JP5620896B2 - 文書検索装置及び方法及びプログラム - Google Patents

Description

本発明は、文書検索装置及び方法及びプログラムに係り、特に、文書集合の中から文書を検索するための文書検索装置及び方法及びプログラムに関する。

インターネットから得られる情報等、大規模な文書を対象として、キーワードと興味対象の地理上の場所を入力として与えることにより、地理上の特定の場所に関連し、しかも、与えられたキーワードと関連しているような文書を検索するような文書検索が知られている（例えば、特許文献１）参照。

しかし、上記のような検索手法を実現するためには、文書と関連する地理範囲や座標を解析して、それらの地理範囲や座標を保持した情報（以下、「解析済み地理情報」と記す）を保持する必要があり、検索対象となる文書が限られてしまうという問題がある。

これに対し、入力されたキーワードからキーワードに関連する文書検索技術が従来より知られている（例えば、非特許文献1参照）。このようなキーワードのみから検索を行うことができる方式は現在広く普及しており、大量の文書が検索対象としてインデクスされているのが一般的である。

このようなキーワードのみに基づく検索エンジンを用いて、地理上の特定の場所に関連し、しかも与えられたキーワードと関連しているような文書を検索する方法としては、与えられた座標を対応する地名に変換し、検索キーワードにこの地名を追加して検索を行うということが考えられる。

特開2009-134463号公報

「分散型高速情報収集／全文検索システムInfoBee/Evangelist」、竹野浩、井上孝史、NTT R&D, vol. 52, no. 2, 2003, pp 78-84.

しかしながら、上記の非特許文献1のような検索を行う場合には、以下のような問題がある。まず、ある地点に対応する地名表現は多様であり、例えば、「東京都千代田区大手町２−３−５」という地名に対して、「東京都千代田区大手町」や「東京都」といった地名も、その地点を包含している。前述の方法のように単純に正規の地名のみを追加した検索によれば、文書中でそれ以外の地名表現によって言及しているような文書は検索対象から漏れてしまうという問題があった。

また、可能な全ての地名表現を加えた場合、例えば、上記のような「東京都千代田区大手町２−３−５」に関連した文書を探している利用者に対して、「東京都」といった語を検索対象として加えてしまっては関連性の薄い不適合な文書が多数検索されてしまうことになってしまう。

さらに、地名は正規の地名で記述しない場合、曖昧性を持つ場合がある。例えば、上記の場合、「大手町」という表現だけであれば、必ずしも「東京都千代田区大手町」とは限らない。このような曖昧性を考慮せずに地名を検索対象として加えてしまっては、関係ない地名と関連した不適合な文書が多数検索されてしまうことになってしまう。

本発明は、上記の点に鑑みなされたもので、キーワードと場所の双方に関連する文書を検索するような文書検索において、解析済みの地理情報がなくても地理的関連のある文書検索が可能となり、検索漏れや不適合な文書を削減することが可能な文書検索装置及び方法及びプログラムを提供することを目的とする。

上記の課題を解決するため、本発明（請求項１）は、地名として適したものを検索するための文書検索装置であって、
地名と広い地域ほど値が大きく狭い地域ほど値が小さくなるような該地名の知名度を示した地名知名度記憶手段と、
地名と該地名を構成する階層を格納した地名記憶手段と、
入力された都道府県名から丁目番地までを含む正規地名に基づいて前記地名記憶手段を参照して、該正規地名の階層表現を取得し、該階層表現の下位の地名の知名度を前記地名知名度記憶手段から取得し、所定の閾値以下の知名度の地名を除き、該正規地名の上位の階層を省略しても一意であれば該上位の階層の地名部分を省略し、上位の階層の地名部分を省略した地名の知名度が、他の地名の知名度の和よりも大きければその地名を検索対象として検索する地名抽出手段と、
入力されたキーワードを含み、前記地名抽出手段で抽出された地名を少なくとも一つ含むような文書を検索する検索手段と、を有する。

また、本発明（請求項２）は、前記地名抽出手段において、
入力された座標または地理範囲から、対応する都道府県名から丁目番地までを含む正規地名を取得する正規地名取得手段と、
前記正規地名に基づいて前記地名記憶手段を参照し、該地名の階層を取得し、最下位の階層を除いた地名に基づいて前記地名知名度記憶手段を参照し、該地名に対応する知名度が所定の閾値未満であるかを判定する処理を、該地名に階層がなくなるまで、または、閾値以上になるまで繰り返し、その時点における地名を候補リストに追加する下位省略地名展開手段と、
前記地名記憶手段に、前記候補リストの地名の最上位の階層を除いた地名Ａを含む地名がない場合は、該地名Ａを該出力リストに加え、ある場合は、曖昧さがあると判断し、該地名Ａについて最上位階層から記述した語の知名度ａと、それ以外の語の知名度ｂを取得し、該知名度ｂの和が該知名度ａより小さければ該地名Ａを検索語として出力リストに追加する処理を、地名階層がなくなるまで、または、曖昧さがあり、該知名度ｂの和が該知名度ａ以上となるまで、該候補リストの地名全てに対して繰り返し、該出力リストを出力する上位省略地名展開手段と、を含む。

本発明によれば、キーワードと場所の双方に関連する文書を検索するような文書検索において、専用の解析結果（解析済み地理情報）がなくても地理的関連のある文書検索が可能となり、単純に正規に地名を検索語として加えることに比べて検索漏れを減らすことができ、不要な地名を検索語として加えないため、検索結果から不適合な文書を減らすことができる。

本発明の一実施の形態における文書検索装置の構成図である。 本発明の一実施の形態における地名知名度データベースの例である。 本発明の一実施の形態における地名辞書の例である。 本発明の一実施の形態における動作の概要を示すフローチャートである。 本発明の一実施の形態における下位省略地名展開部のフローチャートである。 本発明の一実施の形態における上位省略地名展開部のフローチャートである。

以下図面と共に、本発明の実施の形態を説明する。

図１は、本発明の一実施の形態における文書検索装置の構成を示す。

同図に示す文書検索装置は、地名知名度データベース１０１、地名語辞書１０２、正規地名取得部１１０、下位省略地名展開部１２０、上位省略地名展開部１３０、検索部１４０から構成される。

正規地名取得部１１０には、キーワード、地理座標、地理範囲あるいは正規の地名の2つの情報が入力され、また、検索部１４０からは入力と関連する文書が出力される。

地名知名度データベース１０１とは、地名の知名度を示したデータベースであり、例えば、職業別電話帳の店舗の住所一覧において、当該地方と前方一致する店舗の数等を記録することによって構成する。なお、職業別電話帳の店舗数によらずとも、知名度を示すと考えられるような情報、例えば、人口密度や道路の本数等を用いたり、それらの情報の重み付き平均とすることも可能である。その例を図２に示す。

地名語辞書１０２は、図３に示すような地名の一覧を保持した辞書であり、地名と、その地名を構成する階層が分かる形で記述された表現を記録したものである。

なお、地名知名度データベース１０１、地名語辞書１０２は、ハードディスクのような記録媒体に格納されるものとする。

以下、文書検索装置の各構成要素の動作を説明する。

図４は、本発明の一実施の形態における動作の概要を示すフローチャートである。

ステップ１） 正規地名取得部１１０は、装置へのキーワード以外の入力が、座標や地理範囲である場合、その座標や地理範囲に対する正規の地名を取得する。正規の地名とは、都道府県名から丁目番地までを漏れなく記した表現である。なお、入力が地理範囲である場合は、その地理範囲の中で共有されている地名の範囲とする。これには、従来から知られている、地名と地名の代表地点を記してあるような辞書を参照する方法によって実現可能である。

ステップ２） 下位省略地名展開部１２０は、正規地名取得部１１０、あるいは、装置への入力として与えられた正規地名を入力として、以下の処理により、地名の下位階層を省略した地名を検索対象に加えてもよいかどうかを判定し、検索対象として加えてよいと判定した語のリストを出力する。当該下位省略地名展開部１２０の動作を図５に示す。

以下、下位省略地名展開部１２０へ入力された正規地名が「石川県石川郡野々市町新庄１丁目８５」である場合について説明する。入力地名は地名辞書１０２により、「石川県；石川郡；野々市町；新庄：１丁目；８５」という階層があるとする。

ステップ１０１） 地名リストを初期化し、入力地名を対象地名とする。

ステップ１０２） 対象地名（対象語）をメモリ（図示せず）上の地名リストに追加する。

ステップ１０３） 対象地名に階層がある場合はステップ１０４に移行し、ない場合は、ステップ１０６に移行する。

ステップ１０４） 上記の地名から最下位の階層（「８５」）を除く。

ステップ１０５） 最下位の階層を除いた「石川県；石川郡；野々市町；新庄：１丁目」について、地名知名度データベース１０１を参照して得られた知名度が事前に定めた知名度閾値Ｔf未満かどうかを判定する。閾値未満であれば、「石川県；石川郡；野々市町；新庄：１丁目」を出力リストに追加する。同様に、石川県；石川郡；野々市町；新庄」について判定し、その地名度が知名度閾値未満かどうかを判定し、地名階層がなくなるまで、あるいは、知名度が知名度閾値以上となるまで繰り返す。

上記の結果得られた地名リストを出力する。

ステップ３） 上位階層地名展開部１３０は、下位省略地名展開部１２０より得られた地名リストを入力として、このリスト中の地名それぞれについて、図６に示す処理により、地名上位階層を省略した地名を検索対象に加えてもよいかどうかを判定する。

以下、判定対象の地名が「東京都千代田区永田町」である場合について説明する。

ステップ２０１） 出力リストを初期化する。

ステップ２０２） 下位省略地名展開部１２０から取得した地名リストの地名をメモリ（図示せず）上の出力リストに加える。

ステップ２０３） 最上位に階層（「東京都」）を除いた「千代田区永田町」について、地名辞書１０２を参照し、地名階層中に「千代田区永田町」を含むような地名があるかどうかを調べる。ある場合はステップ２０４に移行し、ない場合、すなわち、曖昧な地名でない場合は出力リストに加える。

ステップ２０４） 「千代田区永田町」について最上位の階層（「千代田区」）を除いた「永田町」について、地名辞書１０２を参照し、曖昧かどうかを調べる。曖昧である場合はステップ２０６に移行し、曖昧でない場合はステップ２０２に戻り、「永田町」を出力リストに加える。

ステップ２０５） 現在対象となっている語について、最上位階層から記述した語（この場合「東京都千代田区永田町」）の知名度ｆ_tを地名知名度データベース１０１から取得する。曖昧さの原因となっている他の語についても同様に知名度を取得し、これらの知名度の合計値ｓ_fを算出する。もし、ｆ_t＞ｓ_fであればステップ２０２に移行する。この場合、ステップ２０２において、対象語を検索語として加えることは、曖昧さによって検索結果として出現する不適合文書の増加よりは、加えることによって検索結果として出現する適合文書の増加の利点が大きいと判断し、出力リストに加える。

ステップ２０７） 上記の手順を地名階層がなくなるまで、あるいは、途中で曖昧、かつ、知名度が低いと判定されるまで繰り返し、上記の手順を下位省略地名展開部１２０より得られた地名リストの全てについて行った結果、得られた出力リストを検索部１４０に出力する。

ステップ４） 検索部１４０は、従来から存在する既存のキーワードを入力とする文書検索装置（図示せず）を用いて、上位省略地名展開部１３０によって得られた出力リストと、装置へ入力されたキーワードのうち、キーワードを含み、かつ、出力リスト中の地名の少なくとも一つ含むような文書を検索する。

なお、上記の図１の構成要素の動作をプログラムとして構築し、文書検索装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１０１ 地名知名度データベース
１０２ 地名語辞書
１１０ 正規地名取得部
１２０ 下位省略地名展開部
１３０ 上位省略地名展開部
１４０ 検索部

Claims (5)

1. 地名として適したものを検索するための文書検索装置であって、
   地名と広い地域ほど値が大きく狭い地域ほど値が小さくなるような該地名の知名度を示した地名知名度記憶手段と、
   地名と該地名を構成する階層を格納した地名記憶手段と、
   入力された都道府県名から丁目番地までを含む正規地名に基づいて前記地名記憶手段を参照して、該正規地名の階層表現を取得し、該階層表現の下位の地名の知名度を前記地名知名度記憶手段から取得し、所定の閾値以下の知名度の地名を除き、該正規地名の上位の階層を省略しても一意であれば該上位の階層の地名部分を省略し、上位の階層の地名部分を省略した地名の知名度が、他の地名の知名度の和よりも大きければその地名を検索対象として抽出する地名抽出手段と、
   入力されたキーワードを含み、前記地名抽出手段で抽出された地名を少なくとも一つ含むような文書を検索する検索手段と、
   を有することを特徴とする文書検索装置。
2. 前記地名抽出手段は、
   入力された座標または地理範囲から、対応する都道府県名から丁目番地までを含む正規地名を取得する正規地名取得手段と、
   前記正規地名に基づいて前記地名記憶手段を参照し、該地名の階層を取得し、最下位の階層を除いた地名に基づいて前記地名知名度記憶手段を参照し、該地名に対応する知名度が所定の閾値未満であるかを判定する処理を、該地名に階層がなくなるまで、または、閾値以上になるまで繰り返し、その時点における地名を候補リストに追加する下位省略地名展開手段と、
   前記地名記憶手段に、前記候補リストの地名の最上位の階層を除いた地名Ａを含む地名がない場合は、該地名Ａを該出力リストに加え、ある場合は、曖昧さがあると判断し、該地名Ａについて最上位階層から記述した語の知名度ａと、それ以外の語の知名度ｂを取得し、該知名度ｂの和が該知名度ａより小さければ該地名Ａを検索語として出力リストに追加する処理を、地名階層がなくなるまで、または、曖昧さがあり、該知名度ｂの和が該知名度ａ以上となるまで、該候補リストの地名全てに対して繰り返し、該出力リストを出力する上位省略地名展開手段と、
   を含む請求項１記載の文書検索装置。
3. 地名として適したものを検索するための文書検索方法であって、
   地名と広い地域ほど値が大きく狭い地域ほど値が小さくなるような該地名の知名度を示した地名知名度記憶手段と、
   地名と該地名を構成する階層を格納した地名記憶手段と、を有する装置において、
   地名抽出手段が、入力された都道府県名から丁目番地までを含む正規地名に基づいて前記地名記憶手段を参照して、該正規地名の階層表現を取得し、該階層表現の下位の地名の知名度を前記地名知名度記憶手段から取得し、所定の閾値以下の知名度の地名を除き、該正規地名の上位の階層を省略しても一意であれば該上位の階層の地名部分を省略し、上位の階層の地名部分を省略した地名の知名度が、他の地名の知名度の和よりも大きければその地名を検索対象として抽出する地名抽出ステップと、
   検索手段が、入力されたキーワードを含み、前記地名抽出ステップで抽出された地名を少なくとも一つ含むような文書を検索する検索ステップと、
   を行うことを特徴とする文書検索方法。
4. 前記地名抽出ステップにおいて、
   正規地名取得手段が、入力された座標または地理範囲から、対応する都道府県名から丁目番地までを含む正規地名を取得する正規地名取得ステップと、
   下位省略地名展開手段が、前記正規地名に基づいて前記地名記憶手段を参照し、該地名の階層を取得し、最下位の階層を除いた地名に基づいて前記地名知名度記憶手段を参照し、該地名に対応する知名度が所定の閾値未満であるかを判定する処理を、該地名に階層がなくなるまで、または、閾値以上になるまで繰り返し、その時点における地名を候補リストに追加する下位省略地名展開ステップと、
   上位省略地名展開手段が、前記地名記憶手段に、前記候補リストの地名の最上位の階層を除いた地名Ａを含む地名がない場合は、該地名Ａを該出力リストに加え、ある場合は、曖昧さがあると判断し、該地名Ａについて最上位階層から記述した語の知名度ａと、それ以外の語の知名度ｂを取得し、該知名度ｂの和が該知名度ａより小さければ該地名Ａを検索語として出力リストに追加する処理を、地名階層がなくなるまで、または、曖昧さがあり、該知名度ｂの和が該知名度ａ以上となるまで、該候補リストの地名全てに対して繰り返し、該出力リストを出力する上位省略地名展開ステップと、
   を含む請求項３記載の文書検索方法。
5. コンピュータを、
   請求項１または２に記載の文書検索装置の各手段として機能させるための文書検索プログラム。

Images