JPH0991304A

JPH0991304A - 情報検索方法、情報検索システム及び情報検索用記憶媒体

Info

Publication number: JPH0991304A
Application number: JP7247326A
Authority: JP
Inventors: Takuya Ichikawa; 卓哉市川; Yoshifumi Sakai; 良文坂井
Original assignee: Nippon Steel Corp
Current assignee: Nippon Steel Corp
Priority date: 1995-09-26
Filing date: 1995-09-26
Publication date: 1997-04-04
Anticipated expiration: 2015-09-26
Also published as: JP3720882B2

Abstract

(57)【要約】【課題】ＣＤ−ＲＯＭなどのデータ転送速度が比較的遅
い記憶媒体に格納された情報を対象として、十分な容量
の作業用メモリが得られない場合であっても、多様な検
索方法での情報検索を高速で実行できるようにする。【解決手段】ＣＤ−ＲＯＭ２０での物件の格納位置を表
わす情報を要素とするレコードを有する検索用倒置ファ
イル３２と、検索用倒置ファイル３２の各レコードへの
ポインタを格納する検索用指示ファイル３１とをＣＤ−
ＲＯＭ２０に格納しておく。情報検索処理を実行する場
合には、ＣＤ−ＲＯＭ２０から検索用指示ファイル３１
を処理装置１０に予め転送しておき、入力した検索キー
にしたがって処理装置１０内の検索用指示ファイル３１
を検索し、その検索結果に応じてＣＤ−ＲＯＭ２０内の
検索用倒置ファイル３２にアクセスして、検索キーに該
当する物件をＣＤ−ＲＯＭ２０内の辞書データ本体格納
部２３から獲得する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、情報検索方法及び
情報検索システムに関し、特に、ＣＤ−ＲＯＭなどの記
憶媒体に格納されている情報を高速に検索でき、かつ、
あいまい検索や部分一致検索を実行可能な情報検索方法
及び情報検索システムに関する。

【０００２】

【従来の技術】国語辞書や英和辞書、百科事典類などは
これまで紙媒体によって刊行されてきたが、近年、コン
ピュータ可読型の記憶媒体、特にＣＤ−ＲＯＭなどの読
み出し専用記憶媒体に格納された形態でこれら辞書、事
典類が流通するようになってきている。ＣＤ−ＲＯＭ版
の辞書を引く場合には、専用の読み出し表示装置あるい
はパーソナルコンピュータに付属のＣＤ−ＲＯＭ装置に
当該ＣＤ−ＲＯＭを装着し、引きたい単語を特定して検
索コマンドを入力する。その結果、入力した単語と一致
する見出し語がそのＣＤ−ＲＯＭ内において検索され、
読み出し表示装置の表示部やパーソナルコンピュータの
ディスプレイに、入力した単語と一致する見出し語に対
応する説明文が表示される。

【０００３】こういったＣＤ−ＲＯＭ版の辞書・事典で
は、検索時間の短縮を目的として、インデックスファイ
ルを設けるのが一般的である。インデックスファイル
は、検索対象となる語（見出し語ないし索引語）ごと
に、その語に対応する物件（辞書などであれば説明文）
がＣＤ−ＲＯＭ中のどこに所在するかの情報（いわゆる
ポインタ）を記述したファイルであり、検索キーに応じ
てインデックスファイル内を検索することによって、検
索対象の物件に短時間でアクセスすることが可能にな
る。なお、国語辞書の場合には、見出し語とその見出し
語に対する物件（説明文）が１対１で対応すると考える
ことができるが、百科事典などの場合には、１つの索引
語に複数の物件（説明文）が対応することがありうる。
また、特許文献などの全文データベースを格納したＣＤ
−ＲＯＭにおいても、検索に使用されるキーワードに基
づいてインデックスファイルを予め構成しておくことに
より、インデックスファイルに登録されているキーワー
ドについては短時間で全文検索を行うことが可能にな
る。

【０００４】

【発明が解決しようとする課題】ところで、辞書を引く
場合、検索対象として入力された文字列と完全に一致す
る見出し項目のみが検索されるのでは（完全一致検
索）、利用者の検索要求に対して不十分であることがあ
る。例えば、表記のゆれがあって辞書での見出し項目と
入力された文字列が一致しない場合や正確に単語の綴り
を覚えていない場合、さらには、類似の単語を網羅的に
検索したい場合には、完全一致の項目のみを検索したの
では目的とする項目に達することはできず、あいまい検
索を行う必要がある。また、ある部分文字列で始まる全
ての単語、ある部分文字列で終る全ての単語、ある部分
文字列を含む全ての単語を検索したい場合には、それぞ
れ、先頭一致検索、後方一致検索、部分一致検索を行う
必要がある。なお、以下の説明において、完全一致検
索、先頭一致検索、後方一致検索、部分一致検索を総称
して一致検索とする。

【０００５】インデックスファイル内で索引語や見出し
語が例えば５０音順あるいはアルファベット順で並んで
いるとすると、完全一致検索あるいは先頭一致検索の場
合には、検索の対象となる索引語や見出し語のインデッ
クスファイル内での位置がある程度予想がつくので、イ
ンデックスファイルの一部を検索すれば十分である。し
かしながら、あいまい検索を行う場合、あるいは、後方
一致検索や部分一致検索を行う場合には、インデックス
ファイルの全体を検索対象としなければならない。

【０００６】ＣＤ−ＲＯＭはハードディスクに比べて読
み出し速度が格段に遅いから、ＣＤ−ＲＯＭに格納され
ているインデックスファイルの全体の検索には多大な時
間を要して検索の応答性が低下する。また、インデック
スファイルの一部を検索する場合であっても、そのイン
デックスファイルにアクセスする回数が多ければ、結果
として検索に要する時間が長くなる。

【０００７】このような問題点を解決するために、一連
の検索処理の実行に先立って、ＣＤ−ＲＯＭに格納され
ているインデックスファイルを作業用のハードディスク
や半導体メモリ上に転送し、ハードディスクや半導体メ
モリを対象として検索処理を行うことも可能である。し
かしながら、ＣＤ−ＲＯＭ版の辞書を検索するためのハ
ードウェアがハードディスクを備えていたり十分な容量
の半導体メモリを備えているとは限らない。例えば、携
帯情報端末や家庭用ゲーム機などを用いて検索を行おう
とする場合には、ハードディスクを備えていない場合が
多く、またインデックスファイルの全体を格納するだけ
の十分なメモリが得られない場合が多く、結局、検索の
高速化を実現できないことになる。

【０００８】本発明の目的は、ＣＤ−ＲＯＭなどのデー
タ転送速度が比較的遅い記憶媒体に格納された情報を対
象として、十分な容量の作業用の半導体メモリなどが得
られない場合であっても、完全一致検索やあいまい検索
などの多様な検索方法での情報検索を高速で実行できる
情報検索方法と情報検索システムを提供することにあ
る。さらに本発明は、これらの情報検索方法及び情報検
索システムに適した検索用情報記憶媒体を提供すること
も目的とする。

【０００９】

【課題を解決するための手段】本発明の情報検索方法
は、多数の物件を格納した記憶媒体を対象とし、前記記
憶媒体を処理装置に装着して前記記憶媒体から検索条件
に該当する物件を検索する情報検索方法において、前記
記憶媒体における各物件の格納位置を表わす情報を要素
とするレコードを有しインバーテッドファイルである第
１のファイルと、前記第１のファイルでの各レコードの
格納位置を表わす情報を要素とする第２のファイルとを
生成して前記記憶媒体に予め格納し、前記記憶媒体に格
納された物件に対する情報検索処理を実行する場合に、
前記記憶媒体から前記第２のファイルを前記処理装置に
転送し、前記処理装置に入力した前記検索条件にしたが
って前記処理装置内の前記第２のファイルを検索し、前
記第２のファイルに対する検索結果に応じて前記記憶媒
体内の前記第１のファイルにアクセスして前記検索条件
に該当する物件に到達することを特徴とする。

【００１０】本発明の情報検索システムは、多数の物件
を格納した記憶媒体と、入力する検索条件に応じて当該
検索条件に該当する物件を前記記憶媒体から検索する処
理装置と、からなる情報検索システムにおいて、前記記
憶媒体が、当該記憶媒体における各物件の格納位置を表
わす情報を要素とするレコードを有しインバーテッドフ
ァイルである第１のファイルと、前記第１のファイルで
の各レコードの格納位置を表わす情報を要素とする第２
のファイルとを保持し、前記処理装置が、前記記憶媒体
が装着され前記記憶媒体からデータを読み出すドライブ
手段と、前記記憶媒体から読み出された前記第２のファ
イルを格納するメモリ手段と、前記検索条件が入力する
入力手段とを有し、情報検索処理に際し、前記記憶媒体
から前記第２のファイルが前記メモリ手段に転送され、
前記入力手段に入力した前記検索条件にしたがって前記
メモリ手段内の前記第２のファイルが検索され、前記第
２のファイルに対する検索結果に応じて前記記憶媒体内
の前記第１のファイルがアクセスされることにより、前
記検索条件に該当する物件が検索されることを特徴とす
る。

【００１１】本発明の情報検索システムにおいては、前
記第２のファイルにおける各レコードに対するインデッ
クスとなる第３のファイルを前記記憶媒体にさらに保持
させ、前記第３のファイルが前記第２のファイルととも
に前記メモリ手段内に転送され、前記検索条件に応じて
前記第３のファイルをまず検索することによって物件の
検索が行われるようにすることが好ましい。

【００１２】本発明の情報検索用記憶媒体は、情報検索
の対象となる多数の物件を格納した情報検索用記憶媒体
において、当該情報検索用記憶媒体における各物件の格
納位置を表わす情報を要素とするレコードを有しインバ
ーテッドファイルである第１のファイルと、前記第１の
ファイルでの各レコードの格納位置を表わす情報を要素
とする第２のファイルと、を格納したことを特徴とす
る。

【００１３】本発明の情報検索用記憶媒体としては、処
理装置に装着され前記処理装置によって情報検索が行わ
れる構成のものであって、前記処理装置に読み込まれる
ことにより、前記処理装置が、前記情報検索用記憶媒体
から前記第２のファイルを前記処理装置に転送し、前記
処理装置に入力した前記検索条件にしたがって前記処理
装置内の前記第２のファイルを検索し、前記第２のファ
イルに対する検索結果に応じて前記情報検索用記憶媒体
内の前記第１のファイルにアクセスするように、前記処
理装置を制御するプログラムをさらに格納するものとす
ることが好ましい。

【００１４】

【発明の実施の形態】次に、本発明の望ましい実施の形
態について、図面を参照して説明する。図１は、本発明
の実施の一形態の情報検索システムを説明するブロック
図である。

【００１５】この情報検索システムは、辞書や事典類を
内容とするＣＤ−ＲＯＭ２０と、利用者の入力した検索
文字列（検索キー）に応じてＣＤ−ＲＯＭ２０を検索し
検索結果を表示する処理装置１０とによって、構成され
ている。処理装置１０には、ＣＤ−ＲＯＭ２０を装着し
て必要なデータを読み出すためのＣＤ−ＲＯＭドライブ
１１と、ＣＰＵなどで構成され検索処理やＣＤ−ＲＯＭ
ドライブ１１の動作の制御などを行うための処理部１２
と、検索処理に必要なファイルを一時的に格納するため
のファイル格納用メモリ１３と、タッチパネルやキーボ
ードなどからなり利用者からの検索要求、検索文字列な
どが入力する入力部１４と、液晶パネルなどからなり検
索結果を利用者に対して表示するための表示部１５とが
設けられている。表示部１５は、外部のテレビジョン受
像機に対し、検索結果をテレビジョン画像として表示す
るための映像信号を出力するものであってもよい。

【００１６】一方、ＣＤ−ＲＯＭ２０の記憶領域の構成
が図２に示されている。ここでは、ＣＤ−ＲＯＭ２０が
ＣＤ−ＲＯＭ版の辞書である例が示されているが、別に
辞書に限定される必要はなく、百科事典類、写真集、旅
行ガイドブック、各種ハンドブック・規格書、論文集、
特許公報類など、検索を行って所望のデータにアクセス
することを目的とするものであれば、どのようなもので
あってもよい。

【００１７】ＣＤ−ＲＯＭ２０の格納領域は、検索処理
プログラムが格納される処理プログラム格納部２１と、
インデックスファイル等が格納されるインデックスファ
イル格納部２２と、辞書の説明文（物件）が格納される
辞書データ本体格納部２３とに分けられている。本実施
の形態では、処理装置１０として典型的には各種の家庭
用ゲーム機あるいは携帯情報端末が想定されており、本
発明の方法に基づく検索処理プログラムが予め処理装置
１０側に準備されていることが期待できないとしてい
る。そこで、処理装置１０の処理部１２で走らせるため
の検索処理プログラム自体を検索対象のＣＤ−ＲＯＭ２
０内に格納し、ＣＤ−ＲＯＭ２０がＣＤ−ＲＯＭドライ
ブ１１に装着された時点で、検索処理プログラムが処理
装置１０の処理部１２に読み込まれるようにしている。

【００１８】インデックスファイルは、一般に、索引語
（見出し語）やキーワードと、その索引語やキーワード
に対する物件（辞書、事典類の場合であるば説明文）の
格納位置を表わす情報とからなるファイルである。本実
施の形態では、説明文ごとに連続番号でインデックス番
号を付与し、索引語やキーワードとこのインデックス番
号とを関連付けるとともに、ＣＤ−ＲＯＭ２０中での対
応する説明文の格納場所に対して、このインデックス番
号から即座にアクセスすることができるようにしてい
る。見出し語の５０音順に対してインデックス番号が昇
順で並ぶようになっている。また、複数のファイル、少
なくとも検索用倒置ファイル３２と検索用指示ファイル
３１（いずれも図４参照）が、インデックスファイル格
納部２２に格納されるようにしている。検索用倒置ファ
イル３２は本発明における第１のファイルに相当し、検
索用指示ファイル３１は第２のファイルに相当する。

【００１９】検索用倒置ファイル３２は、いわゆる倒置
（インバーテッド）ファイルとして構成されたインデッ
クスファイルであり、あいまい検索などを実現するため
に、索引語（キーワード）を１文字あるいは２文字の連
語（例えば、「あ」、「い」、「ああ」、「山」）に分
解し、連語をキーとしてその連語を含む項目のインデッ
クス番号が参照できるように構成されている。連語とは
本来は２文字以上の文字列を指すが、本明細書において
は、１文字のものも連語と呼ぶことにする。索引語を連
語に分解しているので、１つの索引語に１つの説明文し
か対応しない場合（国語辞書などの場合）であっても１
つの連語には複数のインデックス番号が対応し、したが
って、連語ごとにレコードを構成するとすれば、検索用
倒置ファイル３２は可変長レコードのファイルであると
いえる。以下、検索用倒置ファイルにおける連語ごとの
インデックス番号の並びを（連語の）レコードと呼ぶ。
なお、検索用指示ファイル３１が設けられているので、
検索用倒置ファイル３２には、連語そのものを格納して
おく必要はない。一方、検索用指示ファイル３１は、連
語をキーとして、検索用倒置ファイルにおいてその連語
のレコードがどこにあるかを指示するファイルである。
したがって、連語ごとにレコードを構成するとするすれ
ば、検索用指示ファイルは固定長のファイルであるとい
える。後述するように、実際に検索を行う場合には、そ
れに先立って検索用指示ファイル３１がＣＤ−ＲＯＭ２
０から処理装置１０側に読み出される。

【００２０】次に、情報検索処理について、図３及び図
４を用いて説明する。

【００２１】ＣＤ−ＲＯＭ２０が処理装置１０に装着さ
れると、まず、検索処理プログラムがＣＤ−ＲＯＭ２０
から読み出されて処理装置１０の処理部１２にロードさ
れ、この検索処理プログラムの実行が開始する（ステッ
プ１０１）。検索処理プログラムのロードは、例えばＣ
Ｄ−ＲＯＭ装置を備えた家庭用ゲーム機でＣＤ−ＲＯＭ
からゲームプログラムが自動的にロードされるのと同様
の手順で行われる。続いて、ＣＤ−ＲＯＭ２０から検索
用指示ファイル３１が読み出され、処理装置１０のファ
イル格納用メモリ１３に格納される（ステップ１０
２）。

【００２２】利用者が検索条件として検索キーを入力す
ると（ステップ１０３）、入力された検索キーに応じて
ファイル格納用メモリ１３内の検索用指示ファイル３１
が検索され（ステップ１０４）、その検索結果によって
ＣＤ−ＲＯＭ２０内の検索用倒置ファイル３２が検索さ
れ（ステップ１０５）、後処理が実行される（ステップ
１０６）。すなわち、図４に示すように、検索キーが連
語に分解され、分解された連語によって検索用指示ファ
イル３１が検索され、検索用倒置ファイル３２における
検索すべきレコードの位置が求められる。そして、該当
する連語のレコードが検索用倒置ファイルから検索され
て処理装置１０側に読み込まれる。そして、一致検索の
場合であれば、検索用倒置ファイル３２から読み込まれ
た連語のレコードの中で全レコードに共通して存在する
インデックス番号を求め、このインデックス番号に基づ
いて、辞書データ本体格納部２３から該当する説明文が
処理装置１０に読み込まれる。一方、あいまい検索の場
合であれば、読み込まれた連語のレコードの数に対して
あるインデックス番号が出現するレコードの数の割合が
所定の値（一致度）を上回っていれば、そのインデック
ス番号に基づいて説明文を読み込むようにする。

【００２３】そして、上述のように読み込まれた説明文
すなわち検索結果の説明文を表示部１５に表示し（ステ
ップ１０６）、利用者に対して次の検索を行うかどうか
を問い合わせる（ステップ１０７）。次の検索を行う場
合にはステップ１０３に戻って次の検索キーの入力を受
け付け、次の検索を行わない場合にはそのまま処理を終
了する。

【００２４】この実施の形態では、インバーテッドファ
イルであってデータ量が多い検索用倒置ファイル３２は
ＣＤ−ＲＯＭ２０内に残しておき、データ量が小さくか
つ検索用倒置ファイル３２に対するポインタとして使用
される検索用指示ファイル３１は処理装置１０内のファ
イル格納用メモリ１３にロードし、検索キーに基づく検
索をまず検索用指示ファイル３１に対して実行すること
により、十分なメモリを備えていないような場合であっ
ても、高速で検索を行うことが可能になる。すなわち、
最終的には検索用倒置ファイル３２からの処理装置１０
へのデータの読み込みが必要になるが、検索用指示ファ
イル３１を用いて対象となる連語のレコードを絞ってい
るので、検索用倒置ファイル３２から読み込まれるレコ
ードの数を必要最小限にし、ＣＤ−ＲＯＭ２０からの読
み込みに要する時間を縮減することが可能になってい
る。検索用指示ファイル３１はファイル格納用メモリ１
３に常駐させておくことが可能なので、繰り返して検索
を行う場合に大幅に検索時間を減らすことが可能にな
る。

【００２５】次に、本発明の別の実施の形態として、検
索用指示ファイル３１及び検索用倒置ファイル３２のほ
かにいくつかの補助的なファイルを使用し、さらにペー
ジングを導入することによって、さらに検索時間の短縮
を図った例について説明する。図５は、検索処理のため
にここで使用する各ファイルの概要を説明する図であ
る。この実施の形態では、学習工程によってインデック
スデータファイル３０から検索用指示ファイル３１、検
索用倒置ファイル３２、補助インデックスファイル３
３、ページ情報ファイル３４及び先頭文字位置ファイル
３５を予め生成してこれらファイル３０〜３５をＣＤ−
ＲＯＭ２０のインデックスファイル格納部２２に格納し
ておき、実際に検索を行う場合には検索用指示ファイル
３１、補助インデックスファイル３３、ページ情報ファ
イル３４及び先頭文字位置ファイル３５を処理装置２０
のファイル格納用メモリ１３内に予めロードする。以
下、各ファイル３０〜３５の構成について説明する。

【００２６】インデックスデータファイル３０は、ＣＤ
−ＲＯＭ２０内の説明文（物件）にアクセスするため基
本となるファイルであって、説明文ごとに、その説明文
に対するインデックス番号と見出し語（索引語）とＣＤ
−ＲＯＭ２０内での格納位置とを記述したものである。
説明文は見出し語の５０音順で配置されており、各説明
文に対して０から始まる連続番号であるインデックス番
号が、重複しないように付与されている。各見出し語は
「読み」と「実体」とに分かれており、「読み」にはそ
の見出し語の読みが格納され、「実体」にはその見出し
語の実際の表記（漢字やアルファベット）が格納されて
いる。なお、この実施の形態ではひらがなとかたかなの
区別、清音と濁音、半濁音の区別は行っておらず、ま
た、ひらがなのみで表記される見出し語については、
「実体」には何も格納していない。

【００２７】上述のようなインデックスデータファイル
に対し、図６に示すような処理を行うことによって、検
索用指示ファイル３１以下の各ファイル３１〜３５が生
成される。まず、各見出し語から１文字の連語としての
構成文字を抽出する。「読み」の部分については、２文
字の連語（構成文字列）も抽出する。例えば、見出し語
「（読み）あそさん、（実体）阿蘇山」からは、「あ」,
「そ」,「さ」,「ん」,「あそ」,「そさ」,「さん」,「阿」,「蘇」,「山」
が抽出される。そして、これら各構成文字がどのインデ
ックス番号の見出し語に含まれているかを求め、そのイ
ンデックス番号を保存する。つまり、構成文字（列）を
キーとしインデックス番号を並びとするインバーテッド
ファイルを生成する。そして、ページング処理を実行
し、インデックス番号の代りにページング後のインデッ
クス番号が記録されるようにする。ページングとは、検
索速度の向上を目的として、一連のインデックス番号を
複数のページに分けることである。例えば、インデック
ス番号を６５５３６（＝２¹⁶）で除算したとして、商を
ページの番号、余りをページング後のインデックス番号
とする。このようにページングを定義すると、ページン
グの結果、インデックス番号２３２１０は第０ページの
２３２１０と、６５５３７は第１ページの１と表わされ
ることになる。

【００２８】図８は検索用指示ファイル３１の構成例を
示している。ここでは、各構成文字の各ページごとに、
その構成文字が出現した見出し語の数（該当するインデ
ックス番号の数）が格納されている。検索用指示ファイ
ル３１での構成文字の順は検索用倒置ファイル３２での
構成文字の順と同じとなっており、検索用指示ファイル
３１において注目する構成文字の直前の構成文字までに
出現回数として格納された数の総和を求めれば、その総
和は、検索用倒置ファイル３２でのその注目する構成文
字に対するポインタとして扱うことができる。あるい
は、検索用指示ファイル３１には、各構成文字の各ペー
ジごとに、検索用倒置ファイル３２における当該構成文
字の当該ページの先頭のアドレスを直接記録するように
してもよく、このように構成すれば、検索用指示ファイ
ル３１での値を検索用倒置ファイル３２のレコードに対
するポインタとしてそのまま使用することが可能にな
る。

【００２９】図９は検索用倒置ファイル３２の構成例を
示している。この検索用倒置ファイル３２では、各構成
文字の各ページを単位としてレコードが構成され、各レ
コードは、可変長であって、該当する構成文字の該当す
るページに出現するインデックス番号を並びとして格納
している。各レコードには、構成文字やページを表わす
データは格納されていない。インデックス番号自体は、
所定の整数型データとして表わされている。検索用指示
ファイル３１に格納されているデータが図８に示すよう
であれば、各レコードの要素数（格納されているインデ
ックス番号の数）は、図９において要素数として表わさ
れた数となる。上述したように検索用指示ファイル３１
と検索用倒置ファイル３２では構成文字の出現順が同じ
になっているが、この出現順は例えば５０音順である必
要はなく、例えば、構成文字ごとの出現回数の多い順に
並べてもよい。特に、検索用指示ファイル３１に格納さ
れている値が出現回数である場合には、ポインタの算出
を短時間で行うために、出現回数の多い順で配置するこ
とが好ましい。

【００３０】上述したように検索用指示ファイル３１、
検索用倒置ファイル３２が生成したら、次に、補助イン
デックスファイル３３を生成する。補助インデックスフ
ァイル３３は、検索用指示ファイル３１に対するインデ
ックスファイルであり、検索用指示ファイル３１におい
て各構成文字のデータがどの辺りに位置するかを示すフ
ァイルである。検索用指示ファイル３３において構成文
字が例えば文字コードの順に配置され、かつ、連続した
数値によって文字コード体系が設計されている場合に
は、補助インデックスファイル３３を設けなくても検索
用指示ファイル３１の所望の構成文字の欄に即座にアク
セスすることができる。しかしながら、現在、計算機内
部で日本語文字を表わすのに一般的に使用されている文
字コード、特にいわゆるシフトＪＩＳコードでは、飛び
飛びの値に文字が割り振られているので、ある構成文字
が文字コードとして渡された場合に、その構成文字の欄
が検索用指示ファイル３１中でどの辺りにあるのかを即
座に知ることができない。そこで本実施の形態では、補
助インデックスファイル３３を設け、例えば構成文字の
５００個を単位として、ある構成文字が与えられた場合
にその構成文字のデータがどの辺にあるかが分かるよう
にしている。

【００３１】次に、完全一致検索や先頭一致検索をより
高速に行うためのページングについて説明する。上述し
たページングでは、例えばインデックス番号を６５５３
６で除算したときの商をページ番号とし、余りをページ
ング後のインデックス番号としているので、各ページの
要素数は６５５３６で固定されている。ここで、図１０
の(a)に示すように、同音異義語があってインデックス
番号の６５５３５と６５５３６の読みがともに「しょう
じょう」である場合、これら２つの「しょうじょう」は
図１０の(b)に示すように、異なるページにページング
されることになる。ところで本実施の形態では、後述す
るように、レコード単位で検索用倒置ファイル３２から
データを読み込んでくるから、先頭文字が同じであるイ
ンデックス番号が２つのページにまたがってページング
されると、その２つのページのレコードをそれぞれ読み
込んでくることとなり、検索時間が余計にかかることに
なる。先頭文字が変化する完全一致や先頭一致検索の場
合、先頭文字が異なるものは全く検索する必要がないこ
とに留意すると、図１０(c)に示すように先頭文字が変
化する切れ目の位置にページ境界を設定することによ
り、先頭文字以外の文字についても該当するページのみ
を読み込めばよいから、検索用倒置ファイル３２から読
み込むべきデータ量が大幅に減って、検索時間の短縮を
図ることができる。図１０(c)に示した例では、先頭文
字「さ」と先頭文字「し」の切れ目となる位置で、第０
ページと第１ページが分けられている。なお、先頭文字
ごとのインデックス番号の数（説明文の数）を考慮し
て、このようなページングは、構成文字がひらがなであ
る部分について実行する。

【００３２】ところで実際にＣＤ−ＲＯＭ２０の辞書デ
ータ本体格納部２３に格納された説明文を読み出す場
合、インデックスデータファイル３０に記録されている
インデックス番号はページング前のものであるから、ペ
ージング前のインデックス番号を用いる必要がある。上
述したようにページングを行って各ページの要素数が異
なる場合には、ページング前のインデックス番号を得る
ためには、各ページごとの要素数を保存しておく必要が
ある。そこで、ページ情報ファイル３４を設け、図１１
に示すように各ページの要素数（インデックスの数）を
保存している。ページング後のインデックス番号が第２
ページの１２３４５であれば、ページング前のインデッ
クス番号は、第０ページと第１ページの要素数の和に１
２３４５を加算した値（図１１の例では58721+62310+12
345=133376）で表わされる。

【００３３】さらに本実施の形態では、完全一致検索、
先頭一致検索の高速化のために、先頭文字位置ファイル
３５を設けている。先頭文字位置ファイル３５は、図１
２に示すように、「読み」の部分に関して先頭文字ごと
にその先頭文字が始まるページング後のインデックス番
号を格納している。これにより、例えば、「読み」にお
いて先頭文字が「う」であるものは、インデックス番号
が２３６９から３９５５の範囲にあるものと即座に分か
り、検索対象を絞り込むのに役立つ。

【００３４】次に、上述のようにインデックスデータフ
ァイル３０から各ファイル３１〜３５が生成して格納さ
れたＣＤ−ＲＯＭ２０を対象とし、このＣＤ−ＲＯＭ２
０から検索処理プログラムが処理装置１０の処理部１２
に読み込まれ、さらに検索用指示ファイル３１と補助イ
ンデックスファイル３３とページ情報ファイル３４と先
頭文字位置ファイル３５と処理装置１０のファイル格納
用メモリ１３に読み込まれたとして、どのように情報検
索処理が実行されるかを説明する。図１３及び図１４は
この情報検索処理の具体的手順を表わすフローチャート
である。

【００３５】利用者によって、検索条件として、検索方
法（完全一致検索、部分一致検索、先頭一致検索、後方
一致検索あるいはあいまい検索の別）と検索文字列（検
索キー）とが入力されると（ステップ１１１）、まず、
あいまい検索かそうでないかの判断がなされる（ステッ
プ１１２）。あいまい検索の場合には、利用者からの一
致度ｘの入力を受け（ステップ１１３）、入力された検
索文字列から、漢字１文字で構成された検索実行文字と
ひらがな１文字で構成された検索実行文字を順次抽出す
る（ステップ１１４）。本実施の態様では、上述したよ
うに、１文字あるいは２文字からなる連語に検索文字列
を分解し、分解して得た連語に基づいて検索を行うが、
この分解して得た連語のことを検索実行文字という。例
えば検索文字列「あそ山」からは「あ」,「そ」,「山」が検索
実行文字として抽出される。なお、同一の検索検索文字
が重複しては抽出されないようにする。そして、抽出さ
れた検索実行文字により、ファイル格納用メモリ１３に
既に格納されている検索用指示ファイル３１を検索する
（ステップ１１５）。その際、補助インデックスファイ
ル３３を使用することによって、検索用指示ファイル３
１をその先頭から走査することなく、検索用指示ファイ
ル３１の目的とする場所に素早くアクセスすることが可
能になる。検索文字列「あそ山」の例でいえば、検索用
指示ファイル３１での構成文字「あ」,「そ」,「山」の内容が
それぞれ読み出され、「あ」,「そ」,「山」に関する検索用倒
置ファイル３２へのポインタがそれぞれ算出される。そ
して、ステップ１２５に移行する。

【００３６】一方、ステップ１１２であいまい検索でな
い場合、すなわち一致検索の場合には、一致度ｘを１０
０％に設定し（ステップ１１６）、入力された検索文字
列が全てかな文字からなるあるいは全て漢字からなるか
どうかを判定する（ステップ１１７）。全てかな文字あ
るいは全て漢字ではない場合（典型的にはかなと漢字が
混在する場合）には、上述のステップ１１４とステップ
１１５を順次実行してステップ１２５に移行し、全てか
な文字あるいは全て漢字の場合には、検索文字列が全て
かな文字であるかを判定する（ステップ１１８）。ステ
ップ１１８で全てかな文字の場合には、検索文字列か
ら、ひらがな２文字で構成された検索実行文字を順次抽
出する（ステップ１１９）。例えば、検索文字列が「あ
そさん」であれば、検索実行文字として「あそ」,「そさ」,
「さん」が抽出される。一方、ステップ１１８で全てかな
でない場合、すなわち全て漢字の場合には、検索文字列
から、漢字１文字で構成された検索実行文字を順次抽出
する（ステップ１２０）。例えば、検索文字列「阿蘇
山」からは検索実行文字として「阿」,「蘇」,「山」が抽出さ
れる。そして、ステップ１１９を実行した場合もステッ
プ１２０を実行した場合も、このようにして抽出された
検索実行文字により、上述と同様に、ファイル格納用メ
モリ１３に既に格納されている検索用指示ファイル３１
を検索する（ステップ１２１）。

【００３７】ところで、後述するように検索実行文字に
基づいて最終的にはＣＤ−ＲＯＭ２０内の検索用倒置フ
ァイル３２が検索されることになっており、その際、検
索実行文字が多数あると、それだけＣＤ−ＲＯＭ２０へ
のアクセス回数が増えることになる。そこで、ステップ
１２１の実行後、検索実行文字がＮ個以上見つかったか
どうかを判断し、検索実行文字がＮ個以上であれば、出
現回数が多い方の検索実行文字から削って検索実行文字
の数をＮ−１にする（ステップ１２２）。検索実行文字
の出現回数は検索用指示ファイル３１に記述されてい
る。Ｎは例えば７に設定する。ここで出現回数の多い方
から削るのは、出現回数の多い検索実行文字は多くの見
出し語に含まれていて、入力された検索文字列を特定す
るのに余り役立たないと考えられるからである。ステッ
プ１２２の実行後、検索方法が完全一致検索あるいは
先頭一致検索であって、かつ、先頭文字がかなであ
る、が満たされているかどうかを判断する（ステップ１
２３）。満たされていない場合にはそのままステップ１
２５に移行し、満たされている場合には、上述のように
構成文字の先頭文字が変化する切れ目にページ境界が設
定されていることから、検索実行文字の先頭のかな文字
に基づいて、検索すべき対象のページを決定し（ステッ
プ１２４）、その後、ステップ１２６に移行する。

【００３８】ステップ１２５では、検索方法があいまい
検索であるかを判定し、あいまい検索であればそのまま
ステップ１２６に移行し、あいまい検索でない場合には
ステップ１２３に移行する。

【００３９】ステップ１２６では、ステップ１１５ある
いはステップ１２１での検索用指示ファイル３１の検索
結果に応じ、ＣＤ−ＲＯＭ２０内の検索用倒置ファイル
３２から未処理の１ページ分のレコードを読み込む。検
索文字列「あそ山」の例では、「あ」,「そ」,「山」のそれぞ
れについてのレコードが読み出される。後述するよう
に、ステップ１２４で対象ページが設定される場合を除
いてステップ１２５は繰り返して実行されるが、例え
ば、第０ページに属するレコードがまず読み出され、次
にステップ１２５が実行されるときに第１ページに属す
るレコードが読み出される。また、ステップ１２４で対
象ページが設定されている場合には、その対象ページに
属するレコードが読み出される。上述したようにステッ
プ１１５あるいはステップ１２１では、各検索実行文字
ごとに検索用倒置ファイル３２でのその検索実行文字の
レコードへのポインタ（格納位置に関する情報）が求め
られているから、このポインタを用いて検索用倒置ファ
イル３２にアクセスし、その検索実行文字のレコードを
読み出せばよい。すなわち、検索用倒置ファイル３２の
全体を走査する必要はなく、検索用倒置ファイル３２の
必要な場所に直接アクセスすることが可能になってい
る。

【００４０】そして、検索実行文字に対する各インデッ
クス番号の出現頻度を求める（ステップ１２７）。図１
５は出現頻度の集計を説明する図である。すなわち、検
索用倒置ファイル３２から読み出されたレコードについ
て、各インデックス番号ごとに出現回数をカウントす
る。図１５において○印はそのレコードにおいてそのイ
ンデックス番号が記録されていたことを示している。こ
の例では、検索文字列「あそ山」から抽出された各検索
実行文字「あ」,「そ」,「山」のレコードについて、それぞれ
どのインデックス番号が出現したかが示されており、例
えば検索実行文字「あ」のレコードには、インデックス番
号０,３,８,９,１３,１５が記録されていることが示さ
れている。そして、検索実行文字の数（この例では３）
で出現回数を除算することにより、各インデックス文字
ごとに出現頻度が求められている。この例では、検索実
行文字の各レコードに共通にインデックス番号１３が含
まれ（出現回数が３）、インデックス番号１３に対する
出現頻度が１００％であることが示されている。

【００４１】出現頻度の集計が終了したら、検索方法
が完全一致か先頭一致検索であり、かつ、検索文字列
の先頭がかなである、という条件を満足するかどうかを
判定する（ステップ１２８）。この条件を満足しない場
合にはそのままステップ１３０に移行し、満足する場合
には、検索文字列の先頭文字に応じて先頭文字位置ファ
イル３５を参照し、評価対象となるインデックス番号の
範囲を求め（ステップ１２９）、以後の処理ではその範
囲内のインデックス番号のみを対象とするようにして、
ステップ１３０に移行する。このように先頭文字に応じ
てインデックス番号の範囲を絞るのは、インデックス番
号の出現頻度のみに着目すると検索文字列「あそ山」に
対して見出し語「山あそ」もヒットすることになるの
で、このような検索ノイズの発生を防ぎ、ＣＤ−ＲＯＭ
２０への不要なアクセスを減らすためである。先頭文字
「あ」で範囲を限定すれば、検索文字列「あそ山」に対
し、「あ山そ」はヒットするが、「山あそ」などのヒッ
トは防ぐことができる。

【００４２】ステップ１３０では、出現頻度が一致度ｘ
以上となっているインデックス番号を求める。一致検索
に対してはステップ１１６でｘ＝１００％としているの
で、出現頻度が１００％のインデックス番号のみが求め
られる。一方、あいまい検索の場合には、ステップ１１
３で入力した一致度ｘに応じてインデックス番号が求め
られる。そして、求められたインデックス番号に基づい
てＣＤ−ＲＯＭ２０内のインデックスデータファイル３
０を参照し、それらのインデックス番号に対応する見出
し語を求める（ステップ１３１）。その際、それらのイ
ンデックス番号に対応する説明文の辞書データ本体格納
部２３での格納位置も求めておく。

【００４３】続いて、検索方法があいまい検索であるか
どうかを判断し（ステップ１３２）、あいまい検索であ
ればそのままステップ１３４に移行し、あいまい検索で
ない場合すなわち一致検索である場合には、求められた
見出し語が検索条件と合致しているかを判定する（ステ
ップ１３３）。ステップ１３３において検索条件と合致
している場合にはステップ１３４に移行し、検索条件に
合致していない場合にはステップ１３５に移行する。こ
こで検索条件と合致しているかを判断するのは、本実施
の形態の手順によれば、検索文字列「あそ山」に対して
「あそ山」と「あ山そ」の両方が見出し語として検出さ
れるので、ノイズである「あ山そ」を排除するためであ
る。なお、あいまい検索の場合には、利用者の意図する
検索対象に「あ山そ」も含まれている可能性があるの
で、検索条件に合致しているかどうかのステップ１３３
でのチェックは行わない。

【００４４】あいまい検索である場合とステップ１３３
で検索条件に合致している場合にはステップ１３４に移
行するが、ステップ１３４では、該当するインデックス
番号に対応する説明文をＣＤ−ＲＯＭ２０の辞書データ
本体格納部２３から読み出し、検索された見出し語と対
応する説明文とを表示部１５に表示し、ステップ１３５
に移行する。辞書データ本体格納部２３にアクセスする
場合には、ステップ１３１においてインデックスデータ
ファイル３０にアクセスした際に既に求めてある格納位
置の情報を使用する。

【００４５】ステップ１３５では、全ページの処理が終
了したかどうかを判断し、未処理のページが残っている
のであればステップ１２６に戻り、全ページの処理が終
了しているのであれば、入力された検索文字列に対する
情報検索処理を終了する。ステップ１２４で対象ページ
が定められている場合には、未処理のページが存在しな
いので、そのまま処理を終了する。

【００４６】以上、本発明の実施の形態についてＣＤ−
ＲＯＭ版の辞書の場合を例に挙げて説明したが、本発明
はこれに限定されるものではなく、記憶媒体としてＣＤ
−ＲＯＭ以外のもの、例えばリムーバブルハードディス
クも使用可能であり、また、記憶媒体に格納される内容
も辞書や事典に限られず、例えば、各種の論文集、特許
公報類であってもよい。

【００４７】

【発明の効果】以上説明したように本発明の情報検索方
法は、典型的にはＣＤ−ＲＯＭである記憶媒体に、物件
のデータとともに、記憶媒体における各物件の格納位置
を表わす情報を要素とするレコードを有しインバーテッ
ドファイルである第１のファイルと、第１のファイルで
の各レコードの格納位置を表わす情報を要素とする第２
のファイルとを格納し、情報検索処理を実行する場合に
は、第２のファイルを処理装置側に転送し、検索条件に
したがって処理装置内の第２のファイルを検索すること
により、相対的にアクセス速度の遅い記憶媒体へのアク
セス量が減って、処理装置のメモリ容量が小さい場合で
あっても、検索時間の大幅な短縮を図ることができると
いう効果がある。

【００４８】本発明の情報検索システムは、物件のデー
タを格納する記憶媒体として、物件のデータとともに、
その記憶媒体における各物件の格納位置を表わす情報を
要素とするレコードを有しインバーテッドファイルであ
る第１のファイルと、第１のファイルでの各レコードの
格納位置を表わす情報を要素とする第２のファイルとを
格納した記憶媒体を使用し、処理装置として、第２のフ
ァイルを読み込んで保持するためのメモリ手段を有する
ものを使用し、検索条件にしたがってメモリ手段内の第
２のファイルをまず検索することにより、相対的にアク
セス速度が遅い記憶媒体へのアクセス量が減って、メモ
リ手段の容量が小さい場合であっても検索時間の大幅な
短縮を図ることができるという効果がある。このとき、
第２のファイルにおける各レコードに対するインデック
スとなる第３のファイルを記憶媒体が保持し、第３のフ
ァイルが第２のファイルとともにメモリ手段内に転送さ
れて第３のファイルがまず検索の対象となるようにする
ことによって、さらに検索時間の短縮を図ることができ
る。

【００４９】本発明の情報検索用記憶媒体は、物件のデ
ータとともに、各物件の格納位置を表わす情報を要素と
するレコードを有しインバーテッドファイルである第１
のファイルと、第１のファイルでの各レコードの格納位
置を表わす情報を要素とする第２のファイルとを格納す
ることにより、第２のファイルを相対的にアクセス速度
が早いメモリなどに転送して、転送後の第２のファイル
を対象として検索条件に応じた検索をまず実行すること
によって、相対的にアクセス速度の遅い情報検索用記憶
媒体へのアクセス量を減らすことができ、十分なメモリ
を確保できない場合であっても、検索時間を短縮できる
ようになるという効果がある。また、情報検索のための
処理プログラム自体を情報検索用記憶媒体に格納してお
くことにより、処理装置側でプログラムを用意する必要
がなくなるとともに、物件の性質や物件に対する見出し
語（索引語）、検索方法に応じて最適の検索アルゴリズ
ムを利用者に提供できるようになる。

【図面の簡単な説明】

【図１】本発明の実施の一形態の情報検索システムを説
明するブロック図である。

【図２】ＣＤ−ＲＯＭ内でのデータの配置を示す図であ
る。

【図３】図１の情報検索システムにおける情報検索処理
の概要を示すフローチャートである。

【図４】図１の情報検索システムにおける情報検索処理
時のデータの流れの概略を示す図である。

【図５】情報検索処理に使用される各種ファイル間の関
係を示す図である。

【図６】インデックスデータファイルの内容の一例を示
す図である。

【図７】インデックスデータファイルから各種ファイル
を生成するための学習過程を示す図である。

【図８】検索用指示ファイルの内容の一例を示す図であ
る。

【図９】検索用倒置ファイルの内容の一例を示す図であ
る。

【図１０】ページングを説明する図である。

【図１１】ページ情報ファイルの内容の一例を示す図で
ある。

【図１２】先頭文字位置ファイルの内容の一例を示す図
である。

【図１３】情報検索処理の具体的処理手順を示すフロー
チャートである。

【図１４】情報検索処理の具体的処理手順を示すフロー
チャートである。

【図１５】出現頻度の集計を説明する図である。

【符号の説明】

１０処理装置１１ＣＤ−ＲＯＭドライブ１２処理部１３ファイル格納用メモリ１４入力部１５表示部２０ＣＤ−ＲＯＭ２１処理プログラム格納部２２インデックスファイル格納部２３辞書データ本体格納部３０インデックスデータファイル３１検索用指示ファイル３２検索用倒置ファイル３３補助インデックスファイル３４ページ情報ファイル３５先頭文字位置ファイル１０１〜１０７，１１１〜１３５ステップ

Claims

【特許請求の範囲】

【請求項１】多数の物件を格納した記憶媒体を対象と
し、前記記憶媒体を処理装置に装着して前記記憶媒体か
ら検索条件に該当する物件を検索する情報検索方法にお
いて、前記記憶媒体における各物件の格納位置を表わす情報を
要素とするレコードを有しインバーテッドファイルであ
る第１のファイルと、前記第１のファイルでの各レコー
ドの格納位置を表わす情報を要素とする第２のファイル
とを生成して前記記憶媒体に予め格納し、前記記憶媒体に格納された物件に対する情報検索処理を
実行する場合に、前記記憶媒体から前記第２のファイル
を前記処理装置に転送し、前記処理装置に入力した前記
検索条件にしたがって前記処理装置内の前記第２のファ
イルを検索し、前記第２のファイルに対する検索結果に
応じて前記記憶媒体内の前記第１のファイルにアクセス
して前記検索条件に該当する物件に到達することを特徴
とする情報検索方法。
【請求項２】多数の物件を格納した記憶媒体と、入力
する検索条件に応じて当該検索条件に該当する物件を前
記記憶媒体から検索する処理装置と、からなる情報検索
システムにおいて、前記記憶媒体が、当該記憶媒体における各物件の格納位
置を表わす情報を要素とするレコードを有しインバーテ
ッドファイルである第１のファイルと、前記第１のファ
イルでの各レコードの格納位置を表わす情報を要素とす
る第２のファイルとを保持し、前記処理装置が、前記記憶媒体が装着され前記記憶媒体
からデータを読み出すドライブ手段と、前記記憶媒体か
ら読み出された前記第２のファイルを格納するメモリ手
段と、前記検索条件が入力する入力手段とを有し、情報検索処理に際し、前記記憶媒体から前記第２のファ
イルが前記メモリ手段に転送され、前記入力手段に入力
した前記検索条件にしたがって前記メモリ手段内の前記
第２のファイルが検索され、前記第２のファイルに対す
る検索結果に応じて前記記憶媒体内の前記第１のファイ
ルがアクセスされることにより、前記検索条件に該当す
る物件が検索されることを特徴とする情報検索システ
ム。
【請求項３】前記第２のファイルにおける各レコード
に対するインデックスとなる第３のファイルを前記記憶
媒体が保持し、前記第３のファイルが前記第２のファイ
ルとともに前記メモリ手段内に転送され、前記検索条件
に応じて前記第３のファイルをまず検索することによっ
て物件の検索が行われる請求項２に記載の情報検索シス
テム。
【請求項４】情報検索の対象となる多数の物件を格納
した情報検索用記憶媒体において、当該情報検索用記憶媒体における各物件の格納位置を表
わす情報を要素とするレコードを有しインバーテッドフ
ァイルである第１のファイルと、前記第１のファイルで
の各レコードの格納位置を表わす情報を要素とする第２
のファイルと、を格納したことを特徴とする情報検索用
記憶媒体。
【請求項５】処理装置に装着され前記処理装置によっ
て情報検索が行われる請求項４に記載の情報検索用記憶
媒体であって、前記処理装置に読み込まれることにより、前記処理装置
が、前記情報検索用記憶媒体から前記第２のファイルを
前記処理装置に転送し、前記処理装置に入力した前記検
索条件にしたがって前記処理装置内の前記第２のファイ
ルを検索し、前記第２のファイルに対する検索結果に応
じて前記情報検索用記憶媒体内の前記第１のファイルに
アクセスするように、前記処理装置を制御するプログラ
ムをさらに格納した情報検索用記憶媒体。