JPH08335222A - 類似文章及び文書検索機能付コンピュータ装置 - Google Patents

Abstract

(57)【要約】 【目的】入力した元の文章に類似した簡潔でより良く情
報を伝達できる文章（事例文章）をコンピュータにより
検索出力させる。 【構成】予め文章データベースＤＢ１に多くの事例文章
を蓄積しておく。そしてコンピュータに元の文章を入力
すると（１）、コンピュータは用語辞書ファイルＦ１を
参照して入力文章内の用語を検索し（２）、入力文章内
の用語と同じ用語を持つ文章を文章データベースＤＢ１
から検索する（３）。そして入力文章の用語と同じ用語
を持つ割合（類似度）の高い文章を選別して出力する
（４〜６）。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は事例となる文章あるいは
文書をコンピュータに登録格納してなるデータベースを
備え、問い合わされた入力となる文章あるいは文書に対
し、類似と判断される事例の文章あるいは文書をこのデ
ータベースから検索する機能を備えたコンピュータ装置
に関する。

【０００２】なお、以下各図において同一の符号は同一
もしくは相当部分を示す。

【０００３】

【従来の技術】従来、コンピュータに登録されている文
章や文書から問合せの文章や文書に該当もしくは類似す
るものを検索する方法としては、予め登録されている
文章，文書のキーワードを登録して置き、問合せの文
章，文書と同じキーワードがある文章，文書を検索して
類似か否かを判定する方法、あるいは事前に事例を何
等かの基準で分類し、この分類に基づいて検索する方法
などが知られている。

【０００４】

【発明が解決しようとする課題】しかしながら前述の
のような方法では、キーワードを持つ文章や文書全てが
検索され、提示されることになり、事例が多数ある場合
には、検索され提示される文章や文書があまりに多くな
り、その中から実際に必要とする文章や文書を見つけに
くいという問題がある。

【０００５】また、前述のの分類による検索方法で
は、分類基準を検索する側が知らないと検索したい文章
や文書をみつけにくいという問題がある。さらに、シス
テム提案書や製品取扱説明書などを作成する場合、文章
作成時に過去に作成した文章の類似度合いを検出し、文
章自体を流用できれば、作成工数の削減が期待できる。
しかし従来の方法では、文章自体を検索し、流用すると
いう観点からの検索はなかった。

【０００６】そこで本発明はこのような問題を解消でき
る類似文章及び文書検索機能付コンピュータ装置を提供
することを課題とする。

【０００７】

【課題を解決するための手段】前記の課題を解決するた
めに、請求項１の類似文章検索機能付コンピュータ装置
は、各種の用語が登録された用語辞書ファイル（Ｆ１）
と、事例となる多数の文章が登録された文章データベー
ス（ＤＢ１）とを備えたコンピュータ装置であって、さ
らに入力された文章中に存在し、かつ前記用語辞書ファ
イルに登録された全ての用語を検索する手段と、（式
（１）などの演算を介し）この検索された用語と同じ用
語を所定値以上の割合で持つ文章を前記文章データベー
スから検索して出力する手段とを備えたものとする。

【０００８】また、請求項２の類似文章及び文書検索機
能付コンピュータ装置は、各種の用語が登録された用語
辞書ファイル（Ｆ１）と、事例となる多数の文書が登録
された文書データベース（ＤＢ２）と、前記文書データ
ベース内の文書から取出された事例となる多数の文章
が、その文書データベース内での存在位置を示す属性デ
ータ（文書名，段落など）と共に登録された文章データ
ベース（ＤＢ１）とを備えたコンピュータ装置であっ
て、さらに入力された文章中に存在し、かつ前記用語辞
書ファイルに登録された全ての用語を検索する手段と、
（式（１）などの演算を介し）この検索された用語と同
じ用語を所定値以上の割合で持つ文章を前記文章データ
ベースから検索して少なくとも属性データを出力する手
段とを備えたものとする。

【０００９】また、請求項３の類似文章及び文書検索機
能付コンピュータ装置は、請求項２に記載の類似文章及
び文書検索機能付コンピュータ装置において、前記文書
データベースから前記文章データベースを作成する手段
を備えたものとする。また、請求項４の類似文書検索機
能付コンピュータ装置は、各種の用語が登録された用語
辞書ファイル（Ｆ１）と、事例となる多数の文書が登録
された文書データベース（ＤＢ２）と、前記文書データ
ベース中の事例文書毎の、その事例文書内に存在し、か
つ前記用語辞書ファイルに登録された全ての用語がその
出現頻度と共に登録された用語頻度データベース（ＤＢ
３）とを備えたコンピュータ装置であって、入力された
文書中に存在し、かつ前記用語辞書ファイルに登録され
た全ての用語とその出現頻度とを求める手段と、この求
められた入力文書の用語及びその出現頻度と前記用語頻
度データベース中の事例文書毎の用語のうち、入力文書
中の用語に一致する用語及びその出現頻度とから所定の
演算（式（２）など）で入力文書と各事例文書との類似
度を求め、少なくとも所定値以上の類似度を持つ事例文
書を特定するデータ（文書名など）を出力する手段とを
備えたものとする。

【００１０】また、請求項５の類似文書検索機能付コン
ピュータ装置は、請求項４に記載の類似文書検索機能付
コンピュータ装置において、前記用語辞書ファイルと文
書データベースから、前記用語頻度データベースを作成
する手段を備えたものとする。

【００１１】

【作用】請求項１に関わる発明（以下第１発明という）
について：事例となる多数の文章を登録した文章データ
ベースを設け、入力した文章中の辞書登録された用語と
同じ用語の出現頻度の計算により、入力した文章に類似
した文章を文章データベースより検索し選別して出力す
る。

【００１２】請求項２，３に関わる発明（以下第２発明
という）について：事例となる多数の文書を登録した文
書データベースと、この文書データベースから取出した
事例となる多数の文章に夫々その取出元の文書名，段落
など（つまり文書データベース内での存在位置を示すデ
ータ）を属性として付加して登録した文章データベース
を設け、入力した文書中の辞書登録された用語と同じ用
語の出現頻度の計算により、少なくとも入力した文章に
類似した文章の属性を文章データベースより検索し選別
して出力する。

【００１３】請求項４，５に関わる発明（以下第３発明
という）について：事例となる多数の文書を登録した文
書データベースと、この文書データベース中の各文書中
の辞書登録された用語及びその出現頻度をその文書名と
共に登録した用語頻度データベースを設け、入力した文
書中の辞書登録された用語及びその出現頻度と、用語頻
度データベース中の各文書別の用語のうち、入力文書中
の用語に一致する用語及びその出現頻度との比較計算に
より、入力文書に類似した文書の少なくとも文書名を検
索し選別して出力する。

【００１４】

【実施例】図１は第１発明の類似文章検索機能付コンピ
ュータ装置の処理手順を示すフローチャートで、１〜６
はそのステップ番号を示す。なお、Ｆ１は類似文章や文
書を検索するために、文章や文書中に表れ得る所定の多
数の用語（キーワード）等を予め登録格納したデータベ
ースとしての用語辞書ファイルであり、ＤＢ１は事例と
なる、簡潔で情報をより良く伝達できそうな多数の文章
を予め登録格納した文章データベースである。

【００１５】図１において、ステップ１でキーボードや
文字読み取り装置などから類似判断の問合せ元となる文
章を入力する。例えば、文１として「自動車販売業界の
ような機械加工ラインにおいては、変更の都度、加工に
かける時間やライン構成の変更がしばしば頻繁に行わ
れ、スケジューリング時におけるスケジューリングシス
テムの対応がうまくいかない。」というような文章を入
力する。すると本発明のコンピュータ装置は最終的にこ
の文章に類似した内容で、よりインパクトのある文章を
検索して出力する。

【００１６】そのために、ステップ２の入力文章内用語
検索処理においては、文１を構文解析処理し、文１中の
用語辞書ファイルＦ１に登録されている用語に一致する
用語としての自動車，販売，業界，機械，機械加工，機
械加工ライン，加工，加工ライン，ライン，ライン構
成，変更，頻繁，スケジューリング，スケジューリング
システムの用語を導出する。さらにこの用語（キーワー
ド）の同義語を用語辞書ファイルＦ１から探す。例え
ば、ラインは工程と言い換えるような情報が用語辞書フ
ァイルＦ１に入っているとすると、入力文書としての文
１内の用語は、自動車，販売，業界，機械，機械加工，
機械加工ライン，加工，加工ライン，ライン，ライン構
成，変更，頻繁，スケジューリング，スケジューリング
システム，機械加工工程，加工工程，工程，工程構成と
なる。

【００１７】次にステップ３ではこれら用語を文章内に
持つ文章が文章データベースＤＢ１にあるかを検索す
る。例えばこのステップ３の文章検索処理によって、文
章データベースＤＢ１内にある文章のうち、 文２：「電気器具業界での部品組立ラインにおいては、
生産ラインは自動化されても、製品のモデルチェンジ，
生産ラインの変更が頻繁に行われる。」や 文３：「製造製品変更の都度、加工時間，ライン構成，
その他多数の生産諸元が変化し、適切なスケジューリン
グができない。」 文４：「日本の自動車業界は、世界有数の生産数を誇
る。」などが検索されるものとする。

【００１８】ステップ４の処理では、これら検索された
文から、文１に各文がどの程度類似しているかの類似度
を次の計算式（１）で算出する。

【００１９】

【数１】 （類似度）＝（類似文に存在した文１の用語に合致した用語数）／ （文１に存在した用語数） ・・・（１） これを計算すると、 文２：４／１７＝０．２４ 文３：５／１７＝０．２９ 文４：２／１７＝０．１２である。

【００２０】ステップ５の処理ではこれらの類似度の中
から、例えば、０．２０以上の類似度の文章を類似性の
ある文章として選別する。その結果、文１のような冗長
度のある長い文章に比較して、文２，文３のような短文
でわかりやすい文章が検索されることになる。ステップ
６の処理ではこの選別結果の文章を出力する。

【００２１】図２は第２発明の類似文章及び文書検索機
能付コンピュータ装置の処理手順を示すフローチャート
である。この図２は図１に対応し、ステップ６が６Ａに
置換わった点と、文書データベースＤＢ２が新設され、
ステップ７の処理が追加された点が異なる。ここで文書
データベースＤＢ２は、文章データベースＤＢ１中の各
文章の出典元となる事例の多数の文書が登録格納された
データベースである。そしてこの第２発明では予めステ
ップ７の処理により、文書データベースＤＢ２の文書か
ら事例となる多数の文章を取出し、その各文章が夫々文
書データベースＤＢ２中のどの文書のどの章，節等に存
在するかの、文書名，段落箇所等の存在位置を示す属性
をその各文章に付加して文章データベースＤＢ１に登録
する。

【００２２】図２において、ステップ１でキーボードや
文字読み取り装置などから類似判断の元となる文章を入
力する。例えば、文１として「自動車販売業界のような
機械加工ラインにおいては、変更の都度、加工にかける
時間やライン構成の変更がしばしば頻繁に行われ、スケ
ジューリング時におけるスケジューリングシステムの対
応がうまくいかない。」というような文章を入力する。
すると本発明のコンピュータ装置は最終的にこの文章の
内容に類似した文章がある文書名と段落を検索して出力
する。

【００２３】そのためにステップ２の処理においては図
１のステップ２の処理と同様に、文１を構文解析処理
し、文１中の自動車，販売，業界，機械，機械加工，機
械加工ライン，加工，加工ライン，ライン，ライン構
成，変更，頻繁，スケジューリング，スケジューリング
システムを用語として導出する。さらにこのキーワード
の同義語を用語辞書ファイルＦ１から探す。例えば、ラ
インは工程と言い換えるような情報が用語辞書ファイル
Ｆ１に入っているとすると、入力文書、文１内の用語
は、自動車，販売，業界，機械，機械加工，機械加工ラ
イン，加工，加工ライン，ライン，ライン構成，変更，
頻繁，スケジューリング，スケジューリングシステム，
機械加工工程，加工工程，工程，工程構成となる。

【００２４】ステップ３の処理では、これら用語を持つ
文章が文章データベースＤＢ１にあるかを検索する。例
えばステップ３の検索処理によって文章データベースＤ
Ｂ１に登録されている文章とその属性のうち、 文２：「電気器具業界のような部品組立ラインにおいて
は、生産ラインは自動化されても、製品のモデルチェン
ジ，生産ラインの変更が頻繁に行われる。」属性情報：
文書名−Ｂ社向け生産管理システム提案書、段落−：ま
えがき、等 文３：「変更の都度、加工時間，ライン構成，その他多
数の生産諸元が変化し、適切なスケジューリングができ
ない。」属性情報：文書名−Ｂ社向け生産計画システム
提案書、段落−：生産計画の課題、等 文４：「日本の自動車業界は、世界有数の生産数を誇
る。」属性情報：文書名−Ｄ社向け製造管理システム仕
様書、段落−：まえがき、等 などが検索されるものとする。

【００２５】ステップ４の処理では、これら検索された
文から、文１に各文がどの程度類似しているかの類似度
を第１発明と同じ計算式（１）で算出する。これを計算
すると 文２：４／１７＝０．２４ 文３：５／１７＝０．２９ 文４：２／１７＝０．１２ であり、ステップ５の処理ではこれらの類似度の中か
ら、例えば、０．２０以上の類似度の文章を類似性のあ
る文章として選別する。

【００２６】そしてステップ６Ａではさらにこれら類似
性を持つ文章の属性情報としての文２，文３が属する文
章名及び段落等を出力する。図３は第３発明の類似文書
検索機能付コンピュータ装置の処理手順を示すフローチ
ャートで、１１〜１６はそのステップ番号を示す。この
第３発明では予め図２と同様な文書データベースＤＢ２
から、ステップ１６の処理により、文書データベースＤ
Ｂ２内の各事例文書毎の、その文書内に存在する（用語
辞書ファイルＦ１に登録された）用語及びその頻度数を
求め、用語頻度データベースＤＢ３に登録しておくよう
にする。

【００２７】この図３では、ステップ１１でキーボード
や文字読み取り装置などから類似判断の元となる文書を
入力する。ステップ１２では入力した文書内に存在する
文章全てを構文解析処理し、入力文書内で使用されてい
る用語であって、用語辞書ファイルＦ１に登録されてい
る用語を全て洗い出す。この際、各用語が入力文書内に
出現した頻度数も計算しておく。

【００２８】そしてステップ１３においては、ステップ
１２の処理による入力文書中の用語とその頻度数、及び
用語頻度データベースＤＢ３内の事例文書毎（ここでは
ｍ番目の事例文書を（事例文書）ｍと表現するものとす
る）の用語とその頻度数から、入力文書と（事例文書）
ｍとの類似度（（類似度）ｍと表現する）を全ての事例
文書について次式（２）により計算する。

【００２９】

【数２】 （類似度）ｍ＝^i=K Σ_i=1 （ｗ（ｉ）−ｄ（ｍ，ｉ））／ｗ（ｉ）・・（２） 但し ｗ（ｉ）：入力文書中のｉ番目に初めて出現した用語ａ
（ｉ）に対する頻度数 ｄ（ｍ，ｉ）：（事例文書）ｍの上記用語ａ（ｉ）に対
する頻度数 Ｋ ：入力文書に出現する用語の数 ステップ１４の処理では、上記類似度を元にある一定数
値以上の類似度を持つ事例文書を入力文書に対して、類
似性のある文書として選別する。そしてステップ１５の
処理ではこの選別された文書名を出力する。

【００３０】

【発明の効果】第１発明によれば、入力文章中の用語に
合致する用語を持つ割合が所定値以上であるような類似
文章を文章データベースから選別して出力するようにす
ることで、文章自体を検索のための入力情報と考えて類
似文章を探索するようにしたので、入力文書が冗長度が
高く、かつ文が長ければ長い程、この入力文書よりもよ
り分かりやすい文章が探せる。

【００３１】第２発明によれば、第１発明と同様に選別
された類似文章の属性データからその類似文章の出典元
となる文書データベース中の文書名，段落等を出力する
ようにしたので、文章自体を検索するための入力情報と
する点では、第１発明と同じであるが、類似探索して出
力する情報が第１発明が文章であるのに対し、第２発明
は文書まで類似探索結果として出力できる。

【００３２】第３発明によれば、入力文書中の用語及び
頻度数と文書データベース中の各事例文書中の用語及び
頻度数とを比較し、類似度の高い事例文書名を出力する
ようにし、文書を入力情報として類似探索し、類似文書
が出力結果となるようにしたので、文書間の類似性の判
定等に利用できる。

【図面の簡単な説明】

【図１】第１発明の処理手順を示すフローチャート

【図２】第２発明の処理手順を示すフローチャート

【図３】第３発明の処理手順を示すフローチャート

【符号の説明】

Ｆ１ 用語辞書ファイル ＤＢ１ 文章データベース ＤＢ２ 文書データベース ＤＢ３ 用語頻度データベース

───────────────────────────────────────────────────── フロントページの続き (72)発明者 斉藤 文弘 東京都日野市富士町１番地 富士ファコム 制御株式会社内

Claims (5)

【特許請求の範囲】
1. 【請求項１】各種の用語が登録された用語辞書ファイル
   と、 事例となる多数の文章が登録された文章データベースと
   を備えたコンピュータ装置であって、さらに 入力された文章中に存在し、かつ前記用語辞書ファイル
   に登録された全ての用語を検索する手段と、 この検索された用語と同じ用語を所定値以上の割合で持
   つ文章を前記文章データベースから検索して出力する手
   段とを備えたことを特徴とする類似文章検索機能付コン
   ピュータ装置。
2. 【請求項２】各種の用語が登録された用語辞書ファイル
   と、 事例となる多数の文書が登録された文書データベース
   と、 前記文書データベース内の文書から取出された事例とな
   る多数の文章が、その文書データベース内での存在位置
   を示す属性データと共に登録された文章データベースと
   を備えたコンピュータ装置であって、さらに入力された
   文章中に存在し、かつ前記用語辞書ファイルに登録され
   た全ての用語を検索する手段と、 この検索された用語と同じ用語を所定値以上の割合で持
   つ文章を前記文章データベースから検索して少なくとも
   属性データを出力する手段とを備えたことを特徴とする
   類似文章及び文書検索機能付コンピュータ装置。
3. 【請求項３】請求項２に記載の類似文章及び文書検索機
   能付コンピュータ装置において、 前記文書データベースから前記文章データベースを作成
   する手段を備えたことを特徴とする類似文章及び文書検
   索機能付コンピュータ装置。
4. 【請求項４】各種の用語が登録された用語辞書ファイル
   と、 事例となる多数の文書が登録された文書データベース
   と、 前記文書データベース中の事例文書毎の、その事例文書
   内に存在し、かつ前記用語辞書ファイルに登録された全
   ての用語がその出現頻度と共に登録された用語頻度デー
   タベースとを備えたコンピュータ装置であって、 入力された文書中に存在し、かつ前記用語辞書ファイル
   に登録された全ての用語とその出現頻度とを求める手段
   と、 この求められた入力文書の用語及びその出現頻度と前記
   用語頻度データベース中の事例文書毎の用語のうち、入
   力文書中の用語に一致する用語及びその出現頻度とから
   所定の演算で入力文書と各事例文書との類似度を求め、
   少なくとも所定値以上の類似度を持つ事例文書を特定す
   るデータを出力する手段とを備えたことを特徴とする類
   似文書検索機能付コンピュータ装置。
5. 【請求項５】請求項４に記載の類似文書検索機能付コン
   ピュータ装置において、 前記用語辞書ファイルと文書データベースから、前記用
   語頻度データベースを作成する手段を備えたことを特徴
   とする類似文書検索機能付コンピュータ装置。