JP2013502631A

JP2013502631A - データ検索および言語翻訳のための方法および手段

Info

Publication number: JP2013502631A
Application number: JP2012525129A
Authority: JP
Inventors: ヴァーナネン，ミッコ
Original assignee: ヴァーナネン，ミッコ
Priority date: 2009-08-21
Filing date: 2010-08-10
Publication date: 2013-01-24
Also published as: US20160154810A1; EP2341450A1; EP2629211A1; US9953092B2; CN102483757A; EP2467792A1; AU2010285122A1; WO2011020742A1; CA2770563A1; US20110047149A1; US20120143858A1

Abstract

本発明は、データ検索および翻訳に関する。特に、本発明は、インターネットまたはデータベースから文書を検索することに関する。さら、本発明は、文書、ウェブページ、画像または音声中の言葉をある言語から別の言語に翻訳することにも関する。本発明に係る少なくとも１つのコンピュータを含むコンピュータで実施される方法は、少なくとも１つの検索語を含む検索クエリを受信する工程と、少なくとも１つの検索語に対して少なくとも１つの同義語を引き出す工程と、前記受信した検索クエリを少なくとも１つの同義語で拡張する工程と、前記拡張した検索クエリを用いて少なくとも１つの文書を検索する工程と、前記拡張したクエリによって得られた検索結果を取り出す工程と、少なくとも１つの検索語が出現する文脈に基づいて、前記同義語拡張した検索結果をランク付けする工程とを特徴とする。本発明の最良の形態は、より優れた検索結果を提供するインターネット検索エンジンであるとみなされる。
【選択図】図１

Description

本発明は、データ検索および言語翻訳に関する。特に、本発明は、インターネットまたはデータベースから文書を検索することに関する。さらに、本発明は、文書、ウェブページ、画像または音声中の言葉をある言語から別の言語に翻訳することにも関する。

現代の会社員の大部分が、全世界に広がるインターネット検索を一般的に経験している。検索経験は苛立たしいものだが、探している文書を見つけることができなかったり、関連すると思われる文書が理解できない言語で書かれていたりすることが非常に多い。これによって、世界経済の生産性が大きく妨げられている。

インターネット検索エンジンならびに機械翻訳ソフトウェアが先行技術で知られる。先行技術の状況について記載している文献の１つは、国際公開第２００９／００２８６４Ａ２号であり、その内容は参照として本明細書に引用されている。この先行技術では、例えば、「箱を船で送る方法(How to ship a box)」という形態の検索クエリをコンピュータに入力する。この先行技術では、クエリ中の用語を同義語拡張する。例えば、「船で送る（ｓｈｉｐ）」という単語は、例えば、「船で運ぶ（ｂｏａｔ）」および「送る（ｓｅｎｄ）」という同義語を有することができる。拡張された同義語群は、文脈上無関係である拡張された同義語を取り除くことによって制限される。すなわち、検索クエリ中の用語の同義語は、この先行技術によれば、受信した検索クエリ中の用語が出現する文脈に基づいて選択される。例えば、先行技術では、トロール漁船に関係する検索結果は、箱を船で送ることとはおそらく関連がないため、このような検索結果は破棄される。

研究中の本発明は、コンピュータ化されたデータ検索クエリならびにある言語から別の言語へのコンピュータ化された言語翻訳を効果的に向上させるためのシステムおよび方法に関する。

先行技術には深刻な欠点がある。そこで、本発明者は、序論で述べた人が１箱の魚を船で送ろうとしている場合はどうするのかと尋ねる。結局、トロール漁船に関する検索結果は全く無関係にはなり得ない。

先行技術のデータの検索および翻訳方法は、少なくとも、同義語拡張において誤った単独の決定を行い、それにより、検索を所望の検索結果に回復させることができないために検索の実行全体において間違った結果を生じさせるという点で、不完全である。

本発明のさらなる目的は、上記問題を解決し、品質が向上した検索結果および翻訳を生成することにある。

本出願では、単語Ａの「同義語」を、単語Ａと類似した意味を有するが異なる単語である単語Ｂとして解釈する。単語のスペルミスおよびタイプミスも、本出願ではその単語を同義語に変更することが考慮される。すなわち、本発明によれば、「ａｐｌｅ」は「ａｐｐｌｅ」の同義語になり得る。

本出願では、「文脈」とは、単語が提示されているか、あるいは理解され得る／理解されるべき総体的かつ全体的な論理的、物理的および／または哲学的な環境と解釈される。

「同義語拡張」とは、元の検索および／または翻訳クエリを類似した意味を有する単語群に拡張することと解釈される。例えば、「Big Aple」というクエリは、「大きなＡｐｌｅ(Big Aple)」、「大型のリンゴ（large apple)」、「大きなリンゴ（Big Apple）」、「ニューヨーク市」、「ＮＹＣ」にまで同義語拡張され得る。

「自然言語」とは、フランス語、ドイツ語、エスペラント語、英語または中国語などの、過去、現在または未来の話し言葉および／または書き言葉を意味する。

本発明の一態様では、検索クエリを検索語の同義語で拡張する。拡張したクエリに基づいて検索結果を取り出す。但し、有効な同義語は、単に無関係であるように見えるという理由だけで除外されることはない。例えば、「箱を船で送る方法」というクエリの場合、漁船であるトロール船は除外されない。ここでは、上記理由から、より大きな検索結果群がおそらく生じるであろう。トロール漁船に関する検索結果は、同義語拡張した検索結果群の中にその時点ではなお存在している。

次いで、本発明では、同義語拡張した検索結果をそれらの文脈上の関連性に基づいてランク付けする。同義語拡張した検索結果に対する文脈によるランク付けを行うために使用される文脈情報は、世界的に知られているパラメータ、ユーザのコンピュータから入手可能なデータ、ウェブページの最近の閲覧履歴、同義語拡張した検索クエリの中に挙げられているサイトに過去にユーザがアクセスした方法の統計学的分析、ユーザのコンピュータ上でアプリケーションにより開かれているデータ、およびクエリが起動される文脈を特徴づける任意の他の情報などの様々な情報源に由来するものであってもよい。例えば、ユーザが、どちらも一般に知られている魚である「タラ」および／または「サケ」という単語でブラウザウィンドウを開いた場合、「船で送る」という単語に最も近い同義語ではないが、「トロール漁船」の文脈上の関連性は非常に強い。従って、トロール漁船を含む検索結果は、検索結果に含まれるだけでなく、ユーザに示される最終的な検索結果リストでは上位にランク付けされる。

本発明の別の使用状況では、「箱を船で送る方法」という検索クエリが、アラビア砂漠（すなわちサウジアラビア）に存在することが知られているコンピュータから届く。同じ同義語拡張した検索結果群が取り出される。その時、ユーザがＦｅｄＥｘ（商標）のウェブサイトを１５秒間訪問したと仮定する。魚の箱の配達も行うトロール漁船を主題とする検索結果が取り出された結果の中にあったとしても、それは、その文脈上の関連性に基づいて上位にランク付けされることはない。サウジアラビアの郵便局ならびにそこに支店を有するあらゆる国際宅配便のウェブサイトは、それらの文脈上の関連性に基づいてかなり上位に上る。

さらに、ユーザがソービニヨンブラン（白身魚に合う白ワインのための有名なブドウ）に関する文書を自分のデスクトップ上で開いている場合、箱および配達を主題としたトロール漁船の検索結果を支持してランク付けが変更される。

本発明では、単独の検索語に対して間違った決定を行う不完全な文脈による決定によって検索結果が失われることはない。これは、本発明の顕著な利点である。

本発明の別の実施形態は、文書をある言語から別の言語に翻訳する際に本発明の上述した同じ技術を活用する。本発明のいくつかの実施形態では、別の言語に翻訳される単語は検索語に類似している。英語に翻訳される文が、例えばフィンランド語であると仮定する：「Matti paatti kayda kylassa. Saavuttuaan Liisa tarjosi kahvit tuvassa」。同義語拡張した翻訳は、以下のようなものになり得る：
１）「Ｍａｔｔｉは訪問することに決めた。到着するとすぐに、Ｌｉｉｓａは、居間でコーヒーを出した」
２）「Ｍａｔｔｉは立ち寄ることに決めた。到着するとすぐに、Ｌｉｉｓａは家の中でコーヒーを出した」
３）「Ｍａｔｔｉは村を訪問することに決めた。到着するとすぐに、Ｌｉｉｓａは、居間でコーヒーを出した」
４）「Ｍａｔｔｉは村に立ち寄ることに決めた。到着するとすぐに、Ｌｉｉｓａは家の中でコーヒーを出した」など。

ここでは、異なる方法で組み合わせられる異なる拡張した同義語の異なる置き換えおよび組み合わせによって、かなり大きな検索結果のリストになるため、検索結果のリストは非常に長くなる。本発明によれば、広範囲な有効に拡張した同義語を有する検索結果リストは望ましい。そこで、同義語拡張した検索結果のこの非常に長いリストに対して、文脈に基づくランク付けを行う。

文脈に基づくランク付けは、同じ言語の他の文書から観察される一般的な統計学的傾向、翻訳されるテキストを取り囲む言葉、ユーザのコンピュータから入手可能なデータ、ウェブページの最近の閲覧履歴および任意の他の情報に基づいて行うことができる。ここで、何らかの理由で、例えばその出来事がヘルシンキで行われることを文脈が示している場合、一般にフィンランド語を話す人は、その国で最も大きな都市であり首都であるヘルシンキを村とは呼ばないため、翻訳１〜２がより上位にランク付けされる。同様に、ＭａｔｔｉがＬｉｉｓａにとって見知らぬ人であることを文脈が示している場合、「kayda kylassa」が訪問に対する社会性を示し、また、ＭａｔｔｉおよびＬｉｉｓａが互いに知り合いでない場合、Ｌｉｉｓａの居間にＭａｔｔｉが個人的な訪問をしているというよりは、彼らは村で出会い、（例えば、カフェである家の中で）単にＬｉｉｓａが出したコーヒーを飲むと仮定する方が文脈上適切であるため、文脈から翻訳４がより上位にランク付けされる。

従って、検索に最も適合する文書を決定するだけでなく、本発明を使用して、最も適合する翻訳を生成することができる。同義語拡張において完全に間違った決定が回避され、入手可能な十分な文脈情報がある限り、その結果は、かなり向上した翻訳となる。

本発明の上記利点のいくつかまたは全ては、同義語拡張／文脈ランク付け技術を用いて外国語のページを翻訳し、かつ同様に同義語拡張／文脈ランク付け技術によって取り出される最も適切な検索結果を表示するブラウザおよび検索エンジンによって得られる。従って、本発明は最も広範囲な検索を保証し、最も論理的に適切な検索結果が最初に表示される。

本発明に係るコンピュータで実施される方法は、少なくとも１つのコンピュータを含み、
− 少なくとも１つの検索語を含む検索クエリを受信する工程と、
− 少なくとも１つの検索語に対して少なくとも１つの同義語を引き出す工程と、
− 受信した検索クエリを少なくとも１つの同義語で拡張する工程と、
− 前記拡張した検索クエリを用いて少なくとも１つの文書を検索する工程と、
− 前記拡張したクエリによって得られた検索結果を取り出す工程と、
− 少なくとも１つの検索語が出現する文脈に基づいて、前記同義語拡張した検索結果をランク付けする工程と、
を特徴とする。

本発明に係る構成は、少なくとも１つのコンピュータを含み、
− 少なくとも１つの検索語を含む検索クエリが受信されるように構成されていること、
− 少なくとも１つの検索語に対して少なくとも１つの同義語が引き出されるように構成されていること、
− 受信した検索クエリが少なくとも１つの同義語で拡張されるように構成されていること、
− 少なくとも１つの文書が前記拡張した検索クエリを用いて検索されるように構成されていること、
− 前記拡張したクエリによって得られた検索結果が取り出されるように構成されていること、
− 前記同義語拡張した検索結果が、少なくとも１つの検索語が出現する文脈に基づいてランク付けされるように構成されていること、
を特徴とする。

本発明に係る記憶装置は、コンピュータで実施される検索方法を実行しかつ／または上記検索構成を動作させることできるソフトウェアを含む。

少なくとも１つのコンピュータを含み、テキストをある言語から別の言語に翻訳するための本発明に係るコンピュータで実施される方法は、
− 少なくとも１つの翻訳される用語を含む翻訳クエリを受信する工程と、
− 少なくとも１つの翻訳される用語の少なくとも１つの同義語を引き出す工程と、
− 受信した翻訳クエリを少なくとも１つの同義語で拡張する工程と、
− 前記拡張した翻訳クエリによって得られた翻訳結果を取り出す工程と、
− 少なくとも１つの翻訳される用語が出現する文脈に基づいて、前記同義語拡張した翻訳結果をランク付けする工程と、
を特徴とする。

少なくとも１つのコンピュータを含み、テキストをある言語から別の言語に翻訳するための本発明に係るコンピュータで実施される構成は、
− 少なくとも１つの翻訳される用語を含む少なくとも１つの翻訳クエリが受信されるように構成されていること、
− 少なくとも１つの翻訳される用語の少なくとも１つの同義語が引き出されるように構成されていること、
− 受信された翻訳クエリが少なくとも１つの同義語で拡張されるように構成されていること、
− 前記拡張した翻訳クエリによって得られる翻訳結果が取り出されるように構成されていること、
− 前記同義語拡張した翻訳結果が、少なくとも１つの翻訳される用語が出現する文脈に基づいてランク付けされるように構成されていること、
を特徴とする。

本発明に係る記憶装置は、コンピュータで実施される翻訳方法を実行してかつ／または上記翻訳構成を動作させることができるソフトウェアを含む。

本発明に係る記憶装置は、ファイルシステムの専用部分からデータを読み込んで、検索および／または翻訳のための文脈データを抽出するように構成されていることを特徴とするソフトウェアを含む。

本発明に係る検索エンジンソフトウェアは、ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されているということを特徴とする。

本発明に係るオペレーティングシステムソフトウェアは、ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されているということを特徴とする。

本発明に係るソフトウェアアプリケーションは、ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されているということを特徴とする。

本発明に係るデータベースソフトウェアは、ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されているということを特徴とする。

さらに、上記利点が得られる実施形態を参照すると、本発明の最良の形態は、より良好な検索結果を提供するインターネット検索エンジンであるとみなされる。

以下、添付の図面に従って例示的な実施形態を参照しながら、本発明についてより詳細に説明する。

本発明の検索方法の一実施形態を示す。本発明に係る検索および／または翻訳を行うために使用される構成の一実施形態２０を示す。本発明に係る翻訳方法の一実施形態３０を示す。本発明に係る視聴覚入力を用いた翻訳方法の一実施形態４０を示す。

実施形態の一部は、従属請求項に記載されている。

図１は、フローチャートとして、本発明に係る最適なコンピュータ化された検索方法を示す。段階１００では、ユーザは検索クエリを入力する。例えば、キーボードまたは他のコンピュータ周辺機器を用いてテキストを入力することによって、または、コンピュータで音声認識を行ってクエリ用語を抽出することが好ましい場合には音声によって、および／またはコンピュータによってパターン認識を行ってクエリ用語を抽出することが好ましい場合には画像によって、入力を行う。本発明によれば、例えば、ユーザは、キーボードで「箱を船で送る方法」と入力することができ、あるいは、「箱を船で送る方法」と言うことができ、音声認識は、言葉を認識し、それらを検索語として使用し、かつ／または、ユーザは、カメラまたは携帯電話で船上に箱を積んだ船の画像を撮ることができ、パターン認識ソフトウェアは、船および箱を認識し、これらを検索語として抽出し、かつ／または、ユーザは、「箱を船で送る方法」と書かれたサインの画像を撮り、コンピュータは、オブジェクト文字認識（ＯＣＲ）などのパターンおよび／または文字認識を使用して、サイン中の文字および言葉を識別する。本発明によれば、これらの入力方法を組み合わせて使用することもできる。例えば、ユーザは、「方法(how to)」と書き、船上の箱の画像を撮り、書いた「方法」という言葉とパターン認識された「船で送る(ship)」および「箱(box)」という言葉を組み合わせて、本発明に係る検索クエリを形成する。同様に、音声とテキストおよび画像と音声、または、実際には３種類全ての入力形態を、本発明に従って組み合わせて使用することができる。コンピュータによって到着もしくは認識順に用語を配置するか、あるいはユーザが検索語の順序を指定することができ、かつ／または、コンピュータが、本発明に従って認識された検索語に基づいて全検索クエリをユーザに提案することができる。

段階１１０では、検索クエリを検索語の同義語で拡張する。「方法(how to)」を句として認識し、「どのようにして(in what way)」という同義語で拡張することができ、「船で送る（ｓｈｉｐ）」を、「船で運ぶ（ｂｏａｔ）」および「送る（ｓｅｎｄ）」などの同義語で拡張することができ、「箱」を、「四角い物（ｓｑｕａｒｅ）」および「小包」などの同義語で拡張することができる。同じ意味を有する言葉だけでなく、同義語拡張は、明らかに表記が異なる単語を拡張する。例えば、本発明によれば、「中心（ｃｅｎｔｒｅ）」（英国英語）を「中心（ｃｅｎｔｅｒ）」（米国英語）に拡張する。本発明のコンピュータシステムは、同義語拡張における音声上の綴りの間違いによって、あるいは同義語拡張前に分離によって生じたと思われる「ｂｏｋｓ」「ｓｉｐ」「ｈｏｕ」などのスペルミスを修正することができる。さらに、本発明のコンピュータシステムは、タイプミスによるスペルミスを修正することができ、例えば、本発明によれば、ＱＷＥＲＴＹキーボードで起こり得る間違いは、「ｂｏｚ」、「ｓｈｉｏ」、「ｈｏｑ」である。同様に、本コンピュータシステムは、異なる格変化（state）の名詞を拡張することができ、かつ／または、単語を異なる表記形式から標準形式に修正する。例えば、フィンランド語は、名詞に多くの格変化を有することで有名である。湾(ｂａｙ)＝ｌａｈｔｉは、「ｌａｈｄｅｌｌａ＝湾で(on the bay)」または「ｌａｈｄｅｓｓａ＝湾で(in the bay)」と記載される。本発明のいくつかの実施形態では、同義語拡張によって、検索語を異なる言語格変化にまで拡張する。上記例では、「ｌａｈｄｅｌｌａ」という検索語を、本発明によれば、「ｌａｈｄｅｓｓａ」、「ｌａｈｔｉ」および、場合によりその名詞の他の格変化も含むように拡張する。

本発明のいくつかの実施形態では、利用可能な計算能力などの実際的な限界によって検索語を制限するために、検索語が出現する文脈に基づいて検索クエリからいくつかの用語を省略することができる。

段階１２０では、拡張したクエリに基づいて検索結果を取り出す。クエリを拡張する程、検索結果の数は大きくなる。本発明のいくつかの実施形態では、拡張した検索クエリを、同一または異なるコンピュータで同時または連続的に実行されるいくつかの異なる検索クエリに分割し、別々の各クエリの検索結果を組み合わせて、拡張した検索クエリに対して全体的な検索結果を形成する。本発明のいくつかの実施形態では、組み合わせた検索結果のリストから冗語が取り除かれることが特に好ましい。

段階１３０では、検索結果を文脈によりランク付けする。本発明では、ランク付けは、同義語拡張した結果群に基づくことが重要である。同義語拡張により検索領域を増加させ、より多くの検索結果を提供するが、それらのうちの一部は、ユーザにとって望ましくないものであり、さらには望ましいものでない可能性が高い。本発明によれば、同義語拡張した検索結果群に課される文脈によるランク付けの複合的相乗効果は重要である。同義語拡張で使用される文脈規則によって省略された検索結果は、同様に拡張した検索クエリに一致する一般に数百万までは行かなくとも数百の検索結果（同義語拡張が拡張される程度による）の下に埋もれる可能性はあるが、本発明によれば、検索結果群の中になお存在している。ここで、これらの全ての結果を文脈によりランク付けする場合、文脈に最も適合している限り、同義語拡張した検索結果中の１００万番目のシード番号にある検索結果は最初の場所に現れる。

文脈データ（すなわち同義語拡張した検索結果をランク付けする文脈を定義するためのデータ）は、ユーザの過去の閲覧行動、ユーザの位置、時間、日付、ユーザの国籍、ユーザのコンピュータ上のデータ、一般的な人の閲覧行動、言葉の一般的な統計および頻度分析、ならびにユーザのコンピュータ上のアプリケーションで開かれているデータから推測してもよい。

ユーザが一貫した閲覧行動を有する場合、ユーザの過去のウェブページを用いて文脈を定義することは好ましいが、多くの人々はそのような行動を有していない。企業イントラネットを確認した後、新聞をオンラインで読み、オークションサイトまたは広告を調べる人の場合、意味のある文脈データを決定するのに長い閲覧履歴が必要となるかもしれない。本発明の好ましい一実施形態は、コンピュータ上で開いているアプリケーションを使用してランク付けで使用される文脈データを定義する。例えば、ユーザが専門用語（例えば、天文用語の「ＮＧＣ２５４７」）を用いてワープロを開いている場合、「スター（ｓｔａｒ）」という検索語は、ハリウッドまたはボリウッド（インド映画産業）の「スター」ではなく、実際に宇宙の「星」の物体を意味していることがすぐに示唆される。この特定の検索では、有名人に関連する文書は、文脈によりランク付けされた同義語拡張した検索結果のリスト中では最後の場所にランク付けされる。宇宙の星を主題にした文書は、より上位にランク付けされ、ＮＧＣ星表（ＮＧＣ：New General Catalogue）番号を有する星を主題にした文書は、さらに上位にランク付けされるが、星団ＮＧＣ２５４７中の星に関する記事は、さらに上位にランク付けされる。ＮＧＣ星表番号への興味が明らかであっても、人気急上昇であると断言されているハリウッド女優に関する記事は、当然ながら、検索の視点ではその記事も文脈上の利点を有するため、他の有名人の記事よりもリスト上では上位に引き上げられる。

より詳細には、文脈に基づくランク付けは、本発明に係るいくつかの異なる方法および手段によって行うことができる。「出現する文脈」とは、少なくとも１つの検索語がその中に現れる文脈、すなわち少なくとも１つの検索語が出現する文脈を意味する。例えば、ユーザが、検索エンジンまたはプログラムに「ロンドンへのフライト」という検索クエリを入力した場合、これらの検索語が出現する文脈は、ユーザが検索クエリを行った際にユーザのコンピュータ上にある他のアプリケーション中のデータおよび検索語がその時現れている文脈に関連する任意のデータを含む。ユーザが「３月1日〜３日にロンドンに訪問」という言葉を含むＥメールメッセージを開いており、「ロンドンへのフライト」という検索語が３月1日〜３日の間にロンドンに行く人の文脈に現れている場合、３月１日〜３日の任意の出発直前の２泊３日のパッケージが文脈により上位にランク付けされる。従って、「出現する文脈」とは、ユーザのコンピュータ上の文脈データおよび／または検索語が現れる際にユーザのコンピュータがアクセスした（すなわち、検索エンジンおよび／またはプログラムに提供された）文脈データを意味する。

本発明の一実施形態では、本システムは、開いているアプリケーション、Ｅメール、メッセージ、一時的なフォルダ、デスクトップ、カレンダ、クロック、ＧＰＳチップ、オペレーティングシステム、過去に閲覧したウェブページなどの文脈から言葉または数を選別する。本発明によれば、文脈を定義する言葉、数または他の制約要因の選別を、ランダムに、または、いくつかのアルゴリズムによって、あるいは、いくつかの実施形態では、さらにユーザによって行うことができる。ここでは、本システムは、同義語拡張した検索語、典型的には膨大な数の検索結果、および文脈を定義する用語を有する。

ここで、選択された文脈用語に最も類似性が高い文書を最初に配置する順序で、検索結果を再配置することができる。

本発明の単純な一実施形態では、受信した検索結果を、文脈用語による一般的なヒット順で単純にランク付けする。「箱を船で送る方法」という検索クエリを用いた先の例で、ユーザが、「急いで寿司レストランに魚を船で送る」というタイトルのウェブページを開いていると仮定し、例えば、本システムが、おそらく世界最大の漁港であるスペインのビゴにいることを知っていると仮定する。本発明によれば、「魚」、「急いで」、「寿司」および「レストラン」という文脈用語が選択される。ここでは、ビゴの埠頭に着いた後、氷箱に入れて直送で寿司用の切り身を送るトロール漁船について記載している文書は、検索結果の中ではおそらく一般に百万番目などのシードで埋もれる。しかし、本明細書は、最高頻度の文脈用語に注目し、文脈によるランク付けではそれらを最初の場所に再配置する。その最も単純な実施形態では、本発明の文脈に基づくランク付けは、取得した文脈用語のみに基づく最初の検索結果に対して新しい検索を実行するものである。

異なる検索語および／または文脈用語は異なる重みを有していてもよく、その重みは、ユーザまたは本システムによって割り当てられるか、ネットワークから更新されるか、あるいは、本発明に従ってコンピュータに予めプログラムされ得ることを理解されたい。

文脈用語は、単に平易な言葉または数ではなく関数であってもよく、例えば、文脈用語は、日付、時間、位置などの関数形式で取得することができ、すなわち、文脈用語は、平易な意味を超える関数または条件付きとすることができることも理解されたい。

一実施形態では、文脈によるランク付けを文脈オントロジに基づいて行う。オントロジとは、オントロジ（コンピュータ科学：通常は階層的であり、かつ全ての関連した実体およびそれらの関係を含むいくつかの知識範囲の厳密かつ網羅的な体系。出典：Ｗｏｒｄｎｅｔ）を意味する。

本発明によれば、単語はオントロジを有していてもよく、例えば、「アップル（ａｐｐｌｅ）」という単語は、それが一般に果物の一例ならびに「カルヴィルブラン(Calville Blanc)（フランスの料理用のリンゴ）」または、「グラニースミス（Granny
Smith）（しっかりした味を有するオーストラリアの緑色のリンゴ）または「レッドデリシャス（Red
Delicious）（米国で特に幅広い消費者の支持を有する明赤色のリンゴ）」などの属から種（品種）まで、およびカリフォルニアの人気の高いパーソナルコンピュータであるというオントロジを有する。上記に加えて、「アップル」という単語は、条件付きのオントロジを有する場合があり、例えば、「ビッグ（Ｂｉｇ）」という接頭辞を有し、かつ大文字で「ビッグアップル（Big Apple)」となっている場合はニューヨーク市を意味する。

単語のオントロジは典型的に、少なくとも１つの検索エンジンプログラムによって読み込まれるファイル内に格納することができる。検索エンジンなどは、１台のコンピュータ上にあるかコンピュータネットワーク上に分散された、それらの単語のオントロジを定義する全ての一般的な言語で全ての単語に対するデータファイルを有することができる。あるいは、それらのファイルまたはそれらのファイルの一部を、ＰＣまたはアップル社製Ｍａｃコンピュータなどのユーザが使用している端末コンピュータのような加入者端末に格納することができる。

本発明によれば、単語のオントロジ内には異なる部分に対して可変的な重みが存在し得ることに留意されたい。先の例を熟考すると、本発明のいくつかの実施形態では、「グラニースミス」は、「アップル」のオントロジにおいて「カルヴィルブラン」よりも高い相対的な重みを有することができ、それは、アプリオリの１つでは、アップルを検索している多くのユーザが、より知られているグラニースミスの方を検索すると仮定することができるからである。当然のことながら、本発明のいくつかの実施形態では、「カルヴィルブラン」に対してより高い相対的な重みを与えて、この選択を逆に行うことができる。一般に、関連性が実際の単語そのものから遠い程、相対的な重みは低くなる。「アップル」という単語では、「アップル」という単語自体のオントロジにおけるその相対的な重みは、いくつかの実施形態では１００％であるが、本発明によれば、「カルヴィルブラン」および「グラニースミス」に対しては、それぞれ１％および２％またはその逆とすることができる。

文脈を定義するために選択された単語がオントロジを有し得ると述べたように、実際に、いくつかの実施形態では、十分に定義されたオントロジを有するそれらの単語は典型的に、オントロジを有しない単語、あるいは十分に定義されていないかあまり使用されていないオントロジなどを有する単語よりも文脈用語として選択される。

いくつかの実施形態では、文脈用語のオントロジを用いて検索結果を検索し、文脈用語のオントロジに最も類似しているそれらの検索結果の文書は、ランク付けで優先され、すなわち、より関連性が低い検索結果の文書よりも前にランク付けされる。

本発明のいくつかの実施形態では、選択された文脈用語のいくつかまたは全てが同義語拡張したものであってもよい。次いで、取り出された検索結果を、同義語拡張した文脈用語によって再検索し、いくつかの実施形態での文脈によるランク付けでは、最も類似しているかヒット件数が最も多い同義語拡張した文脈用語を有する検索結果を最初にランク付けする。

異なる検索語、文脈用語および／またはオントロジは、異なる重みを有していてもよく、その重みは、ユーザまたは本システムによって割り当てられるか、ネットワークから更新されるか、あるいは、本発明に従ってコンピュータに予めプログラムされ得ることを理解されたい。

文脈用語および／またはオントロジは、単に平易な言葉または数ではなく、関数であってもよく、例えば、文脈用語は、日付、時間、位置などの関数形式で取得することができ、すなわち、文脈用語は、平易な意味を超える関数とすることができることも理解されたい。例えば、文脈用語「時間：１２：００」について検討する。人の用語では、時間が１２：００の＋／−１５分である場合、時間：１２：００は、「今」にかなり等しい。この状況では、非常に明らかなように、「今」は、文脈用語の時間：１２：００のオントロジに含まれるが、関数および／または条件付きの場合にのみ含まれ、８．００ｐｍであった場合、「今」は、文脈用語のオントロジに含まれることはあり得ない。

より精巧な実施形態では、ユーザまたはユーザ端末は、例えば、Ｅメール文脈、閲覧文脈および／または刊行物文脈などの異なるオントロジを有するいくつかの文脈を有していてもよい。

例えば、Ｅメール文脈は、時間、送信者および／または受信者、それらの識別などの内容以外の他の情報を含む。多くの場合、Ｅメールの実際の内容は、通信している人たちによって記憶されていない。すなわち、Ｅメール文脈の文脈オントロジを定義するのは、むしろ、送信者、Ｅメールの送信および／または受信時間、その重要性の分類または他のパラメータである。

本発明のいくつかの実施形態では、閲覧文脈をブラウザキャッシュから読み込むことができる。例えば、ある時間にアクセスしたウェブページは、同時にあるいは同じまたは類似したクエリ列でアクセスした他のウェブページの文脈で解釈されるはずである。このように読み込む場合、本発明によれば、ブラウザキャッシュを使用して、閲覧文脈オントロジを決定することができる。

他方、刊行物文脈は、ユーザまたはユーザ端末が決定する公開内容に関する。多くのユーザは、興味のない多くのゴミのような情報を受信するが、全く興味のない発行物に関してウェブページに連絡したりＥメールまたはＦＴＰファイルを送ったりすることは滅多になく、当然のことながら、それらの発行物は他の人々にも興味がないものであるかもしれない。ユーザまたはユーザ端末がインターネット上で、あるいはメッセージ送信の形態で選択群に公開するデータを使用して、刊行物文脈のオントロジを定義することができる。

文脈オントロジが指定されると、ユーザはオントロジの特定の領域に、あるいはオントロジ全体に重みを割り当てることができる。例えば、Ｅメール文脈オントロジでは、全ての送信されたＥメールあるいは送信されたＥメールに現れる用語またはデータには、ユーザが割り当てる相対的な１００の重みを与えることができ、受信したＥメール中の用語および／またはデータの場合は、１の重みを与えることができる。ユーザは、自分自身で上述の相対的な重みを設定することができ、また、それらを予めプログラムすることや、第三者によってインターネットおよび／またはネットワークサーバから設定することができる。非常に明らかなように、刊行物文脈では、オントロジ内のいくつかの要素の重みは、例えば、刊行物の頻度の関数とすることができる。本発明のいくつかの実施形態では、ユーザが常に更新しているウェブページは、例えば１回のみ更新されたウェブページ（＝相対的重み１）と比較して、８７回更新された場合に８７の重みを有する可能性がある。

また、異なる文脈および文脈オントロジは、ユーザが割り当てるか、ネットワークサーバから割り当てるか、および／または予めプログラムすることができる異なる重みを有していてもよい。主に自分の自己表現のためにＥメールを使用する弁護士は、閲覧もしくは刊行物オントロジに対してより高い適切な重みを有するＥメール文脈オントロジを有する。対照的に、メディアの市場調査関係の人は、自分の心の中で最も重要なことが、例えばウェブページまたはプレスリリースによって自分が公開したことであるため、例えばＥメール文脈オントロジよりも重みが高い刊行物文脈オントロジを有する。

その最も単純な実施形態では、ある文脈は、例えばＥメール文脈を例に挙げると、常に同じである１つまたは一まとまりの文脈用語を有することができる。ユーザが英国航空券を販売している旅行代理店である場合、ほぼ全ての事業が顧客のためにＥｕｒｏｔｒａｖｅｌｌｅｒエコノミー座席を予約することに関連しているため、「英国航空」および「Ｅｕｒｏｔｒａｖｅｌｌｅｒ」は、かなり一定の文脈用語となる。これらの一定の文脈用語のオントロジが常に一定である場合、これは実質的に、文脈（すなわち、この場合はＥメール文脈）オントロジも一定であることを意味する。

当然のことながら、同じ文脈用語または文脈オントロジを有することは、全ユーザの大部分を占める多才なユーザにとって望ましくない。ユーザの変化する要望に適応するために、異なる文脈も変わり、現在のユーザの活動および意図を最も反映させると思われるそれらの文脈用語を選択することが必要である。例えば、ユーザがＥメールプログラムを開き、送信用のＥメールを書いている場合、ユーザが現在書いているＥメールから少なくともいくつか文脈用語をシステムによって取得することは良い考えである。

本発明によれば、文脈が異なる時間または異なる状況で異なる文脈用語を有する場合には、当然のことながら、上記理由により文脈の動的オントロジを引き出す実施形態が得られる。本発明のいくつかの実施形態では、ユーザがコンピュータシステムを使用すると、文脈の数は最新のものになり、好ましくはユーザの活動に最も適合する文脈が常に選択され、好ましくはユーザ活動を最も反映する文脈用語が常に選択され、好ましくは少なくとも１つの文脈用語および／または文脈のオントロジがユーザ活動を反映するように最新のものとなる。

いくつかの実施形態では、異なる文脈を組み合わせて、異なる相対的な重みを有する文脈の定義を生成し得ることに留意されたい。例えば、ユーザがＥメールメッセージを開き、かつインターネットを閲覧している場合、本発明によれば、Ｅメール文脈を７０％、閲覧文脈を３０％とすることができる。このように、本発明に従って異なる文脈を組み合わせて使用してもよい。

本発明によれば、文脈オントロジ内の異なる文脈用語は、異なる相対的な重みを有し得ることに留意されたい。例えば、用語の頻度によって文脈用語に重みを追加することができる。ユーザが、「フライト」という言葉を５回引用したＥメールメッセージを開いている場合、「フライト」という文脈用語は、オントロジに含まれない独立した文脈用語としてそれ自体で、あるいは文脈用語オントロジとして、引用される回数の少ない文脈用語よりも高い相対的な重みを有するはずである。

要約すると、異なる相対的な重みを、検索語、文脈用語、文脈、検索語オントロジ、文脈用語オントロジ、文脈オントロジおよび／または任意のオントロジ内の個々の要素に加えることができ、このようにして、本発明の任意の実施形態では、本発明によれば、文脈によるランク付けの任意の基準を形成することができる。

文脈オントロジに基づく文脈によるランク付けは、リソースディスクリプションフレームワーク（ＲＤＦ：Resource Description Framework）／メタデータグラフの助けを借りて視覚化することができる。この一例は、「デスクトップ検索：文脈情報は検索結果およびランク付けにどのように影響を与えるか（Desktop Search - How Contextual Information Influences Search
Results and Rankings）」（ＰａｉｕおよびＮｅｊｄｌ著）の図１の例であり、この内容は本明細書に引用され、参照として本出願に組み込まれる。このＲＤＦ／メタデータグラフは、それらの中に関係を有するＥメール、ファイル、ウェブページおよび刊行物から文脈メタデータを指定する文脈オントロジを示す。その関係は、「セマンティックデスクトップ検索のための活動に基づくメタデータ(Activity Based Metadata for Semantic Desktop Search)」-２００５年５月、ギリシャのイラクリオンで開催された第２回ヨーロッパセマンティックウェブ国際会議の会議録に記載されており、この内容も参照として本明細書に引用され、本出願に組み込まれる。文脈オントロジ要素およびそれらの関係を使用して、同義語拡張した検索結果を検索し、文脈によるランク付けによってこれらの検索結果を優先させることができる。いくつかの実施形態では、オントロジ内の関係およびメタデータは、典型的にユーザの活動から引き出され、例えば、いつ、誰に対して、そして、どのような件名でユーザがメッセージをＥメールで送るか、ならびに、どのような添付ファイルと一緒であるかということから引き出される。典型的には、メタデータおよび／または関係を含む文脈オントロジに対する類似性が最も高いと評価されたそれらの同義語拡張した検索結果は、本発明に係る文脈によるランク付けで最高位に位置づけられる。

文脈に基づくランク付けを視覚化する別の実施形態は、スキーマグラフを用いた信頼性移行アノテーション(authority transfer annotation)に関するものであり、これについても、「デスクトップ検索：文脈情報は検索結果およびランク付けにどのように影響を与えるか」（ＰａｉｕおよびＮｅｊｄｌ著）に説明されている。いくつかのメタデータは、他のメタデータよりも重要であり、例えば、送信者フィールドが従業員の上司を含む場合、これは、我々の大部分が受信する無限のスパムＥメールの送信者フィールドよりも信頼すべきメタデータである。上述の文書の図２には、文脈オントロジ内での信頼性移行方法について示されており、例えば、ファイルがスパムＥメールによって届けられた場合よりも、上司が送ったＥメールに添付された添付文書の方が信頼できるものである。本発明のいくつかの実施形態では、文脈オントロジ内の要素が信頼できる程、それが有する相対的な重みは高くなる。同義語拡張した検索結果を文脈オントロジに対するそれらのランク付けによって文脈によるランク付けを行う場合、本発明によれば、文脈オントロジのより重要かつ／または信頼できる部分との類似性を有するそれらの同義語拡張した検索結果は、最初の場所にランク付けされる。

さらに、文書「文脈を意識した意味的関連性のランク付け(Context-Aware Semantic Association Ranking）」（Ａｌｅｍａｎ−Ｍｅｚａ、Ｈａｌａｓｃｈｅｋ、ＡｒｐｉｎａｒおよびＳｈｅｔｈ著）は、文脈に基づくランク付けの技術について詳細に記載しており、それは、本出願の参照として本明細書に含まれる。本発明によれば、文脈によるランク付けは、意味的関連性のランク付けに基づく。本実施形態では、文脈オントロジは先に説明したように定義される。ここでは、どちらの検索結果が意味論的に文脈および／または文脈オントロジと最も密接に関連しているかを確認することによって、同義語拡張した検索結果を文脈オントロジと比較する。文脈と同義語拡張した検索結果との意味的関連性を、全体的な経路の重みによって測定する。「文脈を意識した意味的関連性のランク付け」（Ａｌｅｍａｎ−Ｍｅｚａ、Ｈａｌａｓｃｈｅｋ、ＡｒｐｉｎａｒおよびＳｈｅｔｈ著）に説明されているように、全体的な経路の重みＷ_ｐ＝ユーザ定義された重み＋文脈の重み＋包摂的重み（経路におけるクラス分化）＋信頼性の重み（文脈と検索結果との間の経路の重み）である。本発明によれば、同義語拡張した検索結果をそのように文脈によりランク付けし、指定された文脈および／または文脈オントロジに意味論的に最も密接に関連する（および／または最も高い全体的な経路の重みを有する）それらの同義語拡張した検索結果を最初にランク付けする。非常に明らかなように、本発明によれば、意味的関連性および／または全体的な経路長さは、上述の構成要素の任意の置き換えおよび／または組み合わせで構成することができる。例えば、本発明のいくつかの実施形態では、ユーザ定義された重みを除外することができる。

上述のように、段階１３０の文脈によるランク付けは、異なる技術を用いて行ってもよい。本発明によれば、これらの技術を本発明に従って組み合わせかつ／または置き換えることができる。

段階１４０では、文脈によりランク付けされた同義語拡張した検索結果を、文脈上の関連性の順序でユーザに表示する。典型的には、前記リストをモニタに表示し、ユーザは、詳細な表示のために、任意の検索結果をリスト中の異なる位置に移動させて選択することができる。いくつかの実施形態では、最終的な検索結果のいくつか、例えば、文脈上の関連性が最も低い検索結果を破棄してもよい。ここでは、検索結果の破棄は、初期の検索語の文脈による分析に基づく破棄ほど危険ではない。いくつかの実施形態では、破棄される検索結果は、検索語の実質的な意味のその目的の内容と比較し、かつその文脈を全体としてあるいは部分的にクエリの文脈と比較して検討したものである。

実際には、同義語拡張が十分に広範囲であり、かつユーザが文脈を定義するのに十分な情報を提供する限り、本発明は検索される文書の中からユーザのクエリに最も適合するものを見つけ出すものであると明言することができる。当然のことながら、本発明をインターネットに接続すること以外の方法で所望の文書が入手可能である場合にユーザが以前よりも上手くそれらの所望の情報を見つけ出すことは別の問題である。

方法１０の任意の特徴、段階または部分を、本発明に係る実施形態２０、３０、４０で自由に置き換えることができ、また、それらと組み合わせることができる点に留意されたい。

図２は、本発明の検索を行うための例示的な構成を示す。実施形態２０は、より詳細にはインターネット検索を指すが、当然のことながら、本発明は、任意の数の文書またはデータベースからの任意のデータ検索と共に使用することができる。ユーザは、キーボード２２０および／またはマウス２００などの周辺機器を用いてコンピュータ２１０を使用し、スクリーン２３０で結果を見て読む。検索クエリがコンピュータ２１０上の少なくとも１つのデータベースまたは文書を対象とする場合、本発明の検索方法は、「オフラインで」、すなわちコンピュータ内部で動作させることができ、検索結果は、スクリーン２３０上に示される。いくつかの実施形態では、本発明の方法で検索を行うために必要な検索ソフトウェアは、サーバ２４０上のみに存在し、本発明の検索方法でコンピュータ２１０上にある文書を検索しなければならない。本実施形態では、サーバ２４０は、コンピュータ２１０上のハードドライブ、メモリ、ファイルまたはデータベースを検索する。

多くの実施形態では、本システムのいくつかの部分が少なくとも１つのクライアントコンピュータに分散され、かつ異なるまたは同じいくつかの部分がサーバコンピュータに分散されるように、本発明のシステムの一部は、いくつかのサーバ、いくつかのクライアントコンピュータに分散させることができる。

本発明の最も典型的な使用実施形態は、通常のインターネット検索である。検索クエリは、ユーザのコンピュータからインターネット検索エンジンのサーバに転送される。例示的な先行技術の検索エンジンは、現在では、Ｇｏｏｇｌｅ（商標）、Ｂｉｎｇ（商標）、Ｙａｈｏｏ（商標）およびＬｙｃｏｓ（商標）などの様々な名前で動作することが知られている。サーバ２４０は、検索クエリを受信し、本発明のインターネット検索を行う。いくつかの実施形態では、特に同義語拡張によって非常に多くの同義語拡張した検索クエリが生じる場合、サーバに、別々の検索クエリとして同時または連続的に検索クエリを実行させ、同義語拡張した検索クエリによる検索から得た検索結果の全体リストを収集することが好ましい。本実施形態では、文脈によるランク付けの前に、全体リスト（すなわち、同義語拡張した検索結果の総合リスト）から冗語を除外することが好ましい。それは、冗語の除外によって、ランク付けされる検索結果が減少し、処理リソースが節約されるからである。

サーバ２４０は典型的にインターネットまたはデータベースを検索するように構成されているが、本発明によれば、アクセス可能な任意のファイル、文書および／またはデータを検索してもよい。本発明によれば、検索クエリの処理を共有する２台以上のサーバ２４０が存在するか、あるいは、サーバ２４０は、本発明よれば、別のサーバに検索クエリを送ってもよい。

本発明によれば、コンピュータ２１０、スクリーン２３０、キーボード２２０および／またはマウス２００を、携帯電話、ラップトップコンピュータまたは任意の携帯型計算装置、あるいは、実際には、計算資源がその装置および／またはサーバ２４０に存在するか否かに関わらず検索クエリを受信することができる任意の装置で置き換えることができる。本発明によれば、検索クエリを音声または画像によって入力することができ、その場合、コンピュータは、マイクロホン、または検索クエリを受信するための通常の電話無線もしくは有線によってのみ置き換えることができる。画像入力の場合、コンピュータは、画像を撮るために使用されるカメラを備えるか、カメラで置き換えられる。いくつかの実施形態では、本発明の検索のための入力としてデジタル画像を受信することが好ましいが、当然のことながら、本発明によれば、フィルム画像をデジタル化し、本発明のコンピュータ化された検索によって使用することができる。

任意のコンピュータまたは装置間の全ての通信接続は、クライアントコンピュータ、ダム端末またはサーバ装置であるか否かに関わらず、ラジオ／マイクロ波／光学などの無線接続、例えば、ＧＳＭ（登録商標）、ＣＤＭＡ、ＷＩＦＩ、自由空間光通信（ＦＳＯ）、および／またはデータケーブル、ＰＯＴＳおよび／または光ネットワーク（例えば、ＳＯＮＥＴ／ＳＤＨ／イーサネット（登録商標））などの固定式通信接続として構成することができる。非常に明らかなように、本発明の方法は、１台のコンピュータのみ、いくつかのコンピュータまたはコンピュータネットワークを含む構成で実行することができる。

同義語拡張した検索結果の文脈によるランク付けを行うために必要な文脈データは、様々な方法で得ることができる。いくつかの実施形態では、サーバ２４０は、ユーザによってなされた過去の検索、インターネットおよび／またはデータベースおよび／またはユーザの文書閲覧行動を観察し、その文書中の言葉の出現に基づいて文脈を推測してもよい。

いくつかの実施形態では、ユーザは、コンピュータに対して、テキスト入力または複数の選択肢によって文脈を指定してもよい。いくつかの実施形態では、ユーザのコンピュータ２１０上に、文脈データを定義するために使用されるデータが存在していてもよい。ユーザのコンピュータ上のデータを使用して、多くの方法で文脈データを定義することができる。文脈を定義するためにコンピュータ２１０上の全てのデータを使用することができるが、これには、かなり多くのデータ処理が必要となる。本発明のいくつかの実施形態では、ユーザは、ユーザにとって興味のある領域に関する文書を含む専用のフォルダを有する。いくつかの実施形態では、このフォルダ内の文書のみを読み出して、文脈データを定義する。例えば、ユーザは、コンピュータ上の自分の文脈フォルダ内の「漁業」という言葉の走査を許可することができる。ユーザが「箱を船で送る方法」を入力し、文脈が「漁業」である場合、魚の箱を船で送るトロール漁船に関する文書は、最終的な検索結果では上位にランク付けされる。

実際には、いくつかの実施形態では、本発明に係る同義語拡張を行わずに、ユーザのコンピュータ上の専用の文脈フォルダに基づく文脈によるランク付けを使用することができる。

本発明のいくつかの実施形態では、本発明の検索方法を使用して、アプリケーション（例えば、Ｅメールアプリケーション）に格納されたデータも検索できることに留意されたい。いくつかの実施形態では、本発明によれば、同義語拡張を行わずに、ユーザのコンピュータ上の専用の文脈フォルダに基づく文脈によるランク付けを使用して、アプリケーション内のデータを検索することができる。ユーザのコンピュータ上またはネットワーク内の専用の文脈フォルダに基づく文脈によるランク付けは、それ自体で十分に進歩性があり、本発明によれば、検索結果だけでなく同義語をランク付けするためにも使用してもよい。例えば、同義語拡張の同義語を、専用の文脈フォルダ内の内容に基づく文脈によるランク付けによってランク付けすることができ、その際、本発明によれば、最高位にランク付けされている同義語のみが少なくとも１つの検索クエリに受け入れられる。

非常に明らかなように、段階１３０に関連して説明されている任意の文脈によるランク付け方法は、構成２０において、あるいは構成２０によって使用してもよい。

構成２０の任意の特徴、段階または部分を、本発明に係る実施形態１０、３０、４０で自由に置き換えることができ、また、それらと組み合わせることができる点に留意されたい。

図３は、ある言語から別の言語に翻訳するように活用した本発明の検索方法の一実施形態を示す。翻訳を行う際に別の言語の対応する単語を検索するという意味で、言語翻訳は検索に類似している。ここで、段階３００では、ユーザ、ソフトウェア、インターネットブラウザまたは検索エンジンソフトウェアを、外国語のテキストを含むウェブページに進入させる。いくつかの実施形態では、外国語のウェブページに進入するプロセスは、ユーザの目に見えない状態で行うことができ、すなわち、本実施形態では、進入するウェブページは、それを要求しているユーザには示されない。

段階３１０では、段階３００で進入したウェブページのテキストが本発明のコンピュータシステムによって認識される。好ましくは、段階３１０では、テキストがここで使用されているヨーロッパのアルファベットとは異なる文字群、例えば、中国語、日本語、韓国語、タイ語、キリル文字、ギリシャ語、インドネシア語、ウルドゥー語もしくはヒンディー語などの任意のインドのアルファベットなどを有する場合であっても、任意の言語で認識される。本発明に係るいくつかの実施形態では、ラテン語またはエジプトの象形文字などの、もはや使用されていない言語も認識することができる。

いくつかのウェブページには、原文のデータがテキストの形態で格納されておらず、テキストは画像中にあり、その画像がウェブページ上にある。本発明によれば、文字認識、例えば、ＯＣＲ（オブジェクト文字認識）または類似した認識アルゴリズムによって画像データからテキストを認識する。

段階３２０では、外国語のテキストを、ユーザの好ましい言語の同義語拡張したテキスト群に翻訳する。例えば、ウェブページが「箱を船で送る方法」という文を含み、ユーザが、母国語または最良の言語あるいは選択した任意の言語であり、自分の好ましい言語としてフィンランド語を使用する場合、翻訳された同義語拡張した群としては、例えば、「Kuinka rahdata laatikko laivalla」、「Kuinka
lahettaa laatikko」、「Milla keinoin lahettaa paketti」などを挙げることができる。

ここでは、本発明のいくつかの実施形態では、本発明の翻訳システムは、コンマ間、コンマとピリオドの間またはピリオド間のテキスト、あるいは、ある長さの言葉（例えば１０個の言葉）のブロックとしてテキスト群を定義する。

段階３３０では、同義語拡張したテキスト群の結果を、文脈上の関連性に基づいてランク付けする。ウェブページ上にテキスト群が１つのみである場合、文脈上最も関連性の高いテキスト群が、ユーザの好ましい言語または母国語の翻訳としてユーザに示される。いくつかの実施形態では、その翻訳は、ユーザのコンピュータ上の異なるアプリケーションおよび／またはインターネットブラウザウィンドウに示される。いくつかの実施形態では、インターネットブラウザは、翻訳されたテキストをウェブページ上の同じ場所に示し、すなわち、それにより、異なる言語であること以外は元のウェブページと同じに見える異なる言語の『仮想ウェブページ』を生成する。文脈によるランク付けを行うために必要な文脈データは、本出願に説明されている他の実施形態と同様に得ることができる。

ウェブページ上に２つ以上のテキスト群がある場合、段階３４０では、翻訳されたテキスト群の結果の組み合わせをそれらの文脈上の関連性に基づいてランク付けする。文脈上の関連性は、例えば、異なる翻訳されたテキスト群がいかに十分に適合しているか、すなわち、その翻訳が組み合わせで意味をなすかに基づいて推定することができる。

翻訳の文脈によるランク付けは、段階１３０に関連して述べられている任意の方法によって行うことができる。例えば、文をいくつかの同義語拡張した翻訳結果に翻訳する。次いで、同義語拡張した翻訳結果を、テキスト中の他の文との類似性について比較する。典型的には、人間が作ったテキストの段落は、テキスト全体にわたって同じまたは非常に類似した用語を使用させる先行詞などを特徴とする。本発明の好ましい実施形態では、少なくとも１つの周囲の文に文脈上最も類似している翻訳結果、あるいは周囲の言葉に最も類似している翻訳結果中の言葉が翻訳として選択される。その最も単純な実施形態では、少なくとも１つの他の単一の言葉に対するその文脈上の類似性に基づいて、翻訳語を選択することができる。

非常に明らかなように、本発明に係る段階１３０に関連して説明されている任意の方法によって、翻訳結果を文脈によりランク付けすることができる。ランク付けが達成されると、典型的には、文脈上最高位にランク付けされている翻訳が、本発明に係る最終的な翻訳としてユーザに提供される。

文脈用語は、単に平易な言葉または数ではなく、関数であってもよく、例えば、文脈用語は、日付、時間、位置などの関数形式で取得することができ、すなわち、文脈用語は、平易な意味を超える関数または条件付きとすることができることも理解されたい。

段階１３０での説明と同様に、本発明によれば、翻訳語を、文脈用語、文脈用語オントロジおよび／または文脈オントロジに対して比較することができる。本発明のいくつかの実施形態では、翻訳語のオントロジを、文脈用語、文脈用語オントロジおよび／または文脈オントロジに対して比較してもよい。段階１３０で説明した実施形態と同様に、翻訳された単語群および／または文を、本発明に係る文脈用語、文脈用語オントロジおよび／または文脈オントロジに対して比較することができる。典型的には、文脈用語、文脈用語オントロジおよび／または文脈オントロジとの類似性が最も高い翻訳結果を、文脈によるランク付けで最高位にランク付けし、本発明に係る翻訳として選択する。

段階１３０での説明と同様に、意味的関連性を使用することもできる。本発明のいくつかの実施形態では、典型的に、少なくとも１つの文脈用語および／または複数の文脈用語に対して最大の意味論的経路の重みを有する翻訳結果を、文脈によるランク付けによる翻訳として選択する。例えば、異なる文法規則を経路の重みによって実施することができる。文が文の述語であると思われる動詞の前に主語を有する場合、その後に続く少なくとも１つの名詞は、動詞の目的語である可能性が高い。従って、目的語の状態にある名詞は、その文ではより高い経路の重みを有する。非常に明らかなように、文法規則を、本発明に係る他の文脈によるランク付け技術によって活用することもできる。本発明の一実施形態では、基本的な文法規則は、単語のオントロジにプログラムされるように構成されている。

また、文脈上の関連性は、文脈フォルダ内のデータに基づくものとすることができる。すなわち、所望の漁具の大部分を製造している典型的にスウェーデンの店で漁具を探しているフィンランド人のユーザは、例えば、画像、テキストまたは文書ファイルとして、例えば、フィンランドの漁業許可証を文脈フォルダ内に置くことができる。インターネットブラウザおよび／または検索プログラムは、文脈フォルダ内のデータを分析することによって、その時の全体的な文脈が漁業であることを検出する。フィンランド人のユーザが、ルアー、ネット、釣竿などの製品説明をスウェーデン語で行っているスウェーデン語のウェブページの閲覧を開始すると、インターネットブラウザはスウェーデン語をフィンランド語に翻訳し、フィンランド人の顧客は、自分のブラウザで翻訳された『仮想的な』ウェブページを読むことができる。

文脈によるランクが最も高いテキスト群の組み合わせを、別のウィンドウのウェブページおよび／または元のテキストがあった同じ場所のウェブページ（すなわち、翻訳された言語で仮想的なウェブページが生成されている）上に段階３５０での翻訳としてユーザに表示する。

従って、ウェブページを定義された言語に翻訳し、所望の言語で外国語のウェブページを示すインターネットブラウザまたは検索エンジンは本発明に係るものである。

また、本発明によれば、本発明の翻訳ソフトウェアがウェブページ上で動作するにつれて、任意の好ましい言語のウェブページの中身全体が増加する。これらのウェブページのいくつかを、本発明に係る検索エンジンによってインデックス付けするか、さらに格納してもよい。当然のことながら、ここで、これらの翻訳されたウェブページを、本発明に従って、検索、通常の検索または上述した本発明の検索方法を用いた検索にかけることができる。

非常に明らかなように、本発明を使用して、任意の文書をある言語から別の言語に翻訳することができる。本発明の使用は、ウェブ閲覧に限定されない。

方法３０の任意の特徴、段階または部分を、本発明に係る実施形態１０、２０、４０で自由に置き換えることができ、また、それらと組み合わせることができる点に留意されたい。

図４は、異なるカテゴリの入力に適した本発明に係る検索／翻訳の実施形態４０を示す。段階４００では、ユーザは、典型的には、ユーザの好ましい言語、母国語またはユーザが最も知っている言語である基本言語で少なくとも１つの言葉を発する。実際には、本発明によれば、基本言語は任意の言語とすることができる。段階４１０では、音声認識によって発せられた言葉を識別し、それらをテキストに変換する。いくつかの実施形態では、音声に画像データを追加し、かつ／または音声を画像データで置き換えることができ、画像データから、パターン認識および／または文字認識によってテキストを抽出する。いくつかの実施形態では、画像および音声データを組み合わせで認識することもでき、例えば、ビデオカメラによって音声および画像を記録し、音声および／または音認識を使用して、音から言葉を識別することができ、パターン認識および／または文字認識を使用して、画像フォーマット中のテキスト、すなわち画像同等物（「ボール」と識別されるボールの画像を有する言葉）を認識することができる。上述の方法および他の方法で、視聴覚データをテキストに変換することができる。このテキストを、本発明に従って別の言語に翻訳することもできる。例えば、自然言語の英語で変換されたテキストを、本発明に従って、フランス語の自然言語に翻訳することができる。

段階４２０では、本出願のどこかに説明されているように、視聴覚データから抽出されたテキストは、所望の標的言語で拡張した同義語である。異なるテキスト群を異なる同義語拡張によって拡張する。ここで、入力データが様々なソースから到着すると、全てのテキストを、本発明に従って１つのテキスト群として同義語拡張することができるが、入力テキストをテキスト群に分割することがより好ましい場合もある。どのような声がその言葉を発したということおよび他の要因に基づいて、音声認識によって引き出されたテキストを別々にソートすることができる。本発明の例示的な実施形態では、本コンピュータシステムは、誰が話しているのかを識別することができる。ある声を有する音声認識された言葉を、１０個またはそれ以上もしくはそれ以下の数の言葉のブロックで認識することができ、また、本発明によれば、例えば息つぎと息つぎの間の単語群を、異なるテキスト群として認識することができる。画像データからパターン認識された言葉を、例えば、テキスト群として同義語拡張することができる個々の単語または単語群として識別することができる。異なる種類の視聴覚データから抽出された言葉を組み合わせることも本発明に係るものである。

実際には、本発明に係る同義語拡張または文脈によるランク付けを伴わないパターン／文字認識による視聴覚データからの言葉のテキスト抽出は、それ自体で十分に進歩性のある実施形態である。

但し、本発明によれば、認識されたパターン／文字は、本発明に係る同義語（おそらくは多くの同義語）を有することが可能である。例えば、「Ｃ」のような形状のパターンは、ヨーロッパのアルファベットの「Ｃ」という文字である可能性は高いが、絵の中の競技場または競輪場の半分部分である可能性もある。この場合、「半分の競輪場」、「半分の競技場」および「Ｃ」が同義語となる。これは、本発明に係る字体に基づく言語から自然言語への翻訳である。本発明によれば、視聴覚データからの翻訳は、それ自体で十分に進歩性があるため、いくつかの実施形態では、文脈によるランク付けまたは同義語拡張を使用しなくてもよい。本発明によれば、同義語拡張または文脈によるランク付けのみを本発明に従って個々に使用することも可能である。但し、いくつかの実施形態では、同義語拡張および文脈によるランク付けの両方を使用することが好ましく、いくつかの実施形態では、文脈によるランク付けを同義語拡張した翻訳テキスト群候補のみに対して行うことがさらにより好ましい。

段階４３０では、翻訳されたテキスト群または元から基本言語であり翻訳の必要のなかったそれらの群を、文脈上の関連性に基づいてランク付けする。

次いで、段階４４０では、翻訳されたテキスト群の組み合わせを文脈上の関連性に基づいてランク付けする。

文脈によるランクが最も高い組み合わせを、テキストの翻訳および／または抽出としてユーザに対して再生する。段階４５０では、スピーカからの声として、スクリーン上の画像および／または映画フィルムとして、および／またはユーザの基本言語でその２つを組み合わせたビデオとして言葉を再生することによって、再生を行うことができる。

本発明のいくつかの実施形態では、自然言語間に翻訳機能を使用しないことが可能である（例えば、英語の交通標識を英語のテキスト、次いで音声に翻訳する）。有用な実施形態は、例えば、交通標識が録画および／または撮影されるとそれらを運転者に読み出す車カメラおよびコンピュータである。本発明によれば、ユーザはテキスト抽出機能（すなわち、パターン、文字、画像、声をテキスト言葉に翻訳する機能）のみを動作させることができる。本発明のいくつかの実施形態では、本発明の同義語拡張／文脈によるランク付け技術によって、データに対応する抽出されたテキスト言葉を検索する。

従って、本発明によって、インターネットの中あるいは、ビデオに録画し、そのデータのテキスト翻訳が得られる我々を囲む周囲の世界の視聴覚データから、テキストの物語を抽出することができる。

本発明の単純な一実施形態を、同義語拡張／文脈によるランク技術を用いて、例えば、英語の音声をフランス語のスピーカ放送に翻訳する携帯機器の中に実現することができる。

但し、異なる媒体型からデータを得ることができることで、特に文脈に基づくランク付けを非常に向上させる。例えば、ユーザがフィンランドの港で携帯を持っているとする。ユーザは、港の写真を撮ったところである。パターン認識は、画像から「海」および「船」という言葉を認識し、その画像は、偶発的に携帯機器の文脈フォルダ（文脈データソースとしての機能を果たす）に保存された。ここでは、郵便局を探しているのではなく、いくつかの目的地に向かう実際の船に箱を乗せることを試みていることが文脈上明らかであるため、「箱を船で送る方法」は、他の選択肢の代わりに、フィンランド語の「Kuinka rahdata laatikko laivalla」に翻訳される。

本発明に係る言語音声変換装置の文脈フォルダ内のテキスト文書を使用することも本発明に係るものである。

方法４０の任意の特徴、段階または部分を、本発明に係る実施形態１０、２０、３０で自由に置き換えることができ、また、それらと組み合わせることができる点に留意されたい。

以上、上記実施形態を参照しながら本発明について説明し、いくつかの商業上および産業上の利点を示してきた。本発明の方法および構成によって、本発明の同義語拡張／その同義語拡張した単語群に対する文脈によるランク付け技術に基づいて、関連する文書を見つけ出すことができる。同じ技術によって、インターネットまたは文書のある自然言語から別の言語、あるいは画像言語および音声の組み合わせからテキストまたは音声の形態の自然言語へのより正確な翻訳が得られる。

以上、上記実施形態を参照しながら本発明について説明してきた。但し、本発明がこれらの実施形態のみに限定されるものではなく、本発明の考えおよび以下の特許請求の範囲の趣旨および範囲内の全ての可能な実施形態を含むことは明らかである。

参考文献
WO 2009/002864
A2, Reizler, Stefan, Vasserman, Alexander, I. "Machine translation for
query expansion".
"Desktop
Search - How Contextual Information Influences Search Results and
Rankings" Raluca Paiu and Wolfgang Nejdl.
"Context-Aware
Semantic Association Ranking" Aleman-Meza Boanerges, Halaschek Chris,
Arpinar I. Budak and Sheth Amit.
"Activity
Based Metadata for Semantic Desktop Search" - Proceedings of the 2^nd
European Semantic Web Conference, Heraklion, Greece, May 2005, P. Chirita, R.
Gavriloaie, S. Ghita, W. Nejdl and R. Paiu.

Claims

− 少なくとも１つの検索語を含む検索クエリを受信する工程と、
− 少なくとも１つの検索語に対して少なくとも１つの同義語を引き出す工程と、
− 前記受信した検索クエリを前記少なくとも１つの同義語で拡張する工程と、
− 少なくとも１つの前記拡張した検索クエリを用いて少なくとも１つの文書を検索する工程と、
− 少なくとも１つの前記拡張したクエリによって得られた検索結果を取り出す工程と、
− 少なくとも１つの検索語が出現する文脈に基づいて、前記同義語拡張した検索結果をランク付けする工程と、
を特徴とするコンピュータで実施される方法。
前記文脈は、ユーザの過去の検索、前記ユーザのコンピュータ上のデータおよび／または一般的な統計から利用可能なデータから引き出されることを特徴とする、請求項１に記載のコンピュータで実施される方法。
少なくとも１つのコンピュータを含む構成であって、
− 少なくとも１つの検索語を含む検索クエリが受信されるように構成されていること、
− 少なくとも１つの検索語に対して少なくとも１つの同義語が引き出されるように構成されていること、
− 前記受信した検索クエリが前記少なくとも１つの同義語で拡張されるように構成されていること、
− 少なくとも１つの文書が少なくとも１つの前記拡張した検索クエリを用いて検索されるように構成されていること、
− 少なくとも１つの前記拡張したクエリによって得られた検索結果が取り出されるように構成されていること、
− 前記同義語拡張した検索結果が、少なくとも１つの検索語が出現する文脈に基づいてランク付けされるように構成されていること、
を特徴とする構成。
請求項１に記載の方法を実行することができるソフトウェアを含む記憶装置。
少なくとも１つのコンピュータを含み、テキストをある言語から別の言語に翻訳するためのコンピュータで実施される方法であって、
− 少なくとも１つの翻訳される用語を含む翻訳クエリを受信する工程と、
− 少なくとも１つの翻訳される用語の少なくとも１つの同義語を引き出す工程と、
− 前記受信した翻訳クエリを前記少なくとも１つの同義語で拡張する工程と、
− 少なくとも１つの前記拡張した翻訳クエリによって得られた翻訳結果を取り出す工程と、
− 少なくとも１つの翻訳される用語が出現する文脈に基づいて、前記同義語拡張した翻訳結果をランク付けする工程と、
を特徴とするコンピュータで実施される方法。
前記翻訳クエリは、翻訳のための入力として自動的に読み込まれるか画像および／または音などの視聴覚データから分析された文または段落であることを特徴とする、請求項５に記載のテキストを翻訳するためのコンピュータで実施される方法。
前記出現する文脈は、前記翻訳クエリに先行および／または後続する文および／または段落から引き出されたことを特徴とする、請求項５に記載のテキストを翻訳するためのコンピュータで実施される方法。
少なくとも１つのコンピュータを含み、テキストをある言語から別の言語に翻訳するためにコンピュータで実施される構成であって、
− 少なくとも１つの翻訳される用語を含む少なくとも１つの翻訳クエリが受信されるように構成されていること、
− 少なくとも１つの翻訳される用語の少なくとも１つの同義語が引き出されるように構成されていること、
− 前記受信された翻訳クエリが前記少なくとも１つの同義語で拡張されるように構成されていること、
− 少なくとも１つの前記拡張した翻訳クエリによって得られた翻訳結果が取り出されるように構成されていること、
− 前記同義語拡張した翻訳結果が、少なくとも１つの翻訳される用語が出現する文脈に基づいてランク付けされるように構成されていること、
を特徴とする構成。
請求項５に記載の方法を実行することができるソフトウェアを含む記憶装置。
ファイルシステムの専用部分からデータを読み込んで、検索および／または翻訳のための文脈データを抽出するように構成されていることを特徴とするソフトウェアを含む記憶装置。
ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されていることを特徴とする検索エンジンソフトウェア。
ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されていることを特徴とするオペレーティングシステムソフトウェア。
ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されていることを特徴とするソフトウェアアプリケーション。
ユーザのインターネットブラウザ、オペレーティングシステム、ファイルシステム、データベースソフトウェアおよび／またはアプリケーションから引き出された文脈データに基づいて、同義語拡張した検索結果をランク付けするように構成されていることを特徴とするデータベースソフトウェア。