JP2012093901A - 画像付文書検索装置及び画像付文書検索プログラム - Google Patents

Abstract

【課題】表示端末での表示に適したＷｅｂ文書を提供すること。
【解決手段】通信ネットワーク５００上をクローリングしてＷｅｂ文書を逐次取得し、取得されたＷｅｂ文書に含まれる画像データのレイアウトを数値化したレイアウト評価値を算出し、Ｗｅｂ文書とレイアウト評価値とを関連付けて予めコンテンツ蓄積部１２に蓄積しておき、表示端末３００からの検索要求に該当するＷｅｂ文書をコンテンツ蓄積部１２から検索し、検索されたＷｅｂ文書のレイアウト評価値で順位付け、順位付けられたＷｅｂ文書を要求元の表示端末３００に返信する。
【選択図】図１

Description

本発明は、通信ネットワーク上の画像付文書を検索する技術に関する。

現在、通信ネットワーク上には、ＵＲＬ（Uniform Resource Locator）という形式により指定され、主にＨＴＭＬ（HyperText Markup Language）というフォーマットで記述された電子的な文書（以下、Ｗｅｂ文書）が多数存在する。そして、これら多数のＷｅｂ文書の中から適切なＷｅｂ文書を検索するための仕組みは「サーチエンジン」と呼ばれ、例えば「http://www.goo.ne.jp/」等の検索サイトで実施されている。

このようなサーチエンジンは、主に、利用者が指定した検索キーワードを含むＷｅｂ文書を通信ネットワーク上から検索する機能と、検索されたＷｅｂ文書に適切な順位を決めて利用者に表示する機能とで構成されている。

現在では、通信ネットワーク上のＷｅｂ文書数は膨大であり、指定された検索キーワードを有するＷｅｂ文書が多数検索されることから、検索されたＷｅｂ文書を適切な順序で表示する順位決めの技術は、サーチエンジンにとって重要となっている。

順位決めの公知技術としては、例えば、非特許文献１に記載された方法が挙げられる。この方法では、検索された各Ｗｅｂ文書に対して、リンクアンカーテキストを抽出してＷｅｂ文書間のリンク関係を解析し、より重要なＷｅｂ文書からのリンクをより多く持つＷｅｂ文書に対して、より高い数値が与えられる「ページランク」と呼ばれる評価値を算出し、その評価値に基づいて出力順を決めている。

また、このような従来技術の改良方法として、特許文献１には、アクセス履歴等を利用する技術が開示され、特許文献２の背景技術には、検索キーワードとＷｅｂ文書との一致度を算出し、その一致度とＷｅｂ文書の重要度（評価値）とに基づいて順位決めを行う技術が開示されている。

特開２０１０−７２９０９号公報 特開２０１０−６１３２２号公報 特開２００３−８５２０９号公報

Sergey Brin、外１名、「The anatomy of a large-scale hypertextual Web search engine」、Computer Networks and ISDN Systems、Volume 30、Issue 1-7、1998年、p.107-117

そのような従来技術による検索結果の順位付けは、主に、ＰＣ（Personal Computer）上でＷｅｂブラウザと呼ばれるソフトウェアを用いて利用者が閲覧することを目的として決められている。

そのため、検索結果のＷｅｂ文書は、「読む」こと、つまり、Ｗｅｂ文書のテキスト情報を中心としており、利用者が読み進めるＷｅｂ文書上の位置に応じてスクロール等の操作を行うことによりアクセスすることを前提として、適切な順序になるように決定されている。

一方、近年、ＰＣ以外のデバイスも通信ネットワークに接続可能となっており、必ずしも、利用者の操作を前提としない端末装置もある。例えば、街頭に設置され、不特定多数の利用者が見るディスプレイ装置（一般に、「デジタルサイネージ」等と呼ばれる）や、家庭内に置かれ、写真立てのような形状をしたディスプレイ装置（一般に、「デジタルフォトフレーム」等と呼ばれる）等がある。これらのディスプレイ装置には、通信ネットワークへアクセスする手段と、Ｗｅｂブラウザに相当する機能が具備され、Ｗｅｂ文書を表示することが可能となっている。

このような端末装置は、特定の利用者が占有して操作することよりも、複数の利用者により、主に操作を必要とすることなく情報を表示することを目的としている。以降、このような端末装置を共用ディスプレイという。ブラウザ機能を有するＰＣをこのような目的で使用することが可能であるから、以降の説明においてブラウザ機能を有するＰＣも共用ディスプレイに含まれる。

しかしながら、このような共用ディスプレイに表示するためのＷｅｂ文書を前述した既存技術により検索すると、上位の検索結果のものであっても、必ずしも、共用ディスプレイで表示することが適切でないものが含まれる。共用ディスプレイは、利用者により操作されることは少なく、やや離れた場所から「眺める」ことを前提としているため、テキスト情報中心のＷｅｂ文書を「読む」こと、特に、その際にスクロール等の操作を伴うことは適切ではない。

本発明は、上記を鑑みてなされたものであり、表示端末での表示に適したＷｅｂ文書を提供することを課題とする。

請求項１に記載の画像付文書検索装置は、通信ネットワークをクローリングして画像付文書データを逐次取得する手段と、取得された前記画像付文書データに含まれる画像データの配置状態を値化したレイアウト評価値を算出する手段と、前記画像付文書データと前記レイアウト評価値とを関連付けて予め記憶しておく手段と、検索要求に該当する画像付文書データを前記記憶手段から検索し、検索された画像付文書データのレイアウト評価値で順位付け、順位付けられた画像付文書データを要求元に返信する手段と、を有することを特徴とする。

本発明によれば、通信ネットワークをクローリングして画像付文書データを逐次取得し、取得された画像付文書データに含まれる画像データの配置状態を値化したレイアウト評価値を算出し、画像付文書データとレイアウト評価値とを関連付けて予め記憶しておき、検索要求に該当する画像付文書データを記憶手段から検索し、検索された画像付文書データのレイアウト評価値で順位付け、順位付けられた画像付文書データを要求元に返信するため、表示端末での表示に適した画像付文書データを提供できる。

具体的に言えば、Ｗｅｂ文書のレイアウト（Ｗｅｂ文書内のテキストと画像との配置状態）を考慮したレイアウト評価値を算出し、検索されたＷｅｂ文書の順位を当該レイアウト評価値を用いて決定するため、デジタルサイネージやデジタルフォトフレーム等での表示に適したＷｅｂ文書検索結果を利用者に提供できる。

また、レイアウト評価値で順位付けができるため、既存の評価方法による評価値での順位付けを、レイアウト評価値での順位付けに変更することもできる。

請求項２に記載の画像付文書検索装置は、検索要求に該当する画像付文書データを通信ネットワーク上から検索し、検索された画像付文書データを記憶手段に記憶する手段と、検索された前記画像付文書データに含まれる画像データの配置状態を値化したレイアウト評価値を算出する手段と、前記画像付文書データを前記記憶手段から読み出して、読み出された画像付文書データのレイアウト評価値で順位付け、順位付けられた画像付文書データを要求元に返信する手段と、を有することを特徴とする。

本発明によれば、検索要求に該当する画像付文書データを通信ネットワーク上から検索し、検索された画像付文書データを記憶手段に記憶し、検索された画像付文書データに含まれる画像データの配置状態を値化したレイアウト評価値を算出し、画像付文書データを記憶手段から読み出して、読み出された画像付文書データのレイアウト評価値で順位付け、順位付けられた画像付文書データを要求元に返信するため、表示端末での表示に適した画像付文書データを提供できる。

具体的に言えば、請求項１に記載された発明の効果と同様に、Ｗｅｂ文書のレイアウト（Ｗｅｂ文書内のテキストと画像との配置状態）を考慮したレイアウト評価値を算出し、検索されたＷｅｂ文書の順位を当該レイアウト評価値を用いて決定するため、デジタルサイネージやデジタルフォトフレーム等での表示に適したＷｅｂ文書検索結果を利用者に提供できる。

また、レイアウト評価値で順位付けができるため、既存の評価方法による評価値での順位付けを、レイアウト評価値での順位付けに変更することもできる。

請求項３に記載の画像付文書検索装置は、請求項１又は２に記載の画像付文書検索装置において、前記算出する手段が、前記画像データの配置状態を値化する１以上のプリミティブな評価値を単独で又は組み合わせて前記レイアウト評価値を算出することを特徴とする。

請求項４に記載の画像付文書検索装置は、請求項３に記載の画像付文書検索装置において、前記プリミティブな評価値は、少なくとも、Ｒｔ＝画像の個数／全文字数、Ｒｌ＝画像の個数／全行数、Ｒｈ＝Σ_{ｉ＝１，…，Ｎ}画像ｉの高さ／画像付文書データの表示領域の高さ、Ｍｔ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の文字数）、Ｍｌ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の行数）、Ｍｈ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の領域の高さ）であって（但し、Ｎは画像の個数であり、画像０は画像付文書データの先頭、画像Ｎ＋１は画像付文書データの最後にあるとする）、前記算出する手段は、当該評価値のうちいずれか１以上を用いて前記レイアウト評価値を算出することを特徴とする。

請求項５に記載の画像付文書検索装置は、請求項１乃至４のうちいずれかに記載の画像付文書検索装置において、前記返信する手段が、既存の評価方法による前記画像付文書データの評価値と前記レイアウト評価値とを用いて算出された評価値で順位付けることを特徴とする。

請求項６に記載の画像付文書検索装置は、請求項１乃至５のうちいずれかに記載の画像付文書検索装置において、前記返信する手段が、順位付けられた複数の画像付文書データのうちいずれかをフィルタリングして返信することを特徴とする。

請求項７に記載の画像付文書検索プログラムは、請求項１乃至６のうちいずれかに記載の画像付文書検索装置における各手段の処理をコンピュータに実行させることを特徴とする。

本発明によれば、表示端末での表示に適したＷｅｂ文書を提供することができる。

第１の実施の形態に係る画像付文書検索装置の機能ブロック構成を示す図である。 コンテンツ蓄積部に蓄積されるデータ例を示す図である。 レイアウト評価値算出部の処理フローを示す図である。 Ｗｅｂ文書の構成例を示す図である。 Ｗｅｂ文書の構成例を示す図である。 Ｗｅｂ文書検索部の処理フローを示す図である。 第２の実施の形態に係る画像付文書検索装置の機能ブロック構成を示す図である。 順位付けに使用された評価値を含むサーチエンジンの検索結果を示す図である。 第２の実施の形態に係るＷｅｂ文書検索部の処理フローを示す図である。

以下、本発明を実施する一実施の形態について図面を用いて説明する。但し、本発明は多くの異なる様態で実施することが可能であり、本実施の形態の記載内容に限定して解釈すべきではない。

〔第１の実施の形態〕
図１は、第１の実施の形態に係る画像付文書検索装置の機能ブロック構成を示す図である。この画像付文書検索装置１００は、クローラ部１１と、コンテンツ蓄積部１２と、レイアウト評価値算出部１３と、Ｗｅｂ文書検索部１４とで構成されている。以下、これら各部の機能について詳述する。

クローラ部１１は、通信ネットワーク５００上をクローリング（巡回）し、当該通信ネットワーク５００に接続されたサーバ（不図示）のＷｅｂサイトから画像付文書データ（以下、Ｗｅｂ文書）を逐次取得して、コンテンツ蓄積部１２に随時蓄積する機能を有している。このような機能は、主にＨＴＴＰと呼ばれる通信手順に従って各Ｗｅｂサイトにアクセスし、そのアクセスにより取得されたＨＴＭＬ形式のデータを、後述するコンテンツ蓄積部１２を構成するデータベースマネジメントシステム（以下、ＤＢＭＳ）を通じて蓄積するソフトウェアプログラムにより実現可能である。なお、このような機能は、既存のサーチエンジンでも実施されている。

コンテンツ蓄積部１２は、クローラ部１１によって取得されたＷｅｂ文書や当該Ｗｅｂ文書の構成要素、レイアウト評価値算出部１３によって算出されたレイアウト評価値や既存の評価方法によって算出された評価値を関連付けて蓄積しておく機能を有している。蓄積されるデータ例については後述する。なお、このような機能は、一般のＤＢＭＳにより実現可能である。

レイアウト評価値算出部１３は、クローラ部１１によって取得されたＷｅｂ文書に含まれる画像データの配置状態（レイアウト）を値化したレイアウト評価値を算出し、コンテンツ蓄積部１２に蓄積する機能を有している。なお、この値化の代表例はレイアウトに応じた数値による数値化であるが、レイアウトを評価可能であれば記号や符号等も利用できる。

Ｗｅｂ文書検索部１４は、表示端末３００から送信された検索要求に該当するＷｅｂ文書をコンテンツ蓄積部１２から検索し、検索されたＷｅｂ文書に対して算出されたレイアウト評価値で当該Ｗｅｂ文書を順位付け、順位付けられたＷｅｂ文書を要求元の表示端末３００に返信する機能を有している。

一方、表示端末３００は、検索キーワードを含む検索要求を画像付文書検索装置１００に送信する機能や、当該画像付文書検索装置１００から返信された複数のＷｅｂ文書を順位付けられた順序で表示する機能を有している。前述したように、デジタルサイネージやデジタルフォトフレーム等の共用ディスプレイが好適な一例であるが、ブラウザ機能を有するＰＣであっても表示端末３００として利用可能である。

次に、コンテンツ蓄積部１２に蓄積されるデータについて説明する。図２は、コンテンツ蓄積部に蓄積されるデータ例を示す図である。

図２（ａ）は、クローラ部１１により蓄積されるＷｅｂ文書からなるＨＴＭＬデータベースであり、そのＷｅｂ文書の所在を示すＵＲＬをキーとして、取得されたＷｅｂ文書のＨＴＭＬが蓄積されている。

図２（ｂ）は、図２（ａ）のデータを解析して得られるＷｅｂ文書の構成要素からなる文書データベースであり、同様にＵＲＬをキーとして、タイトル情報やテキスト情報等が蓄積されている。当該ＵＲＬへのリンクが貼られた他のＷｅｂ文書のアンカーテキストの情報等も付加して蓄積することも好適な実施例となる。その他、各種のメタデータ（不図示）等、公知のサーチエンジンで実施されている検索のためのデータを抽出して蓄積してもよい。このような解析処理は、ＨＴＭＬを解析してＷｅｂ文書からこれらの各データを抽出して蓄積するプログラムを作成し、クローラ部１１によるＷｅｂ文書の蓄積タイミング又はタイマー等による定期的タイミングで、そのプログラムを起動させることにより実現可能である。

図２（ｃ）は、レイアウト評価値算出部１３により蓄積されるレイアウト評価値からなる評価値データベースであり、同様にＵＲＬをキーとして、ＨＴＭＬデータベースや文書データベースに蓄積されたＷｅｂ文書に対してレイアウト評価値算出部１３により算出されたレイアウト評価値が蓄積されている。また、評価値データベースの「評価値」の欄には、非特許文献１や特許文献１、２に開示されたような、既存の任意の評価方法によって算出された各Ｗｅｂ文書の評価値が蓄積されている。レイアウト評価値だけではなく、このような既存技術による評価値を加味して順位付けを行うことは、より好適な実施例となる。

次に、レイアウト評価値算出部１３の動作について説明する。図３は、レイアウト評価値算出部の処理フローを示す図である。

最初に、コンテンツ蓄積部１２のＨＴＭＬデータベースからＨＴＭＬを取り出す（Ｓ１０１）。ＨＴＴＰ等の通信手順に従って、Ｗｅｂ文書が置かれたＷｅｂサイトから最新のＨＴＭＬデータを直接取得することも可能である。

次いで、Ｓ１０１の後、取り出したＨＴＭＬを画像部とテキスト部とに分ける（Ｓ１０２）。ここで、その分類方法について以下説明する。

本発明では、Ｗｅｂ文書の構成のうち、画像類である部分とその他のテキスト類である部分に着目する。Ｗｅｂ文書は、一般的に、図４に示すような構成を有している。すなわち、ＨＴＭＬのうち、主に<img>タグにより記述された部分に、そのタグで指定された画像データがはめ込まれる。<img>以外にも、<object>、<video>、<iframe>等で記述される部分も「画像」とみなしてもよい。

しかし、全ての<img>タグは全て「画像」を示しているとも限らない。図４に示したように、テキスト中に、そのテキストと略同等の高さを持つ画像は、むしろ文字としての役割を果たしていることが多く、一般に「絵文字」と呼ばれている。

そこで、本発明においては、<img>、<object>、<video>、<iframe>タグによるエレメントのうち、予め決められた基準高よりも高いものを画像部に分類し、<head><!-- -->を表記上現れないコメント等として削除し、それ以外をテキスト部に分類する。

次いで、Ｓ１０２の後、画像部とテキスト部とに分けられたデータを用いてレイアウト評価値を算出する（Ｓ１０３）。ここで、レイアウト評価値の算出方法について以下説明する。

レイアウト評価値の算出方法としては、以下に示す式（１）〜式（６）のプリミティブな評価値のうち１以上を単独又は組み合わせて計算することにより求める。最初に、式（１）〜式（３）について説明する。

Ｒｔ＝総文字数比＝（画像の個数Ｎ）／（全文字数） ・・・式（１）
Ｒｌ＝総行数比＝（画像の個数Ｎ）／（全行数） ・・・式（２）
Ｒｈ＝総高比＝（Σ_{ｉ＝１，…，Ｎ}画像ｉの高さ）／（Ｗｅｂ文書の表示領域の高さ） ・・・式（３）
なお、_{ｉ＝１，…，Ｎ}は、「Σ」の下に記載されることが正確な表記である。

Ｒｔは、文字数に対する画像数の比率を示し、この数値が大きいほど、画像中心のＷｅｂ文書であることを意味する。表示端末３００への表示には、画像中心であるほうが望ましい。

Ｒｌは、文字数ではなく、テキストの行数に対する比率を示す。Ｗｅｂ文書の中には、頻繁に改行を入れてあるものもあり、そのようなＷｅｂ文書では、Ｒｔ値が大きくても、１つの画像と次の画像との間が間延びするものがあり得る。ゆえに、改行をベースにカウントすることで、その影響を小さくすることができる。なお、ＨＴＭＬにおいては、<br>や<hr>などの改行を意味するタグや、<p><h1><h2><h3><li><tr>など、そのタグブロックの後で改行することを意味するタグをカウントすることにより算出できる。

Ｒｈは、より厳密に比率を算出する方法である。例えば、<h1><h2><h3>は、それぞれ文字（テキスト）の高さが異なるため、同じ１行であっても、そのテキストが表示時に占める画面上の高さも異なる。画像についても、画像データ自体の高さや、<img>タグの属性として指定される値によって、表示上の高さが異なる。また、多くのＷｅｂ文書では、スタイルシートという仕組みにより、各タグがどのような大きさで表示されるかを個別に指定することが可能である。このような違いに応じて、実際にブラウザで表示したときに、スクロール範囲の全体内に、画像がどの程度含まれているかを、高さ方向の大きさに基づいて判定する。

なお、このような値を算出するためには、レイアウト評価値算出部１３が動作するサーバ上に、通常は端末で起動されるブラウザのうち、ＨＴＭＬを解釈して実際の表示用画像データに展開するモジュール（一般には、レンダリングエンジン等とも呼ばれる）を組み込み、このモジュールで仮想的な画面を構成するメモリ領域上に展開して算出するようなソフトウェアプログラムを作成することで実現可能である。

以上示した式（１）〜式（３）の数式では比率を計算しているため、例えば図５に示す２つのＷｅｂ文書（Ａ）及びＷｅｂ文書（Ｂ）については、Ｒｔ、Ｒｌ、Ｒｈの値はいずれも同じになる。しかしながら、表示端末３００に適切なレイアウトという観点では、より等間隔で画像が配置されているＷｅｂ文書（Ａ）の方が好ましい。

このような差を反映するための評価値算出方法として、以下に示す式（４）〜式（６）を用いることも可能である。

Ｍｔ＝最大画像間文字数＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の文字数） ・・・式（４）
Ｍｌ＝最大画像間行数＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の行数） ・・・式（５）
Ｍｈ＝最大画像間高さ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の領域の高さ）・・・式（６）
なお、_{ｉ＝０，…，Ｎ}は、「Ｍａｘ」の下に記載されることが正確な表記である。

Ｍｔ、Ｍｌ、Ｍｈは、それぞれ、画像と画像との間のテキスト数、行数、高さのうち、最大となるものを求める計算方法である。これらの数値は、より小さいほうが、より表示端末３００に適していると判定できる。あるいは、その逆数（例えば、１／Ｍｔ等）を使用すれば、数値が大きい方が、より表示端末３００に適していると判定でき、又は後述するように、係数Ｋ_ｊをかけて総合スコアを算出する場合には、その係数が負となるようにすると、算出される総合スコアが大きい方が、より表示端末３００に適していると判定できる。以降、評価値（又は後述する総合スコア）は、数値が大きいほどより表示端末３００に適しているとして説明する。

なお、ここでは、仮想的に、画像０はＷｅｂ文書の先頭にあり、画像Ｎ＋1はＷｅｂ文書の最後にあるとしている。具体的には、画像０と画像１との間の文字数を、画像１より前にある文字数（Ｗｅｂ文書が画像１から始まっているときは、０文字）とし、画像Ｎと画像Ｎ＋１との間の文字数を、画像Ｎより後ろにある文字数（Ｗｅｂ文書が画像Ｎで終わっているときは、０文字）とする。

以上より、式（１）〜式（６）のプリミティブな評価値のうち、実施形態に応じて、予め選んだ１つをレイアウト評価値の算出式として使用してもよいし、これら評価値のうち複数の値を利用して以下に示す式（７）により算出される評価値をレイアウト評価値としてもよい。また、選んだ１つ以上を逆数等した値をレイアウト評価値としてもよい。すなわち、レイアウト評価値は、少なくとも式（１）〜式（６）のプリミティブな評価値を用いて算出される。

Σ_ｊＫ_ｊ・Ｌ_ｊ＋Ｋ_０ ・・・式（７）
なお、Σ_ｊの_ｊは、「Σ」の下に記載されることが正確な表記である。また、Ｌ_ｊは、Ｒｔ、Ｒｌ、Ｒｈ、Ｍｔ、Ｍｌ、Ｍｈのうちいずれか１以上であり、Ｋ_ｊ、Ｋ_０は、予め決められた所定係数である。この係数については、いくつかのサンプルとなるＷｅｂ文書に対して、何人かの主観評価によりつけられた評価値を取得して、統計的な回帰の手法により決める方法もある。

次に、Ｗｅｂ文書検索部１４の動作について説明する。図６は、Ｗｅｂ文書検索部の処理フローを示す図である。

最初に、表示端末３００からの検索要求を受け付け、パラメータとして渡される検索キーワードを取り出す（Ｓ２０１）。

次いで、Ｓ２０１の後、取り出した検索キーワードが含まれるＷｅｂ文書をコンテンツ蓄積部１２から検索する（Ｓ２０２）。この検索は、コンテンツ蓄積部１２を構成しているＤＢＭＳに対して、文書データベースへの検索要求を発行することにより行われる。

次いで、Ｓ２０２の後、取得したＷｅｂ文書に対するレイアウト評価値や、公知技術による評価値をコンテンツ蓄積部１２から取得する（Ｓ２０３）。この取得は、コンテンツ蓄積部１２を構成しているＤＢＭＳに対して、評価値データベースへの検索要求を発行することにより行われる。

次いで、Ｓ２０３の後、検索キーワードの一致度Ｃと、レイアウト評価値Ｌと、公知技術による評価値Ｅとにより、例えば以下に示す式（８）を用いて、各Ｗｅｂ文書の総合スコアＳを算出する（Ｓ２０４）。

Ｓ＝Ｋｌ×Ｌ＋Ｋｅ×Ｅ＋Ｋｃ×Ｃ ・・・式（８）
なお、Ｋｌ、Ｋｅ、Ｋｃは、予め決められた所定係数である。この係数については、いくつかのサンプルとなる検索要求と、それにより検索されたＷｅｂ文書に対して何人かの主観評価によりつけられた評価値を取得して、統計的な回帰の手法により決める方法もある。

最後に、Ｓ２０４の後、Ｓ２０２で得られた検索結果を総合スコアＳの降順にソートし、Ｓ２０１で受け付けた検索要求に対する返信として表示端末３００に返却する（Ｓ２０５）。必要に応じて、例えば上位１０位までのＷｅｂ文書のみを返すようにフィルタリングするようにしてもよい。

〔第２の実施の形態〕
続いて、第２の実施の形態について説明する。第１の実施の形態と異なり、表示端末３００からの検索要求があったときに初めてレイアウト評価値を算出することを特徴としている。

図７は、第２の実施の形態に係る画像付文書検索装置の機能ブロック構成を示す図である。この画像付文書検索装置１００は、サーチエンジン部１５と、レイアウト評価値算出部１３と、Ｗｅｂ文書検索部１４とで構成されている。

サーチエンジン部１５は、表示端末３００から送信された検索要求に該当するＷｅｂ文書を通信ネットワーク５００上から検索し、検索されたＷｅｂ文書をデータ記憶部（不図示）に一時的に記憶する機能を有している。サーチエンジン部１５としては、例えば、http://www.goo.ne.jp/等で公知に実施されているサーチエンジンを利用する。なお、単に、検索キーワードに対して順位付けされた検索結果を取得するだけでもよいが、図８に示すように、順位付けに使用された評価値（検索キーワードとの一致度も加味された評価値）も取得してもよい。

レイアウト評価値算出部１３は、サーチエンジン部１５によって検索されたＷｅｂ文書に含まれる画像データの配置状態（レイアウト）を値化したレイアウト評価値を算出する機能を有している。

Ｗｅｂ文書検索部１４は、Ｗｅｂ文書をデータ記憶部から読み出して、読み出されたＷｅｂ文書のレイアウト評価値で順位付け、順位付けられたＷｅｂ文書を要求元の表示端末３００に返信する機能を有している。

なお、本実施の形態では、検索されたＷｅｂ文書をデータ記憶部に一時的に記憶することを記載しているが、これは、第１の実施の形態で説明したようなＷｅｂ文書を予め蓄積しておくものとは異なり、表示端末３００から検索要求された際に取得したＷｅｂ文書を記憶するものであって、自然法則を利用していることを明確にしたものである。

次に、Ｗｅｂ文書検索部１４の動作について説明する。図９は、Ｗｅｂ文書検索部の処理フローを示す図である。

最初に、表示端末３００からの検索要求を受け付け、パラメータとして渡される検索キーワードを取り出す（Ｓ３０１）。

次に、Ｓ３０１の後、サーチエンジン部１５の機能を利用して、取り出した検索キーワードが含まれるＷｅｂ文書を通信ネットワーク５００上から検索し、順位付けられた検索結果のＷｅｂ文書を取得する（Ｓ３０２）。なお、このときに取得するＷｅｂ文書としては、例えば上位１００件等のように、多めに取得する方が好ましい。

次いで、Ｓ３０２の後、レイアウト評価値算出部１３の機能を利用して、取得された例えば上位１００件の各Ｗｅｂ文書のレイアウト評価値を算出する（Ｓ３０３）。算出方法は、第１の実施の形態で説明したものと同じである。

次いで、Ｓ３０３の後、レイアウト評価値によりフィルタリングして表示端末３００に返却する（Ｓ３０４）。具体的なフィルタリング方法としては、例えば、レイアウト評価値が予め決められた値に達していないものをフィルタリングする方法や、レイアウト評価値の降順にソートして、その上位１０件のみを返却する方法が挙げられる。また、Ｓ３０２で評価値（第１の実施の形態で説明した公知技術による評価値Ｅや、検索キーワードの一致度Ｃ）も取得できる場合には、第１の実施の形態と同様に、式（８）を用いて総合スコアを算出し、降順にソートして上位１０件のみを返却する方法も挙げられる。

これまで、２つの実施の形態について説明したが、これら実施形態によって得られる効果について以下説明する。

例えば、「横浜市内の飲食店情報を順次表示する共用ディスプレイ」を表示端末３００に使用する場合には、「横浜市＆飲食店」といった検索キーワードを当該共用ディスプレイに設定する。これにより、この共用ディスプレイは、画像付文書検索装置１００に検索要求を検索キーワードと共に送信することになる。そして、その結果として、その共用ディスプレイは、「共用ディスプレイでの表示に適したＷｅｂ文書」を得ることができるようになる。得られた結果は、例えば特許文献３のような公知の技術により、検索結果を示すＷｅｂ文書に対して利用者の操作を要することなく、自動的にＷｅｂ文書自体を逐次表示することができる。これにより、特に操作を必要とせず、適切な「横浜市内の飲食店情報を順次表示する共用ディスプレイ」とすることができる。

以上より、第１の実施の形態によれば、通信ネットワーク５００上をクローリングしてＷｅｂ文書を逐次取得し、取得されたＷｅｂ文書に含まれる画像データのレイアウトを数値化したレイアウト評価値を算出し、Ｗｅｂ文書とレイアウト評価値とを関連付けて予めコンテンツ蓄積部１２に蓄積しておき、表示端末３００からの検索要求に該当するＷｅｂ文書をコンテンツ蓄積部１２から検索し、検索されたＷｅｂ文書のレイアウト評価値で順位付け、順位付けられたＷｅｂ文書を要求元の表示端末３００に返信するので、表示端末３００での表示に適したＷｅｂ文書を提供できる。

第２の実施の形態によれば、表示端末３００からの検索要求に該当するＷｅｂ文書を通信ネットワーク５００上から検索し、検索されたＷｅｂ文書をデータ記憶部に一時的に記憶し、検索されたＷｅｂ文書データに含まれる画像データの配置状態を数値化したレイアウト評価値を算出し、Ｗｅｂ文書データをデータ記憶部から読み出して、読み出されたＷｅｂ文書データのレイアウト評価値で順位付け、順位付けられたＷｅｂ文書を要求元の表示端末３００に返信するので、表示端末３００での表示に適したＷｅｂ文書を提供できる。

具体的に言えば、Ｗｅｂ文書のレイアウト（Ｗｅｂ文書内のテキストと画像との配置状態）を考慮したレイアウト評価値を算出し、検索されたＷｅｂ文書の順位を当該レイアウト評価値を用いて決定するため、デジタルサイネージやデジタルフォトフレーム等での表示に適したＷｅｂ文書検索結果を利用者に提供できる。

また、レイアウト評価値で順位付けができるため、既存の評価方法による評価値での順位付けを、レイアウト評価値での順位付けに変更することもできる。

最後に、本実施の形態で説明した画像付文書検索装置１００は、コンピュータで構成される。すなわち、コンテンツ蓄積部１２と、データ記憶部とは、メモリやハードディスク等の記憶手段で実現される。また、クローラ部１１と、レイアウト評価値算出部１３と、Ｗｅｂ文書検索部１４と、サーチエンジン部１５とは、ＣＰＵ等の演算手段で実現され、プログラムで実行される。

また、本実施の形態で説明した画像付文書検索装置１００をプログラムとして光記憶装置や磁気記憶装置等の記録媒体に読出可能に記録し、この記録媒体をコンピュータに組み込んだり、若しくは記録媒体に記録されたプログラムを、任意の通信回線を介してコンピュータにダウンロードしたり、又は記録媒体からインストールし、該プログラムでコンピュータを動作させることにより、上述した各処理動作を画像付文書検索装置１００として機能させることができるのは勿論である。

１００…画像付文書検索装置
１１…クローラ部
１２…コンテンツ蓄積部
１３…レイアウト評価値算出部
１４…Ｗｅｂ文書検索部
３００…表示端末
５００…通信ネットワーク
Ｓ１０１〜Ｓ１０３、Ｓ２０１〜Ｓ２０５、Ｓ３０１〜Ｓ３０４…ステップ

Claims (7)

1. 通信ネットワークをクローリングして画像付文書データを逐次取得する手段と、
   取得された前記画像付文書データに含まれる画像データの配置状態を値化したレイアウト評価値を算出する手段と、
   前記画像付文書データと前記レイアウト評価値とを関連付けて予め記憶しておく手段と、
   検索要求に該当する画像付文書データを前記記憶手段から検索し、検索された画像付文書データのレイアウト評価値で順位付け、順位付けられた画像付文書データを要求元に返信する手段と、
   を有することを特徴とする画像付文書検索装置。
2. 検索要求に該当する画像付文書データを通信ネットワーク上から検索し、検索された画像付文書データを記憶手段に記憶する手段と、
   検索された前記画像付文書データに含まれる画像データの配置状態を値化したレイアウト評価値を算出する手段と、
   前記画像付文書データを前記記憶手段から読み出して、読み出された画像付文書データのレイアウト評価値で順位付け、順位付けられた画像付文書データを要求元に返信する手段と、
   を有することを特徴とする画像付文書検索装置。
3. 前記算出する手段は、
   前記画像データの配置状態を値化する１以上のプリミティブな評価値を単独で又は組み合わせて前記レイアウト評価値を算出することを特徴とする請求項１又は２に記載の画像付文書検索装置。
4. 前記プリミティブな評価値は、
   少なくとも、Ｒｔ＝画像の個数／全文字数、Ｒｌ＝画像の個数／全行数、Ｒｈ＝Σ_{ｉ＝１，…，Ｎ}画像ｉの高さ／画像付文書データの表示領域の高さ、Ｍｔ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の文字数）、Ｍｌ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の行数）、Ｍｈ＝Ｍａｘ_{ｉ＝０，…，Ｎ}（画像ｉと画像ｉ＋１との間の領域の高さ）であって（但し、Ｎは画像の個数であり、画像０は画像付文書データの先頭、画像Ｎ＋１は画像付文書データの最後にあるとする）、
   前記算出する手段は、
   当該評価値のうちいずれか１以上を用いて前記レイアウト評価値を算出することを特徴とする請求項３に記載の画像付文書検索装置。
5. 前記返信する手段は、
   既存の評価方法による前記画像付文書データの評価値と前記レイアウト評価値とを用いて算出された評価値で順位付けることを特徴とする請求項１乃至４のうちいずれかに記載の画像付文書検索装置。
6. 前記返信する手段は、
   順位付けられた複数の画像付文書データのうちいずれかをフィルタリングして返信することを特徴とする請求項１乃至５のうちいずれかに記載の画像付文書検索装置。
7. 請求項１乃至６のうちいずれかに記載の画像付文書検索装置における各手段の処理をコンピュータに実行させることを特徴とする画像付文書検索プログラム。

Images