JP2009277154A - 情報検索装置及び情報検索方法 - Google Patents

Abstract

【課題】検索クエリとして入力される言葉が複数の意味を持ち、検索クエリを入力するユーザの多くが特定の意味に関する情報を入手しようとしている場合において、高い精度で検索結果を提示する。
【解決手段】検索サーバ１１０は、予め設定するキーワード毎の内容を表現する特徴量を格納するキーワード特徴量格納部１１１と、ユーザの入力した検索クエリの特徴量を生成する検索クエリ特徴量算出部１１３と、検索対象ＵＲＬに対応するコンテンツに含まれるキーワードを基にＵＲＬ特徴量を生成するＵＲＬ特徴量算出部１１４と、検索クエリ特徴量算出手段が生成したユーザの入力した検索クエリの特徴量と、前記ＵＲＬ特徴量算出手段が生成した検索結果候補のＵＲＬの特徴量の類似度を基にユーザに提示する検索結果を生成する検索結果生成部１１７と、を備える。
【選択図】図１

Description

本発明は、検索クエリに対応する検索結果をユーザに提供する情報提供装置及び情報検索方法に関する。

現在インターネットには膨大な情報が蓄積されており、ユーザは検索などの手法で所望の情報を情報提供装置に要求することで、情報にアクセスしている。従来の検索エンジンなどの情報提供装置は、ユーザが入力する検索クエリと、格納している文書群のキーワード分布などの文書情報との関係を用いて、条件に合致する情報を提供するものが一般的であった。従来のキーワードによる検索手法としては特許文献１などがある。
特開２００２−１４９６８３号公報

しかしながら、検索クエリと文書のキーワード分布により合致度を算出する従来の方法では、ユーザが意図していない意味で検索クエリのキーワードが使われている場合においても、その出現頻度が大きければ検索結果の上位としてランキングされてしまうという問題がある。

例えば、商品名やｗｅｂサイト名、ＴＶ番組名、ソフトウェア名、店舗名などの固有名詞の中には、一般的な名詞がつけられる場合があり、ユーザがこうした固有名詞に関する情報を入手したくて検索クエリとして入力した場合でも、従来の検索エンジンでは、同じ言葉が一般的な名詞の意味で使われているＷｅｂページであっても、検索結果として上位に表示されてしまい、検索ユーザの意図と異なる検索結果が提供されてしまうことがある。

このように、従来の検索手法では、検索クエリとして入力される言葉が複数の意味を持ち、検索クエリを入力するユーザの多くが特定の意味に関する情報を入手しようとしている場合において、高い精度で検索結果を提示する方法が課題となっている。

そこで本発明は、上記問題点を解決し、より多くのユーザにとって精度の高い検索結果を提供可能な情報検索装置及び情報検索方法を提供することを目的とする。

前記課題を解決するために、本発明の情報検索装置は、予め設定したキーワード毎の内容を表現する特徴量を格納したキーワード特徴量格納手段と、キーワード特徴量格納手段に格納された特徴量を参照し、ユーザの入力した検索クエリの特徴量を算出する検索クエリ特徴量算出手段と、キーワード特徴量格納手段に格納された特徴量を参照し、検索対象ＵＲＬに対応するコンテンツに含まれるキーワードを基に、検索対象ＵＲＬのＵＲＬ特徴量を算出するＵＲＬ特徴量算出手段と、検索クエリ特徴量算出手段により算出された検索クエリの特徴量と、ＵＲＬ特徴量算出手段により算出された検索対象ＵＲＬのＵＲＬ特徴量と、の類似度を基に、ユーザに提示する検索結果を生成する検索結果生成手段と、を備えることを特徴としている。

これにより、検索クエリの特徴量と適合度の高いＵＲＬを検索結果として提示することが可能となる。キーワードに対する特徴量は、そのキーワードに対して多くの人が連想する意味をトピックとして表現したものである。ＵＲＬに対応するページに含まれるキーワードの適合度だけでなく、コンテンツの内容を表したトピックを要素とする特徴量を用いることで、検索クエリが複数の意味を持つような場合においても、より多くのユーザが意図している意味と関連度の高いＵＲＬを上位にランキングした、精度の高い検索結果が提示できるという効果がある。

また、本発明の情報検索装置は、検索クエリと、検索対象ＵＲＬと、の適合度を示す一次検索適合スコアを取得する一次検索結果取得手段を更に備え、検索結果生成手段は、検索クエリ特徴量算出手段が生成した検索クエリの特徴量と、ＵＲＬ特徴量算出手段が生成した検索対象ＵＲＬのＵＲＬ特徴量と、の類似度を算出する特徴量類似度算出手段と、特徴量類似度算出手段が算出した類似度と、一次検索結果取得手段が取得した一次検索適合スコアと、を合成して二次検索適合スコアを算出するスコア再計算手段と、スコア再計算手段が算出した二次検索適合スコアに基づいて検索対象ＵＲＬを順位付け、当該順位付けられたＵＲＬを、ユーザに提示する検索結果とする最終検索結果生成手段と、を含むことが好適である。これにより、例えば外部の検索エンジンなどが算出した一次検索適合スコアを適切に反映させて、ＵＲＬの順位付けができるようになる。

前記課題を解決するために、本発明の情報検索方法は、情報を検索する情報検索装置により実行される、情報検索方法であって、予め設定したキーワード毎の内容を表現する特徴量を格納するキーワード特徴量格納ステップと、格納された特徴量を参照し、ユーザの入力した検索クエリの特徴量を算出する検索クエリ特徴量算出ステップと、格納された特徴量を参照し、検索対象ＵＲＬに対応するコンテンツに含まれるキーワードを基に検索対象ＵＲＬのＵＲＬ特徴量を算出するＵＲＬ特徴量算出ステップと、検索クエリ特徴量算出ステップにおいて算出された検索クエリの特徴量と、ＵＲＬ特徴量算出ステップにおいて算出された検索対象ＵＲＬのＵＲＬ特徴量と、の類似度を基に、ユーザに提示する検索結果を生成する検索結果生成ステップと、を備えることを特徴としている。

これにより、検索クエリの特徴量と適合度の高いＵＲＬを検索結果として提示することが可能となる。キーワードに対する特徴量は、そのキーワードに対して多くの人が連想する意味をトピックとして表現される。ＵＲＬに対応するページに含まれるキーワードの適合度だけでなく、コンテンツの内容を表したトピックを要素とする特徴量を用いることで、検索クエリが複数の意味を持つような場合においても、より多くのユーザが意図している意味と関連度の高いＵＲＬを上位にランキングした、精度の高い検索結果が提示できるという効果がある。

本発明によれば、検索クエリに対応する検索結果をユーザに提供することが可能となる。

以下、図面と共に本発明に係る情報検索システム及び情報検索方法の好適な実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

図１に本実施形態に係る情報検索システムの構成を示す。情報検索システムは、クライアント携帯端末１００に対して情報を提供するシステムである。クライアント携帯端末１００へ提供される情報は、具体的にはクライアント携帯端末１００から送信される検索クエリに対する検索結果の情報である。情報検索は、上記のようにクライアント携帯端末１００からの要求に応じて行われる。図１に示すように情報検索システムは、クライアント携帯端末１００への情報提供のための主要機能を有する情報検索サーバ１１０を含んで構成される。また、情報検索システムは、検索エンジン１０１を含んでいてもよい。情報検索サーバ１１０、及び検索エンジン１０１は、互いに接続されており、情報を送受信することができる。

クライアント携帯端末１００は、ユーザにより用いられる端末装置であり、ネットワークＮへのアクセス機能を有している。具体的には、ネットワークＮは、例えば、移動体通信網であり、クライアント携帯端末１００は、携帯電話機等の移動通信端末である。クライアント携帯端末１００は、所定の方法でネットワークＮ上の情報にアクセスする。具体的には、クライアント携帯端末１００は、ＵＲＬ（Uniform Resource Locator）を含むＨＴＴＰ（Hyper Text Transfer Protocol）リクエストをネットワークＮに送信することで、ＵＲＬに対応するＷｅｂサーバにアクセスしてコンテンツ（情報）を受信する。

クライアント携帯端末１００は、ネットワークＮを介して情報検索システムを構成する各装置（情報検索サーバ１１０及び検索エンジン１０１）との間で情報の送受信を行うことができる。また、クライアント携帯端末１００は、検索クエリを含む検索要求を情報検索システムに送信することによって、当該検索クエリに応じた検索結果の情報を受信する。クライアント携帯端末１００は、受信した検索結果の情報を表示出力等して、ユーザへの情報の提示を行う。

検索エンジン１０１は、クライアント携帯端末１００から検索クエリを含む検索要求を受信して、当該検索クエリを用いて検索を行う装置である。ここで検索クエリは、例えば、検索に用いられるキーワードに相当する。また、検索エンジン１０１による検索の対象は、通常の検索エンジンと同様に、例えば、インターネット上のＷｅｂサーバのコンテンツである。

検索エンジン１０１は、検索結果として、検索クエリ、検索クエリに適合したＵＲＬの一覧、及びその適合度合ＳｃｏｒｅＭの一覧を取得（算出）する。適合度合ＳｃｏｒｅＭは、検索クエリに対して、どの程度、Ｗｅｂページが適合しているかを示す指標値である。検索エンジン１０１は、取得した情報を情報検索サーバ１１０に送信する。なお、検索エンジン１０１における検索自体は、既存の方法に従って行われる。

引き続いて、情報検索システムにおける、クライアント携帯端末１００への情報提供のための主要機能を有する情報検索サーバ１１０の機能について説明する。図１に示すように、情報検索サーバ１１０は、キーワード特徴量格納部１１１と、一次検索結果取得部１１２と、検索クエリ特徴量算出部１１３と、ＵＲＬ特徴量算出部１１４と、特徴量類似度算出部１１５と、スコア再計算部１１６と、最終検索結果生成部１１７と、を備えて構成される。

キーワード特徴量格納部１１１は、予め設定されるキーワード毎の特徴量を格納する。

ここに格納されるキーワード特徴量は、手動で作成する。あるいは、インターネット上のオンライン百科事典やポータルサイトのカテゴリ分類等、カテゴリ毎にコンテンツが分類されたデータを基に作成する。後者の場合は、まずカテゴリに対応するトピックを手動で設定する（例えば「野球」「サッカー」カテゴリであれば「スポーツ」トピックと対応付ける）。次に、各カテゴリのコンテンツ群に含まれるキーワードを抽出し、キーワード毎に「各カテゴリで登場する頻度分布」を算出する。次に、同一トピックと対応するカテゴリについて頻度分布を集約（加算）することで、キーワード毎に「各トピックで登場する頻度分布」を算出する。この頻度分布を正規化したものをキーワードの特徴量Ｋとする。キーワードの特徴量Ｋは図２に示すようにＫ＝｛k_i1,k_i2,k_i3,…,k_in｝のベクトル形式で格納される。ここで、ベクトルの各要素のｋ_ij（ｉはキーワードを識別する番号、ｊは１からｎの整数）は、トピックｊに対応する重みであり、ｎは設定したトピックの種類を表す。

ここで、重みの値については、必要に応じて、ＩＤＦ（Inverse Document Frequency）等の手段で一定の変換処理を行ってもよい。具体的には、ユーザの各トピックに対する値に対して、下記の式（1）で表されるＩＤＦ値を乗じ、さらにベクトルの絶対値（各要素の二乗和の平方根）が１となるように正規化したものを特徴量とする。

ＩＤＦ＝ｌｏｇ_１０（Ｎ／ｎ_ｉ）＋１…（１）

ここで、Ｎは全体の文書数（オンライン百科事典の全ページ数など）、ｎ_ｉはトピックｉに対応する文書数を示す。対応する文書数が少ないトピックについてはＩＤＦ値が大きくなり、特異なトピックに対して大きい重み付けをした特徴量が生成できる。

一次検索結果取得部１１２は、検索エンジン１０１から送信される検索結果として、検索クエリ、検索クエリに適合したＵＲＬの一覧、及びその適合度合ＳｃｏｒｅＭの一覧を受信する手段である。一次検索結果取得部１１２は、取得した情報を、検索クエリの特徴量算出部１１３、及びＵＲＬ特徴量算出部１１４に出力する。

検索クエリ特徴量算出部１１３は、ユーザが入力した検索クエリの特徴量を算出する。ユーザが入力した検索クエリが一次検索結果取得部１１２より入力されると、検索クエリに含まれるキーワードについて、キーワード特徴量格納部１１１を参照し、キーワードに対応する特徴量を取得する。キーワードが複数の場合は、それぞれのキーワードについて特徴量を取得し、特徴量ベクトルの要素毎に重みを加算し、得られたベクトルの絶対値が１となるように正規化したものを検索クエリ特徴量A ＝｛a₁,a₂,a₃,…,a_n｝とする。

ＵＲＬ特徴量算出部１１４は、ユーザが入力した検索クエリに対応する一次検索結果のＵＲＬの特徴量を算出する。ユーザが入力した検索クエリに対応する一次検索結果のＵＲＬリストが一次検索結果取得部１１２より入力されると、各ＵＲＬと対応するコンテンツ内のテキスト情報に含まれる全てのキーワードについて、キーワード特徴量格納部１１１を参照し、キーワードに対応する特徴量を取得する。ＵＲＬ毎に含まれるキーワードに対応する特徴量ベクトルの要素毎に、重みとキーワードの出現頻度の積を加算し、得られたベクトルの絶対値が１となるように正規化したものをＵＲＬ特徴量B ＝｛b₁,b₂,b₃,…,b_n｝とする。

特徴量類似度算出部１１５は、検索クエリ特徴量算出部１１３、及びＵＲＬ特徴量算出部１１４で生成される検索クエリ特徴量、及びＵＲＬ特徴量について類似度を計算する手段である。特徴量の類似度は、例えば、検索クエリ特徴量A ＝｛a₁,a₂,a₃,…,a_n｝とＵＲＬ特徴量B ＝｛b₁,b₂,b₃,…,b_n｝のコサイン距離ｃｏｓθにより算出する。ｃｏｓθは両ベクトルの内積（A・B）を両ベクトルの絶対値の積（|A|・|B|）で割った値であり、次の式（２）で算出される。

ここで、両ベクトルの絶対値は、予め１となるように正規化されているので、分母の値は１となり、計算は省略できる。

ｃｏｓθは０〜１の値をとり、両ベクトルの特徴量が類似していれば１に近くなり、特徴量が乖離していれば０に近くなる。ｃｏｓθは、検索結果として取得した全てのＵＲＬに対して計算する。特徴量類似度算出部１１５は、検索クエリ、各ＵＲＬのＳｃｏｒｅＭ、及びｃｏｓθをスコア再計算部１１６に出力する。

スコア再計算部１１６は、特徴量類似度算出部１１５から入力される、検索結果ＵＲＬに対して、特徴量類似度を考慮したＳｃｏｒｅＬを計算する手段である。ＳｃｏｒｅＬは検索クエリとＵＲＬの適合度ＳｃｏｒｅＭと、検索クエリとＵＲＬの特徴量類似度であるｃｏｓθを合成することで算出する。スコア再計算部１１６は、ＳｃｏｒｅＬを、例えば予めスコア再計算部１１６に記憶された以下の式（３）により算出する。

ＳｃｏｒｅＬ＝（１−α）＊ＳｃｏｒｅＭ＋α＊ｃｏｓθ…（３）

ここで、αは（０＜α＜１）を満たす値であり、検索クエリとＵＲＬの特徴量の類似度を検索結果に反映させたい度合いに応じて予め設定されて、スコア再計算部１１６に記憶されている。なお、検索エンジン１０１からの出力に、ＳｃｏｒｅＭが含まれない場合は、ｃｏｓθをＳｃｏｒｅＬとしてもよい。スコア再計算部１１６は、各ＵＲＬを示す情報と、ＵＲＬに対応するＳｃｏｒｅＬとを最終検索結果生成部１１７に出力する。

最終検索結果生成部１１７は、スコア再計算部１１６から入力された情報を基にクライアント携帯端末１００に送信する情報を生成して送信する検索結果提供手段の一機能である。最終検索結果生成部１１７は、入力されたＵＲＬを、ＳｃｏｒｅＬの値が大きいものからソートして、最終検索結果として生成して、クライアント携帯端末１００に送信して、ユーザに提示する。以上が、本実施形態に係る情報検索サーバ１１０の機能構成である。

引き続いて、図３のフローチャートを用いて、本実施形態に係る情報検索システムにより実行される処理（情報検索方法）について説明する。

情報検索システムでは、まず、予め設定されるキーワード毎の特徴量をキーワード特徴量格納部１１１に格納する（Ｓ１１）。

続いて、クライアント携帯端末１００から検索クエリを含む検索要求が検索エンジン１０１に送信（Ｓ１２）されると以降の処理が行われる。検索エンジン１０１によって当該検索要求に係る検索が行われて、検索クエリ、及び検索結果を示す情報が検索エンジン１０１から情報検索サーバ１１０に送信される。情報検索サーバ１１０では、一次検索結果取得部１１２により検索クエリ、及び検索結果を示す情報が受信されて取得される（Ｓ１３）。

続いて、特徴量類似度算出部１１５により、検索結果に含まれるＵＲＬ毎に、検索クエリとの特徴量類似度が算出される（Ｓ１４）。特徴量類似度は、検索クエリ特徴量算出部１１３、及びＵＲＬ特徴量算出部１１４から、検索クエリ特徴量、及びＵＲＬ特徴量を取得し、上述した方法によりコサイン距離ｃｏｓθを算出することで計算される。

続いて、スコア再計算部１１６によって、特徴量の類似度を考慮したＵＲＬ検索スコアＳｃｏｒｅＬが計算される（Ｓ１５）。ＳｃｏｒｅＬは一次検索結果のスコアであるＳｃｏｒｅＭと、属性分布類似度ｃｏｓθを用いて上述した方法で計算される。

続いて、最終検索結果生成部１１７によって、ＳｃｏｒｅＬの大きい順に検索結果のＵＲＬがソートされた、最終検索結果を示す情報が生成され、ネットワークＮを介して、クライアント携帯端末１００に送信される（Ｓ１６）。

クライアント携帯端末１００では、最終検索結果を示す情報が受信されて、表示等の出力がなされる。以上が、本実施形態に係る情報検索システムにより実行される処理である。

上述した本実施形態に係る情報検索システムでは、ユーザの各アクセス先であるＷｅｂページＵＲＬの特徴量、及び検索クエリの特徴量が抽出され、両者の特徴量の類似度が生成される。この類似度に基づいて検索結果のＵＲＬのスコアが算出され、このスコアに基づいてＵＲＬが並び替えられてユーザに検索結果として提供される。

上記のように本実施形態に係る情報検索システムでは、検索クエリとＷｅｂページの一致度合いだけでなく、検索クエリ、及びＷｅｂページの特徴量の類似度にも基づいて、ユーザに検索結果情報が提供される。キーワードが複数の意味を持つ場合でも、多くのユーザが連想する意味に関係するトピックの重みが大きくなるように特徴量が設定されていれば、内容がそのトピックとの関連性が大きいＵＲＬを検索結果の上位に提示することが可能となる。

上述した実施形態では、提供される情報であるＵＲＬを並べ替えてユーザに提供していたが、例えば、並べ替えでなく、スコアが高い情報のみをユーザに提供する等のユーザに提供される情報を判断することとしてもよい。

また、上述した実施形態では、ユーザが検索を行う度にＵＲＬ特徴量を生成したが、予め検索対象となるＵＲＬ群に対して特徴量を算出し、情報検索サーバ１１０内に記憶しておくこととしても良い。この場合、ＵＲＬが示すコンテンツの更新に対応するため、一定期間、あるいはコンテンツの更新が検出される度にＵＲＬ特徴量を再計算し、更新する。

この構成によれば、検索の度にＵＲＬに含まれるキーワードの抽出や、特徴量計算を行う必要がなくなるため、少ない計算量で情報検索を行うことが可能となる。

本発明の実施形態に係る情報検索システムの構成を示す図である。 情報検索システムにおいて取得されて用いられる、キーワード毎の特徴量を示すキーワード特徴量情報を示す図である。 本発明の実施形態に係る情報検索システムで実行される処理（情報検索方法）を示すフローチャートである。

符号の説明

１００…クライアント携帯端末、１０１…検索エンジン、１１０…情報検索サーバ、１１１…キーワード特徴量格納部、１１２…一次検索結果取得部、１１３…検索クエリ特徴量算出部、１１４…ＵＲＬ特徴量算出部、１１５…特徴量類似度算出部、１１６…スコア再計算部、１１７…最終検索結果生成部。

Claims (3)

1. 予め設定したキーワード毎の内容を表現する特徴量を格納したキーワード特徴量格納手段と、
   前記キーワード特徴量格納手段に格納された特徴量を参照し、ユーザの入力した検索クエリの特徴量を算出する検索クエリ特徴量算出手段と、
   前記キーワード特徴量格納手段に格納された特徴量を参照し、検索対象ＵＲＬに対応するコンテンツに含まれるキーワードを基に、前記検索対象ＵＲＬのＵＲＬ特徴量を算出するＵＲＬ特徴量算出手段と、
   前記検索クエリ特徴量算出手段により算出された前記検索クエリの特徴量と、前記ＵＲＬ特徴量算出手段により算出された前記検索対象ＵＲＬのＵＲＬ特徴量と、の類似度を基に、ユーザに提示する検索結果を生成する検索結果生成手段と、
   を備えることを特徴とする情報検索装置。
2. 前記情報検索装置は、
   前記検索クエリと、前記検索対象ＵＲＬと、の適合度を示す一次検索適合スコアを取得する一次検索結果取得手段を更に備え、
   前記検索結果生成手段は、
   前記検索クエリ特徴量算出手段が生成した前記検索クエリの特徴量と、前記ＵＲＬ特徴量算出手段が生成した前記検索対象ＵＲＬのＵＲＬ特徴量と、の類似度を算出する特徴量類似度算出手段と、
   前記特徴量類似度算出手段が算出した前記類似度と、前記一次検索結果取得手段が取得した一次検索適合スコアと、を合成して二次検索適合スコアを算出するスコア再計算手段と、
   前記スコア再計算手段が算出した二次検索適合スコアに基づいて前記検索対象ＵＲＬを順位付け、当該順位付けられたＵＲＬを、前記ユーザに提示する検索結果とする最終検索結果生成手段と、
   を含むことを特徴とする、請求項１に記載の情報検索装置。
3. 情報を検索する情報検索装置により実行される情報検索方法であって、
   予め設定したキーワード毎の内容を表現する特徴量を格納するキーワード特徴量格納ステップと、
   前記格納された特徴量を参照し、ユーザの入力した検索クエリの特徴量を算出する検索クエリ特徴量算出ステップと、
   前記格納された特徴量を参照し、検索対象ＵＲＬに対応するコンテンツに含まれるキーワードを基に、前記検索対象ＵＲＬのＵＲＬ特徴量を算出するＵＲＬ特徴量算出ステップと、
   前記検索クエリ特徴量算出ステップにおいて算出された前記検索クエリの特徴量と、前記ＵＲＬ特徴量算出ステップにおいて算出された前記検索対象ＵＲＬのＵＲＬ特徴量と、の類似度を基に、ユーザに提示する検索結果を生成する検索結果生成ステップと、
   を備えることを特徴とする情報検索方法。

Images