JP4227797B2

JP4227797B2 - 類義語検索装置、それによる類義語検索方法、類義語検索プログラム及び記憶媒体

Info

Publication number: JP4227797B2
Application number: JP2002314914A
Authority: JP
Inventors: 秀夫伊東
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 2002-05-27
Filing date: 2002-10-29
Publication date: 2009-02-18
Anticipated expiration: 2022-10-29
Also published as: JP2004054882A

Description

【０００１】
【発明の属する技術分野】
本発明は、文書検索における検索語の類義語を求める類義語検索装置、方法、及びこの装置で用いられる類義語検索プログラム、この類義語検索プログラムを記憶した記憶媒体に関する。
【０００２】
【従来の技術】
データベース等に蓄積された多数の電子文書等の文書群から検索語（キーワード）に関連する文書を抽出する文書検索においては、検索者が検索語Ａを与えた場合、検索対象となる文書中では検索語Ａの類義語Ｂが用いられている場合がある。その場合、検索処理が語形に基づいて行われる限り、その文書は検索要求に合致する可能性が高いにもかかわらず、検索抽出することができない。この問題は一般的には語彙的ギャップ問題として従来より指摘されている。
尚、ここで類義語とは、例えば
・表記レベルの類義語：「コンピュータ」と「コンピューター」
・語彙レベルの類義語：「本」と「書籍」
のような語を言うものとする。
【０００３】
従って、検索要求中の検索語についてその類義語を求めることができれば、それらの類義語群を検索要求に含めることで、検索性能が向上することが期待できる。このため従来より、類義語群の自動獲得方法に関して例えば次のような提案がなされている。
・対象文字列の構成単語毎に予め用意した類義語ファイルから類義語を取得し、それらを組み合わせて対象文字列に対する類義表現を構成する（例えば特許文献１）。
・「〜とは〜である」といったパターンを用いて文書群から類義語を抽出する（例えば特許文献２）。
【０００４】
・複合語とその構成語間の関係を類義関係とみなし、入力単語に対し、それを構成語とする複合語を類義語として出力する（例えば特許文献３）。
・既存シソーラスに入力単語を登録する際に、入力単語の構成単語を求め、それらのシソーラス中の登録位置に基づき入力単語の登録位置を決定する（例えば特許文献４）。
・過去にユーザから入力された検索語群を記憶しておき、それらの中から現在の入力語に対する類義語（よく共起する語）を取り出す（例えば特許文献５）。
・括弧内とそれに前出する語との対を同義関係として抽出する（例えば特許文献６）。
【０００５】
【特許文献１】
特開平６−１６２０９８号公報（特許第３０２５７２４号）
【特許文献２】
特開平６−２６６７６９号公報
【特許文献３】
特開平７−３１９８８４号公報
【特許文献４】
特開平８−２２１４２７号公報
【特許文献５】
特開平９−３１９７６７号公報
【特許文献６】
特開平１１−３２８２０５号公報
【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技術では、類義語辞書、シソーラス、あるいは類義語抽出用の規則群などを必要とするが、これらのデータ群は予め人手により開発、作成しなければならず、そのための多大なコストがかかるという問題があった。また、括弧表現や同義表現などを利用することで規則群を容易に整備できたとしても、それらの表現が実際に出現する頻度は一般的には少なく、従って、得られる類義語も少量となる。即ち、一般性に欠けるという問題があった。
【０００７】
本発明は上記の問題を解決するためになされたもので、従来に比べて低コストで、かつ一般性のある類義語を獲得できるようにした類義語検索装置、方法、プログラム及び記憶媒体を提供することを目的とする。
【０００８】
【課題を解決するための手段】
上記の目的を達成するために、本発明による類義語検索装置においては、対象語を入力する入力手段と、文書群を記憶する文書記憶手段と、前記入力された対象語を検索語として前記文書記憶手段を検索し、検索語が出現する文書に文書スコアを付与し、文書スコアの高い順にランキングし、このランキングの上位所定数の文書をシード文書として取り出し、このシード文書を構成する単語を関連語候補として抽出し、抽出された前記関連語候補を検索語として前記シード文書を検索する第１の演算処理と、検索語が出現する文書について前記対象語と検索語との関連度を求め、前記関連語候補から前記関連度の高い順に上位所定数の検索語を関連語として抽出する第２の演算処理を行う１次検索手段と、前記抽出された関連語を検索語として前記文書記憶手段を検索し、検索語が出現する文書について前記第１及び第２の演算処理を行い、関連語を抽出する２次検索手段と、前記２次検索手段で抽出された関連語から関連度の高い順に上位所定数の関連語を類義語候補として選択する類義語選択手段とを設けている。
【０００９】
また、本発明による類義語検索方法は、入力手段と、文書記憶手段と、１次検索手段と、２次検索手段と、類義語選択手段とを含む類義語検索装置による類義語検索方法であって、前記入力手段が対象語を入力するステップと、前記文書記憶手段が文書群を記憶するステップと、前記１次検索手段により、前記入力された対象語を検索語として前記文書記憶手段を検索し、検索語が出現する文書に文書スコアを付与し、文書スコアの高い順にランキングし、このランキングの上位所定数の文書をシード文書として取り出し、このシード文書を構成する単語を関連語候補として抽出し、抽出された前記関連語候補を検索語として前記シード文書を検索する第１の演算処理と、検索語が出現する文書について前記対象語と検索語との関連度を求め、前記関連語候補から前記関連度の高い順に上位所定数の検索語を関連語として抽出する第２の演算処理を行うステップと、２次検索手段により、前記抽出された関連語を検索語として前記文書記憶手段を検索し、検索語が出現する文書について前記第１及び第２の演算処理を行い、関連語を抽出するステップと、前記類義語選択手段が前記２次検索手段で抽出された関連語から関連度の高い順に上位所定数の関連語を類義語候補として選択するステップと、を含むようにしている。
【００１０】
また、本発明によるプログラムは、対象語を入力する入力手段と、文書群を記憶する文書記憶手段と、前記入力された対象語を検索語として前記文書記憶手段を検索し、検索語が出現する文書に文書スコアを付与し、文書スコアの高い順にランキングし、このランキングの上位所定数の文書をシード文書として取り出し、このシード文書を構成する単語を関連語候補として抽出し、抽出された前記関連語候補を検索語として前記シード文書を検索する第１の演算処理と、検索語が出現する文書について前記対象語と検索語との関連度を求め、前記関連語候補から前記関連度の高い順に上位所定数の検索語を関連語として抽出する第２の演算処理を行う１次検索手段と、前記抽出された関連語を検索語として前記文書記憶手段を検索し、検索語が出現する文書について前記第１及び第２の演算処理を行い、関連語を抽出する２次検索手段と、前記２次検索手段で抽出された関連語から関連度の高い順に上位所定数の関連語を類義語候補として選択する類義語選択手段と、としてコンピュータを機能させるプログラムである。
【００１１】
また、本発明による記憶媒体は、上記プログラムを記憶したものである。
【００１２】
【発明の実施の形態】
以下、本発明の実施の形態を図面と共に説明する。
本実施の形態は、対象語に対し、文書群（コレクション）をランキング検索し、その上位文書群に現れる語群のうちから、対象語の関連語群を抽出し、その関連語群のみを用いて再度コレクションをランキング検索し、その上位文書群の内、対象語を含まない文書郡に現れる関連語群から関連度を利用して類義語の候補を求めることで前記課題を達成するものである。
【００１３】
図７は本発明の実施の形態による類義語検索装置を示すブロック図である。
本装置は、図示のようにユーザによる対象語入力操作等を行う入力装置２０、検索結果得られた類義語候補を出力する出力装置３０、プログラム格納用ＲＯＭ、作業用ＲＡＭ等の記憶装置４０及び全体を制御するＣＰＵ５０から構成されている。
【００１４】
図１は本発明の第１の実施の形態によるＣＰＵにおける制御部の構成を示すブロック図である。
図１において、１はユーザにより入力装置２０から入力された対象語（ここでは類義語を検索するための検索語）を受付ける入力部、２は入力された対象語を格納する対象語バッファ、３は文書群が格納された文書記憶部、４は文書記憶部３を検索する文書検索部、５は対象語バッファ２の対象語を検索語として文書検索部４を介して文書記憶部３をランキング検索すると共に、関連語候補群を求め、その中から関連語を求める１次検索部、６は関連語候補群から関連語を抽出する関連語抽出部、７は抽出された関連語を格納する関連語バッファ、８は関連語を用いて文書群をランキング検索し、関連語を抽出する２次検索部、９は２次検索された関連語から類義語候補を選択する類義語選択部、１０は類義語を出力する出力部である。
【００１５】
次に、上記構成による動作について説明する。
図２は制御部の動作を概略的に示すフローチャートである。
まず、入力部１を介して対象語を入力し、入力された対象語は対象語バッファ２に格納される（ステップＳ１、以下、ステップ略）。次に、１次検索部５により文書記憶部３の１次検索を行い（Ｓ２）、その検索結果に基づいて２次検索部８より２次検索を行う（Ｓ３）。次に、２次検索の結果に基づいて類義語選択部９により類義語候補を選択し（Ｓ４）、出力部１０により類義語候補の語形を出力する（Ｓ５）。
【００１６】
図３は１次検索部５の動作を示すフローチャートである。
１次検索部５は、まず、対象語バッファ２の対象語を検索語として文書検索部４を介して以下のような文書ランキング検索を行う（Ｓ１１）。即ち、文書記憶部３に記憶された各文書について次に定義される文書スコア（ｓｃｏｒｅ）を計算する。
ｓｃｏｒｅ＝｛ｔｆ／（ｔｆ＋ｄｌｅｎ）｝×ｗｅｉｇｈｔ・・・（１）
ｗｅｉｇｈｔ＝Ｌｏｇ（Ｎ／ｎ＋１）・・・（２）
【００１７】
上記（１）式において、ｔｆはその文書に検索語（対象語）が出現する頻度であり、ｄｌｅｎは文書長である。このスコア定義によれば、検索語が多く現れるほど、かつ文書長が短いほど、かつｗｅｉｇｈｔ（重み）が大きいほど、その文書に大きなスコアが付与される。
また、上記（２）式において、Ｎは文書記憶部３に記憶された文書の総数であり、ｎは総数Ｎの文書中で検索語が出現する文書数（文書頻度）である。この重み定義式によれば、少数の文書に出現するほど、その検索語の重みは大きくなる。
【００１８】
尚、検索語が複数の場合は、各検索語について上記スコアを求め、それらを加算することにより最終的な文書スコアを得る。検索語が１つも現れない文書のスコアは０とする。
上記文書ランキング検索により、文書スコア順に各文書がソートして出力される。
【００１９】
１次検索部５は次に、上記文書ランキングの結果から、上位にランクされた文書を所定の数Ｒだけ、上位から順に文書記憶部３から取り出す（Ｓ１２）。これらのＲ個の上位文書をここではシード文書と呼ぶ。次に、シード文書から１つずつ文書を取り出し（Ｓ１２）、その文書Ｄについて関連語抽出部６により、関連語候補群を以下のようにして求める（Ｓ１３）。
【００２０】
まず、文書Ｄを形態素解析あるいは単語の区切り文字等を用いて単語に分解する。そして各単語を関連語候補としてそれぞれについて次の属性を求める。
・文書頻度ｎ：その単語を検索語として文書検索を行うことにより、その単語の文書頻度（文書総数Ｎの中の出現文書数）を求める。
・出現シード文書数ｒ：総数Ｒのシード文書中のその単語が出現したシード文書数
・重み（ｗｅｉｇｈｔ）：前記（２）式により求める。
・選択値（ｔｓｖ）＝ｗｅｉｇｈｔ×（ｒ／Ｒ−ｎ／Ｎ）・・・（３）
【００２１】
１次検索部５は、上記のようにして全てのシード文書について関連語候補群（単語群）とその属性を求めた後（Ｓ１４）、各候補を選択値の降順にソートし、その中から上位Ｔ個を選択して関連語とする。ただしその場合、対象語と語形が同一の関連語候補は関連語とはしない。次に、１次検索部５は、各関連語の語形と選択値とのペアを関連語バッファ７に格納する。選択値は、重みが大きいほど、かつ対象語と文書内共起する確率が高いほど大きくなる。従って、選択値は、対象語と関連語候補との関連の度合い、即ち、関連度を表すものとなる。
【００２２】
図４は２次検索部８の動作を示すフローチャートである。
２次検索部８は、関連語バッファ７に格納された関連語群を検索語群として文書検索部４を介して文書記憶部３の文書ランキング検索を行う（Ｓ２１）。その際、対象語は検索語群に含めないものとする。１次検索部５の場合と同様にしてシード文書を求め（Ｓ２２）、このシード文書から関連語を抽出するが、対象語を含む上位文書はシード文書とはしない（Ｓ２３、Ｓ２４）。これは一般に、対象語を含む文書は、その文書中に一貫してその語を使用し、その類義語は使用されない場合が多いからである。全てのシード文書について２次検索の結果得られた関連語は関連語バッファ７に格納される（Ｓ２５）。
【００２３】
類義語選択部９は、２次検索の結果、関連語バッファ７に得られた関連語群から関連度（選択値）が大きい順に上位Ｓ個を類義語候補として選択する。この類義語は出力部１０から出力される。
【００２４】
図５は本発明の第２の実施の形態による制御部の構成を示すブロック図であり、図１と対応する部分には同一番号を付して重複する説明は省略する。
本実施の形態は、対象語バッファ２と関連語バッファ７との間に判定部１１を追加したものである。
【００２５】
図６は制御部の動作を示すフローチャートである。
まず、入力部１を介して対象語を入力し、入力された対象語は対象語バッファ２に格納される（Ｓ３１）。次に１次検索部５により文書記憶部３を１次検索を行う（Ｓ３２）。次に、判定部１１により処理を続行するか否かを判断し（Ｓ３３）、続行しない場合は、類義語候補が得られなかった旨のメッセージを出力部１０から出力する（Ｓ３４）。次に、１次検索の結果に基づいて２次検索部に８より文書記憶部３の２次検索を行う（Ｓ３５）。そして、２次検索の結果に基づいて類義語選択部９により類義語候補を選択し（Ｓ３６）、出力部１０により類義語候補の語形を出力する（Ｓ３７）。上記Ｓ３１、Ｓ３２及びＳ３５からＳ３７は、図１のＳ１からＳ５と同様に行われる。
【００２６】
上記Ｓ３３において、判定部１１は以下のようにして処理続行の可否を判定する。即ち、１次検索の結果、得られた関連語群を関連度の順にソートし、この関連語のランキングにおいて、対象語が上位ｋ位以内にならなかった場合は処理続行しないと判断する。それ以外は処理続行すると判断する。つまり、対象語と最も関連度が高くなるべき語は対象語自身であり、その状況から外れるほど有効性が低い関連語が得られたと判断し、その場合は処理を続行しない。
【００２７】
本実施の形態によれば、文書群の不足等で類義語が得られない対象語に対しては、その旨メッセージを出力するので、類義語の獲得結果の品質を高めることができる。
尚、図２のＳ５及び図６のＳ３７においては、出力部１０により類義語の語形のみを出力しているが、関連語バッファ７に記憶された関連度も類義語の語形と共に出力するようにしてもよい。このようにすることにより、類義語候補を更に絞り込むための情報として、各類義語候補毎にその関連度を出力するので、類義語の獲得結果の品質を高めることができる。
【００２８】
次に、本発明の第３から６の実施の形態について説明する。図８、図１２、図１３、図１６は各実施の形態による制御部の構成を示すもので、図１、図５と対応する部分には同一番号を付して重複する説明は省略する。尚、類義語検索装置の構成は図７の構成と同一である。
【００２９】
図８は本発明の第３の実施の形態による制御部の構成を示すブロック図である。
尚、図１、図５における１次検索部５及び２次検索部８は図示を省略されている。
また、類語語選択部９は類義語抽出部１２として図示されている。
【００３０】
図９は制御部の動作を示すフローチャートである。
入力部１を用いて対象語を受け付け、対象語は対象語バッファ２に格納される（Ｓ４１）。次に１次検索を行い（Ｓ４２）、さらに２次検索を行う（Ｓ４３）。次に出力部１０を用いて類似語群を出力する（Ｓ４４）。
【００３１】
図１０は１次検索の動作を示すフローチャートである。
１次検索では、まず対象語を検索語として文書検索部４を用いて文書ランキング検索を行う（Ｓ５１）。文書ランキング検索は前記（１）（２）式を用いて文書スコアを計算することにより行われる。次に、文書ランキングの結果から、上位文書（上位にランクされた文書）を予め定めた数（Ｒとする）だけ、上位から順に文書記憶部３から取り出す（Ｓ５２）。これら上位文書をここではシード文書と呼ぶ。次に、各シード文書Ｄに対して関連語抽出部６を用いて関連語候補群を得る（Ｓ５３）。関連語候補群は、文書Ｄを形態素解析あるいは単語の区切り文字等を用いて単語に分解して前記（３）式による選択値により求める。
【００３２】
次に１次検索は、全てのシード文書に対して関連語候補群とその属性が求めた後（Ｓ５４）、各候補を選択値の降順にソートし、予め定めた関連語数Ｔに基づき、上位Ｔ個を関連語とする。但し、対象語と語形が同一の関連語候補は、関連語とはしない。次に、各関連語の語形および選択値のペアを関連語バッファに格納する。選択値は、重みが大きいほど、かつ対象語と文書内共起する確率が大きいほど大きくなる。よって選択値は、対象語と関連語候補との関連の度合い（関連度と呼ぶ）を表す。
【００３３】
図１１は２次検索の動作を示すフローチャートである。
２次検索では、まず関連語バッファ７に格納された関連語群を検索語群として文書検索部４を用いて、文書ランキング検索を行う（Ｓ６１）。次に、文書ランキングの結果から、上位文書（上位にランクされた文書）を予め定めた数（Ｒ２とする）だけ、上位から順に文書記憶部３から取り出す（Ｓ６２）。これら上位文書をここでは第２シード文書Ｄと呼ぶ。次に、各第２シード文書Ｄに対して類義語抽出部１２を用いて、類義語候補群を以下のようにして得る（Ｓ６３）。
【００３４】
即ち、文書Ｄを形態素解析あるいは単語の区切り文字等を用いて単語に分解する。そして各単語ｓに対して次の属性を得る。
共起度ｃ：第２シード文書において単語ｓの各出現位置において、その前後Ｗ語以内の位置に出現した関連語の総数。ここでＷは予定めた定数である。
即ち、単語ｓに対する共起度ｃとは、第２シード文書群においてｓの付近に出現した関連語の総数である。
【００３５】
尚、ｃはｓの第２シード文書群における出現頻度ｔｆを１とする相対頻度としてもよい。この場合
ｃ’ ＝ｃ／ｔｆ
である。
【００３６】
次に、単語ｓとｃ、あるいはｓとｃ’を類義語候補の表現としてプールする。そして、全ての第２シード文書に対して類義語候補が求まった段階で（Ｓ６４）、各候補を共起度ｃの降順にソートし、予め定めた類義語数Ｓに基づき、上位Ｓ個を類義語とする。出力部１０は上記のＳ個の類義語を出力する。
【００３７】
尚、上記類義語を出力する場合、対象語と同一の語形の類義語が出力される場合がある。このため本発明の第４の実施の形態では、このような自明の類義語を除いて出力する。図１２は第４の実施の形態による制御部を示すもので、出力部１０において対象語バッファ２に記憶された対象語の語形と類義語の語形を比較し、同一であれば出力しない。
【００３８】
以上のように第３、第４の実施の形態は、対象語に対し、文書群をランキング検索し、その上位文書群から対象語の関連語群を求め、その関連語群を用いて再び文書群をランキング検索し、その上位文書群と関連語群から類義語群を求めるようにしたものである。
【００３９】
図１３は本発明の第５の実施の形態による制御部の構成を示すブロック図であり、図８に補足語バッファ１３を追加したものである。
【００４０】
図１４は制御部の動作を示すフローチャートである。
まず、入力部１を用いて対象語と補足語群を受け付け、対象語は対象語バッファ２に格納され、補足語群は補足語バッファ１３に格納される（Ｓ７１）。次に１次検索を行い、さらに２次検索を行う（Ｓ７２、Ｓ７３）。そして、出力部１０より類似語群を出力する（Ｓ７４）。
【００４１】
図１５は１次検索の動作を示すフローチャートである。
Ｓ８１〜Ｓ８４における前記図１０との違いは、Ｓ８１で対象語だけでなく、補足語群も用いて文書検索部４により文書ランキング検索を行う点である。
【００４２】
ここで補足語について説明する。
例えば、対象語“ＴＣＰ”は次の２つの意味を持つ多義語である。
意味１：ネットワークのプロトコル
意味２：リン酸三カルシウム
そこで、意味１の類義語を求める場合は、補足語群として“ネットワーク、通信”などを与えればよい。
【００４３】
２次検索は図１１と同様に行われ、出力部１０は前記Ｓ個の類義語を出力する。この場合、対象語と同一の語形の類義語が出力される場合があるため、本発明の第６の実施の形態においては、このような自明の類義語を除いて出力する。図１６は第６の実施の形態による制御部を示すもので、出力部１０は、対象語バッファ２に記憶された対象語の語形と類義語の語形を比較し、同一であれば出力しない。
【００４４】
以上のように第５、第６の実施の形態は、対象語と補足語群に対し、文書群をランキング検索し、その上位文書群から対象語の関連語群を求め、その関連語群を用いて再び文書群をランキング検索し、その上位文書群と関連語群から類義語群を求めるようにしたものである。
【００４５】
尚、各フローチャートについて説明した処理を図１、５、８、１２、１３、１６の制御部、図７のＣＰＵが実行するためのプログラムは本発明によるプログラムを構成する。また、このプログラムを記憶する図７の記憶装置４０等の記憶媒体は、本発明による記憶媒体を構成する。この記憶媒体としては、光ディスク、光磁気ディスク、磁気記録媒体、半導体記憶装置等であってよい。
【００４６】
【発明の効果】
以上説明したように本発明によれば、類義語検索のために文書群のみを利用すればよいので、従来に比べて低コストで、かつ一般性のある類義語を獲得することができる。
【００４７】
また、文書群の不足等で類義語が得られない対象語についてその旨メッセージを出力することにより、獲得される類義語の品質を高めることができる。
また、類義語候補を更に絞り込むための情報として、各類義語候補毎にその関連度（共起度を含む）を出力することにより、獲得される類義語の品質を高めることができる。
さらに、多義語についても低コストで、かつ一般性のある類義語を獲得することができると共に、獲得される類義語の品質を高めることができる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態による類義語検索装置における制御部の構成を示すブロック図である。
【図２】第１の実施の形態による制御部全体の処理を示すフローチャートである。
【図３】１次検索部の処理を示すフローチャートである。
【図４】２次検索部の処理を示すフローチャートである。
【図５】本発明の第２の実施の形態による類義語検索装置における制御部の構成を示すブロック図である。
【図６】第２の実施の形態による制御部全体の処理を示すフローチャートである。
【図７】本発明の実施の形態による類義語検索装置を示すブロック図である。
【図８】本発明の第３の実施の形態による類義語検索装置における制御部の構成を示すブロック図である。
【図９】第３の実施の形態による制御部全体の処理を示すフローチャートである。
【図１０】１次検索部の処理を示すフローチャートである。
【図１１】２次検索部の処理を示すフローチャートである。
【図１２】本発明の第４の実施の形態による類義語検索装置における制御部の構成を示すブロック図である。
【図１３】本発明の第５の実施の形態による類義語検索装置における制御部の構成を示すブロック図である。
【図１４】第５の実施の形態による制御部全体の処理を示すフローチャートである。
【図１５】１次検索部の処理を示すフローチャートである。
【図１６】本発明の第６の実施の形態による類義語検索装置における制御部の構成を示すブロック図である。
【符号の説明】
１入力部
２対象語バッファ
３文書記憶部
４文書検索部
５１次検索部
６関連語抽出部
７関連語バッファ
８２次検索部
９類義語選択部
１０出力部
１１判定部
１２類義語抽出部
１３補足語バッファ
２０入力装置
３０出力装置
４０記憶装置
５０ＣＰＵ

Claims

対象語を入力する入力手段と、
文書群を記憶する文書記憶手段と、
前記入力された対象語を検索語として前記文書記憶手段を検索し、検索語が出現する文書に文書スコアを付与し、文書スコアの高い順にランキングし、このランキングの上位所定数の文書をシード文書として取り出し、このシード文書を構成する単語を関連語候補として抽出し、抽出された前記関連語候補を検索語として前記シード文書を検索する第１の演算処理と、検索語が出現する文書について前記対象語と検索語との関連度を求め、前記関連語候補から前記関連度の高い順に上位所定数の検索語を関連語として抽出する第２の演算処理を行う１次検索手段と、
前記抽出された関連語を検索語として前記文書記憶手段を検索し、検索語が出現する文書について前記第１及び第２の演算処理を行い、関連語を抽出する２次検索手段と、
前記２次検索手段で抽出された関連語から関連度の高い順に上位所定数の関連語を類義語候補として選択する類義語選択手段とを設けたことを特徴とする類義語検索装置。
前記１次検索手段により得られた関連度の上位所定位以内に対象語が入らない場合は処理を中止することを特徴とする請求項１記載の類義語検索装置。
前記処理を中止する旨のメッセージを出力する出力手段を設けたことを特徴とする請求項２記載の類義語検索装置。
前記関連語候補群は前記対象語を含まないことを特徴とする請求項１から３のいずれか１項に記載の類義語検索装置。
前記１次検索手段又は前記２次検索手段は、前記第１の演算処理において文書スコアを、
文書スコア＝｛ｔｆ／（ｔｆ＋ｄｌｅｎ）｝×ｗｅｉｇｈｔ
ｗｅｉｇｈｔ＝Ｌｏｇ（Ｎ／ｎ＋１）
但し、ｔｆ：その文書に検索語（対象語）が出現する頻度、ｄｌｅｎ：文書長、Ｎ：前記文書記憶手段に記憶された文書の総数、ｎ：総数Ｎの文書中で検索語が出現する文書数（文書頻度）
として付与することを特徴とする請求項１から４のいずれか１項に記載の類義語検索装置。
前記１次検索手段又は前記２次検索手段は、前記第２の演算処理において、関連度を、
関連度＝ｗｅｉｇｈｔ×（ｒ／Ｒ−ｎ／Ｎ）
但し、Ｒ：シード文書数、ｒ：シード文書における検索語が出現した出現文書数
として付与することを特徴とする請求項１から５のいずれか１項に記載の類義語検索装置。
前記入力された対象語、即ち検索語が複数の場合は、各検索語について前記文書スコアを求め、それらを加算することにより最終的な文書スコアを得ることを特徴とする請求項１から６のいずれか１項に記載の類義語検索装置。
前記類義語選択手段は、前記類義語候補と共に関連度を出力することを特徴とする請求項１から７のいずれか１項に記載の類義語検索装置。
入力手段と、文書記憶手段と、１次検索手段と、２次検索手段と、類義語選択手段とを含む類義語検索装置による類義語検索方法であって、
前記入力手段が対象語を入力するステップと、
前記文書記憶手段が文書群を記憶するステップと、
前記１次検索手段により、前記入力された対象語を検索語として前記文書記憶手段を検索し、検索語が出現する文書に文書スコアを付与し、文書スコアの高い順にランキングし、このランキングの上位所定数の文書をシード文書として取り出し、このシード文書を構成する単語を関連語候補として抽出し、抽出された前記関連語候補を検索語として前記シード文書を検索する第１の演算処理と、検索語が出現する文書について前記対象語と検索語との関連度を求め、前記関連語候補から前記関連度の高い順に上位所定数の検索語を関連語として抽出する第２の演算処理を行うステップと、
２次検索手段により、前記抽出された関連語を検索語として前記文書記憶手段を検索し、検索語が出現する文書について前記第１及び第２の演算処理を行い、関連語を抽出するステップと、
前記類義語選択手段が前記２次検索手段で抽出された関連語から関連度の高い順に上位所定数の関連語を類義語候補として選択するステップと、を含むことを特徴とする類義語検索装置による類義語検索方法。
前記関連度の上位所定位以内に対象語が入らない場合は処理を中止することを特徴とする請求項９記載の類義語検索装置による類義語検索方法。
前記処理を中止する旨のメッセージを出力することを特徴とする請求項１０記載の類義語検索装置による類義語検索方法。
前記関連語候補群は前記対象語を含まないことを特徴とする請求項９から１１のいずれか１項に記載の類義語検索装置による類義語検索方法。
前記第１の演算処理と、前記第２の演算処理を行うステップ又は関連語を抽出するステップは、該第１の演算処理において文書スコアを、
文書スコア＝｛ｔｆ／（ｔｆ＋ｄｌｅｎ）｝×ｗｅｉｇｈｔ
ｗｅｉｇｈｔ＝Ｌｏｇ（Ｎ／ｎ＋１）
但し、ｔｆ：その文書に検索語（対象語）が出現する頻度、ｄｌｅｎ：文書長、Ｎ：前記文書記憶手段に記憶された文書の総数、ｎ：総数Ｎの文書中で検索語が出現する文書数（文書頻度）
として付与するステップを含むことを特徴とする請求項９から１２のいずれか１項に記載の類義語検索装置による類義語検索方法。
前記第１の演算処理と、前記第２の演算処理を行うステップ又は関連語を抽出するステップは、前記第２の演算処理において、関連度を、
関連度＝ｗｅｉｇｈｔ×（ｒ／Ｒ−ｎ／Ｎ）
但し、Ｒ：シード文書数、ｒ：シード文書における検索語が出現した出現文書数
として付与することを特徴とする請求項９から１３のいずれか１項に記載の類義語検索装置による類義語検索方法。
前記入力された対象語、即ち検索語が複数の場合は、各検索語について前記文書スコアを求め、それらを加算することにより最終的な文書スコアを得ることを特徴とする請求項９から１４のいずれか１項に記載の類義語検索装置による類義語検索方法。
前記選択された類義語候補と共に関連度を出力することを特徴とする請求項９から１５のいずれか１項に記載の類義語検索装置による類義語検索方法。
対象語を入力する入力手段と、
文書群を記憶する文書記憶手段と、
前記入力された対象語を検索語として前記文書記憶手段を検索し、検索語が出現する文書に文書スコアを付与し、文書スコアの高い順にランキングし、このランキングの上位所定数の文書をシード文書として取り出し、このシード文書を構成する単語を関連語候補として抽出し、抽出された前記関連語候補を検索語として前記シード文書を検索する第１の演算処理と、検索語が出現する文書について前記対象語と検索語との関連度を求め、前記関連語候補から前記関連度の高い順に上位所定数の検索語を関連語として抽出する第２の演算処理を行う１次検索手段と、
前記抽出された関連語を検索語として前記文書記憶手段を検索し、検索語が出現する文書について前記第１及び第２の演算処理を行い、関連語を抽出する２次検索手段と、
前記２次検索手段で抽出された関連語から関連度の高い順に上位所定数の関連語を類義語候補として選択する類義語選択手段と、
としてコンピュータを機能させることを特徴とする類義語検索プログラム。
前記関連度の上位所定位以内に対象語が入らない場合は処理を中止する中止処理を設けた請求項１７記載の類義語検索プログラム。
前記処理を中止する旨のメッセージを出力する出力処理を設けた請求項１８記載の類義語検索プログラム。
前記関連語候補群は前記対象語を含まないことを特徴とする請求項１７から１９のいずれか１項に記載の類義語検索プログラム。
前記１次検索手段又は前記２次検索手段は、前記第１の演算処理において文書スコアを、
文書スコア＝｛ｔｆ／（ｔｆ＋ｄｌｅｎ）｝×ｗｅｉｇｈｔ
ｗｅｉｇｈｔ＝Ｌｏｇ（Ｎ／ｎ＋１）
但し、ｔｆ：その文書に検索語（対象語）が出現する頻度、ｄｌｅｎ：文書長、Ｎ：前記文書記憶手段に記憶された文書の総数、ｎ：総数Ｎの文書中で検索語が出現する文書数（文書頻度）
として付与することを特徴とする請求項１７から２０のいずれか１項に記載の類義語検索プログラム。
前記１次検索手段又は前記２次検索手段は、前記第２の演算処理において、関連度を、
関連度＝ｗｅｉｇｈｔ×（ｒ／Ｒ−ｎ／Ｎ）
但し、Ｒ：シード文書数、ｒ：シード文書における検索語が出現した出現文書数
として付与することを特徴とする請求項１７から２１のいずれか１項に記載の類義語検索プログラム。
前記入力された対象語、即ち検索語が複数の場合は、各検索語について前記文書スコアを求め、それらを加算することにより最終的な文書スコアを得ることを特徴とする請求項１７から２２のいずれか１項に記載の類義語検索プログラム。
前記類義語選択手段は、前記類義語候補と共に関連度を出力することを特徴とする請求項１７から２３のいずれか１項に記載の類義語検索プログラム。
前記請求項１７から２４のいずれか１項に記載の類義語検索プログラムを記憶したことを特徴とする記憶媒体。
前記入力手段は、前記対象語が多義語の場合にその意味付けのための補足語を対象語と共に入力し、前記１次検索手段は、前記入力された対象語と補足語を前記検索語とすることを特徴とする請求項１から８のいずれか１項に記載の類義語検索装置。
前記類義語選択手段は、前記第２の演算処理で求められるシード文書における単語sの各出現位置において、その前後の所定数Ｗ語以内の位置に出現した関連語の総数を示す共起度c又はc’ = c/tfを求め、このc又はc’ = c/tfの高い順に上位所定数の関連語を類義語候補として選択することを特徴とする請求項１から８または２６のいずれか１項に記載の類義語検索装置。
前記対象語が多義語の場合にその意味付けのための補足語を対象語と共に入力し、前記入力された対象語と補足語を前記検索語とすることを特徴とする請求項９から１６のいずれか１項に記載の類義語検索方法。
前記第１の演算処理又は前記第２の演算処理で求められるシード文書における単語sの各出現位置において、その前後の所定数Ｗ語以内の位置に出現した関連語の総数を示す共起度c又はc’ = c/tfを求め、このc又はc’ = c/tfの高い順に上位所定数の関連語を類義語候補として選択することを特徴とする請求項９から１６または２８のいずれか１項に記載の類義語検索方法。
前記入力処理は、前記対象語が多義語の場合にその意味付けのための補足語を対象語と共に入力し、前記ランキング処理は、前記入力された対象語と補足語を前記検索語とすることを特徴とする請求項１７から２４のいずれか１項に記載の類義語検索プログラム。
前記選択処理は、前記関連語を抽出する抽出処理で求められるシード文書における単語sの各出現位置において、その前後の所定数Ｗ語以内の位置に出現した関連語の総数を示す共起度c又はc’ = c/tfを求め、このc又はc’ = c/tfの高い順に上位所定数の関連語を類義語候補として選択することを特徴とする請求項１７から２４または３０のいずれか１項に記載の類義語検索プログラム。
前記請求項１７から２４、３０または３１のいずれか１項に記載の類義語検索プログラムを記憶したことを特徴とする記憶媒体。