Automatic Document Genre Identification For Faceted Document Browsing And Searching

要 旨 企業内の大規模なリポジトリ中のドキュメントを 閲覧し検索する手法が大きな課題になってきている。 インターネットの検索結果にユーザはほぼ満足して いる一方で、企業内におけるドキュメント検索には データタイプやユーザの検索要求の違いのためにま だ改善の余地がある。我々は、企業内のリポジトリの 階層構造を保持したまま、文書ジャンルという新しい 属性を含むファセットにより文書を閲覧・検索が可能 なシステムを提案する。まず、電子文書・スキャン画 像内の必要な情報の検索支援のため、文書の画像特徴 から、技術文書、プレゼン資料、表、写真等の文書ジャ ンルを自動的に検出するソフトウエアを開発した。次 に、選択されたファセットと検索条件にマッチした文 書だけを表示するように文書とディレクトリをフィ ルタし、可能性の高いディレクトリを強調表示する。 これらにより、ファイルの拡張子にかかわらずに、プ レゼンテーションスライドだけを閲覧・検索すること 等が可能となる。さらに、サムネールと自動的に抽出 されたキーフレーズが必要な文書の選択を支援する。