JP2005122689A - 情報検索方法 - Google Patents

Abstract

【課題】検索結果の関係を明示的に表現する。
【解決手段】 区別された情報アイテムの集合を情報アイテムの相互の類似性に基づいてノードのアレー内の各ノードにマッピングする情報検索システムであって、類似する情報アイテムをノードのアレー内の類似する位置におけるノードにマッピングする情報検索システムにおいて、ユーザが定義した検索クエリを情報アイテムに適用することによって、情報アイテムの部分集合を選択し、部分集合における各情報アイテムの検索クエリに対する関連性の程度を検出する検索手段と、情報アイテムの部分集合の少なくとも一部に対応するノードの表現をユーザディスプレイ上のノード表示領域内の表示点の２次元表示アレーとして表示するグラフィカルユーザインタフェースとを備え、グラフィカルユーザインタフェースは、対応する情報アイテムの検出された関連性の程度に基づく各表示属性とともに、表示点を表示する。
【選択図】図１６

Description

本発明は、情報検索（information retrieval）に関する。

なお、本発明は、情報検索システム（information search system）に限定されるものではないが、本発明を明瞭に説明するために、この分野における問題点について述べる。

キーワードに基づいて情報（例えば文書、画像、電子メール、特許情報、例えばオーディオ／ビデオコンテンツ等のインターネットコンテンツやメディアコンテンツ等）を検索するための多くの方式が確立されている。この検索の具体例としては、「グーグル（Google：商標）」、「ヤフー（Yahoo：商標）」等から提供されるインターネット検索「エンジン」も含まれ、これらにおいては、キーワードに基づく検索が実行され、検索エンジンによって適合度の順にランク付けされた検索結果のリストが得られる。

しかしながら、多くの場合大量のコンテンツコレクション（massive content collection）と呼ばれる大量のコンテンツを含むシステムにおいては、比較的短い「ヒット」した結果のリストが得られる有効な検索クエリを定式化することは困難となることがある。例えば、本出願を準備している時点では、グーグルにおいて、キーワード「massive document collection」を用いた検索を行うと、ヒット数は、２４３０００件となる。インターネット全体に蓄積されているコンテンツの量は、通常、時間と共に増加すると考えられるので、後に同じ検索を行った場合には、このヒット数は更に増加すると予想される。このようなヒットリストに基づいて、ヒットした全てのコンテンツに目を通す（Reviewing）ことは、現実的には殆ど不可能な程に時間がかかる作業である。

大量のコンテンツコレクションを活用することが困難である理由は、一般的には、以下のようなものがある。
・ユーザは、関連するコンテンツが存在することを知らない。
・ユーザは、関連するコンテンツが存在することを知っているが、そのコンテンツがどこにあるかを知らない。
・ユーザは、コンテンツが存在していることを知っているが、そのコンテンツが関連するコンテンツであることを知らない。
・ユーザは、関連するコンテンツが存在し、そのコンテンツを見つけ出す手法も知っているが、コンテンツを見つけ出すには時間がかかる。

「大量の文書集合の自己組織化（Self Organisation of a Massive Document Collection）」、コホネン（Kohonen）他、ニューラルネットワークに関するＩＥＥＥトランザクション（IEEE Transactions on Neural Networks）、Ｖｏｌ１１、Ｎｏ．３、２０００年５月、５７４〜５８５頁には、所謂「自己組織化マップ（self-organising maps：以下、ＳＯＭという。）」を用いた技術が開示されている。ＳＯＭは、各文書の属性を表す「特徴ベクトル（特徴ベクトル）」をＳＯＭのノードにマッピングする、所謂教師なき自己学習ニューラルネットワークアルゴリズム（unsupervised self-learning neural network algorithm）を利用している。

コホネン他の論文に開示されている手法では、まず、文書テキストを前処理し、前処理された各文書から特徴ベクトルが導かれる。この特徴ベクトルは、大きな単語の辞書における各単語の出現頻度を示すヒストグラムの形式で表してもよい。ヒストグラム内の各データ値（すなわち、辞書中のそれぞれの単語の各出現頻度）は、辞書内の候補となる単語の総数（この論文に記述されている具体例では、４３２２２個）をｎとして、ｎ値のベクトルにおける値となる。例えば、ある単語の適合度を増加させ又は特異性を強調するために、ｎ個のベクトル値に重み付けを適用してもよい。

ｎ値のベクトルは、次元がより小さいベクトル（すなわちｎに比べてかなり小さな値の数ｍ（論文内の具体例では５００）の値を有するベクトル）にマッピングされる。これは、乱数の配列により構成されるｎ×ｍの「射影行列（projection matrix）」をベクトルに乗算することによって実現される。この手法により、次元が小さくされたどの２つのベクトルをとっても、それぞれ対応する２つの入力ベクトルと略同じ内積を有する、次元がより小さいベクトルが生成される。このベクトルマッピング処理は、論文「ランダムマッピングによる次元縮退：クラスタリングのための高速類似性演算（Dimensionality Reduction by Random Mapping; Fast Similarity Computation for Clustering）」、カスキ（Kaski）、ＰｒｏｃＩＪＣＮＮ、４１３〜４１８頁、１９９８年に記載されている。

次元が縮退されたベクトルは、各ベクトルを１つの「モデル（他のベクトル）」に乗算する処理によって、ＳＯＭ上のノード（ニューロンともいう）にマッピングされる。これらのモデルは、学習プロセスによって生成される。この学習プロセスでは、モデルを相互の類似性に基づいてＳＯＭ上に順序付けし、ＳＯＭは、通常、ノードの２次元グリッドとして表される。これは、膨大な演算を必要とする処理であり、コホネン他は、この処理のために、７００万の文書に満たない文書データベースに対して、８００ＭＢのメモリを有する６プロセッサのコンピュータで６週間を費やしている。最終的には、ＳＯＭを構成するノードのグリッドが表示され、ユーザはマップの領域をズームしてノードを選択することができ、これにより、ユーザインタフェースは、そのノードにリンクされた文書が含まれるインターネットページへのリンクを提供する。

しかしながら、上述した便利な表示技術を用いても、検索の結果が膨大になり、ユーザがこの結果を効果的に処理できない場合がある。

本発明に係る情報検索システムは、区別された情報アイテムの集合を情報アイテムの相互の類似性に基づいてノードのアレー内の各ノードにマッピングする際に、類似する情報アイテムをノードのアレー内の類似する位置におけるノードにマッピングする情報検索システムにおいて、（１）ユーザが定義した検索クエリを情報アイテムに適用することによって、情報アイテムの部分集合（subset）を選択し、部分集合における各情報アイテムの検索クエリに対する関連性の程度を検出する検索手段と、（２）情報アイテムの部分集合の少なくとも一部に対応するノードの表現をユーザディスプレイ上のノード表示領域内の表示点の２次元表示アレーとして表示するグラフィカルユーザインタフェースとを備える。そして、（３）グラフィカルユーザインタフェースは、対応する情報アイテムの検出された関連性の程度に基づく各表示属性とともに、表示点を表示する。

本発明は、異なる関連性を有する潜在的に大量の検索結果の表示における問題を、対応する情報アイテムについて検知された関連性の程度に基づいて対応する表示点に異なる表示特性を適用することによって、解決する。例えば、表示点は、より関連性が高い検索結果がより透明度が低く表示されるように、透明度の度合いを変化させて表示してもよい。これにより、ユーザは、より関連性が高い検索結果に注目しやすくなるとともに、関連性が低い検索結果の存在も示される。

情報アイテムは、好ましくは、複数の異なるカテゴリに分類され、グラフィカルユーザインタフェースは、情報アイテムの幾つかに対応するカテゴリに関連付けられた各色で表示点を表示する。

グラフィカルユーザインタフェースは、好ましくは、ノード表示領域に少なくとも部分的に重なり、部分的に透明に表示されるユーザ操作パネルを表示し、ユーザ操作パネルは、少なくとも幾つかの表示された表示点がユーザ操作パネルによって隠されないようにする。このような構成は、特に、使用可能な画面領域が制限されている携帯型機器（所謂、携帯情報端末等）において有効である。すなわち、これにより、少なくとも一部の画面領域を二重に利用することができ、透明度が高い検索結果が、重ねられた画面領域上では目立たなくなるため、更に、関連性が低い幾つかの情報をフィルタリングすることもできる。

また、この情報検索システムは、好ましくは、部分集合から１つ以上の情報アイテムを選択するためのユーザ操作子を備える。グラフィカルユーザインタフェースは、表示領域内において、選択された情報アイテムに対応する表示点の表示手法を変更する。

更に、ユーザが情報アイテムを区別しやすくするために、グラフィカルユーザインタフェースは、好ましくは、これらの表示点を選択された情報アイテムに応じて、異なる色及び／又は明るさで表示してもよい。また、グラフィカルユーザインタフェースは、選択された情報アイテムに対応する表示点を時間的に表示特性が変化するように（例えば、点滅するテキストとして）表示してもよい。

幾つかの検索プロバイダは、検出した関連性の程度を絶対的な尺度、例えばパーセントによって示してもよい。あるいは、インターネット検索プロバイダは、検索引用が返される順序によって示される関連性の程度を示す情報とともに検索結果を提供してもよい。

本発明の更なる側面及び特徴は、添付の請求の範囲において定義されている。

図１は、情報格納及び検索システム（information storage and retrieval system）の構成を概略的に示す図であり、この情報格納及び検索システムは、汎用コンピュータ１０によって実現されており、汎用コンピュータ１０は、プログラム及びデータを格納するディスク記憶装置３０を含むプロセッサユニット２０と、イーサネット（登録商標）（Ethernet（登録商標） network）又はインターネット等のネットワーク５０に接続されたネットワークインタフェースカード４０と、例えば陰極線管等の表示装置６０と、キーボード７０及びマウス８０等のユーザ入力装置とを備える。この情報格納及び検索システムは、プログラム制御の下に動作し、このプログラムは、ディスク記憶装置３０に格納され、及び、例えばネットワーク５０又はリムーバブルディスク（図示せず）から、若しくはディスク記憶装置３０にプリインストールされて提供される。

情報格納及び検索システムは、２つの通常の動作モードで動作する。第１のモードでは、第１の情報アイテム（例えば、テキスト情報アイテム）の集合がディスク記憶装置３０に又はネットワーク５０を介して接続されたネットワークディスクドライブに集められ（assembled）、検索動作のために予めソートされるとともに、インデックスが付けられる。第２のモードの動作では、ソートされ、インデックスが付されたデータに対して実際の検索が行われる。

この具体例は、多くの種類の情報アイテムに適用できる。適用される情報アイテムとしては、以下に限定されるものではないが、例えば、特許情報、ビデオマテリアル、電子メール、プレゼンテーション、インターネットコンテンツ、放送コンテンツ、営業報告書、オーディオマテリアル、グラフィクス及びクリップアート、写真、これらの組合せ又は混合された情報等がある。ここでは、テキスト情報アイテム、又は少なくともテキストコンテンツを含む又は関連した情報について説明する。例えば、オーディオ及び／又はビデオマテリアル等の放送コンテンツは、そのマテリアルをテキスト用語（textual terms）で定義する関連したメタデータを有することができる。

情報アイテムは、従来の方法でディスク記憶装置３０にロードされる。好ましくは、情報アイテムは、アイテムに索引を付けてより容易に検索できるようにデータベース構造の一部として格納されるが、このことは必ずしも必要なわけではない。情報及びアイテムが一旦格納されると、検索のために格納された情報を整理する、図２に示す処理が行われる。

なお、インデックスが付されたデータは、必ずしもローカルのディスクドライブであるディスク記憶装置３０に格納する必要はない。これらのデータは、ネットワーク５０を介して汎用コンピュータ１０に接続されたリモートのドライブに格納することもできる。これに代えて、情報は、分散方式で、例えばインターネット全域の様々サイトに格納することもできる。情報が異なるインターネットサイト又はネットワークサイトに格納されている場合、リモートの情報への「リンク」（例えば、ＵＲＬ）を、例えば関連した要約（summary）、概要（abstract）、又はこのリンク関するメタデータと共に格納する第２のレベルの情報格納を用いることができる。リモートに格納された情報は、ユーザが（例えば、後述する結果リスト２６０から）関連するリンクを選択しない限り、アクセスされないが、以下に記述する技術的な説明においては、リモートに格納された情報、又は要約、概要、メタデータ、若しくはリンク／ＵＲＬも「情報アイテム」とみなすことができる。

換言すると、「情報アイテム」の正式な定義とは、（後述のように）特徴ベクトルを導出及び処理して、自己組織化マップ（ＳＯＭ）へのマッピングを行うことができるアイテムと形式的に定義することができる。後述する結果リスト２６０内のデータは、（情報アイテムがローカルに格納され、容易に表示できる程に十分短い場合）情報アイテム自体であってもよく、及び／又は、例えばメタデータ、ＵＲＬ、概要、キーワードのセット、代表的なキースタンプ画像等のうちの１つ以上である、情報アイテムを表現及び／又は指示するデータであってもよい。これは、必ずではないが、多くの場合、１組のアイテムを表すデータを一覧化する「リスト」動作に特有なものである。

更なる具体例においては、情報アイテムは、例えば研究チームや法律事務所等のネットワーク化されたワークグループ全体に格納してもよい。また、ハイブリッド法は、ローカルに格納された情報アイテム及び／又はローカルエリアネットワーク全体に格納された情報アイテム及び／又はワイドエリアネットワーク全体に格納された情報アイテムを含んでいてもよい。この場合、本発明に基づくシステムは、他者による類似した業績を検索するのに有用であり、例えば、後述するように、複数の国に亘る大規模な研究開発組織において、類似した研究業績をＳＯＭにおける類似した出力ノードにマッピングすることができる。あるいは、新たなテレビジョン番組を企画する場合、本発明に基づく技術を用いて、類似するコンテンツを有する以前の番組を検索することにより、企画中の番組の独創性を確認することもできる。

図１に示す汎用コンピュータ１０は、インデックスが付された情報アイテムを用いる可能なシステムの一例にすぎない。初期の（インデックス付与）段階は、相当の演算能力を有するコンピュータ、可能性としては携帯型ではないコンピュータによって実行されるが、後の段階では、例えば、携帯情報端末（personal digital assistant：ＰＤＡ）（ディスプレイとユーザ入力装置とを備えた、通常片手で持てる程度の寸法のデータ処理装置を指す）、ラップトップコンピュータ等の携帯型コンピュータによって、情報のアクセスを実行してもよく、更に携帯電話、ビデオ編集装置、ビデオカメラ等の機器で行ってもよい。包括的に言えば、情報にアクセスする動作段階では、ディスプレイを有するあらゆる機器を用いることができる。

この処理は、特定の数の情報アイテムに対する処理に限定されるものではない。

情報アイテムの自己組織化マップ（ＳＯＭ）表現を生成する処理について、図２〜図６を用いて説明する。図２は、ＳＯＭマッピング処理の前に行われる、所謂「特徴抽出（feature extraction）」を説明するフローチャートである。

特徴抽出は、生のデータ（raw data）を抽象的表現（abstract representation）に変換する処理である。そして、この抽象的表現は、パターン分類、クラスタリング、認識等の処理に用いることができる。この処理により、所謂「特徴ベクトル」が生成される。特徴ベクトルは、文書内で使用される用語の頻度の抽象的表現である。

特徴ベクトルを生成することにより、ビジュアライゼーション（visualisation）を形成する処理は、以下のステップを含む。
・用語の「文書データベース辞書（document database dictionary）」を作成する。
・「文書データベース辞書」に基づいて、個々の各文書について、「用語頻度ヒストグラム（term frequency histogram）」を作成する。
・ランダムマッピングを用いて、「用語頻度ヒストグラム」の次元を縮退する。
・情報空間の２次元ビジュアライゼーションを作成する。

以下、これらのステップをより詳細に説明する。各文書（情報アイテム）１００は、順番に開かれる。ステップ１１０において、文書から全ての「ストップワード（stop word）」を取り除く。ストップワードとは、例えば「a」、「the」、「however」、「about」、「and」等、予め準備されたリストに挙げられている極めてありふれた単語である。これらの単語は、極めてありふれており、平均的に、十分な長さを有するあらゆる文書において、同様の頻度で出現する可能性が高い。したがって、これらの単語は、特定の文書のコンテンツを特徴付ける目的には殆ど貢献せず、このため、これらのストップワードを削除する。

ストップワードを削除した後、ステップ１２０において、残っている単語の語幹を調べる。これは、単語の活用形に対する共通の原形を見出す処理を含む。例えば「thrower」、「throws」、「throwing」は、共通の語幹又は原形「throw」を有している。

文書内に出現する（ストップワードを除く）単語の語幹又は原形の辞書は、保守される。すなわち、新たな単語が出現すると、この単語は辞書に追加され、文書集合（情報アイテムの集合）全体の中でその単語が出現した回数も記録される。

この結果、その集合内の全ての文書内で使用された用語が、その出現頻度とともに登録されたリストが作成される。出現頻度が高すぎる又は低すぎる単語は除外（discount）され、すなわち、これらの単語は辞書から削除され、後の分析には使用しない。出現頻度が低すぎる単語は、綴り間違いのある単語や、造語（made up）、又はその文書集合によって表されている分野に関係がない単語である可能性がある。一方、出現頻度が高すぎる単語は、その集合内の文書を区別するために用いるには不適切である。例えば、「News」という単語が試験的な放送関連の文書集合全体の内、３分の１の文書において使用されており、一方、「football」という単語がこの試験的な文書集合全体の内、約２％しか使用されていないとする。この場合、「football」は、「News」より、文書のコンテンツを特徴付けるために適切な用語であると考えることができる。一方、「fottball（footballの綴り間違い）」が文書集合全体の内、１回しか出現していないとすると、この単語は、出現頻度が低すぎるとして除外される。これらの単語は、平均出現頻度に対して２標準偏差小さい出現頻度を有する単語、又は平均出現頻度に対して２標準偏差大きな出現頻度を有する単語と定義してもよい。

そして、ステップ１３０において、特徴ベクトルを生成する。

特徴ベクトルを生成するために、集合内の各文書に対して用語頻度ヒストグラムを作成する。用語頻度ヒストグラムは、辞書（文書集合に関連付けられている）内に存在する単語が、個々の文書内で出現する頻度を計数することによって作成される。辞書内の大半の用語は、単一の文書内には存在せず、したがって、これらの用語の出現頻度は０である。図３（ａ）及び（ｂ）は、２つの異なる文書についての用語頻度ヒストグラムの具体例を示している。

この具体例から、用語頻度ヒストグラムが、どのようにして文書のコンテンツを特徴付けているかがわかる。この具体例の場合、文書１は、文書２に比べて、「MPEG」、「Video」という用語の出現頻度が高く、一方、文書２は、文書１に比べて、「MetaData」という用語の出現頻度が高い。用語頻度ヒストグラム内の多くの項目（entry）は、対応する単語がその文書内に存在しないため、値が０となっている。

実際の具体例では、実際の用語頻度ヒストグラムは、この具体例に示す用語頻度ヒストグラムよりも遙かに多くの用語を含んでいる。多くの場合、用語頻度ヒストグラムは、５００００個以上の異なる用語の頻度を示し、したがって、用語頻度ヒストグラムの次元は、５００００以上となる。この用語頻度ヒストグラムの次元は、ＳＯＭ情報空間の構築に使用するためには、かなり減らす必要がある。

用語頻度ヒストグラム内の各項目は、その文書を表現する特徴ベクトルにおける対応する値として使用される。この処理の結果、文書集合内の各文書について、辞書によって特定された全ての用語の頻度を含む（５００００×１）ベクトルが生成される。このベクトルでは、殆どの値が０であり、更にこの他の値の大半が１程度の非常に低い値を取るため、このベクトルは、「疎らな（sparse）」ベクトルと呼ばれる。

ステップ１４０において、特徴ベクトルのサイズ、したがって用語頻度ヒストグラムの次元を小さくする。用語頻度ヒストグラムの次元を小さくする手法としては、例えば以下のような２つの手法がある。
１）ランダムマッピング法：用語頻度ヒストグラムに乱数の行列を乗算する手法。これは、計算機的には安い処理である。
２）潜在的意味抽出法（Latent Semantic Indexing）：文書内で同時に出現する可能性が高い用語のグループを調べることによって用語頻度ヒストグラムの次元を小さくする手法。これにより得られた単語のグループは、単一のパラメータにすることができる。これは、計算機的には高価な処理である。

ここで説明する具体例においては、用語頻度ヒストグラムの次元を低減するために、上述したカスキ（Kaski）の論文に開示されているランダムマッピング法を用いる。ランダムマッピング法では、用語頻度ヒストグラムに乱数の行列を乗算することによって、用語頻度ヒストグラムの次元を縮退する。

上述のように、「生の」特徴ベクトル（図４（ａ）に示す）は、５００００個もの値を有する疎らなベクトルである。このベクトルは、約２００個の値を有するサイズ（図４（ｂ）に示す）にまで縮退されるが、それでもなお、特徴ベクトルの相対的特徴を保持しており、すなわち、同様に処理された他の特徴ベクトルに対する相対角（ベクトル内積）等の関係を保っている。これは、特定の次元の直交ベクトルの数が限られていても、略直交するベクトルの数が非常に多いので、有効である。

実際、ベクトルの次元が増加すると、ランダムに生成されたあらゆるベクトルの集合が、互いに略直交するようになる。このような性質は、ベクトルの相対的な向きは、そのベクトルに乱数の行列を乗算しても保たれることを意味する。この性質は、ランダムマッピングの前後のベクトルの内積の類似性によって示される。

疎らなベクトルの数を５００００個から２００個に低減しても、これらのベクトルの相対的な類似性が保たれることが経験的に確認されている。このマッピングは、完全ではないが、文書のコンテンツを簡潔に特徴付ける目的としては十分である。

文書集合に対して、特徴ベクトルを作成し、文書集合の情報空間を定義した後、ステップ１５０において、意味論的なマップを生成するために、特徴ベクトルを２次元ＳＯＭに射影する。以下、図５を参照して、コホネン（Kohonen）の自己組織化マップを用いて、特徴ベクトルをクラスタリングすることによって２次元にマッピングする処理を説明する。

コホネンの自己組織化マップは、各文書に対して作成された特徴ベクトルをクラスタ化し、組織化するために使用される。

自己組織化マップは、入力ノード１７０と、２次元平面１８５として示されるノードの２次元アレー又はグリッド内の出力ノード１８０とを含む。自己組織化マップをトレーニングするために使用される特徴ベクトルの数と同じ数の入力ノード１７０が存在する。自己組織化マップ上の各出力ノード１８０は、重み付けされたコネクション（weighted connection）１９０（１つのコネクションにつき、１つの重み）によって入力ノード１７０に関連付けられている。

まず、各重みは、ランダムな値に設定され、繰返し処理により、これらの重みが「トレーニング」される。自己組織化マップは、このマップの入力ノード１７０に各特徴ベクトルを供給することによってトレーニングされる。各出力ノードの入力ベクトルと重みとの間のユークリッド距離を算出することにより、「最も近い」出力ノードが算出される。

最も近い出力ノードは、「勝者（winner）」と呼ばれ、このノードの重みは、このノードが入力ベクトルにより近づくように重みの値を若干変更することによってトレーニングされる。勝者のノードに加えて、この勝者のノードに隣接するノードもトレーニングされ、入力ベクトルに若干近づけられる。

単一のノードを重み付けするだけではなく、マップ上のノードの領域を重み付けするこの処理によって、マップは、一旦トレーニングされれば、ノードの２次元マップ内に入力空間のトポロジの大部分を保存することができる。

マップが一旦トレーニングされると、各文書をマップにマッピングし、どの出力ノードが、その文書の入力された特徴ベクトルに最も近いかを確認することができる。重みが特徴ベクトルと等しいことは希であり、特徴ベクトルとこの特徴ベクトルに最も近いノードとの間のユークリッド距離は、「量子化誤差」として知られる。

各文書についての特徴ベクトルをマップに与えて、この特徴ベクトルがどこに存在するかを確かめることにより、各文書について、（ｘ，ｙ）座標で表されるマップ上の位置が得られる。これらの（ｘ，ｙ）座標で表されるマップ上の位置は、文書ＩＤとともにルックアップテーブルで照合することにより、文書間の関係を視覚化するために使用することができる。

更に、ステップ１６０においてディザ成分（dither component）を加算する。ディザ成分については、図６を用いて後に説明する。

上述の手法では、２つの同一の又は実質的に同一の情報アイテムが、ＳＯＭのノードアレー内の同じノードにマッピングされてしまうことがある。これは、データを取り扱う上では問題にならないが、表示画面（後に説明する）上にデータを視覚化して表示する際には問題となる。特に、データを表示画面上に視覚化して表示する場合、多数の非常に似ているアイテムを特定のノードにおいて単一のアイテム上で区別できることが有用であると認められる。したがって、各情報アイテムがマッピングされるノード位置にディザ成分を加算する。ディザ成分は、ノード間隔の最大±１／２をランダムに加算するものである。例えば、図６に示すように、マッピング処理により出力ノード２００が選択された情報アイテムにはディザ成分が加算され、この情報アイテムは、実際には、図６に点線枠で示す領域２１０内の任意のノード位置にマッピングされる。

このように、情報アイテムは、図６の面上において、ＳＯＭ処理の「出力ノード」とは異なるノード位置にマッピングされることもある。

これに代わる手法では、上述したＳＯＭマッピング処理における「出力ノード」を高密度化するものがある。この手法では、全く同一の情報アイテムを区別することはできないが、完全ではないにしても殆どの同一の情報アイテムを、異なってはいるが、近接した出力ノードにマッピングすることができる。

図７は、検索作業のために、ＳＯＭに格納されたデータを視覚的に表示する表示装置６０に表示される画面を示している。この画面には、検索文字列入力枠２５０、結果リスト２６０、ＳＯＭ表示領域２７０が表示されている。

実際の作業では、ユーザは、検索文字列入力枠２５０にキーワード検索文字列を入力する。次にユーザは、キーボード７０のエンターボタンを押圧操作し、又はマウス８０を用いて画面上の検索開始ボタンを選択することにより検索を開始する。キーワード検索文字列入力枠２５０に入力されたキーワードは、標準的なキーワード検索技術を用いて、データベース内の情報アイテムと比較される。この検索の結果は、結果リスト２６０内の各エントリ２８０として表示される。更に、この検索の結果は、ＳＯＭ表示領域２７０上の対応する表示点を有する。

ＳＯＭ表現を作成するために用いたソート処理により、互いに類似する情報アイテムがＳＯＭ内でグループ化されるため、文字列の検索結果は、例えばクラスタ２９０のように、クラスタ内に集中しやすい。ここで、ＳＯＭ表示領域２７０内の各点は、結果リスト２６０内の関連する結果の１つに対応しており、ＳＯＭ表示領域２７０内の各点が表示されている位置は、ノードアレー内におけるこれらのノードのアレー位置に対応している。

ヒット（結果リスト内の結果）の数を少なくする手法を図８を用いて説明する。ユーザは、マウス８０を用いて、興味があるノードに対応する表示点の集合の周辺をボックス３００で囲む。結果リスト２６０内には、ボックス３００内の点に対応する結果のみが表示される。これらの結果が、ユーザの求めるものと違うことが判明した場合、ユーザは、新たなボックスで他の表示点の集合を囲む。

なお、結果リスト２６０は、検索文字列入力枠２５０に入力されたキーワードによる検索条件を満たし、且つ、表示点がボックス３００内にある結果に対応するエントリを表示している。ボックス３００は、ノードアレー内に含まれる（populated）ノードに対応する他の表示点を囲むこともできるが、これらのノードが検索条件を満たしていない場合、これらのノードは表示されず、したがって、結果リスト２６０内の結果には含まれない。

結果リスト２６０内のエントリのノード位置を検索する作業について、図９を用いて説明する。グラフィックユーザインタフェースの分野における標準的な技術、例えば「ウィンドウズ（Windows：商標）」を用いたコンピュータにおいて、ユーザは、検索リスト２６０内の１つ以上のエントリを「選択」することができる。この選択は、この具体例では、関連する結果に関連付けられた「チェックボックス」３１０をクリックすることによって実行される。また、結果全体をクリックにより強調し、又は関連する結果をダブルクリックすることによって選択を行ってもよい。結果が選択されると、ノードアレー内の各ノードを表す対応する表示点が、他とは異なるように表示される。この具体例では、検索リスト２６０内において選択された結果３３０に対応する２つの表示点３２０を示している。

表示点の表示法の変更は、表示点の大きさの拡大であってもよく、同じ表示色における明るさの変更であってもよく、異なる表示色による表示であってもよく、これらの属性の変更の組合せであってもよい。

いかなる時点においても、ＳＯＭに新たな情報アイテムを追加することができる。この処理は、上述したステップ（すなわち、ステップ１１０〜ステップ１４０）を実行し、これにより得られた縮退された特徴ベクトルを「先にトレーニングされている」ＳＯＭモデル、すなわちマップの自己組織化処理によって得られたＳＯＭモデルの組に適用することによって行われる。したがって、新たに追加された情報アイテムについては、マップは、通常、「再トレーニング」されない。これに代えて、変更されていない全てのＳＯＭモデルとともに、ステップ１５０及びステップ１６０を実行する。新たな情報アイテムが追加される毎にＳＯＭを再トレーニングすると、演算コストが高くなり、また、ユーザは、マップ内においてよくアクセスする情報アイテムの相対的位置に慣れてくるので、再トレーニングは、ユーザを困惑させる場合もある。

しかしながら、再トレーニング処理を行う方が望ましい場合もある。例えば、最初にＳＯＭが作成された後に、新たな用語（例えば、ニュース又は新たな技術分野における新たな用語）が辞書に追加されたとすると、これらの新たな用語は、既存の出力ノードの組には、うまくマッピングできない場合がある。これは、新たに受け取った情報アイテムの既存のＳＯＭへのマッピングの際に検出される所謂「量子化誤差」の増大によって検出される。この具体例では、量子化誤差を誤差量の閾値と比較する。量子化誤差が閾値を超えている場合、（ａ）ＳＯＭに元から含まれる情報アイテム及びＳＯＭの作成後に加えられたあらゆる情報アイテムを用いてＳＯＭを自動的に再トレーニングし、又は（ｂ）適切なときに再トレーニング処理を開始するようユーザに促す。再トレーニング処理は、関連する全ての情報アイテムの特徴ベクトルを用いて、ステップ１５０及びステップ１６０を全ての特徴アイテムを用いて再び実行することによって行われる。

図１０は、ビデオ取得及び／又は処理装置（video acquisition and/or processing apparatus）の具体例として、カムコーダ５００の構成を示す図である。カムコーダ５００は、撮像素子５１０と、撮像素子５１０に取り付けられたレンズ５２０と、データ／信号プロセッサ５３０と、テープ状記録媒体５４０と、ディスク状又はランダムアクセス記録媒体５５０と、ユーザ操作子５６０と、表示装置５７０と、表示装置５７０に取り付けられた接眼レンズ５８０とを備える。周知のカムコーダ又は他の代替物におけるこの他の特徴（例えば、異なる記録媒体又は異なる表示画面構成）は、当業者にとって明らかである。実際の使用時には、捕捉されたビデオマテリアルに関連するメタデータがディスク状又はランダムアクセス記録媒体５５０に保存され、この保存されたデータに関連するＳＯＭが表示装置５７０に表示され、ユーザ操作子５６０を用いて、上述のように制御される。

図１１は、携帯可能なデータ表示装置の具体例として、携帯情報端末（personal digital assistant：以下、ＰＤＡという。）６００の構成を示す図である。ＰＤＡ６００は、表示領域６２０及びユーザ操作子として機能するタッチセンサ領域６３０を有する表示画面６１０と、データ処理部及びデータ記録部（図示せず）とを備える。ここでも、この分野における当業者は、変形例を容易に想到できる。ＰＤＡ６００は、図１を用いて説明したシステムと同様に使用することができる。

図１２は、インターネットに接続された様々なサイトにおいて、ローカル及び／又はリモートに保存されている情報のための検索インタフェースを提供する本発明の実施例を示している。この構成は、検索アプレット（search applet）７１０と、検索ウェブサービス（search web service）７２０と、例えばビデオアーカイブ（video archive）７４２、ウェブ検索エンジン７４４、ローカルエリアネットワーク（local area network：ＬＡＮ）７４６等の情報ソースとのインタフェースを司るインデックスサービス（index service）７３０とを備える。また、この構成は、意味マップサービス（semantic map service）７５０と、関連するキャッシュ７６０とを備える。

検索アプレット７１０は、ユーザが検索クエリを入力するためのユーザインタフェースを提供する。アプレット（applet）とは、ウェブページのハイパーテキストマークアップ言語（hypertext markup ＬＡＮguage：ＨＴＭＬ）ソースコードによって参照することができるオブジェクト指向言語であるＪａｖａ（登録商標）で書かれた小さなアプリケーションプログラムである。検索アプレット７１０は、ウェブサーバからインターネットブラウザに動的にダウンロードすることができ、ブラウザによって提供される環境内で実行することができる。Ｊａｖａは、インターネットの分散型コンピューティング環境（distributed computing environment）において使用できるように設計されたコンピュータプログラミング言語である。Ｊａｖａプログラムは、ソースプログラムがＪａｖａ仮想マシン（Java virtual machine）を有するサーバ又はクライアント上であればネットワーク内のどこでも実行できるＪａｖａバイトコードにコンパイルされているため、コンピュータネットワーク内を移動（portable）することができる。Ｊａｖａ仮想マシンは、バイトコードを解釈実行するために用いられる。

ユーザは、検索を開始するために、アプレットに関連したグラフィカルユーザインタフェース（Graphical User Interface：ＧＵＩ）のダイアログボックス２５０（図１３参照）に所望のキーワードを入力した後、コンピュータキーボードのリターンキーを押し、又はマウスを用いてＧＵＩの「検索」アクションボタンをクリックする。これにより、アプレットは、ユーザが入力したキーワードに基づいて、情報の検索を開始する。検索アプレット７１０は、シンプルオブジェクトアクセスプロトコル（Simple Object Access Protocol：ＳＯＡＰ）を用いて検索ウェブサービス７２０と、通信を行う。

ＳＯＡＰは、ワールドワイドウェブのハイパーテキストトランスファープロトコル（Hypertext Transfer Protocol：ＨＴＴＰ）及びその拡張マークアップ言語（Extensible Markup ＬＡＮguage：ＸＭＬ）を情報交換のメカニズムとして用いて、ある種類のオペレーティングシステムで動作しているプログラムが同じ又は異なるオペレーティングシステムで動作しているプログラムと通信を行うことができるプロトコルである。ＳＯＡＰは、ＨＴＴＰヘッダと、ＸＭＬファイルとをどのようにしてエンコードするかを定めており、これにより、１つのコンピュータ内のプログラムが異なるコンピュータ内のプログラムを呼び出し、そのプログラムに情報を渡すことができる。更に、ＳＯＡＰは、呼び出されたプログラムがどのようにして応答を返すかも定義している。ＨＴＴＰ要求は、通常、ファイアウォールを通過することを許可されているため、ＨＴＴＰ ＳＯＡＰを用いることにより、アプリケーションにとって既知である要求以外の要求を排除するために用いられるファイアウォールサーバを越えて、プログラムを呼び出すことができる。ＳＯＡＰは、メッセージのコンテンツのフレームワークと、メッセージをどのように処理するかとを定義するエンベロープ（envelope）を提供するコンポーネントと、アプリケーションにおいて定義されたデータタイプのインスタンスにフラグを付すための符号化規則の組を定義するコンポーネントと、リモートプロシージャの呼出及び応答を表現するための規則（convention）を提供するコンポーネントとの３個の主なコンポーネントを備える。この実施例では、ＡＸＩＳとして知られるＳＯＡＰのインプリメンテーションを使用する。本発明の変形例においては、検索アプレットと利用可能なサービスとの間のインタフェースとしてＳＯＡＰ以外のプロトコルを用いてもよい。例えば、変形例においては、Ｊａｖａリモートメッソド呼出（Java Remote Method Invocation：ＲＭＩ）、リモートプロシージャコール（Remote Procedure Call：ＲＰＣ）、又は単純な伝送制御プロトコル／インターネットプロトコル（Transmission Control Protocol/Internet Protocol：ＴＣＰ／ＩＰ）ソケットをこの目的で用いてもよい。

ＨＴＴＰは、ウェブ上のテキスト、画像、音声、映像及びこの他のマルチメディアファイルの交換を定義する１組の規則を含むアプリケーション層プロトコルである。ＨＴＴＰの基本的な概念の１つとして、ファイルは、インターネット内のいずれかの場所に存在する情報への相互参照を提供するハイパーテキストリンクを含むことができる。ＨＴＭＬファイルの形式の情報は、クライアントの要求に応じて転送したりダウンロードしたりすることができる。

ＸＭＬは、マークアップ言語である。最も広く用いられているマークアップ言語であるＨＴＭＬは、ヘディング及びタイトルに関して文書構造を定義し、及び例えば、キャプション及びフォント等に関する表現を定義することによって、ウェブブラウザに対し、ウェブページのテキスト及び画像をどのように表示するかに関する命令を提供する。一方、ＸＭＬは、共通の情報フォーマットを定義し、及びウェブ及びイントラネット上でこれらのフォーマットと関連するデータとを共有する手法を提供する。ＨＴＭＬは、テキスト及び情報をどのように表示し、どのようにインタラクトさせるかを定義する目的に制限されているが、ＸＭＬでは、アプリケーション開発者は、例えば、タグ＜ＤＡＴＥ＞及び＜ＣＨＡＮＮＥＬ＞は、テレビジョン番組リストを含む文書内で用いられると定義する等、文書内のセクション又は単語を特定のデータカテゴリに属するものであるとマークするカスタムタグを定義することができるため、ＸＭＬは、文書のコンテンツに関する文脈的情報（contextual information）を提供することができる。また、ＸＭＬ文書においては、カスタムタグ利用して、選択的な情報を特定及び抽出することにより、データ処理タスクを実行することができる。これは、例えば、ビデオアーカイブ及び文書集合等の膨大な情報を含むレポジトリ（repository）からコンテンツを選択的に検索し、範疇化する場合に特に有用である。

ウェブ検索サービス７２０は、Ｊａｖａアプリケーションサーバプラットホームを有し、ＨＴＴＰによって、インデックスサービス７３０及び意味マップソース７５０と通信を行う。ウェブ検索サービス７２０は、ユーザが入力したキーワードをインデックスサービス７３０に伝える。インデックスサービス７３０は、３つの異なる情報レポジトリ、すなわちビデオアーカイブ７４２、ウェブ検索エンジン７４４及びローカルエリアネットワーク７４６のコンテンツへのインタフェースを提供する。ユーザが入力したキーワードは、例えば、「Ｇｏｏｇｌｅ（商標）」等のウェブ検索エンジンに供給され、これにより、関連するウェブページが検索される。ウェブ検索エンジンは、検索が可能な各ウェブサイトの全てのページ又は代表的なページを調べ、ウェブページのコンテンツを分析し、各ページのハイパーテキストリンクを用いてウェブサイトの他のページにアクセスする「スパイダ（spider）」と、読み出されたウェブページから大量のインデックスを生成するプログラムと、検索要求を受け取り、この検索要求とインデックス内のエントリとを比較し、検索条件との一致を返すプログラムとを備えるコンピュータプログラムの調整された組（co-ordinated set）である。

ビデオアーカイブ７４２及びＬＡＮ７４６内の情報コンテンツは、予めログとして保存（pre-logged）してもよい。インデックスサービス７３０は、３つのレポジトリ７４２、７４４、７４６からユーザが入力したキーワードに関連すると判定された全ての情報コンテンツを抽出し、「ヒット」した各アイテムに関する情報ロケータ（information locator）、ショートタイトル（short title）及び簡単な記述子（brief descriptor）を返す。ユニフォームリソースロケータ（uniform resource locator：ＵＲＬ）は、情報ロケータとして用いられる。ＵＲＬは、ウェブページについて、通常、ＨＴＴＰプロトコルと、インターネットサーバロケーションと、ファイルパス及びファイル名とを特定する。また、ＵＲＬは、ビデオアーカイブ７４２内の及びＬＡＮ７４６上のファイルを識別し、見つけるためにも用いられる。ＵＲＬ及び対応する文書記述子は、意味マップソース７５０に供給され、意味マップソース７５０は、図２〜図６を用いて上述した情報アイテム類似性マッピング分析（information item similarity mapping analysis）を実行する。

ＵＲＬが供給された各情報アイテムに対して適切な特徴ベクトルを生成するために、意味マップソース７５０は、情報をダウンロードし、ダウンロードされたデータに対して、単語頻度分析を行う。上述のように、特徴ベクトル成分の値は、文書内の又は関連するビデオクリップを記述するメタデータ内の対応する単語の出現の相対頻度に等しい。これに代えて、出現頻度の関数及び単語の重要性を用いて、特徴ベクトル成分を判定してもよい。特徴ベクトルの生成を容易にするために、意味マップソース７５０は、供給されたＵＲＬに基づき、２００個の並列プログラムスレッドに情報を同時にダウンロードすることができる。スレッドとは、コンピュータプログラム処理内の実行（execution）のシーケンスである。スレッドは、自らのアドレス空間を有しておらず、スレッドが実行されているプロセルのメモリ及び他のリソースを使用する。ダウンロードをスレッド方式で行うことにより、マッピング効率が向上する。（ｘ，ｙ）マッピング点は、縮退された特徴ベクトル（reduced feature vector）に基づき、検索キーワードに関連付けられた各ＵＲＬに対して、すなわち各検索引用（search citation）に対して、算出される。（ｘ，ｙ）マッピングは、情報アイテム記述子とともに用いられ、ＳＯＭ表示領域２７０のノード上で表示点をクラスタ化することによって検索引用間の関係の抽象的表現（abstract representation）、視覚的表現（visualisation）が提供される。マッピング処理を実行する前に、まず、各ＵＲＬについてキャッシュ７６０のコンテンツを確認し、特定のＵＲＬが既にマッピングされているか否かを判定する。キャッシュがヒットした場合、（ｘ，ｙ）マッピング値をキャッシュから直接読み出すことができる。これにより、情報アイテムをダウンロードし、又は特徴ベクトルを再計算する必要がなくなる。

図１３は、ＳＯＭによって表現される異なる情報のカテゴリが、色が異なる表示点によって区別されているグラフィカルユーザインタフェースを示している。図１３に示すように、ユーザは、ダイアログボックス２５０に「SPORT」というキーワードを入力し、これにより、この具体例では、ビデオアーカイブ７４２、ローカルエリアネットワーク（ＬＡＮ）７４６及びウェブ検索エンジン７４４によるインターネットである検索された情報レポジトリ内の情報アイテムにこのキーワードを相関させることによって検索結果のリストが生成される。リスト表示領域（list view）２６０には、情報アイテム識別子及び短い記述子とともに各検索結果の引用文（results list citation）が表示される。記述子及び識別子は、インデックスサービス７３０によって提供される。リスト表示領域２６０は、関連性（relevancy）の度合い、日付、種類、ジャンル等に基づき、又はアルファベット順に検索引用を表示するための選択肢をユーザに提供する。ノード表示領域２７０内の各表示点は、検索引用に関連付けられている。この実施例では、「SPORT」検索要求に応答して、情報アイテムの３つのサブカテゴリ、すなわちFOOTBOLL、RUGBY、ATHLETICSが返されている。これらの３つの情報のカテゴリは、より詳細な検索を行うための代替的なキーワードとして用いることができる。コンテンツカテゴリによる検索結果の分布に関する視覚的情報をユーザに提供するために、ノード表示領域２７０内の表示点は、情報コンテンツカテゴリに応じて色付けされる。この実施例では、FOOTBOLLに関連する情報アイテムは、黒に色付けされ、RUGBYに関連する情報アイテムは、グレーに色付けされ、ATHLETICSに関連する情報アイテムは、白に色付けされている。変形例においては、異なる幾何学的形状（例えば、正方形、円形、三角形、星形等）の表示点を用いて、又は、図９に示すように、異なる大きさの表示点を用いて、情報カテゴリを区別してもよい。

図１４は、選択された情報のカテゴリ、この場合「RUGBY」を時間的に変化する表示点によって表す変形例を示している。詳しくは、RUGBYに関する情報アイテムに関連付けられている複数の表示点８１０は、一定の周期で点滅（flash on and off）するように表示されている。RUGBYに関連付けられている情報アイテムは、代替的なキーワード（例えば、単語「RUGBY」自体）を入力する等の、ユーザによって開始された詳細な検索に基づいて、結果リストにおいて最も関連するアイテムであると判定される。詳細な検索に最も関連する結果は、適切な表示点８１０の点滅を起動することによって全体の結果リストにおける関連性が低い情報アイテムから区別される。これに代えて、時間的に変化する表示点（例えば、脈動するドット（pulsating dot））を用いて、ユーザによって選択された全体的な情報カテゴリ以外の個々の情報アイテムを表現してもよい。更なる変形例として、標準的な大きさより大きい又は小さい表示点を用いて、又は選択された情報アイテムにフラグを付す（flagging）ことにより、選択された情報アイテムを表示してもよい。

図１３及び図１４に示す具体例では、検索問合せ（search enquiry）に対する情報アイテムの関連性の程度は、インデックスサービス７３０によって返されたコンテンツ範疇化情報（content categorisation information）により評価される。コンテンツ範疇化情報は、情報アイテムのタイトル及び短い記述子を含む。なお、変形例においては、ウェブ検索引用の関連性の程度は、検索引用を提供するウェブ検索エンジン７４４によって返された情報から導出される。この場合、例えば、６０〜１００％の関連性を有する情報アイテムには、赤い表示点を割り当て、２０〜６０％の関連性を有する情報アイテムには、緑の表示点を割り当て、２０％以下の関連性を有する情報アイテムには、青の表示点を割り当てる等、所定の関連性の範囲に基づいて、表示点の色又はこの他の属性を決定することができる。これに代えて、ウェブ検索エンジン７４４から結果リストの項目が返された順序によって関連性の度合いを示してもよく、より関連性が高い情報アイテムをリストの上位に位置付けてもよい。この場合、例えば、（返される順序における）最初の３個の情報アイテムには、赤の表示点を割り当て、次の３個の情報アイテムには、緑の表示点を割り当て、最後の３個の情報アイテムには、青の表示点を割り当ててもよい。

図１５Ａ及びＢは、部分的に透明なユーザ制御パネルを介して見た場合に、ＳＯＭによって表現される異なる情報のカテゴリが異なるレベルの透明度を有する表示点として表されている、ＰＤＡ６００の表示画面６１０上に表示されるグラフィカルユーザインタフェースを図式的に示している。図１５Ａは、表示領域６２０内にレンダリングされた全ての表示点を示している。表示点は、以下に示す３つの区別された関連性クラス（relevancy classes）のいずれかに属する。すなわち、関連性が最も低い情報アイテムのカテゴリは、白い表示点８２０のグループによって表現され、中間の関連性を有する情報アイテムのカテゴリは、２つのグレーの表示点８３０によって表現され、最も関連性が高い情報アイテムのカテゴリは、３つの黒い表示点のクラスタによって表現されている。図１５Ｂは、図１５Ａの表示点に重なる部分的に透明なユーザ操作パネル８５０を重ねた場合の効果を示している。ユーザ操作パネルをノード表示領域に重ねることにより、ＰＤＡの限られた画面領域をより効率的に利用することができる。

透明な効果は、通常、アルファブレンド（Alpha blending）と呼ばれる技術を用いて、実現される。アルファブレンドを行うと、ソースカラー及びデスティネーションカラーの２つの色が混合される。ソースカラーは透明な前景のオブジェクト、この具体例では、ユーザ操作パネル８５０の（少なくとも一部）に貢献する色である。デスティネーションカラーは、検討されているピクセル位置に既に存在する色であり、これは、他のオブジェクト、例えばノード表示領域内の表示点をレンダリングした結果得られる。デスティネーションカラーは、透明なオブジェクトを介して見ることができる色である。前景の画像の各画素には、透明度を表すアルファ値（Alpha value）が割り当てられる。次に、このアルファ値を用いて、各画素に対して、前景画像及び背景画像の色の重み付け平均値を算出する。

図１５Ａと図１５Ｂを比較すると、最も関連性が高いカテゴリに属する黒の表示点のクラスタ８６０及び中間の関連性を有するグレーの表示点の対８３０は、ユーザ操作パネル８５０によって重ねられないため、可視のまま残っていることがわる。一方、ユーザ操作パネル８５０が重ねられているノード表示領域の一部において、白の点によって表されている最も関連性が低い情報アイテムのクラスタ８２０は、部分的に透明なユーザ操作パネルを介しては視認できない程に目立たなくなっている。これに対し、最も高い関連性を有する情報アイテムに対応する黒の表示点８７０は、ユーザ操作パネル８５０を介しても可視の状態のまま残っている（但し、これらは、ユーザ操作パネル８５０を重ねない場合に比べれば、目立たなくなっていてもよい）。ユーザ操作パネル８５０の領域において、ダイアログボックス及び動作ボタン等に対するユーザ入力を行った場合、下層にある表示点が選択されないようにすることが望ましい。但し、ユーザは、重ねられた表示点の少なくとも部分集合（subset）を選択することができる。

図１６は、ノード表示領域２７０の一部に部分的に透明なユーザ操作パネルを重ねる変形例を示す図である。この変形例では、ウィンドウ９１０は、ノードのマトリクス全体の包括的な「ズームアウト（zoomed out）」ビューを表示し、一方、周囲の画面領域は、任意の時刻における特定のノードの部分集合のみを表示している。表示される特定の部分集合は、包括的ビューウィンドウ（global view window）９１０として選択された領域に対応している。部分的に透明なユーザ操作パネルは、包括的ビューウィンドウ９１０を除くノード表示領域２７０全体に重ねられる。図１５Ａ及び図１５Ｂの具体例と同様、各表示点は、それぞれの関連性の度合い又はカテゴリに基づき、ユーザ操作パネルを介して、ある程度の可視性を有する。これにより、拡大されたビューにおいては、最も関連性が高い表示点のみが目立つようになる。包括的ビューウィンドウ９１０においては、ユーザ操作パネルが表示点を隠すことはないが、これらの表示点は、著しく縮小されたスケールで表示される。

この実施例では、検索クエリダイアログボックス２５０には、キーワード「SHOWS（ショー）」が入力され、これに対して検索引用、すなわちＤＩＹ（日曜大工）、DRAMA（ドラマ）、NATURE（自然）及びDOCUMETARY（ドキュメンタリー）といった複数の異なるカテゴリが返されている。包括的ビューウィンドウ９１０の選択された部分９１２は、DOCUMETARYに対応しており、したがって、ユーザ操作パネルを介して目立つように表示されている表示点は、DOCUMETARYショーに関連するノードマトリクスの一部の拡大されたビューに対応する。部分９１２は、マウスクリックではなく、「マウスオーバー（mouse-over）」イベント（すなわち、マウスカーソルを表示領域内の適切な位置に移動させる操作）によって起動される。これにより、ユーザには、部分９１２に対応するマップの領域及びそこで見出される情報の説明（indication）が表示される。部分９１２をマウスでクリックすることにより、ユーザは、マップの対応する部分にナビゲートされる。ユーザは、拡大スケールノード画面の端に示されている矢印をクリックすることによって、ノードマップの異なる領域間を行き来することができる。詳しくは、画面の右下コーナ部に表示されている矢印９２０をクリックすることにより、「NATURE」のカテゴリに関連する表示点が表示され、画面の右上コーナ部に表示されている矢印９２２をクリックすることにより、「DRAMA」ショーに関連する表示点が表示され、画面の左下コーナ部に表示されている矢印９２４をクリックすることにより、「DIY」に関連する表示点が表示される。更に、ユーザは、包括的ビューウィンドウ９１０のズーム制御ボックスを操作することにより、マップの表示を変更させることができる。すなわち、ズーム制御ボックスを移動させると、これに応じてマップが移動し、また、ズーム制御ボックスの大きさを変更すると、これに応じてマップの大きさが変更される。

拡大ビューに現在表示されているノードマトリクスの領域は、DOCUMETARYショーに関連しているので、ユーザ操作パネルは、DOCUMETARYショーを更に詳細に検索するために用いられる代替えとなるキーワードを表示している。具体的には、ユーザは、POLITICAL（政治）、HEALTH（健康）、所謂「FLY ON THE WALL（２４時間密着型）」番組、又はSCIENCE（科学）、DOCUMENTARY（ドキュメンタリー）等の代替えとなるキーワードを選択することができる。DOCUMENTARYの表示点の拡大ビューの上には、ユーザ操作パネルが重ねられるが、ユーザは、下層にある目立っている表示点を選択することができる。この実施例では、表示点のクラスタ９３０が選択され、３つの代表的なキースタンプ（representative key-stamp：ＲＫＳ）画像の組９４２、９４４、９４６（RKS）が選択される３つの表示点のそれぞれに対応して表示される。ＲＫＳは、ビデオシーケンスの最初のフレーム又はウェブページ又は他の文書を代表する画像を含んでいる。

添付の図面を参照して本発明を詳細に説明したが、本発明は上述の実施の形態の詳細に限定されるものではなく、当業者は、添付の請求の範囲に定義された本発明の思想及び範囲から逸脱することなく、上述の実施の形態を様々に変更及び修正することができる。

情報保存及び検索システムの構成を示す図である。 自己組織化マップ（ＳＯＭ）の作成の手順を説明するフローチャートである。 用語頻度ヒストグラムを示す図である。 （ａ）は、生の特徴ベクトルを示す図であり、（ｂ）は、縮退された特徴ベクトルを示す図である。 ＳＯＭの構造を示す図である。 ディザ処理を説明する図である。 ＳＯＭによって表現された情報にアクセスするためのユーザインタフェースを提供する表示画面を示す図である。 ＳＯＭによって表現された情報にアクセスするためのユーザインタフェースを提供する表示画面を示す図である。 ＳＯＭによって表現された情報にアクセスするためのユーザインタフェースを提供する表示画面を示す図である。 ビデオ取得及び／又は処理装置の具体例として、カムコーダの構成を示す図である。 携帯型データ処理装置の具体例として、携帯情報端末の構成を示す図である。 インターネット内の様々なサイトにローカル及び／又はリモートに保存されている情報のための検索インタフェースを提供する構成の具体例を図式的に示す図である。 異なる情報のカテゴリが異なる色を有する表示点によって、表現されるグラフィカルユーザインタフェース（ＧＵＩ）を図式的に示す図である。 情報アイテムが時間的に変化する表示点によって表現されるＧＵＩを図式的に示す図である。 部分的に透明なユーザ操作パネルを介して見たときに、レベルの異なる透明度を有する表示点として異なる情報のカテゴリを表示するＰＤＡのＧＵＩを図式的に示す図である。 部分的に透明なユーザ操作パネルをノード表示領域上に重ねた具体例を図式的に示す図である。

Claims (17)

1. 区別された情報アイテムの集合を該情報アイテムの相互の類似性に基づいてノードのアレー内の各ノードにマッピングする際に、類似する情報アイテムをノードのアレー内の類似する位置におけるノードにマッピングする情報検索システムにおいて、
   （１）ユーザが定義した検索クエリを上記情報アイテムに適用することによって、該情報アイテムの部分集合を選択し、該部分集合における各情報アイテムの上記検索クエリに対する関連性の程度を検出する検索手段と、
   （２）上記情報アイテムの部分集合の少なくとも一部に対応するノードの表現をユーザディスプレイ上のノード表示領域内の表示点の２次元表示アレーとして表示するグラフィカルユーザインタフェースとを備え、
   （３）上記グラフィカルユーザインタフェースは、対応する情報アイテムの上記検出された関連性の程度に基づく各表示属性とともに、上記表示点を表示する情報検索システム。
2. 上記情報アイテムは、複数の異なるカテゴリに分類され、上記グラフィカルユーザインタフェースは、上記情報アイテムの幾つかに対応するカテゴリに関連付けられた各色で上記表示点を表示することを特徴とする請求項１記載の情報検索システム。
3. 上記グラフィカルユーザインタフェースは、対応する情報アイテムの上記検出された関連性の程度に応じたレベルの透明度で上記表示点を表示することを特徴とする請求項１記載の情報検索システム。
4. 上記グラフィカルユーザインタフェースは、関連性がより低い情報アイテムの表示点をより高い透明度で表示することを特徴とする請求項３記載の情報検索システム。
5. 上記グラフィカルユーザインタフェースは、上記ノード表示領域に少なくとも部分的に重なり、部分的に透明に表示されるユーザ操作パネルを表示し、該ユーザ操作パネルは、少なくとも幾つかの表示された表示点が当該ユーザ操作パネルによって隠されないようにすることを特徴とする請求項３記載の情報検索システム。
6. 上記部分集合から１つ以上の情報アイテムを選択するためのユーザ操作子を備え、
   上記グラフィカルユーザインタフェースは、上記表示領域内において、選択された情報アイテムに対応する表示点の表示手法を変更することを特徴とする請求項１記載の情報検索システム。
7. 上記グラフィカルユーザインタフェースは、上記選択された情報アイテムに対応する表示点を少なくとも異なる大きさで又はフラグを付して表示することを特徴とする請求項６記載の情報検索システム。
8. 上記グラフィカルユーザインタフェースは、上記選択された情報アイテムに対応する表示点を時間的に表示特性が変化するように表示することを特徴とする請求項６記載の情報検索システム。
9. 上記検索手段は、インターネット検索プロバイダへのインタフェースを備え、上記検索クエリを該インターネット検索プロバイダに供給し、該インターネット検索プロバイダによって割り当てられた関連性の程度が関連付けられた検索引用を含む検索結果を該インターネット検索プロバイダから受け取ることを特徴とする請求項１記載の情報検索システム。
10. 上記インターネット検索プロバイダは、上記検索引用が返される順序によって示される関連性の程度を示す情報とともに、上記検索結果を提供することを特徴とする請求項９記載の情報検索システム。
11. 請求項１記載の情報検索システムを備える携帯型情報処理装置。
12. 請求項１記載の情報検索システムを備えるビデオ取得及び処理装置。
13. 区別された情報アイテムの集合を該情報アイテムの相互の類似性に基づいてノードのアレー内の各ノードにマッピングする際に、類似する情報アイテムをノードのアレー内の類似する位置におけるノードにマッピングする情報格納方法において、
    （１）ユーザが定義した検索クエリを上記情報アイテムに適用することによって、該情報アイテムの部分集合を選択するステップと、
    （２）上記部分集合における各情報アイテムの上記検索クエリに対する関連性の程度を検出するステップと、
    （３）上記情報アイテムの部分集合の少なくとも一部に対応するノードの表現をユーザディスプレイ上のノード表示領域内の表示点の２次元表示アレーとして、対応する情報アイテムの上記検出された関連性の程度に基づく各表示属性とともに表示するステップとを有する情報格納方法。
14. 請求項１３記載の情報格納方法を実行するためのプログラムコードを有するコンピュータソフトウェア
15. 請求項１４記載のプログラムコードを提供するための提供媒体。
16. 上記媒体は、記録媒体であることを特徴とする請求項１５記載の提供媒体。
17. 上記媒体は、伝送媒体であることを特徴とする請求項１５記載の提供媒体。

Images