JP2009524852A5 - - Google Patents

Description

実施中の高精度化の関与を可能にするために、複数のアルゴリズムを使用することと、アルゴリズムの計算複雑性と予測性と、検索された候補の期待されるセットの一意性と、アジア系のデータセットに固有の候補分布の観測または推定された側面とに基づいて各問い合わせごとにアルゴリズムの最良のサブセットを選択することとを可能にする非決定性の候補検索方法が提供される。図８に、この方法の典型的なステップと一例とが示されている。この方法には、たとえばキーワード、中国語漢字の頭字語（ハクロニム（Hacronyms, Hanzee acronym））または日本語漢字の頭字語（カクロニム（Kacronym, Kanji acronym））等の有効なキーと電話番号とを、問い合わせデータ中に存在する情報から生成するステップが含まれる。すべての有効なキー共通部分の頻度カウント、すなわち問い合わせレコード中のキーと参照レコードとキーとのマッチングが、先行して計算された参照セットから検索される。オプションとして、事前設定された頻度限界より多くの候補が得られるキーを絞り出すかまたは抑圧する。また、提案された検索キューを選択するために別の技術を適用することもできる。たとえば検索時間、共通部分時間、予測性および計算オーバーヘッド等の１つまたは複数のファクタに基づいて、有効なキー共通部分に関して費用関数を生成する。キー共通部分は費用の上昇順に、計算複雑性と予測性と可能性のある検索された候補数とに基づいて再配列され、これにしたがって、キー共通部分積の順に候補リストをデータベースから検索する。このような方法により、問い合わせが処理される際にリアルタイムでアプローチを最適化することができる。

アジア系言語において特に注意すべき別の一致階級要素に、産業区分がある。これは、ポリロゴグラム意味論的一意化と称される新たな処理によって推定しなければならない（図２６〜２７）。この処理は、問い合わせストリングの再帰的集約手法を使用する。ここでは、（とりわけ日本における）アジア系の問い合わせは表意文字表記システムおよび音標的表記システムの双方の組み合わせを含むことが多いことを考慮する。この再帰的集約は、一致階級ストリング内で下位分類を行うために、最高確率で産業関連であるキーワードを強調するように行われる。

Claims (19)

1. コンピュータによって入力データを探索して、記憶されたデータとマッチングする方法において、
   コンピュータが複数の要素を有する探索ストリングを含む入力データを受け取るステップであって、該複数の要素のうち少なくとも幾つかは、表意文字表記システムの一部を構成するステップと、
   ポリロゴグラム意味論的一意化と中国語漢字頭字語拡張とビジネス単語認識とから成る群から選択された少なくとも１つの手法を使用して、コンピュータが該複数の要素のサブセットを用語のセットに変換する変換ステップと、
   コンピュータが該用語のセットから複数のキーを生成するステップと、
   コンピュータが、記憶されたデータから、
   （ａ）該複数のキーの最適化を決定して、最適化されたキーを供給し、
   （ｂ）該最適化されたキーと共通点を有する候補を決定して、キー共通部分と該キー共通部分の量とを供給する決定ステップと、
   コンピュータが該キー共通部分に関してコスト関数を生成する生成ステップと、
   コンピュータが、該コスト関数にしたがって該キー共通部分の優先順位を決定し、コストで優先順位が決定されたキー共通部分を供給する優先順位決定ステップと、
   コンピュータが、該コストで優先順位が決定されたキー共通部分の順に、事前決定された閾値と該キー共通部分の量とによって関連づけて、一致候補を検索する検索ステップと、
   コンピュータが、該一致候補から最良の一致物を選択する選択ステップと
   を有することを特徴とする方法。
2. 前記決定ステップは、膠着中国語漢字シングリングと膠着日本語漢字シングリングと無言中国語漢字シングリングと無言日本語漢字シングリングと複数の表記システムにわたるテキストインデックス付与とから成る群から選択された少なくとも１つの手法を使用し、
   膠着とは、連続した表意文字によって、それ自体が固有の意味を有する表意文字群が構成されている関係をいい、
   無言とは、連続した表意文字によって、それ自体が固有の意味を有しない表意文字群が構成されている関係をいう、
   請求項１記載の方法。
3. 前記変換ステップは、前記探索ストリングを、オーバーラップする複数のサブセグメントに分割するステップを有する、請求項１記載の方法。
4. 前記変換ステップはさらに、前記表意文字表記システムでセマンティックな意味を有するサブセグメントを含む膠着サブセグメントを識別するステップを有する、請求項３記載の方法。
5. 前記変換ステップはさらに、ノイズサブセグメントを除去するステップを有する、請求項４記載の方法。
6. 前記変換ステップはさらに、
   前記表意文字表記システムでセマンティックな意味を有さない隣接する要素を含む無言サブセグメントを識別し、
   該無言サブセグメントから予測性を導き出す、請求項５記載の方法。
7. 前記決定ステップは、膠着サブセグメントおよび無言サブセグメントを使用して、前記最適化されたキーを生成するステップを有する、請求項６記載の方法。
8. 前記変換ステップは、前記表意文字表記システムの繁体字形および簡体字形を正規化するステップを有する、請求項１記載の方法。
9. 前記表意文字表記システムは、日本語漢字と繁体字と簡体字（Hanzee）とから成る群から選択された少なくとも１つの表記システムである、請求項１記載の方法。
10. 前記要素は、アジア系文字およびローマ字を含む、請求項１記載の方法。
11. 前記変換ステップは、
    前記複数の要素を構文解析して、名前要素と電話番号要素と住所要素とを含む前記用語のセットを識別するステップと、
    ポリロゴグラム手法によってビジネス行を推定し、電話番号要素と住所要素とをクロスチェックするステップと、
    前記表意文字表記システムのイディオムおよび表現を認識して、該イディオムおよび表現が一緒に意味を保持するように維持するステップ
    とを有する、請求項１記載の方法。
12. 前記変換ステップは、名前要素内の構造指示子および頭字語を識別するステップを有する、請求項１１記載の方法。
13. 前記住所要素に基づいて、フレキシブルなアジア系の住所決定の慣用法の推定によって、緯度情報および経度情報を確立するステップを有する、請求項１１記載の方法。
14. 前記検索ステップは、一致の程度に基づいて、各一致候補に関して一致階級と信頼性コードと一致データプロファイルとを生成するステップを有する、請求項１記載の方法。
15. 前記信頼性コードを少なくとも部分的に、前記探索ストリングのセマンティックな意味と推定された内容とに基づいて決定するステップを有する、請求項１４記載の方法。
16. コンピュータが、前記信頼性コードに基づいて、選択された一致候補の順序づけされたリストを供給するステップを有する、請求項１記載の方法。
17. 前記順序づけされたリストの各一致候補を、複数の一致レベルのうち１つの一致レベルに割り当てるステップを有する、請求項１６記載の方法。
18. 前記一致候補を該一致候補の信頼性コードの順にランク付けし、ユーザ定義されたタイブレイク規則に基づいて最高位のランクのレベルをさらに区分化することにより、前記一致レベルの割り当てを決定する、請求項１７記載の方法。
19. コンピュータによって入力データを探索して、記憶されたデータとマッチングする方法を実施するための命令を有するコンピュータ読み出し可能媒体において、
    該方法は、
    複数の要素を有する探索ストリングを含む入力データを受け取るステップであって、該複数の要素のうち少なくとも幾つかは、表意文字表記システムの一部を構成するステップと、
    ポリロゴグラム意味論的一意化と中国語漢字頭字語拡張とビジネス単語認識とから成る群から選択された少なくとも１つの手法を使用して、該複数の要素のサブセットを用語のセットに変換する変換ステップと、
    該用語のセットから複数のキーを生成する生成ステップと、
    記憶されたデータから、
    （ａ）該複数のキーの最適化を決定して、最適化されたキーを供給し、
    （ｂ）該最適化されたキーと共通点を有する候補を決定して、キー共通部分と該キー共通部分の量とを供給する決定ステップと、
    該キー共通部分に関してコスト関数を生成するステップと、
    該コスト関数にしたがって該キー共通部分の優先順位を決定し、コストで優先順位が決定されたキー共通部分を供給するステップと、
    該コストで優先順位が決定されたキー共通部分の順に、事前決定された閾値と該キー共通部分の量とに関連づけて、一致候補を検索するステップと、
    該一致候補から最良の一致物を選択するステップ
    とを有する方法であることを特徴とする、コンピュータ読み出し可能媒体。