JP2009187384A - 検索装置、検索方法、検索プログラム、および、記録媒体 - Google Patents

検索装置、検索方法、検索プログラム、および、記録媒体 Download PDF

Info

Publication number
JP2009187384A
JP2009187384A JP2008027885A JP2008027885A JP2009187384A JP 2009187384 A JP2009187384 A JP 2009187384A JP 2008027885 A JP2008027885 A JP 2008027885A JP 2008027885 A JP2008027885 A JP 2008027885A JP 2009187384 A JP2009187384 A JP 2009187384A
Authority
JP
Japan
Prior art keywords
user
identification information
vector
network identification
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2008027885A
Other languages
English (en)
Inventor
Takayoshi Mochizuki
崇由 望月
Hiroshi Shinkai
浩 新海
Ryoji Kataoka
良治 片岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
NTT Resonant Inc
Original Assignee
Nippon Telegraph and Telephone Corp
NTT Resonant Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp, NTT Resonant Inc filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2008027885A priority Critical patent/JP2009187384A/ja
Publication of JP2009187384A publication Critical patent/JP2009187384A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】ユーザプロファイルが検索結果に反映されるまでの時間を短縮化するとともに、各ユーザの興味・嗜好を高精度に反映させた検索結果を配信する検索装置を提供する。
【解決手段】検索装置が、ユーザ識別情報とともに検索文が入力され、入力された検索文を検索文意味ベクトルに変換し、入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザ履歴記憶部から読み出し、読み出したユーザ履歴意味ベクトルとキーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出し、抽出したネットワーク識別情報意味ベクトルと、ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、抽出したネットワーク識別情報を並び替えて出力する。
【選択図】図１

Description

本発明は、ユーザが入力した検索文に該当するＵＲＬ（Uniform Resource Locator）などのネットワーク識別情報を検索する検索エンジンの技術に関し、特に、ユーザの嗜好を反映してネットワーク識別情報を検索する検索エンジンの技術に関する。
ユーザの検索エンジンを利用した過去の実績に基づいてユーザプロファイルを作成し、当該ユーザプロファイルを用いて検索エンジンから返された検索結果を順序付けるシステムおよび方法が知られている（特許文献１参照）。
この特許文献１による検索エンジンは、ユーザプロファイルを利用して検索結果をカスタマイズする。このユーザプロファイルは、ユーザの検索嗜好を特徴付ける複数の用語を含んでいる。また、これらの用語は、ユーザから暗黙的または明示的に提供された個人情報と同様に、ユーザが送信した以前の検索クエリ、以前のクエリにより識別される文書との相互リンク、識別された文書からサンプリングされた内容を含む各種の情報源から抽出される。
特表２００７−５０７８０１号公報
しかしながら、上記特許文献１では、ユーザプロファイルを、過去の検索結果としてのＵＲＬリストや、ユーザがクリックした検索結果としてのＵＲＬに含まれる文書集合など、多くのテキスト情報から導出する構成となっている。そのため、当該ユーザプロファイルが検索結果に反映されるまでに時間を要し、刻一刻と変わるユーザの興味・嗜好を、ただちに検索結果に反映させることが困難であるという問題があった。
本発明は、このような事情に鑑みてなされたもので、その目的は、ユーザプロファイルが検索結果に反映されるまでの時間を短縮化するとともに、各ユーザの興味・嗜好を高精度に反映させた検索結果を配信する検索装置、検索方法、検索プログラム及び記録媒体を提供することにある。
この発明は上述した課題を解決するためになされたもので、請求項１に記載の発明は、ネットワーク上の情報資源を識別するネットワーク識別情報と、該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部と、ユーザを識別するユーザ識別情報と、該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部と、ユーザ識別情報とともに検索文が入力される検索条件入力部と、前記検索条件入力部に入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析部と、前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析部が変換した検索文意味ベクトルとに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを前記ネットワーク識別情報意味ベクトル記憶部から抽出するマッチング処理部と、前記マッチング処理部が抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理部が抽出したネットワーク識別情報を並び替えるソーティング処理部と、前記ソーティング処理部が並び替えたネットワーク識別情報を出力する検索結果出力部と、を有することを特徴とする検索装置である。
請求項２に記載の発明は、前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記キーワード解析部が変換した検索文意味ベクトルに基づいて更新する学習部、を有することを特徴とする請求項１に記載の検索装置である。
請求項３に記載の発明は、前記学習部が、前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出すユーザベクトル取得部と、前記キーワード解析部が変換した検索文意味ベクトルと、前記ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算して更新用意味ベクトルを算出するユーザベクトル算出部と、前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記ユーザベクトル算出部が算出した更新用意味ベクトルに更新するユーザベクトル更新部と、を有することを特徴とする請求項２に記載の検索装置である。
請求項４に記載の発明は、前記ユーザベクトル算出部が、前記キーワード解析部が変換した検索文意味ベクトルと、前記ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算する場合に、それぞれのベクトルに予め定められた重みを乗じて加算して前記更新用意味ベクトルを算出する、ことを特徴とする請求項３に記載の検索装置である。
請求項５に記載の発明は、前記マッチング処理部が、前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出すユーザベクトル取得部と、前記キーワード解析部が変換した検索文意味ベクトルと前記ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとに基づいてクエリベクトルを算出するクエリベクトル算出部と、前記クエリベクトル算出部が算出したクエリベクトルに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを組みとした複数の候補を前記ネットワーク識別情報意味ベクトル記憶部から抽出する候補抽出部と、を有することを特徴とする請求項１から請求項４に記載の検索装置である。
請求項６に記載の発明は、前記ネットワーク識別情報意味ベクトル記憶部には、前記ネットワーク識別情報と、前記ネットワーク識別情報意味ベクトルと、前記ネットワーク識別情報意味ベクトルに対するハッシュ値とが関連付けて記憶されており、前記マッチング処理部が、前記クエリベクトル算出部が算出したクエリベクトルに対するハッシュ値を算出するハッシュ算出部を有し、前記候補抽出部が、前記ハッシュ算出部が算出したハッシュ値に基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを組みとした複数の候補を前記ネットワーク識別情報意味ベクトル記憶部から抽出する、ことを特徴とする請求項５に記載の検索装置である。
請求項７に記載の発明は、前記検索装置が、キーワードと該キーワードに対応する意味ベクトル空間におけるベクトルであるキーワード意味ベクトルとが関連付けて予め記憶されているキーワード意味ベクトル記憶部を有し、前記キーワード解析部が、前記検索条件入力部に入力された検索文に基づいて、キーワード意味ベクトルを前記キーワード意味ベクトル記憶部から読み出すことにより、当該検索文を意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する、ことを特徴とする請求項１から請求項６に記載の検索装置である。
請求項８に記載の発明は、前記キーワード解析部が、前記検索条件入力部から入力された検索文を自然言語処理してキーワードを抽出し、該抽出したキーワードに該当するキーワード意味ベクトルを前記キーワード意味ベクトル記憶部から読み出すことにより、当該検索文を意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する、ことを特徴とする請求項７に記載の検索装置である。
請求項９に記載の発明は、前記ソーティング処理部が、前記マッチング処理部が抽出したネットワーク識別情報意味ベクトルと、前記クエリベクトル算出部が算出したクエリベクトルとの近似度を算出する近似度算出部と、前記近似度算出部が算出した近似度に基づいて、ネットワーク識別情報を並び替えるＵＲＬリストソーティング処理部と、を有することを特徴とする請求項５から請求項８に記載の検索装置である。
請求項１０に記載の発明は、前記近似度算出部が、前記ネットワーク識別情報意味ベクトルとクエリベクトルとの内積を前記近似度として算出し、前記ＵＲＬリストソーティング処理部が、前記近似度算出部が算出した近似度としての内積の値が大きい順に、前記ネットワーク識別情報を並び替える、ことを特徴とする請求項９に記載の検索装置である。
請求項１１に記載の発明は、前記近似度算出部が、前記ネットワーク識別情報意味ベクトルとクエリベクトルとの間の角度を前記近似度として算出し、前記ＵＲＬリストソーティング処理部が、前記近似度算出部が算出した近似度としての角度の値が小さい順に、前記ネットワーク識別情報を並び替える、ことを特徴とする請求項９に記載の検索装置である。
請求項１２に記載の発明は、前記ソーティング処理部が、前記ＵＲＬリストソーティング処理部の並び替えたネットワーク識別情報に対応するＵＲＬタイトルおよび要約文を取得するＵＲＬタイトル要約文取得部、を有し、前記検索結果出力部が、前記ＵＲＬタイトル要約文取得部が取得したＵＲＬタイトルおよび要約文を出力する、ことを特徴とする請求項１から請求項１１に記載の検索装置である。
請求項１３に記載の発明は、前記検索装置が、キーワードと該キーワードに対応する関連キーワードとが関連付けて予め記憶されている関連キーワード記憶部と、前記検索条件入力部に入力された検索文に基づいて、関連キーワードを前記関連キーワード記憶部から読み出す関連キーワード検出部と、を有し、前記検索結果出力部が、前記関連キーワード検出部が読み出した関連キーワードを出力する、ことを特徴とする請求項１から請求項１２に記載の検索装置である。
請求項１４に記載の発明は、前記関連キーワード検出部が、自然言語処理により検索文から抽出したキーワードに該当する関連キーワードを前記関連キーワード記憶部から読み出す、ことを特徴とする請求項１３に記載の検索装置である。
請求項１５に記載の発明は、前記検索結果出力部が、ＨＴＭＬ形式に変換して出力する、ことを特徴とする請求項１から請求項１４に記載の検索装置である。
請求項１６に記載の発明は、前記検索装置が、前記検索結果出力部が出力したネットワーク識別情報の中から選択されたネットワーク識別情報であるユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが関連付けて入力され、前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、前記入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記ユーザ選択ネットワーク識別情報に対応するネットワーク識別情報意味ベクトルに基づいて更新するユーザ選択学習部、を有することを特徴とする請求項１から請求項１５に記載の検索装置である。
請求項１７に記載の発明は、前記ユーザ選択学習部が、前記入力されたユーザ選択ネットワーク識別情報に該当するネットワーク識別情報意味ベクトルを前記ネットワーク識別情報意味ベクトル記憶部から読み出すユーザ選択ネットワーク識別情報意味ベクトル取得部と、前記入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出すユーザ選択ユーザベクトル取得部と、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出するユーザ選択ユーザベクトル算出部と、前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、前記入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記ユーザ選択ユーザベクトル算出部が算出したユーザ選択更新用意味ベクトルに更新するユーザ選択ユーザベクトル更新部と、を有することを特徴とする請求項１６に記載の検索装置である。
請求項１８に記載の発明は、前記ユーザ選択ユーザベクトル算出部が、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算する場合に、それぞれのベクトルに予め定められた重みを乗じて加算して前記ユーザ選択更新用意味ベクトルを算出する、ことを特徴とする請求項１７に記載の検索装置である。
請求項１９に記載の発明は、前記検索装置が、前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが関連付けて記憶されているユーザ選択ネットワーク識別情報記憶部、を有し、前記ユーザ選択学習部が、前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とを前記ユーザ選択ネットワーク識別情報記憶部から読み出すことにより、前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが関連付けて入力される、ことを特徴とする請求項１６から請求項１８に記載の検索装置である。
請求項２０に記載の発明は、前記ユーザ選択ネットワーク識別情報記憶部には、前記ユーザ選択ネットワーク識別情報の履歴と前記ユーザ識別情報とが関連付けて記憶されており、前記ユーザ選択学習部は、前記ユーザ選択ネットワーク識別情報記憶部からユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを読み出し、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部は、前記読み出したユーザ選択ネットワーク識別情報の履歴に該当するそれぞれのネットワーク識別情報意味ベクトルを前記ネットワーク識別情報意味ベクトル記憶部から読み出し、前記ユーザ選択ユーザベクトル算出部は、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する、ことを特徴とする請求項１９に記載の検索装置である。
請求項２１に記載の発明は、前記ユーザ選択ユーザベクトル算出部は、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する場合に、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとについて、それぞれのベクトルに予め定められた重みを乗じて加算して前記ユーザ選択更新用意味ベクトルを算出する、ことを特徴とする請求項２０に記載の検索装置である。
請求項２２に記載の発明は、前記検索装置が、前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが入力され、該入力されたユーザ選択ネットワーク識別情報とユーザ識別情報とを関連付けて前記ユーザ選択ネットワーク識別情報記憶部に記憶させるログ集計部、を有することを特徴とする請求項２０または請求項２１に記載の検索装置である。
請求項２３に記載の発明は、ユーザ識別情報とともに検索文が入力される検索条件入力手順と、前記検索条件入力手順で入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析手順と、前記検索条件入力手順で入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザを識別するユーザ識別情報と該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク上の情報資源を識別するネットワーク識別情報と該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出するマッチング処理手順と、前記マッチング処理手順で抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理手順で抽出したネットワーク識別情報を並び替えるソーティング処理手順と、前記ソーティング処理手順で並び替えたネットワーク識別情報を出力する検索結果出力手順と、を有することを特徴とする検索方法である。
請求項２４に記載の発明は、検索装置としてのコンピュータに、ユーザ識別情報とともに検索文が入力される検索条件入力手順と、前記検索条件入力手順で入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析手順と、前記検索条件入力手順で入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザを識別するユーザ識別情報と該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク上の情報資源を識別するネットワーク識別情報と該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出するマッチング処理手順と、前記マッチング処理手順で抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理手順で抽出したネットワーク識別情報を並び替えるソーティング処理手順と、前記ソーティング処理手順で並び替えたネットワーク識別情報を出力する検索結果出力手順と、を実行させるための検索プログラムである。
請求項２５に記載の発明は、検索装置としてのコンピュータに、ユーザ識別情報とともに検索文が入力される検索条件入力手順と、前記検索条件入力手順で入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析手順と、前記検索条件入力手順で入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザを識別するユーザ識別情報と該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク上の情報資源を識別するネットワーク識別情報と該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出するマッチング処理手順と、前記マッチング処理手順で抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理手順で抽出したネットワーク識別情報を並び替えるソーティング処理手順と、前記ソーティング処理手順で並び替えたネットワーク識別情報を出力する検索結果出力手順と、を実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。
この発明によれば、検索対象となるＵＲＬなどのネットワーク上の情報資源を意味ベクトルとして予め記憶しておくとともに、ユーザプロファイルに相当するユーザの検索履歴を意味ベクトルとして記憶しておき、ユーザが入力した検索文を意味ベクトルに変換し、ユーザが入力した検索文とユーザの検索履歴とに基づいて情報資源を抽出することにより、ユーザプロファイルが検索結果に反映されるまでの時間を短縮化するとともに、各ユーザの興味・嗜好を高精度に反映させた検索結果を配信することが可能となる効果を奏する。
以下、図面を参照して、本発明の実施の形態について説明する。図１は、この発明の一実施形態による検索装置１の構成を示す概略ブロック図である。検索装置１は、外部ＤＢ（データベース）７、外部コンテンツＤＢ８、および、端末９のそれぞれに、ネットワークを介して接続される。この端末９とは、ユーザが用いる端末であり、たとえば、パーソナルコンピュータである。また、ネットワークとは、たとえば、インターネット網である。なお、以降の図において、対応する部分には同一の符号を付けて説明する。
外部ログＤＢ７は、アクセスログ記憶部７１、検索ログ記憶部７２を有する。アクセスログ記憶部７１には、たとえば、ユーザが端末９を用いてアクセスしたＵＲＬ（ネットワーク識別情報）のログが記憶されている。検索ログ記憶部７２には、たとえば、ユーザが端末９を用いて情報を検索する場合に入力した検索キーワードなどのログが記憶されている。なお、ここでいうユーザおよび端末９とは、複数のユーザおよびそのユーザの端末である。
外部コンテンツＤＢ８は、クロールデータ記憶部８１、ブログ記憶部８２、百科事典記憶部８３を有する。クロールデータ記憶部８１には、たとえば、ロボットによるWeb（World Wide Web）の情報収集行動（クロール）により収集されたクロール情報が記憶されている。ブログ記憶部８２には、たとえば、ブログのＵＲＬ、タイトル、文章情報などが記憶されている。百科事典記憶部８３には、たとえば、Wikipediaが適用でき、Wikipediaを適用した場合には、WikipediaのＵＲＬ、タイトル、文章情報が記憶されている。
＜検索装置１の概略構成＞
次に、検索装置１の概略構成について説明する。検索装置１は、ログ解析部２、パーソナライズド検索部３、および、ブラウザ部４を有する。
検索装置１のログ解析部２は、外部ログＤＢ７および外部コンテンツＤＢ８から、ログを集計するとともに特徴量を抽出し、特徴量抽出結果ＤＢ２３に記録させる。
検索装置１のパーソナライズド検索部３は、特徴量抽出結果ＤＢ２３に記録されている情報に基づいて、ユーザが用いる端末９からの検索文に対する検索結果を、ユーザが用いる端末９にＨＴＭＬ（Hyper Text Markup Language）形式で返信する。
また、検索装置１のパーソナライズド検索部３は、ブラウザ部４を介して、ユーザが用いる端末９に検索入力画面および検索結果画面をＨＴＭＬ形式で出力する。
ログ解析部２は、ログ集計部２１、特徴量抽出部２２、特徴量抽出結果ＤＢ２３を有する。この特徴量抽出結果ＤＢ２３は、テキストマイニングベース記憶部２３１、アルゴリズムベース記憶部２３２、ルールベース記憶部２３３を有する。
なお、このテキストマイニングベース記憶部２３１は、後述する第１のテキストマイニングベース記憶部２２２、第２のテキストマイニングベース記憶部２２３に相当する。
検索装置１のログ解析部２とパーソナライズド検索部３との詳細については、図２から図５を用いて後述する。
＜ログ解析部２の概略構成＞
次に、図２を用いて、ログ解析部２の構成について説明する。ログ解析部２は、ログ集計部２１、特徴量抽出部２２、生ログＤＢ２４、特徴量抽出結果ＤＢ２３、および、各種閲覧・設定用ＧＵＩ部２５を有する。
ログ集計部２１は、外部ログＤＢ７からログ（logs）を読み出して収集し、収集したログを、ログパーサー部２１１によりログを解析し、更に、マージ・集計処理部２１２によりマージおよび集計処理し、マージおよび集計処理したログを、生ログＤＢ２４のログＤＢ２４１に、記録する。
特徴量抽出部２２は、第１のテキストマイニングベース部２２２、第２のテキストマイニングベース部２２３、アルゴリズムベース部２２４、および、テキスト取得部２２１を有する。
第１のテキストマイニングベース部２２２は、テキスト取得部２２１を介して外部コンテンツＤＢ８からＵＲＬ情報およびテキスト情報（Text情報）を取得し、たとえば、テキストセグメント技術により、ＵＲＬとネットワーク識別情報意味ベクトル（URL_vec）との組みを生成し、生成したＵＲＬとネットワーク識別情報意味ベクトルとの組みをネットワーク識別情報意味ベクトル記憶部１１に記憶させる。
なお、第１のテキストマイニングベース部２２２は、テキストセグメント技術により、後述するセグメント位置（pos）を生成し、ＵＲＬとセグメント位置とネットワーク識別情報意味ベクトルとを関連付けて、ネットワーク識別情報意味ベクトル記憶部１１に記憶させてもよい。
なお、上記のテキストセグメント技術は、たとえば、次に示す文献により知られている。
・文献１：特許第003925418号公報「トピック境界決定装置及びプログラム」
・文献２：特開2005-122510号公報「話題構造抽出方法及び装置及び話題構造抽出プログラム及び話題構造抽出プログラムを記録したコンピュータ読み取り可能な記憶媒体」
第２のテキストマイニングベース部２２３は、テキスト取得部２２１を介して外部コンテンツＤＢ８からタイトル情報（Title情報）およびテキスト情報を取得し、たとえば、概念検索技術により、キーワード（keyword）とキーワード意味ベクトル（key_vec）との組みを生成し、生成したキーワードとキーワード意味ベクトルとの組みをキーワード意味ベクトル記憶部１２に記憶させる。
なお、上記の概念検索技術は、たとえば、次に示す文献により知られている。
・文献３：特開2007-072610号公報「情報処理方法及び装置及びプログラム」
・文献４：特開2007-317132号公報「概念ベクトル推定方法及び装置及びプログラム」
・文献５：「単語・意味属性間共起に基づく概念ベースの拡張方式」、別所克人，内山俊郎，片岡良治、情処研報, vol.2006-ICS-144, pp.29-34, Jul. 2006.
アルゴリズムベース部２２４は、生ログＤＢ２４からマージ・集計処理したログを読み出し、読み出したマージ・集計処理したログに基づいて、たとえば、関連情報抽出技術により、キーワードと関連キーワード（keylist）との組みを生成し、生成したキーワードと関連キーワードとの組みを関連キーワード記憶部１３に記憶させる。なお、この関連キーワードとは、複数のキーワード（単語など）であり、関連語である。
各種閲覧・設定用ＧＵＩ部２５は、たとえば、ログ解析部２を管理するユーザが用いる端末に対して、ログ集計部２１、特徴量抽出部２２、生ログＤＢ２４、および、特徴量抽出結果ＤＢ２３の各種の情報を閲覧させるとともに、設定用のＧＵＩを表示し、該設定用のＧＵＩに入力された設定情報に基づいて、ログ集計部２１、特徴量抽出部２２、生ログＤＢ２４、および、特徴量抽出結果ＤＢ２３の設定をする。
＜ベクトルの次元＞
上記に説明したネットワーク識別情報意味ベクトル記憶部１１に記憶されているネットワーク識別情報意味ベクトル、キーワード意味ベクトル記憶部１２に記憶されているキーワード意味ベクトル、後述するユーザＤＢ（ユーザ履歴記憶部）１４に記憶されているユーザ履歴意味ベクトル（user_vec）、後述するQuery_vector算出部３３２が算出するクエリベクトル（query_vec）、および、後述する学習部３４のUser_vector算出部３４２が算出する更新用意味ベクトル（user_vec_new）は、全て同じ意味ベクトル空間におけるベクトルであり、同じ次元のベクトルである。そのため、ベクトル同士の内積などの演算、加算などの処理が可能となる。また、ベクトルをハッシュ演算した値による比較も可能となる。なお、これらのベクトルの次元の値は、たとえば、数百次元である。
上述したログ解析部２は、数時間毎、一日毎などの一定の期間毎に、上記に説明したログ集計部２１、および、特徴量抽出部２２にその処理を実行させる。これにより、検索装置１により検索が実行される場合には、ログ解析部２の特徴量抽出結果ＤＢ２３の各記憶部には、次の情報が予め記憶されている。
ネットワーク識別情報意味ベクトル記憶部１１には、ネットワーク上の情報資源を識別するネットワーク識別情報と、該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されている。
また、ネットワーク識別情報意味ベクトル記憶部１１には、ネットワーク識別情報と、ネットワーク識別情報意味ベクトルと、ネットワーク識別情報意味ベクトルに対するハッシュ値とが関連付けて記憶されている。このハッシュ値については、後述する。
キーワード意味ベクトル記憶部１２には、キーワードと該キーワードに対応する意味ベクトル空間におけるベクトルであるキーワード意味ベクトルとが関連付けて予め記憶されている。
関連キーワード記憶部１３には、キーワードと該キーワードに対応する関連キーワードとが関連付けて予め記憶されている。
＜パーソナライズド検索部３の構成＞
次に、図３を用いて、パーソナライズド検索部３の構成について説明する。パーソナライズド検索部３は、検索条件入力部３１、キーワード解析部３２、マッチング処理部３３、学習部３４、ソーティング処理部３５、関連キーワード検出部３６、検索結果出力部３７、および、ユーザＤＢ１４を有する。
ユーザＤＢ１４には、ユーザを識別するユーザ識別情報（UserID）と、該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されている。
検索条件入力部３１には、ユーザ識別情報とともに検索文が、ユーザの端末９からネットワークを介して入力される。
キーワード解析部３２は、検索条件入力部３１に入力された検索文を、意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する。このキーワード解析部３２は、検索条件入力部３１に入力された検索文に基づいて、キーワード意味ベクトルをキーワード意味ベクトル記憶部１２から読み出すことにより、当該検索文を意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する。
また、このキーワード解析部３２は、検索条件入力部３１から入力された検索文を自然言語処理してキーワードを抽出し、該抽出したキーワードに該当するキーワード意味ベクトルをキーワード意味ベクトル記憶部１２から読み出すことにより、当該検索文を意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する。
マッチング処理部３３は、検索条件入力部３１に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザＤＢ１４から読み出し、該読み出したユーザ履歴意味ベクトルとキーワード解析部３２が変換した検索文意味ベクトルとに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとをネットワーク識別情報意味ベクトル記憶部１１から抽出する。
このマッチング処理部３３は、ユーザベクトル取得部（User_vector取得部）３３１と、クエリベクトル算出部（Query_vector算出部）３３２と、候補抽出部３３３とを有する。ユーザベクトル取得部３３１は、検索条件入力部３１に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザＤＢ１４から読み出す。クエリベクトル算出部３３２は、キーワード解析部３２が変換した検索文意味ベクトルとユーザベクトル取得部３３１が読み出したユーザ履歴意味ベクトルとに基づいてクエリベクトルを算出する。
候補抽出部３３３は、クエリベクトル算出部３３２が算出したクエリベクトルに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを組みとした複数の候補をネットワーク識別情報意味ベクトル記憶部１１から抽出する。
この候補抽出部３３３は、ＬＳＨ部（ハッシュ算出部）３３４と、ＬＳＨ問合わせおよびＵＲＬ群取得部（抽出部）３３５と、を有する。このＬＳＨ部３３４は、Locality-Sensitive Hashing（ＬＳＨ）技術を用いており、詳細については、後述する。ＬＳＨ部３３４は、クエリベクトル算出部３３２が算出したクエリベクトルに対するハッシュ値を算出する。ＬＳＨ問合わせおよびＵＲＬ群取得部３３５は、ＬＳＨ部３３４が算出したハッシュ値に基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを組みとした複数の候補をネットワーク識別情報意味ベクトル記憶部１１から抽出する。
なお、ここでは、マッチング処理部３３の候補抽出部３３３は、Locality-Sensitive Hashing技術を用いて、ハッシュ値（hash値）に該当するＵＲＬとネットワーク識別情報意味ベクトルとの複数の組みを、ネットワーク識別情報意味ベクトル記憶部１１から読み出している。このLocality-Sensitive Hashing技術については、たとえば、次の文献に示されている。
・文献６：「Locality-Sensitive Hashingを用いた階層的クラスタ解析手法の高速化」、石橋 徹夫、古賀 久志、渡辺 俊典、菅原 研、電気通信大学 大学院 情報システム学研究科
このように、マッチング処理部３３のＬＳＨ問合せおよびＵＲＬ群取得部３３５が、マッチング処理部３３のＬＳＨ部３３４が算出したハッシュ値に該当するＵＲＬとネットワーク識別情報意味ベクトルとの複数の組みを検索結果候補ＵＲＬとして、ネットワーク識別情報意味ベクトル記憶部１１から読み出して取得する。
ここで、マッチング処理部３３のＬＳＨ問合せおよびＵＲＬ群取得部３３５が、ハッシュ値によりネットワーク識別情報意味ベクトル記憶部１１から読み出すため、ＵＲＬとネットワーク識別情報意味ベクトルとを高速に検索することが可能となる。特に、クエリベクトルおよびネットワーク識別情報意味ベクトルのベクトルの次元が、高次元となる場合に、クエリベクトルに該当するネットワーク識別情報意味ベクトルを検索すると非常に遅くなるが、本実施形態のように、このハッシュ値による読み出しをすることにより、高次元となる場合においても、検索が高速となる効果を奏する。
一般に、ベクトルの次元数が２０次元程度以上になると、検索に要する時間が非常に長くなる。特に、本実施形態のように、数百次元となる場合には、検索に要する時間が非常に長くなる。この場合においても、上記に説明したようにハッシュ値を用いた検索をすることにより、検索に要する時間を短くすることが可能である。
なお、ハッシュ値を用いる検索以外の検索方法として、SR-Treeを用いて検索とすることも可能である。なお、このSR-Treeについては、たとえば、次に示す文献により知られている。
・文献７：「SR-Tree: 高次元点データに対する最近接検索のためのインデックス構造の提案」、片山紀生、佐藤真一、電子情報通信学会論文誌 D-I, vol. J80-D-I, no. 8 (Aug. 1997) pp. 703-717.
学習部３４は、ユーザＤＢ１４に記憶されているユーザ履歴意味ベクトルであって、検索条件入力部３１に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、キーワード解析部３２が変換した検索文意味ベクトルに基づいて更新する。
この学習部３４は、ユーザベクトル取得部（User_vector取得部）３３１と、ユーザベクトル算出部（User_vector算出部）３４２と、ユーザベクトル更新部（ユーザvec更新部）３４３とを有する。ユーザベクトル取得部３３１は、検索条件入力部３１に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザＤＢ１４から読み出す。
ユーザベクトル算出部３４２は、キーワード解析部３２が変換した検索文意味ベクトルと、ユーザベクトル取得部３３１が読み出したユーザ履歴意味ベクトルとを加算して更新用意味ベクトルを算出する。なお、このユーザベクトル算出部３４２は、キーワード解析部３２が変換した検索文意味ベクトルと、ユーザベクトル取得部３３１が読み出したユーザ履歴意味ベクトルとを加算する場合に、それぞれのベクトルに予め定められた重みを乗じて加算して更新用意味ベクトルを算出する。ユーザベクトル算出部３４２は、たとえば、次の式により、更新用意味ベクトルを算出する。
user_vec_new＝γ×user_vec＋α×key_vec（ここで、γとαは任意の実数）
ユーザベクトル更新部３４３は、ユーザＤＢ１４に記憶されているユーザ履歴意味ベクトルであって、検索条件入力部３１に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザベクトル算出部３４２が算出した更新用意味ベクトルに更新する。
ソーティング処理部３５は、マッチング処理部３３が抽出したネットワーク識別情報意味ベクトルと、ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、マッチング処理部３３が抽出したネットワーク識別情報を並び替える。
このソーティング処理部３５は、内積算出部（近似度算出部）３５１と、ＵＲＬリストソーティング処理部３５２と、ＵＲＬタイトル／要約文取得部３５３と、を有する。内積算出部３５１は、マッチング処理部３３が抽出したネットワーク識別情報意味ベクトルと、クエリベクトル算出部３３２が算出したクエリベクトルとの近似度を算出する。ＵＲＬリストソーティング処理部３５２は、近似度算出部３５１が算出した近似度に基づいて、ネットワーク識別情報を並び替える。
たとえば、内積算出部３５１が、ネットワーク識別情報意味ベクトルとクエリベクトルとの内積を近似度として算出し、ＵＲＬリストソーティング処理部３５２が、内積算出部３５１が算出した近似度としての内積の値が大きい順に、ネットワーク識別情報を並び替える。
また、たとえば、内積算出部３５１が、ネットワーク識別情報意味ベクトルとクエリベクトルとの間の角度を近似度として算出し、ＵＲＬリストソーティング処理部３５２が、内積算出部３５１が算出した近似度としての角度の値が小さい順に、ネットワーク識別情報を並び替える。
ＵＲＬタイトル／要約文取得部３５３は、ＵＲＬリストソーティング処理部３５２の並び替えたネットワーク識別情報に対応するＵＲＬタイトルおよび要約文を取得する。たとえば、ＵＲＬタイトル／要約文取得部３５３は、ＵＲＬリストソーティング処理部３５２の並び替えたネットワーク識別情報に対応するＵＲＬタイトルおよび要約文を、外部コンテンツＤＢ８から読み出し、並び替えた順にネットワーク識別情報とともに、対応するＵＲＬタイトルおよび要約文を検索結果出力部３７に出力する。
関連キーワード検出部３６は、検索条件入力部３１に入力された検索文に基づいて、関連キーワードを関連キーワード記憶部１３から読み出し、該読み出した関連キーワードを検索結果出力部３７へ出力する。
たとえば、この関連キーワード検出部３６は、キーワード解析部３２での自然言語処理により、検索条件入力部３１に入力された検索文から抽出したキーワードに該当する関連キーワードを、関連キーワード記憶部１３から読み出し、該読み出した関連キーワードを検索結果出力部３７へ出力する。
検索結果出力部３７は、ソーティング処理部３５が並び替えたネットワーク識別情報を、ユーザの端末９へネットワークを介して出力する。また、検索結果出力部３７は、ＵＲＬタイトル／要約文取得部３５３が取得したＵＲＬタイトルおよび要約文を、ユーザの端末９へネットワークを介して出力する。また、検索結果出力部３７は、関連キーワード検出部３６が読み出した関連キーワードを出力する。なお、検索結果出力部３７は、ネットワーク識別情報、ＵＲＬタイトルおよび要約文、および、関連キーワードを、予め定められた書式で、ＨＴＭＬ形式に変換して、検索結果として端末９にネットワークを介して出力する。
なお、上記に説明した検索条件入力部３１および検索結果出力部３７は、図１のブラウザ部４に含まれる構成としてもよい。
＜パーソナライズド検索部３の動作＞
次に、図４と図５とを用いて、ユーザが端末９に入力した検索キーワードがネットワークを介して検索装置１に入力された場合に、この検索装置１のパーソナライズド検索部３が、入力された検索キーワードについてＵＲＬなどのネットワーク識別情報を検索する場合の動作について説明する。
＜前提＞
なお、このパーソナライズド検索部３のユーザＤＢ１４には、ユーザの検索キーワードの履歴が記録されているものとして説明する。
また、ユーザの端末９には、少なくともユーザ識別情報（UserID）を含む情報が、たとえばCookieとして予め記憶されており、ユーザの端末９は、入力された検索キーワードとCookieに含まれるユーザ識別情報とを、ネットワークを介して検索装置１に送信するものとして説明する。
また、ここで端末９に入力される検索キーワードとは、自然言語で記述された文章としての検索キーワードでもよいし、１つまたは複数の単語が記述された検索キーワードであってもよい。
また、ネットワーク識別情報意味ベクトル記憶部１１に記憶されている情報については、たとえば、後述するＬＳＨ部３３４により、バッチ処理として実行されてハッシュ化されており、ネットワーク識別情報意味ベクトル記憶部１１には、ＵＲＬとネットワーク識別情報意味ベクトルとセグメント位置とハッシュ値とが関連付けて記憶されているものとする。
＜検索条件入力部３１の動作＞
まず、検索条件入力部３１が、端末９から検索文とユーザ識別情報とをネットワークを介して受信し、受信した検索キーワードとユーザ識別情報とをキーワード解析部３２に出力する（ステップＳ３１１）。この検索文は、自然言語で記述された文章であってもよいし、複数の単語であってもよい。
＜キーワード解析部３２の動作＞
次に、キーワード解析部３２が、検索条件入力部３１から入力された検索文について、形態素解析などの自然言語処理により品詞を判別し（ステップＳ３２１）、１つまたは複数のキーワード（keywords）として算出する（ステップＳ３２２）。
次に、キーワード解析部３２が、算出したキーワードを関連キーワード検出部３６に出力する（ステップＳ３２３）とともに、算出したキーワードに該当するキーワード意味ベクトルを、キーワード意味ベクトル記憶部１２から読み出す（ステップＳ３２４）。
次に、キーワード解析部３２が、入力されたユーザ識別情報と読み出したキーワード意味ベクトルとを、マッチング処理部３３と学習部３４とに出力する。
＜マッチング処理部３３の動作＞
次に、マッチング処理部３３のUser_vector取得部３３１が、キーワード解析部３２からユーザ識別情報とキーワード意味ベクトルとを入力された（ステップＳ３３１）ことに応じて、入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザＤＢ１４から読み出し（ステップＳ３３２）、読み出したユーザ履歴意味ベクトルをマッチング処理部３３のQuery_vector算出部３３２に出力する（ステップＳ３３３）。
次に、マッチング処理部３３のQuery_vector算出部３３２が、キーワード解析部３２から入力されたキーワード意味ベクトルと、マッチング処理部３３のUser_vector取得部３３１が読み出したユーザ履歴意味ベクトルとを加算してクエリベクトルを算出し（ステップＳ３３４）、算出したクエリベクトルをマッチング処理部３３のＬＳＨ部３３４に出力する（ステップＳ３３５）。
次に、マッチング処理部３３のＬＳＨ部３３４が、入力されたクエリベクトルに対してハッシュ演算し、クエリベクトルのハッシュ値を算出し（ステップＳ３３６）、クエリベクトルハッシュ値（query_vecハッシュ値）として、マッチング処理部３３のＬＳＨ問合せおよびＵＲＬ群取得部３３５に出力する（ステップＳ３３７）。
次に、マッチング処理部３３のＬＳＨ問合せおよびＵＲＬ群取得部３３５が、マッチング処理部３３のＬＳＨ部３３４が算出したクエリベクトルハッシュ値に該当するＵＲＬとネットワーク識別情報意味ベクトルとの複数の組みを検索結果候補ＵＲＬとして、ネットワーク識別情報意味ベクトル記憶部１１から読み出して取得し（ステップＳ３３８）、取得した検索結果候補ＵＲＬ、および、マッチング処理部３３のQuery_vector算出部３３２が算出したクエリベクトルを、ソーティング処理部に出力する（ステップＳ３３９、ステップＳ３３１０）。
＜学習部３４の動作＞
次に、学習部３４のUser_vector取得部３４１が、キーワード解析部３２からユーザ識別情報とキーワード意味ベクトルとを入力された（ステップＳ３４１）ことに応じて、入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザＤＢ１４から読み出し（ステップＳ３４２）、読み出したユーザ履歴意味ベクトルを学習部３４のUser_vector算出部３４２に出力する（ステップＳ３４３）。
次に、学習部３４のUser_vector算出部３４２が、キーワード解析部３２から入力されたキーワード意味ベクトルと、学習部３４のUser_vector取得部３４１が読み出したユーザ履歴意味ベクトルとを加算して、更新用意味ベクトルを算出し、算出した更新用意味ベクトルを学習部３４のユーザvec更新部に出力する（ステップＳ３４４）。
次に、学習部３４のユーザvec更新部３４３が、キーワード解析部３２から入力されたユーザ識別情報にユーザＤＢ１４に記憶されているユーザ識別情報が該当するユーザ履歴意味ベクトルを、学習部３４のUser_vector算出部３４２から入力された更新用意味ベクトルに更新する（ステップＳ３４５）。
＜ソーティング処理部３５の動作＞
次に、ソーティング処理部３５の内積算出部３５１が、検索結果候補ＵＲＬであるＵＲＬとネットワーク識別情報意味ベクトルとの複数の組み、および、クエリベクトルをマッチング処理部３３から入力されたことに応じて、入力された複数のネットワーク識別情報意味ベクトルのそれぞれに対して、入力されたクエリベクトルとの内積を算出し（ステップＳ３５１）、算出した内積とＵＲＬとの組みを、ソーティング処理部３５のＵＲＬリストソーティング処理部３５２に出力する（ステップＳ３５２）。
次に、ソーティング処理部３５のＵＲＬリストソーティング処理部３５２が、ソーティング処理部３５の内積算出部３５１から入力された内積の値に基づいて、たとえば、内積の値が大きい順に、ＵＲＬをソートし、ソーティング処理部３５のＵＲＬタイトル／要約文取得部３５３に出力する（ステップＳ３５３）。
次に、ソーティング処理部３５のＵＲＬタイトル／要約文取得部３５３が、入力されたＵＲＬに該当するＵＲＬタイトルや要約文を、外部コンテンツＤＢ８から読み出して取得し、ソートされたＵＲＬの順に、ＵＲＬ、および、取得したＵＲＬタイトルや要約文を検索結果出力部３７に出力する。
＜関連キーワード検出部３６の動作＞
次に、関連キーワード検出部３６が、キーワード解析部３２からキーワードが入力されたことに応じて、入力されたキーワードに該当する関連キーワードを関連キーワード記憶部から読み出し（ステップＳ３６１）、読み出した関連キーワードを検索結果出力部３７に出力する（ステップＳ３６２）。
＜検索結果出力部３７の動作＞
次に、検索結果出力部３７は、ソートされたＵＲＬの順に、ＵＲＬ、および、ＵＲＬタイトルや要約文がソーティング処理部３５から入力され、関連キーワードが関連キーワード検出部３６から入力されたことに応じて、入力されたＵＲＬタイトルや要約文をＵＲＬの順に表示するとともに、入力された関連キーワードを表示するＨＴＭＬを生成し、生成したＨＴＭＬをユーザの端末９に検索結果として出力する（ステップＳ３７１）。
＜バリエーション＞
次に、上記に説明した実施形態におけるバリエーションについて説明する。
＜Query_vector算出部３３２での重み付け＞
マッチング処理部３３のQuery_vector算出部３３２が、キーワード解析部３２から入力されたキーワード意味ベクトルと、マッチング処理部３３のUser_vector取得部３３１が読み出したユーザ履歴意味ベクトルとを加算してクエリベクトルを算出する場合に、キーワード意味ベクトルとユーザ履歴意味ベクトルとにそれぞれ重み付けをして加算してもよい。たとえば、次の式により、クエリベクトルを算出する。
query_vec＝ｐ×key_vec＋ｑ×user_vec（ここで、ｐとｑは任意の実数）
このｐの値（キーワード意味ベクトルの重み）をｑの値（ユーザ履歴意味ベクトルの重み）に対して大きくした場合には、今回入力された検索文（キーワード意味ベクトル）に重点を置いて、検索することが可能となる。
逆に、このｐの値をｑの値に対して小さくした場合には、ユーザの過去の検索履歴（ユーザ履歴意味ベクトル）、つまり、ユーザの嗜好を強く反映させて、検索することが可能となる。
以上のように、ｐの値とｑの値とを調整することにより、ユーザの嗜好の反映具合を調整することが可能である。
＜ソーティング処理部３５の別動作（角度によるソーティング）＞
ソーティング処理部３５は、次のように動作してもよい。
ソーティング処理部３５の内積算出部３５１が、検索結果候補ＵＲＬであるＵＲＬとネットワーク識別情報意味ベクトルとの複数の組み、および、クエリベクトルをマッチング処理部３３から入力されたことに応じて、入力された複数のネットワーク識別情報意味ベクトルのそれぞれと入力されたクエリベクトルとの間の角度をそれぞれを算出し、算出した角度とＵＲＬとの組みを、ソーティング処理部３５のＵＲＬリストソーティング処理部３５２に出力する。
次に、ソーティング処理部３５のＵＲＬリストソーティング処理部３５２が、ソーティング処理部３５の内積算出部３５１から入力された角度の値に基づいて、たとえば、角度の値が小さい順に、ＵＲＬをソートし、ソーティング処理部３５のＵＲＬタイトル／要約文取得部３５３に出力する。
以上のように内積ではなく、角度に基づいてソーティングする場合においても、内積の場合と同様に、クエリベクトルに似ている順（意味ベクトル空間においてベクトルが近い順）にネットワーク識別情報意味ベクトルをソーティングすることが可能である。
＜セグメント化したＵＲＬの検索＞
ＵＲＬをテキストセグメント化する技術を用いてセグメント化しておき、セグメント化したＵＲＬを検索するようにしてもよい。このセグメント化したＵＲＬとは、たとえば、ブログを例にすると、１つのＵＲＬで示されるホームページにおいて、日付毎またはタイトル毎に複数のブログが記述してある。この場合、たとえば、このブログを、日付毎またはタイトル毎に１つ１つに分割することがセグメント化である。
このように、１つのＵＲＬを複数のブロック（上記においては、ブログ単位）で分割し、その分割されたＵＲＬにおける位置を示す情報がセグメント位置である。
＜セグメント化したＵＲＬの検索する場合の変更点＞
セグメント化したＵＲＬの検索する場合、検索装置１を次のように構成する。なお、他の構成については同様であるため、ここでは、変更する構成のみついて説明する。
＜ログ解析部２の第１のテキストマイニングベース部２２１＞
ログ解析部２の第１のテキストマイニングベース部２２１が、テキスト取得部２２１を介して外部コンテンツＤＢ８からＵＲＬおよびText情報を取得し、たとえば、テキストセグメント技術により、ＵＲＬとネットワーク識別情報意味ベクトルとセグメント位置との組みを生成し、生成したＵＲＬとネットワーク識別情報意味ベクトルとセグメント位置との組みをネットワーク識別情報意味ベクトル記憶部１１に記憶させる。
＜マッチング処理部３３のＬＳＨ問合せおよびＵＲＬ群取得部３３５＞
マッチング処理部３３のＬＳＨ問合せおよびＵＲＬ群取得部３３５が、マッチング処理部３３のＬＳＨ部３３４が算出したハッシュ値に該当するＵＲＬとネットワーク識別情報意味ベクトルとセグメント位置との複数の組みを検索結果候補ＵＲＬとして、ネットワーク識別情報意味ベクトル記憶部１１から読み出して取得し、取得した検索結果候補ＵＲＬ、および、マッチング処理部３３のQuery_vector算出部３３２が算出したクエリベクトルを、ソーティング処理部３５に出力する。
以降、ＵＲＬとセグメント位置とを組みとされているため、ＵＲＬに対するタイトルなどを取得する場合に、更にセグメント位置に対応するようにしてタイトルなどを取得することにより、セグメント化されたＵＲＬについて、本実施形態を適応することが可能である。
上記に説明したように、本実施形態による検索装置１においては、ユーザが入力した検索キーワード、ユーザが入力した検索キーワードの履歴（ユーザの嗜好）、および、ＵＲＬに含まれている情報を、意味ベクトル空間におけるベクトルとし、この意味ベクトル空間におけるベクトルにおいて、ユーザが入力した検索キーワードおよび検索キーワードの履歴に基づいてＵＲＬを検索することにより、ユーザの嗜好を迅速に反映させることが可能となり、また、検索に要する時間を短くする効果を奏する。
また、上述した本実施形態により、次のような効果を奏する。
・ユーザのＰＣ（パーソナルコンピュータ）等によるネット利用の状況から、ユーザの嗜好等、各種属性を抽出することにより、ユーザ個別の検索結果表示やターゲティング広告、コンテンツ／商品のレコメンデーションなど、各ユーザに最適な情報を選択・配信することで、ユーザの目的情報へのアクセスを短縮化することが可能となる。
＜ユーザ選択学習部＞
検索装置１は、更に、ユーザ選択学習部を有する。このユーザ選択学習部は、検索結果出力部３７が出力したネットワーク識別情報の中から選択されたネットワーク識別情報であるユーザ選択ネットワーク識別情報とユーザ識別情報とが関連付けて入力され、ユーザＤＢ１４に記憶されているユーザ履歴意味ベクトルであって、入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザ選択ネットワーク識別情報に対応するネットワーク識別情報意味ベクトルに基づいて更新する。
また、検索装置１は、ユーザ選択ネットワーク識別情報とユーザ識別情報とが関連付けて記憶されているユーザ選択ネットワーク識別情報記憶部を有する。
ユーザ選択学習部は、ユーザ選択ネットワーク識別情報とユーザ識別情報とをユーザ選択ネットワーク識別情報記憶部から読み出すことにより、ユーザ選択ネットワーク識別情報とユーザ識別情報とが関連付けて入力される。
また、ユーザ選択学習部は、ユーザ選択ネットワーク識別情報とユーザ識別情報とをユーザ選択ネットワーク識別情報記憶部から、予め定められた所定の時間毎に、読み出すことにより、ユーザ選択ネットワーク識別情報とユーザ識別情報とが関連付けて入力される。この予め定められた所定の時間毎とは、たとえば、１時間毎、１日毎などである。
＜ユーザ選択学習部の構成＞
次に、ユーザ選択学習部の構成について説明する。このユーザ選択学習部は、ユーザ選択ネットワーク識別情報意味ベクトル取得部と、ユーザ選択ユーザベクトル取得部と、ユーザ選択ユーザベクトル算出部と、ユーザ選択ユーザベクトル更新部と、を有する。
ユーザ選択ネットワーク識別情報意味ベクトル取得部は、入力されたユーザ選択ネットワーク識別情報に該当するネットワーク識別情報意味ベクトルをネットワーク識別情報意味ベクトル記憶部１１１１から読み出す。ユーザ選択ユーザベクトル取得部は、入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルをユーザＤＢ１４から読み出す。
ユーザ選択ユーザベクトル算出部は、ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したネットワーク識別情報意味ベクトルと、ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する。
また、ユーザ選択ユーザベクトル算出部は、ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したネットワーク識別情報意味ベクトルと、ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算する場合に、それぞれのベクトルに予め定められた重みを乗じて加算してユーザ選択更新用意味ベクトルを算出する。
また、ユーザ選択ユーザベクトル更新部は、ユーザＤＢ１４に記憶されているユーザ履歴意味ベクトルであって、入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザ選択ユーザベクトル算出部が算出したユーザ選択更新用意味ベクトルに更新する。
＜ユーザ選択ネットワーク識別情報の履歴に基づいた学習＞
また、ユーザ選択ネットワーク識別情報記憶部には、ユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とが関連付けて記憶されている。
この場合、ユーザ選択学習部は、ユーザ選択ネットワーク識別情報記憶部からユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを読み出し、ユーザ選択ネットワーク識別情報意味ベクトル取得部は、読み出したユーザ選択ネットワーク識別情報の履歴に該当するそれぞれのネットワーク識別情報意味ベクトルをネットワーク識別情報意味ベクトル記憶部１１から読み出す。
なお、ユーザ選択学習部は、ユーザ選択ネットワーク識別情報記憶部からユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを読み出す場合に、最近のユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを読み出すようにし、この読み出した最近のユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とに基づいて学習するようにしてもよい。
たとえば、ユーザ選択ネットワーク識別情報記憶部には、ユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とが関連付けて記憶されているが、このユーザ選択ネットワーク識別情報の履歴には、更に、年月日時間などの時刻情報が関連付けられており、ユーザ選択学習部は、現在時刻から所定の時間以内のユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを読み出すようにしてもよい。また、ユーザ選択学習部は、ユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを、新しい順に所定の数だけ読み出すようにしてもよい。
次に、ユーザ選択ユーザベクトル算出部は、ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する。
また、ユーザ選択ユーザベクトル算出部は、ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する場合に、ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとについて、それぞれのベクトルに予め定められた重みを乗じて加算してユーザ選択更新用意味ベクトルを算出する。
たとえば、ユーザ選択ユーザベクトル算出部は、次の式により、ユーザ選択更新用意味ベクトル（user_sel_vec_new）を算出する。
user_sel_vec_new = κ×user_vec + β1×select_vec_1 + β2 × select_vec_2 +
… + βn × select_vec_n
ここで、user_vec、select_vec_1、select_vec_2、・・・select_vec_nは、ユーザ履歴意味ベクトルと、ユーザ選択ネットワーク識別情報の履歴に該当するそれぞれのネットワーク識別情報意味ベクトルであり、κ、β1、β2、・・・βnは、任意の実数であり、重みである。なお、上記のselect_vec_nおよびβnのｎは、任意の自然数である。
また、検索装置１は、ユーザ選択ネットワーク識別情報とユーザ識別情報とが入力され、該入力されたユーザ選択ネットワーク識別情報とユーザ識別情報とを関連付けてユーザ選択ネットワーク識別情報記憶部に記憶させるログ集計部を有する。このログ集計部は、たとえば、図１または図２のログ集計部２１である。
検索装置１は、上記に説明したユーザ選択学習部を有することにより、検索装置１が検索して端末９に出力したネットワーク識別情報の中から、ユーザが端末９を用いて選択したネットワーク識別情報に基づいて、学習することが可能となり、更に、ユーザの嗜好を反映させることが可能となる効果を奏する。
また、このユーザ選択学習部も、ベクトルに基づいて学習することにより、ユーザの嗜好を迅速に反映させることが可能となる効果を奏する。
なお、検索装置１のネットワーク識別情報意味ベクトル記憶部１１、キーワード意味ベクトル記憶部１２、関連キーワード記憶部１３、ユーザＤＢ１４などの記憶部は、ハードディスク装置や光磁気ディスク装置、フラッシュメモリ等の不揮発性のメモリや、ＣＤ−ＲＯＭ等の読み出しのみが可能な記憶媒体、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような揮発性のメモリ、あるいはこれらの組み合わせにより構成されるものとする。
なお、この検索装置１は専用のハードウェアにより実現されるものであってもよく、また、この検索装置１はメモリおよびＣＰＵ（中央演算装置）により構成され、検索装置１の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。
また、図１における検索装置１の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより検索装置１の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
以上、この発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
この発明の一実施形態による検索装置１の構成を示すブロック図である。 図１のログ解析部２の構成を示すブロック図である。 図１のパーソナライズド検索部３の構成を示すブロック図である。 図３のパーソナライズド検索部３の動作を示すフローチャートその１である 図３のパーソナライズド検索部３の動作を示すフローチャートその２である
符号の説明
１ 検索装置
２ ログ解析部
３ パーソナライズド検索部
４ ブラウザ部
７ 外部ログＤＢ
８ 外部コンテンツＤＢ
９ 端末
１１ ネットワーク識別情報意味ベクトル記憶部
１２ キーワード意味ベクトル記憶部
１３ 関連キーワード記憶部
１４ ユーザＤＢ
２１ ログ集計部
２２ 特徴量抽出部
２３ 特徴量抽出結果ＤＢ
２４ 生ログＤＢ
２５ 各種閲覧・設定用ＧＵＩ部
３１ 検索条件入力部
３２ キーワード解析部
３３ マッチング処理部
３４ 学習部
３５ ソーティング処理部
３６ 関連キーワード検出部
３７ 検索結果出力部

Claims (25)

  1. ネットワーク上の情報資源を識別するネットワーク識別情報と、該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部と、
    ユーザを識別するユーザ識別情報と、該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部と、
    ユーザ識別情報とともに検索文が入力される検索条件入力部と、
    前記検索条件入力部に入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析部と、
    前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析部が変換した検索文意味ベクトルとに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを前記ネットワーク識別情報意味ベクトル記憶部から抽出するマッチング処理部と、
    前記マッチング処理部が抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理部が抽出したネットワーク識別情報を並び替えるソーティング処理部と、
    前記ソーティング処理部が並び替えたネットワーク識別情報を出力する検索結果出力部と、
    を有することを特徴とする検索装置。
  2. 前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記キーワード解析部が変換した検索文意味ベクトルに基づいて更新する学習部、
    を有することを特徴とする請求項１に記載の検索装置。
  3. 前記学習部が、
    前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出すユーザベクトル取得部と、
    前記キーワード解析部が変換した検索文意味ベクトルと、前記ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算して更新用意味ベクトルを算出するユーザベクトル算出部と、
    前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記ユーザベクトル算出部が算出した更新用意味ベクトルに更新するユーザベクトル更新部と、
    を有することを特徴とする請求項２に記載の検索装置。
  4. 前記ユーザベクトル算出部が、
    前記キーワード解析部が変換した検索文意味ベクトルと、前記ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算する場合に、それぞれのベクトルに予め定められた重みを乗じて加算して前記更新用意味ベクトルを算出する、
    ことを特徴とする請求項３に記載の検索装置。
  5. 前記マッチング処理部が、
    前記検索条件入力部に入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出すユーザベクトル取得部と、
    前記キーワード解析部が変換した検索文意味ベクトルと前記ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとに基づいてクエリベクトルを算出するクエリベクトル算出部と、
    前記クエリベクトル算出部が算出したクエリベクトルに基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを組みとした複数の候補を前記ネットワーク識別情報意味ベクトル記憶部から抽出する候補抽出部と、
    を有することを特徴とする請求項１から請求項４に記載の検索装置。
  6. 前記ネットワーク識別情報意味ベクトル記憶部には、
    前記ネットワーク識別情報と、前記ネットワーク識別情報意味ベクトルと、前記ネットワーク識別情報意味ベクトルに対するハッシュ値とが関連付けて記憶されており、
    前記マッチング処理部が、
    前記クエリベクトル算出部が算出したクエリベクトルに対するハッシュ値を算出するハッシュ算出部を有し、
    前記候補抽出部が、
    前記ハッシュ算出部が算出したハッシュ値に基づいて、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを組みとした複数の候補を前記ネットワーク識別情報意味ベクトル記憶部から抽出する、
    ことを特徴とする請求項５に記載の検索装置。
  7. 前記検索装置が、
    キーワードと該キーワードに対応する意味ベクトル空間におけるベクトルであるキーワード意味ベクトルとが関連付けて予め記憶されているキーワード意味ベクトル記憶部を有し、
    前記キーワード解析部が、
    前記検索条件入力部に入力された検索文に基づいて、キーワード意味ベクトルを前記キーワード意味ベクトル記憶部から読み出すことにより、当該検索文を意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する、
    ことを特徴とする請求項１から請求項６に記載の検索装置。
  8. 前記キーワード解析部が、
    前記検索条件入力部から入力された検索文を自然言語処理してキーワードを抽出し、該抽出したキーワードに該当するキーワード意味ベクトルを前記キーワード意味ベクトル記憶部から読み出すことにより、当該検索文を意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換する、
    ことを特徴とする請求項７に記載の検索装置。
  9. 前記ソーティング処理部が、
    前記マッチング処理部が抽出したネットワーク識別情報意味ベクトルと、前記クエリベクトル算出部が算出したクエリベクトルとの近似度を算出する近似度算出部と、
    前記近似度算出部が算出した近似度に基づいて、ネットワーク識別情報を並び替えるＵＲＬリストソーティング処理部と、
    を有することを特徴とする請求項５から請求項８に記載の検索装置。
  10. 前記近似度算出部が、
    前記ネットワーク識別情報意味ベクトルとクエリベクトルとの内積を前記近似度として算出し、
    前記ＵＲＬリストソーティング処理部が、
    前記近似度算出部が算出した近似度としての内積の値が大きい順に、前記ネットワーク識別情報を並び替える、
    ことを特徴とする請求項９に記載の検索装置。
  11. 前記近似度算出部が、
    前記ネットワーク識別情報意味ベクトルとクエリベクトルとの間の角度を前記近似度として算出し、
    前記ＵＲＬリストソーティング処理部が、
    前記近似度算出部が算出した近似度としての角度の値が小さい順に、前記ネットワーク識別情報を並び替える、
    ことを特徴とする請求項９に記載の検索装置。
  12. 前記ソーティング処理部が、
    前記ＵＲＬリストソーティング処理部の並び替えたネットワーク識別情報に対応するＵＲＬタイトルおよび要約文を取得するＵＲＬタイトル要約文取得部、
    を有し、
    前記検索結果出力部が、
    前記ＵＲＬタイトル要約文取得部が取得したＵＲＬタイトルおよび要約文を出力する、
    ことを特徴とする請求項１から請求項１１に記載の検索装置。
  13. 前記検索装置が、
    キーワードと該キーワードに対応する関連キーワードとが関連付けて予め記憶されている関連キーワード記憶部と、
    前記検索条件入力部に入力された検索文に基づいて、関連キーワードを前記関連キーワード記憶部から読み出す関連キーワード検出部と、
    を有し、
    前記検索結果出力部が、
    前記関連キーワード検出部が読み出した関連キーワードを出力する、
    ことを特徴とする請求項１から請求項１２に記載の検索装置。
  14. 前記関連キーワード検出部が、
    自然言語処理により検索文から抽出したキーワードに該当する関連キーワードを前記関連キーワード記憶部から読み出す、
    ことを特徴とする請求項１３に記載の検索装置。
  15. 前記検索結果出力部が、
    ＨＴＭＬ形式に変換して出力する、
    ことを特徴とする請求項１から請求項１４に記載の検索装置。
  16. 前記検索装置が、
    前記検索結果出力部が出力したネットワーク識別情報の中から選択されたネットワーク識別情報であるユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが関連付けて入力され、前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、前記入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記ユーザ選択ネットワーク識別情報に対応するネットワーク識別情報意味ベクトルに基づいて更新するユーザ選択学習部、
    を有することを特徴とする請求項１から請求項１５に記載の検索装置。
  17. 前記ユーザ選択学習部が、
    前記入力されたユーザ選択ネットワーク識別情報に該当するネットワーク識別情報意味ベクトルを前記ネットワーク識別情報意味ベクトル記憶部から読み出すユーザ選択ネットワーク識別情報意味ベクトル取得部と、
    前記入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを前記ユーザ履歴記憶部から読み出すユーザ選択ユーザベクトル取得部と、
    前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出するユーザ選択ユーザベクトル算出部と、
    前記ユーザ履歴記憶部に記憶されているユーザ履歴意味ベクトルであって、前記入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、前記ユーザ選択ユーザベクトル算出部が算出したユーザ選択更新用意味ベクトルに更新するユーザ選択ユーザベクトル更新部と、
    を有することを特徴とする請求項１６に記載の検索装置。
  18. 前記ユーザ選択ユーザベクトル算出部が、
    前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算する場合に、それぞれのベクトルに予め定められた重みを乗じて加算して前記ユーザ選択更新用意味ベクトルを算出する、
    ことを特徴とする請求項１７に記載の検索装置。
  19. 前記検索装置が、
    前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが関連付けて記憶されているユーザ選択ネットワーク識別情報記憶部、
    を有し、
    前記ユーザ選択学習部が、
    前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とを前記ユーザ選択ネットワーク識別情報記憶部から読み出すことにより、前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが関連付けて入力される、
    ことを特徴とする請求項１６から請求項１８に記載の検索装置。
  20. 前記ユーザ選択ネットワーク識別情報記憶部には、
    前記ユーザ選択ネットワーク識別情報の履歴と前記ユーザ識別情報とが関連付けて記憶されており、
    前記ユーザ選択学習部は、
    前記ユーザ選択ネットワーク識別情報記憶部からユーザ選択ネットワーク識別情報の履歴とユーザ識別情報とを読み出し、
    前記ユーザ選択ネットワーク識別情報意味ベクトル取得部は、
    前記読み出したユーザ選択ネットワーク識別情報の履歴に該当するそれぞれのネットワーク識別情報意味ベクトルを前記ネットワーク識別情報意味ベクトル記憶部から読み出し、
    前記ユーザ選択ユーザベクトル算出部は、
    前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する、
    ことを特徴とする請求項１９に記載の検索装置。
  21. 前記ユーザ選択ユーザベクトル算出部は、
    前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとを加算してユーザ選択更新用意味ベクトルを算出する場合に、前記ユーザ選択ネットワーク識別情報意味ベクトル取得部が読み出したそれぞれのネットワーク識別情報意味ベクトルと、前記ユーザ選択ユーザベクトル取得部が読み出したユーザ履歴意味ベクトルとについて、それぞれのベクトルに予め定められた重みを乗じて加算して前記ユーザ選択更新用意味ベクトルを算出する、
    ことを特徴とする請求項２０に記載の検索装置。
  22. 前記検索装置が、
    前記ユーザ選択ネットワーク識別情報と前記ユーザ識別情報とが入力され、該入力されたユーザ選択ネットワーク識別情報とユーザ識別情報とを関連付けて前記ユーザ選択ネットワーク識別情報記憶部に記憶させるログ集計部、
    を有することを特徴とする請求項２０または請求項２１に記載の検索装置。
  23. ユーザ識別情報とともに検索文が入力される検索条件入力手順と、
    前記検索条件入力手順で入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析手順と、
    前記検索条件入力手順で入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザを識別するユーザ識別情報と該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク上の情報資源を識別するネットワーク識別情報と該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出するマッチング処理手順と、
    前記マッチング処理手順で抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理手順で抽出したネットワーク識別情報を並び替えるソーティング処理手順と、
    前記ソーティング処理手順で並び替えたネットワーク識別情報を出力する検索結果出力手順と、
    を有することを特徴とする検索方法。
  24. 検索装置としてのコンピュータに、
    ユーザ識別情報とともに検索文が入力される検索条件入力手順と、
    前記検索条件入力手順で入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析手順と、
    前記検索条件入力手順で入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザを識別するユーザ識別情報と該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク上の情報資源を識別するネットワーク識別情報と該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出するマッチング処理手順と、
    前記マッチング処理手順で抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理手順で抽出したネットワーク識別情報を並び替えるソーティング処理手順と、
    前記ソーティング処理手順で並び替えたネットワーク識別情報を出力する検索結果出力手順と、
    を実行させるための検索プログラム。
  25. 検索装置としてのコンピュータに、
    ユーザ識別情報とともに検索文が入力される検索条件入力手順と、
    前記検索条件入力手順で入力された検索文を、前記意味ベクトル空間における意味ベクトルとしての検索文意味ベクトルに変換するキーワード解析手順と、
    前記検索条件入力手順で入力されたユーザ識別情報に該当するユーザ履歴意味ベクトルを、ユーザを識別するユーザ識別情報と該ユーザが入力したキーワードに対応するキーワード意味ベクトルの履歴であるユーザ履歴意味ベクトルとが関連付けて記憶されているユーザ履歴記憶部から読み出し、該読み出したユーザ履歴意味ベクトルと前記キーワード解析手順で変換した検索文意味ベクトルとに基づいて、ネットワーク上の情報資源を識別するネットワーク識別情報と該ネットワーク識別情報により識別される情報資源に対応する意味ベクトル空間における意味ベクトルであるネットワーク識別情報意味ベクトルとが関連付けて予め記憶されているネットワーク識別情報意味ベクトル記憶部から、ネットワーク識別情報とネットワーク識別情報意味ベクトルとを抽出するマッチング処理手順と、
    前記マッチング処理手順で抽出したネットワーク識別情報意味ベクトルと、前記ユーザ履歴意味ベクトルと検索文意味ベクトルとに基づいて、前記マッチング処理手順で抽出したネットワーク識別情報を並び替えるソーティング処理手順と、
    前記ソーティング処理手順で並び替えたネットワーク識別情報を出力する検索結果出力手順と、
    を実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
JP2008027885A 2008-02-07 2008-02-07 検索装置、検索方法、検索プログラム、および、記録媒体 Pending JP2009187384A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008027885A JP2009187384A (ja) 2008-02-07 2008-02-07 検索装置、検索方法、検索プログラム、および、記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008027885A JP2009187384A (ja) 2008-02-07 2008-02-07 検索装置、検索方法、検索プログラム、および、記録媒体

Publications (1)

Publication Number Publication Date
JP2009187384A true JP2009187384A (ja) 2009-08-20

Family

ID=41070542

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008027885A Pending JP2009187384A (ja) 2008-02-07 2008-02-07 検索装置、検索方法、検索プログラム、および、記録媒体

Country Status (1)

Country Link
JP (1) JP2009187384A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015201042A (ja) * 2014-04-08 2015-11-12 日本電信電話株式会社 ハッシュ関数生成方法、ハッシュ値生成方法、装置、及びプログラム
CN109697282A (zh) * 2017-10-20 2019-04-30 阿里巴巴集团控股有限公司 一种语句的用户意图识别方法和装置
CN111460302A (zh) * 2020-03-31 2020-07-28 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、电子设备及计算机可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015201042A (ja) * 2014-04-08 2015-11-12 日本電信電話株式会社 ハッシュ関数生成方法、ハッシュ値生成方法、装置、及びプログラム
CN109697282A (zh) * 2017-10-20 2019-04-30 阿里巴巴集团控股有限公司 一种语句的用户意图识别方法和装置
CN111460302A (zh) * 2020-03-31 2020-07-28 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN111460302B (zh) * 2020-03-31 2023-08-08 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
KR101721338B1 (ko) 검색 엔진 및 그의 구현 방법
CN110674429B (zh) 用于信息检索的方法、装置、设备和计算机可读存储介质
JP5662961B2 (ja) レビュー処理方法およびシステム
JP5638031B2 (ja) 格付け方法、検索結果分類方法、格付けシステム及び検索結果分類システム
JP6266080B2 (ja) 類似性スコアに基づきコンテンツアイテムと画像とのマッチングを評価する方法、およびシステム
KR101171405B1 (ko) 검색 결과에서 배치 내용 정렬의 맞춤화
KR101700352B1 (ko) 이력적 검색 결과들을 사용한 향상된 문서 분류 데이터 생성
JP5727512B2 (ja) 検索提案のクラスタ化及び提示
US8612435B2 (en) Activity based users' interests modeling for determining content relevance
JP5340751B2 (ja) 文書処理装置および文書処理方法
Bennett et al. Inferring and using location metadata to personalize web search
US9171078B2 (en) Automatic recommendation of vertical search engines
JP4638439B2 (ja) ウェブ検索の個人化
JP5341253B2 (ja) 線形および非線形のランキングモデルを用いるランク付けされた検索結果の生成
US10108699B2 (en) Adaptive query suggestion
US20070143300A1 (en) System and method for monitoring evolution over time of temporal content
JP2009508267A (ja) ブログ文書のランク付け
US20100185623A1 (en) Topical ranking in information retrieval
JP5084858B2 (ja) サマリ作成装置、サマリ作成方法及びプログラム
JP2020024674A (ja) 情報をプッシュするための方法及び装置
Jiang et al. Towards intelligent geospatial data discovery: a machine learning framework for search ranking
CN110188291B (zh) 基于代理日志的文档处理
JP2007256992A (ja) コンテンツ特定方法及び装置
Sajeev et al. Effective web personalization system based on time and semantic relatedness
CN108280081B (zh) 生成网页的方法和装置