JPH0816611A

JPH0816611A - 自然言語に基づくデータ検索装置

Info

Publication number: JPH0816611A
Application number: JP6144979A
Authority: JP
Inventors: Hiroshi Ikeuchi; 洋池内; Ikuo Karashi; 育雄芥子
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 1994-06-27
Filing date: 1994-06-27
Publication date: 1996-01-19
Anticipated expiration: 2015-03-21
Also published as: JP3024045B2

Abstract

(57)【要約】【目的】入力された単語あるいは文から人間の知識・
感性等に応じてテキストデータ以外の画像データ等の検
索も可能な、自然言語によるデータ検索装置を提供す
る。【構成】質問文を入力する入力手段１と、各データ及
びその特徴を表すデータベクトルを格納する検索対象と
なるデータベース２と、検索結果を出力する出力手段３
と、各単語の特徴を表す単語ベクトルを格納する単語辞
書４と、自然言語テキストから単語ベクトルを用いてデ
ータベクトルを生成するベクトル生成手段５と、検索を
実行する検索手段６と、検索結果に対する利用者の判断
を入力する判断入力手段７と、入力された判断に応じた
学習を行なう学習手段８とを備える。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は自然言語に基づくデータ
検索装置に関し、特に電子ブック、電子辞書等のテキス
トデータ、及び画像データベースあるいはそれらの複合
されたマルチメディアデータベースを、自然言語に基づ
き検索する装置に関する。

【０００２】

【従来の技術】従来、自然言語によるデータ検索装置と
してはフルテキストサーチによるもの、キーワード検索
によるもの、またはベクトルの一致度により検索を行な
うものなどがある。

【０００３】入力画像をもとに画像検索を行なう画像検
索装置に学習機能を組み込んだ、類似パターン検索装置
が、特開平４−３４０６７７号公報に開示されている。
この装置は、入力されたパターン画像から類似のパター
ン画像をパターンの物理的特徴を基に検索するものであ
り、物理的特徴から類似度を算出する手段をニューラル
ネットワークで構成することによって、ニューラルネッ
トワークの出力である類似度と与えられた類似度の期待
値の差が小さくなるように学習することを可能にしてい
る。

【０００４】自然言語による画像検索方法としては、画
像にキーワードを付加するキーワード検索方法がある。
これは画像にその特徴を表す複数のキーワードを付加
し、入力文として与えられたキーワードと画像に付加さ
れたキーワードとの一致度により画像を検索するもので
ある。

【０００５】学習機能を有するキーワード検索を基にし
た情報データベース装置が、特開平５−２３３７０７号
公報に開示されている。この装置は、入力された文章あ
るいはキーワードの属するクラスを決定するとともに、
そのクラスから学習結果に基づいて、別のキーワードの
連想を行い、文書の分類及びキーワードの連想支援が可
能である。文章の属するクラスを決定する方法として、
入力された文章からキーワードの抽出を行ない、それを
基に変換された特徴ベクトルから文章の属するクラスを
決定する。クラスの決定の手段としてニューラルネット
ワークが用いられているため、利用者が与えたクラス分
類に適応する学習も可能である。なお、この装置で用い
られる特徴ベクトルは、単にキーワードの出現頻度に基
づくものであるので、検索方法としてはキーワード検索
の一種とみなせる。

【０００６】学習機能を有し、フルテキストサーチを行
う文書検索方法及び文書検索システムが、特開平５−３
４２２５５号公報に開示されている。この方法及びシス
テムは、入力文章と検索対象文との適合度の決定を行な
う際に、入力文章の構文解析、入力文章内の単語間の結
合度の算出、検索対象文内の単語間の結合度の算出、類
義語辞書内の単語との結合度の算出、入力文章と検索対
象文の単語間の結合度の算出を順に実行する。各過程の
結合度の算出手段がニューラルネットワークにより構成
されていることにより、出力として得られる適合度と利
用者が与えた適合度との差が小さくなるように学習する
ことが可能である。

【０００７】電子情報通信学会発行の信学技法ＡＩ９２
−９９（１９９３−１）「大規模文書データベースから
の連想検索」には、文脈ベクトルによる文書検索方法が
提案されている。ここで使用される「文脈ベクトル」
は、単語の意味を分散的に表現したものであり、各単語
を１００個以上の特徴単語と関係付けたものである。文
書や質問文の文脈ベクトルは、テキスト中から抽出され
た各重要単語の文脈ベクトルを正規化して求められる。
検索が、質問文の文脈ベクトルと各文書の文脈ベクトル
との内積を計算して行われることにより、検索結果のラ
ンキング及び類似文例の検索が可能である。

【０００８】

【発明が解決しようとする課題】画像イメージデータの
検索を行う場合、上述の類似パターン検索装置では、画
像として表されたパターンの類似によって検索を行うた
め、表示されている内容による検索ができない。

【０００９】付加されたキーワードによってデータの検
索を行う場合、上述のキーワード検索を基にした情報デ
ータベース装置では、キーワードとしてデータに付加さ
れた単語でしか検索できず、また利用者が入力すると想
定される印象語・連想語等を含む全ての単語を予めキー
ワードとして画像に付加しておくことも事実上不可能で
ある。従って、キーワードとして付加された限られた入
力文での検索しか出来ない。同様に、上述のフルテキス
トサーチを行う文書検索方法および文書検索システムに
おいても、検索対象文書中に現れる単語あるいは文でし
か検索できない。

【００１０】以上のようにキーワードまたはパターンに
よるいずれの検索方法においても、検索対象データ内に
明示的に表現された自然言語の範囲でしか検索できず、
人間の知識・感性等に応じた検索は不可能である。

【００１１】また、文脈ベクトルによる検索方法によれ
ば、類似文の検索が可能であるが、高速なハードウェア
が必要であり、装置のコストが高くなり、規模が大きい
ものとなってしまう。

【００１２】さらに、装置に学習機能を持たせるために
ニューラルネットワークを使用する場合においても、高
速かつ大規模なハードウェアが必要であり、装置のコス
トが高くなり、規模が大きいものとなってしまう。

【００１３】本発明は、上記の課題を解決するためにな
されたもので、データの特徴を表すデータベクトル及び
質問文の特徴を表すデータベクトルを、人間の知識・感
性等に応じて特徴付けられた単語ベクトルを基にして作
成し、入力された単語あるいは文から人間の知識・感性
等に応じてテキストデータ以外の画像データ等の検索も
可能な、自然言語によるデータ検索装置を提供すること
を目的とする。

【００１４】

【課題を解決するための手段】本発明によれば、前述の
目的は、検索するデータを自然言語により質問文として
入力する入力手段と、各単語の特徴を表す単語ベクトル
を格納する単語辞書と、前記質問文の特徴を表すデータ
ベクトルを前記単語辞書内に格納されている単語ベクト
ルから作成するベクトル生成手段と、検索されるべきデ
ータ及びそのデータベクトルを格納するデータベース
と、前記質問文のデータベクトルと前記データベース内
のデータベクトルとの一致度から前記データベース内の
データを検索する検索手段と、検索結果を出力する出力
手段とを備えるデータ検索装置であって、前記ベクトル
生成手段が、テキストデータ以外の画像データ等のデー
タベクトルを、そのデータに付加されている自然言語か
ら前記単語辞書内に格納されている単語ベクトルを用い
て作成する請求項１のデータ検索装置によって達成され
る。

【００１５】本発明によれば、前述の目的は、前記検索
結果に対する利用者の判断を入力する判断入力手段と、
入力された判断に基づいて対応するデータベクトルを修
正する学習手段とをさらに備える請求項２のデータ検索
装置によって達成される。

【００１６】

【作用】請求項１のデータ検索装置においては、入力手
段により検索すべきデータを自然言語によって質問文と
して入力され、ベクトル生成手段により単語辞書内に格
納されている各単語の特徴を表す単語ベクトルから質問
文のデータベクトルを作成し、検索手段によりデータベ
ース内の各データベクトルと質問文のデータベクトルと
の一致度からデータが検索され、出力手段により検索結
果が出力される。人間の知識・感性等に応じて特徴付け
られた単語ベクトルから作成されたデータベクトルを使
用し、データベクトルの一致度からデータを検索するこ
とにより、質問文中に含まれる単語と一致するデータの
みならず、人間の知識・感性等に応じた検索が可能とな
る。さらに、ベクトル生成手段がテキストデータ以外の
画像データ等に対しても、付加されている自然言語から
対応するデータベクトルを作成することにより、画像デ
ータ等を含むマルチメディアデータベースを自然言語に
よって検索することが可能となる。

【００１７】請求項２のデータ検索装置においては、判
断入力手段により検索結果に対して利用者の判断が入力
され、学習手段により判断が行なわれたデータに対応す
るデータベクトルを修正するよう構成されていることに
より、各データベクトルを人間の感覚に合ったものへと
変更し、利用者の意図する検索が可能となる。

【００１８】

【実施例】以下、本発明の実施例を図を参照しながら詳
述する。

【００１９】図１は本実施例の構成図であり、質問文を
入力するキーボード等からなる入力手段１と、各データ
及びその特徴を表すデータベクトルを格納する検索対象
となるデータベース２と、検索結果を出力するディスプ
レイ等の出力手段３と、各単語の特徴を表す単語ベクト
ルを格納する単語辞書４と、自然言語テキストからデー
タベクトルを生成するベクトル生成手段５と、検索を実
行する検索手段６と、検索結果に対する利用者の判断を
入力する判断入力手段７と、入力された判断に応じた学
習を行なう学習手段８とからなる。

【００２０】本実施例での単語辞書４、ベクトル生成手
段５及び検索手段６の具体的構成は、前述の「大規模文
書データベースからの連想検索」で提案されたシステム
の各構成と同様であり、本実施例の「データベクトル」
は「文脈ベクトル」に対応している。

【００２１】以下、本実施例の動作を図を参照しながら
説明する。

【００２２】まず、ベクトル生成手段５の動作を図２を
参照しながら説明する。図２で例えば入力文を自然言語
テキスト「火山の爆発で放出された溶岩」とすると、ス
テップＳ２１で「火山」「爆発」「放出」「溶岩」の４
つの単語が抽出される。ステップＳ２２で単語辞書に格
納された各々の単語の単語ベクトルが以下のように抽出
される。

【００２３】火山＝（０，２，０，０，１，０，２，０，１）爆発＝（０，１，０，０，０，１，１，０，０）放出＝（１，０，０，０，０，１，０，０，１）溶岩＝（０，２，０，０，０，２，１，０，０）ステップＳ２３で各単語ベクトルを加えてＣＶ０を得た
後、ＣＶ０を長さ１０に正規化してＣＶ１を以下のよう
に求める。

【００２４】ＣＶ０＝（１，５，０，０，１，４，４，０，２）｜ＣＶ０｜＝（１²＋５²＋・・・＋２²）^1/2＝７．９３
７ＣＶ１＝１０×ＣＶ０／｜ＣＶ０｜＝（１，６，０，０，１，５，５，０，３）ステップＳ２４でＣＶ１を入力文に対応するデータベク
トルとして出力する。このように自然言語テキスト中か
ら抽出された各単語ベクトルの加重和を正規化したもの
をそのテキストのデータベクトルとして生成する。デー
タベース内に格納されている自然言語のテキストデータ
に対応する各データベクトルは、ベクトル生成手段５を
用いて上述の方法で生成されたものである。また質問文
に対応するデータベクトルは、質問文を入力としてベク
トル生成手段５によって同様の方法で生成される。

【００２５】図３に自然言語テキストと対応するデータ
ベクトルの格納方法の例を示す。ここでは自然言語テキ
ストとデータベクトルとを対応付けるインデックスを同
時に保持している。ここで、インデックスとは、対応す
るテキストデータのアドレスを意味している。

【００２６】次に、本実施例で画像データのデータベク
トルを生成する方法について図５を参照しながら説明す
る。

【００２７】本実施例における画像データは、図４に示
すように、出力手段３により画像表示が可能なビットイ
メージデータである画像イメージデータに説明文が付加
されたものである。まずステップＳ５１で、画像番号を
表すｉを１に初期化する。ステップＳ５２で、ｉ番目の
画像のイメージデータのインデックスをバッファＩＤＸ
ｉに格納し、ステップＳ５３でｉ番目の画像に対応する
説明文を抽出し、ステップＳ５４でその説明文を入力と
してベクトル生成手段５によりデータベクトルＣＶを求
める。ステップＳ５５で、求められたデータベクトルＣ
ＶをデータベクトルバッファＤＣＶｉに格納する。ステ
ップＳ５６で、次の画像を指すようｉに１を足し、画像
データが終りであればフローは終了しそうでなければス
テップ５２に戻り上述の動作を繰り返す。上述の方法で
得られたデータベクトル、インデックスを図３との対比
で図示すると図６の様になり、画像データに対しても対
応するデータベクトルが格納される。ここで、インデッ
クスとは、対応する画像データのアドレスを意味してい
る。

【００２８】検索手段６は、質問文のデータベクトルと
データベース内のデータベクトルとの距離を計算し、そ
の距離が近いデータベクトルのインデックスに対応する
自然言語テキスト及び画像イメージデータを検索結果と
して出力する。

【００２９】以下、本実施例の学習機能について図を参
照しながら説明する。

【００３０】図７は本実施例の学習機能全体の動作を示
すフローチャートである。ステップＳ７１で入力手段１
より質問文が入力され、ステップＳ７２で検索手段６に
よりデータベース２からデータが検索される。ステップ
Ｓ７３で検索結果が出力手段３に出力される。ステップ
Ｓ７４で、利用者は検索結果に対する判断を判断入力手
段７より入力し、ステップＳ７５で学習手段８が判断に
応じた学習を行なう。ステップＳ７６で検索を終了する
場合にはフローは終了し、そうでない時はステップＳ７
１に戻る。

【００３１】本実施例ではステップＳ７４で判断の入力
として、検索されたデータの１つに対して利用者が入力
手段１より正解と判断した場合には○を、間違いと判断
した場合には×を入力するよう構成されている。これに
より本実施例では入力手段１が判断入力手段７の機能を
備えている。

【００３２】ステップＳ７５の学習手段の動作について
図８を用いて詳細に説明する。

【００３３】入力された質問文から求められた質問文の
データベクトルをＱ＝（ｑ1，ｑ2，・・・，ｑn）とし、利用者が○または×の正誤判断を行なったデータ
のデータベクトルをＶ＝（ｖ1，ｖ2，・・・，ｖn）とする。ここで学習手段８は、利用者が○を入力した時
にはＶ＋εＱに、×を入力した時にはＶ−εＱにＶをそ
れぞれ更新する。ここでεは学習の速さと精度から決定
される正の定数である。

【００３４】図８に学習手段による出力結果の具体例を
示す。図８（ａ）は質問文に対して得点の高いものから
順に検索結果として表示した例であり、本例では自然言
語テキストを検索対象としているが、画像検索の場合も
同様に表示される。ここでいう得点とは質問文のデータ
ベクトルと検索されたデータのデータベクトルとの内積
であり、これは両ベクトルの距離の近さを数値化したも
のと考えて良い。最初の検索結果として、質問文「火山
の爆発で放出された溶岩」に対し、テキストデータ「原
地形」が８２点、「火山砕屑岩」が６６点のデータとし
て検索された。ここでは質問文のデータベクトルがＱ＝（１，６，０，０，１，５，５，０，３）であり、「火山砕屑岩」のデータベクトルがＶ＝（５，３，２，０，０，４，１，１，６）であるとしており、それらの内積として６６点が得られ
ている。利用者が「火山砕屑岩」を選択し、質問文に対
して正しいデータであると判断して○の入力を行なった
場合、学習手段８は上述の式に基づいてε＝０．２とす
ると次のように更新するデータベクトルを求める。

【００３５】Ｖ＋０．２×Ｑ＝（５，４，２，０，０，
５，２，０，７）この後に再度同じ質問文を入力すると図８（ｂ）に示す
ように「火山砕屑岩」の得点は内積の計算より８５点と
なり上位に検索される。このように利用者の判断に応じ
た学習が正しく行なわれる。また逆に利用者が×を入力
した場合にも同様に学習が正しく行なわれる。

【００３６】以上のように、利用者の判定が○×によっ
て行われることにより、従来の学習手段と比較して、利
用者の負担が軽減される。

【００３７】本実施例においては画像のデータベクトル
の作成に画像の説明文を用いたが、それ以外にも例えば
利用者が与えた画像の印象を表す数単語からデータベク
トルを作成する方法などが考えられる。また、本発明に
おける学習方法は上述の数式による方法のみに限定され
るものではない。さらに、単語辞書の構造、データベク
トルの構成方法、検索方法、及び利用者による判断の方
法は上述の実施例の方法のみに限定されるものではな
い。

【００３８】

【発明の効果】請求項１のデータ検索装置においては、
人間の知識・感性等に応じて特徴付けられた単語ベクト
ルから作成されたデータベクトルを使用し、データベク
トルの一致度からデータを検索することにより、質問文
中に含まれる単語と一致するデータのみならず、人間の
知識・感性等に応じた検索が可能となる。さらに、ベク
トル生成手段がテキストデータ以外の画像データ等に対
しても、付加されている自然言語から対応するデータベ
クトルを作成することにより、画像データ等を含むマル
チメディアデータベースを自然言語によって検索するこ
とが可能となる。

【００３９】請求項２のデータ検索装置においては、各
データベクトルを人間の感覚に合ったものへと変更し、
利用者の意図する検索が可能となる。さらに、○×によ
って利用者の判断を入力するように構成することによ
り、従来の学習手段と比較して、利用者の負担が軽減さ
れる。

【図面の簡単な説明】

【図１】本発明のデータ検索装置の実施例の構成図であ
る。

【図２】図１の装置のベクトル生成手段のデータベクト
ルを生成方法を示すフローチャートである。

【図３】図１の装置のデータベースの自然言語テキスト
データの格納方法の例である。

【図４】図１の装置の画像データの構成例である。

【図５】図１の装置のベクトル生成手段の画像データの
データベクトル生成方法を示すフローチャートである。

【図６】図５の方法により作成される画像データとデー
タベクトルの格納方法の例である。

【図７】図１の装置の学習方法を示すフローチャートで
ある。

【図８】図１の装置の検索結果及び学習の結果の表示例
を示す図である。

Claims

【特許請求の範囲】

【請求項１】検索するデータを自然言語により質問文
として入力する入力手段と、各単語の特徴を表す単語ベ
クトルを格納する単語辞書と、前記質問文の特徴を表す
データベクトルを前記単語辞書内に格納されている単語
ベクトルから作成するベクトル生成手段と、検索される
べきデータ及びそのデータベクトルを格納するデータベ
ースと、前記質問文のデータベクトルと前記データベー
ス内のデータベクトルとの一致度から前記データベース
内のデータを検索する検索手段と、検索結果を出力する
出力手段とを備えるデータ検索装置であって、前記ベク
トル生成手段が、テキストデータ以外の画像データ等の
データベクトルを、そのデータに付加されている自然言
語から前記単語辞書内に格納されている単語ベクトルを
用いて作成するデータ検索装置。
【請求項２】前記検索結果に対する利用者の判断を入
力する判断入力手段と、入力された判断に基づいて対応
するデータベクトルを修正する学習手段とをさらに備え
る請求項１に記載のデータ検索装置。