JP2014515514A - 提案される語を提供するための方法および装置 - Google Patents

Abstract

本開示は、提案される語を提供するための方法を開示する。本方法は、ユーザから先頭文字のクエリ入力を受け取って、この先頭文字のクエリに基づいて、対応する提案されるクエリを得ることと、提案されるクエリに対応する少なくとも２つのカテゴリ、および提案されるクエリを探索するために有用な、少なくとも２つのクリック可能な領域を判定することと、提案されるクエリについてのそれぞれのクリック可能な領域における、それぞれの得られたカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みを個々に判定することと、提案されるクエリについてのそれぞれのカテゴリの信頼度を計算することと、提案されるクエリについてのそれぞれのカテゴリの信頼度に基づいて、提案されるクエリについての対象カテゴリを個々に判定することとを含む。このようにすることによって、ユーザは、提案されるクエリに対応する対象カテゴリに基づいて、自身の検索目的を迅速に識別することができ、それにより、情報検索の速度が効果的に向上する。

Description

本開示は、検索技術に関し、より具体的には、提案される語を提供するための方法および装置に関する。

本出願は、２０１１年５月２６日に出願された、「Ｍｅｔｈｏｄ ａｎｄ Ｄｅｖｉｃｅ ｆｏｒ Ｐｒｏｖｉｄｉｎｇ Ｓｕｇｇｅｓｔｅｄ Ｔｅｒｍｓ」という題名の、中国特許出願第２０１１１０１３８９５５．Ｘ号の優先権を主張するものであり、その全体が参照により本明細書に組み込まれる。

インターネットの急速な発展に伴い、電子商取引は、人々の日常生活に広く取り入れられるようになった。電子商取引に関連した用途において、検索キーワードを入力することによる検索は、ユーザが、ユーザにとって興味のある製品を探して見つけ出すための主な方法および手段であるだけでなく、ユーザによって最も頻繁に使用されている基本的な機能でもある。所望の製品を迅速に探して見つけ出すために、ユーザは、自身の検索対象を表現するために適切な検索キーワードを選択する必要がある。

一般に、ユーザは抽象的なものから始めて限定的なものへと検索を行う習慣がある。例えば、ユーザは最初に比較的一般的な検索キーワードを入力し、その後により具体的な検索キーワードを使用することによって徐々に検索範囲を狭めていき、最終的に特定の製品を見つけ出す。

いくつかの場合において、専門的な製品は、複雑で曖昧なつづりを有する傾向にある。ユーザは、どうにかして検索キーワードの最初の部分を覚えるが、その残りの部分を忘れてしまい、そのためユーザが複数のクエリを通してそれぞれの所望の製品を見つけ出す必要がある場合がある。さらに、検索キーワードを繰り返し、または何度も入力することは、面倒なプロセスであり、検索効率を低下させるだけでなく、入力エラーも起こりやすい。

図１に示されているように、ユーザのために検索効率を効果的に向上するために、既存の電子商取引のウェブサイトは一般に、ユーザによって提示された検索キーワードのオートコンプリート、すなわち一連の提案される語の提供を行う。図１において、検索ユーザのインターフェース１００は、検索フィールド１０２を有し、ここへユーザが「Ａｐｐｌｅ」等のような検索キーワードを入力し始める。ユーザがキーワードを入力すると、提案のリスト１０４が提供される。提案される語を効果的に提供するこの方法は、ユーザにとっての入力時間を節約し、完全な検索キーワードを構成する負担からユーザを解放する。これと同時に、質の高い提案される語は、ユーザが、ユーザにとって興味のある製品をより効果的に探して見つけ出すのに役立ち得る。

電子商取引のウェブサイトにおける種々多様な製品の数が増え続けていくにつれて、所望の製品を探すことを試みる際に、キーワードの入力を含む従来の検索プロセスを使用することは、次第により時間のかかるものとなる。したがって、提案される語を提供するための改善された技術が必要であり、これは、既存の技術を踏まえて、電子商取引サイトに関連する検索効率を高め、関連する電子商取引のシステムのサービス性能を強化する。

本開示の諸実施形態は、既存の技術における提案される語の概念の曖昧さに関連する問題を克服しながら、検索効率を向上させる形で、キーワード検索のプロセスにおいて提案される語を提供するための技術を提供する。

本開示の一態様において、提案される語を提供するための方法が開示される。本方法は、ユーザから先頭文字のクエリ入力を受け取って、この先頭文字のクエリに基づいて、それに対応する提案されるクエリを得ることを含むことができる。本方法は、提案されるクエリに対応する少なくとも２つのカテゴリ、および提案されるクエリを検索するために有用な、少なくとも２つのクリック可能な領域を判定することができる。一実施形態において、本方法は、提案されるクエリについてのそれぞれのクリック可能な領域における、それぞれの判定されたカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みを個々に判定することができる。本方法はさらに、それぞれのカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みに基づいて、提案されるクエリについてのそれぞれのカテゴリの信頼度を個々に計算することができる。本方法は、提案されるクエリについてのそれぞれのカテゴリの信頼度に基づいて、提案されるクエリの対象カテゴリを判定することができる。次に本方法は、提案されるクエリおよび対象カテゴリを表示することができる。

本開示の別の態様において、提案される語を提供するための装置が提供される。本装置は、ユーザから先頭文字のクエリ入力を受け取って、この先頭文字のクエリに基づいて、それに対応する提案されるクエリを得るための、取得ユニットを含むことができる。さらに本装置は、提案されるクエリに対応する少なくとも２つのカテゴリ、および提案されるクエリを検索するために有用な、少なくとも２つのクリック可能な領域を判定するための第１の判定ユニットを含むことができる。一実施形態において、本装置は、第２の判定ユニットをさらに含むことができる。この第２の判定ユニットは、提案されるクエリについてのそれぞれのクリック可能な領域における、それぞれの判定されたカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みを個々に判定する。さらに、本装置は、それぞれのカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みに基づいて、提案されるクエリについてのそれぞれのカテゴリの信頼度を個々に計算するための計算ユニットを含むことができる。表示ユニットをさらに含むことができ、提案されるクエリについてのそれぞれのカテゴリの信頼度に基づいて、提案されるクエリの対象カテゴリを判定するため、ならびに提案されるクエリおよびこの対象カテゴリを表示するために使用される。

本開示の特定の実施形態では、ユーザのクエリログに基づいて提案の辞書が確立され、カテゴリの提案は、ユーザのクリックログに基づく。したがって、ユーザからの入力である先頭文字のクエリ（クエリキーワード）に基づいて提案されるクエリを得ることに応答して、システムは、ユーザの既存のクリック行動に基づいて、それぞれの提案されるクエリについての対象カテゴリを判定し、提案されるクエリおよび対応する対象カテゴリを同時に表示することができる。その結果、対象カテゴリに基づいて、それぞれの提案されるクエリの誘導用の目的がユーザに対して表示され、ユーザが提案されるクエリの対象カテゴリに基づいて、ユーザの検索目的を迅速に判定することを可能にする。これは、関係のない提案されるクエリによる妨げを防ぎ、それにより、情報検索の速度が効果的に向上される。さらに、システムは、すべてのカテゴリ下で検索を行うのではなく、ユーザによって選択された、提案されるクエリに対応する対象カテゴリ下で検索を行うことを利用する。したがって、検索することとなる情報の量は大幅に減少し、そのため関連サーバの処理作業負荷を低減しながら、情報検索の速度がさらに向上される。本開示は、コンピュータ、ワイヤレス通信デバイス、その他等のような、電子製品において適用することができる。

本開示の諸実施形態が、添付の図面と共に以下に説明される。
既存の技術における、提案される語の提供を示す概略図である。 本開示の諸実施形態による、提案される語を提供するための装置の原理を示す概略図である。 本開示の諸実施形態による、第１の重み設定を示す概略図である。 本開示の諸実施形態による、第２の重み設定を示す概略図である。 本開示の諸実施形態による、提案される語の提供を示す流れ図である。 本開示の諸実施形態による、検索装置の機能的な構成要素を示すブロック図である。 図２および図６に記載されている例示的な装置をより具体的に示す図である。

辞書は、クエリ入力を完了するために重要な役割を果たす。すべての提案される語は、辞書を使用して生成される。例えば、ユーザが「ｐｈｏ」と入力した場合、「ｐｈｏｎｅ」、「ｐｈｏｔｏ」、「ｐｈｏｔｏ ｆｒａｍｅ」、「ｐｈｏｔｏ ａｌｂｕｍ」、その他等のような、「ｐｈｏ」が前に付く提案される語が、辞書を探索することによって得られ得る。

辞書を構築するために使用される１つのプロセスは、以下のように行われる。
１．ユーザのクエリログを入力する；
２．ユーザのクエリログを前処理し、前処理には、判読できない文字の除外、句読点の書き方の標準化、つづり間違いの訂正（ユーザは、タイプミスによって誤った検索キーワードを入力する場合がある）、および複数形から単数形への変換、その他等が含まれる。前処理が終わると、これらの検索キーワードは、候補の語のセットを形成する；
３．ステップ２で生成された候補の語のセットから、候補の語を選択する；
４．候補の語の最左の文字を抽出して除去する。例えば、候補の語「ｐｈｏｎｅ」から「ｐ」を抽出すると、最初の文字が除去された後、この候補の語は「ｈｏｎｅ」となる；
５．候補の語「ｐｈｏｎｅ」を、最初の文字「ｐ」を有する、提案される語のセットに追加する；
６．候補の語のすべての文字が抽出されるまで、ステップ４および５を繰り返す；
７．候補の語「ｐｈｏｎｅ」を、「ｐｈｏｎｅ」に対応する提案される語のセットに追加する；
８．候補の語のセットが空になるまで、ステップ３〜７を繰り返す；
９．提案される語の辞書の構築を完了する。

電子商取引のサイト上で、提案される語を表示するために使用可能な空間は限られており、限られた数の提案される語しか表示されない場合がある。しかしながら、ユーザによって入力された検索キーワードと一致する提案される語の数は、一般にその限界よりもはるかに多いものである。したがって、最も高い「質」を有する、特定の数の提案される語が、表示のために選択される。

本実施形態において、提案される語の質を評価するために優先レベルが使用され、優先レベルが高いほど質がよいとされる。具体的には、提案される語と検索キーワードとの間の一致の度合いを使用して、順序付けが最初に行われる。提案される語の最初の単語が検索キーワードと一致する場合は、一致の位置は「０」である。２番目の単語が一致した場合は、一致の位置は「１」、等である。一致の位置が最初に近いほど、優先レベルは高くなる。例えば、「ｐｈｏｎｅ」が入力された場合に、提案される語「ｐｈｏｎｅ ｃａｓｅ」は、「ｍｏｂｉｌｅ ｐｈｏｎｅ」よりも優れており、これは、前者の一致の位置は０であり、後者の一致の位置は１であるためである。

電子商取引のフィールドにおいて、それぞれの電子商取引の製品は、特定のカテゴリ（または複数のカテゴリ）に分類されている。電子商取引のフィールドにおけるカテゴリは、製品に対応する、製品分類である。例えば、携帯電話に対応するカテゴリは「通信機器」であり得、カメラに対応するカテゴリは「デジタル製品」であり得る、等である。ユーザのクエリ行動は通常、特定のカテゴリに関する。したがって、本開示の諸実施形態は、提案される語をカテゴリに関連付け、それらを一緒にユーザに提示する。そうすることで、ユーザは、何らかの邪魔な要素を分離して取り除くために、カテゴリを選択することができる。これらの邪魔な要素は、ユーザの検索目的に関係のない提案される語に対応する。したがって、システムの検索効率が向上する。

通常の状況下では、電子商取引のウェブサイトに検索キーワードを入力した後、ユーザは、ウェブページの非ナビゲーション領域における特定の製品をクリックして閲覧する場合がある、またはウェブページのナビゲーション領域におけるカテゴリをクリックする場合がある。したがって、検索キーワード（すなわち提案される語）と、カテゴリとの間の関係は、ユーザのクエリログから学ぶことができる。本開示の技術は、特性として、提示に関連するクリック行動（すなわち、ウェブページの非ナビゲーション領域に表示される製品の情報に関連するクリック行動）と、電子商取引のナビゲーション領域に関連するクリック行動とを定義する。本技術は、融合のために線形モデルを採用する。線形モデルはそれぞれ、提示クリックモデル、およびナビゲーション領域クリックモデルを含む。融合の枠組みは、図２に示されている。

最初に、２つの関数が以下のようにそれぞれ定義される。
・ click_1 (offer,query)=cat'クリック_１（提示，クエリ）＝ｃａｔ'、ここで、「クエリ」は、ユーザによって入力された特定の検索キーワードを表す。「提示」は、ユーザが特定の製品に関連するウェブページをクリックしたことを表す。ｃａｔ'は、提示に関連するカテゴリを表す。この関数全体、クリック_１（提示，クエリ）＝ｃａｔ'は、ユーザがクエリを入力した後に、ユーザが提示に関連するウェブページにおけるカテゴリｃａｔ'をクリックしたかどうかを示している。１の値はクリックがなされたことを表し、０の値はクリックがなされなかったことを表す。
・ クリック_２（クエリ）＝ｃａｔ''、ここで、「クエリ」は、ユーザによって入力された特定の検索キーワードを表す。この関数は、ユーザがナビゲーション領域内の特定のカテゴリをクリックしたかどうかを示している。関数、クリック_２（クエリ）＝ｃａｔ''は、ユーザがクエリを入力した後に、ユーザがナビゲーション領域内のカテゴリｃａｔ''をクリックしたかどうかを示している。１の値はクリックがなされたことを表し、０の値はクリックがなされなかったことを表す。

上記に定義された関数に基づいて、提示に関連するウェブページについてのクリック属性モデルが、等式（１）において表され得る。

等式（１）は、提示について抽出された属性についての特性関数「ｆ」を表している。提示について、クエリ（関数においてｘで表されているクエリの語）およびｃａｔ'（カテゴリ）を所与として、関数は２つの値：１または０（属性の値である）のうちの１つを持つことができる。特性関数におけるｙは、クリック_１の関数として定義される。クエリを所与として、そのクエリについて、クリック_１（提示，クエリ）＝ｃａｔ'である場合、関数の値は１となり、そうでない場合は０となる。この関数を使用して、提示は、属性空間に変換されることが可能となる。この属性空間は、ユーザが（１つまたは複数の）クエリを入力した後で、提示に関連するウェブページにおいて、ユーザがクリックした製品の情報のカテゴリを示す。

上記に定義された関数に基づいて、ナビゲーション領域のクリック属性モデルが、等式（２）において表され得る。

等式（２）は、ナビゲーション領域について抽出された属性についての特性関数「ｆ」を表している。クエリ（関数においてｘで表されているクエリの語）およびカテゴリを所与として、関数は２つの値：１または０（これらは、属性値の値のスコープに対応する）のうちの１つを持つことができる。特性関数におけるｙは、クリック_２の関数として定義される。クエリを所与として、ナビゲーション領域におけるカテゴリについての属性値は、クリック_２（クエリ）＝ｃａｔ''である場合は１となるように、そうでない場合は０となるように計算することができる。この関数を使用して、クエリとナビゲーション領域のカテゴリとに基づいて、属性空間が生成され得る。この属性空間は、ユーザが（１つまたは複数の）クエリを入力した後で、ユーザがナビゲーション領域内で、どのカテゴリをクリックしたかを示す。

提示に関連するクリックデータおよびナビゲーション領域に関連するクリックデータは、訓練データとして使用することができる。この訓練を通じて、提示のクリック属性下およびナビゲーション領域のクリック属性下のそれぞれのカテゴリのカテゴリの重みが得られ得る。あるいは、これらはまた、提示のクリック可能な領域下およびナビゲーション領域のクリック可能な領域下のそれぞれのカテゴリのカテゴリの重みとしてもみなされ得る。あるいは、これらはまた、特定のクエリについて、提示のクリック可能な領域内のそれぞれのカテゴリをユーザがクリックする確率、およびナビゲーション領域のクリック可能な領域内のそれぞれのカテゴリをユーザがクリックする確率とも解釈され得る。具体的には、重みは次のように定義される。

１）等式（３）に示されているように、提示のクリック可能な領域におけるカテゴリの重みは、

であり、ここで、「提示＿ｃｎｔ」は、特定のクエリについて、提示に関連するクリックデータのうちのカテゴリがｃａｔ’である提示に関連するクリックの総数を表す。要素「ｃａｔ_ｊ」は、特定の所定のカテゴリを表す。実際の適用では、電子商取引のサイトの多数の製品が、例えば「果物」等、特定のカテゴリに分類される。「ｊ」は、異なるカテゴリをラベル付けするために使用される。

例えば、所与のクエリが「ａｐｐｌｅ」であり、ユーザがカテゴリ「果物」下にある７５の提示をクリックし、カテゴリ「電子機器」下にある２５の提示をクリックした場合、ｇ_１（"ａｐｐｌｅ"，"果物"）＝０．７５、およびｇ_１（"ａｐｐｌｅ"，"電子機器"）＝０．２５である。

２）等式（４）に示されているように、ナビゲーション領域のクリック可能な領域におけるカテゴリの重みは、

であり、ここで、「ｓｎ＿ｃｎｔ」は、特定のクエリについて、ナビゲーション領域に関連するクリックデータのうちのカテゴリｃａｔ’’に関連するクリックの総数を表す。ラベル「ｊ」は、異なるカテゴリをラベル付けするために使用される。カテゴリ１、カテゴリ２、カテゴリ３……カテゴリｎが存在する場合、ｊ＝１、２、……ｎであり、これにより、特定のクエリについてのすべてのカテゴリのクリックの総数の計算が可能となる。

例えば、所与のクエリが「ａｐｐｌｅ」であり、２つのカテゴリ、カテゴリ１：「果物」およびカテゴリ２：「電子機器」がナビゲーション領域に表示されると仮定する。クエリ「ａｐｐｌｅ」について、ナビゲーション領域におけるカテゴリ１のクリックの総数が７５であり、ナビゲーション領域におけるカテゴリ２のクリックの総数が２５である場合、ｇ_２（"ａｐｐｌｅ"，"果物"）＝０．７５、およびｇ_２（"ａｐｐｌｅ"，"電子機器"）＝０．２５である。

図３に示されているように、一実施形態において、個々のクリック属性ｆ_ｉは、対応する重みg_iを乗じる必要があり得る。これは、g_iは最大尤度分類子であり、訓練データにおいてもたらされる経験分布を反映するため、異なる個々のクリック属性の中でさらに区別することを可能にする。具体的には、ｆ_ｉは抽出されたクリック属性を表す。このクリック属性を、それに対応するg_iで乗じることによって、どのカテゴリに対して、このクリック属性ｆ_ｉ下でクエリがより偏向しているかを観察することができる。例えば、上記の例において、g₁およびg_２の両方は、「果物」のカテゴリに対して偏向している（両方が０．７５である）。したがって、クリック属性ｆ_ｉは、「果物」である、カテゴリ１に対して偏向している。

上記の実施形態に基づいて、判定の最後の動作は、すべてのクリック可能な領域に対応するクリック属性を組み合わせる。具体的には、クリックの重みｗは、クリック可能な領域に対応するクリック属性間の区別をするために必要とされる。したがって、ゲーティング処理が導入されて、それぞれの属性の重要度を評価、すなわちｗを計算する。具体的には、図４に示されているように、それぞれのクリック属性に関連するｗは、試験結果に基づいて管理者によって予め決められる。

上記の関数の設定から分かり得るように、ｇは、出力されたカテゴリに対する、特定のクリック属性の重要度を表す。変数ｗは、クリック属性間の重要度の相対次数を表す。

実際の適用において、訓練データがタグ付けされる場合、ｗは、最尤推定値（ＭＬＥ）訓練を使用して得られ得る。もちろん、この状況において、パラメータｇは必要ではない場合もあり（しかし、パラメータｇは、もはや０または１の値を有さないクリック属性値として使用されてもよい）、属性のパラメータは、直接訓練され得る。訓練データがタグ付けされない場合、ｗは、クリック可能な領域に対応するクリック属性に関連する信頼度（またはクリック可能な領域の信頼度ともみなされる）を使用して設定することができる。例えば、提示のクリック可能な領域において、提示のクリック属性に対応するＷ_１は、ω_１＝１−Ｐ_エラーとして設定され、ここで、Ｐ_エラーは、提示のクリック属性に基づいて判定が行われた際のエラー率を表す。中央のＮ個のＰのωの値は、それ自体ともとのクエリとの間の近似値となるように設定することができる。

上記に定義された関数に基づき、図５に示されているように、本開示の諸実施形態による、ユーザの先頭文字のクエリに基づいて検索装置によってユーザに対して提案される語を提供するための詳細なプロセスは、以下のようにもたらされる。

ブロック５００で、ユーザにより入力される先頭文字のクエリを受け取り、この先頭文字のクエリに基づいて、対応する提案されるクエリを得る。この実施形態では、先頭文字のクエリの不完全性に起因して、ユーザからにより入力される先頭文字のクエリを受け取ると、検索装置は、対応する提案されるクエリを得るために、すなわち、対応する提案される語を、先頭文字のクエリに基づいて得るために、所定の辞書を使用して先頭文字のクエリを完成させる必要がある。例えば、ユーザが「ｐｈｏ」と入力した場合、検索装置は、「ｐｈｏｎｅ」、「ｐｈｏｔｏ」、「ｐｈｏｔｏ ｆｒａｍｅ」、「ｐｈｏｔｏ ａｌｂｕｍ」、その他等のような、「ｐｈｏ」が前に付く、提案される語（すなわち提案されるクエリ）を、辞書を探索することによって得ることができる。別の例として、ユーザが「ａｐｐ」と入力した場合、検索装置は、辞書を探索して、提案されるクエリ「ａｐｐｌｅ」を得ることができる。さらなる別の例として、ユーザが「ａｐｐｌｅ」と入力した場合、検索装置は、辞書を検索することによって、提案されるクエリ「ａｐｐｌｅ携帯電話」、「ａｐｐｌｅ ＭＰ３」、その他等を得ることができる。以下の諸実施形態は、ユーザによって入力された先頭文字のクエリが「ａｐｐ」であり、一例として、辞書に基づいて先頭文字のクエリを完成した後に検索装置によって得られた提案される語が「ａｐｐｌｅ」であったと仮定する。

ブロック５１０で、提案されるクエリに対応する少なくとも２つのカテゴリ、および提案されるクエリを探索するために有用な、少なくとも２つのクリック可能な領域を個々に判定する。この実施形態では、「ａｐｐｌｅ」に対応する２つのカテゴリは、それぞれ「果物」および「電子機器」であり、提案されるクエリを探索するために２つのクリック可能な領域が有用であり、一方は提示のウェブページであり、他方はナビゲーション領域であると仮定する。

ブロック５２０で、それぞれのクリック可能な領域におけるそれぞれのカテゴリについてのカテゴリの重みｇ、およびそれぞれのクリック可能な領域についてのクリック属性の重みｗを判定する。この実施形態において、任意のクリック可能な領域（領域ｘと称する）における任意のカテゴリ（カテゴリｘと称する）についてのカテゴリの重みｇを判定するとき、以下の手法を使用して計算される。すなわち、提案されるクエリについての領域ｘ内のカテゴリｘに対応するクリックの総数と、提案されるクエリについての領域ｘ内のすべてのカテゴリに対応するクリックの総数との間の比率に基づいて、対応するカテゴリの重みｇ、すなわち領域ｘ内のカテゴリｘについてのカテゴリの重みを判定する。この計算の具体的な詳細は、等式（３）および等式（４）を参照することができ、本明細書において重複して繰り返されない。

さらに、任意のクリック可能な領域についてのクリック属性の重みｗを判定するための方法は、以下のようにもたらされる。訓練データがタグ付けされる場合、ｗは、最尤推定法を使用して得られる。訓練データがタグ付けされない場合、ｗは、上記の任意のクリック可能な領域の対応する信頼度を使用して設定される。具体的な設定方法は、上述の諸実施形態において説明されており、本明細書において重複して繰り返されない。

上述のパラメータｇおよびｗの値は、事前に管理者によって決定および格納され、ユーザのデータにおける変更に基づいてリアルタイムで更新することができる、または提案されるクエリを得ることに応答して、現行のユーザのデータに基づいてリアルタイムで計算することができる。

例えば、提案されるクエリ「ａｐｐｌｅ」について、システムは、ユーザのクリック行動についての統計値を得て、提示に関連するウェブページの領域内のカテゴリ「果物」下のユーザのクリック数は７５回であり、提示に関連するウェブページの領域内のカテゴリ「電子機器」下のユーザのクリック数は２５回であることを知る。この場合においては、ｇ_１（"ａｐｐｌｅ"，"果物"）＝０．７５、およびｇ_１（"ａｐｐｌｅ"，"電子機器"）＝０．２５である。ナビゲーション領域において、カテゴリ「果物」下のユーザのクリック数は８０回であり、カテゴリ「電子機器」下では２０回である。このようなときは、ｇ_２（"ａｐｐｌｅ"，"果物"）＝０．８、およびｇ_２（"ａｐｐｌｅ"，"電子機器"）＝０．２である。

さらに、提示のクリックモデルを使用する、クエリの予測カテゴリの正確さが８０％である場合、提示に関連するウェブページについてのクリック属性の重みｗ_１は、０．８となるように設定される。ナビゲーション領域を使用する、クエリの予測カテゴリの正確さが６０％である場合、ナビゲーション領域についてのクリック属性の重みｗ_２は、０．６となるように設定される。

ブロック５３０で、それぞれのクリック可能な領域下のそれぞれのカテゴリについてのカテゴリの重みｇ、およびそれぞれのクリック可能な領域についてのクリック属性の重みｗに基づいて、提案されるクエリについてのそれぞれのカテゴリの信頼度ｈを個々に計算する。

この実施形態では、提案されるクエリについての任意のカテゴリの信頼度を計算するために等式（５）が使用される。

ｈ（ｘ，ｙ）は、ｘについてのｙの信頼度として使用される；
ｘは、提案されるクエリを表す；
ｙは、カテゴリについての特性関数、例えば、クリック_１（提示，クエリ）、またはクリック_２（クエリ）を表す。特定のカテゴリについて、提案されるクエリが存在する場合、ｙの値は１である。提案されるクエリが存在しない場合、ｙの値は０である。本実施形態が、既存のカテゴリについてｈ（ｘ，ｙ）を計算するとき、計算される対象の任意のカテゴリとしてｙが適用される。

ω_ｉは、クリック可能な領域ｉのクリック属性の重みを表す；
ｋは、クリック可能な領域の数を表す；
ｇ_ｉは、提案されるクエリについてのクリック可能な領域ｉ内のカテゴリｙのカテゴリの重みを表す；
ｆ_ｉ（ｘ，ｙ）は、クリック可能な領域ｉに対応するクリック属性を表す。等式（１）および等式（２）を参照すると、
ｆ_ｉ（ｘ，ｙ）は、カテゴリｙ下に提案されるクエリが存在する場合、１の値を持つ。等式（５）は、詳細には提案されるクエリとｙとの間の対応関係について計算される。したがって、
ｆ_ｉ（ｘ，ｙ）の値は１である。明らかに、
ｆ_ｉ（ｘ，ｙ）の計算は、
ｇ_ｉ（ｘ，ｙ）の計算に組み込まれ得る；
Ｚは、規格化因子

を表す。

この実施形態において、ｋ＝２である場合、ｉの可能値は１および２である。例えば、ブロック５２０の例では、Ｚは次のように計算することができる：
Ｚ＝（０．８×０．７５＋０．６×０．８）＋（０．８×０．２５＋０．６×０．２）＝１．４であるため、
ｈ（"ａｐｐｌｅ"，"果物"）／Ｚ＝（０．８×０．７５＋０．６×０．８）／１．４＝７７．１４％；
ｈ（"ａｐｐｌｅ"，"電子機器"）／Ｚ＝（０．８×０．２５＋０．６×０．２）／１．４＝２２．８６％。

ブロック５４０では、提案されるクエリについてのそれぞれのカテゴリの信頼度ｈに基づいて、提案されるクエリについての対象カテゴリを個々に判定し、提案されるクエリ、およびそれぞれの対象カテゴリを表示する。この実施形態において、ブロック５４０の実施には、限定はされないが以下が含まれてもよい。

１．設定されたしきい値を超える信頼度を有するカテゴリが、提案されるクエリについての対象カテゴリとされ、提案されるクエリは、提案されるクエリの信頼度の降順に表示される。例えば、クエリ「ａｐｐｌｅ」に対応する２つの対象カテゴリは、信頼度が７７．１４％であるカテゴリ「果物」、および信頼度が２２．８６％であるカテゴリ「電子機器」である。両方のカテゴリは、設定されたしきい値である２０％を超える信頼度を有する。したがって、提案される語「ａｐｐｌｅ」を表示するとき、カテゴリ「果物」が最初に表示され、その次にカテゴリ「電子機器」が表示される。例えば、
先頭文字のクエリ：ａｐｐ
提案されるクエリ：ａｐｐｌｅ 果物
提案されるクエリ：ａｐｐｌｅ 電子機器

２．設定されたしきい値を超える信頼度を有するカテゴリが、提案されるクエリについての対象カテゴリとされ、提案されるクエリは、対象カテゴリの種類に基づいて、グループで表示される。例えば、先頭文字のクエリ「ａｐｐｌｅ」について、その提案されるクエリ「ａｐｐｌｅ携帯電話」、「ａｐｐｌｅ ＭＰ３」、および「ａｐｐｌｅヘッドフォン」は、それぞれ、カテゴリ「携帯電話」（５６％とされる信頼度を有する）、およびカテゴリ「デジタルメディアプレーヤー」（４４％とされる信頼度を有する）に対応し、これらの信頼度は、設定されたしきい値である２０％を超える。したがって、上記の提案されるクエリを表示するとき、これらは異なる対象カテゴリに従って、グループで表示されることとなる。例えば、
先頭文字のクエリ：Ａｐｐｌｅ
“携帯電話” “デジタルメディアプレーヤー”
提案されるクエリ：ａｐｐｌｅ携帯電話 ａｐｐｌｅ ＭＰ３
ａｐｐｌｅヘッドフォン

実際の適用では、多くの順応性のある表示方法が、事業の拡張とともに現れ得る。上記の２つの方法は、説明のための例にすぎない。

さらに、さらなる検索のためにユーザによって選択される、提案されるクエリを採用する際、システムは、すべての可能性のある対象カテゴリを検索するのではなく、対応する対象カテゴリ下で検索を行うことができるため、検索する対象の情報の量を効果的に低減し、さらには検索効率が向上される。

図６は、本開示の別の態様による、検索装置６００を示している。検索装置６００は、取得ユニット６０２、第１の判定ユニット６０４、計算ユニット６０６、第２の判定ユニット６０８、および表示ユニット６１０を含む。

取得ユニット６０２は、ユーザによって入力された先頭文字のクエリを受け取るために使用される。入力されたクエリに対応する、提案されるクエリが次いで得られる。

第１の判定ユニット６０４は、提案されるクエリに対応する少なくとも２つのカテゴリ、および提案されるクエリを探索するために有用な、少なくとも２つのクリック可能な領域を判定する。

第２の判定ユニット６０６は、提案されるクエリについてのそれぞれのクリック可能な領域におけるそれぞれの得られたカテゴリに関連する、カテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みを個々に判定する。

計算ユニット６０８は、それぞれの得られたカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みに基づいて、提案されるクエリについてのそれぞれのカテゴリの信頼度を個々に計算する。

表示ユニット６１０は、提案されるクエリについてのそれぞれのカテゴリの信頼度に基づいて、提案されるクエリについての対象カテゴリを個々に判定し、提案されるクエリ、および対象カテゴリを表示する。

要するに、本開示の諸実施形態は、ユーザのクエリログに基づいて、提案の辞書を確立し、ユーザのクリックログに基づいてカテゴリの提案を展開する。したがって、ユーザから入力された先頭文字のクエリ（クエリキーワード）に基づいて、対応する提案されるクエリを得ることに応答して、システムは、ユーザの既存のクリック行動に基づいて、それぞれの提案されるクエリについての対象カテゴリを判定し、提案されるクエリおよび対応する対象カテゴリを同時に表示することができる。その結果、対象カテゴリに基づいて、それぞれの提案されるクエリの誘導用の目的がユーザに対して表示され、これにより、ユーザが提案されるクエリの対象カテゴリに基づいて、ユーザの検索目的を迅速に判定することを可能にする。これは、関係のない提案されるクエリによる妨げを防ぎ、それにより、情報検索の速度が効果的に向上される。さらに、システムは、すべてのカテゴリ下で検索を行うのではなく、ユーザによって選択された、提案されるクエリに対応する対象カテゴリ下で検索を行うことを利用する。したがって、検索することとなる情報の量は大幅に減少し、そのため情報検索の速度はさらに向上され、関連サーバの処理作業負荷は低減される。本開示は、コンピュータ、ワイヤレス通信デバイス、その他等のような、電子製品において適用することができる。

図７は、上記に説明される装置等のような、例示的な装置７００をより具体的に図示している。一実施形態において、装置７００は、１つ以上のプロセッサ７０１、ネットワークインターフェース７０２、メモリ７０３、および入出力インターフェース７０４を含むことができるが、これらに限定はされない。

メモリ７０３には、ランダムアクセスメモリ（ＲＡＭ）等のような揮発性メモリ、および／またはリードオンリーメモリ（ＲＯＭ）等のような不揮発性メモリ、あるいはフラッシュＲＡＭの形式のコンピュータ可読媒体が含まれ得る。メモリ７０３は、コンピュータ可読媒体の一例である。

コンピュータ可読媒体には、コンピュータによる読み取り可能な命令、データ構造、プログラムモジュール、または他のデータ等のような情報の格納のためのあらゆる方法または技術において実装される、揮発性および不揮発性、取り外し可能および取り外しができない媒体が含まれる。コンピュータストレージ媒体の例には、相変化メモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、他の種類のランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、電気的に消去可能なプログラマブルリードオンリーメモリ（ＥＥＰＲＯＭ）、フラッシュメモリ、もしくは他のメモリ技術、コンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、もしくは他の光学ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ、もしくは他の磁気ストレージデバイス、またはコンピューティングデバイスによってアクセスするために情報を格納するために使用することのできる、あらゆる他の非伝送媒体が含まれるが、これらに限定はされない。本明細書において定義されるように、コンピュータ可読媒体は、変調されたデータ信号および搬送波等のような一時的な媒体を含まない。

メモリ７０３は、プログラムユニット７０５およびプログラムデータ７０６を含んでもよい。一実施形態において、プログラムユニット７０５は、取得ユニット７０７、第１の判定ユニット７０８、第２の判定ユニット７０９、計算ユニット７１０、および表示ユニット７１１を含むことができる。これらのプログラムユニットについての詳細、ならびにこれらのサブユニットおよびモジュールは、上記に説明される上述の諸実施形態において見ることができる。

当業者は、開示される方法、システム、および装置を、本開示の趣旨および範囲から逸脱することなく、多くの異なる形に変更または修正することができることに留意されたい。したがって、本開示は、本開示のクレームおよびそれらと同等とみなされるものの範囲に含まれる、すべての修正形態および変形形態を含むことが意図される。

Claims (20)

1. ユーザから先頭文字のクエリ入力を受け取ることと、
   前記先頭文字のクエリに基づいた、提案されるクエリを得ることと、
   前記提案されるクエリに対応する少なくとも２つのカテゴリ、および前記提案されるクエリを探索するために有用な、少なくとも２つのクリック可能な領域を判定することと、
   前記提案されるクエリについての、それぞれのクリック可能な領域における、それぞれのカテゴリに関連するカテゴリの重みを判定することと、
   それぞれのクリック可能な領域に関連するクリック属性の重みを判定することと、
   それぞれのカテゴリに関連する前記カテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みに基づいて、前記提案されるクエリについてのそれぞれのカテゴリの信頼度を計算することと、
   前記提案されるクエリについての、それぞれのカテゴリの前記信頼度に基づいて、前記提案されるクエリについての対象カテゴリを判定することと、
   提示のために、前記提案されるクエリおよび前記対象カテゴリを提供することと、を含む、提案される語を提供するための、方法。
2. それぞれのカテゴリに関連する前記カテゴリの重みを判定することは、
   前記提案されるクエリについての、クリック可能な領域における前記それぞれのカテゴリに関連するクリックの回数、および前記提案されるクエリについての、前記クリック可能な領域におけるすべてのカテゴリのクリックの回数の関数に基づいて、前記カテゴリの重みを判定することを含む、請求項１に記載の方法。
3. それぞれのクリック可能な領域に関連する前記クリック属性の重みを判定することは、
   最尤推定法を使用して前記クリック属性の重みを設定すること、または
   前記クリック可能な領域についての信頼度を使用して前記クリック属性の重みを設定すること、のうちの少なくとも１つを含む、請求項１に記載の方法。
4. それぞれのカテゴリの前記信頼度を計算することは、
   等式
   を使用して前記信頼度を計算することを含み、ここで、ｈ（ｘ，ｙ）は、ｘについてのｙの信頼度として使用され、
   ｘは、前記提案されるクエリを表し、
   ｙは、前記それぞれのカテゴリを表し、
   ω_ｉは、クリック可能な領域ｉのクリック属性の重みを表し、
   ｋは、クリック可能な領域の数を表し、
   ｇ_ｉは、前記提案されるクエリについてのクリック可能な領域ｉ内のカテゴリｙのカテゴリの重みを表し、
   ｆ_ｉ（ｘ，ｙ）は、前記クリック可能な領域ｉに対応するクリック属性を表し、
   Ｚは、規格化因子
   を表す、請求項１に記載の方法。
5. 前記対象カテゴリを判定して、前記提案されるクエリおよび前記対象カテゴリを提供することは、
   設定されたしきい値を超える信頼度を有するカテゴリを、前記提案されるクエリについての前記対象カテゴリとなるように適用し、かつ前記対象カテゴリの信頼度の降順、または前記対象カテゴリの種類に基づいたグループのうちの１つで、前記提案されるクエリを提供することを含む、請求項１に記載の方法。
6. 前記提案されるクエリについての前記対象カテゴリの、対象カテゴリの選択を受け取ることと、
   前記提案されるクエリおよび前記選択されたカテゴリに基づいて、新たな検索を行うことと、をさらに含む、請求項１に記載の方法。
7. 前記新たな検索を行うことは、前記提案されるクエリの前記選択されたカテゴリ内で前記新たな検索を行うことを含む、請求項１に記載の方法。
8. ユーザから先頭文字のクエリ入力を受け取り、かつ前記先頭文字のクエリに基づいてそれに対応する提案されるクエリを得るための、取得ユニットと、
   前記提案されるクエリに対応する少なくとも２つのカテゴリ、および前記提案されるクエリを探索するために有用な、少なくとも２つのクリック可能な領域を判定するための、第１の判定ユニットと、
   前記提案されるクエリについての、それぞれのクリック可能な領域におけるそれぞれの得られたカテゴリに関連するカテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みを判定するための、第２の判定ユニットと、
   それぞれの得られたカテゴリに関連する前記カテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みに基づいて、前記提案されるクエリについてのそれぞれのカテゴリの信頼度を計算するための、計算ユニットと、
   前記提案されるクエリについてのそれぞれのカテゴリの前記信頼度に基づいて、前記提案されるクエリについての対象カテゴリを判定し、かつ前記提案されるクエリおよび前記対象カテゴリを表示するための、表示ユニット、とを備える、提案される語を提供するための、装置。
9. 前記第１の判定ユニットは、前記提案されるクエリについての、クリック可能な領域におけるカテゴリのクリックの合計回数の、前記提案されるクエリについての、前記クリック可能な領域におけるすべてのカテゴリのクリックの合計回数に対する比率に基づいて、前記カテゴリの重みを判定する、請求項８に記載の装置。
10. 前記第１の判定ユニットは、最尤推定法、または前記クリック可能な領域についての信頼度のうちの１つを使用して、前記クリック属性の重みを設定する、請求項８に記載の装置。
11. 前記第２の判定ユニットは、等式
    に基づいて前記信頼度を計算し、ここで、
    ｈ(ｘ，ｙ)は、ｘについてのｙの信頼度として使用され、
    ｘは、前記提案されるクエリを表し、
    ｙは、前記それぞれのカテゴリを表し、
    ω_ｉは、クリック可能な領域ｉのクリック属性の重みを表し、
    ｋは、クリック可能な領域の数を表し、
    ｇ_ｉは、前記提案されるクエリについてのクリック可能な領域ｉ内のカテゴリｙのカテゴリの重みを表し、
    ｆ_ｉ（ｘ，ｙ）は、前記クリック可能な領域ｉに対応するクリック属性を表し、
    Ｚは、規格化因子
    を表す、請求項８に記載の装置。
12. 前記表示ユニットは、設定されたしきい値を超える信頼度を有するカテゴリを、前記提案されるクエリについての前記対象カテゴリとなるように適用し、かつ前記対象カテゴリの信頼度の降順に、前記提案されるクエリを提供する、請求項８に記載の装置。
13. 前記表示ユニットは、設定されたしきい値を超える信頼度を有するカテゴリを、前記提案されるクエリについての前記対象カテゴリとなるように適用し、かつ前記対象カテゴリの種類に基づいたグループで、前記提案されるクエリを提供する、請求項８に記載の装置。
14. １つ以上のプロセッサによって実行されると、
    ユーザから先頭文字のクエリ入力を受け取ることと、
    前記先頭文字のクエリに基づいた、提案されるクエリを得ることと、
    前記提案されるクエリに対応する少なくとも２つのカテゴリ、および前記提案されるクエリを探索するために有用な、少なくとも２つのクリック可能な領域を判定することと、
    前記提案されるクエリについての、それぞれのクリック可能な領域におけるそれぞれのカテゴリに関連するカテゴリの重みを判定することと、
    それぞれのクリック可能な領域に関連するクリック属性の重みを判定することと、
    それぞれのカテゴリに関連する前記カテゴリの重み、およびそれぞれのクリック可能な領域に関連するクリック属性の重みに基づいて、前記提案されるクエリについてのそれぞれのカテゴリの信頼度を計算することと、
    前記提案されるクエリについてのそれぞれのカテゴリの前記信頼度に基づいて、前記提案されるクエリについての対象カテゴリを判定することと、
    提示のために、前記提案されるクエリおよび前記対象カテゴリを提供することと、を含む行為を行うように前記１つ以上のプロセッサを構成する、コンピュータで読み取り可能な命令を格納する、１つ以上のコンピュータ可読媒体。
15. それぞれのカテゴリに関連する前記カテゴリの重みを判定することは、
    前記提案されるクエリについての、クリック可能な領域における前記それぞれのカテゴリに関連するクリックの回数、および前記提案されるクエリについての、前記クリック可能な領域におけるすべてのカテゴリのクリックの回数の関数に基づいて、前記カテゴリの重みを判定することを含む、請求項１４に記載の１つ以上のコンピュータ可読媒体。
16. それぞれのクリック可能な領域に関連する前記クリック属性の重みを判定することは、
    最尤推定法を使用して前記クリック属性の重みを設定すること、または
    前記クリック可能な領域についての信頼度を使用して前記クリック属性の重みを設定すること、のうちの少なくとも１つを含む、請求項１４に記載の１つ以上のコンピュータ可読媒体。
17. それぞれのカテゴリの前記信頼度を計算することは、
    等式
    を使用して前記信頼度を計算することを含み、
    ここで、ｈ(ｘ，ｙ)は、ｘについてのｙの信頼度として使用され、
    ｘは、前記提案されるクエリを表し、
    ｙは、前記それぞれのカテゴリを表し、
    ω_ｉは、クリック可能な領域ｉのクリック属性の重みを表し、
    ｋは、クリック可能な領域の数を表し、
    ｇ_ｉは、前記提案されるクエリについてのクリック可能な領域ｉ内のカテゴリｙのカテゴリの重みを表し、
    ｆ_ｉ（ｘ，ｙ）は、前記クリック可能な領域ｉに対応するクリック属性を表し、
    Ｚは、規格化因子
    を表す、請求項１４に記載の１つ以上のコンピュータ可読媒体。
18. 前記対象カテゴリを判定して、前記提案されるクエリおよび前記対象カテゴリを提供することは、
    設定されたしきい値を超える信頼度を有するカテゴリを、前記提案されるクエリについての前記対象カテゴリとなるように適用し、かつ前記対象カテゴリの信頼度の降順、または前記対象カテゴリの種類に基づいたグループのうちの１つで、前記提案されるクエリを表示することを含む、請求項１４に記載の１つ以上のコンピュータ可読媒体。
19. 前記行為は、
    前記提案されるクエリについての前記対象カテゴリの、対象カテゴリの選択を受け取ることと、
    前記提案されるクエリおよび前記選択されたカテゴリに基づいて、新たな検索を行うことと、をさらに含む、請求項１４に記載の１つ以上のコンピュータ可読媒体。
20. 前記新たな検索を行うことは、前記提案されるクエリの前記選択されたカテゴリ内で前記新たな検索を行うことを含む、請求項１４に記載の１つ以上のコンピュータ可読媒体。