JP2012059182A - 検索クエリ推薦方法、検索クエリ推薦装置、検索クエリ推薦プログラム - Google Patents

Abstract

【課題】ユーザの興味に応じた流行の検索クエリを推薦し、ユーザの情報検索を支援する。
【解決手段】情報収集処理は、テレビ番組の情報に基づき番組の固有表現を収集し、番組の固有表現を保存するテーブル１２を作成する。クエリログ分析処理は、検索エンジン３のＤＢ４のクエリログをテーブル１２のデータに限定し、出現頻度が急上昇している急上昇ワードのリストＬ２と、ユーザ毎に分類したユーザ別検索ワードを保存するテーブル１７とを作成する。ユーザ興味分析処理は、テーブル１２、１７に基づきユーザ別番組興味度を保持するテーブル２１と、テーブル１２に応じたリストＬ２の情報を保存するテーブル２２と、テーブル２１、２２に基づき急上昇ワードに対する各ユーザの興味度を保持するテーブル２３を作成する。推薦クエリ出力処理は、テーブル２３の興味度順に急上昇ワードを、ユーザに検索クエリとして推薦する。
【選択図】図１

Description

本発明は、ユーザが検索クエリを検索エンジンに投入して必要な情報を検索するにあたってユーザに検索クエリの推薦を行う技術に関する。

現在、ブロードバンドの普及によりインターネットの利用が拡大し、インターネット上の情報は急激に増大していることから、検索エンジンの重要性が高まっている。この検索エンジンは、ユーザが送信した検索クエリに対応したインターネット上の文書のリストをもってユーザに応答し、ユーザはインターネット上の膨大な情報から求める情報を得るために検索エンジンを利用している。

ユーザは検索クエリとして、自分が知りたい「人、モノ、出来事」について入力を行うことが多く、その場合は「人、モノ、出来事」の名前は事前に知っている必要がある。検索クエリのログの中には、新たな飲食店や商品名、略語などの新語や話題語が多数含まれており、ユーザはそのような新語や話題語を見たり、聞いたりした際に、検索エンジンで検索を行う傾向がある。この傾向を用いて、非特許文献１．２に示すように、検索エンジンは検索回数が急上昇した流行の検索クエリを提示してユーザに検索を促している。

また、ユーザの検索履歴（クエリログ）を利用したパーソナライズの技術も多数存在している。例えば特許文献１では、クエリログからユーザの嗜好を抽出し、それに基づいた検索結果を表示する方式を提案している。

特開２０１０−９７４６１

"キーワードランキング"、［ｏｎｌｉｎｅ］、ｇｏｏ、［平成２２年８月２６日検索］、インターネット＜ＵＲＬ：ｈｔｔｐ：／／ｒａｎｋｉｎｇ．ｇｏｏ．ｎｅ．ｊｐ／ｋｅｙｗｏｒｄ／＞ "急上昇ワード"、「ｏｎｌｉｎｅ」、Ｇｏｏｇｌｅ、「平成２２年８月２６日検索」、インターネット＜ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｇｏｏｇｌｅ．ｃｏ．ｊｐ／ｍ／ｔｒｅｎｄｓ＞

しかしながら、非特許文献１．２では、検索回数が急上昇した流行の検索クエリを推薦クエリとして提示する際にユーザの興味に応じたパーソナライズができないため、ユーザの興味のないクエリも提示されてしまう。

また、流行の検索クエリの中でも特に新語はどの分野の語句かを分類することが困難なため、特許文献１のようにユーザの興味が分かっている場合でも、そのユーザが興味を持っているか適切な判断が困難なことが少なくない。

本発明は、上述のような従来技術の問題点を解決するためになされたものであり、ユーザの興味に応じた流行の検索クエリを提示し、ユーザの情報検索を支援することを解決課題とする。

そこで、本発明は、テレビの番組情報から番組の固有表現を抽出し、検索ログ中のクエリ群を該固有表現に限定して出現頻度の高い急上昇ワード（流行語）とユーザ別検索ワードとを求める。つぎにユーザ別検索ワードと番組の固有表現とからユーザ別番組興味度を求める。その後に番組の固有表現に応じた急上昇ワードとユーザ別番組興味度とから該急上昇ワードに対するユーザの興味度を算出し、算出された興味度の高いワードを検索クエリの推薦クエリとしてユーザに提示する。

すなわち、本発明の検索クエリ推薦方法は、クエリログ分析手段が、テレビの番組情報から抽出された各番組の固有表現に基づき検索エンジンのクエリログを限定して分析対象とし、該分析対象をユーザ毎に分類したユーザ別検索ワードと、該分析対象中で出現頻度の上昇している急上昇ワードを求めるクエリログ分析ステップと、ユーザ興味分析手段が、前記固有表現およびユーザ別検索ワードに基づきユーザ別の番組興味度を求め、ユーザ別の番組興味度と前記固有表現に応じた急上昇ワードとから該急上昇ワードに対するユーザの興味度を算出するユーザ興味分析ステップと、推薦クエリ出力手段が、前記算出されたユーザの興味度順に前記固有表現に応じた任意数の急上昇ワードをユーザに検索クエリとして推薦する推薦クエリ出力ステップと、を有する。

また、本発明の検索クエリ推薦装置は、テレビの番組情報から抽出された各番組の固有表現に基づき検索エンジンのクエリログを限定して分析対象とし、該分析対象をユーザ毎に分類したユーザ別検索ワードと、該分析対象中で出現頻度の上昇している急上昇ワードを求めるクエリログ分析手段と、前記固有表現およびユーザ別検索ワードに基づきユーザ別の番組興味度を求め、ユーザ別の番組興味度と前記固有表現に応じた急上昇ワードとから該急上昇ワードに対するユーザの興味度を算出するユーザ興味分析手段と、前記算出されたユーザの興味度順に前記固有表現に応じた任意数の急上昇ワードをユーザに検索クエリとして推薦する推薦クエリ出力手段と、を備える。

なお、本発明は、前記装置としてコンピュータを機能させるプログラムの態様としてもよい。このプログラムは、ネットワークや記録媒体などを通じて提供することができる。

本発明によれば、ユーザの興味に応じた流行の検索クエリが推薦クエリとしてユーザに提示されるため、ユーザの情報検索が支援され、情報検索の効率向上に貢献することができる。

本発明の実施形態に係る検索クエリ推薦装置の構成図。 同 情報収集処理手段の構成図。 同 クエリログ分析処理手段の構成図。 同 ユーザ興味分析処理手段の構成図。 同 リアルタイム推薦クエリ出力処理手段の構成図。

図１に基づき本発明の実施形態に係る検索クエリ推薦装置１を説明する。この推薦装置１は、テレビの番組情報から流行の検索クエリをユーザに推薦する。すなわち、テレビ番組の情報を基に新語の分類とユーザの興味の分類とを行ってユーザの興味を反映させた推薦クエリと最新のリアルタイム推薦クエリとを抽出する。ここでは前記推薦装置１は、インターネット経由でユーザ端末２と通信自在に接続されているものとする。なお、図１中、ユーザ端末２は、パーソナルコンピュータを示しているが、例えば携帯電話やＰＤＡなどの情報端末を用いることもできる。

具体的には前記推薦装置１は、検索エンジン３と連携したシステムを構成し、通常のコンピュータのハードウェアリソース、例えばＣＰＵ．メモリ（ＲＡＭ）．ハードディスクドライブ装置．通信デバイスなどを備える。このハードウェアリソースとソフトウェアリソース（ＯＳ，アプリケーションなど）との協働の結果、前記推薦装置１は、情報収集処理・クエリログ分析処理・ユーザ興味分析処理・推薦クエリ出力処理・リアルタイム推薦クエリ出力処理を実行する。

この情報収集処理は、情報収集処理手段（各抽出機能部５〜８．各テーブル９〜１２）により実行される。ここではテレビ番組の情報として番組情報のテキストデータＤ１と番組に対するコメントデータＤ２とを用いる。すなわち、テキストデータＤ１に基づき番組情報抽出機能部５で番組名などを抽出し、番組情報テーブル９に保存する。また、各固有表現抽出機能部６．７は、それぞれテキストデータＤ１．コメントデータＤ２から前記テーブル９の番組毎に固有表現（語句）を抽出し、各固有表現テーブル１０．１１に保存する。さらに１次固有表現抽出機能部８は、前記テーブル１０．１１の双方に含まれる固有表現を抽出し、１次固有表現テーブル１２に保存する。

クエリログ分析処理は、クエリログ分析処理手段（各機能部１３〜１６．ユーザ別クエリ情報テーブル１７）により実行される。すなわち、固有表現リスト抽出機能部１３は、前記テーブル１２の保存された固有表現から固有表現リストＬ１を作成し、クエリログフィルタリング機能部１４は検索エンジン３のクエリログＤＢ４に記録されたクエリログを前記リストＬ１の番組固有表現に限定する。また、急上昇ワード抽出機能部１５は、前記限定されたクエリログ中で出現頻度が急上昇している流行の検索クエリ、即ち急上昇ワードを抽出し、急上昇ワードリストＬ２を作成する。さらに、ユーザ別クエリ情報テーブル作成機能部１６は、前記限定されたクエリログをユーザ毎に分類したユーザ別のクエリ情報をユーザ別クエリ情報テーブル１７に保存する。

ユーザ興味分析処理は、ユーザ興味分析処理手段（各機能部１８〜２０．各テーブル２１〜２３）により実行される。ここではユーザ興味分析機能部１８は、前記テーブル１２．１７の保存情報に基づきユーザ別番組興味度を求め、ユーザ興味テーブル２１に保存する。また、２次固有表現テーブル作成機能部１９は、前記テーブル１２の前記固有表現に応じた前記リストＬ２の急上昇ワードを２字固有表現テーブル２２に保存する。さらに、ユーザ興味語抽出機能部２０は、前記テーブル２１．２２の保存情報に基づき急上昇ワードに対する各ユーザの興味度を求め、該興味度をユーザ興味語テーブル２３に保存する。

推薦クエリ出力処理は、推薦クエリ出力処理手段（ユーザ興味語取得機能部２４）により実行され、ユーザ端末２に入力されたユーザＩＤに応じて前記テーブル２３の情報を取得する。この取得情報中、興味度の順に任意数のワード、即ち前記固有表現に応じた急上昇ワードを推薦クエリとして、ユーザ端末２に返信するため、ユーザの興味に応じた流行の検索クエリが提示される。

リアルタイム推薦クエリ出力処理は、リアルタイム推薦クエリ出力手段（各機能部２５〜２９）により実行され、クエリログ分析処理・ユーザ興味分析処理を経ることなく、情報収集処理でテレビ番組の情報を解析したタイミングで出現頻度の高い任意数の固有表現（語句）をリアルタイム推薦クエリとしてユーザ端末２に送信する。これにより前記推薦クエリとは別にリアルタイムに最新の推薦クエリをユーザに提示することができる。

なお、前記各テーブル９〜１２．１７．２１〜２３は、それぞれメモリ（ＲＡＭ）あるいはハードディスクドライブ装置などの記憶・保存手段に設けられ、ユーザ端末２との送受信は通信デバイスを通じて実施されるものとする。以下、図２〜図５に基づき前記各処理の詳細を説明する。

≪情報収集処理≫
図２に基づき情報収集処理を説明する。ここでは情報収集対象のテレビ番組の情報としては、「チャンネル」・「時刻」・「番組名」・「出演者」・「番組内容」などを記録したテキストデータＤ１と、テレビ番組に対するコメントや感想などを投稿しているブログやミニブログのデータ、即ちコメントデータＤ２とを用いる。このブログやミニブログでは、カテゴリやタグ情報を付与することで、テレビ番組に対するコメントを特定できるものが存在し、これらをコメントデータＤ２とする。例えば「ｔｗｉｔｔｅｒ」ではテレビ局ごとのタグが存在しており、「＃ｘｔｖ」や「＃ｙｔｖ」などはそれぞれテレビチャンネル「Ｘ−ＴＶ」「Ｙ−ＴＶ」を表すコメントと特定できる。ここではテキストデータＤ１は、人手作成してもよく、あるいは音声や画面認識システムを用いて自動的に作成してもよい。また、コメントデータＤ２は、ブログサイトやミニブログサイトが用意しているＡＰＩなどを利用して取得すればよい。

具体的には情報収集処理は、テキストデータＤ１に基づく前記抽出機能部５．６の前記テーブル９．１０の作成から開始される。すなわち、前記抽出機能部５は、テキストデータＤ１を解析して、番組毎に「開始時刻：終了時刻：番組名」の情報をテキストデータＤ１から抽出し、前記テーブル９に保存する（番組情報抽出ステップ）。なお、前記テーブル９は、「Ｘ−ＴＶ」や「Ｙ−ＴＶ」などのＴＶチャンネル毎の列を持ち、前記各情報が当該ＴＶチャンネルの要素として保存されている。

また、前記抽出機能部６は、テキストデータＤ１を解析して番組毎にテキストデータＤ１から語句を抽出し「番組名：語句リスト」の情報を前記テーブル１０に保存する（番組固有表現抽出ステップ）。ここでは前記テーブル１０は、前記テーブル９と同様に「Ｘ−ＴＶ」や「Ｙ−ＴＶ」などＴＶチャンネル毎の列を持ち、前記各情報が当該ＴＶチャンネルの要素として保存されている。この保存情報中の「語句リスト」は、前記抽出機能部６がテキストデータの「出演者」・「内容」などから抽出した固有表現（語句）を、「，」などの区切り文字で区切りが分かるように並べた情報を表している。この固有表現の一例として、「○○ラーメン」や「△△食堂」などの商品名や店名、あるいは「伊藤○○」などの人名、「イタリア」などの地名・国名が記録されている。

一方、前記抽出機能部７は、コメントデータＤ２に基づき前記テーブル１１を作成する（コメント固有表現抽出ステップ）。すなわち、コメントデータＤ２は、「投稿時間」・「投稿本文」・「チャンネルタグ」を含んだテキスト情報にからなり、前記抽出機能部７は、「チャンネルタグ」および「投稿時間」の情報をキーに前記テーブル９を探索し、対応する番組を特定する。ここで特定された番組の固有表現（語句）を「投稿本文」から抽出し、該番組の放映時間内におけるすべてのコメント中の語句の頻度を計算する。この計算結果に基づき（出現回数｜ｗｏｒｄ）を１要素とするリストを作成し、前記テーブル１１に「番組名：頻度付き語句リスト」として保存する。なお、前記テーブル１１も、前記テーブル９．１０と同様に「Ｘ−ＴＶ」や「Ｙ−ＴＶ」などＴＶチャンネル毎の列を持ち、前記各情報が当該ＴＶチャンネルの要素として保存されている。

ここでテキストデータＤ１とコメントデータＤ２は、番組の進行およびコメントの投稿などが随時発生することから、前記抽出機能部５〜７は任意の間隔（５分毎など）で抽出処理を行って、前記各テーブル９〜１２の保存情報を随時更新するものとする。

そして、前記抽出機能部８は、前記各テーブル１０．１１の保存情報について番組名毎にそれぞれの語句リストを比較し、双方に含まれる語句のみを当該番組における固有表現として抽出し、前記テーブル１２に保存する（１次固有表現抽出ステップ）。具体的には前記テーブル１２は、すべての番組から抽出した固有表現の種類Ｎに応じたＮ行・番組数Ｍに応じたＭ列のテーブルからなり、該テーブルの各セルには番組のコメントデータＤ２中における固有表現の出現頻度が記述されている。

≪クエリログ分析処理≫
図３に基づきクエリログ分析処理を説明する。ここでは検索エンジン３のクエリログＤＢ４に記録されたクエリログには、「クエリの投入時刻」・「クエリ」・「ユーザＩＤ」の情報が含まれているものとする。この分析対象となるクエリログは、前記出力機能部２９でユーザに提示されたクエリのうちユーザが採択したクエリのみとしてもよく、あるいは検索エンジンに投入されたクエリのうち任意期間内のクエリログとしてもよい。

具体的には前記機能部１３は、前記テーブル１２からＮ個の固有表現を抽出し、前記リストＬ１を作成する（固有表現リスト抽出ステップ）。作成された前記リストＬ１はメモリ（ＲＡＭ）あるいはハードディスクドライブ装置に記憶・保存される。ここで記憶された前記リストＬ１に基づき前記機能部１４は、テレビ番組関連のクエリログに限定するフィルタリング処理（クエリログのフィルタリングステップ）を実行する。すなわち、クエリログの「クエリ」に含まれている検索ワードのうち、前記リストＬ１におけるＮ個の固有表現に含まれない検索ワードを削除し、クエリログをＮ個の固有表現に絞り込む。

そして、前記機能部１５は、フィルタリング処理後に残った各検索ワードのクエリログ中における出現頻度を単位時間毎に抽出し、抽出された各時間単位の出現頻度を比較する。比較の結果、過去の出現頻度に比べて異常に上昇（増加）しているＬ個の検索ワードを急上昇ワードとして抽出し、前記リストＬ２を作成する（急上昇ワード抽出ステップ）。前記リストＬ２の作成にあたっては３シグマ法（３σ法）など管理図を利用した手法を用いてもよい。また、あらかじめ任意の閾値を設定し、過去の出現頻度に対して該閾値を超える割合で出現頻度が増加していれば、急上昇ワードとして抽出してもよい。なお、作成された前記リストＬ２も、メモリ（ＲＡＭ）あるいはハードディスクライブ装置に記憶・保存される。

また、前記機能部１６は、フィルタリング処理により絞り込まれたクエリログをユーザＩＤ毎にまとめて、固有表現毎の検索ワード入力回数、即ちユーザ別クエリ情報を前記テーブル１７に保存する（ユーザ別クエリ情報テーブル作成ステップ）。例えば図３中の前記テーブル１７の保存情報例では、ユーザＩＤ「ｕｓｅｒ＿ａ」・「ｕｓｅｒ＿ｂ」・「ｕｓｅｒ＿ｃ」毎に各検索ワードの入力回数が記述されている。

≪ユーザ興味分析処理≫
図４に基づきユーザ興味分析処理を説明する。まず、前記機能部１８は、前記テーブル１２．１７の保存情報に基づき各ユーザの番組毎の興味度を分析し、分析結果のユーザ別番組興味度を前記テーブル２１に保存する（ユーザ興味分析ステップ）。このとき図４中の前記テーブル１２．１７によれば、前記テーブル１７におけるユーザＩＤ「ｕｓｅｒ＿ａ」の行の保存情報は式（１）のベクトルｑとして表すことができ、前記テーブル１２の保存情報は式（２）のベクトルＷ₁として表すことができる。なお、式（１）中の「Ｔ」は転置を示している。

ベクトルｑの要素はＮ個の固有表現に対応してＮ次元からなり、ベクトルＷ₁の列は番組を表し番組数分のＭ次元・ベクトルＷ₁の行は固有表現を表しＮ次元からなる。ここではユーザＩＤ「ｕｓｅｒ＿ａ」を持つユーザの番組興味度を式（３）により計算し、計算結果を前記テーブル２１の「ｕｓｅｒ＿ａ」の行に保存する。

同様にユーザＩＤ「ｕｓｅｒ＿ｂ」・「ｕｓｅｒ＿ｃ」を持つユーザの番組興味度を計算し、計算結果を前記テーブル２１のそれぞれの行に保存する。これにより前記テーブル２１中の各要素は、その列が示す番組に対する各ユーザの興味度を表す数値となる。

つぎに前記機能部１９は、前記テーブル１２の固有表現と前記リストＬ２の急上昇ワードとに基づき前記テーブル２２を作成する（２次固有表現テーブル作成ステップ）。ここでは前記テーブル１２から前記リストＬ２の急上昇ワード（Ｌ個）に含まれている固有表現の行を抽出し、前記テーブル２２に保存する。これにより前記テーブル１２の固有表現に応じた前記リストＬ２の急上昇ワードが、前記テーブル２２に前記データＤ２中の出現頻度と併せて記述される。

最後に前記機能部２０は、前記テーブル２１．２２の保存情報に基づきそれぞれの急上昇ワードに対する各ユーザの興味度、即ち急上昇ワード別のユーザ興味度を抽出し、該興味度を前記テーブル２３に保存する（ユーザ興味語抽出ステップ）。このとき図４中の前記テーブル２１．２２によれば、前記テーブル２１におけるユーザＩＤ「ｕｓｅｒ＿ａ」の行の保存情報は式（４）のベクトルｕとして表すことができ、また前記テーブル２２の保存情報は式（５）のベクトルＷ₂として表すことができる。なお、式（４）中の「Ｔ」は転置を示している。

ベクトルｕの要素はＭ個の番組に対応してＭ次元からなり、ベクトルＷ₂の列は番組を表し番組数分のＭ次元・行は急上昇ワードのワード数を表しＬ次元からなる。ここではユーザＩＤ「ｕｓｅｒ＿ａ」を持つユーザの急上昇ワード別の興味度を式（６）により計算し、計算結果を前記テーブル２３の「ｕｓｅｒ＿ａ」の行に保存する。

同様にユーザＩＤ「ｕｓｅｒ＿ｂ」・「ｕｓｅｒ＿ｃ」を持つユーザの急上昇ワード別の興味度を計算し、計算結果を前記テーブル２３のそれぞれの行に保存する。これにより前記テーブル２３中、ｎ番目の要素はｎ番目の急上昇ワード「ｐ−ｗｏｒｄ ｎ」に対するユーザの興味度を表す数値となる。

≪推薦クエリ出力処理≫
前記機能部２４は、ユーザ端末２を通じてユーザが入力・送信したユーザＩＤを受信すると、該ユーザＩＤをキーとして前記テーブル２３を探索し、該当するユーザＩＤの行の情報を取得する。この取得情報中、興味度の数値順に並べ替え（ソートする）、上位から任意数の急上昇ワードを推薦クエリとしてユーザ端末２に送信し、ユーザ端末２のブラウザ上に推薦クエリ群を表示させる（推薦クエリ出力ステップ）。この推薦クエリ群は、例えばユーザがログイン時に入力したユーザＩＤに応じて、「お勧めの検索ワード」として表示させることができる。

このような推薦クエリ群は、前記テーブル２３に記述された興味度の数値が上位の急上昇ワードなため、ユーザの興味に応じてパーソナライズされ、これによりユーザの興味に応じた流行の検索クエリを推薦クエリとしてユーザに提示することができる。この結果、従来は流行の検索クエリの中でも特に新語はどのような分野で用いられる用語かを判断することが困難であったが、前記推薦装置１によれば、かかる弊害が緩和される。

すなわち、情報収集処理にてテレビの番組情報（テキストデータＤ１・コメントデータＤ２）をもとに当該新語がどの番組で出現するかを収集し、クエリログ分析手段にてユーザの興味の傾向をどの番組で出現する語を検索キーワードとして入力しているかを求め、ユーザ興味分析処理にて該両者を対応付けてユーザの興味を反映させた新語を推薦クエリとして抽出することができる。

≪リアルタイム推薦クエリ出力処理≫
図５に基づきリアルタイム推薦クエリ出力処理を説明する。ここでは事前に図１中で図示省略した現時刻取得機能部３０，最新番組情報取得機能部３１の処理が実施される。すなわち、前記機能部３０は、プログラムが起動しているＯＳの時刻や外部の時刻サーバなどから現在時刻を取得する。この現在時刻に基づき前記機能部３１は、前記テーブル９から最新あるいは直前の番組の情報をチャンネル毎に取得する。ここで取得した番組（ｆｏｒｅａｃｈ番組）毎に前記機能部２５〜２７の処理が開始される。この処理は前記テーブル１０．１１の更新に応じて実行される。

詳細を説明すれば、前記機能部２５は、推薦クエリ候補を取得すべく、番組名をキーとして前記テーブル１０．１１から対応する番組を探索し、該対応番組の「語句リスト」と「頻度付き語句リスト」とを取得する（推薦クエリ候補取得ステップ）。この取得後に前記機能部２６は、「語句リスト」と「頻度付き語句リスト」のいずれにも含まれる語句（固有表現）を抽出する（フィルタリングステップ）。

つぎに前記機能部２７は、前記機能部２６により抽出された語句から出現頻度の高い任意数（ｎ件）を選択して抽出し、メモリ（ＲＡＭ）あるいはハードディスクドライブ装置の一時記憶領域３２に保存する。このとき同時に該当番組の放映時間中におけるクエリログを解析し、該クエリログ内の出現頻度も含めた上位ｎ件を抽出して一時記憶領域３２に保存してもよい。なお、一時記憶領域３２への保存により前記機能部２５〜２７の処理を終了する。

その後に前記機能部２８が一時記憶領域３２に保存された各語句を取得し、前記機能部２９が該各語句を出現頻度順に並べ替えて最終的に出現頻度の高い順に任意数（ｎ個）の語句をリアルタイム推薦クエリとして抽出する。このとき前記テーブル１０．１１の更新に応じて前記機能部２５〜２７の処理が実行されるため、リアルタイム推薦クエリは前記テーブル１０．１１の更新時に抽出される。

抽出されたリアルタイム推薦クエリは、ユーザ端末２からのアクセスがあれば、ユーザＩＤの入力を問わず、ユーザ端末２に送信され、すべてのユーザに提示される。これにより情報収集処理でコメントデータＤ１とテキストデータＤ２とを解析したタイミングで最新の推薦クエリをユーザに提供することできる。

すなわち、クエリログ分析処理で検索回数が急上昇したクエリを検知した時点では、既に多くのユーザが検索を行った後であり、リアルタイム性に欠けるおそれがある。そこで、リアルタイム推薦クエリをユーザに提示することで、クエリログ中での出現頻度が急上昇する前に最新の推薦クエリをユーザに提供する。

この結果、前記推薦装置１によれば、流行の検索クエリにユーザの興味を反映させた推薦クエリと最新のリアルタイム推薦クエリとをユーザに提示でき、ユーザの情報検索を効果的に支援できる。例えばＷｅｂページにユーザ端末２がアクセスすれば、リアルタイム推薦クエリを「最新の検索ワード」としてブラウザ上に表示させ、その後にユーザＩＤの入力があれば、推薦クエリを「お勧めの検索ワード」として表示させることができ、ユーザの情報検索の効率向上に貢献する。

なお、本発明は、上記実施形態に限定されるものではなく、各請求項に記載した範囲内で変更することができる。例えば前記機能部２５は、前記テーブル１０．１１ではなく、前記テーブル１２の保存情報を取得してもよい。この場合には前記テーブル１０．１１の更新時ではなく、前記テーブル１２の更新時にリアルタイム推薦クエリが抽出されるものの、前記テーブル１２には前記テーブル１０．１１の双方に含まれる語句と出現頻度が記述されているため、前記機能部２６の処理が省略され、処理を簡素化することができる。

≪プログラムなど≫
本発明は、前記推薦装置の各部５〜２９の一部もしくは全部として、コンピュータを機能させる文書検索プログラムとして構成することもできる。このプログラムによれば、前記各ステップの一部あるいは全部をコンピュータに実行させることが可能となる。

前記プログラムは、Ｗｅｂサイトや電子メールなどネットワークを通じて提供することができる。また、前記プログラムは、ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ，ＣＤ−Ｒ，ＣＤ−ＲＷ，ＤＶＤ−Ｒ，ＤＶＤ−ＲＷ，ＭＯ，ＨＤＤ，ＢＤ−ＲＯＭ，ＢＤ−Ｒ，ＢＤ−ＲＥなどの記録媒体に記録して、保存・配布することも可能である。この記録媒体は、記録媒体駆動装置を利用して読み出され、そのプログラムコード自体が前記実施形態の処理を実現するので、該記録媒体も本発明を構成する。

１…検索クエリ推薦装置
２…ユーザ端末
３…検索エンジン
４…クエリログＤＢ
５…番組情報抽出機能部
６…番組固有表現抽出機能部
７…コメント固有表現抽出機能部
８…１次固有表現抽出機能部
９…番組情報テーブル
１０…番組固有表現テーブル
１１…コメント固有表現テーブル
１２…１次固有表現テーブル
１３…固有表現リスト抽出機能部
１４…クエリログフィルタリング機能部
１５…急上昇ワード抽出機能部
１６…ユーザ別クエリ情報テーブル作成機能部
１７…ユーザ別クエリ情報テーブル
１８…ユーザ興味分析機能部
１９…２次固有表現テーブル作成機能部
２０…ユーザ興味語抽出機能部
２１…ユーザ興味テーブル
２２…２次固有表現テーブル
２３…ユーザ興味語テーブル
２４…ユーザ興味語取得機能部
２５…推薦クエリ候補取得機能部
２６…フィルタリング機能部
２７…上位固有表現抽出機能部
２８…全推薦クエリ候補取得機能部
２９…推薦クエリ出力機能部
３０…現時刻取得機能部
３１…最新番組情報取得機能部
３２…一時記憶領域
Ｄ１…テキストデータ
Ｄ２…コメントデータ
Ｌ１…固有表現リスト
Ｌ２…急上昇ワードリスト

Claims (9)

1. ユーザが検索クエリを検索エンジンに投入して必要な情報を検索するにあたってユーザに検索クエリの推薦を行う方法であって、
   クエリログ分析手段が、テレビの番組情報から抽出された各番組の固有表現に基づき検索エンジンのクエリログを限定して分析対象とし、該分析対象をユーザ毎に分類したユーザ別検索ワードと、該分析対象中で出現頻度の上昇している急上昇ワードを求めるクエリログ分析ステップと、
   ユーザ興味分析手段が、前記固有表現およびユーザ別検索ワードに基づきユーザ別の番組興味度を求め、ユーザ別の番組興味度と前記固有表現に応じた急上昇ワードとから該急上昇ワードに対するユーザの興味度を算出するユーザ興味分析ステップと、
   推薦クエリ出力手段が、前記算出されたユーザの興味度順に前記固有表現に応じた任意数の急上昇ワードをユーザに検索クエリとして推薦する推薦クエリ出力ステップと、
   を有することを特徴とする検索クエリ推薦方法。
2. 情報収集手段が、テレビの番組情報として該番組情報を記録したデータと、該番組情報に記録された番組に対するコメントデータとを用いて、両データのいずれにも含まれる番組の固有表現を抽出する情報収集ステップをさらに有する
   ことを特徴とする請求項１記載の検索クエリ推薦方法。
3. リアルタイム推薦クエリ出力手段が、前記両データのいずれにも含まれている番組の固有表現を出現頻度順にソートし、該出現頻度に応じて任意数の固有表現をリアルタイム推薦クエリとしてユーザに提示するリアルタイム推薦クエリ出力ステップをさらに有する
   ことを特徴とする請求項２記載の検索クエリ推薦装置。
4. リアルタイム推薦クエリ出力ステップは、前記各データから抽出した番組の固有表現を保存する保存手段のデータ更新に応じてリアルタイム推薦クエリをユーザに提示する
   ことを特徴とする請求項３記載の検索クエリ推薦方法。
5. ユーザが検索クエリを検索エンジンに投入して必要な情報を検索するにあたってユーザに検索クエリの推薦を行う装置であって、
   テレビの番組情報から抽出された各番組の固有表現に基づき検索エンジンのクエリログを限定して分析対象とし、該分析対象をユーザ毎に分類したユーザ別検索ワードと、該分析対象中で出現頻度の上昇している急上昇ワードを求めるクエリログ分析手段と、
   前記固有表現およびユーザ別検索ワードに基づきユーザ別の番組興味度を求め、ユーザ別の番組興味度と前記固有表現に応じた急上昇ワードとから該急上昇ワードに対するユーザの興味度を算出するユーザ興味分析手段と、
   前記算出されたユーザの興味度順に前記固有表現に応じた任意数の急上昇ワードをユーザに検索クエリとして推薦する推薦クエリ出力手段と、
   を備えることを特徴とする検索クエリ推薦装置。
6. テレビの番組情報として該番組情報を記録したデータと、該番組情報に記録された番組に対するコメントデータとを用いて、両データのいずれにも含まれる番組の固有表現を抽出する情報収集手段をさらに備える
   ことを特徴とする請求項５記載の検索クエリ推薦装置。
7. 前記両データのいずれにも含まれている番組の固有表現を出現頻度順にソートし、該出現頻度に応じて任意数の固有表現をリアルタイム推薦クエリとしてユーザに提示するリアルタイム推薦クエリ出力手段をさらに備える
   ことを特徴とする請求項６記載の検索クエリ推薦装置。
8. 情報収集手段は、前記各データから抽出した番組の固有表現を保存する保存手段を備え、
   リアルタイム推薦クエリ出力手段は、前記保存手段のデータ更新に応じてリアルタイム推薦クエリをユーザに提示する
   ことを特徴とする請求項７記載の検索クエリ推薦装置。
9. 請求項５〜８のいずれか１項に記載された検索クエリ推薦装置としてコンピュータを機能させる検索クエリ推薦プログラム。