JPH10207911A

JPH10207911A - 文書検索装置

Info

Publication number: JPH10207911A
Application number: JP9166100A
Authority: JP
Inventors: Kenichi Numata; 賢一沼田
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1996-11-25
Filing date: 1997-06-23
Publication date: 1998-08-07
Anticipated expiration: 2017-06-23
Also published as: JP3598742B2; US5943669A

Abstract

(57)【要約】【課題】文書内の文脈情報を考慮した上で、必要な箇
所の検索を行う。【解決手段】分類単位指定部２は、分類単位の指定を
行う。論理構造解析部３は、文書を蓄積している文書蓄
積部１から読み込んだ文書の論理構造を解析する。基本
ベクトル生成部４は、文書の論理構造を分類単位で分割
してキーワードを抽出し、基本ベクトルを生成する。見
出しベクトル生成部５は、基本ベクトル生成の対象とな
った分類単位よりも上位に配置されている構成要素の見
出しからキーワードを抽出し、見出しベクトルを生成す
る。ベクトル合成部６は、基本ベクトルと見出しベクト
ルとを合成して、合成ベクトルを生成する。合成ベクト
ル保持部７は、合成ベクトル生成の対象となった分類単
位と合成ベクトルとを対応付けて保持する。分類部８
は、保持された合成ベクトルの類似度に基づいて、文書
の構成要素を分類単位毎に分類する。表示部１０は、分
類の結果を表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は文書検索装置に関
し、特にある構成要素が他の構成要素を含んでいくよう
な木構造の構造を持った文書群を検索し、構成要素毎に
分類して表示する文書検索装置に関する。

【０００２】

【従来の技術】通常、文書の特徴を捉えるためには、文
書内容からキーワードを抽出する方法が一般的である。
キーワードは、形態素解析や、予め用意された単語リス
トとの照合等によって抽出される。

【０００３】抽出されたキーワードを利用して、文書の
検索を自動的に行うシステムも考えられている。キーワ
ードを利用して文書自動検索システムを構成する場合に
は、ベクトル空間モデルと呼ばれる手法を利用すること
がある。この手法では、文書と文書検索の問合せ（以
下、単に問合せという）とをキーワードの重みを要素と
したベクトルで表現する。そして、文書のベクトルと問
合せのベクトルとの類似度を計算し、類似度の高い文書
から順に文書検索の結果として出力する。この際、予め
ベクトルの類似度の高い文書同士を、カテゴリーと呼ば
れる集合に分類しておき、検索速度を上げることも考え
られている。

【０００４】なお、キーワードに対応する重みには、そ
のキーワードが文書中で用いられていれば正の値を、用
いられていなければ０を設定する。また重みとして設定
する値には、対応するキーワードの文書中の出現頻度Ｔ
Ｆ(Term Frequency)とカテゴリー内での分散度ＩＤＦ(I
nverse Document Frequency)とを用いる場合が多い。

【０００５】このような文書自動検索システムでは、抽
出されたキーワードから、文書と問合せとの類似度や文
書同士の類似度、文書とカテゴリーとの類似度等を計算
している。類似度の計算方法には、共通したキーワード
の数が多いものを類似度が高いものとする単純な方法
や、上記のベクトル空間モデルのように、キーワードの
出現頻度および分散に基づいて重み付けを行ったベクト
ルの類似度計算を行う方法など、さまざまなものがあ
る。なお、ベクトルの類似度計算の方法には、ベクトル
の内積やコサイン係数を利用する。このような文書自動
検索システムでは検索の単位を文書としているものが多
い。

【０００６】しかし、検索の単位を文書とした場合、検
索結果として得られるのは文書全体であり、検索者はそ
の文書がどんなに長くとも、その全体に目を通さなけれ
ば必要な部分を見つけることはできない。また逆に、文
章中に複数の話題が展開されている場合に、そこに含ま
れる話題に関する問合せを行っても、文書全体と問合せ
との類似度が低いために、検索洩れとなることがある。

【０００７】これらの問題点について、ここで具体例を
あげて説明する。図２９は、自動検索の対象文書の例を
示した図である。ここでは、４つの文書３０１、３０
２、３０３、３０４と各々の内容から抽出されたキーワ
ード集合とを共に示す。但し、ここでは説明を簡単にす
るために、実際の文書よりも出現するキーワード数を少
なくしてある。

【０００８】４つの文書３０１、３０２、３０３、３０
４は、キーワードの共有の度合に基づいて、２つのカテ
ゴリー３１０と３２０とに分類できる。カテゴリー３１
０は、文書３０１と文書３０２との共通のキーワード
「情報、空間、可視化、構造、アーキテクチャ、実験」
から、おそらく「情報空間の可視化を行うシステムにつ
いて記述したもの」と推定できる。同様に、カテゴリー
３２０は、文書３０３と文書３０４との共通のキーワー
ド「文書、類似度、ベクトル、分類、実験、評価、適合
率」から、「文書を類似度に基づいて分類するシステム
について記述したもの」と推定できる。

【０００９】図３０は、図２９に示した各文書を、その
段落構成と共に示したものである。各文書は複数の段落
に分かれており、各段落ごとにキーワードが抽出されて
いる。なお、図２９に示した各文書に対応するキーワー
ド集合は、各文書の全段落のキーワード集合の論理和を
とったものである。

【００１０】ここで、利用者が「文書検索」について興
味を持っているとする。図３０に示した文書の中で「文
書検索」について述べていると思われる箇所は、文書３
０２の第２段落と、文書３０３の第２段落である。

【００１１】しかし、図２９に示した分類では文書３０
２と文書３０３とは、それぞれ別のカテゴリー３１０、
３２０に分類されている。その上、カテゴリー３１０の
主題は「情報空間の可視化」であり、カテゴリー３２０
の主題は「文書の分類」であり、どちらにも「文書検
索」との関連性はない。これでは、カテゴリー３１０、
３２０に「文書検索」について述べている文書が分類さ
れていると推測することは難しい。

【００１２】つまり、検索の単位が文書である場合、文
書中に複数の話題が展開されていても、その情報が文書
全体の主題の中に埋もれてしまう。そのため、せっかく
関連性のある話題が蓄積されていても、必要なときに抽
出できないという問題が生じてしまう。

【００１３】文書自動検索システムにおける上記の問題
を解決する方法として、文書を章、節、段落などの論理
的な構成要素に分割し、分割された構成要素を単位とし
て、検索を行う方法がある。

【００１４】例えば、文書から章見出しと段落を抽出
し、問合せと章見出しとの類似度、および問合せと段落
の類似度を各々計算し、２つの類似度を加算して、これ
を問合せと章全体との類似度とし、類似度の高い順に章
単位で検索結果として出力する方法がある（特開平４−
８４２７１号公報「文書内情報検索装置」）。この方法
では問合せに関連する単語が章見出しと段落との両方に
含まれている章を、一方にしか含まれない章よりも、高
い候補順位で検索できる。

【００１５】

【発明が解決しようとする課題】しかし、この方法では
文書を章と段落のみからなるものと仮定しており、それ
以上の複雑な階層構造を持つ文書については、考慮され
ていない。また、各章がそれぞれ独立の情報として扱わ
れており、その章の内容が文書内に占める位置、すなわ
ち文脈については考慮されない。

【００１６】図３１は、表題、章、節、段落などの論理
構成要素を持つ文書の一例を示す図である。図におい
て、段落Ｐ２は、「『情報検索の技術動向』という表題
の文書中の、『自然言語処理の利用』について記述され
た章の、特に『文書構造解析』について記述された節の
中にある」という文脈（文章背景）を持っている。

【００１７】しかし、上記の方法でこの段落を検索する
場合、類似度計算の対象となるのはキーワード「文、意
味、役割、検索」および３章２節の見出しから抽出され
るキーワード「文書、構造、解析」のみであって、上記
文脈は何ら考慮されない。従って、段落Ｐ２は自然言語
処理を利用した技術について述べているものとは判断さ
れず、結果として検索されないことになる。

【００１８】また、文脈を考慮せずに構成要素単位でカ
テゴリーへの分類を行っても、同様の問題が生じる。図
３１において段落Ｐ２の記述に基づいて、段落を単位に
分類しても、段落Ｐ２が「自然言語処理の中の文書構造
解析に関わるもの」であることは、分類の結果には反映
されない。

【００１９】つまり、文書の構成要素は、それのみで必
要な情報を十分に含んでいるとは限らない。本発明はこ
のような点に鑑みてなされたものであり、文書全体の文
脈も考慮に入れた上で構成要素単位の検索を可能とする
文書検索装置を提供することを目的とする。

【００２０】

【課題を解決するための手段】本発明では上記課題を解
決するために、ある構成要素が他の構成要素を含んでい
くような木構造の論理構造を持った文書群を検索し、構
成要素毎に分類して表示する文書検索装置において、前
記文書を蓄積する文書蓄積手段と、分類しようとする前
記構成要素の分類単位を指定する分類単位指定手段と、
前記文書蓄積手段から文書を読み込み、その論理構造を
解析する論理構造解析手段と、前記分類単位指定手段に
て指定された分類単位の各構成要素の内容からキーワー
ドを抽出し、基本ベクトルを生成する基本ベクトル生成
手段と、前記分類単位の構成要素よりも論理構造的に上
位に配置されているすべての構成要素の見出しからキー
ワードを抽出し、見出しベクトルを生成する見出しベク
トル生成手段と、前記基本ベクトルと前記見出しベクト
ルとを合成し、合成ベクトルを生成するベクトル合成手
段と、前記合成ベクトルを前記分類単位の構成要素と対
応付けて保持する合成ベクトル保持手段と、前記合成ベ
クトルの類似度に基づいて、前記文書の構成要素を分類
する分類手段と、前記分類手段による分類の結果を表示
する表示手段と、を有することを特徴とする文書検索装
置が提供される。

【００２１】このような構成の文書検索装置で、ある構
成要素が他の構成要素を含んでいくような木構造の論理
構造を持った文書群を検索し、構成要素毎に分類して表
示する場合、文書蓄積手段が文書を蓄積する。分類単位
指定手段にて分類しようとする前記構成要素の分類単位
が指定されると、論理構造解析手段は、文書蓄積手段か
ら文書を読み込み、その論理構造を解析する。基本ベク
トル生成手段は、分類単位指定手段にて指定された分類
単位の各構成要素の内容からキーワードを抽出し、基本
ベクトルを生成する。また、見出しベクトル生成手段
は、分類単位の構成要素よりも論理構造的に上位に配置
されているすべての構成要素の見出しからキーワードを
抽出して見出しベクトルを生成する。ベクトル合成手段
は、基本ベクトルと見出しベクトルとを合成して、合成
ベクトルを生成する。合成ベクトル保持手段は、生成さ
れた合成ベクトルを、分類単位の各構成要素と対応付け
て保持する。分類手段は、合成ベクトルの類似度に基づ
いて文書の構成要素を分類する。そして、表示手段は、
分類の結果を表示する。

【００２２】このように、本発明の文書検索装置では、
検索対象とする文書の分類単位毎の内容と、その分類単
位よりも上位に配置された構成要素の見出しとをキーワ
ードにて示し、それらのキーワードから生成したベクト
ルの類似度に基づいて、検索対象文書の構成要素を分類
する。従って、類似度が高く、相互に関連性のある構成
要素を文章全体の見出しの情報も生かして絞り込み、表
示させることができる。

【００２３】また、本発明では上記課題を解決するため
に、ある構成要素が他の構成要素を含んでいくような木
構造の論理構造を持った文書群を構成要素毎に検索して
表示する文書検索装置において、前記文書を蓄積する文
書蓄積手段と、検索しようとする前記構成要素の検索単
位を指定する検索単位指定手段と、前記文書蓄積手段か
ら文書を読み込み、その論理構造を解析する論理構造解
析手段と、前記検索単位指定手段にて指定された検索単
位の各構成要素の内容からキーワードを抽出し、基本ベ
クトルを生成する基本ベクトル生成手段と、前記検索単
位の構成要素よりも論理構造的に上位に配置されている
すべての構成要素の見出しからキーワードを抽出し、見
出しベクトルを生成する見出しベクトル生成手段と、前
記基本ベクトルと前記見出しベクトルとを合成し、合成
ベクトルを生成するベクトル合成手段と、前記合成ベク
トルを前記検索単位の構成要素と対応付けて保持する合
成ベクトル保持手段と、キーワード列または自然言語文
により構成される問合せを入力する問合せ入力手段と、
問合せから問合せベクトルを生成する問合せベクトル生
成手段と、前記問合せベクトルと前記合成ベクトルとの
類似度に基づいて、前記検索単位の構成要素を検索し
て、類似度の高い合成ベクトルに対応する構成要素を抽
出する検索手段と、前記検索手段による検索の結果を表
示する表示手段と、を有することを特徴とする文書検索
装置が提供される。

【００２４】このような構成の文書検索装置で、ある構
成要素が他の構成要素を含んでいくような木構造の論理
構造を持った文書群を構成要素毎に検索して表示する場
合、文書蓄積手段が文書を蓄積する。検索単位指定手段
にて検索しようとする前記構成要素の検索単位が指定さ
れると、論理構造解析手段は、文書蓄積手段から文書を
読み込み、その論理構造を解析する。基本ベクトル生成
手段は、検索単位指定手段にて指定された検索単位の各
構成要素の内容からキーワードを抽出し、基本ベクトル
を生成する。見出しベクトル生成手段は、検索単位の構
成要素よりも論理構造的に上位に配置されているすべて
の構成要素の見出しからキーワードを抽出し、見出しベ
クトルを生成する。ベクトル合成手段は、基本ベクトル
と見出しベクトルとを合成し、合成ベクトルを生成す
る。合成ベクトル保持手段は、合成ベクトルを検索単位
の構成要素と対応付けて保持する。問合せ入力手段は、
キーワード列または自然言語文により構成される問合せ
を入力する。問合せベクトル生成手段は、問合せから問
合せベクトルを生成する。検索手段は、問合せベクトル
と合成ベクトルとの類似度に基づいて、検索単位の構成
要素を検索して、類似度の高い合成ベクトルに対応する
構成要素を抽出する。そして、表示手段が検索手段によ
る検索の結果を表示する。

【００２５】このように、本発明の文書検索装置では、
検索対象とする文書の検索単位毎の内容と、その検索単
位よりも上位に配置された構成要素の見出しとをキーワ
ードにて示し、それらのキーワードから生成した合成ベ
クトルと、問合せから生成した問合せベクトルと、の類
似度に基づいて構成要素を検索する。従って、問合せと
同一キーワードを含む確率の高い構成要素を、文章全体
の見出しの情報も生かして検索することができる。

【００２６】また、本発明では上記課題を解決するため
に、ある構成要素が他の構成要素を含んでいくような木
構造の論理構造を持った文書群を検索し、構成要素毎に
分類して表示する文書検索装置において、前記文書を蓄
積する文書蓄積手段と、分類しようとする前記構成要素
の分類単位を指定する分類単位指定手段と、前記文書蓄
積手段から文書を読み込み、その論理構造を解析する論
理構造解析手段と、前記分類単位指定手段にて指定され
た分類単位の各構成要素の内容からキーワードを抽出
し、基本ベクトルを生成する基本ベクトル生成手段と、
前記分類単位の構成要素を除くすべての構成要素の内容
からキーワードを抽出し、内容ベクトルを生成する内容
ベクトル生成手段と、前記基本ベクトルと前記内容ベク
トルとを合成し、合成ベクトルを生成するベクトル合成
手段と、前記合成ベクトルを前記分類単位の構成要素と
対応付けて保持する合成ベクトル保持手段と、前記合成
ベクトルの類似度に基づいて、前記文書の構成要素を分
類する分類手段と、前記分類手段による分類の結果を表
示する表示手段と、を有することを特徴とする文書検索
装置が提供される。

【００２７】このような構成の文書検索装置で、ある構
成要素が他の構成要素を含んでいくような木構造の論理
構造を持った文書群を検索し、構成要素毎に分類して表
示する場合、文書蓄積手段が文書を蓄積する。分類単位
指定手段が、分類しようとする構成要素の分類単位を指
定すると、論理構造解析手段が、文書蓄積手段から文書
を読み込んでその論理構造を解析する。基本ベクトル生
成手段は、分類単位指定手段にて指定された分類単位の
各構成要素の内容からキーワードを抽出し、基本ベクト
ルを生成する。また、内容ベクトル生成手段は、分類単
位の構成要素を除くすべての構成要素の内容からキーワ
ードを抽出し、内容ベクトルを生成する。ベクトル合成
手段は、基本ベクトルと内容ベクトルとを合成し、合成
ベクトルを生成する。合成ベクトル保持手段は、合成ベ
クトルを分類単位の構成要素と対応付けて保持する。分
類手段は、合成ベクトルの類似度に基づいて、文書の構
成要素を分類する。そして表示手段が、分類手段による
分類の結果を表示する。

【００２８】このように、本発明の文書検索装置では、
検索対象とする文書の分類単位毎の内容と、その分類単
位以外のすべての構成要素の内容とをキーワードにて示
し、それらのキーワードから生成したベクトルの類似度
に基づいて検索対象文書の構成要素を分類する。従っ
て、類似度が高く、相互に関連性のある構成要素を文章
全体の内容の情報も生かして絞り込み、表示させること
ができる。

【００２９】また、本発明では上記課題を解決するため
に、ある構成要素が他の構成要素を含んでいくような木
構造の論理構造を持った文書群を、構成要素毎に検索し
て表示する文書検索装置において、前記文書を蓄積する
文書蓄積手段と、検索しようとする前記構成要素の検索
単位を指定する検索単位指定手段と、前記文書蓄積手段
から文書を読み込み、その論理構造を解析する論理構造
解析手段と、前記検索単位指定手段にて指定された検索
単位の各構成要素の内容からキーワードを抽出し、基本
ベクトルを生成する基本ベクトル生成手段と、前記検索
単位の構成要素を除くすべての構成要素の内容からキー
ワードを抽出し、内容ベクトルを生成する内容ベクトル
生成手段と、前記基本ベクトルと前記内容ベクトルとを
合成し、合成ベクトルを生成するベクトル合成手段と、
前記合成ベクトルを前記検索単位の構成要素と対応付け
て保持する合成ベクトル保持手段と、キーワード列また
は自然言語文により構成される問合せを入力する問合せ
入力手段と、問合せから問合せベクトルを生成する問合
せベクトル生成手段と、前記問合せベクトルと前記合成
ベクトルとの類似度に基づいて、前記検索単位の構成要
素を検索して、類似度の高い合成ベクトルに対応する構
成要素を抽出する検索手段と、前記検索手段による検索
の結果を表示する表示手段と、を有することを特徴とす
る文書検索装置が提供される。

【００３０】このような構成の文書検索装置で、ある構
成要素が他の構成要素を含んでいくような木構造の論理
構造を持った文書群を、構成要素毎に検索して表示する
場合、文書蓄積手段が文書を蓄積する。検索単位指定手
段が、検索しようとする構成要素の検索単位を指定する
と、論理構造解析手段が文書蓄積手段から文書を読み込
み、その論理構造を解析する。基本ベクトル生成手段
は、検索単位指定手段にて指定された検索単位の各構成
要素の内容からキーワードを抽出し、基本ベクトルを生
成する。内容ベクトル生成手段は、検索単位の構成要素
を除くすべての構成要素の内容からキーワードを抽出
し、内容ベクトルを生成する。ベクトル合成手段は、基
本ベクトルと内容ベクトルとを合成する。問合せ入力手
段は、キーワード列または自然言語文により構成される
問合せを入力する。問合せベクトル生成手段は、問合せ
から問合せベクトルを生成する。検索手段は、問合せベ
クトルと合成ベクトルとの類似度に基づいて、検索単位
の構成要素を検索して、類似度の高い合成ベクトルに対
応する構成要素を抽出する。そして、表示手段が、検索
手段による検索の結果を表示する。

【００３１】このように、本発明の文書検索装置では、
検索対象とする文書の検索単位毎の内容と、その検索単
位以外の内容とをキーワードにて示し、それらのキーワ
ードから生成した合成ベクトルと、問合せから生成した
問合せベクトルと、の類似度に基づいて構成要素を検索
する。従って、問合せと同一キーワードを含む確率の高
い構成要素を、文書全体の内容の情報も生かして検索す
ることができる。

【００３２】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。図１は、本発明の文書検索装置の
第１の実施の形態の原理構成を示した図である。

【００３３】文書検索装置の第１の実施の形態は、文書
蓄積部１と、分類単位指定部２と、論理構造解析部３
と、基本ベクトル生成部４と、見出しベクトル生成部５
と、ベクトル合成部６と、合成ベクトル保持部７と、分
類部８と、分類結果保持部９と、表示部１０と、再分類
指示部１１と、検索文書抽出部１２と、から構成されて
いる。また、検索文書抽出部１２は、表示要素選択部１
２ａと、表示範囲選択部１２ｂと、表示文書抽出部１２
ｃと、から構成されている。

【００３４】文書蓄積部１は、検索の母集合となる文書
群を蓄積している。ここではその蓄積の形態は特に限定
しない。分類単位指定部２は、分類単位を「文書」にす
るか、「章」にするか、「節」にするか、「段落」にす
るか等の指定を行う。論理構造解析部３は、文書蓄積部
１から文書を読み込み、読み込んだ文書の論理構造を解
析する。基本ベクトル生成部４は、論理構造解析部３に
て解析された文書の論理構造を、分類単位指定部２にて
指定された分類単位で分割して各分類単位毎にキーワー
ドを抽出し、このキーワードに基づいて基本ベクトルを
生成する。

【００３５】見出しベクトル生成部５は、論理構造解析
部３にて解析された文書の論理構造において、基本ベク
トル生成部４にて基本ベクトル生成の対象となった分類
単位の構成要素よりも上位に配置されている全構成要素
の見出しからキーワードを抽出し、このキーワードに基
づいて見出しベクトルを生成する。なお、この見出しベ
クトル生成については、後に例を挙げて説明する。

【００３６】ベクトル合成部６は、基本ベクトル生成部
４にて生成された基本ベクトルと、見出しベクトル生成
部５にて生成された見出しベクトルとを合成して、合成
ベクトルを生成する。合成ベクトル保持部７は、基本ベ
クトル生成部４にて基本ベクトル生成の対象となった分
類単位の構成要素と、ベクトル合成部５にて生成された
合成ベクトルとを、対応付けて保持する。

【００３７】分類部８は、合成ベクトル保持部７に保持
された合成ベクトルの類似度に基づいて、検索の母集合
となる文書を１つ以上のカテゴリーに分類する。この分
類は、分類単位指定部２にて指定された単位毎に行われ
る。分類結果保持部９は、分類部８にて行われた分類の
結果を保持する。表示部１０は、分類部８にて行われた
分類の結果、すなわち、１つ以上のカテゴリーと、各カ
テゴリーに含まれる分類単位に分割された文書とを表示
する。再分類指示部１１は、分類部８にて行われた分類
結果から、再分類の必要なカテゴリーを選択し、再分類
を指示する。

【００３８】検索文書抽出部１２は、分類部８にて分類
されたカテゴリーから、必要なものを選択し、表示部１
０に表示させる。すなわち、表示要素選択部１２ａが、
表示部１０にて通常表示されるカテゴリーおよび各カテ
ゴリーに含まれる分類単位に分割された文書から、抽出
表示の対象とする要素を選択する。表示範囲選択部１２
ｂが、抽出表示の範囲を選択する。そして、表示文書抽
出部１２ｃが、表示範囲選択部１２ｂにて選択された抽
出表示範囲の文書を、文書蓄積部１から抽出し、表示部
１０に表示させる。

【００３９】次に、このような構成の文書検索装置の第
１の実施の形態における文書検索の手順を説明する。図
２は、文書検索装置の第１の実施の形態における文書検
索の全体手順を示すフローチャートである。

【００４０】本発明の文書検索装置の第１の実施の形態
において文書検索を行う場合には、まず分類単位指定部
２にて分類単位の指定が行われる（ステップＳ１）。次
に、論理構造解析部３が文書蓄積部１から検索対象であ
る文書を１つ読み込み（ステップＳ２）、読み込んだ文
書の論理構造を解析する（ステップＳ３）。基本ベクト
ル生成部４は、論理構造解析部３にて解析された論理構
造の分類単位の構成要素毎に、基本ベクトルを生成する
（ステップＳ４）。また、見出しベクトル生成部５も基
本ベクトル生成部４と同様、分類単位の構成要素毎に見
出しベクトルを生成する（ステップＳ５）。

【００４１】ベクトル合成部６は基本ベクトルと見出し
ベクトルとを合成して、合成ベクトルを生成する（ステ
ップＳ６）。合成ベクトル保持部７はベクトル生成の対
象となった分類単位の構成要素と合成ベクトルとを、対
応付けて保持する（ステップＳ７）。ここで、文書蓄積
部１に、検索対象であり、まだステップＳ２〜ステップ
Ｓ７の処理の対象となっていない文書が残っているか否
かが判断される（ステップＳ８）。そして、文書が残っ
ていればステップＳ２に再度進み、文書が残っていなけ
ればステップＳ９に進む。文書が残っていないというこ
とは、検索対象である文書すべてに関して、ベクトルが
生成されたということである。分類部８は、合成ベクト
ル保持部７に保持された合成ベクトルを読み込んで（ス
テップＳ９）文書を分類し、その結果を表示部１０に表
示させる（ステップＳ１０）。

【００４２】次に、このフローチャートのステップＳ１
０にあたる分類および結果表示の処理について、順を追
って説明する。図３は、文書検索装置の第１の実施の形
態における文書の分類および結果表示の手順を示すフロ
ーチャートである。

【００４３】分類部８は、図２のステップＳ９にて読み
込んだ各文書の分類単位の構成要素毎の合成ベクトルの
類似度に基づいて、すべての検索対象文書を１つ以上の
カテゴリーに分類する（ステップＳ１１）。分類結果保
持部９は、ステップＳ１１にて行われた分類の結果を保
持する（ステップＳ１２）。また、表示部１０は、ステ
ップＳ１１にて行われた分類の結果を表示する（ステッ
プＳ１３）。

【００４４】次に、表示された分類結果から、再分類が
必要か否か判断される（ステップＳ１４）。ここで、再
分類が必要であると判断されると、再分類指示部１１に
て再分類の必要なカテゴリーの選択が行われる（ステッ
プＳ１５）。この選択は複数であってもよく、再分類が
必要であるとされたカテゴリーに対しては、再度ステッ
プＳ１１〜ステップＳ１４の処理が繰り返される。

【００４５】ステップＳ１４における判断にて再分類の
必要がないと判断された場合には、抽出表示を行うか否
かの判断が行われる（ステップＳ１６）。抽出表示を行
う場合には、表示要素選択部１２ａにて抽出表示の対象
となる要素が選択され（ステップＳ１７）、表示範囲選
択部１２ｂにて抽出表示の範囲が選択される（ステップ
Ｓ１８）。そして表示文書抽出部１２ｃにて文書蓄積部
１から抽出表示範囲の文書が抽出され（ステップＳ１
９）、表示部１０に表示される（ステップＳ２０）。

【００４６】この時点で、抽出表示を行わなかった場合
には表示部１０に分類結果が表示される。また、抽出表
示を行った場合には、表示部１０に抽出文書が表示され
る。そして、いずれにしても、表示部１０の表示から、
この文書検索処理を終了するか否かが判断され（ステッ
プＳ２１）、終了しない場合は、再度ステップＳ１３以
降の処理へ進む。

【００４７】ここで、本発明の文書検索装置の第１の実
施の形態にて文書検索を行った場合に、どのように分類
および検索が行われるのかを、図２および図３のフロー
チャートに沿って具体的な例を挙げて説明する。

【００４８】図４は、図１に示した文書蓄積部１に蓄積
される文書の一例を示す図である。図に示した文書１０
０は、「情報検索の技術動向」という表題を持つ文書で
ある。この「文書」は、それぞれが「見出し」を持つ複
数の「章」から構成されており、１章の見出しは「はじ
めに」、２章の見出しは「ＸＸＸ」、３章の見出しは
「自然言語処理の利用」、４章の見出しは「ＺＺＺ」、
・・・である。また、「章」は、それぞれが「見出し」
を持つ複数の「節」から構成されている。３章１節の見
出しは「ＹＹＹ」であり、３章２節の見出しは「文書構
造解析」である。そして「節」は、さらに複数の「段
落」から構成されている。３章２節の段落Ｐ１はキーワ
ード（文脈、テキスト、概念、検索）で示される内容を
持ち、段落Ｐ２はキーワード（文、意味、役割、検索）
で示される内容を持ち、段落Ｐ３はキーワード（検索、
精度、統計、情報）で示される内容を持っている。

【００４９】分類単位指定部２にて分類単位を「段落」
とし（図２のステップＳ１）、論理構造解析部３に図４
に示した文書１００が検索対象として読み込まれると
（図２のステップＳ２）、文書１００の論理構造が解析
され、木構造として表現される（図２のステップＳ
３）。

【００５０】図５は、図４に示した文書の論理構造を木
構造にて示した図である。ここでは、文書の構成要素を
矩形で示している。なお、図中左に記載されている構成
要素ほど、上位に配置されていることを示す。また、こ
の木構造に沿って、特定の構成要素からその上位および
下位の任意の構成要素へ到達できる。

【００５１】基本ベクトル生成部４は、まず文書１００
を、分類単位である「段落」毎に読み込み、各「段落」
の内容からキーワードを抽出する。この抽出には、形態
素解析を利用して構成要素内の文章からキーワードとな
る単語を抽出する方法や、予めキーワードの候補となる
単語リストを用意しておき、構成要素内の文章に含まれ
た単語を照合して、一致した単語をキーワードとして抽
出する方法等、様々な方法が考えられる。なお、本発明
の文書検索におけるキーワードの抽出には上記のような
従来技術を利用するものとし、特に方法の限定はしな
い。

【００５２】次に基本ベクトル生成部４は、次式（１）
で示される計算を行って、抽出したキーワードｋ個を基
に、各「段落」に対するｔ次元の基本ベクトルを生成す
る（図２のステップＳ４）。ここで次元数ｔは、分類に
利用するキーワードの総数である。この次元数ｔの算出
方法はキーワードの抽出方法によって異なり、キーワー
ドの抽出に単語リストを使用する場合には、その単語リ
ストに含まれる単語の総数がｔとなる。

【００５３】ある構成要素Ｐ_iの基本ベクトルＡ_piは次
式（１）で表現される。

【００５４】

【数１】Ａ_pi＝（ｐ_i1，ｐ_i2，・・・，ｐ_it） ………（１）ここでｐ_ikは、構成要素Ｐ_iにおけるキーワードｋの値
を表わす。なお本実施の形態では、構成要素Ｐ_i中に単
語ｋが出現していればｐ_ik＝１、出現していなければｐ
_ik＝０とする。このキーワードｋの値には、単語ｋの出
現頻度や分散の度合に応じて重み付けを行っても良い。

【００５５】ここで、文書１００に則し具体的に基本ベ
クトルの例を挙げる。単語リストとして「情報、検索、
技術、動向、自然、言語、処理、利用、文書、構造、解
析、役割、文、意味」を利用すると、キーワード（文
脈、テキスト、概念、検索）を含む段落Ｐ１の基本ベク
トルＡ_P1は、次式（２）で表現される。

【００５６】

【数２】Ａ_P1＝（0,1,0,0,0,0,0,0,0,0,0,0,0,0 ） ………（２）同様に、キーワード（文、意味、役割、検索）を含む段
落Ｐ２の基本ベクトルＡ_P2は、次式（３）で表現され
る。

【００５７】

【数３】Ａ_P2＝（0,1,0,0,0,0,0,0,0,0,0,1,1,1 ） ………（３）また、キーワード（検索、精度、統計、情報）を含む段
落Ｐ３の基本ベクトルＡ_P3は、次式（４）で、表現され
る。

【００５８】

【数４】Ａ_P3＝（1,1,0,0,0,0,0,0,0,0,0,0,0,0 ） ………（４）見出しベクトル生成部５は、論理構造解析部３において
抽出された全論理構成要素のうち、各「段落」より上位
にある全ての構成要素の「見出し」（「文書」の「表
題」、「章」の「見出し」、「節」の「見出し」）を読
み込む。そして、各「見出し」に関するｔ次元の見出し
ベクトルを生成する（図２のステップＳ５）。ここで例
えば、「文書の表題」から得られる見出しベクトルＢ
は、次式（５）で表現される。

【００５９】

【数５】Ｂ＝（Ｂ₁，Ｂ₂，・・・，Ｂ_k） ………（５）ここでＢ_kは、「文書の表題」におけるキーワードｋの
値を表わす。また、「章の見出し」から得られる見出し
ベクトルＣは、次式（６）で表現される。

【００６０】

【数６】Ｃ＝（Ｃ₁，Ｃ₂，・・・，Ｃ_k） ………（６）ここでＣ_kは、「章の見出し」におけるキーワードｋの
値を表わす。また同様に、「節の見出し」から得られる
見出しベクトルＤは、次式（７）で表現される。

【００６１】

【数７】Ｄ＝（Ｄ₁，Ｄ₂，・・・，Ｄ_k）・・・（７）ここでＤ_kは、「節の見出し」におけるキーワードｋの
値を表わす。ここでは、論理構成要素として「文書」、
「章」、「節」、「段落」のみを挙げたが、これ以外に
構成要素を持つような文書でも、式（５）〜式（７）と
同様に見出しベクトルを生成する。なお、見出しベクト
ルを求める式（５）〜式（７）は、本質的には式（１）
と同一のものである。

【００６２】ここで，文書１００に則し具体的に見出し
ベクトルの例を挙げると、キーワード（情報、検索、技
術、動向）を含む文書の見出しベクトルＢ₁₀₀は、次式
（８）で表現される。

【００６３】

【数８】Ｂ₁₀₀＝（1,1,1,1,0,0,0,0,0,0,0,0,0,0 ） ………（８）同様に、キーワード（自然、言語、処理、利用）を含む
３章の見出しベクトルＣ₁₀₀は次式（９）で表現され
る。

【００６４】

【数９】Ｃ₁₀₀＝（0,0,0,0,1,1,1,1,0,0,0,0,0,0 ） ………（９）またキーワード（文書、構造、解析）を含む３章２節の
見出しベクトルＤ₁₀₀は次式（１０）で、表現される。

【００６５】

【数１０】Ｄ₁₀₀＝（0,0,0,0,0,0,0,0,1,1,1,0,0,0 ） ………（１０）このようにして、分類単位の構成要素に対する基本ベク
トルおよび見出しベクトルが生成されると、ベクトル合
成部６はこれらのベクトルを合成し、合成ベクトルを生
成する（図２のステップＳ６）。ここで、ある章の下の
ある節の下のある段落の合成ベクトルＳは、次式（１
１）で表わされる。

【００６６】

【数１１】Ｓ＝Ａ＋ｗ₁Ｄ＋ｗ₂Ｃ＋ｗ₃Ｂ ………（１１）ここで、式（１１）において、Ａは基本ベクトル、Ｄは
節の見出しベクトル、Ｃは章の見出しベクトル、Ｂは文
書の表題ベクトルを表わす。また、ｗ₁、ｗ₂、ｗ
₃は、それぞれのベクトルに対する重み付けを表わす。

【００６７】重み付けには、０より大きく１以下の任意
の値をとることができる。一般に、文書が論理的な階層
構造を持つとき、上位の階層は下位の階層よりも広い概
念を表す。従って、本実施の形態では、重み付けｗ_rを
次式（１２）にて算出する。

【００６８】

【数１２】ｗ_r＝１／（ｒ＋１） ………（１２）この式（１２）において、ｒは分類単位「段落」からの
距離を表わす。すなわち、「節」、「章」、「文書」の
順に重み付けが小さくなり、節見出しの重みは１／２、
章見出しの重みは１／３、表題の重みは１／４になる。
このように下位概念に重きを置いた分類は、検索者の要
求が具体的である場合に適している。

【００６９】図６は、図４に示した文書１００の段落Ｐ
２に対する合成ベクトルの生成を示す表である。図にお
いて、見出しベクトルの欄に記載されている値は、既に
重み付けされた値である。ここでは、節見出しへの重み
付けを０．６、章見出しへの重み付けを０．４、表題へ
の重み付けを０．２としている。ベクトル合成部６にて
合成される段落Ｐ２に対する合成ベクトルＶ_P2は、次式
（１３）にて表わされる。

【００７０】

【数１３】

【００７１】このようにして分類単位の構成要素に対す
る合成ベクトルが生成されると、合成ベクトル保持部７
は、分類単位の構成要素と合成ベクトルとを対応付けて
保持する（図２のステップＳ７）。

【００７２】図７は、図４に示した文書１００に関し
て、分類単位「段落」に対応する合成ベクトル保持の様
子を示した図である。なお、ここでは先に求めた段落Ｐ
２に対する合成ベクトルについてのみ具体例を示してお
く。

【００７３】この時点で文書蓄積部１に検索の対象とす
べき文書がまだ残っていれば、以上と同様の処理を再度
行う（図２ステップＳ８の分岐にてステップＳ２へ進
む）が、ここでは図４に示した文書１００のみを検索の
対象として説明を続ける。

【００７４】検索対象である文書すべての分類単位の構
成要素に対する合成ベクトルの生成、保持が終了する
と、分類部８は合成ベクトル保持部７に保持された合成
ベクトルを、すべて読み込む（図２のステップＳ９）。
そして分類部８は、読み込んだ合成ベクトルの類似度に
基づいて、検索対象である文書すべてを、分類単位毎
に、１つ以上のカテゴリーに分類する（図３のステップ
Ｓ１１）。

【００７５】ここで、ベクトルの類似度の計算方法とし
ては、様々なものが知られている。ベクトルの内積を利
用する方法や、コサイン係数に基づく方法等、本実施の
形態では、これらの従来技術を任意に適用すればよい。
また分類の方法としては、多変量解析における種々のク
ラスタリング手法が利用できる。

【００７６】分類の結果は、分類結果保持部９に保持さ
れ（図３のステップＳ１２）、表示部１０に表示される
（図３のステップＳ１３）。ここで、図４に示した文書
１００に則して、分類結果を表示する表示部１０の表示
画面の一例を挙げてみる。

【００７７】図８は、分類結果の表示画面の一例を示す
図である。表示画面２００には、分類結果であるカテゴ
リー群の表示を行うカテゴリー表示ウィンドウ２１０、
再分類を指示する分類ボタン２０１、検索文書の抽出表
示を行う際に表示範囲の選択を行う範囲選択ボタン２０
２、および検索文書の抽出表示を指示する文書取り出し
ボタン２０３、が設けられている。

【００７８】ここで、カテゴリー表示ウィンドウ２１０
には、分類の結果であるカテゴリー２１１、２１２、・
・・が表示されている。各カテゴリーには、再分類を行
う際カテゴリーの選択に使用する選択用チェックボック
ス２１１ａ、２１２ａ、・・・が設けられている。ま
た、各カテゴリーには、そのカテゴリーに分類された分
類単位の構成要素を表示する要素表示欄２１１ｂ、２１
１ｃ、・・・、２１２ｂ、２１２ｃ、・・・、・・・が
設けられている。なお、カテゴリー表示ウィンドウ２１
０およびカテゴリー２１１、２１２、・・・には、必要
に応じてスクロールバーが設けられる。

【００７９】要素表示欄２１１ｂ、２１２ｂ、・・・に
分類単位の構成要素を表示する方法には様々な方法が考
えられる。各分類単位の構成要素の先頭から一定長の文
字列を表示させる方法や、各分類単位の構成要素から抽
出されたキーワード群を表示させる方法等、分類単位の
構成要素を一意に識別する方法であれば、どのような方
法でもよい。なお、図に示した表示画面２００では、各
分類単位の構成要素の先頭から一定長の文字列を表示さ
せる方法を示している。また、表示画面２００の範囲選
択ボタン２０２は「文書」、「章」、「節」、「段落」
から範囲を選択できるように構成されているが、さらに
複雑な論理構成を持つ文書を検索対象とする場合には、
その構成に基づいて範囲を選択できるように構成され
る。

【００８０】このように表示された分類の結果から、カ
テゴリーの再分類が必要か否か判断される（図３のステ
ップＳ１４）。分類が必要と判断された場合には、分類
結果として得られたカテゴリー群から再分類の対象とす
べき１つ以上のカテゴリーが選択される（図３のステッ
プＳ１５）。

【００８１】ここで、図８に示した表示画面にて再分類
を指示する方法を説明する。図９は、図８に示した表示
画面において、再分類を指示する様子を示した図であ
る。

【００８２】カテゴリーの選択は、選択用チェックボッ
クス２１１ａ、２１２ａ、・・・をマウス等のポインテ
ィングデバイスで選択することによって行われる。図
は、選択用チェックボックス２１１ａが選択された様子
を示しており、選択用チェックボックス２１１ａには選
択されたことを示すチェックが入っている。この状態
で、再分類を指示する分類ボタン２０１をマウス等のポ
インティングデバイスにて選択すると、カテゴリー２１
１を対象に再度分類部８による分類が行われて、更に１
つ以上のカテゴリーに分類される。この分類の結果は分
類結果保持部９に保持され、表示部１０に表示される。

【００８３】本実施の形態の文書検索装置では、表示さ
れた分類結果に再分類が必要でない時や、再分類が必要
か否かを表示画面からだけでは判断できない時には、分
類単位の構成要素を抽出して表示させることができる
（図３のステップＳ１６）。抽出表示を行う場合には、
まず抽出表示をさせたい分類単位の構成要素を表示要素
として選択し（図３のステップＳ１７）、次に抽出表示
をさせたい範囲を選択する（図３のステップＳ１８）。

【００８４】図１０は、図８に示した表示画面におい
て、抽出表示を指示する様子を示した図である。表示要
素および表示範囲の選択は、マウス等のポインティング
デバイスにて行う。図は、表示要素として要素表示欄２
１１ｂが選択され、表示範囲として範囲選択ボタン２０
２の「節」が選択され、選択された２箇所が反転等によ
り確認できるようになっている様子を示している。つま
り、表示画面２００のカテゴリー表示ウィンドウ２１０
に示された、要素表示欄２１１ｂ、２１１ｃ、・・・、
２１２ｂ、２１２ｃ、・・・、・・・は、図１に示した
表示要素選択部１２ａに対応している。同様に、表示画
面２００の範囲選択ボタン２０２は、図１に示した表示
範囲選択部１２ｂに対応している。また、取り出しボタ
ン２０３は、図１に示した表示文書抽出部１２ｃに対応
している。従って、この状態で取り出しボタン２０３が
マウス等のポインティングデバイスにて選択されると、
文書蓄積部１に蓄積された文書から、選択範囲および選
択要素が抽出される（図３のステップＳ１９）。そして
抽出された文書は、表示部１０に表示される（図３のス
テップＳ２０）。

【００８５】図１１は、抽出文書の表示画面の一例であ
る。表示画面２２０には、選択された表示範囲の構成要
素名を表示する範囲名表示欄２２１と、選択され、抽出
された表示範囲の文書を表示する範囲内容表示欄２２２
と、選択要素を拡大表示する抽出要素表示欄２２３とが
設けられている。ここでは、図１０に示した抽出表示の
指示通りに、図４に示した文書１００の、３章２節の段
落Ｐ２を抽出要素として、また、この段落Ｐ２を含む節
を抽出範囲として、表示している。なお、表示画面２２
０には、必要に応じてスクロールバーが設けられる。

【００８６】文書の抽出表示をしてみて、さらに分類が
必要であると判断されれば、処理は再び分類部８による
文書の分類へ進み、その必要がなければ、この文書検索
処理は終了である（図３のステップＳ２１）。

【００８７】このように、本発明の文書検索装置の第１
の実施の形態では、蓄積された文書を任意の分類単位で
分割し、その際、分類単位の上位に位置する構成要素の
見出しをも考慮に入れた上で、類似度の高いもの同士で
分類し、カテゴリーを生成して必要な話題を含む分類単
位の構成要素のみを絞り込む。その後、必要に応じて詳
細な内容を表示させることができるため、多量の文書や
巨大な文書から、必要な話題のみを簡単に抽出すること
が可能である。図１１では抽出要素を拡大表示させた
が、単に矩形で囲んだり、下線を引いたり、といった方
法で表示範囲との区別がつくようにしてもよい。

【００８８】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。第２の実施の形態では、第１
の実施の形態で示した文書検索装置にて階層的な論理構
造の明示されていない文書を対象とした文書検索を行
う。この実施の形態の装置構成は図１に示した第１の実
施の形態の装置構成と同一である。また、文書検索処理
は図２及び図３に示したフローチャートと同様の処理手
順にて実現される。

【００８９】具体的な文書群として、例えば、ＷＷＷ(W
orld Wide Web)で公開されているＨＴＭＬ(Hyper Text
Markup Language)文書を文書蓄積部１に格納して、分類
および検索の対象とすることができる。ＨＴＭＬは、構
造化文書の国際規格であるＳＧＭＬ(Standard Generali
zed Markup Language; ISO8879) の応用のひとつであ
り、文書タイプ定義ＤＴＤ(Document Type Definition)
によって、文書構造が規定されている。

【００９０】ＨＴＭＬのＤＴＤは階層的な論理構造を明
示的に規定できるものではないが、本実施の形態では見
出しの大きさを疑似的に階層の深さとみなすことによ
り、階層的な論理構造を持つものとして解析する。ま
た、文書中に出現する章番号、節番号により、階層的な
構造を取り出すことができる。

【００９１】ここで、本発明の第２の実施の形態の文書
検索装置にて、ＨＴＭＬ文書を分類する場合の処理につ
いて具体例をあげて説明する。なお、説明に必要な文書
検索装置の構成要素及び文書検索処理のステップ等は、
第１の実施の形態の説明に使用した図１〜図３の符号を
流用する。

【００９２】図１２は、図１に示した文書蓄積部１に蓄
積されるＨＴＭＬ文書の一例を示す図である。図に示し
た文書１１０において、文書中の各要素は、その開始を
示すタグと終了を示すタグによって囲まれている。ある
要素Ａについて、開始タグは＜Ａ＞、終了タグは＜／Ａ
＞で示される。従って、文書１１０はまず、文書の開始
を示すタグ＜ＨＴＭＬ＞と、文書の終了を示すタグ＜／
ＨＴＭＬ＞によって囲まれている。

【００９３】また、文書１１０はヘッダ要素（ＨＥＡ
Ｄ）と本体要素（ＢＯＤＹ）からなり、ヘッダ要素は表
題要素（ＴＩＴＬＥ）を包含している。そして、本体要
素は、見出し要素（Ｈ２およびＨ３）と段落要素（Ｐ）
の並びを包含している。なお、ＨＴＭＬのＤＴＤでは見
出し要素としてＨ１〜Ｈ６の６種類が規定されており、
Ｈ１が最も重要度の高い見出しとして、Ｈ６が最も重要
度の低い見出しとして規定される。

【００９４】一般的に階層的な見出しを構成する場合、
重要度の高い見出しほど上位階層の見出しとして記述さ
れる。従って、ここでは、要素Ｈ２を章見出し、要素Ｈ
３を節見出しとして論理構造を解析する。また、見出し
とともに記述される章番号や節番号から論理構造を解析
する。

【００９５】分類単位指定部２にて分類単位を「段落」
とし( 図２のステップＳ１）、論理構造解析部３に図１
２に示した文書１１０が読み込まれると( 図２のステッ
プＳ２）、文書の論理構造が解析され、表題要素（ＴＩ
ＴＬＥ）、見出し要素（Ｈ２およびＨ３）、段落要素
（Ｐ）が取り出され、木構造として表現される( 図２の
ステップＳ３）。

【００９６】図１３は、図１２に示した文書の論理構造
を木構造にて示した図である。基本ベクトル生成部４
は、まず文書１１０を、分類単位である「段落」毎に読
み込み、各「段落」内容からキーワードを抽出する。こ
こでキーワードの抽出方法は従来技術を利用するものと
し、特に一つの方法には限定しない。

【００９７】次に基本ベクトル生成部４は、前述の式
（１）で示される計算を行って、各段落に対するｔ次元
の基本ベクトルを生成する( 図２のステップＳ４）。こ
こで、文書１１０のように文書の階層的な論理構造が明
示されていない場合、式（１）におけるｐ_ikの値に単語
ｋの出現頻度及び分散の度合に応じて重み付けを行い、
基本ベクトルのノルムが１になるように正規化を行う必
要がある。基本ベクトルのノルムが１になるように正規
化することにより、「段落」と「見出し」のテキスト量
の違いによる影響を排除することができる。

【００９８】例えば、段落数の合計がＮ個である文書群
を対象とした場合、ｉ番目（ｉ＝１，・・・，Ｎ）の段
落のベクトルＡ_Pi＝（ｐ_i1，ｐ_i2，・・・，ｐ_it）のｊ
番目（ｊ＝１，・・・，ｔ）の要素の値Ｐ_ijは、出現頻
度（ＴＦ）と分散（ＩＤＦ）を用いて、次式（１４）、
（１５）にて表される。

【００９９】

【数１４】Ｐ_ij＝ｆ_ij・ｇ_j ………（１４）

【０１００】

【数１５】ｇ_j＝Ｌｏｇ（Ｎ／ｄ_j） ………（１５）ただし、ｆ_ijは、ｊ番目の単語のｉ番目の段落における
出現頻度でＴＦに対応する。またｇ_jはＩＤＦに対応
し、ｄ_jはｊ番目の単語が出現する段落の数を表す。こ
こで、Ａ_Piをノルムが１になるように正規化したＡ' _Pi
は、次式（１６）により計算される。

【０１０１】

【数１６】

【０１０２】本実施の形態では、基本ベクトルとしてこ
のＡ' _Piを用いる。ここで例えば、図１２に示す文書１
１０の２章３節の段落Ｐ１８を対象に基本ベクトルを生
成する場合、段落Ｐ１８からはキーワードとして（NIS
T、現在、コンピュータ、セキュリティ、ハンドブッ
ク、作成、．．．）が抽出される。そして、各キーワー
ドの出現頻度（ＴＦ）と分散（ＩＤＦ）が計算され、ノ
ルムが１になるように正規化された基本ベクトルＡ'
_P18が生成される。

【０１０３】次に、見出しベクトル生成部５は、論理構
造解析部３において抽出された全論理構成要素のうち、
各「段落」より上位にあるすべての「見出し」（文書の
「表題」、「章見出し」「節見出し」）を読み込む。そ
して、各「見出し」に関するｔ次元の見出しベクトルを
生成する（図２のステップＳ５）。なお、ここでも、各
見出しベクトルにも基本ベクトル同様、単語の出現頻度
と分散を用いて重み付けを行い、見出しベクトルのノル
ムが１になるように正規化を行う。

【０１０４】図１２に示す文書１１０の段落Ｐ１８に関
しては、上位の見出しとして文書の表題「National Inf
ormation Infrastructure （NII)」、２章の見出しであ
る「ネットワークセキュリティのための方策」、２章３
節の見出しである「ネットワークセキュリティ管理」か
らそれぞれキーワードが抽出され、各キーワードの出現
頻度と分散が計算され、ノルムが１になるように正規化
された見出しベクトルが生成される。

【０１０５】ベクトル合成部６は、図２のステップＳ４
及びステップＳ５で生成された基本ベクトルと見出しベ
クトルとを合成する（図２のステップＳ６）。なお、合
成ベクトルの算出に関しては前述の式（１１）を、式
（１１）における各ベクトルに対する重み付けに関して
は、前述の式（１２）を、それぞれ流用する。

【０１０６】分類単位の構成要素に対する合成ベクトル
が生成されると、合成ベクトル保持部７は、分類単位の
構成要素と合成ベクトルを対応付けて保持する（図２の
ステップＳ７）。この時点で文書蓄積部１に分類の対象
とすべき文書がまだ残っていれば、以上と同様の処理を
行う（図２のステップＳ８の分岐にてステップＳ２へ進
む）。分類対象である文書すべての分類単位の構成要素
に対する合成ベクトルの生成、保持が終了すると、分類
部８は合成ベクトル保持部７に保持された合成ベクトル
を、すべて読み込む（図２のステップＳ９）。そして分
類部８は、読み込んだ合成ベクトルの類似度に基づい
て、分類対象である文書すべてを、分類単位毎に、１つ
以上のカテゴリーに分類し（図３のステップＳ１１）、
分類結果保持部９に分類結果を保持する（図３のステッ
プＳ１２）。

【０１０７】なお、ここではベクトルの類似度の計算方
法としてコサイン係数に基づく方法を用いる。コサイン
係数に基づくベクトルの類似度の計算方法については、
後述する式（２０）にて述べる。また、分類の方法とし
て、公知技術であるｋ平均クラスタリングを用いる。

【０１０８】ここで、本実施の形態にて実際に文書を分
類した実験の結果を説明する。対象とする文書群とし
て、ＷＷＷで公開されているＨＴＭＬ文書３３件（社団
法人日本電子工業振興協会が発行している「電子工業月
報」の「ニューヨーク駐在員報告」９４年６月号から９
７年２月号）を利用、１６３５段落に分割して、文書の
分類を行った。

【０１０９】図１４は、実験対象とする文書群を人手に
より分類した結果を示す分類表である。実験の対象とし
た３３件の文書はすべて米国の情報産業の動向に関する
もので、図１４に示した分類表の各カテゴリには、その
カテゴリに含まれる段落群の内容から判断して適切なト
ピックが付与されている。なお、カテゴリは全部で２７
個あり、各カテゴリは最少で８個、最多で１６４個の段
落を含んでいる。また、これ以降この分類表の示す分類
結果を、標準セットと呼ぶ。

【０１１０】実験では、上述のＨＴＭＬ文書３３件を図
１に示した文書蓄積部１に蓄積し、図２及び図３のフロ
ーチャートに示す処理手順に従って処理した結果を標準
セットと比較した。

【０１１１】ここで、ｋ平均クラスタリングについて説
明する。なお、これ以降、「クラスタ」は「カテゴリ
ー」と同義であるとする。ｋ平均クラスタリングでは、
生成するクラスタの数ｋをパラメータとして与える。ｋ
個のクラスタ中心の初期値は、標本ベクトルの中から適
当に選ばれる。

【０１１２】ここでは人手による分類と比較するため、
クラスタ数ｋを図１４に示した標準セットのカテゴリー
数と同数、すなわちｋ＝２７とする。また、ｋ個のクラ
スタ中心の初期値は、図１４に示した標準セットの各カ
テゴリーのトピックに対して、最も類似度の高い段落を
選ぶ。

【０１１３】各カテゴリーのトピックと、対象とする
「段落」との類似度は、トピックから生成したベクトル
と、各「段落」の基本ベクトルとの類似度計算、例えば
コサイン係数を用いる方法等によって計算できる。

【０１１４】これにより、図２および図３のフローチャ
ートに示す処理手順に沿って処理した結果のクラスタ数
は、標準セットのカテゴリー数と揃えることができる。
また、標準セットの各カテゴリーのトピックに対応する
クラスタが生成されることが期待できる。

【０１１５】なお、ここでは標準セットの各カテゴリー
のトピックに対して、最も類似度の高い「段落」の基本
ベクトルをクラスタ中心の初期値として選択したが、こ
れは人手による分類との比較を目的としたものであり、
実用上は、クラスタ中心の初期値をどのように決めても
良い。

【０１１６】標準セットのカテゴリー集合を｛Ｃ₁，Ｃ
₂，・・・，Ｃ_m｝、本実施の形態における分類の結果
のクラスタ集合を｛Ｃ'₁，Ｃ'₂，・・・，Ｃ' _m｝と
し、クラスタＡの要素数をｎ（Ａ）、クラスタＡとクラ
スタＢに共通する要素の数をｎ（Ａ∩Ｂ）で表す。ま
た、対象となる構成要素の総数をＮとする。

【０１１７】このとき、標準セットに対する正解率Ｓは
次式（１７）により求められる。

【０１１８】

【数１７】

【０１１９】上記の式（１７）から、この実験結果であ
る正解率Ｓを算出すると、７０．６％となった。これに
対し、図２のステップＳ５およびステップＳ６を省略し
た場合、つまり基本ベクトルのみを合成ベクトル保持部
７に保持するようにした場合、分類結果の正解率Ｓは、
５５．６％となる。すなわち、基本ベクトルに見出しベ
クトルを合成して分類を行うことにより、正解率Ｓは１
５．０％向上した。

【０１２０】以上説明したように、本発明の文書検索装
置の第２の実施の形態では、蓄積された文書を任意の分
類単位で分割し、その際、分類単位の構成要素の上位に
位置する見出しを、そのテキストの長さを含めて考慮に
入れた上で、類似度の高いもの同士で分類し、カテゴリ
ーを生成して必要な話題を含む分類単位の構成要素のみ
を絞り込む。その後、必要に応じて詳細な内容を表示
させることができるため、多量の文書や巨大な文書か
ら、必要な話題のみを簡単に抽出することが可能であ
る。

【０１２１】次に、本発明の文書検索装置の第３の実施
の形態を説明する。図１５は、本発明の文書検索装置の
第３の実施の形態の原理構成を示した図である。文書検
索装置の第３の実施の形態は、文書蓄積部２１と、検索
単位指定部２２と、論理構造解析部２３と、基本ベクト
ル生成部２４と、見出しベクトル生成部２５と、ベクト
ル合成部２６と、合成ベクトル保持部２７と、問合せ入
力部２８と、問合せベクトル生成部２９と、検索部３０
と、表示部３１と、検索文書抽出部３２と、から構成さ
れている。

【０１２２】文書蓄積部２１、論理構造解析部２３およ
びベクトル合成部２６は、図１に示した第１の実施の形
態の文書蓄積部１、論理構造解析部３及びベクトル合成
部６と同一の構成要素であるので、説明は省略する。

【０１２３】また、表示部３１および検索文書抽出部３
２も、図１に示した第１の実施の形態の表示部１０およ
び検索文書抽出部１２と同一の構成要素であるので、説
明を省略する。検索文書抽出部３２を構成する表示要素
選択部３２ａ、表示範囲選択部３２ｂおよび表示文書抽
出部３２ｃは、図１に示した検索文書抽出部１２を構成
する表示要素選択部１２ａ、表示範囲選択部１２ｂおよ
び表示文書抽出部３２ｃと同一の構成要素である。

【０１２４】検索単位指定部２２は、検索単位を「文
書」にするか、「章」にするか、「節」にするか、「段
落」にするか等の指定を行う。基本ベクトル生成部２４
は、論理構造解析部２３にて解析された文書の論理構造
を、検索単位指定部２２にて指定された検索単位で分割
して検索単位の各構成要素毎にキーワードを抽出し、こ
のキーワードに基づいて基本ベクトルを生成する。

【０１２５】見出しベクトル生成部２５は、論理構造解
析部２３にて解析された文書の論理構造において、基本
ベクトル生成部２４にて基本ベクトル生成の対象となっ
た検索単位の構成要素よりも上位に配置されているすべ
ての構成要素の見出しからキーワードを抽出し、このキ
ーワードに基づいて見出しベクトルを生成する。合成ベ
クトル保持部２７は、基本ベクトル生成部２４にて基本
ベクトル生成の対象となった検索単位の構成要素と、ベ
クトル合成部２５にて生成された合成ベクトルとを、対
応付けて保持する。

【０１２６】問合せ入力部２８は、キーワード列または
自然言語文により構成される検索の問合せの入力を受け
付ける。問合せベクトル生成部２９は、問合せ入力部２
８にて受け付けた問合せから、問合せベクトルを生成す
る。そして、検索部３０は、問合せベクトル生成部２９
にて生成された問合せベクトルと、合成ベクトル保持部
２７にて保持されている合成ベクトルとを読み込む。そ
して、問合せベクトルと合成ベクトルとの類似度を算出
し、類似度の高い合成ベクトルと対応する検索単位の構
成要素を検索する。

【０１２７】次に、このような構成の文書検索装置の第
３の実施の形態における文書検索の手順を説明する。図
１６は、文書検索装置の第３の実施の形態における文書
検索の準備を行う手順を示すフローチャートである。

【０１２８】本発明の文書検索装置の第３の実施の形態
において文書検索を行う場合には、まず検索単位指定部
２２にて検索単位の指定が行われる（ステップＳ３
１）。次に、論理構造解析部２３が文書蓄積部２１から
検索対象である文書を１つ読み込み（ステップＳ３
２）、読み込んだ文書の論理構造を解析する（ステップ
Ｓ３３）。基本ベクトル生成部２４は、論理構造解析部
２３にて解析された論理構造の検索単位の構成要素毎
に、基本ベクトルを生成する（ステップＳ３４）。ま
た、見出しベクトル生成部２５も基本ベクトル生成部２
４と同様、検索単位の構成要素毎に見出しベクトルを生
成する（ステップＳ３５）。

【０１２９】ベクトル合成部２６は、基本ベクトルと見
出しベクトルとを合成して、合成ベクトルを生成する
（ステップＳ３６）。合成ベクトル保持部２７は、ベク
トル生成の対象となった検索単位の構成要素と合成ベク
トルとを、対応付けて保持する（ステップＳ３７）。こ
こで、文書蓄積部２１に、検索対象であり、まだステッ
プＳ３２〜ステップＳ３７の処理の対象となっていない
文書が残っているか否かが判断される（ステップＳ３
８）。そして、文書が残っていればステップＳ３２に再
度進み、文書が残っていなければこのフローチャートの
処理を終了する。ステップＳ３８の判断において文書が
残っていないということは、検索対象である文書すべて
に関して、ベクトルが生成されたということである。そ
して、図１６に示した文書検索の準備が終了した後に実
際に文書検索を行う。

【０１３０】図１７は、文書検索装置の第３の実施の形
態において、文書検索準備終了後に行う文書検索処理の
手順を示したフローチャートである。本発明の文書検索
装置の第３の実施の形態において文書検索を行う場合、
問合せ入力部２８にて、問合せを入力する（ステップＳ
４１）。問合せベクトル生成部２９は、入力された問合
せがキーワード列であればそこから、自然言語文であれ
ばその内容からキーワードを抽出して、問合せベクトル
を生成する（ステップＳ４２）。

【０１３１】問合せベクトルが生成されると、検索部３
０は、問合せベクトル生成部２９から問合せベクトル
を、合成ベクトル保持部２７から検索対象である文書に
対する合成ベクトルすべてを、読み込む（ステップＳ４
３）。そして問合せベクトルと合成ベクトル群との比較
を行い（ステップＳ４４）、問合せベクトルとの類似度
の高い合成ベクトルから順に、対応する検索単位の構成
要素とともに表示部３１に表示させる（ステップＳ４
５）。

【０１３２】ここまでの処理で、文書検索自体は一応終
了であるが、ここで、文書検索の結果を基に、検索した
文書の抽出表示を行うか否かの判断が行われる（ステッ
プＳ４６）。抽出表示を行う場合には、表示要素選択部
３２ａにて抽出表示の対象となる構成要素が選択され
（ステップＳ４７）、表示範囲選択部３２ｂにて抽出表
示の範囲が選択される（ステップＳ４８）。そして表示
文書抽出部３２ｃにて文書蓄積部２１から抽出表示範囲
の文書が抽出され（ステップＳ４９）、表示部３１に表
示される（ステップＳ５０）。

【０１３３】この時点で、抽出表示を行わなかった場
合、表示部３１には文書検索の結果が表示されている。
また、抽出表示を行った場合、表示部３１には抽出文書
が表示されている。そして、いずれにしても、表示部３
１の表示から、この文書検索処理を終了するか否かが判
断され（ステップＳ５１）、終了しない場合には、再度
ステップＳ４６以降の処理へ進み、別の構成要素に対す
る抽出表示を行うことが可能である。

【０１３４】ここで、本実施の形態の文書検索装置にて
文書検索を行う場合に、問合せを入力したり、検索結果
を表示したりする入出力画面の一例を挙げておく。図１
８は、本発明の文書検索装置の第３の実施の形態に係る
入出力画面の一例を示した図である。

【０１３５】入出力画面２３０には、問合せの入力を受
け付ける問合せ入力欄２３１、検索開始を指示する検索
ボタン２３２、検索文書の抽出表示を行う際に表示範囲
の選択を行う範囲選択ボタン２３３、検索文書の抽出表
示を指示する表示ボタン２３４、および検索結果を表示
する検索結果表示欄２３５が設けられている。

【０１３６】ここで、問合せ入力欄２３１は問合せ入力
部２８に対応している。また、検索ボタン２３２は検索
部３０に、範囲選択ボタン２３３は表示範囲選択部３２
ｂに、表示ボタン２３４は表示文書抽出部３２ｃに、検
索結果表示欄２３５は表示部３１に、それぞれ対応して
いる。

【０１３７】次に、本発明の文書検索装置の第３の実施
の形態で文書検索を行った場合に、どのように処理が行
われるのかを、図１６のフローチャートに沿って、具体
的な例を挙げて説明する。

【０１３８】図１９は、文書蓄積部２１に蓄積される文
書の一例を示す図である。文書１２０は、「情報検索の
技術動向」という表題を持つ文書である。文書全体は複
数の「章」から構成されており、１章の見出しは「背
景」、２章の見出しは「ベクトル空間モデル」、３章の
見出しは「自然言語処理の利用」、４章の見出しは「ユ
ーザインタフェース」、・・・である。また、章の中に
は複数の「節」から構成されているものがある。３章１
節の見出しは「シソーラス」であり、３章２節の見出し
は「文書構造解析」である。章や節はさらに複数の「段
落」から構成されている。１章の段落Ｐ２１はキーワー
ド（インターネット、情報、アクセス）で示される内容
を持ち、段落Ｐ２２はキーワード（マルチメディア、テ
キスト、検索）で示される内容を持っている。また、２
章の段落Ｐ２３はキーワード（部分、照合、検索）で示
される内容を持ち、段落Ｐ２４はキーワード（単語、重
み、ベクトル）で示される内容を持ち、段落Ｐ２５はキ
ーワード（頻度、分散、類似度）で示される内容を持っ
ている。更に、３章１節の段落Ｐ２６はキーワード（語
彙、辞書、検索）で示される内容を持ち、３章２節の段
落Ｐ２７はキーワード（文脈、テキスト、概念、検索）
で示される内容を持ち、段落Ｐ２８はキーワード（文、
意味、役割、検索）で示される内容を持ち、段落Ｐ２９
はキーワード（検索、精度、統計、情報）で示される内
容を持っている。そして、４章の段落Ｐ３０はキーワー
ド（利用者、インタラクション、ブラウジング）で示さ
れる内容を持っている。

【０１３９】このような文書１２０を含んだ検索対象に
文書検索を行う際には、まず図１６に示したフローチャ
ートの処理に沿って、検索単位の全ての構成要素毎に合
成ベクトルを生成する。

【０１４０】ここで検索単位として「段落」を指定する
とする。その後、図１８に示した入出力画面２３０の問
合せ入力欄２３１に、「問合せ」として、例えば「自然
言語処理を利用した情報検索」を入力し、検索ボタン２
３２をマウスなどのポインティングデバイスにて選択す
る（図１７のステップＳ４１）。

【０１４１】すると、問合せベクトル生成部２９が、入
力された問合せからキーワードを抽出して問合せベクト
ルを生成する（図１７のステップＳ４２）。検索部３０
は、作成された問合せベクトルを問合せベクトル生成部
２９から、保持されている合成ベクトル群を合成ベクト
ル保持部２７から読み込む（図１７のステップＳ４
３）。それから、読み込んだ問合せベクトルと合成ベク
トルとを比較する（図１７のステップＳ４４）。

【０１４２】図２０は、図１９に示した文書１２０の段
落毎の合成ベクトルと問合せベクトルとの比較の様子を
示した表である。本実施の形態では、問合せベクトルと
合成ベクトル群との類似度は、一致しているキーワード
の数値の合計から算出され、表１２１が生成される。表
１２１によれば、「情報」と「検索」とをキーワードと
して段落内に有し、「自然」「言語」「処理」「利用」
を上位構造である章（３章）の見出しとして有し、「情
報」と「検索」とをやはり上位構造である文書の見出し
として有する段落Ｐ２９が、問合せ「自然言語処理を利
用した情報検索」と最も類似度が高いことになる。ま
た、段落Ｐ２６、Ｐ２７、Ｐ２８の３つは、段落Ｐ２９
の次に類似度が高いことになる。

【０１４３】このようにして類似度を求めた検索部３０
は、類似度の高い順に、検索結果表示欄２３５に検索単
位を表示する（図１７のステップＳ４５）。図２１は、
検索結果の表示された入出力画面の一例を示す図であ
る。

【０１４４】図において、問合せ入力欄２３１には、問
合せ「自然言語処理を利用した情報検索」が入力されて
いる。また検索結果表示欄２３５には、類似度の高い順
に、検索単位の構成要素を一意に特定する情報（ここで
は、キーワード）と類似度とが、表示されている。検索
単位の構成要素を一意に特定する情報としてはここに示
すキーワードを利用する方法の他に、文字列を先頭から
一定の長さだけ抽出する等の方法を採ってもよい。ま
た、検索対象となる文書が多ければ多い程、検索結果も
多くなるので、実用に際しては一定の類似度を閾値とし
て設け、閾値以下の類似度の検索単位の構成要素は表示
しないようにする。

【０１４５】このようにして検索した結果から、抽出表
示を行うことができる。抽出表示したい要素（検索単
位）が、検索結果表示欄２３５からマウス等のポインテ
ィングデバイスにて選択され（図１７のステップＳ４
７）、同様に範囲選択ボタン２３３から任意の表示範囲
が選択され（図１７のステップＳ４８）、表示ボタン２
３４が選択されると、検索文書抽出部３２の表示文書抽
出部３２ｃによって、対象となる文書が文書蓄積部２１
から抽出され（図１７のステップＳ４９）、表示部３１
に表示される（図１７のステップＳ５０）。この抽出表
示の様子は、第１の実施の形態で行った抽出表示の様子
と全く同じである。

【０１４６】このように、本発明の文書検索装置の第３
の実施の形態では、蓄積された文書を任意の検索単位で
分割し、各検索単位の構成要素に含まれるキーワードに
対応して生成される合成ベクトルと、問合せに含まれる
キーワードに対応して生成される問合せベクトルとの類
似度を計算し、類似度の高いものから順に表示させる。
その後、必要に応じて詳細な内容を表示させることがで
きるため、多量の文書や巨大な文書から、必要な話題の
みを簡単に抽出することが可能である。

【０１４７】次に、本発明の文書検索装置の第４の実施
の形態を説明する。図２２は、本発明の文書検索装置の
第４の実施の形態の原理構成を示した図である。なお、
本発明の文書検索装置の第４の実施の形態の構成は、第
１の実施の形態の構成と基本的に同一である。よって、
同一構成要素には同一符号を付して詳しい説明を省略す
る。

【０１４８】文書検索装置の第４の実施の形態は、文書
蓄積部１と、分類単位指定部２と、論理構造解析部３
と、基本ベクトル生成部４と、内容ベクトル生成部４５
と、ベクトル合成部４６と、合成ベクトル保持部７と、
分類部８と、分類結果保持部９と、表示部１０と、再分
類指示部１１と、検索文書抽出部１２と、から構成され
ている。

【０１４９】内容ベクトル生成部４５は、論理構造解析
部３にて解析された文書の論理構造において、基本ベク
トル生成部４にて基本ベクトル生成の対象となった分類
単位の構成要素以外の構成要素の内容からキーワードを
抽出し、内容ベクトルを生成する。この内容ベクトル生
成については、後に例を挙げて詳しく説明する。

【０１５０】ベクトル合成部４６は、基本ベクトル生成
部４にて生成された基本ベクトルと、内容ベクトル生成
部４５にて生成された内容ベクトルとを合成して、合成
ベクトルを生成する。ベクトル合成部４６の処理は、第
１の実施の形態のベクトル合成部６の処理と、基本的に
は同一のものである。

【０１５１】このような構成の文書検索装置における文
書検索の手順は第１の実施の形態における文書検索の手
順とほぼ同じで、図２、図３に示したフローチャートに
沿って処理が行われる。但し、図２に示したステップＳ
５の見出しベクトルの生成の代わりに、内容ベクトルの
生成が行われる。以下、この内容ベクトルの生成につい
て説明を行う。

【０１５２】図２３は、文書検索装置の第４の実施の形
態における文書検索中、内容ベクトルを生成する際の手
順を示すフローチャートである。内容ベクトル生成部４
５は、まず基本ベクトル生成部４で基本ベクトル生成の
対象となっている分類単位を「Ｘ」として読み込む（ス
テップＳ６１）。次に、「Ｘ」に、親に当たる構成要素
が存在するか否か判断する（ステップＳ６２）。「Ｘ」
に、親に当たる構成要素が存在しなければ、このフロー
チャートに示す処理は終了となる。また、「Ｘ」に、親
に当たる構成要素が存在すれば、その構成要素を「Ｙ」
として読み込む（ステップＳ６３）。それから、「Ｙ」
に、まだベクトル生成の対象となっていない子構成要素
があるか否か判断する（ステップＳ６４）。ここで言う
ベクトル生成では、生成されるベクトルが基本ベクトル
か、要素ベクトル（内容ベクトルを構成するために生成
される複数のベクトルを、要素ベクトルと呼ぶ）かの違
いは問わない。

【０１５３】まだベクトル生成の対象となっていない子
構成要素が存在すれば、その構成要素を「Ｚ」として読
み込み（ステップＳ６５）、「Ｚ」を対象とした要素ベ
クトルを生成する（ステップＳ６６）。なお、この
「Ｚ」を対象とした要素ベクトル生成の手順について
は、後に詳しく説明する。

【０１５４】「Ｚ」を対象とした要素ベクトル生成が終
了した場合には再度ステップＳ６４に進む。ステップＳ
６４において、「Ｙ」にはもう、まだベクトル生成の対
象となっていない子構成要素はない、と判断された場
合、ステップＳ６４〜ステップＳ６６の処理で生成され
た要素ベクトルを、「Ｙ」の内容ベクトルとして合成す
る（ステップＳ６７）。構成要素「Ｙ」に対する内容ベ
クトル生成が終了したので、「Ｙ」を「Ｘ」として（ス
テップＳ６８）、再度ステップＳ６１に進む。

【０１５５】次に、このフローチャートのステップＳ６
６にあたる、要素ベクトル生成の手順を説明する。図２
４は、文書検索装置の第４の実施の形態における文書検
索中、内容ベクトル生成のために、要素ベクトルを生成
する手順を示すフローチャートである。

【０１５６】内容ベクトル生成部４５は、まず要素ベク
トル生成の対象となっている要素が、段落あるいは見出
しであるか否か判断する（ステップＳ７１）。そして、
要素ベクトル生成の対象となっている要素が、段落ある
いは見出しである場合、その内容に含まれるキーワード
を抽出して要素ベクトルを生成して（ステップＳ７
２）、このフローチャートに示す処理は終了となる。ま
た、ステップＳ７１の判断において、要素ベクトル生成
の対象となっている要素が段落でも見出しでもなかった
場合、その要素に、まだベクトル生成の対象となってい
ない子構成要素が存在するか否か判断する（ステップＳ
７３）。ここで言うベクトル生成では、生成されるベク
トルが基本ベクトルか、要素ベクトルか、の違いは問わ
ない。

【０１５７】まだベクトル生成の対象となっていない子
構成要素が存在すれば、その子構成要素を読み込む（ス
テップＳ７４）。そして、読み込んだ子構成要素を対象
として、要素ベクトルの生成を行う（ステップＳ７
５）、すなわちこのフローチャートに示すステップＳ７
１〜終了までの処理対象とする。

【０１５８】子構成要素を対象とした要素ベクトルの生
成が終了したら、再度ステップＳ７３へ進む。ステップ
Ｓ７３において、まだベクトル生成の対象となっていな
い子構成要素が存在しない、と判断された場合、ステッ
プＳ７３〜ステップＳ７５の処理で生成された要素ベク
トルを合成し（ステップＳ７６）、このフローチャート
に示す処理は終了となる。

【０１５９】ここで、本発明の文書検索装置の第４の実
施の形態で文書検索を行った場合に、どのように処理が
行われるのかを、図２、図３および図２３、図２４のフ
ローチャートに沿って図１９に示した文書１２０を例に
具体的に説明する。

【０１６０】分類単位指定部２にて検索単位が「段落」
とされ（図２のステップＳ１）、論理構造解析部３に図
１９に示した文書１２０が検索対象として読み込まれる
と（図２のステップＳ２）、文書１２０の論理構造が解
析され、木構造として表現される（図２のステップＳ
３）。

【０１６１】図２５は、図１９に示した文書の論理構造
を木構造にて示した図である。基本ベクトル生成部４
は、文書１２０を検索単位である「段落」毎に読み込
み、各「段落」の内容からキーワードを抽出する。ここ
で、キーワードの抽出には従来技術を利用するものと
し、特に方法の限定はしない。

【０１６２】次に基本ベクトル生成部４は、前述の式
（１）で示される計算を行って、抽出したキーワードｋ
個を基に、各「段落」に対するｔ次元の基本ベクトルを
生成する（図２のステップＳ４）。ここで次元数ｔは、
分類に利用するキーワードの総数である。この次元数ｔ
の算出方法はキーワードの抽出方法によって異なり、キ
ーワードの抽出に単語リストを使用する場合には、その
単語リストに含まれる単語の総数がｔとなる。

【０１６３】内容ベクトル生成部４５は、論理構造解析
部３において抽出された全論理構成要素のうち、各「段
落」より上位にある全ての構成要素を読み込む。そし
て、各構成要素に関するｔ次元の内容ベクトルを生成す
る。

【０１６４】ここで例えば、基本ベクトル生成部４で、
文書１２０の３章２節の、段落Ｐ２８を対象に基本ベク
トルＦ_p28が生成されているとする。この場合、どのよ
うにして基本ベクトルＦ_P28に対応した内容ベクトルが
生成されるか、図２３〜図２４のフローチャートに沿っ
て説明する。

【０１６５】内容ベクトル生成部４５は、内容ベクトル
生成対象「Ｘ」として、文書１２０の３章２節段落Ｐ２
８を読み込む（図２３のステップＳ６１）。「Ｘ」に親
要素が存在するか否かを、図２５に示した木構造から判
断すると（図２３のステップＳ６２）、「節」が存在し
ている。そこでこの文書１２０の３章の２節を、「Ｙ」
とする（図２３のステップＳ６３）。「Ｙ」に未処理の
子構成要素が存在しているか否かを判断すると（図２３
のステップＳ６４）、まず「見出し」が存在している。
そこでこの文書１２０の３章２節の「見出し」を、
「Ｚ」とし（図２３のステップＳ６５）、「Ｚ」の要素
ベクトルを生成する。「Ｚ」の要素ベクトルを生成する
にあたって、この要素「Ｚ」が段落、もしくは見出しで
あるか否かを判断すると（図２４のステップＳ７１）、
「Ｚ」は「見出し」である。従って、この要素「Ｚ」の
内容、すなわち文字列「文書構造解析」からキーワード
を抽出して、要素ベクトルＧ₁を生成する（図２４のス
テップＳ７２）。なお、以後頻出する要素ベクトルの生
成には、基本ベクトルの生成式である前述の式（１）を
そのまま流用する。

【０１６６】再度「Ｙ」に未処理の子構成要素が存在し
ているか否かを判断すると（図２３のステップＳ６
４）、「段落Ｐ２７」が存在している。そこでこの文書
１２０の３章２節の「段落Ｐ２７」を、新たな「Ｚ」と
し（図２３のステップＳ６５）、「Ｚ」の要素ベクトル
を生成する。「Ｚ」の要素ベクトルを生成するにあたっ
て、この要素「Ｚ」が段落、もしくは見出しであるか否
かを判断すると（図２４のステップＳ７１）、「Ｚ」は
「段落」である。従って、この要素「Ｚ」からキーワー
ド（文脈、テキスト、概念、検索）を抽出して、要素ベ
クトルＧ₂を生成する（図２４のステップＳ７２）。

【０１６７】同様に、文書１２０の３章２節の「段落Ｐ
２９」に対する要素ベクトルＧ₃も生成する。なお、文
書１２０の３章２節の「段落Ｐ２８」は既に基本ベクト
ルの生成対象となっているので、要素ベクトル生成の対
象からは外される。「段落Ｐ２９」に対する要素ベクト
ル生成が終了すると、「Ｙ」には、もう未処理の子構成
要素は存在しない、との判断がなされる（図２３のステ
ップＳ６４）。そこで、ここまでで生成した要素ベクト
ルＧ₁〜Ｇ₃を合成し、Ｙ（文書１２０の３章２節）に
対する内容ベクトルＧ_P28を生成する（図２３のステッ
プＳ６７）。また、内容ベクトルＧ_P28の生成が終了し
たので、新たな内容ベクトル生成対象「Ｘ」として
「Ｙ」を定義する（図２３のステップＳ６８）。

【０１６８】内容ベクトル生成部４５は、内容ベクトル
生成対象「Ｘ」として、文書１２０の３章２節を読み込
む（図２３のステップＳ６１）。「Ｘ」に親要素が存在
するか否かを、図２５に示した木構造から判断すると
（図２３のステップＳ６２）、「章」が存在している。
そこでこの文書１２０の３章を、Ｙとする（図２３のス
テップＳ６３）。「Ｙ」に未処理の子構成要素が存在し
ているか否かを判断すると（図２３のステップＳ６
４）、まず「見出し」が存在している。そこでこの文書
１２０の３章の「見出し」を、「Ｚ」とし（図２３のス
テップＳ６５）、「Ｚ」の要素ベクトルを生成する。
「Ｚ」の要素ベクトルを生成するにあたって、この要素
「Ｚ」が段落、もしくは見出しであるか否かを判断する
と（図２４のステップＳ７１）、「Ｚ」は「見出し」で
ある。従って、この要素「Ｚ」の内容、すなわち文字列
「自然言語処理の利用」からキーワードを抽出して、要
素ベクトルＨ₁を生成する（図２４のステップＳ７
２）。

【０１６９】再度「Ｙ」に未処理の子構成要素が存在し
ているか否かを判断すると（図２３のステップＳ６
４）、「１節」が存在している。そこでこの文書１２０
の３章の「１節」を、新たな「Ｚ」とし（図２３のステ
ップＳ６５）、「Ｚ」の要素ベクトルを生成する。
「Ｚ」の要素ベクトルを生成するにあたって、この要素
「Ｚ」が段落、もしくは見出しであるか否かを判断する
と（図２４のステップＳ７１）、「Ｚ」は見出しでも、
段落でもない。また、この要素「Ｚ」が未処理の子構成
要素を持つか否か判断すると（図２４のステップＳ７
３）、まず「見出し」が存在している。

【０１７０】そこで、この文書１２０の３章１節の「見
出し」を読み込み（図２４のステップＳ７４）、この要
素に対する要素ベクトルを生成する（図２４のステップ
Ｓ７５）。すなわち、この要素が段落、もしくは見出し
であるか否か判断し（図２４のステップＳ７１）、「見
出し」であるので、この要素の内容である文字列「シソ
ーラス」からキーワードを抽出して、要素ベクトルＨ₂₁
を生成する（図２４のステップＳ７２）。

【０１７１】再度「Ｚ」が未処理の子構成要素を持つか
否か判断すると（図２４のステップＳ７３）、「段落Ｐ
２６」が存在している。そこで、この文書１２０の３章
１節の「段落Ｐ２６」を読み込み（図２４のステップＳ
７４）、この要素に対する要素ベクトルを生成する（図
２４のステップＳ７５）。すなわち、この要素が段落、
もしくは見出しであるか否か判断し（図２４のステップ
Ｓ７１）、「段落」であるので、この要素からキーワー
ド（語彙、辞書、検索）を抽出して、要素ベクトルＨ₂₂
を生成する（図２４のステップＳ７２）。

【０１７２】再度「Ｚ」が未処理の子構成要素を持つか
否か判断すると（図２４のステップＳ７３）、もう未処
理の子構成要素は存在しないので、ここまでで生成した
要素ベクトルＨ₂₁とＨ₂₂とを合成し、要素「Ｚ」（文書
１２０の３章１節）の要素ベクトルＨ₂を生成する（図
２４のステップＳ７６）。

【０１７３】それから再度「Ｙ」に未処理の子構成要素
が存在しているか否かを判断すると（図２３のステップ
Ｓ６４）、もう未処理の子構成要素は存在しない。従っ
て、ここまでで生成した要素ベクトルＨ₁とＨ₂とを合
成し、「Ｙ」（文書１２０の３章）に対する内容ベクト
ルＨ_P28を生成する（図２３のステップＳ６７）。ま
た、内容ベクトルＨ_P28の生成の終了が終了したので、
新たな内容ベクトル生成対象「Ｘ」として「Ｙ」を定義
する（図２３のステップＳ６８）。

【０１７４】内容ベクトル生成部４５は、内容ベクトル
生成対象「Ｘ」として、文書１２０の３章を読み込む
（図２３のステップＳ６１）。「Ｘ」に親要素が存在す
るか否かを、図２５に示した木構造から判断すると（図
２３のステップＳ６２）、「文書」が存在している。そ
こでこの文書１２０を「Ｙ」とし（図２３のステップＳ
６３）、ここまでの説明と同様の手順で「文書１２０」
に対する内容ベクトルＪ _P28を生成する。新たな内容ベ
クトル生成対象「Ｘ」として「文書」を定義すると（図
２３のステップＳ６８）、「Ｘ」には親要素が存在しな
い。よって、この内容ベクトル生成処理は終了する。

【０１７５】ここまでの処理をまとめると、分類単位の
構成要素であり、基本ベクトルＦ_P2 ₈生成の対象とされ
た「段落Ｐ２８」に対し、「文書１２０の３章２節」の
内容ベクトルＧ_P28と、「文書１２０の３章」の内容ベ
クトルＨ_P28と、「文書１２０」の内容ベクトルＪ_P28
とが生成されている。

【０１７６】図２の、文書検索全体のフローチャートに
戻って説明を続けると、ベクトル合成部４６により、こ
こまでに生成された基本ベクトルと内容ベクトルとが合
成される（図２のステップＳ６）。ここで、ある章の下
のある節の下のある段落に対する合成ベクトルＴは、次
式（１８）で表わされる。

【０１７７】

【数１８】Ｔ＝Ｆ＋w₁Ｇ＋w₂Ｈ＋w₃Ｊ ………（１８）この式（１８）において、Ｆは基本ベクトル、Ｇは節の
内容ベクトル、Ｈは章の内容ベクトル、Ｊは文書の内容
ベクトルを表わす。また、ｗ₁、ｗ₂、ｗ₃は前述の式
（１２）にて算出される重み付けである。このように下
位概念に重きを置いた検索は、検索者の要求が具体的で
ある場合に適している。

【０１７８】具体例として先に説明した基本ベクトルＦ
_P28、内容ベクトルＧ_P28、Ｈ_P28、Ｊ_P28を式（１
８）に適用すると、合成ベクトルＴ_P28は、下記の式
（１９）にて表わすことができる。

【０１７９】

【数１９】Ｔ_P28＝Ｆ_P28＋w₁Ｇ_P28＋w₂Ｈ_P28＋w₃Ｊ_P28 ………（１９）なお、内容ベクトルＧ、Ｈ、Ｊには、０より大きく１以
下の任意の値ｗｃ等を乗じて、さらに重み付けをするこ
とができる。

【０１８０】このようにして分類単位の構成要素に対す
る合成ベクトルが生成されると、合成ベクトル保持部７
は、分類単位の構成要素と合成ベクトルとを対応付けて
保持する（図２のステップＳ７）。この時点で文書蓄積
部１に検索の対象とすべき文書がまだ残っていれば、以
上と同様の処理を再度行う（図２のステップＳ８の分岐
にてステップＳ２へ進む）が、ここでは図１９に示した
文書１２０のみを検索の対象として説明を続ける。

【０１８１】検索対象である文書すべての分類単位の構
成要素に対する合成ベクトルの生成、保持が終了する
と、分類部８は合成ベクトル保持部７に保持された合成
ベクトルを、すべて読み込む（図２のステップＳ９）。
そして分類部８は、読み込んだ合成ベクトルの類似度に
基づいて、検索対象である文書すべてを、分類単位毎
に、１つ以上のカテゴリーに分類し、表示する（図２の
ステップＳ１０）。ここで、文書の分類および結果の表
示は、第１の実施の形態と同様、図３に示したフローチ
ャートに沿って処理するものとする。

【０１８２】以上説明したように、本発明の文書検索装
置の第４の実施の形態では、蓄積された文書を任意の分
類単位で分割し、その際、分類単位の構成要素の上位に
位置する構成要素の内容をも考慮に入れた上で、類似度
の高いもの同士で分類し、カテゴリーを生成して必要な
話題を含む構成要素のみを絞り込む。その後、必要に応
じて詳細な内容を表示させることができるため、多量の
文書や巨大な文書から、必要な話題のみを簡単に抽出す
ることが可能である。

【０１８３】なお、本実施の形態では、「見出し」の要
素ベクトルと、「段落」の要素ベクトルとを同価値とし
て内容ベクトルを合成したが、検索の趣旨や文書の様子
によって、「見出し」の要素ベクトルへの重み付けと
「段落」の要素ベクトルへの重み付けとを変えてもよ
い。例えば、「見出し」の要素ベクトルへの重み付け
を、「段落」の要素ベクトルへの重み付けよりも重くす
れば、「段落」の内容よりも「見出し」の内容を重視し
た文書検索が可能となる。

【０１８４】また、「見出し」あるいは「段落」に対す
る要素ベクトルを生成する際に、既に生成されている基
本ベクトルとの類似度を計算し、高い類似度を持つ要素
ベクトルへの重み付けを重くするようにしてもよい。例
えば、従来知られているようにコサイン係数を利用する
と、次式（２０）にてｔ次元のベクトルＰ＝（ｐ₁，・
・・，ｐ_t），Ｑ＝（ｑ_t，・・・，ｑ_t）の類似度ｓ
ｉｍ（Ｐ，Ｑ）（０＜ｓｉｍ（Ｐ，Ｑ）＜１）が計算で
きる。

【０１８５】

【数２０】

【０１８６】この類似度ｓｉｍ（Ｐ、Ｑ）を重み付けに
利用すれば、分類が個々の検索単位の内容に特に着目し
て行われるようになるため、文書検索の精度を高めるこ
とが可能となる。

【０１８７】次に、本発明の文書検索装置の第５の実施
の形態を説明する。第５の実施の形態では、第４の実施
の形態で示した文書検索装置にて、階層的な論理構造の
明示されていない文書を対象とした文書検索を行う。こ
の実施の形態の装置構成は図２２に示した第４の実施の
形態の装置構成と同一である。また、文書検索処理は図
２および図３に示したフローチャートと同様の処理手順
にて実現される。但し、図２に示したステップＳ５の見
出しベクトルの生成の代わりに、内容ベクトルの生成が
行われる。以下、この内容ベクトルの生成について説明
する。

【０１８８】図２６は、文書検索装置の第５の実施の形
態における文書検索中、内容ベクトルを生成する際の手
順を示すフローチャートである。内容ベクトル生成部４
５は、まず論理構造解析部３にて解析された文書の論理
構造から構成要素をひとつ読み込む（ステップＳ８
１）。次に、読み込んだ構成要素が図２のステップＳ４
で基本ベクトルの生成の対象となった構成要素であるか
否か判断する（ステップＳ８２）。読み込んだ構成要素
が、図２のステップＳ５で基本ベクトルの生成の対象と
なった構成要素であれば、この構成要素に対しては処理
を行わず、次の構成要素を読み込むために再度ステップ
Ｓ８１へ進む。ステップＳ８１で読み込んだ構成要素
が、基本ベクトルの生成の対象となった構成要素ではな
い場合、その構成要素が段落、もしくは見出しであるか
否か判断する（ステップＳ８３）。

【０１８９】構成要素が段落でも見出しでもない場合、
この構成要素に対しては処理を行わず、次の構成要素を
読み込むために再度ステップＳ８１へ進む。ステップＳ
８１で読み込んだ構成要素が、段落、もしくは見出しで
ある場合、この構成要素に対する要素ベクトルを生成す
る（ステップＳ８４）。次に、図２のステップＳ４で基
本ベクトルの生成対象となった構成要素と、ステップＳ
８４で要素ベクトルを生成した構成要素との距離を計算
する（ステップＳ８５）。

【０１９０】ここで、構成要素間の距離は、図２のステ
ップＳ３で論理構造を解析した結果として得られる木構
造に基づいて計算する。この計算方法について、図を示
して説明する。

【０１９１】図２７は、図３１に示した文書の論理構造
を木構造にて表現し、構成要素間の距離を示した図であ
る。木構造上で、あるノードから目的のノードへ辿る際
に経由する枝の数を、ノード間の距離という。構成要素
間の距離を木構造上でのノード間の距離と定義すると、
この図２７において、段落Ｐ２から、３．２節の「見出
し」までの距離は２である。また、段落Ｐ２から第３章
の「見出し」までの距離は３、段落Ｐ２から文書の「表
題」までの距離は４となる。さらに、段落Ｐ２から第１
章の「見出し」までの距離は５となる。

【０１９２】図２６のフローチャートに戻って説明を続
けると、ステップＳ８５にて構成要素間の距離が計算さ
れると、この距離に基づいて、ステップＳ８４で生成さ
れた要素ベクトルに対して重み付けを行う（ステップＳ
８６）。重み付けの方法については、後に例を挙げて詳
しく説明する。最後に、全ての構成要素を読み込んだか
否かを判断し（ステップＳ８７）、まだ読み込んでいな
い構成要素があれば、ステップＳ８１へ戻って、次の構
成要素に対する処理を続行する。また、全ての構成要素
を読み込んでいれば、ここまでに生成された全ての要素
ベクトルを合成して内容ベクトルを生成し（ステップＳ
８８）、処理を終了する。

【０１９３】ここで、本発明の第５の実施の形態にて文
書検索を行った場合、どのように分類および検索が行わ
れるか、図２、図３および図２６のフローチャートに沿
って具体的な例を挙げて説明する。

【０１９４】具体的な文書群として、例えば、ＷＷＷで
公開されているＨＴＭＬ文書を文書蓄積部１に格納し
て、分類の対象とすることができる。本実施の形態で
は、本発明の第２の実施の形態において説明した、図１
２に示した文書を、文書蓄積部１に蓄積されるＨＴＭＬ
文書の例として用いる。

【０１９５】分類単位指定部２にて分類単位を「段落」
とし（図２のステップＳ１）、論理構造解析部３に図１
２に示した文書が読み込まれると（図２のステップＳ
２）、文書の論理構造が解析され、表題要素（ＴＩＴＬ
Ｅ）、見出し要素（Ｈ２およびＨ３）、段落要素（Ｐ）
が取り出され、木構造として表現される（図２のステッ
プＳ３）。

【０１９６】基本ベクトル生成部４は、図１２に示した
文書を、分類単位である「段落」毎に読み込み、各「段
落」内容からキーワードを抽出する。キーワードの抽出
方法としては、従来技術を利用するものとし、特に一つ
の方法には限定しない。次に基本ベクトル生成部４は、
式（１）で示される計算を行って、各段落に対するｔ次
元の基本ベクトルを生成する（図２のステップＳ４）。

【０１９７】なお、本実施の形態では、前述の式（１）
におけるｐ_ikの値に単語ｋの出現頻度及び分散の度合に
応じて重み付けを行い、基本ベクトルのノルムが１にな
るように正規化を行う。基本ベクトルのノルムが１にな
るように正規化することにより、各構成要素のテキスト
量の違いによる影響を排除することができる。

【０１９８】単語の出現頻度、分散の度合に応じた重み
付けの方法、および基本ベクトルのノルムが１になるよ
うに正規化する方法については、本発明の第２の実施の
形態において説明した方法と同一の方法とする。

【０１９９】ここで例えば、図１２に示した文書１１０
の２章３節の「段落Ｐ１８」を対象に基本ベクトルを生
成する場合、基本ベクトル生成部４では、まず、「段落
Ｐ１８」からキーワードとして（NIST、現在、コンピュ
ータ、セキュリティ、ハンドブック、作成、．．．）が
抽出され、各キーワードの出現頻度（ＴＦ）と分散（Ｉ
ＤＦ）が計算され、ノルムが１になるように正規化され
た基本ベクトルＬ_P18が生成される。

【０２００】内容ベクトル生成部４５は、論理構造解析
部３において抽出された全論理構成要素から、まず「表
題」を読み込む（ステップＳ８１）。構成要素が基本ベ
クトルの生成対象であるか否かを判断すると（ステップ
Ｓ８２）、ここでは「段落Ｐ１８」を基本ベクトルの生
成対象としているので、「表題」は基本ベクトルの生成
対象ではない。

【０２０１】次に、構成要素が段落、もしくは見出しで
あるか否かを判断すると（ステップＳ８３）、「表題」
は最上位の見出しである。従って、「表題」からキーワ
ードを抽出して、要素ベクトルＭ₁を生成する。なお、
以後頻出する要素ベクトルの生成方法は、基本ベクトル
の生成方法と同じであるとする。

【０２０２】ここで、基本ベクトルの生成の対象となっ
た「段落Ｐ１８」と、要素ベクトルを生成した「表題」
との距離を、図１３に示した木構造に沿って計算すると
（ステップＳ８５）、構成要素間の距離は４である。構
成要素間の距離が計算されると、「表題」の要素ベクト
ルＭ₁に対して、重み付けがなされる（ステップＳ８
６）。

【０２０３】本実施の形態では、構成要素間の距離ｄに
ついて単調減少する重み関数α（ｄ）を、重み付けに利
用する。すなわち、基本ベクトルの生成対象である構成
要素から遠い距離にある構成要素ほど、要素ベクトルの
値が小さくなるように重み付けが行われる。なお、０＜
α（ｄ）≦１とする。例えば、「表題」の要素ベク
トルＭ₁に対しては、α（４）で重み付けを行う。

【０２０４】要素ベクトルへの重み付けの処理が終了す
ると、内容ベクトル生成部４５は、文書中の全ての構成
要素を読み込んだか否かを判断する（ステップＳ８
７）。図１２に示した文書では、「表題」の次に「段落
Ｐ１１」が存在するので、ステップＳ８１へ戻り、「段
落Ｐ１１」が読み込まれる。

【０２０５】構成要素が基本ベクトルの生成対象である
か否かを判断すると（ステップＳ８２）、「段落Ｐ１
１」は基本ベクトルの生成対象ではない。次に、構成要
素が段落、もしくは見出しであるか否かを判断すると
（ステップＳ８３）、「段落Ｐ１１」は段落である。

【０２０６】したがって、「段落Ｐ１１」からキーワー
ドを抽出して、要素ベクトルＭ₂を生成する。次に、基
本ベクトルの生成の対象となった「段落Ｐ１８」と、要
素ベクトルを生成した「段落Ｐ１１」との距離を、図１
３に示した木構造に沿って計算すると（ステップＳ８
５）、構成要素間の距離は４である。構成要素間の距離
が計算されると、「段落Ｐ１１」の要素ベクトルＭ２に
対して、重み付けがなされる（ステップＳ８６）。「段
落Ｐ１１」の要素ベクトルＭ₂に対しては、α（４）で
重み付けを行う。

【０２０７】要素ベクトルへの重み付けの処理が終了す
ると、内容ベクトル生成部４５は、文書中の全ての構成
要素を読み込んだか否かを判断する（ステップＳ８
７）。図１２に示した文書では、「段落Ｐ１１」の次に
「章」が存在するので、ステップＳ８１へ戻り、「章」
が読み込まれる。

【０２０８】以下同様に、文書中の全ての構成要素が読
み込まれ、その構成要素が基本ベクトルの生成対象では
なく、かつ、段落もしくは見出しである場合には、要素
ベクトルが生成され、基本ベクトルの生成対象である
「段落Ｐ１８」との距離ｄに基づいて、重み付け関数α
（ｄ）で重み付けが行われる。すなわち、図１３に示し
た文書の論理構造のうち、構成要素「章」と「節」につ
いては、要素ベクトルは生成されない。また、基本ベク
トルの生成対象である「段落Ｐ１８」についても、要素
ベクトルは生成されない。

【０２０９】ここまでの処理をまとめると、分類単位の
構成要素であり、基本ベクトルの生成の対象とされた
「段落Ｐ１８」に対し、「表題」、１章の「見出し」、
１章１節と１章２節の「見出し」、２章の「見出し」、
２章１節から２章４節の「見出し」、「段落Ｐ１１」〜
「段落Ｐ１７」、および「段落Ｐ１９」の、計１７個の
要素ベクトルＭ₁〜Ｍ₁₇が生成され、各要素ベクトル
は、「段落Ｐ１８」との距離ｄに応じて、関数α
（ｄ）で重み付けされている。

【０２１０】全ての構成要素が読み込まれると、ここま
でに生成された全ての要素ベクトルを合成して内容ベク
トルを生成する（ステップＳ８８）。基本ベクトルの生
成の対象となった段落に対し、内容ベクトルＭは、次式
（２１）にて表される。

【０２１１】

【数２１】

【０２１２】ここで、ｎは要素ベクトルの生成対象とな
った構成要素の数を表し、ｄ_iは基本ベクトルの生成の
対象となった構成要素と、要素ベクトルＭ_iの生成の対
象となった構成要素との距離を表す。

【０２１３】具体例として、「段落Ｐ１８」を基本ベク
トルの生成対象とした場合、生成される内容ベクトルＭ
_P18は、次式で表される。

【０２１４】

【数２２】

【０２１５】ここで、ｄ_iは「段落Ｐ１８」と要素ベク
トルＭ_iの生成の対象となった構成要素との距離を表
す。図２の文書検索全体のフローチャートに戻って説明
を続けると、ベクトル合成部４６により、ここまでに生
成された基本ベクトルと内容ベクトルとが合成される
（図２のステップＳ６）。

【０２１６】すなわち、「段落Ｐ１８」に対する合成ベ
クトルＵ_P18は、次式（２３）にて表される。

【０２１７】

【数２３】Ｕ_P18= Ｌ_P18＋Ｍ_P18 ………（２３）このようにして分類単位の構成要素に対する合成ベクト
ルが生成されると、合成ベクトル保持部７は、分類単位
の構成要素と合成ベクトルとを対応付けて保持する（図
２のステップＳ７）。

【０２１８】この時点で文書蓄積部１に分類の対象とす
べき文書がまだ残っていれば、以上と同様の処理を再度
行う（図２のステップＳ８の分岐にてステップＳ２へ進
む）が、ここでは、図１２に示した文書のみを対象とし
て説明を続ける。

【０２１９】分類対象である文書すべての分類単位の構
成要素に対する合成ベクトルの生成、保持が終了する
と、分類部８は合成ベクトル保持部７に保持された合成
ベクトルを、すべて読み込む（図２のステップＳ９）。

【０２２０】そして分類部８は、読み込んだ合成ベクト
ルの類似度に基づいて、分類対象である文書すべてを、
分類単位毎に、１つ以上のカテゴリーに分類し、分類結
果保持部９に分類結果を保持する（図３のステップＳ１
２）。本実施の形態では、ベクトルの類似度の計算方法
として、コサイン係数に基づく方法、すなわち前述の式
（１６）を用いる。また、分類の方法として、ｋ平均ク
ラスタリングを用いる。

【０２２１】ここで、図１４に示した標準セットと、本
実施の形態にて文書を分類した結果とを比較する実験を
行った。なお、図３のステップＳ１１にて行われる分類
の方法としては第２の実施の形態にて説明したｋ平均ク
ラスタリングを採用した。

【０２２２】重み付け関数α（ｄ）= １／ｄとし、正解
率Ｓを算出する式（１７）に基づいて、本実施の形態の
正解率Ｓを算出すると、６１．２％となった。これに対
し、図２のステップＳ５およびステップＳ６を省略した
場合、すなわち、基本ベクトルのみを合成ベクトル保持
部７に保持するようにした場合、分類結果の正解率Ｓ
は、５５．６％となる。すなわち、基本ベクトルに内容
ベクトルを合成して分類を行うことにより、正解率は
５．６％向上した。

【０２２３】なお、この実験では要素ベクトルに重み付
けを行う際に重み付け関数α（ｄ）= １／ｄとしたが、
α（ｄ）= １/ （ｎｄ）とした場合、正解率Ｓは、６
７．０％となった。ただし、ｎは、文書中のすべての構
成要素の数を表す。

【０２２４】このように、前述のα（ｄ）= １／ｄを、
さらに文書中のすべての構成要素数で除することによ
り、文書毎の構成要素の総数の差異による影響を排除し
て、より高精度な分類が可能になる。

【０２２５】また、要素ベクトルに重み付けを行う際
に、既に生成されている基本ベクトルとの類似度を計算
し、高い類似度を持つ要素ベクトルへの重み付けを重く
するようにしてもよい。ベクトルの類似度の計算は、例
えば、式（１６）に示したものを利用すればよく、重み
付け関数α（ｄ）= １／ｄに式（１６）に示した類似度
を乗じて実験を行うと、正解率Ｓは７２．８％となっ
た。

【０２２６】このように、基本ベクトルと要素ベクトル
の類似度を重み付けとして加味することにより、分類の
精度をさらに高めることが可能となる。次に、本発明の
文書検索装置の第６の実施の形態を説明する。

【０２２７】図２８は、本発明の文書検索装置の第６の
実施の形態の原理構成を示した図である。なお、本発明
の文書検索装置の第６の実施の形態の構成は、第３の実
施の形態の構成と第４の実施の構成を組み合わせたもの
である。よって、同一構成要素には同一符号を付して詳
しい説明を省略する。

【０２２８】文書検索装置の第６の実施の形態は、文書
蓄積部２１と、検索単位指定部２２と、論理構造解析部
２３と、基本ベクトル生成部２４と、内容ベクトル生成
部４５と、ベクトル合成部４６と、合成ベクトル保持部
２７と、問合せ入力部２８と、問合せベクトル生成部２
９と、検索部３０と、表示部３１と、検索文書抽出部３
２と、から構成されている。ここで、内容ベクトル生成
部４５と、ベクトル合成部４６とは第４の実施の形態の
構成要素と、それ以外は第３の実施の形態の構成要素
と、同一のものである。

【０２２９】このような構成の文書検索装置にて文書検
索が行われる際には、まず図１６に示したフローチャー
トの手順にて準備が行われるが、本実施の形態では、図
１６のステップＳ３５の見出しベクトル生成の代わり
に、前述の図２３〜図２４にて説明した内容ベクトル生
成が行われる。

【０２３０】すなわち、まず検索単位指定部２２にて検
索単位の指定が行われる（図１６のステップＳ３１）。
次に、論理構造解析部２３が文書蓄積部２１から検索対
象である文書を１つ読み込み（図１６のステップＳ３
２）、読み込んだ文書の論理構造を解析する（図１６の
ステップＳ３３）。基本ベクトル生成部２４は、論理構
造解析部２３にて解析された論理構造の検索単位の構成
要素毎に、基本ベクトルを生成する（ステップＳ３
４）。ここで内容ベクトル生成部４５は、図２３〜図２
４にて説明した手順にて、内容ベクトルを生成する。ま
た、ベクトル合成部４６は、基本ベクトルと内容ベクト
ルとを合成して、合成ベクトルを生成する（図１６のス
テップＳ３６）。

【０２３１】合成ベクトル保持部２７は、ベクトル生成
の対象となった検索単位の構成要素と合成ベクトルと
を、対応付けて保持する（ステップＳ３７）。ここで、
文書蓄積部２１に、検索対象であり、まだステップＳ３
２〜ステップＳ３７の処理の対象となっていない文書が
残っているか否かが判断される（ステップＳ３８）。そ
して、文書が残っていればステップＳ３２に再度進み、
文書が残っていなければこのフローチャートの処理を終
了する。ステップＳ３８の判断において文書が残ってい
ないということは、検索対象である文書すべてに関し
て、ベクトルが生成されたということである。

【０２３２】以上の文書検索準備が終了した後に、実際
に文書検索が行われるが、この文書検索は、図１７に示
したフローチャートの手順にて行われる。すなわち、ま
ず問合せ入力部２８にて、問合せが入力される（図１７
のステップＳ４１）。問合せベクトル生成部２９は、入
力された問合せがキーワード列であればそこから、自然
言語文であればその内容からキーワードを抽出して、問
合せベクトルを生成する（図１７のステップＳ４２）。

【０２３３】問合せベクトルが生成されると、検索部３
０は、問合せベクトル生成部２９から問合せベクトル
を、合成ベクトル保持部２７から検索単位の構成要素に
対する合成ベクトルすべてを、読み込む（図１７のステ
ップＳ４３）。そして問合せベクトルと合成ベクトル群
との比較を行い（図１７のステップＳ４４）、問合せベ
クトルとの類似度の高い合成ベクトルから順に、対応す
る検索単位の構成要素とともに表示部３１に表示させる
（図１７のステップＳ４５）。

【０２３４】ここまでの処理で文書検索自体は一応終了
であるが、ここで文書検索の結果を基に、検索した文書
の抽出表示を行うか否かの判断が行われる（図１７のス
テップＳ４６）。抽出表示を行う場合には、表示要素選
択部３２ａにて抽出表示の対象となる構成要素が選択さ
れ（図１７のステップＳ４７）、表示範囲選択部３２ｂ
にて抽出表示の範囲が選択される（図１７のステップＳ
４８）。そして表示文書抽出部３２ｃにて文書蓄積部２
１から抽出表示範囲の文書が抽出され（図１７のステッ
プＳ４９）、表示部３１に表示される（図１７のステッ
プＳ５０）。

【０２３５】この時点で、抽出表示を行わなかった場
合、表示部３１には文書検索の結果が表示されている。
また、抽出表示を行った場合、表示部３１には抽出文書
が表示されている。そしていずれにしても、表示部３１
の表示から、この文書検索処理を終了してもよいか否か
が判断され（図１７のステップＳ５１）、終了しない場
合は、再度ステップＳ４６以降の処理へ進み、別の構成
要素に対する抽出表示を行うことが可能である。

【０２３６】このように、本発明の文書検索装置の第６
の実施の形態では、蓄積された文書を任意の検索単位で
分割し、その際、検索単位の構成要素と各検索単位の構
成要素の上位に位置する構成要素の内容とに含まれるキ
ーワードに対応して生成される合成ベクトルと、問合せ
に含まれるキーワードに対応して生成される問合せベク
トルとの類似度を計算し、類似度の高いものから順に表
示させる。その後、必要に応じて詳細な内容を表示させ
ることができるため、多量の文書や巨大な文書から、必
要な話題のみを簡単に抽出することが可能である。

【０２３７】なお、本実施の形態では、「見出し」の要
素ベクトルと、「段落」の要素ベクトルとを同価値とし
て内容ベクトルを合成したが、検索の趣旨や文書の様子
によって、「見出し」の要素ベクトルへの重み付けと
「段落」の要素ベクトルへの重み付けとを変えてもよ
い。例えば、「見出し」の要素ベクトルへの重み付け
を、「段落」の要素ベクトルへの重み付けよりも重くす
れば、「段落」の内容よりも「見出し」の内容を重視し
た文書検索が可能となる。

【０２３８】また、「見出し」あるいは「段落」に対す
る要素ベクトルを生成する際に、既に生成されている基
本ベクトルとの類似度を計算し、高い類似度を持つ要素
ベクトルへの重み付けを重くするようにしてもよい。例
えば、従来知られているようにコサイン係数を利用して
前述の式（２０）にてｔ次元のベクトルＰ＝（ｐ₁，・
・・，ｐ_t），Ｑ＝（ｑ₁，・・・，ｑ_t）の類似度ｓ
ｉｍ（Ｐ，Ｑ）（０＜ｓｉｍ（Ｐ，Ｑ）＜１）を計算
し、この類似度ｓｉｍ（Ｐ，Ｑ）を重み付けに利用すれ
ば、分類が個々の検索単位の内容に特に着目して行われ
るようになる。これにより、文書検索の精度を高めるこ
とが可能となる。

【０２３９】

【発明の効果】以上説明したように本発明では、文書全
体の文脈を考慮に入れて、文書の構成要素の検索を行う
ために、検索単位もしくは分類単位として指定された構
成要素が持つキーワードから、基本ベクトルを生成する
基本ベクトル生成手段を設けた。そして、指定された構
成要素よりも上位に配置されている構成要素の見出しか
ら生成した見出しベクトルや、指定された構成要素以外
の構成要素が持つキーワードから生成した内容ベクトル
と、基本ベクトルとを合成して合成ベクトルを生成する
合成ベクトル生成部とを設けた。そして、さらに、この
合成ベクトルの類似度を利用して文書の構成要素を分
類、表示する分類手段を設けた。またはこの分類手段の
代わりに、問合せから生成する問合せベクトルと、合成
ベクトルとを比較して類似度の高いものを検索する検索
手段を設けた。

【０２４０】これにより、文書全体の文脈を考慮に入れ
た上で構成要素単位の話題の検索が可能となる。また、
見出しベクトルや内容ベクトルを基本ベクトルと合成す
る際に任意の重み付けを行うことにより、検索意図や検
索対象文書の性質に沿った検索を行うことができる。

【図面の簡単な説明】

【図１】本発明の文書検索装置の第１の実施の形態の原
理構成を示した図である。

【図２】文書検索装置の第１の実施の形態における文書
検索の全体手順を示すフローチャートである。

【図３】文書検索装置の第１の実施の形態における文書
の分類および結果表示の手順を示すフローチャートであ
る。

【図４】図１に示した文書蓄積部に蓄積される文書の一
例を示す図である。

【図５】図４に示した文書の論理構造を木構造にて示し
た図である。

【図６】図４に示した文書の段落Ｐ２に対する合成ベク
トルの生成を示す表である。

【図７】図４に示した文書に関して、分類単位「段落」
に対応する合成ベクトル保持の様子を示した図である。

【図８】分類結果の表示画面の一例を示す図である。

【図９】図８に示した表示画面において、再分類を指示
する様子を示した図である。

【図１０】図８に示した表示画面において、抽出表示を
指示する様子を示した図である。

【図１１】抽出文書の表示画面の一例である。

【図１２】図１に示した文書蓄積部に蓄積されるＨＴＭ
Ｌ文書の一例を示す図である。

【図１３】図１２に示した文書の論理構造を木構造にて
示した図である。

【図１４】実験対象とする文書群を人手により分類した
結果を示す分類表である。

【図１５】本発明の文書検索装置の第３の実施の形態の
原理構成を示した図である。

【図１６】文書検索装置の第３の実施の形態における文
書検索の準備を行う手順を示すフローチャートである。

【図１７】文書検索装置の第３の実施の形態において文
書検索準備終了後に行う文書検索処理の手順を示すフロ
ーチャートである。

【図１８】本発明の文書検索装置の第３の実施の形態に
係る入出力画面の一例を示した図である。

【図１９】文書蓄積部に蓄積される文書の一例を示す図
である。

【図２０】図１９に示した文書の段落毎の合成ベクトル
と問合せベクトルとの比較の様子を示した表である。

【図２１】検索結果の表示された入出力画面の一例を示
す図である。

【図２２】本発明の文書検索装置の第４の実施の形態の
原理構成を示した図である。

【図２３】文書検索装置の第４の実施の形態における文
書検索中、内容ベクトルを生成する際の手順を示すフロ
ーチャートである。

【図２４】文書検索装置の第４の実施の形態における文
書検索中、内容ベクトルを生成するために、要素ベクト
ルを生成する手順を示すフローチャートである。

【図２５】図１９に示した文書の論理構造を木構造にて
示した図である。

【図２６】文書検索装置の第５の実施の形態における文
書検索中、内容ベクトルを生成する際の手順を示すフロ
ーチャートである。

【図２７】図３１に示した文書の論理構造を木構造にて
表現し、構成要素間の距離を示した図である。

【図２８】本発明の文書検索装置の第６の実施の形態の
原理構成を示した図である。

【図２９】自動検索の対象文書の例を示した図である。

【図３０】図２９に示した各文書を、その段落構成と共
に示したものである。

【図３１】表題、章、節、段落などの論理構成要素を持
つ文書の一例を示す図である。

【符号の説明】

１文書蓄積部２分類単位指定部３論理構造解析部４基本ベクトル生成部５見出しベクトル生成部６ベクトル合成部７合成ベクトル保持部８分類部９分類結果保持部１０表示部１１再分類指示部１２検索文書抽出部１２ａ表示要素選択部１２ｂ表示範囲選択部１２ｃ表示文書抽出部

Claims

【特許請求の範囲】

【請求項１】ある構成要素が他の構成要素を含んでい
くような木構造の論理構造を持った文書群を検索し、構
成要素毎に分類して表示する文書検索装置において、前記文書を蓄積する文書蓄積手段と、分類しようとする前記構成要素の分類単位を指定する分
類単位指定手段と、前記文書蓄積手段から文書を読み込み、その論理構造を
解析する論理構造解析手段と、前記分類単位指定手段にて指定された分類単位の各構成
要素の内容からキーワードを抽出し、基本ベクトルを生
成する基本ベクトル生成手段と、前記分類単位の構成要素よりも論理構造的に上位に配置
されているすべての構成要素の見出しからキーワードを
抽出し、見出しベクトルを生成する見出しベクトル生成
手段と、前記基本ベクトルと前記見出しベクトルとを合成し、合
成ベクトルを生成するベクトル合成手段と、前記合成ベクトルを前記分類単位の構成要素と対応付け
て保持する合成ベクトル保持手段と、前記合成ベクトルの類似度に基づいて、前記文書の構成
要素を分類する分類手段と、前記分類手段による分類の結果を表示する表示手段と、を有することを特徴とする文書検索装置。
【請求項２】前記分類手段による分類の結果を保持す
る分類結果保持手段と、前記分類の結果に対し再分類を
指示する再分類指示手段と、をさらに有することを特徴
とする請求項１記載の文書検索装置。
【請求項３】前記分類手段による分類の結果から、内
容を表示するための構成要素の単位を選択する表示要素
選択部と、選択された単位を含む上位の構成要素から表
示させたい構成要素を選択する表示範囲選択部と、前記
表示範囲選択部にて選択された前記構成要素を前記文書
蓄積手段から抽出し、前記表示手段に表示させる表示文
書抽出部と、を含む検索文書抽出手段を、さらに有する
ことを特徴とする請求項１記載の文書検索装置。
【請求項４】ある構成要素が他の構成要素を含んでい
くような木構造の論理構造を持った文書群を、構成要素
毎に検索して表示する文書検索装置において、前記文書を蓄積する文書蓄積手段と、検索しようとする前記構成要素の検索単位を指定する検
索単位指定手段と、前記文書蓄積手段から文書を読み込み、その論理構造を
解析する論理構造解析手段と、前記検索単位指定手段にて指定された検索単位の各構成
要素の内容からキーワードを抽出し、基本ベクトルを生
成する基本ベクトル生成手段と、前記検索単位の構成要素よりも論理構造的に上位に配置
されているすべての構成要素の見出しからキーワードを
抽出し、見出しベクトルを生成する見出しベクトル生成
手段と、前記基本ベクトルと前記見出しベクトルとを合成し、合
成ベクトルを生成するベクトル合成手段と、前記合成ベクトルを前記検索単位の構成要素と対応付け
て保持する合成ベクトル保持手段と、キーワード列または自然言語文により構成される問合せ
を入力する問合せ入力手段と、問合せから問合せベクトルを生成する問合せベクトル生
成手段と、前記問合せベクトルと前記合成ベクトルとの類似度に基
づいて、前記検索単位の構成要素を検索して、類似度の
高い合成ベクトルに対応する構成要素を抽出する検索手
段と、前記検索手段による検索の結果を表示する表示手段と、を有することを特徴とする文書検索装置。
【請求項５】前記検索手段による検索の結果から、内
容を表示するための構成要素の単位を選択する表示要素
選択部と、選択された単位を含む上位の構成要素から表
示させたい構成要素を選択する表示範囲選択部と、前記
表示範囲選択部にて選択された前記構成要素を前記文書
蓄積手段から抽出し、前記表示手段に表示させる表示文
書抽出部と、を含む検索文書抽出手段を、さらに有する
ことを特徴とする請求項４記載の文書検索装置。
【請求項６】ある構成要素が他の構成要素を含んでい
くような木構造の論理構造を持った文書群を検索し、構
成要素毎に分類して表示する文書検索装置において、前記文書を蓄積する文書蓄積手段と、分類しようとする前記構成要素の分類単位を指定する分
類単位指定手段と、前記文書蓄積手段から文書を読み込み、その論理構造を
解析する論理構造解析手段と、前記分類単位指定手段にて指定された分類単位の各構成
要素の内容からキーワードを抽出し、基本ベクトルを生
成する基本ベクトル生成手段と、前記分類単位の構成要素を除くすべての構成要素の内容
からキーワードを抽出し、内容ベクトルを生成する内容
ベクトル生成手段と、前記基本ベクトルと前記内容ベクトルとを合成し、合成
ベクトルを生成するベクトル合成手段と、前記合成ベクトルを前記分類単位の構成要素と対応付け
て保持する合成ベクトル保持手段と、前記合成ベクトルの類似度に基づいて、前記文書の構成
要素を分類する分類手段と、前記分類手段による分類の結果を表示する表示手段と、を有することを特徴とする文書検索装置。
【請求項７】前記ベクトル合成手段は、前記内容ベク
トルが見出しであるか否かによって、前記内容ベクトル
に、さらに重み付けを行うことを特徴とする請求項６記
載の文書検索装置。
【請求項８】前記ベクトル合成手段は、前記基本ベク
トルと前記内容ベクトルとの類似度に応じて、前記内容
ベクトルに、さらに重み付けを行うことを特徴とする請
求項６記載の文書検索装置。
【請求項９】前記分類手段による分類の結果を保持す
る分類結果保持手段と、前記分類の結果に対し再分類を
指示する再分類指示手段と、をさらに有することを特徴
とする請求項６記載の文書検索装置。
【請求項１０】前記分類手段による分類の結果から、
内容を表示するための構成要素の単位を選択する表示要
素選択部と、選択された単位を含む上位の構成要素から
表示させたい構成要素を選択する表示範囲選択部と、前
記表示範囲選択部にて選択された前記構成要素を前記文
書蓄積手段から抽出し、前記表示手段に表示させる表示
文書抽出部と、を含む検索文書抽出手段を、さらに有す
ることを特徴とする請求項６記載の文書検索装置。
【請求項１１】ある構成要素が他の構成要素を含んで
いくような木構造の論理構造を持った文書群を、構成要
素毎に検索して表示する文書検索装置において、前記文書を蓄積する文書蓄積手段と、検索しようとする前記構成要素の検索単位を指定する検
索単位指定手段と、前記文書蓄積手段から文書を読み込み、その論理構造を
解析する論理構造解析手段と、前記検索単位指定手段にて指定された検索単位の各構成
要素の内容からキーワードを抽出し、基本ベクトルを生
成する基本ベクトル生成手段と、前記検索単位の構成要素を除くすべての構成要素の内容
からキーワードを抽出し、内容ベクトルを生成する内容
ベクトル生成手段と、前記基本ベクトルと前記内容ベクトルとを合成し、合成
ベクトルを生成するベクトル合成手段と、前記合成ベクトルを前記検索単位の構成要素と対応付け
て保持する合成ベクトル保持手段と、キーワード列または自然言語文により構成される問合せ
を入力する問合せ入力手段と、問合せから問合せベクトルを生成する問合せベクトル生
成手段と、前記問合せベクトルと前記合成ベクトルとの類似度に基
づいて、前記検索単位の構成要素を検索して、類似度の
高い合成ベクトルに対応する構成要素を抽出する検索手
段と、前記検索手段による検索の結果を表示する表示手段と、を有することを特徴とする文書検索装置。
【請求項１２】前記ベクトル合成手段は、前記内容ベ
クトルが見出しであるか否かによって、前記内容ベクト
ルに、さらに重み付けを行うことを特徴とする請求項１
１記載の文書検索装置。
【請求項１３】前記ベクトル合成手段は、前記基本ベ
クトルと前記内容ベクトルとの類似度に応じて、前記内
容ベクトルに、さらに重み付けを行うことを特徴とする
請求項１１記載の文書検索装置。
【請求項１４】前記検索手段による検索の結果から、
内容を表示するための構成要素の単位を選択する表示要
素選択部と、選択された単位を含む上位の構成要素から
表示させたい構成要素を選択する表示範囲選択部と、前
記表示範囲選択部にて選択された前記構成要素を前記文
書蓄積手段から抽出し、前記表示手段に表示させる表示
文書抽出部と、を含む検索文書抽出手段を、さらに有す
ることを特徴とする請求項１１記載の文書検索装置。