JP4108337B2 - 電子ファイリングシステム及びその検索インデックス作成方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
この発明は、電子的に蓄積した文書からキーワード等を用いて検索、閲覧する電子ファイリングシステム及びその検索インデックス作成方法に関するものである。
【０００２】
【従来の技術】
近年のパーソナルコンピュータの普及と高性能化および記憶容量の増大、ワードプロセッサの普及を背景に、コンピュータ上に文書を保持する電子ファイリングシステムが普及しつつある。
【０００３】
電子的に蓄積した文書からフリーキーワードによる全文検索によって所望の文書を検索し閲覧する電子ファイリングシステムでは、文書を大量に保持するほど検索時間を多く費やすために、これを短縮する方法が検討されてきた。
【０００４】
検索時間を短縮する技術としては、文書登録時に文書中に存在する文字の種類とその出現位置情報を予め抽出して、文字毎にインデックス（索引）を作成して保存し、検索時には検索キーワードを構成する文字のインデックスを使用して位置関係の照合を行う方法が広く用いられている。
【０００５】
文字を抽出する単位としては、文書中の連続するｎ文字（ｎ≧１）単位として作成する方法（ｎ−ｇｒａｍインデックス）や、形態素解析を行って形態素単位のインデックスを作成する方法が代表的である。
【０００６】
上記のｎ−ｇｒａｍインデックスを作成する文書検索方法では、インデックスの作成方法を更に工夫することで各々の文字の最大インデックス容量を抑え、検索時間の短縮を行う試みが行われている。
【０００７】
従来の電子ファイリングシステムについて図面を参照しながら説明する。図１６は、例えば特開平７−１０５２３７号公報に示された従来の電子ファイリングシステムの構成を示す図である。
【０００８】
図１６において、２０１はサンプル文書データ、２０２はサンプル文書区切りデータ、２０３は文書区切り手段、２０４は文字出現頻度算定手段、２０５は２文字連続出現頻度算定手段、２０６は３文字連続出現頻度算定手段、２０７は文字グループ化手段、２０８は２文字連続グループ化手段、２０９は３文字連続グループ化手段、２１０は索引形式出力手段、２１１は索引形式データである。
【０００９】
つぎに、従来の電子ファイリングシステムの動作について図面を参照しながら説明する。
【００１０】
サンプル文書データ２０１から文書区切り手段２０３によって切り出されたサンプル文書を、はじめに文字出現頻度算定手段２０４へ渡す。ここでは、「各文字の出現数／文書の総文字数」を計算し、２文字連続出現頻度算定手段２０５へ渡す。
【００１１】
この２文字連続出現頻度算定手段２０５では、文字出現頻度算定手段２０４で出現頻度が高い文字について「２文字連続の出現数／文書の総文字数」を算出する。
【００１２】
次に、３文字連続出現頻度算定手段２０６では、２文字連続出現頻度が高い文字列について「３文字連続出現数／文書の総文字数」を算出する。
【００１３】
文字グループ化手段２０７は、文字出現頻度算定手段２０４の結果から、出現の度合が予め定められた「絞込み率」以下である複数の文字をグループ化し、グループに属するいずれかの文字が出現する度合が絞り込み率を超えない範囲で絞込み率に最も近くなるように調整する。
【００１４】
２文字連続グループ化手段２０８は、文字グループ化手段２０７と同様に、２文字連続の出現の度合が予め定められた「絞込み率」以下である複数の２文字連続をグループ化する。３文字連続グループ化手段２０９も、文字グループ化手段２０７と同様に、３文字連続の出現の度合が予め定められた「絞込み率」以下である複数の３文字連続をグループ化する。
【００１５】
索引形式出力手段２１０は、各グループに通し番号を付与し、所属文字、あるいは２文字連続、あるいは３文字連続と各グループの対応表を出力する。
【００１６】
検索時間を短縮する別の従来例としては、特開平１１−０３１１４８号公報に示すように、検索で使用頻度が高い文字のインデックスを、ハードディスクに比べて高速アクセスが可能なメモリに展開している。
【００１７】
【発明が解決しようとする課題】
上述したような従来の電子ファイリングシステムでは、実際に登録しないサンプル文書や、登録文書の出現頻度のみを基準にインデックス作成を行うために、これらが検索キーワードの出現頻度と類似するとは限らない。即ち、この従来例では、検索に用いられる頻度に関わらず、サンプル文書で出現頻度が高い文字列に対してインデックスを新規に作成する。このため、検索で全く使用しない２文字連続情報や３文字連続情報を作成する場合があり、結果的に登録データ容量が無駄に増加するという問題点があった。
【００１８】
また、出現頻度情報を基準にインデックスを作成すると、高い頻度で検索されるにもかかわらず文書中の出現頻度が低いキーワードについては適切なインデックスを作成しないために検索時間が遅くなるという問題点があった。
【００１９】
特に、検索キーワードの部分文字列の出現頻度が高い場合には、検索時間が遅くなる問題点があった。例えば、「文字認識」というキーワードが検索に用いられる頻度が高く、文書中の出現頻度が低い場合、出現頻度情報を基準にすると「文字認識」のインデックスは作成されない。このため、検索には「文字」、「認識」のようなインデックスが存在する文字列の組み合わせで検索をすることになるが、「文字」などは文書中の出現頻度が高い、すなわちインデックスサイズが大きいために、検索時間がかかるという問題点があった。
【００２０】
さらに、別の従来の電子ファイリングシステムでは、登録文書が大量になるほど各文字のインデックスが大きくなるが、メモリの容量には制限があるために、検索で使用頻度の高いインデックスがメモリ上に展開できない場合が生じることから、大量文書になるほど検索性能が低下する場合があるという問題点があった。
【００２１】
この発明は、前述した問題点を解決するためになされたもので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができる電子ファイリングシステム及びその検索インデックス作成方法を得ることを目的とする。
【００２２】
【課題を解決するための手段】
この発明の請求項１に係る電子ファイリングシステムは、文字列毎に、登録文書中の当該文字列の出現頻度を示す登録文書出現頻度、検索用のインデックス中の文字の出現頻度を示す検索文字頻度、前記登録文書出現頻度及び前記検索文字頻度を用いて算出する統合頻度、当該文字列のインデックスがｎ−ｇｒａｍインデックスデータベースに現在存在するか否かを記すインデックスの有無情報、及びｎ−ｇｒａｍインデックスの作成、更新後に文書登録、キーワード検索で前記登録文書出現頻度、前記検索文字頻度が変更されたか否かを示す出現頻度更新情報を格納するとともに、登録文書中の文字数の総和、及び検索文字数の総和を格納する統合頻度管理テーブルと、文字列毎に、文書を識別するための通し番号である文書番号、及び文書の先頭から何文字目に出現したかを表す情報である位置情報を格納するｎ−ｇｒａｍインデックスデータベースと、登録文書を格納する文書データベースと、文書番号が付与された登録文書から連続するｎ（ｎは整数）文字までの文字列の出現頻度と位置情報を抽出し、前記統合頻度管理テーブルの当該文字列の登録文書出現頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した登録文書出現頻度に対応する検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する登録文書出現頻度算出手段と、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有の場合には、前記ｎ−ｇｒａｍインデックスデータベースの当該文字列の対応する行に、当該文書番号と、前記登録文書出現頻度算出手段によって抽出された当該文字列の位置情報を格納するとともに、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が無の場合で、前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス作成の閾値β以上のときには、ｎ（ｎ＞１）文字の当該文字列から最後の１文字を削除した１文字削除文字列が存在する、前記ｎ−ｇｒａｍインデックスデータベースの当該１文字削除文字列の文書番号と位置情報に基づき、前記文書データベース中の当該文書番号の文書の当該位置情報文字目に対してアクセスして、当該１文字削除文字列の次が削除した文字であれば、前記ｎ−ｇｒａｍインデックスデータベースに当該文書番号と当該位置情報を伴った、最後の１文字を削除する前のｎ（ｎ＞１）文字の当該文字列を前記ｎ−ｇｒａｍインデックスデータベースに新規作成して、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を有に変更するｎ−ｇｒａｍインデックス作成手段と、登録文書に対して文書番号を付与するともに、ｎ−ｇｒａｍインデックスを作成した文書を前記文書データベースに登録する文書登録手段とを備えたものである。
【００２３】
この発明の請求項２に係る電子ファイリングシステムは、文書検索時に、検索キーワード中の連続する１文字以上の文字列である複数のインデックスと各々の出現頻度を抽出し、前記統合頻度管理テーブルの該当文字列の検索文字頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した検索文字頻度に対応する登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する検索文字頻度算出手段をさらに備えたものである。
【００２４】
この発明の請求項３に係る電子ファイリングシステムは、前記ｎ−ｇｒａｍインデックス作成手段が、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有、かつ前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス削除の閾値γ（γ＜β）未満の場合で、当該文字列が２文字以上の連続するインデックスときには、当該文字列を、前記ｎ−ｇｒａｍインデックスデータベースから削除するとともに、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を無に変更するものである。
【００２５】
この発明の請求項４に係る電子ファイリングシステムの検索インデックス作成方法は、文字列毎に、登録文書中の当該文字列の出現頻度を示す登録文書出現頻度、検索用のインデックス中の文字の出現頻度を示す検索文字頻度、前記登録文書出現頻度及び前記検索文字頻度を用いて算出する統合頻度、当該文字列のインデックスがｎ−ｇｒａｍインデックスデータベースに現在存在するか否かを記すインデックスの有無情報、及びｎ−ｇｒａｍインデックスの作成、更新後に文書登録、キーワード検索で前記登録文書出現頻度、前記検索文字頻度が変更されたか否かを示す出現頻度更新情報を格納するとともに、登録文書中の文字数の総和、及び検索文字数の総和を格納する統合頻度管理テーブルと、文字列毎に、文書を識別するための通し番号である文書番号、及び文書の先頭から何文字目に出現したかを表す情報である位置情報を格納するｎ−ｇｒａｍインデックスデータベースと、登録文書を格納する文書データベースとを備えた電子ファイリングシステムにおいて、コンピュータは、文書番号が付与された登録文書から連続するｎ（ｎは整数）文字までの文字列の出現頻度と位置情報を抽出し、前記統合頻度管理テーブルの当該文字列の登録文書出現頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した登録文書出現頻度に対応する検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する登録文書出現頻度算出ステップと、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有の場合には、前記ｎ−ｇｒａｍインデックスデータベースの当該文字列の対応する行に、当該文書番号と、前記登録文書出現頻度算出ステップによって抽出された当該文字列の位置情報を格納するとともに、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が無の場合で、前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス作成の閾値β以上のときには、ｎ（ｎ＞１）文字の当該文字列から最後の１文字を削除した１文字削除文字列が存在する、前記ｎ−ｇｒａｍインデックスデータベースの当該１文字削除文字列の文書番号と位置情報に基づき、前記文書データベース中の当該文書番号の文書の当該位置情報文字目に対してアクセスして、当該１文字削除文字列の次が削除した文字であれば、前記ｎ−ｇｒａｍインデックスデータベースに当該文書番号と当該位置情報を伴った、最後の１文字を削除する前のｎ（ｎ＞１）文字の当該文字列を前記ｎ−ｇｒａｍインデックスデータベースに新規作成して、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を有に変更するｎ−ｇｒａｍインデックス作成ステップと、登録文書に対して文書番号を付与するともに、ｎ−ｇｒａｍインデックスを作成した文書を前記文書データベースに登録する文書登録ステップとを実行するものである。
【００２６】
この発明の請求項５に係る電子ファイリングシステムの検索インデックス作成方法は、コンピュータが、文書検索時に、検索キーワード中の連続する１文字以上の文字列である複数のインデックスと各々の出現頻度を抽出し、前記統合頻度管理テーブルの該当文字列の検索文字頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した検索文字頻度に対応する登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する検索文字頻度算出ステップをさらに実行するものである。
【００２７】
この発明の請求項６に係る電子ファイリングシステムの検索インデックス作成方法は、コンピュータが、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有、かつ前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス削除の閾値γ（γ＜β）未満の場合で、当該文字列が２文字以上の連続するインデックスときには、当該文字列を、前記ｎ−ｇｒａｍインデックスデータベースから削除するとともに、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を無に変更する前記ｎ−ｇｒａｍインデックス作成ステップを実行するものである。
【００３６】
【発明の実施の形態】
実施の形態１．
この発明の実施の形態１に係る電子ファイリングシステムについて図面を参照しながら説明する。図１は、この発明の実施の形態１に係る電子ファイリングシステムの構成を示す図である。なお、各図中、同一符号は同一又は相当部分を示す。
【００３７】
図１において、１は文書を登録するための文書登録手段、２は連続するｎ文字のインデックスを作成、更新、削除するｎ−ｇｒａｍインデックス作成手段、３は登録文書出現頻度算出手段、４は検索文字頻度算出手段、５はキーワードを用いて文書検索を行う文書検索手段、６は登録文書出現頻度、検索文字頻度などを文字列毎に格納する統合頻度管理テーブル、７はｎ−ｇｒａｍインデックスデータベース、８は登録文書を保持する文書データベースである。
【００３８】
つぎに、この実施の形態１に係る電子ファイリングシステムの動作について図面を参照しながら説明する。
【００３９】
図２は、この発明の実施の形態１に係る電子ファイリングシステムの文書登録時の動作を示すフローチャートである。
【００４０】
また、図３は、この発明の実施の形態１に係る電子ファイリングシステムのｎ−ｇｒａｍインデックス作成手段の動作を示すフローチャートである。
【００４１】
まず、文書登録時のインデックス作成方法について説明する。
【００４２】
図２のステップＳ１００において、登録文書出現頻度算出手段３は、登録文書中の文字出現頻度計算を実行する。まず、登録文書出現頻度算出手段３は、ユーザが指定し、文書登録手段１により文書番号が付与された文書が、文書登録手段１から渡される。この『文書番号』とは、文書を識別するための通し番号であり、データ保存容量削減のために用いる。ここで与える文書番号は、例えば「１０」とする。
【００４３】
図４は、登録に用いる文書の例を示す。登録文書出現頻度算出手段３は、登録文書から連続するｎ文字（ｎは整数）までの文字列の出現頻度（出現回数）と位置情報を抽出する。ここではｎ＝３として、連続する１〜３文字の出現頻度と位置情報を算出する。
【００４４】
図５は、その抽出例を示す。ここで、『位置情報』とは、文書の先頭から何文字目に出現したかを表す情報である。例えば、図５において、先頭の文字列「。」の位置情報は「３４」であるが、これは図４の文書例の先頭から３４文字目に存在することを意味する。
【００４５】
図６は、統合頻度管理テーブル６の例を示す。図６において、２１は登録文書中に各『文字列』の出現頻度を格納する『登録文書出現頻度』、２２は検索用のインデックス（キーワード）中の文字の出現頻度を示す『検索文字頻度』、２３は登録文書出現頻度２１と検索文字頻度２２を用いて算出する『統合頻度』、２４は各文字列のインデックスがｎ−ｇｒａｍインデックスデータベース７に現在存在するか否かを記す『インデックスの有無情報』、２５はｎ−ｇｒａｍインデックスの作成、更新後に文書登録やキーワード検索で登録文書出現頻度２１や検索文字頻度２２が変更されたか否かを示す『出現頻度更新情報』である。
【００４６】
統合頻度２３には、以下の数式（１）を用いて算出したＰを代入する。ただし、ここでは、例えば重みα＝０．２とする。
Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉ
０＜α＜１ 数式（１）
【００４７】
Ｐｂｉは、登録文書中の各文字列の登録文書出現確率を示し、図６では登録文書出現頻度２１を登録文書中の文字数の総和（登録文書出現頻度２１の合計欄の値）で除した数である。また、Ｐｓｉは、検索文字出現確率を示し、図６では検索文字頻度２２を検索文字数の総和（検索文字頻度２２の合計欄の値）で除した数である。
【００４８】
数式（１）では、登録文書出現確率Ｐｂｉの重みα（＝０．２）に比べて、検索用のインデックス文字列の検索文字出現確率Ｐｓｉの重み（１−α）（＝０．８）を４倍にすることで、検索に用いられる文字列ほどインデックスを作成しやすくしている。
【００４９】
次に、図２のステップＳ２００において、登録文書出現頻度算出手段３は、統合頻度管理テーブル６の登録文書出現頻度２１に、図５に示す抽出した出現頻度を加える。図６に示す統合頻度管理テーブル６の数値は既にこれを反映させたものである。その後、統合頻度管理テーブル６の全ての文字列に対して数式（１）を用いて統合頻度Ｐを計算する。その結果を、図６に示す統合頻度管理テーブル６の統合頻度２３に反映する。さらに、登録文書出現頻度算出手段３は、統合頻度管理テーブル６の該当文字列における出現頻度更新情報２５を「有」に変更する。
【００５０】
次に、ステップＳ３００において、ｎ−ｇｒａｍインデックス作成手段２は、文書番号と、図５に示す抽出した位置情報と、図６に示す統合頻度管理テーブル６を用いてｎ−ｇｒａｍインデックスの作成処理を行う。図６に示す統合頻度管理テーブル６からは、統合頻度２３と、インデックスの有無情報２４と、出現頻度更新情報２５を使用する。
【００５１】
以下、図３に示すインデックス作成の詳細フローを用いて動作を説明する。
【００５２】
まず、図３のステップＳ３１０において、ｎ−ｇｒａｍインデックス作成手段２は、図６に示す統合頻度管理テーブル６から文字列を選択する。はじめに、一番上の文字列「あ」３１を選択する。
【００５３】
次に、ステップＳ３２０において、ｎ−ｇｒａｍインデックス作成手段２は、統合頻度管理テーブル６の文字列「あ」における出現頻度更新情報２５の値を得る。ここでは、「無」３２なので、ステップＳ３２０でＮへ進み、再びステップＳ３１０へと進む。以下同様に進み、ステップＳ３１０において、文字列「文字」３３を選択したところで、ステップＳ３２０では出現頻度更新情報２５が「有」３４であるので、本ステップＳ３２０でＹへ進み、次のステップＳ３３０へ進む。
【００５４】
次に、ステップＳ３３０において、ｎ−ｇｒａｍインデックス作成手段２は、文字列「文字」のインデックスを既に作成しているか否かを判定する。ここでは、図６に示す統合頻度管理テーブル６の文字列「文字」３３のインデックスの有無情報２４をチェックする。この統合頻度管理テーブル６では、インデックスの有無情報２４が「有」３５であるので、既に、ｎ−ｇｒａｍインデックスデータベース７に文字列「文字」のインデックスが作成されている。そこで、このステップＳ３３０でＹへ進む。
【００５５】
次に、ステップＳ３４０において、インデックスの更新処理を行う。この更新処理は、図７に示すｎ−ｇｒａｍインデックスデータベース７の文字列「文字」３６の対応する行に、該当文書番号（この例では、「１０」である。）と、図５中の文字列「文字」の位置情報を格納する。その結果を、図８に示す。図８は、更新されたｎ−ｇｒａｍインデックスデータベース７を示す。
【００５６】
次に、ステップＳ３７０において、図６に示す統合頻度管理テーブル６で全ての文字列をチェックしたか判定する。ここではまだ終わりではないので、Ｎへ進み、再びステップＳ３１０を実行する。
【００５７】
以下同様に進み、統合頻度管理テーブル６において、文字列が「文字認」４０の場合について説明する。ステップＳ３２０へ進み、出現頻度更新情報２５は「有」４１であるので、ステップＳ３３０へ進み、文字列「文字認」４０のインデックスの有無情報２４を確認する。このインデックスの有無情報２４は「無」４２であるので、ステップＳ３５０に進み、ｎ−ｇｒａｍインデックス作成手段２は、インデックス作成条件を満たすか否か判定する。この判定は、統合頻度２３がインデックス作成の閾値β（ここでは０．０３５とする）以上であればＹへ進み、閾値β未満の場合はＮへ進む。
【００５８】
いま、文字列「文字認」４０の統合頻度２３は「０．０３５」４３であるので、ステップＳ３５０はＹとなり、ステップＳ３６０へと進む。
【００５９】
ステップＳ３６０において、ｎ−ｇｒａｍインデックス作成手段２は、インデックスを新規作成する。インデックス作成方法は、ここでは文字列「文字認」から最後の１文字「認」を削除した、ｎ−ｇｒａｍインデックスデータベース７の文字列「文字」３６のインデックス情報を用いる。
【００６０】
文字列「文字」が存在する文書番号と位置情報（文字位置）を文書データベース８中の各文書に対してアクセスして、文字列「文字認」が存在する位置を検証する。例えば、図８に示すｎ−ｇｒａｍインデックスデータベース７の文字列「文字」３６の文書番号「２」と位置情報「２３」に基づき、文書データベース８中の文書番号「２」の文書の「２３」文字目に対してアクセスして、文字列「文字」の次が文字列「認」であれば、ｎ−ｇｒａｍインデックスデータベース７に文書番号「２」と位置情報「２３」を伴った文字列「文字認」を新規作成する。
【００６１】
登録文書中に文字列「文字」が出現する頻度は高々数％であるので、文字列「文字」３６の文書番号と位置情報を用いて文書データベース８をアクセスすることで、文字列「文字認」をそのまま用いて文書データベース８の全てをアクセスする場合に比べて、数倍〜数十倍高速に文字位置情報の抽出が可能となる。
【００６２】
こうして、文字列「文字認」について、文字列「文字」を用いて抽出した文書番号、位置情報をｎ−ｇｒａｍインデックスデータベース７に新規作成する。作成した結果を図８に示す。この図８は、ｎ−ｇｒａｍインデックスデータベース７に、文字列「文字認」４４を新規作成した様子を示す。
【００６３】
図３のステップＳ３５０でＮの場合には、ステップＳ３１０へと戻り、文字列の選定から始める。
【００６４】
以下同様に進み、最後に、ステップＳ３７０でＹの場合には、図２のステップＳ４００へ進み、文書登録手段１は、文書を文書データベース８へ保存して終了する。
【００６５】
次に、登録文書の文書検索を行う動作について説明する。
【００６６】
図９は、この実施の形態１に係る電子ファイリングシステムの文書検索の動作を示すフローチャートである。
【００６７】
図９のステップＳ５００において、検索文字頻度算出手段４は、文書検索手段５から検索キーワードが渡され、この検索キーワード中の文字出現頻度を得る。いま、「文書検索」というキーワードを検索に用いると、連続する１〜３文字の文字列であるインデックス「文」、「書」、「検」、「索」、「文書」、「書検」、「検索」、「文書検」、「書検索」と各々の出現頻度「１」を得る。
【００６８】
次に、ステップＳ６００において、検索文字頻度算出手段４は、検索頻度情報を更新する。ここでは、図６に示す統合頻度管理テーブル６中の検索文字頻度２２を各々の出現頻度「１」だけ増加させ、その合計欄の文字数は「文書検索」の４文字分を追加する。また、数式（１）を用いて統合頻度Ｐを計算し、その結果を統合頻度管理テーブル６の統合頻度２３に反映する。その後、該当文字列の出現頻度更新情報２５を「有」にする。その様子を図１０に示す。
【００６９】
この図１０では、文字列「文書」３９のみについて更新結果を示す。図１０の文字列「文書」３９は、図６に比べて検索文字頻度２２の数が「１」増加したために統合頻度２３が「０．０３５」５０になっている。
【００７０】
次に、ステップＳ７００において、文書検索手段５は、検索インデックス照合を行う。文書検索手段５は、上記の文字列「文」、「書」、「検」、「索」、「文書」、「書検」、「検索」、「文書検」、「書検索」について、統合頻度管理テーブル６の該当のインデックスの有無情報２４を調べ、その有無情報２４が「有」の場合には、ｎ−ｇｒａｍインデックスデータベース７のサイズを調べ、サイズの小さなインデックスを選択して、各インデックスの位置情報をメモリに展開し、位置検定を行う。
【００７１】
ここでは、例えば「文」、「書」、「検」、「索」のインデックスを各々メモリに展開し、位置情報の検定を行う。この検定は、ｎ−ｇｒａｍインデックスデータベース７から得た同一の文書番号における位置情報に基づいて、「文」と「書」の文字位置差が１かつ、「文」と「検」の文字位置差が２かつ、「文」と「索」の文字位置差が３である場合に一致したものとする。これは、同一の文書番号「Ｘ」における文字列「文」、「書」、「検」、「索」それぞれの位置情報が「Ｙ」、「Ｙ＋１」、「Ｙ＋２」、「Ｙ＋３」の場合に相当する。
【００７２】
最後に、図９のステップＳ８００において、文書検索手段５は、検索結果の出力を行う。上記の例では、文書検索手段５は、キーワード「文書検索」が文書データベース８中の文書番号「Ｘ」の文書がヒットしたことを表示装置へ表示出力する。また、ユーザの要求により、文書番号「Ｘ」の文書の内容を表示装置へ表示出力したり、印刷装置へ出力する。
【００７３】
次に、文書検索後、新たに文書を登録した場合のｎ−ｇｒａｍインデックス作成について示す。このとき、前回の文書登録時から頻度情報が更新されているものについても統合頻度２３を計算して、インデックスを作成するか否かを判定する。
【００７４】
いま、図１１に示す文書を登録する。図２及び図３に示すフローチャートの内容と同様に登録処理を行い、その結果を図１２に示す。この図１２では、文字列「文書」３９の統合頻度２３が「０．０３５」５０となったためにインデックスを新規作成する。
【００７５】
本実施の形態１に示す方式を用いると、登録文書中の出現頻度が高くとも検索の出現頻度が低い文字列のインデックスは作成されないために、ディスク保存の容量削減が可能となる。例えば、図６で、文字列「ああ」５１の登録文書出現頻度２１は「７６」であり、文字列「文書」３９や「文字認」４０より高くなっているが、検索文字頻度２２が低いために統合頻度２３も低くなり、その結果、文字列「ああ」５１のインデックスは作成されないので保存容量の効果的削減が可能となる。
【００７６】
なお、本実施の形態１では、ｎ−ｇｒａｍインデックスのｎ＝３としたが、実際はこの値に限らない。また、判定式も上記に限ったものではない。閾値も同様に上記に限ったものではない。
【００７７】
また、本実施の形態１では、検索後の文書登録時にインデックスの作成、更新処理を行っているが、これに限らず、例えば定期的に、登録文書出現頻度算出手段３、及びｎ−ｇｒａｍインデックス作成手段２が、図１３に示すようなフロー処理を行ってインデックスの更新を行うことも可能である。
【００７８】
実施の形態２．
この発明の実施の形態２に係る電子ファイリングシステムについて図面を参照しながら説明する。
【００７９】
上記の実施の形態１では、インデックスを新規作成、登録する例について説明した。この実施の形態２では、インデックスを削除する例について説明する。このインデックスの削除処理は、図２及び図１４を用いて説明する。
【００８０】
図１４は、この発明の実施の形態２に係る電子ファイリングシステムに係るインデックス削除処理を詳細に示すフローチャートである。
【００８１】
図１４のステップＳ３１０において、ｎ−ｇｒａｍインデックス作成手段２は、図１５に示す統合頻度管理テーブル６を参照して文字列を選択した後、ステップＳ３３０において、統合頻度管理テーブル６のインデックスの有無情報２４から、その文字列のインデックスが存在するかをチェックする。インデックスが存在する場合（「有」の場合）にはＹへ進み、次のステップＳ３３３に進む。
【００８２】
ステップＳ３３３において、選択した文字列がインデックス削除条件を満たすか否かを判定する。この判定は、統合頻度２３がインデックス削除の閾値γ未満の場合はＹへ進み、閾値γ以上であればＮへ進む。判定には数式（１）を用いるが、インデックス削除のための閾値γは、作成のための閾値βに対して小さく、γ＜βと設定する。
【００８３】
これは、γ＝βでは、統合頻度が閾値β付近の文字列インデックスは、登録、検索を繰り返すと閾値βを境に統合頻度値が上下する場合があり、その結果、文字列インデックスの削除、新規作成を繰り返すことになって検索性能が安定しないものになる。
【００８４】
そこで、これを防止して、一度インデックスが新規作成された場合に安定的に存在するように、γ＜βとなるように決定する。ここでは、例えば、閾値γ＝０．０２とする。
【００８５】
また、このステップＳ３３３で削除対象とするのは、２文字以上の連続するインデックスであり、１文字インデックスも削除すると検索不可能となるので削除対象としない。
【００８６】
いま、図１５に示す統合頻度管理テーブル６において、文字列「文字認」４０の統合頻度２３が「０．０１８」５１で、閾値γ（＝０．０２）未満であるために、削除に該当する。そこで、ステップＳ３３５へ進む。
【００８７】
ステップＳ３３５において、ｎ−ｇｒａｍインデックス作成手段２は、文字列「文字認」のインデックスを、ｎ−ｇｒａｍインデックスデータベース７から削除する。また、統合頻度管理テーブル６の文字列「文字認」４０のインデックスの有無情報２４を「無」とする。以下、同様に動作する。
【００８８】
以上説明したように、本発明の実施の形態１及び２によると、登録文書出現頻度と検索文字頻度を使用して検索用インデックスを作成するために、登録文書出現頻度が高い文字列のみならず、検索の頻度が高いキーワードを構成する文字列についてもインデックスを作成するために、高速検索が可能となる。また、登録文書中の出現頻度が高くとも検索で頻度が低い文字列のインデックスは作成しないことが可能となるために、無駄なインデックスの増加を抑制して検索用インデックスの総容量を効果的に小さくすることができる。
【００８９】
また、インデックスの作成と削除の閾値を工夫することで、同一文字列のインデックスが文書登録の度に作成、削除を頻繁に繰り返すことがなく、安定した検索性能を維持することができる。
【００９０】
更に、文書登録や検索用インデックス作成時に、最後に文書登録、更新を行ってから後の検索情報を用いてインデックスを更新するために、検索で用いない不必要な連続文字インデックスを削除することが可能となる。
【００９１】
【発明の効果】
この発明の請求項１に係る電子ファイリングシステムは、以上説明したとおり、文字列毎に、登録文書中の当該文字列の出現頻度を示す登録文書出現頻度、検索用のインデックス中の文字の出現頻度を示す検索文字頻度、前記登録文書出現頻度及び前記検索文字頻度を用いて算出する統合頻度、当該文字列のインデックスがｎ−ｇｒａｍインデックスデータベースに現在存在するか否かを記すインデックスの有無情報、及びｎ−ｇｒａｍインデックスの作成、更新後に文書登録、キーワード検索で前記登録文書出現頻度、前記検索文字頻度が変更されたか否かを示す出現頻度更新情報を格納するとともに、登録文書中の文字数の総和、及び検索文字数の総和を格納する統合頻度管理テーブルと、文字列毎に、文書を識別するための通し番号である文書番号、及び文書の先頭から何文字目に出現したかを表す情報である位置情報を格納するｎ−ｇｒａｍインデックスデータベースと、登録文書を格納する文書データベースと、文書番号が付与された登録文書から連続するｎ（ｎは整数）文字までの文字列の出現頻度と位置情報を抽出し、前記統合頻度管理テーブルの当該文字列の登録文書出現頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した登録文書出現頻度に対応する検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する登録文書出現頻度算出手段と、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有の場合には、前記ｎ−ｇｒａｍインデックスデータベースの当該文字列の対応する行に、当該文書番号と、前記登録文書出現頻度算出手段によって抽出された当該文字列の位置情報を格納するとともに、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が無の場合で、前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス作成の閾値β以上のときには、ｎ（ｎ＞１）文字の当該文字列から最後の１文字を削除した１文字削除文字列が存在する、前記ｎ−ｇｒａｍインデックスデータベースの当該１文字削除文字列の文書番号と位置情報に基づき、前記文書データベース中の当該文書番号の文書の当該位置情報文字目に対してアクセスして、当該１文字削除文字列の次が削除した文字であれば、前記ｎ−ｇｒａｍインデックスデータベースに当該文書番号と当該位置情報を伴った、最後の１文字を削除する前のｎ（ｎ＞１）文字の当該文字列を前記ｎ−ｇｒａｍインデックスデータベースに新規作成して、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を有に変更するｎ−ｇｒａｍインデックス作成手段と、登録文書に対して文書番号を付与するともに、ｎ−ｇｒａｍインデックスを作成した文書を前記文書データベースに登録する文書登録手段とを備えたので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができるという効果を奏する。
【００９２】
この発明の請求項２に係る電子ファイリングシステムは、以上説明したとおり、文書検索時に、検索キーワード中の連続する１文字以上の文字列である複数のインデックスと各々の出現頻度を抽出し、前記統合頻度管理テーブルの該当文字列の検索文字頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した検索文字頻度に対応する登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する検索文字頻度算出手段をさらに備えたので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができるという効果を奏する。
【００９３】
この発明の請求項３に係る電子ファイリングシステムは、以上説明したとおり、前記ｎ−ｇｒａｍインデックス作成手段が、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有、かつ前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス削除の閾値γ（γ＜β）未満の場合で、当該文字列が２文字以上の連続するインデックスときには、当該文字列を、前記ｎ−ｇｒａｍインデックスデータベースから削除するとともに、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を無に変更するので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができるという効果を奏する。
【００９４】
この発明の請求項４に係る電子ファイリングシステムの検索インデックス作成方法は、以上説明したとおり、文字列毎に、登録文書中の当該文字列の出現頻度を示す登録文書出現頻度、検索用のインデックス中の文字の出現頻度を示す検索文字頻度、前記登録文書出現頻度及び前記検索文字頻度を用いて算出する統合頻度、当該文字列のインデックスがｎ−ｇｒａｍインデックスデータベースに現在存在するか否かを記すインデックスの有無情報、及びｎ−ｇｒａｍインデックスの作成、更新後に文書登録、キーワード検索で前記登録文書出現頻度、前記検索文字頻度が変更されたか否かを示す出現頻度更新情報を格納するとともに、登録文書中の文字数の総和、及び検索文字数の総和を格納する統合頻度管理テーブルと、文字列毎に、文書を識別するための通し番号である文書番号、及び文書の先頭から何文字目に出現したかを表す情報である位置情報を格納するｎ−ｇｒａｍインデックスデータベースと、登録文書を格納する文書データベースとを備えた電子ファイリングシステムにおいて、コンピュータは、文書番号が付与された登録文書から連続するｎ（ｎは整数）文字までの文字列の出現頻度と位置情報を抽出し、前記統合頻度管理テーブルの当該文字列の登録文書出現頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した登録文書出現頻度に対応する検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する登録文書出現頻度算出ステップと、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有の場合には、前記ｎ−ｇｒａｍインデックスデータベースの当該文字列の対応する行に、当該文書番号と、前記登録文書出現頻度算出ステップによって抽出された当該文字列の位置情報を格納するとともに、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が無の場合で、前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス作成の閾値β以上のときには、ｎ（ｎ＞１）文字の当該文字列から最後の１文字を削除した１文字削除文字列が存在する、前記ｎ−ｇｒａｍインデックスデータベースの当該１文字削除文字列の文書番号と位置情報に基づき、前記文書データベース中の当該文書番号の文書の当該位置情報文字目に対してアクセスして、当該１文字削除文字列の次が削除した文字であれば、前記ｎ−ｇｒａｍインデックスデータベースに当該文書番号と当該位置情報を伴った、最後の１文字を削除する前のｎ（ｎ＞１）文字の当該文字列を前記ｎ−ｇｒａｍインデックスデータベースに新規作成して、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を有に変更するｎ−ｇｒａｍインデックス作成ステップと、登録文書に対して文書番号を付与するともに、ｎ−ｇｒａｍインデックスを作成した文書を前記文書データベースに登録する文書登録ステップとを実行するので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができるという効果を奏する。
【００９５】
この発明の請求項５に係る電子ファイリングシステムの検索インデックス作成方法は、以上説明したとおり、コンピュータが、文書検索時に、検索キーワード中の連続する１文字以上の文字列である複数のインデックスと各々の出現頻度を抽出し、前記統合頻度管理テーブルの該当文字列の検索文字頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した検索文字頻度に対応する登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉを計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する検索文字頻度算出ステップをさらに実行するので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができるという効果を奏する。
【００９６】
この発明の請求項６に係る電子ファイリングシステムの検索インデックス作成方法は、以上説明したとおり、コンピュータが、前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有、かつ前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス削除の閾値γ（γ＜β）未満の場合で、当該文字列が２文字以上の連続するインデックスときには、当該文字列を、前記ｎ−ｇｒａｍインデックスデータベースから削除するとともに、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を無に変更する前記ｎ−ｇｒａｍインデックス作成ステップを実行するので、検索頻度の高いキーワードの検索を高速化しつつ不必要なインデックスを削除して保存データの増大を防止することができるという効果を奏する。
【図面の簡単な説明】
【図１】 この発明の実施の形態１に係る電子ファイリングシステムの構成を示す図である。
【図２】 この発明の実施の形態１に係る電子ファイリングシステムの文書登録動作を示すフローチャートである。
【図３】 この発明の実施の形態１に係る電子ファイリングシステムのｎ−ｇｒａｍインデックス作成手段の動作を示すフローチャートである。
【図４】 この発明の実施の形態１に係る電子ファイリングシステムの登録文書の例を示す図である。
【図５】 この発明の実施の形態１に係る電子ファイリングシステムの登録文書から文字列の出現頻度及び位置情報を抽出した例を示す図である。
【図６】 この発明の実施の形態１に係る電子ファイリングシステムの統合頻度管理テーブルの構成を示す図である。
【図７】 この発明の実施の形態１に係る電子ファイリングシステムのｎ−ｇｒａｍインデックスデータベースの構成を示す図である。
【図８】 この発明の実施の形態１に係る電子ファイリングシステムの更新されたｎ−ｇｒａｍインデックスデータベースを示す図である。
【図９】 この発明の実施の形態１に係る電子ファイリングシステムの文書検索動作を示すフローチャートである。
【図１０】 この発明の実施の形態１に係る電子ファイリングシステムの統合頻度管理テーブルを示す図である。
【図１１】 この発明の実施の形態１に係る電子ファイリングシステムの登録文書の例を示す図である。
【図１２】 この発明の実施の形態１に係る電子ファイリングシステムの統合頻度管理テーブルを示す図である。
【図１３】 この発明の実施の形態１に係る電子ファイリングシステムのインデックス更新動作を示すフローチャートである。
【図１４】 この発明の実施の形態２に係る電子ファイリングシステムのｎ−ｇｒａｍインデックス作成手段のインデックス削除の動作を示すフローチャートである。
【図１５】 この発明の実施の形態２に係る電子ファイリングシステムの統合頻度管理テーブルを示す図である。
【図１６】 従来の電子ファイリングシステムの構成を示すブロック図である。
【符号の説明】
１ 文書登録手段、２ ｎ−ｇｒａｍインデックス作成手段、３ 登録文書出現頻度算出手段、４ 検索文字頻度算出手段、５ 文書検索手段、６ 統合頻度管理テーブル、７ ｎ−ｇｒａｍインデックスデータベース、８ 文書データベース。

Claims (6)

1. 文字列毎に、登録文書中の当該文字列の出現頻度を示す登録文書出現頻度、検索用のインデックス中の文字の出現頻度を示す検索文字頻度、前記登録文書出現頻度及び前記検索文字頻度を用いて算出する統合頻度、当該文字列のインデックスがｎ−ｇｒａｍインデックスデータベースに現在存在するか否かを記すインデックスの有無情報、及びｎ−ｇｒａｍインデックスの作成、更新後に文書登録、キーワード検索で前記登録文書出現頻度、前記検索文字頻度が変更されたか否かを示す出現頻度更新情報を格納するとともに、登録文書中の文字数の総和、及び検索文字数の総和を格納する統合頻度管理テーブルと、
   文字列毎に、文書を識別するための通し番号である文書番号、及び文書の先頭から何文字目に出現したかを表す情報である位置情報を格納するｎ−ｇｒａｍインデックスデータベースと、
   登録文書を格納する文書データベースと、
   文書番号が付与された登録文書から連続するｎ（ｎは整数）文字までの文字列の出現頻度と位置情報を抽出し、
   前記統合頻度管理テーブルの当該文字列の登録文書出現頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した登録文書出現頻度に対応する検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、
   統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉ
   を計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する登録文書出現頻度算出手段と、
   前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有の場合には、前記ｎ−ｇｒａｍインデックスデータベースの当該文字列の対応する行に、当該文書番号と、前記登録文書出現頻度算出手段によって抽出された当該文字列の位置情報を格納するとともに、
   前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が無の場合で、前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス作成の閾値β以上のときには、ｎ（ｎ＞１）文字の当該文字列から最後の１文字を削除した１文字削除文字列が存在する、前記ｎ−ｇｒａｍインデックスデータベースの当該１文字削除文字列の文書番号と位置情報に基づき、前記文書データベース中の当該文書番号の文書の当該位置情報文字目に対してアクセスして、当該１文字削除文字列の次が削除した文字であれば、前記ｎ−ｇｒａｍインデックスデータベースに当該文書番号と当該位置情報を伴った、最後の１文字を削除する前のｎ（ｎ＞１）文字の当該文字列を前記ｎ−ｇｒａｍインデックスデータベースに新規作成して、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を有に変更するｎ−ｇｒａｍインデックス作成手段と、
   登録文書に対して文書番号を付与するともに、ｎ−ｇｒａｍインデックスを作成した文書を前記文書データベースに登録する文書登録手段と
   を備えたことを特徴とする電子ファイリングシステム。
2. 文書検索時に、検索キーワード中の連続する１文字以上の文字列である複数のインデックスと各々の出現頻度を抽出し、
   前記統合頻度管理テーブルの該当文字列の検索文字頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した検索文字頻度に対応する登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓ ｉとして、
   統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉ
   を計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する検索文字頻度算出手段をさらに備えた
   ことを特徴とする請求項１記載の電子ファイリングシステム。
3. 前記ｎ−ｇｒａｍインデックス作成手段は、
   前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有、かつ前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス削除の閾値γ（γ＜β）未満の場合で、当該文字列が２文字以上の連続するインデックスときには、当該文字列を、前記ｎ−ｇｒａｍインデックスデータベースから削除するとともに、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を無に変更する
   ことを特徴とする請求項１記載の電子ファイリングシステム。
4. 文字列毎に、登録文書中の当該文字列の出現頻度を示す登録文書出現頻度、検索用のインデックス中の文字の出現頻度を示す検索文字頻度、前記登録文書出現頻度及び前記検索文字頻度を用いて算出する統合頻度、当該文字列のインデックスがｎ−ｇｒａｍインデックスデータベースに現在存在するか否かを記すインデックスの有無情報、及びｎ−ｇｒａｍインデックスの作成、更新後に文書登録、キーワード検索で前記登録文書出現頻度、前記検索文字頻度が変更されたか否かを示す出現頻度更新情報を格納するとともに、登録文書中の文字数の総和、及び検索文字数の総和を格納する統合頻度管理テーブルと、
   文字列毎に、文書を識別するための通し番号である文書番号、及び文書の先頭から何文字目に出現したかを表す情報である位置情報を格納するｎ−ｇｒａｍインデックスデータベースと、
   登録文書を格納する文書データベースとを備えた電子ファイリングシステムにおいて、
   コンピュータは、
   文書番号が付与された登録文書から連続するｎ（ｎは整数）文字までの文字列の出現頻度と位置情報を抽出し、
   前記統合頻度管理テーブルの当該文字列の登録文書出現頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した登録文書出現頻度に対応する検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、
   統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉ
   を計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する登録文書出現頻度算出ステップと、
   前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有の場合には、前記ｎ−ｇｒａｍインデックスデータベースの当該文字列の対応する行に、当該文書番号と、前記登録文書出現頻度算出ステップによって抽出された当該文字列の位置情報を格納するとともに、
   前記統合頻度管理テーブルの当該文字列における出現頻度更新情報が有、かつ前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が無の場合で、前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス作成の閾値β以上のときには、ｎ（ｎ＞１）文字の当該文字列から最後の１文字を削除した１文字削除文字列が存在する、前記ｎ−ｇｒａｍインデックスデータベースの当該１文字削除文字列の文書番号と位置情報に基づき、前記文書データベース中の当該文書番号の文書の当該位置情報文字目に対して アクセスして、当該１文字削除文字列の次が削除した文字であれば、前記ｎ−ｇｒａｍインデックスデータベースに当該文書番号と当該位置情報を伴った、最後の１文字を削除する前のｎ（ｎ＞１）文字の当該文字列を前記ｎ−ｇｒａｍインデックスデータベースに新規作成して、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を有に変更するｎ−ｇｒａｍインデックス作成ステップと、
   登録文書に対して文書番号を付与するともに、ｎ−ｇｒａｍインデックスを作成した文書を前記文書データベースに登録する文書登録ステップと
   を実行することを特徴とする電子ファイリングシステムの検索インデックス作成方法。
5. コンピュータは、
   文書検索時に、検索キーワード中の連続する１文字以上の文字列である複数のインデックスと各々の出現頻度を抽出し、
   前記統合頻度管理テーブルの該当文字列の検索文字頻度に前記抽出した出現頻度を加算して更新し、重みをα（０＜α＜１）、前記更新した検索文字頻度に対応する登録文書出現頻度を前記統合頻度管理テーブルに格納された登録文書中の文字数の総和で除した、登録文書中の当該文字列の登録文書出現確率をＰｂｉ、前記更新した検索文字頻度を前記統合頻度管理テーブルに格納された検索文字数の総和で除した、検索文字出現確率をＰｓｉとして、
   統合頻度Ｐ＝α・Ｐｂｉ＋（１−α）・Ｐｓｉ
   を計算して前記統合頻度管理テーブルの統合頻度を更新して、前記統合頻度管理テーブルの当該文字列における出現頻度更新情報を有に変更する検索文字頻度算出ステップをさらに実行する
   ことを特徴とする請求項４記載の電子ファイリングシステムの検索インデックス作成方法。
6. コンピュータは、
   前記統合頻度管理テーブルから文字列を選択し、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報が有、かつ前記統合頻度管理テーブルの当該文字列の統合頻度がインデックス削除の閾値γ（γ＜β）未満の場合で、当該文字列が２文字以上の連続するインデックスときには、当該文字列を、前記ｎ−ｇｒａｍインデックスデータベースから削除するとともに、前記統合頻度管理テーブルの当該文字列のインデックスの有無情報を無に変更する前記ｎ−ｇｒａｍインデックス作成ステップを実行する
   ことを特徴とする請求項４記載の電子ファイリングシステムの検索インデックス作成方法。

Images