JPH10214268A

JPH10214268A - 文書検索方法および装置

Info

Publication number: JPH10214268A
Application number: JP9015667A
Authority: JP
Inventors: Toshihiro Fujinami; 稔弘藤並; Tomoyuki Tada; 多田　　智之; Hidenobu Kaneoka; 秀信金岡; Shinichi Mukogawa; 信一向川
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1997-01-29
Filing date: 1997-01-29
Publication date: 1998-08-11

Abstract

(57)【要約】【課題】文書検索精度への影響を抑えながら登録文書
等を格納する記憶装置の必要容量を大幅に減少させ、か
つユーザに対してより多くの検索情報を提供することが
できるようにした文書検索方法および装置を提供する。【解決手段】文書記憶部（６０）に登録された文書か
ら自動文書要約部（２０）で該文書の要約文を自動生成
し、この自動生成した要約文からインデキシング部（３
０）で、当該文書のインデックスを作成し、このインデ
ックスに基づき文書検索部（５０）で所望の検索要求に
対応する文書を検索する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、文書要約を用い
て文書を検索する文書検索方法および装置に関し、特
に、文書検索精度への影響を抑えながら登録文書等を格
納する記憶装置の必要容量を大幅に減少させ、かつユー
ザに対してより多くの検索情報を提供することができる
ようにした文書検索方法および装置に関する。

【０００２】

【従来の技術】従来、所望の検索要求に対応して複数の
登録文書から所望の文書を検索する文書検索方法および
装置として種々の手法を採用するものが知られている。

【０００３】例えば、各文書に対応してインデックスを
設定し、このインデックスに基づき所望の文書を検索す
るもの、各文書に対応して要約文を作成しこの要約文に
より所望の文書を検索するもの等が知られている。

【０００４】また、インデックスを用いるものには、文
字成分方式のインデックスを用いるもの、形態素解析に
よる自動キーワード抽出によるもの等がある。

【０００５】

【発明が解決しようとする課題】しかし、その種の従来
の文書検索方法および装置においては、登録文書等を格
納する記憶装置に多くの記憶容量を必要とし、特に、文
書のインデックスを用いて所望の文書を検索する手法を
採用するものにおいては、このインデックスを格納する
ための記憶容量が多大になるという問題がある。

【０００６】例えば、文字成分方式のインデックスを用
いる場合は、全文検索が可能になるが、そのインデック
スファイルの大きさは当該文書原文の１．５倍にも達す
る。

【０００７】また、形態素解析による自動キーワード抽
出による全文検索でも、そのファイルサイズは当該文書
原文とほぼ同等になる。

【０００８】そこで、この発明は、文書検索精度への影
響を抑えながら登録文書等を格納する記憶装置の必要容
量を大幅に減少させ、かつユーザに対してより多くの検
索情報を提供することができるようにした文書検索方法
および装置を提供することを目的とする。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、請求項１の発明は、登録された複数の文書から所望
の検索要求に対応する文書を検索する文書検索方法にお
いて、上記登録された文書から該文書の要約文を自動生
成し、該自動生成した要約文から上記文書のインデック
スを作成し、上記インデックスに基づき上記所望の検索
要求に対応する文書を検索することを特徴とする。

【００１０】また、請求項２の発明は、請求項１の発明
において、上記登録された文書の過去のアクセス回数が
一定の期間内に規定の値を越えている場合は、上記登録
された文書の原文から当該文書のインデックスを作成し
て上記インデックスに基づき上記所望の検索要求に対応
する文書を検索することを特徴とする。

【００１１】また、請求項３の発明は、請求項１または
２の発明において、上記要約文に含まれる単語に該単語
より語数の少ない同義語若しくは短縮語が存在する場合
は、該単語を上記同義語若しくは短縮語で置換すること
により上記要約文を小型化することを特徴とする。

【００１２】また、請求項４の発明は、請求項３の発明
において、上記要約文に含まれる単語より語数の少ない
同義語若しくは短縮語が存在する単語が複数存在する場
合において、該単語を該要約文に最初に現れる単語を除
いて上記同義語若しくは短縮語で置換することを特徴と
する。

【００１３】また、請求項５の発明は、登録された複数
の文書から所望の検索要求に対応する文書を検索する文
書検索方法において、上記登録された文書の過去のアク
セス回数が一定の期間内に規定の値を越えている場合
は、上記登録された文書の原文から当該文書の第１のイ
ンデックスを作成して該第１のインデックスに基づき上
記所望の検索要求に対応する文書を検索し、上記登録さ
れた文書の過去のアクセス回数が一定の期間内に規定の
値以下の場合は、上記登録された文書から該文書の要約
文を自動生成するとともに該自動生成した要約文から上
記文書の第２のインデックスを作成して該第２のインデ
ックスに基づき上記所望の検索要求に対応する文書を検
索することを特徴とする。

【００１４】また、請求項６の発明は、登録された複数
の文書から所望の検索要求に対応する文書を検索する文
書検索方法において、上記登録された文書を圧縮して圧
縮文書を自動生成し、上記所望の検索要求に対応して上
記圧縮文書を検索し、該検索した圧縮文書を伸長して出
力することを特徴とする。

【００１５】また、請求項７の発明は、請求項６の発明
において、上記登録された文書の過去のアクセス回数が
一定の期間内に規定の値を越えている場合は、上記登録
された文書の原文を検索して該検索した文書原文を出力
し、上記登録された文書の過去のアクセス回数が一定の
期間内に規定の値以下の場合は、上記圧縮文書を検索し
て該検索した圧縮文書を伸長して出力することを特徴と
する。

【００１６】また、請求項８の発明は、登録された複数
の文書から所望の検索要求に対応する文書を検索する文
書検索方法において、上記登録された文書の過去のアク
セス回数が第１の期間内に第１の規定の値を越えている
場合は、上記登録された文書の原文から当該文書の第１
のインデックスを作成して該第１のインデックスに基づ
き上記登録された文書の原文を検索して該検索した文書
原文を出力し、上記登録された文書の過去のアクセス回
数が上記第１の期間内に上記第１の規定の値以下の場合
は、上記登録された文書の原文から当該文書の第１のイ
ンデックスを作成するとともに上記登録された文書を圧
縮して圧縮文書を自動生成して該第１のインデックスに
基づき上記圧縮文書を検索して該検索した圧縮文書を伸
長して出力し、上記登録された文書の過去のアクセス回
数が上記第１の期間より長い第２の期間内に第２の規定
以下の場合は、上記登録された文書から該文書の要約文
を自動生成するとともに該自動生成した要約文から上記
文書の第２のインデックスを作成して該第２のインデッ
クスに基づき上記圧縮文書を検索して該検索した圧縮文
書を伸長して出力し、上記登録された文書の過去のアク
セス回数が上記第２の期間より長い第３の期間内に零で
ある場合は上記登録された文書を削除して上記要約文の
み保持することを特徴とする。

【００１７】また、請求項９の発明は、請求項８の発明
において、上記要約文に含まれる単語に該単語より語数
の少ない同義語若しくは短縮語が存在する場合は、上記
要約文に含まれる上記語数の少ない同義語若しくは短縮
語が存在する単語を上記同義語若しくは短縮語で置換す
ることにより上記要約文を小型化することを特徴とす
る。

【００１８】また、請求項１０の発明は、請求項９の発
明において、上記要約文に含まれる単語より語数の少な
い同義語若しくは短縮語が存在する単語が複数存在する
場合において、該単語を該要約文に最初に現れる単語を
除いて上記同義語若しくは短縮語で置換することを特徴
とする。

【００１９】また、請求項１１の発明は、登録された複
数の文書から所望の検索要求に対応する文書を検索する
文書検索装置において、上記登録された文書を格納する
文書記憶手段と、上記検索要求を入力する検索要求入力
手段と、上記文書記憶手段に格納された文書から該文書
の要約文を自動生成する自動文書要約手段と、上記自動
文書要約手段により生成された上記要約文から上記文書
のインデックスを作成するインデックス作成手段と、上
記インデックス作成手段により作成されたインデックス
を格納するインデックス記憶手段と、上記インデックス
記憶手段に格納されたインデックスに基づき上記文書記
憶手段に格納された文書の中から上記所望の検索要求に
対応する文書を検索する文書検索手段と、を具備するこ
とを特徴とする。

【００２０】また、請求項１２の発明は、請求項１１の
発明において、上記要約文に含まれる単語に該単語より
語数の少ない同義語若しくは短縮語が存在する場合は、
該単語を上記同義語若しくは短縮語で置換することによ
り上記要約文を小型化する要約文小型化手段、を更に具
備することを特徴とする。

【００２１】また、請求項１３の発明は、請求項１２の
発明において、上記要約文小型化手段は、上記要約文に
含まれる単語より語数の少ない同義語若しくは短縮語が
存在する単語が複数存在する場合において、該単語を該
要約文に最初に現れる単語を除いて上記同義語若しくは
短縮語で置換することを特徴とする。

【００２２】また、請求項１４の発明は、登録された複
数の文書から所望の検索要求に対応する文書を検索する
文書検索装置において、上記登録された文書を格納する
文書記憶手段と、上記検索要求を入力するとともに該検
索要求に対応する検索結果を出力する入出力手段と、上
記文書記憶手段に格納された文書原文から該文書の要約
文を自動生成して上記文祖記憶手段に格納する自動文書
要約手段と、上記文書記憶手段に格納された上記文書原
文若しくは上記要約文から上記文書のインデックスを作
成するインデックス作成手段と、上記インデックス作成
手段により作成されたインデックスを格納するインデッ
クス記憶手段と、上記文書記憶手段に格納された上記文
書原文を圧縮して上記文書記憶手段に圧縮文書として格
納するとともに上記文書記憶手段に格納された上記圧縮
文書を伸長する文書圧縮伸長手段と、上記入力手段から
入力された上記検索要求に対応して上記インデックス記
憶手段に格納されたインデックスに基づき上記上記文書
記憶手段に格納された文書原文若しくは上記圧縮文書若
しくは上記要約文を検索して上記入出力手段に出力する
文書検索処理を実行する文書検索手段と、上記文書検索
手段による上記文書検索処理を管理する管理手段と、を
具備することを特徴とする。

【００２３】また、請求項１５の発明は、請求項１４の
発明において、上記要約文に含まれる単語に該単語より
語数の少ない同義語若しくは短縮語が存在する場合は、
該単語を上記同義語若しくは短縮語で置換することによ
り上記要約文を小型化する要約文小型化手段、を更に具
備することを特徴とする。

【００２４】また、請求項１６の発明は、請求項１５の
発明において、上記要約文小型化手段は、上記要約文に
含まれる単語より語数の少ない同義語若しくは短縮語が
存在する単語が複数存在する場合において、該単語を該
要約文に最初に現れる単語を除いて上記同義語若しくは
短縮語で置換することを特徴とする。

【００２５】また、請求項１７の発明は、請求項１４の
発明において、上記検索手段は、上記文書記憶手段に格
納された文書の過去のアクセス回数が第１の期間内に第
１の規定の値を越えている場合は、上記インデックス記
憶手段に格納された上記文書原文から作成された第１の
インデックスに基づき上記文書記憶手段に格納された文
書原文を検索して該検索した文書原文を出力し、上記文
書記憶手段に格納された文書の過去のアクセス回数が上
記第１の期間内に上記第１の規定の値以下の場合は、上
記第１のインデックスに基づき上記圧縮文書を検索して
該検索した圧縮文書を伸長して出力し、上記文書記憶手
段に格納された文書の過去のアクセス回数が上記第１の
期間より長い第２の期間内に第２の規定以下の場合は、
上記インデックス記憶手段に格納された上記要約文から
作成された第２のインデックスに基づき上記圧縮文書を
検索して該検索した圧縮文書を伸長して出力し、上記文
書記憶手段に格納された文書の過去のアクセス回数が上
記第２の期間より長い第３の期間内に零である場合は上
記文書記憶手段に格納された文書を削除して上記要約文
のみ保持することを特徴とする

【００２６】

【発明の実施の形態】以下、この発明の実施の形態につ
いて添付図面を参照して詳細に説明する。

【００２７】図１は、この発明に係わる文書検索方法お
よび装置を適用して構成した文書検索システムの一実施
の形態を概略ブロック図で示したものである。

【００２８】図１において、この文書検索システムは、
文書登録および文書検索要求を行なうとともに文書検索
結果表示を行なう入出力部１０、登録文書から要約文を
自動生成する自動文書要約部２０、登録文書の原文（以
下、登録原文という）若しくは要約文から当該文書のイ
ンデックスを作成するインデキシング部３０、登録原文
を圧縮または伸長する文書圧縮伸長部４０、文書インデ
ックスから所望の検索要求を実行する文書検索部５０、
登録文書若しくはその要約文若しくは圧縮文書を格納す
る文書記憶部６０、登録文書若しくは要約文のインデッ
クスを格納するインデックス記憶部７０、文書管理ファ
イルを格納する文書管理ファイル記憶部８０、この文書
検索システムの全体動作を統括制御する制御部９０を具
備して構成される。

【００２９】この文書検索システムにおいて、まず、文
書の登録時には、入出力部１０からの文書登録要求を制
御部９０で検知し、これにより制御部９０は入出力部１
０に対して指定文書（登録文書）の文書記憶部６０への
保存を指示する。

【００３０】同時に、制御部９０は、インデキシング部
３０に対して当該文書のインデックスを作成するインデ
キシングの実行を指示する。

【００３１】インデキシング部３０は、上記制御部９０
からのインデキシングの実行の指示により当該文書のイ
ンデックスを生成し、この生成したインデックスをイン
デックス記憶部７０に保存する。

【００３２】また、このとき制御部９０は、文書管理フ
ァイル記憶部８０に新規エントリを作成し、その登録日
を記録する。

【００３３】文書検索時には、入出力部１０からの文書
検索要求を制御部９０で検知し、これにより制御部９０
は文書検索部５０に対して当該文書検索要求に対応する
文書の検索を指示する。

【００３４】これにより、文書検索部５０は、検索命令
となるキーワードまたは自然言語文にしたがって、イン
デックス記憶部７０および文書記憶部６０に対する検索
処理を行なう。

【００３５】文書検索部５０による上記検索処理が完了
すると、制御部９０はその検索結果を示す検索結果リス
トを表示する指示を入出力部１０に対して行なう。

【００３６】これにより文書検索部５０による検索結果
が入出力部１０に出力されて、検索結果リストが入出力
部１０に表示される。

【００３７】そして、ユーザは、上記入出力部１０に表
示される検索結果リストから所望の文書を見つけた場合
は、入出力部１０からその所望の文書のオープン要求を
行ない、この文書のオープン要求は制御部９０で検知さ
れ、これにより制御部９０は文書検索部５０に対して当
該文書を入出力部１０に出力する指示を行なう。

【００３８】ここで、文書検索部５０は、上記所望の文
書が文書記憶部６０に原文のまま格納されている場合
は、制御部９０の制御により、この文書記憶部６０に格
納されている文書をそのまま入出力部１０に出力して、
入出力部１０における当該文書の表示等がおこなわれ
る。

【００３９】また、文書検索部５０は、上記所望の文書
が文書記憶部６０に圧縮されて格納されている場合は、
制御部９０の制御により、この文書記憶部６０に格納さ
れている文書を文書圧縮伸長部４０で伸長した後に入出
力部１０に出力して、入出力部１０における当該文書の
表示等がおこなわれる。

【００４０】このとき、文書検索部５０は、文書管理フ
ァイル記憶部８０に格納されている上記オープンを行な
った文書の文書管理ファイルを更新し、当該文書管理フ
ァイルに当該文書のアクセス日時を記録する。

【００４１】ところで、この実施の形態の文書検索シス
テムにおいては、文書記憶部６０に格納された登録文書
およびインデックス記憶部７０に格納されたインデック
スの小型化のために、定期的に、例えば金曜日の午後１
０時等に、バッチ処理により、文書記憶部６０に格納さ
れた登録文書およびインデックス記憶部７０に格納され
たインデックスの小型化処理が行なわれる。

【００４２】ここで、上記文書記憶部６０に格納された
登録文書の小型化処理およびインデックス記憶部７０に
格納されたインデックスの小型化処理を行なう文書管理
バッチ処理は、当該文書に対するアクセス回数に基づき
行なわれる。

【００４３】すなわち、図２に示すように、このバッチ
処理において、当該文書の登録から半年を経過してお
り、この過去半年間に当該文書に対するアクセス回数が
２回以下の場合は、登録文書を圧縮してこの圧縮した圧
縮文書を文書記憶部６０に格納し、また、インデックス
記憶部７０には圧縮する前の登録原文を作成元としたイ
ンデックスを格納する。

【００４４】また、当該文書の登録から１年を経過して
おり、この過去１年間に当該文書に対するアクセス回数
が１回以下の場合は、文書記憶部６０には登録文書を圧
縮した圧縮文書が格納されるが、インデックス記憶部７
０には当該文書の要約文を作成元としたインデックスを
格納する。

【００４５】また、当該文書の登録から２年を経過して
おり、この過去２年間に当該文書に対するアクセス回数
が０回の場合は、当該文書の圧縮文書も削除する。この
場合、インデックス記憶部７０に格納されたインデック
スも削除されることになる。

【００４６】なお、上記文書管理バッチ処理でに用いら
れるアクセス回数は当該文書の登録も１回のアクセスと
してカウントする。

【００４７】上記文書管理バッチ処理は、文書管理ファ
イル記憶部８０に格納されている文書管理ファイルに基
づき行なわれる。

【００４８】図３は、上記文書管理ファイル記憶部８０
に格納される文書管理ファイルの一例を示したものであ
る。

【００４９】この文書管理ファイルは、例えば９６年１
０月３１日時点において文書管理ファイル記憶部８０に
格納されている文書管理ファイルで、文書管理ファイル
においては、各文書の過去３回の文書オープンの履歴が
記録される。ここで、文書登録も１回のアクセスとして
記録されている。

【００５０】図３において、「ＦＬＡＧ」は、文書記憶
部６０に格納された各文書の状態を示すものである。

【００５１】すなわち、「ＦＬＡＧ」が「Ｎ」の場合
は、文書記憶部６０に格納された文書は非圧縮文書、イ
ンデックス記憶部７０に格納されたインデックスは、登
録原文を作成元とするノーマルインデックスであること
を示す。

【００５２】また、「ＦＬＡＧ」が「Ｃ」の場合は、文
書記憶部６０に格納された文書は圧縮文書、インデック
ス記憶部７０に格納されたインデックスは、登録原文を
作成元とするノーマルインデックスであることを示す。

【００５３】また、「ＦＬＡＧ」が「Ｓ」の場合は、文
書記憶部６０に格納された文書は圧縮文書、インデック
ス記憶部７０に格納されたインデックスは、要約文を作
成元とする要約文インデックスであることを示す。

【００５４】また、「ＦＬＡＧ」が「Ｘ」の場合は、削
除済みの文書であることを示す。

【００５５】また、「ＤＮ」は、各文書の文書番号、
「ＬＡ１」〜「ＬＡ３」は、過去３回のアクセス日を示
す。

【００５６】図４乃至図６は上記文書管理バッチ処理を
フローチャートで示したものである。

【００５７】図４乃至図６において、この文書管理バッ
チ処理がスタートすると（ステップ１０１）、まず、初
期化処理が行なわれる（ステップ１０２）。この初期化
処理は、１）処理の対照となる文書番号「ＤＮ」を「０」にする
（ＤＮ＝０）２）「ＤＡＴＥ０」として半年前の日付を設定する（Ｄ
ＡＴＥ０＝半年前の日付）３）「ＤＡＴＥ１」として１年前の日付を設定する（Ｄ
ＡＴＥ１＝１年前の日付）４）「ＤＡＴＥ２」として２年前の日付を設定する（Ｄ
ＡＴＥ２＝２年前の日付）ことにより行なわれる。

【００５８】次に、文書管理ファイル記憶部８０から文
書番号「ＤＮ」の文書情報、すなわち「ＦＬＡＧ」、
「ＬＡ１」、「ＬＡ２」、「ＬＡ３」を取得する（ステ
ップ１０３）。

【００５９】そして、「ＦＬＡＧ」は「Ｘ」か、すなわ
ち、「ＦＬＡＧ＝＝Ｘ」かを調べる（ステップ１０
４）。

【００６０】ここで、「ＦＬＡＧ＝＝Ｘ」である場合は
（ステップ１０４でＹＥＳ）、文書番号「ＤＮ」を
「１」インクリメントし「ＤＮ＝ＤＮ＋１」（ステップ
１０８）、次に、文書管理ファイルは最後かを調べ「Ｆ
ＩＬＥＥＮＤ」（ステップ１０９）、「ＦＩＬＥＥ
ＮＤ」でないと（ステップ１０９でＮＯ）、ステップ１
０３に戻る。

【００６１】また、ステップ１０９で、「ＦＩＬＥＥ
ＮＤ」であると判断されると（ステップ１０９でＹＥ
Ｓ）、この文書管理バッチ処理を終了する（ステップ１
１０）。

【００６２】また、ステップ１０４で、「ＦＬＡＧ＝＝
Ｘ」でないと判断されると（ステップ１０４でＹＥ
Ｓ）、次に、ステップ１０３で取得した「ＬＡ１」は
「ＤＡＴＥ２」より古いかを調べる（ステップ１０
５）。

【００６３】ここで、「ＬＡ１」が「ＤＡＴＥ２」より
古いと判断された場合は（ステップ１０５でＹＥＳ）、
文書番号ＤＮの文書を削除し（ステップ１０６）、文書
番号「ＤＮ」の「ＦＬＡＧ」を「Ｘ」に更新して（ステ
ップ１０７）、ステップ１０８に進む。

【００６４】また、ステップ１０５で、「ＬＡ１」が
「ＤＡＴＥ２」より新しいと判断された場合は（ステッ
プ１０５でＮＯ）、図５のステップ１１１に進む。

【００６５】ステップ１１１では、「ＬＡ２」にデータ
があるかを調べる。ここで、「ＬＡ２」にデータがある
判断されると（ステップ１１１でＹＥＳ）、次に、「Ｌ
Ａ２」は「ＤＡＴＥ１」より古いかを調べる（ステップ
１１２）。

【００６６】ここで、「ＬＡ２」が「ＤＡＴＥ１」より
古いと判断されると（ステップ１１２でＹＥＳ）、次
に、「ＦＬＡＧ」は「Ｓ」か、すなわち、「ＦＬＡＧ＝
＝Ｓ」かを調べる（ステップ１１３）。ここで、「ＦＬ
ＡＧ＝＝Ｓ」であると判断されると（ステップ１１３で
ＹＥＳ）、図４のステップ１０８に進む。

【００６７】また、ステップ１１３で、「ＦＬＡＧ＝＝
Ｓ」でないと判断されると（ステップ１１３でＮＯ）、
次に、「ＦＬＡＧ」は「Ｃ」か、すなわち、「ＦＬＡＧ
＝＝Ｃ」かを調べる（ステップ１１４）。

【００６８】ここで、「ＦＬＡＧ＝＝Ｃ」でないと判断
されると（ステップ１１４でＮＯ）、この文書番号「Ｄ
Ｎ」の文書を文書記憶部６０から読み出し、この文書番
号「ＤＮ」の文書を文書圧縮伸長部４０で圧縮してこの
圧縮した文書で文書記憶部６０に格納されている文書番
号「ＤＮ」の文書を更新する圧縮保存を行なう（ステッ
プ１１５）。

【００６９】そして、この文書番号「ＤＮ」の文書に対
応する要約文に基づき、この新たなインデックスを作成
し、この新たに作成したインデックスでインデックス記
憶部７０にこの文書番号「ＤＮ」の文書に対応して格納
されているインデックスを更新し（ステップ１１６）、
その後、文書番号「ＤＮ」の「ＦＬＡＧ」を「Ｓ」に更
新して（ステップ１１７）、図４のステップ１０８に進
む。

【００７０】また、ステップ１１４で、「ＦＬＡＧ＝＝
Ｃ」であると判断された場合は（ステップ１１４でＹＥ
Ｓ）、ステップ１１５の処理を行なうことなくステップ
１１６に進む。

【００７１】また、ステップ１１１で、「ＬＡ２」にデ
ータがないと判断された場合は（ステップ１１１でＮ
Ｏ）、次に、「ＬＡ１」は「ＤＡＴＥ１」より古いかを
調べ（ステップ１１８）、ここで、「ＬＡ１」は「ＤＡ
ＴＥ１」より古いと判断されると（ステップ１１８でＹ
ＥＳ）、ステップ１１３に進むが、「ＬＡ１」は「ＤＡ
ＴＥ１」より新しいと判断されると（ステップ１１８で
ＮＯ）、図６のステップ１２６に進む。

【００７２】また、ステップ１１２で、「ＬＡ２」は
「ＤＡＴＥ１」より新しいと判断されると（ステップ１
１２でＮＯ）、図６のステップ１１９に進む。

【００７３】ステップ１１９では、「ＬＡ３」にデータ
があるかを調べる。ここで、「ＬＡ３」にデータがある
判断されると（ステップ１１９でＹＥＳ）、次に、「Ｌ
Ａ３」は「ＤＡＴＥ０」より古いかを調べる（ステップ
１２０）。

【００７４】ここで、「ＬＡ３」が「ＤＡＴＥ０」より
古いと判断されると（ステップ１２０でＹＥＳ）、次
に、「ＦＬＡＧ」は「Ｃ」か、すなわち、「ＦＬＡＧ＝
＝Ｃ」かを調べる（ステップ１２１）。ここで、「ＦＬ
ＡＧ＝＝Ｃ」であると判断されると（ステップ１２１で
ＹＥＳ）、図４のステップ１０８に進む。

【００７５】また、ステップ１２１で、「ＦＬＡＧ＝＝
Ｃ」でないと判断されると（ステップ１２１でＮＯ）、
次に、「ＦＬＡＧ」は「Ｎ」か、すなわち、「ＦＬＡＧ
＝＝Ｎ」かを調べる（ステップ１２２）。

【００７６】ここで、「ＦＬＡＧ＝＝Ｎ」でないと判断
されると（ステップ１２２でＮＯ）、この文書番号「Ｄ
Ｎ」のインデックスを本文より作成し（ステップ１２
３）、その後、文書番号「ＤＮ」の「ＦＬＡＧ」を
「Ｃ」に更新して（ステップ１２５）、図４のステップ
１０８に進む。

【００７７】また、ステップ１２２で「ＦＬＡＧ＝＝
Ｎ」であると判断されると（ステップ１２２でＹＥ
Ｓ）、文書番号「ＤＮ」の文書を文書記憶部６０に圧縮
保存し（ステップ１２４）、ステップ１２３の処理を行
なうことなくステップ１２５に進むまた、ステップ１１
９で、「ＬＡ２」にデータがないと判断された場合は
（ステップ１１９でＮＯ）、次に、「ＬＡ２」は「ＤＡ
ＴＥ０」より古いかを調べ（ステップ１２７）、ここ
で、「ＬＡ２」は「ＤＡＴＥ０」より古いと判断される
と（ステップ１２７でＹＥＳ）、ステップ１２１に進む
が、「ＬＡ２」は「ＤＡＴＥ０」より新しいと判断され
ると（ステップ１２７でＮＯ）、ステップ１２８に進
む。

【００７８】また、ステップ１２０で、「ＬＡ３」は
「ＤＡＴＥ０」より新しい（ステップ１２０でＮＯ）と
判断された場合はステップ１２８に進む。

【００７９】また、ステップ１２６では、「ＬＡ１」は
「ＤＡＴＥ０」より古いかを調べる。ここで、「ＬＡ
１」は「ＤＡＴＥ０」より古いと判断されると（ステッ
プ１２６でＹＥＳ）、ステップ１２１に進む。

【００８０】また、ステップ１２６で、「ＬＡ１」は
「ＤＡＴＥ０」より新しいと判断されると（ステップ１
２６でＮＯ）、次に、「ＦＬＡＧ」は「Ｎ」か、すなわ
ち、「ＦＬＡＧ＝＝Ｎ」かを調べる（ステップ１２
８）。ここで、「ＦＬＡＧ＝＝Ｎ」であると判断される
と（ステップ１２８でＹＥＳ）、図４のステップ１０８
に進む。

【００８１】また、ステップ１２８で、「ＦＬＡＧ＝＝
Ｎ」でないと判断されると（ステップ１２８でＮＯ）、
次に、「ＦＬＡＧ」は「Ｃ」か、すなわち、「ＦＬＡＧ
＝＝Ｃ」かを調べる（ステップ１２９）。

【００８２】ここで、「ＦＬＡＧ＝＝Ｃ」でないと判断
されると（ステップ１２９でＮＯ）、この文書番号「Ｄ
Ｎ」のインデックスを本文より作成し（ステップ１３
０）、文書番号「ＤＮ」の文書を伸長保存し（ステップ
１３１）、その後、文書番号「ＤＮ」の「ＦＬＡＧ」を
「Ｎ」に更新して（ステップ１３２）、図４のステップ
１０８に進む。

【００８３】また、ステップ１２９で、「ＦＬＡＧ＝＝
Ｃ」であると判断されると（ステップ１２９でＹＥ
Ｓ）、ステップ１３０の処理を行なうことなくステップ
１３１に進む。

【００８４】図７は、上記図４乃至図６の文書管理バッ
チ処理がなされた後の例えば９６年１１月１日の時点で
文書管理ファイル記憶部８０に格納される文書管理ファ
イルの一例を示したものである。

【００８５】図３に示した文書管理ファイルと比較する
と明らかになるように、文書番号「ＤＮ」が「００００
０００２」の文書は、過去２年間のアクセス回数が０回
であるので、「ＦＬＡＧ」が「Ｘ」になり削除されたこ
とが示され、また、文書番号「ＤＮ」が「００００００
０３」の文書は、過去半年間のアクセス回数が２回であ
るので、「ＦＬＡＧ」が「Ｃ」になり、文書記憶部６０
に格納された文書は圧縮文書、インデックス記憶部７０
に格納されたインデックスは、登録原文を作成元とする
ノーマルインデックスであることが示され、また、文書
番号「ＤＮ」が「００００４２３３」の文書は、過去１
年間のアクセス回数が１回であるので、「ＦＬＡＧ」が
「Ｓ」になり、文書記憶部６０に格納された文書は圧縮
文書、インデックス記憶部７０に格納されたインデック
スは、要約文を作成元とする要約文インデックスである
ことがしめされ、また、文書番号「ＤＮ」が「０００１
２０１４」の文書は、過去半年間のアクセス回数が２回
であるので、「ＦＬＡＧ」が「Ｃ」になり、文書記憶部
６０に格納された文書は圧縮文書、インデックス記憶部
７０に格納されたインデックスは、登録原文を作成元と
するノーマルインデックスであることが示される。

【００８６】図８は、図１に示した自動文書要約部２０
の構成例を示したものである。

【００８７】図８において、この自動文書要約部２０
は、文書構造解析部２１、形態素解析部２２、構文解析
部２３、重要文判定部２４、同義語・短縮語置換部２
５、形態素解析辞書２６、同義語・短縮語辞書２７を具
備して構成される。

【００８８】ここで、文書構造解析部２１は、電子化さ
れた入力文書を解析し、タイトル、章や節の見出し、段
落、文などの構造を解析する。

【００８９】また、形態素解析部２２では、形態素解析
辞書２６を用いて品詞の接続規則などから、タイトルや
本文などを単語単位に分割し、文節を切り出すととも
に、各単語の品詞を同定する。

【００９０】また、構文解析部２３では、主格（「は」
格、「が」格など）などを解析し、各文内の文節の掛か
り受け構造の解析を行なう。

【００９１】また、重要文判定部２４では、文書構造解
析、形態素解析、構文解析の各結果から、文章に含まれ
る各文が、タイトルや章見出し、文全体に対する段落位
置、段落内での文の位置、文章全体での重要語の抽出と
重要度付け、文に含まれる重要語の重要度、文に含まれ
る重要語の数、文中における重要語の主格・目的格など
の使われ方などから、各文の重要度を判定し、文章の要
約率と文間の照応状況などから、要約文とすべき文を決
定する。

【００９２】なお、自動文書要約部２０の内、重要文判
定部２４までは、本願発明要旨を構成するものではな
く、文書要約システムなどで既に提案されている手法を
利用することで実現することができ、例えば、上記構成
以外に文脈解析や意味解析を含めることもできる。

【００９３】同義語・短縮語置換部２５では、重要文判
定部２４で得られた要約文を先頭文から、同義語・短縮
語辞書２７に記載されている単語を検索し、重要文判定
部２４で得られた要約文より文字数の少ない同義語また
は短縮語が存在し、かつ、同一単語が２個以上検索され
れば、２個以降の単語をより文字数の少ない同義語また
は短縮語に置換する。

【００９４】例えば、図９に示すような短縮語辞書を用
いた場合の例として、重要文判定部２４で得られた要約
文が図１０に示すものであるときの同義語・短縮語置換
部２５で置換された縮小要約文の一例を図１１に示す。

【００９５】すなわち、図１１に示す短縮要約文におい
て、「関西国際空港」という単語は、２回目にでたとき
から「関空」という短縮語に置換され、「新東京国際空
港」という単語は、２回目にでたときから「成田」とい
う短縮語に置換され、結果的に図１０に示す要約文は図
１１に示すように短縮される。

【００９６】なお、１個目の単語検出時に、以降の省略
形を、例えば括弧付きで追加表記を行なうことや、一個
目の単語から省略形に置換することなども可能であり、
一個目の単語検出時に、以降の省略形を、例えば括弧突
きで追加表記を行なう構成をとると、短縮要約文の読み
易さを向上させることができる。

【００９７】同義語・短縮語置換部２５における同義語
・短縮語の置換処理において、上記同義語・短縮語辞書
２７に記載の単語は、全て上記形態素解析辞書２６にも
登録されているものとする。

【００９８】自動文書要約部２０における文書要約時に
行なった形態素解析部２２による形態素解析結果を用い
て、各文節の自立語が同義語・短縮語になり得る品詞
（名詞あるいは固有名詞など）の場合は、その単語が同
義語・短縮語辞書２７に登録されているかが検出され
る。

【００９９】また、その単語が検出される毎に、その単
語の出現が１回目であるか否かを示すフラグを準備して
おく。そして、この単語が検出された場合は、そのフラ
グをチェックし、２回目以降に出現した単語は、同義語
・短縮語辞書２７に登録されている語数のより少ない単
語で置換される。

【０１００】同義語・短縮語辞書２７に記載の単語が形
態素解析辞書２６に含まれていない場合は、同義語・短
縮語になり得る品詞（名詞あるいは固有名詞など）が連
続している部分を１つの単語となる可能性があるとし、
連続するものを組み合わせて、検査することにより対応
可能である。

【０１０１】なお、図１に示した、文書圧縮伸長部４０
およびインデキシング部３０および文書検索部５０自体
は、本願発明要旨を構成するものではなく、この種の文
書検索システムやファイル圧縮伸長システムにすでに実
施されている手法を利用することにより実現できる。

【０１０２】なお、インデキシング部３０におけるイン
デックス作成の手法としては、文字成分方法、形態素解
析によるキーワード自動抽出方式等があるが、本願発明
ではいずれの手法を採用するものでも利用可能である。

【０１０３】ところで、全文検索を行なうシステムで
は、そのインデックスサイズは、方式によって異なるも
のの、通常登録文書サイズの１００％〜１５０％程度で
あるといわれ、また現在普及している文書圧縮ルールに
より文書を圧縮した場合は、原文を１０％のサイズにま
で圧縮することができる。

【０１０４】また、要約文は原文の１０％〜２０％程度
の量で、ほぼ原文の主題を掴むことができるといわれて
いる。

【０１０５】したがって、例えば１００Ｍｂｙｔｅの登
録文書で１０％の要約を行なった場合、上記実施例によ
ると、初期状態で、登録文書サイズは１００Ｍｂｙｔ
ｅ、インデックスサイズは１００Ｍｂｙｔｅ、合計２０
０Ｍｂｙｔｅであったのが、原文圧縮状態では、登録文
書サイズが１０Ｍｂｙｔｅ、インデックスサイズは１０
０Ｍｂｙｔｅ、合計１１０Ｍｂｙｔｅの５５％まで文書
量を小型化でき、要約文によるインデックスを用いた状
態では、登録文書サイズが１０Ｍｂｙｔｅ、インデック
スサイズは１０Ｍｂｙｔｅ、合計２０Ｍｂｙｔｅの１０
％まで文書量を小型化できる。

【０１０６】なお、上記実施形態では日本語を対象にし
た文書検索システムを示したが、本願発明は、他の言語
を対象にする文書検索システムにも同様に適用すること
ができるのは勿論である。

【０１０７】

【発明の効果】以上説明したようにこの発明によれば、
登録された文書から該文書の要約文を自動生成し、該自
動生成した要約文から上記文書のインデックスを作成
し、上記インデックスに基づき上記所望の検索要求に対
応する文書を検索するように構成したので、文書検索精
度への影響を抑えながら登録文書等を格納する記憶装置
の必要容量を大幅に減少させ、かつユーザに対してより
多くの検索情報を提供することができるという効果を奏
する。

【図面の簡単な説明】

【図１】この発明に係わる文書検索方法および装置を適
用して構成した文書検索システムの一実施の形態を示す
概略ブロック図。

【図２】図１に示した文書記憶部に格納された登録文書
の小型化処理およびインデックス記憶部に格納されたイ
ンデックスの小型化処理を行なう文書管理バッチ処理ト
ランスの概要を説明する図。

【図３】図１に示した文書管理ファイル記憶部に格納さ
れる文書管理ファイルの一例を示した図。

【図４】図２で説明した文書管理バッチ処理の詳細を示
すフローチャート。

【図５】図２で説明した文書管理バッチ処理の詳細を示
すフローチャート。

【図６】図２で説明した文書管理バッチ処理の詳細を示
すフローチャート。

【図７】図４乃至図６の文書管理バッチ処理がなされた
後の文書管理ファイル記憶部に格納される文書管理ファ
イルの一例を示した図。

【図８】図１に示した自動文書要約部の構成例を示した
ブロック図。

【図９】図８に示した自動文書要約部の同義語・短縮語
置換部で使用される短縮語辞書の一例を示した図。

【図１０】図８に示した自動文書要約部の重要文判定部
で得られた要約文の一例を示す図。

【図１１】図１０に示した要約文が図８に示した自動文
書要約部の同義語・短縮語置換部でどのように置換され
るかの一例を示した図。

【符号の説明】

１０入出力部２０自動文書要約部３０インデキシング部４０文書圧縮伸長部５０文書検索部６０文書記憶部７０インデックス記憶部８０文書管理ファイル記憶部９０制御部２１文書構造解析部２２形態素解析部２３構文解析部２４重要文判定部２５同義語・短縮語置換部２６形態素解析辞書２７同義語・短縮語辞書

───────────────────────────────────────────────────── フロントページの続き (72)発明者向川信一京都府京都市右京区花園土堂町10番地オムロン株式会社内

Claims

【特許請求の範囲】

【請求項１】登録された複数の文書から所望の検索要
求に対応する文書を検索する文書検索方法において、上記登録された文書から該文書の要約文を自動生成し、該自動生成した要約文から上記文書のインデックスを作
成し、上記インデックスに基づき上記所望の検索要求に対応す
る文書を検索することを特徴とする文書検索方法。
【請求項２】上記登録された文書の過去のアクセス回
数が一定の期間内に規定の値を越えている場合は、上記
登録された文書の原文から当該文書のインデックスを作
成して上記インデックスに基づき上記所望の検索要求に
対応する文書を検索することを特徴とする請求項１記載
の文書検索方法。
【請求項３】上記要約文に含まれる単語に該単語より
語数の少ない同義語若しくは短縮語が存在する場合は、
該単語を上記同義語若しくは短縮語で置換することによ
り上記要約文を小型化することを特徴とする請求項１ま
たは２記載の文書検索方法。
【請求項４】上記要約文に含まれる単語より語数の少
ない同義語若しくは短縮語が存在する単語が複数存在す
る場合において、該単語を該要約文に最初に現れる単語
を除いて上記同義語若しくは短縮語で置換することを特
徴とする請求項３記載の文書検索方法。
【請求項５】登録された複数の文書から所望の検索要
求に対応する文書を検索する文書検索方法において、上記登録された文書の過去のアクセス回数が一定の期間
内に規定の値を越えている場合は、上記登録された文書
の原文から当該文書の第１のインデックスを作成して該
第１のインデックスに基づき上記所望の検索要求に対応
する文書を検索し、上記登録された文書の過去のアクセス回数が一定の期間
内に規定の値以下の場合は、上記登録された文書から該
文書の要約文を自動生成するとともに該自動生成した要
約文から上記文書の第２のインデックスを作成して該第
２のインデックスに基づき上記所望の検索要求に対応す
る文書を検索することを特徴とする文書検索方法。
【請求項６】登録された複数の文書から所望の検索要
求に対応する文書を検索する文書検索方法において、上記登録された文書を圧縮して圧縮文書を自動生成し、上記所望の検索要求に対応して上記圧縮文書を検索し、該検索した圧縮文書を伸長して出力することを特徴とす
る文書検索方法。
【請求項７】上記登録された文書の過去のアクセス回
数が一定の期間内に規定の値を越えている場合は、上記
登録された文書の原文を検索して該検索した文書原文を
出力し、上記登録された文書の過去のアクセス回数が一定の期間
内に規定の値以下の場合は、上記圧縮文書を検索して該
検索した圧縮文書を伸長して出力することを特徴とする
請求項６記載の文書検索方法。
【請求項８】登録された複数の文書から所望の検索要
求に対応する文書を検索する文書検索方法において、上記登録された文書の過去のアクセス回数が第１の期間
内に第１の規定の値を越えている場合は、上記登録され
た文書の原文から当該文書の第１のインデックスを作成
して該第１のインデックスに基づき上記登録された文書
の原文を検索して該検索した文書原文を出力し、上記登録された文書の過去のアクセス回数が上記第１の
期間内に上記第１の規定の値以下の場合は、上記登録さ
れた文書の原文から当該文書の第１のインデックスを作
成するとともに上記登録された文書を圧縮して圧縮文書
を自動生成して該第１のインデックスに基づき上記圧縮
文書を検索して該検索した圧縮文書を伸長して出力し、上記登録された文書の過去のアクセス回数が上記第１の
期間より長い第２の期間内に第２の規定以下の場合は、
上記登録された文書から該文書の要約文を自動生成する
とともに該自動生成した要約文から上記文書の第２のイ
ンデックスを作成して該第２のインデックスに基づき上
記圧縮文書を検索して該検索した圧縮文書を伸長して出
力し、上記登録された文書の過去のアクセス回数が上記第２の
期間より長い第３の期間内に零である場合は上記登録さ
れた文書を削除して上記要約文のみ保持することを特徴
とする文書検索方法。
【請求項９】上記要約文に含まれる単語に該単語より
語数の少ない同義語若しくは短縮語が存在する場合は、
上記要約文に含まれる上記語数の少ない同義語若しくは
短縮語が存在する単語を上記同義語若しくは短縮語で置
換することにより上記要約文を小型化することを特徴と
する請求項８記載の文書検索方法。
【請求項１０】上記要約文に含まれる単語より語数の
少ない同義語若しくは短縮語が存在する単語が複数存在
する場合において、該単語を該要約文に最初に現れる単
語を除いて上記同義語若しくは短縮語で置換することを
特徴とする請求項９記載の文書検索方法。
【請求項１１】登録された複数の文書から所望の検索
要求に対応する文書を検索する文書検索装置において、上記登録された文書を格納する文書記憶手段と、上記検索要求を入力する検索要求入力手段と、上記文書記憶手段に格納された文書から該文書の要約文
を自動生成する自動文書要約手段と、上記自動文書要約手段により生成された上記要約文から
上記文書のインデックスを作成するインデックス作成手
段と、上記インデックス作成手段により作成されたインデック
スを格納するインデックス記憶手段と、上記インデックス記憶手段に格納されたインデックスに
基づき上記文書記憶手段に格納された文書の中から上記
所望の検索要求に対応する文書を検索する文書検索手段
と、を具備することを特徴とする文書検索装置。
【請求項１２】上記要約文に含まれる単語に該単語よ
り語数の少ない同義語若しくは短縮語が存在する場合
は、該単語を上記同義語若しくは短縮語で置換すること
により上記要約文を小型化する要約文小型化手段、を更に具備することを特徴とする請求項１１記載の文書
検索装置。
【請求項１３】上記要約文小型化手段は、上記要約文に含まれる単語より語数の少ない同義語若し
くは短縮語が存在する単語が複数存在する場合におい
て、該単語を該要約文に最初に現れる単語を除いて上記
同義語若しくは短縮語で置換することを特徴とする請求
項１２記載の文書検索装置。
【請求項１４】登録された複数の文書から所望の検索
要求に対応する文書を検索する文書検索装置において、上記登録された文書を格納する文書記憶手段と、上記検索要求を入力するとともに該検索要求に対応する
検索結果を出力する入出力手段と、上記文書記憶手段に格納された文書原文から該文書の要
約文を自動生成して上記文祖記憶手段に格納する自動文
書要約手段と、上記文書記憶手段に格納された上記文書原文若しくは上
記要約文から上記文書のインデックスを作成するインデ
ックス作成手段と、上記インデックス作成手段により作成されたインデック
スを格納するインデックス記憶手段と、上記文書記憶手段に格納された上記文書原文を圧縮して
上記文書記憶手段に圧縮文書として格納するとともに上
記文書記憶手段に格納された上記圧縮文書を伸長する文
書圧縮伸長手段と、上記入力手段から入力された上記検索要求に対応して上
記インデックス記憶手段に格納されたインデックスに基
づき上記上記文書記憶手段に格納された文書原文若しく
は上記圧縮文書若しくは上記要約文を検索して上記入出
力手段に出力する文書検索処理を実行する文書検索手段
と、上記文書検索手段による上記文書検索処理を管理する管
理手段と、を具備することを特徴とする文書検索装置。
【請求項１５】上記要約文に含まれる単語に該単語よ
り語数の少ない同義語若しくは短縮語が存在する場合
は、該単語を上記同義語若しくは短縮語で置換すること
により上記要約文を小型化する要約文小型化手段、を更に具備することを特徴とする請求項１４記載の文書
検索装置。
【請求項１６】上記要約文小型化手段は、上記要約文に含まれる単語より語数の少ない同義語若し
くは短縮語が存在する単語が複数存在する場合におい
て、該単語を該要約文に最初に現れる単語を除いて上記
同義語若しくは短縮語で置換することを特徴とする請求
項１５記載の文書検索装置。
【請求項１７】上記検索手段は、上記文書記憶手段に格納された文書の過去のアクセス回
数が第１の期間内に第１の規定の値を越えている場合
は、上記インデックス記憶手段に格納された上記文書原
文から作成された第１のインデックスに基づき上記文書
記憶手段に格納された文書原文を検索して該検索した文
書原文を出力し、上記文書記憶手段に格納された文書の過去のアクセス回
数が上記第１の期間内に上記第１の規定の値以下の場合
は、上記第１のインデックスに基づき上記圧縮文書を検
索して該検索した圧縮文書を伸長して出力し、上記文書記憶手段に格納された文書の過去のアクセス回
数が上記第１の期間より長い第２の期間内に第２の規定
以下の場合は、上記インデックス記憶手段に格納された
上記要約文から作成された第２のインデックスに基づき
上記圧縮文書を検索して該検索した圧縮文書を伸長して
出力し、上記文書記憶手段に格納された文書の過去のアクセス回
数が上記第２の期間より長い第３の期間内に零である場
合は上記文書記憶手段に格納された文書を削除して上記
要約文のみ保持することを特徴とする請求項１４記載の
文書検索装置。