JPH06139278A - 文字コード変換機能を備えた文字列検索装置 - Google Patents

Abstract

(57)【要約】 【目的】 不要なスロットを削減することにより少量の
メモリ量の状態遷移テーブルを実現し、コンパクトな文
字列検索装置を提供することにある。 【構成】 テキストを格納する文字列記憶手段105と、
文字列記憶手段から読み出されたテキストから１文字ず
つ取り込み、文字コードが検索タームに含まれている文
字コードの場合には文字に対応したコードを出力し、そ
れ以外の場合には特定のコードを出力する文字コード変
換手段4000と、予め与えられた検索タームの文字コード
を対応するコードに変換する検索制御手段101と、文字
コード変換手段の出力するコード列中に検索制御手段か
ら送られた複数の検索タームに対応したコード列が存在
するか否かを一括して照合する文字列照合手段102によ
り文字列検索装置を構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は情報処理システム、特に
情報検索システムにおける検索タームの照合方法に係
り、テキスト文字列から検索タームとして指定された複
数の部分文字列が存在するか否かを一括して探索するた
めのものである。

【０００２】データベース、文書ファイリングシステ
ム、およびワードプロセッサなどにおける検索に利用し
得るものである。

【０００３】

【従来の技術】情報処理システムの分野では、文字列デ
ータの集まりからなる文書（以後、テキストと呼ぶ）の
中から、検索者の探したいある特定の部分文字列（以
後、検索タームと呼ぶ）を含む全ての文書を探し出すこ
とが一つの重要な情報処理内容となっている。

【０００４】このような検索システムを実現するための
文字列検索装置がいくつか提案されている。その中の代
表的な文字列検索装置の構成を図２に示し、その内容に
ついて説明する。

【０００５】（エル エー ホラー ：“テキスト リ
トリーバル コンピューターズ”、コンピューター、３
月 １９７９年、Ｌ．Ａ． Ｈｏｌｌａａｒ：“Ｔｅｘ
ｔ Ｒｅｔｒｉｅｖａｌ Ｃｏｍｐｕｔｅｒｓ”、ＣＯ
ＭＰＵＴＥＲ、Ｍａｒｃｈ １９７９） 文字列検索装置１において、検索制御手段１０１は、検
索装置全体の制御と、ホストコンピュータとの通信を行
う。すなわち、ホストコンピュータから送られてくる検
索要求２０１を受け付け、これを解析し、文字列照合手
段１０２と複合条件判定手段１０３へ検索情報２０２と
して送出する。また、検索制御手段１０１は記憶装置制
御手段１０４を制御して、文字列記憶手段１０５に格納
された文字列データ２０４を文字列照合手段１０２へ読
み出す。

【０００６】文字列照合手段１０２は、入力文字列デー
タ２０４の中に検索要求２０１に合致する文字列、すな
わち検索タームがあるかどうかを調べ、もし該当するも
のがあれば、文字列を識別する情報２０５を複合条件判
定手段１０３へ出力する。複合条件判定手段１０３は該
文字列識別情報２０５に対して、検索要求２０１中に指
示されたＡＮＤやＯＲで構成される論理条件などが満足
されるか否かを調べる。指定された複合条件を満足する
場合には、該当する文書の識別情報や文書内容のテキス
トデータを検索結果２０６としてホストコンピュータへ
返送する。

【０００７】上述した文字列検索装置１の要となる文字
列照合手段１０２における文字列の照合方式としては、
有限オートマトンを用いて複数の文字列を１回のテキス
ト走査で探索する方法が知られている。その代表的なも
のとして、Ａｈｏらが提案している方法がある。（エ
ー．ブイ．エーホ アンド エム．ジェイ．コラッシッ
ク：”エフィシェント ストリング マッチング”、コ
ミュニケーションズ エー シー エム、第１８巻、第
６号、１９７５年、A.V.Aho and M.J.Corasick：“Effi
cient String Matching"、CACM、VOL.18、No.6、197
5)。

【０００８】そして、このＡｈｏによるオートマトンを
高速に実行するためのハードウェアとしては特開昭６０
−１０５０３９号公報により提案されている。ここで述
べられている文字列照合回路について図３のブロック図
を用いて説明する。

【０００９】本従来技術は、文字コードレジスタ２１
１、状態遷移テーブル２２０、状態番号レジスタ２５
０、および照合ＩＤテーブル２６０から構成される。

【００１０】以下、本従来技術の文字列照合動作につい
て説明する。

【００１１】まず、初期設定として、状態遷移テーブル
２２０には指定された検索タームを照合するためのオー
トマトンが設定される。さらにこのオートマトンの初期
状態である状態番号０が状態番号レジスタ２５０に設定
される。したがって、現状態番号３０５は状態番号０と
なる。

【００１２】照合時動作は、入力文字列２０４から１文
字ずつ文字コードレジスタ２１１に入力されることから
始まる。文字コードレジスタ２１１の出力である文字コ
ード３０２と状態番号レジスタ２５０の出力である現状
態番号３０５をアドレスとして状態遷移テーブル２２０
がアクセスされ、次に遷移すべき状態番号である次状態
番号３０３が読み出される。次状態番号３０３は新たな
現状態番号３０５として状態番号レジスタ２５０に保持
される。

【００１３】状態遷移テーブル２２０のアクセス動作に
並行して照合ＩＤテーブル２６０が状態番号レジスタ２
５０から出力される現状態番号３０５と文字コード３０
２をアドレスとしてアクセスされ、検索タームの識別番
号が照合結果２０５として読み出される。ただし、読み
出された検索タームの識別番号が０の場合、検索ターム
が照合されていないことを表わす。

【００１４】その後、次の１文字が文字コードレジスタ
２１１に入力される。

【００１５】以上の一連の動作が繰り返されることによ
り文字列照合動作が実現される。

【００１６】以下、本従来技術の動作について具体例で
説明する。図４に示すオートマトンを例に用いる。

【００１７】本図は、入力テキストの中から、検索者が
与えた２つの検索ターム、すなわち“ＤＯＧ”と“ＣＡ
Ｔ”を照合するためのオートマトンの状態遷移図を示し
たものである。ここで、円はオートマトンの状態を、矢
印は状態遷移を表す。各矢印に付記された文字はこれに
対応した遷移を引き起こす入力文字を示している。各円
の内部に記された数値は、その状態の状態番号を示す。
状態０は、本オートマトンの初期状態である。遷移が記
述されていない入力文字に対しては、全て初期状態０に
遷移する。遷移にスラッシュ“／”が付記されている矢
印４０４および矢印４０５はそれぞれ“ＤＯＧ”および
“ＣＡＴ”が照合されたことを示す遷移を表す。すなわ
ち、状態２から遷移する矢印４０４は“ＤＯＧ”を、状
態４から遷移する矢印４０５は“ＣＡＴ”が照合された
ことを示す。

【００１８】以下、同図を用いて本従来技術の文字列照
合動作について説明する。このオートマトンは初期状態
０から状態遷移が始まる。初期状態０では、入力文字
が、“Ｄ”であると状態１へ遷移し、“Ｃ”ならば状態
３に遷移する。“Ｄ”および“Ｃ”以外の文字が入力さ
れた場合は初期状態０に遷移する。状態１についても同
様に、入力文字が“Ｏ”ならば状態２へ、“Ｃ”ならば
状態３へ、“Ｄ”ならば状態１へ遷移し、それ以外は初
期状態０へ戻る。状態２において、入力文字が“Ｇ”な
らば照合結果が格納されている矢印４０４の遷移が起こ
り“ＤＯＧ”が照合されたことになる。以下、他の状態
における遷移についても同様である。

【００１９】図４のオートマトンを格納した状態遷移テ
ーブル２２０および照合ＩＤテーブル２６０の使用例を
それぞれ図５と図６に示す。

【００２０】ここでは文字コードとしてＪＩＳコードを
用いている。状態遷移テーブル２２０は入力文字コード
３０２と着目しているオートマトンの現状態番号３０５
でアドレッシングされる構成となっている。すなわち、
現状態番号３０５が０で入力文字コード３０２が“Ｄ”
のとき、０と“Ｄ”に対応する１が次に遷移すべきオー
トマトンの次状態番号３０３として出力される。

【００２１】照合ＩＤテーブル２６０には検索タームが
照合されたことを示す矢印４０４および矢印４０５の照
合結果情報が格納されている。すなわち、検索タームの
末尾文字で遷移するときの現状態番号と検索タームの末
尾文字コード（図４の“ＤＯＧ”の場合には状態２と文
字“Ｇ”）でアドレッシングされる照合ＩＤテーブル２
６０の内容には検索タームの識別番号（以後、照合識別
子とも呼ぶ）が格納されている。この“ＤＯＧ”の例で
は、１が照合識別子として格納されている。０以外の内
容が検索タームの識別番号を表している。照合識別子と
しては０以外の数値を割付け、照合対象以外には０を割
付けることにより、照合出力を区別できるようにしてい
る。

【００２２】このようにして従来技術では検索処理が実
行される。

【００２３】

【発明が解決しようとする課題】状態遷移テーブルの全
スロット数は状態数と文字コード数との積で表すことが
できる。本従来技術では、状態数として２５６状態、文
字コード数として２５６種類用意しているため、スロッ
ト数は６４Ｋスロットとなる。

【００２４】このように本従来技術では、検索タームに
はわずかな文字コードの種類しか使用されないにもかか
わらず、全ての文字コードに対応した状態遷移テーブル
のスロットを用意しなければならない。図４のオートマ
トン例では６種類の文字コードしか使用されていない。
さらに、図４のオートマトンに対応した図５の状態遷移
テーブル例からも明らかなように、遷移情報が設定され
いるスロットは極わずかである。ここでは１０２４スロ
ット中１２スロット、すなわち約１００分の１しか使用
されていない。したがって、約９９％が不要なスロット
となっている。よって本従来技術には、状態遷移テーブ
ルの使用効率が悪いため、不要に大きな状態遷移テーブ
ルを必要とするという問題がある。

【００２５】本発明の目的は、不要なスロットを削減す
ることにより少量のメモリ量の状態遷移テーブルを実現
し、コンパクトな文字列検索装置を提供することにあ
る。

【００２６】

【課題を解決するための手段】上記目的を達成するた
め、コード表現された文字で構成されるテキスト中に、
指定された複数の検索タームが存在するか否かを一括し
て探索する文字列検索装置において、テキストを格納す
る文字列記憶手段と、該文字列記憶手段から読み出され
たテキストから１文字ずつ取り込み、該文字コードが前
記検索タームに含まれている文字コードか否かを判定
し、検索タームに含まれている文字コードの場合には該
文字に対応したコードを出力し、それ以外の場合には特
定のコードを出力する文字コード変換手段と、予め与え
られた検索タームの文字コードを対応する上記コードに
変換する検索制御手段と、該文字コード変換手段の出力
するコード列中に検索制御手段から送られた複数の検索
タームに対応したコード列が存在するか否かを一括して
照合する文字列照合手段により文字列検索装置を構成す
る。

【００２７】

【作用】上記手段を用いた本発明の照合原理について説
明する。

【００２８】まず、検索制御手段１０１において検索タ
ームにどのような文字コードが指定されているかを調
べ、これらの文字コードに例えばシリアル番号を割り付
ける。このような文字コード対応テーブルを文字コード
変換手段４０００に設定する。さらにシリアル番号に変
換した検索タームから作成したオートマトンを文字列照
合手段１０２に設定する。

【００２９】検索時には、文字列記憶手段１０２から読
み出されたテキストが１文字ずつ文字コード変換手段４
０００に取り込まれ、該文字コードが前記検索タームに
含まれている文字コードか否かが判定され、検索ターム
に含まれている文字コードの場合には該文字に対応した
シリアル番号が出力され、それ以外の場合には特定の番
号として例えば０（ゼロ）が出力される。

【００３０】文字コード変換手段４０００から出力され
たコード列中に複数の検索タームに対応したコード列が
存在するか否かが文字列照合手段１０２で一括して照合
される。

【００３１】以上述べた原理について具体例を用いて説
明する。

【００３２】まず、設定情報の作成方法について述べ
る。

【００３３】本例では、検索タームとして図４のオート
マトンと同様に“ＣＡＴ”と“ＤＯＧ”の２つを用い
る。これらの検索タームには６種類の文字が使用されて
いる。つまり、検索タームに使用されている文字の
“Ｃ”、“Ａ”、“Ｔ”、“Ｄ”、“Ｏ”、および
“Ｇ”を、“（１）”、“（２）”、“（３）”、
“（４）”、“（５）”、および“（６）”にそれぞれ
対応させ、検索タームに使用されていない文字には
“（０）”を対応させる。この文字コード変換テーブル
が文字コード変換手段４０００に設定される。このよう
に設定された本例の文字コード変換テーブルを図７に示
す。

【００３４】また、検索タームも同様に“ＣＡＴ”に対
応する“（１）（２）（３）”と“ＤＯＧ”に対応する
“（４）（５）（６）”にそれぞれ変換される。このよ
うに変換された検索タームから作成されたオートマトン
を図８に示す。図４のオートマトンの遷移に付記された
文字が対応するシリアル番号に変換されている。このオ
ートマトンが文字列照合手段１０２に設定される。

【００３５】本例ではこのコード変換により、文字コー
ドの種類が“（０）”〜“（６）”の７種類に削減で
き、従来技術の２５６種類の約４０分の１となる。した
がって、状態遷移テーブルは約４０分の１の容量で済む
ことになる。

【００３６】次に照合動作について述べる。ここではテ
キスト例として“ＨＯＴＤＯＧ”を用いる。

【００３７】まず、文字コード変換手段４０００に
“Ｈ”が入力されると図７に示す文字コード変換テーブ
ルにより、対応する“（０）”が出力される。

【００３８】次に、“Ｏ”が入力されると文字コード変
換テーブルにより、対応する“（５）”が出力される。

【００３９】同様に、“Ｔ”、“Ｄ”、“Ｏ”、“Ｇ”
が次々に入力されると出力として“（３）”、
“（４）”、“（５）”、“（６）”が出力される。つ
まり、出力テキストとして“（０）（５）（３）（４）
（５）（６）”が文字列照合手段１０２に送出されるこ
とになる。

【００４０】文字列照合手段１０２では文字コード変換
手段４０００から送出された出力テキスト中から“ＣＡ
Ｔ”に対応する“（１）（２）（３）”または“ＤＯ
Ｇ”に対応する“（４）（５）（６）”を図８に示すオ
ートマトンに基づき探索する。ここでは、“（０）
（５）（３）（４）（５）（６）”の入力により“ＤＯ
Ｇ”に対応する“（４）（５）（６）”が照合される。

【００４１】以上のように動作させることにより、状態
遷移テーブルを従来技術の数十分の１のメモリ容量で実
現でき、コンパクトな文字列検索装置を提供することが
可能となる。

【００４２】

【実施例】以下、本発明の原理を用いた第１の実施例に
ついて図１を用いて説明する。

【００４３】本実施例では従来技術の文字列検索装置１
の文字列記憶手段１０５と文字列照合手段１０２の間に
コード変換手段４０００を設けている。コード変換手段
４０００においては、文字列記憶手段から読み出した文
字が検索タームに指定されている文字コードの場合に
は、この文字コードに対応した所定のコードに変換し、
検索タームに指定されていない場合には特定のコードに
変換し、文字列照合手段１０２に出力する。このように
することにより文字列照合手段１０２で使用している状
態遷移テーブルの文字コードに対応するエントリ数が検
索タームに指定されている文字コード数＋１となり、文
字コードに対応したエントリ数を大幅に削減できるため
少量のメモリで状態遷移テーブルが実現可能となる。

【００４４】本実施例では、少量のメモリで状態遷移テ
ーブルを実現することによりコンパクトな文字列検索装
置を提供することを目的としている。

【００４５】本実施例で用いる文字列検索装置の一構成
例を図１に示す。文字コード変換４０００は、文字列記
憶手段１０５より読み出されたテキストから１文字入力
される毎にこれを文字コードに対応した所定のコードに
変換し、文字列照合手段１０２へ出力する。

【００４６】本文字コード変換回路は、文字コード変換
テーブルから構成されている。

【００４７】文字コード変換テーブル４１００は図７に
示す構成をとり、文字コードをアドレスとしてアクセス
する一次元メモリである。本テーブルには、検索ターム
に使用されている文字コードの場合は、対応する予め定
められたコードが設定され、その他の文字コードの場合
は特定のコードが設定されている。

【００４８】文字コード変換テーブル４１００の具体例
を用いて説明する。

【００４９】ここでは、検索タームとして図４のオート
マトンと同様に“ＣＡＴ”と“ＤＯＧ”の２つ検索ター
ムを用いる。これらの検索タームには６種類の文字が使
用されているため、検索タームに使用されている文字の
“Ｃ”、“Ａ”、“Ｔ”、“Ｄ”、“Ｏ”、および
“Ｇ”を、“（１）”、“（２）”、“（３）”、
“（４）”、“（５）”、および“（６）”にそれぞれ
対応させ、検索タームに使用されていない文字には
“（０）”を対応させる。このように設定した文字コー
ド変換テーブルの具体例を図７に示す。

【００５０】次にコード変換動作について述べる。ここ
ではテキスト例として“ＨＯＴＤＯＧ”を用いる。

【００５１】まず、コード変換手段４０００に“Ｈ”が
入力されると文字コード変換テーブルにより、対応する
“（０）”が出力される。

【００５２】次に、“Ｏ”が入力されると文字コード変
換テーブルにより、対応する“（５）”が出力される。

【００５３】同様に、“Ｔ”、“Ｄ”、“Ｏ”、“Ｇ”
が次々に入力されると出力として“（３）”、
“（４）”、“（５）”、“（６）”が出力される。つ
まり、出力テキストとして“（０）（５）（３）（４）
（５）（６）”が文字列照合手段１０２に送出されるこ
とになる。

【００５４】次に、文字列照合手段では、検索タームが
“ＣＡＴ”に対応する“（１）（２）（３）”と“ＤＯ
Ｇ”に対応する“（４）（５）（６）”にそれぞれ変換
され、これらより作成された図８に示すオートマトンが
設定される。本オートマトンでは、図４のオートマトン
の矢印に付記された文字が対応するコードに変換されて
いる。

【００５５】本例に対応した状態遷移テーブルを図９に
示す。本テーブルではこのコード変換により、文字コー
ドの種類が“（０）”〜“（６）”の７種類に削減で
き、従来技術の２５６種類の約４０分の１となってい
る。したがって、状態遷移テーブルは約４０分の１の容
量で済むことになる。

【００５６】文字列照合手段１０２ではコード変換手段
４０００から送出された出力テキスト中から“ＣＡＴ”
に対応する“（１）（２）（３）”と“ＤＯＧ”に対応
する“（４）（５）（６）”を図７に示すオートマトン
に基づき探索する。

【００５７】ここでは、出力テキスト２０７として
“（０）（５）（３）（４）（５）（６）”が文字列照
合手段１０２へ入力され、“ＤＯＧ”に対応する
“（４）（５）（６）”が照合される。

【００５８】以上説明したように本発明によれば、文字
列記憶手段１０５と文字列照合手段１０２との間に文字
コード変換手段を設けることにより、状態遷移テーブル
を従来技術の数十分の１のメモリ容量で実現でき、コン
パクトな文字列検索装置を提供することが可能となる。

【００５９】

【発明の効果】本実施例によれば、小規模な文字コード
変換手段を設けるだけで、状態遷移テーブルのサイズを
数十分の１に縮小でき、コンパクトな文字列検索装置を
提供することが可能となる。

【図面の簡単な説明】

【図１】本発明の文字列検索装置の説明図である。

【図２】従来の文字列検索装置の説明図である。

【図３】従来の文字列照合回路の構成を示すブロック図
である。

【図４】従来のオートマトンの状態遷移図である。

【図５】従来の状態遷移テーブルの説明図である。

【図６】従来の照合ＩＤテーブルの説明図である。

【図７】本発明を用いた文字コード変換テーブルの説明
図である。

【図８】本発明を用いたオートマトンの状態遷移図であ
る。

【符号の説明】

１０１…検索制御手段、１０２…文字列照合手段、１０
３…複合条件判定手段、１０４…記憶装置制御手段、１
０５…文字列記憶手段、２２０…状態遷移テーブル、２
６０…照合ＩＤテーブル、３０３…次状態番号、３０５
…現状態番号、４０３…初期状態を示す矢印、４０００
…文字コード変換手段、４１００…文字コード変換テー
ブル。

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成５年３月２９日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】図面の簡単な説明

【補正方法】変更

【補正内容】

【図面の簡単な説明】

【図１】本発明の文字列検索装置の説明図である。

【図２】従来の文字列検索装置の説明図である。

【図３】従来の文字列使用号回路の構成を示すブロック
図である。

【図４】従来のオートマトンの状態遷移図である。

【図５】従来の状態遷移テーブルの説明図である。

【図６】従来の照合ＩＤテーブルの説明図である。

【図７】本発明を用いた文字コード変換テーブルの説明
図である。

【図８】本発明を用いたオートマトンの状態遷移図であ
る。

【図９】本発明による状態遷移テーブルの説明図であ
る。

【符号の説明】 １０１…検索制御手段、１０２…文字列照合手段、１０
３…複合条件判定手段、１０４…記憶装置制御手段、１
０５…文字列記憶手段、２２０…状態遷移テーブル、２
６０…照合ＩＤテーブル、３０３…次状態番号、３０５
…現状態番号、４０３…初期状態を示す矢印、４０００
…文字コード変換手段、４１００…文字コード変換テー
ブル。

Claims (1)

【特許請求の範囲】
1. 【請求項１】コード表現された文字で構成されるテキス
   ト中に、指定された複数の検索タームが存在するか否か
   を一括して探索する文字列検索装置において、 テキストを格納する文字列記憶手段と、 該文字列記憶手段から読み出されたテキストから１文字
   ずつ取り込み、該文字コードが前記検索タームに含まれ
   ている文字コードか否かを判定し、検索タームに含まれ
   ている文字コードの場合には該文字に対応したコードを
   出力し、それ以外の場合には特定のコードを出力する文
   字コード変換手段と、 予め与えられた検索タームの文字コードを対応する上記
   コードに変換する検索制御手段と、 該文字コード変換手段の出力するコード列中に検索制御
   手段から送られた複数の検索タームに対応したコード列
   が存在するか否かを一括して照合する文字列照合手段
   と、 を有することを特徴とする文字列検索装置。