JP3693734B2

JP3693734B2 - 情報検索装置およびその情報検索方法

Info

Publication number: JP3693734B2
Application number: JP03248996A
Authority: JP
Inventors: ▲泰▼造小谷
Original assignee: 株式会社インターグループ
Priority date: 1996-02-20
Filing date: 1996-02-20
Publication date: 2005-09-07
Anticipated expiration: 2016-02-20
Also published as: JPH09231227A

Description

【０００１】
【発明の属する技術分野】
本発明は、蓄積された文書データベースから意味的にデータを検索する情報検索装置およびその情報検索方法に関する。
【０００２】
【従来の技術】
従来、パーソナルコンピュータなどの情報処理装置に文書データを蓄積しておき、上記文書データに記載されている語句をキーワード検索により検出する情報検索装置が知られている。検索の精度を上げるためにユーザが与える文字列の中の一部が含まれている語句を文書中で探す情報検索装置も実用化されている。また、特開平６−２６６７７０号公報のようにユーザが与える文字列を同義語に変換し、同義語での検索を行って、文書中の同義語を検出する情報検索装置も提案されている。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述の情報検索装置を使用した検索ではユーザが与えた文字列についての完全一致、一部一致、および同義語だけでは、検索の精度が悪く、ユーザからは、さらに、検索精度を向上させて欲しいとの要望が強まってきている。たとえば、同義語検索を行って、該当の文書、あるいは文、段落等を検索し、５００点の検索結果が得られると、ユーザはその５００点の内容を表示画面上で確認しなければならない。このための操作はユーザにとって非常に煩雑なものとなる。
【０００４】
そこで、本発明の目的は、上述の点に鑑みて、これまでにはない検索手法を使用して検索精度を向上させる情報検索装置およびその情報検索方法を提供することにある。
【０００５】
【課題を解決するための手段】
このような目的を達成するために、請求項１の発明は、複数の文書を有する文書データベースを搭載し、与えられたキーワードに関連する文字列を有する文書を検索する情報検索装置において、単語およびその同義語を記載した単語連想辞書と、単語とその意味属性を記載した意味属性体系辞書と、前記キーワードについての同義語を前記単語連想辞書から取得する手段と、前記キーワードについての意味属性を前記意味属性体系辞書から取得する手段と、当該取得した同義語を有し、かつ、該同義語を含む所定長さの範囲内に当該取得した意味属性が同一となる単語が存在する文書を前記文書データベース中で検索する手段とを具えたことを特徴とする。
【０００６】
請求項２の発明は、請求項１に記載の情報検索装置において、前記キーワードは複数の単語で構成され、当該キーワードから予め定めた単語を不要な単語として除去する手段をさらに具えたことを特徴とする。
【０００７】
請求項３の発明は、請求項１に記載の情報検索装置において、前記所定長さの範囲は所定数以上の文字列で構成され、意味的に１つの単語を構成する単語列であり、前記検索する手段は、当該単語列の最後尾に位置する単語の意味属性を前記意味属性体系辞書から取得して、前記キーワードの意味属性と比較し、一致の有無を判定することを特徴とする。
【０００８】
請求項４の発明は、請求項１に記載の情報検索装置において、前記検索する手段は、検索の過程において、前記同義語のみを含む同義語関連文書を前記文書データベース上で検索することを特徴とする。
【０００９】
請求項５の発明は、請求項１に記載の検索で得られた文書および請求項４に記載の検索で得られた同義語関連文書を報知するための情報を表示する手段をさらに具えたことを特徴とする。
【００１０】
請求項６の発明は、請求項５に記載の情報検索装置において、前記表示する手段は請求項１に記載の検索で得られた文書および請求項４に記載の検索で得られた同義語関連文書を報知するための情報を区別して表示することを特徴とする。
【００１１】
請求項７の発明は、請求項５に記載の情報検索装置において、請求項１に記載の検索で得られた文書および請求項４に記載の検索で得られた同義語関連文書を報知するための情報は当該文書および同義語関連文書の一部であることを特徴とする。
【００１２】
請求項８の発明は、複数の文書を有する文書データベースを搭載し、与えられたキーワードに関連する文字列を有する文書を検索する情報検索装置の情報検索方法において、単語およびその同義語を記載した単語連想辞書と、単語とその意味属性を記載した意味属性体系辞書とを予め前記情報検索装置に搭載しておき、当該情報検索装置は、前記キーワードについての同義語を前記単語連想辞書から取得し、前記キーワードについての意味属性を前記意味属性体系辞書から取得し、当該取得した同義語を有し、かつ、該同義語を含む所定長さの範囲内に当該取得した意味属性が同一となる単語が存在する文書を前記文書データベース中で検索することを特徴とする。
【００１３】
請求項９の発明は、請求項８に記載の情報検索装置の情報検索方法において、前記キーワードと一致する単語を含む文書を前記文書データベース中で検索し、該当する文書がないときに請求項８に記載の検索に移行することを特徴とする。
【００１４】
請求項１０の発明は、請求項８に記載の情報検索装置の情報検索方法において、検索結果として得られる文書の前記同義語が含まれる文を表示画面に表示し、当該同義語および意味属性が同一となる単語を識別可能に表示することを特徴とする。
【００１５】
【発明の実施の形態】
以下、図面を参照して本発明の実施例を詳細に説明する。図１は本発明を適用した情報検索装置のシステム構成の一例を示す。情報検索装置にはパーソナルコンピュータやワークステーション等の情報処理装置を使用することができる。図１において、情報検索装置はＣＰＵ１、ＲＯＭ２、ＲＡＭ３、入力インタフェース４、ハードディスク記憶装置７、フロッピーディスクドライブおよび出力インタフェース９を有する。ＣＰＵ１はＲＯＭ２やハードディスク記憶装置７に格納されたシステムプログラムによりシステム処理、たとえば、メモリや記憶装置に対する情報の読み書き、後述の表示装置１１に情報を表示するための文字コード−イメージ変換（文字発生とも呼ばれる）や表示制御、プリンタ１０の制御、キーボード５、マウス６からの入力情報の受け付けを行う。ＲＯＭ２には上記システム処理を実行するためのシステムプログラムおよび関連情報が格納されている。
【００１６】
ＲＡＭ３はＣＰＵ１の情報処理に使用する情報や情報処理結果を一時格納する。本発明に関わる情報としてはハードディスク記憶装置７の文書データベースから取得した文書情報を一時格納する。入力インタフェース４はキーボード５およびマウスのような座標入力装置（以下、マウスと称する）６からの入力情報をＣＰＵ１に転送する。
【００１７】
キーボード５は主に文字入力に使用される。マウス６は表示画面上の位置の指定に使用される。ハードディスク記憶装置７にはシステムプログラムの他、本発明に関わる情報検索プログラムおよび検索対象の文書データベース、情報検索に使用する単語連想辞書および意味属性体系辞書が格納されている。単語連想辞書および意味属性体系辞書は本発明に関わるので、後で詳細に説明する。本実施例の文書データベースは複数の文書で構成され、この文書は、少なくとも文書名（ファイル名）、文字コード形態の文書データを有する。
【００１８】
フロッピーディスクドライブ８はフロッピーディスクを受け付け、このフロッピーディスクに対して情報の読み書きを行う。フロッピーディスクは他で作成された文書を上記文書データベースに登録するために使用される。出力インタフェース９は表示または印刷すべき情報、制御情報をプリンタ１０、表示装置１１に転送する。
【００１９】
このようなシステム構成において、本実施例は文書データベースに対して同義語検索を施し、該当する検索結果が複数得られたときには、同義語が含まれる文を調べる。キーワードの持つ意味属性と同じ意味属性を有する単語がその文に含まれているときにはその文を重み付けの高い検索結果として取り扱うことに特徴がある。
【００２０】
このための詳細な説明を以下、行う。上述の情報検索に使用する単語連想辞書の内容の一部を図２に示し、意味属性体系辞書の内容の一部を図３に示す。単語連想辞書は、複数のレコードからなり、１レコードは１文字漢字、単語、句等の文字列（以下、単語と総称する）５１、その単語に割り当てた識別コード、同義語（類似語を含む）５３およびその単語に関連する意味属性を示す識別コード（意味属性コードと称する）を有する。必要に応じて他の情報たとえば、名詞、形容詞等を示す文法情報、単語の読み（表記）を付加することもできる。
【００２１】
意味属性体系辞書も複数レコードから構成され、１レコードが単語、その単語が持つ意味属性を示す識別コード（意味属性コード）、その意味属性を示す単語の文字列を有する。意味属性体系辞書に記載される上記単語（１文字漢字を含む）としては１つ以上の単語列の中に含まれ、最後尾に位置する単語として頻繁に使用される単語が予め用意される。図３に示されている漢字「者」は同行者、管理者等の単語列の最後尾に使用される単語である。この単語に対して人物、組織という意味属性が与えられ、この意味属性に対して１００１の識別コードが与えられていることを図３は示している。
【００２２】
このような、単語連想辞書、意味属性体系辞書を使用する情報検索処理を図４および図５を参照して説明する。図４はハードディスク記憶装置７に格納された情報検索処理プログラムの処理内容を機能的に示す。図５は図４の処理内の詳細処理を示す。キーボード５から検索の実行を指示すると、図４の情報検索プログラムが起動され、ＣＰＵ１において情報検索処理が開始される。情報検索の一例として、「夏の甲子園」という単語の文字列が与えられ、この単語に関連する単語が記載された文書の該当する文を検索する例を説明する。
【００２３】
ユーザがキーボード５からキーワードとして、「夏の甲子園」を入力するとＣＰＵ１は入力された単語、すなわち、「夏の甲子園」を受け付け、ＲＡＭ３に一時記憶する（ステップＳ１０）。
【００２４】
次にＣＰＵ１はこのキーワードと完全一致する単語を文書データベース上で検索する。この処理は従来と同様の検索処理であるので、詳細な説明を要しないであろう。該当する単語が見つかった場合には、その単語を含む文または文書、あるいは文書名等が表示される（ステップＳ２０→Ｓ３０→Ｓ３５）。
【００２５】
一方、完全一致の単語が検出されない場合には、ＣＰＵ１は同義語検索に移行する。ＲＡＭ３の入力単語「夏の甲子園」を最小単位の単語「夏の」、「甲子園」に分解し、検索に使用しない単語を除去する（ステップＳ４０）。この基準はたとえば、上記単語連想辞書に記載されていない単語や単語連想辞書に同義語が記載されていない予め定められた単語を不要単語することができる。また、単語には通常、使用しない文字、たとえば、？、＠等の文字をも除去するとよい。
【００２６】
本例の場合、「夏の」が除かれ、同義語検索用のキーワードとして、「甲子園」が得られる。なお、単語の分解のために手法は構文解析の名でよく知られているので詳細な説明を要しないであろう。一番簡単な手法としては単語連想辞書に記載されている単語単位で文字列を区切ることができる。ＣＰＵ１は得られたキーワード「甲子園」に基づき単語連想辞書を参照して同義語「高校野球」および意味属性コード「２００４」を取得する（ステップＳ５０、図２参照）。
【００２７】
次にＣＰＵ１は取得した同義語が記載された文書を探すべくハードディスク記憶装置７の文書データベースを検索する（ステップＳ６０）。該当する文書が見つかった場合には（ステップＳ７０のＹＥＳ判定）、ユーザから与えられたキーワード（甲子園）と同義語（高校野球）との間の関連の度合いについて重みづけ、すなわち、関連度の度合いを計算する（ステップＳ８０）。このための詳細手順を図５に示す。
【００２８】
図５において、ＣＰＵ１は検索の結果、得られた文書の中から、同義語が含まれる文を抽出する。簡単な方法は同義語の前後の「。」や空白文字等の文の区切れを表す文字コードを検出し、この文字コードで挟まれた文字列を文として取り出す（ステップＳ１００）。取り出した文を単語に分解、より具体的には予め定めた不要な単語を除いて、４文字以上の文字列で構成される単語（句等を含む）に文を分解する（ステップＳ１１０）。そして、同義語が含まれる単語（の中の最小単位長さの単語で、かつ最後尾に位置する単語を取り出す。たとえば、取り出された文が「今年の全国高校野球選手大会は．．．．」とすると、４文字以上の単語（所定数以上の文字列で構成され、意味的に１つの単語を構成する単語列）として「全国高校野球大会」の文字列が取り出される。次に最後尾の、最小単位長さの単語として、「大会」取り出される。
【００２９】
この単語「大会」についてＣＰＵ１は図３の意味属性体系辞書を参照し、意味属性コードとして「２００４」を取得する。このような処理を検索結果（同義語が含まれる文書）全てに対して行うと、各文書毎に意味属性コードが得られる（ステップＳ１２０→Ｓ１３０）。上述したようにユーザのキーワード「甲子園」についての意味属性コードは既に調べられ、ＲＡＭ３に格納されているので、ＣＰＵ１１はユーザのキーワードの意味属性コード（２００４）と検索結果の全文書から導き出した複数の意味属性コードとを比較する（ステップＳ１４０）。一致が見られた文書が関連度の高い文書として取り扱われ、一致がない文書は関連度の低い文書として取り扱われる。これらの文書はＲＡＭ３上の各対応領域に格納される（ステップＳ１５０，１５５）。
【００３０】
図４に戻り、ＣＰＵ１は関連度（重み）の程度に応じて検索結果の文書の中の該当個所をＲＡＭ３から取り出して表示する（ステップＳ９０）。表示の一例を図６に示す。この表示例では意味属性コードが一致した文を最終的な検索結果として表示しており、参照として、すなわち、同義語を含むが、意味属性コードが一致しなかった文を参照として表示し、関連度の程度を２つに分けた例である。
【００３１】
以上、説明してきたように本実施例では、同義語検索に加えて、同義語（類似語）の近くにキーワードと意味属性が一致する単語が存在する文を検出するようにしているので、ユーザが探そうとしている文に近いものが得られる。
【００３２】
本実施例の他に次の例を実施できる。
【００３３】
１）本実施例では検索対象を文書に記載された文としているが、段落、文書全体等を検索対象としてもよい。また、文、段落、文書等の種別をキーボードから指示してもよい。さらに、文の内容に変わり、文書データベースに登録されたタイトル名やファイル名を検索結果として使用してもよいし、これらの情報と、該当文を併記して表示してもよい。換言すると請求項１に記載の文書とは文書そのもの、文書の一部、文書のタイトル、ファイル名等を含む。
【００３４】
２）本実施例ではキーワードの同じ意味属性を持つ同義語近くの文書中の単語を検出するために文書中の同義語を含む最長単語（複合語なども含まれる）を取り出し、その最後尾の意味属性を調べている。これは上記最長単語の最後尾の単語が日本語の場合、意味属性を最もよく表すと言うことに発明者が気がついたからであるが、検索時間を犠牲にしてもさらに検索精度を上げたいときは次のような検出方法を使用するとよい。同義語を含む文を取り出した後、同義語を起点にして文頭と、文末の各方向に向かって、単語を取り出す。取り出した単語の意味属性コードを意味属性体系辞書から取り出し、キーワードの意味属性コードと比較する。一致が得られた場合、その文を関連度の高い文として取り扱う。また、検索精度の程度を変化させたい場合にはキーワードの意味属性と同じものを持つ単語の調査範囲を同義語を含む文に限定せず、段落、ページ、文書全体に選択的に広げてもよい。この選択は、文、段落．．．というように同じ意味属性コードの単語が見つかるまで調査範囲を自動的に広げてもよいし、ユーザがキーボードから手動で調査範囲を指示してもよい。
【００３５】
３）本実施例ではキーワードと検索対象の文の関連度を２段階に分けているが２段階以上にすることができる。この場合には同義語が含まれる所定長さの文、例えば、１ページ中に含まれる同一意味属性の単語の個数を計数する。この数値に対応させて検索精度を多数階に段階分けすることができる。
【００３６】
４）検索結果の表示形態としては同義語を含む文の他、同義語を含む最長単語を図６に示すように矩形表示したり、同義語、意味属性の一致した単語を別の色で表示するなどキーワードに関連する単語をユーザに知らせることができる。また、報知の形態としては色、矩形などの図形、書体の変更、アンダーラインの付加、文字の大きさの変更等が考えられる。
【００３７】
５）情報検索装置の利用法としては単独で使用してもよいし、通信回線と接続して、検索依頼の他のコンピュータからキーワードを受け付け、検索結果を検索依頼のコンピュータに返すことも考えられる。この場合には情報検索装置に通信手段を備えればよい。
【００３８】
６）情報検索装置に搭載する文書データベースの格納場所はハードディスク記憶装置に限らず光磁気記憶装置等好適な周知の記憶手段を使用すればよい。
【００３９】
【発明の効果】
以上、説明したように、請求項１、８の発明によれば、キーワードに対して同義語および意味属性が同一の単語の双方を有し、かつ、この２つの単語が近接している文書を検索するようにしたので、同義語のみ、あるいは意味属性のみの検索を続けて行った場合よりもキーワードにより関連のある文書を得ることができる。
【００４０】
請求項２の発明によれば、単一の単語を用意することなく、ユーザは所望の複数の単語で構成されるキーワードを使用できる。
【００４１】
請求項３の発明によれば、同義語に関連し、意味属性を最もよく表す単語を取り出すことができる。
【００４２】
請求項４の発明によれば、同義語検索のみの検索結果をも取得することによってキーワードの絞り込みによる検索落ちをなくす。
【００４３】
請求項５の発明によれば、文書のタイトル名、文書そのもの、文書等の一部を表示することによりユーザは文書の内容や、所在を知ることができる。
【００４４】
請求項６の発明では、キーワードの関連度に応じた文書の所在をユーザが知ることができる。
【００４５】
請求項７の発明によれば、検索結果として文書の一部を表示することによって、キーワードとの関連の度合いユーザが確認できる。
【００４６】
請求項９の発明によれば、キーワードの一致検索を行った後に、本発明に関わる同義語検索を実行することにより、検索時間と、検索精度のバランスをとることができる。
【００４７】
請求項１０の発明では、自動検索に使用された同義語、意味属性の単語をユーザが知ることができる。
【図面の簡単な説明】
【図１】本発明を適用した情報検索装置のシステム構成を示すブロック図である。
【図２】単語連想辞書の内容の一部を示す説明図である。
【図３】意味属性体系辞書の内容の一部を示す説明図である。
【図４】情報検索に関わる処理手順を示すフローチャートである。
【図５】情報検索に関わる処理手順を示すフローチャートである。
【図６】検索結果の表示例を示す説明図である。
【符号の説明】
１ＣＰＵ
２ＲＯＭ
３ＲＡＭ
４入力インタフェース
５キーボード
６マウス
７ハードディスク記憶装置
８フロッピーディスクドライブ
９出力インタフェース
１０プリンタ
１１表示装置

Claims

複数の文書を有する文書データベースを搭載し、与えられたキーワードに関連する文字列を有する文書を検索する情報検索装置において、
単語およびその同義語を記載した単語連想辞書と、
単語とその意味属性を記載した意味属性体系辞書と、
前記キーワードについての同義語を前記単語連想辞書から取得する手段と、
前記キーワードについての意味属性を前記意味属性体系辞書から取得する手段と、
当該取得した同義語を有し、かつ、該同義語を含む所定長さの範囲内に当該取得した意味属性が同一となる単語が存在する文書を前記文書データベース中で検索する手段とを具えたことを特徴とする情報検索装置。
請求項１に記載の情報検索装置において、前記キーワードは複数の単語で構成され、当該キーワードから予め定めた単語を不要な単語として除去する手段をさらに具えたことを特徴とする情報検索装置。
請求項１に記載の情報検索装置において、前記所定長さの範囲は所定数以上の文字列で構成され、意味的に１つの単語を構成する単語列であり、前記検索する手段は、当該単語列の最後尾に位置する単語の意味属性を前記意味属性体系辞書から取得して、前記キーワードの意味属性と比較し、一致の有無を判定することを特徴とする情報検索装置。
請求項１に記載の情報検索装置において、前記検索する手段は、検索の過程において、前記同義語のみを含む同義語関連文書を前記文書データベース上で検索することを特徴とする情報検索装置。
請求項１に記載の検索で得られた文書および請求項４に記載の検索で得られた同義語関連文書を報知するための情報を表示する手段をさらに具えたことを特徴とする情報検索装置。
請求項５に記載の情報検索装置において、前記表示する手段は請求項１に記載の検索で得られた文書および請求項４に記載の検索で得られた同義語関連文書を報知するための情報を区別して表示することを特徴とする情報検索装置。
請求項５に記載の情報検索装置において、請求項１に記載の検索で得られた文書および請求項４に記載の検索で得られた同義語関連文書を報知するための情報は当該文書および同義語関連文書の一部であることを特徴とする情報検索装置。
複数の文書を有する文書データベースを搭載し、与えられたキーワードに関連する文字列を有する文書を検索する情報検索装置の情報検索方法において、
単語およびその同義語を記載した単語連想辞書と、単語とその意味属性を記載した意味属性体系辞書とを予め前記情報検索装置に搭載しておき、当該情報検索装置は、前記キーワードについての同義語を前記単語連想辞書から取得し、
前記キーワードについての意味属性を前記意味属性体系辞書から取得し、
当該取得した同義語を有し、かつ、該同義語を含む所定長さの範囲内に当該取得した意味属性が同一となる単語が存在する文書を前記文書データベース中で検索する
ことを特徴とする情報検索装置の情報検索方法。
請求項８に記載の情報検索装置の情報検索方法において、前記キーワードと一致する単語を含む文書を前記文書データベース中で検索し、該当する文書がないときに請求項８に記載の検索に移行することを特徴とする情報検索装置の情報検索方法。
請求項８に記載の情報検索装置の情報検索方法において、検索結果として得られる文書の前記同義語が含まれる文を表示画面に表示し、当該同義語および意味属性が同一となる単語を識別可能に表示することを特徴とする情報検索装置の情報検索方法。