JPH10240729A - データベース作成装置および方法 - Google Patents

Abstract

(57)【要約】 【課題】 説明情報ＤＢに格納しようとする膨大な数の
対象のうち曖昧性や同音異字を伴って出現する確率が高
い対象のみを説明情報ＤＢに格納するデータベース作成
装置および方法を提供する。 【解決手段】 入力部１から受け取った説明情報ＤＢに
格納すべき名義について、同音異字を伴って検索される
確率を確率計算部２で計算し、この計算された同音異字
出現確率の大きさの大きいものを上位Ｍ件、入力された
名義から確率上位データ抽出部３で抽出し、この抽出さ
れた名義に対する同音異字を排除する説明情報を説明情
報作成部４で作成し、名義とその説明情報を説明情報Ｄ
Ｂ６に格納する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、曖昧性を排除する
ための説明情報データベースを作成するデータベース作
成装置および方法に関し、更に詳しくは、曖昧性を伴っ
て出現する確率が少ない対象、すなわち曖昧性を排除す
るための説明情報が必要ない対象を説明情報データベー
スから排除し得るデータベース作成装置および方法に関
する。

【０００２】

【従来の技術】例えば、片仮名で入力される「アライ」
に対応する名義をデータベース（以下、ＤＢと略称す
る）から検索した結果、「新井」「荒井」「新居」など
の同音異字、すなわち曖昧性を有する複数の名義が出力
されてしまうような場合、これらの複数の名義の中から
所望の名義を得るために各名義を区別するための補足説
明である説明情報、例えば「新井」に対する説明情報と
しては「新しいの新、井戸の井」などのような説明情報
を各名義とともに格納したデータベースとして説明情報
データベース（以下、説明情報ＤＢと略称する）が提案
されている。

【０００３】従来のデータベース作成装置では、仮名読
みで名義を入力された情報検索装置において名義の同音
異字という曖昧性を排除するために、上述したように名
義とその名義の同音異字を排除する説明情報を格納する
説明情報ＤＢを作成するのに、第１の方法では、膨大な
数の名義（元データ）をすべて説明情報ＤＢに格納して
おり、また第２の方法では、膨大な数の名義（元デー
タ）のうち、元データ中に存在する数の多い名義のみを
説明情報ＤＢに格納している。

【０００４】

【発明が解決しようとする課題】上述したように説明情
報ＤＢを作成する従来の方法のうち、第１の方法では、
膨大な数の名義をすべて説明情報ＤＢに格納するため
に、実際には同音異字が存在しない（つまり、同音異字
を排除する説明情報の必要がない）名義までも説明情報
ＤＢに格納してしまうので膨大なディスク容量が必要と
なり、検索時の計算機への負担も増大するという問題が
ある。

【０００５】また、第２の方法では、膨大な数の名義
（元データ）のうち、元データ中に存在する数の多い名
義のみを説明情報ＤＢに格納するために、元データ中に
存在する数が多ければ、同音異字が存在しない（つま
り、説明情報データの必要のない）名義であっても、説
明情報ＤＢに格納してしまう。逆に、元データ中に存在
する数が少ない名義は、同音異字を伴って検索される確
率が高くても、説明情報ＤＢに格納できないという問題
がある。

【０００６】本発明は、上記に鑑みてなされたもので、
その目的とするところは、説明情報ＤＢに格納しようと
する膨大な数の対象のうち曖昧性や同音異字を伴って出
現する確率が高い対象のみを説明情報ＤＢに格納するデ
ータベース作成装置および方法を提供することにある。

【０００７】

【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記載の本発明は、検索要求の対象となる情
報を格納する検索対象データベースを作成するデータベ
ース作成装置であって、検索対象データベースに格納す
べき情報を受け取る入力手段と、該入力手段により受け
取った検索対象データベースに格納すべき情報につい
て、検索される確率を計算する検索確率計算手段と、該
検索確率計算手段により計算された検索確率の大きさの
大きいものを上位から所定数、前記入力手段により入力
された検索対象データベースに格納すべき情報のうちか
ら、抽出する検索確率上位抽出手段と、該検索確率上位
抽出手段により抽出された情報を検索対象データベース
に格納する格納手段とを有することを要旨とする。

【０００８】請求項１記載の本発明にあっては、検索対
象データベースに格納すべき入力情報について検索確率
を計算し、この検索確率の大きさの大きいものを上位か
ら所定数、入力情報から抽出し、この抽出された情報を
検索対象データベースに格納する。

【０００９】また、請求項２記載の本発明は、対話中の
言葉の曖昧性を除去するために曖昧性を持つ語に対する
説明情報を格納する曖昧性除去説明情報データベースを
作成するデータベース作成装置であって、曖昧性除去説
明情報データベースに格納すべき語を受け取る入力手段
と、該入力手段により受け取った曖昧性除去説明情報デ
ータベースに格納すべき語について、その言葉が曖昧性
をもって対話中に出現する確率の大きさを計算する曖昧
性出現確率計算手段と、該曖昧性出現確率計算手段で計
算された曖昧性出現確率の大きさの大きいものを上位か
ら所定数、前記入力手段により入力された語から抽出す
る曖昧性出現確率上位語抽出手段と、該曖昧性出現確率
上位語抽出手段により抽出された語をデータベースに格
納する格納手段とを有することを要旨とする。

【００１０】請求項２記載の本発明にあっては、曖昧性
除去説明情報データベースに格納すべく入力された語に
ついて、その言葉が曖昧性をもって対話中に出現する確
率の大きさを計算し、この曖昧性出現確率の大きさの大
きいものを上位から所定数、入力語から抽出し、この抽
出された語をデータベースに格納する。

【００１１】更に、請求項３記載の本発明は、利用者の
仮名入力による名義の検索要求を受けて、利用者の希望
する検索結果を出力する情報検索装置において同音異字
という曖昧性を排除するために同音異字という曖昧性を
排除するような説明情報を格納する曖昧性排除説明情報
データベースを作成するデータベース作成装置であっ
て、説明情報データベースに格納すべき名義を受け取る
入力手段と、該入力手段により受け取った説明情報デー
タベースに格納すべき名義について、情報検索の際、同
音異字を伴って検索される確率を計算する同音異字出現
確率計算手段と、該同音異字出現確率計算手段により計
算された同音異字出現確率の大きさの大きいものを上位
から所定数、前記入力手段により入力された名義から抽
出する同音異字出現確率上位名義抽出手段と、該同音異
字出現確率上位名義抽出手段により抽出された名義に対
する同音異字を排除する説明情報を作成する説明情報作
成手段と、前記同音異字出現確率上位名義抽出手段によ
り抽出された名義と前記説明情報作成手段により作成さ
れた説明情報を説明情報データベースに格納する格納手
段とを有することを要旨とする。

【００１２】請求項３記載の本発明にあっては、説明情
報データベースに格納すべく入力された名義について、
同音異字を伴って検索される確率を計算し、この同音異
字出現確率の大きさの大きいものを上位から所定数、入
力名義から抽出し、この抽出された名義に対する同音異
字を排除する説明情報を作成し、前記抽出された名義と
説明情報を説明情報データベースに格納する。

【００１３】請求項４記載の本発明は、曖昧性をもった
語に対して曖昧性を排除するための説明情報を格納する
説明情報データベースを作成するデータベース作成方法
であって、説明情報データベースに格納すべき語を受け
取り、この受け取った語に対して、曖昧性をもって出現
する曖昧性出現確率を計算し、この計算された曖昧性出
現確率から、曖昧性をもって出現する確率の高い語を抽
出し、この抽出された曖昧性をもって出現する確率の高
い語を説明情報データベースに格納することを要旨とす
る。

【００１４】請求項４記載の本発明にあっては、説明情
報データベースに格納すべく受け取った語に対して、曖
昧性をもって出現する曖昧性出現確率を計算し、この曖
昧性出現確率から、曖昧性をもって出現する確率の高い
語を抽出し、この曖昧性出現確率の高い語を説明情報デ
ータベースに格納する。

【００１５】

【発明の実施の形態】以下、図面を用いて本発明の実施
の形態について説明する。

【００１６】図１は、本発明の一実施形態に係るデータ
ベース作成装置の構成を示すブロック図である。同図に
示すデータベース作成装置は、説明情報ＤＢ６に格納す
べきデータのうち、同音異字出現確率が高いものを説明
情報ＤＢ６に格納して説明情報ＤＢ６を作成するもので
あり、説明情報ＤＢ６に格納すべきデータを受け取る入
力部１、該入力部１で受け取ったデータの同音異字出現
確率を計算する確率計算部２、入力部１で受け取ったデ
ータを確率計算部２で計算した同音異字出現確率の大き
さの順にソートし、該データの中から、同音異字出現確
率の大きいものを上位から所定数、例えばＭ件（ＭはＤ
Ｂ作成者が決めた任意の数）だけ、抽出する確率上位デ
ータ抽出部３、該確率上位データ抽出部３で抽出された
同音異字出現確率の大きさが大きいもの上位Ｍ件のデー
タに対する、その同音異字を排除するための補足説明情
報を作成する説明情報作成部４、および確率上位データ
抽出部３で抽出された同音異字出現確率の大きさが大き
いもの上位Ｍ件のデータと説明情報作成部４で作成され
た同音異字を排除するための説明情報を説明情報ＤＢ６
に格納するＤＢ格納部５から構成されている。

【００１７】次に、図２に示すフローチャートを参照し
て、図１に示すデータベース作成装置の作用を説明す
る。

【００１８】入力部１は、説明情報ＤＢ６に格納すべき
元データの入力を受け取る（ステップＳ１０）。確率計
算部２では、入力部１で受け取った説明情報ＤＢ６に格
納すべき元データについて情報検索装置において同音異
字を伴って検索される確率（以下、同音異字出現確率）
を計算する（ステップＳ２０）。確率上位データ抽出部
３は、確率計算部２で計算された同音異字出現確率の大
きさの順に、入力部１で入力された元データをソート
し、同音異字出現確率が大きいもの上位Ｍ件（Ｍは、Ｄ
Ｂ作成者が決めた任意の数）のデータを入力部１から得
た説明情報ＤＢに格納すべき元データから抽出する（ス
テップＳ３０）。

【００１９】説明情報作成部４は、ステップＳ３０で抽
出された同音異字出現確率が大きいもの上位Ｍ件のデー
タに対する、そのデータの同音異字を排除するための補
足説明情報を作成する（ステップＳ４０）。ＤＢ格納部
５では、ステップＳ３０で抽出された同音異字出現確率
が大きいもの上位Ｍ件のデータと、ステップＳ４０で受
け取ったデータの同音異字を排除するための補足説明情
報を説明情報ＤＢ６に格納する（ステップＳ５０）。

【００２０】以上のようにして、同音異字を排除するた
めの補足説明情報の使用頻度が高い、同音異字出現確率
の大きいデータのみを格納した説明情報ＤＢを作成する
ことができる。

【００２１】次に、図３乃至図６を参照して、具体例に
ついて説明する。

【００２２】説明情報ＤＢ６を作成するためには、入力
部１から例えば図３に示すような元データが入力され
る。この図３に示す例では、元データとして名義の漢字
とその読みが使用されている。

【００２３】入力部１から図３に示すような元データが
入力されると、確率計算部２は、これらの元データにつ
いて次式（１）に示す同音異字出現確率の計算式に従っ
て同音異字出現確率を計算する。

【００２４】

【数１】 ここで、Ｐは同音異字出現確率、Ｎはすべての個体の
数、Ｍはある名義と同じ仮名読みを持つ個体の数、Ｌは
ある名義と同じ仮名読みで同じ漢字表記を持つ個体の数
である。

【００２５】例えば、図４に示す「鈴木」「鱸」「斉
藤」「斎藤」についての同音異字出現確率のイメージの
ように、「鈴木」が７９人、「鱸」が１人、「斎藤」が
１２人、「斉藤」が８人とすると、元データの中の名義
の数では、「スズキ」の数が８０人であるのに対して、
「サイトウ」の数は２０人であって、「スズキ」の方が
「サイトウ」の数よりも多くなっているが、この場合の
同音異字出現確率を上式（１）によって計算すると、次
のようになる。

【００２６】

【数２】 名義「鈴木」の同音異字出現確率 ＝２×７９×（８０−７９）／１００×（１００−１） ＝０．０１５９６ 名義「斎藤」の同音異字出現確率 ＝２×１２×（２０−１２）／１００×（１００−１） ＝０．０１９３９ すなわち、同音異字出現確率は、「斎藤」の方が「鈴
木」よりも高い。これは、「鈴木」の同音異字である
「鱸」という名義を持った人の数が少ないため、「すず
き」の同音異字を伴って出現する可能性は小さいからで
ある。従って、元データ中の数では、多い「鈴木」も同
音異字を伴って検索される確率は小さいので、説明情報
ＤＢ６に格納する必要はないのである。

【００２７】確率上位データ抽出部３では、上述したよ
うに確率計算部２で計算された同音異字出現確率の大き
い順に図５に示すようにソートする。そして、このよう
に同音異字出現確率の大きい順にソートした後、この同
音異字出現確率の大きさが大きいもの上位Ｍ件のデータ
を入力部１で入力された元データから抽出する。図５に
示す同音異字出現確率の計算結果では、「斎藤」「斉
藤」「伊藤」「伊東」などは同音異字出現確率が大きい
ので抽出されるが、「鈴木」「鱸」は同音異字出現確率
が小さいので、抽出されないことになる。

【００２８】このようにして抽出された同音異字出現確
率の高いデータは、説明情報作成部４においてその同音
異字を排除するための補足説明情報を作成され、ＤＢ格
納部５によって説明情報ＤＢ６に格納される。

【００２９】図６は、このように説明情報ＤＢ６に格納
された各名義とその説明情報を示しているものである。
同音異字を伴って検索される確率の高いデータである各
名義に対応して、各名義を他の名義と区別するための説
明情報が格納されている。

【００３０】なお、上記実施形態は、同音異字および同
音異字出現確率について説明したが、本発明はこれに限
定されるものでなく、このような同音異字および同音異
字出現確率に対応する上位概念のものとして、例えば曖
昧性および曖昧性出現確率、検索確率等も含むものであ
る。曖昧性出現確率は同音異字の出現も含んで、検索さ
れた候補に曖昧性が生じる確率であり、また検索確率は
あらゆる検索条件（例えば、人名の検索の場合、「名字
の読み」「住所」などを組み合わせた実際にありうるす
べての検索状態）を前提として、着目する用語が候補と
して選択される確率である。また、これらの概念の上下
関係は、検索確率が最も上位であり、次が曖昧性出現確
率であり、同音異字出現確率が最も低いものであり、す
なわち上下関係は、検索確率＞曖昧性出現確率＞同音異
字出現確率である。

【００３１】

【発明の効果】以上説明したように、本発明によれば、
膨大な数のすべての元データを説明情報データベースに
格納する必要がなく、同音異字が存在しないデータ、す
なわち説明情報の必要ないデータを説明情報データベー
スから排除することができるので、ディスク容量を低減
することができ、経済化を図ることができるとともに、
また説明情報データベース検索時の計算機にかかる負担
も軽減することができ、検索処理を高速化することがで
きる。更に、元データ中の存在数が少ないデータであっ
ても、同音異字を伴って検索される確率が高い場合に
は、説明情報データベースに格納することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係るデータベース作成装
置の構成を示すブロック図である。

【図２】図１に示すデータベース作成装置の作用を示す
フローチャートである。

【図３】図１のデータベース作成装置で使用される元デ
ータの一例を示す説明図である。

【図４】「鈴木」「鱸」「斉藤」「斎藤」についての同
音異字出現確率のイメージを示す図である。

【図５】図１のデータベース作成装置に使用されている
確率上位データ抽出部により同音異字出現確率の大きい
順にソートされた結果を示す図である。

【図６】説明情報ＤＢに格納された名義と説明情報の一
例を示す図である。

【符号の説明】

１ 入力部 ２ 確率計算部 ３ 確率上位データ抽出部 ４ 説明情報作成部 ５ ＤＢ格納部 ６ 説明情報ＤＢ

Claims (4)

【特許請求の範囲】
1. 【請求項１】 検索要求の対象となる情報を格納する検
   索対象データベースを作成するデータベース作成装置で
   あって、 検索対象データベースに格納すべき情報を受け取る入力
   手段と、 該入力手段により受け取った検索対象データベースに格
   納すべき情報について、検索される確率を計算する検索
   確率計算手段と、 該検索確率計算手段により計算された検索確率の大きさ
   の大きいものを上位から所定数、前記入力手段により入
   力された検索対象データベースに格納すべき情報のうち
   から、抽出する検索確率上位抽出手段と、 該検索確率上位抽出手段により抽出された情報を検索対
   象データベースに格納する格納手段とを有することを特
   徴とするデータベース作成装置。
2. 【請求項２】 対話中の言葉の曖昧性を除去するために
   曖昧性を持つ語に対する説明情報を格納する曖昧性除去
   説明情報データベースを作成するデータベース作成装置
   であって、 曖昧性除去説明情報データベースに格納すべき語を受け
   取る入力手段と、 該入力手段により受け取った曖昧性除去説明情報データ
   ベースに格納すべき語について、その言葉が曖昧性をも
   って対話中に出現する確率の大きさを計算する曖昧性出
   現確率計算手段と、 該曖昧性出現確率計算手段で計算された曖昧性出現確率
   の大きさの大きいものを上位から所定数、前記入力手段
   により入力された語から抽出する曖昧性出現確率上位語
   抽出手段と、 該曖昧性出現確率上位語抽出手段により抽出された語を
   データベースに格納する格納手段とを有することを特徴
   とするデータベース作成装置。
3. 【請求項３】 利用者の仮名入力による名義の検索要求
   を受けて、利用者の希望する検索結果を出力する情報検
   索装置において同音異字という曖昧性を排除するために
   同音異字という曖昧性を排除するような説明情報を格納
   する曖昧性排除説明情報データベースを作成するデータ
   ベース作成装置であって、 説明情報データベースに格納すべき名義を受け取る入力
   手段と、 該入力手段により受け取った説明情報データベースに格
   納すべき名義について、情報検索の際、同音異字を伴っ
   て検索される確率を計算する同音異字出現確率計算手段
   と、 前記同音異字出現確率計算手段により計算された同音異
   字出現確率の大きさの大きいものを上位から所定数、前
   記入力手段により入力された名義から抽出する同音異字
   出現確率上位名義抽出手段と、 該同音異字出現確率上位名義抽出手段により抽出された
   名義に対する同音異字を排除する説明情報を作成する説
   明情報作成手段と、 前記同音異字出現確率上位名義抽出手段により抽出され
   た名義と前記説明情報作成手段により作成された説明情
   報を説明情報データベースに格納する格納手段とを有す
   ることを特徴とするデータベース作成装置。
4. 【請求項４】 曖昧性をもった語に対して曖昧性を排除
   するための説明情報を格納する説明情報データベースを
   作成するデータベース作成方法であって、 説明情報データベースに格納すべき語を受け取り、 この受け取った語に対して、曖昧性をもって出現する曖
   昧性出現確率を計算し、 この計算された曖昧性出現確率から、曖昧性をもって出
   現する確率の高い語を抽出し、 この抽出された曖昧性をもって出現する確率の高い語を
   説明情報データベースに格納することを特徴とするデー
   タベース作成方法。