(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-11-11
(45)【発行日】2024-11-19
(54)【発明の名称】文書検索システム、及び文書検索方法
(51)【国際特許分類】
G06F 16/35 20190101AFI20241112BHJP
G06F 16/38 20190101ALI20241112BHJP
【ＦＩ】
G06F16/35
G06F16/38
【請求項の数】
6
(21)【出願番号】P 2021523121
(86)(22)【出願日】2020-05-11
(86)【国際出願番号】 IB2020054413
(87)【国際公開番号】W WO2020240312
(87)【国際公開日】2020-12-03
【審査請求日】2023-05-01
(31)【優先権主張番号】P 2019097468
(32)【優先日】2019-05-24
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000153878
【氏名又は名称】株式会社半導体エネルギー研究所
(72)【発明者】
【氏名】山本 一宇
(72)【発明者】
【氏名】桃 純平
(72)【発明者】
【氏名】東 和樹
【審査官】松尾 真人
(56)【参考文献】
【文献】特開２０１３－１７４９８８（ＪＰ，Ａ）
【文献】高木 徹，検索質問文書の主題分析に基づく類似文書検索，情報処理学会研究報告，社団法人情報処理学会，2004年05月14日，第2004巻, 第45号，pp.91～98
【文献】新森 昭宏，特許請求項読解支援のための「発明の詳細な説明」との自動対応付け，自然言語処理，言語処理学会，2005年07月10日，第12巻, 第3号，pp.111～128
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／００－１６／９５８
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
データベースと、処理部を有し、前記データベースは、データベース文書データを記憶する機能を有し、
前記処理部は、第１の文書データが有する特許出願の特許請求の範囲から、複数の用語を抽出する機能を有し、
前記処理部は、第２の文書データが有する前記特許出願に係る拒絶理由通知書に対する意見書に含まれる文章において、「相違」、「開示されていない」または「異なる」という言葉が含まれる文章を第１の文章に区分し、それ以外を第２の文章に区分する機能を有し、
前記処理部は、前記第１の文書データから抽出した前記用語のうち、前記第１の文章に含まれる前記用語の重みを、前記第１の文章に含まれない前記用語の重みより大きくするように重み付けを行う機能を有し、
前記処理部は、前記重み付けを行った前記用語を基にして、前記データベース文書データの、前記第１の文書データに対する類似度を算出する機能を有する文書検索システム。
【請求項2】
請求項１において、前記処理部は、機械学習を行う機能を有し、
前記処理部は、前記機械学習の学習結果を基にして前記区分を行う機能を有し、
第１の学習用文書データを前記処理部に入力することにより前記処理部から出力されるデータが、第２の学習用文書データに近づくように前記機械学習が行われ、
前記第１の学習用文書データは、前記第２の文書データと同一の種類の文書データであり、
前記第２の学習用文書データは、前記第１の学習用文書データにラベル付けを行った文書データである文書検索システム。
【請求項3】
請求項１または２において、前記処理部は、前記用語の抽出を、形態素解析を用いて行う機能を有する文書検索システム。
【請求項4】
データベース文書データが記憶されている文書検索システムを用いた文書検索方法であって、前記文書検索システムは、第１の文書データが有する特許出願の特許請求の範囲と、第２の文書データが有する前記特許出願に係る拒絶理由通知書に対する意見書と、が前記文書検索システムに入力された後、前記第１の文書データから、複数の用語を抽出し、
前記第２の文書データが表す文書に含まれる文章において、「相違」、「開示されていない」または「異なる」という言葉が含まれる文章を第１の文章に区分し、それ以外を第２の文章に区分し、
前記第１の文書データから抽出した前記用語のうち、前記第１の文章に含まれる前記用語の重みを、前記第１の文章に含まれない前記用語の重みより大きくするように重み付けを行い、
前記重み付けを行った前記用語を基にして、前記データベース文書データの、前記第１の文書データに対する類似度を算出する文書検索方法。
【請求項5】
請求項４において、前記区分は、機械学習を用いて行い、
前記機械学習を用いた処理を行う機能を有する処理部に第１の学習用文書データを入力することにより前記処理部から出力されるデータが、第２の学習用文書データに近づくように前記機械学習が行われ、
前記第１の学習用文書データは、前記第２の文書データと同一の種類の文書データであり、
前記第２の学習用文書データは、前記第１の学習用文書データにラベル付けを行った文書データである文書検索方法。
【請求項6】
請求項４または５において、前記用語の抽出は、形態素解析を用いて行う文書検索方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の一態様は、文書検索システム、及び文書検索方法に関する。
【背景技術】
【0002】
特許権を取得した発明に関し、例えば当該特許権に係る出願の出願日前に公開、又は出願された特許出願文献、及び論文等の非特許文献を調査することで、関連する先行技術が存在するか否かを調査することができる。調査を行うことで得られた国内外の特許文献及び論文等の非特許文献は、自身の所有する特許権が無効化される恐れが無いか、或いは、他者の所有する特許権を無効化できるか等の判断に利用することができる。
【0003】
また、様々な用途において、人工知能の活用が検討されている。特に、機械学習等を利用することで、従来のノイマン型コンピュータよりも高性能なコンピュータが実現できると期待されており、近年、機械学習に関する研究が進められている。
【0004】
例えば、特許文献１には、入力した文献データと類似する知的財産の情報を、人工ニューラルネットワーク（以下、ニューラルネットワークという）を用いて検索する発明が開示されている。
【先行技術文献】
【特許文献】
【0005】
【文献】特開２０１８－２０６３７６号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
例えば特許の無効理由を探すために先行技術文献等の調査を行う際には、特許請求の範囲で定義された発明を中心に検索式を作成する必要がある。発明や審査経過を把握することで検索式の質の向上が期待できるが、検索者の経験や理解力を要し時間のかかる作業である。
【0007】
本発明の一態様は、検索者の能力によらず文書を効率良く検索できる文書検索システムを提供することを課題の一つとする。又は、本発明の一態様は、簡便な方法で文書を検索できる文書検索システムを提供することを課題の一つとする。又は、本発明の一態様は、高い精度で文書を検索できる文書検索システムを提供することを課題の一つとする。又は、本発明の一態様は、新規な文書検索システムを提供することを課題の一つとする。
【0008】
又は、本発明の一態様は、検索者の能力によらず文書を効率良く検索できる文書検索方法を提供することを課題の一つとする。又は、本発明の一態様は、簡便な方法で文書を検索できる文書検索方法を提供することを課題の一つとする。又は、本発明の一態様は、高い精度で文書を検索できる文書検索方法を提供することを課題の一つとする。又は、本発明の一態様は、新規な文書検索方法を提供することを課題の一つとする。
【0009】
なお、複数の課題の記載は、互いの課題の存在を妨げるものではない。本発明の一形態は、例示したすべての課題を解決する必要はない。また、列記した以外の課題が、本明細書の記載から、自ずと明らかとなり、このような課題も、本発明の一形態の課題となり得る。
【課題を解決するための手段】
【0010】
本発明の一態様は、データベースと、処理部を有し、データベースは、データベース文書データを記憶する機能を有し、処理部は、第１の文書データから、複数の用語を抽出する機能を有し、処理部は、第２の文書データを基にして、抽出した用語の少なくとも一つに対して重み付けを行う機能を有し、処理部は、重み付けを行った用語を基にして、データベース文書データの、第１の文書データに対する類似度を算出する機能を有する文書検索システムである。
【0011】
又は、上記態様において、処理部は、第２の文書データが表す文書に含まれる文章を、第１の文章と、第２の文章と、に区分する機能を有し、処理部は、第１の文書データから抽出した用語のうち、第１の文章に含まれる用語の重みを、第１の文章に含まれない用語の重みより大きくする機能を有してもよい。
【0012】
又は、上記態様において、処理部は、機械学習を行う機能を有し、処理部は、機械学習の学習結果を基にして文章の区分を行う機能を有してもよい。
【0013】
又は、上記態様において、第１の学習用文書データを処理部に入力することにより処理部から出力されるデータが、第２の学習用文書データに近づくように機械学習が行われ、第１の学習用文書データは、第２の文書データと同一の種類の文書データであり、第２の学習用文書データは、第１の学習用文書データにラベル付けを行った文書データであってもよい。
【0014】
又は、上記態様において、処理部は、用語の抽出を、形態素解析を用いて行う機能を有してもよい。
【0015】
又は、本発明の一態様は、データベース文書データが記憶されている文書検索システムを用いた文書検索方法であって、文書検索システムは、第１の文書データと、第２の文書データと、が文書検索システムに入力された後、第１の文書データから、複数の用語を抽出し、第２の文書データを基にして、抽出した用語の少なくとも一つに対して重み付けを行い、重み付けを行った用語を基にして、データベース文書データの、第１の文書データに対する類似度を算出する文書検索方法である。
【0016】
又は、上記態様において、用語を抽出した後、第２の文書データが表す文書に含まれる文章を、第１の文章と、第２の文章と、に区分し、第１の文書データから抽出した用語のうち、第１の文章に含まれる用語の重みが、第１の文章に含まれない用語の重みより大きくなるように、重み付けを行ってもよい。
【0017】
又は、上記態様において、文章の区分は、機械学習を用いて行ってもよい。
【0018】
又は、上記態様において、機械学習を用いた処理を行う機能を有する処理部に第１の学習用文書データを入力することにより処理部から出力されるデータが、第２の学習用文書データに近づくように機械学習が行われ、第１の学習用文書データは、第２の文書データと同一の種類の文書データであり、第２の学習用文書データは、第１の学習用文書データにラベル付けを行った文書データであってもよい。
【0019】
又は、上記態様において、用語の抽出は、形態素解析を用いて行ってもよい。
【発明の効果】
【0020】
本発明の一態様により、検索者の能力によらず文書を効率良く検索できる文書検索システムを提供することができる。又は、本発明の一態様により、高い精度で文書を検索できる文書検索システムを提供することができる。又は、本発明の一態様により、新規な文書検索システムを提供することができる。
【0021】
又は、本発明の一態様により、検索者の能力によらず文書を効率良く検索できる文書検索方法を提供することができる。又は、本発明の一態様により、高い精度で文書を検索できる文書検索方法を提供することができる。又は、本発明の一態様により、新規な文書検索方法を提供することができる。
【0022】
なお、複数の効果の記載は、他の効果の存在を妨げるものではない。また、本発明の一態様は、必ずしも、例示した効果のすべてを有する必要はない。また、本発明の一態様について、上記以外の課題、効果、及び新規な特徴については、本明細書の記載及び図面から自ずと明らかになるものである。
【図面の簡単な説明】
【0023】
図１は、文書検索システムの一例を示すブロック図である。
図２は、文書検索方法の一例を説明するためのフローチャートである。
図３は、文書検索方法の一例を説明するための模式図である。
図４Ａ、図４Ｂ１、図４Ｂ２、及び図４Ｃは、それぞれ、文書検索方法の一例を説明するための表である。
図５Ａ及び図５Ｂは、それぞれ、文書検索方法の一例を説明するための表である。
図６Ａは、文書検索方法の一例を説明するためのフローチャートである。図６Ｂは、文書検索方法の一例を説明するための表である。
図７Ａ及び図７Ｂは、それぞれ、文書検索方法の一例を説明するための模式図である。
図８は、文書検索方法の一例を説明するための模式図である。
図９は、文書検索方法の一例を説明するための模式図である。
図１０Ａ及び図１０Ｂは、それぞれ、文書検索方法の一例を説明するための模式図である。
図１１は、文書検索方法の一例を説明するための模式図である。
図１２は、文書検索方法の一例を説明するための模式図である。
図２は、文書検索方法の一例を説明するためのフローチャートである。
図３は、文書検索方法の一例を説明するための模式図である。
図４Ａ、図４Ｂ１、図４Ｂ２、及び図４Ｃは、それぞれ、文書検索方法の一例を説明するための表である。
図５Ａ及び図５Ｂは、それぞれ、文書検索方法の一例を説明するための表である。
図６Ａは、文書検索方法の一例を説明するためのフローチャートである。図６Ｂは、文書検索方法の一例を説明するための表である。
図７Ａ及び図７Ｂは、それぞれ、文書検索方法の一例を説明するための模式図である。
図８は、文書検索方法の一例を説明するための模式図である。
図９は、文書検索方法の一例を説明するための模式図である。
図１０Ａ及び図１０Ｂは、それぞれ、文書検索方法の一例を説明するための模式図である。
図１１は、文書検索方法の一例を説明するための模式図である。
図１２は、文書検索方法の一例を説明するための模式図である。
【発明を実施するための形態】
【0024】
以下に、本発明の実施の形態を説明する。ただし、本発明の一態様は、以下の説明に限定されず、本発明の趣旨及びその範囲から逸脱することなくその形態及び詳細を様々に変更し得ることは、当業者であれば容易に理解される。したがって、本発明の一態様は、以下に示す実施の形態の記載内容に限定して解釈されるものではない。
【0025】
なお本明細書等において、「第１」、「第２」、「第３」という序数詞は、構成要素の混同を避けるために付したものである。従って、構成要素の数を限定するものではない。また、構成要素の順序を限定するものではない。また例えば、本明細書等において「第１」の構成要素を、特許請求の範囲において、「第２」の構成要素と記載することもありうる。また例えば、本明細書等において「第１」の構成要素を、特許請求の範囲において省略することもありうる。
【0026】
また、複数の要素に同じ符号を用いる場合、特に、それらを区別する必要があるときには、符号に“［１］”、“［２］”、“［ｎ］”等の識別用の符号を付記して記載する場合がある。
【0027】
【0028】
本実施の形態では、文書検索システムの一例として、知的財産の検索に用いることができる文書検索システム、及び当該文書検索システムを用いた文書検索方法について説明する。なお、本発明の一態様の文書検索システムは、知的財産の検索に限られず、知的財産以外の検索に使用することもできる。
【0029】
本発明の一態様の文書検索方法では、まず、本発明の一態様の文書検索システムの使用者が、第１の文書データと、第２の文書データと、を本発明の一態様の文書検索システムに入力する。第１の文書データは、発明が記載された文書を表す文書データとすることができ、第２の文書データは、第１の文書データが表す文書に記載されている内容について議論、及び説明等を行っている文書を表す文書データとすることができる。例えば、第２の文書データは、第１の文書データが表す文書に記載された発明の特徴を表す文書データとすることができる。例えば、第１の文書データが、特許出願に係る特許請求の範囲を表すものとすると、第２の文書データは、当該特許出願の拒絶理由に対する反論が記載された意見書を表すものとすることができる。
【0030】
第１及び第２の文書データが本発明の一態様の文書検索システムに入力されると、当該文書検索システムは、第１の文書データから複数の用語を抽出する。例えば、第１の文書データに対して形態素解析を行うことにより、複数の用語を抽出することができる。
【0031】
次に、文書検索システムは、第２の文書データを基にして、第１の文書データから抽出した用語のそれぞれに対して重み付けを行う。例えば、第２の文書データが表す文書に含まれる文章を、第１の文章と、第２の文章と、に区分する。例えば、上述のように第１の文書データが特許出願に係る特許請求の範囲を表し、第２の文書データが拒絶理由に対する反論が記載された意見書を表すものとすると、第１の文書データに係る特許出願に対する拒絶理由を回避するために主張された発明の特徴を表す文章を、第１の文章とすることができる。この場合、例えば第２の文書データが表す文書に含まれる文章のうち、第１の文章以外の文章を第２の文章とすることができる。ここで、第１の文章と、第２の文章と、への区分（分類ともいう）は、例えばルールベース、又は、機械学習を用いて行うことができる。
【0032】
本明細書等において「文章」という言葉は、まとまった内容を表す、文字の集合を示す。また、「文書」という言葉は、文章を含む媒体を示す。例えば、特許文献（公開特許公報、特許公報等）、論文、拒絶理由通知書、意見書等は、文書である。また、例えば、特許文献に含まれる特許請求の範囲、明細書、及び要約書は、それぞれ文書であるということができる。なお、「文書」には、文章の他に図面、画像等が含まれていてもよい。
【0033】
そして、第１の文書データから抽出した用語のうち、第１の文章に含まれる用語の重みを、第１の文章に含まれない用語の重みより大きくする。つまり、第１の文章に含まれる用語の重みを、第１の文章に含まれず第２の文章にのみ含まれる用語の重み、並びに第１及び第２の文章のいずれにも含まれない用語の重みより大きくする。
【0034】
その後、重み付けを行った用語を基にして、データベースに記憶されている文書データであるデータベース文書データの、第１の文書データに対する類似度を算出する。例えば、上記の方法で第１の文書データから抽出し、重み付けを行った用語が、データベース文書データに含まれているか否かを判定する。第１の文書データから抽出し、重み付けを行った用語が、データベース文書データに含まれている場合は、当該用語の重みをスコアとする。第１の文書データから抽出し、重み付けを行った用語が、データベース文書データに含まれていない場合は、スコアは０とする。以上のような判定とスコアの算出を、例えば、第１の文書データから抽出した用語のすべてについて行う。スコアの合計値を、データベース文書データの、第１の文書データに対する類似度とすることができる。つまり、例えば、第１の文書データから抽出した用語のうち、データベース文書データに含まれる用語の重みの合計値を、当該データベース文書データの、第１の文書データに対する類似度とすることができる。
【0035】
以上の方法で類似度を算出することにより、例えば第１の文書データから抽出した用語に対して重み付けを行わない場合より、第１の文書データが表す文書に記載された発明等の特徴を反映した類似度を得ることができる。これにより、検索者である本発明の一態様の文書検索システムの使用者の能力によらずに、文書を効率良く検索することができる。
【0036】
＜１．文書検索システムの構成例＞
本実施の形態では、文書検索システムの一例として、知的財産の検索に用いることができる文書検索システムについて説明する。なお、本発明の一態様の文書検索システムは、知的財産の検索に限られず、知的財産以外の検索に使用することもできる。
本実施の形態では、文書検索システムの一例として、知的財産の検索に用いることができる文書検索システムについて説明する。なお、本発明の一態様の文書検索システムは、知的財産の検索に限られず、知的財産以外の検索に使用することもできる。
【0037】
図１は、本発明の一態様の文書検索システムである文書検索システム１０の構成例を示すブロック図である。図１において、矢印はデータ等の流れを示す。なお、図１で示したデータ等の流れは一例であり、矢印で示していない方向にデータ等が流れてもよい。
【0038】
本明細書に添付した図面では、構成要素を機能ごとに分類し、互いに独立したブロックとしてブロック図を示しているが、実際の構成要素は機能ごとに完全に切り分けることが難しく、一つの構成要素が複数の機能に係わることもあり得る。また、一つの機能が複数の構成要素に係わることもあり得る。
【0039】
図１は、文書検索システム１０の構成例を示すブロック図である。文書検索システム１０は、少なくとも処理部２０を有し、処理部２０は重み付与部２１と、検索実行部２３と、を有する。また、文書検索システム１０は、処理部２０の他、入力部１１、記憶部１５、データベース１７、及び出力部１９を有することができる。なお、重み付与部２１、検索実行部２３、入力部１１、記憶部１５、データベース１７、及び出力部１９は、文書検索システム１０の使用者のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）に設けられていてもよいし、当該ＰＣとネットワークを介して接続されたサーバに設けられていてもよい。例えば、重み付与部２１、検索実行部２３、入力部１１、記憶部１５、データベース１７、及び出力部１９のうちの一部が文書検索システム１０の使用者のＰＣに設けられ、他の一部が当該ＰＣとネットワークを介して接続されたサーバに設けられていてもよい。
【0040】
入力部１１には、データが入力される。例えば、文書検索システム１０の使用者が、入力部１１にデータを入力することができる。入力部１１に入力されたデータは、重み付与部２１に供給することができる。また、入力部１１に入力されたデータを、検索実行部２３、記憶部１５、データベース１７等に供給してもよい。また、入力部１１に入力されたデータの一部を、重み付与部２１、検索実行部２３、記憶部１５、データベース１７等に供給してもよい。
【0041】
記憶部１５は、処理部２０が実行するプログラムを記憶する機能を有する。また、記憶部１５は、処理部２０の処理結果、及び入力部１１に入力されたデータ等を記憶する機能を有してもよい。
【0042】
記憶部１５は、揮発性メモリ及び不揮発性メモリのうち少なくとも一方を有する。記憶部１５は、例えば、ＤＲＡＭ、ＳＲＡＭ等の揮発性メモリを有していてもよい。記憶部１５は、例えば、ＲｅＲＡＭ（Ｒｅｓｉｓｔｉｖｅ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等に代表される抵抗変化型のメモリ、ＰＲＡＭ（Ｐｈａｓｅ ｃｈａｎｇｅ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＦｅＲＡＭ（Ｆｅｒｒｏｅｌｅｃｔｒｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＭＲＡＭ（Ｍａｇｎｅｔｏｒｅｓｉｓｔｉｖｅ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等に代表される磁気抵抗型のメモリ、又はフラッシュメモリ等の不揮発性メモリを有していてもよい。また、記憶部１５は、ハードディスクドライブ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ：ＨＤＤ）及びソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等の記録メディアドライブを有していてもよい。
【0043】
データベース１７は、少なくとも、検索対象となるデータベース文書データを記憶する機能を有する。また、データベース１７は、処理部２０による処理結果、及び入力部１１に入力されたデータ等を記憶する機能を有してもよい。なお、記憶部１５及びデータベース１７は、互いに分離されていなくてもよい。例えば、文書検索システム１０は、記憶部１５とデータベース１７の双方の機能を有する記憶ユニットを有していてもよい。
【0044】
処理部２０は、入力部１１、記憶部１５、及びデータベース１７等から供給されたデータ等を用いて、演算、推論等の処理を行う機能を有する。処理部２０は、処理結果を出力部１９に供給する機能を有する。また、処理部２０は、処理結果を記憶部１５、又はデータベース１７等に供給する機能を有してもよい。
【0045】
具体的には、処理部２０が有する重み付与部２１及び検索実行部２３のうち、重み付与部２１は、入力部１１、及び記憶部１５から供給されたデータ等を用いて処理を行う機能を有する。また、検索実行部２３は、重み付与部２１の処理結果、並びに入力部１１、記憶部１５、及びデータベース１７から供給されたデータ等を用いて検索処理を行う機能を有する。検索実行部２３による検索結果は、出力部１９に供給することができる。なお、重み付与部２１及び検索実行部２３が行うことができる具体的な処理の内容については後述する。
【0046】
処理部２０は、例えば、演算回路又は中央演算装置（ＣＰＵ：Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等を有する。
【0047】
処理部２０は、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のマイクロプロセッサを有していてもよい。マイクロプロセッサは、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＦＰＡＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ａｎａｌｏｇ Ａｒｒａｙ）等のＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）によって構成されていてもよい。処理部２０は、プロセッサにより種々のプログラムからの命令を解釈し実行することで、各種のデータ処理及びプログラム制御を行うことができる。プロセッサにより実行しうるプログラムは、プロセッサが有するメモリ領域、及び記憶部１５のうち少なくとも一方に格納される。
【0048】
処理部２０はメインメモリを有していてもよい。メインメモリは、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性メモリ、及びＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の不揮発性メモリのうち少なくとも一方を有する。
【0049】
ＲＡＭとしては、例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等が用いられ、処理部２０の作業空間として仮想的にメモリ空間が割り当てられ利用される。記憶部１５に格納されたオペレーティングシステム、アプリケーションプログラム、プログラムモジュール、プログラムデータ、及びルックアップテーブル等は、実行のためにＲＡＭにロードされる。ＲＡＭにロードされたこれらのデータ、プログラム、及びプログラムモジュールは、それぞれ、処理部２０に直接アクセスされ、操作される。
【0050】
ＲＯＭには、書き換えを必要としない、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）及びファームウェア等を格納することができる。ＲＯＭとしては、マスクＲＯＭ、ＯＴＰＲＯＭ（Ｏｎｅ Ｔｉｍｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等が挙げられる。ＥＰＲＯＭとしては、紫外線照射により記憶データの消去を可能とするＵＶ－ＥＰＲＯＭ（Ｕｌｔｒａ－Ｖｉｏｌｅｔ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等が挙げられる。
【0051】
出力部１９は、文書検索システム１０のデータを出力する機能を有する。具体的には、例えば、処理部２０の処理結果を出力することができる。例えば、検索実行部２３による検索結果を表示装置に表示してもよいし、検索結果を電子ファイルの形で出力してもよい。
【0052】
＜２．文書検索方法１＞
文書検索システム１０を用いた文書検索方法について説明する。図２は、文書検索システム１０を用いた文書検索方法の一例を示すフローチャートである。図３は、図２に示すステップＳ０１の動作を説明する模式図である。図４Ａは、図２に示すステップＳ０２の動作を説明する模式図である。図４Ｂ１、及び図４Ｂ２は、図２に示すステップＳ０３の動作を説明する模式図である。図４Ｃ、及び図５Ａ、及び図５Ｂは、図２に示すステップＳ０４の動作を説明する模式図である。
文書検索システム１０を用いた文書検索方法について説明する。図２は、文書検索システム１０を用いた文書検索方法の一例を示すフローチャートである。図３は、図２に示すステップＳ０１の動作を説明する模式図である。図４Ａは、図２に示すステップＳ０２の動作を説明する模式図である。図４Ｂ１、及び図４Ｂ２は、図２に示すステップＳ０３の動作を説明する模式図である。図４Ｃ、及び図５Ａ、及び図５Ｂは、図２に示すステップＳ０４の動作を説明する模式図である。
【0053】
［ステップＳ０１］
まず、文書検索システム１０の使用者が、入力部１１に文書データＴＤと参照文書データＲＴＤを入力する。文書データＴＤと参照文書データＲＴＤは同時に入力してもよいし、別々に入力してもよい。
まず、文書検索システム１０の使用者が、入力部１１に文書データＴＤと参照文書データＲＴＤを入力する。文書データＴＤと参照文書データＲＴＤは同時に入力してもよいし、別々に入力してもよい。
【0054】
文書データＴＤ及び参照文書データＲＴＤは、入力部１１から重み付与部２１に供給することができる。
【0055】
文書データＴＤは、例えば、発明、考案、意匠、発売前の工業製品、技術情報、又は技術的思想を説明する文書等を有する。特に、文書データＴＤとして、特許請求の範囲、要約書、又は発明の概要を説明する文書等を用いることができる。このような文書は、明細書全文に比べて文章量が少ないため、文書データＴＤに含まれる特徴的なキーワードを抽出しやすい。
【0056】
参照文書データＲＴＤは、文書データＴＤが表す文書に記載されている内容について議論、及び説明等を行っている文書を表す文書データとすることができる。例えば、参照文書データＲＴＤは、文書データＴＤが表す文書に記載された発明等の特徴を表す文書データとすることができる。例えば、意見書には、特許出願等の拒絶理由に対する反論のために、特許出願等に係る発明等の特徴が記載されている。具体的には、例えば新規性違反、及び進歩性違反の拒絶理由の解消のために、引用文献との差別化点を意見書に記載した場合、当該差別化点を、特許出願等に係る発明等の特徴とすることができる。よって、参照文書データＲＴＤは、例えば、文書データＴＤに係る特許出願等に対する拒絶理由への反論が記載された意見書とすることができる。又は、文書データＴＤに係る特許等に対して異議申し立てがされた場合、参照文書データＲＴＤは、新規性違反、進歩性違反の異議理由に対する反論が記載された意見書とすることができる。又は、文書データＴＤに係る特許等に対して無効審判が提起された場合、参照文書データＲＴＤは、新規性違反、進歩性違反の無効理由に対する反論が記載された答弁書とすることができる。又は、文書データＴＤが表す文書に記載された発明等の特徴を、上申書に記載した場合、参照文書データＲＴＤは当該上申書とすることができる。図３では、文書データＴＤを特許請求の範囲とし、参照文書データＲＴＤを意見書としている。以下の説明においても、文書データＴＤを特許請求の範囲とし、参照文書データＲＴＤを文書データＴＤに係る特許出願に対して通知された拒絶理由に対する反論が記載された意見書とする。
【0057】
文書検索システム１０を用いた文書検索方法では、参照文書データＲＴＤを考慮しつつ、文書データＴＤに類似する文書データをデータベース文書データの中から検索することができる。
【0058】
［ステップＳ０２］
次に、重み付与部２１が、文書データＴＤから用語を抽出することにより、用語データＴｍＤを取得する。例えば、文書データＴＤに対して形態素解析を行うことにより、用語を抽出する。抽出した用語のうち、例えば名詞を用語データＴｍＤに含まれる用語とすることができ、例えばすべての名詞を用語データＴｍＤに含まれる用語とすることができる。図４Ａでは、用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、及び「ｄｄｄ」を文書データＴＤから抽出し、これらの用語が用語データＴｍＤに含まれる例を示している。なお、重みについては後述する。
次に、重み付与部２１が、文書データＴＤから用語を抽出することにより、用語データＴｍＤを取得する。例えば、文書データＴＤに対して形態素解析を行うことにより、用語を抽出する。抽出した用語のうち、例えば名詞を用語データＴｍＤに含まれる用語とすることができ、例えばすべての名詞を用語データＴｍＤに含まれる用語とすることができる。図４Ａでは、用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、及び「ｄｄｄ」を文書データＴＤから抽出し、これらの用語が用語データＴｍＤに含まれる例を示している。なお、重みについては後述する。
【0059】
ここで、文書データＴＤ等から抽出する「用語」は、例えば「名詞」、「動詞」、「助詞」等の形態素に分割できる最小単位とすることができる。又は、２つ以上の単語により１つの「用語」が構成されていてもよい。又は、文節を「用語」としてもよい。
【0060】
［ステップＳ０３］
次に、重み付与部２１が、参照文書データＲＴＤを基にして、用語データＴｍＤに含まれる各用語に対して重みを付ける。重み付けを行った用語データを、用語データＴｍＤｗとする。例えば、参照文書データＲＴＤが表す文書に含まれる文章を、第１の文章と、第２の文章と、に区分（分類ともいう）し、第１の文章に含まれる用語の重みを、第１の文章に含まれない用語の重みより大きくする。つまり、第１の文章に含まれる用語の重みを、第１の文章に含まれず第２の文章にのみ含まれる用語の重み、並びに第１及び第２の文章のいずれにも含まれない用語の重みより大きくする。なお、参照文書データＲＴＤが表す文書に含まれる文章を、第１乃至第３の文章に区分してもよい。この場合、例えば、第１の文章に含まれる用語の重みを、第１の文章に含まれず第２の文章に含まれる用語の重みより大きくすることができる。また、第１の文章に含まれず第２の文章に含まれる用語の重みを、第１及び第２の文章のいずれにも含まれない用語の重みより大きくすることができる。なお、参照文書データＲＴＤが表す文書に含まれる文章を、第１乃至第ｋの文章（ｋは２以上の整数）に区分してもよい。
次に、重み付与部２１が、参照文書データＲＴＤを基にして、用語データＴｍＤに含まれる各用語に対して重みを付ける。重み付けを行った用語データを、用語データＴｍＤｗとする。例えば、参照文書データＲＴＤが表す文書に含まれる文章を、第１の文章と、第２の文章と、に区分（分類ともいう）し、第１の文章に含まれる用語の重みを、第１の文章に含まれない用語の重みより大きくする。つまり、第１の文章に含まれる用語の重みを、第１の文章に含まれず第２の文章にのみ含まれる用語の重み、並びに第１及び第２の文章のいずれにも含まれない用語の重みより大きくする。なお、参照文書データＲＴＤが表す文書に含まれる文章を、第１乃至第３の文章に区分してもよい。この場合、例えば、第１の文章に含まれる用語の重みを、第１の文章に含まれず第２の文章に含まれる用語の重みより大きくすることができる。また、第１の文章に含まれず第２の文章に含まれる用語の重みを、第１及び第２の文章のいずれにも含まれない用語の重みより大きくすることができる。なお、参照文書データＲＴＤが表す文書に含まれる文章を、第１乃至第ｋの文章（ｋは２以上の整数）に区分してもよい。
【0061】
ここで、例えば参照文書データＲＴＤが表す文書に含まれる文章のうち、文書データＴＤに係る発明等の特徴を強く表す文章を第１の文章とし、それ以外の文章を第２の文章とすることができる。例えば、文書データＴＤが特許請求の範囲、参照文書データＲＴＤが拒絶理由に対する反論が記載された意見書であるとすると、参照文書データＲＴＤに含まれる文章のうち、文書データＴＤに係る特許出願に対する拒絶理由を回避するために、発明の特徴等を強く主張している文章を第１の文章とすることができる。例えば、「相違」、「開示されていない」、「異なる」という言葉が含まれる文、又は段落等を第１の文章とすることができる。参照文書データに含まれる文章の区分は、このような特定の用語をキーワードとして、ルールベースで行うことができる。
【0062】
なお、参照文書データＲＴＤに含まれる第１の文章は、連続する１つの文章でなくてもよい。つまり、参照文書データＲＴＤには、第１の文章が複数含まれていてもよい。第２乃至第ｋの文章についても同様である。
【0063】
図３では、用語「ｂｂｂ」が第１の文章３１に含まれ、用語「ａａａ」及び用語「ｄｄｄ」が第２の文章３２に含まれる例を示している。また、図４Ｂ１では、用語データＴｍＤに含まれる用語（ステップＳ０２で文書データＴＤから抽出した用語）のうち、第１の文章３１に含まれる用語「ｂｂｂ」の重みを他の用語の重みより大きくする場合を示している。
【0064】
例えば参照文書データＲＴＤが表す文書に含まれる文章を第１の文章３１と、第２の文章３２と、に区分する場合の、用語データＴｍＤに含まれる各用語の重みの算出方法の一例を説明する。用語データＴｍＤに含まれる各用語のうち、第１の文章３１に含まれない用語の重みは１とする。そして、第１の文章３１に含まれる用語の重みは、以下の式で算出する。ここで、第１の文章３１に含まれる用語の重みをＷ、用語データＴｍＤに含まれる用語の個数をＮ、用語データＴｍＤに含まれる用語のうち、第１の文章３１に含まれる用語の個数をＮｆｔｒとする。
【0065】
【数1】
【0066】
第１の文章３１に含まれる用語の重みを数式１で算出することにより、用語データＴｍＤに含まれる用語の個数Ｎが多いほど、第１の文章３１に含まれる用語の重みが大きくなる。また、用語データＴｍＤに含まれる用語のうち、第１の文章３１に含まれる用語の個数Ｎｆｔｒが少ないほど、第１の文章３１に含まれる用語の重みが大きくなる。
【0067】
図４Ｂ１には、用語「ｂｂｂ」の重みを数式１で算出した例を示している。数式１において、Ｎは４、Ｎｆｔｒは１となるため、重みＷは３となる。
【0068】
なお、用語データＴｍＤに含まれる用語のうち、第１の文章３１、及び第２の文章３２のいずれにも含まれない用語の重みを、第１の文章３１には含まれないが第２の文章３２には含まれる用語の重みより小さくしてもよい。図４Ｂ２には、図３に示す第１の文章３１、及び第２の文章３２のいずれにも含まれない用語「ｃｃｃ」の重みを０とし、第１の文章３１には含まれないが第２の文章３２には含まれる用語「ａａａ」、及び用語「ｄｄｄ」の重みを１とする例を示している。
【0069】
［ステップＳ０４］
次に、ステップＳ０３で重み付けを行った用語データである用語データＴｍＤｗを基にして、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度を、検索実行部２３が算出する。例えば、用語データＴｍＤｗに含まれる用語が、データベース文書データＤｂＴＤに含まれているか否かを判定する。用語データＴｍＤｗに含まれる用語が、データベース文書データＤｂＴＤに含まれている場合は、当該用語の重みをスコアとする。用語データＴｍＤｗに含まれる用語が、データベース文書データＤｂＴＤに含まれていない場合は、スコアは０とする。以上のような判定とスコアの算出を、例えば、用語データＴｍＤｗに含まれるすべての用語について行う。スコアの合計値を、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度とすることができる。つまり、例えば、用語データＴｍＤｗに含まれる用語のうち、データベース文書データＤｂＴＤに含まれる用語の重みの合計値を、当該データベース文書データの、文書データＴＤに対する類似度とすることができる。以上述べた類似度の算出方法を数式で表すと、以下のようになる。ここで、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度をＳＩＭ、用語データＴｍＤｗに含まれる用語の個数をｍ、ｉ番目の用語の重みをＷｉとする。また、データベース文書データＤｂＴＤにｉ番目の用語が含まれている場合はＹｉを１とし、含まれていない場合はＹｉを０とする。
次に、ステップＳ０３で重み付けを行った用語データである用語データＴｍＤｗを基にして、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度を、検索実行部２３が算出する。例えば、用語データＴｍＤｗに含まれる用語が、データベース文書データＤｂＴＤに含まれているか否かを判定する。用語データＴｍＤｗに含まれる用語が、データベース文書データＤｂＴＤに含まれている場合は、当該用語の重みをスコアとする。用語データＴｍＤｗに含まれる用語が、データベース文書データＤｂＴＤに含まれていない場合は、スコアは０とする。以上のような判定とスコアの算出を、例えば、用語データＴｍＤｗに含まれるすべての用語について行う。スコアの合計値を、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度とすることができる。つまり、例えば、用語データＴｍＤｗに含まれる用語のうち、データベース文書データＤｂＴＤに含まれる用語の重みの合計値を、当該データベース文書データの、文書データＴＤに対する類似度とすることができる。以上述べた類似度の算出方法を数式で表すと、以下のようになる。ここで、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度をＳＩＭ、用語データＴｍＤｗに含まれる用語の個数をｍ、ｉ番目の用語の重みをＷｉとする。また、データベース文書データＤｂＴＤにｉ番目の用語が含まれている場合はＹｉを１とし、含まれていない場合はＹｉを０とする。
【0070】
【数2】
【0071】
図４Ｃには、データベース文書データＤｂＴＤ［１］乃至データベース文書データＤｂＴＤ［ｎ］（ｎは１以上の整数）の、文書データＴＤに対する類似度の算出結果の一例を示している。ここで、用語データＴｍＤｗに含まれる用語、及びその重みは、図４Ｂ１に示す通りとする。図４Ｃにおいて、データベース文書データＤｂＴＤに含まれる用語は“○”で示し、データベース文書データＤｂＴＤに含まれない用語は“×”で示している。
【0072】
図４Ｃに示す例では、データベース文書データＤｂＴＤ［１］には用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」が含まれ、用語「ｂｂｂ」は含まれていない。用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」の重みはすべて１であるため、データベース文書データＤｂＴＤ［１］の、文書データＴＤに対する類似度は３とすることができる。また、データベース文書データＤｂＴＤ［２］には用語「ａａａ」、「ｂｂｂ」が含まれ、用語「ｃｃｃ」、「ｄｄｄ」は含まれていない。用語「ａａａ」の重みは１であり、用語「ｂｂｂ」の重みは３であるため、データベース文書データＤｂＴＤ［２］の、文書データＴＤに対する類似度は４とすることができる。
【0073】
また、データベース文書データＤｂＴＤ［ｎ－１］には用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」のすべてが含まれている。用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」の重みは１であり、用語「ｂｂｂ」の重みは３であるため、データベース文書データＤｂＴＤ［ｎ－１］の、文書データＴＤに対する類似度は６とすることができる。さらに、データベース文書データＤｂＴＤ［ｎ］には用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」が全く含まれていない。この場合、データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する類似度は０とすることができる。
【0074】
なお、データベース文書データＤｂＴＤに含まれる文章全体に対して、用語データＴｍＤｗが有する用語が含まれているか否かの判定を行うのではなく、データベース文書データＤｂＴＤに含まれる文章の一部に対して当該判定を行ってもよい。例えば、データベース文書データＤｂＴＤに含まれる文章のうち、発明の趣旨を表す文章に対してのみ、用語データＴｍＤｗに含まれる用語が含まれているか否かの判定を行ってもよい。又は、例えば、データベース文書データＤｂＴＤに含まれる文章のうち、書誌的事項を表す文章以外の文章に対してのみ、用語データＴｍＤｗに含まれる用語が含まれているか否かの判定を行ってもよい。
【0075】
図４Ｃに示す例では、同じ用語が同じデータベース文書データＤｂＴＤに複数回登場しても、類似度の算出の際に出現回数を考慮していないが、出現回数を考慮してもよい。例えば、用語データＴｍＤｗに含まれる用語の出現回数と、当該用語の重みと、の積をスコアとする。当該スコアの算出を、例えば用語データＴｍＤｗに含まれるすべての用語について行う。スコアの合計値を、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度とすることができる。以上述べた類似度の算出方法を数式で表すと、以下のようになる。ここで、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度をＳＩＭ、用語データＴｍＤｗに含まれる用語の個数をｍ、ｉ番目の用語の重みをＷｉとする。また、ｉ番目の用語の、データベース文書データＤｂＴＤへの出現回数をＴｉとする。
【0076】
【数3】
【0077】
図５Ａには、データベース文書データＤｂＴＤ［１］乃至データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する類似度の算出結果の一例を示している。図５Ａに示す例では、類似度を数式３により計算している。図５Ａでは、用語データＴｍＤｗに含まれる用語（ステップＳ０２で文書データＴＤから抽出した用語）のそれぞれについて、データベース文書データＤｂＴＤへの出現回数を示している。なお、図４Ｃに示す例と同様に、用語データＴｍＤｗには用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」が含まれ、用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」の重みは１、用語「ｂｂｂ」の重みは３とする。
【0078】
図５Ａに示す例では、データベース文書データＤｂＴＤ［１］には用語「ａａａ」が１０回出現し、用語「ｃｃｃ」が３回出現し、用語「ｄｄｄ」が５回出現する。一方、用語「ｂｂｂ」は１回も出現しない。用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」の重みはすべて１であるため、データベース文書データＤｂＴＤ［１］の、文書データＴＤに対する類似度は１８とすることができる。また、データベース文書データＤｂＴＤ［２］には用語「ａａａ」が４回出現し、用語「ｂｂｂ」が７回出現する。一方、用語「ｃｃｃ」、「ｄｄｄ」は１回も出現しない。用語「ａａａ」の重みは１であり、用語「ｂｂｂ」の重みは３であるため、データベース文書データＤｂＴＤ［２］の、文書データＴＤに対する類似度は２５とすることができる。
【0079】
また、データベース文書データＤｂＴＤ［ｎ－１］には用語「ａａａ」が１５回出現し、用語「ｂｂｂ」が１０回出現し、用語「ｃｃｃ」が２０回出現し、用語「ｄｄｄ」が２５回出現する。用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」の重みは１であり、用語「ｂｂｂ」の重みは３であるため、データベース文書データＤｂＴＤ［ｎ－１］の、文書データＴＤに対する類似度は９０とすることができる。さらに、データベース文書データＤｂＴＤ［ｎ］には用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」のいずれも１回も出現しない。この場合、データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する類似度は０とすることができる。
【0080】
文書データＴＤから抽出した用語が、データベース文書データＤｂＴＤに繰り返し出現する場合、文書データＴＤが表す文書に記載されている内容と、データベース文書データＤｂＴＤが表す文書に記載されている内容と、が類似する可能性が高い。例えば、文書データＴＤが表す文書に記載されている発明等と、データベース文書データＤｂＴＤが表す文書に記載されている発明等と、が類似する可能性が高い。よって、同じ用語のデータベース文書データＤｂＴＤへの出現回数を考慮して類似度を算出することにより、文書検索システム１０が、類似度の算出を高い精度で行うことができる。
【0081】
図５Ａに示す例では、用語データＴｍＤｗに含まれるすべての用語について、類似度の算出の際に用語のデータベース文書データＤｂＴＤへの出現回数を考慮したが、本発明の一態様はこれに限らない。例えば、重みの大きさに応じて、用語の出現回数の考慮の有無を変えてもよい。例えば、重みが規定値以上の用語のみ、類似度の算出の際に当該用語の出現回数を考慮してもよい。又は、文書検索システム１０の使用者が指定した用語のみ、データベース文書データＤｂＴＤへの出現回数を考慮してもよい。もしくは、考慮する出現回数の上限値を決めてもよい。例えば、当該上限値を１０とする場合、１１回以上出現した用語であっても、１０回しか出現しなかったものとみなして類似度を算出することができる。
【0082】
図５Ｂには、データベース文書データＤｂＴＤ［１］乃至データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する類似度の算出結果の一例を示している。なお、図５Ａに示す例と同様に、用語データＴｍＤｗには用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」が含まれ、用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」の重みは１、用語「ｂｂｂ」の重みは３とする。また、用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」の、データベース文書データＤｂＴＤ［１］乃至データベース文書データＤｂＴＤ［ｎ］への出現回数も図５Ａに示す例と同様とする。
【0083】
図５Ｂに示す例では、重みが３である用語「ｂｂｂ」は、データベース文書データＤｂＴＤへの出現回数を考慮し、重みが１である用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」は、データベース文書データＤｂＴＤへの出現回数を考慮していない。具体的には、用語「ａａａ」、「ｃｃｃ」、「ｄｄｄ」については、データベース文書データＤｂＴＤに１回以上出現すればスコアは１とし、１回も出現しなければスコアは０とする。一方、用語「ｂｂｂ」については、重みと、データベース文書データＤｂＴＤへの出現回数と、の積をスコアとする。用語「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」についてのスコアの合計値を、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度とする。
【0084】
図５Ｂに示す例では、データベース文書データＤｂＴＤ［１］の、文書データＴＤに対する類似度は３とすることができ、データベース文書データＤｂＴＤ［２］の、文書データＴＤに対する類似度は２２とすることができる。また、データベース文書データＤｂＴＤ［ｎ－１］の、文書データＴＤに対する類似度は３３とすることができ、データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する類似度は０とすることができる。
【0085】
文書データＴＤから抽出した用語であったとしても、重みが小さい用語は、文書データＴＤに係る発明等の特徴を強くは表していない可能性が高い。例えば、参照文書データＲＴＤを意見書とし、当該意見書に記載された、引用文献との差別化点を文書データＴＤに係る発明等の特徴とする場合、重みが小さい用語は、記載要件違反等に対する反論にのみ使われている可能性がある。この場合、重みが小さい用語は、引用文献との差別化点を全く表していない可能性がある。よって、重みが小さい用語に対してもデータベース文書データＤｂＴＤへの出現回数を考慮すると、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度の算出を高い精度で行うことができない可能性がある。よって、重みの大きさに応じて、用語の出現回数の考慮の有無を変えることにより、文書データＴＤに係る発明等の特徴と類似する特徴を有する発明等が記載されたデータベース文書を表すデータベース文書データＤｂＴＤの、文書データＴＤに対する類似度を高くすることができる。よって、文書検索システム１０が、類似度の算出を高い精度で行うことができる。
【0086】
以上、図４Ｃ、図５Ａ、及び図５Ｂ等に示す方法により類似度を算出した後、算出した類似度に基づいて文書検索システム１０がデータベース文書データＤｂＴＤを出力する。例えば、類似度が高いほうから順に、所定の個数のデータベース文書データＤｂＴＤを文書検索システム１０が出力する。又は、例えば、類似度が規定値以上のデータベース文書データＤｂＴＤを文書検索システム１０が出力する。以上により、文書検索システム１０は、参照文書データＲＴＤを考慮しつつ、文書データＴＤに類似するデータベース文書データＤｂＴＤを検索することができる。
【0087】
以上、本発明の一態様の文書検索方法は、文書データＴＤから用語を抽出し、抽出した用語に対して、参照文書データＲＴＤを基に重み付けを行い、当該重みを考慮してデータベース文書データＤｂＴＤの、文書データＴＤに対する類似度を算出する。このような方法で類似度を算出することにより、例えば文書データＴＤから抽出した用語に対して重み付けを行わない場合より、文書データＴＤが表す文書に記載された発明等の特徴を反映した類似度を得ることができる。これにより、検索者である文書検索システム１０の使用者の能力によらずに、文書を効率良く検索することができる。
【0088】
＜３．文書検索方法２＞
図６Ａは、文書検索システム１０を用いた文書検索方法の一例を示すフローチャートである。図６Ａに示す方法において、ステップＳ１１及びステップＳ１２の動作は、図２等に示すステップＳ０１及びステップＳ０２の動作と同様である。
図６Ａは、文書検索システム１０を用いた文書検索方法の一例を示すフローチャートである。図６Ａに示す方法において、ステップＳ１１及びステップＳ１２の動作は、図２等に示すステップＳ０１及びステップＳ０２の動作と同様である。
【0089】
［ステップＳ１３］
ステップＳ１２の動作の終了後、文書データＴＤから用語を抽出することにより重み付与部２１が取得した用語データＴｍＤを基にして、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度を、検索実行部２３が算出する。当該類似度を、第１の類似度とする。第１の類似度は、図２等に示すステップＳ０４と同様の方法で算出することができる。ここで、用語データＴｍＤに含まれる用語の重みは、すべて同一とすることができる。つまり、例えばすべての用語の重みを１とすることができる。以上より、第１の類似度は、参照文書データＲＴＤを考慮せずに算出した類似度であるということができる。
ステップＳ１２の動作の終了後、文書データＴＤから用語を抽出することにより重み付与部２１が取得した用語データＴｍＤを基にして、データベース文書データＤｂＴＤの、文書データＴＤに対する類似度を、検索実行部２３が算出する。当該類似度を、第１の類似度とする。第１の類似度は、図２等に示すステップＳ０４と同様の方法で算出することができる。ここで、用語データＴｍＤに含まれる用語の重みは、すべて同一とすることができる。つまり、例えばすべての用語の重みを１とすることができる。以上より、第１の類似度は、参照文書データＲＴＤを考慮せずに算出した類似度であるということができる。
【0090】
ステップＳ１４及びステップＳ１５の動作は、図２等に示すステップＳ０３及びステップＳ０４の動作と同様である。
【0091】
［ステップＳ１６］
ステップＳ１５の動作の終了後、検索実行部２３が、第１の類似度と、第２の類似度と、を比較する。例えば、第２の類似度が第１の類似度より高いデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。例えば、第２の類似度と、第１の類似度と、の差が規定値以上のデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。
ステップＳ１５の動作の終了後、検索実行部２３が、第１の類似度と、第２の類似度と、を比較する。例えば、第２の類似度が第１の類似度より高いデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。例えば、第２の類似度と、第１の類似度と、の差が規定値以上のデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。
【0092】
又は、例えば第１の類似度が高いほうから降順にデータベース文書データＤｂＴＤを並べた第１のランキングと、第２の類似度が高いほうから降順にデータベース文書データＤｂＴＤを並べた第２のランキングと、を検索実行部２３が作成する。その後、第２のランキングでの順位が、第１のランキングでの順位と異なるデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。例えば、第２のランキングでの順位が、第１のランキングでの順位より高いデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。例えば、第２のランキングでの順位が、第１のランキングでの順位より規定値以上上昇したデータベース文書データＤｂＴＤを、文書検索システム１０の使用者に提示する。以上が図６Ａに示す文書検索方法の一例である。
【0093】
図６Ｂには、データベース文書データＤｂＴＤ［１］乃至データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する第１及び第２の類似度の算出結果の一例を示している。ここで、用語データＴｍＤに含まれる用語（すなわち、ステップＳ１２で文書データＴＤから抽出した用語）は、図４Ｃに示す場合と同様に「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ｄｄｄ」の４つとする。
【0094】
また、第１及び第２の類似度は、数式２により算出している。ここで、第１の類似度は、これら４つの用語の重みをすべて１として算出し、第２の類似度は、これら４つの用語の重みが図４Ｂ１に示す値であるとして算出している。また、図６Ｂにおいて、データベース文書データＤｂＴＤに含まれる用語は“○”で示し、データベース文書データＤｂＴＤに含まれない用語は“×”で示している。各用語がデータベース文書データＤｂＴＤ［１］乃至データベース文書データＤｂＴＤ［ｎ］に含まれるか否かは、図４Ｃに示す例と同様としている。
【0095】
図６Ｂに示す例では、データベース文書データＤｂＴＤ［１］の、文書データＴＤに対する第１の類似度は３とすることができ、第２の類似度も３とすることができる。また、データベース文書データＤｂＴＤ［２］の、文書データＴＤに対する第１の類似度は２とすることができ、第２の類似度は４とすることができる。また、データベース文書データＤｂＴＤ［ｎ－１］の、文書データＴＤに対する第１の類似度は４とすることができ、第２の類似度は６とすることができる。さらに、データベース文書データＤｂＴＤ［ｎ］の、文書データＴＤに対する第１の類似度は０とすることができ、第２の類似度も０とすることができる。以上より、データベース文書データＤｂＴＤ［２］及びデータベース文書データＤｂＴＤ［ｎ－１］は、第２の類似度が第１の類似度より大きくなっている。図６Ｂでは、データベース文書データＤｂＴＤ［２］の第２の類似度と、データベース文書データＤｂＴＤ［ｎ－１］の第２の類似度と、を丸印で囲って強調する例を示している。
【0096】
＜４．文書検索方法３＞
本発明の一態様の文書検索方法では、用語データＴｍＤに含まれる用語（文書データＴＤから抽出した用語）に対する重み付けを行うために、参照文書データＲＴＤに含まれる文章を第１の文章３１と第２の文章３２に分類するが、この分類は、機械学習を用いて行ってもよい。例えば、Ｎａｉｖｅ Ｂａｙｅｓ、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄｓ（ＣＲＦｓ）等のアルゴリズムを用いて、重み付けを行うことができる。又は、重み付与部２１に、ニューラルネットワークが構成された回路を設け、当該ニューラルネットワークを用いて重み付けを行うことができる。また、機械学習を行うために文書データＴＤから抽出した用語を分散表現に変換する場合は、同じ用語でも文脈に応じて異なる分散表現を得ることが可能な、Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｅｎｃｏｄｅｒ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｒｏｍ Ｔｒａｎｓｆｏｒｍｅｒ（ＢＥＲＴ）を用いてもよい。文書検索システム１０が機械学習を行う機能を有する場合、例えば重み付与部２１が機械学習を行う機能を有することができる。
本発明の一態様の文書検索方法では、用語データＴｍＤに含まれる用語（文書データＴＤから抽出した用語）に対する重み付けを行うために、参照文書データＲＴＤに含まれる文章を第１の文章３１と第２の文章３２に分類するが、この分類は、機械学習を用いて行ってもよい。例えば、Ｎａｉｖｅ Ｂａｙｅｓ、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄｓ（ＣＲＦｓ）等のアルゴリズムを用いて、重み付けを行うことができる。又は、重み付与部２１に、ニューラルネットワークが構成された回路を設け、当該ニューラルネットワークを用いて重み付けを行うことができる。また、機械学習を行うために文書データＴＤから抽出した用語を分散表現に変換する場合は、同じ用語でも文脈に応じて異なる分散表現を得ることが可能な、Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｅｎｃｏｄｅｒ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｒｏｍ Ｔｒａｎｓｆｏｒｍｅｒ（ＢＥＲＴ）を用いてもよい。文書検索システム１０が機械学習を行う機能を有する場合、例えば重み付与部２１が機械学習を行う機能を有することができる。
【0097】
［学習］
学習方法の一例を説明する。まず、学習用参照文書データＬＲＴＤを用意する。学習用参照文書データＬＲＴＤは、参照文書データＲＴＤと同じ種類の文書データとすることができる。つまり、学習用参照文書データＬＲＴＤは、例えば意見書とすることができる（図７Ａ参照）。
学習方法の一例を説明する。まず、学習用参照文書データＬＲＴＤを用意する。学習用参照文書データＬＲＴＤは、参照文書データＲＴＤと同じ種類の文書データとすることができる。つまり、学習用参照文書データＬＲＴＤは、例えば意見書とすることができる（図７Ａ参照）。
【0098】
次に、学習用参照文書データＬＲＴＤに含まれる文章にラベル付けを行う。ラベル付けを行った文章を含む学習用参照文書データＬＲＴＤを、学習用参照文書データＬＲＴＤＬＢとする（図７Ａ参照）。
【0099】
例えば、学習用参照文書データＬＲＴＤに紐付けられている文書データ（例えば特許請求の範囲）に係る発明等の特徴を強く表す文章にラベルＡを付け、それ以外の文章にラベルＢを付ける。つまり、学習用参照文書データＬＲＴＤに含まれる文章を第１の文章と、第２の文章と、に区分し、第１の文章にラベルＡを付け、第２の文章にラベルＢを付けることができる。ラベル付けは、例えば段落ごとに行うことができる。つまり、例えば学習用参照文書データＬＲＴＤに紐付けられている文書データに係る発明等の特徴を強く表す文章が記載された段落にラベルＡを付け、それ以外の段落にラベルＢを付けることができる。
【0100】
なお、上記の方法でラベル付けを行う場合、ラベルＡを付ける文章には、学習用参照文書データＬＲＴＤに紐付けられている文書データに含まれる用語を含むことが好ましい。これにより、用語データＴｍＤに含まれる用語に対する重み付けを、正確に行うことができる。したがって、文書検索システム１０が、類似度の算出を高い精度で行うことができる。なお、上記では学習用参照文書データＬＲＴＤに２種類のラベル（ラベルＡ、ラベルＢ）を付ける場合について説明しているが、３種類以上のラベルを付けてもよい。
【0101】
なお、学習用参照文書データＬＲＴＤと、当該学習用参照文書データＬＲＴＤに紐付けられている文書データと、の両方に含まれる用語を、所定の文字列等に置き換えてもよい。これにより、過学習を抑制することができる。
【0102】
次に、学習用参照文書データＬＲＴＤを、重み付与部２１に入力する。重み付与部２１は、出力データが学習用参照文書データＬＲＴＤＬＢに近づくように学習を行う。具体的には、学習用参照文書データＬＲＴＤに対して付けられるラベルが、学習用参照文書データＬＲＴＤＬＢに付けられたラベルに近づくように学習を行う。これにより、重み付与部２１は、学習結果Ｐを取得することができる（図７Ｂ参照）。例えば、重み付与部２１が、ニューラルネットワークが構成された回路を有する場合、学習結果Ｐは、当該ニューラルネットワークに含まれる各ニューロンに対応する重み係数とすることができる。以上より、重み付与部２１は、教師あり学習を行うことができるということができる。
【0103】
［文書データＴＤから抽出した用語に対する重み付け］
図２等に示すステップＳ０３、又は図６Ａ等に示すステップＳ１４において、上記の方法で学習を行った重み付与部２１に参照文書データＲＴＤを入力すると、学習結果Ｐを踏まえたラベル付けが行われる。例えば、文書データＴＤに係る発明等の特徴を強く表す文章にラベルＡを付け、それ以外の文章にラベルＢを付けることができる。ラベル付けを行った参照文書データＲＴＤを、参照文書データＲＴＤＬＢとする（図８参照）。以上より、参照文書データＲＴＤが表す文書に含まれる文章を区分することができる。例えば、ラベルＡが付された文章を第１の文章３１とし、ラベルＢが付された文章を第２の文章３２とすることができる。
図２等に示すステップＳ０３、又は図６Ａ等に示すステップＳ１４において、上記の方法で学習を行った重み付与部２１に参照文書データＲＴＤを入力すると、学習結果Ｐを踏まえたラベル付けが行われる。例えば、文書データＴＤに係る発明等の特徴を強く表す文章にラベルＡを付け、それ以外の文章にラベルＢを付けることができる。ラベル付けを行った参照文書データＲＴＤを、参照文書データＲＴＤＬＢとする（図８参照）。以上より、参照文書データＲＴＤが表す文書に含まれる文章を区分することができる。例えば、ラベルＡが付された文章を第１の文章３１とし、ラベルＢが付された文章を第２の文章３２とすることができる。
【0104】
その後、重み付与部２１が、用語データＴｍＤに含まれる各用語に対して重みを付ける。例えば、ラベルＡを付した文章に含まれる用語の重みを、ラベルＡを付した文章に含まれない用語の重みより大きくする。以上の方法により、文書データＴＤから抽出した用語に対する重み付けを行うことができる。
【0105】
＜５．文書検索方法４＞
ニューラルネットワークを用いることによる、用語データＴｍＤに含まれる用語（文書データＴＤから抽出した用語）に対する重み付けの方法は、上記の方法に限らない。以下では、ニューラルネットワークの学習方法、及び文書データＴＤから抽出した用語に対する重み付けの方法の、上記の方法とは異なる例について説明する。なお、学習等のアルゴリズムは、上記の方法と同様に、Ｎａｉｖｅ Ｂａｙｅｓ、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、ＣＲＦｓ等を用いることができる。
ニューラルネットワークを用いることによる、用語データＴｍＤに含まれる用語（文書データＴＤから抽出した用語）に対する重み付けの方法は、上記の方法に限らない。以下では、ニューラルネットワークの学習方法、及び文書データＴＤから抽出した用語に対する重み付けの方法の、上記の方法とは異なる例について説明する。なお、学習等のアルゴリズムは、上記の方法と同様に、Ｎａｉｖｅ Ｂａｙｅｓ、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、ＣＲＦｓ等を用いることができる。
【0106】
［学習］
ニューラルネットワークの学習方法の一例を説明する。まず、学習用文書データＬＴＤを用意する。また、学習用文書データＬＴＤに紐付けられている、学習用参照文書データＬＲＴＤを用意する。
ニューラルネットワークの学習方法の一例を説明する。まず、学習用文書データＬＴＤを用意する。また、学習用文書データＬＴＤに紐付けられている、学習用参照文書データＬＲＴＤを用意する。
【0107】
学習用文書データＬＴＤは、文書データＴＤと同じ種類の文書データとすることができる。つまり、学習用文書データＬＴＤは、例えば特許請求の範囲とすることができる。また、前述のように、学習用参照文書データＬＲＴＤは、参照文書データＲＴＤと同じ種類の文書データとすることができる。つまり、学習用参照文書データＬＲＴＤは、例えば学習用文書データＬＴＤに係る特許出願等に対する拒絶理由への反論が記載された意見書とすることができる。
【0108】
次に、学習用文書データＬＴＤから用語を抽出することにより、学習用用語データＬＴｍＤを取得する（図９参照）。学習用文書データＬＴＤからの用語の抽出は、重み付与部２１による文書データＴＤからの用語の抽出と同様の方法で行うことができる。例えば、学習用文書データＬＴＤに対して形態素解析を行うことにより、用語を抽出する。抽出した用語のうち、例えば名詞を学習用用語データＬＴｍＤに含まれる用語とすることができ、例えばすべての名詞を学習用用語データＬＴｍＤに含まれる用語とすることができる。
【0109】
また、学習用参照文書データＬＲＴＤが表す文章の区分を行う。例えば、学習用参照文書データＬＲＴＤが表す文章を、第１の文章と、第２の文章と、に区分する。例えば、学習用参照文書データＬＲＴＤが表す文章のうち、学習用文書データＬＴＤに係る発明等の特徴を強く表す文章をハイライトする。ハイライトした文章を第１の文章として、その他の文章を第２の文章とすることができる。ハイライトした文章が含まれる学習用参照文書データＬＲＴＤを、学習用参照文書データＬＲＴＤＨＬとする（図１０Ａ参照）。図１０Ａに示す学習用参照文書データＬＲＴＤＨＬでは、ハイライト部ＨＬに含まれている文章を、ハイライトした文章としている。
【0110】
次に、学習用参照文書データＬＲＴＤＨＬを基に、学習用用語データＬＴｍＤに含まれる用語に対してラベル付けを行う。例えば、学習用用語データＬＴｍＤに含まれる用語のうち、ハイライトした文章、つまり第１の文章に含まれる用語にラベルＡを付け、その他の用語にラベルＢを付けることができる。これにより、学習用用語データＬＴｍＤに含まれる用語のうち、学習用文書データＬＴＤに係る発明等の特徴を強く表す文章に含まれる用語にラベルＡを付け、それ以外の用語にラベルＢを付けることができる。ラベル付けを行った用語を含む学習用用語データＬＴｍＤを、学習用用語データＬＴｍＤＬＢとする（図１０Ｂ参照）。なお、上記では学習用用語データＬＴｍＤに含まれる用語に２種類のラベル（ラベルＡ、ラベルＢ）を付ける場合について説明しているが、３種類以上のラベルを付けてもよい。
【0111】
次に、学習用用語データＬＴｍＤ、及び学習用参照文書データＬＲＴＤを、重み付与部２１に入力する。重み付与部２１は、出力データが学習用用語データＬＴｍＤＬＢ、及び学習用参照文書データＬＲＴＤＨＬに近づくように学習を行う。具体的には、例えばニューラルネットワークに入力した学習用用語データＬＴｍＤに含まれる用語に対して付けられるラベルが、学習用用語データＬＴｍＤＬＢに含まれる用語に対して付けられたラベルに近づくように学習を行う。これにより、重み付与部２１は、学習結果Ｐを取得することができる（図１１参照）。例えば、重み付与部２１が、ニューラルネットワークが構成された回路を有する場合、学習結果Ｐは、当該ニューラルネットワークに含まれる各ニューロンに対応する重み係数とすることができる。以上より、重み付与部２１は、教師あり学習を行うことができる。
【0112】
［文書データＴＤから抽出した用語に対する重み付け］
図２等に示すステップＳ０３、又は図６Ａ等に示すステップＳ１４において、上記の方法で学習を行ったニューラルネットワークに用語データＴｍＤ、及び参照文書データＲＴＤを入力すると、学習結果Ｐを踏まえたラベル付けが行われる。例えば、参照文書データＲＴＤに含まれ、かつ文書データＴＤに係る発明等の特徴を強く表す文章に含まれる用語にラベルＡを付け、それ以外の用語にラベルＢを付けることができる。ラベル付けを行った用語を含む用語データを、用語データＴｍＤＬＢとする（図１２参照）。
図２等に示すステップＳ０３、又は図６Ａ等に示すステップＳ１４において、上記の方法で学習を行ったニューラルネットワークに用語データＴｍＤ、及び参照文書データＲＴＤを入力すると、学習結果Ｐを踏まえたラベル付けが行われる。例えば、参照文書データＲＴＤに含まれ、かつ文書データＴＤに係る発明等の特徴を強く表す文章に含まれる用語にラベルＡを付け、それ以外の用語にラベルＢを付けることができる。ラベル付けを行った用語を含む用語データを、用語データＴｍＤＬＢとする（図１２参照）。
【0113】
その後、重み付与部２１が、用語データＴｍＤＬＢに含まれる各用語に対して重みを付ける。例えば、ラベルＡを付した用語の重みを、ラベルＢを付した用語の重みより大きくする。以上の方法により、文書データＴＤから抽出した用語に対する重み付けを行うことができる。
【符号の説明】
【0114】
Ｓ０１：ステップ、Ｓ０２：ステップ、Ｓ０３：ステップ、Ｓ０４：ステップ、Ｓ１１：ステップ、Ｓ１２：ステップ、Ｓ１３：ステップ、Ｓ１４：ステップ、Ｓ１５：ステップ、Ｓ１６：ステップ、１０：文書検索システム、１１：入力部、１５：記憶部、１７：データベース、１９：出力部、２０：処理部、２１：付与部、２３：検索実行部、３１：文章、３２：文章
【図1】
【図2】
【図3】
【図4A】
【図4B1】
【図4B2】
【図4C】
【図5A】
【図5B】
【図6A】
【図6B】
【図7A】
【図7B】
【図8】
【図9】
【図10A】
【図10B】
【図11】
【図12】