と当該単語の当該フィールドにおける出現頻度を抽出する単語頻度情報抽出手段、５０３は前記単語頻度情報抽出手段の出力した情報が格納されたフィールド毎の索引、５０４は検索要求入力手段、５０５は検索要求入力手段５０４によって入力された検索要求にしたがって検索対象フィールドにおける単語の出現頻度、出現文書数を求める仮想単語頻度算定手段、５０６は論理演算を行う論理演算手段、５０７は単語出現頻度、出現文書数から文書と検索要求との適合度を算出する適合度算出手段、５０８は取得する検索結果の順位の範囲を指定する取得順位入力手段、５０９は適合度の順に検索結果の文書を並べ替える文書並べ替え手段、５１０は検索した結果を表示する検索結果出力手段である。
【００６２】
従来の文書検索装置と異なるのは、検索要求入力手段５０４に検索対象フィールドとして、単一のフィールドだけでなく複数のフィールドを記述でき、それら複数のフィールドを仮想的につなげた、実際には索引の存在しない仮想フィールドを指定できる点と、仮想単語頻度算定手段５０５が、仮想フィールドにおける単語の出現頻度、出現文書数を、存在する索引から正確に算出するようになっている点である。
【００６３】
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。検索の前に予め単語頻度情報抽出手段５０２が文書データ５０１を走査し、各文書の各フィールドに出現する単語とその出現頻度を調べ、当該単語が出現している文書の番号と文書数、当該フィールドにおける当該単語の出現頻度を各フィールド毎の索引５０３に出力し、索引を作成しておく。
【００６４】
本実施の形態における処理の手順を図１３を用いて説明する。図１３のフロー図中、ステップ１３０１において、利用者は検索要求入力手段５０４により、検索対象フィールドと単語のペアを論理演算子で結んだ検索要求文字列を入力する。図６は見出しフィールドか本文フィールドに「松下」を含んで、本文フィールドに「新製品」を含む文書を検索する場合の、検索要求の例である。従来の文書検索装置とは異なり、検索対象フィールドとして「見出し＋本文」という見出しフィールドと本文フィールドをつなげた仮想的なフィールドの記述が可能になっている。
【００６５】
次にステップ１３０２において、利用者は取得順位入力手段５０８により、検索結果のうち取得したい順位の範囲を、例えば第１１位から第２０位までと指定する。
【００６６】
ステップ１３０３において、仮想単語頻度算定手段５０５が索引５０３を参照し、検索要求入力手段５０４によって入力された検索要求文字列中の各単語が指定された検索対象フィールドに出現するような文書の文書番号、文書数および検索対象フィールドにおける当該単語の出現頻度を算出する。図７は仮想単語頻度算出手段５０５の出力内容の例である。「本文＝新製品」に対する情報は直接本文フィールドに対する索引から求めたものであるが、「見出し＋本文＝松下」に対する情報を求める際には、見出しフィールドと本文フィールドをつなげたフィールドに対する索引は実際には存在しないので、仮想単語頻度算出手段５０５は、まず図１５のように見出しフィールド、本文フィールドを参照して各々のフィールドでの情報を得る。その後、文書番号の論理和集合を求め、その要素数を出現文書数として、各々のフィールドにおける出現頻度の和を検索対象フィールドにおける出現頻度として求める。
【００６７】
ステップ１３０４において、論理演算手段５０６が検索要求にしたがって論理演算を施し、検索結果の文書集合を決定する。図８は、論理演算手段５０６の出力例である。
【００６８】
次にステップ１３０５において、適合度算定手段５０７が式（１）によって検索結果集合中の各文書Ｄについて検索要求との適合度ＲＥＬ（Ｄ）を算出する。図９は、適合度算定手段の出力内容の例である。
【００６９】
続いてステップ１３０６において、文書並べ替え手段５０９が適合度の降順に検索結果文書を並べ替え、取得順位入力手段５０８によって指定された範囲の順位にある文書だけを出力する。
【００７０】
例えば、取得順位入力手段５０８に第１１位から第２０位までを取得するように指定した場合には、文書並べ替え手段５０９は２０文書分のバッファを用意しておき、バッファの空きが無くなるまでは無条件に当該文書をバッファに格納し、それ以外の場合は、当該文書の適合度がバッファ内の最下位文書の適合度を超える場合にだけ、最下位文書の代わりに当該文書をバッファに格納し、バッファ内の並べ替えを行う。全ての結果文書について上記操作を行った後、バッファに残っている文書の第１１位から第２０位までを出力する。
【００７１】
最後に、検索結果出力手段５１０が並べ替えられた検索結果を表示して検索が終了する。
【００７２】
このようにして、図６で示したような、より柔軟な検索要求を受け付けてランキングに反映させることが可能となる。
【００７３】
（実施の形態３）
本発明の実施の形態３による文書検索装置の構成は、図５に示したものと同様である。いま、単語頻度情報抽出手段５０２によって単一のフィールドに限らず、複数のフィールドをつなげた結合フィールドに対する索引を作成しておく。たとえば、
「見出し＋本文＝○○」
という検索要求が大半を占めるという状況であれば、検索速度の点から見出しと本文をつなげた結合フィールドに対する索引を予め作成しておく。そして記憶媒体の容量に制限があり、見出しフィールドに対する索引は作成するが、本文フィールドに対する索引は作成しない場合を考える。
【００７４】
本実施の形態における処理の手順を図１３を用いて説明する。本実施の形態における処理の手順は、ステップ１３０３における処理を除いて実施の形態２の場合と同様であり、図６と同様の検索要求を与えるとする。図１３中、ステップ１３０３において、仮想単語頻度算定手段５０５が索引５０３を参照し、検索要求入力手段５０４によって入力された検索要求文字列中の各単語が指定された検索対象フィールドに出現するような文書の文書番号、文書数および検索対象フィールドにおける当該単語の出現頻度を算出する。図１１は仮想単語頻度算出手段５０５の出力内容の例である。実施の形態２の場合とは異なり、
「本文＋見出し＝松下」
なる検索要求に対する結果は結合フィールドとして存在する索引から直接求めたものであるが、「本文＝新製品」に対する結果は本文フィールドの索引は存在しないので、仮想単語頻度算出手段５０５は、まず図１０のように本文＋見出しフィールド、見出しフィールドを参照して各々のフィールドでの情報を得る。その後、本文＋見出しフィールドにおける出現頻度と見出しフィールドにおける出現頻度の差を求めて本文フィールドにおける出現頻度を算出する。その際、出現頻度が０になった文書については削除し、残った文書の数が本文フィールドにおける出現文書数となる。
【００７５】
このようにして、様々な索引構成が可能で、より柔軟な検索要求を受け付けてランキングに反映させることが可能となる。
【００７６】
【発明の効果】
以上のように本発明によれば、検索結果を保持することなく、逐次、隣接する順位の検索結果を一定件数毎に取得する場合に、無駄な並べ替えを行わず効率良く検索が可能であって、検索対象の更新が行われた場合でも結果の整合性が損なわれない優れた文書検索装置を実現できるものである。
【００７７】
また、様々な索引構成が可能で、より柔軟な検索要求を受け付けてランキングに反映させることが可能な優れた文書検索装置を実現できるものである。
【図面の簡単な説明】
【図１】本発明の実施の形態１による文書検索装置の構成を示したブロック図
【図２】本発明の実施の形態１における文書検索処理の手順を示す流れ図
【図３】本発明の実施の形態１における文書並べ替え動作の詳細な処理手順を示す流れ図
【図４】本発明の実施の形態１における文書並べ替え手段の動作の概念図
【図５】本発明の実施の形態２による文書検索装置の構成を示したブロック図
【図６】本発明の実施の形態１における検索要求の例を示す図
【図７】本発明の実施の形態２における仮想単語頻度算出手段の出力内容の例を示す図
【図８】本発明の実施の形態２における論理演算手段の出力例を示す図
【図９】本発明の実施の形態２における適合度算定手段の出力内容の例を示す図
【図１０】本発明の実施の形態３における仮想単語頻度算出手段の中間処理内容の例を示す図
【図１１】本発明の実施の形態３における仮想単語頻度算出手段の出力内容の例を示す図
【図１２】従来の文書検索装置の構成を示したブロック図
【図１３】従来の文書検索装置における処理の手順を示した流れ図
【図１４】検索要求の例
【図１５】従来の文書検索装置における単語頻度算定手段の出力内容の例を示す図
【図１６】従来の文書検索装置における論理演算手段のの出力内容の例を示す図
【図１７】従来の文書検索装置における適合度算定手段の出力内容の例を示す図
【図１８】従来の文書検索装置における並べ替え処理の概念図
【符号の説明】
１０１ 文書データ
１０２ 単語頻度情報抽出手段
１０３ 索引
１０４ 最新版判定手段
１０５ 検索要求入力手段
１０６ 版情報入力手段
１０７ 版情報格納手段
１０８ 単語頻度算定手段
１０９ 論理演算手段
１１０ 適合度算定手段
１１１ 取得件数入力手段
１１２ 適合度上限入力手段
１１３ 適合度下限入力手段
１１４ 文書並べ替え手段
１１５ 結果出力手段
１１６ 最上位適合度格納手段
１１７ 最下位適合度格納手段
５０１ 文書データ
５０２ 単語頻度情報抽出手段
５０３ 索引
５０４ 検索要求入力手段
５０５ 仮想単語頻度算定手段
５０６ 論理演算手段
５０７ 適合度算定手段
５０８ 取得順位入力手段
５０９ 文書並べ替え手段
５１０ 検索結果出力手段
１２０１ 文書データ
１２０２ 単語頻度情報抽出手段
１２０３ 索引
１２０４ 検索要求入力手段
１２０５ 単語頻度算定手段
１２０６ 論理演算手段
１２０７ 適合度算定手段
１２０８ 取得順位入力手段
１２０９ 文書並べ替え手段
１２１０ 検索結果出力手段
【発明の属する技術分野】
本発明は電子化され蓄積された文書情報から、所望の文書を検索する文書検索装置に関し、特に利用者の入力した検索要求に適合する度合によって検索結果の順位付けを行う文書検索装置に関するものである。
【０００２】
【従来の技術】
近年、文書検索の分野においては文書データベースの大規模化が進み、従来のようなキーワード検索や全文検索ではたとえ検索結果が高速に得られたとしても、その数が膨大で目的の文書を捜し出すのが困難な場合が増え、トータルな検索時間は必ずしも短縮されているとは言い難い。
【０００３】
そこで、検索対象文書に文字列が存在するか否かだけでなく、その出現頻度等に着目して検索結果文書の順位付けを行ない、目的の文書を効率良く捜し出せるランキングの手法が注目されている。
【０００４】
以下、図を参照しながら、ランキング手法を用いた従来の文書検索装置について説明する。図１２は従来の文書検索装置の構成を示したブロック図である。図１２において、１２０１は検索対象となる文書データ、１２０２は文書データを走査し、各フィールドについて、単語が当該フィールドに出現する文書番号と当該単語の当該フィールドにおける出現頻度を抽出する単語頻度情報抽出手段、１２０３は前記単語頻度情報抽出手段の出力した情報が格納された索引、１２０４は利用者からの検索要求を入力する検索要求入力手段、１２０５は検索要求にしたがって前記索引から単語が検索対象フィールドに出現する文書の文書番号と文書数、当該フィールドにおける出現頻度を算出する単語頻度算定手段、１２０６は論理演算を行う論理演算手段、１２０７は単語の出現文書数と出現頻度に基づいて、各文書と検索要求の合致する度合を求める適合度算定手段、１２０８は取得する検索結果の順位の範囲を指定する取得順位入力手段、１２０９は適合度の順に検索結果の文書を並べ替える文書並べ替え手段、１２１０は検索した結果を表示する検索結果出力手段である。
【０００５】
図１３は従来の文書検索装置における処理の手順を示した流れ図である。まず、検索の前に予め単語頻度情報抽出手段１２０２が文書データ１２０１を走査し、各文書の各フィールドに出現する単語とその出現頻度を調べ、当該単語が出現している文書の番号と文書数、当該フィールドにおける当該単語の出現頻度を索引１２０３に出力し、索引を作成しておく。
【０００６】
上記のように索引を作成した後において、処理ステップ（以下、単にステップという）１３０１において、検索要求入力手段１２０４には利用者のキーボード等の操作によって検索対象フィールドと単語のペアを論理演算子で結んだ検索要求文字列が入力される。図１４は、見出しフィールドか本文フィールドに「松 下」を含んで、本文フィールドに「新製品」を含む文書を検索する場合の、検索要求の例である。
【０００７】
ステップ１３０２において、利用者は取得順位入力手段１２０８により、検索結果のうち取得したい順位の範囲を、例えば第１１位から第２０位までと指定する。
【０００８】
ステップ１３０３において、単語頻度算定手段１２０５が索引１２０３を参照し、検索要求入力手段１２０４によって入力された検索要求文字列中の各単語が指定された検索対象フィールドに出現するような文書の文書番号、文書数および検索対象フィールドにおける当該単語の出現頻度を算出する。図１５は単語頻度算定手段１２０５の出力内容の例である。
【０００９】
次にステップ１３０４において、論理演算手段１２０６が検索要求にしたがって論理演算を施し、検索結果の文書集合を決定する。図１６は、論理演算手段１２０６の出力例を示す図である。
【００１０】
次に、ステップ１３０５において、適合度算定手段１２０７が式（１）によって検索結果集合中の各文書Ｄについて検索要求との適合度ＲＥＬ（Ｄ）を算出する。
【００１１】
続いてステップ１３０６において、文書並べ替え手段１２０９が適合度の降順に検索結果文書を並べ替える。ステップ１３０５からステップ１３０６を全ての検索結果文書に対して繰り返す。図１８は従来の文書検索装置における並べ替え処理の概念図である。順位が（Ｂ）の範囲にある文書を結果として取得する場合には、（Ｃ）の範囲を並び替えなければならず、またそれだけの大きさのバッファが必要である。
【００１２】
例えば、取得順位入力手段１２０８に第１１位から第２０位までを取得するように指定した場合には、文書並べ替え手段１２０９は２０文書分のバッファを用意しておき、バッファの空きが無くなるまでは、無条件に二分探索等の方法によって当該文書をバッファの適当な格納位置に挿入する。バッファの空きが無い場合には、当該文書の適合度がバッファ内の最下位文書の適合度を超える場合にだけ、最下位の文書をバッファから外し、当該文書をバッファの適当な位置に挿入する。
【００１３】
最後に、検結果出力手段１２１０が、取得順位入力手段１２０８によって指定された範囲の順位にある文書を表示して検索が終了する。
【００１４】
【発明が解決しようとする課題】
以上説明したように、ランキングの手法を用いた従来の文書検索システムにおいては、検索要求に近いものを上位に、検索ゴミを下位にランキングして閲覧の効率をあげるという目的からみて、また、結果の並べ変えの処理に時間がかかるという処理時間の問題から、取得する順位の範囲を限定して検索を行うのが一般的である。
【００１５】
しかしながら上記の従来の文書検索システムでは、上位文書から一定件数ずつ検索結果を取得することを繰り返していくと、取得順位の範囲が下位になるにしたがって、並べ替えの対象となる文書数が増えていき、例えば検索結果集合の最後の数件を取得しようとした場合には、結局全結果文書を並べ替えなくてはならなくなってしまい、この全結果文書の並べ替え処理に時間がかかってしまうという課題を有していた。
【００１６】
また、検索対象文書の更新が発生する可能性のある文書検索装置であれば、もし同じ検索要求で取得順位の範囲だけを変えた２回の検索の間に、更新が行われた場合、検索結果に不整合が発生してしまう課題を有していた。
【００１７】
さらに、見出しフィールドまたは本文フィールドのいずれかにある単語が出現するような文書を検索したいと思って、各々のフィールドに対する検索条件をＯＲ演算子で結んで指定した場合、結果文書の集合としては所望の結果が得られても、出現文書数が本来の値ではないために適合度の値が正しく求まらないという課題を有していた。
【００１８】
本発明は上記従来技術の課題を解決するもので、その第１の目的は、全検索結果を保持することなしに、一定件数ずつ検索結果を取得する場合に、並べ替えの範囲を適合度の上限または下限で指定することにより無駄な並べ替えをせず効率的な文書検索ができる文書検索装置を提供することである。
【００１９】
本発明の第２の目的は、前回使用した検索対象文書の版情報を保存するとともに検索に使用する版を指定することができるようにして、検索対象文書の更新が発生した場合でも、検索結果の不整合が起きないようにした文書検索装置を提供することを目的とする。
【００２０】
【課題を解決するための手段】
上記目的を達成するために本発明は、第１に、適合度の上限値を指定する適合度上限入力手段と、適合度の下限値を指定する適合度下限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度上限入力手段で適合度上限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の上位文書だけを対象にして適合度の降順に並べ替え、前記適合度下限入力手段で適合度下限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度下限値を超えるものであってかつ前記取得件数入力手段によって指定された取得件数を超えない数の上位文書だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、取得検索結果における最上位文書の適合度を格納する最上位適合度格納手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備えたものである。
【００２１】
これにより、全検索結果を保持することなく、逐次、隣接する順位の検索結果を一定件数毎に取得する場合に、無駄な並べ替えを行わず高速に検索が可能な文書検索装置が得られる。
【００２２】
第２に、検索対象文書として複数の版を持ち、利用可能な最新の版を判定するための最新版判定手段と、検索に使用する版を指定する版情報入力手段と、実際に検索に使用した版の情報を格納するための版情報格納手段とを備えたものである。
【００２３】
これにより、初回検索時には前記最新版判定手段によって特定された最新版の検索対象文書を用いて検索と順位付けを行い、以降、隣接する順位の検索結果を逐次取得する時には、直前の検索結果取得時に前記版情報格納手段によって格納された版情報を前記版情報入力手段に与えて処理を行うことで、直前の検索結果取得から次の検索結果取得までの間に、検索対象文書の更新が行われた場合でも、検索結果の整合性が損なわれない文書検索装置が得られる。
【００２８】
【発明の実施の形態】
本発明の請求項１に記載の発明は、文書検索装置に、利用者からの検索対象の単語を含む検索要求を受け付ける検索要求入力手段と、前記検索要求と検索対象文書内の単語との適合度を各文書について算出する適合度算出手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に上限値を指定する適合度上限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度算出手段によって算出された適合度が前記適合度上限入力手段で指定された適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の高い文書群だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、前記文書並べ替え手段によって並べ替えられた文書群と適合度とを検索結果として出力する検索結果出力手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備えたものであり、全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、直前の検索で前記最下位適合度格納手段によって格納された値を前記適合度上限入力手段に与え、前記適合度上限入力手段によって入力された適合度上限以上の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ下位にランクされる一定件数の検索結果を取得できるという作用を有する。
【００２９】
本発明の請求項２に記載の発明は、文書検索装置に、利用者からの検索対象の単語を含む検索要求を受け付ける検索要求入力手段と、前記検索要求と検索対象文書内の単語との適合度を各文書について算出する適合度算出手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に上限値を指定する適合度上限入力手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に下限値を指定する適合度下限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度上限入力手段で適合度上限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の高い文書群だけを対象にして適合度の降順に並べ替え、前記適合度下限入力手段で適合度下限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度下限値を超えるものであってかつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の低い文書群だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、前記文書並べ替え手段によって並べ替えられた文書群と適合度とを検索結果として出力する検索結果出力手段と、前記検索結果出力手段の出力から結果における最上位文書の適合度を格納する最上位適合度格納手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備えたものであり、全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、直前の検索で前記最下位適合度格納手段によって格納された値を前記適合度上限入力手段に与え、前記適合度上限入力手段によって入力された適合度上限以上の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ下位にランクされる一定件数の検索結果を取得できるようにするとともに、直前の検索で前記最上位適合度格納手段によって格納された値を前記適合度下限入力手段に与え、前記適合度下限入力手段によって入力された適合度下限以下の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ上位にランクされる一定件数の検索結果を取得できるという作用を有する。
【００３０】
本発明の請求項３に記載の発明は、請求項１もしくは２に記載の文書検索装置において、文書検索装置は、検索対象文書としてそれぞれある特定の文書群からなる複数の版を持ち、利用可能な最新の版を判定するための最新版判定手段と、検索に使用する版を指定する版情報入力手段と、実際に検索に使用した版の情報を格納するための版情報格納手段とを備えたものであり、全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、初回検索時には前記最新版判定手段によって特定された最新版の検索対象文書として前記適合度算出手段が前記検索要求と前記各文書との適合度を算出し、以降の直前に取得した検索結果の直ぐ上位もしくは下位にランクされる一定件数の検索結果取得時には、直前の検索結果取得時に前記版情報格納手段によって格納された版情報を前記版情報入力手段に与え、前記版情報入力手段によって指定された版を検索対象文書として前記適合度算出手段が前記検索要求と前記各文書との適合度を算出することにより、直前の検索結果取得から次の検索結果取得までの間に、検索対象文書の更新が行われ新たな版が追加された場合でも、検索結果の整合性が損なわれないという作用を有する。
【００３３】
以下、本発明の実施の形態について、図１から図１６を用いて説明する。
（実施の形態１）
図１は本発明の実施の形態１による文書検索装置の構成を示したブロック図である。図１において、１０１は検索対象となる文書データ、１０２は文書データを走査し、各フィールドについて、単語が当該フィールドに出現する文書番号と当該単語の当該フィールドにおける出現頻度を抽出する単語頻度情報抽出手段、１０３は前記単語頻度情報抽出手段の出力した情報が格納されたフィールド毎の索引、１０４は最新版の文書に対応する索引を判定する最新版判定手段、１０５は検索すべき指令が入力されるキーボードなどの検索要求入力手段、１０６は検索に使用する版を指定する版情報入力手段、１０７は実際にどの版を検索に使用したかの情報を格納する版情報格納手段、１０８は検索要求入力手段１０５によって入力された検索要求にしたがって検索対象フィールドにおける単語の出現頻度、出現文書数を求める単語頻度算定手段、１０９は論理演算を行う論理演算手段、１１０は単語出現頻度、出現文書数から文書と検索要求との適合度を算出する適合度算出手段、１１１は取得する検索結果の件数を指定する取得件数入力手段、１１２は取得する文書の適合度の上限を指定する適合度上限入力手段、１１３は取得する文書の適合度の下限を指定する適合度下限入力手段、１１４は適合度上限値未満、もしくは適合度下限値を超える文書で、かつ取得する件数だけを対象に適合度の降順に文書の並べ替えを行う文書並べ替え手段、１１５は検索結果を出力する出力手段、１１６は取得した検索結果のなかでの最上位文書の適合度を格納する最上位適合度格納手段、１１７は取得した検索結果のなかでの最下位の文書の適合度を格納する最下位適合度格納手段である。
【００３４】
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。検索の前に予め単語頻度情報抽出手段１０２が文書データ１０１を走査し、各文書の各フィールドに出現する単語とその出現頻度を調べ、当該単語が出現している文書の番号と文書数、当該フィールドにおける当該単語の出現頻度を各フィールド毎の索引１０３に出力し、索引を作成しておく。ただし、この時点ではＡ版の文書データおよび、索引だけが存在し、Ｂ版の文書データおよび索引は存在していないとする。
【００３５】
図２は本発明の実施の形態１における処理の手順を示す流れ図、図３はステップ２１０の詳細な処理手順を示す流れ図、図４は文書並べ替え手段１１４の動作を説明する概念図である。 図１４に示した検索要求で、まず第１位から第１０位までの検索結果を取得する場合を考える。
【００３６】
ステップ２０１において、利用者は検索要求入力手段１０５により、図１４に示すような検索対象フィールドと単語のペアを論理演算子で結んだ検索要求文字列を入力する。
【００３７】
ステップ２０２において、版情報入力手段１０６によって使用する検索対象文書の版を指定することができるが、初回の検索では指定をしない。
【００３８】
ステップ２０２において版が指定されていないので、ステップ２０３において最新版判定手段１０４が最も新しい検索対象文書の版を「Ａ」であると判定して単語頻度算定手段１０８に出力し、自動的に最新版に対して検索を行うようにする。
【００３９】
ステップ２０４において、版情報格納手段１０７がステップ２０２またはステップ２０３で指定された版の情報「Ａ」を保存しておく。
【００４０】
ステップ２０５において、取得件数入力手段１１１により、取得する検索結果の件数「１０」を指定する。
【００４１】
ステップ２０６において、２回目以降の検索では適合度上限入力手段１１２、または適合度下限手段１１３によって適合度上限値もしくは適合度下限値を指定することができるが、初回の検索なのでどちらに対しても値を指定しない。
【００４２】
ステップ２０７において、単語頻度算定手段１０８は、検索要求入力手段１０５で入力された検索要求にしたがって、各単語が検索対象フィールドに出現する文書数、文書番号、各文書の当該フィールドにおける出現頻度の情報を図１５のように出力する。次に、全ての単語について各単語が検索対象フィールドに出現する文書数、文書番号、各文書の当該フィールドにおける出現頻度の情報を出力したか否かをチェックし、全ての単語について出力していない場合はステップ２０７にもどって処理を行なう一方、全ての単語について出力している場合は次のステップ２０８へ移行する。
【００４３】
ステップ２０８において、論理演算手段１０９は、単語頻度算定手段１０８の出力した情報に対して論理演算を施す。論理演算の結果、図１６に示すような情報が残る。
【００４４】
ステップ２０９において、論理演算手段１０９の出力した情報をもとにして、適合度算出手段１１０が、検索要求と各文書との適合度を前記式（１）によって算出する。
【００４５】
ステップ２１０において、文書並べ替え手段１１４が、適合度算出手段１１０の算出した適合度の降順に結果文書を並べ替える。
【００４６】
ここで、ステップ２１０の詳細な処理の手順を図３を用いて説明する。適合度上限、適合度下限は指定されていないのでステップ３０４ｂに進む。取得件数入力手段１０７で入力された値の数だけ用意されたバッファが一杯になっていなければ、ステップ３０７にすすみ、当該文書をバッファの適当な位置に挿入する。バッファが一杯になっている場合には、ステップ３０５ｂにすすみ、当該文書の適合度がバッファ内の最下位の文書の適合度を超えるかどうか調べ、超えない場合にはステップ２１０を抜け、超える場合にはステップ３０６ｂにおいて最下位の文書をバッファから削除したのち、ステップ３０７において当該文書をバッファの適当な位置に挿入する。
【００４７】
ステップ２０９、ステップ２１０を結果文書全てについて行えば、バッファ内に第１位から第１０位までの結果が残る。したがってステップ２１０の次に、全ての結果文書について並べ替えを行なったか否かをチェックし、全ての単語について出力していない場合はステップ２０９にもどって適合度の算出と、適合度の順に文書を並べ替える処理を行なう一方、全ての結果文書について並べ替えを行なったと判断された場合は次のステップ２１１へ移行する。
【００４８】
ステップ２１１においては、検索結果出力手段１１５がバッファの内容を出力する。
【００４９】
最後にステップ２１２において、最上位適合度格納手段１１６が出力結果の第１位の文書の適合度を、最下位適合度格納手段１１７が第１０位の文書の適合度をそれぞれ保存する。
【００５０】
続いて、第１１位から第２０位までの検索結果を取得するためにステップ２０１に戻り再度検索を実行するが、前回の検索時とは次のステップでの処理が異なる。
【００５１】
ステップ２０２において、版情報入力手段１０６に、前回、版情報格納手段１０７によって保存された版の情報「Ａ」を与える。これによって、次のステップにおいて版が指定されたか否かをチェックした場合、版が「Ａ」に指定されたと判断されるから最新版の判定（ステップ２０３）は実行されず、たとえ前回の検索時から今回の検索までの間に、新たな「Ｂ」という版の検索対象が追加されたとしても、前回と結果の整合性を保つことができる。
【００５２】
ステップ２０６において、適合度上限入力手段１１２に、前回、最下位適合度格納手段１１７によって保存された値、すなわち、第１０位の文書の適合度を与える。適合度下限入力手段１１３には値を指定しない。
【００５３】
ステップ２０９において、適合度算定手段１０８の出力する内容は、前回の検索時と全く同じはずである。
【００５４】
そこで、ステップ２１０では、その内部処理についてみると、ステップ３０２ｂにおいて、適合度上限が指定されているのでステップ３０３ｂに進む。ここで当該文書の適合度が適合度上限以上であれば、この文書の順位は第１０位以上であることがわかるのでこの文書に対する処理を終えステップ２１０を抜ける。当該文書の適合度が適合度上限未満であれば、ステップ３０４ｂにすすみ、処理を続ける。
【００５５】
このようにして、下位に隣接する一定件数の検索結果を、無駄な並べ替え処理をせず高速に取得することが可能となる。
【００５６】
同様の処理を繰り返し、第１０１位から第１１０位までの検索結果の取得が完了したとする。ここで、もう一度、第９１位から第１００位までの結果を得たいと思った場合には次のように処理を変えることで行う。
【００５７】
ステップ２０６において、適合度上限入力手段１１２には値を指定せず、適合度下限入力手段１１３に、前回、最上位適合度格納手段１１６によって保存された値、すなわち第１０１位の文書の適合度を与える。
【００５８】
ステップ２０９において、適合度算定手段１０８の出力する内容は、前回の検索時と全く同じはずである。
【００５９】
そこで、ステップ２１０では、その内部処理についてみると、ステップ３０１において、適合度下限が指定されているので、ステップ３０３ａに進み、当該文書の適合度が下限を超えているか否かをチェックする。ここで当該文書の適合度が適合度下限以下であれば、この文書の順位は第１０１位以下であることがわかるのでこの文書に対する処理を終えステップ２１０を抜ける。当該文書の適合度が適合度下限を超える場合には、ステップ３０４ａに進む。バッファが一杯になっていなければ、ステップ３０７にすすみ、当該文書をバッファの適当な位置に挿入する。バッファが一杯になっている場合には、ステップ３０５ａにすすみ、当該文書の適合度がバッファ内の最上位の文書の適合度を超えるかどうか調べ、超えている場合にはステップ２１０を抜け、超えていない場合にはステップ３０６ａにおいて最上位の文書をバッファから削除したのち、ステップ３０７において当該文書をバッファの適当な位置に挿入する。
【００６０】
ステップ２０９、ステップ２１０を結果文書全てについて行えば、バッファ内に第９１位から第１００位までの結果が残る。
以上の動作により文書の並べ替え処理が行なわれ、文書は図４に示すようにして並べ替えられる。このようにして、上位に隣接する一定件数の検索結果についても、無駄な並べ替え処理をせず効率良く取得することが可能となる。
【００６１】
（実施の形態２）
図５は本発明の実施の形態２による文書検索装置の構成を示したブロック図である。図５において、５０１は検索対象となる文書データ、５０２は文書データを走査し、各フィールドについて、単語が当該フィールドに出現する文書番号と当該単語の当該フィールドにおける出現頻度を抽出する単語頻度情報抽出手段、５０３は前記単語頻度情報抽出手段の出力した情報が格納されたフィールド毎の索引、５０４は検索要求入力手段、５０５は検索要求入力手段５０４によって入力された検索要求にしたがって検索対象フィールドにおける単語の出現頻度、出現文書数を求める仮想単語頻度算定手段、５０６は論理演算を行う論理演算手段、５０７は単語出現頻度、出現文書数から文書と検索要求との適合度を算出する適合度算出手段、５０８は取得する検索結果の順位の範囲を指定する取得順位入力手段、５０９は適合度の順に検索結果の文書を並べ替える文書並べ替え手段、５１０は検索した結果を表示する検索結果出力手段である。
【００６２】
従来の文書検索装置と異なるのは、検索要求入力手段５０４に検索対象フィールドとして、単一のフィールドだけでなく複数のフィールドを記述でき、それら複数のフィールドを仮想的につなげた、実際には索引の存在しない仮想フィールドを指定できる点と、仮想単語頻度算定手段５０５が、仮想フィールドにおける単語の出現頻度、出現文書数を、存在する索引から正確に算出するようになっている点である。
【００６３】
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。検索の前に予め単語頻度情報抽出手段５０２が文書データ５０１を走査し、各文書の各フィールドに出現する単語とその出現頻度を調べ、当該単語が出現している文書の番号と文書数、当該フィールドにおける当該単語の出現頻度を各フィールド毎の索引５０３に出力し、索引を作成しておく。
【００６４】
本実施の形態における処理の手順を図１３を用いて説明する。図１３のフロー図中、ステップ１３０１において、利用者は検索要求入力手段５０４により、検索対象フィールドと単語のペアを論理演算子で結んだ検索要求文字列を入力する。図６は見出しフィールドか本文フィールドに「松下」を含んで、本文フィールドに「新製品」を含む文書を検索する場合の、検索要求の例である。従来の文書検索装置とは異なり、検索対象フィールドとして「見出し＋本文」という見出しフィールドと本文フィールドをつなげた仮想的なフィールドの記述が可能になっている。
【００６５】
次にステップ１３０２において、利用者は取得順位入力手段５０８により、検索結果のうち取得したい順位の範囲を、例えば第１１位から第２０位までと指定する。
【００６６】
ステップ１３０３において、仮想単語頻度算定手段５０５が索引５０３を参照し、検索要求入力手段５０４によって入力された検索要求文字列中の各単語が指定された検索対象フィールドに出現するような文書の文書番号、文書数および検索対象フィールドにおける当該単語の出現頻度を算出する。図７は仮想単語頻度算出手段５０５の出力内容の例である。「本文＝新製品」に対する情報は直接本文フィールドに対する索引から求めたものであるが、「見出し＋本文＝松下」に対する情報を求める際には、見出しフィールドと本文フィールドをつなげたフィールドに対する索引は実際には存在しないので、仮想単語頻度算出手段５０５は、まず図１５のように見出しフィールド、本文フィールドを参照して各々のフィールドでの情報を得る。その後、文書番号の論理和集合を求め、その要素数を出現文書数として、各々のフィールドにおける出現頻度の和を検索対象フィールドにおける出現頻度として求める。
【００６７】
ステップ１３０４において、論理演算手段５０６が検索要求にしたがって論理演算を施し、検索結果の文書集合を決定する。図８は、論理演算手段５０６の出力例である。
【００６８】
次にステップ１３０５において、適合度算定手段５０７が式（１）によって検索結果集合中の各文書Ｄについて検索要求との適合度ＲＥＬ（Ｄ）を算出する。図９は、適合度算定手段の出力内容の例である。
【００６９】
続いてステップ１３０６において、文書並べ替え手段５０９が適合度の降順に検索結果文書を並べ替え、取得順位入力手段５０８によって指定された範囲の順位にある文書だけを出力する。
【００７０】
例えば、取得順位入力手段５０８に第１１位から第２０位までを取得するように指定した場合には、文書並べ替え手段５０９は２０文書分のバッファを用意しておき、バッファの空きが無くなるまでは無条件に当該文書をバッファに格納し、それ以外の場合は、当該文書の適合度がバッファ内の最下位文書の適合度を超える場合にだけ、最下位文書の代わりに当該文書をバッファに格納し、バッファ内の並べ替えを行う。全ての結果文書について上記操作を行った後、バッファに残っている文書の第１１位から第２０位までを出力する。
【００７１】
最後に、検索結果出力手段５１０が並べ替えられた検索結果を表示して検索が終了する。
【００７２】
このようにして、図６で示したような、より柔軟な検索要求を受け付けてランキングに反映させることが可能となる。
【００７３】
（実施の形態３）
本発明の実施の形態３による文書検索装置の構成は、図５に示したものと同様である。いま、単語頻度情報抽出手段５０２によって単一のフィールドに限らず、複数のフィールドをつなげた結合フィールドに対する索引を作成しておく。たとえば、
「見出し＋本文＝○○」
という検索要求が大半を占めるという状況であれば、検索速度の点から見出しと本文をつなげた結合フィールドに対する索引を予め作成しておく。そして記憶媒体の容量に制限があり、見出しフィールドに対する索引は作成するが、本文フィールドに対する索引は作成しない場合を考える。
【００７４】
本実施の形態における処理の手順を図１３を用いて説明する。本実施の形態における処理の手順は、ステップ１３０３における処理を除いて実施の形態２の場合と同様であり、図６と同様の検索要求を与えるとする。図１３中、ステップ１３０３において、仮想単語頻度算定手段５０５が索引５０３を参照し、検索要求入力手段５０４によって入力された検索要求文字列中の各単語が指定された検索対象フィールドに出現するような文書の文書番号、文書数および検索対象フィールドにおける当該単語の出現頻度を算出する。図１１は仮想単語頻度算出手段５０５の出力内容の例である。実施の形態２の場合とは異なり、
「本文＋見出し＝松下」
なる検索要求に対する結果は結合フィールドとして存在する索引から直接求めたものであるが、「本文＝新製品」に対する結果は本文フィールドの索引は存在しないので、仮想単語頻度算出手段５０５は、まず図１０のように本文＋見出しフィールド、見出しフィールドを参照して各々のフィールドでの情報を得る。その後、本文＋見出しフィールドにおける出現頻度と見出しフィールドにおける出現頻度の差を求めて本文フィールドにおける出現頻度を算出する。その際、出現頻度が０になった文書については削除し、残った文書の数が本文フィールドにおける出現文書数となる。
【００７５】
このようにして、様々な索引構成が可能で、より柔軟な検索要求を受け付けてランキングに反映させることが可能となる。
【００７６】
【発明の効果】
以上のように本発明によれば、検索結果を保持することなく、逐次、隣接する順位の検索結果を一定件数毎に取得する場合に、無駄な並べ替えを行わず効率良く検索が可能であって、検索対象の更新が行われた場合でも結果の整合性が損なわれない優れた文書検索装置を実現できるものである。
【００７７】
また、様々な索引構成が可能で、より柔軟な検索要求を受け付けてランキングに反映させることが可能な優れた文書検索装置を実現できるものである。
【図面の簡単な説明】
【図１】本発明の実施の形態１による文書検索装置の構成を示したブロック図
【図２】本発明の実施の形態１における文書検索処理の手順を示す流れ図
【図３】本発明の実施の形態１における文書並べ替え動作の詳細な処理手順を示す流れ図
【図４】本発明の実施の形態１における文書並べ替え手段の動作の概念図
【図５】本発明の実施の形態２による文書検索装置の構成を示したブロック図
【図６】本発明の実施の形態１における検索要求の例を示す図
【図７】本発明の実施の形態２における仮想単語頻度算出手段の出力内容の例を示す図
【図８】本発明の実施の形態２における論理演算手段の出力例を示す図
【図９】本発明の実施の形態２における適合度算定手段の出力内容の例を示す図
【図１０】本発明の実施の形態３における仮想単語頻度算出手段の中間処理内容の例を示す図
【図１１】本発明の実施の形態３における仮想単語頻度算出手段の出力内容の例を示す図
【図１２】従来の文書検索装置の構成を示したブロック図
【図１３】従来の文書検索装置における処理の手順を示した流れ図
【図１４】検索要求の例
【図１５】従来の文書検索装置における単語頻度算定手段の出力内容の例を示す図
【図１６】従来の文書検索装置における論理演算手段のの出力内容の例を示す図
【図１７】従来の文書検索装置における適合度算定手段の出力内容の例を示す図
【図１８】従来の文書検索装置における並べ替え処理の概念図
【符号の説明】
１０１ 文書データ
１０２ 単語頻度情報抽出手段
１０３ 索引
１０４ 最新版判定手段
１０５ 検索要求入力手段
１０６ 版情報入力手段
１０７ 版情報格納手段
１０８ 単語頻度算定手段
１０９ 論理演算手段
１１０ 適合度算定手段
１１１ 取得件数入力手段
１１２ 適合度上限入力手段
１１３ 適合度下限入力手段
１１４ 文書並べ替え手段
１１５ 結果出力手段
１１６ 最上位適合度格納手段
１１７ 最下位適合度格納手段
５０１ 文書データ
５０２ 単語頻度情報抽出手段
５０３ 索引
５０４ 検索要求入力手段
５０５ 仮想単語頻度算定手段
５０６ 論理演算手段
５０７ 適合度算定手段
５０８ 取得順位入力手段
５０９ 文書並べ替え手段
５１０ 検索結果出力手段
１２０１ 文書データ
１２０２ 単語頻度情報抽出手段
１２０３ 索引
１２０４ 検索要求入力手段
１２０５ 単語頻度算定手段
１２０６ 論理演算手段
１２０７ 適合度算定手段
１２０８ 取得順位入力手段
１２０９ 文書並べ替え手段
１２１０ 検索結果出力手段
Claims (3)
- 利用者からの検索対象の単語を含む検索要求を受け付ける検索要求入力手段と、前記検索要求と検索対象文書内の単語との適合度を各文書について算出する適合度算出手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に上限値を指定する適合度上限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度算出手段によって算出された適合度が前記適合度上限入力手段で指定された適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の高い文書群だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、前記文書並べ替え手段によって並べ替えられた文書群と適合度とを検索結果として出力する検索結果出力手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備え、
全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、直前の検索で前記最下位適合度格納手段によって格納された値を前記適合度上限入力手段に与え、前記適合度上限入力手段によって入力された適合度上限以上の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ下位にランクされる一定件数の検索結果を取得できるようにしたことを特徴とする文書検索装置。 - 利用者からの検索対象の単語を含む検索要求を受け付ける検索要求入力手段と、前記検索要求と検索対象文書内の単語との適合度を各文書について算出する適合度算出手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に上限値を指定する適合度上限入力手段と、文書並べ替え手段によって並べ替えられた文書群の適合度を基に下限値を指定する適合度下限入力手段と、取得したい結果件数を指定する取得件数入力手段と、前記適合度上限入力手段で適合度上限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度上限値未満であって、かつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の高い文書群だけを対象にして適合度の降順に並べ替え、前記適合度下限入力手段で適合度下限値が指定された場合には前記適合度算出手段によって算出された適合度が前記適合度下限値を超えるものであってかつ前記取得件数入力手段によって指定された取得件数を超えない数の適合度の低い文書群だけを対象にして適合度の降順に並べ替える文書並べ替え手段と、前記文書並べ替え手段によって並べ替えられた文書群と適合度とを検索結果として出力する検索結果出力手段と、前記検索結果出力手段の出力から結果における最上位文書の適合度を格納する最上位適合度格納手段と、前記検索結果出力手段の出力から結果における最下位文書の適合度を格納する最下位適合度格納手段とを備え、
全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、直前の検索で前記最下位適合度格納手段によって格納された値を前記適合度上限入力手段に与え、前記適合度上限入力手段によって入力された適合度上限以上の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ下位にランクされる一定件数の検索結果を取得できるようにするとともに、直前の検索で前記最上位適合度格納手段によって格納された値を前記適合度下限入力手段に与え、前記適合度下限入力手段によって入力された適合度下限以下の適合度を持つ文書を、前記文書並べ替え手段が並べ替えの対象としないことにより、無駄な並べ替えを行わなくて済み、直前に取得した検索結果の直ぐ上位にランクされる一定件数の検索結果を取得できるようにしたことを特徴とする文書検索装置。 - 文書検索装置は、検索対象文書としてそれぞれある特定の文書群からなる複数の版を持ち、利用可能な最新の版を判定するための最新版判定手段と、検索に使用する版を指定する版情報入力手段と、実際に検索に使用した版の情報を格納するための版情報格納手段とを備え、
全検索結果をバッファ等の記憶手段に保持することなく、逐次的に一定件数毎の検索結果を取得する場合に、初回検索時には前記最新版判定手段によって特定された最新版の検索対象文書として前記適合度算出手段が前記検索要求と前記各文書との適合度を算出し、以降の直前に取得した検索結果の直ぐ上位もしくは下位にランクされる一定件数の検索結果取得時には、直前の検索結果取得時に前記版情報格納手段によって格納された版情報を前記版情報入力手段に与え、前記版情報入力手段によって指定された版を検索対象文書として前記適合度算出手段が前記検索要求と前記各文書との適合度を算出することにより、直前の検索結果取得から次の検索結果取得までの間に、検索対象文書の更新が行われ新たな版が追加された場合でも、検索結果の整合性が損なわれないようにしたことを特徴とする、請求項１もしくは２に記載の文書検索装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10032898A JP3664874B2 (ja) | 1998-03-28 | 1998-03-28 | 文書検索装置 |
| US09/277,197 US6298344B1 (en) | 1998-03-28 | 1999-03-26 | Document searching apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10032898A JP3664874B2 (ja) | 1998-03-28 | 1998-03-28 | 文書検索装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11282876A JPH11282876A (ja) | 1999-10-15 |
| JP3664874B2 true JP3664874B2 (ja) | 2005-06-29 |
Family
ID=14271103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10032898A Expired - Lifetime JP3664874B2 (ja) | 1998-03-28 | 1998-03-28 | 文書検索装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6298344B1 (ja) |
| JP (1) | JP3664874B2 (ja) |
Families Citing this family (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6701310B1 (en) * | 1999-11-22 | 2004-03-02 | Nec Corporation | Information search device and information search method using topic-centric query routing |
| US7428500B1 (en) | 2000-03-30 | 2008-09-23 | Amazon. Com, Inc. | Automatically identifying similar purchasing opportunities |
| US6990631B2 (en) * | 2000-07-14 | 2006-01-24 | Ricoh Company, Ltd. | Document management apparatus, related document extracting method, and document processing assist method |
| AU2002239297A1 (en) * | 2000-11-16 | 2002-06-03 | Mydtv, Inc. | System and methods for determining the desirability of video programming events |
| US7188106B2 (en) * | 2001-05-01 | 2007-03-06 | International Business Machines Corporation | System and method for aggregating ranking results from various sources to improve the results of web searching |
| JP3702268B2 (ja) * | 2002-11-29 | 2005-10-05 | 株式会社東芝 | 情報検索システム、情報検索方法およびプログラム |
| US7599914B2 (en) | 2004-07-26 | 2009-10-06 | Google Inc. | Phrase-based searching in an information retrieval system |
| US7567959B2 (en) | 2004-07-26 | 2009-07-28 | Google Inc. | Multiple index based information retrieval system |
| US7584175B2 (en) | 2004-07-26 | 2009-09-01 | Google Inc. | Phrase-based generation of document descriptions |
| US7580929B2 (en) * | 2004-07-26 | 2009-08-25 | Google Inc. | Phrase-based personalization of searches in an information retrieval system |
| US7536408B2 (en) | 2004-07-26 | 2009-05-19 | Google Inc. | Phrase-based indexing in an information retrieval system |
| US7711679B2 (en) | 2004-07-26 | 2010-05-04 | Google Inc. | Phrase-based detection of duplicate documents in an information retrieval system |
| US7702618B1 (en) | 2004-07-26 | 2010-04-20 | Google Inc. | Information retrieval system for archiving multiple document versions |
| US7580921B2 (en) | 2004-07-26 | 2009-08-25 | Google Inc. | Phrase identification in an information retrieval system |
| JP4887620B2 (ja) * | 2004-12-10 | 2012-02-29 | 富士ゼロックス株式会社 | 文書検索装置および方法 |
| JP4839706B2 (ja) * | 2005-07-12 | 2011-12-21 | 株式会社日立製作所 | データベース管理システムのインデックス運用方法 |
| KR100837751B1 (ko) * | 2006-12-12 | 2008-06-13 | 엔에이치엔(주) | 문서 집합을 기반으로 단어 간의 연관도를 측정하는 방법및 상기 방법을 수행하는 시스템 |
| US7693813B1 (en) | 2007-03-30 | 2010-04-06 | Google Inc. | Index server architecture using tiered and sharded phrase posting lists |
| US8086594B1 (en) | 2007-03-30 | 2011-12-27 | Google Inc. | Bifurcated document relevance scoring |
| US7702614B1 (en) | 2007-03-30 | 2010-04-20 | Google Inc. | Index updating using segment swapping |
| US8166021B1 (en) | 2007-03-30 | 2012-04-24 | Google Inc. | Query phrasification |
| US7925655B1 (en) | 2007-03-30 | 2011-04-12 | Google Inc. | Query scheduling using hierarchical tiers of index servers |
| US8166045B1 (en) | 2007-03-30 | 2012-04-24 | Google Inc. | Phrase extraction using subphrase scoring |
| US8117223B2 (en) | 2007-09-07 | 2012-02-14 | Google Inc. | Integrating external related phrase information into a phrase-based indexing information retrieval system |
| US8042053B2 (en) * | 2007-09-24 | 2011-10-18 | Microsoft Corporation | Method for making digital documents browseable |
| US8166041B2 (en) | 2008-06-13 | 2012-04-24 | Microsoft Corporation | Search index format optimizations |
| JP5022319B2 (ja) * | 2008-08-04 | 2012-09-12 | 日本電信電話株式会社 | テキストマイニング装置、方法、プログラム及びその記録媒体 |
| US8744135B2 (en) * | 2008-09-16 | 2014-06-03 | Kendyl A. Román | Methods and data structures for multiple combined improved searchable formatted documents including citation and corpus generation |
| US9904681B2 (en) | 2009-01-12 | 2018-02-27 | Sri International | Method and apparatus for assembling a set of documents related to a triggering item |
| US20100180200A1 (en) * | 2009-01-12 | 2010-07-15 | Thierry Donneau-Golencer | Electronic assistant |
| US9195640B1 (en) | 2009-01-12 | 2015-11-24 | Sri International | Method and system for finding content having a desired similarity |
| US9501506B1 (en) | 2013-03-15 | 2016-11-22 | Google Inc. | Indexing system |
| US9483568B1 (en) | 2013-06-05 | 2016-11-01 | Google Inc. | Indexing system |
| JP2016018279A (ja) * | 2014-07-04 | 2016-02-01 | 富士通株式会社 | 文書ファイル検索プログラム、文書ファイル検索装置、文書ファイル検索方法、文書情報出力プログラム、文書情報出力装置及び文書情報出力方法 |
| CN105701120B (zh) | 2014-11-28 | 2019-05-03 | 华为技术有限公司 | 确定语义匹配度的方法和装置 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5576954A (en) * | 1993-11-05 | 1996-11-19 | University Of Central Florida | Process for determination of text relevancy |
| US5692176A (en) * | 1993-11-22 | 1997-11-25 | Reed Elsevier Inc. | Associative text search and retrieval system |
| US5515488A (en) * | 1994-08-30 | 1996-05-07 | Xerox Corporation | Method and apparatus for concurrent graphical visualization of a database search and its search history |
| US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
| US5642502A (en) * | 1994-12-06 | 1997-06-24 | University Of Central Florida | Method and system for searching for relevant documents from a text database collection, using statistical ranking, relevancy feedback and small pieces of text |
| JPH08314950A (ja) * | 1995-05-12 | 1996-11-29 | Fujitsu Ltd | テキストの検索方法及び装置 |
| US6067552A (en) * | 1995-08-21 | 2000-05-23 | Cnet, Inc. | User interface system and method for browsing a hypertext database |
| US5802518A (en) * | 1996-06-04 | 1998-09-01 | Multex Systems, Inc. | Information delivery system and method |
| EP0822502A1 (en) * | 1996-07-31 | 1998-02-04 | BRITISH TELECOMMUNICATIONS public limited company | Data access system |
| EP0883069A1 (en) * | 1997-06-06 | 1998-12-09 | Matsushita Electric Industrial Co., Ltd. | A retrieval menu creation device and method, and a recording medium storing a retrieval menu creation program |
| JP3607462B2 (ja) * | 1997-07-02 | 2005-01-05 | 松下電器産業株式会社 | 関連キーワード自動抽出装置及びこれを用いた文書検索システム |
| JPH1125107A (ja) * | 1997-07-02 | 1999-01-29 | Omron Corp | データベース検索方法および装置 |
| US5933822A (en) * | 1997-07-22 | 1999-08-03 | Microsoft Corporation | Apparatus and methods for an information retrieval system that employs natural language processing of search results to improve overall precision |
| US6041326A (en) * | 1997-11-14 | 2000-03-21 | International Business Machines Corporation | Method and system in a computer network for an intelligent search engine |
-
1998
- 1998-03-28 JP JP10032898A patent/JP3664874B2/ja not_active Expired - Lifetime
-
1999
- 1999-03-26 US US09/277,197 patent/US6298344B1/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11282876A (ja) | 1999-10-15 |
| US6298344B1 (en) | 2001-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3664874B2 (ja) | 文書検索装置 | |
| US5926808A (en) | Displaying portions of text from multiple documents over multiple databases related to a search query in a computer network | |
| US6701310B1 (en) | Information search device and information search method using topic-centric query routing | |
| US6665665B1 (en) | Compressed document surrogates | |
| US6654742B1 (en) | Method and system for document collection final search result by arithmetical operations between search results sorted by multiple ranking metrics | |
| US8862565B1 (en) | Techniques for web site integration | |
| KR101301380B1 (ko) | 네트워크 상에서의 문서의 바이어스된 클릭 거리를사용하는 순위 함수 | |
| US6741985B2 (en) | Document retrieval system and search method using word set and character look-up tables | |
| Crauser et al. | A theoretical and experimental study on the construction of suffix arrays in external memory | |
| US20020069190A1 (en) | Method and system of weighted context feedback for result improvement in information retrieval | |
| EP1826692A2 (en) | Query correction using indexed content on a desktop indexer program. | |
| JPH11120203A (ja) | データベースを合併する方法およびデータベースからドキュメントを検索する装置 | |
| US5893094A (en) | Method and apparatus using run length encoding to evaluate a database | |
| US6622139B1 (en) | Information retrieval apparatus and computer-readable recording medium having information retrieval program recorded therein | |
| WO2008106670A1 (en) | Efficient retrieval algorithm by query term discrimination | |
| CN106503195A (zh) | 一种基于搜索引擎的翻译词库检索方法及系统 | |
| CN111400323A (zh) | 数据检索方法、系统、设备及存储介质 | |
| CN117171331B (zh) | 基于大型语言模型的专业领域信息交互方法、装置及设备 | |
| JP2007034772A (ja) | Ｗｅｂサイト検索結果の最適表示システム及びその装置及びその方法及びそのプログラム | |
| JPH08263514A (ja) | 文書の自動分類方法、および情報空間の可視化方法、ならびに情報検索システム | |
| US7474807B2 (en) | System and method for generating usable images | |
| JPH064584A (ja) | 文章検索装置 | |
| US20050071333A1 (en) | Method for determining synthetic term senses using reference text | |
| EP2577495A1 (en) | Searching using taxonomy | |
| EP1170677B1 (en) | Method and system of weighted context feedback for result improvement in information retrieval |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040302 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040422 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040601 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050118 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050304 |
|
| 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: 20050329 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050330 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080408 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090408 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100408 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110408 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120408 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130408 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130408 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140408 Year of fee payment: 9 |
|
| EXPY | Cancellation because of completion of term |