JPH08137895A

JPH08137895A - 類似文書検索システム

Info

Publication number: JPH08137895A
Application number: JP6273269A
Authority: JP
Inventors: Tadahiro Kiyama; 忠博木山; Hisao Mase; 久雄間瀬
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1994-11-08
Filing date: 1994-11-08
Publication date: 1996-05-31

Abstract

(57)【要約】【目的】文書データベースを検索して原文書に類似した
文書を抽出する類似文書検索システムにおいて、原文書
から検索式を生成するときの条件を設定できるようにす
る。【構成】単語分割部３はテキストデータ４３を読み込
み、単語に分割する。単語出現頻度抽出部４はテキスト
データ４３を検索して単語出現頻度テーブルを作成す
る。検索式生成条件設定部２は選択された条件に基づい
て検索式生成条件テーブルを生成する。検索式生成部５
は単語出現テーブルと検索式生成条件とに基づいて検索
式を生成する。テキストサーチ部７は与えられた検索式
に基づいて文書データベース４４を検索し、テキストデ
ータ４３に類似する文書を抽出する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、類似文書を検索するシ
ステムに係り、特に検索に先立って検索式を生成する類
似文書の検索システムに関する。

【０００２】

【従来の技術】従来の類似文書検索システムは、例えば
情報処理学会第４７回全国大会ｐ３−１６１〜ｐ３−１
６２「文字認識と形態素解析を用いた類似文書検索の試
み」に記載されている。これは類似文書検索の対象とな
るテキストを文字認識し、その結果を形態素解析により
単語分割し、単語の出現頻度を基に検索式を生成し、類
似文書検索を行うものである。

【０００３】

【発明が解決しようとする課題】従来の類似文書検索シ
ステム、例えば情報処理学会第４７回全国大会ｐ３−１
６１〜ｐ３−１６２「文字認識と形態素解析を用いた類
似文書検索の試み」に記載されている類似文書検索シス
テムは、検索式の生成方法について具体的に検討が成さ
れておらず、どのように検索式を生成するか技術的に示
されていない。またキーワードとして採用する単語は名
詞と未知語（辞書に未登録の単語）のみであり、キーワ
ードの条件としては不充分であるとともに検索式を生成
する条件があらかじめ定まっており、利用者が自由に検
索式生成条件を設定できないという問題がある。例えば
キーワードとして文書中の出現頻度が高い単語のみを検
索式に採用しており、利用者がキーワードを自由に選択
できないという問題がある。

【０００４】本発明の目的は、検索式生成条件を自由に
設定できるようにした類似文書検索システムを提供する
ことにある。また本発明の他の目的は、検索のキーワー
ドとして単語の他に複合語も使用できるようにした類似
文書検索システムを提供することにある。

【０００５】

【課題を解決するための手段】本発明は、対象となるテ
キストデータを単語に分割し、単語の種類ごとに出現頻
度を計数して単語出現テーブルを作成し、この単語出現
テーブルに基づいて検索式を生成し、この検索式に基づ
いて文書データベースを検索して類似文書を抽出するシ
ステムにおいて、単語の出現回数に関する条件を検索式
生成条件として設定し、この検索式生成条件に合致する
単語を単語出現テーブルから選択して検索式を生成する
類似文書検索システムを特徴とする。

【０００６】本発明は、更に複数の単語を連接して複合
語を生成し、複合語についてもその出現頻度を計数して
複合語出現テーブルを作成し、この複合語出現テーブル
に基づいて検索式を生成するよう構成した類似文書検索
システムを特徴とする。

【０００７】

【作用】本発明は、単語出現テーブルから出現頻度の高
いもの数個を機械的に選択してこれらをキーワードとす
る検索式を生成するのではなく、この単語出現テーブル
を基にしてどのようにキーワードを選択するかについて
の条件を設定できるので、この検索式生成条件によって
キーワードの選択の幅が広がり、対象とするテキストデ
ータに適合する検索式を生成することができる。また複
合語出現テーブルを設け、このテーブルの中から複合語
をキーワードとして選択できるので、更に利用者の選択
肢が広がることになる。

【０００８】

【実施例】以下、本発明の一実施例について図面により
詳細に説明する。

【０００９】図１は、本発明の類似文書検索システムの
一実施例を示す機能ブロック図である。テキストデータ
４３は対象となる文書のテキストデータであり、文書デ
ータベース４４はテキストデータ４３と類似の文書を含
む多数の文書が格納された文書データベースである。単
語分割条件設定部１は、テキストデータ４３内の複数の
単語を一つの複合語として認識する条件を設定するよう
に利用者に促し、利用者により設定された単語分割条件
を単語分割条件テーブル４１に格納する。検索式生成条
件設定部２は、検索式を生成する条件を設定するように
利用者に促し、利用者により設定された検索式生成条件
を検索式条件テーブル４２に格納する。単語分割部３
は、テキストデータ４３を参照して形態素解析により単
語分割した結果と形態素情報をワークエリア内の単語テ
ーブルに格納し、更に単語分割条件が利用者により設定
されている場合は単語分割条件テーブル４１を参照して
単語分割条件に従い複数の連接する単語を一つの複合語
としてワークエリア内の複合語テーブルに格納する。単
語出現頻度抽出部４は、テキストデータ４３中に出現す
る単語の出現頻度を抽出してワークエリア内の単語出現
頻度テーブルに格納し、更に単語分割部３により抽出さ
れた複合語の出現頻度をワークエリア内の複合語出現頻
度テーブルに格納する。検索式生成部５は、利用者によ
り検索式生成条件が設定され自動的に類似文書検索を行
う場合に検索式生成条件テーブル４２を参照して設定さ
れた検索式生成条件に従って検索式を生成する。検索式
ユーザ生成部６は、上記各処理により抽出した単語及び
複合語を基に利用者が検索式を生成した後に類似文書検
索を行う場合に抽出した単語及び複合語の中から検索式
に採用するキーワードを利用者に選択させることにより
検索式を生成する。テキストサーチ部７は、検索式生成
部５又は検索式ユーザ生成部６により生成された検索式
を基に例えばフルテキストサーチ技術を使って文書デー
タベース４４の検索を行い、検索結果を利用者に通知す
る。

【００１０】図１から明らかなように、単語分割条件設
定部１，検索式生成条件設定部２，単語分割部３，単語
出現頻度抽出部４，検索式生成部５，検索式ユーザ生成
部６及びテキストサーチ部７は処理部を示し、単語分割
条件テーブル４１，検索式生成条件テーブル４２，テキ
ストデータ４３及び文書データベース４４は記憶装置上
に格納されるファイル又はテーブルである。

【００１１】図２は、図１に示す類似文書検索システム
のハードウェア構成を示すブロック図である。入出力装
置８は、プロセッサ９に接続され、データを入力する装
置及び各種情報を表示する表示装置から構成される。プ
ロセッサ９は、電子計算機，パソコン，ワークステーシ
ョン等のプロセッサの部分であり、プログラムに従って
図１に示す各処理部の処理を実行する。記憶装置６８
は、プロセッサ９に接続される記憶装置であり、図１に
示す各処理部のプログラム及び上記のファイル／テーブ
ルを格納する。すなわち記憶装置６８は、プロセッサ９
が各処理を実行するときの作業領域であるワーキングエ
リア６９，単語分割条件設定部格納エリア１０，検索式
生成条件設定部格納エリア２０，単語分割部格納エリア
３０，単語出現頻度抽出部格納エリア４０，検索式生成
部格納エリア５０，検索式ユーザ生成部格納エリア６
０，テキストサーチ部格納エリア７０，単語分割条件テ
ーブル格納エリア６１，検索式生成条件テーブル格納エ
リア６２，テキストデータ格納エリア６３及び文書デー
タベース格納エリア６４を持っている。

【００１２】図３は、単語分割条件設定部１の処理を表
すＰＡＤ図（ＰｒｏｂｌｅｍＡｎａｌｙｓｉｓＤｉａ
ｇｒａｍ）である。単語分割条件設定部１は、入力され
たテキストデータ４３内の複数の連接する単語を一つの
複合語として抽出する条件を設定するように利用者に促
し、利用者により設定された単語分割条件を単語分割条
件テーブル４１に格納する。まず一つの複合語として抽
出すべき条件（構文情報や品詞の並び等）の候補を入出
力装置８を介して利用者に提示し（ステップ１１）、利
用者が設定したい条件の選択を促す（ステップ１２）。
次に提示した候補のどれかが選択されたか否か判別し
（ステップ１３）、選択された場合に選択された単語分
割条件を単語分割条件テーブル４１に格納する（ステッ
プ１４）。次にこれらの候補以外の条件を設定したいと
入出力装置８を介して利用者から指示された場合に（ス
テップ１５）、入力された単語分割条件を単語分割条件
テーブル４１に格納する（ステップ１６）。

【００１３】図４は、単語分割条件設定部１が提示する
条件の候補の表示例であり、どのような表現の場合に複
数の単語を一つの複合語として認識するかという条件の
候補を示している。

【００１４】図５は、単語分割条件設定部１によって利
用者固有の単語分割条件が設定される場合の表示例であ
る。

【００１５】図６は、単語分割条件テーブル４１に格納
された単語分割条件の例である。本テーブルは、第１単
語７１，第２単語７２及び複合語７３の３つの項目から
構成されている。第１単語７１及び第２単語７２は、複
合語として認識する連続する単語の構文情報を表してお
り、それぞれ「品詞」及び「活用形／助詞」から構成さ
れている。例えば、項番１の条件は図４の第１の候補、
項番２は第２の候補、項番３は第３の候補及び項番４は
第４の候補を表し、項番５は図５に示す利用者が設定し
た固有な条件を表している。複合語７３は、各々の条件
を満たす複合語の品詞を表している。なお本実施例では
第１単語７１と第２単語７２の二つの単語から成る複合
語の例を示しているが、条件の対象となる単語数はいく
つでもよい。

【００１６】図７は、検索式生成条件設定部２の処理を
表すＰＡＤ図である。検索式生成条件設定部２は、検索
式として採用するキーワードに関する各種条件（出現位
置条件、出現回数条件、論理演算子等）を設定するよう
に利用者に促し、利用者により設定された検索式生成条
件を検索式条件テーブル４２に格納する。まず検索式と
して採用するキーワードの条件の設定を入出力装置８を
介して利用者に促す（ステップ２１）。次に検索式とし
て採用すべきキーワードの出現位置条件が利用者により
設定されたか否か判別し（ステップ２２）、設定された
場合はその出現位置条件を検索式生成条件テーブル４２
に格納する（ステップ２３）。次に検索式として採用す
べきキーワードの出現回数条件が利用者により設定され
たか否か判別し（ステップ２４）、設定された場合にそ
の出現回数条件を検索式生成条件テーブル４２に格納す
る（ステップ２５）。最後に検索式として採用したキー
ワードの論理演算関係を表す論理演算子が設定されたか
否か判別し（ステップ２６）、設定された場合にその論
理演算子を検索式生成条件テーブル４２に格納する（ス
テップ２７）。

【００１７】図８は、設定された検索式生成条件の例を
表しており、図８（ａ）は、利用者による設定条件とし
て設定可能な条件を示す例である。「キーワード出現位
置条件設定」は、キーワードを文書全体から選択する
か、特定の構成項目に限って選択するかの条件を設定す
る。図８（ｂ）は、設定条件のうち「キーワード出現位
置条件設定」として「文書構成項目」が選択された場合
に対象となる文書データを構成する項目ごとに選択する
例を表している。本例では文書データの構成を表す項目
が「題名」〜「まとめ」の６つの項目があることを表
し、「要旨」「主内容」「まとめ」の３つの項目につい
て出現する単語であるという出現位置条件を利用者が設
定した例を表している。図８（ａ）の「キーワード出現
回数条件設定」は、単語の出現回数の条件として出現頻
度の高いものから上位Ｎ１個を選択するのか、Ｎ２個以
上出現する単語を選択するのか又は出現回数がＮ３個以
下の単語を選択するのかの条件を設定する。Ｎ１，Ｎ２
及びＮ３は整数である。「検索式論理演算子」は、キー
ワードを論理和で結合するのか論理積で結合するかの条
件を設定する。

【００１８】図９は、設定条件のうち「キーワード出現
回数条件設定」として「出現回数上位Ｎ１個」が選択さ
れた場合に文書中に出現する単語の出現回数条件を利用
者が設定する例を表している。本例では出現回数が高い
上位３単語であるという出現回数条件を利用者が設定し
た例を表している。

【００１９】図１０は、上記のようにして検索式生成条
件が設定され登録された検索式生成条件テーブル４２の
例である。本テーブルは、出現回数条件７４、出現位置
条件７５および検索式論理演算子７６の３つの項目から
構成されている。本例では「要旨」「主内容」および
「まとめ」の３つの項目に共通して出現する単語であ
り、出現回数の上位３位までの単語をキーワードとして
採用し、各々のキーワードを論理積「and」で結合した
式を検索式とするという検索式生成条件を表している。

【００２０】図１１は、単語分割部３の処理を表すＰＡ
Ｄ図である。単語分割部３は、テキストデータ４３を入
力し形態素解析により単語分割してワーキングエリア６
９内の単語テーブルに格納し、単語分割条件が設定され
ていれば単語分割条件に従い複合語を生成してワーキン
グエリア６９内の複合語テーブルに格納するまでの処理
を表している。まずテキストデータ４３をテキストデー
タ格納エリア６３から入力する（ステップ３１）。次に
テキストデータを形態素解析し、単語分割結果を単語テ
ーブルに格納する（ステップ３２）。次に入力したテキ
ストデータ中に文書の構成を表す項目が存在するか否か
判別し（ステップ３３）、存在する場合には各単語が出
現した項目名を単語テーブルに格納する（ステップ３
４）。最後に単語分割条件が設定されている場合に単語
分割条件テーブル４１と単語テーブルとを参照し、連接
する単語の品詞と活用形または助詞が一致するか否か比
較照合し（ステップ３５）、一致する場合に一致する範
囲の単語テーブル中の単語の語幹（見出し文字列）をま
とめた一つの複合語と文書の構成を表す項目が存在する
場合には単語が出現する項目名とを複合語テーブルに格
納する（ステップ３６）。なお単語分割に使用する形態
素解析は従来の機械翻訳やキーワード抽出の技術により
容易に実現可能な技術である。

【００２１】図１２は、テキストデータ４３の例であ
り、本テキストデータは「題名」「要旨」「目的」「主
内容」「今後の課題」および「まとめ」の６つの項目か
ら構成されたテキストデータであることを示している。

【００２２】図１３は、生成された単語テーブルの例で
ある。このテーブルは、単語の語幹を表す見出し文字列
８１，品詞８２，活用形又は助詞を表す活用形／助詞８
３及び単語が出現する文書中の項目名を表す項目８４の
４つの項目から構成されている。これら４つの項目から
成るデータが１つのレコードである。

【００２３】図１４は、生成された複合語テーブルの例
である。本テーブルは、複合語の語幹を表す見出し文字
列１０１，品詞１０２および複合語が出現する文書中の
項目名を表す項目１０３の３つの項目から構成されてい
る。これら３つの項目から成るデータが１つのレコード
である。例えば項番１の見出し文字列１０１である「辞
書生成方法」は、図１３に示す単語テーブルの項番１〜
３の３つの単語が図６に示す単語分割条件テーブルの項
番４の条件（名詞の連接）と合致するため一つにまとめ
て複合語「辞書生成方法」を生成したことを表してお
り、項番２の「一考察」及び項番３の「自然語インタフ
ェース」も同じ単語分割条件が適用されて生成した複合
語である。また項番４の見出し文字列１０１である「参
照辞書情報生成処理システム」は、図１３に示す単語テ
ーブルの項番９〜１４の６つの単語が図６に示す単語分
割条件テーブルの項番４と項番２と項番３の３つの条件
と合致するため一つにまとめて複合語「参照辞書情報生
成処理システム」を生成したことを表している。他の複
合語も単語分割条件に合致することにより複合語として
生成されている。なお本実施例中の「サ変動詞」は「〜
する」という動詞に成り得る名詞という意味で使用して
いる。

【００２４】図１５は、単語出現頻度抽出部４の処理を
表すＰＡＤ図である。単語出現頻度抽出部４は、単語分
割部２が生成した単語及び複合語の出現回数を抽出し、
単語の出現回数を単語出現頻度テーブルに格納し、複合
語の出現回数を複合語出現頻度テーブルに格納する。単
語出現頻度抽出部４は、単語テーブルを参照し単語テー
ブルの先頭見出し文字列から末尾文字列まで、ステップ
４０２〜ステップ４０７の処理を行う（ステップ４０
１）。まず単語テーブルから１レコード分の情報を取得
し（ステップ４０２）、見出し文字列及び品詞が同じレ
コードが存在するか検索し、存在する場合に該当するレ
コードを取得する（ステップ４０３）。次に単語テーブ
ルを参照し項目が存在するか否か判別し（ステップ４０
４）、各項目別の単語の出現回数を求めてワーキングエ
リア６９内の単語出現頻度テーブルに格納する（ステッ
プ４０５）。次にテキストデータ全体における各単語の
出現回数を求めて単語出現頻度テーブルに格納し（ステ
ップ４０６）、処理対象を次のレコードに移動する（ス
テップ４０７）。

【００２５】次に複合語テーブルを参照し複合語テーブ
ルの先頭見出し文字列から末尾文字列までステップ４０
９〜ステップ４１４の処理を行う（ステップ４０８）。
まず複合語テーブルから１レコード分の情報を取得し
（ステップ４０９）、見出し文字列及び品詞が同じレコ
ードが存在するか検索し、存在する場合に該当するレコ
ードを取得する（ステップ４１０）。次に複合語テーブ
ルを参照し項目が存在するか否か判別し（ステップ４１
１）、各項目別の複合語の出現回数を求めてワーキング
エリア６９内の複合語出現頻度テーブルに格納する（ス
テップ４１２）。次にテキストデータ全体における複合
語の出現回数を求めて複合語出現頻度テーブルに格納し
（ステップ４１３）、処理対象を次のレコードに移動す
る（ステップ４１４）。

【００２６】図１６（ａ）は、生成された単語出現頻度
テーブルの例であり、図１６（ｂ）は、生成された複合
語出現頻度テーブルの例である。単語出現頻度テーブル
は、単語の語幹を表す見出し文字列８５，文書を構成す
る項目別の単語の出現頻度を表す題名８６〜まとめ９１
及び文書全体の単語の出現頻度を表す合計９２の８つの
項目から構成されている。複合語出現頻度テーブルは、
複合語の語幹を表す見出し文字列９３，文書を構成する
項目別の複合語の出現頻度を表す題名９４〜まとめ９９
及び文書全体の複合語の出現頻度を表す合計１００の８
つの項目から構成されている。

【００２７】図１７は、検索式生成部５の処理を表すＰ
ＡＤ図である。検索式生成部５は、検索式生成条件テー
ブル４２に設定された条件に従い検索式を生成する。ま
ず検索式生成条件テーブル４２を参照し検索式生成条件
（出現位置条件，出現回数条件，論理演算子等）を取得
する（ステップ５１）。次に単語出現頻度テーブルを参
照しステップ５１で取得した出現位置条件及び出現回数
条件と合致する単語を検索し取得する（ステップ５
２）。最後にステップ５２で取得した単語をステップ５
１で取得した論理演算子で結合して検索式を生成し、テ
キストサーチ部７へ引き渡す（ステップ５３）。ステッ
プ５１〜ステップ５３により図１６（ａ）に示す単語出
現頻度テーブルを基に「辞書ａｎｄ生成ａｎｄ単語」と
いう検索式が生成され、テキストサーチ部７へ引き渡さ
れる。

【００２８】図１８は、検索式ユーザ生成部６の処理を
表すＰＡＤ図である。検索式ユーザ生成部６は、単語分
割部３及び単語出現頻度抽出部４の各処理により抽出し
た単語及び複合語の中から検索式に採用するキーワード
を利用者に選択させることにより検索式を生成する。ま
ず単語分割部３により生成した単語又は複合語を表示
し、その中から検索式中のキーワードとして採用するキ
ーワードの選択を利用者に促す（ステップ６０１）。次
に「検索開始」が利用者に指示されるまで以下の処理を
行う（ステップ６０２）。「単語表示」が選択されたか
否か判別し（ステップ６０３）、選択された場合は単語
出現頻度抽出部４が生成した単語出現頻度テーブルを表
示し（ステップ６０４）、表示中の単語が選択されたら
該当する単語を検索式エリアに表示する（ステップ６０
５）。次に「複合語表示」が利用者により選択されたか
否か判別し（ステップ６０６）、選択された場合に複合
語出現頻度テーブルを表示し（ステップ６０７）、複合
語が選択されたら該当する複合語を検索式エリアに表示
する（ステップ６０８）。次に「論理演算子」が利用者
により選択されたか否か判別し（ステップ６０９）、選
択された論理演算子「ａｎｄ」又は「ｏｒ」を検索式エ
リアに表示する（ステップ６１０）。次に「検索開始」
が利用者により選択されたか否か判別し（ステップ６１
１）、選択された場合に検索式中に複合語が存在するか
否か判別し（ステップ６１２）、存在する場合に複合語
を分割して論理積「ａｎｄ」で連結し検索式に挿入する
（ステップ６１３）。最後に生成した検索式をテキスト
サーチ部７に引き渡す（ステップ６１４）。

【００２９】図１９は、検索式ユーザ生成部６により利
用者が検索式を作成するときの表示例である。図１９
（ａ）は、利用者が「単語表示」を選択した場合の例で
ある。図１９（ｂ）は、利用者が「複合語表示」を選択
し、表示された複合語の中から「辞書生成」と「自然
語」を選択し、かつ論理積「ａｎｄ」により検索式を作
成した例を表している。図１９に示すようにシステムと
利用者が対話しながら検索式を作成することが可能とな
る。この例では利用者は「辞書生成」と「自然語」を選
択しているが、自動的に「辞書」「生成」「自然」
「語」に分割し、分割範囲の単語を更に「ａｎｄ」で結
合して検索式を作成している。単語のみが表示されてい
るならば利用者は「辞書」「生成」「自然」及び「語」
の４つの単語を選択しなければならないが、複合語を選
択することにより「辞書生成」及び「自然語」の２つの
複合語のみを選択するだけでよく使い勝手が向上する。
更に複合語を選択することにより単語のみを選択する場
合と比較して検索結果の漏れを防ぐことが可能となる。

【００３０】

【発明の効果】本発明によれば、システムの利用者が検
索式を生成する条件を設定できるので、単語出現テーブ
ルとこの検索式生成条件とによってより利用者の目的に
合った検索式を生成できる。また複合語を生成し検索式
作成時に複合語を利用することにより使い勝手が向上す
るとともに単語のみを選択する場合と比較して検索結果
の漏れを防ぐことが可能となる。また複合語の生成条件
を利用者に設定させることにより利用者の意図に合った
複合語を生成することが可能となり、使い勝手が向上す
る。

【図面の簡単な説明】

【図１】類似文書検索システムの一実施例を示す機能ブ
ロック図である。

【図２】実施例の全体的なハードウェア構成を示すブロ
ック図である。

【図３】単語分割条件設定部の処理を表すＰＡＤ図であ
る。

【図４】利用者による単語分割条件の設定のための表示
例を示す図である。

【図５】利用者による単語分割条件の設定のための表示
例を示す図である。

【図６】単語分割条件テーブルの例を示す図である。

【図７】検索式生成条件設定部の処理を表すＰＡＤ図で
ある。

【図８】利用者による検索式生成条件の設定のための表
示例を示す図である。

【図９】利用者による検索式生成条件の設定のための表
示例を示す図である。

【図１０】検索式生成条件テーブルの例を示す図であ
る。

【図１１】単語分割部の処理を表すＰＡＤ図である。

【図１２】テキストデータの例を示す図である。

【図１３】単語分割テーブルの例を示す図である。

【図１４】複合語テーブルの例を示す図である。

【図１５】単語出現頻度抽出部の処理を表すＰＡＤ図で
ある。

【図１６】単語出現頻度テーブル及び複合語出現頻度テ
ーブルの例を示す図である。

【図１７】検索式生成部の処理を表すＰＡＤ図である。

【図１８】検索式ユーザ生成部の処理を表すＰＡＤ図で
ある。

【図１９】ユーザが検索式を生成するときの表示例を示
す図である。

【符号の説明】

１・・・単語分割条件設定部２・・・検索式生成条件設定部３・・・単語分割部４・・・単語出現頻度抽出部５・・・検索式生成部６・・・検索式ユーザ生成部７・・・テキストサーチ部４１・・・単語分割条件テーブル４２・・・検索式生成条件テーブル４３・・・テキストデータ４４・・・文書データベース

Claims

【特許請求の範囲】

【請求項１】文書を構成するテキストデータを単語に分
割する手段と、該テキストデータについて該単語の種類
ごとに単語の出現頻度を算出して単語出現テーブルを作
成する手段と、該単語の出現回数に関する条件を設定す
る検索式生成条件テーブルと、該検索式生成条件テーブ
ルに設定された条件に合致する単語を該単語出現テーブ
ルから選択して検索式を生成する手段と、該検索式に基
づいて文書データベースを検索し該文書に類似の文書を
抽出する手段とを有することを特徴とする類似文書検索
システム。
【請求項２】文書を構成するテキストデータを単語に分
割する手段と、得られた該単語から複数の単語を連接し
て複合語を作成する手段と、該テキストデータについて
該単語の種類ごとに単語の出現頻度を算出して単語出現
テーブルを作成する手段と、該テキストデータについて
該複合語の種類ごとに複合語の出現頻度を算出して複合
語出現テーブルを作成する手段と、該単語出現テーブル
中の単語が指定されたとき該指定された単語を論理演算
子で結合して検索式を生成し、該複合語出現テーブル中
の複合語が指定されたとき該指定された複合語を論理演
算子で結合して検索式を生成する手段と、該検索式に従
って文書データベースを検索し該文書に類似の文書を抽
出する手段とを有することを特徴とする類似文書検索シ
ステム。