JPH10198697A - 構造化文書検索装置 - Google Patents

Abstract

(57)【要約】 【課題】 論理構造の異なる複数の文書に対する検索に
おいても、高い再現率で検索可能にする。 【解決手段】 検索式１が入力されると、検索式生成手
段２が、検索式に示された検索条件を段階的に緩やかな
条件に書き換え、条件緩和検索式４を生成する。確度計
算手段３は、各条件緩和検索式４を生成するのに行った
書き換えの内容に応じて、条件緩和検索式４による検索
結果の確からしさを示す確度を計算する。検索実行手段
５は、入力された検索式１と検索式生成手段２により生
成された条件緩和検索式４のそれぞれにより、文書保持
手段６内の構造化文書を対象として検索を実行する。検
索結果併合手段７は、検索実行手段５による検索結果
を、確度の高い順に並べて併合する。これにより、正し
く論理構造が作成されていない文書も検索することがで
き、再現率が向上する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は構造化文書を対象と
した文書検索を行う構造化文書検索装置に関し、特に複
数の文書型から生成された文書を検索対象とする構造化
文書検索装置に関する。

【０００２】

【従来の技術】構造化文書では、文書の内容は論理構造
と呼ばれ、章、節、図などの複数の文書構成要素からな
る木構造で表現される。図１９は論理構造の例を示す図
である。このような論理構造６１はまったく自由に作成
してよいのではなく、文書型と呼ばれる構文規則に沿っ
て作成される。

【０００３】図２０は文書型の例を示す図である。この
文書型６０の中で、矩形のノードは要素の型（要素型）
を定義している。ノードのラベルは、要素型の名前を示
している。同一の名前をもつノードの実体は同一の要素
型である。したがって、図２０の「節」という名前の要
素型は、再帰的に定義されていることになる。

【０００４】楕円で示したノードは要素のつながりを定
義する。このノードを構築子と呼ぶ。ＳＥＱノードは、
それにつながるノードのインスタンスがその順に生成さ
れることを示している。ＲＥＰノードは、それにつなが
るノードのインスタンスが１回以上生成されることを示
す。ＯＰＴノードは、それにつながるノードのインスタ
ンスが、出現してもしなくてもよいことを示す。ＣＨＯ
ノードは、それにつながるいずれか１つのノードのイン
スタンスが生成されることを示す。ここで「インスタン
ス」とは、この文書型に基づき生成される文書の要素を
示す。

【０００５】図２０の文書型の定義を書き下すと、次の
ようになる。「記事」は１つ以上の「節」からなり、
「節」は「見出し」と０個以上の「段落」または「図」
および０個以上の「節」からなる。前述のように、
「節」は入れ子になってよい。図１９の論理構造６１
は、図２０の文書型６０の制約を満たしている。

【０００６】図２０では簡単な文書型の例を示したが、
実用規模の文書型は大規模であり、要素型の数が数百に
及ぶことも珍しくない。文書型は、データベースで言え
ばスキーマに相当する。即ち、文書の要素の意味と、要
素間の関係とを記述したものが文書型である。データベ
ースの処理がスキーマにしたがって行われるのと同様
に、構造化文書の処理は文書型の情報に基づいて行われ
る。例えば、文書型にしたがって割り付け指示を定義し
ておき、文書インスタンスと割り付け指示とを入力とし
て、文書割り付けが行われる。もう１つの例として、既
存の文書群から必要な部分を適宜抽出、それらを合成し
て新たな文書を作成する例があげられる。このとき、必
要であれば、新規な部分を入れ込むこともある。このよ
うな処理においては、必要な部分を特定する検索処理
と、新たに構成した文書が所望の形態であるかを検査す
る検証処理などに文書型の情報が用いられる。

【０００７】文書型に基づいて構造化文書を作成するに
は、論理構造を直接ユーザに提示するネイティブエディ
タを用いることができる。ネイティブエディタを利用す
るには、構造化文書そのものと、文書作成に用いる文書
型に精通している必要がある。

【０００８】ユーザが構造化文書や文書型に精通してい
ない場合、テキストエディタや、印刷イメージとほぼ同
じ画面表示を行う文書作成ソフトウェア（ＷＹＳＩＷＹ
Ｇエディタ）を使って文書を作成し、コンバータを使っ
て、所望の論理構造を得るという方法が広く用いられて
いる。この場合、テキストエディタやＷＹＳＩＷＹＧエ
ディタでの文書作成は一定の規則に沿って行う必要があ
る。

【０００９】作成規則は、大きく分けて、構造を抽出す
るために予め定められたパターンに合うよう文章を作成
する方法と、要素として扱う部分に特定のスタイル( 体
裁を指定するための情報) を指定する方法の２つが用い
られる。

【００１０】パターンを用いる場合には、例えば、要素
と要素の間には空行( 連続する改行) を入れる、特定の
要素はインデントをつけて表現する、正規表現などによ
り予め定められたパターンに合うよう項目に番号づけす
る、正規表現などにより予め定められた文字列を用い
る、などの方法が取られている。

【００１１】他方、スタイルを用いる場合には、要素と
して用いる段落、文、語句などに、予め定められたスタ
イルを指定する。ところで、文書の検索を行うには、文
書がもつテキストを検索条件に用いる全文検索の手法が
用いられることが多い。全文検索では、文書がもつ語句
に関する条件を、ＡＮＤ（かつ）、ＯＲ（または）、Ｎ
ＯＴ（否定）で結合したブーリアン検索が一般的であ
る。単純なブーリアン検索では、再現率（recall）はよ
いが、精度(precision）が低くなる傾向がある。すなわ
ち、検索結果に、ユーザが期待していない文書が数多く
含まれることがよくあるという問題がある。

【００１２】そこで、構造化文書を対象とする文書検索
においては、論理構造を用いることにより、検索精度を
あげる方法が広く用いられている。例えば、章見出しに
「文書処理」という文字列をもつ章にあり、図見出しに
「データベース」という図を検索することにより、文書
データベースや、データベース中のデータをもとに生成
した文書などといった、文書処理の文脈でのデータベー
スに関する図を検索することができる。

【００１３】これらの手法を用いている従来技術には、
特開平４−２１７０７３号公報（文書蓄積システムにお
ける文書検索装置）がある。この文書検索装置では、文
書の論理構造におけるノードの親子関係、ノードの内容
および属性を用いて、検索対象を指定できる。これによ
り、論理構造が正しく作成されていれば、構造を利用す
ることにより、再現率を低下させることなく精度を上げ
ることができる。

【００１４】

【発明が解決しようとする課題】しかし、従来の構造化
文書を対象とする文書検索装置では、論理構造が正しく
作成されていない場合には、精度が低下することはない
が再現率が低下してしまうという問題点があった。

【００１５】即ち、文書はユーザが作成するものである
から、論理構造が常に正しく作成されているとは限らな
い。とくに、ＷＹＳＩＷＹＧエディタを用いて文書を作
成している場合には、所定のパターンにマッチしないよ
うに記述されたり、画面表示が同一になるか類似した表
示になる、論理構造の異なる複数の文書要素が混同され
たりする。この結果、文書型の制約は満たしているが、
本来もつべき論理構造とは異なる論理構造をもつ文書が
作成される。

【００１６】以上の理由により、構造化文書を対象とす
る従来の文書検索装置では、文書型によって定められた
要素型の情報を用いて多数の文書を対象として検索する
と再現率が低下する。このことは、先に例示した従来技
術以外の技術も含めた、既存の全ての文書検索装置にあ
てはまる。

【００１７】本発明はこのような点に鑑みてなされたも
のであり、論理構造の異なる複数の文書に対する検索に
おいても、高い再現率を維持した構造化文書検索装置を
提供することを目的とする。

【００１８】

【課題を解決するための手段】本発明では上記課題を解
決するために、構造化文書を検索対象とする構造化文書
検索装置において、文書構造中のノードのタイプ、ノー
ドの内容、ノードの属性、ノード間の構造上の関係によ
って記述された検索式が入力されると、前記検索式に示
された検索条件を段階的に緩やかな条件に書き換えた条
件緩和検索式を生成する検索式生成手段と、前記条件緩
和検索式を生成するのに行った書き換えの内容に応じ
て、前記条件緩和検索式による検索結果の確からしさを
示す確度を計算する確度計算手段と、入力された前記検
索式及び前記条件緩和検索式に基づいて検索を行う検索
実行手段と、前記検索実行手段による検索結果を、確度
の高い順に並べて併合する検索結果併合手段と、を有す
ることを特徴とする構造化文書検索装置が提供される。

【００１９】このような構造化文書検索装置によれば、
検索式が入力されると、検索式生成手段によって、前記
検索式に示された検索条件を段階的に緩やかな条件に書
き換え、条件緩和検索式が生成される。すると、確度計
算手段により、各条件緩和検索式を生成するのに行った
書き換えの内容に応じて、条件緩和検索式による検索結
果の確からしさを示す確度が計算されるとともに、検索
実行手段により、入力された検索式及び条件緩和検索式
に基づいて検索が行われる。検索結果は、検索結果併合
手段により、確度の高い順に並べて併合される。

【００２０】また、構造化文書を検索対象とする構造化
文書検索装置において、文書構造中のノードのタイプ、
ノードの内容、ノードの属性、ノード間の構造上の関係
によって記述された検索式が入力されると、前記検索式
内の各検索条件を個別の部分式とし、前記部分式毎に条
件を満たした文書部品の取り出しを行う部分式評価手段
と、前記部分式評価手段で取り出された文書部品が条件
を満たす部分式に応じて、各文書部品の確からしさの度
合いを示す確度を計算する確度計算手段と、確度の高い
文書部品の順に検索結果を出力する検索結果出力手段
と、を有することを特徴とする文書検索装置が提供され
る。

【００２１】このような構造化文書検索装置によれば、
検索式が入力されると、部分式評価手段によって、検索
式内の各検索条件を個別の部分式とし、部分式毎に条件
を満たした文書部品の取り出しが行われる。すると、確
度計算手段により、部分式評価手段で取り出された文書
部品が条件を満たす部分式に応じて、各文書部品の確か
らしさの度合いを示す確度が計算される。そして、検索
結果出力手段により、確度の高い文書部品の順に検索結
果が出力される。

【００２２】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。図１は、本発明の原理構成図であ
る。まず、文書構造中のノードのタイプ、ノードの内
容、ノードの属性、ノード間の構造上の関係によって記
述された検索式１が入力されると、検索式生成手段２
が、検索式に示された検索条件を段階的に緩やかな条件
に書き換え、条件緩和検索式４を生成する。例えば、構
造条件の「ＡＮＤ」を「ＯＲ」に書き換えれば、検索条
件が緩和された条件緩和検索式となる。このような条件
緩和検索式４が生成されると、確度計算手段３は、各条
件緩和検索式４を生成するのに行った書き換えの内容に
応じて、条件緩和検索式４による検索結果の確からしさ
を示す確度を計算する。

【００２３】検索実行手段５は、入力された検索式１と
検索式生成手段２により生成された条件緩和検索式４の
それぞれにより、文書保持手段６内の構造化文書を対象
として検索を実行する。検索結果併合手段７は、検索実
行手段５による検索結果を、確度の高い順に並べて併合
する。

【００２４】これにより、正しく論理構造が作成されて
いない文書も検索することができる。単純に検索結果を
見た場合にはもとの検索式で検索したときに比して適合
率が低下するが、検索結果はもとの検索式に正確に一致
するものとあまり一致しないものとが乱雑に並ぶことは
なく、もとの検索式に照らして確からしい順に出力され
るので、利用者は確からしいものから順次検索結果を吟
味することができる。

【００２５】図２は、構造化文書検索装置の第１の実施
の形態のブロック図である。この実施の形態は、以下の
ような構成要素からなる。なお、この実施の形態では、
図１の説明で用いた「確度」は、「ペナルティ」で表し
ている。このペナルティは、値が小さいほど検索結果の
確からしさが大きくなる。

【００２６】検索式入力手段１１は、利用者に対して、
検索式の作成及び入力機能を提供している。また、この
検索式入力手段１１は、他のプログラムで作成した検索
式を入力することもできる。ペナルティ割当手段１２
は、利用者に対して、ペナルティを計算する基準となる
値を検索式の書き換え規則毎に割り当てるための機能を
提供している。ペナルティ計算手段１３は、ペナルティ
割当手段１２により入力されたペナティの値に従い、各
検索式のペナルティの合計値を求める。ペナルティ指定
手段１４は、利用者に対して、ペナルティの上限値の入
力機能を提供する。

【００２７】検索式生成手段１５は、検索式入力手段１
１により入力された検索式をもとに、検索式書き換え規
則にしたがって検索条件の緩やかな検索式を生成する。
検索式保持手段１６は、検索式入力手段１１により入力
された検索式と検索式生成手段１５で生成された検索式
とを、ペナルティ計算手段１３により計算されたペナル
ティの値を付加して保持する。

【００２８】文書保持手段１７には、論理構造の異なる
複数の文書が格納されている。検索実行手段１８は、文
書保持手段１７に保持された文書を対象とし、検索式保
持手段１６に格納されている検索式による検索を行う。
検索結果保持手段１９は、検索式実行手段１８が行った
検索結果を格納する。この際、各検索結果には、検索式
に設定されたペナルティの値が付加されている。検索結
果併合手段２０は、検索結果保持手段１９に格納されて
いる検索結果を、付加されたペナルティの値の小さい順
に並べ替える。検索結果出力手段２１は、検索結果併合
手段２０で並べ替えられた順に、検索結果を表示装置の
画面上に表示する。

【００２９】このような構成の構造化文書検索装置にお
いて検索を実行するには、予めペナルティ割当手段１２
を用いて、検索式の書き換え規則に対するペナルティを
設定する。設定するペナルティは、検索式の書き換えに
よって、検索の条件が緩やかになる度合いが大きいほど
大きな値とする。入力されたペナルティは、ペナルティ
計算手段１３に渡され、そこで保持される。また、利用
者は、ペナルティの上限値を、ペナルティ指定手段１４
を用いて入力することもできる。なお、ペナルティの上
限値は必須の設定項目ではない。

【００３０】以上の設定を行った後、文書検索をしよう
とする利用者は、検索式入力手段１１により、任意の検
索式を検索式生成手段１５に入力する。すると、検索式
生成手段１５は、入力された検索式から、検索条件を段
階的に緩やかにした検索式を多数生成する。検索式生成
手段１５で生成された検索式は、検索式保持手段１６で
一時的に保持される。なお、ペナルティの上限値が設定
されている場合には、ペナルティが上限値を超えた検索
式が生成されることはない。

【００３１】検索式保持手段１６に保持された検索式
は、検索式実行手段１８により順に取り出され、文書保
持手段１７に格納されている構造化文書を対象として検
索が行われる。そして、各検索式を評価した結果得られ
る検索結果は、検索式に付加されていたペナルティの値
とともに検索結果保持手段１９に保持される。

【００３２】すべての検索式が評価されたのち、ペナル
ティとともに検索結果保持手段１９に保持された検索結
果は、検索結果併合手段２０により、ペナルティの値の
小さい順に並べ替えて併合される。併合された検索結果
は、検索結果出力手段２１により、順次出力される。

【００３３】次に、第１の実施の形態の内容を具体的に
説明する。まず、書き換えの規則に割り当てるペナルテ
ィの例を示す。図３は、書き換え規則に割り当てられた
ペナルティの例を示す図である。このペナルティ１３ａ
は、ペナルティ割当手段１２で入力され、ペナルティ計
算手段１３が保持するものである。この例では、書き換
え種別が「親子→祖孫」の場合にはペナルティは「１
０」である。書き換え種別が「タイプの無視」の場合に
はペナルティは「３０」である。書き換え種別が「子孫
のＡＮＤ→ＯＲ」の場合にはペナルティは「１００」で
ある。書き換え種別が「テキストに関する条件のＡＮＤ
→ＯＲ」の場合にはペナルティは「２００」である。書
き換え種別が「ブーリアン検索」の場合にはペナルティ
は「５００」である。

【００３４】このようなペナルティが設定された状態
で、利用者は、検索式入力手段１１により検索式を入力
する。例えば、以下のような検索式を入力する。図４
は、検索式の例を示す図である。図に示すように、利用
者が検索式入力手段１１を用いて入力した検索式３０
は、内部的には有向グラフで表現される。

【００３５】ＡＮＤ以外のラベルをもつノード３１，３
３〜３５は、文書のある要素自身に関する条件( 局所条
件) と、そのノードにもっとも近い、ＡＮＤ以外のラベ
ルをもつノードの局所条件で指定された要素との構造上
の関係を示す条件( 構造条件) を表現する。この例で示
した局所条件は、取出対象であるか否か（真、偽）の条
件、そのノードのタイプの種別に関する条件、及びその
ノードのテキストに関する条件である。また、構造条件
は、上位のノードとの関係が親子であるか、祖孫である
かにより指定されている。

【００３６】ラベルがＡＮＤであるノード３２は、構造
に関する条件の連言を示す。なお、検索式入力手段１１
により入力された検索式のペナルティは、常に「０」で
ある。

【００３７】以後、図４の有向グラフのノードおよびノ
ード内で指定された条件を、もとの検索式の部分式と呼
ぶ。図４のような検索式３０が入力されたら、検索処理
の実行に先だって、検索式の書き換えが行われる。

【００３８】図５は、検索式の書き換え処理のフローチ
ャートである。以下、図５の手順にしたがい、検索式の
書き換え処理について説明する。 〔Ｓ１〕ペナルティ計算手段１３は、ペナルティの値を
初期化する。即ち、値を「０」にする。

【００３９】以下のステップＳ２ないしステップＳ９
は、検索式の内部表現の部分式に対する繰り返し処理で
ある。 〔Ｓ２〕検索式生成手段１５は、現在与えられている検
索式において、適用可能な書き換え規則が存在するか否
か検査する。適用可能な書き換え規則が存在すればステ
ップＳ３へ、そうでなければ実行を終了する。 〔Ｓ３〕検索式生成手段１５は、適用可能な書き換え規
則をひとつ選択する。 〔Ｓ４〕検索式生成手段１５は、ステップＳ３で選択さ
れた書き換え規則がタイプの無視であるか否か検査す
る。書き換え規則が「タイプの無視」であればステップ
Ｓ５へ、そうでなければステップＳ６へ行く。 〔Ｓ５〕検索式生成手段１５は、取出対象以外のノード
（取出対象が「偽」）のタイプに関する条件を、任意型
を示す「ＡＮＹ」に書き換える。すなわち、タイプに関
する条件を無効化する。この処理の後、ステップＳ７へ
行く。 〔Ｓ６〕検索式生成手段１５は、ステップＳ３で選択さ
れた書き換え規則を適用し、検索式を書き換える。書き
換え規則が「親子→祖孫」、「子孫のＡＮＤ→ＯＲ」、
若しくは「テキストに関する条件のＡＮＤ→ＯＲ」のい
ずれかであれば、その書き換え規則の通りに検索式の書
き換えを行う。また、書き換え規則が「ブーリアン検
索」の場合には、検索式全体をブーリアン検索に変更す
る。その変更の手続については、後述する（図１０に示
す）。 〔Ｓ７〕ペナルティ計算手段１３は、現在処理中の検索
式に対し、ステップＳ３で選択された書き換え規則に対
応するペナルティを加算する。 〔Ｓ８〕検索式生成手段１５は、ペナルティが基準値を
超えたか否かを検査する。ペナルティが基準値を超えて
いれば実行を終了し、そうでなければステップＳ９へ行
く。 〔Ｓ９〕ステップＳ５あるいはステップＳ６の検索式の
書き換えで得られた検索式を、検索式保持手段１６が保
存し、ステップＳ２へ行く。

【００４０】以上のような処理が行われることにより、
図４に示した検索式から複数の新たな検索式が生成され
る。そして、各検索式には、書き換えの内容に応じてペ
ナルティが付加される。図４の検索式３０を書き換えた
例を図６ないし図９に示す。

【００４１】図６は、書き換え後の検索式の第１の例を
示す図である。この検索式３０ａは、図４の検索式３０
に対し、親子関係を祖孫関係に変更する書き換え規則を
３箇所に適用したものである。この場合のペナルティは
１０×３＝３０となる。

【００４２】図７は、書き換え後の検索式の第２の例を
示す図である。この検索式３０ｂは、図６の検索式３０
ａに対し、タイプを無視する書き換え規則を３箇所に適
用したものである。この場合のペナルティは( 図６の検
索式３０ａのペナルティ)+３０×３＝３０＋９０＝１２
０である。

【００４３】図８は、書き換え後の検索式の第３の例を
示す図である。この検索式３０ｃは、図７の検索式３０
ｂに対し、子孫に関するＡＮＤの条件をＯＲに変更する
書き換え規則を１箇所に適用したものである。この場合
のペナルティは、( 図７の検索式３０ｂのペナルティ)
＋１００＝１２０＋１００＝２２０である。

【００４４】図９は、書き換え後の検索式の第４の例を
示す図である。この検索式３０ｄは、図８の検索式３０
ｃに対し、テキストに関する条件のＡＮＤをＯＲに変更
する書き換え規則を１箇所に適用したものである。この
場合のペナルティは、( 図８の検索式３０ｃのペナルテ
ィ) ＋２００＝２２０＋２００＝４２０である。

【００４５】図６から図８は、木構造の検索式から木構
造の検索式への書き換えを行った場合の例であり、これ
らの書き換えは、各ノード内の検索条件を、書き換え規
則に従って書き換えればよい。一方、ブーリアン検索へ
の書き換えを行うには、次のような手続を実行する必要
がある。

【００４６】図１０は、検索式全体をブーリアン検索へ
書き換える手続きのフローチャートである。この手続は
検索式生成手段１５の行う処理であり、この手続きの入
力は木構造で表現された検索式のノードで、出力はその
ノードを頂点とする検索式の部分木を変換して得られた
ブーリアン検索式である。この手続きでは、出力される
検索式は文字列で表わされる。 〔Ｓ１１〕ノードが要素に対する条件か否か判定する。
要素に関する条件であればステップＳ１２へ、そうでな
ければステップＳ１３へ行く。 〔Ｓ１２〕ノードに指定されたテキスト内容に関する条
件を検索式とし、ステップＳ１４へ行く。 〔Ｓ１３〕検索式を空とし、ステップＳ１４へ行く。 〔Ｓ１４〕ノードが子ノードをもつか否かを判定する。
子ノードが存在すればステップＳ１５へ、存在しなけれ
ばステップＳ２３へ行く。

【００４７】以下のステップＳ１５ないしステップＳ２
２は、ノードの子ノードに対する繰り返し処理である。 〔Ｓ１５〕変換処理を施していない子ノードがあるか否
か判定する。未処理の子ノードがあればステップＳ１６
へ、そうでなければステップＳ２３へ行く。 〔Ｓ１６〕未処理の子ノードを１つ選択する。 〔Ｓ１７〕ステップＳ１６で選択したノードを引数とし
て、ブーリアン検索への書き換え手続きを再帰的に呼び
出す。 〔Ｓ１８〕検索式が空であるか否かを判定する。検索式
が空であればステップＳ１９へ、そうでなければステッ
プＳ２０へ行く。 〔Ｓ１９〕ステップＳ１７の手続き呼出しの結果得られ
た検索式( 文字列) を検索式とし、ステップＳ１５へ行
く。 〔Ｓ２０〕この手続きの引数として与えられたノードが
ＯＲノードであるか否か判定する。ＯＲノードであれば
ステップＳ２２へ、そうでなければステップＳ２１へ行
く。 〔Ｓ２１〕検索式と、ステップＳ１７の手続き呼出しの
結果得られた検索式とをＡＮＤで連結し、ステップＳ１
５へ行く。 〔Ｓ２２〕検索式と、ステップＳ１７の手続き呼出しの
結果得られた検索式をＯＲで連結し、ステップＳ１５へ
行く。 〔Ｓ２３〕検索式を戻り値として、手続きの実行を終了
する。

【００４８】このような処理により、木構造の検索式か
らブーリアン検索式を求めることができる。以下に、図
４の検索式を直接ブーリアン検索式へ書き換えた例を示
す。

【００４９】

【数１】(SGML AND conference) AND "Yuri Rubinski"
AND Publishing このブーリアン検索式のペナルティは、( 図４の検索式
３０のペナルティ)+５００＝０＋５００＝５００であ
る。

【００５０】以上のような、複数の木構造の検索式とブ
ーリアン検索式とのそれぞれに基づいて、検索が行われ
ると、それぞれの検索結果に対して検索式のペナルティ
が付加される。そして、全ての検索結果がペナルティの
低い順に並べられる。この際、１つの文書が複数の検索
式により検出された場合には、その検索結果には、値の
小さい方のペナルティが採用される。並べられた検索結
果は、表示装置の画面に表示される。

【００５１】図１１は、第１の実施の形態による検索結
果の表示例を示す図である。同図では、検索結果の表示
画面２１ａの中に、検索結果として得られた文書が表示
されている。これらの文書は、ペナルティ、文書名、著
者、作成日とともに表示されている。画面中にはスクロ
ールバーが設けられており、このスクロールバーを操作
することにより、表示させる文書をスクロールさせ、ペ
ナルティの小さい検索結果を順次画面表示させることが
できる。ペナルティの上限値が定められていれば、その
上限値を超える検索結果は存在しない。

【００５２】なお、同図ではペナルティにより検索条件
の厳しさを表示しているが、検索条件が厳しいものほど
高い値となるようなスコアを計算して表示してもよい。
例えば、ペナルティ指定手段１４によりペナルティの上
限値を指定した場合には、その上限値からペナルティの
値を引いたものをスコアとすることができる。

【００５３】このようにして、入力した検索式から検索
条件を段階的に緩めた検索式による検索結果を閲覧する
ことができる。従って、正しい論理構造に基づいて作成
した検索式を入力した場合でも、論理構造が正しく作成
されていない文書を検出することができ、再現率が向上
する。しかも、検索式の条件を緩める度合いが低いもの
を優先的に表示するため、検索結果の数が多くなっても
利用者の閲覧が不便になることはない。

【００５４】ところで、上記の第１の実施の形態は、入
力された検索式の検索条件を書き換えることにより、段
階的な検索条件の緩和を行ったものであるが、入力され
た検索式の部分式に基づいて文書部品（構造化文書の個
々の要素）を取り出し、検索式の条件を満たしている度
合いの高い文書部品を、検索結果として出力することも
できる。そのような例を第２の実施の形態として以下に
説明する。

【００５５】図１２は、構造化文書検索装置の第２の実
施の形態のブロック図である。なお、この実施の形態で
は、検索結果の確からしさを「スコア」で表している。
このスコアは、値が大きいほど検索結果の確からしさが
大きいことを示す。検索式入力手段４１は、利用者に対
して、検索式の作成及び入力機能を提供している。検索
式保持手段４２は、検索式入力手段４１により入力され
た検索式を保持する。

【００５６】文書保持手段４３には、論理構造の異なる
複数の文書が格納されている。部分式評価手段４４は、
検索式保持手段４２に格納された検索式の部分式を順次
取り出し、その部分式により文書保持手段４３に格納さ
れた文書を対象として評価を行う。即ち、取り出した部
分式の示す条件を満たした文書部品を文書保持手段４３
から候補として取り出す。一方、スコア割当手段４５
は、スコアを計算する基準となる値を部分式の種類毎に
割り当てるための機能を利用者に対して提供している。
スコア計算手段４６は、スコア割当手段４５により入力
されたスコアの値に従い、部分式評価手段４４の取り出
した候補のスコアを求める。

【００５７】候補保持手段４７は、部分式評価手段４４
が取得した候補に、スコアの値を付加して保持する。ス
コア指定手段４８は、利用者に対して、スコアの下限値
の入力機能を提供する。検索結果出力手段４９は、スコ
ア指定手段４８により指定された下限値よりも大きいス
コアの文書部品を検索結果として、スコアの大きいもの
から順に、表示装置の画面上に表示する。

【００５８】なお、図中の部分式評価手段４４、スコア
計算手段４６、及び候補保持手段４７により、検索式評
価手段４０を構成している。このような構造化文書検索
装置において検索を実行するには、利用者は、予めスコ
ア割当手段４５を用いて、スコアを計算する基準となる
値を部分式の種類毎に割り当てる。割り当てるスコア
は、その検索条件により検索対象が絞り込まれる度合い
が大きいほど大きな値とする。入力されたスコアは、ス
コア計算手段４６に渡され、そこで保持される。また、
利用者は、スコアの下限値を、スコア指定手段４８を用
いて入力することもできる。なお、スコアの下限値は必
須の設定項目ではない。

【００５９】以上の設定を行った後、文書検索をしよう
とする利用者は、検索式入力手段４１により、自己が作
成したか若しくは所定のプログラムにより作成された検
索式を、検索式保持手段４２に入力する。検索式入力手
段４１で入力された検索式は、検索式保持手段４２で保
持される。検索式保持手段４２に保持された検索式は、
部分式評価手段４４により、文書保持手段４３に保持さ
れた文書を対象として、部分式ごとに評価される。部分
式評価手段４４で検索式の部分式を評価した結果得られ
た候補は、部分式毎にスコア計算手段４６により算出さ
れたスコアとともに候補保持手段４７に保持される。部
分式を評価していく段階で、候補となる文書部品が得ら
れたとき、その部品がまだ候補保持手段４７に存在して
いなければ、スコア計算手段４６はその候補のスコアと
して該部分式のスコアを割り当てる。得られた候補がす
でに候補保持手段４７に存在していれば、スコア計算手
段４６は該候補のスコアを該部分式のスコア分だけ増加
させる。

【００６０】すべての部分式が評価されたのち、スコア
とともに候補保持手段４７に保持された検索結果は、検
索結果出力手段４９によりスコア順に出力される。次
に、第２の実施の形態の内容を具体的に説明する。ま
ず、文書を評価する条件に割り当てるスコアの例を示
す。

【００６１】図１３は、文書を評価する条件に割り当て
られたスコアの例を示す図である。このスコア４６ａ
は、スコア割当手段４５で入力され、スコア計算手段４
６が保持するものである。図の例では、条件が「タイ
プ」の場合にはスコアは「１００」である。条件が「親
子関係」の場合にはスコアは「１００」である。条件が
「祖孫関係」の場合にはスコアは「１００」である。条
件が「テキストに関する条件」の場合にはスコアは「１
００」である。条件が「タイプのＡＮＤ」の場合にはス
コアは「２００」である。条件が「テキストに関する条
件のＡＮＤ」の場合にはスコアは「２００」である。

【００６２】このようなスコアが設定された状態で、利
用者は、検索式入力手段４１により検索式を入力する。
例えば、図４のような検索式を入力する。すると、検索
式評価手段４０は、文書保持手段４３内の文書に対して
検索式の評価を行い、評価の高い文書を検索結果とす
る。

【００６３】図１４は、検索式を評価する手続きのフロ
ーチャートである。この手続きでは、検索条件を評価す
る段階で、検索結果の候補に対しスコアを与えていく。 〔Ｓ３１〕部分式評価手段４４は、検索式の内部表現の
ノードのうち、未処理のものが存在するか否かを検査す
る。未処理のノードが存在すればステップＳ３２へ行
く。そうでなければ、ステップＳ３７に行く。 〔Ｓ３２〕部分式評価手段４４は、検索式の内部表現の
ノードのうち、未処理のものを１つ選択する。 〔Ｓ３３〕部分式評価手段４４は、ステップＳ３２で選
択されたノードがもつ検索条件のうち、未処理のものが
存在するか否かを検査する。未処理の条件が存在すれば
ステップＳ３４へ、そうでなければステップＳ３１へ行
く。 〔Ｓ３４〕部分式評価手段４４は、ステップＳ３２で選
択されたノードがもつ検索条件のうち、未処理のものを
１つ選択する。 〔Ｓ３５〕部分式評価手段４４は、ステップＳ３４で選
択された検索条件を評価する。 〔Ｓ３６〕スコア計算手段４６は、ステップＳ３５で検
索条件を評価した結果として得られた各候補に対し、ス
テップＳ３５で評価した検索条件に対応するスコアを加
算する。その後、ステップＳ３３へ行く。 〔Ｓ３７〕部分式評価手段４４は、構造条件のうち、未
評価のものが存在するか否か検査する。未評価の構造条
件が存在すればステップＳ３８へ、そうでなければステ
ップＳ４１へ行く。 〔Ｓ３８〕部分式評価手段４４は、構造条件のうち、未
評価のものを１つ選択する。 〔Ｓ３９〕部分式評価手段４４は、ステップＳ３８で選
択された構造条件を評価する。 〔Ｓ４０〕スコア計算手段４６は、ステップＳ３９の評
価結果得られた各候補に対し、ステップＳ３９で評価し
た条件に対応するスコアを加算する。 〔Ｓ４１〕候補保持手段４７は、取出対象でないものを
候補から除外して、残った候補を保持する。即ち、取出
対象が「真」である候補のみを保持する。

【００６４】以上のような処理が行われることにより、
図４に示した検索式から検索結果が得られる。そして、
各検索式には、スコアが付加される。なお、図４の検索
式で取出対象となるのは、タイプが「Section 」のノー
ド３１のみであるため、取り出される検索結果は、タイ
プが「Section 」の文書部品だけである。図１５ないし
図１７に、図４の検索式３０による検索結果をスコアと
ともに示す。

【００６５】図１５は、検索結果の第１の例を示す図で
ある。この文書部品５０は、各ノード５１〜５４の関係
と内容とが、図４の検索式３０の条件を全て満たしてい
る。そのため、スコアは最大の値（＝１５００）とな
る。

【００６６】図１６は、検索結果の第２の例を示す図で
ある。この文書部品５０ａは、３つのノード５１，５
２，５４に関する条件のみを満たしている。そのため、
スコアは図１５の例よりも低くなり、スコア＝１０００
である。

【００６７】図１７は、検索結果の第３の例を示す図で
ある。この文書部品５０ｂは、２つのノード５１，５２
に関する条件のみを満たしている。そのため、スコアは
図１６の例よりもさらに低くなり、スコア＝７００であ
る。

【００６８】このように取り出された検索結果は、スコ
アの順に表示装置の画面に表示される。図１８は、第２
の実施の形態による検索結果の表示例を示す図である。
同図では、検索結果の表示画面４９ａの中に、検索結果
として得られた文書が表示されている。これらの文書
は、スコア、文書名、著者、作成日とともに表示されて
いる。この画面は、スクロールバーを操作することによ
り、画面中に表示させる文書をスクロールさせ、スコア
の小さい検索結果を順次画面表示させることができる。
このとき、スコアの上限値が定められていれば、その上
限値を超えた検索結果は表示されない。

【００６９】なお、以上の２つの実施の形態以外に、次
のような変形例も考えられる。上記の実施の形態では、
スコアやペナルティは固定の値としたが、データベース
の状態により可変にしてもよい。以下に、データベース
の状態によりこれらの値を変更する方法の例を示す。

【００７０】例えば、テキストに関する条件の場合、デ
ータベース中に頻出する語句ほどスコアあるいはペナル
ティを下げる。また、タイプに関する条件の場合、デー
タベース中に頻出する語句ほどスコアあるいはペナルテ
ィを下げる。

【００７１】このように、語句の出現頻度に応じてペナ
ルティ若しくはスコアを計算するには、ペナルティ計算
手段１３（図２に示す）若しくはスコア計算手段４６
（図１２に示す）が、テキストに関する条件が指定され
ると、テキストに関する条件の語句の頻出の度合いを求
める手段と、その度合いに応じたペナルティ若しくはス
コアを求める手段とを有していればよい。

【００７２】また、必然的に親子関係あるいは祖孫関係
が成立する場合、親子関係あるいは祖孫関係に関する条
件に一致したときのスコアは０とする。この場合には、
親子関係あるいは祖孫関係が必ず成立するため、ペナル
ティの値がいくらになっていても実質的には意味をなさ
ない。親子関係あるいは祖孫関係が必然的に成立するか
どうかは、文書型を見れば判定できる。あるタイプＴ１
から、ＳＥＱまたはＲＥＰノードだけを辿って別のタイ
プＴ２に到達できるとき、Ｔ１が存在すればＴ２が必ず
存在し( 逆も真) 、それらは親子関係にある。また、あ
るタイプＴ１から、ＳＥＱ、ＲＥＰ、またはタイプノー
ドだけを辿って別のタイプＴ２に到達できるとき、Ｔ１
が存在すればＴ２が必ず存在し( 逆も真) 、それらは祖
孫関係にある。

【００７３】

【発明の効果】以上説明したように第１の発明では、入
力された検索式に基づいて、検索条件を段階的に緩やか
にした条件緩和検索式を生成し、条件の緩やかな検索を
も行うようにしたため、正しく論理構造が作成されてい
ない文書も検索することができ、再現率が向上する。し
かも、検索結果はもとの検索式に照らして確からしい順
に出力されるので、利用者は確からしいものから順次検
索結果を吟味することができる。

【００７４】また、第２の発明では、入力された検索式
の部分式により文書部品を取り出し、入力された検索式
の条件を満たしている度合いが高いものから順に検索結
果として出力するようにしたため、上記第１の発明と同
様に、正しく論理構造が作成されていない文書も検索す
ることができ、再現率が向上する。

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】構造化文書検索装置の第１の実施の形態のブロ
ック図である。

【図３】書き換え規則に割り当てられたペナルティの例
を示す図である。

【図４】検索式の例を示す図である。

【図５】検索式の書き換え処理のフローチャートであ
る。

【図６】書き換え後の検索式の第１の例を示す図であ
る。

【図７】書き換え後の検索式の第２の例を示す図であ
る。

【図８】書き換え後の検索式の第３の例を示す図であ
る。

【図９】書き換え後の検索式の第４の例を示す図であ
る。

【図１０】検索式全体をブーリアン検索へ書き換える手
続きのフローチャートである。

【図１１】第１の実施の形態による検索結果の表示例を
示す図である。

【図１２】構造化文書検索装置の第２の実施の形態のブ
ロック図である。

【図１３】文書を評価する条件に割り当てられたスコア
の例を示す図である。

【図１４】検索式を評価する手続きのフローチャートで
ある。

【図１５】検索結果の第１の例を示す図である。

【図１６】検索結果の第２の例を示す図である。

【図１７】検索結果の第３の例を示す図である。

【図１８】第２の実施の形態による検索結果の表示例を
示す図である。

【図１９】論理構造の例を示す図である。

【図２０】文書型の例を示す図である。

【符号の説明】

１ 検索式 ２ 検索式生成手段 ３ 確度計算手段 ４ 条件緩和検索式 ５ 検索実行手段 ６ 文書保持手段 ７ 検索結果併合手段

Claims (6)

【特許請求の範囲】
1. 【請求項１】 構造化文書を検索対象とする構造化文書
   検索装置において、 文書構造中のノードのタイプ、ノードの内容、ノードの
   属性、ノード間の構造上の関係によって記述された検索
   式が入力されると、前記検索式に示された検索条件を段
   階的に緩やかな条件に書き換えた条件緩和検索式を生成
   する検索式生成手段と、 前記条件緩和検索式を生成するのに行った書き換えの内
   容に応じて、前記条件緩和検索式による検索結果の確か
   らしさを示す確度を計算する確度計算手段と、 入力された前記検索式及び前記条件緩和検索式に基づい
   て検索を行う検索実行手段と、 前記検索実行手段による検索結果を、確度の高い順に並
   べて併合する検索結果併合手段と、 を有することを特徴とする構造化文書検索装置。
2. 【請求項２】 前記検索式生成手段は、予め定められた
   限界値よりも高い確度の条件緩和検索式のみを生成する
   ことを特徴とする請求項１の構造化文書検索装置。
3. 【請求項３】 書き換え規則ごとに基準確度を割り当て
   る確度割当手段をさらに有し、 前記確度計算手段は、前記確度割当手段が割り当てた基
   準確度に基づいて、前記条件緩和検索式の確度を計算す
   ることを特徴とする請求項１記載の文書検索装置。
4. 【請求項４】 構造化文書を検索対象とする構造化文書
   検索装置において、 文書構造中のノードのタイプ、ノードの内容、ノードの
   属性、ノード間の構造上の関係によって記述された検索
   式が入力されると、前記検索式内の各検索条件を個別の
   部分式とし、部分式毎にそれぞれの条件を満たした文書
   部品の取り出しを行う部分式評価手段と、 前記部分式評価手段で取り出された文書部品が、どのよ
   うな部分式の条件を満たしているかに基づいて、各文書
   部品の確からしさの度合いを示す確度を計算する確度計
   算手段と、 確度の高い文書部品の順に検索結果を出力する検索結果
   出力手段と、 を有することを特徴とする文書検索装置。
5. 【請求項５】 前記検索結果出力手段は、予め定められ
   た限界値よりも高い確度の文書部品のみを検索結果とす
   ることを特徴とする請求項４記載の構造化文書検索装
   置。
6. 【請求項６】 部分式の種類ごとに基準確度を割り当て
   る確度割当手段をさらに有し、 前記確度計算手段は、前記確度割当手段が割り当てた基
   準確度に基づいて、各文書部品の確度を計算することを
   特徴とする請求項４記載の構造化文書検索装置。