JP3895955B2 - 情報検索方法および情報検索システム - Google Patents
情報検索方法および情報検索システム Download PDFInfo
- Publication number
- JP3895955B2 JP3895955B2 JP2001254772A JP2001254772A JP3895955B2 JP 3895955 B2 JP3895955 B2 JP 3895955B2 JP 2001254772 A JP2001254772 A JP 2001254772A JP 2001254772 A JP2001254772 A JP 2001254772A JP 3895955 B2 JP3895955 B2 JP 3895955B2
- Authority
- JP
- Japan
- Prior art keywords
- search
- document
- page
- link
- displayed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、インターネットやイントラネットに代表される大規模なネットワーク上で、ユーザが所望する情報、たとえばウェブページを検索するための情報検索システムに関する。
【０００２】
【従来の技術】
インターネットの普及により、誰もが世界に発信したい情報をウェブページという形で自由に公開できるようになった。一方、情報検索技術の進歩と計算機の性能向上により、膨大な数のページから、自分が所望する情報を検索することが可能になった。
【０００３】
しかしながら、ユーザが真に欲しい情報だけを効率よく検索できるまでには至っていない。例えば、従来型の全文検索システムでは、ユーザは、所望する情報を表現する検索条件として、検索語（キーワードやフレーズ）の論理式を入力し、検索システムは、検索条件に適合するページ、すなわち、論理式を満たすように検索語を含むページを検索結果として出力する。検索結果のランキングは、主に、検索語がページ中に出現する頻度や位置によって行なわれる。しかし、このような素朴な検索方式では、数十億ともいわれるウェブページの中から、ユーザにとって価値の高い情報を見つけ出すことは不可能である。
【０００４】
このような反省から、まず、価値のあるウェブサイトを人間の手作業で探して、これをユーザに提供するサービスが行なわれるようになった。その１つに、人手で集めたウェブサイトをディレクトリ構造に整理して利用しやすい形で提供するサービスがある。また、例えば、企業などの団体の名称と、その団体が運営しているウェブサイトの場所（ＵＲＬ）との組をデータベース化して、ユーザが入力した企業名に相当するウェブサイトを提示するサービスなどが運用されている。しかしながら、膨大、かつ、日々更新される情報を人手によって網羅的に整理する作業は不可能であり、労力も非常にかかかる。
【０００５】
これに対し、ユーザにとって価値の高いページを自動的に求めて、これを検索結果の中で優先的に提示する方法がいくつか考えられている。例えば、米国グーグルの検索システムＧｏｏｇｌｅ（ｈｔｔｐ：／／ｗｗｗ．ｇｏｏｇｌｅ．ｃｏｍ／）では、多くのページにリンクされているページは重要なページであり、さらに、重要ページにリンクされているページは重要である、という仮説に基づいて求めた、ＰａｇｅＲａｎｋと呼ばれる重要度によって、検索結果をランキングする方法がとられている（文献１：Ｓｅｒｇｅｙ Ｂｒｉｎ ａｎｄ Ｌａｗｒｅｎｃｅ Ｐａｇｅ． Ｔｈｅ Ａｎａｔｏｍｙ ｏｆ ａ Ｌａｒｇｅ−Ｓｃａｌｅ Ｈｙｐｅｒｔｅｘｔｕａｌ Ｗｅｂ Ｓｅａｒｃｈ Ｅｎｇｉｎｅ． Ｔｈｅ ７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＷｏｒｌｄＷｉｄｅ Ｗｅｂ Ｃｏｎｆｅｒｅｎｃｅ， １９９８）。
【０００６】
この方法によれば、たとえば「Ｔ社」という検索要求に対しては、「Ｔ社」という語を含むウェブページのうち、被リンク数の多いページが、より上位にランクされる。しかしながら、この方法では、ページの重要度は、ユーザの検索要求、すなわち、「Ｔ社」という語に無関係に求められたものであるため、検索要求に関係のない内容のページが検索結果の上位にランクされる恐れがある。
【０００７】
これに対して、被リンク数だけでなく、リンクのラベルの表現（ＨＴＭＬ文書の場合にはアンカーテキストと呼ばれる）を考慮して検索結果をランキングする方法が試みられている（文献２：風間一洋，原田昌紀，佐藤進也．「ハイパーリンクとアンカーテキストを利用した情報検索とランキングの一手法」情報処理学会研究報告，ＳＩＧＤＤ，Ｖｏｌ．２４，２０００）。この方法は、リンクのラベルは、リンク先のページの内容をよく示すという仮説に基づいている。この方法によれば、「Ｔ社」というラベルが付されたリンクによって他ページから多く参照されたページが、ユーザにとって重要で、かつ、検索要求ともよく適合するページであると求められる。
【０００８】
同様の方法は「ハイパーテキスト検索装置」（文献３：特許公報第３１０８０１５号）でも考案されている。この特許でも、ページの内容自体の適合度に加え、ページの参照元のアンカーテキストの適合度も考慮して、ページの適合度を求める方法をとっている。
【０００９】
また、参照関係にあるページ同士を統合して検索要求との適合度を求めることにより、たとえば、「青森」の語を含むページと「りんご」の語を含むページがあり、前者から後者がリンクで参照されている場合、これら２つのページを１つの文書とみなして、これを「青森りんご」という検索要求に適合する文書であるとする。また、「青森」を含むページと「りんご」を含むページを併せた形で検索結果を提示することにより、ユーザがこれらのページの参照関係を容易に把握することができるとしている。
【００１０】
文献３と同様の発明としては、他に「文章検索装置および方法ならびに文書検索プログラムを記録したコンピュータ読取り可能な記憶媒体」（文献４：特開２０００−２５９６４８号公報）がある。
【００１１】
上記文献１および文献２の方法によれば、いわゆる公式ウェブサイト、すなわち、企業などの団体が公式に運営しているウェブサイトのトップページを、その団体名を検索要求として、ほぼ正しく検索することができると報告されている。実際、「Ｔ社」という検索要求に対しては、「（株）Ｔ社」という企業が公式に運用しているウェブサイトのトップページが、検索結果の上位にランクされる。これは、「（株）Ｔ社」の公式サイトのトップページは、「Ｔ社」という表現を含んだ他のページよりも、被リンク数が多く、かつ、「Ｔ社」という表現を含んだラベルを付されたリンクによって参照されることが多いからである。
【００１２】
しかしながら、ユーザの要求は、公式サイトを見つけることだけではない。例えば、「Ｔ社のノートパソコンを修理したい」といった、より詳細で複雑な情報を要求する場合が多い。そして、このような検索要求に対しては、文献１および２の方法では、よく適合するページを検索することはできない。「Ｔ社」「ノート」「パソコン」「修理」という検索語を全て含むページは、インターネット上に少なくとも３千ページ以上ある。このうち、ユーザが所望する情報、すなわち、製造元である「（株）Ｔ社」がそのウェブサイト上で公式に公開している、ノートパソコンの修理の方法や手続きに関するページが、文献１の方法で上位にランクされるとは限らない。ウェブサイトのトップページ以外のページが、他のページから極端に多くリンクされることは稀なので、ページの重要度（文献１のＰａｇｅＲａｎｋ）に有意な差が出にくいからである。
【００１３】
同様に、文献２の方法でも、正しく検索できない恐れある。ユーザが所望するページが、「Ｔ社」「ノート」「パソコン」「修理」という４つの語を含むラベルで数多くリンクされているとは限らないからである。例えば、求めるページが「Ｔ社」サイトのトップページから、「パソコン」、「ＰＣカスタマーセンター」というラベルをリンクを順に辿ったところに公開されていて、このページ自体には「ＰＣカスタマーセンター」というラベルでしかリンクされていないかもしれない。逆に、「ノート」「パソコン」「修理」という３語を含むラベルで数多くリンクされた、「Ｔ社」と関係のないページが存在するかもしれない。
【００１４】
一方、文献３や文献４で考案されている方法では、複数のハイパーテキストを、リンクによる参照関係に基づいて統合したページとして検索することができるとしている。しかしながら、インターネットには膨大な数のページがあり、ページ間のリンクの個数も、平均するとページの個数の数倍〜十数倍もある。「Ｔ社」「ノート」「パソコン」「修理」という４つの語のいずれか一つでも含むウェブページはインターネット上に２００万ページ以上あり、これらの膨大なページについて、その各々を逐一リンクで統合して適合度を求めることは、現実的には不可能である。さらに、複数の文書を統合したものを検索対象とすれば、一般に、検索の再現率は向上するものの、適合率は低下することが知られている。もっと効率的で、かつ、よく制御された方法によって、ユーザの複雑な検索要求に適合するページを検索する必要がある。
【００１５】
また、現実のリンクの構造は複雑であり、階層的な構造に整理されているとは限らない。ウェブページのリンクは、ページの内容上の関連を表すものだけでなく、ユーザのブラウジングのしやすさを助けることを目的としたリンクや、どちらからどちらを引用しているかわからないような相互的なリンク、ループになったリンクなどが多い。
【００１６】
文献４ではループになったリンクを排除できるとしているものの、やはり、内容的な関連がほとんどないページを統合してしまう恐れが多分にある。また、複雑で個数の多いリンク構造を、文献３や文献４の方法によって、検索結果上で、ユーザが見やすい形に整理して提示することは困難である。
【００１７】
【発明が解決しようとする課題】
以上説明したように、従来は、ウェブページ間のリンクによる参照関係に基づき検索する際には、あるウェブページが他のウェブページを直接参照する１段のリンクのみを用いていたため、複数の語からなる複雑な検索条件に適合するウェブページの検索が容易に行えないという問題点があった。
【００１８】
そこで、本発明では、上記問題点に鑑みてなされたもので、大量のハイパーテキスト形式の文書の中から、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、高い精度の検索結果が得られる情報検索方法およびそれを用いた情報検索装置を提供することを目的とする。
【００１９】
本発明は、ユーザにより入力された主に自然文による、複雑で詳細な検索条件に対して、よく適合するハイパーテキスト形式の文書を検索するための、スケーラビリティのある方法、すなわち、大量の文書に対しても高速に検索できる方法を実現することを、第一の目的とし、さらに、検索結果をユーザが理解しやすい形で提示することを第二の目的とする。
【００２０】
【課題を解決するための手段】
本発明は、複数の文書から、ユーザにより入力された自然文または複数の語からなる検索条件に適合する文書を検索するためのものであって、前記複数の文書のうちの任意の２つの文書間は１段のハイパーリンクでリンクされ、（ａ）前記複数の文書のそれぞれについて、その文書と前記１段のハイパーリンクおよび複数段のハイパーリンクを経て参照関係にある文書群から、前記参照関係を表す前記ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、（ｂ）前記検索条件に含まれる複数の語と、前記複数の文書のそれぞれについて抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との適合度を算出し、（ｃ）前記適合度に基づき、検索結果として表示する文書の順位を決定し、この順位に従って前記検索結果としての文書を表示することを特徴とする。
【００２１】
本発明によれば、１段のハイパーリンクにより参照関係にある文書群のみらなず、複数段のハイパーリンクを経て参照関係にある文書群からも、その参照関係を表すハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出して、検索対象の複数の文書のそれぞれについての検索時のインデックス（索引語）とすることにより、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、高い精度の検索結果が得られる。
【００２２】
また、本発明は、複数の文書から、ユーザにより入力された自然文または複数の語からなる検索条件に適合する文書を検索するためのものであって、前記複数の文書のうちの任意の２つの文書間は１段のハイパーリンクでリンクされ、（ａ）前記複数の文書のそれぞれについて、その文書と前記１段のハイパーリンクおよび複数段のハイパーリンクを経て参照関係にある文書群から、前記参照関係を表す前記ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、（ｂ）前記検索条件に含まれる複数の語と、前記複数の文書のそれぞれについて前記ラベルから抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との第１の適合度を算出し、この第１の適合度に基づき、検索結果として表示する文書の順位を決定し、（ｃ）前記複数の文書のそれぞれから、その文書の内容を表す語を抽出し、（ｄ）前記検索条件に含まれる複数の語と前記複数の文書のそれぞれについて、その内容から抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との第２の適合度を算出し、この第２の適合度に基づき、検索結果として表示する文書の順位を決定し、（ｅ）前記第１および第２の適合度を統合した第３の適合度を算出し、この第３の適合度に基づき、検索結果として表示する文書の順位を決定し、（ｆ）前記第１〜第３の適合度のそれぞれに対応して決定された順位のうちの少なくとも１つを用いて、検索結果としての文書を表示することを特徴とする。
【００２３】
本発明によれば、複数段のハイパーリンクを経て参照関係にある文書群から、その参照関係を表すハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、それと各文書から抽出したその文書内容を表した語とを、検索対象の複数の文書のそれぞれについての検索時のインデックスとすることで、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、より高い精度の検索結果が得られる。
【００２４】
本発明は、複数の文書から、ユーザにより入力された自然文または複数の語からなる検索条件に適合する文書を検索するためのものであって、前記複数の文書のうちの任意の２つの文書間は１段のハイパーリンクでリンクされ、前記複数の文書のそれぞれは、予め定められた複数の文書グループのうちのうちの１つに属し、（ａ）前記複数の文書のそれぞれについて、その文書の属する文書グループ内から、前記１段のハイパーリンクおよび複数段のハイパーリンクを経て参照関係にある第１の文書群を抽出して、この各第１の文書群から、前記参照関係を表す前記ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、（ｂ）前記複数の文書のそれぞれについて、２つの前記文書グループ間にまたがって２つの文書をリンクする１段の文書グループ間ハイパーリンクおよび複数段の文書グループ間ハイパーリンクを経て文書グループ間の参照関係にある第２の文書群を前記複数の文書から抽出し、この各第２の文書群から、前記文書グループ間の参照関係を表す文書グループ間ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出すし、（ｃ）前記検索条件に含まれる複数の語と、前記複数の文書のそれぞれについて前記文書グループ間ハイパーリンクのラベルから抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との第１の適合度を算出すし、（ｄ）前記第１の適合度に基づき前記複数の文書グループから少なくとも１つの文書グループを検索対象として選択し、（ｅ）前記検索対象として選択された文書グループのそれぞれについて、前記検索条件に含まれる複数の語と、前記文書グループ内の文書のそれぞれについて前記ハイパーリンクのラベルから抽出された語とを比較して、前記文書グループ内の文書のそれぞれについて、前記検索条件との第２の適合度を算出し、（ｆ）前記第１の適合度に基づき検索結果として表示する文書グループの順位を決定するとともに、前記文書グループ毎に前記第２の適合度に基づき検索結果として表示する文書の順位を決定し、これら順位に従って前記検索結果としての文書グループと文書を表示することを特徴とする。
【００２５】
本発明によれば、検索対象の複数の文書を複数の文書グループに分けて、文書グループ間ハイパーリンクを利用した検索と、各文書グループ内の検索とを組み合わせることにより、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、より高い精度の検索結果が得られる。
【００２６】
【発明の実施の形態】
以下、本発明の実施形態について図面を参照して説明する。
【００２７】
本発明の情報検索システムが検索対象とする文書は、インターネットのウェブページなどに用いられるハイパーリンクで他の文書を結びつけることのできる文書（ハイパーテキスト文書）である。インターネットのウェブページが、本発明の効果をもっとも発揮できる対象であるので、ここでは、検索対象のハイパーテキスト文書の一例として、ウェブページを用いて説明を行う。従って、以下の説明では、検索対象とするハイパーテキスト文書をページと呼び、文書間のハイパーリンクをリンクと呼び、文書のユニークな位置をＵＲＬと呼ぶ。なお、ここで、リンクとは、全て、２つのページ間をリンクするハイパーリンクのことを指す。
【００２８】
（第１の実施の形態）
図１は、第１の実施形態に係る情報検索システムの構成を表すブロック図である。図１において、ユーザインタフェース１は、ユーザがシステムに対して検索要求を入力し、また、システムがユーザに検索結果を提示するためのものである。
【００２９】
検索語抽出部２は、特にユーザが検索条件を自然文で入力した場合、その自然文から検索に用いる語（ここでは検索語と呼ぶ）を抽出する処理を行うものである。
【００３０】
リンク情報記憶部４には、検索対象である複数のページが、そのリンク構造に基づき検索可能なように、これらページから予め抽出されたリンク情報が記憶されている。
【００３１】
リンク検索部３は、検索語抽出部２で抽出された検索語とリンク情報記憶部４に記憶されているリンク情報とを比較して、適合する文書を検索する。
【００３２】
ページ情報記憶部７には、検索対象である複数のページを、その各々の内容自体から検索可能なように、ページ情報が記憶されている。
【００３３】
ページ検索部６では、検索語抽出部２で抽出された検索語とページ情報記憶部７に記憶されたページ情報とを比較して、適合する文書を検索する。
【００３４】
検索結果統合部５では、リンク検索部３およびページ検索部６での検索結果をユーザが所望する形に統合して、表示用データを生成する処理を行うものである。
【００３５】
ウェブ情報収集部１１は、インターネット、かつ、または、イントラネットから所定のウェブ頁を収集する手段である。これは、一般にロボット、クローラ、あるいはスパイダーなどと呼ばれるプログラムであり、ウェブページのハイパーリンクを再帰的に辿って、それぞれのページの内容や情報を収集する。この手段は従来技術に属するものである。
【００３６】
リンク索引作成部８は、ウェブ情報収集部１１によって得た個々のウェブページに記述されたハイパーリンクについて、そのリンク先ＵＲＬとアンカーテキストを抽出し、リンク情報記憶部に記憶せしめる。また、リンクのアンカーテキストから索引語の単語ベクトル、すなわち、リンクのベクトルを作成する処理を行う。
【００３７】
ページ索引作成部９は、ウェブ情報収集部１１によって得た個々のウェブページから、その内容、すなわち、タイトルや本文などの文章部分を抽出し、ページ情報記憶部に記憶せしめる。また、ページ内容から索引語の単語ベクトル、すなわち、ページの内容のベクトルを作成する処理を行う。
【００３８】
ここで、ページ検索部６およびページ情報記憶部７は、本発明の情報検索システムに必須の構成要素ではなく、これらページ検索部６およびページ情報記憶部７を含めずにシステムを構成することも可能である。この場合、検索結果統合部５では、検索結果を統合する処理を行う必要はなく、リンク検索部３での検索結果から所定の表示用データを生成する処理を行う。
【００３９】
図２、図３、図４は、上記リンク情報記憶部４およびページ情報記憶部７に記憶されているデータの記憶例を示したものである。
【００４０】
図２は、本システムの検索対象である各ページのＵＲＬと、当該ページに与えられた本システム内でユニークな識別子（ＩＤ）との対応関係が記述されたデータである。このデータは、上記リンク情報記憶部４とページ情報記憶部７のいずれか一方に記憶されていればよく、また、これらとは別個の他の記憶部を設けて記憶されていてもよい。なお、ＵＲＬは通常、圧縮してデータ量を減じたり、トライ構造のような効率よくアクセスできる形式にして記憶する。
【００４１】
図３は、リンク情報記憶部４に記憶されているリンク情報の記憶例を示したものである。図３に示すリンク情報では、１つのリンクを、リンク元であるページのＩＤと、リンク先であるページのＩＤと、当該リンクのラベル（リンクのラベルは、例えば、ＨＴＭＬ文書の場合、アンカーテキストと呼ばれているものである）との、三者によって表現されるている。リンク元ＩＤとリンク先ＩＤは、図２で説明したＩＤと同じである。また、ラベルについては、図３ではラベルとして記述されている文字列をそのまま図示しているが、形態素やＮグラムなどの部分文字列に分割し、転置ファイルの形式で索引が付されて記憶するようになっていてもよい。また、語の頻度や出現位置なども併せて記憶するようにしてもよい。文字列を索引を付して記憶する技術は従来技術に属するので説明は省略するが、本発明の要旨に関わる検索モデル、すなわち、ユーザの検索要求と文書との適合度を求める方法については、後に詳述する。
【００４２】
図４は、ページ情報記憶部７に記憶するデータの例を表す図である。図のように、ページは、そのＩＤと、タイトルと、本文との三者で表現される。ＩＤは、前述の図２および図３の説明同様、ページをシステム内部でユニークに表現するためのＩＤである。
【００４３】
タイトルと本文は、例えばＨＴＭＬ文書の場合は、タイトルタグおよびボディタグで指定された文字列である。なお、ＨＴＭＬ文書のボディタグの内部には、図表などを指定するタグが埋め込まれているが、ここではこれらのタグをパージングし、不要な部分を除いて記憶する。これら、タイトル、本文は、前述の図３のラベルと同様、転置ファイルなどの形式で索引を付して記憶するようにしてもよい。
【００４４】
また、図２、図３のデータに加えて、他の属性、例えば、ページの更新日時などの情報を、必要に応じて記憶するようにしてもよい。
【００４５】
図５は、リンクによる複数のページ間の参照関係を示したものである。図５中、「Ｐ１」、「Ｐ２」…などはページのＩＤを表し、矢印はページ間のリンクを表し、リンクに付された文字列はリンクのラベルを表す。
【００４６】
例えば、ページ「Ｐ１」は、「お問合せ一覧」というラベルを付されたリンクによってページ「Ｐ３」を参照しており、逆に、ページ「Ｐ３」は、「ホーム」というラベルを付されたリンクによってページ「Ｐ１」を参照している。
【００４７】
ページ「Ｐ１」は、ハイパーリンクにて直接ページ「Ｐ３」を参照している。この場合のハイパーリンクを１段のハイパーリンク、あるいは簡単に、１段のリンクと呼ぶ。
【００４８】
ページ「Ｐ１」はページ「Ｐ７」から「Ｔ社トップ」というラベルを付されたリンクによって参照されている。この場合、ここでは、ページ「Ｐ７」はページ「Ｐ１」を介してページ「Ｐ３」と参照関係にあるということである。また、ページ「Ｐ７」とページ「Ｐ３」は、２段のリンクで参照関係にあるということである。
【００４９】
インターネットのウェブページは、数十億ページとも言われる膨大なページが、このようなリンクによって複雑に接続されている。これをグラフ構造と呼ぶ。
【００５０】
次に、図６〜図８に示すフローチャートを参照して、図１の情報検索システムの処理動作について説明する。
【００５１】
図８は、ユーザから入力された検索要求に適合するページを検索するための処理動作を説明するためのフローチャートである。
【００５２】
図６，図７は、検索のための前処理を説明するためのフローチャートであり、ユーザから入力された検索要求とページとの適合度を求めるために用いるデータ、すなわち、ベクトルを作成する処理動作について説明するためのものである。これらの処理は、リンク情報、ページ情報を、リンク情報記憶部４、ページ情報記憶部７にそれぞれ記憶する際に実行する処理であり、これらの処理結果のデータ（すなわち、図６のステップＳ６で算出された各ページのリンクのベクトルＶｐｌ（図１４の文書グループ間のリンクのベクトルＶｐｌｅｘを含む）、図７のステップＳ１３で算出されたページ内容のベクトルＶｐｔなど）は、リンク情報記憶部４、ページ情報記憶部６に記憶するものである。
【００５３】
図６で示した処理動作は、リンク構造に着目した検索モデルによってページをモデル化する処理である。ここではベクトル空間モデルを用いて実施しているが、他の検索モデルであってよい。
【００５４】
図６に示した処理は、主に、リンク索引作成部８で実行される処理である。まず、ステップＳ１〜ステップＳ５で、ページ情報記憶部７に記憶されている全てのページｐについて（ステップＳ１）、各ページｐを参照している（すなわち、ページｐをリンク先とする）リンク情報記憶部４に記憶されている全てのリンクｌのラベルを調べ（ステップＳ２）、各リンクｌの（ラベルの）ベクトルを作成し（ステップＳ４）、さらに、各ページｐについて、そのページｐを参照するリンクのベクトルｖｌの総和Ｖｐｌ（１）を作成する（ステップＳ５）。
【００５５】
すなわち、リンク索引作成部８は、ある１つのページｐを選択し、そのページｐを参照するリンクをリンク情報記憶部４を検索する。そして、１または複数個見つかれば、その１つ１つのリンクｌに対し、当該リンクに付されたラベルを形態素解析して、当該ラベルから索引語を抽出する（ステップＳ３）。例えば、ラベルを形態素解析した結果得られる自立語の中から、さらに接続詞、感動詞や、その他、検索には不要であると予め定められた語など（以下、これらを不要語と呼ぶ）を取り除いて、索引語を抽出する。
【００５６】
たとえば、「安くて便利なパソコン販売のページ」というラベルに対し形態素解析を行うと、「安」「く」「て」「便利」「な」「パソコン」「販売」「の」「ページ」といった形態素が解析結果として得られる。このうち、活用語尾や助詞などは自立語ではないので除かれる。また、「〜のページ」という表現はウェブページのリンクに特有な表現であり、検索要求とは無関係の場合が多いので、不要語として除く。結果として、「安くて便利なパソコン販売のページ」というラベルから、「安」「便利」「パソコン」「販売」という４つの語が索引語として抽出される。
【００５７】
次に、ステップＳ４では、ステップＳ３で抽出された索引語の重みを決定する。これには、一般にＴＦ・ＩＤＦと呼ばれる方法を用いる。すなわち、あるテキスト（この場合はラベル）におけるある語の重みは、そのテキストに含まれるその語の個数（ＴＦ）と、全テキストのうちその語を含むテキストの個数（ＤＦ）とによって求めることができる。ＴＦが大きいほど重みは大きくなり、ＤＦが大きいほど重みは小さくなる。一方、形容詞「安（く）」、形容動詞「便利（な）」、名詞「パソコン」などの品詞の違いを重みに反映させることも行う。一般に、名詞や固有名詞の重みを、動詞や形容詞、形容動詞などと比較して大きくすると検索精度が向上することが知られている。なお、ここでは、自立語を索引語としたが、自立語に加え、格フレームなどを索引とし、これをベクトルで表現することも可能である。
【００５８】
以上の処理によって、リンクｌのベクトルｖｌ（ラベルに含まれる語とその重みをベクトルで表現したデータ）が作成できる。
【００５９】
例えば、図５において、ページ「Ｐ３」を参照するページ「Ｐ６」をリンク元とするリンクに付された「その他の製品に関するお問い合わせ」というラベルから、索引語として、「その他」「製品」「問い合わせ」という３つの語が索引語として抽出され、そのそれぞれに対し、重みが、「ｇ１」「ｇ２」「ｇ３」と、求められたとする。この場合、当該ラベルをもつリンクｌのベクトルｖｌは、（その他、製品、問い合わせ）＝（ｇ１、ｇ２、ｇ３）となる。
【００６０】
選択されたページｐについて、そのページを参照するリンクｌの全てに対し、ベクトルｖｌを作成したら、次に、ステップＳ５へ進み、リンク検索部３は、当該選択されたページｐについて、そのページを参照するリンクのベクトルの総和を作成する。
【００６１】
ページｐを参照するリンクのベクトルの総和Ｖｐｌ（１）とは、ページｐを直接（１段で）参照する（リンク情報記憶素４に記憶されている全ての）リンクのベクトルｖｌから作成したベクトルである。
【００６２】
例えば、例えば、図５において、ページ「Ｐ３」には２つのリンクにより参照され、その２つのリンクには、それぞれ「その他の製品に関するお問い合わせ」というラベルと、「お問合わせ先一覧」というラベルが付されている。この場合、各リンクのベクトルは、（その他、製品、問い合わせ）＝（ｇ１、ｇ２、ｇ３）と、（問合わせ、先、一覧）＝（ｇ４，ｇ５、ｇ６）であるとする。このとき、当該ページ「Ｐ３」を参照するリンクのベクトル総和Ｖｐｌ（１）は、（その他、製品、問い合わせ、先、一覧）＝（ｇ１、ｇ２、ｇ３＋ｇ４、ｇ５，ｇ６）となる。
【００６３】
選択された１つのページｐに対し、上記ステップＳ３〜ステップＳ５の処理を行って、当該選択されたページｐについて、そのページを１段で参照するリンクのベクトル総和Ｖｐｌ（１）を作成したら、ステップＳ１へ戻り、他のページを選択して、上記同様にして、当該ページを１段で参照するリンクのベクトル総和を作成する処理を、ページ情報記憶部７に記憶されている全てのページに対し行う（ステップＳ１）。
【００６４】
次に、ステップＳ６へ進み、リンク検索部３は、ページ同士のリンクの参照関係に基づいて、各ページｐを複数段のリンクで参照する他のページがあるときは、その全てのリンクのベクトルの総和、すなわち、ベクトルＶｐｌ（ｎ）を作成する。
【００６５】
ここでは、ある１つのページ（第１のページ）が他のページ（第２のページ）からリンク（第１のリンク）にて直接参照されている場合、第１のページは、第２のページから１段のリンクで参照されていると表現し、第２のページがさらに他のページ（第３のページ）からリンク（第２のリンク）にて直接参照されている場合、第１のページは、第３のページから２段のリンクで参照されていると表現する。
【００６６】
ステップＳ６で作成しようとしているページｐのベクトルＶｐｌ（ｎ）は、ページｐがｎ段のリンクで他のページから参照されている場合に、その全てのリンクのベクトルの総和を求めることにより作成することができる。ベクトルＶｐｌ（ｎ）を、以下簡単に、ページｐのｎ段のリンクのベクトルと呼ぶ。これに対応して、ベクトルＶｐｌ（１）をページｐの１段のリンクのベクトルと呼ぶ。
【００６７】
例えば、ここでは、段数に応じた異なる重みαをつけて和をとったベクトルＶｐｌ（ｎ）を例えば次式（１）に従って作成する。なお、式（１）では、ページｐに至るまでの複数段のリンクの各ベクトルに含まれている索引語のそれぞれに対応する重みに、段数に応じて異なる重みαを乗じて総和を求めている。ページｐのｎ段のリンクのベクトルは、各リンクのベクトルに含まれている索引語の並びと、その各索引語に対する式（１）で求めた重みの値で表されるものである。
【００６８】
【数１】
【００６９】
式（１）において、αとβは係数であるが、どちらも例えば「０」以上「１」未満とする。αは、ページｐに向かうリンクに関する係数であり、βは、ページｐから出ていくリンクに関する係数であるため、βよりもαの値を大きくする。βは「０」であってもよい。
【００７０】
なお、式（１）において、係数βを「０」とした場合、ページｐのｎ段のリンクのベクトルは、ページｐに向かう方向のリンクのみから作成されるものである。以下、説明の簡単のため、係数βが「０」の場合について説明する。
【００７１】
式（１）を用いて、ページｐがｎ段のリンクにて参照されているときは、式（１）を用いた計算をｎ回繰り返すことにより、ページｐに対する、ｎ段のリンク構造を反映したベクトルを求めることができる。
【００７２】
例えば、図５のページ「Ｐ７」の場合、上記ステップＳ１〜ステップＳ６を経た結果、ページ「Ｐ７」の３段のリンクのベクトルに含まれる索引語は、例えば、「ノート」「ＰＣ」「超」「薄型」「家庭」「向け」「パソコン」「周辺」「機器」であり、その各索引語の重みは式（１）を用いて計算した結果、それぞれ「ｇ１１」「ｇ１２」「ｇ１３」「ｇ１４」「ｇ１５」「ｇ１６」「ｇ１７」「ｇ１８」「ｇ１９」であるとすると、ページ「Ｐ７」のリンクのベクトルは、（ノート、ＰＣ、超、薄型、家庭、向け、パソコン、周辺、機器、Ｔ社、修理、拠点、…）＝（ｇ１１、ｇ１２、ｇ１３、ｇ１４、ｇ１５、ｇ１６、ｇ１７、ｇ１８、ｇ１９、ｇ２０、ｇ２１、ｇ２２、…）となる。
【００７３】
ページ「Ｐ７」の場合、「ノート」「ＰＣ」などの索引語は、ページ「Ｐ７」に近い段数のリンクのラベルに含まれ、かつ、頻度が多いので、重みが大きくなる。
【００７４】
なお、式（１）の係数αの値は、例えば、対象としているページｐ（例えば、ページ「Ｐ７」）に近い段数のリンクほど大きい値となるように定めてもよい。すなわち、ページ「Ｐ７」を直接参照している１段目のリンクを加算するときには、αを最も大きくする。
【００７５】
ページｐのｎ段のリンクのベクトルＶｐｌ（ｎ）を計算する際の段数ｎは、検索システムの目的や要求される検索精度に応じて設定すればよい。ｎを大きくするほど、ベクトルの語の数が増えることになるが、多くてもｎ＝５程度でよく、ｎ＝２か３でも実用的な検索が可能であることが分かっている。以下、ページｐのｎ段のリンクのベクトルＶｐｌ（ｎ）の表記を、単にＶｐｌと記述する。
【００７６】
図７に示すフローチャートは、ページの内容に着目してページ内容のベクトルを作成するための処理動作を示したもので、ページ索引作成部９での処理動作を示したものである。
【００７７】
ページ情報記憶部７に記憶されている全てのページｐについて（ステップＳ１１）、その内容（すなわち、図４に示したタイトルと本文）を、形態素解析し、図６のステップＳ３において、ラベルから索引語を抽出するのと同様にして、ページｐの内容から索引語を抽出する（ステップＳ１２）。そして、図６のステップＳ４の説明と同様にして、各索引語の重みを求め、ページ情報記憶部７に記憶されている各ページについて、ページ内容のベクトルＶｐｔを作成する（ステップＳ１３）。
【００７８】
なお、図７に示した処理自体は従来技術に属するものである。
【００７９】
次に、図８に示すフローチャートを参照して、ユーザが検索条件ｑを入力したときに、その入力された検索条件に適合するページを検索するための処理動作について説明する。
【００８０】
ここで、ユーザにより入力される検索条件ｑとは、ページを検索するためのキーワード（語）が複数含まれるものであって、自然文、または複数の語を羅列したもの、複数の語を論理式で結合したものなどである。
【００８１】
ユーザにより検索条件ｑが入力される（ステップＳ２１）。検索語抽出部２では、まず、これを形態素解析して、例えば、図６のステップＳ３で索引語を抽出するのと同様にして、検索語を抽出する（ステップＳ２１）。すなわち、検索条件ｑを形態素解析した結果得られる自立語の中から、さらに不要語を取り除いて、検索語を抽出する。そして、各検索語の重みを図６のステップＳ４の説明と同様にして求め、さらに、図６のステップＳ５の説明と同様にして、検索条件ｑのベクトルＶｑを作成する（ステップＳ２３）。
【００８２】
以上のようにして作成された検索条件ｑのベクトルＶｑを用いて、ページ情報記憶部７に記憶されている全てのページに対し、以下のステップＳ２５、ステップＳ２６の処理を実行する。
【００８３】
なお、ページ情報記憶部７に記憶されている全てのページの中から、検索条件ｑのベクトルＶｑに含まれる検索語を少なくとも１つ含むページを予め検索し、検索結果として得られたページを処理対象として、ステップＳ２５、ステップＳ２６の処理を実行するようにしてもよいし、処理の高速化のため、他と比べて少ない個数の検索語しか含まないページについては、検索条件との適合度が他と比べて小さくなると見込まれるので、それらについては処理を省略してもよい。
【００８４】
また、ステップＳ２５とＳ２６は、後述するように、ユーザの要求や使い方に応じて一方を省略してもよい。
【００８５】
以下、ここでは、検索条件ｑのベクトルＶｑに含まれる検索語を少なくとも１つ含むページをステップＳ２５，ステップＳ２６の処理対象とした場合を例にとり説明を行う。
【００８６】
ステップＳ２５では、図６のステップＳ６で求めたページｐのｎ段のリンクのベクトルＶｐｌ（すなわち、ページのリンク構造に着目して作成したベクトル）と、検索条件のベクトルＶｑとを比較し、その類似度を求める。類似度の算出方法としては、一般に、ベクトルの内積や余弦をとる方法がよいとされている。こうして求めたＶｐｌとＶｑとの類似度を、検索条件ｑに対するページｐのリンク構造に基づく適合度Ｓｌ（ｐ，ｑ）とする。
【００８７】
同様にして、ステップＳ２６では、図７の処理で求めた各ページのページ内容のベクトルＶｐｔ（すなわち、ページの内容に着目して作成したベクトル）と、検索条件のベクトルＶｑとを比較して、検索条件ｑに対するページｐのページ内容に基づく適合度Ｓｔ（ｐ，ｑ）を求める。
【００８８】
処理対象の各ページから、ページのリンクのベクトルと検索条件ｑのベクトルとの類似度（リンク構造に基づく適合度Ｓｌ（ｐ，ｑ））と、ページ内容のベクトルと検索条件ｑのベクトルとの類似度（ページ内容に基づく適合度Ｓｔ（ｐ，ｑ））が算出されたら、次に、ステップＳ２７〜ステップＳ２９の検索結果を表示するための処理を行う。なお、ステップＳ２７〜ステップＳ２８の処理は、後述するように、ユーザが検索条件などの入力の段階で、どの検索方法を選択したかにより省略される場合もある。
【００８９】
ステップＳ２７では、リンク構造に基づく適合度Ｓｌ（ｐ，ｑ）に基づき、ページの順位を付けて、それを検索結果として表示する。
【００９０】
ステップＳ２８では、ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）に基づきページに順位を付けて、それを検索結果として表示する。
【００９１】
ステップＳ２９では、適合度Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）を統合した適合度Ｓ（ｐ，ｑ）を各ページについて算出する。そして、この適合度Ｓ（ｐ，ｑ）に基づいて、各ページを順位付けしたものを検索結果としてユーザに提示する。
【００９２】
以下、ステップＳ２９の処理について説明する。
【００９３】
たとえば、適合度Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）から、これらを統合した適合度Ｓ（ｐ，ｑ）を算出するには、次式（２）を用いればよい。
【００９４】
Ｓ（ｐ，ｑ）＝Ｃｌ×Ｓｌ（ｐ，ｑ）＋Ｃｔ×Ｓｔ（ｐ，ｑ） …（２）
なお、式（２）において、Ｃｌ、Ｃｔは、予め定められた定数で、適合度Ｓ（ｐ，ｑ）に占める適合度Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）のそれぞれの比率、すなわち、重要度を定めるものである。
【００９５】
また、ここで、ページｐを検索結果に含めてよいかどうかの判定は、予め定められた閾値との比較によって行う。すなわち、リンクに基づく適合度Ｓｌ（ｐ，ｑ）については、これが閾値Ｓｌｍｉｎ以上であれば、ページｐを検索結果に含めてよいとする。ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）についても同様に、閾値Ｓｔｍｉｎ以上であれば、ページｐを検索結果に含めてよいとする。
【００９６】
統合した適合度Ｓ（ｐ，ｑ）についても同様に、閾値Ｓｍｉｎより大きければページｐを検索結果に含めてよいする。
【００９７】
ＣｌとＣｔは、各々定数である。閾値Ｓｌｍｉｎ、Ｓｔｍｉｎ、Ｓｍｉｎのいずれかを「０」に設定すれば、その閾値での判定は行わないことになる。また、ＣｌとＣｔのいずれかを「０」に設定すれば、Ｓｌ（ｐ，ｑ）あるいはＳｔ（ｐ，ｑ）は、統合された適合度Ｓ（ｐ，ｑ）の値には反映されないことになる。
【００９８】
図９〜図１１は、図１の情報検索システムのユーザインタフェース１の画面表示例を示す図である。
【００９９】
図９に示した画面は、検索要求を入力する領域２０１からなる入力画面である。領域２０１には、ユーザが検索条件を入力する領域１０１と、検索方法を指定する領域１０２からなる。
【０１００】
ユーザは、図１の情報検索システムに検索要求を行う場合には、領域１０１に、例えば「Ｔ社のパソコン」といった自然文で記述した検索条件ｑを入力する。領域１０２は、ユーザが検索方法（図９では、「リンク構造で検索」「ページ内容で検索」「両方の検索結果を個別に表示」「両方の検索結果を総合して表示」の４つがある）を指定するための領域である。
【０１０１】
図９に示した上記４つの検索方法とは、それぞれ、（１）リンク構造で検索する方法、（２）ページ内容で検索する方法、（３）リンク構造での検索結果とページ内容での検索結果をそれぞれ個別に表示する方法、（４）リンク構造での検索結果とページ内容での検索結果を統合して表示する方法である。
【０１０２】
ユーザは、領域１０１に検索条件を入力し、上記４つの検索方法から所望の方法を選択した後、「検索」ボタン１０３をマウス等で選択する（押す）ことにより、図８に示した検索処理が実行される。すると、ユーザインタフェースには、図１０〜図１１に示すような検索結果が表示される。
【０１０３】
図１０に示した画面は、図９に示した入力画面からユーザが、検索方法として、「リンク構造で検索」「ページ内容で検索」「両方の検索結果を個別に表示」のいずれかを選択したときの検索結果の表示方法を説明するための図である。なお、図１０に示した画面表示例そのものは、検索方法として「両方の検索結果を個別に表示」が選択されたときの検索結果の表示例を示したものである。
【０１０４】
図１０に示した画面は、大きく分けて３つの領域に分かれている。１つは、検索要求を入力する領域２０１であり、他の１つは、リンク構造に基づく検索結果を表示する領域２０２であり、さらに他の１つは、ページ内容に基づく検索結果を表示する領域２０３である。
【０１０５】
検索方法のうち、（１）リンク構造で検索する方法とは、前述した適合度Ｓｌ（ｐ，ｑ）のみに基づいて検索結果を求める方法である。この方法が選択された場合には、図８のステップＳ２８，ステップＳ２９の処理は省略してもよい。ユーザインターフェース１には、検索結果として領域２０２に示したような、リンクに基づく検索結果が表示される。なお、このとき、領域２０３のページ内容に基づく検索結果は表示されない。
【０１０６】
検索方法のうち、（２）ページ内容で検索する方法とは、前述した適合度Ｓｔ（ｐ，ｑ）のみに基づいて検索結果を求める方法である。この方法が選択された場合には、図８のステップＳ２７，ステップＳ２９の処理は省略してもよい。ユーザインターフェース１には、検索結果として、領域２０３に示したような、ページ内容に基づく検索結果が表示される。なお、このとき、領域２０２のリンク構造に基づく検索結果は表示されない。
【０１０７】
検索方法のうち、（３）リンク構造での検索結果とページ内容での検索結果をそれぞれ個別に表示する方法とは、リンク構造による検索（すなわち適合度Ｓｌ（ｐ，ｑ）に基づく検索）と、ページ内容による検索（すなわち適合度Ｓｔ（ｐ，ｑ）に基づく検索結果）とを両方行い、それぞれの検索結果を領域２０２，２０３に表示する方法である。この方法が選択された場合には、図８のステップＳ２９を省略してもよい。検索結果は、領域２０２と領域２０３に表示される。
【０１０８】
図１１に示した画面は、図９に示した入力画面からユーザが、検索方法として、「両方の検索結果を総合して表示」を選択したときの検索結果の表示例を示したものである。
【０１０９】
両方の検索結果を総合して表示する検索方法が選択されたときは、図８に示したフローチャートに従って、ステップＳ２９までの処理を全て実行して、式（２）のＣｌ、Ｃｔを適宜指定して（あるいは、予め定められた値をそのまま用いてよい）求めた適合度Ｓ（ｐ，ｑ）に基づいた検索結果を含めた検索結果の表示を行う方法である。なお、図１１については、後述する。
【０１１０】
図１０の領域２０２には、リンク構造に基づいた検索結果が表示される。順位１０５の高い方から順に、検索されたページの見出し１０７が並べられている。なお、順位１０５は上記Ｓｌ（ｐ，ｑ）の大きい順に、１位、２位、…と検索された各ページに与えたものである。また、ページの見出し１０６は、図１のページ情報記憶部７に記憶されたページのタイトル（図４のタイトル）を表示してもよいが、ページ情報記憶部７がない場合や、当該ページの情報をシステムが取得していない場合は、図１のリンク情報記憶部４に記憶した当該ページを参照するリンクのラベルのうち、代表的なもの（例えば、検索条件に最も合致するもの）を見出し１０６として用いてもよい。また、見出し１０６の文字列の中で検索条件に関連する部分、例えば、検索条件に「Ｔ社」「パソコン」などの語が含まされているとき、見出し１０６に含まれているこれらの語は強調して表示する。
【０１１１】
ページの見出し１０６に、記号「＜」にて追加されている情報は、見出し１０６に対応するページをリンクで参照するリンク元ページの見出し１０７である。この見出し１０７には、この見出し１０７に対応するページへジャンプするリンクが埋め込まれていて、この見出し１０７をマウス等でクリックすれば、当該ページが表示可能になっている。リンク元ページは複数あり得るが、ここでは、そのうち、Ｓｌ（ｐ，ｑ）が最も大きいページを１つ表示することとする。
【０１１２】
一方、ページの見出し１０６に、記号「＞」にて追加されている情報は、見出し１０６に対応するページがリンクで参照するリンク先ページの見出し１０８である。この見出し１０８には、見出し１０８に対応するページへジャンプするリンクが埋め込まれていて、この見出し１０８をマウス等でクリックすれば、当該ページが表示可能になっている。リンク先ページは複数あり得るが、これについても、Ｓｌ（ｐ，ｑ）が大きいものを複数（例えば５つまで）表示することにする。
【０１１３】
このように、検索結果のページの見出し１０６に対して、これとリンクにより参照関係にあるページの見出し１０７，１０８を表示することにより、ユーザは、見出し１０６に対応するページの内容自体を見なくても、見出し１０６に対応するページと参照関係にあるページのうち所望のページを直接アクセスして、見出し６に対応するページがどのような位置付けのページなのかを理解することも容易になる。
【０１１４】
一般に、リンク構造は必ずしも階層構造に整理されているわけではないが、上述した方法で、ユーザの検索要求によく適合するリンクを選択的に表示すれば、リンク構造の複雑さによるユーザの混乱は避けられる。
【０１１５】
図１０の領域２０２には、ページ内容に基づいた検索結果が表示される。順位１１０の高い方から順に、検索されたページの見出し１１１が並べられている。なお、見出し１１１は、検索結果のページのタイトルであり、順位１１０は、上記Ｓｔ（ｐ，ｑ）が大きい順に、１位、２位、…と検索された各ぺージに与えたものである。
【０１１６】
ページの見出し１１１の下には、当該ページの内容の要約１１２が表示されている。要約１１２は、ここでは、当該ページの本文から検索条件に合致する表現、すなわち、例えば、検索条件に含まれている「Ｔ社」「パソコン」等の語をよく含む部分（文など）を抜きだして表示する。
【０１１７】
また、見出し１１１に対応する検索結果のページから他のページを参照するリンクがある場合は、そのうち、検索条件と関連するリンク１１３が見出し１１１に対応させて表示されている。例えば、見出し１１１に対応するページの本文に「デスクトップパソコン」「ノートパソコン」「周辺機器」「ソフトウェア」などのラベルをもつリンクがある場合にも、ユーザの検索条件に関連のあるリンク「デスクトップパソコン」「ノートパソコン」のみがリンク１１３としてに表示される。すなわち、これらリンク１１３をマウス等でクリックすると、当該リンクにて参照している他のページが表示されるようになっている。これにより、ユーザは、見出し１１１に対応するページの内容自体を見ずとも、見出し１１１に対応するページから参照されているページのうち所望するものに直接アクセスすることができる。
【０１１８】
次に、図１１について説明する。
【０１１９】
図１１は、リンク構造に基づく検索と、ページ内容に基づく検索との両方の検索結果を１つに統合した検索結果を、ユーザが所望する方法で順位付けてユーザに提示する場合の画面表示例である。
【０１２０】
上述の通り、検索により得たページには、リンク構造に基づく適合度Ｓｌ（ｐ，ｑ）と、ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）と、Ｓｌ（ｐ，ｑ）とＳｔ（ｐ，ｑ）とを総合して求めた適合度Ｓ（ｐ，ｑ）がある。ユーザが、図９の入力画面において、検索方法として、「両方の検索結果を統合して表示」を選択したときには、これらＳｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）、Ｓ（ｐ，ｑ）のうちいずれの適合度によっても検索結果の並び替えが行えるように、領域２０４にて、並び替え方法を選択するようになっている。
【０１２１】
並び替え方法の選択肢としては、図１１に示すように、「リンク構造に基づく適合度（Ｓｌ（ｐ，ｑ））で並び替え」、「ページ内容に基づく適合度（Ｓｔ（ｐ，ｑ））で並び替え」、「統合された適合度（Ｓ（ｐ，ｑ））で並び替え」がある。
【０１２２】
例えば、統合された適合度によれば１位のページは、リンク構造に基づく適合度やページ内容に基づく適合度では、２位以下のこともある。統合された適合度で並び替えを行うと、当該ぺージは一番上に表示されるが、他の適合度で並び替えを行うと、２番目以下に表示される。
【０１２３】
ユーザは、例えば、統合された適合度Ｓ（ｐ，ｑ）で並び替えを行いたい場合には、３番目の選択肢を選択する。そして、比率設定領域１３２において、統合された適合度を求めるための式（２）の定数Ｃｌ、Ｃｔに対応する、統合された適合度中に占めるリンク構造に基づく適合度Ｓｌ（ｐ，ｑ）の比率、ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）の比率をそれぞれ設定する。その後、「並び替え」ボタン１３４を押すことよって並び替えの実行を指示する。
【０１２４】
例えば、比率設定領域１３２で設定されたＳｌ（ｐ，ｑ）とＳｔ（ｐ，ｑ）の比率が６０％対４０％であったときは、式（２）において、Ｃｌ＝０．６、Ｃｔ＝０．４として統合された適合度Ｓ（ｐ，ｑ）を求めた結果、この値の大きい順に順位が設定され、この設定された順位の順に検索結果が領域２０５に表示される。
【０１２５】
領域２０５に表示されている検索結果は、領域２０４で並び替え方法として、３番目の選択肢が選択されたときの表示例である。「統合適合度」「リンク構造適合度」「ページ内容適合度」と付された欄１３５，１３６，１３７には、それぞれ、適合度Ｓ（ｐ，ｑ）、Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）に基づくページの順位が表示されている。
【０１２６】
例えば、「統合適合度」が１位で、「リンク構造適合度」が１位で、「ページ内容適合度」が７位である一番上に表示されているページの見出し、すなわち、ここでは、タイトルは、「Ｔ社ＰＣウェブ」であり、この見出しとともに、前述同様、当該ページの内容の要約と、当該ページから他のページを参照するリンクがある場合は、そのうち、検索条件と関連するが表示されている。
【０１２７】
以上説明したように、第１の実施形態の情報検索システムは、リンク構造に基づいた検索を行うことに特徴があり、このような検索手法によって、ユーザの検索条件によく適合する文書を効率よく検索できる。複数段のリンク構造を反映した検索を行うため、自然文などで記述されたユーザの複雑な検索要求に対しても、その要求に合致する検索結果を求めることができる。
【０１２８】
なお、リンク構造のみによっても検索が可能であるが、上述のように、ページ内容に基づいた従来型の検索方式と統合した方法で検索を行うことも可能である。その統合の方法は柔軟であるため、ユーザは、リンク構造に基づく検索、すなわち、他のページから検索条件によく適合する表現で多くリンクされているページを検索する方法と、ページ内容に基づく検索、すなわち、内容自体が検索条件によく適合する表現で記述されているページを検索する方法を、目的に応じて自由に使い分けることができる。さらに、上述のように、検索結果のページとともに、これと参照関係にある他のページをユーザの検索条件を反映した形で整理して提示するため、検索結果の理解や利用が容易である。
【０１２９】
（第２の実施の形態）
第２の実施形態に係る情報検索システムは、検索方法としては、第１の実施形態と類似した方法をとるが、ハイパーテキスト形式の文書を、複数の文書グループに分けて考えることにより、検索性能をさらに向上させることに特徴がある。
【０１３０】
例えば、インターネット上のウェブページは、個々のページの一つ一つが個別の場所に存在するのではなく、サイトやドメインなどと呼ばれる管理単位でまとめて配置されている。このような文書のまとまりを、ここでは文書グループと呼ぶことにする。当然ながら、同一の文書グループに属するページは互いに内容が類似していたり、意味的な関連性が強い場合が多い。
【０１３１】
また、同一の文書グループに属するページ間のリンクと、別々の文書グループに属するページ間のリンクとは、性質や意味が異なる。
【０１３２】
図１３は、ページ間の参照関係を、文書グループの概念を加えて摸式的に表現した図である。図１３において、文書グループは、例えば、文書グループＤ１〜Ｄ３の３つである。また、図５と同様に、図１３中、「Ｄ１−１」「Ｄ１−２」…「Ｄ２−１」「Ｄ２−２」…「Ｄ３−１」「Ｄ３−２」…は、ページのＩＤを表し、矢印はページ間のリンクを表し、リンクに付された文字列はリンクのラベルを表す。
【０１３３】
例えば、文書グループＤ１は、インターネット上で（株）Ｔ社が運用管理しているサイトに相当する。ページ「Ｄ１−１」「Ｄ１−２」「Ｄ１−３」は、同一の文書グループＤ１に属する。
【０１３４】
一方、図１３において、リンク３０１、３０２、３０３、３０４は、異なる文書グループに属するページ間のリンクである。このようなリンクを、ここでは、文書グループ間リンクと呼ぶ。
【０１３５】
なお、文書グループの定義としては、サイトやドメインといった大まかな単位を文書グループと見なすのが最も単純な方法であるが、さらに細かく文書グループを分割したり、文書グループを階層的に構成する方法も可能である。
【０１３６】
このような文書グループを用いた情報検索システムの構成例を図１２に示す。なお、図１２において、図１と同一部分には同一符号を付し、異なる部分についてのみ説明する。
【０１３７】
すなわち、図１のリンク検索部３、リンク情報記憶部４，ページ検索部６，ページ情報記憶部７からなる文書グループ内検索部５０を文書グループ毎に設け、文書グループ間リンクの情報を記憶するための文書グループ間リンク情報記憶部５２と、この情報を用いてユーザの検索要求に適合するページを検索する文書グループ間リンク検索部５１、が新たに追加されている。
【０１３８】
文書グループ間リンク情報記憶部５２には、文書グループ間リンク情報が図３と同様にして記憶されている。ただし、この場合、１つのリンク（文書グループ間リンク）について、リンク元であるページと、リンク先であるページのそれぞれの属する文書グループは必ず異なっている。
【０１３９】
文書グループ間リンク検索部５１は、索引語抽出部２で抽出された索引語とリンク情報とを比較して、適合する文書を検索する点でリンク検索部３と基本的には同様であるが、文書グループ間リンク検索部５１は、文書グループ間リンク情報記憶部５２に記憶されている文書グループ間リンクのみを処理対象とする点で異なる。
【０１４０】
複数の文書グループにそれぞれ対応する複数の文書グループ内検索部５０のそれぞれは、同一の文書グループ内に存在するリンクとページを検索対象とするものである。なお、ここでは、説明の簡単のため、１つの文書グループ内検索部５０が１つの文書グループに１対１で対応しているものとするが、この場合に限らず、１つの文書グループ内検索部５０が複数の文書グループに対応していてもよいし、１つの文書グループ内検索部５０が全ての文書グループのそれぞれに対応していてもよい。ただし、１つの文書グループに１つの文書グループ内検索部５０を割り当て、並列分散して動作するように構成すれば、個々の検索部の負荷が減じ、大量のページに対しても高速に検索できるようになる。
【０１４１】
図１２に示した情報検索システムでは、１つの文書グループに１つの文書グループ内検索部５０を割り当てているので、リンク情報記憶部４に記憶されているリンク情報は、検索対象である１つの同じ文書グループに属するページからページへのリンクに関するものだけである。また、ページ情報記憶部７に記憶されているページ情報も検索対象である１つの同じ文書グループに属するページに関するものだけである。
【０１４２】
図１２の検索結果統合部５では、文書グループ間リンク検索部５１による検索結果と、複数の文書グループ内検索部５０のそれぞれによる検索結果とを、統合する処理を行う。
【０１４３】
次に、図１２に示した情報検索システムの処理動作について、図１４に示すフローチャートを参照して説明する。
【０１４４】
ユーザにより入力された検索条件ｑから検索語を抽出して、ベクトルＶｑを作成するステップＳ１１１の処理は、図８のステップＳ２１〜ステップＳ２３と同様である。
【０１４５】
また、図１４ののステップＳ１１２およびステップＳ１１３の処理は、図８のステップＳ２４およびＳ２５とほぼ同様であるが、ステップＳ１１３では文書グループ間リンクの構造のみを用いて適合度Ｓｌｅｘ（ｐ，ｑ）を求める点で異なる。ステップＳ１１２とＳ１１３の処理は、文書グループ間リンク検索部５１で行う。
【０１４６】
なお、ステップＳ１１３で、検索条件ｑのベクトルＶｑと比較するベクトルＶｐｌｅｘは、図６を参照して説明した、ページｐのベクトルＶｐｌの作成するための処理と同様にして、文書グループ間リンク情報記憶部５２に記憶されている文書グループ間リンク情報のみに基づいて、文書グループ間リンク索引作成部１０で、各ページｐについて、あらかじめ作成したものである。ベクトルＶｐｌｅｘを、ここでは、ページｐのｎ段の文書グループ間リンクのベクトルと呼ぶ。
【０１４７】
ここで、文書グループ間リンク索引作成部１０の処理動作について、図６を参照して、リンク索引作成部８での処理動作と異なる部分についてのみ説明する。すなわち、図６のステップＳ５では、ページｐと１段のリンクで参照関係にある、ページｐとは異なる文書グループに属する文書からのリンクのベクトルの総和、すなわち、Ｖｐｌ（１）を作成する。また、図６のステップＳ６では、ページｐがｎ段のリンクで参照されていて、このｎ段のリンクのそれぞれが異なる２つの文書グループ間にまたがるリンク（このような２つのページ間をリンクするハイパーリンクを文書グループ間リンクと呼ぶ）であるとき、図６のステップＳ６では、この全ての文書グループ間リンクのベクトルの総和を求めることにより作成することができる。そして得られたＶｐｌ（ｎ）を、Ｖｐｌｅｘに置き換えればよい。
【０１４８】
例えば、図１３において、ページ「Ｄ３−１」は、１段の文書グループ間リンク３０３でページ「Ｄ１−３」から参照されており、ページ「Ｄ１−３」は、１段の文書グループ間リンク３０２でページ「Ｄ２−１」から参照されているので、ページ「Ｄ３−１」は、２段の文書グループ間リンクでページ「Ｄ２−１」から参照されていることになる。このような複数段の文書グループ間リンクを用いて、そのそれぞれのラベルのベクトルｖｌから、上記したようにして、Ｖｐｌ（１）、Ｖｐｌｅｘを作成する。
【０１４９】
文書グループ間のリンクのベクトルＶｐｌｅｘは、上述したように、文書グループ間リンク情報のみに基づいて作成されたものであり、言い換えれば、文書グループ間のリンクの参照関係に基づき作成されたものである。
【０１５０】
ステップＳ１１３では、各ページ毎に求めた文書グループ間のリンクのベクトルＶｐｌｅｘと、検索条件のベクトルＶｑとを比較し、その類似度を求める。類似度の算出方法としては、一般に、ベクトルの内積や余弦をとる方法がよいとされている。こうして求めたＶｐｌｅｘとＶｑとの類似度を、検索条件ｑに対する文書グループ間リンク構造に基づく適合度Ｓｌｅｘ（ｐ，ｑ）とする。
【０１５１】
次に、全ての文書グループＧｒについて（Ｓ１１４）、ステップＳ１１５からＳ１１７の処理を行う。
【０１５２】
ステップＳ１１５では、文書グループＧｒに属するページについて、上記ステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）のうち、その最大値を、Ｇｒと検索条件ｑとの適合度Ｓ（Ｇｒ，ｑ）とする。このＳ（Ｇｒ，ｑ）は、検索条件ｑに対して、文書グループＧｒがどれくらい適合しているかを表す値と考えることができる。なお、同じ文書グループに属するページｐのＳｌｅｘ（ｐ，ｑ）の最大値をＳ（Ｇｒ，ｑ）とするのではなく、これらページｐのＳｌｅｘ（ｐ，ｑ）の総和や平均値などをＳ（Ｇｒ，ｑ）としてもよい。
【０１５３】
Ｓ（Ｇｒ，ｑ）が予め定められた閾値Ｓｇｍｉｎより大きい文書グループＧｒについては（ステップＳ１１６）、その文書グループ内での検索を行う（ステップＳ１１７）。すなわち、ステップＳ１１７では、当該文書グループ対応の文書グループ内検索部５０のそれぞれに、図８のステップＳ２４〜ステップＳ２９までの処理を行う。
【０１５４】
Ｓ（Ｇｒ，ｑ）が予め定められた閾値Ｓｇｍｉｎより大きい文書グループＧｒ内における検索結果は、Ｓ（Ｇｒ，ｑ）の値が大きい文書グループの順に、文書グループ毎にまとめられて、ユーザに提示する（Ｓ１１８）。
【０１５５】
次に、ユーザが検索条件として、例えば「Ｔ社のノートパソコンを修理したい」を所定の入力画面から入力して、検索の実行を図１２の情報検索システムに指示した場合の検索結果の表示例について説明する。
【０１５６】
図１５〜図１６は、図１２の情報検索システムのユーザインタフェース１の画面表示例を示す図である。
【０１５７】
図１５において、領域３００には、先にユーザにより入力された検索条件が表示されている。
【０１５８】
図１４に示したようにして検索した結果は、Ｓ（Ｇｒ，ｑ）の値が大きい文書グループから順に表示されるが、図１５では、１つの文書グループに１つの表示領域３０１を割り当てて表示している。
【０１５９】
１番目の領域３０１には、Ｓ（Ｇｒ，ｑ）の値が最も大きい文書グループ内の検索結果が表示される。
【０１６０】
例えば、図１５では、（株）Ｔ社のサイトが、検索条件に最も適合する文書グループとして求められる。例えば「Ｔ社」という語と「パソコン」という語を比較した場合、文書グループ間リンクだけに着目すれば、「Ｔ社」という固有名詞をラベルに含んだリンクは、少数のＵＲＬを集中して参照する傾向にある。これに対し、「パソコン」という一般名詞をラベルに含むリンクは、多数のＵＲＬを参照する傾向にあり、少数のＵＲＬに集中して参照することは稀である。このような性質が検索語の重みに影響するため、Ｔ社のサイトが、より適合度の大きい文書グループとして選ばれる。このことはユーザの検索条件に合致する。
【０１６１】
図１５において、１番目の領域３０１の１番目の行には、当該文書グループＧｒに属するページのうち、図１４のステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）が最も大きいページの見出し（例えば、ここではタイトル）３０２が表示されている。このページは、文書グループ間リンクの構造に基づいた適合度が大きいページであるから、当該文書グループ１を代表的するページと見なすことができる。一方、２番目、３番目、４番目に表示されているページの見出し３０２，３０４，３０５は、図１４のステップＳ１１７の処理によって、当該文書グループの中で求められた検索結果のページである。
【０１６２】
文書グループ内のリンク構造だけに着目すれば、「Ｔ社」という語は、当該文書グループ内では数多く使われる語であるため、文書グループ内でページを特定する働きが弱い。これと比較して、「ノート」「パソコン」「修理」という一連の語は、ページを特定する働きが強い。このような性質は、リンクのラベルについても、ページの内容についても成り立つ。この性質が検索語の重みに影響するため、ステップＳ１１７では、文書グループ内からユーザの検索条件によく適合するページが検索できる。
【０１６３】
なお、図１５の表示例では、１番目のページの見出し３０２以外の各ページの見出し３０３，３０４，３０５には、そのページの本文の要約を対応付けて表示している。これは、前述の第１の実施形態の図１０の領域２０３で要約を表示している場合と同様である。
【０１６４】
また、検索結果として表示される全ての見出しは、マウス等でクリックすることにより、その見出しに対応するページを表示するようになっていることが望ましい。
【０１６５】
さらに、各文書グループ内の検索は、第１の実施形態で説明したように、検索実行に先だって、検索方法を指定することにより、リンク構造に基づく検索、ページ内容に基づく検索、それらを総合した検索を行って、指定された検索方法に対応する検索結果の表示を行ってもよい。
【０１６６】
ユーザにより入力された検索条件によっては、上記処理によってユーザが所望する文書グループを求めることができても、その文書グループ内でユーザがどのページを所望しているかということまでは求めることができないときがある。例えば単に「Ｔ社」という検索条件が入力された場合には、ユーザが所望するページを文書グループ内で検索するための条件がユーザから与えられていない。このような場合の処理としては、文書グループ内の検索を行わないという方法と、検索条件がなくてもユーザにとって有用と思われるページを文書グループ内から選んで提案する方法の、二通りが考えられる。
【０１６７】
前者の方法では、例えば、図１４のステップＳ１１７の処理は省略し、検索結果として、文書グループに属するページのうち、図１４のステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）が最も大きいページの見出し３０２のみをユーザに提示する。
【０１６８】
後者の方法の一つの実施形態としては、ハイパーリンクによって他のページから参照されている数の多いページを有用なページであると見なし、そのような有用度の大きいページをユーザにいくつか提示する方法がある。すなわち、図４に示したようなリンク情報から各ページについての被リンク数が求まるので、この被リンク数の単調増加関数としてページの有用度を定義する。ステップＳ１１７では、文書グループＧｒ内の個々のページについて有用度を求め、有用度が大きいページを所定の個数（例えば上位５件）だけを選ぶという処理を行う。この場合の検索結果の表示例を図１６に示す。
【０１６９】
なお、図１６において、図１５と同一部分には、同一符号を付し、異なる部分について説明する。すなわち、検索結果として得られた各文書グループの表示領域３０１では、１番目の行には、当該文書グループに属するページのうち、図１４のステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）が最も大きいページの見出し（例えば、ここではタイトル）３０２を表示するものの、それ以下には、被リンク数に基づいた上述の方法で有用度が大きいと見なされたページの見出し（例えば、ここでは、タイトル）４０３〜４０７が表示される。
【０１７０】
図１６に示した形式で検索結果を表示することによって、ユーザは、簡単な検索要求を入力した場合にも、有用なページを容易に見つけることができる。なお、ページの有用度を被リンク数によって求める処理では、文書グループ内リンクと文書グループ間リンクとを区別し、文書グループ間リンクの方を重要視する方法が効果的である。なぜなら、異なる文書グループから多く参照されているページは、その価値がより客観的に支持されているページであると考えられるからである。
【０１７１】
以上説明したように、文書グループを考慮した上記第２の実施形態によれば、文書グループ間リンクと、文書グループ内のリンクとの、性質の違いに着目することにより、ユーザの検索条件によく適合するページを検索できるのみならず、得られた検索結果が、文書グループ毎にまとめた形で提示されるため、ユーザは、検索結果から所望のページを簡単に見つけることができる。さらに、文書グループ内の検索処理を、複数の文書グループ内検索部５０に分散し、並列して実行することにより、大量の文書についても高速に検索できるという利点がある。
【０１７２】
上記第１〜第２の実施形態によれえば、大量のハイパーテキスト形式の文書の中から、ユーザが自然文または複数の語で記述した複雑な検索条件に適合する文書を、効率よく検索することができる。また、ハイパーリンクによる参照関係や文書グループに基づいて検索結果を整理して提示することにより、ユーザは、所望する情報を検索結果の中から容易に見つけ出すことができる。
【０１７３】
なお、上記第１〜第２の実施形態において、検索結果として、ページの見出しを表示する際には、その全ての見出しは、マウス等によりクリックされることにより、その見出しに対応するページが表示されるようになっていることが望ましい。
【０１７４】
また、本発明の実施の形態に記載した本発明の手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記録媒体に格納して頒布することもできる。
【０１７５】
さらに、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。さらに、上記実施形態には種々の段階の発明は含まれており、開示される複数の構成用件における適宜な組み合わせにより、種々の発明が抽出され得る。例えば、実施形態に示される全構成要件から幾つかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題（の少なくとも１つ）が解決でき、発明の効果の欄で述べられている効果（のなくとも１つ）が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。
【０１７６】
【発明の効果】
以上説明した様に本発明によれば、大量のハイパーテキスト形式の文書の中から、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、高い精度の検索結果が得られる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態に係る情報検索システムの構成例を示した図。
【図２】検索対象の複数のページのそれぞれに与えられた識別子と、各識別子に対応する各ページのＵＲＬの記憶例を示した図。
【図３】リンク情報記憶部におけるリンク情報の記憶例を示した図。
【図４】ページ情報記憶部におけるページ情報の記憶例を示した図。
【図５】検索対象の複数のページのハイパーリンクによる参照関係の一例を示した図。
【図６】各ページについて、ｎ段のリンクのベクトルを作成するための処理を説明するためのフローチャート。
【図７】各ページについて、ページ内容のベクトルを作成するための処理を説明するためのフローチャート。
【図８】図１の情報検索システムの検索処理動作を説明するためのフローチャート。
【図９】図１の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索要求を入力する入力画面の一例を示した図。
【図１０】図１の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の表示例を示した図。
【図１１】図１の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の表示例を示した図。
【図１２】本発明の第２の実施形態に係る情報検索システムの構成例を示した図。
【図１３】検索対象の複数のページと文書グループのハイパーリンクによる参照関係の一例を示した図。
【図１４】図１２の情報検索システムの検索処理動作を説明するためのフローチャート。
【図１５】図１２の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の表示例を示した図。
【図１６】図１２の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の他の表示例を示した図。
【符号の説明】
１…ユーザインタフェース
２…検索語抽出部
３…リンク検索部
４…リンク情報記憶部
５…検索結果統合部
６…ページ検索部
７…ページ情報記憶部
８…リンク索引作成部
９…ページ索引作成部
１０…文書グループ間リンク索引作成部
１１…ウェブ情報収集部
５０…文書グループ内検索部
５１…文書グループ間リンク検索部
５２…文書グループ間リンク情報記憶部
【発明の属する技術分野】
本発明は、インターネットやイントラネットに代表される大規模なネットワーク上で、ユーザが所望する情報、たとえばウェブページを検索するための情報検索システムに関する。
【０００２】
【従来の技術】
インターネットの普及により、誰もが世界に発信したい情報をウェブページという形で自由に公開できるようになった。一方、情報検索技術の進歩と計算機の性能向上により、膨大な数のページから、自分が所望する情報を検索することが可能になった。
【０００３】
しかしながら、ユーザが真に欲しい情報だけを効率よく検索できるまでには至っていない。例えば、従来型の全文検索システムでは、ユーザは、所望する情報を表現する検索条件として、検索語（キーワードやフレーズ）の論理式を入力し、検索システムは、検索条件に適合するページ、すなわち、論理式を満たすように検索語を含むページを検索結果として出力する。検索結果のランキングは、主に、検索語がページ中に出現する頻度や位置によって行なわれる。しかし、このような素朴な検索方式では、数十億ともいわれるウェブページの中から、ユーザにとって価値の高い情報を見つけ出すことは不可能である。
【０００４】
このような反省から、まず、価値のあるウェブサイトを人間の手作業で探して、これをユーザに提供するサービスが行なわれるようになった。その１つに、人手で集めたウェブサイトをディレクトリ構造に整理して利用しやすい形で提供するサービスがある。また、例えば、企業などの団体の名称と、その団体が運営しているウェブサイトの場所（ＵＲＬ）との組をデータベース化して、ユーザが入力した企業名に相当するウェブサイトを提示するサービスなどが運用されている。しかしながら、膨大、かつ、日々更新される情報を人手によって網羅的に整理する作業は不可能であり、労力も非常にかかかる。
【０００５】
これに対し、ユーザにとって価値の高いページを自動的に求めて、これを検索結果の中で優先的に提示する方法がいくつか考えられている。例えば、米国グーグルの検索システムＧｏｏｇｌｅ（ｈｔｔｐ：／／ｗｗｗ．ｇｏｏｇｌｅ．ｃｏｍ／）では、多くのページにリンクされているページは重要なページであり、さらに、重要ページにリンクされているページは重要である、という仮説に基づいて求めた、ＰａｇｅＲａｎｋと呼ばれる重要度によって、検索結果をランキングする方法がとられている（文献１：Ｓｅｒｇｅｙ Ｂｒｉｎ ａｎｄ Ｌａｗｒｅｎｃｅ Ｐａｇｅ． Ｔｈｅ Ａｎａｔｏｍｙ ｏｆ ａ Ｌａｒｇｅ−Ｓｃａｌｅ Ｈｙｐｅｒｔｅｘｔｕａｌ Ｗｅｂ Ｓｅａｒｃｈ Ｅｎｇｉｎｅ． Ｔｈｅ ７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＷｏｒｌｄＷｉｄｅ Ｗｅｂ Ｃｏｎｆｅｒｅｎｃｅ， １９９８）。
【０００６】
この方法によれば、たとえば「Ｔ社」という検索要求に対しては、「Ｔ社」という語を含むウェブページのうち、被リンク数の多いページが、より上位にランクされる。しかしながら、この方法では、ページの重要度は、ユーザの検索要求、すなわち、「Ｔ社」という語に無関係に求められたものであるため、検索要求に関係のない内容のページが検索結果の上位にランクされる恐れがある。
【０００７】
これに対して、被リンク数だけでなく、リンクのラベルの表現（ＨＴＭＬ文書の場合にはアンカーテキストと呼ばれる）を考慮して検索結果をランキングする方法が試みられている（文献２：風間一洋，原田昌紀，佐藤進也．「ハイパーリンクとアンカーテキストを利用した情報検索とランキングの一手法」情報処理学会研究報告，ＳＩＧＤＤ，Ｖｏｌ．２４，２０００）。この方法は、リンクのラベルは、リンク先のページの内容をよく示すという仮説に基づいている。この方法によれば、「Ｔ社」というラベルが付されたリンクによって他ページから多く参照されたページが、ユーザにとって重要で、かつ、検索要求ともよく適合するページであると求められる。
【０００８】
同様の方法は「ハイパーテキスト検索装置」（文献３：特許公報第３１０８０１５号）でも考案されている。この特許でも、ページの内容自体の適合度に加え、ページの参照元のアンカーテキストの適合度も考慮して、ページの適合度を求める方法をとっている。
【０００９】
また、参照関係にあるページ同士を統合して検索要求との適合度を求めることにより、たとえば、「青森」の語を含むページと「りんご」の語を含むページがあり、前者から後者がリンクで参照されている場合、これら２つのページを１つの文書とみなして、これを「青森りんご」という検索要求に適合する文書であるとする。また、「青森」を含むページと「りんご」を含むページを併せた形で検索結果を提示することにより、ユーザがこれらのページの参照関係を容易に把握することができるとしている。
【００１０】
文献３と同様の発明としては、他に「文章検索装置および方法ならびに文書検索プログラムを記録したコンピュータ読取り可能な記憶媒体」（文献４：特開２０００−２５９６４８号公報）がある。
【００１１】
上記文献１および文献２の方法によれば、いわゆる公式ウェブサイト、すなわち、企業などの団体が公式に運営しているウェブサイトのトップページを、その団体名を検索要求として、ほぼ正しく検索することができると報告されている。実際、「Ｔ社」という検索要求に対しては、「（株）Ｔ社」という企業が公式に運用しているウェブサイトのトップページが、検索結果の上位にランクされる。これは、「（株）Ｔ社」の公式サイトのトップページは、「Ｔ社」という表現を含んだ他のページよりも、被リンク数が多く、かつ、「Ｔ社」という表現を含んだラベルを付されたリンクによって参照されることが多いからである。
【００１２】
しかしながら、ユーザの要求は、公式サイトを見つけることだけではない。例えば、「Ｔ社のノートパソコンを修理したい」といった、より詳細で複雑な情報を要求する場合が多い。そして、このような検索要求に対しては、文献１および２の方法では、よく適合するページを検索することはできない。「Ｔ社」「ノート」「パソコン」「修理」という検索語を全て含むページは、インターネット上に少なくとも３千ページ以上ある。このうち、ユーザが所望する情報、すなわち、製造元である「（株）Ｔ社」がそのウェブサイト上で公式に公開している、ノートパソコンの修理の方法や手続きに関するページが、文献１の方法で上位にランクされるとは限らない。ウェブサイトのトップページ以外のページが、他のページから極端に多くリンクされることは稀なので、ページの重要度（文献１のＰａｇｅＲａｎｋ）に有意な差が出にくいからである。
【００１３】
同様に、文献２の方法でも、正しく検索できない恐れある。ユーザが所望するページが、「Ｔ社」「ノート」「パソコン」「修理」という４つの語を含むラベルで数多くリンクされているとは限らないからである。例えば、求めるページが「Ｔ社」サイトのトップページから、「パソコン」、「ＰＣカスタマーセンター」というラベルをリンクを順に辿ったところに公開されていて、このページ自体には「ＰＣカスタマーセンター」というラベルでしかリンクされていないかもしれない。逆に、「ノート」「パソコン」「修理」という３語を含むラベルで数多くリンクされた、「Ｔ社」と関係のないページが存在するかもしれない。
【００１４】
一方、文献３や文献４で考案されている方法では、複数のハイパーテキストを、リンクによる参照関係に基づいて統合したページとして検索することができるとしている。しかしながら、インターネットには膨大な数のページがあり、ページ間のリンクの個数も、平均するとページの個数の数倍〜十数倍もある。「Ｔ社」「ノート」「パソコン」「修理」という４つの語のいずれか一つでも含むウェブページはインターネット上に２００万ページ以上あり、これらの膨大なページについて、その各々を逐一リンクで統合して適合度を求めることは、現実的には不可能である。さらに、複数の文書を統合したものを検索対象とすれば、一般に、検索の再現率は向上するものの、適合率は低下することが知られている。もっと効率的で、かつ、よく制御された方法によって、ユーザの複雑な検索要求に適合するページを検索する必要がある。
【００１５】
また、現実のリンクの構造は複雑であり、階層的な構造に整理されているとは限らない。ウェブページのリンクは、ページの内容上の関連を表すものだけでなく、ユーザのブラウジングのしやすさを助けることを目的としたリンクや、どちらからどちらを引用しているかわからないような相互的なリンク、ループになったリンクなどが多い。
【００１６】
文献４ではループになったリンクを排除できるとしているものの、やはり、内容的な関連がほとんどないページを統合してしまう恐れが多分にある。また、複雑で個数の多いリンク構造を、文献３や文献４の方法によって、検索結果上で、ユーザが見やすい形に整理して提示することは困難である。
【００１７】
【発明が解決しようとする課題】
以上説明したように、従来は、ウェブページ間のリンクによる参照関係に基づき検索する際には、あるウェブページが他のウェブページを直接参照する１段のリンクのみを用いていたため、複数の語からなる複雑な検索条件に適合するウェブページの検索が容易に行えないという問題点があった。
【００１８】
そこで、本発明では、上記問題点に鑑みてなされたもので、大量のハイパーテキスト形式の文書の中から、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、高い精度の検索結果が得られる情報検索方法およびそれを用いた情報検索装置を提供することを目的とする。
【００１９】
本発明は、ユーザにより入力された主に自然文による、複雑で詳細な検索条件に対して、よく適合するハイパーテキスト形式の文書を検索するための、スケーラビリティのある方法、すなわち、大量の文書に対しても高速に検索できる方法を実現することを、第一の目的とし、さらに、検索結果をユーザが理解しやすい形で提示することを第二の目的とする。
【００２０】
【課題を解決するための手段】
本発明は、複数の文書から、ユーザにより入力された自然文または複数の語からなる検索条件に適合する文書を検索するためのものであって、前記複数の文書のうちの任意の２つの文書間は１段のハイパーリンクでリンクされ、（ａ）前記複数の文書のそれぞれについて、その文書と前記１段のハイパーリンクおよび複数段のハイパーリンクを経て参照関係にある文書群から、前記参照関係を表す前記ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、（ｂ）前記検索条件に含まれる複数の語と、前記複数の文書のそれぞれについて抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との適合度を算出し、（ｃ）前記適合度に基づき、検索結果として表示する文書の順位を決定し、この順位に従って前記検索結果としての文書を表示することを特徴とする。
【００２１】
本発明によれば、１段のハイパーリンクにより参照関係にある文書群のみらなず、複数段のハイパーリンクを経て参照関係にある文書群からも、その参照関係を表すハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出して、検索対象の複数の文書のそれぞれについての検索時のインデックス（索引語）とすることにより、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、高い精度の検索結果が得られる。
【００２２】
また、本発明は、複数の文書から、ユーザにより入力された自然文または複数の語からなる検索条件に適合する文書を検索するためのものであって、前記複数の文書のうちの任意の２つの文書間は１段のハイパーリンクでリンクされ、（ａ）前記複数の文書のそれぞれについて、その文書と前記１段のハイパーリンクおよび複数段のハイパーリンクを経て参照関係にある文書群から、前記参照関係を表す前記ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、（ｂ）前記検索条件に含まれる複数の語と、前記複数の文書のそれぞれについて前記ラベルから抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との第１の適合度を算出し、この第１の適合度に基づき、検索結果として表示する文書の順位を決定し、（ｃ）前記複数の文書のそれぞれから、その文書の内容を表す語を抽出し、（ｄ）前記検索条件に含まれる複数の語と前記複数の文書のそれぞれについて、その内容から抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との第２の適合度を算出し、この第２の適合度に基づき、検索結果として表示する文書の順位を決定し、（ｅ）前記第１および第２の適合度を統合した第３の適合度を算出し、この第３の適合度に基づき、検索結果として表示する文書の順位を決定し、（ｆ）前記第１〜第３の適合度のそれぞれに対応して決定された順位のうちの少なくとも１つを用いて、検索結果としての文書を表示することを特徴とする。
【００２３】
本発明によれば、複数段のハイパーリンクを経て参照関係にある文書群から、その参照関係を表すハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、それと各文書から抽出したその文書内容を表した語とを、検索対象の複数の文書のそれぞれについての検索時のインデックスとすることで、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、より高い精度の検索結果が得られる。
【００２４】
本発明は、複数の文書から、ユーザにより入力された自然文または複数の語からなる検索条件に適合する文書を検索するためのものであって、前記複数の文書のうちの任意の２つの文書間は１段のハイパーリンクでリンクされ、前記複数の文書のそれぞれは、予め定められた複数の文書グループのうちのうちの１つに属し、（ａ）前記複数の文書のそれぞれについて、その文書の属する文書グループ内から、前記１段のハイパーリンクおよび複数段のハイパーリンクを経て参照関係にある第１の文書群を抽出して、この各第１の文書群から、前記参照関係を表す前記ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出し、（ｂ）前記複数の文書のそれぞれについて、２つの前記文書グループ間にまたがって２つの文書をリンクする１段の文書グループ間ハイパーリンクおよび複数段の文書グループ間ハイパーリンクを経て文書グループ間の参照関係にある第２の文書群を前記複数の文書から抽出し、この各第２の文書群から、前記文書グループ間の参照関係を表す文書グループ間ハイパーリンクについて、それぞれに付されたラベルに含まれる語を抽出すし、（ｃ）前記検索条件に含まれる複数の語と、前記複数の文書のそれぞれについて前記文書グループ間ハイパーリンクのラベルから抽出された語とを比較して、前記複数の文書のそれぞれについて、前記検索条件との第１の適合度を算出すし、（ｄ）前記第１の適合度に基づき前記複数の文書グループから少なくとも１つの文書グループを検索対象として選択し、（ｅ）前記検索対象として選択された文書グループのそれぞれについて、前記検索条件に含まれる複数の語と、前記文書グループ内の文書のそれぞれについて前記ハイパーリンクのラベルから抽出された語とを比較して、前記文書グループ内の文書のそれぞれについて、前記検索条件との第２の適合度を算出し、（ｆ）前記第１の適合度に基づき検索結果として表示する文書グループの順位を決定するとともに、前記文書グループ毎に前記第２の適合度に基づき検索結果として表示する文書の順位を決定し、これら順位に従って前記検索結果としての文書グループと文書を表示することを特徴とする。
【００２５】
本発明によれば、検索対象の複数の文書を複数の文書グループに分けて、文書グループ間ハイパーリンクを利用した検索と、各文書グループ内の検索とを組み合わせることにより、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、より高い精度の検索結果が得られる。
【００２６】
【発明の実施の形態】
以下、本発明の実施形態について図面を参照して説明する。
【００２７】
本発明の情報検索システムが検索対象とする文書は、インターネットのウェブページなどに用いられるハイパーリンクで他の文書を結びつけることのできる文書（ハイパーテキスト文書）である。インターネットのウェブページが、本発明の効果をもっとも発揮できる対象であるので、ここでは、検索対象のハイパーテキスト文書の一例として、ウェブページを用いて説明を行う。従って、以下の説明では、検索対象とするハイパーテキスト文書をページと呼び、文書間のハイパーリンクをリンクと呼び、文書のユニークな位置をＵＲＬと呼ぶ。なお、ここで、リンクとは、全て、２つのページ間をリンクするハイパーリンクのことを指す。
【００２８】
（第１の実施の形態）
図１は、第１の実施形態に係る情報検索システムの構成を表すブロック図である。図１において、ユーザインタフェース１は、ユーザがシステムに対して検索要求を入力し、また、システムがユーザに検索結果を提示するためのものである。
【００２９】
検索語抽出部２は、特にユーザが検索条件を自然文で入力した場合、その自然文から検索に用いる語（ここでは検索語と呼ぶ）を抽出する処理を行うものである。
【００３０】
リンク情報記憶部４には、検索対象である複数のページが、そのリンク構造に基づき検索可能なように、これらページから予め抽出されたリンク情報が記憶されている。
【００３１】
リンク検索部３は、検索語抽出部２で抽出された検索語とリンク情報記憶部４に記憶されているリンク情報とを比較して、適合する文書を検索する。
【００３２】
ページ情報記憶部７には、検索対象である複数のページを、その各々の内容自体から検索可能なように、ページ情報が記憶されている。
【００３３】
ページ検索部６では、検索語抽出部２で抽出された検索語とページ情報記憶部７に記憶されたページ情報とを比較して、適合する文書を検索する。
【００３４】
検索結果統合部５では、リンク検索部３およびページ検索部６での検索結果をユーザが所望する形に統合して、表示用データを生成する処理を行うものである。
【００３５】
ウェブ情報収集部１１は、インターネット、かつ、または、イントラネットから所定のウェブ頁を収集する手段である。これは、一般にロボット、クローラ、あるいはスパイダーなどと呼ばれるプログラムであり、ウェブページのハイパーリンクを再帰的に辿って、それぞれのページの内容や情報を収集する。この手段は従来技術に属するものである。
【００３６】
リンク索引作成部８は、ウェブ情報収集部１１によって得た個々のウェブページに記述されたハイパーリンクについて、そのリンク先ＵＲＬとアンカーテキストを抽出し、リンク情報記憶部に記憶せしめる。また、リンクのアンカーテキストから索引語の単語ベクトル、すなわち、リンクのベクトルを作成する処理を行う。
【００３７】
ページ索引作成部９は、ウェブ情報収集部１１によって得た個々のウェブページから、その内容、すなわち、タイトルや本文などの文章部分を抽出し、ページ情報記憶部に記憶せしめる。また、ページ内容から索引語の単語ベクトル、すなわち、ページの内容のベクトルを作成する処理を行う。
【００３８】
ここで、ページ検索部６およびページ情報記憶部７は、本発明の情報検索システムに必須の構成要素ではなく、これらページ検索部６およびページ情報記憶部７を含めずにシステムを構成することも可能である。この場合、検索結果統合部５では、検索結果を統合する処理を行う必要はなく、リンク検索部３での検索結果から所定の表示用データを生成する処理を行う。
【００３９】
図２、図３、図４は、上記リンク情報記憶部４およびページ情報記憶部７に記憶されているデータの記憶例を示したものである。
【００４０】
図２は、本システムの検索対象である各ページのＵＲＬと、当該ページに与えられた本システム内でユニークな識別子（ＩＤ）との対応関係が記述されたデータである。このデータは、上記リンク情報記憶部４とページ情報記憶部７のいずれか一方に記憶されていればよく、また、これらとは別個の他の記憶部を設けて記憶されていてもよい。なお、ＵＲＬは通常、圧縮してデータ量を減じたり、トライ構造のような効率よくアクセスできる形式にして記憶する。
【００４１】
図３は、リンク情報記憶部４に記憶されているリンク情報の記憶例を示したものである。図３に示すリンク情報では、１つのリンクを、リンク元であるページのＩＤと、リンク先であるページのＩＤと、当該リンクのラベル（リンクのラベルは、例えば、ＨＴＭＬ文書の場合、アンカーテキストと呼ばれているものである）との、三者によって表現されるている。リンク元ＩＤとリンク先ＩＤは、図２で説明したＩＤと同じである。また、ラベルについては、図３ではラベルとして記述されている文字列をそのまま図示しているが、形態素やＮグラムなどの部分文字列に分割し、転置ファイルの形式で索引が付されて記憶するようになっていてもよい。また、語の頻度や出現位置なども併せて記憶するようにしてもよい。文字列を索引を付して記憶する技術は従来技術に属するので説明は省略するが、本発明の要旨に関わる検索モデル、すなわち、ユーザの検索要求と文書との適合度を求める方法については、後に詳述する。
【００４２】
図４は、ページ情報記憶部７に記憶するデータの例を表す図である。図のように、ページは、そのＩＤと、タイトルと、本文との三者で表現される。ＩＤは、前述の図２および図３の説明同様、ページをシステム内部でユニークに表現するためのＩＤである。
【００４３】
タイトルと本文は、例えばＨＴＭＬ文書の場合は、タイトルタグおよびボディタグで指定された文字列である。なお、ＨＴＭＬ文書のボディタグの内部には、図表などを指定するタグが埋め込まれているが、ここではこれらのタグをパージングし、不要な部分を除いて記憶する。これら、タイトル、本文は、前述の図３のラベルと同様、転置ファイルなどの形式で索引を付して記憶するようにしてもよい。
【００４４】
また、図２、図３のデータに加えて、他の属性、例えば、ページの更新日時などの情報を、必要に応じて記憶するようにしてもよい。
【００４５】
図５は、リンクによる複数のページ間の参照関係を示したものである。図５中、「Ｐ１」、「Ｐ２」…などはページのＩＤを表し、矢印はページ間のリンクを表し、リンクに付された文字列はリンクのラベルを表す。
【００４６】
例えば、ページ「Ｐ１」は、「お問合せ一覧」というラベルを付されたリンクによってページ「Ｐ３」を参照しており、逆に、ページ「Ｐ３」は、「ホーム」というラベルを付されたリンクによってページ「Ｐ１」を参照している。
【００４７】
ページ「Ｐ１」は、ハイパーリンクにて直接ページ「Ｐ３」を参照している。この場合のハイパーリンクを１段のハイパーリンク、あるいは簡単に、１段のリンクと呼ぶ。
【００４８】
ページ「Ｐ１」はページ「Ｐ７」から「Ｔ社トップ」というラベルを付されたリンクによって参照されている。この場合、ここでは、ページ「Ｐ７」はページ「Ｐ１」を介してページ「Ｐ３」と参照関係にあるということである。また、ページ「Ｐ７」とページ「Ｐ３」は、２段のリンクで参照関係にあるということである。
【００４９】
インターネットのウェブページは、数十億ページとも言われる膨大なページが、このようなリンクによって複雑に接続されている。これをグラフ構造と呼ぶ。
【００５０】
次に、図６〜図８に示すフローチャートを参照して、図１の情報検索システムの処理動作について説明する。
【００５１】
図８は、ユーザから入力された検索要求に適合するページを検索するための処理動作を説明するためのフローチャートである。
【００５２】
図６，図７は、検索のための前処理を説明するためのフローチャートであり、ユーザから入力された検索要求とページとの適合度を求めるために用いるデータ、すなわち、ベクトルを作成する処理動作について説明するためのものである。これらの処理は、リンク情報、ページ情報を、リンク情報記憶部４、ページ情報記憶部７にそれぞれ記憶する際に実行する処理であり、これらの処理結果のデータ（すなわち、図６のステップＳ６で算出された各ページのリンクのベクトルＶｐｌ（図１４の文書グループ間のリンクのベクトルＶｐｌｅｘを含む）、図７のステップＳ１３で算出されたページ内容のベクトルＶｐｔなど）は、リンク情報記憶部４、ページ情報記憶部６に記憶するものである。
【００５３】
図６で示した処理動作は、リンク構造に着目した検索モデルによってページをモデル化する処理である。ここではベクトル空間モデルを用いて実施しているが、他の検索モデルであってよい。
【００５４】
図６に示した処理は、主に、リンク索引作成部８で実行される処理である。まず、ステップＳ１〜ステップＳ５で、ページ情報記憶部７に記憶されている全てのページｐについて（ステップＳ１）、各ページｐを参照している（すなわち、ページｐをリンク先とする）リンク情報記憶部４に記憶されている全てのリンクｌのラベルを調べ（ステップＳ２）、各リンクｌの（ラベルの）ベクトルを作成し（ステップＳ４）、さらに、各ページｐについて、そのページｐを参照するリンクのベクトルｖｌの総和Ｖｐｌ（１）を作成する（ステップＳ５）。
【００５５】
すなわち、リンク索引作成部８は、ある１つのページｐを選択し、そのページｐを参照するリンクをリンク情報記憶部４を検索する。そして、１または複数個見つかれば、その１つ１つのリンクｌに対し、当該リンクに付されたラベルを形態素解析して、当該ラベルから索引語を抽出する（ステップＳ３）。例えば、ラベルを形態素解析した結果得られる自立語の中から、さらに接続詞、感動詞や、その他、検索には不要であると予め定められた語など（以下、これらを不要語と呼ぶ）を取り除いて、索引語を抽出する。
【００５６】
たとえば、「安くて便利なパソコン販売のページ」というラベルに対し形態素解析を行うと、「安」「く」「て」「便利」「な」「パソコン」「販売」「の」「ページ」といった形態素が解析結果として得られる。このうち、活用語尾や助詞などは自立語ではないので除かれる。また、「〜のページ」という表現はウェブページのリンクに特有な表現であり、検索要求とは無関係の場合が多いので、不要語として除く。結果として、「安くて便利なパソコン販売のページ」というラベルから、「安」「便利」「パソコン」「販売」という４つの語が索引語として抽出される。
【００５７】
次に、ステップＳ４では、ステップＳ３で抽出された索引語の重みを決定する。これには、一般にＴＦ・ＩＤＦと呼ばれる方法を用いる。すなわち、あるテキスト（この場合はラベル）におけるある語の重みは、そのテキストに含まれるその語の個数（ＴＦ）と、全テキストのうちその語を含むテキストの個数（ＤＦ）とによって求めることができる。ＴＦが大きいほど重みは大きくなり、ＤＦが大きいほど重みは小さくなる。一方、形容詞「安（く）」、形容動詞「便利（な）」、名詞「パソコン」などの品詞の違いを重みに反映させることも行う。一般に、名詞や固有名詞の重みを、動詞や形容詞、形容動詞などと比較して大きくすると検索精度が向上することが知られている。なお、ここでは、自立語を索引語としたが、自立語に加え、格フレームなどを索引とし、これをベクトルで表現することも可能である。
【００５８】
以上の処理によって、リンクｌのベクトルｖｌ（ラベルに含まれる語とその重みをベクトルで表現したデータ）が作成できる。
【００５９】
例えば、図５において、ページ「Ｐ３」を参照するページ「Ｐ６」をリンク元とするリンクに付された「その他の製品に関するお問い合わせ」というラベルから、索引語として、「その他」「製品」「問い合わせ」という３つの語が索引語として抽出され、そのそれぞれに対し、重みが、「ｇ１」「ｇ２」「ｇ３」と、求められたとする。この場合、当該ラベルをもつリンクｌのベクトルｖｌは、（その他、製品、問い合わせ）＝（ｇ１、ｇ２、ｇ３）となる。
【００６０】
選択されたページｐについて、そのページを参照するリンクｌの全てに対し、ベクトルｖｌを作成したら、次に、ステップＳ５へ進み、リンク検索部３は、当該選択されたページｐについて、そのページを参照するリンクのベクトルの総和を作成する。
【００６１】
ページｐを参照するリンクのベクトルの総和Ｖｐｌ（１）とは、ページｐを直接（１段で）参照する（リンク情報記憶素４に記憶されている全ての）リンクのベクトルｖｌから作成したベクトルである。
【００６２】
例えば、例えば、図５において、ページ「Ｐ３」には２つのリンクにより参照され、その２つのリンクには、それぞれ「その他の製品に関するお問い合わせ」というラベルと、「お問合わせ先一覧」というラベルが付されている。この場合、各リンクのベクトルは、（その他、製品、問い合わせ）＝（ｇ１、ｇ２、ｇ３）と、（問合わせ、先、一覧）＝（ｇ４，ｇ５、ｇ６）であるとする。このとき、当該ページ「Ｐ３」を参照するリンクのベクトル総和Ｖｐｌ（１）は、（その他、製品、問い合わせ、先、一覧）＝（ｇ１、ｇ２、ｇ３＋ｇ４、ｇ５，ｇ６）となる。
【００６３】
選択された１つのページｐに対し、上記ステップＳ３〜ステップＳ５の処理を行って、当該選択されたページｐについて、そのページを１段で参照するリンクのベクトル総和Ｖｐｌ（１）を作成したら、ステップＳ１へ戻り、他のページを選択して、上記同様にして、当該ページを１段で参照するリンクのベクトル総和を作成する処理を、ページ情報記憶部７に記憶されている全てのページに対し行う（ステップＳ１）。
【００６４】
次に、ステップＳ６へ進み、リンク検索部３は、ページ同士のリンクの参照関係に基づいて、各ページｐを複数段のリンクで参照する他のページがあるときは、その全てのリンクのベクトルの総和、すなわち、ベクトルＶｐｌ（ｎ）を作成する。
【００６５】
ここでは、ある１つのページ（第１のページ）が他のページ（第２のページ）からリンク（第１のリンク）にて直接参照されている場合、第１のページは、第２のページから１段のリンクで参照されていると表現し、第２のページがさらに他のページ（第３のページ）からリンク（第２のリンク）にて直接参照されている場合、第１のページは、第３のページから２段のリンクで参照されていると表現する。
【００６６】
ステップＳ６で作成しようとしているページｐのベクトルＶｐｌ（ｎ）は、ページｐがｎ段のリンクで他のページから参照されている場合に、その全てのリンクのベクトルの総和を求めることにより作成することができる。ベクトルＶｐｌ（ｎ）を、以下簡単に、ページｐのｎ段のリンクのベクトルと呼ぶ。これに対応して、ベクトルＶｐｌ（１）をページｐの１段のリンクのベクトルと呼ぶ。
【００６７】
例えば、ここでは、段数に応じた異なる重みαをつけて和をとったベクトルＶｐｌ（ｎ）を例えば次式（１）に従って作成する。なお、式（１）では、ページｐに至るまでの複数段のリンクの各ベクトルに含まれている索引語のそれぞれに対応する重みに、段数に応じて異なる重みαを乗じて総和を求めている。ページｐのｎ段のリンクのベクトルは、各リンクのベクトルに含まれている索引語の並びと、その各索引語に対する式（１）で求めた重みの値で表されるものである。
【００６８】
【数１】
式（１）において、αとβは係数であるが、どちらも例えば「０」以上「１」未満とする。αは、ページｐに向かうリンクに関する係数であり、βは、ページｐから出ていくリンクに関する係数であるため、βよりもαの値を大きくする。βは「０」であってもよい。
【００７０】
なお、式（１）において、係数βを「０」とした場合、ページｐのｎ段のリンクのベクトルは、ページｐに向かう方向のリンクのみから作成されるものである。以下、説明の簡単のため、係数βが「０」の場合について説明する。
【００７１】
式（１）を用いて、ページｐがｎ段のリンクにて参照されているときは、式（１）を用いた計算をｎ回繰り返すことにより、ページｐに対する、ｎ段のリンク構造を反映したベクトルを求めることができる。
【００７２】
例えば、図５のページ「Ｐ７」の場合、上記ステップＳ１〜ステップＳ６を経た結果、ページ「Ｐ７」の３段のリンクのベクトルに含まれる索引語は、例えば、「ノート」「ＰＣ」「超」「薄型」「家庭」「向け」「パソコン」「周辺」「機器」であり、その各索引語の重みは式（１）を用いて計算した結果、それぞれ「ｇ１１」「ｇ１２」「ｇ１３」「ｇ１４」「ｇ１５」「ｇ１６」「ｇ１７」「ｇ１８」「ｇ１９」であるとすると、ページ「Ｐ７」のリンクのベクトルは、（ノート、ＰＣ、超、薄型、家庭、向け、パソコン、周辺、機器、Ｔ社、修理、拠点、…）＝（ｇ１１、ｇ１２、ｇ１３、ｇ１４、ｇ１５、ｇ１６、ｇ１７、ｇ１８、ｇ１９、ｇ２０、ｇ２１、ｇ２２、…）となる。
【００７３】
ページ「Ｐ７」の場合、「ノート」「ＰＣ」などの索引語は、ページ「Ｐ７」に近い段数のリンクのラベルに含まれ、かつ、頻度が多いので、重みが大きくなる。
【００７４】
なお、式（１）の係数αの値は、例えば、対象としているページｐ（例えば、ページ「Ｐ７」）に近い段数のリンクほど大きい値となるように定めてもよい。すなわち、ページ「Ｐ７」を直接参照している１段目のリンクを加算するときには、αを最も大きくする。
【００７５】
ページｐのｎ段のリンクのベクトルＶｐｌ（ｎ）を計算する際の段数ｎは、検索システムの目的や要求される検索精度に応じて設定すればよい。ｎを大きくするほど、ベクトルの語の数が増えることになるが、多くてもｎ＝５程度でよく、ｎ＝２か３でも実用的な検索が可能であることが分かっている。以下、ページｐのｎ段のリンクのベクトルＶｐｌ（ｎ）の表記を、単にＶｐｌと記述する。
【００７６】
図７に示すフローチャートは、ページの内容に着目してページ内容のベクトルを作成するための処理動作を示したもので、ページ索引作成部９での処理動作を示したものである。
【００７７】
ページ情報記憶部７に記憶されている全てのページｐについて（ステップＳ１１）、その内容（すなわち、図４に示したタイトルと本文）を、形態素解析し、図６のステップＳ３において、ラベルから索引語を抽出するのと同様にして、ページｐの内容から索引語を抽出する（ステップＳ１２）。そして、図６のステップＳ４の説明と同様にして、各索引語の重みを求め、ページ情報記憶部７に記憶されている各ページについて、ページ内容のベクトルＶｐｔを作成する（ステップＳ１３）。
【００７８】
なお、図７に示した処理自体は従来技術に属するものである。
【００７９】
次に、図８に示すフローチャートを参照して、ユーザが検索条件ｑを入力したときに、その入力された検索条件に適合するページを検索するための処理動作について説明する。
【００８０】
ここで、ユーザにより入力される検索条件ｑとは、ページを検索するためのキーワード（語）が複数含まれるものであって、自然文、または複数の語を羅列したもの、複数の語を論理式で結合したものなどである。
【００８１】
ユーザにより検索条件ｑが入力される（ステップＳ２１）。検索語抽出部２では、まず、これを形態素解析して、例えば、図６のステップＳ３で索引語を抽出するのと同様にして、検索語を抽出する（ステップＳ２１）。すなわち、検索条件ｑを形態素解析した結果得られる自立語の中から、さらに不要語を取り除いて、検索語を抽出する。そして、各検索語の重みを図６のステップＳ４の説明と同様にして求め、さらに、図６のステップＳ５の説明と同様にして、検索条件ｑのベクトルＶｑを作成する（ステップＳ２３）。
【００８２】
以上のようにして作成された検索条件ｑのベクトルＶｑを用いて、ページ情報記憶部７に記憶されている全てのページに対し、以下のステップＳ２５、ステップＳ２６の処理を実行する。
【００８３】
なお、ページ情報記憶部７に記憶されている全てのページの中から、検索条件ｑのベクトルＶｑに含まれる検索語を少なくとも１つ含むページを予め検索し、検索結果として得られたページを処理対象として、ステップＳ２５、ステップＳ２６の処理を実行するようにしてもよいし、処理の高速化のため、他と比べて少ない個数の検索語しか含まないページについては、検索条件との適合度が他と比べて小さくなると見込まれるので、それらについては処理を省略してもよい。
【００８４】
また、ステップＳ２５とＳ２６は、後述するように、ユーザの要求や使い方に応じて一方を省略してもよい。
【００８５】
以下、ここでは、検索条件ｑのベクトルＶｑに含まれる検索語を少なくとも１つ含むページをステップＳ２５，ステップＳ２６の処理対象とした場合を例にとり説明を行う。
【００８６】
ステップＳ２５では、図６のステップＳ６で求めたページｐのｎ段のリンクのベクトルＶｐｌ（すなわち、ページのリンク構造に着目して作成したベクトル）と、検索条件のベクトルＶｑとを比較し、その類似度を求める。類似度の算出方法としては、一般に、ベクトルの内積や余弦をとる方法がよいとされている。こうして求めたＶｐｌとＶｑとの類似度を、検索条件ｑに対するページｐのリンク構造に基づく適合度Ｓｌ（ｐ，ｑ）とする。
【００８７】
同様にして、ステップＳ２６では、図７の処理で求めた各ページのページ内容のベクトルＶｐｔ（すなわち、ページの内容に着目して作成したベクトル）と、検索条件のベクトルＶｑとを比較して、検索条件ｑに対するページｐのページ内容に基づく適合度Ｓｔ（ｐ，ｑ）を求める。
【００８８】
処理対象の各ページから、ページのリンクのベクトルと検索条件ｑのベクトルとの類似度（リンク構造に基づく適合度Ｓｌ（ｐ，ｑ））と、ページ内容のベクトルと検索条件ｑのベクトルとの類似度（ページ内容に基づく適合度Ｓｔ（ｐ，ｑ））が算出されたら、次に、ステップＳ２７〜ステップＳ２９の検索結果を表示するための処理を行う。なお、ステップＳ２７〜ステップＳ２８の処理は、後述するように、ユーザが検索条件などの入力の段階で、どの検索方法を選択したかにより省略される場合もある。
【００８９】
ステップＳ２７では、リンク構造に基づく適合度Ｓｌ（ｐ，ｑ）に基づき、ページの順位を付けて、それを検索結果として表示する。
【００９０】
ステップＳ２８では、ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）に基づきページに順位を付けて、それを検索結果として表示する。
【００９１】
ステップＳ２９では、適合度Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）を統合した適合度Ｓ（ｐ，ｑ）を各ページについて算出する。そして、この適合度Ｓ（ｐ，ｑ）に基づいて、各ページを順位付けしたものを検索結果としてユーザに提示する。
【００９２】
以下、ステップＳ２９の処理について説明する。
【００９３】
たとえば、適合度Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）から、これらを統合した適合度Ｓ（ｐ，ｑ）を算出するには、次式（２）を用いればよい。
【００９４】
Ｓ（ｐ，ｑ）＝Ｃｌ×Ｓｌ（ｐ，ｑ）＋Ｃｔ×Ｓｔ（ｐ，ｑ） …（２）
なお、式（２）において、Ｃｌ、Ｃｔは、予め定められた定数で、適合度Ｓ（ｐ，ｑ）に占める適合度Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）のそれぞれの比率、すなわち、重要度を定めるものである。
【００９５】
また、ここで、ページｐを検索結果に含めてよいかどうかの判定は、予め定められた閾値との比較によって行う。すなわち、リンクに基づく適合度Ｓｌ（ｐ，ｑ）については、これが閾値Ｓｌｍｉｎ以上であれば、ページｐを検索結果に含めてよいとする。ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）についても同様に、閾値Ｓｔｍｉｎ以上であれば、ページｐを検索結果に含めてよいとする。
【００９６】
統合した適合度Ｓ（ｐ，ｑ）についても同様に、閾値Ｓｍｉｎより大きければページｐを検索結果に含めてよいする。
【００９７】
ＣｌとＣｔは、各々定数である。閾値Ｓｌｍｉｎ、Ｓｔｍｉｎ、Ｓｍｉｎのいずれかを「０」に設定すれば、その閾値での判定は行わないことになる。また、ＣｌとＣｔのいずれかを「０」に設定すれば、Ｓｌ（ｐ，ｑ）あるいはＳｔ（ｐ，ｑ）は、統合された適合度Ｓ（ｐ，ｑ）の値には反映されないことになる。
【００９８】
図９〜図１１は、図１の情報検索システムのユーザインタフェース１の画面表示例を示す図である。
【００９９】
図９に示した画面は、検索要求を入力する領域２０１からなる入力画面である。領域２０１には、ユーザが検索条件を入力する領域１０１と、検索方法を指定する領域１０２からなる。
【０１００】
ユーザは、図１の情報検索システムに検索要求を行う場合には、領域１０１に、例えば「Ｔ社のパソコン」といった自然文で記述した検索条件ｑを入力する。領域１０２は、ユーザが検索方法（図９では、「リンク構造で検索」「ページ内容で検索」「両方の検索結果を個別に表示」「両方の検索結果を総合して表示」の４つがある）を指定するための領域である。
【０１０１】
図９に示した上記４つの検索方法とは、それぞれ、（１）リンク構造で検索する方法、（２）ページ内容で検索する方法、（３）リンク構造での検索結果とページ内容での検索結果をそれぞれ個別に表示する方法、（４）リンク構造での検索結果とページ内容での検索結果を統合して表示する方法である。
【０１０２】
ユーザは、領域１０１に検索条件を入力し、上記４つの検索方法から所望の方法を選択した後、「検索」ボタン１０３をマウス等で選択する（押す）ことにより、図８に示した検索処理が実行される。すると、ユーザインタフェースには、図１０〜図１１に示すような検索結果が表示される。
【０１０３】
図１０に示した画面は、図９に示した入力画面からユーザが、検索方法として、「リンク構造で検索」「ページ内容で検索」「両方の検索結果を個別に表示」のいずれかを選択したときの検索結果の表示方法を説明するための図である。なお、図１０に示した画面表示例そのものは、検索方法として「両方の検索結果を個別に表示」が選択されたときの検索結果の表示例を示したものである。
【０１０４】
図１０に示した画面は、大きく分けて３つの領域に分かれている。１つは、検索要求を入力する領域２０１であり、他の１つは、リンク構造に基づく検索結果を表示する領域２０２であり、さらに他の１つは、ページ内容に基づく検索結果を表示する領域２０３である。
【０１０５】
検索方法のうち、（１）リンク構造で検索する方法とは、前述した適合度Ｓｌ（ｐ，ｑ）のみに基づいて検索結果を求める方法である。この方法が選択された場合には、図８のステップＳ２８，ステップＳ２９の処理は省略してもよい。ユーザインターフェース１には、検索結果として領域２０２に示したような、リンクに基づく検索結果が表示される。なお、このとき、領域２０３のページ内容に基づく検索結果は表示されない。
【０１０６】
検索方法のうち、（２）ページ内容で検索する方法とは、前述した適合度Ｓｔ（ｐ，ｑ）のみに基づいて検索結果を求める方法である。この方法が選択された場合には、図８のステップＳ２７，ステップＳ２９の処理は省略してもよい。ユーザインターフェース１には、検索結果として、領域２０３に示したような、ページ内容に基づく検索結果が表示される。なお、このとき、領域２０２のリンク構造に基づく検索結果は表示されない。
【０１０７】
検索方法のうち、（３）リンク構造での検索結果とページ内容での検索結果をそれぞれ個別に表示する方法とは、リンク構造による検索（すなわち適合度Ｓｌ（ｐ，ｑ）に基づく検索）と、ページ内容による検索（すなわち適合度Ｓｔ（ｐ，ｑ）に基づく検索結果）とを両方行い、それぞれの検索結果を領域２０２，２０３に表示する方法である。この方法が選択された場合には、図８のステップＳ２９を省略してもよい。検索結果は、領域２０２と領域２０３に表示される。
【０１０８】
図１１に示した画面は、図９に示した入力画面からユーザが、検索方法として、「両方の検索結果を総合して表示」を選択したときの検索結果の表示例を示したものである。
【０１０９】
両方の検索結果を総合して表示する検索方法が選択されたときは、図８に示したフローチャートに従って、ステップＳ２９までの処理を全て実行して、式（２）のＣｌ、Ｃｔを適宜指定して（あるいは、予め定められた値をそのまま用いてよい）求めた適合度Ｓ（ｐ，ｑ）に基づいた検索結果を含めた検索結果の表示を行う方法である。なお、図１１については、後述する。
【０１１０】
図１０の領域２０２には、リンク構造に基づいた検索結果が表示される。順位１０５の高い方から順に、検索されたページの見出し１０７が並べられている。なお、順位１０５は上記Ｓｌ（ｐ，ｑ）の大きい順に、１位、２位、…と検索された各ページに与えたものである。また、ページの見出し１０６は、図１のページ情報記憶部７に記憶されたページのタイトル（図４のタイトル）を表示してもよいが、ページ情報記憶部７がない場合や、当該ページの情報をシステムが取得していない場合は、図１のリンク情報記憶部４に記憶した当該ページを参照するリンクのラベルのうち、代表的なもの（例えば、検索条件に最も合致するもの）を見出し１０６として用いてもよい。また、見出し１０６の文字列の中で検索条件に関連する部分、例えば、検索条件に「Ｔ社」「パソコン」などの語が含まされているとき、見出し１０６に含まれているこれらの語は強調して表示する。
【０１１１】
ページの見出し１０６に、記号「＜」にて追加されている情報は、見出し１０６に対応するページをリンクで参照するリンク元ページの見出し１０７である。この見出し１０７には、この見出し１０７に対応するページへジャンプするリンクが埋め込まれていて、この見出し１０７をマウス等でクリックすれば、当該ページが表示可能になっている。リンク元ページは複数あり得るが、ここでは、そのうち、Ｓｌ（ｐ，ｑ）が最も大きいページを１つ表示することとする。
【０１１２】
一方、ページの見出し１０６に、記号「＞」にて追加されている情報は、見出し１０６に対応するページがリンクで参照するリンク先ページの見出し１０８である。この見出し１０８には、見出し１０８に対応するページへジャンプするリンクが埋め込まれていて、この見出し１０８をマウス等でクリックすれば、当該ページが表示可能になっている。リンク先ページは複数あり得るが、これについても、Ｓｌ（ｐ，ｑ）が大きいものを複数（例えば５つまで）表示することにする。
【０１１３】
このように、検索結果のページの見出し１０６に対して、これとリンクにより参照関係にあるページの見出し１０７，１０８を表示することにより、ユーザは、見出し１０６に対応するページの内容自体を見なくても、見出し１０６に対応するページと参照関係にあるページのうち所望のページを直接アクセスして、見出し６に対応するページがどのような位置付けのページなのかを理解することも容易になる。
【０１１４】
一般に、リンク構造は必ずしも階層構造に整理されているわけではないが、上述した方法で、ユーザの検索要求によく適合するリンクを選択的に表示すれば、リンク構造の複雑さによるユーザの混乱は避けられる。
【０１１５】
図１０の領域２０２には、ページ内容に基づいた検索結果が表示される。順位１１０の高い方から順に、検索されたページの見出し１１１が並べられている。なお、見出し１１１は、検索結果のページのタイトルであり、順位１１０は、上記Ｓｔ（ｐ，ｑ）が大きい順に、１位、２位、…と検索された各ぺージに与えたものである。
【０１１６】
ページの見出し１１１の下には、当該ページの内容の要約１１２が表示されている。要約１１２は、ここでは、当該ページの本文から検索条件に合致する表現、すなわち、例えば、検索条件に含まれている「Ｔ社」「パソコン」等の語をよく含む部分（文など）を抜きだして表示する。
【０１１７】
また、見出し１１１に対応する検索結果のページから他のページを参照するリンクがある場合は、そのうち、検索条件と関連するリンク１１３が見出し１１１に対応させて表示されている。例えば、見出し１１１に対応するページの本文に「デスクトップパソコン」「ノートパソコン」「周辺機器」「ソフトウェア」などのラベルをもつリンクがある場合にも、ユーザの検索条件に関連のあるリンク「デスクトップパソコン」「ノートパソコン」のみがリンク１１３としてに表示される。すなわち、これらリンク１１３をマウス等でクリックすると、当該リンクにて参照している他のページが表示されるようになっている。これにより、ユーザは、見出し１１１に対応するページの内容自体を見ずとも、見出し１１１に対応するページから参照されているページのうち所望するものに直接アクセスすることができる。
【０１１８】
次に、図１１について説明する。
【０１１９】
図１１は、リンク構造に基づく検索と、ページ内容に基づく検索との両方の検索結果を１つに統合した検索結果を、ユーザが所望する方法で順位付けてユーザに提示する場合の画面表示例である。
【０１２０】
上述の通り、検索により得たページには、リンク構造に基づく適合度Ｓｌ（ｐ，ｑ）と、ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）と、Ｓｌ（ｐ，ｑ）とＳｔ（ｐ，ｑ）とを総合して求めた適合度Ｓ（ｐ，ｑ）がある。ユーザが、図９の入力画面において、検索方法として、「両方の検索結果を統合して表示」を選択したときには、これらＳｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）、Ｓ（ｐ，ｑ）のうちいずれの適合度によっても検索結果の並び替えが行えるように、領域２０４にて、並び替え方法を選択するようになっている。
【０１２１】
並び替え方法の選択肢としては、図１１に示すように、「リンク構造に基づく適合度（Ｓｌ（ｐ，ｑ））で並び替え」、「ページ内容に基づく適合度（Ｓｔ（ｐ，ｑ））で並び替え」、「統合された適合度（Ｓ（ｐ，ｑ））で並び替え」がある。
【０１２２】
例えば、統合された適合度によれば１位のページは、リンク構造に基づく適合度やページ内容に基づく適合度では、２位以下のこともある。統合された適合度で並び替えを行うと、当該ぺージは一番上に表示されるが、他の適合度で並び替えを行うと、２番目以下に表示される。
【０１２３】
ユーザは、例えば、統合された適合度Ｓ（ｐ，ｑ）で並び替えを行いたい場合には、３番目の選択肢を選択する。そして、比率設定領域１３２において、統合された適合度を求めるための式（２）の定数Ｃｌ、Ｃｔに対応する、統合された適合度中に占めるリンク構造に基づく適合度Ｓｌ（ｐ，ｑ）の比率、ページ内容に基づく適合度Ｓｔ（ｐ，ｑ）の比率をそれぞれ設定する。その後、「並び替え」ボタン１３４を押すことよって並び替えの実行を指示する。
【０１２４】
例えば、比率設定領域１３２で設定されたＳｌ（ｐ，ｑ）とＳｔ（ｐ，ｑ）の比率が６０％対４０％であったときは、式（２）において、Ｃｌ＝０．６、Ｃｔ＝０．４として統合された適合度Ｓ（ｐ，ｑ）を求めた結果、この値の大きい順に順位が設定され、この設定された順位の順に検索結果が領域２０５に表示される。
【０１２５】
領域２０５に表示されている検索結果は、領域２０４で並び替え方法として、３番目の選択肢が選択されたときの表示例である。「統合適合度」「リンク構造適合度」「ページ内容適合度」と付された欄１３５，１３６，１３７には、それぞれ、適合度Ｓ（ｐ，ｑ）、Ｓｌ（ｐ，ｑ）、Ｓｔ（ｐ，ｑ）に基づくページの順位が表示されている。
【０１２６】
例えば、「統合適合度」が１位で、「リンク構造適合度」が１位で、「ページ内容適合度」が７位である一番上に表示されているページの見出し、すなわち、ここでは、タイトルは、「Ｔ社ＰＣウェブ」であり、この見出しとともに、前述同様、当該ページの内容の要約と、当該ページから他のページを参照するリンクがある場合は、そのうち、検索条件と関連するが表示されている。
【０１２７】
以上説明したように、第１の実施形態の情報検索システムは、リンク構造に基づいた検索を行うことに特徴があり、このような検索手法によって、ユーザの検索条件によく適合する文書を効率よく検索できる。複数段のリンク構造を反映した検索を行うため、自然文などで記述されたユーザの複雑な検索要求に対しても、その要求に合致する検索結果を求めることができる。
【０１２８】
なお、リンク構造のみによっても検索が可能であるが、上述のように、ページ内容に基づいた従来型の検索方式と統合した方法で検索を行うことも可能である。その統合の方法は柔軟であるため、ユーザは、リンク構造に基づく検索、すなわち、他のページから検索条件によく適合する表現で多くリンクされているページを検索する方法と、ページ内容に基づく検索、すなわち、内容自体が検索条件によく適合する表現で記述されているページを検索する方法を、目的に応じて自由に使い分けることができる。さらに、上述のように、検索結果のページとともに、これと参照関係にある他のページをユーザの検索条件を反映した形で整理して提示するため、検索結果の理解や利用が容易である。
【０１２９】
（第２の実施の形態）
第２の実施形態に係る情報検索システムは、検索方法としては、第１の実施形態と類似した方法をとるが、ハイパーテキスト形式の文書を、複数の文書グループに分けて考えることにより、検索性能をさらに向上させることに特徴がある。
【０１３０】
例えば、インターネット上のウェブページは、個々のページの一つ一つが個別の場所に存在するのではなく、サイトやドメインなどと呼ばれる管理単位でまとめて配置されている。このような文書のまとまりを、ここでは文書グループと呼ぶことにする。当然ながら、同一の文書グループに属するページは互いに内容が類似していたり、意味的な関連性が強い場合が多い。
【０１３１】
また、同一の文書グループに属するページ間のリンクと、別々の文書グループに属するページ間のリンクとは、性質や意味が異なる。
【０１３２】
図１３は、ページ間の参照関係を、文書グループの概念を加えて摸式的に表現した図である。図１３において、文書グループは、例えば、文書グループＤ１〜Ｄ３の３つである。また、図５と同様に、図１３中、「Ｄ１−１」「Ｄ１−２」…「Ｄ２−１」「Ｄ２−２」…「Ｄ３−１」「Ｄ３−２」…は、ページのＩＤを表し、矢印はページ間のリンクを表し、リンクに付された文字列はリンクのラベルを表す。
【０１３３】
例えば、文書グループＤ１は、インターネット上で（株）Ｔ社が運用管理しているサイトに相当する。ページ「Ｄ１−１」「Ｄ１−２」「Ｄ１−３」は、同一の文書グループＤ１に属する。
【０１３４】
一方、図１３において、リンク３０１、３０２、３０３、３０４は、異なる文書グループに属するページ間のリンクである。このようなリンクを、ここでは、文書グループ間リンクと呼ぶ。
【０１３５】
なお、文書グループの定義としては、サイトやドメインといった大まかな単位を文書グループと見なすのが最も単純な方法であるが、さらに細かく文書グループを分割したり、文書グループを階層的に構成する方法も可能である。
【０１３６】
このような文書グループを用いた情報検索システムの構成例を図１２に示す。なお、図１２において、図１と同一部分には同一符号を付し、異なる部分についてのみ説明する。
【０１３７】
すなわち、図１のリンク検索部３、リンク情報記憶部４，ページ検索部６，ページ情報記憶部７からなる文書グループ内検索部５０を文書グループ毎に設け、文書グループ間リンクの情報を記憶するための文書グループ間リンク情報記憶部５２と、この情報を用いてユーザの検索要求に適合するページを検索する文書グループ間リンク検索部５１、が新たに追加されている。
【０１３８】
文書グループ間リンク情報記憶部５２には、文書グループ間リンク情報が図３と同様にして記憶されている。ただし、この場合、１つのリンク（文書グループ間リンク）について、リンク元であるページと、リンク先であるページのそれぞれの属する文書グループは必ず異なっている。
【０１３９】
文書グループ間リンク検索部５１は、索引語抽出部２で抽出された索引語とリンク情報とを比較して、適合する文書を検索する点でリンク検索部３と基本的には同様であるが、文書グループ間リンク検索部５１は、文書グループ間リンク情報記憶部５２に記憶されている文書グループ間リンクのみを処理対象とする点で異なる。
【０１４０】
複数の文書グループにそれぞれ対応する複数の文書グループ内検索部５０のそれぞれは、同一の文書グループ内に存在するリンクとページを検索対象とするものである。なお、ここでは、説明の簡単のため、１つの文書グループ内検索部５０が１つの文書グループに１対１で対応しているものとするが、この場合に限らず、１つの文書グループ内検索部５０が複数の文書グループに対応していてもよいし、１つの文書グループ内検索部５０が全ての文書グループのそれぞれに対応していてもよい。ただし、１つの文書グループに１つの文書グループ内検索部５０を割り当て、並列分散して動作するように構成すれば、個々の検索部の負荷が減じ、大量のページに対しても高速に検索できるようになる。
【０１４１】
図１２に示した情報検索システムでは、１つの文書グループに１つの文書グループ内検索部５０を割り当てているので、リンク情報記憶部４に記憶されているリンク情報は、検索対象である１つの同じ文書グループに属するページからページへのリンクに関するものだけである。また、ページ情報記憶部７に記憶されているページ情報も検索対象である１つの同じ文書グループに属するページに関するものだけである。
【０１４２】
図１２の検索結果統合部５では、文書グループ間リンク検索部５１による検索結果と、複数の文書グループ内検索部５０のそれぞれによる検索結果とを、統合する処理を行う。
【０１４３】
次に、図１２に示した情報検索システムの処理動作について、図１４に示すフローチャートを参照して説明する。
【０１４４】
ユーザにより入力された検索条件ｑから検索語を抽出して、ベクトルＶｑを作成するステップＳ１１１の処理は、図８のステップＳ２１〜ステップＳ２３と同様である。
【０１４５】
また、図１４ののステップＳ１１２およびステップＳ１１３の処理は、図８のステップＳ２４およびＳ２５とほぼ同様であるが、ステップＳ１１３では文書グループ間リンクの構造のみを用いて適合度Ｓｌｅｘ（ｐ，ｑ）を求める点で異なる。ステップＳ１１２とＳ１１３の処理は、文書グループ間リンク検索部５１で行う。
【０１４６】
なお、ステップＳ１１３で、検索条件ｑのベクトルＶｑと比較するベクトルＶｐｌｅｘは、図６を参照して説明した、ページｐのベクトルＶｐｌの作成するための処理と同様にして、文書グループ間リンク情報記憶部５２に記憶されている文書グループ間リンク情報のみに基づいて、文書グループ間リンク索引作成部１０で、各ページｐについて、あらかじめ作成したものである。ベクトルＶｐｌｅｘを、ここでは、ページｐのｎ段の文書グループ間リンクのベクトルと呼ぶ。
【０１４７】
ここで、文書グループ間リンク索引作成部１０の処理動作について、図６を参照して、リンク索引作成部８での処理動作と異なる部分についてのみ説明する。すなわち、図６のステップＳ５では、ページｐと１段のリンクで参照関係にある、ページｐとは異なる文書グループに属する文書からのリンクのベクトルの総和、すなわち、Ｖｐｌ（１）を作成する。また、図６のステップＳ６では、ページｐがｎ段のリンクで参照されていて、このｎ段のリンクのそれぞれが異なる２つの文書グループ間にまたがるリンク（このような２つのページ間をリンクするハイパーリンクを文書グループ間リンクと呼ぶ）であるとき、図６のステップＳ６では、この全ての文書グループ間リンクのベクトルの総和を求めることにより作成することができる。そして得られたＶｐｌ（ｎ）を、Ｖｐｌｅｘに置き換えればよい。
【０１４８】
例えば、図１３において、ページ「Ｄ３−１」は、１段の文書グループ間リンク３０３でページ「Ｄ１−３」から参照されており、ページ「Ｄ１−３」は、１段の文書グループ間リンク３０２でページ「Ｄ２−１」から参照されているので、ページ「Ｄ３−１」は、２段の文書グループ間リンクでページ「Ｄ２−１」から参照されていることになる。このような複数段の文書グループ間リンクを用いて、そのそれぞれのラベルのベクトルｖｌから、上記したようにして、Ｖｐｌ（１）、Ｖｐｌｅｘを作成する。
【０１４９】
文書グループ間のリンクのベクトルＶｐｌｅｘは、上述したように、文書グループ間リンク情報のみに基づいて作成されたものであり、言い換えれば、文書グループ間のリンクの参照関係に基づき作成されたものである。
【０１５０】
ステップＳ１１３では、各ページ毎に求めた文書グループ間のリンクのベクトルＶｐｌｅｘと、検索条件のベクトルＶｑとを比較し、その類似度を求める。類似度の算出方法としては、一般に、ベクトルの内積や余弦をとる方法がよいとされている。こうして求めたＶｐｌｅｘとＶｑとの類似度を、検索条件ｑに対する文書グループ間リンク構造に基づく適合度Ｓｌｅｘ（ｐ，ｑ）とする。
【０１５１】
次に、全ての文書グループＧｒについて（Ｓ１１４）、ステップＳ１１５からＳ１１７の処理を行う。
【０１５２】
ステップＳ１１５では、文書グループＧｒに属するページについて、上記ステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）のうち、その最大値を、Ｇｒと検索条件ｑとの適合度Ｓ（Ｇｒ，ｑ）とする。このＳ（Ｇｒ，ｑ）は、検索条件ｑに対して、文書グループＧｒがどれくらい適合しているかを表す値と考えることができる。なお、同じ文書グループに属するページｐのＳｌｅｘ（ｐ，ｑ）の最大値をＳ（Ｇｒ，ｑ）とするのではなく、これらページｐのＳｌｅｘ（ｐ，ｑ）の総和や平均値などをＳ（Ｇｒ，ｑ）としてもよい。
【０１５３】
Ｓ（Ｇｒ，ｑ）が予め定められた閾値Ｓｇｍｉｎより大きい文書グループＧｒについては（ステップＳ１１６）、その文書グループ内での検索を行う（ステップＳ１１７）。すなわち、ステップＳ１１７では、当該文書グループ対応の文書グループ内検索部５０のそれぞれに、図８のステップＳ２４〜ステップＳ２９までの処理を行う。
【０１５４】
Ｓ（Ｇｒ，ｑ）が予め定められた閾値Ｓｇｍｉｎより大きい文書グループＧｒ内における検索結果は、Ｓ（Ｇｒ，ｑ）の値が大きい文書グループの順に、文書グループ毎にまとめられて、ユーザに提示する（Ｓ１１８）。
【０１５５】
次に、ユーザが検索条件として、例えば「Ｔ社のノートパソコンを修理したい」を所定の入力画面から入力して、検索の実行を図１２の情報検索システムに指示した場合の検索結果の表示例について説明する。
【０１５６】
図１５〜図１６は、図１２の情報検索システムのユーザインタフェース１の画面表示例を示す図である。
【０１５７】
図１５において、領域３００には、先にユーザにより入力された検索条件が表示されている。
【０１５８】
図１４に示したようにして検索した結果は、Ｓ（Ｇｒ，ｑ）の値が大きい文書グループから順に表示されるが、図１５では、１つの文書グループに１つの表示領域３０１を割り当てて表示している。
【０１５９】
１番目の領域３０１には、Ｓ（Ｇｒ，ｑ）の値が最も大きい文書グループ内の検索結果が表示される。
【０１６０】
例えば、図１５では、（株）Ｔ社のサイトが、検索条件に最も適合する文書グループとして求められる。例えば「Ｔ社」という語と「パソコン」という語を比較した場合、文書グループ間リンクだけに着目すれば、「Ｔ社」という固有名詞をラベルに含んだリンクは、少数のＵＲＬを集中して参照する傾向にある。これに対し、「パソコン」という一般名詞をラベルに含むリンクは、多数のＵＲＬを参照する傾向にあり、少数のＵＲＬに集中して参照することは稀である。このような性質が検索語の重みに影響するため、Ｔ社のサイトが、より適合度の大きい文書グループとして選ばれる。このことはユーザの検索条件に合致する。
【０１６１】
図１５において、１番目の領域３０１の１番目の行には、当該文書グループＧｒに属するページのうち、図１４のステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）が最も大きいページの見出し（例えば、ここではタイトル）３０２が表示されている。このページは、文書グループ間リンクの構造に基づいた適合度が大きいページであるから、当該文書グループ１を代表的するページと見なすことができる。一方、２番目、３番目、４番目に表示されているページの見出し３０２，３０４，３０５は、図１４のステップＳ１１７の処理によって、当該文書グループの中で求められた検索結果のページである。
【０１６２】
文書グループ内のリンク構造だけに着目すれば、「Ｔ社」という語は、当該文書グループ内では数多く使われる語であるため、文書グループ内でページを特定する働きが弱い。これと比較して、「ノート」「パソコン」「修理」という一連の語は、ページを特定する働きが強い。このような性質は、リンクのラベルについても、ページの内容についても成り立つ。この性質が検索語の重みに影響するため、ステップＳ１１７では、文書グループ内からユーザの検索条件によく適合するページが検索できる。
【０１６３】
なお、図１５の表示例では、１番目のページの見出し３０２以外の各ページの見出し３０３，３０４，３０５には、そのページの本文の要約を対応付けて表示している。これは、前述の第１の実施形態の図１０の領域２０３で要約を表示している場合と同様である。
【０１６４】
また、検索結果として表示される全ての見出しは、マウス等でクリックすることにより、その見出しに対応するページを表示するようになっていることが望ましい。
【０１６５】
さらに、各文書グループ内の検索は、第１の実施形態で説明したように、検索実行に先だって、検索方法を指定することにより、リンク構造に基づく検索、ページ内容に基づく検索、それらを総合した検索を行って、指定された検索方法に対応する検索結果の表示を行ってもよい。
【０１６６】
ユーザにより入力された検索条件によっては、上記処理によってユーザが所望する文書グループを求めることができても、その文書グループ内でユーザがどのページを所望しているかということまでは求めることができないときがある。例えば単に「Ｔ社」という検索条件が入力された場合には、ユーザが所望するページを文書グループ内で検索するための条件がユーザから与えられていない。このような場合の処理としては、文書グループ内の検索を行わないという方法と、検索条件がなくてもユーザにとって有用と思われるページを文書グループ内から選んで提案する方法の、二通りが考えられる。
【０１６７】
前者の方法では、例えば、図１４のステップＳ１１７の処理は省略し、検索結果として、文書グループに属するページのうち、図１４のステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）が最も大きいページの見出し３０２のみをユーザに提示する。
【０１６８】
後者の方法の一つの実施形態としては、ハイパーリンクによって他のページから参照されている数の多いページを有用なページであると見なし、そのような有用度の大きいページをユーザにいくつか提示する方法がある。すなわち、図４に示したようなリンク情報から各ページについての被リンク数が求まるので、この被リンク数の単調増加関数としてページの有用度を定義する。ステップＳ１１７では、文書グループＧｒ内の個々のページについて有用度を求め、有用度が大きいページを所定の個数（例えば上位５件）だけを選ぶという処理を行う。この場合の検索結果の表示例を図１６に示す。
【０１６９】
なお、図１６において、図１５と同一部分には、同一符号を付し、異なる部分について説明する。すなわち、検索結果として得られた各文書グループの表示領域３０１では、１番目の行には、当該文書グループに属するページのうち、図１４のステップＳ１１３で求めた適合度Ｓｌｅｘ（ｐ，ｑ）が最も大きいページの見出し（例えば、ここではタイトル）３０２を表示するものの、それ以下には、被リンク数に基づいた上述の方法で有用度が大きいと見なされたページの見出し（例えば、ここでは、タイトル）４０３〜４０７が表示される。
【０１７０】
図１６に示した形式で検索結果を表示することによって、ユーザは、簡単な検索要求を入力した場合にも、有用なページを容易に見つけることができる。なお、ページの有用度を被リンク数によって求める処理では、文書グループ内リンクと文書グループ間リンクとを区別し、文書グループ間リンクの方を重要視する方法が効果的である。なぜなら、異なる文書グループから多く参照されているページは、その価値がより客観的に支持されているページであると考えられるからである。
【０１７１】
以上説明したように、文書グループを考慮した上記第２の実施形態によれば、文書グループ間リンクと、文書グループ内のリンクとの、性質の違いに着目することにより、ユーザの検索条件によく適合するページを検索できるのみならず、得られた検索結果が、文書グループ毎にまとめた形で提示されるため、ユーザは、検索結果から所望のページを簡単に見つけることができる。さらに、文書グループ内の検索処理を、複数の文書グループ内検索部５０に分散し、並列して実行することにより、大量の文書についても高速に検索できるという利点がある。
【０１７２】
上記第１〜第２の実施形態によれえば、大量のハイパーテキスト形式の文書の中から、ユーザが自然文または複数の語で記述した複雑な検索条件に適合する文書を、効率よく検索することができる。また、ハイパーリンクによる参照関係や文書グループに基づいて検索結果を整理して提示することにより、ユーザは、所望する情報を検索結果の中から容易に見つけ出すことができる。
【０１７３】
なお、上記第１〜第２の実施形態において、検索結果として、ページの見出しを表示する際には、その全ての見出しは、マウス等によりクリックされることにより、その見出しに対応するページが表示されるようになっていることが望ましい。
【０１７４】
また、本発明の実施の形態に記載した本発明の手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記録媒体に格納して頒布することもできる。
【０１７５】
さらに、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。さらに、上記実施形態には種々の段階の発明は含まれており、開示される複数の構成用件における適宜な組み合わせにより、種々の発明が抽出され得る。例えば、実施形態に示される全構成要件から幾つかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題（の少なくとも１つ）が解決でき、発明の効果の欄で述べられている効果（のなくとも１つ）が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。
【０１７６】
【発明の効果】
以上説明した様に本発明によれば、大量のハイパーテキスト形式の文書の中から、複数の語からなる複雑な検索条件に適合する文書の検索が容易に行えるとともに、高い精度の検索結果が得られる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態に係る情報検索システムの構成例を示した図。
【図２】検索対象の複数のページのそれぞれに与えられた識別子と、各識別子に対応する各ページのＵＲＬの記憶例を示した図。
【図３】リンク情報記憶部におけるリンク情報の記憶例を示した図。
【図４】ページ情報記憶部におけるページ情報の記憶例を示した図。
【図５】検索対象の複数のページのハイパーリンクによる参照関係の一例を示した図。
【図６】各ページについて、ｎ段のリンクのベクトルを作成するための処理を説明するためのフローチャート。
【図７】各ページについて、ページ内容のベクトルを作成するための処理を説明するためのフローチャート。
【図８】図１の情報検索システムの検索処理動作を説明するためのフローチャート。
【図９】図１の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索要求を入力する入力画面の一例を示した図。
【図１０】図１の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の表示例を示した図。
【図１１】図１の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の表示例を示した図。
【図１２】本発明の第２の実施形態に係る情報検索システムの構成例を示した図。
【図１３】検索対象の複数のページと文書グループのハイパーリンクによる参照関係の一例を示した図。
【図１４】図１２の情報検索システムの検索処理動作を説明するためのフローチャート。
【図１５】図１２の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の表示例を示した図。
【図１６】図１２の情報検索システムのユーザインタフェースの画面表示例を示す図で、検索結果の他の表示例を示した図。
【符号の説明】
１…ユーザインタフェース
２…検索語抽出部
３…リンク検索部
４…リンク情報記憶部
５…検索結果統合部
６…ページ検索部
７…ページ情報記憶部
８…リンク索引作成部
９…ページ索引作成部
１０…文書グループ間リンク索引作成部
１１…ウェブ情報収集部
５０…文書グループ内検索部
５１…文書グループ間リンク検索部
５２…文書グループ間リンク情報記憶部
Claims (8)
- 検索条件を入力する入力手段と、
ハイパーリンクでリンクされた複数の文書のなかから、前記検索条件に基づき文書の検索を行う検索手段と、
を備えた情報検索システムにおける情報検索方法であって、
前記入力手段が、複数の語を含む自然文の検索条件、複数の語の論理式で表された検索条件、及び複数の語を列挙した検索条件のうちの１つを入力する入力ステップと、
前記検索手段が、前記複数の文書のそれぞれについて、（ａ）当該文書を１段及び複数段のハイパーリンクを経て参照する参照関係にある文書群の前記参照関係を表す各ハイパーリンクのラベルから索引語を抽出し、（ｂ）抽出された各索引語に対し、各ハイパーリンクの段数に応じて重み付けされた当該索引語の重み値の和を算出することにより、複数の索引語と各索引語の前記重み値の和を示す第１の種別のベクトルを求めるステップと、
前記検索手段が、前記複数の文書のそれぞれについて、当該文書に対し求めた前記第１の種別のベクトルと、前記入力ステップで入力された前記検索条件に含まれる複数の語と各語の重み値を示す検索語ベクトルとの間の類似度であるリンク構造に基づく類似度を算出するステップと、
前記検索手段が、前記リンク構造に基づく類似度に基づき検索結果として表示する文書の順位を決定するステップと、
前記検索手段が、前記順位に従って前記検索結果としての文書を表示する表示ステップと、
を含む情報検索方法。 - 前記表示ステップは、
前記検索結果として表示する文書に、該文書を前記１段のハイパーリンクで参照する関係にあるリンク元文書があるとき、該リンク元文書の前記リンク構造に基づく類似度が所定値以上であれば、該リンク元文書の存在を前記検索結果として表示する文書に関連付けて表示し、その際、所定の操作により該リンク元文書の内容表示を可能にする形態で表示することを特徴とする請求項１記載の情報検索方法。 - 前記表示ステップは、
前記検索結果として表示する文書に、該文書が前記１段のハイパーリンクで参照する関係にあるリンク先文書があるとき、該リンク先文書の前記リンク構造に基づく類似度が所定値以上であれば、該リンク先文書の存在を前記検索結果として表示する文書に関連付けて表示し、その際、所定の操作により該リンク先文書の内容表示を可能にする形態で表示することを特徴とする請求項１記載の情報検索方法。 - 前記検索手段が、前記複数の文書のそれぞれについて、当該文書の内容から索引語を抽出し、抽出された各索引語と各索引語の重み値を示す第２の種別のベクトルを求めるステップと、
前記検索手段が、前記複数の文書のそれぞれについて、当該文書に対し求めた前記第２の種別のベクトルと、前記検索語ベクトルとの間の類似度である文書内容に基づく類似度を算出するステップと、
前記検索手段が、前記複数の文書のそれぞれについて算出された前記リンク構造に基づく類似度及び前記文書内容に基づく類似度を統合して統合類似度を算出するステップと、
前記統合類似度に基づき検索結果として表示する文書の順位を決定するステップと、
前記検索手段が、前記統合類似度に基づき決定された順位に従って前記検索結果としての文書を表示する表示ステップと、
をさらに含む請求項１記載の情報検索方法。 - ハイパーリンクでリンクされた複数の文書のそれぞれについて、（ａ）当該文書を１段及び複数段のハイパーリンクを経て参照する参照関係にある文書群の前記参照関係を表す各ハイパーリンクのラベルから索引語を抽出し、（ｂ）抽出された各索引語に対し、各ハイパーリンクの段数に応じて重み付けされた当該索引語の重み値の和を算出することにより、複数の索引語と各索引語の前記重み値の和を示す第１の種別のベクトルを求める手段と、
複数の語を含む自然文の検索条件、複数の語の論理式で表された検索条件、及び複数の語を列挙した検索条件のうちの１つを入力する入力手段と、
前記複数の文書のそれぞれについて、当該文書に対し求めた前記第１の種別のベクトルと、前記入力手段で入力された前記検索条件に含まれる複数の語と各語の重み値を示す検索語ベクトルとの間の類似度であるリンク構造に基づく類似度を算出する算出手段と、
前記リンク構造に基づく類似度に基づき、検索結果として表示する文書の順位を決定し、この順位に従って前記検索結果としての文書を表示する手段と、
を具備したことを特徴とする情報検索システム。 - 前記表示手段は、
前記検索結果として表示する文書に、該文書を前記１段のハイパーリンクで参照する関係にあるリンク元文書があるとき、該リンク元文書の前記リンク構造に基づく類似度が所定値以上であれば、該リンク元文書の存在を前記検索結果として表示する文書に関連付けて表示し、その際、所定の操作により該リンク元文書の内容表示を可能にする形態で表示することを特徴とする請求項５記載の情報検索システム。 - 前記表示手段は、
前記検索結果として表示する文書に、該文書が前記１段のハイパーリンクで参照する関係にあるリンク先文書があるとき、該リンク先文書の前記リンク構造に基づく類似度が所定値以上であれば、該リンク先文書の存在を前記検索結果として表示する文書に関連付けて表示し、その際、所定の操作により該リンク先文書の内容表示を可能にする形態で表示することを特徴とする請求項５記載の情報検索システム。 - 前記複数の文書のそれぞれについて、当該文書の内容から索引語を抽出し、抽出された各索引語と各索引語の重み値を示す第２の種別のベクトルを求める手段と、
前記複数の文書のそれぞれについて、当該文書に対し求めた前記第２の種別のベクトルと、前記検索語ベクトルとの間の類似度である文書内容に基づく類似度を算出する手段と、
前記複数の文書のそれぞれについて算出された前記リンク構造に基づく類似度及び前記文書内容に基づく類似度を統合して統合類似度を算出する手段と、
前記統合類似度に基づき、検索結果として表示する文書の順位を決定し、この順位に従って前記検索結果としての文書を表示する手段と、
をさらに具備する請求項５記載の情報検索システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001254772A JP3895955B2 (ja) | 2001-08-24 | 2001-08-24 | 情報検索方法および情報検索システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001254772A JP3895955B2 (ja) | 2001-08-24 | 2001-08-24 | 情報検索方法および情報検索システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003067419A JP2003067419A (ja) | 2003-03-07 |
| JP3895955B2 true JP3895955B2 (ja) | 2007-03-22 |
Family
ID=19082883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001254772A Expired - Fee Related JP3895955B2 (ja) | 2001-08-24 | 2001-08-24 | 情報検索方法および情報検索システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3895955B2 (ja) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8706747B2 (en) * | 2000-07-06 | 2014-04-22 | Google Inc. | Systems and methods for searching using queries written in a different character-set and/or language from the target pages |
| JP2004348241A (ja) * | 2003-05-20 | 2004-12-09 | Hitachi Ltd | 情報提供方法、サーバ及びプログラム |
| US7305389B2 (en) * | 2004-04-15 | 2007-12-04 | Microsoft Corporation | Content propagation for enhanced document retrieval |
| US8972444B2 (en) | 2004-06-25 | 2015-03-03 | Google Inc. | Nonstandard locality-based text entry |
| US7606793B2 (en) | 2004-09-27 | 2009-10-20 | Microsoft Corporation | System and method for scoping searches using index keys |
| US7739277B2 (en) | 2004-09-30 | 2010-06-15 | Microsoft Corporation | System and method for incorporating anchor text into ranking search results |
| US20060149800A1 (en) | 2004-12-30 | 2006-07-06 | Daniel Egnor | Authoritative document identification |
| KR100645711B1 (ko) * | 2005-03-04 | 2006-11-15 | (주)첫눈 | 다수의 정보 블록으로 구분된 웹 페이지를 이용한 정보검색 서비스 제공 서버, 방법 및 시스템 |
| JP2006301975A (ja) * | 2005-04-20 | 2006-11-02 | Canon Inc | 情報処理装置及び情報処理方法並びにプログラム |
| JP4756953B2 (ja) * | 2005-08-26 | 2011-08-24 | 富士通株式会社 | 情報検索装置および情報検索方法 |
| JP4963620B2 (ja) * | 2007-03-30 | 2012-06-27 | 楽天株式会社 | 情報検索システム、情報検索装置、検索結果画面情報生成方法及び検索結果画面情報生成処理プログラム |
| JP4963619B2 (ja) * | 2007-03-30 | 2012-06-27 | 楽天株式会社 | 情報検索システム、情報検索装置、検索結果画面情報生成方法及び検索結果画面情報生成処理プログラム |
| JP4983401B2 (ja) * | 2007-05-25 | 2012-07-25 | 富士ゼロックス株式会社 | 情報処理装置及び制御プログラム |
| JP2009075777A (ja) * | 2007-09-19 | 2009-04-09 | Newswatch Inc | 文書処理システム及び方法 |
| CN101399818B (zh) | 2007-09-25 | 2012-08-29 | 日电（中国）有限公司 | 基于导航路径信息的主题相关网页过滤方法和系统 |
| US9348912B2 (en) | 2007-10-18 | 2016-05-24 | Microsoft Technology Licensing, Llc | Document length as a static relevance feature for ranking search results |
| JP5316158B2 (ja) * | 2008-05-28 | 2013-10-16 | 株式会社リコー | 情報処理装置、全文検索方法、全文検索プログラム、及び記録媒体 |
| JP2010198058A (ja) * | 2009-02-23 | 2010-09-09 | Newswatch Inc | 文書処理システム及び方法 |
| JP5044591B2 (ja) * | 2009-03-13 | 2012-10-10 | 株式会社東芝 | メンバキーワード関係表示装置 |
| JP2011039717A (ja) * | 2009-08-10 | 2011-02-24 | Nippon Telegr & Teleph Corp <Ntt> | 情報検索システム、情報検索方法および情報検索プログラム |
| US8560519B2 (en) * | 2010-03-19 | 2013-10-15 | Microsoft Corporation | Indexing and searching employing virtual documents |
| JP5591622B2 (ja) * | 2010-08-10 | 2014-09-17 | 日本電信電話株式会社 | 文書検索方法、文書検索システム、文書検索プログラム |
| JP5858456B2 (ja) * | 2011-01-21 | 2016-02-10 | 国立研究開発法人情報通信研究機構 | 情報検索サービス提供装置及びコンピュータプログラム |
| US9495462B2 (en) | 2012-01-27 | 2016-11-15 | Microsoft Technology Licensing, Llc | Re-ranking search results |
-
2001
- 2001-08-24 JP JP2001254772A patent/JP3895955B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003067419A (ja) | 2003-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3895955B2 (ja) | 情報検索方法および情報検索システム | |
| US7185001B1 (en) | Systems and methods for document searching and organizing | |
| JP3717808B2 (ja) | 情報検索システム | |
| CN1288583C (zh) | 汇总与聚合以将文件就概念分类 | |
| US7805432B2 (en) | Meta search engine | |
| US20020073079A1 (en) | Method and apparatus for searching a database and providing relevance feedback | |
| JP3577819B2 (ja) | 情報探索装置及び情報探索方法 | |
| US20060117002A1 (en) | Method for search result clustering | |
| JP2010055618A (ja) | トピックを基にした検索を提供する方法及びシステム | |
| US20040098385A1 (en) | Method for indentifying term importance to sample text using reference text | |
| Attardi et al. | Categorisation by Context. | |
| KR20070089449A (ko) | 문서 분류방법 및 그 문서 분류방법을 컴퓨터에서 실행시키기 위한 프로그램을 포함하는 컴퓨터로 읽을 수있는 기록매체. | |
| US20040015485A1 (en) | Method and apparatus for improved internet searching | |
| Ru et al. | Indexing the invisible web: a survey | |
| JP5146108B2 (ja) | 文書重要度算出システム、文書重要度算出方法およびプログラム | |
| JP2003271609A (ja) | 情報監視装置及び情報監視方法 | |
| WO1999014690A1 (fr) | Procede d'addition d'un mot cle au moyen d'informations de liaison | |
| JPH1145257A (ja) | Ｗｅｂ文書の検索支援装置およびその装置としてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| TWI290684B (en) | Incremental thesaurus construction method | |
| JP2003085181A (ja) | 事典システム | |
| JP2000105769A (ja) | 文書表示方法 | |
| JP4146067B2 (ja) | 文書検索システムおよび文書検索方法 | |
| WO2021210210A1 (ja) | 文書検索装置、文書検索システムおよび文書検索方法 | |
| Sengupta et al. | Semantic thumbnails: a novel method for summarizing document collections | |
| Cheng et al. | Learning To Rank Relevant Documents for Information Retrieval in Bioengineering Text Corpora |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060330 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060509 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060707 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060905 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061102 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061212 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061215 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 3895955 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091222 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101222 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101222 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111222 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121222 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131222 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |