本发明一般涉及一种超文本文件检索装置，特别涉及从大量超文本文件里检 索出多个可能符合用户检索要求的超文本文件并提供给用户的超文本文件检索 装置。

作为一种已知的常规装置，在图1的文件检索装置200中，从大量文件中检 索出一个或多个可能符合用户检索要求的文件并提供给用户。在该装置200中， 预先在检索标引检索标引检索标引生成单元202中分析贮存于文件管理单元201 里的大量文件，并检查登录在检索标引检索标引生成单元202字典中的多个字的 每个字在每个文件中出现多少次。即，对贮存在文件管理单元201中的每个文件 计算每个字在一个文件中的出现频度，把一个字在全部文件中的偏差度IDF计算 为该字的校正系数，对每个文件计算每个字的归一化出现频度(称TF值)，对每个 字计算每个文件的估算值(表示为TF×IDF)，即把偏差度与归一化出现频度乘起 来，并在检索标引生成单元202中生成某个检索标引。在检索标引中，对每个字 登录一个集合，而该集合包括一个字、指明出现该字的一个或多个文件的标识数 据和该字的一个估算值。

之后，当在关键字输入单元203中收到用户207输入的多个关键字时，就把 这些关键字发送给检索单元204。在检索单元204中，从贮存在检索标引检索标 引检索标引生成单元202中的检索标引里找出符合输入关键字的多个检索字，为 每个检索字从检索标引检索标引生成单元202中取出特定的集合(一个检索字、指 明出现该检索字的一个或多个检索文件的标识数据和该检索字的一个估算值)，并 把相应于这些关键字的特定集合发送给文件排序确定单元205。

在文件排序确定单元205中，按检索文件的估算值的递减次序编排多个指示 检索文件的标识题，以便确定检索文件的排序，并在检索结果显示单元206中把 按检索文件排序编排的标识题作为检索结果显示出来。此后，当用户选择显示单 元206上以编排次序陆续显示的标识题时，每次选择一个标识题，就把由被选标 识题指示的检索文件从文件管理单元201读出给显示单元206，而每次选择一个 标识题，就在检索结果显示单元206上显示出该检索文件。

因此，由于符合用户检索要求的关键字是用户输入的，所以能按估算值TF ×IDF的次序提供多个可能符合用户检索要求的文件。

估算值TF×IDF的算法已有多种。例如有一种算法规定偏差度IDF(＝1- logNw/N)是1减去比率的对数值(logNw/N)，这里的Nw指出现附注字的文件数， 而N指贮存在文件管理单元201中的文件数。同时规定，归一化出现频度TF(＝ Fo/Nwd)是将附注字在附注文件中的出现频度F。除以出现在该附注文件中的字 数Nwd。此时，估算值TF×IDF即是把偏差度与归一化出现频度乘起来。

在Salton，Gerard著的论文“现代信息检索导论”(McGraw-Hill，Computer Science Series，1983)中，详细揭示了估算值TF×IDF和使用该估算值的普通文 件检索装置。

然而，若应用常规文件检索装置从大量超文本文件中检索可能符合用户检索 要求的一个或多个特定的超文本文件，由于超文本文件通常不相互独立而是往往 具有参照关系，所以其不足之处是无法合理地确定可能符合用户检索要求的特定 超文本文件的排序。即，由于具有相互参照关系的多个特定超文本文件的内容通 常与某个一致的含义有关，所以仅读一个特定超文本文件就无法理解这些特定超 文本文件的内容，只有阅读全部的特定超文本文件才能理解内容。因此，若应用 常规文件检索装置检索可能符合用户检索要求的一个或多个特定超文本文件，会 错误地估算每个特定超文本文件的重要度，所以其不足之处是无法合理地确定这 些特定超文本文件的排序。同样地，即使显示出按其估算值排序的特定超文本文 件，由于确定的特定超文本文件排序不合理，所以另一个不足之处是用户无法按 某种合适的重要度次序顺利地选择特定超文本文件。

具体地说，由于在万维网(World wide web)中以超文本标记语言(HTML)编写 的多个超文本文件相互具有参照关系的概率相当高，所以无法合理地确定特定超 文本文件的排序，尽管显示出按其估算值编排的特定超文本文件，用户仍无法顺 利地选择每个特定超文本文件。

考虑到此类常规文件检索装置的诸多不足，本发明的一个目的是提供一种超 文本文件检索装置，其中，从大量超文本文件中检索出可能符合用户检索要求的 一个或多个超文本文件，并按其重要度作合理排序，因而即使超文本文件在万维 网中以超文本标记语言编写，也能顺利地选出每一个文件。

为实现本发明的这个目的，在超文本文件检索装置中，从一组具有相互参照 关系的超文本文件中检索可能符合用户检索要求的多个特定的超文本文件，其 中，具有某个固定语句的一个超文本文件作为另一个起参照文件作用的超文本文 件的母文件，而用户在选出相应于参照文件的一个母文件的一个固定语句后查阅 该参照文件。

具体地说，在超文本文件表制备装置中，对每个超文本文件制备了超文本文 件信息，其中登录了一个超文本文件标识符(标识一个超文本文件)、超文本文件 的正文、标识母文件(对应于起到一个参照文件作用的超文本文件)的母文件标识 符和该母文件的一个固定语句；并且对所有超文本文件预先制备了一张超文本文 件信息的超文本文件表。

之后，在检索标引制备装置中，根据超文本文件表制备装置制备的超文本文 件表识别多个出现在每个超文本文件和每个文件中的字，根据超文本文件表识别 每个超文本文件和母文件中多个字的出现位置，对每个字制备字信息(包括一个或 多个标识其中出现一个字的一个或多个超文本文件的出现文件标识符、该字在超 文本文件中的出现位置以及相应于超文本文件的一个或多个母文件的一个或多 个固定语句)，并预先对这些字制备几段字信息的检索标引。

之后，当关键字接收装置收到指明用户检索要求的关键字时，检索装置就从 检索标引制备装置制备的检索标引里检出相应于该关键字的特定字信息。同样 地，再根据该特定字信息检索出多个特定出现文件标识符(标识多个其中出现该关 键字的特定超文本文件)、关键字在特定超文本文件中多个特定的出现位置以及相 应于特定超文本文件的一个或多个特定母文件的一个或多个特定固定语句。

之后，在文件排序确定装置中，限定由特定出现文件标识符标记的特定超文 本文件，从超文本文件表制备装置制备的超文本文件表中为特定超文本文件检出 几段特定超文本文件信息，把一个特定超文本文件和一个或多个对应于该特定超 文本文件的特定母文件统一成每个特定超文本文件的统一的超文本文件，对每个 统一的超文本文件计算该关键字在一个统一的超文本文件里的出现频度，根据统 一超文本文件的出现频度确定多个统一超文本文件的重要度，而对于每个统一超 文本文件则把一个统一超文本文件的一个重要度定为对应于该统一超文本文件 的一个特定超文本文件的重要度，并且根据该统一超文本文件的重要度确定该特 定超文本文件的排序。

之后，检索结果显示装置以对应于该特定超文本文件排序的编排方式，把多 个特定超文本文件的标引作为检索结果显示出来。

由于对每个特定超文本文件是通过把一个特定超文本文件和一个或多个对 应于该特定超文本文件的特定母文件统一起来制备一个统一的超文本文件的，而 对每个统一的超文本文件计算的一个统一的超文本文件的一个重要度作为对应 于该统一的超文本文件的一个特定超文本文件的一个重要度，所以可通过研究同 特定超文本文件有参照关系的特定母文件来确定该特定超文本文件的排序。因 此，即使相互具有参照关系的多个特定超文本文件的内容同一一致的意义有关， 也能从大量超文本文件里正确地检出可能符合用户检索要求的特定超文本文 件，并按其重要度合理编排，这样即使用万维网的超文本标记语言编写这类特定 超文本文件，用户也可按合适的重要度次序顺序地选择特定的超文本文件。

通过以下结合附图所作的描述，本发明的目的、特征和优点将变得明显起 来。附图中：

图1是常规文件检索装置的方框图；

图2表示Internet万维网中分散管理的多个超文本文件之间的参照关系；

图3为本发明第一实施例的超文本检索装置的方框图；

图4表示用图3中母文件清单制备单元在超文本文件表中制备的几段超文本 文件信息的超文本文件表；

图5表示在图3中检索标引制备单元中制备的几段字信息的检索标引；

图6是本发明第二实施例的超文本检索装置的方框图；

图7为一例检索结果，其中用图6中检索结果显示单元示出了一个特定超文 本文件的标引，对每个特定超文本文件都有一个第一级特定母文件标引和一个第 二级特定母文件标引；

图8是本发明第三实施例的超文本检索装置的方框图；

图9为一例检索结果，其中用图8中检索结果显示单元示出多个特定超文本 文件的标引，包括第一级特定母文件标引和第二级特定母文件标引；

图10是本发明第四实施例的超文本检索装置的方框图；

图11是本发明第五实施例的超文本检索装置的方框图；

图12是一例检索结果，其中用图11中检索结果显示单元示出了一特定超文 本文件的标引，对每个特定超文本文件都显示出该特定超文本文件的概要、第一 级特定母文件标引和第二级特定母文件标引；

图13是本发明第六实施例的超文本检索装置的方框图；

图14是本发明第七实施例的超文本检索装置的方框图；

图15是本发明第八实施例的超文本检索装置的方框图；

图16是本发明第九实施例的超文本检索装置的方框图；

图17表示用一个或多个参照标记划分一长篇超文本文件的状况；

图18是本发明第十实施例的超文本检索装置的方框图；

图19为一例检索结果，其中根据第十实施例示出了超文本文件的标引及对 应于多个高排序相关字的按钮；

图20是本发明第十一实施例的超文本检索装置的方框图；以及

图21为一例检索结果，其中根据第十一实施例示出了超文本文件的标引及 对应于多个高排序相关字的按钮。

在超文本文件检索装置的较佳实施例中，从Internet的万维网中分散管理的 大量超文本文件里检索一个或多个可能符合用户检索要求的特定超文本文件的 情况，将参照根据本发明原理的附图进行描述。

图2表示在Internet万维网中分散管理的多个超文本文件之间的参照关系。

如图2所示，在Internet万维网中分散管理的多个超文本文件D80～D86， 相互有某种参照关系。即，把固定语句S800置于超文本文件D80，固定语句S801 置于超文本文件D81，固定语句S802置于超文本文件D82，多个固定语句S803～ S805置于超文本文件D83，固定语句S806置于超文本文件D84。在每个固定语 句中，不是隐藏了某个标识符(标识用户可作参照的文件)就是隐藏了某个文件位 置(用户可作参照)。

在这一技术规范中，把用户当作参照的文件称为参照文件，而把含有一固定 语句(指明一个或多个参照文件)的文件称为母文件。而且，每个固定语句包括一 个句子或多个句子。

因此，当用户阅读浏览文件选择装置(称浏览器)显示器示出的母文件D81并 用所谓的指点器件指出母文件D81的固定语句S801的位置时，可调显参照文件 D83，使用户能有效地利用分散的超文本文件D80～D86。

用超文本标记语言编写一组超文本文件D80～D86，把每个超文本文件称 为一页，且在每个超文本文件中写入字符串、图像或程序。例如，在把母文件 D81贮存在名为“farmer.html”的文件中，把参照文件D83贮存在名为 “ apple.html”的文件中，而把指示参照该参照文件D83的指示器(或文件贮存位 置)隐藏于字符串“apple producing farmer”(用母文件D81编写以便配合固定语 句S801)的情况下，把固定语句S801表述为“apple producing farmer<1a>”。此时，因为在参照文件D83中不写任何语句，所以就 有一种情况是在远离另一台计算机的一台计算机中制备文件D82，其中，在制备 文件D81前先贮存已制备的文件D83，而文件D82就起着参照文件D83的母文 件的作用。 第一实施例

图3是本发明第一实施例的超文本检索装置的方框图。

如图3所示的超文本检索装置1，用于从贮藏在超文本文件管理单元8中的 大量超文本文件里检索可能符合用户检索要求的一个或多个超文本文件，其中， 在万维网内广泛分布的大量计算机中制备的超文本文件，是在这些超文本文件具 有相互参照关系的条件下分散管理的，而该超文本检索装置1包括：

带母文件清单的超文本文件表制备单元7，用于分析由超文本文件管理单元 8管理并具有参照关系的超文本文件；对每个超文本文件制备超文本文件信息， 其中把标识一个或多个母文件的一个或多个母文件标识符和母文件的固定语句 同标识一个超文本文件的一个超文本文件标识符与该超文本文件的文件贮存位 置表列在一起；对超文本文件管理单元8管理的所有超文本文件制备该超文本文 件信息的超文本文件表；具有字典的检索标引制备单元6根据带母文件清单的超 文本文件表制备单元7制备的超文本文件表，对超文本文件管理单元8管理的每 个超文本文件预先分析一个超文本文件的正文、该文件的标题以及对应于该文件 的一个或多个母文件的一个或多个固定语句的字符串，以便识别出现在该超文本 文件中的多个字；对其中用一个出现文件标识符标识一个超文本文件的一个字制 备一段字信息，其中，对每个超文本文件列出登录在字典里出现的这个字、指明 该字在超文本文件的标题中出现位置的定位信息、超文本文件正文以及对应于该 超文本文件的母文件的固定语句；以及对贮存在字典里的字制备几段字信息的检 索标引；

一关键字输入单元2，用于接收用户9输入的多个关键字；

一检索单元3，用于检索多段对应于多个特定字的特定字信息，特定字与关 键字输入单元2从检索标引接收到的关键字相符，而检索标引在检索标引制备单 元6里制备，并且用于检索标识特定超文本文件的特定出现文件标识符，其中， 一个特定字与出现的一个关键字相符，而特定定位信息根据每个特定字的特定字 信息指明一个特定字在特定超文本文件和对应于该特定超文本文件的多个特定 母文件中的特定出现位置；

一文件排序确定单元4，用于对检索单元3获得的每个特定超文本文件，根 据带母文件清单的超文本文件表制备单元7制备的超文本文件表的文件信息，把 一个特定超文本文件与对应于该特定文件的一个或多个特定母文件统一成一种 统一的特定超文本文件；对每个特定字和每个统一的特定超文本文件计算一个特 定字在一个统一的特定超文本文件中的出现频度TF；对每个特定字计算倒数文 件频度IDF，并被规定为其中出现一个特定字的特定超文本文件数的倒数；计算 一个出现频度TF与一个倒数文件频度IDF的乘积TF×IDF；把所有特定字的 多个乘积相加以得出一相加的积，作为每个统一的特定超文本文件的估算值；根 据估算值确定该统一的特定超文本文件的多个重要度；根据该统一的特定超文本 文件的重要度确定特定超文本文件的排序；并对每个特定超文本文件制备一个特 定超文本文件的标引；以及

一检索结果显示单元5，把以文件排序确定单元4确定的次序编排的特定超 文本文件的标引作为检索结果来显示。

在上述结构中，描述超文本检索装置1的操作状况。在万维网中广为分布的 大量计算机中制备相互有参照关系的多个超文本文件。在超文本文件管理单元8 中，分散管理这些超文本文件。带母文件制备单元7的参照文件表具有相关的文 件汇总功能(通常称作网络自动机)。因此，当对带母文件制备单元7的参照文件 表给出多个超文本文件的多个文件贮存位置地址(通常称作多个通用资源定位器) 时，通用资源定位器陆续把多个超文本文件指示为多个母文件，分析写入每个母 文件里的一个或多个固定语句，并为每个母文件收集一个或多个参照文件。之 后，以收集次序把相互不重迭的多个超文本文件标识符配给收集的参照文件，以 便识别收集的参照文件。在此情况下，若不在每个收集的参照文件里写入任何图 像或程序，而是写入字符串，则可节省收集时间。同时，列出收集的参照文件的 多个文件贮存位置地址，以防再次收集已列出的一个已收集参照文件。因此，如 图2所示，不仅母文件D83按照固定语句S803同参照文件D84相关，而且母文 件D84按照固定语句S806也同参照文件D83相关，这就防止了超文本文件D83 和D84被收集二次。

之后，按下述步骤在带母文件清单的超文本文件表制备单元7中制备几段超 文本文件信息的超文本文件表(参照图4)，其中，对每个超文本文件列出了一个 或多个母文件的标识符和诸母文件的固定语句。制备其编号等于被收集参照文件 数的多个文件信息输入空间DS1～DS3。在每个文件信息输入空间中，将标识 一个被收集参照文件的超文本文件标识符的编号和被收集参照文件的一个文件 贮存位置地址写入文件信息输入空间。之后，通过检查写入被收集参照文件的多 个字符串，从被收集参照文件里提取其标题。在本实施例中，例如从字符串 “