JP4721344B2

JP4721344B2 - 単語検索装置、単語検索方法及びプログラム

Info

Publication number: JP4721344B2
Application number: JP2005372859A
Authority: JP
Inventors: 秀夫伊東
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 2005-12-26
Filing date: 2005-12-26
Publication date: 2011-07-13
Anticipated expiration: 2025-12-26
Also published as: JP2007172539A

Description

本発明は、入力された単語に類似した単語を予め記憶された単語群の中から検索し、類似度順に提示することが可能な単語検索装置、単語検索方法及びプログラムに関する。

従来、このような単語検索を行うための検索装置としては、入力された検索対象の単語を基に、予め記憶されている単語群を検索し、入力された単語と、記憶されている単語とに共通する文字の数に基づいて類似度の評価値を求め、評価値の大きい順にランキング表示するようにしたものがある（特許文献１参照）。
特開平１０−２３２８７７号公報

しかしながら、上記従来の検索装置では、共通な文字数に基づいて、入力された単語と記憶されている単語との類似度の評価値を求めているため、共通な文字数を多く含む単語程評価値が高くなるため、必ずしも入力された単語と類似した単語が検索されるとは限らないという問題がある。

本発明は、このような問題を解決するためになされたものであり、その目的は、入力された単語に類似した単語を予め記憶された単語群の中から検索し、類似度順に提示するときに、入力された単語と記憶された単語との共通な文字数に基づく検索よりも精度の高い検索を可能にすることである。

請求項１の発明は、複数の単語を記憶する単語記憶部と、複数の文字と、該文字毎に、前記複数の単語のうち前記文字を含む単語を関連付けて記憶する単語索引部と、入力された検索対象である単語中の文字毎に、該文字に関連付けられた単語の数を、前記単語索引部を参照することで文字頻度として算出する文字頻度算出部と、該算出された文字頻度に応じて該文字の評価値を算出する文字評価値算出部と、該算出された評価値を用いて、前記入力された単語中の文字を含む前記単語記憶部に記憶される単語の類似度を算出する単語類似度算出部と、を備えたことを特徴とする単語検索装置である。
請求項２の発明は、請求項１に記載の単語検索装置において、前記単語記憶部に記憶される前記複数の単語は、該単語毎に単語ＩＤが対応して記憶され、前記単語索引部に記憶される文字に関連付けられた単語は、前記単語ＩＤを用いて関連付けられることを特徴とする単語検索装置である。
請求項３の発明は、請求項１または２に記載の単語検索装置において、前記文字評価値算出部は、文字頻度が小さい程高い評価値を与えることを特徴とする単語検索装置である。
請求項４の発明は、請求項１乃至３のいずれか一項に記載の単語検索装置において、前記文字評価値算出部は、前記文字頻度および前記単語記憶部に記憶された単語の総数に基づいて評価値を算出することを特徴とする単語検索装置である。
請求項５の発明は、請求項１乃至４のいずれか一項に記載の単語検索装置において、前記検索対象である単語を入力する単語入力部をさらに備えることを特徴とする単語検索装置である。
請求項６の発明は、複数の単語を記憶する単語記憶部と、複数の文字と、該文字毎に、前記複数の単語のうち前記文字を含む単語を関連付けて記憶する単語索引部とを備えた単語検索装置における単語検索方法であって、入力された検索対象である単語中の文字毎に、該文字に関連付けられた単語の数を、前記単語索引部を参照することで文字頻度として算出する文字頻度算出工程と、該算出された文字頻度に応じて該文字の評価値を算出する文字評価値算出工程と、該算出された評価値を用いて、前記入力された単語中の文字を含む前記単語記憶部に記憶される単語の類似度を算出する単語類似度算出工程と、を備えたことを特徴とする単語検索方法である。
請求項７の発明は、複数の単語を記憶する単語記憶部と、複数の文字と、該文字毎に、前記複数の単語のうち前記文字を含む単語を関連付けて記憶する単語索引部とを備えた単語検索装置のコンピュータを、入力された検索対象である単語中の文字毎に、該文字に関連付けられた単語の数を、前記単語索引部を参照することで文字頻度として算出する文字頻度算出部と、該算出された文字頻度に応じて該文字の評価値を算出する文字評価値算出部と、該算出された評価値を用いて、前記入力された単語中の文字を含む前記単語記憶部に記憶される単語の類似度を算出する単語類似度算出部と、して機能させるためのプログラムである。

本発明によれば、入力された単語に類似した単語を予め記憶された単語群の中から検索し、類似度順に提示するときに、入力された単語中の文字頻度に応じて類似度を算出することにより、文字頻度の大小を類似度に反映させることができるので、共通な文字数に基づく検索よりも精度の高い検索が可能となる。

以下、本発明の実施形態について図面を参照しながら詳細に説明する。
図１は、本発明の実施形態の単語検索装置の構成を示すブロック図である。この単語検索装置１は、制御装置２と、それぞれ制御装置２に接続された操作装置３、表示装置４、及び記憶装置５からなる。

制御装置２は、各種演算処理を実行するＣＰＵ（Central Processing Unit）２Ａ、ＣＰＵ２Ａの演算処理時に使用される各種プログラムが格納されたＲＯＭ（Read Only Memory）２Ｂ、及びＣＰＵ２Ａの演算処理時に各種データが一時的に記憶されるＲＡＭ（Random Access Memory）２Ｃを備え、この単語検索装置１全体の制御等を行う。操作装置３は、この単語検索装置１を動作させるために各種操作情報を入力するためのキーボード，タッチパネル等である。表示装置５は、操作装置３によって各種操作入力を行なうときの操作ガイダンスやその操作結果、及びその他のメッセージの表示等を行うＣＲＴ（Cathode Ray Tube）、ＬＣＤ（Liquid Crystal Display）等である。記憶装置６は、ハードディスク装置等の大容量記憶装置からなり、検索対象となる単語群、その検索のために必要な各種データ、及び検索結果等が記憶される。

図２は本発明の実施形態の単語検索装置の機能ブロック図である。この図おいて、単語記憶部１１は、単語をその単語ＩＤ（Identification：識別子）に対応させて記憶する手段であり、記憶装置５により実現される。単語索引部１２は、単語記憶部１１に記憶されている単語の文字毎にその文字を含む単語の単語ＩＤを記憶する手段であり、記憶装置５により実現される。入力部１３は、検索対象となる単語を入力し、記憶するための手段であり、入力装置３及び制御装置２により実現される。検索部１４は、単語記憶部１１に記憶されている単語群の中から入力部１３に記憶された単語に含まれている文字を含む単語を取り出し、後述する手順により、入力部１３に記憶されている単語に対する単語記憶部１１から取り出した単語の類似度を算出すると共に、類似度の高い順にその単語の単語ＩＤを後述する検索バッファ部１５に出力する手段であり、制御装置２により実現される。検索バッファ部１５は、検索部１４から出力された、入力部１３に記憶されている単語と類似度の高い単語の単語ＩＤを類似度順に記憶する手段であり、制御装置２のＲＡＭ２Ｃにより実現される。表示部１６は、検索バッファ部１５に記憶されている単語ＩＤに対応する単語を単語記憶部１１から読み出し、類似度順に表示する手段であり、制御装置２及び表示装置４により実現される。

次に、以上の構成を備えた単語検索装置の動作について、図３のフローチャートを参照しながら説明する。
まず、入力部１３に検索対象の単語が入力され、記憶される（ステップＳＴ１）。ここでは、検索対象として、単語「文書検索」が入力されたものとする。単語「文書検索」が記憶されると、検索部１４は、単語「文書検索」に含まれている文字である「文」、「書」、「検」、「索」を順次取り出す（ステップＳＴ２）。

次いで、検索部１４は、単語索引部１２を参照することにより、文字「文」、「書」、「検」、「索」を含む単語の単語ＩＤのリストを取り出す（ステップＳＴ３）。ここでは、図４に示すように、文字「文」及び「書」については単語１、単語４、単語５、文字「検」及び「索」ついては単語２、単語３、からなるリストが取り出されたものとする。これらの単語ＩＤに対応する単語は単語記憶部１１に記憶されており、本実施形態では、図５に示されている。

次に、検索部１４は、以上のようにして取り出した単語１〜５が、入力された検索対象の単語である「文書検索」に類似している度合（類似度）を算出する。この算出は、大別して二つのステップからなる。一つ目のステップＳＴ４では、入力された単語「文書検索」を構成する文字「文」、「書」、「検」、「索」の各々の評価値Ｓを下記の式[１]により算出する。
Ｓ＝ｌｏｇ（Ｎ／Ｆ＋１）・・・式[１]

この式において、Ｎは単語記憶部１１に記憶されている単語の総数であり、Ｆは評価値Ｓの算出対象文字を含む単語の総数である。以下、Ｆを文字頻度と言う。本実施形態の場合、図４より、文字「文」、「書」、「検」、「索」の各々の文字頻度は、それぞれ「３」、「３」、「２」、「２」である。この評価値Ｓは、単語記憶部１１に記憶されている単語の総数Ｎに対し、評価値の算出対象である文字の文字頻度が小さい程大きくなる。従って、一般的な文字或いはありふれた文字よりも特殊な文字或いは珍しいも文字の方が評価値Ｓは大きくなる。

本実施形態では、説明を分かりやすくするために、Ｎ＝５とし、５個の単語及びその単語ＩＤは図４に示されているものとする。従って、文字「文」の評価値Ｓ（文）、及び文字「書」の評価値Ｓ（書）は、共に式[１]にＮ＝５、Ｆ＝３を代入することで、「ｌｏｇ（５／３＋１）＝０．４２」となる。また、文字「検」の評価値Ｓ（検）、及び文字「索」の評価値Ｓ（索）は、共に式[１]にＮ＝５、Ｆ＝２を代入することで、「ｌｏｇ（５／２＋１）＝０．５４」となる。

このようにして、各文字の評価値を算出した後、二つ目のステップＳＴ５にて、単語１〜単語５の各々に含まれている文字に対して、Ｓ（文）、Ｓ（書）、Ｓ（検）、Ｓ（索）の総計を求めることにより、単語１〜単語５の類似度Ｕを算出する。

本実施形態の場合、単語１（「文書管理」）の類似度Ｕ（１）は、「Ｕ（１）＝Ｓ（文）＋Ｓ（書）＝０．４２＋０．４２＝０．８４」である。同様に、単語４（「文書」）及び単語５（「文書保管」）の類似度Ｕ（４）及びＵ（５）は何れも「Ｓ（文）＋Ｓ（書）＝０．８４」である。一方、単語２（「類似検索」）及び単語３（「検索」）の類似度Ｕ（２）及びＵ（３）は何れも「Ｓ（検）＋Ｓ（索）＝０．５４＋０．５４＝１．０８」である。

次に、検索部１４は、単語１〜５の類似度Ｕ（１）〜Ｕ（５）を類似度の高い順に並べて検索バッファ部１５に出力する（ステップＳＴ６）。ここでは、「Ｕ（２）＝Ｕ（３）＞Ｕ（１）＝Ｕ（４）＝Ｕ（５）」であるから、単語２及び３が同値で１位、単語１、４、５が同値で３位となる。

次いで表示部１６は、検索バッファ部１５に記憶されている単語１〜５に対応する単語を単語記憶部１１から読み出し、検索バッファ部１５に記憶されている類似度の高い順に表示する（ステップＳＴ７）。ここでは、単語「類似検索」及び「検索」が同値の１位で表示され、単語「文書管理」、「文書」、及び「文書保管」が同値の３位で表示される。なお、従来装置により類似度を算出した場合は、検索対象である「文書検索」と、単語１〜５との間の共通文字数は何れも２個であるから、単語１〜５の類似度は同一となる。

このように、本実施形態によれば、検索対象の単語に含まれている文字を含む単語を取り出し、その文字を含む単語数が少ない（文字頻度が小さい）程その文字に大きな評価値を与え、その評価値を基に、その文字を含む単語の類似度を算出するので、検索対象の単語に含まれている文字のうち、一般的な文字よりも特殊な文字を含む単語により高い類似度を与えることができる。このため、共通な文字数に基づいて類似度を算出する従来装置に比べ、検索対象の単語の特徴に近い単語を検索結果のランキングの上位に提示することができる。

なお、以上の実施形態では、図３のフローチャートにおいて、検索部１４が検索バッファ部１５に類似度の高い順に単語ＩＤを書き込み、表示部１６がその単語ＩＤに対応する単語を単語記憶部１１から読み出し、表示するものとしたが、検索部１４が検索バッファ部１５に類似度の高い順に単語を書き込み、表示部１６がその単語を読み出し、表示するように構成してもよい。

本発明の実施形態の単語検索装置の構成を示すブロック図である。本発明の実施形態の単語検索装置の機能ブロック図である。本発明の実施形態の単語検索装置の動作を示すフローチャートである。本発明の実施形態において単語索引部から単語リストを取り出す処理を説明するための図である。本発明の実施形態の単語記憶部の記憶内容を示す図である。本発明の実施形態において単語ＩＤとその単語の類似度の評価値との関係を示す図である。

符号の説明

１・・・単語検索装置、２・・・制御装置、２Ａ・・・ＣＰＵ、２Ｂ・・・ＲＯＭ、２Ｃ・・・ＲＡＭ、３・・・操作装置、４・・・表示装置、５・・・記憶装置、１１・・・単語記憶部、１２・・・単語索引部、１３・・・入力部、１４・・・検索部、１５・・・検索バッファ部、１６・・・表示部。

Claims

複数の単語を記憶する単語記憶部と、
複数の文字と、該文字毎に、前記複数の単語のうち前記文字を含む単語を関連付けて記憶する単語索引部と、
入力された検索対象である単語中の文字毎に、該文字に関連付けられた単語の数を、前記単語索引部を参照することで文字頻度として算出する文字頻度算出部と、
該算出された文字頻度に応じて該文字の評価値を算出する文字評価値算出部と、
該算出された評価値を用いて、前記入力された単語中の文字を含む前記単語記憶部に記憶される単語の類似度を算出する単語類似度算出部と、
を備えたことを特徴とする単語検索装置。
請求項１に記載の単語検索装置において、
前記単語記憶部に記憶される前記複数の単語は、該単語毎に単語ＩＤが対応して記憶され、前記単語索引部に記憶される文字に関連付けられた単語は、前記単語ＩＤを用いて関連付けられることを特徴とする単語検索装置。
請求項１または２に記載の単語検索装置において、
前記文字評価値算出部は、文字頻度が小さい程高い評価値を与えることを特徴とする単語検索装置。
請求項１乃至３のいずれか一項に記載の単語検索装置において、
前記文字評価値算出部は、前記文字頻度および前記単語記憶部に記憶された単語の総数に基づいて評価値を算出することを特徴とする単語検索装置。
請求項１乃至４のいずれか一項に記載の単語検索装置において、
前記検索対象である単語を入力する単語入力部をさらに備えることを特徴とする単語検索装置。
複数の単語を記憶する単語記憶部と、複数の文字と、該文字毎に、前記複数の単語のうち前記文字を含む単語を関連付けて記憶する単語索引部とを備えた単語検索装置における単語検索方法であって、
入力された検索対象である単語中の文字毎に、該文字に関連付けられた単語の数を、前記単語索引部を参照することで文字頻度として算出する文字頻度算出工程と、
該算出された文字頻度に応じて該文字の評価値を算出する文字評価値算出工程と、
該算出された評価値を用いて、前記入力された単語中の文字を含む前記単語記憶部に記憶される単語の類似度を算出する単語類似度算出工程と、
を備えたことを特徴とする単語検索方法。
複数の単語を記憶する単語記憶部と、複数の文字と、該文字毎に、前記複数の単語のうち前記文字を含む単語を関連付けて記憶する単語索引部とを備えた単語検索装置のコンピュータを、
入力された検索対象である単語中の文字毎に、該文字に関連付けられた単語の数を、前記単語索引部を参照することで文字頻度として算出する文字頻度算出部と、
該算出された文字頻度に応じて該文字の評価値を算出する文字評価値算出部と、
該算出された評価値を用いて、前記入力された単語中の文字を含む前記単語記憶部に記憶される単語の類似度を算出する単語類似度算出部と、
して機能させるためのプログラム。