JPH1173420A - 文書処理装置及び文書処理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】 キーワードを入力してそのキーワードに意味
的に近いキーワードを含む文書をデータベースから検索
して表示する検索装置において、その文章が検索された
根拠となるキーワードがなにかわからないという問題が
あった。 【解決手段】 検索の根拠となる入力キーワードに意味
的に近いキーワードを強調表示などで視覚的に判別でき
るようにし、そのキーワードの類似度を判別できるよう
に表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、キーワードを入力
して、文書データベースからキーワードに対応する文書
データを検索抽出して表示する処理に関する。

【０００２】

【従来の技術】従来から、文書検索表示を行う装置にお
いて、キーワードを入力すると、その入力されたキーワ
ードと一致する単語を含む文書を検索して抽出する装置
が存在する。例えば、入力キーワードとして“旅行”と
入力すると、この“旅行”という単語を含む文書データ
を全て検索結果として、表示するものである。

【０００３】キーワードは複数入力することもでき、論
理演算を行うことも可能である。例えば“旅行”と“海
外”の２つ両方のキーワードを含む文書データを検索結
果とするＡＮＤ検索、“アメリカ”と“カナダ”のどち
らか１つでも含む文書データを検索結果とするＯＲ検
索、さらにこれらを組み合わせ、“旅行”を含み、“ア
メリカ”と“カナダ”のどちらかを含む文書データを検
索結果として表示するようにすることもできる。

【０００４】さらには、キーワードは完全に一致するも
のではなく、入力されたキーワードに意味的に近い単語
を含む文書を検索するものが、特開平６−１８７３７４
号公報に開示されている。例えば“天気”を検索キーワ
ードとして入力した場合、属性“気象”を取得し、この
属性をデータとしてもつデータを検索する。具体的に
は、“天候”、“天気”、“通り雨”、“雨天”の単語
を含むデータを検索することができるために、“天気”
と“天候”のように、同一の意味を持ちながらキーワー
ドが完全一致しないために検索できなかった問題を回避
することができる。

【０００５】

【発明が解決しようとする課題】しかしながら、意味的
に近い単語が何であるかは、識別されておらず、入力し
たキーワードに対して意味的に近い単語を含む文書を検
索してきても、なぜ、その文書を検索できたのかを、キ
ーワード入力者は判断できないという問題があった。

【０００６】

【課題を解決するための手段】本発明の請求項１及び３
によれば、文書データが蓄積されている文書データベー
スと、検索する文書に対するキーワードを入力するキー
ワード入力手段と、前記キーワード入力手段で入力され
たキーワードを格納するキーワード格納手段と、前記キ
ーワード格納手段に格納されているキーワードに基づい
て、前記文書データベースから文書を抽出する検索手段
と、前記検索手段で検索された文書データを格納する文
書データ格納手段と、前記文書データ格納手段に格納さ
れた文書データを表示する文書データ表示手段とを備え
た文書処理装置であって、前記検索手段は、キーワード
と意味的に類似する単語を含む文書を抽出し、前記文書
データ表示手段は、キーワードと意味的に類似する単語
を強調表示することにより上記課題を解決する。

【０００７】本発明の請求項２及び４によれば、前記文
書データ表示手段は、キーワードと意味的に類似する類
似度を視覚的に判別できるように表示することにより上
記課題を解決する。

【０００８】

【発明の実施の形態】以下に図面を用いて本発明の一実
施形態を説明する。図１は本発明を実現する装置の構成
図である。１−０１は主制御装置で、１−０２はプログ
ラムメモリである。主制御装置は１−０１はプログラム
メモリ１−０２からプログラムを読み込んで、プログラ
ムに従った処理を行う。

【０００９】１−０３はデータメモリで、主制御装置１
で利用するデータを主制御装置１−０１で処理された結
果を格納する。４は出力用制御装置で、主制御装置１−
０１からの命令やデータメモリ１−０３の情報を元に表
示用ディスプレイ５に画像を表示する。

【００１０】１−１０は出力用バッファで、出力するデ
ータを一時格納する。１−０６は入力用制御装置で、主
制御装置１から入力の命令を受け、入力装置１−０７か
らの入力を可能にし、入力値をデータメモリに格納した
り、入力用バッファ１−０９に格納したり、主制御装置
１−０１に渡す。１−０８は各構成を接続する内部バス
である。

【００１１】図２はプログラムメモリの内容とデータメ
モリの内容である。プログラムメモリには、キーワード
の入力を管理するキーワード入力用プログラム、データ
の検索を行う検索用プログラム、データの表示を行う表
示用プログラムが格納されている。データメモリは、キ
ーワード用領域、キーワード入力用画像用領域、検索用
データ用領域、文書データベース用領域、類似度データ
用領域にそれぞれ分けられている。

【００１２】プログラムメモリの内容は、本体と着脱自
在な記録媒体により外部に構成し、該記録媒体から本体
に読み込む構成であってもよい。該記録媒体はＣＤ−Ｒ
ＯＭ、フロッピーディスクなどの記録媒体で構成可能で
ある。

【００１３】図３は本発明の各手段の構成を示すブロッ
ク図である。キーワード入力手段３−０１は主制御装置
がプログラムメモリからキーワード入力用プログラムを
読み込んで、該プログラムにしたがって、入力用制御装
置、入力装置、入力用バッファ、出力用制御装置、表示
用ディスプレイ、出力用バッファと共に処理を行うこと
によって実現される。

【００１４】検索手段３−０３は、主制御装置がプログ
ラムメモリから検索用プログラムを読み込んで、該プロ
グラムにしたがって、処理を行うことで実現される。こ
のとき、データメモリの検索用データ用領域の検索用デ
ータも用いる。キーワード格納手段３−０２、文書デー
タ格納手段３−０５、文書データベース３−０４、意味
ベクトル辞書３−０７はデータメモリで実現される。

【００１５】表示手段３−０６は、主制御装置がプログ
ラムメモリから表示用プログラムを読み込んで、そのプ
ログラムにしたがって、出力用制御装置と表示用ディス
プレイと共に処理を行うことによって実現される。

【００１６】図４〜図７を用いて本発明の処理の流れを
説明する。キーワード入力手段３−０１によって、キー
ワードが入力され、キーワード格納手段３−０２に入力
されたキーワードが格納される（Ｓ４−０１）。この処
理について図５を用いて詳細に説明する。

【００１７】まず、主制御装置がプログラムメモリから
キーワード入力用プログラムを読み込み、入力用プログ
ラムにしたがって、データメモリからキーワード入力用
画像を読み込み、出力用バッファへ格納する。出力用制
御装置は、出力用バッファの内容を表示用ディスプレイ
に表示する。キーワード入力用画面の例を図８に示す
（Ｓ５−０１）。

【００１８】次に、主制御装置がキーワード入力用プロ
グラムにしたがって、入力用制御装置にキーワード入力
を受け付ける処理を行わせる。入力用制御装置は入力装
置から入力された入力データを入力用バッファに格納す
る（Ｓ５−０２）。

【００１９】このとき、主制御装置はキーワード入力用
プログラムにしたがって、入力用バッファの内容を監視
しており、入力用バッファの内容が、キーワードの入力
であるか、検索を行う命令の入力であるか判断を行う
（Ｓ５−０３）。

【００２０】入力用バッファの内容がキーワードの入力
であった場合、主制御装置はキーワード入力用プログラ
ムにしたがって、入力用バッファの内容とキーワード入
力用画像を合成して出力用バッファに格納する。出力用
制御装置は出力用バッファの内容を表示ディスプレイに
表示する、このようにして入力用画面の更新が行われ
る。

【００２１】例えば、キーボードから「近畿」という言
葉が入力されたとき、入力用バッファに「近畿」という
キーワードが格納され、入力用画面上に「近畿」という
データが更に表示される（Ｓ５−０３）。

【００２２】以上のようにＳ５−０２〜Ｓ５−０４の処
理を繰り返すことで、キーワードの入力処理が行われ
る。例えば、キーボードから「近畿」「宿泊」という言
葉が入力された時、入力用バッファに「近畿」「宿泊」
というキーワードが格納され、入力用画面上に「近畿」
「宿泊」というデータが更に表示される。このときの画
面の例を図９に示す。

【００２３】Ｓ５−０３で、入力用バッファの内容が、
検索を行う命令であった場合、主制御装置はキーワード
入力用プログラムにしたがって、入力用バッファの内容
をデータメモリのキーワード用領域に格納する（Ｓ５−
０５）。

【００２４】データメモリのキーワード用領域は図１０
に示すようになる。１０−０１は入力されたキーワード
の順番を示すキーワード番号、１０−０２は入力された
キーワードの本体を示すキーワード文字列である。

【００２５】検索手段３−０３はキーワード格納手段に
格納されたキーワードを元に、文書データベース３−０
４からキーワードに対応する文書を抽出する（Ｓ４−０
２）。このときの検索抽出方法については、様々な方法
が考えられるが、意味ベクトルを用いて検索抽出手段を
例にして説明する。

【００２６】意味ベクトルとは、各単語に対して与えら
れた意味を定量的に表す尺度で、いろいろな意味を網羅
できるように複数の次元の意味要素をもっている。意味
要素の値はその意味要素を含んでいる場合は１、含んで
いない場合は０の２種類の値をとる。例えば「地名」と
いう意味要素があった場合、「東京」という単語が「地
名」という意味要素を含んでいるなら値は１、「鉛筆」
という単語が「地名」という意味要素を含んでいないな
ら値は０である。なお、意味ベクトルは後の演算のた
め、正規化して絶対値を１にしている。

【００２７】この意味ベクトルを用いると、二つの単語
の意味の類似度を、両者の意味ベクトルの内積で表すこ
とができる。意味が近いほど意味ベクトルは似た方向を
指すため、内積が大きいほど、意味が近いということに
なる。

【００２８】例えば、意味要素が５次元として、単語Ａ
の意味ベクトルが（0,1,0,0,0）、単語Ｂの意味ベクト
ルが（0,0,0.7,0,0.7）、単語Ｃの意味ベクトルが（0.
7,0.7,0,0,0）だったとして、単語Ｂと単語Ｃのどちら
が単語Ａに意味的に近いかとすると、意味ベクトルの内
積の値の大きい、単語Ａと単語Ｃの方が意味的に近いと
いうことになる。

【００２９】図６に検索手段を実現する処理のフローチ
ャートを示す。まず、主制御装置が検索用プログラムに
したがって、データメモリの文書データベース用領域か
ら未読文書データを読み込む（Ｓ６−０１）。文書デー
タの例を図１１に示す。

【００３０】次に、主制御装置が検索用プログラムにし
たがって、読み込んだ文書データから未読単語を抽出す
る（Ｓ６−０２）。文書データが図１１に示すような場
合は、先頭の「秋」という言葉が抽出される。次に、主
制御装置が検索用プログラムにしたがって、意味ベクト
ル辞書からＳ６−０２で抽出した単語の意味ベクトルを
読み込む（Ｓ６−０３）。

【００３１】単語の意味ベクトルは意味ベクトル辞書と
して、データメモリの検索用データ用領域に記憶されて
いる。図１２に意味ベクトル辞書の内容の例を示す。意
味ベクトル辞書は、単語とその意味ベクトル値の対が、
登録単語数ぶん存在する。この例では、「秋」に対応す
る（0,1,0,0,0）という値が読み込まれる。

【００３２】次に、主制御装置が検索用プログラムにし
たがって、未比較のキーワードを読み込む（Ｓ６−０
４）。この時キーワードに「近畿」「宿泊」というキー
ワードが存在していたとすると、まず「近畿」というキ
ーワードが読み込まれる。

【００３３】次に、主制御装置が検索用プログラムにし
たがって、Ｓ６−０４で抽出したキーワードの意味ベク
トルを読み込む（Ｓ６−０５）。この例では、まず「近
畿」の意味ベクトルが読み込まれる。

【００３４】次に、主制御装置が検索用プログラムにし
たがって、Ｓ６−０３で読み込んだ意味ベクトルとＳ６
−０５で読み込んだ意味ベクトルの内積演算を行う（Ｓ
６−０６）。この時、演算結果は類似度データとして、
データメモリの類似度データ用領域に格納されている値
を元に管理される。

【００３５】類似度データ用領域の例を図１３に示す。
この領域は文書名のフィールド１３−０１、キーワード
のフィールド１３−０２、それまでの最大の類似度を記
録した単語のフィールド１３−０３、その内積値（類似
度）を示すフィールド１３−０４、その単語が出現した
文書の位置を示すフィールド１３−０５から形成されて
いる。文書の位置を示すフィールドについては、その位
置の始点の行位置、列位置、終点の行位置、列位置の値
からなっている。

【００３６】まず、主制御装置が検索用プログラムにし
たがって、Ｓ６−０６で演算した内積が類似度データの
キーワード１の内積値より大きいかどうか比較する（Ｓ
６−０７）。大きい場合は、内積値のフィールド、単語
名のフィールド、出現した位置情報のフィールドを更新
する（Ｓ６−０８）。それ以外の場合はなにも行わな
い。

【００３７】最初は内積値のフィールドは何も値がない
ので、最初に抽出された「秋」という単語に関しては常
にデータが格納される。２つ目以降の単語に対しては、
類似度データの内積値よりも大きい内積値を取る単語が
検出されれば、類似度データがその単語に関するデータ
に更新される。

【００３８】次に主制御装置が検索用プログラムにした
がって、他に入力されたキーワードが存在するかどうか
を判定する（Ｓ６−０９）。存在する場合は、そのキー
ワードを読み込んで、さらにそのキーワードとＳ１３−
０２で読み込んだ単語との意味ベクトルの演算を行い、
類似度の判定、類似度データの更新を行う。つまりキー
ワードが存在する限り、Ｓ６−０３からＳ６−０８の処
理を繰り返す。

【００３９】次に、主制御装置が検索用プログラムにし
たがって、現在判定している文書にまだ未読の単語があ
るかどうかを判定する（Ｓ６−１０）。ある場合は、そ
の単語を読み込んで、さらに各キーワードとの意味ベク
トルの演算を行い、類似度の判定、類似度の判定、類似
度データの更新を行う。つまり未読単語が存在する限
り、Ｓ６−０２からＳ６−０９を繰り返す。

【００４０】未読単語がなくなったら、すなわちその文
書を読み終わったわけであるから、次の文書を読み込む
必要がある。主制御装置は検索用プログラムにしたがっ
て、次の文書があるかどうか、つまりまだ見ていない文
書があるかどうかを判定する（Ｓ６−１１）。

【００４１】ある場合はその文書を読み込み、文書内の
各単語と各キーワードの意味ベクトルの演算を行い、類
似度の判定、類似度データの更新を行う。つまり未読文
書が存在する限り、Ｓ６−０１からＳ６−１０を繰り返
す。

【００４２】Ｓ６−０１からＳ６−１１までの処理によ
って、図１４のように類似度データが生成される。この
類似度データを元に、どの文書が入力されたキーワード
に意味的に一番近い単語を含んでいるかを判定する。判
定の方法は様々考えられるが、ここでは各文書ごとに各
キーワードの内積値の和（キーワード１の内積値＋キー
ワード２の内積値＋…）の大小を用いる（Ｓ６−１
２）。例えば文書２の内積の和が最も大きいと判定され
たなら、入力されたキーワードに意味的に最も近い文書
は文書２であると判定する。

【００４３】次に、検索手段によりキーワードに意味的
に最も近いと判定された文書データが、文書データ格納
手段に格納される（Ｓ６−１３）。このとき、主制御装
置が検索用プログラムにしたがって、Ｓ１３−１２で判
定された文書、抽出の根拠となった各キーワードに対応
する単語データ、その単語とキーワードとの内積値、そ
の単語の位置情報をデータメモリの文書データ用領域に
格納する。

【００４４】表示手段について説明する。表示手段３−
０６は文書データ格納手段に格納されている文書データ
を元に、表示を行う（Ｓ４−０３）。検索プログラムが
終了したら、主制御装置がプログラムメモリから表示用
プログラムを読み込む。表示用プログラムは、データ処
理用ルーチンと表示用ルーチンからなる。主制御装置
は、まずデータ処理用ルーチンに従い、データメモリの
文書データ用領域の値を処理する。

【００４５】まず、各キーワードとそれに対応する単語
の位置情報の対を抽出する。図１５に抽出の例を示す。
１５−００は各キーワード、１５−０１は文書内の単語
の始点の行位置、１５−０２は文書内の単語の始点の列
位置、１５−０３は文書内の単語の終点の行位置、１５
−０２は文書内の単語の終点の列位置である（Ｓ７−０
１）。

【００４６】次に各内積値とそれに対応する単語の位置
情報の対を抽出する。このとき、内積値を複数の閾値を
元に分類する。例えば内積値が０．８以上であれば分類
Ａ、０．８〜０．２であれば分類Ｂ、０．２〜−０．２
であれば分類Ｃ、−０．２〜−０．８であれば分類Ｄ、
−０．８以下であれば分類Ｅとする。

【００４７】図１６に抽出の様子を示す。１６−００は
各内積値の分類、１６−０１は文書内の単語の始点の行
位置、１６−０２は文書内の単語の始点の列位置、１６
−０３は文書内の単語の終点の行位置、１６−０４は文
書内の単語の終点の列位置である（Ｓ７−０２）。

【００４８】表示用ルーチンは図１５に示すようなデー
タを元に、１５−０１と１５−０２で示される始点と、
１５−０３と１５−０４で表される終点の間の下側に１
５−００で記述された文字列の縮小イメージを作成する
（Ｓ７−０３）。

【００４９】表示用ルーチンは図１６に示すようなデー
タを元に、１６−０１と１６−０２で表される始点と、
１６−０３と１６−０４で表される終点の間の下側に、
１６−００に記述された分類に対応した装飾を施す。装
飾の方法は様々考えられるが、ここでは下線を付与す
る。

【００５０】例えば分類Ａの場合は二重線（＝）、分類
Ｂの場合は線（−）、分類Ｃの場合は点線（…）、分類
Ｄ、分類Ｅの場合はなにも装飾しないものとする（Ｓ７
−０４）。また表示ルーチンは、文書データを上記文字
列の縮小イメージと上記装飾とを合成して出力用バッフ
ァに書き込む（Ｓ７−０５）。

【００５１】主制御装置は、データ処理ルーチンによる
出力用バッファへの書き込みが終了すると出力用制御装
置に処理を移す。出力用制御装置は、出力用バッファの
内容を表示用ディスプレイに表示する。表示の様子を図
１７に示す。１７−０１がキーワードへの意味的な近さ
を示す強調情報、１７−０２がどのキーワードに意味的
に近いのかを示すキーワード対応情報である。

【００５２】

【発明の効果】本発明の請求項１及び３によれば、探し
たい文書に対するキーワードを入力すると、該キーワー
ドに対応する文書を抽出し、抽出の根拠となった入力キ
ーワードと意味的に近い文書内の単語を強調して表示す
るので、キーワード入力者はなぜその文書が抽出された
のかを理解することができる。

【００５３】本発明の請求項２及び４によれば、探した
い文書に対するキーワードを入力すると、該キーワード
に対応する文書を抽出し、抽出の根拠となった入力キー
ワードと意味的に近い文書内の単語を強調して表示し、
さらのその意味的な近さを示す類似度情報を合わせて表
示するために、キーワード入力者はその文書がどれだけ
意味的に近いかを知ることができる。

【図面の簡単な説明】

【図１】本発明の一実施例における装置の構成を示す図
である。

【図２】プログラムメモリとデータメモリの内容を示す
図である。

【図３】本発明の各構成のブロック図である。

【図４】本発明の全体的な流れを示すフローチャートで
ある。

【図５】キーワード入力及びキーワード格納処理の流れ
を示すフローチャートである。

【図６】検索処理及び文書データ格納処理の流れを示す
フローチャートである。

【図７】表示処理の流れを示すフローチャートである。

【図８】キーワード入力用画面の例を示す図である。

【図９】キーワード入力用画面の例を示す図である。

【図１０】データメモリのキーワード用領域の内容を示
す図である。

【図１１】文書データの例を示す図である。

【図１２】意味ベクトル辞書の例を示す図である。

【図１３】データメモリの類似度データ用領域の例を示
す図である。

【図１４】データメモリの類似度データ用領域の例を示
す図である。

【図１５】単語の位置情報の格納例を示す図である。

【図１６】一致度に基づいて分類した例を示す図であ
る。

【図１７】表示出力例を示す図である。

【符号の説明】

１−０１ 主制御装置 １−０２ プログラムメモリ １−０３ データメモリ １−０４ 出力用制御装置 １−０５ 表示用ディスプレイ １−０６ 入力用制御装置 １−０７ 入力装置 １−０８ 内部バス １−０９ 入力用バッファ

Claims (4)

【特許請求の範囲】
1. 【請求項１】 文書データが蓄積されている文書データ
   ベースと、 検索する文書に対するキーワードを入力するキーワード
   入力手段と、 前記キーワード入力手段で入力されたキーワードを格納
   するキーワード格納手段と、 前記キーワード格納手段に格納されているキーワードに
   基づいて、前記文書データベースから文書を抽出する検
   索手段と、 前記検索手段で検索された文書データを格納する文書デ
   ータ格納手段と、 前記文書データ格納手段に格納された文書データを表示
   する文書データ表示手段とを備えた文書処理装置であっ
   て、 前記検索手段は、キーワードと意味的に類似する単語を
   含む文書を抽出し、 前記文書データ表示手段は、キーワードと意味的に類似
   する単語を強調表示することを特徴とする文書処理装
   置。
2. 【請求項２】 前記文書データ表示手段は、キーワード
   と意味的に類似する類似度を視覚的に判別できるように
   表示することを特徴とする前記請求項１記載の文書処理
   装置。
3. 【請求項３】 コンピュータを、 文書データが蓄積されている文書データベースと、 検索する文書に対するキーワードを入力するキーワード
   入力手段と、 前記キーワード入力手段で入力されたキーワードを格納
   するキーワード格納手段と、 前記キーワード格納手段に格納されているキーワードに
   基づいて、キーワードと一致する単語及び、キーワード
   と意味的に類似する単語を含む文書を前記文書データベ
   ースから抽出する検索手段と、 前記検索手段で検索された文書データを格納する文書デ
   ータ格納手段と、 前記文書データ格納手段に格納された文書データを表示
   し、前記検索手段により検索されたキーワードと意味的
   に類似する単語を強調表示する文書データ表示手段とし
   て機能させることを特徴とする文書処理プログラムを記
   録したコンピュータ読み取り可能な記録媒体。
4. 【請求項４】 前記文書データ表示手段は、キーワード
   と意味的に類似する類似度を視覚的に判別できるように
   表示することを特徴とする前記請求項３記載の文書処理
   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。