JP4972271B2 - 検索結果提示装置 - Google Patents

Description

本発明は、大量の電子化文書の中からユーザーが目的とする文書を検索する文書検索において、検索結果を効率よく参照するための検索結果提示方法およびその装置並びに検索結果提示プログラムを格納した記録媒体に関する。

近年、パーソナルコンピュータやインターネットの普及に伴い、電子化文書が大量に存在するようになった。その大量の電子化文書の中からユーザーが目的とする文書（以下、目的文書と呼ぶ）を効率よく検索する文書検索技術が盛んに開発されており、中でも検索条件として入力された文章（以下、種文章と呼ぶ）と類似した文書を検索する類似文書検索が注目されている。

類似文書検索方法の１つとして、「特開２００２−７３６８１号公報」で開示されている技術（以下、従来技術１と呼ぶ）がある。従来技術１では、検索条件として指定された種文章から複数の特徴的な語（以下、特徴語と呼ぶ）を抽出し、その特徴語を用いて種文章に類似した文書を検索する。

特開２００２−７３６８１号公報

一般的に文章中には複数のサブトピックが含まれる場合が多い。サブトピックとは、文章の概念に含まれる部分的な概念又は内容のことを示す。例えば、文章が「Ｈ社の地上デジタル放送対応プラズマテレビ」の場合、文章中のサブトピックについては、（１）「テレビ」、（２）「プラズマテレビ」、（３）「Ｈ社」および（４）「地上デジタル放送対応」等が含まれる。しかし、検索条件として種文章を用いる類似文書検索では、種文章に複数のサブトピックが含まれる場合、検索によって得られる文書（以下、適合文書と呼ぶ）の集合にはそれぞれのサブトピックに関する文書が混在する。例えば、検索者が（２）「プラズマテレビ」および（４）「地上デジタル放送対応」に関する情報が知りたいときに、種文章として「Ｈ社の地上デジタル放送対応プラズマテレビ」が選択されたとする。この場合、適合文書の集合には、前述４つのサブトピックを単体あるいは複数含む文書が混在する。この結果、従来技術１を用いて得られた検索結果を上位から順に参照した場合、検索者にとって必要のない（２）および（４）以外のサブトピックに関する適合文書についても１件ずつ目的文書であるかどうかを判断していかなくてはならない。すなわち、目的文書にたどり着くまでに非常に多くの時間を要してしまう。

本発明は、上記の課題を解決すべく、同じサブトピックで適合した適合文書をグルーピングして提示することで、素早く目的文書を探し出すことができる検索結果提示方法を提供することを目的とする。

上記目的を達成するために、本発明は、指定された検索条件に対する検索結果として得られた検索結果文書集合を分類して表示する検索結果提示装置において、前記指定された検索条件から特徴語を抽出する特徴語抽出手段と、前記特徴語抽出手段で抽出された特徴語間の関連性を判定し、関連する特徴語間をまとめた関連単語リストを生成する関連単語リスト生成手段と、前記関連単語リスト生成手段で生成された各関連単語リストに対する適合文書の関連単語リスト適合度を算出する関連単語リスト適合度算出手段と、前記関連単語リスト適合度算出手段で算出された関連単語リスト適合度から、該適合文書の該関連単語リストに対する適合性を判定し、該適合性が高いと判定された場合には該適合文書を該関連単語リストに関連付けて保持する分類判定手段と、前記分類判定手段で各関連単語リストに関連付けられた適合文書集合に対して、分類の識別情報を付与する分類識別情報付与手段と、前記分類識別情報付与手段で生成された識別情報を各分類に付与して、検索結果集合文書を表示する検索結果表示手段とを有することを特徴とする。

本発明によれば、適合文書集合に検索条件に含まれる複数のサブトピックが混在している場合でも、サブトピック別に適合文書が表示されているため、目的文書を効率よく探し出すことができる。

本発明に係る検索結果提示方法及びその装置並びに検索結果提示プログラムを格納した記録媒体の実施の形態について図面を用いて説明する。

［第１の実施の形態］
本発明に係る第１の実施の形態について図１乃至図９を用いて説明する。

図１Ａは、本発明に係る第１の実施の形態における文書検索システムの全体構成をプログラムを主体に示す図であり、図１Ｂは、本発明に係る第１の実施の形態における文書検索システムの全体構成を機能的に示す図である。本発明における第１の実施の形態は、ディスプレイ１００、キーボード１０１、中央演算処理装置（ＣＰＵ）１０２、磁気ディスク装置１０３、フレキシブルディスクドライブ（ＦＤＤ）１０４、主メモリ１０５、これらを結ぶバス１０６および他の機器と本システムを接続するネットワーク１０７から構成される。

磁気ディスク装置１０３は二次記憶装置の一つであり、テキスト１８０が格納される。FＦＤＤ１０４を介してフレキシブルディスク１０８に格納されている情報が、主メモリ１０５あるいは磁気ディスク装置１０３へ読み込まれる。

主メモリ１０５には、システム制御プログラム１１０、登録制御プログラム１２０、検索制御プログラム１３０、検索結果分類制御プログラム１４０、サブトピックラベル生成制御プログラム１５０、文書ファイル取得プログラム１２１、テキスト登録プログラム１２２、検索条件取得プログラム１３１、特徴語抽出プログラム１３２、テキスト読込プログラム１３３、検索結果出力プログラム１３４、サブトピック抽出プログラム１４１、分類判定プログラム１４２、ラベル用特徴語抽出プログラム１５１、共有ライブラリ１６０およびワークエリア１７０が確保される。

共有ライブラリ１６０は、適合度算出プログラム１６１で構成される。
システム制御プログラム１１０は、登録制御プログラム１２０および検索制御プログラム１３０で構成される。
登録制御プログラム１２０は、文書ファイル取得プログラム１２１およびテキスト登録プログラム１２２で構成される。

検索制御プログラム１３０は、検索条件取得プログラム１３１、特徴語抽出プログラム１３２、テキスト読込プログラム１３３、検索結果出力プログラム１３４、検索結果分類制御プログラム１４０、サブトピック生成制御プログラム１５０で構成されるとともに、適合度算出プログラム１６１を呼び出す構成をとる。

検索結果分類制御プログラム１４０は、サブトピック抽出プログラム１４１および分類判定プログラム１４２で構成されるとともに、適合度算出プログラム１６１を呼び出す構成をとる。
サブトピック生成制御プログラム１５０は、ラベル用特徴語抽出プログラム１５１で構成される。

登録制御プログラム１２０および検索制御プログラム１３０は、ユーザーによるキーボード１０１からの入力に応じてシステム制御プログラム１１０によって起動され、それぞれ文書ファイル取得プログラム１２１、テキスト登録プログラム１２２の制御と、検索条件取得プログラム１３１、特徴語抽出プログラム１３２、テキスト読込プログラム１３３、検索結果出力プログラム１３４、検索結果分類制御プログラム１４０、サブトピックラベル生成制御プログラム１５０および適合度算出プログラム１６１の制御を行なう。

本実施の形態では、キーボード１０１から入力されたコマンドにより登録制御プログラム１２０および検索制御プログラム１３０が起動されるものとしたが、他の入力装置を介して入力されたコマンドあるいはイベントにより起動されるものであってもかまわない。

また、これらのプログラムを磁気ディスク１０３、フレキシブルディスク１０８、ＭＯ、ＣＤ−ＲＯＭ、ＤＶＤ等の記憶媒体（図１Ａ及び図１Ｂには示していない）に格納し、駆動装置を介して主メモリ１０５に読み込み、ＣＰＵ１０２によって実行することが可能である。また、これらのプログラムをネットワーク１０７を介して主メモリ１０５に読みこみ、ＣＰＵ１０２によって実行することも可能である。この場合、ＣＰＵ１０２内には，各プログラム１１０、１２０（１２１〜１２２）、１３０（１３１〜１３４、１４０（１４１〜１４２）、１５０（１５１））、１６１によって実行される機能的な部分を有することになる。１０２−１１０はシステム制御部である。１０２−１２０は登録制御部、１０２−１３０は検索制御部、１０２−１４０は検索結果分類制御部、１０２−１５０はサブトピックラベル生成制御部である。さらに、１０２−１６１は適合度算出部である。

また、本実施の形態ではテキスト１８０は磁気ディスク装置１０３に格納されるものとしたが、フレキシブルディスク１０８、ＭＯ、ＣＤ−ＲＯＭ、ＤＶＤ等の記憶媒体（図１Ａ及び図１Ｂには示していない）に格納し、駆動装置を介して主メモリ１０５に読み込み利用することも可能であるし、あるいはネットワーク１０７を介して、他のシステムに接続された記憶媒体（図１Ａ及び図１Ｂには示していない）に格納されるものとしてもよい。
また、さらにはネットワーク１０７に直接接続された記憶媒体に格納されるものとしても構わない。
以上が、本第１の実施の形態における文書検索システムの構成の説明である。

次に、本第１の実施の形態における文書検索システムの処理手順について説明する。

まず、システム制御部１０２−１１０における、システム制御プログラム１１０に基づく処理手順について説明する。
システム制御部１０２−１１０は、システム制御プログラム１１０に基づいて、まずキーボード１０１から入力されたコマンドを解析する。この結果が登録実行のコマンドであると解析された場合には、システム制御部１０２−１１０は、登録制御プログラム１２０を起動して、文書の登録を行なう。

また、検索実行のコマンドであると解析された場合には、システム制御部１０２−１１０は、検索制御プログラム１３０を起動して、検索条件として入力されたキーワードを用いた論理演算式や複数の単語や文、文章あるいは文書（以下、まとめて種文章と呼ぶ）に関連した文書の検索を行なう。
以上が、システム制御プログラム１１０に基づく処理手順である。

次に、登録制御部１０２−１２０における、システム制御プログラム１１０により起動される登録制御プログラム１２０に基づく処理手順について説明する。

登録制御部１０２−１２０は、登録制御プログラム１２０に基づいて、まず文書ファイル取得プログラム１２１を起動し、ＦＤＤ１０４を介してフレキシブルディスク１０８に格納されている文書ファイルを読み込む。

次に、登録制御部１０２−１２０は、テキスト登録プログラム１２２を起動して、前記文書ファイル取得プログラム１２１で読み込まれた文書ファイルからテキストを抽出し、テキスト１８０として磁気ディスク装置１０３に格納する。
以上が、登録制御プログラム１２０に基づく処理手順である。

なお、文書ファイルはフレキシブルディスク１０８に格納されているものとしたが、ＭＯ、ＣＤ−ＲＯＭ、ＤＶＤ等の記憶媒体（図１Ａ、図１Ｂには示していない）に格納されるものとしてもよいし、ネットワーク１０７を介して、他のシステムに接続された記憶媒体（図１Ａ、図１Ｂには示していない）に格納されるものとしてもよい。

また、文書ファイル取得プログラム１２１で読み込まれた文書ファイルはテキストが抽出できるものならばよく、テキストファイルとして保存されているものであってもよいし、アプリケーションソフトの保存形式であってもよい。

次に、検索制御部１０２−１３０における、システム制御プログラム１１０により起動される検索制御プログラム１３０に基づく処理手順について図２に示すＰＡＤ図を用いて説明する。

検索制御部１０２−１３０は、検索制御プログラム１３０に基づいて、まず検索条件取得プログラム１３１を起動し、検索条件を読み込み、ワークエリア１７０に格納する（ステップ２００）。

次に、検索制御部１０２−１３０は、特徴語抽出プログラム１３２を起動し、前記検索条件取得プログラム１３１により取得された検索条件から検索条件の特徴を表す文字列（以下、特徴語５００と呼ぶ）を抽出し、ワークエリア１７０に格納する（ステップ２１０）。

次に、検索制御部１０２−１３０は、テキスト１８０に含まれるすべてのテキストに対して、ステップ２２１〜ステップ２２２を繰り返し実行する（ステップ２２０）。まず、検索制御部１０２−１３０は、テキスト読込プログラム１３３を起動し、磁気ディスク装置１０３に格納されているテキスト１８０からテキストを１つ読み込み、ワークエリア１７０に格納する（ステップ２２１）。次に、検索制御部１０２−１３０は、適合度算出プログラム１６１を起動し、前記テキスト読込プログラム１３３により読み込まれたテキストに対し、例えば、従来技術１に記載されたように、検索条件に対するテキストの適合度を算出し、その算出結果５０１をワークエリア１７０に格納する（ステップ２２２）。

次に、検索制御部１０２−１３０は、検索結果分類制御部１０２−１４０に対して、検索結果分類制御プログラム１４０を起動し、前記特徴語抽出プログラム１３２により抽出された特徴語５００から検索条件に関するサブトピックの抽出およびサブトピックプロファイルの生成を行なう。このサブトピックプロファイル５０２を用いて、適合度算出部１０２−１６１における前記適合度算出プログラム１６１によって算出された適合度が予め設定された適合性判定閾値以上のテキスト（以下、適合テキストと呼ぶ）が、検索条件に含まれるサブトピックに関してそれぞれどこの分類に属するかを判定し、その分類判定結果５０６をワークエリア１７０に格納する（ステップ２３０）。

次に、検索制御部１０２−１３０は、サブトピックラベル生成制御部１０２−１５０に対して、検索結果分類制御プログラム１４０により抽出されたすべてのサブトピックに対して、ステップ２４１を繰り返し実行する（ステップ２４０）。

検索制御部１０２−１３０は、サブトピックラベル生成制御部１０２−１５０に対して、サブトピックラベル生成制御プログラム１５０を起動し、前記検索結果分類制御プログラム１４０により生成されたサブトピックプロファイル５０２から重要な特徴語を抽出し、抽出された特徴語をサブトピックのラベル（以下、サブトピックラベルと呼ぶ）５０３としてワークエリア１７０に格納する（ステップ２４１）。

そして、検索制御部１０２−１３０は、検索結果出力プログラム１３４を起動し、各適合テキストの前記検索結果分類制御プログラム１４０（１４２）の分類判定結果５０６に基づいて、サブトピック別に適合テキスト５０４およびサブトピックラベル５０３を表示する（ステップ２５０）。

以上が、検索制御プログラム１３０に基づく処理手順である。

なお、適合度算出部１０２−１６１で実行する適合度算出プログラム１６１は、例えば、従来技術１を用いるものとしたが、ベクトル空間法における余弦尺度を用いた適合度算出方法など他の適合度算出方法を適用してもよい。また、検索条件がキーワードを用いた論理演算式の場合には、特徴語抽出プログラム１３２に関する処理を行なわず、特開平１１−１５４１６４号公報や特開２００１−８４２５５号公報で開示されている方法を用いて検索条件に対する適合度算出方法を適用してもよい。

また、上記ステップ２２０ではテキスト１８０に含まれるすべてのテキストに対して、ステップ２２１〜ステップ２２２を繰り返すものとしたが、予め付与された日付などの属性情報を条件にテキスト１８０に含まれる一部のテキストに対して繰り返されるものであってもよい。これにより、検索処理時間の高速化が図れる。

また、特徴語抽出プログラム１３２により抽出される特徴語５００は、検索条件が種文章である場合、漢字やカタカナといった文字種の境界で分割された文字列であってもよいし、文章中に存在するスペースなどの区切り文字により分割された文字列であってもよいし、形態素解析により抽出される単語やn-gramとして抽出される文字列であってもよいし、その他の方法により抽出された文字列であってもかまわない。一方、検索条件がキーワードを用いた論理演算式の場合は、用いられたキーワードを特徴語としてもよい。

また、本実施の形態ではテキスト読込プログラム１３３によって読み込まれたテキスト全体を対象に適合度を算出するものとしたが、テキスト全体でなくてもよい。例えばＳＧＭＬ（Standard Generalized Markup Language）やＸＭＬ（extensible markup language）などの構造化テキストについてはテキストの一部の構造を対象としてもよい。これにより、該テキストに対する適合度算出処理の負荷が軽減し、検索処理時間の高速化が図れる。

次に、検索結果分類制御部１０２−１４０における、図２のステップ２３０で検索制御プログラム１３０により起動される検索結果分類制御プログラム１４０に基づく処理手順について、図３に示すＰＡＤ図を用いて説明する。

まず、検索結果分類制御部１０２−１４０は、サブトピック抽出プログラム１４１を起動し、前記特徴語抽出プログラム１３２により検索条件から抽出された特徴語から各特徴語間の関連性を考慮してサブトピックおよびサブトピック別の特徴語を抽出し、これらをサブトピックプロファイル５０２としてワークエリア１７０に格納する（ステップ３００）。

次に、検索結果分類制御部１０２−１４０は、すべての適合テキストに対して、ステップ３２０を繰り返し実行する（ステップ３１０）。
次に、検索結果分類制御部１０２−１４０は、サブトピック抽出プログラム１４１により抽出されたすべてのサブトピックに対して、ステップ３２１〜ステップ３２２を繰り返し実行する（ステップ３２０）。

まず、検索結果分類制御部１０２−１４０は、適合度算出部１０２−１６１での適合度算出プログラム１６１を起動し、サブトピックに関するサブトピックプロファイルの特徴語の総数、および適合テキストに含まれるサブトピックプロファイルの特徴語の数を用いて、次に示す（１）式によりサブトピックに対する適合テキストの適合度（以下、サブトピック別適合度と呼ぶ）５０４を算出し、その算出結果をワークエリア１７０に格納する（ステップ３２１）。

サブトピックに対する適合テキストの適合度＝（対象テキストに含まれる特徴語の数）／（特徴語の総数） （１）
次に、分類判定プログラム１４２を起動し、前記適合度算出プログラム１６１によって算出されたサブトピック別適合度５０４を、該サブトピックに対する適合性を判定する際の適合性判定基準値（以下、サブトピック適合性判定閾値と呼ぶ）５０５と比較する。この結果、サブトピック適合性判定閾値以上であった場合は、該適合テキストを該サブトピックの分類に属するものと判定し、その分類判定結果５０６をワークエリア１７０に格納する（ステップ３２２）。

以上が、検索結果分類制御プログラム１４０に基づく処理手順である。

なお、上記ステップ３２１におけるサブトピック別適合度の算出には上記（１）式を適用したが、ベクトル空間法における余弦尺度など他の適合度算出式を適用してもよい。

また、上記ステップ３２２では、サブトピック適合性判定閾値を用いて適合テキストがどのサブトピックの分類に属するかを判定するものとしたが、該サブトピックに関するサブトピック別適合度の降順に、所定の件数の適合テキストを該サブトピックの分類に属するものとして判定してもよい。

次に、検索結果分類制御部１０２−１４０における、検索結果分類制御プログラム１４０により起動されるサブトピック抽出プログラム１４１に基づく処理手順について、図４に示すＰＡＤ図を用いて説明する。

まず、検索結果分類制御部１０２−１４０は、前記特徴語抽出プログラム１３２で抽出されたすべての特徴語５００に対して、ステップ４０１を繰り返し実行する（ステップ４００）。
そして、図６に示す出現パターン生成処理６００により、すべての適合テキスト（文書１、文書２、…）５０１における特徴語（H-company, satellite, digital, plasma, television, broadcast, …）５００の出現の有無を“１”or“０”で表した出現パターン６１０を生成し、ワークエリア１７０に格納する（ステップ４０１）。

次に、検索結果分類制御部１０２−１４０は、すべての特徴語の中から２つの特徴語の組み合わせを重複なく生成し、各組み合わせについてステップ４１１〜ステップ４１４を繰り返し実行する（ステップ４１０）。ここで、各組み合わせに含まれる特徴語を、それぞれ特徴語Ａと特徴語Ｂとして、以下説明する。

まず、検索結果分類制御部１０２−１４０は、図６に示す単語間関連度算出処理６０１により、２つの特徴語Ａと特徴語Ｂの出現パターン６１０を用いて、後述する（４）式に基づく余弦尺度により特徴語Ａと特徴語Ｂ間の関連度（以下、単語間関連度と呼ぶ）を算出し、ワークエリア１７０に格納する（ステップ４１１）。

次に、図６に示すように、特徴語Ａと特徴語Ｂ間の単語間関連度が、予め設定された関連性判定閾値以上であった場合、ステップ４１３〜ステップ４１４を実行してグルーピング処理６０２を行って関連単語リスト６１２を作成する（ステップ４１２）。
まず、特徴語Ｂを特徴語Ａに関する単語リスト（以下、関連単語リストと呼ぶ）に入れ、ワークエリア１７０に格納する（ステップ４１３）。
次に、特徴語Ａを特徴語Ｂに関する関連単語リストに入れ、ワークエリア１７０に格納する（ステップ４１４）。

次に、図６に示すように、各特徴語に関する関連単語リスト間でリストに含まれる特徴語を比較する。この結果、含まれる特徴語が同じである関連単語リスト間については重複排除処理６０３をして１つの関連単語リストにまとめる。この結果、最終的に得られた関連単語リストをサブトピックプロファイル６１３とし、ワークエリア１７０に格納する（ステップ４２０）。

以上が、サブトピック抽出プログラム１４１での処理手順である。

なお、上記ステップ４１１における単語間関連度の算出方法については余弦尺度を用いたが、他の単語間関連度の算出方法を適用してもよい。
また、サブトピック抽出プログラム１４１では特徴語間のグルーピングを行なうために、適合テキストにおける特徴語の出現パターンから特徴語間の単語間関連度を算出したが、検索条件がキーワードを用いた論理演算式の場合は、論理演算式からand関係やor関係などの特徴語間の論理関係を解析することで、特徴語間の単語間関連度算出およびグルーピングを行なってもよい。また、検索条件が種文章の場合は、特徴語間の出現位置や修飾関係を解析することで、特徴語間の単語間関連度算出およびグルーピングを行なってもよい。また、検索条件や適合テキストだけでなく、関連語辞書を用いて特徴語間の単語関連度算出およびグルーピングを行なってもよい。

また、特徴語間のグルーピングには、各特徴語に関する関連単語リストを生成する方法で行なうものとしたが、予め設定されたグループ数に基づいて、一般的なクラスタリング手法である最小距離法、最大距離法、群平均法およびK-Means法を用いて特徴語間をグルーピングしてもよいし、その他のグルーピング手法を用いてもよい。

以下、本実施の形態における文書検索システムにおいて、検索結果分類制御プログラム１４０およびサブトピックラベル生成制御プログラム１５０に基づく具体的な処理の流れを図５を用いて説明する。

図５に示した実施例は、文書１「In recent years the pace of development toward digital video and satellite digital broadcasting has been rapid. This is producing a global expansion of the market for large-display home theater systems used with AV sources such as DVD that deliver high-quality, digital sound and vision. The 52-inch display of the AAA provides easy viewing pleasure in a living-room for the whole family. There are two sets of component inputs for interfacing with future digital broadcast devices and digital video equipment.」（タイトル：The 52-inch display of the AAA）、文書２「The ultimate in plasma television technology. This flagship of the plasma line is a blend of performance, style and usability, featuring a Learning AV NET that puts complete control of an entire home theater system in the palm of your hand. The ultra-thin, sculpted lines and high-gloss titanium finish of this "best-in-class" series is perfect for the widescreen enthusiast who demands unparalleled performance in a sleek elegant design. The H-company BBB's Series with technology is truly the ultimate in plasma television.」（タイトル：H-company plasma television technology）および文書３が磁気ディスク装置１０３に格納された文書検索システムにおいて、検索者が「H社のプラズマテレビ」に関する情報を知るために種文章５１０「H-company has become the first manufacturer in the world to perfect broadcast satellite digital high-definition plasma television in 37V. The television's high-definition plasma display panel (PDP) uses the alternate lighting of surfaces (ALIS) format and is the first to enable such high-resolution definition in the 37V, which has until now been difficult with this size. It is configured in the consumer industry's smallest pixel pitch of 0.81mm 5 0.45mm and delivers the high resolution of 1,024 pixels horizontally and 1,024 pixels vertically, thereby allowing the maximum enjoyment of the superior picture quality of digital high-definition television viewing.」が選択された結果、特徴語抽出プログラム１３２（例えば従来技術１に記載された方法）により種文章５１０のプロファイルとして特徴語５００、適合度算出プログラム１６１により検索結果として文書１および文書２の適合テキスト５０１が得られた状態である。

まず、検索結果分類制御部１０２−１４０において、サブトピック抽出プログラム１４１が実行され、適合テキスト５０１における特徴語５００の出現パターン６１０から、単語間関連度算出処理６０１により、各特徴語間の単語間関連度を算出する。そこで、算出された各特徴語間の単語間関連度から特徴語５００に含まれる特徴語間を、グルーピング処理６０２によりグルーピングし、種文章に関するサブトピックプロファイル５０２を生成する。本図に示した実施例では、特徴語５００から３つのサブトピックが抽出されており、それぞれ「H-company」「plasma」「television 」を要素とするサブトピックプロファイル１、「satellite」「digital」「broadcast 」を要素とするサブトピックプロファイル２、「plasma」「display」「panel」を要素とするサブトピックプロファイル３、…が生成されている。

次に、サブトピックラベル生成制御部１０２−１５０において、すべてのサブトピック（Ｓ１、Ｓ２、Ｓ３、…）に対して、サブトピックラベル生成制御プログラム１５０が実行され、各サブトピックプロファイル５０２から重要な特徴語を抽出して、サブトピックの内容を示すサブトピックラベル５０３を生成する。本図に示した実施例では、サブトピック１（Ｓ１）については「H-company」「plasma」「television」、サブトピック２（Ｓ２）については「satellite」「digital」「broadcast」、サブトピック３（Ｓ３）については「plasma」「display」「panel」が、それぞれ抽出され、サブトピックラベル５０３として生成されている。

次に、適合テキスト５０１に対して適合度算出プログラム１６１が実行され、上記（１）式によりサブトピック別適合度５０４を算出する。本図に示した実施例では、文書１については、サブトピック１〜サブトピック３(本図中ではＳ１〜Ｓ３と表示)に対するサブトピック別適合度がそれぞれ、“0.0”、“1.0”、“0.3”と算出されている。また、文書２については、サブトピック１〜サブトピック３(本図中ではＳ１〜Ｓ３と表示)に対するサブトピック別適合度がそれぞれ、“1.0”、“0.0”、“0.3”と算出されている。

次に、分類判定プログラム１４２が実行され、適合テキスト５０１に対してサブトピック別適合度５０４およびサブトピック適合性判定閾値５０５から、該適合テキストがどこのサブトピックの分類に属するかを判定する。本図の実施例では、各サブトピックのサブトピック適合性判定閾値を“0.5”としているため、文書１はサブトピック２、文書２はサブトピック１の分類に属するものと判定される。以上が、検索結果分類制御プログラム１４０およびサブトピックラベル生成制御プログラム１５０の具体的な処理の流れである。

以下、図５に示したサブトピック抽出プログラム１４１の具体的な処理の流れについて図６を用いて説明する。
まず、出現パターン生成処理６００により、適合テキスト５０１における特徴語５００の出現パターン６１０を生成する。例えば文書１〜文書６に対して、特徴語「plasma」は文書１、文書３および文書６に出現している場合、出現パターンとして次に示す（２）式を生成する。また、特徴語「television」は文書１、文書３、文書４、文書５および文書６に出現している場合、出現パターンとして次に示す（３）式を生成する。

「plasma」の出現パターン＝（１，０，１，０，０，１） （２）
「television」の出現パターン＝（１，０，１，１，１，１） （３）
次に、単語間関連度算出処理６０１により、出現パターン６１０から各特徴語間の関連度６１１を算出する。特徴語間の関連度算出方法は、各特徴語の出現パターンを特徴ベクトルと考えて、余弦尺度より算出する。例えば、特徴語「plasma」と特徴語「television」の出現パターンがそれぞれ（２）式、（３）式であった場合、特徴語「plasma」と特徴語「television」間の単語間関連度は次の（４）式より“0.77”となる。

次に、グルーピング処理６０２より、特徴語間の関連度６１１を用いて特徴語５００に含まれる各特徴語別に関連単語リストを生成する。この結果、各特徴語に関する関連単語リスト６１２が得られる。本図の実施例では、関連単語リストに含まれる単語間関連度の閾値を“0.5”として、「H-company 」に関する関連単語リストは「H-company」「plasma」「television」、「satellite 」に関する関連単語リストは「satellite」「digital」「broadcast」、「broadcast」に関する関連単語リスト「satellite」「digital」「broadcast」が生成されている。

次に、重複排除処理６０３により、関連単語リスト６１２から関連単語リスト間を比較することで、含まれる特徴語の構成が同じである関連単語リスト間を１つにまとめる。この結果、最終的に得られる関連単語リストをサブトピックプロファイルとして、サブトピックプロファイル６１３が得られる。本図の実施例では、「satellite」と「broadcast」に関する関連単語リストについて特徴語の構成が同じであるため、それらの単語関連リストを１つにまとめる。この結果、関連単語リスト「H-company」「plasma」「television」と「satellite」「digital」「broadcast」がそれぞれサブトピックプロファイル１、サブトピックプロファイル２として生成されている。

以上が、サブトピック抽出プログラム１４１の具体的な処理の流れである。
なお、検索条件がキーワードを用いた論理演算式の場合は、and関係又はor関係のキーワードをまとめて、単語関連リストを生成してもよい。（５）式の例では、and関係のキーワードをまとめて、それぞれ「H-company」「plasma」「television」、「satellite」「digital」「broadcast」および「plasma」「display」「panel」の３つの関連単語リストが生成される。
(“H-company” and “plasma” and “television”) or (“plasma” and “display” and “panel”) or (“satellite” and “digital” and “broadcast”) （５）
以下、本実施の形態における文書検索システムにおいて、検索結果出力プログラム１３４によって提示される検索結果の具体的な提示例を図７〜図９を用いて説明する。

図７に示した検索結果一覧表示の実施例では、図５に示した適合テキスト５０１をサブトピック別に種文章に対する適合度の降順で出力されている（７００）。また、各サブトピックにはサブトピックラベルが出力されている。この結果、文書１についてはサブトピック２「satellite、digital、broadcast」の３番目、文書２についてはサブトピック１「H-company、plasma、television」の１番目に出力されており、それぞれ種文章に対する適合度、サブトピック別適合度およびタイトルが出力されている。

ここで、検索者が「H社のプラズマテレビ」に関する情報を知るために図５で示した種文章が選択されたとした場合、図７に示されている各サブトピックラベルより検索者は目的文書がサブトピック１「H-company、plasma、television 」の分類に属する適合文書の中に存在すると判断できる。この結果、検索者は適合文書集合の中からサブトピック１「H-company、plasma、television 」の分類に属する適合文書のみを参照すればよいため、目的文書を素早く探し出すことができる。

なお、図７に示した実施例では、各適合テキストに対して、種文章に対する適合度、サブトピック別適合度およびタイトルを出力するものとしたが、登録処理時に日付など各文書の属性情報も登録しておき、それらの情報を出力してもよい。
また、図７に示した実施例では、各適合テキストの出力順を種文章に対する適合度の降順で出力するものとしたが、サブトピック別適合度の降順で出力するものとしてもよいし、これらを図８に示すように表示オプションで選択できるようにしておいてもよい（８００）。

図８に示した実施例では、表示オプションとして種文章に対する適合度の降順で出力するかあるいはサブトピック別適合度の降順で出力するかを選択可能としたインターフェースを備えており、図８ではサブトピック別適合度順が選択されていることにより、サブトピック別適合度の降順で適合テキストが出力されている。この結果、文書１についてはサブトピック２「satellite、digital、broadcast」の１番目、文書２についてはサブトピック１「H-company、plasma、television」の１番目に出力されている。これにより、各サブトピックの情報に特化した文書を素早く探し出すことができる。

以上説明したように、図７または図８に示すように、検索結果の表示時に適合文書を、適合度算出プログラム１６１による検索条件適合度算出ステップで算出された検索条件適合度または適合度算出プログラム１６１による関連単語リスト適合度算出ステップで算出された関連単語リスト適合度のいずれかを降順で表示することを特徴とする。

また、図７および図８に示した実施例では、サブトピック別に適合テキストの一覧表示として出力しているが、図９に示すように、各サブトピックに関してそれぞれ何件の適合テキストが存在するかを示し（９００）、知りたい情報に関するサブトピックを検索者に選択させた上で、そのサブトピックの分類に属する適合テキストのみを出力（９０１）してもよい。本図の実施例では、１番目のサブトピック「H-company、plasma、television」に１０３件、２番目のサブトピック「satellite、digital、broadcast」に４５件、３番目のサブトピック「plasma、display、panel」に６７件の適合文書が適合しており、各サブトピックの分類に属する適合文書数がそれぞれ示されている。即ち、図９に示すように、分類判定プログラム１４２により判定された結果に基づいて、関連単語リスト生成処理６００〜６０２で生成された関連単語リスト別（１番目のサブトピック、２番目のサブトピック、３番目のサブトピック、…）にそれぞれ関連付けられた適合文書の件数を表示することに特徴を有する。

また、検索者によって１番目のサブトピック「H-company、plasma、television 」が選択されており、この結果、サブトピック「H-company、plasma、television」の分類に属する適合文書に関する検索結果一覧表示が示されている。これにより、容易にどのような検索結果が得られたかを大枠で把握することができ、かつ目的文書を効率よく探し出すことができる。

以上が、検索結果出力プログラム１３４によって提示される検索結果の具体的な提示の実施例である。

以上が、本実施の形態における文書検索システムの処理手順である。

以上説明したように、本発明の第１の実施の形態によれば、適合文書集合を検索条件に関するサブトピック別にグルーピングして提示することで、目的文書であるかどうかの判断の対象となる適合文書を少なくすることができることから、検索者は目的文書を素早く探し出すことができる。
［第２の実施の形態］
次に、本発明に係る第２の実施の形態について図１０および図１１を用いて説明する。

第１の実施の形態におけるサブトピック抽出プログラム１４１では、図６に示すように、特徴語間の関連性判定を適合テキスト５０１における特徴語の出現パターン６１０から特徴語間の関連度を算出することで行った。しかし、関連語辞書を用いることでより精度の高い特徴語間の関連性判定を行なうことができる。このため、本第２の実施の形態では、関連語辞書を用いることで特徴語間の関連性判定を行なう。

即ち、本第２の実施の形態は、図１に示した第１の実施の形態とほぼ同様な構成を取るが、検索結果分類制御部１０２−１４０でのサブトピック抽出プログラム１４１の処理手順が異なる。
以下、第２の実施の形態である第１の実施の形態とは異なるサブトピック抽出プログラム１４１ａの処理手順について図１０に示すＰＡＤ図を用いて説明する。
まず、検索結果分類制御部１０２−１４０は、すべての特徴語の中から２つの特徴語の組み合わせを重複なく生成し、各組み合わせについてステップ１０１１〜ステップ１０１４を繰り返し実行する（ステップ１０１０）。ここで、各組み合わせに含まれる特徴語を、それぞれ特徴語Ａと特徴語Ｂとして、以下説明する。

まず、図１１に示すように、単語間関連度取得処理１１０１により、関連語辞書１１１１を参照することで特徴語Ａと特徴語Ｂ間の単語間関連度を取得し、ワークエリア１７０に格納する。なお、関連語辞書に単語間関連度の記載がなく、関連性のある単語間のみが記載されている場合は、関連性のある単語間の単語関連度を“１”、関連性のない単語間の単語間関連度を“０”とする（ステップ１０１１）。

次に、図１１に示すように、特徴語Ａと特徴語Ｂ間の単語間関連度が、予め設定された関連性判定閾値以上であった場合、ステップ１０１３〜ステップ１０１４を実行してグルーピング処理６０２を行って関連単語リスト６１２を作成する（ステップ１０１２）。
まず、特徴語Ｂを特徴語Ａに関する関連単語リストに入れ、ワークエリア１７０に格納する（ステップ１０１３）。
次に、特徴語Ａを特徴語Ｂに関する関連単語リストに入れ、ワークエリア１７０に格納する（ステップ１０１４）。

次に、図１１に示すように、各特徴語に関する関連単語リスト間でリストに含まれる特徴語を比較する。この結果、含まれる特徴語が同じである関連単語リスト間については重複排除処理６０３をして１つの関連単語リストにまとめる。この結果、最終的に得られた関連単語リストをサブトピックプロファイル６１３とし、ワークエリア１７０に格納する（ステップ１０２０）。

以上が、サブトピック抽出プログラム１４１ａでの処理手順である。

なお、特徴語間のグルーピングについては、第１の実施の形態と同様に、各特徴語に関する関連単語リストを生成する方法で行なうものとしたが、予め設定されたグループ数に基づいて、一般的なクラスタリング手法である最小距離法、最大距離法、群平均法およびK-Means法を用いて特徴語間をグルーピングしてもよいし、その他のグルーピング手法を用いてもよい。

次に、検索結果分類制御部１０２−１４０における、図１０に示したサブトピック抽出プログラム１４１ａの具体的な処理の流れについて図１１を用いて説明する。まず、単語間関連度取得処理１１０１により、関連度辞書１１１１を参照することで、各特徴語間の単語間関連度１１１２を取得する。本図の実施例では、特徴語「H-company」と特徴語「satellite」の単語間関連度は、関連語辞書１１１１から“0.15”となる。以降、グルーピング処理６０２および重複排除処理６０３については、第１の実施の形態と同様な処理を行なう。

以上が、サブトピック抽出プログラム１４１ａの具体的な処理の流れである。

［第３の実施の形態］
次に、本発明に係る第３の実施の形態について図１２、図１３および図１４を用いて説明する。

第１の実施の形態におけるサブトピックラベル生成制御プログラム１５０では、サブトピックラベルの生成方法として、サブトピックプロファイルに含まれる特徴語を単に抽出するだけのものであった。しかし、単なる特徴語の羅列よりも文章の形で提示した方が特徴語間の関係が分かるため、サブトピックの内容が把握しやすい。このため、本発明に係る第３の実施の形態におけるサブトピックラベル生成制御プログラム１５０ａでは、サブトピックの内容が理解しやすいように、サブトピックラベルを文、段落、節および章のような文章の形で生成する。即ち、サブトピックラベル生成制御プログラム１５０ａで生成された各サブトピック（各関連単語リスト）に含まれる特徴語を用いて、文、段落、節および章のうち少なくとも１つ以上を、各分類に対する識別情報とする。

本第３の実施の形態では、図１に示した第１の実施の形態とほぼ同様の構成を取るが、サブトピックラベル生成制御部１０２−１５０でのサブトピックラベル生成制御プログラム１５０の構成が異なる。図１２に示すように本第３の実施の形態におけるサブトピックラベル生成制御プログラム１５０ａには、ラベル用特徴語抽出プログラム１５１の代わりに、テキストブロック分割プログラム１２０１とラベル用ブロック抽出プログラム１２０２が新たに加わるとともに、適合度算出プログラム１６１を呼び出す構成をとる。

以下、サブトピックラベル生成制御部１０２−１５０における、第１の実施の形態とは異なるサブトピックラベル生成制御プログラム１５０ａの処理手順について、図１３に示すＰＡＤ図を用いて説明する。

まず、すべてのサブトピックについて、ステップ１３１０およびステップ１３２０を繰り返し実行する（ステップ１３００）
次に、該サブトピックに分類されたすべての適合テキストについて、ステップ１３１１〜ステップ１３１２を繰り返し実行する（ステップ１３１０）。

まず、テキストブロック分割プログラム１２０１を起動し、適合テキストを文などのブロックに分割する（ステップ１３１１）。

次に、該適合テキストのすべてのブロックについて、ステップ１３１３を繰り返し実行する（ステップ１３１２）。

適合度算出プログラム１６１を起動し、サブトピックプロファイルの特徴語の総数およびブロックに含まれる特徴語の数を用いて、次の（６）式によりサブトピックに対するブロックの適合度（以下、ブロック別適合度と呼ぶ）を算出する（ステップ１３１３）。

サブトピックスに対するブロック別適合度＝（ブロックに含まれる特徴語の数）／（サブトピックプロファイルの特徴語の総数） （６）
次に、ラベル用ブロック抽出プログラム１２０２を起動し、該サブトピックについてブロック別適合度が最も高く付与されたブロックを該サブトピックのサブトピックラベルとする（ステップ１３２０）。

以上が、サブトピックラベル生成制御プログラム１５０ａの処理手順である。
なお、上記ステップ１３１３におけるブロック別適合度の算出方法については（６）式を用いたが、ベクトル空間法における余弦尺度など他の適合度算出式を適用してもよい。

また、上記ステップ１３２０については、各サブトピックについてブロック別適合度が最も高く付与されたブロックをサブトピックラベルとしたが、そのブロックが複数存在する場合は該適合テキストの検索条件に対する適合度、サブトピック別適合度および該ブロックの出現位置等を用いてブロックを一意に決めてもよいし、その他の方法を用いてもよい。また、ブロック別適合度が予め設定されたブロック別適合性判定閾値を越えたブロックについて複数のブロックをサブトピックラベルとしてもよい。これにより、サブトピックの内容を詳細に提示することができる。

また、サブトピックラベル生成制御プログラム１５０ａでは、サブトピックラベルを生成するための情報源としてすべての適合テキストを対象としたが、適合度算出プログラム１６１で算出された検索条件に対する適合度やサブトピック別適合度に閾値を設け、それぞれ閾値を越えた適合テキストのみを対象としてもよい。これにより、検索者にとって精度の高いトピックラベルを提示することができる。また、検索条件が種文章の場合は、サブトピックラベルを生成するための情報源として、適合テキストだけでなく種文章を対象としてもよい。これにより、検索者の検索目的にあったトピックラベルを提示することができる。

また、検索条件が種文章の場合は、サブトピックラベルを生成するための情報源として、適合テキストだけでなく種文章を対象としてもよい。これにより、検索者の検索目的にあったトピックラベルを提示することができる。即ち、トピックラベル生成ステップ（識別情報付与ステップ）において、検索条件が種文章の場合は，種文章と関連単語リストに関連付けられた適合文書（適合テキスト）との少なくとも一方を用いて適合度算出プログラム１６１に基づく要素別（ブロック別）適合度算出およびラベル用要素抽出プログラムに基づく分類識別用要素判定を行なうことを特徴とする。

以下、サブトピックラベル生成制御部１０２−１５０における、第１の実施の形態とは異なるサブトピックラベル生成制御プログラム１５０ａの具体的な処理の流れについて図１４を用いて説明する。

まず、サブトピック１に関するサブトピックラベルを生成するために、本図ではサブトピックプロファイル５０２からサブトピック１のサブトピックプロファイル１４１３と、分類判定結果５０６からサブトピック１の分類に属する文書２の適合テキスト１４１４が選択されている。

次に、テキストブロック分割プログラム１２０１が起動され、適合テキストをブロックに分割する。本図の実施例では、文書２に対してピリオドをブロックの境界文字列としてブロックに分割している。この結果、ブロック１〜ブロック４の４つのブロックに分割され、ブロック分割結果１４１０が得られている。

次に、適合度算出プログラム１６１が起動され、適合テキストの各ブロックに対してサブトピックプロファイルに対するブロック別適合度を上記（６）式を用いて算出する。本図の実施例では、サブトピック１に対する文書２のブロック１〜ブロック４のブロック別適合度として、“0.6”、“0.3”、“0.0”、“0.1”が算出されている。

上記のブロックの分割処理およびブロック別適合度の算出処理を、該サブトピックの分類に属するすべての適合テキストに対して行なう。この結果、本図ではサブトピック１の分類に属するすべての適合テキストに関するブロック別適合度結果１４１１が得られている。なお、本図のブロック別適合度結果１４１１の“Ｄ”は文書番号、“Ｂ”はブロック番号を示している。

次に、ラベル用ブロック抽出プログラム１２０２が起動され、ブロック別適合度結果１４１１からブロック別適合度が最も高いブロックを抽出し、抽出されたブロックをサブトピックラベルとする。本図の実施例では、文書２のブロック４のブロック別適合度が最も高いため、サブトピック１のサブトピックラベル１４１２を「H-company BBB's Series with technology is truly the ultimate in plasma television.」としている。

以上が、サブトピックラベル生成制御プログラム１５０ａの具体的な処理の流れである。これら一連の処理を、すべてのサブトピックについて行なう。

以上説明したように、本発明に係る第３の実施の形態によれば、検索者は各サブトピックがそれぞれどんな内容であるかを容易に理解することができるため、目的文書を効率よくかつ適切に探し出すことができる。

以上説明したように、本発明の実施の形態によれば、検索結果集合文書を分類して表示する際に、各分類に関する識別情報（サブトピックプロファイル５０２、サブトラピックラベル５０３、検索条件適合度５０１、サブトピック別適合度５０４、適合性判定閾値５０５など）を付与する識別情報付与ステップを有することを特徴とする。

また、上記識別情報付与ステップにおいて、関連単語リスト生成ステップで生成された各関連単語リストに含まれる特徴語を、上記各分類に対する識別情報とすることを特徴とする。

また、上記識別情報付与ステップにおいて、関連単語リスト生成ステップで生成された各関連単語リストに含まれる特徴語を用いて、文、段落、節および章のうち少なくとも１つ以上を、上記各分類に対する識別情報とすることを特徴とする。

また、上記識別情報付与ステップにおいて、関連単語リスト生成ステップで生成された関連単語リストに関連付けられ、分類判定ステップでの分類判定結果としての適合文書に含まれる文、段落、節および章の要素に対して、適合度算出プログラム１６１に基づく前記関連単語リストに対する要素別適合度１４１１を算出する要素別適合度算出ステップと、該要素別適合度算出ステップにより算出された関連単語リストに対する要素別適合度１４１１から、例えばラベル用ブロック抽出プログラム１２０２により、関連単語リストに関する分類の識別情報として用いる要素１４１２を判定する分類識別用要素判定ステップとを含むことを特徴とする。

また、上記識別情報付与ステップ（ラベル生成ステップ）において、検索条件が種文章の場合は、種文章と関連単語リストに関連付けられた適合文書と少なくとも一方を用いて前記要素別適合度算出ステップおよび前記分類識別用要素判定ステップを行なうことを特徴とする。

本発明に係る第１の実施の形態における文書検索システムの全体構成をプログラムを主体に示す図である。 本発明に係る第１の実施の形態における文書検索システムの全体構成を機能的に示す図である。 本発明に係る第１の実施の形態における検索制御部で実行される検索制御プログラム１３０を説明するＰＡＤ図である。 本発明に係る第１の実施の形態における検索結果分類制御部で実行される検索結果分類制御プログラム１４０を説明するＰＡＤ図である。 本発明に係る第１の実施の形態における検索結果分類制御部で実行するサブトピック抽出プログラム１４１を説明するＰＡＤ図である。 本発明に係る第１の実施の形態における検索制御部等での検索制御プログラム１３０の具体的な処理の流れを説明するための図である。 本発明に係る第１の実施の形態における検索結果分類制御部でのサブトピック抽出プログラム１４１の具体的な処理の流れを説明するための図である。 本発明に係る第１の実施の形態における検索結果出力プログラム１３４の出力例として検索結果出力画面を示す図である。 本発明に係る第１の実施の形態における検索結果出力プログラム１３４の出力例として、種文章に対する適合度順かサブトピック別適合度順かを選択するインターフェースを備えた検索結果出力画面を示す図である。 本発明に係る第１の実施の形態における検索結果出力プログラム１３４の出力例として、各サブトピックについてそれぞれ何件の適合文書が存在するかを示す検索結果出力画面と、検索者によって選択されたサブトピックに関する検索結果出力画面を示す図である。 本発明に係る第２の実施の形態における検索結果分類制御部で実行するサブトピック抽出プログラム１４１ａを説明するＰＡＤ図である。 本発明に係る第２の実施の形態における検索結果分類制御部でのサブトピック抽出プログラム１４１ａの具体的な処理の流れを説明するための図である。 本発明に係る第３の実施の形態におけるサブトピックラベル生成制御部でのサブトピックラベル生成制御プログラム１５０ａの構成を示す図である。 本発明に係る第３の実施の形態におけるサブトピックラベル生成制御部で実行するサブトピックラベル生成制御プログラム１５０ａを説明するＰＡＤ図である。 本発明に係る第３の実施の形態におけるサブトピックラベル生成制御部でのサブトピックラベル生成制御プログラム１５０ａの具体的な処理の流れを説明する図である。

符号の説明

１００…ディスプレイ、１０１…キーボード、１０２…中央演算処理装置（ＣＰＵ）、１０２−１１０…システム制御部、１０２−１２０…登録制御部、１０２−１３０…検索制御部、１０２−１４０…検索結果分類制御部、１０２−１５０…サブトピックラベル生成制御部、１０２−１６１…適合度算出部、１０３…磁気ディスク装置、１０４…フレキシブルディスクドライブ（ＦＤＤ）、１０５…主メモリ、１０６…バス、１０７…ネットワーク、１０８…フレキシブルディスク、
１１０…システム制御プログラム、１２０…登録制御プログラム、１３０…検索制御プログラム、１２１…文書ファイル取得ファイル、１２２…テキスト登録プログラム、１３１…検索条件取得プログラム、１３２…特徴語抽出プログラム、１３３…テキスト読込プログラム、１３４…検索結果出力プログラム、１４０…検索結果分類制御プログラム、１４１…サブトピック抽出プログラム、１４２…分類判定プログラム、１５０…サブトピックラベル生成制御プログラム、１５１…ラベル用特徴語抽出プログラム、１６０…共有ライブラリ、１６１…適合度算出プログラム、１７０…ワークエリア、１８０…テキスト、１５０ａ…サブトピックラベル生成制御プログラム、５００…特徴語、５０１…適合テキスト、５０２…サブトピックプロファイル、５０３…サブトピックラベル、５０４…サブトピック別適合度、５０５…サブトピック適合性判定閾値、５０６…分類判定結果、５１０…種文章、６００…出現パターン生成処理、６０１…単語間関連度算出処理、６０２…グルーピング処理、６０３…重複排除処理、６１０…出現パターン、６１１…単語間関連度、６１２…関連単語リスト、６１３…サブトピックプロファイル、７００、８００…検索結果一覧表示、９００…検索結果、９０１…サブトピック１の検索結果一覧表示、１１０１…単語間関連度取得、１１１１…関連語辞書、１２０１…ブロック分割プログラム、１２０２…ラベル用ブロック抽出プログラム、１４１０…ブロック分割結果、１４１１…ブロック別適合度結果、１４１２…サブトピック１のサブトピックラベル、１４１３…選択されたサブトピックプロファイル、１４１４…選択された文書２の適合テキスト。

Claims (7)

1. 検索条件に対する検索結果を分類して表示する検索結果提示装置において、
   前記検索条件として入力された文書から複数の特徴語を抽出する特徴語抽出手段と、
   前記特徴語抽出手段から抽出された前記特徴語を用いて検索対象文書を検索し、その結果、前記特徴語が含まれた複数の適合文書を取得し、取得した前記複数の適合文書のそれぞれに対して前記特徴語抽出手段で抽出された複数の前記特徴語からなる組み合わせの出現有無を判定し、該出現有無の判定結果に基づいて前記特徴語間の関連性を判定し、関連する特徴語間をまとめた関連単語リストを生成する関連単語リスト生成手段と、
   前記関連単語リスト生成手段で生成された各関連単語リストに対する適合文書の関連単語リスト適合度を算出する関連単語リスト適合度算出手段と、
   前記関連単語リスト適合度算出手段で算出された関連単語リスト適合度から、該適合文書の該関連単語リストに対する適合度を判定し、該適合度が高いと判定された場合には該適合文書を該関連単語リストに関連付けて保持する分類判定手段と、
   前記分類判定手段で各関連単語リストに関連付けられた適合文書集合に対して、分類の識別情報を付与する分類識別情報付与手段と、
   前記分類識別情報付与手段で生成された識別情報を各分類に付与して、前記文書集合を表示する検索結果表示手段と
   を有することを特徴とする検索結果提示装置。
2. 請求項１記載の検索結果提示装置において、
   さらに、前記指定された検索条件に対する適合文書の検索条件適合度を算出する検索条件適合度算出手段と、
   検索結果の表示時に、前記分類判定手段で判定された結果に基づいて各関連単語リスト別に適合文書を、前記検索条件適合度算出手段で算出された検索条件適合度あるいは前記関連単語リスト適合度算出手段で算出された関連単語リスト適合度のいずれかの降順で表示する手段
   を有することを特徴とする検索結果提示装置。
3. 請求項１記載の検索結果提示装置において、
   さらに、前記分類判定手段で判定された結果に基づいて、各関連単語リスト別にそれぞれ関連付けられた適合文書の件数を表示する関連単語リスト別文書件数表示手段を有することを特徴とする検索結果提示装置。
4. 請求項１記載の検索結果提示装置において、
   前記分類識別情報付与手段は、前記関連単語リスト生成手段で生成された各関連単語リストに含まれる特徴語を各分類の識別情報とする手段を有することを特徴とする検索結果提示装置。
5. 請求項１記載の検索結果提示装置において、
   前記分類識別情報付与手段は、
   前記分類判定手段により前記関連単語リストに関連付けられた適合文書に含まれる文、段落、節および章の要素に対して、該関連単語リストに対する要素別適合度を算出する要素別適合度算出手段と、
   前記要素別適合度算出手段により算出された該関連単語リストに対する要素別適合度から、各分類の識別情報として用いる要素を判定する分類識別情報要素判定手段
   を有することを特徴とする検索結果提示装置。
6. 請求項１記載の検索結果提示装置において、
   前記分類識別情報付与手段は、
   検索条件が種文章の場合は、種文章に含まれる文、段落、節および章の要素に対して、該関連単語リストに対する要素別適合度を算出する要素別適合度算出手段と、
   前記要素別適合度算出手段により算出された該関連単語リストに対する要素別適合度から、各分類の識別情報として用いる要素を判定する分類識別情報要素判定手段
   を有することを特徴とする検索結果提示装置。
7. 請求項１記載の検索結果提示装置において、
   前記関連単語リスト生成手段は、前記検索条件が特徴語及び前記特徴語の論理関係を含む論理演算式の場合に、前記論理演算式を積和標準形に変換し、変換された前記積和標準形の積で関連付けられたキーワード集合をまとめた関連単語リストを生成することを特徴とする検索結果提示装置。

Images