JPH06504858A

JPH06504858A - テキスト管理システム

Info

Publication number: JPH06504858A
Application number: JP3504913A
Authority: JP
Inventors: カダシェヴィッチ，ジュリー・エイ; ハーヴェイ，メアリー・エフ; クラーク，チェリル
Original assignee: ウォング・ラボラトリーズ・インコーポレーテッド
Priority date: 1991-02-01
Filing date: 1991-02-01
Publication date: 1994-06-02
Also published as: EP0592402B1; AU7318391A; AU668073B2; EP0592402A1

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】本発明は、広くはテキスト管理システムに関するものである。

様々な組織において、文書や画像のサーチを行なうために、或いはファイリング・システムやデータベースを編成するために、毎年費やされている時間は計り知れない。たとえ大規模な情報検索システムを使用している場合であっても、文書（ドキュメント）の索引付けや、必要な情報の位置を突き止めることのできるキーワードの推測、一度に１件ずつ照会について実行するページのサーチ、それに、サーチの結果として実際に出てきたデータのうちの不適当な全てのデータのソートには、かなりの資源が必要とされる。

大規模情報検索システムの性能評価を扱った多数の研究の結果、判明したところによれば、その種のシステムでは、特定のサーチに該当する全ての文書のうちの２０％以下の文書しか取り出されておらず、また、取り出される情報のうち、実際にサーチ要求の真意に適している情報は３０％以下に過ぎない。このように検索結果が思わしくないことの主たる原因の１つに、検索実行者が知っているのは、彼らの関心事の大まかな主題に過ぎず、テキストの中に実際に使用されている単語や、文書の索引を作成するために用いられているキーワード記述子の中に使用されている単語を知らないということがある。

更に別の研究として、５０００件のレポートに索引付けするのに、どれほどの時間がかかるかを解析（ａｎａｌｙｚｅ）する研究を行なった。そこでは、各ユーザが、レポートに目を通し、キーワードの選択によって索引付けの決定を行ない、そしてその情報を記録するまでに許される時間は、１０分間であるものと仮定した。

１件あたりの時間がこの長さである場合には、１人でそれだけの量の文書の処理を完了するためには、８３３時間を要し、その人がフルタイムで（１週間に４０時間ずつ）働くものとして、２１週間かかることが判明した。ユーザは更に、データの確認と訂正のために余分の時間を取られる。この方式では、ユーザは日常、的作業として、新たに入って（る文書の索引付けを行なわねばならず、さもなくばシステムが絶望的に時代後れのものとなってしまう。更に加えて、ユーザが適当なサーチ用語を選択するので、指定されなかった用語は全て、サーチの目的のために排除されてしまう。これによって大きな不都合が発生するおそれが生じており、それは、ユーザがキーワードを選択する際に主観的判断を行なうために、該当する情報を包含している文書が、サーチを行なっても表に出てこなくなってしまうことがあり得るということである。

テキスト検索システムの多くは、索引ファイルを使用しており、索引ファイルには、文書中に使用されている単語を記録しておくと共に、それら各単語の、文書中における位置を記録しである。索引ファイルを使用することによって検索速度に関する大きな利点が得られる。ただしこの方式には１つの大きな不都合があり、それは、殆どのシステムにおいて、索引のためのオーバーヘッドが文書データベースの５０ないし１００％にも達するということである。これは、１００メガバイトの文書データベースであれば、５０ないし１００メガバイトの索引が必要であることを意味している。そのため、システムには、大容量記憶装置のための費用とオーバーヘッドとが余計に加わることになる。

発明の概要その概要を述べるならば、本発明はその１つの局面においては、入力単語に基づいて単語集合体のサーチを行なう装置である。この装置は、前記入力単語に給量的に関連した単語であって規則的屈折変化名詞（ｒｅｇｕｌａｒ　１ｎｆｌｅｃｔｉｏｎａｌ　ｎｏｕｎ）以外の単語を含んでいる第１の単語の集合（第１単語集合）を生成するための生成手段と、前記入力単語と前記第１単語集合の単語とを含んでいるサーチ単語群に所属している単語のうちのいずれかの単語の存在を検出するために前記単語集、合体をサーチするためのサーチ・エンジンと、を備えている。

好適実施例は以下の特徴を備えている。前記生成手段が形態構造解析器（ｍｏｒｐｈｏｌｏｇｉｃａｌ　ａｎａｌｙｚｅｒ）であること。前記単語集合体が索引またはテキストであること。前記生成手段が、第１接尾辞群のうちから選択した接尾辞だけを前記入力単語から取り去ることによって、前記第１単語集合のうちの、ある単語を生成するようにしたものであること。前記第１接尾辞群が、単語から取り去られてもその単語の意味を実質的に変化させない接尾辞だけを、該接尾辞群の構成要素として含んでいること。より詳しくは、前記第１接尾辞群が、いずれも屈折接尾辞（ｉｎｆｌｅｃｔｉｏｎａｌ　５ｕｆｆｉｘ）である＃ｆｕｌ、Ｗｉｓｈ、　＋ｏｕｓ、　＋ｉｃ、　＋ａｌ、＠ａｒｓ　＠ｅｒ。

＃ｏｒ、　＋ｉｖｅ、　＋ｏｒｙ、　＃ａｂｌｅ、　＋ａｂｌｅ、　＋１ｂｌｅ、　＃ｌ１ｅｎｔ、　＃ｎｅｓｓ、　＋ｉｔｙ、　＋ｅｔｙA　＋ｔｙ、　＃１ｙ。

＃ｉｚｅ、　＋１ｆｙ１＋ｆｙ、及び＃ｙを含んでいる第１部分集合のうちから選択した要素を、該接尾辞群の構成要素として含んでいること。前記形態構造解析器が、入力単語を認識してその認識した入力単語についての派生情報を返す認識エンジンを備えたものであること。前記認識エンジンが、入力単語を分解してその入力単語の中の語幹の全てを識別し、且つ、識別した各語幹に関して、その語幹に付加することによって入力単語を発生する接尾辞を識別するように、動作するものであること。前記認識エンジンが、該認識エンジンが前記入力単語に対して実行して成功したあらゆる分解（ｐａｒｓｅ）についての情報を包含している派生の経過記録（ｈｉｓｔｏｒｙ）を返すようにしたものであること。そして、前記派生の経過記録が、入力単語の成功した分解の仕方の各々に関して、その特定の分解における入力単語の品詞を包含していること。

更に好適実施例においては、前記装置が類語データベースを備えており、前記生成手段が該類語データベースを用いて類語群を生成するようにしてあり、該類語群の構成要素は、前記第１単語集合の集合要素である給電的に関連した単語のうちの、ある単語の類語である。前記サーチ単語群は更に前記類語群を含んでいる。前記生成手段は、前記類語群のうちから選択した類語に、第２接尾辞群のうちから選択した接尾辞だけを付加することによって、前記類語群のうちから選択した類語に基づいた第２単語群を生成するようにしたものである。前記サーチ単語群は更に前記第２単語群を含んでいる。前記第２接尾辞群は、単語に付加されてもその単語の意味を実質的に変化させない接尾辞だけを、該接尾辞群の構成要素として含んでいる。より詳しくは、前記第２接尾辞群は、いずれも屈折接尾辞□ である＃ｆｕｌ、＃ｉｓｈ、　＋ｏｕｓ、　＋ｉｃ、　＋ａｌ、＃ａｒ、　＃ｅｒ、　＃ｏｒ、　＋ｉｖｅ、　＋ｏｒｙ、　＃ａｂｌｅ、@＋ａｂｌｅ、　＋１ｂｌｅ、　＃ｍｅｎｔ、　＃ｎｅｓｓ、　＋１ｔｙ１＋ｅｔｙ、　＋ｔｙ、　＃ｌｙ、及び＃ｙを含んでいる第２部分集合のうちから選択した要素を含んでいる。

加えて、前記形態構造解析器が更に、前記類語群のうちから選択した類語に給量的に関連した単語から成る第２単語集合を生成するための生成エンジンを含んでいること。前記生成エンジンが、入力単語に関する前記認識エンジンから供給される情報に基づいて、前記第２単語集合を生成するものであること。前記サーチ単語群が更に前記第２単語集合を含んでいること。前記装置が更に、前記類語群の構成要素である類語を選択してその選択した類語を識別するための選択手段を備えていること。

また概要を述べるならば、本発明は別の１つの局面においては、１つの入力単語に拡張処理を施してその入力単語から複数の関連単語を生成する対象（ｓｕｂｊｅｃｔ）拡張システムである。このシステムは、入力単語を受け取るための手段と、入力単語から第１単語群を生成するための生成手段を含み、該生成手段は、単語から取り去られてもその単語の意味を実質的に変化させない接尾辞だけを構成要素として含んでいる第１接尾辞群のうちから選択した接尾辞だけを、入力単語から取り去ることによって、前記第１単語群に所属する単語のうちの少なくとも幾つかの単語を生成する。

好適実施例は以下の特徴を備えている。前記生成手段が更に、単語に付加されてもその単語の意味を実質的に変化させない接尾辞だけを構成要素として含んでいる第２接尾辞群のうちから選択した接尾辞だけを、前記入力単語から導出された単語に付加することによって、前記第１単語群に所属する単語のうちの少なくとも幾つかの単語を生成するようにしたものであること。前記対象拡張システムが更に類語データベースを備えており、前記生成手段が該類語データベースを用いて類語群を生成するようにしてあり、該類語群の構成要素は、前記第１単語群の構成要素である単語のうちの、ある単語の類語であること。前記生成手段が、第２接尾辞群のうちから選択した接尾辞だけを、前記類語群の構成要素である類語のうちから選択した類語に付加することによって、前記類語群を拡張してより大きな単語群を生成するようにしたものであること。前記生成手段が形態構造解析器を備えており、そして更に、該形態構造解析器が、前記入力単語の基体の経過記録を生成するための認識エンジンを備えていること。そして、該基体径の過記録は、前記入力単語の１つないし複数の基体語を識別している記録であり、基体語の各々は、前記入力単語から１つないし複数の接尾辞を取り去った形の単語であること。

また概要を述べるならば、本発明はその更に別の１つの局面においては、１つの入力単語から単語群を生成する対象拡張システムである。このシステムは、前記入力単語から接尾辞を取り去ることによって１つないし複数の基体語を生成するための生成手段と、前記１つないし複数の基体語を受けとって、それらのうちのある基体語に対する類語群を生成するように構成しである類語手段とを備えている。前記生成手段は、前記入力単語の基体の経過記録を生成するための認識エンジンを備えており、該基体の経過記録は、前記１つないし複数の基体語を識別する。前記生成手段は更に、前記類語群の構成要素である類語のうちから選択した類語に誘電的に関連した単語を集合要素として含んでいる第２単語集合を生成するための生成エンジンを備えている。このシステムは更に、前記類語群の構成要素である類語を選択してその選択した類語を識別するための選択手段を備えている。

また概要を述べるならば、本発明はその更に別の１つの局面においては、単語集合体のための索引を生成する装置である。この装置は、前記単語集合体の複数の単語のうちから入力単語を選択するための、選択手段と、前記入力単語に給量的に関連した単語を生成する手段であって、該入力単語と該入力単語に給電的に関連した単語とが含まれる単語群が形成されるようにする、生成手段と、前記単語群の構成要素である複数の単語のうちのいずれかの単語が前記単語集合体の中に存在していることを、前記単語群の構成要素である複数の単語のうちの１つの単語によって表わすようにする、索引作成エンジン（ｉｎｄｅｘｉｎｇ　ｅｎｇｉｎｅ）とを備えている。

また概要を述べるならば、本発明はその別の１つの局面においては、何らかの情報内容を有する単語集合体から、複数のトビツク・ワードを生成する装置である。本発明は、前記単語集合体の複数の単語のうちから、単語部分集合を成す複数の単語を選択するための選択手段と、前記単語部分集合の複数の単語の各々に関する形態構造情報を生成するための形態構造解析器と、前記単語部分集合の複数の単語のうちの所与の単語が前記単語集合体の内容に関する情報を包含しているか否かを、前記形態構造解析器が生成した前記形態構造情報に基づいて評価するための、評価手段と、前記所与の単語が前記単語集合体の内容に関する情報を包含していると前記評価手段が判定した場合に該所与の単語に対応したトビツク・ワードを生成する、トビツク・ワード生成手段とを備えている。

好適実施例は、以下の特徴を備えている。前記単語集合体がテキストであること。前記選択手段が、トビツク・ワードとして適格ではない単語を含むストップ・リストを備えており、該選択手段は、前記単語集合体に所属している単語のうち該ストップ・リストに載せられている単語は、前記単語部分集合から除外するようにしであること。前記選択手段が、更に、無条件でトビツク・ワードとしての資格を持つ単語を含むキープ・リストを備えており、該選択手段は、前記単語集合体に所属している単語のうち該キープ・リストに載せられている単語は、前記単語部分集合に含めるようにしであること。

好適実施例においては更に、前記形態構造解析器が、認識エンジンを備えており、該認識エンジンは、前記所与の単語の１つないし複数通りの成功した分解を認識するものであり、該認識エンジンが前記所与の単語をその根本的語幹（ｕｎｄｅｒｌｙｉｎｇ　ｓｔｅｍ）と、該根本的語幹に付加されることによって前記所与の単語を形成する１つないし複数の接尾辞から成るシーケンスとに、分解可能である場合に、成功した分解が存在するものとしている。前記認識エンジンは、前記所与の単語の成功した分解の各々について１つずつの形態構造の経過記録を生成する。１つの成功した分解に対応した形態構造の経過記録は、前記所与の単語の品詞と、前記所与の単語に関連する１つないし複数の基体語と、該基体語の各々についての品詞とを特定している。前記評価手段は、前記所与の単語が前記単語集合体の内容に関する情報を包含しているか否かを、前記所与の単語の成功した分解の仕方の数に基づいて、また、前記所与の単語に関して識別されている１つない−し複数の品詞に基づいて、評価する。前記トビツク・ワード生成手段は、前記所与の単語、または前記所与の単語の１つの成功した分解に関連した１つの形態構造の経過記録の中において識別される基体語のうちの１つの、いずれかを、前記トビツク・ワードとして選択する。

本発明の利点の１つは、本発明によって、文書ないしテキストのサーチにおける、サーチ結果の完成度が大幅に向上することにある。更に本発明においては、サーチにおけるキーワードが自動的に拡張され、給食的に関連した単語、その給量的に関連した単語のうちのあるものの類語、それにその類語に給食的に関連した単語がキーワードに含められるようになる。更に加えて、本発明を採用することによって、ユーザは、コンセントを捜しめてテキストやその他の文書をサーチする際に、そのコンセントの正確な表現を知らなくても、そのサーチを行なうことができるようになる。更に本発明によれば、たとえキーワードが類語辞書にない場合でも、そのキーワードを解析して拡張することにより、その類語を含めることが可能である。

本発明の更なる１つの利点は、本発明を用いることによって、文書の索引付けにおけるオーバーヘッドを大幅に軽減することができることにあり、これは、文書の内容にとって重要な単語を識別し、そして、その種の単語から成る単語部分集合を包含した索引を生成することによって達成されている。このことは、ディスク装置の必要記憶容量を減少させるのに役立つばかりでなく、更に処理時間の短縮にも役立つ。なぜならば、より小さな索引にサーチ処理が実行されるからである。本発明は、テキストから、各々がそのテキストの内容についての情報を包含しているトビツク・ワードから成る、トビツク・ワードのリストを作成し、またその際に、テキストからの、たいして情報を包含していない単語を排除する。

語学的情報を活用してこのタスクを実行するようにすれば、情報内容を多く含む単語を情報内容を僅かしか含まない単語から区別するための、理論に裏付けられた幾つかの方法が可能となる。

更なる１つの利点は、本発明は、テキストの中に包含されているコンセントの索引における、余分な冗長性を排除するのに役立つことであり、これは、屈折な・いし派生によって関連している複数の単語（例えばｒｃａｔｅｇｏｒｙＪと［ｃａｔｅｇｏｒｉｅｓＪ、また、ｒｓｕｂｊｅｃｔＪとｒｓｕｂｊｅｃｔｓＪとｒｓｕｂｊｅｃｔｎｅｓｓＪ等）を識別することによって可能にしている。即ち、ある単語について、その単語の以前のインスタンスとは僅かに異なった、別のインスタンスの各々を表示するのではなく、その単語の基体を格納しておき、その基体を用いて、その基体から導出される全ての形態を表示するようにしている。

従って、例えば「ｃａｔｅｇｏｒｙＪをリストの中に一度格納したならば、このｒｃａｔｅｇｏｒｙＪが、ｒｃａｔｅｇｏｒｙＪの他にｒｃａｔｅｇｏｒｉｅｓＪも表わし、更にはｒｃａｔｅｇｏｒｉｃａｌＪまでも表わすことができるようにしている。これによってテキストに対する索引に必要な記憶容量を大幅に減少させている。

本願において説明する、このふるい分けの処理手順を、その性能評価のために幾つかのテキスト・サンプルに対して実際に適用したところ、その結果は次のようであった。テキスト・サンプルには、言語学の論文から抜粋した１５３語の１つのパラグラフ、４４７語の財務メモ、それに、機能仕様書から抜粋した５５０語から成る１つの頁が含まれていた。これら３件のテキスト・サンプルに関して得られた結果リストは、夫々、元のテキストの、２３％、２５％、それに１７％の単語を含むものとなっていた。これら３件以外のテキスト・サンプルについてテストを行なって得られた結果も、これらの数字と大差はなかった。従って本発明のこのふるい分けのメカニズムは、テキストのうちの７５ないし８０％の部分を、そのテキストの主旨とは無関係な部分であると識別し得るものである。

その他の利点並びにその他の特徴は、以下の好適実施例の説明、並びに請求の範囲において明らかにする。

好適実施例の説明図１は、形態構造解析器及び辞書を示したブロック図である。

図２は、ｒｆｉｓｈＪの基体の経過記録、図３は、インテリジェント・フィルタを含んでいる索引作成システムのブロック図、図４ａ〜図４ｄは、インテリジェント・フィルタの処理動作の疑似コード記述を示しており、図５は、インテリジェント・フィルタが、アプリケーションへトビツク情報を返す際に使用するトビツク・データ構造体、図６は、インテリジェント・フィルタを用いてテキストを一度にブロック１つ分ずつ解析する場合の、その用い方を示しており、図７は、対象拡張モジュールを含んでいるテキスト・サーチ・システムのブロック図、図８は、図７に示した対象拡張モジュールのブロック図、図９ａ〜図９ｂは、ＳＥＳｒｅｃｗｏｒｄの処理動作の疑似コード記述を示しており、図１０は、ＳＥＳｒｅｃｗｏｒｄが作成する情報リストのデータ構造体の構成要素である情報オブジェクトであり、図１１は、単語の意味を太き（変化させることなく、単語に付加することのできる接尾辞のリストと、単語から取り去ることのできる接尾辞のリスト、図１２は、図７に示した対象拡張モジュールの別実施例のブロック図、図１３は、５ＥＳｅｘｐｌｉｓｔの処理動作の疑似コード記述、そして、図１．４は、ＳＥＳｇｅｎの処理動作の疑似コード記述である。

構造及び動作図１に示すように、ここに説明する実施例の主要構成要素は２つであり、それらは、形態構造解析器１０と辞書１２とである。

辞！辞書１２は、形態構造解析器１０によって発生され、ないしは（その表面形において）認識されることのできる全ての単語の、根本（ｕｎｄｅｒｌｙｉｎｇ）　（語１１（ｌｅｘｉｃａｌ）　）形についての情報を包含している。辞書１２は、根本形で表わされたそれら単語の全てを単に列挙しただけのリストではなく、更に、形態素と呼ばれる形態論上の単位項を包含しており、形態素は、互いに結合することによって、様々な誘電形の単語を形成する。例えば、形態素ｊｓｕｃｃｅｓｓＪとｒｆｕｌＪとｒｌｙＪとが結合することによって、ｒｓｕｃｃｅｓｓｆｕｌｌｙＪという単語が形成される。更に、各々の形態素には情報を付随させてあり、その情報には、その形態素が形成する品詞と、関連形と、現在の形態素の後に続き得る形態素の種類のリストとを含ませることかできる。

形態構造解析器形態構造解析器１０の主たる機能は、認識と生成とである。この形態構造解析器１０の認識能力は、ｆＦｓｒｅｃｏｇｎｉｚｅ　（ＷＦＳ認識）と名付けた内部機能によって得られている。この形態構造解析器１０の生成能力は、ＷＦＳｇｅｎｅｒａｔｅ　（ＷＦＳ生成）と名付けた、もう１つの別の内部機能によって得られている。ＷＦＳｒｅｃｏｇｎｉｚｅは、゛単語を解析してその単語の形態構造を判別する機能であり、一方、ｆＦｓｇｅｎｅｒａｔｅは、ある単語の根本形態構造が与えられたときに、その単語の正しいスペルを生成する機能である。

認識を実行する際には、形態構造解析器１０は入力ストリングを解析して、その入力ストリングの語根（１つのストリングに複数の語根が含まれていることもある）と、もしあればその入力ストリングの派生過程における全ての中間語と、その入力ストリングが含み得る接尾辞と、その派生過程の中の全ての単語の給電カテゴリとを識別する。そして、その入力ストリングの分解に成功したならば（即ち、その入力単語を形成するために必要な語幹及びそれに付随する接尾辞が判明したならば）、形態構造解析器１０は基体の過程記録を返す。もしその入力単語に２通り以上の分解の仕方があったならば、それら分解の各々ごとに１つずつの基体の過程記録を返し、それら基体の過程記録（即ち経路）は、その各々が、その入力単語から一連の接尾辞を１つ１つ取り去って行くときの、入力単語のその都度の形を列挙したリストとして提示される。従って、例えば入力単語が「ｆｉｓｈｅｓＪであったならば、図２に示した２通りの過程記録が返される。

各々の基体の過程記録は１つないし複数のレコードを含んでおり、それらレコードは、接尾辞を次々と取り去って行くときに、その都度得られる基体を示している。尚、１つの接尾辞を取り去ったときに後に残される単語のことを、その接尾辞を含んでいた元の単語の基体と呼ぶ。ある単語からそれ以上接尾辞を取り去ることができなくなったとき、その単語を、それまでの他の単語の語根であるという。各々のレコードは、そこから１つの接尾辞を取り去ろうとしている単語と、その単語の品詞と、その過程記録の中のレコードのうち、当該接尾辞を取り去った後に形成される基体を包含しているレコードを参照するインデックスと、その基体に付加されることによって当該単語を形成する当該接尾辞と、付加された当該接尾辞の等級とを包含している。接尾辞の等級というのは、接尾辞とその接尾辞が形成する単語とを分類するために使用している数字である。即ち、接尾辞を付加する前と後とで意味がどれほど変わるか、或いは変わらないかに応じて接尾辞を分類し、接尾辞群を編成している。例えば、屈折語尾（活用語尾）は、元の単語の文法上の特徴を変化させるだけのものであり、その等級を「１」としている。一方、派生語尾は、多くの場合、元の単語の品詞を変化させ、より遠く意味の隔たった単語を生成するものであり、その等級を「２」としている。

生成を実行する際には、形態構造解析器１０は、所与の単語に誘電的に関連を有する単語を合成し、付加すべき接尾辞があれば付加し、その際に、接尾辞や給量カテゴリに関する制約条件がその入力に指定されていたならば、その制約条件に従って、返すべき単語集合の大きさ及び内容を制御する。生成は、以下のサブタスクを含む。先ず、形態構造解析器１０は、入力ストリングを対象とした認識を実行し、それによって、その入力ストリングに幾通りの分解の仕方があるかということと、その入力ストリングの語幹と、その入力ストリングが既に接尾辞を含んでいるか否かということとを判定する。続いて形態構造解析器１０は、合成に使用する１つの語幹を識別する。続いて形態構造解析器１０は、その語幹に付加することのできる接尾辞を判定し、そして、誘電的入力単語から合成することのできる全ての表面形ストリング（ｓｕｒｆａｃｅ　ｓｔｒｉｎｇ）を返す。

テキスト管理機能本発明の１つの局面においては、形態構造解析器を、索引作成やサーチ等のテキスト管理機能の支援のために使用する。このテキスト管理機能を実行するための実施例について以下に説明する。

図３に示すように、索引作成システム１００においては、テキストの１つのブロックからの複数の入力単語１０２が、インテリジェント・フィルタ１０４へ受け渡され、このインテリジェント・フィルタ１０４が、それら入力単語のうちのどの単語がトビツク・ワードないしコンセプト・ワード、即ち、それら入力単語が使用されている元のテキストの主旨を表現している単語、であるかの判定を自動的に行なう。インテリジェント・フィルタ１０４は、幾つかの機構を使用してトビツク・ワードの識別を行ない、それら機構のうちには、自動的にトビツク・ワードとして失格であると判定すべき単語を列挙したストップ・リスト１０６、自動的にトビツク・ワードとしての資格を有すると判定すべき単語を列挙したキープ・リスト１０８、それに、入力単語を解析してその形態構造を識別する形態構造解析器１１０が含まれている。形態構造解析器１１０は、みずからに受け渡された入力単語の形態構造解析を実行するために、辞書１１６を使用する。インテリジェント・フィルタ１０４は、形態構造解析器１１０へ送られた入力単語について導出された形態構造情報を用いて、それら入力単語のうちのどの単語が、トビツク・ワードである可能性が最も高いかを判定する。インテリジェント・フィルタ１０４が生成したトビツク・ワードのリストは、一般的な構成の索引作成エンジン１１４へ受け渡され、この索引作成エンジン１１４がそれらトビツク・・　ワードを用いて、複数の入力単語がそこから抽出されたところの元のテキストに対する索引を作成する。索引作成エンジン１１４は、その索引付けされようとしているテキストに対応した索引カードを作成する方式や、そのテキストの本体の中のトビツク・ワードの位置を識別する索引を生成する方式の、公知の幾つもの索引作成法のうちの、いずれを使用したものであっても良い。

ストップ・リスト１０６は、一般的にトビツク情報を包含することのない単語のリストを含んでおり、これに該当するのは、例えば、冠詞、前置詞、接続詞、等々をはじめとする、種々の機能語である。このリストの単語の殆どは、一般の辞典を使用して、その単語の品詞に基づいて識別することができる。ストップ・リストにその種の単語の全てを列挙しておくことの利点は、インテリジェント・フィルタ１０４が、それら単語を解析するために時間と形態構造解析器１１０の計算処理資源とを浪費せずに済むようになることにある。ストップ・リスト１０６には更に、幾つかのテキストのサンプルをインテリジェント・フィルタ１０４の中で走らせて、その結果を解析し、出力として発生されはしたがトビツク情報を包含していないことが明らかな単語を識別するという方法によって識別した単語も含ませである。従って、ストップ・リスト１０６にはもう１つの利点があり、それは、インテリジェント・フィルタ１０４の解析実行部では捕捉されない、その種の僅かな単語を、このストップ・リストで捕捉できることにある。

キープ・リスト１０８は、ストップ・リスト１０６の機能とは丁度反対の機能を果たすものである。キープ・リスト１０８は、ある単語がトビツク情報を包含しているにもかかわらず、インテリジェント・フィルタ１０４の解析実行部が、その単語をトビツク・ワードとして失格である判定するかも知れない場合に、その単語を特定しておくためのリストである。このキープ・リスト１０８を生成するには、経験的方法を用いることができ、即ち、幾つかのサンプル文書をインテリジェント・フィルタ１０４の中で走らせ、続いて、トビツク・ワードとして失格であると判定されたものの、ユーザにはトビツク・ワードのリストに含めるべきであると思われる単語を特定するという方法を用いることができる。これによってキープ・リスト１０８は、システムに精密調節を施すための、また、システムを、特定の要求事項や、特定のユーザの独特の給量に適合させるための機構として機能するものとなっている。

これより、図４ａ〜図４ｄに示した流れ図を参照しつつ、インテリジェント・フィルタ１０４の動作について説明して行く。テキストの索引作成のためのアプリケーション・プログラムが、あるテキストのブロックの索引を作成することが必要になったならば、先ず、初期設定機能をコールして、インテリジェント・フィルタ１０４がみずからに受け渡された単語を解析するために使用する、様々な機能及び辞書（即ち、参照作業領域）をオーブンする。インテリジェント・フィルタ１０４をコールするそのアプリケーションは、更に、インテリジェント・フィルタ１０４がそのアプリケーションへトビツク情報を受け渡す際に使用するトビツク構造１２４（図５参照）のための空間の割り振りを行なう。トビツク構造１２４は、解析された入力単語のためのフィールド１１５と、その入力単語の中に発見された基体を指し示すポインタのアレイのためのフィールド１１９と、そのアレイの中の基体の数のためのフィールド１１７とを含んでいる。

そのアプリケーションは、インテリジェント・フィルタ１０４をコールする際に１つの入力単語１０２を受け渡し、このとき受け渡される入力単語が、即ち、現在単語である。図４ａ〜図４ｄについて説明すると、インテリジェント・フィルタ１０４は、先ず最初に、現在単語が形態構造解析の対象となり得るものか否かを判定するために、現在単語が英文字を含んでいるか否かを調べる（ステップ１３０）。現在単語が英文字を含んでいなかったならば、フィルタ１０４は、その現在単語はトビツク・ワードとして失格であると判定して、アプリケーション・プログラムに対して、続（次の単語を要求する（ステップ１３２）。一方、現在単語が英文字を含んでいたならば、フィルタ１０４は、現在単語はその先頭と末尾とに引用符が付いているか否かを調べる（ステップ１３４）。現在単語が引用符付きストリングであったならば、フィルタ１０４は、現在単語がトビツク・ワードであると識別し、トビツク用データ構造１２４を利用してその情報を索引作成エンジン１１４へ受け渡し、これによって索引作成エンジン１１４は、その現在単語を索引付けすることができるようになる（ステップ１３６）。続いて、フィルタ１０４は、次の単語を要求する。一方、現在単語が引用符付きストリングではなかった場合には、フィルタ１０４は、キープ・リスト１０８の中の単語を参照する（ステップ１３８）。

現在単語がキープ・リスト１０８の中に載っていたならば、フィルタ１０４は現在単語を索引に加えて、次の単語の処理に取りかかる（ステップ１４０）。一方、現在単語がキープ・リスト１０８の中に載９ていなかったならば、フィルタ１０４は、現在単語をストップ・リスト１０６と照合する（ステップ１４２）。

そして、現在単語がストップ・リスト１０６の中に載りていたならば、フィルタ１０４は現在単語を失格と判定して、次の単語を要求する（ステップ１４４）。

一方、現在単語がストップ・リスト１０６の中に載っていなかったならば、フィルタ１０４は、形態構造解析器１１０の認識能力、即ち、ｌＦｓｒｅｃｏｇｎｉｚｅの助けを借りて、現在単語の形態構造解析結果を得るようにする（ステップ１４６）。

ＷＦＳｒｅｃｏｇｎｉｚｅは、現在単語の中の語幹を識別し、また、識別した語幹にいかなる接尾辞が付加されて現在単語が形成されているかを判別する。この解析は、先ず最初に、現在単語の中の第１番目の文字について行ない、更に一度に１文字ずつ処理を進めて、最終的には、全ての語幹と、各語幹に接尾辞が付加されていればその接尾辞とを、突き止めるようにする。即ち、ＷＦＳｒｅｃｏｇｎｉｚｅは入力単語を分解する。この解析が完了したならば、ｌＦｓｒｅｃｏｇｎｉｚｅは、現在単語の基体の過程記録を返す。基体の過程記録は、過程記録アレイのリストで構成され、それら過程記録アレイの各々が、発見されたそれら複数の分解の仕方のうちの１つに対応した複数のレコードを包含している。

ＷＦＳｒｅｃｏｇｎｉｚｅが、辞書１１６の中に、現在単語も、また、現在単語の基体の単語も発見できないということもあり得る。この場合には、ｆＦｓｒｅｃｏｇｎｉｚｅは、現在単語が認識されなかった旨を表示する。かかる事態が発生するのは、例えば、現在単語が、ある種の固有名称（例えば「Ｎ１ｘｏｎＪ　）であった場合等である。１１ＦＳｒｅｃｏｇｎｉｚｅから、現在単語が認識されなかった旨の報告を受けたならば、フィルタ１０４は、現在単語をトビツク・ワードとして扱い、現在単語を索引に加え、そして次の単語を要求する（ステップ１４８）。

更には、現在単語に、ｌＦｓｒｅｃｏｇｎｉｚｅが処理することのできない文字が含まれているということもあり得る。この場合にもフィルタ１０４は、その単語を索引に加えた上で、次の単語の処理に取りかかる（ステップ１５０）。

ｆＦｓｒｅｃｏｇｎｉｚｅが現在単語の分解に成功したならば、インテリジェント・フィルタ１０４は、返されてきた基体の経過記録の情報を用いて、現在単語がトビツク・ワードであるか否かについての評価を行なう。フィルタ１０４は、先ず最初に、現在単語に関して判定された品詞が１種類だけであるか否か（即ち、その単語について成功した分解の仕方が１通りだけであるか否か）を調べる（ステップ１５２）。もし返されてきた品詞が１種類だけであったならば、フィルタ１０４は、・その品詞が何であるかを調べる。そして、その品詞が名詞であったならば、フィルタ１０４は、現在単語を索引に加え、次の単語の処理に取りかかる（ステップ１５４）、例えば、現在単語がｒｈｉｓｔｏｒｙＪ或いはｒｓｃｉｅｎｃｅＪであったならば、これらはいずれも名詞であり、このような場合にはフィルタ１０４はその単語を索引に加える。

一方、その品詞が形容詞であった場合、例えばｒｈｉｓｔｏｒｉｃＪやｒｓｃｉｅｎｔｉｆｉｃＪという単語であった場合には、フィルタ１０４は、現在単語の基体を取り出してその品詞を調べる（ステップ１５６）。（既述の如（、現在単語の基体は、現在単語に対応した経過記録のレコードの基体フィールドの中に表示されている。）そして、現在単語の基体の品詞が颯詞であったならば、フィルタ１０４は、その基体を索引に加え、次の単語の処理に取りかかる（ステップ１５８〜１６０）。

また、その基体の品詞が形容詞であったならば、フィルタ１０４は、その基体の基体を取り出してその品詞を調べる（ステップ１６２〜１６４）。基体が形容詞であった場合には、フィルタ１０４は、基体の基体が名詞である場合にのみ、基体を索引に加える（ステップ１６８）。その他の場合には、フィルタ１０４は現在単語を失格と判定し、次の単語の処理に取りかかる（ステップ１７０）。例えば、現在単語がｒｈｉｓｔｏｒｉｃａｌ　Ｊであったならば、これはｒｈｉｓｔｏｒｙＪという名詞の基体を有する形容詞であり、この場合には、フィルタ１０４はｒｈｉｓｔｏｒｙＪを索引に加える。基体が名詞と形容詞とのいずれでもなかった場合にも、フィルタ１０４は現在単語を失格と判定し、次の単語の処理に取りかかる。

現在単語が副詞であった場合にも、フィルタ１０４は、現在単語が形容詞であった場合に実行する解析と同様の解析を実行する（ステップ１７４〜２０２）。

即ち、フィルタ１０４は、現在単語の基体を取り出してその品詞を調べる。その基体が名詞であったならば、フィルタはその基体を索引に加え、次の単語の処理に取りかかる。一方、その基体が形容詞であったならば、フィルタ１１４は、その次のレベル、即ち基体の基体を調べる。例えばｒｓｃｉｅｎｔｉｆｉｃａｌｌｙＪのように、基体の基体が名詞であったならば、フィルタ１０４は、その、基体の基体（この場合ではｒｓｃｉｅｎｃｅＪ　）を索引に加え、次の単語の処理に取りかかる。一方、その、基体の基体が形容詞であったならば、フィルタは、現在単語に対応した経過記録の更に次のレベルへ移り、基体の基体の基体を（もし存在していれば）調べる。そして、その、基体の基体の基体が名詞であったならば、フィルタ１０４はその、基体の基体の基体を索引に加えるが、そうでなかったならば、現在単語を失格と判定して、次の単語の処理に取りかかる。

現在単語が１種類の品詞しか持っておらず、しかも、その品詞が、名詞、形容詞、及び副詞のうちのいずれでもなかった場合には、フィルタ１０４は現在単語を失格と判定する。同様に、現在単語は副詞であるが、その基体が名詞でも形容詞でもないという場合にも、フィルタ１０４は現在単語を失格と判定する。

現在単語が２種類の品詞を持っている場合（しかも２種類しか持っていない場合。即ち、両義牲を有する場合）には、フィルタ１０４は、それら２種類の品詞のうちの一方が名詞で、且つ、他方が副詞で姪場合にのみ、現在単語を索引に加える（ステップ２０６〜２１２）。

現在単語が３種類の品詞を持っている場合（しかも３種類しか持っていない場合）には、フィルタ１０４は、それら３種類の品詞のうちの１つが名詞である場合にのみ、現在単語を索引に加える（ステップ２１４〜２２０）。

最後に、現在単語が４種類以上の品詞を持っている場合には、フィルタは現在単語を索引に加えない（ステップ２２２〜２２４）。

以上の説明において注意すべきことは、現在単語が両義性ないし多義性を有するものである場合（例えば、ｒｌｅａｖｅｓＪは、ｒｌｅａｆＪの複数形でもあり得るし、ｒｌｅａｖｅＪという動詞の三人称単数形でもあり得る）には、フィルタ１０４は、現在単語の基体として、２通り以上の基体を出力するということである。

フィルタ１０４が、そのテキスト内で使用されている全ての単語に対する処理を完了したならば、アプリケーションは、それまで使用されていた割り振られていたテーブルを全て解放し、参照作業をクローズする。

更にアプリケーションは、みずからに渡されたトビツク構造体の中の情報を利用した後、そのトビツク構造体に割り振られていた記憶空間を解放する。

以上に説明した実施例では、テキストの処理は一度に単語１つずつについて行なわれている。即ち、アプリケーション・プログラムは、インテリジェント・フィルタ１０４へ、一度に単語を１つずつ受け渡し、そして、返されて（る結果を用いて索引を生成するようにしている。また、アプリケーションがインテリジェント・フィルタ１０４ヘテキストのブロックを渡すようにすることも可能であり、そうした場合には、フィルタ１０４は、複数のトビツク構造体から成るトビツク構造体のアレイを作成する。このトビツク構造体は、そのテキストのブロックの中でトビツク・ワードであると識別された単語の各々に対して１つずつ作成されているものである。また、この場合には、アプリケーション・プログラムは、テキスト解析プログラムをコールし、このテキスト解析プログラムは、図６のフローチャートに示したように処理を実行する。

アプリケーション・プログラムは、先ず最初に、このテキスト解析プログラムと、必要なデータ構造体とを初期設定し、そして、索引を作成すべきテキストを包含している参照作業をオープンする（ステップ２２５）。アプリケーション・プログラムは続いて、バッファの中に、解析の対象となる、そのテキストの第１番目のブロックを書き込んで、そのブロックをテキスト解析プログラムへ渡し、テキスト解析プログラムの側では、そのテキストをトークン化（ｔｏｋｅｎｉｚｅ）　Ｌ／て、その中の個々の単語を識別する（ステップ２２９及び２３１）。テキストのトークン化のためには公知の様々な技法を利用することができ、例えば、スペース、及び／または、引用符を、単語間境界の標識として利用するという方法を用いても良い。テキスト解析プログラムは、テキストのそのブロックの中にある各々の単語に対して、インテリジェント・フィルタ１０４をコールする（ステップ２３３）。インテリジェント・フィルタ１０４は、みずからへ渡される単語を処理し、トビツク構造体アレイを作成し、このトビツク構造体アレイに含まれている個々のトビツク構造体は、テキストのそのブロック内の単語のうちから発見されたトビツク・ワードの各々に対して作成されるものである。テキストのそのブロックの全体に対するトビツク構造体アレイが完成したならば、アプリケーション・プログラムは、そのトビツク構造体アレイの中から個々のトビツク構造体を検索し、各々のトビツク・ワードが、そのテキストに関するそれまでの処理において既にトビツク・ワードとして識別されていないかどうかを調べる。

そして、そのトビツク・ワードが未だ識別されていなかったならば、そのトビツク・ワードを、そのテキストに関連したコンセントのリストに加える（ステップ２３５〜２３７）。

アプリケーション・プログラムは、以上のようにして、そのテキストを一度にブロック１つ分ずつ次々と処理して行き、最終的には、そのテキストの全体に対応した索引を完成する（ステップ２３９）。そして、そのテキストの全体の処理を完了したならば、アプリケーション・プログラムは、テキスト解析処理の実行中に使用していた記憶空間を解放し、その処理に関係していた全てのファイルをクローズする。

インテリジェント・フィルタ１０４は、所与のテキストに必要とされる索引の大きさを圧縮する性質を備えており、それは、少な（とも次の２つのことによるものである。第１に、インテリジェント・フィルタ１０４は、トビツク・ワードとしての資格を備えた単語を識別し、テキストの内容に関係していないその他の単語をトビツク・ワードとして失格であると判定する。更に、インテリジェント・　□フィルタ１０４は、多（のテキスト内使用単語に対して、そのテキスト内使用単語に給電的に関連した単語を供給し、索引作成エンジンは、その給電的に関連した単語を索引に加える。そのため、テキスト内で使用されている誘電的に関連した一群の単語が、その、互いに給量的に関連した一群の単語の中から選択された、１つの単語によって代表して表わされるようになるのである。

テキストの索引において、ただ１つの単語によりて、互いに給量的に関連した一群の単語を代表して表わすようにするこの方式は、この方式だけを単独で利用することも可能である。その場合には、例えば、ユーザが、テキストの中から、索引の中に表示させる１つの単語を手動操作で選択するようにし、続いて、形態構造解析器の認識能力を利用して、その選択した単語に語索的に関連した一群の単語を発生させるようにすることが考えられる。索引に加える単語については、この後、索引作成エンジンが、元の単語と、その単語に給電的に関連した複数の単語とから成る単語集合のうちから選択した１つの単語を使用する。即ち、結果的に作成される索引における各々の単語が、テキスト内で使用されている互いに誘電的に関連した複数の単語から成る１つの単語集合を、代表して表わすようになる。これによって、テキスト内で使用されている互いに給電的に関連した複数の単語の各々が、索引の中に独立した１つずつの単語として含められることがなくなる。

図７に示したシステム１０は、形態構造解析器１１０によって、テキストのサーチを支援するように構成したシステムである。このテキスト・サーチ・システム２０１においては、ユーザが発したサーチ要求の一部分である入力単語２０３が対象拡張モジュール（ＳＥＳモジュール）２０５へ渡され、このＳＥＳモジュール２０５において、その入力単語に拡張処理が施されて、複数の関連対象のリストが作成される。続いてサーチ・エンジン２１３が、その入力単語から作成されたこの拡張リストを使用して、記憶装置２０７の中に格納されているテキストのサーチを行ない、この拡張リストに列挙されている項目のうちのいずれかに言及している文書を特定した情報を出力として返す。ＳＥＳモジュールは、この対・　象拡張機能を実行するために、形態構造解析器１１０に、入力単語に誘電的に関連した単語のリストを作成させる。形態構造解析器１１０は、辞書１１０の中に格納されている情報に基づいて、その入力単語の構造形態解析を実行し、その入力単語に対応した基体の経過記録を作成する。この経過記録は、その入力単語の中に発見された幾つかの基体と、それら基体に付加されることによってその入力単語を形成する接尾辞とを包含している。ＳＥＳモジュール２０５は、形態構造解析器１１０が発生したこの情報に基づき、類語辞書２１１を参照して、語儀的に関連した単語のうちの、ある単語に拡張処理を施し、当該単語の類語を列挙した拡張リストを作成する。一般的に、この拡張処理は、入力単語に関して発見された複数の定義、即ち複数の品詞の、各々について実行される。ただし、いかなる単語についても必ずその類語が得られるとは限らないため、ＳＥＳモジュール２０５は、入力単語の類語が発見されなかったかった場合には、その入力単語に対応して生成された基体の経過記録の中に包含されている誘電的に関連した単語を使用する。

ＳＥＳモジュール２０５の処理動作は、図８に示したブロック図にその概要を示しである。ＳＥＳモジュール２０５は、１つの入力単語を受け渡されたなら、５ＥＳｉｎｉｔ機能２１５をコールして、みずからの処理動作の間に使用するデータ構造と、機能と、辞書とを初期設定する。この初期設定が完了したならば、ＳＥＳｒｅｃｗｏｒｄ　（ＳＥＳｒｅｃ単語）機能２１７が、形態構造解析器１１０に入力単語の基体の経過記録を作成さ、その基体の経過記録から得られる情報を用いて、類語辞書２１１から類語のリストを作成する。このＳＥＳｒｅｃｗｏｒｄが個々の単語及び類語を発生する度に、第２の機能である５ＥＳｅｘｐｌｉｓｔ　（ＳＥＳｅｘｐリスト）２１９が、ＳＥＳｒｅｃｗｏｒｄ　２・　１７が発生するその単語及び類語を採取して、給電的に関連した単語と、類語と、給量的に関連した類語とから成る単語集合を生成し、そしてその単語集合を、入力単語、及び入力単語に給量的に関連した単語と併せて、サーチに使用すべき拡張リストとして、サーチ・エンジン２１３へ受け渡す。以上の拡張処理が完了したならば、５ＥＳｆｉｎｉ機能２２１が、この拡張処理のために初期設定された記憶空間を解放し、辞書をクローズする。以下に、ＳＥＳｒｅｃｗｏｒｄ２１７と５ＥＳｅｘｐｌｉｓｔ　２１９とについて更に詳細に説明する。

ＳＥＳｒｅｃｗｏｒｄ　２１７は、図９ａ及び図９ｂに示したようにして、処理動作を行なう。即ち、このＳＥＳｒｅｃｗｏｒｄ機能は、初めてコールされたときには、ＷＦＳｒｅｃｏｇｎｉｚｅ機能に、このＳＥＳｒｅｃｗｏｒｄ機能のコールの一部分として渡された入力単語の解析を行なわせる（ステップ２３０）。

ｌＦｓｒｅｃｏｇｎｉｚｅは、入力単語をある１つの分解の仕方で分解することに成功する度に、１つの経過記録を返して（る。経過記録の各々は、様々な情報を含んでいるが、その中に、語幹と、その語幹に付加されることによって入力単語を形成する接尾辞と、入力単語の品詞とを含んでいる。入力単語の定義が２つ以上存在していることもあるため、ＷＦＳｒｅｃｏｇｎｉｚｅが２通り以上の分解の仕方で分解に成功することもあり得る。

ｆＦｓｒｅｃｏｇｎｉｚｅが、その認識機能を完了して然るべき情報を返してきたならば、５ＥＳｒｅｃｖｏｒｄ　２１７は、返されてきた各々の定義（即ち、経過記録中の経路）の中をループして（ステップ２３２）、それら各々の経路ごとに以下の処理を実行する。ＳＥＳｒｅｃｗｏｒｄ　２１７は、先ず最初に、現在経路の品詞が、それまでに既に処理した、他のいずれかの経路の品詞と同じであるか否かを調べる（ステップ２５４）。

現在経路の品詞が、既に処理したある経路の品詞と同じものであったならば、ＳＥＳｒｅｃｗｏｒｄ２１７は、現在経路をスキップしてとばし、次の経路の処理に取りかかる（ステップ２３６）。尚これに関して、既に拡張処理を施した経路と同じ品詞に至る別の経路に拡張処理を施しても、得られる拡張結果は同じであることに注意されたい。

一方、現在経路の品詞が初めてのものであったならば、ＳＥＳｒｅｃｗｏｒｄ　２１７は、その現在の品詞が屈折変化（活用変化）を伴う品詞であるか否かを調べる（ステップ２３６）。もし現在品詞が屈折変化を伴う品詞であったならば、現在経路の基体が、以前に処理した経路に関して既に発見されている可能性がある。例えば、１つの動詞の過去形と過去分詞とでは基体が互いに同一であるため、拡張処理の結果も同一になる。ＳＥＳｒｅｃｗｏｒｄ２１７は、既に一度実行した作業を重複して実行することを避けるために、そして屈折変化する単語については、現在経路の基体を、他の経路に関して既に発見されている他の基体と比較対照するようにしている（ステップ２４０）。他の経路についての情報は、ＳＥＳｒｅｃｗｏｒｄ２１７がこの処理を実行している間に作成している、この処理の結果をアプリケーション・プログラムへ返すための情報リストの中に格納されている。この情報リストは、入力単語に関して認識された様々な語形の集合体であって、図１０に例示したような情報オブジェクト２２３の、連係リストである。この情報リストの中にその基体が既に含まれていたならば、ＳＥＳｒｅｃｗｏｒｄ２１７は、現在経路をスキップしてとばしてしまう。そうでなかった場合には、ＳＥＳｒｅｃｗｏｒｄ２１７は、その基体の形が類語辞書２１１に載っているか否かを調べる。そして、その基体の形が類語辞書に載っていたならば、ＳＥＳｒｅｃｗｏｒｄ２１７はその基体に対応した新たな情報オブジェクト２２３を作成して、その新たなオブジェクトを情報リストに追加する。

この新たなオブジェクトは、類語辞書の中にその基体の類語として載せられている全ての類語を包含している。

再び図１０について説明すると、オブジェクト２２３の各々は、その類語を発見したところの単語を記入するフィールド２２３（ａＬその単語に関連している品詞を表示するｐｏｓ−１ｉｓｔ　（ｐｏｓ−リスト）２２３（ｂ）、その単語の全ての類語を格納してお（ための類語バッファ（ＴＨバッファ）２２３（ｃＬそれに、リストの中の次のオブジェクトを指し示すポインタ２２３　（ｉ）を含んでいる。情報オブジェクトの各々は、更に、ＴＨバッファ２２３　（ｃ）の中に格納されている類語の数を示すｎｕｎ−ｗｏｒｄｓ　（ｎｕｌｌ−単語）フィールド２２３　（ｄ）と、リストの中にそれまでに入れられた、その単語の互いに異なった意味ないし含意の数を表示するｎｕａ＋−ｍｅａｎｉｎｇｓ　（ｎｕｎ −意味）フィールド２２３　（ｃ）と、それにｐｏｓ−ｓｕｍフィールド３２２（ｆ）とを含んでいる。ｐｏｓ−ｓｕｍフィールド３２２　（ｆ）は、その単語に拡張処理を施したときに通常その結果として得られる複数の形の、平均数についての所定の統計量を、その単語の品詞の関数として表示している。換言すれば、このかりを提供している。経験的に判明しているところによれば、ある単語に拡張処理を施して得られる単語の個数は、その単語の品詞の種類によって左右される。

例えば、１個の名詞に拡張処理を施した場合には、一般的に３個の単語が得られる。１個の動詞からは７個の単語が得られ、また、１個の形容詞からは４個の単語が得られる。この情報は、後に拡張機能が、ＴＨバッファの中に格納されている単語のうちの幾つの単語に拡張処理を施すべきかを判定する際に使用する。

情報オブジェクト２２３の各々は更に、サンプル情報フィールド（ｓａｍｐｌｅｉｎｆｏフィールド）２２３（ｑ）と、５ｅｌｅｃｔｉｏｎ−ｉｎｆｏ　（選択 −１ｎｆｏ）フィールド２２３（ｂ）とを含んでいる。サンプル情報フィールド２２３　（ｑ）は、ポインタ・アレイを包含しているフィールドであり、そのポインタ・アレイの中の個々のポインタは、ＴＨバッファ２２３　（ｃ）の中の各々の考慮されるサンプルを指し示している。サンプルは、入力単語の意味ないし含意が存在する場合の、その意味ないし含意として定義される。カレッジ・シソーラス（ｔｈｅ　ＣｏＣｏ１１ｅ　Ｔｈｅｓａｕｒｕｓ　）という類語辞書では類語が種々の意味カテゴリに分類されて編成されている。ｓａｍｐｌｅ−ｉｎｆｏフィールド２３３　（ｑ）の中のポインタは、ＴＨバッファ２２３　（ｃ）の中の各カテゴリの開始点を識別している。すぐ後に更に詳細に説明するように、幾つかの実施例においては、サンプルのうちのどれを、５ＥＳｅｘｐｌｉｓｔ２１９が実行する拡張処理に含ませるかを選択する機会が、ユーザに与えられる。

これに対するユーザの指示内容は、後に用いるために、５ｅｌｅｃｔｉｏｎ−ｉｎｆｏフィールド２２３　（ｋ）の中に記録される。

再び説明を図９ａに戻してステップ２３８〜２４８について説明すると、基体に対応した情報オブジェクトを生成した後には、或いは、その基体形が類語辞書の中に載っていないことが判明した後には、ＳＥＳｒｅｃｗｏｒｄ　２１７は更に、入力単語が類語辞書の中に屈折形で示されているか否かを調べる（ステップ２４６）。

もしそうであったならば、ＳＥＳｒｅｃｗｏｒｄは、入力単語に対応したもう１つの情報オブジェクトを作成する（ステップ２４８）。

現在経路に関する品詞が、屈折変化を伴っていない品詞であった場合には、ＳＥＳｒｅｃｗｏｒｄ　２１７は、入力単語が類語辞書に載っているか否かを調べる −（ステップ、２５２）。そして、入力単語が類語辞書に載っていたならば、入力単語に対応する情報オブジェクトを作成して情報リストに追加する（ステップ２５６）。一方、□入力単語が類語辞書に載っていなかったならば、５ＥＳｒｅｃｖｏｒｄ２１７は、入力単語の経過記録を調べて、入力単語から１つの接尾辞を取り去ることによって入力単語と実質的に同じ意味を持った基体を形成することができるか否かを判定する（ステップ２５８〜２６０）。ここで、単語どうしが実質的に同じ意味を持つというのは、例えば、接尾辞を取り去ることによって形成される単語の機能が、その接尾辞を取り去る前の元の単語の機能と意味論的に同一であることを言う。単語の意味を実質的に変化させることな（取り去ることのできる接尾辞の種類は限られている。その種の接尾辞のリストを、図１１に示した。（尚、「＋」及び「＃」は、＾ｒｏｎｏｆｆ、　Ｍａｒｋ　（１９７６）　Ｗｏｒｄ　Ｆｏｒ＋ａａｔｉｏｎ　ｉｎ　Ｇｅｎｅｒａｔｉｖｅ　ＧｒａｍｍａｒA　Ｌｉｎｇｕｉｓｔｉｃ　Ｉｎｑｕｉｒｙ　Ｍｏｎｏｇｒａｐｈ　１．　ＭＩＴ　Ｐｒｅｓｓ、　Ｃａｍｂｒｉｄｇｅ、　Ｍａｓｓａｃｈｕｓｅｔｔ刀@に従った、境界文字ないし境界マーカーである）。このリストは、テーブルの中に格納してあり、ＳＥＳｒｅｃｗｏｒｄが、そのテーブルにアクセスして、現在接尾辞を取り去ることによって形成される単語から類語を生成しても構わないか否かを判定するようにしている。そして、現在接尾辞が取り去り可能なものであったならば、ＳＥＳｒｅｃｗｏｒｄ　２１７は、それを取り去って得られる基体が、類語辞書に載っているか否かを調べる。その基体が載っていたならば、その基体に対応した単語情報オブジェクトを作成する。一方、その基体が載っていなかったならば、入力単語に対応した、類語情報を含まない単語情報オブジェクトを作成する。

５ＥＳｒｅｃｖｏｒｄは、全ての経路の中をループし終って、以上に説明した処理を完了したならば、複数の情報オブジェクトから成る、完成した１つのリストをアプリケーション・プログラムへ返す。

図１２に示したように、別実施例においては、ＳＥＳモジュール２０５を変更して、ユーザが、拡張処理の際にある情報オブジェクトをスキップしてとばすようにしたり、情報オブジェクトの中の特定の類語を、拡張処理を施すべき類語として選択したりすること（この操作を包括的にサンプリングと呼んでいる）ができるようにしである。この変更構成のＳＥＳモジュール２０５においては、アプリケーションが、ＳＥＳｒｅｃｗｏｒｄ２１７の出力をＳＥＳｓａｍｐｌｅ機能２２３へ渡し、このＳＥＳｓａｍｐｌｅ機能２２３が、各々のカテゴリ（即ち各々の意味）から単語部分集合を成す複数の単語を選択し、そして、選択された単語部分集合を、アプリケーションがディスプレイに表示して、ユーザに提示するようにしている。本実施例では（即ち、カレッジ・シソーラスを使用している場合には）、ＳＥＳｓａｍｐｌｅ　２２３は、各々のカテゴリから先頭の２つずつの単語を選択してディスプレイに表示させる。続いてユーザは、どの情報オブジェクトをスキップしてとばすべきかを選択し、また、情報オブジェクトの中のカテゴリのうち、拡張処理を施すことを２３（ｂ）（図１０参照）に格納する。

以上に説明した２つの実施例のいずれにおいても、ＳＥＳｒｅｃｗｏｒｄ　２１７から返されてきた単語に対して実際に拡張処理を施すのは、他の２つの機能、即ち、５ＥＳｅｘｐｌｉｓｔ２１９と、ＳＥＳｇｅｎ２２１とであり、図１３と図１４のフローチャートに示しである。以下にこれら２つの機能の各々について説明して行（。

５ＥＳｅｘｐｌｉｓｔ２１９は、ＳＥＳｒｅｃｗｏｒｄ２１７から返されてきた情報リストを取り、それに拡張処理を施し、それによって、認識された語形の入力単語とＳＥＳｒｅｃｗｏｒｄ２１７によって発見された類語とから生成した、それらに誘電的に関連した単語を、その情報リストに追加する。図１３に示すように、５ＥＳｅｘｐｌｉｓｔ２１９は、初めてコールされたならば、リストの複数の情報オブジェクトの中をループして（ステップ２７　Ｑ）　、ｎｕＩＩｌ− ｗｏｒｄｓフィールド２２３（ｄ）（図１０参照）の中の数字を用いて、ＴＨバッファの中の単語の合計数を算出する（ステップ２７２）。

いる情報を用いて、類語辞書から得られたサンプリングされたカテゴリの全てに対して拡張処理を施した場合に発生することが見込まれる単語の総数を見積る（ステップ２７４）。（サンプリングという特徴を採用していない場合には、全てのカテゴリの単語に対して拡張処理を施すべきものと見なす）。続いて、使用可能な記憶空間に関する制約条件が存在している場合には、その制約条件を反映するために個数を減少させる。例えばＤＯＳ環境では、記憶空間に関する制約条件が非常に厳しいものとなることがあり、一方、その他の環境においては、例えば仮想記憶システム等のように、生成する単語の個数に制限を設ける必要がない場合もある。５ＥＳｅｘｐｌｉｓｔ２１９は、この減少させた個数に従って、サンプリングされたカテゴリの各々から選択する単語の個数を夫々何個にすれば、拡張処理に際して使用可能な記憶空間を超過せずに済むかという、個数を算出する。複数のカテゴリから選択され単語を配分する際には、ＴＨバッファ２２３　（ｃ）の中の、サンプリングされたそれらカテゴリの全てを平等に表わせるような配分の仕方とする。即ち、選択されたカテゴリの全てから、夫々に幾つかずつの個数の単語を選択すると共に、より大きいカテゴリからは、より小さいカテゴリよりも、多くを代表として出せるように割り振りを行なう。

５ＥＳｅｘｐｌｉｓｔ２１９は、各々のカテゴリについての、拡張処理を施して良い単語の個数を決定したならば、続いて、情報オブジェクトのリスト中を再びループして、実際の拡張処理を実行して行く（ステップ２７６）。このとき、５ＥＳｅｘｐｌｉｓｔ２１９は、現在情報オブジェクトに対し、先ず最初に、そのオブジェクトが、スキップしてとばすべきものとして選択されているか否かを調べる（ステップ２７８）。そして、現在情報オブジェクトに、スキップすべきものであることを表わすマーク付けがなされていたならば、５ＥＳｅｘｐｌｉｓｔ　２１９は、その次の情報オブジェクトの処理に取りかかる。一方、現在情報オブジェクトがスキップすべきオブジェクトとして選択されていなかったならば、５ＥＳｅｘｐｌｉｓｔ２１９は、現在情報オブジェクトの５ｅｌｅｃｔｉｏｎ− ｉｎｆｏフィールド２２３　（ｈ）の内容を調べることによって、現在情報オブジェクトが、サンプリングされたものであるか否かを判定する。

現在情報オブジェクトがサンプリングされたオブジェクトであって、然るべき選択がなされているものであったならば、５ＥＳｅｘｐｌｉｓｔは、その選択されているものを処理をさせるために、ＳＥＳｇｅｎ　２２１をコールする。この処理段階において、ＳＥＳｇｅｎ　２２１は、サンプリングされているカテゴリの中の単語のうち、上述のステップ２７２及び２７４で実行された算出処理の結果に基づき許された個数の単語に拡張処理を施す。

もし現在情報オブジェクトが、スキップすべきものとされたオブジェクトでもな（、また、サンプリングされたオブジェクトでもなかったならば、５ＥＳｅｘｐｌｉｓｔ２１９は、現在情報オブジェクトの中に包含されている全てのデータに関して、ＳＥＳｇｅｎ　２２１をコールする（ステップ２８２）。このステップの実行中に、ＳＥＳｇｅｎ２２１は、各々のカテゴリにおいて、上述のステップ２７２及び２７４で算出された制限個数によって許されている個数の単語だけ拡張処理を施す。

５ＥＳｅｘｐｌｉｓｔ２１９は、所与の情報オブジェクトの中の単語に対する拡張処理を完了すると、その情報オブジェクトに関連した記憶空間の全てを解放する（ステップ２８４）。５ＥＳｅｘｐｌｉｓｔは、全ての情報オブジェクトの中をループし終ったならば、その拡張処理の結果を、サーチ・エンジン２１３へ返し、サーチ・エン・ジン２１３は、その拡張リストの中の情報に基づいてサーチを実行する。換言すれば、サーチ・エンジン２１３は、みずからのサーチを実行するに際して、入力単語と、入力単語に給量的に関連した単語と、入力単語及び入力単語に給量的に関連した単語の類語（ただし該当する類語が存在している場合）と、それら類語に給量的に関連した単語とを使用して、そのサーチを実行するのである。サーチ・エンジン２１３は、公知の多くの技法のうちの任意のものを用い、拡張リストを使用して、その拡張リストに載せられている単語のうちのいずれかに言及している文書ないしは文書内の部分の位置の全てをサーチによって見つけ出す。

ＳＥＳｇｅｎ　２２１を反復してコールして、結果リストが生成され、この結果リストが返される。図１４に示したように、ＳＥＳｇｅｎは、コールされたならば、先ず最初に、現在情報オブジェクトの、該当する夫々のフィールドの中に格納されている情報から、入力単語と、その品詞とを識別する（ステップ２９０）。入力単語に関しては、ＳＥＳｇｅｎは、生成機能であるＷＦＳｇｅｎｅｒａｔｅをコールする。するとこのＷＦＳｇｅｎｅｒａｔｅが、形態構造解析器１１０に、入力単語に１つの接尾辞を付加することによって形成することのできる全ての屈折形及び派生形を発生させる。形態構造解析器１１０は更に、派生形の屈折形についてもあり得る語形を発生する。

ＷＦＳｇｅｎｅｒａｔｅは、ｏｕｔｐｕｔ−ｈｉｓｔｏｒｙ　（出力−経過記録）データ構造体を返し、この０ｕｔｐｕｔ−ｈｉｓｔｏｒｙデータ構造体は、得られた全ての拡張に対する経過記蝉のアレイである。それら経過記録の各々の、先頭のレコードは、入力単語を包含しており、また末尾のレコードは、屈折形、派生形、或いは派生形の屈折形を包含している。

この最後の場合、中間のレコードが、派生形、即ち、入力単語に１つの派生接尾辞を付加して得られた単語を包含している。

ＳＥＳｇｅｎ　２２１は、生成されたそれら経過記録の中から、全ての屈折形を選択して結果リストに加える（ステップ２９４）。更に、０ｕｔｐｕｔ−ｈｉｓｔｏｒｙデータ構造体の中に派生形も含まれている場合には、ＳＥＳｇｅｎ２２１は、単語の意味を大きく変化させることなく、現在品詞の入力単語に付加することのできる接尾辞を有する派生形だけを選択する。基体の意味を太き（変化させることな（その基体に付加することのできる派生接尾辞の種類は限られている。接尾辞を取り去る場合と同様に、接尾辞を付加することによって形成される単語が基体語と実質的に同一の意味を持つことになるのは、例えば、その接尾辞の付加によって形成される単語・の機能が、その接尾辞を付加する前の基体語の機能と意味論的に同一である場合である。これに該当する接尾辞のリストを、図１１の中のその旨を記した縦列に示しである。この接尾辞のリストはテーブルの中に格納してあり、ＳＥＳｇｅｎが、そのテーブルにアクセスして、いずれかの派生形が、その現在品詞に付加することのできる接尾辞を有しているか否かを判定するようにしている。そして該当するエントリだけを結果リストに加える。

ＳＥＳｇｅｎは、情報オブジェクトの入力単語の処理を完了したら、情報オブジェクトの、ＴＨバッファの中に格納されている類語の中をループする（ステップ２９６）。ＳＥＳｇｅｎ　２２１は、現在類語に関して、その品詞を入力単語の品詞と比較対照する（ステップ２９８）。もしそれら双方の品詞が同じであったならば、ＳＥＳｇｅｎ２２１は、以上に説明した拡張処理と同じ拡張処理を実行する。即ち、ＳＥＳｇｅｎ２２１は、その類語に接尾辞を１つ付加するだけで形成することのできる、その類語の全ての屈折形と派生形とを発生し、そして、屈折形と、派生形のうちでその類語の現在品詞に付加することのできる接尾辞を有する派生形だけとを、情報オブジェクトに対する結果リストに加える（ステップ３００及び３０２）。

ＳＥＳｇｅｎ　２２１は、その拡張を生成すべき全ての類語の中をループし終ったならば、結果リストを５ＥＳｅｘｐｌｉｓｔ　２１９　ヘ返す（ステップ３００）。

尚、類語辞書を使用しない制限した形態の対象拡張を行うようにすることも可能である。その場合には、入力単語に、形態構造解析器に発生させたその入力単語に誘電的に関連した一群の単語を加えたものを使用して、サーチを行なう。

その他の実施例としては、請求の範囲に包含されるものがある。

浄書（内容に変更なし）ＦＩＧ、　ＩＦＩＧ、　２ＦＩＧ、　３ＦＩＧ、　５子六スト解析アログラムを初廟設定する　（２２５）−ｒべ又トをトー７ンイこする　（２３１）バッファの子キストの翅理を完了い−ならＩ’　（２３９）− ｒｑストの次の１０ツクをｐｊＪ（ブ、収るＦＩＧ、６ＦＩＧ、　８ＦＩＧ、　１２喪ＦＩＧ、　１０屈竹槓尾評　屈′！＃拌尾辞＝　；鳳＃ａｒ　＃ａｒ＃ｅｒ二　− ＦＩＧ、　１１手続補正書１、事件の表示ＰＣＴ／ＵＳ９１１００７３９２、発明の名称テキスト管理システム３、補正をする者事件との関係　特許出願人住所名　称　ウォング・ラボラトリーズ・インコーホレーテッド４、代理人住　所　東京都千代田区大手町二丁目２番１号新大手町ビル　２０６区５、補正の対象国際調査報告ＵＳ　９１００７３９Ｓ＾　４４６５０フロントページの続き（７２）発明者　クラーク、チェリルアメリカ合衆国マサチューセッツ州０２１７４゜アーリントン、ボウ・ストリート９６

Claims

【特許請求の範囲】

１．入力単語に基づいて単語集合体のサーチを行なう装置において、前記入力単語に語■的に関連した単語を含む第１単語集合を生成するための手段であって、該第１単語集合は規則的屈折変化名詞以外の単語を要素として含んでいる、生成手段と、前記入力単語と前記第１単語集合の単語とを含んでいるサーチ単語群に所属している単語のうちのいずれかの単語の存在を検出するべく前記単語集合体をサーチするためのサーチ・エンジンと、を備えたことを特徴とする装置。
２．前記生成手段が形態構造解析器であることを特徴とする請求の範囲第１項記載の装置。
３．前記単語集合体が索引であることを特徴とする請求の範囲第１項記載の装置。
４．前記単語集合体がテキストであることを特徴とする請求の範囲第１項記載の装置。
５．前記生成手段が、第１接尾辞群のうちから選択した接尾辞だけを前記入力単語から取り去ることによって、前記第１単語集合の要素であるある単語を生成することを特徴とする請求の範囲第１項記載の装置。
６．前記第１接尾辞群の要素が、単語から取り去られてもその単語の意味を実質的に変化させない接尾辞だけを含んでいることを特徴とする請求の範囲第５項記載の装置。
７．前記第１接尾辞群が、すべて屈折接尾辞である＃ｆｕｌ、＃ｉｓｈ、＋ｏｕｓ、＋ｉｃ、十ａ１、＃ａｒ、＃ｅｒ、＃ｏｒ、＋ｉｖｅ、＋ｏｒｙ、＃ａｂｌｅ、＋ａｂｌｅ、＋ｉｂｌｅ、＃ｍｅｎｔ、＃ｎｅｓｓ、＋ｉｔｙ、＋ｅｔｙ、＋ｔｙ、＃ｌｙ、＃ｉｚｅ、＋ｉｆｙ、＋ｆｙ、及び＃ｙを含んでいる第１部分集合のうちから選択した要素を含んでいることを特徴とする請求の範囲第８項記載の装置。
８．前記形態構造解析器が、入力単語を認識してその認識した入力単語についての派生情報を返す認識エンジンを備えたものであることを特徴とする請求の範囲第２項記載の装置。
９．前記認識エンジンが、入力単語を分解してその入力単語の中の語幹の全てを識別し、且つ、識別した各語幹に関して、その語幹に付加することによってその入力単語を発生する接尾辞を識別するように、動作することを特徴とする請求の範囲第８項記載の装置。
１０．前記認識エンジンが、該認識エンジンが前記入力単語に対して実行して成功したあらゆる分解についての情報を包含している派生の経過記録を返すことを特徴とする請求の範囲第９項記載の装置。
１１．前記派生の過程記録が、入力単語の成功した分解の各々に関して、その特定の分解における入力単語の品詞を包含していることを特徴とする請求の範囲第１０項記載の装置。
１２．更に類語データベースを備えており、前記生成手段が該類語データベースを用いて類語群を生成し、該類語群の構成要素は、前記第１単語集合の要素である語■的に関連した単語のうちの、ある単語の類語であることを特徴とする請求の範囲第１項記載の装置。
１３．前記サーチ単語群が更に前記類語群を含んでいることを特徴とする請求の範囲第１２項記載の装置。
１４．前記生成手段が、前記類語群のうちから選択した類語に、第２接尾辞群のうちから選択した接尾辞だけを付加することによって、前記類語群のうちから選択した類語から第２単語群を生成することを特徴とする請求の範囲第１２項記載の装置。
１５．前記サーチ単語群が更に前記第２単語群を含んでいることを特徴とする請求の範囲第１４項記載の装置。
１６．前記第２接尾辞群の要素が、単語に付加されてもその単語の意味を実質的に変化させない接尾辞だけを含んでいることを特徴とする請求の範囲第１４項記載の装置。
１７．前記第２接尾辞群が、すべて屈折接尾辞である＃ｆｕｌ、＃ｉｓｈ、＋ｏｕｓ、＋ｉｃ、＋ａｌ、＃ａｒ、＃ｅｒ、＃ｏｒ、＋ｉｖｅ、＋ｏｒｙ、＃ａｂｌｅ、＋ａｂｌｅ、＋ｉｂｌｅ、＃ｍｅｎｔ、＃ｎｅｓｓ、＋ｉｔｙ、＋ｅｔｙ、＋ｔｙ、＃ｌｙ、及び＃ｙを含んでいる第２部分集合のうちから選択した要素を含んでいることを特徴とする請求の範囲第１６項記載の装置。
１８．前記形態構造解析器が更に、前記類語群のうちから選択した類語に語■的に関連した単語から成る第２単語集合を生成するための生成エンジンを含んでいることを特徴とする請求の範囲第１２項記載の装置。
１９．前記生成エンジンが、入力単語に関する前記認識エンジンから供給される情報に基づいて、前記第２単語集合を生成することを特徴とする請求の範囲第１８項記載の装置。
２０．前記サーチ単語群が更に前記第２単語集合を含んでいることを特徴とする請求の範囲第１８項記載の装置。
２１．前記類語群の構成要素である類語を選択してその選択した類語を識別するための選択手段を更に備えたことを特徴とする請求の範囲第１４項記載の装置。
２２．１つの入力単語に拡張処理を施して複数の関連単語を生成する対象拡張システムにおいて、入力単語を受け取るための手段と、入力単語から第１単語群を生成するための生成手段であって、単語から取り去られてもその単語の意味を実質的に変化させない接尾辞だけを構成要素として含んでいる第１接尾辞群のうちから選択した接尾辞だけを、入力単語から取り去ることによって、前記第１単語群のうちの少なくとも幾つかの単語を生成するようにした生成手段と、を備えたことを特徴とする対象拡張システム。
２３．前記第１接尾辞群が、屈折接尾辞と派生接尾辞とを含んでいることを特徴とする請求の範囲第２２項記載の対象拡張システム。
２４．前記第１接尾辞群が、すべて屈折接尾辞である＃ｆｕｌ、＃ｉｓｈ、＋ｏｕｓ、＋ｉｃ、＋ａｌ、＃ａｒ、＃ｅｒ、＃ｏｒ、＋ｉｖｅ、＋ｏｒｙ、＃ａｂｌｅ、＋ａｂｌｅ、＋ｉｂｌｅ、＃ｍｅｎｔ、＃ｎｅｓｓ、＋ｉｔｙ、＋ｅｔｙ、＋ｔｙ、＃ｌｙ、＃ｉｚｅ、＋ｉｆｙ、＋ｆｙ、及び＃ｙを含んでいる第１部分集合のうちから選択した要素を含んでいることを特徴とする請求の範囲第２３項記載の対象拡張システム。
２５．前記生成手段が、単語に付加されてもその単語の意味を実質的に変化させない接尾辞だけを構成要素として含んでいる第２接尾辞群のうちから選択した接尾辞だけを、前記入力単語から導出された単語に付加することによって、前記第１単語群のうちの少なくとも幾つかの単語を生成するようにしたものであることを特徴とする請求の範囲第２２項記載の対象拡張システム。
２６．前記第２接尾辞群が、屈折接尾辞と派生接尾辞とを含んでいることを特徴とする請求の範囲第２５項記載の対象拡張システム。
２７．前記第２接尾辞群が、すべて屈折接尾辞である＃ｆｕｌ、＃ｉｓｈ、＋ｏｕｓ、＋ｉｃ、＋ａｌ、＃ａｒ、＃ｅｒ、＃ｏｒ、十ｉｖｅ、＋ｏｒｙ、＃ａｂｌｅ、＋ａｂｌｅ、＋ｉｂｌｅ、＃ｍｅｎｔ、＃ｎｅｓｓ、＋ｉｔｙ、＋ｅｔｙ、＋ｔｙ、＃ｌｙ、及び＃ｙを含んでいる第２部分集合のうちから選択した要素を含んでいることを特徴とする請求の範囲第２６項記載の対象拡張システム。
２８．更に類語データベースを備えており、前記生成手段が該類語データベースを用いて類語群を生成し、該類語群の構成要素は、前記第１単語群のうちのある単語の類語であることを特徴とする請求の範囲第２２項記載の対象拡張システム。
２９．前記生成手段が、単語に付加されてもその単語の意味を実質的に変化させない接尾辞だけを構成要素として含んでいる第２接尾辞群のうちから選択した接尾辞だけを、前記類語群のうちから選択した類語に付加することによって、前記類語群をより大きな単語群に拡張することを特徴とする請求の範囲第２８項記載の対象拡張システム。
３０．前記第２接尾辞群が、屈折接尾辞と派生接尾辞とを含んでいることを特徴とする請求の範囲第２９項記載の対象拡張システム。
３１．前記第２接尾辞群が、すべて屈折接尾辞である＃ｆｕｌ、＃ｉｓｈ、＋ｏｕｓ、＋ｉｃ、＋ａｌ、＃ａｒ、＃ｅｒ、＃ｏｒ、＋ｉｖｅ、＋ｏｒｙ、＃ａｂｌｅ、＋ａｂｌｅ、＋ｉｂｌｅ、＃ｍｅｎｔ、＃ｎｅｓｓ、＋ｉｔｙ、＋ｅｔｙ、＋ｔｙ、＃ｌｙ、及び＃ｙを含んでいる第２部分集合のうちから選択した要素を含んでいることを特徴とする請求の範囲第３０項記載の対象拡張システム。
３２．前記生成手段が、形態構造解析器を備えていることを特徴とする請求の範囲第２１項記載の対象拡張システム。
３３．前記形態構造解析器が、前記入力単語の基体の経過記録を生成するための認識エンジンを備えており、該基体の経過記録は、前記入力単語の１つないし複数の基体語を識別している記録であり、該１つないし複数の基体語は、前記入力単語から１つないし複数の接尾辞を取り去った形を表している、ことを特徴とする請求の範囲第３３項記載の対象拡張システム。
３４．１つの入力単語から単語群を生成する対象拡張システムにおいて、前記入力単語から接尾辞を取り去ることによって１つないし複数の基体語を生成するための、生成手段と、前記１つないし複数の基体語を受けとって、該１つないし複数の基体語のうちの或る基体語に対する類語群を生成するように構成してある、類語手段と、を備えたことを特徴とする対象拡張システム。
３５．前記生成手段が、前記入力単語の基体の経過記録を生成するための認識エンジンを備えており、該基体の経過記録は、前記１つないし複数の基体語を識別する、ことを特徴とする請求の範囲第３４項記載の対象拡張システム。
３６．前記生成手段が更に、前記類語群のうちから選択した類語に語■的に関連した単語を集合要素として含んでいる第２単語集合を生成するための生成エンジンを備えていることを特徴とする請求の範囲第３４項記載の対象拡張システム。
３７．前記類語群の類語を選択してその選択した類語を識別するための選択手段を更に備えたことを特徴とする請求の範囲第３６項記載の装置。
３８．入力単語に基づいて単語集合体のサーチを行なう方法において、前記入力単語に語■的に関連した単語を含む第１単語集合を生成するステップであって、該第１単語集合は規則的屈折変化名詞以外の単語を集合要素として含んでいる、生成ステップと、前記入力単語と前記第１単語集合の単語とを含んでいるサーチ単語群に所属している単語のうちのいずかの単語の存在を検出するべく前記単語集合体をサーチする、サーチ・ステップと、を含んでいることを特徴とする方法。
３９．１つの入力単語に拡張処理を施してその入力単語から複数の関連単語を生成する方法において、入力単語を受け取るステップと、前記入力単語から第１単語群を生成する生成ステップであって、単語から取り去られてもその単語の意味を実質的に変化させない接尾辞だけを構成要素として含んでいる第１接尾辞群のうちから選択した接尾辞だけを、前記入力単語から取り去ることによって、前記第１単語群のうちの少なくとも幾つかの単語を生成するようにした生成ステップと、を含んでいることを特徴とする方法。
４０．１つの入力単語から単語群を生成する方法において、前記入力単語から接尾辞を取り去ることによって１つないし複数の基体語を生成するステップと、類語データベースを用いて、前記１つないし複数の基体語のうちの或る基体語に対する類語群を生成するステップと、を含んでいることを特徴とする方法。
４１．単語集合体のための索引を生成する装置において、前記単語集合体の複数の単語のうちから入力単語を選択するための、選択手段と、前記入力単語に語■的に関連した単語を生成する生成手段であって、該入力単語と該入力単語に語■的に関連した単語とが単語群を形成する、生成手段と、前記単語群の構成要素である単語のうちのいずれかの単語が前記単語集合体の中に存在していることを、前記単語群の構成要素のうちの１つの単語によって表わすようにする、索引作成エンジンと、を備えたことを特徴とする装置。
４２．前記単語集合体がテキストであることを特徴とする請求の範囲第４１項記載の装置。
４３．前記生成手段が、形態構造解析器を備えていることを特徴とする請求の範囲第４１項記載の装置。
４４．前記形態構造解析器が、前記入力単語に関する形態構造情報を生成するための認識エンジンを備えていることを特徴とする請求の範囲第４３項記載の装置。
４５．前記認識エンジンが、前記入力単語の基体の経過記録を返すようにしてあり、該基体の経過記録は、前記入力単語の１つないし複数の基体語を識別し、該１つないし複数の基体語の各々は、前記入力単語から１つないし複数の接尾辞を取り去った形を表していることを特徴とする請求の範囲第４４項記載の装置。
４６．前記単語群が、前記１つないし複数の基体語のうちの少なくとも幾つかを含んでいることを特徴とする請求項４５記載の装置。
４７．何らかの情報内容を有する単語集合体から複数のトピック・ワードを生成する装置において、前記単語集合体の単語のうちから、単語部分集合を成す単語を選択するための選択手段と、前記単語部分集合の単語の各々に関する形態構造情報を生成するための形態構造解析器と、前記単語部分集合の複数の単語のうちの所与の単語が前記単語集合体の内容に関する情報を包含しているか否かを評価する評価手段であって、前記形態構造解析器が生成した前記形態構造情報に基づいて評価する、評価手段と、前記所与の単語が前記単語集合体の内容に関する情報を包含していると前記評価手段が判定した場合に、該所与の単語に対応したトピック・ワードを生成する、トピック・ワード生成手段と、を備えたことを特徴とする装置。
４８．前記単語集合体がテキストであることを特徴とする請求の範囲第４７項記載の装置。
４９．前記選択手段が、トピック・ワードとしての資格を持たない単語を含むストップ・リストを備えており、該選択手段は、前記単語集合体に所属している単語のうち該ストップ・リストに載せられている単語は、前記単語部分集合から除外する、ことを特徴とする請求の範囲第４７項記載の装置。
５０．前記選択手段が、自動的にトピック・ワードとしての資格を持つ単語を含むキープ・リストを備えており、該選択手段は、前記単語集合体に所属している単語のうち該キープ・リストに載せられている単語は、前記単語部分集合に含める、ことを特徴とする請求の範囲第４７項記載の装置。
５１．更に索引作成エンジンを備えており、該索引作成エンジンは、前記所与の単語に対して生成された前記トピック・ワードを用いて前記単語集合体のための索引を作成するようにしたものであることを特徴とする請求の範囲第４７項記載の装置。
５２．前記形態構造解析器が認識エンジンを備えており、該認識エンジンは、前記所与の単語の１つないし複数の成功した分解を認識するものであり、該認識エンジンが前記所与の単語を、その根本的語幹と、該根本的語幹に付加されることによって前記所与の単語を形成する１つないし複数の接尾辞のシーケンスとに分解可能である場合に、成功した分解が存在する、ことを特徴とする請求の範囲第４７項記載の装置。
５３．前記認識エンジンが、前記所与の単語の成功した分解の各々について１つずつの形態構造の経過記録を生成することを特徴とする請求の範囲第５２項記載の装置。
５４．１つの成功した分解に対した前記形態構造の経過記録は、前記所与の単語の品詞と、前記所与の単語に関連する１つないし複数の基体語と、該１つないし複数の基体語の各々についての品詞とを識別している、ことを特徴とする請求の範囲第５３項記載の装置。
５５．前記評価手段が、前記所与の単語が前記単語集合体の内容に関する情報を包含しているか否かを、前記所与の単語の成功した分解の数に基づいて評価することを特徴とする請求の範囲第５４項記載の装置。
５６．前記評価手段が、前記所与の単語が前記単語集合体の内容に関する情報を包含しているか否かを、前記所与の単語に関して識別されている１つないし複数の品詞に基づいて評価することを特徴とする請求の範囲第５４項記載の装置。
５７．前記トピック・ワード生成手段が、前記所与の単語、または前記所与の単語の１つの成功した分解に関連した形態構造の経過記録の中に識別されている基体語のうちの１つ、のいずれかを、前記トピック・ワードとして選択することを特徴とする請求の範囲第５４項記載の装置。
５８．単語集合体のための索引を生成する方法において、前記単語集合体の複数の単語のうちから入力単語を選択するステップと、前記入力単語に語■的に関連した単語を生成する生成ステップであって、該入力単語と該入力単語に語■的に関連した単語とが単語群を形成する、生成ステップと、前記単語群の構成要素である単語のうちのいずれかの単語が前記単語集合体の中に存在していることを、前記単語群の１つの単語によって表すステップと、を含んでいることを特徴とする方法。
５９．前記単語集合体がテキストであることを特徴とする請求の範囲第５８項記載の方法。
６０．何らかの情報内容を有する単語集合体から複数のトピック・ワードを生成する方法において、前記単語集合体の複数の単語のうちから、単語部分集合を成す複数の単語を選択するステップと、形態構造解析器に、前記単語部分集合の単語の各々に関する形態構造情報を生成させるステップと、前記単語部分集合の複数の単語のうちの所与の単語が前記単語集合体の内容に関する情報を包含しているか否かを、前記形態構造解析器が生成した前記形態構造情報に基づいて評価する、評価ステップと、前記評価ステップにおいて前記所与の単語が前記単語集合体の内容に関する情報を包含していると判定された場合に、該所与の単語に対応したトピック・ワードを生成するステップと、を含んでいることを特徴とする方法。