JPH04205561A - 用語辞書による文書検索システム - 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、電子化される学術論文や雑誌や特許や新聞や
各種文書の中のテキスト情報を自然言語の用語文字列に
よって検索するなめに用語辞書による文書検索システム
に関する。

（従来の技術） 上記の文書検索システムは電子情報処理＃ｌｊ器が広範
囲に背反するこれからの情報化社会で欠かせないらのと
なる。文書情報か電子的に大量に生産可能になる時代に
は、いかに不要情報を高速に整理するかが第１の課題と
なる。すなわち、電子的情報は、人間が目で内容を確か
める事ができないほどに増加すると、その中から必要な
情報を捜し出すことがかえって難しくなる。そのために
は、必要になりそうな文書情報を必要となりそうな場面
と関連付けてファイルメモリに記憶すること、必要な場
面に直面したときにファイルメモリから必要文書情報を
読み出せることが求められる。また、電子的文書情報の
大量生産時代においては、情報検索を行なうことによっ
て知りたい知識が何であるかを知ることが第２の課題と
なる。

従来は１文書情報をファイル記憶する前に、文書にキー
ワードを付加し、キーワードと文書情報の格納場所を対
応ずけるインデクステーブルを用意し、それを検索する
ことによって、該当するキーワードを含む文書情報を格
納アドレスを求めた。

しかし、キーワードは文書内容をよく理解しないと正確
につけられない。付ける人の理解の度合によって異なる
。したかって、検索する人とキーワードを付けた人か異
なると、検索がうまくいかない。

これらの課題を解決するために、キーワードの付加され
ていない文書のテキスト情報部分をコンピュータに直接
読ませて、文字列照合で、検索文字列（キーワード）の
存在する位置を見つけ出すフルテキストサーチ技術が研
究されてきた。生のテキスト情報を検索するときの文字
列照合の難しさは、キーワードとなる検索文字列がスペ
ースで区切られているとか、いないとか、ドントケア（
以下ではＤＣと略す）文字を含んでいるとか、文字の誤
りや抜けや余分な文字を含んでいるとがのあいまいな文
字列の記述にどう対応できるかにかかっている。

しながってアンカーマツチ、ノンアンカーマツチ、固定
長ＤＣマツチ、可変長ＤＣマツチ、ワイルドカードマツ
チなどの文字列照合ｍ能が要求される。これらのＩｌ能
をソフトウェアで実ｆ！！シようとすると、検索速度が
遅くて、大量のテキストデータ検索が時間的に無理にな
る。ところが、最近の半導体ＬＳＩ技術の進歩によって
、上記のような各種の機能を持った文字列照合専用ハー
ドウェアが１つのＬＳＩチップ上で実現可能になって来
た０例えば、Ｉ　Ｓ　Ｓ　Ｐ　（Ｉｎｔｅｌｌｉｇｅｎ
ｔ　ＳｔｒｉｎｇＳｅａｒｃｈ　Ｐｒｏｃｅｓｓｏｒの
略）と呼ばれる文字列検索プロセッサのＬＳＩチップが
すでに開発された。このプロセッサ１００ＭＢのテキス
ト情報を約１０秒で検索する。可変長の文字列のアンカ
ー／ノンアンカーマツチ、ＤＣマツチ、ワイルドカード
マツチ、あいまいマツチの機能を備えているのは当然で
あるが、６４個の検索文字列とテキストデータの文字列
を並列に照合する。このような文字列照合プロセッサ（
Ｐａｒａｌｌｅｌ　Ｓｔｒｉｎｇ　５ｅａｒｃｈＰｒｏ
ｃｅｓｓｏｒ）を以下では、ｓｓｐと略す。

第１０図はＳＳＰを用いた文書検索システムの従来の一
例の基本構成部分の説明図である。

ホストコンピュータ１１０とＳＳＰ　１４０がＩＯデテ
ーバス１３０でつながっている。５ＳＰ１４０において
は、検索文字列を貯える連想メモリ１１００と文字列照
合を行なう順序ロジック１１７０とエンコーダ１１５ｏ
か主なａｔ要素となっている。あいまいマツチマツチや
可変長ＤＣマツチなどの付加機能の回路は省かれている
。

順序ロジック１１７０はＡＮＤゲートアレイ１１１０と
フラグレジスタアレイ１１２ｏとＯＲゲート１１３０．
１１４０とヘッドフラグ設定用のデコーダ１１６０とか
ら成る。

まず始めに、検索文字列が４文字毎に区切られて、クリ
ヤ後に連想メモリ１１０ｏに書き込まれる。各検索文字
列の最後の文字位置が４の倍数でないときに、繰り上げ
られて、次の４文字車位の文字列先頭位置にフラグを設
定するように順序ロジック１１７ｏの中のデコーダ１１
６ｏが働くっ検索文字列が連想メモリ１１００に登録さ
れた後、テキストデータの文字列が連想メモリ１１００
に入力される。１文字人力される都度、それが連想メモ
リ１１０ｏの中の全検索文字列の全文字と並列に比較さ
れる。全文字比較結果が連想メモリ１１００から順序ロ
ジック１１７ｏのＡＮＤゲート１１１ｏに送られる。

文字一致があると、デコーダ１１６ｏで設定されたフラ
グがレジスタ１１２ｏの上段から下段ヘシフトされる。

不一致のときには、ＡＮＤゲート１１１０で、フラグが
消滅される。全レジスタ１１２０で以上のフラグシフト
が一斉に起こる。

どこかで、４文字連続して下膜へフラグシフトが起こる
と、そこのレジスタ１１２ｏにつながるＯＲゲート１１
３ｏから文字列照合結果（マツチ信号）が出現する。

連想メモリ１１００に登録された検索文字列のいずれか
がテキストデータの文字列に一致すると、全ＯＲゲート
１１３０につながるＯＲゲート１１４０から文字列のマ
ツチ信号が出力される。

マツチ信号がどの順序ロジック１１７０から出力された
かはエンコーダ１１５０で検出される。それによって検
索文字列のクラスコードが出力される。

第１０図では、５ＳＰ１４０がホストコンピュータ１１
０に直接接続されていて、テキストデータをホストコン
ピュータ１１０の主記憶１２０からＩＯババス３０を介
して５ＳＰ１４０に入力することと、５ＳＰ１４０の検
索結果を主記憶１２０へ送り返すことが交互に起こる。

■０データバス１３０上で入力と出力が交互に行なわれ
ると、検索速度はＩＯババスデータ転送速度の半分以下
に下がってしまう。したがって、主記憶１２０のデータ
ＲＷ動作速度のＩＯＭＢ／ｓで、ＳＳＰ　１４０が同じ
速度で動作するとしても、ＩＯババス３０でのデータ転
送レイトがＩ　Ｍ　Ｂ　／　ｓであれば、検索速度５０
０　Ｋ　Ｂ　／　ｓに下がってしまう。

したがって、５ＳＰ１４０が高速であっても、２バイト
づつの漢字文字コード転送速度か２５０Ｋ　Ｂ　／　ｓ
に押えられる第１０図のようなシステム構成では、１０
ｆｌ！文字（１ギガバイト）のテキストデータの検索時
間は４０００秒に及ぶ。待ち時間が大きいという検索時
間の問題が残されている。

検索者かテキストデータ（例えば火事のニュース）に含
まれていると考えたキーワード（火事）が、テキストデ
ータの中では別の表現（出火、半焼、全情、小火、延焼
など）になっていて１期待したテキストデータ（火事に
関するニュース）が検索結果に現れなかったというシソ
ーラスの問題もある。キーワードとそれの異表記同義語
、類似語など（シソーラス）の検索文字列をフロッピデ
ィスクなどの補助メモリ１１５から読み出して、表示画
面を見ながら６４個までの検索文字列を選択し、５ＳＰ
１４０に登録することが可能である。

ただし、６４個の検索文字列の５ＳＰ１４０への登録を
マニュアルで行なうと、問い合わせ処理の処理時間が長
びく。

（発明が解決しようとする課題） 本発明の目的は、上記検索時間の問題とシソーラスの問
題の両方を解決することにある。具体的には、検索時間
を短縮するために、■ｏババス介したデータ転送を最小
にする技術を提供し、シソーラスの問題を解決するため
に、用語辞書（シソーラス）における文字列を階層的に
配列し、記憶する用語辞書を文字列照合手段で検索し、
類似検索文字列を見つけてから、複数の類似検索文字列
の並列照合による文書データを検索を行う技術を提供す
る。

（課題を解決するための手段） したがって、本発明は以下のように構成される。

第１の発明は、用語辞書の文字列を階層的に記憶する第
１データ記憶手段と、検索文字列で指定される範囲の用
語辞書に含まれる文字列を類似検索文字列として切り出
す文字列登録手段と、検索文字列を記憶する文字列照合
手段と、外部から入力される文書データに対する文字列
照合手段の照合結果を記憶するマツチ回数記憶手段と、
その内容を用語辞書の文字列配列順に出力する信号と全
体の動作を制御する信号を発生するタイミング制御手段
とを備えることを特徴とする。

第２の発明は、用語辞書の文字列を階層的に記憶する第
１データ記憶手段と、検索文字列で指定される範囲の用
語辞書に含まれる文字列を類似検索文字列として切り出
す文字列登録手段と、＄、索大文字列記憶する文字列照
合手段と、検索される文書データを順番に記憶する第２
データ記憶手段と、第２データ記憶手段での順次書き込
み読み出しのためのアドレス走査手段と、マツチ回数記
憶手段と、その内容を用語辞書の文字列の配列順に出力
する信号とアドレス走査手段並びに全体の動作を制御す
る信号を発生する制御手段とを備えることを特徴とする
。

第３の発明は、用語辞書の文字列を階層的に記憶する第
１データ記憶手段と、検索文字列で指定される範囲の用
語辞書に含まれる文字列を類似検索文字列として切り出
す文字列登録手段と、前記検索文字列を記憶する文字列
照合手段と、検索される文書データを記憶する第２デー
タ記憶手段と、そこでの任意配列文書データの書き込み
・読み出し動作を制御するアドレス管理手段と、文書デ
ータに対する文字列照合手段の照合結果を貯えるマツチ
回数記憶手段と、マツチ回数記憶手段の内容を用語辞書
の文字列の配列順に出力する信号とアドレス管理手段並
びに全体の動作を制御する信号を発生するタイミング制
御手段とを備えることを特徴とする。

第４の発明は、用語辞書の文字列を階層的に記憶する第
１データ記憶手段と、検索文字列で指定される範囲の用
語辞書に含まれる文字列を類似検索文字列として切り出
す文字列登録手段と、前記検索文字列を先頭からと後尾
から順に記憶する第１と第２の文字列照合手段と、検索
される文書データを記憶する第２データ記憶手段と、そ
こでの文書データの順次書き込み・読み出し動作を制御
するアドレス管理手段と、文書データに対する文字列照
合手段の照合結果を貯えるマツチ回数記憶手段と、第２
データ記憶手段と同じアドレスにマツチ信号を書き込む
マツチ位置記憶手段と、マツチ回数記憶手段の内容を用
語辞書の文字列配列順に出力するためのクロック信号と
アドレス管理手段並びに全体の動作を制御する信号を発
生するタイミング制御手段とを備え、第１文字列照合手
段で文字列マツチがあると、マツチ位置記憶手段への論
理信号１の書き込みを開始し、第２データ紀憶手段の記
憶データを逆順読みで出力させ、第２文字列照合手段で
文字列マツチ信号があると、論理信号１の書き込みを終
了させ、第２データ記憶手段の記憶データを順読みに切
り替えることを特徴とする。

第５の発明は、第１、第２、第３又は第４の発明におい
て、文書検索の前に、検索文字列を文字列照合手段に登
録し、用語辞書を検索して、類似検索文字列の範囲を決
定し、それを文字列照合手段へ追加登録し、文書データ
の検索を行い、検索終了後、用語辞書の指定範囲内の類
似検索文字列を配列順に、再度、文字列照合手段へ入力
し、各検索文字列の入力の都度、マツチ回数記憶手段の
内容をレコード番号を走査して順次に出力するようにし
たことを特徴とする。

第６の発明は、第１、第２、第３又は第４の発明におい
て、用語辞書の中における文字列の先頭文字位置がネス
トレベルを示すように階層的に配列されること、指定範
囲の文字列がＯＲやＡＮＤなどの検索条件信号と共に第
１のデータ記憶手段に記憶されること、文字列が改行、
スペース、コンマなどの特定記号コードを区切り信号に
使い、文字列照合手段へ登録されることを特徴とする。

第７の発明は、第１、第２、第３又は第４の発明におい
て、新しい文書レコードか入手される都度、用語辞書の
文字列による検索で、階層的配列の文字列のどれに類似
したものかを判別し、文書レコードのファイル番号を決
定し、ファイル管理に利用することを特徴とする。

第８の発明は、第１、第２、第３、第４、第５又は第６
の発明において、用語辞書による文書検索の結果を見て
、用語辞書内の階層的配列の文字列に文字列に新知識や
新概念の文字列を加え、不要の文字列を削除し　中詰辞
書を修正していくことを特徴とする。

（実施例） 以下、図面を参照して本発明のさらに詳しい説明を行な
う。

第１図は本発明の第１の実施例を示す図であり。

（ａ）が全体の構成図で、（ｂ）が文字列登録手段の部
分図である。（ａ）は、第１データ記憶手段としての用
語辞書メモリ１２５と文字列表示手段１３５と検索文字
列登録手段１４５と文字列検索プロセッサ５ＳＰ１４０
とマツチ回数メモリ１５５とタイミング制御回路１６０
とが１０バス１３０を介して主記憶１２０や補助記憶１
１５などを備えたホストコンピュータ１１０に接続され
た検索システムを示している。

用語辞書に貯えられるシソーラス（用語辞書）は階層的
に配列された文字列から成る。すなわち、始めに、ユー
ザが持っている知識の概念を記述する、意味の明らかな
用語文字列が作成され、次に、必要な知識に関して、意
味のわからない用語文字列が作成され、合わせたものか
シソーラスとして、登録される。

シソーラスは、５ＳＰ１４０に登録される前に、ホスト
コンピュータ１１０ｆ！ｌで、配列関係が正しいか表示
され、その後で、フロッピディスクファイルやＩＣメモ
リカードや磁気ディスクなどの補助メモリ１０５に記憶
される。５ＳＰ１４０への登録時は、それが主記憶１２
０に読み出され、ＩＯババス２０を通して用語辞書メモ
リ１２５へ転送される５ その後で、知りたい知識に関して、ホストコンピュータ
１１０に与えられる検索文字列は、まず、文字列照合プ
ロセッサ５ＳＰ１４０に登録され、用語辞書の検索に使
われる。すなわち、用語辞書から類似検索文字列の位置
が見つけられ、その部分の文字列が用語辞書メモリ１２
５から読み出され、５ＳＰ１４０へ追加登録される。そ
の後で、文書のテキストデータが５ＳＰ１４０で検索さ
れる。

用語辞書メモリ１２５の内容は用語文字列を階層的に配
列したシソーラスの形式の用語辞書である。その内容は
用語辞書表示手段１３５によって、先頭からか、あるい
は、マウスやキーボードで指定された位置から表示され
る。

大規模な用語辞書をマウス指示によってスクロールで高
速表示するために、表示手段１３５はキャラクタパター
ン発生器１３１とグラフィック表示コントローラ１３３
とフレームバッファメモリ１３２と表示デバイス１３４
を備える。フレームバッファメモリ１３２はマウスで指
定されたアドレスのテキストデータを表示画面上のビッ
トパターンに変換して、１面分ずつ記憶する。数万語の
用語文字列を数秒で眺めるなめには、毎秒３０画面スク
ロールは必須となる。

用語辞書における用語文字列の階層的配列は、文字列の
配列開始位置の違いを使って表わす。すなわち、上位概
念の用語文字列を左側へ並べ、下位概念の用語文字列を
右側へ並べると、シソーラスの用語の概念体系をうまく
表現できる。意味のわかっている文字列と、わかってい
ない文字列が色を違えて表示されるという工夫も役に立
つ。

第２図は用語辞書の表示例と記憶構造を示す図であり、
（ａ）は階層的に配列された用語文字列の一例を示し、
（ｂ）は第１データメモリ１２５での記憶内容を示す。

（ａ）のように、概念レベルの低い文字列をレベル数だ
け先頭にスペース文字を入れて表示している。概念レベ
ルが同じ謬義語や異表記の文字列は、改行無しのスペー
スで区切られて配列される。それによって、検索者が用
語辞書の中のどのような概念レベルの文字列を調べよう
としているかがわかる。

新しい知識や概念の用語文字列を知ったときには、概念
レベル別に配列され、表示された用語辞書の該当する概
念レベルの関連する文字列位１の近くに追加するとわか
り易いし、検証し易い０個人の要求に合わせて、文字列
の配列を最適化することも可能になる。

このような階層的配列の文字列から成る用語辞書を文書
のテキストデータの検索に用いる時には、表示がいくら
高速化されても、用語辞書から、検索文字列に類似した
文字列をすぐに見つけ出すのは容易でない。表示画面で
検索文字列の位置にマークが必要である。それを文字列
照合手段５ＳＰ１４０で求めておく。次に、マークされ
た文字列に見て、５ＳＳＰ１４０へ類似検索文字列とし
て登録しない文字列の配列領域をマウスかキーボードで
指定する。５ＳＰ１４０に登録できる文字列数が決って
いるために　領域の最初を指示するだけで、５ＳＰ１４
０に登録される讐僻検索文字列が決る。

第２図（ｂ）に示すのは表示内容に対応した用語辞書の
文字データであって、このような形式で用語辞書メモリ
１２５に貯えられる。検索文字列を文字列照合手段に設
定した後、これを用語辞書メモ　リ１２５から読み出し
、検索を行う、スペースやコンマで区切り情報として使
えるため、アンカーマツチで検索が済む。マツチ位！が
わかると、それをマーカにして類似検索文字列位！が求
まる。

第１図の文字列登録手段１４５は、第１図（ｂ）に示さ
れるように、２個のカウンタ１４１゜１４２とＰＲＯＭ
１４３とマルチプレクサ１４４と区切り記号検出回路〈
単なるＡＮＤゲート）１４６とマイクロプロセッサ１４
７から成る。

タイミング制御手段１６０から来るクロック信号でＰＲ
ＯＭ１４３のアクセスが始まり、そこに格納されたマイ
クロプログラムが読み出される。

この間、第１図のスイッチＳ１は左へ倒されているとす
る。ＰＲＯＭ１４３の出力はカウンタ１４２に戻される
ため、ＰＲＯＭ１４３は状況に応じてプログラムパター
ンを変えていくことができる。

ＰＲＯＭ１４３の出力の一部かホストコンピュータ１１
０から検索文字列を１文字づつマルチプレクサ１４４に
転送させる命令となる。そのときに、ＰＲＯＭ１４３か
らＳＳＰ　１４０へ書き込みクロックを与えると、ＩＯ
デテーバス１３０からマルチプレクサ１４４を介して転
送される検索文字列が５ＳＰ１４０へ登録される。それ
が終わった後、ＰＲＯＭ１４３からカウンタ１４１ヘパ
ルスを送り　用語辞書メモリ１２５ヘアドレス信号を与
える。マイクロプロセッサ１４７はアドレスの開始位置
とサイズをホストコンピュータ１１０から受は付けて、
ＰＲＯＭ１４３のパルス発生回数を制御する。

用語辞書メモリ１２５ヘアドレスを与えると。

第２図に示したような階層的配列の文字列がマルチプレ
クサ１４４を介して５ＳＰ１４０へ転送される。その期
間にはＰＲＯＭ１４３が５ｓｐ１４０へ検索クロックを
与えると、用語辞書の文字列か検索モードの５ＳＰ１４
０で検索される。

マツチ信号があったときの用語辞書メモリアドレスを表
示手段１３５に伝達することができる。それをマツチ文
字列の位置表示（マーカ）に使える。

表示画面でマツチした文字列位置のまわりをスクロール
し、用語辞書の中の類似検索文字列位置をマウスで指定
すると、再び、マイクロプロセッサ１４７を使って、辞
書メモリのアクセスするアドレス範囲が指定される。

その部分の文字列を辞書メモリから読み出し、マルチプ
レクサ１４４を介して５ＳＰ１４０へ送る。区切り記号
検出回路１４６と改行やスペースを区切り記号として検
出し、５ＳＰ１４０へデリミタ信号として与える。それ
によって、登録させる類似検索文字列が切り出される。

この登録手段１４５によって検索文字列だけが左に倒れ
たスイッチＳＩを経由して順次に書き込みモードの５Ｓ
Ｐ１４０へ登録される。

次に、第１図（ａ）でのテキスト検索方法と検索結果を
説明する。まず、検索される文書データをホストコンピ
ュータ１１０によって補助メモリ１１５からページ単位
のテキストデータとして、主記憶１２０上に読み出し、
ＩＯデテーバス１３０と右に倒れたスイッチＳＩを介し
、５ＳＰ１４０へ転送する。

主記憶１２０から転送されるテキストデータを、類似検
索文字列の登録され終わった５ＳＰ１４０へ与えると、
どの検索文字列でマツチ信号発生があったかを示す検索
結果が出力される。それをすぐにホストコンピュータ１
１０に返さないで、マツチ回数メモリ１５５に貯える。

文書データの一部ページ数分のテキストデータが転送し
終わると、タイミング制御回路１６０の発生するデータ
転送りロックとアドレス信号を使ってマツチ回数メモリ
１５５の内容を主記憶１２０へ転送する。ページ数の最
大値はマツチ回数メモリ１５５の容量によって決る。マ
ツチ回数メモリ１５５は検索文字列の個数に等しい計数
回路（バイナリ−カウンタ）を用意するだけで実現され
るが、ハードウェア量が大きくなりすぎる。

第３図（ａ）はマツチ回数記憶手段の具体例とそこに記
憶される検索結果の実例を示す図である。

マツチ回数記憶手段はマツチ回数メモリ１５５とそれに
つながるＲボート１５４とＷボート１５３とマツチ回数
加算器１５２と文字列アドレススキャナ１６１やレコー
ドまたはページの番号スキャナ１６２から成る。

５ＳＰ１４０によってテキストデータを検索する期間に
は、検索文字列のクラスコードとページ番号が５ＳＰ１
４０やホストコンピュータからマッチ回数メモ−′す１
５５のアドレス端子に与えられる。マツチ回数メモリ１
５５の各アドレスに記憶される値は、各テキストデータ
のレコード単位あるいはページ単位での各検索文字列の
出現回数である。文字列マツチの発生の都度、そのとき
までの回数がＲボート１５４から読み出され、加ｙＬ器
１５２で１を加算され、その結果、Ｗボート１５３から
マツチ回数メモリ１５５に最新のマ・ンチ回数（８ビツ
ト）が書込まれる。

文字列数が１２８個で、ページ数が１０２４で、マツチ
回数の最大値が８ビツトとすると、メモリ容量は１Ｍビ
ットでなければならない。これはＩＭｂのＳＲＡＭメモ
リチップ１個で簡単に実現される。タイミング制御手ｊ
９１６０はマツチ回数メモリの読みだし書込み動作に必
要なタイミングパルスも発生する。特に、検索結果を出
力するときには、マツチ回数メモリ１５５のアドレスに
入力される信号が５ＳＰ１４０の出力から文字列アドレ
ススキャナ１６１の出力に変わる。このアドレススキャ
ナ１６１はタイミング制御手段１６０の発生するクロッ
ク信号でカウントアツプされる。

第３図（ｂ）はＳＳＰ　１４０の後ろに用意されたマツ
チ回数メモリ１５５の内容を示す。テキストサーチによ
って求まった、レコードやページ番号別の検索文字列の
出現回数例を示している。各列の数字が各検索文字列の
検出回数である２各行は各検索文字列の文書レコードで
の出現回数の分布を示していることになる。

このような検索結果はテキストデータメモリ２２０から
５ＳＰ１４０へ高速に入力されるテキストデータの検索
期間に書き込みモードのマツチ回数メモリ１５５に順次
に蓄積される。検索結果は検索か終わるまで主記憶１２
０へ送り返される必要がない。

テキストデータ検索後は、マツチ回数メモリ１５５のア
ドレス入力端子につながるスイッチＳ２を上側に切り替
える。したがって、アドレススキャナ１６１とレコード
スキャナ１６２か、読み出しモードの状態のマツチ回数
メモリ１５５にアドレス信号を与える。それによって、
検索文字列のクラスコードとテキストレコード番号が順
次に走査され、（ｂ）に示すマツチ回数メモリ１５５の
内容が一列づき出力される。ホストコンピュータ３１０
へ送り出される。

第１図から第３図による実施例の説明では、テキストデ
ータを外部から転送される代りに、転送期間中の検索結
果をマツチ回数メモリ１５５に貯えておくので、ＩＯデ
テーバス１３０上でのデータ衝突を回避している。した
がって、テキストデータのＩＯデテーバス上での転送速
度さえ高速化されれば、検索時間は短縮される。問題は
テキストデータサイズが主記憶１２０の記憶容量て制約
されることである。

第４図は本発明の第２の実施例の構成図である。

用語辞書メモリ１２５、表示手段１３５、文字列登録手
段１４５、文字列検索プロセッサ５ＳＰ１４０、テキス
トデータメモリ２２０、アドレス走査手段２２５、マツ
チ回数メモリ１５５、タイミング制御手段１６０から成
る０文書の中のテキストデータがホストコンピュータ１
１０側の上記゛憶１２０から−ｆｆｓＰ１４０へ直接に
転送される代りに、１度、テキストデータメモリ２２０
に格納され、その後、５ＳＰ１４０で検索される。その
他は第１図の場合とほとんど同じである。

はじめに、磁気ディスクやＣＤＲＯＭなどの補助メモリ
１１５からテキストデータが主記憶１２０に読み出され
、それから、半導体集積回路による高速なテキストデー
タメモリ２２０に転送される。主記憶１２０の記憶容量
に制限かあるので、大きなテキストデータはＩＭｂ程度
の単位のレコードに区切られ、多数回に渡り、テキスト
データメモリ２２０へ書込まれる。

テキストデータメモリ２２０はＩＭｂのＤＲＡＭチップ
を１ボード上に２５６個程度配列するだけで３２Ｍｂは
記憶容量を実現する。ディスクメモリに較べると大容量
と言えないが、ＩＭｂチップが４Ｍｂや１６Ｍｂチップ
に置き換えられ、数年すると、同じチップ個数でボード
記憶容量が１２８Ｍｂや５１２Ｍｂに増える。パーソナ
ルコンピュータに接続するファイルメモリとして手ごろ
であり、チップの並列動作によってデータ転送速度が２
０　Ｍ　Ｂ　／　ｓ以上になる。

各テキストデータのサイズＳｉが計数され、テキストデ
ータメモリ２２０の各レコードの先頭アドレスＡｉに加
算され、次のテキストデータレコードの先頭アドレスか
決り、保持され１次のデータサイズＳｉ＋１か与えられ
ると、その次のアドレスＡｉ＋ｌが計算される。このよ
うに、テキストデータの転送に合わせて、ＡｉとＳｔか
与えられる。それがアドレス走査手段２２５の中でテキ
ストデータメモリ２２０のアドレス生成に使われる。

したがって、テキストデータメモリ２２０には、テキス
トデータが隙間なく格納される。タイミング制御手段１
６０の発生するクロックパルスをアドレス走査手段２２
５に与えると、アドレスがインクレメントされ、テキス
トデータメモリ２２０からテキストデータが下に倒れた
スイッチＳＩを介して、５ＳＰ１４０へ連続的に転送さ
れる。

第５図はアドレス走査手段の一具体例の回路図である２
このアドレス走査手段２２５には９ｍ個のテキストデー
タのサイズの系列Ｓｉ、ｉ＝１゜２．３．・・・１ｍと
開始アドレスの系列Ａｉ、ｉ−１，２，３，・・・１ｍ
を貯えるマツプメモリ５２５が使われている。系列デー
タは、テキストデータの転送時に、データレジスタ５２
４からマ・ツブメモリ５２５に順次に書込まれる。Ａｔ
をＡ１−１＋５ｉ−１から計算すると、マツプメモリ５
２５は半分で済むが、計算回路を使う方がサイズが大き
くなる。

テキストデータ読み出し時にアドレスカウンタ５２８が
テキストデータメモリ２２０にアドレス信号を与える。

レコードの終わりのアドレスはマツプメモリ５２５から
読み出されるＳｔとＡｔを加算器５２６で加算すること
によって、エンドアドレスレジスタ５２７に保持される
。上記アドレス信号がこのエンドアドレスと比較回路５
２９で比較される。

比較回路５２９の出力はテキストデータメモリ２２０の
アドレス信号がレコードの終わりに達したことを示す。

その信号が検出される都度、レコード番号カウンタをカ
ウントアツプする。それによって、１つのレコードか終
わると、次のレコードのエンドアドレスがレジスタ５２
７に設定される。アドレスカウンタ５２８の出力するア
ドレス信号は全レコードの読み出しが終わるまでカウン
トアツプされ続ける。レコード番号カウンタ５２３はマ
ツチ回数メモリのアドレスに使われる。

第６図はテキスト検索プロセスの状態図である。

第４図におけるタイミング制御手段１６０の機能設計に
必要な検索動作の状態遷移を示している。

この第６図で、始めの状態６１０はホストコンピュータ
１１０ｆＦｌでの文書の検索条件や検索範囲の指定を行
なう処理を言う。その内訳は、第１が、補助メモリ１１
５から用語辞書を主記憶１２０へ読み出し、その内容を
表示することと、用語辞書を用語辞書メモリ１２５へ転
送することである。

第２が、検索される文書データの格納場所を示すマツプ
テーブルを補助メモリ１１５から主記憶に読み出して、
表示し、検索範囲を指定し、テキストデータメモリ２２
０のアドレス管理手段に設定することである。第３が、
検索範囲内の該当するテキストデータレコードをレコー
ド単位で補助メモリ１１５がら主記憶１２０へ読み出し
、部分表示で内容を確認しそれをテキストデータメモリ
２２０へ転送することである。

次の状態６２０は用語辞書メモリの内容の表示手段によ
る表示と、マウスによる表示位置の設定と、検索文字列
の切出しと、５ＳＰ１４０への登録を行なう処理からな
る。

そのつぎの状態６３０は、テキストデータメモリ２２０
のアクセスによるテキストデータの５ｓＰ１４０への高
速入力とテキストサーチ動作の実行からなる。この期間
に各検索文字列が各テキストデータレコードにどの程度
含まれるかを示す検索結果がマツチ回数メモリ５５に格
納される。

第４の状態６４０は、マツチ回数メモリ１５５から検索
結果を主記憶１２０に転送し、それを表示することと、
検索結果を見て、レコード番号を指定し、該当するテキ
ストデータをテキストデータメモリ２２０から読み出す
こと、さらに、テキストデータの中のマツチ文字列の終
わり部分にマークを付加して、表示することから成る。

第５の状！９６５０は階層的に用語文字列を配列したシ
ソーラスに、検索結果によって求まった知識の用語文字
列を付は加え、辞書を修正する学習プロセスと、テキス
トデータの分類を正すようにファイル番号を付は変える
学習プロセスを含む。

学習プロセスを繰り返すことによって、検索者の知識体
系が整理され、かつ、文書のテキストデータが新しい知
識の用語文字列を加えた元で正しく分類されるようにな
る。

第４図から第６図までの実施例の説明によると、半導体
集積回路のテキストデータメモリ２２０を使うことによ
って、テキストデータの検索は高速化されるが、テキス
トデータの削除や追加などの編集作業の高速化が困難な
ままである。

すなわち、テキストレコードの変更が必要な時は、テキ
ストデータメモリ２２０の内容をいったんクリヤする。

そのあと、変更したい文書レコードが補助メモ−υから
主記憶１２０へ読み出され、ホストコンピュータ１１０
側で修正される。修正後、該当文書レコードが補助メモ
リにセーブされる。全文書レコードのテキストデータメ
モリ２２０への設定は補助メモリから主記憶１２０を介
し、検索したい文書レコード順に行なわれる。

したがって、折角、高速のテキストデータメモリ２２０
を待ってても、テキストデータの変更や削除に時間のか
かる問題か残る。

第７図は本発明の第３の実施例の構成図である。

第４図の実施例の問題を解決するため、テキストデータ
メモリ２２０上で、文書レコード単位のデータ変更を可
能にするアドレス管理手段７００が、アドレス走査手段
２２５の代りに、導入される。

それはマツプメモリ７２５を中心にマツプメモリへのＲ
／Ｗデータレジスタ７２４とアドレス加算器７２６とエ
ンドアドレスレジスタ７２７とアドレスカウンタ７２８
とアドレス比較器７２９とレコード番号の変更信号レジ
スタ７２１とレコード番号カウンタ７２３とを備えたも
のである。

レコード番号Ｎと対応したテキストデータの格納エリヤ
のサイズＳと開始アドレスＡがこのマツプメモリ７２５
に格納され、その内容はデータレジスタ７２４とＩＯデ
テーバス１３０を介してホストコンピュータ１１０側の
主記憶１２０に転送され、表示される。ＮとＳとＡの関
係テーブルが主記憶で用意され、レジスタ７２４を介し
てマツプメモリ７２５に書込まれる。マツプメモリ７２
５のアドレスを走査しながら、マツプメモリ７２５の内
容を読み出すと、開始アドレスＡがアドレスカウンタ７
２８に設定される。それと同時に、アドレス加算器７２
６でＡとＳの和が計算され、エンドアドレス７２７に保
持される。

その後、タイミングパルスをカウンタ７２８へ送ると、
アドレスカウンタ７２８の内容がカウントアツプされ、
テキストデータ２２０の記憶データが番地Ａから順次に
読み出され、５ＳＰ１４０でテキストサーチが起こる。

比較器７２９でアドレスカウンタ７２８の出力がレコー
ドのエンドアドレスＡ＋Ｓに到達すると、タイミング制
御手段１６０にクロックパルスの発生を停止される。１
つのレコードのテキストサーチか完了する。完了の都度
、変更信号レジスタ７２１かパルス信号を発生する。

このパルス信号でカウンタ７２３をカウントアツプし、
マツプメモリ７２５をアクセスし、ＡとＡ＋Ｓをカウン
タ７２８とレジスタ７２７に設定し、再びタイミングパ
ルスをカウンタ７２８に与えると、テキストデータメモ
リ２２０のアクセスが始まり、５ＳＰ１４０でのテキス
トサーチか起こる。

第８図はテキストデータメモリのアドレス管理動作の一
例を示す図である。

（ａ）が文書データのテキストデータメモリ２２０への
初期設定動作を示す。テキストデータメモリ２２０に何
も格納されていない状況で、サイズＳ１の＃ルコード、
サイズＳ２の＃２レコード、サイズＳ３レコードの＃３
レコード、サイズＳ３レコードの＃４レコードが順次に
隙間なくテキストデータメモリ２２０に格納される。

このためには、マツプメモリ７２５に記憶される開始ア
ドレスＡ１．Ａ２．Ａｓ　、Ａ−、とサイズｓ、、ｓ２
．ｓ、、ｓ、がルコード分のアクセスの終わる都度、順
次に読み出される。それに伴って、カウンタ７２８にＡ
ｔ　、Ａ２．ＡｓＡ４がセットされ、レジスタ７２７に
Ａ　＋　＋　Ｓ　＋　。

Ａ２−＋−５２，Ａ、±３３．Ａ４＋３４がセットされ
る。

（ｂ）は＃２レコードが修正される場合を示す。

＃２レコードが主記憶１２０に移された後、ホストコン
ピュータ１１０で修正され、テキストデータメモリ７２
０に戻される。そのときに、新しい＃２レコードのサイ
ズか元のレコードサイズより大きい時は、新しい記憶エ
リヤに書込まれる。そのとき、アドレス管理手段のマツ
プメモリ７２５には＃２に対応付けて新しい開始アドレ
スＡ２と新しいサイズＳ２が書込まれる。その結果、元
の＃２レコードのデータは読みだしできなくなる。

もちろん、新しいレコードのサイズが元のものより小さ
い場合には、＃２に対応付けて元の開始アドレスＡ２と
新しいサイズＳ２がマツプメモリ７２５に書込まれる。

（ｃ）は新しいレコードを追加する場合を示す。

サイズＳ、の＃５レコードか追加される場合に、＃５レ
コードめサイズが空きエリヤＳ２より大きい場合、＃５
レコードは新しい記憶エリヤに書込まれる。それに合わ
せてマツプメモリ７２５には、＃５に対応付けてＡ、と
Ｓ、が書込まれる。

（ｄ）はレコード削除の場合である。たとえば、＃３レ
コードを削除する場合、マツプメモリ７２５の＃３に対
応したアドレスＡ、とサイズＳ３をＡ３とＯに書き換え
るだけで良い。レコード番号の＃３を０に変えると、Ａ
、はどんな値でもよいことになるが、空きエリヤの検索
を容易にするためにはＡ、も０の方がよい。

（ｅ）は記憶されたレコードの空きエリヤへの移動を示
す。ガーベジコレクションのために使われる。マツプメ
モリ７２５の内容を全て主記憶１２０に転送し、レコー
ドの格納状況を調べることができる。今の例では、旧の
＃２と＃３のレコードエリヤが空いたまま残っている。

そのエリヤに新しい＃２と＃５レコードを収容できる。

したがって、まずは、マツプメモリ７２４の＃２．＃５
に対応した部分をアクセスし、その内容にしたがって、
テキストデータメモリ２２０から＃２と＃５のレコード
を主記憶１２０へ読み出す６次に、マツプメモリ７２５
の＃２と＃５レコードに関する部分の開始アドレスＡ２
とＡ、を書き変える。

次に、マツプメモリ７２５の＃２と＃５のレコードに対
応した部分のＡ２．Ａ５とｓ、、Ｓ、を読み出して、書
込みモードのテキストデータメモリ２２０へ＃２と＃５
のレコードを書き込む。いしようで、＃２と＃５のレコ
ードの移動が完了したことになる。

第９図は本発明の第４の実施例の構成図である。

用語辞書メモリ１２５と、指定範囲の用語辞書に含まれ
る文字列を類似検索文字列として切り出す文字列登録手
段１４５と、前記検索文字列を先舷！１から順に記憶す
る第１の文字列照合手段５ＳＰ１４１と語尾から順に記
憶する第２の文字列照合手段５ＳＰ１４２と、検索され
る文書データを記憶するテキストデータメモリ２２０と
、そこでの又署アータの順次書き込み・読み出し動作を
制御するアドレス管理手段７００とを備えている声は第
４図や第７図とほとんど同じである。

この他に１文書データに対する第１文字列昭合手ｕｓｓ
Ｐ１４１の照合結果によりテキストデータメモリ２２０
と同じアドレスにマツチ信号を書き込むマツチ位置メモ
リ２２２と、第２文字列前合手段５ＳＰ１４２の照合結
果を貯えるマツチ回数記憶手段１５５と、マツチ回数記
憶手段１５５の内容を順次に出力するためのクロック信
号とアドレス管理手段７００並びに全体の動作を制御す
るタイミング信号を発生するタイミング制御手段１６０
と、アップダウン切り否信号レジスタ９６１を備える。

第１文字列前合手段５ＳＰ１４１で文字列マツチがある
と、スイッチＳ５と８６が右と上へ切り替えられるとす
る。その時点からマツチ位置記憶手段２２２への１力書
き込みを開始し、テキストデータ記憶手段２２０の記憶
データを逆読みで出力させ、レジスタ９６１のセ・ソト
でテキストデータが５ＳＰ１４２に入力される。

第２文字列叩合手段５ＳＰ１４２で文字列マツチ信号が
あると、マツチ位置メモリ２２２への１の書込みを終了
させ、スイッチＳ５と８６を元の状ｇ（左と下）へ切り
替え、レジスタ９６１の内容を元に戻す。それによって
、テキストデータか５ＳＰ１４１に与えられると同時に
、テキストデータメモリ２２０は順読みのモードに切り
替わる。

そこでは、マツチ位置メモリ１５５の記憶内容をテキス
トデータメモリ２２０の内容と共に表示手段１３５に与
えると、テキストデータ内の検索文字列にマツチした文
字列がマークされて表示されるようになる。

（発明の効果） 以上に述べたように、本発明によれば、文字列検索プロ
セッサ５ＳＰ１４０と共に、用語文字列メモリ１２５や
、半導体集積回路の高速−ｒキストデータメモリ２２０
や、マ・ソチ回数メモ’）　１５５やアドレス管理手段
７００を導入することによって、ＴＯ−Ｆ−一タバス１
３０でのデータ転送文・ツクによる検索時間の増加する
問題を解消し、検索速度をＳＳＰの処理能力き゛りぎり
まで高めろことかできた。また、検索文字列を１つ与え
るたけて、概念上で関連のある類似検索文字列の位置を
高速に見つけ出せ、それ等検索文字列を切り出して、５
ＳＰ１４０へ登録し、各文字列の出現回数を出力するこ
とで検索もれを無くせるようにした。

検索時間の問題とシソーラスの問題の解決された理由を
まとめると、以下のようになる。

まず、検索速度問題は、半導体集積回路のテキストデー
タメモリを使い、そこへ、大容量のテキストデータを格
納してから、１０データバスを介さす、その内容を順次
に読みだし、ＳＳＰに高速テキストサーチを行わせ、検
索結果をマツチ回数メモリに貯め込む事で、解決される
。読みだし速度が２０　Ｍ　ｂ　／　ｓでデータサイズ
がＩＧＢであれば、２Ｂづつの続みなりのテキストサー
チ時間か２５秒となる。マツチ回数メモリの内容はテキ
ストサーチの終了後に、１秒より十分短い時間で出力さ
れる。パーソナルユースでの文書検索システムはこの時
間はそう長くない。

次に　シソーラスｌ？Ｆ１類は　テキストサーチによる
文書検索結果に基づいてシソーラスに含まれる用語文字
列が概念の階層を意識して付は加えられて行くために、
個人的に関心ある分野の専門用語のシソーラスが知識体
系として確立され、そのシソーラスを使ってテキストサ
ーチを行える学習効果によって解決される。

【図面の簡単な説明】

第１図（ａ）は本発明の第１の実施例の全体の回路構成
を示す図、同図（ｂ）は部分図である。 第２図は用語辞書における文字列の配列の説明図、第３
図（ａ＞はマツチ回数メモリの具体例を示す図、同図（
ｂ）はマツチ回数メモリの内容の一例を示す図、第４図
は本発明の第２の実施例の構成図、第５図はアドレス走
査手段の一具体例を示す回路図、第６図は用語辞書によ
る文書検索動作のプロセスの状態図、第７図は本発明の
第３の実施例を示す構成図、第８図はアドレス管理手段
の動作説明図、第９図は本発明の第４の実施例を示す構
成図である。第１０図は従来力文＠検索システムと文字
列検索グロセンサの説明図である。

Claims (8)

【特許請求の範囲】
1. （１）用語辞書の文字列を階層的に記憶する第１データ
   記憶手段と、検索文字列で指定される範囲の用語辞書に
   含まれる文字列を類似検索文字列として切り出す文字列
   登録手段と、検索文字列を記憶する文字列照合手段と、
   外部から入力される文書データに対する文字列照合手段
   の照合結果を記憶するマッチ回数記憶手段と、その内容
   を用語辞書の文字列配列順に出力する信号と全体の動作
   を制御する信号を発生するタイミング制御手段とを備え
   ることを特徴とする用語辞書による文書検索システム。
2. （２）用語辞書の文字列を階層的に記憶する第１データ
   記憶手段と、検索文字列で指定される範囲の用語辞書に
   含まれる文字列を類似検索文字列として切り出す文字列
   登録手段と、検索文字列を記憶する文字列照合手段と、
   検索される文書データを順番に記憶する第２データ記憶
   手段と、第２データ記憶手段での順次書き込み読み出し
   のためのアドレス走査手段と、マッチ回数記憶手段と、
   その内容を用語辞書の文字列の配列順に出力する信号と
   アドレス走査手段並びに全体の動作を制御する信号を発
   生する制御手段とを備えることを特徴とする用語辞書に
   よる文書検索システム。
3. （３）用語辞書の文字列を階層的に記憶する第１データ
   記憶手段と、検索文字列で指定される範囲の用語辞書に
   含まれる文字列を類似検索文字列として切り出す文字列
   登録手段と、前記検索文字列を記憶する文字列照合手段
   と、検索される文書データを記憶する第２データ記憶手
   段と、そこでの任意配列文書データの書き込み・読み出
   し動作を制御するアドレス管理手段と、文書データに対
   する文字列照合手段の照合結果を貯えるマッチ回数記憶
   手段と、マッチ回数記憶手段の内容を用語辞書の文字列
   の配列順に出力する信号とアドレス管理手段並びに全体
   の動作を制御する信号を発生するタイミング制御手段と
   を備えることを特徴とする用語辞書による文書検索シス
   テム。
4. （４）用語辞書の文字列を階層的に記憶する第１データ
   記憶手段と、検索文字列で指定される範囲の用語辞書に
   含まれる文字列を類似検索文字列として切り出す文字列
   登録手段と、前記検索文字列を先頭からと後尾から順に
   記憶する第１と第２の文字列照合手段と、検索される文
   書データを記憶する第２データ記憶手段と、そこでの文
   書データの順次書き込み・読み出し動作を制御するアド
   レス管理手段と、文書データに対する文字列照合手段の
   照合結果を貯えるマッチ回数記憶手段と、第２データ記
   憶手段と同じアドレスにマッチ信号を書き込むマッチ位
   置記憶手段と、マッチ回数記憶手段の内容を用語辞書の
   文字列配列順に出力するためのクロック信号とアドレス
   管理手段並びに全体の動作を制御する信号を発生するタ
   イミング制御手段とを備え、第１文字列照合手段で文字
   列マッチがあると、マッチ位置記憶手段への論理信号１
   の書き込みを開始し、第２データ記憶手段の記憶データ
   を逆順読みで出力させ、第２文字列照合手段で文字列マ
   ッチ信号があると、論理信号１の書き込みを終了させ、
   第２データ記憶手段の記憶データを順読みに切り替える
   ことを特徴とする用語辞書による文書検索システム。
5. （５）文書検索の前に、検索文字列を文字列照合手段に
   登録し、用語辞書を検索して、類似検索文字列の範囲を
   決定し、それを文字列照合手段へ追加登録し、文書デー
   タの検索を行い、検索終了後、用語辞書の指定範囲内の
   類似検索文字列を配列順に、再度、文字列照合手段へ入
   力し、各検索文字列の入力の都度、マッチ回数記憶手段
   の内容をレコード番号を走査して順次に出力するように
   したことを特徴とする請求項１、２、３又は４に記載の
   用語辞書による文書検索システム。
6. （６）用語辞書の中における文字列の先頭文字位置がネ
   ストレベルを示すように階層的に配列されること、指定
   範囲の文字列がＯＲやＡＮＤなどの検索条件信号と共に
   第１のデータ記憶手段に記憶されること、文字列が改行
   、スペース、コンマなどの特定記号コードを区切り信号
   に使い、文字列照合手段へ登録されることを特徴とする
   請求項１、２、３又は４に記載の用語辞書による文書検
   索システム。
7. （７）新しい文書レコードが入手される都度、用語辞書
   の文字列による検索で、階層的配列の文字列のどれに類
   似したものかを判別し、文書レコードのファイル番号を
   決定し、ファイル管理に利用することを特徴とする請求
   項１、２、３又は４に記載の用語辞書による文書検索シ
   ステム。
8. （８）用語辞書による文書検索の結果を見て、用語辞書
   内の階層的配列の文字列に文字列に新知識や新概念の文
   字列を加え、不要の文字列を削除し、用語辞書を修正し
   ていくことを特徴とする請求項１、２、３、４、５又は
   ６に記載の用語辞書による文書検索システム。