JPH03150668A - 検索システムの入力文字列正規化方式 - 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】 ［概要］ 入力文字列をキーワードとしてデータベース等の記録フ
ァイルを検索する検索システムの入力文字列正規化方式
に関し、 正しい綴りでない略称等を用いた入力文字列による検索
が簡単にできることを目的とし、入力文字列から切り出
した単語に対応する正式単語を単語辞書から検索し、正
式単語の組合せにより１又は複数の正規化文字列を作成
してデータ検索させるように構成する。

［産業上の利用分野］ 本発明は、入力文字列をキーワードとしてデータベース
等の記録ファイルを検索する検索システムの入力文字列
正規化方式に関する。

テレックス電文等による相手先会社名等を検索キーワー
ドとして口座番号等の必要なデータをデータベース等の
記録ファイルから取り出す検索システムにあっては、検
索キーワードとして使用される会社名等の入力文字列が
正しく綴られていなければならない。

しかし、検索キーワードとして使用する入力文字列には
往々にして略称が使用され、正式名称に加えて使用が予
測される略称をキーワードとして登録しておくことが考
えられるが、キーワードを増やすことなく略称であって
も正式名称と同様にデータ検索が簡単にできるシステム
が望まれる。

［従来の技術］ 従来、銀行取引等に使用する海外からのテレックス電文
等を自動的に解析して処理するシステムが考えられてい
る。

このような電文自動解析システムにあっては、電文中に
綴られた相手先会社名等を検索キーワードとし、口座番
号等の情報を記録したデータベースを検索し、必要な相
手先データを取り出すようにしている。

［発明が解決しようとする課題］ しかしながら、会社名等の入力文字列を検索キーワード
として使用する検索システムにあっては、相手先会社名
が正式名称の通り入力されてくることはまれであり、電
文骨は取り側の担当者が識別できれば十分であるため、
様々に省略して送られてくる。例えば英単語を省略した
もの、会社名の先頭語の固有名詞部分のみを入力してく
るもの、会社名を構成する単語の先頭文字を拾い出して
並べたもの等、様々である。

更に、日本語を英字表記する場合には、綴り方は１つの
みではなく、例えば「東京」はｒＴＯＫＹｏ　Ｊ又はｒ
ＴＯＫＩＯＪのどちらも使用される。

このような入力文字列の略称や異なる綴りに対しては、
様々な形の略称文字列を考えて登録する必要がある。

しかし、相手先会社名の多様な入力に対応した名前を用
意しておくことには限界があり、想定可能な綴りを全て
登録するには膨大な人的労力を要し、検索辞書が巨大と
なってプログラムの実行領域を圧迫し、更に検索効率も
低下する問題があった。

本発明は、このような従来の問題点に鑑みてなされたも
ので、正しい綴りでない略称等を用いた入力文字列によ
る検索が簡単にできる検索システムの入力文字列正規化
方式を提供することを目的とする。

［課題を解決するための手段］ 第１図は本発明の原理説明図である。

まず本発明は、処理データ格納手段１０からの入力文字
列を検索キーワードとして検索処理手段１２により記録
ファイル１４を検索して対応するデータを出力する検索
システムを対象とする。

このような検索システムにつき本発明にあっては、入力
文字列を構成する略称等に対応する正しい綴りの正式単
語を格納した単語辞書１６と、処理データ格納手段１０
からの入力文字列を単語単位に切り出し、各切り出し単
語毎に単語辞書１６から１又は複数の正式単語を検索し
、該正式単語の組合せによる１又は複数の正規化文字列
を作成して検索手段１２に出力するように構成する。

［作用］ このような構成を備えた本発明による検索システムの入
力文字列正規化方式によれば、略称等の正しい綴りの単
語でない入力文字列であっても、検索前処理として単語
辞書から略称に対応する正式単語を検索し、正式単語の
組合せによる正規化文字列が作り出され、この正規化文
字列をキーワードして検索処理が行われるため、単語単
位で略称や綴りの変化を考えておけば正しい綴りの正式
名称を含む正規化文字列を生成し、データ検索を有効に
行うことができる。

［実施例］ 第２図は本発明の一実施例を示した実施例構成図である
。

第２図において、１０は検索対象データファイルであり
、テレックス、電文等のデータがオンライン処理または
バッジ処理により格納されている。

２０はホスト計算機であり、本発明による文字列正規化
処理部１８の機能と検索処理部１２の機能を有する。ホ
スト計算機２０の文字列正規化処理部１８に対しては単
語辞書ファイル１６が設けられ、また検索処理部１２に
対しては検索データベース１４が設けられる。更にホス
ト計算機２０の検索処理部１２による検索結果はＣＲＴ
１プリンタ等の出力装置２２に出力される。

ホスト計算機２０は検索対象データファイル１０から処
理対象となるテレックス、電文を取り出し、テレックス
、電文に含まれる相手先会社名を表わす入力文字列を文
字列正規化処理部１８に与え、入力文字列に使用されて
いる略称を単語辞書ファイル１６の参照により正しい綴
りの単語に変換した正規化文字列を生成する。

文字列正規化処理部１８での正規化処理に使用される単
語辞書ファイル１６には、入力文字列を構成する略称等
に対応する正しい綴りの正式単語が格納されている。即
ち、テレックス、電文の相手先会社名となる企業名は業
種、扱う商品、地名情報等を表わす語と、固有名詞から
構成されていると考えられる。そこで単語辞書ファイル
１６には企業名を構成する固有名詞以外の語を、その語
の省略形と併せて登録している。例えば正規の綴りｒＢ
ＡＮＫＪに対しては略称としてｒＢＫＪｒＢＮＫＪ　　
ｒＧＩＮＫＯＪ等が使用されることから、各略称単語に
つき正しい綴りの正式単語が検索できるように登録を行
なっている。

文字列正規化処理部１８による正規化処理の概要は次の
通りである。

まず検索対象データファイル１０から得られた入力文字
列を単語単位に区切る単語切り出しを行なう。次に各切
り出し単語等に単語辞書ファイル１６を検索し、対応す
る１または複数の正式単語を検索する。そして最終的に
単語辞書ファイル１６から得られた正式単語の組合せに
より１または複数の正規化文字列を作成して検索処理部
１２に引き渡し、検索処理部１２において正規化文字列
をキーワードとした検索データベース１４の検索処理を
行なわせる。即ち、本発明の文字列正規化処理は検索処
理部１２でキーワードとして使用される相手先会社名等
の入力文字列の前処理として行なわれることになる。

次に第３Ａ、３Ｂ図を参照して第２図の文字列正規化処
理部１８の処理動作を説明する。

第３Ａ図において、まずステップ８１（以下、ステップ
は省略する）において、検索対象データファイル１０か
ら得られた入力文字列をデリミタで分割して入力語群に
セットする。例えば第４図に示すように入力文字列が ｒＮ　Ｉ　ＰＰ０Ｎ　　置　　＋　　置Ｊであったとす
ると、客語のスペースとしてのデミリタで入力文字列を
４つに分割し、客語を入力語群に格納する。

次にＳ２に進み、入力語群数Ｎに入力語群の数をセット
する。第４図の場合は入力語群数Ｎ＝４となる。次に８
３で入力語群数Ｎ＝０、即ち正規化処理が終了したか否
か判定し、最初、入力語群数Ｎ＝４であることから８４
に進む。

Ｓ４にあっては、入力語群の入力語群数Ｎ＝４の位置の
語、例えば第４図の右から４番目の語ｒＮ［ＰＰ０ＮＪ
を検索語にセットし、次に８５で検索語ｒＮＩＰＰＯＮ
Ｊをキーワードとして単語辞書ファイル１６を検索する
。検索語「ＮｌＰＰ０ＮＪは固有名詞であることから、
この実施例にあっては単語辞書ファイル１６には登録さ
れておらず、このためＳ６から８７に進み、検索語ｒＮ
ＩＰＰＯＮＪに対応したデータをそのまま取得し、次の
８８で第５図に示すような単語格納領域の入力語群イン
デックス１の位置にＳ７で取得したデータｒＮＩＰＰＯ
ＮＪを格納する。

続いて、Ｓ９で入力語群数ＮをＮ＝４−１＝３としてＳ
３を経由して再びＳ４に戻り、検索語に入力語群の入力
語群数Ｎ＝３となる位置の語、即ち第４図の右から３番
目の語装置Ｊをセットし、次のＳ５で検索語ｒ置Ｊをキ
ーワードとして単語辞書ファイル１６を検索する。この
単語辞書ファイル１６の検索により検索語「置」につい
ては、正式単語ｒ置ＥＰＨＯＮＥＪとｒ置ＥＧＲＡＭＪ
の２つが得られる。Ｓ６にあっては、単語辞書ファイル
に検索語と一致する語が存在することからＳＩＯに進み
、第５図に示す単語格納領域の入力語群インデックス２
の位置にＳ５で検索された２つの検索語を図示のように
格納する。

以下、入力語群数Ｎ＝２については、第４図の右から２
番目のｒＰＬＵｓＪを検索語とした単語辞書ファイル１
６の検索でｒＡＮＤＪとｒＰＬＵＳ」の２つが得られ、
第５図の入力語群数インデックス３の位置に図示のよう
に格納され、更に入力語群数Ｎ＝１となる最後の処理に
あっても、１回目の処理と同様、検索語ｒ置Ｊについて
２つの語が検索され、第５図の入力語群数インデックス
４の位置に示すように検索語が格納される。

このような入力文字列のデミリタで区切られたすべてに
ついて単語辞書ファイル１６の検索処理が終了すると、
Ｓ３で入力語群数Ｎ＝０が判別され、第３Ｂ図のｓｉｉ
に進む。

Ｓｌｌにあっては、入力語数インデックスに入力語群の
数Ｎ＝４をセットし、次にＳｉ２に進み、第５図に示し
た単語格納領域のインデックス４の位置から順番に１語
ずつ取り出し、８１３でインデックスを１つ減らし、Ｓ
１４でインデックスが０、即ち４つの語が取り出された
か否か判定し、４つの語の取出しが済んでいなければ再
びＳ１２に戻って、次のインデックス３の語を取り出し
、以下、インデックス＝０となるまで順番に単語取出し
を繰り返す。４つの語の取出しが終了するとインデック
ス＝０となることから８１５に進み、第５図の単語格納
領域から取り出された４つの語の組合せで成る正規化文
字列を文字列格納領域に格納する。続いてＳ１６で文字
列格納領域に全パターンが格納済みか否かチエツクし、
格納済みでなければ再びＳ１１に戻ってインデックスに
再度入力語群の数Ｎ＝４をセットし、次のパターンの取
出しを行なう。

Ｓ１６で文字列格納領域に全パターンが格納されたこと
が判定されると８１７に進み、文字列格納領域の格納デ
ータを検索処理部１２に引き渡し、検索処理部１２は文
字列正規化処理部１８から引き渡された文字列格納領域
の正規化文字列をキーワードとして検索データベース１
４の検索処理を実行するようになる。

第６図は第３Ｂ図における８１１〜Ｓ１７の処理で第５
図に示した単語格納領域の格納データから作り出された
正規化文字列の格納状態を示す。

即ち、第５図に示すように、第４図の入力文字列につい
ては辞書ファイルの検索により第５図に示すインデック
ス１〜４で示す正しい綴りの単語が検索されていること
から、これらの組合せにより第６図の■〜■に示す８つ
の正規化文字列のパターンが生成される。

この第６図に示すように生成された８つのパターンは検
索処理部１２において順次キーワードとして検索データ
ベース１４の検索に使用され、正しい正規化文字列であ
れば検索結果が得られることになる。第６図の場合、パ
ターン■が正式名称であることから、■の正規化文字列
をキーワードとした検索処理で対応する検索結果を得る
ことができる。

［発明の効果］ 以上説明してきたように本発明によれば、記録ファイル
の検索キーワードとして正しい綴りの入力文字列のみを
有効としていても、略称を使用した入力文字列につき、
正規化処理により正しい綴りの文字列に変換することで
略称を使用した入力文字列であっても対応する検索結果
を得ることができ、検索エラーを減少させて無駄なオペ
レーションを低減し、検索性能を向上することができる
。

【図面の簡単な説明】

第１図は本発明の原理説明図； 第２図は本発明の実施例構成図； 第３Ａ図及び第３Ｂ図は本発明の文字列正規化処理フロ
ー図； 第４図は入力文字列説明図； 第５図は入力語数インデックスと検索データ格納説明図
； 第６図は文字列格納領域説明図である。 図中、 １０：処理データ格納手段（検索対象データファイル） １２：検索処理手段 １４：データベース（検索データベース）１６：単語辞
書（単語辞書ファイル） １８：文字列正規化手段 ２０：ホスト計算機 ２２：出力装置

Claims (1)

【特許請求の範囲】
1. （１）処理データ格納手段（１０）からの入力文字列を
   検索キーワードとして検索処理手段（１２）により記録
   データベース（１４）を検索して対応するデータを出力
   する検索システムに於いて、 入力文字列を構成する略称等に対応する正しい綴りの正
   式単語を格納した単語辞書（１６）と；前記処理データ
   格納手段（１０）から入力文字列をを単語単位に切り出
   し、各切り出し単語毎に前記単語辞書（１６）から１又
   は複数の正式単語を検索し、該正式単語の組合せにより
   １又は複数の正規化文字列を作成して前記検索手段（１
   ２）に出力する文字列正規化手段（１８）と； を設けたことを特徴とする検索システムの入力文字列正
   規化方式。