JPH06301732A

JPH06301732A - 文書検索処理方法

Info

Publication number: JPH06301732A
Application number: JP5085878A
Authority: JP
Inventors: Toshihisa Aoshima; 利久青島; Manabu Idemoto; 学出本
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1993-04-13
Filing date: 1993-04-13
Publication date: 1994-10-28

Abstract

(57)【要約】【目的】本発明の目的は、ＣＤ−ＲＯＭ等の大容量記
憶媒体にある文書を、効率よく、ブラウジングしたり、
キーワード検索する方法を提供することにある。【構成】大容量記録媒体に格納されている各文書を構
成要素に分割して累積した項目ファイルを、別の高速記
憶装置に生成する。特許公報のＣＤ−ＲＯＭの場合に
は、「書誌的事項」「要約」「特許請求の範囲」等の項
目ファイルを抽出する。次に、該抽出の項目ファイルの
参照によって、一連の文書のキーワード検索や特定項目
を抜粋したダイジェスト文書の表示によるブラウジング
処理を達成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書検索の処理方法に
係り、特に特許公報類の文書のようにＣＤ−ＲＯＭなど
の大容量記録媒体に記憶され、同様の（共通の）構成要
素を持つ一連の構造化文書の検索・ブラウジング（拾い
読み）を効率良く行うのに好適な文書検索処理方法に関
するものである。

【０００２】

【従来の技術】近年、ニュースや文献情報がＣＤ−ＲＯ
Ｍ（コンパクトディスク・リードオンリーメモリ）等の
電子的な大容量記録媒体で提供されるようになった。特
に特許公開公報の文書は、毎年１００枚以上のＣＤ−Ｒ
ＯＭで提供されている。

【０００３】このようなＣＤ−ＲＯＭに格納されている
文書の検索システムとしては、例えば、財団法人の日本
特許情報機構Ｊａｐｉｏを始め、国内数社が特許ＣＤ−
ＲＯＭの検索システムを提供している。これらのシステ
ムの検索機能は、指定された特許番号の文書の出力が中
心である。ＣＤ−ＲＯＭ内の全文書を対称に、書誌事項
を検索条件とする書誌検索やキーワード検索機能を搭載
しているシステムも見られるが、特にキーワード検索に
ついてはまだ実用レベルの性能に達していないのが現状
である。

【０００４】ところで、先願の特願平４−２９２５１５
号の「情報検索方法およびシステム」では、ＣＤ−ＲＯ
Ｍ等の大容量記録媒体で提供される文書情報に対し、予
め文書中の書誌情報または文書中のキーワードを高速記
憶装置に抽出し、該抽出情報を参照して、高速な検索処
理を実現する方法を提示している。

【０００５】なお、従来、ＣＤ−ＲＯＭ内の一連の文書
をブラウジングするときに、文書の主要項目を抜粋した
ダイジェスト文書を次々に表示する機能は提供されてい
なかった。

【０００６】

【発明が解決しようとする課題】上記従来技術では、Ｃ
Ｄ−ＲＯＭで提供される大量の文書をブラウジング（拾
い読み）しようとしたとき、１枚のＣＤ−ＲＯＭ当り５
００ＭＢもある全文書を主記憶装置や高速アクセス可能
な記憶装置に転送して、記憶保持しておくことは記憶容
量の点で得策ではない。また、ＣＤ−ＲＯＭ内の一連の
文書を逐一アクセスしていたのでは、紙めくりの感覚で
の文書のブラウジングは困難である。

【０００７】一方、ＣＤ−ＲＯＭ内の文書の検索におい
て、全文のテキストに対するキーワード検索を行うこと
は、現状の処理装置では処理性能の点でも困難である。

【０００８】本発明の目的は、ＣＤ−ＲＯＭ等の大容量
記憶媒体にある文書のブラウジングや、キーワード検索
の効率的な処理方法を提供することにある。

【０００９】

【課題を解決するための手段】上記目的を達成するため
の発明の方法は、大容量記録媒体に格納されている、同
様の（共通の）構成要素から成る一連の各文書を順番に
アクセスし、別の高速記憶装置に、各文書を構成要素毎
に分割して累積した項目ファイルを生成する。例えば、
平成５年から特許庁が発行している公開特許公報ＣＤ−
ＲＯＭの文書は、文書テキスト中に、「書誌的事項」
「要約」「特許請求の範囲」などの特許文書の構成要素
毎にその範囲を識別する文字列（項目タグ情報）が挿入
され構造化されているので、その項目タグ情報にもとづ
いて、各文書を項目毎に分割する。

【００１０】次に、一連の特許文書のキーワード検索や
ブラウジング処理が要求されたとき、該抽出の項目ファ
イルをアクセスして、キーワード検索や特定項目を抜粋
したダイジェスト文書を作成する。

【００１１】ここで、構成要素単位のキーワード検索を
実行するとき、文書の特性を考慮してヒット率の高い構
成要素の項目ファイルから順番にアクセスする。

【００１２】

【作用】本発明において、大容量記憶媒体から特定の構
成要素を抽出して累積した項目ファイルが、高速の記憶
装置に存在するので、例えば、ＣＤ−ＲＯＭ内の一連の
文書に対する書誌データベースを作成するために、高速
の記憶装置上の「書誌的事項」をまとめた１つのファイ
ルをアクセスすることによって、書誌情報が抽出でき
る。

【００１３】また、特定項目を抜粋したダイジェスト文
書の出力も、予めダイジェスト文書に対応する項目ファ
イルを作成しておくことにより、ＣＤ−ＲＯＭ等の大容
量記憶媒体をアクセスすることなく、項目ファイルの参
照のみで実現されるので、紙めくりに近い一連の文書の
参照が可能となる。

【００１４】また、複数文書のキーワード検索も、予め
抽出した項目ファイルに対して行うことにより、ＣＤ−
ＲＯＭ等の大容量記憶媒体のアクセスが無くなり高速化
する。また、ヒット率が高い項目ファイルから検索を実
行することにより、限定した少ない範囲のキーワードマ
ッチングの処理で条件判定される場合が増え、処理がよ
り高速化する。

【００１５】このように、該抽出の項目ファイルは、一
連の文書の書誌情報の抽出、キーワード検索、ダイジェ
スト文書の抽出など、文書の検索やブラウジングの処理
過程において、多目的に利用される。

【００１６】

【実施例】以下、本発明の一実施例を図面により説明す
る。本発明の文書検索処理方法は、キーボードやマウス
等の入力装置とディスプレイ装置とＣＤ−ＲＯＭアクセ
ス装置が接続されたワークステーションまたはパソコン
上で実現される。図１は、本発明の実施例の文書検索シ
ステムの構成図である。

【００１７】図１の１０１は処理装置で、利用者が設定
した検索条件に基づいてＣＤ−ＲＯＭに格納されている
公開特許文書の検索やブラウジング処理を実行する。１
０２はディスプレイ装置で、システムとの対話表示や検
索結果の表示を行う。１０３はキーボードで、利用者が
検索条件等を入力するのに用いる。１０４はマウスで、
ディスプレイ装置の画面上の表示対象を選択指示するの
に用いる。１０５はハードディスク装置で、検索対象の
文書から抽出した書誌データや項目ファイルおよび検索
結果等を記憶する。その内容については、後述する。な
お１０１から１０５は、通常のワークステーションまた
はパソコンでの標準のハードウェアである。１０６はＣ
Ｄ−ＲＯＭアクセス装置で、検索対象の文書が記憶され
たＣＤ−ＲＯＭを搭載し、ＣＤ−ＲＯＭ内の情報を読み
だすことができる。ＣＤ−ＲＯＭアクセス装置は、ＳＣ
ＳＩインタフェースで１０１の処理装置と接続される。
１０７はプリンタ装置である。１０８は各利用者の拠点
にあるＦＡＸで、ＦＡＸアダプタと電話回線を介して処
理装置１０１と接続される。利用者の選択により、ディ
スプレイ装置、プリンタ装置、ＦＡＸのいずれかに、検
索結果の一覧、指定された文書の全文およびその一部を
抜粋したダイジェスト文書を出力できる。

【００１８】また、図１に示すように本検索システムの
処理装置は、ＥｈｅｒｎｅｔのＬＡＮ１０９に接続され
ており、遠隔の複数の計算機からアクセスすることも可
能な構成と成っている。

【００１９】本実施例では、ＣＤ−ＲＯＭに記録された
特許明細書公報の文書を検索したり、一連の文書のブラ
ウジング（拾い読み）を実行する場合について説明す
る。図２は、その手順を示すフローチャートである。

【００２０】まず、利用者は、検索対象の文書が格納さ
れているＣＤ−ＲＯＭを図１の１０６のＣＤ−ＲＯＭア
クセス装置に装填する（処理２０１）。

【００２１】次に利用者が要求する検索やブラウジング
処理に先だって、予めＣＤ−ＲＯＭ内の文書から、後述
の書誌抽出、キーワード検索、ダイジェスト文書出力に
必要な情報を文書の構成要素単位に集めた項目ファイル
を抽出する（処理２０２）。

【００２２】ここで扱うＣＤ−ＲＯＭの内容は「ＣＤ−
ＲＯＭ公開公報仕様」（平成３年１２月特許庁発行）に
記載されている。その中の主なファイルは、図４に示す
ように、そのＣＤ−ＲＯＭに格納されている全特許に関
する目次ファイル（４０１）と、明細書テキストファイ
ル（４０２）と、明細書イメージファイル（４０３）で
ある。特許１件毎にそれぞれ明細書テキストファイル
（４０２）と、明細書イメージファイル（４０３）が存
在し、１つのＣＤ−ＲＯＭには２０００件から４０００
件の特許に対するファイルが格納されている。特許１件
分の文字データを記録する明細書テキストファイルのテ
キスト中には、「特許請求の範囲」や「図面」などの特
許の構成要素の範囲を表わす項目タグと、頁指定や図面
イメージの挿入位置などの出力レイアウト用のタグが挿
入されている。

【００２３】図３は、この項目ファイルの抽出手順を展
開したＰＡＤ図である。まず、後述する検索やブラウジ
ング処理に必要な項目として、「書誌的事項」「要約」
「特許請求の範囲」「産業上の利用分野」を設定する
（処理３０１）。そして、それらは別の項目ファイルと
してディスクに記録するようにファイルを設定し、書き
込み可能な状態にする（処理３０２）。次にＣＤ−ＲＯ
Ｍ内の全特許文書に対して順番に、読み込み文書番号を
設定（処理３０４）し、その明細書テキストファイルを
処理装置の主記憶に読み込む（処理３０５）。次に、主
記憶上のテキストデータ中の項目タグを判定することに
より、文書を構成する要素毎に文書内容を分割（処理３
０６）し、項目別にハードディスクに追加書き込みする
（処理３０７）。ここで「産業上の利用分野」について
は、明細書テキスト中にはそのタグが存在しないが、通
常「発明の詳細な説明」の最初の段落部分にその記載が
あり、「産業上の利用分野」という文字列の判定により
抽出する。この「産業上の利用分野」の内容は、キーワ
ード検索やダイジェスト出力において特に役に立つ情報
である。全文書に対して必要な構成要素を抽出したの
ち、ディスク上の各項目ファイルをｃｌｏｓｅする（処
理３０８）。以上の処理は、図１の処理装置１０１の中
のプロセス１０１ａで実行される。図５は項目ファイル
のデータ形式の例で、先頭に出力項目の種類を示す識別
情報を記録している。その続きには先頭の特許番号、デ
ータ件数、各特許の項目テキストの相対位置を示す情報
があり、その後に特許番号順に項目テキストを記録す
る。先頭部の情報により、指定の特許番号の項目テキス
トがすぐアクセスできる構造を成している。

【００２４】次のステップは、書誌の抽出を行う（処理
２０３）。書誌データは、先に抽出した「書誌的事項」
の項目ファイルから抽出される。図６は出力される書誌
データのレコード形式を示すものである。なお、前述の
目次ファイルにも、そのＣＤ−ＲＯＭに格納されている
全特許の主要な書誌情報が、公開番号順に格納されてい
るので、それを一部利用しても良い。ただし、公開日、
出願日、明細書の頁数の情報は、目次ファイルには含ま
れていないので、従来、ＣＤ−ＲＯＭの明細書テキスト
ファイルから抽出しなければならなかった。しかし、既
に作成した項目ファイルを活用することで、高速に書誌
の抽出を行うことができる。これらは書誌抽出プロセス
１０１ｂによって実行され、全件の特許に対して抽出し
た書誌レコードは、ハードディスク装置１０５内の書誌
データベース１０５ｂに記憶される。

【００２５】次に検索条件を入力する（処理２０４）。
検索条件は、特許文書の国際分類コード（ＩＰＣ）や出
願人などの書誌検索条件と、用語の文字列で指定される
キーワード検索条件からなり、利用者によってワークス
テーションの画面１０２と１０３、１０４の入力装置を
用いて対話形式で入力される。なお、先願の特願平４−
２９２５１５号の「情報検索方法およびシステム」に記
載のように、複数利用者の検索条件を予約登録してお
き、その検索条件について、以下の検索処理を一括実行
することも可能である。

【００２６】次に、書誌検索を行う（処理２０５）。こ
の処理は図１の書誌検索プロセス１０１ｃで実行され
る。既に設定された検索条件のうち、国際分類コードと
出願人コードに関する書誌検索条件と、既作成の書誌デ
ータ１０５ａの各レコードの中の国際分類コード（ＩＰ
Ｃ）と出願人コードを比較照合して、書誌検索条件に適
合する特許公開番号のリストを、検索結果ファイル１０
５ｃに一時保存する。

【００２７】次に、文書内容に関するキーワード検索を
行う（処理２０６）。この処理は図１のキーワード検索
プロセス１０１ｄで実行される。既に設定された検索条
件のキーワードが、前記抽出の複数の項目ファイルのテ
キストの中に含まれるか否かを調べ、キーワード検索条
件に適合する特許公開番号を集計する。このとき、キー
ワード検索を行う項目ファイルの順番を、図７のテーブ
ルに記載の順とする。すなわち、最初に「書誌的事項」
の項目ファイルから発明の名称部分に、検索キーワード
が含まれていないかどうかをチェックする。次に、「産
業上の利用分野」の項目ファイルをチェックする。実験
によれば、この範囲のチェックで関連分野か否かの判断
が付く場合が多い。ここでは、さらに、「要約」「特許
請求の範囲」の順にチェックする。本実施例では、「図
面の簡単な説明」「発明の詳細な説明」については、デ
ィスク容量とキーワード検索の処理時間を考慮して、項
目ファイルの抽出とその範囲のキーワード検索を省略し
ている。文書の特性を考慮して、図７のテーブルの優先
順位を変更することにより、キーワードの検索順序を変
更することができる。また、優先順位欄の内容を”０”
に設定することにより、キーワードの検索範囲をさらに
限定することもできる。ところで、検索条件として書誌
検索条件とキーワード検索条件の両方が設定されたと
き、先に実行した書誌検索条件を満たす特許文書に限定
して、キーワード検索を行う方法と、双方の検索を並行
して実施し、結果をマージする方法を選択することがで
きる。いずれにしても、検索条件を満たす特許文書の書
誌データを１０５ａから抽出して、図８のように一覧表
示する（処理２０７）。

【００２８】ここで、検索条件に合致した特許の該当件
数が多すぎるときは、検索条件８０１を変更し、「検索
再実行」のメニュー８０２を選択して、もう一度検索を
やりなおすこともできる（処理２０９）。

【００２９】次に出力メニューの選択（処理２０８）に
より、検索結果一覧の文書を出力することができる。一
覧表示の中の文書８０３を選択して、「ダイジェスト出
力」のメニュー８０４を選ぶと、その特許公報の主要部
分を抜粋したダイジェスト文書を出力する（処理２１
０）。図９はそのダイジェスト文書の出力例である。こ
こで、領域９０１は「書誌的事項」、領域９０２は「産
業上の利用分野」、領域９０３は「要約」の項目ファイ
ル（先に抽出済）を用いて作成できる。領域９０４のよ
うに図面イメージが含まれるときは、対応する明細書イ
メージファイルをＣＤ−ＲＯＭから取得する必要があ
る。しかし、テキストデータについてはハードディスク
装置の項目ファイルの参照により、高速なブラウジング
が達成できる。また、テキスト表示処理中に、並行して
ＣＤ−ＲＯＭのイメージファイルの取得処理を行うこと
により、ＣＤ−ＲＯＭアクセスの性能ネックをある程度
カバーすることができる。

【００３０】図９の「ダイジェスト文書」の表示におい
て、「前頁」「次頁」のメニュー９０５、９０６を選択
（マウスでクリック）することにより、検索結果一覧の
特許のダイジェスト文書を次々に表示する。このとき、
「要約」部分で参照されている図面イメージ（例えば９
０４の図面イメージ）の全てを予め項目ファイルとして
抽出しておくこともでき、その場合にはより対話性能が
向上する。

【００３１】「明細書全文出力」のメニュー８０５の選
択により、全頁の明細書を出力する（処理２１１）。こ
のときは、ＣＤ−ＲＯＭから明細書のテキストファイル
とイメージファイルを取得して出力文書を構成する。こ
こで、ダイジェスト文書や全文明細書の出力先は、ディ
スプレイ装置の画面、プリンタ、ＦＡＸのいずれかに選
択できる。それらは、それぞれ処理装置１０１のプロセ
ス１０１ｇ，１０１ｈ，１０１ｉにて実行される。

【００３２】上記の実施例では、ＣＤ−ＲＯＭに記録さ
れた検索対象の文書の検索例を示したが、光ディスクに
記録された文書の検索についても、処理装置１０１に光
ディスクアクセス装置を接続することにより、ＣＤ−Ｒ
ＯＭとまったく同様の検索機能を実現できる。また、１
０６は複数枚のＣＤ−ＲＯＭを搭載できるアクセス装置
でもよい。

【００３３】また、ＣＤ−ＲＯＭアクセス装置を接続し
た処理装置と、光ディスクアクセス装置を接続した処理
装置の両方をネットワークに接続し、もう１つの処理装
置が、複数の異なる記録媒体の搭載内容を管理し、利用
者の要求に応じて、アクセスすべき装置を選択するよう
な検索システムを構成することも可能である。

【００３４】本発明を実施するもう１つのシステム構成
として、個々のユーザごとのクライアントの計算機と、
複数ユーザが共用するサーバの計算機からなるクライア
ント・サーバ構成の分散処理環境において、本発明を適
用することができる。そこでは、クライアントの計算機
からの要求により、検索対象の文書を保持するサーバに
おいて項目ファイルを抽出し、該項目ファイルをクライ
アントの計算機に転送し、一連の文書のブラウジング処
理はクライアントの計算機で行う。これにより、クライ
アント・サーバ間の通信ネックを受けず、対話性の向上
させることができる。

【００３５】また、キーワード検索を実施する方法とし
て、複数の項目ファイルを各々別のハードディスク装置
に分散して記憶し、項目ファイル単位のキーワード検索
を並行して実現することも可能である。

【００３６】以上の実施例は、特許公報の文書を対象に
したものであったが、定期的に発行される論文やニュー
ス等の文書においても、文書の構成要素を予め規定でき
る文書であれば、項目ファイルの作成は容易であり、本
実施例の検索処理方法は同様に適用できる。

【００３７】

【発明の効果】ＣＤ−ＲＯＭや光ディスク内の文書の検
索やブラウジング処理に先だって、ＣＤ−ＲＯＭや光デ
ィスク内の文書から必要な情報を、文書の構成要素単位
に抽出して、高速な記憶装置に項目ファイルとして格納
しておき、一連の文書の書誌情報の抽出、キーワード検
索、ダイジェスト文書の抽出などにおいて、その項目フ
ァイルを多目的に利用することにより、ＣＤ−ＲＯＭや
光ディスクのアクセス無しに、対話性能の良い検索やブ
ラウジングが実現される。

【図面の簡単な説明】

【図１】本発明の一実施例の検索システムの構成図であ
る。

【図２】ＣＤ−ＲＯＭ内の文書検索手順を示す図であ
る。

【図３】項目ファイルを取得する部分の処理を示す図で
ある。

【図４】特許ＣＤ−ＲＯＭのファイル構成である。

【図５】項目ファイルのデータ形式である。

【図６】抽出する書誌データのレコード形式である。

【図７】キーワード検索を行う項目ファイルの順番を設
定したテーブルである。

【図８】検索結果の一覧表示画面の例である。

【図９】特許明細書のダイジェストの出力例である。

【符号の説明】

１０１…検索処理を行う処理装置、１０６…ＣＤ−ＲＯ
Ｍアクセス装置、１０５…ＣＤ−ＲＯＭ文書の書誌デー
タ、ＣＤ−ＲＯＭ文書の構成要素ごとに累積した複数の
項目ファイル及び検索結果を記憶保持するハードディス
ク装置である。

Claims

【特許請求の範囲】

【請求項１】共通の構成要素から成る一連の文書の検索
またはブラウジングを行なう文書検索処理方法であっ
て、予め一連の文書を構成要素毎に分割して累積した項
目ファイルを生成し、該項目ファイルを用いて、文書の
キーワード検索または特定項目を抜粋したダイジェスト
文書を作成することを特徴とする文書検索処理方法。
【請求項２】大容量記録媒体に格納されており、共通の
構成要素から成る一連の文書の検索またはブラウジング
を行なう文書検索処理方法であって、予め前記大容量記
録媒体内の一連の各文書を順番にアクセスし、文書の特
定の構成要素の内容を抽出し、別の高速記憶装置に抽出
した内容を構成要素毎に累積した項目ファイルを生成
し、該項目ファイルをアクセスして、文書の書誌情報を
抽出し、更に特定の項目ファイルの内容を抜粋してダイ
ジェスト文書を構成することを特徴とする文書検索処理
方法。
【請求項３】大容量記録媒体に格納されており、共通の
構成要素から成る一連の文書の検索またはブラウジング
を行なう文書検索処理方法であって、予め前記大容量記
録媒体内の一連の各文書を順番にアクセスし、別の高速
記憶装置に、文書の構成要素毎に累積した項目ファイル
を生成し、該項目ファイルをアクセスして、構成要素単
位にキーワード検索を実行することを特徴とする文書検
索処理方法。
【請求項４】請求項３記載の文書検索処理方法におい
て、文書の特性からヒット率の高い構成要素の項目ファ
イルから順番にアクセスして、キーワード検索を実行す
ることを特徴とする文書検索処理方法。
【請求項５】請求項１乃至請求項４いずれか記載の文書
検索処理方法において、前記文書は、特許公報類の文書
であり、前記項目ファイルは、「書誌的事項」「要約」
「特許請求の範囲」を少なくとも含む特許文書の構成要
素毎の項目ファイルであることを特徴とする文書検索処
理方法。
【請求項６】請求項２乃至請求項４いずれか記載の文書
検索処理方法において、前記大容量記録媒体は、ＣＤ−
ＲＯＭまたは光ディスクであることを特徴とする文書検
索処理方法。
【請求項７】請求項２記載の文書検索処理方法におい
て、作成したダイジェスト文書を指定のＦＡＸに転送す
ることを特徴とする文書検索処理方法。