JPH03116377A

JPH03116377A - 情報検索装置

Info

Publication number: JPH03116377A
Application number: JP1254578A
Authority: JP
Inventors: Shiyou Imasato; 詔今郷
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1989-09-29
Filing date: 1989-09-29
Publication date: 1991-05-17
Anticipated expiration: 2014-03-24
Also published as: JP2872706B2

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、文書や画像などの情報をフリー・キーワード
と対応付けて蓄積させておき、フリー・キーワードの入
力により対応する情報を取り出すようなキーワード・マ
ツチング方式の情報検索装置に関する。

従来の技術大量の情報から希望する情報を検索する場合、予め個々
の情報に対してキーワードを付けて蓄積しておき、検索
時にキーワードを入力し、これにマツチングするキーワ
ードを持つ情報を出力する、というのが−膜内である。

この方式はキーワードの与え方により２通りに分けられ
る。一つは、統制キーワード方式と称され、利用できる
キーワードを限定しておく方式である。もう一つは、フ
リー・キーワード方式と称され、利用できるキーワード
を限定しない方式である。両者には長所・短所が各々あ
るが、フリー・キーワード方式には入力したキーワード
と情報に付けられているキーワ−ドとのマツチングの問
題がある。

例えば、「公開特許情報」というキーワードが情報に付
けられていて、利用者が表記の異なる「公開特許」とい
うキーワードを入力した場合を考える。この場合、単純
に２つのキーワードが一致するかどうかを調べるだけで
はマツチングするとは判定できない。この問題を解決す
るために、従来、例えば「新聞記事データベースにおけ
るキーワード自動抽出」　（情報管理Ｖｏ１．３２　　
徹４゜Ｊｕｌｙ　　１９８９）に示される方法がある。

この方法では、まず、登録すべきキーワードを単語に分
割し、隣合った複数の単語を組合せて新しい語を作成し
、それを登録する。例えば、あるキーワードがＡ、Ｂ、
Ｃ，Ｄの４つの単語からなっている場合、登録する語は
、ＡＢＣＤ　（即ち、そのキーワード自身）。

ＡＢＣ，ＢＣＤ、ＡＢ、ＢＣ，ＣＤ、Ａ、Ｂ。

Ｃ，Ｄの１０個となる。具体的に、「公開特許情報」をキーワ
ードとする場合は、「公開特許情報」　「公開特許」　
「特許情報」　ｒ公開」　「特許」　ｒ情報」の６語を
登録する。こうしておけば、利用者が「公開特許」と検
索条件を指定してもマツチングをとることができる。

発明が解決しようとする課題ところが、このような方法によっても、キーワードとし
て与えられた語に含まれない単語を含む語を利用者が指
定した場合にはマツチングをとることができない。例え
ば、「音声合成」というキーワードが登録されている文
書に対して、「音声合成システム」という検索条件を入
力した場合を考える。文書に登録されているのは「音声
合成ｊ「音声」　「合成」の３語であり、「音声合成シ
ステム」に一致する語は登録されていない。従って、利
用者はこの文書を検索することができない。

このような場合、利用者のためには検索できたほうが望
ましいといえる。しかし、この場合でも、「音声合成シ
ステム」というキーワードが登録されている文書のほう
が、「音声合成」というキーワードが登録されている文
書よりも利用者の検索要求に近いと考えられることから
、検索要求に対する一致の度合いを表現するような指標
が必要といえる。

課題を解決するための手段各々の単語にキーワードとしての重要性を表現する重み
値を付加して各単語を格納した単語辞書と、複合語によ
るキーワードを個々の構成単語に分割する複合語分割手
段と、２つのキーワードの一致度を双方の構成単語の数
、各構成単語の重み値及び一致する構成単語の数と位置
と順序の情報に基づいて算出する一致度算出手段と、所
定の閾値以上の一致度を持つキーワード同士をマツチン
グすると判定するマツチング判定手段とにより構成した
。

作用２つのキーワード双方の構成単語の数、各構成単語のキ
ーワードとしての重要性を表現した重み値及び一致する
構成単語の数と位置と順序の情報に基づいて算出された
キーワード間の一致度により両者がマツチングするか判
定するので、文書に付けられているキーワードと検索要
求のキーワードとが全く同じ表記でなくても、特に、文
書に付けられたキーワードには含まれていない単語を含
む検索要求のキーワードであっても、一致単語の位置や
順序の他、単語のキーワードとしての重要性も考慮され
ているので、柔軟にして適切なマツチング判定が可能と
なる。よって、利用者は自分の検索したい語を検索要求
のキーワードとして入力するだけで済み、同じような語
をいくつも入力したり、ワイルド・カード文字を使った
りする必要のないものとなる。また、上記各情報に基づ
いて一致度を算出しているので、検索結果を一致度順に
並べて利用者に提示することも可能となる。

実施例本発明の一実施例を図面に基づいて説明する。

本システムは、第１図に示すように、単語辞書ｌと、こ
の単語辞書１を用いて複合語を個々の構成単語に分割す
る複合語分割手段２と、分割結果を用いて２つのキーワ
ード間の一致度を後述するように算出する一致度算出手
段３と、算出された一致度を予め設定された所定の閾値
と比較してマツチングするか否かを判定するマツ、チン
グ判定手段４とよりなる。

まず、単語辞書１はキーワードとなり得る単語を格納し
た辞書であり、第２図に示すように各単語に対して表記
、品詞とともに重み値が記録されている。品詞には、名
詞、接頭辞、接尾辞の３種類がある。接頭辞は単独で用
いられることがなく必ず名詞か接頭辞が後続する。接尾
辞も単独で用いられることがなく、必ず名詞か接尾辞に
後続する。

重み値は、その単語が複合語中に出現したとき、その単
語の存在が複合語全体の意味にどの程度影響を与えるか
、即ち、キーワードとしての重要性を数値で表したもの
で、「１」と「０」との間の値、具体的にはｒｌＪ　　
ｒｏ、５Ｊ　　ｒｏＪなる３段階の数値をとる。重み値
＝「１」はその単語が大きな影響を与えることを表し、
通常の名詞に付与される。重み値＝「Ｏ」はその単語が
あってもなくても複合語全体の意味は全く変らず影響の
小さいことを表す。接辞もあまり重要性を持たないため
、重み値は中間のｒｏ、５Ｊとされている。また、この
ような重み値は、その単語の複合語内での出現位置によ
り重み値１２重み値２の２種類が設定されている。重み
値２はその単語が複合語の末尾に出現した場合の重要性
を示すもので、重み値ｌは複合語内で末尾以外の位置に
出現した場合の重要性を示すものである。例えば、「情
報」の場合、名詞であり、通常は重み値＝「ｌ」である
が（重み値１の欄が該当する）、複合語の末尾に出現す
ると、重み値２の欄に示すように重み値；「０．５」に
重要性が減じられる。これは、例えば「映画情報」など
という場合は、「情報収集」などという語に比べて、「
情報」という単語が付加的な色合いが濃く、その存在が
複合語全体の意味に影響を与える度合いが少ないことを
反映したものであり、より適切な一致度算出に供される
。

次に、検索要求に含まれるキーワードなる複合語を複合
語分割手段２により単語単位に分割する。

この場合、分割すべき複合語の制限として、■　複合語
の先頭は名詞が接頭辞である■　複合語の末尾は名詞が
接尾辞である■　接頭辞の直後には接尾辞が続かないと
いう規則がある。分割パターンが複数ある場合は、構成
単語数が最少となる分割パターンが採用される。また、
分割の際には、単語辞書１に記録されている重み値を複
合語内での単語の出現位置によって各単語に付与してお
く。

一致度算出手段３では、複合語分割手段２による分割結
果及び単語辞書ｌがら取出された重み値を用いて、２つ
のキーワードの一致度を算出する。

この場合、双方の構成単語の数、各々の構成単語の重み
値及び一致する構成単語の数と位置と順序の情報に基づ
いて算出される。２つのキーワードが完全に一致する場
合の一致度を「ｌ」、全く一致しない場合の一致度をｒ
ＱＪとする。

今、文書に付けられているキーワードをＫＷ検索要求に
現れるキーワードをＫＷ、とする。また、キーワードＫ
Ｗ、はｍ個の単語から構成され、キーワードＫＷ、はｎ
個の単語から構成されているとする。ｉを単語の順序（
キーワードの末尾の単語を１番目として先頭側に数える
）、キーワードＫＷ、の単語をＷｌｌ、キーワードＫＷ
、の単語をＷ、、とすると、各々のキーワードは次のよ
うに表せる。

Ｋ　Ｗ＋　　＝（Ｊ　＋ｍ＋　Ｗ’＋　＋、、−１１＋
　　”’　＋　ｗ＋　ｔ　ｒ　Ｖ”＋　＋　）Ｋ　Ｗｅ
　＝　（Ｗ＊ｎ＋　Ｗｍ　ｆ−１１＋　”’＋　Ｗ＊＊
＋　Ｗ＋＋　）また、キーワードＫＷ、の単語Ｗ１．の
重み値をα１□とし、キーワードＫＷ、の単Ｉ　Ｗ　ｔ
　＋の重み値をα、とする。

次に、各々の単語を比較し、互いに一致する単語の組の
数を数え、その数をＣとする。ついで、一致した単語の
組の中で順位の逆転がないがどうかをチエツクする。順
位の逆転とは、Ｗｌ、とｗ、ｐ％Ｗ１．とＷ、、が各々
一致したとすると、ａ　）　ｂ、がっ、ｐ＜ｑ、又はａ
　（ｂ、かつ、ｐ＞ｑとなる場合である。順位の逆転が
あれば一致度をｒＱＪとし、以降の処理は行わない。順
位の逆転がなければ、次式により一致度を計算する。

Σ　α１ Σ　αまただし、ｊは互いに一致する単語の位置を表す。

例えば、キーワードＫＷ、　が「音声合成」、キーワー
ドＫＷ、が「音声合成システム」の場合の一致度を計算
する。ｍ＝２、ｎ＝３である。また、単語辞書１から、
「音声」と「合成」の重み値は何れも「１」、「システ
ム」は複合語の末尾にあり重み値がｒｏ、５Ｊであるこ
とが分かる。互いに一致する単語は、「音声」と「合成
」であるので、Ｗ、、とＷ　ｌ　ｌ、Ｗｌ、とＷ、とが
一致することになり、順位の逆転もない。従って、一致
度は、上式より、　（１＋１）／　（１＋１＋０．５）
＝０゜８となる。

マツチング判定手段４では一致度算出手段３により算出
された一致度が、ある一つのキーワードに対して予め定
められた閾値を越えると、もう一つのキーワードがマツ
チングすると判定する。例えば、一致度が０．７以上で
あればマツチすると判定するもので、上側のような「音
声合成システム」の場合もｒ音声合成Ｊにマツチすると
いう判定結果となる。

一致度の算出、閾値との比較・判定は全ての文書につい
て同様に行われる。最後に、マツチングした文書が、そ
の一致度の高い順に並べられ、利用者に提示される。

第３図はこのような処理の流れを示すフローチャートで
ある。

発明の効果本発明は、上述したように構成し、２つのキーワード双
方の構成単語の数、各構成単語のキーワードとしての重
要性を表現した重み値及び一致する構成単語の数と位置
と順序の情報に基づいて算出されたキーワード間の一致
度により両者がマツチングするか判定するようにしたの
で、文書に付けられているキーワードと検索要求のキー
ワードとが全く同じ表記でなくても、特に、文書に付け
られたキーワードには含まれていない単語を含む検索要
求のキーワードであっても、一致単語の位置や順序の他
、単語のキーワードとしての重要性の考慮により、柔軟
にして適切なマツチング判定が可能となり、よって、利
用者は自分の検索したい語を入力するだけで済み、同じ
ような語をいくつも入力したり、ワイルド・カード文字
を使ったりするという煩わしさを要しないものとなり、
さらには、マツチング結果を一致度という数値で表現で
きるので、検索結果を一政変順に並べて利用者に分かり
やすく提示することも可能となるものである。

【図面の簡単な説明】

図面は本発明の一実施例を示し、第１図はブロック図、
第２図は単語辞書の構成図、第３図はフローチャートで
ある。

Claims

【特許請求の範囲】

各々の単語にキーワードとしての重要性を表現する重み
値を付加して各単語を格納した単語辞書と、複合語によ
るキーワードを個々の構成単語に分割する複合語分割手
段と、２つのキーワードの一致度を双方の構成単語の数
、各構成単語の重み値及び一致する構成単語の数と位置
と順序の情報に基づいて算出する一致度算出手段と、所
定の閾値以上の一致度を持つキーワード同士をマッチン
グすると判定するマッチング判定手段とよりなることを
特徴とする情報検索装置。