JP3573471B2 - 全文デ−タベ−ス検索方法 - Google Patents

Description

【０００１】
【産業上の利用分野】
本発明は、予め人手によるキーワードの作成を必要とせずに文章に含まれる全ての単語を検索対象とすることが可能である全文データベース検索方法、特に論理的構造をもった文書データをデ−タベ−スとして格納し検索するデータベース検索方法に関する。
【０００２】
【従来の技術】
従来の文書検索方式では、キーワード作成に必要とする工数およびキーワードの付け方が悪かったことによるヒット漏れの問題を解決する方法として、文献全文を検索対象とする全文デーベース検索方式が用いられている。しかし、この全文データベース検索方式では全文書が検索範囲となり、無駄なヒットが生じる。この問題を解決する手段として、文書の論理構造を指定して検索要求を行ない、検索効率を上げる方法が用いられている。このような検索を行う検索方式として、文書を何らかの方法で分解し蓄積して、検索処理を行うものがある。このような検索方式の公知例として、例えば、特開平０１−１８９７２１号公報、特開平０１−１８９７２２号公報では、文書を予め設定された複数の軸により整理して文書を格納し、検索時にはそれらの軸により検索を指定する方式がある。しかし、この手法では文書構造を指定した検索処理は行えない。また、特開平０３−６２１６９号公報では、文書を画像、図形、テキストの情報に分離し各メディアごとにデ−タの構造を自動的に抽出し分解し、マルチメディアファイルとして格納し検索を行う。
【０００３】
【発明が解決しようとする課題】
上記従来技術では、文書の分解を画像、図形、テキストなどのメディアごとに、行い、マルチメディア情報としてデ−タベ−スに格納するために、画像、図形に対する検索要求を実行することが可能である反面、専用のマルチメディアデ−タベ−ス管理システムを開発する必要がある。
【０００４】
本発明の目的は、論理的構造をもった文書をその構成要素単位に分解し、汎用のリレーショナルデータベースに格納することにより、デ−タベ−ス利用者が認識している文書構造と検索システムが認識しているデ−タ構造を一致させ、その文書構造情報を含む検索要求をリレーショナルデータベース検索用の記述言語で記載することにより、文書の構造情報を含む検索要求文の指定による検索結果の表示を可能とする全文デ−タベ−ス検索方法を提供することにある。
【０００５】
【課題を解決するための手段】
本発明は、文書の構成要素単位で文書を分解して、文書の論理的構造を示す構造情報と、この構成要素を識別するための構成要素識別子例えばタグと、この構成要素識別子に続くテキスト情報とを含むデ−タベ−スを作成するデ−タベ−ス作成ステップと、入力された構成要素識別子を含む検索要求文をデ−タベ−ス検索用の言語記述に変換する検索要求文生成ステップと、検索要求文生成ステップにより生成される検索要求文に基づいてデータベースを検索するステップと、得られた検索結果を構成要素識別子とこれに続くテキスト情報の形式に変換する検索結果編成ステップと、この検索結果を表示する表示ステップとを設ける。
【０００６】
【作用】
論理的構造をもった文章の全文データベース検索処理において、デ−タベ−ス作成ステップでは入力される原文書を分割し、文書の構造情報と、その構成要素を識別するための構成要素識別子と、構成要素識別子に続くテキストとを含むデ−タベ−スを作成し、検索要求文生成ステップでは検索処理の際に指定される検索要求文を文書の論理的構造とデ−タベ−ス構造の対応関係をもとにデ−タベ−ス検索用の言語記述に変換し、検索結果編成ステップでは検索処理の結果得られる文書デ−タをそのＩＤ、順序番号をもとにソ−トして結合することにより文書の構造情報を含む言語記述に変換し、表示ステップでは表示装置に検索結果を表示することにより、文書の構造情報を含む検索要求文の指定と、検索結果の表示を可能とする。
【０００７】
【実施例】
以下、本発明の一実施例について図面を用いて説明する。
【０００８】
図１は本発明の一実施例のシステム構成図である。本実施例では、原文書はＳＧＭＬで記載され、デ−タベ−ス管理システムとのインタ−フェ−スにはＳＱＬを用いるものとする。ＳＧＭＬ（Ｓｔａｎｄａｒｄ Ｇｅｎｅｒａｌｉｚｅｄ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）とは、ＩＳＯ（国際標準機構）で定められた規格で、文書を構造化することを可能とする汎用組版指示言語である。ＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）はリレ−ショナルデ−タベ−スの標準処理言語である。ＳＧＭＬを用いた文書の構造の表現にはタグが用いられる。タグには開始タグと終了タグとがあり、文書構造情報の構成要素を開始タグと終了タグで囲むことにより、文書中の文章の区切りと、その文章が文書構造上どの構成要素に属するのかを明確にする。ここで開始タグは要素名称を記号「＜」と「＞」で閉じたものであり、終了タグは要素名称を「＜／」と「＞」で閉じたものである。タグに続く構成要素の内容がテキストである。検索対象である構造情報を含む文書は、タグとテキストからなる。
【０００９】
図１に基づいて本発明を実現するシステム構成を説明する。本発明は、ＳＧＭＬサーバ１および汎用のリレーショナルデータベース管理システム２により構成され、さらにＳＧＭＬサーバ１はデータベース作成部３、ＳＱＬ生成部４、ＳＧＭＬ再作成部５により構成される。データベース作成部３は文書構造情報を内部に持つ言語の１つであるＳＧＭＬ１１で記載された原文書を入力し、入力されたＳＧＭＬに基づいてリレーショナルデータベース管理システム２にデ−タベ−スのテ−ブル定義を行うための言語であるＤＤＬ（Ｄａｔａ Ｄｅｆｉｎｉｔｉｏｎ Ｌａｎｇｕａｇｅ）１２を発行することにより、ＳＧＭＬによる構造情報７、タグ情報８、テキスト情報９のテーブルを作成し、ＳＧＭＬを用いた原文書デ−タのデータ１３を格納する。ＳＱＬ生成部４ではワークステーション１０より文書構造を指定可能な検索言語ＤＱＬ（Ｄｏｃｕｍｅｎｔ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）で作成される検索要求１６を入力し、ＳＱＬ１４を用いた検索要求文を作成し、リレーショナルデータベース管理システム２に対して検索要求を発行する。ＳＧＭＬ再作成部５では、リレ−ショナルデ−タベ−ス管理システム２でＳＱＬ生成部４により生成され、ＳＱＬ１４を用いた検索要求文により検索された検索結果１５について構造情報７を用いてタグを含むＳＧＭＬ１７を編成し、ワークステーション１０に表示する。
【００１０】
図２（ａ）は、図１のＳＧＭＬ１１で表現される文書の論理構造のモデルであり、一般誌１０１が表紙１０２より段落１０９までの８つの構成要素により構成されている。図２（ｂ）は、ＳＧＭＬで表現される文書の構成要素の性質を示す図の一例である。
【００１１】
図３は論理構造を持つＳＧＭＬで表現される文書の一例であり、タグ２０１より２０８を用いてテキスト２１１より２１４の論理構造が表現されている例である。
【００１２】
図４から図６は、図２、図３のＳＧＭＬで表現される文書をリレーショナルデータベースに格納する場合の各テ−ブルデ−タフォ−マットの一例である。図４の構造情報テーブルのデ−タフォ−マットは図２（ａ）、（ｂ）のモデルをテーブル化したもので、上下の構造を各要素のタグ３０２にタグＩＤ３０１を付加するとともにその上位タグＩＤ３０３と関係付け、同一階層にある構成要素間の定義される順序は順序番号３０４として、その定義の順序に従って表し、タグが出現するか否かは連結タイプ３０５として表わす。
【００１３】
図５のタグ情報テーブルのデ−タフォ−マットは図４のタグの階層毎に作成するものであり、図３のＳＧＭＬのタグごとにＩＤを付加し、その上位レベルで出現したタグのタグＩＤとともに格納される。同一文書で同一種のタグに対して複数回出現する可能性のあるタグに対しては著者タグテーブル５０４の著者ＮＯ．４２３のようにＮＯ．を付加する。
【００１４】
図６のテキスト情報テーブルのデ−タフォ−マットはＳＧＭＬで記載された原文書から分解されたテキストをその要素別にそのタグＩＤ及び文書中での一連の通し番号であるテキストＮＯ．を付加して格納するものである。
【００１５】
図４から図６のＩＤの付け方は一例であり、キーとしてユニークなものであれば良い。
【００１６】
図７は本発明によるデ−タベ−ス検索処理の流れで、図８は本発明によるデ−タベ−ス検索処理の実行例である。ワ−クステ−ション１０からＤＱＬに従って入力された検索要求は、ＳＱＬ生成部４で処理される。例えば、「章に「印刷」を含む一般誌の表紙」という検索要求が、ＤＱＬ７０１としてワ−クステ−ション１０より入力される。ＤＱＬ７０１のＦＲＯＭ句７１２より図２の文書構造情報を呼出し（６０１）、ＤＱＬ７０１のＷＨＥＲＥ句７１３の「章」は構成要素として章１０６、表題１０７、節１０８、段落１０９を持ち、テキストを持つ要素は表題１０７、節１０８、段落１０９であることが分かる。、テキストを持つ図６の表題テキスト５１３、節テキスト５１４、段落テキスト５１５のそれぞれのテ−ブルに対してＷＨＥＲＥ句７１３の「ＬＩＫＥ’％印刷％」を展開し（６０２）、表題ＩＤ４１７、節ＩＤ４１８、段落ＩＤ４１９を求め、さらにそれぞれのＩＤが図５の表題タグ５０７、節タグ５０８、段落タグ５０９の其れ其れのテ−ブルで一致する上位構造の要素である章ＩＤを求めるというようにＷＨＥＲＥ句７１３で指定した構成要素の章ＩＤが得られるまで図５のテ−ブルに検索を行い、さらにそれら全てを組み合わせるＳＱＬを用いた検索要求文を作成する。図２の文書構造情報から、ＳＥＬＥＣＴ句７１１とＷＨＥＲＥ句７１３で指定される「表紙」と「章」の要素間の階層の上下関係がないと判定し（６０３）、図２の文書構造情報から表紙１０２と章１０６の最も下位レベルで共通の上位要素として存在する一般誌１０１が最終的に求める要素ＩＤと決定され（６０５）、図５の章タグ５０６のテ−ブルで章ＩＤが一致する本文ＩＤ４１５を得るというように、一般誌ＩＤが得られるまで図５のテ−ブルに検索を行うように繰返し展開し（６０７）、最終結果を一時テ−ブルに格納する。指定された検索要求をＳＱＬで記載された検索要求文に変換し、ＳＱＬで記載された検索要求文７０２を完成させ検索を実行する。ＳＥＬＥＣＴ句７１１で指定されている要素「表紙」は、図２の文章構造情報から表紙１０２−題名１０３、表紙１０２−著者１０４という２通りの経路でテキストを持つ構造にたどりつくことが分かり、処理６０７で求められた一時テ−ブルの一般誌ＩＤ１０１の下位に存在する全要素のＩＤとテキストの順序番号と内容を得られるようなＳＱＬ７３１とＳＱＬ７３２をそれぞれの経路で作成して実行し、検索結果７４１と検索結果７４２を得る（６０８）。検索結果７４１と検索結果７４２の表紙ＩＤが一致していることと順序番号から、同一の表紙に属し、題名「よくわかるＤＱＬ」、著者「日立太郎」の順で並んでいることを解析する（６０９）。処理６１０で処理６０９で解析されたテキストにタグを付加し、ＳＧＭＬに従った検索結果文７０５を編成する（６１０）。
【００１７】
【発明の効果】
本発明によれば以下のような効果が得られる。
【００１８】
論理的構造をもった文書を検索する処理において、文書をその構成要素単位に分解し、デ−タベ−スに格納し、それを検索し、検索結果を構成要素識別子とテキスト情報の形式に変換し表示することにより、特定の言語を用いる論理的構造情報を含む検索要求文の指定と、構造情報を含む検索結果の表示が可能となる。
【図面の簡単な説明】
【図１】本発明の一実施例のシステム構成を示す図である。
【図２】論理的文書構造のモデルを示す図及び論理的構造情報である文書の種類の一例を示す図である。
【図３】ＳＧＭＬ文書の一例を示す図である。
【図４】リレ−ショナルデ−タベ−ス管理システムに格納する構造情報テ−ブルの一例
である。
【図５】リレ−ショナルデ−タベ−ス管理システムに格納する構造情報記号テ−ブルの
一例を示す図である。
【図６】リレ−ショナルデ−タベ−ス管理システムに格納するテキスト情報テ−ブルの
一例を示す図である。
【図７】本発明における検索処理の流れの一例を示す図である。
【図８】本発明における検索処理実行の一例を示す図である。
【符号の説明】
１ ＳＧＭＬサーバ
２ リレーショナルデータベース管理システム
３ データベース作成部
４ 検索要求文生成部
５ 検索結果編成部
６ 原文書
７ 構造情報のデ−タベ−ス
８ タグ情報のデ−タベ−ス
９ テキスト情報のデ−タベ−ス
１０ 検索用ワークステーション

Claims (1)

1. 論理的構造をもった文書の全文を検索する方法において、
   文書の構成要素の論理的構造情報を内部に持つマークアップ言語で記述された原文書を入力してリレーショナルデータベースを作成するステップであって、前記言語による文書の構成要素の上下関係と出現順序関係などの文書の論理的構造情報を格納するテーブルと、前記構成要素を識別するための構成要素識別子を格納するテーブルと、前記構成要素識別子に続くテキスト情報を格納するテーブルとを定義し、前記言語を用いた原文書のデータを各テーブルに格納するデータベース作成ステップと、
   論理的構造を持った文書の構成要素を指定可能な検索言語で作成され、抽出対象指定句と検索範囲指定句と検索条件指定句を有する第１の検索要求文を入力する検索要求入力ステップと、
   前記第１の検索要求文の検索範囲指定句で指定された構成要素により前記文書の論理的構造情報を呼び出して参照し、前記第１の検索要求文の検索条件指定句で指定された構成要素の下位の構成要素であってテキストを持つすべての構成要素について、前記検索条件指定句に記述された検索条件を満たす構成要素識別子を前記リレーショナルデータベースから検索するＳＱＬ文を生成し、
   前記呼び出された前記文書の論理的構造情報を参照して前記第１の検索要求文の抽出対象指定句で指定された構成要素と検索条件指定句で指定された構成要素の共通の上位若しくは同位の構成要素のうちで最も下位である構成要素を決定し、
   当該決定された構成要素の構成要素識別子であって、前記検索条件指定句に記述された検索条件を満たす構成要素の構成要素識別子を下位に持つ構成要素識別子を求め、求めた構成要素識別子を前記リレーショナルデータベースの一時テーブルに格納するように前記ＳＱＬ文を展開して新たなＳＱＬ文を生成し、
   当該新たなＳＱＬ文により前記リレーショナルベータベースを検索して検索された構成要素識別子を前記リレーショナルデータベースの一時テーブルに格納する構成要素識別子抽出ステップと、
   前記構成要素識別子抽出ステップで抽出された構成要素識別子に対応する構成要素により前記文書の論理的構造情報を参照して前記第１の検索要求文の抽出対象指定句で指定された構成要素の下位であってテキストを持つ構成要素を判別し、当該判別された構成要素の構成要素識別子であって前記抽出された構成要素識別子と同一の文書の構成要素識別子を前記リレーショナルデータベースから検索する第２の検索要求文生成ステップと、
   前記第２の検索要求文に基づいて前記リレーショナルデータベースを検索する検索ステップと、
   前記検索ステップにより得られた検索結果を前記マークアップ言語により表現される文書の構成要素の形式に変換する検索結果編成ステップと、
   前記検索結果編成ステップにより編成された検索結果を表示する表示ステップと
   を設けることを特徴とする全文データベース検索方法。

Images