JPH10301959A

JPH10301959A - データ圧縮／復元装置およびデータ圧縮／復元方法

Info

Publication number: JPH10301959A
Application number: JP10011771A
Authority: JP
Inventors: Nobuyuki Igata; 伸之井形; Isao Nanba; 功難波; Kunio Matsui; くにお松井
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1997-02-28
Filing date: 1998-01-23
Publication date: 1998-11-13
Anticipated expiration: 2018-01-23
Also published as: JP3708318B2

Abstract

(57)【要約】【課題】データの復号化処理の速度を落とさずに、イ
ンデックス作成処理を高速化し、インデックスのサイズ
を抑えることが課題である。【解決手段】圧縮手段１は、元のデータ４をブロック
単位で圧縮して符号化し、格納手段２内の圧縮されたデ
ータ５の先頭部分に、そのデータ５のブロック長を表す
継続フラグ情報を生成する。復元手段３は、データ５の
継続フラグ情報から残りのデータのブロック長を決定
し、格納手段２から残りのデータを取り出して、元のデ
ータ４を復元する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、任意のデータを符
号化して圧縮するデータ圧縮装置およびその方法と、圧
縮されたデータを復元するデータ復元装置およびその方
法に関する。

【０００２】

【従来の技術】全文検索装置やランキング検索装置等の
情報検索装置においては、検索に用いるインデックスの
作成速度を高め、かつ、そのサイズを抑えることが重要
である。ここで、全文検索装置とは、文書ＤＢ（データ
ベース）内の文書の全文を対象として、ユーザにより指
定された文字列（キーワード）の存在する文書を検索す
る装置を指し、ランキング検索装置とは、指定された文
字列に対し、関連度の高い文書を検索する装置を指す。

【０００３】このような情報検索装置におけるインデッ
クスとは、検索対象となるキーに対して、文書番号、文
書内単語出現頻度、文書内単語出現位置等の情報が付加
されたデータ構造である。例えば、キーワード「犬」と
それを含む文書の［文書番号，文書内単語出現頻度］の
組は、図３８のように表される。

【０００４】図３８のインデックスは、「犬」というキ
ーは、文書番号１の文書に１回、文書番号２の文書に１
回、文書番号３の文書に２回、文書番号２５の文書に３
回出現していることを表している。

【０００５】この例において、仮に１つの数値データを
３２ｂｉｔ（４ｂｙｔｅ）で表すとすると、キー「犬」
に対するインデックスは８つの数値を含むので、これを
表すのに２５６ｂｉｔ（＝３２ｂｉｔ＊８）の領域が必
要となる。Ｇｂｙｔｅ単位の文書に対して、この方法に
よる文書番号のみの格納領域の試算を行ってみると、図
３９に示すように、原文のサイズに対して非常に巨大な
ものになる。そこで、インデックスサイズを圧縮する必
要が生じる。

【０００６】インデックスサイズの圧縮の基本は、１つ
の数値を決まったビット数（通常、３２ｂｉｔ）で表す
のではなく、できるだけ少ないビット数で表すことであ
る。後述するように、既存の符号化手法は、小さな数値
を少ないビット数で表し、大きな数値を大きなビット数
で表すようになっている。

【０００７】そこで、インデックスサイズ圧縮の第一段
階として、インデックス内に含まれる数値をできるだけ
小さくすることが考えられる。これは、文書番号および
文書内単語出現位置のそれぞれについて、連続する２つ
のデータの差分を取ることにより実現される。文書番号
および文書内単語出現位置は、数値の小さいものから大
きいものへと順に並んでいるため、各数値間の差分をと
ることにより、表現される数値を小さくすることができ
る。

【０００８】例えば、図３８のインデックスに対して、
各文書番号間の差分を取ると、図４０のようになる。図
４０の最初のデータ［１，１］の文書番号“１”は、実
際の文書番号そのものを表しており、２番目のデータ
［１，１］の文書番号“１”は、最初のデータの文書番
号“１”と２番目のデータの実際の文書番号“２”との
差分値を表している。ここで、実際の文書番号とは、図
３８に示された、差分をとる前の文書番号を指す。

【０００９】また、３番目のデータ［１，２］の文書番
号“１”は、２番目のデータの実際の文書番号“２”と
３番目のデータの実際の文書番号“３”との差分値を表
しており、４番目のデータ［２２，３］の文書番号“２
２”は、３番目のデータの実際の文書番号“３”と４番
目のデータの実際の文書番号“２５”との差分値を表し
ている。

【００１０】このような数値データに対する符号化手法
としては、８ｂｉｔｂｌｏｃｋ（８ＢＢ）符号化、４
ｂｉｔｂｌｏｃｋ（４ＢＢ）符号化、Ｕｎａｒｙｃ
ｏｄｉｎｇ、γ−ｃｏｄｉｎｇ、δ−ｃｏｄｉｎｇ等が
知られている。これらの符号化手法のいずれにおいて
も、小さな数値は少ないｂｉｔ数で表され、大きな数値
は大きなｂｉｔ数で表される。

【００１１】まず、８ｂｉｔｂｌｏｃｋ符号化とは、
８ｂｉｔ（１ｂｙｔｅ）から成る各ブロックの中の最初
の１ビット（ｔｏｐｂｉｔ）を継続フラグとし、その
フラグが立っていれば、後続する次のブロックが存在す
るとみなす方法である。いくつかの数値の例を以下に挙
げる。

【００１２】表す数ｂｉｔ１０００００００１２００００００１０３００００００１１１２８１００００００１００００００００１２９１００００００１０００００００１ここで、数値１、２、３の場合は、後続するブロックが
存在しないので先頭のビットは０となっており、数値１
２８、１２９の場合は、２番目のブロックが存在するの
で先頭のビットが１となっている。この方法では、１ワ
ード（３２ｂｉｔ）で表現される数値を表す符号の最小
のビット数は８ｂｉｔ、最大のビット数は４０ｂｉｔと
なる。

【００１３】また、４ｂｉｔｂｌｏｃｋ符号化とは、
４ｂｉｔから成る各ブロックの中の最初の１ビットを継
続フラグとし、そのフラグが立っていれば、後続する次
のブロックが存在するとみなす方法である。いくつかの
数値の例を以下に挙げる。

【００１４】表す数ｂｉｔ１０００１２００１０３００１１４０１００５０１０１６０１１０７０１１１８１００１００００９１００１０００１１２８１０１０１０００００００１２９１０１０１００００００１ここで、数値１、２、３、４、５、６、７の場合は、後
続するブロックが存在しないので先頭のビットは０とな
っており、数値８、９の場合は、２番目のブロックが存
在するので先頭のビットが１となっている。また、数値
１２８、１２９の場合は、３番目のブロックが存在する
ので、１番目および２番目のブロックの先頭のビットが
１となっている。この方法では、１ワードで表現される
数値を表す符号の最小のビット数は４ｂｉｔ、最大ビッ
ト数は４４ｂｉｔとなる。

【００１５】また、Ｕｎａｒｙｃｏｄｉｎｇとは、数
ｎを、ｎ−１個の１の連続＋０で表す方法である。これ
は、主として、後述するγ−ｃｏｄｉｎｇおよびδ−ｃ
ｏｄｉｎｇの説明に用いられる。いくつかの数値の例を
以下に挙げる。

【００１６】表す数ｂｉｔ１０２１０３１１０４１１１０５１１１１０６１１１１１０１２８１１１１１・・・１２７個の１の連続・・・０１２９１１１１１・・・１２８個の１の連続・・・０この方法では、１ワードで表現される数値を表す符号の
最小のビット数は１ｂｉｔ、最大のビット数は４２９４
９６７２９５（２³²−１）となる。

【００１７】また、γ−ｃｏｄｉｎｇでは、数ｘの符号
を、ｐｒｅｆｉｘ部とｓｕｆｆｉｘ部に分けて表す。こ
こで、ｌｏｇ₂ｘの値以下の整数のうち最大のものをＩ
１（ｘ）＝外１と書くことにすると、ｐｒｅｆｉｘ
部は、数（１＋Ｉ１（ｘ））

【００１８】

【外１】

【００１９】をＵｎａｒｙｃｏｄｉｎｇで表すことで
得られ、ｓｕｆｆｉｘ部は、値（ｘ−２^I1(x)）をＩ１
（ｘ）ｂｉｔ分の２進数で表すことで得られる。いくつ
かの数値の例を以下に挙げる。

【００２０】表す数ｐｒｅｆｉｘ部ｓｕｆｆｉｘ部１０なし（１＋０ビットで０を表す）（０ビットで１−２⁰を表す）２１００（１＋１ビットで１を表す）（１ビットで２−２¹を表す）３１０１（１＋１ビットで１を表す）（１ビットで３−２¹を表す）４１１０００（１＋２ビットで２を表す）（２ビットで４−２²を表す）５１１００１（１＋２ビットで２を表す）（２ビットで５−２²を表す）６１１０１０（１＋２ビットで２を表す）（２ビットで６−２²を表す）７１１０１１（１＋２ビットで２を表す）（２ビットで７−２²を表す）８１１１００００（１＋３ビットで３を表す）（３ビットで８−２³を表す）９１１１０００１（１＋３ビットで３を表す）（３ビットで９−２³を表す）１０１１１００１０（１＋３ビットで３を表す）（３ビットで１０−２³を表す）１２８１１１１１１１００００００００（１＋７ビットで７を表す）（７ビットで１２８−２⁷を表す）１２９１１１１１１１０００００００１（１＋７ビットで７を表す）（７ビットで１２９−２⁷を表す）例えば、数値１２９の場合は、ｐｒｅｆｉｘ部の符号
‘１１１１１１１０’は８ビットであり、７つの連続す
る“１”を含んでいる。これは、Ｉ（１２９）＝７、す
なわち、数値１２９のｓｕｆｆｉｘ部が７ビットである
ことを表している。そして、ｓｕｆｆｉｘ部‘００００
００１’は、７ビットで１２９−２⁷を表している。こ
の方法では、１ワードで表現される数値を表す符号の最
小のビット数は１ｂｉｔ、最大のビット数は６３ｂｉｔ
（＝１＋３１＋３１ｂｉｔ）となる。

【００２１】δ−ｃｏｄｉｎｇでも、γ−ｃｏｄｉｎｇ
と同様に、数ｘの符号を、ｐｒｅｆｉｘ部とｓｕｆｆｉ
ｘ部に分けて表す。ｐｒｅｆｉｘ部は、数（１＋Ｉ１
（ｘ））をγ−ｃｏｄｉｎｇで表すことで得られ、ｓｕ
ｆｆｉｘ部は、γ−ｃｏｄｉｎｇと同様に、値（ｘ−２
^I1(x)）をＩ１（ｘ）ｂｉｔ分の２進数で表すことで得
られる。いくつかの数値の例を以下に挙げる。

【００２２】表す数ｐｒｅｆｉｘ部ｓｕｆｆｉｘ部１０なし（１のγｃｏｄｉｎｇ）（０ビットで１−２⁰を表す）２１０００（２のγｃｏｄｉｎｇ）（１ビットで２−２¹を表す）３１００１（２のγｃｏｄｉｎｇ）（１ビットで３−２¹を表す）４１０１００（３のγｃｏｄｉｎｇ）（２ビットで４−２²を表す）５１０１０１（３のγｃｏｄｉｎｇ）（２ビットで５−２²を表す）６１０１１０（３のγｃｏｄｉｎｇ）（２ビットで６−２²を表す）７１０１１１（３のγｃｏｄｉｎｇ）（２ビットで７−２²を表す）８１１００００００（４のγｃｏｄｉｎｇ）（３ビットで８−２³を表す）９１１０００００１（４のγｃｏｄｉｎｇ）（３ビットで９−２³を表す）１０１１００００１０（４のγｃｏｄｉｎｇ）（３ビットで１０−２³を表す）１２８１１１０００００００００００（８のγｃｏｄｉｎｇ）（７ビットで１２８−２⁷を表す）１２９１１１００００００００００１（８のγｃｏｄｉｎｇ）（７ビットで１２９−２⁷を表す）この方法では、１ワードで表現される数値を表す符号の
最小のビット数は１ｂｉｔ、最大のビット数は４２ｂｉ
ｔ（＝（５＋１＋５）＋３１ｂｉｔ）となる。

【００２３】

【発明が解決しようとする課題】しかしながら、上述し
た従来の符号化手法には、次のような問題がある。例え
ば、これらの符号化手法を用いて図４０のインデックス
構造を表現した場合に、必要となるｂｉｔ数は図４１に
示すようになる。図４１においては、符号化前の元デー
タのみ１０進数の値で記述され、符号化後のインデック
ス構造は、元データを表現するのに必要なビット数を用
いて記述されている。図４１を見ると、圧縮を行わない
３２ｂｉｔ符号化が最も多くのビット数を必要とし、δ
−ｃｏｄｉｎｇが最も少ないビット数で記述できること
が分かる。

【００２４】一般に、８ｂｉｔｂｌｏｃｋ符号化、４
ｂｉｔｂｌｏｃｋ符号化のようなブロック系の符号化
手法では、どんなに小さな数値でも、必ず１ブロック分
のビット数を必要とする。ところが、図４０のように、
差分値を用いたインデックス構造においては、“１”や
“２”のような小さな数値がデータの大部分を占めるた
め、インデックスサイズがあまり小さくならないという
問題がある。また、各ブロックの先頭に継続フラグを付
加していく処理が必要なため、インデックス作成処理に
時間がかかるという問題もある。

【００２５】これに対して、Ｕｎａｒｙｃｏｄｉｎ
ｇ、γ−ｃｏｄｉｎｇ、δ−ｃｏｄｉｎｇのようなビッ
ト系の符号化手法では、“１”や“２”のような小さな
数値をブロック系よりも小さなビット数で表すことがで
きる。しかし、数値が大きくなるにつれて、ブロック系
よりもはるかにビット数が多くなる傾向にあるため、必
ずしもインデックスサイズが小さくなるという保証はな
い。また、アルゴリズムが複雑なため、インデックス作
成処理および復号化処理ともに、処理時間が長くなると
いう問題もある。

【００２６】本発明の課題は、数値データの復号化処理
の速度を落とさずに、インデックス作成処理を高速化
し、インデックスのサイズを抑えることのできるデータ
圧縮装置およびその方法と、データ復元装置およびその
方法を提供することである。

【００２７】

【課題を解決するための手段】図１は、本発明のデータ
圧縮装置およびデータ復元装置の原理図である。図１の
データ圧縮装置は圧縮手段１と格納手段２を備え、デー
タ復元装置は格納手段２と復元手段３を備える。

【００２８】圧縮手段１は、与えられたデータ４をブロ
ック単位で圧縮し、圧縮されたデータ５の先頭部分に、
そのデータ５の長さを表す継続フラグ情報を生成する。
格納手段２は、圧縮されたデータ５を格納する。

【００２９】復元手段３は、ブロック単位で圧縮された
データ５の先頭部分の継続フラグ情報に基づいて、その
データ５の長さを決定し、元のデータ４を復元する。元
のデータ４がバイナリのビットパターンである場合、一
般に、それが表す数値が大きいほど圧縮率は低下し、小
さいほど圧縮率は向上する。圧縮手段１は、元のデータ
４の値に応じて圧縮されたデータ５のブロック長を決定
し、対応する継続フラグ情報を生成する。そして、その
継続フラグ情報をデータ５の先頭部分に格納し、それに
続いてデータ４を表すデータを格納する。

【００３０】数値が比較的小さければ、データ５はデー
タ４より短いビットパターンで表される。また、継続フ
ラグ情報は、データ５から継続フラグ情報を除いた残り
の部分のブロック長を表すようにしてもよい。

【００３１】このような圧縮処理によれば、従来のブロ
ック系の符号化のように、各ブロックの先頭に１つずつ
継続フラグを付加していく必要がなく、継続フラグ情報
の作成処理を１回で済ませることができる。したがっ
て、データ５の作成処理が高速化され、これを用いてイ
ンデックス作成処理を高速化することができる。

【００３２】また、データ４の値に応じてデータ５の先
頭ブロックの長さを変えることができ、小さな数値の場
合にこれを短くすることで、データ５の圧縮率が向上す
る。インデックス内で用いられる数値データには、１や
２のような小さな値が多数現れるため、これはインデッ
クスサイズの削減につながる。

【００３３】復元手段３は、圧縮されたデータ５の先頭
部分から継続フラグ情報を取り出し、それを元にデータ
５のブロック長を決定する。次に、その長さから継続フ
ラグ情報のブロック長を差し引いて、データ５の残りの
部分のブロック長を求め、残りのデータを取り出す。そ
して、取り出したデータから元のデータ４を生成する。
継続フラグ情報が残りのデータのブロック長を表す場合
は、それをそのまま用いて残りのデータを取り出すこと
ができる。

【００３４】このような復元処理によれば、従来のブロ
ック系の復号化のように、各ブロックの先頭から継続フ
ラグを１つずつ取り出す必要がなく、継続フラグ情報の
取り出しを１回で済ませることができる。したがって、
比較的大きな数値の場合には、データ４の作成処理が高
速化される。

【００３５】さらに、従来のビット系の符号化と比較し
て、圧縮処理および復元処理がより簡単であり、処理時
間が短くて済む。また、大きな数値の圧縮率はより高く
なると考えられる。

【００３６】例えば、図１の圧縮手段１と復元手段３
は、後述する図２のＣＰＵ１６（中央処理装置）とメイ
ンメモリ１９に対応し、格納手段２はメインメモリ１９
または磁気ディスク装置１１に対応する。

【００３７】

【発明の実施の形態】以下、図面を参照しながら、本発
明の実施の形態を詳細に説明する。本発明においては、
新たな符号化方法として、４ｂｉｔｂｌｏｃｋ（４Ｂ
Ｂ）改符号化、８４ｂｉｔｂｌｏｃｋ（８４ＢＢ）符
号化、およびＢ２４（ｂｌｏｃｋ２４）符号化の３種類
のブロック系符号化方法を提案する。まず、これらの符
号化の概要を、それぞれ説明することにする。

【００３８】４ＢＢ改符号化は、基本的には、上述の４
ＢＢ符号化を改良したものである。通常の４ＢＢ符号化
では、４ｂｉｔのうちｔｏｐ１ｂｉｔを継続フラグ
‘１’とし、そのフラグが存在していたら次の４ｂｉｔ
も数が存在するとみなす。これに対し、４ＢＢ改符号
は、すべての継続フラグをまとめて先頭に持つ構造とす
る。そして、最初に現れる０より後のビットパターンを
数値部分とみなす。いくつかの数値の例を以下に挙げ
る。

【００３９】表す数ｂｉｔ１０００１２００１０３００１１４０１００５０１０１６０１１０７０１１１８１０００１０００９１０００１００１１２８１１００１０００００００１２９１１００１００００００１ここで、数値１、２、３、４、５、６、７の場合は、後
続するブロックが存在しないので先頭のビットは０とな
っており、数値８、９の場合は、２番目のブロックが存
在するので、１番目のブロックの先頭のビットが１とな
っている。また、数値１２８、１２９の場合は、３番目
のブロックも存在するので、１番目のブロックの１番目
および２番目のビットが１となっている。継続フラグに
続く数値のビットパターンのＬＳＢ（least significan
t bit ）は、いずれの場合も最後のブロックの右端に来
るようになっている。

【００４０】この方法では、１ワードで表現される数値
を表す符号の最小のビット数は４ｂｉｔ、最大ビット数
は４４ｂｉｔとなり、圧縮効率自体は４ＢＢ符号化と等
価である。しかしながら、符号化処理におけるステップ
数が４ＢＢ符号化よりも少なくなる。このため、大規模
データベース（ＤＢ）に対してインデックスを作成する
ような場合には、かなりの高速化が期待できる。

【００４１】また、復号化に関しては、４ＢＢ符号化で
は、１つ１つ継続フラグを判定しながらループ処理を繰
り返し、４ＢＢ改符号化では、継続フラグを先に復号化
してから、まとめて数値を求めることになる。このよう
な違いはあるが、復号化の処理速度は、符号化と比べる
と、両者の間でそれほど変化はない。ただし、数値が大
きくなった場合には、４ＢＢ符号より４ＢＢ改符号のほ
うが速くなる。

【００４２】次に、４ＢＢ改符号化と類似する８４ＢＢ
符号化について説明する。４ＢＢ改符号化のブロック長
は、どんな数値に対しても４ｂｉｔ一定であるのに対
し、８４ＢＢ符号化では、初めの１ｂｌｏｃｋだけを８
ｂｉｔ、継続フラグによって後ろに続く各ブロックを４
ｂｉｔとする。この方法では、１２７以下の数値は１ｂ
ｉｔの０と７ｂｉｔの数値のビットパターンで表され、
１２８以上の数値はいくつかの継続フラグと数値のビッ
トパターンで表現される。いくつかの数値の例を以下に
挙げる。

【００４３】ここで、数値１、２、３、４、５、６、７、８、９、１
２７の場合は、後続するブロックが存在しないので先頭
のビットは０となっており、数値１２８、１２９の場合
は、２番目のブロックが存在するので、１番目のブロッ
クの先頭のビットが１となっている。この方法では、１
ワードで表現される数値を表す符号の最小のビット数は
８ｂｉｔ、最大のビット数は４４ｂｉｔとなる。

【００４４】例えば、インデックスにおいて文書内単語
出現位置として扱われる数値は、文書番号（差分値）や
文書内単語出現頻度と比較して、かなり大きな値にな
る。このため、差分値を用いたとしても、通常の数値デ
ータ符号化方法ではうまく圧縮することができない。

【００４５】８４ＢＢ符号化は、４ＢＢ符号化や４ＢＢ
改符号化と比較した場合、最初の８ｂｉｔで、１ｂｉｔ
分だけ大きな数値まで表現することができる。これによ
り、中くらいの大きさの数値を、他の符号化よりも少な
いビット数で表すことができ、文書内単語出現位置の符
号化に適しているといえる。

【００４６】次に、Ｂ２４符号化とは、数値１、２を２
ｂｉｔで符号化し、数値３〜６を４ｂｉｔで符号化し、
数値７以上を４ＢＢ改符号化で符号化する方法である。
数値１、２は、初めの１ｂｉｔを継続フラグ‘０’とす
る２ｂｉｔ符号で表し、数値３〜６は、初めの２ｂｉｔ
を継続フラグ‘１０’とする４ｂｉｔ符号で表す。それ
らより大きい数値の符号化は、４ＢＢ改符号化の処理と
同様になる。

【００４７】ただし、４ＢＢ改符号化では、継続フラグ
の後に続く数値にはそのままの値が用いられるのに対
し、Ｂ２４符号化では、数値１、２の場合には１を減じ
た値が用いられ、数値３〜６の場合には３を減じた値が
用いられ、７以上の場合には７を減じた値が用いられ
る。また、継続フラグは、４ＢＢ改符号より１ｂｉｔ多
くなる。いくつかの数値の例を以下に挙げる。

【００４８】表す数ｂｉｔ１００２０１３１０００４１００１５１０１０６１０１１７１１００００００８１１０００００１９１１００００１０３９１１１０００１０００００４０１１１０００１００００１ここで、数値１、２の場合は、先頭のビットは０となっ
ており、その次のビットは元の数値から１を減じた値を
表している。また、数値３、４、５、６の場合は、先頭
の２ビットが１０となっており、その次の２ビットは元
の数値から３を減じた値を表している。

【００４９】また、数値７、８、９の場合は、２番目の
ブロックが存在するので、先頭の２ビットは１１となっ
ており、２番目のブロックは元の数値から７を減じた値
を表している。また、数値３９、４０の場合は、３番目
のブロックも存在するので、先頭の３ビットが１１１と
なっており、２番目および３番目のブロックは元の数値
から７を減じた値を表している。

【００５０】この方法では、１ワードで表現される数値
を表す符号の最小のビット数は２ｂｉｔ、最大のビット
数は４４ｂｉｔとなり、数値１および２を表した場合
に、４ＢＢ改符号化よりも２ビット節約することができ
る。通常のＤＢでは、文書内単語出現頻度のほとんどの
数値が１もしくは２となるため、これらの数値を２ｂｉ
ｔで表すことで、４ＢＢ符号化および４ＢＢ改符号化よ
りも、実際のインデックスの圧縮率が高くなることが期
待される。

【００５１】また、符号化処理自体も、４ＢＢ改符号化
と比較して、それほど処理速度は低下しない。さらに、
符号化する数値のほとんどが１もしくは２ならば、ステ
ップ数は４ＢＢ改符号化よりも少なくなるため、より高
速である。復号化の処理速度に関しても、符号化と同様
である。

【００５２】図２は、上述した符号化方法に基づくデー
タ圧縮装置／復元装置を含む情報検索装置の構成図であ
る。図２の情報検索装置は、ソフトウェアを搭載した情
報処理装置（コンピュータ）により実現され、磁気ディ
スク装置１１、フロッピーディスク駆動装置（ＦＤＤ）
１２、プリンタ１４、ディスプレイ１５、ＣＰＵ（中央
処理装置）１６、キーボード１７、ポインティング・デ
バイス１８、メインメモリ１９、およびネットワーク接
続装置３１を備え、それらの各装置はバス２０により互
いに結合されている。

【００５３】磁気ディスク装置１１には、文書ＤＢ２１
とインデックス２２が格納される。磁気ディスク装置１
１の代わりに、光ディスク装置、光磁気ディスク装置等
を用いてもよい。

【００５４】ＣＰＵ１６は、メインメモリ１９に格納さ
れたプログラムを用いて、情報検索に必要な処理を実現
する。メモリ１９は、例えばＲＯＭ（read only memor
y）、ＲＡＭ（random access memory）等を含む。メモ
リ１９には、インデックス作成プログラム２３、検索エ
ンジン（検索プログラム）２４、文書表示プログラム２
５等が保持され、ワーク領域２６が設けられる。

【００５５】インデックス作成プログラム２３は、文書
ＤＢ２１からインデックス２２を作成して、磁気ディス
ク装置１１に格納する。このプログラム２３は、４ＢＢ
改符号化、８４ＢＢ符号化、あるいはＢ２４符号化等に
基づくデータ圧縮処理を含んでいる。

【００５６】検索エンジン２４は、インデックス２２を
用いて、文書ＤＢ２１の文書を検索する。全文検索装置
の場合には、ユーザが指定した単語列を含む文書を検索
し、ランキング検索装置の場合には、ユーザが指定した
単語列に対して関連度の高い文書を検索する。この検索
エンジン２４は、４ＢＢ改符号化、８４ＢＢ符号化、あ
るいはＢ２４符号化等に基づくデータ復元処理（復号化
処理）を含んでいる。

【００５７】文書表示プログラム２５は、検索結果から
指定された文書を切り出し、それをユーザに表示する。
ワーク領域２６は、これらのプログラム２３、２４、２
５が処理に使用する領域である。

【００５８】また、キーボード１７およびポインティン
グ・デバイス１８は、ユーザからの要求や指示の入力に
用いられ、プリンタ１４およびディスプレイ１５は、ユ
ーザへの問い合せや処理結果等の出力に用いられる。

【００５９】ＦＤＤ１２は、フロッピーディスク１３を
駆動し、その記憶内容にアクセスする。フロッピーディ
スク１３に、必要なデータやプログラム２３、２４、２
５等を格納しておき、必要に応じて、それらをメモリ１
９にロードして使用することができる。また、フロッピ
ーディスク１３以外にも、メモリカード、ＣＤ−ＲＯＭ
（compact disk read only memory ）、光ディスク、光
磁気ディスク等の任意のコンピュータ読み取り可能な記
録媒体を使用することができる。

【００６０】ネットワーク接続装置３１は、ＬＡＮ（lo
cal area network）等の任意の通信ネットワークに接続
され、通信に伴うデータ変換等を行う。情報検索装置
は、ネットワーク接続装置３１を介して、外部の情報提
供者の装置３２（データベース等）と通信する。これに
より、必要に応じて、上述のプログラムとデータを装置
３２からネットワークを介して受け取り、それらをメモ
リ１９にロードして使用することができる。

【００６１】次に、図３から図２０までを参照しなが
ら、本発明のデータ圧縮装置／復元装置で用いる４ＢＢ
改符号化、８４ＢＢ符号化、およびＢ２４符号化につい
て、より具体的に説明する。

【００６２】図３から図２０において、変数Ｖａｌｕｅ
は、元データのビットパターンを表し、変数Ｂｉｔｂｕ
ｆは、符号化されたビットパターンを表す。また、‘：
＝’は、右辺の値を左辺の値へ代入する操作を表し、
‘ｂｉｔｃｏｐｙ（第１引数，第２引数）’は、第２引
数のビットパターンを第１引数の先頭にコピーする操作
を表す。

【００６３】また、‘ｂｉｔｃａｔ（第１引数，第２引
数）’は、第２引数のビットパターンを第１引数の後に
追加する操作を表し、‘ｒｅａｄ（第１引数，第２引
数）’は、第１引数から第２引数の個数分のビットパタ
ーンを読み取って数値にする操作を表す。その他の記述
については、Ｃ言語もしくは数学記号と同様である。

【００６４】比較のため、最初に、４ＢＢ符号化処理お
よび４ＢＢ復号化処理の実現例を説明することにする。
図３は、４ＢＢ符号化処理のフローチャートである。処
理が開始されると、情報検索装置は、まず、ｉ＝１１と
おいて（ステップＳ１）、８ビットの１次バッファＣｏ
ｄｅ［ｉ］を用意し、Ｖａｌｕｅのビットパターンの下
位３ビットをＣｏｄｅ［ｉ］の後半に入れる（ステップ
Ｓ２）。ここで、‘Ｖａｌｕｅ＆０ｘ７’は、Ｖａ
ｌｕｅと０ｘ７＝‘０１１１’の論理積を表している。

【００６５】次に、Ｖａｌｕｅを３ビット右にシフトし
（ステップＳ３）、Ｖａｌｕｅの値を０と比較する（ス
テップＳ４）。Ｖａｌｕｅが０より大きい場合、ｉを１
だけデクリメントし（ステップＳ５）、シフト後のＶａ
ｌｕｅの下位３ビットの前にフラグの値１を付加して、
Ｃｏｄｅ［ｉ］の後半に入れる（ステップＳ６）。ここ
で、‘０ｘ８｜（Ｖａｌｕｅ＆０ｘ７）’は、
０ｘ８＝‘１０００’とＶａｌｕｅの下位３ビットとの
論理和を表している。そして、Ｖａｌｕｅを３ビット右
にシフトし（ステップＳ７）、ステップＳ４以降の処理
を繰り返す。

【００６６】ステップＳ４において、Ｖａｌｕｅの値が
０になると、次に、ｉと１２を比較する（ステップＳ
８）。ｉが１２より小さければ、Ｃｏｄｅ［ｉ］の後半
に格納された４ビットのデータを、Ｂｉｔｂｕｆの空領
域の先頭部分にコピーして（ステップＳ９）。ｉを１だ
けインクリメントする（ステップＳ１０）。

【００６７】そして、ステップＳ８以降の処理を繰り返
し、ステップＳ８においてｉが１２に達すると、処理を
終了する。このような符号化処理のプログラムコード
（Ｃ言語で記述）は、例えば、図４に示すようになる。

【００６８】図５は、４ＢＢ復号化処理のフローチャー
トである。処理が開始されると、情報検索装置は、ま
ず、Ｂｉｔｂｕｆの初めの４ビットをＶａｌｕｅに読み
込み（ステップＳ１１）、その値を０ｘ７と比較する
（ステップＳ１２）。Ｖａｌｕｅが０ｘ７以下の場合
は、先頭のフラグが０であり、後続ブロックが存在しな
いことを意味するので、そのまま処理を終了する。

【００６９】Ｖａｌｕｅが０ｘ７より大きければ、先頭
のフラグが１であり、後続ブロックが存在することを意
味する。そこで、Ｖａｌｕｅのビットパターンの下位３
ビットのみを改めてＶａｌｕｅとし（ステップＳ１
３）、Ｂｉｔｂｕｆ内の次の４ビットを変数ｔｅｍｐに
読み込む（ステップＳ１４）。

【００７０】次に、Ｖａｌｕｅを３ビット左にシフトし
て、ｔｅｍｐの下位３ビットを加算する（ステップＳ１
５）。これにより、ｔｅｍｐから先頭のフラグを除いた
残りの部分がＶａｌｕｅに付加される。そして、ｔｅｍ
ｐの値を０ｘ７と比較する（ステップＳ１６）。

【００７１】ｔｅｍｐが０ｘ７より大きければステップ
Ｓ１４以降の処理を繰り返し、ｔｅｍｐが０ｘ７以下で
あれば処理を終了する。終了時のＶａｌｕｅのビットパ
ターンは、Ｂｉｔｂｕｆに対応する元データを表してい
る。このような復号化処理のプログラムコード（Ｃ言語
で記述）は、例えば、図６に示すようになる。図６にお
いて、ｇｅｔｘｂｉｔｓ（Ｂｉｔｂｕｆ）は、Ｂｉｔ
ｂｕｆからｘビット分のビットパターンを読み出す関数
を表す。

【００７２】次に、４ＢＢ改符号化処理および４ＢＢ改
復号化処理を説明する。図７は、４ＢＢ改符号化処理の
フローチャートである。処理が開始されると、情報検索
装置は、まず、Ｉ２（Ｖａｌｕｅ）＝外２を求め、
Ｉ２（Ｖａｌｕｅ）＋１を継

【００７３】

【外２】

【００７４】続フラグＦｌａｇの値とする（ステップＳ
２１）。ここで、Ｉ２（ｘ）＝外３は、ｌｏｇ₈ｘの
値以下の整数のうち最大のものを表す。

【００７５】

【外３】

【００７６】次に、ＦｌａｇをＵｎａｒｙコードに変換
してＢｉｔｂｕｆに入れ（ステップＳ２２）、それに続
いてＶａｌｕｅを入れて（ステップＳ２３）、処理を終
了する。

【００７７】図７を図３と比較すると、４ＢＢ改符号化
処理のステップ数は、４ＢＢ符号化処理のそれよりはる
かに少ないことが分かる。４ＢＢ改符号化では、継続フ
ラグを元データのビットパターンの前に付加するだけな
ので、このようにステップ数が少なくて済み、高速な処
理が実現される。また、継続フラグの値が小さければ、
そのＵｎａｒｙコードは容易に求められる。

【００７８】４ＢＢ改符号化処理のプログラムコード
（Ｃ言語で記述）は、例えば、図８に示すようになる。
図８においては、実際にＩ２（Ｖａｌｕｅ）を計算する
代わりに、ｉｆ−ｅｌｓｅｉｆで代用している。これ
は、Ｖａｌｕｅの値の範囲と、それに対応するＩ２（Ｖ
ａｌｕｅ）の値の範囲とが、あらかじめ分かっているた
めである。また、ｓｅｔｘｂｉｔｓ（Ｂｉｔｂｕｆ，
Ｘ）は、Ｘからｘビット分のビットパターンを読み出し
てＢｉｔｂｕｆに書き込む関数を表す。

【００７９】例えば、十進法で２１という数値は以下の
手順により符号化され、対応する符号‘１００１０１０
１’が得られる。１．Ｉ２（２１）＋１＝２であるため、継続フラグは２
となる（ステップＳ２１）。

【００８０】２．継続フラグ２をＵｎａｒｙコード‘１
０’でＢｉｔｂｕｆに入れる（ステップＳ２２）。３．継続フラグに続いて、Ｖａｌｕｅ＝２１のビットパ
ターン‘０１０１０１’をＢｉｔｂｕｆに入れる（ステ
ップＳ２３）。

【００８１】また、十進法で３００という数値は以下の
手順により符号化され、対応する符号‘１１０１００１
０１１００’が得られる。１．Ｉ２（３００）＋１＝３であるため、継続フラグは
３となる（ステップＳ２１）。

【００８２】２．継続フラグ３をＵｎａｒｙコード‘１
１０’でＢｉｔｂｕｆに入れる（ステップＳ２２）。３．継続フラグに続いて、Ｖａｌｕｅ＝３００のビット
パターン‘１００１０１１００’をＢｉｔｂｕｆに入れ
る（ステップＳ２３）。

【００８３】次に、図９は、４ＢＢ改復号化処理のフロ
ーチャートである。処理が開始されると、情報検索装置
は、まず、継続フラグのビット数を表す変数ＣＦｌａｇ
を０とおき（ステップＳ３１）、Ｂｉｔｂｕｆの初めの
４ビットを変数Ｆｌａｇに読み込み（ステップＳ３
２）、その値を０ｘ８と比較する（ステップＳ３３）。

【００８４】Ｆｌａｇが０ｘ８より小さい場合は、先頭
のビットが０であり、後続するブロックが存在しないこ
とを意味する。そこで、ＦｌａｇをＶａｌｕｅに代入し
て（ステップＳ３４）、処理を終了する。

【００８５】Ｆｌａｇが０ｘ８以上であれば、先頭のビ
ットが１であり、後続ブロックが１つ以上存在すること
を意味する。そこで、最初の後続ブロックが継続フラグ
に対応するかどうかを調べるために、Ｆｌａｇと０ｘｆ
＝‘１１１１’を比較する（ステップＳ３５）。

【００８６】Ｆｌａｇが０ｘｆであれば、さらに継続フ
ラグのブロックが続くことが分かる。そこで、ＣＦｌａ
ｇに４を加算し、Ｂｉｔｂｕｆ内の次の４ビットをＦｌ
ａｇに読み込む（ステップＳ３６）。そして、ステップ
Ｓ３５以降の処理を繰り返す。

【００８７】Ｆｌａｇが０ｘｆより小さければ、そのビ
ットパターンは０を含んでおり、継続フラグが途切れる
ことが分かる。そこで、Ｆｌａｇの中で最初に０が現れ
た位置の順位をＣＦｌａｇに加算する。また、その位置
より下のビットにマスクを掛けてそれらのビットを抽出
し、Ｍａｓｋに代入する（ステップＳ３７）。

【００８８】次に、今までにＢｉｔｂｕｆより読み込ん
だビット数をＣＦｌａｇの４倍から減算した値をＲｅａ
ｄＢｉｔとする（ステップＳ３８）。ＣＦｌａｇを４倍
することで、Ｂｉｔｂｕｆに含まれるデータの全ビット
数が得られ、それから読み込み済みのビット数を差し引
くことで、残りのデータの全ビット数が得られる。

【００８９】次に、ＭａｓｋをＲｅａｄＢｉｔのビット
数だけ左にシフトしてＶａｌｕｅに代入し、Ｂｉｔｂｕ
ｆから、ＲｅａｄＢｉｔのビット数だけの残りのデータ
を読み込んで、それをＶａｌｕｅに加算し、処理を終了
する。これにより、継続フラグの部分を除いた元データ
のビットパターンが、Ｖａｌｕｅとして得られる。

【００９０】図９を図５と比較すると、４ＢＢ改復号化
処理のステップ数は、４ＢＢ復号化処理のそれより少し
多いことが分かる。しかし、図５および図９のループ内
の処理において、４ＢＢ復号化の場合は、継続フラグと
データ部分を同時に読み込むのに対して、４ＢＢ改復号
化の場合は、継続フラグ部分のみ読み込めばよい。この
ため、１ブロックまたは２ブロック程度の符号を復号化
する場合は、４ＢＢ改復号化の処理速度は４ＢＢ復号化
処理とそれほど変わらないが、大きなブロックの復号化
では４ＢＢ改復号化の方がはるかに速くなる。

【００９１】４ＢＢ改復号化処理のプログラムコード
（Ｃ言語で記述）は、例えば、図１０に示すようにな
る。図１０においては、実際にＣＦｌａｇおよびＲｅａ
ｄＢｉｔの値を計算する代わりに、ｉｆ−ｅｌｓｅｉ
ｆで代用している。これは、Ｖａｌｕｅの値の範囲と、
それに対応するＲｅａｄＢｉｔの値の範囲とが、あらか
じめ分かっているためである。また、変数Ｖａｌｕｅを
変数Ｆｌａｇの代わりに用いており、変数Ｍａｓｋの代
わりに、Ｖａｌｕｅとマスク用ビットパターンの論理積
を用いている。

【００９２】例えば、上述の符号‘１００１０１０１’
は以下の手順により復号化され、対応する数値２１が得
られる。１．初めの４ビット‘１００１’を読み込む（ステップ
Ｓ３２）。

【００９３】２．継続フラグは‘１０’であり、これは
上の２ビットに相当するため、下の２ビットにマスクを
掛け、Ｍａｓｋ＝‘１００１’＆０ｘ３＝‘０００１’
を得る（ステップＳ３７）。また、ＲｅａｄＢｉｔ＝２
×４−４＝４となるので、‘０００１’を４ビット左へ
シフトし、Ｖａｌｕｅに代入する（ステップＳ３８）。
これにより、Ｖａｌｕｅ＝‘１００００’＝１６とな
る。

【００９４】３．次の４ビット（ＲｅａｄＢｉｔのビッ
ト数）である‘０１０１’＝５を読み込み、Ｖａｌｕｅ
に加算する（ステップＳ３８）。こうして、Ｖａｌｕｅ
＝１６＋５＝２１となる。

【００９５】また、上述の符号‘１１０１００１０１１
００’は以下の手順により復号化され、対応する数値３
００が得られる。１．初めの４ビット‘１１０１’を読み込む（ステップ
Ｓ３２）。

【００９６】２．継続フラグは‘１１０’であり、これ
は上の３ビットに相当するため、下の１ビットにマスク
を掛け、Ｍａｓｋ＝‘１１０１’＆０ｘ１＝‘０００
１’を得る（ステップＳ３７）。また、ＲｅａｄＢｉｔ
＝３×４−４＝８となるので、‘０００１’を８ビット
左へシフトし、Ｖａｌｕｅに代入する（ステップＳ３
８）。これにより、Ｖａｌｕｅ＝‘１０００００００
０’＝２５６となる。

【００９７】３．次の８ビット（ＲｅａｄＢｉｔのビッ
ト数）である‘００１０１１００’＝４４を読み込み、
Ｖａｌｕｅに加算する（ステップＳ３８）。こうして、
Ｖａｌｕｅ＝２５６＋４４＝３００となる。

【００９８】次に、８４ＢＢ符号化処理および８４ＢＢ
復号化処理を説明する。図１１は、８４ＢＢ符号化処理
のフローチャートである。処理が開始されると、情報検
索装置は、まず、Ｖａｌｕｅの値を１２８と比較する
（ステップＳ４１）。そして、Ｖａｌｕｅが１２８より
小さければ、それをＢｉｔｂｕｆにコピーして（ステッ
プＳ４２）、処理を終了する。

【００９９】Ｖａｌｕｅが１２８以上であれば、上述の
Ｉ２（ｘ）を用いてＩ２（Ｖａｌｕｅ）を求め、それを
継続フラグＦｌａｇの値とする（ステップＳ４３）。次
に、ＦｌａｇをＵｎａｒｙコードに変換してＢｉｔｂｕ
ｆに入れ（ステップＳ４４）、それに続いてＶａｌｕｅ
を入れて（ステップＳ４５）、処理を終了する。

【０１００】図１１を図７と比較すると、８４ＢＢ符号
化処理では、４ＢＢ改符号化処理より条件判定が１つ増
えるだけなので、その処理速度は４ＢＢ改符号化とほと
んど変わらない。

【０１０１】また、８４ＢＢ符号化処理のプログラムコ
ード（Ｃ言語で記述）は、例えば、図１２に示すように
なる。図１２においては、４ＢＢ改符号化と同様に、実
際にＩ２（Ｖａｌｕｅ）を計算する代わりに、ｉｆ−ｅ
ｌｓｅｉｆで代用している。

【０１０２】例えば、上述の３００という数値は以下の
手順により符号化され、対応する符号‘１００１００１
０１１００’が得られる。１．Ｉ２（３００）＝２であるため、継続フラグは２と
なる（ステップＳ４３）。

【０１０３】２．継続フラグ２をＵｎａｒｙコード‘１
０’でＢｉｔｂｕｆに入れる（ステップＳ４４）。３．継続フラグに続いて、Ｖａｌｕｅ＝３００のビット
パターン‘０１００１０１１００’をＢｉｔｂｕｆに入
れる（ステップＳ４５）。

【０１０４】次に、図１３は、８４ＢＢ復号化処理のフ
ローチャートである。処理が開始されると、情報検索装
置は、まず、Ｂｉｔｂｕｆの初めの８ビットを変数Ｆｌ
ａｇに読み込み（ステップＳ５１）、その値を１２８と
比較する（ステップＳ５２）。Ｆｌａｇが１２８より小
さい場合は、先頭のビットが０であり、後続するブロッ
クが存在しないことを意味する。そこで、ＦｌａｇをＶ
ａｌｕｅに代入して（ステップＳ５３）、処理を終了す
る。

【０１０５】Ｆｌａｇが１２８以上の場合は、先頭のビ
ットが１であり、後続ブロックが１つ以上存在すること
を意味する。そこで、継続フラグのビット数を表す変数
ＣＦｌａｇを０とおき（ステップＳ５４）、最初の後続
ブロックが継続フラグに対応するかどうかを調べるため
に、Ｆｌａｇの値を０ｘｆｆ＝‘１１１１１１１１’と
比較する（ステップＳ５４ａ）。

【０１０６】Ｆｌａｇが０ｘｆｆであれば、さらに継続
フラグのブロックが続くことが分かる。そこで、ＣＦｌ
ａｇに８を加算し（ステップＳ５４ｂ）、Ｂｉｔｂｕｆ
内の次の４ビットをＦｌａｇに読み込む（ステップＳ５
４ｃ）。そして、読み込んだブロックの次のブロックが
継続フラグに対応するかどうかを調べるために、Ｆｌａ
ｇの値を０ｘｆ＝‘１１１１’と比較する（ステップＳ
５５）。

【０１０７】Ｆｌａｇが０ｘｆであれば、さらに継続フ
ラグのブロックが続くことが分かる。そこで、ＣＦｌａ
ｇに４を加算し、Ｂｉｔｂｕｆ内の次の４ビットをＦｌ
ａｇに読み込む（ステップＳ５６）。そして、ステップ
Ｓ５５以降の処理を繰り返す。

【０１０８】ステップＳ５４ａでＦｌａｇが０ｘｆｆよ
り小さいとき、および、ステップＳ５５でＦｌａｇが０
ｘｆより小さいときは、そのビットパターンは０を含ん
でおり、継続フラグが途切れることが分かる。そこで、
Ｆｌａｇの中で最初に０が現れた位置の順位をＣＦｌａ
ｇに加算する。また、その位置より下のビットにマスク
を掛けてそれらのビットを抽出し、Ｍａｓｋに代入する
（ステップＳ５７）。

【０１０９】次に、今までにＢｉｔｂｕｆより読み込ん
だビット数を（ＣＦｌａｇ＋１）の４倍から減算した値
をＲｅａｄＢｉｔとする（ステップＳ５８）。次に、Ｍ
ａｓｋをＲｅａｄＢｉｔのビット数だけ左にシフトして
Ｖａｌｕｅに代入し、Ｂｉｔｂｕｆから、ＲｅａｄＢｉ
ｔのビット数だけの残りのデータを読み込んで、それを
Ｖａｌｕｅに加算し、処理を終了する。これにより、継
続フラグの部分を除いた元データのビットパターンが、
Ｖａｌｕｅとして得られる。

【０１１０】このような８４ＢＢ復号化処理のプログラ
ムコード（Ｃ言語で記述）は、例えば、図１４に示すよ
うになる。図１４においては、４ＢＢ改復号化と同様
に、実際にＣＦｌａｇおよびＲｅａｄＢｉｔの値を計算
する代わりに、ｉｆ−ｅｌｓｅｉｆで代用している。ま
た、変数Ｖａｌｕｅを変数Ｆｌａｇの代わりに用いてお
り、変数Ｍａｓｋの代わりに、Ｖａｌｕｅとマスク用ビ
ットパターンの論理積を用いている。

【０１１１】例えば、上述の符号‘１００１００１０１
１００’は以下の手順により復号化され、対応する数値
３００が得られる。１．初めの８ビット‘１００１００１０’を読み込む
（ステップＳ５１）。

【０１１２】２．継続フラグは‘１０’であり、これは
上の２ビットに相当するため、下の６ビットにマスクを
掛け、Ｍａｓｋ＝‘１００１００１０’＆０ｘ３ｆ＝
‘０００１００１０’を得る（ステップＳ５７）。ま
た、ＲｅａｄＢｉｔ＝（２＋１）×４−８＝４となるの
で、‘０００１００１０’を４ビット左へシフトし、Ｖ
ａｌｕｅに代入する（ステップＳ５８）。これにより、
Ｖａｌｕｅ＝‘１００１０００００’＝２８８となる。

【０１１３】３．次の４ビット（ＲｅａｄＢｉｔのビッ
ト数）である‘１１００’＝１２を読み込み、Ｖａｌｕ
ｅに加算する（ステップＳ５８）。こうして、Ｖａｌｕ
ｅ＝２８８＋１２＝３００となる。

【０１１４】次に、Ｂ２４符号化処理およびＢ２４復号
化処理を説明する。図１５は、Ｂ２４符号化処理のフロ
ーチャートである。処理が開始されると、情報検索装置
は、まず、Ｖａｌｕｅを１と比較する（ステップＳ６
１）。Ｖａｌｕｅ＝１の場合は、ビットパターン‘０
０’をＢｉｔｂｕｆに入れて（ステップＳ６２）、処理
を終了する。

【０１１５】Ｖａｌｕｅが１でなければ、次に、それを
２と比較する（ステップＳ６３）。Ｖａｌｕｅ＝２の場
合は、ビットパターン‘０１’をＢｉｔｂｕｆに入れて
（ステップＳ６４）、処理を終了する。

【０１１６】Ｖａｌｕｅが２でなければ、次に、それを
７と比較する（ステップＳ６５）。Ｖａｌｕｅが７より
小さければ、ビットパターン‘１０’を継続フラグとし
てＢｉｔｂｕｆに入れ、その後に（Ｖａｌｕｅ−３）の
ビットパターンを入れて（ステップＳ６６）、処理を終
了する。

【０１１７】Ｖａｌｕｅが７以上であれば、ここで、上
述のＩ２（ｘ）を用いてＩ２（Ｖａｌｕｅ）を求め、Ｉ
２（Ｖａｌｕｅ）＋２を変数Ｆｌａｇに代入する（ステ
ップＳ６７）。そして、ＦｌａｇをＵｎａｒｙコードに
変換してＢｉｔｂｕｆに入れ、それに続いて（Ｖａｌｕ
ｅ−７）のビットパターンを入れて、処理を終了する。

【０１１８】図１５を図７と比較すると、Ｖａｌｕｅが
１または２であれば、Ｂ２４符号化処理のステップ数は
４ＢＢ改符号化処理のそれよりも少なくなり、処理速度
はより速くなる。また、図１５のステップＳ６７の処理
は、図７のステップＳ２１、Ｓ２２、Ｓ２３の処理に対
応している。したがって、Ｖａｌｕｅが７以上であって
も、４ＢＢ改符号化処理と比較して条件判定が３つ追加
されているだけなので、処理速度はそれほど低下しな
い。Ｖａｌｕｅが３〜６の場合も同様である。

【０１１９】Ｂ２４符号化処理のプログラムコード（Ｃ
言語で記述）は、例えば、図１６に示すようになる。図
１６においては、上述の４ＢＢ改符号化と同様に、実際
にＩ２（Ｖａｌｕｅ）を計算する代わりに、ｉｆ−ｅｌ
ｓｅｉｆで代用している。

【０１２０】例えば、上述の２１という数値は以下の手
順により符号化され、対応する符号‘１１００１１１
０’が得られる。１．Ｉ２（２１）＋２＝３であるため、継続フラグは３
となる（ステップＳ６７）。

【０１２１】２．継続フラグ３をＵｎａｒｙコード‘１
１０’でＢｉｔｂｕｆに入れる（ステップＳ６７）。３．継続フラグに続いて、Ｖａｌｕｅ−７＝２１−７＝
１４のビットパターン‘０１１１０’をＢｉｔｂｕｆに
入れる（ステップＳ６７）。

【０１２２】次に、図１７は、Ｂ２４復号化処理のフロ
ーチャートである。処理が開始されると、情報検索装置
は、まず、Ｂｉｔｂｕｆの初めの２ビットを変数Ｆｌａ
ｇに読み込み（ステップＳ７１）、その値を１と比較す
る（ステップＳ７２）。

【０１２３】Ｆｌａｇが１以下の場合は、先頭のビット
が０であり、後続するビットパターンが存在しないこと
を意味する。そこで、（Ｆｌａｇ＋１）のビットパター
ンをＶａｌｕｅに代入して（ステップＳ７３）、処理を
終了する。

【０１２４】Ｆｌａｇが１より大きければ、先頭のビッ
トが１であり、後続するビットパターンが存在すること
を意味する。そこで、次に、その値を２と比較する（ス
テップＳ７４）。

【０１２５】Ｆｌａｇが２であれば、後続するビットパ
ターンは２ビットであることを意味する。そこで、Ｂｉ
ｔｂｕｆの残りの２ビットを変数Ｖａｌｕｅに読み込
み、３を加算して（ステップＳ７５）、処理を終了す
る。

【０１２６】Ｆｌａｇが２より大きければ、それは‘１
１’であり、後続する１つ以上のブロックが存在するこ
とを意味する。そこで、Ｆｌａｇ＝‘１１’を２ビット
左へシフトし、Ｂｉｔｂｕｆの次の２ビットの値を読み
込んで、Ｆｌａｇに加算する（ステップＳ７６）。そし
て、継続フラグのビット数を表す変数ＣＦｌａｇを０と
おき、最初の後続ブロックが継続フラグに対応するかど
うかを調べるために、Ｆｌａｇと０ｘｆ＝‘１１１１’
を比較する（ステップＳ７８）。

【０１２７】Ｆｌａｇが０ｘｆであれば、さらに継続フ
ラグのブロックが続くことが分かる。そこで、ＣＦｌａ
ｇに４を加算し、Ｂｉｔｂｕｆ内の次の４ビットをＦｌ
ａｇに読み込む（ステップＳ７９）。そして、ステップ
Ｓ７８以降の処理を繰り返す。

【０１２８】Ｆｌａｇが０ｘｆより小さければ、そのビ
ットパターンは０を含んでおり、継続フラグが途切れる
ことが分かる。そこで、Ｆｌａｇの中で最初に０が現れ
た位置の順位をＣＦｌａｇに加算する。また、その位置
より下のビットにマスクを掛けてそれらのビットを抽出
し、Ｍａｓｋに代入する（ステップＳ８０）。

【０１２９】次に、今までにＢｉｔｂｕｆより読み込ん
だビット数を（ＣＦｌａｇ−１）の４倍から減算した値
をＲｅａｄＢｉｔとする（ステップＳ８１）。そして、
ＭａｓｋをＲｅａｄＢｉｔのビット数だけ左にシフトし
てＶａｌｕｅに代入し、Ｂｉｔｂｕｆから、ＲｅａｄＢ
ｉｔのビット数だけの残りのデータを読み込んで、それ
をＶａｌｕｅに加算する。これにより、符号から継続フ
ラグの部分を除いたビットパターンが、Ｖａｌｕｅとし
て得られる。元データを得るために、Ｖａｌｕｅにさら
に７を加算して、処理を終了する。

【０１３０】図１７を図９と比較すると、Ｂ２４復号化
処理では４ＢＢ改復号化処理よりも条件判定が１つ多い
が、処理速度はそれほど低下しない。Ｂ２４復号化処理
のプログラムコード（Ｃ言語で記述）は、例えば、図１
８に示すようになる。図１８においては、上述の４ＢＢ
改復号化と同様に、実際にＣＦｌａｇおよびＲｅａｄＢ
ｉｔの値を計算する代わりに、ｉｆ−ｅｌｓｅｉｆで
代用している。また、変数Ｖａｌｕｅを変数Ｆｌａｇの
代わりに用いており、変数Ｍａｓｋの代わりに、Ｖａｌ
ｕｅとマスク用ビット列の論理積を用いている。

【０１３１】例えば、上述の符号‘１１００１１１０’
は以下の手順により復号化され、対応する数値２１が得
られる。１．初めの２ビット‘１１’をＦｌａｇに読み込む（ス
テップＳ７１）。

【０１３２】２．読み込んだ値は３であるため、Ｆｌａ
ｇを２ビット左にシフトして、さらに次の２ビット‘０
０’を読み込み（ステップＳ７６）、継続フラグを確認
する（ステップＳ７８）。ここで、継続フラグが‘１１
０’であることが分かる。

【０１３３】３．継続フラグが３ビット目で途切れてい
るので、継続フラグに続く残りの１ビットにマスクを掛
け、Ｍａｓｋ＝‘１１００’＆０ｘ１＝‘００００’を
得る。また、ＲｅａｄＢｉｔ＝（３−１）×４−４＝４
となるので、‘００００’を４ビット左へシフトし、Ｖ
ａｌｕｅに代入する（ステップＳ８１）。

【０１３４】４．次の４ビット（ＲｅａｄＢｉｔのビッ
ト数）である‘１１１０’＝１４を読み込み、Ｖａｌｕ
ｅに加算して、さらに７を加算する（ステップＳ８
１）。こうして、Ｖａｌｕｅ＝１４＋７＝２１となる。

【０１３５】以上説明した４ＢＢ改符号化、８４ＢＢ符
号化、およびＢ２４符号化に必要な各ビット数を、４Ｂ
Ｂ符号化、γ−ｃｏｄｉｎｇ、およびδ−ｃｏｄｉｎｇ
に必要な各ビット数と比較すると、図１９に示すように
なる。

【０１３６】図１９において、ほとんどの符号化方法が
小さい数値を少ないビット数、大きい数値を多いビット
数で表していることが分かる。ある数値列が与えられた
時にどの符号化が最も圧縮率が高くなるかは、その数値
列中においてどの範囲の数値が多く出現しているかによ
って大きく異なる。

【０１３７】例えば、１、２のみが多く出現する数値列
に対しては、Ｂ２４符号化が最も圧縮率が高いと予想さ
れ、また、５１２付近の値が多く出現するような数値列
に対しては、８４ＢＢ符号化が最も圧縮率が高いと期待
できる。

【０１３８】また、３２ビットで表現できる最大数であ
る４２９４９６７２９５を各方法で符号化すると、得ら
れる符号のビットパターンとビット数は図２０に示すよ
うになる。

【０１３９】ところで、インデックスに用いられる文書
内単語出現位置は、必ずしも小さな数値とは限らず、差
分情報を活用したとしてもかなり大きな数値となること
が多い。このような大きな数値を扱った場合には、いず
れの符号化方法を用いても圧縮効率は上がらない。

【０１４０】そこで、本発明では、本来の文書内単語出
現位置等の数値データを適当な整数値で除算することに
より、情報の粒度を粗くし、より小さな中間数値に変換
することにする。小さな数値であれば、図１９から分か
るように、いずれの符号化方法を用いても圧縮効率が良
くなる。このような変換を用いた符号化をＰｅｒ符号化
と呼び、特に、除算の分母をｎとする場合をＰｅｒ
（ｎ）符号化と呼ぶことにする。

【０１４１】図２１は、Ｐｅｒ符号化処理のフローチャ
ートである。処理が開始されると、情報検索装置は、ま
ず、元データを変数ｎｕｍに読み込み（ステップＳ９
１）、それをあらかじめ決められた分母値Ｐｅｒで除算
する（ステップＳ９２）。

【０１４２】除算に用いるＰｅｒの値は、高速に実行で
きるシフト命令が利用可能な値から選択することが望ま
しい。例えば、２、４、８、１６、３２、６４等の値が
Ｐｅｒとして用いられる。ここでは、得られた商の少数
点以下の端数は切り捨て、その整数部分を中間数値と
し、それを改めてｎｕｍに代入する。

【０１４３】次に、ｎｕｍの値を符号化して（ステップ
Ｓ９３）、処理を終了する。ステップＳ９３では、任意
の符号化方法を用いることができる。ただし、例えばＢ
２４符号化のように、０を表現できない符号化方法を用
いる場合には、ステップＳ９２で得られたｎｕｍが０の
とき、それに１を加算してから符号化するものとする。

【０１４４】ここで、ステップＳ９３における符号化方
法としてＢ２４符号化を用いた場合の例を説明する。こ
こでは、分母値を２とするＰｅｒ（２）符号化により、
上述の２１という数値は以下の手順により符号化され、
対応する符号‘１１００００１１’が得られる。

【０１４５】１．２１を２で除算し、商の小数点以下は
切り捨てる。これにより、ｎｕｍ＝１０となる（ステッ
プＳ９２）。２．Ｉ２（１０）＋２＝３であるため、継続フラグは３
となる（図１５、ステップＳ６７）。

【０１４６】３．継続フラグ３をＵｎａｒｙコード‘１
１０’でＢｉｔｂｕｆに入れる（ステップＳ６７）。４．継続フラグに続いて、Ｖａｌｕｅ−７＝１０−７＝
３のビットパターン‘０００１１’をＢｉｔｂｕｆに入
れる（ステップＳ６７）。

【０１４７】次に、図２２は、Ｐｅｒ復号化処理のフロ
ーチャートである。処理が開始されると、情報検索装置
は、まず、Ｐｅｒ符号を復号化し、得られた数値を変数
ｎｕｍに読み込む（ステップＳ１０２）。ただし、ステ
ップＳ１０２では、図２１のステップＳ９３で用いた符
号化方法に対応する復号化方法を用いる。次に、ｎｕｍ
に上述の分母値Ｐｅｒを乗算し（ステップＳ１０３）、
その結果を呼び出し元のプログラムへ返して（ステップ
Ｓ１０４）、処理を終了する。

【０１４８】一般に、Ｐｅｒ復号化により得られる数値
データは、必ずしも元データと一致するとは限らない。
例えば、上述の数値２１に対応する符号‘１１００００
１１’をＢ２４復号化処理により復号化すると、数値１
０が得られる（ステップＳ１０２）。しかし、この数値
にＰｅｒ＝２を乗算すると、ｎｕｍ＝２０となり（ステ
ップＳ１０３）、元の数値には戻らない。したがって、
Ｐｅｒ符号化は、文書内単語出現位置のように、元デー
タのおおよその値が再現されればよい場合に有効であ
る。

【０１４９】インデックスの圧縮に用いられる各符号化
方法は、いずれも小さな数値を少ないビットで、大きな
数値を多くのビットで表すようになっている。Ｐｅｒ符
号化によれば、大きな数値を小さな数値に変換してから
符号化するので、それだけ圧縮の効果が期待できる。

【０１５０】ところで、文書内単語出現位置の情報を含
めたインデックス構造は、［文書番号，文書内単語出現
頻度，文書内単語出現位置領域数，文書内単語出現位
置，・・・，］のようになる。ここで、文書内単語出現
位置領域数には、後続する文書内単語出現位置のデータ
領域の大きさが記述される。

【０１５１】文書番号の情報は、該当する文書番号と前
の組の文書番号との差分で表すことができ、文書内単語
出現位置の情報も、同一文書内における該当する位置と
前の文書内単語出現位置との差分で表すことができる。
しかし、文書内単語出現頻度や文書内単語出現位置領域
数は、数値の小さいものから大きいものの順に並んでい
ないので、差分値を取ることはできない。

【０１５２】通常の情報検索装置では、文書内単語出現
位置領域数はビット単位で記述される。しかし、本発明
の符号化方法では、最小のブロックのビット数が２ビッ
トまたは４ビットであることから、文書内単語出現位置
領域数を最小ブロック単位で記述することができる。

【０１５３】例えば、あるキーの出現位置の情報を表現
するのに２００ｂｉｔ必要だったとすると、ビット単位
では２００という数値で表現されるのに対して、２ビッ
ト単位では１００という数値で表現され、４ビット単位
では５０という数値で表現される。文書内単語出現位置
領域数も他の数値とともに符号化されるため、より小さ
い数値で表現することによって、インデックスサイズの
圧縮率の向上が期待できる。

【０１５４】また、文書内単語出現位置領域数として文
書内単語出現頻度を代用した場合のインデックス構造
は、［文書番号，文書内単語出現頻度，文書内単語出現
位置，・・・，］のようになる。ここで、文書内単語出
現頻度は、後続する文書内単語出現位置の個数を表す。

【０１５５】ただし、この場合、次の組の文書番号を取
り出すためには、文書内単語出現頻度の後の文書内単語
出現位置をすべて復号化しなければならない。これに対
して、文書内単語出現位置領域数を付加した場合には、
文書内単語出現位置を復号化する必要はなく、その領域
数から計算されるビット数だけ離れた場所にアクセスす
ればよい。

【０１５６】次に、図２３から図３７までを参照しなが
ら、上述の各符号化方法を組み合わせて用いたインデッ
クス構造の例を説明する。インデックスの構造は、その
用途に応じて、以下の５つの構成を取るものとする。

【０１５７】第１のインデックス構造：［文書番号］第２のインデックス構造：［文書番号，文書内単語出現
頻度］第３のインデックス構造：［文書番号，文書内単語出現
頻度，文書内単語出現位置，・・・，］第４のインデックス構造：［文書番号，文書内単語出現
位置領域数，文書内単語出現位置，・・・，］第５のインデックス構造：［文書番号，文書内単語出現
頻度，文書内単語出現位置領域数，文書内単語出現位
置，・・・，］例えば、図４０のインデックス構造を第５のインデック
ス構造を用いて書き直すと、図２３に示すように表現さ
れる。ここで、‘？’の位置には、文書内単語出現位置
領域数が書き込まれる。以下に示す例では、元データと
して図２３の数値を用いており、それらは１０進数で表
されている。

【０１５８】図２４は、第１のインデックス構造を用い
た場合の４ＢＢ改符号およびＢ２４符号のビットパター
ンと、それぞれの符号の総ビット数を示している。第１
のインデックス構造は文書番号のみであるので、Ｐｅｒ
符号化は用いられない。

【０１５９】図２５は、第２のインデックス構造を用い
た場合の符号のビットパターンと総ビット数を示してい
る。ここでは、Ｐｅｒ（２）符号化を、文書内単語出現
頻度のみに適用し、（文書内単語出現頻度／２）の整数
部分を符号化している。ただし、その整数部分が０とな
る場合は代わりに数値１を符号化している。

【０１６０】また、文書番号と文書内単語出現頻度を符
号化する際、上述の各符号化方法の様々な組合せが考え
られる。ここでは、以下の６通りの組合せについて、符
号化の結果が示されている。

【０１６１】１．文書番号：４ＢＢ改、文書内単語出現
頻度：４ＢＢ改（図２５、組合せ１）２．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改＋Ｐｅｒ（２）（図２５、組合せ２）３．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２４
＋Ｐｅｒ（２）（図２５、組合せ３）４．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ改
（図２５、組合せ４）５．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ改
＋Ｐｅｒ（２）（図２５、組合せ５）６．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２４＋
Ｐｅｒ（２）（図２５、組合せ６）図２６、２７、２８は、第３のインデックス構造を用い
た場合の符号のビットパターンと総ビット数を示してい
る。ここでは、Ｐｅｒ（１６）符号化を、文書内単語出
現位置のみに適用し、（文書内単語出現頻度／１６）の
整数部分を符号化している。ただし、その整数部分が０
となる場合は代わりに数値１を符号化している。

【０１６２】第３のインデックス構造の場合には、文書
内単語出現位置の個数が文書内単語出現頻度となるた
め、文書内単語出現頻度のみにＰｅｒ符号化を適用する
ことはできない。そこで、以下の２４通りの組合せにつ
いて、符号化の結果が示されている。

【０１６３】１．文書番号：４ＢＢ改、文書内単語出現
頻度：４ＢＢ改、文書内単語出現位置：４ＢＢ改（図２
６、組合せ１）２．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１６）
（図２６、組合せ２）３．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：Ｂ２４（図２６、組合せ３）４．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１６）（図
２６、組合せ４）５．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：４ＢＢ改（図２６、組合せ
５）６．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１６）
（図２６、組合せ６）７．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：Ｂ２４（図２６、組合せ７）８．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１６）（図
２６、組合せ８）９．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：４ＢＢ改（図２７、組合せ
９）１０．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１６）
（図２７、組合せ１０）１１．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：Ｂ２４（図２７、組合せ１
１）１２．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１６）（図
２７、組合せ１２）１３．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：４ＢＢ改（図２７、組合せ１
３）１４．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１６）
（図２７、組合せ１４）１５．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：Ｂ２４（図２７、組合せ１
５）１６．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１６）（図
２７、組合せ１６）１７．文書番号：４ＢＢ改、文書内単語出現頻度：４Ｂ
Ｂ改、文書内単語出現位置：８４ＢＢ（図２８、組合せ
１７）１８．文書番号：４ＢＢ改、文書内単語出現頻度：４Ｂ
Ｂ改、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ（１６）
（図２８、組合せ１８）１９．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：８４ＢＢ（図２８、組合せ１
９）２０．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ（１６）
（図２８、組合せ２０）２１．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：８４ＢＢ（図２８、組合せ２
１）２２．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ（１６）
（図２８、組合せ２２）２３．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：８４ＢＢ（図２８、組合せ２
３）２４．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ（１６）
（図２８、組合せ２４）図２９、３０、３１は、第４のインデックス構造を用い
た場合の符号のビットパターンと総ビット数を示してい
る。ここでは、Ｐｅｒ（１６）符号化を、文書内単語出
現位置のみに適用し、（文書内単語出現頻度／１６）の
整数部分を符号化している。ただし、その整数部分が０
となる場合は代わりに数値１を符号化している。

【０１６４】文書内単語出現位置を４ＢＢ改符号化で符
号化した場合には、文書内単語出現位置領域数の単位は
４ビットとなり、Ｂ２４符号化で符号化した場合には、
文書内単語出現位置領域数の単位は２ビットとなる。コ
ード系のコラムの（）内のビット数は、この単位ブロッ
クの大きさを表し、各ビットパターンの右側の（）内の
数値は、そのビットパターンに対応する十進数を表す。
ここでは、以下の２４通りの組合せについて、符号化の
結果が示されている。

【０１６５】１．文書番号：４ＢＢ改、文書内単語出現
位置領域数：４ＢＢ改、文書内単語出現位置：４ＢＢ改
（図２９、組合せ１）２．文書番号：４ＢＢ改、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１
６）（図２９、組合せ２）３．文書番号：４ＢＢ改、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：Ｂ２４（図２９、組合
せ３）４．文書番号：４ＢＢ改、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１
６）（図２９、組合せ４）５．文書番号：４ＢＢ改、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：４ＢＢ改（図２９、組合
せ５）６．文書番号：４ＢＢ改、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１
６）（図２９、組合せ６）７．文書番号：４ＢＢ改、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：Ｂ２４（図２９、組合せ
７）８．文書番号：４ＢＢ改、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１６）
（図２９、組合せ８）９．文書番号：４ＢＢ改、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：４ＢＢ改（図３０、組
合せ９）１０．文書番号：Ｂ２４、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１
６）（図３０、組合せ１０）１１．文書番号：Ｂ２４、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：Ｂ２４（図３０、組合
せ１１）１２．文書番号：Ｂ２４、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１
６）（図３０、組合せ１２）１３．文書番号：Ｂ２４、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：４ＢＢ改（図３０、組合
せ１３）１４．文書番号：Ｂ２４、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：４ＢＢ改＋Ｐｅｒ（１
６）（図３０、組合せ１４）１５．文書番号：Ｂ２４、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：Ｂ２４（図３０、組合せ
１５）１６．文書番号：Ｂ２４、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：Ｂ２４＋Ｐｅｒ（１６）
（図３０、組合せ１６）１７．文書番号：４ＢＢ改、文書内単語出現位置領域
数：４ＢＢ改、文書内単語出現位置：８４ＢＢ（図３
１、組合せ１７）１８．文書番号：４ＢＢ改、文書内単語出現位置領域
数：４ＢＢ改、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ
（１６）（図３１、組合せ１８）１９．文書番号：４ＢＢ改、文書内単語出現位置領域
数：Ｂ２４、文書内単語出現位置：８４ＢＢ（図３１、
組合せ１９）２０．文書番号：４ＢＢ改、文書内単語出現位置領域
数：Ｂ２４、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ
（１６）（図３１、組合せ２０）２１．文書番号：Ｂ２４、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：８４ＢＢ（図３１、組
合せ２１）２２．文書番号：Ｂ２４、文書内単語出現位置領域数：
４ＢＢ改、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ（１
６）（図３１、組合せ２２）２３．文書番号：Ｂ２４、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：８４ＢＢ（図３１、組合
せ２３）２４．文書番号：Ｂ２４、文書内単語出現位置領域数：
Ｂ２４、文書内単語出現位置：８４ＢＢ＋Ｐｅｒ（１
６）（図３１、組合せ２４）図３２、３３、３４、３５、３６、３７は、第５のイン
デックス構造を用いた場合の符号のビットパターンと総
ビット数を示している。ここでは、Ｐｅｒ（１６）符号
化を、文書内単語出現位置のみに適用し、（文書内単語
出現頻度／１６）の整数部分を符号化している。ただ
し、その整数部分が０となる場合は代わりに数値１を符
号化している。

【０１６６】コード系のコラムの（）内のビット数は、
文書内単語出現位置領域数の単位の大きさを表し、各ビ
ットパターンの右側の（）内の数値は、そのビットパタ
ーンに対応する十進数を表す。ここでは、以下の４８通
りの組合せについて、符号化の結果が示されている。

【０１６７】１．文書番号：４ＢＢ改、文書内単語出現
頻度：４ＢＢ改、文書内単語出現位置領域数：４ＢＢ
改、文書内単語出現位置：４ＢＢ改（図３２、組合せ
１）２．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３２、組合せ
２）３．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４（図３２、組合せ３）４．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４＋Ｐｅｒ（１６）（図３２、組合せ
４）５．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改（図３２、組合せ５）６．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３２、組合せ
６）７．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４（図３２、組合せ７）８．文書番号：４ＢＢ改、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４＋Ｐｅｒ（１６）（図３２、組合せ８）９．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改（図３３、組合せ９）１０．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３３、組合せ
１０）１１．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４（図３３、組合せ１１）１２．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４＋Ｐｅｒ（１６）（図３３、組合せ１
２）１３．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改（図３３、組合せ１３）１４．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３３、組合せ１
４）１５．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４（図３３、組合せ１５）１６．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４＋Ｐｅｒ（１６）（図３３、組合せ１
６）１７．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改（図３４、組合せ１７）１８．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３４、組合せ
１８）１９．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４（図３４、組合せ１９）２０．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４＋Ｐｅｒ（１６）（図３４、組合せ２
０）２１．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改（図３４、組合せ２１）２２．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３４、組合せ２
２）２３．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４（図３４、組合せ２３）２４．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４＋Ｐｅｒ（１６）（図３４、組合せ２
４）２５．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改（図３５、組合せ２５）２６．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３５、組合せ
２６）２７．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４（図３５、組合せ２７）２８．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：Ｂ２４＋Ｐｅｒ（１６）（図３５、組合せ２
８）２９．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改（図３５、組合せ２９）３０．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：４ＢＢ改＋Ｐｅｒ（１６）（図３５、組合せ３
０）３１．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４（図３５、組合せ３１）３２．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：Ｂ２４＋Ｐｅｒ（１６）（図３５、組合せ３
２）３３．文書番号：４ＢＢ改、文書内単語出現頻度：４Ｂ
Ｂ改、文書内単語出現位置領域数：４ＢＢ改、文書内単
語出現位置：８４ＢＢ（図３６、組合せ３３）３４．文書番号：４ＢＢ改、文書内単語出現頻度：４Ｂ
Ｂ改、文書内単語出現位置領域数：４ＢＢ改、文書内単
語出現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３６、組合
せ３４）３５．文書番号：４ＢＢ改、文書内単語出現頻度：４Ｂ
Ｂ改、文書内単語出現位置領域数：Ｂ２４、文書内単語
出現位置：８４ＢＢ（図３６、組合せ３５）３６．文書番号：４ＢＢ改、文書内単語出現頻度：４Ｂ
Ｂ改、文書内単語出現位置領域数：Ｂ２４、文書内単語
出現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３６、組合せ
３６）３７．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：８４ＢＢ（図３６、組合せ３７）３８．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３６、組合せ
３８）３９．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：８４ＢＢ（図３６、組合せ３９）４０．文書番号：４ＢＢ改、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３６、組合せ４
０）４１．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：８４ＢＢ（図３７、組合せ４１）４２．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３７、組合せ
４２）４３．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：８４ＢＢ（図３７、組合せ４３）４４．文書番号：Ｂ２４、文書内単語出現頻度：４ＢＢ
改、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３７、組合せ４
４）４５．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：８４ＢＢ（図３７、組合せ４５）４６．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：４ＢＢ改、文書内単語
出現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３７、組合せ
４６）４７．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：８４ＢＢ（図３７、組合せ４７）４８．文書番号：Ｂ２４、文書内単語出現頻度：Ｂ２
４、文書内単語出現位置領域数：Ｂ２４、文書内単語出
現位置：８４ＢＢ＋Ｐｅｒ（１６）（図３７、組合せ４
８）以上説明した実施形態においては、本発明のデータ圧縮
／復元装置を情報検索装置に適用しているが、このデー
タ圧縮／復元装置は、検索用インデックスのみに限ら
ず、任意のデータの圧縮／復元に用いることができる。

【０１６８】

【発明の効果】本発明によれば、数値データの復号化処
理の速度を落とさずに、インデックス作成処理を高速化
することができ、また、インデックスの圧縮率を高める
ことができる。

【０１６９】特に、４ＢＢ改符号化により、インデック
ス作成に要する時間を短縮することができ、Ｂ２４符号
化および８４ＢＢ符号化により、それほど符号化／復号
化の処理速度を落とすことなく、インデックスの圧縮率
を高めることができる。また、Ｐｅｒ符号化により、情
報の精度は多少落ちるものの、インデックスの圧縮率を
高めることができる。

【図面の簡単な説明】

【図１】本発明のデータ圧縮／復元装置の原理図であ
る。

【図２】情報検索装置の構成図である。

【図３】４ＢＢ符号化処理のフローチャートである。

【図４】４ＢＢ符号化のプログラムを示す図である。

【図５】４ＢＢ復号化処理のフローチャートである。

【図６】４ＢＢ復号化のプログラムを示す図である。

【図７】４ＢＢ改符号化処理のフローチャートである。

【図８】４ＢＢ改符号化のプログラムを示す図である。

【図９】４ＢＢ改復号化処理のフローチャートである。

【図１０】４ＢＢ改復号化のプログラムを示す図であ
る。

【図１１】８４ＢＢ符号化処理のフローチャートであ
る。

【図１２】８４ＢＢ符号化のプログラムを示す図であ
る。

【図１３】８４ＢＢ復号化処理のフローチャートであ
る。

【図１４】８４ＢＢ復号化のプログラムを示す図であ
る。

【図１５】Ｂ２４符号化処理のフローチャートである。

【図１６】Ｂ２４符号化のプログラムを示す図である。

【図１７】Ｂ２４復号化処理のフローチャートである。

【図１８】Ｂ２４復号化のプログラムを示す図である。

【図１９】数値表現に必要なビット数を示す図である。

【図２０】３２ｂｉｔ最大数の符号化例を示す図であ
る。

【図２１】Ｐｅｒ符号化処理のフローチャートである。

【図２２】Ｐｅｒ復号化処理のフローチャートである。

【図２３】第５のインデックス構造の例を示す図であ
る。

【図２４】第１のインデックス構造のビットパターンを
示す図である。

【図２５】第２のインデックス構造のビットパターンを
示す図である。

【図２６】第３のインデックス構造のビットパターンを
示す図（その１）である。

【図２７】第３のインデックス構造のビットパターンを
示す図（その２）である。

【図２８】第３のインデックス構造のビットパターンを
示す図（その３）である。

【図２９】第４のインデックス構造のビットパターンを
示す図（その１）である。

【図３０】第４のインデックス構造のビットパターンを
示す図（その２）である。

【図３１】第４のインデックス構造のビットパターンを
示す図（その３）である。

【図３２】第５のインデックス構造のビットパターンを
示す図（その１）である。

【図３３】第５のインデックス構造のビットパターンを
示す図（その２）である。

【図３４】第５のインデックス構造のビットパターンを
示す図（その３）である。

【図３５】第５のインデックス構造のビットパターンを
示す図（その４）である。

【図３６】第５のインデックス構造のビットパターンを
示す図（その５）である。

【図３７】第５のインデックス構造のビットパターンを
示す図（その６）である。

【図３８】キーとインデックス構造を示す図である。

【図３９】圧縮のされていないインデックスのサイズを
示す図である。

【図４０】差分を用いたインデックス構造を示す図であ
る。

【図４１】差分値の符号化例を示す図である。

【符号の説明】

１圧縮手段２格納手段３復元手段４元のデータ５圧縮されたデータ１１磁気ディスク装置１２フロッピーディスク駆動装置１３フロッピーディスク１４プリンタ１５ディスプレイ１６ＣＰＵ１７キーボード１８ポインティング・デバイス１９メインメモリ２０バス２１文書データベース２２インデックス２３インデックス作成プログラム２４検索エンジン２５文書表示プログラム２６ワーク領域３１ネットワーク接続装置３２外部の装置

Claims

【特許請求の範囲】

【請求項１】与えられたデータをブロック単位で圧縮
し、圧縮されたデータの先頭部分に、該圧縮されたデー
タの長さを表す継続フラグ情報を生成する圧縮手段と、前記圧縮されたデータを格納する格納手段とを備えるこ
とを特徴とするデータ圧縮装置。
【請求項２】前記圧縮手段は、情報検索のためのイン
デックス内で用いられる数値データを圧縮することを特
徴とする請求項１記載のデータ圧縮装置。
【請求項３】前記圧縮手段は、文書番号データ、文書
内単語出現頻度データ、文書内単語出現位置データ、お
よび文書内単語出現位置データの領域の大きさを表すデ
ータのうち、少なくとも１つ以上の数値データを圧縮す
ることを特徴とする請求項２記載のデータ圧縮装置。
【請求項４】前記文書番号データと文書内単語出現位
置データのうち少なくとも１つは差分情報を表すことを
特徴とする請求項３記載のデータ圧縮装置。
【請求項５】前記圧縮手段は、１ブロック以上の前記
圧縮されたデータの先頭部分に、該圧縮されたデータの
ブロック長を表す前記継続フラグ情報を生成し、該継続
フラグ情報に続いて、前記与えられたデータを表すデー
タを生成することを特徴とする請求項１記載のデータ圧
縮装置。
【請求項６】前記圧縮手段は、４ビットをブロックの
単位として、前記与えられたデータを符号化する符号化
手段を含むことを特徴とする請求項５記載のデータ圧縮
装置。
【請求項７】前記圧縮手段は、１２７以下の数値デー
タが与えられたとき、与えられた数値データを８ビット
のブロックで符号化し、１２８以上の数値データが与え
られたとき、与えられた数値データを、８ビットの先頭
ブロックと４ビットをブロックの単位とする１つ以上の
後続ブロックとを用いて符号化する符号化手段を含むこ
とを特徴とする請求項５記載のデータ圧縮装置。
【請求項８】前記符号化手段は、前記１２７以下の数
値データを、１ビットの０と７ビットのビットパターン
で表すことを特徴とする請求項７記載のデータ圧縮装
置。
【請求項９】前記圧縮手段は、２以下の数値データが
与えられたとき、与えられた数値データを２ビットのブ
ロックで符号化し、３以上の数値データが与えられたと
き、与えられた数値データを、４ビットをブロックの単
位として符号化する符号化手段を含むことを特徴とする
請求項５記載のデータ圧縮装置。
【請求項１０】前記符号化手段は、３以上６以下の数
値データが与えられたとき、与えられた数値データを、
２ビットの前記継続フラグ情報と２ビットのビットパタ
ーンで表すことを特徴とする請求項９記載のデータ圧縮
装置。
【請求項１１】情報検索のためのインデックス内で用
いられる数値データの粒度を粗くして、該数値データを
圧縮する圧縮手段と、圧縮されたデータを格納する格納手段とを備えることを
特徴とするデータ圧縮装置。
【請求項１２】前記圧縮手段は、前記数値データを、
より小さな数値を表す中間数値データに変換して、圧縮
することを特徴とする請求項１１記載のデータ圧縮装
置。
【請求項１３】前記圧縮手段は、情報検索のためのイ
ンデックス内で用いられる文書内単語出現頻度データと
文書内単語出現位置データのうち、少なくとも１つ以上
の数値データを圧縮することを特徴とする請求項１１記
載のデータ圧縮装置。
【請求項１４】前記圧縮手段は、粒度の粗くなった中
間数値データを、４ビットをブロックの単位として圧縮
し、前記圧縮されたデータの先頭部分に、該圧縮された
データのブロック長を表す継続フラグ情報を生成するこ
とを特徴とする請求項１１記載のデータ圧縮装置。
【請求項１５】前記圧縮手段は、粒度の粗くなった中
間数値データが２以下の数値を表すとき、該中間数値デ
ータを２ビットのブロックで表し、該中間数値データが
３以上の数値を表すとき、該中間数値データを、４ビッ
トをブロックの単位として圧縮することを特徴とする請
求項１１記載のデータ圧縮装置。
【請求項１６】前記圧縮手段は、３以上６以下の数値
データが与えられたとき、与えられた数値データを、２
ビットの継続フラグ情報と２ビットのビットパターンで
表すことを特徴とする請求項１５記載のデータ圧縮装
置。
【請求項１７】情報検索のためのインデックス内で用
いられる文書内単語出現位置データの領域の大きさを表
す大きさデータをブロック単位で記述し、該大きさデー
タを圧縮する圧縮手段と、圧縮された大きさデータを格納する格納手段とを備える
ことを特徴とするデータ圧縮装置。
【請求項１８】ブロック単位で圧縮されたデータを格
納する格納手段と、前記圧縮されたデータの先頭部分の継続フラグ情報に基
づいて、該圧縮されたデータの長さを決定し、元のデー
タを復元する復元手段とを備えることを特徴とするデー
タ復元装置。
【請求項１９】前記復元手段は、情報検索のためのイ
ンデックス内で用いられる数値データを復元することを
特徴とする請求項１８記載のデータ復元装置。
【請求項２０】前記復元手段は、文書番号データ、文
書内単語出現頻度データ、文書内単語出現位置データ、
および文書内単語出現位置データの領域の大きさを表す
データのうち、少なくとも１つ以上の数値データを復元
することを特徴とする請求項１９記載のデータ復元装
置。
【請求項２１】前記復元手段は、１ブロック以上の前
記圧縮されたデータのブロック長を表す前記継続フラグ
情報に基づいて、該継続フラグ情報に続く前記元のデー
タを表すデータを取り出し、該元のデータを復元するこ
とを特徴とする請求項１８記載のデータ復元装置。
【請求項２２】前記復元手段は、前記圧縮されたデー
タとして与えられた、４ビットをブロックの単位として
記述された符号を、復号化する復号化手段を含むことを
特徴とする請求項２１記載のデータ復元装置。
【請求項２３】前記復元手段は、前記圧縮されたデー
タとして８ビットのブロックを１つ与えられたとき、該
ブロックを復号化して１２７以下の数値データを生成
し、該圧縮されたデータとして８ビットの先頭ブロック
と４ビットをブロックの単位とする１つ以上の後続ブロ
ックとが与えられたとき、該先頭ブロックと後続ブロッ
クを復号化して１２８以上の数値データを生成する復号
化手段を含むことを特徴とする請求項２１記載のデータ
復元装置。
【請求項２４】前記復号化手段は、前記８ビットのブ
ロックが１ビットの０と７ビットのビットパターンから
成るとき、前記１２７以下の数値データを生成すること
を特徴とする請求項２３記載のデータ復元装置。
【請求項２５】前記復元手段は、前記圧縮されたデー
タとして２ビットのブロックを１つ与えられたとき、該
ブロックを復号化して２以下の数値データを生成し、該
圧縮されたデータとして４ビットをブロックの単位とす
る１つ以上のブロックが与えられたとき、該１つ以上の
ブロックを復号化して３以上の数値データを生成する復
号化手段を含むことを特徴とする請求項２１記載のデー
タ復元装置。
【請求項２６】前記復号化手段は、前記圧縮されたデ
ータが２ビットの前記継続フラグ情報と２ビットのビッ
トパターンから成るとき、３以上６以下の数値データを
生成することを特徴とする請求項２５記載のデータ復元
装置。
【請求項２７】情報検索のためのインデックス内で用
いられる数値データの粒度を粗くし、圧縮して格納する
格納手段と、前記数値データを復元し、復元された数値データの粒度
を元に戻す復元手段とを備えることを特徴とするデータ
復元装置。
【請求項２８】情報検索のためのインデックス内で用
いられる文書内単語出現位置データの領域の大きさをブ
ロック単位で記述した大きさデータを、圧縮して格納す
る格納手段と、前記大きさデータを復元する復元手段とを備えることを
特徴とするデータ復元装置。
【請求項２９】情報検索のためのインデックス内で用
いられる数値データをブロック単位で圧縮して格納する
格納手段と、圧縮されたデータの先頭部分の継続フラグ情報に基づい
て、該圧縮されたデータの長さを決定し、元のデータを
復元する復元手段と、復元された元のデータを用いてデータベースを検索する
検索手段とを備えることを特徴とする情報検索装置。
【請求項３０】情報検索のためのインデックス内で用
いられる数値データの粒度を粗くし、圧縮して格納する
格納手段と、前記数値データを復元し、復元された数値データの粒度
を元に戻す復元手段と、復元された元のデータを用いてデータベースを検索する
検索手段とを備えることを特徴とする情報検索装置。
【請求項３１】情報検索のためのインデックス内で用
いられる文書内単語出現位置データの領域の大きさをブ
ロック単位で記述した大きさデータを、圧縮して格納す
る格納手段と、前記大きさデータを復元する復元手段と、復元された元のデータを用いてデータベースを検索する
検索手段とを備えることを特徴とする情報検索装置。
【請求項３２】コンピュータのためのプログラムを記
録した記録媒体であって、与えられたデータをブロック単位で圧縮し、圧縮された
データの先頭部分に、該圧縮されたデータの長さを表す
継続フラグ情報を生成する機能を前記コンピュータに実
現させるためのプログラムを記録したコンピュータ読み
取り可能な記録媒体。
【請求項３３】コンピュータのためのプログラムを記
録した記録媒体であって、情報検索のためのインデックス内で用いられる数値デー
タの粒度を粗くして、該数値データを圧縮する機能を前
記コンピュータに実現させるためのプログラムを記録し
たコンピュータ読み取り可能な記録媒体。
【請求項３４】コンピュータのためのプログラムを記
録した記録媒体であって、情報検索のためのインデックス内で用いられる文書内単
語出現位置データの領域の大きさを表す大きさデータを
ブロック単位で記述し、該大きさデータを圧縮する機能
を前記コンピュータに実現させるためのプログラムを記
録したコンピュータ読み取り可能な記録媒体。
【請求項３５】コンピュータのためのプログラムを記
録した記録媒体であって、ブロック単位で圧縮されたデータの先頭部分の継続フラ
グ情報に基づいて、圧縮されたデータの長さを決定し、
元のデータを復元する機能を前記コンピュータに実現さ
せるためのプログラムを記録したコンピュータ読み取り
可能な記録媒体。
【請求項３６】コンピュータのためのプログラムを記
録した記録媒体であって、情報検索のためのインデックス内で用いられる数値デー
タの粒度を粗くして圧縮したデータを復元し、復元され
た数値データの粒度を元に戻す機能を前記コンピュータ
に実現させるためのプログラムを記録したコンピュータ
読み取り可能な記録媒体。
【請求項３７】コンピュータのためのプログラムを記
録した記録媒体であって、情報検索のためのインデックス内で用いられる文書内単
語出現位置データの領域の大きさをブロック単位で記述
して圧縮したデータを復元する機能を前記コンピュータ
に実現させるためのプログラムを記録したコンピュータ
読み取り可能な記録媒体。
【請求項３８】与えられたデータをブロック単位で圧
縮し、圧縮されたデータの先頭部分に、該圧縮されたデ
ータの長さを表す継続フラグ情報を生成することを特徴
とするデータ圧縮方法。
【請求項３９】情報検索のためのインデックス内で用
いられる数値データの粒度を粗くして、該数値データを圧縮することを特徴とするデータ圧縮方
法。
【請求項４０】情報検索のためのインデックス内で用
いられる文書内単語出現位置データの領域の大きさを表
す大きさデータをブロック単位で記述し、該大きさデータを圧縮することを特徴とするデータ圧縮
方法。
【請求項４１】ブロック単位で圧縮されたデータの先
頭部分の継続フラグ情報に基づいて、圧縮されたデータ
の長さを決定し、元のデータを復元することを特徴とするデータ復元方
法。
【請求項４２】情報検索のためのインデックス内で用
いられる数値データの粒度を粗くして圧縮したデータを
復元し、復元された数値データの粒度を元に戻すことを特徴とす
るデータ復元方法。
【請求項４３】情報検索のためのインデックス内で用
いられる文書内単語出現位置データの領域の大きさをブ
ロック単位で記述して圧縮したデータを復元することを
特徴とするデータ復元方法。