JPH04315260A - 文字列照合方式 - 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】

【０００１】

【産業上の利用分野】本発明は、自然言語の文書データ
を文字コード列として蓄積した文書データベースの中か
ら、所望の文字列を高速に検索することを可能にした文
字列照合方式に関するものである。

【０００２】

【従来の技術】従来、プロセッサエレメント（ＰＥ）を
複数個有する単一命令多重データ処理（ＳＩＭＤ（Ｓｉ
ｎｇｌｅ　Ｉｎｓｔｒｕｃｔｉｏｎ　Ｍｕｌｔｉｐｌｅ
　Ｄａｔａ））形の並列処理装置に外部から入力された
所望の文字列である検索単語と同一、あるいは類似の文
字列をデータベース内の被検索文である被検索文書デー
タ中から検出する文字列照合の処理において、文書デー
タベースの中から所望の文字列を高速に検索する技術と
しては、専用のハードウェアによって、文字列相互間の
照合を行うように構成したものが多かった（たとえば「
あいまい検索が可能な文字列検索ＬＳＩ」：日経エレク
トロニクス、１９８７．６．１，Ｎｏ４２２）　。

【０００３】この原理を図示すると図５に示すような文
字列照合装置になる。

【０００４】図５において、１は検索単語入力部、２は
文字列照合部、３は文書データ格納部（データベース）
、４は照合結果格納部、５はデータ転送バス、６は照合
処理制御部である。なお（２０）１　……（２０）Ｎ　
は個別単語照合部を示す。

【０００５】文字列照合部２の詳細な構成を図６に示す
。

【０００６】図６において２０は個別単語照合部、２１
は検索単語格納部、２２は被検索データ保持部、２３は
文字列一致検出部、２４は検索単語入力部、２５は被検
索データ入力部、２６は一致情報出力部である。

【０００７】この装置を動作するには、図５に示す検索
単語入力部１から、検索単語（ここでは例として文字列
と云う単語を使用する）“文字列”が入力されたとする
と、その単語は一旦文字列照合部２の中の検索単語格納
部２１の各レジスタ（２１１，２１２，………）に格納
され、被検索データが転送されて来るのを待つ。

【０００８】被検索データは文書データ格納部３の中か
ら順次読み出され、被検索データ入力部２５を経由して
被検索データ保持部２２の各レジスタ（２２１，２２２
，………）に送られる。

【０００９】被検索データ保持部２２では被検索データ
を１文字づつ入力し、そのつど文字列一致検出部２３の
比較器（２３１，２３２，………）で、検索単語のデー
タとこれまでに入力した被検索データとの文字列が一致
するか否かを判定し、一致した時点で一致情報出力部２
６から一致情報を出力し、一致位置の情報を照合結果格
納部４に記録する。

【００１０】図７，図８は文字列照合の際の個別単語照
合部２０の処理内容の状態変化の様子を示したものであ
る。

【００１１】すなわち、例として検索単語格納部２１に
検索単語“文字列”が設定された後、被検索データ“高
速に文字列を走査して………”が被検索データ保持部２
２に入力されて、その中に存在する“文字列”が検出さ
れるまでの個別単語照合部２０内の処理過程の様子を示
している。

【００１２】図７は、検索単語と同じ被検索データの“
文字列”が個別単語照合部２０の被検索データ保持部２
２に入力を開始した時点の状態図であり、図８は、図７
の状態から３つの文字が被検索データ保持部２２に入力
されて検索単語との文字列一致が検出された状態を示す
。

【００１３】

【発明が解決しようとする課題】図５に示した従来方式
の被検索データは、入力系にデータ幅の狭い一組のデー
タ転送バス５を通して送られてくるため、データ転送バ
ス５の転送速度がネックになって、検索速度の速いもの
が得られない。

【００１４】また、文字列照合部２が、ハードウェアで
固定化されているので、検索単語長が長くなった場合な
どの検索条件の変化に対して柔軟に対処できない、など
の問題がある。

【００１５】本発明の目的は従来の問題点を解決し、文
字列の検索処理において、汎用の並列処理装置を効率よ
く運用することにより、高速に文字列検索を行なうこと
ができる文字列照合方式を提供することにある。

【００１６】

【課題を解決するための手段】本発明は上記目的を達成
するため、プロセッサエレメントを複数個有する単一命
令多重データ処理形の並列処理装置に外部から入力され
た所望の文字列である検索単語と同一、あるいは類似の
文字列をデータベース内の被検索文である被検索文書デ
ータ中から検出する文字列照合の処理において、前記プ
ロセッサエレメントが直接アクセス可能なメモリ領域に
文書データを分割して格納しておき、検索の要求に対し
て検索単語との一致を照合判定するライン内文字列照合
工程と、ライン内文字列照合工程で検出された文字列位
置から文書データ内の文字列位置を算出する文字列位置
補正処理工程とを有することを特徴とする。

【００１７】

【作用】本発明は、従来の文字列照合装置とは異なった
装置構成、すなわち、装置内プログラムの入れ替えによ
って処理の内容を自由に変更できる汎用の並列処理装置
を用いて、高速な文字列照合を実現するもので、汎用の
並列処理装置を用いて高速な文字列照合ができ、また被
検索データを格納したデータ領域のライン間にまたがる
文字列に対しても高速に検索できる。

【００１８】以下図面にもとづき実施例について説明す
る。

【００１９】

【実施例】図１は本発明の実施例を説明する図であって
、１は検索単語入力部、３は文書データ格納部（データ
ベース）、４は照合結果格納部、５はデータ転送バス、
６は照合処理制御部、７は並列処理部、７１は照合処理
プログラム格納部、７２は文字列並列照合部、７３は大
容量データバス、７４は検索情報格納部（照合データメ
モリ）、７２１、７２２、………、７２Ｒはプロセッサ
エレメントである。

【００２０】なお７４１は検索単語格納領域、７４２は
被検索データ格納領域、７４３は照合結果一次格納領域
、７４４は照合結果二次格納領域を示す。

【００２１】図２は並列処理部７の一部（照合処理系）
の詳細図であり、Ｒ個のプロセッサエレメント（７２１
，７２２，・・・，７２Ｒ）を一次元（ライン）的に使
用する場合の様子を概念的に示した図である。

【００２２】このとき、検索情報格納部７４は検索単語
格納領域７４１と被検索データ格納領域７４２とに分割
して使用され、文字列並列照合部７２のプロセッサエレ
メント（７２１，７２２，・・・，７２Ｒ）とのデータ
の送受はプロセッサエレメントの個数Ｒに相当する組数
分用意された大容量データバス７３を経由して行なわれ
る。

【００２３】これを動作するには、予め文書データ格納
部３から被検索データを並列処理部７の被検索データ格
納領域７４２に文書データを転送しておき、検索単語入
力部１からの検索単語の入力に備える。

【００２４】このとき被検索データ格納領域７４２の中
には検索単語の最大文字数ｎに相当する文字が、ｍライ
ンの末尾と（ｍ＋１）ラインの先頭部分にオーバラップ
して記録され、ライン間にまたがる文字列が検索できな
くなるのを防いでいる。

【００２５】次に、検索単語入力部１から検索単語“文
字列”が入力されると、その単語は並列処理部７内の検
索単語格納領域７４１に格納された後、直ちに照合処理
が実行される。

【００２６】図３，図４は照合処理工程の中のライン内
文字列照合工程を説明する図であり、プロセッサエレメ
ントがラインとしてはＲ＝２５６個で構成されている場
合で、かつ検索単語の最長文字数が６の場合を仮定して
図示している。

【００２７】この図における処理の第１段階は、図３の
文字列の並列処理部７のデータ配置を示したものであり
、これは被検索データである“高速に文字列を照合して
………一致させて文字列を検索する………”と云う文の
中から検索単語“文字列”の存在する位置を検出するた
めの照合開始の初期状態を示したものである。

【００２８】被検索データはプロセッサエレメントの個
数単位に分割されて“高速に”から“一致させて文字”
までが一つのラインとして記録され、『致させて文字』
の６文字をオーバラップさせた“到させて文字列を検索
する………”以降は次のライン（ｍ＋１）として検索情
報格納部７４の被検索データ格納領域７４２に記録保持
される。

【００２９】検索単語は検索単語格納領域７４１の中に
各プロセッサエレメント７２１の深さ方向に記録されて
照合の処理に備える。

【００３０】次に図４に示す第２段階の処理の照合処理
、すなわちライン内文字列照合工程では、図３に示す状
態から被検索データをプロセッサエレメント７２１に読
み込んだ後、検索単語との照合を行なう。

【００３１】このとき被検索データと検索単語の照合は
文字単位（１６ビット単位）で行ない、検索単語の先頭
文字から順次行なっていく。

【００３２】照合結果は、図４に示すように照合結果一
次格納領域７４３に一致（０）、不一致（１）の形で格
納される。

【００３３】この図では検索単語の最大語長ｒを６文字
とし、検索単語長ｎが３文字から成る“文字列”で構成
されている場合を示している。

【００３４】すなわち、一致文字が存在することを示す
“０”が１プロセッサエレメントづつずらした形で出現
することになる。

【００３５】この状態から検索単語と同一の文字列位置
を検出するには、検索単語のα文字目に対応する照合結
果一次格納領域７４３の各行の値を（α−１）個づつ左
側にシフトし、右端からは“０”をつめる。

【００３６】この処理によって図４に示すように、照合
結果二次格納領域７４４の検索単語に対応する各行にお
いて一致文字列の先頭の位置に相当する部分に“０”が
プロセッサエレメントの深さ方向に並ぶことになる。

【００３７】次に、図４の照合結果二次格納領域７４４
内のライン間のＡＮＤをとることによって、“０”が存
在する位置から検索単語と同一の文字列が存在すること
が分かる。

【００３８】この処理によってライン内の先頭から（２
５６−ｎ）文字内に検索単語と同一の文字列が存在する
こと、および末尾のｎ文字、あるいは次ラインの文字並
びを検査する事によってライン間における検索単語の存
在の有無を知ることができる。

【００３９】最後に、この検索結果に対して各ラインが
（２５６−ｎ）文字で構成されていることを考慮して、
出現位置の位置補正、すなわち“ライン数×（２５６−
ｎ）＋ライン内検索単語の出現位置”を求めることによ
り、検索単語の出現位置を知ることができる。

【００４０】図４の照合処理の〔Ｉ〕に文書データのｍ
ライン目の処理を示し、〔ＩＩ〕に文書データの（ｍ＋
１）ライン目の処理を示す。

【００４１】

【発明の効果】以上説明したように、本発明は次のよう
な特長を持つ。

【００４２】（イ）汎用の並列処理装置を用いて高速な
文字列照合ができる。

【００４３】（ロ）被検索データを格納したデータ領域
のライン間にまたがる文字列に対しても高速に検索でき
る。

【００４４】従って、本発明は、■検索時間が短くてよ
い、■検索漏れがないなどの利点を持つ。

【図面の簡単な説明】

【図１】本発明の文字列照合処理方式の構成図である。

【図２】文字列並列照合部の構成である。

【図３】文字列並列照合の処理工程を説明するための初
期状態図である。

【図４】文字列並列照合の処理工程の照合処理を説明す
るための状態図である。

【図５】文字列照合の従来方式の構成図である。

【図６】従来方式の文字列照合部の構成である。

【図７】従来方式の文字列照合部の状態変化の様子その
１である。

【図８】従来方式の文字列照合部の状態変化の様子その
２である。

【符号の説明】

１　　検索単語入力部 ２　　文字列照合部 ３　　文書データ格納部 ４　　照合結果格納部 ５　　データ転送バス ６　　照合処理制御部 ７　　並列処理部 ２０　　個別単語照合部 ２１　　検索単語格納部 ２２　　被検索データ保持部 ２３　　文字列一致検出部 ２４　　検索単語入力部 ２５　　被検索データ入力部 ２６　　一致情報出力部 ７１　　照合処理プログラム格納部 ７２　　文字列並列照合部 ７３　　大容量データバス ７４　　検索情報格納部（照合データメモリ）７２１，
７２２，・・・，７２Ｒ　　プロセッサエレメント ７４１　　検索単語格納領域 ７４２　　被検索データ格納領域 ７４３　　照合結果一次格納領域 ７４４　　照合結果二次格納領域

Claims (1)

【特許請求の範囲】
1. 【請求項１】　　プロセッサエレメントを複数個有する
   単一命令多重データ処理形の並列処理装置に外部から入
   力された所望の文字列である検索単語と同一、あるいは
   類似の文字列をデータベース内の被検索文である被検索
   文書データ中から検出する文字列照合の処理において、
   前記プロセッサエレメントが直接アクセス可能なメモリ
   領域に文書データを分割して格納しておき、検索の要求
   に対して検索単語との一致を照合判定するライン内文字
   列照合工程と、前記ライン内文字列照合工程で検出され
   た文字列位置から文書データ内の文字列位置を算出する
   文字列位置補正処理工程とを有することを特徴とする文
   字列照合方式。