JP2003114906A - ユーザ定義可能なパーソナリティを備えたメタ文書管理システム - Google Patents

Abstract

(57)【要約】 【課題】 ユーザのニーズに合わせて文書の内容を動的
に拡充する。 【解決手段】 このシステムで用いるメタ文書１００
は、この文書の内容である文書コンテンツ１０２に加
え、１以上のパーソナリティ１０４を含んでいる。各パ
ーソナリティ１０４は、１組の文書サービスリクエスト
４１０に対応づけられている。リクエスト４１０は、例
えば指定分野の関連文献の検索などのサービスを要求す
るものなどである。このシステムのスケジューラ２０４
は、定期的にメタ文書１００内の文書サービスリクエス
ト４１０を実行する。これにより、そのリクエスト４１
０を満足するネットワークサービス２０６が実行され
る。このサービスの実行結果は、例えば関連文献を載せ
たウェブページへのＵＲＬなどある。この結果が、コン
テンツ管理部２０８により、例えば文書マークアップ１
０８などとしてメタ文書１００に組み込まれる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、概略的には文書の
管理及び利用に関し、特に情報に対するリクエストを生
成し、応答を探索し、検索し、パッケージ化することで
その文書のコンテンツ（内容）を拡充する一方、読解や
他の文書との関係の理解、コンテンツの生成を助けるエ
ージェント、として振る舞う文書の管理及び利用に関す
る。特に本発明は、ユーザ定義可能なパーソナリティ
（性格）を備えたメタ文書サーバに関連する。

【０００２】

【従来の技術及び発明が解決しようとする課題】文書管
理による知識（ナレッジ）管理は知識の創成やライフサ
イクルの共有の重要な部分を構成する。知識の創成や共
有の典型的なモデルは循環的なものであり、３つの主要
なステップから構成される。すなわち、合成（サーチ、
収集、獲得、同化）、共有（提示、公開／配布）、サー
ビス提供（意志決定や革新的な創造のための文書利用の
支援）の３つである。

【０００３】たいていのシステムは、文書のことを静的
なもの、たとえば権限を与えられたユーザにより何らか
の操作がなされたときにのみ、新たなコンテンツが取得
できるもの、と捉えている。文書が新たな情報を獲得す
るには、その文書を読んで修正したり、その文書のコン
テンツを変化させる（例えばハイパーリンクを付加する
など）プログラムを実行したりするなどのユーザの決定
が必要である。このように文書を受動的なリポジトリと
してみる見方は、ユーザが画面の前にいてシステムを操
作しないと文書が変わらないままであるという、現在の
状況をもたらしている。

【０００４】統計的に能動的に文書コンテンツを拡充
（内容豊富化）する既存の手法にもかかわらず、文書拡
充サービスのユビキタス化（いつでもどこでも利用でき
るようにすること）を可能とするよりよい文書拡充アー
キテクチャを提供する必要性がなおも存在する。よりよ
い文書拡充アーキテクチャは、自動的にそのようなサー
ビスを付与したり、監視したり、ユーザに対して提案し
たりすることで、そのようなサービスを使いやすくする
方法を効果的に提供することができるであろう。

【０００５】

【課題を解決するための手段】本発明では、文書コンテ
ンツを拡充するためのシステムとそのための方法を提供
する。このシステムは、拡充（エンリッチ）テーマを特
定する文書サービスリクエストの集合を規定するパーソ
ナリティを指定するためのユーザインタフェースを備え
る。ユーザ管理部は、文書コンテンツとそのユーザイン
タフェースで指定されたパーソナリティとを受け取る。
ユーザ管理部は、その文書コンテンツとパーソナリティ
とを備えるメタ文書を形成する。スケジューラは、その
集合から１つの文書サービスリクエストを選択し、選択
した文書サービスを満足するよう、サービスプロバイダ
との通信を開始し、この通信を管理する。コンテンツ管
理部は、選択した文書サービスについての結果を、文書
マークアップとしての前記メタ文書に統合する。ユーザ
インタフェースとユーザ管理部とスケジューラとコンテ
ンツ管理部とが協動して、新たなパーソナリティを生成
したり推薦したり、既存のパーソナリティを修正したり
する。この協動処理では、代数的な計算の組、文書参照
の組、既定のパーソナリティの組、学習パーソナリティ
の組、知識レベル、及びパーソナリティの分類の中の１
つまたは複数の組み合わせが用いられる。

【０００６】

【発明の実施の形態】以下、本発明の実施の形態（以下
実施形態という）について、図面を参照して説明する。
同じ又は類似の部分には、図面間で同じ符号を付す。

【０００７】Ａ．用語の定義 以下で定義する用語は、本願明細書において、そこに示
した意味を持つ。

【０００８】「アノテーション付け」は、ここでは、文
書又は文書内の領域にあるエンティティと、テキストセ
グメント（断片）、画像、埋込データ（例えばグリ
フ）、又はリンクの集合との間の参照情報を生成するこ
とを意味する。

【０００９】「コンテンツ検索」とは、ここでは、１又
は複数の一連のリンクをたどってそのコンテンツを検索
することにより取得したコンテンツからなるアノテーシ
ョン（注釈）を意味する。なお、検索したコンテンツは
その検索の後フィルタリング又は再フォーマットしても
よい。

【００１０】「文書」は、ここでは、電子的（例えばデ
ジタル）又は物理的（例えば紙）な情報の記録を示すた
めに用いられる。電子的な形態では、文書は、画像デー
タ、音声データ、ビデオデータを含み得る。画像データ
は、テキスト、グラフィック図形、ビットマップ画像を
含みうる。

【００１１】文書「マークアップ」は、文書に付与され
たアノテーションを示すために用いられる。

【００１２】「文書の精神（soul）」は、ここでは、無
限又はあらかじめ指定された有限の時間である延長期間
(extended period)の間、文書に付与され続けているパ
ーソナリティを指し示すのに用いられる。

【００１３】「拡充（エンリッチ）」は、ここでは、あ
らかじめ規定したパーソナリティに合わせて文書にアノ
テーション付けを行うことを指し示すために用いられ
る。

【００１４】「エンティティ」は、ここでは、文書中に
見いだされる何か（例えば人の名前、場所、医学用語、
画像データ、グラフィックスエンティティ（グラフィッ
ク図形データ、音声データ又はビデオデータを含み得
る）など）を示すために用いられ、画像、テキスト、埋
込データ、ＨＴＭＬなどの形とすることができる。

【００１５】「情報空間」は、ここでは、エンティテ
ィ、文書セグメント、文書、あるいは一組の文書群、に
関連したアノテーション全体の集合を指し示すのに用い
られる。

【００１６】「語彙集(lexicon)」は、ここでは、自然
言語集合において生起しうる単語の集合を示すデータ構
造、プログラム、オブジェクト又はデバイスを意味す
る。語彙集はその語彙集が示す単語を「受け入れる」と
言い、この場合その単語は、「受け入れ可能」であると
言ったり、その語彙集に「含まれる」又はその語彙集の
中に「生起する」と言う。

【００１７】「リンク」は、ここでは、例えばテキスト
セグメントや画像セグメントに関連づけられたＵＲＬ
（Uniform Resource Locator）などである。

【００１８】「パーソナリティ」という用語は、テーマ
に関するサービスの集合を示すのに用いる。ここで、サ
ービスは文書を拡充するために適用される。

【００１９】「サービス」は、ある文書の現在の状態に
おけるコンテンツやメタデータに基づき新たなマークア
ップを提供するプログラムを意味する。例えば、そのプ
ログラムは、文書中の各エンティティを識別し、各エン
ティティに対し当該エンティティに関係するデータ（例
えばデータベース内にあるデータ）でアノテーション付
けする。例えば、サービスは、外部の情報により文書を
拡充するか、新たなサービスを追加するか、の少なくと
も一方を行う。

【００２０】「テキストセグメント」は、文書中の連続
したバイト列、又はそのような断片のグループを意味す
る。

【００２１】Ｂ．概略的な特徴 メタ文書１００すなわち「文書の精神」のブロック図が
図１に示される。メタ文書１００は、識別子１０１、コ
ンテンツ部分１０２（ユーザにより生成又は取得された
文書）、パーソナリティ１０４を含んでいる。パーソナ
リティ１０４は１又は複数の文書サービスリクエスト１
０６とエンティティデータベース１１１の組である。エ
ンティティデータベース１１１は１又は複数の個別のエ
ンティティデータベースを含んでいてもよい。ここで、
個々の個別のエンティティデータベースは、それぞれエ
ンティティの１つのクラス（例えば人名、市の名称、業
務（ビジネス）の名称など））を識別する。一つの例で
は、パーソナリティ１０４はエンティティデータベース
１１１を含まず、その代わりにエンティティを識別する
ための文書サービスリクエストを含む。別の例では、エ
ンティティデータベース１１１は、文書中心的なエンテ
ィティ群（すなわち、文書コンテンツ１０２に対して排
他的に関連するエンティティ群）を含む。ここでそれら
文書中心的なエンティティ群は、ユーザ又はシステムに
より指定される。当業者には分かるように、メタ文書１
００の一部を構成する文書サービスリクエスト１０６と
エンティティデータベース１１１は、文書サービスリク
エスト及びエンティティデータベースの実体的コンテン
ツを含んでいても良いし、（例えばサービスデータベー
ス２１０の中にある）文書サービスリクエストやエンテ
ィティデータベースへの参照情報を含んでいても良い
し、その両方でも良い。識別子１０１は、他の管理デー
タ、例えば作成者、所有者、サイズ、アクセス権限など
を含んでもよい。

【００２２】Ｂ．１ 知識管理サイクル 図２は、メタ文書管理システム２０１を例示する図であ
る。このメタ文書管理システム２０１の中で、メタ文書
１００が知識明確化（結晶化）プロセスの結果として生
成され、このプロセスはその文書の一生の間続く。典型
的には、メタ文書の一生は、関心の焦点と目的により始
まり、その関心の焦点と目的は合成フェーズの管理と向
上を助ける。合成フェーズでは、メタ文書１００は、あ
らかじめ規定された文書サービスリクエストの集合によ
って独立的に、あるいは特定の又はカスタマイズされた
指示に従って、書き手又は読み手の情報ニーズを予想
し、文書コンテンツに関係する情報のサーチ、収集、同
化、組織化といった、時には退屈な仕事を実行する。

【００２３】合成フェーズの動作は、１又は複数の文書
サービスリクエスト１０６のアクティべーション（起
動）によって起こる。文書サービスリクエスト１０６の
起動は、ユーザがメタ文書を作成したりメタ文書に対し
て作業（編集など）をしたりしている間や、ユーザがメ
タ文書を脇に置いたためそのサービスリクエストがコン
ピュータの空き時間や使用されていないネットワーク帯
域幅などを利用できるようになったとき、などに行うこ
とができる。ユーザが文書に対して作業を行っていると
きに文書サービスリクエスト１０６を起動させれば、そ
のメタ文書にそのユーザの好み（ユーザが好む設定情報
など）について学習させることができるという付加的な
利点がある。文書サービスリクエスト１０６は、スケジ
ューラ２０４により自動的に、又はユーザの操作によっ
て、起動することもできる。

【００２４】知識管理サイクルの次のフェーズは、合成
フェーズの間に作成された情報の共有に関連している。
例えば、この共有フェーズは、合成フェーズの間に収集
された情報を、ユーザ（すなわち当該文書を利用するで
あろう人又はコミュニティ（共同体））にとって役立つ
フォーマット（書式）のメタ文書１００のコンテンツへ
と統合する処理を含んでいる。文書コンテンツは、その
文書に対してパーソナリティを割り当てることによっ
て、当該ユーザのために更に拡充することができる。パ
ーソナリティは、その文書コンテンツの理解を助けた
り、そのコンテンツについての更に新しい更新事項を例
えば定期的に提供したりする情報によって、その文書を
マークアップするものである。このサイクルの最後であ
るサービス提供ステップでは、定期的な更新を取り扱
う。この更新では、メタ文書は、あらかじめ規定された
文書サービスリクエストを、ユーザのために実行する。
例えば、メタ文書は、指定された都市の気温の情報を最
新のものに保つことができる。

【００２５】Ｂ．２ サービス 再び図２を参照すると、１又は複数のメタ文書１００
は、メタ文書サーバ２００内のメタ文書データベース２
０２に格納されている。別の実施例では、文書参照情報
（例えばＵＲＬ）がメタ文書データベース２０２に格納
され、それに対応するコンテンツはネットワークファイ
ルサーバ２２０にて参照される。メタ文書サーバ２００
内の各メタ文書１００は、１組の文書サービスリクエス
トを備える。これら文書サービスリクエストは、各メタ
文書１００がスケジュールデーモンすなわちスケジュー
ラ２０４の制御の下で実行するものである。スケジュー
ラ２０４は、あらかじめ定められているタイムスケジュ
ールに従って、各メタ文書データベース２０２内のメタ
文書を目覚めさせる。スケジューラ２０４は、メタ文書
１００内のコンテンツ、文書サービスリクエスト１０
６、及びエンティティデータベース１１１にアクセスす
るソフトウエア機構の中に実装することができる。

【００２６】図３に示すように、スケジューラ２０４が
メタ文書１００を目覚めさせた後、そのメタ文書１００
が、現在の自分の文書サービスリクエスト群３０１の組
のことをスケジューラ２０４に報せる。メタ文書サーバ
２００が使用できる資源（例えばそれぞれ特定の文書サ
ービスリクエストを実行する、すなわち満たすことがで
きるサービスプロバイダなど）に応じて、スケジューラ
２０４は、実行すべき文書サービスリクエスト１０６
（矢印３００で示す）を決定する。つづいて、スケジュ
ーラ２０４は、それら文書サービスリクエスト１０６を
実行するために、指定されたサービスプロバイダ２０６
を、サービスデータベース２１０を用いて呼び出す。

【００２７】サービスデータベース２１０は、ルックア
ップ（索引）してサービスプロバイダを選択するための
「サービスプロバイダメソッド」（各サービスに対応す
る認証データを含む）を有する。また、サービスデータ
ベース２１０は、当該メタ文書内のエンティティデータ
ベース１１１、又はサービスデータベース２１０内にあ
るか又はネットワークサービス２０６として利用可能で
あるエンティティデータベース、を用いて文書コンテン
ツ内のエンティティを識別するための「エンティティメ
ソッド」を含む。またサービスデータベース２１０は、
ユーザに対し、新たな拡充、正規表現、語彙集、カテゴ
ライザ（カテゴリ分類手段）のことを通知するための
「通知（ノーティフィケーション）メソッド」を有す
る。別の実施例としては、サービスデータベース２１０
は、コンテンツ権管理メソッドを有するようにすること
もできる。

【００２８】文書サービスリクエストを満足させるとい
うことは、サービスデータベース２１０から（例えばサ
ービスプロバイダの選択候補のリストから、サービスプ
ロバイダを選択するなどにより）サービスプロバイダに
アクセスすることを意味する。ここで、サービスデータ
ベース２１０は、文書コンテンツ１０２（矢印３０２で
示す）と文書マークアップ１０８（矢印３０４で示す）
にアクセスするためにスケジューラにより呼び出される
いくつかのプロセス（又はプログラム）を有する。サー
ビスプロバイダ２０６から受け取った結果は、コンテン
ツ管理部２０８により、元のメタ文書１００に統合され
る。すなわち、これらのプロセスは、特定文書向けのマ
ークアップ（矢印３０６で示される）と、新たな文書サ
ービスリクエスト１０６（矢印３０８で示される）との
うちの少なくとも一方を生成することで終了し、これら
両者はコンテンツ管理部２０８によりメタ文書１００に
付加される。

【００２９】Ｂ．３ パーソナリティ メタ文書サーバ２００は、カスタマイズ可能な方式の、
文書ベースでの知識の創成及び共有のためのエンド・ト
ゥ・エンド（端末間）のソリューションを提供する。カ
スタマイズは、メタ文書サーバ内のパーソナリティのメ
カニズムにより提供される。パーソナリティは、文書に
対して割り当てられ、これによりユーザが知識を取得
し、共有し、利用するのを支援する。これは、現今のウ
ェブ・ポータルのようなグローバルビュー（包括表示画
面）とは対照的に、文書世界ビュー(a document view o
f the world：文書の観点から世界を見た状態を示すビ
ュー)を生成する。１又は複数のパーソナリティを文書
に付加することができる。各パーソナリティは、テーマ
的にか、文脈的にか、あるいはその両方で、文書サービ
スリクエスト１０６の集まりをコード表現する。ここ
で、それら文書サービスリクエストは、当該文書が、自
律的に文書作成者又は読者のために機能することを可能
にする。すなわち例えば、その文書の作成者及び読者の
両方の情報ニーズを予測し、その文書が情報世界におけ
る他の部分（すなわち当該文書以外の部分）と連結した
状態を維持し、情報世界における他の部分により更新さ
れるようにする。

【００３０】メタ文書１００には、例えば次に例示する
ようなパーソナリティ１０４が付与される。例えば(a)
「探究的」というパーソナリティは、そのコンテンツで
言及されている人々の事跡記録を見つけるなど、文書コ
ンテンツに含まれる概念についてのさらなる情報を情報
を見つけるための文書サービスリクエストの集合に対応
し、(b)「多言語的」というパーソナリティは、その文
書に含まれる単語や用語、句などの訳をサーチするため
のもの、(c)「プライベート」というパーソナリティ
は、当該文書のメタデータが他の文書に対して不可視と
なるようにするためのもの、(d)「科学的」というパー
ソナリティは、その文書のコンテンツに引用されている
論文のオンライン版をサーチするためのもの、(e)「系
統的」というパーソナリティは、その文書と似たコンテ
ンツを含んでいる文書を探すためのもの、である。

【００３１】Ｂ．４ エンティティの識別及び利用のた
めの方法 図３に示すように、パーソナリティ１０４は１又は複数
の文書サービスリクエスト１０６を指定する。各サービ
スリクエストは、(a)文書コンテンツ１０２中のエンテ
ィティを認識するメソッド、及び(b)認識したエンティ
ティを用いてサービスにアクセスするメソッド、を含ん
でいる。

【００３２】エンティティは、固有名（例えば人、場
所、組織など）、時間、位置、量、引用文献（例えば書
籍の題名）、アドレス、などを含む。エンティティは、
正規表現、語彙集、キーワード、ルールなどのなかの１
つ又はそれらの組み合わせなどといった、公知の様々な
手法を用いて認識することができる。語彙集(lexicon)
は、例えば、<entity-string, part-of-speech-tag, en
tity-type>という形式のタプルからなるデータベースで
ある。ここで、「entity-string（エンティティ文字
列）」は、当該エンティティを構成する文字列（例えば
人名「John Smith」など）である。「part-of-speech-t
ag（品詞タグ）」は、そのエンティティの文法上の用法
（例えば名詞、名詞句、動詞など）を示すものであり、
これはなくてもよい。「entity-type（エンティティタ
イプ）」は、エンティティについての所定の複数の分類
（すなわちカテゴリ）（例えば人、組織、会社の名前、
など）のうちの１又は複数のものに、当該エンティティ
が属しているか否かを示すものである。連続するテキス
ト文字列が、語彙集に属するものとして「受け入れられ
る」場合は、その文字列はエンティティと認識される。

【００３３】エンティティは、文字列マッチング又は正
規表現を用いて認識することができる。例えば、英語表
記の人名は、先頭が大文字である２つの語として認識す
ることができる。正規表現は、実際の文書コンテンツの
原文の言葉（すなわち単語群）で、又はそのコンテンツ
原文に関連づけられた言語学的マークアップの言葉で、
表現することができる。この言語学的マークアップに
は、品詞タグ（例えば）名詞句、名詞など）や浅い構文
解析(shallow parse)のタグなどが含まれ得る。

【００３４】エンティティ認識のための別の手段とし
て、いくつかのルールを用いることができる。例えば、
「『英単語』の先頭が大文字であり、かつ語彙集（又は
辞書又はシソーラス）に載っていない場合、その英単語
は固有名（固有名詞）である」というルールは、固有名
を認識するのに用いることができる。

【００３５】図４は、メタ文書１００が、当該文書１０
０内で指定されたパーソナリティ１０４を用いて拡充さ
れている例を示す。あらかじめ定めた時刻ごと又は、あ
らかじめ指定した時間間隔ごとに、スケジューラ２０４
が起動し、文書サービスリクエスト４１０を識別する。
そしてスケジューラは、当該文書サービスリクエストに
ついての、参照情報４１２により参照されるメソッド
を、サービスデータベース２１０にて呼び出す。サービ
スデータベース２１０内の、参照される文書サービスリ
クエストのメソッド群の中には、正規表現、語彙集、サ
ービスプロバイダ選択、各サービスに関連する認証デー
タ、及びコンテンツ権管理などが含まれる。参照情報４
１２が示すメソッドを実行するときには、ネットワーク
サービス群２０６から、サービスデータベース２１０に
格納されている「会社名」というエンティティタイプの
中から個別のエンティティを識別するサービスが識別さ
れる。

【００３６】識別されたサービスがいったんスケジュー
ラ２０４により実行されると、該サービスの結果がコン
テンツ管理部２０８に提供され、コンテンツ管理部２０
８はこれにより以下の例示するタスクのうちの１又は複
数を実行する。これらのタスクとしては、(a)矢印４１
４で示すように文書サービスリクエスト４１０にマーク
付けするタスク、(b)これ以上の入力は待たないが実行
されるのを待つように文書サービスリクエスト４１６に
マーク付けするタスク、(c)会社名エンティティタイプ
の中から選ばれるエンティティを挿入するタスク（この
エンティティは、文書コンテンツ１０２だけでなく、そ
の文書コンテンツ１０２におけるそのエンティティ４１
８のところに現れる）、がある。

【００３７】スケジューラがその後文書サービスリクエ
スト４１６を識別したとき、スケジューラは、同様に、
サービスデータベース２１０から、４１８にて識別され
た会社名エンティティを確認するために株価検索(stock
quote)サービスを利用するメソッド４２０を識別す
る。この株価検索の結果も、同様に文書マークアップ１
０８に挿入されるとともに、エンティティ４１８に直接
にリンクされる。このエンティティ４１８は、文書コン
テンツ中の場所にリンクされる。また、４１８にて株価
検索の結果を挿入する代わりに、リクエスト４１６によ
り識別されたサービスが、文書マークアップ１０８とし
て挿入され、文書コンテンツ１０２内のその識別された
エンティティにユーザがアクセスするときに起動される
ようにしてもよい。

【００３８】Ｃ．パーソナリティの作成と修正 この節は、個別のパーソナリティ、又はパーソナリティ
のグループ群の形成及び／又はカスタマイズに関連する
（なお「Ａ及び／又はＢ」なる表現は、「Ａ及びＢの少
なくとも一方」を意味するものとする）。当業者なら
ば、ここに記載したパーソナリティの形成及び／又はカ
スタマイズのための複数の異なる方法が、それぞれ個々
に用いられるほか、複数のものを組み合わせて用いるこ
ともできることを理解できるであろう。

【００３９】図５は、図２に示されるメタ文書サーバ２
００に直接的にアクセスするためのクライアントインタ
フェース１０１０を例示した図である。このようなクラ
イアントインタフェースは、ユーザコンピュータ２２６
やモバイル・コンピューティング・デバイス２１９で動
作させることができる。ある形態では、クライアントイ
ンタフェース１０１０は、従来のインターネット又はウ
ェブのブラウザにて、メタ文書サーバ２００のアドレス
（例えばＵＲＬ）を指定することにより呼び出される。
別の形態では、クライアントインタフェースは、例えば
アプリケーションに特化したプログラムを用いてアクセ
スされるようにしてもよい。

【００４０】ユーザ管理部２１４を介してログイン画面
（図示省略）にログインした後、ユーザは、メタ文書デ
ータベース２０２にアップロードされ格納されるべき文
書の位置を欄１０１２に指定することが可能になる。１
０１２に示される指定された参照文書が文書データベー
ス２０２にアップロードされ格納された後、パーソナリ
ティウインドウ１０１４からパーソナリティ１０１６が
選択される。

【００４１】パーソナリティ１０１６が選択されると、
メタ文書サーバは、そのパーソナリティに指定される文
書サービスに従って、即座に、又は後の時点で、あるい
はその両方で、アップロードされたその文書のコンテン
ツを後で示す方法で拡充する。文書コンテンツが、選択
されたパーソナリティに示される文書サービスにより即
座にアノテーション付けされる場合は、結果がウインド
ウ１０１８と、ウインドウ１０２０のグローバル・サー
ビス結果に表示される。

【００４２】ウインドウ１０１４内のパーソナリティ
は、プライベート（個人）のパーソナリティ、共有のパ
ーソナリティ、又は公共のパーソナリティなどの様々な
観点で整理することができる。これらのパーソナリティ
は、図２に示したパーソナリティデータベース２１２に
記録されている。共有のパーソナリティには、様々な異
なるアクセス権限（例えば、あるユーザたちにはパーソ
ナリティの読み出しと修正を許可し、他のユーザにはパ
ーソナリティの読み出しのみを許可するなど）を付与す
ることができる。

【００４３】さらに、ウインドウ１０１４では、１又は
複数のパーソナリティを選択し、アップロードされた文
書を、それらパーソナリティを用いて同時に拡充するこ
とができる。１つの例では、これは、図５のアナリスト
パーソナリティ１０１６に示されるように、１つのパー
ソナリティ、又は複数のパーソナリティを含むフォルダ
を選択することにより達成される。また、アップロード
された文書コンテンツに適用されるべき特定のパーソナ
リティ群を選択できるようにすることもできる。図６
は、図５に示したウインドウ１０１４の建築パーソナリ
ティについての部分を拡大して示した図であり、ここで
は藁梱製の家とタイヤ製の家のパーソナリティ１１０
２，１１０４が選択されている。

【００４４】インタフェース１０１０上でボタン１０２
２を押下することにより、ユーザにプロパティウインド
ウが表示される。図７は、図５でプロパティ・コンフィ
ギュレーション ボタン１０２２が選択されたときに表
示されるプロパティウインドウ１２１０の例を示す図で
ある。ウインドウ１２１０では、ユーザは、１２１２を
選択することでデフォルトのパーソナリティを指定する
か、１２１４を選択することで文書がメタ文書サーバ２
００にアップロードされたときに推薦されたパーソナリ
ティを得るか、のいずれかを選ぶことができる。ユーザ
が使用可能な１２１２のデフォルトパーソナリティに
「なし」があり、これが選択された場合、ユーザは、文
書のアップロードの後でウインドウ１０１４から手動で
パーソナリティを指定するように要求される。さらに、
プロパティウインドウ１２１０は、ユーザが、ボタン１
２１６を選択することで、特定のパーソナリティの作成
又は修正（又はその両方）を行えるようにしている。こ
の点についての詳細は、以下に説明する。

【００４５】Ｃ．１ 概要 パーソナリティの作成／修正についての１つの実施例で
は、図７に示すボタン１２１６が選択されると、図８に
示すような２つのサブウインドウ１３１２及び１３１４
を備えるウインドウ１３１０が現れる。第１のサブウイ
ンドウ１３１２は、すべての使用可能なパーソナリティ
のリストを表示し、第２のサブウインドウ１３１４は、
サブウインドウ１３１２から選択されたパーソナリティ
に対して使用可能なサービスのカテゴリ群のリストを表
示する。図８に示した例では、１３１６の「ビジネスウ
ォッチング（動向観察）」パーソナリティが選択されて
いる。サブウインドウ１３１４に示される各カテゴリ
は、ユーザが１又は複数の特定の文書サービス（例えば
情報検索サービス１３１８）を指定できるように、選択
可能となっている。

【００４６】図９は、特定のカテゴリ群に対してサーチ
が選択できる情報検索サービス１３１８のウインドウ１
４００を例示している。図９に示される例では、１４０
４及び１４０８にそれぞれ示されるコンピューティング
と人々のカテゴリが選択されている。拡充の処理の間、
それら選択されたサービスのみが呼び出される。さら
に、サービスによって実行されるサーチも、指定された
カテゴリの範囲に限定される。すなわち、選択されたサ
ービスにより実行されるサーチは、情報コンテンツにつ
いての情報プロバイダのディレクトリ（例えばGoogle(T
M)）での、指定されたカテゴリに限定される。例えば、
サービス１４０８は、情報プロバイダ「Google」のコン
テンツの「人々」カテゴリに限定される。

【００４７】さらに、図９の例では、選択されたサービ
ス群が、更新（リフレッシュ）指定１４５０にて、定期
的に、すなわち例えば１４５２〜１４５５にそれぞれ示
すように毎日、毎週、毎月、または自動的に、更新され
るように指定できる。１４５５の自動的更新の期間は、
例えば、(a)ブラウザのアクセスログの履歴（例えばユ
ーザが最近当該サービス群のアドレスにアクセスしたの
はいつかなど）や、(b)サービスから受け取る結果をあ
る期間にわたって監視し、その応答の頻度が変化する
と、より頻繁に更新するようにその更新期間を設定する
方式、などを用いて（あるいはそれらを組み合わせて）
求めることができる。また、選択されたサービスは、１
４５１及び１４５６にそれぞれ示すように、全く更新し
ない（すなわち一回の動作を実行する）、またはあらか
じめ指定された期間の終わりまで（例えば２００３年ま
で）更新する、などというように指定することもでき
る。図示しない別の例では、選択されたサービスに対
し、ある指定された目的が期限切れになるまで（例えば
人が未成年の間）更新されるように指定することもでき
る。図示しないさらに別の例では、選択されたサービス
に対し、関係のある結果が得られなくなるまで更新され
るように指定することもできる。また、図９の例では、
各サービスに対して１４４０にてコストを規定すること
ができる。この例では、１４４２では無料の指定がなさ
れ、１４４４では支払いを行う旨の指定がなされてい
る。後者の支払いについては上限額を規定することがで
きる。

【００４８】パーソナリティの作成／修正のための別の
例では、図７のウインドウでボタン１２１６が選択され
たときに、図１０に例示するようなウインドウ１５０２
が表示される。この例では、ユーザは、１５０４でパー
ソナリティの名前を指定することができ、この指定した
パーソナリティを、(a)１５０６にて、既存のパーソナ
リティに修正を加える方式、又は(b)１５０８にて、選
択されたファイル及び／又はフォルダの組を利用する方
式、(c)１５１０にて、選択されたファイル又はウェブ
サイトからのコンテンツを用いる方式、のいずれかの方
式によって作成することができる。

【００４９】Ｃ．２ 代数演算の利用 １つの実施例では、図１０の１５０６での修正にて、代
数演算を用いて既存のパーソナリティ群から所望のパー
ソナリティを作成することにより、所望のパーソナリテ
ィを指定することができる。２以上のパーソナリティの
組をマージ（結合）したり、加算したり、減算したり、
組み立てたり（すなわち組立演算子を用いて複数のパー
ソナリティを組み立てた場合、１つのパーソナリティの
結果を他のパーソナリティの入力として用いることがで
きる）、交差（共通部分抽出）したりするなどの代数演
算により、パーソナリティを作成することができる。例
えば、きわめて包括的・一般的な「テクノロジーウォッ
チ（動向観察）」パーソナリティには、コンピュータサ
イエンスへの参照（リファレンス）を含めないことが望
ましい。図１１は、複数のパーソナリティ同士を１６０
２により加算したり、１６０４により一方から他方を減
算したりして、新たな修正されたパーソナリティを形成
するためのユーザインタフェース１６００の例が示され
ている。

【００５０】１つの実施例では、パーソナリティはサー
ビスＳと語彙集Ｌのタプル（すなわち複数の要素からな
る順序付きの集合）［Ｓ_I，Ｌ_J］の集まりを用いて定義
される。第１のパーソナリティＡと第２のパーソナリテ
ィＢのマージは、Ａのタプル［Ｓ_I ^A，Ｌ_J ^A］とＢのタプ
ル［Ｓ_K ^B，Ｌ_M ^B］との合併（論理和）を形成することに
より、形成することができる。それらパーソナリティ内
のどのサービスＳ_I ^A，Ｓ_K ^Bも同じ場合は、新たなサービ
スが［Ｓ_I ^A，Ｌ_N］を構成する。ここで、Ｌ_NはＬ_J ^AとＬ
_M ^Bの合併である。さらに、第１のパーソナリティＡか
ら、既存のパーソナリティＢを削除して、新たなパーソ
ナリティを作成することにより、第１のパーソナリティ
Ａに限定を加えることができる。これには、例えば、
(a)パーソナリティＡ及びＢの両方で同じサービスをす
べて削除する処理、又は(b)そのサービスに対応する語
彙集Ｌ^Aから語彙集Ｌ^Bを減算する処理、又はその両方の
処理を行えばよい。また、選択されたパーソナリティ内
のサービス群に対し、後で概説する技術を適用すること
で、新たなパーソナリティのサービス群を選択及び／又
は組織することもできる。

【００５１】Ｃ．３ リンクのリストの利用 別の実施例では、メタ文書サーバは、パーソナリティ
を、指定された文書又はこれに対する参照の組を用い
て、オン・デマンドで自動的に生成する。例えば、文書
の組は、あるパーソナルコンピュータの中のあるフォル
ダにあるすべてのファイルを用いて規定することができ
るであろう。ここで、それらファイルの集合は、他のコ
ンテンツに対するリンク又は参照を表すテキストコンテ
ンツを含み得る（例えばハイパーリンクを用いるな
ど）。また、文書の集合は、ＳＱＬクエリーのようなあ
らかじめ規定されたクエリー（問い合わせ）を用いるこ
とで、特定することができる。またさらに別の例では、
文書の集合は、メタ文書情報空間内のすべての文書を含
み得る。

【００５２】有利なことに、生成されたパーソナリティ
群はユーザ中心的なもの（ユーザを中心としたもの）に
なっている。これは、それらパーソナリティ群が、ユー
ザによって明示的に選択された情報を基礎にしているか
らである。１つの例では、このパーソナリティ自動生成
のためのサービスは、ウインドウ１５０２の１５０８で
呼び出される。ユーザが１５０９により文書の集合を指
定し、１５１２によりそのサービスのリクエストを起動
すると、図１２に表されたフロー図に示されたプロセス
が、メタ文書サーバによりパーソナリティ生成のために
実行される。別の例として、メタ文書サーバが、例えば
サーチなどで特定された文書の集まりを受け取り、自分
でこのプロセスを利用するような例も可能であることが
理解できるであろう。

【００５３】まずステップ１７０２において、パーソナ
リティ作成プロセスが、特定の文書の集合、及び／又
は、文書の集合を含んだフォルダ群、を取得する。この
文書の集合は、レベルＮ＝０の文書集合と規定される。
ステップ１７０４では、レベルＮの文書集合から、すべ
てのリンクが抽出される。ステップ１７０６では、それ
ら抽出されたリンクが指し示すコンテンツがフェッチ
（取り込み）され、レベルＮ＋１の文書集合を規定する
のに用いられる。ステップ１７０８では、更に下のレベ
ルまで降りる必要がある場合はステップ１７０４に戻
り、そうでない場合はステップ１７０２〜１７０６によ
り規定されたレベルＮの文書集合を用いて拡張文書が規
定される。

【００５４】もっと包括的に言えば、Ｎ文書集合の集ま
りが、拡張文書として参照される。この拡張文書は、文
書群のリストとして見ることができ、ユーザに選択され
た文書群と、これら選択された文書にリンクした文書群
とから構成される。図１３は、拡張文書１８００の例を
示しており、この例ではレベルＮ＝０の文書集合１８０
１から２レベル降りることによって求められる拡張文書
を示している。すなわち、拡張文書１８００は、レベル
Ｎ＝０の文書集合１８０１と、レベルＮ＝１の文書集合
１８０３と、レベルＮ＝２の文書集合１８０５とから構
成されている。この例では、レベルＮ＝０の文書集合１
８０１は、３つのリンクを持つ単一の文書から構成され
ており、各リンクはレベルＮ＝１の文書集合１８０３の
文書を参照している。

【００５５】図１２及び図１３を参照すると、エンティ
ティ抽出部１８０２は、ステップ１７１０にて、拡張文
書１８００（これはエンティティ抽出部が作成すること
もできる）を用いてエンティティデータベース１８０４
を構築する。エンティティ抽出部１８０２は、人や製
品、都市の名前、日付、名詞句などのエンティティタイ
プを抽出するための包括的なルールを有している。この
包括的ルールは、エンティティそれ自体を特定するもの
ではなく、例えば、指定された英語名詞の周囲の文脈を
用いて、先頭が大文字になったその英語名詞は都市の名
前よりも人の名前である可能性が高いことを検出できる
といったような、包括的エンティティを特定するもので
ある。

【００５６】更に、抽出されたエンティティには、その
エンティティが参照を行った場所を逆に指し示すよう
に、索引付けがなされる。更にエンティティデータベー
スは、そのエンティティの利用に関連する文脈情報を含
む。

【００５７】次に、エンティティデータベース１８０４
は、サービス生成部１８０６により利用され、これによ
り文書サービス群（すなわち文書サービスリクエスト
群）１８０８を生成する。エンティティデータベース１
８０４と文書サービスリクエスト群１８０８との組合せ
は、次に、新たなパーソナリティを規定するのに用いら
れる。そして、この新たなパーソナリティを、メタ文書
サーバにアップロードされ上述のように拡充された文書
に対し、適用することができる。

【００５８】ステップ１７１４では、サービス生成部１
８０６が、拡張文書１８００内のすべて問合せ（クエ
リ）可能なフォーム（書式）を識別し、抽出する。問合
せ可能なフォームは、例えば、１又は複数のタグにより
識別することができる。１つの例では、拡張文書１８０
０の各ページは、ＸＭＬ(eXtensible Markup Language)
及びＨＴＭＬ(HyperText Markup Language)のフォーム
を見つけるためにスキャンされる。例えば、フォーム
は、トグルボタンやメニューなどの選択フィールドや入
力フィールドを含んでいる。ＨＴＭＬのフォームは、例
えば、Ｗ３Ｃ(WorldWide Web Consortium)による「ＸＦ
ｏｒｍｓ １．０」（これはインターネット上ので公開
されている）に説明されている。

【００５９】ステップ１７１６では、サービス生成部１
８０６は、識別した各フォーム毎に、少なくとも１つの
サービスを作成する。１ページに複数のフォームが含ま
れる場合は、サービス生成部１８０６は、それから生成
される可能性のある異なるすべてのクエリ組合せのため
に、複数のサービスを生成することになる。サービス作
成のための動作については、以下に更に詳細に説明す
る。

【００６０】ステップ１７１６では、サービス生成部１
８０６は、ステップ１７１４で作成されたサービスのう
ち、あまり有用性の向上をもたらさなさそうものをフィ
ルタリングにより取り除く。有用性の向上にあまり又は
全く役に立たないサービスは、結果を全く返さないか、
あるいは関係のない結果を返す。（フォームから引き出
された）サービスをパーソナリティに組み込むことの有
用性を測定する方法については、後で説明する。どのア
プローチ手法も、ブール空間(Boolean space)又はベク
トル空間の検索モデルに依拠する。

【００６１】最後に、ステップ１７１８で、フィルタ済
み（すなわちフィルタリングで除去されずに残った）サ
ービス群とエンティティデータベースとを用いてパーソ
ナリティが規定される。エンティティデータベース内の
エンティティは、そのエンティティに関連したサービス
を用いて（例えば単語の有用性を測定するなどにより）
測定された有用性を提供するタイプのエンティティに限
定されている。更なる改良として、サービスは、そのサ
ービス自身が付加価値をもたらす（例えば、関連する結
果を返すなど）ことができるエンティティタイプに関す
るものに限定することもできる。情報プロバイダについ
て質問するサービスなどのサービスを実行した後の結果
をフィルタリングしランク付けすることにより、関連す
る結果又は付加的有用性を求めることができる。

【００６２】１つの実施例では、そのサービスについて
パーソナリティを付加する対象である文書コンテンツに
関連した情報プロバイダからクエリーに対して返される
結果のフィルタリング及びランク付けは、以下の手順で
行われる。すなわち、その情報プロバイダーから、サマ
リー（要約）群とハイパーリンク群を関連性に従って順
に並べたリストを取得し、クエリーが対象としている
（向けられている）文書コンテンツに含まれるエンティ
ティ群の周囲の文脈と、そのサマリー群との間の類似度
計算を実行し、計算した類似度に基づき結果をランク付
けし、最高度のランクの結果のみをフィルタリングによ
り取り出す。

【００６３】別の実施例では、サマリー群に加え、ハイ
パーリンク群により参照される文書コンテンツも用いて
類似度計算を実行する。また、情報プロバイダから取得
したコンテンツと、関連する文書コンテンツとの間の類
似度を、コサイン距離法(cosine distance metric)や相
関度を用いて測ることもできる。

【００６４】当業者ならば分かるように、コサイン距離
法を用いる前に、文書コンテンツは特徴群（例えば単語
や、単語からなる句）に変換され、ステミング（stemmi
ng:語の基底形・語幹などから変化形を求めること）処
理される。またこれも当業者なら分かるように、距離測
定は、最初に抽出した特徴群をＬＳＩ(Latent Semantic
Indexing:潜在的意味インデキシング法)により縮小特
徴空間をなすように再マッピングしたものに基づき実行
することができる。

【００６５】１つの実施例では、ステップ１７１６での
フィルタリングにより得られたサービス群をステップ１
７１８でパッケージ化することにより作成されたパーソ
ナリティは、それらサービス群のハイパーリンク群を用
いて、ランク付けされ、階層的に複数のグループへ分か
れるように組織化される。このようなランク付け及び組
織化は、公知のランク付け技術、（凝集的）クラスタリ
ング技術、又はハイパーリンク技術を用いることで実行
することができる。ハイパーリンク技術の一例は、Klei
nbergによる"Authoritative Sources In A Hyperlinked
Environment"（ハイパーリンク環境における確かなソ
ース）,IBM Technical Report RJ 10076,May 1997 に開
示されている。

【００６６】別の実施例では、ステップ１７０２で指定
された、ハイパーリンクを持つ文書群の組織構造は、ス
テップ１７１８において１又は複数のパーソナリティを
作成するのに用いられる（例えば、文書群の階層構造の
集まりの中の各枝に対し、パーソナリティが作成され
る）。これらのパーソナリティは、例えば、図６に示す
ように組織化することができる。当業者ならば分かるよ
うに、図１２を用いて説明したステップ群は完全に、又
は部分的に自動化することができる。

【００６７】別の実施例では、拡張文書１８００は、包
括的パーソナリティを付加することによりさらに発展さ
せることができる。包括的パーソナリティは、例えば、
拡張文書の１又は複数のレベルに対し適用することがで
き、レベルＮ＝０のオリジナルの文書コンテンツの周囲
の情報空間をさらに拡張する必要性が存在するか否かに
のみ依存している。例えば、１つの例では、包括的パー
ソナリティは、拡張文書が参照する文書の数が所定のし
きい値より少ない場合にのみ適用される。

【００６８】Ｃ．３．１ サービス作成 １つの実施例では、ステップ１７１４で作成される各サ
ービスは、次の(a)〜(d)に示すプロパティ（特性）を持
つように作成される。すなわち、(a)サービスは、入力
として、例えば文書参照（例えばＵＲＬ）により指定さ
れる新たなテキストセグメントを取り入れるように指定
される。(b)サービスは、その新たなテキストセグメン
トに含まれるエンティティやこれらエンティティのオフ
セット情報を認識したり、あるいは他のサービスから認
識されたエンティティやそれらの位置情報を取得したり
するためのメソッドを有する。(c)サービスは、その新
たなテキストセグメントから認識されたエンティティ
を、(i)検索で得たＮレベルの文書集合のコンテンツの
概念（コンセプト）、(ii)認識されたエンティティとフ
ォームを含むクエリーの一例（すなわちそのために作成
した具体的な例）、(iii)(b)で認識したエンティティ群
とクエリー例(ii)に対する結果（書式を整え、フィルタ
リングされたものが望ましい）、のうちの少なくとも１
つと関連づけるためのメソッドを含む。(d)サービス
は、(b)で認識されたエンティティ群とそれら各エンテ
ィティの最初のオフセット情報とを有するリストと、
(c)で新たに関連づけされた情報とを返すメソッドを備
える。別の実施例として、指定されたハイパーリンクの
ためのサービスがすでに存在する場合には、新たなサー
ビスの生成は行わず、その既存のサービスを利用するこ
とも好適である。

【００６９】ここで(c)(ii)の場合、フォームの例示は
次のように行われる。すなわち、もしそのフォームが１
つの入力フィールドを持ち、送信ボタンを全く持たない
か１つだけしか持たない場合、その入力フィールドに
は、認識された概念又はエンティティが入れられ、その
後フォーム送信プロトコル（例えばＸＦｏｒｍｓ１．０
に示されるＧＥＴ又はＰＯＳＴ）がその入力された入力
フィールドに対して実行される。フォームが複数のフィ
ールドを持つ場合、認識された複数のエンティティ又は
コンセプト（概念）とそれらフィールドとの間で生じ得
るすべての組合せが、送信のために生成される。ここ
で、それらは返信のためのヌル（空白）でない結果を生
成するのみである。また、フォームの各フィールドに、
インターネット上の「www.roboform.com」に開示されて
いるような自動的な手法を用いて入力することもでき
る。

【００７０】一例として、図１４に示すような、入力フ
ィールド１９０１とトグルボタン１９０２〜１９０５を
持つフォーム１９００を考える。この例では、フォーム
１９００は、科学的題材についてのコンテンツプロバイ
ダのフロントエンドである。このフォームは、ユーザが
自分の質問（クエリー）を入力するためのテキストフィ
ールド１９０１と、ユーザがどのフォルダに関する質問
かをシステムに対して示すためのトグルボタン１９０２
〜１９０５（例えば全フォルダを示すトグルボタン１９
０２を選択すると、システムは当該コンテンツプロバイ
ダ全体をサーチする）と、を含んでいる。この例では、
図１５に示される以下の４つのサービスが作成されるこ
とになる。各サービスは、入力フィールド１９０１と、
４つのトグルボタン１９０２〜１９０５の中の１つが選
択状態になったものと、を含む。各サービスは、特定の
エンティティタイプに関連づけられており、この特定の
タイプは以下に示す方法を用いて求められる。

【００７１】Ｃ．３．２ フィルタリング・サービス 上で説明したようなフィルタリングの目的は、作成はし
たが全く又はほとんど役に立たないサービス群を除くこ
とである。更に詳しく言えば、エンティティデータベー
スと抽出されたサービスのリストとが与えられた場合、
サービスのリストの有用性を求めるためのものとして、
３つの異なる有用性測定手法を次に説明する。当業者な
らば分かるように、それら３つの有用性測定手法は、単
独でも、複数を組み合わせた態様でも利用できる。大略
的に言えば、各有用性測定手法は、エンティティデータ
ベース内のエンティティに対するそれらサービスの潜在
的な有用性に応じて、それらサービスをランク付けす
る。

【００７２】第１の有用性測定手法を図１６に基づき説
明する。図１６には、ステップ１７１０で生成されたエ
ンティティデータベースを用いる、ステップ１７１４で
生成されたフィルタリングサービスのステップ１７１６
における動作についてのフローチャートである。まずス
テップ２１４０で、サービスのリスト（サービスリスト
と呼ぶ）とエンティティデータベースとを受け取る。エ
ンティティデータベースは、拡張文書における各エンテ
ィティの生起頻度の情報を含んでいるものとする。

【００７３】各サービスは、コンテンツプロバイダから
提供される情報サービスへのアクセスのための手段を提
供する。そのサービスリスト内の各サービスによりアク
セスされるコンテンツプロバイ群により提供されるデー
タベース群のエンティティデータベースに含まれるエン
ティティの頻度が、ステップ２１４２〜２１４６で計算
される。より詳しく説明すると、ステップ２１４２〜２
１４６では、あるサービスに含まれる各エンティティの
頻度に関係する以下の統計量が計算される。すなわち、
(a) ｆ_ij：エンティティ（すなわち「特徴」）ｆ_j を含
む、コンテンツプロバイダのデータベースＣＰ＿ＤＢ_i
内の文書の数と、(b) ｗ_ij：コンテンツプロバイダのデ
ータベースＣＰ＿ＤＢ_i 内のすべての文書についての各
特徴ｆ_jの重みの総和、である。ステップ２１４４で
は、コンテンツプロバイダが、<エンティティ，頻度，
重み>の形式のタプルのリストとして表現される。ここ
で、頻度と重みは、それぞれ上で定義したｆとｗのこと
である。拡張文書は、同様のリストを用いて表現される
が、ただしこの場合は、ｆは当該エンティティが生起す
る（すなわち含まれる）文書の数を示し、ｗは各エンテ
ィティの全文書に対する重みの総和を示す。

【００７４】１つの実施例では、サービス群におけるエ
ンティティの頻度に関連する情報は、システムを定期的
に走らせることにより、各サービス毎に取得することが
できる。このシステムは、各特徴ｆ_j についてコンテン
ツプロバイダＣＰ＿ＤＢ_i で実行されるクエリーを作成
し、そのクエリーに対して返される結果からｆ_ij及びｗ
_ijの値を抽出するという処理を実行する。ｆ_ij及びｗ_ij
の値を抽出する手段は、ラッパーアプローチ（wrapper
approach）又は隠れマルコフモデル（ＨＭＭ）を用いて
自動的に構築することができる。

【００７５】ラッパーを生成する方法は、ヨーロッパ特
許出願 EP 1072985 A2に開示されている。ラッパー生成
に関する更なる情報は、チドロフスキ（Chidlovski）他
による“Automatic Wrapper Generation for Web Searc
h Engines”,Proc. 1st Intern. Conf. on Web-Age Inf
ormation Management, WAIM'2000, LNCS Series, Shang
hai, China, June 2000、“Wrapper Generation via Gr
ammer Induction”, 11th European Conference on Mac
hine Learning, ECML'00, Lect.Notes Comp. Science,
Vol. 1810, Barcelona, Spain, May 2000 に開示されて
いる。

【００７６】別の実施例では、コンテンツプロバイダか
らサマリーをエクスポートしてサービス群におけるエン
ティティ群の統計量に関する情報を求めるために、ＳＴ
ＡＲＴＳプロトコルを用いる。ＳＴＡＲＴＳは、スタン
フォード大学がコーディネートしたインターネットサー
チのためのプロトコル案であり、私的及び公的な構成を
含んでいる。ＳＴＡＲＴＳは、コンテンツプロバイダ
が、エンティティ統計量ｆ_ij及びｗ_ijを含んだサマリー
をエクスポートすべきであると明記している。ＳＴＡＲ
ＴＳプロトコルの詳細は、グラヴァノ（Gravano）他に
よる“STARTS:Stanford Proposal for Internet meta-s
earching”,Proceedings of the 1997 ACMSIGMOD Confe
rence,1997 に開示されている。

【００７７】ステップ２１５２では、いくつかのよく知
られた類似度測定手法を用いて、各サービスと拡張文書
との類似度が求められる。例えばコサイン距離測定法を
用いることができる。また、ステップ２１５２で類似度
を求めるのに相関法を用いてもよい。距離の計算に関す
る更なる背景情報を知るには、マニング（Manning）と
シュッツェ（Schutze）による“Foundations of Statis
tical Natural Language Processing”,MIT Press, 199
9などがある。

【００７８】更に別の実施例では、エンティティとこれ
に対応する頻度（すなわちエンティティと重みについて
の類似度）を、ＬＳＩ（潜在的意味インデキシング）を
用いてリマッピングすることで（ＬＳＩに関する背景情
報については、インターネットのhttp://www.cs.utk.ed
u/〜lsi/で入手できるDumas が作成した記事を参照され
たい）、縮小した特徴空間を規定するようにし、これに
より類義語や多義語（すなわち同じ語が文脈に応じて異
なる解釈を持つ場合）に関する問題を克服する。次にこ
の実施例では、この縮小した特徴空間の中で類似度計算
を行う。

【００７９】ステップ２１５４では、先頭からＮ個のサ
ービス（すなわち類似度が高い方からＮ個）が、サービ
スとして選択され、新たなパーソナリティに組み込まれ
る。図１７は、１つの拡張文書と２つのサービスＡ及び
Ｂがある場合のこの選択プロセスをグラフ表現した図で
ある。グラフの横軸はエンティティデータベース内の各
エンティティ（すなわちｅ₁・・・ｅ_n）を表しており、
縦軸は各エンティティの重み付き生起頻度を表す。ここ
に示した例では、サービスＡの拡張文書に対する類似度
は、サービスＢのそれよりも高いものになっている。

【００８０】別の有用性測定法では、エンティティの統
計データを取得したあとで、図１８に示すフローチャー
トで説明する有用性測定方法を用いて、リスト中のサー
ビスに対してランク付けを行う。図１８は、ステップ１
７１６におけるフィルタリングサービスの処理方法を示
す。まずステップ２３５５で、サービスのリストとエン
ティティデータベースが取得される。ステップ２３５６
で、そのサービスリストの中で次のサービスが選択さ
れ、ステップ２３５７でエンティティデータベースから
次のエンティティが取り出される。ステップ２３５８で
は、選択されたサービスについてのクエリーが、上述の
ように選択されたエンティティを用いて作成される。ス
テップ２３５９では、そのクエリーがサービスに対して
送信される。ステップ２３５９におけるそのサービスの
結果のうちの先頭からＮ個を用いて、ステップ２３６０
にて、選択されたエンティティとそれら先頭からＮ個の
結果とに関係する文脈情報と、そのエンティティと、の
類似度が次式に従って計算される。

【００８１】

【数１】 ここで、"entity"はエンティティデータベース内のエン
ティティの１つであり、"service"はサービスであり、"
doc"は先頭からＮ個の結果のうちの１つである。"Entit
yUtility( )"は"entity"と"service"との類似度測定値
（これが有用性に関係する）であり、"Similarity( )"
は"entity"と"doc"との類似度である。右辺の総和演算
は、そのサービスの結果のうちの先頭からＮ個の結果に
含まれる文書"doc" について行われる。

【００８２】さらに詳しくいえば、上式の"entity"はエ
ンティティ文字列とその周囲の文脈の両方を示す。簡単
のために、１つのエンティティは拡張文書の中の１カ所
にのみ生起するものと仮定する。この場合、エンティテ
ィの周囲の文脈は、文や句などを区切る公知のパーズ
（構文解析）技術を用いて様々の方法で求めることがで
きる。例えば、エンティティの周囲の文脈を求める手法
には、(a)拡張文書の一部分を構成する１つの文書全体
のテキストコンテンツを「文脈」とする方法、(b)その
エンティティの文字列が生起する（すなわち、含まれ
る）文を「文脈」とする方法、(c)そのエンティティが
生起するパラグラフ（段落）を「文脈」とする方法、
(d)エンティティが生起するトピックテキスト（公知の
トピック（話題）検出技術を用いて検出することができ
る）を文脈とする方法、などがある。

【００８３】また上式において、"doc"は、そのサービ
スの結果のページに（結果リストの要素として）現れる
文書サマリーか、又はそのサマリーの元になった文書全
体を指し示す。類似度計算は、どちらの形態を用いても
実行できる。この式では、各エンティティ（エンティテ
ィに文脈を付加したものとして表される）と結果文書"d
oc"（文書コンテンツ全体又はそのサマリーとして表さ
れる）とについての類似度が求められる。

【００８４】このような類似度の計算のために、エンテ
ィティと結果文書はまず次のように処理される。(a)ス
トップワード(stop word)を除去し、(b)ポーターのステ
ミング手段(Porter's stemmer)のようなステミング技術
を用いて各単語のステミングを行う。つぎに、コサイン
法などの類似度測定法を用いて、エンティティと結果文
書との類似度をテキストの特徴群に基づいて計算する。

【００８５】別の実施例では、ＬＳＩを用いてテキスト
の特徴群を縮小特徴空間に変換する。このＬＳＩ変換
は、上述のようにして抽出されたエンティティ頻度デー
タベースとエンティティとを用いて計算される。ＬＳＩ
を用いて特徴群を変換した後、コサイン距離法などの類
似度測定法を用いて、エンティティ（及びその文脈）と
結果文書"doc"との類似度を計算する。

【００８６】１つのエンティティが複数文脈で生起する
（すなわちそのエンティティは文書又は拡張文書内の複
数の場所に存在する）例では、エンティティとこれに対
応する文脈の各位置は、個別的に取り扱われる（すなわ
ち異なるのエンティティとして取り扱われる）。

【００８７】ステップ２３６１でエンティティデータベ
ースの最後のエンティティについて調べ終わったと判定
すると、求めた類似度EntityUtilityを、選択したサー
ビスに関係するすべてのエンティティについて次式に従
って総和する（ステップ２３６２）。

【００８８】

【数２】 ここで"Ｅ"はエンティティデータベース中のエンティテ
ィであり、"service"はサービスである。ステップ２３
６３では、この演算がすべてのサービスについて実行さ
れた場合、先頭からＮ個のサービスが、フィルタリング
結果のサービスを示すサービス有用度として最高度の有
用度を持つものとして選択される。そうでない場合は、
ステップ２３５６に戻ってリストの次のサービスを取り
出し同様の処理を繰り返す。

【００８９】サービス群は、階層構造、フラット構造な
ど様々なやり方で組織化できる。これらのやり方で表さ
れたサービス群は、クラスタ化され、各クラスタからそ
れぞれ１つずつ代表サービスが選択される。この例で
は、エンティティデータベース内の各エンティティをそ
れぞれ１つの次元として、多次元グラフを規定する。拡
張文書及びサービス群において生起する各エンティティ
の頻度がそれぞれプロットされる。クラスタ群が形成さ
れ１つのサービスに関連づけられる。これらクラスタは
サービス群を階層的に組織化するのに用いることができ
る。

【００９０】別の実施例では、ステップ２３６３の次
に、拡張文書に対し包括的サービスが提供される。この
包括的サービスは、拡張文書のコンテンツを用いて、特
定の主題に特化した情報プロバイダにではなく、汎用情
報プロバイダに対して質問を行う。上述の例ではすべて
のエンティティタイプについてのサービス有用性（Serv
iceUtility）を求めたが、別の実施例として、１つのエ
ンティティタイプについてのサービス有用性を計算する
こともできる。この実施例では、サービスの有用性を、
特定のタイプのエンティティに対して求めることもでき
る。例えば、図１５に示したようにエンティティタイプ
「生物学」２００２とサービス２００４についてサービ
ス有用性が計算される。

【００９１】Ｃ．４ 予め定めたパーソナリティと知識
レベルの利用 さらに別の実施例では、ある分野における相対的な能力
または既存の知識レベルを図１０の知識レベル選択部分
１５１６で指定してもよい。指定された知識レベル１５
１６は、例えば入力欄１５０４で指定された所定のパー
ソナリティから、レベルが異なる複数のサービスプロバ
イダにアクセスする新たなパーソナリティ群を作成する
のに用いることができる。例えば、医学情報を指向する
パーソナリティが指定されている場合において、誰かの
知識が初心者（すなわち一般人）レベルである場合、そ
のパーソナリティのなかで、より基礎的な情報プロバイ
ダが指定され、より基礎的で説明的なサービスが指定さ
れる。さらに、知識レベルは、パーソナリティの作成に
用いられるエンティティをエンティティデータベースに
入れたりエンティティデータベースから除いたりするの
に用いることができる。例えば、医学分野の専門家は、
当該分野の初心者が興味を持つであろうエンティティと
同じエンティティには興味を持たないであろう。

【００９２】所望のパーソナリティの知識レベルを用い
るほかに、図１０の１５１４に示されるように、要求さ
れるパーソナリティのタイプに対するヒント（すなわち
主題のヒント）を与えることもできる。ヒントを受け取
ると、メタ文書サーバは、所望のパーソナリティに対す
るヒントを、当該ヒントの主題に特に関連する１組の処
理に対して関係づける。一般に、ヒント１５１４は、図
１０で指定されるパーソナリティ群を作成するための様
々な方法のどれを改良するのにも利用することができ
る。ヒント１５１４と知識レベルとは、個別に用いるこ
ともできるし、両者を組み合わせて用いることもでき
る。

【００９３】１つの特定の例では、医学のパーソナリテ
ィのヒント１５１４がメタ文書サーバに対し、１５０８
のハイパーリンク又は１５１０の名前により指し示され
る文書コンテンツとともに指定された場合、メタ文書サ
ーバ２００は、以下に示すものに関係するコンテンツを
拡充するサービスを指定することにより、パーソナリテ
ィを作成する。すなわち、(a) その文書コンテンツに言
及された薬剤についての一般的な製剤・調剤ガイドへの
アクセス、(b) その文書コンテンツに言及されている項
目とユーザとに関係する医学記録、(c) 医学データベー
スにある、その文書コンテンツに言及されている項目に
関連する画像やビデオクリップなど、(d) その文書コン
テンツに言及されたいずれかの病気の患者のコミュニテ
ィへのリンク、(e) その文書コンテンツに言及されてい
る製品の代替品、(f) オンライン薬局へのリンク（コネ
クション）、(g) その文書コンテンツに言及されるいず
れかのエリアにおける最新の研究へのリンク（コネクシ
ョン）、(h) その文書コンテンツに言及されているいず
れかの会社の情報、及び(i) その文書コンテンツ内にあ
る項目に関係するその他の医学的情報、などである。

【００９４】別の特定の例では、建築のパーソナリティ
であるというヒント１５１４が与えられた場合、メタ文
書サーバ２００は、１５０８のハイパーリンク又は１５
１０の名前により指し示される文書コンテンツを指定す
ることと、以下に示すものに関係するコンテンツを拡充
するサービスを指定することとにより、パーソナリティ
を作成する。すなわち、(a) その文書コンテンツに示さ
れる項目（例えば住所）に関する建築基準、土地使用区
分法規、不動産鑑定その他の法律関係文書、(b) その文
書コンテンツに言及された項目（例えば建物や資材）の
画像（写真、図面、青写真など）、(c) その文書コンテ
ンツに関係する記録（例えばソーシャル（社会）、施工
者、賃借権など）、(d) 類似の世界の建築物、そのよう
な建築物を建築している建築家、(e) 隣の建築物、テナ
ントなど、(f) ある条件（例えば地震や耐火性などにつ
いてのもの）のもとでのそのエリア（地区）／建築物の
シミュレーション、(g) その文書コンテンツに言及され
たエリアの地図、(h) その文書コンテンツに言及された
エリアに設けたセンサ装置（例えばウェブカメラ(web c
ams)、温度計など）、及び(i) その文書コンテンツに言
及された資材についてのコスト、供給業者、小売業者、
配送料、技術仕様、チュートリアル（教材）などであ
る。

【００９５】Ｃ．５ 情報抽出技術の利用 上に説明したメタ文書サーバは、複数の異なるサービス
の結果により文書コンテンツを拡充（例えばマークアッ
プ）する。例えば、サービスの結果は、文書のリスト、
要約のリスト、抽出された情報（典型的には極めて簡単
な構造的性質を持つ）などである。例えば、サービスの
結果は、株価検索、個人等の事跡の記載項目などを含
む。この節では、構造化されていないテキストからもっ
と洗練された性質を持つ情報を抽出する方法を説明す
る。質問回答システム(question answering)などの情報
抽出技術を用いて実現される。

【００９６】ある情報抽出技術では、１つのパーソナリ
ティに関連する１又は複数の語彙集と共に用いることが
できる予め定められた質問群を用いて、パーソナリティ
群の作成及び／又は修正を行う。各質問フォームは、情
報検索と構文又はパターンのマッチング技術とを組み合
わせて利用した公知の質問回答システムを用いて、満足
される新たな文書サービスリクエストを作成するのに用
いられる。

【００９７】１つの実施例では、質問フォームは、図１
０の１５２０でユーザが入力した質問を用いて自動的に
生成することができる。例えば、入力された質問が「肝
臓切除のための処置は何か」であり、１５０４で指定さ
れたパーソナリティが、"liver"(肝臓)という語を含む
身体器官の語彙を含んでいる場合、メタ文書サーバは、
１５０４の質問にある身体器官（例えば肝臓）を識別
し、その器官を指定の語彙の包括的シンボル表現に置き
換える。この例では、「肝臓」（"liver"）という語は
包括的シンボル<BODY_ORGAN>（身体器官）に置換され、
これにより「<BODY_ORGAN>（〈身体器官〉）の切除のた
めの処置は何か？」という質問フォームが作成される。
上述の例と同じ質問を用いて、指定されたパーソナリテ
ィにおいて規定されている代替用の語彙がいくつあるか
に応じて、代替的な質問フォームを形成することができ
る。したがって、同じ質問でありながら、異なる語彙を
用いることで、外科的処置の例を求めるために、「肝臓
の<SURGICAL_PROCEDURE>（〈外科的処置〉）のための処
置は何か」という質問フォームを規定することができ
る。

【００９８】さらに別の質問フォームは、パーソナリテ
ィが身体器官と外科的処置の両方の語彙を含んでいる場
合、上述の同じ質問を用いて作成できる。この場合、
「〈BODY_ORGAN〉（〈身体器官〉）の〈SURGICAL_PROCE
DURE〉（〈外科的処置〉）のための処置は何か」という
質問フォームとなる。作成しうるすべての質問フォーム
が生成されると、各質問フォームは、パーソナリティに
対して新たな文書サービスとして付加される。付加され
た各文書サービスは、文書コンテンツ１０２又はマーク
アップ１０８において見つかるいずれかのエンティティ
を備える質問フォームの例を提示する（すなわち特定の
例を作成する）。ここでそのエンティティは、その質問
フォーム内の包括的シンボルにより識別される語彙にも
含まれる。例えば、文書コンテンツが、これもまた身体
器官の語彙の一部であるエンティティ「腎臓」（"kidne
y"）を含んでいるとする。この例の場合に例示される質
問は、「腎臓切除のための処置は何か？」というものに
なるだろう。一つの例では、結果として得られるこれら
の質問を有用性で評価する。

【００９９】文書が、例示されたクエリーを含むパーソ
ナリティで拡充された場合、その例示クエリーを含む文
書サービスリクエストは、質問回答技術(question answ
ering technique)を用いて回答すなわち結果を作成する
ことにより、それを満足する。上述の例の回答は、「腎
摘出術（nephrectomy）」となるであろう。質問回答技
術の例は、２０００年１１月１３〜１６日に米国メリー
ランド州ゲーサーズバーグ(Geithersburg)で開催された
第９回Text REtrieval Conference(TRRC-9)の予稿集に
発表されたクーパー（Cooper）他による"A Simple Ques
tion AnsweringSystem"に示されている。

【０１００】文書サービスリクエストが例示のクエリー
を満足する回答を求めると、その文書サービスは、当該
文書内の当該エンティティにその例示クエリーと回答と
をリンク付けすることにより、その文書を拡充する。上
述の例では、エンティティ「腎臓」（"kidney"）が、例
示クエリー（すなわち「腎臓切除のための処置は何か
？」）と回答（すなわち「腎摘出術（nephrectom
y）」）にリンクされる。１つの例では、例示クエリー
と回答は、図５に示すように、ユーザが認識したエンテ
ィティ１０３２の近くにポインタ１０３０を持ってきた
ときに、ポップアップウインドウ１０２８に表示される
（例えば図５の例では、認識されたエンティティ"Xero
x"と例示クエリー"What is <COMPANY NAME>'s stock pr
ice？"（＜会社名＞の株価は？））。

【０１０１】ユーザが指定した質問に対して複数の包括
的シンボルを付加できる場合は、ただ１つの文書サービ
スリクエストがただ１つのもっとも包括的な質問フォー
ム（例えば「<BODY_ORGAN>（身体器官）の<SURGICAL_PR
OCEDURE>（外科的処置）のための処置は何か？」）に対
して指定される、という選択肢をユーザに与えることも
可能である。また、識別した複数の質問フォームのすべ
て、又はそのうちの選択したものに対して文書サービス
リクエストが指定される、という選択肢をユーザに与え
ることも可能である。さらに、複数の回答と複数の情報
ソース（源）とを選択対象としてユーザに与えることも
できる。

【０１０２】図１９は、例示クエリーに対する回答を識
別するための１実施例を示すフローチャートである。ま
ずステップ２４０２で、メタ文書サーバ２００がその例
示の質問を受け取る。ステップ２４０４で質問のタイプ
が判定され、ステップ２４０６でクエリーへと変換され
る。ステップ２４０８では、識別した質問タイプを扱う
のに適した情報サービスに対して、そのクエリーが送信
される。ステップ２４１０では、そのクエリーについて
の先頭からＮ個の結果の部分が、例えばサマライザ（要
約システム）を用いて抽出される。ステップ２４１２で
は、そのクエリーに対し抽出された先頭からＮ個の結果
の部分に対し品詞タグが付加され、その部分に対して浅
い構文解析(shallow parse)が実行される。ステップ２
４１４では、抽出したクエリーについての先頭からＮ個
の結果であるパッセージ（一節）群に含まれる各語につ
いて、その具体例の質問と、判定した質問タイプとを用
いて、関連性の重みが計算される。ステップ２４１６で
は、抽出したパッセージ群に含まれる複数の文、又はそ
れらの文の部分において、計算した関連性の重みが最高
度である語群を持つものが、その例示の質問に対する回
答案として選択される。

【０１０３】Ｃ．６ ラーニング・パーソナリティの利
用 メタ文書サーバ２００は、ｅラーニング（電子的学習）
パーソナリティを提供する。このパーソナリティは、例
えば、図５のパーソナリティウインドウ１０１４におい
て利用できる。ｅラーニングパーソナリティが文書に適
用されると、そのパーソナリティ内の各サービスは、そ
の文書のコンテンツを分析し、当該サービスに特有のエ
ンティティと概念と組合せ（コンビネーション）とを認
識する。そして各サービスは、それらエンティティ、概
念、又は組合せを、例えばウェブベースのデータベース
サーチにより見つかる新たなコンテンツにリンク付けし
たり、そのサーチを準備して、（クリック等により）ア
クティベートされるとそのサーチを実行するように設定
したリンクを挿入したりする。パーソナリティサービス
は、単純なサーチに限定されるものではなく、分析され
たコンテンツに依存するどんな処理でも実行することが
できる。

【０１０４】図２０は、文書コンテンツを拡充するため
にｅラーニング・パーソナリティが選択されたときに利
用できるサービスのリスト２５０２を示す。ｅラーニン
グサービス２５０４及び２５０６は、その文書内で見つ
かった単語、又は複数単語からなる表現を、その単語等
の定義や翻訳にそれぞれリンク付けする。このサービス
は、辞書にアクセスする前に、レンマ化（lemmatizatio
n:語の変化形（過去形など）から基底形を求めること）
やステミング（基底系から変化形を求めること）を実行
するようにしてもよい。さらに、このサービスは、その
コンテンツの要素の周囲の、それら単語又は複数単語表
現の文脈を用いて、表示される定義や翻訳の数を制限す
るように構成することもできる。別のｅラーニング・サ
ービス２５０８は、各テキスト単位（すなわち文書、段
落、句、単語）を、その要素に関係するチュートリアル
にリンク付けする。さらに別のｅラーニング・サービス
２５１０は、各テキスト単位を、識別された主題に関係
する専門家の情報にリンク付けする。さらに別のｅラー
ニング・サービス２５１２，２５１４，２５１６は、各
テキスト単位を、そのテキスト単位の主題に関連するイ
ンタラクティブ講座、利用可能なオンライン講座、オン
ライン学習リソースに、それぞれリンク付けする。

【０１０５】有利なことに、パーソナリティは、指定さ
れた文書について、複数の独立した言語学習タスクを準
備し、実行する。文書コンテンツに対してパーソナリテ
ィが適用された場合、そのパーソナリティに含まれる選
択された各サービスは、その指定文書のコンテンツを分
析し、そのサービスに特有のエンティティや概念、組合
せを認識する。そしてこのサービスは、それらエンティ
ティ、概念、組合せを、例えばウェブベースのデータベ
ースサーチにより見つかる新たなコンテンツにリンク付
けしたり、又はそのサーチを準備し、（クリック等によ
り）アクティベート（起動）されるとそのサーチを実行
するリンクを挿入したりする。

【０１０６】１つの変形例では、ｅラーニングパーソナ
リティは、次のようなサービスを含むようにすることも
できる。すなわち、このサービスは、ユーザの過去の動
作を追跡して（あるいはユーザ・プロファイルにアクセ
スして）、同じエンティティが別の文書にリンク付けさ
れている場合には、新たな情報を生成する。ｅ学習パー
ソナリティを言語の学習に特化した実施例も考えられ
る。この実施例では、メタ文書サーバ２００は、この明
細書に示す文書拡充機構を用いた、コンピュータ支援に
よる言語学習環境を提供する。図２１は、文書コンテン
ツ拡充のために言語学習パーソナリティが選択されたと
きに利用できるサービスのリスト２６０２の例を示して
いる。

【０１０７】さらに詳しく説明すると、言語学習パーソ
ナリティは、図２１に例示されるサービスのうちの複数
を実行するパーソナリティを用いて規定される。図２１
に示すサービスのリスト２６０２には、以下に示すもの
が含まれる。(a) サービス２６０４及び２６０６：これ
らは、その文書内で見つかった単語、又は複数単語から
なる表現を、その単語等の定義や翻訳にそれぞれリンク
付けする（このとき、例えば、辞書にアクセスする前に
レンマ化やステミングを実行したり、その要素の文脈を
用いて表示する定義の数を制限したりすることも可能で
ある）。(b) サービス２６０８： これは、各文や各句
を、それら各文や句の構造の文法的説明にリンク付けす
る（このとき、読者の母国語によるその構造の文章での
説明や、その構造に対応する文章、音声、映像での文法
レッスンにリンク付けすることも可能である。(c) サー
ビス２６１０：これは、単語や複数単語表現、句、文な
どの各テキスト単位を、同じテキスト単位が現在のもの
とは異なる文脈に現れる例に対してリンク付けする（例
えば、同じテキスト単位をもつ、似ているが異なるテキ
スト部分を検索するなどにより行う。検索された要素
（テキスト単位）は、異なる文脈の比較が容易にできる
ように、例えば注目している類似の構造がユーザの視野
の中央部にくるようにした書式で、提示される）。(d)
サービス２６１２：これは、単語や複数単語表現、句、
文などの各テキスト単位を、当該要素に関係するインタ
ラクティブ文法演習にリンク付けする。(e) サービス２
６１４及び２６１６：これは、当該文書コンテンツに対
応したコンテンツ固有の言語教習リソースにリンク付け
する。他の学習トピックについても、類似のアプローチ
をとることができる。

【０１０８】Ｃ．７ コンテンツの自動的な挿入及び／
又はリンク付け 図７には、表示欄１２２０に、文書拡充を、リンク（１
２２２）によって行うか、コンテンツの挿入（１２２
４）によって行うか、リンクかコンテンツ挿入かを自動
判定する（１２２６）かを選択的に指定するための仕組
みを例示している。どちらのケースでも、リンクは、文
書コンテンツ１０２において認識されたエンティティか
ら、リモートの場所（１２２２の場合）にあるコンテン
ツ又はサービスへ、又はメタ文書の文書マークアップ１
０８にあるコンテンツへと引っ張られる。

【０１０９】図２２に示す別の実施例では、ユーザが、
指定されたコンテンツや文書から認識されたエンティテ
ィに対するパーソナリティ及び／又はサービスの振る舞
い(service behavior)を、選択的に指定できるようにす
る。この実施例では、例えばユーザは、図５に示される
拡充された文書１０１８の一部分を選択し、例えばグロ
ーバル・サービス結果における株価検索の結果１０２６
を選択することができる。この一連の動作の結果、公知
のポインタ選択技術により、図２２に示される株価検索
オプション設定ウインドウ２７１０が表示される。

【０１１０】オプション設定ウインドウ２７１０では、
ユーザは、特定のサービスの振る舞いを適用する適用先
を、入力欄２７１２にて、選択されたすべての文書、現
在選択されている１つの文書、又は選択のみ、のいずれ
かに指定することができる。さらに、オプション設定ウ
インドウ２７１０により、ユーザは、入力項目２７１６
で指定された形式で挿入された、リンクされた情報を、
静的なものとするか、動的に更新するかを、入力項目２
７１４にて指定することができる。例えば、情報は、上
述のようにリンクとして、又はコンテンツとして、挿入
される。挿入されるコンテンツは、脚注として、又は文
書の末尾のコンテンツリストの１つとして、挿入するこ
とができる。動的にアクセスされるコンテンツは、リン
ク又はコンテンツがアクセスされるたびごとに、再計算
される（これには例えばマイクロソフト社のＯＬＥのよ
うな手法を用いることができる）。静的にアクセスされ
るコンテンツは、入力項目２７１８で指定された周期
（例えば一月ごと、一日ごと、一時間ごと）で再計算さ
れる。

【０１１１】有利なことに、ユーザはサービスのデフォ
ルトの振る舞いを修正することができる。このとき、変
更を、ユーザが管理するすべての文書に適用するか、、
現在（カレント）の文書のみに適用するか、１又は複数
の識別されたエンティティを含む文書の現在の選択に適
用するか、を指定する。それら変更は、変更のレベルに
応じて、特定のメタ文書のプロパティとして、又はユー
ザのプロファイルの一部として、格納される。

【０１１２】リンク付けするか、コンテンツを検索しメ
タ文書に挿入するかは、各パーソナリティごとに指定で
き、また図２２の入力項目２７２４又は図７の入力項目
１２２６で指定されればそれを自動的に判定するように
することもできる。リンク付けするかコンテンツを挿入
するかの自動判定は、そのユーザのメタ文書サーバ２０
０との過去のインタラクションの履歴からの情報を用い
て実行される。入力項目２７２４にて指定のパーソナリ
ティに、又は入力項目１２２６にてあるパーソナリティ
のプロパティとして、リンク付け又はコンテンツ挿入を
自動的に行うことが指定されている場合、情報をリンク
として挿入するかコンテンツとして挿入するかの判定
が、その情報がユーザのインタラクションの履歴の中に
あるか外にあるかに応じて行われる。もしユーザのイン
タラクションの履歴の外にある場合は、リンクが挿入さ
れる。一方、ユーザのインタラクションの履歴の中にあ
る場合は、コンテンツが検索されメタ文書に挿入され
る。

【０１１３】ユーザのインタラクションの履歴は、ユー
ザによりアクセスされたリンクの履歴を用いて、又はそ
のユーザにとって興味のある概念のリストを用いて、あ
るいはそれら履歴及びリストの両方を用いて、特定する
ことができる。ユーザにとって興味のある概念のリスト
は、例えば、頻繁にたどられるリンクを用いて、又は電
子メール履歴を記録することにより作成されたユーザプ
ロファイルから、又は、Xerox社が開発した"Knowledge
Pump"（知識ポンプ）のようなリコメンダ（推薦）シス
テムを用いて、求めることができる。このような処理モ
ードでは、エンティティ閲覧パターンからのユーザのイ
ンタラクション履歴からの情報は、文書コンテンツを拡
充するか否かを判定するのに用いられる。

【０１１４】Ｃ．８ テキスト・カテゴライザ 図２３に示されるテキスト・カテゴライザ（カテゴリ分
けシステム）３６１０のようなテキスト分類システムの
目的は、文書３６１２を１又は複数のクラス３６２０の
組へと分類することである。クラス３６２０は、カテゴ
リーとも呼ぶ。動作としては、テキスト・カテゴライザ
３６１０は、１つの文書に対して、クラスの集合に含ま
れる１又は複数のクラスを割り当てる。ここで、これら
クラスは、知識ベース３６２２内に表現されたオントロ
ジー（(ontology：存在意義、存在論)の中で規定され
る。オントロジーの一例としては、ＤＭＯＺオントロジ
ー（インターネットのdmoz.orgに公開されている）があ
る。

【０１１５】更に、テキスト・カテゴライザ３６１０は
前処理モジュール３６１４と概略推論(approximate rea
soning)モジュール３６１８を備える。テキスト前処理
モジュール３６１４の目的は、テキスト・カテゴライザ
３６１０が文書分類のタスクを正確に、自動的に、効率
的に、効果的に実行できるような形態に、文書３６１２
を変換することである。前処理モジュール３６１４で作
成された文書表現３６２４は、特徴とこれに関係する重
みとの組を含んでいる。

【０１１６】ＨＴＭＬからテキストへの翻訳、トークン
化（tokenization：字句解析）、ステミング、ストップ
ワード除去、構文解析技術、エンティティ認識、などの
自然言語処理分野の公知技術の異なる複数の組合せを、
特徴３６２４の集合を生成するのに用いることができ
る。したがって、テキスト前処理モジュール３６１２
は、文書３６１２から特徴３６１６の集合を生成するた
めに、ＨＴＭＬ・テキスト・コンバータ、トークン化手
段、ステミング手段、文法ベースの特徴生成手段、特徴
生成手段、単語頻度分析手段、名詞句分析手段（又は抽
出手段）のようないくつかのコンポーネントを備えるよ
うな構成とすることができる。

【０１１７】各特徴に関連する重み値は、正規化頻度計
数(normalized frequency count)からもっと高度な重み
付け方式までの、公知の様々な方式のどれを用いても計
算できる。高度な重み付け方式では、文書内の各用語の
頻度、位置、リファレンス（基準）コーパスにおける各
用語の頻度、用語のidf（inverse document frequenc
y：文書群において、あるキーワードが多くの文書中に
現れる普遍的なキーワードだった場合には idf は小さ
くなり、逆に、特定の文書にしか現れない場合には idf
は大きくなる）などの様々な測定値の集まりに基づ
き、ケインさんを行う。マニングとシュッツェによる教
科書“Foundations of Statistical NaturalLanguage P
rocessing”,MIT Press, 1999，Cambridge, MAには、モ
ジュール３６１４により実行されるテキスト前処理の更
に詳細な説明が示されている。

【０１１８】概略推論モジュール３６１８は、知識ベー
ス３６２２に格納されたルール（又は他の知識形式）の
用語群にて表現されるようなカテゴリ群を、文書表現
（例えば特徴とこれに対応する重み）３６２４と関連づ
けて処理することで、入力文書３６１２に対しクラスラ
ベル３６２０を割り当てる。１つの実施例では、前処理
モジュールが、文書３６１２を、スペースや句読点文字
などにより区切られたトークンのリストに変換する。ス
トップワード（すなわちカテゴリ分けの質を高めない
語）に対応するトークンは、そのトークンのリストから
除かれる。そのリストに残ったトークンに対し、ポータ
ー(Porter)のステミングアルゴリズムを用いてステミン
グが施される。そして、このステミング結果の単語リス
トからストップワードが除去され、用語／単語のリスト
ができる。最後に、この用語のリストが、＜用語，頻度
＞タプルから構成される頻度分布に変換され、用語（す
なわち文書表現３６２４）の集合を規定する。ここで、
頻度は、その文書においてその用語が現れる回数を示
す。

【０１１９】次に、概略推論モジュール３６１８は、知
識ベース３６２２にアクセスする。ここで、知識ベース
３６２２は変数（すなわち文書特徴とこれに関連する頻
度）を記録する。この変数は、文書３６１２、又は該文
書を変換した表現３６２４から、オントロジーのクラス
への写像を形作る関数を定義するのに用いられる。この
ような知識ベースの１つの例は、それら記録される変数
同士の関係を記述するルールの集合を用いて表現され
る。典型的には、各クラスは１つのルールによって表現
される。その関数を写像する際、推論エンジン３６１８
は、文書を、知識ベース３６２２に格納された各クラス
ルールと照合し、どのアクションを信頼すべきかに関す
る結論を引き出すのに意志決定手段（decision maker）
を用いる。

【０１２０】知識ベース３６２２と概略推論モジュール
３６１８とによって表わされるような機能は、以下に示
すものを含んだ様々なモデルタイプを用いて規定するこ
とができる。すなわち、確率モデル、ファジー集合／フ
ァジー論理モデル、ブール値論理モデル、最近隣接アプ
ローチ（nearest neighbor approach）、及びニューラ
ルネットワーク、などである。なお、これらのうちのい
くつかについては、後で詳しく説明する。

【０１２１】図２３に示した要素の他に、カテゴライザ
３６１０に学習モジュールを設けることもできる。学習
モジュールの正確な構成は、文書の集合をカテゴリのリ
ストに写像（マッピング）するために概略推論モジュー
ル３６１８に使用されるモデル（確率モデル、ファジー
モデルなど）に依存することになる。学習モジュール
は、各クラスごとに分類された文書の例を入力とし、こ
れに対応する知識ベースを生成する。

【０１２２】Ｃ．９ パーソナリティの推薦 メタ文書サーバ２００は、図２に示したパーソナリティ
推薦部２１６により、パーソナリティを推薦するサービ
スを提供する。１つの例では、パーソナリティは、ユー
ザがメタ文書サーバ２００にアップロードし、図７に示
すパーソナリティ・プロパティ１２１４をそのユーザが
選択した後に、各文書毎に推薦される。ユーザがパーソ
ナリティ・プロパティ１２１４を選択すると、パーソナ
リティ推薦部２１６は、ユーザによってアップロードさ
れた各文書毎に、パーソナリティを推薦する。パーソナ
リティを推薦することにより、パーソナリティ推薦部２
１６は、ユーザの支援を行う。すなわちこの支援処理で
は、ユーザが、アップロードされた文書（アップロード
文書と呼ぶ）の文書コンテンツとその他の文脈情報（例
えばその文書に対してなされたアクション（操作・処
理））を分析して、そのアップロード文書に対して複数
の文書拡充テーマのうちのどれを適用すべきかを判断す
ること、を支援する。

【０１２３】１つの実施例では、パーソナリティ推薦部
２１６に推薦されたパーソナリティは、ユーザの確認な
しにアップロード文書に対して自動的に付加され、これ
ら文書は即座にメタ文書サーバによって拡充される。ま
たこの代わりに、推薦されたパーソナリティが受け入れ
可能であるとの確認をユーザが行った後に限り、パーソ
ナリティ推薦部２１６によって推薦されたパーソナリテ
ィをメタ文書に付加するようにしてもよい。

【０１２４】どのパーソナリティ（又は複数のパーソナ
リティ）を文書に付加するものとして推薦するかを決定
するために、メタ文書サーバ２００は、アップロード文
書３７１２をパーソナリティ推薦システム２１６の入力
として用いる。このパーソナリティ推薦システムの一例
を図２４に詳細に示す。大略的に言えば、図２４に示す
パーソナリティ推薦システム３７００は、図２３に示し
た文書カテゴライザ３６１０に似ている。両者の相違
は、後者が１又は複数のカテゴリを含むリストを割り当
てるのに対し、前者は１又は複数のパーソナリティ３７
２０を含むリストを割り当てる点である。パーソナリテ
ィ推薦部３７００は、パーソナリティを推薦するためル
ールや、メタ文書サーバ２００に対して既にアップロー
ドされユーザからパーソナリティの付与を受けている文
書を用いてパーソナリティ・オントロジーを進化させる
ためのルールを学習することができる。

【０１２５】更に詳しく言えば、図２４に示すパーソナ
リティ推薦システム３７００は、図２３に示したテキス
ト・カテゴライザの変形である。知識ベース３７２２
は、（例えば、適用されうる各パーソナリティごとに手
動で選択された特徴と重み付けを用いて）ユーザ固有の
パーソナリティ又は一般に利用可能なパーソナリティを
含むパーソナリティデータベース２１２からのデータ
と、それらパーソナリティが過去に割り当てられたメタ
文書データベース２０２内の文書群とを手動で用いて規
定することができる。

【０１２６】またこの代わりに、知識ベースは、機械学
習技術により選ばれる特徴と重み付けを用いて半自動的
又は自動的に規定することもできる。特徴と重み付けの
自動的な学習を行う場合は、学習モジュール３７３０
は、メタ文書データベース２０２に存在するメタ文書を
用いて、知識ベース３７２２をトレーニングする。次
に、学習モジュール３７３０は、ユーザプロファイル・
データベース３７０８を用いて知識ベース３７２２を検
査する。ユーザプロファイル・データベース３７０８
は、パーソナリティデータベース２１２やメタ文書デー
タベース２０２の一部を含むものであり、ユーザが以前
にパーソナリティを適用したことのあるメタ文書への参
照情報を含んでいる。

【０１２７】処理では、パーソナリティ推薦部３７００
の前処理モジュール３６１が、アップロード文書３７１
２から特徴３６１６を抽出する。次に、概略推論モジュ
ール３６１８が、知識ベース３７２２を用いてパーソナ
リティのリスト３７２０を導き出す。これら抽出された
特徴は、標準的な技術（例えば上述のベイズ推論(Bayes
ian inference)やコサイン距離法など）を再び用いて、
指定された文書コンテンツの拡充についての推薦のため
に、新たな文書を分類したり、可能性のあるリスト３７
２０のパーソナリティ群をランク付けしたりするのに活
用される。概略推論モジュール３６１８は、例えば、ラ
ンキングにおいてあるしきい値を超えるすべてのパーソ
ナリティ、又は先頭からＮ個（Ｎは１以上）のパーソナ
リティを推薦する。

【０１２８】パーソナリティ推薦部３７００の変形で
は、ある新たな文書に対してランク付けされたパーソナ
リティ群は、ユーザのプロファイルを用いて再ランク付
けされる。例えば、概略推論モジュール３６１８がある
文書にビジネスとスポーツのパーソナリティを付加して
いるが、データベース３７０８におけるユーザ自身のプ
ロファイルはそのユーザが今まで一度もビジネス・パー
ソナリティを適用したことがないことを示している場合
は、学習システム３７０１がランク付けを変更し、スポ
ーツ・パーソナリティのみを提案したり、スポーツ・パ
ーソナリティにビジネス・パーソナリティよりも高い優
先度を付与したりする。このようにして、ユーザのメタ
文書サーバ２００とのインタラクション履歴を用いて、
そのユーザに合ったパーソナリティ推薦を行うことがで
きる。

【図面の簡単な説明】

【図１】 本発明に係る実施形態におけるメタ文書の概
念図である。

【図２】 メタ文書サーバを有するシステムのブロック
図である。

【図３】 本発明の１つの実施形態におけるメタ文書拡
充を概念的に示す図である。

【図４】 図３に示したメタ文書拡充の一例を示す図で
ある。

【図５】 図２に示したメタ文書サーバにアクセスする
ためのクライアントインタフェースを例示した図であ
る。

【図６】 藁梱製の家及びタイヤ製の家のパーソナリテ
ィが選択された建築パーソナリティのための、図５に示
したウインドウ１０１４を拡大して示す図である。

【図７】 図５においてプロパティ構成ボタン１０２２
が選択されたときに表示される、プロパティウインドウ
１２１０の一例を示す図である。

【図８】 パーソナリティを生成／修正するためのクラ
イアントインタフェースの一例を示す図である。

【図９】 図８のユーザインタフェースで規定されるサ
ーチエンジンで実行されるサーチのプロパティ（属性）
を指定するためのクライアントウインドウの例を示す図
である。

【図１０】 パーソナリティを生成／修正するためのク
ライアントインタフェースの別の例を示す図である。

【図１１】 複数グループのパーソナリティに対して演
算操作を施すことでパーソナリティを生成／修正するた
めのクライアントインタフェースの例を示す図である。

【図１２】 パーソナリティを生成するためのステップ
群を示したフローチャートである。

【図１３】 ２レベル下がることにより生成される拡張
文書１８００の例を示す図である。

【図１４】 サービスを作成するのに用いるフォームを
例示した図である。

【図１５】 図１４に例示したフォームを用いて生成さ
れる４つのサービスの例を説明するための図である。

【図１６】 図１２における動作１７１６でのフィルタ
サービスのための１つの方法を表すフローチャートであ
る。

【図１７】 最高類似度方式を用いてサービスを選択す
る選択プロセスをグラフで表す図である。

【図１８】 図１２における動作１７１６でのフィルタ
サービスのための別の方法を表すフローチャートであ
る。

【図１９】 例を用いた質問の答えを識別する１つの実
施例を表すフローチャートである。

【図２０】 文書コンテンツを拡充するのにｅラーニン
グパーソナリティが選択されたときに使用できるサービ
スのリストの例を示す図である。

【図２１】 文書コンテンツを拡充するのに言語学習パ
ーソナリティが選択されたときに使用できるサービスの
リストの例を示す図である。

【図２２】 指定されたコンテンツまたは文書から認識
されるエンティティに対する振る舞い及び／又はパーソ
ナリティを選択的に指定するためのクライアントインタ
フェースを例示した図である。

【図２３】 テキストカテゴリ分け装置の例を示す図で
ある。

【図２４】 パーソナリティ推薦装置の例を示す図であ
る。

【符号の説明】

１００ メタ文書、１０１ 文書ＩＤ、１０２ 文書コ
ンテンツ、１０４ パーソナリティ、１０６ 文書サー
ビスリクエスト、１０８ 文書マークアップ、１１１
エンティティデータベース、２０４ スケジューラ、２
０６ ネットワークサービス群、２０８ コンテンツ管
理部、２１０ サービスデータベース。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 グレゴリー ティー グレフェンステット フランス ジェール リュー ドゥ ラ リベラシオン 25 (72)発明者 クリステル フェルンシュトローム フランス サン イスミエ シュマン デ ドモアゼル 23 (72)発明者 ローレンス ユベール フランス サン ベルナール ドゥ トゥ ヴェ ル ギヨ (72)発明者 ニコラ ゲラン フランス グルノーブル ブルヴァー ド ゥ マレシャル ルクレール 15 Ｆターム(参考） 5B009 SA00 VA02 VC01 5B075 KK07 ND03 ND40 NR02 NR20 UU06

Claims (3)

【特許請求の範囲】
1. 【請求項１】 文書コンテンツを拡充するためのシステ
   ムであって、 拡充テーマを特定する文書サービスリクエストの集合を
   規定するパーソナリティを指定するためのユーザインタ
   フェースと、 文書コンテンツと前記パーソナリティとを受け取り、そ
   の文書コンテンツとパーソナリティとを備えるメタ文書
   を形成するユーザ管理部と、 前記集合から文書サービスリクエストを選択し、この選
   択した文書サービスリクエストを満たすためにサービス
   プロバイダとの通信を開始し、この通信を管理するスケ
   ジューラと、 前記選択した文書サービスリクエストに対する結果を文
   書マークアップとして前記メタ文書に統合するコンテン
   ツ管理部と、 を備え、前記ユーザインタフェース、前記ユーザ管理
   部、前記スケジューラ、及び前記コンテンツ管理部が協
   動して、代数的計算の組、文書参照の組、あらかじめ規
   定したパーソナリティの組、学習パーソナリティの組、
   知識レベル、及びパーソナリティの分類、の中の１つま
   たは複数の組み合わせが用いて、新たなパーソナリティ
   の作成又は推薦、又は既存のパーソナリティの修正を行
   うように構成した文書拡充システム。
2. 【請求項２】 請求項１記載のシステムであって、 特定された文書の集合から拡張文書を生成し、その拡張
   文書からエンティティデータベースを構築するエンティ
   ティ抽出部と、 前記拡張文書から求められる各フォームごとにサービス
   リクエストを作成し、この作成したサービスリクエスト
   と前記エンティティデータベースとを用いて新たなパー
   ソナリティを規定するサービス生成部と、 を更に備える文書拡充システム。
3. 【請求項３】 請求項１記載のシステムであって、 ユーザが規定した質問を受け取るための手段と、 ユーザが規定した質問に含まれる語彙を識別する手段
   と、 識別した語彙を包括的シンボルに置き換えて包括的質問
   を規定する手段と、 前記包括的質問を新たなパーソナリティ又は既存のパー
   ソナリティの一方に付加する手段と、 を備える文書拡充システム。