JP2009075630A - 情報検索システム - Google Patents

Abstract

【課題】検索目的に副った検索を実現する情報検索システムを提供する。
【解決手段】ネットワーク３上のホスト１とクライアント端末２からなり、ホスト１が、文書を格納するＤＢ１２１と、収集文書に対する形態素解析の結果と文書を特徴付ける単語に基づく文書の重要度とを格納するＤＢ１２２と、クライアント端末２から受信した検索結果の分類結果を格納するＤＢ１２３と、データ収集部１１１と、形態素解析を行う素解析処理部１１２と、単語に関して文書を特徴付ける重要度を算出する特徴量算出部１１３と、検索条件と類似した検索条件を付加する類似条件処理部１１４と、検索を行う一致文書検索部１１５と、ＤＢ１２３に格納された検索結果の分類結果と重要度の高い単語とに基づいて、クライアント端末に送信した検索結果をなす収集文書の検索目的との整合性を推定して、再度分類する目的整合化処理部１１６と、通信手段１１７と、を備える構成を有している。
【選択図】図１

Description

本発明は、ネットワーク上に存在するデータを収集し、そのデータ群から目的に応じたデータを検索する情報検索システムに関する。

インターネットの普及に伴い、利用者はインターネット上に情報を容易に発信することが可能になった。その結果、インターネット上にデータが散在することなり、目的のデータを検出するために一般に検索エンジンが用いられる。

従来の検索エンジンは、通常、利用者が固有名詞等の検索条件を入力し、検索エンジンがインターネット上からこの検索条件に適合するデータを検索して利用者側に提供する。ここで、インターネット上のデータは必ずしも検索条件に一致するデータのみではないため、検索によって不必要なデータも多く含まれ、これを回避すべく、検索エンジンには通常これらの不必要な情報を削減する手段が設けられている（例えば、特許文献１参照。）。
特開２００５０３１９４９号公報

しかしながら、従来の情報検索システムでは、検索目的との整合性を充分に判断できないという問題を有していた。具体的には、例えば、小学生が検索条件を設定する場合、一般的な単語を多く含む検索条件を設定する場合等、検索目的に副った検索条件を適切に設定することは困難なことも多く、このような場合、検索目的に沿った結果を得ることが難しかった。

また、これらのような検索エンジンでは、検索結果の選出を行う基準となる閾値が検索エンジン側で定められており、利用者が必要とするデータも不必要と判断し、検索結果に出さない可能性がある。このような問題に関しては、不必要と判断する閾値を緩和することで対応できる。

この閾値は、利用者毎に、また、その用途によっても変動するため、一定値として設定しておくことは困難である。また、閾値の決定は複雑であるため、利用者毎に閾値を適切に決定するのは困難であり、慣れない利用者は検索エンジン側で設定された閾値をそのまま使用せざるをえない状況にある。

以上の現状に鑑み、本発明の目的は、従来の検索エンジンよりも検索目的に副った検索を実現することが可能な情報検索システムを提供する。

上記の課題を解決すべく、本発明は以下の構成を提供する。
請求項１に係る発明は、ネットワークを介して相互に通信可能に接続され、前記ネットワーク上の文書の検索を要求するクライアント端末と、前記ネットワーク上の文書を収集して保持し、前記クライアント端末からの要求に応じて少なくとも保持する文書から検索して検索結果を前記クライアント端末に返信するホストと、を備えるシステムであって、前記ホストが、収集した収集文書を格納する収集データ格納データベースと、収集文書に対する形態素解析の結果と文書を特徴付ける単語に基づく文書の重要度とを格納する分析データ格納データベースと、検索結果に対する応答としてクライアント端末から受信した分類結果を格納する利用者情報格納データベースと、前記ネットワーク上の文書を収集するデータ収集部と、前記収集文書に対して前記形態素解析を行って単語に分解する素解析処理部と、前記形態素解析で得られた単語に関して文書を特徴付ける重要度を算出する特徴量算出部と、クライアント端末からの検索条件に、これと類似した検索条件を付加して処理対象検索条件を生成する類似条件処理部と、前記処理対象検索条件に基づいて、検索を行う一致文書検索部と、前記利用者情報格納データベースに格納された検索結果に対する分類結果と前記重要度の高い単語とに基づいて、前記クライアント端末に送信した検索結果をなす収集文書の検索目的との整合性を推定して、再度分類する目的整合化処理部と、を備えることを特徴とする。

請求項１に係る発明によれば、ネットワークを介して相互に通信可能に接続され、ネットワーク上の文書の検索を要求するクライアント端末と、ネットワーク上の文書を収集して保持し、クライアント端末からの要求に応じて少なくとも保持する文書から検索して検索結果をクライアント端末に返信するホストと、を備えるシステムであって、ホストが、収集した収集文書を格納する収集データ格納データベースと、収集文書に対する形態素解析の結果と文書を特徴付ける単語に基づく文書の重要度とを格納する分析データ格納データベースと、検索結果に対する応答としてクライアント端末から受信した分類結果を格納する利用者情報格納データベースと、ネットワーク上の文書を収集するデータ収集部と、収集文書に対して形態素解析を行って単語に分解する素解析処理部と、形態素解析で得られた単語に関して文書を特徴付ける重要度を算出する特徴量算出部と、クライアント端末からの検索条件に、これと類似した検索条件を付加して処理対象検索条件を生成する類似条件処理部と、処理対象検索条件に基づいて、検索を行う一致文書検索部と、利用者情報格納データベースに格納された検索結果に対する分類結果と重要度の高い単語とに基づいて、クライアント端末に送信した検索結果をなす収集文書の検索目的との整合性を推定して、再度分類する目的整合化処理部と、を備えるため、従来の検索エンジンよりも検索目的に副った検索を実現することが可能な情報検索システムを実現することができる。

以下、実施例を示した図面を参照しつつ本発明の実施の形態について説明する。
図１は、本発明による情報検索システムの一実施例を模式的に示すブロック構成図である。情報検索システムは、図１に示すように、ネットワーク３を介して通信し、ネットワーク３上の略全ての文書を収集して検索処理するホスト１と、ホスト１に検索を要求する複数のクライアント端末２とを備える。

ホスト１は、例えば通常のコンピュータとして構成され、図１に示すように、プログラムを介して実現される、ネットワーク３上の検索対象の文書を全て収集するデータ収集部１１１と、収集された文書（以下、収集文書という。）のそれぞれに対して形態素解析を行う素解析処理部１１２と、検索キーワードに関しての対象の収集文書の特徴量を算出する特徴量算出部１１３と、類似の検索条件を付加する類似条件処理部１１４と、検索キーワードとの一致性の高い収集文書を検索する一致文書検索部１１５と、クライアント端末２から受信した所定の情報に基づいて検索結果を分類する目的整合化処理部１１６と、ネットワーク３上のクライアント端末２と通信する通信部１１７と、収集文書を格納する収集データ格納データベース（以下、単に収集データ格納ＤＢという。）１２１と、収集文書中に含まれる単語に品詞を付して単語毎に格納する分析データ格納データベース（以下、単に分析データ格納ＤＢという。）１２２と、クライアント端末２から送信された検索条件、上記の分類に使用される情報等を格納する利用者情報格納データベース（以下、単に利用者情報格納ＤＢという。）１２３と、を備える。

図２は、クライアント端末の一実施例を模式的に示すブロック構成図である。クライアント端末２は、例えば通常のコンピュータとして構成され、図２に示すように、プログラムを介して実現される、ユーザに検索条件を入力させる条件入力手段２１１と、検索結果を表示する検索結果表示手段２１２と、検索結果を分類させる検索結果分類手段２１３と、ネットワーク３を介してホスト１と通信する通信手段２１４と、を備える。

ホスト１のデータ収集部１１１は、ネットワーク３上で公開されているＷｅｂページ等の文書を収集文書として全文収集し、収集文書をＵＲＬ（Uniform Resource Locator）等のネットワーク３上の場所を特定する位置情報等と共に収集データ格納ＤＢ１２１に格納させて登録する。図３は、収集文書の登録例を示す概念図である。図３に示すように、収集文書は、文書を一意に特定する文書ＩDＴ３１、文書名Ｔ３２及びＵＲＬ（位置情報）Ｔ３４と共に、本文Ｔ３３に設定されて登録される。

図４は、文書を収集して検索可能なデータとして登録するまでの処理（以下、収集登録処理という。）について説明するフローチャートである。以下、公開されている文書の位置情報であって収集登録処理がされていないもののリスト（以下、未処理リストという。）と、収集登録処理が済んでいる位置情報のリスト（以下、処理済リストという。）とが、予め内部の所定の記憶手段に格納されているものとして説明する。

図４に示すように、収集登録処理では、データ収集部１１１が、まず、未処理リストにリストされた位置情報があるか否かを判断し（Ｓ１０１）、位置情報がないと判断したとき、処理は終了する。ステップＳ１０１で位置情報があると判断したとき、データ収集部１１１が、例えば未処理リストの先頭の位置情報を取得する（Ｓ１０２）。

次に、データ収集部１１１が、ステップＳ１０２で取得された位置情報が処理済リスト内にリストされているか否かを判断し（Ｓ１０３）、リストされていないと判断したとき、対応する文書をネットワーク３経由で取得する（Ｓ１０４）。ステップＳ１０３でリストされていると判断したとき、データ収集部１１１が、確認のため、対応する文書が登録されているか否かを判断し（Ｓ１０５）、登録されていると判断した場合、ステップＳ１０２で取得した位置情報を未処理リストから削除し（Ｓ１０６）、ステップＳ１０１以降の各ステップでの処理を繰り返す。ステップＳ１０５で登録されていないと判断した場合、処理はステップＳ１０４に移る。

ステップＳ１０４で文書が取得されたとき、素解析処理部１１２及び特徴量算出部１１３が、取得された収集文書に対して、以下に詳述する解析評価処理を行い（Ｓ１０７）、データ収集部１１１が、格納登録処理として、解析評価処理の結果と共に収集文書を収集データ格納ＤＢ１２１に格納して登録し、ステップＳ１０２で取得した位置情報を処理済リストに登録して未処理リストから削除する（Ｓ１０８）。なお、ステップＳ１０７では、文書に位置情報が含まれているとき、解析評価処理においてこの位置情報も検出されるようになっている。

次に、データ収集部１１１が、ステップＳ１０７での解析評価処理の結果に基づいて、収集文書中に位置情報が含まれているか否かを判断し（Ｓ１０９）、含まれていると判断したときは、処理はステップＳ１０４に戻り、上記の各ステップでの処理が繰り返される。ステップＳ１０９で収集文書中に位置情報が含まれていないと判断されたとき、処理はステップＳ１０１に戻る。

素解析処理部１１２は、解析評価処理において、データ収集部１１１が収集した文書に対して形態素解析を行い、収集文書中の文章等を個々の単語、記号等に分解する。形態素解析で得られた単語等からなるデータは、特徴量算出部１１３に出力される。図５は、形態素解析によって得られたデータの一例を示す図である。図５には、「庭には二羽ニワトリが居る」という文章についての形態素解析の結果が示されている。形態素解析によって、文章は表記Ｔ４１単位で分解され、各表記Ｔ４１に、対応する読みＴ４２、品詞Ｔ４３及び基本形表記Ｔ４４が付される。なお、形態素解析においてＵＲＬ等の位置情報が検出された場合、上記で説明したように、対応する文書がデータ収集部１１１によって収集される。

特徴量算出部１１３は、解析評価処理において、収集文書の特徴量として、素解析処理部１１２から出力されたデータのうちの名詞等に分類された所定の単語（以下、特定単語という。）に対する、以下の式（１）、（２）で表されるｔｆ、ｉｄｆ、及びこれらの積を算出する。

（１）

（２）

上記の式（１）、（２）から分かるように、特定単語Ｗが対象の文書中に多用されるほどｔｆ値は大きくなり、特定単語Ｗが使用されている文書数が少ないほどｉｄｆ値は大きくなる。その結果、ｔｆとｉｄｆとの積ｔｆ・ｉｄｆが大きい単語ほど、対象の文書は、特定単語Ｗが多用されている文書、若しくは、特定単語Ｗが使用されている数少ない文書、又は、その両方に該当することになる。したがって、ｔｆ・ｉｄｆ値は、その文書の特徴づけにおける対象の特定単語の重要度を表す量である。

特徴量算出部１１３は、文書毎に、使用されている全ての特定単語についてｔｆ・ｉｄｆ値を算出して分析データ格納ＤＢ１２２に格納する。また、収集文書から位置情報が検出された場合、特徴量算出部１１３は、以下に詳述するように、検出された位置情報で特定される文書を含めた全文書を対象に、上記のようにｔｆ・ｉｄｆ値を算出して格納する。

図６は、収集文書から位置情報が検出された場合に行われるｔｆ・ｉｄｆ値の算出処理について説明するフローチャートである。ｔｆ・ｉｄｆ値の算出処理において、特徴量算出部１１３は、文書毎に、形態素解析の結果の特定単語を抽出して（Ｓ２０１）、抽出した特定単語を分析データ格納ＤＢ１２２に格納する（Ｓ２０２）。次に、特徴量算出部１１３は、残りの文書があるか否かを判断し（Ｓ２０３）、残りの文書があると判断したとき、ステップＳ２０１に戻って上記の処理を繰り返す。ステップＳ２０３で残りの文書がないと判断したとき、特徴量算出部１１３は、全文書中の全特定単語について、ｔｆ・ｉｄｆ値を算出して分析データ格納ＤＢ１２２に格納する（Ｓ２０４）。

次に、類似条件処理部１１４の説明に先立ち、クライアント端末２からホスト１への検索条件の入力について説明する。検索条件は、クライアント端末２の条件入力手段２１１を介して利用者によって入力され、通信手段２１４によってネットワーク３経由でホスト１に送信され、ホスト１の通信部１１７によって受信されて利用者情報格納ＤＢ１２３に格納されて登録される。本実施の形態では文書の検索を例にとり説明を行っているため、以下、検索条件はキーワード（以下、検索キーワードという。）からなるものとする。

類似条件処理部１１４は、上記のように入力された検索条件（以下、新規登録検索条件という。）が登録されているとき、新規登録検索条件と類似している検索条件の作成を試行し、試行によって類似している検索条件が作成された場合はこれを新規登録検索条件に付加して処理対象検索条件とし、作成されない場合は新規登録検索条件をそのまま処理対象検索条件とする。

図７は、類似する検索条件についての説明図である。図７に示すように、例えば「塩」という単語については、大和言葉Ｔ５１としての「しお」、漢語Ｔ５２としての「食塩」、外来語Ｔ５３としての「ソルト」、化学的表記等Ｔ５４としての「ＮａＣｌ」等、の同義の単語が複数存在する。新規登録検索条件としてこれらのうちのいずれかが入力された場合、類似条件処理部１１４は、同義の他の単語も検索キーワードとして追加して処理対象検索条件を作成し、同義の検索条件を含めて検索可能とする。

一致文書検索部１１５は、類似条件処理部１１４によって生成された処理対象検索条件で、分析データ格納ＤＢ１２２から検索を行う。検索結果は、処理対象検索条件に最も一致度が高い順番に文書がリストされ、さらには文書間の類似度の高いものが集まるようにリストされるのでもよい。ここで、対象の文書の処理対象検索条件に対する一致度及び文書間の類似度は、例えば以下のようにして決定できる。以下、一致度及び類似度を決定する方法を類似度判定法という。

類似度判定法では、文書を特徴付ける以下の式（３）に示す文書ベクトルが使用される。２つの文書間の類似度は、文書ａ、ｂの文書ベクトルａ、ｂの方向の一致性の高さとして規定される。したがって、以下の式（４）で表される文書ベクトルａ、ｂがなす角度θdocが０に近い程、２つの文書は類似度が高いことになる。

（３）

（４）

次に、文書ａの処理対象検索条件に対する一致度について説明する前に、検索条件ベクトルについて説明する。検索条件をなす検索キーワードがｎ個あったときに、検索条件ベクトルは、ｎ個の要素を有し、各要素が上記の対応する検索キーワードのｔｆ・ｉｄｆ値からなるものとして定義される。文書ａの処理対象検索条件に対する一致度は、２つの文書間の類似度と同様に、文書ベクトルａの検索条件ベクトルに対応する要素からなるベクトル（以下、成分ベクトルという。）と、検索条件ベクトルとの方向の一致性として規定される。したがって、上記の式（４）において、文書ベクトルａを成分ベクトルａに置き換えると共に文書ベクトルｂを検索条件ベクトルで置き換えて得られる角度が０に近い程、文書ａが検索条件に即していることになる。以下に、具体的に説明する。

例えば、「検索エンジン」を新規登録検索条件とし、「検索エンジンのシステム」についての文献Ａと「車のエンジン」についての文献Ｂとを対象として説明する。ここで、これらの２つの文献の文書ベクトルは以下の式（５）、（６）によって与えられるものとする。
Ａ） （検索=０．８，エンジン=０．１，……） （５）
Ｂ） （検索=０，エンジン=０．９，……） （６）

素解析処理部１１２は、「検索エンジン」という検索条件が入力されたとき、検索条件を１つの文書とみなし検索キーワードとして「検索」と「エンジン」とを検出する。ここで、「検索」のｉｄｆ値を１．６９、「エンジン」のｉｄｆ値を１．３とすると、「検索」と「エンジン」とが検索条件という文書内に一様分布して０．５の値をとるため、この検索条件に対する検索条件ベクトルは、以下の式（７）によって与えられる。
「検索条件」 （検索=０．８５，エンジン=０．６５） （７）

上記の式（５）〜（７）を用いて文献Ａ、Ｂの処理対象検索条件「検索エンジン」に対する一致度を計算すると、一致度は以下の式（８）のように与えられる。

（８）

上記の式（８）に示された結果は、文献Ａに対する値（角度）が文献Ｂに対する値（角度）よりも小さいため、文献Ａの方が処理対象検索条件「検索エンジン」に対して一致度が高いことを示す。したがって、文献Ａの方が検索条件に合致していることが示される。

以下、検索の要求に対して検索結果を送信する検索応答処理について説明する。図８は、検索応答処理について説明するフローチャートである。まず、通信部１１７が検索条件を受信し（Ｓ３０１）、次に、素解析処理部１１２が検索条件に対して形態素解析処理を行って検索キーワードに分解し（Ｓ３０２）、類似条件処理部１１４が類似の他の単語も検索キーワードとして追加して処理対象検索条件を作成し（Ｓ３０３）、一致文書検索部１１５が検索条件ベクトルを算出して（Ｓ３０４）類似する文書を検索し（Ｓ３０５）、通信部１１７が検索結果をクライアント端末２に送信する（Ｓ３０６）。クライアント端末２側では、検索結果表示手段２１２が検索結果を表示し、もって利用者は入力した検索条件に合致する文書群を得ることができる。

ここで、利用者は、より目的に即した検索結果を取得しようとする場合、検索結果表示手段２１２に表示された検索結果を検索目的の観点で分類して返信する。具体的には、利用者は、検索結果分類手段２１３を介して検索結果を例えば必要、不要及び保留の３つのグループに分類し、通信手段２１４を介してホスト１に返信する。ホスト１は、受信した分類結果を利用者情報格納ＤＢ１２３に格納する。

目的整合化処理部１１６は、利用者情報格納ＤＢ１２３に格納された分類結果に基づいて、分類の指標を決定し、一致文書検索部１１５によって得られた検索結果を分類する。指標は例えば分類結果の文書中のｔｆ・ｉｄｆ値の高い単語として決定され、指標の値の算出にはベイズ推定が適用される。ここで、ベイズ推定は、事象Ａが発生する事前確率Ｐ（Ａ）と、事象Ａが発生したときの原因がＸだったときの確率Ｐ（Ｘ|Ａ）とから、より客観性の高い事後確率Ｐ（Ａ|Ｘ）を求める手法である。まず、ベイズの定理が以下の式（９）として表される。

（９）

分母の原因Ｘが発生する確率Ｐ（Ｘ）を、事前確率Ｐ（Ａ）、確率Ｐ（Ｘ|Ａ）、及びこれらから得られる確率を用いて表すと、事後確率Ｐ（Ａ|Ｘ）は、事前確率Ｐ（Ａ）、確率Ｐ（Ｘ|Ａ）とその関連する確率のみで表すことが可能となる。事後確率Ｐ（Ａ|Ｘ）を単語Ｗｉが含まれている文書が不要である確率Ｐ（Ａ|Ｗｉ）、事前確率Ｐ（Ａ）を文書Ａが不要である確率Ｐ（Ａ）、確率Ｐ（Ｘ|Ａ）を文書Ａが不要であったときに単語Ｗｉが含まれていた確率Ｐ（Ｗｉ|Ａ）とすると、確率Ｐ（Ａ|Ｗｉ）は以下のように表される。ここで、単語Ｗｉは、例えば、利用者情報格納ＤＢ１２３に格納された分類結果のグループ毎に決定され、確率Ｐ（Ｗｉ|Ａ）は、例えば、利用者情報格納ＤＢ１２３に格納された分類結果に基づいて決定される。

（１０）
ここで、上記の式（１０）内のnotＡはＡでない事象を意味する。

以下、初期状態では事象Ａが生ずる確率が不明であるため事前確率Ｐ（Ａ）を一様分布（不要な確率と、そうでない確率が同じであること）即ち１／２とし、２回目以降の計算では、前の計算で得られたＰ（Ａ|Ｗｉ）を事前確率Ｐ（Ａ）として使用する。上記の式（１０）を用いて、分析データ格納ＤＢ１２２における全ての単語に対して、Ｐ（Ａ|Ｗｉ）を算出する。この計算は、クライアント端末２から検索結果に対する分類結果が返信される都度行われ、利用者情報格納ＤＢ１２３に再度格納される。また、事前確率Ｐ（Ａ）のデータが既に存在する場合は、初期値として使用可能である。

以下、単語Ｗを含む文書が９０％の確率で不要である（１００個の文書中９０個が不要）という統計が存在するときに、単語Ｗをｔｆ・ｉｄｆ値の高い単語として含む文書Ａが不要である確率を算出する。ここで、初期状態では、文書Ａが不要な事前確率Ｐ（Ａ）は、一様分布に従うものとして５０％とする。

このとき、単語Ｗが文書Ａに含まれていた場合、事後確率は上記の式（１０）を適用して以下のように表される。

この事後確率Ｐ（Ａ|Ｗ）に基づいて、文書Ａが９０％の確率で不要な文書のグループに属すると判断される。同様に、「保留」のグループに属する確率、「必要」のグループに属する確率も求め、属する確率が高い方から「不要」、「保留」、及び「必要」のグループにこの文書を分類する。ここで、各グループに属する確率が接近している場合、例えば、確率が所定値以上の差を有しない場合、分類不能としてクライアント端末２に再分類を促す通知を送信するのでもよい。

上記のように構成することによって、初回にクライアント端末２に表示される検索結果は文書の類似度のみに基づいてリストされていたが、２回目以降は、クライアント端末２から受信した分類結果という事前情報に基づいて類似度又は一致度を判断するため、利用者の検索目的に沿った検索結果を提示することができる。また、クライアント端末２からの分類結果の受信と検索結果の送信とを繰り返すことによって、事前確率の精度が高まるため、より検索目的に沿った検索結果を提示することができる。さらに、新たな収集文書に対しても、同様にして付加的に検索結果をクライアント端末２に送信してユーザに提示可能になる。

図９は、クライアント端末から分類情報を受けた後の処理について説明するフローチャートである。まず、通信部１１７がクライアント端末２から分類結果を受信し（Ｓ４０１）、指標をとなるｔｆ・ｉｄｆ値の高い単語を１つ以上決定し（Ｓ４０２）、この又はこれらの単語に対して上記のように事後確率を算出し（Ｓ４０３）、算出された事後確率等の情報を分析データ格納ＤＢ１２２に格納し（Ｓ４０４）、検索結果を分類して、必要であればリストし直してクライアント端末２に送信する（Ｓ４０５）。

本発明による情報検索システムの一実施例を模式的に示すブロック構成図である。 クライアント端末の一実施例を模式的に示すブロック構成図である。 収集文書の登録例を示す概念図である。 文書を収集して検索可能なデータとして登録するまでの処理について説明するフローチャートである。 形態素解析によって得られたデータの一例を示す図である。 収集文書から位置情報が検出された場合に行われるｔｆ・ｉｄｆ値の算出処理について説明するフローチャートである。 類似する検索条件についての説明図である。 検索応答処理について説明するフローチャートである。 クライアント端末から分類情報を受けた後の処理について説明するフローチャートである。

符号の説明

１ ホスト
２ クライアント端末
３ ネットワーク網
１１１ データ収集部
１１２ 素解析処理部
１１３ 特徴量算出部
１１４ 類似条件処理部
１１５ 一致文書検索部
１１６ 目的整合化処理部
１１７ 通信部
１２１ 収集データ格納データベース
１２２ 分析データ格納データベース
１２３ 利用者情報格納データベース
２１１ 条件入力手段
２１２ 検索結果表示手段
２１３ 検索結果分類手段
２１４ 通信手段
Ｔ３１ 文書ＩD
Ｔ３２ 文書名
Ｔ３３ 本文
Ｔ３４ ＵＲＬ
Ｔ４１ 表記
Ｔ４２ 読み
Ｔ４３ 品詞
Ｔ４４ 基本形表記
Ｔ５１ 大和言葉
Ｔ５２ 漢語
Ｔ５３ 外来語
Ｔ５４ 化学的表記等

Claims (1)

1. ネットワークを介して相互に通信可能に接続され、前記ネットワーク上の文書の検索を要求するクライアント端末と、前記ネットワーク上の文書を収集して保持し、前記クライアント端末からの要求に応じて少なくとも保持する文書から検索して検索結果を前記クライアント端末に返信するホストと、を備えるシステムであって、
   前記ホストが、
   収集した収集文書を格納する収集データ格納データベースと、
   収集文書に対する形態素解析の結果と文書を特徴付ける単語に基づく文書の重要度とを格納する分析データ格納データベースと、
   検索結果に対する応答としてクライアント端末から受信した分類結果を格納する利用者情報格納データベースと、
   前記ネットワーク上の文書を収集するデータ収集部と、
   前記収集文書に対して前記形態素解析を行って単語に分解する素解析処理部と、
   前記形態素解析で得られた単語に関して文書を特徴付ける重要度を算出する特徴量算出部と、
   クライアント端末からの検索条件に、これと類似した検索条件を付加して処理対象検索条件を生成する類似条件処理部と、
   前記処理対象検索条件に基づいて、検索を行う一致文書検索部と、
   前記利用者情報格納データベースに格納された検索結果に対する分類結果と前記重要度の高い単語とに基づいて、前記クライアント端末に送信した検索結果をなす収集文書の検索目的との整合性を推定して、再度分類する目的整合化処理部と、を備えることを特徴とする情報検索システム。

Images