JP2000331027A

JP2000331027A - 類似文書検索装置と類似文書検索方法

Info

Publication number: JP2000331027A
Application number: JP11142448A
Authority: JP
Inventors: Shigemi Nakazato; 茂美中里; Yukio Nakamoto; 幸夫中本; Takeshi Matsukuma; 剛松隈; Takuya Nishina; 卓哉仁科
Original assignee: Toshiba Corp; Toshiba Computer Engineering Corp
Current assignee: Toshiba Corp; Toshiba Computer Engineering Corp
Priority date: 1999-05-21
Filing date: 1999-05-21
Publication date: 2000-11-30

Abstract

(57)【要約】【課題】検索キー文書に異なる内容の項目が存在する
場合にその項目毎の内容に的を絞った類似文書検索を実
現する。【解決手段】検索キー文書および検索対象文書から項
目の単位の文書を切り出し、検索キー文書／検索対象文
書間の類似度をベクトル空間法などを用いて前記項目の
単位でそれぞれ算出し、この算出結果に基づいて類似文
書の検索結果（例えば、文書ＩＤ）を判別して出力す
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、任意の文書を検索
のキーとして、このキー文書と類似したものを複数の検
索対象文書の中から自動検索する類似文書検索装置およ
び類似文書検索方法に関する。

【０００２】

【従来の技術】近年、電子化された大量の文書データが
流通するようになり、これら大量の文書データを一定の
規則に従い分類して利用性を高めることが重要となって
きている。文書データを分類するために、ある一文書を
検索キーとし、その文書と内容が類似した文書を検索対
象文書データベースから抽出する類似文書検索装置があ
る。

【０００３】この類似文書検索装置は、検索キーとする
文書（以降、検索キー文書と呼ぶ。）を構成する単語
と、検索対象文書データベース内の個々の文書（以降、
検索対象文書）を構成する単語とを比較し、この比較結
果を基に検索キー文書と各検索対象文書との類似度を算
出し、その類似度により複数の検索対象文書の中からの
類似文書の抽出を行っている。単語比較結果を基に類似
度を算出する方法としては、検索キー文書と各検索対象
文書との間に共通に出現する単語の種類、出現回数、出
現場所などからベクトル空間法により算出する方法があ
る。

【０００４】

【発明が解決しようとする課題】上記従来の類似文書検
索方式では、文書間の類似度、つまり検索キー文書全体
と検索対象文書全体との類似度から類似文書を抽出して
いるため、異なる複数の内容が記述されている一文書を
検索キーとした場合は、その複数の内容を同時に含んだ
検索対象文書が類似文書として抽出される。このこと
は、検索キー文書に含まれる個々の内容毎に類似した文
書、言い換えると検索キー文書の一つの内容のみに類似
した文書を検索できないという制限があることを意味す
る。

【０００５】本発明は、このような課題を解決するため
のもので、文書を構成する項目の単位で、検索キー文書
と類似した文書を複数の検索対象文書の中から検索する
ことのできる類似文書検索装置と類似文書検索方法の提
供を目的とする。

【０００６】すなわち、本発明は、検索キー文書に異な
る内容の項目が存在する場合に、その項目毎の内容に的
を絞った類似文書検索を行うことのできる類似文書検索
装置と類似文書検索方法を提供することを目的とする。

【０００７】

【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、本発明の類似文書検索装置は、検索キー文書と類
似した文書を複数の検索対象文書の中から検索する類似
文書検索装置において、前記検索キー文書および前記検
索対象文書から項目の単位の文書を切り出す項目切り出
し手段と、前記検索キー文書と前記検索対象文書との類
似度を前記切り出された項目の単位で算出し、その算出
結果に基づいて類似文書検索結果を出力する計算手段と
を具備することを特徴とするものである。

【０００８】この発明は、検索キー文書と検索対象文書
との類似度を各文書を構成する項目の単位で求めること
によって、検索キー文書に異なる内容の項目が存在する
場合に、その項目毎の内容に的を絞った類似文書検索を
行うことができる。

【０００９】また、項目毎に優先度を設定する手段を付
加し、この設定された優先度を加味して検索キー文書と
検索対象文書との項目単位の類似度を算出するように構
成することによって、たとえば、検索対象文書毎に全項
目の類似度の総和を求めその結果を検索結果として出力
する場合に、文書の重要部分の類似度に重みを加えたよ
り最適な類似文書検索を実現することができる。

【００１０】さらに、項目切り出し手段によって切り出
された検索キー文書または検索対象文書の各項目の文構
造を統一化させる手段をさらに付加し、このように文構
造を統一化された各項目について検索キー文書と検索対
象文書との類似度を項目単位で算出するように構成する
ことで、各項目の文構造の違いが類似度に影響する度合
を軽減することができ、より算出される類似度の妥当性
を高めることができる。

【００１１】

【発明の実施の形態】以下、本発明の一実施形態を図面
を参照しながら説明する。

【００１２】図１に、本実施形態に係る類似文書検索装
置のハードウェア構成を示す。同図に示すように、この
類似文書検索装置は、ＣＰＵ、メモリから構成される制
御装置１、キーボードなどの入力装置２、類似検索結果
などの表示する表示装置３、検索データなどを格納する
外部記憶装置４といったコンピュータシステム環境にお
いて構築される。

【００１３】図２に、類似文書検索装置の制御部の構成
を機能別にブロック化して示す。このように類似文書検
索装置の制御部は処理部１１とメモリ部１２とからな
る。

【００１４】制御部１１は各種の制御や処理のための演
算を実行する部分であり、メイン処理部２００、初期化
部２０１、入力部２０２、出力部２０３、検索対象文書
読み出し部２０４、検索対象文書項目切り出し部２０
５、検索対象文書項目生成部２０６、検索対象文書単語
抽出部２０７、検索対象単語出現頻度算出部２０８、検
索対象単語情報算出部２０９、検索キー文書入力部２１
０、検索キー文書項目優先度入力部２１１、検索キー文
書項目切り出し部２１２、検索キー文書項目生成部２１
３、検索キー単語抽出部２１４、検索キー単語出現頻度
算出部２１５、検索条件設定部２１６、共通単語抽出部
２１７、類似度算出部２１８、検索結果出力部２１９な
どからなる。

【００１５】また、メモリ部１２は、検索条件設定バッ
ファ部２２９、検索対象文書格納バッファ部２３０、検
索対象文書項目格納バッファ部２３１、検索対象文書項
目生成格納バッファ部２３２、検索対象単語情報格納バ
ッファ部２３３、検索キー文書項目優先度バッファ部２
３４、検索キー文書格納バッファ部２３５、検索キー文
書項目格納バッファ部２３６、検索キー文書項目生成格
納バッファ部２３７、検索キー単語情報格納バッファ部
２３８、共通単語情報格納バッファ部２３９、類似度格
納バッファ部２４０、検索結果出力バッファ部２４１、
作業バッファ部２４２などからなる。

【００１６】処理部１１の各部の詳細について説明す
る。

【００１７】初期化部２０１は、メモリ部１２内の各バ
ッファ部２２９〜２４２の初期化を行う。

【００１８】入力部２０２は、ユーザからの各種設定の
ための情報や検索キーとなる文書などの入力を処理す
る。

【００１９】出力部２０３は、検索キー文書や類似検索
結果、さらには各種の設定情報などを表示装置３を通じ
てユーザに表示する処理を行う。

【００２０】検索対象文書読み出し部２０４は、外部記
憶装置４に格納されてい検索対象文書をデータベース化
して検索対象文書格納バッファ部２３０に格納する。

【００２１】検索対象文書項目切り出し部２０５は、検
索対象文書格納バッファ部２３０に格納されている検索
対象文書の文構造を解析し、その解析結果を基に検索対
象文書から定型の項目の文書を切り出して検索対象文書
項目格納バッファ部２３１に格納する。

【００２２】検索対象文書項目生成部２０６は、必要に
応じて、検索対象文書項目格納バッファ部２３１に格納
された項目の文書の再生成を行い、再生成された項目の
文書を検索対象文書項目生成格納バッファ部２３２に格
納する。

【００２３】検索対象文書単語抽出部２０７は、検索対
象文書格納バッファ部２３０あるいは検索対象文書項目
格納バッファ部２３１に格納されている文書から単語を
切り出し、切り出された単語群の中からその文書（ある
いは項目）の内容を表す上でキーとなる単語を抽出し、
抽出した単語を検索対象単語情報格納バッファ部２３３
に格納する。

【００２４】検索対象単語出現頻度算出部２０８は、検
索対象文書単語抽出部２０７により抽出されたキー単語
の、検索対象文書項目格納部２３１あるいは検索対象文
書項目生成格納バッファ部２３２に格納されている検索
対象文書中での出現頻度を単語種毎に算出し、その結果
を検索対象単語情報格納バッファ部２３３に格納する。

【００２５】検索対象単語情報算出部２０９は、検索対
象単語情報格納バッファ部２３３に格納されている検索
対象文書中の単語種毎の出現頻度を外部記憶装置４に格
納する。

【００２６】検索キー文書入力部２１０は、入力部２０
２を通じてユーザより入力された検索キーの文書を検索
キー文書格納バッファ部２３５に格納する。

【００２７】検索キー文書項目優先度入力部２１１は、
検索キー文書の各項目の優先度をユーザからの入力によ
り検索キー文書項目優先度バッファ部２３４に設定す
る。

【００２８】検索キー文書項目切り出し部２１２は、検
索キー文書格納バッファ部２３５に格納された検索キー
文書の文構造を解析し、その解析結果を基に検索キー文
書から定型の項目の文書を切り出して検索キー文書項目
格納バッファ部２３６に格納する。

【００２９】検索キー文書項目生成部２１３は、必要に
応じて、検索キー文書項目格納バッファ部２３６に格納
されている項目の文書の再生成を行い、再生成された項
目の文書を検索キー文書項目生成格納バッファ部２３７
に格納する。

【００３０】検索キー文書単語抽出部２１４は、検索キ
ー文書項目格納バッファ部２３６あるいは検索キー文書
項目生成格納バッファ部２３７に格納されている検索キ
ー文書から単語を切り出し、切り出された単語群の中か
らその検索キー文書（あるいは項目）の内容を表す上で
キーとなる単語を抽出し、抽出された単語を検索キー単
語情報格納バッファ部２３８に格納する。

【００３１】検索キー単語出現頻度算出部２１５は、検
索キー単語抽出部２１４により抽出されたキー単語の、
検索キー文書格納バッファ部２３８に格納されている検
索キー文書中での出現頻度を単語種毎に算出し、その結
果を検索キー単語情報格納バッファ部２３８に格納す
る。

【００３２】検索条件設定部２１６は、類似文書を算出
する際の検索条件をユーザからの入力により設定する。
検索条件としては、検索キー文書の項目の生成処理の有
無、検索対象文書の項目の切り出し処理の有無、検索対
象文書の項目の生成処理の有無などがある。これら検索
条件の設定内容は検索条件設定バッファ部２２９に格納
される。

【００３３】共通単語抽出部２１７は、検索キー単語情
報格納バッファ部２３８に格納されている検索キー文書
と検索対象単語情報格納バッファ部２３３に格納されて
いる検索対象文書とに共通の単語を抽出し、この共通単
語の情報と該共通単語毎の頻度情報を共通単語情報格納
バッファ部２３９に格納する。

【００３４】類似度算出部２１８は、検索キー単語情報
格納バッファ部２３８に格納されている検索キー文書中
の単語種毎の出現頻度、検索対象単語情報格納バッファ
部２３３に格納されている検索対象文書中の単語種毎の
出現頻度、そして共通単語情報格納バッファ部２３９に
格納されている共通単語種毎の出現頻度から、ベクトル
空間法等によって検索キー文書と個々の検索対象文書と
の類似度をそれぞれ算出し、その類似度値を類似度格納
バッファ部２４０に格納する。このとき検索キー文書項
目優先度バッファ部２３４に検索キー文書項目の優先度
が設定されている場合は、該当する項目の類似度値に優
先度に応じた重みを付与し、この重みが付与された類似
度値を類似度格納バッファ部２４０に再格納する。

【００３５】検索結果出力部２１９は、類似度格納バッ
ファ部２４０に格納されている検索対象文書毎の類似度
値を基に検索結果を検索結果出力バッファ部２４１に格
納する。そして検索結果出力部２１９は、検索結果出力
バッファ部２３９の内容を表示装置３に出力する。

【００３６】次に、本実施形態の類似文書検索装置の動
作を説明する。

【００３７】図３および図４に、本実施形態の類似文書
検索処理の流れを示す。まず、初期化部２０１が起動さ
れメモリ部１２のクリア等の初期化が行われる（ステッ
プ３００）。

【００３８】続いて検索条件設定部２１６が起動され
る。検索条件設定部２１６は類似文書を算出する際の検
索条件を入力装置２からの入力により設定し、その設定
データを検索条件設定バッファ部２２９に格納する（ス
テップ３０１）。図４に、検索モードの設定例を示す。
同図に示すように、検索モードの設定項目には検索キー文書の項目生成＝する／しない検索対象文書の項目切り出し＝する／しない検索対象文書の項目生成＝する／しないなどがあり、これら設定項目毎にユーザは任意のモード
を選択することができる。この例では、検索キー文書の項目生成＝する検索対象文書の項目切り出し＝する検索対象文書の項目生成＝するがそれぞれ選択されたものとする。これらの検索モード
の設定情報は検索条件設定バッファ部２２９に格納され
る。図６に検索条件設定バッファ部２２９への検索モー
ド設定情報の格納形態を示す。

【００３９】次に、検索キー文書の項目優先度を入力す
るかどうかを判断する（ステップ３０２）、項目優先度
を入力する場合は検索キー文書項目優先度入力部２１１
が起動される。検索キー文書項目優先度入力部２１１は
入力部２０２を通じてユーザより、検索キー文書中の項
目毎の優先度を入力し、その項目別優先度の情報を検索
キー文書項目優先度バッファ部２３４に格納する（ステ
ップ３０３）。

【００４０】図７は検索キー文書中の定型５項目それぞ
れの重要度を設定するときの設定画面を示している。同
図では各項目の優先度（＝重要度）を１０段階に表すも
のとし、項目番号１の優先度を「１０」、項目番号２の
優先度を「５」、項目番号３の優先度を「３」、項目番
号４，５の優先度を「１」に設定している。

【００４１】この検索キー文書の項目優先度の設定後、
あるいはステップ３０４で検索キー文書の項目優先度を
入力しないこととした場合はステップ３０４に進む。

【００４２】ステップ３０４では検索キー文書入力部２
１０が起動される。ここでユーザより検索キーとなる文
書が入力されることで、検索キー文書入力部２１０はそ
の入力された検索キー文書を検索キー文書格納バッファ
部２３５に格納する（ステップ３０４）。図８に、その
入力された検索キー文書の例を示す。ここで、入力さ

【００４３】れた検索キー文書は複数の定型項目（例え
ば

【請求項】で表記される項目）の文書からなるものと
する。

【００４４】この後、検索キー文書項目切り出し部２１
２が起動される。検索キー文書項目切り出し部２１２
は、検索キー文書格納バッファ部２３５に格納されてい
る検索キー文書の文構造を解析して、この解析結果を基
に当該検索キー文書から定型項目の文書部分をすべて切
り出し、切り出した項目単位の文書を検索キー文書項目
格納バッファ部２３６に格納する（ステップ３０５）。
図９に、検索キー文書から切り出された項目単位の文書
を示す。

【００４５】次に、検索キー文書項目生成部２１３は、
検索条件設定バッファ部２２９を参照し、ここに「検索
キー文書の項目生成＝する」が設定されているかどうか
を調べる（ステップ３０６）。「検索キー文書の項目生
成＝する」が設定されていれば、検索キー文書項目生成
部２１３は、検索キー文書項目格納バッファ部２３６に
格納されている定型項目の文書の再生成を行う（ステッ
プ３０７）。再生成された定型項目の文書は検索キー文
書項目生成格納バッファ部２３７に格納される。

【００４６】図１０に、この定型項目の文書の再生成の
例を示す。定型項目の文書の再生成は所定の規則に則っ
て行われる。この定型項目の文書の再生成は項目文書間
の文構造や表記の違いを吸収する目的で行われる。例え
ば、図１０に示すように、項目番号２以降の項目文書に
含まれる「請求項Ｘ」（ただしＸは１以上の整数）とい
う記述部分は、項目番号Ｘの項目文書に置き換えれる。

【００４７】このような定型項目の文書の再生成を行っ
た後、あるいはステップ３０６で「検索キー文書の項目
生成＝しない」が設定されている場合は次にステップ３
０８が実行される。

【００４８】ステップ３０８では検索キー単語抽出部２
１４が起動される。検索キー単語抽出部２１４は、検索
キー文書項目格納バッファ部２３６あるいは検索キー文
書項目生成格納バッファ部２３７に格納されている検索
キー文書から単語を切り出し、切り出した単語群からそ
の検索キー文書（あるいは項目）の内容を反映するキー
単語を抽出し、抽出した単語を検索キー単語情報格納バ
ッファ部２３８に格納する。ここで単語の切り出しは形
態素解析などにより行われ、そのキー単語は単語の品詞
に基づき決定することができる。例えば「名詞」や「サ
変名詞」の単語をキー単語として判別するようにする。
このようにして抽出された単語の情報は、図１１に示す
ように、検索キー単語情報格納バッファ部２３８に格納
される。

【００４９】続いて、検索キー単語出現頻度算出部２１
５が起動される。検索キー単語出現頻度算出部２１５
は、検索キー単語情報格納バッファ部２３８に格納され
た単語種について、検索キー文書項目生成格納バッファ
部２３７または検索キー文書項目格納バッファ部２３６
に格納されている項目文書中の出現頻度を算出し、図１
７に示すように、その結果を検索キー単語情報格納バッ
ファ部２３８に格納する（ステップ３０９）。図１２に
おいて、「文書データベース＝１」は「文書データベー
ス」という単語が１回出現していることを示す。

【００５０】次に、検索対象文書読み出し部２０４が起
動される。検索対象文書読み出し部２０４は、外部記憶
装置４にまだ処理を終えてない検索対象文書あるか否か
を判断し（ステップ３１０）、もし検索対象文書があれ
ば一つの検索対象文書を検索対象文書格納バッファ部２
３０に格納する（ステップ３１１）。図１３にその検索
対象文書の例を示す。

【００５１】続いて、検索対象文書項目切り出し部２０
５は、検索条件設定バッファ部２２９を参照し、検索対
象文書の項目抽出を行うかどうかを判断する（ステップ
３１２）。項目抽出を行う場合、検索対象文書項目切り
出し部２０５は、検索対象文書格納バッファ部２３０に
格納されている検索対象文書の文構造を解析し、この解
析結果を基に当該検索対象文書から定型項目の文書部分
をすべて切り出し、切り出した項目単位の文書を検索対
象文書項目格納バッファ部２３１に格納する（ステップ
３１３）。図１４に検索対象文書から切り出された項目
単位の文書を示す。

【００５２】次に、検索対象文書項目生成部２０６は、
検索条件設定バッファ部２２９を参照し、ここに「検索
対象文書の項目生成＝する」が設定されているかどうか
を調べる（ステップ３１４）。「検索対象文書の項目生
成＝する」が設定されていれば、検索対象文書項目生成
部２０６は、検索対象文書項目格納バッファ部２３１に
格納されている定型項目の文書の再生成を行う（ステッ
プ３１５）。

【００５３】図１５に、この定型項目の文書の再生成の
例を示す。この検索対象文書の項目再再生は前述した検
索キー文書の項目再生成と同様に行われる。再生成され
た定型項目の文書は検索対象文書項目生成格納バッファ
部２３２に格納される。

【００５４】このような定型項目の文書の再生成を行っ
た後、あるいはステップ３１４で「検索対象文書の項目
生成＝しない」が設定されている場合はステップ３１６
が実行される。

【００５５】ステップ３１６では検索対象単語抽出部２
０９が起動される。検索対象単語抽出部２０９は、検索
対象文書項目格納バッファ部２３１あるいは検索対象文
書項目生成格納バッファ部２３２に格納されている検索
対象文書から単語を切り出し、切り出した単語群からそ
の検索対象文書（あるいは項目）の内容を反映するキー
単語を抽出し、抽出した単語を検索対象単語情報格納バ
ッファ部２３３に格納する。この検索対象文書からのキ
ー単語の切り出しは前述した検索キー文書からのキー単
語の切り出しと同様に形態素解析などによって行われ
る。このようにして抽出された単語の情報は、図１６に
示すように、検索対象単語情報格納バッファ部２３３に
格納される。

【００５６】続いて、検索対象単語出現頻度算出部２０
８が起動される。検索対象単語出現頻度算出部２０８
は、検索対象単語情報格納バッファ部２３３に格納され
ている単語について、検索対象文書項目格納バッファ部
２３１または検索対象文書項目生成格納バッファ部２３
２に格納されている項目文書中の出現頻度を算出し、図
１７に示すように、その結果を検索対象単語情報格納バ
ッファ部２３３に格納する（ステップ３１７）。

【００５７】この後、共通単語抽出部２１７が起動され
る。共通単語抽出部２１７は、検索対象単語情報格納バ
ッファ部２３３および検索キー単語情報格納バッファ部
２３８の同一番号の項目毎に、共通に格納されている単
語を検索し、検索した項目毎の共通単語を共通単語情報
格納バッファ部２３９に格納する（ステップ３１８）。
図１８にこの共通単語の検索結果の例を示す。

【００５８】次に、類似度算出部２１８が起動される。
類似度算出部２１８は、検索対象単語情報格納バッファ
部２３３、検索キー単語情報格納バッファ部２３８およ
び共通単語情報格納バッファ部２３９の格納情報を基に
ベクトル空間法などを用いて検索キー文書／検索対象文
書間の項目別の類似度を算出し、その類似度値を類似度
格納バッファ部２４０に格納する。図１９にその項目別
の類似度値の例を示す。

【００５９】また、この類似度値の計算の際に類似度算
出部２１８は、検索キー文書項目優先度バッファ部２３
４を参照する。図２０に検索キー文書項目優先度バッフ
ァ部２３４に設定された優先度の例を示す。ここに優先
度が設定されていれば、その優先度が設定されている項
目についての類似度に優先度を加味する。例えば、「優
先度＝１０」であれば、その項目の類似度を２倍に、
「優先度＝５」であればその項目の類似度を１．５倍に
するなどして項目別の類似度に優先度による重みを付与
し、この結果を類似度格納バッファ部２４０に再格納す
る（ステップ３１９）。図２１に、優先度による重みが
付与された項目別の類似度を示す。

【００６０】その後、ステップ３１０に戻る。ステップ
３１０で外部記憶装置４に処理を終えてない検索対象文
書がないことが判断されると検索結果出力部２１９が起
動される。検索結果出力部２１９は、図２２に示すよう
に、検索キー単語の項目別に最も高い類似度を持つ検索
対象文書を判別し、その文書情報（例えば、文書ＩＤ）
を検索結果出力バッファ部２４０に格納する。そして、
検索結果出力バッファ部２４１の内容を表示装置３に出
力する（ステップ３２０）。図２３に出力結果の例を示
す。

【００６１】このように本実施形態によれば、検索キー
文書の個々の項目毎にこれに類似した項目を有する検索
対象文書を検索することができる。

【００６２】また、図２４に示すように、検索キー文書
の項目毎に、検索対象文書の各項目の類似度の総和を求
め、そして図２５に示すように、その結果を検索結果出
力バッファ部２４０に格納して類似度の総和とともに出
力するようにしても構わない。このとき、類似度の総和
が高い順に検索対象文書のＩＤを並べて表示するように
してもよい。

【００６３】さらに、図２６に示すように、検索対象文
書毎に全項目の類似度の総和を求め、図２７に示すよう
に、その結果を類似度の総和とともに出力するようにし
てもよく、この場合も、類似度の総和が高い順に検索対
象文書のＩＤを並べて表示することが好ましい。

【００６４】以上、説明した類似文書検索の機能は、コ
ンピュータが読み取り可能なＣＤ−ＲＯＭやその他の記
憶媒体にコンピュータ上で実行可能なプログラムとして
記憶して提供することが可能である。

【００６５】

【発明の効果】以上説明したように本発明によれば、検
索キー文書と検索対象文書との類似度を各文書を構成す
る項目の単位で求めることによって、検索キー文書に異
なる内容の項目が存在する場合に、その項目毎の個別の
内容に的を絞った類似文書検索を行うことができる。

【００６６】また、項目毎に優先度を設定する手段を付
加し、この設定された優先度を加味して検索キー文書と
検索対象文書との項目単位の類似度を算出するように構
成することによって、たとえば、検索対象文書毎に全項
目の類似度の総和を求めその結果を検索結果として出力
する場合に、文書の重要部分の類似度に重みを加えたよ
り最適な類似文書検索を実現することができる。

【００６７】さらに、検索キー文書または検索対象文書
の各項目の文構造を統一化させる手段をさらに付加し、
このように文構造を統一化された各項目について検索キ
ー文書と検索対象文書との類似度を項目単位で算出する
ように構成することで、各項目の文構造の違いが類似度
に影響する度合を軽減することができ、より算出される
類似度の妥当性を高くすることができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る類似文書検索装置の
ハードウェア構成を示す図。

【図２】図１の類似文書検索装置の制御部の構成を機能
別にブロック化して示す図。

【図３】図１の類似文書検索装置の処理の流れを示すフ
ローチャート。

【図４】同じく図１の類似文書検索装置の処理の流れを
示すフローチャート。

【図５】検索モードの設定画面を示す図。

【図６】検索モード設定情報の格納例を示す図。

【図７】検索キー文書中の各項目の重要度を設定する画
面を示す図。

【図８】検索キー文書の例を示す図。

【図９】図８の検索キー文書から切り出された項目単位
の文書を示す図。

【図１０】図９の項目文書から再生成された文書の例を
示す図。

【図１１】図１０に示す各項目の文書から抽出された単
語の情報の例を示す図。

【図１２】図１０に示す各項目の文書から抽出された単
語の出現頻度の情報の例を示す図。

【図１３】検索対象文書の例を示す図。

【図１４】図１３の検索対象文書から切り出された項目
単位の文書を示す図。

【図１５】図１４の項目文書から再生成された文書の例
を示す図。

【図１６】図１５に示す各項目の文書から抽出された単
語の情報の例を示す図。

【図１７】図１５に示す各項目の文書から抽出された単
語の出現頻度の情報の例を示す図。

【図１８】共通単語の検索結果の例を示す図。

【図１９】検索キー文書／検索対象文書間の項目別の類
似度の算出結果を示す図。

【図２０】項目別に設定された優先度の例を示す図。

【図２１】優先度による重みが付与された項目別の類似
度を示す図。

【図２２】項目別の類似文書検索結果を示す図。

【図２３】図２２の項目別の類似文書検索結果の出力例
を示す図。

【図２４】検索キー文書の項目別に検索対象文書の各項
目の類似度の総和を求めた類似文書検索結果を示す図。

【図２５】図２４の類似文書検索結果の出力例を示す
図。

【図２６】検索対象文書毎に全項目の類似度の総和を求
めた類似文書検索結果を示す図。

【図２７】図２６の類似文書検索結果の出力例を示す
図。

【符号の説明】

１…制御装置２…入力装置３…表示装置４…外部記憶装置２００…メイン処理部２０１…初期化部２０２…入力部２０３…出力部２０４…検索対象文書読み出し部２０５…検索対象文書項目切り出し部２０６…検索対象文書項目生成部２０７…検索対象文書単語抽出部２０８…検索対象単語出現頻度算出部２０９…検索対象単語情報算出部２１０…検索キー文書入力部２１１…検索キー文書項目優先度入力部２１２…検索キー文書項目切り出し部２１３…検索キー文書項目生成部２１４…検索キー単語抽出部２１５…検索キー単語出現頻度算出部２１６…検索条件設定部２１７…共通単語抽出部２１８…類似度算出部２１９…検索結果出力部２２９…検索条件設定バッファ部２３０…検索対象文書格納バッファ部２３１…検索対象文書項目格納バッファ部２３２…検索対象文書項目生成格納バッファ部２３３…検索対象単語情報格納バッファ部２３４…検索キー文書項目優先度バッファ部２３５…検索キー文書格納バッファ部２３６…検索キー文書項目格納バッファ部２３７…検索キー文書項目生成格納バッファ部２３８…検索キー単語情報格納バッファ部２３９…共通単語情報格納バッファ部２４０…類似度格納バッファ部２４１…検索結果出力バッファ部２４２…作業バッファ部

───────────────────────────────────────────────────── フロントページの続き (72)発明者中本幸夫東京都青梅市新町３丁目３番地の１東芝コンピュータエンジニアリング株式会社内 (72)発明者松隈剛東京都青梅市新町３丁目３番地の１東芝コンピュータエンジニアリング株式会社内 (72)発明者仁科卓哉東京都青梅市新町３丁目３番地の１東芝コンピュータエンジニアリング株式会社内Ｆターム(参考） 5B075 ND03 NK02 NK31 PP24 PQ36 PR04 PR08 QM08

Claims

【特許請求の範囲】

【請求項１】検索キー文書と類似した文書を複数の検
索対象文書の中から検索する類似文書検索装置におい
て、前記検索キー文書および前記検索対象文書から項目の単
位の文書を切り出す項目切り出し手段と、前記検索キー文書と前記検索対象文書との類似度を前記
切り出された項目の単位で算出し、その算出結果に基づ
いて類似文書検索結果を出力する計算手段とを具備する
ことを特徴とする類似文書検索装置。
【請求項２】前記項目毎に優先度を設定する手段をさ
らに有し、前記計算手段は、前記設定された優先度を加味して前記
検索キー文書と前記検索対象文書との項目単位の類似度
を算出することを特徴とする請求項１記載の類似文書検
索装置。
【請求項３】前記項目切り出し手段によって切り出さ
れた前記検索キー文書または前記検索対象文書の各項目
の文構造を統一化させる手段をさらに有し、前記計算手段は、前記文構造を統一化された各項目につ
いて、前記検索キー文書と前記検索対象文書との類似度
を前記項目単位で算出することを特徴とする請求項１記
載の類似文書検索装置。
【請求項４】前記計算手段は、前記検索キー文書より切り出された項目からキー単語を
抽出し、抽出されたキー単語の項目毎の出現頻度を求め
る手段と、前記検索対象文書より切り出された項目からキー単語を
抽出し、抽出されたキー単語の項目毎の出現頻度を求め
る手段と、前記検索キー文書と前記検索対象文書に共通のキー単語
を検索する手段と、前記検索キー文書および前記検索対象文書よりそれぞれ
前記抽出されたキー単語と該キー単語の項目毎の出現頻
度と前記検索された共通キー単語とから前記検索キー文
書と前記検索対象文書との項目単位の類似度を算出する
手段とを有することを特徴とする請求項１記載の類似文
書検索装置。
【請求項５】前記計算手段は、前記検索キー文書の項
目別に、最も類似度の高い検索対象文書を検索結果とし
て出力することを特徴とする請求項１記載の類似文書検
索装置。
【請求項６】前記計算手段は、前記検索キー文書の項
目別に、検索対象文書の各項目の類似度の総和を求め、
その結果を検索結果として出力することを特徴とする請
求項１記載の類似文書検索装置。
【請求項７】前記計算手段は、検索対象文書毎に全項
目の類似度の総和を求め、その結果を検索結果として出
力することを特徴とする請求項１または２記載の類似文
書検索装置。
【請求項８】検索キー文書と類似した文書を複数の検
索対象文書の中から検索する類似文書検索方法におい
て、前記検索キー文書および前記検索対象文書から項目の単
位の文書を切り出す段階と、前記検索キー文書と前記検索対象文書との類似度を前記
切り出された項目の単位で算出する段階と、前記算出結果に基づいて類似文書検索結果を出力する段
階とを有することを特徴とする類似文書検索方法。