JP2001522496A - データベースのデータを検索するための方法と装置 - Google Patents

Abstract

(57)【要約】 データベースのデータを検索する方法および検索装置は、検索の結果を、１組の最も関連性のあるカテゴリーに編成し、それによりユーザは、マウスを数回クリックすることによって最も関連があるデータのみを得ることができる。ユーザからの検索命令に応答して、検索装置は、インターネットデータおよび料金制コンテンツデータを含み得るデータベースを検索して、選択された１組のデータに対応する検索結果リストを生成する。検索装置は、検索結果リストを処理して、１組の検索結果カテゴリーを動的に生成する。各検索結果カテゴリーは、１つ以上の共通の特徴を有する検索結果リスト内のデータのサブセット(subset)に関連する。カテゴリーは、複数のフォルダとしてユーザのディスプレイ上に表示され得る。機能する前述の分類方法および装置について、データベース内の各データは、さまざまなメタデータ属性（例えば、件名、種類、ソース、および言語の特徴）に基づいて分類される。このようなタスクは手作業には多すぎるので、実質的に全てのデータが、分類システムによって、適切なカテゴリーに自動的に分類される。このような属性がソースから編集に利用可能でない場合には、分類システムはさまざまなメタデータ属性を自動的に判定する。

Description

【発明の詳細な説明】 データベースのデータを検索するための方法と装置 本発明の分野 本発明は一般的にデータベースのデータを検索するための方法と装置に関わる ものである。特に、本発明は、インターネットと料金制コンテンツの情報の両方 から成るデータベースを検索するための方法と装置に関わるものである。本発明の背景 毎日インターネットは数百万人もの人を魅了している。1995年末に1、000万人 いたインターネットのユーザは、2000年にはl億7千万人になると予想されている 。インターネットの主だった魅力は、思い当たるいかなる題材についても大量の 情報が入手できるということの可能性である。リサーチによると、ユーザによる 主なインターネットの利用は、情報検索と（その検索した）情報を拾い読みする ことを含んでいる。 検索のサービスを提供し、ユーザがインターネットの莫大で、急成長し、無限 大に広がるデータの検索を提供している会社かいくつかある。多数のインターネ ットユーザは、１週間に数回、検索サービスを利用し、上位20％のインターネッ トユーザは一日に何度も検索エンジンを利用するのである。 しかし、インターネットに欠点が無いわけではない。公共につながるインター ネットには250ギガバイトもの文章の情報があり、多くのインターネットのユー ザは次の理由で、情報の検索を妨害されている。（1）質の高い情報は常にイン ターネットには無い、（2）質の高い情報は存在はするが、独占された購読に基 づくサイトに分散されている、（3）検索サービスが提供する情報が莫大すぎる 、もしくは少なすぎる（4）検索サービスがユーザの要求に対応していない。 インターネットは、製品カタログとしてはすばらしい種類の情報源である。し かし、インターネットは、論説の情報、参照の情報、論評の情報には非常に乏し い情報源である。この障害の一つの理由は、質の高い情報（つまり、料金制コ ンテンツ）がほとんどの場合にその情報にお金を出している会社（つまり、料金 制コンテンツの所有者）によって作成されたり、提供されたりしているからであ る。インターネットのコストの要らない情報の伝統では、料金制コンテンツの所 有者がインターネットを通じて利用可能な情報を提供することを妨げる。他の理 由は、インターネットの料金制コンテンツを開発し、マーケットし、維持するの に必要なかなりの資金的そして資本の投機である。産業の観察筋では、インター ネットの料金制コンテンツについて、どのビジネス・モデルが最終的に道理にか なった利益を実現するか、不確かであるとしている。これら要素の結果として、 インターネットは、現在はいかなる論題においても最も認識されているコンテン ツの主なる情報源であると思われていない。 上記理由にも関わらず、いくつかの料金制コンテンツの所有者は、典型的な購 読サービスという形で、インターネットでの利用可能な情報を作り出している。 しかし、これらのサービスにはたくさんの問題があり、従って常にインターネッ トのユーザにとっては良い解決手段にはならない。 購読サービスの一つの問題は、ユーザは複数の検索をしなければならなく、検 索されている題材についての広範囲の情報を得るために複数のサイト（頻繁には 、サイト毎の複数のデータベースを含む）を検索することである。本当に満足の ゆく結果を得るには、ユーザはよくインターネットから大量の情報を検索できる サーチ・エンジンを利用する。この検索情報を簡単にまとめあげる方法のないま ま、ユーザはその価値にしては、このプロセスが厄介すぎて、時間のかかること であると感じるのである。他の問題は、ユーザは興味のある論題全てについての ニーズを満足するために複数の購読サービスにサイン・アップするのに高額な料 金を支払わざるを得ないということである。普通ユーザは異なる興味を持ち、多 くの人は複数の論題について複数の購読にサイン・アップすることを好まない。 さらに他の問題は、ユーザが、全ての必要なものを前もって購読するために、何 を検索するのか知っていることを要求されることである。現実には、多くのユー ザの興味のある情報は、その場限りで持続期間の短いものである。購読サービス は、この種の情報のニーズを満たすことはできない。 ユーザが最先端の検索エンジンの一つにアクセスすると、検索は数百もの、 ひいては数千にも及ぶヒット（つまりデータ）を生じ得る。例えば、Alta Vista^TM 検索エンジンでは、「windows」という検索で数十万ものヒットを返してくる 。この情報の洪水は普通検閲したり、選び分けたり、選択したりするには多すぎ るのである。この問題は、検索エンジンが検索の結果のリストのヒットを、有意 義な方法によってグループ分けしないので、ますます悪化している。上記の例で は、Windows^TM95のソフトウェア製品情報は建物の窓と個人的なページと一緒に 検索結果のリストに含まれる。また、多くの最先端の検索エンジンは、個々のht mlのページを個別のヒットとして見ており、従って１００ページのウェブ・サイ トは、１００のヒットを検索結果のリストに生じることになるのである。この問 題を処理するのに、幾つかの検索エンジンではウェブ・サイト毎のグループ・ヒ ットをするのである。 多くの最先端の検索エンジンは、原始的ともいえる適切なランキングをつける ルーチンを使い、その結果、わずかか、まったく適切ではないランキングのつい た検索結果をリストするのである。不十分にランク付けされた検索結果のリスト は、消費者にとっては重要な問題である。もし、検索エンジンが１００のヒット を生じる場合、一番興味のある情報が見つかるかどうかユーザは２０もの画面の 情報を閲覧しなければならない。ほとんどのユーザは、最初の数画面で諦めるこ とが報告されている。したがって、もしとても適した情報が、後の画面にあった としても、ほとんどのユーザは知ることもなく、検索が失敗に終わるのである。 ２つの最先端の検索エンジンであるExcite^TMとYahoo^TMは、マニュアルでイン ターネットをカテゴリー分けし、見出しをつけている。このアプローチだと、デ ィレクトリ構造はウェブサイトの高い質の見出しと適切なカテゴリー分けのある ものとなる。しかし、これらの企業の編集スタッフは、インターネットの成長に 追いつくことができないと考える。数百人もの編集のスタッフがいたとしても、 これらの企業は充分なウェブ・サイトを訪れることができず、そしてサイトが変 更する毎にすべてのサイトを再訪問することもできない。したがって、これらの 企業はインターネットの大部分をカバーすることはできないのである。結果とし て、これらの検索エンジンを使った検索が役に立つ情報を返してくることは「ほ とんど無い」のである。本発明の要約 本発明は、インターネットと料金制コンテンツデータを含み得る、データベー スを検索するための方法と装置に関わるものである。本発明は、ユーザがインタ ーネットの豊富な情報と、インターネットに無い料金制コンテンツデータにユー ザがアクセスすることを提供する。本発明は、意味のある検索結果のリストを検 索結果のカテゴリーのセットという形式で提供する為に、詳細である関連性基準 と共に複雑なカテゴリー分けする方法を使用する。ユーザには、最も関連性のあ るデータのリストと共に、小数のカテゴリーを表示する。それぞれのカテゴリー は、さらに細かいカテゴリーおよび／または最も関連性のあるデータのリストを 含むことができる。検索リストの結果をヒエラルキーとして整理することにより 、ユーザはその結果に圧倒されることなく、これらの幾つかのインターネットの データの検索を短時間にして興味のある対象に集中することができるのである。 一つの側面からすると、本発明はデータベースのデータを検索する方法を示す 。データベースは、インターネットと料金制コンテンツデータを含むことができ る。ユーザからの検索指示の応答としてデータベースが検索され、選択されたデ ータのセットを含む検索結果のリストを生成する。検索結果のリストの一部は、 検索結果のカテゴリーを状況に合わせて作成するために処理される。実施例では 、検索結果のリストの一部は、選択されたデータのセットの中で最も関連性のあ るデータの最初の２００（または１００）となり得る。それぞれの検索結果のカ テゴリーは、検索結果リスト内のデータのサブセットと関連付けられる。 本発明は、検索結果のリストを編集するのにデータベースに蓄積されたデータ を呼び出す為のカテゴリー分け（またはクラスタリング）の方法論を使用してい る。この方法論は、候補のカテゴリーを識別する、候補のカテゴリーを加重する 、そして候補のカテゴリーから選択された検索結果のカテゴリーのセットを表示 する、の３つの主なステップを持つ。 検索リスト内のそれぞれのデータは、関連した件名、種類、ソース、そして言 語の特徴を持つことが出来る。データに関連する共通した特徴は識別され、共通 した特徴を持つデータは候補のカテゴリー別にグループ分けされる。候補のカ テゴリーのリストは、可能性のある検索結果のカテゴリーの代表的なものとなり 、編集される。各候補カテゴリーは候補カテゴリー内のデータの識別された共通 特徴の関数として加重される。一つ以上の候補のカテゴリーが、データの識別さ れた共通の特徴の関数として選択される。例えば、約５つから１０の検索結果の カテゴリーが候補のカテゴリーから選択されることができるのである。カテゴリ ーによるグラフィカルな表示が、カテゴリーのユーザ画面にされる。カテゴリー は、ユーザ画面に多数のフォルダとして表示することができる。 他の面では、本発明は、データベースのデータを検索する検索装置としての特 徴を持つ。データベースは、インターネットのデータと料金制コンテンツデータ を含む多数のデータからなる。装置は、検索プロセッサとグルーピングプロセッ サを含む。グルーピングプロセッサは、データプロセッサ、候補生成機、加重プ ロセッサ、ディスプレイプロセッサを含む。これらのそれぞれの構成はソフトウ ェアのモジュールである。代替案として、それぞれのプロセッサは、ハードウェ アのモジュールまたは、ハードウェアとソフトウェアを合わせたモジュールにも なりうる。それぞれの検索プロセッサは、ユーザから検索指示を受ける。検索指 示に対応して、データの選択されたセットを含む検索結果リストを作成すべく、 検索プロセッサはデータベースを検索する。グルーピングプロセッサは、検索結 果のカテゴリーのセットを状況に応じて動的に作成すべく検索結果リストの一部 を処理する。検索結果のカテゴリーの一つ一つは、検索結果リストにあるデータ のサブセットに関連付けられている。 装置は、状況に応じて検索結果のカテゴリーを作成するために多数の処理ステ ップを踏むのである。データプロセッサは、検索結果リスト内の各データと関連 付けられた件名、種類、ソース、そして言語の特徴を識別する。候補生成機は、 検索結果リスト内のデータと関連付けられた共通の特徴を識別し、候補のカテゴ リーのリストを編集する。それぞれの候補のカテゴリーは、可能性のある検索結 果のカテゴリーの代表的なものである。加重プロセッサは、候補のカテゴリー内 のデータの識別された共通の特徴の関数として、それぞれの候補のカテゴリーを 加重する。ディスプレイプロセッサは、それらの加重の最も大きな候補のカテゴ リーに対応する、検索結果のカテゴリーを複数選択する。ディスプレイプロセッ サは、検索結果のカテゴリーによるグラフィカルな表示をユーザのモニターの画 面に提示する。 本発明は、大きなデータのセットを見たり、検索したりする効率的な方法を与 え、長い直線的なリストに対して利点を提供するものである。本発明は、人間的 な満足のいく方法で複数のステップの検索過程を通じてユーザを導くカテゴリー 分けを使用する。ユーザは複雑な照会を簡単なステップを一度に一つずつ行うこ とによって作り上げることができる。本発明の利用により、ユーザは長い直線的 なデータのリストを読み通すこと無しに迅速に数段階で検索をすることができる 。図面の簡単な説明 本発明のこれらのそして他の特色は、以下の詳細な説明と付随する図に記述さ れ、インターネットと料金制コンテンツデータ情報の両方からなるデータベース を検索するための装置と方法を説明している。 図１は、本発明の原理を取り入れた検索装置の機能的な要素を説明しているブ ロック・ダイアグラムである。 図２は、本発明に従った検索を行う検索装置が使用する一連のステップを説明 しているフローチャートである。 図３Ａ−３Ｃは、検索装置を使って検索中のユーザ画面を説明している。詳細な説明 図１は本発明の原理を応用した検索装置の機能要素を表わすブロックダイアグ ラムである。装置１０は検索プロセッサ１２とグルーピングプロセッサ１４とを 含む。このグルーピングプロセッサは記録プロセッサ１６と、候補生成機１８、 加重プロセッサ２０と、ディスプレイプロセッサ２２とから成る。これらの要素 はソフトウエアのモジュールであり、単に本発明の機能を図説するために表わし たにすぎない。装置１０はI/0バス２８を介してユーザ２４(つまり、コンピュー タ)と、インターネットおよび料金制コンテンツデータを含むデータベース２６ と通信する。装置１０はワイドエリアネットワーク(たとえばインターネット)上 で距離を隔てて位置する複数のユーザと通信する事ができる。 図２は検索を実行するにあたってこの検索装置が使用するステップの流れを示 すフローチャートである。図１および図２において、検索プロセッサ１２は検索 の指示(つまり照会)をユーザ２４からバス２８を介して受け取る(ステップ３０) 。検索プロセッサ１２はデータベース２６を検索し、選択されたデータのセット に対応する検索結果のリストを生成する(ステップ３２)。この選択されたデータ のセットは関連性条件に従ってランク付けされる。一つの実施例においては、デ ータをランク付けするための関連性条件は次の規則を含み得る。 １ 「ヒット」(検索条件にある単語にマッチするデータの単語)の 数が多ければ、そのデータのランクは高くなる。 ２ 単語が個々にヒットするのでなく、検索の単語からなるフレー ズがヒットした場合は、そのデータのランクは高くなる。 ３ 大文字小文字の区別が検索用語と同じであれば、そのデータの ランクは高くなる。 ４ 検索用語が主題に入っていれば、そのデータのランクは高くな る。 ５ 検索用語が要旨に入っていれば、そのデータのランクは高くな る。 ６ 検索用語がキーワードに入っていれば、そのデータのランクは 高くなる。 もしデータの数が特定の数(たとえば２０)よりも小さい場合には、グルーピン グプロセッサ３６をバイパスする(ステップ３４)。さもなければ、グルーピング プロセッサ１４は検索結果のリストの一部を処理し、一組の検索結果のカテゴリ ーを状況に合わせて作る。ここで検索結果のカテゴリー一つ一つは検索結果のリ ストにあるデータのサブセットと関連付けられている。単に例としてであるが、 処理される検索結果のリストの部分は選択されたデータの組みの中の最も関連性 の高い、第１の２００（または１００）のデータとしてもよい。 グルーピングプロセッサ１４は複数の処理ステップを実行し、状況に合わせ て検索結果のカテゴリーの組みを作る。データプロセッサ１６は検索結果のリス トにある一つ一つのデータと関連付けられている数々の特徴(例えば、主題、種 類、ソース、言語)を調べる(ステップ３６)。候補生成機１８は、検索結果のリ ストにあるデータと関連付けられている特徴のうち共通のものを調べ、候補とな るカテゴリーのリストを一つ作り上げる(ステップ３８)。候補生成機１８は下記 に述べる様々な規則を利用してこのリストを作る。加重プロセッサ２０はそれぞ れの候補であるカテゴリーを、候補であるカテゴリーの中にあるデータの調べら れた共通の特徴の関数として加重する(ステップ４０)。また、加重プロセッサ２ ０は候補であるカテゴリーを加重するために下記に述べる様々な加重規則を利用 する。ディスプレイプロセッサ２２は加重の最も大きい候補カテゴリーに対応す る複数(例えば５から１０)の検索結果のカテゴリーを選択し(ステップ４２)、ユ ーザのモニターで表示するために検索結果のカテゴリーのグラフィックな表記を 提供する(ステップ４４)。検索結果のカテゴリーはモニター上での複数のアイコ ン(例えばフォルダ)として表示するしてもよい。ユーザがある検索結果のカテゴ リーを選択すると、その検索結果のカテゴリーにあるデータの数と、他の検索結 果のカテゴリーと、最も関連例の強いデータのリストのグラフィックな表記をデ ィスプレー上での表示のために提供する。 上で述べたように、ユーザは検索結果のカテゴリーを一つ選択し(ステップ４ ６)、(もしもある特定の値よりもデータの数が多いのならば)そのカテゴリーに 含まれるデータのリストに加えて他の検索結果のカテゴリーを見ることもできる 。検索を狭めるためには、ユーザは追加の検索単語を与え得る(つまり細分命令) (ステップ４８)。この追加の単語を受け取ると、検索プロセッサ１２はデータベ ース２６を検索し、細分されたデータの組みに対応する新しい検索結果のリスト を生成する(ステップ５０)。または、ユーザは単に次々と追加の検索結果のカテ ゴリーを開く事によって(実質的に)細分することができる。 図３Aから３Cは検索装置１０を使って検索をする際のユーザのディスプレイを 示す例である。これらの表示は単に例であり、説明するために提供されているだ けである。したがって、様々なキー、ボタン、アイコンのレイアウトは重要では ない。図３Aから３Cに関しては、ディスプレー６０は、ユーザが検索指示を入 力し得る検索フィールド６２と、検索指示を実行するための検索アイコン６４を 含む。このディスプレーはまた、検索の助けるヒントアイコン６６、その他の機 能アイコン(例えば、検索アイコン６８、ディレクトリアイコン７０、サポート アイコン７２、法律関連アイコン７４)、検索アイコン(例えば、単純検索７６、 パワー検索７８、健康関連検索８０、会社検索８２、コンピュータ検索８４)を 含む。 ユーザは検索の指示(つまり照会)をフィールド６２に入力し、検索アイコン( 図３B参照)を選択する。検索装置１０はデータベース２６を検索し状況に合わせ て一組の検索結果のカテゴリー(８６a−８６n)を最も関連性の高いデータ(８８a −８８m)のリストとともに作成する。検索結果のカテゴリー(８６a−８６n)の一 つ一つは件名のキャプションを一つ含み、データ(８８ａ−８８m)の一つ一つは 「有料・無料」のインジケーターとともにキャプションを一つ含む。ユーザはア イコンを選択することによって一つのカテゴリーを見ることができ、またはアイ コンを選択することによってある特定の一つのデータを見ることができる。ある いは、ユーザは検索やり直し用アイコン９０を選択することによって新しい検索 を実行することができ、または、テキストを検索フィールド６２に入力し、検索 アイコン６４を選択することによって細分することができる。ユーザが一つのカ テゴリーを選択すると、装置１０はもう一つの組の検索結果のカテゴリーと、最 も関連性の高いデータのリストをもう一つ作成する。ユーザは繰り返し一回毎に 検索の範囲を更に狭め、関連するデータの数が予め定めた敷居値(例えば２０)に 低下するまでこのプロセスを繰り返すことがてきる。この時点で、装置１０は単 に最も関連性の高いデータのリストを一つ提供するのみとなる。 ユーザは検索するプロセスの焦点を絞るためにディレクトリ(９２a−９２y)の 予め定めたリストを利用することができる（図３ｃ）。ユーザはフィールド６２ に検索の指示を入力し、一つ、またはそれ以上のディレクトリ(例えばディレク トリ９２a、９２b)を選択し、検索アイコン６４を選択する(図３B)。検索装置１ ０は、照会を満たし選択したディレクトリの中に入っているデータに焦点をあわ せて、データベース２６を検索する。装置はこれらのディレクトリに限定された 検索結果のカテゴリーと最も関連性の高いデータとの一組を提供する。 グルーピングプロセッサはカテゴリーに分けるためのアルゴリズムを実行し、 状況に合わせて検索結果のカテゴリーのこの一組みを作成する。このアルゴリズ ムは、候補となるカテゴリーを調べる、カテゴリーを加重する、加重度の最も大 きい複数のカテゴリーを表示する、の３つの主要なステップを含む。以下の実施 例においては７つ(+/-２)カテゴリーを目標値として規則が作られているが、一 般に規則はこの目標値とは独立したものである。 グルーピングプロセッサの利用するカテゴリーに分けるためのアルゴリズムの 一つの実施例は論理的に下記に説明する。このアルゴリズムの実際の実行は、ス テップを省略してもよく、並列または任意に実行してもよい。このアルゴリズム を説明するにあたって、次の用語を使う。「nrecs」という用語は、検索結果の リスト上でデータの全数の内の最初の２００のデータか、結果のリストの全体の 大きさで、数の小さい方を意味する。nrecsという用語は、データの数、または データのそのグループと同義である。「ncategories」という用語は、望まれる カテゴリーの数(+/-２つのカテゴリー)を意味する。「内部ドメインオーダリン グ」という用語は、ドメインを関連する情報の違いに基づいて区別する能力を強 調してドメインの順序付けをする事を意味する。順序付けは、種類、件名、ソー ス、言語によることができる。「ユーザドメインオーダリング」という用語は、 ドメインに関するユーザのアクセス性／見かけのユーザの値を強調してドメイン の順序付けをする事を意味する。順序付けは、件名、ソース、種類、言語による ことができる。「レベル」という用語は、そのカテゴリーに割り当てられたその 特定のドメインに対する一つの値のドメインヒエラルキーにおけるレベルを意味 する。ヒエラルキーレベルは１(全てのアイテム、例えば全ての件名)からN(通常 の「トップ」のレベルのアイテムは６ケぐらいでがレベル２であるヒエラルキー の最低のレベル、)までの数であると仮定する。 照会に応答して、検索プロセッサはデータベースを検索し、検索結果リストを 作成する。このリストにあるデータの組みは上記の関連性の条件に従ってランク 付けされる。その後の全ての処理はnrecsに関して行われる。もしnrecsが２０( または、他の予め決められた値)より小さければ、唯一の候補カテゴリーは「全 てのデータ」カテゴリーであり、プロセッサーはカテゴリー加重へとスキップす る(下記に解説)。 候補を生成する規則全てに対して、利用可能な種類、件名、言語、またはソー スの値の組みは、照会において示される値、まはたこのような値のサブトリーに よって限定される(例えば、一つの特定の件名に限定された検索は、その件名だ けか、その件名の中のより限定的な件名を含む候補カテゴリーが結果として得ら れる)。もしこれらのフィールドに対する値が与えられない場合は、これらの特 徴を持つドメイン全部が利用される。複数のフィールドに与えられた条件はその 検索要求においてロジックのANDとして仮定される。 グルーピングプロセッサは、候補のカテゴリーとして、nrecsが２０％以上の 種類−件名の組み合わせ全てを、件名のドメインと種類のドメインにある利用可 能な全てのノードを利用して生成する。グルーピングプロセッサは、候補のカテ ゴリーとして、nrecsが２０％以上の件名のドメインにある、件名のみのグルー プを全て生成し、利用可能な全てのノードからのものをまとめる。グルーピング プロセッサは、候補のカテゴリーとして、nrecsが２０％以上の種類のドメイン にある、種類のみのグループを全て生成し、利用可能な全てのノードからのもの をまとめる。グルーピングプロセッサは、候補のカテゴリーとして、nrecsが２ ０％より大きく８０％より小さい言語のヒエラルキーにある全てのドメインを生 成する。グルーピングプロセッサは、候補のカテゴリーとして、nrecsが２０％ より大きいソースのヒエラルキーにある、３つまたはそれ以上のデータを含むか ウエブサイトか、他の全てのノードを生成する。グルーピングプロセッサは、候 補のカテゴリーとして、まだ一つもカテゴリーを作っていないソースのヒエラル キーにある、トップレベルの全てのノードを生成する。こうして、nrecsに関し てのみならず検索結果のリスト全体を完全に網羅する候補カテゴリーの少なくと も一つの組みが作られる。グルーピングプロセッサは、照会において指定される 任意の２つのフィールドの利用できる全てのノードの一対の組み合わせの全てか ら成る、まだ生成されていない、nrecsが２０％以上の候補カテゴリーを生成し 、（例えば言語とソースを指定する照会はnrecsが２０％以上の言語−ソースの 組み合わせの全てに対する候補を生成する。最後に、グルーピングプロセッサは 、そのカテゴリーにあるドメインのどれかが「未知」の値を持つカテゴリーは全 て除 く。 第二に、このアルゴリズムはカテゴリーに対して加重を付ける。加重を付ける 規則によると、加重はカテゴリーに対して累積して与えられる(つまり、それぞ れのカテゴリーの最終的な加重は受け取る加重の全合計となる)。規則の一つは 内部ドメインオーダリングと一つのドメイン内における正確さのレベルを強調す る。この規則によると全てのカテゴリーは、一つ一つのドメインに対するファク ターとそのドメインに対する値のレベルの積である加重をそれぞれのドメイン対 して受け取る。ここでのファクターとは、種類(１０)、件名(６)、ソース(３)、 冒語(１)である。もう一つの規則によると、データの数の多いカテゴリーが強調 される。この規則によると、どのカテゴリーもそのカテゴリーに含まれるnrecs のパーセンテージの２０％に相当する加重を受け取る。最も関連性の高いカテゴ リーを強調する規則は３つある。一つ目の規則によると、全てのカテゴリーにあ るデータでnrecsのトップ５のデータにランクされたデータの数の１０倍に等し い加重をそのカテゴリーが受ける。二つ目の規則によると、全てのカテゴリーに あるデータでnrecsの二番目のトップ５のデータにランクされたデータの数の５ 倍に等しい加重をそのカテゴリーが受ける。三つ目の規則によると、全てのカテ ゴリーにあるデータでnrecsの１１番目から２０番目のデータにランクされたデ ータの数の２倍に等しい加重をそのカテゴリーが受ける。 一つのドメイン内における広がりを示す４つの加重規則があり、全体のカバレ ッジを広げ重複を最小限にする。一つ目の規則によると、そのドメインに対する レベル２未満の値に対するカテゴリーがないようなレベル２のドメインの値を含 む全てのカテゴリーは１５の加重を受け取る。これは、そのカテゴリーのテーマ 内に含まれるそれぞれのドメインに対して当てはまる。二つ目の規則によると、 そのドメインに対するレベル３未満の値に対するカテゴリーがないようなレベル ３のドメインの値を含む全てのカテゴリーは８の加重を受け取る。これは、その カテゴリーのテーマ内に含まれるそれぞれのドメインに対して当てはまる。三つ 目の規則によると、もし最も大きな加重を持つncategoriesがどの一つのドメイ ンの値を網羅せず、一つのドメインを網羅するためにそのドメインからの値を加 算できるカテゴリーが２つ以下しかない場合は、それら２つのカテゴリー一つ一 対して２５を加算する。しかし、もしこの事が当てはまるカテゴリー(同一のド メインかもう一つの異なるドメイン内の)が３つ以上ある場合は、指定されたカ テゴリーの内で２つの和が最も加重の大きなを持つカテゴリーを選択する。引き 分けになってしまった場合は、内部ドメインオーダリングに基づいて選択し、そ れでも引き分けになってしまった場合は、ランダムに選択する。四つ目の規則に よると、データの内で７０％以上が他のカテゴリーにないようなデータを含むカ テゴリーは全て８の加重を受け取る。他のパーセンテージや加重値を利用しても よい。 別の規則により、ウェブサイトカテゴリーを強調している。この規則は、２０ ％以上のnrecsを伴う、全ウェブサイトのみのカテゴリーが１２の加重を受ける 。また、別の規則は照会内で特定されたテーマを強調しており、値を特定された ユーザが１０の加重を受けるためのドメインを含む全カテゴリーを提供する。最 後に、組合せカテゴリーを強調する規則により、全組合せカテゴリーが８の加重 を受けることを提供する。 第三に、アルゴリズムは複数の検索結果カテゴリーを、最高加重を伴う候補カ テゴリーから決定する。まず、プロセッサは最高加重を伴う候補カテゴリーを選 択する。同じ場合には、ユーザドメインのオーダリングが、カテゴリーを選択す るために用いられる。ncategories内の最低加重のカテゴリー、または２つの最 低加重カテゴリーは、２番目に最高の加重カテゴリーからの顕著な低下を表し、 ncategoriesは１つまたは２つだけ減少する。しかし、すでにncategories内にな い２つの最高加重カテゴリーが、加重においてすでにncategories内にある最低 カテゴリーよりもわずかにより低い場合、ncategoriesは１つまたは２つだけ増 加する。他のパーセンテージおよび加重値も用いられ得ることは留意される。 各検索結果カテゴリーについての名前を決定する際に、ドメイン（例えば、件 名タイプ）の組合せのカテゴリーは、ハイフンにより分けられた各ドメインの値 で名付けられる。２つのドメインの順序は、ユーザドメインオーダリングにより 決定される。各検索結果カテゴリーについて、各カテゴリーにおけるデータの数 のカウントが表示される。ウェブサイトカテゴリーはウェブサイトのドメインに より名付けられ、これはそのサイトのデフォルトホームページへのホットリンク であり得る。任意の表示されたカテゴリーが単なるウェブサイトカテゴリーであ るか、もしくは組合せウェブサイトカテゴリーであるかに関わらず、ウェブサイ トまたはウェブサイト組合せカテゴリー以外の任意のカテゴリーのデータリスト 内における個々のデータの全ての例(occurrence)は、それらのデータを含むウェ ブサイトカテゴリーと置き換えられる。ウェブサイトカテゴリーが、３つ以下の データを有する検索結果リスト内に埋め込まれ、データ「インライン」、すなわ ち個々のデータそれ自体がカテゴリー名を備えて示され得、カテゴリーを明示的 に展開する必要性を排除することが可能である。検索結果カテゴリー内のデータ は関連する順序にて、あるいは、ユーザのオプションにおいて逆日付順(reverse date order）(最近のもの)にてデフォルトにより表示される。データリスト内 のウェブサイトカテゴリーは、ウェブサイトにおける最高ランク付けデータの値 によりランク付けされる。 上記された数値的なパーセンテージ、割り当て加重、および詳細な規則は例示 的であり、本発明の精神および範囲から逸脱することなく変更され得る。 機能するカテゴリー化方法論として、データベース内の各データ（インターネ ットデータおよび料金制コンテンツデータを含む）は、件名、種類、ソース、お よび言語特徴（すなわちメタデータ属性）により分類される。他の実施形態にお いて、データは追加のメタデータ属性（例えば、困難性または一般性のレベル） 、照会ベース属性、適切な名前、および実行タイムドキュメント分析特性により 分類され得る。そのようなタスクがマニュアル的に行うには大きすぎるため、検 索装置が全てのデータを適切なカテゴリーに実質的に自動分類する。 各データは、１つ以上のタイプ（例えば、記事、本の論評、手紙）および単一 のソース値（例えば、ＰＣ Ｗｅｅｋ、パーソナルウェブページ）が、大抵の場 合、自動的プロセス（インターネットデータ用には完全に自動的）を介して割り 当てられる。しかし、所定の料金制コンテンツデータ用にいくつかの編集的な割 り当ても存在する。また、各データは１つ以上の件名（例えば、分子生物学）お よび言語（例えば、フランス語）が、大抵の場合、自動的プロセス（インターネ ットデータ用には完全に自動的）を介して、一般的に割り当てられる。時折、デ ータは件名および／または冨語が割り当てられない。そのような場合には、デー タはそれらの特定のメタデータアイテム（または属性、またはフィールド、また はドメイン）用に「未知」の値が割り当てられる。件名、言語およびタイプ（し かしソースではない）の場合において、データが１つ以上の値を有することが可 能である（例えば、これが２つ以上の異なる件名分野を実際にアドレスするため 、もしくはこれが１つ以上の言語におけるテキストを含むためである）。 さらに、それらのドメイン内の全ての値は、階層的に配置している（例えば、 「分子生物学」は「生物学」に属し、「本の論評」は「論評」に属する）。デー タは所定のドメイン（例えば、タイプとして「本の論評」、件名として「分子生 物学」）用に、ただ一つ（あるいは、おそらく２つ以上）の比較的特定的な値に 自動的にまたはマニュアル的に分類され、それらの相対的なドメイン階層におけ る値よりも高い全ての値を継承する。例えば、「分子生物学」に分類されたデー タはまた、「生物学」の件名（分子生物学の親）および「科学」の件名（これは 生物学の親）が与えられる。このことは、そのデータ用に追加の５つまたは６つ の分類値をもたらし得る。各階層の最上レベルは比較的小さく、例えば件名ドメ インとして約６個の件名分野（人文科学および社会学、ビジネス、等を含む）、 その各々は３つまたは４つよりも多く分割されて、レベル２において１８個の件 名分野を作り、その各々は約３５に分割されて、レベル３において約６００個の 件名分野を作るという具合に続く。 分類システムは、４つのデータ属性（すなわち、件名、種類、言語およびソー ス）を（それらの属性が発行者またはデータソースから編集的に利用可能でない 場合に）、自動的に決定するために開発されてきた。分類システムは、（１）照 会ベース分類プログラム、および（２）個々のプログラムのセット、という２つ の主要な構成要素を含む。 照会ベース分類プログラムは、２万件以上の項目用語（term）を含む、選択さ れた属性および属性値に対する分類を効率的に行う。属性および属性値のそれぞ れに対し、ひとつの照会を必要とする（例えば、属性＝件名、属性値＝生物化学 ）。照会はデータのすべてに対して行われ、一致の強さを表す分類スコアが、各 データおよび照会に対して計算される。その後データは、そのデータが最高の分 類スコアを有する２つまたは３つの照会／属性値に分類される。 照会ベース分類プログラムは、以下の副構成要素を利用（draw on）する。 （１）分類照会を特定するための分類言語、（２）プログラムによって使用され る分類照会を自動的に作成するための手段およびソース、および（３）プログラ ムによって使用される数々のマニュアルにより（manually）構成された分類照会 。 分類照会を自動的に作成するための手段およびソースは、約５行の長さの照会 を生成する。各照会は、その属性値に対する用例または模範データ（例えば、生 物化学の百科事典記事）を分析し、そのデータに対する最も重要な用語を自動的 に抽出することによって作成される。作成された「照会」は、他の同様のデータ （即ち、同じ値に分類できるデータ）との一致および検索に用いられる。用語の 重要性は、データ内でその用語がいかに頻繁に用いられるか（即ち、頻度が高い ほど重要性が高い）、および、例えば百科事典全体など、用いられる用例データ の特定の本文においてその用語がいかに希であるか（即ち、希であるほど、重要 性が高い）の両方によって決定される。頻度／頻度の少なさのどの値が正確に用 いられるかは、経験的に決定され、用例データの特定のソースそれぞれに対して 設定される。複数のソースを使用することができる。数々の関連プログラムツー ルも開発されている（例えば、百科事典記事を、項目階層内の用語に自動的に一 致させるもの）。 マニュアルにより構成されたいくつかの分類照会は、以下の通りである。約２ ０００のそのような件名照会、約５０のマニュアルによるタイプ照会、および約 ６のマニュアルによる言語照会である。マニュアルによる照会は、極めて長い言 語照会を除き平均して約１５行の長さである。 分類システムの第２の構成要素は、照会ベースの方法が不適切であると見なさ れる場合に、データ属性の一つの特定の値（例えば、製法（recipe）および「個 人のウェブページ」であり、例えば、製法の場合はデータ属性が「種類」、個人 ページの場合は「ソース」である）に、データを分類するのに用いられる個々の プログラムおよび高次元の制御プログラムの組である。これらのプログラムは、 Ｐｅｒｌの数千行を含んでいる。これらのプログラムは、特定の語の存在のみな らず、形式の手掛かり（cue）（例えば、タイプ製法または種類インタヴューの データの特定形式）を検索する。これらの分類の結果を評価するための一組のテ ストツールも存在する。 分類データベースは、データ分類学（taxonomy）、階層、相互参照、および関 連分類照会を作成し保守する。データベースは、複数ユーザ分類エディタ、およ び他のシステム構成要素（例えば検索エンジン）によって必要とされるレポート およびデータファイルを生成する手段を含み、Ｍｉｃｒｏｓｏｆｔ Ａｃｃｅｓ ｓ、Ｍｉｃｒｏｓｏｆｔ形式、Ｄａｔａ Ａｃｃｅｓｓ Ｏｂｊｅｃｔｓ、ＳＱ Ｌ、およびＶｉｓｕａｌ Ｂａｓｉｃを用いて実施される。データベースには、 約４０の表、１５の形式、２５のレポート、および５０００行のＶｉｓｕａｌ Ｂａｓｉｃが含まれており、システムの他の部分に対する１２の中間ファイルを 作成する。均等物 特定の好適な実施形態を参照して、本発明を詳しく図示、説明してきたが、添 付の請求の範囲に規定される発明の精神および範囲から逸脱することなく、形式 および詳細における様々な変更をこれに行い得ることは、当業者に理解される。

Claims (1)

1. 【特許請求の範囲】 １．データベースのデータを検索する方法であって、該方法は、 検索命令に応答して該データベースを検索して、選択された１組の該データを 含む検索結果リストを生成するステップと、 該検索結果リストの少なくとも一部分を以下のように処理するステップであっ て、動的に、(i)該検索結果リスト内の該データに関連する共通の特徴を識別し 、(ii)共通の特徴を有する該検索結果リスト内のデータを、候補カテゴリーにグ ループ化し、そして、(iii)候補カテゴリーのリストを編集し、ここで、各候補 カテゴリーが、考え得る検索結果カテゴリーを表示するように処理を行うステッ プと、 該候補カテゴリー内の該データの、該識別された共通の特徴の関数として、各 候補カテゴリーに加重するステップと、 を含む方法。 ２．予め選択された関連基準に基づいて、前記検索結果リスト内の前記データを ランク付けするステップをさらに含む、請求項１に記載の方法。 ３．前記検索結果リスト内の各データに関連する、件名、種類、ソース、および 言語の特徴を識別するステップをさらに含む、請求項１に記載の方法。 ４．前記データの前記識別された共通の特徴の関数として、候補カテゴリーを選 択するステップをさらに含む、請求項１に記載の方法。 ５．前記候補カテゴリーから、約５〜１０個の検索結果カテゴリーを選択するス テップをさらに含む、請求項４に記載の方法。 ６．前記特徴のうちの１つに関してユーザによって選択された値に応答して、前 記検索結果カテゴリーをグループ化するステップをさらに含む、請求項３に記載 の方法。 ７．前記データベースが、インターネットデータおよび料金制コンテンツデータ を含む、請求項１に記載の方法。 ８．前記カテゴリーのグラフィック表示を提供するステップをさらに含む、請求 項１に記載の方法。 ９．前記検索結果リスト内のデータに関連するメタデータ特徴を識別するステッ プをさらに含む、請求項１に記載の方法。 １０．データベースのデータを検索する検索装置であって、該検索装置は、 検索命令に応答して該データベースを検索して、選択された１組の該データを 含む検索結果リストを生成する検索プロセッサと、 該検索結果リストの少なくとも一部分を以下のように処理するグルーピングプ ロセッサであって、動的に、(i)該検索結果リスト内の該データに関連する共通 の特徴を識別し、(ii)共通の特徴を有するデータを、候補カテゴリーにグループ 化し、そして、(iii)候補カテゴリーのリストを編集し、ここで、各候補カテゴ リーが、可能な検索結果を表示するように処理を行う、グルーピングプロセッサ と、 該候補カテゴリー内の該データの、該識別された共通の特徴の関数として、各 候補カテゴリーに加重する加重プロセッサと、 を含む検索装置。 １１．予め選択された関連基準に基づいて、前記検索結果リスト内の前記データ をランク付けする手段をさらに含む、請求項１０に記載の装置。 １２．前記検索結果リスト内の各データに関連する、件名、種類、ソース、およ び言語の特徴を識別するデータプロセッサをさらに含む、請求項１０に記載の装 置。 １３．前記候補カテゴリーから、約５〜１０個の検索結果カテゴリーを選択する 手段をさらに含む、請求項１０に記載の装置。 １４．前記カテゴリーのグラフィック表示を提供するディスプレイプロセッサを さらに含む、請求項１０に記載の方法。 １５．前記特徴のうちの１つに関してユーザによって選択された値に応答して、 前記検索結果リスト内の前記データをグループ化する手段をさらに含む、請求項 １１に記載の装置。 １６．前記カテゴリーのうちの１つの関数として、細分命令を生成する手段であ って、該細分命令が、前記カテゴリーおよび追加命令に関連するデータを求めて 前記データベースを検索する該追加命令を表示する手段をさらに含む、請求項１ ０に記載の装置。 １７．前記データの前記識別された共通の特徴を階層的順序にランク付けする手 段をさらに含む、請求項１２に記載の装置。 １８．前記データベースが、インターネットデータおよび料金制コンテンツデー タを含む、請求項１０に記載の装置。 １９．検索装置であって、該検索装置は、 インターネットデータおよび料金制コンテンツデータを含む複数のデータを格 納するデータベースと、 ユーザからの検索命令に応答して該データベースを検索して、選択された１組 の該データを含む検索結果リストを生成する検索プロセッサと、 該検索結果リストの少なくとも一部分を以下のように処理するグルーピングプ ロセッサであって、動的に、(i)該検索結果リスト内の該データに関連する共通 の特徴を識別し、(ii)共通の特徴を有するデータを、候補カテゴリーにグループ 化し、(iii)候補カテゴリーのリストを編集し、ここで、各候補カテゴリーが、 可能な検索結果カテゴリーを表示するように処理を行うグルーピングプロセッサ と、 該候補カテゴリー内の該データの、該識別された共通の特徴の関数として、各 候補カテゴリーに加重する加重プロセッサと、 該ユーザに該カテゴリーのグラフィック表示を提供するディスプレイプロセッ サと、 を含む検索装置。 ２０．データベース中のデータを自動的に分類する方法であって、該方法は、 該データベース内の該データの各々に対して、複数の照会属性の各々に関連す る各属性値に関する照会を実行するステップと、 少なくとも１つの該データの該フォーマットを、複数の属性フォーマットの各 々に選択的に整合させるステップと、 各照会および各データに関する該整合の相対的な強度を示す分類スコアを決定 するステップと、 各属性フォーマットおよび少なくとも１つの該データに関する該整合の相対的 な強度を示す分類スコアを判定するステップと、 該データが最も高い分類スコアを有する各属性に関する選択された属性値の下 で、各データを分類するステップと、 を含む方法。 ２１．各属性に関する前記属性値を階層的に配列するステップをさらに含む、請 求項２０に記載の方法。