JP2010524141A - 履歴重要度のファクタリングによるドキュメントの重要度の計算 - Google Patents

Abstract

ドキュメント間のリンクを有するドキュメントの時間重要度を、リンクの時間分析に基づいて判定する方法およびシステムを提供する。時間ランク付けシステムは、種々のスナップショット時間におけるドキュメント間のリンクを示すリンク情報またはスナップショットを収集する。時間ランク付けシステムは、現在のスナップショットから導出される（すなわち、直近のスナップショット時間を有する）ドキュメントの現在の重要度および過去のスナップショットから導出されるドキュメントの履歴重要度をファクタリングすることにより、ドキュメントの現在の時間重要度を計算する。ウェブページの現在の時間重要度を計算するために、時間ランク付けシステムは各スナップショットのウェブページの重要度を集約する。

Description

本発明は、ドキュメントの重要度を判定する方法およびシステムに関する。

ＧｏｏｇｌｅやＯｖｅｒｔｕｒｅなどの多くの検索エンジンサービスは、インターネット経由でアクセス可能な情報の検索を提供する。これらの検索エンジンサービスにより、ユーザは、ユーザにとって興味があるかもしれないウェブページなどの表示ページの検索を行うことができる。ユーザが検索語を含む検索要求（すなわち、クエリ）を提示した後、検索エンジンサービスはそれらの検索語に関連する可能性のあるウェブページを識別する。関連するウェブページを迅速に識別するために、検索エンジンサービスはウェブページへのキーワードのマッピングを維持することができる。このマッピングは、ウェブ（すなわち、Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）を「クロール」して各ウェブページのキーワードを識別することにより生成することができる。ウェブをクロールするために、検索エンジンサービスはルートウェブページのリストを使用して、それらのルートウェブページを介してアクセス可能な全てのウェブページを識別することができる。任意の特定のウェブページのキーワードは、ヘッドラインの語、ウェブページのメタデータ内に含まれる語、強調表示されている語などを識別するような種々の周知の情報検索技術を使用して識別することができる。検索エンジンサービスは、ウェブページのキーワードがクエリの語にどれほどよくマッチするかに基づき、検索要求に関連する可能性のあるウェブページを識別する。次に検索エンジンサービスは、クエリに対する関連性、人気度、重要度、および／またはいくつかの他の測定値により判定されるランク付けに基づいた順序で、識別されたウェブページへのリンクをユーザに表示する。

ページのランク付けには、ＰａｇｅＲａｎｋ、ＨＩＴＳ（「Ｈｙｐｅｒｌｉｎｋ−ｉｎｄｕｃｅｄ Ｔｏｐｉｃ Ｓｅａｒｃｈ」）、および、ＤｉｒｅｃｔＨＩＴという３つの周知の技術がある。ＰａｇｅＲａｎｋは、ウェブページが重要なウェブページへのリンク（すなわち、「アウトリンク（ｏｕｔ ｌｉｎｋｓ）」）を有することになるという原理に基づいている。したがって、ウェブページの重要度は、そのウェブページへリンク（すなわち、「インリンク（ｉｎ ｌｉｎｋｓ）」）する他のウェブページの数および重要度によって決まる。簡単な形式では、ウェブページ間のリンクは、隣接行列Ａで表すことができる。この場合、Ａ_ijはウェブページｉからウェブページｊへのアウトリンクの数を表す。ウェブページｊの重要度スコアＷ_jは、以下の数式で表すことができる。

この数式は、以下の数式に基づいた反復計算で解くことができる。

ここで、ｗはウェブページの重要度スコアのベクトルであり、Ａ^Tの主固有ベクトル（ｐｒｉｎｃｉｐａｌ ｅｉｇｅｎｖｅｃｔｏｒ）である。

また、ＨＩＴＳ技術は、他の重要なウェブページへのリンクが多いウェブページは、それ自体が重要である可能性があるという原理に基づいている。したがって、ＨＩＴＳは、ウェブページの「重要度」を２つの関連属性、すなはち「ハブ」および「オーソリティ」に分割する。「ハブ」は、あるウェブページのリンク先の複数のウェブページの「オーソリティ」スコアにより測定され、「オーソリティ」は、上記ウェブページにリンクする複数のウェブページの「ハブ」スコアにより測定される。クエリとは無関係にウェブページの重要度を計算するＰａｇｅＲａｎｋとは対照的に、ＨＩＴＳは、インリンクおよびアウトリンク後の結果のウェブページおよび結果のウェブページに関連するウェブページに基づいて重要度を計算するものである。ＨＩＴＳは、検索エンジンサービスにクエリを提示し、ウェブページの初期セットとして結果のウェブページを使用する。ＨＩＴＳはそのセットに、インリンク先であるウェブページおよび結果のウェブページのアウトリンク元であるウェブページを追加する。次に、ＨＩＴＳは反復アルゴリズムを使用して、各ウェブページのオーソリティスコアおよびハブスコアを計算する。オーソリティスコアおよびハブスコアは、以下の数式で表すことができる。

ここで、ａ（ｐ）はウェブページｐのオーソリティスコアを表し、ｈ（ｐ）はウェブページｐのハブスコアを表す。ＨＩＴＳは、隣接行列Ａを使用してリンクを表す。隣接行列は以下の数式で表される。

ベクトルａおよびｈは、それぞれセット内の全てのウェブページのオーソリティスコアおよびハブスコアに相当し、これらのベクトルは以下の数式で表すことができる。

したがって、ａおよびｈは行列Ａ^TＡおよびＡＡ^Tの固有ベクトルである。ＨＩＴＳは、訪問の数で評価されるようなウェブページの人気度をファクタリングするように変更してもよい。クリックスルーの分析に基づいて、ユーザがウェブページｉからウェブページｊに移動するときはいつでも隣接行列のｂ_ijを増やすることができる。

リンクの分析に基づいてウェブページをランク付けするこれらの技術は、非常に有用でありうるが、「リンクスパミング（ｌｉｎｋ ｓｐａｍｍｉｎｇ）」の影響を受けやすい。一般に、「スパミング」とは、ウェブページまたはウェブサイトの人気度または重要度を不当に上げるようにする故意の行為のことを言う。リンクスパミングの場合、スパム送信者はリンクを操作して、ウェブページの重要度を不当に上げることができる。例えば、スパム送信者は、スパム送信者のウェブページにアウトリンクを追加することによって、ウェブページのハブスコアを増加させる場合がある。アウトリンクを追加する一般的な技術は、既存のリンクディレクトリのコピーを作成して、非常に大規模のアウトリンク構造を迅速に作成するものである。別の例として、スパム送信者は、有用な情報のウェブページに隠しリンクを配置して、ウェブページをスパミングする場合がある。多くのウェブページが有用な情報を提示するとき、スパムウェブページの重要度は間接的に上がる。別の例として、ブログやウェブディレクトリなどの多くのウェブサイトにより訪問者がリンクを掲載することができる。スパム送信者は、自身のウェブページにリンクを掲載して、直接的または間接的にスパムウェブページの重要度を上げることができる。別の例として、スパム送信者のグループが各々の自身のウェブサイトが互いを提示し合うリンク交換機構を設定して、スパム送信者のウェブサイトのウェブページの重要度を上げる場合がある。

ウェブスパム、特にリンクスパミングは、ウェブデータに依存する種々の技術に問題を提起する。例えば、ある程度ウェブページの人気度または重要度に基づいて検索結果を順序付けする検索エンジンサービスは、スパミングのためにスパムウェブページを不当に高くランク付けしてしまう場合がある。検索結果のウェブページの正確なランク付けは、検索エンジンサービスにとって非常に重要である。検索エンジンサービスのユーザが、何がしかの理由で（例えば、リンクスパム）、検索結果のウェブページのランク付けが重要度または関連性についての自分の考えと一致しないと気付いた場合、ユーザは異なる検索エンジンサービスを参照してもよい。検索エンジンサービスの利益は、ユーザの数に密接に相関するので、検索結果のウェブページのランク付けの性能が劣ると検索エンジンサービスの利益の損失につながる可能性がある。

本発明の目的とするところは、ドキュメント間のリンクを有するドキュメントの時間重要度を、リンクの時間分析に基づいて判定する方法およびシステムを提供することにある。

ドキュメント間のリンクを有するドキュメントの時間重要度（ｔｅｍｐｏｒａｌ ｉｍｐｏｒｔａｎｃｅ）を、リンクの時間分析（ｔｅｍｐｏｒａｌ ａｎａｌｙｓｉｓ）に基づいて判定する方法およびシステムを提供する。時間ランク付けシステム（ｔｅｍｐｏｒａｌ ｒａｎｋｉｎｇ ｓｙｓｔｅｍ）は、種々のスナップショット時におけるドキュメント間のリンクを示すリンク情報またはスナップショットを収集する。時間ランク付けシステムは、現在のスナップショットから導出される（すなわち、直近のスナップ時間を有する）ドキュメントの現在の重要度および過去のスナップショットから導出されるドキュメントの履歴重要度（ｈｉｓｔｏｒｉｃａｌ ｉｍｐｏｒｔａｎｃｅ）をファクタリング（ｆａｃｔｏｒｉｎｇ）することにより、ドキュメントの現在の時間重要度を計算する。ウェブページの現在の時間重要度を計算するために、時間ランク付けシステムは各スナップショットのウェブページの重要度を集約する。時間ランク付けシステムは、少なくとも一部がドキュメントの時間重要度に基づいてドキュメントをランク付けできるように、検索エンジンサービスにドキュメントの時間重要度を提供することができる。

この概要は、以下の詳細な説明でさらに説明する概念を選択して簡略化した形で紹介するためのものである。この概要は、本発明の重要な特徴または不可欠な特徴を特定することを意図してはおらず、また、本発明の範囲を決定するのを助けるものとして使用されることも意図してはいない。

ウェブグラフの一部を示す図である。 一実施形態において経時的に取得したウェブグラフのスナップショットに基づいてウェブページをランク付けする時間ランク付けシステムのコンポーネントを示すブロック図である。 いくつかの実施形態における時間ランク付けシステムの時間重要度計算コンポーネントの高レベル処理を示すフロー図である。 いくつかの実施形態における時間ランク付けシステムの時間重要度計算コンポーネントの低レベル処理を示すフロー図である。

リンクの時間分析に基づいて、ドキュメント間のリンクを有するドキュメントの時間重要度を判定する方法およびシステムを提供する。いくつかの実施形態では、時間ランク付けシステムは、さまざまなスナップショット時におけるドキュメント間（または一般的にはオブジェクト間）のリンクを示すリンク情報またはスナップショットを収集する。例えば、ドキュメントがウェブページである場合、ウェブクローラ（ｗｅｂ ｃｒａｗｌｅｒ）はウェブをクロールして、ウェブページおよびウェブページ間のリンクを識別することができる。ウェブクローラは、ウェブページおよびリンクを、頂点およびエッジを有するウェブグラフ（ｗｅｂ ｇｒａｐｈ）として表すことができる。ウェブグラフは、スナップショット時間と呼ぶ、ウェブがクロールされた時点のウェブのスナップショットに対応する。時間ランク付けシステムは、現在のスナップショット（すなわち、直近のスナップ時間を有する）から導出されるドキュメントの現在の重要度および過去のスナップショットから導出されるドキュメントの履歴重要度をファクタリングすることにより、ドキュメントの現在の時間重要度を計算する。例えば、時間ランク付けシステムは、ページランク付けアルゴリズムを使用して、各スナップショットのウェブページの重要度を計算することができる。用語「時間重要度（ｔｅｍｐｏｒａｌ ｉｍｐｏｒｔａｎｃｅ）」は、複数のスナップショットに基づく重要度スコアのことであり、用語「重要度」は、単一のスナップショットに基づく重要度スコアのことである。ウェブページの現在の時間重要度を計算するために、時間ランク付けシステムは、各スナップショットのウェブページの重要度を集約する。時間ランク付けシステムは、現在のスナップショットおよび１つまたは複数の過去のスナップショットに基づいてドキュメントの現在の時間重要度を計算するので、現在のスナップショットに取り込まれたリンクスパムのために上げられた現在の重要度を持つドキュメントは、（過去のスナップショットに基づくと）履歴から見て全体の重要度は低いので、より低い現在の時間重要度を持つことになる。

いくつかの実施形態では、時間ランク付けシステムは、現在のスナップショットから導出される現在の重要度および過去のスナップショットから導出される履歴重要度の、現在の時間重要度に対する相対寄与（ｒｅｌａｔｉｖｅ ｃｏｎｔｒｉｂｕｔｉｏｎ）を指定するのに使用されうる重み付けファクタ（ｗｅｉｇｈｔｉｎｇ ｆａｃｔｏｒ）を提供する。例えば、重み付けファクタは、０と１との間の値に設定することができる。０の値は、現在の重要度が現在の時間重要度に少しも寄与していないこと、および現在の時間重要度が履歴重要度であることを示している。０．５の値は、現在の重要度および履歴重要度が現在の時間重要度に等しく寄与していることを示している。１の値は、履歴重要度が現在の時間重要度に少しも寄与していないこと、および現在の時間重要度が現在の重要度に縮退（ｄｅｇｅｎｅｒａｔｅ）していることを示している。重み付けファクタは、現在のスナップショットから導出される現在の重要度が、ウェブページの実際の重要度をどの程度正確に反映しているかに基づいて設定することができる。

いくつかの実施形態では、時間ランク付けシステムは、経時的にウェブページの現在の時間重要度に対するスナップショットの相対寄与を低減するのに使用される減衰ファクタ（ｄｅｃａｙ ｆａｃｔｏｒ）を提供する。減衰ファクタを適用したとき、追加のスナップショットが収集されると、スナップショットからの寄与は減少する。例えば、減衰ファクタは、１スナップショット時間から次のスナップショット時間までスナップショットの寄与が５０％減少することを示してもよい。第２の最新のスナップショットの寄与はその重要度の５０％であり、第３の最新のスナップショットの寄与はその重要度の２５％であり、第４の最新のスナップショットの寄与はその重要度の１２．５％などのようにすることができる。

いくつかの実施形態では、時間ランク付けシステムは、各スナップショットに対する適切な減衰ファクタを判定する際に力学モデル（ｍｅｃｈａｎｉｃ ｍｏｄｅｌ）を適用する。力学モデルを使用して、時間ランク付けシステムは、現在のスナップショットの現在の重要度が駆動力（ｄｒｉｖｉｎｇ ｆｏｒｃｅ）を有し、過去のスナップショットの履歴重要度が抵抗力（ｒｅｓｉｓｔｉｎｇ ｆｏｒｃｅ）を有するものと考える。全てのスナップショットから得られる合計の力は、エンハンスメントファクタにより調整された駆動力から、ダンピングファクタにより調整された抵抗力を差し引いた力となる。力学モデルは、駆動力が印加される物体は抵抗力も有するという物理的動作の力学に類似している。物体上にかかる力の合計は、駆動力から抵抗力を差し引いたものである。物理的動作に関するニュートンの第２法則によれば、物体の力は、質量×加速度（例えば、速度の導関数）である。時間重要度の計算に類似の法則を適用すると、全ての過去のスナップショットから導出される力の合計は、ウェブページの「質量」×ウェブページの履歴重要度の「加速度」である。したがって、履歴重要度は「速度」であると考えることができる。ウェブページの「質量」はウェブページの固有の品質を表すことができる。いくつかの実施形態では、全てのウェブページは同じ質量を有するものと仮定される。ウェブページの「加速度」は、履歴重要度の変化率である。以下でより詳細に説明するように、ウェブページの力の合計（すなわち、エンハンスメントファクタにより調整される駆動力およびダンピングファクタにより調整される抵抗力）をウェブページの質量×加速度に設定することにより、ウェブページの速度または時間重要度の解を得ることができる。その解は、重み付けファクタおよび減衰ファクタをエンハンスメントファクタおよびダンピングファクタから導出することができる数式を提供する。概念的に、ダンピングファクタは、どの程度の大きさの履歴重要度が現在の時間重要度に寄与するかを表し、エンハンスメントファクタは、ウェブページの相対的な時間重要度に影響を与えない定数である。ダンピングファクタは、全てのスナップショットに対して同じであってもよく、時間ランク付けシステムを制御するパラメータを理解するための直観的モデルを提供することができる。

時間ランク付けシステムは、現在のウェブグラフ（すなわち、スナップショット）および以前のウェブグラフ内に含まれる履歴情報の両方に基づいて、ウェブページの時間重要度スコアを計算する。時間ランク付けシステムは、以下の数式によりウェブページの現在の時間重要度を表す。

ここで、ｋはウェブグラフＧのスナップショットの番号を表し、ＴＲ_k（ｉ）はスナップショット時間ｋのドキュメントｉの現在の時間重要度スコアを表し、ＰＲ_k（ｉ）はウェブグラフＧ_kから導出されるスナップショット時間ｋにおけるドキュメントｉの現在の重要度スコアを表し、Ｈ_k（ｉ）はウェブグラフＧ₁，Ｇ₂，．．．，Ｇ_k-1から導出されるドキュメントｉの履歴重要度スコアを表し、βはスナップショット時間ｋの現在の重要度スコアに対する重み付けファクタを表し、１−βはスナップショット時間１〜ｋ−１の履歴重要度スコアに対する重み付けファクタを表す。重み付けファクタβを現在のスナップショットの認知された信頼度に基づいて設定することができる。βが１に等しい場合、現在のスナップショットは完全に信頼できると考えられ、過去のスナップショットは無視される。時間ランク付けシステムは、以下のように履歴重要度スコアを表す。

ここで、γ_tは各スナップショットからのどの程度の大きさの重要度が履歴重要度スコアに寄与するかを示す減衰ファクタを表す。一般に、早いスナップショットであるほど、履歴重要度スコアに寄与すべき重要度の大きさは小さくなる。時間ランク付けシステムは、数式１および数式２を以下のように結合することができる。

時間ランク付けシステムは、「力学モデル」を使用して減衰ファクタおよび重み付けファクタを制御するためのパラメータを導出することができる。時間ランク付けシステムは、重要度が物体の速度に対応すると仮定する。ページｉが現在のスナップショットｔの重要度スコアＰＲ_t（ｉ）を得る場合、時間ランク付けシステムは対応する駆動力をこのページの仮想力Ｆ_t（ｉ）に追加することになる。時間ランク付けシステムは、時間重要度スコアＴＲ_t（ｉ）の減衰が仮想力にマイナスの影響を与える抵抗力であると仮定する。時間ランク付けシステムは、以下のようなモデルを表す。

ここで、η（η＞０）は駆動力のエンハンスメントファクタを表し、λ（λ≧０）は減衰ファクタを表す。時間ランク付けシステムは、以下のように仮想力を表す。

ここで、ｍ（ｉ）は質量と同じ意味を有するウェブページｉの固有の品質である。概念的に、仮想力は質量×加速度として表される。時間ランク付けシステムは、以下のように数式４および数式５を一次常微分方程式として結合する。

数式６の一般解は、以下のとおりである。

ここで、Ｃ₀は積分定数である。全てのウェブページが開始時点（ｔ＝０）で同じ初期重要度スコアを有するものと仮定するならば、このとき

であり、Ｎはウェブグラフにおけるウェブページの番号である。このこのように仮定すると、解は以下のように表すことができる。

ウェブグラフデータは時間に対する離散スナップショットであるので、時間ランク付けシステムは数式８を以下のような離散形に変換する。

数式９を再定式化して、以下のように、初期重要度スコア、履歴重要度スコア、現在の重要度スコアに分けることができる。

数式１０の右辺の最初の項はウェブページｉに関する定数を表し、初期重要スコアを表す。第２の項はＨ_k（ｉ）で表される過去のウェブグラフにおけるウェブページｉの重要度スコアの線形結合を表し、第３の項は現在のウェブグラフにおけるウェブページｉの現在の重要度スコアを表す。定数が無視される場合、減衰ファクタおよび重み付けファクタは以下のように表すことができる。

重み付けファクタβは、履歴重要度スコアが現在の時間重要度スコアに寄与する重みを表す。ファクタｍ（ｉ）は各ウェブページの固有の品質である。一実施形態では、時間ランク付けシステムは、ｍ（ｉ）を全てのウェブページに対して同じに設定することができる。λおよびｍ（ｉ）が一定である場合、エンハンスメントファクタηはページのランク付けに影響を与えない。確実に重み付けファクタが０と１との間になるように、時間ランク付けシステムは、ηを０より大きく、ｍ（ｉ）より小さい値に設定する。

図１は、ウェブグラフの一部を示す図である。ウェブグラフは、ウェブをクロールして、出会うウェブサイトのウェブページのアウトリンクを識別することにより生成される。この例では、ウェブグラフ１００の一部は、５個のウェブサイトを表す頂点１０１〜１０５、およびアウトリンクを表す頂点間のエッジを含む。例えば、頂点１０１と１０３との間のエッジは、頂点１０１で表されるウェブサイトの、頂点１０３で表されるウェブサイトへのアウトリンクを表す。したがって、頂点１０３で表されるウェブサイトは、エッジで表されるアウトリンクのターゲットである。また、該エッジは、頂点１０３で表されるウェブサイトへのインリンクでもある。したがって、頂点１０１で表されるウェブサイトは、エッジで表されるインリンクのリンク元である。時間ランク付けシステムは、各ウェブサイトを行列の行および列として表した隣接行列を使用して、ウェブグラフを表すことができる。行および列のゼロ以外のエントリは、行で表されたウェブサイトが列で表されたウェブサイトへアウトリンクすることを示すことができる。時間ランク付けシステムは、スパース行列記憶技術を含むウェブグラフを表す種々の技術を使用することができる。さらに、時間ランク付けシステムは、ウェブグラフの複数の時間全部を記憶するのではなく、１スナップショット時間から次のスナップショット時間までの差を記憶することもできる。

新規のウェブページが頻繁に追加され、古いウェブページが頻繁にウェブから削除されるので、各スナップショットは異なる数のウェブページを持つことになる。時間ランク付けシステムは、全てのスナップショットにおける全てのウェブページの集約リストを維持することにより、異なるスナップショットにおける異なる数のウェブページに責任を持つことができる。スナップショットのウェブページの重要度スコアを計算するとき、時間ランク付けシステムは、スナップショットにない集約リストのウェブページに対して０の重要度スコアを付ける。このようにして、各スナップショットの重要度スコアを表すベクトルは同じ長さを有することになる。

図２は、一実施形態において経時的に取得したウェブグラフのスナップショットに基づいてウェブページをランク付けする時間ランク付けシステムのコンポーネントを示すブロック図である。時間ランク付けシステム２１０は、通信リンク２４０を介してウェブサイトサーバ２２０およびユーザコンピューティング装置２３０に接続される。時間ランク付けシステムは、ウェブクローラ２１１、ウェブグラフ作成コンポーネント２１２、ウェブグラフストア２１３、および検索インデックスストア２１４を含むことができる。ウェブクローラは、ウェブサイトサーバのウェブページをクロールして、ウェブページおよびウェブページ間のリンクを識別する。ウェブクローラは、キーワードのウェブページへのマッピングを生成し、検索インデックスストア内にそのマッピングを記憶することができる。また、ウェブクローラは、ウェブのスナップショットに対応するウェブグラフ表現を生成するウェブグラフ作成コンポーネントへ、ウェブページおよびリンクの指示を提供表示することもできる。ウェブグラフ作成コンポーネントは、ウェブグラフストア内に記憶されている隣接行列によりウェブグラフを表すことができる。ウェブクローラは、定期的に、またはアドホックベースでウェブページをクロールするようにスケジュールを組むことができる。いずれの場合も、ウェブクローラは、スナップショット時間を各スナップショットに関連付ける。いくつかの実施形態における時間ランク付けシステムは、スナップショット時間が等しい間隔であると仮定するけれども、当業者であればスナップショット時間は等しい間隔にしなくてもよいことは理解するだろう。このような場合、スナップショットのダンピングファクタおよび減衰ファクタの計算は、現在のスナップショット時間に対する実際のスナップショット時間を考慮に入れることができる。

時間ランク付けシステムは、時間重要度計算コンポーネント２１５、重要度計算コンポーネント２１６、時間重要度ストア２５０、および重要度ストア２５１を含む。時間重要度計算コンポーネントは、現在のスナップショットから導出された重要度スコアおよび過去のスナップショットから導出された履歴重要度に基づいて、各ウェブサイトの現在の時間重要度スコアを計算する。時間重要度計算コンポーネントは、重要度計算コンポーネントを呼び出して、単一のスナップショットに基づいてウェブページの重要度スコアを計算する。重要度計算コンポーネントは、ページランク付けアルゴリズムまたはハブ・オーソリティアルゴリズム（ｈｕｂ ａｎｄ ａｕｔｈｏｒｉｔｙ ａｌｇｏｒｉｔｈｍ）などの従来のアルゴリズムを実装して、重要度ストア内に各スナップショットの重要度スコアを記憶することができる。時間重要度計算コンポーネントは、ウェブページのランク付けに使用するために、時間重要度ストア内に時間重要度スコアを記憶することができる。

さらに、時間ランク付けシステムは、検索エンジンコンポーネント２１７、一致ウェブページ発見コンポーネント２１８、および結果ランク付けコンポーネント２１９を含むことができる。ユーザコンピューティング装置のユーザは、検索要求を検索エンジンコンポーネントに提示することができる。検索エンジンコンポーネントは、一致ウェブページ発見コンポーネントを呼び出して、検索要求と一致するウェブページを発見する。一致ウェブページ発見コンポーネントは、検索インデックスを使用して一致するウェブページを識別することができる。次に、検索エンジンコンポーネントは、結果ランク付けコンポーネントを呼び出して、検索結果のウェブページの時間重要度ストアの時間重要度スコアに基づいて結果のウェブページをランク付けする。例えば、結果ランク付けコンポーネントは、検索要求に対するウェブページの関連性に基づいた関連性スコアを、時間ランク付けシステムにより生成された現在の時間重要度スコアと結合して、総合ランク付けスコアを提供することができる。次に、検索エンジンコンポーネントは、そのランク付けスコアに基づいて、検索結果のウェブページをランク付けすることができる。

時間ランク付けシステムを実装するコンピューティング装置は、中央処理装置、メモリ、入力装置（例えば、キーボード、およびポインティングデバイス）、出力装置（例えば、表示装置）、および記憶装置（例えば、ディスクドライブ）を含むことができる。メモリおよび記憶装置は、該システムを実装するコンピュータ実行可能命令を使用して符号化されるコンピュータ可読媒体であり、つまり、コンピュータ実行可能命令を含むコンピュータ可読媒体である。さらに、命令、データ構造、およびメッセージ構造を記憶して、通信リンク上の信号などのデータ伝送媒体を介して伝送することができる。インターネット、ローカルエリアネットワーク、広域ネットワーク、ポイントツーポイント・ダイアルアップ接続、携帯電話ネットワークなどといった種々の通信リンクを使用することができる。

時間ランク付けシステムの実施形態は、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルドまたはラップトップ装置、マルチプロセッサシステム、マイクロプロセッサベースのシステム、プログラム可能家庭用電化製品、デジタルカメラ、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、携帯電話、携帯端末、スマートフォン、パーソナルコンピュータ、プログラム可能家庭用電化製品、任意の上述のシステムまたは装置を含む分散コンピューティング環境などを含む、種々の動作環境で実装することもでき、または種々の動作環境とともに使用することもできる。

時間ランク付けシステムは、１つまたは複数のコンピュータもしくはその他の装置により実行される、プログラムモジュールなどのコンピュータ実行可能命令の一般的なコンテキストで説明することができる。一般的に、プログラムモジュールは、特定のタスクを実行する、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。一般に、プログラムモジュールの機能は、種々の実施形態において、望みどおりに組み合わせたり、分散させたりすることができる。例えば、個別のコンピューティングシステムが、ウェブをクロールして、ウェブグラフを生成することができる。別のコンピューティングシステムは、時間重要度スコアを使用して検索結果をランク付けする検索エンジンを提供することができる。

図３は、いくつかの実施形態における時間ランク付けシステムの時間重要度計算コンポーネントの高レベル処理を示すフロー図である。該コンポーネントを呼び出して、ウェブの複数のスナップショットの分析に基づいて時間重要度スコアを計算する。ブロック３０１において、該コンポーネントは、各スナップショットのウェブページの重要度スコアを計算する。例えば、該コンポーネントは、ページランク付けアルゴリズムまたはハブ・オーソリティアルゴリズムを使用することができる。上述したように、該コンポーネントは、各スナップショットの重要度スコアを重要度ストア内に保存して、新規のスナップショットが収集されるたびに重要度スコアを再計算するのを避けることができる。ブロック３０２〜３０５において、該コンポーネントは、過去の重要度スコアの寄与を、各ウェブページの履歴重要度スコアに集約することを繰り返す（ｌｏｏｐ）。ブロック３０２において、該コンポーネントは、変数を初期化してスナップショットを追跡する。ブロック３０３において、該コンポーネントは、変数をインクリメントして次のスナップショットを選択する。決定ブロック３０４において、全てのスナップショットがすでに選択されている場合、該コンポーネントはブロック３０６で処理を継続し、そうでない場合は、ブロック３０５で処理を継続する。ブロック３０５において、該コンポーネントは、重み付けファクタに基づいて選択したスナップショットのウェブページの重要度スコアを、履歴重要度スコア内に累積する。次に、該コンポーネントは、ブロック３０３にループして、次のスナップショットを選択する。ブロック３０６において、該コンポーネントは、各ウェブページの現在の時間重要度スコアを、ウェブページの履歴重要度スコアおよびウェブページの現在の重要度スコアの重み付け結合として生成する。その後、該コンポーネントは処理を終了する。

図４は、いくつかの実施形態における時間ランク付けシステムの時間重要度計算コンポーネントの低レベル処理を示すフロー図である。ブロック４０１において、該コンポーネントは、現在のスナップショットのウェブページの重要度スコアを計算する。ブロック４０２において、該コンポーネントは、数式１０の第１項に従って各ウェブページの時間重要度スコアを初期化する。ブロック４０３〜４０９において、該コンポーネントは、数式１０の第２項に従って過去のスナップショットに基づき履歴重要度スコアを計算することを繰り返す。ブロック４０３において、該コンポーネントは、最も古いスナップショットから見て次のスナップショットを選択する。決定ブロック４０４において、全ての過去のスナップショットがすでに選択されている場合、該コンポーネントはブロック４１０で処理を継続し、そうでない場合は、該コンポーネントはブロック４０５で処理を継続する。ブロック４０５〜４０９において、該コンポーネントは、各ウェブページの履歴重要度スコアを計算することを繰り返す。ブロック４０５において、該コンポーネントはウェブページのインデックスを初期化する。ブロック４０６において、該コンポーネントは選択したスナップショットの次のウェブページを選択する。決定ブロック４０７において、全てのウェブページがすでに選択されている場合、該コンポーネントはブロック４０３にループして、次のスナップショットを選択し、そうでない場合、該コンポーネントはブロック４０８で処理を継続する。ブロック４０８において、該コンポーネントは、選択したスナップショット内のウェブページの重要度スコアから、選択したウェブページの重み付け重要度スコアを計算する。ブロック４０９において、該コンポーネントは、重み付け重要度スコアを直前のスナップショットの履歴重要度スコアと結合して、選択したスナップショットの選択したウェブページの履歴重要度スコアを提供する。次に、該コンポーネントはブロック４０６にループして、選択したスナップショットの次のウェブページを選択する。ブロック４１０〜４１４において、該コンポーネントは、現在のスナップショットの各ウェブページの重み付け重要度スコアを計算し、これを数式１０の第３項に従ってウェブページの履歴重要度スコアに加えることを繰り返す。ブロック４１０において、該コンポーネントはウェブページのインデックスを初期化する。ブロック４１１において、該コンポーネントはインデックスをインクリメントして、次のウェブページを選択する。決定ブロック４１２において、現在のスナップショットの全てのウェブページがすでに選択されている場合、該コンポーネントは処理を終了し、そうでない場合には、該コンポーネントはブロック４１３で処理を継続する。ブロック４１３において、該コンポーネントは、ブロック４０１で計算した、選択したウェブページの重要度スコアに基づいて、選択したウェブページの重み付け重要度スコアを計算する。ブロック４１４において、該コンポーネントは、ブロック４０９で計算した、選択したウェブページの履歴重要度スコアおよび重み付け重要度スコアを結合して、選択したウェブページの現在の時間重要度スコアにする。次に、該コンポーネントはブロック４１１にループして、現在のスナップショットの次のウェブページを選択する。

本発明を、構造的特徴および／または方法動作に固有の用語で説明してきたが、当然のことながら、本発明は、必ずしも上述の固有の特徴または動作に限定されるとは限らない。むしろ、上述した固有の特徴および動作は、本発明を実装する形の例として開示されている。当業者は、時間重要度スコアを、ドキュメントの重要度を使用する任意の用途で使用できることは理解するであろう。例えば、ドキュメントを特許文献とし、リンクを他の特許文献への引用文献としてもよいし、またはドキュメントを学術論文とし、リンクを他の学術論文への引用論文としてもよい。さらに、時間重要度スコアを使用して、著者を彼らの文章の重要度に基づいて評価してもよい。したがって、本発明は、添付の請求項による場合を除いて限定されるものではない。

Claims (20)

1. コンピューティング装置において、ドキュメント間のリンクを有するドキュメントの時間重要度を判定する方法であって、
   種々のスナップショットのリンク情報を提供するステップであって、前記リンク情報は、ドキュメント間のリンクを示すステップ（２１３）と、
   各スナップショットについて、前記スナップショットの前記リンク情報に基づいて前記ドキュメントの重要度スコアを計算するステップ（２１６）と、
   ドキュメントのために前記スナップショットの前記計算された重要度スコアを集約して、前記ドキュメントの時間重要度スコアを提供するステップ（２１５）と
   を含むことを特徴とする方法。
2. 前記計算された重要度スコアを集約するステップは、より直近のスナップショットの重要度スコアを、それよりも直近でないスナップショットの重要度スコアよりも重く重み付けすることを特徴とする請求項１に記載の方法。
3. 前記集約するステップは、以下の数式に従って行われ、
   

   

   ここで、ｋはスナップショットの番号を表し、ＴＲ_k（ｉ）はスナップショットｋのドキュメントｉの時間重要度スコアを表し、ＰＲ_t（ｉ）はスナップショット時間ｔにおけるドキュメントｉの重要度スコアを表し、βはスナップショットｋの現在の重要度スコアに対する重み付けファクタを表し、１−βはスナップショット１〜ｋ−１の過去の重要度スコアに対する重み付けファクタを表し、γ_tは過去の重要度スコアに対する減衰ファクタを表すことを特徴とする請求項１に記載の方法。
4. 前記集約するステップは、以下の数式に従って行われ、
   

   

   ここで、ｋはスナップショットの番号を表し、ＴＲ_k（ｉ）はスナップショットｋのドキュメントｉの時間重要度スコアを表し、ＰＲ_t（ｉ）はスナップショットｔのドキュメントｉの計算された重要度スコアを表し、ｍ（ｉ）はドキュメントｉの固有の品質を表し、Ｎはドキュメントの番号を表し、λおよびηはパラメータを表すことを特徴とする請求項１に記載の方法。
5. 前記ドキュメントはウェブページであり、前記リンクは前記ドキュメント間のハイパーリンクであり、前記リンク情報はウェブグラフ表現であることを特徴とする請求項１に記載の方法。
6. 前記ウェブグラフは、隣接行列で表されることを特徴とする請求項５に記載の方法。
7. 前記重要度スコアを計算するステップは、ページランク付けアルゴリズムを適用することを特徴とする請求項１に記載の方法。
8. 前記重要度スコアを計算するステップは、ハブ・オーソリティアルゴリズムを適用することを特徴とする請求項１に記載の方法。
9. 検索結果のドキュメントの指示を受信するステップ、および前記検索結果のドキュメントを前記ドキュメントの前記時間重要度スコアに基づいてランク付けするステップを含むことを特徴とする請求項１に記載の方法。
10. ウェブページおよび前記ウェブページ間のリンクを示すウェブのスナップショットを収集するステップ（２１１）と、
    前記リンク情報に基づいて、前記スナップショットのウェブページの重要度スコアを計算するステップ（２１６）と、
    前記ウェブページのスナップショットの前記重要度スコアを集約して、前記ウェブページの時間重要度スコアを提供するステップ（２１５）と、
    前記ウェブページの前記時間重要度スコアをファクタリングすることにより、検索要求の検索結果のウェブページのランク付けを生成するステップ（２１９）と
    を含む方法により、検索結果のウェブページをランク付けするコンピューティング装置を制御する命令を符号化したコンピュータ可読媒体。
11. 前記ウェブページのランク付けを生成するステップは、前記検索要求に対する前記ウェブページの関連性をファクタリングすることを特徴とする請求項１０に記載のコンピュータ可読媒体。
12. 前記重要度スコアを集約するステップは、減衰ファクタを適用することを特徴とする請求項１０に記載のコンピュータ可読媒体。
13. 前記集約するステップは、以下の数式に従って行われ、
    

    

    ここで、ｋはスナップショットの番号を表し、ＴＲ_k（ｉ）はスナップショットｋのドキュメントｉの時間重要度スコアを表し、ＰＲ_t（ｉ）はスナップショット時間ｔにおけるドキュメントｉの重要度スコアを表し、βはスナップショットｋの現在の重要度スコアに対する重み付けファクタを表し、１−βはスナップショット１〜ｋ−１の過去の重要度スコアに対する重み付けファクタを表し、γ_tは過去の重要度スコアに対する減衰ファクタを表すことを特徴とする請求項１０に記載のコンピュータ可読媒体。
14. 前記集約するステップは、以下の数式に従って行われ、
    

    

    ここで、ｋはスナップショットの番号を表し、ＴＲ_k（ｉ）はスナップショットｋのドキュメントｉの時間重要度スコアを表し、ＰＲ_t（ｉ）はスナップショットｔのドキュメントｉの計算された重要度スコアを表し、ｍ（ｉ）はドキュメントｉの固有の品質を表し、Ｎはドキュメントの番号を表し、λおよびηはパラメータを表すことを特徴とする請求項１０に記載のコンピュータ可読媒体。
15. 前記スナップショットは、前記ウェブページおよび前記リンクのウェブグラフを表すことを特徴とする請求項１０に記載のコンピュータ可読媒体。
16. 前記重要度スコアを計算するステップは、ページランク付けアルゴリズムを適用することを特徴とする請求項１０に記載のコンピュータ可読媒体。
17. 前記重要度スコアを計算するステップは、ハブ・オーソリティアルゴリズムを適用することを特徴とする請求項１０に記載のコンピュータ可読媒体。
18. ハイパーリンクの分析に基づいて、ウェブページの時間重要度を判定するコンピューティングシステムであって、
    種々のスナップショット時間において収集されたウェブページおよび前記ウェブページのハイパーリンクを表すリンク情報のスナップショットを含むスナップショットストア（２１３）と、
    前記スナップショットのリンク情報に基づいて、前記ウェブページの重要度スコアを計算するコンポーネント（２１６）と、
    ウェブページのために異なるスナップショットの前記ウェブページの前記重要度スコアを集約して、前記ウェブページの時間重要度スコアを提供するコンポーネント（２１５）と
    を備えることを特徴とするコンピューティングシステム。
19. 前記計算された重要度スコアを集約するステップは、より直近のスナップショットの重要度スコアを、それよりも直近でないスナップショットの重要度スコアよりも重く重み付けすることを特徴とする請求項１８に記載のコンピューティングシステム。
20. 少なくとも前記ウェブページの前記時間重要度スコアに基づいて、検索結果のウェブページをランク付けするコンポーネントを含むことを特徴とする請求項１８に記載のコンピューティングシステム。

Images