JP3099683B2

JP3099683B2 - 情報検索装置

Info

Publication number: JP3099683B2
Application number: JP07168457A
Authority: JP
Inventors: 智子田邊; 忠一菊池
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 1995-06-09
Filing date: 1995-07-04
Publication date: 2000-10-16
Anticipated expiration: 2015-07-04
Also published as: JPH0954777A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は電子計算機を利用して大
量の文書を検索する際に利用される情報検索装置に関す
るものである。

【０００２】

【従来の技術】近年、多様な文書が電子化されてきてい
るのに伴い、大量の文書に対する検索の要求が高まって
いる。これらの要求に対して、従来の多くの検索装置
は、文書からキーワードを抽出し、そのキーワードを文
書に付加して登録を行なっておき、検索の際には、その
キーワードに対して行なう方法を採用している。

【０００３】以下、図２４を用いてそのような従来の検
索装置について説明する。図２４において、２４０１は
検索対象データ記憶部、２４０２は形態素解析処理手
段、２４０３は形態素解析用辞書、２４０４は単語デー
タ、２４０５はキーワード抽出手段、２４０６はキーワ
ード抽出用辞書、２４０７はキーワードデータ、２４０
８は検索処理手段、２４０９は入力手段、２４１０は出
力手段である。

【０００４】以上のように構成された検索装置につい
て、以下にその動作を説明する。まず、登録開始合図が
入力手段から入力されると、形態素解析処理手段２４０
２が検索対象データ記憶部２４０１に格納された１つの
検索対象データに対して、形態素解析用辞書２４０３を
参照して形態素解析処理を行ない、単語データ２４０４
を作成する。

【０００５】前記形態素解析処理が終了すると次にキー
ワード抽出手段２４０５がキーワード抽出用辞書２４０
６を用いてキーワードデータ２４０７を作成する。上記
の一連の動作が検索対象データ記憶部２４０１に格納さ
れたすべての検索対象データの対して行なわれた後、入
力手段２４０９から検索条件が入力されると、キーワー
ドデータ２４０７に対して検索処理手段２４０８は、キ
ーワード検索を行ない、照合結果より検索対象データ記
憶部２４０１に格納された検索対象データを出力手段２
４１０に出力する。

【０００６】

【発明が解決しようとする課題】しかしながら上記の従
来の検索装置の構成では、入力した検索条件がキーワー
ドデータに存在しないと検索してもヒットせず、そのキ
ーワードは形態素解析によって抽出されるので、検索で
きるかどうかは形態素解析が正しく行なわれたどうかに
よる。つまり形態素解析が正しく行なわれないとキーワ
ードもれがおき、ついては検索もれをひき起こす。

【０００７】また、他にも上記のような検索もれを防ぐ
方法として、全文検索の方法があるが、検索に必要ない
文字列まで検索するため、大量のデータになるほど検索
速度の低下が問題になる。

【０００８】検索速度をあげるため、索引ファイルを使
った方式もあるが、大量のデータに対し索引作成時間が
非常にかかるという問題が発生する。

【０００９】本発明は、上記従来技術の課題を解決する
もので、検索もれをおさえる全文検索を用いながら、大
量のデータに対してデータのもつ情報量を失うことな
く、検索対象データの容量を小さくすることで高速に検
索し、さらにデータ記憶部の省資源化を実現する情報検
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】この目的を達成するため
に本発明の情報検索装置は、検索対象データを格納する
検索対象データ記憶部と、検索対象にしない単語を格納
した不要語辞書と、前記検索対象データ記憶部に格納さ
れている検索対象データ中から前記不要語辞書を用いて
検索対象とならない語を削除する不要語削除手段と、同
じく検索対象データ中の文字列の重複部分を削除する重
複文字列削除手段と、前記不要語削除手段と前記重複削
除処理によって検索対象データから作成された圧縮デー
タを格納する圧縮データ記憶部と、検索条件を入力する
入力手段と、前記検索条件に従い前記圧縮データに対し
て全文検索を行なう検索処理手段と、前記検索処理手段
の検索結果を出力する出力手段と、前記不要語削除手段
が不要語辞書を用いて検索対象データから削除した不要
語を記憶しておく不要語記憶テーブルとを備え、前記不
要語記憶テーブルを検索処理手段の検索対象とすること
を特徴とするものである。

【００１１】

【作用】本発明は、形態素解析処理を行なわず、辞書に
登録された不要語のみを削除する不要語削除手段によっ
て検索の対象とならないデータと重複文字列削除手段を
設けることにより重複文字列を削除することで、さらに
データ容量を小さくする。また、このようにデータ容量
を圧縮したデータを全文検索する検索処理手段を設け
て、検索もれを防ぎ、高速な検索し、さらに、データ記
憶部の省資源化により装置構築の容易化を実現する。

【００１２】

【実施例】

（実施例１）以下、本発明の第１の実施例について、図
面を参照しながら説明する。図１は本発明の一実施例に
おける情報検索装置の構成図である。図１において、１
０１は検索対象データ記憶部、１０２は不要語削除手
段、１０３は不要語辞書、１０４は重複文字列削除手
段、１０５圧縮データ記憶部、１０６は検索処理手段、
１０７は入力手段、１０８は出力手段である。

【００１３】まず、本実施例における検索条件と検索対
象データと不要語辞書と圧縮データについて説明する。

【００１４】１つの検索条件は、照合文字列と和、積、
否定などの論理的関係を表す論理記号によって表され、
入力手段１０７によって入力される。

【００１５】本実施例における検索対象データは文書で
あり、検索対象データ記憶部１０１に格納されている。
１つの文書データは、文書の内容を表すテキストやイメ
ージなどにより構成されている。また、１つの検索対象
データは検索対象データ番号等のデータ識別用のヘッダ
をもち、１つのファイルの中に複数の検索対象データが
前述のヘッダを区切りにして存在する。

【００１６】不要語辞書１０３には、不要語が格納され
ている。ここでの不要語とは、特定の文書中において、
それ自身では意味を持たず検索の対象とならない単語、
例えば記号、タグ、接尾語、接続語、その文書特有の名
詞などを指す。また、不要語は、更新の必要性の低い単
語とする。

【００１７】圧縮データとは、前記の検索対象データか
ら、前述のように検索の対象とならない単語を不要語と
して取り除き、不要語と不要語との間に残された文字
列、すなわち検索対象となる必要語、の重複を取り除
き、区切り文字で区切って並べ登録したものを指す。区
切り文字としては検索対象とならない１バイトコードな
どが使用される。

【００１８】１つの検索対象データから１つの圧縮デー
タが作成され、対応した検索対象データのヘッダと同じ
ものをヘッダとして持ち、１つのファイルの中に複数の
圧縮データが前述のヘッダを区切りにして存在する。上
記で説明した検索対象データと不要語辞書１０３と圧縮
データの例を図２に示す。

【００１９】以上のように構成された情報検索装置につ
いて、その動作を説明する。全体の流れを図３で示す。
全体の流れとしては、データの登録処理と検索処理とに
大きく分けられる。またデータの登録処理は不要語削除
処理と重複文字列削除処理に分けられる。またデータの
登録処理は１検索対象ファイル毎に行なわれ、すべての
検索対象データに対して終了するまで行なわれる。

【００２０】最初にデータの登録処理について説明す
る。データの登録処理としては、不要語削除手段１０２
と重複文字列削除手段１０４によって、前記検索対象デ
ータから、あらかじめ実際に検索対象とする圧縮データ
の作成を行なう。

【００２１】まず、入力手段１０７からデータ登録開始
命令が出ると、検索対象データ記憶部１０１に格納され
たファイル中の前記検索対象データ１つに対して、不要
語削除手段１０２が不要語削除処理を開始する。ここで
不要語削除処理の流れを図４に示す。

【００２２】また図５に示すように、不要語削除手段１
０２は、不要語算出部１０２ａと必要語算出部１０２ｂ
と必要語格納テーブル１０２ｃからなる。

【００２３】不要語削除処理として、不要語位置抽出部
１０２ａでは、不要語辞書１０３を参照し、前記不要語
辞書に格納されている不要語と検索対象データを照らし
合わせ、検索対象データ中の不要語の位置とその語の長
さを抽出する。その際の不要語の抽出は最長一致方法に
よる。

【００２４】最長一致方法について、その動作の流れを
図６に示す。まず、検索対象データの最初から１文字ず
つ不要語辞書１０３と照合を行ない（ステップ１）、前
方一致する文字を発見するまで（ステップ２）１文字ず
つずらしていく（ステップ３）。前方一致した文字を
発見したら（ステップ２）、次の文字と結合して（ステ
ップ４）再び前方一致しているか調べる（ステップ
５）。前方一致しなかった場合は、一つ前の文字列が不
要語となり文字の開始位置と長さを求める（ステップ
６）。

【００２５】前方一致した場合は（ステップ５）再び前
方一致をしなくなるまで前記の動作を繰り返す（ステッ
プ７）。ここで前方一致した単語に対して完全一致も成
立した場合は、その単語は不要語辞書１０３に登録され
ている単語であるが、次の文字と結合した場合に再び前
方一致が成立すると、前記の単語を含むさらに長い文字
列が不要語辞書１０３に登録されていることになる。具
体例を図７に示す。

【００２６】続いて、必要語算出部１０２ｂが、求めら
れた不要語の位置と長さから不要語以外の文字列、すな
わち検索対象となる必要語を算出し、必要語格納テーブ
ル１０２ｃに必要語を格納する。例を図８に示す。以上
で不要語削除処理は終了する。

【００２７】次に、図９を用いて重複文字列削除処理の
流れを説明する。重複文字列削除処理として重複文字列
削除手段１０４が必要語位置格納テーブル１０２ｃを参
照して、各必要語の重複を調べ、重複していない必要語
を抽出する。その際、必要語の部分一致を認める。

【００２８】例を図１０に示す。文字列Ａと文字列Ｂが
存在し、文字列Ａの中に文字列Ｂが含まれている場合
（Ａ⊇Ｂと記す）、文字列Ｂは重複文字列として扱われ
る。例えば、テレビとテレビジョンを比較した場合、テ
レビはテレビジョンに含まれるので重複文字列となる。

【００２９】処理対象としている検索対象データのヘッ
ダを圧縮データ記憶部１０５に格納し、続いて上記の処
理によって抽出された重複していない必要語を前述の区
切り文字で区切り並べた圧縮データを作成し格納する。
１つの検索対象データのすべての必要語に対して重複調
査・格納が終了すると、重複削除処理は終了する。すべ
ての検索対象データに対して重複文字列削除処理が終了
するとデータ登録処理は終了する。

【００３０】次に、検索処理について説明する。検索処
理の一連の流れを図１１に示す。上記の動作で作成され
たすべての圧縮データに対して、入力手段１０７から前
記検索条件が入力されると、検索処理手段１０６が検索
を行なう。検索の方法としては文書そのものを検索対象
として利用する全文検索を用いる。具体的には前記圧縮
データの区切り文字から次の区切り文字まで間の文字列
に対して全文検索を行なう。この際、直接データを検索
する方法や、索引ファイルを作成し索引検索を行なう方
法も用いることができる。索引検索を行なう場合は、前
述のデータ登録処理の一つとして、前記圧縮データを作
成した後、索引を作成する処理を行なう。

【００３１】検索処理手段１０６は、検索処理を行なっ
た後、照合したデータのヘッダの情報を取り出し、その
ヘッダの情報から検索対象データ記憶部１０１に格納さ
れている検索対象ファイル中から該当する検索対象デー
タを取り出し、ヘッダ情報と共に出力手段１０８に送り
出力する。

【００３２】具体的に図２を使って説明すると、検索条
件を「イメージデータ」として、検索処理手段１０６が
圧縮データに対して検索を行なう。すると文書番号２の
「イメージデータの送信」の文字列中に「イメージデー
タ」が存在するので、検索処理手段１０６は文書番号２
から、検索対象データ記憶部１０１に格納されている文
書番号２の検索対象データを取り出し、文書番号２とい
うヘッダ情報と検索対象データを出力手段１０８に送り
出力する。

【００３３】以上のように本実施例によれば、不要語削
除手段１０２によって検索の対象とならない文字列を取
り除き、ついで重複削除手段１０４によって検索に複数
個必要のない文字列を削除して文書の情報量をそのまま
保ちながらデータを圧縮し、容量を小さくすることがで
きるので、より検索もれの少ない検索で、かつ高速に検
索できる。加えて検索対象データの容量が小さくなるこ
とで、索引ファイルを使用した検索システムでは、索引
ファイルを小さくすることができる。

【００３４】また圧縮したデータに対して全文検索を行
なうので、従来のキーワード検索のような検索もれを防
ぎ、加えて従来の完全一致のキーワード検索より、自由
な検索条件で検索できる。

【００３５】なお、上記では、１つのファイルに複数の
検索対象データを格納したが、ファイルは複数になって
もよい。また、１つの検索対象データのヘッダをファイ
ル名にして、１つの検索対象データを１つのファイルに
格納することもできる。その場合は、検索処理手段１０
６は、圧縮データに対して検索処理を行なった後、照合
したデータのファイル名を取り出し、そのファイル名か
ら該当する検索対象データファイルを探しその中に格納
されている検索対象データを取り出し、ファイル名と共
に出力手段１０８に送り出力する。

【００３６】また、検索対象データ記憶部１０１は光デ
ィスクに設けることも可能であるので、検索対象データ
の格納スペースを少なくすることもできる。

【００３７】（実施例２）以下、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１２は本発
明の一実施例における情報検索装置の構成図である。図
１２において、１０１は検索対象データ記憶部、１０２
は不要語削除手段、１０３は不要語辞書、１０４は重複
文字列削除手段、１０５圧縮データ記憶部、１０６は検
索処理手段、１０７は入力手段、１０８は出力手段、１
２０１は不要語削除手段１０２と重複文字列削除手段１
０４によってデータを圧縮する範囲を予め登録しておく
圧縮範囲記憶部である。

【００３８】以上のように構成された情報検索装置の圧
縮範囲記憶部１２０１について説明する。圧縮範囲記憶
部１２０１は、データの登録処理を開始する前に予め入
力手段１０７から入力された圧縮範囲が登録される。圧
縮範囲として、検索対象データの先頭位置からのオフセ
ットで表された圧縮開始位置と圧縮終了位置の組みか、
もしくは、圧縮開始位置と圧縮終了位置のタグを指定す
る。例を図１３に示す。

【００３９】続いて、処理の流れについて説明する。入
力手段１０７からデータの圧縮処理の開始の命令が入力
されると、不要語削除手段１０３は、圧縮範囲記憶部１
２０１を参照して、検索対象データ中の圧縮開始位置と
圧縮終了位置を得る。続いて前述のとおり得た位置に該
当する検索対象データの範囲に対して不要語削除処理を
行ない、その後に重複文字列削除手段１０４が重複文字
列削除処理を行なう。ここで扱われる検索対象データの
構造と不要語削除処理と重複文字列削除処理は第１の実
施例と同じである。続いて圧縮しない検索対象データ、
つまり非圧縮データは、図１３に示すように、重複削除
処理で使用された区切り文字列を圧縮データとの区切り
にしてそのまま圧縮データに格納される。以後、検索の
処理の流れは第１の実施例と同様に行なわれる。

【００４０】本実施例のように、検索対象データの圧縮
範囲指定が出来ると、テキストの中でも単語の列挙部分
と文章で書かれている部分がある文書などに対して、文
章部分のみ圧縮したいなど、希望した場所だけ圧縮の対
象にでき、より自由な検索対象データを扱うことができ
る。

【００４１】（実施例３）以下、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１４は本発
明の一実施例における情報検索装置の構成図である。図
１４において、１０１は検索対象データ記憶部、１０２
は不要語削除手段、１０３は不要語辞書、１０４は重複
文字列削除手段、１０５圧縮データ記憶部、１０７は入
力手段、１０８は出力手段、１４０１は不要語削除手段
１０２と重複文字列削除手段１０４によってデータを圧
縮する範囲を複数箇所指定し登録できる圧縮範囲複数記
憶部、１４０２は圧縮・非圧縮範囲毎に検索を行なえる
検索処理手段である。

【００４２】以上のように構成された情報検索装置の圧
縮範囲複数記憶部１４０１について説明する。圧縮範囲
複数記憶部１４０１はデータの登録処理を開始する前に
予め入力手段１０７から入力された圧縮範囲が登録され
る。圧縮範囲指定方法は第２の実施例と同様である。た
だし圧縮範囲が複数箇所指定できる点は実施例２と異な
っている。圧縮範囲複数記憶部１４０１の例を図１５に
示す。

【００４３】続いて、全体の流れについて説明する。入
力手段１０７からデータの圧縮処理の開始の命令が入力
されると、不要語削除手段１０３は、圧縮範囲複数記憶
部１４０１を参照して、検索対象データ中の圧縮開始位
置と圧縮終了位置を１組得る。続いて前述のとおり得た
位置に該当する検索対象データの範囲に対して不要語削
除処理を行ない、その後に重複文字列削除手段１０４が
重複文字列削除処理を行なう。ここで扱われる検索対象
データの構造と不要語削除処理と重複文字列削除処理は
第１の実施例と同様である。１つの圧縮範囲について重
複文字列削除処理が終了すると、必要語と必要語の区切
るために使用されている区切り文字とは異なる圧縮範囲
を区切る区切り文字を格納する。圧縮範囲の区切り文字
は、必要語の区切り文字と同様に、検索対象とならない
１バイトコードなどが使用される。

【００４４】以上で１つの圧縮範囲についてのデータ登
録処理が終了する。続いて、圧縮しない検索対象デー
タ、つまり非圧縮データは、圧縮範囲の区切り文字で区
切ってそのまま格納する。すべての圧縮指定範囲につい
ての上記データ登録処理とすべての非圧縮データの格納
が終了するまで繰り返し処理を行なう。このように作成
された圧縮データの例を図１５に示す。

【００４５】データ登録処理が終了すると第１の実施列
の流れと同様に、検索処理手段１４０２が検索処理を開
始する。検索方法は第１の実施例と同様である。ただ
し、上記のデータ登録処理によって圧縮範囲の区切り文
字で区切られた範囲内で検索を行なう点は第１の実施列
と異なっている。つまり、圧縮範囲の区切り文字は検索
処理において検索範囲の区切り文字になる。このような
一つの範囲で検索条件に適合したら、ただちに一つの検
索対象データの文字列の照合処理は終了する。後の動作
は第１の実施例と同様で、照合したデータのヘッダ情報
をとり出し出力手段１０８に検索結果を送り出す。以下
すべての検索対象データに対して行なう。

【００４６】このように、検索の範囲を設け、いわばタ
グつけされたブロックとして区分されたデータ毎に検索
を行なうことで検索条件として使用されている論理式が
有効に活用できる。例えば近接した文字に対して有効に
なる検索条件で検索を行うことができる。

【００４７】例を図１６で説明する。検索意図が「オン
ラインでイメージデータを扱える検索装置」について知
りたい場合に、検索条件を「オンライン＆イメージデー
タ＆検索装置」とし、図に示す文書番号１である、「請
求項１」、「請求項２」、「図面の説明」からなる一つ
のデータを検索対象データとする場合、検索範囲を設定
しない場合は、上記検索式に該当するものとして文書番
号１がヒットするが、範囲を設定した場合、文書番号１
はヒットせず、意図した結果を得ることができる。

【００４８】もちろん、検索対象を全体にする場合は、
圧縮範囲を全体にすれば良いのでいろいろな検索対象デ
ータにも使える。

【００４９】また、圧縮範囲別に不要語削除処理、重複
文字列削除処理を行なったが、最初に圧縮指定範囲全体
において不要語を削除しておき、続いて指定された圧縮
範囲毎に重複文字列削除処理を行なうこともできる。

【００５０】（実施例４）以下、本発明の第４の実施例
について、図面を参照しながら説明する。図１７は本発
明の一実施例における情報検索装置の構成図である。図
１７において、１０１は検索対象データ記憶部、１０２
は不要語削除手段、１０３は不要語辞書、１０４は重複
文字列削除手段、１０５は圧縮データ記憶部、１４０１
は圧縮範囲複数記憶部、１７０１は検索対象データ中の
検索対象とする範囲を指定する検索範囲指定手段、１７
０２は検索条件から検索範囲番号を抽出し前記の検索範
囲手段１７０１に送る機能を備えた検索処理手段、１０
７は入力手段、１０８は出力手段である。

【００５１】まず、本実施例における、検索対象データ
と圧縮データと検索条件について図１８を使って説明す
る。検索対象データの構造は、第３の実施例と同様であ
る。１つ１つの検索対象データはすべての検索対象デー
タに共通したブロック毎の構造を持っている。例えば図
１８では、目的、図の説明、再び目的、図の説明と繰り
返しタグをもち、目的、説明を１単位（１検索対象デー
タ）とする。

【００５２】圧縮データも第３の実施例と同様で、圧
縮、非圧縮範囲を区切る区切り文字で区切られていて、
前記検索対象データと同様に１つ１つの圧縮データに共
通した構造を持っている。

【００５３】検索条件は、照合文字列と和、積、否定な
どの論理的関係を表す論理記号と共に、検索対象とする
範囲を指定する１検索対象データの先頭からのデータ範
囲の順番である検索範囲番号を添付する。図１８におい
ては、１検索対象データは１つの検索範囲区切り文字に
より、２つの検索範囲に区切られる。

【００５４】以上のような、検索条件と検索対象データ
と検索範囲指定手段１７０１と検索手段１７０２を持つ
情報検索装置の流れについて説明する。全体としてはデ
ータ登録処理と検索処理にわかれ、データ登録処理は第
３の実施例と同様である。

【００５５】つづいて検索処理手段１７０２によって行
なわれる検索処理について説明する。入力手段１０７か
ら前記検索条件が入力されると、検索処理手段１７０２
は前記検索条件から、検索対象とする検索範囲番号を得
て、検索範囲指定手段１７０１に送る。

【００５６】続いて検索範囲指定手段１７０１は、１つ
の圧縮データの先頭から走査し、圧縮データ及び非圧縮
データ範囲の区切り文字をカウントし、検索処理手段１
７０２から送られた検索範囲番号に該当するデータ範囲
の開始位置を見つける。次に見つけた開始位置を検索処
理手段１７０２に指定する。検索処理手段１７０２は指
定された開始位置から、当該範囲の最後までに対して検
索処理を行なう。検索の処理方法は第１の実施例と同様
である。以上の検索処理をすべての圧縮データに対して
行なう。

【００５７】本実施例によれば、同じ構造をもつ検索対
象データに対して、範囲別に、具体的に述べれば項目別
に検索を行なうことができ、目的とするデータを取得す
ることが可能になる。

【００５８】（実施例５）以下、本発明の第５の実施例
について、図面を参照しながら説明する。図１９は本発
明の一実施例における情報検索装置の構成図である。図
１９において、１０１は検索対象データ記憶部、１０３
は不要語辞書、１０４は重複文字列削除手段、１０５圧
縮データ記憶部、１０７は入力手段、１０８は出力手
段、１９０１は抽出した不要語と抽出先の検索対象デー
タのヘッダ情報を後述の不要語記憶テーブルに格納する
機能をもつ不要語削除手段、１９０２は前記不要語削除
手段１９０１によって抽出された不要語と抽出先の検索
対象データのヘッダ情報を保持する不要語記憶テーブ
ル、１９０３は前記不要語記憶テーブル１９０２を検索
する機能をもった検索処理手段である。

【００５９】本実施例の不要語記憶テーブル１９０２の
構造について図２０を用いて説明する。図に示すよう
に、不要語記憶テーブル１９０２には、不要語辞書１０
３に登録されている不要語と当該不要語が削除された検
索対象データのヘッダ情報のペアのリストが格納されて
いる。

【００６０】上記の不要語記憶テーブル１９０２と不要
語削除手段１９０１と検索処理手段１９０３を持つ情報
検索装置の流れについて説明する。全体としてはデータ
登録処理と検索処理にわかれる。データ登録処理は第３
の実施例と同様に不要語削除処理と重複文字列削除処理
からなる。ただし、不要語削除手段１９０１は不要語削
除処理を行なう際に抽出した不要語と抽出先の検索対象
データのヘッダ情報を不要語記憶テーブル１９０１に格
納する。

【００６１】例えば、図２０で不要語辞書に格納されて
いる文字列「

【目的】」は、不要語として検索対象データから削除の
対象となるので、不要語削除手段１９０１によって検索
対象データの文書番号１と文書番号２の中から抽出され
る。次に不要語削除手段１９０１は不要語記憶テーブル
１９０２に文字列「

【目的】」と、文書番号１と文書番号２がペアにして格
納する。以下、同様に不要語とヘッダ情報のペアを不要
語記憶テーブル１９０２に格納する。すべての検索対象
データに対して上記の動作を行なうデータの登録処理が
終了する。

【００６２】次に検索処理の流れについて図２１を用い
て説明する。まず検索処理手段１９０３は、入力手段１
０７から検索条件が入力されると、その検索条件から照
合文字列を抽出する。次に検索処理手段１９０３は不要
語記憶テーブルを参照して前記の照合文字列が格納され
ているか調べる。格納されている場合は、不要語として
検索対象データから削除されている（つまり圧縮データ
に格納されていない）。不要語記憶テーブル１９０２に
格納されていなかった場合、検索対象データから削除さ
れていないことになる。

【００６３】前記の照合文字列が不要語記憶テーブル１
９０２を参照し、格納されていない場合、検索処理手段
１９０３は第１の実施例と同様にすべての圧縮データに
対して検索の処理を行なう。

【００６４】格納されていた場合、検索処理手段１９０
３はそのテーブルから格納されている検索対象データの
ヘッダ情報を取得する。次に、ヘッダ情報から検索対象
ファイルを取得する。続いて前記の動作で得た検索対象
ファイルとそのヘッダ情報を検索結果として出力手段１
０８に送る。次に前記の出力手段１０８に送られた検索
対象データ以外のデータ、つまり前記の出力手段１０８
に送られた検索対象データのヘッダ情報を持たない圧縮
データについて検索の処理を行なう。ここでの検索の処
理は第１の実施例と同様である。

【００６５】本発明によれば、検索対象データから不要
語として削除された場合でも、不要語削除手段１９０１
が不要語記憶テーブル１９０２に削除記録を保持し、検
索処理手段１９０３が前記の削除記録を参照して検索を
行なうので、検索対象データの圧縮を行ないながら検索
もれの少ない検索を同時に実現できる。

【００６６】（実施例６）以下、本発明の第６の実施例
について、図面を参照しながら説明する。図２２は本発
明の一実施例における情報検索装置の構成図である。図
２２において、１０１は検索対象データ記憶部、１０３
は不要語辞書、１０４は重複文字列削除手段、１０５圧
縮データ記憶部、１０７は入力手段、１０８は出力手
段、１９０１は不要語削除手段、１９０２は不要語記憶
テーブル、１９０３は検索処理手段、２２０１は指定さ
れた不要語を不要語辞書１０３から削除し、不要語記憶
テーブル１９０２を参照して当該不要語が削除された圧
縮データのヘッダ情報を得て、当該不要語を該当する圧
縮データに再格納するデータ再現手段である。

【００６７】本実施例のデータ再現手段２２０１につい
て図２３を用いて説明する。データ再現手段２２０１
は、入力手段１０７から不要語辞書１０３へ格納中止の
不要語が入力指定されると、まず、不要語辞書１０３か
ら指定された不要語を削除する。例えば図２３において
「こと」は検索対象データから削除する対象となってい
る（図２３（ａ））。

【００６８】次に、不要語記憶テーブル１９０２を参照
して、すでに当該不要語が削除されている圧縮データの
ヘッダ情報を得る（図２３（ｂ））。続いて、得たヘッ
ダ情報から該当する圧縮データを探し、最後部に不要語
を添付する（図２３（ｃ））。次にデータ再現手段２２
０１はすべての該当圧縮データに対して指定された不要
語を添付しおわると、不要語記憶テーブル１９０２の当
該不要語とその不要語が削除された検索対象データのヘ
ッダ情報を削除する（図２３（ｂ））。

【００６９】上記の動作は、データ登録処理と検索処理
が行なわれていない時に入力手段１０７から命令が入力
されるとただちに開始され、次のデータ登録処理と検索
処理に反映される。

【００７０】本実施例によれば、データ再現手段２２０
１を設けたことで、いったん不要語として不要語辞書１
０３に登録しておいてもただちに登録の取り止めがで
き、また、すでに不要語として削除された圧縮データに
対しても指定された不要語を添付することでデータを再
現でき、より使いやすい情報検索装置を実現できる。

【００７１】

【発明の効果】以上のように本発明の情報検索装置は、
検索対象データの情報量を失うことなく検索対象データ
の容量を小さくできる不要語削除手段と検索対象データ
から削除した不要語を記憶しておく不要語記憶テーブル
と、重複削除手段を設けたことにより、検索もれを防
ぎ、かつ検索が高速にでき、また、削除記録を参照して
検索を行うことができるため、検索もれの少ない検索を
することができるという効果を有する。

【００７２】

【００７３】

【００７４】

【００７５】

【００７６】

【００７７】

【図面の簡単な説明】

【図１】本発明の第１の実施例における情報検索装置の
構成図

【図２】本発明の第１の実施例におけるデータの概念図

【図３】本発明の第１の実施例における全体の動作を示
す流れ図

【図４】本発明の第１の実施例における不要語削除処理
を示す流れ図

【図５】本発明の第１の実施例における不要語削除手段
の構成図

【図６】本発明の第１の実施例おける不要語抽出の際の
最長一致方法を示す流れ図

【図７】本発明の第１の実施例おける最長一致方法を示
す概念図

【図８】本発明の第１の実施例における必要語算出処理
と必要語格納テーブルの概念図

【図９】本発明の第１の実施例における重複文字列削除
処理を示す流れ図

【図１０】本発明の第１の実施例における重複文字列削
除処理を示す概念図

【図１１】本発明の第１の実施例における検索処理を示
す流れ図

【図１２】本発明の第２の実施例における情報検索装置
の構成図

【図１３】本発明の第２の実施例におけるデータの概念
図

【図１４】本発明の第３の実施例における情報検索装置
の構成図

【図１５】本発明の第３の実施例におけるデータの概念
図

【図１６】本発明の第３の実施例における検索条件と検
索結果を示す概念図

【図１７】本発明の第４の実施例における情報検索装置
の構成図

【図１８】本発明の第４の実施例におけるデータの概念
図

【図１９】本発明の第５の実施例における情報検索装置
の構成図

【図２０】本発明の第５の実施例におけるデータの概念
図

【図２１】本発明の第５の実施例における検索処理を示
す流れ図

【図２２】本発明の第６の実施例における情報検索装置
の構成図

【図２３】本発明の第６の実施例におけるデータ再現手
段の処理図

【図２４】従来の情報検索装置の構成図

【符号の説明】

１０１検索対象データ記憶部１０２不要語削除手段１０２ａ不要語位置抽出手段１０２ｂ必要語算出手段１０２ｃ必要語格納テーブル１０３不要語辞書１０４重複文字列削除手段１０５圧縮データ記憶部１０６検索処理手段１０７入力手段１０８出力手段１２０１圧縮範囲記憶部１４０１圧縮範囲複数記憶部１４０２検索処理手段１７０１検索範囲指定手段１７０２検索処理手段１９０１不要語削除手段１９０２不要語記憶テーブル１９０３検索処理手段２２０１データ再現手段２４０１検索対象データ記憶部２４０２形態素解析処理手段２４０３形態素解析用辞書２４０４単語データ２４０５キーワード抽出手段２４０６キーワード抽出用辞書２４０７キーワードデータ２４０８検索処理手段２４０９入力手段２４１０出力手段

フロントページの続き (56)参考文献特開平３−174652（ＪＰ，Ａ) 特開昭63−228326（ＪＰ，Ａ) 特開平７−121548（ＪＰ，Ａ) 特開平６−301721（ＪＰ，Ａ) 特開平６−348756（ＪＰ，Ａ) 特開平５−334355（ＪＰ，Ａ) 特開平２−287674（ＪＰ，Ａ) 特開平５−67147（ＪＰ，Ａ) 特開昭64−31227（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/30 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims

(57)【特許請求の範囲】

【請求項１】検索対象データを格納する検索対象デー
タ記憶部と、検索対象にしない単語を格納した不要語辞
書と、前記検索対象データ記憶部に格納されている検索
対象データ中から前記不要語辞書を用いて検索対象とな
らない語を削除する不要語削除手段と、同じく検索対象
データ中の文字列の重複部分を削除する重複文字列削除
手段と、前記不要語削除手段と前記重複削除処理によっ
て検索対象データから作成された圧縮データを格納する
圧縮データ記憶部と、検索条件を入力する入力手段と、
前記検索条件に従い前記圧縮データに対して全文検索を
行なう検索処理手段と、前記検索処理手段の検索結果を
出力する出力手段と、前記不要語削除手段が不要語辞書
を用いて検索対象データから削除した不要語を記憶して
おく不要語記憶テーブルとを備え、前記不要語記憶テー
ブルを検索処理手段の検索対象とすることを特徴とする
情報検索装置。
【請求項２】不要語辞書から不要語登録を取り消し、
不要語削除手段が不要語辞書を用いて検索対象データか
ら削除した不要語を記憶しておく不要語記憶テーブルを
照合して不要語登録が取り消された不要語を圧縮データ
に追加し、不要語記憶テーブルからも不要語登録を取り
消すデータ再現手段を設けたことを特徴とする請求項１
に記載の情報検索装置。