JP5281516B2

JP5281516B2 - 文書格納装置及び文書格納プログラム

Info

Publication number: JP5281516B2
Application number: JP2009189180A
Authority: JP
Inventors: 幸生植松; 良彦数原; 良治片岡; 孝史井上
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2009-08-18
Filing date: 2009-08-18
Publication date: 2013-09-04
Anticipated expiration: 2029-08-18
Also published as: JP2011039976A

Description

本発明は、文書に対する重要度を格納するデータベース分野に属し、特に文書検索に主に用いられる技術に関する。

文書に対する重要度とは、文書を取得する際にその文書のランキングに用いられる値のことで、通常は一文書に対して一つの値を設定することができる。ある文書に付与された重要度を保存する従来技術としてはＩＳＡＭ（ＩｎｄｅｘｅｄＳｅｑｕｅｎｔｉａｌＡｃｃｅｓｓＭｅｔｈｏｄ）がある（非特許文献１）。ＩＳＡＭでは，主キーとなる文書から内部識別子（以下、内部ＩＤ）を参照し，その内部ＩＤの値をキーとして内部ＩＤが対応する所望の値を取得する。

図６を参照しながら従来技術に係る文書格納装置１０について説明する。図６に示された文書格納装置１０はインデックス参照部１１を備える。インデックス参照部１１は少なくとも内部ＩＤ付与手段１２と文書格納手段１３とを有する。内部ＩＤ付与手段１２は文書入力部１４を介して入力された文書の識別子（以下、文書ＩＤ）に対して内部ＩＤ（例えば「１」）を付与する。文書格納手段１３は少なくとも文書ＩＤ「文書Ａ」に対応した入力文書の重要度をデータベース１５における当該入力文書の重要度のカラムに格納させる機能を有する。

図７に例示されたデータベース１５における先頭の主キーのカラムには「文書ｎ」が格納されている。「文書ｎ」は入力された文書に付与された識別子である。また、データベース１５には「内部ＩＤ」のカラムが設けられている。「内部ＩＤ」は入力された文書群の各文書の文書ＩＤに対して当該各文書の入力順に割り付けられた識別子である。例えば、文書ＩＤ「文書Ｂ」は内部ＩＤ「３」に割り付けられている。その内部ＩＤによって、所望の値を取得できる。図中の例で説明すると、内部ＩＤ「３」を利用して３列目のデータにアクセスし、重要度の値「０．６」や更新日時「１２３４９１５８８」を取得できる。

図７及び図８を参照しながらデータベース１５の作成手順について説明する。

Ｓ００１：インデックス参照部１１に対して初期内部ＩＤｉの値として「１」が設定される。

Ｓ００２：インデックス参照部１１は文書入力部１４から入力された文書のＩＤと重要度の値の入力を受ける。具体的には、入力された文書に対する文書ＩＤとして例えば「文書Ａ」が、当該文書の重要度の値として「０．８」がインデックス参照部１１に入力される。

Ｓ００３：内部ＩＤ付与手段１２は前記入力された文書のＩＤに対して初期内部ＩＤを付与する。内部ＩＤ付与手段１２は具体的に例えばデータベース１５におけるＩＤ「文書Ａ」に対応した初期内部ＩＤのカラムに初期内部ＩＤの値「１」を入力する。

Ｓ００４：文書格納手段１３は前記付与された初期内部ＩＤを利用して重要度をデータベース１５にストアする。文書格納手段１３は具体的に例えば図７のデータベース１５の末尾に追加されたカラムに重要度の値として「０．８」を格納する。

Ｓ００５：インデックス参照部１１は次の入力文書が存在するかどうかをチェックする。例えば図７に示したように文書ＩＤ「文書Ｃ」が存在すれば、Ｓ００６に処理に移行する。

Ｓ００６：インデックス参照部１１は内部ＩＤｉに「１」を追加して、Ｓ００２からの処理を繰り返す。例えば、この処理の過程におけるＳ００５では、前記「１」が追加された内部ＩＤを利用して重要度（例えば０．９）をデータベース１５にストアする。Ｓ００５で次の文書が無くなれば終了する。

酒井法雄、"データベース再入門：データベースの基本構造を理解しよう"、［ｏｎｌｉｎｅ］、１９９７年１２月、ｉｎｔ２１Ｃｏｒｐｏｒａｔｉｏｎ、［２００９年７月８日検索］、ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｉｎｔ２１．ｃｏ．ｊｐ／ｐｃｄｎ／ｖｂ／ｎｏｒｉｏｌｉｂ／ｖｂｍａｇ／９７１２／ｒｄｂｍｓ／

前述した従来技術のようなリレーショナルデータベースの場合、ある文書に付与された重要度が１つの値に集約された場合、効率的に格納、参照ができないという課題がある。Ｗｅｂの文書などでは重要度を１つに集約することが可能であるため、ＩＳＡＭのようなデータ構造の場合、空間効率やアクセス速度が遅いという問題点がある。

前記課題を解決するための本発明は文書毎に付与される内部識別子に重要度の意味を持たせることで、データベースの別のカラムにアクセスすることなく高速な参照を可能にする。また、重要度を格納するためのカラムが低減し、データベースの空間効率が向上する。

本発明の文書格納装置の態様としては、入力された文書の識別子をデータベースに格納させる文書格納装置であって、入力された文書群の各文書の文書識別子に対して当該各文書の重要度に基づく内部識別子を付与し、この付与された内部識別子の値に基づく配列で前記各文書の識別子をデータベースに格納させるインデックス参照手段を備え、前記インデックス参照手段は、入力された文書群の各文書の識別子に対して当該各文書の重要度に基づく内部識別子を付与する内部識別子付与手段と、前記付与された内部識別子の値に基づく配列で前記各文書の識別子を前記データベースに格納させる文書格納手段とを備え、前記内部識別子付与手段は前記内部識別子の値に基づき前記重要度の値を算出する。

本発明は、上記文書格納装置を構成する手段としてコンピュータを機能させる文書格納プログラムの態様とすることができる。

以上の発明によればデータベースにおける文書の重要度のカラムが低減し効率的に入力文書の情報を保持できる。

発明の実施形態に係る文書格納装置の構成図。実施形態１に係る文書格納装置によって作成されたデータベースの一例。実施形態１に係る文書格納装置によるデータベースの作成手順を説明したフローチャート。実施形態２に係る文書格納装置によって作成されたデータベースの一例。実施形態２に係る文書格納装置によるデータベースの作成手順を説明したフローチャート。従来技術に係る文書格納装置の構成図。従来技術に係る文書格納装置によって作成されたデータベースの一例。従来技術に係る文書格納装置によるデータベースの作成手順を説明したフローチャート。

本発明は、文書ＩＤに対して内部ＩＤを付与する際に内部ＩＤに重要度の意味も付与することで、ＩＳＡＭなどのインデックスを利用すること無く参照でき、かつデータをストアするストレージの削減を実現させる。

本発明の実施形態１に係る文書格納装置１は図１に示したようにインデックス参照部２を備える。インデックス参照部２は文書入力部６からの文書の入力を受ける。また、インデックス参照部２はデータベース７に対してアクセス可能となっている。データベース７は少なくとも文書入力部６を介して入力された文書の文書ＩＤ（文書識別子）を主キーとして格納している。尚、前記入力された文書及びデータベース７は図示省略されたハードディスク装置、サーバ装置に例示される記憶手段に保存される。

インデックス参照部２は、文書入力部６によって入力された文書群の各文書の文書ＩＤに対して当該各文書の重要度に基づく内部ＩＤ（内部識別子）を付与し、この付与された内部ＩＤの値に基づく配列で前記各文書の文書ＩＤをデータベース７に格納させる。

インデックス参照部２は具体的には図１に示されたように重要度割り付け手段３と内部ＩＤ付与手段４と文書格納手段５の機能を有する。重要度割り付け手段３は文書入力部６を介して入力された各文書の文書ＩＤを当該各文書の重要度に基づき並び替える。内部ＩＤ付与手段４は前記各文書の文書ＩＤに対して当該各文書の重要度に基づく内部ＩＤを付与する。また、内部ＩＤ付与手段４は前記内部ＩＤの値に基づき前記重要度の値を算出する機能を有する。文書格納手段５は前記付与された内部ＩＤの値に基づく配列で前記各文書のＩＤをデータベース７に格納する。

図２を参照しながら本実施形態の文書格納装置１によって作成されたデータベース７の一例について説明する。

本発明に係る文書格納装置１と従来技術に係る文書格納装置１０との違いは、入力された文書の重要度のカラムをデータベースに保持させずに、当該文書の重要度を内部ＩＤに割り付けていることである。

従来技術では内部ＩＤを文書の入力順に付与していたが、本発明に係る文書格納装置１では、内部ＩＤを予め文書の重要度順に割り付け、これに基づき文書ＩＤを並べ替えることによって前記文書ＩＤに対応した文書の情報を格納している。図２に示された事例では重要度が「１．０」と最も高い文書の文書ＩＤが内部ＩＤ「１」に割り付けられている。

図３を参照しながら本実施形態の文書格納装置１が図２のデータベース７を作成するための手順（Ｓ１０１〜Ｓ１０７）について説明する。

前述の従来技術に係る手順（Ｓ００１〜Ｓ００６）との唯一の違いはＳ１０２において、重要度割り付け手段３が入力された各文書の文書ＩＤを各文書の重要度の順に並べ替えている点である。これにより、内部ＩＤが重要度の高い文書順に付与され、重要度の値を格納するカラムを余分に確保することなく重要度の相対的な大きさを保存することができる。尚、本実施形態の方式は重要度そのものの値を得るものではない。

Ｓ１０１：インデックス参照部２において初期内部ＩＤｉとして「１」が設定される。

Ｓ１０２：重要度割り付け手段３は文書入力部５によって入力された各文書の文書ＩＤを各文書の重要度順に並べ替える。

Ｓ１０３：インデックス参照部２は並びかえられた文書の文書ＩＤと当該文書の重要度とをデータベース７に入力する。例えば、入力された文書の文書ＩＤとして「文書Ｄ」がデータベース７の主キーのカラムに入力され、当該文書の重要度の値として「１．０」がデータベース７の前記カラムと同列のカラムに入力される。

Ｓ１０４：内部ＩＤ付与手段４はデータベース７の文書ＩＤに対して前記設定された初期内部ＩＤｉを付与する。例えば図２に示したようにデータベース７における文書ＩＤ「文書Ｄ」のアラムと同列のカラムに初期内部ＩＤｉとして「１」が付与される。

Ｓ１０５：文書格納手段５は前記付与された初期内部ＩＤｉを利用して重要度「１．０」をデータベース７にストアする。また、そのときの更新日時がデータベース７のカラムに記録される。

Ｓ１０６：インデックス参照部２は文書入力部６から供された次の文書が存在するかどうかをチェックする。次の文書が存在すれば、例えば図７に示されたように識別子を「文書Ｃ」とする文書が存在すれば、Ｓ１０６に処理に移行する。

Ｓ１０７：インデックス参照部２は内部ＩＤｉに「１」を追加して、Ｓ１０３からの処理を繰り返す。例えば、この処理の過程におけるＳ１０５では、前記「１」が追加された内部ＩＤｉを利用して重要度の値をデータベース７にストアする。例えば文書ＩＤ「文書Ｂ」に付与された内部ＩＤｉとして「２」が利用されて重要度の値として「０．９」がデータベース７にストアされる。Ｓ１０６で次の文書が無いと判断されると処理を終了する。

以上のように実施形態１の文書格納装置１によれば、内部ＩＤを割り付ける際に重要度を考慮することで、内部ＩＤから文書ＩＤの相対的な大きさを得ることができる。また、重要度のカラムが削減されて、効率的に情報を保持することができる。以上のように文書データに対して付与された重要度を効率的に保持できる。

次いで本発明の実施形態２に係る文書格納装置１によるデータベースの作成手順について説明する。実施形態２で作成されたデータベース８の例を図４に示した。

実施形態２と従来技術との違いは実施形態１と同様に重要度毎に内部ＩＤが割り付けられている点である。この例では重要度１．０に対して内部ＩＤとして１〜１０が、重要度０．９に対して内部ＩＤとして１１〜２０が割り付けられている。また、実施形態２では、内部ＩＤをある所定の値で除算した結果を利用して重要度を取得できるようになっている。これにより、文書ＩＤを格納するデータベースから当該文書ＩＤに係る文書の重要度の絶対値を取得することが可能である。

図４及び図５を参照しながら実施形態２に係るデータベースを作成する手順（Ｓ２０１〜Ｓ２０９）について説明する。

Ｓ２０１：重要度割り付け手段３は文書入力部６を介してインデックス参照部２内に入力された文書群とその各文書の重要度から有効桁数Ｎを調べる。例えば重要度が０から０．１刻みで１までの場合は、有効桁数Ｎは１０になる。

Ｓ２０２：重要度割り付け手段３は前記入力された文書群において同じ重要度の最大頻度Ｍを算出する。例えば入力された文書集合中に０．１という重要度が最も多くの文書がある場合、その文書の個数Ｍを数える。このＭは同じ重要度の最大頻度以上であれば任意の値を設定できる。

Ｓ２０３：重要度割り付け手段３は前記入力された文書群の各文書の識別子を各文書の重要度順に並べかえる。ＵＲＬの順番に意味が無い場合は並べ替える必要はない。

Ｓ２０４：インデックス参照部２において各重要度の内部ＩＤを保存するための初期配列の値が設定される。例えば、各初期配列の値は「１」と初期化される。

Ｓ２０５：インデックス参照部２は入力された最初の文書の文書ＩＤと当該文書の重要度の値を調べる。

Ｓ２０６：内部ＩＤ付与手段４はＳ２０５で得られた重要度の値から下記の式（１）で示された演算式によって算出した内部ＩＤの値をベータベース８のカラムにセットする。
内部ＩＤ＝（１−重要度）×Ｎ×Ｍ＋ｉ［（１−重要度）×Ｎ］ …（１）
Ｓ２０７：文書格納手段５はＳ２０６での式（１）によって得られた内部ＩＤの値が格納されたベータベース８のカラムと同列のカラムに文書ＩＤを格納する。

Ｓ２０８：インデックス参照部２は式（１）のｉ［（１−重要度）×Ｎ］の値に１を加える。

Ｓ２０９：インデックス参照部２は文書入力部６から供された他に文書が無いかを調べ、ある場合はＳ２０５からの処理を繰り返す。

次に、Ｓ２０１〜Ｓ２０９のステップで作成された図４に例示のデータベース８からの特定の文書の重要度の算出方法について説明する。

文書の重要度の値は内部ＩＤ付与手段４によって算出される。図４のデータベース８においては、Ｎ＝１０、Ｍ＝１０に設定されている。例えば、文書ＩＤが文書Ｅである文書の重要度を取得しようとすると、文書Ｅに係る内部ＩＤの値は「１２」なので、この値をＭ（＝１０）で割ると、１２÷１０＝１余り２となる。この算出された値「１」は（１）式の右辺第一項「（１−重要度）×Ｎ」に相当する。一方、余りの値「２」は、（１）式の右辺第２項「ｉ［（１−重要度）×Ｎ］」の値であって、初期配列の値「１」に対して「１」が加算された値に相当する。ゆえに、重要度の値は、式（１）の右辺第一項に基づくＮを算出するための方程式「（１−重要度）×Ｎ＝１」を解くと「重要度＝１−１÷Ｎ＝１−１÷１０」の演算によって「０．９」と算出される。以上のように内部ＩＤの値「１２」から当該内部ＩＤに係る文書の重要度の値として「０．９」が取得される。

したがって、実施形態２に係る文書格納装置１によれば実施形態１に係る文書格納装置１の効果に加えて内部ＩＤから文書ＩＤの絶対値を得ることができる。

以上説明した本発明の実施形態１，２に係る文書格納装置１に係る機能手段２〜８は、コンピュータのハードウェアリソース、例えばＣＰＵ、メモリ（ＲＡＭ）、ハードディスク装置、通信デバイス等によって構成できる。すなわち、機能手段２〜８はＣＰＵとプログラムとの協働によって実現できる。また、機能手段７，８はハードディスク装置やサーバ装置に例示される記録手段に格納すればよい。

さらに、本発明は、上述の実施形態に係る機能手段２〜６をコンピュータに実現させる文書格納プログラムまたはこれを記録したコンピュータ読み取り可能な記録媒体の態様としてコンピュータのＣＰＵ（ＭＰＵ）が当該プログラムを読み出し実行することで実現できる。その場合、記録媒体から読み出されたプログラム自体が上述した実施の形態の機能を実現することになり、そのプログラムを記憶した記録媒体、例えばＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ＣＤ−Ｒ、ＭＯ、ＨＤＤ等は本発明を構成する。

１…文書格納装置
２…インデックス参照部（インデックス参照手段）
３…重要度割り付け手段
４…内部ＩＤ付与手段（内部識別子付与手段）
５…文書格納手段
７，８…データベース

Claims

入力された文書の識別子をデータベースに格納させる文書格納装置であって、
入力された文書群の各文書の文書識別子に対して当該各文書の重要度に基づく内部識別子を付与し、この付与された内部識別子の値に基づく配列で前記各文書の識別子をデータベースに格納させるインデックス参照手段を備え、
前記インデックス参照手段は、
入力された文書群の各文書の識別子に対して当該各文書の重要度に基づく内部識別子を付与する内部識別子付与手段と、
前記付与された内部識別子の値に基づく配列で前記各文書の識別子を前記データベースに格納させる文書格納手段と
を備え、
前記内部識別子付与手段は前記内部識別子の値に基づき前記重要度の値を算出すること
を特徴とする文書格納装置。
前記インデックス参照手段は、
入力された文書群の各文書の識別子を当該各文書の重要度に基づき並び替える重要度割り付け手段をさらに備えたこと
を特徴とする請求項１に記載の文書格納装置。
請求項１または２に記載の文書格納装置を構成する手段としてコンピュータを機能させるための文書格納プログラム。