JP4640593B2

JP4640593B2 - 多言語文書検索装置および多言語文書検索方法、並びに、多言語文書を検索するプログラム

Info

Publication number: JP4640593B2
Application number: JP2005205370A
Authority: JP
Inventors: 開石川; 亨赤峯
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2005-07-14
Filing date: 2005-07-14
Publication date: 2011-03-02
Anticipated expiration: 2025-07-14
Also published as: JP2007025939A

Description

本発明は、日本語や英語等の様々な言語で記述された文書データ群からコンピュータにより所望の文書データを検索する技術に関し、特に、言語ごとに独自のカテゴリが設けられている文書データ群に対し検索を実行する技術に関する。

従来、コンピュータにより多言語文書を検索する方法は、検索キーワードとして入力される検索クエリを検索対象と同じ言語に翻訳してから文書検索を行うという方法と、検索対象を検索クエリと同じ言語に翻訳してから文書検索を行う方法の二つに大別できる。前者の方法は、後者に比べて検索対象文書をあらかじめ翻訳しておく必要がないという利点がある一方で、検索の確度がクエリの翻訳精度に左右されるため、検索者の要求に見合った結果を得難いという難点がある。

多言語文書の検索に関し従来提案されている手法として、例えば、後述の特許文献１乃至６に記載のものがある。特許文献１に記載の手法は、各言語の文書が予めカテゴリに分類され、言語間で内容の対応するカテゴリが１対１で関連付けられている場合に、原言語の検索結果から適合カテゴリを選択し、目的言語での検索を選択カテゴリに対応するカテゴリに絞って行うというものである。

特許文献２に記載の手法は、クエリを翻訳する多言語検索において、検索クエリを翻訳する前後で検索語の類義語をシソーラスから求め、それをクエリに追加するというものである。特許文献３に記載の手法は、クエリを翻訳する多言語検索において、クエリのワード数が短く且つそれが翻訳辞書における新語の場合に適切な翻訳クエリが得られないという問題に対処するため、クエリから、原言語の検索結果に基づくTFIDFスコアを使って関連語を抽出し、この関連語の訳語を翻訳クエリに加えるというものである。

特許文献４に記載の手法は、クエリを翻訳する多言語検索において、初期検索要求による原言語の検索結果から検索要求に対する適合文書を検索者に選択させ、選択した適合文書中の、検索要求に関して特徴的な単語リストを、出現単語の統計情報に基づいて生成し、これを目的言語に翻訳して目的言語での検索を行うというものである。特許文献５に記載の手法は、クエリを翻訳する多言語検索において、検索結果の文書選択を効率化することを目的として、階層的ベイズクラスタリングを用いて検索結果の分類まとめ上げを行い、多言語の検索結果を統一的に提示するというものである。

特許文献６に記載の手法は、クエリを翻訳する多言語検索において、文書に発行日時、カテゴリ、分野等のメタデータが付加されており、検索要求に対する原言語の検索結果からメタデータに関するスクリーニング条件を検索者に選択させる。そして、この条件を他言語の絞込みに用いることにより、読むのが困難な外国語の文書を、原言語でのスクリーニングを利用して効率よく絞込みを行うというものである。
特開２００２−１８９７４５号公報特開平０８−３０５７２８号公報特開２００３−２０８４４１号公報特開２００１−０２２７８７号公報特開２００３−７６７１０号公報特開２００３−０５０８２１号公報

しかしながら、カテゴリの対応関係を用いて検索結果を絞り込むという従来の方法において適切な検索結果を得るには、異言語間のカテゴリの対応関係が１対１であることを必要とされる。このような条件は、例えば、新規の原文書が次々と検索対象に追加され、それに伴ってカテゴリの新設や分類軸の見直しが随時必要となるシステムには不向きである。この種のシステムは、例えば、サービス事業者のコンタクトセンターで利用される知識ベース、すなわち顧客応対業務の担当者たちが応対案件の報告書を登録し共有するデータベースなどがその典型例である。

本発明の目的は、検索対象の文書が言語毎に管理されており、且つ、各文書が言語毎に独自のカテゴリによって分類されている場合であっても、より適切な文書を提示し得る手法を提供することにある。

本発明に係る多言語文書検索装置は、プロセッサと、言語ごとに規定された文書カテゴリを割り当てられた複数の原文書を言語別に記憶する記憶媒体とを備え、前記プロセッサは、原文書の翻訳により翻訳文書を生成する手段と、翻訳文書を当該原文書に関連付けて言語別に前記記憶媒体へ格納する手段と、翻訳文書と同一言語の文書カテゴリから該翻訳文書の文書カテゴリを求める手段と、入力された検索クエリに適合する適合候補を該検索クエリと同一言語の原文書および翻訳文書から検索する手段と、前記適合候補に対する翻訳文書または原文書の文書カテゴリを認識し、該文書カテゴリに属する他の文書に対する翻訳文書または原文書のうち前記検索クエリと同一言語の文書を関連候補として抽出し、該関連候補および前記適合候補を検索結果として出力する手段とを有する。

本発明に係る多言語文書検索方法は、言語ごとに規定された文書カテゴリを割り当てられた複数の原文書を言語別に記憶する記憶媒体と接続されたプロセッサが、原文書の翻訳により翻訳文書を生成するステップと、翻訳文書を当該原文書に関連付けて言語別に前記記憶媒体へ格納するステップと、翻訳文書と同一言語の文書カテゴリから該翻訳文書の文書カテゴリを求めるステップと、入力手段により入力された検索クエリに適合する適合候補を該検索クエリと同一言語の原文書および翻訳文書から検索するステップと、前記適合候補に対する翻訳文書または原文書の文書カテゴリを認識し、該文書カテゴリに属する他の文書に対する翻訳文書または原文書のうち前記検索クエリと同一言語の文書を関連候補として抽出し、該関連候補および前記適合候補を検索結果として出力手段から出力するステップとを備える。

かかる本発明の基本構想を説明すると、文書検索の前処理として、各言語の原文書から翻訳処理により翻訳文書を生成し、生成した翻訳文書を当該言語の文書カテゴリに分類する。例えば、原文書が日本語である場合、翻訳した英語文書を英語の文書カテゴリに分類することとなる。

上記前処理の後、ある言語で検索クエリが入力されると、同言語の原文書および翻訳文書から検索クエリに適合する適合候補を検索する。また、検出された適合候補と言語上の対となる文書、すなわち適合候補に対し原文書及び翻訳文書の関係にある文書について、そのカテゴリを求める。

さらに、求めたカテゴリに属する他の文書と対になる文書のうち、検索クエリと同一言語の文書を関連候補として検出する。その結果、検索クエリと同一言語の適合候補および関連候補が検出され、これらの候補を検索結果として出力する。このような構成を採用し、多言語文書検索を行うことにより本発明の目的を達成することができる。

本発明によれば、多言語文書の検索処理において、検索クエリにマッチする適合候補に加え、この適合候補と対の文書が属するカテゴリを利用して関連候補を抽出することから、各言語のカテゴリの分類軸や粒度が一致せず、異言語間のカテゴリの対応関係が１対１とならない場合でも、適切な検索結果を提示することができる。これにより、新規の原文書が次々と検索対象に追加されるようなシステムにおいても検索精度の向上を図ることができる。

本発明を実施するための最良の形態について図面を参照して詳細に説明する。本実施形態では、検索対象の文書データが日本語及び英語の二言語であり、これら二言語のそれぞれに独自の文書カテゴリが設けられているとする。独自の文書カテゴリが設定された状態とは、すなわち、文学、政治、科学といった文書カテゴリの構成内容が各言語で共通ではないことを指す。また、以下の説明において日本語カテゴリ及び英語カテゴリとは、予め各言語の原文書に関連付けられている文書カテゴリを指す。

図１を参照すると、本実施形態の多言語文書検索装置であるコンピュータは、キーボードのような入力手段１００と、プログラム制御により動作するプロセッサ２００と、ハードディスクのような記憶媒体３００と、ディスプレイおよびプリンタ等の出力手段４００とを備える。

プロセッサ２００は、その機能構成として、多言語文書の検索に関する処理を行う文書検索統合手段２０１、日本語文書検索手段２０２及び英語文書検索手段２０３と、文書検索に先立つ前処理を行う英日翻訳処理手段２０４、日英翻訳処理手段２０５、日本語カテゴリ判別手段２０６及び英語カテゴリ判別手段２０７とを有する。これらの機能構成は、記憶媒体３００等に格納されているプログラム（図示略）をプロセッサ２００が実行することにより実現される機能に対応する。

記憶媒体３００は、日本語の原文書を記憶する日本語文書保持手段３０１と、英語の原文書を記憶する英語文書保持手段３０２と、言語ごとに独自に設定された文書カテゴリと原文書との関連を記憶する日本語カテゴリ保持手段３０３及び英語カテゴリ保持手段３０４と、英日翻訳処理手段２０４による翻訳文書を記憶する英日翻訳文書保持手段３０５と、日英翻訳処理手段２０５による翻訳文書を記憶する日英翻訳文書保持手段３０６と、日本語及び英語間の翻訳辞書を記憶する英日対訳辞書保持手段３０７及び日英対訳辞書保持手段３０８とを有する。

図２に示すフローチャートを参照して本実施形態の全体の動作について詳細に説明する。まず、検索を実行する前段階として、文書検索に必要なデータが記憶媒体３００に登録されているか否かをチェックし（ステップＡ０）、否の場合、次に説明する前処理を実行する。

日英翻訳処理手段２０５は、日本語文書保持手段３０１に記憶されている日本語文書を入力して日英翻訳処理を行い、その翻訳結果を日英翻訳文書として、翻訳元の日本語文書との対応関係と共に日英翻訳文書保持手段３０６に記録する（ステップＡ１）。さらに、日英翻訳文書と翻訳元の日本語文書とを、翻訳処理の過程で得られるそれぞれの言語での単語境界情報と共に、英語カテゴリ判別手段２０７に出力する。

英語カテゴリ判別手段２０７は、入力された日英翻訳文書を英語カテゴリに分類する（ステップＡ２）。これは、現時点で未分類の日英翻訳文書を新たな英語の文書とみなし、それが英語カテゴリの何れに分類されるかを判断するという処理に相当する。具体的には、英語カテゴリ判別手段２０７が、対象の日英翻訳文書について、英語カテゴリ保持手段３０４に記憶されている英語カテゴリの何れに分類されるかを判断する。なお、一つの日英翻訳文書が３つ以上のカテゴリに分類されても、いずれのカテゴリに分類されなくてもよい。

日英翻訳文書を英語カテゴリに分類する方法としては二通りある。一つは、日英翻訳文書をそのまま分類するという方法であり、もう一つは、翻訳元の日本語文書を用いて日英翻訳文書を英語カテゴリに分類するというものである。前者は、対象の日英翻訳文書を既存の英語文書と比較し、両者間の単語の一致度に基づき日英翻訳文書の英語カテゴリを決定するという方法である。

以下、後者の日本語文書を用いて分類する方法について詳細に説明する。英語カテゴリ判別手段２０７は、英語カテゴリと各カテゴリに属する英語文書との対応関係を英語カテゴリ保持手段３０４から取得し、また、各カテゴリに属する英語文書を英語文書保持手段３０２から取得する。そして、翻訳元となる日本語文書と各英語文書との間の類似度を、両文書の単語が一致する割合などに基づいて計算する。

日本語文書と英語文書との類似度を計算するにあたっては、当分野にて従来知られた方法を用いる。例えば、文書中に出現する各単語を次元とし、その出現頻度、あるいは出現頻度に単語の重み付けを掛け合わせた値（tf*idf（tf：Term Frequency、idf：Inverse Document Frequency））を要素に持つような文書ベクトルを求め、この文書ベクトルの内積を二文書の類似度とするという方法を用いることができる。

また、英語カテゴリ判別手段２０７は、日本語文書中の単語を英語文書の単語と照合するにあたり、単語境界情報を用いて、日本語文書及び英語文書を構成する単語を認識する。そして、日本語文書中の単語に対する訳語候補を日英対訳辞書保持手段３０８から取得し、これらの訳語候補と合致する単語の候補を英語文書から求める。なお、日本語文書中の単語の訳語候補が、日英翻訳文書中で対応する単語の訳語と異なる場合は、日英翻訳文書中の該当箇所に第２訳語候補として括弧書きなどで挿入すれば、訳語選択誤りによる検索精度の低下や、翻訳誤りによる読みにくさを改善する効果が期待できる。

英語カテゴリ判別手段２０７は、日本語文書及び英語文書間の類似度についての計算結果を基に、日本語文書に極めて類似する英語文書が存在する英語カテゴリ、あるいは、大半の英語文書と日本語文書とが一定以上の類似度を示す英語カテゴリを選定する。そして、選定した英語カテゴリを、未分類であった日英翻訳文書のカテゴリに決定し、この日英翻訳文書をその英語カテゴリに関連付けて日英対訳辞書保持手段３０８へ保存する。

日英翻訳文書のカテゴリ分けに翻訳元の日本語文書を用いる上記方法には、次のメリットがある。一般に、翻訳処理では原語に対し訳語が一意に決定されるため、たとえ翻訳が正しく行われても、日本語での意味が同一となる英単語同士が文字的に一致しないことにより、該当文書として検出されない可能性がある。これに対し、日本語文書の単語を対訳辞書にて翻訳しながら英語文書と照合するという上記方法では、複数の訳語候補のうち、照合相手の単語と合致するものがあればカウントされるため、異言語間の文書照合に柔軟性を与えることができる。

英日翻訳処理手段２０４は、英語カテゴリ判別手段２０７が行った処理手順と同様な手順により、英語文書保持手段３０２に記憶されている英語文書を日本語に翻訳する（ステップＡ３）。日本語カテゴリ判別手段２０６は、英語カテゴリ判別手段２０７が日英方向で行った処理と同様の処理を英日方向で行う（ステップＡ４）。なお、図２に示す手順では日英翻訳の後に英日翻訳が行われるが、この順序は限定されるものではなく、図示の逆の順序であってもよい。

上記の前処理の完了後、ユーザが検索キーワードの入力操作を行うことにより、入力手段１００から検索クエリが入力されると（ステップＡ５）、このクエリに対する検索処理を以下の手順にて行う。

まず、文書検索統合手段２０１は、入力された検索クエリの言語を判別し（ステップＡ５−１）、その結果、検索クエリの言語が日本語である場合は、日本語文書検索手段２０２との協働により、後述する日本語の適合候補および関連候補を検索する（ステップＡ６）。また、検索クエリの言語が英語である場合、文書検索統合手段２０１は、英語文書検索手段２０３との協働により英語の適合候補および関連候補を検索する（ステップＡ７）。

ここで、図３に示すフローチャートを参照して、適合候補及び関連候補の検索手順について説明する。以下、一例として、検索クエリが日本語であるケースを説明する。

文書検索統合手段２０１は、日本語の検索クエリを日本語文書検索手段２０２へ出力する。日本語文書検索手段２０２は、入力された検索クエリに対し、日本語文書保持手段３０１の全ての日本語文書と、英日翻訳文書保持手段３０５の全ての英日翻訳文書とを検索対象として、クエリの条件に適合する文書を検索し、これにより得られた文書集合を適合候補として文書検索統合手段２０１へ出力する（ステップＳ１）。適合候補としては、日本語文書および英日翻訳文書のいずれか一方に限らず、双方が混在してもよい。

文書検索統合手段２０１は、日本語文書検索手段２０２から適合候補を取得すると、適合候補となる日本語文書及び英日翻訳文書が属する日本語カテゴリを日本語カテゴリ保持手段３０３から取得する（ステップＳ２）。カテゴリの取得に成功した場合、すなわち適合候補が何れかの日本語カテゴリに属する場合（ステップＳ３：Yes）、そのカテゴリに含まれる他の文書を関連候補として抽出する（ステップＳ４）。

このとき、１つの文書に対し複数のカテゴリを得た場合は、各カテゴリから関連候補を抽出する。なお、対象のカテゴリ内に他の文書が存在しない場合、あるいは適合候補が何れのカテゴリにも属さない場合（ステップＳ３：No）は、次のステップへ移行する。

次に、文書検索統合手段２０１は、適合候補と対になる文書、すなわち日本語文書の翻訳結果にあたる日英翻訳文書、および、英日翻訳文書の翻訳元にあたる英語文書を検索し、それらのカテゴリを英語カテゴリ保持手段３０４から求める（ステップＳ５）。その結果、適合候補と対になる文書が何れかの英語カテゴリに属する場合（ステップＳ６：Yes）、そのカテゴリに属する他の文書に着目し、着目した各文書と対になる文書、すなわち日本語文書または英日翻訳文書を関連候補として抽出する（ステップＳ７）。

最後に、文書検索統合手段２０１は、上記手順により得た日本語の適合候補及び関連候補を併せて出力手段４００へ出力する（ステップＳ８）。

上記説明は検索クエリが日本語であるケースであったが、英語の場合は、文書検索統合手段２０１がそのクエリを英語文書検索手段２０３へ出力することにより、以降、図３に示す上記手順に沿って同様の検索処理を行う。これにより、英語の検索クエリに対し、英語の適合候補及び関連候補を得る。

以上の処理により、先に入力された検索クエリに対する検索結果として、適合候補および関連候補が出力手段４００によりユーザに提示される（図２：ステップＡ８）。

《具体例》
本実施形態の理解を深めるため、具体的な例を用いて詳細に説明する。ここでは、図４に示すように、日本語文書保持手段３０１にある日本語文書ｄ_Ｊ１、ｄ_Ｊ２、ｄ_Ｊ３がカテゴリＪａに分類され、また、英語文書保持手段３０２の英語文書ｄ_Ｅ１、ｄ_Ｅ２、ｄ_Ｅ３がカテゴリＥｂに分類されているとする。図５に、これら原文書の一例を示す。以降では、同図５に示す日本語の検索クエリｑ_Ｊにより多言語文書を検索する例について説明する。

日英翻訳処理手段２０５は、日本語文書ｄ_Ｊ１、ｄ_Ｊ２、ｄ_Ｊ３から日英翻訳文書ｄ_Ｊ１´、ｄ_Ｊ２´、ｄ_Ｊ３´を生成して日英翻訳文書保持手段３０６に記録する（図２：ステップＡ１）。英日翻訳処理手段２０４は、英語文書ｄ_Ｅ１、ｄ_Ｅ２、ｄ_Ｅ３から英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´、ｄ_Ｅ３´を生成して英日翻訳文書保持手段３０５に記録する（図２：ステップＡ３）。図６に、上記の翻訳処理により生成された翻訳文書と原文書との関連を模式的に示す。

英語カテゴリ判別手段２０７は、日英翻訳文書ｄ_Ｊ１´、ｄ_Ｊ２´、ｄ_Ｊ３´を英語カテゴリに分類する（図２：ステップＡ２）。ここでは、図７に示すように、日英翻訳文書ｄ_Ｊ１´は英語文書ｄ_Ｅ１、ｄ_Ｅ２、ｄ_Ｅ３と同じ英語カテゴリＥｂに分類され、残りの日英翻訳文書ｄ_Ｊ２´およびｄ_Ｊ３´はそれぞれ別の英語カテゴリＥｃおよびＥｄに分類されたとする。

また、日本語カテゴリ判別手段２０６が、英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´、ｄ_Ｅ３´に対し日本語カテゴリへの分類を行う（図２：ステップＡ４）。ここでは、図７に示すように、今回生成した全ての英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´、ｄ_Ｅ３´が何れの日本語カテゴリにも該当しないとする。

図７に示す状態にて前処理が完了した後、日本語検索クエリｑ_Ｊが入力されると（図２：ステップＡ５）、日本語文書検索手段２０２は、この日本語の検索クエリｑ_Ｊと同一言語である日本語文書ｄ_Ｊ１、ｄ_Ｊ２、ｄ_Ｊ３、及び、英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´、ｄ_Ｅ３´を対象として適合候補の検索を行う。その結果、図８の（１）に示すように、検索クエリｑ_Ｊに対し英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´が適合候補として検索されたとする。

次に、文書検索統合手段２０１が、適合候補としての英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´のカテゴリ、及び、その翻訳元である英語文書ｄ_Ｅ１、ｄ_Ｅ２のカテゴリを求め、各カテゴリから関連候補を抽出する。ここで、英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´は、いずれの日本語カテゴリにも属さないので、現時点で関連候補は抽出されない。なお、仮に、今回の適合候補が日本語文書ｄ_Ｊ１であった場合は、そのカテゴリＪａに属する他の文書である日本語文書ｄ_Ｊ２、ｄ_Ｊ３が関連候補として抽出されることとなる。

一方、英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´の翻訳元である英語文書ｄ_Ｅ１、ｄ_Ｅ２について検証すると、そのカテゴリは、図８の（２）に示すように英語カテゴリＥｂである。そこで、カテゴリＥｂにおいて、英語文書ｄ_Ｅ１、ｄ_Ｅ２以外の文書である英語文書ｄ_Ｅ３および日英翻訳文書ｄ_Ｊ１´に着目し、これら着目した各文書と言語上の対になる文書を関連候補として抽出する。すなわち、図８の（３）に示すように、着目した英語文書ｄ_Ｅ３の翻訳結果である英日翻訳文書ｄ_Ｅ３´と、同じく着目した日英翻訳文書ｄ_Ｊ１´の翻訳元である日本語文書ｄ_Ｊ１とが関連候補となる。

最後に、文書検索統合手段２０１が、図８の（４）に示すように、適合候補としての２つの英日翻訳文書ｄ_Ｅ１´、ｄ_Ｅ２´と、関連候補としての２つの英日翻訳文書ｄ_Ｅ３´及び日本語文書ｄ_Ｊ１とを検索クエリｑ_Ｊに対する検索結果として出力手段４００へ出力する。

以上説明した実施形態によれば、多言語文書の検索処理において、検索クエリにマッチする適合候補に加え、この適合候補と対の文書が属するカテゴリを利用して関連候補を抽出し、適合候補及び関連候補を併せて出力することから、各言語のカテゴリの分類軸や粒度が一致せず、異言語間のカテゴリの対応関係が１対１とならないシステムであっても、適切な検索結果を提示することができる。

なお、上記実施形態では、検索対象の言語種が２種類であったが、本発明は言語種が３種類以上である多言語文書検索にも適用可能である。その際、関連候補としての文書は、検索クエリと同一言語の文書を抽出するよう制御する。一例として、言語種が日本語／英語／独語の３種類である多言語検索について以下に説明する。

上記３言語による文書検索を実施するにあたっては、プロセッサ２００の構成として、図１に示すものに、独語文書検索手段、独語カテゴリ判別手段、独日翻訳処理手段、日独翻訳処理手段、独英翻訳処理手段および英独翻訳処理手段を加える。また、記憶媒体３００には、各言語に関し図１に示す構成と同様の、独語に関連する構成を加える。プロセッサ２００による前処理としては、独語の原文書に対する日本語／英語への翻訳処理、日本語／英語の各原文書に対する独語への翻訳処理、及び、それぞれで得た翻訳文書を当該言語のカテゴリに分類する処理を加える。

次に、上記３言語による検索処理について具体例を用いて説明する。ここでは、図９に示すように、各言語の原文書である日本語文書ｄ_Ｊ１／ｄ_Ｊ２／ｄ_Ｊ３、英語文書ｄ_Ｅ１／ｄ_Ｅ２／ｄ_Ｅ３、独語文書ｄ_Ｇ１／ｄ_Ｇ２が、それぞれ対応する日本語カテゴリＪａ、英語カテゴリＥｂ、独語カテゴリＧｃに予め分類されているとする。

また、各言語の原文書に対する翻訳文書のカテゴリが、図１０に示すように決定されたとする。図示の（Ｊ）なる符合は、日本語に翻訳された翻訳文書であることを示し、例えば、ｄ_Ｅ１ ^（Ｊ）は、英語文書ｄ_Ｅ１を和訳して得た英日翻訳文書を指す。また、同様に、（Ｅ）は英語の翻訳文書であることを示し、（Ｇ）は独語の翻訳文書であることを示す。

図１０に示す状態にて前処理が完了した後、日本語クエリｑ_Ｊが入力されると、日本語文書検索手段は、この日本語の検索クエリと同一言語である日本語文書ｄ_Ｊ１／ｄ_Ｊ２／ｄ_Ｊ３、英日翻訳文書ｄ_Ｅ１ ^（Ｊ）／ｄ_Ｅ２ ^（Ｊ）／ｄ_Ｅ３ ^（Ｊ）、及び、独日翻訳文書ｄ_Ｇ１ ^（Ｊ）／ｄ_Ｇ２ ^（Ｊ）を対象として適合候補の検索を行う。その結果、図１１の（１）に示すように、検索クエリｑ_Ｊに対し英日翻訳文書ｄ_Ｅ１ ^（Ｊ）／ｄ_Ｅ２ ^（Ｊ）が適合候補として検索されたとする。

次に、文書検索統合手段が、適合候補としての英日翻訳文書ｄ_Ｅ１ ^（Ｊ）／ｄ_Ｅ２ ^（Ｊ）のカテゴリ、及び、その翻訳元である英語文書ｄ_Ｅ１／ｄ_Ｅ２のカテゴリを求め、各カテゴリから関連候補を抽出する。ここで、英日翻訳文書ｄ_Ｅ１ ^（Ｊ）／ｄ_Ｅ２ ^（Ｊ）は、いずれの日本語カテゴリにも属さないので、現時点で関連候補は抽出されない。

一方、英日翻訳文書ｄ_Ｅ１ ^（Ｊ）／ｄ_Ｅ２ ^（Ｊ）の翻訳元である英語文書ｄ_Ｅ１／ｄ_Ｅ２について検証すると、そのカテゴリは、図１１の（２）に示すように英語カテゴリＥｂである。そこで、カテゴリＥｂにおいて、英語文書ｄ_Ｅ１／ｄ_Ｅ２以外の文書である英語文書ｄ_Ｅ３と、日英翻訳文書ｄ_Ｊ１ ^（Ｅ）と、独英翻訳文書ｄ_Ｇ１ ^（Ｅ）／ｄ_Ｇ２ ^（Ｅ）とに着目し、これら着目した各文書と言語上の対になる文書を関連候補として抽出する。

図１１の（３）に示すように、関連候補としては、まず、着目した英語文書ｄ_Ｅ３の翻訳結果である英日翻訳文書ｄ_Ｅ３ ^（Ｊ）と、同じく着目した日英翻訳文書ｄ_Ｊ１ ^（Ｅ）の翻訳元である日本語文書ｄ_J１とが抽出される。

また、同じく着目した独英翻訳文書ｄ_Ｇ１ ^（Ｅ）／ｄ_Ｇ２ ^（Ｅ）の場合、その翻訳元は独語文書ｄ_Ｇ１／ｄ_Ｇ２であり、今回の検索クエリ（日本語）とは言語が一致しない。この場合、独英翻訳文書ｄ_Ｇ１ ^（Ｅ）／ｄ_Ｇ２ ^（Ｅ）を関連候補の抽出処理から除外してもよいが、図１１の（３）´に示すような手順を加えることにより、より多くの関連候補を得ることができる。すなわち、着目した独英翻訳文書ｄ_Ｇ１ ^（Ｅ）／ｄ_Ｇ２ ^（Ｅ）の翻訳元となる独語文書ｄ_Ｇ１／ｄ_Ｇ２に対する日本語による翻訳文書、すなわち独日翻訳文書ｄ_Ｇ１ ^（Ｊ）／ｄ_Ｇ２ ^（Ｊ）を関連候補に加える。

最後に、文書検索統合手段が、図１１の（４）に示すように、適合候補としての２つの英日翻訳文書ｄ_Ｅ１ ^（Ｊ）／ｄ_Ｅ２ ^（Ｊ）と、関連候補としての日本語文書ｄ_J１、英日翻訳文書ｄ_Ｅ３ ^（Ｊ）および独日翻訳文書ｄ_Ｇ１ ^（Ｊ）／ｄ_Ｇ２ ^（Ｊ）を検索クエリｑ_Ｊに対する検索結果として出力手段へ出力する。

３言語以上の文書検索では、適合候補の対となる文書のカテゴリ（Ｅｂ）に、検索クエリの言語と関連しない独英翻訳文書ｄ_Ｇ１ ^（Ｅ）／ｄ_Ｇ２ ^（Ｅ）のような文書が含まれる可能性があるが、これらの文書を媒介にした（３）´に示す検索を加えることにより、文書の検索範囲が拡大され、結果、より多くの検索結果をユーザに提示することができる。

本発明は、特許、論文、製品やサービスFAQ、コンタクトセンターの応対記録、オフィス文書など、カテゴリ分類された多言語文書を検索する用途に好適である。また、このような多言語文書の分類及び検索を行う文書共有システムにも適用可能である。

本発明の実施形態の構成を示すブロック図である。実施形態の動作手順を示すフローチャートである。実施形態における文書検索に関する手順を示すフローチャートである。実施形態の具体例を説明するための説明図（その１）である。実施形態の具体例を説明するための説明図（その２）である。実施形態の具体例を説明するための説明図（その３）である。実施形態の具体例を説明するための説明図（その４）である。実施形態の具体例を説明するための説明図（その５）である。他の実施形態の具体例を説明するための説明図（その１）である。他の実施形態の具体例を説明するための説明図（その２）である。他の実施形態の具体例を説明するための説明図（その３）である。

符号の説明

１００入力手段
２００プロセッサ
３００記憶媒体
４００出力手段
２０１：文書検索統合手段、２０２：日本語文書検索手段、２０３：英語文書検索手段、２０４：英日翻訳処理手段、２０５：日英翻訳処理手段、２０６：日本語カテゴリ判別手段、２０７：英語カテゴリ判別手段
３０１：日本語文書保持手段、３０２：英語文書保持手段、３０３：日本語カテゴリ保持手段、３０４：英語カテゴリ保持手段、３０５：英日翻訳文書保持手段、３０６：日英翻訳文書保持手段、３０７：英日対訳辞書保持手段、３０８：日英対訳辞書保持手段

Claims

プロセッサと、言語ごとに規定された文書カテゴリを割り当てられた複数の原文書を言語別に記憶する記憶媒体とを備え、
前記プロセッサは、
原文書の翻訳により翻訳文書を生成する手段と、
翻訳文書を当該原文書に関連付けて言語別に前記記憶媒体へ格納する手段と、
翻訳文書と同一言語の文書カテゴリから該翻訳文書の文書カテゴリを求める手段と、
入力された検索クエリに適合する適合候補を該検索クエリと同一言語の原文書および翻訳文書から検索する手段と、
前記適合候補に対する翻訳文書または原文書の文書カテゴリを認識し、該文書カテゴリに属する他の文書に対する翻訳文書または原文書のうち前記検索クエリと同一言語の文書を関連候補として抽出し、該関連候補および前記適合候補を検索結果として出力する手段とを有することを特徴とする多言語文書検索装置。
前記プロセッサは、関連候補を抽出するとき、前記認識した文書カテゴリに属する他の文書に、対応する原文書の言語が前記検索クエリの言語と異なる翻訳文書が存在する場合、その原文書に対する翻訳文書のうち前記検索クエリと同一言語の翻訳文書を前記関連候補に加えることを特徴とする請求項１記載の多言語文書検索装置。
前記プロセッサは、翻訳文書の文書カテゴリを求めるとき、当該言語の文書カテゴリに属する原文書と前記翻訳文書の翻訳元の原文書とを単語ごとの対訳により照合し、該照合による両文書の類似度に基づき前記翻訳文書の文書カテゴリを決定することを特徴とする請求項１又は２記載の多言語文書検索装置。
前記プロセッサは、翻訳文書の文書カテゴリを求めるとき、当該言語の文書カテゴリに属する原文書と前記翻訳文書とを単語ごとに照合し、該照合による両文書の類似度に基づき前記翻訳文書の文書カテゴリを決定することを特徴とする請求項１又は２記載の多言語文書検索装置。
コンピュータを、請求項１乃至４のいずれか１項に記載の多言語文書検索装置として機能させることを特徴とするプログラム。
言語ごとに規定された文書カテゴリを割り当てられた複数の原文書を言語別に記憶する記憶媒体と接続されたプロセッサが、
原文書の翻訳により翻訳文書を生成するステップと、
翻訳文書を当該原文書に関連付けて言語別に前記記憶媒体へ格納するステップと、
翻訳文書と同一言語の文書カテゴリから該翻訳文書の文書カテゴリを求めるステップと、
入力手段により入力された検索クエリに適合する適合候補を該検索クエリと同一言語の原文書および翻訳文書から検索するステップと、
前記適合候補に対する翻訳文書または原文書の文書カテゴリを認識し、該文書カテゴリに属する他の文書に対する翻訳文書または原文書のうち前記検索クエリと同一言語の文書を関連候補として抽出し、該関連候補および前記適合候補を検索結果として出力手段から出力するステップとを備えることを特徴とする多言語文書検索方法。
前記プロセッサが、検索結果を出力する前記ステップにおいて、
前記認識した文書カテゴリに属する他の文書に、対応する原文書の言語が前記検索クエリの言語と異なる翻訳文書が存在する場合、その原文書に対する翻訳文書のうち前記検索クエリと同一言語の翻訳文書を前記関連候補に加えることを特徴とする請求項６記載の多言語文書検索方法。
前記プロセッサが、翻訳文書の文書カテゴリを求める前記ステップにおいて、
当該言語の文書カテゴリに属する原文書と前記翻訳文書の翻訳元の原文書とを単語ごとの対訳により照合し、該照合による両文書の類似度に基づき前記翻訳文書の文書カテゴリを決定することを特徴とする請求項６又は７記載の多言語文書検索方法。
前記プロセッサが、翻訳文書の文書カテゴリを求める前記ステップにおいて、
当該言語の文書カテゴリに属する原文書と前記翻訳文書とを単語ごとに照合し、該照合による両文書の類似度に基づき前記翻訳文書の文書カテゴリを決定することを特徴とする請求項６又は７記載の多言語文書検索方法。