JP2009042962A - 検索システム - Google Patents

Abstract

【課題】誤った特徴量を入力した場合でも検索候補に目的の対象物が含まれる可能性を高める。
【解決手段】演算部１６は、データベースに対し、複数の特徴項目に基づいて多変量解析を施すことにより、複数の要素を類似性に応じてグループ化する。検索エンジン１２は、入力された特徴データを検索キーとしてデータベース１１から該当する候補要素を一次候補として抽出する。演算部１６は、上記グループ化情報に基づいて、一次候補が含まれるグループを選択し、選択されたグループ内の要素を最終候補要素として出力する。検索結果表示部１４は、上記最終候補を表示する。
【選択図】図１

Description

本発明は、検索対象物の特徴に基づいて対象物の同定を行う検索システムに関する。

検索対象物の特徴を入力することで、その特徴情報を検索キーとしてデータベース検索を行い、その対象物の名前等の情報を報知する検索システムが知られている。通常、特徴を入力すべき項目（特徴項目）は複数あり、検索者がいずれの特徴項目を選択するかで検索結果（絞り込み数）は変わってくる。特許文献１の検索システムでは、効率的に候補を絞り込むために、検索対象物の特徴の確かさの分布の重なりが最も小さい特徴項目を選択することが記載されている。

特開２００５−２６７６０９号公報（段落０１４５〜，図２１）

しかしながら、効率的に候補を絞り込むための特徴項目が報知されたとしても、その特徴項目に対して誤った特徴量を入力すると、検索によって抽出された候補に目的の対象物が含まれず、再検索を余儀なくされることがある。また、入力される特徴量によっては、対象物とは全く異なる型の候補が抽出されることもある。

本発明は、複数の要素に対して特徴項目に関する特徴データが対応づけられて成るデータベースを用い、特徴データに基づいて前記データベースから候補要素を抽出する検索システムに適用され、データベースに対し、特徴項目に基づいて解析を施すことにより、複数の要素を類似性に応じてグループ化する解析手段と、解析手段によって得られたグループ化情報と、特徴データとに基づいてデータベースから前記候補要素を抽出する抽出手段と、抽出された候補要素を検索者に報知する報知手段とを具備することを特徴とする。
解析が、複数の特徴項目に基づく多変量解析であってもよい。
特徴データを検索キーとしてデータベースから該当する候補要素を一次候補として抽出するとともに、グループ化情報に基づいて、上記一次候補が含まれるグループを選択し、選択されたグループ内の要素を最終候補要素として出力するようにしてもよい。検索者による検索時の特徴項目の入力履歴を記憶し、その記憶情報に基づいて、入力頻度が所定値以上の複数の特徴項目を特定する項目特定手段を備え、全特徴項目のうち上記項目特定手段によって特定された複数の特徴項目のみに基づいて多変量解析を行うようにしてもよい。あるいは、全特徴項目のうち検索者が予め指定した複数の特徴項目のみに基づいて多変量解析を行うようにしてもよい。
類似性の閾値を変更することで、グループ化状況を変更可能としてもよい。

本発明によれば、誤った特徴量を入力した場合でも検索候補に目的の対象物が含まれる可能性を高めることができる。

以下、本発明を花情報検索システムに適用した場合の一実施形態を説明する。
花情報検索システムは、花の画像から抽出した花の特徴、または検索者が入力した特徴を検索キーとして、データベースからその花の名前や生態情報などを検索し、検索結果を検索者に報知するものである。

システムの形態としては、データベースや検索エンジンなどをネットワーク上のサーバに置き、検索者が端末からサーバに特徴情報を送信し、検索結果を端末で受け取って表示装置に表示する方式が考えられる。この場合、検索者が使う端末は、表示装置を有するものであれば種類は問わず、パーソナルコンピュータでもよいし、デジタルカメラ、携帯電話機、ＰＤＡなどの携帯機器でもよい。あるいは、データベース、検索エンジン、表示装置を一台の装置に収容してなる検索装置でもよい。

このような検索システムを用いれば、例えば野山や山里を散策中に名前の知らない花を見つけた場合、その花を撮影するか、あるいはその場合で花の特徴を入力することで、手軽に花の名前等を知ることができる。

図１は本実施形態における花情報検索システムの構成図である。上述したネットワークを用いたシステムの場合は、データベース１１および検索エンジン１２はサーバに設けられ、特徴入力部１３、検索結果表示部１４、記憶部１５および演算部１６は検索者の端末に設けられる。

データベース１１には、例えば図２に示すように、複数の要素（花の種名）に対し、それぞれの花が有する複数の特徴データが格納されている。特徴項目としては、図に示した「花の色」，「葉の形」，「おしべ」の他に、「花冠」，「花のつき方」，「葉の単複」など数多くの項目が存在する。またデータベース１１には、各花の画像も格納されている。

次に、検索について説明する。
検索時、特徴入力部１３は表示画面に複数の特徴項目を表示し、検索者に特徴入力を促す。検索者は、表示された特徴項目の少なくとも１つに対し、特徴入力部１３から特徴量を入力する。１つの特徴項目だけでは大きく絞り込めないため、通常は複数の特徴項目に対して特徴量を入力する。入力については、特徴項目ごとに幾つかの特徴量の選択肢が用意されており、その中から該当する特徴量を検索者が選択する方式が便利である。入力後に検索開始操作がなされると、検索エンジン１２が入力された特徴量を検索キーとしてデータベース検索を行い、候補を抽出する。

検索の結果、抽出された候補が検索結果表示部１４に表示される。その際、検索された花の名前や生態情報を、その花の画像とともに表示することが望ましい。通常は複数の候補が抽出され、それらが一覧表示される。検索者は、検索に供した花の実物あるいは撮影画像と、候補として表示された花の画像とを見比べ、一致するか否かを判断し、一致するものが見つかれば検索終了となる。

なお、一致するものが見つかった場合、つまり検索者が目的の花を特定した場合は、それを登録できるようにしてもよい。例えば、一覧表示された候補中から特定した花を選択し、所定の登録操作を行うと、特定した花の種名を名称としたフォルダが作成され、そのフォルダ内にその花の画像（検索に供した画像）が格納されるようにしてもよい。

ところで、特徴入力に際し、検索者は必ずしも正確な情報を入力するとは限らず、例えば、花びらの枚数やおしべの数を間違えて入力したり、葉の形状などを誤認して入力するようなことが往々にしてある。入力された特徴が正確でない場合、検索によって抽出された候補中に目的の花が含まれない可能性が高く、この場合、検索者は無駄な照合作業を行った上に、再検索を余儀なくされる。これを防止するするため、本実施形態では、特徴の類似性を加味して最終的な候補を決定するようにした。

類似性の判断は、多変量解析を用いて行う。ここでは、多変量解析として階層的クラスター分析を用いるものとする。まず、予め複数の特徴データを類似性の観点に基づいて数値化しておく。例えば、特徴項目として「葉の形」を挙げた場合、その特徴量である「中広」と「基広」は似ている（間違えやすい）ので、両者間の距離（ユークリッド距離等）が短くなるように、また「複葉」と「単葉」は容易に区別できるので、両者間の距離が長くなるように数値化する。同様に「葉の縁」については、「鋸歯」と「重鋸歯」は似ているので距離が短くなるようにする。花びらやおしべの数はもともと数値化されているので、そのまま用いる。

クラスター分析に供するデータは、検索者が頻繁に選択する特徴項目と全要素との各組み合わせ対して数値化されたデータである。例えば、専ら「花の色」「葉の形」「おしべ」「葉の付き方」の特徴量を入力して検索を行う検索者であれば、この４項目と全要素との組み合わせデータに対して演算部１６がクラスター分析を行い、全要素を類似性に基づいてグループ分けする。この分析結果は、次回からの検索処理に用いるため記憶部１５に記憶される。

検索者が頻繁に選択する特徴項目は、検索者の入力履歴に基づいて特定することができる。例えば、一連の検索処理が実行されるたび、検索者が選択した特徴項目（特徴量を入力した特徴項目）が記憶部１５に蓄積記憶される。検索回数が所定値に達すると、演算部１６は蓄積された記憶情報を分析し、全検索回数のうち所定回数以上（例えば、８０％以上）の検索で選択された特徴項目がある場合、それを検索者が頻繁に選択する特徴項目と認定する。この頻繁に選択する特徴項目が複数認定されると、演算部１６がそれらの項目に基づくクラスター分析を行い、分析結果を記憶する。なお、頻繁に選択する特徴項目が特定されるまでは、クラスター分析結果を用いない通常の検索処理がなされることになる。

ここで、クラスター分析の分析結果は、例えば図３のような樹状図（デンドログラム）で表すことができる。図３のうち下側の数字は要素を、縦軸はクラスターの高さ（距離）を、横線Ｌは高さの閾線を表し、閾線Ｌの位置によってグループ分けが決まる。高さが低いほど類似性が高いので、閾線Ｌの位置を下げるほどグループ数は増え、各グループに含まれる要素数は少なくなる。

クラスター分析の結果が記憶された後の検索について説明する。
この場合も検索者は、通常どおり幾つかの特徴項目（頻繁に選択する特徴項目である可能性が高い）に対して特徴量を入力し、検索開始を指示する。検索エンジン１２は、まず検索者が入力した特徴量の組み合わせでＡＮＤ検索を行って一次候補を抽出する。抽出された一次候補は演算部１６に入力され、演算部１６は、上記クラスター分析の結果に基づき、一次候補が含まれるグループを選択する。選択されるグループは、上記樹状図上の閾線Ｌの位置によって異なる。また、一次候補は、検索者が選択した（特徴量を入力した）特徴項目の組み合わせによって異なるため、それによっても選択されるグループは異なる。ＡＮＤ検索による検索候補数が多い場合は、複数のグループが選択されることもある。

次に演算部１６は、選択された全グループ内の全ての要素を抽出し、それらを最終の検索候補として検索結果表示部１４に表示する。検索者は、表示された最終候補と目的の花とを順に照合し、一致するものを見つける。

ここで、要素のグループ分けの仕方、つまり樹状図上の閾線Ｌの位置は、検索者が自由に設定できるようにすることが望ましい。例えば、検索に先だち、候補数が少なくなるように閾線Ｌを低い位置に設定しておき、検索候補中に目的の花が存在しない場合は、閾線Ｌの位置を上にシフトして候補を増やすといった使い方が考えられる。あるいは、当初は閾線Ｌを適当な位置に設定しておき、候補数が多すぎる場合に閾線Ｌを下げるような使い方も可能である。閾線Ｌの移動によってグループ分け状況が変わり、新たに設定されたグループ内の全要素が改めて抽出され、最終候補として表示される。グループ分けの変更は、上記一次候補の抽出結果には影響を及ぼさないので、一次候補の抽出（ＡＮＤ検索）を改めてやり直す必要はなく、短時間で結果表示の切換えが行える。

以上のように本実施形態では、クラスター分析の分析結果に基づいて最終候補を抽出することで、検索者が頻繁に選択する特徴項目に関して類似性の高い候補が最終候補として表示される。したがって、いずれかの項目の特徴量が誤っていても、他の特徴項目の特徴量が正確であれば、最終候補に目的の花が含まれる可能性は高い。また、例えばおしべが６本の花に対して５本と入力したような場合、６本と５本では類似性が極めて高いので、他の特徴項目に拘わらず最終候補に目的の花が含まれる可能性は高い。さらに、類似性を加味しているので、目的の花と全く型の異なるものが候補として表示されるといった不都合もない。

クラスター分析の結果は、必要に応じて自動的に更新されるようにすることが望ましい。すなわち、一度クラスター分析の結果が記憶された後も検索者の入力履歴を蓄積記憶し、その記憶内容を分析する。その結果、所定頻度以上の条件を満たす特徴項目が新たに加わったり、逆に条件を満たしていたものが満たさなるといった変更が認められたら、変更後の特徴項目に基づいてクラスター分析を行い、結果を更新記憶する。次回からは、更新された分析結果に基づいて最終候補が抽出される。これによれば、検索者の花に対する着眼点が変わっても適正な候補を表示することが可能となる。

以上では、検索者の入力履歴に基づいてクラスター分析に用いる特徴項目を決めるようにしたが、これを検索者の指示によって決めてもよい。例えば、所定の項目選択画面で、検索者が「花の色」「葉の形」「おしべ」「葉の付き方」を選択すると、これら４項目に基づくクラスター分析がなされ、その結果が記憶されるようにしてもよい。また検索の都度、検索者が特徴量を入力した特徴項目に基づいてクラスター分析が行われるようにしてもよい。

さらに、クラスター分析以外の多変量解析（例えば、主成分分析、多次元尺度構成法など）を用いてもよい。また、例えば項目が色情報に関するものであれば、色座標を尺度とした類似度を設定するなど、項目ごとに類似度を設定できる尺度を設けてもよい。

また、実施形態では検索者が特徴量を入力する例を説明したが、本発明は、画像から特徴を自動抽出する場合においても適用可能である。特に特徴量を画像から自動的に抽出する場合には、画像から対象物を抽出した上でさらに、特徴量を抽出するという複雑な過程を経る場合が多く、許容差の大きい特徴量の入力が必要となるため、本発明を用いることによって検索候補に目的の対象物が含まれる可能性を高めることができる。

さらに、花情報検索システムについて説明したが、他の検索システム（例えば、鳥や、昆虫、魚、人工物などを対象とする検索システム）にも本発明を適用可能である。

本発明の一実施形態における検索システムの概略構成図。 データベースの一例を示す図。 階層的クラスター分析の結果の一例を示す図。

符号の説明

１１ データベース
１２ 検索エンジン
１３ 特徴入力部
１４ 検索結果表示部
１５ 記憶部
１６ 演算部

Claims (6)

1. 複数の要素に対して特徴項目に関する特徴データが対応づけられて成るデータベースを用い、特徴データに基づいて前記データベースから候補要素を抽出する検索システムにおいて、
   前記データベースに対し、特徴項目に基づいて解析を施すことにより、前記複数の要素を類似性に応じてグループ化する解析手段と、
   前記解析手段によって得られたグループ化情報と、前記特徴データとに基づいて前記データベースから前記候補要素を抽出する抽出手段と、
   前記抽出された候補要素を検索者に報知する報知手段とを具備することを特徴とする検索システム。
2. 前記解析が、複数の前記特徴項目に基づく多変量解析であることを特徴とする請求項１に記載の検索システム。
3. 前記抽出手段は、前記特徴データを検索キーとして前記データベースから該当する候補要素を一次候補として抽出する一次候補抽出手段と、前記グループ化情報に基づいて、前記一次候補が含まれるグループを選択し、選択されたグループ内の要素を最終候補要素として出力する最終候補抽出手段とから成ることを特徴とする請求項２に記載の検索システム。
4. 検索者による検索時の特徴データの入力履歴を記憶し、その記憶情報に基づいて、入力頻度が所定値以上の複数の特徴項目を特定する項目特定手段を備え、
   前記解析手段は、全特徴項目のうち前記項目特定手段によって特定された複数の特徴項目のみに基づいて前記多変量解析を行うことを特徴とする請求項２または３に記載の検索システム。
5. 前記解析手段は、全特徴項目のうち検索者が予め指定した複数の特徴項目のみに基づいて前記多変量解析を行うことを特徴とする請求項２または３に記載の検索システム。
6. 類似性の閾値を変更することで、前記グループ化状況を変更可能としたことを特徴とする請求項１〜５のいずれか１項に記載の検索システム。

Images