JP3081093B2 - 索引作成方法およびその装置と文書検索装置 - Google Patents
索引作成方法およびその装置と文書検索装置Info
- Publication number
- JP3081093B2 JP3081093B2 JP05253032A JP25303293A JP3081093B2 JP 3081093 B2 JP3081093 B2 JP 3081093B2 JP 05253032 A JP05253032 A JP 05253032A JP 25303293 A JP25303293 A JP 25303293A JP 3081093 B2 JP3081093 B2 JP 3081093B2
- Authority
- JP
- Japan
- Prior art keywords
- index
- character
- characters
- data
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、電子計算機を応用した
文書検索システムや文書編集システムにおける文書中か
ら文字列等を検索するための索引の作成方法およびその
装置と文書検索装置に関するものである。
文書検索システムや文書編集システムにおける文書中か
ら文字列等を検索するための索引の作成方法およびその
装置と文書検索装置に関するものである。
【０００２】
【従来の技術】近年、ワードプロセッサやパーソナルコ
ンピューターの普及、コンピュータの記憶装置の容量の
増大、コンピュータによる文字認識の実用化等に伴い、
文書中の全ての文字情報を蓄積した全文データベースが
多くなってきた。このため、大量の文字情報を蓄積し、
必要に応じて文書情報を検索する全文データベース検索
システムに対する関心が高まってきている。
ンピューターの普及、コンピュータの記憶装置の容量の
増大、コンピュータによる文字認識の実用化等に伴い、
文書中の全ての文字情報を蓄積した全文データベースが
多くなってきた。このため、大量の文字情報を蓄積し、
必要に応じて文書情報を検索する全文データベース検索
システムに対する関心が高まってきている。
【０００３】従来の文書データベースシステムでは、文
書を検索する際の鍵として、文書毎に人手により付与さ
れたキーワードを利用するキーワード検索方式が一般的
であった。しかし、キーワード付け作業が蓄積文書の増
加に間に合わない、時間が経過するとキーワードが陳腐
化する、キーワード付けを行った者と検索する者とのキ
ーワードの解釈の相違により検索もれが生じる、などの
問題点があった。このような背景から、近年、全文検索
（フルテキストサーチ）と呼ばれる文書検索方式が注目
されている。
書を検索する際の鍵として、文書毎に人手により付与さ
れたキーワードを利用するキーワード検索方式が一般的
であった。しかし、キーワード付け作業が蓄積文書の増
加に間に合わない、時間が経過するとキーワードが陳腐
化する、キーワード付けを行った者と検索する者とのキ
ーワードの解釈の相違により検索もれが生じる、などの
問題点があった。このような背景から、近年、全文検索
（フルテキストサーチ）と呼ばれる文書検索方式が注目
されている。
【０００４】全文検索は、文書データのほかには補助的
な情報を持たずに、検索毎に文書データを全文走査する
「フルテキストスキャン」方式と、検索に先だって、文
書データ中に出現する文字あるいは文字列の情報を高速
に取り出せるような索引情報を自動的に作成しておい
て、検索時にこの索引を検索する方式の２種類に大別さ
れる。
な情報を持たずに、検索毎に文書データを全文走査する
「フルテキストスキャン」方式と、検索に先だって、文
書データ中に出現する文字あるいは文字列の情報を高速
に取り出せるような索引情報を自動的に作成しておい
て、検索時にこの索引を検索する方式の２種類に大別さ
れる。
【０００５】このうち、フルテキストスキャン方式は、
原文書以外の情報を用いないので、記憶容量が少なくて
済むとともに文書データの更新直後でも即座に検索でき
る点、および正規表現等の文字列パターンや論理条件を
含む複雑な検索条件の場合や検索結果が多い場合でも、
検索時間がほぼ一定である点が長所であるが、文書デー
タの全てを走査するため、索引方式に比べて検索速度が
遅いという問題が指摘されている。
原文書以外の情報を用いないので、記憶容量が少なくて
済むとともに文書データの更新直後でも即座に検索でき
る点、および正規表現等の文字列パターンや論理条件を
含む複雑な検索条件の場合や検索結果が多い場合でも、
検索時間がほぼ一定である点が長所であるが、文書デー
タの全てを走査するため、索引方式に比べて検索速度が
遅いという問題が指摘されている。
【０００６】一方、索引方式は、一般にフルテキストス
キャン方式よりも検索速度が速く、索引の作成方法によ
っては、検索速度が文書量にほとんど依存しないという
利点があるが、索引情報の容量が大きいこと、索引を作
成する時間が長いこと、検索条件が複雑な場合や検索結
果が多い場合に検索速度が低下すること等の問題が指摘
されている。
キャン方式よりも検索速度が速く、索引の作成方法によ
っては、検索速度が文書量にほとんど依存しないという
利点があるが、索引情報の容量が大きいこと、索引を作
成する時間が長いこと、検索条件が複雑な場合や検索結
果が多い場合に検索速度が低下すること等の問題が指摘
されている。
【０００７】このような従来の全文検索ための文書検索
方法と索引作成方法とその特徴は、「Ａｃｃｅｓｓ Ｍ
ｅｔｈｏｄｓ ｆｏｒ Ｔｅｘｔ］（Ｏｈｒｉｓｔｏｓ
Ｆａｌｏｕｔｓｏｓ，Ｃｏｍｐｕｔｉｎｇ Ｓｕｒｖ
ｅｙｓ，Ｖｏｌ．１７，Ｎｏ．１，Ｍａｒｃｈ １９８
５）等の論文や、「テキスト検索プロセッサ」（高橋恒
介著、電子情報通信学会刊）等の成書に詳細な説明がな
されている。
方法と索引作成方法とその特徴は、「Ａｃｃｅｓｓ Ｍ
ｅｔｈｏｄｓ ｆｏｒ Ｔｅｘｔ］（Ｏｈｒｉｓｔｏｓ
Ｆａｌｏｕｔｓｏｓ，Ｃｏｍｐｕｔｉｎｇ Ｓｕｒｖ
ｅｙｓ，Ｖｏｌ．１７，Ｎｏ．１，Ｍａｒｃｈ １９８
５）等の論文や、「テキスト検索プロセッサ」（高橋恒
介著、電子情報通信学会刊）等の成書に詳細な説明がな
されている。
【０００８】
【発明が解決しようとする課題】しかしながら、上記の
論文、成書で紹介されている従来の方法では、索引を用
いないと検索速度が上がらず、一方索引を用いると、索
引の作成・更新時間がかかる上に、索引データの容量が
大きくなり、正規表現などの複雑な文字列パターンでの
検索にも時間がかかるという課題があった。
論文、成書で紹介されている従来の方法では、索引を用
いないと検索速度が上がらず、一方索引を用いると、索
引の作成・更新時間がかかる上に、索引データの容量が
大きくなり、正規表現などの複雑な文字列パターンでの
検索にも時間がかかるという課題があった。
【０００９】本発明は、上記の従来技術の課題を解決す
るもので、作成・更新時間が短く、容量が小さく、正規
表現などの複雑な文字列パターンでの近似検索も高速で
行なうことのできる索引作成方法とその装置および作成
された索引データとフルテキストスキャンとを組み合わ
せた検索速度の速い文書検索装置を提供することを目的
とする。
るもので、作成・更新時間が短く、容量が小さく、正規
表現などの複雑な文字列パターンでの近似検索も高速で
行なうことのできる索引作成方法とその装置および作成
された索引データとフルテキストスキャンとを組み合わ
せた検索速度の速い文書検索装置を提供することを目的
とする。
【００１０】
【課題を解決するための手段】上記目的を達成するため
に、本発明による索引作成方法は、サンプル文書データ
の文字および文字列の出現を統計的に調べて前記索引デ
ータを作成する際の共通情報となる索引型式データを作
成する段階と、前記索引型式データの型式に従って検索
対象文書データに関する索引データを作成する段階とか
ら成り、索引型式データ作成段階では、前記文字列の出
現を統計的に調べる動作として、一定度数以下の文字
（低頻度文字）については、１文字で索引を作成するこ
とを決定し、一定度数以上の文字（高頻度文字）につい
ては、高頻度文字同士の２文字連続を調べ、次に、一定
度数以下の２文字連続文字（低頻度２文字連続）につい
ては、２文字で索引を作成することを決定し、一定度数
以上の２文字連続（高頻度２文字連続）については、高
頻度２文字連続文字同士の３文字連続を調べる動作を順
次行なうことにより、高頻度な文字列ほど、長い文字連
続として索引を作成することを決定した内容の索引型式
データを作成するようにしたものである。
に、本発明による索引作成方法は、サンプル文書データ
の文字および文字列の出現を統計的に調べて前記索引デ
ータを作成する際の共通情報となる索引型式データを作
成する段階と、前記索引型式データの型式に従って検索
対象文書データに関する索引データを作成する段階とか
ら成り、索引型式データ作成段階では、前記文字列の出
現を統計的に調べる動作として、一定度数以下の文字
（低頻度文字）については、１文字で索引を作成するこ
とを決定し、一定度数以上の文字（高頻度文字）につい
ては、高頻度文字同士の２文字連続を調べ、次に、一定
度数以下の２文字連続文字（低頻度２文字連続）につい
ては、２文字で索引を作成することを決定し、一定度数
以上の２文字連続（高頻度２文字連続）については、高
頻度２文字連続文字同士の３文字連続を調べる動作を順
次行なうことにより、高頻度な文字列ほど、長い文字連
続として索引を作成することを決定した内容の索引型式
データを作成するようにしたものである。
【００１１】また、本発明によると索引作成装置は、サ
ンプル文書データ中のある１文字の出現の度合を統計的
に調べる文字出現頻度算定手段と、前回調べた文字の出
現の度合が予め定められた値よりも高い場合に、前回調
べた文字の全てを含むＮ文字（Ｎは２、３、４、・・・
の自然数）の文字列についての出現の度合を統計的に調
べる複数のＮ文字連続出現頻度算定手段と、サンプル文
書データ中の文字または文字列の出現の度合に応じて文
字出現頻度算定手段および複数のＮ文字連続出現頻度算
定手段の出力から検索対象文書データに関する索引デー
タを作成する際の共通情報となる索引型式データを作成
する索引型式出力手段とを備えたものである。
ンプル文書データ中のある１文字の出現の度合を統計的
に調べる文字出現頻度算定手段と、前回調べた文字の出
現の度合が予め定められた値よりも高い場合に、前回調
べた文字の全てを含むＮ文字（Ｎは２、３、４、・・・
の自然数）の文字列についての出現の度合を統計的に調
べる複数のＮ文字連続出現頻度算定手段と、サンプル文
書データ中の文字または文字列の出現の度合に応じて文
字出現頻度算定手段および複数のＮ文字連続出現頻度算
定手段の出力から検索対象文書データに関する索引デー
タを作成する際の共通情報となる索引型式データを作成
する索引型式出力手段とを備えたものである。
【００１２】さらに、本発明による索引作成装置は、サ
ンプル文書データ中の文字または文字列をその出現の度
合に応じてグループ化する複数のグループ化手段を備
え、索引型式出力手段が、各グループ化手段から出力さ
れたグループ化情報を基に各グループの通し番号と所属
する文字または文字列との対応表を出力するようにした
ものである。
ンプル文書データ中の文字または文字列をその出現の度
合に応じてグループ化する複数のグループ化手段を備
え、索引型式出力手段が、各グループ化手段から出力さ
れたグループ化情報を基に各グループの通し番号と所属
する文字または文字列との対応表を出力するようにした
ものである。
【００１３】さらに、本発明による索引作成装置は、検
索対象文書データに関する索引データを作成する際に用
いる検索文字数を上記構成の索引作成装置から出力され
た索引型式データに従って決定する文字連続数算定手段
と、文字連続数算定手段により決定された文字数と上記
構成の索引作成装置から出力された索引型式データとか
ら対応するグループ番号を算定するグループ番号算定手
段と、グループ番号算定手段から出力されたグループ番
号からそれぞれの文書レコードの索引データを作成する
索引情報蓄積出力手段とを備えたものである。
索対象文書データに関する索引データを作成する際に用
いる検索文字数を上記構成の索引作成装置から出力され
た索引型式データに従って決定する文字連続数算定手段
と、文字連続数算定手段により決定された文字数と上記
構成の索引作成装置から出力された索引型式データとか
ら対応するグループ番号を算定するグループ番号算定手
段と、グループ番号算定手段から出力されたグループ番
号からそれぞれの文書レコードの索引データを作成する
索引情報蓄積出力手段とを備えたものである。
【００１４】また、本発明による文書検索装置は、文字
列パターンを含む検索条件を入力する検索入力手段と、
検索条件から上記構成の索引作成装置から出力された索
引データを照合するための文字または文字列のＡＮＤ／
ＯＲ木を作成する索引照合条件作成手段と、索引データ
と索引照合条件作成手段が作成したＡＮＤ／ＯＲ木との
照合を行なう索引照合手段と、照合が成功した場合に、
検索対象文書データの対応する部分を検索条件入力手段
から入力された文字列パターンを含む検索条件と照合
し、照合の成功した部分を最終的な検索結果として出力
する全文走査文字列照合手段とを備えたものである。
列パターンを含む検索条件を入力する検索入力手段と、
検索条件から上記構成の索引作成装置から出力された索
引データを照合するための文字または文字列のＡＮＤ／
ＯＲ木を作成する索引照合条件作成手段と、索引データ
と索引照合条件作成手段が作成したＡＮＤ／ＯＲ木との
照合を行なう索引照合手段と、照合が成功した場合に、
検索対象文書データの対応する部分を検索条件入力手段
から入力された文字列パターンを含む検索条件と照合
し、照合の成功した部分を最終的な検索結果として出力
する全文走査文字列照合手段とを備えたものである。
【００１５】
【作用】本発明は、上記構成によって、検索対象文書デ
ータに関する索引の型式が統計的に検索対象文書データ
に適合した、容量の小さい索引データを、検索対象文書
データの統計的性質を調べることなしに高速に作成し、
また、サンプル文書中における出現の度合が、予め定め
られた値以下すなわち絞り込み率以下である低頻度文字
については、索引型式出力手段が検索対象文書データに
おける１文字の出現を記録するための索引データの型式
を指示し、サンプル文書中における出現の度合が絞り込
み率よりも高い高頻度文字については、高頻度文字に属
するＮ文字、すなわちまず初めに２つの文字からなる２
文字連続のサンプル文書データ中における出現の度合を
２文字連続出現頻度算定手段が統計的に調べ、サンプル
文書データ中における出現の度合が絞り込み率以下であ
る低頻度２文字連続については、索引型式出力手段が検
索対象文書データにおける２文字連続の出現を記録する
ための索引データの型式を指示し、サンプル文書データ
中における出現の度合が絞り込み率よりも高い高頻度２
文字連続については、高頻度２文字連続に属する２つの
２文字連続をそれぞれ初めの２文字、および最後の２文
字に持つ３文字連続のサンプル文書データ中における出
現の度合を３文字連続出現頻度算定手段が統計的に調
べ、索引型式出力手段が、検索対象文書データにおける
３文字連続の出現を記録するための索引データの型式を
指示することによって、文字および文字列の出現の度合
が異なっていても、検索条件によらずに絞り込み率以下
に検索対象文書データを絞り込むことを可能にする索引
データを作成することができる。
ータに関する索引の型式が統計的に検索対象文書データ
に適合した、容量の小さい索引データを、検索対象文書
データの統計的性質を調べることなしに高速に作成し、
また、サンプル文書中における出現の度合が、予め定め
られた値以下すなわち絞り込み率以下である低頻度文字
については、索引型式出力手段が検索対象文書データに
おける１文字の出現を記録するための索引データの型式
を指示し、サンプル文書中における出現の度合が絞り込
み率よりも高い高頻度文字については、高頻度文字に属
するＮ文字、すなわちまず初めに２つの文字からなる２
文字連続のサンプル文書データ中における出現の度合を
２文字連続出現頻度算定手段が統計的に調べ、サンプル
文書データ中における出現の度合が絞り込み率以下であ
る低頻度２文字連続については、索引型式出力手段が検
索対象文書データにおける２文字連続の出現を記録する
ための索引データの型式を指示し、サンプル文書データ
中における出現の度合が絞り込み率よりも高い高頻度２
文字連続については、高頻度２文字連続に属する２つの
２文字連続をそれぞれ初めの２文字、および最後の２文
字に持つ３文字連続のサンプル文書データ中における出
現の度合を３文字連続出現頻度算定手段が統計的に調
べ、索引型式出力手段が、検索対象文書データにおける
３文字連続の出現を記録するための索引データの型式を
指示することによって、文字および文字列の出現の度合
が異なっていても、検索条件によらずに絞り込み率以下
に検索対象文書データを絞り込むことを可能にする索引
データを作成することができる。
【００１６】また、サンプル文書データ中の文字または
文字列の出現の度合を文字列出現頻度算定手段が統計的
に調べ、その後で、グループ化手段が、１つ以上の文字
または文字列からなるグループであって、当該グループ
に属する文字または文字列の少なくとも１種が出現する
度合が予め定めた絞り込み率以下であるグループに、サ
ンプル文書データ中の文字または文字列を振り分け、検
索対象文書データにおいて当該グループに所属するいず
れかの文字あるいは文字列が出現した場合には、「当該
グループに属する文字あるいは文字列のいずれかが出現
した」という情報を記録するための索引データの型式を
索引型式決定手段が決定して索引型式データを作成する
ことによって、多くの種類の低頻度文字がある場合で
も、容量の小さな索引を作成することができる。
文字列の出現の度合を文字列出現頻度算定手段が統計的
に調べ、その後で、グループ化手段が、１つ以上の文字
または文字列からなるグループであって、当該グループ
に属する文字または文字列の少なくとも１種が出現する
度合が予め定めた絞り込み率以下であるグループに、サ
ンプル文書データ中の文字または文字列を振り分け、検
索対象文書データにおいて当該グループに所属するいず
れかの文字あるいは文字列が出現した場合には、「当該
グループに属する文字あるいは文字列のいずれかが出現
した」という情報を記録するための索引データの型式を
索引型式決定手段が決定して索引型式データを作成する
ことによって、多くの種類の低頻度文字がある場合で
も、容量の小さな索引を作成することができる。
【００１７】さらに、文書検索装置においては、利用者
が検索条件入力手段から入力した文字列パターンを含む
検索条件から、索引照合条件作成手段が、索引データを
照合するための文字または文字列のＡＮＤ／ＯＲ木を作
成し、索引照合手段が、索引データと、索引照合条件作
成手段の作成したＡＮＤ／ＯＲ木との照合を行い、照合
が成功したデータの場合には、全文走査文字列照合手段
が、検索対象文書データの対応する部分を検索条件入力
手段から入力された文字列パターンを含む検索条件と完
全に照合し、照合の成功した部分を最終的な検索結果と
することにより、従来はフルテキストスキャン方式でし
か扱えなかった複雑な検索条件の場合でも、索引による
検索速度の高速化を実現することができる。
が検索条件入力手段から入力した文字列パターンを含む
検索条件から、索引照合条件作成手段が、索引データを
照合するための文字または文字列のＡＮＤ／ＯＲ木を作
成し、索引照合手段が、索引データと、索引照合条件作
成手段の作成したＡＮＤ／ＯＲ木との照合を行い、照合
が成功したデータの場合には、全文走査文字列照合手段
が、検索対象文書データの対応する部分を検索条件入力
手段から入力された文字列パターンを含む検索条件と完
全に照合し、照合の成功した部分を最終的な検索結果と
することにより、従来はフルテキストスキャン方式でし
か扱えなかった複雑な検索条件の場合でも、索引による
検索速度の高速化を実現することができる。
【００１８】
（実施例１）以下、本発明の索引作成方法を実施するた
めの装置について、図面を参照しながら説明する。図１
は本発明の第１の実施例における索引作成装置の構成を
示すブロック図である。図１において、１０１は文書デ
ータを構成する複数の文書レコードを格納したサンプル
文書データである。サンプル文書データは、検索対象文
書データの全部または一部でもよく、検索対象文書デー
タに対し、文字および文字列の出現に関する統計的性質
が類似している他の文書データであってもよい。１０２
はサンプル文書データ１０１中の各文書レコードの位置
を記録したサンプル文書句切りデータ、１０３はサンプ
ル文書句切りデータ１０２の位置情報に従ってサンプル
文書データ１０１から指定された文書レコードを切り出
して、レコード先頭を表す特別な文字＜ＳＴＡＲＴ＞を
文書レコード先頭に付与し、レコード終了を表す特別な
文字＜ＥＮＤ＞を文書レコード末尾に付与した文字列を
出力する文書区切り手段、１０４は文書区切り手段１０
３の出力である文書レコード文字列を受け取ってサンプ
ル文書データ１０１中に出現する各文字の出現の度合
を、「当該文字の出現する文書レコードの文字数の総和
を全文書レコードの文字数の総和で除した値」として算
定する文字出現頻度算定手段、１０５は文書区切り手段
１０３の出力である文書レコード文字列と、文字出現頻
度算定手段１０４の算定結果とを受け取って、サンプル
文書データ１０１中に高頻度で出現する２文字連続の出
現の度合を、「当該２文字連続の出現する文書レコード
の文字数の総和を全文書レコードの文字数の総和で除し
た値」として算定する２文字連続出現頻度算定手段、１
０６は文書区切り手段１０３の出力である文書レコード
文字列と、２文字連続出現頻度算定手段１０５の算定結
果とを受け取って、サンプル文書データ１０１中に高頻
度で出現する３文字連続の出現の度合を、「当該３文字
連続の出現する文書レコードの文字数の総和を全文書レ
コードの文字数の総和で除した値」として算定する３文
字連続出現頻度算定手段、１０７は文字出現頻度算定手
段１０４の算定結果を受け取って、出現の度合が予め定
められた「絞り込み率」以下である複数の文字をグルー
プ化し、グループに属するいずれかの文字が出現する度
合が絞り込み率を越えない範囲で絞り込み率に最も近く
なるように調整する文字グループ化手段、１０８は２文
字連続出現頻度算定手段１０５の算定結果を受け取っ
て、出現の度合が絞り込み率以下である複数の２文字連
続をグループ化し、グループに属するいずれかの２文字
連続が出現する度合が絞り込み率を越えない範囲で絞り
込み率に最も近くなるように調整する２文字連続グルー
プ化手段、１０９は３文字連続出現頻度算定手段１０６
の算定結果を受け取って、出現の度合が絞り込み率以下
である複数の３文字連続がある場合には、これをグルー
プ化し、グループに属するいずれかの３文字連続が出現
する度合が絞り込み率を越えない範囲で絞り込み率に最
も近くなるように調整し、出現の度合が絞り込み率より
も高い３文字連続はそれ１つだけで１グループにする３
文字連続グループ化手段、１１０は文字グループ化手段
１０７と２文字連続グループ化手段１０８と３文字連続
グループ化手段１０９の出力であるグループ化情報を受
け取って、各グループに通し番号を付与し、各グループ
の通し番号と、所属文字あるいは２文字連続あるいは３
文字連続との対応表を出力する索引型式出力手段、１１
１は索引型式出力手段１１０の出力する索引型式データ
である。
めの装置について、図面を参照しながら説明する。図１
は本発明の第１の実施例における索引作成装置の構成を
示すブロック図である。図１において、１０１は文書デ
ータを構成する複数の文書レコードを格納したサンプル
文書データである。サンプル文書データは、検索対象文
書データの全部または一部でもよく、検索対象文書デー
タに対し、文字および文字列の出現に関する統計的性質
が類似している他の文書データであってもよい。１０２
はサンプル文書データ１０１中の各文書レコードの位置
を記録したサンプル文書句切りデータ、１０３はサンプ
ル文書句切りデータ１０２の位置情報に従ってサンプル
文書データ１０１から指定された文書レコードを切り出
して、レコード先頭を表す特別な文字＜ＳＴＡＲＴ＞を
文書レコード先頭に付与し、レコード終了を表す特別な
文字＜ＥＮＤ＞を文書レコード末尾に付与した文字列を
出力する文書区切り手段、１０４は文書区切り手段１０
３の出力である文書レコード文字列を受け取ってサンプ
ル文書データ１０１中に出現する各文字の出現の度合
を、「当該文字の出現する文書レコードの文字数の総和
を全文書レコードの文字数の総和で除した値」として算
定する文字出現頻度算定手段、１０５は文書区切り手段
１０３の出力である文書レコード文字列と、文字出現頻
度算定手段１０４の算定結果とを受け取って、サンプル
文書データ１０１中に高頻度で出現する２文字連続の出
現の度合を、「当該２文字連続の出現する文書レコード
の文字数の総和を全文書レコードの文字数の総和で除し
た値」として算定する２文字連続出現頻度算定手段、１
０６は文書区切り手段１０３の出力である文書レコード
文字列と、２文字連続出現頻度算定手段１０５の算定結
果とを受け取って、サンプル文書データ１０１中に高頻
度で出現する３文字連続の出現の度合を、「当該３文字
連続の出現する文書レコードの文字数の総和を全文書レ
コードの文字数の総和で除した値」として算定する３文
字連続出現頻度算定手段、１０７は文字出現頻度算定手
段１０４の算定結果を受け取って、出現の度合が予め定
められた「絞り込み率」以下である複数の文字をグルー
プ化し、グループに属するいずれかの文字が出現する度
合が絞り込み率を越えない範囲で絞り込み率に最も近く
なるように調整する文字グループ化手段、１０８は２文
字連続出現頻度算定手段１０５の算定結果を受け取っ
て、出現の度合が絞り込み率以下である複数の２文字連
続をグループ化し、グループに属するいずれかの２文字
連続が出現する度合が絞り込み率を越えない範囲で絞り
込み率に最も近くなるように調整する２文字連続グルー
プ化手段、１０９は３文字連続出現頻度算定手段１０６
の算定結果を受け取って、出現の度合が絞り込み率以下
である複数の３文字連続がある場合には、これをグルー
プ化し、グループに属するいずれかの３文字連続が出現
する度合が絞り込み率を越えない範囲で絞り込み率に最
も近くなるように調整し、出現の度合が絞り込み率より
も高い３文字連続はそれ１つだけで１グループにする３
文字連続グループ化手段、１１０は文字グループ化手段
１０７と２文字連続グループ化手段１０８と３文字連続
グループ化手段１０９の出力であるグループ化情報を受
け取って、各グループに通し番号を付与し、各グループ
の通し番号と、所属文字あるいは２文字連続あるいは３
文字連続との対応表を出力する索引型式出力手段、１１
１は索引型式出力手段１１０の出力する索引型式データ
である。
【００１９】サンプル文書データ１０１には、図４に示
すような、書籍のＩＳＢＮ番号が１番号１文書レコード
として、５５３９６６レコード分記録されており、サン
プル文書区切りデータ１０２には、図４に示した文書デ
ータの各文書レコードの先頭の文字の、サンプル文書デ
ータ１０１先頭からの文字単位での隔たりが記録されて
いるものとし、絞り込み率として、０．０５を指定する
ものとする。
すような、書籍のＩＳＢＮ番号が１番号１文書レコード
として、５５３９６６レコード分記録されており、サン
プル文書区切りデータ１０２には、図４に示した文書デ
ータの各文書レコードの先頭の文字の、サンプル文書デ
ータ１０１先頭からの文字単位での隔たりが記録されて
いるものとし、絞り込み率として、０．０５を指定する
ものとする。
【００２０】以上のように構成された索引作成装置につ
いて、その動作を説明する。まず、サンプル文書データ
１０１中の各文書レコードが、文書区切り手段１０３で
切り出されて、文字出現頻度算定手段１０４に送られ、
各文字の出現の度合が、当該文字の出現する文書レコー
ドの文字数の総和／全文書レコードの文字数の総和によ
って算定される。図５〜図２３は、この索引作成装置の
レポート出力であり、図５の「文字頻度表（Ｃｈａｒａ
ｃｔｅｒ ｈｉｓｔｇｒａｍ ＆ Ｍｏｎｏｇｒａｍ−
ｉｎｄｅｘ）」、図６〜図７の「高頻度２文字連連続
表」（Ｆｒｅｑｕｅｎｔ Ｄｉｇｒａｍ）、図８の「２
文字連続のグループ化結果」（Ｄｉｇｒａｍ ｐａｒｔ
ｉｔｉｏｎｓ）、図９〜図１８の「高頻度３文字連続
表」（Ｔｒｉｇｒａｍ Ｔａｂｌｅ）、図１９〜図２２
の「３文字連続のグループ化結果」（Ｔｒｉｇｒａｍ
Ｐａｒｔｉｔｉｏｎｉｎｇ Ｔａｂｌｅ）、図２３の
「索引の大きさ」（Ｉｎｄｅｘ ｓｉｚｅ）の各情報
が、順に記録されている。
いて、その動作を説明する。まず、サンプル文書データ
１０１中の各文書レコードが、文書区切り手段１０３で
切り出されて、文字出現頻度算定手段１０４に送られ、
各文字の出現の度合が、当該文字の出現する文書レコー
ドの文字数の総和／全文書レコードの文字数の総和によ
って算定される。図５〜図２３は、この索引作成装置の
レポート出力であり、図５の「文字頻度表（Ｃｈａｒａ
ｃｔｅｒ ｈｉｓｔｇｒａｍ ＆ Ｍｏｎｏｇｒａｍ−
ｉｎｄｅｘ）」、図６〜図７の「高頻度２文字連連続
表」（Ｆｒｅｑｕｅｎｔ Ｄｉｇｒａｍ）、図８の「２
文字連続のグループ化結果」（Ｄｉｇｒａｍ ｐａｒｔ
ｉｔｉｏｎｓ）、図９〜図１８の「高頻度３文字連続
表」（Ｔｒｉｇｒａｍ Ｔａｂｌｅ）、図１９〜図２２
の「３文字連続のグループ化結果」（Ｔｒｉｇｒａｍ
Ｐａｒｔｉｔｉｏｎｉｎｇ Ｔａｂｌｅ）、図２３の
「索引の大きさ」（Ｉｎｄｅｘ ｓｉｚｅ）の各情報
が、順に記録されている。
【００２１】文字出現頻度算定手段１０４の算定結果で
ある図５において、「Ｏｃｃｕｒｅｎｃｅ」項目は、着
目文字の出現する文書レコードの文字数の総和を表し、
「（Ｐｅｒｃｅｎｔ）」項目は、着目文字の出現する文
書レコードの文字数の総和を全文書レコードの文字数の
総和で除した値に１００を乗じた値を表し、「Ｒａｎ
ｋ」項目は、着目文字の出現度合による順序を表し、
「Ｃｈａｒ」項目は、着目文字を表し、「Ｍｏｎｏｇｒ
ａｍ−ｉｎｄｅｘ」項目は、出現度合によってグループ
化された文字グループ番号を表す。例えば、「Ｃｈａ
ｒ」項目の文字「−」は、第４番目に高頻度の文字であ
り、出現文書レコードの文字数の総和は、３６９９２４
１文字であり、８７．２９％の出現頻度を持つ。なお、
このサンプル文書データの場合には、文字種が１６種と
少ないため、２文字以上からなる文字グループは存在し
ない。
ある図５において、「Ｏｃｃｕｒｅｎｃｅ」項目は、着
目文字の出現する文書レコードの文字数の総和を表し、
「（Ｐｅｒｃｅｎｔ）」項目は、着目文字の出現する文
書レコードの文字数の総和を全文書レコードの文字数の
総和で除した値に１００を乗じた値を表し、「Ｒａｎ
ｋ」項目は、着目文字の出現度合による順序を表し、
「Ｃｈａｒ」項目は、着目文字を表し、「Ｍｏｎｏｇｒ
ａｍ−ｉｎｄｅｘ」項目は、出現度合によってグループ
化された文字グループ番号を表す。例えば、「Ｃｈａ
ｒ」項目の文字「−」は、第４番目に高頻度の文字であ
り、出現文書レコードの文字数の総和は、３６９９２４
１文字であり、８７．２９％の出現頻度を持つ。なお、
このサンプル文書データの場合には、文字種が１６種と
少ないため、２文字以上からなる文字グループは存在し
ない。
【００２２】こうして、サンプル文書データ１０１の１
回目の走査が終了したら、文書区切り手段１０３は、サ
ンプル文書データ１０１の２回目の走査を開始し、切り
出した文書レコードを２文字連続出現頻度算定手段１０
５に送る。２文字連続出現頻度算定手段１０５は、文書
レコード中の２文字連続のうちで、高頻度文字（この例
の場合には、全ての文字種が高頻度文字に当たる）同士
の連続のみを抽出し、各２文字連続の出現の度合が、
「当該２文字連続の出現する文書レコードの文字数の総
和／全文書レコードの文字数の総和」によって算定され
る。そのうちで、出現の度合が絞り込み率よりも高い、
高頻度の２文字連続を表示したのが、図６〜図７の「高
頻度２文字連続表」である。
回目の走査が終了したら、文書区切り手段１０３は、サ
ンプル文書データ１０１の２回目の走査を開始し、切り
出した文書レコードを２文字連続出現頻度算定手段１０
５に送る。２文字連続出現頻度算定手段１０５は、文書
レコード中の２文字連続のうちで、高頻度文字（この例
の場合には、全ての文字種が高頻度文字に当たる）同士
の連続のみを抽出し、各２文字連続の出現の度合が、
「当該２文字連続の出現する文書レコードの文字数の総
和／全文書レコードの文字数の総和」によって算定され
る。そのうちで、出現の度合が絞り込み率よりも高い、
高頻度の２文字連続を表示したのが、図６〜図７の「高
頻度２文字連続表」である。
【００２３】図６において、「Ｎｏ．」項目は、高頻度
２文字連続の通し番号を表し、「Ｄｉｇｒａｍ−Ｃｏｄ
ｅ」項目は、２文字連続を構成する第１文字、第２文字
を文字グループ番号で表現した組を表し、「Ｄｉｇｒａ
ｍ−Ｃｈａｒａｃｔｅｒ」項目は、２文字連続を構成す
る文字列を表し、「Ｏｃｃ」項目は着目２文字連続の出
現する文書レコードの文字数の総和を表し、「（Ｐｅｒ
ｃｅｎｔ）」項目は、着目２文字連続の出現する文書レ
コードの文字数の総和を全文書レコードの文字数の総和
で除した値に１００を乗じた値を表す。例えば、通し番
号が６である「−４」という２文字連続は、出現の度合
が１７．５７％であることがわかる。高頻度文字同士か
らなる２文字連続のうち、高頻度２文字連続以外のすべ
てを、文字グループ番号で第１文字、第２文字を表現し
た際の文字列の昇順に並べ、その後で、並び順が近接す
る２文字連続を、２文字連続グループ化手段１０８がグ
ループにまとめる。グループ化の際の、グループのいず
れかの２文字連続が表れる度合の算定法は、グループ内
の各２文字連続の出現が統計的に独立であると仮定し、
以下の式から求める。
２文字連続の通し番号を表し、「Ｄｉｇｒａｍ−Ｃｏｄ
ｅ」項目は、２文字連続を構成する第１文字、第２文字
を文字グループ番号で表現した組を表し、「Ｄｉｇｒａ
ｍ−Ｃｈａｒａｃｔｅｒ」項目は、２文字連続を構成す
る文字列を表し、「Ｏｃｃ」項目は着目２文字連続の出
現する文書レコードの文字数の総和を表し、「（Ｐｅｒ
ｃｅｎｔ）」項目は、着目２文字連続の出現する文書レ
コードの文字数の総和を全文書レコードの文字数の総和
で除した値に１００を乗じた値を表す。例えば、通し番
号が６である「−４」という２文字連続は、出現の度合
が１７．５７％であることがわかる。高頻度文字同士か
らなる２文字連続のうち、高頻度２文字連続以外のすべ
てを、文字グループ番号で第１文字、第２文字を表現し
た際の文字列の昇順に並べ、その後で、並び順が近接す
る２文字連続を、２文字連続グループ化手段１０８がグ
ループにまとめる。グループ化の際の、グループのいず
れかの２文字連続が表れる度合の算定法は、グループ内
の各２文字連続の出現が統計的に独立であると仮定し、
以下の式から求める。
【００２４】
【数１】 ただし、Ｐはグループ内のｎ個の２文字連続のいずれか
が現れる度合であり、Ｐj （ｊ＝１，２，・・・ｎ）は
グループ内のｊ番目の２文字連続が現れる度合である。
が現れる度合であり、Ｐj （ｊ＝１，２，・・・ｎ）は
グループ内のｊ番目の２文字連続が現れる度合である。
【００２５】その結果が、図８の「２文字連続のグルー
プ化結果」である。図８において、「Ｎｏ．」項目は、
２文字連続のグループ番号を表し、「Ｄｉｇｒａｍ−Ｃ
ｏｄｅ」項目はグループとグループの境界に位置する当
該グループ中で最も文字列順の大きい２文字連続の第１
文字、第２文字の文字グループ番号を表し、「Ｄｉｇｒ
ａｍ−Ｃｈａｒａｃｔｅｒ」項目は当該２文字連続を構
成する文字列を表す。例えば、２文字連続のグループ番
号７には、２文字連続「２２」および「２３」が含ま
れ、２文字連続のグループ番号８には、２文字連続「２
５」、「２６」、「２７」、「２９」が含まれる。
プ化結果」である。図８において、「Ｎｏ．」項目は、
２文字連続のグループ番号を表し、「Ｄｉｇｒａｍ−Ｃ
ｏｄｅ」項目はグループとグループの境界に位置する当
該グループ中で最も文字列順の大きい２文字連続の第１
文字、第２文字の文字グループ番号を表し、「Ｄｉｇｒ
ａｍ−Ｃｈａｒａｃｔｅｒ」項目は当該２文字連続を構
成する文字列を表す。例えば、２文字連続のグループ番
号７には、２文字連続「２２」および「２３」が含ま
れ、２文字連続のグループ番号８には、２文字連続「２
５」、「２６」、「２７」、「２９」が含まれる。
【００２６】こうして、サンプル文書データ１０１の２
回目の走査が終了したら、文書区切り手段１０３は、サ
ンプル文書データ１０１の３回目の走査を開始し、切り
出した文書レコードを３文字連続出現頻度算定手段１０
６に送る。３文字連続出現頻度算定手段１０６は、文書
レコード中の３文字連続のうちで、（第１文字、第２文
字）および（第２文字、第３文字）がいずれも高頻度２
文字連続である３文字連続のみを抽出し、各３文字連続
の出現の度合が、「当該３文字連続の出現する文書レコ
ードの文字数の総和／全文書レコードの文字数の総和」
によって算定され、その結果が３文字連続グループ化手
段１０９に送られ、式（１）と同様の基準によって、絞
り込み率をもとにグループ化される。その結果を表示し
たのが図９〜図１８の「高頻度３文字連続表」および図
１９〜図２２の「３文字連続のグループ化結果」であ
る。
回目の走査が終了したら、文書区切り手段１０３は、サ
ンプル文書データ１０１の３回目の走査を開始し、切り
出した文書レコードを３文字連続出現頻度算定手段１０
６に送る。３文字連続出現頻度算定手段１０６は、文書
レコード中の３文字連続のうちで、（第１文字、第２文
字）および（第２文字、第３文字）がいずれも高頻度２
文字連続である３文字連続のみを抽出し、各３文字連続
の出現の度合が、「当該３文字連続の出現する文書レコ
ードの文字数の総和／全文書レコードの文字数の総和」
によって算定され、その結果が３文字連続グループ化手
段１０９に送られ、式（１）と同様の基準によって、絞
り込み率をもとにグループ化される。その結果を表示し
たのが図９〜図１８の「高頻度３文字連続表」および図
１９〜図２２の「３文字連続のグループ化結果」であ
る。
【００２７】図９において、「Ｎｏ．」項目は、３文字
連続の通し番号を表し、「Ｇｒｏｕｐ」項目は、３文字
連続のグループ番号を表し、「Ｔｒｉｇｒａｍ−Ｃｏｄ
ｅ」項目は、３文字連続の第１文字、第２文字、第３文
字の文字グループ番号を表し、「Ｔｒｉｇｒａｍ−Ｃｈ
ａｒａｃｔｅｒ」項目は、当該３文字連続を構成する文
字列を表し、「Ｏｃｃ」項目は、着目３文字連続の出現
する文書レコードの文字数の総和を表し、「（Ｐｅｒｃ
ｅｎｔ）」項目は、着目３文字連続の出現する文書レコ
ードの文字数の総和を全文書レコードの文字数の総和で
除した値に１００を乗じた値を表す。
連続の通し番号を表し、「Ｇｒｏｕｐ」項目は、３文字
連続のグループ番号を表し、「Ｔｒｉｇｒａｍ−Ｃｏｄ
ｅ」項目は、３文字連続の第１文字、第２文字、第３文
字の文字グループ番号を表し、「Ｔｒｉｇｒａｍ−Ｃｈ
ａｒａｃｔｅｒ」項目は、当該３文字連続を構成する文
字列を表し、「Ｏｃｃ」項目は、着目３文字連続の出現
する文書レコードの文字数の総和を表し、「（Ｐｅｒｃ
ｅｎｔ）」項目は、着目３文字連続の出現する文書レコ
ードの文字数の総和を全文書レコードの文字数の総和で
除した値に１００を乗じた値を表す。
【００２８】また、図１９において、「Ｎｏ．」項目
は、３文字連続のグループ番号を表し、「Ｔｒｉｇｒａ
ｍ−Ｃｏｄｅ」項目は、グループとグループの境界に位
置する当該グループ中で文字グループ番号で計った文字
列順の大きい２文字連続の第１文字、第２文字の文字グ
ループ番号を表し、「Ｔｒｉｇｒａｍ−Ｃｈａｒａｃｔ
ｅｒ」項目は、当該３文字連続を構成する文字列を表
す。例えば、３文字連続のグループ番号１３８には、３
文字連続「２０２」、「２０３」、「２０５」、「２０
６」、「２０７」、「２０９」、「２０４」が所属す
る。
は、３文字連続のグループ番号を表し、「Ｔｒｉｇｒａ
ｍ−Ｃｏｄｅ」項目は、グループとグループの境界に位
置する当該グループ中で文字グループ番号で計った文字
列順の大きい２文字連続の第１文字、第２文字の文字グ
ループ番号を表し、「Ｔｒｉｇｒａｍ−Ｃｈａｒａｃｔ
ｅｒ」項目は、当該３文字連続を構成する文字列を表
す。例えば、３文字連続のグループ番号１３８には、３
文字連続「２０２」、「２０３」、「２０５」、「２０
６」、「２０７」、「２０９」、「２０４」が所属す
る。
【００２９】こうして、得られたグループ化情報が、索
引型式出力手段１１０に送られ、低頻度文字グループ、
２文字連続グループ、３文字連続グループの１つ１つに
対して、１ｂｉｔの索引情報を割り当てるような索引型
式を、索引型式データ１１１に出力する。作成される索
引の文書レコード当りの大きさを表示したものが、図２
３の「索引の大きさ」である。
引型式出力手段１１０に送られ、低頻度文字グループ、
２文字連続グループ、３文字連続グループの１つ１つに
対して、１ｂｉｔの索引情報を割り当てるような索引型
式を、索引型式データ１１１に出力する。作成される索
引の文書レコード当りの大きさを表示したものが、図２
３の「索引の大きさ」である。
【００３０】図２３において、「１）Ｍｏｎｏｇｒａｍ
−ｉｎｄｅｘ：」項目は、低頻度文字索引の大きさを表
し、「２）Ｄｉｇｒａｍ−ｉｎｄｅｘ：」項目は、２文
字連続の索引の大きさを表し、「３）Ｔｒｉｇｒａｍ−
ｉｎｄｅｘ：」項目は、３文字連続の索引の大きさを表
し、「Ｔｏｔａｌ Ｉｎｄｅｘ ｓｉｚｅ：」項目は、
１）２）３）を合計した１文書レコード当りの索引のサ
イズを表す。この例では、１文書レコードあたり、合計
３２バイトの索引が作成される。
−ｉｎｄｅｘ：」項目は、低頻度文字索引の大きさを表
し、「２）Ｄｉｇｒａｍ−ｉｎｄｅｘ：」項目は、２文
字連続の索引の大きさを表し、「３）Ｔｒｉｇｒａｍ−
ｉｎｄｅｘ：」項目は、３文字連続の索引の大きさを表
し、「Ｔｏｔａｌ Ｉｎｄｅｘ ｓｉｚｅ：」項目は、
１）２）３）を合計した１文書レコード当りの索引のサ
イズを表す。この例では、１文書レコードあたり、合計
３２バイトの索引が作成される。
【００３１】以上のように、本実施例によれば、サンプ
ル文書データの文字および文字列の出現の度合から、多
く出現する文字については、２文字連続情報を用いて、
より詳細な索引情報をつくり、その中でより多く出現す
る２文字連続には、３文字連続情報を用いてさらに詳細
な索引情報をつくることで、高頻度で出現する文字およ
び文字列に対して高精度な索引型式データを作成でき、
逆に、あまり出現しない文字および文字列については、
グループ化によって、索引情報の容量を縮小した索引型
式データを作成することができる。
ル文書データの文字および文字列の出現の度合から、多
く出現する文字については、２文字連続情報を用いて、
より詳細な索引情報をつくり、その中でより多く出現す
る２文字連続には、３文字連続情報を用いてさらに詳細
な索引情報をつくることで、高頻度で出現する文字およ
び文字列に対して高精度な索引型式データを作成でき、
逆に、あまり出現しない文字および文字列については、
グループ化によって、索引情報の容量を縮小した索引型
式データを作成することができる。
【００３２】（実施例２）次に、本発明の第２の実施例
について、図面を参照しながら説明する。図２は本発明
の第２の実施例における索引作成装置の構成を示すブロ
ック図である。図２において、２０１は複数の文書レコ
ードを格納した検索対象文書データ、２０２は検索対象
文書データ２０１中の各文書レコードの位置を記録した
検索対象文書句切りデータ、２０３は検索対象文書句切
りデータ２０２の位置情報に従って検索対象文書データ
２０１から指定された文書レコードを切り出して、レコ
ード先頭を表す特別な文字＜ＳＴＡＲＴ＞を文書レコー
ド先頭に付与し、レコード終了を表す特別な文字＜ＥＮ
Ｄ＞を文書レコード末尾に付与した文字列を出力する文
書区切り手段、２０４は図１に示した索引作成装置によ
り作成された索引型式データ、２０５は文書区切り手段
２０３の出力である文書レコード文字列を受け取って、
検索対象文書データ２０１中に出現する各文字から始ま
る文字列の、索引作成時に用いる検索文字数が１である
か２であるか３であるかを、索引型式データ２０４に従
って決定する文字連続数算定手段、２０６は文字連続数
算定手段２０５の算定結果である文字数と、文字列およ
び索引型式データのグループの定義とを受け取って、対
応するグループ番号を算定するグループ番号算定手段、
２０７はグループ番号算定手段２０６の出力であるグル
ープ番号を受け取って、１文書レコードの索引情報を作
成して出力する索引情報蓄積出力手段、２０８は索引情
報蓄積出力手段２０７が出力する検索対象データ２０１
に関する索引データである。
について、図面を参照しながら説明する。図２は本発明
の第２の実施例における索引作成装置の構成を示すブロ
ック図である。図２において、２０１は複数の文書レコ
ードを格納した検索対象文書データ、２０２は検索対象
文書データ２０１中の各文書レコードの位置を記録した
検索対象文書句切りデータ、２０３は検索対象文書句切
りデータ２０２の位置情報に従って検索対象文書データ
２０１から指定された文書レコードを切り出して、レコ
ード先頭を表す特別な文字＜ＳＴＡＲＴ＞を文書レコー
ド先頭に付与し、レコード終了を表す特別な文字＜ＥＮ
Ｄ＞を文書レコード末尾に付与した文字列を出力する文
書区切り手段、２０４は図１に示した索引作成装置によ
り作成された索引型式データ、２０５は文書区切り手段
２０３の出力である文書レコード文字列を受け取って、
検索対象文書データ２０１中に出現する各文字から始ま
る文字列の、索引作成時に用いる検索文字数が１である
か２であるか３であるかを、索引型式データ２０４に従
って決定する文字連続数算定手段、２０６は文字連続数
算定手段２０５の算定結果である文字数と、文字列およ
び索引型式データのグループの定義とを受け取って、対
応するグループ番号を算定するグループ番号算定手段、
２０７はグループ番号算定手段２０６の出力であるグル
ープ番号を受け取って、１文書レコードの索引情報を作
成して出力する索引情報蓄積出力手段、２０８は索引情
報蓄積出力手段２０７が出力する検索対象データ２０１
に関する索引データである。
【００３３】以上のように構成された索引作成装置につ
いて、その動作を、図２４に示すこの索引作成装置が動
作する際に出力したレポート出力を例にして説明する。
図２４において、Ｒｅｃｏｒｄ Ｎｏ，２の「＜ＳＴＡ
ＲＴ＞４−５８７−５１１５１−Ｘ＜ＥＮＤ＞」は、検
索対象データの第２レコードの切り出し結果である。こ
の文字列が文字連続数算定手段２０５に送られると、ま
ず、各文字を文字グループ番号に直し、次に索引型式デ
ータ２０４にしたがって、文字連続数を算定する。この
例の文字列は、文字グループ番号で表現すると、「０、
２、３、９、６、１１、３、７、７、１０、５、４、
３、１０、１」となる。そして、先頭の「＜ＳＴＡＲＴ
＞，４」なる２文字が２文字連続として、文字グループ
番号の組［０−２］で切り出され、グループ番号算定手
段２０６が、これからグループ番号０を算定し、索引情
報蓄積出力手段２０７が、これを受け取って、内部のビ
ット列の０番目のものを、１６進「００００」から１６
進「０００１」に変える。先頭から２文字目の「４，
−，５」なる３文字の場合は、３文字連続として、文字
グループ番号の組［２−３−９］で切り出され、グルー
プ番号算定手段２０６が、これからグループ番号７２を
算定し、索引情報蓄積出力手段２０７が、これを受け取
って、内部のビット列の４番目のものを、１６進「００
００」から１６進「０１００」に変える。このようにし
て、着目文字を次々と移動させながら、索引情報蓄積出
力手段２０７の内部のビット列に、第２レコードの索引
情報をビット列の形で蓄積する。最後の文字の処理が終
了した場合には、蓄積したビット列を、索引データ２０
８に出力する。以上の処理を各文書レコードに対して次
々に行うことにより、最終的に、検索対象データ１０１
内の全文書レコードに関する索引情報を、索引データ２
０８に格納し、索引作成処理を終了する。
いて、その動作を、図２４に示すこの索引作成装置が動
作する際に出力したレポート出力を例にして説明する。
図２４において、Ｒｅｃｏｒｄ Ｎｏ，２の「＜ＳＴＡ
ＲＴ＞４−５８７−５１１５１−Ｘ＜ＥＮＤ＞」は、検
索対象データの第２レコードの切り出し結果である。こ
の文字列が文字連続数算定手段２０５に送られると、ま
ず、各文字を文字グループ番号に直し、次に索引型式デ
ータ２０４にしたがって、文字連続数を算定する。この
例の文字列は、文字グループ番号で表現すると、「０、
２、３、９、６、１１、３、７、７、１０、５、４、
３、１０、１」となる。そして、先頭の「＜ＳＴＡＲＴ
＞，４」なる２文字が２文字連続として、文字グループ
番号の組［０−２］で切り出され、グループ番号算定手
段２０６が、これからグループ番号０を算定し、索引情
報蓄積出力手段２０７が、これを受け取って、内部のビ
ット列の０番目のものを、１６進「００００」から１６
進「０００１」に変える。先頭から２文字目の「４，
−，５」なる３文字の場合は、３文字連続として、文字
グループ番号の組［２−３−９］で切り出され、グルー
プ番号算定手段２０６が、これからグループ番号７２を
算定し、索引情報蓄積出力手段２０７が、これを受け取
って、内部のビット列の４番目のものを、１６進「００
００」から１６進「０１００」に変える。このようにし
て、着目文字を次々と移動させながら、索引情報蓄積出
力手段２０７の内部のビット列に、第２レコードの索引
情報をビット列の形で蓄積する。最後の文字の処理が終
了した場合には、蓄積したビット列を、索引データ２０
８に出力する。以上の処理を各文書レコードに対して次
々に行うことにより、最終的に、検索対象データ１０１
内の全文書レコードに関する索引情報を、索引データ２
０８に格納し、索引作成処理を終了する。
【００３４】このように、本実施例の索引作成装置によ
れば、索引型式データ２０４が、検索対象文書データと
文字および文字列の出現の度合が類似している場合に
は、索引型式データ２０４内の統計情報を用いて、検索
対象文書データを調べることなしに、多く出現する文字
については、２文字連続情報を用いてより詳細な索引情
報を作り、その中でより多く出現する２文字連続には、
３文字連続情報を用いてさらに詳細な索引情報をつくる
ことで、高頻度で出現する文字および文字列に対して、
高精度な索引データを作成でき、逆に、あまり出現しな
い文字および文字列については、グループ化によって、
索引情報の容量を縮小した索引データを作成することが
できる。
れば、索引型式データ２０４が、検索対象文書データと
文字および文字列の出現の度合が類似している場合に
は、索引型式データ２０４内の統計情報を用いて、検索
対象文書データを調べることなしに、多く出現する文字
については、２文字連続情報を用いてより詳細な索引情
報を作り、その中でより多く出現する２文字連続には、
３文字連続情報を用いてさらに詳細な索引情報をつくる
ことで、高頻度で出現する文字および文字列に対して、
高精度な索引データを作成でき、逆に、あまり出現しな
い文字および文字列については、グループ化によって、
索引情報の容量を縮小した索引データを作成することが
できる。
【００３５】（実施例３）次に、本発明の第３の実施例
について、図面を参照しながら説明する。図３は本発明
の文書検索方法を用いた文書検索装置の一実施例を示す
ブロック図である。図３において、３０１は複数の文書
レコードを格納した検索対象文書データ、３０２は利用
者が検索条件を入力する検索条件入力手段、３０３は検
索対象文書データ３０１に関する索引情報を記録した図
２の索引作成装置を用いて作成した索引データ、３０４
は検索対象文書データ３０１を走査して、検索条件入力
手段３０２から入力された検索条件と照合する文書レコ
ードを出力する全文走査文字列照合手段、３０５は検索
条件入力手段３０２から入力された検索条件を、索引デ
ータ３０３が取り扱える検索条件に変形する索引照合条
件作成手段、３０６は索引データ３０３と、索引照合条
件作成手段３０５の作成した索引照合条件との照合を行
って、照合した文書レコードの情報を、全文走査文字列
照合手段３０４に通知する索引照合手段、３０７は全文
走査文字列照合手段３０４が出力する検索結果である。
について、図面を参照しながら説明する。図３は本発明
の文書検索方法を用いた文書検索装置の一実施例を示す
ブロック図である。図３において、３０１は複数の文書
レコードを格納した検索対象文書データ、３０２は利用
者が検索条件を入力する検索条件入力手段、３０３は検
索対象文書データ３０１に関する索引情報を記録した図
２の索引作成装置を用いて作成した索引データ、３０４
は検索対象文書データ３０１を走査して、検索条件入力
手段３０２から入力された検索条件と照合する文書レコ
ードを出力する全文走査文字列照合手段、３０５は検索
条件入力手段３０２から入力された検索条件を、索引デ
ータ３０３が取り扱える検索条件に変形する索引照合条
件作成手段、３０６は索引データ３０３と、索引照合条
件作成手段３０５の作成した索引照合条件との照合を行
って、照合した文書レコードの情報を、全文走査文字列
照合手段３０４に通知する索引照合手段、３０７は全文
走査文字列照合手段３０４が出力する検索結果である。
【００３６】以上のように構成された文書検索装置につ
いて、その動作を、図２５の検索例により説明する。図
２５において、「キーワード？」の次の文字列が、利用
者が検索条件入力手段３０２を用いて入力した検索条件
で、この例では、正規表現「１１５［１−３］−Ｘ」が
入力されている。この検索条件の解釈は、「１１５１−
Ｘ」か、「１１５２−Ｘ」か、あるいは「１１５３−
Ｘ」のいずれかがレコード中に含まれる文書データを全
て求めよ、ということである。この検索条件が索引照合
条件作成手段３０５に送られると、図２５の「Ｍａｔｃ
ｈｉｎｇ Ｖｅｃｔｏｒ」以下で示されているように、
検索照合条件がベクトルに埋め込まれたＡＮＤ／ＯＲ木
の型式で求まる。このベクトルの各要素は（位置−オフ
セット−ビット列）の情報を持つ。その解釈は、図２６
および図２７のようになる。この例では、例えば「１１
５」の３文字連続に対応する要素が（５−１０−１００
０）で、このうち、「１０」と１６進「１０００」で、
文書レコードに対応する索引情報のビット列中のビット
を特定する。このベクトル型式の検索照合条件が、索引
照合手段３０６に送られ、索引データ３０３と照合さ
れ、図２５の「Ｉｎｄｅｘ ｍａｔｃｈ」以下のよう
に、「Ｒｅｃｏｒｄ Ｎｏ．３（４−５８７−５１１５
１−Ｘ）」や「Ｒｅｃｏｒｄ Ｎｏ．１０３４７（４−
０９−１５１８０１−Ｘ）」などの文書レコードが照合
し、このレコードの位置情報が全文走査文字列照合手段
３０４に送られる。全文走査文字列照合手段３０４は，
この索引照合手段３０６が照合に成功した文書レコード
の位置情報と、検索対象文書データ３０１の文書情報を
もとに、必要な文書レコードを読み込み、検索条件入力
手段３０２から入力された検索条件、この例では正規表
現「１１５［１−３］−Ｘ」との文字列照合を行い、図
２５の「Ｒｅｓｕｌｔ」のような、最終的な結果を得
て、検索結果３０７に格納し、文書検索処理を終了す
る。
いて、その動作を、図２５の検索例により説明する。図
２５において、「キーワード？」の次の文字列が、利用
者が検索条件入力手段３０２を用いて入力した検索条件
で、この例では、正規表現「１１５［１−３］−Ｘ」が
入力されている。この検索条件の解釈は、「１１５１−
Ｘ」か、「１１５２−Ｘ」か、あるいは「１１５３−
Ｘ」のいずれかがレコード中に含まれる文書データを全
て求めよ、ということである。この検索条件が索引照合
条件作成手段３０５に送られると、図２５の「Ｍａｔｃ
ｈｉｎｇ Ｖｅｃｔｏｒ」以下で示されているように、
検索照合条件がベクトルに埋め込まれたＡＮＤ／ＯＲ木
の型式で求まる。このベクトルの各要素は（位置−オフ
セット−ビット列）の情報を持つ。その解釈は、図２６
および図２７のようになる。この例では、例えば「１１
５」の３文字連続に対応する要素が（５−１０−１００
０）で、このうち、「１０」と１６進「１０００」で、
文書レコードに対応する索引情報のビット列中のビット
を特定する。このベクトル型式の検索照合条件が、索引
照合手段３０６に送られ、索引データ３０３と照合さ
れ、図２５の「Ｉｎｄｅｘ ｍａｔｃｈ」以下のよう
に、「Ｒｅｃｏｒｄ Ｎｏ．３（４−５８７−５１１５
１−Ｘ）」や「Ｒｅｃｏｒｄ Ｎｏ．１０３４７（４−
０９−１５１８０１−Ｘ）」などの文書レコードが照合
し、このレコードの位置情報が全文走査文字列照合手段
３０４に送られる。全文走査文字列照合手段３０４は，
この索引照合手段３０６が照合に成功した文書レコード
の位置情報と、検索対象文書データ３０１の文書情報を
もとに、必要な文書レコードを読み込み、検索条件入力
手段３０２から入力された検索条件、この例では正規表
現「１１５［１−３］−Ｘ」との文字列照合を行い、図
２５の「Ｒｅｓｕｌｔ」のような、最終的な結果を得
て、検索結果３０７に格納し、文書検索処理を終了す
る。
【００３７】このように、本実施例の文書検索装置によ
れば、索引容量が小さく、正規表現などの複雑な検索条
件にも対応可能な本発明の索引作成装置を援用して作成
した索引データを用いて、従来はフルテキストスキャン
方式でしか扱えなかった複雑な検索条件の場合でも、高
速に文書検索を実行することができる。
れば、索引容量が小さく、正規表現などの複雑な検索条
件にも対応可能な本発明の索引作成装置を援用して作成
した索引データを用いて、従来はフルテキストスキャン
方式でしか扱えなかった複雑な検索条件の場合でも、高
速に文書検索を実行することができる。
【００３８】
【発明の効果】本発明は、上記各実施例から明らかなよ
うに、検索対象文書データに関する索引データを作成す
る際に、サンプル文書データの文字および文字列の出現
を統計的に調べて前記索引データを作成する際の共通情
報となる索引型式データを作成し、前記索引型式データ
の型式に従って検索対象文書データに関する索引データ
を作成するとともに、索引型式データ作成段階では、前
記文字列の出現を統計的に調べる動作として、一定度数
以下の文字（低頻度文字）については、１文字で索引を
作成することを決定し、一定度数以上の文字（高頻度文
字）については、高頻度文字同士の２文字連続を調べ、
次に、一定度数以下の２文字連続文字（低頻度２文字連
続）については、２文字で索引を作成することを決定
し、一定度数以上の２文字連続（高頻度２文字連続）に
ついては、高頻度２文字連続文字同士の３文字連続を調
べる動作を順次行なうことにより、高頻度な文字列ほ
ど、長い文字連続として索引を作成することを決定した
内容の索引型式データを作成するようにしたので、作成
・更新時間が短く、容量が小さく、正規表現などの複雑
な文字列パターンでの近似検索も高速で行なうことので
きる索引作成方法とその装置および作成された索引デー
タとフルテキストスキャンとを組み合わせた検索速度の
速い文書検索装置を実現することができる。
うに、検索対象文書データに関する索引データを作成す
る際に、サンプル文書データの文字および文字列の出現
を統計的に調べて前記索引データを作成する際の共通情
報となる索引型式データを作成し、前記索引型式データ
の型式に従って検索対象文書データに関する索引データ
を作成するとともに、索引型式データ作成段階では、前
記文字列の出現を統計的に調べる動作として、一定度数
以下の文字（低頻度文字）については、１文字で索引を
作成することを決定し、一定度数以上の文字（高頻度文
字）については、高頻度文字同士の２文字連続を調べ、
次に、一定度数以下の２文字連続文字（低頻度２文字連
続）については、２文字で索引を作成することを決定
し、一定度数以上の２文字連続（高頻度２文字連続）に
ついては、高頻度２文字連続文字同士の３文字連続を調
べる動作を順次行なうことにより、高頻度な文字列ほ
ど、長い文字連続として索引を作成することを決定した
内容の索引型式データを作成するようにしたので、作成
・更新時間が短く、容量が小さく、正規表現などの複雑
な文字列パターンでの近似検索も高速で行なうことので
きる索引作成方法とその装置および作成された索引デー
タとフルテキストスキャンとを組み合わせた検索速度の
速い文書検索装置を実現することができる。
【００３９】特に、文字および文字列の出現の度合があ
まり変わらない多数の検索対象文書がある場合や、検索
対象文書の更新がひんぱんに行われる場合などは、一旦
索引型式データを作成しておけば、きわめて高速に、小
容量の索引データが作成でき、検索条件の制約なしに、
フルテキストスキャンの高速化を図ることができ、その
効果は大きい。ちなみに本発明による索引データを用い
れば、全国紙の新聞１年分をキーワード１個で検索した
場合、検索速度を従来の２０倍程度も向上させることが
できる。
まり変わらない多数の検索対象文書がある場合や、検索
対象文書の更新がひんぱんに行われる場合などは、一旦
索引型式データを作成しておけば、きわめて高速に、小
容量の索引データが作成でき、検索条件の制約なしに、
フルテキストスキャンの高速化を図ることができ、その
効果は大きい。ちなみに本発明による索引データを用い
れば、全国紙の新聞１年分をキーワード１個で検索した
場合、検索速度を従来の２０倍程度も向上させることが
できる。
【図１】本発明の第１の実施例における索引型式作成装
置の構成を示すブロック図
置の構成を示すブロック図
【図２】本発明の第２の実施例における索引作成装置の
構成を示すブロック図
構成を示すブロック図
【図３】本発明の第３の実施例における文書検索装置の
構成を示すブロック図
構成を示すブロック図
【図４】第１の実施例におけるサンプル文書データの一
部を示す一覧図
部を示す一覧図
【図５】第１の実施例における索引型式作成処理に関す
るレポート出力を示す一覧図
るレポート出力を示す一覧図
【図６】第１の実施例における索引型式作成処理に関す
るレポート出力を示す一覧図
るレポート出力を示す一覧図
【図７】第１の実施例における索引型式作成処理に関す
るレポート出力を示す一覧図
るレポート出力を示す一覧図
【図８】第１の実施例における索引型式作成処理に関す
るレポート出力を示す一覧図
るレポート出力を示す一覧図
【図９】第１の実施例における索引型式作成処理に関す
るレポート出力を示す一覧図
るレポート出力を示す一覧図
【図１０】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１１】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１２】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１３】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１４】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１５】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１６】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１７】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１８】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図１９】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図２０】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図２１】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図２２】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図２３】第１の実施例における索引型式作成処理に関
するレポート出力を示す一覧図
するレポート出力を示す一覧図
【図２４】第２の実施例における索引作成処理に関する
レポート出力を示す一覧図
レポート出力を示す一覧図
【図２５】第３の実施例における文書検索装置の検索例
を示す一覧図
を示す一覧図
【図２６】第３の実施例における索引照合条件の形式と
解釈を説明するための一覧図
解釈を説明するための一覧図
【図２７】第３の実施例における索引照合条件の形式と
解釈を説明するための一覧図
解釈を説明するための一覧図
１０１ サンプル文書データ １０２ サンプル文書区切りデータ １０３ 文書区切り手段 １０４ 文字出現頻度算定手段 １０５ ２文字連続出現頻度算定手段 １０６ ３文字連続出現頻度算定手段 １０７ 文字グループ化手段 １０８ ２文字連続グループ化手段 １０９ ３文字連続グループ化手段 １１０ 索引型式出力手段 １１１ 索引型式データ ２０１ 検索対象データ ２０２ 検索対象文書区切りデータ ２０３ 文書区切り手段 ２０４ 索引型式データ ２０５ 文字連続数算定手段 ２０６ グループ番号算定手段 ２０７ 索引情報蓄積出力手段 ２０８ 索引データ ３０１ 検索対象データ ３０２ 検索条件入力手段 ３０３ 索引データ ３０４ 全文走査文字列照合手段 ３０５ 索引照合条件作成手段 ３０６ 索引照合手段 ３０７ 検索結果
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平５−174064（ＪＰ，Ａ) 菊池，「日本語文書用高速全文検索の 一手法」，情報学基礎，Ｎｏ．25−２, 1992年５月12日，ｐ．９−16 安藤、菅野、伊藤、田村、鶴林、早 川，「フルテキストデータベースシステ ム「検蔵君」」，Ａｄｖａｎｃｅｄ Ｄ ａｔａｂａｓｅ Ｓｙｓｔｅｍ Ｓｙｍ ｐｏｓｉｕｍ’90，1990年12月５日, ｐ．17−25 (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/30 G06F 17/21 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (5)
- 【請求項１】 サンプル文書データの文字および文字列
の出現を統計的に調べて前記索引データを作成する際の
共通情報となる索引型式データを作成する段階と、 前記索引型式データの型式に従って検索対象文書データ
に関する索引データを作成する段階とから成り、 索引型式データ作成段階では、 前記文字列の出現を統計的に調べる動作として、一定度
数以下の文字（低頻度文字）については、１文字で索引
を作成することを決定し、一定度数以上の文字（高頻度
文字）については、高頻度文字同士の２文字連続を調
べ、 次に、一定度数以下の２文字連続文字（低頻度２文字連
続）については、２文字で索引を作成することを決定
し、一定度数以上の２文字連続（高頻度２文字連続）に
ついては、高頻度２文字連続文字同士の３文字連続を調
べる動作を順次行なうことにより、高頻度な文字列ほ
ど、長い文字連続として索引を作成することを決定した
内容の索引型式データを作成することを特徴とする索引
作成方法。 - 【請求項２】 サンプル文書データ中のある１文字の出
現の度合を統計的に調べる文字出現頻度算定手段と、前
回調べた文字の出現の度合が予め定められた値よりも高
い場合に、前回調べた文字の全てを含むＮ文字（Ｎは
２、３、４、・・・の自然数）の文字列についての出現
の度合を統計的に調べる複数のＮ文字連続出現頻度算定
手段と、サンプル文書データ中の文字または文字列の出
現の度合に応じて前記文字出現頻度算定手段および前記
複数のＮ文字連続出現頻度算定手段の出力から検索対象
文書データに関する索引データを作成する際の共通情報
となる索引型式データを作成する索引型式出力手段とを
備えた索引作成装置。 - 【請求項３】 サンプル文書データ中の文字または文字
列をその出現の度合に応じてグループ化する複数のグル
ープ化手段を備え、索引型式出力手段が、前記各グルー
プ化手段から出力されたグループ化情報を基に各グルー
プの通し番号と所属する文字または文字列との対応表を
出力することを特徴とする請求項２記載の索引作成装
置。 - 【請求項４】 検索対象文書データに関する索引データ
を作成する際に用いる検索文字数を請求項３記載の索引
作成装置から出力された索引型式データに従って決定す
る文字連続数算定手段と、前記文字連続数算定手段によ
り決定された文字数と請求項３記載の索引作成装置から
出力された索引型式データとから対応するグループ番号
を算定するグループ番号算定手段と、前記グループ番号
算定手段から出力されたグループ番号からそれぞれの文
書レコードの索引データを作成する索引情報蓄積出力手
段とを備えた索引作成装置。 - 【請求項５】 文字列パターンを含む検索条件を入力す
る検索入力手段と、前記検索条件から請求項４記載の索
引作成装置から出力された索引データを照合するための
文字または文字列のＡＮＤ／ＯＲ木を作成する索引照合
条件作成手段と、前記索引データと前記索引照合条件作
成手段が作成したＡＮＤ／ＯＲ木との照合を行なう索引
照合手段と、照合が成功した場合に、検索対象文書デー
タの対応する部分を前記検索条件入力手段から入力され
た文字列パターンを含む検索条件と照合し、照合の成功
した部分を最終的な検索結果として出力する全文走査文
字列照合手段とを備えた文書検索装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05253032A JP3081093B2 (ja) | 1993-10-08 | 1993-10-08 | 索引作成方法およびその装置と文書検索装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05253032A JP3081093B2 (ja) | 1993-10-08 | 1993-10-08 | 索引作成方法およびその装置と文書検索装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07105237A JPH07105237A (ja) | 1995-04-21 |
| JP3081093B2 true JP3081093B2 (ja) | 2000-08-28 |
Family
ID=17245536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP05253032A Expired - Fee Related JP3081093B2 (ja) | 1993-10-08 | 1993-10-08 | 索引作成方法およびその装置と文書検索装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3081093B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3325677B2 (ja) * | 1993-11-29 | 2002-09-17 | 株式会社リコー | 文書検索装置 |
| JP2996895B2 (ja) * | 1995-05-19 | 2000-01-11 | 松下電器産業株式会社 | 索引型式作成装置 |
| JP4183767B2 (ja) * | 1996-01-10 | 2008-11-19 | 株式会社野村総合研究所 | 文字列検索装置およびその検索方法 |
| JP3567711B2 (ja) * | 1997-07-11 | 2004-09-22 | 松下電器産業株式会社 | 文字列照合装置 |
| JP2008077543A (ja) * | 2006-09-25 | 2008-04-03 | Fujitsu Ltd | レポート引用元情報取得装置、レポート引用元情報取得方法及びレポート引用元情報取得プログラム |
| CN101963965B (zh) | 2009-07-23 | 2013-03-20 | 阿里巴巴集团控股有限公司 | 基于搜索引擎的文档索引方法、数据查询方法及服务器 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3263963B2 (ja) * | 1991-12-25 | 2002-03-11 | 株式会社日立製作所 | 文書検索方法及び装置 |
-
1993
- 1993-10-08 JP JP05253032A patent/JP3081093B2/ja not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 安藤、菅野、伊藤、田村、鶴林、早川，「フルテキストデータベースシステム「検蔵君」」，Ａｄｖａｎｃｅｄ Ｄａｔａｂａｓｅ Ｓｙｓｔｅｍ Ｓｙｍｐｏｓｉｕｍ’９０，１９９０年１２月５日，ｐ．１７−２５ |
| 菊池，「日本語文書用高速全文検索の一手法」，情報学基礎，Ｎｏ．２５−２，１９９２年５月１２日，ｐ．９−１６ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07105237A (ja) | 1995-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3636941B2 (ja) | 情報検索方法と情報検索装置 | |
| EP0510634B1 (en) | Data base retrieval system | |
| US6493709B1 (en) | Method and apparatus for digitally shredding similar documents within large document sets in a data processing environment | |
| US6240409B1 (en) | Method and apparatus for detecting and summarizing document similarity within large document sets | |
| US6826576B2 (en) | Very-large-scale automatic categorizer for web content | |
| US7349928B2 (en) | System and method for identifying relationships between database records | |
| US7809718B2 (en) | Method and apparatus for incorporating metadata in data clustering | |
| US8510312B1 (en) | Automatic metadata identification | |
| JP2669601B2 (ja) | 情報検索方法及びシステム | |
| JP3258063B2 (ja) | データベース検索システム及び方法 | |
| JP3081093B2 (ja) | 索引作成方法およびその装置と文書検索装置 | |
| JPH0782504B2 (ja) | 情報検索処理方式および検索ファイル作成装置 | |
| JP3151730B2 (ja) | データベース検索システム | |
| JPH064584A (ja) | 文章検索装置 | |
| US7039646B2 (en) | Method and system for compressing varying-length columns during index high key generation | |
| JP5206296B2 (ja) | 類似文章抽出プログラム、方法、装置 | |
| JP2519129B2 (ja) | マルチキ―ワ―ド情報検索処理方式および検索ファイル作成装置 | |
| JP4426893B2 (ja) | 文書検索方法、文書検索プログラムおよびこれを実行する文書検索装置 | |
| JP2000322416A (ja) | 文書検索装置 | |
| JP3928351B2 (ja) | 確率を用いた特徴単語の選択方法 | |
| JP6764973B1 (ja) | 関連語辞書作成システム、関連語辞書作成方法及び関連語辞書作成プログラム | |
| JP3288063B2 (ja) | 可変長データの格納および参照システム | |
| JP2003288366A (ja) | 類似テキスト検索装置 | |
| JPH10177575A (ja) | 語句抽出装置および方法、情報記憶媒体 | |
| JP2996895B2 (ja) | 索引型式作成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |