JP5315836B2 - 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 - Google Patents

Description

本発明は、情報処理装置、情報処理方法、情報処理プログラム及び記録媒体に関し、特に検索対象の情報の並び替えに関する。

電子データに対する検索技術、あるいは検索結果の表示技術は、検索対象の情報量の増大による検索結果数の増大のため、ますます重要な技術となっている。なぜなら、求める情報が大量の検索結果に埋もれてしまい、見つけることが困難になっているからである。このような検索技術として、例えば、入力された検索要求の解析により設定された検索条件に基づいて検索を実行し、その検索結果を所定のスコア算出手段により順序付けするランキング検索技術が提案されている。

このような検索技術においては、検索漏れを低減するため、入力された検索語の類義語を検索語として追加することが行なわれている（例えば、特許文献１参照）。特許文献１においては、同義語辞書及び国語辞書の情報に基づいて生成された説明語辞書に基づき、入力された検索語が同義語及び論理式へと展開される。検索部が、入力された検索語及び同義語のいずれかを文書内容として含む文書を全て検索結果とする。これにより、漏れの無い検索が可能となる。

また、上記所定のスコア算出手段においては、指定された検索条件に含まれる検索語等が夫々の文書において出現する若しくは用いられている回数であるＴＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）及び上記検索語等を含む文書の数であるＤＦ（Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）が用いられる。
特開平１０−１４９３６８号公報

ここで、文言による検索は、上述したようにＴＦ及びＤＦを用いて行なわれるが、その手法の一つとして、ＤＦが小さい程その文言を重要な文言として扱い、スコアが高くなるような計算が行なわれる。上述したように、抽出された類義語が新たな検索語になった場合、夫々の検索語について算出されたスコアの総和が用いられていた。

しかしながら、このようなスコアの算出方法を用いる場合、抽出された類義語の数が多ければ、夫々の類義語についてのスコアが加算されるため、それだけ算出されるスコアの値も大きくなってしまう。他方、抽出された類義語の数が少ない検索語は、類義語の数が多い検索語よりも低い値のスコアとなる。即ち、抽出される類義語の数が少ない検索語は、類義語が多く抽出される検索語よりも、最終的なスコアに対する寄与率が低くなってしまう。その結果、正確なスコアが算出されない可能性がある。

また、検索エンジン側が類義語を抽出するのではなく、ユーザが類義語を並列条件として入力する場合であっても同様の課題が生じ得る。即ち、ユーザによる類義語の設定数が多い検索語と少ない検索語との間で、同様の課題が生じ得る。

本発明は、上記実情を考慮してなされたものであり、検索対象の情報群における検索語及びその類義語の出現頻度に基づいてスコアを算出する情報処理装置において、検索語毎に類義語の数が異なる場合であっても、正確にスコアを算出することを目的とする。

上記課題を解決するために、請求項１に記載の発明は、予め格納されている複数の検索対象情報を表示する順序を指定された条件に対する適合度に基づいて決定する情報処理装置であって、前記指定された条件に関する指定条件情報として複数の文言を取得する指定条件情報取得部と、前記取得された複数の文言の夫々について類義語を取得する類義語情報取得部と、前記文言及びその類義語を類義語群としてグループ化する類義語群生成部と、前記生成された類義語群毎の前記適合度である類義語群適合度を算出する類義語群適合度算出部と、前記類義語群毎に算出された複数の類義語群適合度に基づいて前記適合度を算出する適合度算出部とを含み、前記類義語群適合度算出部は、一の類義語群に含まれる文言及び類義語のうち少なくとも一つの単語を含む前記検索対象情報の数が小さい程、前記類義語群適合度を高く算出し、一の検索対象情報に含まれる前記少なくとも一つの単語の数が大きい程、前記類義語群適合度を高く算出し、前記類義語群適合度の値が、一の検索対象情報に対して前記文言及び前記類義語の夫々について算出された適合度の総和よりも小さくなるように前記類義語群適合度を算出することを特徴とする。

また、請求項２に記載の発明は、請求項１に記載の情報処理装置において、前記類義語群適合度算出部は、一の類義語群に含まれる文言若しくは類義語のいずれかの単語を含む前記検索対象情報の数を論理和文書数として算出する論理和文書数算出手段と、一の検索対象情報に含まれる前記単語の数の合計を合計単語数として算出する合計単語数算出手段とを含み、前記論理和文書数及び前記合計単語数に基づいて前記類義語群適合度を算出することを特徴とする。

また、請求項３に記載の発明は、前記類義語群適合度算出部は、請求項１に記載の情報処理装置において、一の類義語群に含まれる文言若しくは類義語のいずれかの単語を含む前記検索対象情報の数を論理和文書数として算出する論理和文書数算出手段と、前記一の検索対象情報に含まれる一の前記単語毎の適合度を前記論理和文書数に基づいて単語別適合度として算出する単語別適合度算出部とを含み、前記単語別適合度に基づいて前記類義語群適合度を算出することを特徴とする。

また、請求項４に記載の発明は、請求項１に記載の情報処理装置において、前記類義語群適合度算出部は、前記文言を含む前記検索対象情報の数及び一の検索対象情報に含まれる前記文言の数に基づいて前記一の検索対象情報の前記文言に対する適合度を文言適合度として算出する文言適合度算出手段と、前記文言適合度を算出した文言の類義語を含む前記検索対象情報の数及び前記一の検索対象情報に含まれる前記類義語の数に基づいて前記一の検索対象情報の前記類義語に対する適合度を類義語適合度として算出する類義語適合度算出手段とを含み、前記文言適合度及び前記類義語適合度に基づいて前記類義語群適合度を算出することを特徴とする。

また、請求項５に記載の発明は、請求項４に記載の情報処理装置において、前記類義語群適合度算出部は、前記文言適合度及び前記類義語適合度の平均に基づいて前記類義語群適合度を算出することを特徴とする。

また、請求項６に記載の発明は、請求項４に記載の情報処理装置において、前記類義語群適合度算出部は、前記文言適合度及び前記類義語適合度のうち、値の高いものを前記類義語群適合度とすることを特徴とする。

また、請求項７に記載の発明は、前記類義語群適合度算出部は、請求項１に記載の情報処理装置において、一の類義語群に含まれる文言及びその類義語の夫々を含む前記検索対象情報の数の最大値を最大文書数として算出する最大文書数算出手段と、一の検索対象情報に含まれる前記文言及びその類義語夫々の数の最大値を最大単語数として算出する最大単語数算出手段とを含み、前記最大文書数及び前記最大単語数に基づいて前記類義語群適合度を算出することを特徴とする。

また、請求項８に記載の発明は、請求項１に記載の情報処理装置において、前記類義語群適合度算出部は、前記類義語が前記類義語群適合度の算出結果に寄与する割合を前記文言が前記類義語群適合度の算出結果に寄与する割合よりも低くして前記類義語群適合度を算出することを特徴とする。

また、請求項９に記載の発明は、請求項２に記載の情報処理装置において、前記合計単語数算出手段は、前記一の検索対象情報に含まれる前記文言の数と、前記一の検索対象情報に含まれる前記類義語の数を減じた数との合計を前記合計単語数として算出することを特徴とする。

また、請求項１０に記載の発明は、請求項１に記載の情報処理装置において、異なる単語同士を類義語として関連付ける情報を記憶している類義語情報記憶部を更に有し、前記類義語情報取得部は、前記類義語情報記憶部に記憶された情報に基づいて前記類義語を取得することを特徴とする。

また、請求項１１に記載の発明は、請求項１に記載の情報処理装置において、前記指定条件情報は、異なる単語を並列条件として関連付ける情報を含み、前記類義語情報取得部は、前記指定条件情報において前記文言に並列条件として関連付けられている単語を前記類義語として取得することを特徴とする。

また、請求項１２に記載の発明は、予め格納されている複数の検索対象情報を表示する順序を指定された条件に対する適合度に基づいて決定する情報処理方法であって、指定条件情報取得部が、前記指定された条件に関する指定条件情報として複数の文言を取得し、類義語情報取得部が、前記取得された複数の文言の夫々について類義語を取得し、類義語群生成部が、前記文言及びその類義語を類義語群としてグループ化し、類義語群適合度算出部が、前記生成された類義語群毎の前記適合度である類義語群適合度を算出し、適合度算出部が、前記類義語群毎に算出された複数の類義語群適合度に基づいて前記適合度を算出し、その際、一の類義語群に含まれる文言及び類義語のうち少なくとも一つの単語を含む前記検索対象情報の数が小さい程、前記類義語群適合度を高く算出し、一の検索対象情報に含まれる前記少なくとも一つの単語の数が大きい程、前記類義語群適合度を高く算出し、前記類義語群適合度の値が、一の検索対象情報に対して前記文言及び前記類義語の夫々について算出された適合度の総和よりも小さくなるように前記類義語群適合度を算出することを特徴とする。

また、請求項１３に記載の発明は、情報処理プログラムであって、請求項１２に記載の情報処理方法を情報処理装置に実行させることを特徴とする。

また、請求項１４に記載の発明は、記録媒体であって、請求項１３に記載の情報処理プログラムを情報処理装置が読み取り可能な形式で記憶したことを特徴とする。

本発明の一態様によれば、検索対象の情報群における検索語及びその類義語の出現頻度に基づいてスコアを算出する情報処理装置において、検索語毎に類義語の数が異なる場合であっても、正確にスコアを算出することが可能となる。

実施の形態１．
以下、図面を参照して、本発明の実施形態を詳細に説明する。

本実施形態においては、特許文書を検索する情報検索装置を含む情報検索システムを例として説明する。

図１は、本実施の形態に係る情報検索システムの運用形態の例を示す図である。図１に示すように、本実施形態に係る情報検索システムは、情報検索装置１、クライアント装置２及び対象情報ＤＢ２００を含む。クライアント装置２は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の一般的な情報処理装置によって構成される。情報検索装置１は、ネットワークを介してクライアント装置２と接続されており、クライアント装置２からの検索要求を受けて対象情報ＤＢ２００に格納されている文書情報を検索するサーバとして運用される。

対象情報ＤＢ２００は、検索対象の情報として特許文献の情報を記憶している。即ち、本実施形態に係る検索対象情報は、対象情報ＤＢ２００に格納されている特許文献情報である。尚、図１に示すように、本実施形態においては、対象情報ＤＢ２００が情報検索装置１とは別に設けられている例を説明するが、対象情報ＤＢ２００を情報検索装置１内部に構成することも可能である。対象情報ＤＢ２００は、ＨＤＤ等の不揮発性記憶媒体によって構成される。

次に、本実施形態に係る情報検索装置１のハードウェア構成について説明する。図２は、本実施形態に係る情報検索装置１のハードウェア構成を示すブロック図である。図２に示すように、本実施形態に係る情報検索装置１は、一般的なサーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の情報処理端末と同様の構成を有する。即ち、本実施形態に係る情報検索装置１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）３０、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）４０及びＩ／Ｆ５０がバス８０を介して接続されている。また、Ｉ／Ｆ５０にはＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）６０及び操作部７０が接続されている。

ＣＰＵ１０は演算手段であり、情報検索装置１全体の動作を制御する。ＲＡＭ２０は、情報の高速な読み書きが可能な揮発性の記憶媒体であり、ＣＰＵ１０が情報を処理する際の作業領域として用いられる。ＲＯＭ３０は、読み出し専用の不揮発性記憶媒体であり、ファームウェア等のプログラムが格納されている。ＨＤＤ４０は、情報の読み書きが可能な不揮発性の記憶媒体であり、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や各種の制御プログラム、アプリケーション・プログラム等が格納される。

Ｉ／Ｆ５０は、バス８０と各種のハードウェアやネットワーク等を接続し制御する。ＬＣＤ６０は、ユーザが情報検索装置１の状態を確認するための視覚的ユーザインタフェースである。操作部７０は、キーボードやマウス等、ユーザが情報検索装置１に情報を入力するためのユーザインタフェースである。尚、図１において説明したように、本実施形態に係る情報検索装置１は、サーバとして運用される。従って、ＬＣＤ６０及び操作部７０等のユーザインタフェースは省略可能である。

このようなハードウェア構成において、ＲＯＭ３０やＨＤＤ４０若しくは図示しない光学ディスク等の記憶媒体に格納されたプログラムがＲＡＭ２０に読み出され、ＣＰＵ１０の制御に従って動作することにより、ソフトウェア制御部が構成される。このようにして構成されたソフトウェア制御部と、ハードウェアとの組み合わせによって、本実施形態に係る情報検索装置１の機能を実現する機能ブロックが構成される。

次に、本実施形態に係る情報検索装置１の機能ブロックについて、図３を参照して説明する。図３は、本実施形態に係る情報検索装置１の機能ブロック及び情報検索装置１が検索する対象の文書情報を格納している対象情報ＤＢ２００を示すブロック図である。図３に示すように、本実施形態に係る情報検索装置１は、検索制御部１００、情報入力部１１０、ネットワークＩ／Ｆ１２０、表示部１３０及び辞書情報ＤＢ１４０を有する。

情報入力部１１０は、ユーザが情報検索装置１を操作して検索制御部１００に情報を入力するための構成であり、図２に示すＩ／Ｆ５０及び操作部７０によって実現される。ネットワークＩ／Ｆ１２０は、情報検索装置１がネットワークを介して情報を取得し、若しくはネットワークを介して情報を送信するためのインタフェースであり、図２に示すＩ／Ｆ５０によって実現される。具体的には、例えばＥｔｈｅｒｎｅｔ（登録商標）接続のインタフェースや、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）接続のインタフェースによって実現される。

表示部１３０は、情報検索装置１の動作状態や、検索結果等が表示される構成であり、図２に示すＩ／Ｆ５０及びＬＣＤ６０によって実現される。辞書情報ＤＢ１４０は、類義語検索が可能な単語のデータベースであり、図２に示すＨＤＤ４０、ＲＡＭ２０において動作するプログラムによって実現される。

検索制御部１００は、本実施形態に係る情報検索装置１の検索機能を担う構成であり、指定条件情報取得部１０１、指定条件情報解析部１０２、適合度算出部１０３及び算出結果処理部１０４を有する。検索制御部１００は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。

指定条件情報取得部１０１は、ユーザによって情報入力部１１０を介して入力された情報若しくはネットワークＩ／Ｆ１２０を介してネットワーク経由で入力された情報を指定条件情報として取得する。指定条件情報取得部１０１は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。指定条件情報とは、所望の文書を抽出するための条件として、ユーザによって指定される条件である。

図４（ａ）を参照して、指定条件情報取得部１０１が取得する指定条件情報の例について説明する。図４（ａ）は、指定条件情報として普通文が入力された例を示している。図４（ａ）に示す例の場合、“ＡのＢでＣされたＤ”という文章が条件として指定される。換言すると、“ＡのＢでＣされたＤ”という文章と、対象情報ＤＢ２００に格納されている夫々の文書に開示されている内容との適合度の算出が要求される。

指定条件情報解析部１０２は、指定条件情報取得部１０１が取得した指定条件情報を解析し、適合度の算出態様に応じた情報形態に変換する。また、指定条件情報解析部１０２は、指定条件情報として入力された文言の類義語を辞書情報ＤＢ１４０から取得する。即ち、指定条件情報解析部１０２は、類義語情報取得部として機能する。類義語情報取得部は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。

ここで、指定条件情報解析部１０２による指定条件情報の解析及び変換態様について、図４（ａ）〜（ｃ）を参照して説明する。図４（ａ）に示すような普通文が指定条件情報として入力されると、指定条件情報解析部１０２は、文章を夫々の単語に区切る。図４（ｂ）に示すように、本実施形態においては、“ＡのＢでＣされたＤ”という文章が“Ａ／の／Ｂ／で／Ｃ／された／Ｄ”というように区切られる。

そして指定条件情報解析部１０２は、区切られた単語のうち、単独では意味をもたない語を削除し、単独で意味を有する単語のみを抽出する。本実施形態においては、図４（ｃ）に示すように、“Ａ”、“Ｂ”、“Ｃ”及び“Ｄ”の文言が抽出される。図４（ｃ）に示すように抽出された文言が、適合度の算出におけるキーワードとして用いられる。指定条件情報解析部１０２は、図４（ｃ）に示すように指定条件情報を変換すると、辞書情報ＤＢ１４０から夫々の文言の類義語を取得する。

図４（ｄ）は、図４（ｃ）に示す夫々の文言に基づいて抽出された類義語を示す図である。図４（ｄ）の例においては、“Ａ”の類義語として“Ａ₁”、“Ａ₂”を、“Ｂ”の類義語として“Ｂ₁”、“Ｂ₂”、“Ｂ₃”、“Ｂ₄”を、“Ｃ”の類義語として“Ｃ₁”を、“Ｄ”の類義語として“Ｄ₁”を、夫々抽出した例を示している。指定条件情報解析部１０２は、図４（ｄ）に示す文言及びその類義語の情報を適合度算出部１０３に入力する。

適合度算出部１０３は、指定条件情報解析部１０２から入力された文言及びその類義語の情報に基づき、対象情報ＤＢ２００に格納されている各文書の適合度を算出する。適合度算出部１０３は、図４（ｄ）に示す類義語の算出結果に応じて調整された適合度を算出する。適合度算出部１０３による適合度の算出方法が本実施形態の要旨の１つとなる。適合度算出部１０３による具体的な適合度の算出方法については、後に詳述する。

算出結果処理部１０４は、適合度算出部１０３によって算出された文書毎の適合度の一覧を、表示部１３０若しくはクライアント装置２の表示部に表示するための表示情報を生成して、出力する。即ち、算出結果処理部１０４は、表示情報生成部として機能する。表示情報生成部は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。

次に、本実施形態に係る情報検索システムの動作について図を参照して説明する。図５は、本実施形態に係る情報検索システムにおける情報検索動作を示すシーケンス図である。図５に示すように、文書情報ＤＢ２００に登録されている文書情報を検索する際、先ず、ユーザはクライアント装置２を操作して検索条件を指定するための検索条件指定画面を表示するための情報を情報検索装置１から取得し、検索条件指定画面を表示する（Ｓ５０１）。以下、本実施形態の説明においては、ユーザがクライアント装置２を操作して情報検索装置１の機能を利用する場合を例として説明する。

Ｓ５０１においてクライアント装置２の表示部に表示される検索条件指定画面を、図６に示す。図６は、文書情報ＤＢ２００に格納されている文書を検索する際に表示される画面であって検索条件を指定する検索条件指定画面３００を示す図である。図６に示すように検索条件指定画面３００は、検索対象指定部３０１、検索条件指定部３０２及び検索条件入力部３０３を有する。検索対象指定部３０１は、“国内特許”、“海外特許”、“実用新案”等のように、検索する対象として文書の種類を選択する。検索条件指定部３０２は、“文章”、“キーワード”、“書誌項目”等のように、文書を検索する条件の種類を選択する。検索条件入力部３０３は、検索条件指定部３０２において選択した検索条件の種類に応じた検索条件を入力する。

図６の例においては、検索条件として“文章”を指定する場合を示している。“文章”を検索条件とした場合、検索条件入力部３０３には抽出すべき文書（本実施形態においては特許公報）を特定するための文章を入力する。本実施形態においては、特許文書に開示されている技術を特定する文章として、図４（ａ）において説明したように、“ＡのＢでＣされたＤ。”という文章が入力される場合を例として説明する。ユーザは、クライアント装置２の操作部を操作することにより、図６に示すような文章を入力し、情報検索装置１に対して指定条件情報として送信する（Ｓ５０２）。

情報検索装置１に送信された指定条件情報は、ネットワークＩ／Ｆ１２０から情報検索装置１に入力され、検索制御部１００の指定条件情報取得部１０１が取得する（Ｓ５０３）。指定条件情報解析部１０２は、指定条件情報取得部１０１から指定条件情報としての文章を取得すると、入力された文章を解析する（Ｓ５０４）。Ｓ５０４において、指定条件情報解析部１０２は、図４（ｂ）及び図４（ｃ）において説明したように、解析処理を実行する。

指定条件情報解析部１０２は、図４（ｃ）に示すように単語を抽出すると、辞書情報ＤＢ１４０を検索して夫々の単語の類義語を抽出する（Ｓ５０５）。Ｓ５０５の処理により、図４（ｄ）において説明したように類義語が抽出される。指定条件情報解析部１０２は、図４（ｄ）に示す情報を適合度算出部１０３に入力する。

適合度算出部１０３は、図４（ｄ）に示す情報を取得すると、指定条件情報として入力された単語及びその類義語をグループ化し、類義語群を生成する（Ｓ５０６）。即ち、適合度算出部１０３が類義語群生成部として機能する。類義語群生成部は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。図７に、Ｓ５０６の処理によって生成される類義語群の例を示す。図７に示すように、指定条件情報として入力された“Ａ”、“Ｂ”、“Ｃ”、“Ｄ”夫々の単語と、夫々の類義語として抽出された単語とがグループ化される。本実施形態においては、“Ａ”〜“Ｄ”までの４つの類義語群を夫々類義語群１〜４とする。

適合度算出部１０３は、図７に示すように類義語群を生成すると、夫々の類義語群毎に対象情報ＤＢ２００に格納されている各文書の適合度を類義語群適合度として算出する（Ｓ５０７）。即ち、適合度算出部１０３が、類義語群適合度算出部として機能する。類義語群適合度算出部は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。ここで、Ｓ５０７における類義語群適合度の算出態様について説明する。文書ｊの類義語群ｉについての類義語群適合度（Ｓｃｏｒｅ_i,j）は、以下の式（１）によって求められる。

ここで、式（１）に示す“Ｎ”は、対象情報ＤＢ２００に格納されている全文書の数である。また、“ｔｆ_ij”は、類義語群ｉに含まれる各単語が文書ｊにおいて登場する数の合計数（ＴＦ）、即ち合計単語数である。即ち、適合度算出部１０３が合計単語数算出手段として機能する。合計単語数算出手段は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０に制御に従って動作することにより構成される。

例えば、図７に示す類義語群１の場合において、文書ｊの類義語群１についての類義語群適合度を算出する場合を考える。文書ｊにおいて、“Ａ”が２個、“Ａ₁”が１個、“Ａ₂”が５個登場する場合、ｔｆ_1jは“８”となる。

また、式（１）に示す“ｄｆ_i”は、対象情報ＤＢ２００に格納されている文書のうち、類義語群ｉに含まれる各単語の少なくとも１つを含む文書の数（ＤＦ）である。即ち、本実施形態に係るｄｆ_iは、“Ａ”、“Ａ₁”、“Ａ₂”を含む文書の論理和の文書数である。従って、適合度算出部１０３が論理和文書数算出手段として機能する。論理和文書数算出手段は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０に制御に従って動作することにより構成される。

上記式（１）の式において、類義語群適合度（Ｓｃｏｒｅ_i,j）はＤＦの値が小さい程大きくなる。これは、その単語を含む文書の数が少ない程、即ちＤＦの値が小さい程、特徴的な単語であるという考え方に基づく。また、類義語群適合度（Ｓｃｏｒｅ_i,j）は、ＴＦの値が大きい程大きくなる。これは、その単語を多く含む文書である程、即ち、ＴＦの値が大きい程、条件に合致した文書であるという考え方に基づく。

適合度算出部１０３は、上記式（１）を用いて、対象情報ＤＢ２００に格納されている全文書に対して図７に示す各類義語群夫々について類義語群適合度を算出する。図８に、Ｓ５０７における類義語群適合度の算出結果を示す。図８に示すように、対象情報ＤＢ２００に格納されている夫々の文書について、夫々の類義語群毎に類義語群適合度が算出される。尚、対象情報ＤＢ２００に格納されている文書について、辞書情報ＤＢ１４０に登録されている単語のＴＦ、ＤＦを予め算出し、インデックスとして格納しておくことが好ましい。これにより、上記式（１）による類義語群適合度の算出処理を迅速に完了することが可能となる。

適合度算出部１０３は、類義語群適合度を算出すると、その類義語群適合度に基づき、対象情報ＤＢ２００に格納されている各文書ｊの最終的な適合度、即ち、各文書の指定条件情報に対する適合度を算出する（Ｓ５０８）。文書ｊの指定条件情報に対する適合度（Ｓｃｏｒｅ_j）は、以下の式（２）によって求められる。

ここで、式（２）に示す“ｎ”は、Ｓ５０６において生成された類義語群の数である。即ち、本実施形態に係る“ｎ”は“４”である。Ｓ５０８の処理により、夫々の文書について、類義語群適合度の総和が最終的な適合度として算出される。図９に、Ｓ５０８における適合度の算出結果を示す。図９の例においては、例えば、文書番号“＊＊＊＊−＊＊＊＊＊ａ”の適合度“ａ”は、図８に示す類義語群適合度“ａ₁”〜“ａ₄”の総和により算出された値である。

適合度算出部１０３は、図９に示すように適合度を算出すると、算出された適合度に基づいて文書の並び順をソートしてランキング結果情報を生成する。そして、適合度算出部１０３は、ランキング結果情報を算出結果処理部１０４に入力する。適合度算出部１０３からランキング結果情報を受信した抽出結果処理部１０４は、ランキング検索結果を表示するための表示情報を生成し、クライアント装置２に対して送信する（Ｓ５０９）。表示情報を受信したクライアント装置２は、表示部にランキング検索結果を表示し（Ｓ５１０）、処理を終了する。

Ｓ５１０においてクライアント装置２の表示部に表示される画面について、図１０を参照して説明する。図１０は、標準的なランキング検索結果の表示態様として、文書毎の適合度による一覧を示す図である。このような処理により、本実施形態に係る検索動作が終了する。

本実施形態においては、上記の式（１）において説明したように、類義語群適合度を求める際に用いるＴＦ、ＤＦに特徴を有する。即ち、対象の類義語群に含まれる各単語が対象の文書において登場する数の合計数をＴＦとする。また、対象の類義語群に含まれる各単語の少なくとも１つを含む文書の数をＤＦとする。これにより、夫々の類義語群毎の適合度を正確に算出することが可能となる。

ここで、本実施形態に係る算出方法による類義語群適合度の算出結果と従来の算出方法による算出結果との比較例を図１１（ａ）、図１１（ｂ）に示す。図１１（ａ）は、図７に示す類義語群１について、従来の算出方法による算出結果を示す図である。図１１（ａ）においては、“Ａ”〜“Ａ₂”のＴＦが夫々“２”、“１”、“５”であり、ＤＦが夫々“８００”、“１００”、“５００”である場合を例としている。尚、対象情報ＤＢ２００に格納されている全文書数“Ｎ”が、“６００００”である場合を例としている。この場合、類義語群１の適合度は、“Ａ”〜“Ａ₂”の夫々について算出した適合度の総和である“０．９１４９５”となる。

これに対して、図１１（ｂ）は、本実施形態に係る算出方法による算出結果を示す図である。図１１（ｂ）においては、ＴＦは“Ａ”〜“Ａ₂”のＴＦの総和である“８”である。また、ＤＦは、“Ａ”〜“Ａ₂”のうち少なくともいずれか１つを含む文書の数であり、“１０００”である場合を例としている。この場合、上述した式（１）によって適合度を算出すると“０．３３０７９３”となる。このように、本実施形態に係る算出方法を用いることにより、類義語の多い文言のスコアが不当に高く算出されてしまう問題を解決することができる。

上述した式（１）に係る算出方法では、類義語群適合度を正確に算出するため、同一の類義語群に含まれる単語を同一の単語とみなして計算する。そのために、ＴＦ、ＤＦの値の定義を上述した定義とする。これにより、図１１（ａ）、（ｂ）において説明したように、一の類義語群の類義語群適合度は、一の単語の適合度に相当する値として算出される。

この他、一の類義語群に含まれる単語を同一の単語とみなしてＤＦ値を決定した上で、従来と同様に夫々の単語毎に算出したスコアの総和を類義語群適合度としても良い。このような場合、文書ｊの類義語群ｉについての類義語群適合度（Ｓｃｏｒｅ_i,j）は、以下の式（３）によって求められる。

ここで、式（３）に示すＳｃｏｒｅ_ik,jは、文書ｊについて、類義語群ｉのｋ番目の単語に基づいて算出した適合度である単語別適合度を示す。即ち、適合度算出部１０３が単語別適合度算出部として機能する。単語別適合度算出部は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０に制御に従って動作することにより構成される。この単語別適合度（Ｓｏｒｅ_ik,j）は、以下の式（４）によって求められる。

ここで、式（４）に示す“Ｎ”は、対象情報ＤＢ２００に格納されている全文書数である。また、“ｔｆ_ikj”は、類義語群ｉのｋ番目の単語が文書ｊにおいて登場する数の合計数（ＴＦ）である。例えば、図７に示す類義語群１の場合において、文書ｊの類義語群１についての類義語群適合度を算出する場合を考える。文書ｊにおいて、“Ａ”が２個、“Ａ₁”が１個、“Ａ₂”が５個登場する場合、ｔｆ_11jは“２”、ｔｆ_12jは“１”、ｔｆ_13jは“５”となる。また、“ｄｆ_j”は、対象情報ＤＢ２００に格納されている文書のうち、類義語群ｉに含まれる各単語の少なくとも１つを含む文書の数（ＤＦ）である。即ち、本実施形態に係るｄｆ_jは、“Ａ”、“Ａ₁”、“Ａ₂”を含む文書の論理和である。

式（４）に示す通り、“ｄｆ_j”の値が大きい程“Ｓｃｏｒｅ_ik,j”の値が小さくなる。これは、ＤＦの値が大きい程、その単語の重みを低く算出するという計算方針に基づく。即ち、式（４）を用いて算出した各単語の単語別適合度は、従来の算出方法を用いて算出した単語毎の適合度よりも低い値となる。これにより、類義語の多い文言のスコアが不当に高く算出されてしまう問題を解決することができる。

ここで、式（３）、式（４）による類義語群適合度の算出結果と従来の算出方法による算出結果との比較例を図１１（ａ）、図１１（ｃ）に示す。図１１（ａ）は、上記説明と同様であるため、説明を省略する。図１１（ｃ）は、式（３）、式（４）による算出結果を示す図である。図１１（ｃ）においては、“Ａ”〜“Ａ₂”のＴＦが夫々図１１（ａ）と同じ“２”、“１”、“５”である。そして、図１１（ｃ）のＤＦは、“Ａ”〜“Ａ₂”の論理和文書数であるため、図１１（ｂ）と同じ“１０００”である。この場合、上述した式（３）、（４）によって類義語群適合度を算出すると“０．７４４２８７”となる。

このように、式（３）、式（４）によって算出された類義語群適合度は、図１１（ａ）に示す従来の算出方法によって算出された値よりも低くなる。これは、夫々の単語毎に重み値を設定するのではなく、夫々の単語が含まれる類義語群の論理和文書数に基づいて重み値を設定したことによる効果である。他方、式（３）、式（４）によって算出された類義語群適合度は、図１１（ｂ）に示す式（１）によって算出された値よりも大きくなる。これは、一の類義語群に含まれる夫々の単語を同一の単語とみなすのではなく、異なる単語として計算することによる効果である。

ランキング検索における適合度の算出に際しては、ランク付けの方針によって好適な算出方法が異なる。即ち、類義語であれば同一の単語であるとみなして計算すべき場合や、類義語であっても様々な単語を用いて説明されている文書は高いスコアを付与すべき場合がある。従って、式（１）による算出方法と、式（３）、式（４）による算出方法とは、ランク付けの方針に応じて適宜使い分けることが好ましい。いずれの場合であっても、上述したように、類義語の多い文言のスコアが不当に高く算出されてしまう問題を解決することができる。

尚、上記の説明においては、図４（ａ）〜図４（ｃ）において説明したように、入力された普通文からキーワードが抽出される例を説明した。この他、キーワードが直接入力される場合であっても、上記説明した実施形態を適用することが可能であり、同様の効果を得ることができる。

また、上記の説明においては、図４（ｄ）に示すように、指定条件情報解析部１０２により辞書情報ＤＢ１４０から類義語が取得される例を説明した。この他、類義語同士が“ｏｒ”で結ばれた検索条件が、ユーザによって入力される場合もあり得る。この場合、指定条件情報解析部１０２は、検索条件において“ｏｒ”で結ばれているキーワードをグループ化して図７に示すような類義語群を生成する。これにより、上記と同様の効果を得ることが可能となる。

尚、ユーザによって“ｏｒ”で結ばれた類義語が入力された場合であっても、指定条件情報解析部１０２が、辞書情報ＤＢ１４０から類義語を取得することが好ましい。これにより、ユーザによって入力されなかった類義語も検索条件に加えることができ、漏れのない検索を実行することが可能となる。

また、上記の説明においては、“類義語”として説明したが、“類義語”の中にも意味が完全に同一である“同義語”と、類似ではあるが異なる意味の“類義語”とが考えられる。この場合、“同義語”と“類義語”に同一のスコアを付与すると、スコアが正確に算出されない可能性がある。このような課題に対して、辞書情報ＤＢ１４０から取得された単語について所定の係数を適用してスコアを減ずることが考えられる。換言すると、指定条件情報として入力された文言がスコアの算出に寄与する割合よりも、類義語がスコアの算出に寄与する割合を低くする。

例えば、図１１（ａ）、（ｂ）の例においては、夫々の単語のＴＦを単純に合計して合計単語数“８”を得るのではなく、辞書情報ＤＢ１４０から抽出された単語である“Ａ₁”、“Ａ₂”においては、ＴＦ値に所定の係数を乗じて合計単語数を得る。例えば、ＴＦ値を半分にして、即ち、係数として“０．５”を乗じて合計単語数を得る場合、“Ａ₁”のＴＦ値は“０．５”、“Ａ₂”のＴＦ値は“２．５”となる。この場合、式（１）を用いて算出される類義語群適合度は“０．３１０１１８”となる。このような態様により、類似であるが異なる意味の単語を含む文書のスコアが不当に高く算出されてしまうことを防ぐことができる。

尚、上記類義語のＴＦ値に乗ずる係数は、上述した０．５以外であっても良い。ユーザによって入力された単語と完全に一致することを重要視する場合、上記係数は更に低い値、例えば、“０．４”、“０．３”・・・等にする。他方、スコアの微調整に留める場合は、上記係数は高い値、例えば“０．９”、“０．８”、・・・等にする。また、辞書情報ＤＢ１４０に類義語として格納された単語について、夫々の単語ペア毎に意味の類似度を判断して係数を設定しておいても良い。

その他の実施形態．
実施の形態１においては、適合度を算出する際のＤＦの値として論理和文書数を用いる場合を説明した。この他、適合度算出部１０３が、図１１（ｂ）に示す合計適合度よりも小さい値が類義語群適合度として算出されるようにすれば、類義語の多い文言のスコアが不当に高く算出されてしまう問題を解決することが可能である。以下、その他の例について夫々説明する。

例えば、実施の形態１と同様に、一の類義語群に含まれる単語を同一の単語とみなして計算する場合、上述したように論理和文書数及び合計単語数を用いると計算に要する処理が増大する。これは、予め作成されたインデックスのＴＦ、ＤＦをそのまま用いることができないためである。これに対して、以下の式（５）を用いることにより、簡易な処理で実施の形態１に近い効果を得ることができる。

式（５）に示す“Ｓｃｏｒｅ_{old ik,j}”は、従来の算出方法、即ち、図１１（ｂ）に示す夫々の単語毎の適合度を従来の算出方法によって算出した適合度である。従って、式（５）は、全体として、従来の算出方法によって夫々の単語毎に算出された適合度のうち最も高い値を、その類義語群の適合度として用いることを示す。例えば、図１１（ａ）の例においては、単語“Ａ₂”の適合度が“０．３６２６２”で最も高い。従って、式（５）の算出方法を用いる場合、類義語群１の類義語群適合度は“０．３６２６２”となる。

換言すると、式（５）の算出方法においては、まず、指定条件として入力された文言についての適合度である文言適合度及びその文言の類義語についての適合度である類義語適合度を図１１（ａ）に示すように算出する。即ち、適合度算出部１０３が、文言適合度算出部、類義語適合度算出部として機能する。文言適合度算出部、類義語群適合度算出部は、図２に示すＲＡＭ２０にロードされたプログラムがＣＰＵ１０の制御に従って動作することにより構成される。

従来の方法による適合度の算出に際しては、予め作成されたインデックスの情報に基づいて直接計算を実行することが可能である。式（５）の算出方法においては、従来の方法によって算出された適合度から最大値を選択すれば良い。従って、式（５）による適合度の算出結果によれば、簡易な計算で図１１（ｂ）の例に近い値を得ることができる。

また、以下の式（６）によっても、簡易な処理で実施の形態１に近い効果を得ることができる。

式（６）は、従来の算出方法によって夫々の単語毎に算出された適合度の平均を、その類義語群の適合度として用いることを示す。例えば、図１１（ａ）の例においては、類義語群１の類義語群適合度は“０．３０４９８３”となる。式（６）の算出方法においては、従来の方法によって算出された適合度を平均すれば良い。従って、式（６）による適合度の算出結果においても、簡易な計算で図１１（ｂ）の例に近い値を得ることができる。

また、以下の式（７）によっても、簡易な処理で実施の形態１に近い効果を得ることができる。

式（７）に示す“ｔｆ_{ij max}”は、類義語群ｉに含まれる各単語が文書ｊにおいて登場する数の最大数（ＴＦ）、即ち最大単語数である。即ち、適合度算出部１０３が、最大単語数算出手段として機能する。例えば、図１１（ａ）に示す例の場合、“ｔｆ_{ij max}”は“５”である。

また、“ｄｆ_{j max}”は、対象情報ＤＢ２００に格納されている文書のうち、類義語群ｉに含まれる各単語を含む文書の数の最大数（ＤＦ）である。即ち、適合度算出部１０３が、最大文書数算出手段として機能する。例えば、図１１（ｂ）に示す例の場合、“ｄｆ_{j max}”は、“８００”である。

式（７）による類義語群適合度の算出結果の例を図１１（ｄ）に示す。図１１（ｄ）に示すように、式（７）を用いて図１１（ａ）の例について適合度を算出すると“０．３２７０２”となる。式（７）の算出方法においては、予め作成されたインデックス情報のうち、検索条件に適合する情報のＴＦ及びＤＦを抽出して式（７）に示す計算を実行すれば良い。従って、式（７）による適合度の算出結果においても、簡易な計算で図１１（ｂ）の例に近い値を得ることができる。

本発明の実施形態に係る情報検索システムの運用形態を示す図である。 本発明の実施形態に係る情報検索装置のハードウェア構成を模式的に示すブロック図である。 本発明の実施形態に係る情報検索装置の機能構成を示すブロック図である。 本発明の実施形態に係る指定条件情報の例を示す図である。 本発明の実施形態に係る情報検索システムの動作を示すシーケンス図である。 本発明の実施形態に係る指定条件情報の入力画面を示す図である。 本発明の実施形態に係る類義語群の生成態様を示す図である。 本発明の実施形態に係る類義語群適合度の算出結果を示す図である。 本発明の実施形態に係る適合度の算出結果を示す図である。 本発明の実施形態に係るランキング検索の結果表示画面の例を示す図である。 本発明の実施形態に係る類義語群適合度の算出結果及び従来例にかかる類義語群適合度の算出結果を示す図である。

符号の説明

１ 情報検索装置
２ クライアント装置
１０ ＣＰＵ
２０ ＲＡＭ
３０ ＲＯＭ
４０ ＨＤＤ
５０ Ｉ／Ｆ
６０ ＬＣＤ
７０ 操作部
８０ バス
１００ 検索制御部
１０１ 指定条件情報取得部
１０２ 指定条件情報解析部
１０３ 適合度算出部
１０４ 抽出結果処理部
１１０ 情報入力部
１２０ ネットワークＩ／Ｆ
１３０ 表示部
１４０ 辞書情報ＤＢ
２００ 対象情報ＤＢ

Claims (14)

1. 予め格納されている複数の検索対象情報を表示する順序を指定された条件に対する適合度に基づいて決定する情報処理装置であって、
   前記指定された条件に関する指定条件情報として複数の文言を取得する指定条件情報取得部と、
   前記取得された複数の文言の夫々について類義語を取得する類義語情報取得部と、
   前記文言及びその類義語を類義語群としてグループ化する類義語群生成部と、
   前記生成された類義語群毎の前記適合度である類義語群適合度を算出する類義語群適合度算出部と、
   前記類義語群毎に算出された複数の類義語群適合度に基づいて前記適合度を算出する適合度算出部とを含み、
   前記類義語群適合度算出部は、
   一の類義語群に含まれる文言及び類義語のうち少なくとも一つの単語を含む前記検索対象情報の数が小さい程、前記類義語群適合度を高く算出し、
   一の検索対象情報に含まれる前記少なくとも一つの単語の数が大きい程、前記類義語群適合度を高く算出し、
   前記類義語群適合度の値が、一の検索対象情報に対して前記文言及び前記類義語の夫々について算出された適合度の総和よりも小さくなるように前記類義語群適合度を算出することを特徴とする、情報処理装置。
2. 前記類義語群適合度算出部は、
   一の類義語群に含まれる文言若しくは類義語のいずれかの単語を含む前記検索対象情報の数を論理和文書数として算出する論理和文書数算出手段と、
   一の検索対象情報に含まれる前記単語の数の合計を合計単語数として算出する合計単語数算出手段とを含み、
   前記論理和文書数及び前記合計単語数に基づいて前記類義語群適合度を算出することを特徴とする、請求項１に記載の情報処理装置。
3. 前記類義語群適合度算出部は、
   一の類義語群に含まれる文言若しくは類義語のいずれかの単語を含む前記検索対象情報の数を論理和文書数として算出する論理和文書数算出手段と、
   前記一の検索対象情報に含まれる一の前記単語毎の適合度を前記論理和文書数に基づいて単語別適合度として算出する単語別適合度算出部とを含み、
   前記単語別適合度に基づいて前記類義語群適合度を算出することを特徴とする、請求項１に記載の情報処理装置。
4. 前記類義語群適合度算出部は、
   前記文言を含む前記検索対象情報の数及び一の検索対象情報に含まれる前記文言の数に基づいて前記一の検索対象情報の前記文言に対する適合度を文言適合度として算出する文言適合度算出手段と、
   前記文言適合度を算出した文言の類義語を含む前記検索対象情報の数及び前記一の検索対象情報に含まれる前記類義語の数に基づいて前記一の検索対象情報の前記類義語に対する適合度を類義語適合度として算出する類義語適合度算出手段とを含み、
   前記文言適合度及び前記類義語適合度に基づいて前記類義語群適合度を算出することを特徴とする、請求項１に記載の情報処理装置。
5. 前記類義語群適合度算出部は、前記文言適合度及び前記類義語適合度の平均に基づいて前記類義語群適合度を算出することを特徴とする、請求項４に記載の情報処理装置。
6. 前記類義語群適合度算出部は、前記文言適合度及び前記類義語適合度のうち、値の高いものを前記類義語群適合度とすることを特徴とする、請求項４に記載の情報処理装置。
7. 前記類義語群適合度算出部は、
   一の類義語群に含まれる文言及びその類義語の夫々を含む前記検索対象情報の数の最大値を最大文書数として算出する最大文書数算出手段と、
   一の検索対象情報に含まれる前記文言及びその類義語夫々の数の最大値を最大単語数として算出する最大単語数算出手段とを含み、
   前記最大文書数及び前記最大単語数に基づいて前記類義語群適合度を算出することを特徴とする、請求項１に記載の情報処理装置。
8. 前記類義語群適合度算出部は、前記類義語が前記類義語群適合度の算出結果に寄与する割合を前記文言が前記類義語群適合度の算出結果に寄与する割合よりも低くして前記類義語群適合度を算出することを特徴とする、請求項１に記載の情報処理装置。
9. 前記合計単語数算出手段は、前記一の検索対象情報に含まれる前記文言の数と、前記一の検索対象情報に含まれる前記類義語の数を減じた数との合計を前記合計単語数として算出することを特徴とする、請求項２に記載の情報処理装置。
10. 異なる単語同士を類義語として関連付ける情報を記憶している類義語情報記憶部を更に有し、
    前記類義語情報取得部は、前記類義語情報記憶部に記憶された情報に基づいて前記類義語を取得することを特徴とする、請求項１に記載の情報処理装置。
11. 前記指定条件情報は、異なる単語を並列条件として関連付ける情報を含み、
    前記類義語情報取得部は、前記指定条件情報において前記文言に並列条件として関連付けられている単語を前記類義語として取得することを特徴とする、請求項１に記載の情報処理装置。
12. 予め格納されている複数の検索対象情報を表示する順序を指定された条件に対する適合度に基づいて決定する情報処理方法であって、
    指定条件情報取得部が、前記指定された条件に関する指定条件情報として複数の文言を取得し、
    類義語情報取得部が、前記取得された複数の文言の夫々について類義語を取得し、
    類義語群生成部が、前記文言及びその類義語を類義語群としてグループ化し、
    類義語群適合度算出部が、前記生成された類義語群毎の前記適合度である類義語群適合度を算出し、
    適合度算出部が、前記類義語群毎に算出された複数の類義語群適合度に基づいて前記適合度を算出し、その際、一の類義語群に含まれる文言及び類義語のうち少なくとも一つの単語を含む前記検索対象情報の数が小さい程、前記類義語群適合度を高く算出し、一の検索対象情報に含まれる前記少なくとも一つの単語の数が大きい程、前記類義語群適合度を高く算出し、前記類義語群適合度の値が、一の検索対象情報に対して前記文言及び前記類義語の夫々について算出された適合度の総和よりも小さくなるように前記類義語群適合度を算出することを特徴とする、情報処理方法。
13. 請求項１２に記載の情報処理方法を情報処理装置に実行させることを特徴とする、情報処理プログラム。
14. 請求項１３に記載の情報処理プログラムを情報処理装置が読み取り可能な形式で記憶したことを特徴とする、記録媒体。

Images