WebUIP利用マニュアル（図書編）

2.6.2 検索用インデクス

　検索用インデクスとは、総合目録データベースに登録されたレコードから一定の規則に従って作成された、検索用のデータです。検索画面で入力した検索キーは、検索用インデクス作成規則と同一の方式で変換されます。変換された検索キーは、検索用インデクスと照合され、その結果一致したレコードが検索結果として表示されます。

　目録システムでは、検索キーと検索用インデクスを同一の規則で作成・照合することにより、検索もれを防ぐ仕組みを持っています。

　検索用インデクスは、レコードのどのフィールドのデータ要素から作成されるかによって、以下の3種類に分けられます。

• コード：
  レコードIDなどが該当します。データ長はそれぞれのコードごとに一定です。

• キーワード：
  著者名、タイトル名などが該当します。データ要素のデータ長は不定です。

• AKEY：
  主要データの組み合わせで作成されます。主要データには、書誌レコードのTRフィールド（タイトルおよび責任表示）や、典拠レコードのHDNGフィールド（統一標目形）などがあります。

■コード

　データ要素がそのまま検索用インデクスとなります。
　ただし、一部のコード（可変長フィールドのデータ要素）では、データ要素を分割して検索用インデクスを作成します（例2）。

■キーワード

　データ要素を以下の規則に従って作成したものが検索用インデクスとなります。

１　語の切り出し

　以下の条件を満たすデータを語として切り出します。

−　先頭の文字が、アラビア数字、ローマ字、カタカナ、ひらがな、ギリシャ文字、ロシア文字、漢字、EXC文字（音標符号、登録商標®、制御文字は除く）、◆（外字をあらわす）のもの
−　デリミタ（空白、句読点、カッコなどの記号）で区切られた語と語

　＊ デリミタである中黒（・）の位置で、語が分割されています。

２　切り出した文字の変換（正規化）

　1で切り出した文字を、さらに以下のように変換します。

−　ローマ字・ギリシャ文字・ロシア文字の小文字
　　　　　　　　　 ⇒　大文字
−　2バイト英数字　⇒　1バイト英数字
−　1バイトカナ　　⇒　2バイトカナ
−　EXC文字　　　　⇒　対応するローマ字
−　特定文字の除去

• 語頭／語尾の特定文字（語頭の「d’」、「l’」）、語尾の「’s」など）の除去 （ただしFTITLEキーは、この正規化処理の対象外とします。）
• 長音・ダッシュ・ハイフン・マイナス記号の除去
• 前置詞、冠詞などのストップワードの除去
　−　検索キーの32文字化
（検索キーが33文字以上の場合、33文字目以降の文字が切り捨てられます。）

　ただし、記号（長音・ダッシュ・ハイフン・マイナス）の1文字前が、カタカナまたはひらがな以外の場合、以下の3通りの検索用インデクスが作成されます。

−　記号を除去した語
−　記号の前半部分の語
−　記号の後半部分の語

　また漢字単語の場合、ヨミの分かちを基準に漢字単語用のインデクスが作成されます。

■AKEY

　主要データは、以下の規則に従って作成されます。

１　語の切り出し

　キーワードと同様です。

２　切り出した文字の変換（正規化）

　1で切り出した文字を、以下のように変換します。

３　以下の特定文字の除去

• デリミタ（空白、句読点、カッコなどの記号）
• 踊り文字（長音記号、ダッシュ、ハイフンなどの記号）

ヒント

• デリミタ、踊り文字などの文字一覧については、巻末の「付録」を参照。

４　AKEYの作成

　ファイルによって、AKEYの作成方法が以下のように異なります。

• 1・3・5方式（和資料）
  データの先頭から1番目、3番目および5番目の文字を順番に組み合わせて作成します。
  濁点、および半濁点は、直前の文字と合わせて1文字とします。なお「ヨミ」は含まず、データが5文字に満たない場合は、1・3の組み合わせとなります。

• 3・1・1・1方式（和資料・洋資料）
  「ヨミ」の部分のデータの先頭のデータの先頭の4語について、それぞれ最初の3文字、1文字、1文字、1文字を順に組み合わせて作成します。
  濁点、および半濁点は、直前の文字と合わせて1文字とします。なお、先頭の語が3文字に満たないときは、2・1・1・1の組み合わせ、1・1・1・1などに組み合わせを変えて作成します。
  また、データが4語に満たない場合は、3・1・1の組み合わせ、3・1の組み合わせや、3文字だけで作成されます。