JP4066600B2

JP4066600B2 - 多言語文書検索システム

Info

Publication number: JP4066600B2
Application number: JP2000387960A
Authority: JP
Inventors: 博増市
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2000-12-20
Filing date: 2000-12-20
Publication date: 2008-03-26
Anticipated expiration: 2020-12-20
Also published as: US7047182B2; JP2002189745A; US20020123982A1

Description

【０００１】
【発明の属する技術分野】
本発明はインターネット上に構築されたディレクトリ構造（階層構造）中に格納されている文書の検索システムに関し、特に異なる言語に対して構築された複数のディレクトリ構造をまたがる検索を行うシステムに関する。
【０００２】
【従来の技術】
インターネット利用者の急増に伴い、インターネットの商業上の利用も拡大しつつある。ＷＷＷサーバー上に蓄積された多量の文書へのアクセスを容易にする方法の一つとして、ディレクトリ構造を定義し、適切なディレクトリに文書を格納するディレクトリサービスを挙げることができる。これは、ユーザが最上位のディレクトリから興味の対象に近いサブディレクトリを順に辿っていくことによって目的の文書に到達するという効果を狙ったものである。しかしながら、ユーザが常に最適なサブディレクトリを辿っていくことは不可能であり、全文検索等の検索技術を併用して目的の文書に到達する可能性を高めることがほとんどである。
【０００３】
【発明が解決しようとする課題】
ディレクトリサービスは、特定の国／言語でサービスが開始された後、そこで使用されたディレクトリ構造がほとんどそのままの形で他の複数の国／言語へと移され、各国で同様のディレクトリサービスが行われることが多い。しかしながら、各国で行われているディレクトリサービスはそれぞれ独立したものであり、検索を行った場合単一のディレクトリ構造内に存在する文書が検索できるにすぎず、他国／他言語のディレクトリ構造内の文書を検索結果として得ることはできない。特にインターネット販売サイトやオークションサイト等の商用目的のディレクトリサービスでは、他の国／言語の文書を適切に検索できることは重要であり、現状においては多くの潜在的ビジネスチャンスを失っていることになる。
【０００４】
本発明はこのような点に鑑みてなされたものであり、複数のディレクトリ構造をまたがっった検索を高い精度で実現することができる多言語文書検索システムを提供することを目的とする。
【０００５】
【課題を解決するための手段】
これまで、言語の違いを超えて検索を行うために数多くの多言語情報検索手法が提案されてきた。例えば、「Ｄｅｅｒｗｅｓｔｅｒ，Ｓ．，Ｄｕｍａｉｓ，Ｓ．Ｔ．，Ｌａｎｄａｕｅｒ，Ｔ．Ｋ．，Ｆｕｒｎａｓ，Ｇ．Ｗ．ａｎｄＨａｒｓｈｍａｎ，Ｒ．Ａ．， ”Ｉｎｄｅｘｉｎｇｂｙｌａｔｅｎｔｓｅｍａｎｔｉｃａｎａｌｙｓｉｓ” ＪｏｕｒｎａｌｏｆｔｈｅＳｏｃｉｅｔｙｆｏｒＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ，４１（６），３９１−４０７．」に詳細が記述されているＬａｔｅｎｔＳｅｍａｎｔｉｃＩｎｄｅｘｉｎｇと呼ばれる手法を翻訳テキストペアの集合（パラレルコーパス）へ適用することによって多言語情報検索を実現する方法が「Ｄｕｍａｉｓ，Ｓ．Ｔ．，Ｌａｎｄａｕｅｒ，Ｔ．Ｋ．ａｎｄＬｉｔｔｍａｎ，Ｍ．Ｌ．， ”Ａｕｔｏｍａｔｉｃｃｒｏｓｓ−ｌｉｎｇｕｉｓｔｉｃｉｎｆｏｒｍａｔｉｏｎｒｅｔｒｉｅｖａｌｕｓｉｎｇＬａｔｅｎｔＳｅｍａｎｔｉｃＩｎｄｅｘｉｎｇ” ＩｎｐｒｏｃｅｅｄｉｎｇｓｏｆＳＩＧＩＲ’９６ − ＷｏｒｋｓｈｏｐｏｎＣｒｏｓｓ−ＬｉｎｇｕｉｓｔｉｃＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ，ｐｐ．１６−２３，Ａｕｇｕｓｔ１９９６．」で提案されている。また、「ＭａｒｋＷ．ＤａｖｉｓａｎｄＴｅｄＥ．Ｄｕｎｎｉｎｇ， ”Ｑｕｅｒｙｔｒａｎｓｌａｔｉｏｎｕｓｉｎｇｅｖｏｌｕｔｉｏｎａｒｙｐｒｏｇｒａｍｍｉｎｇｆｏｒｍｕｌｔｉ−ｌｉｎｇｕａｌｉｎｆｏｒｍａｔｉｏｎｒｅｔｒｉｅｖａｌ”，ＩｎＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＦｏｕｒｔｈＡｎｎｕａｌＣｏｎｆｅｒｅｎｃｅｏｎＥｖｏｌｕｔｉｏｎａｒｙＰｒｏｇｒａｍｍｉｎｇ，Ｍａｒｃｈ１９９５．」で提案されている手法も多言語情報検索技術の代表例である。さらに「ＰｅｔｅｒＦ．Ｂｒｏｗｎ，ＳｔｅｐｈｅｎＡ．ＤｅｌｌａＰｉｅｔｒａ，ＶｉｎｃｅｎｔＪ．ＤｅｌｌａＰｉｅｔｒａ，ａｎｄＲｏｂｅｒｔＬ．Ｍｅｒｃｅｒ， ”ＴｈｅｍａｔｈｅｍａｔｉｃｓｏｆｓｔａｔｉｓｔｉｃａｌＭａｃｈｉｎｅＴｒａｎｓｌａｔｉｏｎ：Ｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎ”，ＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ，３２：２６３−３１１，１９９３．」で述べられているように、パラレルコーパスを利用することによって機械翻訳を実現し、機械翻訳によって第１の言語で書かれた検索要求文を第２の言語へと翻訳することによって第２の言語で書かれた文書を検索するという手法の研究も多く行われてきた。
【０００６】
しかしながら、現状においては、これらの多言語情報検索手法によって商用の実システムで使用するに充分な検索精度が実現できているとは言い難い。多言語情報検索の検索精度を低下させる最大の要因は、単語あるいはフレーズの意味曖昧性の問題である。一般に第１の言語のある単語（フレーズ）を第２の言語の単語（フレーズ）へと翻訳する際には、多くの翻訳候補が存在する。例えば、英語の「ｂａｓｅ」という単語は、軍事用語としては「基地」、野球用語としては「塁」、政治用語としては「支持母体」、数学用語としては「基数」、化学用語としては「塩基」、文法用語としては「期体」、建築用語としては「（塗料の）主成分」等、分野に依存して様々な翻訳候補が存在する。これらの翻訳候補は多くの場合分野依存であるため、多言語情報検索では、検索対象を特定の分野の文書集合に限れば高い精度が得られると言われている。
【０００７】
本発明では、異なる言語を対象として構築された２つのディレクトリ構造間の各ディレクトリの対応関係を利用する。ユーザからの検索要求と関連性の高いディレクトリを選択し、得られたディレクトリと対応関係にある他言語のディレクトリに属する文書集合だけを検索対象として多言語情報検索を行うことによって、検索対象となる文書集合の分野を限定することができ、精度の高い多言語文書検索を行うことが可能となる。
【０００８】
すなわち、図１に示すように、本発明の一側面によれば、上述の目的を達成するために、多言語検索システムに：第１の言語を対象として構築された第１のディレクトリ構造を保持する第１のディレクトリ保持手段１と；第２の言語を対象として構築された第２のディレクトリ構造を保持する第２のディレクトリ保持手段２と；第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段３と；ユーザからの第１の言語による検索要求が第１のディレクトリ構造中のいずれのディレクトリと関連性が高いかを決定するディレクトリ検索手段４と；ディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリに属する文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を決定する多言語検索手段５とを設けるようにしている。
【０００９】
この構成においては、先に述べたように、ユーザからの検索要求と関連性の高いディレクトリを選択し、得られたディレクトリと対応関係にある他言語のディレクトリに属する文書集合だけを検索対象として多言語情報検索を行うので、検索対象となる文書集合の分野を限定することができ、精度の高い多言語文書検索を行うことが可能となる。
【００１０】
この構成において、第１のディレクトリが記憶されいるサーバと第２のディレクトリが記憶されているサーバとが異なる場合には、第１のディレクトリが記憶されているサーバに、第２のディレクトリが記憶されているサーバと通信可能な通信手段が設けられ、この通信手段を介して多言語の検索が行われる。
【００１１】
なお、本発明の上述の一側面および他の側面は特許請求の範囲に記載されるとおりであり、以下詳細に説明される。
【００１２】
また、本発明はシステムや装置として実現できるだけでなく、方法の態様でも実現できることはもちろんであり、その一部をコンピュータプログラムとして実現できることももちろんである。
【００１３】
また、本発明は、検索サーバとして実現することも可能であり、また、本発明の一部をクライアント装置に実装するようにしても良いことはもちろんである。
【００１４】
【発明の実施の形態】
以下、実施例を用いて本発明を詳細に説明する。
［実施例１］
本発明を実施例１に基づいて具体的に説明する。本実施例は請求項４に対応するものである。図２を参照して本実施例に係る多言語文書検索システムの構成を説明する。なお、本実施例および後述する実施例２では日本語と英語を対象として説明を行うが、形態素解析処理（文を単語へと分割する処理）が適用可能な言語であればいかなる言語であっても同様の効果を得ることができる。
【００１５】
第１のディレクトリ保持手段１１および第２のディレクトリ保持手段１２は、それぞれ複数の日本語文書および複数の英語文書を格納するディレクトリ構造（第１のディレクトリ構造と第２のディレクトリ構造）を計算機内部に保持する手段である。両手段によって保持されるディレクトリ構造の例（オークションサイトの例）を図３に示す。各ディレクトリには、ディレクトリに格納されている文書の内容（分野）に従って、それぞれ固有の名前（識別子）が付与されている。また、最下層のディレクトリにのみ文書が格納されている。
【００１６】
ディレクトリ関係保持手段１３には、第１のディレクトリ保持手段１１に保持されている第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ保持手段１２に保持されている第２のディレクトリ構造中の各ディレクトリの対応関係が保持されている。ここでの対応関係とは、２つのディレクトリ中の文書集合の分野が等しいことを意味するものである。ディレクトリ関係保持手段１３に保持される対応関係の例を図４に示す。本実施例では、第１のディレクトリ保持手段１１に保持されている第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ保持手段１２に保持されている第２のディレクトリ構造中の各ディレクトリの対応関係が一対一に定義されており、また両ディレクトリの構造が完全に等しいものとする。しかし、対応関係が定義されていないディレクトリが一部存在する場合でも、対応関係が定義されているディレクトリについては全く同様の効果を得ることができる。
【００１７】
全ディレクトリ単語ベクトル生成手段１４は、第１のディレクトリ構造中に含まれる全ての日本語文書を学習データとして、そこに含まれる全ての日本語単語の各々に対して、対応する多次元ベクトル（単語ベクトル）を計算する手段である。以下、単語ベクトルを計算するアルゴリズムを説明する。
【００１８】
＜ステップＳ１＞：第１のディレクトリ構造中に含まれる全ての日本語文書に対して形態素解析処理を施す。
＜ステップＳ２＞：ステップＳ１で得られた全日本語単語のうち、第１のディレクトリ構造中に含まれる全ての日本語文書中で出現頻度の多いものから順にｎ個の単語を選択する。ここで得られたｎ個の単語のことを特徴表現語と呼ぶことにする。ｎの値は数千のオーダーとする。
＜ステップＳ３＞：行と列がそれぞれ、ステップＳ１で得られた全日本語単語、および特徴表現語に対応する行列を作成する。ステップＳ１で得られた全日本語単語の総異なり語数が１０万であり、ｎの値を３，０００とした場合、１０万行×３，０００列の行列ができることになる。この行列の各要素には、その要素の行に対応する単語と列に対応する特徴表現語が、第１のディレクトリ構造中に含まれる全ての日本語文書中で何度共起したかを記録する。例えば、単語ａと特徴表現語ｂが３０の文書の中で共起している（同時に出現している）場合、対応する行列要素に３０と記録することになる。こうして得られた行列のことを共起行列と呼ぶことにする。このようにして、日本語文書中に含まれる全ての日本語単語に対してｎ次元のベクトルを定義することができる。このベクトルは、各日本語単語がどのようなコンテキストで出現しやすい傾向にあるかを示すベクトルであるといえる。
＜ステップＳ４＞：ステップＳ３で得られたｎ次元のベクトルは次元数が大きいため、後に必要となる処理で計算時間が膨大なものになってしまう。そこで、計算処理を実時間の範囲に抑えるために、元のｎ次元のベクトルを行列の次元圧縮手法によって、ｎ’次元（数百次元）のベクトルへと圧縮する。次元圧縮手法には様々なものが存在するが、「Ｂｅｒｒｙ，Ｍ．，Ｄｏ，Ｔ．，Ｏ’Ｂｒｉｅｎ，Ｇ．，Ｋｒｉｓｈｎａ，Ｖ．ａｎｄＶａｒａｄｈａｎ，Ｓ．（１９９３）． ”ＳＶＤＰＡＣＫＣＵＳＥＲ’ＳＧＵＩＤＥ”．Ｔｅｃｈ．Ｒｅｐ．ＣＳ−９３−１９４．ＵｎｉｖｅｒｓｉｔｙｏｆＴｅｎｎｅｓｓｅｅ，Ｋｎｏｘｖｉｌｌｅ，ＴＮ．」で詳細な説明がなされているＳｉｎｇｕｌａｒＶａｌｕｅＤｅｃｏｍｐｏｓｉｔｉｏｎがその代表例である。このようにして全ての日本語単語に対して得られたｎ’次元のベクトルを単語ベクトルと呼ぶことにする。
【００１９】
全ディレクトリ単語ベクトル保持手段１５は、全ディレクトリ単語ベクトル生成手段１４で計算された全日本語単語に対応する単語ベクトルを計算機内部に保持する手段である。
【００２０】
ディレクトリベクトル生成手段１６は、第１のディレクトリ構造中の各ディレクトリに対応するディレクトリベクトルを計算する手段である。以下、ディレクトリベクトルを計算するアルゴリズムを説明する。
【００２１】
＜ステップＳ１１＞：第１のディレクトリ構造中に含まれる全日本語文書の各々に対応する文書ベクトルを計算する。ここで、文書ベクトルとは、その文書中に含まれる全単語に対応する単語ベクトルの総和を正規化した（ベクトルの長さを１とした）ベクトルであるとする。
＜ステップＳ１２＞：最下層に位置する各ディレクトリのディレクトリベクトルを計算する。ここで、最下層に位置するディレクトリのディレクトリベクトルとは、そのディレクトリ中に含まれる全文書に対応する文書ベクトルの総和を正規化したベクトルであるとする。
＜ステップＳ１３＞：最下層に位置しないディレクトリであって、ディレクトリ中に含まれる全ディレクトリに対応するディレクトリベクトルが既に計算されているディレクトリを一つ見つけ、ディレクトリベクトルを計算する。ただし、最下層に位置しないディレクトリのディレクトリベクトルは、そのディレクトリ中に含まれる全ディレクトリに対応するディレクトリベクトルの総和を正規化したベクトルであるとする。
＜ステップＳ１４＞：全てのディレクトリについてディレクトリベクトルが計算されるまで、ステップＳ１３を繰り返す。
【００２２】
ディレクトリベクトル保持手段１７は、ディレクトリベクトル生成手段１６で計算された全ディレクトリに対応するディレクトリベクトルを計算機内部に保持する手段である。
【００２３】
学習データ保持手段１８は、第１のディレクトリ保持手段１１に保持されている第１のディレクトリ構造（あるいは第２のディレクトリ保持手段１２に保持されている第２のディレクトリ構造）中のディレクトリのうち、最下層に位置するディレクトリのそれぞれに対して、ディレクトリに含まれる文書の内容に関係する（文書の分野に属する）日英の翻訳対の集合（日英のパラレルコーパス）を学習データとして保持する手段である。学習データ保持手段１８が保持する学習データの例を図５に示す。
【００２４】
ディレクトリ毎単語ベクトル生成手段１９は、学習データ保持手段１８に保持されている日英のパラレルコーパスを学習データとして、第１のディレクトリ構造中の各ディレクトリの意味内容（第２のディレクトリ構造中の各ディレクトリの意味内容）に特化した単語ベクトル集合をそれぞれ計算する手段である。以下、任意の一つのディレクトリ（ディレクトリＡ）に対応する単語ベクトル集合を計算するアルゴリズムを説明する。
【００２５】
＜ステップＳ２１＞：ディレクトリＡに含まれる全ての最下層ディレクトリ（ディレクトリＡが最下層ディレクトリであればディレクトリＡそのもの）に対応して、学習データ保持手段１８に保持されている全ての日英パラレルコーパスをまとめて学習データとみなし、学習データ中に含まれる全ての日本語文書および英語文書に対して形態素解析処理を施す。図５の例において、ディレクトリＡが「骨董品（Ａｎｔｉｑｕｅｓ）」のディレクトリであれば、パラレルコーパス１−４をまとめて学習データとすることになる。
＜ステップＳ２２＞：ステップＳ１で得られた全日本語単語および全英語単語のうち、学習データ中で出現頻度の多いものから順にｎ個の単語を選択する。ここで得られたｎ個の単語のことをステップＳ２と同様に特徴表現語と呼ぶことにする。ただし、この場合特徴表現語には日本語単語と英語単語が混在することになる。ｎの値は、ステップＳ２と同様、数千のオーダーとする。
＜ステップＳ２３＞：行と列がそれぞれ、ステップＳ１で得られた全ての日本語／英語単語、および特徴表現語に対応する共起行列を作成する。この行列の各要素には、その要素の行に対応する単語と列に対応する特徴表現語が、学習データ中に含まれる全ての日英翻訳対中で何度共起したかを記録する。すなわち、日英の翻訳対を一つの文書であるとみなして共起の回数をカウントする。このようにして、全日本語単語と全英語単語をｎ次元のベクトルで表現する共起行列を生成することができる。このベクトルは、ディレクトリＡの意味内容（分野）に即した、各単語の出現傾向を示すベクトルであるといえる。
＜ステップＳ２４＞：ステップＳ２３で得られたｎ次元のベクトルを、ステップＳ４と同様に、行列の次元圧縮手法によって、ｎ’次元（数百次元）のベクトルへと圧縮する。このようにして全ての日本語／英語単語に対して同じベクトル空間上で比較可能なｎ’次元の単語ベクトルが得られることになる。
【００２６】
上記のアルゴリズムによる計算を、第１のディレクトリ構造中の全ディレクトリ（すなわち第２のディレクトリ構造中の全ディレクトリ）に対して適用することによって、ディレクトリ構造中の各ディレクトリの意味内容に特化した単語ベクトル集合をそれぞれ計算することができる。
【００２７】
ディレクトリ毎単語ベクトル保持手段１１０は、ディレクトリ毎単語ベクトル生成手段１９で計算された単語ベクトル集合をディレクトリ毎に保持する手段である。
【００２８】
文書ベクトル生成手段１１１は、第２のディレクトリ保持手段１２が保持する第２のディレクトリ構造中の全ディレクトリの各々に対して、ディレクトリに属する各英語文書の文書ベクトルを計算する手段である。任意のディレクトリＡに対して、ディレクトリＡに属する各英語文書の文書ベクトルを計算する際に、ディレクトリ毎単語ベクトル保持手段１１０中にディレクトリＡに対応して保持されている単語ベクトル集合を用いる。ここで、各英語文書の文書ベクトルは、文書中に含まれる全英単語に対応する単語ベクトルの総和を正規化したベクトルであるとして計算を行う。このようにして、第２のディレクトリ構造中の各ディレクトリに対して、それぞれその意味内容（分野）に特化した文書ベクトル集合を計算することができる。
【００２９】
文書ベクトル保持手段１１２は、文書ベクトル生成手段１１１で計算された文書ベクトル集合を第２のディレクトリ構造中の各ディレクトリ毎に保持する手段である。
【００３０】
検索要求取得手段１１３は、ユーザから日本語の文章による検索要求を受け取ることができるユーザインタフェースを持つ手段である。受け取った検索要求には形態素解析処理が施され日本語単語へと分割される。
【００３１】
全ディレクトリ検索要求ベクトル生成手段１１４は、検索要求取得手段１１３によって受け取られたユーザからの検索要求に対応する検索要求ベクトルを計算する手段である。全ディレクトリ単語ベクトル保持手段１５に保持されている単語ベクトル集合を用い、検索要求文章中に含まれる全日本語単語に対応する単語ベクトルの総和を正規化したベクトルを検索要求ベクトルとする。
【００３２】
ディレクトリ検索手段１１５は、検索要求取得手段１１３によって受け取られたユーザからの検索要求が、第１のディレクトリ構造中のいずれのディレクトリと最も関連性が高いかを決定する手段である。この決定を行うために、ディレクトリ検索手段１１５は、全ディレクトリ検索要求ベクトル生成手段１１４によって計算された検索要求ベクトルと、ディレクトリベクトル保持手段１７中に保持されている各ディレクトリベクトルの関連度を計算し、最も関連度の高いディレクトリベクトルを持つディレクトリを選択する。関連度の定義としては、ベクトル間の内積（コサイン値）を使用する。したがって、関連度は０と１の間の実数であり、２つのベクトル間の角度が小さいほど１に近づくことになる。
【００３３】
ディレクトリ毎検索要求ベクトル生成手段１１６は、ディレクトリ検索手段１１５によって計算された検索要求と最も関連度の高いディレクトリの分野に特化した検索要求ベクトルを計算する手段である。まず、ディレクトリ検索手段１１５から得られた第１のディレクトリ構造中のディレクトリに対応する第２のディレクトリ構造中のディレクトリを、ディレクトリ関係保持手段１３を参照することによって決定する。次に、そのディレクトリに対応する単語ベクトル集合をディレクトリ毎単語ベクトル保持手段１１０から得る。得られた単語ベクトル集合を用いて、検索要求文章中に含まれる全ての日本語単語に対応する単語ベクトルの総和を正規化したベクトルを計算し、新たな検索要求ベクトルとする。
【００３４】
多言語検索手段１１７は、ディレクトリ毎検索要求ベクトル生成手段１１６によって計算された検索要求ベクトルと、ディレクトリ検索手段１１５で決定されたディレクトリに対応して文書ベクトル保持手段１１２に保持されている各文書ベクトルとの間の関連度を計算する。関連度の定義はディレクトリ検索手段１１５での定義と同様である。検索要求ベクトルは日本語文章に対するベクトルであり、文書ベクトル保持手段１１２に保持されている各文書ベクトルは英語文書に対するベクトルであるが、どちらのベクトルも、日本語単語と英語単語を同一のベクトル空間上に表現したディレクトリ毎単語ベクトル保持手段１１０中のベクトルの和として計算されたベクトルであるため、比較可能である。
【００３５】
検索結果表示手段１１８は、多言語検索手段１１７によって計算された検索要求ベクトルと各文書ベクトルとの間の関連度を参照し、検索要求ベクトルと関連度の高い（ベクトルの内積が大きい）文書ベクトルに対応する文書を、検索結果としてユーザに提示する。
【００３６】
なお、本実施例では、ディレクトリ検索手段１１５によってユーザからの検索要求と関連性の高いディレクトリを自動的に決定するものとしたが、関連性の高いディレクトリをユーザがディレクトリ構造を辿ることによって人手で決定するものとしても構わない。
【００３７】
以上の構成によって得られる多言語文書検索装置では、日本語文章による検索要求に対して関連する英語文書を検索結果として得ることができ、上述した問題点（発明の課題）を解決することができる。
【００３８】
また、日本語文書を対象とする第１のディレクトリ構造と英語文書を対象とする第２のディレクトリ構造の間の対応関係を利用することによって、（１）検索要求と関連性の高い分野の英語文書のみを検索対象とすることができ、さらに、（２）検索要求と関連性の高い分野の学習データを用いて検索を行うことができる。この２点の分野限定効果によって、従来の多言語情報検索の精度を低下させる原因であった、単語の意味曖昧性（意味の分野依存性）の問題を回避することが可能となり、多言語文書検索の検索精度を飛躍的に向上させることができる。
【００３９】
本実施例では学習データとして、各最下層ディレクトリに対してパラレルコーパスを用意するものとしたが、請求項１の構成のように分野に特化した学習データを用いずに多言語文書検索を行った場合でも、上記（１）の効果が得られるため、従来の多言語文書検索に比べて高い精度の検索を行うことが可能である。
【００４０】
さらに、請求項１の構成のように分野に特化した学習データを用いずに多言語文書検索を行う場合であっても、ディレクトリ関係保持手段によって対応関係が保持されている第１のディレクトリ保持手段中のディレクトリと第２のディレクトリ保持手段中のディレクトリのペア中に含まれる文書集合（以下文書集合Ｄと呼ぶ）を用いて、分野に特化した多言語情報検索を行うことが可能である。以下にその方法について述べる。
【００４１】
構成は図２に示した上記の構成と同じであるとする。ただし、分野ごと（最下層ディレクトリごと）の学習データは持たないため、学習データ保持手段１８は、ディレクトリ毎単語ベクトル生成手段１９が各ディレクトリに対応する単語ベクトル集合を作成する際に共通に用いる日英のパラレルコーパスを１セットだけ保持するものとする。
【００４２】
したがって、ディレクトリ毎単語ベクトル生成手段１９が各ディレクトリに対応する単語ベクトル集合を作成する際、ステップＳ２１では学習データとして常に上記共通のパラレルコーパスを用いる。また、ステップＳ２３中で作成する共起行列の各要素を単語と特徴表現語の共起回数とする替わりに、式１で定義されるχ^２ _ｕを用いた重み付き共起回数とする。式１で定義されるχ^２ _ｕは、単語ｗ_ｕに対する重み（ディレクトリＡの分野での単語ｗ_ｕの重要度）であり、上記重み付き共起回数とは、単語ｗ_ｕ１と特徴表現語ｗ_ｕ２の共起回数に対してχ^２ _ｕ１とχ^２ _ｕ２とを乗じた値であるとする。上記のχ^２ _ｕは一般にχ^２検定と呼ばれる手法で用いられる値であり、集合全体とその部分集合中で異なる出現傾向を示す要素に対して高い値となる性質を持つものである。
【数１】

このようにして得られたディレクトリごとの単語ベクトル集合は、そのディレクトリの分野に特化した単語ベクトル集合となる。したがって、請求項１の構成のように分野に特化した学習データを用いずに多言語文書検索を行った場合でも、上記（１）の効果に加えて（２）の効果を得ることも可能であり、従来の多言語文書検索に比べて高い精度の検索を行うことが可能である。
【００４３】
なお、本実施例で利用した多言語文書検索手法の詳細は、文献「ＨｉｒｏｓｈｉＭａｓｕｉｃｈｉ，ＲａｙｍｏｎｄＦｌｏｕｒｎｏｙ，ＳｔｅｆａｎＫａｕｆｍａｎｎａｎｄＳｔａｎｌｅｙＰｅｔｅｒｓ， ”ＱｕｅｒｙＴｒａｎｓｌａｔｉｏｎＭｅｔｈｏｄｆｏｒＣｒｏｓｓＬａｎｇｕａｇｅＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ”，ＴｈｅＰｒｏｃｅｅｄｉｎｇｓｏｆＭａｃｈｉｎｅＴｒａｎｓｌａｔｉｏｎＳｕｍｍｉｔＶＩＩ ’９９ＷｏｒｋｓｈｏｐｏｎＭａｃｈｉｎｅＴｒａｎｓｌａｔｉｏｎｆｏｒＣｒｏｓｓＬａｎｇｕａｇｅＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ，（１９９９）」に記述されている。
【００４４】
［実施例２］
以下は、本発明の実施例２の説明である。本実施例は請求項７に対応するものである。本実施例は、実施例１と比較して学習データ保持手段１８の構成のみが異なる。したがって以下の説明では、学習データ保持手段１８に係わる部分についての説明だけを行うものとする。図６は、図２中の学習データ保持手段１８に対応する範囲の本実施例の構成を示す図である。その他の構成要素は図２と同じである。
【００４５】
第１のディレクトリ保持手段１１、第２のディレクトリ保持手段１２およびディレクトリ関係保持手段１３は図２中の各手段と同等の機能を持つ手段である。ただし、本実施例では、第１のディレクトリ構造および第２のディレクトリ構造中に格納されている文書はＷｅｂ文書であり、第１のディレクトリ構造中には日本語で書かれた文書が主に格納されているが英語で書かれた文書も格納されているものとし、同様に、第２のディレクトリ構造中には英語で書かれた文書が主に格納されているが日本語で書かれた文書も格納されているものとする。しかしながら、第１のディレクトリ構造中の全文書を形態素解析して得られる英語単語については日本語単語と同等の扱いをし、第２のディレクトリ構造中の全文書を形態素解析して得られる日本語単語については英語単語と同等の扱いをすることにより、実施例１で説明を行った各手段のアルゴリズムを全く変更せずに処理を行うことが可能である。
【００４６】
以下の２１−２６の各手段の説明は、第１のディレクトリ構造中の任意の最下層ディレクトリＡおよびディレクトリＡに対応する第２のディレクトリ構造中の最下層ディレクトリＡ’を対象とした場合のものである。したがって、ディレクトリ構造中の全最下層ディレクトリを対象として、それぞれ同じ処理を繰り返す必要がある。
【００４７】
ペアテキスト抽出手段２１は、第１のディレクトリ構造中の最下層ディレクトリＡと、それに対応する第２のディレクトリ構造中の最下層ディレクトリＡ’に属する全てのＷｅｂ文書の中から、日英で対訳となっているＷｅｂ文書の対訳テキストペアを、既存の文書収集ロボット等の技術を用いて抽出する手段である。
【００４８】
ペアテキスト保持手段２２は、ペアテキスト抽出手段２１によって得られた日英の対訳テキストペアの集合と、文書ペア抽出手段２５によって得られた日英の文書ペアを計算機内部に保持する手段である。また、予め設定された一定数以上の日英ペア（対訳テキストペア＋日英文書ペア）が手段内に保持されると、その日英ペア集合を学習データ保持手段へ渡す。
【００４９】
単語ベクトル生成手段２３は、ペアテキスト保持手段２２中に保持されている日英ペアを学習データとして、実施例１中のディレクトリ毎単語ベクトル生成手段１９と同等のアルゴリズムを用いることにより、単語ベクトルを計算する手段である。
【００５０】
文書ベクトル生成手段２４は、単語ベクトル生成手段２３から得られた単語ベクトル集合を用いることにより、ディレクトリＡおよびディレクトリＡ’に属する全ての文書に対応する文書ベクトルを計算する手段である。文書ベクトルは、文書中に含まれる全ての日本語／英語単語に対応する単語ベクトルの総和を正規化することによって計算する。
文書ペア抽出手段２５はまず、文書ベクトル生成手段２４から得られる文書ベクトルを参照することにより、以下の条件を満たす日本語文書と英語文書のペアを、ディレクトリＡおよびディレクトリＡ’に属する全ての文書集合から抽出する。
【００５１】
「ペア中の日本語文書に対応する文書ベクトルと最も関連度の高い（内積の値が大きい）英語文書ベクトルがペア中の英語文書ベクトルであり、逆にペア中の英語文書ベクトルと最も関連度の高い日本語文書ベクトルがペア中の日本語文書ベクトルである。」
次に、上記の条件を満たす日英文書ペアうち、ペア中の日英文書に対応する日英文書ベクトルの間の内積の値が予め設定された閾値よりも大きいペアを抽出する。このようにして得られた日英の文書ペアは、意味内容が極めて近いものであり、学習データとして使用することができるものとなる。得られたペアは、ペアテキスト抽出手段２１によって得られた日英の対訳テキストペアの集合と共に、ペアテキスト保持手段２２に保持される。
【００５２】
学習データ保持手段２６は、ペアテキスト保持手段から渡された日英ペア集合を計算機内部に保持する手段である。
【００５３】
このような構成をとり、
（１）ペアテキスト保持手段２２に保持された日英ペア集合を学習データとして、単語ベクトル生成手段２３によって単語ベクトル集合を生成し、
（２）文書ベクトル生成手段２４によって文書ベクトル集合を生成し、
（３）文書ペア抽出手段２５によって意味内容が極めて近い日英の文書ペアを抽出し、
（４）得られた文書ペアを、ペアテキスト保持手段２２に追加する（既に追加されている場合は以前のものと置き換える）。
という処理を繰り返し行うことにより、ペアテキスト保持手段２２に保持される日英ペア集合の数を徐々に増やすことが可能となる。このような繰り返し手法を用いることによって、ペアテキスト抽出手段２１から得られるペアテキストの数が少ない場合でも、実用上十分なサイズの学習データを得ることができることになる。このような繰り返し手法については、「ＨｉｒｏｓｈｉＭａｓｕｉｃｈｉ，ＲａｙｍｏｎｄＦｌｏｕｒｎｏｙ，ＳｔｅｆａｎＫａｕｆｍａｎｎａｎｄＳｔａｎｌｅｙＰｅｔｅｒｓ， ”ＡＢｏｏｔｓｔｒａｐｐｉｎｇｍｅｔｈｏｄｆｏｒＥｘｔｒａｃｔｉｎｇＢｉｌｉｎｇｕａｌＴｅｘｔＰａｉｒｓ”，ＴｈｅＰｒｏｃｅｅｄｉｎｇｓｏｆＴｈｅ１８ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ，ｐｐ．１０６６−１０７０（２０００）」に詳細が記述されている。この繰り返し手法は、ペアを抽出する元となる文書集合の分野が限定されている時のみ有効な手法である。本実施例では、第１のディレクトリ構造と第２のディレクトリ構造の対応関係を利用して文書集合の分野を限定することにより、繰り返し手法を適用することが可能となっている。
【００５４】
このようにして学習データが得られた後の処理は、実施例１の処理と全く同じである。実施例１の例では、各最下層ディレクトリに対して学習データを予め用意しておく必要があったが、本実施例の構成によって得られる多言語文書検索装置では、Ｗｅｂ文書の中から日英で対訳となっているＷｅｂ文書の対訳テキストペアを初期学習データとして用い、さらにそれを上記の繰り返し手法によって成長させることによって多言語文書検索に必要な学習データを自動生成することが可能となる。
【００５５】
こうして得られた学習データ（２ヶ国語文書ペア）は、パラレルコーパスとして利用することができるものである。上記文献「ＨｉｒｏｓｈｉＭａｓｕｉｃｈｉ，ＲａｙｍｏｎｄＦｌｏｕｒｎｏｙ，ＳｔｅｆａｎＫａｕｆｍａｎｎａｎｄＳｔａｎｌｅｙＰｅｔｅｒｓ， ”ＡＢｏｏｔｓｔｒａｐｐｉｎｇｍｅｔｈｏｄｆｏｒＥｘｔｒａｃｔｉｎｇＢｉｌｉｎｇｕａｌＴｅｘｔＰａｉｒｓ”，ＴｈｅＰｒｏｃｅｅｄｉｎｇｓｏｆＴｈｅ１８ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ，ｐｐ．１０６６−１０７０（２０００）」でも述べられている通り、パラレルコーパスは多言語情報検索システムあるいは機械翻訳システムを実現する上で貴重な言語資源であるにもかかわらず、不足しているのが現状である。本実施例で説明した、２つのディレクトリ構造間の対応関係を利用することによって可能となる分野毎の学習データ生成手法は、パラレルコーパスの不足の問題を解決するための極めて有効な手法であると言える。
【００５６】
なお、実施例１および実施例２共に、最下層ディレクトリにのみ文書が格納されている例を用いて説明を行ったが、最下層以外のディレクトリに文書が格納されている場合であっても、文書に対応する文書ベクトルをディレクトリベクトルと同等に扱うことによって、全く同じ処理を行うことが可能である。さらに、実施例１および実施例２共にディレクトリ構造を木構造として説明を行ったが、各ディレクトリが複数の親ディレクトリを持つようなネットワーク型のディレクトリ構造であっても、同様の処理を行うことができることは明らかである。
【００５７】
また、請求項２、３、５、６、８、９では多言語文書検索手法を行う代わりに、検索要求あるいは文書を翻訳しておくことによって異なる言語の間の検索を可能とするものである。パラレルコーパスを学習データとして機械翻訳システムを実現する例として、前述の文献「ＰｅｔｅｒＦ．Ｂｒｏｗｎ，ＳｔｅｐｈｅｎＡ．ＤｅｌｌａＰｉｅｔｒａ，ＶｉｎｃｅｎｔＪ．ＤｅｌｌａＰｉｅｔｒａ，ａｎｄＲｏｂｅｒｔＬ．Ｍｅｒｃｅｒ， ”ＴｈｅｍａｔｈｅｍａｔｉｃｓｏｆｓｔａｔｉｓｔｉｃａｌＭａｃｈｉｎｅＴｒａｎｓｌａｔｉｏｎ：Ｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎ”，ＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ，３２：２６３−３１１，１９９３．」を挙げることができる。
【００５８】
また、多言語検索手段が、直接多言語文書検索を行うのではなく、２ヶ国語文書ペアを予め抽出しておいてもよい。この抽出手法としては、実施例２で説明した学習データ生成手法をそのまま使用することが可能である。
【００５９】
以下に具体的な例を用いて上述実施例の効果を確認する。インターネット上の検索サイト、販売サイトあるいはオークションサイトにおいて、ユーザが「自然公園巡りを目的とするバスのフリーパス」という日本語の検索質問文を用いることにより英語で書かれた情報にアクセスし、バスのフリーパスについての情報を得る／フリーパスの購入を行う状況を考える。この場合、典型的な多言語検索システムでは、まず上記質問文から「自然」「公園」「巡り」「目的」「バス」「フリー」「パス」のキーワードを抽出し、各日本語キーワードを、日英翻訳辞書を用いて、対応する英語キーワードに置き換える。対応する英語キーワードの例を図７に示す。各日本語キーワードに対応する英語キーワードは複数存在し、さらに、それぞれの英語キーワードの英語文中における意味も複数の可能性が考えられる。日本語キーワード「パス」に対応する英語キーワードには、「ｐａｓｓ」「ｐａｓｓｉｎｇ」「ｃａｌｉｐｅｒｓ（パス（ノギス）［機械用語］）」「ＰＡＳ（パス（パラアミノサリチル酸、ｐａｒａ−ａｍｉｎｏｓａｌｉｃｙｌｉｃａｃｉｄ）［化学用語］）」「ｐａｔｈ」等があり、さらに、例えば「ｐａｓｓ」は英語文中で「（球技の）パス」「定期」「関門」「通過する」「合格する」等様々な意味で用いられる。したがって、これらの英語キーワードを用いて関連する英語文書を検索した場合、
▲１▼「フリーキック（ｆｒｅｅｋｉｃｋ）、ゴール（ｇｏａｌ）、パス（ｐａｓｓ）」等を重要キーワードとして含むサッカーに関する文書
▲２▼「ホームランを打つ（ｓｑｕａｒｅ）、野球場（ｂａｌｌｐａｒｋ）、チケット（ｔｉｃｋｅｔ）」等を重要キーワードとして含む野球に関する文書
▲３▼「パス（パラアミノサリチル酸）（ＰＡＳ）、遊離酸（ｆｒｅｅａｃｉｄ）」等を重要キーワードとして含む化学に関する文書
▲４▼「コンピュータバス（ｃｏｍｐｕｔｅｒｂｕｓ）、フリーアクセス（ｆｒｅｅａｃｃｅｓｓ）、パス解析（ｐａｔｈａｎａｌｙｓｉｓ）、回路（ｃｉｒｃｕｉｔ）」等を重要キーワードとして含むコンピュータに関する文書
▲５▼「バスフィッシングツアー（ｂａｓｓｆｉｓｈｉｎｇｔｏｕｒ）」に関する文書
▲６▼「試供品のパス（ノギス）（ｆｒｅｅｃａｌｉｐｅｒｓ）」に関する文書等、検索意図に反する検索結果が数多く得られてしまう結果となる。この状況を、ベクトル空間法に基づくシステム構成の例に基づいて表した模式図が図８である。単語の意味曖昧性に由来して、日本語検索質問を対応する英語単語で置き換えて得られる英語ベクトルと距離の近い英語文書ベクトルは様々な分野にわたって存在し、得られる検索結果の精度は極端に低いものとなってしまう。このように、多言語の情報検索を高精度で実現することは、単言語の情報検索と比べて極めて困難である。
【００６０】
上述実施例による多言語情報検索システムでは、まず日本語のみを対象として検索質問文と最も関連性の高いディレクトリを検索する（図９参照）。この場合、日英の両言語にまたがることによって生じる単語の意味曖昧性を考慮する必要がないため、高い精度で関連ディレクトリを得ることができる。（上記質問文「自然公園巡りを目的とするバスのフリーパス」が旅行分野の検索要求であることを、日本語のみを対象として決定することは容易である。）その後、得られた日本語ディレクトリに対応する英語ディレクトリのみを対象として英語文書を検索することによって、検索意図に反する検索結果を除外することが可能となる。さらに、実施の形態で説明を行った通り、検索要求と最も関連するディレクトリに対応する学習データを用いて多言語情報検索を行うことによって、より精度の高い多言語検索を行うことが可能である。
【００６１】
以上のように本発明によれば、第１の言語の文章による検索要求に対して適切な第２の言語の文書を検索結果として得ることができ、上述の問題点を解決することができる。
【００６２】
すなわち、第１の言語の文書を対象とする第１のディレクトリ構造と第２の言語の文書を対象とする第２のディレクトリ構造の間の対応関係を利用することによって、（１）検索要求と関連性の高い分野に属する第２の言語の文書のみを検索対象とすることができ、さらに、（２）検索要求と関連性の高い分野の学習データを用いて検索を行うことができる。この２点の分野限定効果によって、従来の多言語情報検索の精度を低下させる原因であった、単語の意味曖昧性（意味の分野依存性）の問題を回避することが可能となり、多言語文書検索の検索精度を飛躍的に向上させることができる。
【００６３】
さらに、第１のディレクトリ構造と第２のディレクトリ構造の間の対応関係を利用することによって、多言語文書検索の学習データを自動生成することも可能となる。
【００６４】
【発明の効果】
以上のように本発明によれば、第１の言語の文章による検索要求に対して適切な第２の言語の文書を検索結果として得ることができる等の効果を実現できる。
【図面の簡単な説明】
【図１】本発明に係る典型的な多言語文書検索システムの構成を示す図である。
【図２】本発明の実施例１に係る多言語文書検索システムの構成を示す図である。
【図３】ディレクトリ構造の一例を示す図である。
【図４】ディレクトリ間の対応関係の一例を示す図である。
【図５】学習データ（パラレルコーパス）の格納例を示す図である。
【図６】本発明の実施例１に係る学習データ生成部の構成を示す図である。
【図７】日本語質問文中の日本語単語に対応する英語単語の例を示す図である。
【図８】典型的な多言語情報検索システムの動作例を示す模式図である。
【図９】上述実施例による関連ディレクトリの検索動作例を示す模式図である。
【符号の説明】
１１第１のディレクトリ保持手段
１２第２のディレクトリ保持手段
１３ディレクトリ関係保持手段
１４全ディレクトリ単語ベクトル生成手段
１５全ディレクトリ単語ベクトル保持手段
１６ディレクトリベクトル生成手段
１７ディレクトリベクトル保持手段
１８学習データ保持手段
１９ディレクトリ毎単語ベクトル生成手段
１１０ディレクトリ毎単語ベクトル保持手段
１１１文書ベクトル生成手段
１１２文書ベクトル保持手段
１１３検索要求取得手段
１１４全ディレクトリ検索要求ベクトル生成手段
１１５ディレクトリ検索手段
１１６ディレクトリ毎検索要求ベクトル生成手段
１１７多言語検索手段
１１８検索結果表示手段

Claims

第１の言語を対象として構築された第１のディレクトリ構造を保持する第１のディレクトリ保持手段と、
第２の言語を対象として構築された第２のディレクトリ構造を保持する第２のディレクトリ保持手段と、
第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段と、
ユーザからの第１の言語による検索要求が第１のディレクトリ構造中のいずれのディレクトリと関連性が高いかを決定するディレクトリ検索手段と、
ディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリを、上記ディレクトリ関係保持手段に保持されているディレクトリの対応関係に基づいて決定し、決定した第２のディレクトリ構造中の当該ディレクトリに属する文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を決定する多言語検索手段とを有することを特徴とする多言語文書検索システム。
第１の言語を対象として構築された第１のディレクトリ構造を保持する第１のディレクトリ保持手段と、
第２の言語を対象として構築された第２のディレクトリ構造を保持する第２のディレクトリ保持手段と、
第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段と、
ユーザからの第１の言語による検索要求が第１のディレクトリ構造中のいずれのディレクトリと関連性が高いかを決定するディレクトリ検索手段と、
上記ユーザからの第１の言語による検索要求を第２の言語による検索要求に翻訳する翻訳手段と、
ディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリを、上記ディレクトリ関係保持手段に保持されているディレクトリの対応関係に基づいて決定し、決定した第２のディレクトリ構造中の当該ディレクトリに属する文書群のうち、翻訳手段から得られる第２の言語による検索要求と関連性が高い文書を決定する検索手段とを有することを特徴とする多言語文書検索システム。
第１の言語を対象として構築された第１のディレクトリ構造を保持する第１のディレクトリ保持手段と、
第２の言語を対象として構築された第２のディレクトリ構造を保持する第２のディレクトリ保持手段と、
第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段と、
ユーザからの第１の言語による検索要求が第１のディレクトリ構造中のいずれのディレクトリと関連性が高いかを決定するディレクトリ検索手段と、
第２のディレクトリ構造中の第２の言語による各文書を第１の言語に翻訳する翻訳手段と、
ディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリを、上記ディレクトリ関係保持手段に保持されているディレクトリの対応関係に基づいて決定し、決定した第２のディレクトリ構造中の当該ディレクトリに属する、翻訳手段によって第１の言語へと翻訳された文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を決定する検索手段とを有することを特徴とする多言語文書検索システム。
上記ディレクトリ関係保持手段に保持されている各対応ディレクトリペアに対して、該ディレクトリペアの分野の辞書データあるいは対訳ペア等の多言語検索用学習データを保持する学習データ保持手段をさらに有し、上記多言語検索手段は、上記ディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリに属する文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を、上記学習データ保持手段に保持されている対応する学習データを用いて決定する請求項１記載の多言語文書検索システム。
上記ディレクトリ関係保持手段に保持されている各対応ディレクトリペアに対して、該ディレクトリペアの分野の辞書データあるいは対訳ペア等の翻訳用学習データを保持する学習データ保持手段をさらに有し、上記翻訳手段が、上記学習データ保持手段に保持されている、上記ディレクトリ検索手段から得られるディレクトリに対応する学習データを用いて、上記ユーザからの第１の言語による検索要求を第２の言語による検索要求に翻訳する請求項２記載の多言語文書検索システム。
上記ディレクトリ関係保持手段に保持されている各対応ディレクトリペアに対して、該ディレクトリペアの分野の辞書データあるいは対訳ペア等の翻訳用学習データを保持する学習データ保持手段をさらに有し、上記翻訳手段が、上記学習データ保持手段に保持されている、各ディレクトリに対応する学習データを用いて、第２のディレクトリ構造中の第２の言語による各文書を第１の言語に翻訳する請求項３記載の多言語文書検索システム。
上記ディレクトリ関係保持手段に保持されている各対応ディレクトリペアに属する文書のうち、第１の言語と第２の言語のテキストペアを持つ文書から該テキストペアを抽出し、多言語検索用学習データとして保持する学習データ保持手段をさらに有し、上記多言語検索手段は、上記ディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリに属する文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を、上記学習データ保持手段に保持されている対応する学習データを用いて決定する請求項１記載の多言語文書検索システム。
上記ディレクトリ関係保持手段に保持されている各対応ディレクトリペアに属する文書のうち、第１の言語と第２の言語のテキストペアを持つ文書から該テキストペアを抽出し、翻訳用学習データとして保持する学習データ保持手段をさらに有し、
上記翻訳手段は、上記学習データ保持手段に保持されている、上記ディレクトリ検索手段から得られるディレクトリに対応する学習データを用いて、上記ユーザからの第１の言語による検索要求を第２の言語による検索要求に翻訳する請求項２記載の多言語文書検索システム。
上記ディレクトリ関係保持手段に保持されている各対応ディレクトリペアに属する文書のうち、第１の言語と第２の言語のテキストペアを持つ文書から該テキストペアを抽出し、翻訳用学習データとして保持する学習データ保持手段をさらに有し、
上記翻訳手段は、上記学習データ保持手段に保持されている、各ディレクトリに対応する学習データを用いて、第２のディレクトリ構造中の第２の言語による各文書を第１の言語に翻訳する請求項３記載の多言語文書検索システム。
第１の言語を対象として構築された第１のディレクトリ構造中の各ディレクトリと第２の言語を対象として構築された第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段を有し、
ユーザからの第１の言語による検索要求と関連性が高い第１のディレクトリ構造中のディレクトリに対応する第２のディレクトリ構造のディレクトリを、上記ディレクトリ関係保持手段に保持されているディレクトリの対応関係に基づいて決定し、上記決定された第２のディレクトリ構造中のディレクトリに属する文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を検索するよう指示する検索要求を発行することを特徴とする多言語文書検索システム。
第１の言語を対象として構築された第１のディレクトリ構造中の各ディレクトリと第２の言語を対象として構築された第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段と、
ユーザからの第１の言語による検索要求を第２の言語による検索要求に翻訳する翻訳手段とを有し、ユーザからの第１の言語による検索要求と関連性が高い第１のディレクトリ構造中のディレクトリに対応する第２のディレクトリ構造のディレクトリを、上記ディレクトリ関係保持手段に保持されているディレクトリの対応関係に基づいて決定し、上記決定された第２のディレクトリ構造中のディレクトリに属する文書群のうち、第１の言語から第２の言語に翻訳した上記ユーザからの検索要求と関連性が高い文書を検索するよう指示する検索要求を発行することを特徴とする多言語文書検索システム。
第１の言語を対象として構築された第１のディレクトリ構造を保持する第１のディレクトリ保持手段と、
第２の言語を対象として構築された第２のディレクトリ構造を保持する第２のディレクトリ保持手段と通信可能な通信手段と、
第１のディレクトリ構造中の各ディレクトリと第２のディレクトリ構造中の各ディレクトリの対応関係を保持するディレクトリ関係保持手段と、
ユーザからの第１の言語による検索要求に応じて第１のディレクトリ構造中のディレクトリを決定するディレクトリ検索手段と、
上記通信手段を介してディレクトリ検索手段によって決定されたディレクトリに対応する第２のディレクトリ構造中のディレクトリを、上記ディレクトリ関係保持手段に保持されているディレクトリの対応関係に基づいて決定し、決定した第２のディレクトリ構造中の当該ディレクトリに属する文書群のうち、上記ユーザからの第１の言語による検索要求と関連性が高い文書を決定する多言語検索手段とを有することを特徴とする多言語文書検索システム。