JPH11316764A - 構造化文書の検索方法および装置および構造化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 - Google Patents

構造化文書の検索方法および装置および構造化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

Info

Publication number
JPH11316764A
JPH11316764A JP10136127A JP13612798A JPH11316764A JP H11316764 A JPH11316764 A JP H11316764A JP 10136127 A JP10136127 A JP 10136127A JP 13612798 A JP13612798 A JP 13612798A JP H11316764 A JPH11316764 A JP H11316764A
Authority
JP
Japan
Prior art keywords
document
logical structure
identification information
search
character string
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP10136127A
Other languages
English (en)
Other versions
JP3696731B2 (ja
Inventor
Katsumi Tada
勝己 多田
Natsuko Sugaya
菅谷　　奈津子
Tadataka Matsubayashi
忠孝 松林
Takuya Okamoto
卓哉 岡本
Yasushi Kawashita
靖司 川下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP13612798A priority Critical patent/JP3696731B2/ja
Priority to US09/300,594 priority patent/US6496820B1/en
Publication of JPH11316764A publication Critical patent/JPH11316764A/ja
Priority to US10/218,495 priority patent/US6826567B2/en
Application granted granted Critical
Publication of JP3696731B2 publication Critical patent/JP3696731B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99932—Access augmentation or optimizing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y10S707/99935—Query augmenting and refining, e.g. inexact access

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【課題】 構造化文書を対象として目的とする論理構造
を指定する構造指定検索において、検索対象に指定した
論理構造のテキスト長を用いた適合度算出処理を高速に
実現することにある。 【解決手段】 文書をデータベースに登録する際、指定
された論理構造中の検索タームの出現頻度を抽出するた
めの検索用インデクスである出現頻度抽出用インデクス
を作成すると共に、登録対象文書中の各文字に対して該
当文字に対応する論理構造の識別子と構造長を格納した
構造長インデクスを作成し、検索時にはこれらのインデ
クス群を参照し、その結果得られた出現頻度と構造長を
用いて検索結果文書に対する適合度を算出する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】SGML(Standard Generalized
Markup Language)形式で記述された文書などのように、
１件の文書が複数の論理構造で構成される構造化文書に
対し、目的とする論理構造だけを対象とした検索を行な
う構造指定検索において、検索結果文書に対して検索条
件に対する適合度に応じた得点付けを行なう構造化文書
の検索方法および装置に関する。
【０００２】
【従来の技術】近年、情報化社会の急速な親展に伴い、
ワードプロセッサやパーソナルコンピュータなどを用い
て作成される電子化文書情報も爆発的な勢いで増加しつ
つある。このような状況下で、蓄積された膨大な電子化
文書群の中から、必要とする情報を含んだ文書を高速か
つ高精度に検索したいという要求が高まっている。この
ような要求に応える技術として全文検索がある。全文検
索では、登録時に登録対象文書中のテキスト全体を計算
機システムに入力してデータベース化し、検索時には該
当データベース中からユーザの指定した文字列（以下、
検索タームと呼ぶ）を含む全ての文書を探し出すことに
より、登録時にキーワード付けを行なうことなく、目的
とする文書を漏れなく検索することが可能である。
【０００３】しかし、全文検索技術を大規模な文書デー
タベースに対して適用した場合には、以下に示す二つの
問題が発生する。まず第一に、検索結果文書中から目的
とする文書を探し出すのに時間がかかるという問題が生
じる。つまり、大規模な文書データベースを対象として
検索を実行した場合には、検索結果として得られる文書
の数も膨大なものになる。これらの文書中に、目的とす
る文書が含まれているか否かを判断するためには、これ
らの文書全ての内容を読んで理解する必要があり、この
処理に膨大な時間を要することになる。また、新たに検
索条件を加えることにより検索結果文書を絞り込む方法
も考えられるが、この方法では新たに加えた検索条件に
よって、もとの検索結果中に含まれていた目的とする文
書が排除され、検索漏れとなってしまう可能性があると
いう問題がある。
【０００４】また、第二に全文検索による検索結果には
検索ノイズが多く含まれるという問題が生じる。つま
り、“検索システム”に関する特許明細書を探す目的
で、“検索”という文字列を検索タームに指定して全文
検索を実行した場合には、“論理アドレスと物理アドレ
ス間の変換テーブルを検索する”などの言い回しを実施
例中に含む“プロセッサ”に関する特許明細書がノイズ
として検索されてしまう。
【０００５】これらの問題のうち、検索結果文書から目
的とする文書の抽出処理の効率化に対しては、検索結果
文書に対し指定された検索条件に対する適合度に応じた
得点付けを行い、この得点順に検索結果文書の一覧を表
示するスコアリング機能が提案されている。この方法に
よると、ユーザは得点の高い文書から順に、該当文書が
目的の文書であるか否かの判定を行うことができる。ま
た、ある得点以下の文書を判定の対象から外すことによ
り効率的に検索結果文書の判定を行うことができる。こ
のように、検索結果文書に対し検索条件に対する適合度
算出方法の一例が、「Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔ
ｒｉｅｖａｌ」(PRENTICE HALL発行、William B.Frake
s, Ricardo Baeza-Yates著)（以下、文献１と呼ぶ）に
示されている。
【０００６】また、第二の問題である検索ノイズの削減
に対しては、検索の対象とする論理構造を指定する構造
指定検索が提案されている。この方式を用いると、先述
した“検索システム"に関する特許明細書を探す場合に
「産業上の利用分野」の構造を検索対象に指定し、その
中に“検索”という文字列が含まれる明細書だけを抽出
することができる。その結果、先述した「実施例」中に
“検索”という文字列が含まれるプロセッサに関する特
許などはノイズとして検索結果から省くことができる。
このように、SGML(ISO 8879:Standard Generalized Mar
kup Language)で記述された文書などのように、１件の
文書が複数の論理構造で構成される文書（以下、構造化
文書と呼ぶ）に対して、目的とする論理構造だけを対象
に指定する構造指定検索を実現する方式の一例として、
特願平９−４１８５５号（以下、文献２と呼ぶ）を提案
している。
【０００７】以下、文献１と文献２の概略を説明する。
文献１では、検索結果の各文書中に指定された検索ター
ムが出現した回数（以下、検索タームの出現頻度と呼
ぶ）と各文書のテキスト長を用いて、以下に示す算出式
を用いて検索結果文書の適合度算出を行なう方法が記載
されている。 ｎｆｒｅｑij ＝（ｌｏｇ2(ｆｒｅｑij ＋ １)）／ｌｏ
ｇ2(ｌｅｎｇｔｈi) ただし、ｆｒｅｑij：検索タームiの文書jにおける出現
頻度 ｌｅｎｇｔｈi：文書Iのテキスト長 すなわち、検索頻度の出現頻度だけを用いて適合度の算
出を行なった場合には、各文書のテキスト長による影響
が考慮されないため、検索条件に対する正確な適合度が
えられない。つまり、100Bのテキスト中に９個の検索タ
ームを含む文書は、1MBのテキスト中に10個の検索ター
ムを含む文書に比べて、検索タームの出現密度（該当文
書中での検索タームの出現確率）の点で高い得点が付け
られて然るべきであるにも係わらず、低い得点しか与え
られないことになる。この問題を解決するために、文献
１では上式に示した通りテキスト長ｌｅｎｇｔｈiを用
いた値で検索タームの出現頻度ｆｒｅｑijの正規化を行
なうことにより、精度の高い適合度の算出処理を実現し
ている。
【０００８】次に、文献２に示されている構造指定検索
の実現方法について説明する。本方式は、目的とする論
理構造だけを検索対象とすることにより、それ以外の論
理構造に検索タームが現われる文書を検索結果から除
き、全文検索における検索ノイズを低減することを目的
としたものである。
【０００９】本方式では、構造化文書をデータベースに
登録する際に、登録対象文書の持つ論理構造の解析を行
う。そして、文書の登録順に従って各文書の持つ論理構
造を順次重ね合わせ、文書中における出現位置および種
別が同じである論理構造の要素群および文字列データ群
を、それぞれ単一のメタ要素およびメタ文字列として代
表させることにより、メタ要素群およびメタ文字列デー
タ群（以下、これらを総称してメタノードと呼ぶ）によ
る木構造データを作成する。そして、これらのメタノー
ドを識別するための一意の識別子（以下、文脈識別子と
呼ぶ）を付与することにより、文書データベース中の全
文書の論理構造を表わすインデクス（以下、構造インデ
ックスと呼ぶ）を作成する。
【００１０】次に、登録対象文書について該当文書中に
含まれる全ての文字列と、前記構造インデックスにおけ
るメタ文字列データの識別子との対応関係を記録したデ
ータ(以下、構造化全文データ)を生成する。さらに、登
録対象文書に関する構造化全文データにおいて、各文字
列から所定の部分文字列を抽出し、それらを文書データ
ベース中で識別するための文書識別子、メタ文字列デー
タの文脈識別子および登録対象文書中での文字位置と対
応付けたデータ（構造化文字位置情報）として登録する
ことにより検索用のインデクスを生成する。以上が、本
文献における一連の登録処理である。
【００１１】そして、検索時には、始めに前記構造イン
デックスを参照し、検索対象に指定された構造に対応す
るメタ文字列データの文脈識別子を抽出する。次に、検
索タームから所定の部分文字列を抽出し、各部分文字列
について検索用のインデクスを参照することにより、検
索タームを構成する部分文字列に関する構造化文字位置
情報を抽出する。最後に、各部分文字列の構造化文字位
置情報について、これらの隣接判定処理を行なう。すな
わち、検索タームを構成する各部分文字列の構造化文字
位置情報から検索対象に指定した論理構造に対応する文
脈識別子を持つものを抽出し、その中で指定された検索
タームと同じ部分文字列の並びを持つ文書の文書識別子
を抽出することにより構造指定検索を実現している。以
上が、文献２における登録処理およひ検索処理の概要で
ある。
【００１２】次に、本文献における登録処理例につい
て、図を用いて概略の説明をする。本例では、図２に示
す構造化文書が登録された場合に、まず論理構造の解析
処理を行う。
【００１３】そして、その論理構造を既登録文書におけ
る論理構造と重ね合わせることにより、図３に示す構造
インデックスを生成する。次に、登録対象文書中の文字
列について、図３に示す構造インデックスにおけるメタ
文字列データの文脈識別子を対応付けることにより、図
４に示す構造化全文データを生成する。さらに、検索用
インデクスの生成処理として図４に示す構造化全文デー
タ中の内容文字列から、本文献では隣り合う２文字の文
字列を部分文字列として抽出する。そして、各部分文字
列に対して該当する文書識別子、文脈識別子および文書
中での文字位置の組を構造化文字位置情報として追記、
登録することにより検索用のインデクスを生成する。こ
の結果、例えば“ガー”および“ード”について図５に
示すインデクスが生成される。
【００１４】次に、検索時の処理例として“段落”の論
理構造中に検索ターム“ガード”が含む文書を検索する
際の処理について説明する。検索時には、はじめに図３
に示す構造インデックスから、検索対象の論理構造であ
る“段落”に該当する文字列データの文脈識別子として
文脈識別子C7,C8,C9,C16,C17,C131を抽出する。次に、
検索用インデクスの作成時と同様に、検索ターム“ガー
ド”から隣り合う２文字の文字列として“ガー”および
“ード”を抽出する。
【００１５】そして、検索用インデクスから“ガー”お
よび“ード”に関する構造化文字位置情報を抽出し、そ
の中で検索対象構造に該当するメタ文字列データの文脈
識別子（本例では，C7,C8,C9,C16,C17,C131）のいずれ
かに該当するものを取得する。最後に、こうして得られ
た構造化文字位置情報をもとに、図６に示すように文書
識別子および文脈識別子が同一であり、かつ文字位置が
隣り合うものを判定することにより、“段落”の論理構
造中に検索ターム“ガード”が含まれる文書を検索する
ことが可能になる。
【００１６】
【発明が解決しようとする課題】しかし、文献１におけ
る検索結果に対する適合度の算出方式を構造指定検索に
適用しようとすると、以下に示す問題が生じる。まず、
検索対象に指定した論理構造中の検索タームの出現頻度
を正規化するためのテキスト長として文書全体のテキス
ト長を用いた場合には、他の論理構造に関する文字列お
よびタグなどの論理構造を記述するための制御用の文字
列の影響を受けることになり、正しい適合度を算出する
ことができない。そして、検索対象に指定した論理構造
のテキスト長（以下、構造長と呼ぶ）を用いて適合度の
算出処理を行なうためには、検索時間が長大化してしま
うという問題が生じる。
【００１７】すなわち、図３に示す論理構造を持つ文書
データベースを対象として、構造長の取得する手段とし
て、図７に示すように、全登録文書について予め各論理
構造のテキスト長を格納した構造長テーブル群を作成す
る方式が考えられる。しかし、この方法では検索時に検
索タームがヒットした文書数分、構造長テーブル群を参
照する必要が生じる。この構造長テーブル群は、１エン
トリを４B、文書の登録件数を100万件とし、文書データ
ベースにおけるメタ要素の数を400とした場合に、1.6GB
（＝４B×1,000,000×400）の容量となる。つまり，構
造長テーブル群は磁気ディスクなどの２次記憶上に格納
されることになり、これをヒットした文書数分アクセス
することになるため検索時間が長大化してしまう。例え
ば、磁気ディスク上のデータを１回アクセスするのに要
する時間を20msとし、検索タームのヒットした文書数を
1,000件とすると、構造長テーブル群の参照に20秒（＝2
0ms×1,000）の時間を要することになる。
【００１８】また、各構造の構造長を図５に示す検索用
インデクス中に格納する方式も考えられるが、この方式
では、検索用インデクスの容量が図８に示すように膨大
化してしまう。つまり、図８において“ガー”の先頭の
構造化文字位置情報（文字列データの文脈識別子：C1
6）は図３からも分かるように“段落”の論理構造（文
脈識別子E22）に属するだけでなく“節”の論理構造
（文脈識別子E21）にも属している。また、“章”の論
理構造（文脈識別子E19）にも属している。このよう
に、該当する構造化文字位置データは“段落”の論理構
造（文脈識別子E22）を対象とした検索の場合のみなら
ず、“節”の論理構造（文脈識別子E21）など、上位の
論理構造を対象とした検索の場合にも参照される。この
ため、これらの上位の論理構造の構造長も格納しておく
必要がある。また、これらの構造長は検索タームを構成
する全ての文字列からも読み出されることになる。つま
り、本方式では検索用インデクスの容量が大きくなるだ
けでなく、検索時に読み出す構造化文字位置文字データ
の容量の増加につながり、検索に要する時間が著しく長
大化するという問題がある。
【００１９】本発明の目的は、適合度算出に用いる論理
構造の構造長を高速に取得でし、この論理構造の構造長
により適合度算出処理を高速に実現し、精度の高い検索
を検索性能を低下させることなく実現することにある。
【００２０】
【課題を解決するための手段】上記目的を達成するた
め、本発明は、予め登録された文書の集合を対象とし
て、指定された論理構造中に指定された文字列を含む文
書を検索するステップと、検索結果文書について指定さ
れた検索条件に対する適合度を算出する適合度算出ステ
ップを有する文書検索方法において、前記適合度算出ス
テップが、適合度算出に用いる検索対象に指定された論
理構造に含まれる文字列のテキスト長を抽出する構造長
抽出ステップを有するようにしている。
【００２１】また、予め登録された文書の集合を対象と
して、指定された文字列を含む文書の検索を行なう文書
検索方法において、文書の登録を行なう処理が、登録対
象文書に対し、検索時に指定された論理構造中に指定さ
れた検索タームを含む文書について該文書を一意に識別
するための識別情報と、該論理構造の識別情報と、該論
理構造中に検索タームの出現した回数とを抽出するため
の出現頻度抽出用インデクスを作成登録する出現頻度抽
出用インデクス作成登録ステップと、登録対象文書から
抽出した少なくとも１文字以上の部分文字列に対し、該
登録対象文書を一意に識別するため識別情報と、該部分
文字列に対応する論理構造の識別情報と該論理構造のテ
キスト長とを格納した構造長インデクスを作成登録する
構造長インデクス作成登録ステップを有するようにして
いる。
【００２２】また、文書の検索を行なう処理が、指定さ
れた検索タームについて前記登録された出現頻度抽出用
インデクスを参照し、該検索タームを指定された論理構
造中に含む文書の識別情報と、該論理構造の識別情報
と、該論理構造中に検索タームの出現した回数とを抽出
する出現頻度抽出ステップと、指定された検索タームか
ら所定の少なくとも１文字以上の部分文字列を１個以上
抽出し、該部分文字列に対し前記登録された構造長イン
デクスを参照することにより該文字列を含む文書の識別
情報と、該文字列の含まれる論理構造の識別情報と、該
論理構造の構造長とを抽出する構造長抽出ステップと、
前記出現頻度抽出ステップにより抽出された文書の識別
情報、該論理構造の識別情報および該論理構造中に検索
タームの出現した回数と、前記論理構造長抽出ステップ
により抽出された文書の識別情報、該文字列の含まれる
論理構造の識別情報および該論理構造の構造長を用いて
検索条件に対する適合度を算出する適合度算出ステップ
を有するようにしている。
【００２３】また、前記出現頻度抽出用インデクス作成
登録ステップにおいて作成登録される出現頻度抽出用イ
ンデクスは、登録対象文書から所定の部分文字列を抽出
し、該部分文字列に対し該文書を一意に識別するための
識別情報と、該部分文字列の含まれる該論理構造の識別
情報と、該部分文字列の登録対象文書中での位置情報を
格納した部分文字列抽出型の出現頻度抽出用インデクス
であるようにしている。
【００２４】また、検索タームから所定の部分文字列を
抽出し、該部分文字列に対し前記登録された部分文字列
抽出型の出現頻度情報抽出用インデクスを参照すること
により取得した該部分文字列の存在した文書の識別情
報、論理構造の識別情報、該文書中での文字位置譲をも
とに、該検索タームを含む文書の識別情報と、該検索タ
ームの含まれる該論理構造の識別情報と、該論理構造に
おける該検索タームの出現頻度とを抽出する出現頻度抽
出ステップと、指定された検索タームから所定の少なく
とも１文字以上の部分文字列を１個以上抽出し、該部分
文字列に対し前記登録された構造長インデクスを参照す
ることにより該文字列を含む文書の識別情報と、該文字
列の含まれる論理構造の識別情報と、該論理構造の構造
長とを抽出する構造長抽出ステップと、前記出現頻度抽
出ステップにより抽出された文書の識別情報、該論理構
造の識別情報および該論理構造中に検索タームの出現し
た回数と、前記論理構造長抽出ステップにより抽出され
た文書の識別情報、該文字列の含まれる論理構造の識別
情報および該論理構造の構造長を用いて検索条件に対す
る適合度を算出する適合度算出ステップを有するように
している。
【００２５】また、予め登録された文書の集合を対象と
して、指定された文字列を含む文書の検索を行なう文書
検索装置において、登録対象文書に対し、検索時に指定
された論理構造中に指定された検索タームを含む文書に
ついて該文書を一意に識別するための識別情報と、該論
理構造の識別情報と、該論理構造中に検索タームの出現
した回数とを抽出するための出現頻度抽出用インデクス
を作成登録する出現頻度抽出用インデクス作成登録手段
と、登録対象文書から抽出した少なくとも１文字以上の
部分文字列に対し、該登録対象文書を一意に識別するた
め識別情報と、該部分文字列に対応する論理構造の識別
情報と該論理構造のテキスト長とを格納した構造長イン
デクスを作成登録する構造長インデクス作成登録手段
と、指定された検索タームについて前記登録された出現
頻度抽出用インデクスを参照し、該検索タームを指定さ
れた論理構造中に含む文書の識別情報と、該論理構造の
識別情報と、該論理構造中に検索タームの出現した回数
とを抽出する出現頻度抽出手段と、指定された検索ター
ムから所定の少なくとも１文字以上の部分文字列を１個
以上抽出し、該部分文字列に対し前記登録された構造長
インデクスを参照することにより該文字列を含む文書の
識別情報と、該文字列の含まれる論理構造の識別情報
と、該論理構造の構造長とを抽出する構造長抽出手段
と、前記出現頻度抽出手段により抽出された文書の識別
情報、該論理構造の識別情報および該論理構造中に検索
タームの出現した回数と、前記論理構造長抽出手段によ
り抽出された文書の識別情報、該文字列の含まれる論理
構造の識別情報および該論理構造の構造長を用いて検索
条件に対する適合度を算出する適合度算出手段を有する
ようにしている。
【００２６】また、構造化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あり、登録対
象文書に対し、検索時に指定された論理構造中に指定さ
れた検索タームを含む文書について該文書を一意に識別
するための識別情報と、該論理構造の識別情報と、該論
理構造中に検索タームの出現した回数とを抽出するため
の出現頻度抽出用インデクスを作成登録する手順と、登
録対象文書から抽出した少なくとも１文字以上の部分文
字列に対し、該登録対象文書を一意に識別するため識別
情報と、該部分文字列に対応する論理構造の識別情報と
該論理構造のテキスト長とを格納した構造長インデクス
を作成登録する手順と、指定された検索タームについて
前記登録された出現頻度抽出用インデクスを参照し、該
検索タームを指定された論理構造中に含む文書の識別情
報と、該論理構造の識別情報と、該論理構造中に検索タ
ームの出現した回数とを抽出する手順と、指定された検
索タームから所定の少なくとも１文字以上の部分文字列
を１個以上抽出し、該部分文字列に対し前記登録された
構造長インデクスを参照することにより該文字列を含む
文書の識別情報と、該文字列の含まれる論理構造の識別
情報と、該論理構造の構造長とを抽出する手順と、前記
抽出された文書の識別情報、該論理構造の識別情報およ
び該論理構造中に検索タームの出現した回数と、前記抽
出された文書の識別情報、該文字列の含まれる論理構造
の識別情報および該論理構造の構造長を用いて検索条件
に対する適合度を算出する手順を実行させるようにして
いる。
【００２７】
【発明の実施の形態】本発明の適合度算出機能を備えた
構造化文書検索システムの第一の実施例を図１に示す。
本図に示す構造化文書検索システムは検索結果を表示す
るディスプレイ１０、登録および検索のコマンドを入力
するキーボード２０、登録処理および検索処理を実行す
る中央演算処理装置ＣＰＵ３０、フロッピディスクから
データを読み出すフロッピディスクドライバ４０、デー
タベースへ登録する構造化文書データを格納したフロッ
ピディスク５０、登録および検索用のプログラムならび
にデータなどを一時的に格納する主メモリ６０、各種デ
ータおよびプログラムを格納する磁気ディスク７０およ
びこれらを接続するバス８０で構成される。主メモリ６
０にはシステム制御プログラム１００、登録制御プログ
ラム１１０、検索制御プログラム１２０、出現頻度抽出
用インデクス作成登録プログラム１３０、構造長インデ
クス作成登録プログラム１４０、出現頻度抽出プログラ
ム１５０、構造長抽出プログラム１６０、適合度算出プ
ログラム１７０が磁気ディスク７０から読み出されると
ともに、ワークエリア１８０が確保される。また、磁気
ディスク７０には出現頻度抽出用インデクス格納領域２
００、構造長インデクス格納領域２１０、各種プログラ
ム格納領域２２０および各種テーブル格納領域２３０が
確保されている。なお、本実施例ではこれらの格納領域
を磁気ディスク上７０上に確保したが、光磁気ディスク
装置など他の二次記憶装置であっても構わない。以上が
本構造化文書検索システムの構成である。
【００２８】次に、本実施例に示す構造化文書検索シス
テムの文書登録時の処理の概要について説明する。本実
施例では、検索対象とする論理構造を識別する方法とし
て、文書登録の前に予め論理構造の型定義文を解析する
ことにより繰り返しを持つ論理構造を抽出し、その繰り
返し回数に上限値を設定することにより、各論理構造を
一意に識別するための識別子（構造識別子）および各構
造に対する文字列の識別子を固定的に割り振る方式につ
いて説明する。
【００２９】まず、本実施例では、文書の登録前に事前
に登録対象となる文書の論理構造を解析し、繰り返しの
ある論理構造を抽出しておく。すなわち、例えば、図２
に示す論理構造の文書においては、図１０（なお、本図
において繰り返しを持つ論理構造に対しては２重の枠線
で示している）に示す通り“執筆者”中の“氏名”、
“本文”中の“章”、さらに“文献リスト”の中の“文
献”が繰り返し構造として定義されている。また、
“章”中の“段落”、“節”および“備考”、さらに
“節”の下の“段落”、“項”および“備考”、そして
“項”の下の“段落”および“備考”が繰り返し構造で
あり、“文献リスト”の下位構造である執筆者が繰り返
し構造が繰り返し構造として定義されている。このよう
な繰り返し構造は構造化文書における論理構造の定義文
(例えば、本実施例に示すＳＧＭＬ文書においては文書
型定義ＤＴＤ(Document Type Definition、図９にその
例を示す)を参照することにより抽出することができ
る。
【００３０】そして、これらの繰り返し構造に対し、繰
り返し数の最大値を定義として１０を与えた場合の構造
の識別子ならびに各構造に対する文字列の識別子の割り
当て方式について説明する。まず、図１０に示す構造に
おいて、“論文”に対し構造識別子の初期値であるE1を
割り当てる。そして、最初に出現する“タイトル”の論
理構造に対して構造の識別子としてE2を割り当て、“タ
イトル”の構造には文字列データが格納されるため、対
応する文字列の識別子としてC1を割り当てる。次に“執
筆者”の構造に着目し、“執筆者”の論理構造に対し構
造の識別子E3を割り当て、その下位構造である、“執筆
者”に着目する。この“執筆者”の論理構造には、繰り
返しを持つ“名前”の構造が定義されているため、これ
らに対し１０個の構造識別子（E4〜E13まで）を割り当
て、各構造に関する文字列の識別子としてC2〜C11を割
り当てる。さらに、その後の現れる“日付”の論理構造
に対して構造の識別子としてE14を、文字列に対する識
別子としてC12を割り当てる。
【００３１】そして、次に“本文”の論理構造に着目す
る。ここでは、まず始めに“本文”の構造に対して構造
の識別子E15を割り当て“本文”の下位の論理構造であ
る“章”に着目する。ここで“章”は最大10回の繰り返
し回数を持つ構造と定義されるため、“1章”から“10
章”にかけて10個の構造識別子E16〜E25を割り当てる。
また、“章”の下位構造である“章題”についても同様
に“1章”の章題から“10章”の章題に対し、それぞれ
１個ずつ、合計10個の構造識別子E26〜E35と各構造に対
する文字列の識別子としてC13〜C22を割り当てる。さら
に、“段落”については“1章”から“10章”の各章に
対し、それぞれ“段落1”から“段落10”までの10個の
構造識別子を、すなわち100個の構造識別子E36〜E135を
割り当てるとともに、各構造に対し文字列の識別子C23
〜C122を割り当てる。
【００３２】そして、引き続き“節”の論理構造に着目
する。“節”についても“1章”から“10章”の各章に
ついて最大10節までが定義できることから、“1章1節”
から“10章10節”にかけて個別に構造の識別子を割り当
てることにより、合計100個の構造識別子E136〜E235を
割り当てる。以下、備考ならびに各節における“節
題”、“段落”、“項”および“節”の構造中の“備
考”に着目し、上記と同様の処理で構造識別子および文
字列の識別子を割り当てていくことにより、各論理構造
および文字列を一意に識別するための識別子を割り当て
ておく。
【００３３】また、これらの論理構造および文字列を一
意に識別するための識別子を、例えば図１１に示すデー
タ形式で論理構造の管理テーブルとして格納しておく。
なお、本図において矢印はポインタの差す値を表し、テ
ーブルデータ中の“rep”は繰り返し構造を持つことを
表す特殊コードを示す。また“rep”の右側の値“10”
は、繰り返しを持つ該当構造の最大繰り返し数が10であ
ることを示している。また、各構造が最下位の構造であ
るか、次の階層へのポインタ情報であるかは、各テーブ
ルの中の各エントリ値が文字列の識別子を表すC1、C2…
の系列値であるか、ノードへのポインタを表すptr1、ptr
2、…の系列値であるか否かにより識別することができ
る。以上が、本実施例における文書登録の前処理の内容
である。
【００３４】次に、本実施例における文書登録時の処理
について説明する。キーボード２０から文書の登録コマ
ンドが入力されると、システム制御プログラム１００は
登録制御プログラム１１０を起動し、図１２に示す文書
の登録処理を開始する。登録制御プログラム１１０は、
フロッピディスク５０に格納されている全ての登録対象
文書について、ステップ１００１からステップ１００４
までに示す一連の処理を繰り返し実行する（ステップ１
０００）。
【００３５】まず、ステップ１００１ではフロッピディ
スクドライバ４０を通じてフロッピディスク５０に格納
されている登録対象文書群から未処理の文書を１個選択
し、主メモリ６０上のワークエリア１８０に読み出す。
次に、ステップ１００２で、ステップ１００１で読み込
んだ登録対象文書に対し、文書データベース中で該当文
書を一意に識別するための番号である文書識別子を割り
当てる。
【００３６】さらに、ステップ１００３において主メモ
リ６０上の登録対象文書に対し出現頻度抽出用インデク
ス作成登録プログラム１３０を実行し、登録対象文書中
の全ての文字列に対し、該当文字列が含まれる論理構造
の識別子との対応関係を示した情報（構造化全文デー
タ）を主メモリ６０上のワークエリア１８０に格納す
る。そして、構造化全文データ中の文字列から全ての１
文字および互いに隣り合う２文字の文字列を抽出し、そ
れらの文字および文字列に対し検索用のインデクスを生
成し、磁気ディスク７０上の出現頻度抽出用インデクス
２００を追加し、更新する。
【００３７】最後に、ステップ１００４において、主メ
モリ６０上に格納された登録対象文書中の文字列と該当
文字列が含まれる論理構造の識別子の対応関係を示した
構造化全文データを入力として、構造長インデクス作成
登録プログラム１４０を実行する。そして、登録対象文
書中に出現した文字について、該当する文書識別子と各
文字の出現した論理構造の識別番号と該当論理構造の構
造長を組にして、磁気ディスク７０上に格納した構造長
インデクス２１０に追記、更新する。以上が本実施例に
おける登録処理の概要である。
【００３８】次に、図１２におけるステップ１００３と
ステップ１００４の詳細、すなわち本実施例における出
現頻度抽出用インデクス作成登録プログラム１３０の処
理手順および構造長インデクス作成登録プログラム１４
０の処理手順について説明する。
【００３９】まず、第一に、ステップ１００３における
出現頻度抽出用インデクス作成登録プログラム１３０の
処理手順を図１３に示すPADを用いて説明する。出現頻
度抽出用インデクス作成登録プログラム１３０では、ス
テップ１１００で、図１１に示す構造識別子管理テーブ
ルを参照しながら登録対象テキストの解析処理を行う。
具体的には、図２に示す登録文書中の構造名(“<”ない
しは“</”と“>”の間で区切られた文字列)と図１１に
示す構造識別子管理テーブル中の論理構造名を照らしあ
わせながら、登録文書中の論理構造を辿ることにより、
各文字列に対する構造識別子を抽出し、図１４に示す構
造化全文データを生成する。
【００４０】次にステップ１１０１で構造化全文データ
におけるテキスト（内容文字列）から全ての１文字およ
び互いに隣り合う２文字の文字列を抽出する。具体的に
は、例えば、図１４に示す構造化全文データ中のタイト
ルの構造（文字列の構造識別子：C1）に該当する内容文
字列「SGML文書変換言語の開発とその適用事例」から
“ S ”、“SG”、“G”、“GM”、“M”、“ML”、
“L”、“L文”、“文”、“文書”、・・・などを抽出
する。以下、同様にほかの論理構造中の内容文字列から
も全ての１文字および互いに隣り合う２文字の文字列を
抽出する。そして、ステップ１１０２においてステップ
１１０１で抽出した文字および文字列を木構造データと
して登録するとともに、該当文書の識別子と各文字列の
属する論理構造の識別子と各文字および文字列の出現し
た文字位置（２文字の文字列については、その前方の文
字の出現した位置）と併せてインデクスデータとして格
納する。
【００４１】すなわち、図１４に示した構造化全文デー
タにおいて“S”という文字列はC1(タイトル)の論理構
造の１文字目に出現していることから図１５における
“S”に該当するインデクス(IDX1)の１番目のエントリ
に文書識別子D1とともに、文字列の構造識別子C1と文字
位置“１”を格納する。また、“SG”についても同様に
文書識別子D1、文字列の構造識別子C1と文字位置“１”
を組みにして“SG”に該当するインデクス(IDX8)の１番
目のエントリに格納する。以下同様に、登録処理を繰り
返していく。
【００４２】さらに、“S”はC23(章1-段落1)の論理構
造8文字目およびC24(章1-段落2)の論理構造5文字目に出
現していることから、これらのデータを図２２における
“S”に該当するインデクス(IDX1)の２番目および３番
目のエントリに格納していく。以上が、本実施例におけ
る出現頻度抽出用インデクス作成登録プログラム１３０
の処理内容である。
【００４３】引き続き、図１２におけるステップ１００
４の詳細、すなわち本実施例における構造長インデクス
作成登録プログラム１４０の処理手順について図１６に
示すPADを用いて説明する。はじめに、構造長作成登録
プログラム１００４はステップ１２００で、登録対象文
書（図１７の例により後述）における各論理構造に現わ
れた文字の出現情報を記録するための構造別文字成分表
および各論理構造の構造長を算出するための構造長リス
ト（図１７の例により後述）の格納領域を主メモリ６０
上のワークエリア１８０にアロケートする。また、初期
設定として構造別文字成分表および構造長リストの各エ
ントリに‘０’を設定する。
【００４４】次に、ステップ１２０１で登録対象文書に
対応する構造化全文データにおける全ての内容文字列に
対しステップ１２０２からステップ１２０６までの一連
の処理を実行する。まず、ステップ１２０２では該当す
る内容文字列の属する、上位構造を含む全ての論理構造
について構造の識別子を取得する。そして、ステップ１
２０３で該当する内容文字列中の全ての文字列に対し
て、１文字の抽出（ステップ１２０４）、構造別文字成
分表の該当文字に対応するエントリに対してステップ１
２０２で取得した構造の識別子に対応するビットに
‘１’を設定し（ステップ１２０５）、構造長リストに
おけるステップ１２０２で取得した構造の識別子に対応
する値に１を加算することにより構造長データを更新す
る（ステップ１２０６）。以上の処理を内容文字列の末
尾まで繰り返すことにより、各論理構造の構造長および
各論理構造における各文字の出現情報を記録する。
【００４５】以上の処理により作成した構造別文字成分
表に対して、ステップ１２０７において全ての文字コー
ドに対応するエントリについて以下の処理を行う。すな
わち、構造別文字成分表の各文字コードのエントリに着
目し、‘１’が設定されているビットが存在するか否か
を判定し（ステップ１２０８）、‘１’が設定されてい
るビットが存在する場合には該当論理構造に対応する構
造の識別子を格納するとともに、該当構造識別子に対応
する構造長リストのデータを参照することにより取得
し、磁気ディスク７０上の構造長インデクス格納領域２
１０の該当文字のデータ末尾に追記する（ステップ１２
０９）。以上が、本実施例における構造長インデクス作
成登録プログラム１４０の処理内容である。
【００４６】さらに、図１４に示す構造化全文データが
登録された時の本プログラムの処理例について例を挙げ
て説明する。ステップ１２０１では、図１７に示す構成
で構造別文字成分表および構造長リストの格納領域のア
ロケートおよび初期設定を行う。次に、ステップ１２０
２における繰り返し処理では、まずはじめに図１４にお
ける構造化全文データにおける第一行目の内容文字列
（構造識別子C1）に着目する。そして、ステップ１２０
３では、図１１に示す構造識別子管理テーブルを上位か
ら探索し構造識別子C1を抽出することにより、構造識別
子C1に対応する内容文字列を含む論理構造の識別子とし
てE1およびE2を取得する。そして、ステップ１２０３で
は内容文字列“SGML文書変換言語の開発とその適用事
例”に着目し、ステップ１２０４では先頭文字である
“S”を抽出する。そして、ステップ１２０５で図１７
に示した構造別文字成分表の文字コード“S”のエント
リにおける構造の識別子E1とE2に該当するビットに
‘１’を設定する。そして、ステップ１２０６で構造長
リストにおけるE1とE2における値にそれぞれ１を加算す
ることにより、E1とE2に対する値に‘１’が設定される
ことになる。
【００４７】次に、ステップ１２０３では次の文字とし
て“G”を抽出し、ステップ１２０５で図１７に示した
構造別文字成分表の文字コード“G”のエントリにおけ
る構造識別子E1とE2に該当するビットに‘１’を設定す
る。そして、ステップ１１０６で構造長リストにおける
E1とE2における値にそれぞれ１を加算することにより、
E1とE2の値は‘２’となる。以下、同様の処理を
“M”、“L”、“文”、“書”、・・・について繰り返
す。そして、識別子C1に対応する内容文字列“SGML文書
変換言語の開発とその適用事例”について処理が終了す
ると、次の内容文字列“神奈川一郎”に着目し、ステッ
プ１２０２以下同様の処理を繰り返す。以上の処理を図
１４に示す構造化全文データ全体に繰り返すことによ
り、図１８に示す構造別文字成分表および構造長リスト
が生成されることになる。
【００４８】次に、ステップ１２０７における繰り返し
処理では構造別文字成分表（図１８）における各文字コ
ードに対応するエントリに着目する。すなわち、まずは
じめに図１８における構造別文字成分表の“a”に対応
するエントリに着目し、ステップ１２０８で‘１’が設
定されているビットが存在するか否かを判定する。そし
て“a”については‘１’が設定されているビットが存
在しないため、ステップ１２０９を実行することなく次
の文字コードに対応するエントリに着目する。そして、
例えば“G”のように‘１’が設定されているビットが
存在する場合には、ステップ１２０９で‘１’が設定さ
れている論理構造の識別子としてE1,E2,E8,E9,E11およ
びE12を抽出する。そして、それぞれの構造の識別子に
ついて構造長リストを参照することにより構造長を取得
する。こうして得られた構造の識別子と構造長の組（E1
と9,988，E2と20，E8と8,224，・・・）を文書識別子(D1)
と合わせて文字コード別に格納することにより図１９に
示す構造長インデクスを生成する。以上が、本実施例に
おける登録処理内容である。
【００４９】なお、本実施例では登録対象１件毎に磁気
ディスク７０上の出現頻度抽出用インデクス２００およ
び構造長インデクス２１０を更新する方式について述べ
たが、全ての登録対象文書に対する出現頻度抽出用イン
デクス情報および構造長インデクス情報を、主メモリ６
０上のワークエリア１８０に作成したあと、これらを一
括して磁気ディスク７０上の出現頻度抽出用インデクス
２００および構造長インデクス２１０を更新する方式で
あっても構わない。
【００５０】次に、検索時の処理について説明する。本
発明におけるドキュメント管理システムに対してネット
ワークを介してユーザから検索コマンドが入力される
と、システム制御プログラム１００は検索制御プログラ
ム１２０を起動し、文書の検索処理を開始する。
【００５１】文書検索時の処理を図２０に示すPADを用
いて説明する。始めに、検索制御プログラム１２０はス
テップ２０００で出現頻度抽出プログラム１５０を起動
する。出現頻度抽出プログラム１５０では、ユーザの指
定した検索条件で磁気ディスク７０上の出現頻度抽出用
インデクス格納領域２００に格納された出現頻度抽出用
インデクスあるいはこの内の一部または全部を主メモリ
６０上のワークエリア１８０に読み出したコピーを参照
し、指定された論理構造中に指定された検索タームが含
まれる文書の識別子、検索タームを含む論理構造の識別
子および検索タームの出現頻度を取得し、主メモリ６０
上のワークエリア１９０内に格納する。
【００５２】次に、検索制御プログラム１２０はステッ
プ２００１で構造長抽出プログラム１６０を起動し、登
録時に作成し磁気ディスク７０上の出現頻度抽出用イン
デクス格納領域２００に格納した構造長インデクスある
いはこの内の一部または全部を主メモリ６０上のワーク
エリア１８０に読み出したコピーを参照し、検索ターム
の含まれる論理構造に関する構造長を取得し、ワークエ
リア１８０内に格納する。
【００５３】最後に、検索制御プログラム１２０はステ
ップ２００２で適合度算出プログラム１７０を起動す
る。適合度算出プログラム１７０では、出現頻度抽出プ
ログラム１５０により得られた文書識別子、検索ターム
を含む論理構造の識別子および検索タームの出現頻度
と、構造長抽出プログラム１６０により得られた検索タ
ームの含まれる論理構造に関する構造長を用いて、検索
条件に対する適合度を算出する。
【００５４】これを検索結果文書の一覧情報の一部とし
て付加してユーザに返送し検索制御プログラム１２０を
終了する。なお、本処理のおける検索条件に対する適合
度の算出方法は、公知例１に開示してある算出式を用い
て算出した結果であっても構わない。以上が検索時の処
理の概要である。
【００５５】次に、図２０におけるステップ２０００お
よびステップ２００１の詳細、すなわち本実施例におけ
る出現頻度抽出プログラム１５０および構造長抽出プロ
グラム１６０の処理手順について用いて説明する。
【００５６】まず始めに、出現頻度抽出プログラム１５
０では図２１に示すPAD図におけるステップ２１００に
おいて、図１１に示す構造識別子の管理テーブルを参照
し、指定した論理構造に対応する文字列の構造識別子を
抽出する。次に、ステップ２１０１において指定された
検索タームの文字列をキーに図１５に示す出現頻度抽出
用インデクスの木構造データ部を探索することにより、
部分文字列に展開する。そしてステップ２１０２におい
て出現頻度抽出用インデクス２００を参照し、ステップ
２１０１で抽出した部分文字列に関するインデクスデー
タを読み出し、インデクス間の隣接判定処理を行うこと
により指定された検索タームが指定された論理構造中に
含まれる文書の識別子、構造の識別子、および検索ター
ムの出現頻度を抽出、処理を終了する。以上が、本実施
例における出現頻度抽出プログラム１５０の処理の概要
である。
【００５７】引き続き、構造長抽出プログラム１６０の
処理内容について図２２に示すPADを用いて説明する。
まず始めに、ステップ２２００において検索タームの先
頭一文字を抽出してくる。そしてステップ２２０１で
は、磁気ディスク７０上の構造長インデクス格納領域２
００に格納された構造長インデクス、または予め主メモ
リ６０上のワークエリア１８０に読み出された構造長イ
ンデクスの一部または全体のコピーから、ステップ２２
００において抽出した文字に関する情報を抽出すること
により、検索タームの先頭に位置する文字を含む文書識
別子、論理構造の識別子および該当構造の構造長を抽出
し主メモリ６０上のワークエリア１８０に読み込む。最
後にステップ２２０２では、ステップ２２０１で読み込
まれた文書識別子、論理構造の識別子および該当構造の
構造長のうち、検索対象に指定された論理構造に関する
情報のみを主メモリ６０上のワークエリア１９０内の別
領域にコピーする。以上が、本実施例における構造長抽
出プログラム１６０の処理内容である。
【００５８】これまで示した、本実施例における検索プ
ログラムの処理内容の詳細について、図１１に示す論理
構造の文書データベースに対し、タイトルの論理構造に
“SGML”という検索タームを含む文書の検索という条件
を指定した場合について具体的に例を挙げて説明する。
まず、図２１におけるステップ２１００において図１１
に示す構造識別子の管理テーブルを参照し、検索対象に
指定された論理構造である“論文”の下の“タイトル”
の論理構造に着目し、該当論理構造の識別子であるE2を
抽出する。そして、該当構造に含まれる全ての文字列に
関する構造識別子を抽出してくる。本例では、E2の構造
は最下位の論理構造であり、該当する文字列に関する構
造識別子としてはC1が抽出されることになる。そして、
ステップ２１０１において、検索タームである“SGML”
という文字の並びで図１５に示す出現頻度抽出用インデ
クスの木構造データ部を探索することにより、検索ター
ムを構成する部分文字列として“SG”と“ML”を抽出す
る。そして、インデクス格納部から該当するインデクス
(IDX8およびIDX10)を抽出する。そして、これらのイン
デクスから、検索対象構造である構造識別子C1に該当す
るものだけを抽出し、“SG”と“ML”のインデクスが同
一の文書識別子であり、同一の構造識別子C1であり、か
つ文字位置が２文字離れて隣接するものを抽出する。本
例では検索条件を満たす文書として文書識別子D1、構造
識別子としてC1、また出現頻度として“１”を抽出し、
この検索結果をワークエリア１８０に格納する。
【００５９】次に、構造長抽出プログラム１６０では検
索ターム“SGML”の先頭文字である“S”に着目し、構
造長インデクス（図１９）を参照し、“S”を含む論理
構造の文書識別子および構造長を取得する。構造長を取
得しワークエリア１８０に格納する。そして、適合度算
出プログラム１７０では、ワークエリア１８０に格納さ
れた“S”に関する構造長のうち検索対象構造の識別子
であるC1に対応するものを抽出し、検索タームの出現頻
度と合わせて各論理構造における検索結果の適合度算出
を行う。最後に、検索制御プログラム１２０は、以上の
処理によって各論理構造毎の検索条件に対する適合度を
受け取ると、これをシステム制御プログラム１００を介
して検索者に返送することにより検索処理を終了する。
以上が本実施例における文書検索時の処理内容である。
【００６０】なお、本実施例に示した文書の検索処理に
おける構造長インデクス作成登録ステップ１４０におい
て、図１６におけるステップ１２０６の構造長リスト値
の加算処理では内容文字列から抽出した１文字に対し常
に‘１’を加算することにより、構造長として文字数を
算出する方式について説明した。しかし、この加算処理
において、内容文字列から抽出した各文字のバイト長
（例えば、１バイト文字については‘１’、２バイト文
字については‘２’）を加算することにより、構造長と
して容量を算出することも可能である。
【００６１】このように、本発明によると構造指定検索
時に検索条件に合致した論理構造を高速に取得すること
が可能になり、検索対象に指定された論理構造における
検索タームを該当論理構造の構造長で正規化した精度の
高い検索を高速に実現できるようになる。なお、本発明
における構造指定検索における適合度算出方式では、構
造長の取得時に読み込む構造長インデクスの容量は約80
kB(構造識別子および構造長を4Bのデータとして扱い、1
0万件の文書データベースを対象として検索ターム先頭
文字の出現頻度確率を１％、また1文書中に検索ターム
を含む論理構造が平均で10個存在する条件を仮定)であ
り、大規模な文書データベースに対しても検索のレスポ
ンスをほとんど劣化させることはない。
【００６２】なお、本実施例では構造長インデクスの作
成時に登録対象文書から全ての１文字を抽出し、検索時
には検索タームから先頭の１文字を抽出する方式につい
て述べた。しかし、検索タームを構成する任意の文字に
関する構造長インデクスを参照することができることは
明らかである。また、文書の登録時に各文字に対応する
構造長インデクスデータの容量をテーブルとして格納し
ておき、検索時には、検索タームに含まれる文字に対し
該当テーブルを参照し、構造長インデクス容量の小さい
文字に関するデータを読み込むことにより、構造長イン
デクスを読み込む時間を短縮することも可能である。
【００６３】さらに、本実施例では登録対象文書から１
文字を抽出し、これを構造長インデクスに登録し、検索
時にも検索タームから１文字を抽出し、これに対し構造
長インデクスを参照する方式について述べた。しかし、
登録対象文書中の２文字以上の文字列に対しても、同様
の処理により構造長インデクスへの登録を行い、検索時
に検索タームから最長の部分文字列を抽出する方式であ
っても構わない。この方式により、構造長インデクスの
容量は増大し、データ登録に必要となる磁気ディスクの
容量の増加が考えられるが、検索時に読み込む構造長イ
ンデクスの容量を削減することができ、ひいては構造長
の抽出処理をさらに短縮することが可能になる。
【００６４】また、本実施例では登録対象文書中から抽
出した１文字に対して、文書識別子と該当文字を含む全
ての論理構造の識別子および構造長を格納しておき、検
索時には検索対象に指定されなかった論理構造に対する
識別子および構造長も含めた形で構造長を抽出し、適合
度算出ステップにおいて検索タームの存在した論理構造
に関する構造長のみを適合度算出に使用する方式につい
て述べた。しかし、構造長インデクス作成時に各論理構
造の構造長を論理構造毎に別々の領域に格納し、検索時
には検索タームから抽出した部分文字列について、検索
対象に指定された論理構造に関する構造長インデクスを
参照する方式を採ることによって、検索時に読み込む構
造長インデクスの容量を削減することができ、ひいては
構造長の抽出処理をさらに短縮することが可能になる。
【００６５】さらに、本実施例における出現頻度抽出用
インデクス作成登録プログラム１３０、出現頻度抽出用
プログラム１５０および出現頻度抽出用インデクス２０
０において、検索対象とする論理構造を識別するための
識別子の付与する方法として、繰り返し構造を持つ論理
構造において、繰り返しの最大数（１０）を定義するこ
とにより、固定的に各論理構造を識別する識別子を付与
する方法について説明した。しかし、構造内での繰り返
し数の上限値を各構造に対し個別に設定することも可能
である。また、公知例２において開示されているよう
に、各登録文書において出現した論理構造を重ねあわせ
ていくことにより、無駄な構造の識別子を割り振ること
なく構造の上限値にとらわれないように構造の識別子を
管理する方法であっても構わない。
【００６６】最後に、本実施例における出現頻度抽出用
インデクス作成登録プログラム１３０、出現頻度抽出用
プログラム１５０および出現頻度抽出用インデクス２０
０において、検索タームの出現した頻度を抽出するイン
デクスの作成方法としては、登録文書中の１文字および
隣り合う２文字の文字列に対してインデクスを作成する
方法について述べたが、その他の検索アルゴリズムとし
て公知例２において示されているように、隣り合う２文
字の文字列だけに対しインデクスを作成する方法であっ
ても構わない。また、１文字以上の部分文字列（２文
字、３文字…を含む）、辞書や形態素解析ないしは登録
文書中での出現頻度などの統計情報により抽出した単語
等のうち少なくとも１つ以上に対してインデクスを作成
する方法であっても構わない。さらに、オートマトンを
用いた文字列照合アルゴリズムを適用した方法などであ
っても構わない。
【００６７】
【発明の効果】本発明によると、予め作成した構造長イ
ンデクスを参照して検索タームに関する論理構造の構造
長を取得することにより、構造指定検索時に検索条件に
合致した論理構造の構造長を高速に取得することが可能
になり、ひいては検索対象に指定された論理構造におけ
る検索タームを該当論理構造の構造長で正規化した精度
の高い検索を検索性能を低下させることなく実現するこ
とが可能になる。
【図面の簡単な説明】
【図１】本発明の実施例における構成を示す図である。
【図２】ＳＧＭＬ形式で記述された構造化文書の例を示
す図である。
【図３】図２に示した構造化文書の論理構造を示す図で
ある。
【図４】公知例２における構造化全文データのデータ形
式を示す図である。
【図５】公知例２における検索用インデクスの構成を示
す図である。
【図６】公知例２における検索処理例を示す図である。
【図７】論理構造毎に、各文書識別子に対応する構造長
を構造長テーブルとして格納する方式例の概略を示す図
である。
【図８】公知例２において、各構造の構造長を検索用イ
ンデクス内に格納する方式の概略を示す図である。
【図９】構造化文書（SGML）における文書の型定義（DT
D）の例を示す図である。
【図１０】図２に示す構造化文書の論理構造を示す図で
ある。
【図１１】本発明の実施例における構造識別子管理テー
ブルの構成を示す図である。
【図１２】本発明の実施例における文書登録処理フロー
を示す図である。
【図１３】本発明の実施例における出現頻度抽出用イン
デクス作成登録プログラムの処理内容を示す図である。
【図１４】本発明の実施例における構造化全文データの
例を示す図である。
【図１５】本発明の実施例における出現頻度抽出用イン
デクスの内容を示す図である。
【図１６】本発明の実施例における構造長インデクス作
成登録プログラムの処理フローを示す図である。
【図１７】本発明の実施例における構造別文字成分表お
よび構造長リストの構成を示す図である。
【図１８】本発明の実施例における構造別文字成分表お
よび構造長リストの例を示す図である。
【図１９】本発明の実施例における構造長インデクスの
構成を示す図である。
【図２０】本発明の実施例における検索時の処理内容を
示す図である。
【図２１】本発明の実施例における出現頻度抽出プログ
ラムの処理フローを示す図である。
【図２２】本発明の実施例における構造長抽出プログラ
ムの処理フローを示す図である。
【符号の説明】
１０ ディスプレイ ２０ キーボード ３０ 中央演算処理装置ＣＰＵ ４０ フロッピディスクドライバ ５０ フロッピディスク ６０ 主メモリ ７０ 磁気ディスク ８０ バス １００ システム制御プログラム １１０ 登録制御プログラム １２０ 検索制御プログラム １３０ 出現頻度抽出用インデクス作成登録プログラム １４０ 構造長インデクス作成登録プログラム １５０ 出現頻度抽出プログラム １６０ 構造長抽出プログラム １７０ 適合度算出プログラム １８０ ワークエリア ２００ 出現頻度抽出用インデクス格納領域 ２１０ 構造長インデクス格納領域 ２２０ 各種プログラム格納領域 ２３０ 各種テーブル格納領域
───────────────────────────────────────────────────── フロントページの続き (72)発明者 岡本 卓哉 神奈川県川崎市幸区鹿島田890番地 株式 会社日立製作所情報・通信開発本部内 (72)発明者 川下 靖司 神奈川県横浜市戸塚区戸塚町5030番地 株 式会社日立製作所ソフトウェア開発本部内

Claims (7)

    【特許請求の範囲】
  1. 【請求項１】 予め登録された文書の集合を対象とし
    て、指定された論理構造中に指定された文字列を含む文
    書を検索するステップと、検索結果文書について指定さ
    れた検索条件に対する適合度を算出する適合度算出ステ
    ップを有する文書検索方法において、 前記適合度算出ステップが、適合度算出に用いる検索対
    象に指定された論理構造に含まれる文字列のテキスト長
    を抽出する構造長抽出ステップを有することを特徴とす
    る構造化文書の検索方法。
  2. 【請求項２】 予め登録された文書の集合を対象とし
    て、指定された文字列を含む文書の検索を行なう文書検
    索方法において、 文書の登録を行なう処理が、登録対象文書に対し、検索
    時に指定された論理構造中に指定された検索タームを含
    む文書について該文書を一意に識別するための識別情報
    と、該論理構造の識別情報と、該論理構造中に検索ター
    ムの出現した回数とを抽出するための出現頻度抽出用イ
    ンデクスを作成登録する出現頻度抽出用インデクス作成
    登録ステップと、 登録対象文書から抽出した少なくとも１文字以上の部分
    文字列に対し、該登録対象文書を一意に識別するため識
    別情報と、該部分文字列に対応する論理構造の識別情報
    と該論理構造のテキスト長とを格納した構造長インデク
    スを作成登録する構造長インデクス作成登録ステップを
    有することを特徴とする構造化文書の検索方法。
  3. 【請求項３】 請求項２記載の構造化文書の検索方法に
    おいて、 文書の検索を行なう処理が、指定された検索タームにつ
    いて前記登録された出現頻度抽出用インデクスを参照
    し、該検索タームを指定された論理構造中に含む文書の
    識別情報と、該論理構造の識別情報と、該論理構造中に
    検索タームの出現した回数とを抽出する出現頻度抽出ス
    テップと、 指定された検索タームから所定の少なくとも１文字以上
    の部分文字列を１個以上抽出し、該部分文字列に対し前
    記登録された構造長インデクスを参照することにより該
    文字列を含む文書の識別情報と、該文字列の含まれる論
    理構造の識別情報と、該論理構造の構造長とを抽出する
    構造長抽出ステップと、 前記出現頻度抽出ステップにより抽出された文書の識別
    情報、該論理構造の識別情報および該論理構造中に検索
    タームの出現した回数と、前記論理構造長抽出ステップ
    により抽出された文書の識別情報、該文字列の含まれる
    論理構造の識別情報および該論理構造の構造長を用いて
    検索条件に対する適合度を算出する適合度算出ステップ
    を有することを特徴とする構造化文書の検索方法。
  4. 【請求項４】 請求項２記載の構造化文書の検索方法に
    おいて、 前記出現頻度抽出用インデクス作成登録ステップにおい
    て作成登録される出現頻度抽出用インデクスは、登録対
    象文書から所定の部分文字列を抽出し、該部分文字列に
    対し該文書を一意に識別するための識別情報と、該部分
    文字列の含まれる該論理構造の識別情報と、該部分文字
    列の登録対象文書中での位置情報を格納した部分文字列
    抽出型の出現頻度抽出用インデクスであることを特徴と
    する構造化文書の検索方法。
  5. 【請求項５】 請求項４記載の構造化文書の検索方法に
    おいて、 検索タームから所定の部分文字列を抽出し、該部分文字
    列に対し前記登録された部分文字列抽出型の出現頻度情
    報抽出用インデクスを参照することにより取得した該部
    分文字列の存在した文書の識別情報、論理構造の識別情
    報、該文書中での文字位置譲をもとに、該検索タームを
    含む文書の識別情報と、該検索タームの含まれる該論理
    構造の識別情報と、該論理構造における該検索タームの
    出現頻度とを抽出する出現頻度抽出ステップと、 指定された検索タームから所定の少なくとも１文字以上
    の部分文字列を１個以上抽出し、該部分文字列に対し前
    記登録された構造長インデクスを参照することにより該
    文字列を含む文書の識別情報と、該文字列の含まれる論
    理構造の識別情報と、該論理構造の構造長とを抽出する
    構造長抽出ステップと、 前記出現頻度抽出ステップにより抽出された文書の識別
    情報、該論理構造の識別情報および該論理構造中に検索
    タームの出現した回数と、前記論理構造長抽出ステップ
    により抽出された文書の識別情報、該文字列の含まれる
    論理構造の識別情報および該論理構造の構造長を用いて
    検索条件に対する適合度を算出する適合度算出ステップ
    を有することを特徴とする構造化文書の検索方法。
  6. 【請求項６】 予め登録された文書の集合を対象とし
    て、指定された文字列を含む文書の検索を行なう文書検
    索装置において、 登録対象文書に対し、検索時に指定された論理構造中に
    指定された検索タームを含む文書について該文書を一意
    に識別するための識別情報と、該論理構造の識別情報
    と、該論理構造中に検索タームの出現した回数とを抽出
    するための出現頻度抽出用インデクスを作成登録する出
    現頻度抽出用インデクス作成登録手段と、 登録対象文書から抽出した少なくとも１文字以上の部分
    文字列に対し、該登録対象文書を一意に識別するため識
    別情報と、該部分文字列に対応する論理構造の識別情報
    と該論理構造のテキスト長とを格納した構造長インデク
    スを作成登録する構造長インデクス作成登録手段と、 指定された検索タームについて前記登録された出現頻度
    抽出用インデクスを参照し、該検索タームを指定された
    論理構造中に含む文書の識別情報と、該論理構造の識別
    情報と、該論理構造中に検索タームの出現した回数とを
    抽出する出現頻度抽出手段と、 指定された検索タームから所定の少なくとも１文字以上
    の部分文字列を１個以上抽出し、該部分文字列に対し前
    記登録された構造長インデクスを参照することにより該
    文字列を含む文書の識別情報と、該文字列の含まれる論
    理構造の識別情報と、該論理構造の構造長とを抽出する
    構造長抽出手段と、 前記出現頻度抽出手段により抽出された文書の識別情
    報、該論理構造の識別情報および該論理構造中に検索タ
    ームの出現した回数と、前記論理構造長抽出手段により
    抽出された文書の識別情報、該文字列の含まれる論理構
    造の識別情報および該論理構造の構造長を用いて検索条
    件に対する適合度を算出する適合度算出手段を有するこ
    とを特徴とする構造化文書の検索装置。
  7. 【請求項７】 登録対象文書に対し、検索時に指定され
    た論理構造中に指定された検索タームを含む文書につい
    て該文書を一意に識別するための識別情報と、該論理構
    造の識別情報と、該論理構造中に検索タームの出現した
    回数とを抽出するための出現頻度抽出用インデクスを作
    成登録する手順と、 登録対象文書から抽出した少なくとも１文字以上の部分
    文字列に対し、該登録対象文書を一意に識別するため識
    別情報と、該部分文字列に対応する論理構造の識別情報
    と該論理構造のテキスト長とを格納した構造長インデク
    スを作成登録する手順と、 指定された検索タームについて前記登録された出現頻度
    抽出用インデクスを参照し、該検索タームを指定された
    論理構造中に含む文書の識別情報と、該論理構造の識別
    情報と、該論理構造中に検索タームの出現した回数とを
    抽出する手順と、 指定された検索タームから所定の少なくとも１文字以上
    の部分文字列を１個以上抽出し、該部分文字列に対し前
    記登録された構造長インデクスを参照することにより該
    文字列を含む文書の識別情報と、該文字列の含まれる論
    理構造の識別情報と、該論理構造の構造長とを抽出する
    手順と、 前記抽出された文書の識別情報、該論理構造の識別情報
    および該論理構造中に検索タームの出現した回数と、前
    記抽出された文書の識別情報、該文字列の含まれる論理
    構造の識別情報および該論理構造の構造長を用いて検索
    条件に対する適合度を算出する手順を実行させる構造化
    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。
JP13612798A 1998-04-30 1998-04-30 構造化文書の検索方法および装置および構造化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 Expired - Fee Related JP3696731B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP13612798A JP3696731B2 (ja) 1998-04-30 1998-04-30 構造化文書の検索方法および装置および構造化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
US09/300,594 US6496820B1 (en) 1998-04-30 1999-04-28 Method and search method for structured documents
US10/218,495 US6826567B2 (en) 1998-04-30 2002-08-15 Registration method and search method for structured documents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP13612798A JP3696731B2 (ja) 1998-04-30 1998-04-30 構造化文書の検索方法および装置および構造化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

Publications (2)

Publication Number Publication Date
JPH11316764A true JPH11316764A (ja) 1999-11-16
JP3696731B2 JP3696731B2 (ja) 2005-09-21

Family

ID=15167949

Family Applications (1)

Application Number Title Priority Date Filing Date
JP13612798A Expired - Fee Related JP3696731B2 (ja) 1998-04-30 1998-04-30 構造化文書の検索方法および装置および構造化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

Country Status (2)

Country Link
US (2) US6496820B1 (ja)
JP (1) JP3696731B2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6269361B1 (en) * 1999-05-28 2001-07-31 Goto.Com System and method for influencing a position on a search result list generated by a computer network search engine
JP2003281186A (ja) * 2001-11-13 2003-10-03 Posco 類似性判断のための例題ベース検索方法及び検索システム
US6907566B1 (en) 1999-04-02 2005-06-14 Overture Services, Inc. Method and system for optimum placement of advertisements on a webpage
US7231395B2 (en) 2002-05-24 2007-06-12 Overture Services, Inc. Method and apparatus for categorizing and presenting documents of a distributed database
US7499874B2 (en) 1999-05-28 2009-03-03 Yahoo! Inc. Automatic flight management in an online marketplace
US8095526B2 (en) 2003-12-02 2012-01-10 Nec Corporation Efficient retrieval of variable-length character string data
US8260786B2 (en) 2002-05-24 2012-09-04 Yahoo! Inc. Method and apparatus for categorizing and presenting documents of a distributed database

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3696731B2 (ja) * 1998-04-30 2005-09-21 株式会社日立製作所 構造化文書の検索方法および装置および構造化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
EP1610494B1 (en) * 1999-07-06 2012-03-14 Canon Kabushiki Kaisha Searching devices on a network
JP2001109780A (ja) 1999-07-30 2001-04-20 Canon Inc 情報処理装置、情報処理システム、情報処理装置の制御方法及び記憶媒体
JP3754253B2 (ja) * 1999-11-19 2006-03-08 株式会社東芝 構造化文書検索方法、構造化文書検索装置及び構造化文書検索システム
US20040044659A1 (en) * 2002-05-14 2004-03-04 Douglass Russell Judd Apparatus and method for searching and retrieving structured, semi-structured and unstructured content
EP1508080A2 (en) * 2002-05-20 2005-02-23 Tata Infotech Ltd. Document structure identifier
US7424510B2 (en) * 2002-09-03 2008-09-09 X1 Technologies, Inc. Methods and systems for Web-based incremental searches
US20050010563A1 (en) * 2003-05-15 2005-01-13 William Gross Internet search application
US20040236724A1 (en) * 2003-05-19 2004-11-25 Shu-Yao Chien Searching element-based document descriptions in a database
US8458164B2 (en) * 2003-07-15 2013-06-04 International Business Machines Corporation Query model tool and method for visually grouping and ungrouping predicates
JP4247135B2 (ja) * 2004-02-10 2009-04-02 株式会社東芝 構造化文書記憶方法、構造化文書記憶装置、構造化文書検索方法
US20050210016A1 (en) * 2004-03-18 2005-09-22 Zenodata Corporation Confidence-based conversion of language to data systems and methods
JP2005352878A (ja) * 2004-06-11 2005-12-22 Hitachi Ltd 文書検索システム、検索サーバ、及び検索クライアント
JP4189369B2 (ja) * 2004-09-24 2008-12-03 株式会社東芝 構造化文書検索装置及び構造化文書検索方法
US7725468B2 (en) * 2005-04-08 2010-05-25 Oracle International Corporation Improving efficiency in processing queries directed to static data sets
US20090077073A1 (en) * 2005-04-21 2009-03-19 Hiroaki Masuyama Index term extraction device for document-to-be-surveyed
US7539661B2 (en) * 2005-06-02 2009-05-26 Delphi Technologies, Inc. Table look-up method with adaptive hashing
WO2007011841A2 (en) 2005-07-15 2007-01-25 Indxit Systems, Inc. Systems and methods for data indexing and processing
JP5391583B2 (ja) * 2008-05-29 2014-01-15 富士通株式会社 検索装置、生成装置、プログラム、検索方法および生成方法
US20100287152A1 (en) 2009-05-05 2010-11-11 Paul A. Lipari System, method and computer readable medium for web crawling
US10303722B2 (en) 2009-05-05 2019-05-28 Oracle America, Inc. System and method for content selection for web page indexing
US20130024459A1 (en) * 2011-07-20 2013-01-24 Microsoft Corporation Combining Full-Text Search and Queryable Fields in the Same Data Structure
US9792355B2 (en) * 2011-10-25 2017-10-17 Intelligent Views Gmbh Searches for similar documents
US9659058B2 (en) 2013-03-22 2017-05-23 X1 Discovery, Inc. Methods and systems for federation of results from search indexing
US9880983B2 (en) 2013-06-04 2018-01-30 X1 Discovery, Inc. Methods and systems for uniquely identifying digital content for eDiscovery
US9189517B2 (en) * 2013-10-02 2015-11-17 Microsoft Technology Licensing, Llc Integrating search with application analysis
US10346550B1 (en) 2014-08-28 2019-07-09 X1 Discovery, Inc. Methods and systems for searching and indexing virtual environments
US10810236B1 (en) * 2016-10-21 2020-10-20 Twitter, Inc. Indexing data in information retrieval systems
CN114445842B (zh) * 2022-01-25 2022-09-20 杭州海量信息技术有限公司 一种用于医疗票据ocr的医保目录匹配方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0816600A (ja) * 1994-06-29 1996-01-19 Hitachi Ltd 構造化文書検索方法
JPH08147311A (ja) * 1994-11-17 1996-06-07 Hitachi Ltd 構造化文書検索方法及び装置
JPH08329116A (ja) * 1995-06-05 1996-12-13 Hitachi Ltd 構造化文書検索方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5748953A (en) * 1989-06-14 1998-05-05 Hitachi, Ltd. Document search method wherein stored documents and search queries comprise segmented text data of spaced, nonconsecutive text elements and words segmented by predetermined symbols
US5276616A (en) * 1989-10-16 1994-01-04 Sharp Kabushiki Kaisha Apparatus for automatically generating index
US5757983A (en) * 1990-08-09 1998-05-26 Hitachi, Ltd. Document retrieval method and system
US5465353A (en) * 1994-04-01 1995-11-07 Ricoh Company, Ltd. Image matching and retrieval by multi-access redundant hashing
JP2618832B2 (ja) * 1994-06-16 1997-06-11 日本アイ・ビー・エム株式会社 文書の論理構造の解析方法及びシステム
US5745745A (en) * 1994-06-29 1998-04-28 Hitachi, Ltd. Text search method and apparatus for structured documents
US5704060A (en) * 1995-05-22 1997-12-30 Del Monte; Michael G. Text storage and retrieval system and method
JP3254642B2 (ja) * 1996-01-11 2002-02-12 株式会社日立製作所 索引の表示方法
JP3108015B2 (ja) * 1996-05-22 2000-11-13 松下電器産業株式会社 ハイパーテキスト検索装置
JP2973944B2 (ja) * 1996-06-26 1999-11-08 富士ゼロックス株式会社 文書処理装置および文書処理方法
JP3598742B2 (ja) * 1996-11-25 2004-12-08 富士ゼロックス株式会社 文書検索装置及び文書検索方法
US5991713A (en) * 1997-11-26 1999-11-23 International Business Machines Corp. Efficient method for compressing, storing, searching and transmitting natural language text
JP3692764B2 (ja) * 1998-02-25 2005-09-07 株式会社日立製作所 構造化文書登録方法、検索方法、およびそれに用いられる可搬型媒体
JP3696731B2 (ja) * 1998-04-30 2005-09-21 株式会社日立製作所 構造化文書の検索方法および装置および構造化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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0816600A (ja) * 1994-06-29 1996-01-19 Hitachi Ltd 構造化文書検索方法
JPH08147311A (ja) * 1994-11-17 1996-06-07 Hitachi Ltd 構造化文書検索方法及び装置
JPH08329116A (ja) * 1995-06-05 1996-12-13 Hitachi Ltd 構造化文書検索方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9076162B2 (en) 1999-04-02 2015-07-07 Yahoo! Inc. Method for optimum placement of advertisements on a webpage
US6907566B1 (en) 1999-04-02 2005-06-14 Overture Services, Inc. Method and system for optimum placement of advertisements on a webpage
US9779415B2 (en) 1999-04-02 2017-10-03 Excalibur Ip, Llc Method and system for optimum placement of advertisements on a webpage
US9779412B2 (en) 1999-04-02 2017-10-03 Excalibur Ip, Llc Method and system for optimum placement of advertisements on a webpage
US9779413B2 (en) 1999-04-02 2017-10-03 Excalibur Ip, Llc Method and system for optimum placement of advertisements on a webpage
US9779414B2 (en) 1999-04-02 2017-10-03 Excalibur Ip, Llc Method and system for optimum placement of advertisements on a webpage
US8521588B2 (en) 1999-04-02 2013-08-27 Yahoo! Inc. Method for optimum placement of advertisements on a web page
US6269361B1 (en) * 1999-05-28 2001-07-31 Goto.Com System and method for influencing a position on a search result list generated by a computer network search engine
US7499874B2 (en) 1999-05-28 2009-03-03 Yahoo! Inc. Automatic flight management in an online marketplace
JP2003281186A (ja) * 2001-11-13 2003-10-03 Posco 類似性判断のための例題ベース検索方法及び検索システム
US7231395B2 (en) 2002-05-24 2007-06-12 Overture Services, Inc. Method and apparatus for categorizing and presenting documents of a distributed database
US8260786B2 (en) 2002-05-24 2012-09-04 Yahoo! Inc. Method and apparatus for categorizing and presenting documents of a distributed database
US7792818B2 (en) 2002-05-24 2010-09-07 Overture Services, Inc. Method and apparatus for categorizing and presenting documents of a distributed database
US8200646B2 (en) 2003-12-02 2012-06-12 Nec Corporation Efficient retrieval of variable-length character string data
US8095526B2 (en) 2003-12-02 2012-01-10 Nec Corporation Efficient retrieval of variable-length character string data

Also Published As

Publication number Publication date
JP3696731B2 (ja) 2005-09-21
US6496820B1 (en) 2002-12-17
US20020188604A1 (en) 2002-12-12
US6826567B2 (en) 2004-11-30

Similar Documents

Publication Publication Date Title
JP3696731B2 (ja) 構造化文書の検索方法および装置および構造化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
US5745745A (en) Text search method and apparatus for structured documents
US5748953A (en) Document search method wherein stored documents and search queries comprise segmented text data of spaced, nonconsecutive text elements and words segmented by predetermined symbols
JP3918531B2 (ja) 類似文書検索方法およびシステム
JP2742115B2 (ja) 類似文書検索装置
JP2000231563A (ja) 文書検索方法及び文書検索システム及び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
JP3518933B2 (ja) 構造化文書検索方法
JP3258063B2 (ja) データベース検索システム及び方法
JPH08147311A (ja) 構造化文書検索方法及び装置
JPH07319920A (ja) 文書検索方法及び装置
JP2000003366A (ja) 文書登録方法と文書検索方法及びその実施装置並びにその処理プログラムを記録した媒体
JPH06348757A (ja) 文書検索装置および方法
JPH08190571A (ja) 文書検索方法
JPS63198124A (ja) 文例検索装置
JP2002202973A (ja) 構造化文書管理装置
JP2002108888A (ja) ディジタルコンテンツのキーワード抽出装置、方法及びコンピュータ読み取り可能な記録媒体
JP3698400B2 (ja) 多言語文書処理装置、多言語文書処理方法及び記録媒体
KR20000041817A (ko) 음절 단위 패턴으로 구성한 패턴 테이블을 이용한 문자열 부분검색 시스템 및 그 방법
JP2002132789A (ja) 文書検索方法
JPH06325091A (ja) 類似度評価型データベース検索装置
JP3325677B2 (ja) 文書検索装置
JP3288063B2 (ja) 可変長データの格納および参照システム
JP3555181B2 (ja) 構造化文書検索方法
JP3376996B2 (ja) フルテキストサーチ方法
JP2004506960A (ja) 蓋然論マッチング・エンジン

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20040317

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20041116

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050114

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20050621

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20050630

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080708

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090708

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090708

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100708

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100708

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110708

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110708

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120708

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130708

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees