JPH0785033A - 文書検索装置 - Google Patents

Abstract

(57)【要約】 【目的】本発明は、大量の文書中から、指定された単語
を含む適当な文書を高速かつ正確に検索することを可能
にする。 【構成】複数の文書からキーワードを含む文書を検索す
る文書検索装置において、文書中に含まれる各文字コー
ド毎に、各文字の文書中における出現位置と同文字が含
まれる単語内での位置を示す情報が格納された文字出現
位置テーブルを、文字コード毎に全文書分について管理
するためのテーブル管理ファイルを格納し、キーワード
を入力するキーワード入力部２３と、キーワードの各文
字に対応するテーブル管理ファイルを全文字に対応する
テーブル管理ファイルから選出する文字出現位置テーブ
ル選出部２４と、選出された各テーブル管理ファイルの
文字出現位置テーブルに基づいて、１つの文書のテキス
トデータ中に入力されたキーワードが含まれるか否かを
判定する文字列サーチ部２５とを具備して構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、テキストデータが含ま
れる文書の検索を高速、かつ正確に行なうための文書検
索装置に関する。

【０００２】

【従来の技術】従来、テキストデータが含まれる文書を
データベースとして登録する場合、検索処理時に所望す
る文書を容易に特定するために、文書データと共に、文
書に対して特徴的な単語をキーワードとして付与して登
録しておく。データベースに登録された大量の文書から
必要な文書を検索する際には、１つ以上の単語を検索キ
ーワードとして与え、この検索キーワードに該当するキ
ーワードが付与された文書を候補として抽出する。

【０００３】この方式によると、検索速度は比較的高速
であるが、登録する文書に対してキーワードを付与する
作業に労力を要していた。さらに、適当なキーワードを
付与することが困難であり、検索時に検索者の目的とす
る文書が得られない場合がある。

【０００４】これに対して、近年、コンピュータの処理
速度の高速化、記憶装置の大容量化等に伴い、フルテキ
ストサーチによる方法が実用化されつつある。この方式
では、検索時に、文書中に含まれる文字列（テキストデ
ータ）の全てが検索の対象となるため、各文書に対して
予めキーワードを付与しておく必要がなく、検索者の指
定した語句（キーワード）を含む文書を漏れなく抽出す
ることができる。

【０００５】しかしながら、このフルテキストサーチ方
式によると、検索時にテキストデータの内容を全て読み
取らねばならないため、登録された文書データが多くな
るにしたがって処理時間を要することになる。このた
め、登録文書が大量になる場合には、現在のコンピュー
タの処理能力をもってしても、指定された文字列をサー
チするために膨大な処理時間を要し、実用に耐えられな
くなるという問題が生じていた。

【０００６】さらに、一般的なフルテキストサーチによ
る方法によると、単語の概念の扱いが困難であり、入力
されたキーワードを部分文字列として含む文書を全て検
索してしまう。例えば「マイク」という単語を含む文書
を検索する際に、「マイクロコンピュータ」という、
「マイク」と関係のない単語を含む文書も検索されてし
まうという不具合が生じていた。すなわち、「マイクロ
コンピュータ」という文字列が、「マイク」という部分
文字列を含み、この部分文字列に対してマッチングが行
なわれてしまうためである。

【０００７】

【発明が解決しようとする課題】このように従来の文書
検索装置は、フルテキストサーチの方法であれば、検索
者の指定した文字列を含む文書を必ず検索できる点、及
び、キーワードを付与する作業を行なわなくても良いと
いう点で優れているが、その反面、データ量が増加する
にしたがって処理時間を要し、データ量が大量になると
検索能力が著しく低下してしまうという問題があった。

【０００８】また、フルテキストサーチ方式では、検索
の際に、一つの意味の単位である単語と、単なる文字列
との区別をしないために、目的の単語を部分文字列とし
て内部に持つ文字列を含む文書を検索してしまうなど、
検索者の意図した単語が正しく検索されないという問題
があった。

【０００９】本発明は前記のような事情を考慮してなさ
れたもので、大量の文書中から、指定された単語を含む
適当な文書を高速かつ正確に検索することが可能な文書
検索装置を提供することを目的とする。

【００１０】

【課題を解決するための手段】本発明は、文字コード列
からなるテキストデータを含む複数の文書から、任意に
与えられる文字列からなるキーワードを前記テキストデ
ータ中に含む候補文書を検索する文書検索装置におい
て、文書中に含まれる各文字コード毎に、各文字の文書
中における出現位置と同文字が含まれる単語内での位置
を示す情報が格納された文字出現位置テーブルを、文字
コード毎に全文書分について管理するためのテーブル管
理ファイルを格納するためのテーブル管理ファイル格納
手段と、キーワードとなる文字列を入力するキーワード
入力手段と、前記キーワード入力手段によって入力され
たキーワードの各文字に対応するテーブル管理ファイル
を、前記テーブル管理ファイル記憶手段に格納された全
文字に対応するテーブル管理ファイルから選出する文字
出現位置テーブル選出手段と、前記文字出現位置テーブ
ル選出手段によって選出された各テーブル管理ファイル
の前記文字出現位置テーブルに基づいて、１つの文書の
テキストデータ中に前記キーワード入力手段によって入
力されたキーワードが含まれるか否かを判定する文字列
サーチ手段と、前記文字列サーチ手段によってキーワー
ドを含むと判定された候補文書の内容を表示する検索結
果表示手段とを具備して構成する。

【００１１】

【作用】このような構成によれば、文字出現位置テーブ
ル中に格納されている出現位置情報と単語内の位置を示
す情報を、文字列サーチ手段で利用することにより、キ
ーワードとして指定された文字列が各文書データ中に存
在するか否かの判定を高速に行うことができ、さらに、
単語存在判定手段を用いることにより検索の際に、一つ
の意味の単位である単語と単なる文字列との区別を行な
うことが可能になり、キーワードの単語を部分文字列と
して内部に持つ文字列を含む文書を候補文書として検索
されることを防止する。

【００１２】

【実施例】以下、図面を参照して本発明の一実施例につ
いて説明する。図１は本実施例に係わる文書検索装置の
概略構成を示すブロック図である。図１に示すように、
文書検索装置は、制御装置１０、入力装置１１、表示装
置１２、メモリ装置１３及び外部記憶装置１４によって
構成されている。

【００１３】制御装置１０は、ＣＰＵ、メモリ等から構
成されており、文書検索装置全体の制御を司るもので、
図２に示す機能構成を有している。制御装置１０は、例
えばＯＳ（operating system）としてＵＮＩＸをメイン
制御部２１として用いており、メモリ装置１３に格納さ
れたプログラムに従って動作する。

【００１４】入力装置１１は、装置に対するコマンド、
キーワードなどを入力するための装置であり、キーボー
ド、マウス等によって構成される。表示装置１２は、本
装置がユーザに対して与えるプロンプトメッセージ、検
索結果等を表示する装置であり、例えばＶＲＡＭ、及び
ＣＲＴ、コントローラによって構成される。

【００１５】メモリ装置１３は、ＲＡＭ及びＲＯＭから
なり、制御装置１０のＣＰＵを制御するためのプログラ
ムや、各種データ等が格納されている。さらに、各種の
処理を行なうためのワークエリアも確保される。

【００１６】外部記憶装置１４は、例えば磁気ディスク
装置から構成され、文字出現位置テーブル、及びこれら
を管理するための各種情報を格納する。また、検索結果
の表示のために必要なテキストデータあるいは図表デー
タなども格納されている。データはファイルとして管理
され、ファイルシステム中でランダムにアクセスすると
ができる。

【００１７】次に、制御装置１０及びメモリ装置１３
（に格納されたプログラムに基づいて）実現されるの機
能構成の詳細について説明する。機能構成は、図２に示
すように、処理部２０、及び作業領域部３０によって構
成されている。

【００１８】処理部２０は、メイン制御部２１、初期化
部２２、キーワード入力部２３、文字出現位置テーブル
選出部２４、文字列リーチ部２５、文書選択部２６、検
索結果表示部２７が設けられている。作業領域部３０
は、キーワード文字数格納バッファ３１、キーワード格
納バッファ３２、テーブル管理ファイル格納バッファ３
３、候補文書数格納バッファ３４、候補文書番号格納バ
ッファ３５、及び表示文書番号格納バッファ３６が設け
られている。

【００１９】メイン制御部２１は、装置全体の処理を制
御する部分で、各機能部に対して、ユーザへのプロンプ
トメッセージの表示、処理の分岐などをするための指示
を与える。

【００２０】初期化部２２は、データベース検索処理実
行に際して、検索処理に必要な各ハードウェア装置の初
期設定、作業領域部３０の各バッファの初期化を行な
う。キーワード入力部２３は、データベース検索処理実
行に際して、外部記憶装置１４に格納されたデータベー
ス中の大量の文書から所望する文書を検索するための検
索用キーワードとなる文字列を入力装置１１から入力す
る。キーワード入力部２３は、入力したキーワードをキ
ーワード格納バッファ３２に格納し、キーワード文字数
をキーワード文字数格納バッファ３１に格納する。

【００２１】文字出現位置テーブル選出部２４は、キー
ワード入力部２３から入力され、キーワード格納バッフ
ァ３２に格納されたキーワードに応じて、キーワード中
の各文字に対応するテーブル管理ファイルを、作業領域
部３０のテーブル管理ファイル格納バッファ３４中から
選び出し、テーブル管理ファイル格納バッファ３３に格
納する。

【００２２】文字列サーチ部２５は、テーブル管理ファ
イル格納バッファ３３に格納されているテーブル管理フ
ァイルの内容を参照して、キーワード格納バッファ３２
に格納されたキーワードの単語を含む検索対象となる候
補文書を、外部記憶装置１４に格納されたデータベース
から検索し、該当する候補文書番号格納バッファ３５に
格納し、候補文書数を候補文書数格納バッファ３４に格
納する。

【００２３】文書選択部２６は、文字列サーチ部２５に
よって検索され、候補文書番号格納バッファ３５に格納
された候補文書番号が示す候補文書の一覧表を表示さ
せ、候補文書が複数ある場合に検索対象に該当する文書
を選択させ、選択された文書を示す表示文書番号を表示
文書番号格納バッファ３６に格納する。

【００２４】検索結果表示部２７は、文字列サーチ部２
５によって検索された候補文書のうち、文書選択部２６
によって特定され、表示文書番号格納バッファ３６に格
納された表示文書番号が示す文書の内容を、表示装置１
２の画面に表示させる。

【００２５】キーワード文字数格納バッファ３１は、入
力装置１１からキーワード入力部２３を介して入力され
たキーワードの文字数を格納するためのものである。キ
ーワード格納バッファ３２は、入力されたキーワード
（文字列）を格納するためのものであり、図３で示すよ
うな配列（文字バッファ０，１，…）で格納される。

【００２６】テーブル管理ファイル格納バッファ３３
は、文字出現位置テーブルを管理するためのテーブル管
理ファイルを格納するためのものであり、図４（ａ）に
示すような構造体の配列となっている。すなわち、テー
ブル管理ファイル格納用構造体０，１，２，…が配列さ
れている。

【００２７】テーブル管理ファイルの各テーブル管理フ
ァイル格納用構造体は、図４（ｂ）に示すような構造と
なっている。１つのテーブル管理ファイル格納用構造体
には、本ファイルのファイルサイズを格納するためのフ
ァイルサイズ格納領域、本ファイルに格納されている文
字出現位置テーブルの数を格納するためのテーブル数格
納領域、さらに文字出現位置テーブル（０〜Ｎ−１）の
本体をそれぞれ格納するための文字出現位置テーブル格
納領域、各文字出現位置テーブル（０〜Ｎ−１）へのそ
れぞれのポインタを格納するためのポインタ記憶領域、
及び各ポインタ記憶領域に対応する文書番号（０〜Ｎ−
１）を格納するための文書番号記憶領域が設けられる。

【００２８】さらに、テーブル管理ファイル格納用構造
体には、文字列サーチの際に各種の処理のために必要な
変数等を格納するための領域が設けられる。この領域に
は、処理の際に内部の何番目の文字出現位置テーブルを
参照しているか記憶しておくための参照テーブル番号記
憶領域、文字出現位置テーブル中での何番目の出現位置
データを参照しているかを記憶しておくための出現位置
記憶領域が設けられる。

【００２９】また、各文字出現位置テーブル格納領域に
は、図５（ｂ）に示すように、出現総数を格納するため
の出現総数格納領域、出現位置データ（０，１，…）を
格納するための出現位置データ格納領域が設けられてい
る。

【００３０】本実施例では、以後、テーブル管理ファイ
ル格納バッファ３３中のｉ番目の構造体をTMF[i]で表わ
し、この構造体のファイルサイズ格納領域に格納されて
いるファイルサイズをTMF[i].fsize、テーブル数格納領
域に格納された一つの構造体に含まれる文字出現位置テ
ーブルの数をTMF[i].nCLT 、参照テーブル番号記憶領域
の参照テーブル番号をTMF[i].iCLT 、出現位置記憶領域
をTMF[i].iLOC で表わし、またｊ番目の文字出現位置テ
ーブルをTMF[i].CLT[j] 、ｊ番目の文字出現位置テーブ
ルに対応する文書番号をTMF[i].ID[j]で表わすことにす
る。

【００３１】さらに、ｊ番目の文字出現位置テーブル格
納領域に設けられた出現総数格納領域に格納された出現
総数をTMF[i].CLT[j].N 、この文字出現位置テーブル内
のｋ番目の出現位置をTMF[i].CLT[j].LOC[k]、単語内位
置情報をTMF[i].CLT[j].PIW[k]と表すことにする。

【００３２】候補文書数格納バッファ３４は、文字列サ
ーチ部２５による検索によって得られた候補となる文書
の数を格納するためのものである。候補文書番号格納バ
ッファ３５は、文字列サーチ部２５による検索によって
得られた候補となる文書のＩＤ番号を順に格納するため
のものであり、図６に示すような配列になっている。表
示文書番号格納バッファ３６は、候補となる文書の中
で、ユーザが表示を希望するものとして文書選択部２６
によって選択された文書のＩＤ番号を格納するためのも
のである。

【００３３】次に、外部記憶装置１４の中に格納されて
いる各ファイルの構造について説明する。外部記憶装置
１４には、図１１（ａ）に示すように、検索の対象とな
る複数の文書データが、それぞれ文書ファイルとして格
納されている。各文書データには整数の文書番号（０，
１，…）が付与されており、各文書ファイルの名もそれ
に対応したものになっている。１つの文書ファイルは、
図１１（ｂ）に示すように、文書を構成するテキストデ
ータと、文書に含まれる図表やイメージのデータを含ん
でいる。

【００３４】外部記憶装置１０には、図１１（ａ）に示
す文書データの他に、文字出現位置テーブルを含む同テ
ーブルを管理するためのファイル（テーブル管理ファイ
ル）が、図１１（ｃ）に示すように格納されている。ま
ず、テーブル管理ファイルに含まれる文字出現位置テー
ブルの内容について説明する。

【００３５】文字出現位置テーブルは、図７（ａ）に示
すような構造となっており、外部記憶装置１０に格納さ
れている任意の文書のテキストデータ中で、任意の文字
が出現する全ての位置を、その出現総数と共に記述して
いる。また、各出現位置に対応づけて、その文字の、そ
の文字が属する単語中での位置に関する情報を記述した
ものである。

【００３６】図７（ａ）において、文字出現位置テーブ
ルの先頭には、任意の文字の任意の文書中のテキストデ
ータ中での出現総数Ｎが格納されており、これに続い
て、各文書内での出現位置（０〜Ｎ−１）がＮ個の整数
列として格納されている。各出現位置に対応付けて、そ
の文字の、その文字が属する単語内での位置情報、つま
り単語内位置情報（０〜Ｎ−１）が格納されている。こ
の情報は文書のテキストデータに対して、予め形態素解
析を施して、単語切りを行なうことにより得られるもの
である。

【００３７】ここで、文字出現位置テーブルに格納され
るデータの具体例について説明する。単語内位置情報は
数字で表現されるものとし、その定義は図８に示すよう
に設定されている。すなわち、その文字は単語の先頭で
あれば「１」、その文字は単語の末尾であれば「２」、
その文字は単語の先頭であり、かつ末尾であれば
「３」、その文字は単語の先頭でなく、かつ末尾でもな
ければ「０」、とそれぞれ定義されているものとする。

【００３８】例えば、「太郎は中学校に行く」というテ
キストデータについて形態素解析を行なって単語切りを
行なうと、図ｈに示すように、「太郎／は／中学校／に
／行く」（／は単語切り位置を示す）となる。

【００３９】従って、図９に示すテキストデータ中の各
文字の単語内位置情報は、図１０に示すように表わされ
る。すなわち、例えば文字「太」については、単語「太
郎」の先頭にあるので単語内位置情報は「１」となる。
その他の文字についても、単語内の位置に応じて、図１
０に示すように、それぞれ単語内位置情報が設定され
る。

【００４０】図７（ｂ）には、任意の文字、例えば
「文」という文字のあるテキストデータ中での文字出現
位置を記述した具体例を示している。テキストデータに
「文」という文字が７回出現し、その出現位置が５６，
１２３，…，６０１１であり、各出現位置に対応して前
述のようにして決定される単語内位置情報が記述されて
いる。

【００４１】次に、テーブル管理ファイルの全体につい
て説明する。テーブル管理ファイルは、複数の文書につ
いての文字出現位置テーブルがファイル内部に配置され
ており、この文字出現位置テーブルを管理するためのフ
ァイルである。すなわち、同じ文字コード（例えばＪＩ
Ｓコード）の文字に対する複数文書に関する文字出現位
置テーブルをまとめるためのものである。外部記憶装置
１４には、任意の文字の文字コードにそれぞれ対応した
複数個のテーブル管理ファイルが格納され、文字コード
に応じたファイル名がつけられている。

【００４２】図１１（ｃ）にテーブル管理ファイルの一
般的な構造を示している。テーブル管理ファイルの先頭
から、ファイルサイズ、対象とする文字を含む文書数
（Ｎ）が格納されている。その後に続いて、対象とする
文字を含む文書の文書番号と、この番号に対応する文字
出現位置テーブルのファイルの先頭からの位置（テーブ
ル位置）とを対応づけて格納している。それらに続い
て、図７に示す構造をもった各文書に対応した文字出現
位置テーブル（０〜Ｎ−１）の本体が格納されている。

【００４３】次に、本実施例の動作について、図１２乃
至図１６に示すフローチャートを参照しながら説明す
る。まず、メモリ装置１３に格納されたプログラムによ
って初期化部２２が起動される。初期化部２２は、制御
装置１０、入力装置１１、表示装置１２、及び外部記憶
装置１４の初期設定、メモリ装置１３中の作業領域（作
業領域部３０）の初期化、初期画面の表示などを行う
（ステップＡ１）。

【００４４】次に、キーワード入力部２３が起動され
る。キーワード入力部２３は、外部記憶装置１４に格納
された文書ファイルから所望する文書を検索するための
キーワード（文字列）を、入力装置１１から入力させる
（ステップＡ２）。

【００４５】本実施例では、キーワードを構成する単語
の各文字が２バイトからなるＪＩＳコードで表されるも
のとする。キーワード入力部２３は、各文字の文字コー
ドを、入力した順に、順次キーワード格納バッファ３２
に格納すると共に、入力した文字数をキーワード文字数
格納バッファ３１に格納する。

【００４６】次に、文字出現位置テーブル選出部２４が
起動される（ステップＡ３）。文字出現位置テーブル選
出部２４は、キーワード格納バッファ３２内に格納され
ている文字コードに対応するテーブル管理ファイルを外
部記憶装置１４から呼び出し、これを順に、テーブル管
理ファイル格納バッファ３３中の各構造体に格納する。
なお、キーワード格納バッファ３２に格納された各文字
コードを順に、C0,C1,…,Cn-1 と表わすものとする。ま
た、ｎはキーワード文字数格納バッファ３１に格納され
ている数値（キーワード文字数）を示す。

【００４７】本実施例では、外部記憶装置１４に格納さ
れたテーブル管理ファイルのファイル名は、対応する文
字コードをASCII 形式で表現したものにファイル識別子
「.tmf」を付加したものを用いる。例えば、ＪＩＳコー
ドが１６進数の“３０２６”である文字「愛」に対応す
るテーブル管理ファイルのファイル名は「3026.tmf」と
なる。

【００４８】従って、１つのテーブル管理ファイルを呼
び出す際には、まず対象とする文字の文字コードを１６
進数で表した文字列に、ファイル識別子「.tmf」を付加
した文字列を生成する。文字出現位置テーブル選出部２
４は、メイン制御部２１を介して、生成した文字列をフ
ァイル名として、外部記憶装置１４より該当するファイ
ルを読み出す。文字出現位置テーブル選出部２４は、メ
イン制御部２１によって読み出されたファイルを、図４
及び図５に示すような構成によってテーブル管理ファイ
ル格納バッファ３３に格納する。

【００４９】テーブル管理ファイル格納バッファ３３に
対象とする文字に対応する各テーブル管理ファイルの内
容が格納されると文字列サーチ部２５が起動される。文
字列サーチ部２５は、テーブル管理ファイル格納バッフ
ァ３３に格納されているテーブル管理ファイル構造体の
データを参照しながら、キーワードを含む文書を検索
し、該当する文書の文書番号を順に候補文書番号格納バ
ッファ３５に格納する処理を実行する。

【００５０】文字列サーチ部２５の処理について図１３
に示すフローチャートを参照しながら説明する。図１３
は候補文書を検索する処理の概略を述べたものである。
まず、文字列サーチ部２５は、文書を検索するために用
いられる各変数、すなわちテーブル管理ファイル格納用
構造体を特定するｉ及び文字出現位置テーブルを特定す
るｊの値を初期化する（ステップＢ１）。なお、ｉ及び
ｊは整数型の変数である。また、文字列サーチ部２５
は、候補文書数格納バッファ３４（ｎCand）の値に０を
代入し、次に、テーブル管理ファイル格納バッファ３３
に格納された各構造体（キーワード中の各文字に対応す
る）に含まれる参照テーブル番号記憶領域（０≦ｉ＜ｎ
のTMF[i].iCLT ）に０を代入する。

【００５１】次に、文字列サーチ部２５は、テーブル管
理ファイル格納バッファ３３中に格納された０番目から
ｎ−１番目までの全てのテーブル管理ファイル（全ての
構造体）中で、共通する文書から生成された文字出現位
置テーブルが含まれているかどうかを判定する（ステッ
プＢ２）。すなわち、キーワードの文字列を構成する全
ての文字を含む文書が存在するかどうかの判定を行なう
（文字存在判定処理）。この文字列サーチ部２５のステ
ップＢ２における文字存在判定処理について図１４に示
すフローチャートを参照しながら説明する。

【００５２】ここで、０番目のテーブル管理ファイル中
の何番目の文字出現テーブルを参照しているかは、参照
テーブル番号TMF[0].iCLT で表される。この参照テーブ
ル番号TMF[0].iCLT の値は初期状態では０であり、後の
処理で更新される。この参照テーブル番号TMF[0].iCLT
が示す文字出現位置テーブルに対応する文書の文書番号
は、TMF[0].ID[TMF[0].iCLT]で表すことができる。

【００５３】文字列サーチ部２５は、まずｉ＝１とし
（ステップＣ１）、参照テーブル番号TMF[i].iCLT から
テーブル数TMF[i].nCLT より内のｊの値（ｉ番目のテー
ブル管理ファイル中の各文字出現位置テーブルを示す）
に対して、文書番号TMF[i].ID[j]が、０番目のテーブル
管理ファイル（構造体０）内の参照テーブル番号TMF
[i].iCLT に対応する文書番号TMF[0].ID[TMF[0].iCLT]
と等しくなるようなｊの値が存在するかを調べる（ステ
ップＣ２）。

【００５４】参照テーブル番号TMF[i].iCLT は初期値が
０で、ステップＣ３の処理で更新される変数であり、テ
ーブル数TMF[i].nCLT は固定値であり、１つのテーブル
管理データ中に含まれる文字出現位置テーブルの総数を
示している。

【００５５】この際、文字列サーチ部２５は、処理を高
速化するために、ｊの最小値をTMF[i].iCLT 、最大値を
TMF[i].nCLT-1 とした範囲でバリナリサーチを行なう。
すなわち、ステップＣ２では、ステップＣ６でｉの値を
インクリメントすることにより、文字列サーチ部２５
は、１番目からｎ−１番目までの各テーブル管理ファイ
ルについて、それぞれのファイル中の文書番号TMF[i].I
D[j]と、０番目のテーブル管理ファイルの参照テーブル
番号に対応する文書番号TMF[0].ID[TMF[0].iCLT]と同じ
ものがあるか（該当するｊの値があるか）を判定してい
る。

【００５６】ステップＣ２の処理後、文字列サーチ部１
５は、TMF[i].iCLT の更新を行なう（ステップＣ３）。
文字列サーチ部２５は、ステップＣ２において、条件を
満たすｊの値を求めることができた場合（共通する文書
から求められた文字出現テーブルがあった場合）、参照
テーブル番号TMF[i].iCLT の値としてこのｊの値を格納
する。ここで、ｊの値がTMF[i].nCLT-1 であれば、参照
テーブル番号TMF[i].iCLT の値としてｊを用いる。

【００５７】一方、条件を満たすｊの値が存在しなかっ
たならば、文書番号TMF[0].ID[TMF[0].iCLT]の値を越え
るという条件を満たす文書番号TMF[i].ID[j]の内、最小
のものを参照テーブル番号TMF[i].iCLT の値として用い
る。この条件を満たす文書番号TMF[i].ID[j]が存在しな
い場合には、TMF[i].iCLT の値としてTMF[i].nCLT-1の
値を用いる。

【００５８】ステップＣ４では、ステップＣ２の処理結
果に応じて処理が分岐される。文字列サーチ部１５は、
ステップＣ２においてサーチを失敗した場合には、判定
失敗のフラグを立ててステップＢ２の処理を終了する
（ステップＣ５）。

【００５９】一方、サーチを成功した場合には、文字列
サーチ部１５は、ｉの値をインクリメントする（ステッ
プＣ６）。そして、前述のようにして、ステップＣ２の
処理を実行する。

【００６０】ｉの値を順次インクリメントしながらステ
ップＣ２の処理を実行することにより、全てのテーブル
管理ファイルに対してサーチが成功した場合、すなわち
キーワードの文字列を構成する全ての文字を含む文書が
存在する場合には、判定成功のフラグを立ててステップ
Ｂ２での処理を終了する（ステップＣ８）。

【００６１】文字列サーチ部１５は、ステップＢ２の文
字存在判定処理を終了すると、その処理結果の結果、判
定失敗のフラグが立っていれば、ステップＢ７の後処理
に移る（ステップＢ３）。また、判定成功のフラグがた
っていれば、文字接続判定、及び単語存在判定の処理を
行う（ステップＢ４）。

【００６２】ステップＢ２の文字存在判定処理では、キ
ーワードの文字列を構成する全ての文字を含む文書が存
在するかどうかの判定を行うのみで各文字の接続関係の
チェック、及びサーチ対象の文字列が単語として存在す
るかの判定は行なっておらず、ステップＢ４では、これ
らの処理を行なう。

【００６３】ステップＢ４での処理の詳細について図１
５に示すフローチャートを用いて説明する。ここでは、
ステップＢ２で判定された参照テーブル番号TMF[i].iCL
T の値、つまりキーワードの１番目の文字に対応する０
番目のテーブル管理ファイルに対する参照テーブル番号
に対応する文書番号TMF[0].ID[TMF[0].iCLT]に対する文
字出現位置テーブルに対して、その内部の文字出現位置
データを参照する。

【００６４】そして、０≦ｉ＜ｎ−１に対して、 TMF[i+1].CLT[TMF[i+1].iLOC] ＝TMF[i].CLT[TMF[i].iL
OC]+1 を満たすTMF[i].iLOC の組（０≦ｉ＜ｎ）が存在するか
どうか調べる。

【００６５】これにより、文書中で、キーワードの文字
列を構成する全文字が互いに隣接して存在する部分が存
在するか、つまり該当する文書中に、指定されたキーワ
ードが部分文字列として含まれているかの判定がなされ
る。

【００６６】まず、文字列サーチ部１５は、各文字出現
位置データ中での現在の参照番号を格納するための変数
（これらは、主にステップＤ４でバイナリサーチの効率
を高める目的で利用する）の初期化を行なう（ステップ
Ｄ１）。

【００６７】次に、文字列サーチ部１５は、何番目のテ
ーブル管理ファイルを参照しているかを示す変数ｉを初
期化（ｉ＝０）し（ステップＤ２）、さらにキーワード
文字列の先頭の文字の位置TMF[0].CLT[TMF[0].iLOC].LO
C[TMF[0].iLOC]を変数Ｐに設定する（ステップＤ３）。

【００６８】ここでは、０番目のテーブル管理データ中
の出現位置データ中に格納されている各出現位置は全
て、キーワード文字列の先頭の文字の位置である。その
何番目を参照しているかを変数TMF[0].iLOC で表してい
る。

【００６９】次に、文字列サーチ部１５は、各出現位置
テーブル中の出現位置データ中に、P+i 、つまりキーワ
ードの先頭の文字位置のｉ文字分あとのｋの値が存在す
るかバイナリサーチによって調べる。このバイナリサー
チは、文字出現位置テーブル中で下限をTMF[i].iLOC 、
上限をTMF[i].CLT[TMF[i].iCLT.N番目の出現位置データ
のみに限定して行なわれる（ステップＤ４）。

【００７０】次、文字列サーチ部１５は、次回のステッ
プＤ４で用いられるTMF[i].iLOC の値を更新する（ステ
ップＤ５）。ステップＤ５でサーチに成功した場合に
は、TMF[i].iLOC の値としてｋの値が代入される。サー
チに失敗した場合には、TMF[i].iLOC の値としてP+i の
値を越えるという条件を満たすステップＤ４におけるTM
F[i].CLT[j].LOC[k]のうち最小のものを用いる。条件を
満たすものが存在しない場合には、該当する出現位置テ
ーブルの要素数−１であるTMF[i].CLT[j].N-1 の値を用
いる。

【００７１】ステップＤ６ではステップＤ４での結果に
応じて処理が分岐される。バイナリサーチが成功した場
合には、ステップＤ７に移り、失敗した場合にはステッ
プＤ１の処理に移る。

【００７２】文字列サーチ部２５は、バイナリサーチが
成功した場合、ｉの値をインクリメントする（ステップ
Ｄ７）。文字列サーチ部２５は、インクリメントしたｉ
の値とｎの値、つまりキーワードを文字列の文字数と比
較し、その結果、ｉ≧ｎならば全文字に関して条件が満
たされたことになるため、キーワードに対応する文字列
の存在を確認したことになる。この場合、文字列サーチ
部２５は、さらに単語存在判定処理を行い、サーチされ
た文字列が、形態素解析の結果、一つの単語であると見
なされたものであるか否かの単語判定処理を行なう（ス
テップＤ９）。

【００７３】ここでステップＤ９における単語判定処理
の詳細について図１６に示すフローチャートを参照しな
がら説明する。図１６において、まず、ステップＤ７ま
での処理でサーチされた文字列の先頭の文字の単語内位
置情報を参照し、これが単語の先頭であるものかどうか
を調べる（ステップＥ１）。

【００７４】ここでは、前述した処理でサーチされた文
字列の先頭の文字の単語内位置情報を、TMF[0].CLT[TMF
[0].iCLT].PIW[TMF[0].iLOC]で表わし、これが、単語の
先頭を表わす単語内位置情報「１」であるかどうかを判
定する。

【００７５】この結果、判定が成功すればステップＥ３
へ、失敗すればステップＥ７へそれぞれ処理が分岐す
る。判定が成功した場合、文字列サーチ部２５は、ステ
ップＤ７までの処理でサーチされた文字列の１番目の文
字から、n-1 番目の文字までの単語内位置情報を参照
し、これらが全て、単語の頭でも、末尾でもないことを
表わす単語内位置情報「０」であるかどうかを判定する
（ステップＥ３）。

【００７６】ここで各単語内位置情報は、 TMF[k].CLT[TMF[k].iCLT].PIW[TMF[k].iLOC] （ｋ＝1,
2,…n-1 ） で表わされる。ここで判定が成功すればステップＥ５
へ、失敗すればステップＥ７へそれぞれ処理が分岐す
る。判定が成功した場合、文字列サーチ部２５は、ステ
ップＤ７までの処理でサーチされた文字列の末尾の文字
の単語内位置情報を参照し、これが単語の末尾であるも
のかどうかを調べる（ステップＥ５）。

【００７７】ここではサーチされた文字列の先頭の文字
の単語内位置情報は、 TMF[n-1].CLT[TMF[n-1].iCLT].PIW[TMF[n-1].iLOC] で表わされ、これが、単語の末尾を表わす単語内位置情
報「２」であるかどうかを判定する。ここで判定が成功
すればステップＥ８へ失敗すればステップＥ７へそれぞ
れ処理が分岐する。

【００７８】判定が成功した場合、文字列サーチ部２５
は、判定成功のフラグを立てて復帰する（ステップＥ
８）。また、判定が失敗した場合、文字列サーチ部２５
は、判定失敗のフラグを立てて復帰する（ステップＥ
７）。

【００７９】以上が、ステップＤ９内での処理の流れで
ある。ここでは、キーワードとして、３文字以上の単語
が入力された場合について述べたが、キーワードが２文
字からなる単語の場合は、前述した処理において、先頭
の末尾の文字のチェックのみが行なわれる。

【００８０】キーワードが１文字からなる単語の場合
は、 TMF[0].CLT[TMF[0].iCLT].PIW[TMF[0].iLOC] の値のみを参照し、これが、単語の先頭でありかつ末尾
であることを示す単語内位置情報「３」であるか否かの
判定のみを行う。

【００８１】単語存在判定処理の後、文字列サーチ部２
５は、ステップＤ９での処理結果に応じて、判定失敗の
フラグが立っている場合、ステップＤ４に戻り前述した
処理を繰り返して実行する。また、判定成功のフラグが
立っていた場合、もう一度、判定成功のフラグを立てて
復帰する（ステップＤ１１）。

【００８２】一方、ステップＤ４のサーチが失敗した場
合（ステップＤ６）、文字列サーチ部２５は、０番目の
テーブル管理データ中の文字出現位置テーブルの何番目
を参照しているかを表す変数TMF[0].iLOC の値をインク
リメントする（ステップＤ１２）。

【００８３】文字列サーチ部２５は、まずステップＤ１
２でインクリメントしたTMF[0].iLOC の値と、０番目の
テーブル管理データの該当する出現位置テーブルの要素
数TMF[0].CLT[TMF[0].iCLT].N との比較を行い、前者の
値が後者の値以上ならば、判定失敗のフラグを立てて復
帰する（ステップＤ１３）。

【００８４】そうでない場合、文字列サーチ部２５は、
１≦ｉ＜ｎに対応するバイナリサーチのための変数TMF
[i].iLOC の値をインクリメントする。これらの各値の
うち一つでも、対応する出現位置テーブルの要素数以上
になっている場合には、判定失敗のフラグを立てて復帰
する（ステップＤ１４）。

【００８５】また、以上の条件の何れも満たさない場合
には、ステップＤ２からの処理を繰り返す。つまり、０
番目のテーブル管理データ中の文字出現位置テーブルの
要素のうち、前回の次のものに対して一連の処理を行う
のである。

【００８６】以上がステップＢ４（図１３）における処
理の流れである。図１３においてステップＢ５は、ステ
ップＢ４の結果をうけ、判定失敗のフラグが立っていれ
ば途中の処理を行なわず、処理はステップＢ７に移る。
判定成功のフラグが立っていれば、文字列サーチ部２５
は、該当する候補文書番号を、候補文書番号格納バッフ
ァ３５に登録すると共に、候補文書数格納バッファ３４
に候補文書数を格納する（ステップＢ６）。

【００８７】すなわち、ステップＢ６では、候補文書番
号格納バッファ３５の候補文書番号格納バッファ３４で
示される位置にステップＣ２で現在参照している文書の
ＩＤ番号、つまりTMF[0].ID[TMF[0].iCLT]を格納し、候
補文書番号３４の内容をインクリメントし、処理をステ
ップＢ７に移す。

【００８８】文字列サーチ部２５は、ステップＢ７にお
いて、図１３に示した一連の処理の後処理として、０番
目のテーブル管理データの中の何番目の出現位置データ
を参照しているかを示す変数TMF[0].iCLT をインクリメ
ントする。

【００８９】続くステップＢ８では、ステップＢ７でイ
ンクリメントしたTMF[0].iCLT の値と、０番目のテーブ
ル管理データ中に含まれる出現位置テーブルの総数を示
す変数TMF[0].nCLT との値を比較し、前者の値が後者の
値以上ならば文字列サーチ部分２５での処理を終え復帰
する（ステップＢ９）。

【００９０】そうでない場合には、文字列サーチ部２５
は、１≦ｉ＜ｎに対応するTMF[i].iCLT の値をインクリ
メントする。これらの各値のうち一つでも対応する出現
位置テーブルの総数TMF[i].nCLT の値以上になっている
場合には、メイン処理に復帰する（ステップＢ９）。以
上の条件の何れも満たされない場合はステップＢ２から
の前述した一連の処理を繰り返す。

【００９１】こうして、ステップＡ４における文字列サ
ーチの処理が完了すると、次に文書選択部２６が駆動さ
れる。まず、文書選択部２６は、候補文書格納バッファ
３５中に格納されている各文書番号に対応する文書のタ
イトルの一覧表を表示装置１２の画面上に表示させる。
タイトルの一覧表示された画面の状況の一例を図１７に
示している。

【００９２】文書選択部２６は、タイトルの一覧表示
後、ユーザによる入力装置１１を用いたタイトルの指定
を入力し、指定されたタイトルに対応する文書番号を表
示文書番号格納バッファ３６に格納する（ステップＡ
５）。

【００９３】次に、検索結果表示部２７が駆動される
（ステップＡ６）。検索結果表示部２７は、表示文書番
号格納バッファ３６に格納されている文書番号に対応す
る文書ファイルを外部記憶装置１４から読み出す。検索
結果表示部２７は、文書ファイル中のテキストデータを
文字フォントに展開し、また図表やイメージデータをビ
ットイメージに展開し、表示装置１２の画面上に表示さ
せる。テキストデータ及び図表、イメージデータを表示
した状態の画面の一例を図１８に示している。

【００９４】ステップＡ６の処理の後、検索結果表示部
２７は、図１９に示すような２つのアイコン（「終了ア
イコン」「再検索アイコン」）を画面上に表示させる
（ステップＡ７）。

【００９５】ここで、入力装置１１を用いて、ユーザに
よって他のタイトルが選択されると、前述したように、
選択されたタイトルに対応する文書を表示させる。ま
た、入力装置１１を用いて、「終了」アイコンが指定さ
れた場合には、本装置の全処理を終了する。一方、「再
検索」アイコンが指定された場合には、図１２における
ステップＡ２に戻り、他のキーワードをもとにした一連
の文書検索の処理を実行する。

【００９６】なお、前記実施例においては、外部記憶装
置１４に格納されている１つのテーブル管理ファイルを
全てテーブル管理ファイル格納バッファ３３にロードし
ているが、処理に従って、その中の必要な文字出現位置
テーブルのみをロードして格納するようにしても良い。

【００９７】さらに、テーブル管理ファイル中のデータ
を一切メモリ上にロードせず、外部記憶装置１４を例え
ば磁気ディスク装置とすると、磁気ヘッドのシークを行
うことのみによって前述した文字列サーチの処理を行な
ってもよい。

【００９８】また、前記実施例では、形態素解析の結果
を利用し、キーワードとして入力された単語を含む文書
の検索のみを行ない、キーワードとして入力された文字
列を部分文字列として含むような文書は検索されなかっ
たが、表示の際に優先順位を考慮するなどして、部分文
字列を含む文書の表示を行なっても良い。

【００９９】さらに、各文字に対応付けて格納する単語
中内位置情報の形式は、形態素解析の結果が反映される
限り、本例以外の方式を用いることも可能である。要す
るに、本発明は、その要旨を逸脱しない限り、必要に応
じて様々な変形を行なって実施することが可能である。

【０１００】

【発明の効果】以上のように本発明によれば、大量の文
書データベースに対してフルテキストサーチによって文
書検索する場合に、高速に目的とする文書を取得するこ
とが可能となる。その際に、キーワードとして入力した
文字列を、単語中の部分文字列として含む文書を考慮し
て本来所望する文書を正確に選び出すことが可能になる
ため、検索者は、不適当な文書の内容を読む必要がなく
なるなどの実用上多大な効果を得ることができるもので
ある。

【図面の簡単な説明】

【図１】本発明の一実施例に係わる文書検索装置の概略
構成を示すブロック図。

【図２】本実施例における制御装置１０及びメモリ装置
１３によって実現される機能構成を示すブロック図。

【図３】本実施例におけるキーワード格納バッファ３１
の構造を説明するための図。

【図４】本実施例におけるテーブル管理ファイル格納バ
ッファ３３の一部の構造を説明するための図。

【図５】本実施例におけるにおけるテーブル管理ファイ
ル格納バッファ３３の一部の構造を説明するための図。

【図６】本実施例における候補文書番号格納バッファ３
４の構造を説明するための図。

【図７】本実施例における文字出現位置テーブルの構造
を説明するための図。

【図８】本実施例における単語内位置情報の定義を示す
図。

【図９】本実施例におけるテキストデータに対する形態
素解析による単語切りの一例を示す図。

【図１０】本実施例におけるテキストデータ中の各文字
に付与される単語内位置情報の例を示す図。

【図１１】本実施例における外部記憶装置１４に格納さ
れた文書ファイル及びテーブル管理ファイルの構造を説
明するための図。

【図１２】本実施例における全体の処理の流れを示すフ
ローチャート。

【図１３】本実施例における文字列サーチ部２５による
処理の流れの概略を示すフローチャート。

【図１４】本実施例における文字存在判定処理の流れを
示すフローチャート。

【図１５】本実施例における文字接続及び単語存在判定
の処理の流れを示すフローチャート。

【図１６】本実施例における単語存在判定処理の流れを
示すフローチャート。

【図１７】本実施例におけるタイトルの一覧表を表示後
の画面の一例を示す図。

【図１８】本実施例における文書データを表示した後の
画面の一例を示す図。

【図１９】本実施例における終了処理を行なうためのア
イコンが表示された画面の一例を示す図。

【符号の説明】

１０…制御装置、１１…入力装置、１２…表示装置、１
３…メモリ装置、１４…外部記憶装置、２１…メイン制
御部、２２…初期化部、２３…キーワード入力部、２４
…文字出現位置テーブル選出部、２５…文字列サーチ
部、２６…文字選択部、２７…検索結果表示部、３１…
キーワード文字数格納バッファ、３２…キーワード格納
バッファ、３３…テーブル管理ファイル格納バッファ、
３４…候補文書数格納バッファ、３５…候補文書番号格
納バッファ、３６…表示文書番号格納バッファ。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 文字コード列からなるテキストデータを
   含む複数の文書から、任意に与えられる文字列からなる
   キーワードを前記テキストデータ中に含む候補文書を検
   索する文書検索装置において、 文書中に含まれる各文字コード毎に、各文字の文書中に
   おける出現位置と同文字が含まれる単語内での位置を示
   す情報が格納された文字出現位置テーブルを、文字コー
   ド毎に全文書分について管理するためのテーブル管理フ
   ァイルを格納するためのテーブル管理ファイル格納手段
   と、 キーワードとなる文字列を入力するキーワード入力手段
   と、 前記キーワード入力手段によって入力されたキーワード
   の各文字に対応するテーブル管理ファイルを、前記テー
   ブル管理ファイル記憶手段に格納された全文字に対応す
   るテーブル管理ファイルから選出する文字出現位置テー
   ブル選出手段と、 前記文字出現位置テーブル選出手段によって選出された
   各テーブル管理ファイルの前記文字出現位置テーブルに
   基づいて、１つの文書のテキストデータ中に前記キーワ
   ード入力手段によって入力されたキーワードが含まれる
   か否かを判定する文字列サーチ手段と、 前記文字列サーチ手段によってキーワードを含むと判定
   された候補文書の内容を表示する検索結果表示手段と、 を具備したことを特徴とする文書検索装置。
2. 【請求項２】 前記文字出現位置テーブル中の各文字の
   単語内での位置を示す情報は、文字の位置が、該当する
   単語の先頭にあるか、末尾にあるかを示す情報であるこ
   とを特徴とする請求項１記載の文書検索装置。
3. 【請求項３】 前記文字出現位置テーブルに格納された
   各文字の単語内での位置を示す情報は、検索対象となる
   各文書のテキストデータに対して形態素解析を施し、テ
   キスト中を単語単位で分割した結果に基づいて設定され
   ていることを特徴とする請求項１または請求項２記載の
   文書検索装置。
4. 【請求項４】 前記文字列サーチ手段は、前記文字出現
   位置テーブル中の各文字の単語内での位置情報を参照し
   て、入力されたキーワードが文書のテキスト中の部分文
   字列としてのみでなく、単語として存在しているかを判
   定する単語存在判定手段を具備することを特徴とする請
   求項１記載の文書検索装置。