JPH04326164A

JPH04326164A - データベース検索システム

Info

Publication number: JPH04326164A
Application number: JP3122766A
Authority: JP
Inventors: Hiroshi Takada; 寛高田
Original assignee: Nippon Steel Corp
Current assignee: Nippon Steel Corp
Priority date: 1991-04-25
Filing date: 1991-04-25
Publication date: 1992-11-16
Anticipated expiration: 2016-04-03
Also published as: JP3151730B2

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、データベースから必要
な情報を取り出すための検索システムに関する。

【０００２】

【従来の技術】現状のデータベース検索における検索空
間圧縮の手法としては、キーワード付加方式によるもの
が一般的である。また対象物件数が比較的小数のケース
では、全物件検索方式が実用化されている。例えば効率
的な全物件検索手法として、ボイヤ―モア法が考案され
ている。

【０００３】

【発明が解決しようとする課題】このキーワード検索方
式は、以下のような欠点を有する。（１）、物件一つ一つにキーワードを付加しなくてはな
らない。（２）、任意のキーワードを付加して行くと、その個数
は膨大になるため、例えばシソーラスによる管理などを
必要とし、その維持に多大なコストがかかる。（３）、付加されるキーワードが必ずしも適切なものと
は限らない。すなはち現状のデータベース検索方式では
、特に物件数が膨大になった時に必要なコストに比して
パーフォーマンスが伸びない傾向が現れる。一方、全物件検索方式では、上記のような問題は発生し
ない。しかし直接検索方式では、物件数が膨大になった
とき、検索時間は対話的な時間の域を大幅に超過し、実
用にならないのが現状である。また全物件検索方式では
、完全一致が条件であり、あいまい一致検索ができない
欠点も有る。また上述のボイヤ―モア法による全物件検
索では、文書以外のデータ、例えば物理的な時系列デー
タを扱うことができない問題がある。本発明は、この問
題に鑑がみ、全物件検索でありながら検索時間を飛躍的
に短縮することができ、またあいまい一致検索ができる
データベース検索方式を提供することを目的とする。

【０００４】

【課題を解決するための手段】本発明のデータベース検
索システムは、検索対象の物件毎にその自己相関情報を
記憶した記憶手段と、検索キーの自己相関情報と検索対
象の上記自己相関情報との合致度を物件毎に求め、物件
番号を合致度の降順に出力する検索手段とを具備する。

【０００５】

【作用】全物件直接検索を行なう際に検索時間を増大さ
せる要因であるデータの位相情報（検索キーが物件中の
どこに存在するかと言う場所情報）を自己相関演算によ
り捨象してある。検索時間は検索キー情報の長さのみに
依存する。従って、検索時間がデータ量に依存しない高
速な検索が可能となる。また物件毎の検索キーの合致度
（含有確率）として検索結果が求まるので、合致度の降
順参照により、あいまい検索が可能となる。検索対象と
しては、文書データ、物理計測データ、信号波形データ
、画像データ、音響データなどを扱うことができる。

【０００６】

【実施例】図１は、本発明の一実施例を示す自己相関記
憶型パターン検索システムのデータフロー図である。こ
の検索システムでは、予め全対象物件から事象（情報）
の位相情報を全て捨象した自己相関データを作成し、そ
のデータ群に対して全物件検索を行なう。検索のアルゴ
リズムは、学習ステップと検索ステップとからなる。学
習ステップでは、物件毎に自己相関行列が位相情報とし
て作成される。検索ステップでは、検索キーと自己相関
行列とのマッチング演算が行なわれ、物件ごとにマッチ
ング度（類似度）を示す評価結果を得る。以下、各ステ
ップについて説明する。

【０００７】（１）、学習ステップ図１に於いて、検索対象１０は、例えば日本語、英語、
ドイツ語、フランス語、ヘブライ語、ロシア語などの文
書データ、或いは量子化された波形数値データ、化学構
造式、遺伝子情報などである。このような検索対象に対
して、まず正規化手段Ｓ１により正規化の処理を行なう
。一般に検索対象は、情報の最小単位（文書であればア
ルファベットなどの文字、数値チャートであれば、ある
時刻における実数値など）の列で表現されている。それ
をなんらかの方法でｎ階調の整数列に変換する。これを
データの正規化と呼ぶ。

【０００８】例えば、英文書データの場合、ＡＳＣＩＩ
コード表をそのまま用いることにより、次のような２５
６階調の数値表現として実現される。　　　　　　　　　　　　……　　Ｔｈｉｓ　ｉｓ　ａ
　ｐｅｎ．　　……８４｜１０４　｜１０５　｜１１５
　｜３２｜１０５　｜１１５　｜３２｜９７｜３２｜１
１２　｜１０１　｜１１０　｜４６｜正規化されたデー
タ２０は、次に学習手段Ｓ２により自己相関行列３０の
形式に畳込まれる。ここで自己相関をとる演算式は種々
考えられる。この演算式は検索の鋭さ（過検出の少なさ
）にも影響を与える。

【０００９】式（１）は、自己相関式の一般形を示す。　　　　　　（行，　列）　＝（　ｆ（　ｃ　ｉ　），
ｇ（　ｃ　ｉ　，　ｃ　ｉ＋ｊ　））　　　．．．．．
．．．．．．．．．．．．　（１）　（ここでｆ（），
ｇ（）　は任意の整数値関数。ただし、ｃ　ｉの変域と
、ｆ（），　ｇ（）の値域とは等しい）つまり物件内の
ｉ番目の整数値をｃｉ　とすると、式（１）の行列の要
素値を１とする計算をｊについて繰返し、これを全ての
ｉについて行なう。これによって各物件の構造情報は図
２に示すようなｎ次の正方行列に畳み込まれる。この場
合、各行列要素は２値しか持たないので、現実にはｎ次
のビット行列で十分である。上述の２５６階調の数値表
現の英文書データの場合、自己相関行列は２５６Ｘ２５
６　である。

【００１０】次に上述の英文書データの例について、次
のような計算方法を例示する。式（１）において、ｆ：
　ｘ→ｘｇ：　（ｘ，ｙ）→ｙｊ　＝１，２とすると、例えばＴｈｉｓの第一文字Ｔ　につてはＴ　
→　ｈ，　　　　Ｔ　　→　ｉの隣接（ｊ＝１）及び一つ置き（ｊ＝２）　の相関を夫
々２値で畳み込み、（行、列）＝（８４，１０４），（８４，１０５）の要
素に対応するビットに１を立てる。この操作を各文字に
ついて行う。なお上記の例の物件の終了点では、１文字
近傍の情報だけを畳み込む（ｎ　→．）。この様にして
作成された自己相関行列に物件の識別番号を付加して構
造ファイル４０として保存する。

【００１１】（２）、検索ステップまず検索キー５０を入力する。例えば、”Ｔｈｉｓ　ｉ
ｓ　ａ　ｐｅｎ．”を検索キーとする。この検索キー５
０に対して学習ステップと同一の正規化方法に基づく正
規化手段Ｓ３によりキー情報を整数列に正規化する。８４｜１０４　｜１０５　｜１１５　｜３２｜１０５　
｜１１５　｜３２｜９７｜３２｜１１２　｜１０１　｜
１１０　｜４６｜

【００１２】次に、検索手段Ｓ４にお
いて、学習ステップと同一の自己相関計算式ｆ（）　、
ｇ（）　を用いて各物件に対応する自己相関行列に対し
次の式（２）により検索キーを作用させ、検索キー情報
の構造評価を行なう。　　　　　　ｓｃｏｒｅ　＝ΣΣｐ（ｆ（ｃ　ｉ　）　
，ｇ（ｃｉ　，　ｃ　ｉ＋ｊ　））　　　．．．．．．
．．．．．．．．（２）　（ここで評価関数ｐ　は、ｐ：（ｘ，ｙ）　→１：行列の（ｘ，ｙ）が非零（＝１
）０：　　　　　　〃　　　　　　零　　　　　　　　
）即ち、検索キーの１文字（ｉ＝１）　に着目した隣接
（ｊ＝１）　及び一つおき（ｊ＝２）　の自己相関に対
応する各物件の行列要素が１であるとき、１を累算し、
これを検索キーのｉ個の文字について繰返す。この式（
２）は、ＡＮＤ，ＯＲ、加算などの論理演算で非常に高
速に実行できる。

【００１３】次に、評価結果出力手段Ｓ５において、物
件毎に得られた構造評価値ｓｃｏｒｅ　（合致度）を完
全一致の場合の評価値（この場合は、検索キー情報の文
字数の２倍）で割って、検索キーの含有確率を求め、評
価結果のリスト７０を得る。更にソート手段Ｓ６におい
て、このリスト７０を含有確率の降順にソートしソート
済みリスト８０を得る。

【００１４】このソート済みリスト８０が検索結果であ
り、その上位物件を参照することにより、検索キーが物
件中に含まれている確率が高い物件名を知ることができ
る。含有確率は、完全一致及び不完全一致の全てについ
て求まるから、あいまい一致検索を行なうことができる
。

【００１５】またある物件中に検索キーが完全一致で存
在するならば、式２のｐ（）　は、すべてのｉ　、ｊ　
について１になる。即ち、検索キーの全情報についての
全物件探索であるから、検索もれが発生する確率は、本
質的に零であると言う特徴がある。

【００１６】また、１つの物件に対する検索キーの評価
時間は、キーの文字数のみに依存し、物件の大きさには
依存しない。従って、非常に高速に検索を行なうことが
できる。

【００１７】また検索結果のリストどうしの論理演算を
行うことにより、検索条件に対するＡＮＤ、ＯＲなどの
検索演算処理も高速に実行できる。式（１）の自己相関
式は上述の例の他に種々考えることができる。例えば、
ｆ：　ｘ→ｘｇ：　（ｘ，ｙ）→ｘ−ｙ　（または｜ｘ−ｙ　｜）と
すれば、隣接文字及び一つ置きの文字の差分（または差
分の絶対値）を相関情報として自己相関行列を作ること
ができる。また幾つかの文字列の個々の文字整数値に対
し四則演算を施すことにより自己相関情報を取り出して
もよい。

【００１８】自己相関情報は、各物件の全データを対象
とし取り出さなくてもよい。例えば、物件データ中の特
定の一つまたは一つ以上の整数値、特定の範囲の整数値
、或いはデータ列を構成する各バイト中の特定の１つま
たは一つ以上のビットを除外して自己相関情報を捨象し
てもよい。また日本語文書のように２バイト文字で構成
されている場合には、例えば上位バイトを除外して下位
バイトを対象として自己相関情報を取り出してもよい。

【００１９】上述の例では、自己相関によって生成され
る行列は、２５６次のビット行列であり、これは８Ｋ　
バイトに相当する。従って、１物件のデータが１Ｋ　バ
イト程度であるデータベースでは、効率のよいシステム
であるとは言えない。そこでデータ圧縮手段Ｓ７を設け
てデータ圧縮を行なって構造ファイル４０の容量を減ら
すのがよい。

【００２０】図３にデータ圧縮法の一例を示す。この例
では、２５６次の自己相関行列の各要素毎に要素値が１
である物件名４０ａ（識別コード）を１バイト／件のデ
ータ列として蓄積する。従って、要素値が０である物件
名は不要データとして除外する。

【００２１】物件数が２５５個以上ある場合には、物件
名４０ａは１バイトで表せないので、下位の１バイトの
みを蓄積する。例えば、物件数が１万件の場合、物件名
は２バイトで表されるが、そのうちの下位１バイトを使
用する。そして物件名コードが２５５を越える毎にデー
タ列にマーカ４０ｂを挿入する。

【００２２】検索時には、検索キーの自己相関情報の各
々に該当する構造ファイルのデータ列を取り出し、物件
名毎の出現度数テーブルを作成する。この際、マーカ４
０ｂを越える毎に物件名コードに２５５を加える。この
ようにして作成した出現度数テーブルに基づいて図１の
評価結果リスト７０が得られる。

【００２３】なお物件名コードのデータ列が例えば全物
件中の半分以上ある場合には、その自己相関行列要素は
各物件について共通であると見なして、その要素を削除
してもよい。

【００２４】上述の実施例において，正規化手段Ｓ１、
学習手段Ｓ２、正規化手段Ｓ３、検索手段Ｓ４、評価結
果出力手段Ｓ５、ソート手段Ｓ６、データ圧縮手段Ｓ７
は、コンピュータプログラムによって構成することがで
きるが、論理回路素子を用いて専用のハードウエアを構
成してもよい。

【００２５】

【発明の効果】本発明のデータベース検索システムは、
検索対象の物件毎にその自己相関情報を記憶し、検索キ
ーの自己相関情報と検索対象の上記自己相関情報との合
致度を物件毎に求め、物件番号を合致度の降順に出力す
る構成である。従って、本発明によると、全物件直接検
索を行なう際に検索時間を増大させる要因であるデータ
の位相情報（検索キーが物件中のどこに存在するかと言
う場所情報）を自己相関演算により捨象してあるから、
索時間は検索キー情報の長さのみに依存する。従って、
検索時間がデータ量に依存しない高速な検索が可能とな
る。また物件毎の検索キーの合致度（含有確率）として
検索結果が求まるので、合致度の降順参照により、あい
まい検索が可能となる。

【図面の簡単な説明】

【図１】本発明の一実施例のデータベース検索システム
のデータフロー図である。

【図２】自己相関行列の一例を示す図である。

【図３】圧縮された自己相関情報のデータ構成図である
。

【符号の説明】

１０　　検索対象２０　　正規化データ３０　　自己相関行列４０　　構造ファイル５０　　検索キー６０　　正規化キー７０　　評価結果リスト８０　　ソート済みリストＳ１　　正規化手段Ｓ２　　学習手段Ｓ３　　正規化手段Ｓ４　　検索手段Ｓ５　　評価結果出力手段Ｓ６　　ソート手段Ｓ７　　データ圧縮手段

Claims

【特許請求の範囲】

【請求項１】　　検索対象の物件毎にその自己相関情報
を記憶した記憶手段と、検索キーの自己相関情報と検索
対象の上記自己相関情報との合致度を物件毎に求め、物
件番号を合致度の降順に出力する検索手段とを具備する
データベース検索システム。
【請求項２】　　上記物件毎の合致度数を上記検索キー
の自己相関情報の完全一致度数で割った値を、物件毎の
検索キーの含有確率リストとして確率の降順に出力する
上記検索手段を具備することを特徴とする請求項１のデ
ータベース検索システム。
【請求項３】　　上記自己相関情報が、検索対象のデー
タ列に沿った畳み込み演算によって元情報から抽出され
でいることを特徴とする請求項１のデータベース検索シ
ステム。
【請求項４】上記検索対象の自己相関情報と、検索キー
の自己相関情報との生成アルゴリズムが同一であること
を特徴とする請求項１のデータベース検索システム。
【請求項５】　　検索対象のデータ列のｉ番目ｃｉ　と
その近傍のデータｃｉ＋ｊ　（ｊ＝１，２．．．．．．
．）　について、整数関数値ｆ（ｃｉ　），ｇ（ｃｉ　
，ｃ　ｉ＋ｊ　）を与え、各関数値を行列の要素番号と
して、２値（１、０）の一方の要素値（＝１）をその要
素番号に与え、全てのｉについて生成したビット行列を
上記自己相関情報とすることを特徴とする請求項１のデ
ータベース検索システム。
【請求項６】　　上記整数関数がｆ（ｘ）＝ｘ，ｇ（ｘ
，ｙ）＝ｙであることを特徴とする請求項５のデータベ
ース検索システム。
【請求項７】　　上記検索キーのデータ列のｉ番目ｃｉ
　とその近傍のデータｃｉ＋ｊ　（ｊ＝１，２．．．．
．．．）　について、上記の整数関数値ｆ（ｃｉ　），
ｇ（ｃｉ　，ｃ　ｉ＋ｊ　）を与え、各関数値を行列の
要素番号として、上記ビット行列の対応要素番号の要素
値を調べ、要素値が１の場合に合致度数として＋１を計
数し、全てのｉについての合致度数を物件毎に求めるこ
とを特徴とする請求項５のデータベース検索システム。
【請求項８】　　検索対象及び検索キーの各データ列を
、個々のデータがｎ階調である整数データ列に変換する
正規化手段を具備することを特徴とする請求項１のデー
タベース検索システム。
【請求項９】　　上記検索対象の自己相関情報を圧縮す
るデータ圧縮手段を具備することを特徴とする請求項１
のデータベース検索システム。
【請求項１０】　　上記検索対象の自己相関情報を圧縮
するデータ圧縮手段を具備し、上記データ圧縮手段が、
上記行列の要素番号毎に要素値が１の物件番号列を生成
することを特徴とする請求項５のデータベース検索シス
テム。