JPH09204437A - 文書検索装置 - Google Patents

Abstract

(57)【要約】 【課題】 新語や造語等をキーワードとした検索を可能
とした文書検索装置を提供する。 【解決手段】 入力部４で入力された検索キーが名詞辞
書格納部１１中の名詞語彙辞書に存在れば、インデック
ス格納部３中のインデックスファイルを用いて検索キー
による検索を行なう。名詞語彙辞書中に検索キーがない
場合、入力回数記憶部１２中に検索キーが存在しなけれ
ば、新たに入力回数記憶部１２に検索キーを記憶させ
る。検索キーが入力回数記憶部１２に記憶されていれ
ば、出現頻度を更新し、出現頻度が閾値を上回ると、辞
書変更部７はその単語を名詞語彙辞書に追加する。キー
ワード抽出部２は追加された単語をキーワードとして文
書格納部１中の文書から抽出し、インデックス格納部３
中のインデックスファイルを更新する。以後、その単語
での検索が可能となる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、キーワード検索方
式の文書検索装置に関するものである。

【０００２】

【従来の技術】膨大な量の文書を対象とした検索を行な
う検索方式として、キーワード検索方式が一般に用いら
れている。キーワード検索方式では、検索対象となる文
書から予めキーワードとなり得る語を抽出し、インデッ
クスファイルと呼ばれるファイルに登録する。インデッ
クスファイルには、キーワードとそのキーワードが出現
する文書名、文書中の位置等の情報が対になって記録さ
れる。検索時には、求める文書を指定すべく入力された
語と一致するキーワードをインデックス中から探し出
し、その文書名あるいは文書中の位置情報を得ることに
より、高速の文書検索を実現している。

【０００３】文書中からキーワードを抽出する方法とし
ては、人手によって抽出する方法と、例えば、形態素解
析プログラムに代表されるキーワード抽出プログラムを
用いた自動抽出による方法とを挙げることができる。キ
ーワード抽出の時間的なコストの観点から、プログラム
を用いた自動抽出による方法が有利であるといえる。自
動抽出の手法は、例えば、特開昭５７−１３７９６５号
公報「漢字かな混じり文からのキーワード自動抽出方
式」等において論じられている。

【０００４】現状の形態素解析を含むキーワードの自動
抽出技術では、キーワードの抽出を主に語彙辞書を参照
することによって実現している。ここで、語彙辞書と
は、品詞別に語彙を集めた電子ファイルであって、一般
的に用いる意味での辞書とは異なるものである。語彙辞
書を用いるキーワード抽出では、語彙辞書に登録されて
いない新語や造語をキーワードとして抽出することはで
きない。すなわち、語彙辞書にない新語や造語を入力キ
ーワードとして検索した場合には、検索結果として何も
得ることができないという問題がある。

【０００５】

【発明が解決しようとする課題】本発明は、上述した事
情に鑑みてなされたもので、新語や造語等をキーワード
とした検索を可能とした文書検索装置を提供することを
目的とするものである。

【０００６】

【課題を解決するための手段】請求項１に記載の発明
は、文書検索装置において、複数の文書を格納する文書
格納手段と、キーワードと文書名等を組にして記憶する
インデックス格納手段と、前記文書格納手段に格納され
た各文書から予めキーワードを抽出して該キーワードと
該キーワードが存在する文書名等を組にして前記インデ
ックス格納手段に記録する抽出手段と、検索対象を指定
するためのキーワードを入力する入力手段と、該入力手
段により入力されたキーワードと前記インデックス格納
手段に記録されているキーワードとを比較して検索対象
の文書を特定する特定手段と、該特定手段により特定さ
れた文書を前記格納手段から読み出して出力する出力手
段と、前記入力手段に入力されたキーワードに基づき前
記抽出手段で抽出するキーワードを変更する変更手段を
有することを特徴とするものである。

【０００７】請求項２に記載の発明は、請求項１に記載
の文書検索装置において、前記抽出手段は、語彙辞書を
参照することによりキーワード抽出を行なうものであ
り、前記変更手段は、前記語彙辞書に未登録のキーワー
ドの入力手段への入力回数をもとに前記抽出手段の前記
語彙辞書を変更して前記抽出手段にキーワードの抽出を
行なわせることを特徴とするものである。

【０００８】

【発明の実施の形態】図１は、本発明の文書検索装置の
第１の実施の形態を示す構成図である。図中、１は文書
格納部、２はキーワード抽出部、３はインデックス格納
部、４は入力部、５は特定部、６は出力部、７は辞書変
更部、１１は名詞辞書格納部、１２は入力回数記憶部で
ある。この実施の形態では、キーワードとしてインデッ
クスファイルに登録する語、および、検索条件として入
力する検索キーを、名詞のみに限定して説明する。

【０００９】文書格納部１は、検索対象となる複数の文
書を格納する。インデックス格納部３は、キーワード抽
出部２によって作成されたインデックスファイルを格納
する。これらは、例えば、メモリやディスク装置などの
記憶装置で構成される。

【００１０】キーワード抽出部２は、文書格納部１に新
たな文書が格納された場合と、辞書変更部７により名詞
辞書格納部１１中の名詞語彙辞書の内容が変更された場
合、最初にインデックスファイルを作成する場合に、文
書格納部１中に格納されている文書に対して形態素解析
処理を施し、キーワード（名詞）を抽出する。そして、
各キーワードとそのキーワードを含む文書名を対にして
記録し、インデックスファイルとする。作成したインデ
ックスファイルは、インデックス格納部３に格納する。

【００１１】キーワード抽出部２は、名詞辞書格納部１
１を有する。名詞辞書格納部１１は、形態素解析に必要
な名詞を多数記述した名詞語彙辞書を格納している。格
納される名詞語彙辞書は、キーワード抽出部２が解析を
行なう際に参照される。名詞辞書格納部１１には、名詞
語彙辞書の他、形態素解析を実行するために必要な文法
辞書および名詞語彙辞書以外の各種語彙辞書を含むよう
に構成することができる。

【００１２】入力部４は、検索者が所望の文書を指定す
るための検索キーを入力することができるユーザインタ
フェースを有している。また、入力部４は入力回数記憶
部１２を有している。入力回数記憶部１２は、入力部４
に入力された検索キーのうち、名詞辞書格納部１１中の
名詞語彙辞書に存在しないものを、その入力された回数
とともに記憶する。

【００１３】特定部５は、入力部４に入力された検索キ
ーを満たす文書を、インデックス格納部３中のインデッ
クスファイルを参照することによって、文書格納部１中
から特定する。出力部６は、特定部５によって特定され
た文書を検索結果として検索者に表示するユーザインタ
フェースを持つ。

【００１４】辞書変更部７は、入力回数記憶部１２中の
キーワード入力回数を参照し、入力回数が予め設定され
た閾値を上回るキーワードを名詞辞書格納部１１に追加
する。名詞辞書格納部１１に追加したキーワードは、入
力回数記憶部１２中から削除する。

【００１５】図２は、本発明の文書検索装置の第１の実
施の形態における処理手順の一例を示すフローチャート
である。図中、ｎは予め設定された閾値である。Ｓ２１
において、入力部４は検索者が入力した検索キーを受け
取る。入力部４は、Ｓ２２において、入力された検索キ
ーが名詞辞書格納部１１内の名詞語彙辞書に存在するか
否かを判定する。もし、入力された検索キーが名詞語彙
辞書に存在すれば、Ｓ２３において、特定部５がインデ
ックス格納部３内のインデックスファイルを参照し、入
力された検索キーを含む文書を特定する。そして、Ｓ２
４において、特定された文書を検索結果として出力部６
で表示する。このようにして入力された検索キーによる
検索が行なわれる。

【００１６】Ｓ２２において入力された検索キーが名詞
語彙辞書に存在しない場合、この入力された検索キーは
キーワードとして文書から抽出されていないので、その
ままインデックスファイルを参照しても検索できず、検
索結果は得られない。まずＳ２５において入力された検
索キーが入力回数記憶部１２に記憶されているか否かを
判定する。記憶されていなければ、Ｓ２６において、入
力された検索キーを入力回数記憶部１２に記憶させ、対
応する回数の値を１とする。

【００１７】Ｓ２５において、入力された検索キーが入
力回数記憶部１２に記憶されている場合には、Ｓ２７に
おいて、入力された検索キーに対応する回数の値に１を
加える。そしてＳ２８において、辞書変更部７は、その
回数の値が閾値ｎを越えているか否かを判定する。回数
の値が閾値ｎを越えていなければそのまま終了する。

【００１８】Ｓ２８において、回数の値が閾値ｎを越え
ている場合には、その入力された検索キーをキーワード
として採用する。Ｓ２９において、辞書変更部７は、入
力回数記憶部１２の入力された検索キーのエントリを削
除し、Ｓ３０で入力された検索キーを名詞語彙辞書に加
える。この名詞語彙辞書の変更を契機として、キーワー
ド抽出部２はＳ３１においてインデックスファイルを再
度生成し、インデックス格納部３に格納する。以後、こ
の検索キーが入力されると、名詞語彙辞書に登録されて
いるので、Ｓ２３，Ｓ２４における検索が行なわれるこ
とになる。

【００１９】このようにして、辞書変更部７は、名詞辞
書格納部１１中の名詞語彙辞書に存在しないキーワード
のうち、検索者によって入力される頻度の高いものを当
該語彙辞書に追加する。このようなキーワードは、新語
や造語である可能性が高い。さらに、更新された名詞語
彙辞書を用いたインデックスファイルの作成がキーワー
ド抽出部２によって再度行われるため、その後の検索で
は、新たに登録された新語や造語である可能性が高いキ
ーワードによっても検索が可能となる。

【００２０】具体例を用いて上述の動作の一例を説明す
る。検索者が「破防法」を検索キーとして検索を行なっ
たとする。通常の名詞語彙辞書には「破防法」の登録は
なく、したがってインデックスファイル中にも当該キー
ワードは存在しない。よって、文書格納部１中に「破防
法」を含む文書が存在している場合でも、検索結果とし
ては何も得られない。

【００２１】このとき、入力回数記憶部１２内に「破防
法」が記憶されているか否かを調べ、記憶されていなけ
れば新たに入力回数記憶部１２に「破防法」を記憶さ
せ、既に記憶されている場合には、対応する回数の値に
１を加える。

【００２２】複数の検索者が同様に「破防法」を検索キ
ーとして検索を行ない、その指定回数が閾値ｎを越える
と、「破防法」が新語や造語として名詞辞書格納部１１
中の名詞語彙辞書に追加され、インデックスファイルが
再度作成される。その後の検索では、「破防法」を検索
キーとして検索を行なうことが可能となる。

【００２３】次に、本発明の文書検索装置の第２の実施
の形態について説明する。この第２の実施の形態では、
キーワードとしてインデックスファイルに登録する語お
よび検索条件として入力する検索キーを名詞、動詞（一
段動詞、五段動詞）、形容詞とする。この第２の実施の
形態の構成は、図１に示した上述の第１の実施の形態に
おける構成と同様である。各部の機能について、相違す
る部分を説明する。

【００２４】キーワード抽出部２中の名詞辞書格納部１
１には、名詞語彙辞書、動詞（一段動詞，五段動詞）語
彙辞書、形容詞語彙辞書の各語彙辞書が格納されてい
る。図３は、本発明の第２の実施の形態における名詞辞
書格納手段内の各語彙辞書の一例の説明図である。名詞
語彙辞書、動詞（一段動詞，五段動詞）語彙辞書、形容
詞語彙辞書の各語彙辞書には、文書からキーワードとし
て抽出すべき単語がそれぞれの品詞ごとに格納されてい
る。例えば、図３に示す例では、名詞語彙辞書には、
「愛」、「間」、・・・等の名詞語句が、また、五段動
詞語彙辞書には、「相知る」、「相次ぐ」、・・・等の
五段活用の動詞語句が登録されている。図３では、名詞
辞書格納部１１中の各語彙辞書のデータは、単語の読み
のあいうえお順にソートされている。もちろん、コード
の順でソートされていてもよい。名詞辞書格納部１１に
は、その他の形態素解析を実行するために必要な文法辞
書および名詞、動詞、形容詞の各語彙辞書以外の各種語
彙辞書を含んでいてもよい。

【００２５】キーワード抽出部２は、文書格納部１に新
たな文書が格納された場合と、辞書変更部７により名詞
辞書格納部１１中の各語彙辞書のいずれかの内容が変更
された場合に、各語彙辞書を参照しながら、文書格納部
１中に格納されている文書に対して形態素解析処理を施
し、キーワード（名詞、動詞（一段動詞，五段動詞）、
形容詞）を抽出する。各キーワードと、キーワードを含
む文書名を対にして記録し、インデックスファイルとす
る。作成したインデックスファイルは、インデックス格
納部３に格納する。

【００２６】入力部４は、検索者が所望の文書を指定す
るための検索キーを入力し、さらに、入力した検索キー
が名詞、動詞、形容詞のいずれかであるかを入力するこ
とができるユーザインタフェースを持つ。あるいは、簡
単な解析を行なって、自動的に品詞を特定してもよい。

【００２７】入力部４内の入力回数記憶部１２は、入力
部４に入力された検索キーのうち、名詞辞書格納部１１
中の各語彙辞書に存在しないものを、名詞、動詞（一段
動詞，五段動詞）、形容詞の品詞別に、その入力された
回数とともに記憶する。図４は、本発明の第２の実施の
形態における入力回数記憶部の保持する入力回数データ
の一例の説明図である。入力回数記憶部１２中の各単語
は、品詞別に記憶されており、出現頻度（入力回数）の
多いものから順にソートされている。例えば、名詞の単
語「破防法」は出現頻度「１４７」が付加され、他の名
詞の単語とともに出現頻度でソートされて記憶されてい
る。

【００２８】辞書変更部７は、入力回数記憶部１２中の
検索キーの入力回数を参照し、入力回数が名詞、動詞
（一段動詞，五段動詞）、形容詞の各品詞別に予め設定
された閾値を上回る語を名詞辞書格納部１１の対応する
品詞の語彙辞書に追加する。名詞辞書格納部１１のいず
れかの語彙辞書に追加した語は、入力回数記憶部１２中
から削除する。

【００２９】この第２の実施の形態における動作は、上
述の図２に示した第１の実施の形態における動作とほぼ
同様であり、検索キーとして名詞のほかに、動詞（一段
動詞，五段動詞）、形容詞も入力可能である点が相違す
るのみである。図５は、本発明の第２の実施の形態にお
ける入力部の画面イメージの一例の説明図である。この
第２の実施の形態では、入力部４において、検索キーと
なる単語を入力した後に、ポップアップウィンドウから
対応する品詞を選択して指定することができる。図５に
示した例では、検索キーとして「ハマる」を入力し、品
詞として「動詞」のうちの「五段動詞」を選択してい
る。

【００３０】このようにして入力部４で入力された検索
キーと、その検索キーの品詞が入力されると、検索キー
の品詞に対応する語彙辞書中に検索キーが存在するか否
かを判定し、存在する場合には、検索キーによる検索を
行なう。例えば、図５に示すような入力がなされた場
合、検索キー「ハマる」が五段動詞語彙辞書に存在する
か否かを判定し、存在すれば検索を行なう。

【００３１】検索キーの品詞に対応する語彙辞書中に検
索キーが存在しない場合には、入力回数記憶部１２中に
品詞別に記憶されている単語中に検索キーが存在するか
否かを判定する。入力回数記憶部１２に記憶されていな
ければ新たに検索キーの単語をその品詞に従って記憶さ
せ、出現頻度を１に設定する。入力回数記憶部１２に記
憶されていれば、出現頻度を１だけ増加させ、各品詞別
にあらかじめ設定された閾値を上回った場合には、その
単語を名詞辞書格納部１１中の対応する品詞の語彙辞書
に追加する。

【００３２】入力回数記憶部１２に、図４に示すような
内容が記憶されているとすれば、上述の検索キー「ハマ
る」が五段動詞として記憶されているので、対応する出
現頻度を「３」から「４」に変更する。また、名詞の閾
値が１４７のとき、検索キーとして「破防法」が品詞と
して名詞が指定されて入力された場合、「破防法」の出
現頻度は「１４８」となり閾値を上回るので、「破防
法」は名詞辞書格納部１１中の名詞語彙辞書に登録され
るとともに、入力回数記憶部１２から削除される。そし
て、キーワード抽出部２が文書格納部１内の文書から
「破防法」をキーワードとして抽出してインデックス格
納部３内のインデックスファイルを更新する。

【００３３】上述の各実施の形態では、辞書変更部７は
新語や造語等を登録する機能を有するのみであった。し
かし新語や造語の中には流行によって一時的に使用され
るだけの単語もある。そのため、名詞辞書格納部１１中
の各語彙辞書に登録した単語を保持しておき、長期にわ
たり入力部４から入力されなかった単語を削除するよう
な機能を付加することも可能である。入力回数記憶部１
２においても、出現頻度が少なく、長期にわたり入力さ
れない単語を削除するように構成することもできる。

【００３４】なお、上述の各実施例の構成では、語彙辞
書への登録が、同じ単語が複数回入力された場合として
いるため、複数の検索者が共同でこの文書検索装置を使
用する構成とすると効果的である。

【００３５】

【発明の効果】以上の説明から明らかなように、本発明
によれば、検索者によって入力される頻度の高い検索キ
ーのうち、キーワード抽出部がキーワードの抽出の際に
用いる語彙辞書に存在しないものを、当該語彙辞書に追
加することが可能である。検索者によって入力される頻
度の高い検索キーのうち、キーワード抽出部がキーワー
ドの抽出の際に用いる辞書に存在しないものは、新語や
造語である可能性が高い。そのため、この単語を語彙辞
書に追加することによって、通常、キーワード抽出部が
キーワードの抽出の際に用いる語彙辞書に存在しない新
語や造語等をキーワードとした場合でも検索が可能とな
るという効果がある。

【図面の簡単な説明】

【図１】 本発明の文書検索装置の第１の実施の形態を
示す構成図である。

【図２】 本発明の文書検索装置の第１の実施の形態に
おける処理手順の一例を示すフローチャートである。

【図３】 本発明の第２の実施の形態における名詞辞書
格納手段内の各語彙辞書の一例の説明図である。

【図４】 本発明の第２の実施の形態における入力回数
記憶部の保持する入力回数データの一例の説明図であ
る。

【図５】 本発明の第２の実施の形態における入力部の
画面イメージの一例の説明図である。

【符号の説明】

１…文書格納部、２…キーワード抽出部、３…インデッ
クス格納部、４…入力部、５…特定部、６…出力部、７
…辞書変更部、１１…名詞辞書格納部、１２…入力回数
記憶部。

Claims (2)

【特許請求の範囲】
1. 【請求項１】 複数の文書を格納する文書格納手段と、
   キーワードと文書名等を組にして記憶するインデックス
   格納手段と、前記文書格納手段に格納された各文書から
   予めキーワードを抽出して該キーワードと該キーワード
   が存在する文書名等を組にして前記インデックス格納手
   段に記録する抽出手段と、検索対象を指定するためのキ
   ーワードを入力する入力手段と、該入力手段により入力
   されたキーワードと前記インデックス格納手段に記録さ
   れているキーワードとを比較して検索対象の文書を特定
   する特定手段と、該特定手段により特定された文書を前
   記格納手段から読み出して出力する出力手段と、前記入
   力手段に入力されたキーワードに基づき前記抽出手段で
   抽出するキーワードを変更する変更手段を有することを
   特徴とする文書検索装置。
2. 【請求項２】 前記抽出手段は、語彙辞書を参照するこ
   とによりキーワード抽出を行なうものであり、前記変更
   手段は、前記語彙辞書に未登録のキーワードの入力手段
   への入力回数をもとに前記抽出手段の前記語彙辞書を変
   更して前記抽出手段にキーワードの抽出を行なわせるこ
   とを特徴とする請求項１に記載の文書検索装置。