JPH1074210A - 文献検索支援方法及び装置およびこれを用いた文献検索サービス - Google Patents

Abstract

(57)【要約】 【課題】 検索された文書群の全体像を一覧することが
可能な検索方法を提供すること。またサービスとしての
検索を可能とすること。 【解決手段】 表示手段に特徴語表示手段を表示し、ユ
ーザーからの要求により検索された文書群に特徴的に出
現する語群を抽出し、さら特徴語相互間の関連性を調べ
て、特徴語をノードとするグラフを作成し検索結果の全
体像を特徴語表示手段に表示する。さらに、ユーザーは
表示された特徴語のグラフを見て、自分の関心の強い語
や逆に関心のない語を選択することにより、効果的に次
の検索戦略を立てられるようになる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文献検索における
対話的なガイダンス機能を実現するためのユーザインタ
フェイスを持つ文献検索支援方法及び装置およびこれを
用いた文献検索サービスに関する。

【０００２】

【従来の技術】文献検索においては、ユーザーが所望す
る文献集合に早く容易に到達できるように、文献検索装
置とユーザーとのさまざまなインタフェイスが考案、開
発されている。その中の主なものとしてはフィードバッ
クとガイダンスがある。フィードバックとは検索結果の
いくつかのアイテムに対してユーザーが「当たり／はず
れ」の判定を下すと、その判定を反映した検索結果を得
ることができるしくみである。またガイダンスとは検索
作業の各段階でその検索作業と関連のあると思われる情
報、したがって利用者が検索条件を工夫したり改良した
りするのに参考となると思われる情報を提供する機能で
ある。

【０００３】ガイダンス機能については、従来一般に、
入力された検索条件に対してその関連情報を提示する方
法が行われている。例えば、シソーラスなど単語間の関
連性を示すデータベースを保持しておき、検索条件とし
て入力された語と関連のある語をデータベースから取り
出して提示する方法である。シソーラスの場合には主に
単語間の上位−下位関係を示す木構造のデータである
が、共起統計を用いて関連語データを自動生成しそれを
用いる方法もある（例えば、B. R. Schatz et al, Inte
ractive term suggestion for users of digital libra
ries: Using subject thesauri and co-occurrence lis
ts for information retrieval. Proc. ACM DL96.p.126
-133）。また、単語間の共起統計データに基づき検索語
とその関連語をネットワーク状に表示する方法も提案さ
れている（例えば、R.H. Fowler, D. W. Dearholt, Inf
ormation Retrieval Using Pathfinder Networks. In P
athfinder Associative Networks, Ablex, article 12,
Edited by R. W. Schvaneveldt(1990)）。

【０００４】しかしながら、検索条件に対してその関連
情報を提示する方法では、検索語が複数になった場合や
否定が使われた場合の対処が難しく、またキーワードを
用いない書類の検索（連想検索など）にも対処が難しい
という問題がある。これを克服する方法として、検索結
果から関連情報を自動抽出してユーザに提供する手法が
ある。例えば、スキャター・ギャザー法（D.Cutting他
(1992). Scatter/Gather : A Cluster-based Approach
to Browsing Large Document Collections. Proc. ACM
SIGIR'92,p.318-329）では検索された文書群を自動分類
（クラスタリング）して各クラスごとの特徴語を表示す
るものである。しかし、クラスタリングは文書数が増え
ると計算量が２乗あるいは３乗のオーダーで大きくなる
のでリアルタイムでの反応が難しくなり、また一般に検
索作業が進んで行くとクラス間の違いが微妙になり、ク
ラスの特徴語からそのクラスの性格を把握しにくくなる
という問題があった。

【０００５】

【発明が解決しようとする課題】本発明は、前述の問題
を解消して、検索された文書群に含まれる話題群をリア
ルタイムで一覧できるよう文書群に特徴的に現れる語群
の特徴語をグラフ形式またはリスト形式で画面表示する
こと、さらには、文書群に特徴的に現れる語群を低頻度
語から高頻度語までバランス良く抽出することのできる
文献検索支援方法及び装置、さらには、この文献検索を
希望するユーザが遠隔地からも行えるようにすることを
目的とする。

【０００６】

【課題を解決するための手段】このため、検索された文
書群に含まれる話題群をリアルタイムで一覧できるよ
う、文書群に特徴的に出現する語群をノードとし、さら
に特徴語間に強い共起関係がある場合、すなわち同一文
書中に出現しやすい度合が高い場合、その単語対にリン
クを張ることによりグラフを構成し、そのグラフを画面
表示するとともに、特徴語のグラフ表示の際に、一般的
な語と特殊性の高い語を一目で見分けることができるよ
うに縦軸方向が特徴語の文書頻度を表すようにする。リ
ストの例で言えば、特徴語を頻度クラスで分類し、文書
頻度の高いものを上段に配列して一覧できるようにして
特殊性の高い語を一目で見分けることができるようにす
る。検索された文書群から特徴語を選ぶ際に、低頻度の
語から高頻度の語までバランス良く特徴語を抽出するた
めには、特徴語を出現頻度によってクラス分けを行な
い、それぞれのクラスから頻度比、すなわち当該文書群
における文書頻度と検索対象全体における文書頻度の比
が大きいものから順に抽出する。

【０００７】

【発明の実施の形態】

実施例１ 以下、本発明の第１の実施例を図１−２０に従って説明
する。本実施例は、独立に使用されるコンピュータによ
る検索装置の構成例である。本実施例では、検索結果を
グラフ表示とする場合を主体に説明する。図１に本実施
例の文献検索装置の全体構成を示す。１は入力手段、２
は表示手段、３はＣＰＵ、４は計算プログラム保持手
段、５は計算プログラムを動作させるためのワークエリ
ア、６はデータベース保持手段であり、これらの手段あ
るいは装置は、これらの間で相互に信号のやり取りをす
るためのバス１００で連携される。入力手段１はキーボ
ード１１、マウス１２、ペン入力手段１３などから構成
され、表示手段２には検索インタフェイス２１および検
索をガイドするための特徴語表示手段２２が表示され
る。計算プログラム保持手段４には本実施例の文献検索
装置を動作させるために必要となる検索インタフェイス
作動ルーチン４１、形態素解析ルーチン４２、検索ルー
チン４３および特徴語表示手段作動ルーチン４４が格納
される。特徴語表示手段作動ルーチン４４は検索された
文書群から特徴語を抽出して特徴語表示手段２２に表示
するため、特徴語抽出ルーチン４４１、共起関係解析ル
ーチン４４２、グラフ配置ルーチン４４３、およびグラ
フ表示ルーチン４４４をサブルーチンとして用いる。ワ
ークエリア５についての詳細は図２を参照して後述す
る。データベース保持手段６は検索対象となる文書デー
タベース６１、検索に用いるインデックスデータベース
６２、単語頻度に関するデータベース６３および除外語
データベース６４から構成される。これらのデータベー
スは、一般には、事前に準備されているものの中から、
使用者が自分の検索目的に合うものを検索対象データと
して選択して使用する。たとえば、新聞記事についての
検索をしたいときは、新聞社が発行しているデータベー
スを購入して使用することになる。もっとも、除外語デ
ータベース６４は装置の供給者が付属データとして提供
するものである場合があろう。

【０００８】図２はワークエリア５の構成についての詳
細である。ワークエリア５は計算プログラム保持手段４
にある諸ルーチンが動作するために必要となるパラメー
タや一時的なデータを保持するためのエリアであり、検
索ワークエリア５１、特徴語抽出ワークエリア５２、共
起関係解析ワークエリア５３、グラフ配置ワークエリア
５４から構成される。各エリアには、更に細分されたデ
ータエリアが備えられるが、これらの詳細についてはそ
れぞれの関連するルーチンが動作する時に説明する。ユ
ーザが文献検索をしようとするとき、まず、キーボード
１１から文献検索システム起動のコマンドを入力する。
これに応じて、検索インタフェイス作動ルーチン４１が
起動され、対話的に検索作業を進めるための検索インタ
フェイス２１が表示手段２に表示される。図３は検索イ
ンタフェイス２１の初期画面の一例である。検索インタ
フェイス２１は検索要求入力部２１１、キーワード表示
・操作部２１２、ヒット件数表示部２１３、タイトル表
示部２１４、文書表示部２１５、検索実行ボタン２１６
および特徴語表示ボタン２１７などから構成される。

【０００９】本実施例では、文献検索用のキーワードと
して必須キーワード、加点キーワード、減点キーワード
の３種類を用いる。検索は必須キーワードに関するアン
ドを取って行なわれ、必須キーワードの指定の無い場合
には加点キーワードのオアで行われる。必須キーワード
で検索された文書が加点キーワードを含む場合には１点
加点し、減点キーワードを含む場合は１点減点する。同
じキーワードが同一文書に何回現れても１点の加点また
は減点とする。これら３種類のキーワードに対応してキ
ーワード表示・操作部２１２は３つの部分から構成され
る。構成は３つとも同様であるのでここでは一番左の必
須キーワードを主体に説明する。キーワード表示・操作
部２１２における必須キーワードの部分は、キーワード
表示部２１２１、移動ボタン２１２１１、クリアボタン
２１２１２から構成される。移動ボタン２１２１１は他
の種類のキーワードを必須キーワードに移す場合に使
い、クリアボタン２１２１２はキーワードを必須キーワ
ードから除去する場合に用いる。すなわち、加点キーワ
ードあるいは減点キーワードに表示されているキーワー
ドを選択して必須キーワードの移動ボタン２１２１１を
押せば、選択されたキーワードが必須キーワードに移さ
れる。また、必須キーワードに表示されているキーワー
ドを選択してクリアボタン２１２１２を押せば、選択さ
れたキーワードが必須キーワードから除去される。同じ
ように、必須キーワードに表示されているキーワードを
選択して、たとえば、加点キーワードの移動ボタン２１
２２１を押せば、選択されたキーワードが加点キーワー
ドに移される。また、必須キーワードに表示されている
キーワードを選択して、減点キーワードの移動ボタン２
１２３１を押せば、選択されたキーワードが減点キーワ
ードに移される。

【００１０】また、これらの移動ボタンは後述するよう
に、表示されている特徴語をキーワードにコピーするた
めのコピーボタンとしても使用される。すなわち、移動
かコピーかは対象となる語がどこの領域にあるかにより
使い分けられる。検索要求を入力する場合には、検索要
求入力部２１１の検索要求入力窓２１１１をマウス１２
でクリックするなどして入力待ち状態にしてからキーボ
ード１１を用いて必須キーワード、加点キーワードおよ
び減点キーワード等の検索要求を入力する。続いて入力
完了ボタン２１１２を押すと、入力窓２１１１に入力さ
れた文字列が形態素解析ルーチン４２へ渡されて単語列
に分割され、さらに除外語データベース６４を参照し
て、そこに登録されている単語を除去した結果がキーワ
ード格納エリア５１１のデフォールトのキーワード格納
エリア５１１１または５１１２（図２）へ格納される。
ここではデフォールトのキーワードのタイプは必須キー
ワードとした。また、それぞれの内容はキーワード表示
部２１２１または２１２２にリストの形で表示される。
この場合、後述する例からも分かるように、形態素解析
ルーチン４２が持つ辞書に応じて単語の分割状態が決ま
る。

【００１１】ここで、検索実行ボタン２１６を押すと検
索ルーチン４３が起動され、検索用インデックスデータ
ベース６２（すなわちある単語がどの文書に含まれてい
るかを示すデータ）を参照して、必須キーワードをアン
ドで含む文書を検索し、結果として得られ文書識別番号
の列が検索結果格納エリア５１２へ格納される。なお検
索ルーチン４３は必須キーワードで検索された文書につ
いて加点キーワードが含まれている場合には加点キーワ
ードの一つについて１点加点し、減点キーワードが含ま
れている場合には減点キーワードの一つについて１点減
点するという作業を行ない、この得点も文書識別番号と
合わせて検索結果格納エリア５１２へ格納する。必須キ
ーワードの指定がない場合には、検索ルーチン４３は加
点キーワードに関する検索を加点キーワードのオアで行
ない、以下同様の仕方で得点を計算する。必須キーワー
ドも加点キーワードもない場合には、検索実行ボタン２
１６が押されても検索は行なわない。

【００１２】必須キーワードは、検索に際してはアンド
で処理されるから、より厳密に検索結果を絞りこみたい
ときには不可欠であるが、どちらかといえば、検索結果
に漏れがない検索をしたいときには、加点キーワードの
みとしてこのオアで検索を行い、この検索結果に入って
欲しくない事項を含む可能性がある事項を想定できると
きは減点キーワードを設定するのがよい。さらに、検索
ルーチン４３は検索結果格納エリア５１２に格納された
検索結果から得点分布を計算し、その結果を検索結果得
点分布格納エリア５１３に格納する。得点分布とは加点
または減点の得点が何点の文書が何件あったかを示すデ
ータである。

【００１３】以下「電子出版」を必須キーワードとする
検索要求を入力した場合を例に採り説明する。「電子出
版」なる文字列を必須キーワードとして検索要求入力窓
２１１１に入力した後、入力完了ボタン２１１２を押
す。形態素解析ルーチン４２により「電子出版」は「電
子／出版」と分割されて必須キーワード格納エリア５１
１１に格納され、さらに必須キーワード表示部２１２１
の１行目と２行目に分割して表示される。図４は、この
段階で検索実行ボタン２１６を押した場合の検索ワーク
エリア５１の状態を示したものである。今の例では必須
キーワードが「電子」と「出版」なので、それらが必須
キーワード格納エリア５１１１に格納されている。それ
以外の加点キーワードあるいは減点キーワードは、検索
要求入力窓２１１１に検索者によって付与されなかった
ので、加点キーワード格納エリア５１１２と減点キーワ
ード格納エリア５１１３は空欄のままである。また検索
された文書番号とその得点が検索結果文書番号格納エリ
ア５１２に格納されている。この場合には加点キーワー
ドと減点キーワードがないので得点は全て０である。ま
た得点別に件数をカウントして得られるデータが検索結
果得点分布格納エリア５１３に格納されている。この場
合得点は０のみでそれが７７件あったことを示してい
る。

【００１４】図５は、この検索結果を表示した検索イン
タフェイス２１の状態を示したものである。必須キーワ
ード表示部２１２１に必須キーワード「電子」と「出
版」が表示され、ヒット件数表示部２１３に検索結果得
点分布格納エリア５１３の内容が表示され、タイトル表
示部２１４には検索された文書識別番号とそのタイトル
が１件１行で適当数表示されている。表示されていない
文書識別番号とそのタイトルを知りたいときは、いわゆ
るスクロールバーによって表示に現れる部分をずらせば
よい。表示されたタイトルから本文を読んで見たいもの
があれば、該当するタイトルの所をマウスなどで指示す
れば本文の内容の一部が文書表示部２１５に表示され
る。表示されていない部分の文書の内容を知りたいとき
は、同じように、スクロールバーによって表示に現れる
部分をずらせばよい。

【００１５】これで「電子出版」に関する文書が７７件
検索されたことになるが、次の段階として、さらに検索
を特定の対象に絞り込みたい場合、あるいはそうでなく
てもこの７７件の文書にはどのような話題が含まれてい
るかを概観したい場合がある。このような場合には検索
インタフェイス２１（図３）上の特徴語表示ボタン２１
７を押すと特徴語表示手段作動ルーチン４４が起動さ
れ、特徴語表示手段２２が表示画面２に表示される。

【００１６】図６は特徴語表示手段２２の一例の詳細を
示したものである。特徴語表示手段２２は操作部２２
１、キーワード表示・操作部２２２、ヒット件数表示部
２２３、特徴語表示部２２４、パラメーター設定部２２
５から構成される。キーワード表示・操作部２２２およ
びヒット件数表示部２２３は検索インタフェイス２１の
キーワード表示・操作部２１２およびヒット件数表示部
２１３とそれぞれ連動しており、特徴語表示手段２２上
の操作によりこれらの表示内容が変化した場合には自動
的に検索インタフェイス２１の方のそれぞれの表示も変
化する。しかし逆方向、すなわち検索インタフェイス２
１上の操作によりキーワードやヒット件数が変化した場
合には自動的には特徴語表示手段２２上には反映されな
い。これを取り込むには、操作部２２１のリセットボタ
ン２２１４を押すと検索インタフェイス２１側の内容が
こちらの特徴語表示手段２２側へコピーされる。なお検
索インタフェイス２１上の特徴語表示ボタン２１７を押
すことで表示画面２に表示される特徴語表示手段２２の
初期画面では検索インタフェイス２１上のキーワードと
ヒット件数が自動的にコピーされる。今の例の場合、必
須キーワード表示部２２２１には「電子」と「出版」が
表示され、ヒット件数表示部２２３には「得点０：７７
件」が表示されている。

【００１７】ここで、操作部２２１の特徴語表示ボタン
２２１２を押すと特徴語抽出ルーチン４５が起動され、
検索結果格納エリア５１２に格納されたデータから最高
得点の文書識別番号を読み込み、それらの文書識別番号
に相当する文書の内容を解析して、それらに特徴的に含
まれる単語（特徴語）と、それら特徴語間の関連性を解
析してグラフにした結果を特徴語表示部２２４に表示す
る。その過程は以下の説明で詳述する。図７は「電子出
版」の例で、グラフ格納エリア５４３（図２）に格納さ
れたデータを示したものである。グラフはノードとリン
クからなりそれぞれノード格納エリア５４３１と、リン
ク格納エリア５４３２とに格納されている。格納される
ノードデータは各ノードに表示される特徴語（文字列）
とそれを特徴語表示部２２４のどこに表示すべきかを示
す座標を中心座標で、さらに文字を表示する領域の横と
縦の文字数と表示領域のサイズで構成されている（ただ
し表示領域のサイズについては、使いやすいようにそれ
らの１／２の値、すなわち中心から端までのサイズにし
てある。）。一方、格納されるリンクデータはグラフ上
に表示すべき線分の始点座標と終点座標で構成されてい
る。図では、リンク格納エリア５４３２に格納されてい
る始点座標と終点座標の他に、参考までに、それぞれに
対応する文字列のデータを付記したが、実際の装置で
は、このデータは不要である。図８は、操作部２２１の
特徴語表示ボタン２２１２が押されて、特徴語のグラフ
が表示された状態の特徴語表示手段２２を示した図であ
る。グラフ表示ルーチン４４４が、グラフ格納エリア５
４３のデータに従って、特徴語表示部２２４に特徴語と
これを結ぶリンクよりなるグラフを表現する。例えば図
７のデータから「コンパクト」は座標（１４９，１３
１）を中心として、横方向文字数３、行数２で且横方向
で両側に２７、縦方向で上下に１８の矩形の領域を表示
域として表示される。この実施例では、座標は特徴語表
示部２２４の左上を始点として横方向は右向に、縦方向
は下向に取る。また、リンクデータは始点と終点の座標
で定義される。リンクデータの１番目は、特徴語「出
版」と「電子」との中心座標を結ぶことを意味し、２番
目のデータは座標（２０３，１３１）から（３０８，４
０）への線分を意味する。これらの語の表示に際して
は、それぞれのノードの表示領域には文字表示用に背景
に白色不透明の矩形を表示して、ノードの表示領域で
は、線分を隠すのがグラフとしては見やすいが、一方、
リンクを示すグラフの線とノードの表示領域が重なる
と、グラフの線が現れないことになり誤解を招くことに
なりかねない。例えば、図７のデータでは、「デスクト
ップパブリッシング」と「出版物」を結ぶグラフの線は
「ニフティサーブ」の表示領域を通過することになるか
ら、「ニフティサーブ」に白色不透明の矩形をつける
と、この部分でグラフの線が線としては表われないこと
になる。その結果、「ニフティサーブ」と「出版物」と
がグラフの線で結ばれ、さらに「ニフティサーブ」と
「デスクトップパブリッシング」とがグラフの線で結ば
れたように見えることになる。図８では、この対策とし
て、背景に白色不透明の矩形を表示する代わりに、グラ
フの線の始点及び終点の近傍でのみグラフの線が表示さ
れないようにしてそのノードの表示領域の中に入り込む
のを避けるとともに、他の表示領域については通過して
いることがわかる表示とした。白色不透明の矩形をつけ
てもグラフの線が隠れないように配置することは大変難
しく、特に多数の特徴語をグラフ表示しようとすると見
やすいサイズでの表示が不可能となりかねない。

【００１８】パラメータ設定部２２５の特徴語表示設定
手段２２５１は特徴語表示部２２４に表示する単語数を
調節するためのものであり、設定用つまみ２２５１１を
左右に動かして所望の数値に設定する。表示部２２５１
２にはその設定値が表示され、特徴語抽出パラメータ格
納エリア５２１の抽出語数格納エリア５２１３にその値
が格納される。なおこの値は特徴語抽出ルーチン４４１
によって利用される。以下では特徴語表示手段２２の特
徴語表示ボタン２２１２が押されてから、図７に示した
ようなグラフデータが作成されるまでの過程を説明す
る。特徴語表示ボタン２２１２が押されると、計算プロ
グラム保持手段４に格納されている特徴語抽出ルーチン
４４１以下共起関係解析ルーチン４４２、グラフ配置ル
ーチン４４３が順に起動される。特徴語抽出ルーチン４
４１は検索ワークエリア５１の検索結果得点分布格納エ
リア５１３から最高得点とその件数を読み込む。図４に
示した「電子」と「出版」の例では最高得点（Ｓ）は０
点でありその件数（Ｋ）は７７件である。また特徴語抽
出パラメータ格納エリア５２１から走査文書数上限値
（Ｍ）５２１１を読み込む。（ここではＭ＝３００とす
る。）これは検索された文書件数Ｋが大きい時にすべて
の文書を解析していると時間がかかるので、一定限度Ｍ
を越える場合にはＭ個のサンプル抽出を行なうためのパ
ラメータである。

【００１９】特徴語抽出ルーチン４４１は、次に、検索
結果格納エリア５１２を参照し、得点が最高得点Ｓと一
致するすべての文書識別番号についてそれらの内容を検
索対象文書データベース６１から読み込み、形態素解析
ルーチン４２を用いて単語分割し、出現するすべての種
類の単語についてそれが出現する文書の数（以下これを
文書頻度と呼ぶ）をカウントする。この例では最高得点
の件数Ｋが７７件で、走査文書数上限値Ｍ＝３００以下
であったのですべての文書を読み込む。なお、該当文書
の形態素解析は、データベース保持手段にゆとりがある
場合には、あらかじめ全文書を形態素解析した結果を保
持しておき、それを読み込むようにすることも可能であ
る。そうすれば、検索の都度形態素解析をする必要がな
くなるので解析時間を大幅に短縮できて有効である。こ
うして得られる単語とその文書頻度のデータは特徴語抽
出ワークエリア５２の中の頻度データ格納エリア５２３
に格納される。なお上記で該当文書を形態素解析した結
果は後にも使うので、単語分割済み文書格納エリア５２
２に格納しておく。

【００２０】図９は「電子出版」の例で頻度データ格納
エリア５２３に格納されたデータの一部を示す。各単語
ごとのデータは単語名、文書頻度、全体文書頻度、頻度
比、頻度クラスの５項目で構成されている。文書頻度は
上記作業で検索された文書（この場合７７件）の内の何
件のにその単語が出現したかを表す頻度である。また全
体文書頻度はキーワードによる検索結果に関係なく、検
索対象文書全体で何件の文書に使われているかという頻
度である。その情報は単語頻度データベース６３に格納
されており、そこから該当する単語の頻度情報を取り出
して来たものである。ここで、単語頻度データベース６
３は予め検索対象全文書を走査して、出現する全ての単
語についてその文書頻度をカウントして作成しておくも
のとする。頻度比は文書頻度を全体文書頻度で割算した
値である。例えば一番最初の「ＲＯＭ」では文書頻度が
２１で全体文書頻度が１１８３なので頻度比は２１÷１
１８３≒０．０１７である。

【００２１】次に、頻度クラスについて説明する。一般
にある文書群に特徴的な語は頻度比の大きさにより判断
でき、頻度比が大きいほど特徴度が高いと言える。しか
し文書頻度が大きく異なる２つの単語を頻度比で比較す
るのは危険である。低頻度語の場合には全体頻度が低い
のでたまたま頻度比が大きくなる確率が高い。たとえ
ば、図９では、「デスクトップパブリッシング」の頻度
比は０．７５となっており、頻度比が大きく特徴度が高
いと言えるかと言えば、そうではない。これは文書頻度
が３にすぎないのに、全体文書頻度も４でしかないため
である。そこで文書頻度が大きく異なる単語同士は比較
しないよう、予め文書頻度を適当な幅で区分してクラス
分けを行ない各クラスで頻度比が大きいものを特徴語と
して取る。これによって低頻度語から高頻度語までバラ
ンス良く特徴語を抽出することが可能となる。以下頻度
クラスの決め方の一例の説明である。特徴語ルーチン４
４１は頻度クラス分割数（Ｃ）５２１２を読み込む、こ
れはいくつの頻度クラスに分割するかを示すパラメータ
であり、使用者が設定する。ここではＣ＝５とする（一
般にＣは１以上の整数である）。ｉ番目の頻度クラスを
Ｃ［ｉ］として、Ｃ［ｉ］に属するための文書頻度がｆ
［ｉ］以上ｆ［ｉ＋１］未満であるとする。ただし最大
のクラスについては「ｆ［ｉ＋１］未満」のかわりに
「ｆ［ｉ＋１］以下」とする。この頻度閾値ｆ［ｉ］の
値の決め方であるが、ここではその一例としてＫ’を該
当文書数として、ｆ［ｉ］＝Ｋ’の（ｉ／（Ｃ＋１））
乗、とする。（検索された文書数Ｋが走査文書数上限値
Ｍを越えない場合にはＫ’＝Ｋであり、Ｋ＞Ｍの場合に
はＫ’＝Ｍである。）今の例ではＫ’＝７７でＣ＝５で
あるから、ｆ［１］＝７７の（１／６）乗＝２．０６，
以下、ｆ［２］＝４．２５，ｆ［３］＝８．７７，ｆ
［４］＝１８．１０，ｆ［５］＝３７．３３となる。従
って、クラス１：文書頻度３以上４以下、クラス２：文
書頻度５以上８以下、クラス３：文書頻度９以上１８以
下、クラス４：文書頻度１９以上３７以下、クラス５：
文書頻度３８以上７７以下、である。

【００２２】この分類条件に従って、各語の文書頻度か
らそれらの語の頻度クラスを決める。「ＲＯＭ」の場合
には文書頻度が２１なのでクラス４、また「インタラク
ティブ」は文書頻度が５なのでクラス２となる。なお文
書頻度がクラス１よりも小さい場合（この場合文書頻度
２以下）については特徴語抽出の対象から除外する。上
記の頻度クラスの付与は次の式で直接計算することもで
きる。ただしその値がＣと一致する場合には１を引き算
する。 （頻度クラス）＝｛ｌｏｇ（文書頻度）÷ｌｏｇＫ’×
（Ｃ＋１）｝を越えない最大の整数値−１ 続いて特徴語抽出ルーチンは抽出語数（ｐ）５２１３を
読み込み、各頻度クラスから頻度比が上位のものを合計
でこの個数になるように抽出する。それを実現する方法
の一例としては、抽出語数ｐを頻度クラス分割数Ｃで割
算して得られる商をｎ、余りをｒとして、頻度クラスが
１以上ｒ以下のクラスからはｎ＋１個取り、頻度クラス
がｒより大きいクラスからはｎ個取るという方法があ
る。

【００２３】以下抽出個数ｐが１０であるとして図９の
例で説明する。分割数Ｃは５なのでｐ÷Ｃの商ｎは２，
余りｒは０である。従ってクラス１〜５から均等に２個
づつ取ることになる。頻度データ格納エリア５２３のデ
ータから各頻度クラスのものについて頻度比が大きいも
のから順に２個ずつ取る。図９のデータより、クラス５
の単語を頻度比が大きい順にならべると「出版」（０．
０２７），「電子」（０．０１５），「メディア」
（０．００６），「情報」（０．００１）となる。従っ
て上位２つの「出版」と「電子」が特徴語として取られ
る。以下同様にしてクラス４からは「ＲＯＭ」と「コン
パクト」、クラス３からは「メール」と「出版物」、ク
ラス２からは「インタラクティブ」と「ニフティサー
ブ」、クラス１からは「デスクトップパブリッシング」
と「パブリッシング」が特徴語として抽出される。それ
らは特徴語リスト格納エリア５２４に格納される。

【００２４】図１０は特徴語リスト格納エリア５２４に
格納されたデータの例である。上記プロセスにより抽出
された特徴語とそれらの文書頻度が格納されている。図
では、参考に頻度クラスも示したが、これはなくても良
い。以上で特徴語抽出ルーチン４４１を抜け、続いて共
起関係解析ルーチン４４２が特徴語間の共起データ関係
を解析し、結果を共起データ格納エリア５３１に格納す
る。

【００２５】共起データ格納エリア５３１は特徴語リス
ト格納エリア５２４に格納された特徴語の集合を縦横に
持つ２次元の配列である。各要素は対応する単語対が共
通して現れる文書の数を表す。共起関係解析ルーチン４
４２は検索された文書群を単語分割したものを単語分割
済み文書格納エリア５２２から読み込み、各文書ごとに
共出現するすべての特徴語ペアについて、共起データ格
納エリア５３１の対応する要素をインクリメントしてい
く。

【００２６】次に共起関係解析ルーチン４４２は各特徴
語対に対して共起強度を計算する。共起強度は上記作業
でカウントされた共起頻度を単語ペアの後者（表では列
に当たる単語）の文書頻度で割った値である。単語の文
書頻度は特徴語リスト格納エリア５２４に格納されてい
る値（図１０）を用いる。図１１は、この段階における
共起データ格納エリア５３１に格納されたデータを示
す。各桝目は二つの数値から構成され、上段が対応する
単語対の共起頻度、下段が単語対の共起強度（共起頻度
÷列側の単語の文書頻度）である。例えば６行３列の上
段数値６は、６行目の特徴語「出版物」と３列目の特徴
語「ＲＯＭ」が６件の文書に共出現したことを意味す
る。この場合単語対の列側の単語「ＲＯＭ」の文書頻度
は２１なので、下段の共起強度の数値は６÷２１≒０．
２９となる。共起データ格納エリア５３１では特徴語は
文書頻度の高い順に並べている。後の作業で用いるのは
表の対角線の下半分だけなので、残りの部分は省略し
た。

【００２７】続いて、共起関係解析ルーチン４４２はこ
の共起データから共起度の高い単語ペア（特徴語グラフ
でリンクを張るべきペア）を抽出する。本実施例では特
徴語間の関連性を示すリンクを、各単語から見てそれよ
り文書頻度が高い単語の中で共起強度の値が最も大きく
なる単語に張ることにした。共起関係解析ルーチン４４
２はこの基準に従ってリンクを張るべき単語対を集め共
起リンク格納エリア５３２に格納する。なお、共起強度
が２番あるは３番のものでも、１番のものと比べてそれ
ほど小さくない場合（例えば１番の０．９倍以上）に
は、リンクを張るというやり方も有力である。図１２は
この段階における共起リンク格納エリア５３２の内容を
示す図である。これらのリンクが抽出された過程を図１
１の例に基づいて説明をする。図１２の２番目の「出
版」について見ると、文書頻度が「出版」以上のものは
「電子」しかないので「出版」から「電子」にリンクが
張られる。次に３番目の「ＲＯＭ」についてみると、そ
れより頻度が高いのは「出版」と「電子」の２つであ
り、それらとの共起強度は共に０．２７である。この場
合には共起データ格納エリア５３１における番号の小さ
い「出版」の方にリンクを張る。次に４番の「コンパク
ト」についてみると、３番の「ＲＯＭ」との共起強度が
０．８１で最も大きい。従って「コンパクト」からは
「ＲＯＭ」へリンクを張る。以下同様の操作を続け、図
１２のようなリンクデータが得られる。

【００２８】以上で共起関係解析ルーチン４４２を抜
け、続いて、グラフ配置ルーチン４４３が起動される。
特徴語リスト格納エリア５２４のデータ（図１０）と共
起リンク格納エリア５３２のデータ（図１２）にもとづ
いて特徴語群をノードとするグラフを実際に２次元平面
に配置するという作業を行なう。図１３はグラフ配置ル
ーチン４４３の詳細である。グラフ配置ルーチン４４３
はｙ座標計算ルーチン４４３１、ｘ座標計算ルーチン４
４３２、表示座標への変換ルーチン４４３３、重なり回
避ルーチン４４３４、リンク配置ルーチン４４３５から
構成され、この順に起動する。ｙ座標計算ルーチン４４
３１およびｘ座標計算ルーチン４４３２は表示領域が
［−１，１］×［−１，１］の正方形領域であると仮定
して各ノードを配置すべき座標を計算する。この座標を
正規化された座標と呼ぶ。計算された座標データは正規
化座標格納エリア５４１に格納される。

【００２９】初めにｙ座標計算ルーチン４４３１が起動
され、計算式： ｙ＝（６／π）×ａｒｃｔａｎ（０．２×ｌｏｇ（ｆ／
ｆｍ）） に従って各特徴語の文書頻度ｆからそれを表示すべき位
置の正規化されたｙ座標を計算する。すなわち、文書頻
度の大きいもの程ｙ軸上では上段に配置されるようにす
る。ここでｆｍは特徴語を文書頻度順に並べた時にちょ
うど真中に来るものの頻度である（ただし偶数個の場合
には（個数÷２＋１）番目とする）。実施例では、「電
子」「出版」の文書頻度７７が最上段となり、「出版
物」の文書頻度９が中央位置に当たる。πは円周率、対
数ｌｏｇは自然対数、ａｒｃｔａｎは正接関数の逆関数
であり、角度はラジアンを単位とする。例えば「コンパ
クト」の頻度は２１なのでその正規化されたｙ座標は
（６／π）×ａｒｃｔａｎ（０．２×ｌｏｇ（２１÷
９））≒０．３２となる。その他の特徴語の正規化され
たｙ座標も同様に計算する。次にｘ座標計算ルーチン４
４３２が起動され各特徴語表示位置の正規化されたｘ座
標を計算する。図１４はｘ座標計算ルーチン４４３２の
詳細を示した図である。初めにステップ４４３２１によ
り親ノード（リンク先）のないノードが集められる。こ
の場合には「電子」のみがそれに当たる。したがってそ
のｘ座標の値がステップ４４３２１中の式ｘｉ＝−１＋
２ｉ／（ｒ＋１）にｉ＝１を代入して−１＋（２×１）
／（１＋１）＝０と計算される。

【００３０】続いてループ４４３２２に入り、ステップ
４４３２３ではｘ座標の定まったノード（この場合「電
子」のみ）へリンクが張られているノードを一つ取る。
共起リンクのデータ（図１２）からここでは「出版」が
その条件を満たしていることが分かる。続いてステップ
４４３２４に入りステップ４４３２３で選ばれたノード
の親ノードの集合を求め、さらにそれらのｘ座標の平均
値を計算する。「出版」の親ノードの集合は｛「電
子」｝であり、そのｘ座標の平均は０である。次にステ
ップ４４３２５では親ノードの集合が｛「電子」｝と一
致するノードを集める。ここではそれは「出版のみであ
る。

【００３１】続いて分岐ステップ４４３２６へ入るが親
ノードのｘ座標の平均値が０なのでステップ４４３２７
が選択され、「出版」のｘ座標が計算される。ステップ
４４３２７の計算式にｓ＝１、ｘｐ＝０、ｉ＝１を代入
して、「出版」のｘ座標が０と計算される。以上で「電
子」と「出版」の正規化されたｘ座標が定まった。しか
しまだ全てのノードのｘ座標が定まってはいないのでル
ープ４４３２２を繰り返す。ステップ４４３２３ではま
だｘ座標が定まっていないノードの内、リンクが「電
子」と「出版」以外には張られていないノードの一つが
選択される。この場合「ＲＯＭ」がその条件を満たす。
ステップ４４３２４では「ＲＯＭ」のリンク先の集合を
求め｛「出版」｝を得る。また親ノード｛「出版」｝の
ｘ座標の平均値ｘｐが０と計算される。

【００３２】ステップ４４３２５ではリンク先の集合が
｛「出版」｝と一致するようなノードを集める。「ＲＯ
Ｍ」以外では「メール」がそれに当たる。

【００３３】親ノードのｘ座標の平均値ｘｐが０なので
分岐４４３２６では上段が選択され、ステップ４４３２
７により「ＲＯＭ」と「メール」のｘ座標がそれぞれ
［−１，１］を３等分して、−０．３３，０．３３とい
うように計算される。以下同様にして、すでにｘ座標が
決まったノードのみにリンクが張られるようなノードに
ついて、リンク先が共通のものを集め、親のｘ座標の平
均を中心として区間［−１，１］内に収まるよう均等に
配置するようにｘ座標を決めていく。

【００３４】図１５は「電子出版」の例でこの段階にお
ける正規化座標格納エリア５４１に格納された座標デー
タを示した図である。つづいて、グラフ配置ルーチン４
４３は表示座標への変換ルーチン４４３３を起動し、上
記の［−１，１］×［−１，１］領域に正規化された座
標を特徴語表示部２２４における実際の位置を表す座標
への変換を行ない、ノード格納エリア５４３１の中心座
標欄（図１６）に格納する。変換は次のような１次式で
行なう。Ｘ＝Ｒ_x×（１＋ｘ）＋Ｏ_x，Ｙ＝Ｒ_y×（ｙｍ
−ｙ）＋Ｏ_y。ここで小文字のｘとｙが正規化された座
標、大文字のＸとＹが特徴語表示部２２４における座標
である。ｙｍはｙの最大値を表す。図１５の例ではｙｍ
＝０．７７４である。なお係数Ｒ_x、Ｒ_y、Ｏ_x、Ｏ_yはグ
ラフ配置パラメータ格納エリア５４２（図２）の該当す
るエリアに格納された値を用いる。本例ではＲ_x＝２０
０，Ｒ_y＝２００，Ｏ_x＝６０，Ｏ_y＝４０とした。上記
の一次変換により例えば「コンパクト」の場合、正規化
された座標が（−０．５５５，０．３２０）なので，Ｘ
＝２００×（１−０．５５５）＋６０＝１４９，Ｙ＝２
００×（０．７７４−０．３２０）＋４０≒１３１とい
うように計算される。このようにして、全てのノードの
特徴語表示部２２４上での実座標が計算され、ノード格
納エリア５４３１に格納される（図１６）。この時次の
ステップへの準備として単語の順序は、ｘ座標が小さい
順に並べる。また文字表示領域の大きさとして横方向の
文字数ｈと行数ｖ、また文字表示領域の横サイズＨと縦
サイズＶを計算して、ノード格納エリア５４３１に格納
する。

【００３５】文字表示領域サイズは次の計算式に従って
計算する。文字は横書きとし横サイズの限度をＷ文字と
する。Ｗの値は文字表示部の横方向文字数上限値５４２
６に格納されている値を使う。ここではＷ＝３とする。
表示すべき文字数をＭとした場合、横方向の文字数ｈ、
と行数ｖはＭ≦Ｗの場合、ｈはＭ、ｖは１である。また
Ｍ＞Ｗの場合には、ｈはＷであり、ｖは（Ｍ÷Ｗ）以上
の最小の整数である。例えば「電子」については文字数
が２でこれは横幅限度のＷ＝３より小さいので、行数ｖ
は１で横幅ｈは２となる。また「インタラクティブ」の
場合には文字数が８で横幅限度Ｗ＝３を越えるので行数
ｖは（８／３）以上の最小の整数、すなわち３となり、
横幅ｈはＷ＝３である。また文字表示領域の横サイズの
２分の１の値Ｈと縦サイズの２分の１の値Ｖはそれぞれ
の文字数ｈとｖから次の式により計算される。ここで２
分の１の値を取ったのは後の処理で主にこの２分の１の
値を用いるからである。Ｈ＝ｈ×Ｆ／２＋ｍ_x、Ｖ＝ｖ
×Ｆ／２＋ｍ_y。ここでＦは文字フォントの大きさ、ｍ_x
はｘ方向のマージンの大きさ、ｍ_yはｙ方向のマージン
の大きさである。ｍ_xとｍ_yは２つのノードが接近し過ぎ
ないように、最低限保つべき間隔を表す。Ｆ、ｍ_x、ｍ_y
はそれぞれ文字サイズ５４２５、文字表示部の横方向マ
ージン５４２７、同縦方向マージン５４２８（図２）に
格納されている値を用いる。本例ではＦ＝１６、ｍ_x＝
３、ｍ_y＝２とする。例えば「コンパクト」の場合ｈ＝
３でｖ＝２なのでＨ＝３×１６／２＋３＝２７、Ｖ＝２
×１６／２＋２＝１８と計算される。図１６のノード格
納エリア５４３１における文字表示サイズとしての文字
数と表示領域サイズはこのようにして計算したものであ
る。

【００３６】このようにして特徴語表示部における座標
が求まったが、この段階ではノードの重なりが生じるお
それがある。例えば図１６の例では「電子」と「出版」
の座標は同じなので重なってしまう。そのため重なり回
避ルーチン４４３４が起動され、重なりが生じないよう
に座標をずらす操作を行なう。

【００３７】図１７は重なり回避ルーチン４４３４の詳
細である。全ノードをｘ座標が小さい順にソートしたも
のをＮ［１］，．．．，Ｎ［ｒ］とする。Ｎ［ｉ］の座
標を（Ｘ［ｉ］，Ｙ［ｉ］）、文字表示領域サイズの値
を（Ｈ［ｉ］，Ｖ［ｉ］）とする。ｉ＝２，．．．，ｒ
について次の操作を行なう。ｊ＝１，．．．，ｉ−１の
内｜Ｙ［ｊ］−Ｙ［ｉ］｜＜Ｖ［ｉ］＋Ｖ［ｊ］となる
ようなｊについてＸ［ｊ］＋Ｈ［ｊ］の最大値を取りξ
とする。なおそのようなｊが無い場合にはこのｉについ
ては座標をずらす操作は必要ない。δ＝ξ−（Ｘ［ｉ］
−Ｈ［ｉ］）とする。δ≦０の場合にはこのｉについて
は座標をずらす操作は必要ない。δ＞０の場合には、重
なりが生じてしまうので、Ｎ［ｉ］，．．．，Ｎ［ｒ］
のｘ座標をすべて右にδずらす。すなわち、Ｘ［ｋ］＝
Ｘ［ｋ］＋δ（ｋ＝ｉ，．．．，ｒ）とする。

【００３８】以上により、全ノードが重ならずに表示で
きるような座標が与えられる。たとえばｉ＝２の「イン
タラクティブ」の場合についてみると、図１６のデータ
より、｜Ｙ［２］−Ｙ［１］｜＝｜２４０−１３１｜＝
１０９で、Ｖ［２］＋Ｖ［１］＝２６＋１８＝４４であ
るから｜Ｙ［２］−Ｙ［１］｜＜Ｖ［２］＋Ｖ［１］が
成り立たない。従って「インタラクティブ」については
横へずらす操作は行なわない。次にｉ＝３、すなわち
「ＲＯＭ」について見る。ｊ＝１については、｜Ｙ
［３］−Ｙ［１］｜＝｜１３１−１３１｜＝０に対して
Ｖ［３］＋Ｖ［１］＝１０＋１８＝２８となり、｜Ｙ
［３］−Ｙ［１］｜＜Ｖ［１］＋Ｖ［３］となる。すな
わちｊ＝１の「コンパクト」と重なりが生じてしまう。
またｊ＝２の「インタラクティブ」との関係を見ると、
｜Ｙ［３］−Ｙ［２］｜＝｜１３１−２４０｜＝１０
９、Ｖ［３］＋Ｖ［２］＝１０＋２６＝３６で｜Ｙ
［２］−Ｙ［３］｜＜Ｖ［２］＋Ｖ［３］とならないの
で「インタラクティブ」とは重なる恐れがない。従って
ｊ＝１についてのみｘ座標を考慮すれば良い。ξ＝Ｘ
［１］＋Ｈ［１］＝１４９＋２７＝１７６となり、ずら
し幅δはδ＝ξ−（Ｘ［ｉ］−Ｈ［ｉ］）＝１７６ー
（１９３ー２７）＝１０である。従ってｊ＝３、．．．
１０についてＸ［ｊ］をすべて＋１０する。（Ｘ
［３］，Ｙ［３］）＝（２０３，１３１）となり、図７
における「ＲＯＭ」の座標を得る。以下このステップの
繰り返しにより図７のノード格納エリア５４４１と同じ
データが得られる。この文字表示領域の重なり回避の操
作でも、前述した文字表示領域とグラフの線の重なりは
チェックできないし、実際問題として、限られた表示面
積では、これを厳密に避けようとすると、適当な大きさ
の中で、表示のできないことも起こりうるので、実施例
では、これについてのチェックはしないこととした。

【００３９】最後にグラフ配置ルーチン４４３はリンク
配置ルーチン４４３５を起動する。リンク配置ルーチン
４４３５は共起関係解析ワークエリア５３の中の共起リ
ンク格納エリア５３２に格納された共起リンクを張るべ
き単語ペアに関する情報と、ノードデータ格納エリア５
４３１に格納されている各ノードの座標データから特徴
語表示部２２４に表示すべき線分のデータ、すなわち始
点の座標と終点の座標を作成してリンクデータ格納エリ
ア５４２２に格納する。例えば図１２の共起リンク格納
エリア５３２には「ＲＯＭ」から「出版」へのリンクが
ある。図７のノードデータ格納エリア５４３１に格納さ
れたデータより、「ＲＯＭ」の座標が（２０３，１３
１）であり「出版」の座標が（３０８，４０）であるこ
とが分かるので、（２０３，１３１）を始点として（３
０８，４０）を終点とする線分のデータがリンクデータ
格納エリア５４３２に格納される。以上により表示すべ
きグラフのデータ（図７）が作成された。以下では特徴
語表示手段２２の特徴語表示部２２４に表示された特徴
語のグラフ表示を参考にして検索作業を進展させる利用
形態の例を示す。

【００４０】図８は「電子出版」に関する特徴語表示の
例であるが、ここでユーザが仮に表示された語のひとつ
である「デスクトップパブリッシング」に興味があると
しよう。この場合には、画面上でその単語の所をマウス
１２などで指示してから加点キーワードの移動ボタン２
２２２２を指示すると「デスクトップパブリッシング」
が加点キーワード格納エリア５１１２に格納され、検索
インタフェイス２１の加点キーワード表示部２１２２と
特徴語表示手段２２の加点キーワード表示部２２２２に
表示される。そこで検索インタフェイス２１の検索実行
ボタン２１６もしくは特徴語表示手段２２の検索実行ボ
タン２２１１を押すと加点キーワードに「デスクトップ
パブリッシング」を加えた形で検索が実行され検索の絞
り込みをすることができる。また図８の特徴語表示部２
２４に表示された特徴語の中に興味ある単語を発見でき
なかった場合には特徴語表示数設定手段２２５１を用い
て表示語数を増やすことができる。図１８は特徴語表示
語数を２０に増やした場合の例である。この場合には図
９のデータの例では、このデータから特徴語抽出ルーチ
ン４４１により、２０個の単語が選択されて、図８のケ
ースで説明したと同様に表示される。ここで仮にユーザ
は「電子出版」における「情報検索」に興味があったと
すれば表示されたグラフに「検索」および「情報検
索)」という語が表示されているのでそれを利用でき
る。特徴語表示部の「検索」と「情報検索」をマウスな
どでクリックしてから加点キーワードへの移動ボタン２
２２２２を押せばこれらの単語が加点用のキーワードと
して付け加えられる。これで検索実行ボタン２２１１を
押せば検索の絞り込みができる。また検索を絞り込んだ
後で特徴語のグラフを見たい場合には特徴語表示ボタン
２２１２を押せば良い。それから検索と特徴語のグラフ
を連続して行なう場合には検索実行＋特徴語表示ボタン
２２１３を押せば以上のステップが連続して行なわれ
る。

【００４１】次に「情報検索」には興味がない場合、あ
るいは「情報検索」に関する文書には既に目を通してし
まい、それ以外の話題に注目したい場合には、減点キー
ワードを利用する。すでに「検索」と「情報検索」が加
点キーワードに加えられている場合には、加点キーワー
ド表示部２２２２に表示されているこれらの単語をマウ
スなどで指示してから減点キーワードへの移動ボタン２
２２３２を押せばこれらの単語が加点キーワードから減
点キーワードへ移動する。なお特徴語表示部２２４に表
示されている単語を直接減点キーワードとして利用した
い場合には、加点キーワードの時と同様に、該当する単
語をマウスなどでクリックした後減点キーワードへの移
動ボタン２２２３２を押せば良い。すなわち、本実施例
では、検索キーワード間では移動ボタンにより移動の操
作が行われ、表示された特徴語とキーワード間では移動
ボタンにより複写の操作が行われる。

【００４２】「検索」と「情報検索」を減点キーワード
へ移動してから検索を実行すると今度はこれらの単語を
含む文書の得点が下がり、相対的にこれらを含まない文
書の得点が上がるので「電子出版」に関する文書の内、
「情報検索」には関係のない文書に注目することが出来
る。図１９は特徴語表示様式選択手段２１７１を備え、
特徴語をグラフの形で表示したり、リストの形で表示し
たりすることを選択できる機能を備えた検索インタフェ
イス２１の一例である。リストでの表示はグラフで表示
した場合と比べて、多数の特徴語を表示する為、特徴語
相互の関連性を表示できないので関連性に着目した結果
の評価ができないという欠点がある反面、スクロールバ
ーを用いることにより、検索結果に出現する多数の特徴
語を一覧できるので、ユーザにとって興味と合致する関
連語を発見できる可能性が高くなる長所がある。

【００４３】したがって、図１９に示される特徴語表示
様式選択手段２１７１を利用して、まず、検索結果をグ
ラフ表示して特徴語の全体像を相互の関連性も含めて概
観して、結果を評価し、これにユーザの興味と合致する
関連語が十分に表われない場合には、リスト表示を用い
て更に細かく探すという二段階の結果評価ができる。さ
らに、リストを利用した表示から興味のもたれる語が得
られたとき、これをキーワードとして利用して、再度検
索からやり直すこともできる。図１９の特徴語表示様式
選択手段２１７１で「グラフ」を選択すれば、図８ある
いは図１８で説明したように、特徴語のグラフ表示がな
される。図１９に示すように、「リスト」を選択すれ
ば、図２０に一例を示すように、特徴語表示部２２４に
は、特徴語がリストの形で表示される。特徴語表示様式
選択手段２１７１で「リスト」を選択した場合でも、検
索された文書群から特徴語を抽出する方法は前述したグ
ラフ表示の場合と同じである。ただし、リスト表示の場
合、図９に示したように頻度を５クラスとするよりは、
高、中、低の３クラス程度とする方が見やすいと考えら
れるので、図２０の表示例では、頻度クラスの分割数は
３とした。図２０において、「リスト」の選択に対応し
て、特徴語表示部２２４には、高頻度特徴語表示部２２
４１、中頻度特徴語表示部２２４２および低頻度特徴語
表示部２２４３がそれぞれスクロールバー付きの表示枠
が設定され、頻度データ格納エリア５２３の特徴語の頻
度クラスデータに対応した特徴語が各表示枠内に表示さ
れる。各表示枠内での表示順は、たとえば、頻度比の大
きさ順にならべるのが良い。これにより、ユーザは、よ
り一般性の高い特徴語から固有名など特殊性の高い特徴
語までを一覧でき、幅広い選択肢から興味に合致した単
語を検索できる。

【００４４】実施例２ 以下、本発明の第２の実施例を図２１に従って説明す
る。第1の実施例が独立に使用されるコンピュータによ
る検索装置の構成例であったのに対し、本実施例では、
複数のユーザによる検索要求に応えることのできる検索
方法を実現するものである。図２１に本実施例の文献検
索方法を実現する他の実施例の全体構成を示す。本実施
例は、一つのサーバに複数のクライアントが信号伝送回
線を介してアクセスし、クライアント毎に検索サービス
を受けることのできるものである。サーバは、サーバ自
体をクライアントとしても利用することはないのが一般
的である。しかし、本実施例では、クライアントからの
問題指摘に応じてサーバもクライアントとしても利用す
る必要がありうることを考慮して、サーバは、実施例１
で説明したのと実質的に同じ構成に通信手段７をプラス
した検索装置とした。クライアントは実施例１で説明し
た構成のうち入力手段１、表示手段２、ＣＰＵ３、計算
プログラム保持手段４、計算プログラムを動作させるた
めのワークエリア５およびバス１００のそれぞれに対応
するダッシュを付して示した手段、およびサーバとの連
係を取るための通信手段７および出力手段８としてのプ
リンタ８１よりなる。サーバのバス１００にはインタフ
ェイスＩＦ１が、およびクライアントのバス１００には
インタフェイスＩＦ２、 ＩＦ３がそれぞれ設けられ
て、サーバ−クライアント間を結ぶ回線ＮＥＴ１，ＮＥ
Ｔ２で結ばれる。なお、クライアント２についてはバス
１００およびインタフェイスＩＦ２のみを図示して他は
省略した。

【００４５】クライアント１が文献検索をしようとする
とき、まず、入力手段１のキーボード１１から文献検索
システム起動のコマンドを入力する。これに応じて、ク
ライアンと側の通信手段７とサーバ側の通信手段７が通
信経路ＮＥＴ１を介して連絡を取り、サーバ側の計算プ
ログラム保持手段４の検索インタフェイス作動ルーチン
４１がクライアント１側に送信され、クライアント１側
で起動される。この結果、表示手段２に対話的に検索作
業を進めるための検索インタフェイス２１が表示され
る。検索インタフェイス２１が表示された後は、クライ
アント１はこの画面を利用して実施例１で説明したと同
様の手順で検索キーとなる語を入力してゆけば良い。な
お、クライアント側では検索インタフェイス作動ルーチ
ン４１のコピーを計算プログラム保持手段４に保持して
おいて、これを起動するものとしても良い。また、ＷＷ
Ｗプラウザなどのハイパーテキスト閲覧インタフェイス
を利用して本検索支援サービスが受けられるようにする
のも便利である。その場合には、サーバ側には、検索イ
ンタフェイス作動ルーチン４１をクライアント側に送信
するためのハイパーテキスト（ＨＴ）を用意する。な
お、クライアント側では汎用のハイパーテキスト閲覧イ
ンタフェイスが利用できる環境にあることを前提とす
る。

【００４６】表示手段２に表示されているハイパーテキ
スト閲覧インタフェイスのアドレス入力部から、本検索
支援サービスが指定するアドレス（すなわちサーバのネ
ットワーク上でのアドレスと検索インタフェイス作動ル
ーチン４１を送付するためのハイパーテキストＨＴの存
在するファイル名など）を指定すると、双方の通信手段
を介して指定されたハイパーテキストＨＴが検索インタ
フェイス作動ルーチン４１を伴ってクライアント側に送
られ、送付された検索インタフェイス作動ルーチン４１
はクライアント側計算機で起動され、検索インタフェイ
ス２１が表示手段２に表示され利用可能となる。なお、
上記では、直接ハイパーテキストＨＴのアドレスを指定
したが、ハイパーテキスト閲覧インタフェイスの閲覧部
に表示されているハイパーテキストに、本ハイパーテキ
ストＨＴのアドレスがアンカーとして埋め込まれている
場合には、そのアンカーの部分をマウスなどでクリック
しても同様の動作をさせることができる。

【００４７】クライアント１が入力した検索要求は通信
手段７、７と通信経路ＮＥＴ１を介してサーバ側に伝送
され、サーバ側で必要な検索と特徴語抽出とグラフ配置
計算が実行されて、その結果が再び通信手段７、７の連
絡によりクライアント１側に返信され、クライアント１
の検索インタフェイス作動ルーチン４１に手渡され、同
ルーチンはそのデータに基づいて特徴語グラフを特徴語
表示手段２２に表示する。クライアント１はこの検索結
果に応じて実施例１で説明したと同様に、さらに必要な
検索操作があればこれに応じたデータを入力すれば良
い。このデータは再度サーバ側に伝送され、サーバ側で
必要な検索が実行されて、その結果が特徴語表示手段２
２に表示される。クライアント１は、必要ならプリンタ
ー８１によってプリントされた出力を利用することがで
きる。このようにして、クライアント１は、実質的な検
索プログラムを持つことなく、サーバ側で実行された結
果のみを利用できる。したがって、クライアント１で
は、ワークエリア５は初期の入力データおよびサーバか
ら伝送されてきた検索結果と特徴語とそのグラフ配置に
関するデータ等を保持する能力があれば足りるから、簡
易な装置で充実した検索サービスを受けることができ
る。

【００４８】

【発明の効果】以上、二つのタイプについて説明したよ
うに、本発明によれば、ユーザは、より一般性の高い特
徴語から固有名など特殊性の高い特徴語までを一覧で
き、幅広い選択肢から興味に合致した単語を検索でき
る。

【図面の簡単な説明】

【図１】本発明の実施例としての独立に使用されるコン
ピュータによる検索装置の構成例を示すブロック図。

【図２】ワークエリアのデータの割り当て配置の一例を
示す図。

【図３】ユーザとコンピュータとの間の検索インタフェ
イス表示画面の例を示す図。

【図４】検索実行時に検索ワークエリアに格納されるデ
ータの例を示す図。

【図５】図３に示した検索インタフェイス表示画面が検
索実行後に検索結果を表示した例を示す図。

【図６】ユーザが検索キーとしての特徴語を付与するた
めの特徴語表示手段起動時の表示画面の例を示す図。

【図７】ユーザから特徴語表示要求があった時に特徴語
グラフ格納エリアに格納されるデータの例を示す図。

【図８】検索された文書群における特徴語のグラフ表示
の一例を示す図。

【図９】検索された文書群における単語頻度データの一
例を示す図。

【図１０】検索された文書群における特徴語リストの一
例を示す図。

【図１１】検索された文書群における特徴語間の共起関
係を表すデータの一例を示す図。

【図１２】検索された文書群において特に強い共起関係
を有する特徴語対のリストの一例を示す図。

【図１３】特徴語のグラフ配置を計算する計算ルーチン
の構成の一例を示すパッド図（ＰＡＤ図、Problem Anal
ysis Diagram）。

【図１４】グラフ配置におけるｘ座標計算方法の一例を
示すパッド図。

【図１５】検索結果のグラフ表示の際、表示データを正
規化された領域に仮想的に配置する際の座標データの一
例を示す図。

【図１６】検索結果のグラフ表示の際、表示データの重
なり回避を行なう前のグラフの座標の一例を示す図。

【図１７】グラフの表示ノードが重なるのを避けるため
のルーチンの詳細の一例を示すパッド図。

【図１８】特徴語表示数を２０にした場合の特徴語のグ
ラフ表示の一例を示す図。

【図１９】特徴語表示様式選択手段を備えた検索インタ
フェイス表示画面の例を示す図。

【図２０】特徴語のリスト表示の表示画面の例を示す
図。

【図２１】検索装置の主体がサーバ側に備えられこれに
複数のクライアントがアクセスして検索を行う場合の構
成例を示すブロック図。

【符合の説明】

１、１：入力手段、１１、１１：キーボード、１２、１
２：マウス、１３、１３：ペン入力手段、２、２：表示
手段、２１、２１：検索インタフェイス、７、７：通信
手段、８：出力手段、８１：プリンタ８１、ＩＦ１、Ｉ
Ｆ２、 ＩＦ３：インタフェイス、ＮＥＴ１，ＮＥＴ
２：回線、２１１：検索要求入力部、２１２：キーワー
ド表示・操作部、２１２１：必須キーワード表示部、２
１２１１：必須キーワードへの追加ボタン、２１２１
２：必須キーワードの消去ボタン、２１２２：加点キー
ワード表示部、２１２３：減点キーワード表示部、２１
３：検索ヒット件数表示部、２１４：タイトル表示部、
２１５：文書表示部、２１６：検索実行ボタン、２１
６：特徴語表示ボタン、２１７１：特徴語表示様式選択
手段、２２：特徴語表示手段、２２１：特徴語表示手段
操作部、２２２：特徴語表示手段のキーワード表示・操
作部、２２３：特徴語表示手段の検索ヒット件数表示
部、２２４：特徴語表示部、２２４１：高頻度特徴語表
示部、２２４２：中頻度特徴語表示部、２２４３：高頻
度特徴語表示部、２２５：特徴語表示手段のパラメータ
設定部、２２５１：特徴語表示語数設定手段、３：計算
プログラム実行手段（ＣＰＵ）、４：計算プログラム保
持手段、４１：検索インタフェイス作動ルーチン、４
２：形態素解析ルーチン、４３：検索ルーチン、４４：
特徴語表示手段作動ルーチン、４４１：特徴語抽出ルー
チン、４４２：共起関係解析ルーチン、４４３：グラフ
配置ルーチン、４４３１：ｙ座標計算ルーチン、４４３
２：ｘ座標計算ルーチン、４４３３：表示座標への変換
ルーチン、４４３４：重なり回避ルーチン、４４３５：
リンク配置ルーチン、４４４：グラフ表示ルーチン、
５：ワークエリア、５１：検索ワークエリア、５１１：
キーワード格納エリア、５１１１：必須キーワード格納
エリア、５１１２：加点キーワード格納エリア、５１１
３：減点キーワード格納エリア、５１２：検索結果格納
エリア、５１３：検索結果得点分布格納エリア、５２：
特徴語抽出ワークエリア、５２１：特徴語抽出パラメー
タ格納エリア、５２１１：走査文書数上限値格納エリ
ア、５２１２：頻度クラス分割数格納エリア、５２１
３：抽出語数格納エリア、５２２：単語分割済み文書格
納エリア、５２３：頻度データベース格納エリア、５２
４：特徴語リスト格納エリア、５３：共起関係解析ワー
クエリア、５３１：共起データ格納エリア、５３２：共
起リンク格納エリア、５４：グラフ配置ワークエリア、
５４１：正規化座標格納エリア、５４２：グラフ配置パ
ラメータ格納エリア、５４３：グラフ格納エリア、５４
３１：ノード格納エリア、５４３２：リンク格納エリ
ア、６：データベース保持手段、６１：検索対象文書デ
ータベース、６２：検索用インデックスデータベース、
６３：単語頻度データベース、６４：除外語データベー
ス。

Claims (17)

【特許請求の範囲】
1. 【請求項１】設定されたキーワードに応じて検索対象文
   書群から前記キーワードを持つ文書を検索結果文書とし
   て検出すること、ある単語が前記検索結果文書群中のい
   くつの文書に現れるかを意味する単語の文書頻度を検出
   すること、前記単語が検索対象文書群全体においていく
   つの文書に出現するかを意味する単語の全体文書頻度を
   検出すること、前記単語の文書頻度と単語の全体文書頻
   度との比を意味する頻度比を導出すること、前記文書頻
   度を所定の関係で頻度クラスに区分分けして各単語の文
   書頻度に応じて各単語を頻度クラスに対応させること、
   各頻度クラスから適当数の単語を単語の頻度比の大きさ
   順に特徴語として抽出すること、抽出された特徴語をグ
   ラフ形式またはリスト形式で表示することとよりなるこ
   とを特徴とする文献検索支援方法。
2. 【請求項２】前記抽出された特徴語を頻度クラス別のリ
   スト形式または特徴語間の関連を示すグラフ形式のいず
   れかで表示する請求項１記載の文献検索支援方法。
3. 【請求項３】設定されたキーワードに応じて検索対象文
   書群から前記キーワードを持つ文書を検索結果文書とし
   て検出する手段、ある単語が前記検索結果文書群中のい
   くつの文書に現れるかを意味する単語の文書頻度を検出
   する手段、前記単語が検索対象文書群全体においていく
   つの文書に出現するかを意味する単語の全体文書頻度を
   検出する手段、前記単語の文書頻度と単語の全体文書頻
   度との比を意味する頻度比を導出する手段、前記頻度比
   を所定の関係で頻度クラスに区分分けして各単語の頻度
   比に応じて各単語を頻度クラスに対応させる手段、各頻
   度クラスから適当数の単語を単語の頻度比の大きさ順に
   特徴語として抽出する手段、抽出された特徴語をグラフ
   形式またはリスト形式で表示する手段とよりなることを
   特徴とする文献検索装置。
4. 【請求項４】前記抽出された特徴語を頻度クラス別のリ
   スト形式または特徴語間の関連を示すグラフ形式のいず
   れかで表示するする手段および特徴語表示形式を選択指
   定する手段を有する請求項３記載の文献検索装置。
5. 【請求項５】前記特徴語間の関連が特徴語間の共起関係
   を基礎として決定され、前記グラフ形式が特徴語をノー
   ドとし関連性の高い特徴語の単語対にリンクを張って構
   成されたグラフである請求項３または４記載の文献検索
   装置。
6. 【請求項６】設定されるキーワードが必須キーワード、
   加点キーワードおよび減点キーワードの３種類のキーワ
   ードとされ、必須キーワードによる検索は各必須キーワ
   ードによるアンド条件で検索を行ない、検索された前記
   検索結果文書群の各文書について、加点キーワードを含
   む場合には加点キーワード数に応じて高い得点を与え、
   減点キーワードを含む場合には減点キーワード数に応じ
   て減点し、より高い得点を得た文書群から特徴語抽出を
   行なう請求項３または４記載の文献検索装置。
7. 【請求項７】必須キーワードの設定のない場合に加点キ
   ーワードによる検索が行われ、各加点キーワードによる
   検索はオア条件で行われる請求項６記載の文献検索装
   置。
8. 【請求項８】設定される必須キーワード、加点キーワー
   ドおよび減点キーワードの３種類のキーワード間でキー
   ワードの種類を変更可能とされるとともに、表示された
   特徴語を必須キーワード、加点キーワードおよび減点キ
   ーワードのいずれかに複写可能とした請求項６または７
   記載の文献検索装置。
9. 【請求項９】特徴語のグラフ表示において縦軸方向が検
   索された文書群における特徴語の文書頻度を表す請求項
   ４ないし8のいずれかに記載の文献検索装置。
10. 【請求項１０】検索元から伝送されたキーワードに応じ
    て検索対象文書群から前記キーワードを持つ文書を検索
    結果文書として検出すること、ある単語が前記検索結果
    文書群中のいくつの文書に現れるかを意味する単語の文
    書頻度を検出すること、前記単語が検索対象文書群全体
    においていくつの文書に出現するかを意味する単語の全
    体文書頻度を検出すること、前記単語の文書頻度と単語
    の全体文書頻度との比を意味する頻度比を導出するこ
    と、前記頻度比を所定の関係で頻度クラスに区分分けし
    て各単語の頻度比に応じて各単語を頻度クラスに対応さ
    せること、各頻度クラスから適当数の単語を単語の頻度
    比の大きさ順に特徴語として抽出すること、抽出された
    特徴語を特徴語間の関連を示すグラフ形式で表示可能な
    データとして構成することまたは抽出された特徴語を頻
    度クラス別のリスト形式で表示可能なデータとして構成
    すること、前記特徴語をグラフ形式またはリスト形式で
    表示可能なデータとして検索元に送信することよりなる
    文献検索サービス方法。
11. 【請求項１１】前記検索元は、少なくとも、抽出すべき
    キーワードを持つ文書を特定するためのキーワードを伝
    送するための手段および前記送信された特徴語および特
    徴語間の関連を示すグラフ形式またはリスト形式で表示
    可能なデータを受信して表示するための手段を備えて検
    索サービスを受ける請求項１０記載の文献検索サービス
    方法。
12. 【請求項１２】前記検索元は、前記送信された特徴語お
    よび特徴語間の関連を示すグラフ形式またはリスト形式
    で表示可能なデータを表示ソフトとともに伝送されて検
    索サービスを受ける請求項１０記載の文献検索サービス
    方法。
13. 【請求項１３】前記検索元は、検索さ−ビスを受けるた
    めのユーザインタフェイス駆動ソフトを検索作業の開始
    時あるいは前もって検索サービス提供者から伝送を受け
    これを駆動して検索サービスを受ける請求項１０記載の
    文献検索サービス方法。
14. 【請求項１４】検索結果に出現する各語の特徴度を計算
    するための頻度データを記録したコンピュータ読み取り
    可能な記録媒体であって、各語に関するデータが、
    （ａ）文字列、（ｂ）検索された文書の内の何件にその
    語が出現したかを表す文書頻度、（ｃ）検索結果に関係
    なく、検索対象文書全体で何件の文書に使われているか
    を表すデータベース全体での文書頻度、（ｄ）前記検索
    結果における文書頻度とデータベース全体での全体文書
    頻度から計算される検索結果におけるその語の特徴度、
    （ｅ）前記検索結果における文書頻度の大小によってク
    ラス分けした場合の頻度クラスとからなり、前記頻度ク
    ラスのそれぞれから前記特徴度の上位にある語を検索対
    象文書群における特徴語とすることを特徴とする検索結
    果に出現する語の頻度データを記録したコンピュータ読
    み取り可能な記録媒体。
15. 【請求項１５】検索結果に出現する特徴語間の関連度を
    計算するために、特徴語が共出現する共起データを記録
    したコンピュータ読み取り可能な記録媒体であって、各
    特徴語対に関するデータが、（ａ）検索結果文書群にお
    ける両特徴語が共出現する共起頻度と（ｂ）該共起頻度
    と両特徴語各々の検索結果に出現する頻度データから計
    算される両特徴語の関連度とからなり、前記関連度の高
    い特徴語対に関連性が強いことを示すリンクを張れるよ
    うにすることを特徴とする検索結果における特徴語間の
    共起データを記録したコンピュータ読み取り可能な記録
    媒体。
16. 【請求項１６】検索結果に出現する特徴語対のグラフを
    画面表示するためのデータを記録したコンピュータ読み
    取り可能な記録媒体であって、前記特徴語対のグラフを
    画面表示するためのデータは（ａ）グラフのノード部分
    に特徴語を表示するためのデータ、（ｂ）特徴語間の関
    連性を示すリンクを表示するためのデータとからなると
    ともに、前記各ノードのデータは、中心座標、表示する
    文字列、および、文字列を表示する領域の縦横の文字数
    とサイズからなり、前記各リンクのデータは始点座標と
    終点座標とからなり、特徴語グラフをリンクと文字列と
    による二次元表示を可能としたことを特徴とする特徴語
    グラフを画面表示するためのデータを記録したコンピュ
    ータ読み取り可能な記録媒体。
17. 【請求項１７】検索結果に出現する各語の特徴度を計算
    し、特徴語を導出し、特徴語対の共出現頻度にもとづい
    て関連性の高いと判定される特徴語対にリンクを張って
    得られる特徴語のグラフを画面表示するデータを記録し
    たコンピュータ読み取り可能な記録媒体であって、前記
    検索結果に出現する各語に関するデータが、（ａ）文字
    列、（ｂ）検索された文書の内の何件にその語が出現し
    たかを表す文書頻度、（ｃ）検索結果に関係なく、検索
    対象文書全体で何件の文書に使われているかを表すデー
    タベース全体での文書頻度、（ｄ）前記検索結果におけ
    る文書頻度とデータベース全体での全体文書頻度から計
    算される検索結果におけるその語の特徴度、（ｅ）前記
    検索結果における文書頻度の大小によってクラス分けし
    た場合の頻度クラスとからなり、前記頻度クラスのそれ
    ぞれから前記特徴度の上位にある語を検索対象文書群に
    おける特徴語とし、 前記特徴語間の関連度を計算するために、各特徴語対に
    関するデータが、（ｆ）検索結果文書群における両特徴
    語が共出現する共起頻度と（ｇ）該共起頻度と両特徴語
    各々の検索結果に出現する頻度データから計算される両
    特徴語の関連度とからなり、前記関連度の高い特徴語対
    にリンクを張れるようにし、 前記リンクの張られた特徴語グラフを画面表示するため
    に、前記特徴語グラフを画面表示するためのデータは
    （ｈ）グラフのノード部分に特徴語を表示するためのデ
    ータ、（ｉ）特徴語間の関連性を示すリンクを表示する
    ためのデータとからなるとともに、前記各ノードのデー
    タは、中心座標、表示する文字列、および、文字列を表
    示する領域の縦横の文字数とサイズからなり、前記各リ
    ンクのデータは始点座標と終点座標とからなり、前記各
    特徴語グラフをリンクと文字列とによる二次元表示を可
    能としたことを特徴とする特徴語グラフを画面表示する
    ためのデータを記録したコンピュータ読み取り可能な記
    録媒体。