JPH10320402A - 検索式作成方法、検索式作成装置、及び記録媒体 - Google Patents
検索式作成方法、検索式作成装置、及び記録媒体Info
- Publication number
- JPH10320402A JPH10320402A JP9124561A JP12456197A JPH10320402A JP H10320402 A JPH10320402 A JP H10320402A JP 9124561 A JP9124561 A JP 9124561A JP 12456197 A JP12456197 A JP 12456197A JP H10320402 A JPH10320402 A JP H10320402A
- Authority
- JP
- Japan
- Prior art keywords
- document
- keyword
- documents
- search
- designated
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 より重要度の高いキーワードを検索キーワ
ードとして決定することで文書検索精度を一定値以上に
維持する検索式作成装置を提供する。 【解決手段】キーワード抽出部３１、文書集合分割部１
１、キーワード文書頻度辞書１２、検索式作成部３３の
各機能を備えて構成され、検索キーワードの候補が複数
となる場合に、各キーワードが出現する文書数（文書頻
度）をキーワード文書頻度辞書１２を参照して比較し、
文書頻度が小さいキーワードを検索キーワードとして決
定し、文書集合を分割する。検索式作成部３３では、文
書集合の分割過程で得られた検索キーワードを論理演算
子“ａｎｄ”、及び“ｏｒ”で結合して検索式を作成す
る。
ードとして決定することで文書検索精度を一定値以上に
維持する検索式作成装置を提供する。 【解決手段】キーワード抽出部３１、文書集合分割部１
１、キーワード文書頻度辞書１２、検索式作成部３３の
各機能を備えて構成され、検索キーワードの候補が複数
となる場合に、各キーワードが出現する文書数（文書頻
度）をキーワード文書頻度辞書１２を参照して比較し、
文書頻度が小さいキーワードを検索キーワードとして決
定し、文書集合を分割する。検索式作成部３３では、文
書集合の分割過程で得られた検索キーワードを論理演算
子“ａｎｄ”、及び“ｏｒ”で結合して検索式を作成す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、例えば大量に蓄積
された学会論文や技術文書等の電子文書から特定のもの
を索出する文書データベースや、予め蓄積された電子文
書例等を文書作成や発想展開の支援のために利用する各
種支援システム等に適用される文書検索技術に係り、特
に、電子文書中から抽出したキーワードを用いて、検索
者が関心のある文書の索出を効率的に行うための検索式
を試行錯誤的に作成する技術に関する。
された学会論文や技術文書等の電子文書から特定のもの
を索出する文書データベースや、予め蓄積された電子文
書例等を文書作成や発想展開の支援のために利用する各
種支援システム等に適用される文書検索技術に係り、特
に、電子文書中から抽出したキーワードを用いて、検索
者が関心のある文書の索出を効率的に行うための検索式
を試行錯誤的に作成する技術に関する。
【０００２】
【従来の技術】検索対象となる電子文書を蓄積した文書
データベースからあるキーワードを抽出し、このキーワ
ードの論理積や論理和の組み合わせにより所要の検索式
を検索者と協調して試行錯誤的に作成する検索式作成装
置が知られている。
データベースからあるキーワードを抽出し、このキーワ
ードの論理積や論理和の組み合わせにより所要の検索式
を検索者と協調して試行錯誤的に作成する検索式作成装
置が知られている。
【０００３】図３は、従来のこの種の検索式作成装置の
機能構成図である。この検索式作成装置３０は、コンピ
ュータ装置が所定のプログラムを読み込んで実行するこ
とにより形成される、キーワード抽出部３１、文書集合
分割部３２、及び検索式作成部３３の機能ブロックを備
えている。なお、文書には、それぞれ検索者が関心のあ
る必要文書か、関心のない不要文書かを表す必要・不要
の指定情報が付与されているものとする。
機能構成図である。この検索式作成装置３０は、コンピ
ュータ装置が所定のプログラムを読み込んで実行するこ
とにより形成される、キーワード抽出部３１、文書集合
分割部３２、及び検索式作成部３３の機能ブロックを備
えている。なお、文書には、それぞれ検索者が関心のあ
る必要文書か、関心のない不要文書かを表す必要・不要
の指定情報が付与されているものとする。
【０００４】キーワード抽出部３１は、複数の文書から
公知の形態素解析処理によって文書毎に複数のキーワー
ドの抽出処理を行う。また、個々の文書におけるキーワ
ードの出現の有無を表す判別情報及び当該文書が必要文
書か不要文書かを表す識別情報を、文書名や文書番号等
の文書識別子と共に文書集合として出力する。符号３１
Ｂは、キーワード抽出部３１から出力される文書集合の
内容を例示したものである。
公知の形態素解析処理によって文書毎に複数のキーワー
ドの抽出処理を行う。また、個々の文書におけるキーワ
ードの出現の有無を表す判別情報及び当該文書が必要文
書か不要文書かを表す識別情報を、文書名や文書番号等
の文書識別子と共に文書集合として出力する。符号３１
Ｂは、キーワード抽出部３１から出力される文書集合の
内容を例示したものである。
【０００５】文書集合分割部３２は、文書集合を上記判
別情報に基づいて段階的に分割し、文書検索に用いる検
索式を作成する場合の基礎となる複数の検索キーワード
を決定する。この場合、出来るだけ一つ（少数）のキー
ワードの判別情報によって文書集合を分割していくこと
で、必要文書と不要文書とを区別した検索者の意図の抽
出が可能となる。文書集合分割部３２で決定した複数の
検索キーワードは、検索式作成部３３において論理演算
子“ａｎｄ”または“ｏｒ”で結合され、検索式として
後続処理に出力される。
別情報に基づいて段階的に分割し、文書検索に用いる検
索式を作成する場合の基礎となる複数の検索キーワード
を決定する。この場合、出来るだけ一つ（少数）のキー
ワードの判別情報によって文書集合を分割していくこと
で、必要文書と不要文書とを区別した検索者の意図の抽
出が可能となる。文書集合分割部３２で決定した複数の
検索キーワードは、検索式作成部３３において論理演算
子“ａｎｄ”または“ｏｒ”で結合され、検索式として
後続処理に出力される。
【０００６】文書集合分割部３２における文書集合の分
割処理は、例えば公知の決定木（論理式を木構造で表現
したもの）学習アルゴリズムである「ＩＤ３」に基づい
て行われる。以下、この決定木学習アルゴリズム「ＩＤ
３」による文書集合の分割処理の概要を図４を参照して
説明する。まず、キーワード抽出部３１から送られた文
書集合を初期文書集合Ｓｅｔ0とする（ステップＳ１０
１）。次に、初期文書集合Ｓｅｔ0の“未分割”のフラ
グをオンにする（ステップＳ１０２）。これをＳｅｔi
とする（ステップＳ１０３）。次に、この文書集合Ｓｅ
ｔi中の必要文書、不要文書に含まれる各キーワードｔj
(１≦ｊ≦Ｎ）について、文書全体の情報量に対する個
別文書の情報量の相対関係を表す相互情報量Ｉ（ｔj)を
算出する（ステップＳ１０４）。相互情報量Ｉ（ｔj)
は、具体的には、未分割の文書集合についての情報量Ｈ
からキーワードｔjが含まれた文書集合及びキーワード
ｔｊが含まれない文書集合についての情報量Ｈ（ｔj)を
差し引いた値で表される。また、各情報量Ｈ、Ｈ（ｔj)
は、それぞれ下記（１）、（２）式で表される。
割処理は、例えば公知の決定木（論理式を木構造で表現
したもの）学習アルゴリズムである「ＩＤ３」に基づい
て行われる。以下、この決定木学習アルゴリズム「ＩＤ
３」による文書集合の分割処理の概要を図４を参照して
説明する。まず、キーワード抽出部３１から送られた文
書集合を初期文書集合Ｓｅｔ0とする（ステップＳ１０
１）。次に、初期文書集合Ｓｅｔ0の“未分割”のフラ
グをオンにする（ステップＳ１０２）。これをＳｅｔi
とする（ステップＳ１０３）。次に、この文書集合Ｓｅ
ｔi中の必要文書、不要文書に含まれる各キーワードｔj
(１≦ｊ≦Ｎ）について、文書全体の情報量に対する個
別文書の情報量の相対関係を表す相互情報量Ｉ（ｔj)を
算出する（ステップＳ１０４）。相互情報量Ｉ（ｔj)
は、具体的には、未分割の文書集合についての情報量Ｈ
からキーワードｔjが含まれた文書集合及びキーワード
ｔｊが含まれない文書集合についての情報量Ｈ（ｔj)を
差し引いた値で表される。また、各情報量Ｈ、Ｈ（ｔj)
は、それぞれ下記（１）、（２）式で表される。
【０００７】
【数１】
【０００８】但し、（１）、（２）式におけるパラメー
タは下記のようになる。 ｐi：Ｓｅｔi中の必要文書数、 ｎi：Ｓｅｔi中の不要文書数、 ｓi：ｐi+ｎi、 ｐi(ｔj)：Ｓｅｔi中でキーワードｔjを含む必要文書
数、 ｎi(ｔj)：Ｓｅｔi中でキーワードｔjを含む不要文書
数、 ｓi(ｔj)：ｐi(ｔj)＋ｎi(ｔj)、 ｐi not（ｔj)：Ｓｅｔi中でキーワードｔjを含まない
必要文書数、 ｎi not（ｔj)：Ｓｅｔi中でキーワードｔjを含まない
不要文書数、 ｓi not（ｔj)：ｐi not（ｔj)＋ｎi not（ｔj)、 ｈ(a,b,c)：-{a/c・log2(a/c)＋b/c・log2(b/c)｝
タは下記のようになる。 ｐi：Ｓｅｔi中の必要文書数、 ｎi：Ｓｅｔi中の不要文書数、 ｓi：ｐi+ｎi、 ｐi(ｔj)：Ｓｅｔi中でキーワードｔjを含む必要文書
数、 ｎi(ｔj)：Ｓｅｔi中でキーワードｔjを含む不要文書
数、 ｓi(ｔj)：ｐi(ｔj)＋ｎi(ｔj)、 ｐi not（ｔj)：Ｓｅｔi中でキーワードｔjを含まない
必要文書数、 ｎi not（ｔj)：Ｓｅｔi中でキーワードｔjを含まない
不要文書数、 ｓi not（ｔj)：ｐi not（ｔj)＋ｎi not（ｔj)、 ｈ(a,b,c)：-{a/c・log2(a/c)＋b/c・log2(b/c)｝
【０００９】次に、複数のキーワードｔjから相互情報
量Ｉ（ｔk)の値を最大にすることが可能なキーワードｔ
kを選択し、これを検索キーワードとする（ステップＳ
１０５）。この相互情報量Ｉ（ｔk)が正の有限値（＞
０）の場合（ステップＳ１０６）、検索キーワードｔk
を含む文書の番号からなる文書集合をＳｅｔi′、検索キ
ーワードｔkを含まない文書の番号からなる文書集合を
Ｓｅｔi″として分割し、分割したそれぞれの文書集合
の“未分割”のフラグをオンにする（ステップＳ１０７
〜Ｓ１１０）。ｉ′，ｉ″は既に文書集合Ｓｅｔi′、Ｓ
ｅｔi″が存在しなければ任意の値で良い。一方、相互
情報量Ｉ（ｔk)がゼロ値（＝０）の場合は文書集合の分
割を行わない（ステップＳ１０６）。
量Ｉ（ｔk)の値を最大にすることが可能なキーワードｔ
kを選択し、これを検索キーワードとする（ステップＳ
１０５）。この相互情報量Ｉ（ｔk)が正の有限値（＞
０）の場合（ステップＳ１０６）、検索キーワードｔk
を含む文書の番号からなる文書集合をＳｅｔi′、検索キ
ーワードｔkを含まない文書の番号からなる文書集合を
Ｓｅｔi″として分割し、分割したそれぞれの文書集合
の“未分割”のフラグをオンにする（ステップＳ１０７
〜Ｓ１１０）。ｉ′，ｉ″は既に文書集合Ｓｅｔi′、Ｓ
ｅｔi″が存在しなければ任意の値で良い。一方、相互
情報量Ｉ（ｔk)がゼロ値（＝０）の場合は文書集合の分
割を行わない（ステップＳ１０６）。
【００１０】その後、集合Ｓｅｔiの“未分割”のフラ
グをオフにする（ステップＳ１１１）。“未分割”のフ
ラグがオンの文書集合がある場合はステップＳ１０３に
戻り（ステップＳ１１２，Ｙｅｓ）、“未分割”のフラ
グがオンの文書集合がなくなるまで処理を繰り返す。そ
して、すべての文書集合についての“未分割”のフラグ
がオフになった時点で処理を終える（ステップＳ１１
２，Ｎｏ）。
グをオフにする（ステップＳ１１１）。“未分割”のフ
ラグがオンの文書集合がある場合はステップＳ１０３に
戻り（ステップＳ１１２，Ｙｅｓ）、“未分割”のフラ
グがオンの文書集合がなくなるまで処理を繰り返す。そ
して、すべての文書集合についての“未分割”のフラグ
がオフになった時点で処理を終える（ステップＳ１１
２，Ｎｏ）。
【００１１】この決定木学習アルゴリズム「ＩＤ３」に
ついての詳細は、「知識獲得と学習シリーズ１：知識獲
得入門」（Ｍｉｃｈａｌｓｋｉ，Ｒ．Ｓ．他編、共立出
版）を参考にすることができる。また、上記アルゴリズ
ム「ＩＤ３」による処理過程は、例えば、公知のアルゴ
リズムである「Ｃ４．５」や、また、文書中のキーワー
ドの有無のみを用いて文書集合を分割する他のアルゴリ
ズム等による代用も可能である。「Ｃ４．５」の詳細に
ついては、「C4.5 Programs for Machine Learning」
（Quinlan、J.R.著、Morgan Kaufmann Publishers 刊）の
記載を参考にすることができる。
ついての詳細は、「知識獲得と学習シリーズ１：知識獲
得入門」（Ｍｉｃｈａｌｓｋｉ，Ｒ．Ｓ．他編、共立出
版）を参考にすることができる。また、上記アルゴリズ
ム「ＩＤ３」による処理過程は、例えば、公知のアルゴ
リズムである「Ｃ４．５」や、また、文書中のキーワー
ドの有無のみを用いて文書集合を分割する他のアルゴリ
ズム等による代用も可能である。「Ｃ４．５」の詳細に
ついては、「C4.5 Programs for Machine Learning」
（Quinlan、J.R.著、Morgan Kaufmann Publishers 刊）の
記載を参考にすることができる。
【００１２】図５は、上記検索式作成装置３０におい
て、一つの文書集合から複数の文書集合に分割され、検
索式が試行錯誤的に作成されていく過程を示す説明図で
ある。以下、図５を参照して、従来の検索式の作成手順
を説明する。まず、キーワード抽出部３１から出力され
た初期文書集合Ｓｅｔ0から、上述の決定木学習アルゴ
リズム「ＩＤ３」に基づいて相互情報量が最大となるキ
ーワードを決定し、これを検索キーワードとする。ここ
では、検索キーワードｋｗｄ３が決定されたとする。そ
して、この検索キーワードｋｗｄ３によって、初期文書
集合Ｓｅｔ0を、検索キーワードｋｗｄ３を含む必要文
書の集合Ｓｅｔ1と検索キーワードｋｗｄ３を含まない
必要文書及び不要文書の集合Ｓｅｔ2とに分割する。
て、一つの文書集合から複数の文書集合に分割され、検
索式が試行錯誤的に作成されていく過程を示す説明図で
ある。以下、図５を参照して、従来の検索式の作成手順
を説明する。まず、キーワード抽出部３１から出力され
た初期文書集合Ｓｅｔ0から、上述の決定木学習アルゴ
リズム「ＩＤ３」に基づいて相互情報量が最大となるキ
ーワードを決定し、これを検索キーワードとする。ここ
では、検索キーワードｋｗｄ３が決定されたとする。そ
して、この検索キーワードｋｗｄ３によって、初期文書
集合Ｓｅｔ0を、検索キーワードｋｗｄ３を含む必要文
書の集合Ｓｅｔ1と検索キーワードｋｗｄ３を含まない
必要文書及び不要文書の集合Ｓｅｔ2とに分割する。
【００１３】文書集合Ｓｅｔ1は、これ以上の分割は不
可能であるが、一方、文書集合Ｓｅｔ2はさらなる分割
が可能である。そこで、この文書集合Ｓｅｔ2において
相互情報量が最大となる検索キーワードｋｗｄ２を決定
し、この検索キーワードｋｗｄ２によって文書集合Ｓｅ
ｔ2を、検索キーワードｋｗｄ２を含まない不要文書の
集合Ｓｅｔ3と検索キーワードｋｗｄ２を含む必要及び
不要文書の集合Ｓｅｔ4とに分割する。文書集合Ｓｅｔ4
は、さらなる分割が可能なので、この文書集合Ｓｅｔ4
において相互情報量が最大となるキーワードｋｗｄ１を
検索キーワードとして決定し、この検索キーワードｋｗ
ｄ１を含む必要文書の集合Ｓｅｔ5と、検索キーワード
ｋｗｄ１を含まない文書の集合Ｓｅｔ6とを分割する。
文書集合Ｓｅｔ5及びＳｅｔ6は、共にこれ以上の分割が
不可能であるため、分割処理を終える。
可能であるが、一方、文書集合Ｓｅｔ2はさらなる分割
が可能である。そこで、この文書集合Ｓｅｔ2において
相互情報量が最大となる検索キーワードｋｗｄ２を決定
し、この検索キーワードｋｗｄ２によって文書集合Ｓｅ
ｔ2を、検索キーワードｋｗｄ２を含まない不要文書の
集合Ｓｅｔ3と検索キーワードｋｗｄ２を含む必要及び
不要文書の集合Ｓｅｔ4とに分割する。文書集合Ｓｅｔ4
は、さらなる分割が可能なので、この文書集合Ｓｅｔ4
において相互情報量が最大となるキーワードｋｗｄ１を
検索キーワードとして決定し、この検索キーワードｋｗ
ｄ１を含む必要文書の集合Ｓｅｔ5と、検索キーワード
ｋｗｄ１を含まない文書の集合Ｓｅｔ6とを分割する。
文書集合Ｓｅｔ5及びＳｅｔ6は、共にこれ以上の分割が
不可能であるため、分割処理を終える。
【００１４】上記分割処理において決定された複数の検
索キーワードｋｗｄ１〜ｋｗｄ３は逐次図示しない記憶
手段に保持され、分割処理が終了した時点で検索式作成
部３３に渡される。
索キーワードｋｗｄ１〜ｋｗｄ３は逐次図示しない記憶
手段に保持され、分割処理が終了した時点で検索式作成
部３３に渡される。
【００１５】検索式作成部３３では、文書集合分割部３
２の結果である各検索キーワードを、論理演算子“ａｎ
ｄ”、及び“ｏｒ”により結合して検索式ｑｕｅｒｙを
作成する。符号３３Ｂは、検索式作成部３３から出力さ
れる検索式を例示したものである。
２の結果である各検索キーワードを、論理演算子“ａｎ
ｄ”、及び“ｏｒ”により結合して検索式ｑｕｅｒｙを
作成する。符号３３Ｂは、検索式作成部３３から出力さ
れる検索式を例示したものである。
【００１６】
【発明が解決しようとする課題】しかし、上記従来の検
索式作成装置３０では、以下に示すような問題があっ
た。
索式作成装置３０では、以下に示すような問題があっ
た。
【００１７】（１）文書集合の分割に用いる検索キーワ
ードを、相互情報量と必要文書／不要文書の判別情報を
基準として決定しており、検索者にとって真に重要な検
索キーワードかどうかを考慮していない。そのため、重
要性の低いキーワードがたまたま必要文書／不要文書を
よく区別できる（相互情報量が大きい）場合にはそのキ
ーワードが検索式に含まれてしまう。一方、少数の必要
文書や不要文書にしか含まれないキーワードや、必要・
不要の判別情報が付与されていない文書に含まれるキー
ワードについては、それが検索者にとって重要なキーワ
ードであったとしても検索式に反映されない。その結
果、この検索式を用いた実際の文書検索の精度を高める
ことができない。 （２）決定木学習［ＩＤ３」アルゴリズムでは、検索キ
ーワードを決定する際に文書集合を繰り返すが、大規模
な文書データベースを入力として与えた場合には文書集
合の分割処理に多大な処理時間が必要となる。
ードを、相互情報量と必要文書／不要文書の判別情報を
基準として決定しており、検索者にとって真に重要な検
索キーワードかどうかを考慮していない。そのため、重
要性の低いキーワードがたまたま必要文書／不要文書を
よく区別できる（相互情報量が大きい）場合にはそのキ
ーワードが検索式に含まれてしまう。一方、少数の必要
文書や不要文書にしか含まれないキーワードや、必要・
不要の判別情報が付与されていない文書に含まれるキー
ワードについては、それが検索者にとって重要なキーワ
ードであったとしても検索式に反映されない。その結
果、この検索式を用いた実際の文書検索の精度を高める
ことができない。 （２）決定木学習［ＩＤ３」アルゴリズムでは、検索キ
ーワードを決定する際に文書集合を繰り返すが、大規模
な文書データベースを入力として与えた場合には文書集
合の分割処理に多大な処理時間が必要となる。
【００１８】そこで本発明の課題は、キーワードの重要
性を検索式の作成処理に反映させて文書検索等における
検索精度を一定値以上に維持するとともに、文書データ
ベース全体を分割することなく検索キーワードの決定及
び検索式の作成をコンピュータ装置を用いて行うことが
できる、改良された方法を提供することにある。また、
本発明の他の課題は、上記検索式作成方法の実施に適し
た検索式作成装置及び上記装置等を汎用のコンピュータ
装置で実現するための記録媒体を提供することにある。
性を検索式の作成処理に反映させて文書検索等における
検索精度を一定値以上に維持するとともに、文書データ
ベース全体を分割することなく検索キーワードの決定及
び検索式の作成をコンピュータ装置を用いて行うことが
できる、改良された方法を提供することにある。また、
本発明の他の課題は、上記検索式作成方法の実施に適し
た検索式作成装置及び上記装置等を汎用のコンピュータ
装置で実現するための記録媒体を提供することにある。
【００１９】
【課題を解決するための手段】上記課題を解決する本発
明の検索式作成方法は、文書データベースにおける指定
文書から複数のキーワードを抽出し、抽出した個々のキ
ーワードが出現する文書の総数、出現しない文書の総
数、及び前記文書データベースにおける指定文書と残部
の非指定文書との相対関係に基づくキーワードの重要度
関数を計算する過程、前記計算により得られた関数値が
最大となる単一のキーワードを検索キーワードとして決
定する過程、及び、決定した検索キーワードを論理式で
結合して文書検索に用いる検索式を作成する過程を含む
ことを特徴とする。
明の検索式作成方法は、文書データベースにおける指定
文書から複数のキーワードを抽出し、抽出した個々のキ
ーワードが出現する文書の総数、出現しない文書の総
数、及び前記文書データベースにおける指定文書と残部
の非指定文書との相対関係に基づくキーワードの重要度
関数を計算する過程、前記計算により得られた関数値が
最大となる単一のキーワードを検索キーワードとして決
定する過程、及び、決定した検索キーワードを論理式で
結合して文書検索に用いる検索式を作成する過程を含む
ことを特徴とする。
【００２０】前記重要度関数は、例えば前記文書集合に
おいて個々のキーワードを含む指定文書の数、当該キー
ワードを含まない指定文書の数、当該キーワードを含む
非指定文書の数、当該キーワードを含まない非指定文書
の数、及びすべての文書数に対する当該文書数の比率を
パラメータとする関数である。
おいて個々のキーワードを含む指定文書の数、当該キー
ワードを含まない指定文書の数、当該キーワードを含む
非指定文書の数、当該キーワードを含まない非指定文書
の数、及びすべての文書数に対する当該文書数の比率を
パラメータとする関数である。
【００２１】上記課題を解決する本発明の検索式作成装
置は、文書データベースから特定の文書を索出するため
の検索式を作成する装置であって、前記文書データベー
スにおける指定文書群から形態素解析によって複数のキ
ーワードを抽出するとともに抽出した個々のキーワード
が文書中に含まれるか否かを表す判別情報、当該文書が
必要文書か不要文書かを表す指定情報または非指定文書
であることを表す情報を各文書の識別情報と共に集合さ
せた文書集合を生成するキーワード抽出部と、抽出した
個々のキーワードが出現する文書数、出現しない文書
数、及び前記指定文書数と全文書数との相対関係に基づ
くキーワードの重要度関数を設定し、当該関数値が例え
ば最大となる単一のキーワードを検索キーワードとして
決定するとともに、決定した検索キーワードを用いて一
つの文書集合を複数の文書集合に分割する文書集合分割
部と、前記文書集合の分割の際に用いた検索キーワード
を論理式で結合して前記検索式を作成する検索式作成部
と、を有することを特徴とする。
置は、文書データベースから特定の文書を索出するため
の検索式を作成する装置であって、前記文書データベー
スにおける指定文書群から形態素解析によって複数のキ
ーワードを抽出するとともに抽出した個々のキーワード
が文書中に含まれるか否かを表す判別情報、当該文書が
必要文書か不要文書かを表す指定情報または非指定文書
であることを表す情報を各文書の識別情報と共に集合さ
せた文書集合を生成するキーワード抽出部と、抽出した
個々のキーワードが出現する文書数、出現しない文書
数、及び前記指定文書数と全文書数との相対関係に基づ
くキーワードの重要度関数を設定し、当該関数値が例え
ば最大となる単一のキーワードを検索キーワードとして
決定するとともに、決定した検索キーワードを用いて一
つの文書集合を複数の文書集合に分割する文書集合分割
部と、前記文書集合の分割の際に用いた検索キーワード
を論理式で結合して前記検索式を作成する検索式作成部
と、を有することを特徴とする。
【００２２】前記指定文書群は、それぞれ検索者にとっ
て関心のある必要文書と関心のない不要文書から成り、
それぞれ必要または不要の指定情報が付与されて前記検
索キーワードの決定の際の判定に用いられる。また、前
記文書集合分割部は、前記決定した検索キーワードを用
いて指定文書群についての文書集合のみを複数の文書集
合に分割するように構成される。
て関心のある必要文書と関心のない不要文書から成り、
それぞれ必要または不要の指定情報が付与されて前記検
索キーワードの決定の際の判定に用いられる。また、前
記文書集合分割部は、前記決定した検索キーワードを用
いて指定文書群についての文書集合のみを複数の文書集
合に分割するように構成される。
【００２３】上記他の課題を解決する本発明の記録媒体
は、文書データベースにおける指定文書から複数のキー
ワードを抽出し、抽出した個々のキーワードが出現する
文書の総数、出現しない文書の総数、及び前記文書デー
タベースにおける指定文書と残部の非指定文書との相対
関係に基づくキーワードの重要度関数を計算する処理、
前記計算により得られた関数値が最大となる単一のキー
ワードを検索キーワードとして決定する処理、及び、決
定した検索キーワードを論理式で結合して文書検索に用
いる検索式を作成する処理をコンピュータ装置に実行さ
せるためのプログラムを当該コンピュータ装置が読み取
り可能な形態で記録して成る記録媒体である。
は、文書データベースにおける指定文書から複数のキー
ワードを抽出し、抽出した個々のキーワードが出現する
文書の総数、出現しない文書の総数、及び前記文書デー
タベースにおける指定文書と残部の非指定文書との相対
関係に基づくキーワードの重要度関数を計算する処理、
前記計算により得られた関数値が最大となる単一のキー
ワードを検索キーワードとして決定する処理、及び、決
定した検索キーワードを論理式で結合して文書検索に用
いる検索式を作成する処理をコンピュータ装置に実行さ
せるためのプログラムを当該コンピュータ装置が読み取
り可能な形態で記録して成る記録媒体である。
【００２４】
【発明の実施の形態】以下、本発明の実施の形態を詳細
に説明する。図１は、上記検索式の作成方法の実施に適
した検索式作成装置を示す機能構成図であり、図３で説
明した従来の検索式作成装置３０と同一の機能の構成要
素については、同一符号を付して重複説明を省略する。
に説明する。図１は、上記検索式の作成方法の実施に適
した検索式作成装置を示す機能構成図であり、図３で説
明した従来の検索式作成装置３０と同一の機能の構成要
素については、同一符号を付して重複説明を省略する。
【００２５】本実施形態のデータベース検索装置１０
は、コンピュータ装置が所定のプログラムを読み込んで
実行することにより形成される、キーワード抽出部３
１、文書集合分割部１１、キーワード文書頻度辞書１
２、検索式作成部３３の各機能を備えて構成される。上
記プログラムは、通常、コンピュータ装置に内蔵される
記憶手段に格納され、当該コンピュータ装置の主制御部
（ＣＰＵ）に随時読み出されて使用されるが、コンピュ
ータ装置とは分離した形態で流通する記録媒体、例えば
ＣＤ−ＲＯＭ等に格納され、使用時に上記記憶手段にイ
ンストールされるものであってもよい。
は、コンピュータ装置が所定のプログラムを読み込んで
実行することにより形成される、キーワード抽出部３
１、文書集合分割部１１、キーワード文書頻度辞書１
２、検索式作成部３３の各機能を備えて構成される。上
記プログラムは、通常、コンピュータ装置に内蔵される
記憶手段に格納され、当該コンピュータ装置の主制御部
（ＣＰＵ）に随時読み出されて使用されるが、コンピュ
ータ装置とは分離した形態で流通する記録媒体、例えば
ＣＤ−ＲＯＭ等に格納され、使用時に上記記憶手段にイ
ンストールされるものであってもよい。
【００２６】なお、本実施形態では、図示しない文書デ
ータベースに蓄積された複数の文書に、予め利用者等に
よって必要文書か不要文書かを表す必要・不要の指定情
報が付与されており、また、この必要・不要の指定情報
が付与されていないものは、不定文書（非指定文書）と
して判別されるものとする。このことから、文書データ
ベース中には必要・不要・不定の３種類に分類できる文
書が存在することになる。
ータベースに蓄積された複数の文書に、予め利用者等に
よって必要文書か不要文書かを表す必要・不要の指定情
報が付与されており、また、この必要・不要の指定情報
が付与されていないものは、不定文書（非指定文書）と
して判別されるものとする。このことから、文書データ
ベース中には必要・不要・不定の３種類に分類できる文
書が存在することになる。
【００２７】キーワード文書頻度辞書１２は、予め文書
データベースから取り込んだ必要文書、不要文書、不定
文書を形態素解析して抽出したすべてのキーワードにつ
いて、個々のキーワードを含む文書数（文書頻度）を計
数し、計数値をキーワード毎に対応づけて蓄積したもの
である。
データベースから取り込んだ必要文書、不要文書、不定
文書を形態素解析して抽出したすべてのキーワードにつ
いて、個々のキーワードを含む文書数（文書頻度）を計
数し、計数値をキーワード毎に対応づけて蓄積したもの
である。
【００２８】文書集合分割部１１は、キーワード抽出部
３１から出力された文書集合の分割に用いる検索キーワ
ードを決定するものである。文書集合の分割には前述の
決定木学習アルゴリズム「ＩＤ３」を用いる。一般に文
書中に出現する頻度が小さいキーワードは、複数の文書
を区別する際の重要なキーワードとなりうる。そこで、
本実施形態の文書集合分割部１１では、検索キーワード
の候補が複数特定された場合に、キーワード文書頻度辞
書１２から該当キーワードの文書頻度を索出してそれら
のキーワードの重要度関数を計算し、これにより得られ
た関数値が最大となる単一のキーワード（文書頻度の小
さいキーワード）を検索キーワードとして決定する。本
実施形態では文書を上述のように３種類に分類したた
め、決定木学習アルゴリズム「ＩＤ３」に基づいた文書
集合Ｓｅｔiの相互情報量Ｉ（ｔj)を得るための情報量
Ｈ、Ｈ（ｔj)は、それぞれ下記（３）、（４）式のよう
になる。
３１から出力された文書集合の分割に用いる検索キーワ
ードを決定するものである。文書集合の分割には前述の
決定木学習アルゴリズム「ＩＤ３」を用いる。一般に文
書中に出現する頻度が小さいキーワードは、複数の文書
を区別する際の重要なキーワードとなりうる。そこで、
本実施形態の文書集合分割部１１では、検索キーワード
の候補が複数特定された場合に、キーワード文書頻度辞
書１２から該当キーワードの文書頻度を索出してそれら
のキーワードの重要度関数を計算し、これにより得られ
た関数値が最大となる単一のキーワード（文書頻度の小
さいキーワード）を検索キーワードとして決定する。本
実施形態では文書を上述のように３種類に分類したた
め、決定木学習アルゴリズム「ＩＤ３」に基づいた文書
集合Ｓｅｔiの相互情報量Ｉ（ｔj)を得るための情報量
Ｈ、Ｈ（ｔj)は、それぞれ下記（３）、（４）式のよう
になる。
【００２９】
【数２】
【００３０】但し、 ｐi：Ｓｅｔi中の必要文書の数 ｎi：Ｓｅｔi中の不要文書の数 ｕi：Ｓｅｔi中の不定文書の数 ｓi：ｐi+ｎi+ｕi ｐi(ｔj)：Ｓｅｔi中でｔjを含む必要文書の数 ｎi(ｔj)：Ｓｅｔi中でｔjを含む不要文書の数 ｕi(ｔj)：Ｓｅｔi中でｔjを含む不定文書の数 ｓi(ｔj)：ｐi(ｔj)＋ｎi(ｔj)＋ｕi(ｔj) ｐi not（ｔj)：Ｓｅｔi中でｔjを含まない必要文書の
数 ｎi not（ｔj)：Ｓｅｔi中でｔjを含まない不要文書の
数 ｕi not（ｔj)：Ｓｅｔi中でｔjを含まない不定文書の
数 ｓi not（ｔj)：ｐi not（ｔj)＋ｎi not（ｔj)＋ｕi n
ot（ｔj) h(a,b,c,d)= -{a/d・log3(a/d)+b/d・log3(b/d)+c/d・log3
(c/d)｝
数 ｎi not（ｔj)：Ｓｅｔi中でｔjを含まない不要文書の
数 ｕi not（ｔj)：Ｓｅｔi中でｔjを含まない不定文書の
数 ｓi not（ｔj)：ｐi not（ｔj)＋ｎi not（ｔj)＋ｕi n
ot（ｔj) h(a,b,c,d)= -{a/d・log3(a/d)+b/d・log3(b/d)+c/d・log3
(c/d)｝
【００３１】上記式を評価し、検索キーワードを正しく
決定するためには、文書データベース全体、すなわち、
必要文書、不要文書のほか、膨大な不定文書を含めて上
記「ＩＤ３」に従って文書集合を分割していく必要があ
るが、大規模な文書データベースが処理対象となる場合
には、処理時間の点から現実的ではない。そこで本実施
形態では、文書データベース全体ではなく、必要文書、
不要文書のみの文書集合を分割することで検索キーワー
ドとして決定する。重要度関数は、そのために用いられ
るものである。
決定するためには、文書データベース全体、すなわち、
必要文書、不要文書のほか、膨大な不定文書を含めて上
記「ＩＤ３」に従って文書集合を分割していく必要があ
るが、大規模な文書データベースが処理対象となる場合
には、処理時間の点から現実的ではない。そこで本実施
形態では、文書データベース全体ではなく、必要文書、
不要文書のみの文書集合を分割することで検索キーワー
ドとして決定する。重要度関数は、そのために用いられ
るものである。
【００３２】以下、重要度関数について説明する。本例
では、二つの方法を挙げて具体的に説明する。まず、文
書集合Ｓｅｔ0から文書集合Ｓｅｔiを得るまでの分割に
用いられる検索キーワードをｔi1、・・・、ｔim、分割で
生成される文書集合をＳｅｔi0、・・・、Ｓｅｔim(但
し、Ｓｅｔi0=Ｓｅｔ0、Ｓｅｔim=Ｓｅｔi)とする。な
お、０＜ｎ≦ｍである任意の整数ｎについて、文書集合
Ｓｅｔin-1の分割に検索キーワードｔinが用いられて文
書集合Ｓｅｔinが得られるものとする。文書集合Ｓｅｔ
0から文書集合Ｓｅｔiを得る過程における分割処理の模
式図を図２に示す。検索キーワードｔjについての重要
度関数ｆ（ｔj)が、ｆ（ｔj)＝（Ｉ（ｔj)−Ｈ）ｓ0
で表される。また、検索キーワードｔjによる文書頻度
をｄｆ（ｔj)、文書データベース中の文書総数を｜ＤＢ
｜とする。
では、二つの方法を挙げて具体的に説明する。まず、文
書集合Ｓｅｔ0から文書集合Ｓｅｔiを得るまでの分割に
用いられる検索キーワードをｔi1、・・・、ｔim、分割で
生成される文書集合をＳｅｔi0、・・・、Ｓｅｔim(但
し、Ｓｅｔi0=Ｓｅｔ0、Ｓｅｔim=Ｓｅｔi)とする。な
お、０＜ｎ≦ｍである任意の整数ｎについて、文書集合
Ｓｅｔin-1の分割に検索キーワードｔinが用いられて文
書集合Ｓｅｔinが得られるものとする。文書集合Ｓｅｔ
0から文書集合Ｓｅｔiを得る過程における分割処理の模
式図を図２に示す。検索キーワードｔjについての重要
度関数ｆ（ｔj)が、ｆ（ｔj)＝（Ｉ（ｔj)−Ｈ）ｓ0
で表される。また、検索キーワードｔjによる文書頻度
をｄｆ（ｔj)、文書データベース中の文書総数を｜ＤＢ
｜とする。
【００３３】＜第１の方法＞以上の前提のもと、文書デ
ータベース中の複数の文書中に出現するキーワード相互
間で相関関係がなく、分割対象の文書集合でもキーワー
ドが出現する文書の比率が等しい、すなわち任意のキー
ワードｔjにおいて、すべての分割対象の集合で、ｄｆ
（ｔj）／ｓ0＝ｓi（ｔj）／ｓiの関係式が成り立つと
仮定する。この関係式より、文書集合Ｓｅｔikについ
て、ｓik（ｔik+1）＝ｄｆ（ｔik+1 ）ｓik／ｓo の式
が得られ、さらにこの式から、ｓik+1＝ｓikｄｆ’（ｔ
ik+1 ）が得られる。
ータベース中の複数の文書中に出現するキーワード相互
間で相関関係がなく、分割対象の文書集合でもキーワー
ドが出現する文書の比率が等しい、すなわち任意のキー
ワードｔjにおいて、すべての分割対象の集合で、ｄｆ
（ｔj）／ｓ0＝ｓi（ｔj）／ｓiの関係式が成り立つと
仮定する。この関係式より、文書集合Ｓｅｔikについ
て、ｓik（ｔik+1）＝ｄｆ（ｔik+1 ）ｓik／ｓo の式
が得られ、さらにこの式から、ｓik+1＝ｓikｄｆ’（ｔ
ik+1 ）が得られる。
【００３４】但し、キーワードｔikの文書頻度ｄｆ′
（ｔik)は、文書集合Ｓｅｔikがキーワードｔik を含む
場合はｄｆ（ｔik)／ｓo であり、含まない場合は（ｓo
−ｄｆ（ｔik)）／ｓoであるとする。これにより、下記
（５）〜（７）式で与えられるパラメータが得られる。
（ｔik)は、文書集合Ｓｅｔikがキーワードｔik を含む
場合はｄｆ（ｔik)／ｓo であり、含まない場合は（ｓo
−ｄｆ（ｔik)）／ｓoであるとする。これにより、下記
（５）〜（７）式で与えられるパラメータが得られる。
【００３５】
【数３】
【００３６】さらに、下記（８）式で表現される重要度
関数ｆ（ｔj）に下記（９）式で与えれるｕi（ｔj）、
ｕinot(ｔj）、及び上記（６）、（７）式を代入するこ
とで、文書データベース全体を分割することなく、重要
度関数ｆ（ｔｊ）の評価が可能となる。なお、（８）式
において、右辺１〜４項が必要文書、不要文書の文書
数、５及び６項が不定文書の文書数に関わる項である。
関数ｆ（ｔj）に下記（９）式で与えれるｕi（ｔj）、
ｕinot(ｔj）、及び上記（６）、（７）式を代入するこ
とで、文書データベース全体を分割することなく、重要
度関数ｆ（ｔｊ）の評価が可能となる。なお、（８）式
において、右辺１〜４項が必要文書、不要文書の文書
数、５及び６項が不定文書の文書数に関わる項である。
【００３７】
【数４】
【００３８】
【数５】
【００３９】また、情報量Ｈ及び文書数ｓ0は、各集合
においてキーワードに関係なく一定の値であることか
ら、相互情報量Ｉ（ｔj)の大小比較は、重要度関数ｆ
（ｔj)の大小比較で代用できる。
においてキーワードに関係なく一定の値であることか
ら、相互情報量Ｉ（ｔj)の大小比較は、重要度関数ｆ
（ｔj)の大小比較で代用できる。
【００４０】＜第２の方法＞第１の方法では文書データ
ベース全体の文書におけるキーワード相互間の相対関係
に着目した方法であった。これに対し、必要文書、不要
文書については文書数が文書集合の分割時に判明すると
の前提にたち、不定文書のみにおけるキーワード相互間
の相対関係に着目して重要度関数を評価する。
ベース全体の文書におけるキーワード相互間の相対関係
に着目した方法であった。これに対し、必要文書、不要
文書については文書数が文書集合の分割時に判明すると
の前提にたち、不定文書のみにおけるキーワード相互間
の相対関係に着目して重要度関数を評価する。
【００４１】この場合では、第１の方法の場合と同様
に、文書データベース中の複数の不定文書中ではキーワ
ード相互間に相関関係がなく、いずれの不定文書の集合
でもキーワードが出現する文書数の比率が等しい、すな
わち任意の検索キーワードｔjにおいて、すべての分割
対象の文書集合で下記（１０）式が成り立つと仮定す
る。
に、文書データベース中の複数の不定文書中ではキーワ
ード相互間に相関関係がなく、いずれの不定文書の集合
でもキーワードが出現する文書数の比率が等しい、すな
わち任意の検索キーワードｔjにおいて、すべての分割
対象の文書集合で下記（１０）式が成り立つと仮定す
る。
【００４２】
【数６】
【００４３】この（１０）式より、文書集合Ｓｅｔikに
ついて下記（１１）、（１２）式が得られる。但し、キ
ーワードｔikの文書頻度ｄｆ′（ｔik)は、文書集合Ｓ
ｅｔikがキーワードｔik を含む場合はｕo（ｔik)／ｕo
であり、含まない場合は（ｕo−ｕo（ｔik)）／ｕoで
あるとする。これにより、下記（１３）〜（１５）式で
与えられるパラメータが得られる。
ついて下記（１１）、（１２）式が得られる。但し、キ
ーワードｔikの文書頻度ｄｆ′（ｔik)は、文書集合Ｓ
ｅｔikがキーワードｔik を含む場合はｕo（ｔik)／ｕo
であり、含まない場合は（ｕo−ｕo（ｔik)）／ｕoで
あるとする。これにより、下記（１３）〜（１５）式で
与えられるパラメータが得られる。
【００４４】
【数７】
【００４５】上記（８）式のｆ（ｔj)に下記（１６）式
及び上記（１４）、（１５）式を代入することで、重要
度関数ｆ（ｔj)の評価が可能となる。この方法は、第２
の方法よりも精度が高いことが本発明者らによって立証
されている。
及び上記（１４）、（１５）式を代入することで、重要
度関数ｆ（ｔj)の評価が可能となる。この方法は、第２
の方法よりも精度が高いことが本発明者らによって立証
されている。
【００４６】
【数８】
【００４７】この方法においても、総情報量Ｈ及び総文
書数ｓ0は、各文書集合においてキーワードに関係なく
一定の値であることから、相互情報量Ｉ（ｔj)の大小比
較は重要度関数ｆ（ｔj)の大小比較で代用できる。
書数ｓ0は、各文書集合においてキーワードに関係なく
一定の値であることから、相互情報量Ｉ（ｔj)の大小比
較は重要度関数ｆ（ｔj)の大小比較で代用できる。
【００４８】検索式作成部３３では、文書集合分割部１
１の結果である各検索キーワードを、論理演算子“ａｎ
ｄ”、及び“ｏｒ”により結合して検索式ｑｕｅｒｙを
作成する。符号３３Ａは、検索式作成部３３から出力さ
れる検索式を例示したものである。
１の結果である各検索キーワードを、論理演算子“ａｎ
ｄ”、及び“ｏｒ”により結合して検索式ｑｕｅｒｙを
作成する。符号３３Ａは、検索式作成部３３から出力さ
れる検索式を例示したものである。
【００４９】このように、本実施形態の検索式作成装置
１０によれば、決定木学習アルゴリズム「ＩＤ３」を用
いて文書集合を分割する際に検索キーワードの候補が複
数存在する場合、重要度関数ｆ（ｔj)がより大きいキー
ワードを優先して検索キーワードとして決定するように
したので、作成される検索式により重要なキーワードが
含まれるようになり、検索精度を従来よりも格段に高め
ることができるようになる。また、従来の分割基準であ
る相互情報量に代えて重要度関数ｆ（ｔj)の大小比較を
行うことによって検索キーワードを決定することができ
るので、文書データベース全体を分割する必要がなくな
り、検索式作成処理の迅速化が可能になる。
１０によれば、決定木学習アルゴリズム「ＩＤ３」を用
いて文書集合を分割する際に検索キーワードの候補が複
数存在する場合、重要度関数ｆ（ｔj)がより大きいキー
ワードを優先して検索キーワードとして決定するように
したので、作成される検索式により重要なキーワードが
含まれるようになり、検索精度を従来よりも格段に高め
ることができるようになる。また、従来の分割基準であ
る相互情報量に代えて重要度関数ｆ（ｔj)の大小比較を
行うことによって検索キーワードを決定することができ
るので、文書データベース全体を分割する必要がなくな
り、検索式作成処理の迅速化が可能になる。
【００５０】
【発明の効果】以上の説明から明らかなように、本発明
によれば、個々のキーワードの重要性が考慮された検索
式が作成される効果がある。また、これにより得られる
検索式を用いることにより、文書の検索精度を一定値以
上に維持することが可能となり、検索処理の効率が大幅
に向上するという効果もある。
によれば、個々のキーワードの重要性が考慮された検索
式が作成される効果がある。また、これにより得られる
検索式を用いることにより、文書の検索精度を一定値以
上に維持することが可能となり、検索処理の効率が大幅
に向上するという効果もある。
【図１】本発明の一実施形態に係る検索式作成装置の実
施形態を表す機能ブロック図。
施形態を表す機能ブロック図。
【図２】本実施形態による分割処理過程で得られる情報
の模式図。
の模式図。
【図３】従来の検索式作成装置の機能ブロック図。
【図４】従来の検索式作成装置における処理手順説明
図。
図。
【図５】従来の分割処理過程で得られる情報の模式図。
１０，３０ 検索式作成装置 ３１ キーワード抽出部 １１，３２ 文書集合分割部 １２ キーワード文書頻度辞書 ３３ 検索式作成部
Claims (7)
- 【請求項１】 文書データベースにおける指定文書から
複数のキーワードを抽出し、抽出した個々のキーワード
が出現する文書の総数、出現しない文書の総数、及び前
記文書データベースにおける指定文書と残部の非指定文
書との相対関係に基づくキーワードの重要度関数を計算
する過程、前記計算により得られた関数値が最大となる
単一のキーワードを検索キーワードとして決定する過
程、及び、決定した検索キーワードを論理式で結合して
文書検索に用いる検索式を作成する過程を含む、コンピ
ュータ装置を用いた検索式作成方法。 - 【請求項２】 前記重要度関数は、前記文書集合におい
て個々のキーワードを含む指定文書の数、当該キーワー
ドを含まない指定文書の数、当該キーワードを含む非指
定文書の数、当該キーワードを含まない非指定文書の
数、及びすべての文書数に対する当該文書数の比率をパ
ラメータとする関数であることを特徴とする請求項１記
載の検索式作成方法。 - 【請求項３】 文書データベースから特定の文書を索出
するための検索式を作成する装置であって、 前記文書データベースにおける指定文書群から形態素解
析によって複数のキーワードを抽出するとともに抽出し
た個々のキーワードが文書中に含まれるか否かを表す判
別情報、当該文書が必要文書か不要文書かを表す指定情
報または非指定文書であることを表す情報を各文書の識
別情報と共に集合させた文書集合を生成するキーワード
抽出部と、 抽出した個々のキーワードが出現する文書数、出現しな
い文書数、及び前記指定文書数と全文書数との相対関係
に基づくキーワードの重要度関数を設定し、当該関数値
に基づいて単一のキーワードを検索キーワードとして決
定するとともに、決定した検索キーワードを用いて一つ
の文書集合を複数の文書集合に分割する文書集合分割部
と、 前記文書集合の分割の際に用いた検索キーワードを論理
式で結合して前記検索式を作成する検索式作成部と、 を有することを特徴とする検索式作成装置。 - 【請求項４】 前記指定文書群は、それぞれ検索者にと
って関心のある必要文書と関心のない不要文書から成
り、それぞれ必要または不要の指定情報が付与されて前
記検索キーワードの決定の際の判定に用いられることを
特徴とする請求項３記載の検索式作成装置。 - 【請求項５】 前記重要度関数は、前記文書集合におい
て個々のキーワードを含む指定文書の数、当該キーワー
ドを含まない指定文書の数、当該キーワードを含む非指
定文書の数、当該キーワードを含まない非指定文書の
数、及びすべての文書数に対する当該文書数の比率をパ
ラメータとする関数であり、 前記文書集合分割部は、当該重要度関数が最大になる単
一のキーワードを前記検索キーワードとして決定するこ
とを特徴とする請求項３記載の検索式作成装置。 - 【請求項６】 前記文書集合分割部は、前記決定した検
索キーワードを用いて指定文書群についての文書集合の
みを複数の文書集合に分割することを特徴とする請求項
４記載の検索式作成装置。 - 【請求項７】 文書データベースにおける指定文書から
複数のキーワードを抽出し、抽出した個々のキーワード
が出現する文書の総数、出現しない文書の総数、及び前
記文書データベースにおける指定文書と残部の非指定文
書との相対関係に基づくキーワードの重要度関数を計算
する処理、 前記計算により得られた関数値が最大となる単一のキー
ワードを検索キーワードとして決定する処理、及び、 決定した検索キーワードを論理式で結合して文書検索に
用いる検索式を作成する処理をコンピュータ装置に実行
させるためのプログラムを当該コンピュータ装置が読み
取り可能な形態で記録して成る記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9124561A JPH10320402A (ja) | 1997-05-14 | 1997-05-14 | 検索式作成方法、検索式作成装置、及び記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9124561A JPH10320402A (ja) | 1997-05-14 | 1997-05-14 | 検索式作成方法、検索式作成装置、及び記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10320402A true JPH10320402A (ja) | 1998-12-04 |
Family
ID=14888534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9124561A Pending JPH10320402A (ja) | 1997-05-14 | 1997-05-14 | 検索式作成方法、検索式作成装置、及び記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10320402A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7634140B2 (en) | 2002-02-27 | 2009-12-15 | Nec Corporation | Pattern feature selection method, classification method, judgment method, program, and device |
| JP2019003524A (ja) * | 2017-06-19 | 2019-01-10 | 富士通株式会社 | 抽出プログラム、抽出方法および抽出装置 |
| JP2019185478A (ja) * | 2018-04-12 | 2019-10-24 | 富士通株式会社 | 分類プログラム、分類方法、および情報処理装置 |
-
1997
- 1997-05-14 JP JP9124561A patent/JPH10320402A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7634140B2 (en) | 2002-02-27 | 2009-12-15 | Nec Corporation | Pattern feature selection method, classification method, judgment method, program, and device |
| JP2019003524A (ja) * | 2017-06-19 | 2019-01-10 | 富士通株式会社 | 抽出プログラム、抽出方法および抽出装置 |
| JP2019185478A (ja) * | 2018-04-12 | 2019-10-24 | 富士通株式会社 | 分類プログラム、分類方法、および情報処理装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1585073B1 (en) | Method for duplicate detection and suppression | |
| CN109947904B (zh) | 一种基于Spark环境的偏好空间Skyline查询处理方法 | |
| US6389412B1 (en) | Method and system for constructing integrated metadata | |
| US6826576B2 (en) | Very-large-scale automatic categorizer for web content | |
| US6665661B1 (en) | System and method for use in text analysis of documents and records | |
| JP3577972B2 (ja) | 類似度判定方法及び文書検索装置及び文書分類装置及び文書検索プログラムを格納した記憶媒体及び文書分類プログラムを格納した記憶媒体 | |
| JPH09134363A (ja) | データベース検索方法及び装置 | |
| MX2012011923A (es) | Asignacion de atributis aplicables para datos que describen la identidad personal. | |
| CN119577124B (zh) | 一种基于大数据软件系统的信息检索及引导的方法和装置 | |
| JP4017354B2 (ja) | 情報分類装置および情報分類プログラム | |
| JP5780036B2 (ja) | 抽出プログラム、抽出方法及び抽出装置 | |
| US20030126138A1 (en) | Computer-implemented column mapping system and method | |
| JP4426041B2 (ja) | カテゴリ因子による情報検索方法 | |
| CN118467669B (zh) | 索引构建方法、字段搜索方法、装置、设备及介质 | |
| JPH10320402A (ja) | 検索式作成方法、検索式作成装置、及び記録媒体 | |
| JP4125951B2 (ja) | テキスト自動分類方法及び装置並びにプログラム及び記録媒体 | |
| CN118349621A (zh) | 一种索引建立方法、检索方法和电子设备 | |
| JPH10320403A (ja) | 検索式作成方法、検索式作成装置、及び記録媒体 | |
| JP2001155020A (ja) | 類似文書検索装置、類似文書検索方法及び記録媒体 | |
| JPH07104869B2 (ja) | データ検索加工システム | |
| CN109977269B (zh) | 一种针对xml文件的数据自适应融合方法 | |
| CN115934556A (zh) | 基于脑图结构的数值计算系统 | |
| WO2024180608A1 (ja) | データ抽出装置、データ抽出方法及びプログラム | |
| JPH11203309A (ja) | 検索式作成方法及び装置 | |
| JPH11203310A (ja) | 検索式作成方法及び装置 |