JP3930168B2

JP3930168B2 - 文書検索方法、装置および文書検索プログラムを記録した記録媒体

Info

Publication number: JP3930168B2
Application number: JP32224598A
Authority: JP
Inventors: 恵石井; 一成渡辺
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1998-11-12
Filing date: 1998-11-12
Publication date: 2007-06-13
Anticipated expiration: 2018-11-12
Also published as: JP2000148780A

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する。
【０００２】
【従来の技術】
従来、文書検索装置としては、文書毎に付与されたキーワードを利用するキーワード検索手法や、人手によるキーワード付けの作業を必要とせず、ユーザが見つけたい文字列を構成要素とする検索式（ＡＮＤ，ＯＲ，ＮＯＴなどの論理演算子を用いた論理式）を構成し、その検索式に基づき文書全文の文字列照合を行う全文検索手法、また、ユーザの検索式を文章表現で与え、検索対象の文書とユーザの入力した文章とを互いに多次元の特徴ベクトルとして表現し、それらのベクトルの間の距離によって類似度を計算して、質問文に類似した文書ほど検索結果の上位に出力するベクトル空間法を用いる装置が一般的であった。
【０００３】
【発明が解決しようとする課題】
前記の手法を用いた装置では、大量の検索結果が出力された場合、ユーザはそれらの検索結果の中から所望の文書を探し出すためには、キーワードの追加などを行い、検索結果を絞り込む必要がある。この際、追加するキーワードはユーザが考え出さなければならず、ユーザにとって大きな負担となるという問題を有していた。また、キーボード操作に不慣れな初心者にとっては、絞り込み検索のためのキーワードをキーボードを打ってい入力することも負担となる。
【０００４】
本発明の目的は、検索結果を取り込むためのキーボードの入力の負荷が少なくユーザが検索を行える文書検索方法、装置および文書検索プログラムとを記録した記録媒体を提供することにある。
【０００５】
【課題を解決するための手段】
本発明の文書検索方法は、文字列単位抽出手段、絞り込み文字列単位抽出手段、入力解析手段、検索手段、絞り込み文字列候補決定手段、絞り込み文字列選択手段、絞り込み単位格納手段、入力文字列集合格納手段を有する文書検索装置が行う文書検索方法であって、
前記文字列単位抽出手段が、文書格納手段に格納されたそれぞれの文書について、所定の長さ以上で、所定の出現回数以上で部分的に重複のない文字列とその出現回数を抽出する段階と、
前記絞り込み文字列単位抽出手段が、各文書毎に前記文字列単位抽出手段で生成された文字列のうち、所定の出現回数以上で所定の文字列長以上の文字列を抽出し、文書の識別番号と共に抽出された文字列とその出現回数を前記絞り込み単位格納手段に格納する段階と、
前記入力解析手段が、ユーザによって指定された検索用文字列から検索式を生成し、生成された検索式に含まれるキーワードを前記入力文字列集合格納手段に格納する段階と、
前記検索手段が、前記生成された検索式に従い、前記文書格納手段に格納された文書の検索を行う段階と、
前記絞り込み文字列候補決定手段が、前記入力文字列集合格納手段に格納されたキーワードを含み、かつ該キーワードより長さが長い文字列を前記絞り込み単位格納手段から抽出し、前記絞り込み文字列選択手段に送信する段階と、
前記絞り込み文字列選択手段が、前記生成された絞り込み文字列をユーザに提示し、提示した文字列をユーザに選択可能とする段階と、
を有する。
【０００８】
本発明は、検索結果をユーザに出力する際、検索結果に含まれる文書からユーザが入力した単語を含み、かつ入力された単語より長さが長く、かつユーザに文書の内容を連想しやすい文字列を生成する絞り込み文字列生成手段により生成された絞り込み文字列を、絞り込み文字列選択手段を利用してユーザに提示し、ユーザに所望の情報を表す文字列を選択させ、絞り込み文字列を生成する際利用した前検索結果に含まれる文書集合からユーザから選択された文字列を含む文書を絞り込み検索手段を利用することによって検索し、ユーザの所望する文書に絞り込まれた検索結果を出力することにより、検索結果を絞り込むためのキーワードの入力の負荷が少なくユーザが検索を行える文書検索装置を実現する。
【０００９】
【発明の実施の形態】
次に、本発明の実施の形態について図面を参照して説明する。
【００１０】
図１を参照すると、本発明の第１の実施形態の文書検索装置は文書格納部１１と入出力部１２と入力解析部１３と全文検索部１４と絞り込み検索部１５と絞り込み文字列生成部１６で構成されている。
【００１１】
文書格納部１１は検索対象文書を格納する。
【００１２】
入出力部１２は、ユーザから入力を受け付け、また検索結果をユーザへ出力する。入出力部１２は例えばディスプレイとキーボードやマウスの利用により実現できる。
【００１３】
入力解析部１３は、入出力部１２にユーザが入力した、キーワードと論理演算を指定する文字列から、キーワードの論理式として表現される検索式を生成する。
【００１４】
全文検索部１４は、入力解析部１３によって生成された検索式にしたがい、文書格納部１１に格納された文書について全文検索を行い、検索式に適合する文書集合を出力する。
【００１５】
絞り込み検索部１５は、全文検索部１４が前回出力した検索結果を格納する前検索結果格納部１５ａと、全文検索部１４から出力された文書集合と前検索結果格納部１５ａに格納されている文書集合に共通する文書の集合を出力する検索結果絞り込み部１５ｂから構成され、全文検索部１４が前回出力した文書集合から後述する絞り込み文字列選択部１２ａによってユーザから選択された文字列を含む文書の検索を行い、入出力部１２に絞り込んだ検索結果を出力する。
【００１６】
絞り込み文字列生成部１６は、文書検索格納部１１に格納されている文書から、ユーザに文書の内容を連想しやすい文字列を生成し、その文字列が各文書に出現する回数を算出する文字列単位抽出部１６ａと、各文書毎に、文字列単位抽出部１６ａで生成された文字列のうち、その文書の内容をよく表しているものを求める絞り込み文字列単位抽出部１６ｂと、各文書毎に絞り込み文字列単位抽出部１６ｂによって求められた文字列および文字列単位抽出部１６ａで算出されたその文字列がその文書に出現する回数情報を格納する絞り込み単位格納部１６ｃと、入力解析部１３が生成した検索式に含まれるキーワードの集合を格納する入力文字列集合格納部１６ｄと、検索結果絞り込み部１５ｂから出力された文書集合情報と入力文字列集合格納部１６ｄの情報と絞り込み単位格納部１６ｃの情報を用いて、検索のための絞り込みのための文字列としてユーザに提示する文字列の集合を決定する絞り込み文字列候補決定部１６ｅから構成され、全文検索部１４が出力した文書集合からユーザが入力したキーワードを含み、かつこのキーワードより長さが長く、かつユーザに文書の内容を連想しやすい文字列を生成する。
【００１７】
絞り込み文字列選択部１２ａは、絞り込み文字列候補決定部１６ｅによって生成された文字列の集合をユーザに提示し、提示した文字列をユーザが選択できる機能を有する。絞り込み文字列選択部１２ａとして、例えばディスプレイとキーボードやマウスの利用が可能である。
【００１８】
次に、本文書検索装置の動作を図２のフローチャートにより、表１は、文書格納部１１に格納される情報の例である。
【００１９】
【表１】

文字列単位抽出部１６ａは、任意の長さ以上で、任意の出現回数以上の文字列を最長一致の原則で抽出するアルゴリズムを用いて文書検索格納部１１に格納されている文書から、ユーザに文書の内容を連想しやすい文字列を生成し、その文字列が各文書に出現する回数を算出する。この際、ユーザに文書の内容を連想しやすい文字列が生成されるようにするため、断片的な文字列でなく言語の共起表現を抽出する特徴をもつものを利用する。例えば、任意の長さ以上で、任意の出現回数以上の部分的に重複のない文字列を抽出する「大規模日本語コーパスからの連鎖型および離散型の共起表現の自動抽出手法」の利用が可能である。前記「大規模日本語コーパスからの連鎖型および離散型の共起表現の自動抽出手法」については、情報処理学会論文誌Vol.36 No.11 pp.2548-2596 (1995)を参照されたい。表１の文書に対して、前記「大規模日本語コーパスからの連鎖型および離散型の共起表現の自動抽出手法」を適用し、抽出された部分的に重複のない文字列とその出現回数に関する情報を各文書１，２，６０，９９毎に表２に示す。
【００２０】
【表２】

絞り込み文字列単位抽出部１６ｂは、各文書毎に文字列単位抽出部１６ａで生成された文字列のうち、その文書の内容をよく表しているものを求め、絞り込み単位格納部１６ｃに格納する。文書の内容をよく表す文字列の選出は絞り込み文字列単位抽出部１６ｂによって抽出された文字列の中から、例えば出現回数がある回数以上であり、文字列の長さが２以上の文字列のみを各文書毎に残すことにより可能である。ここでは、出現回数が２以上のものを残すこととする。
【００２１】
絞り込み単位格納部１６ｃに格納される情報の例を表３に示す。
【００２２】
【表３】

今、ユーザが家にある空き瓶や空き缶の処分に困っているとする。空き瓶や空き缶を役立てる方法を探すため、入出力部１２に「リサイクル」と入力したとする（ステップ２１）。ここで、入力解析部１３は、検索式として例えばａｎｄ（リサイクル）を生成したとする（ステップ２２）。今、検索は初期検索であるため、入力解析部１３は前検索結果格納部１５ａを初期化する。図３に初期化された前検索結果格納部１５ａの例を示す。｛＊｝は前検索結果格納部１５ａが初期化状態にあることを示す。また入力解析部１３は生成された検索式に含まれるキーワードの場合｛リサイクル｝を入力文字列集合格納部１６ｄに格納する。
【００２３】
全文検索部１４は前記生成された検索式ａｎｄ（リサイクル）にしたがい、文書格納部１１を検索し、文書格納部１１に格納されている文書の中から、「リサイクル」を含む文書番号の集合を作成し、検索結果絞り込み部１５ｂに送信する（ステップ２３）。図４に送信されるデータの例を示す。今、文番号１，２の他に「リサイクル」を含む文書が３００件あると仮定する。
【００２４】
検索結果絞り込み部１５ｂは前検索結果格納部１５ａを参照し、共通する文書の集合を求め、前検索結果格納部１５ａの内容を求めた集合に書き換える（ステップ２４）。前検索結果格納部１５ａが初期状態にある場合は求められる文書集合は全文検索部１４が出力した文書集合となる。そして、求めた文書集合を入出力部１２および絞り込み文字列候補決定部１６ｅに送信する。
【００２５】
絞り込み文字列候補決定部１６ｅは、入力文字列集合格納部１６ｄに格納されている「リサイクル」を部分文字列に含み、かつ「リサイクル」より長さが長い文字列を絞り込み単位格納部１６ｃから抽出し、絞り込み文字列選択部１２ａに送信する（ステップ２５）。この際、絞り込み文字列候補決定部１６ｅは、絞り込み単位格納部１６ｃに格納されている情報から抽出した文字列に対して、各文書における出現頻度、文字列に含まれるユーザが入力したキーワードの数などに基づいて、順位づけを行い、順位の高い方から予め決められた数だけ絞り込み用の文字列を送信してもよい。また、絞り込み文字列候補決定部１６ｅは抽出される文字列が存在しない場合は検索処理を終了させる（ステップ２６）。この際、入出力部１２には検索結果絞り込み部１５から送信された文書集合を表示する。
【００２６】
絞り込み文字列選択部１２ａは、絞り込み文字列候補決定部１６ｅから送信された文字列の集合をユーザに提示する（ステップ２７）。また、入出力部１２は検索結果絞り込み部１５ｂから送信された文書集合を表示する。図５にこのときの入出力部１２および絞り込み文字列選択部１２ａの例を示す。
【００２７】
この場合、検索結果が多いので、ユーザは検索結果をさらに絞り込む必要がある。ここで、ユーザは絞り込み文字列選択部１２ａに提示されている文字列の中から自分が知りたい情報に関係ありそうであると思われる文字列を絞り込みのキーワードとして選択することにより、絞り込みキーワードを自分で考える負担が少なくなるのは明らかである。また、文字列をマウスなどを用いて選択することにより、キーワードをキーボードを打って入力する必要はなく、入力の負荷が軽減されることは明らかである。
【００２８】
今、ユーザが家にある空き瓶や空き缶の処分に関係ありそうに思われる文字列「アルミ缶のリサイクル」を絞り込み選択部１２ａを通じて選択したとする（ステップ２８）。
【００２９】
入力解析部１３は、絞り込み選択部１２ａから送信された文字列「アルミ缶のリサイクル」から検索式として“ａｎｄ（アルミ缶のリサイクル）”を生成する（ステップ２２）。そして、｛アルミ缶のリサイクル｝をキーワードとして入力文字列集合格納部１６ｄに格納する。
【００３０】
全文検索部１４は文書格納部１７に格納されている文書の中から、「アルミ缶のリサイクル」を含む文書番号の集合を作成し、検索結果絞り込み部１５ｂに送信する（ステップ２３）。図６に送信されるデータの例を示す。この例では、「アルミ缶のリサイクル」を含む文書は文番号２と文番号９９にあることがわかる。
【００３１】
検索結果絞り込み部１５ｂは前検索結果格納部１５ａを参照し、共通する文書の集合｛２，９９｝を求め、前検索結果格納部１５ａの内容を求めた集合に書き換え、求めた文書集合を絞り込み文字列候補決定部１６ｅに送信する（ステップ２４）。
【００３２】
絞り込み文字列候補決定部１６ｅは、入力文字列集合格納部１６ｄに格納されている“アルミ缶のリサイクル”より長い文字列を絞り込み単位格納部１６ｃから探し、絞り込み文字列選択部１２ａに送信する（ステップ２４）。
【００３３】
絞り込み文字列選択部１２ａは、絞り込み文字列候補決定部１６ｅから送信された文字列の集合をユーザに提示する（ステップ２６）。また、入出力部１２は検索結果絞り込み部１５ｂから送信された文書集合を表示する。図７にこのときの入出力部１２および絞り込み文字列選択部１２ａの例を示す。以上より、少ない入力負荷で検索結果の取り込みが可能であることは明らかである。
【００３４】
図８を参照すると、本発明の第２の実施形態の文書検索装置は文書格納部３１と入出力部３２と入力解析部３３と単語頻度算出部３４と単語頻度情報格納部３５と入力単語情報格納部３６と文書順位決定部３７と絞り込み検索部３８と絞り込み文字列生成部３９で構成されている。
【００３５】
次に、本実施形態の動作を図１０のフローチャートを参照して説明する。
【００３６】
文書格納部３１は検索対象文書を格納する。単語頻度算出部３４は形態素解析などを行い、文書格納部３１に格納されている各文書を単語列に分割し、各文書に各単語がどれだけの頻度で出現するかを計算し、結果を単語頻度情報格納部３５に記録する（ステップ４０，４１）。表４に単語頻度情報格納部３５に格納される単語頻度情報の例を示す。
【００３７】
【表４】

入出力部３２は、ユーザから入力を受け付ける（ステップ４２）。入出力部３２は例えばディスプレイとキーボードやマウスにより実現できる。
【００３８】
入力解析部３３は、入出力部３２にユーザが入力した入力文を必要であれば形態素解析などを行い単語列に分割し、検索対象となる単語を抽出し、各単語の重要度を示す重みを計算する（ステップ４３）。単語の重みは、通常は入力文中のその単語の出現頻度などに基づき計算される。図９に入力文の例を示す。入力解析部３３の出力は入力単語情報格納部３６に格納される（ステップ４４）。表５に格納される情報の例を示す。
【００３９】
【表５】

次に、文書順位決定部３７は、入力単語情報格納部３６に格納されている情報と単語頻度情報格納部３５に格納されている各検索対象文書の単語頻度情報と比較して、文書の順位を決定する（ステップ４５）。その際、各文書に出現する各単語の重みを計算して、各文書の各単語とその重みの組からなる多次元ベクトルとして表現し、入力単語情報格納部３６に格納されている情報に対しても、同様に同次元のベクトルとして表現し、それらのベクトルの内積やベクトルのなす角度を計算して順位付けを行った文書集合を出力する。各文書に出現する各単語の重みの計算には、その文書中に出現頻度が大きい単語ほど重く、また、出現する文書数の少ない単語ほど重くなるような評価関数が用いられることが多い。
【００４０】
検索結果絞り込み部３８ａは、文書順位決定部３７により出力された文書順位情報を含む文書集合と、前検索結果格納部３８ｂに格納されている文書集合に共通して含まれる文書から構成される共通文書集合を求め、共通文書集合を入出力部３２および絞り込み文字列候補決定部３９ａへ送信し、また、前検索結果格納部３８ｂの情報を求めた共通集合に更新する（ステップ４６）。なお、前検索結果格納部３８ｂは、初期検索において第１の実施形態と同様に初期化されている。
【００４１】
絞り込み文字列候補決定部３９ａは、入力単語情報格納部３６に格納されている入力文を構成する単語集合情報と検索結果絞り込み部３８ａから出力される文書集合情報および絞り込み単位格納部３９ｂに格納されている文字列情報から、ユーザに提示する絞り込み文字列を決定し、絞り込み文字列選択部３２ａへ出力する（ステップ４７）。なお、文字列単位抽出部３９ｄの実現法および絞り込み文字列単位抽出部３９ｃの実現法、絞り込み要素格納部３９ｂに格納される情報の構造は第１の実施形態の各々と同様のものを利用可能である。また、絞り込み文字列候補決定部３９ａは、ユーザに提示する絞り込み文字列が存在しない場合は、検索処理を終了させる（ステップ４８）。この際入出力部３２は、検索結果絞り込み部３８ａから送信された文書集合を提示する。
【００４２】
絞り込み文字列選択部３２ａは、絞り込み文字列候補決定部３９ａから送信された文字列の集合をユーザに提示する（ステップ４９）。また、入出力部３２は検索結果絞り込み部３８ａから送信された文書集合を表示する。
【００４３】
ユーザは絞り込み文字列選択部３２ａを通じて絞り込みの文字列を選択する（ステップ５０）。入力解析部３３は入力単語情報格納部３６を絞り込み文字列選択部３２ａからの出力に更新する。
【００４４】
検索結果絞り込み部３８ａは入力単語情報格納部３６を参照し、ユーザの選択した文字列情報が登録されている文書の集合を、絞り込み単位格納部３９ｂを参照することにより生成する（ステップ５Ａ）。そして前検索結果格納部３８ｂに格納されている文書集合と、前記生成した文書集合の共通文書集合を求めることにより、前の検索結果をユーザが選択した文字列で絞り込み、その絞り込まれた検索結果を入出力部３２へ出力するとともに、前検索結果格納部３８ｂの情報を前記求めた共通文書集合に更新する（ステップ４６）。そして絞り込み文字列候補決定部３９ａへ前記生成した共通文書集合を出力する。共通文書集合中の文書の順位に関しては、前の検索結果中の順序関係を反映したものやユーザが選択した絞り込み文字列の出現頻度を求めることにより、ユーザが選択した絞り込み文字列の出現頻度の大きいものほど高い順位とする順序を与えることも可能である。
【００４５】
絞り込み文字列候補決定部３９ａ、検索結果絞り込み部３８ａから前記出力された文書集合と入力単語情報格納部３６の情報および絞り込み単位格納部３９ｂの情報を用いて、絞り込み検索用の文字列を決定し、絞り込み文字列選択部３２ａに出力する（ステップ５０）。
【００４６】
図１１を参照すると、本発明の第３の実施形態の文書検索装置は文書格納部５１と入出力部５２と入力解析部５３と単語頻度算出部５４と単語頻度情報格納部５５と入力単語情報格納部５６と文書順位決定部５７と絞り込み検索部５８と絞り込み文字列生成部５９と全文検索部６０で構成されている。本実施形態の各構成要素は第２の実施形態の参照番号の１位の桁が同じ番号のものと対応している。
【００４７】
本実施形態は、第２の実施形態の構成と、ユーザが入力した文から抽出された単語から構成される論理式表現の検索式を生成する機能を有する入力解析部５３を有すること、全文検索部６０が前記生成された検索式にしたがい文書格納部５１を検索し、検索式に適合した文書集合を文書順位決定部５７に出力すること、文書順位決定部５７が全文検索部６０から出力された文書に対してのみ順位づけを行うことを除いて同じである。
【００４８】
次に、本実施形態の動作を図１２のフローチャートを参照して説明する。
【００４９】
まず、ユーザが入出力部５２に文字列を入力する（ステップ６０）。入力解析部５３はユーザが入力した文字列から抽出された単語を用いた論理式として表現される検索式の生成、および単語とその頻度の抽出を行い、抽出されたユーザが入力した文字列中の単語およびその頻度を入力単語情報格納部５６に格納する（ステップ６１，６２）。全文検索部６０は、前記生成された論理式表現の検索式にしたがい、文書格納部５１に格納されている文書について全文検索を行う（ステップ６３）。単語頻度算出部５４は、文書格納部５１に格納されている各文書に出現する単語頻度を求め、求められた単語頻度を各文書毎に単語頻度情報格納部５５に格納する（ステップ６４）。文書順位決定部５７は単語頻度情報格納部５５の情報と入力単語情報格納部５６の情報を用いて、全文検索部６０から出力される文書集合中の文書にランキングを付与した検索結果を生成する（ステップ６５）。以降のステップ６６〜７Ａの処理は図１０中のステップ４６から５Ａの処理と同じである。
【００５０】
なお、第１、第２、第３の実施形態において、ユーザの文書の内容を連想しやすい文字列を生成するために、文字列単位抽出部が利用するアルゴリズムは、文書格納部に格納されている文書の形態素解析を行い、文書を構成する単語の品詞情報を用いたパターンにマッチする文字列を抽出するものでもよい。例えば、名詞が連続するパターン、形容詞の連続の後に名詞が連続するパターン、名詞と名詞が「の」で連結されたパターンに最長マッチする文字列を抽出するアルゴリズムの利用が可能である。表６に品詞情報を用いたパターンとのマッチに表１に示されている文書から抽出された文字列とその出現回数に関する情報の例を示す。また、絞り込み文字列単位抽出部３９ｃ、５９ｃは、文字列の出現頻度や文字列の長さ、文書の構造を規定するタグ情報（表題など）を利用して、文書の内容をよく表す文字列を抽出してもよい。
【００５１】
【表６】

図３を参照すると、本発明の第４の実施形態の文書検索装置は入力装置７１と記憶装置７２〜７６と出力装置７７と記録媒体７８とデータ処理装置７９で構成されている。
【００５２】
入力装置７１はユーザからの入力を受け付ける、キーボード、マウスなどである。記憶装置７２，７３，７４，７５はそれぞれ図１中の文書格納部１１、前検索結果格納部１５ａ、絞り込み単位格納部１６ｃ、入力文字列集合格納部１６ｄに相当する。記憶装置７６はハードディスクである。出力装置７７は検索結果をユーザへ提示するための、ディスプレイなどである。記憶媒体７８は、図１中の入力解析部１３、全文検索部１４、検索結果絞り込み部１５ｂ、文字列単位抽出部１６ａ、絞り込み文字列単位抽出部１６ｂ、絞り込み文字列候補決定部１６ｅの各処理からなる文書検索プログラムが記録されている、フロッピィ・ディスク、記録媒体７８から文書検索プログラムを記憶装置７６に読み込んで、これを実行するＣＰＵである。
【００５３】
図１４を参照すると、本発明の第５の実施形態の文書検索装置は入力装置８１と記憶装置８２〜８７と出力装置８８と記録媒体８９とデータ処理装置９０で構成されている。
【００５４】
入力装置８１はユーザからの入力を受け付ける、キーボード、マウスなどである。記憶装置８２，８３，８４，８５，８６はそれぞれ図８中の文書格納部３１、絞り込み単位格納部３９ｂまたは図１１中の文書格納部５１、単語頻度情報格納部５５、入力単語情報格納部５６、前検索結果格納部５８ｂ、絞り込み単位格納部５９ｂに相当する。記憶装置８７はハードディスクである。出力装置８８は検索結果をユーザに呈示するためのディスプレイなどである。記録媒体８９は、図８中の入力解析部３３、単語頻度算出部３４、文書順位決定部３７、文字列単位抽出部３９ｄ、絞り込み文字列単位抽出部３９ｃ、絞り込み文字列候補決定部３９ａ、検索結果絞り込み部３８ａの各処理からなる文書検索プログラムまたは図１１中の入力解析部５３、単語頻度算出部５４、文書順位決定部５７、文字列単位抽出部５９ｄ、絞り込み文字列単位抽出部５９ｃ、絞り込み文字列候補決定部５９ａ、検索結果絞り込み部５８ａの各処理からなる文書検索プログラムが記録されている、フロッピィ・ディスク、ＣＤ−ＲＯＭ、光磁気ディスクなどの記録媒体である。データ処理装置９０は文書検索プログラムを記憶装置８７に読み込んで、これを実行するＣＰＵである。
【００５５】
【発明の効果】
以上説明したように、本発明によれば、検索結果を絞り込むためのキーワードの入力の負荷少なくユーザが検索を行える効果がある。
【図面の簡単な説明】
【図１】本発明の第１の実施形態の文書検索装置の構成図である。
【図２】第１の実施形態の文書検索装置の全体の処理の流れを示すフローチャートである。
【図３】初期化された前検索結果格納部１５ａの内容を示す図である。
【図４】全文検索部１４から検索結果絞り込み部１５ｂに送信されるデータの例を示す図である。
【図５】入出力部１２および絞り込み文字列選択部１２ａの表示例を示す図である。
【図６】全文検索部１４がユーザによって選択された文字列で検索を行ったときに検索結果絞り込み部１５ｂに送信されるデータの例を示す図である。
【図７】ユーザが選択した文字列により絞り込み検索をしたときの入出力部１２および絞り込み文字列選択部１２ａの例を示す図である。
【図８】本発明の第２の実施形態の文書検索装置の構成図である。
【図９】第２の実施形態においてユーザが入力する文の例を示す図である。
【図１０】第２の実施形態の文書検索装置の全体の処理の流れを示すフローチャートである。
【図１１】本発明の第３の実施形態の文書検索装置の構成図である。
【図１２】第３の実施形態の文書検索装置の全体の処理の流れを示すフローチャートである。
【図１３】本発明の第４の実施形態の文書検索装置の構成図である。
【図１４】本発明の第５の実施形態の文書検索装置の構成図である。
【符号の説明】
１１，３１，５１文書格納部
１２，３２，５２入出力部
１２ａ，３２ａ，５２ａ絞り込み文字列選択部
１３，３３，５３入力解析部
１４，１０全文検索部
１５絞り込み検索部
１５ａ前検索結果格納部
１５ｂ検索結果絞り込み部
３４，５４単語頻度算出部
３５，５５単語頻度情報格納部
１６，３９，５９絞り込み文字列生成部
１６ａ，３９ｄ，５９ｄ文字列単位抽出部
１６ｂ，３９ｃ，５９ｃ絞り込み文字列単位抽出部
１６ｃ絞り込み単位格納部
３９ｂ，５９ｂ絞り込み単位格納部
１６ｄ入力文字列集合格納部
３９ａ，５９ａ絞り込み文字列候補決定部
３８，５８絞り込み検索部
３８ａ，５８ａ検索結果絞り込み部
３８ｂ，５８ｂ前検索結果格納部
２１〜２８，４０〜５１，６０〜７１ステップ
７１，８１入力装置
７２〜７６，８２〜８７記憶装置
７７，８８出力装置
７８，８９記録媒体

Claims

文字列単位抽出手段、絞り込み文字列単位抽出手段、入力解析手段、検索手段、絞り込み文字列候補決定手段、絞り込み文字列選択手段、絞り込み単位格納手段、入力文字列集合格納手段を有する文書検索装置が行う文書検索方法であって、
前記文字列単位抽出手段が、文書格納手段に格納されたそれぞれの文書について、所定の長さ以上で、所定の出現回数以上で部分的に重複のない文字列とその出現回数を抽出する段階と、
前記絞り込み文字列単位抽出手段が、各文書毎に前記文字列単位抽出手段で生成された文字列のうち、所定の出現回数以上で所定の文字列長以上の文字列を抽出し、文書の識別番号と共に抽出された文字列とその出現回数を前記絞り込み単位格納手段に格納する段階と、
前記入力解析手段が、ユーザによって指定された検索用文字列から検索式を生成し、生成された検索式に含まれるキーワードを前記入力文字列集合格納手段に格納する段階と、
前記検索手段が、前記生成された検索式に従い、前記文書格納手段に格納された文書の検索を行う段階と、
前記絞り込み文字列候補決定手段が、前記入力文字列集合格納手段に格納されたキーワードを含み、かつ該キーワードより長さが長い文字列を前記絞り込み単位格納手段から抽出し、前記絞り込み文字列選択手段に送信する段階と、
前記絞り込み文字列選択手段が、前記生成された絞り込み文字列をユーザに提示し、提示した文字列をユーザに選択可能とする段階と、
を有する文書検索方法。
前記絞り込み文字列単位抽出手段が、前記絞り込み文字列の生成に際して、文字列の出現頻度情報、または品詞情報などの言語上の情報、または文書構造を表すタグ情報、または文書の内容を表すキーワード情報を利用する、請求項１に記載の文書検索方法。
前記入力解析手段が、ユーザに提示して選択された絞り込み文字列を受け取り、当該絞り込み文字列を検索用文字列として扱う、請求項１または請求項２に記載の文書検索方法。
前記検索手段による文書の検索は、検索式に含まれるキーワードによる全文検索、あるいは、検索式に含まれる単語と文書に含まれる単語の出現頻度に基づく検索である、請求項１から請求項３のいずれかに記載の文書検索方法。
文書格納手段に格納されたそれぞれの文書について、所定の長さ以上で、所定の出現回数以上で部分的に重複のない文字列とその出現回数を抽出する文字列単位抽出手段と、
各文書毎に前記文字列単位抽出手段で生成された文字列のうち、所定の出現回数以上で所定の文字列長以上の文字列を抽出し、文書の識別番号と共に抽出された文字列とその出現回数を絞り込み単位格納手段に格納する絞り込み文字列単位抽出手段と、
ユーザによって指定された検索用文字列から検索式を生成し、生成された検索式に含まれるキーワードを入力文字列集合格納手段に格納する入力解析手段と、
前記生成された検索式に従い、前記文書格納手段に格納された文書の検索を行う検索手段と、
前記入力文字列集合格納手段に格納されたキーワードを含み、かつ該キーワードより長さが長い文字列を前記絞り込み単位格納手段から抽出し、絞り込み文字列選択手段に送信する絞り込み文字列候補決定手段と、
前記生成された絞り込み文字列をユーザに提示し、提示した文字列をユーザに選択可能とする前記絞り込み文字列選択手段と、
を有する文書検索装置。
前記絞り込み文字列単位抽出手段は、前記絞り込み文字列の生成に際して、文字列の出現頻度情報、または品詞情報などの言語上の情報、または文書構造を表すタグ情報、または文書の内容を表すキーワード情報を利用する、請求項５に記載の文書検索装置。
前記入力解析手段が、ユーザに提示して選択された絞り込み文字列を受け取り、当該絞り込み文字列を検索用文字列として扱う、請求項５または請求項６に記載の文書検索装置。
前記検索手段による文書の検索は、検索式に含まれるキーワードによる全文検索、あるいは、検索式に含まれる単語と文書に含まれる単語の出現頻度に基づく検索である、請求項５から請求項７のいずれかに記載の文書検索装置。
請求項１から請求項４のいずれか１項に記載の文書検索方法を構成する各段階をコンピュータに実行させるためのプログラムを記録した、コンピュータ読み取り可能な記録媒体。