JPH11203312A - キーワード検索装置、文書検索装置、キーワード検索プログラムを記録した記録媒体及び文書検索プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 少ないインデックス容量で複合語を検索でき
るようにする。 【解決手段】 単語格納手段１には単語が格納されてい
る。複合語格納手段２には、キーワードとして用いられ
る複合語の集合が、構成要素である単語が単語格納手段
１内における位置情報を示す数値に置き換えられた状態
で格納されている。キーワード変換手段３は、複合語の
検索キーワードが入力されると、複合語を複数の単語か
らなる単語リストに変換し、複合語検索手段５へ出力す
る。複合語検索手段５は、キーワード変換手段３の出力
した単語リストに含まれる各単語を単語格納手段１にお
ける位置情報に変換する。そして、位置情報に数値化さ
れた単語リストに基づいて、数値化されて複合語格納手
段２に格納されている複合語を検索する。このように、
複合語を構成している各単語を位置情報に変換して格納
したことにより、複合語を少ない記憶容量で格納するこ
とができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は複合語を含むキーワ
ードの中から特定のキーワードを検索するキーワード検
索装置、複合語を含むキーワードを用いて高い適合率で
文書を検索する文書検索装置、複合語を含むキーワード
の中から特定のキーワードを検索する処理をコンピュー
タに行わせるためのキーワード検索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、及び複合語を
含むキーワードを用いて高い適合率で文書を検索する処
理をコンピュータに行わせるための文書検索プログラム
を記録したコンピュータ読み取り可能な記録媒体に関
し、特に複合語、または複合語を含むキーワードに対応
している文書を、高速かつ少ない容量のインデックスか
ら検索することができる文書検索システムに関する。

【０００２】

【従来の技術】従来の文書検索では、予めキーワードと
対応する文書集合へのポインタをインデックスに登録し
ておき、そのインデックスを用いて高速に検索する手法
が利用されている。文書の索引となるキーワードを抽出
するとき、テキストに形態素解析などの自然言語処理を
施すことによって、大量の文書から高速に、重要と予想
される語をキーワードとして抽出することができる。こ
の方法を第１の従来技術とよぶことにする。

【０００３】一方、より高い適合率で文書を検索する技
術として、特開平４−２９３１６１号公報に開示された
発明がある。この発明は、検索時に複数の検索語と、そ
れらの位置関係を入力とし、文書中において検索語が指
定された位置関係にある文書を検索する。これにより、
複合語の検索が可能となる。すなわち、文書中の位置が
連続している複数の単語を複合語とみなすことで、適合
率を向上させることができる。この技術を第２の従来技
術とよぶこととする。

【０００４】

【発明が解決しようとする課題】しかし、上記の従来技
術には、それぞれ以下のような問題点があった。第１の
従来技術では、文書からキーワードを抽出するときに自
然言語処理に用いた辞書に無い語はキーワードとして抽
出されないという問題があった。そのため、名詞と名詞
が結合して構成される複合語が、辞書にないためにキー
ワードとしてインデックスに登録されず、直接その複合
語を用いて検索できない。

【０００５】さらに、複合語の検索ができないことに伴
い、検索者が意図しているキーワードを直接入力して検
索できないことによって、検索の適合率（検出された情
報の中でユーザの検索意図に合致した情報の割合）が下
がるという問題もあった。例えば、「デジタル図書館」
という複合語がインデックスに登録されていない場合、
「デジタル」と「図書館」という２語のＡＮＤ検索によ
って「デジタル図書館」という語を含んだ文書を検索す
ることはできる。しかし、「デジタル」と「図書館」が
離れて出現する文書も多く得られてしまい、結果として
適合率が下がってしまう。なお、考えられる複合語をイ
ンデックスに登録することで検索結果の適合率を上げる
ことができるが、その場合、単語のみをインデックスに
登録する場合に比べて単語を格納しているインデックス
の容量が遥かに大きくなってしまう。

【０００６】一方、上記第２の従来技術では、予め各文
書中に出現する語を、各文書内の位置情報とともに保持
した情報を準備する必要がある。この場合、同じ語であ
っても複数の場所に出現すれば全ての位置情報が必要と
なり、情報量が膨大となる。また、第２の従来技術で
は、検索の際に複数の語の並びを確認する必要があり、
処理内容が複雑化する。その結果、高速に検索するため
には特殊なハードウェアが必要となり、高コストの装置
になってしまう。

【０００７】本発明はこのような点に鑑みてなされたも
のであり、少ないインデックス容量で複合語を検索でき
るキーワード検索装置を提供することを目的とする。ま
た、本発明の他の目的は、少ないインデックス容量で、
複合語を検索キーワードとした文書検索を行うことがで
きる文書検索装置を提供することである。

【０００８】また、本発明の他の目的は、少ないインデ
ックス容量で複合語を検索できるようなキーワード検索
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
媒体を提供することである。

【０００９】また、本発明の他の目的は、少ないインデ
ックス容量で、複合語を検索キーワードとした文書検索
を行うことができるような文書検索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を提供すること
である。

【００１０】

【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、複合語の集合の中から、検索条件に合致
した複合語を検索するキーワード検索装置において、複
合語を構成している単語を格納している単語格納手段
と、複合語を構成している単語を、前記単語格納手段内
で一意に識別可能な数値に置き換えて、各複合語を格納
している複合語格納手段と、複合語による検索キーワー
ドが入力されると、前記検索キーワードを複数の単語に
変換し、単語リストとして出力するキーワード変換手段
と、前記キーワード変換手段の出力した単語リストに含
まれる単語を前記単語格納手段から検索することによ
り、各単語を一意に識別可能な数値に変換し、数値に変
換された単語リストにより、前記複合語格納手段から複
合語を検索する複合語検索手段と、を有することを特徴
とするキーワード検索装置が提供される。

【００１１】このようなキーワード検索装置によれば、
検索キーワードとして複合語を入力すると、複合語がキ
ーワード変換手段により複数の単語に変換され、単語リ
ストとして出力される。すると、複合語検索手段によ
り、単語リストが数値化され、その数値化された単語リ
ストにより、複合語格納手段内に数値化された格納され
ている複合語の検索が行われる。

【００１２】また、文書の集合の中から、入力された複
合語を含む文書を検索する文書検索装置において、複合
語を構成している単語が格納されている単語格納手段
と、複合語を構成している単語が、前記単語格納手段に
格納されている単語を一意に識別可能な数値に置き換え
られ、各複合語を含む文書の集合を示す文書集合ポイン
タと各複合語とが対応づけて格納されている複合語格納
手段と、複合語による検索キーワードが入力されると、
前記検索キーワードを複数の単語に変換し、単語リスト
として出力するキーワード変換手段と、前記キーワード
変換手段の出力した単語リストに含まれる単語を前記単
語格納手段から検索することにより各単語を一意に識別
可能な数値に変換し、数値に変換された単語リストによ
り、前記複合語格納手段から複合語を検索し、該当する
複合語に対応づけられた文書集合ポインタを出力する複
合語検索手段と、を有することを特徴とする文書検索装
置が提供される。

【００１３】このような文書検索装置によれば、検索キ
ーワードとして複合語を入力すると、複合語がキーワー
ド変換手段により複数の単語に変換され、単語リストと
して出力される。すると、複合語検索手段により、単語
リストが数値化され、その数値化された単語リストによ
り、複合語格納手段内に数値化された格納されている複
合語の検索が行われる。そして、該当する複合語に対応
づけられた文書集合ポインタが出力される。

【００１４】また、複合語の集合の中から、検索条件に
合致した複合語を検索するためのキーワード検索プログ
ラムを記録したコンピュータ読み取り可能な記録媒体に
おいて、複合語を構成している単語を格納している単語
格納手段、複合語を構成している単語を、前記単語格納
手段内で一意に識別可能な数値に置き換えて、各複合語
を格納している複合語格納手段、複合語による検索キー
ワードが入力されると、前記検索キーワードを複数の単
語に変換し、単語リストとして出力するキーワード変換
手段、前記キーワード変換手段の出力した単語リストに
含まれる単語を前記単語格納手段から検索することによ
り、各単語を一意に識別可能な数値に変換し、数値に変
換された単語リストにより、前記複合語格納手段から複
合語を検索する複合語検索手段、としてコンピュータを
機能させることを特徴とするキーワード検索プログラム
を記録したコンピュータ読み取り可能な記録媒体が提供
される。

【００１５】このような記録媒体に記録されたキーワー
ド検索プログラムをコンピュータに実行させれば、上記
本発明のキーワード検索装置の構成をコンピュータによ
って構築することができる。

【００１６】また、文書の集合の中から、入力された複
合語を含む文書を検索するための文書検索プログラムを
記録したコンピュータ読み取り可能な記録媒体におい
て、複合語を構成している単語が格納されている単語格
納手段、複合語を構成している単語が、前記単語格納手
段に格納されている単語を一意に識別可能な数値に置き
換えられ、各複合語を含む文書の集合を示す文書集合ポ
インタと各複合語とが対応づけて格納されている複合語
格納手段、複合語による検索キーワードが入力される
と、前記検索キーワードを複数の単語に変換し、単語リ
ストとして出力するキーワード変換手段、前記キーワー
ド変換手段の出力した単語リストに含まれる単語を前記
単語格納手段から検索することにより各単語を一意に識
別可能な数値に変換し、数値に変換された単語リストに
より、前記複合語格納手段から複合語を検索し、該当す
る複合語に対応づけられた文書集合ポインタを出力する
複合語検索手段、としてコンピュータを機能させること
を特徴とする文書検索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が提供される。

【００１７】このような記録媒体に記録された文書検索
プログラムをコンピュータに実行させれば、上記本発明
の文書検索装置の構成をコンピュータによって構築する
ことができる。

【００１８】

【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、本発明の原理構成図であ
る。本発明のキーワード検索装置は、以下の要素で構成
されている。

【００１９】単語格納手段１には、キーワードとして用
いられる単語と、キーワードとして用いられる複合語を
構成している単語とが格納されている。複合語格納手段
２には、キーワードとして用いられる複合語の集合が、
構成要素である単語が単語格納手段１内における位置情
報を示す数値に置き換えられた状態で格納されている。
キーワード変換手段３は、１つの単語の検索キーワード
が入力されると、単語をそのまま単語検索手段４へ出力
する。また、複合語の検索キーワードが入力されると、
複合語を複数の単語からなる単語リストに変換し、複合
語検索手段５へ出力する。単語検索手段４は、キーワー
ド変換手段３が出力した単語に該当する単語を、単語格
納手段１から検索する。また、複合語検索手段５は、キ
ーワード変換手段３の出力した単語リストに含まれる各
単語を単語格納手段１における位置情報に変換する。そ
して、位置情報に数値化された単語リストに基づいて、
数値化されて複合語格納手段２に格納されている複合語
を検索する。

【００２０】このような構成により、ユーザが単語の検
索キーワードを入力すれば、単語検索手段４により、そ
の単語に該当する単語が検索される。また、複合語を検
索キーワードとして入力すれば、キーワード変換手段３
により、複合語が単語リストに変換される。次に、複合
語検索手段５により、単語リスト内の各単語が、単語格
納手段１内における位置情報に数値化され、数値化され
た単語リストによって、数値化されて複合語格納手段２
に格納されている複合語が検索される。

【００２１】このようにして、複合語を用いた検索が可
能となり、高い適合率を得ることができる。しかも、複
合語を構成している各単語を、その単語が単語格納手段
１に占める位置情報に変換して複合語格納手段２に格納
したことにより、複合語を文字列として表現するよりも
少ない記憶容量で格納することができる。また、複合語
を検索するとき、複合語を構成している単語の並びを確
認する必要がないため、高速な処理が可能である。

【００２２】以下に、本発明の具体的な実施の形態を説
明する。図２は、本発明の第１の実施の形態を示すブロ
ック図である。これは、予め作成されているキーワード
集合１１の中に、ユーザが入力した検索キーワードが含
まれるか否かについての検索を行うキーワード検索装置
の構成である。このキーワード検索装置は、以下のよう
な要素で構成される。

【００２３】単語分割部１２は、検索対象となるキーワ
ード集合１１に形態素解析処理を施し、各キーワードを
単語もしくは単語のリストに変換する。具体的には、キ
ーワードが１つの単語で形成されていれば、その単語を
取り出し、キーワードが複合語で形成されていれば、複
合語を複数の単語に分割し、それらの単語のリスト（単
語リスト）に変換する。単語トライ作成部１３は、単語
分割部１２の生成した単語、及び単語リストから単語ト
ライを生成する。単語格納部１４は、単語トライ作成部
１３が生成した単語トライを格納する。数値変換部１５
は、単語リストの各単語を、単語格納部１４内の単語ト
ライにおける、その単語を表すノードのアドレス値に置
き換える。複合語トライ作成部１６は、数値変換部１５
により変換されたアドレス値リストから複合語トライを
作成する。複合語格納部１７は、複合語トライ作成部１
６の作成した複合語トライを格納する。

【００２４】キーワード変換部１８は、入力された検索
キーワードを、形態素解析処理することによって、単語
または単語リストに変換する。単語または単語リストへ
の変換は、単語分割部１２が行った処理と同じである。
単語検索部１９は、キーワード変換部１８で検索キーワ
ードが単語に変換されたとき、この単語を単語格納部１
４の単語トライから検索する。複合語検索部２０は、キ
ーワード変換部１８で検索キーワードが単語リストに変
換されたとき、この単語リストの各単語から単語格納部
１４の単語トライをたどり、その単語トライにおける各
単語を表すノードのアドレス値を求める。そして、得ら
れたアドレス値リストを複合語格納部１７の複合語トラ
イから検索する。

【００２５】このような構成のキーワード検索装置にお
ける検索動作について、具体例を用いて説明する。図３
は、検索対象となるキーワード集合の例を示す図であ
る。この例では、「文書」、「文書構造」、「文書構造
変換装置」、「変換」、及び「変換規則」の５つのキー
ワードがある。このキーワード集合１１が単語分割部１
２に渡されると、単語分割部１２が、形態素解析処理を
行い、各キーワードを単語もしくは単語リストに変換す
る。単語リストに変換されるのは、複数の単語で構成さ
れたキーワードである。

【００２６】図４は、変換後のキーワード集合を示す図
である。図の変換されたキーワード集合１１ａでは、単
語の区切れ位置をスラッシュ記号" ／" で示している。
この例では、「文書構造」は「文書／構造」の単語リス
トに変換されている。「文書構造変換装置」は「文書／
構造／変換／装置」の単語リストに変換されている。
「変換規則」は「変換／規則」に変換されている。その
他の、「文書」と「変換」とは、複合語ではないため変
換されない。

【００２７】変換された後のキーワード集合１１ａは、
単語トライ作成部１３に渡される。すると、単語トライ
作成部１３が変換された単語および単語リスト内の各単
語からトライ（単語トライ）を構成する。構成された単
語トライは、単語格納部１４に格納される。

【００２８】図５は、各単語から構成された単語トライ
を示す図である。これは、単語トライを木構造で模式的
に表したものである。図中、丸印若しくは２重丸で表し
ているのがノード３０〜４０である。２重丸は終了状態
のノード（対応する単語が存在するノード）を表してい
る。根であるノード３０が単語検索時の「開始ノード」
となる。なお、図中の開始ノード以外の各ノード３１〜
４０の近傍に表示しているのが、それぞれのノードのア
ドレス（位置）である。また、各ノード３１〜４０を接
続している矢印がアーク５１〜６０である。各アーク５
１〜６０の上にある文字（ここでは漢字１文字）はラベ
ルである。なお、実際には、図５と等価なトライ・イン
デックスが単語格納部１４に格納される。

【００２９】図６は、単語格納部に格納されるトライ・
インデックスの例を示す図である。この図には、辺節
（１つのノードと、そのノードに遷移するアークとの
組）の情報が格納されたアドレス、その辺節の直下の弟
ノードのアドレス、その辺節に対応するラベル、ノード
の状態及び対応する文書集合へのリンク情報を示してい
る。ノードの状態は、「終了」「継続」のいずれか一
方、若しくは双方が設定されている。「終了」は、その
ノードに対応する単語が存在することを示し、「継続」
は、そのノードが子供を有していることを示す。

【００３０】図６に示したようなトライが単語格納部１
４に格納されると、数値変換部１５が図４に示したキー
ワード集合１１ａから単語リストのみを抽出する。次
に、抽出した各単語リストに含まれる単語トライ中のア
ドレス値を取得する。そして、そのアドレス値リストを
生成する。

【００３１】図７は、数値変換部が生成するアドレス値
リストを示す図である。この例では、３つの単語リスト
に対する変換が行われている。「文書／構造」の単語リ
ストは、「３５／１５」のアドレス値リストに変換され
ている。「文書／構造／変換／装置」の単語リストは、
「３５／１５／４５／２５」のアドレス値リストに変換
されている。「変換／規則」の単語リストは、「４５／
５」のアドレス値リストに変換されている。

【００３２】数値変換部１５が生成したアドレス値リス
トは、複合語トライ作成部１６に渡される。複合語トラ
イ作成部１６は、受け取ったアドレス値リストに基づい
て複合語のトライ（複合語トライ）を作成する。

【００３３】図８は、複合語トライを示す図である。複
合語のトライ７０は、各辺節のラベルとして、単語トラ
イの対応するノードのアドレスが設定されている。この
ような複合語トライ７０が複合語格納部１７に格納され
る。

【００３４】この複合語トライも単語トライと同様にイ
ンデックスの形式で複合語格納部１７に格納される。図
９は、複合語のトライ・インデックスを示す図である。
このトライ・インデックスでは、ラベルとしてアドレス
値が設定されているため、単語の文字列をラベルとして
用いた場合と比較して情報量が少なくてすむ。

【００３５】以上のようにして、キーワード集合１１に
対応する単語トライと複合語トライとが格納されたら、
キーワード変換部１８に対して、検索キーワードを入力
する。この例では、「文書」と「変換規則」が検索キー
ワードとして入力されたものとする。

【００３６】すると、キーワード変換部１８が形態素解
析処理を行い、検索キーワードが単語または単語リスト
に変換される。その結果、「文書」と「変換規則」とい
う検索キーワードは、「文書」と「変換／規則」とな
る。

【００３７】ここで、「文書」は１つの単語であるた
め、単語検索部１９がこの単語を単語格納部１４のトラ
イから検索する。「文書」という単語を図６に示すトラ
イから検索すると、根のノードから「文」、「書」の順
の遷移が存在していることが分かる。そして、「書」の
ノードが終了状態であるため、この単語が単語格納部１
４に格納されていることが分かる。

【００３８】また、検索キーワードの「変換規則」は単
語リスト「変換／規則」に変換されたため、複合語検索
部２０が単語リストの各単語から単語格納部１４のトラ
イをたどり、そのトライにおける各単語を表すノードの
アドレス値を求める。その結果、「変換」のアドレス値
「４５」と、「規則」のアドレス値「５」が得られる。
そして、単語リスト「変換／規則」の各単語をアドレス
値に置き換えて、単語リストをアドレス値リスト「４５
／５」というノードのアドレス値リストに置き換える。
このアドレス値リストを用い、図９の複合語トライ・イ
ンデックスから検索すると、この単語リストが複合語格
納部１７に格納されていることが分かる。すなわち、
「変換規則」という複合語が複合語格納部１７に格納さ
れていることになる。 このキーワード検索装置では、
複合語を文字列の形で格納しないで、単語格納部１４に
おける位置のリストとして格納している。一般的には、
固定長の文字コードによって単語を表現できるが、文字
コードによって表現するよりも、単語格納部における一
つの位置によって表現するほうが必要な記憶容量が少な
くてすむ。すなわち、前述の第１の従来技術では、複合
語の検索を行うには、単語の場合と同様に、全ての複合
語を文字列の形でインデックスに登録する必要があるた
め、複合語を含むキーワードを格納するインデックスの
容量が大きくなったが、本発明では第１の従来技術より
も遥かに少ない容量で複合語を格納することができる。

【００３９】また、第２の従来技術では、複合語である
キーワードを検索するときは、検索時に語の位置情報を
用いて語の並びを確認する処理が必要になるが、本発明
では複合語格納部１７を検索すればよいため、位置情報
による並びの比較という煩雑な処理は不要である。その
結果、複合語を高速に検索することができる。

【００４０】次に第２の実施の形態について説明する。
第２の実施の形態は、第１の実施の形態に示したキーワ
ード検索装置の技術を用いて、文書検索装置を構成した
ものである。

【００４１】図１０は、本発明の第２の実施の形態を示
すブロック図である。第２の実施の形態の文書検索装置
は、第１の実施の形態と同様の構成に加えて、文書格納
部１０１と文書索引生成部１０２とを有する。

【００４２】文書格納部１０１は、検索対象となる複数
の文書を格納している。文書索引生成部１０２は、文書
格納部１０１に格納されている各文書に対して形態素解
析処理を施す。そして、名詞や動詞などの自立語単語
と、名詞単語の連続からなる複合語を文書の索引として
抽出する。そして、文書毎に抽出された文書索引を単語
分割部１０３に渡す。単語分割部１０３は、文書索引生
成部１０２から受け取った文書毎の文書索引に形態素解
析処理を施し、文書索引内の各キーワードを単語もしく
は単語リストに変換する。単語トライ作成部１０４は、
単語分割部１０３の生成した単語、及び単語リストから
単語トライを生成する。その際、抽出された単語と、そ
の単語に対応する文書集合ポインタとを対にして単語ト
ライを構成する。なお、文章集合ポインタは、そのノー
ドに対応する単語を含んでいる文書の識別子の集合を指
し示している。単語格納部１０５は、単語トライ作成部
１０４が生成した単語トライを格納する。数値変換部１
０６は、単語リストの各単語を、単語格納部１０５内の
単語トライにおける、その単語を表すノードのアドレス
値に置き換える。複合語トライ作成部１０７は、数値変
換部１０６により変換されたアドレス値リストから複合
語トライを構成する。この際、アドレス値リストと対応
する文書集合ポインタとを対にして複合語トライを構成
する。複合語格納部１０８は、複合語トライ作成部１０
７の作成した複合語トライを格納する。

【００４３】キーワード変換部１０９は、入力された検
索キーワードに対して形態素解析処理を施すことによっ
て、検索キーワードを単語または単語リストに変換す
る。単語検索部１１０は、キーワード変換部１０９で検
索キーワードが単語に変換されたとき、この単語を単語
格納部１０５の単語トライから検索する。その結果、対
応する文書集合ポインタを出力する。複合語格納部１０
８は、キーワード変換部１０９で検索キーワードが単語
リストに変換されたとき、この単語リストの各単語から
単語格納部１０５の単語トライをたどり、その単語トラ
イにおける各単語を表すノードのアドレス値を求める。
得られたアドレス値リストを複合語格納部１０８のトラ
イから検索する。そして、アドレス値リストに対応する
文書集合ポインタを出力する。

【００４４】このような文書検索装置によれば、文書格
納部１０１に文書集合を格納すると、文書索引生成部１
０２により、各文書毎の文書索引（内容はキーワード集
合である）が生成される。

【００４５】図１１は、文書索引の抽出例を示す図であ
る。この例では、「複合語インデックスファイルを用い
た文書検索装置。」という文章を、対象文としている。
この文に形態素解析処理を施すと、対象文が語句毎に分
割され、各語句の品詞の判別が行われる。次に、助詞、
助動詞、区点などが除外され、そして、個別の単語と、
複合語とからなる文書索引が生成されている。

【００４６】これと同様の処理が全ての文書に対して行
われ、文書毎の文書索引が単語トライ作成部１０４に入
力される。すると、単語トライ作成部１０４により、単
語トライが作成され、単語格納部１０５に格納される。
単語トライには、終了状態のノードに対応して、文書集
合ポインタが設定される。次に、数値変換部１０６が単
語リストをアドレス値リストに置き換え、複合後トライ
作成部１０７が複合語トライを作成する。この複合語ト
ライも、終了状態のノードに対応して文書集合ポインタ
が設定される。

【００４７】そして、ユーザが検索キーワードを入力す
ると、キーワード変換部１０９が、その検索キーワード
を単語、または単語リストに変換する。すると、単語に
変換された場合には、単語検索部１１０が単語格納部１
０５内の単語トライに基づいて、該当する単語を検索す
る。該当する単語が存在していれば、その単語に対応す
る文章集合ポインタが抽出される。その文書集合ポイン
タにより、その単語を含む全ての文書の識別子を取得で
きる。

【００４８】また、キーワード変換部１０９でキーワー
ドが単語リストに変換された場合には、複合語検索部１
１１により、単語リストが単語トライの位置を示す情報
に数値化され、数値化された単語リストに基づいて、複
合語格納部１０８内の複合語トライから該当するアドレ
ス値リストが検索される。そのアドレス値リストに対応
する文書集合ポインタ出力される。その文書集合ポイン
タにより、その単語リストの元となった複合語を含む全
ての文書の識別子を取得できる。

【００４９】このようにして、複合語をキーワードとし
た文書検索が、少ない記憶容量で可能となる。次に第３
の実施の形態について説明する。第３の実施の形態は、
定型文書の項目名などを含めて検索対象とするものであ
る。この実施の形態に必要な構成要素は、第２の実施の
形態と同様であるため、図１０に示した構成の各要素の
符号を用いて、本実施の形態を説明する。

【００５０】この実施の形態では、文書格納部１０１に
は、定型文書が格納されている。文書索引生成部１０２
が定型文書に対する形態素解析処理を行う際には、定型
文書内のフィールドごとにタグを割り当てる。具体例と
して、公開特許公報を検索対象文書と考えることにす
る。まず、公開特許公報を大きく４つのフィールドに分
類する。４つのフィールドとして、「書誌事項」、「要
約」、「請求項」、「詳細な説明」を考え、それぞれ、
［書誌事項］、［要約］、［請求項］、［詳細な説明］
というタグを割り当てる。つぎに、それぞれのフィール
ドに含まれるサブフィールドにも同様にしてタグを割り
当てる。例えば、「書誌事項」のフィールドについてみ
ると、「発明の名称」、「発明者」のサブフィールドが
存在し、それぞれに、［発明の名称］、［発明者］とい
うタグを割り当てる。次に、文書索引生成部１０２は、
検索対象の文書集合からキーワードを抽出する。抽出し
たキーワードには、そのキーワードが出現したフィール
ドに割り当てられたタグを、上位の階層のタグから順番
にキーワードの後ろに付与しておく。例えば、「検索装
置」というキーワードが、公開特許公報の「書誌事項」
というフィールド内の「発明の名称」というサブフィー
ルドに現れたとすると、このキーワードには「［書誌事
項］［発明の名称］」というタグが付与される。その結
果として「検索装置［書誌事項］［発明の名称］」とい
うキーワードが得られる。

【００５１】単語分割部１０３は、文書索引生成部１０
２が生成した文書索引（内容はキーワード集合である）
に形態素解析を施し、各キーワードを単語もしくは単語
リストに変換する。変換後の単語もしくは単語リストに
も、その単語等が出現したフィールドを示すタグが付加
される。

【００５２】図１２は、タグ付けされたキーワードの例
を示す図である。図に示すように、キーワードが出現し
たフィールドを示すタグが、そのキーワードに付与され
ている。

【００５３】このようなタグ付けされたキーワードに基
づいて、単語トライ作成部１０４が単語トライを生成
し、そのトライ・インデックスを単語格納部１０５に格
納する。

【００５４】図１３は、単語トライのトライ・インデッ
クスを示す図である。本実施の形態では、キーワードが
出現するフィールドの名称も１つの辺節のラベルとな
る。このような単語トライが作成されると、数値変換部
１０６が単語リストに含まれる単語を、単語トライ中の
アドレスに置き換え、複合語トライ作成部１０７が複合
語トライを作成する。

【００５５】図１４は、複合語トライのトライ・インデ
ックスを示す図である。前述の実施の形態と同様に、ラ
ベルとして単語トライ上でのアドレス値が設定されてい
る。このような、単語トライと複合語トライとが格納さ
れた状態で、ユーザがキーワードと、そのキーワードが
出現する定型文書内のフィールドの指定を入力する。す
ると、キーワード変換部１０９が、入力されたキーワー
ドおよびキーワードが出現する定型文書内のフィールド
の指定を受け取る。そして、キーワード変換部１０９に
より、入力キーワードが単語または単語リストに変換さ
れ、指定された文書内のフィールドに対応したタグが、
変換された単語または単語リストに付与される。その他
の点に関しては、第２の実施の形態の場合と同様であ
る。例えば、入力として、「書誌事項」の「発明の名
称」に現れる「検索装置」というキーワードが与えられ
たとき、キーワード変換部１０９によって「検索［書誌
事項］［発明の名称］／装置［書誌事項］［発明の名
称］」というタグ付き単語リストが得られる。

【００５６】その後、第２の実施の形態と同様に、単語
検索部１１０が単語格納部１０５の単語トライから、同
じタグが付加された単語を検索し、対応する文書集合ポ
インタを出力する。また、複合語検索部１１１が複合語
格納部１０８の複合語トライから、同じタグが付加され
た複合語を、数値化された単語リストにより検索し、対
応する文書集合ポインタを出力する。

【００５７】このようにして、定型文書における単語及
び複合語の出現するフィールドを特定して文書検索を行
うことができ、より高い検索適合率を得ることができ
る。しかも、キーワードにタグ付けした場合でも、複合
語であるキーワードを格納する記憶容量は、タグ付けさ
れない場合と同等ですむ。

【００５８】次に第４の実施の形態について説明する。
第４の実施の形態は、複合語トライの辺節のラベルとし
て、単語トライにおける各単語の文書集合ポインタの値
を用いたものである。すなわち、単語に対応している文
書集合ポインタをすべて異なる値とすると、文書集合ポ
インタの値によって単語を一意に識別することができる
ため、この情報を用いることが可能となる。

【００５９】この実施の形態の構成要素は、第２の実施
の形態と同様であるため、図１０に示した構成を用いて
本実施の形態を説明する。なお、数値変換部１０６、複
合語トライ作成部１０７、複合語格納部１０８、及び複
合語検索部１１１の機能以外は、第２の実施の形態や第
３の実施の形態と同じである。

【００６０】数値変換部１０６は、単語リスト内の単語
を、単語トライ内の該当する単語の文書集合ポインタに
置き換える。複合語トライ作成部１０７は、数値変換部
１０６より置き換えられた文書集合ポインタの値をラベ
ルとして、複合語トライを作成する。作成された複合語
トライは、トライ・インデックスとして複合語格納部１
０８に格納される。例えば、図１３の単語トライに基づ
いて複合語トライを作成すると、以下のようになる。

【００６１】図１５は、ラベルとして文書集合ポインタ
を用いた複合語のトライ・インデックスを示す図であ
る。これは、複合語を構成する各単語が、その単語が単
語格納部１０５内の単語トライにおいて対応づけられて
いる文書集合へのポインタの値によって置き換えられて
いる。例えば、「検索［書誌事項］［発明の名称］」に
遷移する辺節のラベルは、「０」であり、「装置［書誌
事項］［発明の名称］」に遷移する辺節のラベルは、
「２」である。この複合語トライの内容は、図１４に示
したものと同等である。

【００６２】そして、複合語検索部１１１が複合語を検
索する際には、単語格納部１０５内の単語トライから、
単語リスト内の各単語に対応する文書集合ポインタの値
を取得する。そして、文書集合ポインタに置き換えられ
た単語リストに該当する複合語（文書集合ポインタの値
のリストに数値化されて格納されている）を、複合語ト
ライから検索し、該当した複合語に対応する文書集合ポ
インタを出力する。

【００６３】このように、単語に対応している文書集合
ポインタをすべて異なる値とすれば、文書集合ポインタ
を用いて複合語トライを作成することが可能である。以
下に、本発明と従来技術との索引容量（単語格納部と複
合語格納部とに必要な記憶容量）の比較結果を示す。対
象とした文書集合は、「１９９７年最初に発行された特
許公開公報ＣＤ−ＲＯＭ１枚」である。この文書集合に
は、４８００件の文書が含まれており、それらの総容量
は約１０７ＭＢ（メガバイト）である。

【００６４】このような文書集合に対して、第１の従来
技術を用い、単語と複合語との双方をキーワードとして
インデックスに登録した場合と、本発明の第２の実施の
形態を用いた場合とで索引容量を比較した。その結果、
従来技術の４８．６％の索引容量で、本発明の実施の形
態における単語トライと複合語トライとを作成すること
ができた。また、複合語の語数は、単語の語数の４倍で
あったにもかかわらず、複合語トライの容量は、単語ト
ライの容量の７７％であった。

【００６５】なお、上記の処理機能は、コンピュータに
よって実現することができる。その場合、キーワード検
索装置及び文書検索装置が有すべき機能の処理内容は、
コンピュータで読み取り可能な記録媒体に記録されたプ
ログラムに記述されており、このプログラムをコンピュ
ータで実行することにより、上記処理がコンピュータで
実現される。コンピュータで読み取り可能な記録媒体と
しては、磁気記録装置や半導体メモリ等がある。市場を
流通させる場合には、ＣＤ−ＲＯＭ(Compact Disk Read
Only Memory) やフロッピーディスク等の可搬型記録媒
体にプログラムを格納して流通させたり、ネットワーク
を介して接続されたコンピュータの記憶装置に格納して
おき、ネットワークを通じて他のコンピュータに転送す
ることもできる。コンピュータで実行する際には、コン
ピュータ内のハードディスク装置等にプログラムを格納
しておき、メインメモリにロードして実行する。

【００６６】

【発明の効果】以上説明したように本発明のキーワード
検索装置では、複合語を数値化して複合語格納手段に格
納し、検索する際にも、複合語を数値化した単語リスト
を用いて複合語の検索を行うようにしたため、複合語を
格納するのに必要な記憶容量が少なくなる。

【００６７】また、本発明の文書検索装置では、複合語
を数値化し、その複合語を含む文書の集合を示す文書集
合ポインタとともに複合語格納手段に格納し、検索する
際にも、複合語を数値化した単語リストを用いて複合語
の検索を行うようにしたため、少ない記憶容量で、複合
語をキーワードとした文書検索が可能となる。

【００６８】また、本発明のキーワード検索プログラム
を記録したコンピュータ読み取り可能な記録媒体では、
記録されたキーワード検索プログラムをコンピュータで
実行させることにより、複合語を数値化して複合語格納
手段に格納し、検索する際にも、複合語を数値化した単
語リストを用いて複合語の検索を行うような処理をコン
ピュータに行わせることが可能となる。

【００６９】また、本発明の文書検索プログラムを記録
したコンピュータ読み取り可能な記録媒体では、記録さ
れた文書検索プログラムをコンピュータで実行させるこ
とにより、複合語を数値化し、その複合語を含む文書の
集合を示す文書集合ポインタとともに複合語格納手段に
格納し、検索する際にも、複合語を数値化した単語リス
トを用いて複合語の検索を行うような処理をコンピュー
タに行わせることが可能となる。

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】本発明の第１の実施の形態を示すブロック図で
ある。

【図３】検索対象となるキーワード集合の例を示す図で
ある。

【図４】変換後のキーワード集合を示す図である。

【図５】各単語から構成されたトライを示す図である。

【図６】単語格納部に格納されるトライ・インデックス
の例を示す図である。

【図７】数値変換部が生成するアドレス値リストを示す
図である。

【図８】複合語のトライを示す図である

【図９】複合語のトライ・インデックスを示す図であ
る。

【図１０】本発明の第２の実施の形態を示すブロック図
である。

【図１１】文書索引の抽出例を示す図である。

【図１２】タグ付けされたキーワードの例を示す図であ
る。

【図１３】単語トライのトライ・インデックスを示す図
である。

【図１４】複合語トライのトライ・インデックスを示す
図である。

【図１５】ラベルとして文書集合ポインタを用いた複合
語のトライ・インデックスを示す図である。

【符号の説明】

１ 単語格納手段 ２ 複合語格納手段 ３ キーワード変換手段 ４ 単語検索手段 ５ 複合語検索手段

Claims (13)

【特許請求の範囲】
1. 【請求項１】 複合語の集合の中から、検索条件に合致
   した複合語を検索するキーワード検索装置において、 複合語を構成している単語を格納している単語格納手段
   と、 複合語を構成している単語を、前記単語格納手段内で一
   意に識別可能な数値に置き換えて、各複合語を格納して
   いる複合語格納手段と、 複合語による検索キーワードが入力されると、前記検索
   キーワードを複数の単語に変換し、単語リストとして出
   力するキーワード変換手段と、 前記キーワード変換手段の出力した単語リストに含まれ
   る単語を前記単語格納手段から検索することにより、各
   単語を一意に識別可能な数値に変換し、数値に変換され
   た単語リストにより、前記複合語格納手段から複合語を
   検索する複合語検索手段と、 を有することを特徴とするキーワード検索装置。
2. 【請求項２】 前記単語格納手段は、複合語を構成して
   いる単語に加え、個別のキーワードとして用いられる単
   語も格納しており、 単語の検索キーワードが入力された場合には、入力され
   た単語を前記単語格納手段から検索する単語検索手段を
   更に有することを特徴とする請求項１記載のキーワード
   検索装置。
3. 【請求項３】 前記複合語格納手段は、各単語を一意に
   識別可能な数値として、前記単語格納手段に格納されて
   いる単語の位置情報が用いられており、 前記複合語検索手段は、各単語を一意に識別可能な数値
   に変換する際には、各単語の前記単語格納手段内におけ
   る位置情報に変換することを特徴とする請求項１記載の
   キーワード検索装置。
4. 【請求項４】 前記複合語格納手段は、各単語を一意に
   識別可能な数値として、前記単語格納手段に格納されて
   いる単語を含む文書の集合を示す文書集合ポインタが用
   いられており、 前記複合語検索手段は、各単語を一意に識別可能な数値
   に変換する際には、各単語を、それぞれの単語を含む文
   書の集合を示す文書集合ポインタに変換することを特徴
   とする請求項１記載のキーワード検索装置。
5. 【請求項５】 キーワード集合が入力されると、入力さ
   れたキーワード集合に含まれる複合語を分割し、単語リ
   ストとして出力する単語分割手段と、 前記キーワード集合に含まれる単語と、前記単語分割手
   段が出力した単語リストに含まれる単語とを含む単語ト
   ライを作成し、前記単語格納部に格納する単語トライ作
   成手段と、 前記単語分割手段により生成された単語リスト内の単語
   を、前記単語格納手段内の単語トライにおける位置情報
   に置き換える数値変換手段と、 前記数値変換手段により数値化された単語リストを用い
   て複合語トライを作成し、前記複合語格納手段に格納す
   る複合語トライ作成手段と、 を更に有することを特徴とする請求項１記載のキーワー
   ド検索装置。
6. 【請求項６】 文書の集合の中から、入力された複合語
   を含む文書を検索する文書検索装置において、 複合語を構成している単語が格納されている単語格納手
   段と、 複合語を構成している単語が、前記単語格納手段に格納
   されている単語を一意に識別可能な数値に置き換えら
   れ、各複合語を含む文書の集合を示す文書集合ポインタ
   と各複合語とが対応づけて格納されている複合語格納手
   段と、 複合語による検索キーワードが入力されると、前記検索
   キーワードを複数の単語に変換し、単語リストとして出
   力するキーワード変換手段と、 前記キーワード変換手段の出力した単語リストに含まれ
   る単語を前記単語格納手段から検索することにより各単
   語を一意に識別可能な数値に変換し、数値に変換された
   単語リストにより、前記複合語格納手段から複合語を検
   索し、該当する複合語に対応づけられた文書集合ポイン
   タを出力する複合語検索手段と、 を有することを特徴とする文書検索装置。
7. 【請求項７】 前記単語格納手段は、個別に検索のキー
   ワードとなる単語と、複合語を構成している単語とを、
   各単語を含む文書の集合を示す文書集合ポインタと対応
   づけて格納しており、 単語の検索キーワードが入力された場合には、入力され
   た単語を前記単語格納手段から検索し、検出された単語
   に対応する文書集合ポインタを出力する単語検索手段を
   更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。
8. 【請求項８】 前記複合語格納手段は、各単語を一意に
   識別可能な数値として、前記単語格納手段に格納されて
   いる単語の位置情報が用いられており、 前記複合語検索手段は、各単語を一意に識別可能な数値
   に変換する際には、各単語の前記単語格納手段内におけ
   る位置情報に変換することを特徴とする請求項６記載の
   文書検索装置。
9. 【請求項９】 前記複合語格納手段は、各単語を一意に
   識別可能な数値として、前記単語格納手段に格納されて
   いる単語を含む文書の集合を示す文書集合ポインタが用
   いられており、 前記複合語検索手段は、各単語を一意に識別可能な数値
   に変換する際には、各単語を、それぞれの単語を含む文
   書の集合を示す文書集合ポインタに変換することを特徴
   とする請求項６記載の文書検索装置。
10. 【請求項１０】 文書に含まれるキーワードの集合から
    文書索引を生成する文書索引生成手段と、 前記文書索引生成手段により生成された文書索引内のキ
    ーワードに含まれる複合語を分割し、単語リストとして
    出力する単語分割手段と、 前記文書索引内のキーワードに含まれる単語と、前記単
    語分割手段が出力した単語リストに含まれる単語とを含
    む単語トライを作成し、前記単語格納部に格納する単語
    トライ作成手段と、 前記単語分割手段により生成された単語リスト内の単語
    を、前記単語格納手段内の単語トライにおける位置情報
    に置き換える数値変換手段と、 前記数値変換手段により数値化された単語リストを用い
    て複合語トライを作成し、前記複合語格納手段に格納す
    る複合語トライ作成手段と、 を更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。
11. 【請求項１１】 前記単語格納手段は、複数のフィール
    ドからなる定型文書内の単語に対して、単語が出現する
    フィールドを示すタグを付加しており、 前記複合語格納手段は、複数のフィールドからなる定型
    文書内の複合語に対して、複合語が出現するフィールド
    を示すタグを付加しており、 前記キーワード変換手段は、複合語による検索キーワー
    ドと、前記検索キーワードが出現しているフィールドの
    指定とが入力された場合には、前記検索キーワードを変
    換後の単語リストに対して、指定されたフィールドに応
    じたタグを付加し、 前記複合語検索手段は、数値に変換された単語リストと
    タグとにより、タグで示されたフィールドに存在する複
    合語を検索することを特徴とする請求項６記載のキーワ
    ード検索装置。
12. 【請求項１２】 複合語の集合の中から、検索条件に合
    致した複合語を検索するためのキーワード検索プログラ
    ムを記録したコンピュータ読み取り可能な記録媒体にお
    いて、 複合語を構成している単語を格納している単語格納手
    段、 複合語を構成している単語を、前記単語格納手段内で一
    意に識別可能な数値に置き換えて、各複合語を格納して
    いる複合語格納手段、 複合語による検索キーワードが入力されると、前記検索
    キーワードを複数の単語に変換し、単語リストとして出
    力するキーワード変換手段、 前記キーワード変換手段の出力した単語リストに含まれ
    る単語を前記単語格納手段から検索することにより、各
    単語を一意に識別可能な数値に変換し、数値に変換され
    た単語リストにより、前記複合語格納手段から複合語を
    検索する複合語検索手段、 としてコンピュータを機能させることを特徴とするキー
    ワード検索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。
13. 【請求項１３】 文書の集合の中から、入力された複合
    語を含む文書を検索するための文書検索プログラムを記
    録したコンピュータ読み取り可能な記録媒体において、 複合語を構成している単語が格納されている単語格納手
    段、 複合語を構成している単語が、前記単語格納手段に格納
    されている単語を一意に識別可能な数値に置き換えら
    れ、各複合語を含む文書の集合を示す文書集合ポインタ
    と各複合語とが対応づけて格納されている複合語格納手
    段、 複合語による検索キーワードが入力されると、前記検索
    キーワードを複数の単語に変換し、単語リストとして出
    力するキーワード変換手段、 前記キーワード変換手段の出力した単語リストに含まれ
    る単語を前記単語格納手段から検索することにより各単
    語を一意に識別可能な数値に変換し、数値に変換された
    単語リストにより、前記複合語格納手段から複合語を検
    索し、該当する複合語に対応づけられた文書集合ポイン
    タを出力する複合語検索手段、 としてコンピュータを機能させることを特徴とする文書
    検索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。