JPH1145254A - 文書検索装置およびその装置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取り可能な記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 検索対象を文書全体ではなく、文書のサブド
キュメントとし、検索条件に直接関連する文書中の記述
を検索結果として得ることができるようにして、検索結
果を便利に利用することができるようにすること。 【解決手段】 文書ＤＢ１０１中の文書を構成する各セ
ンテンスを任意の数のセンテンス，パラグラフ毎のセン
テンス等からなるグループに区分して、区分したグルー
プをサブドキュメントと定義し、このサブドキュメント
を管理する転置ファイル１０２と、クライアント１００
から入力した検索条件に基づいて、該当するサブドキュ
メントの検索処理をベクトル空間法を用いて行う検索サ
ーバ１０３と、を備えている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書を構成するセ
ンテンスのいくつかをまとめたサブドキュメントを検索
対象とし、検索条件に直接関連する文書中の記述を検索
結果として得ることができるようにした文書検索装置お
よびその装置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取り可能な記録媒
体に関する。

【０００２】

【従来の技術】コンピュータの発達に伴って、紙を媒体
として記録され、また保存されていた文書についても、
電子化された情報として取り扱うことが一般的となり、
大量の電子化された文書がデータベースに蓄積されるこ
ととなっている。

【０００３】ところで、大量の電子化された文書が蓄積
されていくに従って、大量の文書の中から所望の文書を
容易に探し出すことができる検索技術が重要となってく
る。特に、誰もがコンピュータを用いて作業を行う今日
にあっては、特殊な手法を用いることなく、コンピュー
タの初心者であっても簡単に所望の文書を検索できるよ
うな検索システムを構築することが重要なポイントとな
る。

【０００４】検索の容易化を図るための１つの手法とし
て、人間が通常用いる自然言語を用いてクエリー（Ｑｕ
ｅｒｙ）を入力することができるようにする技術を挙げ
ることができる。この技術は、近年の自然言語処理技術
の発達に伴って、多くの検索システムに取り入れられつ
つある。

【０００５】

【発明が解決しようとする課題】しかしながら、上記従
来の検索システムによれば、自然言語を用いることによ
ってクエリーの入力の容易化を図ることができるが、実
際に行われる処理は、クエリーに該当する文書を検索す
るものであるため、クエリーに直接該当する記述を含む
センテンスやパラグラフが欲しい場合に不便であるとい
う問題点があった。換言すれば、検索結果として得るこ
とができるのは文書そのものあるため、ある事項に関す
る記述を引用したいような場合においては、検索によっ
て得られた文書から必要な記述を探し出す作業が必要で
あった。このことは、従来の検索システムにおいては、
文書全体が検索対象であり、センテンスやパラグラフ等
の部分的な範囲を検索対象とすることが不可能であった
ことによるものである。

【０００６】また、ベクトル空間法を用いて検索を行う
場合においては、検索対象となる文書とクエリーとをベ
クター表現に変換し、文書とクエリーとの類似度を求
め、所定の閾値を超える文書を検索結果として出力する
処理が行われる。ここで、検索対象の文書に複数のトピ
ックが含まれているような場合には、文書をベクター表
現に変換することによって各トピックが平均化されるこ
とになるため、たとえクエリーとの関連度の高いトピッ
クが文書中に含まれている場合であっても、文書全体と
クエリーの類似度は小さなものとなり、クエリーとの関
連性が低い文書として扱われる虞があるという問題があ
った。

【０００７】本発明は上記に鑑みてなされたものであっ
て、検索条件に直接関連する文書中の記述を検索結果と
して得ることができるようにして、検索結果を便利に利
用することができるようにすることを目的とする。

【０００８】また、本発明は上記に鑑みてなされたもの
であって、ベクトル空間法を用いて検索を行う場合に、
複数のトピックを含む文書を確実に検索することができ
るようにすることを目的とする。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、請求項１の文書検索装置は、ベクトル空間法を用い
て検索処理を行う文書検索装置において、文書を構成す
る各センテンスを任意の数のセンテンスまたはパラグラ
フ毎のセンテンス等からなるグループに区分して、区分
したグループをサブドキュメントと定義し、予め用意し
た文書をサブドキュメントの単位でベクター表現に変換
して格納する格納手段と、検索条件を入力する入力手段
と、前記入力手段を介して入力した検索条件をベクター
表現に変換する変換手段と、前記変換手段から入力した
前記検索条件のベクター表現に基づいて、前記格納手段
から該当する前記サブドキュメントを検索する検索手段
と、を備えたものである。

【００１０】また、請求項２の文書検索装置は、請求項
１に記載の文書検索装置において、前記検索手段が、前
記検索条件のベクター表現と前記サブドキュメントのベ
クター表現との類似度を求め、求めた類似度が所定の閾
値を超えるサブドキュメントを選択し、選択したサブド
キュメントを類似度に応じて配列したリストを検索結果
として出力するものである。

【００１１】また、請求項３の文書検索装置は、請求項
１または２に記載の文書検索装置において、さらに、前
記文書を構成するセンテンスの区分方法を指定するため
の指定手段と、前記指定手段を介して指定された前記セ
ンテンスの区分方法に基づいて、前記文書から前記サブ
ドキュメントを生成する生成手段と、を備え、前記格納
手段が、前記生成手段で生成したサブドキュメントをベ
クター表現に変換して格納するものである。

【００１２】さらに、請求項４のコンピュータ読み取り
可能な記録媒体は、前記請求項１〜３のいずれか１つに
記載の文書検索装置の各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ものである。

【００１３】

【発明の実施の形態】以下、本発明の文書検索装置およ
びその装置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取り可能な記録媒体
の一実施の形態について、添付の図面を参照しつつ詳細
に説明する。

【００１４】図１は、本実施の形態の文書検索装置のシ
ステム構成図である。図１に示す文書検索装置は、文書
中の所望の記述を検索するための検索条件を出力する複
数のクライアント１００と、文書ＤＢ（データベース）
１０１から転置ファイル１０２を生成すると共に、ベク
トル空間検索を行うことができる検索エンジン（例え
ば、ＣＬＡＲＩＴＥＣＨ社のＣＬＡＲＩＴ等）を備え、
クライアント１００から検索条件を入力し、入力した検
索条件に基づいて、転置ファイル１０２を用いて該当す
る文書中の記述を検索する検索サーバ１０３と、上記ク
ライアント１００や検索サーバ１０３等を接続するネッ
トワーク１０４と、から構成されている。

【００１５】図１において、文書ＤＢ１０１は、クライ
アント１００等で作成された複数の文書を格納したもの
であり、格納される文書は、ワープロ文書や、ＳＧＭ
Ｌ，ＨＴＭＬ等の構造化文書等、いかなる種類の文書で
あっても良い。本実施の形態においては、この文書ＤＢ
１０１中の文書の一部分を検索対象とするが、検索対象
を文書ＤＢ１０１中のものに限定するものではない。

【００１６】転置ファイル１０２は、一般に、文書ＤＢ
１０１中の複数の文書と、これら複数の文書それぞれか
ら後述する方法で抽出した複数の索引語との関係を規定
し、ある索引語が各文書それぞれにおいてどの程度重要
な語彙であるかを示したものであって、この索引語を用
いて該当する文書を検索することができるようにしたも
のである。本実施の形態の文書検索装置においては、こ
の転置ファイル１０２を、文書を検索対象とするのでは
なく、文書の一部分（後述するサブドキュメント）を検
索対象とするために用いる。

【００１７】具体的には、１つの文書をサブドキュメン
トと呼ばれる任意の数のセンテンスからなる単位に区切
り、このサブドキュメントから上記索引語となる名詞句
を抽出する。そして、抽出した名詞句それぞれについ
て、サブドキュメント中の出現頻度，文書ＤＢ１０１全
体における分布等の統計情報を求め、求めた名詞句毎の
統計情報を用いて各サブドキュメントをベクター表現に
変換する。この処理を文書中の全てのサブドキュメント
について行い、転置ファイル１０２に格納する。

【００１８】なお、各索引語には、対応する文書中の重
要度に応じた重み付けを行うことができる。また、サブ
ドキュメントだけでなく、文書を検索対象とする検索を
行う場合には、サブドキュメントのベクター表現に基づ
いて、文書のベクター表現を生成しておくか、検索を行
う際に生成することにすれば良い。

【００１９】クライアント１００および検索サーバ１０
３は、パーソナルコンピュータやワークステーション等
によって構成される。図２は、クライアント１００の処
理を示す概略ブロック図である。クライアント１００
は、自然言語によって記述されたクエリー２００を入力
し、入力したクエリー２００について、品詞情報等を格
納した辞書２０２および各単語の係り受け等を解析する
ための文法辞書２０３を用いて形態素解析，構文解析等
の解析処理を行い、解析処理の結果に基づいて、クエリ
ー２００から上記転置ファイル１０２の索引語に対応す
る名詞句からなる検索条件２０６を生成し、生成した検
索条件２０６を検索サーバ１０３に出力する自然言語処
理モジュール２０１を備えている。

【００２０】また、図３は、検索サーバ１０３の処理を
示す概略ブロック図である。検索サーバ１０３は、文書
ＤＢ１０１中の文書を転置ファイル１０２に登録する処
理と、ベクトル空間検索を利用した検索処理とを行うも
のである。

【００２１】この検索サーバ１０３は、文書ＤＢ１０１
から文書を入力し、文書のフォーマットの認識処理や、
品詞情報等を格納した辞書３０１および各単語の係り受
け等を解析するための文法辞書３０２を用いて形態素解
析，構文解析，名詞句抽出等の解析処理を行い、上述し
たサブドキュメント毎の名詞句リストを含むドキュメン
ト・セット３０３を生成する自然言語処理モジュール３
００と、自然言語処理モジュール３００で生成したドキ
ュメント・セット３０３を入力し、入力したドキュメン
ト・セット３０３中の各サブドキュメントをベクター表
現に変換して転置ファイル１０２に登録するデータベー
ス・ビルド・コンポーネント３０４と、クライアント１
００から検索条件２０６を入力し、入力した検索条件２
０６を構成する各名詞句について、クエリー２００中の
出現頻度，文書ＤＢ１０１全体における分布等の統計情
報を求め、求めた名詞句毎の統計情報を用いて検索条件
２０６をベクター表現に変換したクエリー・ドキュメン
ト３０６を生成するクエリー・ビルド・コンポーネント
３０５と、クエリー・ビルド・コンポーネント３０５で
生成したクエリー・ドキュメント３０６を入力し、転置
ファイル１０２中の各サブドキュメントのベクトルとク
エリー・ドキュメント３０６のベクトルとを比較して、
クエリー・ドキュメント３０６との類似度に応じたスコ
アを各サブドキュメントに付与し、所定の閾値を超える
スコアが付与されたサブドキュメントを選択してサブド
キュメントリスト３０８を生成し、生成したサブドキュ
メントリスト３０８を検索結果として出力する検索エン
ジン３０７と、を備えている。

【００２２】なお、図１においては、文書ＤＢ１０１お
よび転置ファイル１０２をネットワーク１０４に単独に
接続した構成を示したが、これらを検索サーバ１０３に
直接接続する構成としても良い。また、図１において
は、本実施の形態の文書検索装置をネットワーク１０４
を介したシステムで構成するように示したが、図２に示
したクライアント１００の処理を図３に示した検索サー
バ１０３の自然言語処理モジュール３００に行わせるよ
うに構成することにより、１台のコンピュータで本実施
の形態の文書検索装置を構成することができる。

【００２３】次に、上述した構成を備えた文書検索装置
の動作について、（１）転置ファイルの生成処理，
（２）サブドキュメントの検索処理の順で詳細に説明す
る。

【００２４】（１）転置ファイルの生成処理 図４は、転置ファイルの生成処理を示すフローチャート
である。検索サーバ１０３は、クライアント１００等に
よって作成された新たな文書が文書ＤＢ１０１に登録さ
れた場合（Ｓ４０１）、この文書を入力して転置ファイ
ル１０２に登録するための処理を開始する（Ｓ４０
２）。

【００２５】検索サーバ１０３において、自然言語処理
モジュール３００は、ステップＳ４０２で入力した文書
を解析する処理を行う（Ｓ４０３）。具体的には、入力
した文書がワープロ文書，ＨＴＭＬ等の構造化文書等、
いかなるフォーマットの文書であるかを判定する処理を
行う。その後、辞書３０１および文法辞書３０２を用い
て形態素解析，係り受け等の構文解析を行い、文書を複
数のサブドキュメントに区分すると共に、区分したサブ
ドキュメントから名詞句を抽出する等の処理を行う。

【００２６】なお、ステップＳ４０３で区分されたサブ
ドキュメントは、任意の数のセンテンスで構成される。
例えば、予め複数のセンテンスをサブドキュメントとし
ても良いし、パラグラフ単位のセンテンスをサブドキュ
メントとしても良い。本実施の形態においては、このサ
ブドキュメントが検索対象となることから、サブドキュ
メントをどのように構成するか、即ちセンテンスをどの
ように区切るかはユーザの好みにより設定・変更するこ
とができる。

【００２７】そして、自然言語処理モジュール３００
は、ステップＳ４０３における処理の結果に基づいて、
サブドキュメント毎に名詞句リストを生成し、生成した
名詞句リストを含むドキュメント・セット３０３を生成
する（Ｓ４０４）。

【００２８】その後、データベース・ビルド・コンポー
ネント３０４は、自然言語処理モジュール３００で生成
したドキュメント・セット３０３を入力し、転置ファイ
ル１０２に登録する処理を行う（Ｓ４０５）。

【００２９】具体的には、ドキュメント・セット３０３
中のサブドキュメントの各名詞句を転置ファイル１０２
の索引語として、サブドキュメント中の出現頻度，文書
ＤＢ１０１全体における分布等の統計情報を求め、求め
た名詞句毎の統計情報を用いてサブドキュメントをベク
ター表現に変換する。この処理をドキュメント・セット
３０３中の全てのサブドキュメントについて行って、転
置ファイル１０２に登録する。

【００３０】（２）サブドキュメントの検索処理 続いて、サブドキュメントの検索処理について説明す
る。図５は、サブドキュメントの検索処理を示すフロー
チャートである。クライアント１００の自然言語処理モ
ジュール２０１は、ユーザによって入力されたクエリー
２００を入力する（Ｓ５０１）。

【００３１】自然言語処理モジュール２０１は、クエリ
ー２００を入力すると、入力したクエリー２００の解析
処理を行う（Ｓ５０２）。具体的には、辞書２０２およ
び文法辞書２０３を用いて形態素解析，係り受け等の構
文解析処理を行う。

【００３２】続いて、自然言語処理モジュール２０１
は、ステップＳ５０２における解析結果に基づいて、ク
エリー２００から検索条件を生成する（Ｓ５０３）。す
なわち、自然言語処理モジュール２０１は、クエリー２
００を構成する文字列から、転置ファイル１０２中の索
引語に対応する名詞句を抽出し、抽出した名詞句からな
る検索条件２０６を生成する。

【００３３】上述したようにしてクエリー２００から生
成した検索条件２０６は、クライアント１００から検索
サーバ１０３に出力される。

【００３４】そして、検索サーバ１０３のクエリー・ビ
ルド・コンポーネント３０５は、クライアント１００か
ら検索条件２０６を入力し、入力した検索条件２０６を
構成する各名詞句について、クエリー２００中の出現頻
度，文書ＤＢ１０１全体における分布等の統計情報を求
め、求めた名詞句毎の統計情報を用いて検索条件２０６
をベクター表現に変換したクエリー・ドキュメント３０
６を生成する（Ｓ５０４）。

【００３５】検索エンジン３０７は、クエリー・ビルド
・コンポーネント３０５で生成したクエリー・ドキュメ
ント３０６を入力し、転置ファイル１０２中のサブドキ
ュメントのベクトルとクエリー・ドキュメント３０６の
ベクトルとを比較して、クエリー・ドキュメント３０６
との類似度に応じたスコアを各サブドキュメントに付与
し、所定の閾値を超えるスコアが付与されたサブドキュ
メントを選択して、サブドキュメントリスト３０８を生
成する（Ｓ５０５）。

【００３６】なお、類似度に応じたスコアは、各サブド
キュメントとクエリー・ドキュメント３０６との類似度
を余弦距離に基づいて表現したものであり、スコアが大
きいサブドキュメントがよりクエリー・ドキュメント３
０６と類似していることを表している。そして、検索エ
ンジン３０７には、予めスコアの閾値が設定されてお
り、この閾値を超えるスコアが付与されたサブドキュメ
ントが検索結果とされる。

【００３７】その後、検索エンジン３０７は、生成した
サブドキュメントリスト３０８を検索結果としてクライ
アント１００に出力し、このサブドキュメントリスト３
０８はクライアント１００に画面表示される（Ｓ５０
６）。

【００３８】図６は、サブドキュメントリスト３０８の
一例を示す説明図である。サブドキュメントリスト３０
８には、クエリー・ドキュメント３０６との類似度に応
じたスコアのランキング，文書中のいずれのサブドキュ
メントかを特定するためのサブドキュメントＩＤおよび
サブドキュメントを含む文書の文書名が表示されてい
る。

【００３９】クライアント１００のユーザは、画面表示
されたサブドキュメントリスト３０８から任意のサブド
キュメントを選択することにより、文書ＤＢ１０１中の
文書のサブドキュメントを画面表示させることができ
る。

【００４０】ここで、上述した本実施の形態の文書検索
装置の利用法について説明する。例えば、クエリー２０
０を「インターネット」として、本実施の形態の文書検
索装置を用いて検索処理を行った場合、検索結果である
サブドキュメントリスト３０８には、「インターネッ
ト」に関して記述しているサブドキュメントがリストア
ップされる。したがって、文書検索装置を辞書代わりに
利用することができる。

【００４１】また、文書の編集中に引用や脚注を作成し
たい場合において、引用や脚注を作成する対象となる文
章をクエリー２００として、本実施の形態の文書検索装
置を用いて検索処理を行うことにより、引用や脚注とな
るサブドキュメントを容易に得ることができる。そし
て、この検索結果のサブドキュメントを編集中の文書に
挿入することにより、引用や脚注を作成することができ
る。この場合、文書中の挿入箇所を指定し、指定した箇
所に検索結果のサブドキュメントを自動的に挿入できる
ようにすることもできる。

【００４２】また、文書を検索対象として、予め１つの
文書を選択し（文書を検索対象として検索したものでも
良い）、選択した文書のサブドキュメントを検索して、
文書中の所望の記述を探し出すために利用することがで
きる。

【００４３】さらに、図６に示したサブドキュメントリ
スト３０８を利用して、文書のランキングを生成するこ
ともできる。その結果、複数のトピックを含む文書が複
数ある場合であっても、特定のトピックに関する文書の
ランキングを作成することができ、特定の記述を含む文
書を容易に得ることができる。

【００４４】このように、本実施の形態の文書検索装置
によれば、検索対象を文書全体ではなく、文書のサブド
キュメントとし、検索条件に直接関連する文書中の記述
を検索結果として得ることができるようにしたため、検
索結果を便利に利用することができる。また、文書中の
必要な箇所を探す必要がないため、作業効率の向上を図
ることができる。さらに、ベクトル空間法を用いて検索
を行う場合に、検索条件との関連性の大きなトピックだ
けでなく、複数の他のトピックを含む文書をも確実に検
索することができる。

【００４５】なお、上述した本実施の形態の文書検索装
置で得た検索結果であるサブドキュメントリスト３０８
において、ユーザが検索結果としてふさわしいと思うサ
ブドキュメントやふさわしくないと思うサブドキュメン
トについては、その結果を検索サーバ１０３にフィード
バックすることができる。すなわち、ユーザは、検索結
果としてふさわしいと思うサブドキュメントに対して、
正の重み、例えば「＋」を指定することができ、検索結
果としてふさわしくないと思うサブドキュメントに対し
て負の重み、例えば「−」を指定することができる。そ
の結果、入力した重みが正の指定である場合には、転置
ファイル１０２中の該当するサブドキュメントの重みが
強化され、入力した重みが負の指定である場合には、サ
ブドキュメントの重みが弱められる。

【００４６】さらに、本実施の形態で説明した文書検索
装置は、予め用意されたプログラムをコンピュータやワ
ークステーションで実行することによって実現される。
このプログラムは、ハードディスク，フロッピーディス
ク，ＣＤ−ＲＯＭ，ＭＯ，ＤＶＤ等のコンピュータで読
み取り可能な記録媒体に記録され、コンピュータによっ
て記録媒体から読み出されることによって実行される。
また、このプログラムは、上記記録媒体を介して、また
はネットワークを介して配布することができる。

【００４７】

【発明の効果】以上説明したように、本発明の文書検索
装置（請求項１）によれば、文書を構成する各センテン
スを任意の数のセンテンスまたはパラグラフ毎のセンテ
ンス等からなるグループに区分して、区分したグループ
をサブドキュメントと定義し、予め用意した文書をサブ
ドキュメントの単位でベクター表現に変換して格納する
格納手段と、検索条件を入力する入力手段と、入力手段
を介して入力した検索条件をベクター表現に変換する変
換手段と、変換手段から入力した検索条件のベクター表
現に基づいて、格納手段から該当するサブドキュメント
を検索する検索手段と、を備えたため、文書のサブドキ
ュメントを検索対象とすることができる。したがって、
検索条件に直接関連する文書中の記述を検索結果として
得ることができ、検索結果を便利に利用することができ
る。さらに、ベクトル空間法を用いて検索を行う場合
に、検索条件との関連性の大きなトピックだけでなく、
複数の他のトピックを含む文書をも確実に検索すること
ができる。

【００４８】また、本発明の文書検索装置（請求項２）
によれば、請求項１に記載の文書検索装置において、検
索手段は、検索条件のベクター表現とサブドキュメント
のベクター表現との類似度を求め、求めた類似度が所定
の閾値を超えるサブドキュメントを選択し、選択したサ
ブドキュメントを類似度に応じて配列したリストを検索
結果として出力するため、所望のサブドキュメントを容
易に選択することができる。

【００４９】また、本発明の文書検索装置（請求項３）
によれば、請求項１または２に記載の文書検索装置にお
いて、さらに、文書を構成するセンテンスの区分方法を
指定するための指定手段と、指定手段を介して指定され
たセンテンスの区分方法に基づいて、文書からサブドキ
ュメントを生成する生成手段と、を備え、格納手段は、
生成手段で生成したサブドキュメントをベクター表現に
変換して格納するため、ユーザの好みの長さのサブドキ
ュメントを検索対象とすることができる。

【００５０】さらに、本発明のコンピュータ読み取り可
能な記録媒体（請求項４）によれば、請求項１〜３のい
ずれか１つに記載の文書検索装置の各手段としてコンピ
ュータを機能させるためのプログラムを記録したため、
このプログラムをコンピュータに実行させることによ
り、文書のサブドキュメントを検索対象とし、検索条件
に直接関連する文書中の記述を検索結果として得ること
ができる文書検索装置を実現することができる。

【図面の簡単な説明】

【図１】本実施の形態の文書検索装置のシステム構成図
である。

【図２】図１に示したクライアントの処理を示す概略ブ
ロック図である。

【図３】図１に示した検索サーバの処理を示す概略ブロ
ック図である。

【図４】本実施の形態の文書検索装置において、転置フ
ァイルの生成処理を示すフローチャートである。

【図５】本実施の形態の文書検索装置において、サブド
キュメントの検索処理を示すフローチャートである。

【図６】本実施の形態の文書検索装置において、サブド
キュメントリストの一例を示す説明図である。

【符号の説明】

１００ クライアント １０１ 文書ＤＢ １０２ 転置ファイル １０３ 検索サーバ １０４ ネットワーク ２００ クエリー ２０１，３００ 自然言語処理モジュール ２０２，３０１ 辞書 ２０３，３０２ 文法辞書 ２０６ 検索条件 ３０３ ドキュメント・セット ３０４ データベース・ビルド・コンポーネント ３０５ クエリー・ビルド・コンポーネント ３０６ クエリー・ドキュメント ３０７ 検索エンジン ３０８ サブドキュメントリスト

Claims (4)

【特許請求の範囲】
1. 【請求項１】 ベクトル空間法を用いて検索処理を行う
   文書検索装置において、 文書を構成する各センテンスを任意の数のセンテンスま
   たはパラグラフ毎のセンテンス等からなるグループに区
   分して、区分したグループをサブドキュメントと定義
   し、予め用意した文書を前記サブドキュメントの単位で
   ベクター表現に変換して格納する格納手段と、 検索条件を入力する入力手段と、 前記入力手段を介して入力した検索条件をベクター表現
   に変換する変換手段と、 前記変換手段から入力した前記検索条件のベクター表現
   に基づいて、前記格納手段から該当する前記サブドキュ
   メントを検索する検索手段と、 を備えたことを特徴とする文書検索装置。
2. 【請求項２】 前記検索手段は、前記検索条件のベクタ
   ー表現と前記サブドキュメントのベクター表現との類似
   度を求め、求めた類似度が所定の閾値を超えるサブドキ
   ュメントを選択し、選択したサブドキュメントを類似度
   に応じて配列したリストを検索結果として出力すること
   を特徴とする請求項１に記載の文書検索装置。
3. 【請求項３】 さらに、前記文書を構成するセンテンス
   の区分方法を指定するための指定手段と、 前記指定手段を介して指定された前記センテンスの区分
   方法に基づいて、前記文書から前記サブドキュメントを
   生成する生成手段と、を備え、 前記格納手段は、前記生成手段で生成したサブドキュメ
   ントをベクター表現に変換して格納することを特徴とす
   る請求項１または２に記載の文書検索装置。
4. 【請求項４】 前記請求項１〜３のいずれか１つに記載
   の文書検索装置の各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ことを特徴とするコンピ
   ュータ読み取り可能な記録媒体。