JP4463925B2

JP4463925B2 - インデックス生成装置及びその方法、記憶媒体

Info

Publication number: JP4463925B2
Application number: JP2000048525A
Authority: JP
Inventors: 史朗伊藤; 紀子大谷; 憲一藤井; 隆也上田; 裕治池田
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1999-03-02
Filing date: 2000-02-25
Publication date: 2010-05-19
Anticipated expiration: 2020-02-25
Also published as: JP2000339347A

Description

【０００１】
【発明の属する技術分野】
本発明は、文書からインデックスを作成するインデックス作成装置及びその方法、また、入力された検索文字列を含む文書を検索する文書検索装置及びその方法、文書検索システム、記憶媒体に関するものである。
【０００２】
【従来の技術】
一般に、文書検索装置では、与えられた検索キーを含む文書を検索結果として提示する。検索結果には検索条件に対する適合度によってスコアが付けられ、スコアの高い文書が検索結果文書として提示される。
【０００３】
【発明が解決しようとする課題】
しかしながら、上記従来の装置では、ＷＷＷ上の文書を対象とする検索において検索結果文書の内容を閲覧する際、文書全体が表示されるため、文書が長い場合や文書に複数の話題が含まれている場合には、検索条件に適合する箇所を見つけるのが困難であるという欠点があった。
【０００４】
ＷＷＷ上の文書では、一文書に複数の情報が盛り込まれている場合が多く、一覧できない長さの文書も存在する。検索結果として得られた文書からほしい情報を得るためには、検索条件に適合した部分を文書中から探さなくてはならない。
【０００５】
そこで、検索結果文書に検索条件に適合しない情報が含まれていると、目的の情報が見つかりにくい。
【０００６】
また、携帯端末など、表示画面の小さい機器で結果を閲覧する場合には、特に一覧性が低いので、欲しい情報のみを提示する必要がある。
【０００７】
本発明は、上記の問題に鑑みて成されたものであり、構造と内容からＨＴＭＬ文書をセグメントに分割し、与えられた検索キーを含むセグメントを検索結果として提示することで、検索条件に適合した文書の部分を検索結果とする文書検索装置及び方法等を提供することを目的とする。
【０００８】
また、本発明は、セグメントのように細かい単位の検索から始めて、検索結果の数に応じて検索の単位を大きくしていくことで、複数の検索単位を自動的に使い分ける文書検索を実現した文書検索装置及び方法等を提供することを目的とする。
【０００９】
また、本発明は、意図する検索結果を容易に得ることができる文書検索装置及びその方法等を提供することを目的とする。
【００１０】
【課題を解決するための手段】
本発明は、上記課題に鑑みてなされたものであり、以下の装置によって解決できる。
【００１１】
タグ文字を含む被検索文書の検索用インデックスを生成するインデックス生成装置であって、
保持手段に保持されている前記被検索文書から、該被検索文書が、前記タグ文字、句点、改行、及び、改段落のうち複数の種類の文字を含む区切り文字で区切られている複数のセグメントのうち、該被検索文書に含まれる画像データを含むイメージセグメントを抽出する第１抽出手段と、
前記被検索文書における前記イメージセグメントと当該検索文書に含まれるテキストを含むテキストセグメントとを区切る前記区切り文字の種類、及び、該被検索文書の中で前記イメージセグメントの前方もしくは後方の何れに当該テキストセグメントがあるかに基づいて、当該テキストセグメントが当該イメージセグメントと関連性があるかを判断する判断手段と、
前記判断手段で関連性があると判断された複数のテキストセグメントを抽出する第２抽出手段と、
前記第２抽出手段が抽出したテキストセグメントのすべてのテキストを結合して、１つのセグメントとすることにより統合した被検索セグメントを生成する統合手段と、
前記被検索セグメントに出現するテキストを検索キーとし、前記第１抽出手段で抽出したイメージセグメントに含まれる前記画像データを当該検索キーに対応づけた検索結果とする前記検索用インデックスを生成するインデックス生成手段と
を備えることを特徴とするインデックス生成装置。
【００１５】
【発明の実施の形態】
（第１の実施形態）
以下、添付の図面を参照して本発明の好適な実施形態を詳細に説明する。
【００１６】
図１は、本実施形態のテキスト検索装置の機能構成を示すブロック図である。
【００１７】
同図において、１０１は被検索文書を保持する被検索文書保持部である。１０２は被検索文書保持部１０１に保持されている被検索文書をＨＴＭＬのタグに従って分割するＨＴＭＬ文書分割部である。ここでは、被検索文書であるＨＴＭＬ文書から本文（<BODY>）と（</BODY>の間）を抜き出し、コメント（）やメタダグ（<META...>）など、検索の対象とならない部分を除去した後に、予め定義された箇所で分割してセグメントを生成する。
【００１８】
分割する箇所の例を図２に示す。セグメントは、セグメント番号（ＩＤ）、セグメントの内容をＨＴＭＬで表現したテキスト（ＨＴＭＬ）、ＨＴＭＬからタグを取ったテキスト（ＴＥＸＴ）、補助情報（ＩＮＦＯ）、イメージ情報（ＩＭＧ）からなる。図３のＨＴＭＬ文書から生成したセグメントの例を図４に示す。但し、図３の行頭の数字は、セグメント番号を表す。
【００１９】
１０３はＨＴＭＬ文書分割部１０２により生成されたセグメントを保持する第１次セグメント保持部である。１０４は第１次セグメント保持部１０３により保持されているセグメントで、イメージ（<IMG...>）と隣接するセグメントとの関連度を算出し、第２次セグメントを生成するイメージ処理部である。関連度はイメージの位置（テキストの回り込みの有無）と前後の改行・改段落の有無により決める。厳密に言えば、前後のセグメント全体について種別を判定するのではなく、前後のセグメントを構成する行のうち、画像セグメントに隣接した１行ずつの種別を検出して関連度を判別する。
【００２０】
関連度の規則の例を図５に示す。関連度がＭの場合には、イメージのセグメントを隣接するセグメントと統合する。関連度がＡ，Ｂ，Ｃの場合には、隣接するセグメントのＩＭＧにイメージのセグメントのＩＤと関連度に相当するスコアを付加する。なお、図５において、「改行（又は改段落）＋テキスト」とは、
<IMG SRC=・・・・・>
（又は<p>）（任意のテキスト）
という構成を指す。
【００２１】
図３のＨＴＭＬ文書の例では、セグメント７である<IMG SRC="line.gif">の前セグメント６の隣接行がテキスト＋改段落、後のセグメント８の隣接行がテキストなので関連度はＸＭとなる。そのため、セグメント７は関連度がＭのセグメント８に統合される。一方、セグメント５である<IMG SRC="theme.gif" ALIGN=right>は、セグメント４がその他、セグメント６の隣接行がテキストであるから、図５の表（ｂ）から関連度はＸＡとなり、関連度Ａであるセグメント６のイメージ情報ＩＭＧにＩＤ（セグメント５）とスコア（３）を付加する。イメージ処理後のセグメント６とセグメント８を図６に示す。
【００２２】
１０５は、イメージ処理部１０４により生成されたセグメントを保持する第２次セグメント保持部である。１０６は第２次セグメント保持部１０５により保持されているセグメントに対して、見出し（<Hn...>...</Hn>）に関連する処理を行ない、第３次セグメントを生成する見出し処理部である。見出しに関する処理は以下の手順で行なう。
１．見出しのセグメントをピックアップ。
２．初めに大きい見出し（<H1...>...</H1>）があれば、全てのセグメントのＩＮＦＯに見出しを追加する。
３．見出しの範囲を決定し、その範囲にあるセグメントのＩＮＦＯに見出しを追加する。見出しが複数ある場合には、大きい見出しからセパレータ（例えば”／”とする）で区切って順に並べる。
４．見出しの範囲にあるセグメントのＨＴＭＬに一番小さい見出しを追加する。
５．同じ見出しの範囲にあるイメージ（統合されていないもの）のセグメント番号とスコアをＩＭＧに追加する。
６．見出しのセグメントを削除する。
【００２３】
すなわち、図３のＨＴＭＬ文書の例では、見出し処理部１０６においてそれぞれ次のような処理が行なわれる。
１．見出しタグ<Hn></Hn>を含むセグメント１，２，４，９，１０，１２がピックアップされる。
２．全てのセグメントのＩＮＦＯにタグ<H1>、</H1>で挟まれた見出し“○×研究室のホームページ”を追加する。
３．セグメント２の範囲はセグメント３、セグメント４の範囲はセグメント５，６，７，８、セグメント９の範囲はセグメント１０，１１，１２，１３、セグメント１０の範囲はセグメント１１、セグメント１２の範囲はセグメント１３となる。見出しの範囲に入っているセグメントのＩＮＦＯに見出しを追加する。例えば、セグメント８のＩＮＦＯにはセグメント４の“研究テーマ”が追加され、セグメント１１のＩＮＦＯにはセグメント９及びセグメント１０の“学会発表／１９９８年”が追加される。
４．例えば、セグメント８のＨＴＭＬには“<H2>研究テーマ</H2>”が追加され、また、セグメント１１のＨＴＭＬには“<H3>１９９８年</H3>”が追加される。
５．セグメント８のＩＭＧに“セグメント５，スコア１”を追加する。
６．セグメント１，２，４，９，１０，１２を削除する。
【００２４】
見出し処理後のセグメント８とセグメント１１を図７に示す。
【００２５】
１０７は見出し処理部１０６により生成されたセグメントを保持する第３次セグメント保持部である。１０８は第３次セグメント保持部１０７により保持されているセグメントのうち、サイズがある一定の閾値以上のセグメントを語の出現状況から分割する結束性処理部である。
【００２６】
ここではまず、句点や改行を目安に、処理対象セグメントのＴＥＸＴを文に分割し、形態素解析により文中の語を抽出して、２文間の結束度を求める。文ｕの中の語で文ｖにも出現する語の数をｘとすると、文ｕと文ｖの語彙的結束度は定数λを用いて以下の式で定義される。
【００２７】
ｗ（ｕ，ｖ）＝ｅｘｐ｛λｘ｝
【００２８】
また、評価関数Ｅを定数α，βを用いて以下のように定義する。
【００２９】
【外１】

【００３０】
ここで、語彙的結束度を求める際の定数λ、評価関数Ｅの定数α、βは正の値から適宜選択することができ、例えばλ＝５、α＝β＝１とすることができる。評価関数はある文の組み合わせを行った場合の全体の評価関数であり、この評価関数を用いて段落を関連性の高い文（又は隣接する文の集合）に分割するｋとができる。具体的には、初めは１文を１段落とし、隣接する１組の段落を併合した時の評価関数Ｅをそれぞれ求めて、その時の評価関数が併合前よりも最も増加する段落を併合する。評価関数が改善されなくなるまで、この操作を繰り返し行なう。
【００３１】
ここで、あるセグメントのＴＥＸＴが、Ａ〜Ｅの５つの文から構成される場合を例にして、結束性処理部の動作について詳しく説明する。
（１）文章を結合しない状態（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）での評価関数値Ｅ（Ｅ０とする）を求める。すなわち、評価関数において、Ｐｊ＝｛Ｓｊ｝とした状態でのＥを求める。
（２）隣接した文を結合した場合のＥを求める。すなわち、文Ａと文Ｂを結合した文書をＡ＋Ｂと記載すると、
Ａ＋Ｂ，Ｃ，Ｄ，Ｅとした場合の評価関数値（Ｅ１とする）、
Ａ，Ｂ＋Ｃ，Ｄ，Ｅとした場合の評価関数値（Ｅ２とする）、
Ａ，Ｂ，Ｃ＋Ｄ，Ｅとした場合の評価関数値（Ｅ３とする）、
Ａ，Ｂ，Ｃ，Ｄ＋Ｅとした場合の評価関数値（Ｅ４とする）をそれぞれ求める。
（３）Ｅ１〜Ｅ４のうち、最も大きなもの（ここではＥ２とする）がＥ０より大きければ（Ｅ２＞Ｅ０ならば）、そのＥが得られた状態に文書を結合する。つまり、文Ｂと文Ｃを結合し、Ａ，Ｂ＋Ｃ，Ｄ，Ｅという構成にする。
（４）再び、隣接した文（又は結合された文）を結合した場合の評価関数値を求める。すなわち、
Ａ＋Ｂ＋Ｃ，Ｄ，Ｅとした場合の評価関数値（Ｅ５とする）、
Ａ，Ｂ＋Ｃ＋Ｄ，Ｅとした場合の評価関数値（Ｅ６とする）、
Ａ，Ｂ＋Ｃ，Ｄ＋Ｅとした場合の評価関数値（Ｅ７とする）をそれぞれ求める。
（５）Ｅ２に対し、増加が最も大きい評価関数値が得られた構成（Ｅ７とする）にする。すなわち、文Ｄと文Ｅを結合し、Ａ，Ｂ＋Ｃ，Ｄ＋Ｅという構成にする。
（６）さらに隣接した文（又は結合された文）を結合した場合の評価関数値を求める。すなわち、
Ａ＋Ｂ＋Ｃ，Ｄ＋Ｅとした場合の評価関数値（Ｅ８とする）、
Ａ，Ｂ＋Ｃ＋Ｄ＋Ｅとした場合の評価関数値（Ｅ９とする）をそれぞれ求める。
（７）併合前（この場合はＥ７）と比較し、最も増加が大きい構成にする。変化がなければ、確定。この例の場合、Ｅ８，Ｅ９ともＥ７と変化がないとすると、結果としてＥ７が得られたＡ，Ｂ＋Ｃ，Ｄ＋Ｅという３つの文（又は段落）に分割される。
【００３２】
このようにして分割された文（又は段落）は、それぞれ、内容的に関連の強い文の集まりになる。
【００３３】
１０９は結束性処理部１０８により生成されたセグメントを保持する被検索セグメント保持部である。
【００３４】
１１０は被検索セグメント保持部１０９に保持されている被検索セグメントに対して、検索を高速に行なうためのインデックスを作成するインデックス作成部である。インデックスは、各セグメントのＴＥＸＴとＩＮＦＯについて別々に作成される。１１１は被検索セグメント保持部１０９に保持されている被検索セグメントのＴＥＸＴに対して、インデックス作成部１１０により作成されたインデックスを保持するインデックス保持部である。１１２は被検索セグメント保持部１０９に保持されている被検索セグメントのＩＮＦＯに対して、インデックス作成部１１０により作成された補助インデックスを保持する補助インデックス保持部である。１１３は検索を行なう文字列を保持する検索キー保持部である。
【００３５】
１１４はインデックス保持部１１１に保持されているインデックスを用いて、検索キー保持部１１３に保持されている検索文字列に一致する文字列を検索する検索部である。検索結果は検索条件への適合度によりランキングされる。適合度には、検索キーの出現回数や被検索テキストに対して検索キーの占める割合などが用いられる。１１５は検索部１１４により生成されたランキング結果を保持するランキング結果保持部である。
【００３６】
１１６は補助インデックス保持部１１２に保持されている補助インデックスを用いて、検索キー保持部１１３に保持されている検索文字列に一致する文字列を検索する補助検索部で得ある。検索部同様、検索結果は検索条件への適合度によりランキングされる。１１７は、補助検索部１１６により生成された補助ランキング結果を保持する補助ランキング結果保持部である。
【００３７】
１１８はランキング結果保持部１１５に保持されているランキング結果と補助ランキング結果保持部１１７に保持されている補助ランキング結果を統合し、検索結果を作成するランキング結果統合部である。ここでは、同一セグメントについて、ランキング結果のスコアに補助ランキング結果のスコアのε倍（ε＜１）を足し合わせた値を算出し、この値を検索スコアとする。検索スコアが所定の値より高いセグメントが検索結果となる。１１９はランキング結果統合部１１８により作成された検索結果を保持する検索結果保持部である。検索スコアは、検索後の結果の表示の際に、所定値以上のスコアを有する場合にはそのイメージも同時に出力するなど、検索結果の重み付けや処理分岐の条件として用いることができる。
【００３８】
図８は、本発明の実施形態に係るテキスト検索装置のハードウェア構成を示す図である。同図において、２０１は後述する制御手順を実現するプログラムを保持するＲＯＭである。２０２はＲＡＭで、第１次セグメント保持部１０３、第２次セグメント保持部１０５、第３次セグメント部１０７、インデックス保持部１１１、補助インデックス保持部１１２、検索キー保持部１１３、ランキング結果保持部１１５、補助ランキング結果保持部１１７、検索結果保持部１１９と上記プログラムの動作に必要な記憶領域とを提供する。２０３はＲＯＭ２０１に保持れているプログラムに従って処理を行なう中央処理装置である。２０４はディスク装置であり、被検索文書保持部１０１、被検索セグメント保持部１０９を実現する。２０５はバスであり、上記の各構成を接続し、各構成間におけるデータの授受を可能とする。
【００３９】
次に、本装置の動作を説明する。本実施形態の処理は、インデックス作成フェーズと検索フェーズに大きく分かれる。以下、図９のフローチャートを参照して本実施形態のテキスト検索装置におけるインデックス作成フェーズの手順を示す。
【００４０】
ステップＳ３０１では、ＨＴＭＬ文書分割部１０２により、被検索文書保持部１０１に保持されている被検索文書から本文（<BODY>と</BODY>の間）を抜き出し、コメント（）やメタタグ（<META...>）など、検索の対象とならない部分を除去した後に、図２に示す箇所で分割して第１次セグメントを生成する。そしてステップＳ３０２に移る。
【００４１】
ステップＳ３０２では、イメージ処理部１０４により、ステップＳ３０１において生成された第１次セグメントで、イメージ（<IMG...>）と隣接するセグメントとの関連度を算出し、第２次セグメントを生成する。そしてステップＳ３０３に移る。
【００４２】
ステップＳ３０３では、見出し処理部１０６により、ステップＳ３０２において生成された第２次セグメントで、見出し（<Hn>...</Hn>）に関する処理を行ない、第３次セグメントを生成する。そしてステップＳ３０４に移る。
【００４３】
ステップＳ３０４では、結束性処理部１０８により、ステップＳ３０３において生成された第３次セグメントのうち、サイズがある一定の閾値以上のセグメントを語の出現状況から分割し、被検索セグメントを生成する。そしてステップＳ３０５に移る。
【００４４】
ステップＳ３０５では、インデックス作成部１１０により、ステップＳ３０４において生成された被検索セグメントに対して、検索を高速に行なうためのインデックスを作成する。そしてインデックス作成フェーズを終了する。
【００４５】
次に、図１０のフローチャートを参照して、本実施形態における検索フェーズの概要を説明する。
【００４６】
ステップＳ４０１では、検索部１１４により、インデックス保持部１１１に保持されているインデックスを用いて、検索キー保持部１１３に保持されている検索文字列に一致する文字列を検索し、その検索結果を検索条件への適合度によりランキングする。そしてステップＳ４０２に移る。
【００４７】
ステップＳ４０２では、補助検索部１１６により、補助インデックス保持部１１２に保持されているインデックスを用いて、検索キー保持部１１３に保持されている検索文字列に一致する文字列を検索し、その検索結果を検索条件への適合度によりランキングする。そしてステップＳ４０３に移る。
【００４８】
ステップＳ４０３では、ランキング結果統合部１１８により、ステップＳ４０１により生成されたランキング結果とステップＳ４０２により生成された補助ランキング結果を統合し、検索結果を作成する。そして検索フェーズを終了する。
【００４９】
以上に述べたように、構造と内容からＨＴＭＬ文書をセグメントに分割し、与えられた検索キーを含むセグメントを検索結果として提示することで、検索条件に適合した文書の部分を検索結果とするテキスト検索装置を実現することができる。
【００５０】
（第２の実施形態）
第１の実施形態においては、インデックス作成フェーズの被検索セグメント生成処理とインデックス作成処理、および検索フェーズを同一装置で行なう場合について説明したが、これらの処理を異なる装置で構成してもよい。例えば、本発明による被検索セグメント生成処理だけを行なう装置、同じくインデックス作成処理のみを行う装置及び検索処理のみを行う装置のいずれか１つであってもよいし、その組み合わせから構成されるシステムであってもよい。
【００５１】
（被検索セグメント生成装置）
図１１は本発明による被検索セグメント生成装置の基本的な機能構成を示すブロック図である。
【００５２】
図１１において、１１０１は被検索文書を保持する被検索文書保持部である。１１０２は被検索文書保持部１１０１に保持されている被検索文書をＨＴＭＬのタグに従って分割するＨＴＭＬ文書分割部である。１１０３はＨＴＭＬ文書分割部１１０２により生成されたセグメントを保持する第１次セグメント保持部である。１１０４は第１次セグメント保持部１１０３により保持されているセグメントで、イメージと隣接するセグメントとの関連度を算出し、第２次セグメントを生成するイメージ処理部である。
【００５３】
１１０５はイメージ処理部１１０４により生成されたセグメントを保持する第２次セグメント保持部である。１１０６は第２次セグメント保持部１１０５により保持されているセグメントで、見出しに関する処理を行ない、第３次セグメントを生成する見出し処理部である。１１０７は見出し処理部１１０６により生成されたセグメントを保持する第３次セグメント保持部である、１１０８は第３次セグメント保持部１１０７により保持されているセグメントのうち、サイズがある一定の閾値以上のセグメントを語の出現状況から分割する結束性処理部である。１１０９は結束性処理部１１０８により生成されたセグメントを保持する被検索セグメント保持部である。
【００５４】
被検索セグメント保持部１１０９に保持された被検索セグメントは、通信回線を通したり、可搬記録媒体によって他の装置に移されて利用される。
【００５５】
（インデックス作成装置）
また、図１２は本発明によるインデックス作成装置の構成を示すブロック図である。図１２において、１２０１は図１１に示す装置で作成された被検索セグメントを保持する被検索セグメント保持部である。１２０２は被検索セグメント保持部１２０１に保持されている被検索セグメントに対して、検索を高速に行なうためのインデックスを作成するインデックス作成部である。１２０３は被検索セグメント保持部１２０１に保持されている被検索セグメントのＴＥＸＴに対して、インデックス作成部１２０２により作成されたインデックスを保持するインデックス保持部である。１２０４は、被検索セグメント保持部１２０１に保持されている被検索セグメントのＩＮＦＯに対して、インデックス作成部１２０２により作成された補助インデックスを保持する補助インデックス保持部である。
【００５６】
被検索セグメントのＴＥＸＴ、ＩＮＦＯからインデックスを作成する方法としては、
（１）形態素解析または字種毎の変わり目で分割することによって得られる単語をキーとして、各文書での出現回数を保持する方法、
（２）（１）と同様のキーを用い、出現位置を列挙する方法、
（３）文字又はＮ文字の（Ｎは自然数）文字列全てについて出現位置を列挙する方法等を用いることができる。
【００５７】
インデックス保持部１２０３に保持されたインデックスと補助インディスク保持部１２０４に保持された補助インディスクは、通信回線を通したり、可搬記録媒体によって他の装置に移されて検索が行なわれる。
【００５８】
（第３の実施形態）
第２の実施形態においては、被検索セグメント生成処理とインデックス作成処理とを個別の装置で実施する場合を説明したが、被検索セグメント生成処理とインデックス作成処理を行なう装置を構成してもよい。
【００５９】
（被検索セグメント生成及びインデックス作成装置）
図１３は被検索セグメント生成処理及びインデックス作成処理を行う装置の基本的な機能構成を示すブロック図である。
【００６０】
図１３において、１３０１は被検索文書を保持する被検索文書保持部である。１３０２は、被検索文書保持部１３０１に保持されている被検索文書をＨＴＭＬのタグに従って分割するＨＴＭＬ文書分割部である。１３０３はＨＴＭＬ文書分割部１３０２により生成されたセグメントを保持する第１次セグメント保持部である。１３０４は、第１次セグメント保持部１３０３により保持されているセグメントで、イメージと隣接するセグメントとの関連度を算出し、第２次セグメントを生成するイメージ処理部である。
【００６１】
１３０５はイメージ処理部１３０４により生成されたセグメントを保持する第２次セグメント保持部である。１３０６は第２次セグメント保持部１３０５により保持されているセグメントで、見出しに関する処理を行ない、第３次セグメントを生成する見出し処理部である。１３０７は見出し処理部１３０６により生成されたセグメントを保持する第３次セグメント保持部である。１３０８は第３次セグメント保持部１３０７により保持されているセグメントのうち、サイズがある一定の閾値以上のセグメントを語の出現状況から分割する結束性処理部である。１３０９は結束性処理部１３０８により生成されたセグメントを保持する被検索セグメント保持部である。
【００６２】
１３１０は被検索セグメント保持部１３０９に保持されている被検索セグメントに対して、検索を高速に行なうためのインデックスを作成するインデックス作成部である。１３１１は、被検索セグメント保持部１３０９に保持されている被検索セグメントのＴＥＸＴに対して、インデックス作成部１３１０により作成されたインデックスを保持するインデックス保持部である。１３１２は被検索セグメント保持部１３０９に保持されている被検索セグメントのＩＮＦＯに対して、インデックス作成部１３１０により作成された補助インデックスを保持する補助インデックス保持部である。
【００６３】
インデックス保持部１３１１に保持されたインデックスと補助インデックス保持部１３１２に保持された補助インデックスは、通信回線を通したり、可搬記録媒体によって他の装置に移されて検索が行なわれる。
【００６４】
（第４の実施形態）
（検索装置）
図１４は、上述の第２、第３実施形態に記載された装置に提供されるインデックスと補助インデックスを用いて検索を行なう検索装置の基本的な機能構成を示すブロック図である。
【００６５】
図１４において、１４０１は図１２あるいは図１３に示す装置で作成されたインデックスを保持するインデックス保持部である。１４０２は図１２あるは図１３に示す装置で作成されたインデックスを保持するインデックス保持部である。１４０２は図１２あるいは図１３に示す装置で作成された補助インデックスを保持する補助インデックス保持部である。１４０３は検索を行なう文字列を保持する検索キー保持部である。
【００６６】
１４０４はインデックス保持部１４０１に保持されているインデックスを用いて、検索キー保持部１４０３に保持されている検索文字列に一致する文字列を検索する検索部である。１４０５は検索部１４０４により生成されたランキング結果を保持するランキング結果保持部である。１４０６は補助インデックス保持部１４０２に保持されている補助インデックスを用いて、検索キー保持部１４０３に保持されている検索文字列に一致する文字列を検索する補助検索部である。１４０７は補助検索部１４０６により生成された補助ランキング結果を保持する補助ランキング結果保持部である。１４０８はランキング結果保持部１４０５に保持されているランキング結果と補助ランキング結果保持部１４０７に保持されている補助ランキング結果を統合し、検索結果を作成するランキング結果統合部である。１４０９はランキング結果統合部１４０８により作成された検索結果を保持する検索結果保持部である。
【００６７】
インデックス保持部１４０１と補助インデックス保持部１４０２には、上記実施形態の手順で作成されたインデックスと補助インデックスが、通信回線或は可搬記録媒体等を介して提供され、保持される。
【００６８】
上記実施形態では、ＨＴＭＬ文書分割手段、イメージ処理手段、見出し処理手段、結束性処理手段により、順にセグメントを生成するよう説明しているが、これに限定されるものではない。例えば、ＨＴＭＬ文書分割手段のみでセグメントを生成する装置であってもよい。
【００６９】
また、ＨＴＭＬ文書分割手段とイメージ処理手段でセグメントを生成する装置であってもよい。
【００７０】
また、ＨＴＭＬ文書分割手段と見出し処理手段でセグメントを生成する装置であってもよい。
【００７１】
また、ＨＴＭＬ文書分割手段と結束性処理手段でセグメントを生成する装置であってもよい。
【００７２】
また、ＨＴＭＬ文書分割手段とイメージ処理手段と見出し処理手段でセグメントを生成する装置であってもよい。
【００７３】
また、ＨＴＭＬ文書分割手段とイメージ処理手段と結束性処理手段でセグメントを生成する装置であってもよい。
【００７４】
また、ＨＴＭＬ文書分割手段と見出し処理手段と結束性処理手段でセグメントを生成する装置であってもよい。
【００７５】
上記実施形態では、図２に示した箇所でＨＴＭＬ文書を分割するよう説明しているが、これに限定されるものではなく、他の箇所で分割するよう定義してもよい。また、分割する箇所を自由に適宜できるようにしてもよい。
【００７６】
上記実施形態では、図５に示した規則に基づいてイメージと隣接するセグメントとの関連度を決定するよう説明しているが、これに限定されるものではなく、他の規則で関連度を定義してもよい。
【００７７】
また、関連度の規則を自由に定義できるようにしてもよい。
【００７８】
上記実施形態では、イメージの位置と前後の改行・改段落の有無により、イメージと隣接するセグメントとの関連度を決定するように説明しているが、これに限定されるものではなく、他の要因により関連度を決定してもよい。
【００７９】
上記実施形態では、形態素解析により語を抽出するよう説明しているが、これに限定されるものではなく、文字種の違いによって切り出した文字列を語としてもよい。
【００８０】
上記実施形態では、２文に出現する同一語をもとに語彙的結束度を算出するよう説明しているが、これに限定されるものではなく、既存の知識ベースを利止して、同義語や類義語、上位語、下位語をも用いて語彙的結束度を算出しても良い。例えば、２文に現れる同一語、同義語、類義語、上位語、下位語の数をそれぞれｘ1，ｘ2，ｘ3，ｘ4，ｘ5とし、それらの重みをｗ1，ｗ2，ｗ3，ｗ4，ｗ5とすると、語彙的結束度は以下のように定義できる。
【００８１】
ｗ(u,v)＝exp｛λ・(ｗ1ｘ1＋ｗ2ｘ2＋ｗ3ｘ3＋ｗ4ｘ4＋ｗ5ｘ5)｝
【００８２】
上記実施利では、語彙的結束度を指数関数で求めるよう説明しているが、これに限定されるものではなく、他の非単調増加関数を用いてもよい。
【００８３】
上記実施形態では、文間の語彙的結束度と段落長の要因を定式化し、評価関数を定義しているが、これに限定されるものではなく、他の式を評価関数としても良い。
【００８４】
上記実施形態では、出現する語により文間結束度を求め、段落を決定する方法によりサイズの大きいセグメントを分割するよう説明しているが、これに限定されるものではなく、セグメントのＴＥＸＴ全体の出現単語の分布から段落を決定するなど、他の方法により分割しても良い。
【００８５】
上記実施形態では、セグメントのＴＥＸＴとＩＮＦＯに対して別々にインデックスを作成し、ＴＥＸＴによるインデックスの検索結果にＩＮＦＯによるインデックスの検索結果を加えるよう説明しているが、これに限定されるものではなく、両者を混合して１つのインデックスを作成し、それに対する結果を検索結果としてもよい。
【００８６】
また、ＩＮＦＯのインデックスを作成せずに、ＴＥＸＴのみを検索対象としてもよい。
【００８７】
上記実施形態では、ＨＴＭＬ文書分割部により、コメントやメタタグ等、検索の対象とならない部分を除去して第１次セグメントを生成するよう説明しているが、これに限定されるものではなく、コメントやメタタグの情報を利用して、第１次セグメントを生成してもよい。
【００８８】
上記実施形態では、処理対象をＨＴＭＬ文書とし、ＨＴＭＬの構造を利用してセグメントを生成するよう説明しているが、これに限定されるものではなく、ＳＧＭＬやＸＭＬ等、他の構造化文書を対象として、その構造情報を利用してセグメントを生成する装置であってもよい。
【００８９】
上記実施形態においては、第１次セグメント保持部１０３、第２次セグメント保持部１０５、第３次セグメント保持部１０７、インデックス保持部１１１、補助インデックス保持部１１２、検索キー保持部１１３、ランキング結果保持部１１５、補助ランキング保持部１１７、検索結果保持部１１９をＲＡＭで、非検索文書保持部１０１、被検索セグメント保持部１０９をディスク装置で実現する場合について説明したが、これに限定されるものではなく、任意の記憶媒体を用いて実現してもよい。
【００９０】
上記実施形態においては、各部を同一の計算機上で構成する場合について説明したが、これに限定されるものではなく、ネットワーク上に分散した計算機や処理装置などに別れて各部を構成してもよい。
【００９１】
上記実施形態においては、プログラムをＲＯＭに保持する場合について説明したが、これに限定されるものではなく、任意の記憶媒体を用いて実現してもよい。また、同様の動作をする回路で実現してもよい。
【００９２】
なお、本発明は、複数の機器から構成されるシステムに適用しても、一つの機器からなる装置に適用してもよい。前述した実施形態の機能を実現するソフトウエアのプログラムコードを記録した記憶媒体を、システム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。
【００９３】
プログラムコードを供給するための記憶媒体としては、例えば、フロッピーディスク，ハードディスク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭなどを用いることができる。
【００９４】
また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【００９５】
更に、記憶媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【００９６】
以上説明したように、本発明によれば、検索条件に適合した文書の部分を検索結果とするテキスト検索を実現できるという効果が得られる。
【００９７】
（第５の実施の形態）
図５は本発明の第５の実施の形態に係るテキスト検索装置の構成を示す機能ブロック図である。本発明の第５の実施の形態に係るテキスト検索装置は、被検索文書保持部１５０１、セグメント生成部１５０２、セグメント保持部１５０３、オブジェクト同定部１５０４、オブジェクト付被検索文書保持部１５０５、インデックス作成部１５０６、セグメント単位インデックス保持部１５０７、文書単位インデックス保持部１５０８、検索単位切替部１５０９、検索キー保持部１５１０、検索部１５１１、検索結果保持部１５１２、提示結果生成部１５１３、結果提示部１５１４を備える構成となっている。
【００９８】
上記各部の機能を詳述すると、被検索文書保持部１５０１は、被検索文書を保持する。セグメント生成部１５０２は、被検索文書保持部１５０１に保持されている被検索文書を内容に従ってセグメントに分割する。検索対象がＨＴＭＬ（ＨｙｐｅｒＴｅｘｔＭａｒｋｕｐＬａｎｇｕａｇｅ：ハイパーテキスト記述言語）文書の場合には、ＨＴＭＬのタグからレイアウト上での区切れ目を判断したり、出現言語の推移から話題が転換している箇所を同定したりすることで、セグメントを生成する。セグメント保持部１５０３は、セグメント生成部１５０２により生成されたセグメントを保持する。
【００９９】
オブジェクト同定部１５０４は、被検索文書保持部１５０１に保持されている被検索文書のオブジェクトを同定する。オブジェクトとは、被検索文書に記されている情報の対象のことである。オブジェクト名を含む頻度、ファイル名、Ｗｅｂページの場合には、ＵＲＬ（ＵｎｉｆｏｒｍＲｅｓｏｕｒｃｅＬｏｃａｔｏｒ：ＷＷＷサーバのアドレス）などからその文書がどのオブジェクトに関する情報かを判断する。オブジェクト付被検索文書保持部１５０５は、オブジェクト同定部１５０４で同定されたオブジェクトを被検索文書と共に保持する。
【０１００】
インデックス作成部１５０６は、セグメント保持部１５０３に保持されたセグメント、及びオブジェクト付被検索文書保持部１５０５に保持されたオブジェクト付被検索文書から検索用インデックスを作成する。オブジェクト付被検索文書から作成したインデックスには、各文書がどのオブジェクトの情報であるかが付加情報として含まれている。セグメント単位インデックス保持部１５０７は、セグメント保持部１５０３に保持されたセグメントからインデックス作成部１５０６によって作成された検索用インデックスを保持する。文書単位インデックス保持部１５０８は、オブジェクト付被検索文書保持部１５０５に保持されたオブジェクト付被検索文書からインデックス作成部１５０６によって作成された検索用インデックスを保持する。
【０１０１】
検索単位切替部１５０９は、提示結果生成部１５１３からの情報を元に、セグメント単位インデックス保持部１５０７に保持されたセグメント単位インデックスと、文書単位インデックス保持部１５０８に保持された文書単位インデックスのうち、適切な方を検索対象のインデックスとして検索部１５１１に渡す。初回はセグメント単位インデックスを選択し、それによる検索結果数が閾値を越えたという情報が提示結果生成部１５１３から伝達された場合には、検索単位切替部１５０９は文書単位インデックスを検索対象として渡す。検索キー保持部１５１０は、検索を行う文字列を保持する。検索部１５１１は、検索単位切替部１５０９が検索対象として選択したインデックスを用いて、検索キー保持部１５１０に保持されている検索文字列に一致する文字列を検索する。検索結果保持部１５１２は、検索部１５１１により生成された検索結果を保持する。
【０１０２】
提示結果生成部１５１３は、検索結果保持部１５１２に保持された検索結果の数をチェックし、検索単位切替部１５０９に検索単位の切替を依頼したり、表示する検索結果を生成したりする。セグメント単位のインデックスの検索結果数がある閾値を越えた場合には、検索単位切替部１５０９に文書単位のインデックスに切り替えるよう指令を出し、閾値を越えない場合には、セグメント単位の検索結果を提示結果とする。文書単位のインデックスの検索結果数がある閾値を越えた場合には、検索結果をオブジェクト毎にまとめて提示結果を作成し、閾値を越えない場合には、文書単位の検索結果を提示結果とする。結果提示部１５１４は、提示結果生成部１５１３により生成された提示結果を表示する。
【０１０３】
図１６は本発明の第５の実施の形態に係るテキスト検索装置のハードウエア構成を示すブロック図である。本発明の第５の実施の形態に係るテキスト検索装置は、ＲＯＭ１６０１、ＲＡＭ１６０２、中央処理装置１６０３、ディスク装置１６０４、バス１６０５を備える構成となっている。
【０１０４】
上記各部の機能を詳述すると、ＲＯＭ１６０１は、後述する制御手順を実現するプログラムを保持する。ＲＡＭ１６０２は、上記図１５の検索キー保持部１５１０、検索結果保持部１５１２と上記プログラムの動作に必要な記憶領域とを提供する。中央処理装置１６０３は、ＲＯＭ１６０１に保持されているプログラムに従って処理を行う。ディスク装置１６０４は、上記図１５の被検索文書保持部１５０１、セグメント保持部１５０３、オブジェクト付被検索文書保持部１５０５、セグメント単位インデックス保持部１５０７、文書単位インデックス保持部１５０８を実現する。バス１６０５は、上記ＲＯＭ１６０１、ＲＡＭ１６０２、中央処理装置１６０３、ディスク装置１６０４を接続し、各構成間におけるデータの授受を可能とする。
【０１０５】
図２２は本発明のプログラム及び関連データが記憶媒体から装置に供給される概念例を示す説明図である。本発明のプログラム及び関連データは、フロッピディスクやＣＤ−ＲＯＭ等の記憶媒体８０１を装置８０２に装備された記憶媒体ドライブ挿入口８０３に挿入することで供給される。その後、本発明のプログラム及び関連データを記憶媒体８０１から一旦ハードディスクにインストールしハードディスクからＲＡＭにロードするか、或いは、ハードディスクにインストールせずに直接ＲＡＭにロードすることで、本発明のプログラム及び関連データを実行することが可能となる。
【０１０６】
図２１は本発明のプログラム及び関連データを記憶した記憶媒体の記憶内容の構成例を示す説明図である。本発明の記憶媒体は、例えばボリューム情報７０１、ディレクトリ情報７０２、プログラム実行ファイル７０３、プログラム関連データファイル７０４等の記憶内容で構成される。本発明のプログラムは、後述する図１７〜図１８のフローチャート等に基づきプログラムコード化されたものである。
【０１０７】
次に、上記の如く構成された本発明の第５の実施の形態に係るテキスト検索装置の動作を図１５、図１７、図１８を参照しながら説明する。本発明の第５の実施の形態の処理は、インデックス作成フェーズと検索フェーズに大きく分かれる。以下、本発明の第１の実施の形態に係るテキスト検索装置におけるインデックス作成フェーズ、検索フェーズの手順を説明する。
【０１０８】
「インデックス作成フェーズ」（図１７）
ステップＳ１７０１では、セグメント生成部１５０２は、被検索文書保持部１５０１に保持されている被検索文書を内容に従って分割してセグメントを生成する。この後、ステップＳ１７０２に移る。ステップＳ１７０２では、オブジェクト同定部１５０４は、被検索文書保持部１５０１に保持されている被検索文書のオブジェクトを同定する。ステップＳ１７０３では、インデックス作成部１５０６は、セグメント保持部１５０３に保持されたセグメント、及びオブジェクト付被検索文書保持部１５０５に保持されたオブジェクト付被検索文書から検索用インデックスを作成する。
【０１０９】
以上によりインデックス作成フェーズを終了する。
【０１１０】
「検索フェーズ」（図１８）
ステップＳ１８０１では、検索部１５１１は、セグメント単位インデックス保持部１５０７に保持されたセグメント単位インデックスを用いてセグメント単位の検索を行う。この後、ステップＳ１８０２に移る。ステップＳ１８０２では、提示結果生成部１５１３は、セグメント単位の検索結果数が閾値Ｎより多いか否かを判断し、セグメント単位の検索結果数が閾値Ｎより多い場合はステップＳ１８０３に移り、セグメント単位の検索結果数が閾値Ｎを越えなかった場合はステップＳ１８０６に移る。
【０１１１】
ステップＳ１８０３では、検索部１５１１は、文書単位インデックス保持部１５０８に保持された文書単位インデックスを用いて文書単位の検索を行う。この後、ステップＳ１８０４に移る。ステップＳ１８０４では、提示結果生成部１５１３は、文書単位の検索結果数が閾値Ｎより多いか否かを判断し、文書単位の検索結果数が閾値Ｎより多い場合はステップＳ１８０５に移り、文書単位の検索結果数が閾値Ｎを越えなかった場合はステップＳ１８０６に移る。
【０１１２】
ステップＳ１８０５では、提示結果生成部１５１３は、検索結果をオブジェクト毎にまとめて提示結果を作成する。この後、ステップＳ１８０７に移る。ステップＳ１８０６では、提示結果生成部１５１３は、検索結果からそのまま提示結果を生成する。この後、ステップＳ１８０７に移る。ステップＳ１８０７では、結果提示部１５１４は、提示結果生成部１５１３で生成された提示結果を表示する。以上により検索フェーズを終了する。
【０１１３】
以上説明したように、本発明の第５の実施の形態によれば、細かい単位の検索から始めて、検索結果の数に応じて検索の単位を大きくしていくことで、複数の検索単位を自動的に使い分けるテキスト検索装置を実現することができるという効果がある。
【０１１４】
（第６の実施の形態）
上述した本発明の第５の実施の形態においては、インデックス作成フェーズと検索フェーズを同一装置で行う場合について説明したが、これに限定されるものではない。例えば、インデックス作成フェーズだけを行う装置であってもよい。本発明の第６の実施の形態においては、上記のインデックス作成フェーズだけを行う装置について説明する。
【０１１５】
図１９は本発明の第６の実施の形態に係るインデックス作成装置の構成を示す機能ブロック図である。本発明の第６の実施の形態に係るインデックス作成装置は、被検索文書保持部１９０１、セグメント生成部１９０２、セグメント保持部１９０３、オブジェクト同定部１９０４、オブジェクト付被検索文書保持部１９０５、インデックス作成部１９０６、セグメント単位インデックス保持部１９０７、文書単位インデックス保持部１９０８を備える構成となっている。
【０１１６】
上記各部の機能を詳述すると、被検索文書保持部１９０１は、被検索文書を保持する。セグメント生成部１９０２は、被検索文書保持部１９０１に保持されている被検索文書を内容に従ってセグメントに分割する。セグメント保持部１９０３は、セグメント生成部１９０２により生成されたセグメントを保持する。オブジェクト同定部１９０４は、被検索文書保持部１９０１に保持されている被検索文書のオブジェクトを同定する。オブジェクト付被検索文書保持部１９０５は、オブジェクト同定部１９０４で同定されたオブジェクトを被検索文書と共に保持する。
【０１１７】
インデックス作成部１９０６は、セグメント保持部１９０３に保持されたセグメント、及びオブジェクト付被検索文書保持部１９０５に保持されたオブジェクト付被検索文書から検索用インデックスを作成する。セグメント単位インデックス保持部１９０７は、セグメント保持部１９０３に保持されたセグメントからインデックス作成部１９０６によって作成された検索用インデックスを保持する。文書単位インデックス保持部１９０８は、オブジェクト付被検索文書保持部１９０５に保持されたオブジェクト付被検索文書からインデックス作成部１９０６によって作成された検索用インデックスを保持する。
【０１１８】
本インデックス作成装置においては、上記のセグメント単位インデックス保持部１９０７に保持されたセグメント単位インデックスと、文書単位インデックス保持部１９０８に保持された文書単位インデックスは、通信回線或いは可搬記録媒体を介して他の装置（テキスト検索装置）に提供されて利用される。
【０１１９】
以上説明したように、本発明の第６の実施の形態によれば、テキスト検索に必要なセグメント単位インデックス及び文書単位インデックスを作成し、作成したセグメント単位インデックス及び文書単位インデックスを外部装置（他のテキスト検索装置）に供給することで、外部装置（他のテキスト検索装置）で複数の検索単位を自動的に使い分けることができるという効果がある。
【０１２０】
（第７の実施の形態）
本発明の第７の実施の形態においては、上述した本発明の第６の実施の形態に係るインデックス作成装置で作成されたインデックスを用いて検索を行う装置について説明する。
【０１２１】
図２０は本発明の第７の実施の形態に係るテキスト検索装置の構成を示す機能ブロック図である。本発明の第７の実施の形態に係るテキスト検索装置は、セグメント単位インデックス保持部２００１、文書単位インデックス保持部２００２、検索単位切替部２００３、検索キー保持部２００４、検索部２００５、検索結果保持部２００６、提示結果生成部２００７、結果提示部２００８を備える構成となっている。
【０１２２】
上記各部の機能を詳述すると、セグメント単位インデックス保持部２００１は、上記第６の実施の形態の図１９に示したインデックス作成装置で作成されたセグメント単位インデックスを保持する。文書単位インデックス保持部１５０８は、上記第６の実施の形態の図１９に示したインデックス作成装置で作成された文書単位インデックスを保持する。検索単位切替部２００３は、提示結果生成部２００７からの情報を元に、セグメント単位インデックス保持部２００１に保持されたセグメント単位インデックスと、文書単位インデックス保持部２００２に保持された文書単位インデックスのうち、適切な方を検索対象のインデックスとして検索部２００５に渡す。検索キー保持部２００４は、検索を行う文字列を保持する。
【０１２３】
検索部２００５は、検索単位切替部２００３が検索対象として選択したインデックスを用いて、検索キー保持部２００４に保持されている検索文字列に一致する文字列を検索する。検索結果保持部２００６は、検索部２００５により生成された検索結果を保持する。提示結果生成部２００７は、検索結果保持部２００６に保持された検索結果の数をチェックし、検索単位切替部２００３に検索単位の切替を依頼したり、表示する検索結果を生成したりする。結果提示部２００８は、提示結果生成部２００７により生成された提示結果を表示する。
【０１２４】
本テキスト検索装置においては、上記のセグメント単位インデックス保持部２００１と文書単位インデックス保持部２００２には、上記第６の実施の形態に係るインデックス作成装置における手順で作成されたセグメント単位インデックスと文書単位インデックスが、通信回線或いは可搬記録媒体等を介して提供され保持される。
【０１２５】
以上説明したように、本発明の第７の実施の形態によれば、細かい単位の検索から始めて、検索結果の数に応じて検索の単位を大きくしていくことで、複数の検索単位を自動的に使い分けるテキスト検索装置を実現することができるという効果がある。
【０１２６】
上述した本発明の第５の実施の形態乃至第７の実施の形態の他に、下記のような他の実施形態（変形例）が考えられる。
【０１２７】
（１）上記実施形態においては、セグメント単位検索と文書単位検索の結果数の閾値を同じ数Ｎで説明しているが、これに限定されるものではなく、異なる閾値を設定してもよい。
【０１２８】
（２）上記実施形態においては、セグメント単位と文書単位のインデックスを切り替えて使用すると説明しているが、これに限定されるものではなく、様々な単位のインデックスを用意して、それらを切り替えて使用するようにしてもよい。
【０１２９】
（３）上記実施形態においては、文書のオブジェクトのみを同定し、提示情報生成に利用するよう説明しているが、これに限定されるものではなく、セグメントのオブジェクトも同定して、セグメント単位の検索結果数に応じて、オブジェクトを用いた提示情報生成を行ってもよい。
【０１３０】
（４）上記実施形態においては、予め文書のオブジェクトを同定し、文書単位の検索結果が閾値を越える場合に提示情報生成に利用するよう説明しているが、これに限定されるものではなく、オブジェクト同定を行わずに、複数の単位のインデックスを切り替えて検索するだけでもよい。
【０１３１】
（５）上記実施形態においては、検索単位は必ず自動的に決まるよう説明しているが、これに限定されるものではなく、ユーザが指定した検索単位で検索できる機能を付加することもできる。
【０１３２】
（６）上記実施形態においては、検索キー保持部１５１０（２００４）、検索結果保持部１５１２（２００６）をＲＡＭで、被検索文書保持部１５０１（１９０１）、セグメント保持部１５０３（１９０３）、オブジェクト付被検索文書保持部１５０５（１９０５）、セグメント単位インデックス保持部１５０７（１９０７、２００１）、文書単位インデックス保持部１５０８（１９０８、２００２）をディスク装置で実現する場合について説明したが、これに限定されるものではなく、任意の記憶媒体を用いて実現してもよい。
【０１３３】
（７）上記実施形態においては、各部を同一の計算機上で構成する場合について説明したが、これに限定されるものではなく、ネットワーク上に分散した計算機や処理処理などに分かれて各部を構成してもよい。
【０１３４】
（８）上記実施形態においては、プログラムをＲＯＭに保持する場合について説明したが、これに限定されるものではなく、任意の記憶媒体を用いて実現してもよい。また、同様の動作をする回路で実現してもよい。
【０１３５】
（９）上記実施形態においては、結果提示部１５１４（２００８）で提示結果を表示する場合について説明したが、これに限定されるものではなく、結果提示部１５１４（２００８）で提示結果を印刷出力するようにしてもよい。この場合は、上記図１６の構成にプリンタを追加装備すればよい。
【０１３６】
尚、本発明は、複数の機器から構成されるシステムに適用しても、１つの機器からなる装置に適用してもよい。前述した実施形態の機能を実現するソフトウエアのプログラムコードを記憶した記憶媒体を、システム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。
【０１３７】
プログラムコードを供給するための記憶媒体としては、例えば、フロッピディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどを用いることができる。
【０１３８】
また、コンピュータが読出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【０１３９】
更に、記憶媒体から読出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【０１４０】
以上説明したように、セグメント単位インデックスと文書単位インデックスのうち適切な方を選択し、選択したインデックスに基づき検索文字列に一致する文字列を検索し、検索結果を提示するため、細かい単位の検索から始めて、検索結果の数に応じて検索の単位を大きくしていくことで、複数の検索単位を自動的に使い分ける文書検索を実現することができるという効果がある。
【０１４１】
また、文書検索に必要なセグメント単位インデックス及び文書単位インデックスを作成し、作成したセグメント単位インデックス及び文書単位インデックスを外部装置（文書検索装置）に供給することで、外部装置（文書検索装置）で複数の検索単位を自動的に使い分けることができるという効果がある。
【０１４２】
また、文書検索方法を文書検索装置で実行することにより、セグメント単位インデックスと文書単位インデックスのうち適切な方を選択し、選択したインデックスに基づき検索文字列に一致する文字列を検索し、検索結果を提示するため、細かい単位の検索から始めて、検索結果の数に応じて検索の単位を大きくしていくことで、複数の検索単位を自動的に使い分ける文書検索を実現することができるという効果がある。
【０１４３】
また、インデックス作成方法をインデックス作成装置で実行することにより、文書検索に必要なセグメント単位インデックス及び文書単位インデックスを作成し、作成したセグメント単位インデックス及び文書単位インデックスを外部装置（文書検索装置）に供給することで、外部装置（文書検索装置）で複数の検索単位を自動的に使い分けることができるという効果がある。
【０１４４】
また、記憶媒体から文書検索方法を読み出して文書検索装置で実行することにより、セグメント単位インデックスと文書単位インデックスのうち適切な方を選択し、選択したインデックスに基づき検索文字列に一致する文字列を検索し、検索結果を提示するため、細かい単位の検索から始めて、検索結果の数に応じて検索の単位を大きくしていくことで、複数の検索単位を自動的に使い分ける文書検索を実現することができるという効果がある。
【０１４５】
また、記憶媒体からインデックス作成方法を読み出してインデックス作成装置で実行することにより、文書検索に必要なセグメント単位インデックス及び文書単位インデックスを作成し、作成したセグメント単位インデックス及び文書単位インデックスを外部装置（文書検索装置）に提供することで、外部装置（文書検索装置）で複数の検索単位を自動的に使い分けることができるという効果がある。
【０１４６】
（第８の実施形態）
図２３は本発明のテキスト検索装置の構成を示すブロック図である。
【０１４７】
テキスト検索装置は、図２３に示すように、被検索文書を保持する被検索文書保持部２３０１と、被検索文書保持部２３０１に保持されている被検索文書をその内容に従ってページ単位で分割して検索対象となるページを生成するページ生成部２３０２と、ページ生成部２３０２で生成されたページを保持するページ保持部２３０４と、被検索文書をその内容に従ってセグメント単位で分割して検索対象となるセグメントを生成するセグメント生成部２３０３と、セグメント生成部２３０３で生成されたセグメントを保持するセグメント保持部２３０５とを備える。ここで、例えば被検索文書がＨＴＭＬ文書であるときには、特定の話題を構成する複数のＨＴＭＬ文書群の内の一つのＨＴＭＬ文書ファイルをページとして生成する。また、セグメントの生成においては、ＨＴＭＬのタグからレイアウト上での区切れ目を判断したり、出現単語の推移から話題が転換している箇所を同定したりすることにより、セグメントを生成する。
【０１４８】
被検索文書保持部２３０１に保持されている被検索文書、ページ保持部２３０４に保持されているページ、セグメント保持部２３０５に保持されているセグメントの各検索対象はインデックス作成部２３０６に入力され、インデックス作成部２３０６は、入力された各検索対象をそれぞれ表す文書単位インデックス、ページ単位インデックス、セグメント単位インデックスの各検索用インデックスとして作成する。この作成された文書単位インデックスは被検索文書とともに文書単位インデックス保持部２３０７に、ページ単位インデックスは検索対象のページとともにページ単位インデックス保持部２３０８に、セグメント単位インデックスは検索対象のセグメントとともにセグメント単位インデックス保持部２３０９にそれぞれ保持される。
【０１４９】
文書単位インデックス保持部２３０７、ページ単位インデックス保持部２３０８、セグメント単位インデックス保持部２３０９にそれぞれ保持された検索対象は検索部２３１１に入力され、検索部２３１１は各検索用インデックスがそれぞれ表す検索対象毎に、検索キー保持部１１０に保持された検索文字列の検索を行う。この検索により各検索用インデックスが表す検索対象毎に得られた検索結果は検索結果保持部２３１２に保持される。
【０１５０】
検索結果保持部２３１２に保持された各検索結果は表示結果生成部２３１３に入力され、表示結果生成部２３１３は、表示単位指定部２３１５により指定された表示単位に対応する検索対象の検索結果とともにその表示単位を示す情報を表す表示情報を生成するとともに、表示単位を切り替えるための表示単位メニュー画面情報を生成する。ここで、表示単位指定部１１５は、検索結果の表示単位として文書単位、ページ単位、セグメント単位のいずれかを指定するための操作手段例えばキーまたはマウスを有し、この操作手段の操作により表示単位メニュー画面上で表示単位を指定することができる。表示結果生成部２３１３により生成された表示情報は結果表示部２３１４に入力され、結果表示部２３１４は入力された表示情報に基づき指定された表示単位に対応する検索対象の検索結果およびその表示単位を示す情報を表示するとともに、上記表示単位メニュー画面情報に基づき表示単位メニュー画面を表示する。また、指定された表示単位による検索結果の表示中に該指定された表示単位と異なる他の表示単位が表示単位メニュー画面上で指定されると、該指定された他の表示単位に対応する検索対象の検索結果の表示へ切り替えるように、他の表示単位に対応する検索対象の検索結果およびその表示単位を示す情報を表す表示情報が表示結果生成部２３１３により生成され、この生成された表示情報が結果表示部２３１４に表示される。
【０１５１】
次に、本テキスト検索装置のハードウェア構成について図２４を参照しながら説明する。図２４は図２３のテキスト検索装置のハードウェア構成を示すブロック図である。
【０１５２】
テキスト検索装置のハードウェア構成においては、図２４に示すように、ＲＯＭ２４０１に格納されているプログラムに従って対応する処理を実行する中央処理装置２４０３と、中央処理装置２４０３の演算処理の結果を一時的に保持するなどの作業領域を提供するＲＡＭ２４０２と、ディスク装置２４０４とを備え、各ブロックはバス２４０５を介して接続されている。ここで、ＲＯＭ２４０１に格納されているプログラムには、上述したページ生成部２４０２、セグメント生成部２４０３、インデックス生成部２４０６、検索部２４１１、表示結果生成部２４１３をそれぞれ構成するためのプログラムモジュールが含まれている。また、結果表示部２４１４は、ＣＲＴなどのディスプレイ（図示）により構成され、表示単位指定部２４１５は、キーボード、マウス（図示せず）などから構成される。
【０１５３】
次に、本テキスト検索装置の処理動作について図２５および図２６を参照しながら説明する。図２５は図２３のテキスト検索装置におけるインデックス作成処理の手順を示すフローチャート、図２６は図２３のテキスト検索装置における検索処理の手順を示すフローチャートである。
【０１５４】
テキスト検索装置におけるインデックス作成処理では、ページのインデックス作成、セグメントのインデックス作成、被検索文書のインデックス作成を並行して行う。ページのインデックス作成では、図２５（ａ）に示すように、まずステップＳ２５０１において被検索文書保持部２３０１に保持されている被検索文書を読み出し、続くステップＳ２５０２で、ページ生成部２３０２によりこの被検索文書をその内容に従ってページ単位で分割して検索対象となるページを生成し、生成したページをページ保持部２３０４に保持する。
【０１５５】
次いで、ステップＳ２５０３に進み、インデックス作成部２３０６により、ページ保持部２３０４に保持されているページを読み出してページ単位インデックスを作成する。そしてステップＳ２５０４で、このページ単位インデックスを検索対象のページとともにページ単位インデックス保持部２３０８に保存する。
【０１５６】
セグメントのインデックス作成では、図２５（ｂ）に示すように、まずステップＳ２５１１において被検索文書保持部２３０１に保持されている被検索文書を読み出し、続くステップＳ２５１２で、セグメント生成部２３０３によりこの被検索文書をその内容に従ってセグメント単位で分割して検索対象となるセグメントを生成し、生成したセグメントをセグメント保持部２３０５に保持する。
【０１５７】
次いで、ステップＳ２５１３に進み、インデックス作成部２３０６により、セグメント保持部２３０５に保持されているセグメントを読み出してセグメント単位インデックスを作成する。そしてステップＳ２５１４で、このセグメント単位インデックスを検索対象のページとともにセグメント単位インデックス保持部２３０９に保存する。
【０１５８】
被検索文書のインデックス作成では、図２５（ｃ）に示すように、まずステップＳ２５２１において被検索文書保持部２３０１に保持されている被検索文書を読み出し、続くステップＳ２５２２で、インデックス作成部２３０６により、文書単位インデックスを作成する。そしてステップＳ２５２３で、この文書単位インデックスを被検索文書とともに文書単位インデックス保持部２３０７に保存する。
【０１５９】
このようにして各検索対象をそれぞれ表す文書単位インデックス、ページ単位インデックス、セグメント単位インデックスの各検索用インデックスが作成される。
【０１６０】
なお、本説明では、ページのインデックス作成、セグメントのインデックス作成、被検索文書のインデックス作成を並行して行う例を示したが、それぞれを順に行うようにしてもよい。
【０１６１】
次いで、検索処理が行われる。この検索処理では、図２６に示すように、まずステップＳ２６０１において文書単位インデックスを参照して文書単位での検索を行う。すなわち、ここでは、検索キー保持部２３１０に保持されている検索キーとなる文字列の検索を文書単位インデックスが表す被検索文書に対して行い、その検索結果を検索結果保持部２３１２に保存する。
【０１６２】
次いで、ステップＳ２６０２に進み、ページ単位インデックスを参照してページ単位での検索を行う。すなわち、検索キー保持部２３１０に保持されている検索キーとなる文字列の検索をページ単位インデックスが表すページに対して行い、その検索結果を検索結果保持部２３１２に保存する。
【０１６３】
続いてステップＳ２６０３に進み、セグメント単位インデックスを参照してセグメント単位での検索を行う。すなわち、検索キー保持部２３１０に保持されている検索キーとなる文字列の検索をセグメント単位インデックスが表すセグメントに対して行い、その検索結果を検索結果保持部２３１２に保存する。
【０１６４】
そして、ステップＳ２６０４においてユーザが本処理の終了を指定しているか否かの判定を行う。ここで、ユーザが本処理の終了を指定しているときには、本処理を終了する。ユーザが本処理の終了を指定していないときには、表示単位指定部２３１５を用いてユーザが表示単位の指定を行っていると判断してステップＳ２６０５に進む。
【０１６５】
ステップＳ２６０５では、表示単位として文書単位を指定しているか否かの判定を行う。表示単位として文書単位を指定していないときには、ステップＳ２６０６に進み、表示単位としてページ単位を指定しているか否かの判定を行う。表示単位としてページ単位を指定していないときには、ステップＳ２６０７に進み、表示単位としてセグメント単位を指定しているか否かの判定を行う。表示単位としてセグメント単位を指定していないときには、ユーザが表示単位を指定していないと判断してステップＳ２６１１に進み、表示結果生成部２３１３により、検索結果保持部２３１２からデフォルトの表示単位の検索結果を読み出し、この検索結果とその表示単位を示す情報とを含む表示結果を作成する。ここで、このデフォルトの表示単位としては、文書単位、ページ単位、セグメント単位のいずれの単位を設定してもよい。
【０１６６】
次いで、ステップＳ２６１２に進み、作成された表示結果に含まれる検索結果（ここではデフォルトの表示単位の検索結果）を結果表示部２３１４に表示し、続くステップＳ４１３で、表示結果に含まれる表示単位（ここではデフォルト）を結果表示部２３１４に表示する。そして、ステップＳ２６１４に進み、他の表示単位への切替のためのメニュー画面を検索結果の表示画面上に表示する。このメニュー画面上でユーザが所望する表示単位を指定することができる。ここで、表示単位が指定されると、上記ステップＳ２６０５，Ｓ２６０６，Ｓ２６０７において指定された表示単位の判定が行われる。
【０１６７】
上記ステップＳ２６０５において表示単位として文書単位を指定していると判定されたときには、ステップＳ２６０８に進み、表示結果生成部２３１３により、検索結果保持部２３１２から文書単位の検索結果を読み出し、この検索結果とその表示単位を示す情報とを含む表示結果を作成する。次いで、ステップＳ２６１２に進み、作成された表示結果に含まれる検索結果（ここでは文書単位の検索結果）を結果表示部２３１４に表示し、続くステップＳ２６１３で、表示結果に含まれる表示単位（ここでは文書単位）を結果表示部２３１４に表示する。そして、ステップＳ２６１４に進み、他の表示単位への切替のためのメニュー画面を検索結果の表示画面上に表示する。
【０１６８】
上記ステップＳ２６０６において表示単位としてページ単位を指定していると判定されたときには、ステップＳ２６０９に進み、表示結果生成部２３１３により、検索結果保持部２３１２からページ単位の検索結果を読み出し、この検索結果とその表示単位を示す情報とを含む表示結果を作成する。次いで、ステップＳ２６１２に進み、作成された表示結果に含まれる検索結果（ここではページ単位の検索結果）を結果表示部２３１４に表示し、続くステップＳ２６１３で、表示結果に含まれる表示単位（ここではページ単位）を結果表示部２３１４に表示する。そして、ステップＳ２６１４に進み、他の表示単位への切替のためのメニュー画面を検索結果の表示画面上に表示する。
【０１６９】
上記ステップＳ２６０７において表示単位としてセグメント単位を指定していると判定されたときには、ステップＳ２６１０に進み、表示結果生成部２３１３により、検索結果保持部２３１２からセグメント単位の検索結果を読み出し、この検索結果とその表示単位を示す情報とを含む表示結果を作成する。次いで、ステップＳ２６１２に進み、作成された表示結果に含まれる検索結果（ここではセグメント単位の検索結果）を結果表示部２３１４に表示し、続くステップＳ２６１３で、表示結果に含まれる表示単位（ここではセグメント単位）を結果表示部２３１４に表示する。そして、ステップＳ２６１４に進み、他の表示単位への切替のためのメニュー画面を検索結果の表示画面上に表示する。
【０１７０】
このように、本実施の形態では、複数の検索単位で検索を行い、各検索単位での検索結果の表示をユーザの指定により切り替えるから、意図する検索結果を容易に得ることができる。
【０１７１】
（第９の実施形態）
次に、本発明の第９の実施形態について図２７を参照しながら説明する。
【０１７２】
図２７は本発明のテキスト検索装置の実施の第２形態の構成を示すブロック図である。
【０１７３】
テキスト検索装置は、図２７に示すように、被検索文書を保持する被検索文書保持部２７０１と、被検索文書保持部２７０１に保持されている被検索文書をその内容に従ってページ単位で分割して検索対象となるページを生成するページ生成部２７０２と、ページ生成部５０２で生成されたページを保持するページ保持部２７０４と、被検索文書をその内容に従ってセグメント単位で分割して検索対象となるセグメントを生成するセグメント生成部２７０３と、セグメント生成部２７０３で生成されたセグメントを保持するセグメント保持部２７０５とを備える。
【０１７４】
被検索文書保持部２７０１に保持されている被検索文書、ページ保持部２７０４に保持されているページ、セグメント保持部２７０５に保持されているセグメントの各検索対象はインデックス作成部２７０６に入力され、インデックス作成部２７０６は、入力された各検索対象をそれぞれ表す文書単位インデックス、ページ単位インデックス、セグメント単位インデックスの各検索用インデックスとして作成する。この作成された文書単位インデックスは被検索文書とともに文書単位インデックス保持部２７０７に、ページ単位インデックスは検索対象のページとともにページ単位インデックス保持部５０８に、セグメント単位インデックスは検索対象のセグメントとともにセグメント単位インデックス保持部２７０９にそれぞれ保持される。
【０１７５】
文書単位インデックス保持部２７０７、ページ単位インデックス保持部２７０８、セグメント単位インデックス保持部２７０９にそれぞれ保持された検索対象は、検索単位切替部２７１１により切り替えられて読み出される。具体的には、検索単位指定部２７５１６から指定された検索単位の検索対象が対応する保持部から読み出され、読み出された検索対象は検索部５１２に入力される。検索部２７１２は入力された検索対象に対して、検索キー保持部２７１０に保持された検索文字列の検索を行い、この検索結果は検索結果保持部２７１３に保持される。ここで、検索単位指定部２７１６は、検索対象の検索単位として文書単位、ページ単位、セグメント単位のいずれかを指定するための操作手段例えばキーまたはマウスを有し、この操作手段の操作により検索単位メニュー画面上で検索単位を指定することができる。
【０１７６】
検索結果保持部２７１３に保持された検索結果は表示結果生成部２７１４に入力され、表示結果生成部２７１４は、検索対象の検索結果とともにその検索単位を示す情報を表す表示情報を生成するとともに、検索単位を切り替えるための検索単位メニュー画面情報を生成する。表示結果生成部２７１４により生成された表示情報は結果表示部２７１５に入力され、結果表示部２７１５は入力された表示情報に基づき指定された検索単位に対応する検索対象の検索結果およびその検索単位を示す情報を表示するとともに、上記検索単位メニュー画面情報に基づき検索単位メニュー画面を表示する。また、指定された検索単位による検索結果の表示中に該指定された検索単位と異なる他の検索単位が検索単位メニュー画面上で指定されると、該指定された他の検索単位に対応する検索対象の検索を行い、その検索結果の表示へ切り替えるように、他の表示単位の検索対象の検索結果およびその検索単位を示す情報を表す表示情報が表示結果生成部２７１４により生成され、この生成された表示情報が結果表示部２７１５に表示される。
【０１７７】
このように、本実施の形態では、検索単位が指定される毎に、その検索単位の検索対象に対する検索を行い、その検索結果を表示するから、ユーザが所望する検索単位の検索を簡単に切り替えて行うことができ、意図する検索結果を容易に得ることができる。
【０１７８】
（第１０の実施形態）
次に、本発明の第１０の実施形態について図２８および図２９を参照しながら説明する。図２８は本発明のテキスト検索装置の第１０の実施形態に検索対象を供給するデータベース作成装置の構成を示すブロック図、図２９は図２８のデータベース作成装置から供給される被検索対象を用いて検索を行うテキスト検索装置の構成を示すブロック図である。
【０１７９】
本実施の形態は、上述の実施の第８および第９形態がインデックス作成処理と検索処理とを１つの装置で行うように構成しているの対し、インデックス作成処理を行うデータベース作成装置から供給された検索対象に対して検索処理を行う点で異なる。
【０１８０】
データベース作成装置は、図２８に示すように、被検索文書を保持する被検索文書保持部２８０１と、被検索文書保持部２８０１に保持されている被検索文書をその内容に従ってページ単位で分割して検索対象となるページを生成するページ生成部２８０２と、ページ生成部２８０２で生成されたページを保持するページ保持部２８０４と、被検索文書をその内容に従ってセグメント単位で分割して検索対象となるセグメントを生成するセグメント生成部２８０３と、セグメント生成部２８０３で生成されたセグメントを保持するセグメント保持部２８０５とを備える。
【０１８１】
被検索文書保持部２８０１に保持されている被検索文書、ページ保持部２８０４に保持されているページ、セグメント保持部２８０５に保持されているセグメントの各検索対象はインデックス作成部２８０６に入力され、インデックス作成部２８０６は、入力された各検索対象をそれぞれ表す文書単位インデックス、ページ単位インデックス、セグメント単位インデックスの各検索用インデックスとして作成する。この作成された文書単位インデックスは被検索文書とともに文書単位インデックス保持部２８０７に、ページ単位インデックスは検索対象のページとともにページ単位インデックス保持部２８０８に、セグメント単位インデックスは検索対象のセグメントとともにセグメント単位インデックス保持部２８０９にそれぞれ保持される。
【０１８２】
文書単位インデックス保持部２８０７、ページ単位インデックス保持部２８０８、セグメント単位インデックス保持部２８０９にそれぞれ保持された検索対象は、通信ケーブル、可搬記憶媒体などを介してテキスト検索装置に供給される。
【０１８３】
テキスト検索装置は、図２９に示すように、データベース作成装置から供給された文書単位インデックスおよび被検索文書を保持する文書単位インデックス保持部２９０１と、ページ単位インデックスおよび検索対象のページを保持するページ単位インデックス保持部２９０２と、セグメント単位インデックスおよび検索対象のセグメントを保持するセグメント単位インデックス保持部２９０３とを備える。
【０１８４】
文書単位インデックス保持部２９０１、ページ単位インデックス保持部２９０２、セグメント単位インデックス保持部２９０３にそれぞれ保持された検索対象は検索部２９０５に入力され、検索部２９０５は各検索用インデックスがそれぞれ表す検索対象毎に、検索キー保持部２９０４に保持された検索文字列の検索を行う。この検索により各検索用インデックスが表す検索対象毎に得られた検索結果は、検索結果保持部２９０６に保持される。
【０１８５】
検索結果保持部２９０６に保持された各検索結果は表示結果生成部２９０７に入力され、表示結果生成部２９０７は、表示単位指定部２９０９により指定された表示単位に対応する検索対象の検索結果とともにその表示単位を示す情報を表す表示情報を生成するとともに、表示単位を切り替えるための表示単位メニュー画面情報を生成する。ここで、表示単位指定部７０９は、検索結果の表示単位として文書単位、ページ単位、セグメント単位のいずれかを指定するための操作手段例えばキーまたはマウスを有し、この操作手段の操作により表示単位メニュー画面上で表示単位を指定することができる。
【０１８６】
表示結果生成部２９０７により生成された表示情報は結果表示部２９０８に入力され、結果表示部２９０８は入力された表示情報に基づき指定された表示単位に対応する検索対象の検索結果およびその表示単位を示す情報を表示するとともに、上記表示単位メニュー画面情報に基づき表示単位メニュー画面を表示する。また、指定された表示単位による検索結果の表示中に該指定された表示単位と異なる他の表示単位が表示単位メニュー画面上で指定されると、該指定された他の表示単位に対応する検索対象の検索結果の表示へ切り替えるように、他の表示単位に対応する検索対象の検索結果およびその表示単位を示す情報を表す表示情報が表示結果生成部２９０７により生成され、この生成された表示情報が結果表示部２９０８に表示される。
【０１８７】
なお、上記各実施の形態では、検索単位として文書単位、ページ単位、セグメント単位の例を説明したが、これに限定されることはなく、他の検索単位を設定してもよい。
【０１８８】
また、上記各実施の形態では、各検索単位毎にその検索用インデックスを作成しているが、検索単位情報を付加した１つのインデックスを作成し、この検索単位情報を利用してインデックスから対応する検索対象を抽出るように構成することも可能である。
【０１８９】
さらに、上記各実施の形態では、検索単位の切替にメニュー画面を用いているが、そのユーザインタフェースを用いることも可能である。例えば、アイコンなどを表示して切替を行うように構成することができる。
【０１９０】
さらに、上記各実施の形態では、被検索文書がＨＴＭＬ文書である場合にそのページ分割方法、セグメント分割方法について示したが、この分割方法に限定されることはなく、任意の分割方式、例えば自然言語処理に基づく分割方式を用いてもよい。また、被検索文書が他の文書例えばワードプロセッサなどで作成された文書に適用することもできる。
【０１９１】
さらに、上記各実施の形態では、現在表示されている検索結果の検索単位を示す情報を表示するように構成しているが、これに代えて、検索結果の表示形態を変えることにより検索単位を表すように構成することも可能である。例えば、検索結果の表示色を変えるなどにより検索単位を表すように構成することが可能である。
【０１９２】
さらに、上記実施の第１および第２形態では、各ブロックを同一の装置上で構成した例を示したが、ネットワーク上に分散したコンピュータや処理装置を用いて各部を構成することも可能である。
【０１９３】
さらに、上記各実施の形態では、各ブロックを構成するためのプログラムをＲＯＭに格納しているが、これに代えて他の記憶媒体に格納してもよい。例えば、ハードディスク装置などに上記プログラムを格納し、このプログラムを読み出して実行するように構成することもできる。また、ＣＤＲＯＭ、ＭＯ、ＦＤ、メモリカードなどの記憶媒体から上記プログラムを供給するように構成してよい。また、各ブロックに対応する処理を実行するハードウェア回路で構成するようにしてもよい。
【図面の簡単な説明】
【図１】本発明の実施形態に係るテキスト検索装置の機能構成を示すブロック図である。
【図２】本発明の実施形態におけるＨＴＭＬ文書の分割箇所の例を示す図である。
【図３】本発明の実施形態における被検索文書の例を示す図である。
【図４】本発明の実施形態における図３のＨＴＭＬ文書から生成した第１次セグメントの例を示す図である。
【図５】本発明の実施形態におけるイメージと隣接するセグメントとの関連度の規則の例を示す図である。
【図６】本発明の実施形態における図３のＨＴＭＬ文書から生成した第２次セグメントの例を示す図である。
【図７】本発明の実施形態における図３のＨＴＭＬ文書から生成した第３次セグメントの例を示す図である。
【図８】本発明の実施形態に係るテキスト検索装置のハードウエア構成を示すブロック図である。
【図９】本発明の実施形態におけるインデックス作成フェーズの概要を示すフローチャートである。
【図１０】本発明の実施形態における検索フェーズの概要を示すフローチャートである。
【図１１】本発明の第２の実施形態の基本構成を示すブロック図である。
【図１２】本発明の第２の実施形態の基本構成を示すブロック図である。
【図１３】本発明の第３の実施形態の基本構成を示すブロック図である。
【図１４】本発明の第４の実施形態の基本構成を示すブロック図である。
【図１５】本発明の第５の実施の形態に係るテキスト検索装置の構成を示す機能ブロック図である。
【図１６】本発明の第５の実施の形態に係るテキスト検索装置のハードウエア構成を示すブロック図である。
【図１７】本発明の第５の実施の形態に係るインデックス作成フェーズの概要を示すフローチャートである。
【図１８】本発明の第５の実施の形態に係る検索フェーズの概要を示すフローチャートである。
【図１９】本発明の第６の実施の形態に係るインデックス作成装置の構成を示す機能ブロック図である。
【図２０】本発明の第７の実施の形態に係るテキスト検索装置の構成を示す機能ブロック図である。
【図２１】本発明のプログラム及び関連データを記憶した記憶媒体の記憶内容の構成例を示す説明図である。
【図２２】本発明のプログラム及び関連データが記憶媒体から装置に供給される概念例を示す説明図である。
【図２３】本発明のテキスト検索装置の構成を示すブロック図である。
【図２４】図２３のテキスト検索装置のハードウェア構成を示すブロック図である。
【図２５】図２３のテキスト検索装置におけるインデックス作成処理の手順を示すフローチャートである。
【図２６】図２３のテキスト検索装置における検索処理の手順を示すフローチャートである。
【図２７】本発明のテキスト検索装置の第９の実施の形態の構成を示すブロック図である。
【図２８】本発明のテキスト検索装置の第１０の実施の形態に検索対象を供給するデータベース作成装置の構成を示すブロック図である。
【図２９】図２８のデータベース作成装置から供給される被検索対象を用いて検索を行うテキスト検索装置の構成を示すブロック図である。
【符号の説明】
１０１被検索文書保持部
１０２ＨＴＭＬ文書分割部
１０３第１次セグメント保持部
１０４イメージ処理部
１０５第２次セグメント保持部
１０６見出し処理部
１０７第３次セグメント保持部
１０８結束性処理部
１０９被検索セグメント保持部
１１０インデックス作成部
１１１インデックス保持部
１１２補助インデックス保持部
１１３検索キー保持部
１１４検索部
１１５ランキング結果保持部
１１６補助検索部
１１７補助ランキング結果保持部
１１８ランキング結果統合部
１１９検索結果保持部

Claims

タグ文字を含む被検索文書の検索用インデックスを生成するインデックス生成装置であって、
保持手段に保持されている前記被検索文書から、該被検索文書が、前記タグ文字、句点、改行、及び、改段落のうち複数の種類の文字を含む区切り文字で区切られている複数のセグメントのうち、該被検索文書に含まれる画像データを含むイメージセグメントを抽出する第１抽出手段と、
前記被検索文書における前記イメージセグメントと当該検索文書に含まれるテキストを含むテキストセグメントとを区切る前記区切り文字の種類、及び、該被検索文書の中で前記イメージセグメントの前方もしくは後方の何れに当該テキストセグメントがあるかに基づいて、当該テキストセグメントが当該イメージセグメントと関連性があるかを判断する判断手段と、
前記判断手段で関連性があると判断された複数のテキストセグメントを抽出する第２抽出手段と、
前記第２抽出手段が抽出したテキストセグメントのすべてのテキストを結合して、１つのセグメントとすることにより統合した被検索セグメントを生成する統合手段と、
前記被検索セグメントに出現するテキストを検索キーとし、前記第１抽出手段で抽出したイメージセグメントに含まれる前記画像データを当該検索キーに対応づけた検索結果とする前記検索用インデックスを生成するインデックス生成手段と
を備えることを特徴とするインデックス生成装置。
前記被検索文書に含まれる前記タグ文字に基いて、該被検索文書の見出しを含む前記テキストセグメントを検出し、当該テキストセグメントが含む当該見出しで用いられたテキストを、前記被検索セグメントが有する補助情報として付加する見出し処理手段
を更に備えることを特徴とする請求項１に記載のインデックス生成装置。
前記インデックス生成手段が、前記被検索セグメントが有する補助情報から検索するための前記検索用インデックスを生成することを特徴とする請求項２に記載のインデックス生成装置。
タグ文字を含む被検索文書の検索用インデックスを生成するインデックス生成装置であって、
第１抽出手段が、保持手段に保持されている前記被検索文書から、該被検索文書が前記タグ文字、句点、改行、及び、改段落のうち複数の種類の文字を含む区切り文字で区切られている複数のセグメントのうち、該被検索文書に含まれる画像データを含むイメージセグメントを抽出する第１抽出工程と、
判断手段が、前記被検索文書における前記イメージセグメントと当該検索文書に含まれるテキストを含むテキストセグメントとを区切る前記区切り文字の種類、及び、該被検索文書の中で前記イメージセグメントの前方もしくは後方の何れに当該テキストセグメントがあるかに基づいて、当該テキストセグメントが当該イメージセグメントと関連性があるかを判断する判断工程と、
第２抽出手段が、前記判断手段で関連性があると判断された複数のテキストセグメントを抽出する第２抽出工程と、
統合手段が、前記第２抽出手段が抽出したテキストセグメントのすべてのテキストを結合して、１つのセグメントとすることにより統合した被検索セグメントを生成する統合工程と、
インデックス生成手段が、前記被検索セグメントに出現するテキストを検索キーとし、前記第１抽出手段で抽出したイメージセグメントに含まれる前記画像データを当該検索キーに対応づけた検索結果とする検索用インデックスを生成するインデックス生成工程と
を有することを特徴とするインデックス生成方法。
請求項４に記載のインデックス生成方法をコンピュータに実行させることを特徴とするプログラムを記憶したコンピュータ読み取り可能な記憶媒体。