[发明专利]用于产生关联词字典的装置、方法和程序以及内容搜索装置

说明书

技术领域

本发明涉及一种用于产生用来搜索内容信息的关联词字典的装 置、方法和程序，并且还涉及一种内容搜索装置。

背景技术

网络系统通常被用来获取诸如图像数据之类的希望的内容信 息。在网络系统中，客户终端访问存储了数据库的服务器，并且根据 从该客户终端输入的搜索词(关键词)来对该数据库进行搜索。在所 输入的搜索词适当时，可以从数据库中取出希望的图像数据。但是， 选择适当的搜索词很困难，因此通常在改变搜索词的同时不断进行搜 索，直到获取希望的图像数据。

最近，存储了诸如上下位关系、部分总体关系、同义关系之类 的词间关联的关联词字典被用来改进搜索精度。例如，与日本专利公 开No.2003-288359相对应的美国专利申请公开No.2005/0160460公 开了一种内容搜索装置，在对向其添加了元数据的内容信息进行搜索 时，该内容搜索装置从关联词字典中取出搜索词的关联词。这个内容 搜索装置不仅使用了搜索词，而且使用了关联词来搜索内容信息。

通常要求字典通过记录新词来增加其所存储的词的数量。对于 词的记录，将输入字符串按词性分类，而那些不能按词性分类的输入 字符串则在字典中记录为未知词(unknown words)。对于这种结构， 用户不必记录未知词，因此可以很容易地增加词数(日本专利公开 No.11-085761和2004-265440)。

关联词字典还需要记录未知词。在日本专利公开 No.2002-230020所公开的信息搜索装置中，在对多媒体信息进行搜 索时，根据搜索词的出现频率来获取所取出的文件中与搜索词共同出 现的词(关联词)。如果所获取的共同出现的词未被记录在关联词字 典中时，则将它们记录为与搜索词相关的关联词。

然而，日本专利公开No.2002-230020的信息搜索装置中，必须 进行用于从文件中获取共同出现的词的操作，因此，处理是耗时的。 此外，由于没有记录作为关联词的未知词，所以该系统不足以用来增 加关联词字典的词数。

发明内容

本发明的主要目的是提供一种用来产生关联词字典的装置、方 法和程序，其能够通过简单处理来记录未知词，并且能有效地增加存 储在关联词字典中的词数。

本发明的另一目的是提供一种能够平稳地执行内容信息搜索的 内容搜索装置。

为了实现上述及其它目的，本发明的一种用于产生关联词字典 的装置包括：元数据输入部分、记分部分、以及关联词记录部分。元 数据输入部分输入添加至内容信息的多段元数据。记分部分确定代表 了元数据之间的关联度的分数。关联词记录部分将元数据的组合和分 数相互关联地记录在关联词字典中。

记分部分可确定所输入的元数据和关联词字典中的元数据之间 的分数。

优选的是，关联词字典产生装置配置有内容搜索部分，用于搜 索与所输入的元数据具有共同元数据的内容信息。记分部分确定所输 入的元数据和添加至搜索到的内容信息的元数据之间的分数。

优选的是，关联词字典产生装置配置有跳数计数器，用于计算 可经由共同的元数据进行追踪的内容信息的跳数。记分部分基于跳数 来确定分数。

记分部分可基于元数据的出现频率/等级来确定分数。

优选的是，关联词字典产生装置配置有词提取器，用于从字符 串中提取词。元数据输入部分将所提取的词作为元数据输入。

优选的是，关联词字典产生装置配置有内容搜集器，用于从预 先设置的数据搜集位置自动地搜集内容信息。元数据输入部分输入添 加至所搜集的内容信息的元数据。

优选的是，关联词字典产生装置配置有内容累积部分，用于对 其中添加了从元数据输入部分输入的元数据的内容信息进行累积。

本发明的一种用于产生关联词字典的方法和程序包括：元数据 输入步骤、记分步骤、和关联词记录步骤。在元数据输入步骤中，输 入添加至内容信息的多段元数据。在记分步骤中，确定代表了元数据 之间的关联度的分数。在关联词记录步骤中，将元数据的组合和分数 相互关联地记录在关联词字典中。