JP2024015704A - 検索装置、検索方法、コンピュータプログラム及びモデル生成装置 - Google Patents

Abstract

【課題】指定されたクエリを適切に拡張し、ユーザの意図に合った検索を行うことを可能にする。
【解決手段】文書データの検索に用いるクエリが入力される入力部と、文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択部と、選択された機械学習モデルを用いて、指定されたクエリを拡張するクエリ拡張部と、拡張されたクエリに基づいて、複数の文書データの中から検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索部と、検索部による検索結果を出力する出力部と、を備える、検索装置が提供される。
【選択図】図１

Description

本発明は、文書データを検索する検索装置、検索方法、コンピュータプログラム、及び、クエリを拡張する機械学習モデルを生成するモデル生成装置に関する。

大量の文書データから目的の文書データを検索する際に、ユーザは何らかのキーワードや文章をクエリとして検索装置に入力する。検索装置は、そのクエリを含む文書データを検索し、ユーザに検索結果を返す。このとき、ユーザの入力するクエリだけでは必要な文書検索結果が得られない場合がある。これは、表記ゆれや類義語、同義語等（以下、これらをまとめて「関連語句」ともいう。）が存在し、クエリと文書データ内の単語とが同等あるいは類似の意味を持っていたとしても、表層の表現が異なるためである。このようにユーザの入力するクエリのみでは十分な文書検索結果を得られないことを回避するための技術として、ユーザの入力したクエリに、自動的に別のクエリを追加するクエリ拡張がある。

クエリ拡張は、ユーザの入力したクエリに対して、検索装置が当該クエリの関連語句を自動的に求めて追加する技術である。例えば、予め関連語句の辞書を作成し、ユーザが入力したクエリの関連語句を当該辞書から取得することによりクエリ拡張する方法がある。しかし、この方法は辞書作成に膨大なコストがかかる。他のクエリ拡張の方法として、機械学習を利用する方法がある。かかる方法では、事前に大量の文書データを用いて、単語や文章間の距離を計算する機械学習モデルを取得する。取得された機械学習モデルを用いて単語や文章をベクトルに変換し、単語や文章間の距離を求めることで、ユーザの入力したクエリの関連語句を自動的に求めることができる。例えば、特許文献１には、元となる検索語に、その検索語と意味的な関連が深い他の表記の語句を加えてコンテンツを検索するコンテンツ推薦装置が開示されている。

ここで、文書検索においては、様々な内容の文書データを検索対象とすることがある。例えば、技術文書における技術領域、ビジネス文書における業務領域、文書の作成部署等によって、文書データの内容は大きく異なる。これは文書のドメインが異なるためである。関連語句を求める機械学習モデルは、複数のドメインのデータで学習されるよりも、特定のドメインのデータで学習された方が高い性能を発揮することが知られている（例えば、非特許文献１）。つまり、複数のドメインのデータを検索対象とする検索装置においては、単一の機械学習モデルによるクエリ拡張ではより高い性能を発揮することができない。

例えば、特許文献２には、学習モデルを用いてユーザからの問い合わせに対応するための自動応答システムについての各処理を行う情報処理装置が開示されている。かかる情報処理装置は、それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行うチャット対応部と、チャット内容に応じてチャット対応部で使用する学習モデルを選択する選択部と、を備えており、一つのチャット対応部で複数の学習モデルを使い分けている。

特開２０１６－１２６５６７号公報 特開２０２０－９１５１３号公報

Fernando Diaz, Bhaskar Mitra, and Nick Craswell. 2016. "Query Expansion with Locally-Trained Word Embeddings". In Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 367-377, Berlin, Germany. Association for Computational Linguistics.

しかし、上記特許文献２に記載の技術は、チャットにおいて、話題毎に機械学習モデルを用意し、話題の変化を自動的に認識してモデルを切り替えることによって、適切な返答を１つ得るためのものである。これはチャットという文脈のある対話でのみ適用可能な手法であって、文脈が提供されずクエリのみによって行われる検索には適用できない。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、指定されたクエリを適切に拡張し、ユーザの意図に合った検索を行うことの可能な、検索装置、検索方法、コンピュータプログラム、及び、クエリを拡張する機械学習モデルを生成するモデル生成装置を提供することにある。

上記課題を解決するために、本発明のある観点によれば、文書データの検索に用いるクエリが入力される入力部と、文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択部と、選択された機械学習モデルを用いて、指定されたクエリを拡張するクエリ拡張部と、拡張されたクエリに基づいて、複数の文書データの中から検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索部と、検索部による検索結果を出力する出力部と、を備える、検索装置が提供される。

モデル選択部は、ユーザが指定したドメインを検索対象ドメインとして、機械学習モデルを選択してもよい。

また、モデル選択部は、ユーザが入力したクエリに基づいて特定されたドメインを検索対象ドメインとして、機械学習モデルを選択してもよい。

出力部は、複数の検索対象ドメインの文書データを検索範囲として検索された場合に、各検索結果を統合して出力してもよい。

検索装置は、入力された文書データからクエリを抽出するクエリ抽出部をさらに備えてもよい。このとき、クエリ拡張部は、クエリ抽出部により抽出されたクエリに基づいてクエリを拡張する。

出力部は、クエリ拡張部によるクエリ拡張結果を出力し、検索部は、クエリ拡張結果に基づきユーザが修正したクエリに基づいて、文書データを再検索してもよい。

また、上記課題を解決するために、本発明の別の観点によれば、文書データの検索に用いるクエリを入力するクエリ入力ステップと、文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択ステップと、選択された機械学習モデルを用いて、クエリを拡張するクエリ拡張ステップと、拡張されたクエリに基づいて、複数の文書データの中から検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索ステップと、検索結果を出力する出力ステップと、を含む、検索方法が提供される。

さらに、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、文書データの検索に用いるクエリが入力される入力部と、文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択部と、選択された機械学習モデルを用いて、クエリを拡張するクエリ拡張部と、拡張されたクエリに基づいて、複数の文書データの中から検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索部と、検索部による検索結果を出力する出力部と、を備える、検索装置として機能させる、コンピュータプログラムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、複数のドメインのうちの少なくともいずれかに関連付けられている複数の文書データから、同一ドメインに関連付けられている文書データに含まれる複数の単語を取得する単語取得部と、単語取得部により取得された複数の単語を用いて、入力された単語から当該単語の関連語句を出力する機械学習モデルを生成するモデル生成部と、を備える、モデル生成装置が提供される。

以上説明したように本発明によれば、ドメインによって関連語句は異なるが、検索対象ドメインに対応する機械学習モデルを用いてクエリ拡張を行うことにより、指定されたクエリを適切に拡張し、ユーザの意図に合った検索を行うことを可能にする。

本発明の一実施形態に係る検索装置の一構成例を示すブロック図である。 同実施形態に係る検索方法の一例を示すフローチャートである。 文書検索画面の一例を示す説明図である。 複数の検索対象ドメインがある場合の検索結果の表示例を示す説明図である。 クエリ抽出部を有する検索装置の一構成例を示すブロック図である。 ユーザが文書データを指定して文書検索を実施する場合の一例を示すフローチャートである。 モデル生成装置の一構成例を示すブロック図である。 モデル生成処理の一例を示すフローチャートである。 検索装置またはモデル生成装置として機能する情報処理装置のハードウェア構成の一例を示すブロック図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

本発明の検索装置は、複数の文書データから、指定されたクエリに関連する１または複数の文書データを検索する。本発明において、文書データとは、電子データ化された文書をいう。文書データは、記録媒体に記録されており、検索装置は、文書データが記録された記録媒体にアクセスして、文書データを検索する。ここで、文書は、文字により書き表した情報であり、以下の説明においては、１つの文書は、１つの文書データ（すなわち、１つのファイル）として記録媒体に記録されているものとする。例えば、１冊の書籍が１つの文書データとして記録媒体に記録されている。なお、本発明はかかる例に限定されず、複数の文書を１つの文書データ（すなわち、１つのファイル）として記録媒体に記録されていてもよい。例えば、毎月作成される報告書を１年分まとめて１つの文書データとして記録媒体に記録されていてもよい。クエリは、キーワードまたは文章である。検索装置は、指定されたクエリを拡張する機械学習モデルを用いて、表記ゆれや類義語、同義語等の関連語句を追加してクエリを拡張する。

クエリを拡張する機械学習モデルは、ドメイン毎に学習されている。ドメインは、文書の分類を表しており、例えば、技術文書、事務文書といった文書の種類や、技術文書における技術分野、事務文書における事務分野、設備保全文書における設備の種類、文書の作成部署、文書の作成年代、文書の作成言語等がある。検索装置は、検索対象の文書データのドメイン（以下、「検索対象ドメイン」ともいう。）に応じて、クエリ拡張に使用する機械学習モデルを選択する。

そして、検索装置は、検索対象ドメイン毎に、選択した機械学習モデルを用いて、拡張されたクエリに基づき検索対象ドメインの文書データを検索範囲として検索する。検索装置は、検索結果として、拡張されたクエリのうち少なくともいずれか１つを含む文書データを抽出する。このように、本発明の検索装置では、指定されたクエリを適切に拡張し、ユーザの意図に合った文書検索を実現する。以下、本発明の好適な実施の形態について詳細に説明する。

［１．検索装置］
まず、図１に基づいて、本発明の一実施形態に係る検索装置１００の構成について説明する。図１は、本実施形態に係る検索装置１００の一構成例を示すブロック図である。

本実施形態に係る検索装置１００は、入力部１１０と、クエリ拡張部１２０と、モデル選択部１３０と、検索部１４０と、出力部１５０と、を備える。

入力部１１０は、入力装置１０から入力される情報を受け付けるインタフェースである。入力装置１０は、例えば、ユーザが情報を入力するための機器であって、例えばキーボード、マウス、タッチパネル等の入力機器である。入力部１１０は、入力装置１０から入力される情報を、クエリ拡張部１２０へ出力する。例えば、ユーザが入力装置１０を用いて、文書データの検索に用いるクエリを入力すると、入力部１１０は、入力されたクエリをクエリ拡張部１２０へ出力する。本実施形態において、クエリは、キーワードまたは文章であるとする。ユーザは、クエリに加えて、検索対象ドメインを、入力装置１０を用いて入力し指定してもよい。

クエリ拡張部１２０は、機械学習モデルを用いて指定されたクエリを拡張する。クエリ拡張部１２０は、入力部１１０から入力されたクエリの拡張に用いる機械学習モデルを取得するため、検索対象ドメインに関する情報をモデル選択部１３０へ出力する。検索対象ドメインに関する情報は、ユーザが入力装置１０を用いて入力したドメインであってもよく、ユーザが入力装置１０を用いて入力したクエリであってもよい。

クエリ拡張部１２０は、モデル選択部１３０により選択された機械学習モデルが入力されると、当該機械学習モデルを用いてクエリを拡張する。クエリ拡張部１２０は、例えば、入力されたクエリを選択された機械学習モデルによってベクトルに変換し、他の語句のベクトルとの距離を計算して、その距離に応じて関連語句を選択することで、クエリを拡張する。このとき、クエリ拡張部１２０は、検索対象ドメイン毎に、対応する機械学習モデルを用いてクエリを拡張する。クエリ拡張部１２０は、拡張したクエリを、検索部１４０へ出力する。また、クエリ拡張部１２０は、拡張したクエリ及び検索対象ドメインを出力部１５０に出力してもよい。

モデル選択部１３０は、文書データのドメイン毎に生成された複数の機械学習モデルの中から、検索対象ドメインに対応する機械学習モデルを選択する。モデル選択部１３０は、クエリ拡張部１２０から検索対象ドメインに関する情報が入力されると、検索対象ドメインに関する情報から検索対象ドメインを特定する。クエリ拡張部１２０から入力された情報がドメインであれば、モデル選択部１３０は、当該ドメインを検索対象ドメインとする。また、クエリ拡張部１２０から入力された情報がクエリであれば、当該クエリから検索対象ドメインを判定する。この場合、モデル選択部１３０は、例えば、クエリとドメインとの関係性を予め学習させた言語モデルや、トピックモデル等の機械学習モデル、クエリとドメインとの関係性を収録した辞書等を用いることにより、検索対象ドメインを判定し得る。なお、モデル選択部１３０が選択する検索対象ドメインは、１つであってもよく、複数であってもよい。

モデル選択部１３０は、特定した検索対象ドメインに対応する機械学習モデルを、モデル記憶部２００から選択する。モデル記憶部２００は、文書データのドメイン毎に予め生成された、クエリを拡張する機械学習モデルを記憶するデータベースである。例えば、図１に示すモデル記憶部２００には、ドメインＡの文書データから生成されたモデルＡ２１１、ドメインＢの文書データから生成されたモデルＢ２１２、ドメインＣの文書データから生成されたモデルＣ２１３が格納されている。機械学習モデルの構築手法は特に限定されないが、例えばＷｏｒｄ２Ｖｅｃ、ＢＥＲＴ等の手法により構築してもよい。例えば、検索対象ドメインが「ドメインＡ」であるとき、モデル選択部１３０は、モデル記憶部２００から、モデルＡ２１１を選択し、取得する。そして、モデル選択部１３０は、選択した機械学習モデルを、クエリ拡張部１２０へ出力する。

検索部１４０は、クエリ拡張部１２０により拡張されたクエリに基づき、文書サーバ３００に記録された複数の文書データから、拡張されたクエリのうち少なくともいずれか１つを含む文書データを検索する。検索部１４０の検索手法は特に限定されないが、例えばキーワード検索エンジン等を用いてもよい。

検索部１４０は、文書サーバ３００に記録されている文書データのうち、検索対象ドメインの文書データを検索範囲として検索する。例えば、図１に示すように、文書サーバ３００が、ドメインＡの文書データを格納する文書データベース３１０、ドメインＢの文書データを格納する文書データベース３２０、及び、ドメインＣの文書データを格納する文書データベース３３０を備えているとする。例えば、検索対象ドメインが「ドメインＡ」であるとき、検索部１４０は、クエリ拡張部１２０により拡張されたクエリに基づき、文書データベース３１０の文書データを検索範囲として、検索を行う。

なお、文書サーバ３００が１つのデータベースのみを備え、当該データベースにすべてのドメインの文書データが格納されていてもよい。この場合、データベースに記録された文書データそれぞれに対してドメインを区別する符号を付与しておく。これにより、検索部１４０は、検索対象ドメインの符号によって検索範囲とする文書データをデータベースから絞り込み、絞り込んだ文書データを検索範囲として検索することができる。また、文書サーバ３００は、図１では１つのみ記載されているが、複数設置されていてもよい。さらに文書サーバ３００は、ネットワークを介して検索装置１００と接続されたクラウドサーバであってもよい。検索部１４０は、ドメイン毎に検索を行い、検索結果を出力部１５０へ出力する。

出力部１５０は、検索装置１００から出力装置２０へ情報を出力するインタフェースである。出力装置２０は、検索装置１００から出力された情報をユーザに提示するための機器であって、例えばディスプレイ、プリンター等の出力機器である。例えば、出力部１５０は、クエリ拡張部１２０から入力される拡張したクエリ及び検索対象ドメインや、検索部１４０による検索結果を、出力装置２０に出力する。

［２．検索方法］
次に、図２～図４に基づいて、本発明の一実施形態に係る検索装置１００による文書データの検索方法について説明する。図２は、本実施形態に係る検索方法の一例を示すフローチャートである。図３は、文書検索画面４００の一例を示す説明図である。図４は、複数の検索対象ドメインがある場合の検索結果の表示例を示す説明図である。

（Ｓ１００、Ｓ１１０：クエリ及び検索対象ドメインの指定）
本実施形態に係る文書データの検索方法では、まず、ユーザは、入力装置１０を用いて、クエリとするキーワードまたは文章を入力する（Ｓ１００）。ユーザは、例えば図３に示す文書検索画面４００のクエリ入力エリア４１０のクエリ入力欄４１１に、クエリを入力する。図３の例では、ユーザはクエリとして「ＣＧＬ」を入力している。

また、ユーザは、入力装置１０を用いて、文書データの検索範囲を指定する検索対象ドメインを指定する（Ｓ１１０）。例えば、図３に示す文書検索画面４００のドメイン選択エリア４２０には、文書データを分類するドメインが表示されており、各ドメインにはチェックボックスが設けられている。ユーザは、検索範囲とする文書データのドメインのチェックボックスにチェックを入れることで、検索対象ドメインを指定することができる。例えば図３に示す文書検索画面４００のドメイン選択エリア４２０には、ドメインとして「技術文書」、「事務文書」が表示されており、「技術文書」のチェックボックスにチェックが入っている。この場合、ユーザは、検索対象ドメインとして「技術文書」を指定している。

その後、ユーザは、入力装置１０を用いて、文書検索画面４００の検索ボタン４１５を押下して、文書データの検索を開始する。検索ボタン４１５が押下されると、検索装置１００の入力部１１０は、文書検索画面４００に入力されたクエリと、指定された検索対象ドメインとを、クエリ拡張部１２０へ出力する。

なお、ユーザは、複数のドメインを検索対象ドメインとして指定してもよい。また、ユーザが検索対象ドメインを指定しない場合、検索装置１００は、検索対象ドメインに関する情報として、入力されたクエリがクエリ拡張部１２０からモデル選択部１３０へ出力される。この場合、モデル選択部１３０は、例えば、クエリとドメインとの関係性を予め学習させた言語モデルや、トピックモデル等の機械学習モデル、クエリとドメインとの関係性を収録した辞書等を用いることにより、入力されたクエリから検索対象ドメインを判定する。

（Ｓ１２０－Ｓ１４０：クエリ拡張）
クエリ及び検索対象ドメインが特定されると、検索装置１００のモデル選択部１３０は、モデル記憶部２００から検索対象ドメインに対応する機械学習モデルを選択する（Ｓ１２０）。複数の検索対象ドメインが指定されている場合には、モデル選択部１３０は、検索対象ドメインそれぞれについて、対応する機械学習モデルを選択する。その後、クエリ拡張部１２０は、選択された機械学習モデルを用いて、クエリを拡張する（Ｓ１３０）。クエリ拡張部１２０は、例えば、入力されたクエリを選択された機械学習モデルによってベクトルに変換し、他の語句のベクトルとの距離を計算して、その距離に応じて関連語句を選択することで、クエリを拡張する。複数の機械学習モデルが選択されている場合には、それぞれの機械学習モデルを用いて、クエリを拡張する。

クエリ拡張部１２０は、ステップＳ１２０において選択したすべての機械学習モデルを用いてクエリを拡張したかを判定し（Ｓ１４０）、未使用の機械学習モデルがある場合には（Ｓ１４０：ＮＯ）、すべての機械学習モデルを用いてクエリを拡張するまでステップＳ１３０、Ｓ１４０の処理を繰り返し実施する。そして、選択したすべての機械学習モデルを用いてクエリを拡張すると（Ｓ１４０：ＹＥＳ）、クエリ拡張部１２０は、拡張したクエリを検索部１４０へ出力する。また、クエリ拡張部１２０は、拡張したクエリを出力装置２０に表示させるために、出力部１５０へ出力してもよい。

（Ｓ１５０－Ｓ１７０：文書検索）
検索部１４０は、クエリ拡張部１２０により拡張されたクエリに基づき、文書サーバ３００に記録された複数の文書データから、拡張されたクエリのうち少なくともいずれか１つを含む文書データを検索する（Ｓ１５０）。検索部１４０は、文書サーバ３００に記録されている文書データのうち、検索対象ドメインの文書データを検索範囲として検索する。例えば、図３に示す文書検索画面４００のドメイン選択エリア４２０において、検索対象ドメインとして「技術文書」が指定された場合には、検索部１４０は、文書サーバ３００が格納する文書データのうち、ドメインが「技術文書」である文書データを検索範囲として、文書検索を行う。

検索部１４０は、ステップＳ１１０において指定されたすべての検索対象ドメインについて文書検索を行ったかを判定し（Ｓ１６０）、検索していない検索対象ドメインがある場合には（Ｓ１６０：ＮＯ）、すべての検索対象ドメインについて文書検索を行うまでステップＳ１５０、Ｓ１６０の処理を繰り返し実施する。そして、指定されたすべての検索対象ドメインについて文書検索を終えると（Ｓ１６０：ＹＥＳ）、検索部１４０は、文書検索結果を出力部１５０へ出力する。複数の検索対象ドメインについて文書検索を行った場合には、検索部１４０は、検索対象ドメイン毎に文書検索結果を出力する。

その後、出力部１５０は、文書検索結果を出力装置２０へ出力する（Ｓ１７０）。出力装置２０は、文書検索結果を、例えば図３に示す文書検索画面４００の検索結果エリア４５０に表示する。図３に示す検索結果エリア４５０には、２つの文書データ（文書１、文書２）が検索により文書サーバ３００から抽出され、そのタイトルが表示されている。検索結果は、クエリとの合致度の高い順序から表示してもよい。

また、文書検索画面４００に、ステップＳ１３０のクエリ拡張により追加されたクエリを、クエリ拡張結果として表示してもよい。例えば、図３に示す文書検索画面４００のクエリ拡張結果表示エリア４３０には、ステップＳ１００にて入力されたクエリ「ＣＧＬ」を拡張することで追加されたクエリとして「連続溶融亜鉛めっきライン」（拡張クエリ４３１ａ）と、「ＧＡ」（拡張クエリ４３１ｂ）とが表示されている。検索結果エリア４５０に表示される文書検索結果は、クエリ入力欄４１１に入力されたクエリと、クエリ拡張結果表示エリア４３０に表示されたクエリ（拡張クエリ４３１ａ、４３１ｂ）とに基づき、文書サーバ３００を検索した結果である。

ここで、拡張されたクエリが適切でないために、文書検索結果がユーザの意図する内容でない場合もあり得る。このとき、ユーザは、クエリ拡張結果表示エリア４３０に表示された拡張クエリから不要なクエリを削除し、再度文書検索を実施してもよい。例えば、図３にクエリ拡張結果表示エリア４３０に表示された拡張クエリ４３１ａ、４３１ｂには、それぞれ削除ボタン４３５ａ、４３５ｂが設けられている。ユーザは、入力装置１０を用いて不要なクエリの削除ボタンを押下することで、削除されたクエリを除くクエリに基づき、文書サーバ３００を再検索することができる。例えばクエリ「ＧＡ」（拡張クエリ４３１ｂ）が不要であるとき、ユーザは削除ボタン４３５ｂを押下する。その結果、検索部１４０は、クエリ「ＣＧＬ」及び「連続溶融亜鉛めっきライン」に基づき、文書サーバ３００を検索する。検索部１４０は再検索結果を出力部１５０へ出力し、出力装置２０は検索結果エリア４５０に再検索結果を表示する。

このように、検索に用いるクエリをユーザが修正できるようにすることで、ユーザの意図にあった検索を実施することができる。なお、文書検索結果が表示された後、ユーザがクエリを新たに追加して、再検索を実施することも可能である。

また、検索対象ドメインが複数指定されていた場合、出力部１５０は、検索対象ドメインドメイン毎に、文書検索結果を出力装置２０に出力してもよい。もしくは、出力部１５０は、複数の検索対象ドメインについて実施された各文書検索結果を統合して、出力装置２０に出力してもよい。例えば、図３に示す文書検索画面４００において、「技術文書」及び「事務文書」の両方のチェックボックスにチェックが入れられ、「技術文書」及び「事務文書」が検索対象ドメインとして指定されたとする。このとき、検索装置１００は、「技術文書」のドメインについて学習された機械学習モデルを用いてクエリを拡張した後、文書サーバ３００に記録されている文書データのうち、ドメインが「技術文書」の文書データを検索範囲として検索する。同様に、検索装置１００は、「事務文書」のドメインについて学習された機械学習モデルを用いてクエリを拡張した後、文書サーバ３００に記録されている文書データのうち、ドメインが「事務文書」の文書データを検索範囲として検索する。出力部１５０は、検索対象ドメインそれぞれについて得られた文書検索結果を１つにまとめて、出力装置２０に出力する。

出力装置２０は、文書検索画面４００の検索結果エリア４５０において、例えば図４に示すように文書検索結果を表示し得る。図４に示す検索結果エリア４５０には、文書サーバ３００から抽出された３つの文書データについて、文書内容欄４５１、４５２、４５３に、文書データのドメイン、文書データのタイトル、本文中のスニペットがそれぞれ記載されている。スニペットは、例えば、文書データの本文中にクエリが記載されている部分の周辺を抜粋したものであってもよい。スニペットを表示することで、抽出された文書データが意図するものであるか否かをユーザが判断しやすくなる。検索結果は、ドメインを問わず、クエリとの合致度の高い順序から表示してもよい。また、文書内容欄４５１、４５２、４５３には、著者、出版日等の文書情報をさらに表示してもよい。

以上、本発明の一実施形態に係る文書データの検索装置１００とこれによる検索方法について説明した。本実施形態によれば、ユーザが入力したクエリを、検索対象ドメインに対応する機械学習モデルを用いて拡張した後、拡張されたクエリに基づき、検索対象ドメインの文書データを検索範囲として文書検索を行う。これにより、ドメインによって異なるクエリの関連語句を適切に拡張することができ、ユーザの意図にあった検索を実施することができる。

［３．変形例（文書データに基づく文書検索）］
上述の検索装置１００による文書検索では、ユーザが入力したキーワードまたは文章をクエリとして文書データを検索したが、本発明はかかる例に限定されず、クエリは、ユーザが指定した文書データから抽出したものであってもよい。例えば、ある文書データと関連性の高い文書データを検索したい場合に、ユーザは、クエリを入力する代わりに、当該文書データを指定してもよい。

ユーザが文書データを指定して当該文書データと関連性の高い文書データを検索する場合、検索装置１００は、図５に示すように、図１に示した検索装置１００が備える機能部（すなわち、入力部１１０、クエリ拡張部１２０、モデル選択部１３０、検索部１４０及び出力部１５０）に加えて、クエリ抽出部１６０をさらに備える。

ユーザが文書データを指定すると、入力部１１０は、指定された文書データをクエリ抽出部１６０へ出力する。クエリ抽出部１６０は、文書データの本文等から、当該文書データの内容に特徴的な単語または文章を、クエリとして抽出する。クエリ抽出部１６０は、例えばＴＦ－ＩＤＦやＢＭ２５、ＴｅｘｔＲａｎｋ等のキーワード抽出アルゴリズムや、文書データ中の重要文を抽出する機械学習モデル等を用いて、文書データからクエリを抽出する。クエリ抽出部１６０は、指定された文書データから抽出したクエリを入力部１１０へ出力する。入力部１１０は、クエリ抽出部１６０によって抽出されたクエリを、クエリ拡張部１２０へ出力する。

なお、クエリ拡張部１２０、モデル選択部１３０、検索部１４０及び出力部１５０は、図１に基づき説明した機能と同様の機能を有する。

ユーザが文書データを指定して当該文書データと関連性の高い文書データを検索する場合にも、クエリ抽出部１６０によって文書データからクエリが抽出された後は、図２に示したステップＳ１１０～Ｓ１７０の処理を実行することで、クエリを拡張し、文書検索を実施すればよい。図６に、ユーザが文書データを指定して文書検索を実施する場合のフローチャートを示す。なお、図６に示す処理のうち、図２のフローチャートに示した処理と同様の処理については、詳細な説明を省略する。

（Ｓ２００－Ｓ２２０：クエリ及び検索対象ドメインの指定）
ユーザが文書データを指定して文書検索を実施する場合、図６に示すように、まず、ユーザは、入力装置１０を用いて、文書データを指定する（Ｓ２００）。文書データの指定は、例えば図３に示した文書検索画面４００のクエリ入力エリア４１０に文書指定欄を新たに設け、文書指定欄に、指定する文書データを入力する、または、文書データの格納場所を入力することにより行ってもよい。文書指定欄にて文書データが指定されると、検索装置１００の入力部１１０は、クエリ抽出部１６０に文書データを出力する。

クエリ抽出部１６０は、文書データからクエリを抽出する（Ｓ２１０）。クエリ抽出部１６０は、文書データの本文等から、当該文書データの内容に特徴的な単語または文章を、クエリとして抽出する。クエリ抽出部１６０は、指定された文書データから抽出したクエリを、入力部１１０へ出力する。

また、ユーザは、入力装置１０を用いて、文書データの検索範囲を指定する検索対象ドメインを指定する（Ｓ２２０）。そして、ユーザは、入力装置１０を用いて、文書検索画面４００の検索ボタン４１５を押下して、文書データの検索を開始する。ステップＳ２２０の処理は、図２のステップＳ１１０と同様に実行すればよい。

（Ｓ２３０－Ｓ２５０：クエリ拡張）
クエリ及び検索対象ドメインが特定されると、検索装置１００のモデル選択部１３０は、モデル記憶部２００から検索対象ドメインに対応する機械学習モデルを選択する（Ｓ２３０）。その後、クエリ拡張部１２０は、選択された機械学習モデルを用いて、クエリを拡張する（Ｓ２４０）。クエリ拡張部１２０は、選択したすべての機械学習モデルを用いてクエリを拡張したかを判定し（Ｓ２５０）、未使用の機械学習モデルがある場合には（Ｓ２５０：ＮＯ）、すべての機械学習モデルを用いてクエリを拡張するまでステップＳ２４０、Ｓ２５０の処理を繰り返し実施する。そして、選択したすべての機械学習モデルを用いてクエリを拡張すると（Ｓ２５０：ＹＥＳ）、クエリ拡張部１２０は、拡張したクエリを検索部１４０へ出力する。また、クエリ拡張部１２０は、拡張したクエリを出力装置２０に表示させるために、出力部１５０へ出力してもよい。ステップＳ２３０－Ｓ２５０の処理は、図２のステップＳ１２０－Ｓ１４０と同様に実行すればよい。

（Ｓ２６０－Ｓ２８０：文書検索）
検索部１４０は、クエリ拡張部１２０により拡張されたクエリに基づき、文書サーバ３００に記録された複数の文書データから、拡張されたクエリのうち少なくともいずれか１つを含む文書データを検索する（Ｓ２６０）。検索部１４０は、指定されたすべての検索対象ドメインについて文書検索を行ったかを判定し（Ｓ２７０）、検索していない検索対象ドメインがある場合には（Ｓ２７０：ＮＯ）、すべての検索対象ドメインについて文書検索を行うまでステップＳ２６０、Ｓ２７０の処理を繰り返し実施する。そして、指定されたすべての検索対象ドメインについて文書検索を終えると（Ｓ２７０：ＹＥＳ）、検索部１４０は、文書検索結果を出力部１５０へ出力する。その後、出力部１５０は、文書検索結果を出力装置２０へ出力する（Ｓ２８０）。ステップＳ２６０－Ｓ２８０の処理は、図２のステップＳ１２０－Ｓ１４０と同様に実行すればよい。

このように、ユーザが文書データを指定して当該文書データと関連性の高い文書データを検索する場合にも、ドメインによって異なるクエリの関連語句を適切に拡張することができ、ユーザの意図にあった検索を実施することができる。

［４．機械学習モデルの生成］
検索装置１００にてクエリを拡張する機械学習モデルは、モデル生成装置を用いて予め生成する。以下、図７及び図８に基づいて機械学習モデルを生成するモデル生成装置５００と、モデル生成装置５００によるモデル生成処理について説明する。図７は、モデル生成装置５００の一構成例を示すブロック図である。図８は、モデル生成処理の一例を示すフローチャートである。

［４－１．モデル生成装置］
モデル生成装置５００は、図７に示すように、単語取得部５１０と、モデル生成部５２０とを備える。

単語取得部５１０は、複数のドメインのうちの少なくともいずれかに関連付けられている複数の文書データから、同一ドメインに関連付けられている文書データに含まれる複数の単語を取得する。

例えば、単語取得部５１０は、形態素解析により、文書サーバ３００に記録されている複数の文書データそれぞれについて、文書データ内の文章を区切り、単語を取得する。この際、単語取得部５１０は、取得した単語それぞれに対して、当該単語を取得した文書データのドメインを関連付ける。なお、単語取得部５１０による単語取得処理では、同一の単語が複数回得られることもある。また、同一の単語が複数の異なるドメインの文書データに含まれることもあり得る。

なお、単語取得部５１０は、機械学習モデルの生成に用いる単語を、大量の文書データから予め取得された単語が格納されたデータベースから取得してもよい。データベースに格納されている単語は、例えば、文書サーバ３００あるいは外部の文書データを記憶するサーバ等に記録されている文書データについて、各文書データ内の文章を区切って生成された単語であってもよい。この場合にも、当該データベースには、同一の単語が複数回格納されることもある。文書データから生成された単語には、それぞれ、当該単語を取得した文書データのドメインが関連付けられる。同一の単語に複数の異なるドメインが関連付けられることもあり得る。単語取得部５１０は、ドメインが同一である複数の単語を取得し、モデル生成部５２０へ出力する。

モデル生成部５２０は、単語取得部５１０により取得された複数の単語を用いて、入力された単語から当該単語の関連語句を出力する機械学習モデルを生成する。モデル生成部５２０は、例えばＷｏｒｄ２Ｖｅｃ、ＢＥＲＴ等の手法により単語をベクトルにそれぞれ変換し、指定された単語と他の単語との距離を算出して、距離の小さいものを指定された単語の関連語句として出力する機械学習モデルを生成する。モデル生成部５２０は、各ドメインについて、それぞれ機械学習モデルを生成する。モデル生成部５２０は、生成した機械学習モデルを、モデル記憶部２００に記録する。

［４－２．モデル生成処理］
モデル生成装置５００によるモデル生成処理の一例として、図８に基づき、文書サーバ３００に記録されている複数の文書データを用いて機械学習モデルを生成する場合を説明する。

図８に示すように、まず、単語取得部５１０は、文書サーバ３００に記録されている複数の文書データそれぞれについて、文書データ内の文章を区切り、単語を取得する。この際、単語取得部５１０は、取得した単語それぞれに対して、当該単語を取得した文書データのドメインを関連付ける（Ｓ３００）。例えば、単語取得部５１０は、形態素解析により、文書サーバ３００に記録されている複数の文書データそれぞれについて、文書データ内の文章を区切り、単語を取得する。この際、単語取得部５１０は、取得した単語それぞれに対して、当該単語を取得した文書データのドメインを関連付ける。

次いで、単語取得部５１０は、ステップＳ３００にて取得した大量の単語群から同一ドメインの複数の単語を取得する（Ｓ３１０）。単語取得部５１０は、単語と関連付けたすべての文書データのドメインそれぞれについて、１つずつ機械学習モデルを生成する。単語取得部５１０は、文書データのある１つのドメインについて、同一ドメインの単語を取得する。そして、モデル生成部５２０は、単語取得部５１０により取得された同一ドメインの複数の単語を用いて、入力された単語から当該単語の関連語句を出力する機械学習モデルを生成する（Ｓ３２０）。

モデル生成部５２０は、１つのドメインについて機械学習モデルを生成すると、すべてのドメインについて機械学習モデルを生成したか判定する（Ｓ３３０）。機械学習モデルを生成していないドメインがある場合には（Ｓ３３０：ＮＯ）、すべてのドメインについて機械学習モデルを生成するまでステップＳ３１０～Ｓ３３０の処理を繰り返し実施する。そして、すべてのドメインについて機械学習モデルが生成されると（Ｓ３３０：ＹＥＳ）、モデル生成部５２０は、生成した機械学習モデルをモデル記憶部２００に記録する（Ｓ３４０）。このとき、モデル生成部５２０は、機械学習モデルとそのドメインとを関連付けてモデル記憶部２００に記録する。これにより、検索装置１００は、検索対象ドメインから機械学習モデルを選択することができる。

なお、モデル生成装置５００の機能を、検索装置１００に持たせ、１つの装置として構成することも可能である。

［５．ハードウェア構成］
図９に基づいて、本実施形態に係る検索装置１００及びモデル生成装置５００のハードウェア構成について説明する。図９は、本実施形態に係る検索装置１００またはモデル生成装置５００として機能する情報処理装置９００のハードウェア構成の一例を示すブロック図である。

情報処理装置９００は、ＣＰＵ（Central Processing Unit）９０１等の１または複数のハードウェアプロセッサ、ＲＡＭ（Random Access Memory）９０５、ＲＯＭ（Read Only Memory）９０３等の１または複数のメモリを具備し、メモリに格納される１または複数のプログラムが１または複数のハードウェアプロセッサにより実行されることで各種の演算を実行する。また、情報処理装置９００は、バス９０７と、入力Ｉ／Ｆ９０９と、出力Ｉ／Ｆ９１１と、ストレージ装置９１３と、ドライブ９１５と、接続ポート９１７と、通信装置９１９とを含む。

例えば、ＣＰＵ９０１は、演算処理装置及び制御装置として機能する。ＣＰＵ９０１は、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１３、またはリムーバブル記録媒体９２５に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムあるいは演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１が使用するプログラム、あるいは、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるバス９０７により相互に接続されている。バス９０７は、ブリッジを介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バス、ＰＣＩ Ｅｘｐｒｅｓｓ（登録商標）などの外部バスに接続されている。

なお、演算処理装置及び制御装置は、ＣＰＵ９０１以外に、ＰＬＣ（Programmable Logic Controller）によって実現してもよいし、ＡＳＩＣ（Application Specific Integrated Circuit）等の専用のハードウェアによって実現してもよい。

入力Ｉ／Ｆ９０９は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバー等の、ユーザが操作する操作手段である入力装置９２１からの入力を受け付けるインタフェースである。入力Ｉ／Ｆ９０９は、例えば、ユーザが入力装置９２１を用いて入力した情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等として構成されている。入力装置９２１は、例えば、赤外線あるいはその他の電波を利用したリモートコントロール装置、あるいは、情報処理装置９００の操作に対応したＰＤＡ等の外部機器９２７であってもよい。情報処理装置９００のユーザは、入力装置９２１を操作し、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力Ｉ／Ｆ９１１は、入力された情報を、ユーザに対して視覚的または聴覚的に通知可能な出力装置９２３へ出力するインタフェースである。出力装置９２３は、例えば、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置およびランプ等の表示装置であってもよい。あるいは、出力装置９２３は、スピーカ及びヘッドホン等の音声出力装置や、プリンター、移動通信端末、ファクシミリ等であってもよい。出力Ｉ／Ｆ９１１は、出力装置９２３に対して、例えば、情報処理装置９００により実行された各種処理にて得られた処理結果を出力するよう指示する。具体的には、出力Ｉ／Ｆ９１１は、表示装置に対して情報処理装置９００による処理結果を、テキストまたはイメージで表示するよう指示する。また、出力Ｉ／Ｆ９１１は、音声出力装置に対し、再生指示を受けた音声データ等のオーディオ信号をアナログ信号に変換して出力するよう指示する。

ストレージ装置９１３は、情報処理装置９００の記憶部の１つであり、データ格納用の装置である。ストレージ装置９１３は、例えば、ＨＤＤ（Hard Disk Drive）等の磁気記憶デバイス、ＳＳＤ（Solid State Drive）等の半導体記憶デバイス、光記憶デバイスまたは光磁気記憶デバイス等により構成される。ストレージ装置９１３は、ＣＰＵ９０１が実行するプログラム、プログラムの実行により生成された各種データ、及び、外部から取得した各種データ等を格納する。

ドライブ９１５は、記録媒体用リーダライタであり、情報処理装置９００に内蔵あるいは外付けされる。ドライブ９１５は、装着されているリムーバブル記録媒体９２５に記録されている情報を読み出し、ＲＡＭ９０５に出力する。また、ドライブ９１５は、装着されているリムーバブル記録媒体９２５に情報を書き込むことも可能である。リムーバブル記録媒体９２５は、例えば、磁気ディスク、光ディスク、光磁気ディスクまたは半導体メモリ等である。具体的には、リムーバブル記録媒体９２５は、ＣＤメディア、ＤＶＤメディア、Ｂｌｕ－ｒａｙ（登録商標）メディア、コンパクトフラッシュ（登録商標）（CompactFlash：ＣＦ）、フラッシュメモリ、ＳＤメモリカード（Secure Digital memory card）等であってもよい。また、リムーバブル記録媒体９２５は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Integrated Circuit card）または電子機器等であってもよい。

接続ポート９１７は、機器を情報処理装置９００に直接接続するためのポートである。接続ポート９１７は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ｅＳＡＴＡ（external Serial Advanced Technology Attachment）、ＳＡＳ（Serial Attached SCSI（Small Computer System Interface））ポート等である。情報処理装置９００は、接続ポート９１７に接続された外部機器９２７から、直接各種データを取得したり外部機器９２７に各種データを提供したりすることができる。例えば接続ポート９１７を介して、アラーム情報を通知するための回転灯等のアラーム通知装置を接続してもよい。また、外部機器９２７として、ＮＡＳ（Network Attached Storage）を接続し、記憶装置として用いてもよい。

通信装置９１９は、例えば、通信網９２９に接続するための通信デバイス等で構成された通信インタフェースである。通信装置９１９は、例えば、有線または無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはＷＵＳＢ（Wireless USB）用の通信カード等である。また、通信装置９１９は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデム等であってもよい。通信装置９１９は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。例えば、通信装置９１９を介して、情報処理装置９００を操作するためのコンピュータを接続することもできる。また、通信装置９１９に接続される通信網９２９は、有線または無線によって接続されたネットワーク等により構成されている。例えば、通信網９２９は、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信等である。

以上、情報処理装置９００のハードウェア構成の一例を示した。上述の各構成要素は、汎用的な部材を用いて構成されてもよく、各構成要素の機能に特化したハードウェアにより構成されてもよい。情報処理装置９００のハードウェア構成は、本実施形態を実施する時々の技術レベルに応じて適宜変更可能である。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

１０ 入力装置
２０ 出力装置
１００ 検索装置
１１０ 入力部
１２０ クエリ拡張部
１３０ モデル選択部
１４０ 検索部
１５０ 出力部
１６０ クエリ抽出部
２００ モデル記憶部
３００ 文書サーバ
３１０、３２０、３３０ 文書データベース
４００ 文書検索画面
４１０ クエリ入力エリア
４１１ クエリ入力欄
４１５ 検索ボタン
４２０ ドメイン選択エリア
４３０ クエリ拡張結果表示エリア
４３１ａ、４３１ｂ 拡張クエリ
４３５ａ、４３５ｂ 削除ボタン
４５０ 検索結果エリア
４５１、４５２、４５３ 文書内容欄
５００ モデル生成装置
５１０ 単語取得部
５２０ モデル生成部
９００ 情報処理装置

Claims (9)

1. 文書データの検索に用いるクエリが入力される入力部と、
   文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択部と、
   選択された前記機械学習モデルを用いて、指定されたクエリを拡張するクエリ拡張部と、
   拡張された前記クエリに基づいて、複数の文書データの中から前記検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索部と、
   前記検索部による検索結果を出力する出力部と、
   を備える、検索装置。
2. 前記モデル選択部は、ユーザが指定したドメインを前記検索対象ドメインとして、機械学習モデルを選択する、請求項１に記載の検索装置。
3. 前記モデル選択部は、ユーザが入力したクエリに基づいて特定されたドメインを前記検索対象ドメインとして、機械学習モデルを選択する、請求項１に記載の検索装置。
4. 前記出力部は、複数の検索対象ドメインの文書データを検索範囲として検索された場合に、各検索結果を統合して出力する、請求項１～３のいずれか１項に記載の検索装置。
5. 入力された文書データからクエリを抽出するクエリ抽出部をさらに備え、
   前記クエリ拡張部は、前記クエリ抽出部により抽出されたクエリに基づいてクエリを拡張する、請求項１～３のいずれか１項に記載の検索装置。
6. 前記出力部は、前記クエリ拡張部によるクエリ拡張結果を出力し、
   前記検索部は、前記クエリ拡張結果に基づきユーザが修正したクエリに基づいて、文書データを再検索する、請求項１～３のいずれか１項に記載の検索装置。
7. 文書データの検索に用いるクエリを入力するクエリ入力ステップと、
   文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択ステップと、
   選択された前記機械学習モデルを用いて、クエリを拡張するクエリ拡張ステップと、
   拡張された前記クエリに基づいて、複数の文書データの中から前記検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索ステップと、
   検索結果を出力する出力ステップと、
   を含む、検索方法。
8. コンピュータを、
   文書データの検索に用いるクエリが入力される入力部と、
   文書データのドメイン毎に生成された、クエリを拡張する複数の機械学習モデルの中から、指定された検索対象ドメインに対応する機械学習モデルを選択するモデル選択部と、
   選択された前記機械学習モデルを用いて、クエリを拡張するクエリ拡張部と、
   拡張された前記クエリに基づいて、複数の文書データの中から前記検索対象ドメインの文書データを検索範囲として、対象とする文書データを検索する検索部と、
   前記検索部による検索結果を出力する出力部と、
   を備える、検索装置として機能させる、コンピュータプログラム。
9. 複数のドメインのうちの少なくともいずれかに関連付けられている複数の文書データから、同一ドメインに関連付けられている文書データに含まれる複数の単語を取得する単語取得部と、
   前記単語取得部により取得された前記複数の単語を用いて、入力された単語から当該単語の関連語句を出力する機械学習モデルを生成するモデル生成部と、
   を備える、モデル生成装置。
   

Images