JPH05250413A - テキストデータ検索装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、従来の場合にユーザが適切な検索
文を入力しなければならないという点を、最も普及して
いるキーワード検索システムと同様の入力形式によって
実現することを目的としている。 【構成】 複数のキーワードを入力することによりテキ
ストデータを検索する装置であって、キーワードの論理
結合で表現された検索式を入力し、その検索式を展開す
るキーワード組み合わせ展開部と、キーフレーズ中間構
造へ変換するキーワード・キーフレーズ変換部と、キー
フレーズ文字列を生成するキーフレーズ生成部と、出力
部とをもつ。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、キーワードを入力する
ことによりテキストデータを検索するテキストデータ検
索装置に関する。

【０００２】

【従来の技術】従来のテキストデータ検索システムに
は、大きく分類すると３つのタイプがある。

【０００３】第１は、キーワード検索システムなどと呼
ばれるものである。このタイプのシステムにおいては、
テキストデータベースを構成する各テキストデータに、
そのテキストの内容を表すキーワード群が、検索におけ
るインデックスに供するために、付与される。ユーザ
は、複数のキーワードを論理結合させた検索式を入力
し、テキストデータの検索を行う。

【０００４】第２は、テキストベース検索システムなど
と呼ばれるものである。このタイプのシステムにおいて
は、テキストデータベースを構成する各テキストデータ
にそのテキストの内容を表す検索対象文が付与される。
ユーザは検索指示文を入力し、システムは検索指示文と
最も意味的に類似した検索対象文をインデックスとして
持つテキストデータを検索する。このタイプの装置とし
ては、例えば「テキスト型データベース装置；特願平１
−１１１６２６号」がある。

【０００５】第３は、フルテキスト検索システムと呼ば
れるものである。このタイプのシステムにおいては、デ
ータベースを構成する各テキストデータにはインデック
ス情報が付与されない。システムはユーザによって入力
された検索文を内容に含むテキストデータを検索する。

【０００６】

【発明が解決しようとする課題】第１のタイプのシステ
ムにおける問題点は、検索式の条件が厳しすぎると所望
のテキストデータを検索できなくなる場合があること、
逆に検索式の条件が緩すぎると所望でないものも含む多
数のテキストデータが検索される可能性があることであ
る。現状では、このタイプのシステムが最も多い。

【０００７】第２のタイプのシステムにおける問題点と
しては、入力として検索対象文と類似していると思われ
る文をユーザが作成して入力しなければならないことが
あげられる。

【０００８】第３のタイプのシステムにおける問題点
は、検索処理が基本的に文字列のマッチングであるため
に、あらかじめユーザにより入力された検索文を標準的
な表現に変換したり、バリエーションを持たせるように
変換したりしなければ実用的な検索精度が得られないに
もかかわらず、このための技術が未熟なことである。

【０００９】従来のテキストデータ検索システムは、上
記のようにいずれも問題点を抱えている。本発明は、特
に、テキストベース検索システム、および、フルテキス
ト検索システムにおける問題点、すなわち、ユーザが適
切な検索文を入力しなければならないという点を、最も
普及しているキーワード検索システムと同様の入力形式
によって実現することを目的としている。

【００１０】

【課題を解決するための手段】本発明のテキストデータ
検索装置は、複数のキーワードを入力することによりテ
キストデータを検索する装置であって、キーワードの論
理結合で表現された検索式を入力する入力部と、単語の
各種属性情報を格納した単語辞書、あらかじめ設定され
たキーワード・キーフレーズ変換規則を格納したキーワ
ード・キーフレーズ変換規則辞書、テキストデータが対
象とする世界に関する知識を記述した対象分野知識辞書
を備え、入力された検索式をその論理結合にしたがって
キーワード群の集合へ展開するキーワード組み合わせ展
開部と、展開された各キーワード群をキーワード・キー
フレーズ変換規則辞書に格納されたキーワード・キーフ
レーズ変換規則を適用することによりキーフレーズ中間
構造へ変換するキーワード・キーフレーズ変換部と、変
換されたキーフレーズ中間構造からキーフレーズ文字列
を生成するキーフレーズ生成部と、生成されたキーフレ
ーズ文字列とそれに対応するキーフレーズ中間構造の対
を出力する出力部を有することを特徴とする。

【００１１】

【作用】本発明のテキストデータ検索装置によれば、複
数のキーワードの論理結合によって表現された検索式が
キーフレーズ群に変換される。よって、これらのキーフ
レーズ群をテキストベース検索システム、または、フル
テキスト検索システムの入力とすれば、すでに普及して
いるキーワード検索システムと同様の入力形式によっ
て、テキストベース検索システム、または、フルテキス
ト検索システムを有効に利用することが可能となる。

【００１２】

【実施例】以下、添付図面を用いて本発明の一実施例を
詳細に説明する。図１は、本発明のテキストデータ検索
装置の一実施例を示すブロック図である。このテキスト
データ検索装置は、入力部１、キーワード組み合わせ展
開部２、キーワード・キーフレーズ変換部３、単語辞書
４、キーワード・キーフレーズ変換規則辞書５、対象分
野知識辞書６、キーフレーズ生成部７、出力部８を備え
ている。

【００１３】入力部１からは、複数のキーワードの論理
結合によって表現された検索式が入力される。検索式の
形式は、従来のキーワード検索システムで用いられてい
るものと同等とする。

【００１４】入力された検索式は、キーワード組み合わ
せ展開部２へ転送される。キーワード組み合わせ展開部
２は、入力された検索式に含まれる論理記号、および、
それらによって結ばれた複数のキーワードの関係を解析
し、検索式をキーワード群の集合へと展開する。

【００１５】展開されたキーワード群の集合は、キーワ
ード・キーフレーズ変換部３へ転送される。キーワード
・キーフレーズ変換部３では、まず転送されてきたキー
ワード群集合の要素である各キーワード群の中に含まれ
る各キーワードに対する各種属性情報を単語辞書４から
検索しこれらの属性情報をキーワードに付与し、これら
の中からキーワード・キーフレーズ変換規則のキーとな
りうる単語を抽出する。次にこれらの単語をキーとして
キーワード・キーフレーズ変換規則辞書５を検索し、対
応する規則を順次適用しキーワード群を構文木構造とし
て表現されたキーフレーズ中間構造へと変換する。この
際、必要があれば対象分野知識辞書６を検索し、必要な
単語の補完などを行う。

【００１６】変換されたキーフレーズ中間構造群は、キ
ーフレーズ生成部７へ転送される。キーフレーズ生成部
７は、構文木構造として表現されたキーフレーズ構造を
操作することによってキーフレーズ文字列を生成する。

【００１７】生成されたキーフレーズ文字列と対応する
キーフレーズ中間構造の対データは、出力部８へ転送さ
れる。出力部８は、対データをテキストベース検索シス
テム、または、フルテキスト検索システムへと転送す
る。

【００１８】次に以下に示す検索式が入力されたものと
して、本発明のテキストデータ検索装置の動作を説明す
る。 （ＡＮＤ 日本 首相 アメリカ 大統領（ＯＲ 調印
協議） （ＯＲ 軍縮 ハワイ）） この検索式は、入力部１から入力され、キーワード組み
合わせ展開部２へと転送される。検索式は、キーワード
を論理記号ＡＮＤ、ＯＲで結合したものである。ここ
で、検索式（ＡＮＤ Ｋ１ Ｋ２ ・・・Ｋｎ）は、式
Ｋ１〜Ｋｎが全てを含むことを意味する。ここで、式と
は、検索式またはキーワードのこととする。また、検索
式（ＯＲ Ｋ１ Ｋ２ ・・・Ｋｍ）は、式Ｋ１〜Ｋｎ
の少なくとも１つを含むことを意味する。

【００１９】キーワード組み合わせ展開部２は入力され
た検索式を解析し、可能なキーワードの組み合わせの全
体集合を作成する。１組の可能なキーワードの組み合わ
せをキーワード群、キーワード群の全体集合をキーワー
ド群集合という。上記の例に対しては、次の９つのキー
ワード群を要素とするキーワード群集合が生成される。

【００２０】 ［（日本 首相 アメリカ 大統領 調印 協議 軍縮 ハワイ） （日本 首相 アメリカ 大統領 調印 協議 軍縮） （日本 首相 アメリカ 大統領 調印 協議 ハワイ） （日本 首相 アメリカ 大統領 調印 軍縮 ハワイ） （日本 首相 アメリカ 大統領 協議 軍縮 ハワイ） （日本 首相 アメリカ 大統領 調印 軍縮） （日本 首相 アメリカ 大統領 調印 ハワイ） （日本 首相 アメリカ 大統領 協議 軍縮） （日本 首相 アメリカ 大統領 協議 ハワイ）］ なお、検索式から上記のキーワード群集合を生成する方
法は、従来の論理式解析技術等の応用によって容易に実
現可能であるので、ここではキーワード組み合わせ展開
部２の動作原理については問わない。

【００２１】次に上記のキーワード群集合は、キーワー
ド・キーフレーズ変換部３へ転送される。キーワード・
キーフレーズ変換部３は、入力されたキーワード群集合
の各要素である各キーワード群に対して以下に説明する
動作を繰り返す。その基本動作を示すフローチャートを
図２に示す。また、以下では、上記のキーワード群集合
の例における５番目の要素であるキーワード群、すなわ
ち、（日本 首相 アメリカ 大統領 協議 軍縮 ハ
ワイ）を例として説明を行う。

【００２２】まず、ステップ２０１において、データの
初期化を行う。以下の処理で必要となる単語情報を格納
する領域へのポインタ、構築されるキーフレーズ中間構
造を保持する領域へのポインタをキーワード群中の各キ
ーワードに対して確保する。

【００２３】次に、ステップ２０２において、単語辞書
４を参照して、各キーワードに対して単語属性情報を付
与する。図３に上記のキーワード群に対する結果の例を
示す。ここでは、単語属性情報として、品詞、意味属
性、対応するキーワード・キーフレーズ変換規則ＩＤの
みを考慮する。なお、単語辞書４は、通常の日本語処理
システムに具備されているものを基にして構築すること
ができる。

【００２４】ステップ２０３では、処理の終了条件をチ
ェックする。キーワード群が１つの要素を支配節点とす
る構文木構造で表されるキーフレーズ中間構造に集約さ
れれば、処理は成功したものとして終了する。この時点
ではまだ、この終了条件は達成されていないので、ステ
ップ２０４へと進む。

【００２５】ステップ２０４では、キーワード・キーフ
レーズ変換規則辞書５に格納された変換規則を適用可能
なキーワードがキーワード群に存在するかをチェックす
る。もし、このようなキーワードが存在しなければ、処
理は失敗したものとして終了する。ここでは、まず２番
目のキーワード「首相」が適用可能な変換規則（図３に
おいて規則ＩＤ：ＴＲ００１で示されている）を保持し
ており、かつこの規則が未適用であるため、ステップ２
０５へ進む。ステップ２０５では、上記の規則を適用す
る。この変換規則ＴＲ００１の概念図を図４に示す。こ
の規則は、図４に示されたＸ＝「首相」または「大統
領」という単語を図示下方のような構文木構造へ変換す
ることを示している。ここでＹとは、首相が存在する国
であり、かつ、キーワード群に含まれる国名が代入され
る。またＺには、その首相の名前が代入される。ある国
に首相が存在するかどうかを判定し、その名前を求める
ためには、そのための知識を装置に持たせることが必要
となる。このような知識を対象分野知識辞書６に記述し
ておくことで上記の処理が可能となる。

【００２６】図５に対象分野知識辞書６のエントリ例を
示す。この辞書を参照することによって、日本には首相
が存在し、その名前がＭであることが判明する。すなわ
ち、Ｙ＝日本、Ｚ＝Ｍとなる。

【００２７】なお、このような構文木構造への変換は、
すでに提案されている自然言語処理装置（例えば、日本
語文書推敲支援装置：特願平２−４０５０３号など）を
基にして比較的容易に構成することができるので、ここ
ではその詳細は説明しない。なお、この変換規則の適用
によって生成されるキーフレーズは、図６に示すキーワ
ード群の第１要素となる。

【００２８】上記のようにして１回のキーワード・キー
フレーズ変換処理が終了し、処理はまたステップ２０３
へ戻る。上記と同様にして処理は進み、次は、キーワー
ド「大統領」に対して上記と同様の処理が行われる。こ
こまでの処理が終了した時点で、キーワード群は、図６
に示すようなデータへと変換される。

【００２９】次のステップ２０４においては、キーワー
ド「協議」が変換規則を持ち、かつ、それが未適用なも
のとして選択され、ステップ２０５においてその規則
（変換規則ＩＤ：ＴＲ１０１）が適用される。図７に変
換規則ＴＲ１０１の概念図を示す。図７上方は、動作性
名詞「協議」が持つべき概念を示している。すなわち、
“Ｃ１がＣ２とＣ３についてＣ４で協議する”というの
が「協議」の持つ概念である。ここで、Ｃ１〜Ｃ４は現
在処理中のキーワード群に含まれる要素で、その意味属
性が、Ｃ１およびＣ２は「責任者−政治」を持つもの、
Ｃ３は「問題」を持つもの、Ｃ４は「地名」を持つもの
であることを示している。この時点で、キーワード群
は、図６に示したようになっているので、Ｃ１にはキー
フレーズ中間構造『Ｍ首相』、Ｃ２にはキーフレーズ
『アメリカのＢ大統領』、Ｃ３にはキーワード「軍
縮」、Ｃ４にはキーワード「ハワイ」が代入される。

【００３０】図７下方は、図７上方のデータに対する変
換操作後の構文木構造を指定している。上記の代入、お
よび、図７下方に示された操作により、キーワード群は
図８に示されるようになる。

【００３１】次のステップ２０３において、キーワード
群の要素の数は１つであるので、処理は成功したものと
して終了する。そして、結果のキーフレーズ中間構造
は、キーフレーズ生成部７へと転送される。

【００３２】キーフレーズ生成部７は、キーフレーズ中
間構造を入力とし、それを走査しながら文字列を集める
ことにより、キーフレーズ文字列を生成する。図９に生
成されるキーフレーズ文字列を示す。なお、構文木構造
を走査することによって大文字列を生成する手法は、自
然言語処理の分野において一般的な手法であるため、こ
こではその詳細は説明しない。

【００３３】生成されたキーフレーズ文字列と対応する
キーフレーズ中間構造は、出力部８を介して、テキスト
ベース検索システム、または、フルテキスト検索システ
ムなどへ転送され、これらのシステムの入力となる。

【００３４】図１０に、テキストベース検索システムと
連結されて利用される例を示す。この例では、生成され
たキーフレーズ「Ｍ首相とアメリカのＢ大統領がハワイ
で軍縮協議」と類似した検索対象文を持つテキストが正
しく検索される例を示している。なお、キーフレーズ文
字列だけでなく対応するキーフレーズ中間構造も対にし
て出力するのは、後段に接続される応用システムによっ
ては、文字列だけでなく構文構造が分かっていたほうが
有利な場合が存在するためである。

【００３５】

【発明の効果】以上説明したように、本発明によれば、
テキストデータ検索システムにおいて、現在最も普及し
ているキーワード検索システムと同様のキーワードの論
理結合による検索式を入力として、テキストベース検索
システム、または、フルテキスト検索システムの入力と
なりうる検索文を生成することができる。したがって、
すでに普及している検索方法を用いながら、より柔軟な
検索機能を提供する上記２つのタイプの情報検索システ
ムを利用することが可能となる。

【図面の簡単な説明】

【図１】本発明のテキストデータ検索装置の一実施例を
示すブロック図である。

【図２】キーワード・キーフレーズ変換部の基本的な動
作を示すフローチャートである。

【図３】キーワード・キーフレーズ変換部における単語
属性情報付与の例を示す図である。

【図４】キーワード・キーフレーズ変換規則辞書のエン
トリ例を示す図である。

【図５】対象分野知識辞書のエントリ例を示す図であ
る。

【図６】キーワード・キーフレーズ変換部における途中
結果データ例を示す図である。

【図７】キーワード・キーフレーズ変換規則辞書のエン
トリ例を示す図である。

【図８】キーワード・キーフレーズ変換部が生成するキ
ーフレーズ中間構造例を示す図である。

【図９】キーフレーズ生成部が生成するキーフレーズ例
を示す図である。

【図１０】テキストベース検索システムへの入力例を示
す図である。

【符号の説明】

１ 入力部 ２ キーワード組み合わせ展開部 ３ キーワード・キーフレーズ変換部 ４ 単語辞書 ５ キーワード・キーフレーズ変換規則辞書 ６ 対象分野知識辞書 ７ キーフレーズ生成部 ８ 出力部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 キーワードを入力することによりテキス
   トデータを検索する装置であって、 キーワードの論理結合で表現された検索式を入力する入
   力部と、 単語の各種属性情報を格納した単語辞書と、 あらかじめ設定されたキーワード・キーフレーズ変換規
   則を格納するキーワード・キーフレーズ変換規則辞書
   と、 テキストデータが対象とする世界に関する知識を記述し
   た対象分野知識辞書とを備えると共に、 入力された検索式をその論理結合にしたがってキーワー
   ド群の集合へ展開するキーワード組み合わせ展開部と、 展開された各キーワード群をキーワード・キーフレーズ
   変換規則辞書に格納されたキーワード・キーフレーズ変
   換規則を適用することによりキーフレーズ中間構造へ変
   換するキーワード・キーフレーズ変換部と、 変換されたキーフレーズ中間構造からキーフレーズ文字
   列を生成するキーフレーズ生成部と、 生成されたキーフレーズ文字列とそれに対応するキーフ
   レーズ中間構造の対を出力する出力部を有することを特
   徴とするテキストデータ検索装置。