JP5072792B2 - 情報量に応じたページを優先的に表示する検索方法、プログラム及びサーバ - Google Patents

Description

本発明は、Ｗｅｂページの検索において検索キーワードに関する情報量の少ないページではなく、情報量の多いページを優先的に表示する検索方法、プログラム及びそのサーバに関する。

近年、Ｗｅｂ上のホームページやブログその他のインターネットを介してアクセス可能なコンテンツは、様々な検索サービスを利用することによって検索が可能となっており、学術上のみならず、一般市民の生活においても、或いは企業活動においても、なくてはならないものとなっている。

このような検索サービスの多くは、検索キーワードを入力することによってインターネット上のコンテンツを検索する方式を採っている。そこで、検索キーワードから類推される、ユーザの検索目的に合致するコンテンツを効率よく探し出すために、各検索サービスは様々な工夫を行っている。例えば、いわゆるページランクの高いコンテンツを、検索結果としてより上位に表示することが多い。

このページランクは、検索キーワードをより多く含むことのみならず、他のページからより多くのリンクが張られたもの、即ち被リンク数の多いものや、ユーザにより閲覧された回数（クリック回数）が多いものがより上位になるように決定されている。

例えば、特許文献１によれば、インターネット上に多々存在するＷｅｂページを検索して順位をつけて表示する際に、被リンクドメイン数を参照して当該ページのスコア（ウェイト）を算出することでページランクを決定することとしている。
特開２００７−１１４９０３号公報

このように、Ｗｅｂページの特徴を示す様々なデータを用いて検索結果を出力することで、従来の検索サービスは、ユーザのニーズに合わせた順序で検索結果を表示することを試みていた。

ところで、近年ではブログサイトが増大しているところ、このブログサイトは、Ｗｅｂページの更新を頻繁に行うが、更新する毎にテーマが異なるものに変わるため情報が散漫となり一つのテーマについての情報量が少ないものが多い。また、近年では、このようなブログサイトを著名人が開設することで、非常に人気の高いブログサイトが存在する。

このような状況において、被リンク数やクリック回数等を反映して検索結果の順位を決定することとした場合、検索キーワードに関する情報量が少ない人気のブログサイトであっても検索結果として上位に表示されてしまうという問題があった。

図９及び図１０を参照して、このような問題点について具体的に説明する。図９（１）では、「オリンピック」に関する文章２００のみが表示され、また、その内容も充実したものとなっている。他方、図９（２）は、「オリンピック」に関する文章２０１の他に、他のテーマに関する文章２０２及び文章２０３が表示され、また、文章２０１の内容も情報の薄いものとなっている。なお、Ｗｅｂページ２は、人気のブログサイトの一例である。

図１０（１）は、これらＷｅｂページ１及び２内における特徴語の重要度（出現頻度）である特徴語ウェイトと、クリック履歴と、リンクデータ数とを示すＷｅｂページウェイトの例を示す図である。なお、特徴語とはＷｅｂページ内のテキストデータを形態素解析し抽出される語句のうち特徴的なもの（例えば、形態素解析の結果抽出されるものから助詞や助動詞等を除いたもの）をいい、特徴語ウェイトとは、語句の出現頻度に基づく指標であるＴＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）・ＩＤＦ（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）を用いて算出されるＷｅｂページ内における特徴語の重み付けを示す指標をいう。そして、図１０（２）は、このような場合に、ユーザが検索キーワードとして「オリンピック」を入力したときのＷｅｂページのウェイト（スコア）を示す図である。

図１０（１）によると、「オリンピック」について充実した内容のＷｅｂページ１では、特徴語「オリンピック」についてＴＦ・ＩＤＦによるウェイトが「３０」となっているが、「オリンピック」についての内容の薄いＷｅｂページ２では「２０」となっている。しかしながら、Ｗｅｂページ２はブログサイトとして人気があるため、そのクリック履歴やリンクデータ数等がＷｅｂページ１に比べて多くなっている。そのため、図１０（２）に示すように、「オリンピック」についての内容の薄いＷｅｂページ２の方が、内容の充実しているＷｅｂページ１よりも高いウェイトとなってしまう場合があった。このような場合、ユーザが検索キーワードとして「オリンピック」を入力したときには、検索結果として、内容の充実したＷｅｂページ１ではなく、テーマが散漫し内容の薄いＷｅｂページ２の方が優先して表示されることとなる。

ユーザにとってみれば、ブログを担当する著名人の名称ではなくあえて検索キーワードを「オリンピック」としたのであり、上述のような結果は、ユーザのニーズに合わないものとなってしまう。

そこで、本発明は、Ｗｅｂページの検索においてこのような情報量の少ないページではなく、情報量の多いページを優先的に出力する検索方法、プログラム及びそのサーバを提供することを目的とする。

本発明者は、検索キーワードに関連する特徴語の特徴語ウェイトを用いることで、検索結果に情報量の多いページを優先的に表示する仕組みを見出し、本発明を完成するに至った。本発明は、具体的には次のようなものを提供する。

（１） 端末に対して通信ネットワークを介して接続されたコンピュータが、
検索の対象となるＷｅｂページを解析して前記Ｗｅｂページ内における特徴を示す特徴語を複数抽出するＷｅｂページ解析ステップと、
抽出した前記特徴語の前記Ｗｅｂページ内における出現頻度を示す特徴語ウェイトを複数の前記特徴語の夫々について算出する特徴語ウェイト算出ステップと、
を含む検索方法であって、
複数の特徴語の関連性を記憶する関連語ＤＢを備え、
前記Ｗｅｂページ解析ステップにより抽出した複数の前記特徴語の夫々が関連するか否かを、前記関連語ＤＢを用いて判定する関連語判定ステップと、
関連すると判定した特徴語の特徴語ウェイトの総和を関連語ウェイトとして算出するＷｅｂページウェイト算出ステップと、
算出した前記関連語ウェイトを、当該Ｗｅｂページのリンクデータに対応付けてインデキシングＤＢに記憶するインデキシング記憶ステップと、
を含む検索方法。

本発明のこのような構成によれば、インデキシングＤＢには、関連すると判定された特徴語の総和である関連語ウェイトがＷｅｂページのリンクデータに対応付けられて記憶される。これにより、Ｗｅｂページ内における特定のテーマに関する情報量を適切に判別することができる。そのため、検索結果を出力する処理等のコンピュータ処理において、情報量の少ないページではなく、情報量の多いページを優先的に出力するように検索結果を調整することができる。

（２） 前記コンピュータが、
検索キーワードを含む要求データを前記端末から受信する受信ステップと、
前記受信ステップにより受信した前記検索キーワードに基づき、前記検索キーワードを含むＷｅｂページを検索する検索ステップと、
前記検索ステップにより検索したＷｅｂページのうち前記検索キーワードに関連する関連語ウェイトを用いて検索結果を調整するＷｅｂページ調整ステップと、
前記Ｗｅｂページ調整ステップによる調整結果に基づき、検索された前記Ｗｅｂページのリンクデータを含むコンテンツを、前記端末に送信する送信ステップと、
を含むことを特徴とする（１）に記載の検索方法。

本発明のこのような構成によれば、検索キーワードによるＷｅｂページの検索において、ユーザの端末に検索キーワードについて情報量の多いＷｅｂページを優先的に出力させることができるため、ユーザのニーズに適した検索方法を提供できる。

（３） 前記コンピュータが、
Ｗｅｂページ内における全ての特徴語の特徴語ウェイトの平均値を算出する平均ウェイト算出ステップと、
前記Ｗｅｂページウェイト算出ステップにより算出した前記関連語ウェイトが、前記平均値から乖離する割合を算出する対比ウェイト算出ステップと、を更に含み、
前記Ｗｅｂページ調整ステップは、前記対比ウェイト算出ステップにより算出した割合を用いて検索結果を調整することを特徴とする（２）に記載の検索方法。

本発明のこのような構成によれば、情報量の多いＷｅｂページを判定するに当たり、関連語ウェイトがＷｅｂページ内における平均値から乖離する割合を用いるため、検索キーワードに対応する特徴語のＷｅｂページ内における重要度を２以上のＷｅｂページにおいて適切に判定することができる。

（４） 前記コンピュータが、通信ネットワークを介して接続されたＷｅｂサーバを定期的に巡回して、検索の対象になる前記Ｗｅｂページを取得する取得ステップを含むこと、を特徴とする（１）から（３）のいずれか１項に記載の検索方法。

本発明のこのような構成によれば、対象とするＷｅｂページを定期的に取得するので、常に新しいＷｅｂページのデータを用いて検索をすることができる。

（５） （１）から（４）のいずれか１項に記載の方法のステップをコンピュータに実行させるための検索プログラム。

（６） 端末に対して通信ネットワークを介して接続された検索サーバであって、
検索の対象となるＷｅｂページを解析して前記Ｗｅｂページ内における特徴を示す特徴語を複数抽出するＷｅｂページ解析手段と、
抽出した前記特徴語の前記Ｗｅｂページ内における出現頻度を示す特徴語ウェイトを複数の前記特徴語の夫々について算出する特徴語ウェイト算出手段と、
複数の特徴語の関連性を記憶する関連語ＤＢと、
前記Ｗｅｂページ解析手段により抽出した複数の前記特徴語の夫々が関連するか否かを、前記関連語ＤＢを用いて判定する関連語判定手段と、
関連すると判別した特徴語の特徴語ウェイトの総和を関連語ウェイトとして算出するＷｅｂページウェイト算出手段と、
算出した前記関連語ウェイトを、当該Ｗｅｂページのリンクデータに対応付けてインデキシングＤＢに記憶するインデキシング記憶手段と、
を備える検索サーバ。

本発明によれば、Ｗｅｂページの検索において情報量の少ないページではなく、情報量の多いページを優先的に出力することができる。

以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。

（実施形態）
［検索システムの全体構成及び検索サーバの機能構成］
図１は、本実施形態に係る検索システム１００の全体構成及び検索サーバ１の機能構成を示す図である。

検索システム１００は、検索サーバ１と、コンテンツサーバ２と、通信ネットワーク３と、端末４とにより構成される。図１に示すように、インターネット等の通信回線に代表される通信ネットワーク３を介して、検索サーバ１と、コンテンツサーバ２と、端末４とが互いに通信可能に接続されている。

検索サーバ１は、制御部１０と記憶部２０とを備える。制御部１０は、Ｗｅｂページ取得手段１１と、Ｗｅｂページ解析手段１２と、特徴語ウェイト算出手段１３と、関連語判定手段１４と、Ｗｅｂページウェイト算出手段１５と、受信手段１６と、検索手段１７と、コンテンツ送信手段１９とを備える。また、記憶部２０は、回収Ｗｅｂページデータベース（以下、データベースをＤＢともいう）２２と、関連語ＤＢ２４と、インデキシングＤＢ２６とを備える。なお、各ＤＢの内容については後述する。

検索サーバ１は、ハードウェアの数に制限はなく、必要に応じて１又は複数のハードウェアで構成してよい。また、複数のハードウェアで構成する場合には、通信ネットワーク３を介して各ハードウェアを接続してもよい。例えば、後述する各機能毎に別サーバとし、各サーバ間での信号の送受信により、各サーバを連携させることで、本実施形態の機能を実現してもよい。

Ｗｅｂページ取得手段１１は、Ｗｅｂページ（コンテンツ）を記憶したコンテンツサーバ２を定期的に巡回して、新しく作成されたＷｅｂページや更新されたＷｅｂページを回収（取得）するクローラの役割を果たす。回収したＷｅｂページは、随時回収ＷｅｂページＤＢ２２に記憶される。

Ｗｅｂページ解析手段１２は、回収ＷｅｂページＤＢ２２に記憶されたＷｅｂページのテキストデータを形態素解析して抽出された語句から、特徴語を抽出する。

特徴語ウェイト算出手段１３は、抽出した特徴語のＷｅｂページ内における重要度（出現頻度）を示す特徴語ウェイトを算出する。ここで、特徴語ウェイトの算出には、語句の出現頻度に基づく指標であるＴＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）・ＩＤＦ（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）が用いられる。

関連語判定手段１４は、関連語ＤＢ２４を用いて、算出した特徴語に関する関連語の有無をＷｅｂページ毎に判定する。なお、関連語とは、ある特徴語に関連する他の特徴語をいう。ここで、各特徴語が関連するか否かについてはサーバーの管理者が任意に設定可能であり、また、適宜変更可能である。

Ｗｅｂページウェイト算出手段１５は、関連語判定手段１４により判定された関連語の関連語ウェイト（例えば、関連する複数の特徴語のウェイトの総和）を算出し、この関連語ウェイトと、特徴語ウェイトと、クリック履歴と、リンクデータ数とを含むＷｅｂページウェイトを算出する。そして、Ｗｅｂページウェイト算出手段１５は、算出したＷｅｂページウェイトをインデキシングＤＢ２６（後述の図４（２）参照）に記憶する。

受信手段１６は、端末４から検索キーワードを含む要求データを受信する。検索手段１７は、検索キーワードを含むＷｅｂページを検索する。Ｗｅｂページ調整手段１８は、Ｗｅｂページウェイト算出手段により算出したＷｅｂページウェイトと検索キーワードとを用いて検索結果を調整する。コンテンツ送信手段１９は、Ｗｅｂページ調整手段１８の調整結果に基づき、Ｗｅｂページのリンクデータを含むコンテンツを端末４に送信する。

コンテンツサーバ２は、複数のＷｅｂページを記憶したコンテンツのＤＢサーバである。コンテンツサーバ２は、通信ネットワーク３に接続されていれば、世界中のあらゆるＷｅｂページを記憶したコンテンツのＤＢサーバが該当する。

端末４は、ユーザが、コンテンツを再生するための操作入力をするためのキーボード、マウス等の入力部や、コンテンツを表示する表示画面を備えた装置である。端末４を用いて、ユーザは、検索キーワードを入力したり、コンテンツを視聴したりすることができる。

［検索サーバ１のハードウェア構成図］
図２は、本実施形態に係る検索サーバ１のハードウェア構成を示す図である。本発明が実施されるサーバは標準的なものでよく、以下に構成の一例を示す。

検索サーバ１は、制御部１０を構成するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１０（マルチプロセッサ構成ではＣＰＵ１０１２等複数のＣＰＵが追加されてもよい）、バスライン１００５、通信Ｉ／Ｆ（Ｉ／Ｆ：インターフェイス）１０４０、メインメモリ１０５０、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）１０６０、表示装置１０２２、Ｉ／Ｏコントローラ１０７０、キーボード及びマウス等の入力装置１１００、ハードディスク１０７４、光ディスクドライブ１０７６、並びに半導体メモリ１０７８を備える。なお、ハードディスク１０７４、光ディスクドライブ１０７６、及び半導体メモリ１０７８はまとめて記憶部２０と呼ぶ。

制御部１０は、検索サーバ１を統括的に制御する部分であり、ハードディスク１０７４に記憶された各種プログラムを適宜読み出して実行することにより、上述したハードウェアと協働し、本発明に係る各種機能を実現している。

通信Ｉ／Ｆ１０４０は、検索サーバ１が、通信ネットワーク３（図１）を介して端末４（図１）と情報を送受信する場合のネットワーク・アダプタである。通信Ｉ／Ｆ１０４０は、モデム、ケーブル・モデム及びイーサネット（登録商標）・アダプタを含んでよい。

ＢＩＯＳ１０６０は、検索サーバ１の起動時にＣＰＵ１０１０が実行するブートプログラムや、検索サーバ１のハードウェアに依存するプログラム等を記録する。

表示装置１０２２は、ブラウン管表示装置（ＣＲＴ）、液晶表示装置（ＬＣＤ）等のディスプレイ装置を含む。

Ｉ／Ｏコントローラ１０７０には、ハードディスク１０７４、光ディスクドライブ１０７６、及び半導体メモリ１０７８等の記憶装置である記憶部２０を接続することができる。

入力装置１１００は、検索サーバ１の管理者による入力の受け付けを行うものである。

ハードディスク１０７４は、本ハードウェアを検索サーバ１として機能させるための各種プログラム、本発明の機能を実行するプログラム及び後述するＤＢのテーブル及びレコードを記憶する。なお、検索サーバ１は、外部に別途設けたハードディスク（図示せず）を外部記憶装置として利用することもできる。

光ディスクドライブ１０７６としては、例えば、ＤＶＤ−ＲＯＭドライブ、ＣＤ−ＲＯＭドライブ、ＤＶＤ−ＲＡＭドライブ、ＣＤ−ＲＡＭドライブを使用することができる。この場合は各ドライブに対応した光ディスク１０７７を使用する。光ディスク１０７７から光ディスクドライブ１０７６によりプログラム又はデータを読み取り、Ｉ／Ｏコントローラ１０７０を介してメインメモリ１０５０又はハードディスク１０７４に提供することもできる。

なお、本発明でいうコンピュータとは、記憶装置、制御部等を備えた情報処理装置をいい、検索サーバ１は、記憶部２０、制御部１０等を備えた情報処理装置により構成され、この情報処理装置は、本発明のコンピュータの概念に含まれる。

［コンテンツサーバ２のハードウェア構成］
コンテンツサーバ２も、上述の検索サーバ１と同様な構成を持つ。なお、コンテンツサーバ２のみならず、検索サーバ１にも、コンテンツサーバ２と同様にＷｅｂページを記憶するコンテンツのＤＢを有してもよい。

［端末４のハードウェア構成］
端末４も、上述の検索サーバ１と同様な構成を持つ。例えば、記憶部２０は、光ディスクドライブ１０７６に代えて外部メモリを挿入可能なドライブであってもよい。また、表示装置１０２２が、タッチパネルとして入力装置１１００の機能を備えていてもよい。更に、端末４が、加速度センサ等のセンサを備えて、そのセンサが、入力装置１１００の機能を有してもよい。

［メイン処理のフローチャート］
図３は、本実施形態に係る検索サーバ１のインデキシング処理のフローチャートである。インデキシング処理は、例えば、検索サーバ１の管理者により決められた所定のタイミングで定期的に行う。

Ｓ１：制御部１０（Ｗｅｂページ取得手段１１）は、コンテンツサーバ２をクロールすることにより、Ｗｅｂページを取得する。そして、制御部１０は、取得したＷｅｂページを、回収ＷｅｂページＤＢ２２に記憶する。

Ｓ２：制御部１０（Ｗｅｂページ解析手段１２）は、Ｗｅｂページ解析処理を行う。具体的には、Ｗｅｂページ解析手段１２は、回収ＷｅｂページＤＢ２２に記憶されたＷｅｂページを形態素解析して、Ｗｅｂページのテキストデータから語句を抽出する。そして、この語句のうちＷｅｂページ内における特徴的なもの、即ち特徴語を抽出する。

Ｓ３：制御部１０（特徴語ウェイト算出手段１３）は、特徴語のＷｅｂページ内における重み付けである特徴語ウェイトとを算出する。

Ｓ４：制御部１０（関連語判定手段１４）は、算出された複数の特徴語に関する関連語の有無を判定する。なお、関連語の有無の判定には、関連語ＤＢ２４（図４（１）参照）が用いられる。

Ｓ５：制御部１０（Ｗｅｂページウェイト算出手段１５）は、Ｗｅｂページの特徴を示すＷｅｂページウェイトを算出し、算出したＷｅｂページウェイトを記憶部２０（インデキシングＤＢ２６）に記憶する。ここで、Ｗｅｂページウェイトは、関連語ウェイトと、特徴語ウェイトと、クリック履歴と、リンクデータ数とを含む。なお、特徴語ウェイトは、算出した特徴語毎に、Ｗｅｂページ内のウェイトをＴＦ・ＩＤＦを用いて求めることで算出される。また、関連語ウェイトは、関連すると判定された複数の特徴語のウェイトの総和である。また、クリック履歴は、所定の期間に当該Ｗｅｂページが端末４で表示された回数であり、リンクデータ数は、当該ＷｅｂページがリンクされているＷｅｂページの数である。

［関連語ＤＢ２４及びインデキシングＤＢ２６］
図４は、本実施形態に係る記憶部２０に格納される関連語ＤＢ２４及びインデキシングＤＢ２６を示す図である。関連語ＤＢ２４は、上述の図３のＳ４において、制御部１０がＷｅｂページ内の特徴語に関連性があるか否かを判定する際に用いられるＤＢである。なお、関連性が有無は検索サーバ１の管理者が予め任意に設定しておくことができる。また、インデキシングＤＢ２６は、上述の図３のＳ５において制御部１０が関連語ウェイトを含むＷｅｂページウェイトを記憶するデータベースである。

図４（ａ）に一例を示す関連語ＤＢ２４は、関連語ＩＤ毎に管理者が任意に設定した関連語を対応付けて記憶する。例えば、「関連語ＩＤ０１０」を参照して、「オリンピック」には、「五輪」、「北京」、「ロンドン」、「東京」等が関連する特徴語であると記憶される。

図４（ｂ）に一例を示すインデキシングＤＢ２６は、ＷｅｂページＩＤをキー情報として、Ｗｅｂページの位置情報を示すＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）と、それに対応して特徴語ウェイト、関連語ウェイト、クリック履歴、及びリンク数データを含むＷｅｂページウェイトとを記憶する。なお、図４（ｂ）では、Ｗｅｂページ１（図８（１））とＷｅｂページ２（図８（２））とについての情報を一例として示している。

関連語ウェイトには、関連語ＩＤ毎に関連すると判定された複数の特徴語のウェイトの総和が格納される。例えば、「ＷｅｂページＩＤ００１」では、特徴語として「オリンピック（ウェイト：３０）」、「北京（ウェイト：２５）」、「五輪（ウェイト：１５）」等が算出されるところ、これらの特徴語は「関連語ＩＤ０１０」において全て関連すると設定されている。そのため、「関連語ＩＤ０１０」の関連語ウェイトは、これらの特徴語のウェイトの総和となり、「７０」（＝３０＋２５＋１５）となる。同様に、「ＷｅｂページＩＤ００２」では、特徴語として「オリンピック（ウェイト：２０）」、「ミッドタウン（ウェイト：１５）」、「海（ウェイト：１０）」等が算出されるところ、「関連語ＩＤ０１０」においては「オリンピック」のみが関連すると判定される。そのため、「関連語ＩＤ０１０」の関連語ウェイトは「２０」となる。

なお、本実施形態では、Ｗｅｂページウェイトとしてクリック履歴や、リンクデータ数を格納しているが、Ｗｅｂページに関する特徴を示す他の指標で代替してもよい。

［検索処理のフローチャート］
次に、上述した関連語ウェイトを用いた検索処理について説明する。図５は、本実施形態に係る検索サーバ１での検索処理のフローチャートである。

Ｓ２１：制御部１０（受信手段１６）は、端末４から検索キーワードを含む要求データを受信する。

Ｓ２２：制御部１０（検索手段１７）は、受信した検索キーワードに基づき、キーワードを含むＷｅｂページを検索する。このＷｅｂページの検索には、回収ＷｅｂページＤＢ２２に記憶されたＷｅｂページを用いることができる。

Ｓ２３：制御部１０（Ｗｅｂページ調整手段１８）は、検索結果からリンクデータを並べる順番をインデキシングＤＢ２６を用いて調整する。この調整は、まず、検索結果として対象になったＷｅｂページのうち、検索キーワードに対応する関連語ＩＤの関連語ウェイトを抽出する。次に、抽出した関連語ウェイトを、クリック履歴やリンクデータ数等のＷｅｂページに関する特徴を示す指標により補正し、トータルウェイトを算出する。そして、検索結果として対象になったＷｅｂページのうち、算出したトータルウェイトが大きいものから順番に出力する。

例えば、検索キーワードが「オリンピック」である場合の「ＷｅｂページＩＤ００１」及び「ＷｅｂページＩＤ００２」を例にとって説明する。検索キーワード「オリンピック」に対応する関連語ＩＤは「０１０」であるところ、「ＷｅｂページＩＤ００１」の関連語ウェイトは図４（２）に示すように「７０」となる。この場合において、クリック履歴やリンク数データ等により補正すると、「ＷｅｂページＩＤ００１」のトータルウェイトは、図６に示すように「９０」となる。同様に「ＷｅｂページＩＤ００２」の関連語ウェイトは図４（２）に示すように「２０」となり、これを補正すると「ＷｅｂページＩＤ００２」のトータルウェイトは、図６に示すように「５５」となる。

Ｓ２４：制御部１０は、調整結果に基づき、Ｗｅｂページのリンクデータを配置したコンテンツを作成する。この場合、図４（２）のＵＲＬの値を配置できる。

Ｓ２５：制御部１０（コンテンツ送信手段１９）は、作成したコンテンツを、端末４に送信する。

このように、本実施形態では、一つのテーマについて情報量が多いページのトータルウェイトを情報量が少ないページよりも高くすることができ、結果として検索結果の上位に情報量の多いページを表示させることができる。即ち、従来では一つのテーマについての情報量が少ないページであってもクリック履歴やリンクデータ数等が多いときには検索結果の上位に表示されていたものを（図９、図１０参照）、Ｗｅｂページ内において関連する特徴語をまとめ関連語ウェイトとして算出することで、情報量が多いページを優先的に表示させることができる。

他方で、検索結果に、クリック履歴やリンクデータ数等のＷｅｂページに関する特徴を示す指標をも反映させることができるため、同じ情報量であればより人気の高いＷｅｂページを優先的に表示させることとなり、ユーザのニーズに合わせた順序で検索結果を表示できる。

［各Ｗｅｂページの対比についての好適例］
ここで、ＴＦ・ＩＤＦを用いて算出される特徴語ウェイトは、各Ｗｅｂページ内における相対値となるため、Ｗｅｂページの対比に適しない場合がある。例えば、図７（１）のＷｅｂページ３（ＩＤ：００３）は、ブログ形式のＷｅｂページであるところ、８月１日付の記事には、Ｗｅｂページ１と全く同じ内容である文章２００が記載され、８月２日以降には更に別の文章２０５が記載されている。

この場合において、Ｗｅｂページ３の特徴語ウェイトをＴＦ・ＩＤＦを用いて算出すると、図７（２）に示すとおり、「オリンピック（ウェイト：２０）」、「北京（ウェイト：１５）」、「五輪（ウェイト：５）」となり、「関連語ＩＤ０１０」の関連語ウェイトは「４０」となる。他方、図４（２）に示したとおり、全く同じ内容の文章２００が記載されたＷｅｂページ１では、「オリンピック（ウェイト：３０）」、「北京（ウェイト：２５）」、「五輪（ウェイト：１５）」となり、「関連語ＩＤ０１０」の関連語ウェイトは「７０」となる。

即ち、Ｗｅｂページ内に全く同じ文章が記載されている場合であっても、Ｗｅｂページ内のその他の文章によっては、ＴＦ・ＩＤＦを用いて算出される特徴語ウェイトが異なることとなり、結果、関連語ウェイトが大きく異なることとなる。この場合において、検索キーワードとして「オリンピック」が入力された場合に、Ｗｅｂページ１及びＷｅｂページ３のいずれを検索結果の上位に表示するか問題となる。

この点について、本実施形態では、Ｗｅｂページ内における全ての特徴語の特徴語ウェイトの平均値（平均ウェイト）から関連語ウェイトが乖離する割合（対比用ウェイト）を算出し、この割合を対比することで、各Ｗｅｂページを対比することとしてもよい。なお、この割合の算出は、「（関連語ウェイト−平均ウェイト）／関連語ウェイト」により算出することができる。

具体的には、Ｗｅｂページ１においては、Ｗｅｂページ内における全ての特徴語の特徴語ウェイトの平均値が「１８」であるところ、「関連語ＩＤ０１０」の関連語ウェイトについての対比用ウェイトは、「０．７４」（＝（７０−１８）／７０）となる。同様に、Ｗｅｂページ３においては、Ｗｅｂページ内における平均値が「１０」であるところ、退避用ウェイトは、「０．７５」（＝（４０−１０）／４０）となる。

このように対比用ウェイトを算出して対比することで、Ｗｅｂページ１及びＷｅｂページ３をほぼ同じ検索結果の順位とすることができる。即ち、一つのテーマについての情報量が同じＷｅｂページであれば、当該Ｗｅｂページ内の残りの部分の情報に関わらず同じ検索結果の順位とすることができる。その結果、本実施形態では、全てのＷｅｂページにおける絶対的な指標（平均値から乖離する割合、即ち、当該Ｗｅｂページ内における重要度）で検索結果の調整を行うことができ、より適切な検索結果をユーザに対して提供することができる。

なお、具体的には、図３のＳ３において、制御部１０（特徴語ウェイト算出手段１３）が、Ｗｅｂページ内における特徴語ウェイトを算出すると共に、当該Ｗｅｂページ内における特徴語ウェイトの平均値を算出し、図３のＳ５において、制御部１０（Ｗｅｂページウェイト算出手段１５）が、関連語ウェイトを算出すると共に、対比用ウェイトを算出することで実現できる。

（変形形態）
［関連語ＤＢの変形例］
上記実施形態では、関連すると判定された特徴語を単に加算することとしているが、図８に示すように関連する度合いに応じて加算する割合を異ならせることとしてもよい。例えば、「関連語ＩＤ０１０」の「オリンピック」に関連するものとして「北京」と「東京」とが考えられるところ、開催された年月が近い「北京」を開催された年月が遠い「東京」よりも関連性が高いとすることとしてもよい。なお、これらの関連する度合いは、検索サーバ１の管理者が任意に設定可能であり、また適宜変更可能である。

［特徴語ウェイトの算出］
また、上記実施形態では、関連語ウェイトを所定のタイミングで定期的に行われるインデキシング処理において算出する（Ｓ５）こととしているが、これに限られるものではない。例えば、検索処理においてユーザが入力した検索キーワードを受信後に、関連語ウェイトを算出することとしてもよい。このような構成にすることにより、当該検索キーワードに対応する関連語ＩＤについてのみ関連語ウェイトを算出すれば足りることになる。

検索システムの全体構成及び検索サーバの機能構成を示す図である。 検索サーバのハードウェア構成を示す図である。 検索サーバのインデキシング処理のフローチャートである。 記憶部に格納される関連語ＤＢ及びインデキシングＤＢを示す図である。 検索サーバでの検索処理のフローチャートである。 検索サーバでの検索結果の一例を示す図である。 各Ｗｅｂページの対比についての好適例を示す図である。 関連語ＤＢの別実施形態を示す図である。 Ｗｅｂページ１及びＷｅｂページ２の一例を示す図である。 Ｗｅｂページのトータルウェイトの算出例を示す図である。

符号の説明

１ 検索サーバ
２ コンテンツサーバ
４ 端末
１０ 制御部
１１ Ｗｅｂページ取得手段
１２ Ｗｅｂページ解析手段
１３ 特徴語ウェイト算出手段
１４ 関連語判定手段
１５ Ｗｅｂページウェイト算出手段
１６ 受信手段
１７ 検索手段
１８ Ｗｅｂページ調整手段
１９ コンテンツ送信手段
２０ 記憶部
２２ 回収ＷｅｂページＤＢ
２４ 関連語ＤＢ
２６ インデキシングＤＢ
１００ 検索システム

Claims (4)

1. 端末に対して通信ネットワークを介して接続されたコンピュータが、
   検索の対象となるＷｅｂページを解析して前記Ｗｅｂページ内における特徴を示す特徴語を複数抽出するＷｅｂページ解析ステップと、
   抽出した前記特徴語の前記Ｗｅｂページ内における出現頻度を示す特徴語ウェイトを複数の前記特徴語の夫々について算出する特徴語ウェイト算出ステップと、
   を含む検索方法であって、
   複数の特徴語の関連性を記憶する関連語ＤＢを備え、
   前記Ｗｅｂページ解析ステップにより抽出した複数の前記特徴語の夫々が関連するか否かを、前記関連語ＤＢを用いて判定する関連語判定ステップと、
   関連すると判定した特徴語の特徴語ウェイトの総和を関連語ウェイトとして算出するＷｅｂページウェイト算出ステップと、
   算出した前記関連語ウェイトを、当該Ｗｅｂページのリンクデータに対応付けてインデキシングＤＢに記憶するインデキシング記憶ステップと、
   検索キーワードを含む要求データを前記端末から受信する受信ステップと、
   前記受信ステップにより受信した前記検索キーワードに基づき、前記検索キーワードを含むＷｅｂページを検索する検索ステップと、
   前記検索ステップにより検索したＷｅｂページのうち前記検索キーワードに関連する関連語ウェイトを用いて検索結果を調整するＷｅｂページ調整ステップと、
   前記Ｗｅｂページ調整ステップによる調整結果に基づき、検索された前記Ｗｅｂページのリンクデータを含むコンテンツを、前記端末に送信する送信ステップと、
   Ｗｅｂページ内における全ての特徴語の特徴語ウェイトの平均値を算出する平均ウェイト算出ステップと、
   前記Ｗｅｂページウェイト算出ステップにより算出した前記関連語ウェイトが、前記平均値から乖離する割合を算出する対比ウェイト算出ステップと、
   を含み、
   前記Ｗｅｂページ調整ステップは、前記対比ウェイト算出ステップにより算出した割合を用いて検索結果を調整することを特徴とする検索方法。
2. 前記コンピュータが、通信ネットワークを介して接続されたＷｅｂサーバを定期的に巡回して、検索の対象になる前記Ｗｅｂページを取得する取得ステップを含むこと、
   を特徴とする請求項１に記載の検索方法。
3. 請求項１又は請求項２のいずれか１項に記載の方法のステップをコンピュータに実行させるための検索プログラム。
4. 端末に対して通信ネットワークを介して接続された検索サーバであって、
   検索の対象となるＷｅｂページを解析して前記Ｗｅｂページ内における特徴を示す特徴語を複数抽出するＷｅｂページ解析手段と、
   抽出した前記特徴語の前記Ｗｅｂページ内における出現頻度を示す特徴語ウェイトを複数の前記特徴語の夫々について算出する特徴語ウェイト算出手段と、
   複数の特徴語の関連性を記憶する関連語ＤＢと、
   前記Ｗｅｂページ解析手段により抽出した複数の前記特徴語の夫々が関連するか否かを、前記関連語ＤＢを用いて判定する関連語判定手段と、
   関連すると判別した特徴語の特徴語ウェイトの総和を関連語ウェイトとして算出するＷｅｂページウェイト算出手段と、
   算出した前記関連語ウェイトを、当該Ｗｅｂページのリンクデータに対応付けてインデキシングＤＢに記憶するインデキシング記憶手段と、
   検索キーワードを含む要求データを前記端末から受信する受信手段と、
   前記受信手段により受信した前記検索キーワードに基づき、前記検索キーワードを含むＷｅｂページを検索する検索手段と、
   前記検索手段により検索したＷｅｂページのうち前記検索キーワードに関連する関連語ウェイトを用いて検索結果を調整するＷｅｂページ調整手段と、
   前記Ｗｅｂページ調整手段による調整結果に基づき、検索された前記Ｗｅｂページのリンクデータを含むコンテンツを、前記端末に送信する送信手段と、
   Ｗｅｂページ内における全ての特徴語の特徴語ウェイトの平均値を算出する平均ウェイト算出手段と、
   前記Ｗｅｂページウェイト算出手段により算出した前記関連語ウェイトが、前記平均値から乖離する割合を算出する対比ウェイト算出手段と、
   を備え、
   前記Ｗｅｂページ調整手段は、前記対比ウェイト算出手段により算出した割合を用いて検索結果を調整することを特徴とする検索サーバ。

Images