JPH0484271A - 文書内情報検索装置 - 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〕 この発明は１文、単語列あるいは単語を入力することに
よって２文書ファイル中の内容を検索するための文書白
情報検索装置に関する。

〔従来の技術〕

従来の文書ファイル中の内容を検索する装置として２文
字列を入力することにより、その文字列を含む部分を検
索する装置が知られている。

〔発明が解決しようとする課題〕

しかしながら、従来の装置では１文字列が完全に一致し
なければ検索できないため９例えば「書式」という文字
列を入力して当該書式と同じ意味をもつ「フォーマット
」を含む部分を検索することができず、また、「ファイ
ルのオープン」と入力して「ファイルをオープンする方
法」を含む部分を検索することができなかった。

この発明の目的は、入力した文字列と一致する文字列で
なくても、意味が同じ単語を含む部分や入力した文と意
味的な類イ以性が高い文を含む部分を簡単にしかも高速
に検索できる機能を有する文書白情報検索装置を提供す
ることにある。

〔課題を解決するための手段］ 文書ファイル中の章や見出しや段落の第１の情報を抽出
する文書構造抽出部と 表記や意味カテゴリを抽出する登録文解析部と。

表記や意味カテゴリを基にインデックスチーフルを生成
するインデックステーブル生成部と検索文に含まれる単
語の表記と意味カテゴリとを抽出する検索文解析部と 類似度を算出する類似度算出部と 類似度の高いものを表示する候補表示部とを少なくとも
そなえた構成をそなえている。

〔作　用〕

文書構造抽出部で抽出された文書ファイル中の章や見出
しめ段落の情報と、インデックステーブル生成部で生成
されたインデックステーブルとを参照して、検索文解析
部で抽出された単語の表記や意味カテゴリを基に、類似
度算出部で検索文との類似度を算出して、この類似度を
基に内容を表示すべき候補として見出し文や段落を候補
表示手段で表示し、入力された文字列と一致する文字列
がなくても意味的に類似した部分を含む内容を検索する
。

〔実施例〕

第１図は本発明の実施例を示すブロック図である。以下
、第１図において９本発明の実施例の動作について説明
する。

第２図は文書ファイルの１例を示す図である。

文書ファイル蓄積部１には、複数の章で構成され。

各章が見出し文と本文とで構成され、各本文が複数の段
落で構成され、各段落が複数の文で構成される第２図の
ような文書ファイルを蓄積しておく。

文書構造抽出部２は２文書ファイル蓄積部１に蓄積され
た文書ファイル２１を解析し９章、見出し文５段落を抽
出し５その位置と階層関係とを表す文書構造テーブルを
作成する。様々な方法で章９見出し文１段落を抽出する
ことができるがここでは、その１例について説明する。

まず、［車番］を示す文字列１例えばｒｌ、Ｊや「１章
」などの文字列を見つける。［車番］は以下のパターン
を満たす文字列を探すことにより抽出できる。

［車番コ＝Ｕ数字列］＋ｒ、Ｊ　　ＯＲ［数字列］＋「
章」 （ただし、［数字列］は行の先頭から始まる）次に、［
車番］に続く空白文字を除いた文字列で改行コードまで
を［見出し文］として抽出する。

［段落］は以下の規則により抽出する。

［段落コ＝［改行コード］に続く文字列で［改行コード
コまでの文字列 （ただし２　この［改行コード］は行の最後の位置にあ
る改行コードを除く） 各［章］は、［車番］が記述されている行から次の［車
番］が記述されている行の１つ前の行までとする。

以上のような方法により１文書ファイル中から章、見出
し文１段落を抽出し５各々の文書ファイル上の位置を求
めて文書構造テーブルを作成する。

第３図は９文書構造テーブルの１例を示す図である。文
書構造抽出部２で作成された文書構造テーブル２２は文
書構造テーブル部３に蓄積される。

第３図においてＩＤは２章や見出し文２段落を管理する
ための識別子であり２例えば、ＡＩは第１番目の章、Ａ
２は第２番目の章、Ｂｌは見出し文で第２図に示す「標
準入出力Ｊ、ＣＩは第１番目の章の第１番目の段落で第
２図に示す「一番簡単な・・・方法である。」に対応し
ている。また、このテーブル２２により、第１番目の章
の見出し文はＢｌ、その章に含まれる段落にはＣＩ、　
　Ｃ２Ｃ６が含まれるという情報を容易に取り出すこと
ができる。また、ＳおよびＥは２章、見出し文段落の文
書ファイル上の開始位置と終了位置とを表している。こ
れを参照することにより、各章各見出し文、各段落に対
応する文字列を文書ファイル蓄積部１から読み出すこと
ができる。

登録文解析部６は、各見出し文および各段落を形態素解
析部５へ送る。形態素解析部５では、単語辞書部４を参
照して、解析対象となる文に含まれる各単語の表記およ
び意味カテゴリを抽出する。

第４図は、登録文解析結果の１例を示す図である。第４
図では、見出し文「書式付き出力」を解析した結果の例
を示している。この例では、単語の表記「書式」、［付
き」２　［出力」と、「書式」に対する意味カテゴリ［
ＦＭＴ］　、ｒ出力」に対する意味カテゴリ［ＯＵＴ］
が抽出される。

この意味カテゴリ２４は、同義語や関連語を結び付ける
ために用いられる情報であり、単語辞書部４で自立語に
対して定義されている。ただし「ある」、「する」のよ
うな単独では具体的な意味を表さない単語には付与しな
い。

登録文解析部６は、このようにして得られた単語表記２
３や意味カテゴリ２４を、それが所属する見出し文や段
落のＩＤとともに、インデックステーブル作成部７へ送
る。

インデックステーブル作成部７では９表記２３と意味カ
テゴリ２４とを基に１表記２３および意味カテゴリ２４
をインデックスとして、その表記あるいは意味カテゴリ
を有する単語を含む見出し文および該単語を含む段落を
抽出できるインデックステーブル２５を生成する。

第５図は意味カテゴリをインデックスとするインデック
ステーブルの１例を示した図である。このインデックス
テーブル２５により、意味カテゴリ［ＦＭＴ］を有する
単語を含む見出し文Ｂ２゜Ｂ４および段落Ｃ８，Ｃ１８
を簡単に取り出すことができる。

このようにして作成されたインデックステーブル２５は
、インデックステーブル蓄積部日へ蓄積される。

以上のようにして蓄積された文書ファイル２１゜文書構
造テーブル２２　　インデックステーブル２５は、以下
で説明する検索処理で使用される。

検索文入力部９では９文、単語列あるいは単語をユーザ
に入力させ、入力された文字列を検索文として検索文解
析部１０へ送る。なお、検索文の入力において、すでに
表示されている文の中がらマウス等により指定して入力
するよう検索文入力部９を構成してもよい。

検索文解析部１（ｌでは、検索文入力部９で得られた検
索文２６を形態素解析部５に送って、検索文２６に含ま
れる単語の表記２３と意味カテゴリ２４　とを抽出する
。

第６図は、検索文としての「フォーマット指定による書
き込み」が入力された場合の検索文解析結果の１例を示
す図である。この例で（よ、単語表記２３として「フォ
ーマット」、「指定」「に」、「よる」、「書き込み」
が抽出され、意味カテゴリ２４とし７　［ＦＭＴ］　、
［Ｓ　ＩＴＥ１］　、　　［ＯＵＴ］が抽出される。

類似度算出部１１では、まず、各見出し文および各段落
の検索文との’ＳｊＱ度を算出する９類似度算出の方法
には、様々な方法を用いることができ例えば、特願平１
−１１１６２６号で示される方法で実現できる。ここで
は、意味カテゴリ２４が何個一致したかに応じて！（９
１度を算出する方法について説明する。例えば、意味カ
テゴリ２４がｎ個一致した場合にはＩｏｎ点を与えられ
るものとする。検索文から抽出される意味カテゴリをイ
ンテ・ンクスとして　インデックステーブル蓄積部８を
参照して見出し文や段落のＩＤを取り出し、各ＩＤに対
する類似度を算出する。第５図に示されるインテ・ンク
ステーブル２５が蓄積されている場合、検索文「フォー
マント指定による書き込み」２６から抽出される意味カ
テゴリ［ＦＭＴ］によって見出し文Ｂ２．Ｂ４．段落Ｃ
Ｂ、Ｃ１８が、　　［ＯＵ　Ｔ　］によって見出し文Ｂ
２．段落Ｃ８が抽出され、第７図に示される如く類似度
が算出される。例えば段落Ｃ８は、意味カテゴリ［ＦＭ
Ｔ］と［０ＩＪＴ］とによって抽出されるため２０点が
与えられる。

次に、これらの類似度を基に各章の類似度を算出する。

各章の類似度の算出方法にも様々な方法が適用できるが
、ここでは以下の算出基準による方法で説明する。

算出基準： 章の類似度＝（見出し文の類似度）＋（その章に含まれ
る段落の最大の類似度） 文書構造テーブル部３に蓄積された情報を参照すること
により、見出し文Ｂ２．段落Ｃ８は、第２番目の章Ａ２
に、見出し文Ｂ４．段落Ｃ１８は第４番目の章Ａ４に、
含まれることがわかり、以下のようにＡ２．Ａ４のＵ以
度が算出される。

Ａ２の１！僚度＝（Ｂ２の類似度）＋　（ＣＢの類似度
）＝２０＋２０＝４０ Ａ４の類似度＝（Ｂ４の類似度）＋（Ｃ１８の類似度）
＝１０＋１０＝２０ このように、見出し文と段落の類似度の両方を考慮して
章の類似度を算出することにより、見出し文と段落との
両方に検索文に関連する単語が含まれる章を、一方にし
か含まれない章よりも、高い候補順位で検索できる。

候補表示部１２では、各章の類似度の高い順に同−意向
では各段落の類似度が高い順に、その章に属する見出し
文とその段落に属する文を７文書構造テーブル部３を参
照して文書ファイル蓄積部１から読み出して表示する。

第８図は、候補表示の１例を示した図である。

ここの例では章Ａ２が１位１章Ａ４が２位になる。

章Ａ２の中では段落Ｃ８が１位になる。ここでは他の段
落については示してないが、他にも抽出された段落があ
る場合には、類似度が高い順に段落を表示する。

文書内容表示部１３では、候補表示部１２で表示された
見出し文または段落をユーザに指定させ。

ユーザが指定した見出し文が存在する章の内容またはユ
ーザが指定した段落が存在する前後の内容を、文書構造
テーブル部３を参照して文書ファイル蓄積部ｌから読み
出して表示する。

処理制御部１４では、ユーザの指示に応して。

検索文入力部９の起動、候補表示部１２の起動。

文書内容表示部１３の起動および表示内容のスクロール
を行う。これにより、ユーザは再度候補を表示したり２
表示された内容を見てさらに別の部分を検索するなどの
処理を指示することができる。

〔発明の効果〕

以上説明したように１本発明によれば２文書ファイル中
から見出し文や段落を抽出して、意味属性や表記をイン
デックスとするインデックステーブルを作成しでおき、
このインデックステーブルを用いて、検索文と見出し文
および段落との類似度を高速に算出し、これを基に各章
の類似度を算出して、１！似度順に検索結果を表示する
ため１文書ファイル中の文字列と一致する文字列でなく
ても、入力された検索文と関連する言葉が存在する部分
を高速に検索することができる。このため。

ユーザは知りたい情報を、思いついた言葉で簡単にしか
も高速に見つけることができる。

さらに１本発明によれば９本文を段落単位で検索できる
ように構成しているため５例えば、「配列をこのように
宣言する。そして、以下のように初期化を行う。ｊの部
分を検索文「配列の初期化」で検索することができる。

このように、２つ以上の文にまたがって検索文が関連す
る場合でも検索が可能である。

【図面の簡単な説明】

第１図は本発明の実施例を示すブロック図、第２図は文
書ファイルの１例を示す図、第３図は文書構造テーブル
の１例を示す図、第４図は登録文解析結果の１例を示す
図、第５図はインデックステーブルの１例を示す図、第
６図は検索文解析結果の１例を示す図１第７図は類似度
計算の１例を示す図、第８図は候補表示の１例を示す図
である。 １・・・文書ファイル蓄積部、２・・・文書構造抽出部
３・・・文書構造テーブル部、４・・・単語辞書部、５
・・・形態素解析部、６・・・登録文解析部、７・・・
インデックステーブル作成部、８・・・インデックステ
ーブル蓄積部、９・・・検索文入力部、１０・・・検索
文解析部１１・・・類似度算出部、１２・・・候補表示
部、　　１３・・・文書内容表示部、１４・・・処理制
御部。 文書ファイルの１例 第２図 本発明の実施例を示すブロック図 第１図 文書構造テーブルの１例 第３図 類 似 度 計 算 の 例 第 図 １位 ２位 候 補 表示 の ■ 例 第 図

Claims (1)

1. 【特許請求の範囲】 文書ファイルを蓄積する文書ファイル蓄積部と、前記文
   書ファイル中の章、見出し文、段落を抽出し、その位置
   と階層関係とを表す文書構造テーブルを作成する文書構
   造抽出部と、 前記文書構造テーブルを蓄積しておく文書構造テーブル
   部と、 単語表記と意味カテゴリとを各単語に対して規定した単
   語辞書部と、 前記単語辞書部を参照して、入力文を構成する単語の表
   記と該単語の意味カテゴリとを抽出する形態素解析部と
   、 前記文書ファイル中の各見出し文および各文を前記形態
   素解析部に送って、各見出し文および各文に含まれる単
   語の表記と意味カテゴリとを抽出する登録文解析部と、 前記登録文解析部で抽出された表記と意味カテゴリとを
   基に、表記および意味カテゴリをインデックスとして、
   該表記あるいは該意味カテゴリを有する単語を含む見出
   し文および該単語を含む段落を抽出できるインデックス
   テーブルを生成するインデックステーブル生成部と、 前記インデックステーブル生成部で生成されたインデッ
   クステーブルを蓄積しておくインデックステーブル蓄積
   部と、 検索文を入力する検索文入力部と、 前記検索文を解析せしめて、検索文に含まれる単語の表
   記と意味カテゴリとを抽出する検索文解析部と、 前記検索文解析部で得られた情報を基に、前記インデッ
   クステーブル蓄積部を参照して、各見出し文および各段
   落と該検索文との類似度を算出し、該類似度を基に類似
   度を算出する類似度算出部と、前記類似度算出部で得ら
   れた類似度の高いものを、前記文書ファイル蓄積部から
   読み出して表示する候補表示部と、 を有することを特徴とする文書内情報検索装置。