JPH10312395A - 全文検索システム及び全文検索方法並びに全文検索プログラムを記録した記録媒体 - Google Patents

全文検索システム及び全文検索方法並びに全文検索プログラムを記録した記録媒体

Info

Publication number
JPH10312395A
JPH10312395A JP9324462A JP32446297A JPH10312395A JP H10312395 A JPH10312395 A JP H10312395A JP 9324462 A JP9324462 A JP 9324462A JP 32446297 A JP32446297 A JP 32446297A JP H10312395 A JPH10312395 A JP H10312395A
Authority
JP
Japan
Prior art keywords
character
search
search information
document
characters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP9324462A
Other languages
English (en)
Other versions
JP4149544B2 (ja
Inventor
Ryoko Kitagawa
良子 北川
Tadahiro Shirai
直裕 白井
Yoshiaki Suzuki
善昭 鈴木
Shinya Sugiyama
晋也 杉山
Tomohide Sugaya
友秀 菅谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP32446297A priority Critical patent/JP4149544B2/ja
Publication of JPH10312395A publication Critical patent/JPH10312395A/ja
Application granted granted Critical
Publication of JP4149544B2 publication Critical patent/JP4149544B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【課題】 検索ノイズを低減して検索精度を向上できる
と共に、データベースの必要記憶容量を低減する。 【解決手段】 それぞれ文字単位の文字数が異なる値に
設定され、指定された文字単位が含まれる文書を特定す
る複数種類の検索情報テーブル１８〜２２を有し、入力
された検索キーワードから複数種類の文字単位群を生成
し、この生成された各文字単位群毎に検索情報テーブル
を選択して、この選択した各検索情報テーブルを生成さ
れた各文字単位で検索し、検索された各文字単位が含ま
れる各文書から検索キーワードが含まれる文書を特定す
る全文検索システムにおいて、検索情報テーブルの設定
数を、各検索情報テーブルに設定される文字単位を含む
文字列の文字種別毎に異なる値に設定し、かつ検索キー
ワードの文字種別を判定して、この文字種別と文字列の
文字数とから検索すべき検索情報テーブルを選択する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、大量の文書から必
要とする情報が記載された文書を検索する情報検索シス
テムに係わり、特に比較的長い検索キーワードで必要な
文書を検索できる全文検索システム、全文検索方法、及
び全文検索プログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】一般の情報検索システムのデータベース
に新規の文書（文献）を登録する場合は、該当文書に含
まれる複数のキーワードをデータベースに登録する。こ
のキーワードは一般に予め決められた単語で構成されて
いる。そして、この情報検索システムを用いて必要な情
報が記載された文書（文献）を調べる場合は、必要な情
報に関係するキーワードでデータベースを検索すると、
このキーワードが登録された文書の文書名，発行所，著
者，発行日，所蔵場所等の該当文書を特定する情報が検
索結果として出力される。
【０００３】このような情報検索システムにおいては、
付与したキーワードでしか検索できなかった。この不都
合を解消するために文書中の任意の単語や文字列でデー
タベースを検索できる全文検索システムが開発されてい
る。
【０００４】図１２は全文検索システムの概略構成図で
ある。この全文検索システムは、大きく分けて、検索キ
ーワードが入力されるキーボード等の検索キーワード入
力部１と、実際に検索を実行する検索処理部２と、デー
タベース３と、検索結果を出力するＣＲＴ表示装置や印
字装置等で構成された検索結果出力部４とで構成されて
いる。
【０００５】データベース３内には、例えば、１文字検
索情報テーブル５，２文字検索情報テーブル６、３文字
検索情報テーブル７等の複数の検索情報テーブルが設け
られている。
【０００６】１文字検索情報テーブル５内には、図１３
（ａ）に示すように、ひらかな、カタカナ、漢字，英
字，数字等の各１文字単位毎に、該当１文字単位がこの
データベース３に登録された各文書に含まれるか否かの
情報が記憶されている。具体的には、図示するように、
該当１文字単位が含まれる文書番号＃に［１］のビット
が設定され、該当１文字が含まれない文書番号＃に
［０］のビットが設定される。
【０００７】２文字検索情報テーブル６内には、図１３
（ｂ）に示すように、前記ひらかな、カタカナ、漢字，
英字，数字の２文字の全ての組合わせを示す２文字単位
毎に、該当２文字単位が含まれる文書番号＃に［１］の
ビットが設定され、該当２文字単位が含まれない文書番
号＃に［０］のビットが設定される。したがって、２文
字検索情報テーブル６に設定されている２文字単位の数
は１文字検索情報テーブル５に設定されている１文字か
らなる１文字単位の数のほぼ２乗値となる。
【０００８】３文字検索情報テーブル７内には、図示し
ないが、ひらかな、カタカナ、漢字，英字，数字の３文
字の全ての組合わせを示す３文字単位毎に、該当３文字
単位が含まれる文書番号＃に［１］のビットが設定さ
れ、該当１文字が含まれない文書番号＃に［０］のビッ
トが設定される。
【０００９】そして、検索処理部２は図１４に示す流れ
図に従って検索キーワード入力部１から入力された検索
キーワードに対する検索処理を実行する。流れ図のステ
ップＳ１において、検索キーワード入力部１から一つの
検索キーワードが入力されると、Ｓ２において、該当検
索キーワードを１文字単位に分解する。例えば、図１５
に示すように、検索キーワードが［日本の技術］のよう
に２つの単語と１つの助詞で構成された５文字の文字列
からなる場合は、［日］［本］［の］［技］［術］のよ
うに１文字からなる５つの１文字単位に分割する。Ｓ３
にて、５つの各１文字単位に対してそれぞれ１文字検索
情報テーブル５を検索して、各１文字単位が含まれる各
文書番号＃を得る。
【００１０】Ｓ４にて、入力された検索キーワードが２
文字以上で構成されていた場合は、該当検索キーワード
を２文字単位に分解する。例えは、検索キーワードが
［日本の技術］の場合は、図１５に示すように、［日
本］［本の］［の技］［技術］の４つの２文字単位に分
割する（Ｓ５）。そして、４つの各２文字単位に対して
それぞれ２文字検索情報テーブル６を検索して、各２文
字単位が含まれる各文書番号＃を得る（Ｓ６）。
【００１１】Ｓ７にて、入力された検索キーワードが３
文字以上の文字列で構成されていた場合は、該当検索キ
ーワードを３文字単位に分解する。例えは、検索キーワ
ードが［日本の技術］の場合は、図１５に示すように、
［日本の］［本の技］［の技術］の３つの３文字単位に
分割する（Ｓ８）。そして、３つの各３文字単位に対し
てそれぞれ３文字検索情報テーブル７を検索して、各３
文字単位が含まれる各文書番号＃を得る（Ｓ９）。
【００１２】そして、Ｓ１０において、上述したＳ３，
Ｓ６，Ｓ９にて実行された全ての検索結果のアンド（Ａ
ＮＤ）結果を得る。具体的には、全ての文字単位が含ま
れる文書番号＃を抽出する。
【００１３】例えば、検索キーワードが［日本の技術］
の場合は、１文字単位と２文字単位と３文字単位との合
計１２個の文字単位が全て含まれる文書番号＃を抽出し
て、この文書番号＃をこの検索処理部２における検索結
果として検索結果出力部４を介して出力する（Ｓ１
１）。
【００１４】このようにして、全文検索システムにおい
ては、２つ以上の単語を含む比較的長い文字列からなる
検索キーワードで該当文字列を含む文書をデータベース
３から検索できる。
【００１５】このように構成された全文検索システムに
おいては、長い文字列が含まれる文書を精度よく検索す
るためには、１，２，３文字検索情報テーブル５，６，
７以外にも４文字，５文字の検索情報テーブルが必要で
ある。
【００１６】しかし、検索情報テーブルに設定する文字
単位の文字数が増加すると、組合わせ数が飛躍的に増加
し、データベース３が必要とする記憶容量が大幅に増大
する。
【００１７】このような不都合を解消するために、デー
タベース３の各検索情報テーブル５，６，７に登録され
ている１個又は複数の文字からなる文字単位をハッシュ
関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて算出された
ハッシュ値ｈで示す技術が開発されている。
【００１８】図１６は、文字単位の構成文字数がｉであ
る場合における各文字単位をハッシュ値ｈ（＝１，２，
３，…，Ｎi ）で示した場合の検索情報テーブルである
ｉ文字ハッシュテーブル８を示す。
【００１９】このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，
ｃi ）は、各文字単位を構成するｉ個の各文字ｃ1 ，ｃ
2 ，…，ｃi の関数で示される。したがって、この関数
Ｆiの式を調整することによって、各文字単位の各文字
ｃ1 ，ｃ2 ，…，ｃi の複数種類の組合わせに対して同
一ハッシュ値ｈを設定可能である。
【００２０】その結果、ｉ文字数で構成される文字単位
の全ての組合わせの数より、ハッシュ値ｈの数を大幅に
減少できる。よって、このハッシュ関数Ｆi （ｃ1 ，ｃ
2 ，…，ｃi ）を用いることによって、各検索情報テー
ブルの記憶容量をある程度低減できる。
【００２１】
【発明が解決しようとする課題】しかしながら、上述し
たハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いた
全文検索システムにおいても、まだ解消すべき次のよう
な課題があった。すなわち、前述したように、文字数の
大きい文字列を精度よく検索するには、高い文字数の検
索情報テーブル（文字ハッシュテーブル）を設ける必要
があるが、データベース３の記憶容量の制約からせいぜ
い図１２に示したように、１，２，３文字検索情報テー
ブル（文字ハッシュテーブル）までである。
【００２２】したがって、図１５に示したような５文字
からなる文字列「日本の技術」を検索する場合は、５文
字の文字列そのもので検索情報テーブルを検索していな
いので、実際には目的の文字列が含まれない文書が検索
されてしまうこともあり、検索精度が低下する。なお、
検索結果に混入するこの誤った文書を「検索ノイズ」と
称する。
【００２３】検索精度が低下するのは、文字種の多い日
本語の漢字よりも文字種の少ない英字，数字でよく発生
することが知られている。文字種が少ない場合は、検索
する文字列の並びが文書中に多数出現する場合が多い。
例えば、０〜９の数値では、３文字の組合せが１０×１
０×１０＝１０3 通りしかない。
【００２４】しかしＪｌＳ規格の第一水準のかな漢字は
約３０００個存在するので、３文字の組合せが３０００
×３０００×３０００＝２．７×１０10通りあるので、
それぞれの出現頻度が低くなる。
【００２５】例えば、５文字からなる「１００００」の
数値を検索する場合、各検索情報テーブルに対して次の
検索が行われる。 １文字テーブル １，０，０，０，０ ２文字テーブル １０，００，００，００ ３文字テーブル １００，０００，０００ 次に、４文字からなる「１０００」の数値を検索するこ
とを考えると、各検索情報テーブルに対して次の検索が
行われる。
【００２６】１文字テーブル １，０，０，０ ２文字テーブル １０，００，００ ３文字テーブル １００，０００ この５文字の文字列「１００００」の検索と４文字の文
字列「１０００」の検索とは、同じ文字単位の検索を複
数回行うため、実際には両者ともに次に示す全く同じ検
索を行うことになる。
【００２７】１文字テーブル １，０ ２文字テーブル １０，００ ３文字テーブル １００，０００ すなわち、出現頻度の高い「００」の文字単位を何度も
検索することになり、たとえ各テーブルにおけるそれぞ
れの検索結果のＡＮＤをとったとしても、同一の検索結
果が出力される懸念があり、検索精度が低下する。
【００２８】そのため、文字列「１００００」を含む文
書を検索しても、文字列「１０００」を含む文書が同時
に検索されてしまう。また、５文字の文字列「１２００
０」を検索する場合は、次の文字単位を検索することに
なる。
【００２９】１文字テーブル １，２，０，０，０ ２文字テーブル １２，２０，００，００ ３文字テーブル １２０，２００，０００ そのため、次のような文書も誤って検索してしまう。
【００３０】「２０００件の中で１２０件が・・・」 このように、検索する文字列の文字種が少ない場合は、
検索する文字列の文字並びが文書中に多数出現する場合
が多く、前述した検索ノイズが増加する傾向にある。
【００３１】そこで４文字、５文字を検索するための４
文字検索情報テーブル、５文字検索情報テーブルを増設
することが考えられるが、データベース３の必要記憶容
量が飛躍的に増大し、実用的でないという問題が発生す
る。
【００３２】また、データベース３の必要記憶容量を低
減させるために、前述した図１６に示すハッシュ関数Ｆ
i （ｃ1 ，ｃ2 ，…，ｃi ）を採用したハッシュテーブ
ル８を採用することが考えられる。
【００３３】しかし、ハッシュ関数Ｆi （ｃ1 ，ｃ2 ，
…，ｃi ）を使用する場合は、前述したように、必然的
に、異なる文字単位が同じハッシュ値ｈを持つ可能性が
あるため、同じハッシュ値ｈを持つ別の文字単位を含む
文書が検索ノイズとして検索される懸念がある。
【００３４】特にハッシュテーブル８中のばらつきに片
寄りがある場合は、検索ノイズが増加する。一般的に、
このハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）の設定
は難しく、ハッシュ関数Ｆi の設定の精度によって検索
ノイズの発生率が増減する。
【００３５】このように、従来の全文検索システムにお
いては、検索する際には、検索キーワードを１文字単
位、２文字単位、３文字単位ずつ区切った組合わせで検
索するため、４文字以上の文字列の場合、特に数値など
の文字種別において、正しい検索結果が得られない懸念
がある。
【００３６】また、高い検索精度を得るために文字単位
に含まれる文字数が多い多数の検索情報テーブルを組込
むことが考えられるが、データベース３の必要記憶容量
が大幅に増加する問題があった、さらに、ハッシュ関数
Ｆi を用いてデータベース３の必要記憶容量を減少させ
る場合は、ハッシュ関数Ｆi の設定の精度によって検索
ノイズの発生率が増加する懸念がある。
【００３７】本発明はこのような事情に鑑みてなされた
ものであり、検索情報テーブルの設定数を検索すべき文
字列の文字種別に応じた値に設定することによって、検
索情報テーブルを記憶するデータベースの記憶容量を大
幅に増加することなく、検索精度を向上できる全文検索
システム及び全文検索方法並びに全文検索プログラムを
記録した記録媒体を提供することを目的とする。
【００３８】また、各検索情報テーブルの構成を工夫す
ることによって、検索精度を低下することなく、検索情
報テーブルを記憶するデータベースの記憶容量を低減で
きる全文検索システムを提供することを目的とする。
【００３９】
【課題を解決するための手段】本発明は、それぞれ文字
単位の文字数が異なる値に設定され、指定された文字単
位が含まれる文書を特定する複数種類の検索情報テーブ
ルを有し、入力された検索キーワードから複数種類の文
字単位群を生成し、この生成された各文字単位群毎に検
索情報テーブルを選択して、この選択した各検索情報テ
ーブルを生成された各文字単位で検索し、検索された各
文字単位が含まれる各文書から検索キーワードが含まれ
る文書を特定する全文検索システムに適用される。
【００４０】そして、上記課題を解消するために請求項
１においては、検索情報テーブルの設定数は、各検索情
報テーブルに設定される文字単位を含む文字列の文字種
別毎に異なる値を有し、検索キーワードの文字種別を判
定して、この文字種別と文字列の文字数とから前記検索
すべき検索情報テーブルを選択する。
【００４１】また、請求項２においては、各文字単位
は、この文字単位を構成する１個又は複数の文字からハ
ッシュ関数を用いて算出されたハッシュ値で示され、複
数種類の検索情報テーブルには、文字数が互いに異なる
複数種類の文字単位に対応するハッシュ値が組込まれた
共通検索情報テーブルが含まれる。
【００４２】請求項３においては、各文字単位は、この
文字単位を構成する１個又は複数の文字からハッシュ関
数を用いて算出されたハッシュ値で示され、複数種類の
検索情報テーブルには、文字単位を含む文字列の文字種
別毎に異なるハッシュ関数を用いて算出されたハッシュ
値が設定された検索情報テーブルが含まれ、検索キーワ
ードの文字種別を判定して、文字数と文字種別とから記
検索すべき検索情報テーブルを選択する。
【００４３】請求項４においては、それぞれ文字単位の
文字数が異なる値に設定され、指定された文字単位が含
まれる文書を特定する複数種類の検索情報テーブルを有
し、入力された検索キーワードから複数種類の文字単位
群を生成し、この生成された各文字単位群毎に検索情報
テーブルを選択して、この選択した各検索情報テーブル
を生成された各文字単位で検索し、検索された各文字単
位が含まれる各文書から検索キーワードが含まれる文書
を特定する全文検索方法において、検索情報テーブルの
設定数を、各検索情報テーブルに設定される文字単位を
含む文字列の文字種別毎に異なる値に設定し、検索キー
ワードの文字種別を判定して、この文字種別と文字列の
文字数とから検索すべき検索情報テーブルを選択する。
【００４４】このように構成された全文検索システム及
び全文検索方法においては、検索情報テーブルの設定数
は、各検索情報テーブルに設定される文字単位を含む文
字列の文字種別毎に異なる値を有している。
【００４５】すなわち、文字種別として、例えば英字，
数字、ひらかな、カタカナ、漢字第一水準、漢字第二水
準、外字等が存在する。そして、前述したように、検索
すべき文字列が英字，数字のみで構成されていた場合
は、たとえ構成文字数が異なる文字列であったとしても
同一文字列を検索する事態が発生する確率が多いので、
検索ノイズが発生する確率が高くなる。
【００４６】一方、英字，数字以外のひらかな、カタカ
ナ、漢字第一水準、漢字第二水準、外字等の文字種別に
おいては、文字列に同一文字が多数含まれることは希で
あるので、少ない文字数の文字単位の検索情報テーブル
のみを用いて検索したとしても検索ノイズの発生確率は
少ない。
【００４７】したがって、検索ノイズの発生確率が高い
英数字で構成される文字列を分離した文字単位に対する
検索情報テーブルに対してのみ、構成文字数の高い検索
情報テーブルを設ければ、検索ノイズの発生確率が低下
する。
【００４８】なお、英字，数字の文字種は漢字に比較し
て格段に少ないので、例えば４文字や５文字の検索情報
テーブルを設けたとしても、各検索情報テーブルを記憶
するデータベースの記憶容量が大幅に増加することはな
い。
【００４９】また、別の発明においては、各検索情報テ
ーブルに登録される文字単位は、この文字単位を構成す
る１個又は複数の文字からハッシュ関数を用いて算出さ
れたハッシュ値で示されている。
【００５０】このハッシュ値は各文字数毎の検索情報テ
ーブル毎に設定されるが、たとえ構成文字数が異なる文
字単位であっても、発生確率の小さい文字単位どうしで
あれば、このハッシュ値を一つの共通検索情報テーブル
に組込んだとしても検索ノイズの発生確率は大幅に上昇
することはない。
【００５１】よって、検索精度を低下させることなく、
データベースの必要記憶容量を節減できる。また、別の
発明においては、複数種類の検索情報テーブルには、文
字単位を含む文字列の文字種別毎に異なるハッシュ関数
を用いて算出されたハッシュ値が設定されている。
【００５２】すなわち、検索対象となる文字列の文字種
別は、前述したように、英字、数字、ひらかな、カタカ
ナ、漢字第一水準、漢字第二水準、外字等が存在する。
一般に、複数の文字からなる文字単位を例えば文書から
無作為に抽出した場合は、検出される文字単位の各文字
の各組合わせの発生確率は文字種別に応じてそれぞれ異
なる。
【００５３】したがって、発生確率の高い文字単位どう
しを同一ハッシュ値に設定されることを防止すると、各
文字種別毎にハッシュ関数を設定することによって、検
索ノイズの発生確率を低減できる。
【００５４】また、英字，数字は文字種が少ないので、
同一組合わせに対してできるだけ複数のハッシュ値が設
定されないようにハッシュ関数を設定すればよい。さら
に、請求項５乃至請求項７の発明は、それぞれ文字単位
の文字数が異なる値に設定され、指定された文字単位が
含まれる文書を特定する複数種類の検索情報テーブルを
有し、入力された検索キーワードから複数種類の文字単
位群を生成し、この生成された各文字単位群毎に検索情
報テーブルを選択して、この選択した各検索情報テーブ
ルを生成された各文字単位で検索し、検索された各文字
単位が含まれる各文書から前記検索キーワードが含まれ
る文書を特定する全文検索システムにおける全文検索プ
ログラムを記録したコンピュータ読取り可能な記録媒体
である。
【００５５】そして、請求項５における全文検索プログ
ラムは、コンピュータに対して、検索キーワードの設定
数を、各検索情報テーブルに設定される文字単位を含む
文字列の文字種別毎に異なる値とさせ、検索キーワード
の文字種別を判定させ、この文字種別と文字列の文字数
とから検索すべき検索情報テーブルを選択させる。
【００５６】また、請求項６における全文検索プログラ
ムは、コンピュータに対して、各文字単位を、この文字
単位を構成する１個又は複数の文字からハッシュ関数を
用いて算出されたハッシュ値で示させ、複数種類の件策
情報テーブルには、文字数が互いに異なる複数種類の文
字単位に対応するハッシュ値が組み込まれた共通検索情
報テーブルを含ませる。
【００５７】さらに、請求項７における全文検索プログ
ラムは、コンピュータに対して、各文字単位をこの文字
単位を構成する１個又は複数の文字からハッシュ関数を
用いて算出されたハッシュ値で示させ、複数種類の検索
情報テーブルには、文字単位を含む文字列の文字種別毎
に異なるハッシュ関数を用いて算出されたハッシュ値が
設定された検索情報テーブルを含ませ、検索キーワード
の文字種別を判定させ、文字数と文字種別とから前記検
索すべき検索情報テーブルを選択させる。
【００５８】このように構成された全文検索プログラム
を記録した記録媒体を用いることによって、上述した機
能を有していない従来の全文検索シカテムに対しても、
簡単に上述した機能を付加することができる。
【００５９】
【発明の実施の形態】以下本発明の各実施形態を図面を
用いて説明する。 （第１実施形態）図１は本発明の第１実施形態の全文検
索方法を適用した全文検索システムの概略構成を示すブ
ロック図である。
【００６０】この全文検索システムは、大きく分けて、
文章をデータベース１３へ登録するため登録文書入力部
１１及び登録処理部１２と、データベース１３から必要
な情報を検索するための検索キーワード入力部１５，検
索処理部１６及び検索結果出力部１７と、種別テーブル
１４とで構成されている。
【００６１】データベース１３内には、図示するよう
に、複数種類の検索情報テーブルとしての１文字ハッシ
ュテーブル１８、２文字ハッシュテーブル１９、３文字
ハッシュテーブル２０、４文字ハッシュテーブル２１及
び５文字ハッシュテーブル２２の合計５つハッシュテー
ブルが設けられている。
【００６２】各ハッシュテーブル１８〜２２内には、各
ハッシュテーブル１８〜２２で指定されて１文字〜５文
字の各文字単位を構成する文字のすべての組合わせをハ
ッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を用いて算出
されたハッシュ値ｈが設定されており、該当ハッシュ値
ｈが得られる文字単位を含む文書番号＃が［１］のビッ
トで登録されている。
【００６３】この合計５つハッシュテーブル１８〜２２
に登録される１文字〜５文字の各組合わせの文字単位を
含む文字列の文字種別として、この第１実施形態システ
ムにおいては、 (a) 英字．数字のみ (b) ひらかな、カタカナ，漢字第一水準を含む (c) 漢字第二水準，外字のみ の３種類に区分している。
【００６４】１文字ハッシュテーブル１８内には、図３
（ａ）に示すように、(a) ，(b) ，(c) の３種類のすべ
ての文字種別を含む４０００文字種の各１文字（１文字
単位）毎に、該当１文字単位からハッシュ関数Ｆ1 （ｃ
1 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ1 ）が
設定されている。
【００６５】２文字ハッシュテーブル１９内には、図３
（ｂ）に示すように、(a) ，(b) ，(c) の３種類のすべ
ての文字種別を含む約４０００文字種の２文字単位毎
に、該当２文字単位からハッシュ関数Ｆ2 （ｃ1 ，ｃ
2 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ2 ）が
設定されている。
【００６６】３文字ハッシュテーブル２０内には、図３
（ｃ）に示すように、(c) の漢字第二水準，外字を除
く、(a) ，(b) の２種類の文字種別を含む約３５００文
字種の３文字単位毎に、該当３文字単位からハッシュ関
数Ｆ3 （ｃ1 ，ｃ2 ，ｃ3 ）を用いて算出されたハッシ
ュ値ｈ（＝１〜Ｎ3 ）が設定されている。
【００６７】４文字ハッシュテーブル２１内には、図４
（ａ）に示すように、(a) の英字．数字の１種類のみの
文字種別を含む約５０文字種の４文字単位毎に、該当４
文字単位からハッシュ関数Ｆ4 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ
4 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ4 ）が
設定されている。
【００６８】５文字ハッシュテーブル２２内には、図４
（ｂ）に示すように、(a) の英字，数字の１種類のみの
文字種別を含む約５０文字種の５文字単位毎に、該当５
文字単位からハッシュ関数Ｆ5 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ
4 ，ｃ5 ）を用いて算出されたハッシュ値ｈ（＝１〜Ｎ
5 ）が設定されている。
【００６９】前記種別テーブル１４内には、図２に示す
ように、検索キーワード、登録文字列を構成する前述し
た(a) (b) (c) の３種類の文字種別毎に、検索対象又は
登録対象の各ハッシュテーブル１８〜２２が登録されて
いる。
【００７０】具体的には、(a) の英字，数字に対しては
全てのハッシュテーブル１８〜２２が登録され、(b) の
ひらかな、カタカナ，漢字第一水準に対しては１，２，
３文字のハッシュテーブル１８〜２０が登録され、(c)
の漢字第二水準，外字に対しては１，２文字のハッシュ
テーブル１８，１９のみが登録されている。
【００７１】次に、登録処理部１２が行うデータベース
１３の各ハッシュテーブル１８〜２２に対する登録文書
入力部１１から入力された文書の登録処理を図５に示す
流れ図を用いて説明する。
【００７２】ステップＲ１において、データベース１３
に対して登録すべき文書が存在することを確認すると、
該当文書を読取る（Ｒ２）。そして、この文書内に登録
すべき文字列が存在すると（Ｒ３）、該当文字列を読込
み（Ｒ４）、この入力した文字列の文字数Ｋ、及び該当
文字列の文字種別を判断する。具体的には、前述した
(a) ，(b) ，(c) に区分する（Ｒ５）。
【００７３】そして、種別テーブル１４から判別された
文字種別に対応する使用ハッシュテーブルを特定する
（Ｒ６）。特定された使用ハッシュテーブルの数ｎと、
使用ハッシュテーブル名をＮａ(1) ，Ｎａ(2) ，Ｎａ
(3) ，…，Ｎａ(n) と設定する（Ｒ７）。
【００７４】以上の準備処理が終了すると、使用ハッシ
ュテーブルを特定するインデックスｉを１に初期化する
（Ｒ８）。そして、インデックスｉが使用ハッシュテー
ブル数ｎ以下で、かつ使用ハッシュテーブル名Ｎａ(i)
が文字列の文字数Ｋ以下の場合（Ｒ９）、ｉ文字ハッシ
ュテーブルに対する文書番号＃の登録処理を開始する。
【００７５】すなわち、該当文字列をｉ個の連続文字か
らなる複数の文字単位に分割して（Ｒ１０）、この各文
字単位からハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）
を用いて各ハッシュ値ｈを算出して、各ハッシュテーブ
ル１８〜２２のうちのｉ文字ハッシュテーブルの該当ハ
ッシュ値ｈの欄に対して該当文書番号＃を登録する（Ｒ
１１）。
【００７６】ｉ文字ハッシュテーブルに対する文書番号
＃の登録処理が終了すると、インデックスｉに１を加算
して（Ｒ１２）、Ｒ９へ戻り、加算された後のインデッ
クスｉが示すハッシュテーブルに対する文書番号＃の登
録処理を開始する。
【００７７】Ｒ９にて、加算後のインデックスｉが使用
ハッシュテーブル数ｎを越えると、今回読出した文字列
に対する選択された全てのハッシュテーブル１８〜２２
に対する該当文書番号＃の登録処理が終了したと判断し
て、Ｒ３へ戻り、先に取込んだ文書から次の文字列の読
出を開始する。
【００７８】また、検索処理部１６が行う検索キーワー
ド入力部１５から入力された検索キーワードに対する検
索処理を図６に示す流れ図を用いて説明する。検索キー
ワード入力部１５から検索キーワードが入力されると
（Ｑ１）、入力検索キーワードの文字数Ｋ，及び該当文
字列の文字種別を判断する。具体的には、前述した(a)
，(b) ，(c) に区分する（Ｑ２）。そして、種別テー
ブル１４から判別された文字種別に対応する使用ハッシ
ュテーブルを特定する（Ｑ３）。特定された使用ハッシ
ュテーブルの数ｎと、使用ハッシュテーブルの名Ｎａ
(1) ，Ｎａ(2) ，Ｎａ(3) ，…，Ｎａ(n) と設定する
（Ｓ４）。
【００７９】以上の準備処理が終了すると、使用ハッシ
ュテーブルを特定するインデックスｉを１に初期化する
（Ｑ５）。そして、インデックスｉが使用ハッシュテー
ブル数ｎ以下で、かつ使用ハッシュテーブル名Ｎａ(i)
が文字列の文字数Ｋ以下の場合（Ｑ６）、ｉ文字ハッシ
ュテーブルに対する文書番号＃の検索処理を開始する。
【００８０】すなわち、該当文字列をｉ個の連続文字か
らなる複数の文字単位に分割して（Ｑ７）、この各文字
単位からハッシュ関数Ｆi （ｃ1 ，ｃ2 ，…，ｃi ）を
用いて各ハッシュ値ｈを算出して、各ハッシュテーブル
１８〜２２のうちのｉ文字ハッシュテーブルの該当ハッ
シュ値ｈに対して設定されている各文書番号＃を抽出
（検索）する（Ｑ８）。
【００８１】ｉ文字ハッシュテーブルに対する各文書番
号＃の検索処理が終了すると、インデックスｉに１を加
算して（Ｑ９）、Ｑ６へ戻り、加算された後のインデッ
クスｉに対応するハッシュテーブルに対する各文書番号
＃の検索処理を開始する。
【００８２】Ｑ６にて、加算後のインデックスｉが使用
ハッシュテーブル数ｎを越えると、今回入力した検索キ
ーワードに対する選択された全てのハッシュテーブル１
８〜２２に対する文書番号＃の検索処理が終了したと判
断して、Ｑ１０へ進み、ｎ個の各ハッシュテーブル１８
〜２２で検出された検索結果である全ての文書番号＃の
ＡＮＤ値を得る。具体的には、全ての文字単位が含まれ
る文書番号＃を抽出する。そして、この軽策結果を検索
結果出力部１７へ表示出力する。
【００８３】このように構成された第１実施形態の全文
検索システムにおいては、登録する文字列や検索する検
索キーワードの文字種別に応じて、登録したり検索に用
いるハッシュテーブルの種別（Ｎａ(1) 〜Ｎａ(n) ）と
数ｎとが異なる。
【００８４】具体的には、文字種別(a) の英字，数字の
みの場合は、１文字ハッシュテーブル１８から５文字ハ
ッシュテーブル２２までの全てのハッシュテーブル５を
使用する。逆に、文字種別(b) の英字，数字，ひらか
な、カタカナ，漢字第一水準を含む場合は、１文字ハッ
シュテーブル１８から３文字ハッシュテーブル２０まで
の３つのハッシュテーブルを使用する。
【００８５】したがって、４文字ハッシュテーブル２１
と５文字ハッシュテーブル２２には文字種別(a) の英
字，数字のみの組合せの文字単位に対するハッシュ値ｈ
のみしか設定されていない。英字，数字のみの組合せ数
は文字種別(b) における組合せ数に比較して格段に少な
いので、たとえこの４文字ハッシュテーブル２１と５文
字ハッシュテーブル２２とをデータベース１３に組込ん
だとしてもデータベース１３の必要記憶容量が大幅に増
加することはない。
【００８６】次に、このように構成された第１実施形態
の全文検索システムにおける具体的な登録動作及び検索
動作を具体例を用いて説明する。先ず、次の２つの文書
を登録する場合を説明する。
【００８７】文書１（＃＝１） 「・・・１２０００件
のデータ・・・」 文書２（＃＝２） 「・・・２０００件中の１２０件・
・・」 まず文書１（＃＝１）を読む。この場合、「１２００
０」と「件のデータ」とに分割する。そして、同じ文字
種別の文字を読むと、「１２０００」の部分が（a)の英
数字なので、種別テーブル１４で対応するハッシュテー
ブルを調ペる。数字の場合は１〜５文字ハッシュテーブ
ル１８〜２２が指定されているため、「１２０００」の
文字列を次のように１〜５文字の文字単位に分割して、
それぞれのハッシュ値ｈを計算し、各ハッシュテーブル
１８〜２２に該当文書番号＃（＝１）を追加登録する。
【００８８】 １文字ハッシュテーブル １，２，０，０，０ ２文字ハッシュテーブル １２，２０，００，００ ３文字ハッシュテーブル １２０，２００，０００ ４文字ハッシュテーブル １２００，２０００ ５文字ハッシュテーブル １２０００ 次の「件のデータ」の文字列は、ひらがな、カタカナ、
漢字（第一水準）を含む(b) の文字種別である。この
(b) の文字種別こ対しては、種別テーブル１４に１〜３
文字のハッシュテーブル１８，１９，２０が指定されて
いる。よって、同様な手法で各ハッシュテーブル１８，
１９，２０に対して該当文書番号＃（＝１）を追加登録
する。
【００８９】ここで、別の文字種別の文字列がつながる
部分は少ない方の指定ハッシュテーブルに対して登録す
ると設定しておくと、「００件のデータ」の中の次の文
字に対して各ハッシュ値ｈを計算し、各ハッシュテーブ
ルに該当文書番号＃（＝１）を追加登録する。
【００９０】 １文字ハッシュテーブル 件，の，デ，−，夕 ２文字ハッシュテーブル ０件，件の，のデ，デー，一
タ ３文字ハッシュテーブル ００件，０件の，件のデ．の
デー，データ 次に、文書２（＃＝２）を読む。同様に同じ文字種別の
文字を読み、次の通りに各ハッシュテーブルに該当文書
番号＃（＝２）を追加登録する。
【００９１】１文字ハッシュテーブル ２，０，０，
０，件，中，の，１，２，０ ２文字ハッシュテーブル ２０，００，００，Ｏ件，件
中，中の，の１，１２、２０ ３文字ハッシュテーブル ２００，Ｏ００，００件，０
件中，件中の，中の１，の１２，１２０ ４文字ハッシュテーブル ２０００ ５文字ハッシュテーブル なし 以上で上記各文書（＃＝１，＃＝２）の各ハッシュテー
ブルに対する登録が終了する。
【００９２】次に、上述したように各文書（＃＝１，＃
＝２）が登録されたデータベース１３を検索キーワード
「１２０００」を用いて、この文字列「１２０００」を
含む文書を検索する場合を説明する。
【００９３】まず検索キーワード「１２０００」が入力
されると、この検索キーワードの数字である文字種別
(a) を判定して、種別テーブル１４から、文字種別(a)
に対応する１文字から５文字の各ハッシュテーブル１８
〜２２を特定する。まず、検索キーワード「１２００
０」を１文字単位に分割する。
【００９４】１，２，０，０，０ これら５つの各１文字単位について、１文字ハッシュテ
ーブル１８に対して検索を行なうと、文書１、２が検索
される。次に検索キーワード「１２０００」を２文字単
位に分割する。
【００９５】１２，２０，００，００ これら４つの各２文字単位について、２文字ハッシュテ
ーブル１９に対して検索を行なうと、文書１、２が検索
される。次に検索キーワード「１２０００」を３文字単
位に分割する。
【００９６】１２０，２００，０００ これら３つの各３文字単位について、３文字ハッシュテ
ーブル２０に対して検索を行なうと、文書１、２が検索
される。次に検索キーワード「１２０００」を４文字単
位に分割する。
【００９７】１２００，２０００ これら２つの各４文字単位について、４文字ハッシュテ
ーブル２１に対して検索を行なうと、文書１のみが検索
される。次に検索キーワード「１２０００」を５文字単
位に分割する。
【００９８】１２０００ この１つの５文字単位について、５文字ハッシュテーブ
ル２２に対して検索を行なうと、文書１のみが検索され
る。
【００９９】最後に、これまでの各検索結果のＡＮＤを
取ると文書１のみが残り、この文書１（＃＝１）が最終
検索結果として出力される。これにより、正しい文書１
（＃＝１）のみが検索され、検索ノイズである文書２
（＃＝２）は検索されないので、検索精度が向上する。
【０１００】このように、検索ノイズの発生確率が高い
英数字等の文字種別で構成される文字列に対するハッシ
ュテーブルに対してのみ、構成文字数の高い４文字や５
文字のハッシュテーブル２１，２２を設ければ、検索ノ
イズの発生確率が低下する。
【０１０１】なお、英数字の文字種は漢字に比較して格
段に少ないので、たとえ４文字や５文字のハッシュテー
ブル２１，２２を設けたとしても、データベース１３全
体の必要記憶容量が大幅に増加することはない。
【０１０２】（第２実施形態）図７は本発明の第２実施
形態に係わる全文検索システムの概略構成を示すブロッ
ク図である。図１に示す第１実施形態と同一部分には同
一符号が付してある。したがって、重複する部分の詳細
説明は省略されている。
【０１０３】この第２実施形態の全文検索システムのデ
ータベース１３ａ内には、図１に示す第１実施形態と同
一の１文字ハッシュテーブル１８、２文字ハッシュテー
ブル１９、３文字ハッシュテーブル２０の他に、共通ハ
ッシュテーブル２３が設けられている。
【０１０４】この共通ハッシュテーブル２３内には、図
９に示すように、構成する文字数が４文字，５文字，６
文字，…．ｎ文字とそれぞれ異なる値を有する各文字単
位に対応する各文字組合わせ毎に算出されたハッシュ値
ｈが登録されている。
【０１０５】具体的には、図示するように構成文字数ｉ
毎に、ハッシュ関数Ｆi が設定されている。例えば４文
字の場合はハッシュ関数Ｆ4 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ
4 ）を用いてハッシュ値ｈを算出する。また、５文字の
場合はハッシュ関数Ｆ5 （ｃ1，ｃ2 ，ｃ3 ，ｃ4 ，ｃ5
）を用いてハッシュ値ｈを算出する。さらに、６文字
の場合はハッシュ関数Ｆ6 （ｃ1 ，ｃ2 ，ｃ3 ，ｃ4 ，
ｃ5 ，ｃ6 ）を用いてハッシュ値ｈを算出する。
【０１０６】また、種別テーブル１４ａ内には、検索キ
ーワード及び登録文字列の前述した(a) ，(b) ．(c) の
文字種別毎に利用する各ハッシュテーブルが登録されて
いる。
【０１０７】(a) に示す英字、数字のみの場合、１文字
ハッシュテーブル１８、２文字ハッシュテーブル１９、
３文字ハッシュテーブル２０及び共通ハッシュテーブル
２３が登録されている。なお、文字種別(b) ．(c) に対
しては図２で示した第１実施形態の種別テーブル１４と
同一のハッシュテーブルが設定されている。
【０１０８】このような構成の第２実施形態の全文検索
システムにおいて、登録処理部１２は登録文書入力部１
１から入力された各文書のそれぞれ登録すべき各文字列
を例えば１〜Ｎ個の文字からなる各単位文字に分離し
て、種別テーブル１４ａの指定する各ハッシュテーブル
ヘ該当文章番号＃を登録するが、４文字以上の文字単位
に対する文書番号＃の登録は全て共通ハッシュテーブル
２３へ一括して登録される。
【０１０９】検索処理部１６は、検索キーワード検索部
１５から入力された検索キーワードでデータベース１３
ａを検索する場合においても、検索キーワードを１〜Ｎ
個の文字からなる各文字単位に分離して、種別テーブル
１４ａの指定する各ハッシュテーブルを検索するが、４
文字以上の文字単位に対する検索はすべて共通ハッシュ
テーブル２３に対して実施する。
【０１１０】このような、共通ハッシュテーブル２３を
使用したとしても、目標とする文書を確実に検索でき
る。また、図９に示したように、ハッシュ値ｈは各構成
文字数毎のハッシュ関数Ｆ4 ，Ｆ5 ，Ｆ6 ，…，Ｆn 毎
に個別の値として求まるが、たとえ構成文字数が異なる
文字列であっても、４文字単位，５文字単位，６文字単
位等の構成文字数が大きいものは登録されている各文書
における発生確率が小さい。したがって、この各文字数
毎のハッシュ値ｈを一つの共通ハッシュテーブル２３に
組込んだとしても誤った文書が検索される検索ノイズの
発生確率は大幅に上昇することはない。
【０１１１】よって、検索精度を低下させることなく、
データベース１３ａの必要記憶容量を節減できる。 （第３実施形態）図１０は本発明の第３実施形態に係わ
る全文検索システムの概略構成を示すブロック図であ
る。図１に示す第１実施形態と同一部分には同一符号が
付してある。したがって、重複する部分の詳細説明は省
略されている。
【０１１２】この第３実施形態の全文検索システムのデ
ータベース１３ｂ内には、１文字ハッシュテーブル１８
ａ、２文字ハッシュテーブル１９ａ、３文字ハッシュテ
ーブル２０ａ，４文字ハッシュテーブル２１ａ、５文字
ハッシュテーブル２２ａ，６文字ハッシュテーブル２
４，７文字ハッシュテーブル２５の合計７個のハッシュ
テーブルが設けられている。
【０１１３】また、種別テーブル１４ｂ内には、図１１
に示すように、検索キーワード及び登録文字列の(a) ，
(b1)，(b2)，(c) の合計４種類の文字種別毎に利用する
各ハッシュテーブル及び採用する各ハッシュ関数が登録
されている。
【０１１４】(a) の文字種別は、第１実施形態と同様に
英字と数字のみであり、この文字種別(a) に対して前述
した１文字から７文字までの全てのハッシュテーブル１
８ａ〜２５が使用ハッシュテーブルとしてと登録されて
いる。さらに、各ハッシュテーブル１８ａ〜２５毎に採
用するハッシュ関数Ｆ1 ，Ｆ2 ．Ｆ3 ．Ｆ4 ，Ｆ5 ，Ｆ
6 ，Ｆ7 が登録されている。各ハッシュ関数Ｆ1 〜Ｆ7
は文字単位の構成文字数ｉが異なるのみのである同一種
類のハッシュ関数Ｆi （ｃ1 ，…，ｃi ）である。
【０１１５】(b1)の文字種別は、ひらかなとカタカナの
みであり、この文字種別(b1)に対して前述した１文字か
ら３文字までの各ハッシュテーブル１８ａ〜２０ａが使
用ハッシュテーブルとしてと登録されている。さらに、
各ハッシュテーブル１８ａ〜２０ａ毎に採用するハッシ
ュ関数Ｇ1 ，Ｇ2 ．Ｇ3 が登録されている。各ハッシュ
関数Ｇ1 〜Ｇ3 は文字単位の構成文字数ｉが異なるのみ
の度同一種類のハッシュ関数Ｇi （ｃ1 ，…，ｃi ）で
ある。
【０１１６】(b2)の文字種別は、第一水準の漢字のみで
あり、この文字種別(b2)に対して前述した１文字から３
文字までの各ハッシュテーブル１８ａ〜２０ａが使用ハ
ッシュテーブルとしてと登録されている。さらに、各ハ
ッシュテーブル１８ａ〜２０ａ毎に採用するハッシュ関
数Ｇ1 ，Ｄ2 ．Ｄ3 が登録されている。各ハッシュ関数
Ｄ1 〜Ｄ3 は文字単位の構成文字数ｉが異なるのみの同
一種類のハッシュ関数Ｄi （ｃ1 ，…，ｃi ）である。
【０１１７】(c) の文字種別は、第１実施形態と同様に
第一水準の漢字と外字のみであり、この文字種別(c) に
対して前述した１文字ハッシュテーブル１８ａと２文字
ハッシュテーブル１９ａが使用ハッシュテーブルとして
と登録されている。さらに、各ハッシュテーブル１８
ａ，１９ａにそれぞれ採用するハッシュ関数Ｅ1 ，Ｅ2
が登録されている。各ハッシュ関数Ｅ1 ，Ｅ2 は文字単
位の構成文字数ｉが異なるのみの同一種類のハッシュ関
数Ｅi （ｃ1 ，…，ｃi ）である。
【０１１８】このように、検索キーワード及び登録文字
列の前述した(a) ，(b1)．(b2)，(c) の合計４種類の文
字種別毎に異なる種類のハッシュ関数Ｆi ，Ｇi ，Ｄ
i ，Ｅi が設定されている。
【０１１９】登録処理部１２ａは、登録文書入力部１１
から入力された各文書の各登録すべき各文字列の文字種
別(a) ，(b1)．(b2)，(c) を判断して、例えば１〜Ｎ個
の文字からなる各単位文字に分離する。そして、種別テ
ーブル１４ｂの該当文字種別に指定されたハッシュ関数
Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算出
し、同じく種別テーブル１４ｂで指定されたハッシュテ
ーブルの該当ハッシュ値ｈの欄に今回登録しようとする
文字列が含まれる文書番号＃を追加登録する。
【０１２０】検索処理部１６ａは、検索キーワード検索
部１５から入力された検索キーワードでデータベース１
３ｂを検索する場合、検索キーワードを構成する文字の
文字種別(a) ，(b1)．(b2)，(c) を判断して、例えば１
〜Ｎ個の文字からなる各単位文字に分割する。そして、
種別テーブル１４ｂの該当文字種別に指定されたハッシ
ュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを
算出し、同じく種別テーブル１４ｂで指定されたハッシ
ュテーブルの該当ハッシュ値ｈの欄に登録された文書番
号＃を読取る。
【０１２１】このような、検索キーワード、登録する文
字列を構成する各文字の文字種別(a) ，(b1)．(b2)，
(c) 毎に異なるハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を
用いてハッシュ値ｈを算出したとしても、目標とする文
書を確実に検索できる。
【０１２２】さらに、この第３実施形形態においては、
各文字種別(a) ，(b1)．(b2)，(c)毎に異なるハッシュ
関数Ｆi ，Ｇi ，Ｄi ，Ｅi を用いてハッシュ値ｈを算
出している。
【０１２３】一般に、各文字種別毎に、１文字単位、２
文字単位、３文字単位の各文字の組合せの発生状況が異
なるので、全ての文字種別(a) ，(b1)．(b2)，(c) に亘
って同一種別のハッシュ関数を採用してハッシュ値ｈを
算出した場合においては、文字種別によっては、ハッシ
ュテーブル内において、ある特定のハッシュ値ｈに対し
て多くの文書番号＃が登録されることになる。その結
果、検索ノイズの発生確率が上昇したり、ハッシュテー
ブルを有効に使用できない懸念がある。
【０１２４】したがって、各文字種別(a) ，(b1)．(b
2)，(c) 毎に、該当文字種別の組合せの発生状況に対応
した最適のハッシュ関数Ｆi ，Ｇi ，Ｄi ，Ｅi を設定
することによって、一つのハッシュ値ｈに対して多数の
文書番号＃が登録されることを抑制でき、検索ノイズの
発生確率を低下でき、検索精度を向上できる。
【０１２５】また、４文字から７文字までの各ハッシュ
テーブル２２ａ，２４、２５内には、英字及び数字から
なる文字単位の組合わせに対するハッシュ値ｈしか登録
されていない。この英字及び数字からなる文字単位の組
合わせ数は、漢字の組合わせ数の比較して格段に小さい
ので、同一の組合わせが同一ハッシュ値ｈにならないよ
うに、この文字種別のハッシュ関数Ｆ4 ，Ｆ5 ，Ｆ6 ，
Ｆ7 を調整することによって、たとえ検索キーワードに
数字が多く含まれる場合であっても、検索ノイズの発生
確率を低下でき、検索精度を向上できる。
【０１２６】なお、本発明は上述した各実施形態のみに
限定されるものではない。例えば図１に示した全文検索
システムの登録処理部１２、検索処理部１６の機能をプ
口グラム化し、予めＣＤ−ＲＯＭなどの記録媒体に書き
込んでおき、このＣＤ−ＲＯＭをＣＤ−ＲＯＭドライブ
を搭載した計算機に装填し、計算機がＣＤ−ＲＯＭから
プログラムをロードすることにより上記実施形態と同様
の機能を実現することができる。なお、記録媒体として
は、上記ＣＤ−ＲＯＭ以外に、磁気テープ、ＤＶＤ−Ｒ
ＯＭ、フロッピーディスク、ＭＯ）ＭＤ．ＣＤ−Ｒ、メ
モリカードなどでもよい。
【０１２７】
【発明の効果】以上説明したように本発明の全文検索シ
ステム及び全文検索方法並びに全文検索プログラムを記
録した記録媒体においては、検索情報テーブルの設定数
を検索すべき文字列の文字種別に応じた値に設定してい
る。したがって、検索情報テーブルを記憶するデータベ
ースの記憶容量を大幅に増加することなく、検索精度を
向上できる。
【０１２８】また、文字数が互いに異なる複数種類の文
字列に対応するハッシュ値が組込まれた検索情報テーブ
ルを用いるので、検索精度を低下することなく検索情報
テーブルを記憶するデータベースの記憶容量を低減でき
る。
【０１２９】さらに、文字列を構成する文字の種別毎に
異なるハッシュ関数を用いて算出されたハッシュ値を検
索情報テーブルに設定している。したがって、たとえ
ば、発生確率の高い文字単位どうしを同一ハッシュ値に
設定されることを防止するように、各文字種別毎にハッ
シュ関数を設定することによって、検索ノイズの発生確
率を低減できる。
【図面の簡単な説明】
【図１】 本発明の第１実施形態に係わる全文検索方法
を採用した全文検索システムの概略構成を示すブロック
図
【図２】 同全文検索システムに組込まれた種別テーブ
ルの登録内容を示す図
【図３】 同全文検索システムのデータベースに組込ま
れた各ハッシュテーブルの登録内容を示す図
【図４】 同じく同データベースに組込まれた各ハッシ
ュテーブルの登録内容を示す図
【図５】 同全文検索システムのデータベースに対する
文書の登録処理を示す流れ図
【図６】 同全文検索システムのデータベースに対する
文書の検索処理を示す流れ図
【図７】 本発明の第２実施形態に係わる全文検索シス
テムの概略構成を示すブロック図
【図８】 同全文検索システムに組込まれた種別テーブ
ルの登録内容を示す図
【図９】 同全文検索システムのデータベースに組込ま
れた共通ハッシュテーブルの登録内容を示す図
【図１０】 本発明の第３実施形態に係わる全文検索シ
ステムの概略構成を示すブロック図
【図１１】 同全文検索システムに組込まれた種別テー
ブルの登録内容を示す図
【図１２】 従来の全文検索システムの概略構成を示す
ブロック図
【図１３】 同全文検索システムに組込まれた各文字検
索情報テーブルの記憶内容を示す図
【図１４】 同全文検索システムデータベースに対する
文書の検索処理を示す流れ図
【図１５】 検索キーワードを文字単位に分割する場合
の分割種別を示す図
【図１６】 一般的なｉ文字ハッシュテーブルの記憶内
容を示す図
【符号の説明】
１１…登録文書入力部 １２，１２ａ…登録処理部 １３，１３ａ，１３ｂ…データベース １４，１４ａ，１４ｂ…種別テーブル １５…検索キーワード入力部 １６，１６ａ…検索処理部 １７…検索結果出力部 １８，１８ａ…１文字ハッシュテーブル １９，１９ａ…２文字ハッシュテーブル ２０，２０ａ…３文字ハッシュテーブル ２１，２１ａ…４文字ハッシュテーブル ２２，２２ａ…５文字ハッシュテーブル ２３…共通ハッシュテーブル ２４…６文字ハッシュテーブル ２５…７文字ハッシュテーブル
───────────────────────────────────────────────────── フロントページの続き (72)発明者 杉山 晋也 東京都府中市東芝町１番地 株式会社東芝 府中工場内 (72)発明者 菅谷 友秀 東京都府中市東芝町１番地 株式会社東芝 府中工場内

Claims (7)

    【特許請求の範囲】
  1. 【請求項１】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索システムにおいて、 前記検索情報テーブルの設定数は、各検索情報テーブル
    に設定される文字単位を含む文字列の文字種別毎に異な
    る値を有し、 前記検索キーワードの文字種別を判定して、この文字種
    別と文字列の文字数とから前記検索すべき検索情報テー
    ブルを選択することを特徴とする全文検索システム。
  2. 【請求項２】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索システムにおいて、 前記各文字単位は、この文字単位を構成する１個又は複
    数の文字からハッシュ関数を用いて算出されたハッシュ
    値で示され、 前記複数種類の検索情報テーブルには、文字数が互いに
    異なる複数種類の文字単位に対応するハッシュ値が組込
    まれた共通検索情報テーブルが含まれることを特徴とす
    る全文検索システム。
  3. 【請求項３】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索システムにおいて、 前記各文字単位は、この文字単位を構成する１個又は複
    数の文字からハッシュ関数を用いて算出されたハッシュ
    値で示され、 前記複数種類の検索情報テーブルには、前記文字単位を
    含む文字列の文字種別毎に異なるハッシュ関数を用いて
    算出されたハッシュ値が設定された検索情報テーブルが
    含まれ、 前記検索キーワードの文字種別を判定して、文字数と文
    字種別とから前記検索すべき検索情報テーブルを選択す
    ることを特徴とする全文検索システム。
  4. 【請求項４】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索方法において、 前記検索情報テーブルの設定数を、各検索情報テーブル
    に設定される文字単位を含む文字列の文字種別毎に異な
    る値に設定し、 前記検索キーワードの文字種別を判定して、この文字種
    別と文字列の文字数とから前記検索すべき検索情報テー
    ブルを選択する全文検索方法。
  5. 【請求項５】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索システムにおける全文検索プログラムを記録
    したコンピュータ読取り可能な記録媒体であって、 前記検索キーワードの設定数を、各検索情報テーブルに
    設定される文字単位を含む文字列の文字種別毎に異なる
    値とさせ、 前記検索キーワードの文字種別を判定させ、この文字種
    別と文字列の文字数とから前記検索すべき検索情報テー
    ブルを選択させることを特徴とする全文検索プログラム
    を記録したコンピュータ読取り可能な記録媒体。
  6. 【請求項６】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索システムにおける全文検索プログラムを記録
    したコンピュータ読取り可能な記録媒体であって、 前記各文字単位を、この文字単位を構成する１個又は複
    数の文字からハッシュ関数を用いて算出されたハッシュ
    値で示させ、 前記複数種類の件策情報テーブルには、文字数が互いに
    異なる複数種類の文字単位に対応するハッシュ値が組み
    込まれた共通検索情報テーブルを含ませることを特徴と
    する全部検索プログラムを記録したコンピュータ読取り
    可能な記録媒体。
  7. 【請求項７】 それぞれ文字単位の文字数が異なる値に
    設定され、指定された文字単位が含まれる文書を特定す
    る複数種類の検索情報テーブルを有し、入力された検索
    キーワードから複数種類の文字単位群を生成し、この生
    成された各文字単位群毎に検索情報テーブルを選択し
    て、この選択した各検索情報テーブルを前記生成された
    各文字単位で検索し、検索された各文字単位が含まれる
    各文書から前記検索キーワードが含まれる文書を特定す
    る全文検索システムにおける全文検索プログラムを記録
    したコンピュータ読取り可能な記録媒体であって、 前記各文字単位をこの文字単位を構成する１個又は複数
    の文字からハッシュ関数を用いて算出されたハッシュ値
    で示させ、 前記複数種類の検索情報テーブルには、前記文字単位を
    含む文字列の文字種別毎に異なるハッシュ関数を用いて
    算出されたハッシュ値が設定された検索情報テーブルを
    含ませ、前記検索キーワードの文字種別を判定させ、文
    字数と文字種別とから前記検索すべき検索情報テーブル
    を選択させることを特徴とする全文検索プログラムを記
    録したコンピュー夕読取り可能な記録媒体。
JP32446297A 1997-03-10 1997-11-26 全文検索システムおよび全文検索プログラムを記録した記録媒体 Expired - Fee Related JP4149544B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP32446297A JP4149544B2 (ja) 1997-03-10 1997-11-26 全文検索システムおよび全文検索プログラムを記録した記録媒体

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP9-54729 1997-03-10
JP5472997 1997-03-10
JP32446297A JP4149544B2 (ja) 1997-03-10 1997-11-26 全文検索システムおよび全文検索プログラムを記録した記録媒体

Publications (2)

Publication Number Publication Date
JPH10312395A true JPH10312395A (ja) 1998-11-24
JP4149544B2 JP4149544B2 (ja) 2008-09-10

Family

ID=26395537

Family Applications (1)

Application Number Title Priority Date Filing Date
JP32446297A Expired - Fee Related JP4149544B2 (ja) 1997-03-10 1997-11-26 全文検索システムおよび全文検索プログラムを記録した記録媒体

Country Status (1)

Country Link
JP (1) JP4149544B2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001067368A (ja) * 1999-08-26 2001-03-16 Matsushita Electric Ind Co Ltd 多言語文書処理装置、多言語文書処理方法及び記録媒体
JP2003316817A (ja) * 2002-04-23 2003-11-07 Sc Grainger Co Ltd 検索方法、検索装置、検索システム、コンピュータプログラム及び記録媒体
AU769716B2 (en) * 2000-06-30 2004-02-05 Canon Kabushiki Kaisha Hash compact XML parser
US7281205B2 (en) 2000-06-30 2007-10-09 Canon Kabushiki Kaisha Hash compact XML parser
JP2009134627A (ja) * 2007-11-30 2009-06-18 Mitsubishi Electric Corp Ｎ文字索引生成装置、文書検索装置、ｎ文字索引生成方法、文書検索方法、ｎ文字索引生成プログラムおよび文書検索プログラム
JP2012230493A (ja) * 2011-04-25 2012-11-22 Toshiba Corp 検索装置、検索方法およびプログラム
JP2012533819A (ja) * 2009-07-23 2012-12-27 アリババ・グループ・ホールディング・リミテッド 文書インデックス化およびデータクエリングのための方法およびシステム

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001067368A (ja) * 1999-08-26 2001-03-16 Matsushita Electric Ind Co Ltd 多言語文書処理装置、多言語文書処理方法及び記録媒体
AU769716B2 (en) * 2000-06-30 2004-02-05 Canon Kabushiki Kaisha Hash compact XML parser
US7281205B2 (en) 2000-06-30 2007-10-09 Canon Kabushiki Kaisha Hash compact XML parser
JP2003316817A (ja) * 2002-04-23 2003-11-07 Sc Grainger Co Ltd 検索方法、検索装置、検索システム、コンピュータプログラム及び記録媒体
JP2009134627A (ja) * 2007-11-30 2009-06-18 Mitsubishi Electric Corp Ｎ文字索引生成装置、文書検索装置、ｎ文字索引生成方法、文書検索方法、ｎ文字索引生成プログラムおよび文書検索プログラム
JP2012533819A (ja) * 2009-07-23 2012-12-27 アリババ・グループ・ホールディング・リミテッド 文書インデックス化およびデータクエリングのための方法およびシステム
US9275128B2 (en) 2009-07-23 2016-03-01 Alibaba Group Holding Limited Method and system for document indexing and data querying
US9946753B2 (en) 2009-07-23 2018-04-17 Alibaba Group Holding Limited Method and system for document indexing and data querying
JP2012230493A (ja) * 2011-04-25 2012-11-22 Toshiba Corp 検索装置、検索方法およびプログラム

Also Published As

Publication number Publication date
JP4149544B2 (ja) 2008-09-10

Similar Documents

Publication Publication Date Title
JP2960340B2 (ja) データ検索方法及び装置
US20090228811A1 (en) Systems and methods for processing a plurality of documents
JPH10312395A (ja) 全文検索システム及び全文検索方法並びに全文検索プログラムを記録した記録媒体
JPH0773197A (ja) 異表記語辞書作成支援装置
JP3945075B2 (ja) 辞書機能を備えた電子装置及び情報検索処理プログラムを記憶した記憶媒体
JP4024906B2 (ja) タグ付文書検索システム
JPS60176169A (ja) 文章処理装置
JPH07302347A (ja) グラフ生成装置
JPH08249341A (ja) 文書データベースの文書格納・検索装置
JPH0944521A (ja) インデックス作成装置および文書検索装置
JP3187671B2 (ja) 電子辞書表示装置
JP2000056880A (ja) アドレス一覧表表示装置及びその方法並びにアドレス一覧表表示プログラムを記録した記録媒体
JP2000076254A (ja) キーワード抽出装置、このキーワード抽出装置を用いた類似文献検索装置、キーワード抽出方法及び記録媒体
JPH0756945A (ja) 全文データベースシステム
JPH09231227A (ja) 情報検索装置およびその情報検索方法
JP2888458B2 (ja) ファイル格納装置
JP4656330B2 (ja) 類義語統合システム
JP3022080B2 (ja) 全文データベースシステム
JPH05324735A (ja) データ検索装置
JPH0375960A (ja) 文字処理装置の頻度変更方式
JPH10198685A (ja) データベースシステム
WO2009114131A2 (en) Systems and methods for processing a plurality of documents
JP2000348055A (ja) 情報検索方法及びその装置並びにコンピュータ可読記録媒体
JPH09282316A (ja) 漢字仮名変換装置
JPH0371370A (ja) 英単語検索装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20040924

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071016

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20071030

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20071228

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20080624

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20080626

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110704

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110704

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120704

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130704

Year of fee payment: 5

LAPS Cancellation because of no payment of annual fees