JP4189369B2 - 構造化文書検索装置及び構造化文書検索方法 - Google Patents

Description

本発明は、タグの同義語を利用して構造化文書中の文書構造部分を検索するのに好適な構造化文書検索装置及び構造化文書検索方法に関する。

データを記述する手段として、ＸＭＬ(Extensible Markup Language)が広く利用されている。このＸＭＬを用いて記述された文書はＸＭＬ文書と呼ばれる。ＸＭＬ文書は、タグを用いて論理的に木構造で表現される構造化文書として知られている。この種のＸＭＬ文書中の文書構造（論理構造）部分を対象とする文書検索では、文書構造に基づいた検索要求により、キーワード検索よりも精度の高い検索と、利用部分だけのデータが得られるという、きめ細かい検索が可能となる。また近年は、このようなＸＭＬ文書中の所望の構造部分を、構造インデックスを利用して高速に検索する技術が提案されている（例えば、特許文献１参照）。
特開２００１−１４７９３３（段落００１５乃至００２１、段落０１０７乃至０１１１、図１３及び図１４）

しかしながら、従来技術においては、あるＸＭＬ文書内で意味は同じでも表記の異なる複数のタグを、ＸＰａｔｈと呼ばれる、任意の文書構造部分を指定する構造指定情報を用いて、同時に検索対象とする場合、演算子”｜”や論理演算子”or”を用いて同義語となる複数表記を連結する必要がある。そのため、予め検索対象となるタグの同義語をすべて正確に把握して構造指定情報に含めなければ、検索漏れが発生するという問題がある。また、構造指定情報にすべての同義語を網羅すると、当該構造指定情報（ＸＰａｔｈ式）が大変複雑になるという問題もある。

本発明は上記事情を考慮してなされたものでその目的は、複数のタグを演算子で連結することなく、同義語のタグのすべてを構造指定情報による検索対象とすることができる構造化文書検索装置及び構造化文書検索方法を提供することにある。

本発明の他の目的は、構造指定情報に含まれる一部のタグのみを同義語検索対象にすることもできるようにすることにある。

本発明の１つの観点によれば、クライアント端末から与えられる、タグを含む任意の文書構造部分を指定する第１の構造指定情報を利用した検索要求に応じて、構造化文書が格納されたデータベースから対応する構造化文書中の文書構造部分を検索する構造化文書検索装置において、タグ構造の雛形とこの雛形を示すＩＤとから成る複数の構造テンプレートを記憶する構造テンプレート記憶手段と、タグの同義語をグループ化した同義語グループ毎に、この同義語グループに固有の同義語グループＩＤとこの同義語グループに所属するタグの表記とを記憶する同義語辞書と、前記同義語辞書を参照して、前記第１の構造指定情報に含まれるタグについて、当該タグが所属する同義語グループの同義語グループＩＤを検索する検索処理用同義語検索手段と、前記検索処理用同義語検索手段の検索結果に基づいて、前記第１の構造指定情報に含まれるタグが対応する同義語グループの同義語グループＩＤに置き換えられた第２の構造指定情報を生成する構造指定情報生成手段と、
前記構造テンプレート記憶手段が記憶する各構造テンプレートに含まれるタグを、当該タグが所属する同義語グループの同義語グループＩＤに置き換えられた同義語構造テンプレートを記憶する同義語構造テンプレート記憶手段と、前記同義語構造テンプレート記憶手段を参照して、前記第２の構造指定情報と一致する同義語構造テンプレートを検索する同義語構造テンプレート検索手段と、前記同義語構造テンプレート検索手段によって検索された同義語構造テンプレートに対応する構造テンプレートで示される構造化文書中の文書構造部分を前記データベースから取得する取得手段とを具備することを特徴とする。

上記した構成の構造化文書検索装置において、クライアント端末から与えられる検索要求で指定された検索式としての第１の構造指定情報から第２の構造指定情報が生成される。この第２の構造指定情報は、第１の構造指定情報に含まれているタグを、当該タグが所属する同義語グループに固有の同義語グループＩＤに置き換えることによって生成される。そして、同義語構造テンプレート記憶手段から、第２の構造指定情報とマッチする同義語構造テンプレートが検索される。この同義語構造テンプレートは、構造テンプレート記憶手段内の対応する構造テンプレートに含まれるタグを、当該タグが所属する同義語グループに固有の同義語グループＩＤに置き換えらることによって生成されたものである。したがって、第２の構造指定情報とマッチする同義語構造テンプレート、つまり第１の構造指定情報に含まれているタグが所属する同義語グループに固有の同義語グループＩＤとマッチする同義語構造テンプレートを検索することにより、第１の構造指定情報に含まれているタグの同義語と一致（マッチ）する構造テンプレートを検索することを実現できる。

このように、上記した構成の構造化文書検索装置においては、構造テンプレート記憶手段内の構造テンプレートに対応する同義語構造テンプレートの集合、即ち当該構造テンプレートに含まれるタグが、当該タグの同義語に固有の同義語グループＩＤに置き換えられた同義語構造テンプレートの集合と、第１の構造指定情報に含まれるタグが当該タグの同義語に固有の同義語グループＩＤに置き換えられた第２の構造指定情報とを利用して、上述の構造テンプレート検索に代わる同義語構造テンプレート検索を行うことより、複数のタグを演算子で連結することなくタグの同義語を対象とした文書構造部分の検索を行うことができる。また、データベースに格納されている構造化文書内に存在しないタグ名が第１の構造指定情報中に記述されていても、そのタグ名の同義語をもとに、対応する文書構造部分を検索できる。

ここで、クライアント端末からの要求に従うデータベースへの構造化文書の格納処理または当該データベース内の構造化文書の更新処理に応じて、構造テンプレート記憶手段に存在しない新たな文書構造部分に対応する構造テンプレートが当該構造テンプレート記憶手段に追加された場合、当該追加された構造テンプレートに含まれている全てのタグについて、上記同義語辞書から、当該タグが所属する同義語グループに固有の同義語グループＩＤを検索する格納処理用同義語検索手段と、この格納処理用同義語検索手段による検索結果をもとに、追加された構造テンプレートに含まれるタグが対応する同義語グループに固有の同義語グループＩＤに置き換えられた同義語構造テンプレートを生成する同義語構造テンプレート生成手段と、生成された同義語構造テンプレートを上記同義語構造テンプレート記憶手段に追加する同義語構造テンプレート追加手段とを更に備えると良い。このようにすると、データベースに格納されている全ての構造化文書に含まれている文書構造部分に対応する同義語構造テンプレートを、常に同義語構造テンプレート記憶手段に用意することができる。

また、検索処理用同義語検索手段または格納処理用同義語検索手段によって、１つのタグにつき複数の同義語グループＩＤが検索された場合に、クライアント端末のユーザに対して、当該複数の同義語グループＩＤで示される同義語グループの中から当該タグを処理すべき同義語グループを選択させる問い合わせを行う構成とすると良い。このようにすると、無駄なヒットを少なくして、効率的に同義語検索結果を処理することができる。

また、上記第１の構造指定情報に含まれているタグのうち同義語検索されるべきタグが上記検索要求によって個別に指定されている場合、上記同義語構造テンプレート検索手段によって検索された同義語構造テンプレート毎に、上記第１の構造指定情報中の同義語検索されるべきタグを除く文書構造部分と当該同義語構造テンプレートに対応する構造テンプレートのうちの該当する文書構造部分とが一致するかを判定する判定手段を更に備え、この判定手段によって一致していると判定された構造テンプレートで示される、構造化文書中の文書構造部分のみが、上記取得手段によってデータベースから取得される構成とすると良い。このようにすると、一層効率的に検索結果を取得できる。

本発明によれば、構造テンプレートに含まれるタグが、当該タグの同義語に固有の同義語グループＩＤに置き換えられた同義語構造テンプレートの集合と、第１の構造指定情報に含まれるタグが当該タグの同義語に固有の同義語グループＩＤに置き換えられた第２の構造指定情報とを利用して、同義語構造テンプレートの集合（同義語構造テンプレート記憶手段）からの同義語構造テンプレート検索を行うことより、複数のタグを演算子で連結することなくタグの同義語を対象とした文書構造部分の検索を行うことができる。

また本発明によれば、第１の構造指定情報に含まれる一部のタグのみを同義語検索対象にすることもできる。

以下、本発明一実施形態につき図面を参照して説明する。
図１は本発明の一実施形態に係る構造化文書検索システムの構成を示すブロック図である。図１の構造化文書検索システムは、構造化文書検索装置１０と、ネットワーク２０と、構造化文書検索クライアント端末３０とから構成される。クライアント端末３０は、ネットワーク２０を介して構造化文書検索装置１０と接続されている。図１では、作図の都合上、１台のクライアント端末３０がネットワーク２０を介して構造化文書検索装置１０に接続されているが、複数のクライアント端末３０がネットワーク２０を介して構造化文書検索装置１０に接続されるのが一般的である。

構造化文書検索装置１０は、要求処理部１１、格納処理部１２及び検索処理部１３の各処理部と、同義語辞書１４及びデータベース１５とを備えている。同義語辞書１４及びデータベース１５は、コンピュータによって読み取り可能なハードディスクなどの記憶媒体に格納される。ここで、同義語辞書１４が格納される記憶媒体は必ずしも書き換え可能である必要はないが、データベース１５が格納される記憶媒体は書き換え可能である必要がある。

要求処理部１１は、構造化文書検索装置１０とクライアント端末３０とのインタフェース処理部を構成しており、当該クライアント端末３０からの検索要求及び格納要求など、データベース１５への要求を受け付ける。要求処理部１１は、受け付けた要求の種別を判別し、その判別結果に応じて当該要求を格納処理部１２または検索処理部１３へ渡す。

格納処理部１２は、格納要求を解析し、要求された構造化文書をデータベース１５に格納する。格納処理部１２は、同義語ハンドリング部１２１及びファイル入出力部１２２を含む。同義語ハンドリング部１２１は、同義語辞書１４を参照して、詳細を後述する同義語検索用の構造インデックス（同義語構造テンプレート）を生成する。ファイル入出力部１２２は、同義語ハンドリング部１２１によって生成された構造インデックス（同義語構造テンプレート）及びクライアント端末３０から要求された構造化文書（構造化文書データ）をデータベース１５に格納する。ここでは、構造化文書は、ＸＭＬ文書であるものとする。

検索処理部１３は、検索要求を解析し、検索要求を満足する検索結果を生成する。検索処理部１３は、同義語ハンドリング部１３１及びファイル入出力部１３２を含む。同義語ハンドリング部１３１は、同義語辞書１４を参照して、詳細を後述する同義語検索用の検索式を生成する。ファイル入出力部１３２は、同義語ハンドリング部１３１によって生成された検索式に従ってデータベース１５にアクセスして検索結果を取得する。検索結果は、要求処理部１１に渡された後、当該要求処理部１１から要求元のクライアント端末３０に返される。

構造化文書検索装置１０内の要求処理部１１、格納処理部１２及び検索処理部１３は、計算機にインストールされた特定のソフトウェアプログラムを当該計算機が読み取って実行することにより実現される。このプログラムは、コンピュータで読み取り可能な記憶媒体に予め格納して頒布可能である。また、このプログラムが、ネットワークを介してダウンロード（頒布）されても構わない。

ここで、同義語検索用の構造インデックスについて説明する。本実施形態では、クライアント端末３０からの検索要求に対して、データベース１５に格納されたＸＭＬ文書を高速に検索する技術である構造インデックスを利用する。構造インデックスとは、ＸＭＬ文書をデータベースに格納する際に、その文書の構造情報を抽出後、構造テンプレート化し、それと実際のデータベース中の位置を示すレコードを、一意に割り振られたテンプレートＩＤにより関連付けて索引化する技術である。そのため、データベース１５には、構造インデックスファイルが格納される。本実施形態で適用される構造インデックスファイルは、図１に示す、構造インデックス管理ブロック１５１と同義語構造テンプレート管理ブロック１５２とから構成される。また、構造インデックス管理ブロック１５１は、図１に示すように、構造テンプレート管理ブロック１５１ａと構造ポスティングエリア１５１ｂとから構成される。これらの各ブロックについては後述する。

図２にデータベース１５に格納される４つのＸＭＬ文書４１乃至４４の例を示す。図３に、図２のＸＭＬ文書４１乃至４４に対応した構造インデックス管理ブロック１５１内の構造テンプレート管理ブロック１５１ａ及び構造ポスティングエリア１５１ｂのデータ構造例を示す。構造テンプレート管理ブロック１５１ａは、図３（ａ）に示すように、テンプレートＩＤと、当該ＩＤが割り当てられたＸＭＬ文書のタグ構造の雛形を示す構造テンプレートとの対の集合（リスト）である。一方、構造ポスティングエリア１５１ｂは、図３（ｂ）に示すように、テンプレートＩＤと、当該ＩＤが割り当てられた構造テンプレートのデータベース１５内の位置を示す位置情報との対の集合（リスト）である。ここで、位置情報はページ番号とページ内位置の情報とから構成される。データベース１５内におけるＸＭＬ文書の格納単位はページと呼ばれる。図３（ｂ）の例では、１ページ目に、図２（ａ）のＸＭＬ文書４１が、２ページ目に、図２（ｂ）のＸＭＬ文書４２が、それぞれ格納されていることを示す。また、図３（ｂ）の例では、３ページ目に、図２（ｃ）のＸＭＬ文書４３が、４ページ目に、図２（ｄ）のＸＭＬ文書４４が、それぞれ格納されていることを示す。ここでは、ＸＭＬ文書内の各構造テンプレートが格納されるページ内位置は、当該ＸＭＬ文書の先頭側から順に割り当てられている。しかし、実際には、このような順序で割り当てられる必要はない。

本実施形態では、図３に示した構造インデックス管理ブロック１５１（構造インデックス）を用いることで、実際のデータにアクセスすることなく、テンプレート上の走査だけで、“／／金属／金”などのタグ構造を指定した検索を高速に行うことが可能となる。特に本実施形態では、構造インデックスを利用して、タグの同義語を用いた検索を実現する。更に具体的に述べるならば、構造インデックス中の構造テンプレートから生成される、同義語を対象とした検索を実施するために必要な同義語構造テンプレートを利用して、タグの同義語を用いた検索（ＸＰａｔｈ検索）を実現する。

同義語構造テンプレートとは、構造テンプレート内のタグ（の表記）を同義語グループＩＤに置き換えたもので、構造テンプレートと１対１の関係にある。ここでは、同義語ハンドリング部１２１が、テンプレートＩＤ＝ｉに固有の構造テンプレートで示される構造に同義語辞書を適用することで、その構造内のタグが、対応する同義語グループに固有の同義語グループＩＤに置き換えられた同義語構造テンプレートが生成される。生成された同義語構造テンプレートは、テンプレートＩＤ＝ｉに対応付けられる。同義語辞書１４の構造、同義語グループ及び同義語グループＩＤについては後述する。

以下、同義語ハンドリング部１２１による同義語構造テンプレート生成処理について、図４のフローチャートを参照して説明する。
まず、クライアント端末３０からの要求に従い、格納処理部１２内のファイル入出力部１２２によって、データベース１５へのＸＭＬ文書の登録またはデータベース１５内のＸＭＬ文書の更新が行われたものとする（ステップＳ１）。この場合、格納処理部１２内の同義語ハンドリング部１２１は、データベース１５に格納されている構造テンプレート管理ブロック１５１ａを参照し、ファイル入出力部１２２によって登録または更新操作されたＸＭＬ文書内に、当該構造テンプレート管理ブロック１５１ａに未登録の新しいタグ構造が含まれているか否かを判定する（ステップＳ２）。

もし、新しいタグ構造が含まれていないならば、同義語ハンドリング部１２１は、すべての構造テンプレートに対応する同義語構造テンプレート生成処理が既に完了していると判断し、処理を終了する。一方、新しいタグ構造が含まれているならば、同義語ハンドリング部１２１は、構造テンプレート管理ブロック１５１ａに新しいタグ構造に関する情報、つまり構造テンプレートを追加して、その構造テンプレート内に存在するタグを洗い出す（ステップＳ３）。この追加された構造テンプレートが、同義語構造テンプレート生成処理の対象となる。

ここで、同義語構造テンプレート生成処理の対象について、図５を参照して説明する。図５（ａ）は、同義語構造テンプレート生成処理の対象となる構造テンプレートの第１の例を示す。この第１の例は、構造テンプレート管理ブロック１５１ａに新しいタグ構造に関する情報（構造テンプレート）が初めて登録された場合を想定している。この状態では、同義語構造テンプレート管理ブロック１５２は空である。この場合、構造テンプレート管理ブロック１５１ａ内のすべての構造テンプレート（図５（ａ）の例ではテンプレートＩＤ１〜５のすべての構造テンプレート）が同義語構造テンプレート生成処理の対象となる。

図５（ｂ）は、同義語構造テンプレート生成処理の対象となる構造テンプレートの第２の例を示す。この第２の例は、構造テンプレート管理ブロック１５１ａ内に既に構造テンプレート（ここではテンプレートＩＤ１〜４の構造テンプレート）が格納されていて、更に当該構造テンプレートに対応する同義語構造テンプレートが同義語構造テンプレート管理ブロック１５２に追加された後に、新しい構造に関する情報（ここでは、テンプレートＩＤ５〜８の構造テンプレート）が構造テンプレート管理ブロック１５１ａに追加された場合を想定している。この場合、構造テンプレート管理ブロック１５１ａに追加された構造テンプレート（つまりテンプレートＩＤ５〜８の構造テンプレート）が生成対象となる。

さて、同義語ハンドリング部１２１は、追加された構造テンプレート内に存在するタグを洗い出すと（ステップＳ３）、格納処理用同義語検索手段として機能し、その洗い出されたタグを１つ取り出して、同義語辞書１４から、そのタグが含まれる同義語グループのＩＤ（同義語グループＩＤ）を検索する（ステップＳ４）。この検索を同義語検索と呼ぶ。

同義語辞書１４の一例を図６に示す。図６の同義語辞書１４では、共通の概念を持つ表記の集合が同義語グループ（概念グループ）として管理される。このように、本実施形態で適用される同義語辞書１４で管理される同義語は、当該同義語本来の「意味が同じ語」というよりも、「概念が共通する語」という意味合いが強い。勿論、「意味が同じ語」という本来の意味を持つ同義語毎に、グループ分けして管理される同義語辞書を用いることも可能である。図６の同義語辞書１４は、予め定められた同義語グループ（概念グループ）毎に、そのグループに属する代表的な１つの表記を同義語グループ（概念グループ）名として、そのグループ名（同義語グループ名）と、その同義語グループに一意に割り当てられた同義語グループＩＤと、そのグループに属する同義語の表記とから構成される。

同義語ハンドリング部１２１は、タグによる同義語検索の結果、ただ１つの同義語グループＩＤが取得されたならば、つまり同義語グループＩＤが一意に決定できたならば（ステップＳ５の“＝１”の場合）、同義語構造テンプレート生成手段として機能して、同義語構造テンプレート生成のために、当該タグを、決定された同義語グループＩＤに変換（置換）する（ステップＳ７）。

次に、同義語検索の結果、複数の同義語グループＩＤが取得されたならば（ステップＳ５の“＝Ｎ＞１”の場合）、同義語ハンドリング部１２１はステップＳ６に進む。このステップＳ６において、同義語ハンドリング部１２１は、問い合わせ手段として機能して、同義語検索に用いられたタグが、取得された複数の同義語グループＩＤで示される複数の同義語グループのうちのいずれのグループに所属するタグであるかを、要求処理部１１によってユーザに問い合わせる。この問い合わせは、取得された複数の同義語グループＩＤの一覧を、要求処理部１１によりクライアント端末３０に送信させて、当該端末３０に表示させることにより実現される。同義語ハンドリング部１２１は、この問い合わせの結果、複数の同義語グループＩＤの中から１つの同義語グループＩＤがユーザによって選択（指定）されると、再び同義語構造テンプレート生成手段として機能して、同義語検索に用いられたタグを、この選択された同義語グループＩＤに変換（置換）する（ステップＳ７）。

また、同義語検索の結果、同義語辞書１４内に該当する同義語グループが存在せず、したがって同義語グループＩＤを取得できなかったならば（ステップＳ５の“＝０”の場合）、同義語ハンドリング部１２１は該当するタグをそのまま残す。

同義語ハンドリング部１２１は、上述のステップＳ４から始まる処理を、ステップＳ３で取得したすべてのタグに対して繰り返す（ステップＳ８）。このステップＳ４から始まる処理の繰り返しにより、構造テンプレート管理ブロック１５１ａに追加された構造テンプレート中のタグが対応する同義語グループに固有の同義語グループＩＤに置き換えられた同義語構造テンプレートが生成される。すると、同義語ハンドリング部１２１は同義語構造テンプレート追加手段として機能して、ステップＳ４から始まる処理の繰り返しによって取得される同義語グループＩＤを含むすべての同義語構造テンプレートを、同義語構造テンプレート管理ブロック１５２に追加する（ステップＳ９）。同義語構造テンプレートは、図５（ｂ）に示されているように、構造テンプレート中のタグが、そのタグが所属する同義語グループに固有の同義語グループＩＤに置き換えられたものである。

図７は、同義語構造テンプレート管理ブロック１５２の一例を示す。この例は、図５（ａ）の構造テンプレート管理ブロック１５１ａ内の構造テンプレートから、図６の同義語辞書１４を使用して同義語構造テンプレートを生成し、同義語構造テンプレート管理ブロック１５２に追加した場合を示している。ここで、図３（ａ）中の“金”タグについては、図６の同義語辞書１４を用いて同義語検索すると、“金銭”グループ（ＩＤ：３）と“金”グループ（ＩＤ：５）の２つの同義語グループに所属する表記であることから、２つの同義語グループＩＤが得られる。この場合、ユーザに「どちらのグループに所属するか」が問い合わされる。図７では、ユーザから「“金”タグは“金”グループ（ＩＤ：５）に所属する」と指定された場合を想定している。また、図７の例では、同義語構造テンプレート管理ブロック１５２内で同義語グループＩＤが割り当てられていない“技報”タグが存在する。これは、同義語検索した際に同義語グループＩＤが割り当てられなかったことを示す。

次に、図４のフローチャートに従って生成された同義語構造テンプレートを含む同義語構造テンプレート管理ブロック１５２を利用して行われる、タグの同義語を対象とした検索処理について、図８のフローチャートを参照して説明する。

まず、クライアント端末３０から構造化文書検索装置１０に対し、ネットワーク２０を介してタグの同義語も検索対象としたＸＰａｔｈ検索要求が送られたものとする（ステップＳ１１）。この検索要求は構造指定情報としてのＸＰａｔｈ式を含む。この検索要求は、要求処理部１１で受け付けられて、検索処理部１３に渡される。検索処理部１３内の同義語ハンドリング部１３１は、検索要求に含まれているXPath式から、当該ＸＰａｔｈ式に記述されているタグをすべて洗い出す（ステップＳ１２）。すると、同義語ハンドリング部１３１は検索処理用同義語検索手段として機能し、洗い出されたタグを１つ取り出して、同義語辞書１４から、そのタグが含まれる同義語グループのＩＤ（同義語グループＩＤ）を検索する（ステップＳ１３）。

同義語ハンドリング部１３１は、ＸＰａｔｈ式内のタグによる同義語検索の結果、同義語グループＩＤが一意に決定できたならば（ステップＳ１４の“＝１”の場合）、構造指定情報生成手段として機能して、構造指定情報の生成（つまり同義語検索用のＸＰａｔｈ式の生成）のために当該タグを同義語グループＩＤに変換（置換）する（ステップＳ１６）。

次に、同義語検索の結果、複数の同義語グループＩＤが取得されたならば（ステップＳ１４の“＝Ｎ＞１”の場合）、同義語ハンドリング部１３１はステップＳ１５に進む。このステップＳ１５において、同義語ハンドリング部１３１は、問い合わせ手段として機能して、取得された複数の同義語グループＩＤで示される複数の同義語グループのうちのいずれのグループで検索するかを、要求処理部１１によってユーザに問い合わせる。この問い合わせは、取得された複数の同義語グループＩＤの一覧を、要求処理部１１によりクライアント端末３０に送信させて、当該端末３０に表示させることにより実現される。同義語ハンドリング部１３１は、この問い合わせの結果、複数の同義語グループＩＤの中から１つの同義語グループＩＤがユーザによって選択（指定）されると、再び構造指定情報生成手段として機能して、同義語検索に用いられたタグを、この選択された同義語グループＩＤに変換（置換）する（ステップＳ１６）。

また、同義語検索の結果、同義語辞書１４内に該当する同義語グループが存在せず、したがって同義語グループＩＤを取得できなかったならば（ステップＳ１４の“＝０”の場合）、同義語ハンドリング部１３１は該当するタグをそのまま残す。

同義語ハンドリング部１３１は、上述のステップＳ１３から始まる処理を、ステップＳ１２で取得したすべてのタグに対して繰り返す（ステップＳ１７）。このステップＳ１３から始まる処理の繰り返しにより、クライアント端末３０からの検索要求に含まれているＸＰａｔｈ内のタグが同義語グループＩＤに置き換えられた、同義語検索のための新たなＸＰａｔｈ（つまり、同義語グループＩＤが適用された検索条件）が生成されることになる。するとファイル入出力部１３２は、同義語構造テンプレート検索手段として機能して、この新たなXPath、即ち同義語グループＩＤが適用された検索条件で、同義語構造テンプレート管理ブロック１５２の中から同義語構造テンプレートを検索する（ステップＳ１８）。検索の結果、検索条件にマッチした同義語構造テンプレートが存在する場合には、ファイル入出力部１３２は取得手段として機能して、その同義語構造テンプレートに関連付けられたテンプレートＩＤを用いて、データベース１５から実際のデータを取得する（ステップＳ１９）。ここではファイル入出力部１３２は、検索条件にマッチした同義語構造テンプレートに関連付けられたテンプレートＩＤを用いて、データベース１５内の構造インデックス管理ブロック１５１の構造ポスティングエリア１５１ｂ（図３（ｂ）参照）を検索することで、当該テンプレートＩＤに対応付けられている構造ポスティングエリア１５１ｂの情報（位置情報）を取得する。そして、この位置情報（ページ番号とページ内位置とを示す情報）をもとに、ファイル入出力部１３２はデータベース１５内の実際のデータにアクセスする。

次に、上述したタグの同義語を対象とした検索処理の具体例について説明する。ここでは、“／書籍／金／標題”のＸＰａｔｈに対してタグの同義語を対象とした検索を要求するＸＰａｔｈ検索要求がクライアント端末３０から構造化文書検索装置１０に出された場合を想定している。また、この検索に、図６の同義語辞書１４と図７の同義語構造テンプレート管理ブロック１５２とを利用するものとする。

まず、“／書籍／金／標題”は、“書籍”タグ、“金”タグ及び“標題”タグからなる。“／書籍／金／標題”内の各タグについて、図６の同義語辞書１４を用いて同義語検索すると、“書籍”タグに対しては“本”グループのＩＤ（ＩＤ：１）が、“金”タグに対しては“金銭”グループのＩＤ（ＩＤ：３）及び“金”グループのＩＤ（ＩＤ：５）が、そして“標題”タグに対しては“標題”グループのＩＤ（ＩＤ：７）が、それぞれ取得される。このように、“金”タグについては、複数のグループＩＤが取得される。そこで、ユーザに「どちらのグループに所属するか」が問い合わされる。ここでは、ユーザから「”金”タグは“金銭”グループ（ＩＤ：３）に所属する」と指定された場合を想定している。この場合、“／書籍／金／標題”内の、書籍”タグ、“金”タグ及び“標題”タグは、それぞれ“本”グループの同義語グループＩＤ（ＩＤ：１）、“金銭”グループの同義語グループＩＤ（ＩＤ：３）及び“標題”グループの同義語グループＩＤ（ＩＤ：７）にそれぞれ置き換えられる。つまり、これらの同義語グループＩＤを利用して、XPath式“／書籍／金／標題”から、新たなＸＰａｔｈ式“／ＩＤ：１／ＩＤ：３／ＩＤ：７”が生成される。この新たなＸＰａｔｈ式と図７の同義語構造テンプレート管理ブロック１５２とを利用した検索の実行により、テンプレートＩＤ：３が割り当てられた同義語構造テンプレートがマッチすることを確認できる。そこでファイル入出力部１３２は、このテンプレートＩＤ：３を用いて、図３の構造インデックス管理ブロック１５１内の構造ポスティングエリア１５１ｂを検索し、対応する構造ポスティングエリア１５１ｂの情報、即ち（ページ番号＝１，ページ内位置＝３）及び（ページ番号＝１，ページ内位置＝５）を取得する。ファイル入出力部１３２は、この情報をもとに、実際のデータにアクセスすることにより、図２（ａ）のＸＭＬ文書４１に含まれている
＜タイトル＞効率的な資産運用＜／タイトル＞
＜タイトル＞解説！外国為替レート＜／タイトル＞
の２件を検索結果として取得する。この検索結果は、要求処理部１１によってクライアント端末３０に返されて、当該クライアント端末３０に表示される。なお、上述した“／書籍／金／標題”のＸＰａｔｈで通常の検索を行うと、検索件数は０件となる。

このように本実施形態においては、構造テンプレート管理ブロック１５１ａ内の構造テンプレート及びＸＰａｔｈ式（第１の構造指定情報）から、同義語辞書１４を利用して、当該構造テンプレート及びＸＰａｔｈ式に含まれているタグ（タグ表記）が対応する同義語グループＩＤに置き換えられた、同義語構造テンプレート及び新たなＸＰａｔｈ式（第２の構造指定情報）がそれぞれ生成される。そして、生成された同義語構造テンプレートを含む同義語構造テンプレート管理ブロック１５２と生成されたＸＰａｔｈ式とを用いて検索が実施される。これにより、タグの同義語を対象としたＸＰａｔｈ検索ができるので、文書毎に異なるタグ名の揺らぎを吸収することができる。また、複数の同義語グループに所属するタグが構造テンプレート、或いはＸＰａｔｈ式内に存在する場合に、どの同義語グループを利用するかをユーザに選択させることで、無駄なヒットを少なくし効率的に結果を取得することができる。

＜変形例＞
上記実施形態では、ＸＰａｔｈ式内のすべてのタグが、当該タグの同義語を対象としたＸＰａｔｈ検索の対象となる場合を前提としている。そこで、ＸＰａｔｈ検索時に、同義語を利用して検索したいタグをユーザから指定可能とした、上記実施形態の変形例について説明する。ここでは、データベース１５内には、上記図４のフローチャートに従って生成された同義語構造テンプレートを含む図７の同義語構造テンプレート管理ブロック１５２が格納されているものとする。

以下、図７の同義語構造テンプレート管理ブロック１５２を利用して行われる、ユーザにより指定されたタグの同義語を対象とした検索処理について、図９のフローチャートを参照して説明する。

まず、クライアント端末３０から構造化文書検索装置１０に対し、ネットワーク２０を介してタグの同義語も検索対象としたＸＰａｔｈ検索要求が送られたものとする（ステップＳ２１）。このＸＰａｔｈ検索要求は、検索条件として指定するＸＰａｔｈ式内に同義語検索されるべきタグを指定する手段を含む。例えば、“／ｂｉｂ／ｂｏｏｋ／ｌｉｂｒａｒｙ”というＸＰａｔｈh式のうち、“ｂｏｏｋ”タグだけ同義語検索したい場合には、“／ｂｉｂ／ｓｙｎｏｎｙｍ（ｂｏｏｋ）／ｌｉｂｒａｒｙ”というように、同義語検索を行う旨をＸＰａｔｈ内に指定する、ＸＰａｔｈ式内での指定の他に、同義語検索されるべきタグを別のパラメータで渡すことによっても、同義語検索されるべきタグを指定可能である。

構造化文書検索装置１０内の同義語ハンドリング部１３１は、上記実施形態と同様に、要求処理部１１によって検索要求として受け付けられたXPath式内のすべてのタグを同義語グループＩＤに変換（置換）する（ステップＳ２２）。このステップＳ２２の処理は、図７のフローチャートのステップＳ１２乃至Ｓ１７と同様の処理手順によって実現される。次に同義語ハンドリング部１３１は、上記実施形態と同様に同義語構造テンプレート検索手段として機能して、ＸＰａｔｈ（第１の構造指定情報）内のタグが同義語グループＩＤに置き換えられた新たな検索条件（第２の構造指定情報）で、同義語構造テンプレート管理ブロック１５２の中から同義語構造テンプレートを検索して該当するテンプレートＩＤ（つまり、検索条件にマッチした同義語構造テンプレートに関連付けられたテンプレートＩＤ）を取得する（ステップＳ２３）。

すると同義語ハンドリング部１３１は、ユーザによって指定されたタグについてのみ同義語検索を行う処理に入る。まず、同義語ハンドリング部１３１は、ステップＳ２３で取得されたテンプレートＩＤを１つ取り出し、そのテンプレートＩＤが割り当てられている構造テンプレートを図３の構造インデックス管理ブロック１５１から取得する（ステップＳ２４）。

次に同義語ハンドリング部１３１は、クライアント端末３０からの検索要求で指定された検索条件（つまり、元の検索条件）のうちの、同義語検索されるべきタグを除く文書構造部分（つまり、同義語検索対象となっていない文書構造部分）と、取得された構造テンプレート中の対応する文書構造部分とが一致するかどうかのチェックを行う（ステップＳ２５）。もし、元の検索条件中の同義語検索対象となっていない構造部分と構造テンプレート中の対応する構造部分とが一致しているならば（ステップＳ２６）、同義語ハンドリング部１３１は、その構造テンプレートは検索結果に該当するものと判断する。この場合、同義語ハンドリング部１３１は、その構造テンプレートを、検索条件にマッチした構造であるとして、そのＩＤ（テンプレートＩＤ）を保存する（ステップＳ２７）。一方、同義語検索対象となっていないタグが１つでも不一致の場合には、同義語ハンドリング部１３１は、その構造テンプレートは検索結果に該当するものではないと判断する。この場合、同義語ハンドリング部１３１は、該当する構造テンプレートを捨てる。そして、未処理のテンプレートＩＤが存在するならば（ステップＳ２８）、同義語ハンドリング部１３１は次のテンプレートＩＤへと処理を移す（ステップＳ２４）。

このようにして同義語ハンドリング部１３１は、ステップＳ２４から始まる処理を、ステップＳ２３で取得したすべてのテンプレートＩＤについて繰り返す。そして、すべてのテンプレートＩＤのチェックを終えたならば（ステップＳ２８）、その時点で保存されているすべてのテンプレートＩＤを用いて、データベース１５からデータを取得する（ステップＳ２９）。

次に、上述した指定されたタグの同義語を対象とした検索処理の具体例について説明する。ここでは、“／マガジン／マネー／標題”のXPathに対して、“標題”のみを同義語検索の対象として指定したXPath検索要求がクライアント端末３０から構造化文書検索装置１０に出された場合を想定している。また、この検索に、図６の同義語辞書１４と図７の同義語構造テンプレート管理ブロック１５２とを利用するものとする。更に、同義語検索の対象となるタグの指定方法に、上述のＸＰａｔｈ内のタグに対して直接指定する方法が適用されるものとする。この場合、“／マガジン／マネー／標題”のＸＰａｔｈに代えて、“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”で表されるＸＰａｔｈが用いられる。

まず、“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”は“マガジン”タグ、“マネー”タグ及び“標題”タグからなる。この“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”内の各タグについて同義語検索すると、“マガジン”タグに対しては“雑誌”グループのＩＤ（ＩＤ：２）が、、“マネー”タグに対しては“金銭”グループのＩＤ（ＩＤ：３）が、そして“標題”タグに対しては“標題”グループのＩＤ（ＩＤ：７）が、それぞれ取得される。この場合、“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”内の、“マガジン”タグ、“マネー”タグ及び“標題”タグは、それぞれ“雑誌”グループの同義語グループＩＤ（ＩＤ：２）、“金銭”グループの同義語グループＩＤ（ＩＤ：３）及び“標題”グループの同義語グループＩＤ（ＩＤ：７）に置き換えられる。つまり、同義語検索で取得された同義語グループＩＤを利用して、XPath式“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”から、新たな検索条件“／ＩＤ：２／ＩＤ：３／ＩＤ：７”が生成される。そして、この新たな検索条件“／ＩＤ：２／ＩＤ：３／ＩＤ：７”を利用して、以下の検索処理が行われる。

まず、図７の同義語構造テンプレート管理ブロック１５２を対象に、“／ＩＤ：２／ＩＤ：３／ＩＤ：７”で同義語構造テンプレートが検索される。この例では、テンプレートＩＤ：７が割り当てられた同義語構造テンプレートと、テンプレートＩＤ：１６が割り当てられた同義語構造テンプレートとが、それぞれ“／ＩＤ：２／ＩＤ：３／ＩＤ：７”にヒットする。そこで同義語ハンドリング部１３１は、テンプレートＩＤ：７及びＩＤ：１６が同義語検索で一致（マッチ）したことを保存する。

次に同義語ハンドリング部１３１は、図３の構造インデックス管理ブロック１５１から、テンプレートＩＤ：７の構造（構造テンプレート）を取得する。テンプレートＩＤ：７の構造は、“／雑誌／お金／題名”である。この場合、同義語ハンドリング部１３１は、“／雑誌／お金／題名”が、変換前のXPathである“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”内の３つのタグのうち、同義語検索が指定されていない“マガジン”、“マネー”の２つのタグとは一致（マッチ）しないことを確認する。したがって、テンプレートＩＤ：７の構造は捨てられる。続いて同義語ハンドリング部１３１は、図３の構造インデックス管理ブロック１５１から、テンプレートＩＤ：１６の構造を取得する。テンプレートＩＤ：１６の構造は、“／マガジン／マネー／タイトル”である。この場合、同義語ハンドリング部１３１は、“／マガジン／マネー／タイトル”が、変換前のＸＰａｔｈ中で同義語検索指定されていない“マガジン”、“マネー”の２つのタグとマッチすることを確認する。そこで同義語ハンドリング部１３１は、このテンプレートＩＤ：１６を用いて、構造インデックス管理ブロック１５１内の構造ポスティングエリア１５１ｂを検索し、当該エリア１５１ｂの情報をもとに、実際のデータにアクセスする。その結果、図２（ｄ）のＸＭＬ文書４４に含まれている
＜タイトル＞株入門＜／タイトル＞
の１件が検索結果として取得される。なお、“／マガジン／マネー／ｓｙｎｏｎｙｍ（標題）”のＸＰａｔｈで通常の検索を行うと、検索件数は０件となる。

このように上記実施形態の変形例においては、ＸＰａｔｈ検索時に同義語を利用して検索したいタグを指定可能とすることで、上記実施形態よりも効率的な検索が可能となる。

上記実施形態では、構造化文書検索装置１０内に同義語辞書１４及びデータベース１５が設けられている。しかし、同義語辞書１４及びデータベース１５を構造化文書検索装置１０から独立させて、例えばネットワークを介して構造化文書検索装置１０内の格納処理部１２及び検索処理部１３からアクセス可能な構成とすることも可能である。この場合、同義語辞書１４及びデータベース１５を、複数の構造化文書検索装置１０で共有することも可能である。

なお、本発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。

本発明の一実施形態に係る構造化文書検索システムの構成を示すブロック図。 図１中のデータベース１５に格納される４つのＸＭＬ文書４１乃至４４の例を示す図。 図２のＸＭＬ文書４１乃至４４に対応した構造インデックス管理ブロック１５１内の構造テンプレート管理ブロック１５１ａ及び構造ポスティングエリア１５１ｂのデータ構造例を示す図。 同実施形態における同義語構造テンプレート生成処理の手順を示すフローチャート。 同義語構造テンプレート生成処理の対象を説明するための図。 図１中の同義語辞書１４の一例を示す図。 同義語構造テンプレート管理ブロック１５２の一例を示す図。 同実施形態におけるタグの同義語を対象とした検索処理の手順を示すフローチャート。 同実施形態の変形例における指定されたタグの同義語を対象とした検索処理の手順を示すフローチャート。

符号の説明

１０…構造化文書検索装置、１１…要求処理部、１２…格納処理部、１３…検索処理部、１４…同義語辞書、１５…データベース、２０…ネットワーク、３０…構造化文書検索クライアント端末、４１〜４４…ＸＭＬ文書、１５１…構造インデックス管理ブロック、１５１ａ…構造テンプレート管理ブロック、１５１ｂ…構造ポスティングエリア、１５２…同義語構造テンプレート管理ブロック。

Claims (7)

1. クライアント端末から与えられる、タグを含む任意の文書構造部分を指定する第１の構造指定情報を利用した検索要求に応じて、構造化文書が格納されたデータベースから対応する構造化文書中の文書構造部分を検索する構造化文書検索装置において、
   タグ構造の雛形とこの雛形を示すＩＤとから成る複数の構造テンプレートを記憶する構造テンプレート記憶手段と、
   タグの同義語をグループ化した同義語グループ毎に、この同義語グループに固有の同義語グループＩＤとこの同義語グループに所属するタグの表記とを記憶する同義語辞書と、
   前記同義語辞書を参照して、前記第１の構造指定情報に含まれるタグについて、当該タグが所属する同義語グループの同義語グループＩＤを検索する検索処理用同義語検索手段と、
   前記検索処理用同義語検索手段の検索結果に基づいて、前記第１の構造指定情報に含まれるタグが対応する同義語グループの同義語グループＩＤに置き換えられた第２の構造指定情報を生成する構造指定情報生成手段と、
   前記構造テンプレート記憶手段が記憶する各構造テンプレートに含まれるタグを、当該タグが所属する同義語グループの同義語グループＩＤに置き換えられた同義語構造テンプレートを記憶する同義語構造テンプレート記憶手段と、
   前記同義語構造テンプレート記憶手段を参照して、前記第２の構造指定情報と一致する同義語構造テンプレートを検索する同義語構造テンプレート検索手段と、
   前記同義語構造テンプレート検索手段によって検索された同義語構造テンプレートに対応する構造テンプレートで示される構造化文書中の文書構造部分を前記データベースから取得する取得手段と
   を具備することを特徴とする構造化文書検索装置。
2. 前記検索処理用同義語検索手段によって、１つのタグにつき複数の同義語グループＩＤが検索された場合、前記クライアント端末のユーザに対して、当該複数の同義語グループＩＤで示される同義語グループの中から当該タグを処理すべき同義語グループを選択させる問い合わせを行う問い合わせ手段を更に具備し、
   前記構造指定情報生成手段は、前記複数の同義語グループＩＤに対応する、前記第１の構造指定情報に含まれるタグを、ユーザによって選択された同義語グループの同義語グループＩＤに置き換える
   ことを特徴とする請求項１記載の構造化文書検索装置。
3. 前記クライアント端末からの要求に従う前記データベースへの構造化文書の格納処理または前記データベース内の構造化文書の更新処理に応じて、前記構造テンプレート記憶手段に存在しない新たな文書構造部分に対応する構造テンプレートが当該構造テンプレート記憶手段に追加された場合、当該追加された構造テンプレートに含まれているタグについて、前記同義語辞書から、当該タグが所属する同義語グループに固有の同義語グループＩＤを検索する格納処理用同義語検索手段と、
   前記格納処理用同義語検索手段の検索結果に基づいて、前記追加された構造テンプレートに含まれるタグが対応する同義語グループの同義語グループＩＤに置き換えられた同義語構造テンプレートを生成する同義語構造テンプレート生成手段と、
   前記同義語構造テンプレート生成手段によって生成された同義語構造テンプレートを前記同義語構造テンプレート記憶手段に追加する同義語構造テンプレート追加手段と
   を更に具備することを特徴とする請求項１記載の構造化文書検索装置。
4. 前記格納処理用同義語検索手段によって、１つのタグにつき複数の同義語グループＩＤが検索された場合、前記クライアント端末のユーザに対して、当該複数の同義語グループＩＤで示される同義語グループの中から当該タグを処理すべき同義語グループを選択させる問い合わせを行う問い合わせ手段を更に具備し、
   前記同義語構造テンプレート生成手段は、前記複数の同義語グループＩＤに対応する前記構造テンプレートに含まれるタグをユーザによって選択された同義語グループの同義語グループＩＤに置き換える
   ことを特徴とする請求項３記載の構造化文書検索装置。
5. 前記第１の構造指定情報に含まれているタグのうち同義語検索されるべきタグが前記検索要求によって個別に指定されている場合、前記同義語構造テンプレート検索手段によって検索された同義語構造テンプレート毎に、前記第１の構造指定情報中の同義語検索されるべきタグを除く文書構造部分と当該同義語構造テンプレートに対応する構造テンプレートのうちの該当する文書構造部分とが一致するかを判定する判定手段を更に具備し、
   前記取得手段は、前記判定手段によって一致していると判定された構造テンプレートで示される、構造化文書中の文書構造部分のみを、前記データベースから取得する
   ことを特徴とする請求項１記載の構造化文書検索装置。
6. 検索処理用同義語検索手段、構造指定情報生成手段、同義語構造テンプレート追加手段、同義語構造テンプレート検索手段、及び取得手段を備えた構造化文書検索装置において、クライアント端末から与えられる、タグを含む任意の文書構造部分を指定する第１の構造指定情報を利用した検索要求に応じて、構造化文書が格納されたデータベースから対応する構造化文書中の文書構造部分を検索するための構造化文書検索方法であって、
   タグの同義語をグループ化した同義語グループ毎に、この同義語グループに固有の同義語グループＩＤとこの同義語グループに所属するタグの表記とを記憶する、前記構造化文書検索装置が備える同義語辞書を、前記検索処理用同義語検索手段が参照して、前記第１の構造指定情報に含まれるタグについて、当該タグが所属する同義語グループの同義語グループＩＤを検索する検索処理用同義語検索ステップと、
   前記検索処理用同義語検索ステップの検索結果に基づいて、前記構造指定情報生成手段が、前記第１の構造指定情報に含まれるタグが対応する同義語グループの同義語グループＩＤに置き換えられた第２の構造指定情報を生成する構造指定情報生成ステップと、
   前記構造化文書検索装置が備える構造テンプレート記憶手段に記憶されたタグ構造の雛形とこの雛形を示すＩＤとから成る複数の構造テンプレートの各々に含まれるタグを、当該タグが所属する同義語グループの同義語グループＩＤに置き換えられた同義語構造テンプレートとして、前記同義語構造テンプレート追加手段が前記構造化文書検索装置が備える同義語構造テンプレート記憶手段に追加する同義語構造テンプレート追加ステップと、
   前記同義語構造テンプレート記憶手段に記憶されている同義語構造テンプレートを前記同義語構造テンプレート検索手段が参照して、前記第２の構造指定情報と一致する同義語構造テンプレートを検索する同義語構造テンプレート検索ステップと、
   前記検索された同義語構造テンプレートに対応する構造テンプレートで示される構造化文書中の文書構造部分を前記取得手段が前記データベースから取得する取得ステップと
   を具備することを特徴とする構造化文書検索方法。
7. 前記第１の構造指定情報に含まれているタグのうち同義語検索されるべきタグが前記検索要求によって個別に指定されている場合、前記同義語構造テンプレート検索ステップで検索された同義語構造テンプレート毎に、前記第１の構造指定情報中の同義語検索されるべきタグを除く文書構造部分と当該同義語構造テンプレートに対応する構造テンプレートのうちの該当する文書構造部分とが一致するかを、前記構造化文書検索装置が備える判定手段が判定する判定ステップを更に具備し、
   前記取得ステップでは、前記判定ステップで一致していると判定された構造テンプレートで示される、構造化文書中の文書構造部分のみを、前記取得手段が前記データベースから取得する
   ことを特徴とする請求項６記載の構造化文書検索方法。

Images