JP2015197722A - 文書検索装置、文書検索方法、プログラム、及び、文書検索システム - Google Patents

Abstract

【課題】ユーザが指定した文書に対して、類似性に加えて、意外性や多様性のある文書を検索する文書検索装置等を提供する。【解決手段】文書検索装置１は、ユーザ端末２から検索対象文書の選択を受付けると、検索対象文書の特徴を表現する文書ベクトルを生成する。続いて、カテゴリ情報ＤＢ５に登録される各カテゴリに属する文書群と検索対象文書との類似度を算出し、文書情報ＤＢ６に登録される各文書と検索対象文書との類似度を算出する。文書検索装置１は、これらに基づいてユーザが選択した文書と類似性が低いカテゴリに属するが、文書間で内容が類似する文書を検索して、検索された文書を推薦先文書としてユーザ端末２に提示する。【選択図】図７

Description

本発明は、ユーザに適した文書や書籍等のコンテンツを検索する文書検索技術に関するものである。

近年、文書や書籍等を選択したユーザに対して、ユーザの嗜好に応じた文書を推薦するマッチング方法が研究開発されている。既存の主なマッチング方法として、内容が類似する文書を推薦する方法（文書ベース）や、同一の文書を選択した他のユーザが所望した文書を推薦する方法(協調ベース)や、ユーザの属性に応じた文書を推薦する方法(ルールベース)等がある。

一方で、特許文献１には、文書から意外性のある文章を抽出する技術が記載されている。

特開２０１１−９５９０５号公報

しかしながら、既存のマッチング方法を用いた場合、同一シリーズ等の既知の文書が提示されることや、類似性が高すぎる文書が複数提示されることが多く、推薦結果に意外性や多様性が無いという課題があった。

特許文献１には、ユーザが選択した文書（以下、検索対象文書と表記）に登場する各単語のカテゴリ内での登場回数に基づいて、検索対象文書内の文章に意外性スコアを付与するという記載はあるが、意外性スコアに基づいて文書を検索するといった記載は無い。

本発明は、前述した問題点に鑑みてなされたもので、その目的とすることは、ユーザが指定した文書に対して、類似性に加えて、意外性や多様性のある文書を検索する文書検索装置等を提供することである。

前述の課題を解決するために第１の発明は、検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索装置であって、推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段と、推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段と、前記第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出手段と、前記第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出手段と、前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索手段と、を備えることを特徴とする文書検索装置である。
第１の発明により、起点となる検索対象文書に対して、意外性や多様性のある推薦文書を検索することができる。
なお、「分類」とは、同一の種類の推薦文書を集めたもので、実施形態におけるカテゴリに相当する。

また、前記検索手段は、前記文書類似度と前記分類類似度との差分を取り、算出された差分値を参照して抽出することが望ましい。
これにより、文書の類似性と分類の類似性との関係に基づいて、推薦文書を抽出することができるため、意外性や多様性のある推薦文書を検索することができる。

また、前記差分値が予め設定された閾値を超えるものを抽出することが望ましい。
これにより、文書類似度は高いが分類類似度の低い推薦文書を抽出することができるため、意外性や多様性のある推薦文書を検索することができる。

また、前記検索手段は、前記分類類似度に対して所定係数を乗じて差分を取ることが望ましい。
これにより、分類の類似性を所定係数により調整して、分類がある程度類似している推薦文書を検索したり、分類が似ていない推薦文書を検索したりすることができる。

前記検索手段は、予め設定された閾値を満たす前記文書類似度及び／又は前記分類類似度を用いて前記推薦文書を検索することが望ましい。
これにより、類似していない文書を除外したり、類似性が高い分類を除外したりすることができるため、意外性や多様性のある推薦文書を検索することができる。

第２の発明は、検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索方法であって、推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出ステップと、推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出ステップと、前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索ステップと、を含むことを特徴とする文書検索方法である。
第２の発明により、起点となる検索対象文書に対して、意外性や多様性のある推薦文書を検索することができる。

第３の発明は、コンピュータを、検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索装置として機能させるためのプログラムであって、前記コンピュータを、推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段、推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段、前記第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出手段、前記第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出手段、前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索手段、として機能させるためのプログラムである。
第３の発明により、起点となる検索対象文書に対して、意外性や多様性のある推薦文書を検索することができる。

第４の発明は、ユーザ端末と、検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索装置とがネットワークを介して接続された文書検索システムであって、前記ユーザ端末は、前記検索対象文書の入力を受付ける入力受付手段と、前記検索対象文書を前記文書検索装置に送信する送信手段と、前記文書検索装置から検索結果を受信して表示する表示手段と、を備え、前記文書検索装置は、推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段と、推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段と、前記ユーザ端末から前記検索対象文書を受信する受信手段と、前記第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出手段と、前記第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出手段と、前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索手段と、抽出した前記推薦文書を前記ユーザ端末へ送信する送信手段と、を備えることを特徴とする文書検索システムである。

本発明の文書検索装置等によって、ユーザが指定した文書に対して、類似性に加えて、意外性や多様性のある文書を検索することができる。

本実施形態に係る文書検索システムのシステム構成の一例を示す図 本実施形態に係る文書検索サービスの概要を説明する図 本実施形態に係る文書検索装置（ユーザ端末）のハードウエアの構成例を示すブロック図 カテゴリ情報データベースに記憶されるカテゴリ情報の一例を示す図 文書情報データベースに記憶される文書情報の一例を示す図 文書検索装置に一時的に保持される情報の一例を示す図 文書推薦処理の流れを示すフローチャート 文書ベクトルを説明する図 文書推薦画面の一例を示す図 カテゴリ類似度算出処理の流れを示すフローチャート 文書類似度算出処理の流れを示すフローチャート 意外性スコア算出処理の流れを示すフローチャート ネットワークに接続されていない文書検索装置の文書推薦処理の流れを示すフローチャート

以下、図面に基づいて、本発明の好適な実施形態について詳細に説明する。
まず、図１〜図６を参照して本実施形態の構成について説明する。

図１は、本実施形態に係る文書検索システム１００のシステム構成の一例を示す図である。図１に示す様に、文書検索システム１００は、文書検索装置１と、１又は複数のユーザ端末２（２ａ、２ｂ）がネットワーク３を介して互いに通信接続されて構成される。

本実施形態では、ユーザ端末２を利用するユーザが選択した文書（検索対象文書）に対して、検索対象文書との類似性等に基づいて文書情報データベース６に登録される文書を検索して前記ユーザ端末２に提示する文書推薦サービスにて本発明に係る文書検索システム１００を利用する例について説明する。図２は、文書推薦サービスの概要を説明する図である。

尚、本発明において文書とは、電子化された書籍、雑誌、記事、論文、その他の書類、インターネットで公開される記事コンテンツ等である。

図２に示す様に、文書推薦方法ａ（従来の文書推薦サービス）では、検索対象文書１０（文書Ａ）と類似度の高い文書をデータベースから検索して推薦する。この場合、検索対象文書１０と推薦先文書１１（文書Ｂ、文書Ｃ、文書Ｄ）との類似性が高く、また、検索対象文書１０と推薦先文書が属するカテゴリ１２(カテゴリＸ)との類似性も高くなるという結果となる。従って、文書推薦方法ａにおいては、推薦先文書１１と検索対象文書１０とは分類が同じで内容も似ていることから、意外性の少ない文書をユーザに提示することとなる。

一方、文書推薦方法ｂでは、検索対象文書１０（文書Ａ）と類似度の低い文書をデータベースから検索して推薦する。この場合、検索対象文書１０と推薦先文書１１(文書Ｅ)との類似性は低く、また、検索対象文書１０と推薦先文書が属するカテゴリ１２(カテゴリＹ)との類似性も低くなるという結果となる。従って、文書推薦方法ｂにおいては、推薦先文書１１と検索対象文書１０とは分類が遠く内容も似ていないことから、無関係の文書をユーザに提示することとなる。

本発明に係る文書推薦サービスとは文書推薦方法ｃに示すものであり、検索対象文書１０（文書Ａ）と類似性は高く、推薦先文書が属するカテゴリ１２（カテゴリＺ）との類似性は低い文書（文書Ｆ）をデータベースから検索して推薦する。これにより、分類は違うが内容が似ている文書、即ち、意外性のある文書をユーザに提示することができる。

図１の説明に戻る。
文書検索装置１は、文書推薦サービスを提供するサイトのサーバ装置であり、文書検索装置１の記憶部２２は文書が属するカテゴリ情報を管理するカテゴリ情報データベース（ＤＢ）５、文書情報を管理する文書情報データベース（ＤＢ）６等を保持する。また、文書検索装置１は、文書推薦サービスを利用するユーザ端末２の識別情報と文書（例えば、書籍）購入（又は、閲覧等）履歴とを紐付けて管理するユーザの履歴情報を保持しても良い。詳細は後述する。

ユーザ端末２は、文書推薦サービスを利用するユーザが利用するコンピュータであり、文書検索装置１から送信される文書推薦画面８０(図９参照)等を表示する。ユーザ端末２は、汎用なコンピュータに代えて、携帯端末、モバイル端末等であっても良い。

図３は、本発明の実施形態に係る文書検索装置１（ユーザ端末２）を実現するコンピュータのハードウエア構成図である。コンピュータは、図３に示すように、例えば、制御部２１、記憶部２２、メディア入出力部２３、通信制御部２４、入力部２５、表示部２６、周辺機器Ｉ／Ｆ部２７等が、バス２８を介して接続されて構成される。

制御部２１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only
Memory）、ＲＡＭ（Random Access Memory）等により構成される。
ＣＰＵは、記憶部２２、ＲＯＭ、記憶媒体等に格納されるプログラムをＲＡＭ上のワークメモリ領域に呼び出して実行し、バス２８を介して接続された各装置を駆動制御し、文書検索装置１（ユーザ端末２）が行う後述する処理を実現する。ＲＯＭは、不揮発性メモリであり、コンピュータのブートプログラムやＢＩＯＳ等のプログラム、データ等を恒久的に保持する。ＲＡＭは、揮発性メモリであり、ロードしたプログラムや、データ等を一時的に保持すると共に、制御部２１が各処理を行うために使用するワークエリアを備える。

記憶部２２は、ＨＤＤ（Hard Disk Drive）等であり、制御部２１が実行するプログラムや、プログラム実行に必要なデータ、ＯＳ（Operating System）等が格納されている。これらのプログラムコードは、制御部２１により必要に応じて読み出されてＲＡＭに移され、ＣＰＵに読み出されて実行される。

メディア入出力部２３は、例えば、ＣＤドライブ、ＤＶＤドライブ、ＭＯドライブ、フロッピー（登録商標）ディスクドライブ、等のメディア入出力装置であり、画像等のデータの入出力を行う。
通信制御部２４は、通信制御装置、通信ポート等を有し、コンピュータとネットワーク３間の通信を媒介する通信インターフェースであり、ネットワーク３を介して、他の装置間との通信制御を行う。ネットワーク３は有線、無線を問わない。

入力部２５は、データ入力を行い、例えば、キーボード、マウスなどのポインティングデバイス、テンキーなどの入力装置を有する。入力されたデータを制御部２１へ出力する。
表示部２６は、例えば、ＣＲＴモニタ、液晶パネル等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路（ビデオアダプタ等）で構成され、制御部２１の制御により入力された表示情報をディスプレイ装置上に表示させる。
尚、入力部２５と表示部２６は、それらの機能が一体化した、例えば、タッチパネル付ディスプレイであっても良い。

周辺機器Ｉ／Ｆ部（インターフェース）２７は、コンピュータに周辺機器を接続させるためのポートであり、周辺機器Ｉ／Ｆ部２７を介してコンピュータは周辺機器とのデータの送受信を行う。周辺機器Ｉ／Ｆ部２７は、ＵＳＢやＩＥＥＥ１３９４やＲＳ−２３２Ｃ等で構成されており、通常複数の周辺機器Ｉ／Ｆを有する。周辺機器との接続形態は、有線、無線を問わない。
バス２８は、各装置間の制御信号、データ信号等の授受を媒介する経路である。

図４は、カテゴリ情報データベース５が取り扱うカテゴリ情報５０の一例を示す図である。図４に示すように、カテゴリ情報５０とは、各カテゴリの「カテゴリコード５１」、「カテゴリ名５２」、「カテゴリ説明文５３」、「特徴語５４」等の情報を含むものである。カテゴリコード５１とは、カテゴリを一意に識別する識別子であり、例えば、書籍を分類する日本十進法のコード番号や、記事文書を分類するために登録されたジャンル等である。カテゴリ名５２とは、カテゴリの内容を表す見出しである。カテゴリ説明文５３とは、カテゴリを説明する文章であり、特徴語５４とはカテゴリの内容を表す単語（キーワード）とその重要度（後述する）を示すものである。

尚、カテゴリ情報５０は特徴語５４を保持せずにカテゴリ説明文５３や、カテゴリに属する各文書の特徴語６５に基づいて、後述する文書推薦処理を実行するごとにカテゴリ情報５０の特徴語５４を抽出しても良い。

図５は、文書情報データベース６が取り扱う文書情報６０の一例を示す図である。図５に示すように、文書情報とは、各文書の「文書コード６１」、「文書名６２」、「カテゴリコード６３」、「文書説明文６４」、「特徴語６５」等の情報を含むものである。文書コード６１とは、文書を一意に識別する識別子である。文書名６２とは、文書のタイトルである。カテゴリコード６３とは、文書が属するカテゴリを示すものであり、カテゴリ情報データベース５のカテゴリコード５１に紐付く。文書情報データベース６に登録される文書は、予め１つ以上のカテゴリに分類され登録されている。

文書説明文６４とは文書の内容を表す紹介文であり、特徴語６５とは文書の内容を表す単語（キーワード）とその重要度（後述する）を示すものである。尚、文書情報６０は特徴語６５を保持せずに文書説明文６４や文書の本文から後述する文書推薦処理を実行するごとに特徴語６５を抽出しても良い。

図６は、文書推薦処理において文書検索装置１に一時的に保持される情報の一例を示す図である。図６の（ａ）に示す様に、文書検索装置１の制御部２１のＲＡＭ等は、「カテゴリコード７１」と、カテゴリ類似度算出処理（図７のＳ１０６）にて算出される「検索対象文書とのカテゴリ類似度７２」とを紐付けてカテゴリ類似度情報５６として記憶する。カテゴリコード７１は、カテゴリ情報データベース５のカテゴリコード５１に紐付く。

図６の（ｂ）に示す様に、文書検索装置１の制御部２１のＲＡＭ等は、「文書コード７３」と、文書類似度算出処理（図７のＳ１０７）にて算出される「検索対象文書との文書類似度７４」と、意外性スコア算出処理（図７のＳ１０８）にて算出される「検索対象文書との意外性スコア７５」とを紐付けて文書類似度情報５７として記憶する。文書コード７３は、文書情報データベース６の文書コード６１に紐付く。

[文書推薦処理]
続いて、図７〜図１３を参照して、文書検索装置１とユーザ端末２が実行する文書推薦処理について説明する。

図７は、文書推薦処理の一例を示すフローチャートである。
ユーザ端末２が文書検索装置１にアクセスすると、文書検索装置１の制御部２１は、ユーザ端末２に文書選択受付画面（図示せず）を送信する。文書選択受付画面には、文書情報ＤＢ６に予め登録される文書が一覧表示またはサムネイル表示され、ユーザ端末２の制御部２１は、ユーザ操作により文書の選択を受付ける（ステップＳ１０１）。

ユーザ端末２の制御部２１は、選択を受付けた文書（検索対象文書）の文書コード６１を、文書検索装置１に送信する（ステップＳ１０２）。文書検索装置１の制御部２１は、検索対象文書の文書コード６１を受信する(ステップＳ１０３)。

文書検索装置１の制御部２１は、文書情報ＤＢ６から、受信した文書コード６１に対応する特徴語６５のキーワードとキーワードの出現回数を抽出し（ステップＳ１０４）、検索対象文書の文書ベクトルを生成する（ステップＳ１０５）。

具体的には、文書検索装置１の制御部２１は、各文書の文書（文書名６２、文書説明文６４、文書の内容）に対し汎用的な形態素解析用ソフトウェアを用いて形態素解析を行い、キーワードを抽出する。抽出したキーワードのＴＦを算出して文書ベクトルを生成する。
なお、ＴＦ（Term-Frequency）とは、文書内にキーワードが出現する頻度（出現回数）である。

文書検索装置１の制御部２１は、同一カテゴリに属する文書群との類似度を表すカテゴリ類似度をカテゴリ情報ＤＢ５に登録されるカテゴリ毎に算出し（ステップＳ１０６）、検索対象文書と他の文書との類似度を表す文書類似度を文書情報ＤＢ６に登録される文書毎に算出し(ステップＳ１０７)、検索対象文書と他の文書との意外性スコアを文書毎に算出する（ステップＳ１０８）。ステップＳ１０６〜ステップＳ１０８で実行される各処理の詳細は、後述する。

文書検索装置１の制御部２１は、ステップＳ１０８で算出された検索対象文書との意外性スコア７５（文書類似度情報５７に記憶される）に基づいて、意外性スコアの高い文書を文書情報ＤＢ６から検索し（ステップＳ１０９）、それらを推薦先文書１１として該当するユーザ端末２に送信する（ステップＳ１１０）。

ユーザ端末２の制御部２１は、文書検索装置１から送信されたデータを受信して（ステップＳ１１１）、文書推薦画面８０を表示部２６に表示して（ステップＳ１１２）、処理を終了する。

図９に文書推薦画面８０の一例を示す。図９に示す様に、文書推薦画面８０には、ユーザが選択した検索対象文書１０（文書Ａ）と文書推薦処理によって検索された推薦先文書１１（文書Ｂ、文書Ｇ、文書Ｋ）とが一覧表示またはサムネイル表示される。

以上、文書推薦処理によって、文書検索装置１は、ユーザ端末２から検索対象文書の選択を受付けると、検索対象文書の特徴を表現する文書ベクトルを生成する。続いて、カテゴリ情報ＤＢ５に登録される各カテゴリに属する文書群と検索対象文書との類似度を算出し、文書情報ＤＢ６に登録される各文書と検索対象文書との類似度を算出する。文書検索装置１は、これらに基づいてユーザが選択した文書と類似性が低いカテゴリに属するが、文書間で内容が類似する文書を検索して、検索された文書を推薦先文書としてユーザ端末２に提示する。
これにより、文書検索装置１はユーザが選択した文書に対して、意外性や多様性のある文書を推薦することができる。

なお、文書推薦処理は、前述のものに限られず、その趣旨を逸脱しない範囲で変更可能である。
例えば、ステップＳ１０１〜ステップＳ１０３において、ユーザ端末２において、文書検索装置１の文書情報ＤＢ６に予め登録される文書から検索対象文書を選択させるようにしたが、ユーザ端末２において、検索対象文書として、一般的な検索窓から任意の文字列の入力を受付け、文書検索装置１が受信したり、ユーザ端末２において、作成しておいた文書を文書検索装置１へアップロード（送信）して、文書検索装置１が受信したりしてもよい。文書検索装置１は、受信した検索対象文書から、キーワードを抽出するとともに重要度を算出し、検索対象文書の文書ベクトルを生成する。

[カテゴリ類似度算出処理]
続いて、図１０及び適宜図８を参照して、文書推薦処理のステップＳ１０６にて実行されるカテゴリ類似度算出処理の一例について説明する。カテゴリ類似度算出処理において、文書検索装置１の制御部２１は、検索対象文書と各比較対象カテゴリとの類似度を計算する。

まず、ステップＳ２０１において、文書検索装置１の制御部２１は、検索対象文書から文書ベクトルを生成する。

ステップＳ２０１における、検索対象文書の文書ベクトルの生成方法について、図８（ａ）を参照しながら具体的に説明する。なお、図８（ａ）の文書Ａが本実施形態における検索対象文書に相当する。

文書検索装置１の制御部２１は、文書Ａの「キーワード」とそのキーワードの「出現回数」から、文書Ａの文書ベクトルを生成する。
例えば、図８（ａ）では、「キーワード」は「月、地球、衛星、大阪、名古屋、野球」であり、「出現回数」は表に記載の数字である。このとき、文書Ａの文書ベクトルＶａはＶａ＝「２、１、１、０、０、１」となる。

次に、ステップＳ２０２において、文書検索装置１の制御部２２は、各比較対象のカテゴリの文書ベクトルを生成する。

比較対象のカテゴリの文書ベクトルの生成方法について、図８（ｂ）を参照しながら具体的に説明する。図８（ｂ）に示すように、カテゴリＸが文章Ｂと文書Ｃを有するものとする。

文書検索装置１の制御部２１は、文書Ａの文書ベクトルＶаの生成と同様に、文書Ｂと文書Ｃの「キーワード」とそのキーワードの「出現回数」から、文書Ｂの文書ベクトルＶｂと文書Ｃの文書ベクトルＶｃを生成する。

例えば、図８では、「キーワード」は「月、地球、衛星、大阪、名古屋、野球」であり、「出現回数」は表に記載の数字である。このとき、文書Ｂの文書ベクトルＶｂはＶｂ＝「１、１、２、０、０、２」となり、文書Ｃの文書ベクトルＶｃはＶｃ＝「１、０、１、０、０、０」となる。

そして、最終的に、カテゴリＸの文書ベクトルは、文書Ｂの文書ベクトルＶｂと文書Ｃの文書ベクトルＶｃとの和、つまり、カテゴリＸの文書ベクトルＶｘはＶｘ＝「２、１、３、０、０、２」となる。

上記カテゴリの文書ベクトルは、全ての比較対象カテゴリにつき、制御部２２によって生成される。

そして、ステップＳ２０３において、文書検索装置１の制御部２１は、ステップＳ２０１において生成した文書ベクトルＶａと、ステップＳ２０２において生成した各比較対象のカテゴリの文書ベクトルとの類似度（カテゴリ類似度）を計算する。

例えば、カテゴリＸの文書ベクトルＶｘとの類似度を算出する場合、文書検索装置１の制御部２１が、文書Ａの文書ベクトルＶａと、カテゴリＸの文書ベクトルＶｘとから、ベクトルＶａとベクトルＶｘとの類似度を算出する（カテゴリ類似度）。カテゴリ類似度としては、例えば、コサイン類似度（Ｖａ・Ｖｘ）／（｜Ｖａ｜｜Ｖｘ｜）を用いることができる。例えば、図８の場合、カテゴリ類似度は、約０．８９となる。

また、ステップＳ２０３において、文書検索装置１の制御部２１は、算出したカテゴリ類似度７２と比較対象カテゴリのカテゴリコード７１とを紐付けてカテゴリ類似度情報５６として、文書検索装置１の記憶部２２または制御部２１のＲＡＭ等に記憶する。

そして、ステップＳ２０３において、検索対象文書と全ての比較対象カテゴリとの類似度を計算したら、文書検索装置１の制御部２１は、処理を終了する。

以上、カテゴリ類似度算出処理によって、文書検索装置１は、同一カテゴリに属する文書群の特徴を表す文書ベクトル（カテゴリの文書ベクトル）により各カテゴリの特徴を求め、ユーザが選択した文書との類似性を数値化する。これにより推薦先コンテンツの検索の際に、ユーザが選択した文書と類似性が低いカテゴリに属するコンテンツを抽出することができる。

なお、本実施形態では、文書ベクトルの生成にＴＦを用いたが、これに限らず、ＴＦ−ＩＤＦ（Term Frequency-Inverse Document Frequency）により文書ベクトルを生成してもよい。

[文書類似度算出処理]
続いて、図１１を参照して、文書推薦処理のステップＳ１０７にて実行される文書類似度算出処理の一例について説明する。

図１１は、文書類似度算出処理の一例を示すフローチャートである。
文書検索装置１の制御部２１は、文書情報ＤＢ６に登録される１つの文書である比較対象文書を入力する（ステップＳ４０１）。

文書検索装置１の制御部２１は、比較対象文書の特徴語６５を文書情報ＤＢ６から抽出し（ステップＳ４０２）、比較対象文書の文書ベクトルを生成する（ステップＳ４０３）。文書検索装置１の制御部２１は、Ｓ１０５にて生成した検索対象文書の文書ベクトルとステップＳ４０３にて生成した比較対象文書の文書ベクトルから、文書類似度を算出する（ステップＳ４０４）。文書類似度としては、前述したコサイン類似度を用いればよい。

文書検索装置１の制御部２１は、算出した文書類似度７４と比較対象文書の文書コード７３とを紐付けて文書類似度情報５７として、文書検索装置１の記憶部２２または制御部２１のＲＡＭ等に記憶して(ステップＳ４０５)、文書情報ＤＢ６に登録される全ての文書を入力したか否かを判定する（ステップＳ４０６）。

入力済みでない場合には（ステップＳ４０６のＮＯ）、文書検索装置１の制御部２１は、ステップＳ４０１に戻る。入力済みの場合には（ステップＳ４０６のＹＥＳ）、文書検索装置１の制御部２１は、処理を終了する。

以上、文書類似度算出処理によれば、文書検索装置１は、各文書の特徴を表現する文書ベクトルにより各文書の特徴を求め、ユーザが選択した文書との類似性を数値化する。これにより、推薦文書の検索の際に、ユーザが選択した文書と類似する文書を抽出することができる。

[意外性スコア算出処理]
続いて、図１２を参照して、文書推薦処理のステップＳ１０８にて実行される意外性スコア算出処理の一例について説明する。

図１２は、意外性スコア算出処理の一例を示すフローチャートである。
文書検索装置１の制御部２１は、文書情報ＤＢ６に登録される１つの文書である比較対象文書を入力する（ステップＳ５０１）。

文書検索装置１の制御部２１は、比較対象文書が属するカテゴリコードを検索し、カテゴリコードに基づいてカテゴリ類似度情報５６から検索対象文書とのカテゴリ類似度７２を抽出する（ステップＳ５０２）。

文書検索装置１の制御部２１は、比較対象文書の文書コードに基づいて、文書類似度情報５７から検索対象文書との文書類似度７４を抽出する（ステップＳ５０３）。

文書検索装置１の制御部２１は、次式（１）を用いて、比較対象文書に対する検索対象文書の意外性スコア７５を算出する（ステップＳ５０４）。

式（１）の重みづけ係数αは、検索対象文書との類似性が高い文書の内、検索対象文書と類似性が低いカテゴリに属する文書の意外性スコアが高くなるように設定される。重みづけ係数αは、カテゴリの分類数やカテゴリに属する文書数に基づいて適宜設定される値である。

文書検索装置１の制御部２１は、算出した意外性スコアを該当する文書類似度情報５７に記憶し(ステップＳ５０５)、文書情報ＤＢ６に登録される全ての文書を入力したか否かを判定する（ステップＳ５０６）。

入力済みでない場合には（ステップＳ５０６のＮＯ）、文書検索装置１の制御部２１は、ステップＳ５０１に戻る。入力済みの場合には（ステップＳ５０６のＹＥＳ）、文書検索装置１の制御部２１は、処理を終了する。

以上、意外性スコア算出処理によれば、文書検索装置１は、検索対象文書との類似性が高い文書の内、検索対象文書と類似性が低いカテゴリに属する文書を検索するための意外性スコアを算出することができる。これにより、推薦文書の検索の際に、ユーザが選択した文書に対して意外性スコアの高い文書を文書情報ＤＢ６から抽出して、ユーザに意外性、多様性のある文書を提示することができる。

尚、文書推薦処理のステップＳ１０１でユーザより選択を受付ける文書は、文書情報ＤＢ６に未登録の文書であっても良い。例えば、ユーザが取得した記事文書、ユーザが作成した文書等であっても良い。その場合は、文書検索装置１の制御部２１は、その受付けた文書の内容自体に基づいて、特徴語を抽出して（ステップＳ１０４）、文書ベクトルを生成する（ステップＳ１０５）。

また、文書推薦処理のステップＳ１０１でユーザより選択を受付ける文書は、文書検索装置１の記憶部２２等に予め記憶されるユーザの履歴情報（例えば、文書の購入履歴等）に基づいて、決定されても良い。その場合は、文書検索装置１の制御部２１は、履歴情報に基づいて決定された１又は複数の検索対象文書から、特徴語を抽出して（ステップＳ１０４）、文書ベクトルを生成する（ステップＳ１０５）。

また、文書検索装置１は、ネットワークに接続せず単体でも用いることができる。図１３は、ネットワークに接続されていない文書検索装置１ａの文書推薦処理の一例を示すフローチャートである。
文書検索装置１ａの制御部２１は、ユーザから検索対象文書の入力を受付ける（ステップＳ６０１）。
ステップＳ６０２〜ステップＳ６０７は、図７に示した文書検索装置１の文書推薦処理のステップＳ１０４〜ステップＳ１０９と同一である。
そして、文書検索装置１の制御部２１は、抽出された意外性スコアの高い文書を、文書推薦画面に表示する（ステップＳ６０８）。

以上、添付図面を参照しながら、本発明に係る文書検索システム１００等の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される

１………文書検索装置
２（２ａ、２ｂ）………ユーザ端末
３………ネットワーク
５………カテゴリ情報ＤＢ
６………文書情報ＤＢ
２１………制御部
２２………記憶部
２３………メディア入出力部
２４………通信制御部
２５………入力部
２６………表示部
２７………周辺機器Ｉ／Ｆ部
５０………カテゴリ情報
５６………カテゴリ類似度情報
５７………文書類似度情報
６０………文書情報
１００………文書検索システム

Claims (8)

1. 検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索装置であって、
   推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段と、
   推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段と、
   前記第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出手段と、
   前記第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出手段と、
   前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索手段と、
   を備えることを特徴とする文書検索装置。
2. 前記検索手段は、前記文書類似度と前記分類類似度との差分を取り、算出された差分値を参照して抽出する
   ことを特徴とする請求項１に記載の文書検索装置。
3. 前記差分値が予め設定された閾値を超えるものを抽出する
   ことを特徴とする請求項２記載の文書検索装置。
4. 前記検索手段は、前記分類類似度に対して所定係数を乗じて差分を取る
   ことを特徴とする請求項２に記載の文書検索装置。
5. 前記検索手段は、予め設定された閾値を満たす前記文書類似度及び／又は前記分類類似度を用いて前記推薦文書を検索する
   ことを特徴とする請求項１から３のいずれか１項に記載の文書検索装置。
6. 検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索方法であって、
   推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出ステップと、
   推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出ステップと、
   前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索ステップと、
   を含むことを特徴とする文書検索方法。
7. コンピュータを、検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索装置として機能させるためのプログラムであって、
   前記コンピュータを、
   推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段、
   推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段、
   前記第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出手段、
   前記第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出手段、
   前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索手段、
   として機能させるためのプログラム。
8. ユーザ端末と、検索対象となる検索対象文書と関連性のある推薦文書を検索する文書検索装置とがネットワークを介して接続された文書検索システムであって、
   前記ユーザ端末は、
   前記検索対象文書の入力を受付ける入力受付手段と、
   前記検索対象文書を前記文書検索装置に送信する送信手段と、
   前記文書検索装置から検索結果を受信して表示する表示手段と、
   を備え、
   前記文書検索装置は、
   推薦文書の文書ごとに特徴語を管理し、記憶する第１の記憶手段と、
   推薦文書の分類ごとに特徴語を管理し、記憶する第２の記憶手段と、
   前記ユーザ端末から前記検索対象文書を受信する受信手段と、
   前記第１の記憶手段を参照して、前記対象文書と推薦文書との文書単位での類似度である文書類似度を算出する文書類似度算出手段と、
   前記第２の記憶手段を参照して、前記対象文書と推薦文書との分類単位での類似度である分類類似度を算出する分類類似度算出手段と、
   前記文書類似度と前記分類類似度を用いて前記推薦文書を抽出する検索手段と、
   抽出した前記推薦文書を前記ユーザ端末へ送信する送信手段と、
   を備えることを特徴とする文書検索システム。
   
   
   

Images