JP4769379B2

JP4769379B2 - 文書検索装置

Info

Publication number: JP4769379B2
Application number: JP2001211122A
Authority: JP
Inventors: 敏文山合
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 2001-07-11
Filing date: 2001-07-11
Publication date: 2011-09-07
Anticipated expiration: 2021-07-11
Also published as: JP2003030196A

Description

【０００１】
【発明の属する技術分野】
本発明は、文書検索装置に関し、詳細には、日本語で入力された検索要求文字列と可能な限り関連性の強い文書を上位候補として提示して、効率的に情報検索を行なうことのできる文書検索装置に関する。
【０００２】
【従来の技術】
従来、文書の検索処理においては、一般文書中にある表のような構造化されている文書を、通常の全文検索を使用して検索する場合に、検索キーワードが入っているにも関わらず、実は関連のない文書がノイズとして含まれることが多かった。例えば、従来の検索方法で検索キーワードとして、「Ｃｅｌｅｌｏｎ」と「２６６ＭＨｚ」をＡＮＤで検索したとすると、確かに、「Ｃｅｌｅｌｏｎ２６６ＭＨｚ」の情報を得ることはできるが、それ以外に、同じページに上記二つのキーワードがあると、選ばれる検索結果には、離れたところに「Ｃｅｌｅｌｏｎ」という言葉があると、「ＣｅｌｅｌｏｎＩＩ２６６ＭＨｚ」と書かれている文書も確信度の変わらない状態で混じってしまう。なお、Ｃｅｌｅｌｏｎは、登録商標である。
【０００３】
すなわち、ユーザーがキーワードとして複数の文字列をＡＮＤで検索する場合には、ＡＮＤで結ばれた文字列には通常何らかのつながりがあるはずであるが、従来の検索方法は、そのつながりを考慮することなく検索していたため、上述のように、関連のない文字列が検索される結果となっていた。
【０００４】
そして、従来、タグを有する文書のタグで区切られた参照単位の本文データ、及び前記文書内の単語が含まれている参照単位の本文データが格納されている位置とを対応付けるテーブルを記憶する記憶手段と、検索対象の単語を入力する入力手段と、前記入力手段により入力された検索対象の単語を前記記憶手段に記憶されているテーブルから検索する検索手段と、前記検索手段により検索された単語に対応する本文データが格納されている位置を前記記憶手段のテーブルから取り出す本文データ格納位置取出手段と、前記本文データ格納位置取出手段により取り出された本文データが格納されている位置に従って本文データを取り出す取出手段を具備する全文検索装置が提案されている（特開平１０−２８３３７５号公報参照）。
【０００５】
さらに、従来、検索要求文を入力する入力手段、上記入力手段によって入力された検索要求文の文字列に対して構造解析を行ない単語間の結合関係を抽出する解析手段、上記解析手段によって抽出された検索要求文中の複数の単語がともに含まれている文書ファイルを文書ファイルの集合から検索する全文検索手段、上記全文検索手段によって検索された文書ファイルの中から、検索要求文中の複数の単語が一つの文中に存在する文を抽出する文切り出し手段、上記文切り出し手段によって抽出された文中の複数の単語に対して上記解析手段によって抽出された結合関係が成立するかどうかを調べる照合手段、上記照合手段の照合結果に基づき、上記検索要求文と照合可能な文を有する文書ファイルを検索要求文と内容的に関連する文書として出力する出力手段を有する文書検索方式が提案されている（特開平７−２４４６６９号公報参照）。
【０００６】
【発明が解決しようとする課題】
しかしながら、このような従来の検索技術にあっては、表文書を検索する上で改良の必要があった。
【０００７】
すなわち、特開平１０−２８３３７５号公報記載の技術にあっては、構造化された文書を検索することを目的として、タグを利用して本文データの位置検出を行っているが、検索キーワード間の相互関係を調査することはできず、効率的な情報検索を行う上で改良の必要があった。
【０００８】
また、特開平７−２４４６６９号公報記載の技術にあっては、解析単位が文章であり、表を含む文書に対しては、効率的な情報検索を行うことができず、改良の必要があった。
【０００９】
そこで、本発明は、表のような構造の文書に対しても、ユーザの指定した検索文字列を関連付けして、効率的な文書検索を行うことのできる文書検索装置を提供することを目的としている。
【００１４】
【課題を解決するための手段】
上記目的を達成するため、請求項１記載の発明は、少なくとも表構造で記載されている文書部分を含む文書をファイルした文書ファイル集合手段と、前記文書に関連する複数の文字列の組み合わせで構成される検索文字列を入力する入力手段と、前記入力手段により前記検索文字列が入力されると、当該検索文字列を構成する前記複数の文字列を解析して当該複数の文字列のそれぞれについて前記文書ファイル集合手段における前記文書を全文検索して検索結果を出力する検索制御手段と、前記検索結果を表示する表示手段と、を備えた文書検索装置において、前記検索制御手段は、前記表構造で記載されている前記文書部分に含まれる文字列の組み合わせに対して予め関連付けを示す文字列関連情報を作成して記憶していると共に、前記複数の文字列が当該表構造の同一の行方向又は同一の列方向に含まれているか否かを当該文字列関連情報に基づいて解析し、当該解析結果のパターンに応じた確信度により前記検索結果の評価付けを行って前記表示手段への表示を行うことを特徴とする。
【００１５】
請求項２記載の発明は、請求項１記載の発明において、前記検索制御手段は、前記解析結果のパターンとして、前記検索文字列を構成する前記複数の文字列が同一文書に存在したとき、同じ表中に存在したとき、同一行又は同一列に存在したときを判定することを特徴とする。
【００１６】
請求項３記載の発明は、請求項１又は２記載の発明において、前記検索制御手段は、前記文書ファイル集合手段に対して検索対象とする前記文書を取り込むときに当該文書が少なくとも表構造を含む画像である場合、当該画像における文字を読み取って当該表構造を解析した表解析情報を記憶し、当該表解析情報及び前記文字列関連情報に基づいて前記複数の文字列が当該表構造の同一の行方向又は同一の列方向に含まれているか否かを解析することを特徴とする。
【００１７】
請求項４記載の発明は、請求項１又は２記載の発明において、前記検索制御手段は、前記文書ファイル集合手段に対して検索対象とする前記文書が所定の構造化法則で構造化された表構造を含む場合、当該構造化されている文書から当該表構造を解析した表構造情報を記憶し、当該表構造情報及び前記文字列関連情報に基づいて前記複数の文字列が当該表構造の同一の行方向又は同一の列方向に含まれているか否かを解析することを特徴とする。
【００２２】
【発明の実施の形態】
以下、本発明の好適な実施の形態を添付図面に基づいて詳細に説明する。なお、以下に述べる実施の形態は、本発明の好適な実施の形態であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの態様に限られるものではない。
【００２３】
図１〜図５は、本発明の文書検索装置の第１の実施の形態を示す図であり、本実施の形態は、請求項１に対応するものである。
【００２４】
図１は、本発明の文書検索装置の第１の実施の形態を適用した文書検索装置１の概略ブロック構成図であり、文書検索装置１は、入力部２、表示部３、検索制御部４及び文書ファイル集合部５等を備えている。
【００２５】
入力部２は、検索キーワードを入力するもので、例えば、キーボード等である。
【００２６】
表示部３は、例えば、ＣＲＴ（陰極線管：Cathode Ray Tube）や液晶ディスプレイ等が用いられ、文書検索装置１を使用した検索処理を行うのに必要な各種情報、例えば、入力部２からの検索キーワードの入力画面表示、入力された検索キーワードの表示、検索結果情報の表示等を行う。
【００２７】
文書ファイル集合部５は、例えば、ハードディスク等の大容量のメモリで構成され、検索対象の文書ファイルの集合が記憶されている。特に、文書ファイル集合部５に記憶されている文書は、表を含む文書や表自体の文書である。
【００２８】
検索制御部４は、入力部２で入力された検索キーワードに基づいて文書ファイル集合部５の全ての文書ファイルを検索して、検索結果を検索情報として表示部３に表示させる。
【００２９】
この検索制御部４は、図２に示すように構成されており、検索キーワード解析部１１、全文検索部１２、表内判定部１３、所属行／列解析部１４及び確信度作成部１５等を備えている。
【００３０】
検索キーワード解析部１１は、入力部２から入力された検索文字列が複数の文字列、例えば、単語のＡＮＤかＯＲかの解析を行い、例えば、文字列Ａと文字列Ｂが検索文字列として入力されたとき、文字列Ａと文字列ＢのＡＮＤが検索文字列であることを解析する。
【００３１】
全文検索部１２は、検索キーワード解析部１１の解析した検索文字列の各文字列に基づいて、文書ファイル集合部５の文書ファイル集合の各文書ファイルに対して、検索文字列が存在するか否かを検索する。例えば、検索文字列が上記文字列Ａと文字列ＢのＡＮＤである場合、全文検索部１２は、まず、文書ファイル集合部５の各文書ファイルを検索して、文字列Ａが存在しているか否かを調べ、文字列Ａが文書ファイルに存在していると、フラグＡを立て、次に文字列Ｂが文書ファイルに存在しているかどうかを調べる。全文検索部１２は、文字列Ｂを検索して、文字列Ｂが存在していると、フラグＢを立てる。
【００３２】
表内判定部１３は、全文検索部１２の検索結果であるフラグの有無を調べて、複数の文字列からなる検索文字列が同じ表内にあるか否かの判定を行う。例えば、検索文字列が上記文字列Ａと文字列Ｂの場合、表内判定部１３は、フラグＡとフラグＢが立っていた場合、文字列Ａと文字列Ｂが表の内部に存在しているか、及び、同じ表の内部に存在するかを判定する。この表内判定部１３の判定では、表の位置座標と文字列Ａ、Ｂの位置座標に基づいて、その包含関係を判定する。
【００３３】
所属行／列解析部１４は、検索文字列を構成する各文字列が同一行または同一列に位置するか否かを解析する。すなわち、所属行／列解析部１４は、予め検索文字列を構成する各文字列に所属行列を持たせているフォーマット等では当該所属行列が一致するか否かで、各文字列が同一行または同一列に位置するか否かを解析し、各文字列に所属行列を持たせていないフォーマットの場合であっても、文字列の位置座標で、文字列の重心または先頭文字の座標値の一致度を検査することで、各文字列が同一行または同一列に位置するか否かを解析し、さらに、各文字列が行列も座標もまったく有していないデータであると、例えば、当該文字列を含む文書をプリントアウトさせた状態でどの位置に当該文字列がくるかで、その座標値に対して処理を行うことで、各文字列が同一行または同一列に位置するか否かを解析する。
【００３４】
確信度作成部１５は、上記全文検索部１２の検索結果、表内判定部１３の判定結果及び所属行／列解析部１４の解析結果に基づいて、検索文字列を構成する各文字列が単独に存在したとき、同じ表中に存在したとき、同一行または同一列に存在したとき等のそれぞれのパターンを判定して、各パターンに応じた確信度（評価付け）を設け、差分をつけて表示部３に出力させる。
【００３５】
次に、本実施の形態の作用を説明する。本実施の形態の文書検索装置１は、検索文字列が複数の文字列からなるときに、検索対象の文書に表が含まれている場合にも、検索文字列の複数の文字列が当該表中の同一行または同一列に含まれるか否かを含めて検索するところにその特徴がある。
【００３６】
すなわち、文書検索装置１は、例えば、文書ファイル集合部５に、図３に示す表１を含む文書１が、図４に示す表１を含む文書２が、さらに、図５に示す表１と表２を含む文書３が、文書ファイルとして格納されており、検索キーワード（検索文字列）として、文字列「Ｃｅｌｅｌｏｎ」と文字列「２６６ＭＨｚ」がＡＮＤで指定入力された場合、検索キーワード解析部１１が文字列「Ｃｅｌｅｌｏｎ」と文字列「２６６ＭＨｚ」のＡＮＤが検索文字列であることを解析する。そして、全文検索部１２が、これらの文字列「Ｃｅｌｅｌｏｎ」と文字列「２６６ＭＨｚ」について文書ファイル集合部５の文書１から文書３を検索し、各文字列が文書１〜文書３に存在しているか否かで、各文書１〜文書３毎にフラグを設定する。なお、図３から図５において、Ｃｅｌｅｌｏｎ、Ｐｅｎｔｉｕｍ、ＰｅｎｔｉｕｍＩＩ及びＫ６は、登録商標である。
【００３７】
次に、表内判定部１３が、この全文検索部１２の設定したフラグの有無を調べて、文字列「Ｃｅｌｅｌｏｎ」と文字列「２６６ＭＨｚ」からなる検索文字列が同じ表内にあるか否かの判定を行って、包含関係を判定し、所属行／列解析部１４が、検索文字列を構成する各文字列「Ｃｅｌｅｌｏｎ」と文字列「２６６ＭＨｚ」が表の同一行または同一列に位置するか否かを解析する。
【００３８】
そして、確信度作成部１５が、全文検索部１２の検索結果、表内判定部１３の判定結果及び所属行／列解析部１４の解析結果に基づいて、検索文字列を構成する各文字列が単独に存在したとき、同じ表中に存在したとき、同一行または同一列に存在したとき等のそれぞれのパターンを判定して、各パターンに応じた確信度を設け、差分をつけて表示部３に出力させる。
【００３９】
例えば、文字検索装置１は、上記図３〜図５の文書１〜文書３の場合、文字列「Ｃｅｌｅｌｏｎ」と文字列「２６６ＭＨｚ」からなる検索文字列に対して、文書１については、確信度として、「１００％同一表、同一行」を表示部３に表示出力し、文書２については、確信度として、「９０％同一表」を表示部３に表示出力し、さらに、文書３については、確信度として、「８０％同一文書のみ」を表示部３に表示出力する。
【００４０】
ところが、上記従来の検索方法では、検索結果として、文書１〜文書３のいずれについても、１００％として検索される。
【００４１】
このように、本実施の形態の文書検索装置１は、少なくとも表の構造で記載されている文書部分を含む文書を全文検索して、検索結果を出力するに際して、複数の文字列の組み合わせで構成される検索文字列が入力されると、当該検索文字列を構成する複数の文字列を解析して、当該各文字列について文書を全文検索して、当該複数の文字列が表の構造の同一の行方向または同一の列方向に含まれているか否かを解析し、当該解析結果に基づいて、確信度として検索結果の評価付けを行っている。
【００４２】
したがって、検索対象の表構造を含む文書のうち、ユーザの指定した検索文字列が表構造部分に含まれている場合にも、ユーザの指定した検索文字列の存在する最も近い順番で、検索結果を得ることができ、利用性を向上させることができる。
【００４３】
図６は、本発明の文書検索装置の第２の実施の形態を適用した文書検索装置２０の概略ブロック構成を示す図であり、本実施の形態は、請求項２に対応するものである。
【００４４】
なお、本実施の形態は、上記第１の実施の形態の文書検索装置１と同様の文書検索装置に適用したものであり、本実施の形態の説明においては、上記第１の実施の形態の文書検索装置１と同様の構成部分には、同一の符号を付して、その詳細な説明を省略する。
【００４５】
図６において、文書検索装置２０は、上記第１の実施の形態の文書検索装置１と同様の入力部２、表示部３、検索制御部４及び文書ファイル集合部５を備えているとともに、インデックスファイル作成部２１及びインデックスファイル格納部２２等を備えている。
【００４６】
インデックスファイル格納部２２は、インデックスファイル作成部２１の作成したインデックスファイルを格納する。
【００４７】
インデックスファイル作成部２１は、文書ファイル集合部５に格納されている文書ファイルが所定数を超えると、文書ファイル集合部５に格納されている文書ファイルのインデックス（文字列関連情報）を作成して、インデックスファイル格納部２２に格納する。インデックスファイル作成部２１は、このインデックスとして、例えば、文書ファイル集合部５に格納されている文書ファイルの表中の同一行または同一列にある文字列同士にリンクを付加する。
【００４８】
このように、本実施の形態の文書検索装置２０は、文書ファイル集合部５に格納されている文書ファイルが所定数を超えると、例えば、文書ファイル集合部５に格納されている文書ファイルの表中の同一行または同一列にある文字列同士にリンクを付加する等のインデックスをインデックスファイル作成部２１が作成して、インデックスファイル格納部２２に格納する。
【００４９】
したがって、入力部２で検索キーワードとして、例えば、文字列Ａと文字列Ｂが指定されると、この文字列Ａと文字列Ｂにリンクが張られてたインデックスファイルがインデックスファイル格納部２２に格納されていると、これらの文字列Ａと文字列Ｂは同一行または同一列であると速やかに判断することができ、確信度に差分を付けてより一層速やかに出力することができる。
【００５０】
図７は、本発明の文書検索装置の第３の実施の形態を適用した文書検索装置３０の概略ブロック構成を示す図であり、本実施の形態は、請求項３に対応するものである。
【００５１】
なお、本実施の形態は、上記第１の実施の形態の文書検索装置１と同様の文書検索装置に適用したものであり、本実施の形態の説明においては、上記第１の実施の形態の文書検索装置１と同様の構成部分には、同一の符号を付して、その詳細な説明を省略する。
【００５２】
図７において、文書検索装置３０は、上記第１の実施の形態の文書検索装置１と同様の入力部２、表示部３及び検索制御部４を備えているとともに、画像ファイル集合部３１、検索情報抽出部３２及び検索情報ファイル格納部３３等を備えている。
【００５３】
画像ファイル集合部３１は、例えば、ハードディスク等の大容量のメモリで構成され、検索対象の画像ファイルや文書ファイルの集合が記憶されている。特に、画像ファイル集合部３１に記憶されているファイルは、表を含む文書や表自体の画像ファイルが主のファイルである。
【００５４】
検索情報ファイル格納部３３は、検索情報抽出部３２の抽出した検索情報ファイルを格納する。
【００５５】
検索情報抽出部３２は、画像ファイル集合部３１に画像ファイルが登録されるたびに起動し、ＯＣＲ（Optical Character Reader：光学式文字読取装置）で当該画像から検索情報（表解析情報）を抽出して、検索情報ファイルとして、検索情報ファイル格納部３３に格納する。
【００５６】
検索情報抽出部３２の抽出する検索情報は、画像をテキスト化した情報が主な情報であり、検索のためのインデックス情報を付加して検索の効率化を向上させるようにしてもよい。そして、検索情報抽出部３２は、画像ファイルとして、表の文書が入力されると、その表内部の構造を解析し、検索情報に付加する。この画像から表の解析を行う技術は、例えば、特開平１０−１３４１４２号公報記載の表作成システムや本出願人が先に提案した特開平７−２３０５２５号公報記載の罫線認識方法及び表処理方法、特開平１１−６６２２５号公報記載の表情報抽出装置及び方法並びに記録媒体、特許２８５１０８７号公報記載の表処理方法及び特許番号２８５１０８９号公報記載の表処理方法等の技術を用いることができる。
【００５７】
このように、本実施の形態の文書検索装置３０は、画像ファイル集合部３１にに画像ファイルが登録される毎に検索情報抽出部３２で当該画像から検索情報を抽出して、検索のためのインデックス情報等を付加して検索情報ファイルとして、検索情報ファイル格納部３３に格納する。
【００５８】
したがって、入力部２で検索キーワードとして、例えば、文字列Ａと文字列Ｂが指定されると、画像ファイル集合部５の格納されている画像ファイルに対して、文字列Ａと文字列Ｂの書かれている位置から文字列Ａと文字列Ｂは同一行または同一列であると速やかに判断することができ、確信度に差分を付けてより一層速やかに出力することができる。
【００５９】
図８は、本発明の文書検索装置の第４の実施の形態を適用した文書検索装置４０の検索制御部４１のブロック構成を示す図であり、本実施の形態は、請求項４に対応するものである。
【００６０】
なお、本実施の形態は、上記第１の実施の形態の文書検索装置１と同様の文書検索装置に適用したものであり、本実施の形態の説明においては、上記第１の実施の形態の文書検索装置１と同様の構成部分には、同一の符号を付して、その詳細な説明を省略する。
【００６１】
図８において、文書検索装置４０は、その検索制御部４１が、上記第１の実施の形態の文書検索装置１の検索制御部４と同様の検索キーワード解析部１１、全文検索部１２、表内判定部１３、所属行／列解析部１４及び確信度作成部１５を備えているとともに、タグ解析部４２を備えている。
【００６２】
タグ解析部４２は、文書ファイル集合部５の文書ファイルがｈｔｍｌ（Hyper Text Markup Language）等のようにタグで記載された表である場合に、当該表のタグを解析し、どの文字列が同一行にあるか等を解析して、当該解析情報（表構造情報）を保持する。
【００６３】
このように、本実施の形態の文書検索装置４０は、文書ファイルの表がタグで作成されている場合にも、当該表のタグをタグ解析部４２で、どの文字列が同一行にあるか等を解析して、当該解析情報を保持しているので、タグで作成されている文書ファイルに対して、文字列Ａと文字列Ｂの書かれている位置から文字列Ａと文字列Ｂは同一行または同一列であると速やかに判断することができ、確信度に差分を付けてより一層速やかに出力することができる。
【００６４】
そして、上記各実施の形態の文書検索装置１、２０、３０、４０は、上記文書検索処理プログラムを予め検索制御部４、４１のメモリ（図示略）等に格納しておくことで、あるいは、当該文書検索処理プログラムを記憶したＣＤ（Compact Disc）やＭＯ（光磁気ディスク）等の記憶メディアから文書検索装置１、２０、３０、４０の検索制御部４、４１のメモリ等に書き込むことで、実現することができる。この場合、文書検索装置１、２０、３０、４０としては、パーソナルコンピュータ等を用いることができる。
【００６５】
また、入力部２や表示部３としては、文書検索装置１、２０、３０、４０に直接設けられたものに限るものではなく、例えば、ネットワークを介して接続された端末装置等であってもよい。
【００６６】
さらに、上記各実施の形態の文書検索装置１、２０、３０、４０は、表を含む文書や表のみの文書だけでなく、表を含まない通常の文書に対しても検索処理を行うことができることは当然である。
【００６７】
以上、本発明者によってなされた発明を好適な実施の形態に基づき具体的に説明したが、本発明は上記のものに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。
【００６８】
【発明の効果】
請求項１記載の発明によれば、検索制御手段によって文書部分に含まれる文字列の組み合わせに対して予め関連付けを示す文字列関連情報を記憶し、文字列関連情報に基づいて文字列の解析を行い、解析結果のパターンに応じて確信度の差分をつけた検索結果の評価付けを表示するため、検索対象の表構造を含む文書のうち、ユーザの指定した検索文字列が表構造部分に含まれている場合にも、ユーザの指定した検索文字列の存在する最も近い順番で効率良く文書検索が行われ、速やかに確信度の差分に応じた評価付けの検索結果を得ることができることにより、利用性を向上させることができる。
【００６９】
請求項２記載の発明によれば、解析結果のパターンとして、検索文字列を構成する複数の文字列が同一文書に存在したとき、同じ表中に存在したとき、同一行又は同一列に存在したときを判定し、それらについて確信度の差分に応じた評価付けの検索結果を別個に得ることができることにより、一層利用性を向上させることができる。
【００７０】
請求項３記載の発明によれば、文書が画像である場合にも検索制御手段によって画像の文書を取り込む際に表部分を解析して表解析情報として記憶し、係る表解析情報及び文字列関連情報に基づいて文字列の解析を行うため、ユーザの指定した検索文字列が画像で与えられた文書の表構造部分に含まれている場合にも、ユーザの指定した検索文字列の存在する最も近い順番で効率良く文書検索が行われ、一層速やかに確信度の差分に応じた評価付けの検索結果を得ることができることにより、一層利用性を向上させることがでる。
【００７１】
請求項４記載の発明によれば、文書がタグ等の構造化法則で構造化されている文書である場合にも検索制御手段によって文書から表構造を解析して表構造情報として記憶し、係る表解析情報及び文字列関連情報に基づいて文字列の解析を行うため、ユーザの指定した検索文字列が構造化法則で構造化されている文書の表構造部分に含まれている場合にも、ユーザの指定した検索文字列の存在する最も近い順番で効率良く文書検索が行われ、一層速やかに確信度の差分に応じた評価付けの検索結果を得ることができることにより、一層利用性を向上させることができる。
【図面の簡単な説明】
【図１】本発明の文書検索装置の第１の実施の形態を適用した文書検索装置の概略ブロック構成図。
【図２】図１の文書検索装置の検索制御部のブロック構成図。
【図３】図１の文書検索装置の文書ファイル集合部に格納されている検索対象の文書１の表１の一例を示す図。
【図４】図１の文書検索装置の文書ファイル集合部に格納されている検索対象の文書２の表２の一例を示す図。
【図５】図１の文書検索装置の文書ファイル集合部に格納されている検索対象の文書３の表１及び表２の一例を示す図。
【図６】本発明の文書検索装置の第２の実施の形態を適用した文書検索装置の概略ブロック構成図。
【図７】本発明の文書検索装置の第３の実施の形態を適用した文書検索装置の概略ブロック構成図。
【図８】本発明の文書検索装置の第４の実施の形態を適用した文書検索装置の検索制御部のブロック構成図。
【符号の説明】
１文書検索装置
２入力部
３表示部
４検索制御部
５文書ファイル集合部
１１検索キーワード解析部
１２全文検索部
１３表内判定部
１４所属行／列解析部
１５確信度作成部
２０文書検索装置
２１インデックスファイル作成部
２２インデックスファイル格納部
３０文書検索装置
３１検索情報抽出部
３２検索情報ファイル格納部
４０文書検索装置
４１検索制御部
４２タグ解析部

Claims

少なくとも表構造で記載されている文書部分を含む文書をファイルした文書ファイル集合手段と、前記文書に関連する複数の文字列の組み合わせで構成される検索文字列を入力する入力手段と、前記入力手段により前記検索文字列が入力されると、当該検索文字列を構成する前記複数の文字列を解析して当該複数の文字列のそれぞれについて前記文書ファイル集合手段における前記文書を全文検索して検索結果を出力する検索制御手段と、前記検索結果を表示する表示手段と、を備えた文書検索装置において、
前記検索制御手段は、前記表構造で記載されている前記文書部分に含まれる文字列の組み合わせに対して予め関連付けを示す文字列関連情報を作成して記憶していると共に、前記複数の文字列が当該表構造の同一の行方向又は同一の列方向に含まれているか否かを当該文字列関連情報に基づいて解析し、当該解析結果のパターンに応じた確信度により前記検索結果の評価付けを行って前記表示手段への表示を行うことを特徴とする文書検索装置。
請求項１記載の文書検索装置において、前記検索制御手段は、前記解析結果のパターンとして、前記検索文字列を構成する前記複数の文字列が同一文書に存在したとき、同じ表中に存在したとき、同一行又は同一列に存在したときを判定することを特徴とする文書検索装置。
請求項１又は２記載の文書検索装置において、前記検索制御手段は、前記文書ファイル集合手段に対して検索対象とする前記文書を取り込むときに当該文書が少なくとも表構造を含む画像である場合、当該画像における文字を読み取って当該表構造を解析した表解析情報を記憶し、当該表解析情報及び前記文字列関連情報に基づいて前記複数の文字列が当該表構造の同一の行方向又は同一の列方向に含まれているか否かを解析することを特徴とする文書検索装置。
請求項１又は２記載の文書検索装置において、前記検索制御手段は、前記文書ファイル集合手段に対して検索対象とする前記文書が所定の構造化法則で構造化された表構造を含む場合、当該構造化されている文書から当該表構造を解析した表構造情報を記憶し、当該表構造情報及び前記文字列関連情報に基づいて前記複数の文字列が当該表構造の同一の行方向又は同一の列方向に含まれているか否かを解析することを特徴とする文書検索装置。