JPH10307834A

JPH10307834A - 情報処理装置及び方法

Info

Publication number: JPH10307834A
Application number: JP9117987A
Authority: JP
Inventors: Noriko Machida; 紀子町田; Shiro Ito; 史朗伊藤
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1997-05-08
Filing date: 1997-05-08
Publication date: 1998-11-17

Abstract

(57)【要約】【課題】複数文書に対して文字列検索を行なう場合に、
検索時における文書番号等の比較処理を不要とし、検索
効率を向上させる。【解決手段】被検索テキスト保持部１０１は検索の対象
となる複数の被検索文書を保持する。インデックス作成
部１０２は、複数の被検索文書に含まれる各文字につい
て、該複数の被検索文書の全体を通しての文字位置を登
録して文字位置データを生成し、インデックス保持部１
０３に保持する。文書番号テーブル作成部１０４は、複
数の被検索文書の各文書が切り替わる位置を示す文書番
号テーブルを生成して、文書番号テーブル保持部１０５
に保持する。検索部１０７は、インデックス保持部１０
３のインデックスを参照して検索文字列保持部１０６に
保持された検索文字列の存在位置を獲得する。文書番号
獲得部１０８は、検索文字列の存在位置と文書番号テー
ブルから、当該位置を含む被検索文書を特定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、指定された検索語
を含むテキストを検索する情報処理装置及び方法に関
し、特に複数文書を対象とする全文検索の高速化を図る
文字位置インデックス方式を用いた情報処理装置及び方
法に関するものである。

【０００２】

【従来の技術】文書中の全てのテキストを対象として与
えられた検索キーを含む文書を検索する全文検索装置な
どのテキスト検索装置では、大量のテキストを高速に検
索するために、検索対象文書のインデックスを予め作成
して、インデックスを用いて検索を行なうインデックス
技術が利用されている。このようなインデックス技術の
一例として、特開平４−２０５５６０号公報には、文字
位置インデックス技術が開示されている。

【０００３】文字位置インデックス技術の基本的な考え
方は、被検索テキスト中に出現する文字および文字列の
位置を文字ごとに１ずつ増加する整数で表わすことにあ
る。よって、この検索手法においては、各文字および文
字列ごとに、当該文字および文字列をキーとして、当該
文字および文字列が現れる全ての位置を列挙する文字位
置インデックスを用いて検索を行なう。

【０００４】この文字位置インデックスにおいて、ある
検索文字列を被検索テキストから検索する場合には、当
該検索文字列をインデックスのキーとなっている文字お
よび文字列に分解し、分解した文字および文字列の位置
関係が、当該検索文字列における位置関係に一致する組
合せを探すことで検索を行なう。

【０００５】図５は、この従来例のテキスト検索装置の
基本構成を示すブロック図である。同図において、５０
１は、被検索テキストを保持する被検索テキスト保持部
である。５０２は、被検索テキスト保持部５０１に保持
されている被検索テキストに対して、被検索テキスト中
の文字ごとに、被検索テキストの文書番号と被検索テキ
スト中での当該文字の位置とを対にして列挙したインデ
ックスを作成するインデックス作成部である。５０３
は、インデックス作成部５０２で作成したインデックス
を保持するインデックス保持部である。５０４は、検索
を行なう文字列を保持する検索文字列保持部である。５
０５は、インデックス保持部５０３に保持されているイ
ンデックスを用いて、検索文字列保持部５０４に保持さ
れている検索文字列に一致する被検索テキスト中の文字
列を検索する検索部である。５０６は、検索部による検
索結果を保持する検索結果保持部である。

【０００６】次に、図６を参照して上記テキスト検索装
置におけるインデックス作成処理を説明する。ステップ
Ｓ６０１では、カウンタｄの初期化を行なう。カウンタ
ｄは、処理の対象となっている被検索テキストの文書番
号を示すもので、これを０に初期化する。そしてステッ
プＳ６０２に移る。ステップＳ６０２では、カウンタｄ
が被検索テキストの文書数に達したか否かを判定する。
この判定の結果、達した場合は当該インデックス作成処
理を終了し、達していない場合は、ステップＳ６０３に
移る。

【０００７】ステップＳ６０３では、カウンタｃの初期
化を行なう。カウンタｃは、処理の対象となっている文
字の位置を示すもので、これを０に初期化する。そして
ステップＳ６０４に移る。ステップＳ６０４では、ポイ
ンタｐの初期化を行なう。ポインタｐは、処理の対象と
なっている文字を指し示すもので、これを文書番号ｄの
被検索テキストの先頭文字に初期化する。そしてステッ
プＳ６０５に移る。

【０００８】ステップＳ６０５では、ポインタｐが被検
索テキストの最後に達したか否かを判定する。判定の結
果、達している場合はステップＳ６０９に移り、達して
いない場合はステップＳ６０６に移る。

【０００９】ステップＳ６０６では、ポインタｐが示す
位置にある文字について、インデックスの当該文字の位
置リストにカウンタｄとカウンタｃの値を追加する。そ
してステップＳ６０７においてカウンタｃの値を１増や
す。続くステップＳ６０８では、ポインタｐが次の文字
を指すようにし、ステップＳ６０５に戻る。以上のステ
ップＳ６０５〜Ｓ６０８の処理を、当該文書の最後まで
行なうと、処理はステップＳ６０５からステップＳ６０
９に進む。

【００１０】ステップＳ６０９では、カウンタｄの値を
１増やして、次の文書に検索処理を進める。そしてステ
ップＳ６０２に戻る。

【００１１】以上説明した処理により、例えば、図８に
示す３つの文書に対して、図９に示すインデックスが作
成される。なお、図８および９では、いくつかの文字以
外については表示を省略している。図９の各行が、各文
字が現れる文書番号と文字位置を対にして登録するリス
トとなっている。例えば、文字「高」は、文書２の位置
０、文書３の８３、８９…に出現している。

【００１２】次に、図７のフローチャートを参照して、
従来例における検索処理の概要を説明する。まず、ステ
ップＳ７０１では、検索文字列保持部５０４に保持され
ている検索文字列の長さをＬに代入する。また、検索対
象文字列の各文字の位置を示すカウンタｎに１を代入す
る。例えば、検索文字列が「高速検索」である場合は、
Ｌ＝４，ｎ＝１となる。ここで、ｎ＝１は、「高」を示
す。

【００１３】次に、ステップＳ７０２では、検索文字列
保持部５０４に保持されている検索文字列の１番目の文
字（ｎ＝１、すなわち「高」）について、インデックス
の読み込みを行なう。当該文字の文書番号と文字位置の
組を全て配列１に読み込む。図１２は、図９に示したイ
ンデックスを用いて検索文字列「高速検索」を検索して
いるときの配列１の状態を示している。

【００１４】ステップＳ７０３では、変数Ｌとｎを比較
し、ｎ＜Ｌである場合はステップＳ７０４に、ｎ≧Ｌで
ある場合は、ステップＳ７０７にそれぞれ進む。

【００１５】ステップＳ７０４では、ｎの値を１増や
す。続くステップＳ７０５では、検索文字列保持部５０
４に保持されている検索文字列のｎ番目の文字につい
て、インデックスの読み込みを行ない、得られた文書番
号と文字位置の組を配列２に書き込む。このとき、得ら
れた当該文字の全ての文字位置については、（ｎ−１）
を減じた値を配列２に書き込む。ステップＳ７０６で
は、配列１と配列２で文書番号と文字位置が等しい値の
組を全て取り出し、これらの値の組だけで新たに配列１
を構成する。そしてステップＳ７０３に戻る。図１３
は、先に示した検索例におけるｎ＝２のときの配列１の
状態を示している。

【００１６】ステップＳ７０７では、配列１が空でなけ
れば、検索文字列を含む文書番号として配列１に格納さ
れた各文書番号を検索結果保持部５０６に保持する。配
列１が空の場合は、検索文字列が検索されなかったこと
を示す値として−１を検索結果保持部５０６に保持す
る。そして全ての処理を終了する。

【００１７】以上の検索処理の結果、先の例で検索文字
列「高速検索」を検索すると、文書番号３の位置８９に
当該文字列があるので、文書番号３が検索結果として返
される。

【００１８】

【発明が解決しようとする課題】しかしながら、上記従
来の装置では、複数の被検索テキスト（文書）を区別す
るために、インデックスを文書番号と文書内文字位置の
組で構成している。このため、検索時に文字の連続性を
判定するたびに文書番号の比較演算を行なわなければな
らず、検索効率が低下するという欠点があった。

【００１９】本発明は、上記の問題に鑑みてなされたも
のであり、複数文書に対して文字列検索を行なった場合
に、検索時における文書番号等の比較処理を不要とし、
検索効率を向上する情報処理装置及び方法を提供するこ
とを目的とする。

【００２０】

【課題を解決するための手段】上記の目的を達成するた
めの本発明の情報処理装置は以下の構成を備える。すな
わち、検索の対象となる複数の被検索文書を保持する保
持手段と、前記複数の被検索文書に含まれる各文字につ
いて、該複数の被検索文書の全体を通しての文字位置を
登録して文字位置データを生成する第１生成手段と、前
記複数の被検索文書の各文書が切り替わる位置を示す切
替位置データを生成する第２生成手段と、前記第１及び
第２生成手段で生成された文字位置データと切替位置デ
ータを格納する格納手段とを備える。

【００２１】また、好ましくは、上記の構成において、
与えられた検索文字列によって前記文字位置データを検
索し、該検索文字列と同じ文字列が存在する文字位置を
獲得する獲得手段と、前記獲得手段で獲得した文字位置
と前記切替位置データとに基づいて、当該文字位置を含
む被検索文書を特定する特定手段とを更に備える。

【００２２】また、上記目的を達成する本発明の他の構
成の情報処理装置は、検索の対象となる複数の被検索文
書に含まれる各文字について、該複数の被検索文書の全
体を通しての文字位置が登録された文字位置データを保
持する第１保持手段と、前記複数の被検索文書の各文書
が切り替わる位置を示す切替位置データを保持する第２
保持手段と、与えられた検索文字列によって前記文字位
置データを検索し、該検索文字列と同じ文字列が存在す
る文字位置を獲得する獲得手段と、前記獲得手段で獲得
した文字位置と前記切替位置データとに基づいて、当該
文字位置を含む被検索文書を特定する特定手段とを備え
る。

【００２３】また、上記の目的を達成する本発明の情報
処理方法は以下の工程を備える。すなわち、検索の対象
となる複数の被検索文書に含まれる各文字について、該
複数の被検索文書の全体を通しての文字位置を登録して
文字位置データを生成する第１生成工程と、前記複数の
被検索文書の各文書が切り替わる位置を示す切替位置デ
ータを生成する第２生成工程と、前記第１及び第２生成
工程で生成された文字位置データと切替位置データを格
納する格納工程とを備える。

【００２４】また、好ましくは、与えられた検索文字列
によって前記文字位置データを検索し、該検索文字列と
同じ文字列が存在する文字位置を獲得する獲得工程と、
前記獲得工程で獲得した文字位置と前記切替位置データ
とに基づいて、当該文字位置を含む被検索文書を特定す
る特定工程とを更に備える。

【００２５】また、上記目的を達成する本発明の他の構
成の情報処理方法は、検索の対象となる複数の被検索文
書に含まれる各文字について、該複数の被検索文書の全
体を通しての文字位置が登録された文字位置データを、
与えられた検索文字列によって検索し、該検索文字列と
同じ文字列が存在する文字位置を獲得する獲得工程と、
前記獲得工程で獲得した文字位置と、前記複数の被検索
文書の各文書が切り替わる位置を示す切替位置データと
に基づいて、当該文字位置を含む被検索文書を特定する
特定工程とを備える。

【００２６】

【発明の実施の形態】以下、添付の図面を参照して本発
明の好適な一実施形態を詳細に説明する。

【００２７】図１は、本実施形態のテキスト検索装置の
機能構成を示すブロック図である。同図において、１０
１は、１つ以上の検索対象文書（以下、被検索テキス
ト）を保持する被検索テキスト保持部である。本例では
複数の被検索テキストが検索対象となっているものとす
る。１０２は、被検索テキスト保持部１０１に保持され
ている被検索テキストに対して、被検索テキスト中の文
字ごとに文字位置を列挙したインデックスを作成すると
ともに、各被検索テキストの最後尾の文字位置と文書番
号を獲得するインデックス作成部である。ここで、文字
位置は、検索対象となっている全ての被検索テキストの
文字位置の通し番号である。

【００２８】１０３は、インデックス作成部１０２で作
成したインデックスを保持するインデックス保持部であ
る。１０４は、インデックス作成部１０２により獲得さ
れた文書の最後尾文字位置と文書番号から文書番号テー
ブルを作成する文書番号テーブル作成部である。１０５
は、文書番号テーブル作成部１０４で作成した文書番号
テーブルを保持する文書番号テーブル保持部である。１
０６は、検索を行なう文字列を保持する検索文字列保持
部である。

【００２９】１０７は、インデックス保持部１０３に保
持されているインデックスを用いて検索文字列保持部１
０６に保持されている検索文字列に一致する文字列を検
索する検索部である。１０８は、文書番号テーブル保持
部１０５に保持されている文書番号テーブルを参照し
て、検索部１０７により検索された文字位置から文書番
号を求める文書番号獲得部である。１０９は、文書番号
獲得部１０８により得られた検索結果を保持する検索結
果保持部である。

【００３０】図２は、本実施形態に係るテキスト検索装
置のハードウェア構成を示すブロック図である。同図に
おいて、２０１は後述する制御手順を実現するプログラ
ムを保持するＲＯＭである。２０２はＲＡＭで、被検索
テキスト保持部１０１、検索文字列保持部１０６、検索
結果保持部１０９と上記プログラムの動作に必要な記憶
領域とを提供する。２０３はＲＯＭ２０１に保持されて
いるプログラムに従って処理を行なう中央処理装置であ
る。２０４はディスク装置であり、インデックス保持部
１０３、文書番号テーブル保持部１０５を実現する。２
０５はバスであり、上記の各構成を接続し、各構成間に
おけるデータの授受を可能とする。２０６はキーボード
であり、中央処理装置２０３に対して検索文字列等を含
む各種指示入力を行なう。また、２０７はディスプレイ
であり、検索結果の表示等、中央処理装置２０３の制御
により各種表示を行なう。

【００３１】なお、上記構成において制御プログラムが
ＲＯＭ２０１に格納されるものとしたが、ディスク２０
４等の外部記憶装置に制御プログラムを格納し、これを
ＲＡＭ２０２にロードして中央処理装置２０３によって
実行するように構成しても良いことはいうまでもない。
また、図２に示した構成の他に、プリンタやネットワー
クインターフェース等を接続可能に構成しうることは当
業者には明らかである。

【００３２】次に、以上説明した構成を有する本実施形
態のテキスト検索装置の動作を説明する。なお、本テキ
スト検索装置の処理は、インデックスの作成処理と検索
処理とに大きく分かれる。

【００３３】まず、本実施形態のテキスト検索装置にお
けるインデックス作成処理（インデックス作成部１０２
の処理）を説明する。図３は、本実施形態のテキスト検
索装置におけるインデックス作成処理の手順を示すフロ
ーチャートである。

【００３４】ステップＳ３０１では、カウンタｄとカウ
ンタｃの初期化を行なう。ここで、カウンタｄは、処理
の対象となっている被検索テキストの文書番号を示すも
ので、これを０に初期化する。また、カウンタｃは、処
理の対象となっている文字の位置を示すもので、これも
０に初期化する。そしてステップＳ３０２に移る。

【００３５】ステップＳ３０２では、カウンタｄが被検
索テキスト保持部１０１に保持された被検索テキストの
文書数に達したか否かを判定する。判定の結果、達した
場合は当該インデックス作成処理を終了する。また、達
していない場合は、ステップＳ３０３に移る。ステップ
Ｓ３０３では、ポインタｐの初期化を行なう。ポインタ
ｐは、処理の対象となっている文字を指し示すもので、
これを文書番号ｄの被検索テキストの先頭文字を指し示
すように初期化する。そしてステップＳ３０４に移る。

【００３６】ステップＳ３０４では、ポインタｐが被検
索テキストの最後に達したか否かを判定する。判定の結
果、達した場合はステップＳ３０８に移り、達していな
い場合はステップＳ３０５に移る。ステップＳ３０５で
は、ポインタｐが示す位置にある文字について、インデ
ックス保持部１０３に保持されているインデックスの当
該文字の位置リストにカウンタｃの値を追加する。そし
て、ステップＳ３０６においてカウンタｃの値を１増や
し、ステップＳ３０７においてポインタｐが次の文字を
指すようにする。そしてステップＳ３０４に戻る。

【００３７】以上のステップＳ３０４〜Ｓ３０７の処理
を、当該文書（カウンタｄで示される被検索テキスト）
の全体について行なうと、処理はステップＳ３０４から
ステップＳ３０８へ進み、文書番号テーブル作成部１０
４による処理を開始することになる。ステップＳ３０８
では、文書番号テーブル保持部１０５に保持された文書
番号テーブルのｄ番目の要素としてカウンタｃの値を追
加する。そしてステップＳ３０９において、カウンタｄ
とカウンタｃの値をそれぞれ１増やす。ここでカウンタ
ｃの値を１増やすことにより、文書の切れ目を越えた文
字列のミスマッチを防ぐことができる（詳細は後述す
る）。そしてステップＳ３０２に戻る。

【００３８】以上の処理により、例えば、図８に示され
る３つの文書に対して、図１０に示すようなインデック
スが作成され、インデックス保持部１０３に保持され
る。図１０の各行が、各文字が現れる位置のリストとな
っている。各文字位置は全文書での通し文字位置となっ
ている。また、図１０のインデックスには文書を特定す
る情報（文書番号）は登録されていないことがわかる。

【００３９】さらに文書番号テーブル作成部１０４によ
って、図１１に示す文書番号テーブルが作成され、文書
番号テーブル保持部１０５に保持される。ここで、上述
のステップＳ３０９においてカウンタｃを１つ増加させ
ることで、図１１に記された最後尾文字位置はインデッ
クス保持部１０３に保持されるインデックスに含まれる
ことはない。このため、文書の切れ目を越えた文字列が
マッチすることがなくなる。

【００４０】例えば、検索文字列「売上高」を検索する
と、文書２と文書３にまたがる「売上高」の文字位置
は、「売」が５８５、「上」が５８６、「高」が５８８
となり、連続していることにはならないので検索されな
い。

【００４１】次に、本実施形態における検索部１０７に
おける検索処理の概要を説明する。図４は本実施形態の
テキスト検索装置による検索処理の手順を説明するフロ
ーチャートである。

【００４２】ステップＳ４０１では、検索文字列保持部
１０６に保持されている検索文字列の長さをＬに代入す
る。また、カウンタｎに１を代入する。カウンタｎは、
検索文字列の文字位置を表すものとなる。例えば、検索
文字列が「高速検索」である場合は、Ｌ＝４，ｎ＝１と
なる。この時点で、カウンタｎによって示される文字は
「高」である。次に、ステップＳ４０２に移る。ステッ
プＳ４０２では、検索文字列保持部１０６に保持されて
いる検索文字列の１番目の文字（ここでは「高」）につ
いて、インデックス保持部１０３に保持されたインデッ
クスの読み込みを行なう。そして、当該文字の文字位置
を全て配列１に書き込む。

【００４３】図１４は、図１０に示したインデックスを
用いて検索文字列「高速検索」を検索しているときの配
列１の状態を示している。ここでは、ステップＳ４０２
による処理を行なった時点の配列１の状態が示されてお
り、「高」という文字の文字位置が格納されている。

【００４４】次に、ステップＳ４０３では、変数Ｌとｎ
を比較する。比較の結果、ｎ＜Ｌである場合は、ステッ
プＳ４０４に進み、ｎ≧Ｌである場合は、ステップＳ４
０７に進む。

【００４５】ステップＳ４０４では、カウンタｎの値を
１増やす。そして、ステップＳ４０５において、検索文
字列保持部１０６に保持されている検索文字列のｎ番目
の文字について、インデックスの読み込みを行ない、得
られた文字位置を配列２に書き込む。この際、得られた
全ての文字位置から（ｎ−１）を減じた値を配列２に書
き込む。そしてステップＳ４０６では、配列１と配列２
から、配列１と配列２の両方に存在している値を全て取
り出し、これらの値だけを新たに配列１の値とする。そ
してステップＳ４０３に戻る。図１５は、先に示した検
索例におけるｎ＝２のときの配列１の状態を示してい
る。

【００４６】以上の処理を検索文字列保持部１０６に保
持されている検索文字列の全ての文字について行なう
と、処理はステップＳ４０３からステップＳ４０７に進
むことになる。ステップＳ４０７では、配列１が空か否
かを判定し、空である場合はステップＳ４１４に移る。
また、空でない場合は、ステップＳ４０８に移る。

【００４７】ステップＳ４０８では、カウンタｄとカウ
ンタｃの初期化を行なう。ここでカウンタｄは、現在処
理中の被検索テキストの文書番号テーブルにおける文書
番号を示すもので、これを０に初期化する。カウンタｃ
は、検索された文字位置（配列１に格納された文字位
置）のうち、現在処理中の文字位置の通し番号を示すも
ので、これを０に初期化する。

【００４８】次に、ステップＳ４０９では、文書番号テ
ーブルのｄ番目の値とｃ番目の文字位置を比較し、ｃ番
目の文字位置の方が大きくない場合には、ステップＳ４
１０に移る。ｃ番目の文字位置の方が大きい場合には、
ステップＳ４１３に移る。

【００４９】ステップＳ４０９において、配列１のｃ番
目の文字位置が文書番号テーブルのｄ番目の値よりも大
きくないということは、当該文字位置が文書番号ｄの被
検索テキストに属することを意味する。従って、ステッ
プＳ４１０では、ｃ番目の文字位置に対応する文書番号
をｄとする。そしてステップＳ４１１において、ｃの値
を１増やす。次に、ステップＳ４１２では、ｃと検索さ
れた文字位置の数（配列１に格納されている文字位置の
数）を比較し、ｃの方が小さい場合には、ステップＳ４
０９に戻る。一方、ｃが検索された文字位置の数以上と
なった場合には、ステップＳ４１４に移る。

【００５０】以上のようにして、配列１に格納された文
字位置が属する文書番号を決定していく。そして、ｃ番
目の文字位置が文書番号テーブルのｄ番目の値より大き
くなった場合、ｃ番目の文字位置が文書番号ｄの被検索
テキストの範囲を越えたことを意味する。よって、ステ
ップＳ４０９からステップＳ４１３へ進み、次の被検索
テキストを対象とするべくカウンタｄの値を１増やす。
そしてステップＳ４０９に戻る。

【００５１】また、配列１に保持されている文字位置の
全てについて文書番号が決定されると、処理はステップ
Ｓ４１２からステップＳ４１４へ進む。ステップＳ４１
４では配列１が空でなければ、獲得した文書番号を検索
結果保持部１１０に保持する。配列１が空の場合は、検
索文字列が検索されなかったことを示す値として−１を
検索結果保持部１１０に保持する。そして全ての処理を
終了する。

【００５２】以上に述べたように、上記実施形態によれ
ば、インデックス作成時に文書番号テーブルを作成し、
検索時に文書番号テーブルを参照して検索された文字位
置から文書番号を得るように構成したので、検索時に文
書番号の比較演算が不要な検索効率のよいテキスト検索
装置を実現することができる。

【００５３】＜他の実施形態＞（１）上記実施形態においては、インデックスの作成と
検索を同一装置で行なう場合について説明したが、これ
に限定されるものではない。例えば、インデックスの作
成だけを行なう装置であってもよい。図１６はこの場合
の基本的な機能構成を示すブロック図である。図１６に
おいて、１６０１は、被検索テキストを保持する被検索
テキスト保持部である。１６０２は、被検索テキスト保
持部１６０１に保持されている被検索テキストに対し
て、変換テキスト中の文字ごとに、変換テキスト中での
当該文字の位置を列挙したインデックスを作成し、各文
書の最後尾文字位置と文書番号を獲得するインデックス
作成部である。１６０３は、インデックス作成部１６０
２で作成したインデックスを保持するインデックス保持
部である。１６０４は、インデックス作成部１６０２に
より獲得された文書の最後尾文字位置と文書番号から文
書番号テーブルを作成する文書番号テーブル作成部であ
る。１６０５は、文書番号テーブル作成部１６０４で作
成した文書番号テーブルを保持する文書番号テーブル保
持部である。

【００５４】なお、上記構成において、上述の図３のフ
ローチャートで説明した手順に従ってインデックス及び
文書番号テーブルが作成される。また、インデックス保
持部１６０３に保持されたインデックスと文書番号テー
ブル保持部１６０５に保持された文書番号テーブルは、
通信回線を通したり、可搬記録媒体によって他の装置に
移されて検索が行なわれる。

【００５５】（２）また、上述のようにして提供された
インデックスと文書番号テーブルを用いて検索を専門に
行なう装置であってもよい。図１７はこの場合の基本的
な機能構成を示すブロック図である。

【００５６】図１７において、１７０１は、図１６に示
す装置で作成されたインデックスを保持するインデック
ス保持部である。１７０２は検索を行なう文字列を保持
する検索文字列保持部である。１７０３は、インデック
ス保持部１７０１に保持されているインデックスを用い
て、検索文字列保持部１７０２に保持されている検索文
字列に一致する文字列を検索する検索部である。１７０
４は、図１６に示す装置で作成された文書番号テーブル
を保持する文書番号テーブル保持部である。１７０５
は、文書番号テーブル保持部１７０４に保持されている
文書番号テーブルを参照して、検索部１７０３により検
索された文字位置から文書番号を求める文書番号獲得部
である。１７０６は、文書番号獲得部１７０５により得
られた検索結果を保持する検索結果保持部である。イン
デックス保持部１７０１と文書番号テーブル保持部１７
０４には、上記実施形態の手順（図３）で作成されたイ
ンデックスと文書番号テーブルが通信回線或いは可搬記
録媒体等を介して提供され、保持される。

【００５７】以上の構成において、上述の図４で説明し
た手順を実行し、検索処理が実現される。

【００５８】（３）また、上記実施形態では、インデッ
クスのキーとして文字を用いる場合について説明した
が、これに限定されるものではなく、任意の長さの文字
列を用いてもよい。

【００５９】（４）また、上記実施形態では、検索文字
列の先頭文字から順次処理を行なう場合について説明し
たが、これに限定されるものではなく、検索語の任意の
文字から検索を行なってもよい。

【００６０】（５）また、上記実施形態では、検索時に
１つのインデックスを使用するよう説明しているが、別
々に作成された複数のインデックスを同時に検索できる
ようにし、複数のインデックスで同じ語を検索したい場
合にも、１つずつインデックスを検索対象に設定し、い
ちいち検索条件を指定しなくてもよいようにすることも
できる。すなわち、複数の文書群で作られたインデック
スを用いる事で検索効率を向上できる。例えば、毎日の
新聞を１記事１文書として日毎にインデックスを作成し
ている場合において、１ヶ月分の記事から「高速検索」
という文字列を含む記事を探すには、１日分のインデッ
クスを１つ１つ検索するのでは効率が悪い。そこで、複
数文書の（例えば１ヶ月分の）インデックスを同時に検
索できた方が効率的である。

【００６１】（６）また、上記実施形態においては、被
検索テキスト保持部１０１、検索文字列保持部１０６、
検索結果保持部１０９をＲＡＭで、インデックス保持部
１０３、文書番号テーブル保持部１０５をディスク装置
で実現するように説明したが、これに限定されるもので
はなく、任意の記憶媒体を用いて実現してよい。

【００６２】（７）また、上記実施形態においては、各
部を同一の計算機上で構成する場合について説明した
が、これに限定されるものではなく、ネットワーク上に
分散した計算機や処理装置などに分かれて各部を構成し
てもよい。すなわち、インデックス作成部や検索部等、
図１に示されている各部をネットワーク上の情報処理機
器に分散させても良い。

【００６３】（８）また、上記実施形態においては、プ
ログラムをＲＯＭに保持する場合について説明したが、
これに限定されるものではなく、任意の記憶媒体を用い
て実現してもよい。また、同様の動作をする回路で実現
してもよい。すなわち，図３，図４で示される制御を実
現する構成をハードウエア回路で構成しても良い。

【００６４】なお、本発明は、複数の機器（例えばホス
トコンピュータ，インタフェイス機器，リーダ，プリン
タなど）から構成されるシステムに適用しても、一つの
機器からなる装置（例えば、複写機，ファクシミリ装置
など）に適用してもよい。

【００６５】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体を、システムあるいは装置に供給し、そ
のシステムあるいは装置のコンピュータ（またはＣＰＵ
やＭＰＵ）が記憶媒体に格納されたプログラムコードを
読出し実行することによっても、達成されることは言う
までもない。

【００６６】この場合、記憶媒体から読出されたプログ
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。

【００６７】プログラムコードを供給するための記憶媒
体としては、例えば、フロッピディスク，ハードディス
ク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ
−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭな
どを用いることができる。

【００６８】また、コンピュータが読出したプログラム
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）などが実際の処理の一部または全
部を行い、その処理によって前述した実施形態の機能が
実現される場合も含まれることは言うまでもない。

【００６９】さらに、記憶媒体から読出されたプログラ
ムコードが、コンピュータに挿入された機能拡張ボード
やコンピュータに接続された機能拡張ユニットに備わる
メモリに書込まれた後、そのプログラムコードの指示に
基づき、その機能拡張ボードや機能拡張ユニットに備わ
るＣＰＵなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。

【００７０】

【発明の効果】以上説明したように本発明によれば、複
数文書に対して文字列検索を行なった場合に、検索時に
おける文書番号等の比較処理が不要となり、検索効率が
向上するという効果が得られる。

【００７１】

【図面の簡単な説明】

【図１】本実施形態のテキスト検索装置の機能構成を示
すブロック図である。

【図２】本実施形態に係るテキスト検索装置のハードウ
ェア構成を示すブロック図である。

【図３】本実施形態のテキスト検索装置におけるインデ
ックス作成処理の手順を示すフローチャートである。

【図４】本実施形態のテキスト検索装置による検索処理
の手順を説明するフローチャートである。

【図５】この従来例のテキスト検索装置の基本構成を示
すブロック図である。

【図６】従来の装置例におけるインデックス作成処理の
概要を示すフローチャートである。

【図７】従来の装置例における検索処理の概要を示すフ
ローチャートである。

【図８】被検索テキストの例を示す図である。

【図９】従来の装置例におけるインデックスの例を示す
図である。

【図１０】実施形態におけるインデックスの例を示す図
である。

【図１１】本発明の実施形態における文書番号テーブル
の例を示す図である。

【図１２】従来の装置例における検索処理の途中の状態
を示す図である。

【図１３】従来の装置例における検索処理の途中の状態
を示す図である。

【図１４】本発明の実施形態における検索処理の途中の
状態を示す図である。

【図１５】本発明の実施形態における検索処理の途中の
状態を示す図である。

【図１６】本発明の他の実施形態の基本構成を示すブロ
ック図である。

【図１７】本発明の他の実施形態の基本構成を示すブロ
ック図である。

【符号の説明】

１０１被検索テキスト保持部１０２インデックス作成部１０３インデックス保持部１０４文書番号テーブル作成部１０５文書番号テーブル保持部１０６検索文字列保持部１０７検索部１０８文書番号獲得部１０９検索結果保持部

Claims

【特許請求の範囲】

【請求項１】検索の対象となる複数の被検索文書を保
持する保持手段と、前記複数の被検索文書に含まれる各文字について、該複
数の被検索文書の全体を通しての文字位置を登録して文
字位置データを生成する第１生成手段と、前記複数の被検索文書の各文書が切り替わる位置を示す
切替位置データを生成する第２生成手段と、前記第１及び第２生成手段で生成された文字位置データ
と切替位置データを格納する格納手段とを備えることを
特徴とする情報処理装置。
【請求項２】与えられた検索文字列によって前記文字
位置データを検索し、該検索文字列と同じ文字列が存在
する文字位置を獲得する獲得手段と、前記獲得手段で獲得した文字位置と前記切替位置データ
とに基づいて、当該文字位置を含む被検索文書を特定す
る特定手段とを更に備えることを特徴とする請求項１に
記載の情報処理装置。
【請求項３】検索の対象となる複数の被検索文書に含
まれる各文字について、該複数の被検索文書の全体を通
しての文字位置が登録された文字位置データを保持する
第１保持手段と、前記複数の被検索文書の各文書が切り替わる位置を示す
切替位置データを保持する第２保持手段と、与えられた検索文字列によって前記文字位置データを検
索し、該検索文字列と同じ文字列が存在する文字位置を
獲得する獲得手段と、前記獲得手段で獲得した文字位置と前記切替位置データ
とに基づいて、当該文字位置を含む被検索文書を特定す
る特定手段とを備えることを特徴とする情報処理装置。
【請求項４】前記切替位置データは、切り替わる前の
被検索文書の最後尾の文字位置の次の位置であって、か
つ、当該切り替わりの後の被検索文書の先頭の文字位置
の手前であることを特徴とする請求項１乃至３のいずれ
かに記載の情報処理装置。
【請求項５】前記第２生成手段は、前記第１生成手段
によって１つの被検索文書の文字位置データの登録を終
える毎に、該被検索文書の最後の文字の文字位置の次の
位置を前記切替位置データとして生成し、該切替り位置
の次の位置を、次の被検索文書の先頭の文字の文字位置
に設定することを特徴とする請求項１に記載の情報処理
装置。
【請求項６】前記切替位置データは、切り替わる前の
被検索文書の最後尾の文字位置の次の位置であって、か
つ、当該切り替わりの後の被検索文書の先頭の文字位置
の手前であり、前記特定手段は、前記獲得手段で獲得された文字位置と前記切換え位置デ
ータを小さい順に読み出して大小比較を行なう比較手段
と、文字位置の方が小さければ当該切替位置の手前の被検索
文書に当該文字位置が存在すると決定する決定手段と、前記文字位置の方が大きければ当該切替位置データの次
に大きい切替位置データを獲得して前記比較手段を実行
する実行手段とを備えることを特徴とする請求項２また
は３に記載の情報処理装置。
【請求項７】検索の対象となる複数の被検索文書に含
まれる各文字について、該複数の被検索文書の全体を通
しての文字位置を登録して文字位置データを生成する第
１生成工程と、前記複数の被検索文書の各文書が切り替わる位置を示す
切替位置データを生成する第２生成工程と、前記第１及び第２生成工程で生成された文字位置データ
と切替位置データを格納する格納工程とを備えることを
特徴とする情報処理方法。
【請求項８】与えられた検索文字列によって前記文字
位置データを検索し、該検索文字列と同じ文字列が存在
する文字位置を獲得する獲得工程と、前記獲得工程で獲得した文字位置と前記切替位置データ
とに基づいて、当該文字位置を含む被検索文書を特定す
る特定工程とを更に備えることを特徴とする請求項７に
記載の情報処理方法。
【請求項９】検索の対象となる複数の被検索文書に含
まれる各文字について、該複数の被検索文書の全体を通
しての文字位置が登録された文字位置データを、与えら
れた検索文字列によって検索し、該検索文字列と同じ文
字列が存在する文字位置を獲得する獲得工程と、前記獲得工程で獲得した文字位置と、前記複数の被検索
文書の各文書が切り替わる位置を示す切替位置データと
に基づいて、当該文字位置を含む被検索文書を特定する
特定工程とを備えることを特徴とする情報処理方法。
【請求項１０】前記切替位置データは、切り替わる前
の被検索文書の最後尾の文字位置の次の位置であって、
かつ、当該切り替わりの後の被検索文書の先頭の文字位
置の手前であることを特徴とする請求項７乃至９のいず
れかに記載の情報処理方法。
【請求項１１】前記第２生成工程は、前記第１生成工
程によって１つの被検索文書の文字位置データの登録を
終える毎に、該被検索文書の最後の文字の文字位置の次
の位置を前記切替位置データとして生成し、該切替り位
置の次の位置を、次の被検索文書の先頭の文字の文字位
置に設定することを特徴とする請求項７に記載の情報処
理方法。
【請求項１２】前記切替位置データは、切り替わる前
の被検索文書の最後尾の文字位置の次の位置であって、
かつ、当該切り替わりの後の被検索文書の先頭の文字位
置の手前であり、前記特定工程は、前記獲得工程で獲得された文字位置と前記切換え位置デ
ータを小さい順に読み出して大小比較を行なう比較工程
と、文字位置の方が小さければ当該切替位置の手前の被検索
文書に当該文字位置が存在すると決定する決定工程と、前記文字位置の方が大きければ当該切替位置データの次
に大きい切替位置データを獲得して前記比較工程を実行
する実行工程とを備えることを特徴とする請求項８また
は９に記載の情報処理方法。
【請求項１３】テキスト検索のための制御プログラム
を格納するコンピュータ可読メモリであって、該制御プ
ログラムが、検索の対象となる複数の被検索文書に含まれる各文字に
ついて、該複数の被検索文書の全体を通しての文字位置
を登録して文字位置データを生成する第１生成工程のコ
ードと、前記複数の被検索文書の各文書が切り替わる位置を示す
切替位置データを生成する第２生成工程のコードと、前記第１及び第２生成工程で生成された文字位置データ
と切替位置データを格納する格納工程のコードとを備え
ることを特徴とするコンピュータ可読メモリ。
【請求項１４】前記制御プログラムが、与えられた検索文字列によって前記文字位置データを検
索し、該検索文字列と同じ文字列が存在する文字位置を
獲得する獲得工程のコードと、前記獲得工程で獲得した文字位置と前記切替位置データ
とに基づいて、当該文字位置を含む被検索文書を特定す
る特定工程のコードとを更に備えることを特徴とする請
求項１３に記載のコンピュータ可読メモリ。
【請求項１５】テキスト検索のための制御プログラム
を格納するコンピュータ可読メモリであって、該制御プ
ログラムが、検索の対象となる複数の被検索文書に含まれる各文字に
ついて、該複数の被検索文書の全体を通しての文字位置
が登録された文字位置データを、与えられた検索文字列
によって検索し、該検索文字列と同じ文字列が存在する
文字位置を獲得する獲得工程のコードと、前記獲得工程で獲得した文字位置と、前記複数の被検索
文書の各文書が切り替わる位置を示す切替位置データと
に基づいて、当該文字位置を含む被検索文書を特定する
特定工程のコードとを備えることを特徴とするコンピュ
ータ可読メモリ。