WO2006080469A1

WO2006080469A1 - 構造化文書検索装置、構造化文書検索方法および構造化文書検索プログラム

Info

Publication number: WO2006080469A1
Application number: PCT/JP2006/301373
Authority: WO
Inventors: Keiichi Iguchi; Kazuya Koyama
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2005-01-25
Filing date: 2006-01-23
Publication date: 2006-08-03
Anticipated expiration: 2007-07-25
Also published as: JPWO2006080469A1; JP4978894B2; US20080133450A1

Abstract

構造化文書検索装置において、構造情報から検索式で指定された要素が出現しなくなる条件を求め、検索オートマトンに中断条件として付加し、中断条件が満たされた場合には検索オートマトンの状態遷移を削除し、すべての有効な状態遷移がなくなった場合には、それ以上解析しても指定された要素は出現しないと判断し構造化文書の解析を終了する。構造化文書を最後まで検索することなく検索式で指定された要素を過不足なく抽出することが可能となる。

Description

明細書構造化文書検索装置、構造化文書検索方法および構造化文書検索プログラム技術分野

本発明は、構造化文書検索装置、構造化文書検索方法および構造化文書検索用プログラムに関し、特に、検索式を用いて構造化文書の特定要素を検索抽出する構造化文書検索装置、構造化文書検索方法および構造化文書検索プログラムに関する。

- 背景技術

構造化文書としての XML文書内の特定の要素を抽出するための検索式として Xパス（XML P a t h L a n g u a g e： X P a t h)が利用されている。 XP a t hは標準化団体 W3 C (WWWコンソーシアム）によって規格化されその仕様が、文献 1 (「エックスェムエルパスランゲージ（エックスパス） " XML

Path Language "j, [online], [ 2004年 12月 22日検索]、インタ一ネット、 <URL： h 11 ： //www. w3. o r g/TR/xp a t h» に記載されている。

XP a t hでは XMLの要素をで区切って列記し構造中の特定の要素を指定する。従来、 XML文書中から XP a t hで指定された要素を検索する際に、一旦 XML文書を記憶域に DOM (D o c ume n t Ob j e c t Mo d e

1) 形式に展開した後、検索を行っていた。しかし、 XML文書を DOM形式に展開する処理は負荷が大きく、また大きな記憶域を必要とするため、 XP a t h の検索は負荷の重い処理であった。

その問題を解决するために、 XML文書を DOMに展開することなく、 SAX (S imp l e AP I' f o r XML) パ一サを利用して逐次的に解析することで XP a t hに合致する要素を抽出するための技術が特開 2003 - 323 429号公報や文献 2 (マフオメットアルティネル（MehmetAltinel)、ミカェルフランクリン（Michael Franklin)著、エフイシェントフィル夕リングォブエックスェムエルドキュメンッフォーセレクティブデセミネイションォブインフォーメイシヨン（Efficient Filtering of XML Documents for Selective Dissemination of Information )、ヴェリ一ラーンつ—夕へ一スエンド一メント（Very Large Data Base Endowment) 出版、 2000年、 p p. 53 _ 64) に記載されている。

そのような構造化文書検索装置 800は、図 1 1に示すように、構造化文書解析部 8 10と、検索式解析部 820と、検索オートマトン管理部 840と、記憶装置 850とから構成されている。

図 12は、図 11に示された構造化文書検索装置 800の動作を示すフローチャ一トである。検索式解析部 820に検索式が入力されると検索式の解析が行われ、解析結果が検索オートマトン管理部 840に渡される（ステップ S 1 10)。検索オートマトン管理部 840は、検索式の解析結果を受け取ると、検索オートマ卜ン 851を作成し記憶装置 850に記録する（ステップ S 830)。図 13は作成される検索オートマトン 8 51の例である。図 14に示す検索式の例である XP a t h式 510が入力された場合、検索オートマトン 851が作成される。検索オートマトン 851には 4つの状態 9 1 1、 9 12、 913、 914が含まれ、状態 914は終了状態である。また各状態間の状態遷移 92 1、 922、 9 23も含み、状態遷移に必要なイベントが記載されている。

続いて、構造化文書（例えば、受信したメッセージにおける XML文書）が構造化文書解析部 810に入力されると（ステップ S 140)、構造化文書解析部 8 10は構造化文書を逐次解析し、解析結果を検索オートマトン管理部 840に渡す（ステップ S 150)。構造化文書の解析は部分（例えば、要素）ごとに行われ、そのたびに検索ォ一トマトン管理部 840に渡される。

検索オートマトン管理部 840は、構造化文書の解析結果が渡されると、検索オートマトン処理（ステップ S 870) を行う。図 15は、ステップ S 870で行われる処理を示すフローチャートである。検索オートマトン管理部 840は、渡された解析結果のイベントが状態遷移の対象となる要素に関するものか否か調ベ、状態遷移の対象でない場合には検索オートマトンの処理を終了する（ステツプ S 171)。

続いて、解析結果のイベントの種類が要素の開始を示すイベントか、要素の終了を示すイベントかを判断し (ステップ S 1 7 2 )、要素の終了を示すィベントである場合には、オートマトン 1 5 1の状態を遷移前の状態に逆向きに遷移し、状態を記憶装置 1 5 0に記録する（ステップ S 1 7 8 )。ステップ S 1 7 2の結果、要素の開始を示すイベントである場合には、検索オートマトン 8 5 1に従って状態を遷移し、現在の状態を記憶装置 8 5 0に記録する（ステップ S 1 7 3 )。状態遷移の結果、検索オートマトン 8 5 1の状態が終了状態に達した場合には（ステップ S 1 7 4 )、検索式に合致したと判断し、結果を出力する（ステップ S 1 7 5 )。構造化文書全体の処理が終了するまでステップ S 1 5 0からステップ S 8 7 0 の処理を繰り返す（ステップ S 1 6 0 )。

従来の構造化文書検索システムの問題点は、検索式にマッチする要素を過不足なく得るためには、構造化文書を最後まで検索する必要があるということである。その理由は、従来システムでは、目的とする要素が偏りなく存在する文書を主な対象としているので、構造化文書中のどこに目的とする要素が存在するかの情報を保持していないためである。例えば、通信文中の識別情報の抽出など、抽出すべき要素は構造化文書中の前半に出現することが分かっている場合には無駄な解析処理がシステムの実行性能を低下させる主因にもなり得る。

そこで、本発明は、構造化文書検索システムにおいて、構造化文書の必要な個所を解析するだけで検索式にマッチする要素を過不足なく得ることを可能にし、処理効率を向上させることができるようにすることを目的とする。発明の開示

本発明による構造化文書検索装置は、構造化文書を逐次的に解析する構造化文書解析手段（例えば、構造化文書解析部 1 1 0、 S A Xパーザ 4 1 0 ) と、構造情報を解析し、目的とする要素がそれ以上現れないことを確認した段階で、構造化文書の解析を中断する構造情報解析手段（例えば、構造化文書解析部 1 1 0、 S A Xパーザ 4 1 0、検索オートマトン管理部 1 4 0、 2 4 0 ) とを備えたことを特徴とする。構造情報とは、構造化文書を構成する要素に関して、要素間の包含関係を含み、要素の出現順序と出願回数の制約（回数そのものまたは回数に関する範囲）のいずれかまたは両方を含む情報である。また、本発明による構造化文書検索装置は、検索式（例えば、 XP a t h式： XML P a t h L a n g u a g e式）によって指定された要素を構造化文書 (例えば XML文書）から抽出する構造化文書検索装置（例えば、構造化文書処理装置 100、 200、 XP a t h検索装置 400) であって、構造情報から抽出すべき要素がそれ以上出現しなくなる中断条件を作成し（例えば、ステップ S 1 30)、構造化文書解析部（例えば、構造化文書解析部 1 10、 SAXパ一サ 4 10) により構造化文書を逐次的に解析し（例えば、ステップ S 150)、検索処理部（例えば、検索オートマトン管理部 140、 240) により検索式に合致する要素を検索し、すべての中断条件を満たした場合には構造化文書の解析を中断し、検索を終了する（例えば、ステップ S 180) ことを特徴とする。上述した構成とすることで、構造化文書を最後まで解析することなく検索式によって指定された要素を過不足なく抽出することが可能になる。

また、検索式で指定された要素が出現しなくなる条件を検索ォ一トマトンに付加し、条件が満たされた場合に解析を終了することによって、構造化文書を最後まで解析することなく、検索式で指定された要素を過不足なく検索できる。

また、検索式で指定された要素が出現しなくなる条件を検索オートマトンに付加し、条件が満たされた場合に解析を終了することによって、構造化文書を最後まで解析することなく、検索式で指定された要素が出現しないことを判断できる。図面の簡単な説明

図 1は、本発明の第 1の実施の形態における構造化文書検索装置の構成例を示すブロック図である。

図 2は、本発明の第 1の実施の形態における構造化文書検索装置の動作を示すフローチャートである。

図 3は、本発明の第 1の実施の形態における検索オートマトン処理の動作を示すフローチヤ一トである。

図 4は、本発明の第 2の実施の形態における構造化文書検索装置の構成例を示すブロック図である。図 5は、構造化文書検索を実行させるための構造化文書検索プログラムを含む構成の例を示すプロック図である。

図 6は、本発明の実施例の X P a t h検索装置を示すブロック図である。

図 7は、 XM L S c h e m aの例を示す説明図である。

図 8は、本発明の実施例における検索オートマトンの例を示す説明図である。図 9は、 XM L文書の例を示す説明図である。

図 1 0は、 S A Xパーザから生成されるイベント列の例を示す説明図である。図 1 1は、従来の構造化文書検索装置の例を示すブロック図である。

図 1 2は、従来の構造化文書検索装置の動作を示すフローチャートである。図 1 3は、従来の構造化文書検索装置における検索オートマトンの例を示すブロック図である。

図 1 4は、 X P a t h式の例を示す説明図である。

図 1 5は、従来の構造化文書検索装置における検索オートマトン処理の動作を示すフロ一チヤ一トである。発明を実施するための最良の形態

次に、発明を実施するための最良の形態について図面を参照して詳細に説明する。

図 1は本発明の第 1の実施の形態における構造化文書検索装置 1 0 0の構成例を示すブロック図である。図 1に示すように、構造化文書検索装置 1 0 0は、構造化文書解析部 1 1 0と、検索式解析部 1 2 0と、構造情報解析部 1 3 0と、検索オートマトン管理部 1 4 0と、記憶装置 1 5 0とを含む。

構造化文書解析部 1 1 0は、例えば入力機器やネットワークインタフェースなどの入力装置や、 R AMやハードディスクなどの記憶装置から入力された構造化文書を解析し、解析結果を逐次的に検索処理部である検索オートマトン管理部 1 4 0に渡す。検索式解析部 1 2 0は、入力装置や記憶装置から入力された検索式を解析する機能を有する。検索式解析部 1 2 0は入力された検索式を解析し、解析結果を検索オートマトン管理部 1 4 0に渡す。構造情報解析部 1 3 0は、入力装置や記憶装置から入力された構造情報を解析する機能を有する。構造情報解析部 1 30は、入力された構造情報を解析し、解析結果を検索オートマトン管理部 1 0に渡す。検索オートマトン管理部 140は、検索ォ一トマトン 1 51を作成する機能と、検索オートマトン状態遷移機能とを有する。

検索オートマトン管理部 140は、検索式解析部 120から渡される検索式の解析結果、および構造情報解析部 130から渡される構造情報の解析結果を元に検索オートマトン 1 5 1を作成し、記憶装置 1 50に記録する。作成した検索ォ一トマトン 151には構造情報解析部 130から得た構造情報を元に、各状態遷移を発生させる要素が出現しなくなる条件を中断条件として記録する。

中断条件の好適な例として、要素の最大出現回数の情報を利用できる。また、要素の出現順序の情報も利用できる。要素の出現順序が構造情報に記載されている場合には、状態遷移を発生させる要素の最後の出現よりも後にのみ出現する要素が出現したときに、状態遷移を発生させる要素はそれ以上発生しないと判断できるので、要素の出現順序の情報を中断条件として利用できる。構造化文書が、好適な例である XMLの場合には、構造情報の好適な例として XMLスキーマ（X ML S c hema) を利用できる。また DTD (Do c ume n t Typ e

De f i n i t i on) も利用できる。また、 RELAX NGも利用できる。例えば、 XML S c h emaの場合には、中断条件は、 max Oc c u rとして記載される要素の最大出現数が利用でき、また s e qu e n c eで記載される要素の出現順序も利用できる。

また、検索オートマトン管理部 140は、構造化文書解析部 1 10から得た構造化文書の逐次解析結果にもとづいて、記憶装置 1 50に記録されている検索ォ一トマトン 151の状態を遷移させる。また、検索オートマトン 151に付加した中断条件にマッチした状態遷移を検索オートマトン 151から削除する。状態遷移を削除した結果、検索オートマトン 15 1から有効な状態遷移がなくなったときには、引き続き解析を行っても検索式にマッチする要素は出現しないと判断し、構造化文書解析部 1 10に解析の終了を指示する。さらに、検索オートマトン 1 5 1が終了状態に達した場合には、検索式にマッチしたと判断し結果を出力する。

記憶装置 150は、例えば RAMなどの記憶媒体によって構成され、検索ォートマトン 151等の各種の情報が記憶される。

次に、図 1のブロック図と図 2のフローチャートを参照して本実施の形態の全体の動作について詳細に説明する。図 2は、構造化文書検索装置 100が実行する構造化文書検索の例を示すフローチヤ一トである。

検索式が入力されると、検索式解析部 120は、検索式の解析を行い、解析結果を検索オートマトン管理部 140に渡す（ステップ S 1 10)。検索式の好適な例として、 XP a t hを利用できる。また、 XPo i n t e r (XML P o i n t e r) も利用できる。

次に、構造情報が入力されると、構造情報解析部 130は、構造情報を解析し、解析結果を検索オートマトン管理部 140に渡す（ステップ S 120)。なお、ステツプ S 1 10とステップ S 120の実行順序は入れ替え可能である。検索式の解析結果と構造情報の検索結果を受け取ると、検索ォートマトン管理部 140は、検索オートマトン 1 5 1を作成し、記憶装置 150に記録する（ステップ S 1 3 0)。

続いて、構造化文書が構造化文書解析部 1 10に入力されると（ステップ S 1 40)、構造化文書解析部 1 10は、構造化文書を逐次解析し、解析結果を検索ォ —トマトン管理部 140に渡す (ステップ S 1 50)。構造化文書解析部 1 10は、構造化文書の解析を部分ごとに行い、解析を行うたびに、検索オートマトン管理部 140に解析結果を渡す。

例えば、構造化文書が、好適な例である XMLの場合には、タグ毎に解析が行われることが望ましい。このような解析結果の渡し方として、例えば SAX形式が利用できる。また、 S tAXなどの Pu l 1型解析も利用できる。

なお、 SAX形式はイベントベースの XML解析のための標準インターフェイスとして開発されたものであり、インターネット < ht tp://java. sun. com/j se/l.4/j a/docs/] a/api/org/xml/sax/package-summary. html>に実装マニュアルが掲載されている。また、 S t AXは XMLを文書順に必要な部分のみ読み出して解析するためのインターフェイスであり、インターネットく http:〃； icp.org/en/]'sr/detail?id=173>に仕様要求が記載されている。構造化文書の解析結果が渡されると、検索ォ一トマトン管理部 140は、検索オートマトン処理（ステップ S 1 7 0 ) を行う。図 3は、ステップ S 1 7 0で行われる処理を示すフローチャートである。検索オートマトン管理部 1 4 0は、渡された解析結果のイベントが状態遷移の対象となる要素に関するものか否か調べ、状態遷移の対象でない場合はステップ S 1 7 6以降の処理へ移る（ステップ S 1 7 1 )。続いて、解析結果のイベントの種類が要素の開始を示すイベントか、要素の終了を示すイベントかを判断し（ステップ S 1 7 2 )、要素の終了を示すィベントである場合には、オートマトン 1 5 1の状態を遷移前の状態に逆向きに遷移し、状態を記憶装置 1 5 0に記録する（ステップ S 1 7 8 )。

ステップ S 1 7 2の処理の結果、要素の開始を示すイベントである場合は、検索オートマトン 1 5 1に従い状態を遷移し、次の状態遷移が削除されている場合は復元し、現在の状態を記憶装置 1 5 0に記録する（ステップ S 1 7 3 )。状態遷移の結果、検索オートマトン 1 5 1の状態が終了状態に達した場合には（ステツプ S 1 7 4 )、検索式にマッチしたと判断し、結果を出力する（ステップ S 1 7 5 )。続いて、中断条件が満たされた場合には（ステップ S 1 7 6 )、中断条件にマッチした状態遷移を検索オートマトン 1 5 1から削除し、記憶装置 1 5 0に記録する (ステップ S 1 7 7 )。

検索オートマトン処理が終了すると、検索オートマトン管理部 1 4 0は、検索オートマトン 1 5 1に有効な状態遷移が残っているか確認する（ステップ S 1 8 0 )。有効な状態遷移が残っている場合には、引き続きステップ S 1 5 0からステップ S 1 8 0の処理を繰り返す。有効な状態遷移がない場合には、構造化文書解析部 1 1 0に解析の終了を指示して検索を終了する。 . 次に、本実施の形態の効果について説明する。本実施の形態では、構造情報解析部 1 3 0により構造情報から中断条件を取得し、検索オートマトン管理部 1 4 0は、中断条件が満たされた場合には該当する状態遷移を削除し、有効な状態遷移がなくなった場合には解析の終了を指示するように構成されている。その結果、構造化文書の解析処理を削減することができ、検索処理の負荷を軽減することができる。

次に、本発明の第 2の実施の形態について図面を参照して詳細に説明する。

図 4は本発明の第 2の実施の形態における構造化文書検索装置 2 0 0の構成例を示すブロック図である。なお、図 4において、図 1に示した構造化文書検索装置 1 0 0における構成要素と同様の構成要素については、同一の符号を付与してその詳細な説明を省略する。

図 4に示すように、構造化文書検索装置 2 0 0は、構造化文書解析部 1 1 0と、検索式解析部 1 2 0と、構造情報解析部 2 3 0と、検索オートマトン管理部 2 4 0と、記憶装置 2 5 0とを含む。

構造情報解析部 2 3 0は、第 1の実施の形態における構造情報解析部 1 3 0と同様、入力された構造情報を解析する機能を有する。構造情報解析部 1 3 0は、入力された構造情報を解析するが、記憶装置 2 5 0に解析結果を構造情報 2 5 2 として記録する。

検索オートマトン管理部 2 4 0は、第 1の実施の形態における検索ォ一トマトン管理部 1 4 0と同様の機能を有するが、必要な構造情報を、記憶装置 2 5 0に記録された構造情報 2 5 2から取得する部分が異なる。記憶装置 2 5 0は、第 1 の実施の形態における記憶装置 1 5 0が記録する情報に加えて、構造情報 2 5 2 を記録する。

このように構成された第 2の実施の形態の構造化文書検索装置 2 0 0は、第 1 の実施の形態における構造化文書検索装置 1 0 0と同様に動作する。すなわち、検索式が入力されると、検索式解析部 1 2 0は、検索式の解析を行い、解析結果を検索オートマトン管理部 2 4 0に渡す（図 2におけるステップ S 1 1 0参照）。構造情報が入力されると、構造情報解析部 2 3 0は、構造情報を解析し、解析結果を検索オートマトン管理部 2 4 0に渡す（ステップ S 1 2 0 )。ただし、本実施の形態では、構造情報解析部 2 3 0は、構造情報を記憶装置 2 5 0にも渡す。検索式の解析結果を受け取ると、検索オートマトン管理部 2 4 0は、検索オートマトン 1 5 1を作成し、記憶装置 2 5 0に記録する（ステップ S 1 3 0 )。ただし、本実施の形態では、検索オートマトン管理部 2 4 0は、記憶装置 2 5 0から構造情報の検索結果を入力する。構造化文書が構造化文書解析部 1 1 0に入力されると（ステップ S 1 4 0 )、構造化文書解析部 1 1 0は、構造化文書を解析し、解析結果を検索オートマトン管理部 2 4 0に渡す（ステップ S 1 5 0 )。構造化文書の解析結果が渡されると、検索オートマトン管理部 1 4 0は、第 1の実施の形態の場合と同様に、検索オートマトン処理（ステップ S 1 7 0 ) を行う。

第 2の実施の形態では、構造情報 2 5 2を記憶装置 2 5 0に記録する構成にしたので、検索式の入力のたびに構造情報を入力する必要がなく、記憶装置 2 5 0 に蓄積した構造情報 2 5 2を再利用することができる。

なお、上述した各実施の形態では特に言及していないが、構造化文書検索装置

1 0 0 , 2 0 0での各種制御処理は、構造化文書検索処理を実行させるための構造化文書検索プログラム 3 2 0 (図 5参照）に従って実行されている。

図 5は、上述した構造化文書検索処理を実行させるための構造化文書検索プログラム 3 2 0と、構造化文書処理プログラム 3 2 0に従って動作するデータ処理装置 3 3 0とを含むブロック図である。なお、図 5には、入出力部 3 1 0と記憶装置 1 5 0も記載されている。

データ処理装置 3 3 0は、中央処理装置（C P U) を内蔵し、第 1および第 2 の実施の形態における構造化文書検索装置 1 0 0， 2 0 0において、各種の制御処理を実行する部分（構造化文書解析部 1 1 0、検索式解析部 1 2 0、構造情報解析部 1 3 0， 2 3 0および検索オートマトン管理部 1 4 0， 2 4 0 ) をまとめて示す制御手段である。構造化文書処理プログラム 3 2 0は、データ処理装置 3 3 0に上述した各種の制御処理を実行させるための制御プログラムであり、例えばデータ処理装置 3 3 0に搭載されている。

データ処理装置 3 3 0は、構造化文書検索プログラム 3 2 0に従って、記憶装置 1 5 0への情報の書き込みや記憶装置 1 5 0からの情報の読み出しを行うほか、第 1および第 2の実施の形態における各種の制御を実行する。

(実施例）

次に、本発明の具体的実施例について説明する。図 6は、本実施例の構造化文書検索装置を示すブロック図である。本実施例の構造化文書検索装置は、検索式 XM L P a t h言語（X P a t h ) によって記述された特定の要素を XM L文書から抽出する X P a t h検索装置 4 0 0である。

図 6に示すように、 X P a t h検索装置 4 0 0は、構造化文書解析部としての S A Xパ一サ 4 1 0、検索式解析部としての X P a t h解析部 4 2 0、および構造情報解析部としての XML S c h em a解析部 430を備えている。

ここでは、例えばキーボード（図示せず）から検索式として図 14に示す XP a t h式 5 10が入力されたとする。 XP a t h式 510が XP a t h解析部 4 20に入力されると、解析結果が検索オートマトン管理部 140に渡される。また、この例では、例えばハードディスク（図示せず）から構造情報として図 7に示す XML S c h ema 520が入力されたとする。 XML S c h e m a 5

20には「aタグは 1度しか出現しない、 aタグの中には b、 dの順にタグがある、 bタグの中には cタグは 1度しか出現しない」という情報が記載されている。 XML S c h ema 520が XML S c h e m a解析部 430に入力されると、 XML S c h em a解析部 430による解析結果が検索オートマトン管理部 140に渡される。

XP a t h式 510の解析結果と構造情報 520の解析結果を受け取った検索オートマトン管理部 140は、図 8に示す検索オートマトン 600を作成する。検索ォ一トマトン 600は、状態 611〜614の 4つの状態を持ち、各状態間の状態遷移 621〜623を持つ。なお、状態 614は終了状態である。ここで、状態遷移 621〜623に中断条件が記載されていることが、本発明の特徴である。中断条件には、一例として、構造情報 520の解析結果にもとづく状態遷移の発生する最大数 ma x (1) (状態遷移 621、 623)、状態遷移要素の次の要素 n e x t (d) (状態遷移 622) が記載されている。

さらに、この例では、例えばネットヮ一クイン夕フェースから図 9に示す XM L文書 530が SAXパ一サ 410に入力されたとする。図 10は XML文書 5

30を SAXパ一サ 41 0により最後まで解析した場合に発生するイベントを示している。 SAXパーザ 410から検索オートマトン管理部 140にイベント 7 01から 703が渡されると、はじめ状態 6 1 1の検索ォ一トマトン 600は、状態 6 12、状態 6 1 3、状態 6 14と順に遷移し 1回目の結果を出力する。このとき、状態遷移 62 1と 623は最大出現回数の中断条件が合致するため削除される。次いで、イベント 704、 705により状態 612に戻る。さらに、ィベント 706により状態 6 1 3に遷移するが、このとき状態遷移 623の中断条件はステップ S 173の処理に従い初期値に戻され、状態遷移が復元される。さらにイベント 7 0 7により 2回目の結果を出力する。このとき残っている状態遷移は状態遷移 6 2 2のみである。イベント 7 0 8 , 7 0 9により状態 6 1 2に戻り、イベント 7 1 0によって次要素の中断条件が満たされるため状態遷移 6 2 2 も削除される。これによつて検索オートマトン 6 0 0内に有効な状態遷移がすべてなくなるため、 S A Xパ一サ 4 1 0に中断を指示し、検索を終了する。

このように動作することにより、イベント 7 1 0以降の処理を行う必要がなく、検索の負荷を軽減することができる。

上述した構成とすることで、構造化文書を最後まで解析することなく検索式によって指定された要素を過不足なく抽出することが可能になる。

また、検索式で指定された要素が出現しなくなる条件を検索オートマトンに付加し、条件が満たされた場合に解析を終了することによって、構造化文書を最後まで解析することなく、検索式で指定された要素を過不足なく検索できる。

また、検索式で指定された要素が出現しなくなる条件を検索オートマトンに付加し、条件が満たされた場合に解析を終了することによって、構造化文書を最後まで解析することな検索式で指定された要素が出現しないことを判断できる。 (産業上の利用可能性）

本発明によれば、 XM L文書から特定の情報を抽出する用途に適用できる。また、本発明によれば、例えば、通信路上を流れる XM L文書から特定の要素を抽出してルーティングを行うルータに適用できる。さらに、経路制御、ログの採取、アクセス制御、メッセ一ジ変換など様々な制御を通信経路上で行う通信中継装置といった用途に適用できる。また、検索装置に到着した XM L文書等の構造化文書から抽出した要素に応じて処理モジュールを決定する処理装置として適用することも可能である。

Claims

請求の範囲

1 . 検索式によって指定された要素を構造化文書から抽出する構造化文書検索装置であって、

前記構造化文書を逐次的に解析する構造化文書解析手段と、

構造情報を解析し、目的とする要素がそれ以上現れないことを確認した段階で、前記構造化文書の解析を中断する構造情報解析手段とを備えたことを特徴とする構造化文書検索装置。

2 . 検索式によって指定された要素を構造化文書から抽出する構造化文書検索装置であって、

前記構造化文書を逐次的に解析する構造化文書解析部と、

検索式を入力して解析する検索式解析部と、

構造情報を入力して解析する構造情報解析部と、

前記構造化文書の検索処理を行う検索処理部とを含み、

前記検索処理部は、

前記構造情報解析部が解析した前記構造情報から、前記構造化文書の解析を中断するための中断条件を抽出し、

前記構造化文書解析部から逐次的解析結果を入力し、

前記中断条件が満たされた場合には前記構造化文書解析部に解析の中断を指示し検索を終了することを特徴とする構造化文書検索装置。

3 . 前記樗造情報が、要素の最大出現回数および要素の出現順序のいずれかまたは両方を含み、

前記検索処理部は、前記要素の最大出現回数の情報および要素の出現順序の情報のいずれかまたは両方から前記中断条件を抽出することを特徴とする請求項 2 記載の構造化文書検索装置。

4 . 検索式によって指定された要素を構造化文書から抽出する構造化文書検索装置であって、

前記構造化文書を解析する構造化文書解析部と、

検索式を入力して解析する検索式解析部と、

構造情報を入力して解析する構造情報解析部と、

検索ォートマトン管理部とを含み、

前記検索ォートマトン管理部は、

前記検索式解析部が解析した前記検索式と前記構造情報解析部が解析した前記構造情報から検索ォ一トマトンを作成し、

前記検索ォートマトンに、前記構造情報から状態遷移を中断するための中断条件を付加し、

前記構造化文書解析部からの構造化文書解析情報によつて前記検索ォ一トマトンを状態遷移し、 .

前記中断条件が満たされた場合には前記検索オートマトンから該当する状態遷移を削除し、

前記検索オートマトン内に有効な状態遷移がなくなった場合には、前記構造化文書解析部に解析の中断を指示し検索を終了することを特徴とする構造化文書検索装置。

5 . 構造情報解析部は、記憶装置を備え、入力された前記構造情報の解析結果を前記記憶装置に蓄積し、

前記検索ォートマトン管理部は、前記検索式解析部から渡された検索式に従つて、前記記憶装置から、蓄積された前記構造情報の解析結果を取得することを特徵とする請求項 4に記載の構造化文書検索装置。

6 . 前記構造情報が、要素の最大出現回数および要素の出現順序のいずれかまたは両方を含み、

前記検索オートマトン管理部は、前記要素の最大出現回数の情報および要素の出現順序の情報のいずれかまたは両方から前記中断条件を生成することを特徴とする請求項 4または請求項 5記載の構造化文書検索装置。

7 . 前記構造化文書が XM L文書であることを特徴とする

請求項 1から請求項 6のうちのいずれか 1項に記載の構造化文書検索装置。

8 . 前記検索式が Xパスであることを特徴とする

請求項 1から請求項 7のうちのいずれか 1項に記載の構造化文書検索装置。

9 . 前記構造情報が XM Lスキーマであることを特徴とする

請求項 1から請求項 8のうちのいずれか 1項に記載の構造化文書検索装置。

1 0 検索式によって指定された要素を構造化文書から抽出する構造化文書検索方法であって、

検索式を入力して解析し、

構造情報を入力して解析し、

前記構造情報の解析結果から前記構造化文書の解析を中断するための中断条件を抽出し、，

前記構造化文書を逐次的に解析し、前記検索式を検索し、

前記中断条件が満たされた場合には前記構造化文書の解析を中断し検索を終了する

ことを特徴とする構造化文書検索方法。

1 1 . 検索式によって指定された要素を構造化文書から抽出する構造化文書検索方法であって、

検索式を入力して解析し、

構造情報を入力して解析し、

検索式の解析結果と構造情報の解析結果とから検索オートマトンを作成し、前記検索ォートマトンに、前記構造情報の解析結果から状態遷移を中断するための中断条件を付加し、

前記構造化文書を逐次的に解析し、前記構造化文書の解析情報によって前記検索ォートマトンを状態遷移し、前記中断条件が満たされた場合には前記検索オートマトンから該当する状態遷移を削除し、

有効な状態遷移がなくなった場合には、前記構造化文書の解析を中断し検索を終了する

ことを特徴とする構造化文書検索方法。

1 2 . 前記構造情報を蓄積しておき、入力された前記検索式から必要な構造情報を決定し使用することを特徴とする

請求項 1 0または請求項 1 1記載の構造化文書検索方法。

1 3 . 検索式によって指定された要素を構造化文書から抽出する構造化文書検索プログラムであって、

コンピュータに、

検索式を入力して解析するステップと、

検索式の解析結果と構造情報の解析結果とから検索オートマトンを作成し、検索オートマトンには構造情報から状態遷移を中断するための中断条件を付加するステップと、

前記構造化文書の解析情報によつて検索ォ一トマトンを状態遷移するステップと、

前記中断条件が満たされた場合に該当する状態遷移を削除するステップと、有効な状態遷移がなくなった場合に前記構造化文書の解析を中断し、検索を終了するステップと

を実行させる構造化文書検索プログラム。

1 4. コンピュータに、

入力された前記構造情報を解析して、前記検索ォ一トマトンの作成に使用するステップを実行させる請求項 1 3記載の構造化文書検索プログラム。

1 5 . コンピュータに、

前記構造情報を蓄積するステップと、

入力された前記検索式から必要な構造情報を決定し、蓄積された前記構造情報から取得するステップと

を実行させる請求項 1 3記載の構造化文書検索プログラム。