日本語文書検索のための頻度情報を用いた効率的部分文字列索引の提案
スポンサーリンク
概要
- 論文の詳細を見る
文書における部分文字列の出現を記録する部分文字列索引は, 単語切り出しのための言語処理が不要という点で日本語文書検索向きである. しかし, 出現位置情報を捨象しているため誤検索が発生する, 検索語の長さに応じて検索時間が増大する, という問題があり, こうした点を改善するためには索引サイズを大きくせざるをえない. すなわち, 誤検索率・検索時間・索引サイズのすべてに優れた部分文字列索引を実現することは困難であった. 本論文では, ユーザの使用する可能性の高い検索語の処理を優先的に高速化し, 誤検索率・索引サイズを悪化させることなく平均検索時間を短縮する効率的な部分文字列索引を提案する. このために, 文字および部分文字列の2レベルの頻度を用いる. 文字レベルの出現頻度は二文字組から索引エントリを決定するためのハッシングに利用され, 検索の高速化および誤検索の低減に作用する. 一方, 部分文字列レベルの出現頻度は長い部分文字列を独立した索引エントりとして選択するために利用され, 出現頻度が高く長い検索語の処理の高速化に作用する. 特許要約文10万件(14MB)を用いて検索時間・検索精度・索引サイズの評価実験を行い, 本手法の有効性を確認できた.
- 1996-10-15
著者
-
小川 泰嗣
(株)リコー中央研究所
-
小川 泰嗣
(株)リコー、ソフトウェア研究開発本部
-
小川 泰嗣
(株)リコー ソフトウェア研究所
-
小川 泰嗣
(株)リコー情報通信研究所
-
小川 泰嗣
株式会社リコー情報通信研究所
関連論文
- D-013 構造化コンテンツにズーミング操作を関連付ける記述言語の提案(D分野:データベース)
- 日本語情報検索システム評価用テストコレクションの構築
- 日本語情報検索システム評価用テストコレクション BMIR-J2
- 2ウェイマージ機能を有するオメガネットワーク
- データストリームマージ機能をもつオメガネットワーク
- D-007 ズーミングメタファによるマルチメディアコンテンツの閲覧方式(D.データベース)
- スーパーデータベースコンピュータSDCのモジュール間ネットワークにおけるスイッチングユニットの構成
- スーパーデータベースコンピュータSDCにおけるバケット平坦化機能を有するオメガネットワーク
- バケット平坦化機能を有するオメガネットワーク
- スーパーデータベースコンピュータにおけるバケット分散並列結合演算法とその性能予測
- 情報検索システム評価用ベンチマークVer.1.0(BMIR-J1)について (メディア統合および環境統合のための高機能データベースシステム、および一般)
- 日本語情報検索システムのためのベンチマークの構築
- 情報検索システム評価用データベースの構築の提案
- N-gram索引における複合検索条件の効率的な処理方法
- n-gram索引を用いた効率的な文書検索法 (高度データベース論文特集)
- ランキング文書検索におけるスコア合成法の評価
- 統計的確率に基づくキーワード重要度算出モデル
- 統計的確率に基づくキーワード重要度算出モデル
- 全文検索のための文字成分表方式の改良
- 関係データベースによる構造化文書データベースの実現
- テキストデータベースのための文字成分表によるプリサーチ
- 参加者から見たNTCIR(NTCIR : 情報アクセスに関わるテキスト処理技術の評価ワークショップ)
- 「情報検索の新たな展開 : テストコレクションからサーチエンジンまで」
- O-017 情報の整理に焦点をあてたフォーラムシステム(O.情報システム)
- 文書検索におけるランキング検索技術
- 適合フィードバックを利用したクウェリ拡張における単語選択方法
- 適合フィードバックを利用したクウェリ拡張における単語選択方法
- 擬似頻度法 : n-gram索引のための高速な日本語文書のランキング検索法
- N-gram索引における複合検索条件の効率的な処理方法
- 文字成分表を用いた効率的文書ランキング検索方式
- 日本語文書検索のための頻度情報を用いた効率的部分文字列索引の提案
- 動的リンク機能を有するハイパーテキストシステム
- ファジィ文書検索システム(2) : キーワードコネクションマトリックスの学習方式
- ファジィ文書検索システム(1) : 実験システムと評価
- 複合語キーワードの自動抽出法
- テキストデータベースのための文書ランキング法
- テキストデータベースのためのキーワード抽出法