JPH02247778A - データベースのデータ検索方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、複数の記憶データ、例えば、画像データをキ
ーワード検索するデータベースのデータ検索方法に関す
る。

［発明の概要］ 本発明は、キーワード検索により得られるデータのキー
ワード列が類似していることに着目し、キーワード検索
結果の中の１つのデータとして、これに類似したデータ
をキーワード検索結果の中からモデル検索し、そのモデ
ル検索により得られたデータ相互のキーワード列の距離
計算を行って、データ全体を、キーワード列が特に類似
するデータ群に自動的に分類する。さらには、分類され
たデータ群のキーワード列とキーデータのキーワード列
との距離計算を実行し、距離計算結果、すなわち、類似
度に応じて優先順を定めるようにしたので、従来では必
要でありた人間による検索結果の分類処理が不要となる
。さらには、優先順毎に上記データ群のキーワード列を
文字の画像形態で出力するようにしたので、検索者は自
動分類の基になったキーワードを確認することができ、
次回のキーワード検索に用いることができる。

［従来の技術］ 従来、放送などにおいて広い分野の多種類の画像を記憶
しておく画像データベースのための検索方式としては、
−船釣にキーワード検索方式が知られている。その他、
データベースに記憶されたデータの中から検索の手がか
りとなるデータと類似するデータを検索するベクトル型
検索モデルによる検索方式も知られている。

上記キーワード検索方式では、１枚の画像を記憶する時
に、その内容に対応した複数の言葉、すなわち、キーワ
ードを画像データに付加し、索引付けしておく０次に、
このキーワードを手がかりにデータベースの中に記憶さ
れた複数の画像データの中から必要な画像データを検索
する。このようなキーワード検索方式は一元的な画像デ
ータの分類に比べ画像に対する表現力が大きく、１枚の
画像に対しても多くの見方ができる多様な画像を扱うデ
ータベースに適している。

上記ベクトル型検索モデルによる検索方式は、文献検索
を行うデータベースシステムに適用されることが多い。

この方式ではデータベースシステムに記憶する各データ
に、キーワードを付与すると共にそのデータに付与され
たキーワードのそれぞれに重み付けを行う。次に、検索
の手がかりをキーワードの重みを要素とするベクトルで
表し、検索に際しては検索の手がかりとなるベクトルと
、データベースの中の各データのキーワードの重みを要
素とするベクトルとの間の類似度を計算し、次に、計算
された各データに対応する類似度をそのデータの検索質
問に対する適合度として表わす。この適合度の大きさの
順に検索結果を出力する。このように検索結果を検索質
問との適合度でランクづけることにより、効率的な検索
が可能となる。

［発明が解決しようとする課題］ しかしながら、キーワード検索方式では、該当するキー
ワードを有するデータ全てを出力するので、検索結果の
個数を所定量に限定したいときには、その、検索の意図
をキーワードの論理的な組合せで適確に表現する必要が
ある。さらに、検索の際に使用可能なキーワード個数が
限定されるときなど、適確な表現を得るためにはキーワ
ードの論理的な組合せを変えて検索操作を繰り返す検索
試行が必要になる。加えて検索者がキーワードに対する
知識が不足している場合には、この検索試行の効率が非
常に悪くなる欠点が従来のキーワード検索方式の画像検
索方法にはありた。

一方、ベクトル型検索モデルによる検索方式を画像デー
タベースに対して適用すれば、上記キーワード検索によ
る検索試行の課程で得られた中間的な検索結果に含まれ
る画像の中で、もフとも検索の意図に近い画像のキーワ
ード列を用いてこのキーワード列に類似した画像を検索
する。このため、検索試行の効率を上げることができる
。しかし、放送局などで撮影画像を記憶し、後に画像検
索を行う場合、ベクトル型検索モデルによる検索方式を
用いても、検索結果として得られる類似画像は非常に多
数であり、かつ、それらの画像にも多くの種類が含まれ
ている。

具体的には検索された各画像は、重みの高いキーワード
は一致しているが、重みの低いキーワードは異なってい
ることが多い。このため類似度の順序による検索結果の
整理方法だけでは検索を十分に整理しきれないという欠
点があった。このため、ベクトル型検索モデルによる検
索方法では、検索結果が把握しにくくなり、逆に、検索
試行の効率が低下するという問題が生じていた。

そこで、本発明の目的は、このような不具合を解消し、
ベクトル型検索モデルにより検索された検索結果を、分
類し、その分類結果について優先順位を定めることが可
能なデータベースのデータ検索方法を提供することにあ
る。

［課題を解決するための手段］ このような目的を達成するために、本発明の第１形態は
予め記憶された複数のデータをキーワード検索し、当該
キーワード検索により得られる検索結果の中の１つのデ
ータをキーデータとして選択し、検索結果の中からキー
データのキーワード列と類似するデータをモデル検索す
るデータベースのデータ検索方法であって、当該モデル
検索により得られた各データ相互のキーワード列につい
ての距離計算を実行し、当該距離計算の結果が所定値以
下となるデータを統合することにより複数の第１のデー
タ群を作成し、当該作成された複数の第１データ群相互
のキーワード列についての距離計算を実行し、当該距離
計算の結果が所定値以下となる第１データ群を統合する
ことにより複数の第２データ群を作成して、モデル検索
により得られたデータを複数の第２データ群に分類し、
当該分類された複数の第２データ群の各々のキーワード
列とキーデータのキーワード列との距離計算を実行し、
当該距離計算の結果に応じて分類された複数のデータ群
の優先順位を定めることを特徴とする。

本発明の第２形態は複数の第２データ群の各々に含まれ
るキーワード列を、文字を表わす画像の形態で優先順位
に従って出力することを特徴とする。

は、優先順毎に上記データ群のキーワード列を文字の画
像形態で出力するようにしたので、検索者は自動分類の
基になったキーワードを確認することができ、次回のキ
ーワード検索に用いることができる。

［作　用］ 本発明は、キーワード検索により得られるデータのキー
ワード列が類似していることに着目し、キーワード検索
結果の中の１つのデータをキーデータとして、これに類
似したデータをキーワード検索結果の中からモデル検索
し、そのモデル検索により得られたデータ相互のキーワ
ード列の距離計算を行って、データ全体を、キーワード
列が特に類似するデータ群に自動的に分類する。さらに
は、分類されたデータ群のキーワード列とキーデータの
キーワード列との距離計算を実行し、距離計算結果、す
なわち、類似度に応じて優先順を定めるようにしたので
、従来では必要であった人間による検索結果の分類処理
が不要となる。さらに［実施例］ 以下、図面を参照して本発明の実施例を詳細に説明する
。

本発明の説明に先立って、本発明を適用した画像検索シ
ステムのシステム構成を、第２図を参照して説明する。

第２図において、画像検索システムは、ホストコンピュ
ータ１．キーワード検索部２．類似画像検索部３．フレ
ームメモリ４１画像表示装置５゜記憶装置６．および画
像分類部１１により主に構成されている。

次に、上述の構成各部の機能について説明する。

ホストコンピュータ１は各構成部を動作制御すると共に
、画像検索結果および画像検索結果の分類結果をフレー
ムメモリ４を介して画像表示装置５に表示する。

キーワード検索部２は、記憶装置６に格納された画像デ
ータを、キーワードを基に検索して、キーワードが合致
する画像データを抽出する。

類似画像検索部３は、検索の基（キー）となる画像デー
タのキーワード列と各画像データに付与されたキーワー
ド列との距離計算を行い、しきい値以下となる画像デー
タを抽出する。

フレームメモリ４は画像表示装置５に表示すべき情報、
例えば、検索された画像データおよび後述の分類各文字
列を優先順に記憶する。

記憶装置６には画像キーワード番号行列ファイル（ＰＫ
行列ファイルと呼する）８．キーワードファイル９およ
び画像データファイルｌＯを記憶する領域が設けられて
いる。

画像キーワード番号行列ファイル８は、第３図に示すよ
うに、記憶画像データの画像番号毎に、その画像データ
に予め付与されたキーワード番号が記憶されている。

キーワードファイル９には、第４図に示すように検索に
用いられるキーワードとなる文字列とその番号およびそ
のキーワードの重みを示す数値が記憶されている。

画像データファイル１０には画像番号と共に、例えば、
１画面分の画像データが格納されている。

本発明に関わる画像分類部１１は、キーワード検索部２
および類似画像検索部３により検索された複数の検索結
果を後述の手熔を用いて自動的に分類する。

第１図は第２図に示す画像分類部１１の回路構成を示す
。

第１図において、画像分類部１１は入力バッファ１２、
初期分類回路１３１分類統合回路１５２分類順位決定回
路１７０分類名生成回路１９１画像ベクトル生成回路２
１．分類ベクトル生成回・路２２およびベクトル距離計
算回路２３によフて構成される。この内、初期分類回路
１３９分類統合回路１５１分類順位決定回路１７は内部
バス２４を介して画像ベクトル生成回路２１３分類ベク
トル生成回路２２．ベクトル距離計算回路２３に接続し
ている。画像ベクトル生成回路２１、分類ベクトル生成
回路２２．ベクトル距離計算回路２３１分類名生成回路
１９は、バス７を介して記憶装置６と接続し、記憶装置
６に格納された画像キーワード番号行列ファイル８．キ
ーワードファイル９の記憶データを参照して後述の処理
を行う。

なお、上述の回路１３．１５．１７．１９．２１．２２
．２３はそれぞれ、演算プロセッサや論理演算回路を用
いればよい。

第１図に示す画像分類部１１の回路動作を説明する。

類似画像検索部３により、例えば、画像番号”２−　　
　”５　　　７″　　９”　　　”１５”“２３”、”
２４″、“３１”、′３３”の計９つの類似画像番号が
検索結果として得られ、入力バッファＩ２には第５図に
示すように、検索結果の個数“９”および類似画像番号
（以下、類似画像番号配列２７と呼する）が格納される
。

次に、初期分類回路１３は、第６図に示す以下の制御手
順を実行して、人力バッファＩ２に記憶された類似画像
番号配列２７を初期分類する。

ステップ５１０）　　入力バッファ１２から類似画像番
号配列２７を読取ると共に、距離し きい値ｄｔｈを類似画像検索部３か ら受信する。この距離しきい値 ｄｔｈは、類似画像検索部３におい て実行された類似画像番号の抽出 に用いられた距離しきい値であ り、本実施例では数値０．６を用い る。

ステップ５１１）　　分類しきい値Ｃｔｈを距離しきい
値ｄｔｈから次式に従って求める。

Ｃｔｈ　”　ｕ　Ｘ　ｄｔｈ　　−（１）ここで、μは
Ｏ≦μ≦１　の予 め定めた定数で例えば、μ＝　０．５５とする。

ステップＳ　１２）　　類似画像番号配列２７に含まれ
る画像番号に対応する各画像どうし の距離を画像距離計算回路１４によ り計算し、類似画像間距離行列り を求める。

このために、画像距離計算回路 １４はベクトル距離計算回路２３に類 似画像番号配列２７を送り、下記 （２）式の計算を実行させる。

ｄＡａ−１−ＷＡａ／　（ＷＡＡ　Ｘ　Ｗａａ）　’・
５　・・・（２）ｄＡＢ：ベクトルＡ、Ｂ間の距離 ＷＡＩＩ：Ａ、　　Ｂに共通に含まれるキーワード要素
に対応する重み要 素の自乗和 ｗＡＡ；Ａの重み要素の自乗和 Ｗ、１．、：Ｂの重み要素の自乗和 ここで、ベクトルＡ、Ｂには、 画像ベクトル（第８図参照）が用 いられる。画像ベクトルは各画像 番号の画像が有するキーワード要 素および重み要素により構成され る。

画像ベクトル生成回路２１では、 類似画像番号配列２７の中の２つの 画像番号を選択し、その画像番号 を基にＰＫ行列ファイル８および キーワードファイル９から画像番 号と対応するキーワード要素およ び重み要素を読み出して画像ベク トルを生成する。

次に、画像ベクトル生成回路２１により作成されたベク
トルＡ、Ｂを用いて上記（１）式の計算がベクトル距離
計算回路２３により行われる。続いてベクトル距離計算
回路２３は、類似画像番号配列２７の中の画像番号の組
み合せを変えて、上述と同様の手順で画像相互の距離を
計算する。

このようにして得られた各距離計算結果ｄｌＪが類似画
像距離行列りの要素となる。

ステップＳ　１３）　　類似画像距離間行列ｐの各要素
ｄｌＪをステップＳｌｌにおいて算出 された分類しきい値Ｃｔｈと比較 ステップ５１４） し、その比較結果ｒｌｊを要素とし た類似画像間関連行列Ｒを求め る。ここで、 ｄ目＞Ｃｔｈの時　ｒｌｌ　−０ ｄｌＪ≦Ｃｔｈの時　ｒｌＪ　−１・・・（３）類似画
像間関連行列Ｒのグラフ 表現の極大完全部分グラフに対応 した類似画像番号の部分集合ＣＩ。

・＋＋、に、を、例えば、Ｃ，ＢｒｏｎとＪ、Ｋｅｒｂ
ｏｓｃｈによる文献Ｃｏｍｍｕｎｉ−ｃａｔｉｏｎｓ　
ｏｆ　ＡＣＭ、Ｖｏｌ、１６．Ｎｏ、９（１９７３）　
ｐ、５７７のアルゴリズムに従って求める６本実施例で
は同じ 部分集合に含まれる画像間に対応 した類似画像間関連行列Ｒの要素 ｒｌＪがすべて“１”になる、すな わち、類似している画像の画像番 号の部分集合を抽出する。

上記部分集合ＣＩ、・・・、ＣＭから第９図に示すよう
な各部分集合に含 まれる画像番号を要素とする分類 画像番号配列２８を生成し、分類統 合回路１５へ入力する。以上の計算 課程で得られる各行列の一例を第 ７図に示す。

分類統合回路１５では、第１０図に示す制御手順を実行
し、以下に説明するステップ３２１〜ステツプＳ２４の
処理により部分集合ＣＩ、・・・、ＣＮの統合を行う。

すなわち、 ステップ５２０）　　距離しきい値ｄｔｈおよび分類番
号配列２８を入力する。

分類しきい値Ｃｔｈを、距離しき い値ｄｔｈを用いて（１）式に従って 求める。

ステップ５２２）　　分類画像番号配列２８に含まれる
分類どうしの距離と分類ベクトル を分類距離計算回路１６（第１図参 照）によって計算する。具体的に は、分類距離計算回路１６は、分類 ステップＳ　２１） ベクトル生成回路２２へ分類画像番 号配列２８の各分類に属する画像の 画像番号を送り、分類ベクトル生 成回路２２に分類ベクトルを生成さ せる。第１２図に具体例を示す分類 ベクトルはその分類に含まれる画 像番号と対応した画像ベクトルの 和である。分類ベクトル生成回路 ２２の指示する画像番号に基いて画 像ベクトル生成回路２１により画像 ベクトルを生成した後、生成され た画像ベクトルに基き、分類ベク トルを生成する（第１１図参照）。

分類毎に生成された分類ペクト ルの集合を分類ベクトル配列３０ と称する。分類距離計算回路１６は 生成された分類ベクトルを順次ベ クトル距離計算回路２３へ送り、分 類ベクトル相互の距離計算を指示 する、この指示に応じて、ペクト ル距離計算回路２３では画像ベクト ルの距離計算（ステップ５１２）の ときと同様に（２）式により分類ベ クトル相互の距離計算を行う。次 に、計算結果の中の最小値Ｃｄｍ１ｎ を抽出し、この最小値Ｃｄｍ１ｎを与 える分類番号の組（ｃ、　Ｃ２）を検 出する。

ステップ５２３）　　次に分類距離の最小値Ｃｄ１ｎと
しきい値Ｃｔｈを比較する。

Ｃ（Ｌｌ’ｎ≧Ｃｔｈのとき、 分類同士の類似度は低い、すなわ ち、分類処理が終了したと判断 し、分類画像番号配列２８を分類画 像番号配列２９（第１４図参照）とし て、分類ベクトル配列３０とともに 分類順位決定回路１７へ入力す る。

なお、第１４図は分類画像配列配 列２９の構成内容を示し、第１４図に ステップ５２４） おいて符号２９−１は分類番号、符号 ２９−２は分類画像番号配列２９に含まわる画像数を示
す。符号２９−３は分 類画像番号配列２９に含まれる画像 番号を示す。

ｃｄｌｒｌ＜ｃｔｈのとき、 次のステップＳ２４へ進む。

分類画像番号配列２８の中の分類 番号ｃｌ＋　Ｃ２の分類に属する画像番号集合どうしの
和集合Ｃを求め分 類の統合を行う。次に、分類画像 番号配列２８から分類番号ＣＩ＋　Ｃ２に対応する分類
を削除して分類番号 を更新する。更新後の分類画像番 分配列２８の末尾に先の和集合Ｃを 新たな分類として追加する。この ようにして得られた分類画像配列 を新たな分類画像番号配列２８とし て、ステップＳ２２へ戻り、距離最 小値ｃｄｌＤＩｎｂ＜ｃｔｈよりも太きくなるまで上述
のステップ３２２〜Ｓ２４ の手順を繰り返す。

以上の手順を分類統合回路１５で繰り返すことにより、
初期分類回路で初期的に分類された分類結果の中の類似
する分類結果を統合した分類の画像データ群が自動的に
生成される。分類順位決定回路１７では、分類統合回路
１５から出力の分類ベクトル配列３０の各分類ベクトル
と、キー画像番号２５（不図示）に対応する画像の画像
ベクトルの距離を画像分類距離計算回路１８によって計
算する。すなわち、画像分類距離計算回路１８は、キー
画像番号２５を画像ベクトル生成回路２１へ送り、キー
画像番号２５の画像ベクトルを得て、この画像ベクトル
と分類ベクトル配列３０の分類ベクトルを順次ベクトル
距離計算回路２３へ送り、キー画像と各分類に対応する
分類ベクトルとの距離を求める。

次に、距離の小さい分類はど優先順位が高いと考え、こ
の優先順に分類画像番号配列２９１分類ベクトル配列３
０の分類を分類順位決定回路１７で並べ換える。並び換
え結果は、それぞれ分類画像番号配列３１（第１５図参
照）１分類ベクトル配列３２（第１６図参照）として出
力される。

なお、第１５図は分類画像番号配列３１の構成内容を示
し、第１５図において符号３１−１は分類番号、符号３
１−２は画像番号の画像数、符号３１−３は分類画像配
列３１に含まれる画像番号を示す。

第１６図は分類ベクトル配列３２の構成内容を示し、第
１６図において、符号３２−１は分類番号、符号３２−
２は要素の個数を示す、符号３２−３は分類ベクトル配
列３２に含まれるキーワード番号、符号３２−３はキー
ワード番号の重みを示す。

分類名生成回路１９は、分類順位決定回路１７からの分
類ベクトル配列３２を入力する０次に分類名生成回路１
９は分類ベクトル配列３２の各部類に対応した分類ベク
トルの重み要素の内でもっと大きいもののｆ　／　ｎ以
上の大きさで、かつ、最も大きいものからｍ番目までの
重みを持つ要素を選択する。

次に分類名生成回路１９は選択した要素に対応するキー
ワード要素のキーワード番号のキーワード文字列を記憶
装置６内のキーワードファイル９からバス７を介して読
み出し、キーワード文字列を分類毎に集めた分類名キー
ワードの各文字を表わす画像を配列した文字列配列３３
（第１７図参照）として出力する。ここでｎ、ｍは整数
の定数で、例えばｎ＝＋２．ｍ＝３とする。

なお、第１７図は分類名キーワード文字列配列３３の内
容の一例を示し、第１７図において符号３３−１は分類
番号、符号３３−２は要素、符号３３−３は要素を構成
するキーワード列を示す。

［発明の効果］ 本発明は、キーワード検索により得られるデータのキー
ワード列が類似していることに着目し、キーワード検索
結果の中の１つのデータをキーデータとして、これに類
似したデータをキーワード検索結果の中からモデル検索
し、そのモデル検索により得られたデータ相互のキーワ
ード列の距離計算を行って、データ全体を、キーワード
列が特に類似するデータ群に自動的に分類する。さらに
は、分類されたデータ群のキーワード列とキーデータの
キーワード列との距離計算を実行し、距離計算結果、す
なわち、類似度に応じて優先順を定めるようにしたので
、従来では必要であった人間による検索結果の分類処理
が不要となる。さらには、優先順毎に上記データ群のキ
ーワード列を文字の画像形態で出力するようにしたので
、検索者は自動分類の基になったキーワードを確認する
ことができ、次回のキーワード検索に用いることができ
る。

【図面の簡単な説明】

第１図は第２図に示す画像分類部１１の回路構成を示す
ブロック図、 第２図は本発明実施例のシステム構成を示すブロック図
、 第３図は本発明実施例の画像キーワード番号行列ファイ
ル８の内容を示す説明図、 第４図は本発明実施例のキーワードファイル９の内容を
示す説明図、 第５図は本発明実施例の類似画像番号配列２７の内容を
示す説明図、 第６図は第１図に示す初期分類回路１３の処理手順を示
すフローチャート、 第７図は第１図に示す初期分類回路１３の処理内容を示
す説明図、 第８図は本発明実施例の画像ベクトルの内容を示す説明
図、 第９図は本発明実施例の分類画像番号配列２８の内容を
示す説明図、 第１Ｏ図は第１図に示す分類統合回路１５の処理手順を
示すフローチャート、 第１１図は第１図に示す分類ベクトル生成回路２２の分
類ベクトル生成手順を示す説明図、第１２図は本発明実
施例の分類ベクトルの内容を示す説明図、 第１３図は本発明実施例の分類ベクトル配列３０の内容
を示す説明図、 第１４図は本発明実施例の分類画像配列配列２９の内容
を示す説明図、 第１５図は本発明実施例の分類画像番号配列３１の内容
を示す説明図、 第１６図は本発明実施例の分類ベクトル配列３２の内容
を示す説明図、 第１７図は本発明実施例の分類名キーワード文字列配列
３３の内容を示す説明図である。 １・・・ホストコンピュータ、 ３・・・類似画像検索部、 ６・・・記憶装置、 ８・・・画像キーワード番号行列 （ＰＫ行列）ファイル、 ９・・・キーワードファイル、 １０・・・画像データファイル、 １１・・・画像分類部、 １２・・・入力バッファ、 １３・・・初期分類回路、 １５・・・分類統合回路、 １７・・・分類順位決定回路、 １９・・・分類名生成回路、 ２０・・・出力バッファ。 ネ４さ１月′ＬＰ！、Ｉ列の、キ・−フードファイル９
のｎメ４Σホ杉θ月０ 第４図 矛Ｊｄｆｊ月疋施イ列の焚隻似画育に番も西ｔＪ−Ｊ２
７の固有、とホ１説ロ月回 第５図 オＪ５１月笑浸り列のＭＪ１月勺壕隻回路１３の匁り里
＋＋＠とがへ１フローナヂート 第６図 〜 Ｃ １０口 千号Ｃ朗莫杷ブ列の画イ本のベクトル Ｏｒｒ′４容Σ汀・１番光明回 第８図 オミ輌とｅ月１εｂ色牙”ｊつ４た（艷画イ縁１ドも自
乙ゲ°１２８の内至トΣ丁・１説υ月５ｎ 第 図 第 １０図 −一一一、−一ノ ４４５Ｂ月尖方也イ月の橿画有に襦トら曲己ツリ２９の
内容２汀−ｉ　ｉｔ四皿 第１４図 隷朗賎例の分賎画イＭ−１りに月３１の内容５！、汀・
１寥叱り同口 第１５図 オ→ｄ１１月亥方也介・Ｊの有１涜ベクトル曲己グ・１
３２の内容と不１審先日月回第１６図 序ＪｇＦ４亥Ｊも１列の翌４潰石キーフード又茅［」配
列３３０内蓼ｔｆｆ−１説明圀 第１７図

Claims (1)

1. 【特許請求の範囲】 １）予め記憶された複数のデータをキーワード検索し、
   当該キーワード検索により得られる検索結果の中の１つ
   のデータをキーデータとして選択し、前記検索結果の中
   から前記キーデータのキーワード列と類似するデータを
   モデル検索するデータベースのデータ検索方法であって
   、 当該モデル検索により得られた各データ相互のキーワー
   ド列についての距離計算を実行し、当該距離計算の結果
   が所定値以下となるデータを統合することにより複数の
   第１のデータ群を作成し、 当該作成された複数の第１データ群相互のキーワード列
   についての距離計算を実行し、 当該距離計算の結果が所定値以下となる第１データ群を
   統合することにより複数の第２データ群を作成して、前
   記モデル検索により得られたデータを前記複数の第２デ
   ータ群に分類し、 当該分類された複数の第２データ群の各々のキーワード
   列と前記キーデータのキーワード列との距離計算を実行
   し、 当該距離計算の結果に応じて前記分類された複数のデー
   タ群の優先順位を定めることを特徴とするデータベース
   のデータ検索方法。 ２）請求項１に記載のデータベースのデータ検索方法に
   おいて、 前記複数の第２データ群の各々に含まれるキーワード列
   を、文字を表わす画像の形態で前記優先順位に従って出
   力することを特徴とするデータベースのデータ検索方法
   。