JPS63233427A - 近似パタ−ン検出方法および装置 - Google Patents

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、イメージ情報等、記号化可能なパタ
ーンの記号列サーチを行う方法およびそのための装置に
関し、特に近似パター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そのための装置に関
する。

〔従来の技術〕

近年、オフィス・オートメーションの進展に伴ない、文
書情報のデータベース化が急速に進んでおり、そのデー
タベースの規模も大規模化する方向にある。従って１文
書情報のデータベース処理の高速化は重要な課題である
。

この文書情報のデータベース処理のうちで、特に重要な
処理の一つは、テキストと呼ばれる文字列のデータの中
から、パターンと呼ばれる特定の文字列を検索するテキ
スト・サーチ処理である。

従来、数種のテキスト・サーチの方式およびそのための
装置が提案されている。例えば、Ｌ、Ａ。

ホラ−による「ハードウェア・システムズ・フォア・テ
キスト・インフオメイション・リトリーバル」（Ｉ−Ｉ
ｏｌｌａａｒ、Ｌ、Ａ、Ｈａｒｄｔｉａｒｅ　Ｓｙｓｔ
ｅｍｓ　ｆｏｒ　ＴｅｘｔＩｎｆｏｒｍａｔｉｏｎ　Ｒ
ｅｔｒｉｅｖａｌ、ＡＣＭ　　５ＩＧＩＲ６ｔｈｃｏｎ
ｆ　、　１９８：Ｉ）には、パターンを一文字ずつアレ
イ状にレジスタに格納しておき、そこにテキス１−を先
頭から一文字ずつ入力して行きパターンを検出するセル
ラ・アレイ法や、有限オートマトン法を利用して、テキ
ストを先頭から一文字ずつ入力しながら、状態遷移テー
ブルを参照してパターンを検索する有限オートマトン法
等が記載されている。

これらはいずれも、指定されたパターンと完全に一致す
るパターン（ｄｏｎ’ｔ　ｃａｒｅ文字を含む）をテキ
ストから検出することを目的としていた。

しかし、将来は、指定されたパターンと近いパターンを
テキストから検出したいというニーズが高まるものと考
えられる。例えば、テキストには「○ｌ−ｌ５ＡＫＡＪ
という形で記憶されているとき。

ユーザがｒｏＯ８ＡＫＡＪやｒＯｓＡＫＡＪというパタ
ーンを指定した場合、完全なパターンしか検出しない機
能しか持っていないと、「○ｌｌ５ＡＫＡＪを検出でき
ないことになる。

近似パターンを検出する機能を持っていれば、ｒｏＯ８
ＡＫＡＪやｒＯｓＡＫＡＪというパターンはなかったが
、−文字違いのｒＯＨ３ＡＫＡＪというパターンは存在
することを知らせることができ。

ユーザにとって使い勝手が良くなる。また、ユーザの誤
入力時や、単語のスペルがあいまいであるとき等にも、
この近似パターンの検出という機能が役立つと考えられ
る。

これに対しては、特公昭６１−２８１３４号公報に開示
されている如く、近似パターンの検索をねらったものも
あるが、近似パターン検出の一部の機能を果たすもので
はあっても、完全な機能を果たすものではなかった。

〔発明が解決しようとする問題点〕

上述の如く、従来技術では近似パターンを完全に検索す
ることはできないという問題があった。

本発明は上記事情に鑑みてなされたもので、その目的と
するところは、完全なパターンを検出するばかりでなく
、近似パターンをも高速に、しかも、完全に検出できる
検索方法およびそのための装置を提供することにある。

ここで、近似パターンとしては、以下に述べるものを指
す。すなわち、近似パターンの種類は、例えば、指定パ
ターンがｒｏ　ＨＳ　Ａ　Ｋ　ＡＪであるとき、ｒＯｓ
ＡＫＡＪは指定パターンに対して一文字欠落したパター
ンであり、ｒｏＯ８ＡＫＡＪは一文字置換したパターン
、ｒＯＨ３ｓＡＫΔ」は−文字過創なパターンである。

本発明においては、上記欠落パターン、置換パターン、
過剰パターンの各々を検出するばかりでなく、これらの
混在したパターンについても、何文字違いであるかを識
別し、近似パターンとして検出できる方法およびそのた
めの装置を提供することを目的とする。

〔問題点を解決するための手段〕

本発明の上記目的は、テキストの入力文字と内部に設定
された指定パターンの文字とを比較し、これらの文字が
一致するか否かを示す制御情報を用いて、与えられた指
定パターンに一致するパターンを検索するパターン検出
方法において、前記制御情報として、前記指定パターン
と何文字一致しているかという一致文字数を表現する情
報を用いることにより、テキストから、予め指定された
文字数以内だけ異なる近似パターンを検出することを特
徴とする近似パターン検出方法、および、テキストの入
力文字と内部に設定された指定パターンの文字とを比較
し、これらの文字が一致するか否かを示す制御情報を発
生する回路を直列に接続し、前記制御情報を逐次伝達す
る如く構成されたパターン検出装置において、前記制御
情報として、前記指定パターンと何文字一致しているか
という一致文字数を表現する情報を泪い、テキストを一
文字毎入力して前記制御情報発生回路で前記制御情報を
生成し、これを一つ上位の制御情報発生回路に伝達する
ことを繰り返すことにより、テキストから、予め指定さ
れた文字数以内だけ異なる近似パターンを検出する如く
構成されたことを特徴とする近似パターン検出装置によ
って達成される。

〔作用〕

従来の制御情報は、一致しているか／一致していないか
を表現する２値情報であったので、指定パターンの最後
尾の文字とテキストからの入力文字を比較した結果生成
される制御情報からは、近似パターンを検出することは
不可能であった。

これに対し、制御情報を指定パターンとの一致文字数を
表現する情報とすることにより、指定パターンの最後尾
の文字とテキストからの入力文字とを比較した後に生成
される制御情報から一致文字数がわかるので、近似パタ
ーンを検出することができるようになる。

すなわち、長さｍ文字の指定パターンとに文字違いの近
似パターンを検出せよという要求に対して、指定パター
ンの最後尾に対応する一致文字数を表現する制御情報が
Ｑであるとき、 ０２ｍ−ｋ が成立すれば、ｍ−ｎ文字違いの近似パターンを検出し
たことがわかり、 Ω＜　ｍ　−ｋ ならば、近似パターンを検出していないことがわかる。

〔実施例〕

以下、本発明の実施例を図面に荘づいて詳細に説明する
。なお、以下の説明では、本発明を、主要な適用分野で
あるテキスト・サーチに適用した場合を、前述の従来技
術との具体的比較を含めて説明する。

近似パターンの検索要求を、指定パターンとに文字以内
の違いしかないパターンをテキストから検出することと
規定する。このとき、検出されたパターンを指定パター
ンの近似パターンと呼ぶ。

本実施例では、テキストの長さをｎ文字、指定パターン
の長さをｍ文字とする。また、テキストの１番１１の文
字をＴＥＸＴ（ｉ）、指定パターンのｉｌ目の文字をＰ
ＡＴＴＥＲＮ（ｉ）とする。

前述の、従来の指定パターンの検索方法の一つは、Ｌ、
Ａ、ホラ−による「ハードウェア・システムズ・フォア
・テキスト・インフォメイション・リトリーバル」に記
載されている如く、第７図のようなセルラ・アレイ法に
よるハードウェア構成において、第９図に示すアルゴリ
ズムを遂行して、テキスト・サーチを実現するものであ
った。

すなわち、セル１０　１　（１”　ｌ＊２＋・・・・ｍ
）を直列に接続し、初期時に各セル１０−１に指定パタ
ーンを一文字ずつ設定しくステップ１１０）　、また、
初期制御情報Ｃ（ｉ、Ｏ）を設定しくステップ１２０）
、テキス１−−文字をすべてのセル１０−ｉにテキスト
入力線１１を通して入力しくステップ１３０）、各セル
】０−１にラッチしである指定パターンと入力されたテ
キスト−文字とを比較しくステップ１４０）、その結果
と一つ下位のセルから転送される制御情報とから新たな
制御情報を生成しくステップ１５０）、それを一つ上位
のセルに転送することを、同期をとりながら実行するこ
とを繰り返すことにより、テキスト・サーチを実現する
ものであった。

この方式は、各セル１０−ｉの動作が並列して実行でき
るので高速であったが、前述の如く、制御情報はステッ
プ１５０に示す如＜　＃　ＯＩＩ　／　ＩＩ　Ｉ　ＩＴ
の２値情報であったので、近似パターンの検索には向い
ていなかった。この場合の制御情報Ｃ（ｉ、ｔ）の時間
的推移を第８図に示す。

本発明では、アルゴリズムを第１図に示すように変える
ことにより、近似パターンの検索を可能としたものであ
る。ハードウェアの一実施例を第２図に示す。２０−１
は第ｉ番目のセルであり、ｉ＝１からｍまで、直列に接
続されている。２１は上記各セル２０−　ｉ　（ｉ　＝
＝　１．２．・・・・ｍ）にテキストの文字を一文字ず
つ同時に入力するテキス１へ入力線である。上記各セル
２０−ｉには、初期時に、指定パターンが一文字ずつ設
定される。すなわち、第ｉ番目のセル２０−１には指定
パターンの第ｉ番目の文字ＰＡＴＴＥＲＮ（ｉ）が設定
される。

各セル２０−１では、上記テキスト入力線２１から入力
されたテキス１−の一文字と、各セルに設定されている
上記指定パターンの一文字との比絞結果゛α（ｉ、ｔ）
と、セル内にラッチされている現時点での制御情報Ｃ（
ｉ、ｔ−１）と、一つ下位のセル２Ｏ−（ｉ−１）から
制御情報線２２−（ｉ−１）と２３−（ｉ−１）を通じ
て伝達される制御情報Ｃ（ｉ−１，ｔ−Ｌ）とＣ（ｉ−
１，ｔ）から、ステップ２５０に従って新たな制御端￥
ＦｉＣ（ｉ、ｔ）を生成し、それを制御情報Ｉｒｌ；Ａ
２２−１と２３−ｊを通じて一つ上位のセル２０−ｉに
伝達する。

ここで、時刻ｔにセル２０−１で生成される制御情報Ｃ
（ｉ、ｔ）は、ステップ２５０のように制御情報Ｃ（ｉ
−１，ｔ−１）、Ｃ（ｉ、ｔ−１）、Ｃ（ｉ−１，ｔ）
とＴ（ｔ）によって生成される。このうち、Ｔ（し）は
上記テキスト入力線２１からセル２０−１に入力される
。なお、制御情報Ｃ（ｉ−１，ｔ−１）は制御情報線２
２−（ｉ−１）から、同Ｃ（ｉ、ｔ−１）は同２３−（
ｉ−１）から、また、同Ｃ（ｉ−Ｌ、ｔ）は当該セルの
内部でラッチされているものである。

最終セル２０−ｍにおける制御情報ｑ（ｍ、ｔ）がｍ−
に以上であるとき、近似パターンが検出される。テキス
トは各時刻に先頭から順に一文字ずつ上記テキスト入力
線２１を通じてすべてのセルに入力され、各時刻で上述
の動作を繰り返し実行することにより、近似パターンの
検索が実現できる。

制御情報Ｃ（ｉ、ｔ）は指定パターンとの一探文字数を
表現し、ステップ２５０に従って生成される。

ここで、Ｃ（ｉ−１，ｔ−１）＋α（ｉｙｔ）は、新た
な一致文字数は今までの一致文字数に現セルでの一致文
字数を加えることを意味している。また。

Ｃ（ｉ、ｔ−１）は、指定パターに対して現セルでの入
力文字が過剰であると仮定した場合は、新たな一致文字
数は現セルでの一致文字数から１を減じた値になること
を意味しており、Ｃ（ｉ−１，ｔ）は指定パターンに対
して呪セルでの入力文字が欠落していると仮定した場合
について必要である。これらから生成される値の最大値
を新たな一探文字数とすることにより、置換、過剰、欠
落が混在する近似パターンでも、誤りなく検出できるよ
うになるものである。

次に、テキストが「○０８ＡＫＡＯＨ８ＳＡＫＡＯ３Ａ
ＫＡＪで、指定パターンがｒＯＨ８ＡＫＡ」であるとき
の動作例について説明する。このとき、テキスト長ｎ＝
１８、指定パターン長ｍ＝６である。検索要求として「
指定パターンと一文字違いの近似パターンを検出せよ」
というものを考える。

第３図は、前記制御情報Ｃ（ｉ、ｔ）の時間的推移を示
すものである。テキストは一時刻に一文字ずつ、すべて
のセルに入力される（第２図参照）。

各セルでは、ステップ２５０に従って制御情報を生成す
る。この例の場合１時刻ｔ＝６と１３と１８でＣ（ｍ、
ｔ）＝５となるので、−文字違いの近似パターンが検出
されたことがわかる。すなわち、−文字置換のｒｏＯ８
ＡＫＡＪ　、−文字過剰のｒｏｌｌＳＳＡＫＡＪ　、−
文字欠落（ｙ）ｒＯ８ＡＫＡＪが検出されたことがわか
る。一方、従来技術では、第８図に示した如く、近似パ
ターンを検出することはできない。

第１図のアルゴリズムは、もちろん、ソフｌ−ウエアと
しても遂行可能である。しかし、このアルゴリズムは比
較的単純な動作の繰り返しなので、第２図に示す如く、
ハードウェア化して高速化を図ることができる。但し、
第１図のアルゴリズムでは、ステップ２５０において、
Ｃ（ｉ、ｔ）を生成するのバＣ（ｉ−１，ｔ）を必要と
するので、第２図の如きハードウェア構成では、ステッ
プ２５０を各セルにおいて並列動作させることはできな
い。

そこで、ハードウェア構成を第４図のように、アルゴリ
ズムを第５図のようにすることが考えられる。ここでは
、テキストの一文字Ｔ（ｉ、ｔ）と二つの制御情報Ｃ１
（ｉ、ｔ）とＣ２（ｉ、ｔ）を各時刻で一つ上位のセル
にシフトする構成になっている。上述の二つの制御情報
Ｃ１（ｉ、ｔ）とＣ２（ｉ＃ｔ）は、ステップ３５Ｑに
示す如く、時刻１−１の０１と０２によって生成される
ので、各セルで並列動作が可能となり、高速化を実現す
ることができる。この場合の動作例を第６図に示す。

この例では、時刻ｔ＝１１と１８と２３において、Ｃ１
（ｍ　、　ｔ　）＝　５になっているので、−文字違い
の近似パターンが３個検出されたことがわかる。前述の
実施例の場合とは、検出時刻が５時刻だけ異なるが、検
出したパターンは等価である。

なお、ここで、検出時刻が５時刻具なっているが、実際
の動作時間が異なるため、第４図の構成の方が高速動作
が可能である。また、検出したパターンがテキストのど
こにあるかは、アドレス情報を制御情報に付加して伝達
させることにより容易に検知可能とすることができる。

本発明による近似パターン検出装置のハードウェア量を
１例えば、前記ｄｏｎ’ｔ　ｃａｒｅ文字を用いて展開
する方法によるものと比較すると、以下の如く大きな差
異がある。すなわち、長さｍ文字の指定パターンに対し
てに文字以内達いの近似パターンを検出する場合、ｋ＝
１としても、３ｍ個のパターンを検索する必要がある。

従って、これを上記セルラ・アレイ法で高速に検索する
ためには、約３ｍ２個のセルが必要となる。

これに対して１本発明の方法に基づく場合は、ｍ個のセ
ルを用いるだけで済み、その違いは極めて大きなもので
ある。

上記実施例では、一つの指定パターンに対する近似パタ
ーンの検索についてだけ述べたが、複数の指定パターン
に対しても、セルを直列／並列に接続し、そこに適宜複
数の指定パターンを配置することにより、容易に実現す
ることができることは明らかである。また、上記実施例
では、セルラ・アレイ法を利用した例を示したが、テキ
ストの一文字とパターンの一文字との比較を実現させる
モジュールを直列に接続し、モジュール間で制御情報を
伝達させるようなその他の方式でも、容易に実現可能で
ある。

〔発明の効果〕

以上述べた如く１本発明によれば、テキストの入力文字
と内部に設定された指定パターンの文字とを比較し、こ
れらの文字が一致するか否かを示す制御情報を用いて、
与えられた指定パターンに一致するパターンを検索する
パターン検出方法において、前記制御情報として、前記
指定パターンと何文字一致しているかという一致文字数
を表現する情報を用いることにより、テキストから、予
め指定された文字数以内だけ異なる近似パターンを検出
するようにしたので、完全なパターンを検出するばかり
でなく、近似パターンをも高速に、しかも、完全に検出
できるパターン検索方法を実現できるとともに、そのた
めの効率的な装置を実現できるという顕著な効果を奏す
るものである。

【図面の簡単な説明】

第１図、第５図は本発明の実施例であるパターン検出方
法を示すフローチャート、第２図、第４図は実施例のハ
ードウェア構成図、第３図、第６図は実施例の動作説明
図、第７図は従来技術のハードウェア講成図、第８図は
その動作説明図、第９図はそのフローチャートである。 ２０−　ｉ　、３０−　ｉ　：セル、　２１−　ｉ　、
３１−　ｉ　：テキスト入力線、２２−　ｉ　、２３−
　ｉ　、３２−　ｉおよび３３−ｉ：制御情報線、　２
１０〜２９０，３１０〜３９０　：処理ステップ。 第　　　１　　　図 第　　　２　　　図 第　　養　　図 第　　　ｌ　　　図 第　　　７　　　図 第　　８　　　図 第　　　９　　　図

Claims (1)

1. 【特許請求の範囲】 １、テキストの入力文字と内部に設定された指定パター
   ンの文字とを比較し、これらの文字が一致するか否かを
   示す制御情報を用いて、与えられた指定パターンに一致
   するパターンを検索するパターン検出方法において、前
   記制御情報として、前記指定パターンと何文字一致して
   いるかという一致文字数を表現する情報を用いることに
   より、テキストから、予め指定された文字数以内だけ異
   なる近似パターンを検出することを特徴とする近似パタ
   ーン検出方法。 ２、前記制御情報が、テキストの入力文字と前記指定パ
   ターンの文字との比較結果に基づいて、前記指定パター
   ン中の文字が別の文字に置換した場合と、前記指定パタ
   ーン中の文字が欠落した場合と、前記指定パターン中に
   他の文字が挿入された場合のそれぞれを考慮して作成さ
   れることを特徴とする特許請求の範囲第１項記載の近似
   パターン検出方法。 ３、テキストの入力文字と内部に設定された指定パター
   ンの文字とを比較し、これらの文字が一致するか否かを
   示す制御情報を発生する回路を直列に接続し、前記制御
   情報を逐次伝達する如く構成されたパターン検出装置に
   おいて、前記制御情報として、前記指定パターンと何文
   字一致しているかという一致文字数を表現する情報を用
   い、テキストを一文字毎入力して前記制御情報発生回路
   で前記制御情報を生成し、これを一つ上位の制御情報発
   生回路に伝達することを繰り返すことにより、テキスト
   から、予め指定された文字数以内だけ異なる近似パター
   ンを検出する如く構成されたことを特徴とする近似パタ
   ーン検出装置。 ４、前記制御情報発生回路が、テキストの入力文字と前
   記指定パターンの文字との比較結果に基づいて、前記制
   御情報を、前記指定パターン中の文字が別の文字に置換
   した場合と、前記指定パターン中の文字が欠落した場合
   と、前記指定パターン中に他の文字が挿入された場合の
   それぞれを考慮して作成する如く構成されたことを特徴
   とする特許請求の範囲第３項記載の近似パターン検出装
   置。