JP2006525601A - 概念ネットワーク - Google Patents

Abstract

ユーザ問い合わせに応答して生成され得る概念ネットワーク（１００）。一実施形態において、概念ネットワーク（１００）は、サーチツールと共に使用されている。サーチツールは複数のデータ記憶場所をサーチする。各データ記憶場所は、１つのノード（３０２）を用いて構成される。ノードのうちのいくつかのものは、少なくとも１つのリンク（３０６）によって接続される。概念ネットワーク（１００）はリンク（３０６）に基づいてノードのうちのうちのいくつかのものの一部を選択し、その少なくとも１つのリンクはコンテンツのために使用される（３０６）。

Description

本開示はサーチツールに関し、より詳細には、表示されるサーチ結果に関する。

インターネットなどのネットワークの急速な成長に伴って、サーチの正確さおよび品質がますます重要になっている。しかしながら、多くのユーザは、サーチエンジンを使ったサーチは、その多くがユーザが送った問い合わせ（ｑｕｅｒｙ）にあまり当てはまらない多数の（おそらく何千もの）結果を生み出すと感じている。そのため、多くのユーザが、サーチ結果に不満を持つようになっている。また、ユーザの中には、問い合わせで返される結果が多数であることが、インターネットに含まれる重要な情報を分かりにくくすると感じている人もいる。

大部分の従来技術のサーチエンジンは、主に、キーワード比較に基づくものである。世界の上位Ｎ社（Ｎは整数とする）のデジタルカメラ製造会社を尋ねる問い合わせを考える。キーワード比較サーチエンジンは、キーとなる用語「デジタルカメラ」を含むいくつかのＷｅｂページ、およびキーとなる用語「製造会社」を含む他のＷｅｂページを返すはずである。したがって、キーワード比較サーチエンジンにおいて返される、デジタルカメラ製造会社に関連する結果の合計のパーセンテージは比較的小さい。また、キーワード比較サーチエンジンは、それらのＷｅｂページに基づいて、個々のデジタルカメラ製造会社が、他のデジタルカメラ製造会社より大きく、またはよりよく知られているかどうか比較する方法（あるいは他の何らかの定量化可能な比較方法）も持たない。そのため、主にキーワード比較に基づくものである従来技術のサーチエンジンは、しばしば、その多くが辛うじて問い合わせに関連するだけの、多数の結果をもたらすことがある。そのようなキーワード比較サーチエンジンは、Ｗｅｂサイトの構造に基づいて、複数のサーチされたＷｅｂサイトのうちで最も該当するものを識別することができない。

別の態様において、多くのユーザは、役に立つサーチ結果を獲得するには多数の問い合わせによってサーチする必要があると考えている。そのため、ユーザは、すべての関連性のある応答が考察されるようにするには、問い合わせ（およびサーチ結果の関連性の検討）に相当な時間を必要とすると考えている。そのような時間が費やされた後でさえも、ユーザは、しばしば、最も有効なサーチ結果が、膨大な量の関連性のない情報内に紛れて見失われている可能性があると考えることがある。

さらに別の態様において、多くのインターネットアプリケーションは、（Ｇｅｏｒｇｅ Ａ．Ｍｉｌｌｅｒ教授の指示の下、プリンストン大学において開発された）ＷｏｒｄＮｅｔ（登録商標）などの辞書編集ツールを利用して、サーチエンジンの精度を向上させるためにユーザの問い合わせを拡張する。ＷｏｒｄＮｅｔはオンライン語彙参照システムである。ＷｏｒｄＮｅｔでは、名詞、動詞、形容詞および副詞は、それぞれが１つの基礎をなす語彙概念を表す同義語集合に編成される。様々な関係がそれらの同義語集合を結びつける。ＷｏｒｄＮｅｔでは、ユーザが、Ｗｅｂページに関連して自分の個人的分類法を手入力する。したがって、ＷｏｒｄＮｅｔは、インターネットおよび他のネットワークで接続されたコンピュータシステムの急速な成長およびダイナミックな変化に追随するのにふさわしく構成されていない。例えば、ＷｏｒｄＮｅｔでは、Ｗｅｂ中の語の半分以上が現れない。

本発明は、概念ネットワークに関するものである。概念ネットワークは、ユーザ問い合わせに応答して生成され得る。一実施形態では、概念ネットワークは、サーチツールと共に使用されている。サーチツールは複数のデータ記憶場所をサーチする。各データ記憶場所は、１つのノードを用いて構成される。ノードのうちのいくつかのものは、少なくとも１つのリンクによって接続される。概念ネットワークはリンクに基づいてノードのうちのうちのいくつかのものの一部を選択し、その少なくとも１つのリンクはコンテンツのために使用される。

図面全体を通して、同じ番号は、類似の機能および構成要素を参照する。

本開示は、概念ネットワークの様々な実施形態を提供する。概念ネットワークにおいて、問い合わせは、サーチされている概念と同等とみなされる。概念ネットワークでは、複数のサーチ結果情報が、ユーザに表示される複数の概念に構造的に編成される。本明細書で開示する概念ネットワークは、問い合わせの様々な概念に対するサーチ結果の関連性に従ってサーチ結果を検索し、かつ／または表示する（サーチ結果は概念に基づいて整理される）。概念ネットワークは、ユーザが、ユーザ問い合わせに対するサーチ結果の関連性に基づいて、様々なサーチ結果、サーチ結果の様々なコンテンツ、またはサーチ結果の様々な部分にアクセスすることができるように構成することができる。そのような概念ネットワークが、問い合わせに基づき、コンピュータ環境において生成される。「概念ネットワーク」という用語の一態様は、概念がユーザによって理解され、アクセスされ得るような仕方での概念の概念ネットワークへの概念のグループ化に関連する。

概念ネットワークの一実施形態は、特にインターネットを対象とする。とはいえ、概念ネットワークは、一般には、どんなコンピュータ環境にもコンピュータシステムにも適用することができる。概念ネットワークのインターネット実施形態では、ユーザは問い合わせを入力することができ、表示される出力概念ネットワークは、ユーザによって選択され得る概念の一覧とすることができる。例えば、ユーザが「電子システム」を問い合わせる場合、表示される概念ネットワークには、セルラ電話、コンピュータ、オーディオシステム、ビデオシステムなど、様々な概念が含まれ得る。ユーザは、その上で、より具体的なサーチ結果を表示するために概念ネットワークとして表示されるこれらの概念の１つを選択することができる。

概念ネットワークの一実施形態は、図３に関連して説明するような、複数の相互接続された概念を表示する大きな接続グラフを含む。この概念ネットワークは、従来技術のサーチエンジンからのサーチ結果と同様に、ユーザ問い合わせに基づいて導出される。概念ネットワークは、従来技術のサーチエンジンに比べて、ユーザ問い合わせへの応答の正確さを向上させる。また、概念ネットワークは、キーワード問い合わせを利用する従来技術のサーチエンジンの間で一般化している多数の無関係なサーチ結果を制限する。

図１に、概念ネットワーク１００を生成し、表示するように構成されたコンピュータ環境５０の一実施形態のブロック図を示す。コンピュータ環境５０は、任意選択のネットワーク部分７２を含み得る（とはいえ、コンピュータは独立型コンピュータとすることもできる）。コンピュータ環境５０は、サーチツール７４および表示ツール７５を含む。サーチツール７４および表示ツール７５の部分は、概念ネットワーク１００の一実施形態の部分を含む。概念ネットワーク１００は、ユーザにサーチ結果の構造化表現を表示するためのユーザインターフェースとして提供され、サーチ結果は、やはり、返される各サーチ結果の関連性を指示するためにユーザに示され得る概念に従って構造化され、配列される。従来技術のサーチエンジンは、通常、該当するＷｅｂページなどの一覧表示を返すのに対し、本開示で開示する返される概念ネットワークは、例えば、それらのコンテンツに従って構造的に配列された複数のＷｅｂページを含む。概念ネットワーク１００を生成するサーチは、サーチされるデータの何らかの構造的特徴によって告発される（ｉｎｄｉｃｔｅｄ）、サーチされるデータ（Ｗｅｂページなど）内に含まれる情報を利用する。そのため、（サーチされるデータの構造に基づくものである）概念ネットワークの返される結果は、一般に、（キーワードマッチングに基づくものである）従来技術のサーチエンジンの結果よりも正確なサーチ結果を提供する。

概念ネットワーク１００を含む図１のコンピュータ環境５０には、一般化されたコンピュータ環境が示されている。概念ネットワークは、独立型コンピュータ、ネットワークで接続されたコンピュータ、またはメインフレームコンピュータを含めて、サーチエンジンを使用することのできるどんな種類のコンピュータ環境においても大いに適用可能であると想定される。しかしながら、本開示では、コンピュータ環境の特定の実施形態に適用できるものとして説明する。より詳細には、概念ネットワーク１００はネットワークに適用できると想定される。一層詳細には、概念ネットワーク１００を含むコンピュータ環境５０の一実施形態は、インターネット中のＷｅｂサイトに配置された様々なＷｅｂページを含むと想定される。そのため、概念ネットワークのいくつかの実施形態は、インターネットなどのネットワークで接続されたコンピュータ環境においてクライアントにサーチ結果を形成するデータを提供するサーバを利用する。ユーザに表示されるサーチ結果の構造化表現の一実施形態は、インターネットのユーザに一般に知られているユニバーサルリソースロケータ（ＵＲＬ）に基づくものである。本開示では、インターネットのいくつかの実施形態で使用されるＵＲＬの構造的態様について説明する。本開示では、ＵＲＬを、概念ネットワークにおいて利用されるデータに構造を提供するものとして説明するが、概念ネットワークによって利用され得る類似の構造情報を含み得る他の任意の機構も本開示の意図する範囲内に含まれることを強調しておく。

コンピュータ環境５０のいくつかの実施形態において、ユーザが問い合わせを送ることにより、表示結果が一連の関連する概念に編成された、関連する概念ネットワーク１００を生じる。一般に、多種多様なタイプのサーチ結果が、多種多様なユーザ問い合わせに基づいて獲得され得る。そのため、本開示では、多数のユーザ問い合わせに基づく様々な概念ネットワークの生成について説明する。概念ネットワークの１つの実例は、「上位Ｎ件」の問い合わせ（Ｎを整数とする、任意のカテゴリの上位「Ｎ」件を求める問い合わせ）をサーチすることによってもたらされる。概念ネットワークの別の実例は、「エレクトロニクスを説明する」といった、複雑な概念を求めるサーチにおいて意味のある結果をもたらす。概念ネットワーク１００は、（ユーザの問い合わせによって提供される実際のキーワードに基づいてサーチ結果を生成する従来技術のサーチエンジンと異なり）概念に基づいて生成される。概念ネットワーク１００は、問い合わせに応答して、ユーザにより詳細で正確な情報を提供し得るように生成される。概念ネットワークのいくつかの実施形態は、例えば、問い合わせによって提示される概念に関連する相当数のＷｅｂサイトを考慮して生成される。概念ネットワークは、問い合わせによって提供される概念への各Ｗｅｂサイトの関連性を考慮し、次いで、様々なＷｅｂページの関連性のある部分が概念ネットワークを介してユーザに例示される。

概念ネットワーク１００は、様々な問い合わせからの結果を、キーワード問い合わせ結果を利用する従来技術のサーチエンジンよりも整理された、正確な仕方で表示することができる。より方向づけられた、正確な問い合わせ応答が含まれるということは、概念ネットワークが、ユーザへの表示においてより少数のＷｅｂページを処理することを可能にする。次いで、概念ネットワークによって生成される比較的少数のＷｅｂページは、それらの構造に従って編成され得る。例えば、ある種類の概念に関連するＷｅｂページは、概念ネットワークのある部分を介してアクセスされ、別の種類の概念に関連するＷｅｂページは、概念ネットワークの別の部分を介してアクセスされ得る。したがって、概念ネットワーク１００は、（Ｗｅｂサイトや、Ｗｅｂサイトコンテンツ情報や、Ｗｅｂページの部分など）大量の検索された情報に関連する構造情報を含むことができる。

概念ネットワーク１００は、大部分の従来技術のサーチエンジンによって返されるＷｅｂページの一覧表示にまさるいくつかの改善点を提供する。概念ネットワーク１００のいくつかの実施形態は、代わりに、（概念ネットワークを表示する）Ｗｅｂページ上の順に配列された構造化情報を提供し、表示する。自動的に生成され、表示される概念ネットワーク１００は、図４に示すように、容易に理解し、解釈することができ、ユーザにとってより役に立つ形をしている。概念ネットワーク１００は、一般に、従来技術のサーチエンジンに比べて、サーチの精度および速度を向上させると共に、これらのサーチの間に獲得される情報の関連性も増大させる。

概念ネットワーク１００は、一般に、データの構造情報（例えば、形式、ノード間のリンクなど）に基づいて導出される相当量の情報を表示する。一実施形態では、この構造情報は、ユニバーサルリソースロケータ（ＵＲＬ）に基づいて獲得されるが、検索される情報の構造情報を含む任意の手段が使用され得る。インターネットでは、現在、ブラウザがインターネットを介して個々のＷｅｂページにアクセスできるようにナビゲートするために、ＵＲＬが使用される。また、ＵＲＬは、本開示で説明するように概念ネットワークを作成するのに使用される（異なるノード間の関係を記述する）構造情報を提供するのにも使用され得る。そのような構造情報の例には、例えば、別のノードに対して祖先、子孫、兄弟、または他の何らかの関係にある１つのノードが関与する。そのような構造情報は、概念ネットワーク１００の様々な実施形態によって、その概念ネットワーク内の異なるノード間の関係を構造的に記述するのに使用される。

そのような構造情報は、概念ネットワーク１００において、語の分類法、または類別を提供するのに使用される。概念ネットワークの分類法は（従来技術のサーチエンジンと同様に）個々の語の意味に関連する。従来技術の手動のサーチエンジンでは、サーチエンジン内で意味を変更しており、あるいは追加または除去される多数の語を考慮して、現在の分類法を維持するのが困難である。概念ネットワークのいくつかの実施形態は、問い合わせの間にアクセスされるＷｅｂサイトの構造に基づいてドメインおよびユーザに適応できる、自動的に構築される分類法を提供する。本明細書で開示する概念ネットワーク１００は、それだけに限らないが、データベース、オンラインショッピング、カメラ、パーソナルコンピュータ、ハンドヘルドコンピュータ、機械学習、およびコンピュータ製造を含む、多種多様なコンピュータシステムに適用され得ると想定される。

本開示では、インターネット上のＷｅｂサイトを解析するために適用される概念ネットワーク１００について説明するが、これらの概念は、すべてのネットワークで接続されたサーチエンジン、独立型のサーチエンジン、および他のコンピュータベースのサーチエンジンに適用可能であることを強調すべきである。そのため、本開示の意図する範囲内には、インターネット、あるいは任意のネットワークまたはコンピュータシステムへの概念ネットワークの適用が含まれる。

本開示では、概念ネットワーク１００の様々な実施形態、および関連する構成要素について説明する。概念ネットワーク１００は、ユーザの代わりに更新を行うことをまったく必要とせずに、自動的に最新状態に維持されるように設計される。問い合わせと問い合わせの間、コンピュータ環境の一実施形態は、キーワードサーチが、Ｗｅｂサイトクローラを使用するなどして、人気のあるサーチをキャッシュするのと同様の仕方で、絶えずサーチを行う。概念ネットワーク１００の一実施形態は、概念ネットワークを最新状態に維持するために、収集される概念に関連するＷｅｂサイトすべてをクロール（ｃｒａｗｌ）する。このクロールプロセスは、従来のサーチエンジンによって実行されるプロセスと類似のものと想定される。

概念ネットワーク１００は、妥当な時間内に、概念ネットワークを用いて作成される分類法に基づいて多数の典型的な用法の多数のキーワードを（それらの構造を含めて）理解することができる。分類法を使用して、概念ネットワークは、それらのキーワードを構造化して表示する。そのため、概念ネットワークは、シソーラスとして使用されることができる。というのは、概念ネットワークは、分類法に基づいて語の意味を解釈することができるからである。したがって、特定の技術、法律、または他のそのような専門分野の語を求めてネットワークやＷｅｂといったコンピュータ環境をサーチしているユーザにとって、概念ネットワーク中の分類法（すなわち辞書）にますます多数の語が含まれることは、特に有用である。

ほとんどすべての専門的職業には相当数の専門語があり、その多くは、長年の間に絶えず更新されている。例えば、法律家、税務専門家、技術者などの専門的職業およびグループは、それぞれ、その個々の用途および専門的知識の分野に基づく独自の分類法を持つ。手動のサーチエンジンは、これらの領域ごとのユーザが比較的少数であるために、これらの用語の多くを更新しない。概念ネットワークは、これらの専門化された、一般的でない、または頻繁に更新される用法の用語の多くを自動的に更新することができる。

概念ネットワーク１００を導出するのに使用されるＷｅｂサイトサーチ部分２０１の一実施形態を図２で説明する。このＷｅｂサイトサーチ部分２０１の実施形態は、入り口ページおよびクローラ規則部分２０２、Ｗｅｂサイト構造アナライザ２０４、Ｗｅｂページ要約部分２０６、Ｗｅｂサイト構造マージツール２０８、および概念ネットワーク１００を含む。Ｗｅｂサイト構造アナライザ２０４は、ハイパーリンクキュー２１２、Ｗｅｂサイトクローラ２１４、ＨＴＭＬパーサ２１６、ファンクションベースオブジェクトモデル（ＦＯＭ）アナライザ２１８、およびハイパーリンク解析２２０を含む。

概念ネットワーク１００を作成するために、Ｗｅｂサイト構造アナライザ２０４は、Ｗｅｂサイトの構造を解析する。次いで、（本明細書で、図２のＷｅｂサイト構造マージツール２０８ともいうＷｅｂマージツールが、概念ネットワークを使って表示され得るサーチ結果を生み出すために、構造化されたＷｅｂサイトの異なるものからのコンテンツをマージする。

リンクを使って従来のＷｅｂサイトにおいてナビゲートが行われる。Ｗｅｂサイトコンテンツ構造を解析して各概念ネットワーク１００を作成するために、リンクが、ナビゲーションに使用されるものからコンテンツに使用されるものに変換される。この変換を行うために、以下のステップが実行される。

ａ）各Ｗｅｂサイトごとの構造化情報がＵＲＬで符号化される。そのため、個々のリンクは、それが上位リンクであるか、下位リンクであるか、兄弟リンクであるか、それとも横方向のリンクであるかに関係なく、そのＵＲＬで符号化される。これは従来技術のサーチエンジンでは行われない。一実施形態では、このリンクタイプの区別は、Ｗｅｂサイトクローラ２１４により、Ｗｅｂサイトクローラの訪問順序を考慮することによって実行される。

ｂ）集約および関連解析が実行される。この集約および関連解析は、ハブおよび異なる権限の場所を決定することを含む。一実施形態では、これは、ＦＯＭアナライザ２１８によって実行することができる。

ｃ）次いで、情報リンクおよびナビゲーションリンクが区別される。この識別は、ファンクションベースオブジェクトモード（ＦＯＭ）を使ってナビゲーションバー、ナビゲーションリスト、または独立のリンクを解析して実行される。そのため、ページレイアウトを使ってＷｅｂページが区分化される。一実施形態では、ｃ）は、ＦＯＭアナライザ２１８を使って実行することができる。

従来技術サーチエンジンは、一度に１つずつ、複数のＷｅｂサイトへのアクセスを提供するが、概念ネットワーク１００は、様々なＷｅｂサイトから同時に獲得された構造情報を同時に含むように形成される。この様々なＷｅｂページからの情報は、概念ネットワーク１００上で、ユーザによって容易に理解することができるように編成され得る。より詳細には、複数のＷｅｂサイトからの同様に構造化された情報が、概念ネットワーク１００において、（しばしばＵＲＬに基づいて）複数のＷｅｂページの構造情報からの定量化可能な値を提示するような仕方で表示され得る。次いで、そのような複数のＷｅｂページからの構造情報が、異なるＷｅｂページの主題間の比較をもたらすような仕方で提示され得る。例えば、特定の産業または話題を扱う複数の企業またはグループは、それらのＷｅｂページにおいて類似の構造で類似の種類の情報を含む可能性が高い。概念ネットワークは、この異なるＷｅｂページからの類似情報を表示する手段を提供し、あるいは、代替として、ユーザに提示される、異なるが関連するＷｅｂページを、同じ概念ネットワークからの異なるＷｅｂページへの容易なアクセスを可能にするような仕方で提示する。

いくつかの実施形態において、Ｗｅｂサイト構造アナライザ２０４は、入力として、その入り口ページおよびクローラ規則部分２０２から、Ｗｅｂサイトの入り口点（ｅｎｔｅｒ−ｐｏｉｎｔ）ＵＲＬおよびいくつかのＷｅｂサイトクローラ規則を受け入れる。ＵＲＬは、個々のＷｅｂページに関連する様々な構造情報（例えば、リンクの端点、Ｗｅｂページのタイプなど）を含む。ＵＲＬによって提供されるこの構造は、従来のサーチエンジンによっては、Ｗｅｂページに関連する構造情報を導出するのに利用されない。Ｗｅｂサイト構造アナライザ２０４は、Ｗｅｂサイト構造を解析し、Ｗｅｂページに深さ情報を割り当てる。その結果、Ｗｅｂサイト構造アナライザ２０４の一実施形態は、そのノードが概念を含むＷｅｂサイトの階層グラフを生成する。概念ネットワークによって導出される概念は、本開示で説明するようにキーワードによって特徴付けることができる。Ｗｅｂサイト構造アナライザ２０４は、構造化Ｗｅｂサイトの使用に導く。

Ｗｅｂサイト構造アナライザ２０４の一実施形態は、ＢＦＳ（幅優先探索）アルゴリズムに基づくものである。Ｗｅｂサイト構造アナライザ２０４は、ハイパーリンクキュー２１２を維持する。Ｗｅｂサイトクローラ２１４は、ハイパーリンクキュー２１２からＵＲＬをフェッチし、次いで、Ｗｅｂサイトクローラ２１４を使ってインターネットからハイパーテキストマークアップ言語（ＨＴＭＬ）ソースコードをクロールし、次いで、そのＨＴＭＬソースコードをＨＴＭＬパーサ２１６に転送する。ハイパーリンクキュー２１２は、未解析のハイパーリンクを含むキューである。解析が始まる前に、Ｗｅｂサイト構造アナライザ２０４は、入り口点ＵＲＬを添付する。解析の間は、Ｗｅｂサイトクローラ２１４だけがハイパーリンクキュー２１２からＵＲＬをフェッチする。ハイパーリンクアナライザ２２０だけが、新しい未解析のハイパーリンクを適用する。

Ｗｅｂサイトの入り口点ＵＲＬは、その入り口ページおよびクローラ規則部分２０２からＷｅｂサイト構造アナライザ２０４のハイパーリンクキュー２１２に入る。Ｗｅｂサイト構造アナライザ２０４がその解析を開始すると、Ｗｅｂサイトクローラ２１４は、ハイパーリンクキュー２１２からＵＲＬをフェッチし、次いで、ＷｅｂサイトクローラはインターネットからＨＴＭＬソースコードをクロールし、そのＨＴＭＬソースコードをＨＴＭＬパーサ２１６に転送する。ＨＴＭＬパーサは、インターネットからクロールされたＨＴＭＬソースコードを処理する。

ＨＴＭＬパーサ２１６は、Ｗｅｂサイトクローラ２１４から入力されるＨＴＭＬソースコードを受け入れる。一実施形態では、ＨＴＭＬパーサ２１６の活動には、ＵＲＬフェッチ、ＵＲＬ単一化、およびＵＲＬグループ化が含まれる。ＵＲＬフェッチでは、ＨＴＭＬパーサ２１６は、Ｗｅｂページを指し示し、入力されるＷｅｂサイト定義によるＷｅｂサイトの内部にあるすべてのＵＲＬをフェッチする。あらゆるＵＲＬにアンカテキストが添付される。イメージリンクでは、アンカがテキストを取り囲んでいる。

ＵＲＬ単一化では、ＨＴＭＬパーサ２１６の一実施形態は、ａ）相対ＵＲＬアドレスを直接ＵＲＬアドレスに変換すること、ｂ）ＩＰアドレスをドメイン名に変更すること、およびｃ）宛先変更されたＵＲＬ問題を、そのＵＲＬを最終ターゲットＵＲＬアドレスと置き換えることによって解決することを含む様々な操作を実行する。ＵＲＬグループ化では、同じタグ要素および同じ外観を持つ表またはリスト中のハイパーリンクが、例えば、関連するノードとみなされる可能性が高い。次いで、ＨＴＭＬパーサ２１６からの結果がファンクションベースオブジェクトモデル（ＦＯＭ）アナライザ２１８に転送される。

ファンクションベースオブジェクトモデル（ＦＯＭ）アナライザ２１８は、ＦＯＭの基本イデアル（ｂａｓｉｃ ｉｄｅａｌ）およびアルゴリズムを使ってハイパーリンクに機能情報を割り当てる。この機能情報は、各Ｗｅｂサイトの構造を解析するのに非常に役立つ。ＦＯＭは、Ｗｅｂページのファンクションベースオブジェクトモデルを表す。意味解析ではなく、ＦＯＭアナライザ２１８は、各オブジェクト機能およびカテゴリを識別することによって著者の意図を理解しようと試みる。各Ｗｅｂページは、索引ページまたはコンテンツページとして機能し得る。ナビゲーションオブジェクトの１つのカテゴリがナビゲーションバーである。ＦＯＭアナライザ２１８の一実施形態は、以下のＦＯＭ解析タスクとして索引／コンテンツページ認識およびナビゲーションバー検出を行う。

索引／コンテンツページ認識では、ＦＯＭアナライザ２１８の一実施形態は、ＷｅｂページＵＲＬが「ｉｎｄｅｘ（索引）」または「ｄｅｆａｕｌｔ（デフォルト）」というテキストを含むかどうか、およびそのＵＲＬがディレクトリであるかどうか、またはそれが索引ページであるかどうか判定する。そのページ内に下位ディレクトリに対応するリンクがある場合、このリンクは索引ページへのリンクである。ハイパーリンクとコンテンツ語の割合が閾値と比較される。この割合が閾値より大きい場合、そのＷｅｂページは索引ページである。閾値がこの割合より大きい場合、そのＷｅｂページはコンテンツページである。

ＦＯＭアナライザ２１８の一実施形態は、ナビゲーションバー検出を提供する。ナビゲーションバー中の項目は相互に接続され、対応するリンクトポロジーは完全に接続されたグラフである。ＦＯＭアナライザ２１８の出力は、ハイパーリンクアナライザ２２０に転送される複数のハイパーリンクを含む。ＦＯＭアナライザ２１８は、Ｗｅｂページのブロック区分化を提供する。一実施形態では、区分化の後、Ｗｅｂページは、コンテンツブロック、ナビゲーションブロック、広告ブロックなど、その機能に基づくいくつかの小単位に分割される。これらの小単位は、ユーザによって個別にアクセスすることができる。

ハイパーリンクアナライザ２２０の一実施形態は、Ｗｅｂサイト構造解析アルゴリズムを使ってＦＯＭアナライザ２１８によって解析され（そこから送られた）各ハイパーリンクを処理する。構文解析されたソースコードは、機能解析を行うためにＦＯＭアナライザ２１８に転送される。ハイパーリンクアナライザ２２０は、Ｗｅｂサイト構造解析規則に従って各ハイパーリンクを解析し、新しい未解析のハイパーリンクがハイパーリンクキュー２１２に挿入される。ハイパーリンクアナライザ２２０は各Ｗｅｂページに深さ値を割り当てる（と共に、Ｗｅｂサイトの一時的階層グラフを維持する）。深さ値は、Ｗｅｂサイトクローラ２１４によって出力され得る。一実施形態では、Ｗｅｂサイトクローラ２１４は、幅優先探索によってＷｅｂサイトを訪問する。その進行経路はツリー形式として形成され、ツリーのノードはＷｅｂページであり、ノード内のリンクはＷｅｂページ内のハイパーリンクである。そのため、ツリー中のノードの深さが獲得しようとした値である。例えば、（ＵＲＬ、http://www.microsoft.comで識別される入り口点ページなどの）入り口点Ｗｅｂページの深さは０である。ＵＲＬ、http://www.microsoft.com/chinaで識別されるＷｅｂページの深さは、それと比較して、１である。

Ｗｅｂサイト構造アナライザ２０４は、ハイパーリンクキュー２１２において開始および終了とみなされ得るループを形成する。Ｗｅｂサイトクローラ２１４は、次のループを開始するために、ハイパーリンクキュー２１２から次のＵＲＬをフェッチする。これは、ハイパーリンクキュー２１２に新しいＵＲＬがなくなるまで行われる。解析プロセスが達成され、（構造化Ｗｅｂサイトと呼ばれる）Ｗｅｂサイトの階層グラフが構築される。

各Ｗｅｂサイトごとの構造化情報は、ハイパーリンクアナライザ２２０を使って検出することができるようにＵＲＬで符号化される。そのため、個々のリンクが上位リンクであれ、下位リンクであり、兄弟リンクであれ、あるいは横方向のリンクであれ、それはＵＲＬで符号化され（、ハイパーリンクアナライザ２２０を使って検出され得）る。一実施形態では、ＵＲＬブロック長に基づくヒューリスティック規則を使って上位リンクおよび順方向リンクが検出される。ＵＲＬブロック長は、ブロックの数として定義され、１つのブロックは、「／」または「？」で区切られるＵＲＬの一部である。例えば、ＵＲＬ「http://www.sonystyle.com/digital/digital_camera.htm」のＵＲＬブロック長は、「http://www.sonystyle.com」、「digital」、および「digital_camera.htm」を含む、３である。一実施形態では、ＵＲＬを解析するのに制限された規則が適用される。その場合、規則によってカバーされない残りのＵＲＬについては、前述の戦略を使って解析が行われる）。ハイパーリンク検出規則の一実施形態は、２つの規則に従って説明される。第１の規則は、ＵＲＬブロック長（ハイパーリンク）がＷｅｂページのＵＲＬブロック長以下である場合、そのハイパーリンクは上位リンクであるというものである。第２の規則は、ＵＲＬブロック長（ハイパーリンク）からＵＲＬブロック長（ＷｅｂページのＵＲＬ）を差し引いたものが２以上である場合、そのハイパーリンクは順方向リンクであるというものである。

現在のＷｅｂページノードがＢであり、それがＷｅｂページＣへのハイパーリンクを持つと仮定する。Ｗｅｂサイト構造アナライザ２０４のハイパーリンクアナライザ部分２２０は以下のプロセスに従う。

Ｉ．ハイパーリンクが上方リンクである場合、それは廃棄される（それ以上考察されない）。
ＩＩ．ＢおよびＣがナビゲーションバーに属する場合、ＢおよびＣは（本明細書で説明する）兄弟ノードである。
ＩＩＩ．Ｃが訪問されており、ＢのＵＲＬブロック長がＣ以上である場合：
Ｂが索引ページである場合、ＣはＢの（本明細書で説明する）子ノードである。
そうでなくＢがコンテンツページである場合、ＣはＢの兄弟ノードである。
ＩＶ．Ｃが訪問されておらず、
Ｂがコンテンツページである場合、ＣはＢの兄弟ノードであり、
そうでない場合、ＣはＢの子ノードである。
そうでなく、Ｃがアクセスされたことがない場合、
まず、Ｂがコンテンツページであり、またはいくつかのページに表示されている場合、そのリンクは明示的な関連である。
そうでない場合、そのリンクは集約である。

ハイパーリンクキューのＵＲＬを解析した後、Ｗｅｂページ要約部分２０６を使ってＷｅｂサイト構造が導出される。例えば、あるＷｅｂページに含まれる一定量のデータは特定のユーザの問い合わせに関連性を持ち得るが、他のデータは関連性がない。Ｗｅｂページ要約は、関連性のある情報を、概念ネットワーク１００内の特定の概念部分を介して表示され得る形で提供する。各Ｗｅｂページの全部は概念ネットワークを介して示されないため、概念ネットワークは、ユーザによってアクセスすることができる各概念またはＷｅｂページの情報のより方向づけられた要約を提供することができる。次いで、Ｗｅｂページ要約部分２０６から導出された異なるＷｅｂページの様々なコンテンツ（または他のコンテンツ）が、Ｗｅｂサイト構造マージツール２０８を使って概念ネットワーク１００にマージされる。Ｗｅｂサイト構造は、階層グラフを用いて表される。

概念ネットワーク１００のいくつかの実施形態は、関連性のあるＷｅｂサイトの構造を解析し、その上で、その結果を一緒にマージする。この複数のＷｅｂサイトからの情報のマージを、本開示では、図２に示すＷｅｂサイト構造マージツール２０８によって実行されるＷｅｂマージと呼ぶ。Ｗｅｂサイト構造マージツール２０８によって実行されるＷｅｂマージは、概念ネットワークの精度および速度を高めるものであり、以下のように行われる。

各Ｗｅｂサイトが「ツリー様のグラフ」または「深さレベルのグラフ」に構造化された後、次の問題はこれらのグラフをネットワークにマージすることである。このネットワークにおいて、各ノードは１つの概念を表し、これらのノード間のリンクはこれらの概念間の関係を表す。基本の関係には、それだけに限らないが、上位語、下位語、同義語などが含まれ得る。各Ｗｅｂサイトは関連する話題に関する元のエディタのビューを表すので、異なるビューを１つのビューにマージするのは多少困難である。そのため、以下において、あらゆる種類のソースからの概念階層を１つの使用可能な階層にマージするための解決法を提示する。

概念ネットワークの階層をどのようにマージするかの一実施形態を例示するために、所与の概念Ｃでのある種の関係Ｒが、２つの異なる階層Ｈからマージされる。この問題を解決する詳細なアルゴリズムは以下の通りである。

以下の技法は、オントロジマージ手順（ｏｎｔｏｌｏｇｙ ｍｅｒｇｉｎｇ ｐｒｏｃｅｄｕｒｅ）を実行するのに使用され得る一実施形態を表す。

ａ）各Ｗｅｂブロックごとに、図２に示すＷｅｂページ要約部分２０６を使ってＷｅｂページについて概念が要約される。概念は、キーワードの集合として解釈される。

ｂ）次いで、概念ネットワーク１００を介して生成され、表示される各概念を「トークン」句またはキーワードによって表すために概念がトークン化される。そのため、概念ネットワークに含まれる概念を表し、記述するためのキーワード集合が設けられる。以下の（１）を使って最終的に概念が生み出される。
ｎ_ｉ＝［ｗ_ｉ１，ｗ_ｉ２，．．．，ｗ_ｉｍ］ （１）
式中、ｗ_ｉ１，ｗ_ｉ２，．．．，ｗ_ｉｍは語を表し、ｎ_ｉは語の配列を表す。ｎ_ｉは概念ネットワーク中のノード（Ｗｅｂページ）の要約であり、いくつかの語／句、すなわちｗ_ｉ１，ｗ_ｉ２，．．．，ｗ_ｉｍに分解され得る。

ｃ）階層ツリー上に、（２）、（３）、および（４）を使って、それぞれ、子孫、祖先、および兄弟の下位ツリーＳＴを生成するために、グライディングウィンドウが設けられる。いくつかの語が異なるウィンドウに表示されるものと想定される。
ＳＴ_ｉ＝（ｏｆｆｓｐｒｉｎｇ）＝（ｎ_ｉ，ｓｏｎｓ_１（ｎ_ｉ），．．．，ｓｏｎｓ_ｄ（ｎ_ｉ）） （２）
ＳＴ_ｉ（ａｎｃｅｓｔｏｒ）＝（ｎ_ｉ，ｐａｒｅｎｔｓ_１（ｎ_ｉ），．．．，ｐａｒｅｎｔ_ｄ（ｎ_ｉ）） （３）
ＳＴ_ｉ（ｓｉｂｌｉｎｇ）＝（ｎ_ｉ，ｓｉｂｓ_１（ｎ_ｉ），．．．，ｓｉｂｓ_ｄ（ｎ_ｉ）） （４）
式中、ＳＴ_ｉ（ｏｆｆｓｐｒｉｎｇ）、ＳＴ_ｉ（ａｎｃｅｓｔｏｒ）、およびＳＴ_ｉ（ｓｉｂｌｉｎｇ）は、子孫、祖先および兄弟関係を計算するための下位ツリーである。ｓｏｎｓ_ｄ、ｐａｒｅｎｔｓ_ｄおよびｓｉｂｓ_ｄは、別個に、ノードｎ_ｉのｄ番目のレベルの子ノード、親ノードおよび兄弟ノードを表す。

ｄ）各生成される下位ツリー（ＳＴ_ｉ（ａｎｃｅｓｔｏｒ）など）ごとに、用語対の相互情報が式（５）としてカウントされる。各単語対ｗ_ｉ，ｗ_ｊごとの相互情報ＭＩが計算される。高い値を持つ相互情報は、その単語対が類似していることを示す。

式中、ＭＩ（ｗ_ｉ，ｗ_ｊ）は、用語ｗ_ｉおよびｗ_ｊの相互情報であり、Ｐｒ（ｗ_ｉ，ｗ_ｊ）は、用語ｗ_ｉおよびｗ_ｊがその下位ツリーに共に出現する確率を表し、Ｐｒ（ｘ）（ｘはｗ_ｉまたはｗ_ｊとすることができる）は、用語ｘがその下位ツリーに出現する確率を表す。

１対の用語の関連性を決定する別の要因は、その用語対の分布である。より多くの下位ツリーがその用語対を含むほど、その２つの用語はより類似性が高い。本発明の実装では、ステップ（ｄ）に示すように、エントロピーを使って用語対の分布が測定される。

ｄ）各単語対ｗ_ｉ，ｗ_ｊごとのエントロピーを計算する。エントロピー変換は、実際にはＷｅｂサイトすべてにおいて共通である（５）で求められる相互情報に基づいて、共通であると決定された語の対ｗ_ｉ，ｗ_ｊの尺度である。エントロピーが高いほど、概念ネットワークがユーザに提供し得る、Ｗｅｂサイトのすべての中にその単語対が含まれるという信頼度が大きい。

ｅ）（１１）に従って各単語対ごとの類似性Ｓｉｍを計算する。

（１１）に示す類似性は、相互情報ＭＩ（ｗ_ｉ，ｗ_ｊ）とエントロピー（ｗ_ｉ，ｗ_ｊ）を組み合わせる。

（２）、（３）、および（４）に関連する関連概念（子孫、祖先、および兄弟）を示すために、概念ネットワークは、様々な関連カテゴリを作成する。例えば、表１に、よく知られた概念の様々な例示的子孫概念を示す。

表２に様々な例示的祖先概念を示す。

表３に、様々な例示的兄弟概念を示す。

図２に示す概念ネットワーク１００の一実施形態は、図３に構造形式で示す有向グラフとして、図４としてユーザに表示され得る形で提供される。この概念ネットワークが基づく有向グラフ（Ｇ）３００は、以下の（１２）で説明される。
Ｇ＝（Ｖ，Ｅ） （１２）
式中、Ｖはノードの集合体であり、Ｅはエッジまたはリンクの集合体である。そのため、有向グラフで表される概念ネットワーク１００は、複数のノード、およびノードを接続する複数のリンクまたはエッジを含む。ノードは概念を表す。エッジまたはリンクは、概念間の関係を表す。図４に示す概念ネットワーク１００の有向グラフ３００は、それによって、コンテンツ構造を提供する。Ｗｅｂページのコンテンツ構造は、概念ネットワークを作成するのに使用される情報をもたらすためにマイニングされる情報である。

図３には、概念ネットワーク１００を使って特定のドメインの分類法を構築する技法の一実施形態が示されている。図３は、１つまたは複数のドメイン固有のＷｅｂサイト３０２の導出から開始する。これは、このジョブを行う既存のメタサーチエンジンを活用することによって達成することができる。例えば、ユーザが「デジタルカメラ」ドメインの概念ネットワークを構築しようとする場合、そのユーザは、サーチエンジンに問い合わせを送り、上位１００件のＷｅｂサイトを使って概念ネットワークを構築することができる。各ドメイン固有のＷｅｂサイト３０２は、（ノードによって表される）コンテンツの解析および（リンク構造によって表される）リンク構造の解析に対応する構造を含む。

概念ネットワーク１００の作成は、１つまたは複数のＷｅｂサイトのコンテンツ構造の効率的マイニングを利用する。このマイニングは、そのリンクが、図２のハイパーリンクアナライザ２２０に関連して説明したような子孫リンクであるか、祖先リンクであるか、それとも兄弟リンクであるかを決定する、リンクタイプの解析によって行われ得る。これらのリンクタイプの１つが各リンクに割り当てられる。次いで、図２に示すＷｅｂページ要約部分２０６を使ってノードの意味構造が要約される。図３において、ドメイン固有の分類法は、この情報マイニングに基づいて導出される。ドメイン固有の分類法の導出は、分類法のために手操作のエディタ入力を必要とするＷｏｒｄＮｅｔ（登録商標）などの従来技術のツールと比べて、本開示においては自動的に行われることに留意されたい。ＷｏｒｄＮｅｔは一般のドメインのための手操作で構築される分類法である。本開示の分類法は、エンドユーザではなく、エディタによって構築される。情報マイニングは、ドメイン固有のＷｅｂサイトのリンク構造およびコンテンツを利用する。これは、情報が、リンク構造ではなく、コンテンツからマイニングされる、いくつかの従来技術の自動シソーラス構築とは異なる。

次いで、オントロジ学習を使って、概念ネットワーク１００が構築される。オントロジ学習に基づき、自動的に構築される概念ネットワークは、それ自体の分類法を作成する。オントロジ学習は統計的枠組みに基づくものであり、複数のエディタのビューを生成することができる。統計的枠組みは、多くの統計用途に容易に適用される。図３に示すように構築される概念ネットワーク１００には、エレクトロニクスの様々な概念ネットワークが示されている。概念ネットワーク１００は、それぞれがエレクトロニクスの異なるカテゴリ（エレクトロニクス製品、エレクトロニクスのカテゴリ、エレクトロニクス機器製造会社など）を表す、様々なＷｅｂブロック４５０を含む。

各Ｗｅｂブロックは、ユーザが認識できるキーワードによって記述される。各下位Ｗｅｂブロック４５４は、基本Ｗｅｂブロックに関連するものとみなされ得る。例えば、図３では、「エレクトロニクス」という語が基本Ｗｅｂブロック４５２を表す。「エレクトロニクス」という用語は、適切な基本Ｗｅｂブロック４５２を表す。というのは、この用語が、様々な製品に付随する多くのＷｅｂサイトに現れるからである（様々な製品のそれぞれが下位Ｗｅｂブロックとみなされ得る）。例えば、図３では、（カメラおよび写真、オーディオおよびビデオ、ハンドヘルド、セル電話、コンピュータ、Ｓｏｎｙ（登録商標）、ｉＰＡＱ（登録商標）、Ｐａｌｍ（登録商標）、アクセサリ、および様々なＣｏｍｐａｑ（登録商標）製品を含む）様々な下位Ｗｅｂブロック４５４がエレクトロニクス基本Ｗｅｂブロックの下に示されている。各Ｗｅｂブロックは、本開示内において、同種の情報を含む概念であるとみなされる。したがって、「概念ネットワーク」という用語は、複数の概念またはＷｅｂブロックのネットワークを示す。

各Ｗｅｂブロックは、（図３に示すカメラ、コンピュータ、「Ｓｏｎｙ」などの）キーワードによって要約され得る。図３の各下位Ｗｅｂブロックの主題は、基本Ｗｅｂブロックエレクトロニクスに密接に関連しており、したがって、「エレクトロニクス」という概念の下に広く分類され得る。概念ネットワーク１００のＷｅｂブロックの構造、マイニング、およびドメイン固有の分類法に基づいて、図３に示すエレクトロニクスの概念ネットワークは、これらの用語の多くを含む。図３に示す生成された概念ネットワーク１００は、自動的に構築される最終結果とみなされ得る。

フラットパネルディスプレイやＣＲＴモニタなどのコンピュータディスプレイ２００上に表示される際の、例示的概念ネットワーク１００の一実施形態を図４に示す。そのため、図４には、様々な概念４０２を含む（図２および３に示す技法を使用して）生成された概念ネットワーク１００が示されている。各概念４０２は、そのいくつかの実施形態が図３に示されている方式で生成されているＷｅｂブロック４５０の少なくとも１つに付随する情報を含む。したがって、図４に示す概念ネットワーク１００は、ディスプレイ上にタイル状に並べられたいくつかの概念４０２を含む。概念ネットワークの詳細は、関心領域（この例では「エレクトロニクス」）に関して比較的詳しく記述される。例えば、ユーザによって選択された場合、概念のいくつかは、そのユーザを、現在表示されている概念ネットワークより狭い、または広いことのある別の概念ネットワークに導く。例えば、ユーザは、エレクトロニクス概念ネットワークからコンピュータ概念ネットワークに移ることができる。

概念ネットワークのある解析は、様々なＷｅｂサイトをサーチすることによって実行された。この解析は、概念ネットワークのいくつかの実装形態で正しく探し出されたＷｅｂサイトのパーセンテージにおいて（７５％までの）改善を示した。これは、正確さに関する限り、従来技術にまさる大きな改善を表すものである。

例示の問い合わせ「デジタルカメラ製造会社」を考察する。典型的な従来技術のサーチエンジンは、Ｗｅｂ全体をサーチし、キーとなる用語「デジタル」および／または「カメラ」および／または「製造会社」を含むＷｅｂページを返す。したがって、そのような従来技術のサーチエンジンは、相当数の無関係なＷｅｂページを返すことになる。

概念ネットワーク１００は、ノード「デジタルカメラ」から広がる下位グラフをサーチしさえすればよい。そのため、概念ネットワークはより高速であり、返される関連性のないＷｅｂページの数は相当低減される。

概念ネットワーク１００は、問い合わせへの所望の応答の容易さ、速度、および信頼性を高める。まず、概念ネットワーク１００において、「デジタルカメラ」という用語の場所が見つけられる。ノード「デジタルカメラ」を指し示し、またはそこから指し示されるノードすべてが抽出される。次いで、その属性が「製造会社」であるノードが選択され、（ヒット数に基づくなどして）ランク付けされる。そのため、Ｗｅｂページの任意のカテゴリ（最大企業、最大生産者、大部分のオフィス、最も近い所在地など）の上位Ｎ件を求める問い合わせをサーチすることができ、妥当な数の正確なヒットを獲得する確率が大幅に増大する。

概念ネットワークによるそのような改善されたサーチ特性が生じるのは、その問い合わせが（ＵＲＬ内に含まれる）サーチされたＷｅｂサイトの構造に向けられるからである。図５に関連して説明する概念ネットワーク１００のいくつかの実施形態は、インターネット上のＷｅｂサイトにリストされた上位「Ｎ」件（「Ｎ」は何らかの正の数とする）の組織、企業、項目、グループ、製品などの何らかの定量化可能なパラメータをサーチし得る様々なサーチサービスを提供することができる。例えば、いくつかの実施形態は、世界の上位５社のデジタルカメラ製造会社を探し出す問い合わせのサーチ結果を提供する概念ネットワーク１００を作成する。別の問い合わせは、欧州での上位５社の製鉄会社を示すなど別の複雑な問い合わせのサーチ結果を提供する。概念ネットワークが非常に有益であると思われる問い合わせの１つのタイプは、（ＵＲＬによって提供される構造に基づくなどして）Ｗｅｂサイトの構造に基づいてデータにアクセスすることを利用する。「上位Ｎ件」型の問い合わせは、複数のＷｅｂサイトの構造に基づいて情報を解析し、返す。例えば、合衆国における上位３社の自動車生産者はどこか決定する１つの技法には、可能な自動車生産者すべてのＷｅｂサイトにアクセスすること、各Ｗｅｂサイトから類似の生産情報を導出すること、次いで、それら異なるＷｅｂサイトから導出された生産情報を比較することを伴う。そのため、概念ネットワーク１００のいくつかの実施形態は、Ｗｅｂページ内の詳細な特徴をサーチすることができる。

データマイニングは、そのようなＷｅｂサイト解析を対象とする。一般に、データマイニング（データまたは知識発見と呼ぶこともある）とは、問い合わせに基づいて異なる観点からデータを解析し、それをユーザに役立つ情報に要約するプロセスである。データマイニングソフトウェアは、データを解析する多数の解析ツールの１つである。これは、ユーザが多くの異なる次元または角度からデータを解析し、それを類別し、識別された関係を要約することを可能にする。技術的には、データマイニングは、大規模な関係データ中の何十ものフィールドの間の相関関係またはパターンを見つけ出すプロセスであり、一般に、問い合わせにおいてよく知られている。そのため、概念ネットワークのいくつかの実施形態は、図３によって提供されるデータマイニング３０６を使ってドメイン固有の分類法３０４を導出することができる。

図５に、結果として概念ネットワークを作成することになるプロセス６００の一実施形態を示す。プロセス６００は、ユーザがそこで（図１に示す）コンピュータ環境５０に問い合わせを入力する６０２を含む。問い合わせの結果として概念ネットワークが作成され、ユーザに表示される。６０４で、問い合わせは、図３に関連して説明した複数のドメイン固有のＷｅｂサイト３０２に送られる。これらのＷｅｂサイトは、よくあるメタサーチエンジンまたは人間が作成したＷｅｂ階層によって返される。６０６で、コンピュータ環境は、関連付けられたＷｅｂサイトのＵＲＬを考察するなどによって、Ｗｅｂサイト構造を解析する。６０８で、Ｗｅｂサイトの構造およびコンテンツに基づいて情報がマイニングされる。そのマイニングされた情報を使って（図３の３０４に関連して説明した）６１０でドメイン固有の分類法が作成される。プロセス６００は６１２に進み、そこで概念ネットワーク１００が作成され、ユーザに表示される。

概念ネットワーク１００は、（従来技術のサーチエンジンが実行することのできない）「エレクトロニクスという語を説明する」などといった問い合わせに対して正確な応答を返すように作成されることができる。また、そのような概念ネットワーク１００は、（図５の問い合わせの場合のように）様々なＷｅｂサイトおよびＷｅｂページの構造を解析することによっても生成される。概念ネットワークの一実施形態は、概念の階層に関するエディタのビューを表すＷｅｂサイトの構造情報を保存する。概念ネットワーク１００では、異なるエディタのビューが一緒にマージされ、そのため、ユーザは、何が最も一般的な説明であるか決定することができる。

概念ネットワーク１００の他のいくつかの実施形態は、「エレクトロニクス」という語を説明するなどのタスクを実行するのに最適なＷｅｂサイトを決定している問い合わせを提供することができる。このタイプの問い合わせは、説明し、かつ／または比較する問い合わせとみなされ得る。そのため、概念ネットワークによって多くのＷｅｂサイトが評価され、比較される必要がある。そのような概念ネットワーク（複雑な問題を説明することができる概念ネットワークなど）を作成するのに伴う１つの機構は、問い合わせによって提示された問題に関連する多数のＷｅｂサイトを考察すること、すなわち、何とかして、従来技術のサーチエンジンによって行われるのと同様に各Ｗｅｂサイトの関連性を測定可能に考察し、次いで、概念ネットワークのユーザに、Ｗｅｂページの関連性のある部分を表示することを伴う。図５のプロセス６００の実施形態は、このタイプの問い合わせを行うのにも使用することができる。

これらのタイプの比較的複雑な問い合わせ（上位Ｎ件タイプの問い合わせ、または複数のＷｅｂサイトなどを評価し、比較する必要のある問い合わせ）に応答するために、概念ネットワーク１００は、考察される各ＷｅｂページまたはＷｅｂサイトの構造を評価することによって構築される。従来技術のサーチエンジンは、これらの解析を行うためにＷｅｂサイトから構造を導出することができない（したがって、そのような問い合わせに応答することができない）。例えば、エレクトロニクスの例に関連して、概念ネットワークは、エレクトロニクスの話題を正確に記述することに十分に方向づけられた十分な情報を提供するように構造化されたＷｅｂページを考察する。

また、概念ネットワーク１００は、問い合わせ拡張においても非常に役立つ。現在、多くのインターネットアプリケーションは、従来技術の手操作のツール、ＷｏｒｄＮｅｔを利用して、既存のサーチエンジンの精度を高めるためにユーザの問い合わせを拡張する。しかしながら、ＷｏｒｄＮｅｔは、手操作で（シソーラスを）構築する労働集約的作業として作成される。ほとんどのＷｅｂサイトは、シソーラスを手操作で構築することを好まない。Ｗｅｂサイト運営者は、シソーラス構築を自動化するほうを好む。ユーザによる手操作のシソーラス構築は、インターネットの急速な成長に適さない。インターネットなどのネットワークにおける文書数は増大し続けている。本開示で説明する概念ネットワークの有用性を強調するますます多くの新しい語および概念が出現し続けている。概念ネットワークは、キーワード比較を利用する従来技術のサーチエンジンに比べて、より少ないがより方向づけられた結果を返す。そのため、ユーザが、概念ネットワークによって返される各結果を評価するのがより容易になる。また、ユーザが、問い合わせが所望のタイプの結果を返さないかどうか評価するのがより容易になり、したがって、ユーザは、最初の問い合わせをより方向づけられるように変更することができる。

（概念ネットワークがそれとして機能し得る）ライブシソーラスは、インターネットおよび他のネットワークサーチで役に立つ。さらに、概念ネットワーク１００は、概念の階層を含むのみならず、これらの概念の統計情報も含む。そのため、概念ネットワークは、調査など、評判に関するいくつかの特定の質問に容易に適用することができる。

概念ネットワーク１００の一実施形態は、インターネットおよび他のネットワーク環境の著者すべてからの語および概念に関するビューをマージするため、概念ネットワーク１００は、ネットワークユーザに代替のシソーラスを提供するものとみなすことができる。概念ネットワーク１００は、クライアント側に対して個人用シソーラスとして適応することができる。ユーザのブラウズ経路は、Ｗｅｂの部分空間を生成する。類似の方法が、Ｗｅｂの部分空間を解析して個人的に使用頻度の高い概念の関係を生成するために適用され得る。

したがって、概念ネットワークは、Ｗｅｂページの要約を提供する。ハイパーリンクおよびページタイトル上のテキストが、Ｗｅｂページの要約として使用され得る。別の実施形態では、いくつかの主要なキーワードを使って文書を要約するために、自然言語パース（ＮＬＰ）技法が（おそらくＨＴＭＬパーサ２１６の一部として）Ｗｅｂサイトサーチ部分２０１に統合され得る。

本開示には、様々な概念ネットワーク１００が示されている。概念ネットワークは、複数のＷｅｂサイトの構造を解析し、その解析結果をマージすることによってＷｅｂサイトから構築されるインターネット概念ネットワークとみなすことができる。概念ネットワーク１００は、サーチエンジンの精度および速度を高めるのに特に役立ち得る。概念ネットワークは、Ｗｅｂサイト内に含まれるプレーンテキストではなく、Ｗｅｂサイト構造から知識を抽出する。概念ネットワークは、ドメインの自動構築を提供する。概念ネットワークからの統計結果は、様々なＷｅｂサイトに含まれる一般的知識を明らかにする。

そのため、概念ネットワークは、個々のＷｅｂサイトから情報を獲得するだけでなく、ネットワーク上の多種多様なＷｅｂサイトからも知識を獲得する。概念ネットワークは、オントロジ学習を使って、Ｗｅｂサイトに関連する構造情報を維持することができる。したがって、新しいＷｅｂページおよび概念がインターネットに適用されるにつれて、オントロジは、それらのＷｅｂページからの構造情報が概念ネットワークに自動的に統合されることを可能にする。さらに、概念ネットワーク１００は、「世界の上位Ｎ社のデジタルカメラ製造会社を探し出す」や、「エレクトロニクスという語を説明する」といった、一般のサーチエンジンが行うことのできないいくつかのサービスを提供することができる。また、概念ネットワークは、問い合わせ拡張のためのライブインターネットシソーラスとして機能することもできる。というのは、概念ネットワークは、図３に示す基本Ｗｅｂブロックを介して、相互に関連し合うそのような様々な下位Ｗｅｂブロックを提供するからである。

図６に、概念ネットワークを作成し得るユーザインターフェースを含む適切なコンピュータ環境またはネットワーク５００の一例を示す。コンピュータ環境５００は、図１に示すコンピュータ環境５０の一実施形態を表す。類似のリソースが、本明細書で説明するコンピュータ環境およびプロセスを使用し得る。

図６に示すコンピュータ環境５００は、本明細書で説明する概念ネットワーク技法を実施するのに使用することができる一般的なコンピュータ環境である。コンピュータ環境５００はコンピュータ環境の一例にすぎず、コンピュータおよびネットワークアーキテクチャの用途または機能の範囲に関するどんな限定を示唆することも意図されていない。コンピュータ環境１００は、例示的コンピュータ環境５００に示す構成要素のいずれか１つまたはそれらの組合せに関連するどんな依存関係または要件を有するものであるとも解釈すべきではない。

コンピュータ環境１００は、コンピュータ５０２の形で汎用コンピュータ装置を含む。コンピュータ５０２は、例えば、独立型コンピュータ、ネットワークで接続されたコンピュータ、メインフレームコンピュータ、ＰＤＡ、電話機、マイクロコンピュータまたはマイクロプロセッサ、あるいはプロセッサをメモリと組み合わせて使用する他の任意のコンピュータ装置を含むグループからの１つまたは複数を含み得る。コンピュータ５０２の構成要素には、それだけに限らないが、１つまたは複数の（任意選択で暗号プロセッサまたはコプロセッサを含む）プロセッサまたは処理装置５０４と、システムメモリ５０６と、プロセッサ５０４およびシステムメモリ５０６を含む様々なシステム構成要素を結合するシステムバス５０８とが含まれ得る。

システムバス５０８は、様々なバスアーキテクチャのいずれかを使用するメモリバスまたはメモリコントローラ、周辺バス、アクセラレーテッドグラフィックスポート、およびプロセッサまたはローカルバスを含む数種類のバス構造のいずれかの１つまたは複数を表す。例をあげると、そのようなアーキテクチャには、インダストリースタンダードアーキテクチャ（ＩＳＡ）バス、マイクロチャネルアーキテクチャ（ＭＣＡ）バス、拡張ＩＳＡバス（ＥＩＳＡ）、ビデオエレクトロニクススタンダードアソシエーション（ＶＥＳＡ）ローカルバス、およびメザニンバスとも呼ばれるペリフェラルコンポーネントインターコネクト（ＰＣＩ）バスが含まれ得る。

コンピュータ５０２は、通常、様々なコンピュータ可読媒体を含む。そのような媒体は、コンピュータ５０２によりアクセスできる任意の利用可能な媒体とすることができ、それには、揮発性と不揮発性両方の媒体、取り外し可能と取り外し不能両方の媒体が含まれる。

システムメモリ５０６は、読出し専用メモリ（ＲＯＭ）５１２などの不揮発性メモリ、および／またはランダムアクセスメモリ（ＲＡＭ）５１０などの揮発性メモリの形でコンピュータ可読媒体を含む。基本入出力システム（ＢＩＯＳ）５１４は、始動時などにコンピュータ５０２内の要素間での情報転送を支援する基本ルーチンを含み、ＲＯＭ５１２に格納される。ＲＡＭ５１０は、通常、処理装置５０４によって直ちにアクセス可能であり、かつ／または現在、処理装置５０４によって操作されているデータおよび／またはプログラムモジュールを含む。

また、コンピュータ５０２は、他の取り外し可能／取り外し不能、揮発性／不揮発性コンピュータ記憶媒体も含み得る。例として、図６に、取り外し不能、不揮発性磁気媒体（図示せず）との間で読取りおよび書込みを行うハードディスクドライブ５１５、取り外し可能、不揮発性磁気ディスク５２０（「フロッピー（登録商標）ディスク」など）との間で読取りおよび書込みを行う磁気ディスクドライブ５１８、およびＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、他の光媒体などの取り外し可能、不揮発性光ディスク５２４との間で読取りおよび書込みを行う光ディスクドライブ５２２を示す。ハードディスクドライブ５１５、磁気ディスクドライブ５１８、および光ディスクドライブ５２２は、それぞれ、１つまたは複数のデータ媒体インターフェース５２７によってシステムバス５０８に接続される。代替として、ハードディスクドライブ５１５、磁気ディスクドライブ５１８、および光ディスクドライブ５２２は、１つまたは複数のインターフェース（図示せず）によってもシステムバス５０８に接続され得る。

ディスクドライブおよびそれらに関連付けられたコンピュータ可読媒体は、コンピュータ５０２のためのコンピュータ可読命令、制御ノードデータ構造、プログラムモジュール、およびその他のデータの不揮発性記憶を提供する。例には、ハードディスクドライブ５１５内のハードディスク、取り外し可能磁気ディスク５２０、および不揮発性光ディスク５２４が示されているが、磁気カセットその他の磁気記憶装置、フラッシュメモリカード、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）などの光記憶装置、ランダムアクセスメモリ（ＲＡＭ）、読出し専用メモリ（ＲＯＭ）、電気的に消去可能書込み可能な読出し専用メモリ（ＥＥＰＲＯＭ）など、コンピュータによりアクセス可能なデータを格納することができる他の種類のコンピュータ可読媒体を利用して例示的コンピュータ環境５００を実施することもできることを理解すべきである。

ハードディスクドライブ５１５に含まれるハードディスク、磁気ディスク５２０、不揮発性光ディスク５２４、ＲＯＭ５１２、および／またはＲＡＭ５１０には、例えば、ＯＳ５２６、１つまたは複数のアプリケーションプログラム５２８、その他のプログラムモジュール５３０、およびプログラムデータ５３２などを含む任意の数のプログラムモジュールが格納され得る。各ＯＳ５２６、１つまたは複数のアプリケーションプログラム５２８、その他のプログラムモジュール５３０、およびプログラムデータ５３２（またはそれらの何らかの組合せ）は、分散ファイルシステムをサポートする常駐コンポーネントの全部または一部を実施することができる。

ユーザは、キーボード５３４やポインティングデバイス５３６（「マウス」など）といった入力装置を介してコンピュータ５０２にコマンドおよび情報を入力することができる。他の入力装置５３８（具体的には図示せず）には、マイクロホン、ジョイスティック、ゲームパッド、衛星パラボラアンテナ、シリアルポート、スキャナなどが含まれ得る。上記その他の入力装置は、システムバス５０８に結合される入出力インターフェース５４０を介して処理装置５０４に接続されるが、パラレルポート、ゲームポート、ユニバーサルシリアルバス（ＵＳＢ）といった他のインターフェースおよびバス構造によっても接続され得る。

また、モニタ、フラットパネルディスプレイ、またはその他の種類のコンピュータディスプレイ２００も、ビデオアダプタ５４４などのインターフェースを介してシステムバス５０８に接続され得る。コンピュータディスプレイ２００に加えて、他の出力周辺装置には、入出力インターフェース５４０を介してコンピュータ５０２に接続され得るスピーカ（図示せず）やプリンタ５４６などの構成要素が含まれ得る。

コンピュータ５０２は、リモートコンピュータ装置５４８など１つまたは複数のリモートコンピュータへの論理接続を使ってネットワークで接続された環境で動作することができる。例をあげると、リモートコンピュータ装置５４８は、パーソナルコンピュータ、携帯用コンピュータ、サーバ、ルータ、ネットワークコンピュータ、ピアデバイスまたはその他一般のネットワークノード、ゲームコンソールなどとすることができる。リモートコンピュータ装置５４８は、本明細書でコンピュータ５０２に関連して説明する要素および機能の多くまたはすべてを含み得る携帯用コンピュータとして示されている。

コンピュータ５０２とリモートコンピュータ装置５４８の間の論理接続は、ローカルエリアネットワーク（ＬＡＮ）５５０および一般の広域ネットワーク（ＷＡＮ）５５２として示されている。そのようなネットワーク環境は、オフィス、企業規模のコンピュータネットワーク、イントラネット、インターネットではよく見られるものである。

ＬＡＮネットワーク環境で実施されるとき、コンピュータ５０２は、ネットワークインターフェースまたはアダプタ５５４を介してローカルネットワーク５５０に接続される。ＷＡＮネットワーク環境で実施されるとき、コンピュータ５０２は、通常、モデム５５６、または広域ネットワーク５５２を介して通信を確立する他の手段を含む。モデム５５６は、コンピュータ５０２に内蔵することも、外付けすることもでき、入出力インターフェース５４０または他の適切な機構を介してシステムバス５０８に接続され得る。図示のネットワーク接続は例であり、コンピュータ５０２と５４８の間で通信リンクを確立する他の手段も用いられ得ることを理解すべきである。

コンピュータ環境５００で示すような、ネットワークで接続された環境では、コンピュータ５０２に関連して示すプログラムモジュール、またはその一部は、リモートメモリ記憶装置に格納され得る。例をあげると、リモートアプリケーションプログラム５５８は、リモートコンピュータ５４８のメモリ装置にある。例として、本明細書では、アプリケーションプログラムおよびオペレーティングシステムなど他の実行可能プログラムコンポーネントが別個のＷｅｂブロックとして示されているが、そのようなプログラムおよびコンポーネントは、様々なときに、コンピュータ５０２の異なる記憶コンポーネントにあり、コンピュータ５０２のデータプロセッサによって実行されることが理解される。図示し、説明したネットワーク接続は例であり、コンピュータ間で通信リンクを確立する他の手段も使用することができることが理解されるであろう。

本明細書では、様々なモジュールおよび技法は、１つまたは複数のコンピュータまたはその他の装置によって実行される、プログラムモジュールなどのコンピュータ実行可能命令の一般的なコンテキストで説明することができる。一般に、プログラムモジュールには、個々のタスクを実行し、個々の抽象データ型を実装するルーチン、プログラム、制御オブジェクト６５０、コンポーネント、制御ノードデータ構造６５４などが含まれる。通常、プログラムモジュールの機能は、様々な実施形態で求めに応じて組み合わされ、または分散され得る。

これらのモジュールおよび技法の実装は、何らかの形のコンピュータ可読媒体上に格納され、またはそれを介して送信され得る。コンピュータ可読媒体は、コンピュータによってアクセスすることができる任意の利用可能な媒体とすることができる。例をあげると、それだけに限らないが、コンピュータ可読媒体には、「コンピュータ記憶媒体」および「通信媒体」が含まれ得る。

「コンピュータ記憶媒体」には、コンピュータ可読命令、制御ノードデータ構造、プログラムモジュール、その他のデータなどの情報を記憶するための任意のプロセスまたは技術で実施される揮発性と不揮発性、取り外し可能と取り外し不能の媒体が含まれる。コンピュータ記憶媒体には、それだけに限らないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリなどのメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）などの光記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶などの磁気記憶装置、あるいは所望の情報を格納するのに使用され、コンピュータによってアクセスすることができる他の任意の媒体が含まれる。

「通信媒体」は、通常、コンピュータ可読命令、制御ノードデータ構造、プログラムモジュール、またはその他のデータを、搬送波や他の搬送機構などの変調されたデータ信号中に具現化するものである。また、通信媒体は、任意の情報伝達媒体も含む。「変調されたデータ信号」という用語は、その特性の１つまたは複数が、信号に情報を符号化するような方式で設定され、または変更されている信号を意味する。例をあげると、それだけに限らないが、通信媒体には、有線ネットワークや直接配線接続などの有線媒体、および音響、ＲＦ、赤外線、その他の無線媒体などの無線媒体が含まれる。また、上記のいずれかの組合せもコンピュータ可読媒体の範囲内に含まれる。

以上、システム、媒体、方法、手法、プロセスなどを構造的、機能的特徴および／または方法に特有の言葉で説明してきたが、添付の特許請求の範囲で定義される本発明は、必ずしも、前述の具体的特徴または方法に限定されるものではないことを理解すべきである。そうでなく、それらの具体的特徴および方法は、特許請求される発明を実施する例示的な形として開示したものである。

概念ネットワークを含むコンピュータ環境の一実施形態を示すブロック図である。 概念ネットワークの一実施形態を作成するＷｅｂサイトサーチ部分の別の実施形態を示すブロック図である。 概念ネットワークを設けるのに使用されるドメインの分類法構築の一実施形態を示すブロック図である。 概念ネットワークがコンピュータ環境のディスプレイ上に表示され得る際の概念ネットワークの表示される結果を示す透視図である。 Ｗｅｂサイト構造解析アルゴリズムの一実施形態を示す流れ図である。 ユーザに概念ネットワークを導出し、または表示するのに使用され得るコンピュータ環境の一実施形態を示すブロック図である。

Claims (50)

1. 各データ記憶場所がノードの中に配置され、いくつかのノードが少なくとも１つのリンクによって接続される、複数のデータ記憶場所を求めるサーチツールと、
   前記リンクに基づいて前記複数のノードのうちのいくつかのものの一部を考察する概念ネットワークであって、前記少なくとも１つのリンクはコンテンツのために使用される概念ネットワークと
   を備えることを特徴とする装置。
2. 前記リンクは、コンテンツのためのみならずナビゲートのためにも使用されることを特徴とする請求項１に記載の装置。
3. 前記概念ネットワークは、前記複数のノードのうちのいくつかのものを表示することを特徴とする請求項１に記載の装置。
4. 前記概念ネットワークは、ドメイン固有の分類法部分を利用して前記複数のノードのうちのいくつかのものの一部を選択することを特徴とする請求項１に記載の装置。
5. 前記ドメイン固有の分類法部分は、複数のドメイン固有のデータ記憶場所からの入力を選択することを特徴とする請求項４に記載の装置。
6. 前記ドメイン固有の分類法は、情報マイニング部分からの入力を受け取ることを特徴とする請求項４に記載の装置。
7. 前記情報マイニング部分は、リンク構造に基づくものであることを特徴とする請求項６に記載の装置。
8. 前記複数のノードのうちのいくつかのものの一部を選択する前記概念ネットワークは、前記データ記憶場所の構造を利用することを特徴とする請求項１に記載の装置。
9. 前記構造は、ユニバーサルリソースロケータ（ＵＲＬ）に基づくものであることを特徴とする請求項８に記載の装置。
10. 前記ＵＲＬは、複数のデータ記憶場所の構造を獲得することを特徴とする請求項９に記載の装置。
11. データ記憶場所のマージをさらに含むことを特徴とする請求項１に記載の装置。
12. 前記マージは、Ｗｅｂサイト構造マージツールによって実行されることを特徴とする請求項１１に記載の装置。
13. Ｗｅｂサイト構造アナライザをさらに備えることを特徴とする請求項１１に記載の装置。
14. 前記Ｗｅｂサイト構造アナライザは、ハイパーリンクキューを含むことを特徴とする請求項１３に記載の装置。
15. 前記Ｗｅｂサイト構造アナライザは、Ｗｅｂサイトクローラを含むことを特徴とする請求項１３に記載の装置。
16. 前記Ｗｅｂサイト構造アナライザは、ＨＴＭＬパーサを含むことを特徴とする請求項１３に記載の装置。
17. 前記Ｗｅｂサイト構造アナライザは、ファンクションベースオブジェクトモデル（ＦＯＭ）アナライザを含むことを特徴とする請求項１３に記載の装置。
18. 前記Ｗｅｂサイト構造アナライザは、ハイパーリンク解析を含むことを特徴とする請求項１３に記載の装置。
19. 前記概念ネットワークは、前記データ記憶場所にすでに含まれる構造を利用することを特徴とする請求項１に記載の装置。
20. 前記概念ネットワークは、相互情報を利用することを特徴とする請求項１に記載の装置。
21. 前記概念ネットワークは、エントロピーを利用することを特徴とする請求項１に記載の装置。
22. 前記概念ネットワークは、異なる単語対間の類似性を利用することを特徴とする請求項１に記載の装置。
23. 前記データ記憶場所は、Ｗｅｂサイトを含むことを特徴とする請求項１に記載の装置。
24. 前記概念ネットワークは、３つの関係、すなわち、子孫、祖先、および兄弟を含むことを特徴とする請求項１に記載の装置。
25. 各データ記憶場所が複数のノードを含む複数のデータ記憶場所を求めるサーチツールと、
    前記複数のノードの構造に基づいて前記複数のノードのうちのいくつかのものの一部を選択する概念ネットワークと
    を備えることを特徴とする装置。
26. 前記複数のデータ記憶場所の構造は、前記データ記憶場所のユニバーサルリソースロケータ（ＵＲＬ）に基づいて導出されることを特徴とする請求項２５に記載の装置。
27. 前記概念ネットワークは、Ｗｅｂマージに基づいて前記複数のノードのうちのいくつかのものの一部を選択することを特徴とする請求項２５に記載の装置。
28. 前記概念ネットワークは、複数のＷｅｂブロックを含む構造を表示することを特徴とする請求項２５に記載の装置。
29. 前記データ記憶場所はＷｅｂページを含むことを特徴とする請求項２５に記載の装置。
30. 前記概念ネットワークは、３つの関係、すなわち、子孫、祖先、および兄弟を含むことを特徴とする請求項２５に記載の装置。
31. 複数のＷｅｂページに対応する複数のユニバーサルリソースロケータ（ＵＲＬ）を受け取ること、
    前記複数のＵＲＬのコンテンツを割り出すために前記複数のＵＲＬを解析すること、および
    前記解析された複数のＵＲＬに基づいて複数のＷｅｂブロックを概念ネットワークに構造化すること
    を備えることを特徴とする方法。
32. 前記概念ネットワークを表示することをさらに備えることを特徴とする請求項３１に記載の方法。
33. 前記表示された概念ネットワークに応答したユーザ入力を受け取ることをさらに備えることを特徴とする請求項３２に記載の方法。
34. 前記ＵＲＬに基づいて、個々のリンクが上方リンクであるか、下方リンクであるか、兄弟リンクであるか、それとも横方向のリンクであるかを決定することをさらに備えることを特徴とする請求項３１に記載の方法。
35. 複数のドメイン固有のＷｅｂサイトを考察すること、
    複数のドメイン固有のＷｅｂサイトの相対的コンテンツを解析することによってドメイン固有の分類法を導出すること、および
    前記ドメイン固有の分類法に基づいて概念ネットワークを明確に表すこと
    を備えることを特徴とする方法。
36. 前記ドメイン固有の分類法は、情報マイニングに基づいて導出されることを特徴とする請求項３５に記載の方法。
37. 前記情報マイニングは、リンク構造およびコンテンツに基づくものであることを特徴とする請求項３６に記載の方法。
38. 前記概念ネットワークは、エントロピーに基づいて明確に表されることを特徴とする請求項３５に記載の方法。
39. 前記概念ネットワークは、相互情報に基づいて明確に表されることを特徴とする請求項３５に記載の方法。
40. 前記概念ネットワークは、類似性に基づいて明確に表されることを特徴とする請求項３５に記載の方法。
41. ユーザから送られた問い合わせに基づいて複数のＷｅｂサイトに関する構造情報を解析すること、
    前記複数のＷｅｂサイトの前記構造情報に基づいて「上位Ｎ件」型の問い合わせの応答を決定すること、および
    前記ユーザに、前記決定された応答に関連する情報を返すこと
    を含む概念ネットワークを生成すること
    を備えることを特徴とする方法。
42. 前記構造情報は、ユニバーサルリソースロケータ（ＵＲＬ）に基づくものであることを特徴とする請求項４１に記載の方法。
43. 前記構造情報は、各Ｗｅｂページ内の隠された概念に基づくものであることを特徴とする請求項４１に記載の方法。
44. ユーザから送られた問い合わせに基づいて複数のデータ記憶場所に関する構造情報を解析すること、
    前記複数のデータ記憶場所の前記構造情報に基づいて関連型問い合わせの応答を決定すること、および
    前記ユーザに、前記決定された応答に関連する情報を返すこと
    を含む概念ネットワークを生成すること
    を備えることを特徴とする方法。
45. 前記構造情報は、ユニバーサルリソースロケータ（ＵＲＬ）に基づくものであることを特徴とする請求項４４に記載の方法。
46. 前記構造情報は、各データ記憶場所内の隠された概念に基づくものであることを特徴とする請求項４４に記載の方法。
47. 前記データ記憶場所はＷｅｂページを含むことを特徴とする請求項４４に記載の方法。
48. 概念ネットワークを生成するコンピュータ実行可能命令を有するコンピュータ可読媒体であって、
    ユーザから送られた問い合わせに基づいて複数のＷｅｂサイトに関する構造情報を解析すること、
    前記複数のＷｅｂサイトの前記構造情報に基づいて関連型問い合わせの応答を決定すること、および
    前記ユーザに、前記決定された応答に関連する情報を返すこと
    を備えることを特徴とするコンピュータ可読媒体。
49. ユーザから送られた問い合わせに基づいて複数のデータ記憶場所に関する構造情報を解析すること、および
    前記複数のデータ記憶場所の前記構造情報に基づいて関連型問い合わせの応答を決定すること
    によってドメイン固有の分類法を自動的に導出すること
    を備えることを特徴とする方法。
50. 前記ドメイン固有の分類法を使って概念ネットワークを生成することをさらに備えることを特徴とする請求項４９に記載の方法。
    

Images