JP2011209999A - 情報処理装置、データ抽出方法及びプログラム - Google Patents

Abstract

【課題】辞書の管理負荷を増大することなく類義語を抽出すること。
【解決手段】情報処理装置１００が、クエリと、クエリに対する検索一覧と、検索一覧に含まれるサイトに対する個々の選択の履歴情報とを含むログを記憶するログ記憶部１０５と、ログ記憶部１０５に記憶された検索一覧に含まれる各サイトの個々の選択の回数の分布に基づいて、ログ記憶部１０５に記憶されたクエリ同士の類似度を算出する算出部１１１と、算出部１１１の算出結果に基づいて、クエリ同士を類似クエリとして抽出する類似クエリ抽出部１１５とを備える。
【選択図】図２

Description

本発明は、情報を検索する情報処理装置に関する。

従来、インターネット上でユーザの検索結果を表示する情報処理装置では、ユーザが入力したクエリ（キーワードやターム等）に基づいた検索結果を表示することで、ユーザの入力意図を反映した検索結果を表示する方法が用いられている。
例えば、単語同士の関連性によって単語を分類したシソーラス辞書を記憶し、シソーラス辞書から入力クエリに関連する類義語を抽出し、類義語に基づいて、検索を行う情報処理装置が知られている（例えば、特許文献１）。すなわち、情報処理装置によれば、類義語に基づいて、検索することにより、ユーザが検索を行う際の利便性を向上できる。

特開２００８−１９２１１０号公報

しかしながら、上述した従来の情報処理装置には、次のような問題があった。すなわち、上述した情報処理装置は、シソーラス辞書を記憶する際、各単語同士の関連性によって、単語を分類し、体系化する必要が生じる。すなわち、類義語を取得するために要するシソーラス辞書の記憶設定が煩雑であり、設定に掛かる負荷が大きいという問題がある。

また、上述した情報処理装置では、ユーザによるクエリの入力が、正しいことが前提となっている。すなわち、ユーザの表記のゆれや、入力ミス等を伴うクエリでは、類義語を抽出できず、これらを網羅した辞書を作成することも非常に煩雑であるという問題がある。

そこで、本発明は、このような状況に鑑みてなされたものであり、辞書の管理負荷を増大することなく類義語を抽出することを目的とする。

上述した問題を解決するため、本発明は、次のような特徴を有している。まず、本発明の第１の特徴は、情報処理装置（情報処理装置１００）が、クエリ(クエリ１５１)と、前記クエリに対する検索一覧(検索一覧１６０)と、前記検索一覧に含まれるサイトに対する個々の選択の履歴情報（履歴情報１７０）とを含むログ（ログＤＢ１０６）を記憶する記憶手段（ログ記憶部１０５）と、前記記憶手段に記憶された検索一覧に含まれる各サイトの個々の選択の回数の分布に基づいて、前記記憶手段に記憶されたクエリ同士の類似度を算出する算出手段（算出部１１１）と、前記算出手段の算出結果に基づいて、前記クエリ同士を類似クエリとして抽出する類似クエリ抽出手段（類似クエリ抽出部１１５）と、を備えることを要旨とする。

このような情報処理装置は、記憶手段と、算出手段と、類似クエリ抽出手段とを備える。記憶手段は、クエリと、検索一覧と、検索一覧に含まれるサイトに対する個々の選択の履歴情報とを含むログを記憶する。このため、記憶手段は、事前に単語を記憶する必要がなく、ユーザの利用に伴って、記憶されるクエリ、検索一覧、履歴情報が更新される。すなわち、記憶手段によれば、管理するための負荷を増大することなく、ユーザの行動データであるログを更新できる。

また、類似クエリ抽出手段は、算出手段の算出結果に基づいて、クエリに対して、類似度の高いクエリを抽出する。すなわち、類似クエリ抽出手段によれば、ユーザの行動データであるログから、類似クエリを抽出できるため、ユーザの入力意図を反映した類似語を抽出できる。

また、検索一覧に対するユーザの選択の履歴の一致具合に基づいて類似クエリを抽出するため、ユーザの検索意図が近いクエリを類似クエリとして抽出できる。すなわち、ユーザの表記のゆれや入力ミス等を伴うクエリであっても類似クエリとして抽出できる。

従って、情報処理装置によれば、辞書の管理負荷を増大することなく類義語を抽出できる。

本発明の第２の特徴は、本発明の第１の特徴に係り、前記類似クエリとして抽出されたクエリ同士を対応させて記憶する類似クエリ記憶手段（類似クエリ記憶部１１７）と、ユーザに入力されたクエリに対応付けられる類似クエリを前記類似クエリ記憶部から取得し、類似クエリに基づいた検索をする検索手段（検索処理部１２３）とを更に備えることを要旨とする。

本発明の第３の特徴は、本発明の第１又は第２の特徴に係り、前記検索一覧に含まれるサイトに対する個々の選択の回数に基づいて、前記サイトを選択する検索結果を得るために最も多く入力されるクエリを主要クエリ（主要クエリ１５７ａ）として判定する主要クエリ判定手段（主要クエリ判定部１０９）を更に備え、前記算出手段は、前記主要クエリと判定されたクエリ同士間の類似度を算出することを要旨とする。

本発明の第４の特徴は、本発明の第１乃至第３の特徴に係り、ユーザに入力されたクエリの類似クエリに基づいて、前記類似クエリに関連する関連単語（関連単語１６７）を前記記憶手段から抽出する関連単語抽出手段（関連単語抽出部１１９）と、前記類似クエリと、前記関連単語とを対応させて記憶する関連単語記憶手段（関連単語記憶部１２１）とを更に備えることを更に備えることを要旨とする。

本発明の第５の特徴は、本発明の第１乃至第４の特徴に係り、複数の単語を含むクエリであって、前記記憶手段に記憶された他の類似クエリを含む絞込みクエリ（絞込みクエリ１５９）を前記類似クエリから除去する絞込みクエリ除去手段（絞込みクエリ除去部１１３）を更に備えることを要旨とする。

本発明の第６の特徴は、データ抽出方法が、クエリと、前記クエリに対する検索一覧と、前記検索一覧に含まれるサイトに対する個々の選択の履歴情報とを含むクリックログを所定の記憶手段に記憶するステップ（ステップＳ２０１）と、前記検索一覧に含まれる各サイトの個々の選択の回数の分布に基づいて、前記記憶手段に記憶されたクエリ同士の類似度を算出するステップ（ステップＳ２０９）と、前記類似度の算出結果に基づいて、前記クエリ同士を類似クエリとして抽出するステップ（ステップＳ２１５）と、をコンピュータが実行することを要旨とする。

本発明の第７の特徴は、本発明の第６の特徴に係るデータ抽出方法を前記情報処理装置に実行させるためのプログラムであることを要旨とする。

本発明によれば、辞書の管理負荷を増大することなく類義語を抽出できる。

本発明の実施形態に係る情報処理システム１の全体概略構成図である。 本発明の実施形態に係る情報処理装置１００の機能ブロック図である。 本発明の実施形態に係る情報処理装置１００に記憶される情報の一例を示す図である。 本発明の実施形態に係る情報処理装置１００で処理される情報の一例を示す図である。 本発明の実施形態に係る情報処理装置１００の動作を説明するための概念図である。 本発明の実施形態に係る情報処理装置１００の動作を説明するための概念図である。 本発明の実施形態に係る情報処理装置１００で処理される情報の一例を示す図である。 本発明の実施形態に係る情報処理装置１００で処理される情報の一例を示す図である。 本発明の実施形態に係る情報処理装置１００によって作成される検索ページ３００の模式図である。 本発明の実施形態に係る情報処理装置１００の検索処理動作の詳細を示すフローチャートである。 本発明の実施形態に係る情報処理装置１００の類似クエリの抽出処理動作の詳細を示すフローチャートである。 本発明のその他の実施形態に係る情報処理装置１００の動作を説明するための概念図である。

次に、図面を参照して、本発明の実施形態について説明する。

なお、以下の図面の記載において、同一または類似の部分には、同一または類似の符号を付している。また、図面は模式的なものであり、各寸法の比率などは現実のものとは異なる。

したがって、具体的な寸法などは以下の説明を参酌して判断すればよく、図面相互間においても互いの寸法の関係や比率が異なる部分が含まれている。

以下の実施形態においては、（１）情報処理システム１の全体構成、（２）情報処理装置１００の詳細構成、（３）情報処理システム１の動作、（４）作用・効果、及び（５）その他の実施形態について説明する。

（１）情報処理システム１の全体構成
図１は、本実施形態に係る情報処理システム１の全体概略構成図である。

図１に示す情報処理システム１は、ユーザ端末１０、ユーザ端末３０、情報処理装置１００を含む。本実施形態では、ユーザ端末１０、ユーザ端末３０、情報処理装置１００が、通信ネットワーク５０（インターネットなど）を介して接続され、互いにデータ通信可能となっている。情報処理システム１は、ユーザ端末１０、ユーザ端末３０と、情報処理装置１００との間で、クエリ１５１や、検索ページ３００の受け渡しを行う。

情報処理装置１００は、ユーザ端末１０でユーザに入力されたクエリ１５１に基づいて、検索ページ３００を作成し、ユーザ端末１０に送信する。以下の実施形態では、「六本木温泉リゾート」という著名な施設、それに関連するサイトが存在する場合を例示して、具体例を記載する。

ユーザ端末１０及びユーザ端末３０は、通信ネットワーク５０を介して、情報処理装置１００から検索ページ３００を取得する装置である。ユーザ端末１０及びユーザ端末３０は、ユーザが使用するＰＣ（Personal Computer）や携帯通信端末装置（携帯電話機やスマートフォン）、カーナビゲーションシステム等であり、無線ＬＡＮや、近傍無線通信（Ｂｌｕｅｔｏｏｔｈ（登録商標）や赤外線通信等）或いは有線通信（ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ケーブル接続等）によって、通信ネットワーク５０を介して情報処理装置１００に接続されている。ユーザ端末１０及びユーザ端末３０は、情報処理装置１００が有するハードウェア資源に加えて、キーボタンやタッチパネル等の入力装置、液晶ディスプレイ等の出力装置、一般的なブラウザを備える。ブラウザは、インターネットの標準プロトコルであるＨＴＴＰ（Hyper Text Transfer Protocol）等に従い、ＨＴＭＬ（Hyper Text Markup Language）等の言語で記述されたページデータの要求、取得及び表示、フォームデータの送信等を行う機能を有している。

本実施形態では、ユーザ端末１０が、携帯通信端末装置であり、ユーザ端末３０が、いわゆるＰＣである点を除き、ユーザ端末１０及びユーザ端末３０は、同様の機能を有しており、以下の記載においては、主にユーザ端末１０について、記載する。従って、ユーザ端末３０についての詳細の記載は、適宜省略する。

（２）情報処理装置１００の詳細構成
図２は、本実施形態に係る情報処理装置１００の機能ブロック図である。

情報処理装置１００は、ＣＰＵ等の制御装置、メモリやＨＤＤ等の記憶装置、通信ネットワーク５０と通信する通信Ｉ／Ｆ等の通信装置といったハードウェア資源を有するコンピュータ（単一或いは複数）により構成される。情報処理装置１００が備える下記の各ブロックは、前述したコンピュータの制御装置等のハードウェア資源を用いてコンピュータプログラムを実行することによって実現されるものである。なお、これらの各ブロック、手段は、単一のコンピュータ上に配置される必要はなく、必要に応じて分散される構成を採用しても良い。

情報処理装置１００は、クエリ受信部１０１、候補サイト抽出部１０３、ログ記憶部１０５、候補クエリ抽出部１０７、主要クエリ判定部１０９、算出部１１１、絞込みクエリ除去部１１３、類似クエリ抽出部１１５、類似クエリ記憶部１１７、関連単語抽出部１１９、関連単語記憶部１２１、検索処理部１２３、検索結果ページ作成部１２５、ページ送信部１２７を備える。これらの機能部は、いわゆるコンピュータにより構成され、演算／制御装置としてのＣＰＵ（Central Processing Unit）、記憶媒体としてのＲＡＭ（Random Access Memory）及びＲＯＭ（Read Only Memory）、通信インターフェイス等が関連することで実現される。以下、各機能部について、説明する。

（２．１）クエリ受信部１０１
クエリ受信部１０１は、ユーザ端末１０から通信ネットワーク５０を介して、クエリを受信する。

（２．２）候補サイト抽出部１０３
候補サイト抽出部１０３は、クエリ受信部１０１で受信したクエリ１５１に基づいて、検索を行い、サイトＵＲＬ１６１からなる検索一覧１６０を抽出する。

（２．３）ログ記憶部１０５
図３は、情報処理装置１００のログ記憶部１０５に記憶される情報の一例を示す図である。

図３に示すように、ログ記憶部１０５は、クエリ１５１と、クエリ１５１に対する検索一覧１６０と、検索一覧１６０に含まれるサイトＵＲＬ１６１に対する個々の選択の履歴情報１７０とを含むログＤＢ１０６を記憶する。クエリ１５１は、ユーザにより任意に入力された文字列であり、特に限定されない。例えば、クエリ１５１は、固有名詞、略称などにより構成される。クエリ１５１は、複数の文字列の組み合わせであってもよい。検索一覧１６０は、クエリ１５１に対応するキーワードを含むウェブページのサイトＵＲＬ１６１により構成される。履歴情報１７０は、サイトＵＲＬ１６１に対するユーザの選択率や、頻度を示す。

例えば、ログ記憶部１０５は、クエリ１５１として、「六本木温泉」が入力された場合、対象クエリ１５３としての「六本木温泉」と、対象クエリ１５３に対する検索一覧１６０と、履歴情報１７０とを記憶する。検索一覧１６０を構成するサイトＵＲＬ１６１のそれぞれを候補サイトＵＲＬ１６３ａ、候補サイトＵＲＬ１６３ｂ、・・・、候補サイトＵＲＬ１６３ｎとする。

履歴情報１７０は、サイトＵＲＬ１６１に対するユーザの選択率や、頻度を示すパラメータの少なくとも何れかを含んでいればよく、例えば、選択回数１７１、総クリック数１７３、ＣＴＲ（ユーザの選択率）や、頻度を示すスコア等により示される。

選択回数１７１は、対象クエリ１５３による検索等の結果において、サイトＵＲＬ１６１がユーザにより選択された回数を示す。総クリック数１７３は、対象のサイトＵＲＬ１６１の全選択回数を示す。具体的には、総クリック数１７３は、全てのクエリに対する検索結果で表示されたサイトＵＲＬ１６１が、ユーザにより選択された回数を示す。

（２．４）候補クエリ抽出部１０７
図４は、情報処理装置１００の候補クエリ抽出部１０７で処理される情報の一例を示す図である。

候補クエリ抽出部１０７は、検索一覧１６０に含まれるサイトＵＲＬ１６１をユーザが選択する場合に用いたクエリ１５１である候補クエリ１５５をログ記憶部１０５から抽出する。具体的には、候補クエリ抽出部１０７は、検索一覧１６０に含まれるサイトＵＲＬ１６１と、候補クエリ１５５と、候補クエリ１５５に対する個々の選択の履歴情報１７０とを含む情報をログ記憶部１０５から抽出し、図４に示すような候補クエリＤＢ１０８を作成する。サイトＵＲＬ１６１に対応する候補クエリ１５５のそれぞれを候補クエリ１５５ａ、候補クエリ１５５ｂ、・・・、候補クエリ１５５ｎとする。

例えば、候補クエリ抽出部１０７は、候補サイトＵＲＬ１６３ａをユーザが検索結果の中から選択する場合に、その検索結果を得るために入力された候補クエリ１５５として、「六本木温泉リゾート」、「六本木温泉ランド」、「六本木温泉」等をログ記憶部１０５のログＤＢ１０６から抽出する。同様にして、候補クエリ抽出部１０７は、候補サイトＵＲＬ１６３ｂ、・・・、候補サイトＵＲＬ１６３ｎをユーザが選択する場合に用いた候補クエリ１５５をログ記憶部１０５のログＤＢ１０６から抽出する。

（２．５）主要クエリ判定部１０９
主要クエリ判定部１０９は、ログ記憶部１０５から検索一覧１６０に含まれるサイトＵＲＬ１６１に対する個々の選択の回数に基づいて、サイトＵＲＬ１６１を選択する検索結果を得るために最も多く入力されるクエリを主要クエリ１５７ａとして判定する。

例えば、図４に示すように、主要クエリ判定部１０９は、ログ記憶部１０５から検索一覧１６０に含まれる候補サイトＵＲＬ１６３ａ、候補サイトＵＲＬ１６３ｂ、・・・、候補サイトＵＲＬ１６３ｎにおいて、候補サイトＵＲＬ１６３ａを選択する検索結果を得るために最も多く入力されるクエリを総クリック数１７３に基づいて、候補クエリ１５５ａである「六本木温泉リゾート」を主要クエリ１５７ａとして判定する。

また、主要クエリ判定部１０９は、候補クエリ抽出部１０７により抽出された複数の候補クエリ１５５において、サイトＵＲＬ１６１を基準とせず、各候補クエリ１５５の中で最も多く入力されるクエリを主要クエリ１５７ａとして判定してもよい。

例えば、図３に示すように、主要クエリ判定部１０９は、候補クエリ抽出部１０７により抽出された候補クエリ１５５において、サイトＵＲＬ１６１を基準とせず、各候補クエリ１５５の中で最も多く入力されるクエリである「六本木温泉リゾート」を総クリック数１７３に基づいて、主要クエリ１５７ａとして判定できる。

（２．６）算出部１１１
図５は、本発明の実施形態に係る情報処理装置１００の算出部１１１による類似度の算出動作を説明するための概念図である。算出部１１１は、検索結果の一覧に含まれる各サイトに対するユーザの選択の分布の類似度をクエリ間で算出する機能部である。類似度の算出方法としては、そのクエリ毎の検索結果へのユーザの選択を特徴ベクトルによって表現し、その特徴ベクトル間の距離を算出することで求められる。

具体的には、クエリに対する検索結果に含まれる各々のサイトへの選択回数を成分として特徴ベクトルを表現する。即ち、各クエリの検索結果に対する選択の分布を、サイト数に対応した多次元のベクトル空間でマッピングすることができる。図５は、選択の分布を特徴ベクトルにて表現した場合の概念図である。

図５に示すように、多次元ベクトル空間５１は、候補サイトＵＲＬ１６３ａ、候補サイトＵＲＬ１６３ｂ、・・・、候補サイトＵＲＬ１６３ｎへの選択回数を軸として表される。ベクトル１５３ｖ、１５５ａｖ、１５５ｂｖ、・・・、１５５ｎｖは、それぞれ対象クエリ１５３、候補クエリ１５５ａ、候補クエリ１５５ｂ、・・・、候補クエリ１５５ｎに基づく選択の分布に対応した特徴ベクトルである。

具体的には、各ベクトルの成分は、各クエリ１５１の検索一覧１６０に含まれるサイトＵＲＬ１６１である。また、各ベクトルの成分の数値は、サイトＵＲＬ１６１の選択回数である。すなわち、ベクトル１５３ｖ、１５５ａｖ、１５５ｂｖ、・・・、１５５ｎｖは、選択されるサイトＵＲＬ１６１と、サイトＵＲＬ１６１の選択回数とに基づいて、大きさ、向きがきまる。

図６は、本発明の実施形態に係る情報処理装置１００の算出部１１１による類似度の算出動作を説明するための概念図である。具体的には、図６は、ベクトル１５３ｖ、１５５ａｖのクエリ同士の類似度を算出するための概念図である。

図５に示すように、算出部１１１は、ログ記憶部１０５に記憶された検索一覧１６０に含まれる各サイトＵＲＬ１６１の個々の選択の回数に基づいて、ログ記憶部１０５に記憶されたクエリ同士の類似度を算出する。算出部１１１は、主要クエリと判定されたクエリ同士間の類似度を算出する。また、算出部１１１は、対象クエリ１５３及び候補クエリ１５５の類似度を算出する。

具体的には、算出部１１１は、ユーザにより入力された入力クエリである対象クエリ１５３及び候補クエリ１５５（候補クエリ１５５ａ、候補クエリ１５５ｂ、・・・候補クエリ１５５ｎ）の類似度を算出する。

例えば、図５は、対象クエリ１５３である「六本木温泉」に対して、候補クエリ１５５ａである「六本木温泉リゾート」、候補クエリ１５５ｂである「六本木温泉ランド」、「温泉リゾート」の順に類似度が高いことを示している。

例えば、図６に示すように、算出部１１１は、対象クエリ１５３及び候補クエリ１５５ａの類似度を、ベクトル１５３ｖと、ベクトル１５５ａｖとのコサイン距離により算出する。

また、算出部１１１は、ある条件を満たした候補クエリ１５５の重みを変更して、類似度を算出してもよい。例えば、算出部１１１は、候補クエリ１５５に主要クエリ１５７ａが含まれる場合、主要クエリ１５７ａをユーザが入力する回数（検索回数）に基づいた重みを主要クエリ１５７ａの類似度に加えることとしてもよい。すなわち、算出部１１１は、主要クエリ１５７ａの重みを類似度に加えることにより、検索回数の多い主要クエリ１５７ａの類似度を高くすることができる。

また、算出部１１１は、対象クエリ１５３の文字列と、候補クエリ１５５の文字列との類似性を文字の一致度等により算出し、文字列が類似する候補クエリ１５５の重みを類似度に加えてもよい。また、算出部１１１は、対象クエリ１５３の属性（例えば、言葉が属する分野であり「植物」や「地名」等）と、候補クエリ１５５の属性との関連度を算出し、関連度が高い候補クエリ１５５の重みを類似度に加えてもよい。

（２．７）絞込みクエリ除去部１１３
図７は、情報処理装置１００の絞込みクエリ除去部１１３で処理される情報の一例を示す図である。具体的には、図７は、算出部１１１による類似度の算出結果を示し、対象クエリ１５３に対して、類似度の高い順にソートされた候補クエリ１５５を示している。

絞込みクエリ除去部１１３は、複数の単語を含むクエリ１５１であって、類似クエリ記憶部１１７に記憶された他の類似クエリ１６５を含む絞込みクエリ１５９を類似クエリ１６５の候補から除去する。絞込みクエリ除去部１１３は、複数の単語を含むクエリ１５１であって、類似クエリ記憶部１１７に記憶された他の候補クエリ１５５を含む絞込みクエリ１５９としてもよい。この場合、絞込みクエリ除去部１１３は、他の候補クエリ１５５を含む絞込みクエリ１５９を類似クエリ１６５の候補から除去する。

具体的には、図７に示すように、絞込みクエリ除去部１１３は、算出部１１１による算出結果に記載される候補クエリ１５５について、複数の単語を含むクエリ１５１であって、算出結果に記載された他の候補クエリ１５５を含む絞込みクエリ１５９を類似クエリの候補から除去する。例えば、絞込みクエリ除去部１１３は、絞込みクエリ１５９として、「六本木温泉リゾート 混雑予想」、「六本木温泉リゾート 料金」、「六本木温泉 混雑予想」、「六本木温泉リゾート ガイド」を類似クエリ１６５の候補から除去する。

なお、絞込みクエリ除去部１１３は、算出部１１１により類似度を算出する前に、算出をする候補から絞込みクエリ１５９を除去してもよい。また、類似クエリ抽出部１１５により類似クエリ１６５として抽出された後に、絞込みクエリ１５９を除去してもよい。

（２．８）類似クエリ抽出部１１５
図８は、実施形態に係る情報処理装置１００の算出部１１１の算出結果、及び、絞込みクエリ除去部１１３の絞込み結果に基づいて、対象クエリ１５３に対する候補クエリ１５５の類似度を示す表である。

図８では、対象クエリ１５３である「六本木温泉」に対して、候補クエリ１５５ａである「六本木温泉リゾート」、候補クエリ１５５ｂである、「六本木温泉ランド」「温泉リゾート」の順に高い類似度が高いことを示している。

類似クエリ抽出部１１５は、算出部１１１の算出結果に基づいて、クエリ同士を類似クエリ１６５として抽出する。具体的には、類似クエリ抽出部１１５は、所定値以上の類似度を有する候補クエリ１５５を、対象クエリ１５３の類似クエリ１６５として抽出する。

例えば、図８に示すように、類似クエリ抽出部１１５は、０．９８以上の類似度を示す「六本木温泉リゾート」を、対象クエリ１５３である「六本木温泉」の類似クエリ１６５として抽出する。

（２．９）類似クエリ記憶部１１７
類似クエリ記憶部１１７は、類似クエリ抽出部１１５により類似クエリ１６５として抽出されたクエリ同士を対応させて記憶する。具体的には、類似クエリ記憶部１１７は、対象クエリ１５３と、類似クエリ抽出部１１５により類似度が所定値以上の候補クエリ１５５である類似クエリ１６５とを対応させて記憶する。

例えば、類似クエリ記憶部１１７は、対象クエリ１５３である「六本木温泉」と、候補クエリ１５５ａである「六本木温泉リゾート」とを対応させて記憶する。

（２．１０）関連単語抽出部１１９
関連単語抽出部１１９は、ユーザに入力されたクエリ１５１の類似クエリ１６５に基づいて、類似クエリ１６５に関連する関連単語１６７をログ記憶部１０５から抽出する。具体的には、図７に示すように、算出部１１１による算出結果に記載される絞込みクエリ１５９において、関連単語抽出部１１９は、類似クエリ１６５以外の単語を関連単語１６７として抽出する。

例えば、関連単語抽出部１１９は、絞込みクエリ１５９において、「六本木温泉リゾート」以外の単語である、「混雑予想」、「料金」、「ガイド」を関連単語１６７として抽出する。

（２．１１）関連単語記憶部１２１
関連単語記憶部１２１は、類似クエリ１６５と、関連単語１６７とを対応させて記憶する。すなわち、関連単語記憶部１２１は、対象クエリ１５３に対応する類似クエリ１６５と、類似クエリ１６５に関連する関連単語１６７とを対応させて記憶する。

例えば、関連単語記憶部１２１は、類似クエリ１６５である「六本木温泉リゾート」と、関連単語１６７である「混雑予想」、「料金」、「ガイド」等とを対応させて記憶する。

（２．１２）検索処理部１２３
検索処理部１２３は、ユーザに入力されたクエリ１５１に対応付けられる類似クエリ１６５を類似クエリ記憶部１１７から取得し、類似クエリ１６５に基づいた検索をする。具体的には、検索処理部１２３は、クエリ１５１に対応する類似クエリ１６５に基づいて、検索を行い、複数のＵＲＬを含む検索結果情報を出力する。例えば、検索処理部１２３は、クローラーにより自動収集されたウェブページに関する情報を記憶する所定の記憶部から、類似クエリ１６５に基づく情報を検索する。

（２．１３）検索結果ページ作成部１２５
図９は、本発明の実施形態に係る情報処理装置１００によって作成される検索ページ３００の模式図である。

図９に示すように、検索結果ページ作成部１２５は、検索結果情報等に基づいて、検索ページ３００を作成する。検索ページ３００は、検索結果一覧ページ２００と、クエリ入力ページ２５０とからなる。検索結果一覧ページ２００には、関連情報領域２２０と、検索結果情報を表示する検索結果領域２３０とが少なくとも表示される。

具体的には、検索結果ページ作成部１２５は、類似クエリ１６５に対応する検索結果情報を検索処理部１２３から取得し、類似クエリ１６５に関連するウェブページのタイトルや、ウェブページの一部のテキスト情報等を表示する検索結果領域２３０を作成する。

また、検索結果ページ作成部１２５は、クエリに関連するウェブページが、他のＷｅｂサーバから取得したウェブページである場合、ウェブページのタイトルにサイトＵＲＬ１６１を対応させたハイパーリンクとして、検索結果領域２３０に表示する。例えば、検索結果ページ作成部１２５は、類似クエリ１６５である「六本木温泉リゾート」に基づいて、検索処理部１２３により出力された検索結果情報を用いて検索結果領域２３０を作成する。

また、検索結果ページ作成部１２５は、類似クエリ１６５である「六本木温泉リゾート」に対応する関連単語１６７として「混雑予想」、「料金」、「ガイド」を関連単語記憶部１２１から取得し、類似クエリ１６５と、関連単語１６７とを組み合わせて関連情報領域２２０を作成する。例えば、検索結果ページ作成部１２５は、「六本木温泉リゾート 混雑予想」、「六本木温泉リゾート 料金」、「六本木温泉リゾート ガイド」などが記載された関連情報領域２２０を作成する。

クエリ入力ページ２５０には、ユーザから文字・数字等が入力されるクエリ入力欄２６０と、クエリ入力欄２６０のクエリに基づいた検索を実行するための検索ボタン２７０とが少なくとも表示される。本実施形態では、クエリ入力欄２６０には、クエリ１５１として、「六本木温泉」が入力されている。

（２．１４）ページ送信部１２７
ページ送信部１２７は、通信ネットワーク５０を介して、検索結果ページ作成部１２５により作成された検索ページ３００をユーザ端末１０に送信する。

（３）情報処理システム１の動作
情報処理システム１の動作について、（３．１）全体概略動作、（３．２）情報処理装置１００の検索処理動作の順に説明する。

（３．１）全体概略動作
情報処理システム１は、ユーザ端末１０によって入力されたクエリ１５１に基づいて、情報処理装置１００が、検索ページ３００を作成し、ユーザ端末１０に表示する。

具体的には、まず、ユーザ端末１０が、ユーザからクエリを受け入れ、情報処理装置１００のクエリ受信部１０１へ通信ネットワーク５０を介して、クエリ１５１を送信する。

次に、情報処理装置１００は、クエリ受信部１０１で受信したクエリ１５１に基づいて、検索ページ３００を出力する。

次に情報処理装置１００は、通信ネットワーク５０を介して、検索ページ３００をユーザ端末１０に送信する。

最後に、ユーザ端末１０は、検索ページ３００を表示する。

（３．２）情報処理装置１００の検索処理動作
図１０は、実施形態に係る情報処理装置１００の検索処理動作を示すフローチャートである。

ステップＳ１００において、クエリ受信部１０１は、ユーザ端末１０からクエリ１５１を受信する。

ステップＳ２００において、類似クエリ抽出部１１５は、算出部１１１の算出結果に基づいて、クエリ同士を類似クエリ１６５として抽出する。また、関連単語抽出部１１９は、類似クエリ１６５に関連する関連単語１６７を関連単語記憶部１２１から抽出する。

ステップＳ３００において、検索処理部１２３は、類似クエリ抽出部１１５で抽出した類似クエリ１６５を類似クエリ記憶部１１７から取得し、類似クエリ１６５に基づいて、検索を行い、複数のＵＲＬを含む検索結果情報を出力する。

ステップＳ４００において、検索結果ページ作成部１２５は、検索結果情報等に基づいて、検索ページ３００を作成する。

ステップＳ５００において、ページ送信部１２７は、通信ネットワーク５０を介して、検索結果ページ作成部１２５により作成された検索ページ３００をユーザ端末１０に送信する。これにより、情報処理装置１００は、検索処理動作を終了する。

（３．３）情報処理装置１００の類似クエリ１６５の抽出方法
図１１は、情報処理装置１００の類似クエリ１６５の抽出処理動作を示すフローチャートである。具体的には、図１０のステップＳ２００の情報処理装置１００の類似クエリ１６５の抽出処理動作の詳細を示すフローチャートである。

ステップＳ２０１において、候補サイト抽出部１０３は、クエリ受信部１０１で受信したクエリ１５１に基づいて検索を行い、サイトＵＲＬ１６１からなる検索一覧１６０を抽出する。また、クエリ１５１と、クエリ１５１に対する検索一覧１６０と、検索一覧１６０に含まれるサイトＵＲＬ１６１に対する個々の選択の履歴情報１７０とを含むログＤＢ１０６を記憶手段に記憶する。

ステップＳ２０３において、候補クエリ抽出部１０７は、検索一覧１６０に含まれるサイトＵＲＬ１６１をユーザが選択する場合に用いたクエリ１５１である候補クエリ１５５をログ記憶部１０５から抽出する。

ステップＳ２０５において、主要クエリ判定部１０９は、対象クエリ１５３が主要クエリ１５７ａか否かを判定する。具体的には、主要クエリ判定部１０９は、対象クエリ１５３を主要クエリ１５７ａと判定した場合、処理をステップＳ２０９へ進める。また、主要クエリ判定部１０９は、対象クエリ１５３を主要クエリ１５７ａではない、と判定した場合、処理をステップＳ２０７へ進める。

ステップＳ２０７において、主要クエリ判定部１０９は、検索一覧１６０に含まれるサイトＵＲＬ１６１に対する個々の選択の回数の分布に基づいて、サイトＵＲＬ１６１を選択する際に最も利用されるクエリを主要クエリ１５７ａとして判定する。

ステップＳ２０９において、算出部１１１は、ログ記憶部１０５に記憶された検索一覧１６０に含まれる各サイトＵＲＬ１６１の個々の選択の回数の分布に基づいて、ログ記憶部１０５に記憶されたクエリ同士の類似度を算出する。具体的には、算出部１１１は、ユーザにより入力された対象クエリ１５３及び候補クエリ１５５の類似度を算出する。

ステップＳ２１１において、絞込みクエリ除去部１１３は、候補クエリ１５５に絞込みクエリ１５９が含まれるか否かを判定する。具体的には、絞込みクエリ除去部１１３は、候補クエリ１５５に絞込みクエリ１５９が含まれる場合、処理をステップＳ２１３へ進める。また、絞込みクエリ除去部１１３は、候補クエリ１５５に絞込みクエリ１５９が含まれていない場合、処理をステップＳ２１５へ進める。

ステップＳ２１３において、絞込みクエリ除去部１１３は、候補クエリ１５５に含まれる絞込みクエリ１５９を除去する。

ステップＳ２１５において、類似クエリ抽出部１１５は、算出部１１１の算出結果に基づいて、クエリ同士を類似クエリ１６５として抽出する。

ステップＳ２１７において、関連単語抽出部１１９は、類似クエリ１６５に関連する関連単語１６７をログ記憶部１０５から抽出する。これにより、情報処理装置１００は、類似クエリ１６５の抽出処理動作を終了する。

（４）作用・効果
以上説明したように、本実施形態によれば、情報処理装置１００は、ログ記憶部１０５と、算出部１１１と、類似クエリ抽出部１１５とを備える。ログ記憶部１０５は、クエリ１５１と、検索一覧１６０と、検索一覧１６０に含まれるサイトＵＲＬ１６１に対する個々の選択の履歴情報１７０とを含むログＤＢ１０６を記憶する。このため、ログ記憶部１０５は、事前に単語を記憶する必要がなく、ユーザの利用に伴って、記憶されるクエリ１５１、検索一覧１６０、履歴情報１７０が更新される。すなわち、ログ記憶部１０５によれば、ユーザの行動データであるログＤＢ１０６を更新できる。

また、類似クエリ抽出部１１５は、算出部１１１の算出結果に基づいて、対象クエリ１５３に対して、類似度の高いクエリ１５１を類似クエリ１６５として、抽出する。すなわち、類似クエリ抽出部１１５によれば、ユーザの行動データであるログＤＢ１０６から、類似クエリ１６５を抽出できるため、ユーザの入力意図を反映した類似語を抽出できる。

また、検索結果に対する選択（クリック）の回数、分布等の検索一覧に対するユーザの選択の履歴の一致具合に基づいて類似クエリ１６５を抽出するため、ユーザの意図が反映されたクエリを類似クエリ１６５として抽出できる。すなわち、ユーザの検索意図を考慮して類似クエリを抽出できるため、同じ意図で検索されたユーザの表記のゆれや入力ミス等を伴うクエリであっても類似クエリ１６５として抽出できる。

従って、情報処理装置１００によれば、辞書の管理をするための負荷を増大することなく、類義語を抽出できる。

実施形態では、情報処理装置１００は、類似クエリ１６５として抽出されたクエリ同士を対応させて記憶する類似クエリ記憶部１１７と、対象クエリ１５３の類似クエリ１６５を類似クエリ記憶部１１７から取得し、類似クエリ１６５に基づいた検索をする検索処理部１２３とを更に備える。従って、検索処理部１２３によれば、類似クエリ１６５による検索結果を表示することにより、ユーザが入力したクエリを類義語に拡張して、ユーザの入力意図を反映した検索結果を表示できる。

実施形態では、情報処理装置１００は、ユーザに入力された対象クエリ１５３の類似クエリ１６５に基づいて、類似クエリ１６５に関連する関連単語１６７をログ記憶部１０５から抽出する関連単語抽出部１１９と、類似クエリ１６５と、関連単語１６７とを対応させて記憶する関連単語記憶部１２１とを更に備える。

このため、関連単語抽出部１１９は、ユーザの入力意図を反映した類似クエリ１６５に関連する関連単語１６７を抽出することができる。すなわち、情報処理装置１００は、ユーザの入力意図を反映する類似クエリ１６５に加えて、ユーザの検索支援となる関連単語１６７を抽出することができるため、ユーザの入力意図を更に高く反映した類似語を抽出できる。

実施形態では、情報処理装置１００は、ログ記憶部１０５に記憶されたクエリ１５１について、複数の単語を含むと共に、ログ記憶部１０５に記憶された他のクエリを含む絞込みクエリ１５９を類似クエリ１６５の候補から除去する絞込みクエリ除去部１１３を更に備える。一般的に、複数の単語を含むと共に、ログ記憶部１０５に記憶される他のクエリ１５１を含む絞込みクエリ１５９は、該他のクエリ１５１について、更に条件を絞り込むためのクエリである。

絞込みクエリ除去部１１３によれば、絞込みクエリ１５９を類似クエリ１６５の候補から除去するため、ユーザの入力意図を反映した類似語のみを抽出できる。従って、情報処理装置１００によれば、絞込みクエリ除去部１１３による絞込みクエリ１５９を除去後の検索結果を表示することにより、ユーザの入力意図を反映した類義語のみを表示でき、利便性を向上できる。

（５）その他の実施形態
上述した実施形態では、検索処理部１２３は、類似クエリ抽出部１１５で抽出した類似クエリ１６５に基づいて検索を行い、複数のサイトＵＲＬ１６１を含む検索結果情報を出力する。本発明は、これに限られず、例えば、検索処理部１２３は、主要クエリ１５７ａに基づいて検索を行い、複数のＵＲＬを含む検索結果情報を出力してもよい。この場合、主要クエリ判定部１０９が、検索一覧１６０に含まれるサイトＵＲＬ１６１に対する個々の選択の回数の分布に基づいて、類似クエリ１６５から、サイトＵＲＬ１６１を選択する際に最も利用される主要クエリ１５７ａを抽出する。これにより、検索処理部１２３が、主要クエリ１５７ａに基づいて、検索を行うことを可能とする。

このような情報処理装置１００によれば、主要クエリ１５７ａによる検索結果を表示することにより、ユーザの入力意図を更に反映した検索結果を表示できる。

上述した実施形態では、情報処理装置１００の算出部１１１は、ユーザにより入力された入力クエリである対象クエリ１５３に対する候補クエリ１５５の類似度を算出する。本発明は、これに限られず、例えば、算出部１１１は、対象クエリ１５３の代わりに主要クエリ１５７ａを用いて、主要クエリ１５７ａに対する候補クエリ１５５の類似度を算出してもよい。

上述した実施形態では、関連単語抽出部１１９は、類似クエリ１６５に基づいて、主要クエリ１５７ａに関連する関連単語１６７をログ記憶部１０５から抽出する。本発明は、これに限られず、例えば、関連単語抽出部１１９は、類似クエリ１６５の代わりに主要クエリ１５７ａを用いて、主要クエリ１５７ａに基づいて、主要クエリ１５７ａに関連する関連単語１６７をログ記憶部１０５から抽出してもよい。

すなわち、情報処理装置１００は、ユーザの入力意図を反映する類似クエリ１６５に加えて、ユーザの検索支援となる関連情報を抽出・表示することができる。

上述した実施形態では、算出部１１１が算出する類似度は、クエリ毎の検索結果へのユーザの選択を特徴ベクトルによって表現することで、その特徴ベクトル間の距離を算出することで求められる。本発明は、これに限られず、例えば、図１２に示す波形のパターンの類似度を算出することにより、対象クエリ１５３に対する候補クエリ１５５の類似度を算出してもよい。

図１２は、その他の実施形態に係る情報処理装置１００の算出部１１１の動作を説明するための概念図である。具体的には、図１２（ａ）は、対象クエリ１５３に対する選択の分布を波形４０１により表現した概念図であり、横軸にサイトＵＲＬ１６１、縦軸に各サイトＵＲＬ１６１の選択の回数を示す図である。図１２（ｂ）は、候補クエリ１５５に対する選択の分布を波形４０３により表現した概念図であり、横軸にサイトＵＲＬ１６１、縦軸に各サイトＵＲＬ１６１の選択の回数を示す図である。尚、軸に配列されるサイトの種類及び並び順は図１２（ａ）と（ｂ）とで同一である。

この場合、例えば、算出部１１１は、形成される波型４０１及び波形４０３のパターン（形状）の類似の度合いを相互相関関数等を用いて、対象クエリ１５３に対する候補クエリ１５５の類似度として算出できる。
このように、本発明は、ここでは記載していない様々な実施の形態などを含むことは勿論である。したがって、本発明の技術的範囲は、上述の説明から妥当な特許請求の範囲に係る発明特定事項によってのみ定められるものである。

例えば、各構成図、フローチャート、概念図の図などは例示に過ぎず、各要素の有無、その順序や具体的内容などは適宜変更可能である。一例として、手動によるブロックの指定は必須ではなく、また、本発明において、各手段などの要素は、コンピュータの演算制御部に限らず、ワイヤードロジック等に基づく電子回路で実現してもよい。

１ 情報処理システム
１０、３０ ユーザ端末
５０ 通信ネットワーク
５１ 多次元ベクトル空間
１００ 情報処理装置
１０１ クエリ受信部
１０３ 候補サイト抽出部
１０５ ログ記憶部
１０６ ログＤＢ
１０７ 候補クエリ抽出部
１０８ 候補クエリＤＢ
１０９ 主要クエリ判定部
１１１ 算出部
１１３ 絞込みクエリ除去部
１１５ 類似クエリ抽出部
１１７ 類似クエリ記憶部
１１９ 関連単語抽出部
１２１ 関連単語記憶部
１２３ 検索処理部
１２５ 検索結果ページ作成部
１２７ ページ送信部
１５１ クエリ
１５３ 対象クエリ
１５３ｖ ベクトル
１５５、１５５ａ、１５５ｂ、１５５ｎ 候補クエリ
１５７ａ 主要クエリ
１５９ 絞込みクエリ
１６０ 検索一覧
１６１ サイトＵＲＬ
１６３ａ、１６３ｂ、１６３ｎ 候補サイトＵＲＬ
１６５ 類似クエリ
１６７ 関連単語
１７０ 履歴情報
１７１ 選択回数
１７３ 総クリック数
２００ 検索結果一覧ページ
２２０ 関連情報領域
２３０ 検索結果領域
２５０ クエリ入力ページ
２６０ クエリ入力欄
２７０ 検索ボタン
３００ 検索ページ

Claims (7)

1. クエリと、前記クエリに対する検索一覧と、前記検索一覧に含まれるサイトに対する個々の選択の履歴情報とを含むログを記憶する記憶手段と、
   前記記憶手段に記憶された検索一覧に含まれる各サイトの個々の選択の回数の分布に基づいて、前記記憶手段に記憶されたクエリ同士の類似度を算出する算出手段と、
   前記算出手段の算出結果に基づいて、前記クエリ同士を類似クエリとして抽出する類似クエリ抽出手段と、
   を備えることを特徴とする情報処理装置。
2. 前記類似クエリとして抽出されたクエリ同士を対応させて記憶する類似クエリ記憶手段と、
   ユーザに入力されたクエリに対応付けられる類似クエリを前記類似クエリ記憶手段から取得し、該類似クエリに基づいた検索をする検索手段とを更に備えることを特徴とする請求項１に記載の情報処理装置。
3. 前記検索一覧に含まれるサイトに対する個々の選択の回数に基づいて、前記サイトを選択する検索結果を得るために最も多く入力されるクエリを主要クエリとして判定する主要クエリ判定手段を更に備え、
   前記算出手段は、前記主要クエリと判定されたクエリ同士間の類似度を算出することを特徴とする請求項１又は２に記載の情報処理装置。
4. ユーザに入力されたクエリの類似クエリに基づいて、前記類似クエリに関連する関連単語を前記記憶手段から抽出する関連単語抽出手段と、
   前記類似クエリと、前記関連単語とを対応させて記憶する関連単語記憶手段とを更に備えることを特徴とする請求項１乃至３の何れか一項に記載の情報処理装置。
5. 複数の単語を含むクエリであって、前記類似クエリ記憶手段に記憶された他の類似クエリを含む絞込みクエリを前記類似クエリから除去する絞込みクエリ除去手段を更に備えることを特徴とする請求項１乃至４の何れか一項に記載の情報処理装置。
6. クエリと、前記クエリに対する検索一覧と、前記検索一覧に含まれるサイトに対する個々の選択の履歴情報とを含むクリックログを所定の記憶手段に記憶するステップと、
   前記検索一覧に含まれる各サイトの個々の選択の回数の分布に基づいて、前記記憶手段に記憶されたクエリ同士の類似度を算出するステップと、
   前記類似度の算出結果に基づいて、前記クエリ同士を類似クエリとして抽出するステップと、
   をコンピュータが実行することを特徴とするデータ抽出方法。
7. 請求項６に記載のデータ抽出方法を前記情報処理装置に実行させるためのプログラム。

Images