JPH11203313A - 文書検索装置および記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 検索語が長い場合においても文書の検索処理
を高速に実行する。 【解決手段】 部分検索式生成手段１は、複数の検索語
が論理演算子によって結合された検索式を入力し、それ
ぞれの検索語を先頭から１文字ずつずらしながら２文字
ずつ文字列として切り出して論理積演算子によって結合
する。処理順序最適化手段２は、該当する文書の数が少
ない順に各文字列の処理順序を最適化する。検索手段３
は、処理順序最適化手段２によって最適化された検索式
を入力し、その式に該当する文書を記録装置５から検索
する。検索制御手段４は、検索手段３が各検索語を検索
中に、検索候補の数が所定の回数以上連続して一定であ
る場合には、次の検索語の処理に移行させる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書検索装置およ
び記録媒体に関し、特に、少なくとも１つ以上の検索語
が論理演算子によって結合されて形成された検索式が入
力され、その検索式に対応する文書を検索する文書検索
装置および記録媒体に関する。

【０００２】

【従来の技術】複数の検索語が論理積演算子によって結
合されて生成された検索式を用いて、データベース等に
格納されている文書等のデータを検索する場合、検索語
の順序を適宜変更することにより処理時間を短縮するこ
とが可能となる。

【０００３】即ち、３つ以上の検索語が論理積演算子に
よって結合されて生成された検索式に基づいて検索を実
行する場合、検索候補の少ない検索語から順に実行する
のが最も効率が良い。

【０００４】ここで、3 つの検索語をＷ１，Ｗ２，Ｗ３
で表わし、論理積演算子を「＆」で表わし、また、Ｗ
１，Ｗ２，Ｗ３を含む文書の論理積を、Ｗ１＆Ｗ２＆Ｗ
３と表わすことにする。各検索語を含む文書の数が、Ｗ
３，Ｗ２，Ｗ１の順に少ない場合、まず、Ｗ３とＷ２に
関する候補を検索してＷ３＆Ｗ２を実行し、その結果得
られた集合をＲ１として記憶し、次に、Ｗ１に関する候
補を検索してＲ１＆Ｗ１を実行すると最も効率的に処理
できる。

【０００５】以上の方法をデータベースにおける検索処
理に適用する方法が、特開平３−５２０６８号公報に示
されている。この方法では、先ず、第１の論理条件式内
の各条件を満足するレコードの数を得る。続いて、レコ
ードの個数の少ない順番に論理条件式内の条件の順序を
並べ替えた第２の論理条件式を作成し、第２の論理条件
式にしたがって検索を実行することによって処理速度を
向上させている。

【０００６】

【発明が解決しようとする課題】ところで、検索対象で
ある文書（テキスト情報）の先頭の文字から１文字ずつ
ずらしながら連続する２文字を切り出し、その全ての２
文字列を検索キーとして記録装置に記録している文書検
索装置に対して、「富士スラックス株式会社」という検
索条件を入力した場合を考える。即ち、「富士スラック
ス株式会社」という語を含む文書を検索する場合につい
て考える。

【０００７】その場合、先ず、入力された検索語「富士
スラックス株式会社」が、「富士＆士ス＆スラ＆ラッ＆
ック＆クス＆ス株＆株式＆式会＆会社」という検索式に
展開される。そして、先頭の語から検索処理が実行され
るとともに、得られた検索候補の間で論理積演算が実行
される。

【０００８】このような方法では、「富士、士ス、...
、会社」の全ての２文字列を、離れた位置に含む文書
（ノイズ）も検索の結果として与えられるが、「富士ス
ラックス株式会社」という語を含む文書が漏れることは
ない。

【０００９】しかしながら、このような検索方法では、
長い検索語が入力されると、論理積演算が多く発生し、
処理が遅くなるという問題があった。そこで、前述した
ように、検索式に含まれている２文字列の順序を検索候
補の数に応じて並べ替えて、論理積演算の順序を最適化
することにより処理速度を向上させることも考えられる
が、検索語の語長が長い場合には充分な速度の向上を達
成できないという問題点もあった。

【００１０】本発明は以上のような点に鑑みてなされた
ものであり、２文字列を利用して検索する場合であっ
て、特に長い検索語を処理する場合に、処理時間を短縮
することができる文書検索装置を提供することを目的と
する。

【００１１】

【課題を解決するための手段】本発明に係わる文書検索
装置では、上記課題を解決するために、少なくとも１つ
以上の検索語が論理演算子によって結合されて形成され
た検索式が入力され、その検索式に対応する文書を検索
する文書検索装置において、前記検索式に含まれている
各検索語を複数の文字列に分割した後、論理積演算子に
より結合し、部分検索式を生成する部分検索式生成手段
と、前記部分検索式のそれぞれについて、処理順序を最
適化する処理順序最適化手段と、前記処理順序最適化手
段によって最適化された検索式に従って、検索対象とな
る文書が記録されている記録装置から該当する文書を検
索する検索手段と、前記検索手段がある文字列まで処理
した検索候補数と、所定の個数だけ前の文字列まで処理
した検索候補数との差分に応じて前記検索手段を制御し
て次の部分検索式の検索処理に移行させる検索制御手段
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。

【００１２】ここで、部分検索式生成手段は、検索式に
含まれている各検索語を複数の文字列に分割した後、論
理積演算子により結合し、部分検索式を生成する。処理
順序最適化手段は、部分検索式のそれぞれについて、処
理順序を最適化する。検索手段は、処理順序最適化手段
によって最適化された検索式に従って、検索対象となる
文書が記録されている記録装置から該当する文書を検索
する。検索制御手段は、検索手段がある文字列まで処理
した検索候補数と、所定の個数だけ前の文字列まで処理
した検索候補数との差分に応じて検索手段を制御して、
次の部分検索式の検索処理に移行させる。

【００１３】

【発明の実施の形態】図1 は本発明の実施の形態の構成
例を示す図である。同図において、部分検索式生成手段
１は、入力された検索式を構成している各検索語を、最
初の語から１文字ずつずらしながら２文字ずつ切り出す
ことによって部分検索式を生成する。ここで、部分検索
式とは、検索式を構成する検索語を２文字列と論理積演
算子との結合によって再構成したものを示している。

【００１４】処理順序最適化手段２は、部分検索式を構
成している２文字列の処理順序を決定する（最適化す
る）。検索手段３は、処理順序が決定された検索式に応
じて、記録装置５に記録されている文書を検索し、検索
候補を取得する。

【００１５】検索制御手段４は、検索手段３が各部分検
索式を対象として検索を実行している場合に、検索の候
補の数が変動しなくなったことを検知し、次の部分検索
式に移行するように検索手段３を制御する。

【００１６】記録装置５は、少なくとも、登録した文書
のテキスト情報の先頭の文字から１文字ずつずらしなが
ら連続する２文字を順次切り出した２文字列と登録した
文書を特定する文書番号とを対応付けて記録している。
なお、文書番号と文書の内容とを対応付けて記録させて
もよい。また、２文字列とその２文字列を含む文書数と
を対応付けて記録させてもよい。

【００１７】次に、この文書検索装置で文書を検索する
際の処理の一例について説明する。図２は図１の文書検
索装置において実行される処理の一例を説明するフロー
チャートである。このフローチャートが開始されると、
以下のような処理が実行されることになる。なお、以下
の例では、検索式として「富士スラックス株式会社＆フ
ルカラー複写機」が入力された場合、即ち、「富士スラ
ックス株式会社」という語と「フルカラー複写機」とい
う語の両方を含む文書を得るための検索式が入力された
場合を例に挙げて説明する。 ［Ｓ１］検索式が入力されると、部分検索式生成手段１
は、検索式に含まれている検索語のそれぞれを２文字列
に分割し、論理積演算子によって結合する。

【００１８】いま、前述のように、検索式として「富士
スラックス株式会社＆フルカラー複写機」が入力された
とすると、この検索式を構成している検索語「富士スラ
ックス株式会社」と「フルカラー複写機」からは、部分
検索式「富士＆士ス＆スラ＆ラッ＆ック＆クス＆ス株＆
株式＆式会＆会社」と「フル＆ルカ＆カラ＆ラー＆ー複
＆複写＆写機」とが生成される。なお、検索式は複数の
検索語と任意の論理演算子とからなる論理式を対象とす
ることが可能である。また、このようにして生成された
検索式を以下では展開後検索式と呼び、更に、展開後検
索式の検索語に対応する部分、例えば、( 富士＆士ス＆
・・・＆会社) を部分検索式と呼ぶことにする。 ［Ｓ２］処理順序最適化手段２は、部分検索式生成手段
１から展開後検索式を受け取り、各部分検索式に含まれ
ている論理積演算を効率的に実行できるように処理の順
序を最適化する。なお、処理の順序を最適化する方法と
しては、例えば、記録装置５に対して、検索の対象とな
る文書から切り出した２文字列とその２文字列を含む文
書数とを対応付けて記録しておき、部分検索式に含まれ
る２文字列が含まれる文書数を適宜読み出して、その値
が小さい順に２文字列を並べ替える方法が考えられる。

【００１９】また、２文字列の文字の並びパターンによ
って、処理の順序を設定することも可能である。図３
は、２文字列のパターンとその重み値とを対応付けたテ
ーブルの一例である。この例では、ヒット件数が少ない
（全ての文書中に出現する頻度が低い）文字パターンほ
ど、大きな重み値となるように設定してある。例えば、
パターン番号「２」では「カタカナ」に「漢字」が続く
パターンはその出現頻度が低いため重み値が「＋２」に
設定してあり、一方、パターン番号「５」では、「漢
字」に「ひらがな」が続くパターンはその出現頻度が高
いことから重み値が「−２」に設定してある。なお、図
３のパターン番号「１」に示した「偶数番目の文字」
は、検索語の先頭の文字か、または、「かな」、「漢
字」、などの文字種が変わった場合に変わった先頭の文
字を１文字目とした場合に「偶数番目」に配置される文
字を示している。

【００２０】このようなテーブルを用いて処理順序を最
適化する場合には、先ず、図３のテーブルに示したパタ
ーンと２文字列とを比較し、該当するパターンが存在す
る場合にはその重み値を順次加算し、最終的な値を処理
の優先度として優先度の値が大きい順に２文字列の順序
を最適化する。なお、優先度の値が等しい場合は、どち
らを先に配置しても構わない。

【００２１】例えば、「富士」は図３に示したどのパタ
ーンにも該当しないので、優先度は「０」である。「士
ス」はパターン番号「４」に該当するので、優先度は
「＋２」ある。「ラッ」はパターン番号１とパターン番
号「９」に該当するので、優先度は「０」（＝＋１−
１）である。

【００２２】図４は、部分検索式「富士スラックス株式
会社」に含まれている２文字列の優先度を計算した結果
を表わした図である。また、図５は、部分検索式「フル
カラー複写機」に含まれている２文字列の優先度を計算
した結果を表わした図である。

【００２３】このようにして得られた優先度に基づい
て、２つの部分検索式を最適化すると、次のようにな
る。ただし、検索処理は部分検索式の左側から実行され
るものとする。

【００２４】( 士ス＆ス株＆クス＆式会＆富士＆スラ＆
ラッ＆株式＆会社＆ック) ( ー複＆ルカ＆ラー＆写機＆フル＆カラ＆複写)ここ
で、処理順序を設定した部分検索式を特に「順序設定済
み部分検索式」と呼び、また、部分検索式の順序を設定
した展開後検索式（２文字列の論理積の結合として表さ
れた検索式）を特に「順序設定済み展開後検索式」と呼
ぶことにする。 ［Ｓ３］処理順序最適化手段２は、未処理の部分検索式
があるか否かを判定する。その結果、未処理の部分検索
式があると判定した場合にはステップＳ２に戻り、ま
た、未処理の部分検索式がないと判定した場合にはステ
ップＳ４に進む。なお、ステップＳ４以降では、順序設
定済みの展開後検索式に従って、検索処理が順次実行さ
れる。 ［Ｓ４］検索制御手段４は、検索未処理の箇所があるか
否かを判定する。その結果、検索未処理の箇所があると
判定した場合にはステップＳ６に進み、また、検索未処
理の箇所がないと判定した場合にはステップＳ５に進
む。 ［Ｓ５］検索手段３は、検索結果を出力する。 ［Ｓ６］検索制御手段４は、検索未処理の箇所が部分検
索式であるか否かを判定する。その結果、検索未処理の
箇所が部分検索式であると判定した場合には、ステップ
Ｓ８に進み、また、未処理の箇所が部分検索式ではない
と判定した場合にはステップＳ７に進む。 ［Ｓ７］検索手段３は、記録装置５に記録されている文
書から該当する文書を検索する。 ［Ｓ８］検索手段３は、順序設定済み部分検索式から次
の文字列を抽出し、該当する文書を記録装置５から検索
する。 ［Ｓ９］検索制御手段４は、順序設定済みの部分検索式
において、未処理の文字列が存在しているか否かを判定
する。その結果、未処理の部分が存在すると判定した場
合には、ステップＳ１０に進み、また、未処理の部分が
存在しないと判定した場合にはステップＳ８に戻る。 ［Ｓ１０］検索制御手段４は、残りの文字列に対する検
索処理を実行しても結果が同じになる可能性が高いか否
か（終了可能か否か）を判定する。その結果、終了可能
であると判定した場合には、残りの文字列に対する検索
処理を省略し、その時点での結果を、その順序設定済み
部分検索式における結果とし、ステップＳ４に戻る。ま
た、終了可能ではないと判定した場合にはステップＳ８
に戻る。

【００２５】なお、検索制御手段４における終了判定の
方法としては、例えば、論理積演算を３回以上実行した
場合において、２回前の論理積演算を実行した時のヒッ
ト件数と、現在のヒット件数とを比較して、ヒット件数
が同じであれば、残りの論理積演算を実行しても結果は
同じになる可能性が高いと判定する方法などが考えられ
る。

【００２６】例えば、順序設定済み部分検索式「士ス＆
ス株＆クス＆式会＆富士＆スラ＆ラッ＆株式＆会社＆ッ
ク」において、「士ス＆ス株＆クス＆式会」まで処理し
た時点でのヒット件数と、「士ス＆ス株＆クス＆式会＆
富士＆スラ」まで処理した時点でのヒット件数が同じで
あったとすると、残りの「ラッ＆株式＆会社＆ック」の
処理を省略し、その分の処理時間を短縮する。

【００２７】また、もうひとつの順序設定済み部分検索
式「ー複＆ルカ＆ラー＆写機＆フル＆カラ＆複写」にお
いて、「ー複＆ルカ＆ラー＆写機＆フル」の時点で処理
を終了したとすると、検索式全体としては、（士ス＆ス
株＆クス＆式会＆富士＆スラ）＆( ー複＆ルカ＆ラー＆
写機＆フル) だけを実行することになる。

【００２８】このようにして、全ての順序設定済み部分
検索式に対する処理が終了すると、前述のステップＳ４
においてＮＯと判定され、ステップＳ５において検索処
理結果（例えば、該当した文書番号のリスト）が出力さ
れることになる。

【００２９】以上に示したように、本実施の形態では検
索制御手段４がステップＳ１０において終了可能である
と判定すれば、順序設定済み部分検索式内の処理を終了
し、次の順序設定済み部分検索式の処理に移行するの
で、検索処理を高速化することが可能となる。

【００３０】なお、以上の実施の形態においては、２回
前の検索結果と現在の検索結果とを比較してヒット件数
が等しい場合には処理を終了するようにしたが、例え
ば、これらの差分値が所定の閾値よりも小さい場合には
処理を終了するようにしてもよい。

【００３１】また、以上の実施の形態においては、検索
語を２文字ずつの文字列に分割するようにしたが、例え
ば、３文字ずつの文字列に分割してもよいことは言うま
でもない。

【００３２】更に、高速検索モードと通常検索モードを
選択できるようにしておき、高速検索モードが選択され
た場合は本実施例の手順で処理し、通常検索モードが選
択された場合には順序設定済み部分検索式内の処理を全
て実行するようにすることもできる。

【００３３】最後に、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、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。

【００３４】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。

【００３５】

【発明の効果】以上説明したように本発明の文書検索装
置は、検索語を２文字列と論理積演算子とからなる部分
検索式に展開し、この部分検索式に従って処理を実行す
る途中の段階で、ヒット件数の変化に応じて処理を終了
可能か否かを判定できる構成としたので、長い検索語が
入力された場合には、検索処理に要する処理時間を短縮
することができる。

【図面の簡単な説明】

【図１】本発明の実施の形態の構成例を示す図である。

【図２】図１の実施の形態において実行される処理の一
例を説明するフローチャートである。

【図３】２文字列パターンとその重み値とを対応付けた
テーブルの一例である。

【図４】２文字列の優先度を計算した結果を表した図で
ある。

【図５】２文字列パターンとその重みの値を対応付けて
示した他の図である。

【符号の説明】

１ 部分検索式生成手段 ２ 処理順序最適化手段 ３ 検索手段 ４ 検索制御手段 ５ 記憶装置

Claims (4)

【特許請求の範囲】
1. 【請求項１】 少なくとも１つ以上の検索語が論理演算
   子によって結合されて形成された検索式が入力され、そ
   の検索式に対応する文書を検索する文書検索装置におい
   て、 前記検索式に含まれている各検索語を複数の文字列に分
   割した後、論理積演算子により結合し、部分検索式を生
   成する部分検索式生成手段と、 前記部分検索式のそれぞれについて、処理順序を最適化
   する処理順序最適化手段と、 前記処理順序最適化手段によって最適化された検索式に
   従って、検索対象となる文書が記録されている記録装置
   から該当する文書を検索する検索手段と、 前記検索手段がある文字列まで処理した検索候補数と、
   所定の個数だけ前の文字列まで処理した検索候補数との
   差分に応じて前記検索手段を制御して次の部分検索式の
   検索処理に移行させる検索制御手段と、 を有することを特徴とする文書検索装置。
2. 【請求項２】 前記部分検索式生成手段は、各検索語の
   先頭から１文字ずつずらしながら連続する２文字を順次
   切り出して得られた文字列を、論理積演算子によって結
   合することにより、前記部分検索式を生成することを特
   徴とする請求項１記載の文書検索装置。
3. 【請求項３】 前記記録装置は、文書の先頭から１文字
   ずつずらしながら連続する２文字を順次切り出して得ら
   れた文字列とその文書を特定するための情報とを関連付
   けて記録していることを特徴とする請求項１記載の文書
   検索装置。
4. 【請求項４】 少なくとも１つ以上の検索語が論理演算
   子によって結合されて形成された検索式が入力され、そ
   の検索式に対応する文書をコンピュータに検索させるた
   めのプログラムを記録したコンピュータ読み込み可能な
   記録媒体において、 前記検索式に含まれている各検索語を複数の文字列に分
   割した後、論理積演算子により結合し、部分検索式を生
   成する部分検索式生成手段、 前記部分検索式のそれぞれについて、処理順序を最適化
   する処理順序最適化手段、 前記処理順序最適化手段によって最適化された検索式に
   従って、検索対象となる文書が記録されている記録装置
   から該当する文書を検索する検索手段、 前記検索手段が所定の部分検索式の所定の文字列を検索
   対象として得られた検索候補の数と、それよりも所定の
   個数だけ前の文字列を検索対象として得られた検索候補
   の数の差分が所定の値よりも小さい場合には、前記検索
   手段を制御して次の部分検索式の検索処理に移行させる
   検索制御手段、 としてコンピュータを機能させるためのプログラムを記
   録したコンピュータ読み込み可能な記録媒体。