JPH08329104A - 文書管理装置 - Google Patents

Abstract

(57)【要約】 【目的】 文字成分表における３文字以上の文字列エン
トリの選択及び柔軟な文字成分表の構成を可能とする手
法を提案し、効率的な文書管理を行う。 【構成】 文書登録手段２は、文書データベース９に登
録文書１の登録操作を行う。該文書データベース９に
は、文書本文データ８と文字成分表７と文字成分表定義
６とが含まれる。文字成分表７は、登録文書１に含まれ
る定義されたエントリ文字列の存在の有無を文書ごとに
記録した表である。文書登録手段２は、登録文書１を保
存するとともに、該登録文書１に含まれる前記エントリ
を前記文字成分表７に登録し記録する。文書検索手段４
は、前記文字成分表７を用いて検索条件３に該当する文
書５を高速に探し出す。文字成分表定義６により文字成
分表７のエントリ構成を変更可能で、さらに、基本エン
トリ、３文字以上の拡張エントリを効率的な処理を可能
とするように定義する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書管理装置に関し、
より詳細には、文字成分表を利用し、全文書に対して文
字列を検索する文書管理装置に関するもので、例えば、
文書管理システムや画像管理システム、データベース管
理システム等に適用し得るものである。

【０００２】

【従来の技術】従来の文書管理装置について記載した公
知文献としては、例えば、特開平５−３２４７２２号公
報がある。この公報のものは、文書登録処理において、
登録する文書を文書データに登録するとともに、文書デ
ータよりエントリする文字成分を抽出して文字成分表と
して登録する。この文字成分表は、文字成分が文書中に
存在するか否かを示す１文字成分表及び隣接する文字か
ら抽出したあるビット列が文書中に存在するか否かを示
す隣接文字成分表から成り、入力部に入力された検索文
字列は、エントリを抽出するために処理され、文書検索
処理部において、データ部の前記文字成分表を利用して
検索文字列中のエントリを含む文書を検索する。すなわ
ち、文書ごとに出現した文字を記録した文字成分表を用
いて文書を高速に検索するシステムである。

【０００３】この従来例においてもいえるが、検索文字
列（検索語）から抽出されるエントリが少ないほど検索
は高速化されるので、一つのエントリに対応する文字列
を長くすれば検索は高速化できる。しかし、一つのエン
トリに対応する文字列を長くすると、エントリの異なり
数が増大し、文字成分表が大きくなってしまうという問
題点がある。これに対処すべく、文字および二文字の文
字列の出現を文字成分表にすべて記録し、さらに三文字
以上の文字列について予め装置のシステムに登録してお
いたもののみとすることが考えられているが、文字成分
表の構成が固定的であるために多様な文書やユーザの要
求に対応できなかった。

【０００４】

【発明が解決しようとする課題】本発明は、このような
従来における問題点を解決しようとするもので、その目
的は、１文字のエントリに付加されるエントリで検索性
能に大きく影響する長い文字列のエントリをより効率的
な長さにし、また検索性能を向上させる文字列の選択手
法、さらに、より柔軟な文字成分表の構成を可能とする
手法を提案することにある。

【０００５】

【課題を解決するための手段】本発明は、上記課題を解
決するために、（１）登録文書を保存するとともに、該
文書に含まれる１文字以上の文字列から決定されるエン
トリ文字成分の出現を文書ごとに抽出した結果を、文字
成分表というテーブルに登録し記録する文書登録手段
と、前記文字成分表を用いて検索条件に該当する文書を
高速に捜し出す文書検索手段を有する文書管理装置にお
いて、前記エントリとしてｎ（ｎ＞１）文字以上ｍ（ｍ
＞ｎ）文字以下の文字列から決定される文字成分（「基
本エントリ」と呼ぶ）を用いること、或いは、（２）前
記文書検索手段において、検索条件をなす文字列から抽
出された複数のエントリとして他のエントリによって存
在が保障される別のエントリ（「冗長エントリ」と呼
ぶ）を用いないこと、或いは、（３）前記成分表におい
てｍ＋１文字以上の辞書（「拡張エントリ辞書」と呼
ぶ）に登録された文字列から決定されるエントリ（「拡
張エントリ」と呼ぶ）を基本エントリとともに用いるこ
と、或いは、（４）前記（３）において、前記文書検索
手段において、検索条件をなす文字列から抽出された複
数のエントリとして他のエントリによって存在が保障さ
れる別の冗長エントリを用いないこと、或いは、（５）
前記（３）において、拡張エントリ辞書に前記拡張エン
トリ辞書において調査対象における文字列の使用頻度を
計数し、その計数結果に基づいて決定した文字列によっ
て構成される拡張エントリ辞書を用いること、或いは、
（６）前記（５）において、前記拡張エントリ辞書のた
めの文字列の使用頻度計数は前記拡張エントリ辞書のた
めの文字列の使用頻度計数において、調査対象中に存在
するｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さの全ての文
字列の頻度を、部分的に重複するものも含めて数えるこ
と、或いは、（７）前記（５）において、前記拡張エン
トリ辞書のための文字列の使用頻度計数は、前記拡張エ
ントリ辞書のための文字列の使用頻度計数において、調
査対象中に存在する同一文字種から構成されるｍ＋１以
上ｐ（ｐ＞ｍ＋１）以下の長さの全ての文字列の頻度
を、部分的に重複するものも含めて数えること、或い
は、（８）前記（５）において、前記拡張エントリ辞書
のための文字列の使用頻度計数は、前記拡張エントリ辞
書のための文字列の使用頻度計数において、調査対象を
単語に分割し、ｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さ
の全ての単語の頻度を数えること、或いは、（９）前記
（５）において、前記拡張エントリ辞書のための文字列
の決定は、前記拡張エントリ辞書のための文字列の使用
頻度計数において、調査対象を単語に分割し、ｍ＋１以
上ｐ（ｐ＞ｍ＋１）以下の長さの全ての単語の頻度を数
え、頻度が１以上の全て文字列について、その文字列が
他文字列に包含される場合、後者の頻度を前者の頻度に
加算すること、或いは、（１０）前記（５）において、
前記拡張エントリ辞書のための文字列の決定は、前記拡
張エントリ辞書のための文字列の決定において、頻度の
大きい順に並び替えた文字列の上位Ｄ個選択すること、
或いは、（１１）前記（５）において、前記拡張エント
リ辞書のための文字列の決定は、前記拡張エントリ辞書
のための文字列の決定において、頻度と、文字列長ある
いはそれから算出される値との積の大きい順に並び替え
た文字列の上位Ｄ個選択することを特徴とする手段を有
するものである。

【０００６】

【作用】本発明の文書管理装置は、（１）文書登録手段
により登録文書を保存するとともに、該登録文書に含ま
れる１文字以上の文字列から決定される文字成分表のエ
ントリの出現を文書ごとに抽出した結果を文字成分表と
いうテーブルに登録し記録し、この文字成分表を用いて
検索条件に該当する文書を文書検索手段により高速に探
し出すが、前記文字成分表のエントリの決定をエントリ
文字列の長さを所定の長さに指定し、このようにして構
成される基本エントリを用いるとしているので、より柔
軟に文書に適合した文書成分表を構成できる。（２）ま
た、上記（１）において、冗長エントリを用いないの
で、検索をより高速化できる。

【０００７】（３）また、上記（１）において基本エン
トリより長い文字列をなし、かつ、拡張エントリ辞書に
より決まる拡張エントリを基本エントリとともに用いる
ことにより、検索をより高速化できる。 （４）また、上記（３）において、冗長エントリを用い
ないので、検索をより高速化できる。

【０００８】（５）また、上記（３）において、拡張エ
ントリ辞書が調査対象における文字列の使用頻度を計数
し、その結果によって決まる文字列によって作成される
ので、該辞書の作成が自動化できる。 （６）また、上記（５）において、前記使用頻度計数を
調査対象中に存在する基本エントリの文字列より長い所
定の長さまでの全ての文字列の頻度を部分的に重複する
ものをも含めて数えるという単純な計数手順としたので
計数が簡単に行える。 （７）また、上記（５）において、前記使用頻度計数を
調査対象中に存在する同一文字種から構成される文字列
で基本エントリの文字列より長い所定の長さまでの全て
の文字列の頻度を部分的に重複するものをも含めて数え
るとし、計数において文字種を考慮するので、検索に有
効な文字列の頻度を計数でき、効率的な拡張エントリ辞
書が作成できる。 （８）また、上記（５）において、前記使用頻度計数を
調電対象を単語に分割し、基本エントリの文字列の長さ
より大きい所定の長さまでの全ての単語の頻度を数える
とし計数において単語境界を考慮するので、検索に有効
な文字列の頻度を計数でき、効率的な拡張エントリ辞書
が作成できる。 （９）また、上記（５）において、前記使用頻度計数を
調査対象を単語に分割し、基本エントリの文字列の長さ
より大きい所定の長さまでの全ての単語の頻度を数え、
頻度が１以上の全ての文字列についてその文字列が他文
字列に包含される場合、後者の頻度を前者の頻度に加算
するとし、文字列の使用頻度の計数において複合語の構
成語を考慮するので、検索に有効な文字列の頻度を計数
でき、効率的な拡張エントリ辞書が作成できる。

【０００９】（１０）また、上記（５）において、前記
拡張エントリ辞書のための文字列の決定を頻度の大きい
順に並び替えた文字列の上位の所定個とするという単純
な決定の手順としたので、文字列決定が簡単である。 （１１）また、上記（５）において、前記拡張エントリ
辞書のための文字列の決定を頻度と文字列長あるいはそ
れから算出される値との積の大きい順に並び替えた文字
列の上位の所定化とし、辞書文字列の決定において文字
列長を考慮するので、効率的な拡張エントリ辞書が作成
できる。

【００１０】

【実施例】実施例について、図面を参照して以下に説明
する。図１は、本発明による文書管理装置の一実施例を
説明するための構成の概要を示す図で、図中、１は登録
文書、２は文書登録手段、３は検索条件、４は文書検索
手段、５は該当文書である。また、９は文書データベー
スで、６の文字成分表定義、７の文字成分表、８の文書
本文データを含み、これらのデータの保管管理をする。
文書登録手段２は、登録文書１を保存するとともに、該
登録文書１に含まれる文字を文字成分表定義６のエント
リ指定に従って文字成分表７に登録し記録する。ここ
に、文字成分表定義６とは、登録文書１あるいは検索文
字列（検索語）が検索条件３として与えられた際に抽出
すべきエントリを定義するものである。文書検索手段４
は、前記文字成分表７を用いて検索条件３に該当する文
書５を探し出し特定されたその文書集合を検索結果とす
る。

【００１１】上記したところをより具体的に説明する
と、文字成分表７は、登録文書１ごとに、その文書に含
まれるｎ（ｎ＞１）文字以上の文字列の出現を記録する
二次元の表である。文字成分表７の一つの次元は、文書
を特定するための文書番号が対応する。もう一つの次元
は、文字成分表定義６から決定されるエントリに対応す
るエントリ番号が対応する。文書登録時には、文字成分
表を文書番号方向に拡張し、文書から抽出された複数の
エントリに対応する各点に“１”をセットする。図２に
文字成分表への文書登録の様子を示す。ここでは、登録
文書の文書番号をｄ、文書から抽出したエントリのエン
トリ番号を｛０，３，４…｝としている。そこで、文字
成分表上の（ｄ，０），（ｄ，３），（ｄ，４）…の各
点に“１”、それ以外の（ｄ，１），（ｄ，２），…の
各点に“０”をセットしている。文書検索時には、検索
文字列を含む文書を特定するため、検索文字列から抽出
した全てのエントリが“１”にセットされている文書を
求める。図３に文字成分表による文書検索を様子を示
す。ここでは、検索文字列から抽出したエントリのエン
トリ番号を｛０，３，４｝（図の太字）としており、検
索結果（文書番号の集合）は｛２，…ｄ｝（図の太字）
となる。

【００１２】上記したように、本発明の文字成分表を用
いた文書管理装置では、登録時には登録文書の文字列か
ら、検索時には検索文字列から文字成分表定義６にした
がってエントリ抽出しなければならない。以下で、文字
列からのエントリの抽出において、本発明が目的とする
より効率的な長さで検索性能を向上させる手法について
説明する。本発明の文字成分表には、ｎ（ｎ＞１）文字
以上ｍ（ｍ＞ｎ）文字以下の文字列から決定される「基
本エントリ」と、ｍ＋１文字以上の辞書に登録された文
字列から決定される「拡張エントリ」の二種類のエント
リがある。ただし、基本エントリのみから文字成分表を
構成しても良い。

【００１３】「基本エントリ」の抽出 まず、基本エントリの抽出手法を説明する。ｌ（ｎ＜ｌ
＜ｍ）文字の文字列に対応する基本エントリはＩ個の文
字コードを入力とする関数ｆｉ（）によって計算する。
ｌ文字から算出されるエントリを「ｌ次エントリ」と呼
ぶ。特に、１文字から算出されるエントリを「単一文字
エントリ」、２文字から算出されるエントリを「隣接文
字エントリ」と呼ぶこともある。Ｎ文字の文字列（実際
には、登録文書あるいは検索文字列が相当する）から抽
出される基本エントリ集合Ｅ_bはｉ番目の文字をＣ_iと表
すこととすると、つぎのようになる。 Ｅ_b＝{ｆ_l(Ｃｉ，…,Ｃｉ＋ｌ−１)｜ｎ＜ｌ＜ｍ，１＜ｉ＜(Ｎ−ｌ＋１)｝ （１） なお、同一のエントリが複数回抽出された場合、重複す
るエントリは一つにまとめる。文字成分表の一例とし
て、ｎ＝１，ｍ＝２、基本エントリのみから構成され、
エントリ決定関数がｆ₁（ｘ₁）＝９４＊（ｘ₁／２５６
−３３）＋ｘ₁％２５６−３３、ｆ₂（ｘ₁，ｘ₂）＝６４
＊（ｘ₁％６４）＋ｘ₂％６４＋７８９６である場合を示
す。エントリ決定関数では、文字コードはＪＩＳコー
ド、演算は整数の範囲で行ない、“／”は商、“％”は
余りを計算する。

【００１４】このとき、「デジタルビデオ」という文字
列を例にとると、以下のエントリが抽出される。 ・１次エントリ（単一文字エントリ） ｆ₁（デ）＝９４＊（０ｘ２５４７／２５６−３３）＋
０ｘ２５４７％２５６−３３＝４１４ ｆ₁（ジ）＝９４＊（０ｘ２５３８／２５６−３３）＋
０ｘ２５３８％２５６−３３＝３９９ ｆ₁（タ）＝９４＊（０ｘ２５３ｆ／２５６−３３）＋
０ｘ２５３ｆ％２５６−３３＝４０６ ｆ₁（ル）＝９４＊（０ｘ２５６ｂ／２５６−３３）＋
０ｘ２５６ｂ％２５６−３３＝４５０ ｆ₁（ビ）＝９４＊（０ｘ２５５３／２５６−３３）＋
０ｘ２５５３％２５６−３３＝４２６ ｆ₁（オ）＝９４＊（０ｘ２５２ａ／２５６−３３）＋
０ｘ２５２ａ％２５６−３３＝３８５ ここで、「デ」は対象文字列の１文字目と６文字目に出
現しているが、エントリの重複は削除するので、６文字
目のｆ₁（デ）は示していない。

【００１５】・２次エントリ（隣接文字エントリ） ｆ₂（デ，ジ）＝６４＊（０ｘ２５４７／６４）＋０ｘ
２５３８％６４＋７８９６＝８４００ ｆ₂（ジ，タ）＝６４＊（０ｘ２５３８／６４）＋０ｘ
２５３ｆ％６４＋７８９６＝１１５４３ ｆ₂（タ，ル）＝６４＊（０ｘ２５３ｆ／６４）＋０ｘ
２５６ｂ％６４＋７８９６＝１１９７１ ｆ₂（ル，ビ）＝６４＊（０ｘ２５６ｂ／６４）＋０ｘ
２５５３％６４＋７８９６＝１０６５７ ｆ₂（ビ，デ）＝６４＊（０ｘ２５５３／６４）＋０ｘ
２５４７％６４＋７８９６＝９１１９ ｆ₂（デ，オ）＝６４＊（０ｘ２５４７／６４）＋０ｘ
２５２ａ％６４＋７８９６＝８３８６

【００１６】文字成分表の構成によっては、文字列から
抽出されるｐ次のあるエントリがｑ（ｑ＜ｐ）次の別の
エントリの存在を確実に示す場合がある。このような、
高次のエントリによって存在が保障される「冗長エント
リ」とよぶ低次のエントリは、検索結果の決定に有効な
働きをしない。一方、文字成分表により検索では、アク
セスするエントリ数は少ないほど検索は高速化される。
したがって、検索時にはこの冗長エントリは用いない。
冗長エントリの例を示すと、文字成分表の構成におい
て、隣接文字エントリの決定にｆ´₂（ｘ₁，ｘ₂）＝７
８９６＊ｆ₁（ｘ₁）＋ｆ₁（ｘ₂）＋７８９６という関数
を用いた場合、二文字組とエントリ番号は一対一対応が
成立する。したがって、隣接文字エントリが与えられれ
ば、その構成文字に対応する単一文字エントリが抽出さ
れることが保障される。例えば、ｆ´₂（デ，ジ）に対
し、ｆ₁（デ）とｆ₁（ジ）は冗長エントリになる。一
方、ｆ₂（デ，ジ）に対し、ｆ₁（デ）とｆ₁（ジ）は冗
長エントリにならない。これはｆ₂（デ，ジ）＝８４０
０であるが、「デジ」以外にも８４００となる二文字組
（例えば「デに」「ペジ」）があるため、ｆ₁（デ）と
ｆ₁（ジ）の存在が保障されないからである。

【００１７】「拡張エントリ」の抽出 拡張エントリは、ｍ＋１文字以上の文字列からなる適当
な拡張エントリ用辞書を用意しておき、その辞書に含ま
れる各文字列を個別のエントリとしたものである。拡張
エントリ用辞書をＤｉｃ、辞書に含まれる文字列からエ
ントリ番号を計算する関数をｇ（ ）とする。また、Ｎ
文字から成る文字列のｉ番目からｊ番目までの文字で構
成される部分文字列をｃ_i…ｃ_jとする。このとき、この
文字列から抽出される拡張エントリの集合Ｅｘは、つぎ
のようになる。 Ｅ_x＝｛ｇ（ｃ_i…ｃ_j）｜∀ｃ_i…ｃ_j∈Ｄic，１＜ｉ＜ｊ＜Ｎ｝ （２） 基本エントリと合わせると、文字列から抽出されるエン
トリ集合Ｅは、つぎのようになる。 Ｅ＝Ｅ_b∪Ｅ_x （３）

【００１８】拡張エントリを持つ文字成分表の一例とし
て、前述の基本エントリ構成に加えて、Ｄic＝｛トレ
ー、デジタル、プリン、プリント｝を拡張エントリ辞書
を持つ文字成分表を取り上げる。ここで、dic（ｘ）を
文字列ｘの拡張エントリ辞書の識別番号（０以上、拡張
エントリ辞書に含まれる文字列数引く１の範囲の値）を
返す関数とすれば、ｇ（ｘ）＝dic（ｘ）＋１１９９２
とできる。このとき、「デジタルビデオ」から抽出され
る拡張エントリは、つぎのようになる。 ・拡張エントリ ｇ（デジタル）＝dic（デジタル）＋１１９９２＝１１
９９３ 検索時に冗長エントリを除去することは、基本エントリ
のみの文字成分表の場合と同じである。ただし、基本エ
ントリのみの場合、基本エントリ同士の包含関係から冗
長エントリの判定ができたが、拡張エントリを含む場
合、拡張エントリ同士および拡張エントリと基本エント
リ間の包含関係を考慮して冗長エントリの判定を行なわ
なければならない。すなわち、他の拡張エントリに包含
される別の拡張エントリ、および抽出された拡張エント
リ文字列から抽出される基本エントリも冗長エントリと
なる。このような冗長エントリも、検索結果の決定には
有効な働きはしないので、検索時には用いない。上の例
では、拡張エントリに対応する文字列「デジタル」から
抽出されるｆ₁（デ），ｆ₁（ジ），ｆ₁（タ），ｆ
₁（ル）およびｆ₂（デ，ジ），ｆ₂（ジ，タ），ｆ
₂（タ，ル）は冗長エントリとなる。したがって、検索
時に抽出・使用されるエントリはつぎの通りである。 ・１次エントリ（単一文字エントリ） ｆ₁（ビ），ｆ₁（オ） ・２次エントリ（隣接文字エントリ） ｆ₂（ル，ビ），ｆ₂（ビ，デ），ｆ₂（デ，オ） ・拡張エントリ ｇ（デジタル）

【００１９】別の例として、文字列「プリントレーザ」
を取り上げる。登録時にこの文字列から抽出されるエン
トリは、つぎの通りである。 ・１次エントリ（単一文字エントリ） ｆ₁（プ）,ｆ₁（リ）,ｆ₁（ン）,ｆ₁（ト）,ｆ₁（レ）,
ｆ₁（ー）,ｆ₁（ザ) ・２次エントリ（隣接文字エントリ） ｆ₂(プ,リ),ｆ₂(リ,ン),ｆ₂(ン,ト),ｆ₂(ト,レ),ｆ
₂(レ,ー),ｆ₂(ー,ザ) ・拡張エントリ ｇ（プリン），ｇ（プリント），ｇ（トレー） 一方、検索時には、「プリン」は「プリント」に包含さ
れるので排除される。さらに、残った拡張エントリ「プ
リント」「トレー」に包含される基本エントリも排除さ
れる。したがって、検索時に抽出されるエントリはつぎ
の通りである。 ・１次エントリ（単一文字エントリ） ｆ₁（ザ） ・２次エントリ）（隣接文字エントリ） ｆ₂（ー，ザ） ・拡張エントリ ｇ（プリント），ｇ（トレー）

【００２０】「拡張エントリ辞書」の作成 拡張エントリを利用するためには、拡張エントリ辞書を
用意しなければならない。拡張エントリ文字列として
は、（１）使用頻度が高い、（２）長い、という条件が
望まれる。このような文字列を選択する手順はつぎのよ
うになる。 （１）調査対象の用意 調査対象は、これから登録する予定の文書、新聞記事デ
ータベース、特許データベース等である。 （２）文字列の使用頻度の計数 （３）計数結果に基づく文字列の決定

【００２１】まず、上記文字列の使用頻度の計数手順を
示す。 （１）調査対象中に存在するｍ＋１以上ｐ（ｐ＞ｍ＋
１）以下の長さの全ての文字列の頻度を、部分的に重複
するものも含めて数える。例えば、ｍ＝２，ｐ＝３と
し、調査対象を「デジタルビデオの研究開発が…」であ
るとする。この場合、「デジタ」「ジタル」「タルビ」
「ルビデ」「ビデオ」「デオの」…、および「デジタ
ル」「ジタルビ」「タルビデ」「ルビデオ」「ビデオ
の」…が文字列として抜き出され、頻度が数えられる。
上記方式では、「デオの」「ビデオの」などの文字種の
異なる文字から構成される文字列が抽出されている。し
かし、検索語は同一文字種から構成される文字列である
ことが多いので、上記方式は検索に有効でない文字列の
頻度を計測しており、無駄である。

【００２２】この問題を解決するものとして、つぎの手
順が考えられる。 （１）調査対象中に存在する同一文字種から構成される
ｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さの全ての文字列
の頻度を、部分的に重複するものも含めて数える。この
場合、「デジタ」「ジタル」「タルビ」「ルビデ」「ビ
デオ」「研究開」「究開発」…、および「デジタル」
「ジタルビ」「タルビデ」「ルビデオ」「研究開発」…
が文字列として抜き出され、頻度が数えられる。上記方
式では、「デジタ」「ジタル」など単語ではない短い文
字列の頻度が高くなる。その結果、辞書に含まれる文字
列が短くなるので高速化の効果が小さくなる。辞書に他
のエントリの冗長エントリになる文字列が多くなるので
検索に有効でない拡張エントリが増える、という問題が
発生する。

【００２３】この問題を解決するものとして、つぎの手
順が考えられる。 （１）調査対象を単語に分割する。 （２）ｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さの全ての
単語の頻度を数える。 単語に分割する方式としては、日本語形態素解析系を利
用する方法、文字種の変わり目を単語境界とする方法な
どがあり、そのいずれを用いてもよい。例えば、調査対
象「デジタルビデオの研究開発が…」が「デジタルビデ
オ｜の｜研究開発｜が｜…」（“｜”が単語境界を示
す）と解析された場合、「デジタルビデオ」「研究開
発」…が文字列として抽出される。この方式では、「デ
ジタルビデオ」のような複合語が一つの固まりとして扱
われるので、複合語の構成単語の頻度が正しくが計数さ
れないという問題がある。しかし、複合語を構成単語に
正しく分割することは、現在の技術レベルでは難しい。

【００２４】この問題を解決するものとして、つぎの手
順が考えられる。 （１）調査対象を単語に分割する。 （２）全てのｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さの
単語の頻度を数える。 （３）頻度が１以上の全て文字列について、その文字列
が他文字列に包含される場合、後者の頻度を前者の頻度
に加算する。 ステップ３について、例を用いて説明する。ステップ２
終了時点で、「デジタルビデオ」「デジタル」の頻度が
それぞれ１０，１００であったとする。このとき、「デ
ジタル」は「デジタルビデオ」に包含されるので、「デ
ジタル」の頻度は「デジタルビデオ」の頻度を加算した
１１０となる。

【００２５】つぎに、頻度計測後の文字列の選択法を説
明する。 （１）頻度の大きい順に文字列を並び替える。 （２）上位Ｄ個選択する。 この方式は単純だが、文字列長が考慮されていない。そ
こで、つぎのようにすれば文字列長も考慮され、検索に
効果的な文字列が選択できる。 （１）頻度と、文字列長あるいはそれから算出される値
との積の大きい順に文字列を並び替える。 （２）上位Ｄ個選択する。

【００２６】

【発明の効果】以上の説明から明らかなように、本発明
によって以下の効果がもたらされる。 （１）請求項１の文書管理装置では、文字成分表が、ｎ
（ｎ＞１）文字以上ｍ（ｍ＞ｎ）文字以下の文字列から
決定される基本エントリのみで構成されているので、エ
ントリ抽出のための辞書が不要であり、文字成分表の構
成を簡単にできる。 （２）請求項２の文書管理装置では、検索時に冗長エン
トリを用いないので、検索が高速化できる。 （３）請求項３の文書管理装置では、ｍ＋１文字以上の
文字列から決定される拡張エントリも用いるので、検索
が高速化できる。 （４）請求項４の文書管理装置では、拡張エントリを用
いた文字成分表において、検索時に冗長エントリを用い
ないので、検索がさらに高速化できる。 （５）請求項５の文書管理装置では、文字列の使用頻度
に基づいて拡張エントリ辞書を作成できるので、拡張エ
ントリ作成が自動化できる。 （６）請求項６の文書管理装置では、文字列の使用頻度
の計数手順が単純なので、頻度計数が簡単である。 （７）請求項７の文書管理装置では、文字列の使用頻度
の計数において文字種を考慮するので、検索に有効な文
字列の頻度を計数でき、効率的な拡張エントリ辞書が作
成できる。 （８）請求項８の文書管理装置では、文字列の使用頻度
の計数において単語境界を考慮するので、検索に有効な
文字列の頻度を計数でき、効率的な拡張エントリ辞書が
作成できる。 （９）請求項９の文書管理装置では、文字列の使用頻度
の計数において複合語の構成語を考慮するので、検索に
有効な文字列の頻度を計数でき、効率的な拡張エントリ
辞書が作成できる。 （10）請求項１０の文書管理装置では、辞書文字列の決
定手順が単純なので、文字列決定が簡単である。 （11）請求項１１の文書管理装置では、辞書文字列の決
定において文字列長を考慮するので、効率的な拡張エン
トリ辞書が作成できる。

【図面の簡単な説明】

【図１】 本発明による文書管理装置の一実施例を説明
するための構成の概要を示す図である。

【図２】 本発明における文字成分表の実施例を説明す
る図である。

【図３】 本発明における文字成分表による文書検索の
実施例を説明する図である。

【符号の説明】

１…登録文書、２…文書登録手段、３…検索条件、４…
文書検索手段、５…該当文書、６…文字成分表定義、７
…文字成分表、８…文書本文データ、９…文書データベ
ース。

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成７年７月２５日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】請求項１

【補正方法】変更

【補正内容】

【手続補正２】

【補正対象書類名】明細書

【補正対象項目名】０００４

【補正方法】変更

【補正内容】

【０００４】

【発明が解決しようとする課題】本発明は、このような
従来における問題点を解決しようとするもので、その目
的は、文字成分表の構成をより柔軟なものにし、さらに
検索性能向上に大きく影響する長い文字列に関する性能
向上の程度の大きい文字列の選択手法を提案することに
ある。

【手続補正３】

【補正対象書類名】明細書

【補正対象項目名】０００５

【補正方法】変更

【補正内容】

【０００５】

【課題を解決するための手段】本発明は、上記課題を解
決するために、（１）登録文書を保存するとともに、該
文書に含まれる１文字以上の文字列から決定される文字
成分表エントリの出現を文書ごとに抽出した結果を、文
字成分表というテーブルに登録し記録する文書登録手段
と、前記文字成分表を用いて検索条件に該当する文書を
高速に捜し出す文書検索手段を有する文書管理装置にお
いて、前記エントリとしてｎ（ｎ＞１）文字以上ｍ（ｍ
＞ｎ）文字以下の文字列から決定される文字成分（「基
本エントリ」と呼ぶ）を用いること、或いは、（２）前
記文書検索手段において、検索条件をなす文字列から抽
出された複数のエントリとして他のエントリによって存
在が保障される別のエントリ（「冗長エントリ」と呼
ぶ）を用いないこと、或いは、（３）前記成分表におい
てｍ＋１文字以上の辞書（「拡張エントリ辞書」と呼
ぶ）に登録された文字列から決定されるエントリ（「拡
張エントリ」と呼ぶ）を基本エントリとともに用いるこ
と、或いは、（４）前記（３）において、前記文書検索
手段において、検索条件をなす文字列から抽出する複数
のエントリとして他のエントリによって存在が保障され
る別の冗長エントリを用いないこと、或いは、（５）前
記（３）において、拡張エントリ辞書に前記拡張エント
リ辞書において調査対象における文字列の使用頻度を計
数し、その計数結果に基づいて決定した文字列によって
構成される拡張エントリ辞書を用いること、或いは、
（６）前記（５）において、前記拡張エントリ辞書のた
めの文字列の使用頻度計数は前記拡張エントリ辞書のた
めの文字列の使用頻度計数において、調査対象中に存在
するｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さの全ての文
字列の頻度を、部分的に重複するものも含めて数えるこ
と、或いは、（７）前記（５）において、前記拡張エン
トリ辞書のための文字列の使用頻度計数は、前記拡張エ
ントリ辞書のための文字列の使用頻度計数において、調
査対象中に存在する同一文字種から構成されるｍ＋１以
上ｐ（ｐ＞ｍ＋１）以下の長さの全ての文字列の頻度
を、部分的に重複するものも含めて数えること、或い
は、（８）前記（５）において、前記拡張エントリ辞書
のための文字列の使用頻度計数は、前記拡張エントリ辞
書のための文字列の使用頻度計数において、調査対象を
単語に分割し、ｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長さ
の全ての単語の頻度を数えること、或いは、（９）前記
（５）において、前記拡張エントリ辞書のための文字列
の決定は、前記拡張エントリ辞書のための文字列の使用
頻度計数において、調査対象を単語に分割し、ｍ＋１以
上ｐ（ｐ＞ｍ＋１）以下の長さの全ての単語の頻度を数
え、頻度が１以上の全て文字列について、その文字列が
他文字列に包含される場合、後者の頻度を前者の頻度に
加算すること、或いは、（１０）前記（５）において、
前記拡張エントリ辞書のための文字列の決定は、前記拡
張エントリ辞書のための文字列の決定において、頻度の
大きい順に並び替えた文字列の上位Ｄ個選択すること、
或いは、（１１）前記（５）において、前記拡張エント
リ辞書のための文字列の決定は、前記拡張エントリ辞書
のための文字列の決定において、頻度と、文字列長ある
いはそれから算出される値との積の大きい順に並び替え
た文字列の上位Ｄ個選択することを特徴とする手段を有
するものである。

【手続補正４】

【補正対象書類名】明細書

【補正対象項目名】０００６

【補正方法】変更

【補正内容】

【０００６】

【作用】本発明の文書管理装置は、（１）文書登録手段
により登録文書を保存するとともに、該登録文書に含ま
れる１文字以上の文字列から決定される文字成分表のエ
ントリの出現を文書ごとに抽出した結果を文字成分表と
いうテーブルに登録し記録し、この文字成分表を用いて
検索条件に該当する文書を文書検索手段により高速に探
し出すが、前記文字成分表のエントリの決定において、
エントリを計算する対象の文字列の長さを適当に指定す
ること、および、文字列からエントリの計算法を適当に
指定することができるようにし、このようにして構成さ
れる基本エントリを用いるとしているので、より柔軟に
文書に適合した文書成分表を構成できる。（２）また、
上記（１）において、冗長エントリを用いないので、検
索をより高速化できる。

【手続補正５】

【補正対象書類名】明細書

【補正対象項目名】００１３

【補正方法】変更

【補正内容】

【００１３】「基本エントリ」の抽出 まず、基本エントリの抽出手法を説明する。ｋ（ｎ＜ｋ
＜ｍ）文字の文字列に対応する基本エントリはｋ個の文
字コードを入力とする関数ｆ_ｋ（）によって計算する。
ｋ文字から算出されるエントリを「ｋ次エントリ」と呼
ぶ。特に、１文字から算出されるエントリを「単一文字
エントリ」、２文字から算出されるエントリを「隣接文
字エントリ」と呼ぶこともある。Ｎ文字の文字列（実際
には、登録文書あるいは検索文字列が相当する）から抽
出される基本エントリ集合Ｅ_ｂはｉ番目の文字をＣ_ｉと
表すこととすると、つぎのようになる。 Ｅ_ｂ＝｛ｆ _ｋ （Ｃｉ，…，Ｃｉ＋ｋ−１）｜ｎ＜ｋ＜ｍ，１＜ｉ＜（Ｎ−ｋ＋ １）｝ （１） なお、同一のエントリが複数回抽出された場合、重複す
るエントリは一つにまとめる。文字成分表の一例とし
て、ｎ＝１，ｍ＝２、基本エントリのみから構成され、
エントリ決定関数がｆ_１（ｘ_１）＝９４＊（ｘ_１／２５
６−３３）＋ｘ_１％２５６−３３、ｆ_２（ｘ_１，ｘ_２）
＝６４＊（ｘ_１％６４）＋ｘ_２％６４＋７８９６である
場合を示す。エントリ決定関数では、文字コードはＪＩ
Ｓコード、演算は整数の範囲で行ない、“／”は商、
“％”は余りを計算する。

【手続補正６】

【補正対象書類名】明細書

【補正対象項目名】００１６

【補正方法】変更

【補正内容】

【００１６】文字成分表の構成によっては、文字列から
抽出されるｐ次のあるエントリがｑ（ｑ＜ｐ）次の別の
エントリの存在を確実に示す場合がある。このような、
高次のエントリによって存在が保障される「冗長エント
リ」とよぶ。低次のエントリは、検索結果の決定に有効
な働きをしない。一方、文字成分表により検索では、ア
クセスするエントリ数は少ないほど検索は高速化され
る。したがって、検索時にはこの冗長エントリは用いな
い。冗長エントリの例を示すと、文字成分表の構成にお
いて、隣接文字エントリの決定にｆ′_２（ｘ_１，ｘ_２）
＝７８９６＊ｆ_１（ｘ_１）＋ｆ_１（ｘ_２）＋７８９６と
いう関数を用いた場合、二文字組とエントリ番号は一対
一対応が成立する。したがって、隣接文字エントリが与
えられれば、その構成文字に対応する単一文字エントリ
が抽出されることが保障される。例えば、ｆ′_２（デ，
ジ）に対し、ｆ_１（デ）とｆ_１（ジ）は冗長エントリに
なる。一方、ｆ_２（デ，ジ）に対し、ｆ_１（デ） とｆ
_１（ジ）は冗長エントリにならない。これはｆ_２（デ，
ジ）＝８４００であるが、「デジ」以外にも８４００と
なる二文字組（例えば「デに」「ペジ」）があるため、
ｆ_１（デ）とｆ_１（ジ）の存在が保障されないからであ
る。

Claims (11)

【特許請求の範囲】
1. 【請求項１】 登録文書を保存するとともに、該文書に
   含まれる１文字以上の文字列から決定されるエントリ文
   字成分の出現を文書ごとに抽出した結果を、文字成分表
   というテーブルに登録し記録する文書登録手段と、前記
   文字成分表を用いて検索条件に該当する文書を高速に捜
   し出す文書検索手段を有する文書管理装置において、前
   記エントリとしてｎ（ｎ＞１）文字以上ｍ（ｍ＞ｎ）文
   字以下の文字列から決定される文字成分（「基本エント
   リ」と呼ぶ）を用いることを特徴とする文書管理装置。
2. 【請求項２】 前記文書検索手段において、検索条件を
   なす文字列から抽出された複数のエントリとして他のエ
   ントリによって存在が保障される別のエントリ（「冗長
   エントリ」と呼ぶ）を用いないことを特徴とする請求項
   １記載の文書管理装置。
3. 【請求項３】 前記文字成分表において、ｍ＋１文字以
   上の辞書（「拡張エントリ辞書」と呼ぶ）に登録された
   文字列から決定されるエントリ（「拡張エントリ」と呼
   ぶ）を基本エントリとともに用いることを特徴とする請
   求項１記載の文書管理装置。
4. 【請求項４】 前記文書検索手段において、検索条件を
   なす文字列から抽出された複数のエントリとして他のエ
   ントリによって存在が保障される別の冗長エントリを用
   いないことを特徴とする請求項３記載の文書管理装置。
5. 【請求項５】 前記拡張エントリ辞書において、調査対
   象における文字列の使用頻度を計数し、その計数結果に
   基づいて決定した文字列によって構成される拡張エント
   リ辞書を用いることを特徴とする請求項３記載の文書管
   理装置。
6. 【請求項６】 前記拡張エントリ辞書のための文字列の
   使用頻度計数において、調査対象中に存在するｍ＋１以
   上ｐ（ｐ＞ｍ＋１）以下の長さの全ての文字列の頻度
   を、部分的に重複するものも含めて数えることを特徴と
   する請求項５記載の文書管理装置。
7. 【請求項７】 前記拡張エントリ辞書のための文字列の
   使用頻度計数において、調査対象中に存在する同一文字
   種から構成されるｍ＋１以上ｐ（ｐ＞ｍ＋１）以下の長
   さの全ての文字列の頻度を、部分的に重複するものも含
   めて数えることを特徴とする請求項５記載の文書管理装
   置。
8. 【請求項８】 前記拡張エントリ辞書のための文字列の
   使用頻度計数において、調査対象を単語に分割し、ｍ＋
   １以上ｐ（ｐ＞ｍ＋１）以下の長さの全ての単語の頻度
   を数えることを特徴とする請求項５記載の文書管理装
   置。
9. 【請求項９】 前記拡張エントリ辞書のための文字列の
   使用頻度計数において、調査対象を単語に分割し、ｍ＋
   １以上ｐ（ｐ＞ｍ＋１）以下の長さの全ての単語の頻度
   を数え、頻度が１以上の全て文字列について、その文字
   列が他文字列に包含される場合、後者の頻度を前者の頻
   度に加算することを特徴とする請求項５記載の文書管理
   装置。
10. 【請求項１０】 前記拡張エントリ辞書のための文字列
    の決定において、頻度の大きい順に並び替えた文字列の
    上位Ｄ個選択することを特徴とする請求項５記載の文書
    管理装置。
11. 【請求項１１】 前記拡張エントリ辞書のための文字列
    の決定において、頻度と、文字列長あるいはそれから算
    出される値との積の大きい順に並び替えた文字列の上位
    Ｄ個選択することを特徴とする請求項５記載の文書管理
    装置。