JP2007515721A - ドキュメント拡張方法 - Google Patents

Abstract

【課題】 検索効率を改善するために、索引拡張の機能をもった検索システムを構築すること。
【解決手段】 検索システムは、ドキュメントの索引内容を検索する検索エンジンと、少なくとも幾つかのユーザ・クエリを用いて索引を拡張するための索引拡張機能部とを含む。索引は、索引付けされるべきドキュメント中と、前記ドキュメントを見出すために用いられたユーザ・クエリ中とに見出される用語の一覧表、及び、少なくとも、それら用語がドキュメント中及びユーザ・クエリ中にどれほど頻繁に出現するかを含んだ一覧表を含むことができる。
【選択図】図２

Description

本発明は、一般に、検索エンジン及び索引方法に関する。

検索エンジンは既知である。それらは、あらゆるデータベース及びあらゆる索引の一部である。典型的には、データベースは、一つのビジネスからの情報を、定型の記録として保管する。索引は、多くの場所で見出されるデータを項目別に並べたものである。例えば、Ｇｏｏｇｌｅ．ｃｏｍ及びＡｌｔａｖｉｓｔａは、ウェッブの索引を作成するために、ワールドワイドウェッブのページを定期的に索引付けしている。

Ｇｏｏｇｌｅ．ｃｏｍは、ページ上の言語、及び、そのページを指すハイパーリンク（他者によって構成された）上の言語の両方で見るように、それらの検索エンジンを拡張した。ハイパーリンク上に現れるテキスト（通常は青色で強調される）は、“アンカーテキスト”として知られており、索引中のページと共に保管される。

ここで参照する図１は、簡略化した索引の小部分を示す。索引付けされたドキュメント又はページ中に見出される各用語は、最初の列２にリストされる。各用語に付随するのは、その用語の出現総数（列４）及びドキュメント中の出現箇所（タイトル中（列６）、アンカーテキスト中（列８）又はテキスト中（列１０））。列４，６，８又は１０の各セル中に、ドキュメント番号及び出現数がリストされる。例えば、以下は、用語Ａの出現総数としてリストされる。

（ｄｏｃ＃１，５０００），（ｄｏｃ＃４，６），（ｄｏｃ＃６７，９０），（ｄｏｃ＃１２２０，９）．．．

従って、用語Ａは、ドキュメント１中には５０００回、ドキュメント４中には６回、ドキュメント６７中には９０回、及びドキュメント１２２０中には９回、見出されることになる。ドキュメント１内の５０００回のすべてはアンカーテキスト中（列８）に出現し、一方、ドキュメント４の６回は２箇所に、すなわち、テキスト中に４回及びタイトル中に２回、見出される。

幾つかの索引は、各用語がドキュメント中のどこに出現するかをリストしている。従って、項目は（ｄｏｃ＃、ドキュメント番号内の文字）の形式でリストされる。これは元のドキュメントの構造を維持し、索引中に追加の列を形成する。索引はまた、用語がテキスト中にどのように現れたか（例えば、太字、強調形、テキストの色、テキストの大きさ、など）に関する入念な参照を含むことができる。そのような参照の各々は、索引中にそれ自体のカウントをもつことができる。

多くの人々が気付いているように、物事を“ウェッブ”上に見出すことは容易であり得るが、しかし、これは、ユーザが検索するために用いる正しい用語を知っているときにだけである。正しい用語は、ウェッブページの設計者によって用いられたものである。このことは、特異的でない事項の発見を難しくする。例えば、あるユーザが５歳の少年のための音楽玩具を買うためにＡｍａｚｏｎ．ｃｏｍに行ったが、希望の商品を見出すまでには多くの検索を要した。単に“５歳の少年のための音楽玩具”とタイプすると、若年の少年のための及び彼らに関する、さまざまな物の一覧表が示されたが、適切な玩具は示されなかった。一覧表に含まれるのは、しかし、“私たちの楽器店を訪問してください”である。選択すると、子供用音楽玩具の集団が示された。それらのいずれも不満足であったので、選択“他の楽器”を押した。この選択は、希望の商品である“行進する楽団のキット”を含んでいたのでより有用であった。

もう一つの例においては、あるユーザが“ＩＲ”（ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ、情報検索）の本を探していた。彼は、Ｇｏｏｇｌｅ上で“ＩＲ ｂｏｏｋ”を検索した。これは、本の一覧表を出したが、それらのいずれもフルネームがＭｏｄｅｒｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ（最新の情報検索）である最新の本ではなかった。“ｍｏｄｅｒｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ”というタイピングによってだけ最新のＩＲ本が検索できた。

本発明の第１の態様は、ドキュメントの索引内容を検索するための検索エンジンと、少なくとも幾つかのユーザ・クエリを用いて索引を拡張するための索引拡張機能部と、を有する検索システムを提供する。索引は、索引付けされるべきドキュメント中と、少なくとも、該ドキュメントを見出すために用いられたユーザ・クエリ中とに見出される用語の一覧表、及び、少なくともそれらの用語がどのくらいの頻度で前記ドキュメント及びユーザ・クエリ中に出現するかの一覧表を含むことができる。

本発明の第２の態様は、少なくとも幾つかのユーザ・クエリを用いてドキュメントの索引を拡張する方法を提供する。この方法は、データ処理装置による実行のためのプログラム・コード命令を有するコンピュータ・プログラムによって実施することができる。

本発明の第３の態様は、索引付けされるべきドキュメント中と、少なくとも、該ドキュメントを見出すために用いられたユーザ・クエリ中とに見出される用語の一覧表、及び、それらの用語がどのくらいの頻度で前記ドキュメント及びユーザ・クエリ中に出現するかの一覧表を含む索引を提供する。

本発明の第４の態様は、ユーザ・クエリ中に見出される用語の一覧表と、該用語が検索するために用いられたドキュメントの一覧表と、を含むクエリ索引を提供する。

本発明のさらなる態様は、ユーザ・クエリを送出する検索クライアントと、ドキュメントの索引内容を検索するための検索エンジンと、を有する検索システムであって、該索引が、少なくとも元のテキストと、該元のテキストに関する何かを記述する少なくとも一つのクエリとを指示するシステムを提供する。

本発明の主題は、特に本明細書の結論部分において詳しく示され、明確に権利主張される。本発明は、しかし、組織化と動作方法に関しては、目的、特徴、及びそれの利点と共に、以下の例示的な実施形態の詳細な説明と添付の図面を参照することによって、最もよく理解されるであろう。

説明を簡潔かつ明瞭にするために、図中に示された要素は、必ずしも一定の尺度では描かれていない。例えば、幾つかの要素の大きさは、明瞭さのために他の要素に比べて誇張されていることがある。さらに、適当と考えられるところでは、相当する又は類似の要素を示すために、参照数字が図の間で繰り返されることになる。

以下の詳細な説明において、本発明の完全な理解を与えるために、多くの特定の細部が記述される。しかし、本発明はこれらの特定の細部なしに実践し得ることを、当業者は理解するであろう。その他の例としては、本発明を不明瞭にしないために、周知の方法、手順及び部品は、詳細には説明されていない。

出願人は、どのようにユーザが彼らの検索している項目を調べるかに関するユーザのクエリ中に、かなりな量の情報があることを認識した。本発明の好ましい実施形態に従って、クエリの語を索引中の情報に連結することができ、それにより項目を説明し得る道筋が増加する。

背景技術における例に関して、“行進するバンドの玩具”のページは、索引中で関連付けられた“５歳の少年のための音楽玩具”なる語を有し、そして、Ｍｏｄｅｒｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌという本はそれと関連付けられた“ＩＲ Ｂｏｏｋ”を有し、その結果、それらの用語を用いる可能性のある他の検索者は、これらの商品を彼らの最初の検索の結果の一部として見出すであろう。

次に、本発明に従って構築され機能する検索システム１０を示す図２を参照する。検索システム１０は、検索クライアント１２、検索エンジン１４及び索引拡張機能部１６を有する。

検索クライアント１２及び検索エンジン１４は、多数のドキュメント２０の索引１８に作用する、従来技術において既知の、任意の検索クライアント及び検索エンジンとすることができる。知られているように、検索クライアント１２は検索要求を検索エンジンに送り、次にはそのエンジンが検索結果を、検索要求に合致したドキュメント２０のランク付けられた一覧表の形式で、与えることができる。検索クライアント１２は、次に一覧表からドキュメントを選択するか、又は別の検索を要求することができる。

索引付けされたドキュメントは、単一のページ、全ウェッブ・サイト、必ずしも１個人によって構成されたものではいないか、又は同じドメインの下に保管されているものではない一連のリンクされた複数のページ、或いは、それを示すページの部分のすべてをもつ単一のページ（即ち、該ページを指示しているリンク上に現われるアンカーテキスト、又は、該アンカーテキストの周辺のテキストであって、指示されたページを参照しているとみなされるものさえも含む）とすることができる。それら参照の各々もまた、索引中に記載することができる（例えば、ある用語が何回アンカーテキストとして現れるか）。

どんな索引も同様であるが、索引１８は、各用語に関するさまざまな情報、例えばドキュメント内の位置、機能（例えば、タイトル中に、サブタイトル中に、本文として、アンカーテキストとして、現れる）、強調されたかどうか（大文字使用、太字、イタリック、色、など）、出現頻度、出現の間隔など、を格納することができる。

本発明の好ましい実施形態によれば、索引拡張機能部１６は、検索エンジン１４に提示されたユーザ・クエリに基づいて、用語及び／又は他の詳細を、索引１８に、又はドキュメント２０のどれにでも加えることができる。索引拡張機能部１６は、以下に図３を参照して論じられるように、或いは他の任意の方法で、用語をドキュメントそれ自体に（メタデータとして）又は索引１８中のそれらの表現に加えることができる。

例えば、ここで簡単に参照される図３は、図１の例示的な部分的索引の例示的な拡張バージョンを示しており、そこでは、新しい情報は保留状態でマークされている。拡張された索引は、従来技術のバージョンと同じ列２，４，６，８、１０を有することができる。それに加えて、拡張索引はクエリ情報を保管する列９を有する。タイトル、アンカー及びテキストの列６，８及び１０の中の情報は変わっていない。変わるのは、出現総数の列４の中の情報である。

例えば、ドキュメント１はユーザ・クエリからの２０００が加えられているので、今や用語Ａの７０００回の出現をもつことになる。以前には用語Ａだけをもっていたドキュメント６７は、今や用語Ｂの９０００回の出現をもつことになるが、それらは全て、クエリ列９にリストされているので、クエリ中のものである。複合語のクエリは、完全な句として保管されるか、又は近接情報がドキュメント・テキスト又はそれに関連付けられたアンカーテキストに対するのと同様の様態で、保管される。

検索エンジン１４が拡張索引１８を検索するとき、その検索エンジンは、拡張された情報を用いて、索引付けされたドキュメントに関連付けられた新しいクエリ用語に基づいて、種々の検索結果を出力することができる。その結果、もし誰かが、背景の項において論じたように、“５歳児のための玩具”に関する拡張索引を検索すれば、検索エンジン１４はＭａｒｃｈｉｎｇ Ｂａｎｄ Ｓｅｔへのリンクを返すことができる。同様に、もし誰かが“ＩＲ ｂｏｏｋ”に関する拡張索引を検索すれば、検索エンジン１４は、最新刊を含む全ての本へのリンクを返すことができる。

索引拡張機能部１６は、ユーザ・クエリ・プロセッサ３０、クエリ・ランカー３２、及び索引拡張機能部３４を含むことができる。ユーザ・クエリ・プロセッサ３０は、検索エンジン１４によって作られた、ユーザ・クエリ及び結果のログファイルを解析することができる。幾つかの検索エンジンはまた、ユーザの最終選択をログ記録し、ユーザ・クエリ・プロセッサ３０は、これらを同様に解析することができる。

ユーザ・クエリ・プロセッサ３０は、ユーザ・クエリをドキュメント・クエリ索引４０に加えることができ、その索引４０は、各クエリをプロセッサ３０によって生成されたドキュメント２０に関連付けることができる。このプロセッサはまた、マルチ検索セッション中の全クエリを生成された全てのドキュメントに、又は、各クエリのトップにランクされた結果だけに、関連付けることができる。或いは、もしシステムが、検索の結果どのドキュメントをユーザが追跡したかを示すことができれば、次にプロセッサ３０はクエリを、表示された又はクリックされたドキュメントだけに関連付けることができる。セッションは、あらかじめ定められた時間内の、又はログインの間の、といった任意の仕方で定義することができる。

さらなる実施形態においては、もしユーザがクエリの結果を用いずに、クエリの間の情報をブラウズした場合には、クエリ・プロセッサ３０は、クエリをブラウズされたドキュメントに関連付けることもできる。このことは、ブラウズされたドキュメントが元の索引中に見出されるときにだけ可能であり、クエリをそれらに加えるために利用できる。

検索セッションの最後に選択されたドキュメントは、通常は望ましい項目であるので、該ドキュメントには特別な重みを与えることができる。このドキュメントは、検索のクエリのそれぞれに、又は、最初の検索用語は普通はユーザの自然言語の用語であるので、初期検索用語に、関連付けることができる。或いは又はさらに、ユーザの最初のクエリに関するタイミングによって、異なるクエリに異なる重みを割り当てることもできる。

クエリの用語は、元のドキュメントの言語に関らずに、どんな言語であってもよいことが認識されるであろう。例えば、もし何かに関するユーザ・クエリがドイツ語であって、なにも検索できず、次に英語に移って何かを検索できたとすると、そのドイツ語の言葉も、英語のドキュメントに関連付けて加えることができる。

代替的実施形態においては、選択されたドキュメントがユーザの初期クエリに対する回答であるとき、選択されたドキュメント及び初期検索用語だけを保管することができる。或いはさらに、どの検索用語がユーザの最終選択に関連するかを示すようにユーザに要求するようにしてもよい。

ユーザ・クエリ・プロセッサ３０は、検索エンジン１４と連動して機能することができ、それゆえ、検索の要求と結果、及び選択を、リアルタイムで又は半リアルタイムで受け取ることができる。或いは、図２に示されるように、ユーザ・クエリ・プロセッサ３０は、検索エンジン１４によって生成されたログファイル４２に作用することができる。

ドキュメント・クエリの索引４０は、任意の適切な様式に組織化することができる。一つの例示的な様式は、索引付けされたドキュメント２０ごとに一つのクエリ・ドキュメント４４を有するものであり、その場合、各クエリ・ドキュメント４４が、クエリ、及び特定のクエリが何回ログファイル４２中に用いられたかをリストすることができる。リアルタイム又は半リアルタイムの動作に関して、クエリの回数は頻繁に更新される。同様に、多数のログファイル４２が調査されるときも、クエリの頻度が更新される。

もう一つの実施形態においては、ここで簡単に参照される図４に示されるように、クエリ索引４０は、ドキュメント索引１８と同じ用語をリストすることができ、かつ、ドキュメントに関連付けられたクエリ中における用語の出現頻度をリストすることもできる。

適当な時点で、ドキュメント索引１８を拡張することが望ましい。クエリ・ランカー３２は、どのクエリをドキュメント索引１８に加えるかを決めるために、クエリ索引４０を調査することができる。任意の適切な実践的方法を用いることができる。直接的な実践的方法は、全てのクエリを加え、それらにそれらの使用頻度による重み付けをすることである。他の実践的方法は、相当な使用頻度をもつものだけを選択するプロセスを含むことができる。さらに他の実践的方法は、任意の古くなったクエリを削除するステップを含むことができる。この最後の実践的方法は、ユーザ・クエリ・プロセッサ３０が、索引４０中の各クエリに関連付けられたタイム・スタンプを保管することを必要とするものである。もう一つの実践的方法として、どの用語が完全に恒久的にドキュメント２０に関連付けられるに十分に“熟成”したか、を決定するプロセスを含むことができる。もう一つの実践的方法は、用語に対して、索引１８中に‘ｎｏｔ ｓｕｒｅ ａｂｏｕｔ’として現れるように重みを割り当て、次に、この重みを検索エンジン１４によって実行されるランキング計算のために用語に付与するものである。

索引拡張機能部３４は、索引を調査してその中の情報を変えることができる、という点において、既知の索引更新プログラムに類似している。拡張機能部３４はクエリ・ランカー３２によって生成されたランク付けされたクエリを取り込むことができ、それらを索引１８中の関連ドキュメント２０に関連付けることができる。索引拡張機能部３４は、クエリの列９のように又は他の適切な様式で、クエリを、関連するアンカーテキスト２２に、関連するドキュメント２０に、付加的なテキスト・セクション２４に、加えることができる。適切な場合には、索引拡張機能部３４はまた、以前に加えられたクエリのタイム・スタンプを調査して、共通クエリに関する任意のタイム・スタンプを更新し、タイム・スタンプが‘古い’任意のクエリを削除することができるが、ここで‘古い’は適切な定義のいずれであってもよい。

索引拡張機能部３４は、クエリを加えることによって、及び、既存クエリの使用頻度及びタイム・スタンプを更新することによって、各ドキュメント２０に関連付けられた全体のクエリのリストを更新することができる。索引拡張機能部３４は、任意の適切な実践的方法に従って、クエリをランク付けすることができる。一つの実践的方法は使用頻度である。もう一つは、上で論じられたタイム・スタンプによる方法でもよい。

ひとたび索引拡張機能部が作業を完了すれば、検索エンジン１４は新しいクエリを用いて拡張された索引１８を検索することができる。

ここに、本発明のいくつかの特徴が示され、説明されてきたが、多くの修正、代替、変更、及び均等技術が当業者に思い浮かぶであろう。従って、添付の特許請求の範囲は、それら全ての修正及び変更を、本発明の真の精神に含まれるものとして含むこと、を意図するものと理解されるべきである。

簡略化された従来技術の索引の小部分を示す。 本発明に従って構築され機能する検索システムのブロック図を示す。 図２のシステムによって作成された、簡略化され拡張された索引の小部分を示す。 図２のシステムにおいて有用な、簡略化されたクエリ索引を示す。

Claims (19)

1. ドキュメントの索引内容を検索するための検索エンジンと、前記索引を少なくとも幾つかのユーザ・クエリを用いて拡張するための索引拡張機能部とを含む検索システム。
2. 前記索引拡張機能部が、クエリを前記検索エンジンによって検索されたドキュメントに関連付けるためのクエリ・プロセッサを含む、請求項１に記載のシステム。
3. 前記クエリ・プロセッサが、前記検索されたドキュメントのどれを前記クエリに関連付けるかを決定する手段と、どのクエリを前記された検索ドキュメントに関連付けるかを決定する手段を含む、請求項２に記載のシステム。
4. 前記関連付けられるクエリが、セッション中で用いられたクエリの一部からなる、請求項３に記載のシステム。
5. 前記関連付けられるクエリが、セッションの最初のクエリからなる、請求項３に記載のシステム。
6. 決定され検索された前記ドキュメントが、前記ユーザによって選択されたドキュメントを含む、請求項３に記載のシステム。
7. 決定され検索された前記ドキュメントが、クエリの結果として前記ユーザによりブラウズされたドキュメントを含む、請求項３に記載のシステム。
8. 前記決定され検索された前記ドキュメントが、クエリから生成された上位ランクのドキュメントを含む、請求項３に記載のシステム。
9. 前記ユーザ・クエリが、選択されたドキュメントの言語とは異なる言語によるものである、請求項２に記載のシステム。
10. 前記索引拡張機能部が、ドキュメントに関連付けられたクエリをランク付けするためのクエリ・ランカーを含む、請求項１に記載のシステム。
11. 前記クエリ・ランカーが、使用頻度によって前記クエリをランク付けする手段を含む、請求項１０に記載のシステム。
12. 前記クエリ・ランカーが、使用時間によって前記クエリをランク付けする手段を含む、請求項１０に記載のシステム。
13. 前記索引拡張機能部が、前記ランク付けされたクエリの少なくとも幾つかを用いて、前記索引を拡張するための索引更新プログラムを含む、請求項１０に記載のシステム。
14. 前記索引更新プログラムが、低位にランクされたクエリを除外する手段を有する、請求項１３に記載のシステム。
15. ユーザ・クエリを送出する検索クライアントと、ドキュメントの索引内容を検索する検索エンジンとを含む検索システムであって、前記索引が、少なくとも元のテキストと、少なくとも前記元のテキストについて何かを記述するクエリとを指示する、システム。
16. 前記索引が、索引付けされるべきドキュメント中と、少なくとも、前記ドキュメントを見出すために用いられたユーザ・クエリ中とに見出される用語の一覧表、及び、少なくとも、前記ドキュメント及びユーザ・クエリ中にそれら用語が出現する頻度を含んだ一覧表を含む、請求項１５に記載のシステム。
17. 前記ユーザ・クエリが、選択されたドキュメントを見出すためのセッション中で用いられたクエリの一部からなる、請求項１６に記載のシステム。
18. 少なくとも幾つかのユーザ・クエリを用いてドキュメントの索引を拡張する方法であって、検索エンジンによって検索されたドキュメントのどれをクエリに関連付けるかを決定するステップと、どのクエリを前記検索されたドキュメントに関連付けるかを決定するステップとを含む、方法。
19. 少なくとも幾つかのユーザ・クエリを用いてドキュメントの索引を拡張するためのプログラムであって、該プログラムが、検索エンジンによって検索されたドキュメントのどれをクエリに関連付けるかを決定するステップと、どのクエリを前記検索されたドキュメントに関連付けるかを決定するステップをコンピュータに実行させるプログラム。
    

Images