JP4149544B2 - 全文検索システムおよび全文検索プログラムを記録した記録媒体 - Google Patents
全文検索システムおよび全文検索プログラムを記録した記録媒体 Download PDFInfo
- Publication number
- JP4149544B2 JP4149544B2 JP32446297A JP32446297A JP4149544B2 JP 4149544 B2 JP4149544 B2 JP 4149544B2 JP 32446297 A JP32446297 A JP 32446297A JP 32446297 A JP32446297 A JP 32446297A JP 4149544 B2 JP4149544 B2 JP 4149544B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- search
- character unit
- hash
- characters
- 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 - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、大量の文書から必要とする情報が記載された文書を検索する情報検索システムに係わり、特に比較的長い検索キーワードで必要な文書を検索できる全文検索システム、及び全文検索プログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】
一般の情報検索システムのデータベースに新規の文書（文献）を登録する場合は、該当文書に含まれる複数のキーワードをデータベースに登録する。このキーワードは一般に予め決められた単語で構成されている。そして、この情報検索システムを用いて必要な情報が記載された文書（文献）を調べる場合は、必要な情報に関係するキーワードでデータベースを検索すると、このキーワードが登録された文書の文書名，発行所，著者，発行日，所蔵場所等の該当文書を特定する情報が検索結果として出力される。
【０００３】
このような情報検索システムにおいては、付与したキーワードでしか検索できなかった。この不都合を解消するために文書中の任意の単語や文字列でデータベースを検索できる全文検索システムが開発されている。
【０００４】
図１２は全文検索システムの概略構成図である。この全文検索システムは、大きく分けて、検索キーワードが入力されるキーボード等の検索キーワード入力部１と、実際に検索を実行する検索処理部２と、データベース３と、検索結果を出力するＣＲＴ表示装置や印字装置等で構成された検索結果出力部４とで構成されている。
【０００５】
データベース３内には、例えば、１文字検索情報テーブル５，２文字検索情報テーブル６、３文字検索情報テーブル７等の複数の検索情報テーブルが設けられている。
【０００６】
１文字検索情報テーブル５内には、図１３（ａ）に示すように、ひらかな、カタカナ、漢字，英字，数字等の各１文字単位毎に、該当１文字単位がこのデータベース３に登録された各文書に含まれるか否かの情報が記憶されている。具体的には、図示するように、該当１文字単位が含まれる文書番号＃に［１］のビットが設定され、該当１文字が含まれない文書番号＃に［０］のビットが設定される。
【０００７】
２文字検索情報テーブル６内には、図１３（ｂ）に示すように、前記ひらかな、カタカナ、漢字，英字，数字の２文字の全ての組合わせを示す２文字単位毎に、該当２文字単位が含まれる文書番号＃に［１］のビットが設定され、該当２文字単位が含まれない文書番号＃に［０］のビットが設定される。したがって、２文字検索情報テーブル６に設定されている２文字単位の数は１文字検索情報テーブル５に設定されている１文字からなる１文字単位の数のほぼ２乗値となる。
【０００８】
３文字検索情報テーブル７内には、図示しないが、ひらかな、カタカナ、漢字，英字，数字の３文字の全ての組合わせを示す３文字単位毎に、該当３文字単位が含まれる文書番号＃に［１］のビットが設定され、該当１文字が含まれない文書番号＃に［０］のビットが設定される。
【０００９】
そして、検索処理部２は図１４に示す流れ図に従って検索キーワード入力部１から入力された検索キーワードに対する検索処理を実行する。
流れ図のステップＳ１において、検索キーワード入力部１から一つの検索キーワードが入力されると、Ｓ２において、該当検索キーワードを１文字単位に分解する。例えば、図１５に示すように、検索キーワードが［日本の技術］のように２つの単語と１つの助詞で構成された５文字の文字列からなる場合は、［日］［本］［の］［技］［術］のように１文字からなる５つの１文字単位に分割する。Ｓ３にて、５つの各１文字単位に対してそれぞれ１文字検索情報テーブル５を検索して、各１文字単位が含まれる各文書番号＃を得る。
【００１０】
Ｓ４にて、入力された検索キーワードが２文字以上で構成されていた場合は、該当検索キーワードを２文字単位に分解する。例えは、検索キーワードが［日本の技術］の場合は、図１５に示すように、［日本］［本の］［の技］［技術］の４つの２文字単位に分割する（Ｓ５）。そして、４つの各２文字単位に対してそれぞれ２文字検索情報テーブル６を検索して、各２文字単位が含まれる各文書番号＃を得る（Ｓ６）。
【００１１】
Ｓ７にて、入力された検索キーワードが３文字以上の文字列で構成されていた場合は、該当検索キーワードを３文字単位に分解する。例えは、検索キーワードが［日本の技術］の場合は、図１５に示すように、［日本の］［本の技］［の技術］の３つの３文字単位に分割する（Ｓ８）。そして、３つの各３文字単位に対してそれぞれ３文字検索情報テーブル７を検索して、各３文字単位が含まれる各文書番号＃を得る（Ｓ９）。
【００１２】
そして、Ｓ１０において、上述したＳ３，Ｓ６，Ｓ９にて実行された全ての検索結果のアンド（ＡＮＤ）結果を得る。具体的には、全ての文字単位が含まれる文書番号＃を抽出する。
【００１３】
例えば、検索キーワードが［日本の技術］の場合は、１文字単位と２文字単位と３文字単位との合計１２個の文字単位が全て含まれる文書番号＃を抽出して、この文書番号＃をこの検索処理部２における検索結果として検索結果出力部４を介して出力する（Ｓ１１）。
【００１４】
このようにして、全文検索システムにおいては、２つ以上の単語を含む比較的長い文字列からなる検索キーワードで該当文字列を含む文書をデータベース３から検索できる。
【００１５】
このように構成された全文検索システムにおいては、長い文字列が含まれる文書を精度よく検索するためには、１，２，３文字検索情報テーブル５，６，７以外にも４文字，５文字の検索情報テーブルが必要である。
【００１６】
しかし、検索情報テーブルに設定する文字単位の文字数が増加すると、組合わせ数が飛躍的に増加し、データベース３が必要とする記憶容量が大幅に増大する。
【００１７】
このような不都合を解消するために、データベース３の各検索情報テーブル５，６，７に登録されている１個又は複数の文字からなる文字単位をハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて算出されたハッシュ値ｈで示す技術が開発されている。
【００１８】
図１６は、文字単位の構成文字数がｉである場合における各文字単位をハッシュ値ｈ（＝１，２，３，…，Ｎi ）で示した場合の検索情報テーブルであるｉ文字ハッシュテーブル８を示す。
【００１９】
このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）は、各文字単位を構成するｉ個の各文字ｃ1 ，ｃ2 ，…，ｃi の関数で示される。したがって、この関数Ｆi の式を調整することによって、各文字単位の各文字ｃ1 ，ｃ2 ，…，ｃi の複数種類の組合わせに対して同一ハッシュ値ｈを設定可能である。
【００２０】
その結果、ｉ文字数で構成される文字単位の全ての組合わせの数より、ハッシュ値ｈの数を大幅に減少できる。よって、このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いることによって、各検索情報テーブルの記憶容量をある程度低減できる。
【００２１】
【発明が解決しようとする課題】
しかしながら、上述したハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いた全文検索システムにおいても、まだ解消すべき次のような課題があった。
すなわち、前述したように、文字数の大きい文字列を精度よく検索するには、高い文字数の検索情報テーブル（文字ハッシュテーブル）を設ける必要があるが、データベース３の記憶容量の制約からせいぜい図１２に示したように、１，２，３文字検索情報テーブル（文字ハッシュテーブル）までである。
【００２２】
したがって、図１５に示したような５文字からなる文字列「日本の技術」を検索する場合は、５文字の文字列そのもので検索情報テーブルを検索していないので、実際には目的の文字列が含まれない文書が検索されてしまうこともあり、検索精度が低下する。なお、検索結果に混入するこの誤った文書を「検索ノイズ」と称する。
【００２３】
検索精度が低下するのは、文字種の多い日本語の漢字よりも文字種の少ない英字，数字でよく発生することが知られている。文字種が少ない場合は、検索する文字列の並びが文書中に多数出現する場合が多い。例えば、０〜９の数値では、３文字の組合せが１０×１０×１０＝１０3 通りしかない。
【００２４】
しかしＪｌＳ規格の第一水準のかな漢字は約３０００個存在するので、３文字の組合せが３０００×３０００×３０００＝２．７×１０10通りあるので、それぞれの出現頻度が低くなる。
【００２５】
例えば、５文字からなる「１００００」の数値を検索する場合、各検索情報テーブルに対して次の検索が行われる。
１文字テーブル １，０，０，０，０
２文字テーブル １０，００，００，００
３文字テーブル １００，０００，０００
次に、４文字からなる「１０００」の数値を検索することを考えると、各検索情報テーブルに対して次の検索が行われる。
【００２６】
１文字テーブル １，０，０，０
２文字テーブル １０，００，００
３文字テーブル １００，０００
この５文字の文字列「１００００」の検索と４文字の文字列「１０００」の検索とは、同じ文字単位の検索を複数回行うため、実際には両者ともに次に示す全く同じ検索を行うことになる。
【００２７】
１文字テーブル １，０
２文字テーブル １０，００
３文字テーブル １００，０００
すなわち、出現頻度の高い「００」の文字単位を何度も検索することになり、たとえ各テーブルにおけるそれぞれの検索結果のＡＮＤをとったとしても、同一の検索結果が出力される懸念があり、検索精度が低下する。
【００２８】
そのため、文字列「１００００」を含む文書を検索しても、文字列「１０００」を含む文書が同時に検索されてしまう。
また、５文字の文字列「１２０００」を検索する場合は、次の文字単位を検索することになる。
【００２９】
１文字テーブル １，２，０，０，０
２文字テーブル １２，２０，００，００
３文字テーブル １２０，２００，０００
そのため、次のような文書も誤って検索してしまう。
【００３０】
「２０００件の中で１２０件が・・・」
このように、検索する文字列の文字種が少ない場合は、検索する文字列の文字並びが文書中に多数出現する場合が多く、前述した検索ノイズが増加する傾向にある。
【００３１】
そこで４文字、５文字を検索するための４文字検索情報テーブル、５文字検索情報テーブルを増設することが考えられるが、データベース３の必要記憶容量が飛躍的に増大し、実用的でないという問題が発生する。
【００３２】
また、データベース３の必要記憶容量を低減させるために、前述した図１６に示すハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を採用したハッシュテーブル８を採用することが考えられる。
【００３３】
しかし、ハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を使用する場合は、前述したように、必然的に、異なる文字単位が同じハッシュ値ｈを持つ可能性があるため、同じハッシュ値ｈを持つ別の文字単位を含む文書が検索ノイズとして検索される懸念がある。
【００３４】
特にハッシュテーブル８中のばらつきに片寄りがある場合は、検索ノイズが増加する。一般的に、このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）の設定は難しく、ハッシュ関数Ｆi の設定の精度によって検索ノイズの発生率が増減する。
【００３５】
このように、従来の全文検索システムにおいては、検索する際には、検索キーワードを１文字単位、２文字単位、３文字単位ずつ区切った組合わせで検索するため、４文字以上の文字列の場合、特に数値などの文字種別において、正しい検索結果が得られない懸念がある。
【００３６】
また、高い検索精度を得るために文字単位に含まれる文字数が多い多数の検索情報テーブルを組込むことが考えられるが、データベース３の必要記憶容量が大幅に増加する問題があった、
さらに、ハッシュ関数Ｆi を用いてデータベース３の必要記憶容量を減少させる場合は、ハッシュ関数Ｆi の設定の精度によって検索ノイズの発生率が増加する懸念がある。
【００３７】
本発明はこのような事情に鑑みてなされたものであり、検索情報テーブルの設定数を検索すべき文字列の文字種別に応じた値に設定することによって、検索情報テーブルを記憶するデータベースの記憶容量を大幅に増加することなく、検索精度を向上できる全文検索システム及び全文検索プログラムを記録した記録媒体を提供することを目的とする。
【００３８】
また、各検索情報テーブルの構成を工夫することによって、検索精度を低下することなく、検索情報テーブルを記憶するデータベースの記憶容量を低減できる全文検索システムを提供することを目的とする。
【００３９】
【課題を解決するための手段】
本発明は、それぞれ文字単位の文字数が異なる値に設定され、指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から検索キーワードが含まれる文書を特定する全文検索システムに適用される。
【００４０】
そして、上記課題を解消するために、本発明においては、各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、複数種類の検索情報テーブルは、それぞれ一つの文字数の文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、所定文字数以上における複数の文字数の文字単位に対応するハッシュ値が組込まれた共通ハッシュテーブルとを含み、共通ハッシュテーブルは、検索キーワードから生成される文字単位に含まれる文字の英数字の文字種別の文字単位の検索に使用される。
【００４１】
また、別の発明においては、各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、複数種類の検索情報テーブルは、検索キーワードから生成される文字単位に含まれる文字の全ての文字種別に亘り、検索キーワードから生成される文字単位に含まれる所定文字数以下の各文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、文字単位に含まれる文字の英数字の文字種別に対してのみ、所定文字数を超える文字数に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた追加のハッシュテーブルとを含む。
【００４２】
また、別の発明においては、各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、複数種類の検索情報テーブルは、検索キーワードから生成される文字単位に含まれる文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルで構成され、かつ、検索キーワードから生成される文字単位に含まれる文字の複数の文字種別毎に、同一文字数の文字単位に対してそれぞれ異なるハッシュ関数を用いてハッシュ値が設定されている。
【００４４】
このように構成された全文検索システムにおいては、検索情報テーブルの設定数は、各検索情報テーブルに設定される文字単位を含む文字列の文字種別毎に異なる値を有している。
【００４５】
すなわち、文字種別として、例えば英字，数字、ひらかな、カタカナ、漢字第一水準、漢字第二水準、外字等が存在する。そして、前述したように、検索すべき文字列が英字，数字のみで構成されていた場合は、たとえ構成文字数が異なる文字列であったとしても同一文字列を検索する事態が発生する確率が多いので、検索ノイズが発生する確率が高くなる。
【００４６】
一方、英字，数字以外のひらかな、カタカナ、漢字第一水準、漢字第二水準、外字等の文字種別においては、文字列に同一文字が多数含まれることは希であるので、少ない文字数の文字単位の検索情報テーブルのみを用いて検索したとしても検索ノイズの発生確率は少ない。
【００４７】
したがって、検索ノイズの発生確率が高い英数字で構成される文字列を分離した文字単位に対する検索情報テーブルに対してのみ、構成文字数の高い検索情報テーブルを設ければ、検索ノイズの発生確率が低下する。
【００４８】
なお、英字，数字の文字種は漢字に比較して格段に少ないので、例えば４文字や５文字の検索情報テーブルを設けたとしても、各検索情報テーブルを記憶するデータベースの記憶容量が大幅に増加することはない。
【００４９】
また、各検索情報テーブルに登録される文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示されている。
【００５０】
このハッシュ値は各文字数毎の検索情報テーブル毎に設定されるが、たとえ構成文字数が異なる文字単位であっても、発生確率の小さい文字単位どうしであれば、このハッシュ値を一つの共通検索情報テーブルに組込んだとしても検索ノイズの発生確率は大幅に上昇することはない。
【００５１】
よって、検索精度を低下させることなく、データベースの必要記憶容量を節減できる。
また、別の発明においては、複数種類の検索情報テーブルには、文字単位を含む文字列の文字種別毎に異なるハッシュ関数を用いて算出されたハッシュ値が設定されている。
【００５２】
すなわち、検索対象となる文字列の文字種別は、前述したように、英字、数字、ひらかな、カタカナ、漢字第一水準、漢字第二水準、外字等が存在する。一般に、複数の文字からなる文字単位を例えば文書から無作為に抽出した場合は、検出される文字単位の各文字の各組合わせの発生確率は文字種別に応じてそれぞれ異なる。
【００５３】
したがって、発生確率の高い文字単位どうしを同一ハッシュ値に設定されることを防止すると、各文字種別毎にハッシュ関数を設定することによって、検索ノイズの発生確率を低減できる。
【００５４】
また、英字，数字は文字種が少ないので、同一組合わせに対してできるだけ複数のハッシュ値が設定されないようにハッシュ関数を設定すればよい。
さらに、別の発明は、それぞれ文字単位の文字数が異なる値に設定され、指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおける全文検索プログラムを記録したコンピュータ読取り可能な記録媒体である。
【００５５】
そして、一つのコンピュータ読取り可能な記録媒体に記録された全文検索プログラムは、コンピュータを、各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、記複数種類の検索情報テーブルを、それぞれ一つの文字数の文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、所定文字数以上における複数の文字数の文字単位に対応するハッシュ値が組込まれた共通ハッシュテーブルとを含ませ、前記共通ハッシュテーブルを、前記検索キーワードから生成される文字単位に含まれる文字の英数字の文字種別の文字単位の検索に使用させる。
【００５６】
また、他のコンピュータ読取り可能な記録媒体に記録された全文検索プログラムは、コンピュータを、各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、複数種類の検索情報テーブルを、前記検索キーワードから生成される文字単位に含まれる文字の全ての文字種別に亘り、前記検索キーワードから生成される文字単位に含まれる所定文字数以下の各文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、文字単位に含まれる文字の英数字の文字種別に対してのみ、所定文字数を超える文字数に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた追加ハッシュテーブルとを含ませている。
【００５７】
また、他のコンピュータ読取り可能な記録媒体に記録された全文検索プログラムは、コンピュータを、各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、複数種類の検索情報テーブルを、検索キーワードから生成される文字単位に含まれる文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルで構成させ、かつ、検索キーワードから生成される文字単位に含まれる文字の複数の文字種別毎に、同一文字数の文字単位に対してそれぞれ異なるハッシュ関数を用いてハッシュ値が設定させている。
【００５８】
このように構成された全文検索プログラムを記録した記録媒体を用いることによって、上述した機能を有していない従来の全文検索シカテムに対しても、簡単に上述した機能を付加することができる。
【００５９】
【発明の実施の形態】
以下本発明の各実施形態を図面を用いて説明する。
（第１実施形態）
図１は本発明の第１実施形態の全文検索システムの概略構成を示すブロック図である。
【００６０】
この全文検索システムは、大きく分けて、文章をデータベース１３へ登録するため登録文書入力部１１及び登録処理部１２と、データベース１３から必要な情報を検索するための検索キーワード入力部１５，検索処理部１６及び検索結果出力部１７と、種別テーブル１４とで構成されている。
【００６１】
データベース１３内には、図示するように、複数種類の検索情報テーブルとしての１文字ハッシュテーブル１８、２文字ハッシュテーブル１９、３文字ハッシュテーブル２０、４文字ハッシュテーブル２１及び５文字ハッシュテーブル２２の合計５つハッシュテーブルが設けられている。
【００６２】
各ハッシュテーブル１８〜２２内には、各ハッシュテーブル１８〜２２で指定されて１文字〜５文字の各文字単位を構成する文字のすべての組合わせをハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて算出されたハッシュ値ｈが設定されており、該当ハッシュ値ｈが得られる文字単位を含む文書番号＃が［１］のビットで登録されている。
【００６３】
この合計５つハッシュテーブル１８〜２２に登録される１文字〜５文字の各組合わせの文字単位を含む文字列の文字種別として、この第１実施形態システムにおいては、
(a) 英字．数字のみ
(b) ひらかな、カタカナ，漢字第一水準を含む
(c) 漢字第二水準，外字のみ
の３種類に区分している。
【００６４】
１文字ハッシュテーブル１８内には、図３（ａ）に示すように、(a) ，(b) ，(c) の３種類のすべての文字種別を含む４０００文字種の各１文字（１文字単位）毎に、該当１文字単位からハッシュ関数Ｆ1 （ｃ1 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ1 ）が設定されている。
【００６５】
２文字ハッシュテーブル１９内には、図３（ｂ）に示すように、(a) ，(b) ，(c) の３種類のすべての文字種別を含む約４０００文字種の２文字単位毎に、該当２文字単位からハッシュ関数Ｆ2 （ｃ1 ，ｃ2 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ2 ）が設定されている。
【００６６】
３文字ハッシュテーブル２０内には、図３（ｃ）に示すように、(c) の漢字第二水準，外字を除く、(a) ，(b) の２種類の文字種別を含む約３５００文字種の３文字単位毎に、該当３文字単位からハッシュ関数Ｆ3 （ｃ1 ，ｃ2 ，ｃ3 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ3 ）が設定されている。
【００６７】
４文字ハッシュテーブル２１内には、図４（ａ）に示すように、(a) の英字．数字の１種類のみの文字種別を含む約５０文字種の４文字単位毎に、該当４文字単位からハッシュ関数Ｆ4 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ4 ）が設定されている。
【００６８】
５文字ハッシュテーブル２２内には、図４（ｂ）に示すように、(a) の英字，数字の１種類のみの文字種別を含む約５０文字種の５文字単位毎に、該当５文字単位からハッシュ関数Ｆ5 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ5 ）が設定されている。
【００６９】
前記種別テーブル１４内には、図２に示すように、検索キーワード、登録文字列を構成する前述した(a) (b) (c) の３種類の文字種別毎に、検索対象又は登録対象の各ハッシュテーブル１８〜２２が登録されている。
【００７０】
具体的には、(a) の英字，数字に対しては全てのハッシュテーブル１８〜２２が登録され、(b) のひらかな、カタカナ，漢字第一水準に対しては１，２，３文字のハッシュテーブル１８〜２０が登録され、(c) の漢字第二水準，外字に対しては１，２文字のハッシュテーブル１８，１９のみが登録されている。
【００７１】
次に、登録処理部１２が行うデータベース１３の各ハッシュテーブル１８〜２２に対する登録文書入力部１１から入力された文書の登録処理を図５に示す流れ図を用いて説明する。
【００７２】
ステップＲ１において、データベース１３に対して登録すべき文書が存在することを確認すると、該当文書を読取る（Ｒ２）。そして、この文書内に登録すべき文字列が存在すると（Ｒ３）、該当文字列を読込み（Ｒ４）、この入力した文字列の文字数Ｋ、及び該当文字列の文字種別を判断する。具体的には、前述した(a) ，(b) ，(c) に区分する（Ｒ５）。
【００７３】
そして、種別テーブル１４から判別された文字種別に対応する使用ハッシュテーブルを特定する（Ｒ６）。特定された使用ハッシュテーブルの数ｎと、使用ハッシュテーブル名をＮａ(1) ，Ｎａ(2) ，Ｎａ(3) ，…，Ｎａ(n) と設定する（Ｒ７）。
【００７４】
以上の準備処理が終了すると、使用ハッシュテーブルを特定するインデックスｉを１に初期化する（Ｒ８）。そして、インデックスｉが使用ハッシュテーブル数ｎ以下で、かつ使用ハッシュテーブル名Ｎａ(i) が文字列の文字数Ｋ以下の場合（Ｒ９）、ｉ文字ハッシュテーブルに対する文書番号＃の登録処理を開始する。
【００７５】
すなわち、該当文字列をｉ個の連続文字からなる複数の文字単位に分割して（Ｒ１０）、この各文字単位からハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて各ハッシュ値ｈを算出して、各ハッシュテーブル１８〜２２のうちのｉ文字ハッシュテーブルの該当ハッシュ値ｈの欄に対して該当文書番号＃を登録する（Ｒ１１）。
【００７６】
ｉ文字ハッシュテーブルに対する文書番号＃の登録処理が終了すると、インデックスｉに１を加算して（Ｒ１２）、Ｒ９へ戻り、加算された後のインデックスｉが示すハッシュテーブルに対する文書番号＃の登録処理を開始する。
【００７７】
Ｒ９にて、加算後のインデックスｉが使用ハッシュテーブル数ｎを越えると、今回読出した文字列に対する選択された全てのハッシュテーブル１８〜２２に対する該当文書番号＃の登録処理が終了したと判断して、Ｒ３へ戻り、先に取込んだ文書から次の文字列の読出を開始する。
【００７８】
また、検索処理部１６が行う検索キーワード入力部１５から入力された検索キーワードに対する検索処理を図６に示す流れ図を用いて説明する。
検索キーワード入力部１５から検索キーワードが入力されると（Ｑ１）、入力検索キーワードの文字数Ｋ，及び該当文字列の文字種別を判断する。具体的には、前述した(a) ，(b) ，(c) に区分する（Ｑ２）。そして、種別テーブル１４から判別された文字種別に対応する使用ハッシュテーブルを特定する（Ｑ３）。特定された使用ハッシュテーブルの数ｎと、使用ハッシュテーブルの名Ｎａ(1) ，Ｎａ(2) ，Ｎａ(3) ，…，Ｎａ(n) と設定する（Ｓ４）。
【００７９】
以上の準備処理が終了すると、使用ハッシュテーブルを特定するインデックスｉを１に初期化する（Ｑ５）。そして、インデックスｉが使用ハッシュテーブル数ｎ以下で、かつ使用ハッシュテーブル名Ｎａ(i) が文字列の文字数Ｋ以下の場合（Ｑ６）、ｉ文字ハッシュテーブルに対する文書番号＃の検索処理を開始する。
【００８０】
すなわち、該当文字列をｉ個の連続文字からなる複数の文字単位に分割して（Ｑ７）、この各文字単位からハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて各ハッシュ値ｈを算出して、各ハッシュテーブル１８〜２２のうちのｉ文字ハッシュテーブルの該当ハッシュ値ｈに対して設定されている各文書番号＃を抽出（検索）する（Ｑ８）。
【００８１】
ｉ文字ハッシュテーブルに対する各文書番号＃の検索処理が終了すると、インデックスｉに１を加算して（Ｑ９）、Ｑ６へ戻り、加算された後のインデックスｉに対応するハッシュテーブルに対する各文書番号＃の検索処理を開始する。
【００８２】
Ｑ６にて、加算後のインデックスｉが使用ハッシュテーブル数ｎを越えると、今回入力した検索キーワードに対する選択された全てのハッシュテーブル１８〜２２に対する文書番号＃の検索処理が終了したと判断して、Ｑ１０へ進み、ｎ個の各ハッシュテーブル１８〜２２で検出された検索結果である全ての文書番号＃のＡＮＤ値を得る。具体的には、全ての文字単位が含まれる文書番号＃を抽出する。そして、この軽策結果を検索結果出力部１７へ表示出力する。
【００８３】
このように構成された第１実施形態の全文検索システムにおいては、登録する文字列や検索する検索キーワードの文字種別に応じて、登録したり検索に用いるハッシュテーブルの種別（Ｎａ(1) 〜Ｎａ(n) ）と数ｎとが異なる。
【００８４】
具体的には、文字種別(a) の英字，数字のみの場合は、１文字ハッシュテーブル１８から５文字ハッシュテーブル２２までの全てのハッシュテーブル５を使用する。逆に、文字種別(b) の英字，数字，ひらかな、カタカナ，漢字第一水準を含む場合は、１文字ハッシュテーブル１８から３文字ハッシュテーブル２０までの３つのハッシュテーブルを使用する。
【００８５】
したがって、４文字ハッシュテーブル２１と５文字ハッシュテーブル２２には文字種別(a) の英字，数字のみの組合せの文字単位に対するハッシュ値ｈのみしか設定されていない。英字，数字のみの組合せ数は文字種別(b) における組合せ数に比較して格段に少ないので、たとえこの４文字ハッシュテーブル２１と５文字ハッシュテーブル２２とをデータベース１３に組込んだとしてもデータベース１３の必要記憶容量が大幅に増加することはない。
【００８６】
次に、このように構成された第１実施形態の全文検索システムにおける具体的な登録動作及び検索動作を具体例を用いて説明する。
先ず、次の２つの文書を登録する場合を説明する。
【００８７】
文書１（＃＝１） 「・・・１２０００件のデータ・・・」
文書２（＃＝２） 「・・・２０００件中の１２０件・・・」
まず文書１（＃＝１）を読む。この場合、「１２０００」と「件のデータ」とに分割する。そして、同じ文字種別の文字を読むと、「１２０００」の部分が（a)の英数字なので、種別テーブル１４で対応するハッシュテーブルを調ペる。数字の場合は１〜５文字ハッシュテーブル１８〜２２が指定されているため、「１２０００」の文字列を次のように１〜５文字の文字単位に分割して、それぞれのハッシュ値ｈを計算し、各ハッシュテーブル１８〜２２に該当文書番号＃（＝１）を追加登録する。
【００８８】
１文字ハッシュテーブル １，２，０，０，０
２文字ハッシュテーブル １２，２０，００，００
３文字ハッシュテーブル １２０，２００，０００
４文字ハッシュテーブル １２００，２０００
５文字ハッシュテーブル １２０００
次の「件のデータ」の文字列は、ひらがな、カタカナ、漢字（第一水準）を含む(b) の文字種別である。この(b) の文字種別こ対しては、種別テーブル１４に１〜３文字のハッシュテーブル１８，１９，２０が指定されている。よって、同様な手法で各ハッシュテーブル１８，１９，２０に対して該当文書番号＃（＝１）を追加登録する。
【００８９】
ここで、別の文字種別の文字列がつながる部分は少ない方の指定ハッシュテーブルに対して登録すると設定しておくと、「００件のデータ」の中の次の文字に対して各ハッシュ値ｈを計算し、各ハッシュテーブルに該当文書番号＃（＝１）を追加登録する。
【００９０】
１文字ハッシュテーブル 件，の，デ，−，夕
２文字ハッシュテーブル ０件，件の，のデ，デー，一タ
３文字ハッシュテーブル ００件，０件の，件のデ．のデー，データ
次に、文書２（＃＝２）を読む。同様に同じ文字種別の文字を読み、次の通りに各ハッシュテーブルに該当文書番号＃（＝２）を追加登録する。
【００９１】
１文字ハッシュテーブル ２，０，０，０，件，中，の，１，２，０
２文字ハッシュテーブル ２０，００，００，Ｏ件，件中，中の，の１，１２、２０
３文字ハッシュテーブル ２００，Ｏ００，００件，０件中，件中の，中の１，の１２，１２０
４文字ハッシュテーブル ２０００
５文字ハッシュテーブル なし
以上で上記各文書（＃＝１，＃＝２）の各ハッシュテーブルに対する登録が終了する。
【００９２】
次に、上述したように各文書（＃＝１，＃＝２）が登録されたデータベース１３を検索キーワード「１２０００」を用いて、この文字列「１２０００」を含む文書を検索する場合を説明する。
【００９３】
まず検索キーワード「１２０００」が入力されると、この検索キーワードの数字である文字種別(a) を判定して、種別テーブル１４から、文字種別(a) に対応する１文字から５文字の各ハッシュテーブル１８〜２２を特定する。
まず、検索キーワード「１２０００」を１文字単位に分割する。
【００９４】
１，２，０，０，０
これら５つの各１文字単位について、１文字ハッシュテーブル１８に対して検索を行なうと、文書１、２が検索される。
次に検索キーワード「１２０００」を２文字単位に分割する。
【００９５】
１２，２０，００，００
これら４つの各２文字単位について、２文字ハッシュテーブル１９に対して検索を行なうと、文書１、２が検索される。
次に検索キーワード「１２０００」を３文字単位に分割する。
【００９６】
１２０，２００，０００
これら３つの各３文字単位について、３文字ハッシュテーブル２０に対して検索を行なうと、文書１、２が検索される。
次に検索キーワード「１２０００」を４文字単位に分割する。
【００９７】
１２００，２０００
これら２つの各４文字単位について、４文字ハッシュテーブル２１に対して検索を行なうと、文書１のみが検索される。
次に検索キーワード「１２０００」を５文字単位に分割する。
【００９８】
１２０００
この１つの５文字単位について、５文字ハッシュテーブル２２に対して検索を行なうと、文書１のみが検索される。
【００９９】
最後に、これまでの各検索結果のＡＮＤを取ると文書１のみが残り、この文書１（＃＝１）が最終検索結果として出力される。
これにより、正しい文書１（＃＝１）のみが検索され、検索ノイズである文書２（＃＝２）は検索されないので、検索精度が向上する。
【０１００】
このように、検索ノイズの発生確率が高い英数字等の文字種別で構成される文字列に対するハッシュテーブルに対してのみ、構成文字数の高い４文字や５文字のハッシュテーブル２１，２２を設ければ、検索ノイズの発生確率が低下する。
【０１０１】
なお、英数字の文字種は漢字に比較して格段に少ないので、たとえ４文字や５文字のハッシュテーブル２１，２２を設けたとしても、データベース１３全体の必要記憶容量が大幅に増加することはない。
【０１０２】
（第２実施形態）
図７は本発明の第２実施形態に係わる全文検索システムの概略構成を示すブロック図である。図１に示す第１実施形態と同一部分には同一符号が付してある。したがって、重複する部分の詳細説明は省略されている。
【０１０３】
この第２実施形態の全文検索システムのデータベース１３ａ内には、図１に示す第１実施形態と同一の１文字ハッシュテーブル１８、２文字ハッシュテーブル１９、３文字ハッシュテーブル２０の他に、共通ハッシュテーブル２３が設けられている。
【０１０４】
この共通ハッシュテーブル２３内には、図９に示すように、構成する文字数が４文字，５文字，６文字，…．ｎ文字とそれぞれ異なる値を有する各文字単位に対応する各文字組合わせ毎に算出されたハッシュ値ｈが登録されている。
【０１０５】
具体的には、図示するように構成文字数ｉ毎に、ハッシュ関数Ｆi が設定されている。例えば４文字の場合はハッシュ関数Ｆ4 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ）を用いてハッシュ値ｈを算出する。また、５文字の場合はハッシュ関数Ｆ5 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5 ）を用いてハッシュ値ｈを算出する。さらに、６文字の場合はハッシュ関数Ｆ6 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5 ，ｃ6 ）を用いてハッシュ値ｈを算出する。
【０１０６】
また、種別テーブル１４ａ内には、検索キーワード及び登録文字列の前述した(a) ，(b) ．(c) の文字種別毎に利用する各ハッシュテーブルが登録されている。
【０１０７】
(a) に示す英字、数字のみの場合、１文字ハッシュテーブル１８、２文字ハッシュテーブル１９、３文字ハッシュテーブル２０及び共通ハッシュテーブル２３が登録されている。なお、文字種別(b) ．(c) に対しては図２で示した第１実施形態の種別テーブル１４と同一のハッシュテーブルが設定されている。
【０１０８】
このような構成の第２実施形態の全文検索システムにおいて、登録処理部１２は登録文書入力部１１から入力された各文書のそれぞれ登録すべき各文字列を例えば１〜Ｎ個の文字からなる各単位文字に分離して、種別テーブル１４ａの指定する各ハッシュテーブルヘ該当文章番号＃を登録するが、４文字以上の文字単位に対する文書番号＃の登録は全て共通ハッシュテーブル２３へ一括して登録される。
【０１０９】
検索処理部１６は、検索キーワード検索部１５から入力された検索キーワードでデータベース１３ａを検索する場合においても、検索キーワードを１〜Ｎ個の文字からなる各文字単位に分離して、種別テーブル１４ａの指定する各ハッシュテーブルを検索するが、４文字以上の文字単位に対する検索はすべて共通ハッシュテーブル２３に対して実施する。
【０１１０】
このような、共通ハッシュテーブル２３を使用したとしても、目標とする文書を確実に検索できる。
また、図９に示したように、ハッシュ値ｈは各構成文字数毎のハッシュ関数Ｆ4 ，Ｆ5 ，Ｆ6 ，…，Ｆn 毎に個別の値として求まるが、たとえ構成文字数が異なる文字列であっても、４文字単位，５文字単位，６文字単位等の構成文字数が大きいものは登録されている各文書における発生確率が小さい。したがって、この各文字数毎のハッシュ値ｈを一つの共通ハッシュテーブル２３に組込んだとしても誤った文書が検索される検索ノイズの発生確率は大幅に上昇することはない。
【０１１１】
よって、検索精度を低下させることなく、データベース１３ａの必要記憶容量を節減できる。
（第３実施形態）
図１０は本発明の第３実施形態に係わる全文検索システムの概略構成を示すブロック図である。図１に示す第１実施形態と同一部分には同一符号が付してある。したがって、重複する部分の詳細説明は省略されている。
【０１１２】
この第３実施形態の全文検索システムのデータベース１３ｂ内には、１文字ハッシュテーブル１８ａ、２文字ハッシュテーブル１９ａ、３文字ハッシュテーブル２０ａ，４文字ハッシュテーブル２１ａ、５文字ハッシュテーブル２２ａ，６文字ハッシュテーブル２４，７文字ハッシュテーブル２５の合計７個のハッシュテーブルが設けられている。
【０１１３】
また、種別テーブル１４ｂ内には、図１１に示すように、検索キーワード及び登録文字列の(a) ，(b1)，(b2)，(c) の合計４種類の文字種別毎に利用する各ハッシュテーブル及び採用する各ハッシュ関数が登録されている。
【０１１４】
(a) の文字種別は、第１実施形態と同様に英字と数字のみであり、この文字種別(a) に対して前述した１文字から７文字までの全てのハッシュテーブル１８ａ〜２５が使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ〜２５毎に採用するハッシュ関数Ｆ1 ，Ｆ2 ．Ｆ3 ．Ｆ4 ，Ｆ5 ，Ｆ6 ，Ｆ7 が登録されている。各ハッシュ関数Ｆ1 〜Ｆ7 は文字単位の構成文字数ｉが異なるのみのである同一種類のハッシュ関数Ｆi （ｃ1 ，…，ｃi ）である。
【０１１５】
(b1)の文字種別は、ひらかなとカタカナのみであり、この文字種別(b1)に対して前述した１文字から３文字までの各ハッシュテーブル１８ａ〜２０ａが使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ〜２０ａ毎に採用するハッシュ関数Ｇ1 ，Ｇ2 ．Ｇ3 が登録されている。各ハッシュ関数Ｇ1 〜Ｇ3 は文字単位の構成文字数ｉが異なるのみの度同一種類のハッシュ関数Ｇi （ｃ1 ，…，ｃi ）である。
【０１１６】
(b2)の文字種別は、第一水準の漢字のみであり、この文字種別(b2)に対して前述した１文字から３文字までの各ハッシュテーブル１８ａ〜２０ａが使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ〜２０ａ毎に採用するハッシュ関数Ｇ1 ，Ｄ2 ．Ｄ3 が登録されている。各ハッシュ関数Ｄ1 〜Ｄ3 は文字単位の構成文字数ｉが異なるのみの同一種類のハッシュ関数Ｄi （ｃ1 ，…，ｃi ）である。
【０１１７】
(c) の文字種別は、第１実施形態と同様に第一水準の漢字と外字のみであり、この文字種別(c) に対して前述した１文字ハッシュテーブル１８ａと２文字ハッシュテーブル１９ａが使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ，１９ａにそれぞれ採用するハッシュ関数Ｅ1 ，Ｅ2 が登録されている。各ハッシュ関数Ｅ1 ，Ｅ2 は文字単位の構成文字数ｉが異なるのみの同一種類のハッシュ関数Ｅi （ｃ1 ，…，ｃi ）である。
【０１１８】
このように、検索キーワード及び登録文字列の前述した(a) ，(b1)．(b2)，(c) の合計４種類の文字種別毎に異なる種類のハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi が設定されている。
【０１１９】
登録処理部１２ａは、登録文書入力部１１から入力された各文書の各登録すべき各文字列の文字種別(a) ，(b1)．(b2)，(c) を判断して、例えば１〜Ｎ個の文字からなる各単位文字に分離する。そして、種別テーブル１４ｂの該当文字種別に指定されたハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出し、同じく種別テーブル１４ｂで指定されたハッシュテーブルの該当ハッシュ値ｈの欄に今回登録しようとする文字列が含まれる文書番号＃を追加登録する。
【０１２０】
検索処理部１６ａは、検索キーワード検索部１５から入力された検索キーワードでデータベース１３ｂを検索する場合、検索キーワードを構成する文字の文字種別(a) ，(b1)．(b2)，(c) を判断して、例えば１〜Ｎ個の文字からなる各単位文字に分割する。そして、種別テーブル１４ｂの該当文字種別に指定されたハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出し、同じく種別テーブル１４ｂで指定されたハッシュテーブルの該当ハッシュ値ｈの欄に登録された文書番号＃を読取る。
【０１２１】
このような、検索キーワード、登録する文字列を構成する各文字の文字種別(a) ，(b1)．(b2)，(c) 毎に異なるハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出したとしても、目標とする文書を確実に検索できる。
【０１２２】
さらに、この第３実施形形態においては、各文字種別(a) ，(b1)．(b2)，(c) 毎に異なるハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出している。
【０１２３】
一般に、各文字種別毎に、１文字単位、２文字単位、３文字単位の各文字の組合せの発生状況が異なるので、全ての文字種別(a) ，(b1)．(b2)，(c) に亘って同一種別のハッシュ関数を採用してハッシュ値ｈを算出した場合においては、文字種別によっては、ハッシュテーブル内において、ある特定のハッシュ値ｈに対して多くの文書番号＃が登録されることになる。その結果、検索ノイズの発生確率が上昇したり、ハッシュテーブルを有効に使用できない懸念がある。
【０１２４】
したがって、各文字種別(a) ，(b1)．(b2)，(c) 毎に、該当文字種別の組合せの発生状況に対応した最適のハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を設定することによって、一つのハッシュ値ｈに対して多数の文書番号＃が登録されることを抑制でき、検索ノイズの発生確率を低下でき、検索精度を向上できる。
【０１２５】
また、４文字から７文字までの各ハッシュテーブル２２ａ，２４、２５内には、英字及び数字からなる文字単位の組合わせに対するハッシュ値ｈしか登録されていない。この英字及び数字からなる文字単位の組合わせ数は、漢字の組合わせ数の比較して格段に小さいので、同一の組合わせが同一ハッシュ値ｈにならないように、この文字種別のハッシュ関数Ｆ4 ，Ｆ5 ，Ｆ6 ，Ｆ7 を調整することによって、たとえ検索キーワードに数字が多く含まれる場合であっても、検索ノイズの発生確率を低下でき、検索精度を向上できる。
【０１２６】
なお、本発明は上述した各実施形態のみに限定されるものではない。
例えば図１に示した全文検索システムの登録処理部１２、検索処理部１６の機能をプ口グラム化し、予めＣＤ−ＲＯＭなどの記録媒体に書き込んでおき、このＣＤ−ＲＯＭをＣＤ−ＲＯＭドライブを搭載した計算機に装填し、計算機がＣＤ−ＲＯＭからプログラムをロードすることにより上記実施形態と同様の機能を実現することができる。なお、記録媒体としては、上記ＣＤ−ＲＯＭ以外に、磁気テープ、ＤＶＤ−ＲＯＭ、フロッピーディスク、ＭＯ）ＭＤ．ＣＤ−Ｒ、メモリカードなどでもよい。
【０１２７】
【発明の効果】
以上説明したように本発明の全文検索システム及び全文検索プログラムを記録した記録媒体においては、検索情報テーブルの設定数を検索すべき文字列の文字種別に応じた値に設定している。したがって、検索情報テーブルを記憶するデータベースの記憶容量を大幅に増加することなく、検索精度を向上できる。
【０１２８】
また、文字数が互いに異なる複数種類の文字列に対応するハッシュ値が組込まれた検索情報テーブルを用いるので、検索精度を低下することなく検索情報テーブルを記憶するデータベースの記憶容量を低減できる。
【０１２９】
さらに、文字列を構成する文字の種別毎に異なるハッシュ関数を用いて算出されたハッシュ値を検索情報テーブルに設定している。したがって、たとえば、発生確率の高い文字単位どうしを同一ハッシュ値に設定されることを防止するように、各文字種別毎にハッシュ関数を設定することによって、検索ノイズの発生確率を低減できる。
【図面の簡単な説明】
【図１】 本発明の第１実施形態に係わる全文検索システムの概略構成を示すブロック図
【図２】 同全文検索システムに組込まれた種別テーブルの登録内容を示す図
【図３】 同全文検索システムのデータベースに組込まれた各ハッシュテーブルの登録内容を示す図
【図４】 同じく同データベースに組込まれた各ハッシュテーブルの登録内容を示す図
【図５】 同全文検索システムのデータベースに対する文書の登録処理を示す流れ図
【図６】 同全文検索システムのデータベースに対する文書の検索処理を示す流れ図
【図７】 本発明の第２実施形態に係わる全文検索システムの概略構成を示すブロック図
【図８】 同全文検索システムに組込まれた種別テーブルの登録内容を示す図
【図９】 同全文検索システムのデータベースに組込まれた共通ハッシュテーブルの登録内容を示す図
【図１０】 本発明の第３実施形態に係わる全文検索システムの概略構成を示すブロック図
【図１１】 同全文検索システムに組込まれた種別テーブルの登録内容を示す図
【図１２】 従来の全文検索システムの概略構成を示すブロック図
【図１３】 同全文検索システムに組込まれた各文字検索情報テーブルの記憶内容を示す図
【図１４】 同全文検索システムデータベースに対する文書の検索処理を示す流れ図
【図１５】 検索キーワードを文字単位に分割する場合の分割種別を示す図
【図１６】 一般的なｉ文字ハッシュテーブルの記憶内容を示す図
【符号の説明】
１１…登録文書入力部
１２，１２ａ…登録処理部
１３，１３ａ，１３ｂ…データベース
１４，１４ａ，１４ｂ…種別テーブル
１５…検索キーワード入力部
１６，１６ａ…検索処理部
１７…検索結果出力部
１８，１８ａ…１文字ハッシュテーブル
１９，１９ａ…２文字ハッシュテーブル
２０，２０ａ…３文字ハッシュテーブル
２１，２１ａ…４文字ハッシュテーブル
２２，２２ａ…５文字ハッシュテーブル
２３…共通ハッシュテーブル
２４…６文字ハッシュテーブル
２５…７文字ハッシュテーブル
【発明の属する技術分野】
本発明は、大量の文書から必要とする情報が記載された文書を検索する情報検索システムに係わり、特に比較的長い検索キーワードで必要な文書を検索できる全文検索システム、及び全文検索プログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】
一般の情報検索システムのデータベースに新規の文書（文献）を登録する場合は、該当文書に含まれる複数のキーワードをデータベースに登録する。このキーワードは一般に予め決められた単語で構成されている。そして、この情報検索システムを用いて必要な情報が記載された文書（文献）を調べる場合は、必要な情報に関係するキーワードでデータベースを検索すると、このキーワードが登録された文書の文書名，発行所，著者，発行日，所蔵場所等の該当文書を特定する情報が検索結果として出力される。
【０００３】
このような情報検索システムにおいては、付与したキーワードでしか検索できなかった。この不都合を解消するために文書中の任意の単語や文字列でデータベースを検索できる全文検索システムが開発されている。
【０００４】
図１２は全文検索システムの概略構成図である。この全文検索システムは、大きく分けて、検索キーワードが入力されるキーボード等の検索キーワード入力部１と、実際に検索を実行する検索処理部２と、データベース３と、検索結果を出力するＣＲＴ表示装置や印字装置等で構成された検索結果出力部４とで構成されている。
【０００５】
データベース３内には、例えば、１文字検索情報テーブル５，２文字検索情報テーブル６、３文字検索情報テーブル７等の複数の検索情報テーブルが設けられている。
【０００６】
１文字検索情報テーブル５内には、図１３（ａ）に示すように、ひらかな、カタカナ、漢字，英字，数字等の各１文字単位毎に、該当１文字単位がこのデータベース３に登録された各文書に含まれるか否かの情報が記憶されている。具体的には、図示するように、該当１文字単位が含まれる文書番号＃に［１］のビットが設定され、該当１文字が含まれない文書番号＃に［０］のビットが設定される。
【０００７】
２文字検索情報テーブル６内には、図１３（ｂ）に示すように、前記ひらかな、カタカナ、漢字，英字，数字の２文字の全ての組合わせを示す２文字単位毎に、該当２文字単位が含まれる文書番号＃に［１］のビットが設定され、該当２文字単位が含まれない文書番号＃に［０］のビットが設定される。したがって、２文字検索情報テーブル６に設定されている２文字単位の数は１文字検索情報テーブル５に設定されている１文字からなる１文字単位の数のほぼ２乗値となる。
【０００８】
３文字検索情報テーブル７内には、図示しないが、ひらかな、カタカナ、漢字，英字，数字の３文字の全ての組合わせを示す３文字単位毎に、該当３文字単位が含まれる文書番号＃に［１］のビットが設定され、該当１文字が含まれない文書番号＃に［０］のビットが設定される。
【０００９】
そして、検索処理部２は図１４に示す流れ図に従って検索キーワード入力部１から入力された検索キーワードに対する検索処理を実行する。
流れ図のステップＳ１において、検索キーワード入力部１から一つの検索キーワードが入力されると、Ｓ２において、該当検索キーワードを１文字単位に分解する。例えば、図１５に示すように、検索キーワードが［日本の技術］のように２つの単語と１つの助詞で構成された５文字の文字列からなる場合は、［日］［本］［の］［技］［術］のように１文字からなる５つの１文字単位に分割する。Ｓ３にて、５つの各１文字単位に対してそれぞれ１文字検索情報テーブル５を検索して、各１文字単位が含まれる各文書番号＃を得る。
【００１０】
Ｓ４にて、入力された検索キーワードが２文字以上で構成されていた場合は、該当検索キーワードを２文字単位に分解する。例えは、検索キーワードが［日本の技術］の場合は、図１５に示すように、［日本］［本の］［の技］［技術］の４つの２文字単位に分割する（Ｓ５）。そして、４つの各２文字単位に対してそれぞれ２文字検索情報テーブル６を検索して、各２文字単位が含まれる各文書番号＃を得る（Ｓ６）。
【００１１】
Ｓ７にて、入力された検索キーワードが３文字以上の文字列で構成されていた場合は、該当検索キーワードを３文字単位に分解する。例えは、検索キーワードが［日本の技術］の場合は、図１５に示すように、［日本の］［本の技］［の技術］の３つの３文字単位に分割する（Ｓ８）。そして、３つの各３文字単位に対してそれぞれ３文字検索情報テーブル７を検索して、各３文字単位が含まれる各文書番号＃を得る（Ｓ９）。
【００１２】
そして、Ｓ１０において、上述したＳ３，Ｓ６，Ｓ９にて実行された全ての検索結果のアンド（ＡＮＤ）結果を得る。具体的には、全ての文字単位が含まれる文書番号＃を抽出する。
【００１３】
例えば、検索キーワードが［日本の技術］の場合は、１文字単位と２文字単位と３文字単位との合計１２個の文字単位が全て含まれる文書番号＃を抽出して、この文書番号＃をこの検索処理部２における検索結果として検索結果出力部４を介して出力する（Ｓ１１）。
【００１４】
このようにして、全文検索システムにおいては、２つ以上の単語を含む比較的長い文字列からなる検索キーワードで該当文字列を含む文書をデータベース３から検索できる。
【００１５】
このように構成された全文検索システムにおいては、長い文字列が含まれる文書を精度よく検索するためには、１，２，３文字検索情報テーブル５，６，７以外にも４文字，５文字の検索情報テーブルが必要である。
【００１６】
しかし、検索情報テーブルに設定する文字単位の文字数が増加すると、組合わせ数が飛躍的に増加し、データベース３が必要とする記憶容量が大幅に増大する。
【００１７】
このような不都合を解消するために、データベース３の各検索情報テーブル５，６，７に登録されている１個又は複数の文字からなる文字単位をハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて算出されたハッシュ値ｈで示す技術が開発されている。
【００１８】
図１６は、文字単位の構成文字数がｉである場合における各文字単位をハッシュ値ｈ（＝１，２，３，…，Ｎi ）で示した場合の検索情報テーブルであるｉ文字ハッシュテーブル８を示す。
【００１９】
このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）は、各文字単位を構成するｉ個の各文字ｃ1 ，ｃ2 ，…，ｃi の関数で示される。したがって、この関数Ｆi の式を調整することによって、各文字単位の各文字ｃ1 ，ｃ2 ，…，ｃi の複数種類の組合わせに対して同一ハッシュ値ｈを設定可能である。
【００２０】
その結果、ｉ文字数で構成される文字単位の全ての組合わせの数より、ハッシュ値ｈの数を大幅に減少できる。よって、このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いることによって、各検索情報テーブルの記憶容量をある程度低減できる。
【００２１】
【発明が解決しようとする課題】
しかしながら、上述したハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いた全文検索システムにおいても、まだ解消すべき次のような課題があった。
すなわち、前述したように、文字数の大きい文字列を精度よく検索するには、高い文字数の検索情報テーブル（文字ハッシュテーブル）を設ける必要があるが、データベース３の記憶容量の制約からせいぜい図１２に示したように、１，２，３文字検索情報テーブル（文字ハッシュテーブル）までである。
【００２２】
したがって、図１５に示したような５文字からなる文字列「日本の技術」を検索する場合は、５文字の文字列そのもので検索情報テーブルを検索していないので、実際には目的の文字列が含まれない文書が検索されてしまうこともあり、検索精度が低下する。なお、検索結果に混入するこの誤った文書を「検索ノイズ」と称する。
【００２３】
検索精度が低下するのは、文字種の多い日本語の漢字よりも文字種の少ない英字，数字でよく発生することが知られている。文字種が少ない場合は、検索する文字列の並びが文書中に多数出現する場合が多い。例えば、０〜９の数値では、３文字の組合せが１０×１０×１０＝１０3 通りしかない。
【００２４】
しかしＪｌＳ規格の第一水準のかな漢字は約３０００個存在するので、３文字の組合せが３０００×３０００×３０００＝２．７×１０10通りあるので、それぞれの出現頻度が低くなる。
【００２５】
例えば、５文字からなる「１００００」の数値を検索する場合、各検索情報テーブルに対して次の検索が行われる。
１文字テーブル １，０，０，０，０
２文字テーブル １０，００，００，００
３文字テーブル １００，０００，０００
次に、４文字からなる「１０００」の数値を検索することを考えると、各検索情報テーブルに対して次の検索が行われる。
【００２６】
１文字テーブル １，０，０，０
２文字テーブル １０，００，００
３文字テーブル １００，０００
この５文字の文字列「１００００」の検索と４文字の文字列「１０００」の検索とは、同じ文字単位の検索を複数回行うため、実際には両者ともに次に示す全く同じ検索を行うことになる。
【００２７】
１文字テーブル １，０
２文字テーブル １０，００
３文字テーブル １００，０００
すなわち、出現頻度の高い「００」の文字単位を何度も検索することになり、たとえ各テーブルにおけるそれぞれの検索結果のＡＮＤをとったとしても、同一の検索結果が出力される懸念があり、検索精度が低下する。
【００２８】
そのため、文字列「１００００」を含む文書を検索しても、文字列「１０００」を含む文書が同時に検索されてしまう。
また、５文字の文字列「１２０００」を検索する場合は、次の文字単位を検索することになる。
【００２９】
１文字テーブル １，２，０，０，０
２文字テーブル １２，２０，００，００
３文字テーブル １２０，２００，０００
そのため、次のような文書も誤って検索してしまう。
【００３０】
「２０００件の中で１２０件が・・・」
このように、検索する文字列の文字種が少ない場合は、検索する文字列の文字並びが文書中に多数出現する場合が多く、前述した検索ノイズが増加する傾向にある。
【００３１】
そこで４文字、５文字を検索するための４文字検索情報テーブル、５文字検索情報テーブルを増設することが考えられるが、データベース３の必要記憶容量が飛躍的に増大し、実用的でないという問題が発生する。
【００３２】
また、データベース３の必要記憶容量を低減させるために、前述した図１６に示すハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を採用したハッシュテーブル８を採用することが考えられる。
【００３３】
しかし、ハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を使用する場合は、前述したように、必然的に、異なる文字単位が同じハッシュ値ｈを持つ可能性があるため、同じハッシュ値ｈを持つ別の文字単位を含む文書が検索ノイズとして検索される懸念がある。
【００３４】
特にハッシュテーブル８中のばらつきに片寄りがある場合は、検索ノイズが増加する。一般的に、このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）の設定は難しく、ハッシュ関数Ｆi の設定の精度によって検索ノイズの発生率が増減する。
【００３５】
このように、従来の全文検索システムにおいては、検索する際には、検索キーワードを１文字単位、２文字単位、３文字単位ずつ区切った組合わせで検索するため、４文字以上の文字列の場合、特に数値などの文字種別において、正しい検索結果が得られない懸念がある。
【００３６】
また、高い検索精度を得るために文字単位に含まれる文字数が多い多数の検索情報テーブルを組込むことが考えられるが、データベース３の必要記憶容量が大幅に増加する問題があった、
さらに、ハッシュ関数Ｆi を用いてデータベース３の必要記憶容量を減少させる場合は、ハッシュ関数Ｆi の設定の精度によって検索ノイズの発生率が増加する懸念がある。
【００３７】
本発明はこのような事情に鑑みてなされたものであり、検索情報テーブルの設定数を検索すべき文字列の文字種別に応じた値に設定することによって、検索情報テーブルを記憶するデータベースの記憶容量を大幅に増加することなく、検索精度を向上できる全文検索システム及び全文検索プログラムを記録した記録媒体を提供することを目的とする。
【００３８】
また、各検索情報テーブルの構成を工夫することによって、検索精度を低下することなく、検索情報テーブルを記憶するデータベースの記憶容量を低減できる全文検索システムを提供することを目的とする。
【００３９】
【課題を解決するための手段】
本発明は、それぞれ文字単位の文字数が異なる値に設定され、指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から検索キーワードが含まれる文書を特定する全文検索システムに適用される。
【００４０】
そして、上記課題を解消するために、本発明においては、各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、複数種類の検索情報テーブルは、それぞれ一つの文字数の文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、所定文字数以上における複数の文字数の文字単位に対応するハッシュ値が組込まれた共通ハッシュテーブルとを含み、共通ハッシュテーブルは、検索キーワードから生成される文字単位に含まれる文字の英数字の文字種別の文字単位の検索に使用される。
【００４１】
また、別の発明においては、各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、複数種類の検索情報テーブルは、検索キーワードから生成される文字単位に含まれる文字の全ての文字種別に亘り、検索キーワードから生成される文字単位に含まれる所定文字数以下の各文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、文字単位に含まれる文字の英数字の文字種別に対してのみ、所定文字数を超える文字数に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた追加のハッシュテーブルとを含む。
【００４２】
また、別の発明においては、各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、複数種類の検索情報テーブルは、検索キーワードから生成される文字単位に含まれる文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルで構成され、かつ、検索キーワードから生成される文字単位に含まれる文字の複数の文字種別毎に、同一文字数の文字単位に対してそれぞれ異なるハッシュ関数を用いてハッシュ値が設定されている。
【００４４】
このように構成された全文検索システムにおいては、検索情報テーブルの設定数は、各検索情報テーブルに設定される文字単位を含む文字列の文字種別毎に異なる値を有している。
【００４５】
すなわち、文字種別として、例えば英字，数字、ひらかな、カタカナ、漢字第一水準、漢字第二水準、外字等が存在する。そして、前述したように、検索すべき文字列が英字，数字のみで構成されていた場合は、たとえ構成文字数が異なる文字列であったとしても同一文字列を検索する事態が発生する確率が多いので、検索ノイズが発生する確率が高くなる。
【００４６】
一方、英字，数字以外のひらかな、カタカナ、漢字第一水準、漢字第二水準、外字等の文字種別においては、文字列に同一文字が多数含まれることは希であるので、少ない文字数の文字単位の検索情報テーブルのみを用いて検索したとしても検索ノイズの発生確率は少ない。
【００４７】
したがって、検索ノイズの発生確率が高い英数字で構成される文字列を分離した文字単位に対する検索情報テーブルに対してのみ、構成文字数の高い検索情報テーブルを設ければ、検索ノイズの発生確率が低下する。
【００４８】
なお、英字，数字の文字種は漢字に比較して格段に少ないので、例えば４文字や５文字の検索情報テーブルを設けたとしても、各検索情報テーブルを記憶するデータベースの記憶容量が大幅に増加することはない。
【００４９】
また、各検索情報テーブルに登録される文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示されている。
【００５０】
このハッシュ値は各文字数毎の検索情報テーブル毎に設定されるが、たとえ構成文字数が異なる文字単位であっても、発生確率の小さい文字単位どうしであれば、このハッシュ値を一つの共通検索情報テーブルに組込んだとしても検索ノイズの発生確率は大幅に上昇することはない。
【００５１】
よって、検索精度を低下させることなく、データベースの必要記憶容量を節減できる。
また、別の発明においては、複数種類の検索情報テーブルには、文字単位を含む文字列の文字種別毎に異なるハッシュ関数を用いて算出されたハッシュ値が設定されている。
【００５２】
すなわち、検索対象となる文字列の文字種別は、前述したように、英字、数字、ひらかな、カタカナ、漢字第一水準、漢字第二水準、外字等が存在する。一般に、複数の文字からなる文字単位を例えば文書から無作為に抽出した場合は、検出される文字単位の各文字の各組合わせの発生確率は文字種別に応じてそれぞれ異なる。
【００５３】
したがって、発生確率の高い文字単位どうしを同一ハッシュ値に設定されることを防止すると、各文字種別毎にハッシュ関数を設定することによって、検索ノイズの発生確率を低減できる。
【００５４】
また、英字，数字は文字種が少ないので、同一組合わせに対してできるだけ複数のハッシュ値が設定されないようにハッシュ関数を設定すればよい。
さらに、別の発明は、それぞれ文字単位の文字数が異なる値に設定され、指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおける全文検索プログラムを記録したコンピュータ読取り可能な記録媒体である。
【００５５】
そして、一つのコンピュータ読取り可能な記録媒体に記録された全文検索プログラムは、コンピュータを、各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、記複数種類の検索情報テーブルを、それぞれ一つの文字数の文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、所定文字数以上における複数の文字数の文字単位に対応するハッシュ値が組込まれた共通ハッシュテーブルとを含ませ、前記共通ハッシュテーブルを、前記検索キーワードから生成される文字単位に含まれる文字の英数字の文字種別の文字単位の検索に使用させる。
【００５６】
また、他のコンピュータ読取り可能な記録媒体に記録された全文検索プログラムは、コンピュータを、各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、複数種類の検索情報テーブルを、前記検索キーワードから生成される文字単位に含まれる文字の全ての文字種別に亘り、前記検索キーワードから生成される文字単位に含まれる所定文字数以下の各文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、文字単位に含まれる文字の英数字の文字種別に対してのみ、所定文字数を超える文字数に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた追加ハッシュテーブルとを含ませている。
【００５７】
また、他のコンピュータ読取り可能な記録媒体に記録された全文検索プログラムは、コンピュータを、各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、複数種類の検索情報テーブルを、検索キーワードから生成される文字単位に含まれる文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルで構成させ、かつ、検索キーワードから生成される文字単位に含まれる文字の複数の文字種別毎に、同一文字数の文字単位に対してそれぞれ異なるハッシュ関数を用いてハッシュ値が設定させている。
【００５８】
このように構成された全文検索プログラムを記録した記録媒体を用いることによって、上述した機能を有していない従来の全文検索シカテムに対しても、簡単に上述した機能を付加することができる。
【００５９】
【発明の実施の形態】
以下本発明の各実施形態を図面を用いて説明する。
（第１実施形態）
図１は本発明の第１実施形態の全文検索システムの概略構成を示すブロック図である。
【００６０】
この全文検索システムは、大きく分けて、文章をデータベース１３へ登録するため登録文書入力部１１及び登録処理部１２と、データベース１３から必要な情報を検索するための検索キーワード入力部１５，検索処理部１６及び検索結果出力部１７と、種別テーブル１４とで構成されている。
【００６１】
データベース１３内には、図示するように、複数種類の検索情報テーブルとしての１文字ハッシュテーブル１８、２文字ハッシュテーブル１９、３文字ハッシュテーブル２０、４文字ハッシュテーブル２１及び５文字ハッシュテーブル２２の合計５つハッシュテーブルが設けられている。
【００６２】
各ハッシュテーブル１８〜２２内には、各ハッシュテーブル１８〜２２で指定されて１文字〜５文字の各文字単位を構成する文字のすべての組合わせをハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて算出されたハッシュ値ｈが設定されており、該当ハッシュ値ｈが得られる文字単位を含む文書番号＃が［１］のビットで登録されている。
【００６３】
この合計５つハッシュテーブル１８〜２２に登録される１文字〜５文字の各組合わせの文字単位を含む文字列の文字種別として、この第１実施形態システムにおいては、
(a) 英字．数字のみ
(b) ひらかな、カタカナ，漢字第一水準を含む
(c) 漢字第二水準，外字のみ
の３種類に区分している。
【００６４】
１文字ハッシュテーブル１８内には、図３（ａ）に示すように、(a) ，(b) ，(c) の３種類のすべての文字種別を含む４０００文字種の各１文字（１文字単位）毎に、該当１文字単位からハッシュ関数Ｆ1 （ｃ1 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ1 ）が設定されている。
【００６５】
２文字ハッシュテーブル１９内には、図３（ｂ）に示すように、(a) ，(b) ，(c) の３種類のすべての文字種別を含む約４０００文字種の２文字単位毎に、該当２文字単位からハッシュ関数Ｆ2 （ｃ1 ，ｃ2 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ2 ）が設定されている。
【００６６】
３文字ハッシュテーブル２０内には、図３（ｃ）に示すように、(c) の漢字第二水準，外字を除く、(a) ，(b) の２種類の文字種別を含む約３５００文字種の３文字単位毎に、該当３文字単位からハッシュ関数Ｆ3 （ｃ1 ，ｃ2 ，ｃ3 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ3 ）が設定されている。
【００６７】
４文字ハッシュテーブル２１内には、図４（ａ）に示すように、(a) の英字．数字の１種類のみの文字種別を含む約５０文字種の４文字単位毎に、該当４文字単位からハッシュ関数Ｆ4 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ4 ）が設定されている。
【００６８】
５文字ハッシュテーブル２２内には、図４（ｂ）に示すように、(a) の英字，数字の１種類のみの文字種別を含む約５０文字種の５文字単位毎に、該当５文字単位からハッシュ関数Ｆ5 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ5 ）が設定されている。
【００６９】
前記種別テーブル１４内には、図２に示すように、検索キーワード、登録文字列を構成する前述した(a) (b) (c) の３種類の文字種別毎に、検索対象又は登録対象の各ハッシュテーブル１８〜２２が登録されている。
【００７０】
具体的には、(a) の英字，数字に対しては全てのハッシュテーブル１８〜２２が登録され、(b) のひらかな、カタカナ，漢字第一水準に対しては１，２，３文字のハッシュテーブル１８〜２０が登録され、(c) の漢字第二水準，外字に対しては１，２文字のハッシュテーブル１８，１９のみが登録されている。
【００７１】
次に、登録処理部１２が行うデータベース１３の各ハッシュテーブル１８〜２２に対する登録文書入力部１１から入力された文書の登録処理を図５に示す流れ図を用いて説明する。
【００７２】
ステップＲ１において、データベース１３に対して登録すべき文書が存在することを確認すると、該当文書を読取る（Ｒ２）。そして、この文書内に登録すべき文字列が存在すると（Ｒ３）、該当文字列を読込み（Ｒ４）、この入力した文字列の文字数Ｋ、及び該当文字列の文字種別を判断する。具体的には、前述した(a) ，(b) ，(c) に区分する（Ｒ５）。
【００７３】
そして、種別テーブル１４から判別された文字種別に対応する使用ハッシュテーブルを特定する（Ｒ６）。特定された使用ハッシュテーブルの数ｎと、使用ハッシュテーブル名をＮａ(1) ，Ｎａ(2) ，Ｎａ(3) ，…，Ｎａ(n) と設定する（Ｒ７）。
【００７４】
以上の準備処理が終了すると、使用ハッシュテーブルを特定するインデックスｉを１に初期化する（Ｒ８）。そして、インデックスｉが使用ハッシュテーブル数ｎ以下で、かつ使用ハッシュテーブル名Ｎａ(i) が文字列の文字数Ｋ以下の場合（Ｒ９）、ｉ文字ハッシュテーブルに対する文書番号＃の登録処理を開始する。
【００７５】
すなわち、該当文字列をｉ個の連続文字からなる複数の文字単位に分割して（Ｒ１０）、この各文字単位からハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて各ハッシュ値ｈを算出して、各ハッシュテーブル１８〜２２のうちのｉ文字ハッシュテーブルの該当ハッシュ値ｈの欄に対して該当文書番号＃を登録する（Ｒ１１）。
【００７６】
ｉ文字ハッシュテーブルに対する文書番号＃の登録処理が終了すると、インデックスｉに１を加算して（Ｒ１２）、Ｒ９へ戻り、加算された後のインデックスｉが示すハッシュテーブルに対する文書番号＃の登録処理を開始する。
【００７７】
Ｒ９にて、加算後のインデックスｉが使用ハッシュテーブル数ｎを越えると、今回読出した文字列に対する選択された全てのハッシュテーブル１８〜２２に対する該当文書番号＃の登録処理が終了したと判断して、Ｒ３へ戻り、先に取込んだ文書から次の文字列の読出を開始する。
【００７８】
また、検索処理部１６が行う検索キーワード入力部１５から入力された検索キーワードに対する検索処理を図６に示す流れ図を用いて説明する。
検索キーワード入力部１５から検索キーワードが入力されると（Ｑ１）、入力検索キーワードの文字数Ｋ，及び該当文字列の文字種別を判断する。具体的には、前述した(a) ，(b) ，(c) に区分する（Ｑ２）。そして、種別テーブル１４から判別された文字種別に対応する使用ハッシュテーブルを特定する（Ｑ３）。特定された使用ハッシュテーブルの数ｎと、使用ハッシュテーブルの名Ｎａ(1) ，Ｎａ(2) ，Ｎａ(3) ，…，Ｎａ(n) と設定する（Ｓ４）。
【００７９】
以上の準備処理が終了すると、使用ハッシュテーブルを特定するインデックスｉを１に初期化する（Ｑ５）。そして、インデックスｉが使用ハッシュテーブル数ｎ以下で、かつ使用ハッシュテーブル名Ｎａ(i) が文字列の文字数Ｋ以下の場合（Ｑ６）、ｉ文字ハッシュテーブルに対する文書番号＃の検索処理を開始する。
【００８０】
すなわち、該当文字列をｉ個の連続文字からなる複数の文字単位に分割して（Ｑ７）、この各文字単位からハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて各ハッシュ値ｈを算出して、各ハッシュテーブル１８〜２２のうちのｉ文字ハッシュテーブルの該当ハッシュ値ｈに対して設定されている各文書番号＃を抽出（検索）する（Ｑ８）。
【００８１】
ｉ文字ハッシュテーブルに対する各文書番号＃の検索処理が終了すると、インデックスｉに１を加算して（Ｑ９）、Ｑ６へ戻り、加算された後のインデックスｉに対応するハッシュテーブルに対する各文書番号＃の検索処理を開始する。
【００８２】
Ｑ６にて、加算後のインデックスｉが使用ハッシュテーブル数ｎを越えると、今回入力した検索キーワードに対する選択された全てのハッシュテーブル１８〜２２に対する文書番号＃の検索処理が終了したと判断して、Ｑ１０へ進み、ｎ個の各ハッシュテーブル１８〜２２で検出された検索結果である全ての文書番号＃のＡＮＤ値を得る。具体的には、全ての文字単位が含まれる文書番号＃を抽出する。そして、この軽策結果を検索結果出力部１７へ表示出力する。
【００８３】
このように構成された第１実施形態の全文検索システムにおいては、登録する文字列や検索する検索キーワードの文字種別に応じて、登録したり検索に用いるハッシュテーブルの種別（Ｎａ(1) 〜Ｎａ(n) ）と数ｎとが異なる。
【００８４】
具体的には、文字種別(a) の英字，数字のみの場合は、１文字ハッシュテーブル１８から５文字ハッシュテーブル２２までの全てのハッシュテーブル５を使用する。逆に、文字種別(b) の英字，数字，ひらかな、カタカナ，漢字第一水準を含む場合は、１文字ハッシュテーブル１８から３文字ハッシュテーブル２０までの３つのハッシュテーブルを使用する。
【００８５】
したがって、４文字ハッシュテーブル２１と５文字ハッシュテーブル２２には文字種別(a) の英字，数字のみの組合せの文字単位に対するハッシュ値ｈのみしか設定されていない。英字，数字のみの組合せ数は文字種別(b) における組合せ数に比較して格段に少ないので、たとえこの４文字ハッシュテーブル２１と５文字ハッシュテーブル２２とをデータベース１３に組込んだとしてもデータベース１３の必要記憶容量が大幅に増加することはない。
【００８６】
次に、このように構成された第１実施形態の全文検索システムにおける具体的な登録動作及び検索動作を具体例を用いて説明する。
先ず、次の２つの文書を登録する場合を説明する。
【００８７】
文書１（＃＝１） 「・・・１２０００件のデータ・・・」
文書２（＃＝２） 「・・・２０００件中の１２０件・・・」
まず文書１（＃＝１）を読む。この場合、「１２０００」と「件のデータ」とに分割する。そして、同じ文字種別の文字を読むと、「１２０００」の部分が（a)の英数字なので、種別テーブル１４で対応するハッシュテーブルを調ペる。数字の場合は１〜５文字ハッシュテーブル１８〜２２が指定されているため、「１２０００」の文字列を次のように１〜５文字の文字単位に分割して、それぞれのハッシュ値ｈを計算し、各ハッシュテーブル１８〜２２に該当文書番号＃（＝１）を追加登録する。
【００８８】
１文字ハッシュテーブル １，２，０，０，０
２文字ハッシュテーブル １２，２０，００，００
３文字ハッシュテーブル １２０，２００，０００
４文字ハッシュテーブル １２００，２０００
５文字ハッシュテーブル １２０００
次の「件のデータ」の文字列は、ひらがな、カタカナ、漢字（第一水準）を含む(b) の文字種別である。この(b) の文字種別こ対しては、種別テーブル１４に１〜３文字のハッシュテーブル１８，１９，２０が指定されている。よって、同様な手法で各ハッシュテーブル１８，１９，２０に対して該当文書番号＃（＝１）を追加登録する。
【００８９】
ここで、別の文字種別の文字列がつながる部分は少ない方の指定ハッシュテーブルに対して登録すると設定しておくと、「００件のデータ」の中の次の文字に対して各ハッシュ値ｈを計算し、各ハッシュテーブルに該当文書番号＃（＝１）を追加登録する。
【００９０】
１文字ハッシュテーブル 件，の，デ，−，夕
２文字ハッシュテーブル ０件，件の，のデ，デー，一タ
３文字ハッシュテーブル ００件，０件の，件のデ．のデー，データ
次に、文書２（＃＝２）を読む。同様に同じ文字種別の文字を読み、次の通りに各ハッシュテーブルに該当文書番号＃（＝２）を追加登録する。
【００９１】
１文字ハッシュテーブル ２，０，０，０，件，中，の，１，２，０
２文字ハッシュテーブル ２０，００，００，Ｏ件，件中，中の，の１，１２、２０
３文字ハッシュテーブル ２００，Ｏ００，００件，０件中，件中の，中の１，の１２，１２０
４文字ハッシュテーブル ２０００
５文字ハッシュテーブル なし
以上で上記各文書（＃＝１，＃＝２）の各ハッシュテーブルに対する登録が終了する。
【００９２】
次に、上述したように各文書（＃＝１，＃＝２）が登録されたデータベース１３を検索キーワード「１２０００」を用いて、この文字列「１２０００」を含む文書を検索する場合を説明する。
【００９３】
まず検索キーワード「１２０００」が入力されると、この検索キーワードの数字である文字種別(a) を判定して、種別テーブル１４から、文字種別(a) に対応する１文字から５文字の各ハッシュテーブル１８〜２２を特定する。
まず、検索キーワード「１２０００」を１文字単位に分割する。
【００９４】
１，２，０，０，０
これら５つの各１文字単位について、１文字ハッシュテーブル１８に対して検索を行なうと、文書１、２が検索される。
次に検索キーワード「１２０００」を２文字単位に分割する。
【００９５】
１２，２０，００，００
これら４つの各２文字単位について、２文字ハッシュテーブル１９に対して検索を行なうと、文書１、２が検索される。
次に検索キーワード「１２０００」を３文字単位に分割する。
【００９６】
１２０，２００，０００
これら３つの各３文字単位について、３文字ハッシュテーブル２０に対して検索を行なうと、文書１、２が検索される。
次に検索キーワード「１２０００」を４文字単位に分割する。
【００９７】
１２００，２０００
これら２つの各４文字単位について、４文字ハッシュテーブル２１に対して検索を行なうと、文書１のみが検索される。
次に検索キーワード「１２０００」を５文字単位に分割する。
【００９８】
１２０００
この１つの５文字単位について、５文字ハッシュテーブル２２に対して検索を行なうと、文書１のみが検索される。
【００９９】
最後に、これまでの各検索結果のＡＮＤを取ると文書１のみが残り、この文書１（＃＝１）が最終検索結果として出力される。
これにより、正しい文書１（＃＝１）のみが検索され、検索ノイズである文書２（＃＝２）は検索されないので、検索精度が向上する。
【０１００】
このように、検索ノイズの発生確率が高い英数字等の文字種別で構成される文字列に対するハッシュテーブルに対してのみ、構成文字数の高い４文字や５文字のハッシュテーブル２１，２２を設ければ、検索ノイズの発生確率が低下する。
【０１０１】
なお、英数字の文字種は漢字に比較して格段に少ないので、たとえ４文字や５文字のハッシュテーブル２１，２２を設けたとしても、データベース１３全体の必要記憶容量が大幅に増加することはない。
【０１０２】
（第２実施形態）
図７は本発明の第２実施形態に係わる全文検索システムの概略構成を示すブロック図である。図１に示す第１実施形態と同一部分には同一符号が付してある。したがって、重複する部分の詳細説明は省略されている。
【０１０３】
この第２実施形態の全文検索システムのデータベース１３ａ内には、図１に示す第１実施形態と同一の１文字ハッシュテーブル１８、２文字ハッシュテーブル１９、３文字ハッシュテーブル２０の他に、共通ハッシュテーブル２３が設けられている。
【０１０４】
この共通ハッシュテーブル２３内には、図９に示すように、構成する文字数が４文字，５文字，６文字，…．ｎ文字とそれぞれ異なる値を有する各文字単位に対応する各文字組合わせ毎に算出されたハッシュ値ｈが登録されている。
【０１０５】
具体的には、図示するように構成文字数ｉ毎に、ハッシュ関数Ｆi が設定されている。例えば４文字の場合はハッシュ関数Ｆ4 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ）を用いてハッシュ値ｈを算出する。また、５文字の場合はハッシュ関数Ｆ5 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5 ）を用いてハッシュ値ｈを算出する。さらに、６文字の場合はハッシュ関数Ｆ6 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5 ，ｃ6 ）を用いてハッシュ値ｈを算出する。
【０１０６】
また、種別テーブル１４ａ内には、検索キーワード及び登録文字列の前述した(a) ，(b) ．(c) の文字種別毎に利用する各ハッシュテーブルが登録されている。
【０１０７】
(a) に示す英字、数字のみの場合、１文字ハッシュテーブル１８、２文字ハッシュテーブル１９、３文字ハッシュテーブル２０及び共通ハッシュテーブル２３が登録されている。なお、文字種別(b) ．(c) に対しては図２で示した第１実施形態の種別テーブル１４と同一のハッシュテーブルが設定されている。
【０１０８】
このような構成の第２実施形態の全文検索システムにおいて、登録処理部１２は登録文書入力部１１から入力された各文書のそれぞれ登録すべき各文字列を例えば１〜Ｎ個の文字からなる各単位文字に分離して、種別テーブル１４ａの指定する各ハッシュテーブルヘ該当文章番号＃を登録するが、４文字以上の文字単位に対する文書番号＃の登録は全て共通ハッシュテーブル２３へ一括して登録される。
【０１０９】
検索処理部１６は、検索キーワード検索部１５から入力された検索キーワードでデータベース１３ａを検索する場合においても、検索キーワードを１〜Ｎ個の文字からなる各文字単位に分離して、種別テーブル１４ａの指定する各ハッシュテーブルを検索するが、４文字以上の文字単位に対する検索はすべて共通ハッシュテーブル２３に対して実施する。
【０１１０】
このような、共通ハッシュテーブル２３を使用したとしても、目標とする文書を確実に検索できる。
また、図９に示したように、ハッシュ値ｈは各構成文字数毎のハッシュ関数Ｆ4 ，Ｆ5 ，Ｆ6 ，…，Ｆn 毎に個別の値として求まるが、たとえ構成文字数が異なる文字列であっても、４文字単位，５文字単位，６文字単位等の構成文字数が大きいものは登録されている各文書における発生確率が小さい。したがって、この各文字数毎のハッシュ値ｈを一つの共通ハッシュテーブル２３に組込んだとしても誤った文書が検索される検索ノイズの発生確率は大幅に上昇することはない。
【０１１１】
よって、検索精度を低下させることなく、データベース１３ａの必要記憶容量を節減できる。
（第３実施形態）
図１０は本発明の第３実施形態に係わる全文検索システムの概略構成を示すブロック図である。図１に示す第１実施形態と同一部分には同一符号が付してある。したがって、重複する部分の詳細説明は省略されている。
【０１１２】
この第３実施形態の全文検索システムのデータベース１３ｂ内には、１文字ハッシュテーブル１８ａ、２文字ハッシュテーブル１９ａ、３文字ハッシュテーブル２０ａ，４文字ハッシュテーブル２１ａ、５文字ハッシュテーブル２２ａ，６文字ハッシュテーブル２４，７文字ハッシュテーブル２５の合計７個のハッシュテーブルが設けられている。
【０１１３】
また、種別テーブル１４ｂ内には、図１１に示すように、検索キーワード及び登録文字列の(a) ，(b1)，(b2)，(c) の合計４種類の文字種別毎に利用する各ハッシュテーブル及び採用する各ハッシュ関数が登録されている。
【０１１４】
(a) の文字種別は、第１実施形態と同様に英字と数字のみであり、この文字種別(a) に対して前述した１文字から７文字までの全てのハッシュテーブル１８ａ〜２５が使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ〜２５毎に採用するハッシュ関数Ｆ1 ，Ｆ2 ．Ｆ3 ．Ｆ4 ，Ｆ5 ，Ｆ6 ，Ｆ7 が登録されている。各ハッシュ関数Ｆ1 〜Ｆ7 は文字単位の構成文字数ｉが異なるのみのである同一種類のハッシュ関数Ｆi （ｃ1 ，…，ｃi ）である。
【０１１５】
(b1)の文字種別は、ひらかなとカタカナのみであり、この文字種別(b1)に対して前述した１文字から３文字までの各ハッシュテーブル１８ａ〜２０ａが使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ〜２０ａ毎に採用するハッシュ関数Ｇ1 ，Ｇ2 ．Ｇ3 が登録されている。各ハッシュ関数Ｇ1 〜Ｇ3 は文字単位の構成文字数ｉが異なるのみの度同一種類のハッシュ関数Ｇi （ｃ1 ，…，ｃi ）である。
【０１１６】
(b2)の文字種別は、第一水準の漢字のみであり、この文字種別(b2)に対して前述した１文字から３文字までの各ハッシュテーブル１８ａ〜２０ａが使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ〜２０ａ毎に採用するハッシュ関数Ｇ1 ，Ｄ2 ．Ｄ3 が登録されている。各ハッシュ関数Ｄ1 〜Ｄ3 は文字単位の構成文字数ｉが異なるのみの同一種類のハッシュ関数Ｄi （ｃ1 ，…，ｃi ）である。
【０１１７】
(c) の文字種別は、第１実施形態と同様に第一水準の漢字と外字のみであり、この文字種別(c) に対して前述した１文字ハッシュテーブル１８ａと２文字ハッシュテーブル１９ａが使用ハッシュテーブルとしてと登録されている。さらに、各ハッシュテーブル１８ａ，１９ａにそれぞれ採用するハッシュ関数Ｅ1 ，Ｅ2 が登録されている。各ハッシュ関数Ｅ1 ，Ｅ2 は文字単位の構成文字数ｉが異なるのみの同一種類のハッシュ関数Ｅi （ｃ1 ，…，ｃi ）である。
【０１１８】
このように、検索キーワード及び登録文字列の前述した(a) ，(b1)．(b2)，(c) の合計４種類の文字種別毎に異なる種類のハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi が設定されている。
【０１１９】
登録処理部１２ａは、登録文書入力部１１から入力された各文書の各登録すべき各文字列の文字種別(a) ，(b1)．(b2)，(c) を判断して、例えば１〜Ｎ個の文字からなる各単位文字に分離する。そして、種別テーブル１４ｂの該当文字種別に指定されたハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出し、同じく種別テーブル１４ｂで指定されたハッシュテーブルの該当ハッシュ値ｈの欄に今回登録しようとする文字列が含まれる文書番号＃を追加登録する。
【０１２０】
検索処理部１６ａは、検索キーワード検索部１５から入力された検索キーワードでデータベース１３ｂを検索する場合、検索キーワードを構成する文字の文字種別(a) ，(b1)．(b2)，(c) を判断して、例えば１〜Ｎ個の文字からなる各単位文字に分割する。そして、種別テーブル１４ｂの該当文字種別に指定されたハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出し、同じく種別テーブル１４ｂで指定されたハッシュテーブルの該当ハッシュ値ｈの欄に登録された文書番号＃を読取る。
【０１２１】
このような、検索キーワード、登録する文字列を構成する各文字の文字種別(a) ，(b1)．(b2)，(c) 毎に異なるハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出したとしても、目標とする文書を確実に検索できる。
【０１２２】
さらに、この第３実施形形態においては、各文字種別(a) ，(b1)．(b2)，(c) 毎に異なるハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出している。
【０１２３】
一般に、各文字種別毎に、１文字単位、２文字単位、３文字単位の各文字の組合せの発生状況が異なるので、全ての文字種別(a) ，(b1)．(b2)，(c) に亘って同一種別のハッシュ関数を採用してハッシュ値ｈを算出した場合においては、文字種別によっては、ハッシュテーブル内において、ある特定のハッシュ値ｈに対して多くの文書番号＃が登録されることになる。その結果、検索ノイズの発生確率が上昇したり、ハッシュテーブルを有効に使用できない懸念がある。
【０１２４】
したがって、各文字種別(a) ，(b1)．(b2)，(c) 毎に、該当文字種別の組合せの発生状況に対応した最適のハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を設定することによって、一つのハッシュ値ｈに対して多数の文書番号＃が登録されることを抑制でき、検索ノイズの発生確率を低下でき、検索精度を向上できる。
【０１２５】
また、４文字から７文字までの各ハッシュテーブル２２ａ，２４、２５内には、英字及び数字からなる文字単位の組合わせに対するハッシュ値ｈしか登録されていない。この英字及び数字からなる文字単位の組合わせ数は、漢字の組合わせ数の比較して格段に小さいので、同一の組合わせが同一ハッシュ値ｈにならないように、この文字種別のハッシュ関数Ｆ4 ，Ｆ5 ，Ｆ6 ，Ｆ7 を調整することによって、たとえ検索キーワードに数字が多く含まれる場合であっても、検索ノイズの発生確率を低下でき、検索精度を向上できる。
【０１２６】
なお、本発明は上述した各実施形態のみに限定されるものではない。
例えば図１に示した全文検索システムの登録処理部１２、検索処理部１６の機能をプ口グラム化し、予めＣＤ−ＲＯＭなどの記録媒体に書き込んでおき、このＣＤ−ＲＯＭをＣＤ−ＲＯＭドライブを搭載した計算機に装填し、計算機がＣＤ−ＲＯＭからプログラムをロードすることにより上記実施形態と同様の機能を実現することができる。なお、記録媒体としては、上記ＣＤ−ＲＯＭ以外に、磁気テープ、ＤＶＤ−ＲＯＭ、フロッピーディスク、ＭＯ）ＭＤ．ＣＤ−Ｒ、メモリカードなどでもよい。
【０１２７】
【発明の効果】
以上説明したように本発明の全文検索システム及び全文検索プログラムを記録した記録媒体においては、検索情報テーブルの設定数を検索すべき文字列の文字種別に応じた値に設定している。したがって、検索情報テーブルを記憶するデータベースの記憶容量を大幅に増加することなく、検索精度を向上できる。
【０１２８】
また、文字数が互いに異なる複数種類の文字列に対応するハッシュ値が組込まれた検索情報テーブルを用いるので、検索精度を低下することなく検索情報テーブルを記憶するデータベースの記憶容量を低減できる。
【０１２９】
さらに、文字列を構成する文字の種別毎に異なるハッシュ関数を用いて算出されたハッシュ値を検索情報テーブルに設定している。したがって、たとえば、発生確率の高い文字単位どうしを同一ハッシュ値に設定されることを防止するように、各文字種別毎にハッシュ関数を設定することによって、検索ノイズの発生確率を低減できる。
【図面の簡単な説明】
【図１】 本発明の第１実施形態に係わる全文検索システムの概略構成を示すブロック図
【図２】 同全文検索システムに組込まれた種別テーブルの登録内容を示す図
【図３】 同全文検索システムのデータベースに組込まれた各ハッシュテーブルの登録内容を示す図
【図４】 同じく同データベースに組込まれた各ハッシュテーブルの登録内容を示す図
【図５】 同全文検索システムのデータベースに対する文書の登録処理を示す流れ図
【図６】 同全文検索システムのデータベースに対する文書の検索処理を示す流れ図
【図７】 本発明の第２実施形態に係わる全文検索システムの概略構成を示すブロック図
【図８】 同全文検索システムに組込まれた種別テーブルの登録内容を示す図
【図９】 同全文検索システムのデータベースに組込まれた共通ハッシュテーブルの登録内容を示す図
【図１０】 本発明の第３実施形態に係わる全文検索システムの概略構成を示すブロック図
【図１１】 同全文検索システムに組込まれた種別テーブルの登録内容を示す図
【図１２】 従来の全文検索システムの概略構成を示すブロック図
【図１３】 同全文検索システムに組込まれた各文字検索情報テーブルの記憶内容を示す図
【図１４】 同全文検索システムデータベースに対する文書の検索処理を示す流れ図
【図１５】 検索キーワードを文字単位に分割する場合の分割種別を示す図
【図１６】 一般的なｉ文字ハッシュテーブルの記憶内容を示す図
【符号の説明】
１１…登録文書入力部
１２，１２ａ…登録処理部
１３，１３ａ，１３ｂ…データベース
１４，１４ａ，１４ｂ…種別テーブル
１５…検索キーワード入力部
１６，１６ａ…検索処理部
１７…検索結果出力部
１８，１８ａ…１文字ハッシュテーブル
１９，１９ａ…２文字ハッシュテーブル
２０，２０ａ…３文字ハッシュテーブル
２１，２１ａ…４文字ハッシュテーブル
２２，２２ａ…５文字ハッシュテーブル
２３…共通ハッシュテーブル
２４…６文字ハッシュテーブル
２５…７文字ハッシュテーブル
Claims (6)
- それぞれ指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に前記検索情報テーブルを選択して、この選択した各検索情報テーブルを前記生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおいて、
前記各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、
前記複数種類の検索情報テーブルは、それぞれ一つの文字数の文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、所定文字数以上における複数の文字数の文字単位に対応するハッシュ値が組込まれた共通ハッシュテーブルとを含み、
前記共通ハッシュテーブルは、前記検索キーワードから生成される文字単位に含まれる文字の英数字の文字種別の文字単位の検索に使用される
ことを特徴とする全文検索システム。 - それぞれ指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを前記生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおいて、
前記各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、
前記複数種類の検索情報テーブルは、
前記検索キーワードから生成される文字単位に含まれる文字の全ての文字種別に亘り、前記検索キーワードから生成される文字単位に含まれる所定文字数以下の各文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、
前記文字単位に含まれる文字の英数字の文字種別に対してのみ、前記所定文字数を超える文字数に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた追加のハッシュテーブルとを含む
ことを特徴とする全文検索システム。 - それぞれ指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを前記生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおいて、
前記各文字単位は、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示され、
前記複数種類の検索情報テーブルは、
前記検索キーワードから生成される文字単位に含まれる文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルで構成され、かつ、前記検索キーワードから生成される文字単位に含まれる文字の複数の文字種別毎に、同一文字数の文字単位に対してそれぞれ異なるハッシュ関数を用いてハッシュ値が設定されていることを
特徴とする全文検索システム。 - それぞれ指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に前記検索情報テーブルを選択して、この選択した各検索情報テーブルを前記生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおける全文検索プログラムを記録するコンピュータ読取り可能な記録媒体であって、
前記各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、
前記複数種類の検索情報テーブルを、それぞれ一つの文字数の文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、所定文字数以上における複数の文字数の文字単位に対応するハッシュ値が組込まれた共通ハッシュテーブルとを含ませ、
前記共通ハッシュテーブルを、前記検索キーワードから生成される文字単位に含まれる文字の英数字の文字種別の文字単位の検索に使用させる
ことを特徴とする全文検索プログラムを記録するコンピュータ読取り可能な記録媒体。 - それぞれ指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを前記生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおける全文検索プログラムを記録するコンピュータ読取り可能な記録媒体であって、
前記各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、
前記複数種類の検索情報テーブルを、前記検索キーワードから生成される文字単位に含まれる文字の全ての文字種別に亘り、前記検索キーワードから生成される文字単位に含まれる所定文字数以下の各文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルと、前記文字単位に含まれる文字の英数字の文字種別に対してのみ、前記所定文字数を超える文字数に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた追加ハッシュテーブルとを含ませる
ことを特徴とする全文検索プログラムを記録するコンピュータ読取り可能な記録媒体。 - それぞれ指定された文字単位が含まれる文書を特定する複数種類の検索情報テーブルを有し、入力された検索キーワードから複数種類の文字単位群を生成し、この生成された各文字単位群毎に検索情報テーブルを選択して、この選択した各検索情報テーブルを前記生成された各文字単位で検索し、検索された各文字単位が含まれる各文書から前記検索キーワードが含まれる文書を特定する全文検索システムにおける全文検索プログラムを記録するコンピュータ読取り可能な記録媒体であって、
前記各文字単位を、この文字単位を構成する１個又は複数の文字からハッシュ関数を用いて算出されたハッシュ値で示させ、
前記複数種類の検索情報テーブルを、前記検索キーワードから生成される文字単位に含まれる文字数毎に設けられ、それぞれ文字単位に対応するハッシュ値が組込まれた複数の文字ハッシュテーブルで構成させ、かつ、前記検索キーワードから生成される文字単位に含まれる文字の複数の文字種別毎に、同一文字数の文字単位に対してそれぞれ異なるハッシュ関数を用いてハッシュ値を設定させる
ことを特徴とする全文検索プログラムを記録するコンピュータ読取り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32446297A JP4149544B2 (ja) | 1997-03-10 | 1997-11-26 | 全文検索システムおよび全文検索プログラムを記録した記録媒体 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9-54729 | 1997-03-10 | ||
| JP5472997 | 1997-03-10 | ||
| JP32446297A JP4149544B2 (ja) | 1997-03-10 | 1997-11-26 | 全文検索システムおよび全文検索プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10312395A JPH10312395A (ja) | 1998-11-24 |
| JP4149544B2 true JP4149544B2 (ja) | 2008-09-10 |
Family
ID=26395537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP32446297A Expired - Fee Related JP4149544B2 (ja) | 1997-03-10 | 1997-11-26 | 全文検索システムおよび全文検索プログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4149544B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3698400B2 (ja) * | 1999-08-26 | 2005-09-21 | 松下電器産業株式会社 | 多言語文書処理装置、多言語文書処理方法及び記録媒体 |
| AUPQ849500A0 (en) | 2000-06-30 | 2000-07-27 | Canon Kabushiki Kaisha | Hash compact xml parser |
| AU769716B2 (en) * | 2000-06-30 | 2004-02-05 | Canon Kabushiki Kaisha | Hash compact XML parser |
| JP2003316817A (ja) * | 2002-04-23 | 2003-11-07 | Sc Grainger Co Ltd | 検索方法、検索装置、検索システム、コンピュータプログラム及び記録媒体 |
| JP5159277B2 (ja) * | 2007-11-30 | 2013-03-06 | 三菱電機株式会社 | Ｎ文字索引生成装置、文書検索装置、ｎ文字索引生成方法、文書検索方法、ｎ文字索引生成プログラムおよび文書検索プログラム |
| CN101963965B (zh) | 2009-07-23 | 2013-03-20 | 阿里巴巴集团控股有限公司 | 基于搜索引擎的文档索引方法、数据查询方法及服务器 |
| JP5462215B2 (ja) * | 2011-04-25 | 2014-04-02 | 株式会社東芝 | 検索装置、検索方法およびプログラム |
-
1997
- 1997-11-26 JP JP32446297A patent/JP4149544B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH10312395A (ja) | 1998-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6957213B1 (en) | Method of utilizing implicit references to answer a query | |
| US7433893B2 (en) | Method and system for compression indexing and efficient proximity search of text data | |
| US6470347B1 (en) | Method, system, program, and data structure for a dense array storing character strings | |
| US4760528A (en) | Method for entering text using abbreviated word forms | |
| US20020169763A1 (en) | Method and system for expanding document retrieval information | |
| JP4149544B2 (ja) | 全文検索システムおよび全文検索プログラムを記録した記録媒体 | |
| JP2693914B2 (ja) | 検索システム | |
| US5682543A (en) | Dictionary editing apparatus | |
| US20070150438A1 (en) | Evaluation of name prefix and suffix during a search | |
| JPH09319767A (ja) | 類義語辞書登録方法 | |
| JPS60176169A (ja) | 文章処理装置 | |
| JPH05250416A (ja) | データベースの登録・検索装置 | |
| JP3187671B2 (ja) | 電子辞書表示装置 | |
| JP2002073656A (ja) | 異表記正規化処理・異表記展開処理方法および該処理方法による文書検索方法、該処理装置および文書検索装置並びにプログラム記録媒体 | |
| JPH0612451A (ja) | 例文検索システム | |
| JPH1185765A (ja) | タグ付文書検索システム | |
| JPH0576068B2 (ja) | ||
| JP3022079B2 (ja) | 全文データベースシステム | |
| JPH08249341A (ja) | 文書データベースの文書格納・検索装置 | |
| JP3022080B2 (ja) | 全文データベースシステム | |
| JPS63184864A (ja) | 文章作成装置 | |
| JPH05324735A (ja) | データ検索装置 | |
| JP2837010B2 (ja) | 仮名漢字変換処理装置 | |
| JPH0991304A (ja) | 情報検索方法、情報検索システム及び情報検索用記憶媒体 | |
| JPH0785040A (ja) | 表記不統一検出方法およびかな漢字変換方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040924 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071016 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071030 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071228 |
|
| 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: 20080624 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080626 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110704 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110704 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120704 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130704 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |