JPH09160929A

JPH09160929A - 文書処理装置及び方法

Info

Publication number: JPH09160929A
Application number: JP7321325A
Authority: JP
Inventors: Takashi Katooka; 隆加登岡
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1995-12-11
Filing date: 1995-12-11
Publication date: 1997-06-20

Abstract

(57)【要約】【課題】文書データから適正な検索キーを自動的に生
成する。【解決手段】データベース１４に格納する文書データ
が文書入力手段１６に入力されると、文書分割手段１７
が文書データを所定の単位に分割し、文字抽出手段１９
が分割された単位から一部の文字を抽出する。キー生成
手段２０が抽出された文字を組み合わせて検索キーを生
成するので、文書データの内容を反映した検索キーが自
動的に生成される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、データベースから
文書データを検索する文書処理装置及び方法に関する。

【０００２】

【従来の技術】文書管理システム等の文書処理装置は、
多数の文書データが予め格納されたデータベースを有し
ており、このデータベースから所望の文書データを検索
して出力することができる。一般的な文書処理装置で
は、データベースの文書データにキーワードとなる単語
により検索キーが付与されているので、ユーザが所望の
単語から検索キーを作成して文書処理装置に入力する
と、検索キーの整合する文書データがデータベースから
検索される。

【０００３】また、現在では文書データの翻訳を支援す
る翻訳支援装置も開発されており、このような翻訳支援
装置に上述のような文書処理装置を利用することも特開
平4-160473号公報等に提案されている。つまり、文章を
翻訳する場合、同一の文章や類似の文章が出現すること
がある。そこで、特開平4-160473号公報に開示された翻
訳支援装置では、翻訳を完了した文書データをクラスタ
リングして訳文と共にデータベースに格納しておき、こ
れから翻訳する文書データに類似した文書データをデー
タベースから検索する。これが検索されると相違する部
分のみ自動翻訳し、これを検索した文書データの訳文に
組み合わせ、翻訳する文書データの訳文とする。

【０００４】

【発明が解決しようとする課題】前述のような文書処理
装置では、検索キーが整合する文書データをデータベー
スから検索することができる。しかし、データベースに
文書データを格納する場合に、文書データに内容を反映
した検索キーを付与する必要があり、この作業が煩雑で
ある。同様に、文書データを検索する場合、文書データ
の内容を反映した検索キーをユーザが適切に作成する必
要もあり、この作業も煩雑である。

【０００５】また、文書処理装置を利用した翻訳支援装
置では、翻訳を完了した文書データを資料として利用で
きるので、自動翻訳の精度を改善することができる。し
かし、特開平4-160473号公報に開示された翻訳支援装置
では、類似した文書データを検索するために類似度を計
算するので、この処理の負担が大きく速度が低い。

【０００６】

【課題を解決するための手段】請求項１記載の文書処理
装置は、多数の文書データが格納されるデータベース
と、このデータベースに格納する文書データが入力され
る文書入力手段と、入力された文書データを所定の単位
に分割する文書分割手段と、分割された単位から一部の
文字を抽出する文字抽出手段と、抽出された文字を組み
合わせて検索キーを生成するキー生成手段と、生成され
た検索キーを文書データに対応させて登録するキー登録
手段とを有する。従って、データベースに格納する文書
データが入力されると、この文書データを所定の単位に
分割し、この分割された単位から一部の文字を抽出す
る。この抽出された文字を組み合わせて検索キーを生成
し、この生成された検索キーを文書データに対応させて
登録するので、文書データを自然言語等により入力すれ
ば、その内容を反映した検索キーが自動的に生成され
る。

【０００７】請求項２記載の文書処理装置は、多数の文
書データが格納されたデータベースと、文書データを所
定の単位に分割してから一部の文字を抽出して組み合わ
せた検索キーが文書データに対応して登録されたキー登
録手段と、検索要求の文書データの入力を受け付ける文
書入力手段と、入力された文書データを所定の単位に分
割する文書分割手段と、分割された単位から一部の文字
を抽出する文字抽出手段と、抽出された文字を組み合わ
せて検索キーを生成するキー生成手段と、生成された検
索キーを前記キー登録手段から検索して対応する文書デ
ータを前記データベースから検出する文書検索手段とを
有する。従って、多数の文書データをデータベースに格
納しておき、文書データを所定の単位に分割してから一
部の文字を抽出して組み合わせた検索キーを文書データ
に対応してキー登録手段に登録しておき、検索要求の文
書データが入力されると、この入力された文書データを
所定の単位に分割し、この分割された単位から一部の文
字を抽出する。この抽出された文字を組み合わせて検索
キーを生成し、この生成された検索キーを前記キー登録
手段から検索して対応する文書データを前記データベー
スから検出するので、検索要求を自然言語等により文書
データとして入力すれば、その内容を反映した検索キー
が自動的に生成される。

【０００８】請求項３記載の文書処理装置では、請求項
１記載の文書処理装置において、文書検索手段は、生成
された検索キーをキー登録手段から検索する際、パター
ンのマッチングが不完全でも類似の検索キーを検索す
る。従って、検索キーが完全に一致する文書データだけ
でなく、検索キーが類似の文書データも検索される。

【０００９】請求項４記載の文書処理装置では、請求項
１，２又は３記載の文書処理装置において、文字抽出手
段は、文書データの分割された単位の先頭から所定数の
文字を抽出する。従って、検索キーが少数の文字により
形成される。

【００１０】請求項５記載の文書処理装置では、請求項
１，２又は３記載の文書処理装置において、文字抽出手
段は、文書データの分割された単位の先頭から文字を一
文字置きに抽出する。従って、検索キーが少数の文字に
より形成される。

【００１１】請求項６記載の文書処理装置では、請求項
１，２，３，４又は５記載の文書処理装置において、文
書データを構文解析して分割された単語の役割を判定す
る構文解析手段を設け、文書分割手段は、文書データを
単語に分割し、前記構文解析手段は、文書データを構文
解析して分割された単語の役割を判定し、キー生成手段
は、単語から抽出された文字に役割も組み合わせて検索
キーを生成する。従って、検索キーに文書データの単語
の文字だけでなく単語の役割も盛り込まれる。

【００１２】請求項７記載の文書処理装置では、請求項
６記載の文書処理装置において、文字抽出手段は、特定
の役割の単語のみ文字を抽出する対象とする。従って、
文書データの構文構造で主要な役割や必須の役割の単語
のみから検索キーを生成することができる。

【００１３】請求項８記載の文書処理装置では、請求項
１，２，３，４又は５記載の文書処理装置において、分
割された単語の品詞を推定する品詞推定手段を設け、文
書分割手段は、文書データを単語に分割し、前記品詞推
定手段は、分割された単語の品詞を推定し、キー生成手
段は、単語から抽出された文字に品詞も組み合わせて検
索キーを生成する。従って、検索キーに文書データの単
語の文字だけでなく単語の品詞も盛り込まれる。

【００１４】請求項９記載の文書処理装置では、請求項
８記載の文書処理装置において、文字抽出手段は、特定
の品詞の単語のみ文字を抽出する対象とする。従って、
文書データの主要な品詞や必須の品詞の単語のみから検
索キーを生成することができる。

【００１５】請求項１０記載の文書処理装置では、請求
項１，２，３，４又は５記載の文書処理装置において、
単語の属性データを予め記憶した属性記憶手段を設け、
分割された単語の属性データを検出する属性検出手段を
設け、文書分割手段は、文書データを単語に分割し、前
記属性検出手段は、分割された単語の属性データを検出
し、キー生成手段は、単語から抽出された文字に属性デ
ータも組み合わせて検索キーを生成する。従って、検索
キーに文書データの単語の文字だけでなく単語の属性デ
ータも盛り込まれる。

【００１６】請求項１１記載の文書処理方法では、デー
タベースに格納する文書データが入力されると、この文
書データを所定の単位に分割し、この分割された単位か
ら一部の文字を抽出し、この抽出された文字を組み合わ
せて検索キーを生成し、この生成された検索キーを文書
データに対応させて登録するようにした。従って、文書
データを自然言語等により入力すれば、その内容を反映
した検索キーが自動的に生成される。

【００１７】請求項１２記載の文書処理方法では、多数
の文書データをデータベースに格納しておき、文書デー
タを所定の単位に分割してから一部の文字を抽出して組
み合わせた検索キーを文書データに対応してキー登録手
段に登録しておき、検索要求の文書データが入力される
と、この入力された文書データを所定の単位に分割し、
この分割された単位から一部の文字を抽出し、この抽出
された文字を組み合わせて検索キーを生成し、この生成
された検索キーを前記キー登録手段から検索して対応す
る文書データを前記データベースから検出するようにし
た。従って、検索要求を自然言語等により文書データと
して入力すれば、その内容を反映した検索キーが自動的
に生成される。

【００１８】

【発明の実施の形態】本発明の文書処理装置の実施の一
形態を図面に基づいて以下に説明する。まず、ここで例
示する文書処理装置１は、翻訳支援装置（図示せず）の
一部として設けられており、図２に示すように、データ
処理装置２と電子ファイルシステム３とを有している。
前記データ処理装置２は、既存のマイクロコンピュータ
やワークステーションからなり、前記電子ファイルシス
テム３は、ＨＤ(Hard Disk）やＭＯ(Magneto Optical D
isk)等の大容量の記憶デバイスからなる。

【００１９】前記データ処理装置２は、ＣＰＵ(Central
Processing Unit）４を有しており、このＣＰＵ４に
は、ＲＯＭ(Read Only Memory)５、ＲＡＭ(Random Acce
ss Memory)６、マウス７を有するキーボード８、ディス
プレイ９、通信Ｉ／Ｆ(Interface）１０，１１が接続さ
れている。第一の前記通信Ｉ／Ｆ１０には、通信回線１
２が接続されており、この通信回線１２には、文書デー
タを出力するＦＤＤ(Floppy Disk Drive）やホストコン
ピュータ（共に図示せず）が接続されている。第二の前
記通信Ｉ／Ｆ１１には、接続コネクタ１３により前記電
子ファイルシステム３が接続されており、この電子ファ
イルシステム３には、データベース１４とキー登録手段
であるキーインデックス１５とが構築されている。

【００２０】前述のように、本実施の形態の文書処理装
置１は翻訳支援装置の一部として設けられており、この
翻訳支援装置は、英語の長大な文書データの全文を一文
ずつ日本語に翻訳する。そこで、文書処理装置１は、翻
訳対象の一つの文書データの全文を一文ずつに分割した
ものを検索対象とし、翻訳を実行する一文を検索要求と
して類似した一文を検索する。このため、前記データベ
ース１４には、翻訳する一つの長大な文書データの全文
が、文単位に分割されて検索対象の複数の文書データと
して格納され、前記キーインデックス１５には、検索対
象の複数の文書データの各々から一つずつ生成された検
索キーが登録される。

【００２１】本実施の形態の文書処理装置１は、上述の
ような文書データの格納と検索とを実行するため、図１
に模式的に示すように、文書入力手段１６、文書分割手
段１７、構文解析手段１８、文字抽出手段１９、キー生
成手段２０、文書検索手段２１、を有している。

【００２２】前記文書入力手段１６は、検索対象として
前記データベース１４に格納される全文の文書データ
と、検索要求として検索キーに変換される一文の文書デ
ータとが、例えば、前記通信Ｉ／Ｆ１０により翻訳支援
装置から入力される。このように入力された文書データ
が検索対象となる全文の場合は、この文書データを前記
通信Ｉ／Ｆ１１により前記データベース１４に格納す
る。なお、翻訳支援装置により文書データの翻訳が実行
されると、この訳文も前記データベース１４に格納され
た文書データに順次付加される。

【００２３】前記文書分割手段１７は、入力された文書
データを形態素解析し、その文書データを所定の単位に
分割する。つまり、入力された文書データが検索対象と
なる全文の場合は、これを文単位に分割して複数の検索
対象の文書データを生成し、この複数の文書データの各
々を単語単位に分割する。入力された文書データが検索
要求の一文の場合は、この文書データを単語単位に分割
する。ここでは文書データが英語により記述されている
ので、文単位の分割はピリオドの検出に対応して実行さ
れ、単語単位の分割はスペースやカンマの検出に対応し
て実行される。

【００２４】前記構文解析手段１８は、上述のように入
力された文書データを構文解析し、分割された単語の役
割を判定する。この単語の役割とは、主語、動詞、目的
語、補語、等のことであり、これは単語辞書を利用した
既存の構文解析等により判定される。前記文字抽出手段
１９は、上述のように分割された単語から一部の文字を
抽出するが、このように文字を抽出する対象を、構文構
造における特定の役割の単語のみとする。

【００２５】より具体的には、図４に示すように、構文
解析の結果は木構造に生成されるので、ここでは先頭の
親ノードと、これに直接に係る子ノードとを検出し、こ
れらのノードから“Ｓ(主語)，Ｖ(動詞)，Ｏ(目的語)，
Ｃ(補語)”の単語のみを検出し、これらの単語の各々か
ら先頭の三文字を抽出する。つまり、英語の五文形“Ｓ
Ｖ，ＳＶＯ，ＳＶＣ，ＳＶＯＯ，ＳＶＯＣ”は“Ｓ，
Ｖ，Ｏ，Ｃ”により形成されているので、上述のように
処理することで各文形の骨格に相当する部分のみを処理
対象とする。

【００２６】前記キー生成手段２０は、上述のように複
数の単語から抽出された三文字の各々に、その単語の役
割も組み合わせて検索キーを生成する。この検索キーが
検索対象の文書データから生成された場合は、この検索
キーは文書データに対応してキーインデックス１５に登
録される。ここでは検索対象の複数の文書データの各々
から検索キーが一つずつ生成されるので、図３に示すよ
うに、検索キーの各々に一つの文書データのアドレスと
長さとが設定される。この検索対象の文書データは、一
つの全文の文書データを一文ずつに分割したものなの
で、そのアドレスは全文の先頭から各々の先頭までの文
字数として設定されており、その長さは各々の文字数と
して設定されている。

【００２７】一方、検索キーが検索要求の文書データか
ら生成された場合は、この検索キーは前記文書検索手段
２１に出力される。この文書検索手段２１は、検索要求
の文書データから生成された検索キーを前記キーインデ
ックス１５から検索し、この検索結果に対応する文書デ
ータを前記データベース１４から検出する。このような
検索キーの検索処理は、一般的な文字列のパターンマッ
チングにより実行され、検出された文書データは訳文と
共に前記ディスプレイ９により表示される。

【００２８】このような構成において、本実施の形態の
文書処理装置１は、翻訳支援装置の一部として機能す
る。この翻訳支援装置は、英語の長大な文書データの全
文を一文ずつ日本語に翻訳するもので、例えば、その翻
訳は自動に実行されて結果はディスプレイ９の表示によ
りユーザに提示される。このユーザがキーボード８の手
動操作により訳文の承認や修正を入力すると、この入力
に対応して文書データの翻訳を完了する。

【００２９】このような処理動作を翻訳支援装置が開始
する際、文書処理装置１は英語の全文の文書データを文
単位の複数の文書データに分割してデータベース１４に
格納し、複数の文書データに個々に対応した検索キーを
生成してキーインデックス１５に登録する。この状態で
翻訳支援装置が文単位の翻訳を実行すると、その訳文も
文書処理装置１によりデータベース１４に原文の文書デ
ータに対応して格納される。

【００３０】このような処理工程において、これから翻
訳支援装置が翻訳する一文に類似した一文を文書処理装
置１はデータベース１４から検索し、この検索された文
書データに訳文が設定されていれば、この訳文を翻訳支
援装置に提供する。このため、翻訳支援装置により翻訳
の作業を実行するユーザには、以前に翻訳した文章と類
似の文章に対しては、以前の訳文が提供されるので、簡
易かつ正確に翻訳作業を実行することができる。

【００３１】上述のような文書処理装置１の文書処理方
法を、図面に基づいて以下に順次説明する。まず、これ
から翻訳する全文の文書データを、各々一文の複数の文
書データに分割して検索キーと共に格納する文書処理方
法を最初に説明する。

【００３２】翻訳支援装置に翻訳対象の一つの文書デー
タが設定されると、図５に示すように、この文書データ
は文書処理装置１の文書入力手段１６に通信Ｉ／Ｆ１０
から入力される。このように入力された一つの全文の文
書データは、検索対象の複数の文書データとして通信Ｉ
／Ｆ１１からデータベース１４に格納される。これとは
別個に、入力された文書データは文書分割手段１７によ
り形態素解析され、文単位に分割されて複数の検索対象
の文書データに変換されてから、この複数の文書データ
の各々が単語単位に順番に分割される。

【００３３】例えば、入力された一つの全文の文書デー
タが“He certainly didn't want awife who was fickl
e as Ann. He had married her.”の場合、この一文は
“Hecertainly didn't want a wife who was fickle as
Ann ”“He had married her”なる二つの文書データ
に分割されてから、“He／certainly／didn't／want／a
／wife／who／was／fickle／as／Ann ”“He／had／mar
ried／her”なる単語に各々分割される。

【００３４】また、上述のように分割された検索対象の
文書データは構文解析手段１８により順番に構文解析さ
れ、図４に示すように、分割された単語の各々の役割が
判定される。なお、ここでは図中（ａ）に第一の文書デ
ータの構文構造のみを示し、図中（ｂ）に第一の文書デ
ータの単語の役割等を順番に示す。この文書データの構
文解析が完了すると、これに対応した特定の単語が文字
抽出手段１９により抽出され、これらの単語から先頭の
三文字が抽出される。

【００３５】ここでは構文解析の結果が木構造に生成さ
れ、その先頭の親ノードと、これに直接に係る子ノード
とから“Ｓ(主語)，Ｖ(動詞)，Ｏ(目的語)，Ｃ(補語)”
の単語のみが検出され、これらの単語の各々から先頭の
三文字が抽出される。例えば、上述した第一の文書デー
タでは、図４に示すように、先頭の親ノードが“Ｖ＝wa
nt”であり、これに直接に連結された“Ｓ，Ｏ，Ｃ”の
子ノードは“Ｓ＝He，Ｏ＝wife”である。

【００３６】このように抽出された文字は、キー生成手
段２０により単語の役割の識別子“Ｓ，Ｖ，Ｏ，Ｃ”と
組み合わされ、これが検索キーとしてキーインデックス
１５にアルファベットの順番に登録される。図３に示す
ように、上記した第一の文書データの検索キーは“ＳHe
ＶwanＯwif”となり、第二の文書データの検索キーは
“ＳHeＶmarＯher”となる。この時、文書データのアド
レスと長さもカウントされ、これも検索キーに対応して
キーインデックス１５に登録されるので、この検索キー
は文書データに対応した形態で登録されることになる。

【００３７】上述のような文書処理装置１による検索キ
ーの生成と登録とが、分割した複数の文書データの全部
で完了されると、翻訳支援装置による文書データの翻訳
の処理が開始される。この時、翻訳支援装置が一文の翻
訳を完了すると、文書処理装置１は、その訳文をデータ
ベース１４に文書データに対応して格納する。同時に、
翻訳支援装置が、これから翻訳する一文に類似した一文
を文書処理装置１は検索し、この検索された文書データ
に訳文が設定されている場合は、この訳文を翻訳支援装
置に提供する。

【００３８】つぎに、このような文書処理装置１の文書
処理方法を以下に順次説明する。まず、翻訳支援装置は
全部の文書データを一文ずつ処理するので、図６に示す
ように、この一文が検索要求の文書データとして文書処
理装置１の文書入力手段１６に通信Ｉ／Ｆ１０から入力
される。このように検索要求として入力された一文の文
書データは、検索対象の文書データの場合と同様に、単
語単位に分割されてから構文解析され、単語の役割識別
子と先頭三文字とにより検索キーが生成される。

【００３９】このように検索要求の検索キーが生成され
ると、これを文書検索手段２１がバイナリサーチ等のパ
ターンマッチングによりキーインデックス１５から検索
するので、パターンがマッチングする検索キーが検索さ
れると文書データのアドレスと長さとが読み出され、こ
のアドレスと長さとに従って文書データがデータベース
１４から検出される。

【００４０】例えば、これから翻訳を実行する検索要求
の文書データが“He wants a wifeas Barbra.”の場
合、その検索キーは“ＳHeＶwanＯwif”となるので、こ
れは前述した“He certainly didn't want a wife who
was fickle as Ann.”なる第一の文書データの検索キー
とマッチングする。

【００４１】このように類似の文書データが検索される
と、ここでは訳文の有無が判断され、この訳文の存在が
判断されると、この訳文と文書データとが文書処理装置
１から翻訳支援装置に提供される。そこで、この翻訳支
援装置は提供された文書データと訳文とをディスプレイ
９に表示し、提供された文書データと訳文とを利用して
現在の文書データを翻訳し、これもディスプレイ９に表
示する。このため、翻訳支援装置は文書データの翻訳を
簡易かつ正確に実行することができ、以前の類似の文章
と訳文とをユーザに提示できるので、ユーザは今回の翻
訳の精度を良好に確認することができる。

【００４２】本実施の形態の文書処理装置１は、上述の
ように検索対象となる文書データが自然言語等により入
力されれば、その内容を反映した検索キーを自動的に生
成できるので、ユーザが検索キーを作成する必要がな
く、簡易にデータベース１４を構築することができる。
同様に、検索要求の文書データからも適正な検索キーを
自動的に生成できるので、ユーザが検索キーを作成する
必要がなく、簡易に文書データを検索することができ
る。

【００４３】しかも、検索キーの生成には、文書データ
の単語の全部の文字は使用せず、先頭の三文字のみを利
用するので、検索キーを形成する文字が少数に制限され
る。このため、検索キーを登録するキーインデックス１
５の記憶容量を節約することができ、文書検索手段２１
によるパターンマッチングの処理負担を軽減することが
できる。しかも、文書データを構文解析して特定の単語
を検出し、その単語のみ文字を抽出する対象とするの
で、文書データの構文構造で主要な役割や必須の役割の
単語のみから検索キーを生成することができ、検索キー
を形成する文字を良好に削減しながらも、文書データの
内容を良好に反映させることができる。さらに、検索キ
ーに単語の文字だけでなく構文解析による役割も組み込
むので、より良好に文書データの内容を検索キーに反映
させることができ、検索精度を向上させることができ
る。

【００４４】なお、本発明は上述した文書処理装置１に
限定されるものではなく、各種の変形を許容する。例え
ば、上述した実施の形態では、文書処理装置１を翻訳支
援装置の一部とし、翻訳する全文を分割した一文を処理
の対象とすることを例示したが、このような翻訳とは無
関係に一般的な文書データを処理の対象とすることも可
能である。

【００４５】また、検索キーの文字を削減するため、文
書データの単語から先頭三文字のみを利用することを例
示したが、これでは接頭辞が検索キーに設定されて検索
精度が低下する懸念もある。これが問題となる場合に
は、例えば、文書データの単語から文字を一文字置きに
抽出し、これを検索キーの生成に利用することが好まし
い。

【００４６】さらに、検索精度を向上させるため、文書
データを構文解析して単語の役割も検索キーに設定する
ことを例示したが、このような構文解析を実行する構文
解析手段１８に換えて品詞推定手段（図示せず）を設
け、この品詞推定手段により単語の品詞を推定すること
も可能である。このような品詞の推定は、形態素解析と
連接確率とを利用した既存の処理により実行することが
でき、このような処理により構文解析より負担を軽減す
ることができる。なお、このように形態素解析と連接確
率とを利用して品詞を推定する処理は、特開平2-254565
号公報や特開平4-112364号公報に詳述されている。

【００４７】このように単語の品詞を推定する場合、特
定の品詞のみ文字を抽出する対象とすることも可能であ
り、この場合は文書データの主要な品詞や必須の品詞の
単語のみから検索キーを生成することができるので、検
索キーの文字を削減しながら文書データの内容を良好に
反映させることができる。

【００４８】さらに、単語の属性データを予め記憶した
属性記憶手段を設け、分割された単語の属性データを検
出する属性検出手段を設け（共に図示せず）、このよう
な属性データを検索キーに組み込むことも可能である。
例えば、“apple”“orange”なる単語には“Ｆ(＝Frui
ts)”なる属性データを付加する。この場合、所定の単
語の所望の属性を付加することができるので、複数の名
詞を一つの象徴に抽象化するようなことができ、やはり
検索キーの文字を削減しながら文書データの内容を良好
に反映させることができる。

【００４９】また、上述した文書処理装置１では、検索
キーのパターンマッチングにより文書データを検索する
ので、検索キーの文字が一つでも相違すると類似の文書
データが検索されない。これが問題となる場合には、音
声認識で既存のＤＰ(Dynamic-Programming）マッチング
を利用し、パターンのマッチングが不完全でも類似の検
索キーを検索できるようにすることが好ましい。この場
合、検索キーが完全に一致する文書データだけでなく、
検索キーが類似の文書データも検索されるので、より良
好に文書データを検索することができる。

【００５０】このようなＤＰマッチングを利用した検索
キーの検索処理を以下に説明する。まず、ＤＰマッチン
グは音声認識の代表的な処理方法であり、パターン長の
変動を吸収して整列化することにより文字列の類似度を
検出する。この類似度を二つの検索キーの距離と定義す
ると、この距離が所定の閾値より小さければ、二つの文
字列を略同一として認識することができる。ここで、検
索要求と検索対象との検索キーの文字列“Ａ，Ｂ”の距
離Ｄを検出する場合、Ａ：文字列Ａ１，Ａ２，…，Ａｍ（ｍはＡの文字数）Ｂ：文字列Ｂ１，Ｂ２，…，Ｂｎ（ｎはＢの文字数）Ｄ(ｉ，ｊ) ：文字Ａｉまでと文字ＢｊまでとのＡとＢとの距離ｄ(ｉ，ｊ) ：文字Ａｉと文字Ｂｊとの距離ＩＮＳＥＲＴ：挿入エラーに伴うペナルティＤＥＬＥＴＥ：脱落エラーに伴うペナルティとすると、下記の数１に示すように、文字列“Ａ，Ｂ”
の検索キーの距離Ｄ(ｍ，ｎ)は、

【００５１】

【数１】

【００５２】なる数式により計算される。なお、ここで
は“ＩＮＳＥＲＴ＝１，ＤＥＬＥＴＥ＝１”を想定して
いるが、これは所望により各種数値に設定することが可
能である。このようにＤＰマッチングにより二つの検索
キーの距離が算定されるので、この距離が所定の閾値よ
り小さければ、二つの検索キーを類似と判定することが
できる。

【００５３】なお、完全に一致しない類似の検索キーを
検出する手段も、上述したＤＰマッチングに限定される
ものではなく、既存の各種の処理を適用できる。例え
ば、下記の表１に示すようなコンフィージョンマトリク
スを設け、

【００５４】

【表１】

【００５５】これを利用して文字の類似度を個々に判定
し、これに基づいて文字列である検索キーの類似度を判
定することもできる。

【００５６】上述したコンフィージョンマトリクスは、
検索対象と検索要求との検索キーの少なくとも一方がＯ
ＣＲ(Optical Character Reader)の読取結果として入力
される場合を想定しており、文字の類似度を形状に基づ
いて検出するので、光学読取のエラーも補償することが
できる。なお、検索キーの入力がキーボード８の手動操
作による場合、隣接するキーによる文字の誤入力を予想
できるので、これを文字の類似度としてコンフィージョ
ンマトリクスを作成すれば、操作エラーを補償すること
ができる。

【００５７】ここでは各種の変形例を説明したが、この
ような変形例は内容が相反しない範囲で自在に組み合わ
せることが可能である。

【００５８】

【発明の効果】請求項１記載の文書処理装置は、多数の
文書データが格納されるデータベースと、このデータベ
ースに格納する文書データが入力される文書入力手段
と、入力された文書データを所定の単位に分割する文書
分割手段と、分割された単位から一部の文字を抽出する
文字抽出手段と、抽出された文字を組み合わせて検索キ
ーを生成するキー生成手段と、生成された検索キーを文
書データに対応させて登録するキー登録手段とを有する
ことにより、データベースに格納する文書データが入力
されると、その内容を反映した検索キーが自動的に生成
されるので、検索キーをユーザが作成する必要がなく、
文書データを良好に検索できるデータベースを簡易に構
築することができる。

【００５９】請求項２記載の文書処理装置は、多数の文
書データが格納されたデータベースと、文書データを所
定の単位に分割してから一部の文字を抽出して組み合わ
せた検索キーが文書データに対応して登録されたキー登
録手段と、検索要求の文書データの入力を受け付ける文
書入力手段と、入力された文書データを所定の単位に分
割する文書分割手段と、分割された単位から一部の文字
を抽出する文字抽出手段と、抽出された文字を組み合わ
せて検索キーを生成するキー生成手段と、生成された検
索キーをキー登録手段から検索して対応する文書データ
をデータベースから検出する文書検索手段とを有するこ
とにより、検索要求を自然言語等により文書データとし
て入力すれば、その内容を反映した検索キーが自動的に
生成され、この検索キーに対応する文書データがデータ
ベースから検索されるので、検索キーをユーザが作成す
る必要がなく、適正な文書データを簡易に検索すること
ができる。

【００６０】請求項３記載の文書処理装置では、文書検
索手段は、生成された検索キーをキー登録手段から検索
する際、パターンのマッチングが不完全でも類似の検索
キーを検索することにより、検索キーが完全に一致する
文書データだけでなく、検索キーが類似の文書データも
検索することができる。

【００６１】請求項４記載の文書処理装置では、文字抽
出手段は、文書データの分割された単位の先頭から所定
数の文字を抽出することにより、検索キーを形成する文
字を少数に削減することができるので、キー登録手段の
記憶容量を節約することができ、文書検索手段の処理負
担を軽減することができる。

【００６２】請求項５記載の文書処理装置では、文字抽
出手段は、文書データの分割された単位の先頭から文字
を一文字置きに抽出することにより、検索キーを形成す
る文字を少数に削減することができるので、キー登録手
段の記憶容量を節約することができ、文書検索手段の処
理負担を軽減することができ、接頭辞に起因した誤検索
も防止することができる。

【００６３】請求項６記載の文書処理装置では、文書分
割手段は、文書データを単語に分割し、構文解析手段
は、文書データを構文解析して分割された単語の役割を
判定し、キー生成手段は、単語から抽出された文字に役
割も組み合わせて検索キーを生成することにより、検索
キーに文書データの単語の文字だけでなく単語の役割も
組み込むことができるので、より良好に文書データの内
容を検索キーに反映させることができる。

【００６４】請求項７記載の文書処理装置では、特定の
役割の単語のみ文字を抽出する対象とすることにより、
文書データの構文構造で主要な役割や必須の役割の単語
のみから検索キーを生成するようなことができるので、
検索キーの文字の個数を良好に削減しながらも、文書デ
ータの内容を検索キーに良好に反映させることができ
る。

【００６５】請求項８記載の文書処理装置では、文書分
割手段は、文書データを単語に分割し、品詞推定手段
は、分割された単語の品詞を推定し、キー生成手段は、
単語から抽出された文字に品詞も組み合わせて検索キー
を生成することにより、検索キーに文書データの単語の
文字だけでなく単語の品詞も組み込むことができるの
で、より良好に文書データの内容を検索キーに反映させ
ることができる。

【００６６】請求項９記載の文書処理装置では、文字抽
出手段は、特定の品詞の単語のみ文字を抽出する対象と
することにより、従って、文書データの主要な品詞や必
須の品詞の単語のみから検索キーを生成するようなこと
ができるので、検索キーの文字の個数を良好に削減しな
がらも、文書データの内容を検索キーに良好に反映させ
ることができる。

【００６７】請求項１０記載の文書処理装置では、単語
の属性データを予め記憶した属性記憶手段を設け、文書
分割手段は、文書データを単語に分割し、属性検出手段
は、分割された単語の属性データを検出し、キー生成手
段は、単語から抽出された文字に属性データも組み合わ
せて検索キーを生成することにより、検索キーに文書デ
ータの単語の文字だけでなく単語の属性データも組み込
むことができるので、より良好に文書データの内容を検
索キーに反映させることができる。

【００６８】請求項１１記載の文書処理方法では、デー
タベースに格納する文書データが入力されると、この文
書データを所定の単位に分割し、この分割された単位か
ら一部の文字を抽出し、この抽出された文字を組み合わ
せて検索キーを生成し、この生成された検索キーを文書
データに対応させて登録するようにしたことにより、デ
ータベースに格納する文書データが入力されると、その
内容を反映した検索キーが自動的に生成されるので、検
索キーをユーザが作成する必要がなく、文書データを良
好に検索できるデータベースを簡易に構築することがで
きる。

【００６９】請求項１２記載の文書処理方法では、多数
の文書データをデータベースに格納しておき、文書デー
タを所定の単位に分割してから一部の文字を抽出して組
み合わせた検索キーを文書データに対応してキー登録手
段に登録しておき、検索要求の文書データが入力される
と、この入力された文書データを所定の単位に分割し、
この分割された単位から一部の文字を抽出し、この抽出
された文字を組み合わせて検索キーを生成し、この生成
された検索キーをキー登録手段から検索して対応する文
書データをデータベースから検出するようにしたことに
より、検索要求を自然言語等により文書データとして入
力すれば、その内容を反映した検索キーが自動的に生成
され、この検索キーに対応する文書データがデータベー
スから検索されるので、検索キーをユーザが作成する必
要がなく、適正な文書データを簡易に検索することがで
きる。

【図面の簡単な説明】

【図１】本発明の実施の一形態の文書処理装置を機能的
に示す模式図である。

【図２】文書処理装置の実際の回路構造を示すブロック
図である。

【図３】キー登録手段であるキーインデックスの記憶内
容を示す模式図である。

【図４】文書データを構文解析の結果を示す模式図であ
る。

【図５】文書データから検索キーを生成して登録する文
書処理方法を示すフローチャートである。

【図６】文書データから検索キーを生成して文書データ
を検索する文書処理方法を示すフローチャートである。

【符号の説明】

１文書処理装置１４データベース１５キー登録手段１６文書入力手段１７文書分割手段１８構文解析手段１９文字抽出手段２０キー生成手段２１文書検索手段

Claims

【特許請求の範囲】

【請求項１】多数の文書データが格納されるデータベ
ースと、このデータベースに格納する文書データが入力
される文書入力手段と、入力された文書データを所定の
単位に分割する文書分割手段と、分割された単位から一
部の文字を抽出する文字抽出手段と、抽出された文字を
組み合わせて検索キーを生成するキー生成手段と、生成
された検索キーを文書データに対応させて登録するキー
登録手段と、を有することを特徴とする文書処理装置。
【請求項２】多数の文書データが格納されたデータベ
ースと、文書データを所定の単位に分割してから一部の
文字を抽出して組み合わせた検索キーが文書データに対
応して登録されたキー登録手段と、検索要求の文書デー
タの入力を受け付ける文書入力手段と、入力された文書
データを所定の単位に分割する文書分割手段と、分割さ
れた単位から一部の文字を抽出する文字抽出手段と、抽
出された文字を組み合わせて検索キーを生成するキー生
成手段と、生成された検索キーを前記キー登録手段から
検索して対応する文書データを前記データベースから検
出する文書検索手段と、を有することを特徴とする文書
処理装置。
【請求項３】文書検索手段は、生成された検索キーを
キー登録手段から検索する際、パターンのマッチングが
不完全でも類似の検索キーを検索することを特徴とする
請求項１記載の文書処理装置。
【請求項４】文字抽出手段は、文書データの分割され
た単位の先頭から所定数の文字を抽出することを特徴と
する請求項１，２又は３記載の文書処理装置。
【請求項５】文字抽出手段は、文書データの分割され
た単位の先頭から文字を一文字置きに抽出することを特
徴とする請求項１，２又は３記載の文書処理装置。
【請求項６】文書データを構文解析して分割された単
語の役割を判定する構文解析手段を設け、文書分割手段
は、文書データを単語に分割し、前記構文解析手段は、
文書データを構文解析して分割された単語の役割を判定
し、キー生成手段は、単語から抽出された文字に役割も
組み合わせて検索キーを生成することを特徴とする請求
項１，２，３，４又は５記載の文書処理装置。
【請求項７】文字抽出手段は、特定の役割の単語のみ
文字を抽出する対象とすることを特徴とする請求項６記
載の文書処理装置。
【請求項８】分割された単語の品詞を推定する品詞推
定手段を設け、文書分割手段は、文書データを単語に分
割し、前記品詞推定手段は、分割された単語の品詞を推
定し、キー生成手段は、単語から抽出された文字に品詞
も組み合わせて検索キーを生成することを特徴とする請
求項１，２，３，４又は５記載の文書処理装置。
【請求項９】文字抽出手段は、特定の品詞の単語のみ
文字を抽出する対象とすることを特徴とする請求項８記
載の文書処理装置。
【請求項１０】単語の属性データを予め記憶した属性
記憶手段を設け、分割された単語の属性データを検出す
る属性検出手段を設け、文書分割手段は、文書データを
単語に分割し、前記属性検出手段は、分割された単語の
属性データを検出し、キー生成手段は、単語から抽出さ
れた文字に属性データも組み合わせて検索キーを生成す
ることを特徴とする請求項１，２，３，４又は５記載の
文書処理装置。
【請求項１１】データベースに格納する文書データが
入力されると、この文書データを所定の単位に分割し、
この分割された単位から一部の文字を抽出し、この抽出
された文字を組み合わせて検索キーを生成し、この生成
された検索キーを文書データに対応させて登録するよう
にしたことを特徴とする文書処理方法。
【請求項１２】多数の文書データをデータベースに格
納しておき、文書データを所定の単位に分割してから一
部の文字を抽出して組み合わせた検索キーを文書データ
に対応してキー登録手段に登録しておき、検索要求の文
書データが入力されると、この入力された文書データを
所定の単位に分割し、この分割された単位から一部の文
字を抽出し、この抽出された文字を組み合わせて検索キ
ーを生成し、この生成された検索キーを前記キー登録手
段から検索して対応する文書データを前記データベース
から検出するようにしたことを特徴とする文書処理方
法。