JP4754849B2 - 文書検索装置、文書検索方法、および文書検索プログラム - Google Patents

Description

この発明は、文書検索装置、文書検索方法、および文書検索プログラムに関する。

文書検索における課題は、いかに効率よく目的とする文書を探し当てるかにある。この課題を解決するために、従来の文書検索では、キーワードを論理演算子と組み合わせて文書検索を行い、ここで得られた検索結果に対し新たなキーワードと論理演算子とを組み合わせて検索結果の絞込みを行っていた。特に、検索者が検索結果の一部から適合文書を選択して学習データとして与えれば、全文検索文書サーバが管理する全文書を適合文書と不適合文書に分類するための分類用パラメータを生成でき、検索者に適合文書のみを提示（フィルタリング）することが可能であった。

しかしながら、従来技術では、全文検索文書サーバが管理する全文書からフィルタリングによって取り出した適合文書に、学習データとして指定した適合文書が含まれる保障がないという問題がある。具体的には、次のような場合が考えられる。

第一に、分類用パラメータに学習データである適合文書の単語が十分に反映されない場合、その適合文書は、フィルタリング処理で不適合文書として扱われるおそれがある。

第二に、適合文書に含まれない単語で不適合文書に含まれる単語が分類用パラメータになり、単純検索すると適合文書がヒットしまうおそれがある。たとえば、『リーン』が分類用パラメータに選ばれ、単純検索すると『リン』を含む適合文書がヒットするような場合である。これは、検索モジュールが単語『リーン』を正規化し、『リン』と同一視するための副作用が生じる。このとき、適合文書は『リーン』が含まれているとみなされ、分類用パラメータ『リーン』に対応する重みが減じられ、その結果、不適合文書に分類されることになる。

第三に、部分文字列の一部が分類用パラメータになる場合、文書検索に不具合が生じるおそれがある。たとえば、分類用パラメータとして、『京都』が選択され、『京都』で単純検索すると『東京都』を含む文書もヒットする。すなわち、不適合文書が単語『京都』、適合文書が単語『東京都』を含む場合がこれに該当する。

以上のような不具合は、検索者が文書検索装置に対し学習データとして適合文書を指定したのに、フィルタリング結果にそれらの適合文書が現れないのは検索者にとり大きな不満になる。

この発明は、上述した従来技術による問題点を解消するため、検索者が学習データとして指定した適合文書が必ず文書検索した結果に含まれるようにすることで文書検索用の分類用パラメータが補正され、良好な文書検索結果が得られる文書検索装置、文書検索方法、および文書検索プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するため、この発明の請求項１にかかる文書検索装置は、操作命令を受け付ける操作手段と、前記操作手段に対する検索者の入力操作に応じて検索用の語句を検索語として抽出する検索語抽出手段と、電子化された複数の文書を文書群として蓄積する蓄積手段と、前記蓄積手段に蓄積されている文書群から、前記検索語抽出手段により抽出された前記検索語を含む文書を第１の関連文書として検索する第１の関連文書検索手段と、表示動作を行う表示手段と、前記第１の関連文書検索手段により検索された前記第１の関連文書を前記表示手段に表示させる第１の表示制御手段と、前記操作手段に対する検索者の入力操作に応じて、前記第１の関連文書検索手段により検索された複数の前記第１の関連文書から検索者が求める適合文書を指定する適合文書指定手段と、
前記適合文書指定手段により指定された前記適合文書に基づいて検索用の語句を関連語として抽出する関連語抽出手段と、前記蓄積手段に蓄積されている文書群から、前記関連語抽出手段により抽出された前記関連語を含む文書を第２の関連文書として検索する第２の関連文書検索手段と、文書をベクトルで表現したベクトル空間上で、前記適合文書指定手段により指定された前記適合文書の集合の中心ベクトルと、前記第２の関連文書検索手段により検索された複数の前記第２の関連文書に含まれる文書の文書ベクトルと、の類似度に基づき、不適合文書を抽出する不適合文書抽出手段と、前記適合文書指定手段により指定された前記適合文書、及び前記不適合文書抽出手段により抽出された前記不適合文書の集合から単語を抽出し、前記抽出した単語が前記不適合文書抽出手段により抽出された前記不適合文書の集合よりも前記適合文書指定手段により指定された前記適合文書の集合に多く含まれる場合は正の分類用パラメータとし、該抽出した単語が前記適合文書指定手段により指定された前記適合文書の集合よりも前記不適合文書抽出手段により抽出された前記不適合文書の集合に多く含まれる場合は負の分類用パラメータとする分類用パラメータ生成手段と、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出手段により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記正の分類用パラメータの補正を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定手段により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記負の分類用パラメータの補正を行うプレフィルタリング手段と、前記蓄積手段に蓄積されている文書群から、前記プレフィルタリング手段で補正が行われた前記分類用パラメータを含む文書を第３の関連文書として検索する第３の関連文書検索手段と、前記第３の関連文書検索手段により検索された前記第３の関連文書から、前記プレフィルタリング手段で補正が行われた前記分類用パラメータを使用してフィルタリングを行うことにより、適合文書を分類する分類手段と、前記分類手段による分類結果を前記表示画面に表示させる第２の表示制御手段と、を備えていることを特徴とする。

この請求項１に記載の発明によれば、検索者が指定した適合文書に基づく関連文書の検索に際し、蓄積手段などで管理されている全文書からフィルタリングによって取り出した適合文書に、必ず学習データとして指定した適合文書が含まれるため、文書検索の精度を向上させることができる。

また、請求項２にかかる文書検索装置は、請求項１に記載の発明において、前記プレフィルタリング手段は、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出手段により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記正の分類用パラメータの削除を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定手段により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記負の分類用パラメータの削除することを特徴とする。

この請求項２に記載の発明によれば、妥当でない分類用パラメータが用いられるような不具合を回避することができる。

また、請求項３にかかる文書検索方法は、コンピュータが、操作を受け付ける操作手段に対する検索者の入力操作に応じて検索用の語句を検索語として抽出する検索語抽出工程と、電子化された複数の文書を文書群として蓄積する蓄積手段に蓄積されている文書群から、前記検索語抽出工程により抽出された前記検索語を含む文書を第１の関連文書として検索する第１の関連文書検索工程と、前記第１の関連文書検索工程により検索された前記第１の関連文書を表示させる第１の検索結果表示工程と、前記操作手段に対する検索者の入力操作に応じて、前記第１の関連文書検索工程により検索された複数の前記第１の関連文書から検索者が求める適合文書を指定する適合文書指定工程と、前記適合文書指定工程により指定された前記適合文書に基づいて検索用の語句を関連語として抽出する関連語抽出工程と、前記蓄積手段に蓄積されている文書群から、前記関連語抽出工程により抽出された前記関連語を含む文書を第２の関連文書として検索する第２の関連文書検索工程と、文書をベクトルで表現したベクトル空間上で、前記適合文書指定工程により指定された前記適合文書の集合の中心ベクトルと、前記第２の関連文書検索工程により検索された前記第２の関連文書に含まれる文書の文書ベクトルと、の類似度に基づき、不適合文書を抽出する不適合文書抽出工程と、前記適合文書指定工程により指定された前記適合文書、及び前記不適合文書抽出工程により抽出された前記不適合文書の集合から単語を抽出し、前記抽出した単語が前記不適合文書抽出工程により抽出された前記不適合文書の集合よりも前記適合文書指定工程により指定された前記適合文書の集合に多く含まれる場合は正の分類用パラメータとし、該抽出した単語が前記適合文書指定工程により指定された前記適合文書の集合よりも前記不適合文書抽出工程により抽出された前記不適合文書の集合に多く含まれる場合は負の分類用パラメータとする分類用パラメータ生成工程と、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出工程により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記正の分類用パラメータの補正を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定工程により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記負の分類用パラメータの補正を行うプレフィルタリング工程と、前記蓄積手段に蓄積されている文書群から、前記プレフィルタリング工程で補正が行われた前記分類用パラメータを含む文書を第３の関連文書として検索する第３の関連文書検索工程と、前記第３の関連文書検索工程により検索された前記第３の関連文書から、前記プレフィルタリング工程で補正が行われた前記分類用パラメータを使用してフィルタリングを行うことにより、適合文書を分類する適合文書分類工程と、前記適合文書分類工程による分類結果を表示する第２の表示工程と、を実行することを特徴とする。

この請求項３に記載の発明によれば、検索者が指定した適合文書に基づく関連文書の検索に際し、蓄積手段などで管理されている全文書からフィルタリングによって取り出した適合文書に、必ず学習データとして指定した適合文書が含まれるため、文書検索の精度を向上させることができる。

また、請求項４にかかる文書検索方法は、請求項３に記載の発明において、前記プレフィルタリング工程は、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出工程により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記正の分類用パラメータの削除を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定工程により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記負の分類用パラメータの削除を行うことを特徴とする。

この請求項４に記載の発明によれば、妥当でない分類用パラメータが用いられるような不具合を回避することができる。

また、請求項５にかかる文書検索プログラムは、請求項３又は４のいずれか一つに記載の文書検索方法をコンピュータに実行させることを特徴とする。

この請求項５に記載の発明によれば、請求項３又は４のいずれか一つに記載の文書検索方法をコンピュータに実行させることができる。

以上説明したように、請求項１に記載の発明によれば、操作命令を受け付ける操作手段と、前記操作手段に対する検索者の入力操作に応じて検索用の語句を検索語として抽出する検索語抽出手段と、電子化された複数の文書を文書群として蓄積する蓄積手段と、前記蓄積手段に蓄積されている文書群から、前記検索語抽出手段により抽出された前記検索語を含む文書を第１の関連文書として検索する第１の関連文書検索手段と、表示動作を行う表示手段と、前記第１の関連文書検索手段により検索された前記第１の関連文書を前記表示手段に表示させる第１の表示制御手段と、前記操作手段に対する検索者の入力操作に応じて、前記第１の関連文書検索手段により検索された複数の前記第１の関連文書から検索者が求める適合文書を指定する適合文書指定手段と、前記適合文書指定手段により指定された前記適合文書に基づいて検索用の語句を関連語として抽出する関連語抽出手段と、前記蓄積手段に蓄積されている文書群から、前記関連語抽出手段により抽出された前記関連語を含む文書を第２の関連文書として検索する第２の関連文書検索手段と、文書をベクトルで表現したベクトル空間上で、前記適合文書指定手段により指定された前記適合文書の集合の中心ベクトルと、前記第２の関連文書検索手段により検索された複数の前記第２の関連文書に含まれる文書の文書ベクトルと、の類似度に基づき、不適合文書を抽出する不適合文書抽出手段と、前記適合文書指定手段により指定された前記適合文書、及び前記不適合文書抽出手段により抽出された前記不適合文書の集合から単語を抽出し、前記抽出した単語が前記不適合文書抽出手段により抽出された前記不適合文書の集合よりも前記適合文書指定手段により指定された前記適合文書の集合に多く含まれる場合は正の分類用パラメータとし、該抽出した単語が前記適合文書指定手段により指定された前記適合文書の集合よりも前記不適合文書抽出手段により抽出された前記不適合文書の集合に多く含まれる場合は負の分類用パラメータとする分類用パラメータ生成手段と、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出手段により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記正の分類用パラメータの補正を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定手段により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記負の分類用パラメータの補正を行うプレフィルタリング手段と、前記蓄積手段に蓄積されている文書群から、前記プレフィルタリング手段で補正が行われた前記分類用パラメータを含む文書を第３の関連文書として検索する第３の関連文書検索手段と、前記第３の関連文書検索手段により検索された前記第３の関連文書から、前記プレフィルタリング手段で補正が行われた前記分類用パラメータを使用してフィルタリングを行うことにより、適合文書を分類する分類手段と、前記分類手段による分類結果を前記表示画面に表示させる第２の表示制御手段と、を備えているので、検索者が指定した適合文書に基づく関連文書の検索に際し、蓄積手段などで管理されている全文書からフィルタリングによって取り出した適合文書に、必ず学習データとして指定した適合文書が含まれるため、文書検索の精度を向上させることができるという効果を奏する。

また、請求項２に記載の発明によれば、請求項１に記載の発明において、前記プレフィルタリング手段は、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出手段により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記正の分類用パラメータの削除を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定手段により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを削除するので、妥当でない分類用パラメータが用いられるような不具合を回避することがきるという効果を奏する。

また、請求項３に記載の発明によれば、操作を受け付ける操作手段に対する検索者の入力操作に応じて検索用の語句を検索語として抽出する検索語抽出工程と、電子化された複数の文書を文書群として蓄積する蓄積手段に蓄積されている文書群から、前記検索語抽出工程により抽出された前記検索語を含む文書を第１の関連文書として検索する第１の関連文書検索工程と、前記第１の関連文書検索工程により検索された前記第１の関連文書を表示させる第１の検索結果表示工程と、前記操作手段に対する検索者の入力操作に応じて、前記第１の関連文書検索工程により検索された複数の前記第１の関連文書から検索者が求める適合文書を指定する適合文書指定工程と、前記適合文書指定工程により指定された前記適合文書に基づいて検索用の語句を関連語として抽出する関連語抽出工程と、前記蓄積手段に蓄積されている文書群から、前記関連語抽出工程により抽出された前記関連語を含む文書を第２の関連文書として検索する第２の関連文書検索工程と、文書をベクトルで表現したベクトル空間上で、前記適合文書指定工程により指定された前記適合文書の集合の中心ベクトルと、前記第２の関連文書検索工程により検索された前記第２の関連文書に含まれる文書の文書ベクトルと、の類似度に基づき、不適合文書を抽出する不適合文書抽出工程と、前記適合文書指定工程により指定された前記適合文書、及び前記不適合文書抽出工程により抽出された前記不適合文書の集合から単語を抽出し、前記抽出した単語が前記不適合文書抽出工程により抽出された前記不適合文書の集合よりも前記適合文書指定工程により指定された前記適合文書の集合に多く含まれる場合は正の分類用パラメータとし、該抽出した単語が前記適合文書指定工程により指定された前記適合文書の集合よりも前記不適合文書抽出工程により抽出された前記不適合文書の集合に多く含まれる場合は負の分類用パラメータとする分類用パラメータ生成工程と、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出工程により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記正の分類用パラメータの補正を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定工程により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記負の分類用パラメータの補正を行うプレフィルタリング工程と、前記蓄積手段に蓄積されている文書群から、前記プレフィルタリング工程で補正が行われた前記分類用パラメータを含む文書を第３の関連文書として検索する第３の関連文書検索工程と、前記第３の関連文書検索工程により検索された前記第３の関連文書から、前記プレフィルタリング工程で補正が行われた前記分類用パラメータを使用してフィルタリングを行うことにより、適合文書を分類する適合文書分類工程と、前記適合文書分類工程による分類結果を表示する第２の表示工程と、を含むので、検索者が指定した適合文書に基づく関連文書の検索に際し、蓄積手段などで管理されている全文書からフィルタリングによって取り出した適合文書に、必ず学習データとして指定した適合文書が含まれるため、文書検索の精度を向上させることができるという効果を奏する。

また、請求項４に記載の発明によれば、請求項３に記載の発明において、前記プレフィルタリング工程は、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出工程により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記正の分類用パラメータの削除を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定工程により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを削除するので、妥当でない分類用パラメータが用いられるような不具合を回避することができるという効果を奏する。

また、請求項５に記載の発明によれば、請求項３又は４のいずれか一つに記載の文書検索方法をコンピュータに実行させることによって、請求項３又は４のいずれか一つに記載の文書検索方法をコンピュータで実現することが可能なプログラムが得られるという効果を奏する。

以下、添付図面を参照して、この発明にかかる文書検索装置、文書検索方法、および文書検索プログラムの好適な実施の形態を詳細に説明する。

（文書検索装置のハードウエア構成）
まず、この発明の実施の形態にかかる文書検索装置のハードウエア構成について説明する。図１は、この発明の実施の形態にかかる文書検索装置のハードウエア構成を示す図である。この文書検索装置１００は、各種演算を行って装置全体を制御するＣＰＵ１０１と、各種のＲＯＭやＲＡＭからなるメモリ１０２とを備えており、それらはバス１０３で接続されている。

バス１０３には、所定のインターフェースを介して、ハードディスクなどの磁気記憶装置１０４と、キーボードやマウスなどの入力装置１０５と、表示動作を行うＬＣＤやＣＲＴなどの表示装置１０６と、光ディスクなどの記憶媒体１０７を読み取る記憶媒体読取装置１０８とが接続されている。また、バス１０３には、ネットワーク１１０と通信を行う通信制御装置１０９が接続されている。なお、記憶媒体１０７としては、ＣＤやＤＶＤなどの光ディスク、光磁気ディスク、フレキシブルディスクなどの各種メディアが用いられる。また、記憶媒体読取装置１０８は、記憶媒体１０７の種類に応じて光ディスク装置、光磁気ディスク装置、フレキシブルディスク装置などが用いられる。

磁気記憶装置１０４には、この発明のプログラムを文書検索プログラム１２０が記憶されている。この文書検索プログラム１２０は、記憶媒体１０７から記憶媒体読取装置１０８により読み取るか、あるいは、インターネットなどのネットワーク１１０からダウンロードするかなどして、磁気記憶装置１０４にインストールされたものである。このインストールにより文書検索装置１００は動作可能な状態となる。なお、この文書検索プログラム１２０は、所定のＯＳ上で動作するものであってもよい。また、特定のアプリケーションソフトの一部をなすものであってもよい。

また、この文書検索装置１００がサーバ装置としてネットワーク１１０を介して端末装置に接続されているような場合には、検索者は文書検索装置１００を端末装置により操作することができる。端末装置としては、たとえば、パーソナルコンピュータ、携帯情報端末（ＰＤＡ）、携帯電話などの情報処理装置が用いられる。また、ネットワーク１１０としては、無線、有線及び放送波のいずれを用いたものでもよく、たとえば、ＬＡＮ、ＷＡＮ、インターネット、アナログ電話網、デジタル電話網、ＰＨＳ（パーソナルハンディホンシステム）網、携帯電話網、衛星通信網などを利用することができる。

（文書検索の機能的構成）
次に、この発明の実施の形態にかかる文書検索装置の機能的構成について説明する。図２は、この発明の実施の形態にかかる文書検索装置の機能的構成を示すブロック図である。

図２に示すように、この文書検索装置１００は、電子化された複数の文書を文書群として蓄積している蓄積部であるデータベース（ＤＢ）２１０と、文書群から適合文書を抽出するための文書検索部２２０と、入出力部２３０とを備えている。なお、文書群は、電子化された複数の文書から構成されている。

データベース２１０は磁気記憶装置１０４により構成されており、入出力部２３０は入力装置１０５および表示装置１０６により構成されている。ここで、入出力部２３０は操作部および表示部として機能する。なお、データベース２１０は、磁気記憶装置１０４で構成されているが、これに限るものではなく、たとえば、ネットワーク１１０を介して文書検索装置１００に接続されていてもよい。

文書検索部２２０は、操作者である検索者が指定した検索文から検索語（検索用の語句）を抽出する検索語抽出部２０１、文書群から関連文書を検索する関連文書検索部２０２、入出力部２３０に対する検索者の操作に応じて関連文書から適合文書を指定する適合文書指定部２０３、適合文書に基づいて関連語（検索用の語句）を抽出する関連語抽出部２０４、適合文書でない不適合文書を抽出する不適合文書抽出部２０５、不適合文書（学習データ）を使用して分類用パラメータを生成する学習部２０６、分類用パラメータの妥当性を検証するプレフィルタリング部２０７、プレフィルタリング部２０７で妥当性が検証された分類用パラメータを用いて、関連文書から適合文書を分類する分類部２０８を含み構成されている。

以上のように構成された文書検索装置１００において、まず、検索者は入出力部２３０を操作することにより検索要求となる検索文を指定する。すると、検索語抽出部２０１は検索者が指定した検索文から検索語を抽出し、関連文書検索部２０２に入力する。関連文書検索部２０２は、データベース２１０の文書群から検索語を含む文書を関連文書としてランキング検索し、その検索結果を入出力部２３０に入力する。入出力部２３０はその検索結果を表示する。

検索者は検索結果の内容を吟味して、入出力部２３０を操作することにより自身が求める（すなわち適合する）文書を適合文書として選択する。すると、適合文書指定部２０３は、その選択に応じて検索結果から複数の適合文書を指定する。関連語抽出部２０４は、検索者が指定した適合文書から関連語を抽出し、関連文書検索部２０２に入力する。関連文書検索部２０２は、データベース２１０の文書群から関連語を含む文書を関連文書としてランキング検索し、その検索結果を入出力部２３０に入力する。入出力部２３０はその検索結果を表示する。これにより、検索者が指定した適合文書は検索上位に現れるようになる。このような適合文書の指定および関連文書の検索が複数回繰り返され、十分な適合文書が得られる。

検索者は入出力部２３０を操作することによりフィルタリング要求を指定する。すると、不適合文書抽出部２０５は、適合文書を入力データとして検索者が要求しない（すなわち適合しない）不適合文書を「不適合文書の抽出法（後述する）」に従って検索結果から自動的に抽出する。抽出された不適合文書は、適合文書とともに学習部２０６に渡り、分類用パラメータを生成する学習データとなる。学習部２０６はその学習データを使用して分類用パラメータを生成し、分類用パラメータをプレフィルタリング部２０７に渡す。

プレフィルタリング部２０７では、分類用パラメータの妥当性を検証するために、実際に分類用パラメータを使用して検索者が指定した適合文書と不適合文書の抽出法により抽出された不適合文書を分類する。そして、確実に、適合文書と不適合文書とに分類されるように分類用パラメータを補正する。なお、妥当でない分類用パラメータが検出された場合には、その分類用パラメータを削除する。検証が終わると分類用パラメータを関連文書検索部２０２に渡す。

関連文書検索部２０２は、妥当性が検証された分類用パラメータを検索語として再検索を行い、その再検索結果を分類部２０８に入力する。分類部２０８は、再検索結果を関連文書検索部２０２から受け取り、妥当性が検証された分類用パラメータを使用してフィルタリングを行い、関連文書のみを取り出して、その関連文書を適合文書として入出力部２３０に入力する。入出力部２３０はその適合文書を検索結果として表示する。

ここで、不適合文書の抽出法について説明する。この不適合文書の抽出法は、与えられた文書群（文書集合）の中から適合文書に基づいて不適合文書を抽出する方法であり、文書間の類似度を決めて、ベクトル空間上で類似度計算を行うことで不適合文書を抽出する。ここでは、適合文書と（適合文書の中心ベクトルをＣとする）とラベルなしの各文書（ラベルなし文書の文書ベクトルをＤとする）との類似度ｓｉｍが閾値α以下（ｓｉｍ（Ｃ，Ｄ）≦α）の文書が不適合文書とされる。また、ラベルなし文書としては、関連文書の検索結果の上位からユーザが指定した適合文書を除いたｎ個の文書が選択される。そして、不適合文書は適合文書と同じ数だけ抽出される。

不適合文書の抽出方法は次の手順による。まず、適合文書の集合Ｒから中心ベクトルＣを求める。関連文書の検索結果の上位からｎ個の文書を選択してＳとする。Ｓから未選択の文書を１つ選択し文書ベクトルＤを求め、中心ベクトルＣとの類似度ｓｉｍ（Ｃ，Ｄ）を計算し、その計算結果を優先順序キューＱに入れる。なお、優先順序キューＱはｓｉｍ（Ｃ，Ｄ）の値で半整列（判順序化）されている。また、キューサイズは適合文書サイズとなるように管理されている。優先順序キューＱ内の要素の最大値がαになると、優先順序キューＱ内の文書を不適合文書Ｎとし、不適合文書の抽出は完了する。Ｓ中の全て（ｎ個）の文書に対して類似度を計算しても、優先順序キューＱ内の要素の最大値がα以下にならない場合には、関連文書の検索結果からｍ個の文書をさらに選択してＳ中の文書数をｎからｎ＋ｍに拡張し、Ｓ中で未選択の文書の文書ベクトルＤに対して、上述と同じことを繰り返す。

このような文書検索部２２０の各機能は文書検索プログラム１２０に基づいてＣＰＵ１０１が実行する処理により実現される。

（文書検索処理）
次に、文書検索装置による文書検索処理の手順について説明する。図３は、この文書検索処理の手順を示すフローチャートである。この処理は、ＣＰＵ１０１が文書検索プログラム１２０を実行することにより行われる。

図３に示すように、まず、ＣＰＵ１０１は、たとえば図４に示すような検索画面を入出力部２３０により表示する（ステップＳ３０１）。そして、検索語を入力し、検索実行ボタン４０１を押下する（ステップＳ３０２）。これにより、ＣＰＵ１０１は、検索語に基づいて関連文書の検索を実行し（ステップＳ３０３）、その関連文書の検索結果を入出力部２３０に表示する（ステップＳ３０４）。これにより、数千や数万になる関連文書の検索結果のうち、関連度の高いものから所定件数分表示される。このとき、検索画面はたとえば図５に示すような画面になる。

検索者は検索結果を確認して、より良い検索結果を得るために検索結果の文書の内容を確認し、入出力部２３０を操作して、自身が求める（適合する）文書に○（図５参照）をつけて適合文書の指定を行い、入力後に検索実行ボタン５０１を押下する（ステップＳ３０５）。

これにより、ＣＰＵ１０１は、○がついている関連文書を適合文書として指定し、その適合文書に基づいて関連語を抽出し、その関連語に基づいて関連文書の検索を実行する（ステップＳ３０６）。その後、その関連文書の検索結果を入出力部２３０により表示する（ステップＳ３０７）。すると、検索画面はたとえば図６に示すような画面になり、図５に示すような画面で適合文書として指定した文書が検索上位に移動する。また、それに合わせて適合文書と関連する文書が検索結果の上位に出現するようになる。ＣＰＵ１０１は、関連文書の検索結果の適合性をさらに良くするために、入出力部２３０に対する検索者の操作に応じて適合文書を指定して、その後検索実行ボタン６０１を押下し、再び適合性フィードバック検索を開始する（ステップＳ３０８）。その後、フィルタリングに必要な適合文書数が得られたか否かを判断する（ステップＳ３０９）。

通常、２〜３回の適合性フィードバック検索を行えば、フィルタリングに必要な適合文書数は得られる。適合文書数が多いほど、正確なフィルタリングを行うことができ、実用的には７つ程度の適合文書数で満足のいくフィルタリング結果が得られる。なお、ＤＢ２１０に検索者が求める文書がもともと３文書しかない場合には、適合性フィードバック検索を何回行っても、フィルタリングに必要な適合文書数は多く得られない。

ステップＳ３０９においてフィルタリングに必要な適合文書数が得られていない場合（ステップＳ３０９：Ｎｏ）は、ステップＳ３０８へ戻り処理を続行する。ステップＳ３０９においてフィルタリングに必要な適合文書数が得られた場合（ステップＳ３０９：Ｙｅｓ）は、入出力部２３０に検索上位に適合文書が記された検索結果（図７に示す画面を参照）が表示される（ステップＳ３１０）。この状態で、フィルタリングボタン７０１が押されると（ステップＳ３１１）、適合文書を入力データとして検索者が要求しない（すなわち適合しない）不適合文書を前述の不適合文書の抽出法に従って検索結果から抽出する（ステップＳ３１２）。抽出された不適合文書および適合文書を学習データとして分類用パラメータを生成する（ステップＳ３１３）。そこで生成された分類用パラメータの妥当性を検証（プレフィルタリングを実行）する（ステップＳ３１４）。ここでは、確実に、適合文書と不適合文書とに分類されるように分類用パラメータの補正が実行される。また、妥当でない分類用パラメータが検出された場合には、その分類用パラメータは削除される。そして、妥当性が検証された分類用パラメータを検索語として再検索を実行する（ステップＳ３１５）。その検索結果の関連文書をフィルタリングを実行し（ステップＳ３１６）、その再検索結果を表示する（ステップＳ３１７）。これにより、検索画面は図８に示すような画面になる。

このとき、図７に示すような画面の検索結果には、適合文書よりも不適合文書のほうが多く含まれるのが普通であるが、図８に示すような画面の再検索結果には、適合文書と関連しない文書は含まれていない。図８に示す画面には、図５、図６、図７の画面で指定した適合文書がフィルタリング結果一覧として必ず現れる。

このような処理により、図４に示すような画面は、検索実行ボタン４０１が押されるとデータが図２に示すようにａ→ｂ→ｃ→ｄ→ｅと流れ、図５に示すような画面になる。より良い検索結果を得るために図５および図６に示すような画面において、検索者が検索結果に○をつけると、適合文書が指定されて適合性フィードバック検索が行われる。このとき、データは図２に示すようにｆ→ｇ→ｈ→ｃ→ｄ→ｅと流れる。その後、図６に示すような画面は十分な適合文書が得られると図７に示すような画面になる。この図７に示すような画面は、フィルタリングボタン７０１が押されるとデータがｉ→ｊ→ｋ→ｌ→ｃ→ｄ→ｍ→ｎと流れ、図８に示すような画面になる。

次に、ステップＳ３１４のプレフィルタリングの処理について説明する。ここでは、フィルタリングを線形分類により行う場合を例にとり説明する。

フィルタリング向けの分類器ｆ（ｘ）は、分類用パラメータｗ＝｛ｗ１，ｗ２，・・・
，ｗｎ｝と、文書ベクトルｘ＝｛ｘ１，ｘ２，・・・，ｘｎ｝により、
Σｗｉ×ｘｉ＋β ・・・（１）
（βはしきい値）の形式で表現され、（適合文書か非適合文書か判定したい）被フィルタリング文書の文書ベクトルｘに対して、
ｆ（ｘ）＞０ ・・・（２）
の場合に、ｘは適合文書になり、
ｆ（ｘ）≦０ ・・・（３）
の場合に、ｘは不適合文書になる。

なお、分類用パラメータは、単語の重みと単語のペアで表現される。以後、分類用パラメータｗｉが単語そのものを表す場合は、便宜上単にｗｉと表記し、単語の重みはｖａｌｕｅ（ｗｉ）と表記することにする。

式（１）において、各ｗｉは分類用パラメータであり、学習により決定される。

次に分類用パラメータの生成法を説明する。

（Ａ１）学習データｄｉ（ｄ１，ｄ２，ｄ３，・・・，ｄｎ）を用意する。

（Ａ２）各ｄｉから形態素解析等により単語を取り出す。

（Ａ３）各ｄｉを特徴づける単語を取り出すためにたとえば単語のｔｆ×ｉｄｆ値を計算し、上位ｎ個を取り出し集合Ｑに格納する（ｔｆはｔｅｒｍ ｆｒｅｑｕｅｎｃｙで単語が文書内に出現する頻度、ｉｄｆはｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎt ｆｒｅｑｕｅｎｃｙでＮを文書数、ｄｆを単語が出現する文書の頻度とした場合、ｌｏｇ（Ｎ／ｄｆ）で表現される)。

（Ａ４）集合Ｑからたとえばｔｆ×ｉｄｆ値の大きい順に単語を取り出し、取り出した単語が不適合文書集合よりも適合文書集合により多く含まれる場合は正の分類用パラメータ、逆の場合に負の分類用パラメータとする。

（Ａ５）各分類用パラメータの重みを学習アルゴリズム（たとえば、線形ＳＶＭ、Ｆｉｓｈｅｒ判別式、ＢａｙｅｓのＢｉｎａｒｙ Ｉｎｄｅｐｅｎｄｅｎｃｅ Ｍｏｄｅｌ等のアルゴリズム）に基づき決定する。

続いて、分類用パラメータの生成法を踏まえてプレフィルタリングの説明をする。

正の重みを持つ分類用パラメータをｗ（＋）１，ｗ（＋）２，・・・，ｗ（＋）ｉ、負の重みを持つ分類用パラメータをｗ（−）１，ｗ（−）２，・・・，ｗ（−）ｉと表現したとき、プレフィルタリング処理の前には、正の重みを持つ分類用パラメータｗ（＋）１，ｗ（＋）２，・・・，ｗ（＋）ｉを降順に整列し、負の重みを持つ分類用パラメータｗ（−）１，ｗ（−）２，・・・，ｗ（−）ｉを昇順に整列していると仮定する。このとき、各学習データｄｉと分類用パラメータｗｊに対して、次の処理をする。

まず、文書のｓｃｏｒｅを初期化する。
ｓｃｏｒｅ（ｄ i）←０ ・・・（４）

ｄｉ が分類用パラメータｗｊを含むならば、文書のｓｃｏｒｅに分類用パラメータｗｊの重みを加算する。
ｓｃｏｒｅ（ｄｉ）←ｓｃｏｒｅ（ｄｉ）＋ｖａｌｕｅ（ｗｊ） ・・・（５）

次に、
ｓｃｏｒｅ（ｄｉ）＋ｂ ・・・（６）
の値の正負を判定する。ｄｉが適合文書であるのに式（６）の値が負であるか、ｄｉが不適合文書であるのに式（６）の値が正である場合は、分類用パラメータｗ１，ｗ２，・・・，ｗｎに不適切なものがあることを意味する。

分類用パラメータの補正は、正負の分類用パラメータを別々に行う。場合分けを簡単にするために、正の分類用パラメータを先に評価し、次に負の分類用パラメータを評価する。学習データとして与えられた適合文書ｘに対して、ｆ（ｘ）≦０になるのは、正の分類
用パラメータをすべて評価した後と負の分類用パラメータの評価中に起こる可能性がある。また、学習データとして与えられた不適合文書ｘに対して、ｆ（ｘ）＞０になるのは、
正の分類用パラメータの評価中と負の分類用パラメータをすべて評価した後に起きる可能性がある。分類用パラメータの補正は、適合文書を使用して負の分類用パラメータを補正し、不適合文書を使用して正の分類用パラメータを補正する。

不適合文書ｘが正の分類用パラメータｗ（＋）ｉによるプレフィルタリングにおいて、ｆ（ｘ）＞０となる場合は、次の操作で分類用パラメータｗ（＋）ｉを補正する。

（Ｂ１）分類用パラメータｗ（＋）ｉをｗから削除する。

（Ｂ２）Ｑから分類用パラメータを追加し、追加した分類用パラメータの重みとしきい値βを再計算する。 式（６）を計算し、正負を判定する。

（Ｂ３）負の場合は、分類用パラメータの補正は終了し、０以上の場合は、（Ｂ１）に戻る。

次に、負の分類用パラメータｗ（−）ｉによるプレフィルタリングにおいて、適合文書ｘがｆ（ｘ）≦０となる場合は、次の操作で分類用パラメータｗ（−）ｉを補正する。

（Ｃ１）分類用パラメータｗ（−）ｉをｗから削除する。

（Ｃ２）Ｑから分類用パラメータを追加し、追加した分類用パラメータの重みとしきい値βを再計算する。 式（６）を計算し、正負を判定する。

（Ｃ３）正の場合は分類用パラメータの補正は終了し、０以下の場合は（Ｃ１）に戻る。

ここで、プレフィルタリングの処理手順について説明する。図９は、このプレフィルタリングの処理手順を示すフローチャートである。

図９に示すフローチャートにおいて、まず、学習データとして指定した適合文書を集合Ｒに入れる（ステップＳ９０１）。ｉ番目の負の分類用パラメータｗ（−）ｉを検索語としてデータベース２１０に対して検索する（ステップＳ９０２）。検索の結果得られる文書群から一文書ずつ取り出し、集合Ｒ内の文書と一致するかどうかを調べる（ステップＳ９０３）。検索結果と一致した集合Ｒ内の文書ｄｊについて、分類用パラメータを使用したスコアｓｃｏｒｅ（ｄ ｊ）を付与する（ステップＳ９０４）。

そして、ｓｃｏｒｅ（ｄ ｊ）は０以下か否かを判定する（ステップＳ９０５）。ここで、ｓｃｏｒｅ（ｄ ｊ）が０以下ならば（ステップＳ９０５：Ｙｅｓ）、分類用パラメータｗからｗ（−）ｉを削除し、集合Ｑから分類用パラメータを追加し、ｗ（−）ｉの代わりとする。そして、追加した分類用パラメータの重みとしきい値ｂを再計算する（ステップＳ９０６）。一方、ｓｃｏｒｅ（ｄ ｊ）が０以下でないならば（ステップＳ９０５：Ｎｏ）、ｊにｊ＋１を代入して（ステップＳ９０７）、ステップＳ９０４へ移行する。

ステップＳ９０６の処理の後、すべてのｊについての処理が終了したか否かを判定する（ステップＳ９０８）。ここで、すべてのｊについての処理が終了していない場合（ステップＳ９０８：Ｎｏ）は、ステップＳ９０７へ移行する。一方、すべてのｊについての処理が終了した場合（ステップＳ９０８：Ｙｅｓ）は、続けてすべてのｉについての処理が終了したか否かを判定する（ステップＳ９０９）。ここで、すべてのｉについての処理が終了した場合（ステップＳ９０９：Ｙｅｓ）は、一連の処理が終了となる。一方、すべてのｉについての処理が終了していない場合（ステップＳ９０９：Ｎｏ）は、ｉにｉ＋１を代入して（ステップＳ９１０）、ステップＳ９０２へ移行する。

なお、図９に示したフローチャートでは、負のパラメータを用いたプレフィルタリングの処理を示したが、正のパラメータを用いた場合はその対象性から容易に想像できるため省略した。

以上説明したように、この発明にかかる文書検索装置、文書検索方法によれば、検索者が指定した適合文書に基づく関連文書の検索に際し、蓄積手段などで管理されている全文書からフィルタリングによって取り出した適合文書に、必ず学習データとして指定した適合文書が含まれるため、文書検索の精度を向上させることができる。また、ユーザはフィルタリングのために不適合文書の指定をせずともフィルタリングを実行することができるので、ユーザの操作効率を向上させることができる。

なお、本実施の形態で説明した文書検索方法は、あらかじめ用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、インターネット等のネットワークを介して配布することが可能な伝送媒体であってもよい。

以上のように、本発明にかかる文書検索装置、文書検索方法、および文書検索プログラムは、検索者が指定した適合文書に基づく関連文書の検索に有用であり、特に、精度の高い文書検索が必要な場合に適している。

この発明の実施の形態にかかる文書検索装置のハードウェア構成を示す図である。 この発明の実施の形態にかかる文書検索装置の機能的構成を示すブロック図である。 文書検索処理の手順を示すフローチャートである。 検索画面の表示例を示す図である。 検索画面の表示例を示す図である。 検索画面の表示例を示す図である。 検索画面の表示例を示す図である。 検索画面の表示例を示す図である。 プレフィルタリングの処理手順を示すフローチャートである。

符号の説明

１００ 文書検索装置
１０１ ＣＰＵ
１０２ メモリ
１０３ バス
１０４ 磁気記憶装置
１０５ 入力装置
１０６ 表示装置
１０７ 記憶媒体
１０８ 記憶媒体読取装置
１０９ 通信制御装置
１１０ ネットワーク
１２０ 文書検索プログラム
２０１ 検索語抽出部
２０２ 関連文書検索部
２０３ 適合文書指定部
２０４ 関連語抽出部
２０５ 不適合文書抽出部
２０６ 学習部
２０７ プレフィルタリング部
２０８ 分類部
２１０ データベース（ＤＢ）
２２０ 文書検索部
２３０ 入出力部

Claims (5)

1. 操作命令を受け付ける操作手段と、
   前記操作手段に対する検索者の入力操作に応じて検索用の語句を検索語として抽出する検索語抽出手段と、
   電子化された複数の文書を文書群として蓄積する蓄積手段と、
   前記蓄積手段に蓄積されている文書群から、前記検索語抽出手段により抽出された前記検索語を含む文書を第１の関連文書として検索する第１の関連文書検索手段と、
   表示動作を行う表示手段と、
   前記第１の関連文書検索手段により検索された前記第１の関連文書を前記表示手段に表示させる第１の表示制御手段と、
   前記操作手段に対する検索者の入力操作に応じて、前記第１の関連文書検索手段により検索された複数の前記第１の関連文書から検索者が求める適合文書を指定する適合文書指定手段と、
   前記適合文書指定手段により指定された前記適合文書に基づいて検索用の語句を関連語として抽出する関連語抽出手段と、
   前記蓄積手段に蓄積されている文書群から、前記関連語抽出手段により抽出された前記関連語を含む文書を第２の関連文書として検索する第２の関連文書検索手段と、
   文書をベクトルで表現したベクトル空間上で、前記適合文書指定手段により指定された前記適合文書の集合の中心ベクトルと、前記第２の関連文書検索手段により検索された複数の前記第２の関連文書に含まれる文書の文書ベクトルと、の類似度に基づき、不適合文書を抽出する不適合文書抽出手段と、
   前記適合文書指定手段により指定された前記適合文書、及び前記不適合文書抽出手段により抽出された前記不適合文書の集合から単語を抽出し、前記抽出した単語が前記不適合文書抽出手段により抽出された前記不適合文書の集合よりも前記適合文書指定手段により指定された前記適合文書の集合に多く含まれる場合は正の分類用パラメータとし、該抽出した単語が前記適合文書指定手段により指定された前記適合文書の集合よりも前記不適合文書抽出手段により抽出された前記不適合文書の集合に多く含まれる場合は負の分類用パラメータとする分類用パラメータ生成手段と、
   前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出手段により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記正の分類用パラメータの補正を行い、
   前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定手段により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記負の分類用パラメータの補正を行うプレフィルタリング手段と、
   前記蓄積手段に蓄積されている文書群から、前記プレフィルタリング手段で補正が行われた前記分類用パラメータを含む文書を第３の関連文書として検索する第３の関連文書検索手段と、
   前記第３の関連文書検索手段により検索された前記第３の関連文書から、前記プレフィルタリング手段で補正が行われた前記分類用パラメータを使用してフィルタリングを行うことにより、適合文書を分類する分類手段と、
   前記分類手段による分類結果を前記表示画面に表示させる第２の表示制御手段と、
   を備えていることを特徴とする文書検索装置。
   
2. 前記プレフィルタリング手段は、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出手段により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記正の分類用パラメータの削除を行い、
   前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成手段により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定手段により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成手段により生成された前記負の分類用パラメータの削除を行うことを特徴とする請求項１に記載の文書検索装置。
   
3. コンピュータが、
   操作を受け付ける操作手段に対する検索者の入力操作に応じて検索用の語句を検索語として抽出する検索語抽出工程と、
   電子化された複数の文書を文書群として蓄積する蓄積手段に蓄積されている文書群から、前記検索語抽出工程により抽出された前記検索語を含む文書を第１の関連文書として検索する第１の関連文書検索工程と、
   前記第１の関連文書検索工程により検索された前記第１の関連文書を表示させる第１の検索結果表示工程と、
   前記操作手段に対する検索者の入力操作に応じて、前記第１の関連文書検索工程により検索された複数の前記第１の関連文書から検索者が求める適合文書を指定する適合文書指定工程と、
   前記適合文書指定工程により指定された前記適合文書に基づいて検索用の語句を関連語として抽出する関連語抽出工程と、
   前記蓄積手段に蓄積されている文書群から、前記関連語抽出工程により抽出された前記関連語を含む文書を第２の関連文書として検索する第２の関連文書検索工程と、
   文書をベクトルで表現したベクトル空間上で、前記適合文書指定工程により指定された前記適合文書の集合の中心ベクトルと、前記第２の関連文書検索工程により検索された前記第２の関連文書に含まれる文書の文書ベクトルと、の類似度に基づき、不適合文書を抽出する不適合文書抽出工程と、
   前記適合文書指定工程により指定された前記適合文書、及び前記不適合文書抽出工程により抽出された前記不適合文書の集合から単語を抽出し、前記抽出した単語が前記不適合文書抽出工程により抽出された前記不適合文書の集合よりも前記適合文書指定工程により指定された前記適合文書の集合に多く含まれる場合は正の分類用パラメータとし、該抽出した単語が前記適合文書指定工程により指定された前記適合文書の集合よりも前記不適合文書抽出工程により抽出された前記不適合文書の集合に多く含まれる場合は負の分類用パラメータとする分類用パラメータ生成工程と、
   前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出工程により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記正の分類用パラメータの補正を行い、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定工程により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記負の分類用パラメータの補正を行うプレフィルタリング工程と、
   前記蓄積手段に蓄積されている文書群から、前記プレフィルタリング工程で補正が行われた前記分類用パラメータを含む文書を第３の関連文書として検索する第３の関連文書検索工程と、
   前記第３の関連文書検索工程により検索された前記第３の関連文書から、前記プレフィルタリング工程で補正が行われた前記分類用パラメータを使用してフィルタリングを行うことにより、適合文書を分類する適合文書分類工程と、
   前記適合文書分類工程による分類結果を表示する第２の表示工程と、
   を実行することを特徴とする文書検索方法。
   
4. 前記プレフィルタリング工程は、前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記正の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記不適合文書抽出工程により抽出された前記不適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記正の分類用パラメータの削除を行い、
   前記蓄積手段に蓄積されている文書群に対して前記分類用パラメータ生成工程により生成された前記負の分類用パラメータを含む文書の検索を行い、検索した結果得られた文書群と前記適合文書指定工程により指定された前記適合文書の集合に一致する文書の有無に基づき、前記分類用パラメータ生成工程により生成された前記負の分類用パラメータの削除を行うことを特徴とする請求項３に記載の文書検索方法。
   
5. 請求項３又は４のいずれか一つに記載の文書検索方法をコンピュータに実行させることを特徴とする文書検索プログラム。
   

Images