JPH09319767A - 類義語辞書登録方法 - Google Patents

Abstract

(57)【要約】 【解決手段】 データベースが検索される際には、検索
用端末３からＯＲ結合やＡＮＤ結合によって各種のキー
ワードが入力される。このとき、どのようなキーワード
がＯＲで結合されたか、あるいはＡＮＤで結合されたか
を示すデータを学習データファイル６に格納しておく。
類義語辞書登録用端末４を使用して類義語登録を行う場
合に、学習データファイル６を利用し、あるキーワード
と同時に検索される率の高い単語や類似度の高い単語を
取り出し、これらをディスプレイに表示する。登録者は
そのリストを見ながら適切なキーワードを検索し、類義
語辞書に登録する。 【効果】 これから登録しようとするキーワードと同時
に使用される率の高いキーワードが実際の検索結果から
経験的に求められ、これが基準となって類義語選択が行
われるため、広く用語が抽出され、新造語等も含めた精
度の高い辞書が生成できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、電子化された文書
をキーワードを用いて検索する場合に使用される類義語
辞書登録方法に関する。

【０００２】

【従来の技術】例えば、インターネットのようなネット
ワーク上で情報検索を行おうとする場合には、膨大な量
の文書が検索対象となる。これらの文書は元々任意の思
想で任意の言語で作成され、しかもスペルミスや新造語
等も多く含んでいる。従って、キーワードを用いてこれ
らを検索するような場合に、適当な検索結果を得るた
め、利用者は各種の工夫を必要とする。例えば、一定の
キーワードを用いて検索を行う際に、そのキーワードに
意味がよく似た単語を登録してこれらの単語を同時に検
索に使用する。この方法をキーワードの拡張という。こ
のようなキーワードを自動的に拡張するための類義語辞
書を作成する方法が、例えば次のような文献に記載され
ている（電子情報通信学会．TECHNICAL REPORT OF IEIC
E AI95-24 (1995-09) PP15-22.“統計的シソーラスを用
いた分散型ニュース検索システム”）。

【０００３】

【発明が解決しようとする課題】ところで、上記のよう
な従来の類義語辞書登録方法には次のような解決すべき
課題があった。類義語辞書には、検索を実行する前に、
予め検索に使用されるキーワードとこれと意味の近い言
葉とがリストアップされて登録される。辞書作成を担当
する登録者は、予めキーワードを名詞、動詞、形容詞と
いった品詞に分類し、更に様々の視点からキーワードを
分類し、各キーワードの上位概念、下位概念に相当する
単語を類義語として登録している。例えば、“産業”と
いうキーワードには人間活動、精神及び行為といった分
類が付与され、類義語として、同じ視点から見て“工
業”、“実業”、“興業”、結果としての視点から見て
“生産”、“増産”、“減産”、過程としての視点から
見て“創業”、“分類”、“巡業”といった言葉が登録
される。

【０００４】また、ファジイ論理に関する文献を検索し
ようとする場合、検索条件としては、“ファジイ”ＯＲ
“ＦＵＺＺＹ”ＯＲ“曖昧”ＯＲ“あいまい”、またこ
れに加えて“柔軟”、“アナログ的”、“柔らか”、
“ニューラルネット”といった言葉を類義語として使用
することが好ましい。従って、これらの言葉が類義語と
して登録される。ところが、このように類義語を広く選
択して登録することは必ずしも容易でない。また、不十
分な類義語辞書を用いて検索をした場合には利用者の要
求に応えられないこともある。従って、類義語辞書の登
録者に大きな負担がかかるという問題があった。

【０００５】また、検索の際に入力するキーワードに１
字でもスペルミスがあると適切な検索をすることができ
ない。接頭語や語尾の違いを考慮して部分一致等の手法
を用いて検索すると、ノイズが増大し実用的でないこと
もある。特に、日々新しい専門用語が生み出される分野
に適切なキーワードとこれに対応する十分な量の類義語
を設定し、予め登録することは非常に困難である。従っ
て、類義語辞書登録作業をより簡便にし、能率よく精度
の高い検索結果が得られるシステムの構築が望まれる。

【０００６】

【課題を解決するための手段】本発明は以上の点を解決
するため次の構成を採用する。 〈構成１〉データベース検索のためのキーワードに対し
て、意味的に距離が近い単語を、キーワードを拡張する
ための類義語辞書に登録する場合において、一組のキー
ワードの共起確率を意味的な距離の近さを表す基準とす
るとき、利用者が上記データベースの検索のために入力
したキーワードの組のうち、ＯＲ結合されて使用された
各キーワードの共起確率を、その入力のつど増加させる
ように学習によって補正し、辞書登録対象とされた任意
のキーワードに対して、上記共起確率の高い他のキーワ
ードリストを表示して、このリスト中から選択された他
のキーワードを辞書登録対象とされたキーワードに対す
る類義語として類義語辞書に登録することを特徴とする
類義語辞書登録方法。

【０００７】〈説明〉あるキーワードに対して幾つかの
キーワードが類義語として類義語辞書に登録されると、
データベース検索の際に、利用者が与えたキーワードを
自動的に拡張して検索精度を向上させる。共起確率と
は、データベースに含まれる任意の文書中で一組のキー
ワードが離れ離れでもどこかで共に使われる確率のこと
である。利用者が実際のデータベース検索の際にＯＲ結
合で入力するキーワードは、互いに意味的な距離が近い
と認められる。そこで、そのキーワードの組が入力され
る度に共起確率を大きくするように学習させる。こうし
て、類義語辞書登録のための基礎となるデータが自動的
に蓄積される。これにより、実用的な類似度が加味され
るから、類義語辞書登録作業の困難さを緩和し、全文検
索等の手法によりデータベースをファジイ検索する際の
精度を向上させる。

【０００８】〈構成２〉データベース検索のためのキー
ワードに対して、意味的に距離が近い単語を、キーワー
ドを拡張するための類義語辞書に登録する場合におい
て、一組のキーワードの連接確率を同時に出現する確率
の高さを表す基準とするとき、利用者が上記データベー
スの検索のために入力したキーワードの組のうち、ＡＮ
Ｄ結合されて使用された各キーワードの連接確率を、そ
の入力のつど増加させるように学習によって補正し、辞
書登録対象とされた任意のキーワードに対して、上記連
接確率の高い他のキーワードリストを表示して、このリ
スト中から選択された他のキーワードを辞書登録対象と
されたキーワードに対する類義語として類義語辞書に登
録することを特徴とする類義語辞書登録方法。

【０００９】〈説明〉連接確率とは、データベースに含
まれる任意の文書中で一組のキーワードが同時に連続し
て出現する確率のことである。利用者が実際のデータベ
ース検索の際にＡＮＤ結合で入力するキーワードは、同
時に出現する確率が高いと認められる。そこで、そのキ
ーワードの組が入力される度に連接確率を大きくするよ
うに学習させる。こうして、類義語辞書登録のための基
礎となるデータが自動的に蓄積される。これにより、意
味的に近い言葉に加えて同時に出現する確率の高い言葉
も類義語として登録するから、全文検索等の手法により
データベースをファジイ検索する際の精度を向上させ
る。

【００１０】〈構成３〉データベース検索のためのキー
ワードに対して、意味的に距離が近い単語を、キーワー
ドを拡張するための類義語辞書に登録する場合におい
て、利用者が上記データベースの検索のために入力した
誤入力キーワードを記憶し、辞書登録対象とされた任意
のキーワードに対して、上記誤入力キーワードの中から
表記類似度の高いものを抽出して、表記類似度の高い他
のキーワードリストを表示して、このリスト中から選択
された他のキーワードを辞書登録対象とされたキーワー
ドに対する類義語として類義語辞書に登録することを特
徴とする類義語辞書登録方法。

【００１１】〈説明〉利用者が実際のデータベース検索
の際に入力するキーワードには、多くの表記上の間違い
が混ざっている。そこで、実際に使用された誤入力キー
ワードリスト中から、表記類似度の大きいものを取り出
して、正しいキーワードのための類義語辞書に登録すれ
ば、いわゆるスペルミス等を自動的に修正して検索をす
ることができる。これにより、類義語辞書登録作業の困
難さを緩和し、全文検索等の手法によりデータベースを
ファジイ検索する際の精度を向上させる。

【００１２】

【発明の実施の形態】以下、本発明の実施の形態を具体
例を用いて説明する。 〈具体例〉図１は、本発明の実施のためのシステムブロ
ック図である。本発明の方法は、例えばこの図に示すよ
うなシステムによって実施される。図において、ネット
ワーク１には任意のデータベース２−１，２−２，２−
３等が接続されている。なお、これらのデータベースは
更に別のリンクされたネットワークを介して接続されて
いてもよいし様々な形態をとることができる。これは、
例えばインターネット等により構成されたものとする。

【００１３】ここで、これらのデータベース上の各種の
文献をキーワードを用いて全文検索するために、この図
に示すようなシステムが用意される。まず、検索のため
に検索用端末３が設けられ、検索すべきキーワード拡張
のために類義語辞書５が利用される。この類義語辞書５
を生成し登録するために類義語辞書登録用端末４及び、
本発明において利用される学習データファイル６が設け
られる。本発明においては、実際に検索用端末３を用い
てキーワードを入力し、各種データベースを検索した場
合に、その利用されたキーワード等を学習データファイ
ル６に格納する。これによって、類義語辞書登録のため
の基礎データを得る。

【００１４】類義語辞書登録用端末４は、登録者が登録
対象となるキーワードを入力した場合に、学習データフ
ァイル６からそのキーワードと類似度の高い単語を読み
出して、類似度が高い順にいくつか表示する。登録者は
これらの単語の中から適当なものを選択して類義語辞書
５に登録する。学習データファイル６は、具体例１では
共起確率学習データファイル、具体例２では連接確率学
習データファイル、具体例３では付加、脱落、置換リス
トファイルとされる。以上が本発明の概略であるが、以
下、それぞれ具体例を用いてその登録の実際を説明す
る。

【００１５】〈具体例１〉図２には、具体例１の動作説
明図を示す。この図に示すように、登録者７は、登録イ
ンタフェース８を介して類義語登録処理を行う。この登
録インタフェース８は、図１に示した類義語辞書登録用
端末４に含まれる。また、検索情報１０からキーワード
の類義語登録に利用できる情報を抽出して保存するため
に、共起確率学習データファイル１１が設けられてい
る。また、類似度計算のために類似度計算モジュール９
が設けられる。この類似度計算モジュール９も図１に示
した類義語辞書登録用端末４に含められるものとする。

【００１６】実際の検索において、２以上のキーワード
をＯＲ結合によって検索する場合、これらのキーワード
にはいずれも互いに非常に意味がよく似ているものが含
まれる。従って、これらを類義語辞書５に登録すること
によって検索精度の向上が図れる。また、ＯＲ結合させ
て検索されるキーワードは互いに１つの文書中のどこか
に、互いに必ずしも接近していないが同時に使用されて
いる。このように１つの文書に同時に使用される確率を
共起確率と呼んでいる。この共起確率が高いキーワード
は互いに類似度が高いと判断できる。この共起確率その
ものは、例えばデータベースを構成する各文書の全文検
索をして、解析をすることにより取り出すことができ
る。この具体例１では、このような共起確率を実際の検
索の際に検索者がＯＲ結合を用いて使用する度合によっ
て補正する。従って、ＯＲ結合で検索される度合が高い
ほど共起確率が次第に高まる。このように検索のつど共
起確率を高めるため、共起確率学習データファイル１１
というものを設けた。

【００１７】この図２に従って本発明の方法を順に説明
すると、まず、通常のデータベース検索において検索者
が入力した検索情報１０は、ステップＳ１において、類
似度計算モジュール９を介して共起確率学習データファ
イル１１に蓄積される（ステップＳ２）。この共起確率
は次のように計算される。 共起確率Ｗij＝ 単語i と単語j が共起した回数／単語i と単語j のどちらかが出現した文書数 …（１）

【００１８】なお、あるキーワードＫi とＫj との類似
度をＷijと見るのは、従来から知られている。例えば、
（１）式によれば、“メール”というキーワードに対し
て、“電子”は共起確率が０．５、“ネットワーク”が
０．３、“受信”が０．２、“mail”は０．３という値
が得られる。一方、この具体例１では、実際の検索結果
を取り入れて学習し共起確率を補正する。例えば、検索
者が与えた検索式が“マルチメディアＯＲmulti-media
”であった場合に、“マルチメディア”をＫi、“mult
i-media ”をＫj とすると新しい共起確率Ｗij＊は次の
式に示すようになる。 Ｗij＊＝ Ｗij＋ Ｋi とＫj がＯＲ結合した回数／Ｋi とＫj のどちらかが出現した回数 ×（１−Ｗij） …（２） なお、上記の式の１−ＷijはＷijを除く確率の増分の計
算であることを示している。

【００１９】このように学習によって共起確率が補正さ
れると、頻繁にＯＲ結合によって使用される各単語間の
類似度が高まる。このような計算を行うための基礎デー
タが検索のつど共起確率学習データファイル１１に格納
される（図２のステップＳ２）。なお、このデータファ
イルの形式は、例えばどのようなキーワードがＯＲ結合
して検索されたかという事実をリストアップしたもので
あればよい。類似度計算モジュール９は、所定のタイミ
ングで（１）式や（２）式の計算を行う。

【００２０】こうして共起確率学習データファイル１１
が生成されると、登録者７は登録のための新たなキーワ
ードを投入する（ステップＳ３）。登録インタフェース
８は、類似度計算モジュール９に対し、そのキーワード
と類似度の高いキーワードリストを表示するようにその
候補の出力を要求する（ステップＳ４）。類似度計算モ
ジュール９は共起確率学習データファイル１１を参照し
（ステップＳ５）、類似度計算を行った後、類似度の高
いものから順に配列して候補を出力する（ステップＳ
６）。

【００２１】そのリストが、例えば“メール”というキ
ーワードに対して“mail”が共起確率０．６、“電子”
が共起確率０．５、“ネットワーク”が共起確率０．３
５、“受信”が共起確率０．２、“e-mail”が共起確率
０．１といった形で表示される。ここで、登録者７は、
全てのキーワードを類義語辞書５に登録する場合にはこ
れら全てを選択する。また、一部のみを登録する場合に
はその一部を選択する。また、これらのキーワードに
は、それぞれ付属情報を付ける。この付属情報は、例え
ば登録の対象となるキーワードの下位語であるという情
報や、どういった文脈で用いられた場合に意味が同じに
なるといった情報である。例えば、“電子”は付属情報
として「種類」、“ネットワーク”は付属情報として
「要素」、“受信”は付属情報として「動作」、“メー
ル”は付属情報として「英語」、“e-mail”は付属情報
として「種類」といった登録が行われる。

【００２２】〈具体例１の効果〉以上のように、予め共
起確率学習データファイル１１に、実際に検索に使用さ
れたキーワード間の類似度を共起確率を基準として判断
する場合に役に立つ情報が学習され蓄積されているた
め、これを利用して類似度の高いキーワードのリストを
自動的に表示し、これらを選択することで辞書登録が可
能になる。このため登録者の負担が軽減され、全文検索
等を行った場合のファジイ検索精度の向上を図ることが
できる。こうして、例えばネットワークニュース等の、
膨大な新造語や専門用語を含んだ各種データの検索が柔
軟に容易に行えるようになる。しかも、実際の検索結果
を利用するため、日々発生する新事実を表す用語等につ
いても自動的に学習され蓄積されることから、登録者が
この種の単語を予め用意して登録する負担を軽減でき
る。

【００２３】〈具体例２〉図３は、具体例２の動作説明
図である。上記の具体例１では、単語間の類似度を共起
確率によって表した。一方、検索を行う場合に、複数の
キーワードをＡＮＤ結合して検索することがある。この
ようなキーワードは互いに該当する文書中に同時に隣接
して出現する。従って、一方を含む文書中には他方が同
時に含まれる確率が高い。そこで、これらを類似度の高
いキーワードとして登録する。このように互いにＡＮＤ
結合して検索される単語の出現する確率を連接確率と呼
んでいる。この連接確率は次の式で表される。 連接確率Ｗij＝ 単語i と単語j が連接した回数／単語i と単語j のどちらかが出現した文書数 …（３）

【００２４】例えば、“メール”というキーワードに対
して“電子”の連接確率が０．５、“ネットワーク”の
連接確率が０．３、“受信”の連接確率が０．２といっ
た状態となる。ここで、具体例１と同様に実際に検索に
よりＡＮＤ結合で使用された結果を図３に示す連接確率
学習データファイル１２に蓄積する。これによって、具
体例１と同様にして連接確率を学習によって補正する。
その演算処理は次のようにして行う。この式の形式は具
体例１と同様である。 Ｗij＊＝ Ｗij＋ Ｋi とＫj がＡＮＤ結合した回数／Ｋi とＫj のどちらかが出現した回数 ×（１−Ｗij） …（４） これによって、よくＡＮＤ結合で検索されるキーワード
間の類似度が学習により次第に大きくなるため、ファジ
イ検索において検索結果の精度が向上する。通常、キー
ワード検索を行う場合にはＡＮＤ結合あるいはＯＲ結合
が最も多く使用される。特に、連接確率の高いキーワー
ドは相互に連接して熟語や複合語を作るということが多
いという特徴がある。

【００２５】この具体例２においても、図３に示すよう
に、検索情報１０がステップＳ１において入力される
と、その結果が類似度計算モジュール９を介して連接確
率学習データファイル１２に蓄積される（ステップＳ
２）。そして、登録者７がキーワードの登録のためにキ
ーワードを投入し（ステップＳ３）、登録インタフェー
ス８は類似度計算モジュール９に候補を要求する（ステ
ップＳ４）。類似度計算モジュール９は連接確率学習デ
ータファイル１２を参照することによって候補を得てこ
れを登録インタフェース８に出力する（ステップＳ５，
Ｓ６）。その結果は登録者７に対して表示され（ステッ
プＳ７）、選択された類義語が類義語辞書５に登録され
る（ステップＳ８）。

【００２６】例えば、キーワード“メール”に対して
“電子”は連接確率０．７、“受信”は連接確率０．
４、“ソフト”は連接確率０．２となる。従って、例え
ばこれら全てを登録するならば、それぞれその付属情報
として“電子”は「種類」、“受信”は「動作」、“ソ
フト”は「種類」といった情報を合わせて登録する。

【００２７】〈具体例２の効果〉以上のように、具体例
２によれば、検索情報から連接確率の高いキーワードに
ついての使用実績がそのまま連接確率学習データファイ
ル１２に格納され、これを用いて類義語登録を行うこと
ができるため、類義語辞書５の登録作業を容易にする。
しかも具体例１と同様にしてファジイ検索の精度を向上
させ、検索精度を高めることができる。

【００２８】〈具体例３〉図４には、具体例３の動作説
明図を示す。この具体例は、主にキーワードのスペルミ
ス等を考慮した類義語辞書の登録方法を示す。例えば、
“eudora”というメイラーがある。このキーワードを含
む文書の検索を行う場合、検索者は例えば“eudra ”と
入力することがある。日本人にとって、英単語は母音の
付加、脱落、子音の置換といったスペルミスが多い。こ
の例は、母音“o ”が脱落した例で、全体の２割程度こ
うしたスペルミスによるキーワード入力が行われること
が分かっている。また、r 、l とを誤って置き換えてス
ペルミスを生じるようなものを置換と呼んでいる。更
に、ハイフンを付加したり脱落するような誤りもある。

【００２９】こうしたスペルミスを自動的に救済するた
めには、表記上の類似度の高い単語も含めて検索するよ
うな類義語辞書の採用が好ましい。この具体例３では、
実際の検索情報を利用して、実際に生じ易いスペルミス
を付加脱落置換リストファイル１３に蓄積し学習させ
て、これを類義語として類義語辞書５に登録する。即
ち、スペルミスも類義語として登録するようにして検索
精度の向上を図る。なお、このような類似度を表記類似
度と呼んでいる。表記類似度の計算方法には、例えば市
街地距離計算が知られている。

【００３０】図５には、“eudora”と“eudra ”の市街
地計算方法説明図を示す。ここでは縦軸と横軸に比較対
象の単語を１文字ずつばらばらに配置し、同一の文字の
場合には格子点へ進み、脱落等の場合には垂直あるいは
水平の方向に進むといった方法で左下隅から右上隅に足
跡を進めていく。この場合、縦軸と横軸の文字数の和を
分母とし、脱落した文字数の数を１として両キーワード
の距離を１１分の１というように計算する。類似度は１
−（１／１１）として求める。

【００３１】図６には、動的計画法利用時のパスの制限
を示す。図５のような縦軸と横軸の文字を比較する場
合、動的計画法を用いると、そのパスは右横方向、垂直
上方向及び斜め右上方向に制限される。これらのパスの
いずれかを通り、左下隅から右上隅まで最短のパスをた
どる。こうして、両キーワードの表記類似度を１１分の
１０というように求める。このような方法で得た類似度
計算結果を元に、表記類似度の高いものから順に類義語
の候補が登録インタフェース８に出力される。登録者７
はこれらのうちから適当なものを選択して類義語辞書５
に登録する。

【００３２】その他の処理はこれまで説明した具体例
１、具体例２と同様である。例えば、キーワード“イン
ターフェース”に対し“インタフェース”は表記類似度
が１５分の１４となる。なお、その付属情報は、例えば
「表記」といった内容となる。こうして登録を行うこと
によって、検索の際、このようなスペルの異なる単語も
キーワードとして自動的に選択され、検索精度を上げる
ことができる。しかも、検索の際にそのつど表記類似度
の計算等を行うと、検索時間が長時間かかる。これに対
して予め類義語辞書５を用いたスペルミスも考慮したキ
ーワードを選ぶことによって２分探索等の高速検索手法
を用いることができ、検索時間を短時間にすることがで
きる。

【００３３】なお、表記類似度の計算を高速に行うため
に、例えば次のような手法も採用できる。図７には、市
街地距離計算の整合窓説明図を示す。この図に示すよう
に、縦軸と横軸に示した任意の単語i とj について、動
的計画法を利用して類似度を計算する場合の最短ルート
は、この菱形で囲まれた範囲以内に含まれるはずであ
る。従って、これ以外の部分についての計算を除外する
ようにすれば、計算の対象が縮小され、計算時間が短縮
できる。

【００３４】〈具体例３の効果〉以上のように、検索者
が起こし易いスペルミス等も予め実際の検索結果を元に
学習し蓄積しておき、それを利用して類義語辞書登録を
行うようにすれば、利用者がスペルミスを行った場合に
これを自動的に修正したり、データそのもののスペルミ
スも考慮してその単語を検索語とすることによってより
検索精度を高めることが可能になる。

【図面の簡単な説明】

【図１】本発明の実施のためのシステムブロック図であ
る。

【図２】具体例１の動作説明図である。

【図３】具体例２の動作説明図である。

【図４】具体例３の動作説明図である。

【図５】市街地距離計算説明図である。

【図６】動的計画法利用時のパスの制限説明図である。

【図７】市街地距離計算の整合窓説明図である。

【符号の説明】

１ ネットワーク ２−１〜２−３ データベース ３ 検索用端末 ４ 類義語辞書登録用端末 ５ 類義語辞書 ６ 学習データファイル

Claims (3)

【特許請求の範囲】
1. 【請求項１】 データベース検索のためのキーワードに
   対して、意味的に距離が近い単語を、キーワードを拡張
   するための類義語辞書に登録する場合において、 一組のキーワードの共起確率を意味的な距離の近さを表
   す基準とするとき、 利用者が前記データベースの検索のために入力したキー
   ワードの組のうち、ＯＲ結合されて使用された各キーワ
   ードの共起確率を、その入力のつど増加させるように学
   習によって補正し、 辞書登録対象とされた任意のキーワードに対して、前記
   共起確率の高い他のキーワードリストを表示して、この
   リスト中から選択された他のキーワードを辞書登録対象
   とされたキーワードに対する類義語として類義語辞書に
   登録することを特徴とする類義語辞書登録方法。
2. 【請求項２】 データベース検索のためのキーワードに
   対して、意味的に距離が近い単語を、キーワードを拡張
   するための類義語辞書に登録する場合において、 一組のキーワードの連接確率を同時に出現する確率の高
   さを表す基準とするとき、 利用者が前記データベースの検索のために入力したキー
   ワードの組のうち、ＡＮＤ結合されて使用された各キー
   ワードの連接確率を、その入力のつど増加させるように
   学習によって補正し、 辞書登録対象とされた任意のキーワードに対して、前記
   連接確率の高い他のキーワードリストを表示して、この
   リスト中から選択された他のキーワードを辞書登録対象
   とされたキーワードに対する類義語として類義語辞書に
   登録することを特徴とする類義語辞書登録方法。
3. 【請求項３】 データベース検索のためのキーワードに
   対して、意味的に距離が近い単語を、キーワードを拡張
   するための類義語辞書に登録する場合において、 利用者が前記データベースの検索のために入力した誤入
   力キーワードを記憶し、 辞書登録対象とされた任意のキーワードに対して、前記
   誤入力キーワードの中から表記類似度の高いものを抽出
   して、表記類似度の高い他のキーワードリストを表示し
   て、このリスト中から選択された他のキーワードを辞書
   登録対象とされたキーワードに対する類義語として類義
   語辞書に登録することを特徴とする類義語辞書登録方
   法。