JPH08314969A

JPH08314969A - 情報検索方法及び装置

Info

Publication number: JPH08314969A
Application number: JP7122763A
Authority: JP
Inventors: Rintarou Sunaba; 倫太郎砂場
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1995-05-22
Filing date: 1995-05-22
Publication date: 1996-11-29

Abstract

(57)【要約】【目的】本発明の目的は、必要以上に検索処理が実行
されることを避けることができる情報検索方法及び装置
を提供することである。【構成】本発明は、日本語文書データベースの検索を
始める前に、利用者から入力されたキーワードの優先度
を評価する評価手段１００と、評価手段１００の評価結
果に基づいて日本語文書データベースの検索を行う検索
手段２００とを有する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、情報検索方法及び装置
に係り、特に、日本語文書を検索する装置において、ネ
ットワーク上に存在する巨大な日本語文書データベース
を検索する際に、キーワード毎に優先度の評価を行い、
当該評価に基づいてデータベースの検索を行う情報検索
方法及び装置に関する。

【０００２】詳しくは、あらゆる文書の電子化が進み、
だれもが、巨大な自然言語データベースをネットワーク
上から利用できる社会になった場合、必要な情報だけを
素早く、効率よく検索する技術はますます重要になって
くる。しかし、検索対象が大容量となり、ネットワーク
上に分散するようになると、計算処理コストや通信コス
トが莫大となる。このため、効率よく情報を取得するた
めに、検索のキーとなるキーワードを絞り込んで、デー
タベース内のデータとヒットする可能性が高いキーワー
ドを選択するような方法が望まれている。

【０００３】

【従来の技術】従来は、検索対象データベースを検索す
る際に、利用者により入力された情報から検索式を作成
して、当該検索式で検索対象データベースを検索する。
このような検索を行うと、検索キーワードによっては、
検索結果が０件であったり、必要以上に多くなることが
ある。この場合には、利用者は検索結果を見ながら、検
索式を修正して、再び情報の検索を行う。このような方
法は、特願平７−１７９１９「データベース検索装置及
びデータベース検索方法」に示されている。特願平７−
１７９１９は所定の制約を満たすように所定の検索条件
緩和知識を参照して検索要求を緩和していくものであ
る。

【０００４】

【発明が解決しようとする課題】しかしながら、上記の
従来の方法は、利用者が検索結果を見ながら検索式を修
正して再び検索する作業を必要な情報（件数）が得られ
るまで繰り返す必要がある。検索対象が巨大で複数のデ
ータベースであって計算処理コストがかかる場合、何度
も検索作業を繰り返すことは、システム、利用者双方に
負担がかかることになる。

【０００５】本発明は、上記の点に鑑みなされたもの
で、必要以上に検索処理が実行されることを避けること
ができる情報検索方法及び装置を提供することを目的と
する。本発明の更なる目的は、データベース中に格納さ
れている文書の自立語を抽出し、文書単位の自立語の頻
度分布確率より算出される情報量を評価基準に用いるこ
とによって、キーワードの重要度を計算し、重要度の高
いキーワードから検索を行う情報検索方法及び装置を提
供することである。

【０００６】

【課題を解決するための手段】図１は、本発明の原理を
説明するための図である。本発明の情報検索方法は、日
本語文書データベースの検索を始める前に、利用者から
入力されたキーワードの優先度を評価し（ステップ
１）、キーワードに付与されている優先度に基づいて日
本語文書データベースを検索する（ステップ２）。

【０００７】また、ステップ１において、キーワードの
優先度を評価する際に、キーワードになりうる言語表現
について、予め言語表現に対応して設定されている重要
度のテーブルを参照する。また、ステップ２において、
日本語文書データベースを検索する際に、あるキーワー
ドについて所定の文書数が検索された時点で、検索を終
了する。

【０００８】また、ステップ２において、日本語文書デ
ータベースを検索する際に、所定の閾値より低い優先度
が付与されているキーワードを棄却する。図２は、本発
明の原理構成図である。本発明の情報検索装置は、日本
語文書データベースの検索を始める前に、利用者から入
力されたキーワードの優先度を評価する評価手段１００
と、評価手段１００の評価結果に基づいて日本語文書デ
ータベースの検索を行う検索手段２００とを有する。

【０００９】また、評価手段１００は、日本語文書デー
タベースにアクセスし、文書毎に分かち書きを行い、名
詞・動詞・形容詞といった言語表現を抽出する言語表現
抽出手段１３０と、言語表現の頻度を文書毎に求める出
現頻度分布解析手段１４０と、言語表現の出現頻度分布
を文書の１文１文の長さを考慮して、出現頻度確率分布
に変換する出現頻度確率分布算出手段１６０と、出現頻
度分布から頻度のばらつきに基づいて、言語表現の重要
度を評価する重要度評価手段１７０と、ユーザから入力
された１つ以上の検索キーワードの重要度を評価し、重
要度の大きさによってキーワード検索の優先度を判定す
る言語表現重要度判定手段１８０とを含む。

【００１０】また、検索手段２００は、検索キーワード
評価装置において取得した優先度を参照して該優先度の
高いキーワードの順に日本語文書データベース３５０を
検索する手段を有する。また、検索手段２００は、検索
された文書が所定の数に達した時に検索を中断する中断
手段を含む。

【００１１】また、検索手段２００は、キーワードに付
与されている優先度が所定の閾値より低い場合に、キー
ワードを棄却する棄却手段を含む。

【００１２】

【作用】本発明は、利用者が入力する複数のキーワード
を全てそのまま受入れ、同等に検索処理を行う必要はな
い。検索される文書数という観点から見た場合、１００
文書中、１００の文書を検索してしまうキーワードと１
つの文書だけを特異的に検索できるキーワードの２つが
並んでいたら、まず１つの文書を検索するキーワードか
ら検索していく方が必要な文書を少ない計算処理コスト
で得ることが可能である点に着目して、予め、自立語の
ような言語表現を抽出し、文書単位に言語表現の出現頻
度分布確率を求め、そのばらつきから言語表現の重要度
を計算しておくことによって、検索の際にユーザが入力
するキーワードの重要度を評価し、重要度の高い順番に
キーワード検索を行い、検索される文書数を制限しなが
ら、検索対象を絞り込み、必要な日本語文書を迅速に検
索することが可能となる。

【００１３】また、本発明は、ユーザから入力された検
索要求キーワードを入力された順番に検索していくので
はなく、重要度の高いキーワードから順番に文書の検索
を行うことにより、優先度が低いキーワードによる検索
を行わないように操作することも可能となる。

【００１４】また、本発明は、検索された文書が指定し
た数に達した時に検索を中断することが可能であるた
め、無駄な検索を行わなくとも良い。さらに、本発明
は、所定の評価値以下のキーワードによる検索を行わな
いようにすることも可能である。

【００１５】

【実施例】以下、図面と共に本発明の実施例を詳細に説
明する。図３は、本発明の一実施例の情報検索装置のシ
ステム構成図である。同図に示す情報検索装置は、キー
ワード重要度評価装置１００、キーワード検索装置２０
０、言語表現重要度テーブル３３０、及び検索用日本語
文書蓄積装置３５０より構成される。

【００１６】キーワード重要度評価装置１００は、日本
語文章中の自立語を抽出し、文書毎に自立語の頻度情報
を取得して、自立語の頻度情報からキーワード候補の言
語表現重要度テーブル３３０を生成する。キーワード検
索装置２００は、キーワード重要度評価装置１００で生
成された言語表現重要度テーブル３３０を参照して、重
要度の高いキーワードの順に検索用日本語文書蓄積装置
３５０を検索して、検索結果を取得する。

【００１７】図４は、本発明の一実施例のキーワード重
要度評価装置の構成を示す。同図中、図３と同一構成部
分には、同一符号を付しその説明を省略する。図４に示
すキーワード重要度評価装置１００は、文書アクセス部
１１０、分かち書き処理部１２０、言語表現抽出部１３
０、言語表現頻度テーブル作成部１４０、頻度計測終了
判定部１５０、頻度情報正規化部１６０、言語表現存在
確率変換部１７０、言語表現重要度測定部１８０より構
成され、文書アクセス部１１０は、日本語文書蓄積装置
３１０をアクセスし、言語表現頻度テーブル作成部１４
０は、言語表現出現頻度テーブル３２０を生成し、言語
表現重要度測定部１８０は、言語表現重要度テーブル３
３０を生成する。

【００１８】まず、キーワードとなり得る単語は、日本
語文書中の名詞・動詞・形容詞・形容動詞といった自立
語と定義する。日本語文書蓄積装置３１０には、ｎ文の
文書ｃ_nが蓄積されている。文書アクセス部１１０は、
日本語文書蓄積装置３１０の文書ｃ₁〜ｃまでのテキス
トをアクセスする。ここでは、ｎ＝ｘ番目の文書をアク
セスし、ｃ_xの文書を分かち書き処理部１２０に転送す
る。

【００１９】分かち書き処理部１２０は、日本語文書を
の文字列を形態素解析することにより、単語に分割し、
品詞を付与し、リスト形式で出力する。言語表現抽出部
１３０は、単語に分割されたテキストを解析し、動詞、
形容詞、形容動詞のみを抽出し、順にリスト形式にし、
言語表現頻度テーブル作成部１４０に出力する。

【００２０】言語表現頻度テーブル作成部１４０は、言
語表現の文書に対する出現頻度を測定する。ｘ番目の文
書ｃ_xに対して、言語表現ｔ_kが出現した頻度ｄ_xkをカ
ウントし、図５に示すような言語表現出現頻度テーブル
３２０のｃ_xの列に格納する。

【００２１】頻度計測終了判定部１５０は、テキストが
ｘ＝ｎになった場合には、情報正規化部１６０に制御を
渡し、ｘ＜ｎの場合には、全ての文書ｃ_xに対して上記
の文書アクセス部１１０の以降の処理を繰り返すように
制御する。全ての文書ｃ_xの言語表現出現頻度テーブル
３２０が生成されたら、頻度情報正規化部１６０の処理
に移行する。

【００２２】頻度情報正規化部１６０は、１つの文書に
含まれる自立語の数のばらつきを考慮して、言語表現出
現頻度テーブル３２０の内容を正規化する。正規化され
た後の頻度情報ｄ’_nkは次式で求められる。

【００２３】

【数１】

【００２４】言語表現存在確率変換部１７０は、言語表
現出現頻度テーブル３２０を、言語表現ｔｋに対して正
規化し、言語表現の文書に対する存在確率ｄ”_nkに変換
し、言語表現重要度測定部１８０に出力する。存在確率
は以下の式により求められる。

【００２５】

【数２】

【００２６】言語表現重要度測定部１８０は、キーワー
ドの存在確率分布からキーワードの重要度を求める。キ
ーワードの重要度の評価基準として、言語表現の頻度分
布から求めた情報量を用いる。例えば、キーワード存在
確率分布が５つの文書に対して｛0.6 0.1 0.1 0.1 0.1
｝の場合と、｛0.2 0.2 0.2 0.2 0.2 ｝の場合では、
前者の頻度分布を持つキーワードの方が、ある特定の文
書のみ存在するので、特異的に検索できるキーワードと
言える。このように言語表現を検索キーワードとして用
いた場合の重要度として、言語表現の頻度の確率分布か
ら求めたエントロピーを用いる。言語表現ｔi の文書に
対する頻度を１次元配列Ｖ_iとして取り出すと、Ｖ_i＝｛ｄ”_1i ｄ”_2i … ｄ”_ni｝上記の配列Ｖ_iの要素のうち、頻度情報ｄ”＝０である
要素を取り除いた頻度情報の集合をＶ’_iとする。

【００２７】Ｖ’_i＝｛ｘ_i≠０｜Ｖ_i∋ｘ_i｝頻度情報の集合Ｖ’_iの重要度ｗ（Ｖ’_i）は次式で定
義する。ｗ（Ｖ’_i）＝１−ｈ（Ｖ’_i）ここで、ｈ（Ｖ_i）は、相対エントロピーに相当するも
のであり、次のように定義される。

【００２８】

【数３】

【００２９】Ｈ（Ｖ’_i）はエントロピーに相当し、次
式で定義される。

【００３０】

【数４】

【００３１】Ｈ（Ｖ’_i）の値は、頻度情報の確率分布
ｄがばらついているほど高くなり、集中しているほど低
くなるので、言語表現ｔ_iの重要度ｗ（Ｖ’_i）は、言
語表現キーワードとして用いた場合の、検索の特異性の
指標となる。上記のようにして生成された重要度は、図
６に示すように言語表現と対応付けられて言語表現重要
度テーブル３３０に設定される。

【００３２】図７は、本発明の一実施例のキーワード重
要度評価の動作のフローチャートである。ステップ１０１）最初に文書アクセス部１１０が日本
語文書蓄積装置３１０にアクセスして、文書を取り出
す。

【００３３】ステップ１０２）分かち書き処理部１２
０が単語辞書（図示せず）を参照して、取り出された文
書を形態素解析処理により文書を単語に分割し、品詞を
付与する。ステップ１０３）形態素解析により、分割された各単
語には品詞が付与されているので、言語表現抽出部１３
０は、単語の品詞を参照して動詞、形容詞、形容動詞を
抽出する。つまり、キーワードとなり得る単語を抽出す
る。

【００３４】ステップ１０４）言語表現頻度テーブル
作成部１４０が文書に対して、言語表現が出現した頻度
をカウントし、その結果を文書毎に言語表現出現頻度テ
ーブル３２０に設定する。ステップ１０５）上記のステップ１０１からステップ
１０４の処理が、すべての文書に対して終了しているか
を判定し、終了している場合には、ステップ１０６に移
行し、終了していない場合には、ステップ１０１の処理
に移行する。

【００３５】ステップ１０６）頻度情報正規化部１６
０は、言語表現出現頻度テーブル３２０のばらつきにつ
いて正規化する。ステップ１０７）言語表現存在確率変換部１７０がス
テップ１０６で正規化された言語表現頻度テーブル３２
０の言語表現の文書に対する存在確率に変換する。

【００３６】ステップ１０８）キーワードの存在確率
分布から言語表現について、キーワードの重要度を求め
る。ステップ１０９）全ての言語表現について終了してい
るかを判断し、終了している場合には、ステップ１１０
に移行し、終了していない場合には、ステップ１０７に
移行する。

【００３７】ステップ１１０）上記により求められた
全ての言語表現をキーワードとして用いた場合の重要度
を、言語表現重要度テーブル３３０に設定する。次に、この言語表現重要度テーブル３３０を用いたキー
ワード検索について説明する。

【００３８】図８は、本発明の一実施例のキーワード検
索装置の構成を示す。図３、図４と同一構成部分には、
同一符号を付し、その説明を省略する。同図に示すキー
ワード検索装置は、検索要求入力部２１０、言語表現重
要度判定部２２０、キーワード検索部２３０、検索終了
判定部２４０、検索結果表示部２５０より構成される。

【００３９】検索要求入力部２１０は、ユーザ検索要求
として１つ以上のキーワードと、検索される文書の上限
値も入力される。入力されるキーワードは、Ｋ＝｛ｋ₁，ｋ₂，…，ｋ_i｝とする。

【００４０】言語表現重要度判定部２２０は、入力され
たキーワードｋ_xで、前述のキーワード重要度評価装置
１００で生成された言語表現重要度テーブル３３０を検
索する。検索した結果、各キーワードｋ_xに重要度が付
与される。ここで、言語表現重要度テーブル３３０中の
言語表現ｔ_k中に見つからないキーワードの重要度は−
１とする。なお、重要度が付加されたキーワードを優先
順位の高い順に並べ変えておいてもよい。重要度が付加
されたキーワードは、Ｋ＝｛（ｔ_xｗ_x）（ｋ_yｗ_y）…（ｋ_zｗ_z）｝で表される。

【００４１】キーワード検索部２３０は、重要度の高い
キーワードから順に検索用日本語文書蓄積装置３５０の
情報の検索を行う。ここで用いる手法として一般の全文
検索、もしくは、文書に付与されたキーワードのみに注
目する検索の手法が利用できる。キーワード検索部２３
０は、検索文書の上限値が２となっている場合には、あ
るキーワードで検索される文書が３つあっても２つのみ
が検索結果として取得される。また、重要度の所定の値
を予め決定しておき、当該値以下となる重要度を有する
キーワードの検索は行わないようにすることも可能であ
る。

【００４２】検索終了判定部２４０は、ある重要度以上
で検索された文書数が上限Ｌを越えているか否かの判定
を行い、当該上限Ｌを越えた時点で、検索を終了するよ
うに制御する。検索結果表示部２５０は、検索された文
書を表示する。

【００４３】図９は、本発明の一実施例の文書検索動作
のフローチャートである。ステップ２０１）ユーザが複数のキーワードと検索文
書数の上限の件数を入力する。ステップ２０２）言語表現重要度判定部２２０は、入
力キーワードで言語表現重要度テーブル３３０を検索す
る。

【００４４】ステップ２０３）検索の結果、入力キー
ワードに対応する言語表現が言語表現重要度テーブル３
３０内に存在する場合には、ステップ２０４に移行し、
存在しない場合にはステップ２０５に移行する。ステップ２０４）入力キーワードに取得した重要度を
付与し、ステップ２０６に移行する。

【００４５】ステップ２０５）入力キーワードの重要
度を−１とする。ステップ２０６）入力キーワードに付与された重要度
の順にキーワードを取り出す。ステップ２０７）取り出されたキーワードの重要度が
所定の値以上の重要度であるかを判定し、所定の値以下
の場合には、検索処理を行わず、ステップ２０１に移行
する。即ち、キーワードは、優先順位で取り出されてい
るため、当該キーワード以降のキーワードは当該キーワ
ードよりさらに優先度が低いため、ユーザに次のキーワ
ードの入力を促す。このとき、入力されたキーワードで
検索できない旨をメッセージ表示してもよい。

【００４６】ステップ２０８）キーワード検索部２３
０は、取り出されたキーワードの重要度が所定の値以上
である場合には、検索用日本語文書蓄積装置３５０を当
該キーワードで検索する。ステップ２０９）文書が１つ検索される毎に文書数を
インクリメントする。

【００４７】ステップ２１０）検索された文書数が所
定の文書数の上限値Ｌ以上となった場合、または、全検
索文書を取得した場合（所定文書数未設定の場合）に
は、ステップ２１１に移行し、そうでない場合には、ス
テップ２０８に移行する。ステップ２１１）検索されたＬ件の文書を表示する。

【００４８】次に、上記の動作を具体例を示して説明す
る。実際にテキストを解析すると、多くの自立語が抽出
されるが、説明のため以下の説明では、｛マルチメディアパソコン携帯電話テレビ会議
ケーブルテレビビデオ｝の６つの言語表現に限定し、日本語文書蓄積装置３１０
には５つの文書が蓄積されているものとする。

【００４９】（１）まず、キーワード重要度評価装置
１００の文書アクセス部１１０は、、日本語文書蓄積装
置３１０に格納されている文書１をアクセスし、分かち
書き処理部１２０に出力する。（２）分かち書き処理部１２０は、文書１のテキスト
を形態素解析することにより単語に分割し、品詞を付与
し、リスト形式で出力する。例えば、次の文を分かち書
き処理部１２０で処理してみる。

【００５０】『インターネットは、これまでの歴史中で
進化を遂げてきた。』を入力すると、 “（インターネットはこれまでの歴史の中
で進化を遂げてきた。）” のように分かち書きされ、名詞、動詞、形容詞等には、
品詞が与えられ、活用する動詞・形容詞は以下のように
終止形に変換される。 “（インターネット／名詞・はこれ／名詞までの
歴史／名詞の中／名詞で進化／名詞を遂げ
る／動詞てくる／動詞た）” （３）言語表現頻抽出部１３０では、言語表現として
名詞・動詞・形容詞を抽出する。上記例において自立語
リストは以下のようになる。

【００５１】（インターネットこれ歴史中進化
遂げるくる）（４）言語表現頻度テーブル作成部１４０は、文書中
に存在する言語表現の頻度を計測する。計測した頻度
は、図１０に示すように、言語表現出現頻度テーブル３
２０に格納される。同図の例では、文書１には、言語表
現「マルチメディア」が１０個、「パソコン」は４個と
いう頻度で存在していることを意味する。

【００５２】（５）頻度計測終了判定部１５０は、こ
の文書アクセス部１１０から言語表現頻度テーブル作成
部１４０までの処理を日本語文書蓄積装置３１０の全て
の文書に対して繰り返す。本例では、５つの文書に対し
て繰り返し行ったところ、図１０に示す言語表現出現頻
度テーブル３２０が作成される。

【００５３】（６）頻度情報正規化部１６０では、文
書１つ１つの長さを考慮するために、１つの文書中に含
まれていた自立語の総数によって正規化する。図１０の
文書１中の「マルチメディア」の頻度ｄ’₁₁は、次のよ
うになる。

【００５４】

【数５】

【００５５】これにより、図１０の言語表現出現頻度テ
ーブルの内容は、図１１に示すように、各文書の長さを
考慮して頻度を正規化される。（７）次に、言語表現存在確率変換部１７０は言語表
現出現頻度テーブル３２０を言語表現に対してさらに正
規化し、言語表現の文書に対する存在確率ｄ”に変換す
る。

【００５６】

【数６】

【００５７】これにより、図１１の言語表現出現頻度テ
ーブルの内容は図１２に示すように、言語表現の文書に
対する頻度の確率分布が求められる。（８）言語表現重要度測定部１８０は、言語表現出現
頻度テーブル３２０より情報量を計算し、言語表現重要
度テーブル３３０を作成する。言語表現「携帯電話」の
文書に対する頻度を１次元配列Ｖ₃として取り出すと、Ｖ₃＝｛0.00 0.12 0.00 0.88 0.00｝Ｖ₃の要素のうち、頻度情報が０である要素を取り除い
た集合をＶ’₃とする。

【００５８】Ｖ₃＝｛0.12 0.88 ｝頻度情報の集合Ｖ’₃の重要度ｗ（Ｖ’₃）を求める
と、次のようになる。

【００５９】

【数７】

【００６０】この言語表現の重要度ｗｊを全てのｊにつ
いて求めると、図１３に示すような言語表現重要度テー
ブル３５０が生成される。（９）次に、この言語表現重要度テーブル３５０を用
いたキーワード検索装置２００の動作について説明す
る。

【００６１】ユーザ検索要求入力部２１０には、ユーザ
からの検索要求として、｛マルチメディア携帯電話｝が入力され、検索文数の
上限値Ｌ＝２とする。（１０）入力されたキーワードは、言語表現重要度判
定部２２０に入力され、以下のように、キーワードの重
要度ｗが付加される。

【００６２】｛（マルチメディア 0.08）（携帯電話
0.48）｝（１１）キーワード検索部２３０は、重要度の高いキ
ーワードから検索を行う。例として、日本語文書蓄積装
置３１０と同じデータベースである検索用日本語文書蓄
積装置３５０を全文検索すると、「携帯電話」が存在す
る文は２つあり、検索終了判定部２４０において、文書
上限値Ｌ＝２に達したので、検索を終了し、検索結果表
示部２５０で表示される。

【００６３】この例では、言語表現「マルチメディア」
を検索することによって、文書１から文書５まで全て検
索されてしまうことになるが、優先度を付与することに
より、このような無駄な検索を避けることができる。ま
た、検索要求文として、｛マルチメディアパソコン｝が入力された例では、どちらのキーワードによっても全
ての文が検索されてしまう。この場合も重要度を評価す
ると、｛（マルチメディア 0.08）（パソコン 0.18）｝となるが、重要度がある閾値（この例では、0.2 ）より
低い場合は、警告をユーザに出力して、キーワードを拒
絶し、無駄な検索処理を避けることが可能となる。

【００６４】なお、本発明は、上記の実施例に限定され
ることなく、特許請求の範囲内で種々変更・応用が可能
である。

【００６５】

【発明の効果】上述のように、本発明の情報検索方法及
び装置によれば、予め日本語蓄積装置中の文書から、文
書毎に自立語を抽出し、頻度を計測し、情報量に基づい
て言語表現重要度テーブルを作成しておくことにより、
複数のキーワードが入力された場合、キーワード検索の
優先付けが可能となり、必要以上に検索処理が実行され
ることを避けることができる。

【図面の簡単な説明】

【図１】本発明の原理を説明するための図である。

【図２】本発明の原理構成図である。

【図３】本発明の一実施例のシステム構成図である。

【図４】本発明の一実施例のキーワード重要度評価装置
の構成図である。

【図５】本発明の一実施例の言語表現出現頻度テーブル
の例を示す図である。

【図６】本発明の一実施例の言語表現重要度テーブルの
例を示す図である。

【図７】本発明の一実施例のキーワード重要度評価の動
作のフローチャートである。

【図８】本発明の一実施例のキーワード検索装置の構成
図である。

【図９】本発明の一実施例の文書検索動作のフローチャ
ートである。

【図１０】本発明の一実施例の言語表現出現頻度テーブ
ルの言語表現の各文書における頻度表である。

【図１１】本発明の一実施例の言語表現出現頻度テーブ
ルの頻度を各文書の長さを考慮して正規化した表であ
る。

【図１２】本発明の一実施例の言語表現出現頻度テーブ
ルの言語表現の文書に対する頻度の確率分布を示す図で
ある。

【図１３】本発明の一実施例の言語表現重要度テーブル
の一例を示す図である。

【符号の説明】

１００キーワード重要度評価装置、評価手段１１０文書アクセス部１２０分かち書き処理部１３０言語表現抽出部、言語表現抽出手段１４０言語表現頻度テーブル作成部、出現頻度分布解
析手段１５０頻度計測終了判定部１６０頻度情報正規化部、出現頻度確率分布算出手段１７０言語表現存在確率変換部、重要度評価手段１８０言語表現重要度測定部、言語表現重要度判定手
段２００キーワード検索装置、検索手段２１０検索要求入力部２２０言語表現重要度判定部２３０キーワード検索部２４０検索終了判定部２５０検索結果表示部３１０日本語文書蓄積装置３２０言語表現出現頻度テーブル３３０言語表現重要度テーブル３５０検索用日本語文書蓄積装置

Claims

【特許請求の範囲】

【請求項１】日本語文書データベースの検索を始める
前に、利用者から入力されたキーワードの優先度を評価
し、前記キーワードに付与されている優先度に基づいて前記
日本語文書データベースを検索することを特徴とする情
報検索方法。
【請求項２】前記キーワードの優先度を評価する際
に、キーワードになりうる言語表現について、予め言語表現
に対応して設定されている重要度のテーブルを参照する
請求項１記載の情報検索方法。
【請求項３】前記日本語文書データベースを検索する
際に、あるキーワードについて所定の文書数が検索された時点
で、検索を終了する請求項１記載の情報検索方法。
【請求項４】前記日本語文書データベースを検索する
際に、所定の閾値より低い優先度が付与されているキーワード
を棄却する請求項１記載の情報検索方法。
【請求項５】日本語文書データベースの検索を始める
前に、利用者から入力されたキーワードの優先度を評価
する評価手段と、前記評価手段の評価結果に基づいて前記日本語文書デー
タベースの検索を行う検索手段とを有することを特徴と
する情報検索装置。
【請求項６】前記評価手段は、前記日本語文書データベースにアクセスし、文書毎に分
かち書きを行い、名詞・動詞・形容詞といった言語表現
を抽出する言語表現抽出手段と、前記言語表現の頻度を文書毎に求める出現頻度分布解析
手段と、前記言語表現の出現頻度分布を文書の１文１文の長さを
考慮して、出現頻度確率分布に変換する出現頻度確率分
布算出手段と、前記出現頻度分布から頻度のばらつきに基づいて、前記
言語表現の重要度を評価する重要度評価手段と、ユーザから入力された１つ以上の検索キーワードの重要
度を評価し、重要度の大きさによってキーワード検索の
優先度を判定する言語表現重要度判定手段とを含む請求
項５記載の情報検索装置。
【請求項７】前記検索手段は、前記評価手段において取得した優先度を参照して該優先
度の高いキーワードの順に前記日本語文書データベース
を検索する手段を有する請求項５記載の情報検索装置。
【請求項８】前記検索手段は、検索された文書が所定の数に達した時に検索を中断する
中断手段を含む請求項５記載の情報検索装置。
【請求項９】前記検索手段は、キーワードに付与されている前記優先度が所定の閾値よ
り低い場合に、該キーワードを棄却する棄却手段を含む
請求項５記載の情報検索装置。