JP2000076301A - 情報検索システム - Google Patents

Abstract

(57)【要約】 【課題】 ユーザーが自分の嗜好にあった情報を容易
に検索できると共に統合的に管理できる。 【解決手段】 複数のコンピュータを接続して形成さ
れ、情報が流通するコンピュータネットワーク内で、ユ
ーザーが流通する情報を取得して、取得情報を少なくと
も各ユーザーが設定したラベルとの強度に応じて編集
し、必要に応じて該強度に正規化処理を施して、編集情
報として保有する手段と、サーバーが複数の該編集情報
を取得し、該強度に統計的処理を行って抽象ラベルを作
成し、該編集情報相互を関連付けた検索データベースを
構築して保有する手段と、ユーザーが該検索データベー
スを利用して、他のユーザーが保有する所望の情報を取
得する手段とを有することを特徴とする情報検索システ
ム。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、コンピュータネッ
トワーク内から各ユーザーが取得した情報を編集し、編
集情報に基づき検索データベースを構築して、この検索
データベースを利用して各ユーザーが所望の情報を検索
できる情報検索システムに関する。

【０００２】

【従来の技術】従来、複数のコンピュータを接続して形
成するコンピュータネットワーク内において、各ユーザ
ーがネットワーク内を流通する情報を検索する際の便宜
を図るシステムとして、様々な工夫がなされている。

【０００３】例えば、インターネットにおいて閲覧ソフ
ト（ブラウザー）で検索する際、プロバイダーに接続し
て、ホームページのＵＲＬに基づいて検索を行い、所望
のホームページにアクセスする。この場合、ブラウザー
にはＵＲＬの履歴記憶・検索機能（ブックマーク）が設
けられ、ユーザーはその嗜好に合致したホームページの
ＵＲＬをここに登録することで、所望のホームページに
短時間でアクセスして検索することが可能であり、本機
能はある程度のユーザーの便宜を図っていた。

【０００４】しかしながら、上記ブラウザーに付設され
たＵＲＬの記憶・検索機能は、指定したＵＲＬを単に時
系列的に保持したり、或いは指定したＵＲＬを個人がラ
ベル別に編集して保持し、かような保持情報を閲覧して
検索できるにすぎないものであった。

【０００５】そのため、ユーザーが設定したラベルと検
索したサイト情報がどの程度の関連性を有し、又個々の
ラベルやサイト情報は相互に如何なる関連性を有してい
るものなのか、ということを判断できるものではなかっ
た。即ち、ユーザーが自分の嗜好に応じて、ホームペー
ジを統合的に管理し検索するシステムとして十分なもの
とはいえなかった。

【０００６】また、インターネットに接続するユーザー
から、自分の嗜好に合致する他のユーザーが閲覧してい
るホームページを容易に探索することや、自分と類似す
る嗜好を有するユーザーと情報交換することの要望が高
まり、一方、企業ユーザーからはインターネットを使用
するユーザーの嗜好情報を容易にマーケティングするこ
とが切望されている。かような要望はインターネットに
限らず、情報が流通する他のコンピュータネットワーク
においても同様に望まれている。

【０００７】従って、各ユーザーの検索状況から、ユー
ザー集団の嗜好情報をデータベース化し、ユーザーや企
業ユーザーがこのデータベースから所望の情報を獲得で
きるようにすることは、将来におけるコンピュータネッ
トワーク社会の発展に鑑みれば極めて重要である。

【０００８】

【発明が解決しようとする課題】本発明は上記問題点に
鑑みなされたものであって、コンピュータネットワーク
内で流通する情報の内、各ユーザーが自分の嗜好に合致
するホームページなどの取得情報を統合的に管理し、且
つ容易に検索できる情報検索システムを提供することを
目的とする。

【０００９】更に、他の目的は、ユーザー集団の嗜好情
報に統計的処理を施してデータベース化し、この検索デ
ータベースを利用してユーザーや企業ユーザーが所望の
情報を獲得できる情報検索システムを提供することを目
的とする。

【００１０】

【課題を解決するための手段】本発明による情報検索シ
ステムは、複数のコンピュータを接続して形成され、情
報が流通するコンピュータネットワーク内で、ユーザー
が流通する情報を取得して、取得情報を特定基準に基づ
きその嗜好に応じて編集し、必要に応じて統計的処理を
施した編集情報を保有する手段と、サーバーが複数の該
編集情報を取得し、統計的処理を行って該編集情報相互
を関連付けた検索データベースを構築して保有する手段
と、ユーザーが該検索データベースを利用して、他のユ
ーザーが保有する所望の情報を取得する手段とを有する
ことを特徴とする。

【００１１】また、本情報検索システムは、複数のコン
ピュータを接続して形成され、情報が流通するコンピュ
ータネットワーク内で、その流通する情報からユーザー
が取得した取得情報と、ユーザーが該取得情報を特定基
準に基づきその嗜好に応じて編集し、必要に応じて統計
的処理を施した編集情報と、サーバーが複数の該編集情
報を取得し、統計的処理を行って該編集情報相互を関連
付けた検索用情報とからなるデータ構造を保有すること
を特徴とする。

【００１２】そして、本発明による情報検索システム
は、更に複数のコンピュータを接続して形成され、情報
が流通するコンピュータネットワーク内で、ユーザーが
流通する情報を取得して、取得情報を少なくとも各ユー
ザーが設定したラベルとの強度に応じて編集し、必要に
応じて該強度に正規化処理を施して、編集情報として保
有する手段と、サーバーが複数の該編集情報を取得し、
該強度に統計的処理を行って抽象ラベルを作成し、該編
集情報相互を関連付けた検索データベースを構築して保
有する手段と、ユーザーが該検索データベースを利用し
て、他のユーザーが保有する所望の情報を取得する手段
とを有することを特徴とする。

【００１３】更に、本発明による情報検索システムは、
複数のコンピュータを接続して形成され、情報が流通す
るコンピュータネットワーク内で、ユーザーが流通する
情報を取得して、取得情報の表示点と各ユーザーが設定
したラベルの表示点を同一表示画面上で所望位置に配置
し、両表示点間の距離に基づく強度を算出する手段と、
該取得情報を該強度に応じて編集し、必要に応じて該強
度に正規化処理を施して、編集情報として保有する手段
と、サーバーが複数の該編集情報を取得し、該強度に統
計的処理を行って抽象ラベルを作成し、該編集情報相互
を関連付けた検索データベースを構築して保有する手段
と、ユーザーが該検索データベースを利用して、他のユ
ーザーが保有する所望の情報を取得する手段とを有する
ことを特徴とする。

【００１４】そして、上記情報検索システムは、表示画
面上でラベル表示点相互、若しくは取得情報表示点相
互、又はラベル表示点相互及び取得情報表示点相互を所
望位置に配置し、各表示点間の距離に基づく強度を算出
し、該強度をも利用して前記取得情報を編集することを
特徴とする。

【００１５】また、本発明による情報検索システムを記
録したコンピュータに読み取り可能な記録媒体は、複数
のコンピュータを接続して形成され、情報が流通するコ
ンピュータネットワーク内で、流通する情報からユーザ
ーが取得した取得情報の表示点と各ユーザーが設定した
ラベルの表示点を同一表示画面上で所望位置に配置する
ことで、両表示点間の距離に基づく強度を算出し、該取
得情報を該強度に応じて編集し、必要に応じて該強度に
正規化処理を施して、編集情報として保有し、サーバー
に複数の該編集情報を取得させ、該強度に統計的処理を
行って抽象ラベルを作成することで、該編集情報相互を
関連付けた検索データベースを構築して保有し、ユーザ
ーが該検索データベースを利用して、他のユーザーが保
有する所望の情報を取得することを特徴とする。

【００１６】

【作用】本発明は上記構成であるから、ユーザーは個人
レベルでその取得情報を容易に統合的管理することがで
き、且つこの取得情報に基づき構築した検索データベー
スで、各ユーザーの嗜好情報を地域、社会で統合して共
有資源化することができる。この共有資源を利用するこ
とで、各ユーザーは所望情報の検索の他、マーケティン
グ、人脈形成など様々な情報獲得、コミュニケーション
が可能となる。そして、構築した検索データベースに対
し、技術者集団や主婦集団など任意集団別の分析等を行
うことにより、更に有用な分析情報が入手できる。

【００１７】また、本情報検索システムは、各ユーザー
が取得情報をその嗜好に応じて随時編集し、かかる編集
情報に基づいて検索データベースを構築するので、使用
頻度が高まるほどシステムに各ユーザーの嗜好が反映さ
れ、高機能化するという学習効果を発揮する。更に、個
人の嗜好情報や全体のデータベースに蓄積された情報を
学習し、ユーザーに新しいホームページ等の情報を提案
するエージェントを設けると好適である。

【００１８】また、情報検索システムでは、検索データ
ベースは多数のユーザーの編集情報で学習し、相互のユ
ーザーの共通する意味である統計的な抽象ラベルを作成
保有し、同時に個別の意味である編集情報自体も活用す
ることが可能であり、特異な情報のデータベース化で多
様な検索を可能としている。更に、ユーザーの編集情報
に多様なものを含め、或いは多様なものを含む編集情報
に基づき検索データベースに所望の調整を行うことで、
検索データベースのデータ構造或いは意味自体が拡張さ
れ、より望まれる情報の正確な検索が可能となる。

【００１９】

【発明の実施の形態】以下、具体的な実施形態に基づい
て説明するが、本発明はかかる実施形態に限定されるも
のではない。特に下記実施形態は、コンピュータネット
ワークの代表例としてインターネットの場合であり、ブ
ラウザーを用いてホームページのブックマーク情報に対
する検索等を本情報検索システムで行う場合であるが、
他のコンピュータネットワークでも使用できることは当
然である。この場合、本情報検索システムを既存のブラ
ウザーに適用可能なものとすること、或いは本情報検索
システムを一体として備えたブラウザーとすることは適
宜である。

【００２０】本情報検索システムの概要を図１のフロー
チャートに示す。ここで情報検索システムは複数のコン
ピュータを接続して形成され、情報が流通するコンピュ
ータネットワーク内で使用される。まず、ネットワーク
内のユーザーは流通する情報を取得する。情報の取得は
ユーザー個人の検索履歴の中からブックマークすること
で選択取得する。取得した情報には情報を分類するラベ
ルを付与して、特定基準に基づきその嗜好に応じて編集
する。特定基準は例えば、表示画面上における各ラベル
に対する配置関係によって得られる距離（強度）などで
ある。編集された情報には、必要に応じて正規化などの
統計的処理が施される。上記編集は各ユーザー毎になさ
れるが、ネットワーク内の適宜箇所で行わせることもで
きる。

【００２１】その後、ネットワーク内のサーバーが、各
ユーザーの保有する編集情報を取得し、これに後述する
抽象ラベルの作成などの統計的処理を行い、取得した編
集情報相互を関連付けた検索データベースを構築して保
有する。編集情報の取得及び検索データベースの構築、
更新を行うタイミングは適宜である。各ユーザーは構築
された検索データベースを利用して、他のユーザーが保
有する自己の情報との類似情報や、他のユーザーの個人
データベース自体など所望の情報を取得することができ
る。

【００２２】情報検索システムのハードウェア構成は、
各ユーザーついては通常の通信機能を有するパーソナル
コンピュータで、図２に示す如く、情報検索システムの
プログラムで駆動する制御部１と、必要に応じて前記プ
ログラム自体の保存や前記プログラムによる処理で数値
の保存などが行われる記憶部２と、ＣＲＴや液晶ディス
プレイなどの表示部３と、マウスやキーボードなどの入
力部４と、パソコンを電話回線やＩＳＤＮ或いは無線な
どの通信回線６に接続する接続部５からなるものであ
る。尚、各ユーザーが自己の取得情報或いは編集情報に
のみ依存し所望の情報を取得する際には、通信機能を使
用せず上記ハードウェア構成のみ使用することになる。

【００２３】一方、プロバイダーが保有する大型コンピ
ュータであるサーバーも、基本的に同様のハードウェア
構成である。即ち、図２のように、情報検索システムの
プログラムで駆動する制御部１と、必要に応じて、前記
プログラム自体の保存や前記プログラムによる処理で数
値の保存などが行われる記憶部２と、通信回線６を介し
てユーザーに接続したり、インターネットに接続する接
続部５を有し、必要に応じて表示部３や入力部４を備え
ている。ユーザーはサーバーを介してインターネットに
接続することで、所望のホームページなどの情報を検索
できる。

【００２４】さらに、より具体的に情報検索システムに
ついて詳述する。まず、情報検索システムを使用してい
るユーザー側のコンピュータで、通常のインターネット
閲覧と同じようにブラウザーでホームページを閲覧す
る。そして、入力部４からの入力によるホームページの
移動を制御部１が検知し、この検知でホームページのＵ
ＲＬ、タイトル、閲覧日時、閲覧時間などの情報を記憶
部２上の所定のメモリ領域に記憶する。この処理はホー
ムページの移動がなされる毎に行われ、記憶部２には時
系列的にＵＲＬなどの情報が識別子ｈｉで認識される履
歴情報として記憶されていく。この履歴情報は下記の表
１のように格納され、保存された履歴情報は全履歴デー
タベースＨ（ｈ１、ｈ２、ｈ３、・・・）を形成する。

【００２５】

【表１】 前記全履歴データベースＨに中からユーザーがその嗜好
に応じて指定した情報は、ブックマークデータベースＳ
を形成する。即ち、全履歴データベースＨの中から識別
子ｈｉを入力部で指定し、制御部１を介してこのデータ
を抽出し、抽出したホームページ情報（サイト情報）に
識別子ｓｉを付して記憶部２に保存する。保存したサイ
ト情報は表２の如く、識別子ｓｉで認識される履歴情報
として、Ｈの部分集合であるブックマークデータベース
Ｓ（ｓ１、ｓ２、ｓ３、・・・）となる。

【００２６】

【表２】 一方、ユーザーは入力部４から、自分の嗜好に応じた所
定の名称のラベル情報を入力する。ラベル情報は、政
治、経済、音楽などのジャンル別などに任意に設定可能
である。制御部１はラベル情報を認知し、記憶部２の所
定のメモリ領域に例えば入力順に記憶する。保存された
ラベル情報は識別子ｌｉで認識され、ラベルデータベー
スＬ（ｌ１、ｌ２、ｌ３、・・・）を形成する。

【００２７】また、図３（ａ）のラベルレイヤー及び図
３（ｂ）のサイトレイヤーの画面表示プログラムが記憶
部２に設定されており、レイヤーは表示部４に選択的に
表示できる。各レイヤー上には入力部４で指定すること
で、所望のラベル識別子ｌｉに基づく表示点ｌｉ、サイ
ト識別子ｓｉに基づく表示点ｓｉを表示でき、これらの
表示点はマウスなどで任意の位置に移動できる。各レイ
ヤーの画面はそれぞれＸＹ座標或いは極座標などの座標
軸で規定されており、表示点ｌｉ、ｓｉはそれぞれ座標
値として把握され、記憶部２の所定のメモリ領域に記憶
される。

【００２８】そして、ラベルレイヤーにおいて、配置し
たサイト表示点ｓｉとラベル表示点ｌｉ間の距離ｄ
_lsを、座標値に基づいて自動的に或いは指令を出すこと
によって各々計算し、この計算した距離ｄ_lsを各表示点
と共に保存する。マウスなどでドラッグ＆ドロップし、
サイト表示点ｓｉ或いはラベル表示点ｌｉを変更した場
合は、変更後の位置から上記相互距離をそれぞれ計算し
直して保存を更新する。

【００２９】この距離ｄはラベル−サイト間の意味的な
近さを表したもので、ユーザーがその嗜好に応じ各ラベ
ル或いはサイトをドラッグ＆ドロップなどで如何に配置
したかで定まる。距離ｄの値が０である場合は全く同じ
意味のラベルとサイトを意味する。又、距離ｄの逆数で
あるｗ＝１／ｄは、強度（類似度）を表し、これは意味
的に全く関連ないものを０とする尺度で、好適には上記
距離ｄは強度ｗに変換して記憶部２の所定のメモリ領域
に保存する。例えば、図３（ａ）のラベルレイヤーはラ
ベル表示点ｌ１〜ｌ５とサイト表示点ｓ１を表示した場
合で、サイトｓ１はｌ２、ｌ３、ｌ５と意味的に近く、
それ以外とはあまり関連性がないことを示している。

【００３０】一方、サイトレイヤーにおいては、ラベル
表示点ｌｉとサイト表示点ｓｉ間の距離を、座標値に基
づいて自動的に或いは指令を出すことによって各々計算
し、この計算した距離ｄ_lsを各表示点と共に保存する。
サイト表示点ｓｉ或いはラベル表示点ｌｉを変更した場
合は、変更後の位置から上記相互距離をそれぞれ計算し
直して保存を更新する。この場合も、好適には上記距離
ｄは強度ｗに変換して記憶部２の所定のメモリ領域に保
存する。例えば、図３（ｂ）のサイトレイヤーは、中心
となるラベル表示点ｌ１とサイト表示点ｓ１〜ｓ３を表
示した場合で、ラベルｌ１に対してサイトがｓ１、ｓ
２、…が関連性の強い順に配置されている。サイトレイ
ヤーはラベルレイヤーの拡大図のような役割を有する。

【００３１】ラベルレイヤー及びサイトレイヤーで規定
したラベル−サイト間の強度関係は、他方のレイヤー表
示に相互に反映させることができる。例えば、サイトレ
イヤーで特定ラベルｌｉに対して複数のサイトｓｉを整
理して強度ｗを決定した結果を、レイヤー表示上におけ
る尺度調整等を行ってラベルレイヤーに反映することが
可能で、その逆も可能である。このレイヤーにおける情
報整理で、ユーザーは容易に情報の相互関係を認識する
ことが可能となる。

【００３２】尚、ラベルレイヤー或いはサイトレイヤー
内でサイト情報を指定することで、対応するＵＲＬを取
得してホームページを読み込めるようにすると良好であ
り、この検索処理を行った際には、中心のラベルと検索
したサイトの距離を一定値だけ自動的に近づくような構
成としてもよい。

【００３３】次に、取得したラベル−サイト間の強度ｗ
_lsを正規化する。まず、ユーザーがその嗜好に応じて決
定した各ラベル−サイト間の強度ｗ_lsを記憶部２の所定
メモリ領域から読み込む。表３はラベルｌとサイトｓ間
の強度ｗをまとめた基本データの例示である。

【００３４】

【表３】

【００３５】そして、前記強度ｗを基に、ユーザー本人
の保有するラベル相互間の強度（距離）やサイト相互間
の強度（距離）を求めるため、前記基本データを正規化
する。正規化する際には、以下に示す乃至のような
算出プログラムの中から適宜選択或いは併用したものを
使用し、制御部１で正規化処理が行われたデータは、記
憶部２の所定のメモリ領域に保存する。

【００３６】 ユーザーが表３の基本データを保有し
ているときに、各要素を全体の中の割合（％）で表して
全体を正規化する。正規化後のデータは表４のようにな
る。尚、all=(w11+w12+・・+w21+w22+・・)である。

【００３７】

【表４】

【００３８】 ユーザーが表３のデータを保有してい
るとき、作成するデータの各要素の２乗の合計が１にな
るように正規化する。具体的には、各要素を、全ての要
素の２乗を足したものの平方根で割る。正規化後のユー
ザーのデータは表５のようになる。

【００３９】

【表５】

【００４０】 ユーザーが表３のデータを保有してい
るとき、サイトデータは表６のサイトベクトルｓ１、ｓ
２、ｓ３のように捉えられる。そして、各サイトベクト
ルの要素を、それぞれのサイトベクトルの全要素に対す
る割合に直すことによってサイト方向に正規化を行う。
正規化後のデータは表７のようになる。この正規化され
たデータはラベル間の距離計算、及びサイトとラベル間
の距離計算にのみ使用する。

【００４１】

【表６】

【００４２】

【表７】

【００４３】 前記サイトベクトルによる正規化手法
をラベルベクトルに適用したもので、と同様の処理を
行うものである。即ち、ラベルデータに基づき、ラベル
ベクトルｌ１、ｌ２、ｌ３、ｌ４を把握し、各ラベルベ
クトルの要素をそれぞれのラベルベクトルの全要素に対
する割合に直して、ラベルを基準にラベル方向に正規化
を行う。この正規化で作成されたデータは、サイト間の
距離計算、及びサイトとラベル間の距離計算にのみ使用
する。

【００４４】上記の如く、正規化した強度データ（強度
情報）を取得した後、各ユーザーは自分の保有するラベ
ル情報及びサイト情報に関するデータを算出して、その
相互関連性を認識できる。具体的には、算出プログラム
で正規化値によるラベル−サイト間強度、ラベル相互間
距離（強度）、サイト相互間距離（強度）を取得する。

【００４５】まず、ユーザーの保有データから、表８の
ラベルとサイト間の正規化強度を示すデータを取得す
る。表８は全てのラベル（各サイトへの強度を要素とし
て有するベクトル）を Label × Site の表に展開した
もので、表８中ｗｉｊは正規化された後の値である。

【００４６】

【表８】

【００４７】上記表８のデータに基づき、算出プログラ
ムを使用し、以下のようにラベルとサイト間、ラベル相
互間、サイト相互間の正規化値による強度を算出して把
握する。尚、これらの強度（距離）は、必要に応じて算
出しても自動的に算出してもよい。

【００４８】まず、ラベル−サイト間の強度は、表８内
の各要素そのものである。例えばラベルｌ１からサイト
ｓ１への強度は数１のようになる。

【００４９】

【数１】

【００５０】また、ラベル同士の距離は、ラベルをその
ラベルに対するサイトの強度を要素として持つ多次元ベ
クトル、例えば、ｌ１＝（ｗ１１、ｗ１２、ｗ１３、
…）として認識し、この多次元ベクトル間の関係として
計算する。具体的には、例えば以下の或いはなどの
算出パターンでラベル間の距離を算出する。算出した ルｌ２の距離は数２のようになる。

【００５１】

【数２】

【００５２】 ２つのベクトルＡ、Ｂ間の距離は、２
つのベクトルがなす角度（ＡＢ／｜Ａ｜｜Ｂ｜）で求め
ることができる。これを利用してラベルｌ１とラベルｌ
２の距離を求めると、数３のようになる。

【００５３】

【数３】

【００５４】また、サイト同士の距離は、サイトをその
サイトに対するラベルの強度を要素として持つ多次元ベ
クトル、例えば、ｓ１＝（ｗ１１、ｗ２１、ｗ３１、ｗ
４１・・）として認識し、この多次元ベクトル間の関係
として計算することができる。具体的には、例えば以下
の或いはの算出パターンでラベル間の距離を計算す
る。

【００５５】 ラベル間の計算と同様ユークリッド距
離│Ａ−Ｂ│を用いて、数４の如くサイトｓ１からｓ２
の距離を求めることができる。

【００５６】

【数４】

【００５７】 ラベル間の計算と同様、２つのベクト
ルがなす角度（ＡＢ／｜Ａ｜｜Ｂ｜）を用いて、数５の
如くサイトｓ１からｓ２の距離を求める。

【００５８】

【数５】

【００５９】上記計算式等による算出プログラムで制御
部１により求められた強度（距離）情報は、所定のメモ
リ領域に記憶する。この情報から、各ユーザーは自分の
保有するラベル情報とサイト情報の相互関連性を客観的
に認識し、所望の情報を検索する際に利用できる。

【００６０】上記の如く構築したユーザーのラベル情
報、サイト情報及びこれに関連する情報は、検索要求を
出して検索することができる。特に、ユーザーの表示部
３でラベルレイヤーとサイトレイヤーの切り替えを行う
際にこの検索は必要となる。

【００６１】例えば、ラベルレイヤーから指定したラベ
ルに対するサイトレイヤーに切り替える際、ユーザーの
入力部４からの入力として、例えば、（ａ）ラベルレイ
ヤーで、各ラベル上にマウスポインタがある状態でダブ
ルクリックする、（ｂ）ラベルレイヤーで、ラベル上に
ポインタがある状態でクリックし、そのままそのラベル
を画面中央に描かれた特定の枠（「センターラベルフィ
ールド」という）内までドラッグする、（ｃ）ラベルレ
イヤーでラベル上にポインタがある状態でクリックし、
そのラベルを指定し、さらに拡大ボタンをクリックする
ことでレイヤーを切り替える。

【００６２】以上の入力を受け取った場合、一体化した
或いは外部記憶媒体などの記憶部２の所定のメモリ領域
に保存されているユーザーの個人データベースに対し
て、制御部１が検索指令を行う。前記検索指令で、指定
されたラベルとの強度（類似度）が０でないサイトを全
て検索し、この中からサイトの強度（類似度）を相互に
比較して、強度（類似度）が大きい順にソートする。そ
の後、強度順にソートしたサイトは、指定したラベルを
中心に各強度の値が明確に把握できるようにグラフ化
し、そのグラフをサイトレイヤーとして表示部３上に表
示する。

【００６３】逆に、サイトレイヤーからラベルレイヤー
へ切り替える場合、ユーザーはサイトレイヤーで所望の
サイト上にマウスポインタがある状態でクリックしてサ
イトを指定し、更に縮小ボタンをクリックするなどの操
作を行う。

【００６４】上記入力で記憶されているユーザーの個人
データベースに対して、制御部１が検索指令を行う。前
記検索指令で、指定されたサイトとの強度（類似度）が
０でないラベルを全て検索し、この中からラベルの強度
（類似度）を相互に比較して、強度が大きい順にソート
する。その後、強度順にソートしたラベルは、そのサイ
トとの距離に応じてラベルがマッピングされたグラフと
して、表示部３のラベルレイヤーに表示する。

【００６５】次に、ネットワーク化された情報検索シス
テム全体で、個々のユーザーの保有情報をまとめ、検索
データベース化する段階について説明する。これは例え
ば、サーバーが各ユーザーの嗜好に応じた編集情報を取
り込み、検索データベースを構築する場合には、サーバ
ーは通信回線６を通じて個々のユーザーの編集情報を取
り込み、編集情報に情報検索システムのプログラムによ
って統計的処理を施し、検索データベース化して記憶保
持するものである。

【００６６】そのために、サーバーで各ユーザーの編集
情報（正規化データ）を取得して、抽象ラベルという仮
想ラベルを生成する。ここで、「抽象ラベル」とは「ユ
ーザーによって任意に作成されたラベルを、そのラベル
に関連の強いサイト群の要素によってカテゴライズした
場合に、各カテゴリーの中心に位置する仮想ラベル」と
定義する。又「ラベルカテゴリー」を「一つの抽象ラベ
ルによってカテゴライズされたカテゴリーに属する実在
のラベルの集合」と定義する。

【００６７】抽象ラベルを観念的に示すと、例えば図４
の如く、各ラベルのサイトｓ１に対する距離を横軸に、
各ラベルのサイトｓ２に対する距離を縦軸に取って、各
ラベルのｓ１、ｓ２という２つのサイトに対する相関関
係で抽象ラベルを規定できる。図４中、ラベルは白丸
で、抽象ラベルは黒丸で表示しており、後述する「クラ
スター分類」の手法を用いて、位置が近いラベル同士を
ＬＣ１、ＬＣ２という２つのラベルカテゴリー（クラス
ター）に分類し、各クラスターの中心に位置する仮想上
の抽象ラベルａｌ１、ａｌ２を求めている。各種検索時
にはこれらの抽象ラベルを利用することになる。

【００６８】具体的に抽象ラベルを算出する際には、前
提としてユーザー側のデータベース（ＭＣ）をユーザー
側或いはサーバー側でまとめて、正規化した表８のよう
なデータを用いる。そして、例えば以下の乃至の分
類手段（「クラスター分類」という）を用いて分類す
る。

【００６９】 第一の手法として階層的クラスタリン
グがある。階層的クラスタリングの基本的な考え方を、
図５のフローチャートに示す。

【００７０】階層的クラスタリングを行うには、まず、
全てのラベルデータを数６のように取得する。

【００７１】

【数６】

【００７２】そして、目標とするラベルカテゴリー数を
取得する（例えば、目標ラベルカテゴリー数＝４）と共
に、各ラベルが仮定したラベルカテゴリーに、それぞれ
対応して属するものとする。即ち、lc1 =｛l1｝,lc2 =
｛l2｝,lc3 =｛l3｝,lc4 =｛l4｝,…とする。ここで、
ラベルカテゴリー内のラベルを平均して、それを数７の
如く抽象ラベルとする。

【００７３】

【数７】

【００７４】その後、全ての抽象ラベル間の距離（ラベ
ルカテゴリー間の距離）を各々計算する。例えば、抽象
ラベルal1からal2間の距離は数８のようになる。

【００７５】

【数８】

【００７６】この抽象ラベル間の距離の計算結果から、
最も距離の短い２組の抽象ラベル、及び前記２組の抽象
ラベルに対応するラベルカテゴリーに属するラベルを獲
得する。例えば、獲得した抽象ラベルがal1とal2だとす
ると、lc1 =｛l1｝,lc2 =｛l2｝からl1、l2を獲得す
る。そして、獲得したラベルを要素とする新しいラベル
カテゴリーlcx =｛l1,l2｝を作成して元のラベルカテゴ
リーは廃棄する共に、新しいラベルカテゴリー内にある
ラベルのベクトルの平均を取り、それを抽象ラベルとす
る。即ち、新しい抽象ラベルは数９の如くなる。

【００７７】

【数９】

【００７８】そして、上記ラベルカテゴリー数を目標ラ
ベルカテゴリー数と比較し、目標ラベルカテゴリー数以
下であるかどうかチェックする。目標ラベルカテゴリー
数以下である場合は、ラベルカテゴリーと抽象ラベルを
出力して抽象ラベルの生成は終了し、目標ラベルカテゴ
リー数以下でない場合には、再び抽象ラベル間の距離計
算、抽象ラベルの統合など上記と同様の処理を目標ラベ
ルカテゴリー数以下になるまで行い、最終的な抽象ラベ
ルを生成する。

【００７９】 第二の手法として単純クラスタリング
がある。単純クラスタリングの基本的な考え方を、図６
のフローチャートに示す。

【００８０】単純クラスタリングを行うには、まず、全
てのラベルデータを前記数６のように取得すると共に、
閾値（例えば、閾値＝１４）を設定する。そして、一つ
目のラベルl1を取得し、これを新しい抽象ラベルal1と
して、l1を要素として持つラベルカテゴリーlc1を作成
する。即ち、数１０の如くである。

【００８１】

【数１０】

【００８２】そして、次のラベル、例えばl2を取得し、
このラベルl2と全ての抽象ラベルとの距離を数１１のよ
うにユークリッド距離で計算する。尚、ここでは抽象ラ
ベルは al1一つなので、ラベルl2と抽象ラベルal1間の
距離を計算している。

【００８３】

【数１１】

【００８４】前記距離計算によって、最も近い抽象ラベ
ルとの距離（ここでは、抽象ラベルal1一つなので l2か
らal1間の距離）が、閾値以内かチェックする。閾値以
内の場合は、取得したラベルl2を最短距離の抽象ラベル
al1のラベルカテゴリーlc1に追加する。即ち、lc1=｛l
1,l2｝とする。又、閾値を超える場合は、取得したラベ
ルl2を新しい抽象ラベルalxとし、ラベルl2を要素とし
て保有するラベルカテゴリーlcxを作成する。例えば、l
2からal1への距離が最短で閾値より上であった場合は、
alx=l2=(w21,w22,w23,…)、lcx=｛l2｝となる。

【００８５】その後、順次新しいラベルを取得して上記
の処理を行い、抽象ラベルを獲得する。そして、全ての
抽象ラベルを扱い終わったかチェックして、終了した場
合はラベルカテゴリーと抽象ラベルを出力する。

【００８６】 第三の手法として最大距離アルゴリズ
ムがある。最大距離アルゴリズムの基本的な考え方を、
図７のフローチャートに示す。最大距離アルゴリズムで
分類を行うには、まず、全てのラベルデータを前記数６
のように取得すると共に、１個目のラベルを取得して抽
象ラベルal1とする。即ち、 al1= l1 =(w11,w12,w13,・・
・)である。

【００８７】そして、最も近い抽象ラベルとの距離が最
大であるラベルを選択する。ここでは、抽象ラベルal1
が一つなので、抽象ラベルal1から全てのラベルへの距
離を計算する。例えば、ラベルl3と抽象ラベルal1間の
距離は数１２の如くなる。

【００８８】

【数１２】

【００８９】数１２で求められた距離の内、距離が最も
大きいラベルとその距離を取得し、これを抽象ラベルal
2とする。

【００９０】更に、抽象ラベルal1、al2と各ラベルの距
離を計算し、各ラベルがどの抽象ラベルに最も近いかを
認識する。そして、抽象ラベルとラベル間の最短距離の
内、最大の距離を認識して、最短距離が最大となるラベ
ルを抽出する。

【００９１】一方、全ての抽象ラベル相互間の距離を計
算し、最大距離である抽象ラベル間の距離を求める。例
えば、抽象ラベルal2=l2=(w21,w22,w23,…)であると
き、数１３より抽象ラベルal1とal2の距離が求められ
る。この場合は、抽象ラベルが２つなので最大距離は抽
象ラベルal1とal2の距離となる。抽象ラベルが更に多い
場合は、最大距離のものを選択する。

【００９２】

【数１３】

【００９３】こうして求めた抽象ラベル相互間の最大距
離を取得し、これを抽象ラベルとラベル間の最短距離の
うちの最大の距離と対比し、後者の距離が前者の距離の
１／２以上か否かチェックする。１／２以上である場合
には、後者の最大距離のラベルを新しい抽象ラベルalx
とし、同様の処理を繰り返す。１／２未満である場合に
は、そのラベルを該当する抽象ラベルのラベルカテゴリ
ーに所属させる。

【００９４】上記処理は、初期値ｎ＝１とするｎ個目の
抽象ラベルalnと全てのラベルとの距離を計算し、一方
で、初期値m＝1とするｍ個目のラベルとｎ個目のラベル
との距離を計算し、この距離が上記距離の１／２未満で
ある場合、ｍ個目のラベルをｎ個目の抽象ラベルに対応
するラベルカテゴリーlcnに追加する。そして、ｍ＝全
ラベル数でなければｍをｍ＋１として再び繰り返して距
離計算を行い、ｍ＝全ラベル数でｎ＝全抽象ラベル数で
あるか確認する。ｎ＝全抽象ラベル数であればラベルカ
テゴリーと抽象ラベルを出力し、そうでなければｎをｎ
＋１として、抽象ラベルと全ラベルとの距離計算を再び
繰り返す。

【００９５】 第四の手法としてＫ平均アルゴリズム
がある。Ｋ平均アルゴリズムの基本的な考え方を、図８
のフローチャートに示す。

【００９６】Ｋ平均アルゴリズムを行うには、まず、全
てのラベルデータを前記数６のように取得すると共に、
目標ラベルカテゴリー数Ｋを取得する。そして、取得し
たラベルの中からＫ個分のラベルlxを取得する。例え
ば、Ｋ＝４とした場合、l1,l2,l3,l4を取得する。取得
したこれらのラベルはそれぞれ新しい抽象ラベルalxと
する。従って、抽象ラベルは数１４のようになる。

【００９７】

【数１４】

【００９８】その後、全てのラベルをそれぞれ、最も近
い抽象ラベルのラベルカテゴリーに所属させる。このた
め、初期値をｎ＝１としたｎ個目のラベルlnから全ての
抽象ラベルへの距離を計算する。例えば、ラベルl1から
抽象ラベルal2への距離は数１５のようになる。

【００９９】

【数１５】

【０１００】上記の計算結果から、ラベルlnは最も近い
抽象ラベルのラベルカテゴリーに追加する。例えば、上
記計算結果で、抽象ラベルal2がラベルl1に最も近い抽
象ラベルであった場合には、lc2=｛…,l1｝となる。こ
の処理は全てのラベルをラベルカテゴリーに追加するま
で行い、初期値ｎが全てのラベル数になった場合には次
の処理を行い、ｎが全てのラベル数に達しない場合には
ｎをｎ＋１として同様の処理を繰り返す。

【０１０１】その後、新しくできた全てのラベルカテゴ
リーの中で抽象ラベルを新しく決め直す。この場合も初
期値ｎ＝１として、ｎ個目のラベルカテゴリー内の全て
のラベルを取得する。そして、上記で取得したラベルの
ベクトルを平均して、新しい抽象ラベルalxとする。例
えば、lc1 =｛l1,l2,l3｝だとすると新しい抽象ラベルa
l1は数１６のようになる。

【０１０２】

【数１６】

【０１０３】上記処理は初期値ｎが全ラベルカテゴリー
数になるまで行い、そうでなければｎにｎ＋１を代入し
てｎ＝全ラベルカテゴリー数まで上記処理を行う。

【０１０４】その後、新たに任意にＫ個の初期抽象ラベ
ルを指定して同様の処理を行い、一回前の全てのラベル
カテゴリーと今回の全てのラベルカテゴリーを比較し、
同一であれば抽象ラベルとラベルカテゴリーを出力し、
同一でなければ新たに任意にＫ個の初期抽象ラベルを指
定して同様の処理を繰り返す。例えば、前回のlc1=｛l
1,l2｝、今回のlc1´=｛l1,l2,l3｝であれば、lc1≠ lc
1´、前回のlc1´=｛l1,l2,l3｝、今回のlc1´=｛l1,l
2,l3｝であれば、lc1＝ lc1´である。

【０１０５】上記の如く算出した抽象ラベルに基づい
て、個々のユーザーは相互の個人データベース間の情報
に対して、検索を行うことができる。

【０１０６】例えば、ユーザーはサーバーを介して検索
を行うことで、１）特定のテーマについて頻繁に検索
し、多くのブックマークを保持しているユーザーの個人
データベースから有用なホームページを検索できる、
２）ｙａｈｏｏなどの他の検索エンジンの補助的役割と
して、検索語自体を漠然としたものから、検索エンジン
にかかりやすい語に絞り込んでいくことができる、３）
検索エンジンでキーワード検索を行うと共に、多くの人
に閲覧されている人気がある、或いは有用なホームペー
ジから順に結果を表示させることができる、等の使用が
可能である。

【０１０７】具体的にユーザーが他のユーザーの保有す
る情報も含んだ検索データベースに検索を行う場合、情
報検索システムに含まれる属性の内、キーとして何を入
力し結果として何を表示させるかで、以下の（１）〜
（７）の７種類に大別される。

【０１０８】（１）個人データベースをキーとして、類
似データベースを検索する。これは、ユーザーが作成し
た個人データベースの全て、或いはその一部を指定した
状態で検索を行って、前記データベースに類似する他の
ユーザーの個人データベースを表示部３上に表示するも
のである。検索方式としては、以下の乃至などがあ
る。

【０１０９】 ラベルカテゴリーを使用し、直交空間
上のベクトルとして距離計算する。まず、抽象ラベルの
生成によって、各ラベルカテゴリーに対する属性を付与
された各ラベルを、制御部１によって前記属性を保持さ
せたまま各ユーザーのデータベース毎に整理し、記憶部
２の所定のメモリ領域に表９のデータを記憶する。ここ
で、ｍｃ１、ｍｃ２、・・は各ユーザーの個人データベ
ースを、ｗ１１、ｗ１２、・・は各ラベルカテゴリーに
属するラベルの個数である。

【０１１０】

【表９】

【０１１１】表９の如く、サーバー内の全てのｍｃは、
各ラベルカテゴリーに属するラベルの個数を要素として
有するベクトルデータとして、記憶部２の所定のメモリ
領域に蓄積されることになる。そして、ユーザーはキー
となるｍｃを指定し、指定ｍｃのベクトルと各ｍｃのベ
クトル間の距離計算を行う。例えばｍｃ１とｍｃ３間の
距離は、ユークリッド距離で計算すると((w11-w31)の２
乗＋(w12-w22)の２乗＋…)の平方根で表され、この距離
計算を数学的に記述すると数１７のようになる。

【０１１２】

【数１７】

【０１１３】距離計算の結果、各ｍｃは距離の小さい順
にソートされ、記憶部２の所定のメモリ領域に記憶され
る。ソート後の結果は、ユーザーに通信回線６を介して
送信される。ユーザーは強度順にソートされた送信結果
を基に類似データベース（ｍｃ）を判断し、閲覧するこ
とができる。

【０１１４】 ラベルカテゴリーを使用し、差の平均
を取ることによって距離計算する。上記と同様の手順
を辿るが、距離計算は、各ｍｃにおける各要素（各ラベ
ルカテゴリー（ＬＣ）に属するラベルの個数）の差の平
均として計算するものである。計算式は数１８のように
なる。その後、上記と同様に各ｍｃは距離の小さい順に
ソートされて記憶され、その結果によってユーザーは類
似データベース（ｍｃ）を閲覧できる。

【０１１５】

【数１８】

【０１１６】 合成ラベルを使用し、直交空間上のベ
クトルとして距離計算する。ユーザーはサーバーにキー
となるｍｃを送信して指定し、各ｍｃについて合成ラベ
ルを生成するものである。合成ラベルの生成は例えばｍ
ｃ１については数１９のように行う。

【０１１７】

【数１９】

【０１１８】そして、キーとなるｍｃと各ｍｃ間の距離
は、直交空間上における各ｍｃの合成ラベルのベクトル
間距離として計算する。計算式は数２０のようになる。

【０１１９】

【数２０】

【０１２０】その後、合成ラベルに基づくｍｃ間の距離
を算出した後、各ｍｃは指定ｍｃに対する距離の小さい
順にソートして記憶する。ユーザーはこの結果を通信回
線を介してみることによって、類似データベースを閲覧
することができる。

【０１２１】（２）ラベルをキーとして類似ラベルを検
索する。これは、表示部３上に既に表示されているラベ
ルをユーザーがクリックするか、或いは入力部４から任
意の名前を入力し、更に検索ボタンをクリックするなど
の操作により、入力されたラベル名から類似の意味を持
つラベルを検索し、意味の近い順に表示部３に表示させ
るものである。検索方式としては、以下の乃至など
がある。

【０１２２】 抽象ラベルを使用して検索する手法が
ある。キーとなるラベルをユーザーからサーバーに送
り、キーラベルが属するラベルカテゴリーの抽象ラベル
を獲得する。その後、抽象ラベルからそのラベルカテゴ
リーに属する各ラベルへの距離を、ユークリッド距離な
どによって計算する。計算結果に基づき、ラベルを距離
の小さい順にソートして記憶し、この結果をユーザーは
取得する。ユーザーは強度順のラベルから、類似ラベル
を取り込み閲覧することができる。

【０１２３】 抽象ラベルを使用せずに、直交空間上
のベクトルとして距離計算し検索する手法がある。キー
となるラベルをユーザーからサーバーに送り、キーラベ
ルからサーバー内にある全てのラベルへの距離をユーク
リッド距離などによって計算する。計算結果に基づき、
ラベルを距離の小さい順にソートして記憶し、この結果
をユーザーは取得する。ユーザーは強度順のラベルか
ら、類似ラベルを閲覧することができる。

【０１２４】（３）ラベルをキーとしてサイトを検索す
る。上記（２）と同様にラベル名を指定することで、意
味的に近いサイトを検索、表示するものである。検索方
式としては、以下の乃至などがある。

【０１２５】 抽象ラベルを使用して検索する手法が
ある。キーとなるラベルをユーザーからサーバーに送
り、キーラベルが属するラベルカテゴリーの抽象ラベル
をサーバーから獲得する。その後、抽象ラベルから全て
のサイトへの距離を計算或いは取得し、この結果に基づ
いてサイトを距離の小さい順にソートする。このソート
結果に基づき、ユーザーは意味的に近いサイトを閲覧す
ることができる。

【０１２６】 抽象ラベルを使用せず、直交空間上の
ベクトルとして距離計算する手法がある。キーとなるラ
ベルをユーザーからサーバーに送り、(a)キーラベルか
らサーバー内の全てのラベルへの距離を計算すると共
に、(b)キーラベルから全てのサイトへの距離を計算或
いは取得する。その後、サイトを(a)の距離の小さい順
にソートし、この距離が同じものに関しては(b)の距離
の小さい順にソートして記憶する。このソート結果に基
づき、ユーザーは意味的に近いサイトを閲覧することが
できる。

【０１２７】 抽象ラベルを使用せず、直交空間上の
ベクトルとして距離計算する他の手法がある。キーラベ
ルをユーザーからサーバーに送り、(a)キーラベルから
サーバー内の全てのラベルへの距離を計算すると共に、
(b)キーラベルから全てのサイトへの距離を計算或いは
取得する。その後(a)と(b)の距離を、α*(a)+β*(b)の
如く重みつき合成し、各サイトを重みつき合成値順に降
順でソートして記憶する。このソート結果に基づき、ユ
ーザーは意味的に近いサイトを閲覧することができる。

【０１２８】（４）ラベルをキーとしてデータベース
（ｍｃ）を検索する。これは、ラベルをキーにしてその
ラベルについて多くのブックマークを有するユーザーの
データベース（ｍｃ）を検索するもので、上記（２）と
同様の入力から、そのラベルに近いテーマについてサイ
トデータを多く保有するユーザーのデータベースを、グ
ラフ化した状態で表示するものである。検索方式として
は、例えば以下のラベルカテゴリーを使用するものがあ
る。

【０１２９】キーとなるラベルをユーザーからサーバー
に送り、キーラベルの属するラベルカテゴリーを認識す
る。そして、サーバー内の各ｍｃにおいて、前記ラベル
カテゴリーに属するラベルの個数を計算して記憶し、更
に前記個数順にｍｃをソートして記憶する。その後、こ
のソート結果に基づき、ユーザーは意味的に近いｍｃを
取得することができる。

【０１３０】（５）サイトをキーとして類似サイトを検
索する。検索方式としては、例えば以下の乃至など
がある。

【０１３１】 抽象ラベルを使用して類似サイトを検
索する。ユーザーからキーとなるサイトをサーバーに送
り、キーサイトから全ての抽象ラベルへの強度（距離）
を計算或いは取得して、前記強度順に抽象ラベルをソー
トする。そして、前記抽象ラベルから全てのサイトへの
強度（距離）を計算或いは取得する。その後、強度が最
高である抽象ラベルの中でサイトを強度順にソートし、
これで同様の場合は次順位の抽象ラベルの中で同様にソ
ートし、これを順次行ってソート処理を完了する。ユー
ザーはこのソート結果に基づき、類似サイトを取得する
ことができる。

【０１３２】 別の手法で、抽象ラベルを使用して類
似サイトを検索する。ユーザーからキーとなるサイトを
サーバーに送り、(a)キーサイトから全ての抽象ラベル
への強度（距離）を計算或いは取得すると共に、(b)抽
象ラベルから全てのサイトへの強度（距離）を計算或い
は取得する。その後、(a)と(b)の強度を、α*(a)+β*
(b)の如く重みつき合成する。そして、各サイトを重み
つき合成値による強度順にソートして記憶し、ユーザー
はこのソート結果に基づき類似サイトを取得できる。

【０１３３】 抽象ラベルを使用せずに類似サイトを
検索する。ユーザーからキーとなるサイトをサーバーに
送信した後、キーサイトから全てのラベルへの強度を計
算或いは取得し、この強度順にラベルをソートする。そ
して、ラベルから全てのサイトへの強度を計算或いは取
得する。その後、強度が最高であるラベルの中でサイト
を強度順にソートし、これで同様の場合は次順位のラベ
ルの中で同様にソートし、これを順次行ってソート処理
を完了する。ユーザーはこのソート結果に基づき、類似
サイトを取得することができる。

【０１３４】 別の手法で、抽象ラベルを使用せずに
類似サイトを検索する。キーサイトをユーザーからサー
バーに送り、(a)キーサイトから全てのラベルへの強度
を計算或いは取得すると共に、(b)ラベルから全てのサ
イトへの距離を計算或いは取得する。その後、(a)と(b)
の強度を、α*(a)+β*(b)の如く重みつき合成する。そ
して、各サイトを重みつき合成値順にソートして記憶
し、ユーザーはこのソート結果に基づき類似サイトを取
得することができる。

【０１３５】（６）サイトをキーとしてラベルを検索す
る。これは、表示部３上の任意のサイトを指定した状態
で検索ボタンをクリックし、サイトをキーとして意味的
に近いラベルを検索し、順に表示させるものである。検
索方式としては、例えば以下の乃至がある。

【０１３６】 抽象ラベルを使用してラベルを検索す
る。ユーザーからキーとなるサイトをサーバーに送信
し、(a)このキーサイトから全ての抽象ラベルへの強度
を計算或いは取得する。そして、(b)抽象ラベルからそ
の抽象ラベルと同じラベルカテゴリーに属するラベルへ
の強度を計算或いは取得する。その後、ラベルをその属
する抽象ラベルの(a)の強度順にソートし、(a)の強度が
同じものに関しては、(b)の強度順にソートする。ユー
ザーはこのソート結果に基づき類似ラベルを取得するこ
とができる。

【０１３７】 別の手法で、抽象ラベルを使用してラ
ベルを検索する。ユーザーからキーとなるサイトをサー
バーに送信し、(a)キーサイトから全ての抽象ラベルへ
の強度を計算或いは取得すると共に、(b)抽象ラベルか
らその抽象ラベルと同じカテゴリーに属するラベルへの
強度を計算或いは取得する。その後、(a)と(b)の強度
を、α*(a)+β*(b)の如く重みつき合成する。そして、
各ラベルを重みつき合成値順にソートして記憶し、その
結果をユーザーに返信する。ユーザーはこのソート結果
に基づき類似ラベルを取得することができる。

【０１３８】 抽象ラベルを使用しないラベルを検索
する。ユーザーからキーとなるサイトをサーバーに送信
し、キーサイトから全てのラベルへの強度を計算或いは
取得し、この強度順にラベルをソートして記憶する。ユ
ーザーはこのソート結果に基づき類似ラベルを取得する
ことができる。

【０１３９】（７）サイトをキーとしてユーザーのデー
タベース（ｍｃ）を検索する。上記（２）と同様にサイ
トを入力し、そのサイトに関連する多くのブックマーク
を持ったユーザーのデータベースを検索し、グラフ化し
た状態で表示するものである。検索方式としては、例え
ば以下の乃至がある。

【０１４０】 抽象ラベルを使用してユーザーの個人
データベース（ｍｃ）を検索する。ユーザーからキーと
なるサイトをサーバーに送信し、キーサイトからサーバ
ー内にある全ての抽象ラベルへの強度を計算或いは取得
して、強度順に抽象ラベルをソートする。そして、サー
バー内の各ユーザーデータベース（ｍｃ）において、各
抽象ラベルと同じラベルカテゴリーに属するラベルの個
数を計算する。その後、最高の強度を有する抽象ラベル
の中で、その抽象ラベルと同一のラベルカテゴリー内の
ラベルを持つ順（その中でも前記ラベルの個数順）に各
ｍｃをソートする。次に、次順位の抽象ラベルにおいて
も同様の処理を行い、これをソートして記憶する。これ
を順次続けていき、最終的なソート結果からユーザーは
類似データベースを取得できる。

【０１４１】 他の手法で、抽象ラベルを使用してユ
ーザーデータベース（ｍｃ）を検索する。ユーザーから
キーとなるサイトをサーバーに送信し、(a)キーサイト
からサーバー内にある全ての抽象ラベルへの強度を計算
或いは取得すると共に、(b)サーバー内の各ｍｃにおい
て、各抽象ラベルと同じラベルカテゴリーに属するラベ
ルの個数を計算する。そして、(a)と(b)の距離をα*(a)
+β*(b)の如く重みつき合成し、各ｍｃを重みつき合成
値順にソートして記憶して、最終的なソート結果からユ
ーザーは類似データベースを取得できる。

【０１４２】尚、上記した情報検索システムのプログラ
ムによる制御部１、記憶部２等によるいずれの処理も、
ユーザー側或いはプロバイダー側のいずれのコンピュー
タで処理してもよく、コンピュータネットワーク内のい
ずれの場所でもよい。いずれのハードウェアで処理させ
るかはその容量等の応じて適宜選択できる。更に、ハー
ドウェアを一体化或いは外付けのものとするかも、必要
に応じて決定でき任意である。また、検索データベース
に個人の嗜好による編集情報と検索データベースに蓄積
された情報を基に、ユーザーに新しいホームページを提
案し、望ましくは閲覧したホームページから自己学習す
るサイト閲覧支援システムを設置してもよい。

【０１４３】

【実施例】本発明による情報検索システムを用いて実際
に検索する場合について説明する。

【０１４４】まず、２人のユーザーが整理保有する個人
データベースを各々表１０と表１１に示す。表１０はユ
ーザーＭＣ１、表１１はユーザーＭＣ２とし、縦方向は
ラベル名、横方向はサイト名である。表中に記載されて
いる数値は、ラベルとサイトの距離の逆数である強度を
表している。尚、各データベースはユーザーが嗜好に応
じてラベルレイヤー及びサイトレイヤーで情報を整理し
た結果である。

【０１４５】

【表１０】

【０１４６】

【表１１】

【０１４７】そして、ユーザーは表１０、表１１を正規
化した結果を保有し、これが表１２、表１３にである。
正規化は上記正規化パターンにより行った。尚、正規
化等の処理はサーバーで行ってもよいが、ここではユー
ザー側のコンピュータで行っている。

【０１４８】

【表１２】

【０１４９】

【表１３】

【０１５０】ここで、ラベル−サイト間の強度は表１２
及び表１３そのものとなる。例えば、ユーザーデータベ
ースＭＣ１（表１２）で、ラベルjavaとサイトGamelan
間の強度は数１の如く0.154389である。

【０１５１】また、ラベル−ラベル間の距離（強度の逆
数）は、各ラベルをサイトに対する強度を要素とするベ
クトルデータとして捉え、このラベル間の距離を求め
る。例えば、ユークリッド距離を用いて、データベース
ＭＣ１（表１２）におけるラベルjavaとラベルjavascri
pt間の距離を求めると以下の数２１のようになる。

【０１５２】

【数２１】

【０１５３】同様に、サイト−サイト間の距離（強度の
逆数）は、各サイトをラベルに対する強度を要素とする
ベクトルデータとして捉え、このサイト間の距離を求め
る。例えば、ユークリッド距離を用いて、データベース
ＭＣ１（表１２）におけるサイトGamelanとサイトWeb裏
わざ間の距離を求めると以下の数２２のようになる。

【０１５４】

【数２２】

【０１５５】各ユーザーは、上記の如くラベル−サイト
間の強度、及びこれを正規化した値の強度データを保有
し、更に必要に応じてラベル−サイト間の正規化した強
度値、ラベル−ラベル間の距離、サイト−サイト間の距
離を取得することができるので、各ユーザーのデータベ
ース内における指定ラベル−指定サイト間、指定ラベル
−指定ラベル間、指定サイト−指定サイト間の関連度を
適宜認識し、所望のラベル或いはサイトを検索できる。

【０１５６】例えば、ラベルjavaをキーとして入力しサ
イトを検索する場合、前記ラベル入力で表１２からラベ
ルjavaに対するサイトデータが取得できる。取得したサ
イトデータは、昇順（強度の高い順）にソートして表１
４のように記憶する。表１４のデータに基づき、関連度
の高いサイトを認識して検索できる。

【０１５７】

【表１４】

【０１５８】また、サイトGamelanをキーとして入力し
ラベルを検索する場合、前記サイト入力で表１２からサ
イトGamelanに対するラベルデータを取得できる。取得
したラベルデータは、昇順（強度の高い順）にソートし
て表１５のように記憶する。表１５のデータに基づき、
関連度の高いラベルを認識して検索できる。

【０１５９】

【表１５】

【０１６０】次に、他のユーザーの保有する個人データ
ベースをサーバーを介して検索する場合について、具体
的な数値を用いて説明する。

【０１６１】前提として、上記検索を行うために抽象ラ
ベルを作成する。そのため、サーバーにおいて、各ユー
ザーの保有する正規化前のデータを取得し、これを正規
化したもの、或いは各ユーザー側において既に正規化さ
れた表１６のデータを取り込み、これを保存する。ここ
ではユーザーがＭＣ１とＭＣ２の二人の場合を仮定し、
表１６のデータは表１２及び表１３のデータを合わせた
ものである。

【０１６２】

【表１６】

【０１６３】その後、目標カテゴリー数（最終的な抽象
ラベル数）を設定する。ここでは、目標カテゴリー数は
４とし、この目標カテゴリー数は記憶部２の所定のメモ
リ領域に保存する。同時に、表１６における全ラベルを
各々仮の抽象ラベルと仮定する。仮の抽象ラベルは、そ
れぞれその抽象ラベルのラベルカテゴリーに属すること
になるから、表１７のように整理できる。

【０１６４】

【表１７】

【０１６５】表１７のデータに基づき、相互の抽象ラベ
ルali−alj間の距離をユークリッド距離によって計算
し、記憶したものが表１８である。

【０１６６】

【表１８】

【０１６７】その後、最も近い仮の抽象ラベル同士は統
合して、新しい仮の抽象ラベルとする。このため、表１
８中の数値を相互に比較して最低値を認識し、このとき
の相互抽象ラベルを取得する。表１８の中でラベル間の
距離が最も短いのは抽象ラベルal7と抽象ラベルal8間
で、その値は0.037188である。従って、抽象ラベルal7
と抽象ラベルal8を統合して新しい抽象ラベルal9とす
る。

【０１６８】即ち、表１９に示すサイトに対する強度を
要素とする抽象ラベルal7と抽象ラベルal8のデータか
ら、al7とal8の各要素の平均値を要素とする抽象ラベル
al9を取得するものであり、al9 = (Applet + archive)/
2 である。その結果が表２０である。

【０１６９】

【表１９】

【０１７０】

【表２０】

【０１７１】現在の仮定抽象ラベルの個数は７であり、
一方目標とする抽象ラベル数は４であって、７＞４であ
る。この場合、表２０から再び各抽象ラベル間の距離計
算を表１８と同様に行い、距離の最も近い抽象ラベル同
士を再び統合する。この処理を仮定する抽象ラベルの数
が目標値の４になるまで繰り返し、正式な抽象ラベルを
決定する。正式な抽象ラベルは表２１の如く決定され
る。尚、al4とal11のラベルjavascriptは名称は同じだ
が、ＭＣ１からのものとＭＣ２からのものは、データ上
で区別されている。

【０１７２】

【表２１】

【０１７３】以上の前提の基に、下記のように検索を行
う。 ユーザーが保有する個人データベースＭＣｉをキー
として、類似データベースＭＣｊを検索する場合は以下
の如くである。

【０１７４】まず、各ユーザーのデータベースが保有す
るラベルと、前記抽象ラベルによるラベルカテゴリーに
属するラベルとを比較し、各ユーザーのデータベースに
おいて各ラベルカテゴリーに属するラベル数を表２２の
如く取得する。尚、抽象ラベルal1、al4、al10、al11は
各々ラベルカテゴリーlc1、lc4、lc10、lc11に対応す
る。

【０１７５】

【表２２】

【０１７６】ここで、ＭＣ１及びＭＣ２のベクトルデー
タから相互のユークリッド距離を求めると数２３のよう
になる。

【０１７７】

【数２３】

【０１７８】従って、ＭＣ１とＭＣ２の距離は2.645751
となる。ユーザーが更に多い場合は、キーとなるＭＣ１
に対する各ＭＣｊの距離をそれぞれ求め、これを距離が
近い順にソートして記憶する。この結果に基づき、ユー
ザーは自分の個人データベースと類似の特徴を有する個
人データベースを検索できる。

【０１７９】 ユーザーが保有するラベルをキーとし
て、類似ラベルを検索する場合は以下の如くである。

【０１８０】まず、キーとなるラベルが所属するラベル
カテゴリーの抽象ラベルを獲得する。例えば、キーラベ
ルとしてユーザーＭＣ１がjavascriptと入力すると、こ
のラベルと表２１中の各抽象ラベルによるラベルカテゴ
リー中のラベルを対比し、同様のラベルデータを有する
ラベルの所属するラベルカテゴリー、即ち抽象ラベルを
取得する。その後、前記抽象ラベルと抽象ラベルに属す
るラベル（表２３）との距離を、サイトに対する強度を
要素とするベクトルデータに基づいて計算する。その結
果を距離の短い順にソートして記憶したものが表２４で
ある。

【０１８１】

【表２３】

【０１８２】

【表２４】

【０１８３】上記表２４のソート結果に基づき、ユーザ
ーはキーラベルと類似のラベルを取得することができ
る。

【０１８４】 ユーザーが保有するラベルをキーとし
て、関連サイトを検索する場合は以下の如くである。

【０１８５】まず、キーとなるラベルが所属するラベル
カテゴリーの抽象ラベルを獲得する。例えば、キーラベ
ルとしてユーザーｍｃ１がjavascriptと入力すると、こ
のラベルと表２１中の各抽象ラベルによるラベルカテゴ
リー中のラベルを対比し、同様のラベルデータを有する
ラベルの所属するラベルカテゴリー、即ち抽象ラベルを
取得する。その後、前記抽象ラベルと抽象ラベルに属す
る各サイトとの強度を取得し、この強度順にサイトを表
２５の如くソートする。この結果に基づき、ユーザーは
キーラベルとの関連サイトを取得することができる。

【０１８６】

【表２５】

【０１８７】 ユーザーが保有するラベルをキーとし
て、類似データベースを検索する場合は以下の如くであ
る。

【０１８８】まず、キーとなるラベルが所属するラベル
カテゴリーの抽象ラベルを獲得する。例えば、キーラベ
ルとしてユーザーＭＣ１がjavascriptと入力すると、こ
のラベルと表２１中の各抽象ラベルによるラベルカテゴ
リー中のラベルを対比し、同様のラベルデータを有する
ラベルの所属するラベルカテゴリー、即ち抽象ラベルを
取得する。

【０１８９】その後、サーバーに取り込まれた各ＭＣ毎
に、抽象ラベルal11のラベルカテゴリーlc11に属するラ
ベル数を計算してする。この計算結果を個数の多い順に
ソートして記憶することによって、ユーザーは類似デー
タベースを検索することができる。ソート結果の例を表
２６に示す。

【０１９０】

【表２６】

【０１９１】 ユーザーが保有するサイトをキーとし
て、類似サイトを検索する場合は以下の如くである。

【０１９２】まず、キーとなるサイトを入力し、キーサ
イトから全ての抽象ラベルへの強度を取得し、抽象ラベ
ルを強度順にソートする。例えば、キーサイトGamelan
を入力し、このサイトと各抽象ラベルとの強度は表２１
から表２７の如くなる。

【０１９３】

【表２７】

【０１９４】その後、各抽象ラベルからGamelanを除く
各サイトへの強度を取得する。これを表２８に示す。

【０１９５】

【表２８】

【０１９６】その後、各サイトへの強度を、最高強度の
抽象ラベルであるal1の中で強度順にソートし、この強
度が同じ場合には次順位の抽象ラベルal10の中でソート
する。これを順に繰り返し、ソートした結果が表２９で
ある。ユーザーはこのデータを基に類似サイトを検索で
きる。

【０１９７】

【表２９】

【０１９８】 ユーザーが保有するサイトをキーとし
て、関連ラベルを検索する場合は以下の如くである。

【０１９９】まず、キーとなるサイトを入力し、キーサ
イトから全ての抽象ラベルへの強度を取得し、抽象ラベ
ルを強度順にソートする。例えば、キーサイトGamelan
を入力し、このサイトと各抽象ラベルとの強度は表２１
から表３０の如くなる。

【０２００】

【表３０】

【０２０１】その後、各抽象ラベルからそのラベルカテ
ゴリーに属する各ラベルへの強度を計算し、表３１の強
度データを得る。そして、この強度データを最高強度の
抽象ラベルであるal1の中で強度順にソートし、この強
度が同じ場合には次順位の抽象ラベルal10の中でソート
する。これを順に繰り返し、ソートした結果が表３２で
ある。これによりユーザーは、指定したサイトと関連性
の高いラベルを取得することができる。

【０２０２】

【表３１】

【０２０３】

【表３２】

【０２０４】 ユーザーが保有するサイトをキーとし
て、類似データベース（ＭＣ）を検索する場合は以下の
如くである。

【０２０５】まず、キーとなるサイトを入力し、キーサ
イトから全ての抽象ラベルへの強度を取得し、抽象ラベ
ルを強度順にソートする。例えば、キーサイトGamelan
を入力し、このサイトと各抽象ラベルとの強度は表２１
から表３３の如くなる。

【０２０６】

【表３３】

【０２０７】その後、各ＭＣについて、それぞれの抽象
ラベルのラベルカテゴリーに属するラベルの個数を計算
し、更に最高強度のラベルカテゴリーであるlc1の中で
強度順にソートし、この強度が同じ場合には次順位のラ
ベルカテゴリーlc10の中でソートする。これを順に繰り
返し、ソートした結果が表３4である。これによってユ
ーザーは所望の類似データベースを取得することができ
る。

【０２０８】

【表３４】

【０２０９】また、本情報検索システムで使用するデー
タの観点からみると、ネットワーク上で検索した情報の
全履歴情報、ブックマーク、サイト名、更新日時、ＵＲ
Ｌ、ラベル、距離、距離の逆数である強度（類似度）、
各要素に対する使用頻度、抽象ラベル、ラベルカテゴリ
ー内の情報、等の要素を有する。更に、必要に応じて他
人を表すエージェントへのポインタ、ユーザーが過去に
答えた質問への答えの記録、その質問への意味づけ、等
が追加される。

【０２１０】従って、本情報検索システムのデータ構造
は、ユーザーの検索行動の全履歴情報、全履歴情報から
必要なポインティングデータを保存した取得情報（名
前、日付、グラフィックスなどの付随情報も含まれ
る）、取得情報を分類するラベル情報、距離データの
表、強度データの表、意味データの表、各要素に対する
使用頻度等をからなる。更に、ユーザーの個人情報１
（名前、メールアドレスなどの固定されたデータ表）、
や個人情報２（ユーザーへの質問などコミュニケーショ
ンで得られる拡張可能なデータ表）を追加することも可
能である。

【０２１１】尚、上記情報検索システムにおいて、コン
ピュータネットワーク内で流通し取得可能なデータに
は、電話番号、氏名、住所、メールアドレスなど個人を
特定できるデータは入力しないことも可能である。この
場合、ネットワークに接続するコンピュータやユーザー
は、上記のような個人を特定できるデータではなく、例
えば、サーバーが設定したＩＤ番号やユーザーのＩＰア
ドレスなど別の方法で識別することになる。従って、も
しデータベースに蓄積したデータが漏洩したとしても、
個人情報の提供者を特定することはできず、セキュリテ
ィの面からも万全である。

【０２１２】例えば、情報検索システムの保有するデー
タ構造では、ユーザーは検索行為で情報を取得し、取得
情報の全検索履歴からブックマークで所望の検索結果を
選択して保有する。この検索結果にはＵＲＬやサイト名
などの付加情報がある。そして、この検索結果に対して
ラベル、強度、コメントなどをつけて編集し、必要に応
じて統計的処理を加え編集情報として保有する。その
後、サーバーは各ユーザーの保有する編集情報を取得
し、この編集情報に対して統計的処理を施し抽象ラベル
を作成し、検索データベースを構築し保有する。検索デ
ータベースにはユーザーの個人情報１、２やデータ要素
の使用頻度情報等が含まれる。

【０２１３】ここでユーザーの個人情報１、２とある
が、個人情報１は識別番号、ハンドルネーム、ＩＰなど
でネットワーク上のユーザーを識別するための必要なデ
ータであり、個人情報２は嗜好情報などの後で追加する
ためのデータである。即ち、セキュリティの面から個人
を特定できる情報は何ら入力されておらず、各ユーザー
は匿名のまま個人情報を提供でき、また、個人情報が他
のユーザーに利用される場合にもセキュリティが確保さ
れることになる。

【０２１４】

【発明の効果】本発明による情報検索システムは上述の
如くであるから、コンピュータネットワーク内のユーザ
ーが自分の嗜好に合致する取得情報、例えばインターネ
ットのホームページなどの情報を統合的に管理でき、且
つ容易に所望の情報を検索することが可能になるという
効果を奏する。

【０２１５】更に、上記情報検索システムは、ユーザー
集団の嗜好情報に統計的処理を施してデータベース化す
るので、この検索データベースからユーザーや企業ユー
ザーが所望の情報を獲得できるという効果を奏する。特
に本情報検索システムでは特定のデータ構造によって、
他のユーザーの保有する情報を利用して検索したり、他
のユーザーの保有情報自体の検索も可能である。

【図面の簡単な説明】

【図１】情報検索システムの概要フローチャート。

【図２】コンピュータのハードウェア構成図。

【図３】（ａ）ラベルレイヤーの表示図。 （ｂ）サイトレイヤーの表示図。

【図４】抽象ラベルの概念図。

【図５】階層的クラスタリングのフローチャート。

【図６】単純クラスタリングのフローチャート。

【図７】最大距離アルゴリズムのフローチャート。

【図８】Ｋ平均アルゴリズムのフローチャート。

【符号の説明】

１ 制御部 ２ 記憶部 ３ 表示部 ４ 入力部 ５ 接続部 ６ 通信回線

Claims (6)

【特許請求の範囲】
1. 【請求項１】 複数のコンピュータを接続して形成さ
   れ、情報が流通するコンピュータネットワーク内で、 ユーザーが流通する情報を取得して、取得情報を特定基
   準に基づきその嗜好に応じて編集し、必要に応じて統計
   的処理を施した編集情報を保有する手段と、 サーバーが複数の該編集情報を取得し、統計的処理を行
   って該編集情報相互を関連付けた検索データベースを構
   築して保有する手段と、 ユーザーが該検索データベースを利用して、他のユーザ
   ーが保有する所望の情報を取得する手段とを有すること
   を特徴とする情報検索システム。
2. 【請求項２】 複数のコンピュータを接続して形成さ
   れ、情報が流通するコンピュータネットワーク内で、 その流通する情報からユーザーが取得した取得情報と、 ユーザーが該取得情報を特定基準に基づきその嗜好に応
   じて編集し、必要に応じて統計的処理を施した編集情報
   と、 サーバーが複数の該編集情報を取得し、統計的処理を行
   って該編集情報相互を関連付けた検索用情報とからなる
   データ構造を保有する情報検索システム。
3. 【請求項３】 複数のコンピュータを接続して形成さ
   れ、情報が流通するコンピュータネットワーク内で、 ユーザーが流通する情報を取得して、取得情報を少なく
   とも各ユーザーが設定したラベルとの強度に応じて編集
   し、必要に応じて該強度に正規化処理を施して、編集情
   報として保有する手段と、 サーバーが複数の該編集情報を取得し、該強度に統計的
   処理を行って抽象ラベルを作成し、該編集情報相互を関
   連付けた検索データベースを構築して保有する手段と、 ユーザーが該検索データベースを利用して、他のユーザ
   ーが保有する所望の情報を取得する手段とを有すること
   を特徴とする情報検索システム。
4. 【請求項４】 複数のコンピュータを接続して形成さ
   れ、情報が流通するコンピュータネットワーク内で、 ユーザーが流通する情報を取得して、取得情報の表示点
   と各ユーザーが設定したラベルの表示点を同一表示画面
   上で所望位置に配置し、両表示点間の距離に基づく強度
   を算出する手段と、 該取得情報を該強度に応じて編集し、必要に応じて該強
   度に正規化処理を施して、編集情報として保有する手段
   と、 サーバーが複数の該編集情報を取得し、該強度に統計的
   処理を行って抽象ラベルを作成し、該編集情報相互を関
   連付けた検索データベースを構築して保有する手段と、 ユーザーが該検索データベースを利用して、他のユーザ
   ーが保有する所望の情報を取得する手段とを有すること
   を特徴とする情報検索システム。
5. 【請求項５】 表示画面上でラベル表示点相互、若しく
   は取得情報表示点相互、又はラベル表示点相互及び取得
   情報表示点相互を所望位置に配置し、各表示点間の距離
   に基づく強度を算出し、該強度をも利用して前記取得情
   報を編集することを特徴とする請求項４記載の情報検索
   システム。
6. 【請求項６】 複数のコンピュータを接続して形成さ
   れ、情報が流通するコンピュータネットワーク内で、 流通する情報からユーザーが取得した取得情報の表示点
   と各ユーザーが設定したラベルの表示点を同一表示画面
   上で所望位置に配置することで、両表示点間の距離に基
   づく強度を算出し、 該取得情報を該強度に応じて編集し、必要に応じて該強
   度に正規化処理を施して、編集情報として保有し、 サーバーに複数の該編集情報を取得させ、該強度に統計
   的処理を行って抽象ラベルを作成することで、該編集情
   報相互を関連付けた検索データベースを構築して保有
   し、 ユーザーが該検索データベースを利用して、他のユーザ
   ーが保有する所望の情報を取得する情報検索システムを
   記録したコンピュータに読み取り可能な記録媒体。