JPS62210538A

JPS62210538A - 記号列サ−チ方法および装置

Info

Publication number: JPS62210538A
Application number: JP61052439A
Authority: JP
Inventors: Tadashi Osone; 匡大曽根; Akira Yamamoto; 彰山本; Hiroyuki Kitajima; 北嶋　弘行; Masashi Tsuchida; 正士土田; Nobuhiro Taniguchi; 谷口　伸博; Yoshiaki Yamashita; 山下　芳明
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1986-03-12
Filing date: 1986-03-12
Publication date: 1987-09-16

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】〔産業上の利用分野〕本発明は、テキストを始め１図形９画像、音響の検索等
記号化可能なパタンの記号列サーチ方法および装置に係
り、特に、複数のパタンを記号列から高速に検索する処
理に好適な記号列サーチ方法および装置に関する。

〔従来の技術〕

以下本発明の代表的適用分野であるテキストサーチの場
合について述べる。

テキストと呼ばれる記号列から、複数個のパタンと呼ば
れる部分記号列をサーチするための方式は、例えば「ハ
ードウェア・システムズ・フォア・テキスト・インフオ
メイシｉン・リトリーバル」（Ｈｏｌｌａａｒ、Ｌ、Ａ
、：Ｈａｒｄｗａｒｅ　Ｓｙｓｔａｍｓ　ｆｏｒ　Ｔｅ
ｘｔＩｎｆｏｒｍａｔｉｏｎ　Ｒｅｔｒｉｅｖａｌ：Ａ
ＣＭ　５ＩＧＩＲ６ｔｈ　Ｃｏｎｆ、１９８３）に記載
のように、有限オートマトン法を利用したセルラ・アレ
イを用いた方式となっていた。しかし、これら従来方式
では、テキスト全て、すなわち、テキスト長をｎとする
と、ｎ個の記号全てを入力せねばならず、それ以上の高
速化が原理的に不可能であった。

〔発明が解決しようとする問題点〕

上記において説明したように、従来技術では、複数のパ
タンを検出するのに、記号列のｎ記号全てを１記号ずつ
順に入力せねばならないという問題があった。

本発明の目的は、入力するテキストの記号数を極力減ら
すことにより、高速に複数のパタン−を検出することを
可能とする方法および装置を提供することにある。

〔間迎点を解決するための手段〕

上記目的は、入力するテキストの記号数を極力減らすこ
とを可能とする新しい記号列サーチ・アルゴリズムを考
案し、さらに、このアルゴリズムを高速に実現するため
にテキストのサーチ状態′と新たに入力するテキスト１
記号との組から１次のテキストのサーチ状態を示すテー
ブル（状態遷移テーブル）と次に新たに入力すべきテキ
スト１記号のアドレスを容易に求めることのできろテー
ブル（スキップ・テーブル）を用意することにより、達
成される。

〔作用〕

本発明におけるアルゴリズムは、複数パタンに対する記
号列サーチを実行する際、無駄のないサーチを行うよう
にしているため入力するテキストの記号数を極力減らす
ことを可能にし、さらに、状態遷移テーブルとスキップ
・テーブルを参照するだけで上記アルゴリズムを実現さ
せることができるので、非常に高速な記号列サーチ処理
を実現することができる。

〔実施例〕

以下、本発明の一実施例を詳細に説明する。

最初に、本発明における複数パタンに対する記号列サー
チのアルゴリズムについて説明する。ここで、ｎ：テキスト長に：パタン数Ｍｋ：パタンにのパタン長（１≦に≦Ｋ）Ｔ（ｉ）：テ
キストのｉ番目の記号（１≦１１≦ｎ）とする。また、前提として、テキストはランダムにアク
セスできるメモリの中に格納されているものとする６本アルゴリズムの基本的な考え方を以下に述べる。例と
して、パタン１；マＣＯＷマ。

パタン２：マＢＵＬＬマ。

パタン３：マＣＡＴＴＬＥマの場合を考える。ここで。

テキスト：マＨＯｆｔＲＳマの時は、初めにテキストの３記号目Ｔ　（３）　＝マＲ
マを入力するだけで、この記号マＲマがどのパタンにも
１記号目から３記号目の間に存在しないということから
、テキストの３記号目以前にはどのパタンも存在しない
ことがわかる。したがってテキストの４記号目以降にパ
タンか存在する可能性だけを考えれば良いことになる（
第３図参照）。

これは、テキストの１記号目マＨマや２記号目マ０マを
入力する無駄を省くことを可能にするので、テキストの
入力すべき記号数を削減することができる。この時、次
に入力すべきテキストの記号は６記号目とする。もし、
３記号目Ｔ　（３）　＝マＢマの時は、テキストの３記
号目からパタン２のマｆｌＵＬＬマと一致する可能性が
あることを考慮してサーチを進めればよい、また、３記
号目Ｔ　（３）　＝マＷマの時は、テキストの１記号目
から３記号目までがマＣｏＷマである可能性があるので
、次に１つ前のテキストの２記号目Ｔ（２）を入力して
調べていけば良い（第４図参照）０以上が、本アルゴリ
ズムの基本的考え方である。これを高速に実現するため
の方法を以下に述べる。

まず、状態について説明する。本例の場合、テキストの
す、−子状態ｎを第５図のように定義する。

すなわち、状態マ０１マは、３記号目がマＷマである状
態、状態マ０２マは、２記号目がマ０マ３記号目がマＷ
マである状態、以下、同様である。そして、状態マＦＦ
マ、マＦＥマ、マＦＤマは、それぞれ、パタン１．パタ
ン２．パタン３が検出できた状態とする。

このように、パタンか検出できた時の状態の番号に特別
な番号を与えることにより、パタンの検出結果を容易に
判断できるようにする０例えば、本例の場合マＦＤマ以
上になったらパタン発見とする。

対応するテキストの記号Ｚを入力する。それが、マＷマ
の時は状態マ０１マ、マＬマの時は状態マ０３マ、マＴ
マの時は状態マロ６マに状態が遷移する。それ以外の場
合は、状態はマＯＯマのままにする。また、状態マ０１
マの時は、パタンの２記号目と対応するテキストの記号
Ｚを入力し、それがマＯマの時は状態マ０２マに、それ
以外の時は状態マＯＯマにする。

この時の状態遷移図を第６図に示すにの状態遷移は、現
在の状ｔｍＱと入力されたテキストの記号Ｚから決まる
。この状態遷移テーブルＬ　（Ｑ、Ｚ）を第７図に示す
。

現在の状態悲と入力したテキスト１記号Ｚがわかつてい
る時に、次にテキストの何番目の記号を入力すべきかと
いうことについての情報は、あらかじめ、テーブルとし
て、作成しておく。これを、スキップ・テーブルと呼ぶ
。本例の場合のスキップ・テーブルＳ　（Ｑ、Ｚ）の例
を第８図に示す。

このスキップ・テーブルには、現在の状態Ｑと入力した
テキスト１記号Ｚが与えられた時の、次に入力すべきテ
キストのアドレスと先に入力したテキストのアドレスの
差の情報を格納しておく。これをスキップ幅と呼ぶ１例
えば、状態マ００マの時。

テキストの３番目の記号Ｔ　（３）　＝マＲマが入力さ
れたら、現在のテキストのアドレスマ３マとテーブルに
書かれているスキップ幅５（００，Ｒ）＝マ３マとを加
えたマ６マが次に入力すべきテキストのアドレスとなる
。また、状態マ００マでテキストの３番目の記号Ｔ（３
）＝マＷマが入力されたならば、スキップ幅Ｓ　（００
，Ｗ）＝マー１マより、次に入力すべきテキストのアド
レスはマ２マどなる６以上説明した状態遷移テーブルＬ
　（ｎ、Ｚ）とスキップ・テーブルＳ　（７１，Ｚ）を
用いることにより、上述した記号列サーチのアルゴリズ
ムを高速に実行することができる。

この方法の具体的なフローチャートを第２図に示す、ま
ず、最初に初期状態ａ＝Ｏ１初期テ初期テラステップ）
。次に、ｉ≦ｎであるか否かから記号列サーチを終了す
るかどうかを判断する（ステップ１０２）、ｉ≦ｎでな
い場合は終了する（ステップ１０３）、ｉ≦ｎである場
合は、テキストのｉ番目の記号Ｚ＝Ｔ（ｉ）を入力し、
現在の状態αと入力記号Ｚから次の状態患＝Ｌ　（Ａ。

Ｚ）、スキップ幅ｙ＝Ｓ（Ｑ、Ｚ）をフェッチする（ス
テップ１０４）、次の状態患がマＦＤマ以上かどうかで
パタンのどれかが検出できたかどうかを判断しくステッ
プ１０５）、マＦＤマ以上の場合、検出したパターン番
号は一〇であり、それを。ｕｔに出力する（ステップ１
０６）、そして次に入力すべき、テキストのアドレスｉ
　％　ｉ　＝　ｉ　＋　ｙによって計算しくステップ１
０７）、ステップ１０２に戻る。

次に、この方法を実現する回路の構成例を第１図に示す
、１はテキスト・テーブルＴ（ｉ）を格納するＲＡＭ、
２は状態遷移テーブルＬ　（Ｑ、Ｚ）を格納するＲＡＭ
、３はスキップ・テーブルＳ（Ｑ、Ｚ）を格納するＲＡ
Ｍ、２０は１にアクセスするためのテキスト・アドレス
・レジスタ、２１は２と３にアクセスするためのテーブ
ル・アドレス・レジスタ、３１と３２と３３は、それぞ
れ、１と２と３に対応するメモリ・レジスタである。論
理的には、２０はテキスト・アドレスｉ、３１はテキス
トＺ＝Ｔ　（ｉ）、２１はテーブル・アトＬ／Ｘ　（Ｌ
、　Ｚ）　、３２は次の状態Ｑ　＝　Ｔ。

（Ｑ、Ｚ）　、３３はスキップ幅ｙ＝ｓ　（Ｑ、ｚ）に
対応するレジスタである。さらに、１０は、第２図の本
方式のフローチャートにおける１１０の部分を実現する
判定回路、１１は、１１１の部分を実現する論理回路、
１２は１０７の部分を実現する加算回路である。また、
５０は、検出パタンを出力する出力線である。

以下、本回路の動作例について、第１２図を用いて説明
する。例として、パタンかパタン１：マＣＯＷマパタン２：マＢＵＬＬマパタン３：マＣＡＴＴＬＩＥマテキストがテキスト：　マＨＯＲＢＳ、ＣＡＴ、ＣＯＷ。

５ｔ（ＥＥＰ、ＨＥＮ、ＤＯＧ。

ＭＯＮＫＥＹマの場合を考える。この時、テキスト・テーブルＴ　（ｉ
）は、第１１図のようになり、これが１のＲＡＭに格納
されている。また、状態遷移テーブルＬ（Ω、Ｚ）は第
９図のように、スキップ・テーブルＳ　（Ｑ、Ｚ）は第
１０図のようになり、それぞれ、２と３のＲＡＭに格納
する０次に、４２をセットする。１サイクル目では、テ
キスト・テーブルからテキストＴ　（０３）＝マＤ９マ
（Ｒ）をテキスト・レジスタ３１に取り込み１次に、マ
００Ｄ９マをアドレスとして、２と３のＲＡＭにアクセ
スする。そして、状態Ｑ＝Ｌ　（Ｑ、Ｚ）＝マ００マ、
スキップ幅ｙ＝Ｓ　（Ｑ、Ｚ）＝ＴＯ３？を、それぞれ
、状態レジスタ３２とスキップ幅レジスタ３３に取り込
む、論理回路１１で状態レジスタ３２の内容を調べ、そ
れがマＦＤマ以上でないのでパタンを検出してないこと
がわかる。加算回路１２では、スキップ幅レジスタ３３
の内容マ０３マとテキスト・アドレス・レジスタ４ｏの
内容マ０３マを加えて、テキスト・アドレス・レジスタ
２０にマロ６マを出力する。２サイクル目も同様に実行
される。３サイクル目では、Ｔ　（０９）＝マＥ３マ（
Ｔ）なので、マ０ＯＥ３マをテーブル・アドレスとして
２と３のＲＡＭにアクセスし、状ＷＡＱはマロ６マに、
スキップ４ｆｉｌｙはマＦＦマになる。従って、次のテ
キスト・アドレスｉはマ０８マとなり、４サイクル目に
うつる。この処理を続けていくことにより、９サイクル
目で状態ａがマＦＦマとなるのでｏｕｔ＝マ０１マとな
り、パタン１のマＣｏＷマが検出できたことがわかる。

さらに、この処理を続けていき１６サイクル目で記号列
サーチ処理が終了する。このように、この例の場合、３
４個の記号列からなるテキストのサーチ処理が、従来方
式であると３４サイクルの処理時間がかかったのに対し
、１６サイクルで済ませることができる。

〔発明の効果〕

本方式によれば、複数のパタンのうち、最短のパタン長
をｍとし、テキスト長をｎとすると、最小の場合、ｎ　
／　ｍサイクルで記号列をサーチすることができ、ｎサ
イクル必要とする従来方式に比べｍ倍高速となる。しか
も、パタンか検出できた時の状態の番号に特別な番号を
与えることにより、パタンの検出結果を容易に判断でき
るようになった。さらに、セルラ・アレイを用いた装置
に比べ、大幅に少ない物量でハード化することが可能で
ある。

【図面の簡単な説明】

第１図は本発明を実現する記号列サーチ装置のブロック
構成図、第２図は本発明を実現する記号列サーチ方式の
フローチャート、第３図と第４図は本発明の詳細な説明
図、第５図は本発明におけるサーチ状態の説明図、第６
図は本発明状態遷移図、第７図と第９図は状態遷移テー
ブルを示す図、第８図と第１０図は本発明スキップ・テ
ーブルを示す図、第１１図は本発明テキスト・テーブル
を示す図、第１２図は本発明の詳細な説明図である。１．２．３・・・ランダム・アクセス・メモリ、１０・
・・判定回路、１１・・・論理回路、１２・・・加算回
路、３１．３２，３３・・・メモリ・レジスタ、２０゜
￥Ｉ　ｌ　口ａ、！Ｉ　７）’ＬＸ、４ＶＡグ　　　ｔｚ　　５ｅａ
ｓ第　２　図舊　３　口第本′図第　７　図１に臭遁１号テープ゛ルＬα、ｚ）全白はθθ 第　８　日

Claims

【特許請求の範囲】１、記号列の中に所定の単数個以上のパタンのどれが含
まれているかを確認するために、パタンの特徴と既にサ
ーチした結果で明確になつている事実の情報と新たに入
力した記号または記号列とを考慮して、無駄なサーチを
排除することを特徴とする記号列サーチ方法。２、現在の記号列のサーチ状態と入力した記号列の中の
１記号の情報とから、次のサーチ状態がわかる情報を格
納するテーブルを有する記憶手段と、次に入力すべき記
号列の中の１記号のアドレスを計算できる情報を格納す
るテーブルを有する記憶手段と、記号列サーチ時に、こ
れらのテーブルを参照する手段を有することを特徴とす
る記号列サーチ装置。３、複数以上あるパタンのうちどのパタンが検出できた
かを認知させるために、パタンを検出できた時のサーチ
状態の番号に特別の番号を与えることを特徴とする第１
項記載の記号列サーチ方法。