JP2002049638A - 文書情報検索装置、方法、文書情報検索プログラム及び文書情報検索プログラムを格納したコンピュータ可読の記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】検索データベースに登録されていない文書に類
似した文書の検索をを簡単な操作ですばやく行う。 【解決手段】クライアント１２からの検索要求に基づい
てサーバ１０で文書情報を検索して応答する装置であっ
て、クライアント１２の検索条件指定部２６で検索条件
に文書ファイルを指定した場合に、指定したファイル内
容をネットワークを経由して送信する。サーバ１０側に
設けた検索マシン２０の文書検索部３０は、検索条件指
定部２６から送信されたファイル内容からキーワードを
生成し、検索データベース２２のインデックス（検索対
象文書２５から抽出した重要単語列）から類似文書を検
索する

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、大量の文書データ
の中から必要な文書を迅速に探し出すための文書情報検
索装置、方法及び文書情報検索プログラムを格納したコ
ンピュータ可読の記録媒体に関し、特に、文書ファイル
そのものを検索条件に指定するという簡単な操作で内容
が類似する文書を捜し出す文書情報検索装置、方法及び
文書情報検索プログラムを格納したコンピュータ可読の
記録媒体に関する。

【０００２】

【従来の技術】従来、ネットワーク環境を利用した文書
管理システムにあっては、インターネットやイーサネッ
ト（Ｒ）上に存在する大量の文書データから必要な文書
を検索してすばやく参照することのできる文書情報検索
装置を提供している。

【０００３】この場合の文書検索は、ユーザが必要とす
る文書に含まれていると思われる１又は複数の適当な単
語や文字列をキーワードとして指定し、この指定したキ
ーワードの単語を含む文書を検索データベースから検索
し、文書一覧を検索結果として表示する。

【０００４】この文書情報検索装置にあっては、ネット
ワーク上に存在する検索対象文書について、その内容か
ら重要語を抽出して列挙したインデックスを文書毎に作
成して検索データベースに保存している。そしてユーザ
からキーワードを指定した検索要求があれば、検索デー
タベースのインデックスを検索して文書一覧の検索結果
を出すようにしている。

【０００５】更に、従来の文書情報検索装置は、ユーザ
がキーワード指定で検索した文書一覧の中から必要と思
われる文書を検索した後、文書一覧の中から選んだ文書
について類似文書検索を指定すると、検索文書の中に出
現する頻度の高い用語が自動的に抽出され、前回実行さ
れた検索条件に論理和の条件で付加され、類似文書の検
索を行うことができる。

【０００６】

【発明が解決しようとする課題】しかしながら、ユーザ
が電子メールやインターネットで、興味ある文書を入手
し、この文書に類似した内容の文書を検索したい場合、
現状では入手した文書に含まれている単語や文字列を選
んでキーワードにいちいち指定し、まず検索結果として
文書一覧を得る。次に、検索した文書一覧の中から文書
を選択して類似文書検索を指定して類似文書の検索を行
わなければならない。

【０００７】即ち、電子メールやインターネットで入手
した文書の類似検索を行おうとしても、従来の文書情報
検索装置は、既に検索データベースに登録されている文
書しか、文書を検索条件に指定した類似文書の検索はで
きず、ユーザが電子メールやインターネットで入手した
文書を検索条件に使って直接的に類似文書の検索を行う
ことができない。

【０００８】このためユーザが電子メールやインターネ
ットで入手した文書の中から、文書検索に必要と思われ
るキーワードを選んで検索条件として入力する必要があ
り、キーワードが多くある場合は入力に手間がかかる。
またキーワードの指定が十分でないと検索漏れを生じ、
期待した検索結果が得られない場合がある。

【０００９】更に文書一覧として得られる検索数が膨大
となることもあり、文書一覧から関連すると思われる文
書を開いて必要な文書を捜し出す大変な手間がかかる場
合がある。

【００１０】本発明は、検索データベースに登録されて
いない文書に類似した文書の検索を簡単な操作ですばや
くできる文書情報検索装置、方法及び文書情報検索プロ
グラムを格納したコンピュータ可読の記録媒体を提供す
ることを目的とする。

【００１１】

【課題を解決するための手段】図１は本発明の原理説明
図である。本発明は、クライアント１２等からのネット
ワークを経由した検索要求に基づいてサーバ１０等の検
索側で文書情報を検索して応答する文書情報検索装置で
あって、クライアント１２等の要求元に、検索条件にフ
ァイルを指定した場合に、指定したファイル内容をネッ
トワークを経由して送信する検索条件指定部２６を設
け、サーバ１０等の検索側に、検索条件指定部２６から
送信されたファイル内容からキーワードを生成して類似
文書を検索する検索マシン２０を設けたことを特徴とす
る。

【００１２】このため電子メールやインターネット等で
興味のある内容を含む文書を入手し、この文書に類似し
た内容の文書を検索したい場合等に、文書の指定により
アップロードされたファイルを検索条件に指定すること
で、内容が類似する文書を検索することができる。この
ためデータベース登録されていない文書であっても自由
に検索条件として指定することができ、手間のかかる文
書内容に基づいたキーワードの入力を不要とし、簡単且
つ迅速に類似文書を探し出すことができる。

【００１３】検索要求元の検索条件指定部２６は、指定
されたファイル内容の先頭ファイル部分を送信する。通
常、文書検索に必要な重要なキーワードは文書の先頭部
分に多く存在することから、ファイル内容の先頭部分だ
け、例えば先頭の１ＫＢ部分を検索条件として送信す
る。また検索条件に使用する文書ファイルのサイズは様
々であることから、検索条件として送信するファイル容
量を決めることで、通信負荷と検索側の処理を軽減す
る。

【００１４】検索条件指定部２６は検索条件として指定
するファイルにＨＴＭＬファイル及びエクセルファイル
を含む。勿論、これ以外のファイル形式であっても、テ
キスト文書の抽出が可能なファイルであれぱ、任意のフ
ァイル形式のものを含む。

【００１５】サーバ１０側の検索マシン２０には、検索
対象文書から抽出した重要語を列挙したインデックス情
報を文書毎に保存したデータベース２２が設けられる。
また検索マシン２０のファイル指定検索部３０は、検索
要求に伴って受信したファイル内容からテキスト文を抽
出するテキスト抽出処理部３６、テキスト文の形態素解
析により名詞を抽出する形態素回析部３８、名詞の中か
ら重要語を抽出して論理和でつなげたキーワードを生成
するキーワード生成部４０、及びキーワードによる検索
データベース２２の検索で類似する文書を検索してクラ
イアントに検索結果を通知する検索実行部４２を備え
る。

【００１６】キーワード生成部４０は、各名詞が検索デ
ータベース２２に格納した検索文書毎のインデックス中
の何文書に出現するかの出現数Ｈをカウントし、所定範
囲の出現数Ｈをもつ上位の所定数の単語を選択してキー
ワードを生成する。

【００１７】キーワード生成部４０は、インデックス中
の文書数Ｎとした場合、例えば出現数Ｈが ２Ｎ／３≧Ｈ≧１ の範囲の出現数をもつ上位の１０個の単語を選択してキ
ーワードを生成する。これによりデータベースのインデ
ックスに登録している既存文書の類似検索に必要な重要
語を絞り込み、類似検索の精度を高める。

【００１８】更にキーワード生成部４０は、検索要求に
伴って受信したファイルから抽出したプロパティ情報を
キーワードに含めて検索させる。この場合のプロパティ
情報は、検索要求に伴って受信したファイルの作成者、
文書タイトル等である。このように検索条件に、ファイ
ルのプロパティ情報を加えることで、例えば作成者等を
特定したい場合の類似文書の絞り込みが適切にできる。

【００１９】検索要求元の検索条件指定部２６はクライ
アント１２のＷＷＷブラウザ１６で提供され、ＷＷＷブ
ラウザ１６の検索要求画面で指定したファイル内容をネ
ットワークを介してＷＷＷサーバ１８に送信して検索マ
シン２０に引き渡す。

【００２０】本発明は、またサーバ等の検索側の文書情
報検索装置となる検索マシン２０を提供する。この検索
マシン２０としての文書情報検索装置は、検索対象文書
から抽出した重要語を列挙したインデックス情報を文書
毎に保存している検索データベース２２、文書ファイル
を検索条件に指定したネットワークからの検索要求によ
って受信したファイル内容からテキスト文を抽出するテ
キスト抽出処理部３６、テキスト文の形態素解析により
名詞を抽出する形態素解析部２８、名詞の中から重要語
を抽出して論理和でつなげたキーワードを生成するキー
ワード生成部４０、及びキーワードによる検索データベ
ースの検索で類似する文書検索して要求元に検索結果を
通知する検索実行部４２を備える。

【００２１】本発明は、クライアント等の検索要求元か
らのネットワークを経由した検索要求に基づいてサーバ
等の検索マシン側で文書情報を検索して応答する文書情
報検索方法を提供する。この文書情報検索方法は、検索
対象文書から抽出した重要語を列挙したインデックス情
報を文書毎にサーバの検索データベースに保存し；文書
ファイルを検索条件に指定した場合に、指定したファイ
ル内容を検索要求と共にネットワークを経由して検索側
に送信し；検索側で、検索要求に伴って受信したファイ
ル内容からテキスト文を抽出すると共にテキスト文の形
態素解析により名詞を抽出し、次に名詞の中から重要語
を抽出して論理和でつなげたキーワードを生成し、該キ
ーワードによる検索データベースの検索で類似する文書
を検索してクライアントに検索結果を通知することを特
徴とする。この文書情報検索方法の詳細は装置構成と基
本的に同じになる。

【００２２】更に、本発明は、文書情報検索プログラム
を格納したコンピュータ可読の記録媒体を提供するもの
で、この文書情報検索プログラムは、文書ファイルを検
索条件に指定した検索要求を受信するステップと、検索
要求に伴って受信したファイル内容からテキスト文を抽
出するステップと、テキスト文の形態素解析により名詞
を抽出するステップと、名詞の中から重要語を抽出して
論理和でつなげたキーワードを生成するステップと、キ
ーワードによるデータベースの検索で類似する文書を検
索して要求元に検索結果を通知するステップとを備え
る。

【００２３】更に本発明は、文書情報検索プログラムを
提供するものであり、このプログラムは、コンピュータ
に、文書ファイルを検索条件に指定した検索要求を受信
するステップと、検索要求に伴って受信したファイル内
容からテキスト文を抽出するステップと、テキスト文の
形態素解析により名詞を抽出するステップと、名詞の中
から重要語を抽出して論理和でつなげたキーワードを生
成するステップと、キーワードによるデータベースの検
索で類似する文書を検索して要求元に検索結果を通知す
るステップとを実行させることを特徴とする。

【００２４】

【発明の実施の形態】図２は、本発明による文書情報検
索装置のシステム構成であり、インターネットやイーサ
ネット（Ｒ）を利用したサーバクライアント型の検索シ
ステムとして構築した場合を例にとっている。

【００２５】図２において、サーバ１０に対しては、ユ
ーザ側のクライアント１２がインターネット／イントラ
ネット１４を介して接続される。クライアント１２には
検索用のＷＷＷブラウザ１６が設けられており、このＷ
ＷＷブラウザ１６を利用してサーバ１０に対し文書情報
の検索要求を行い、サーバ１０側の検索結果を表示す
る。

【００２６】サーバ１０には、ＷＷＷサーバ１８、検索
マシン２０、文書データベース２４が設けられている。
検索マシン２０には検索データベース２２が格納されて
いる。また文書データベース２４には検索対象文書２５
が格納されている。更にＷＷＷサーバ１８に対して外部
の文書管理サーバ４４，４８が接続され、この文書管理
サーバ４４，４８にも文書データベース４６，５０が設
けられており、それぞれ検索対象文書２５を格納してい
る。

【００２７】サーバ１０に設けているＷＷＷサーバ１８
は、ブラウザ１６からの検索要求を受信して検索マシン
２０に対し検索を依頼する。また検索マシン２０から返
ってきた検索結果をブラウザ１６に返して表示させる。

【００２８】検索データベース２２は、全文検索を高速
に処理するために、検索対象となる文書に記述されてい
る重要な単語の集合で作られたインデックスを管理する
保管庫として機能する。このインデックスには文書の文
書名やその保管場所が記録されており、ブラウザ１６か
ら検索要求を受けた際には、検索データベース２２のイ
ンデックスを対象に検索マシン２０が検索処理を実行す
る。

【００２９】文書データベース２４には、文書管理サー
バ４４，４８から収集した検索対象文書２５が格納され
ており、この文書データベース検索対象文書２５を対象
に検索データベース２２のインデックスが作成されてい
る。

【００３０】このようなサーバクライアント型の検索シ
ステムにあっては、クライアント１２のブラウザ１６を
使用して、ユーザが指定した検索条件をインターネット
／イントラネット１４を経由してサーバ１０側のＷＷＷ
サーバ１８に送る。ＷＷＷサーバ１８で受信された検索
要求に含まれる指定された検索条件が、ＷＷＷサーバ１
８から検索マシン２０に送られる。

【００３１】検索マシン２０は検索データベース２２か
ら検索条件にあった文書を検索し、検索結果をＷＷＷサ
ーバ１８に通知する。ＷＷＷサーバ１８は検索マシン２
０からの検索結果をクライアント１２のブラウザ１６に
送って表示させる。

【００３２】ユーザはブラウザ１６で処理された検索結
果を見て、検索結果に記述されたリンクを選択すること
で、選択された文書の中からユーザが希望する検索対象
文書２５をＷＷＷサーバ１８経由でアップロードして内
容を見ることができる。

【００３３】図３は図２の検索システムにおける機能構
成のブロック図である。まずユーザ側となるＷＷＷブラ
ウザ１６には検索条件指定部２６が設けられている。本
発明の検索条件指定部２６は、検索条件としてユーザが
インターネットや電子メールなどで入手した文書ファイ
ルを直接、検索条件として指定し、指定したファイル内
容をインターネット／イントラネット１４経由でＷＷＷ
サーバ１８を経由して検索マシン２０の文書検索部３０
に送信する。

【００３４】また検索条件指定部２６は、本発明で新た
に提供されるファイル指定の検索条件とする以外に、
（１）キーワード検索、（２）文書のタイトル、作成
者、本文ごとにキーワードを指定して検索する詳細検
索、（３）日常的な言葉や文章を入力することにより本
文内容を関連する文書を検索する文章検索、更に、
（４）検索データベース２２に登録済みの既存文書を検
索条件に使用した類似文書検索、などの検索条件の指定
も可能である。

【００３５】ＷＷＷサーバ１８側に設けられた検索マシ
ン２０には、検索データベース作成部２８、文書検索部
３０及び文書参照部３２が設けられている。検索データ
ベース作成部２８は検索データベース２２にインデック
スを作成して登録する。

【００３６】即ち検索データベース作成部２８は、文書
データベース２４に収集されて保存されている検索対象
文書２５の１つ１つについて、検索対象文書２５に記述
されている重要語を抽出し、抽出された単語の集合で構
成されたインデックスを作成して保存する。もちろん、
このインデックスには検索対象文書の文書名や保管場所
などが併せて記録されている。

【００３７】文書検索部３０は、ＷＷＷブラウザ１６の
検索条件指定部２６から送信された検索条件としてファ
イルを指定した際のファイル内容からキーワードを生成
し、検索データベース２２のインデックスに含まれてい
る重要単語の集合との検索照合を行い、ＷＷＷブラウザ
１６で検索条件として指定したファイルの文書に類似す
る文書を検索し、検索結果をＷＷＷサーバ１８からＷＷ
Ｗブラウザ１６に返して表示させる。

【００３８】文書参照部３２は、ＷＷＷブラウザ１６で
送出された検索結果としての文書一覧から参照したい文
書を選択すると、ＷＷＷサーバ１８を介して文書参照部
３２に通知されると、文書データベース２４の中から要
求された参照文書を取り出してＷＷＷブラウザ１６に返
す。

【００３９】図４は、図３の検索マシン２０に設けた本
発明の文書検索部３０の機能構成の詳細である。

【００４０】図４において、文書検索部３０には、検索
指定ファイル格納部３４、テキスト抽出処理部３６、形
態素解析部３８、キーワード作成部４０及び検索実行部
４２が設けられている。また検索データベース２２内に
は、図３の検索データベース作成部２８で作成された文
書データベース２４内の検索対象文書２５のそれぞれの
重要単語の集合、文書名、保管場所などで構成されたイ
ンデックス５２が格納されている。

【００４１】文書検索部３０の検索指定ファイル格納部
３４には、図３のＷＷＷブラウザ１６における検索条件
指定部２６のファイル指定により送信されたファイル内
容が格納される。

【００４２】ここでＷＷＷブラウザ１６側からのファイ
ル内容の転送は、検索条件として指定した文書ファイル
の先頭ファイル部分、例えば先頭の１ＫＢを切り出して
ＷＷＷサーバ１８側に検索要求と共に送信する。

【００４３】このように検索条件として送信するファイ
ル容量を例えば１ＫＢというように固定容量とすること
で、検索条件として指定している文書ファイルのサイズ
の大小に関わらず、検索マシン２０側に対する文書内容
の転送負荷を一定にし、また検索マシン２０におけるフ
ァイル指定部検索部３０による検索処理の安定化と迅速
化を図る。

【００４４】テキスト抽出処理部３６は、検索指定ファ
イル格納部３４に格納された検索条件として指定された
ファイル内容からテキスト文書を抽出する。ＷＷＷブラ
ウザ１６における検索条件として指定される文書ファイ
ルの形式としては、電子メールのテキストファイル、イ
ンターネットにおけるＨＴＭＬファイル、更には集計リ
ストのエクセルファイルなどの様々なファイル形式があ
ることから、これらのファイル形式の相違に対して検索
機能を提供可能とするため、各種の形式の文書ファイル
の中からテキスト抽出処理部３６によりテキスト文書の
みを抽出して検索条件に使用するようにしている。

【００４５】続いて設けた形態素解析部３８は、抽出さ
れたテキスト文書の中に含まれる名詞を形態素解析を用
いて抽出する。形態素解析部３８で抽出された文書内容
の中の名詞はキーワード作成部４０に送られ、キーワー
ド作成部４０においては重要な名詞をキーワード作成の
ために抽出する。

【００４６】キーワード作成部４０における重要語の抽
出は、まず各名詞が検索データベース２２のインデック
ス５２の中に登録している文書数Ｎの内の何文書で出現
するかの出現数Ｈのカウントを行う。

【００４７】そして、インデックス５２中における文書
出現数Ｈが求められたならば、出現数Ｈが予め定めた範
囲内、例えば （２Ｎ／３）≧Ｈ≧１ となる出現数の単語を選択する。このように選択された
単語の内の出現数Ｈが大きい上位１０個の単語をキーワ
ード作成のために選択する。そして選択した重要単語１
０個を論理和で繋げたクエリ式を作成して検索実行部４
２に提供する。

【００４８】検索実行部４２はキーワード作成部４０か
ら与えられたクエリ式に基づいて検索データベース２２
のインデックス５２との検索照合を行い、所定の類似度
を満たすインデックスを検索結果として抽出し、検索結
果をＷＷＷサーバ１８によりＷＷＷブラウザ１６側に送
信し、検索結果の文書一覧の形でユーザに参照できるよ
うにする。

【００４９】更に文書検索部３０にあっては、検索指定
ファイル格納部３４に格納された検索条件として指定さ
れたファイルのプロパティ情報を利用した文書検索もで
きる。このためＷＷＷブラウザ１６の検索条件指定部２
６は、検索条件として文書ファイルを指定した際に、指
定した文書ファイルのプロパティ情報を抽出し、検索条
件として指定した文書の先頭ファイル部分、例えば先頭
ファイル部分１ＫＢと共にプロパティ情報を検索マシン
２０側に送信する。

【００５０】図１４の文書検索部３０にあっては、ファ
イル内容からのテキスト文の抽出、形態素解析による名
詞抽出、名詞について重要語の選択によるキーワード作
成に加え、検索指定ファイル格納部３４に格納されてい
るファイル内容に付加されたプロパティ情報から例えば
作成日や作成者、題名などを抽出し、キーワード作成部
４０でプロパティ情報をキーワードに含め、検索実行部
４２で検索データベース２２のインデックス５２の検索
を行う。

【００５１】図５は、図３の検索マシン２０に設けてい
る検索データベース作成部２８によるインデックス作成
処理の説明図である。この検索データベース作成部２８
にあっては、ロボット５４が外部の文書データベース４
６，５０から文書６６を収集してテンポラリファイル６
２に格納し、同時に収集文書リストファイル６４に収集
した文書６６のリストを加える。

【００５２】続いてロボット５４はテキスト抽出部５６
に処理を渡し、テキスト抽出部５６は収集文書リストフ
ァイル６４から収集文書６６を取り出し、抽出テキスト
ファイル６８に格納する。

【００５３】次に重要語抽出部５８に処理を渡し、重要
語抽出部５８は抽出テキストファイル６８の該当テキス
ト文書の中から形態素解析により名詞を抽出し、名詞に
ついてそれぞれ出現頻度をカウントし、例えば出現頻度
の高い単語の上位１０個を重要語として抽出して重要語
ファイル７０に格納する。

【００５４】次にインデックス作成部６０に処理を渡
し、インデックス作成部６０は重要語ファイル７０か
ら、その文書について例えば上位１０個の重要語の集合
を取り出し、更に文書名と保管場所を加えたインデック
スを作成し、検索データベース２２にインデックス情報
として保存する。

【００５５】図６は、図３のＷＷＷブラウザ１６による
検索条件の指定と検索結果の表示を行うブラウザ処理の
フローチャートである。ユーザがＷＷＷブラウザ１６の
検索機能を開くと、ステップＳ１で検索画面が表示さ
れ、この検索画面を表示して、ステップＳ２で文書ファ
イルを指定した検索条件の指定操作を行う。

【００５６】続いてステップＳ３で検索起動の有無をチ
ェックしており、検索起動を判別すると、ステップＳ４
でファイル指定検索か否かチェックする。ファイル指定
検索であればステップＳ５に進み、ユーザが指定したフ
ァイルを読み出し、ステップＳ６で指定ファイルの先頭
１ＫＢを検索要求メッセージと共にサーバに送信する。

【００５７】ファイル指定検索でなければ、ステップＳ
７で、それ以外の検索例えばキーワード検索に対応した
検索要求メッセージをサーバに送信する。ステップＳ６
で指定ファイルの先頭部分をサーバに送信すると、ステ
ップＳ８で検索結果の受信待ちとなる。

【００５８】ステップＳ８でサーバから検索結果が受信
されると、ステップＳ９に進み、検索結果の表示操作処
理を行ってユーザは検索内容を見る。このようなステッ
プＳ１〜Ｓ９の処理を、ステップＳ１０で検索画面を閉
じる検索終了指示があるまで繰り返す。

【００５９】図７は、図６のブラウザ処理において検索
条件として文書ファイルを指定した場合の具体的な手順
と画面の様子を表わしている。

【００６０】図７において、まずユーザは検索条件に指
定しようとする文書ファイル７２を例えばインターネッ
トから取得している。そしてユーザは文書ファイル７２
の内容を見て、この文書ファイル７２に類似する文書検
索を行うため、文書ファイル７２の内容を予め指定した
ファイル、例えばファイル「ｎｅｗｓ．ｔｘｔ」に保存
する。

【００６１】続いてユーザはキーワード入力画面７４を
開く。キーワード入力画面７４にはキーワード入力部７
６、ファイル指定部７８、参照ボタン８０及び検索実行
ボタン８２が設けられている。そこで、ユーザがキーワ
ード入力画面７４の参照ボタン８０を押すことでファイ
ル選択ダイアログ８４を表示する。

【００６２】このファイル選択ダイアログ８４の中に
は、検索条件として指定したい文書ファイル７２が保存
されていることから、ファイル名「ｎｅｗｓ．ｔｘｔ」
をマウスクリックして選択すると、キーワード入力画面
７４のファイル指定部７８に選択したファイル名「ｎｅ
ｗｓ．ｔｘｔ」が設定される。

【００６３】このようにしてファイル指定部７８による
ファイル指定が済んだならば、検索実行ボタン８２を押
すことで、検索条件として指定された文書ファイル「ｎ
ｅｗｓ．ｔｘｔ」の文書内容の先頭１ＫＢが検索要求と
共にサーバに対し送信される。

【００６４】図８は、図４の文書検索部３０によって実
現されるサーバ検索処理のフローチャートである。この
サーバ検索処理は、ステップＳ１で検索条件として指定
された文書ファイルを読み込み、ステップＳ２で文書フ
ァイルからテキスト文書の抽出処理を行う。次にステッ
プＳ３で、抽出したテキスト文書の内容について形態素
解析を用いて名詞を抽出する。次にステップＳ４で、名
詞として抽出した各単語が検索データベース２２に設け
ているインデックス５２の中の文書数Ｎの内の何文書に
出現するかの出現数Ｈのカウント処理を行う。

【００６５】各単語のインデックス中の出現数Ｈがカウ
ントできたならば、ステップＳ５で出現数Ｈが（２Ｎ／
３）以下で１以上となる範囲の単語をまず選択し、この
選択した単語のうち出現数Ｈが大きい上位１０個の単語
をキーワードに使用する重要語として選択する。続いて
ステップＳ６で、重要語として選択した１０個の単語を
論理和で繋げたクエリ式を生成する。

【００６６】そしてステップＳ７で、検索キーワードと
して生成されたクエリ式による検索データベースのイン
デックスの検索を行い、生成したキーワードに対し所定
の類似度を持つインデックスの内容を検索文書として一
覧表にまとめ、ステップＳ８で検索結果をブラウザに送
信する。

【００６７】図９は、図８のステップＳ２のテキスト抽
出処理の詳細である。このテキスト抽出処理にあって
は、ステップＳ１で文書ファイルの拡張子を解読する。
ファイル拡張子からステップＳ２でＨＴＭＬ文書である
ことが認識されると、ステップＳ３に進み、ＨＴＭＬ文
書におけるボディタグ内のデータをテキストデータ本文
として抽出し、タグデータは取り除く。

【００６８】例えば図１０（Ａ）のようなＨＴＭＬファ
イルを例にとると、＜ ＞で挟まれたボディ単語の中の
データをテキストデータ本文として取り出して、このタ
グデータは取り除くことで、図１０（Ｂ）のような抽出
テキスト文書が得られる。

【００６９】次にステップＳ４で、ＯＳで管理している
ファイルのプロパティ情報を獲得する。このプロパティ
情報は、例えばファイル所有者や文書タイプなどを含ん
でいる。

【００７０】図１１は、インターネットから入手した文
書ファイルのプロパティ情報の例であり、このプロパテ
ィ情報にあっては文書タイトル「文書管理システムにつ
いて」や作成日、変更日などが存在し、これらのプロパ
ティデータをキーワード生成のために獲得する。

【００７１】一方、ステップＳ２でＨＴＭＬ文書ではな
く例えばエクセル文書などであった場合には、ステップ
Ｓ５で文書ライブラリにファイルを渡し、テキストデー
タを獲得する。続いてステップＳ６で、プロパティ情報
獲得関数により文書ごとに設定されているファイルプロ
パティ情報例えば作成者や文書タイトルなどを獲得す
る。

【００７２】図１２は本発明で検索条件として指定する
ＨＴＭＬファイル以外のファイルとしてエクセルファイ
ルを示している。この図１２のエクセルファイルについ
て、文書ライブラリに渡してテキストデータを獲得する
と、図１３の抽出テキスト文書に示すようなエクセル文
書中に書き込まれているテキスト文書を抽出した結果が
得られる。

【００７３】このようなテキスト抽出処理で得られたＨ
ＴＭＬ文書やエクセル文書からのテキスト文書、更には
プロパティ情報から得られたテキスト文書をひとまとめ
にして、図８のステップＳ３で形態素解析を用いて名詞
を抽出し、ステップＳ４，Ｓ５で、データベースのイン
デックスの参照で重要語の上位１０個をキーワードに選
択してクエリ式を作り、データベースのインデックス検
索を行って検索結果を得ることができる。

【００７４】尚、図９のテキスト抽出処理におけるステ
ップＳ４，Ｓ６のプロパティ情報の獲得は、ＷＷＷブラ
ウザ１６におけるユーザ側の指定によってプロパティ情
報を使用するか否かの選択が可能であり、プロパティ情
報を使うか否かは検索結果をどの程度絞り込むかのユー
ザ判断に依存する。

【００７５】本発明はまた、図４の検索マシン２０に文
書検索部３０の処理機能を実行させる文書情報検索プロ
グラムを記録したコンピュータ読取り可能な記録媒体を
提供する。この記録媒体の実施形態としては、ＣＤ−Ｒ
ＯＭやフロッピディスクなどのリムーバブルな可搬型記
録媒体、回線によりプログラムを提供するプログラム提
供者の記憶装置、更にプログラムをインストールした処
理装置のＲＡＭやハードディスクなどのメモリ装置を含
む。

【００７６】また記録媒体によって提供された図４の文
書検索部３０の機能を実現する文書情報検索プログラ
ム、具体的には図８及び図９のフローチャートの処理を
実行するステップを備えた文書情報検索プログラムは、
サーバなどの処理装置にローディングされ、その主メモ
リ上で実行される。

【００７７】またサーバ側にローディングされた本発明
の文書情報検索プログラムは、クライアント側からサー
ビス要求を受けると、クライアント１２側にファイル指
定による検索条件の指定を行うＷＷＷブラウザ機能をア
ップロードし、ユーザによる検索システムの利用を可能
とする。

【００７８】尚、上記の実施形態はサーバクライアント
型の検索システムを例にとるものであったが、本発明は
これに限定されず、ホスト端末型や適宜のシステム形態
をとることができる。また本発明は上記の実施形態に限
定されず、その目的と利点を損なわない適宜の変形を含
む。更にまた本発明は上記の実施形態に示した数値によ
る限定は受けない。

【００７９】（付記１）ネットワークを経由した検索要
求に基づいて文書情報を検索して応答する文書情報検索
装置に於いて、検索要求元に、検索条件としてファイル
を指定し、指定したファイル内容をネットワークを経由
して送信する検索条件指定部を設け、検索側に、前記検
索条件指定部から送信されたファイル内容からキーワー
ドを生成してデータベースから類似文書を検索する文書
検索部を設けたことを特徴とする文書情報検索装置。
（１）

【００８０】（付記２）付記１記載の文書情報検索装置
に於いて、前記検索条件指定部は、指定されたファイル
内容の先頭ファイル部分を送信することを特徴する文書
情報検索装置。

【００８１】（付記３）付記１記載の文書情報検索装置
に於いて、前記検索条件指定部は検索条件として指定す
るファイルにＨＴＭＬファイル及びエクセルファイルを
含むことを特徴とする文書情報検索装置。

【００８２】（付記４）付記１記載の文書情報検索装置
に於いて、前記データベースは、検索対象文書から抽出
した重要語を列挙したインデックス情報を文書毎に保存
し、サーバの文書検索部は、検索要求に伴って受信した
ファイル内容からテキスト文を抽出するテキスト抽出処
理部と、前記テキスト文の形態素解析により名詞を抽出
する形態素回析部と、前記名詞の中から重要語を抽出し
て論理和でつなげたキーワードを生成するキーワード生
成部と、前記キーワードによる検索データベースの検索
で類似する文書を検索してクライアントに検索結果を通
知する検索実行部と、を備えたことを特徴とする文書情
報検索装置。（２）

【００８３】（付記５）付記４記載の文書情報検索装置
に於いて、前記キーワード生成部は、各名詞が前記文書
データベースに格納した検索文書毎のインデックス中の
何文書に出現するかの出現数をカウントし、所定範囲の
出現数をもつ上位の所定数の単語を選択してキーワード
を生成することを特徴とする文書情報検索装置。（３）

【００８４】（付記６）付記５記載の文書情報検索装置
に於いて、前記キーワード生成部は、インデックス中の
文書数Ｎとした場合、出現数Ｈが２Ｎ／３≧Ｈ≧１の範
囲の出現数をもつ上位の１０個の単語を選択してキーワ
ードを生成することを特徴とする文書情報検索装置。
（４）

【００８５】（付記７）付記５記載の文書情報検索装置
に於いて、前記キーワード生成部は検索要求に伴って受
信したファイルから抽出したプロパティ情報を前記キー
ワードに含めて検索させることを特徴とする文書情報検
索装置。（５）

【００８６】（付記８）付記７記載の文書情報検索装置
に於いて、前記プロパティ情報は、検索要求に伴って受
信したファイルの作成者、文書タイトル等であることを
特徴とする文書情報検索装置。

【００８７】（付記９）付記１記載の文書情報検索装置
に於いて、前記検索要求元の検索条件指定部はクライア
ントのＷＷＷブラウザで提供され、前記ＷＷＷブラウザ
の検索要求画面で指定したファイル内容をネットワーク
を介してＷＷＷサーバの検索マシンに送信して前記文書
検索部に引き渡すことを特徴とする文書情報検索装置。

【００８８】（付記１０）検索対象文書から抽出した重
要語を列挙したインデックス情報を文書毎に保存してい
るデータベースと、文書ファイルを検索条件に指定した
ネットワークからの検索要求によって受信したファイル
内容からテキスト文を抽出するテキスト抽出処理部と、
前記テキスト文の形態素解析により名詞を抽出する形態
素解析部と、前記名詞の中から重要語を抽出して論理和
でつなげたキーワードを生成するキーワード生成部と、
前記キーワードによるデータベースの検索で類似する文
書を検索して要求元に検索結果を通知する検索実行部
と、を備えたことを特徴とする文書情報検索装置。
（６）

【００８９】（付記１１）付記１０記載の文書情報検索
装置に於いて、前記キーワード生成部は、各名詞が前記
文書データベースに格納した検索文書毎のインデックス
中の何文書に出現するかの出現数をカウントし、所定範
囲の出現数をもつ上位の所定数の単語を選択してキーワ
ードを生成することを特徴とする文書情報検索装置。

【００９０】（付記１２）付記１０記載の文書情報検索
装置に於いて、前記データベースにインデックス情報と
共に検索対象文書から抽出したプロパティ情報を保存
し、前記キーワード生成部は検索要求に伴って受信した
ファイルから抽出したプロパティ情報を前記キーワード
に含めて検索することを特徴とする文書情報検索装置。
（７）

【００９１】（付記１３）ネットワークを経由した検索
要求に基づいて文書情報を検索して応答する文書情報検
索方法に於いて、検索対象文書から抽出した重要語を列
挙したインデックス情報を文書毎にデータベースに保存
し、検索要求元で検索条件にファイルを指定した場合
に、指定したファイル内容を検索要求と共にネットワー
クを経由してサーバに送信し、検索側で、検索要求に伴
って受信したファイル内容からテキスト文を抽出すると
共にテキスト文の形態素解析により名詞を抽出し、次に
名詞の中から重要語を抽出して論理和でつなげたキーワ
ードを生成し、該キーワードによるデータベースの検索
で類似する文書を検索して検索結果を応答することを特
徴とする文書情報検索方法。（８）

【００９２】（付記１４）付記１３記載の文書情報検索
方法に於いて、前記キーワードの生成として、各名詞が
前記データベースに格納した文書毎のインデックス中の
何文書に出現するかの出現数をカウントし、所定範囲の
出現数をもつ上位の所定数の単語を選択してキーワード
を生成することを特徴とする文書情報検索方法。

【００９３】（付記１５）付記１４記載の文書情報検索
方法に於いて、検索要求に伴って受信したファイルから
抽出したプロパティ情報を前記キーワードに含めて検索
することを特徴とする文書情報検索方法。（９）

【００９４】（付記１６）文書ファイルを検索条件に指
定した検索要求を受信するステップと、検索要求に伴っ
て受信したファイル内容からテキスト文を抽出するステ
ップと、テキスト文の形態素解析により名詞を抽出する
ステップと、名詞の中から重要語を抽出して論理和でつ
なげたキーワードを生成するステップと、前記キーワー
ドによるデータベースの検索で類似する文書を検索して
要求元に検索結果を通知するステップと、を備えた文書
情報検索プログラムを格納したコンピュータ可読の記録
媒体。（１０）

【００９５】（付記１７）付記１６記載の記録媒体に於
いて、前記文書情報検索プログラムのキーワードを生成
するステップは、各名詞が前記データベースに格納した
文書毎のインデックス中の何文書に出現するかの出現数
をカウントし、所定範囲の出現数をもつ上位の所定数の
単語を選択してキーワードを生成することを特徴とする
記録媒体。

【００９６】（付記１８）付記１４記載の記録媒体に於
いて、前記文書情報検索プログラムは、更に検索要求に
伴って受信したファイルから抽出したプロパティ情報を
前記キーワードに含めて検索するステップを備えたこと
を特徴とする記録媒体。

【００９７】（付記１９）コンピュータに、文書ファイ
ルを検索条件に指定した検索要求を受信するステップ
と、検索要求に伴って受信したファイル内容からテキス
ト文を抽出するステップと、テキスト文の形態素解析に
より名詞を抽出するステップと、名詞の中から重要語を
抽出して論理和でつなげたキーワードを生成するステッ
プと、前記キーワードによるデータベースの検索で類似
する文書を検索して要求元に検索結果を通知するステッ
プと、を実行させることを特徴とする文書情報検索プロ
グラム。（１１）

【００９８】

【発明の効果】以上説明してきたように本発明によれ
ば、ユーザが電子メールやインターネットなどで興味の
ある内容を含む文書を入手した際に、この文書に類似し
た内容の文書検索を文書ファイルを直接検索条件として
指定することで、内容が類似する文書を簡単且つ素早く
検索することができ、手間の掛かる文書内容に基づいた
キーワードの入力を不要とし、ユーザによる類似文書の
探し出しが極めて効率的に実現できる。

【００９９】またファイル指定による文書検索に必要な
キーワードの生成において、文書内容から重要な単語を
抽出する以外に、文書ファイルの持っているプロパティ
情報からも重要な単語を抽出してキーワードに含めるこ
とで、データベースに登録している既存文書の類似検索
の絞り込みが、より適切に行われ、検索の精度を高める
ことができる。

【図面の簡単な説明】

【図１】本発明の原理説明図

【図２】本発明のシステム構成の説明図

【図３】本発明の機能構成のブロック図

【図４】本発明による文書検索部のブロック図

【図５】図３の検索データベース作成部の処理説明図

【図６】図３のブラウザ処理のフローチャート

【図７】本発明の検索条件に文書ファイルを指定する検
索要求操作の説明図

【図８】本発明のサーバ検索処理のフローチャート

【図９】図８のテキスト抽出処理のフローチャート

【図１０】図８の処理によりＨＴＭＬファイルからのテ
キスト文書を抽出する説明図

【図１１】本発明の検索に使用するＨＴＭＬファイルに
設けたプロパティ情報の説明図

【図１２】図８の処理によりテキスト抽出対象とするＥ
ｘｃｅｌ文書の説明図

【図１３】図１２のＥｘｃｅｌ文書から抽出したテキス
ト文書の説明図

【符号の説明】

１０：サーバ １２：クライアント １４：インターネット／イントラネット １６：ＷＷＷブラウザ １８：ＷＷＷサーバ ２０：検索マシン ２２：検索データベース ２４，４６，５０：文書データベース ２５：検索対象文書 ２６：検索条件指定部 ２８：検索データベース作成部 ３０：文書検索部 ３２：文書参照部 ３４：検索指定ファイル格納部 ３６：テキスト抽出処理部 ３８：形態素解析部 ４０：キーワード作成部 ４２：検索実行部 ４４，４８：文書管理サーバ ５４：ロボット ５６：テキスト抽出部 ５８：重要語抽出部 ６０：インデックス作成部 ６２：テンポラリファイル ６４：収集文書リストフアァイル ６６：文書 ６８：抽出テキストファイル ７０：重要語ファイル

Claims (11)

【特許請求の範囲】
1. 【請求項１】ネットワークを経由した検索要求に基づい
   て文書情報を検索して応答する文書情報検索装置に於い
   て、 前記検索要求元に、検索条件としてファイルを指定し、
   指定したファイル内容をネットワークを経由して送信す
   る検索条件指定部を設け、 検索側に、前記検索条件指定部から送信されたファイル
   内容からキーワードを生成してデータベースから類似文
   書を検索する検索マシンを設けたことを特徴とする文書
   情報検索装置。
2. 【請求項２】請求項１記載の文書情報検索装置に於い
   て、 前記データベースは、検索対象文書から抽出した重要語
   を列挙したインデックス情報を文書毎に保存し、 前記検索マシンは、 検索要求に伴って受信したファイル内容からテキスト文
   を抽出するテキスト抽出処理部と、 前記テキスト文の形態素解析により名詞を抽出する形態
   素回析部と、 前記名詞の中から重要語を抽出して論理和でつなげたキ
   ーワードを生成するキーワード生成部と、 前記キーワードによる検索データベースの検索で類似す
   る文書を検索してクライアントに検索結果を通知する検
   索実行部と、を備えたことを特徴とする文書情報検索装
   置。
3. 【請求項３】請求項２記載の文書情報検索装置に於い
   て、前記キーワード生成部は、各名詞が前記文書データ
   ベースに格納した検索文書毎のインデックス中の何文書
   に出現するかの出現数をカウントし、所定範囲の出現数
   をもつ上位の所定数の単語を選択してキーワードを生成
   することを特徴とする文書情報検索装置。
4. 【請求項４】請求項３記載の文書情報検索装置に於い
   て、前記キーワード生成部は、インデックス中の文書数
   Ｎとした場合、出現数Ｈが ２Ｎ／３≧Ｈ≧１ の範囲の出現数をもつ上位の１０個の単語を選択してキ
   ーワードを生成することを特徴とする文書情報検索装
   置。
5. 【請求項５】請求項３記載の文書情報検索装置に於い
   て、前記キーワード生成部は検索要求に伴って受信した
   ファイルから抽出したプロパティ情報を前記キーワード
   に含めて検索させることを特徴とする文書情報検索装
   置。
6. 【請求項６】検索対象文書から抽出した重要語を列挙し
   たインデックス情報を文書毎に保存しているデータベー
   スと、 前記検索データベースに登録されていない文書ファイル
   を検索条件に指定したネットワークからの検索要求によ
   って受信したファイル内容からテキスト文を抽出するテ
   キスト抽出処理部と、 前記テキスト文の形態素解析により名詞を抽出する形態
   素解析部と、 前記名詞の中から重要語を抽出して論理和でつなげたキ
   ーワードを生成するキーワード生成部と、 前記キーワードによるデータベースの検索で類似する文
   書を検索して要求元に検索結果を通知する検索実行部
   と、を備えたことを特徴とする文書情報検索装置。
7. 【請求項７】請求項６記載の文書情報検索装置に於い
   て、前記キーワード生成部は検索要求に伴って受信した
   ファイルから抽出したプロパティ情報を前記キーワード
   に含めて検索することを特徴とする文書情報検索装置。
8. 【請求項８】ネットワークを経由した検索要求に基づい
   て文書情報を検索して応答する文書情報検索方法に於い
   て、 検索対象文書から抽出した重要語を列挙したインデック
   ス情報を文書毎にデータベースに保存し、 検索要求元で検索条件にファイルを指定した場合に、指
   定したファイル内容を検索要求と共にネットワークを経
   由して検索先に送信し、 検索側で、検索要求に伴って受信したファイル内容から
   テキスト文を抽出すると共にテキスト文の形態素解析に
   より名詞を抽出し、次に名詞の中から重要語を抽出して
   論理和でつなげたキーワードを生成し、該キーワードに
   よるデータベースの検索で類似する文書を検索して検索
   結果を応答することを特徴とする文書情報検索方法。
9. 【請求項９】請求項８記載の文書情報検索方法に於い
   て、検索要求に伴って受信したファイルから抽出したプ
   ロパティ情報を前記キーワードに含めて検索することを
   特徴とする文書情報検索方法。
10. 【請求項１０】文書ファイルを検索条件に指定した検索
    要求を受信するステップと、 検索要求に伴って受信したファイル内容からテキスト文
    を抽出するステップと、 テキスト文の形態素解析により名詞を抽出するステップ
    と、 名詞の中から重要語を抽出して論理和でつなげたキーワ
    ードを生成するステップと、 前記キーワードによるデータベースの検索で類似する文
    書を検索して要求元に検索結果を通知するステップと、
    を備えた文書情報検索プログラムを格納したコンピュー
    タ可読の記録媒体。
11. 【請求項１１】コンピュータに、 文書ファイルを検索条件に指定した検索要求を受信する
    ステップと、 検索要求に伴って受信したファイル内容からテキスト文
    を抽出するステップと、 テキスト文の形態素解析により名詞を抽出するステップ
    と、 名詞の中から重要語を抽出して論理和でつなげたキーワ
    ードを生成するステップと、 前記キーワードによるデータベースの検索で類似する文
    書を検索して要求元に検索結果を通知するステップと、
    を実行させることを特徴とする文書情報検索プログラ
    ム。