JPS62179083A

JPS62179083A - 文字列照合方法

Info

Publication number: JPS62179083A
Application number: JP61020239A
Authority: JP
Inventors: Haruo Hayamizu; 速水　治夫
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1986-02-03
Filing date: 1986-02-03
Publication date: 1987-08-06
Anticipated expiration: 2010-05-17
Also published as: JPH0746362B2

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】（発明の属する技術分野）本発明は、テキストと呼ばれる比較的長い文字列中に、
別途与えられたパタンと呼ばれる比較的短い文字列が１
部分列として存在するか否かを判定し、存在する場合は
、存在するパタン全てを抽出する文字列照合方式に関す
るものである。

（従来の技術）データ処理システムの分野では、文章等の文字列データ
の集りの中から、パタンと呼ばれる特定の部分文字列を
含むもののみを検索したり、文字列データの中に含まれ
る全てのパタンを抽出することがしばしば必要となる。

通常、１つの文字はｎビットの固定長のコードで表現さ
れるため１文字列データはｎビット単位のコードの系列
となる。

一般に文字列データは、磁気ディスク等の電子計算機の
外部記憶装置に格納されており、検索時に中央処理装置
へ１文字ずつ直列に転送される。

従って、処理時間の短縮のためには、データの転送と同
時に検索を行うことが必要となる。

第３図は従来の文字列照合機構の説明図であり、１は文
字列データが格納された記憶装置、２は文字列の照合を
行う文字列照合装置、３は文字列データ転送路、４は検
索結果を出力する信号線である。

文字列データは記憶装置１からデータ転送路３を経由し
て文字列照合装置２へ１文字ずつ直列に入力される。

文字列照合装置２では、予め記憶されているパタンとな
る部分文字列と入力されたデータを照合し、両者の一致
が検出された時点で信号線４に一致信号を出力する。

文字列照合装置２において文字列の照合を行う方式とし
て、従来より有限オー１〜７１−ンを用いる方法が一般
に知られている。

（Ｌ、Ａ、ＩＩｏｌｌａａｒ“Ｉｌａｒｄｗａｒｅ　ｓ
ｙｓｔｅｍ　ｆｏｒ　Ｔｅｘｔ　Ｉｎｆｏｒｍａｔｉｏ
ｎＲｅｔｒｉｅｖａｌ”ＡＣＭ　５ＩＧＩＲ６ｔｈ　Ｃ
ｏｎｆｅｒｅｎｃｅ　１９８３）第４図は有限オートマ
トンの状態遷移を表わした説明図である。

題４図において、５はオートマトンの状態、６は状態遷
移の方向を表わし、文字列データの中の”　Ｄ　ＯＧ　
”という３文字のパタンを照合することができる。

以下、この動作を説明する。

オートマトンの初期状態は状態（０）であり、入力文字
が″Ｄ′″であると状態（１）へ遷移する。

第２図において′＃″はその他の文字を表わし。

状態（０）における入力文字がｘｉ　Ｄ　ｎ以外ならば
引き続き状態（０）に留まる。

状態（１）についても同様であり、入力文字がＩＩ　Ｏ
ＩＩならば状態（２）へ、ＩＩ　Ｄ　１１ならば再び状
態（１）へ、それ以外ならば状態（０）へ遷移する。

状態（２）において入力文字が１１　Ｇ　１′ならば状
態（３）へ遷移し、（ＤＯＧ）というキーを検出したこ
とになり、第３図の信号線４から一致信号が出力される
。

第５図は８ビツトのＪＩＳコードで表現さ九た文字列デ
ータを対象とする従来の決定性有限オートマトンの実現
回路構成の説明図である。

第５図において、３は文字列データ転送路、４は検出結
果を出力する信号線、７は１６ビツトのアドレスレジス
タ、８と２０はそれぞれ６４ＫＢ（２５６Ｘ２’Ｂ）の
ランダムアクセス・メモリ（ＲＡＭと略す）、９はアド
レスデコーダ、１０と２１はそれぞれ８ビツトのメモリ
レジスタ、１２，１４，２４．２５は８ビツト幅のデー
タ線、１３は１６ビツト幅のアドレス線、２２は検出パ
タンの判別回路、２３はアドレスデコーダ出力線である
。

第６図は従来の状態遷移表の構成図であり。

パタンが’Ａ　Ｂ　Ｃ”と“ＢＣＤ”の場合の、第５図
のランダムアクセス・メモリ８に格納される従来の状態
遷移表の内容の一例を表わしたものであり、１６は１６
進数表現の８ビツトデータであり１次の状態番号を表わ
す。

１７はメモリアドレスの上位８ビツト、１８はメモリア
ドレスの下位８ビツトである。なお、論理的にはメモリ
の上位アドレスＩ７が状態番号、メモリの下位アドレス
１８が文字コードに対応しており、１９はメモリの下位
アドレス１８のコードによって表現されるコードχ、を
応の文字である。

第７図は従来のパタン検出判定表の構成図であり、同じ
くパタンか“ＡＢＣ”と“ＢＣＤ”の場合の、第５図の
ランダムアクセス・メモリ２０に格納される従来のパタ
ン検出判定表の内容を表わしたものであり、２６は８ピ
ッ１−データであり検出パタン符号を表わす。２７はメ
モリアドレスの上位８ビツト、２８はメモリアドレス下
位８ビツトであり、構成としては第６図の状ｆフ遷移表
と同一である。

テキストの入力文字はデータ転送路３よりアドレスレジ
スタ７の下位８ビツトにセラ１〜される。

アドレスレジスタ７の上位８ビツトには初期値としてオ
ールゼロがセットされており、アドレス線１３を経由し
てアドレスデコーダ９に入力される。

アドレスデコーダ９の出力は出力線２３によって２方向
へ分配され、ランダムアクセス・メモリ８から当該アド
レスに格納されている８ビツトのデータ１６が読出され
、データ線１４を経由してメモリレジスタ１０ヘセツト
されると共に、ランダムアクセス・メモリ２０からも同
一アドレスに格納されている８ビツトのデータ２６が読
出され、データ線２４を経由してメモリレジスタ２１に
セットされる。

メモリレジスタ１（１の内容は、テキストの次の入力文
字がアドレスレジスタ７の下位ビットにセラ１−される
時に、データ線１２を経由してアドレスレジスタ７の上
位ビットにセットされる。

メモリレジスタ２１の内容は、データ線２５により判別
回路２２に加えられ、値がオールゼロ以外なら信号線４
に検出信号およびメモリレジスタ２］の内容が出力され
る。

以上の動作をデータ転送路３から１文字入力される毎に
繰り返すことにより、テキストとパタンの照合処理が実
行される。

以上説明した従来の方式では、各状態において。

各入力文字に対して１回のテーブル索引動作で次の状態
を決定するために、即ち、決定性有限オートマトンにす
るために、文字コードの全てに対応するエントリが必要
であった。

上記の説明例においては、各状態光り２　’　＝　２５
６エントリである。

また文字が１６ビツトのコードで表現される場合は２　
”　＝　６５５３６エントリである。しかし、上記説明
例でも分かる様に、２５６エントリの中で初期状態以外
の有意な遷移情報が記入されているのは数エントリであ
る。他のエントリには初期状態への遷移情報が記入され
ている。

この様に、従来方式では状態遷移表およびパタン検出判
定表を格納するＲＡＭが有意な情報を格納するに必要な
容量以上になるという欠点があった。

（発明の目的）本発明は、状態遷移表およびパタン検出判定表を格納す
るメモリが不必要に大きくなる点を解決した、有限オー
トマトンによる文字列照合方式を提供することにある。

（発明の構成）（発明の特徴と従来の技術との差異）本発明は、状態遷移表および検出パタン判定表を格納す
るメモリとして、連想メモリ〔アドレス内蔵メモリ；　
Ｃｏｎｔｅｎｔ　Ａｄｄｒｅｓｓ　Ｍｅｍｏｒｙ（ＣＡ
　Ｍと略す）とも呼ばれる〕を使用することを最も主要
な特徴とする。

状態遷移表において、次の状態番号が初期以外のエント
リ、または、検出パタン判定表の内容がオールゼロ以外
のエンｌ〜りを有意なエントリと呼び、このエントリに
対応する状態番号と文字コードとの組のみをＣＡＭに格
納し、対応する次の状態番号とパタン検出符号をＣＡＭ
に関連付けられたＲＡＭの対応する番地にそれぞれ格納
する。

テキストから１文字入力される毎に、現在の状態番号と
入力文字の組として、ＣＡＭに対して一致検索する。

一致エントリが有る場合は、当該エントリと関連付けら
れたＲＡＭから、次の状態番号およびパタン検出符号を
得ることができる。

また、一致しなかった場合は、次の状態番号は初期値で
あることが分かり、別途回路で初期状態番号を作成する
。

従来方式では、ランダムアクセスメモリのみを使用する
ために、有意なエントリ以外も格納する必要があったが
、本発明では有意なエントリのみを格納すればよい点が
異なる。

（実施例）第１図は本発明を用いた決定性有限オートマトンの実現
回路の構成を示す一実施例のブロック図であり、８ビツ
トのコードで表現された文字列デ−タを対象とした照合
方式の説明図である。

図において、３０はＩＫ語（１語は２Ｂ＋１ビツト）の
ＣＡＭ、３１はＣＡ　Ｍの一致エン１−りのアドレスを
作成するエンコーダ、３２はＣＡ　Ｍに一致エントリが
無かった場合に次の状態番号として初期値を作成する初
期状態発生回路、３３はＣＡＭに対して一致検索を行う
データをセットするＣＡＭアクセスレジスタ、３４は８
ビツトのデータ線の選択回路、３５は１７ビツトのデー
タ線、３６はＣＡＭの一致エン１−りが表示されるエン
１〜り対応の一致エントり信号線、３７はＣＡＭの一致
エントりのアドレス線、３８はＣＡＭに一致エントリが
無かったことを表示する不一致エン１〜り信号線、４０
はＩＫ語（１語は２Ｂ）のＲＡＭ、４１はアドレスデコ
ーダ。

４２はメモリレジスタ、４３はアドレスデコーダ出力線
、４４は１６ビツトのデータ線、４５，４６．４７は８
ビツトのデータ線、３０１はＣＡＭの有効エントリを表示する１ビツトのデ
ータを格納するエントリ有効性表示ビット格納域、３０
２は８ビツトの状態番号格納域、３０３は８ビツトの文
字コード格納域、４０１．４０２は８ビツトのデータ格納域で、４０１は
次の状態番号格納域、４０２はパタン検出符号格納域で
ある。

第２図は第１図に対応する状態遷移表とパタン検出判定
表の構成図であり、与えられたパタンか”ＡＢＣ”と”
ＢＣＤ”である場合のＣＡＭとＲＡＭの内容の一例を表
わしたものである。

図において、３１１，３１２，３１３，４１１，４１２
はそれぞれ３０１．３０２，３０３，４０１，４０２に
格納される内容である。

３１１は１ビツトのデータであり、１′″の時に当該エ
ントリが有効であることを表わす。

３１２は１６進数表現の８ビツトのデータであり、現在
の状態番号を表わす。

３１３は１６進数表現の８ビツトのデータであり、文字
コードを表わす。

４１１は１６進数表現の８ビツトのデータであり。

次の状態番号を表わす。

４１２は１６進数表現の８ビツトのデータであり、パタ
ン検出符号を表わす。

３２３は３１３のコードによって表現されるコード対応
の文字である。

次に、第２図と、従来方式の第６図、第７図との対応関
係について説明する。

現在の状態番号３１２は、第６図の１７および第７図の
２７に対応する。

文字コード３１３は、第６図の１８、第７図の２８に対
応するが、第２図の場合はパタン中にある文字コードの
みが使用されている。

次の状態番号４１１は、第６図の１６に対応するが、第
２図の場合は、初期状態番号（ＯＯ）が入っているのは
パタン検出符号４１２が（００）以外の場合のみである
。

パタン検出符号４１２は第７図の２６に対応する。

次に、第１図の動作について説明する。

入力文字はデータ転送路３よりＣＡＭアクセスレジスタ
３３の下位８ビツトにセットされる。

ＣＡＭアクセスレジスタ３３の中間８ビツトには初期値
として（００）がセットされており、ＣＡＭアクセスレ
ジスタ３３の上位１ビツトは常に５１１”がセットされ
ている。

ＣＡＭアクセスレジスタの１７ビツトがデータ線３５を
経由してＣＡＭに一致検索される。

一致エントリが有った場合は、アドレスエンコーダによ
り出語エントリのアドレスがデータ線３７を経由してＲ
ＡＭのアドレスデコーダ４１に転送される。

アドレスデコーダでデコードされ、ＣＡＭの一致エント
リに対応する番地から、ＲＡＭ４０の内容４１１．４１
２が、データ線４４を経由してメモリレジスタ４２にセ
ットされる。

本発明の場合、ＣＡＭの複数のエントりと一致すること
がないことは、ＣＡＭの内容から明白である。

一致するエントリがない場合は、信号線３６が全てゼロ
であることから判定され、不一致エン１−り信号線３８
から不一致信号が出力される。

不一致信号が初期状態発生回路３２に加えられると、次
の状態番号として（００）が作成され、データ線４６を
経由して選択回路４７へ転送される。

−ｉｔエン１〜り有りの場合は、メモリレジスタ４２の
上位８ビツトは、次の状態番号としてデータ線４５を経
由して選択回路３４へ転送される。

また、メモリレジスタ４２の下位８ピッ１−はパタン検
索符号として、データ線２５を経由して判別回路２２に
加えられ、値が（００）以外なら、信号線４に、検出信
号およびデータ線２５で転送された内容が出力される。

選択回路３４は一致エン１〜り有りの場合は、データＲ
Ｑ４５を選択し、一致エン１〜り無しの場合は、データ
線４６を選択し、データ線４７に出力する。

データ線４７を経由したデータは５次の状態番号として
ＣＡＭアクセスレジスタ３３の中間８ビツトにセラ１−
される。

以上の動作をデータ転送路３から１文字入力される毎に
繰り返すことにより、テキストパタンの照合処理が実行
される。

以上の説明から明らかなように、状態遷移表と検出パタ
ン判定表の有意なエントリのみをＣＡＭに格納すればよ
いので、メモリ容量の削減ができる。

有意なエン１〜り以外の初期状態への遷移情報は。

ＣＡＭに一致するエントリが無かったことを判定するこ
とにより作成している。

なお、上記説明では、初期状態番号として（００）を用
いていたが、任意の番号を用いることも可能である。

また、文字コードは８ビツトに限らないことも明白であ
る。

ＣＡＭに対して一致検索し、一致エントリがあった場合
、当該エントリのアドレスではなく、当該エントリの内
容を出力する機能を有するＣＡＭも知られている。

この様なＣＡＭを使用する場合は、前記実施例ではＲＡ
Ｍに格納している情報を、ＣＡＭの同一エントリの別格
結城に格納することにより、本発明を実施することも可
能である。

（発明の効果）以上説明したように、本発明は状態遷移表およびパタン
検出判定表の有意なエントリのみをメモリに格納するだ
けでよいので、次の利点がある。

■一定容量のメモリに格納できるパタンの合計長の上限
が大きくなる。

■一定容量のパタンの状態遷移表とパタン検出判定表を
メモリに格納する時間が短くなる。

以上の利点は、特に文字コード長が長い場合は、従来方
式との差が著しくなる。

【図面の簡単な説明】

第１図は本発明を用いた決定性有限オートマ１−ンの実
現回路の構成を示す一実施例のブロック図、第２図は第
１図に対応する状態遷移表とパタン検出判定表の構成図
、第３図は従来の文字列照合機構の説明図、第４図は有
限オートマトンの状態遷移を表わした説明図、第５図は
８ビツトのＪＩＳコードで表現された文字列データを対
象とする従来の決定性有限オートマ１−ンの実現回路構
成の説明図、第６図は従来の状態遷移表の構成図、第７
図は従来のパタン検出判定表の構成図である。１　・・・記憶装置、２・・・文字列照合装置、３　・
・・データ転送路、４　・・・信号線、５　・・・オー
トマトンの状態、６　・・・状態遷移の方向、７　・・・アドレスレジスタ、８．２０．４０・・・ランダムアクセス・メモリ、９．
４１・・・アドレスデコーダ、１０．２１．４２・・・メモリレジスタ、１２、１４，
２４，２５，３５，４４，４５，４６．４７・・・デー
タ線。１３．３７・・・アドレス線、１６．２６　・・・　データ、１７．２７・・・メモリの上位アドレス。１８．２８・・・　メモリの下位アドレス、１９．２９
，３２３・・・コード対応の文字。２２・・・判別回路、２３．４３・・・アドレスデコーダ出力線、３０・・・
連想メモリ（ＣＡＭ）、３１・・アドレスエンコーダ、３２・・・初期状態発生回路、３３・・・ＣＡＭアクセスレジスタ、３４・・・選択回路、３６・・・ＣＡＭの一致エントリ信号線、３７・・・Ｃ
ＡＭの一致エン１〜リアドレス線。３８・・・ＣＡＭの不一致エントり信号線。３０１・・・エントり有効性表示ビット格納域、３０２
・・・状態番号格納域、３０３・・・文字コード格納域、３１１・・・エン１−り有効性表示ビット、３１２・・
・状態番号、３１３・・・文字コード、４０１・・・次
の状態番号格納域。４０２・・・パタン検出符号格納域、４１１・・・次の状態番号。４１２・・・パタン検出符号。特許出願人　日本電信電話株式会社３３−　ＣＡＭ　ｆ７ゼスｔシ゛スタ兇・ＣＡＭツ一枚二汗ン＾■ル３７−　ＣＡＭ　ラーＮエコトジ１ドしス鳶し３８　・
ＣＡＭ　　り　丙・−恢一シトソヘｓ９郁に４０　　り
）ダＩＡ　ｆｌｔｆ、、・メｔす４２　・メリ　νゾス
ダ第３図３−・・テ゛−７転遣鋒４・・４Ｓ　８炎第４図６　・吹態蓋料り方匍第５図１２・・・　テパ−りｔ屹第６図第７図手続補正書（自制昭和６１年　６月３０日特許庁長官　宇　賀　道　部　　殿１、事件の表示　　特願昭６１−２０２３９号２、発明
の名称　　文字列照合方式３、補正をする者事件との関係　特許出願人住　　所　　　東京都千代田区内幸町１丁目１番６号名
　　称　　（４２２）　　日本電信゛ポ話株式会社代表
者　　　　真　藤　　恒４、代理人゛縣０３（４３１）　８１１１番〔線〕′ｑ−１゛″９
５、補正により増加する発明の数　　０６、補正の対象
　　明細書の特許請求の範囲７、補正の内容　　特許請
求の範囲を別紙のとおり訂正特許請求の範囲を記載した
書面特許請求の範囲テキストと呼ばれる比較的長い文字列中に、別途与えら
れたパタンと呼ばれる比較的短い文字列が部分列として
存在するか否かを判定するために、状態番号とパタンを構成する各文字との組合せに対して
、次の状態番号を記入した状態遷移表および状態番号と
、特にパタンの最終文字との組合せにおいては、当該パ
タン検出符号を記入したパタン検出判定表を予め作成し
ておき、テキストの１文字を入力するたびに、上記状態遷移表に
従って状態遷移しながら、パタン検出判定表を参照して
パタンの存在を判定する決定性有限オートマ１−ンに基
づいたテキストサーチ法において、前記状態遷移表の状態番号とパタンを構成する文字の組
合せを連凰メモリに、当該組合せに対応する次の状態番
号とパタン検出符号を上記連想メモリと関連付けられた
ランダムアクセスメモリの対応する番地に、それぞれ格
納しておき、テキストの１文字を人力するたびに、現在
の状態番号と、入力された１文字を組として連遮メモリ
に対し一致検索し、一致エントリが有る場合は、関連付けられたランダムア
クセスから次の状態番号を得て、−ｆｉエントリが無い
場合は、次の状態番号は初期状態にリセットすることに
より、状態遷移を行いながら、一致エントリに関連付け
られたランダムアクセスメモリから得た当該パタン検出
符号によって、パタンの存在を判定することを特徴とす
る文字列照合方式。

Claims

【特許請求の範囲】テキストと呼ばれる比較的長い文字列中に、別途与えら
れたパタンと呼ばれる比較的短い文字列が部分列として
存在するか否かを判定するために、状態番号とパタンを構成する各文字との組合せに対して
、次の状態番号を記入した状態遷移表および状態番号と
、特にパタンの最終文字との組合せにおいては、当該パ
タン検出符号を記入したパタン検出判定表を予め作成し
ておき、テキストの１文字を入力するたびに、上記状態遷移表に
従って状態遷移しながら、パタン検出判定表を参照して
パタンの存在を判定する決定性有限オートマトンに基づ
いたテキストサーチ法において、前記状態遷移表の状態番号とパタンを構成する文字の組
合せを連送メモリに、当該組合せに対応する次の状態番
号とパタン検出符号を上記連想メモリと関連付けられた
ランダムアクセスメモリの対応する番地に、それぞれ格
納しておき、テキストの１文字を入力するたびに、現在の状態番号と
、入力された１文字を組として連送メモリに対し一致検
索し、一致エントリが有る場合は、関連付けられたランダムア
クセスから次の状態番号を得て、一致エントリが無い場
合は、次の状態番号は初期状態にリセットすることによ
り、状態遷移を行いながら、一致エントリに関連付けら
れたランダムアクセスメモリから得た当該パタン検出符
号によって、パタンの存在を判定することを特徴とする
文字列照合方式。