JP3068397B2 - 文書管理装置 - Google Patents
文書管理装置Info
- Publication number
- JP3068397B2 JP3068397B2 JP5330306A JP33030693A JP3068397B2 JP 3068397 B2 JP3068397 B2 JP 3068397B2 JP 5330306 A JP5330306 A JP 5330306A JP 33030693 A JP33030693 A JP 33030693A JP 3068397 B2 JP3068397 B2 JP 3068397B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- distance
- frequency
- documents
- search
- 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.)
- Expired - Fee Related
Links
- 239000013598 vector Substances 0.000 description 13
- 238000007726 management method Methods 0.000 description 7
- 150000001875 compounds Chemical class 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、計算機装置における文
書管理、検索のための文書分類・文書照合を行なう文書
管理法に関する。
書管理、検索のための文書分類・文書照合を行なう文書
管理法に関する。
【０００２】
【従来の技術】従来の文書管理装置では、文書内の単語
や文書に付与されたキーワードの存在ベクトルによっ
て、文書間の距離を算定していた。しかし、キーワード
の特定法の問題や単語の語切りの曖昧性があるため、こ
れらの頻度やベクトルは文書自身を特定するのに不十分
であった。例えば、特開昭６３−３１２１０７号公報に
記載されている文書分類装置では、キーワードの出現頻
度を用いてデータベース中でのキーワードの自己情報量
を求め、その情報量を元に各文書の特徴量を求め更に文
書間の距離を計算している。しかし、キーワードの選択
法により、あるテキストについてはそのテキストを特定
するのに充分なキーワードがない可能性もあり、重要語
彙として複合語等がある場合は複合語をキーワードとす
るかその複合語を構成する各々の語をキーワードとする
かによって、文書の位置付けが変化してしまうという問
題点がある。
や文書に付与されたキーワードの存在ベクトルによっ
て、文書間の距離を算定していた。しかし、キーワード
の特定法の問題や単語の語切りの曖昧性があるため、こ
れらの頻度やベクトルは文書自身を特定するのに不十分
であった。例えば、特開昭６３−３１２１０７号公報に
記載されている文書分類装置では、キーワードの出現頻
度を用いてデータベース中でのキーワードの自己情報量
を求め、その情報量を元に各文書の特徴量を求め更に文
書間の距離を計算している。しかし、キーワードの選択
法により、あるテキストについてはそのテキストを特定
するのに充分なキーワードがない可能性もあり、重要語
彙として複合語等がある場合は複合語をキーワードとす
るかその複合語を構成する各々の語をキーワードとする
かによって、文書の位置付けが変化してしまうという問
題点がある。
【０００３】
【発明が解決しようとする課題】この従来の文書管理装
置では、文書を検索／分類するための文書間の距離を、
各文書内のキーワードを元に計算しており、文書の特徴
を捉えるのに、キーワードの選択法により捉え方が変化
するという問題点があり、キーワードの選択が困難なた
め、全文書を均等に捉えられないという問題点があっ
た。また、文書が新たに入力された場合も、それまでの
文書を分類するために用意していたキーワードでその文
書が充分特徴付けられるとは限らず、もし新たにキーワ
ードを追加した場合は、そのキーワードの抽出および距
離計算を全文書に対して実行しなけらばならない等の問
題がある。
置では、文書を検索／分類するための文書間の距離を、
各文書内のキーワードを元に計算しており、文書の特徴
を捉えるのに、キーワードの選択法により捉え方が変化
するという問題点があり、キーワードの選択が困難なた
め、全文書を均等に捉えられないという問題点があっ
た。また、文書が新たに入力された場合も、それまでの
文書を分類するために用意していたキーワードでその文
書が充分特徴付けられるとは限らず、もし新たにキーワ
ードを追加した場合は、そのキーワードの抽出および距
離計算を全文書に対して実行しなけらばならない等の問
題がある。
【０００４】
【課題を解決するための手段】本発明の文書管理装置
は、文書を検索するための文書検索手段や文書を分類整
理する文書分類手段および文書を保存するための文書保
存装置を備えた文書管理装置において、 個々の文書の
全出現文字の出現頻度を計算する文字出現頻度計算手段
と、前記文字出現頻度計算手段で計算された各文書の特
徴を表す出現頻度を元に前記文書検索手段や前記文書分
類手段によって指定された文書と前記文書保存装置内の
文書との距離を計算しその距離を文書検索や文書分類に
利用させるため前記文書検索装置や前記文書分類手段へ
伝える文書間距離計算手段とを有することを特徴とす
る。
は、文書を検索するための文書検索手段や文書を分類整
理する文書分類手段および文書を保存するための文書保
存装置を備えた文書管理装置において、 個々の文書の
全出現文字の出現頻度を計算する文字出現頻度計算手段
と、前記文字出現頻度計算手段で計算された各文書の特
徴を表す出現頻度を元に前記文書検索手段や前記文書分
類手段によって指定された文書と前記文書保存装置内の
文書との距離を計算しその距離を文書検索や文書分類に
利用させるため前記文書検索装置や前記文書分類手段へ
伝える文書間距離計算手段とを有することを特徴とす
る。
【０００５】
【作用】本発明では、テキスト中の全出現文字の出現頻
度ベクトルやその分布曲線をテキストのインデクスとし
てテキスト間の距離を定義することで、全文書を均等に
特徴付け、文書を他文書と弁別することを可能としてい
る。また、出現頻度ベクトルやその分布曲線上に定義さ
れる加法演算を用いることにより、インデクスの合成が
可能なテキストのインデクスとしてテキスト間の距離を
定義できる。
度ベクトルやその分布曲線をテキストのインデクスとし
てテキスト間の距離を定義することで、全文書を均等に
特徴付け、文書を他文書と弁別することを可能としてい
る。また、出現頻度ベクトルやその分布曲線上に定義さ
れる加法演算を用いることにより、インデクスの合成が
可能なテキストのインデクスとしてテキスト間の距離を
定義できる。
【０００６】
【実施例】次に、本発明について図面を参照して説明す
る。図１は本発明の一実施例を示すブロック図である。
図１を参照すると、本発明の実施例は、文書を検索する
ための文書検索手段１や文書を分類整理する文書分類手
段２および文書を保存するための文書保存装置５を備え
た文書管理装置において、文書内の全出現文字の出現頻
度を計算する文字出現頻度計算手段４と、前記文字出現
頻度計算手段４で計算された各文書の特徴を表す頻度情
報を元に前記文書検索手段１や前記文書分類手段２によ
って要求された前記文書保存装置５内の全文書間の距離
を計算しその距離を文書検索や文書分類に利用させるた
め前記文書検索装置１や前記文書分類手段２へ伝える文
書間距離計算手段３とから構成される。
る。図１は本発明の一実施例を示すブロック図である。
図１を参照すると、本発明の実施例は、文書を検索する
ための文書検索手段１や文書を分類整理する文書分類手
段２および文書を保存するための文書保存装置５を備え
た文書管理装置において、文書内の全出現文字の出現頻
度を計算する文字出現頻度計算手段４と、前記文字出現
頻度計算手段４で計算された各文書の特徴を表す頻度情
報を元に前記文書検索手段１や前記文書分類手段２によ
って要求された前記文書保存装置５内の全文書間の距離
を計算しその距離を文書検索や文書分類に利用させるた
め前記文書検索装置１や前記文書分類手段２へ伝える文
書間距離計算手段３とから構成される。
【０００７】文書検索手段１や文書分類手段２に対し、
文書の検索／分類の要求が入力された際に、これらの手
段は文書の特徴量（文字の出現頻度）を文字頻度計算手
段４に要求する。文字頻度計算手段４は、文書保存装置
５より文書を取り出し、文書中の文字の出現回数（頻
度）を縦軸にして、これを頻度ベクトルとして保持する
か、ｎ次の多項式の連続関数として保持する。この出現
頻度を元に、文書間距離計算手段３は文書の照合をこの
ベクトルの形の近さとして定義する（最小二乗距離でも
良い）。最小二乗距離としての文字の出現頻度でベクト
ルを定義した場合、その距離は以下の式となる。
文書の検索／分類の要求が入力された際に、これらの手
段は文書の特徴量（文字の出現頻度）を文字頻度計算手
段４に要求する。文字頻度計算手段４は、文書保存装置
５より文書を取り出し、文書中の文字の出現回数（頻
度）を縦軸にして、これを頻度ベクトルとして保持する
か、ｎ次の多項式の連続関数として保持する。この出現
頻度を元に、文書間距離計算手段３は文書の照合をこの
ベクトルの形の近さとして定義する（最小二乗距離でも
良い）。最小二乗距離としての文字の出現頻度でベクト
ルを定義した場合、その距離は以下の式となる。
【０００８】
【０００９】また、文書Ａと文書Ｂの頻度ベクトルを文
書長に関してその出現頻度補正や正規化を行って足した
頻度ベクトルは文書Ａの内容と文書Ｂの内容を含む文書
Ｘの頻度ベクトルになるとかんがえ、その文書Ｘに関連
するテキストを加法合成された頻度ベクトルＮａｂを使
って照合する。
書長に関してその出現頻度補正や正規化を行って足した
頻度ベクトルは文書Ａの内容と文書Ｂの内容を含む文書
Ｘの頻度ベクトルになるとかんがえ、その文書Ｘに関連
するテキストを加法合成された頻度ベクトルＮａｂを使
って照合する。
【００１０】
【００１１】これらの文書間距離を用いて、文書検索手
段１は文書検索を行ない、文書分類手段２は文書分類を
行ない、その結果を出力する。
段１は文書検索を行ない、文書分類手段２は文書分類を
行ない、その結果を出力する。
【００１２】
【発明の効果】本発明では、テキスト中の出現文字の出
現頻度ベクトルやその分布曲線をテキストのインデクス
としてテキスト間の距離を定義することで、全文書を均
等に特徴付け、文書を他文書と弁別することが可能とな
っている。また、出現頻度ベクトルやその分布曲線上に
定義される加法演算を文書距離に適用することにより、
インデクスの合成が可能なテキストのインデクスとして
テキスト間の距離が定義されている。
現頻度ベクトルやその分布曲線をテキストのインデクス
としてテキスト間の距離を定義することで、全文書を均
等に特徴付け、文書を他文書と弁別することが可能とな
っている。また、出現頻度ベクトルやその分布曲線上に
定義される加法演算を文書距離に適用することにより、
インデクスの合成が可能なテキストのインデクスとして
テキスト間の距離が定義されている。
【図１】本発明の一実施例を示すブロック図である。
１ 文書検索手段 ２ 文書分類手段 ３ 文書間距離計算手段 ４ 文字出現頻度計算手段 ５ 文書保存装置
フロントページの続き (56)参考文献 特開 平２−158871（ＪＰ，Ａ) 特開 平５−54037（ＪＰ，Ａ) 特開 平３−48367（ＪＰ，Ａ) 特開 平４−239965（ＪＰ，Ａ)
Claims (1)
- 【請求項１】文書を検索するための文書検索手段や文書
を分類整理する文書分類手段および文書を保存するため
の文書保存装置を備えた文書管理装置において、 個々の文書の全出現文字の出現頻度を計算する文字出現
頻度計算手段と、 前記文字出現頻度計算手段で計算された各文書の特徴を
表す出現頻度を元に前記文書検索手段や前記文書分類手
段によって指定された文書と前記文書保存装置内の文書
との距離を計算しその距離を文書検索や文書分類に利用
させるため前記文書検索装置や前記文書分類手段へ伝え
る文書間距離計算手段とを有することを特徴とする文書
管理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5330306A JP3068397B2 (ja) | 1993-12-27 | 1993-12-27 | 文書管理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5330306A JP3068397B2 (ja) | 1993-12-27 | 1993-12-27 | 文書管理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07192002A JPH07192002A (ja) | 1995-07-28 |
| JP3068397B2 true JP3068397B2 (ja) | 2000-07-24 |
Family
ID=18231168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5330306A Expired - Fee Related JP3068397B2 (ja) | 1993-12-27 | 1993-12-27 | 文書管理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3068397B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3582297B2 (ja) * | 1997-05-09 | 2004-10-27 | 日本電信電話株式会社 | 文書分類方法及び装置及び文書分類プログラムを格納した記憶媒体 |
| JP2002222083A (ja) | 2001-01-29 | 2002-08-09 | Fujitsu Ltd | 事例蓄積装置および方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0554037A (ja) * | 1991-08-28 | 1993-03-05 | Fujitsu Ltd | 文書分類方式 |
-
1993
- 1993-12-27 JP JP5330306A patent/JP3068397B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07192002A (ja) | 1995-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5544049A (en) | Method for performing a search of a plurality of documents for similarity to a plurality of query words | |
| US6862602B2 (en) | System and method for rapidly identifying the existence and location of an item in a file | |
| US6212525B1 (en) | Hash-based system and method with primary and secondary hash functions for rapidly identifying the existence and location of an item in a file | |
| US6826576B2 (en) | Very-large-scale automatic categorizer for web content | |
| JP3132738B2 (ja) | テキスト検索方法 | |
| US8626492B1 (en) | Semantic unit recognition | |
| US5812998A (en) | Similarity searching of sub-structured databases | |
| KR20010015368A (ko) | 정보 검색 방법과 정보 검색 장치 | |
| JP2003167914A (ja) | マルチメディア情報検索方法、プログラム、記録媒体及びシステム | |
| JP2669601B2 (ja) | 情報検索方法及びシステム | |
| JPH11102377A (ja) | データベースからドキュメントを検索する方法および装置 | |
| JP3829506B2 (ja) | 文書分類方法および文書分類装置ならびに文書分類処理プログラムを記録した記録媒体 | |
| JP2000222418A (ja) | データベース検索方法および装置 | |
| JP3068397B2 (ja) | 文書管理装置 | |
| JPH08314966A (ja) | 文書検索装置のインデックス作成方法及び文書検索装置 | |
| JP3081093B2 (ja) | 索引作成方法およびその装置と文書検索装置 | |
| JP4426893B2 (ja) | 文書検索方法、文書検索プログラムおよびこれを実行する文書検索装置 | |
| JP3772401B2 (ja) | 文書分類装置 | |
| JP3288063B2 (ja) | 可変長データの格納および参照システム | |
| JP3902825B2 (ja) | 文書検索システムおよび方法 | |
| JP2993539B2 (ja) | データベース検索システムおよびその方法 | |
| JPH10232871A (ja) | 検索装置 | |
| JP3019286B2 (ja) | 文書検索装置 | |
| EP0592402B1 (en) | A text management system | |
| JPH09160908A (ja) | 文書処理装置及びその方法、記憶媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |