JP3898016B2 - 情報検索装置、情報検索方法及び情報検索プログラム - Google Patents
情報検索装置、情報検索方法及び情報検索プログラム Download PDFInfo
- Publication number
- JP3898016B2 JP3898016B2 JP2001302623A JP2001302623A JP3898016B2 JP 3898016 B2 JP3898016 B2 JP 3898016B2 JP 2001302623 A JP2001302623 A JP 2001302623A JP 2001302623 A JP2001302623 A JP 2001302623A JP 3898016 B2 JP3898016 B2 JP 3898016B2
- Authority
- JP
- Japan
- Prior art keywords
- web page
- character string
- search
- score
- attribute
- 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 - Lifetime
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、検索条件に適合する文書（ウェブページ）を検索する情報検索装置、情報検索方法及び情報検索プログラムに関するものである。
【０００２】
【従来の技術】
今日、インターネット上では急速に普及したＷＷＷ（ワールド・ワイド・ウェブ）サービスに基づき種々の情報が公開されているが、大量の情報が無秩序に氾濫し、情報洪水とも呼ばれる現象が起こっている。
ＷＷＷにおける情報のアドレスはＵＲＬ（Ｕｎｉｆｏｒｍ ＲｅｓｏｕｒｃｅＬｏｃａｔｏｒ）で表されるが、ＵＲＬは命名方法に規則性がなく、しばしば変更されることから、ＷＷＷ利用者がＵＲＬを直接指定することは稀である。
【０００３】
したがって、ＨＴＭＬ（Ｈｙｐｅｒ Ｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）で記述された別のウェブページ中のハイパーリンクを辿ったり、指定したキーワードを含むウェブページのＵＲＬを回答する検索エンジンを利用することにより、目的とするＵＲＬにアクセスするケースが９０％近くを占めるとの報告がある（米ジョージア工科大学 ＧＶＵセンター 第１０回ＷＷＷユーザサーベイ １９９８年 ｈｔｔｐ：／／ｗｗｗ．ｃｃ．ｇａｔｅｃｈ．ｅｄｕ／ｇｖｕ／ｕｓｅｒ＿ｓｕｒｖｅｙｓ／ｓｕｒｖｅｙ−１９９８−１０／）。
【０００４】
図２５は従来の情報検索装置を示す構成図であり、図において、１はＷＷＷサーバ、２はインターネット、３は利用者端末、４は検索条件のキーワードに適合するＵＲＬのリストを利用者端末３に提供するインターネット検索エンジンである。
５はＷＷＷサーバ１からウェブページを大量に収集するＷＷＷ情報収集部、６はＷＷＷ情報収集部５により収集されたウェブページのコピーからキーワード検索用のインデックスを生成するインデックス生成部、７はインデックス生成部６により生成されたインデックスを格納するインデックス記憶装置、８は利用者端末３から検索条件を受けると、インデックス記憶装置７に格納されているインデックスを参照して、その検索条件に適合するＵＲＬのリストを生成する検索問合せ処理部である。
【０００５】
次に動作について説明する。
まず、ＷＷＷ情報収集部５は、ＷＷＷサーバ１からウェブページを大量に収集する。即ち、ウェブページのＵＲＬが初期設定されると、そのウェブページをダウンロードする。次に、当該ウェブページに記述されているＨＴＭＬのハイパーリンクを取り出すことにより、当該ウェブページにリンクされているウェブページをダウンロードする。この処理を繰り返し実行することにより、ウェブページを辿りながら次々とウェブページのダウンロードを行う。
【０００６】
インデックス生成部６は、ＷＷＷ情報収集部５が大量のウェブページを収集すると、それらのウェブページのコピーからキーワード検索用のインデックスを生成する。
即ち、インデックス生成部６は、ＷＷＷ情報収集部５により収集されたウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行する。
そして、通常のテキストを構成する文章を単語単位に分割し、その字句要素（単語）のインデックス情報を生成する。ここで、図２６はインデックス情報の一例を示す説明図であり、図２６の例では、インデックス情報として各単語が出現するウェブページのＵＲＬを列挙している。
【０００７】
検索問合せ処理部８は、利用者端末３から検索条件を受けると、インデックス記憶装置７に格納されているインデックスのエントリを取得して、その検索条件に適合するＵＲＬのリストを生成する。
検索条件が複数のキーワードを全て含むことを指定している場合、対応する複数のエントリ間でＵＲＬ集合の共通部分を求めてＵＲＬのリストを生成する。また、検索条件が複数のキーワードのいずれか１つ以上を含むことを指定している場合、対応する複数のエントリ間でＵＲＬ集合の合併を求めてＵＲＬのリストを生成する。
【０００８】
例えば、図２６のインデックス情報が生成されたとき、「三菱」と「東京」の両方を含むという条件で検索を実施する場合、その検索結果は｛ＵＲＬ１，ＵＲＬ３｝と｛ＵＲＬ１，ＵＲＬ２，ＵＲＬ４，ＵＲＬ５｝の共通部分である｛ＵＲＬ１｝となる。同様に「三菱」と「東京」のいずれかを含むという条件に対する検索結果は｛ＵＲＬ１，ＵＲＬ２，ＵＲＬ３，ＵＲＬ４，ＵＲＬ５｝となる。
【０００９】
一方、実際に企業のホームページを特定する目的で検索を行う際には、検索漏れを防ぎつつ最も妥当な結果に絞り込むために、何通りかの条件を用いて繰り返し検索を行う必要がある。
具体的には、図２７に示すように、第１の条件が企業の電話番号（ハイフンで区切られている電話番号）、第２の条件が企業の電話番号（ハイフンを除いた部分のＡＮＤ条件）、第３の条件が企業の名称の全体と所在地の一部のＡＮＤ条件、第４の条件が企業の名称の一部と所在地の一部のＡＮＤ条件である。
【００１０】
ユーザは、第１の条件で検索を行って１件以上の結果が得られれば、その中から最も妥当な結果を選択するか、あるいは、妥当な結果がないと判断し、検索を終了する。
第１の条件で１件も結果が得られなかった場合、次に第２の条件で検索を行って同様の判断を行う。以下、第３の条件、第４の条件に関しても同様であるが、第４の条件による検索の結果が０件であった場合、妥当な結果がないと判断し、検索を終了する。
【００１１】
【発明が解決しようとする課題】
従来の情報検索装置は以上のように構成されているので、複数の検索結果が得られた場合、それらの検索結果の順序と検索目的における妥当性とは必ずしも一致しない。そのため、ユーザが各検索結果の妥当性を順次チェックする必要があり、検索結果の数が多くなると作業に長時間を要するなどの課題があった。
また、なるべく少ない検索結果を得ようとすると、複数の検索条件を用いて検索を繰り返す必要があり、作業に長時間を要する課題があった。
【００１２】
この発明は上記のような課題を解決するためになされたもので、ユーザによる検索結果の妥当性のチェックを省略することができる情報検索装置、情報検索方法及び情報検索プログラムを得ることを目的とする。
【００１３】
【課題を解決するための手段】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、その抽出手段により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索手段とを設け、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００１４】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００１５】
この発明に係る情報検索装置は、順位決定手段が順位の高いウェブページのアドレスから順番に出力するようにしたものである。
【００１６】
この発明に係る情報検索装置は、順位決定手段が順位の高いウェブページの部分内容から順番に出力するようにしたものである。
【００１７】
この発明に係る情報検索装置は、順位決定手段がウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するようにしたものである。
【００１８】
この発明に係る情報検索装置は、検索手段が抽出手段により抽出された文字列及び検索キーワードの正規化を実施するようにしたものである。
【００１９】
この発明に係る情報検索装置は、検索手段が電話番号を検索キーワードとして用いるようにしたものである。
【００２０】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するようにしたものである。
【００２１】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、検索手段が抽出手段により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するようにしたものである。
【００２２】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索し、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００２３】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００２４】
この発明に係る情報検索方法は、順位の高いウェブページのアドレスから順番に出力するようにしたものである。
【００２５】
この発明に係る情報検索方法は、順位の高いウェブページの部分内容から順番に出力するようにしたものである。
【００２６】
この発明に係る情報検索方法は、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するようにしたものである。
【００２７】
この発明に係る情報検索方法は、抽出した文字列及び検索キーワードの正規化を実施するようにしたものである。
【００２８】
この発明に係る情報検索方法は、電話番号を検索キーワードとして用いるようにしたものである。
【００２９】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するようにしたものである。
【００３０】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索するようにしたものである。
【００３１】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、抽出処理手順により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索処理手順とを設け、順位決定処理手順が検索処理手順により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００３２】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００３３】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するようにしたものである。
【００３４】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、検索処理手順が抽出処理手順により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するようにしたものである。
【００３５】
【発明の実施の形態】
以下、この発明の実施の一形態を説明する。
実施の形態１．
図１はこの発明の実施の形態１による情報検索装置を示す構成図であり、図において、２１はＷＷＷサーバ、２２はインターネット、２３はインターネット情報検索システム、２４はＷＷＷサーバ２１にアクセスして、ＷＷＷサーバ２１からウェブページを収集するＷＷＷ情報収集部（収集手段）、２５はＷＷＷ情報収集部２４により収集されたウェブページから検索キーワードと同一属性の文字列（例えば、電話番号、名称、所在地などを示す文字列）及び検索キーワードと異なる属性の文字列を抽出するとともに、そのウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定する情報抽出部（抽出手段）、２６は情報抽出部２５により抽出された文字列とスコアがウェブページのＵＲＬに対応付けられている抽出情報リストを格納する抽出情報記憶装置である。
【００３６】
２７は検索対象を指定する検索キーワードを含む検索対象情報を格納する検索対象情報記憶装置、２８は情報抽出部２５により抽出された文字列のうち、検索対象情報記憶装置２７に格納されている検索キーワードと一致する文字列を検索する結合演算処理部（検索手段）、２９は結合演算処理部２８により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定し、順位の高いウェブページのＵＲＬから順番に出力するランキング処理部（順位決定手段）、３０はランキング処理部２９から出力されたウェブページのＵＲＬを格納する結果情報記憶装置である。
【００３７】
図２はＷＷＷ情報収集部２４の内部を示す構成図であり、図において、２４ａは収集すべきウェブページのＵＲＬを保持する取得要求ＵＲＬキュー、２４ｂはＷＷＷサーバ２１から取得要求ＵＲＬキュー２４ａに保持されているＵＲＬに係るウェブページをダウンロードするダウンロード部、２４ｃはダウンロード部２４ｂによる同一ウェブページのダウンロードを防止するために、ダウンロード部２４ｂによりダウンロードされたウェブページのＵＲＬ一覧を格納する既取得ＵＲＬ記憶装置、２４ｄはダウンロード部２４ｂによりダウンロードされたウェブページを格納するＵＲＬコンテンツ記憶装置、２４ｅはＵＲＬコンテンツ記憶装置２４ｄに格納されているウェブページからＨＴＭＬのハイパーリンクを取り出し、そのリンク先を示すＵＲＬを取得要求ＵＲＬキュー２４ａに挿入するリンク抽出部である。
【００３８】
図３は情報抽出部２５の内部を示す構成図であり、図において、２５ａはＵＲＬコンテンツ記憶装置２４ｄに格納されているウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行するＨＴＭＬ解析部、２５ｂはＨＴＭＬ解析部２５ａにより分離されたテキストを構成する文章を単語単位に分割するとともに、形態素解析を実行して各単語に品詞情報を付加する字句要素解析部、２５ｃは構文ルールを参照して検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を検索する構文解析部、２５ｄはウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定するとともに、その文字列とスコアをウェブページのＵＲＬに対応付けた抽出情報リストを生成する抽出情報管理部である。
【００３９】
次に動作について説明する。
ここでは、検索対象情報記憶装置２７は、図７に示すように、名称、所在地及び電話番号を含む企業情報を検索対象情報として格納しているものとする。即ち、複数の検索条件の指定を可能にするため、１以上の検索対象情報から構成される検索条件を少なくとも１以上リスト形式で格納している。なお、図７では１つの検索条件のみを記述している。
【００４０】
まず、ＷＷＷ情報収集部２４のダウンロード部２４ｂは、図４に示すように、既知のＷＷＷサーバ２１のＵＲＬが取得要求ＵＲＬキュー２４ａに初期設定されると（ステップＳＴ１１）、取得要求ＵＲＬキュー２４ａから既知のＷＷＷサーバ２１のＵＲＬを取得する（ステップＳＴ１２）。そして、既取得ＵＲＬ記憶装置２４ｃに格納されているＵＲＬ一覧を参照して、そのＵＲＬに係るウェブページを既にダウンロードしているか否かを確認する（ステップＳＴ１３）。この段階では、ウェブページのダウンロードはまだ行われていないので、そのＵＲＬに係るウェブページはダウンロードしていないと判断する。
なお、多くのウェブページをダウンロードするには、多くのＷＷＷサーバ２１へのリンクを含むＷＷＷサーバを初期ＵＲＬに指定することが望ましい。
【００４１】
ダウンロード部２４ｂは、そのＵＲＬに係るウェブページをダウンロードしていない場合、そのＵＲＬに対応するＷＷＷサーバ２１のＩＰアドレスを取得し（ステップＳＴ１４）、そのＷＷＷサーバ２１に対してＨＴＴＰのＧＥＴ要求を発行することにより（ステップＳＴ１５）、そのＷＷＷサーバ２１からウェブページをダウンロードしてＵＲＬコンテンツ記憶装置２４ｄに格納する（ステップＳＴ１６）。
【００４２】
リンク抽出部２４ｅは、ダウンロード部２４ｂがウェブページをＵＲＬコンテンツ記憶装置２４ｄに格納すると、既取得ＵＲＬ記憶装置２４ｃに格納されているＵＲＬ一覧に当該ウェブページのＵＲＬを追加するとともに（ステップＳＴ１７）、そのウェブページの内容からリンク情報を抽出し、リンク先のＵＲＬを取得要求ＵＲＬキュー２４ａに挿入する（ステップＳＴ１８）。
【００４３】
ダウンロード部２４ｂは、取得要求ＵＲＬキュー２４ａに新たなＵＲＬが挿入されているか否かを判断し、取得要求ＵＲＬキュー２４ａが空であれば処理を終了する。一方、新たなＵＲＬが挿入されていれば、ステップＳＴ１２に戻り、ステップＳＴ１２〜ＳＴ１８の処理を繰り返し実行する（ステップＳＴ１９）。
【００４４】
情報抽出部２５のＨＴＭＬ解析部２５ａは、ダウンロード部２４ｂがウェブページをＵＲＬコンテンツ記憶装置２４ｄに格納すると、各ウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行する。
字句要素解析部２５ｂは、ＨＴＭＬ解析部２５ａがテキストを分離すると、そのテキストを構成する文章を単語単位に分割するとともに、形態素解析を実行して各単語に品詞情報を付加する。なお、品詞情報は「名詞」、「助詞」、「動詞」などの大分類だけでなく、「名詞−固有名詞−地名」といった詳細まで含むものであり、構文解析部２５ｃが参照する構文ルール中で使用される。
【００４５】
構文解析部２５ｃは、字句要素解析部２５ｂにより分解された単語と品詞の列から、構文ルール（図９を参照）に指定された認識パターンに合致する部分列を取り出し、合致した認識パターンの名称とともに文字列を出力する。図９では、認識パターンとして、＜電話番号＞、＜名称＞、＜所在地＞が記述されているので、電話番号、名称、または所在地と考えられる文字列に対して、それぞれ「＜電話番号＞文字列値」、「＜名称＞文字列値」、「＜所在地＞文字列値」という形式で出力し、それ以外の文字列に対しては出力を生成しない。認識パターンは文字列の意味を表す「属性」に対応しており、構文解析部２５ｃの出力は一般的には文字列属性と文字列値の組の列となる。
【００４６】
ここで、構文ルールは、例えば、ＲＦＣ２２３４（ｈｔｔｐ：／／ｒｆｃ．ｎｅｔ／ｒｆｃ２２３４．ｈｔｍｌ）に規定されたＡＢＮＦ（ＡｕｇｍｅｎｔｅｄＢａｃｋｕｓ−Ｎａｕｒ Ｆｏｒｍ、拡張Ｂａｃｋｕｓ−Ｎａｕｒ記法）を用いて記述することができる。構文ルールに従った認識は公知のコンパイラ技術であるＬＲ構文解析を用いて実現することができる。また、構文ルールに記述したパターン以外はエラーとなるが、ここではエラーは無視し、何も出力しない。
【００４７】
抽出情報管理部２５ｄは、構文解析部２５ｃの出力に基づき、１つのウェブページに含まれていた文字列属性と文字列値の種類や出現頻度に応じて当該ウェブページのスコアを設定する。
具体的には、図１１に示すような対応表（文字列属性と文字列値に応じたスコアを示している）を参照してウェブページのスコアを設定するが、例えば、あるウェブページから検索された属性＜電話番号＞に対応する文字列値の種類が“１”、属性＜名称＞に対応する文字列値の種類が“４”、属性＜所在地＞に対応する文字列値の種類が“２”であれば、ウェブページのスコアは“９０”に設定される。
【００４８】
なお、図１１の例では、各文字列属性に対応する文字列値が存在しないウェブページのスコアを下げているが、これは記述が充実しておらず、正規の連絡先を伝える意図がないと思われるウェブページを除外するためである。一方、ある文字列属性に対応する文字列値の種類が多過ぎるウェブページもスコアを下げるようにしている。これは名簿などのように、第三者によって公開されているウェブページを除くためであり、例えば、４種類以上の電話番号が記述されたウェブページのスコアを下げている。
【００４９】
抽出情報管理部２５ｄは、上記のようにして、ウェブページのスコアを設定すると、ウェブページのＵＲＬ及びスコアと、文字列属性及び文字列値の組の列（図１０（ａ）の１行に相当）とから、ある文字列属性の文字列値をキーとする抽出情報インデックスを生成して抽出情報記憶装置２６に格納する（図１０（ｂ）を参照）。
【００５０】
ここでは、文字列属性として電話番号を用い、その値はハイフン、カッコ、空白などを除き数字のみで表される正規化電話番号としている。正規化電話番号を用いる理由は、名称や所在地などと比較して表記のゆれ（曖昧さ）が少ないと期待されるからである。
一般的には、１つのウェブページに対応して０個から複数個の抽出情報インデックスが生成されるが、それぞれのキー（正規化電話番号）に対し、抽出情報記憶装置２６に対応するエントリが存在しない場合は、キーとＵＲＬおよびスコアの組が新たなエントリとして挿入され、抽出情報記憶装置２６に対応するエントリが既に存在している場合は、当該エントリに対してＵＲＬおよびスコアの組を追加した上で抽出情報記憶装置２６に書き戻される。
【００５１】
結合演算処理部２８は、情報抽出部２５が全てのウェブページを処理した後に動作を開始する。
結合演算処理部２８は、情報抽出部２５により抽出された文字列のうち、検索対象情報記憶装置２７に格納されている検索キーワードと一致する文字列を検索する。
具体的には図５に示すように、結合演算処理部２８は、まず、検索対象情報記憶装置２７から検索対象情報（検索キーワード）を１つ取得する（ステップＳＴ２１）。ここでは、説明の便宜上、検索対象情報記憶装置２７から検索キーワードとして電話番号を取得するものとする。結合演算処理部２８は、検索キーワードとして電話番号を取得すると、その電話番号の正規化を行う（ステップＳＴ２２）。
ここで、正規化とは、表記の揺れを吸収するために行う処理であり、ハイフン、括弧や空白など、数字以外の区切り文字を取り除き、数字のみの文字列として電話番号を表す処理である。
【００５２】
結合演算処理部２８は、検索キーワードである電話番号の正規化を行うと、情報抽出部２５により抽出された文字列のうち、正規化後の電話番号と一致する文字列を検索する（ステップＳＴ２３）。
【００５３】
結合演算処理部２８は、正規化後の電話番号と一致する文字列が存在する場合には、その文字列（＝正規化後の電話番号）と当該文字列が記述されているウェブページのＵＲＬ及び当該ウェブページのスコアとの対応表である出現ＵＲＬリスト（図１０（ｂ）を参照）をランキング処理部２９に出力する（ステップＳＴ２５）。
なお、結合演算処理部２８は、全ての検索対象情報について処理を実施したか否かを判断し、全ての検索対象情報について処理を実施していない場合には、ステップＳＴ２１に戻り、ステップＳＴ２１〜ＳＴ２５の処理を繰り返し実行する（ステップＳＴ２６）。
【００５４】
ランキング処理部２９は、結合演算処理部２８が文字列の検索処理を完了すると、検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定し、順位の高いウェブページのＵＲＬから順番に出力する。図８の例では、上位２つのウェブページのＵＲＬが出力されていることを示している。
【００５５】
ここでは、ランキング処理部２９がウェブページの順位を当該ウェブページのスコアを参照して決定するものについて示したが、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバ２１の順位を決定するようにしてもよい。具体的には図６に示す通りである。
【００５６】
ランキング処理部２９は、まず、結合演算処理部２８の検索結果を１つ取り出し（ステップＳＴ３１）、出現ＵＲＬリストにおける複数のＵＲＬをサーバ毎にまとめる処理を実行する（ステップＳＴ３２）。即ち、ＨＴＴＰにおいては、ｈｔｔｐ：／／に続く部分がサーバ名であるので、そのサーバ名を参照して、複数のＵＲＬをサーバ毎にまとめる処理を実行する。
【００５７】
次に、各ウェブページのスコアに基づき、各ＷＷＷサーバ２１に属するウェブページのスコアの最大値をＷＷＷサーバ２１のスコアとして設定する（ステップＳＴ３３）。
そして、複数のＷＷＷサーバ２１の順位を、当該ＷＷＷサーバ２１のスコアや当該ＷＷＷサーバ２１に属するウェブページの個数によってランキングする（ステップＳＴ３４）。
【００５８】
ランキング処理部２９は、上位にランキングされたＷＷＷサーバ２１、例えば、上位３つ以内のＷＷＷサーバ２１のＵＲＬのみを順番に出力する（ステップＳＴ３５）。
ランキング処理部２９は、全ての検索結果について処理を実行したか否かを判定し、未処理の検索結果があれば、ステップＳＴ３１に戻り、ステップＳＴ３１〜ＳＴ３５の処理を繰り返し実行する（ステップＳＴ３６）。
【００５９】
以上で明らかなように、この実施の形態１によれば、ＷＷＷ情報収集部２４により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出するとともに、そのウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果を奏する。
【００６０】
なお、この実施の形態１では、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
図１２はコンピュータを用いて構成する場合のハードウエア構成図であり、図において、４１は情報検索プログラムを実行するＣＰＵであり、ＷＷＷ情報収集部２４、情報抽出部２５、結合演算処理部２８及びランキング処理部２９の機能を有している。４２は情報検索プログラムやプログラムの実行に必要なデータを格納するメモリ、４３はコンソール入出力装置４４との入出力を行うコンソールインタフェース、４４はコンソール入出力装置、４５はハードディスク装置４６をアクセスするディスクインタフェース、４６はハードディスク装置、４７はインターネット２２に接続するネットワークインタフェースである。
【００６１】
実施の形態２．
上記実施の形態１では、順位の高いウェブページのＵＲＬから順番に出力するものについて示したが、順位の高いウェブページの部分内容から順番に出力するようにしてもよい。
例えば、検索対象情報として製品名を用いることにより、ウェブページ上で製品と共に記述されている価格を出力するようにする。
これにより、ユーザは実際にウェブページをアクセスすることなく、ウェブページの部分内容、即ち、目的の情報を知ることができる効果を奏する。
【００６２】
実施の形態３．
図１３はこの発明の実施の形態３による情報検索装置を示す構成図であり、図において、図１と同一符号は同一または相当部分を示すので説明を省略する。
５１は検索キーワードと一致する文字列を含むウェブページのＵＲＬを検索する検索エンジン、５２は検索キーワードを検索エンジン５１に与えて、検索エンジン５１から検索結果であるウェブページのＵＲＬを取得する検索エンジン問合せ部、５３は検索エンジン問合せ部５２により取得されたＵＲＬを有するウェブページをＷＷＷサーバ２１からダウンロードするダウンロード部である。なお、検索エンジン問合せ部５２及びダウンロード部５３から収集手段が構成されている。
【００６３】
５４はダウンロード部５３によりダウンロードされたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出する属性抽出部、５５はダウンロード部５３によりダウンロードされたウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定するスコア設定部である。なお、属性抽出部５４及びスコア設定部５５から抽出手段が構成されている。５６はダウンロード部５３によりダウンロードされたウェブページの順位を当該ウェブページのスコアを参照して決定するランキング処理部（順位決定手段）である。
【００６４】
次に動作について説明する。
検索エンジン問合せ部５２は、検索エンジン５１に対して検索キーワード（例えば、企業名）を渡して検索を要求することにより、検索エンジン５１の検索結果として１以上のウェブページのＵＲＬを取得する。検索エンジン５１のインタフェースは、ＨＴＴＰプロトコルやＨＴＭＬフォーマットといった標準仕様に基づいており、検索キーワードの指定や結果からのＵＲＬ抽出は容易に実現できる。
【００６５】
ダウンロード部５３は、検索エンジン問合せ部５２が１以上のウェブページのＵＲＬを取得すると、ＷＷＷサーバ２１からインターネット２２を介して、それらのＵＲＬに対応するウェブページ（ＨＴＭＬファイル）をダウンロードし、そのウェブページを属性抽出部５４に出力する。
【００６６】
属性抽出部５４は、ダウンロード部５３から１以上のウェブページを受け取ると、まず、情報抽出部２５のＨＴＭＬ解析部２５ａと同様に、各ウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行する。
次に、属性抽出部５４は、情報抽出部２５の字句要素解析部２５ｂと同様に、その分離したテキストを構成する文章を単語単位に分解し、形態素解析を実行して各単語に品詞情報を付加する。なお、品詞情報は「名詞」、「助詞」、「動詞」などの大分類だけでなく、「名詞−固有名詞−地名」といった詳細まで含むものであり、以下、属性抽出部５４が参照する構文ルール中で使用される。
【００６７】
次に、属性抽出部５４は、情報抽出部２５の構文解析部２５ｃと同様に、その分解した単語と品詞の列から、構文ルールに指定された認識パターンに合致する部分列を取り出し、合致した認識パターンの名称とともに文字列を出力する。図９の構文ルールの例では、この実施の形態３の検索目的に合わせて、＜電話番号＞、＜名称＞、＜所在地＞の認識パターンが記述されているので、これらのいずれかと考えられる文字列に対して、それぞれ「＜電話番号＞文字列値」、「＜名称＞文字列値」、「＜所在地＞文字列値」という形式で出力し、それ以外の文字列に対しては出力を生成しない。認識パターンは文字列の意味を表す「属性」に対応しており、属性抽出部５４の出力は一般的には文字列属性と文字列値の組の列となる（図１４を参照）。
【００６８】
ここで、構文ルールは、例えば、ＲＦＣ２２３４（ｈｔｔｐ：／／ｒｆｃ．ｎｅｔ／ｒｆｃ２２３４．ｈｔｍｌ）に規定されたＡＢＮＦ（ＡｕｇｍｅｎｔｅｄＢａｃｋｕｓ−Ｎａｕｒ Ｆｏｒｍ、拡張Ｂａｃｋｕｓ−Ｎａｕｒ記法）を用いて記述することができる。構文ルールに従った認識は公知のコンパイラ技術であるＬＲ構文解析を用いて実現することができる。また、構文ルールに記述したパターン以外はエラーとなるが、ここではエラーは無視して何も出力しない。
【００６９】
スコア設定部５５は、情報抽出部２５の抽出情報管理部２５ｄと同様に、属性抽出部５４の出力に基づき、１つのウェブページに含まれていた文字列属性と文字列値の種類や出現頻度に応じて当該ウェブページのスコアを設定する。
具体的には、図１１に示すような対応表（文字列属性と文字列値に応じたスコアを示している）を参照してウェブページのスコアを設定するが、例えば、あるウェブページから検索された属性＜電話番号＞に対応する文字列値の種類が“１”、属性＜名称＞に対応する文字列値の種類が“４”、属性＜所在地＞に対応する文字列値の種類が“２”であれば、ウェブページのスコアは“９０”に設定される。
【００７０】
なお、図１１の例では、各文字列属性に対応する文字列値が存在しないウェブページのスコアを下げているが、これは記述が充実しておらず、正規の連絡先を伝える意図がないと思われるウェブページを除外するためである。一方、ある文字列属性に対応する文字列値の種類が多過ぎるウェブページもスコアを下げるようにしているが、これは名簿などのように第三者によって公開されているウェブページを除くためであり、例えば４種類以上の電話番号が書かれたウェブページのスコアを下げている。
スコア設定部５５は、上記のようにして、ウェブページのスコアを設定すると、当該ウェブページのＵＲＬとスコアとを組にしてランキング処理部５６に出力する（図１５を参照）。
【００７１】
ランキング処理部５６は、検索エンジン５１の全ての検索結果に対応するＵＲＬとスコアの組とをスコア設定部５５から受け取ると、それらの複数のＵＲＬをＷＷＷサーバ２１毎にまとめる処理を実行する。即ち、ＨＴＴＰにおいてはｈｔｔｐ：／／に続く部分がＷＷＷサーバ名であるので、そのＷＷＷサーバ名を参照して複数のＵＲＬをＷＷＷサーバ２１毎にまとめる処理を実行する。
次に、各ＵＲＬのスコアに基づき、各ＷＷＷサーバ２１に属するＵＲＬスコアの最大値をＷＷＷサーバ２１のスコアとして設定する。
【００７２】
そして、複数のＷＷＷサーバ２１の順位を、当該ＷＷＷサーバ２１のスコアや当該ＷＷＷサーバ２１に属するＵＲＬの個数によってランキングする。
ランキング処理部５６は、上位にランキングされたＷＷＷサーバ２１、例えば、上位３つ以内のＷＷＷサーバ２１について、当該ＷＷＷサーバ２１内で最大スコアを持つＵＲＬのみを順番に出力する（図１６を参照）。
【００７３】
以上で明らかなように、この実施の形態３によれば、検索エンジン５１による検索結果の複数ウェブページに対し、検索キーワード以外の文字列も対象にして文字列属性とその値を取り出し、その記述の程度に応じて設定した当該ウェブページのスコアに基づいて当該ウェブページの順位を決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができ、ユーザが妥当な結果を選択する作業を省略することができる効果を奏する（図１７を参照）。
【００７４】
なお、この実施の形態３においても、上記実施の形態１と同様に、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
また、この実施の形態３では、ＵＲＬを返すものについて示したが、抽出した情報（例えば、電話番号から企業名、製品名から価格）を返すようにしてもよい。
【００７５】
実施の形態４．
図１８はこの発明の実施の形態４による情報検索装置を示す構成図であり、図において、図１及び図１３等と同一符号は同一または相当部分を示すので説明を省略する。
６１はスコア設定部５５から受け取ったウェブページのＵＲＬ及びスコアと、文字列属性及び文字列値の組の列とから、ある文字列属性の文字列値をキーとする抽出情報インデックスを生成する抽出情報管理部、６２はウェブページのＵＲＬを上位のウェブページのＵＲＬに変更するＵＲＬ修正部（順位決定手段）である。
図２０はＵＲＬ修正部６２の処理内容を示すフローチャートである。
【００７６】
次に動作について説明する。
抽出情報管理部６１は、上記実施の形態３と同様にしてスコア設定部５５がウェブページのスコアを設定すると、スコア設定部５５から受け取ったウェブページのＵＲＬ及びスコアと、文字列属性及び文字列値の組の列（図１０（ａ）の1行に相当）とから、ある文字列属性の文字列値をキーとする抽出情報インデックスを生成して抽出情報記憶装置２６に格納する（図１９を参照）。
【００７７】
ここでは、文字列属性として電話番号を用い、その値はハイフン、カッコ、空白などを除き数字のみで表される正規化電話番号としている。正規化電話番号を用いる理由は、名称や所在地などと比較して表記のゆれ（曖昧さ）が少ないと期待されるからである。
一般的には、１つのウェブページに対応して０個から複数個の抽出情報インデックスが生成されるが、それぞれのキー（正規化電話番号）に対し、抽出情報記憶装置２６に対応するエントリが存在しない場合は、キーとＵＲＬおよびスコアの組が新たなエントリとして挿入され、抽出情報記憶装置２６に対応するエントリが既に存在している場合は、当該エントリに対してＵＲＬおよびスコアの組を追加した上で抽出情報記憶装置２６に書き戻される。
【００７８】
ランキング処理部５６は、ＷＷＷ情報収集部２４による情報収集が完了し、収集した全てのウェブページに対応する抽出情報が抽出情報記憶装置２６に格納された時点で動作を開始する。
ランキング処理部５６は、抽出情報記憶装置２６からエントリを１つずつ取り出し、上記実施の形態３と同様の処理を実行して各エントリのキー（正規化電話番号）に対応するＵＲＬの内でスコアの高いウェブページおよびＷＷＷサーバ２１に関するものを出力する。
【００７９】
ＵＲＬ修正部６２は、ランキング処理部５６からキー（正規化電話番号）とＵＲＬ（複数）を受け取ると、図２０に示すように、既取得ＵＲＬ記憶装置２４ｃとＵＲＬコンテンツ記憶装置２４ｄに格納された情報を参照してＵＲＬ文字列に修正を加え、修正後のＵＲＬ文字列を結果情報記憶装置３０に格納する。
即ち、ＵＲＬに対応するＨＴＭＬファイルをＵＲＬコンテンツ記憶装置２４ｄから検索し、内容として上位のＵＲＬを指すハイパーリンクが含まれていたら、そのＵＲＬで元のＵＲＬを置き換える。
【００８０】
ここで、上位のＵＲＬとは、ＵＲＬ文字列を“／”で区切って最後の要素（ファイル名に対応）を無視した場合、要素数が元のＵＲＬより少なく、全ての要素が元のＵＲＬに含まれているものを指す。例えば、元のＵＲＬがｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ／ｐｃ．ｈｔｍｌであった場合、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌは上位ＵＲＬであるが、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ／やｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ／ｉｎｄｅｘ．ｈｔｍｌは上位ＵＲＬとはみなさない。
【００８１】
さらに、ＵＲＬ文字列がファイル名を表している場合（“／”で終わっていない場合）、ＵＲＬ文字列の末尾のファイル名部分を取り除くことでディレクトリのＵＲＬを生成し、既取得ＵＲＬ記憶装置２４ｃを検索して当該ディレクトリＵＲＬへのアクセス記録が存在したら当該ディレクトリＵＲＬが有効であると判断して元のＵＲＬをディレクトリＵＲＬに置き換える。例えば、元のＵＲＬがｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｇａｉｙｏｕ．ｈｔｍｌである場合、対応するディレクトリＵＲＬとしてｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／を生成し、既取得ＵＲＬ記憶装置２４ｃを検索の上、当該ＵＲＬの存在が確認できたらＵＲＬをｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／に書き換える。
【００８２】
また、既取得ＵＲＬ記憶装置２４ｃに当該ディレクトリＵＲＬへのアクセス記録が存在しなかった場合、当該ディレクトリＵＲＬが無効であると判断する。この場合、当該ディレクトリ内のファイルＵＲＬのうち、ホームページのＵＲＬとして最も妥当性が高いものを選択する。例えば、元のＵＲＬ ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｇａｉｙｏｕ．ｈｔｍｌに対し、既取得ＵＲＬ記憶装置２４ｃを検索して得られた同一ディレクトリ内のファイルＵＲＬがｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｇａｉｙｏｕ．ｈｔｍｌ（便宜上元のＵＲＬ自体も含める）、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ．ｈｔｍｌ、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌであったとすると、ホームページＵＲＬとしては一般にｉｎｄｅｘ．ｈｔｍｌの妥当性が高いので、ＵＲＬをｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌに書き換える。妥当性の優劣が付けられない場合にはＵＲＬの書き換えは行なわない。
なお、図２１はＵＲＬ修正部６２におけるファイル名の妥当性の設定例を示す説明図である。
【００８３】
結果情報記憶装置３０から企業ホームページを検索する際には、対象企業の電話番号を正規化（ハイフン、カッコ、空白など非数字文字の除去）した文字列で検索することでＵＲＬが得られる。
【００８４】
以上で明らかなように、この実施の形態４によれば、ＷＷＷサーバ２１から収集した情報を元に検索結果としてのウェブページの妥当性を判定し、より妥当なウェブページのＵＲＬを結果とするようにしたので、検索キーワードが含まれているとは限らない妥当な結果を返すことができ、ユーザが結果を修正する作業を省略することができる効果を奏する（図２２を参照）。
【００８５】
なお、この実施の形態４においても、上記実施の形態１と同様に、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
【００８６】
実施の形態５．
図２３はこの発明の実施の形態５による情報検索装置を示す構成図であり、図において、図１８と同一符号は同一または相当部分を示すので説明を省略する。７１は既知の正規化電話番号（検索キーワード）等を記憶する既知情報記憶装置、７２は抽出情報記憶装置２６に記憶されている文字列のうち、既知情報記憶装置７１に記憶されている検索キーワードと一致しない文字列を検索する反結合演算部（検索手段）、７３は反結合演算部７２により検索された文字列を記憶する未知情報記憶装置である。
【００８７】
次に動作について説明する。
反結合演算部７２は、ＷＷＷ情報収集部２４による情報収集が完了し、収集した全てのウェブページに対応する抽出情報が抽出情報記憶装置２６に格納された時点で動作を開始する。
反結合演算部７２は、抽出情報記憶装置２６に格納されたエントリのうち、キー（正規化電話番号）が既知情報記憶装置７１に存在しないものを未知情報記憶装置７３に格納する。
【００８８】
ここで、既知情報記憶装置７１には、抽出情報記憶装置２６と同様に、予め正規化された形式でキー（電話番号）が格納されているものとする（図２４を参照）。
具体的には、反結合演算部７２は、抽出情報記憶装置２６からエントリのキーを１つ取得し、既知情報記憶装置７１を検索して当該キーが存在しなかった場合のみ当該エントリを出力する、という処理を抽出情報記憶装置２６の全てのエントリに対して実行する。
【００８９】
以上のように、この実施の形態５によれば、ＷＷＷサーバ２１から収集した情報から検索対象の属性（電話番号）を有する文字列を抽出するようにしたので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果を奏する。
【００９０】
なお、この実施の形態５においても、上記実施の形態１と同様に、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
【００９１】
【発明の効果】
以上のように、この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、その抽出手段により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索手段とを設け、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果がある。
【００９２】
この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができるようになり、その結果、ユーザが妥当な結果を選択する作業を省略することができる効果がある。
【００９３】
この発明によれば、順位決定手段が順位の高いウェブページのアドレスから順番に出力するように構成したので、妥当性の高いウェブページからアクセスすることが可能になる効果がある。
【００９４】
この発明によれば、順位決定手段が順位の高いウェブページの部分内容から順番に出力するように構成したので、ユーザが実際にウェブページをアクセスすることなく、目的の情報を知ることができる効果がある。
【００９５】
この発明によれば、順位決定手段がウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するように構成したので、妥当性の高いウェブページを保有するＷＷＷサーバを認識することができる効果がある。
【００９６】
この発明によれば、検索手段が抽出手段により抽出された文字列及び検索キーワードの正規化を実施するように構成したので、表記の揺れを吸収して検索精度を高めることができる効果がある。
【００９７】
この発明によれば、検索手段が電話番号を検索キーワードとして用いるように構成したので、企業や団体についての情報を的確に検索することができる効果がある。
【００９８】
この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するように構成したので、検索キーワードが含まれているとは限らない妥当な結果を返すことができるようになり、その結果、ユーザが結果を修正する作業を省略することができる効果がある。
【００９９】
この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、検索手段が抽出手段により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するように構成したので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果がある。
【０１００】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索し、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果がある。
【０１０１】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができるようになり、その結果、ユーザが妥当な結果を選択する作業を省略することができる効果がある。
【０１０２】
この発明によれば、順位の高いウェブページのアドレスから順番に出力するように構成したので、妥当性の高いウェブページからアクセスすることが可能になる効果がある。
【０１０３】
この発明によれば、順位の高いウェブページの部分内容から順番に出力するように構成したので、ユーザが実際にウェブページをアクセスすることなく、目的の情報を知ることができる効果がある。
【０１０４】
この発明によれば、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するように構成したので、妥当性の高いウェブページを保有するＷＷＷサーバを認識することができる効果がある。
【０１０５】
この発明によれば、抽出した文字列及び検索キーワードの正規化を実施するように構成したので、表記の揺れを吸収して検索精度を高めることができる効果がある。
【０１０６】
この発明によれば、電話番号を検索キーワードとして用いるように構成したので、企業や団体についての情報を的確に検索することができる効果がある。
【０１０７】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するように構成したので、検索キーワードが含まれているとは限らない妥当な結果を返すことができるようになり、その結果、ユーザが結果を修正する作業を省略することができる効果がある。
【０１０８】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索するように構成したので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果がある。
【０１０９】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、抽出処理手順により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索処理手順とを設け、順位決定処理手順が検索処理手順により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果がある。
【０１１０】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができるようになり、その結果、ユーザが妥当な結果を選択する作業を省略することができる効果がある。
【０１１１】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するように構成したので、検索キーワードが含まれているとは限らない妥当な結果を返すことができるようになり、その結果、ユーザが結果を修正する作業を省略することができる効果がある。
【０１１２】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、検索処理手順が抽出処理手順により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するように構成したので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１による情報検索装置を示す構成図である。
【図２】 ＷＷＷ情報収集部の内部を示す構成図である。
【図３】 情報抽出部の内部を示す構成図である。
【図４】 ＷＷＷ情報収集部の処理内容を示すフローチャートである。
【図５】 結合演算処理部の処理内容を示すフローチャートである。
【図６】 ランキング処理部の処理内容を示すフローチャートである。
【図７】 検索対象情報を示す説明図である。
【図８】 結果情報を示す説明図である。
【図９】 構文ルールを示す説明図である。
【図１０】 抽出情報リストや出現ＵＲＬリストを示す説明図である。
【図１１】 スコアの設定方法を説明するための説明図である。
【図１２】 コンピュータ用いて構成する場合のハードウエア構成図である。
【図１３】 この発明の実施の形態３による情報検索装置を示す構成図である。
【図１４】 属性抽出部の出力情報を示す説明図である。
【図１５】 スコア設定部の出力情報を示す説明図である。
【図１６】 ランキング処理部の出力情報を示す説明図である。
【図１７】 この発明の実施の形態３による情報検索装置の効果を示す説明図である。
【図１８】 この発明の実施の形態４による情報検索装置を示す構成図である。
【図１９】 抽出情報インデックスを示す説明図である。
【図２０】 ＵＲＬ修正部の処理内容を示すフローチャートである。
【図２１】 ＵＲＬ修正部におけるファイル名の妥当性の設定例を示す説明図である。
【図２２】 この発明の実施の形態４による情報検索装置の効果を示す説明図である。
【図２３】 この発明の実施の形態５による情報検索装置を示す構成図である。
【図２４】 抽出情報記憶装置及び未知情報記憶装置の記憶内容を示す説明図である。
【図２５】 従来の情報検索装置を示す構成図である。
【図２６】 インデックス情報の一例を示す説明図である。
【図２７】 検索対象情報を示す説明図である。
【符号の説明】
２１ ＷＷＷサーバ、２２ インターネット、２３ インターネット情報検索システム、２４ ＷＷＷ情報収集部（収集手段）、２４ａ 取得要求ＵＲＬキュー、２４ｂ ダウンロード部、２４ｃ 既取得ＵＲＬ記憶装置、２４ｄ ＵＲＬコンテンツ記憶装置、２４ｅ リンク抽出部、２５ 情報抽出部（抽出手段）、２５ａ ＨＴＭＬ解析部、２５ｂ 字句要素解析部、２５ｃ 構文解析部、２５ｄ 抽出情報管理部、２６ 抽出情報記憶装置、２７ 検索対象情報記憶装置、２８ 結合演算処理部（検索手段）、２９ ランキング処理部（順位決定手段）、３０ 結果情報記憶装置、４１ ＣＰＵ、４２ メモリ、４３ コンソールインタフェース、４４ コンソール入出力装置、４５ ディスクインタフェース、４６ ハードディスク装置、４７ ネットワークインタフェース、５１ 検索エンジン、５２ 検索エンジン問合せ部（収集手段）、５３ ダウンロード部（収集手段）、５４ 属性抽出部（抽出手段）、５５ スコア設定部（抽出手段）、５６ ランキング処理部（順位決定手段）、６１ 抽出情報管理部、６２ ＵＲＬ修正部（順位決定手段）、７１ 既知情報記憶装置、７２ 反結合演算部（検索手段）、７３ 未知情報記憶装置。
【発明の属する技術分野】
この発明は、検索条件に適合する文書（ウェブページ）を検索する情報検索装置、情報検索方法及び情報検索プログラムに関するものである。
【０００２】
【従来の技術】
今日、インターネット上では急速に普及したＷＷＷ（ワールド・ワイド・ウェブ）サービスに基づき種々の情報が公開されているが、大量の情報が無秩序に氾濫し、情報洪水とも呼ばれる現象が起こっている。
ＷＷＷにおける情報のアドレスはＵＲＬ（Ｕｎｉｆｏｒｍ ＲｅｓｏｕｒｃｅＬｏｃａｔｏｒ）で表されるが、ＵＲＬは命名方法に規則性がなく、しばしば変更されることから、ＷＷＷ利用者がＵＲＬを直接指定することは稀である。
【０００３】
したがって、ＨＴＭＬ（Ｈｙｐｅｒ Ｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）で記述された別のウェブページ中のハイパーリンクを辿ったり、指定したキーワードを含むウェブページのＵＲＬを回答する検索エンジンを利用することにより、目的とするＵＲＬにアクセスするケースが９０％近くを占めるとの報告がある（米ジョージア工科大学 ＧＶＵセンター 第１０回ＷＷＷユーザサーベイ １９９８年 ｈｔｔｐ：／／ｗｗｗ．ｃｃ．ｇａｔｅｃｈ．ｅｄｕ／ｇｖｕ／ｕｓｅｒ＿ｓｕｒｖｅｙｓ／ｓｕｒｖｅｙ−１９９８−１０／）。
【０００４】
図２５は従来の情報検索装置を示す構成図であり、図において、１はＷＷＷサーバ、２はインターネット、３は利用者端末、４は検索条件のキーワードに適合するＵＲＬのリストを利用者端末３に提供するインターネット検索エンジンである。
５はＷＷＷサーバ１からウェブページを大量に収集するＷＷＷ情報収集部、６はＷＷＷ情報収集部５により収集されたウェブページのコピーからキーワード検索用のインデックスを生成するインデックス生成部、７はインデックス生成部６により生成されたインデックスを格納するインデックス記憶装置、８は利用者端末３から検索条件を受けると、インデックス記憶装置７に格納されているインデックスを参照して、その検索条件に適合するＵＲＬのリストを生成する検索問合せ処理部である。
【０００５】
次に動作について説明する。
まず、ＷＷＷ情報収集部５は、ＷＷＷサーバ１からウェブページを大量に収集する。即ち、ウェブページのＵＲＬが初期設定されると、そのウェブページをダウンロードする。次に、当該ウェブページに記述されているＨＴＭＬのハイパーリンクを取り出すことにより、当該ウェブページにリンクされているウェブページをダウンロードする。この処理を繰り返し実行することにより、ウェブページを辿りながら次々とウェブページのダウンロードを行う。
【０００６】
インデックス生成部６は、ＷＷＷ情報収集部５が大量のウェブページを収集すると、それらのウェブページのコピーからキーワード検索用のインデックスを生成する。
即ち、インデックス生成部６は、ＷＷＷ情報収集部５により収集されたウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行する。
そして、通常のテキストを構成する文章を単語単位に分割し、その字句要素（単語）のインデックス情報を生成する。ここで、図２６はインデックス情報の一例を示す説明図であり、図２６の例では、インデックス情報として各単語が出現するウェブページのＵＲＬを列挙している。
【０００７】
検索問合せ処理部８は、利用者端末３から検索条件を受けると、インデックス記憶装置７に格納されているインデックスのエントリを取得して、その検索条件に適合するＵＲＬのリストを生成する。
検索条件が複数のキーワードを全て含むことを指定している場合、対応する複数のエントリ間でＵＲＬ集合の共通部分を求めてＵＲＬのリストを生成する。また、検索条件が複数のキーワードのいずれか１つ以上を含むことを指定している場合、対応する複数のエントリ間でＵＲＬ集合の合併を求めてＵＲＬのリストを生成する。
【０００８】
例えば、図２６のインデックス情報が生成されたとき、「三菱」と「東京」の両方を含むという条件で検索を実施する場合、その検索結果は｛ＵＲＬ１，ＵＲＬ３｝と｛ＵＲＬ１，ＵＲＬ２，ＵＲＬ４，ＵＲＬ５｝の共通部分である｛ＵＲＬ１｝となる。同様に「三菱」と「東京」のいずれかを含むという条件に対する検索結果は｛ＵＲＬ１，ＵＲＬ２，ＵＲＬ３，ＵＲＬ４，ＵＲＬ５｝となる。
【０００９】
一方、実際に企業のホームページを特定する目的で検索を行う際には、検索漏れを防ぎつつ最も妥当な結果に絞り込むために、何通りかの条件を用いて繰り返し検索を行う必要がある。
具体的には、図２７に示すように、第１の条件が企業の電話番号（ハイフンで区切られている電話番号）、第２の条件が企業の電話番号（ハイフンを除いた部分のＡＮＤ条件）、第３の条件が企業の名称の全体と所在地の一部のＡＮＤ条件、第４の条件が企業の名称の一部と所在地の一部のＡＮＤ条件である。
【００１０】
ユーザは、第１の条件で検索を行って１件以上の結果が得られれば、その中から最も妥当な結果を選択するか、あるいは、妥当な結果がないと判断し、検索を終了する。
第１の条件で１件も結果が得られなかった場合、次に第２の条件で検索を行って同様の判断を行う。以下、第３の条件、第４の条件に関しても同様であるが、第４の条件による検索の結果が０件であった場合、妥当な結果がないと判断し、検索を終了する。
【００１１】
【発明が解決しようとする課題】
従来の情報検索装置は以上のように構成されているので、複数の検索結果が得られた場合、それらの検索結果の順序と検索目的における妥当性とは必ずしも一致しない。そのため、ユーザが各検索結果の妥当性を順次チェックする必要があり、検索結果の数が多くなると作業に長時間を要するなどの課題があった。
また、なるべく少ない検索結果を得ようとすると、複数の検索条件を用いて検索を繰り返す必要があり、作業に長時間を要する課題があった。
【００１２】
この発明は上記のような課題を解決するためになされたもので、ユーザによる検索結果の妥当性のチェックを省略することができる情報検索装置、情報検索方法及び情報検索プログラムを得ることを目的とする。
【００１３】
【課題を解決するための手段】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、その抽出手段により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索手段とを設け、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００１４】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００１５】
この発明に係る情報検索装置は、順位決定手段が順位の高いウェブページのアドレスから順番に出力するようにしたものである。
【００１６】
この発明に係る情報検索装置は、順位決定手段が順位の高いウェブページの部分内容から順番に出力するようにしたものである。
【００１７】
この発明に係る情報検索装置は、順位決定手段がウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するようにしたものである。
【００１８】
この発明に係る情報検索装置は、検索手段が抽出手段により抽出された文字列及び検索キーワードの正規化を実施するようにしたものである。
【００１９】
この発明に係る情報検索装置は、検索手段が電話番号を検索キーワードとして用いるようにしたものである。
【００２０】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するようにしたものである。
【００２１】
この発明に係る情報検索装置は、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、検索手段が抽出手段により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するようにしたものである。
【００２２】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索し、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００２３】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００２４】
この発明に係る情報検索方法は、順位の高いウェブページのアドレスから順番に出力するようにしたものである。
【００２５】
この発明に係る情報検索方法は、順位の高いウェブページの部分内容から順番に出力するようにしたものである。
【００２６】
この発明に係る情報検索方法は、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するようにしたものである。
【００２７】
この発明に係る情報検索方法は、抽出した文字列及び検索キーワードの正規化を実施するようにしたものである。
【００２８】
この発明に係る情報検索方法は、電話番号を検索キーワードとして用いるようにしたものである。
【００２９】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するようにしたものである。
【００３０】
この発明に係る情報検索方法は、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索するようにしたものである。
【００３１】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、抽出処理手順により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索処理手順とを設け、順位決定処理手順が検索処理手順により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００３２】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するようにしたものである。
【００３３】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するようにしたものである。
【００３４】
この発明に係る情報検索プログラムは、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、検索処理手順が抽出処理手順により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するようにしたものである。
【００３５】
【発明の実施の形態】
以下、この発明の実施の一形態を説明する。
実施の形態１．
図１はこの発明の実施の形態１による情報検索装置を示す構成図であり、図において、２１はＷＷＷサーバ、２２はインターネット、２３はインターネット情報検索システム、２４はＷＷＷサーバ２１にアクセスして、ＷＷＷサーバ２１からウェブページを収集するＷＷＷ情報収集部（収集手段）、２５はＷＷＷ情報収集部２４により収集されたウェブページから検索キーワードと同一属性の文字列（例えば、電話番号、名称、所在地などを示す文字列）及び検索キーワードと異なる属性の文字列を抽出するとともに、そのウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定する情報抽出部（抽出手段）、２６は情報抽出部２５により抽出された文字列とスコアがウェブページのＵＲＬに対応付けられている抽出情報リストを格納する抽出情報記憶装置である。
【００３６】
２７は検索対象を指定する検索キーワードを含む検索対象情報を格納する検索対象情報記憶装置、２８は情報抽出部２５により抽出された文字列のうち、検索対象情報記憶装置２７に格納されている検索キーワードと一致する文字列を検索する結合演算処理部（検索手段）、２９は結合演算処理部２８により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定し、順位の高いウェブページのＵＲＬから順番に出力するランキング処理部（順位決定手段）、３０はランキング処理部２９から出力されたウェブページのＵＲＬを格納する結果情報記憶装置である。
【００３７】
図２はＷＷＷ情報収集部２４の内部を示す構成図であり、図において、２４ａは収集すべきウェブページのＵＲＬを保持する取得要求ＵＲＬキュー、２４ｂはＷＷＷサーバ２１から取得要求ＵＲＬキュー２４ａに保持されているＵＲＬに係るウェブページをダウンロードするダウンロード部、２４ｃはダウンロード部２４ｂによる同一ウェブページのダウンロードを防止するために、ダウンロード部２４ｂによりダウンロードされたウェブページのＵＲＬ一覧を格納する既取得ＵＲＬ記憶装置、２４ｄはダウンロード部２４ｂによりダウンロードされたウェブページを格納するＵＲＬコンテンツ記憶装置、２４ｅはＵＲＬコンテンツ記憶装置２４ｄに格納されているウェブページからＨＴＭＬのハイパーリンクを取り出し、そのリンク先を示すＵＲＬを取得要求ＵＲＬキュー２４ａに挿入するリンク抽出部である。
【００３８】
図３は情報抽出部２５の内部を示す構成図であり、図において、２５ａはＵＲＬコンテンツ記憶装置２４ｄに格納されているウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行するＨＴＭＬ解析部、２５ｂはＨＴＭＬ解析部２５ａにより分離されたテキストを構成する文章を単語単位に分割するとともに、形態素解析を実行して各単語に品詞情報を付加する字句要素解析部、２５ｃは構文ルールを参照して検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を検索する構文解析部、２５ｄはウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定するとともに、その文字列とスコアをウェブページのＵＲＬに対応付けた抽出情報リストを生成する抽出情報管理部である。
【００３９】
次に動作について説明する。
ここでは、検索対象情報記憶装置２７は、図７に示すように、名称、所在地及び電話番号を含む企業情報を検索対象情報として格納しているものとする。即ち、複数の検索条件の指定を可能にするため、１以上の検索対象情報から構成される検索条件を少なくとも１以上リスト形式で格納している。なお、図７では１つの検索条件のみを記述している。
【００４０】
まず、ＷＷＷ情報収集部２４のダウンロード部２４ｂは、図４に示すように、既知のＷＷＷサーバ２１のＵＲＬが取得要求ＵＲＬキュー２４ａに初期設定されると（ステップＳＴ１１）、取得要求ＵＲＬキュー２４ａから既知のＷＷＷサーバ２１のＵＲＬを取得する（ステップＳＴ１２）。そして、既取得ＵＲＬ記憶装置２４ｃに格納されているＵＲＬ一覧を参照して、そのＵＲＬに係るウェブページを既にダウンロードしているか否かを確認する（ステップＳＴ１３）。この段階では、ウェブページのダウンロードはまだ行われていないので、そのＵＲＬに係るウェブページはダウンロードしていないと判断する。
なお、多くのウェブページをダウンロードするには、多くのＷＷＷサーバ２１へのリンクを含むＷＷＷサーバを初期ＵＲＬに指定することが望ましい。
【００４１】
ダウンロード部２４ｂは、そのＵＲＬに係るウェブページをダウンロードしていない場合、そのＵＲＬに対応するＷＷＷサーバ２１のＩＰアドレスを取得し（ステップＳＴ１４）、そのＷＷＷサーバ２１に対してＨＴＴＰのＧＥＴ要求を発行することにより（ステップＳＴ１５）、そのＷＷＷサーバ２１からウェブページをダウンロードしてＵＲＬコンテンツ記憶装置２４ｄに格納する（ステップＳＴ１６）。
【００４２】
リンク抽出部２４ｅは、ダウンロード部２４ｂがウェブページをＵＲＬコンテンツ記憶装置２４ｄに格納すると、既取得ＵＲＬ記憶装置２４ｃに格納されているＵＲＬ一覧に当該ウェブページのＵＲＬを追加するとともに（ステップＳＴ１７）、そのウェブページの内容からリンク情報を抽出し、リンク先のＵＲＬを取得要求ＵＲＬキュー２４ａに挿入する（ステップＳＴ１８）。
【００４３】
ダウンロード部２４ｂは、取得要求ＵＲＬキュー２４ａに新たなＵＲＬが挿入されているか否かを判断し、取得要求ＵＲＬキュー２４ａが空であれば処理を終了する。一方、新たなＵＲＬが挿入されていれば、ステップＳＴ１２に戻り、ステップＳＴ１２〜ＳＴ１８の処理を繰り返し実行する（ステップＳＴ１９）。
【００４４】
情報抽出部２５のＨＴＭＬ解析部２５ａは、ダウンロード部２４ｂがウェブページをＵＲＬコンテンツ記憶装置２４ｄに格納すると、各ウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行する。
字句要素解析部２５ｂは、ＨＴＭＬ解析部２５ａがテキストを分離すると、そのテキストを構成する文章を単語単位に分割するとともに、形態素解析を実行して各単語に品詞情報を付加する。なお、品詞情報は「名詞」、「助詞」、「動詞」などの大分類だけでなく、「名詞−固有名詞−地名」といった詳細まで含むものであり、構文解析部２５ｃが参照する構文ルール中で使用される。
【００４５】
構文解析部２５ｃは、字句要素解析部２５ｂにより分解された単語と品詞の列から、構文ルール（図９を参照）に指定された認識パターンに合致する部分列を取り出し、合致した認識パターンの名称とともに文字列を出力する。図９では、認識パターンとして、＜電話番号＞、＜名称＞、＜所在地＞が記述されているので、電話番号、名称、または所在地と考えられる文字列に対して、それぞれ「＜電話番号＞文字列値」、「＜名称＞文字列値」、「＜所在地＞文字列値」という形式で出力し、それ以外の文字列に対しては出力を生成しない。認識パターンは文字列の意味を表す「属性」に対応しており、構文解析部２５ｃの出力は一般的には文字列属性と文字列値の組の列となる。
【００４６】
ここで、構文ルールは、例えば、ＲＦＣ２２３４（ｈｔｔｐ：／／ｒｆｃ．ｎｅｔ／ｒｆｃ２２３４．ｈｔｍｌ）に規定されたＡＢＮＦ（ＡｕｇｍｅｎｔｅｄＢａｃｋｕｓ−Ｎａｕｒ Ｆｏｒｍ、拡張Ｂａｃｋｕｓ−Ｎａｕｒ記法）を用いて記述することができる。構文ルールに従った認識は公知のコンパイラ技術であるＬＲ構文解析を用いて実現することができる。また、構文ルールに記述したパターン以外はエラーとなるが、ここではエラーは無視し、何も出力しない。
【００４７】
抽出情報管理部２５ｄは、構文解析部２５ｃの出力に基づき、１つのウェブページに含まれていた文字列属性と文字列値の種類や出現頻度に応じて当該ウェブページのスコアを設定する。
具体的には、図１１に示すような対応表（文字列属性と文字列値に応じたスコアを示している）を参照してウェブページのスコアを設定するが、例えば、あるウェブページから検索された属性＜電話番号＞に対応する文字列値の種類が“１”、属性＜名称＞に対応する文字列値の種類が“４”、属性＜所在地＞に対応する文字列値の種類が“２”であれば、ウェブページのスコアは“９０”に設定される。
【００４８】
なお、図１１の例では、各文字列属性に対応する文字列値が存在しないウェブページのスコアを下げているが、これは記述が充実しておらず、正規の連絡先を伝える意図がないと思われるウェブページを除外するためである。一方、ある文字列属性に対応する文字列値の種類が多過ぎるウェブページもスコアを下げるようにしている。これは名簿などのように、第三者によって公開されているウェブページを除くためであり、例えば、４種類以上の電話番号が記述されたウェブページのスコアを下げている。
【００４９】
抽出情報管理部２５ｄは、上記のようにして、ウェブページのスコアを設定すると、ウェブページのＵＲＬ及びスコアと、文字列属性及び文字列値の組の列（図１０（ａ）の１行に相当）とから、ある文字列属性の文字列値をキーとする抽出情報インデックスを生成して抽出情報記憶装置２６に格納する（図１０（ｂ）を参照）。
【００５０】
ここでは、文字列属性として電話番号を用い、その値はハイフン、カッコ、空白などを除き数字のみで表される正規化電話番号としている。正規化電話番号を用いる理由は、名称や所在地などと比較して表記のゆれ（曖昧さ）が少ないと期待されるからである。
一般的には、１つのウェブページに対応して０個から複数個の抽出情報インデックスが生成されるが、それぞれのキー（正規化電話番号）に対し、抽出情報記憶装置２６に対応するエントリが存在しない場合は、キーとＵＲＬおよびスコアの組が新たなエントリとして挿入され、抽出情報記憶装置２６に対応するエントリが既に存在している場合は、当該エントリに対してＵＲＬおよびスコアの組を追加した上で抽出情報記憶装置２６に書き戻される。
【００５１】
結合演算処理部２８は、情報抽出部２５が全てのウェブページを処理した後に動作を開始する。
結合演算処理部２８は、情報抽出部２５により抽出された文字列のうち、検索対象情報記憶装置２７に格納されている検索キーワードと一致する文字列を検索する。
具体的には図５に示すように、結合演算処理部２８は、まず、検索対象情報記憶装置２７から検索対象情報（検索キーワード）を１つ取得する（ステップＳＴ２１）。ここでは、説明の便宜上、検索対象情報記憶装置２７から検索キーワードとして電話番号を取得するものとする。結合演算処理部２８は、検索キーワードとして電話番号を取得すると、その電話番号の正規化を行う（ステップＳＴ２２）。
ここで、正規化とは、表記の揺れを吸収するために行う処理であり、ハイフン、括弧や空白など、数字以外の区切り文字を取り除き、数字のみの文字列として電話番号を表す処理である。
【００５２】
結合演算処理部２８は、検索キーワードである電話番号の正規化を行うと、情報抽出部２５により抽出された文字列のうち、正規化後の電話番号と一致する文字列を検索する（ステップＳＴ２３）。
【００５３】
結合演算処理部２８は、正規化後の電話番号と一致する文字列が存在する場合には、その文字列（＝正規化後の電話番号）と当該文字列が記述されているウェブページのＵＲＬ及び当該ウェブページのスコアとの対応表である出現ＵＲＬリスト（図１０（ｂ）を参照）をランキング処理部２９に出力する（ステップＳＴ２５）。
なお、結合演算処理部２８は、全ての検索対象情報について処理を実施したか否かを判断し、全ての検索対象情報について処理を実施していない場合には、ステップＳＴ２１に戻り、ステップＳＴ２１〜ＳＴ２５の処理を繰り返し実行する（ステップＳＴ２６）。
【００５４】
ランキング処理部２９は、結合演算処理部２８が文字列の検索処理を完了すると、検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定し、順位の高いウェブページのＵＲＬから順番に出力する。図８の例では、上位２つのウェブページのＵＲＬが出力されていることを示している。
【００５５】
ここでは、ランキング処理部２９がウェブページの順位を当該ウェブページのスコアを参照して決定するものについて示したが、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバ２１の順位を決定するようにしてもよい。具体的には図６に示す通りである。
【００５６】
ランキング処理部２９は、まず、結合演算処理部２８の検索結果を１つ取り出し（ステップＳＴ３１）、出現ＵＲＬリストにおける複数のＵＲＬをサーバ毎にまとめる処理を実行する（ステップＳＴ３２）。即ち、ＨＴＴＰにおいては、ｈｔｔｐ：／／に続く部分がサーバ名であるので、そのサーバ名を参照して、複数のＵＲＬをサーバ毎にまとめる処理を実行する。
【００５７】
次に、各ウェブページのスコアに基づき、各ＷＷＷサーバ２１に属するウェブページのスコアの最大値をＷＷＷサーバ２１のスコアとして設定する（ステップＳＴ３３）。
そして、複数のＷＷＷサーバ２１の順位を、当該ＷＷＷサーバ２１のスコアや当該ＷＷＷサーバ２１に属するウェブページの個数によってランキングする（ステップＳＴ３４）。
【００５８】
ランキング処理部２９は、上位にランキングされたＷＷＷサーバ２１、例えば、上位３つ以内のＷＷＷサーバ２１のＵＲＬのみを順番に出力する（ステップＳＴ３５）。
ランキング処理部２９は、全ての検索結果について処理を実行したか否かを判定し、未処理の検索結果があれば、ステップＳＴ３１に戻り、ステップＳＴ３１〜ＳＴ３５の処理を繰り返し実行する（ステップＳＴ３６）。
【００５９】
以上で明らかなように、この実施の形態１によれば、ＷＷＷ情報収集部２４により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出するとともに、そのウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果を奏する。
【００６０】
なお、この実施の形態１では、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
図１２はコンピュータを用いて構成する場合のハードウエア構成図であり、図において、４１は情報検索プログラムを実行するＣＰＵであり、ＷＷＷ情報収集部２４、情報抽出部２５、結合演算処理部２８及びランキング処理部２９の機能を有している。４２は情報検索プログラムやプログラムの実行に必要なデータを格納するメモリ、４３はコンソール入出力装置４４との入出力を行うコンソールインタフェース、４４はコンソール入出力装置、４５はハードディスク装置４６をアクセスするディスクインタフェース、４６はハードディスク装置、４７はインターネット２２に接続するネットワークインタフェースである。
【００６１】
実施の形態２．
上記実施の形態１では、順位の高いウェブページのＵＲＬから順番に出力するものについて示したが、順位の高いウェブページの部分内容から順番に出力するようにしてもよい。
例えば、検索対象情報として製品名を用いることにより、ウェブページ上で製品と共に記述されている価格を出力するようにする。
これにより、ユーザは実際にウェブページをアクセスすることなく、ウェブページの部分内容、即ち、目的の情報を知ることができる効果を奏する。
【００６２】
実施の形態３．
図１３はこの発明の実施の形態３による情報検索装置を示す構成図であり、図において、図１と同一符号は同一または相当部分を示すので説明を省略する。
５１は検索キーワードと一致する文字列を含むウェブページのＵＲＬを検索する検索エンジン、５２は検索キーワードを検索エンジン５１に与えて、検索エンジン５１から検索結果であるウェブページのＵＲＬを取得する検索エンジン問合せ部、５３は検索エンジン問合せ部５２により取得されたＵＲＬを有するウェブページをＷＷＷサーバ２１からダウンロードするダウンロード部である。なお、検索エンジン問合せ部５２及びダウンロード部５３から収集手段が構成されている。
【００６３】
５４はダウンロード部５３によりダウンロードされたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出する属性抽出部、５５はダウンロード部５３によりダウンロードされたウェブページに対する当該文字列の記述の程度に応じて当該ウェブページのスコアを設定するスコア設定部である。なお、属性抽出部５４及びスコア設定部５５から抽出手段が構成されている。５６はダウンロード部５３によりダウンロードされたウェブページの順位を当該ウェブページのスコアを参照して決定するランキング処理部（順位決定手段）である。
【００６４】
次に動作について説明する。
検索エンジン問合せ部５２は、検索エンジン５１に対して検索キーワード（例えば、企業名）を渡して検索を要求することにより、検索エンジン５１の検索結果として１以上のウェブページのＵＲＬを取得する。検索エンジン５１のインタフェースは、ＨＴＴＰプロトコルやＨＴＭＬフォーマットといった標準仕様に基づいており、検索キーワードの指定や結果からのＵＲＬ抽出は容易に実現できる。
【００６５】
ダウンロード部５３は、検索エンジン問合せ部５２が１以上のウェブページのＵＲＬを取得すると、ＷＷＷサーバ２１からインターネット２２を介して、それらのＵＲＬに対応するウェブページ（ＨＴＭＬファイル）をダウンロードし、そのウェブページを属性抽出部５４に出力する。
【００６６】
属性抽出部５４は、ダウンロード部５３から１以上のウェブページを受け取ると、まず、情報抽出部２５のＨＴＭＬ解析部２５ａと同様に、各ウェブページに対してＨＴＭＬのタグと通常のテキストを分離する処理を実行する。
次に、属性抽出部５４は、情報抽出部２５の字句要素解析部２５ｂと同様に、その分離したテキストを構成する文章を単語単位に分解し、形態素解析を実行して各単語に品詞情報を付加する。なお、品詞情報は「名詞」、「助詞」、「動詞」などの大分類だけでなく、「名詞−固有名詞−地名」といった詳細まで含むものであり、以下、属性抽出部５４が参照する構文ルール中で使用される。
【００６７】
次に、属性抽出部５４は、情報抽出部２５の構文解析部２５ｃと同様に、その分解した単語と品詞の列から、構文ルールに指定された認識パターンに合致する部分列を取り出し、合致した認識パターンの名称とともに文字列を出力する。図９の構文ルールの例では、この実施の形態３の検索目的に合わせて、＜電話番号＞、＜名称＞、＜所在地＞の認識パターンが記述されているので、これらのいずれかと考えられる文字列に対して、それぞれ「＜電話番号＞文字列値」、「＜名称＞文字列値」、「＜所在地＞文字列値」という形式で出力し、それ以外の文字列に対しては出力を生成しない。認識パターンは文字列の意味を表す「属性」に対応しており、属性抽出部５４の出力は一般的には文字列属性と文字列値の組の列となる（図１４を参照）。
【００６８】
ここで、構文ルールは、例えば、ＲＦＣ２２３４（ｈｔｔｐ：／／ｒｆｃ．ｎｅｔ／ｒｆｃ２２３４．ｈｔｍｌ）に規定されたＡＢＮＦ（ＡｕｇｍｅｎｔｅｄＢａｃｋｕｓ−Ｎａｕｒ Ｆｏｒｍ、拡張Ｂａｃｋｕｓ−Ｎａｕｒ記法）を用いて記述することができる。構文ルールに従った認識は公知のコンパイラ技術であるＬＲ構文解析を用いて実現することができる。また、構文ルールに記述したパターン以外はエラーとなるが、ここではエラーは無視して何も出力しない。
【００６９】
スコア設定部５５は、情報抽出部２５の抽出情報管理部２５ｄと同様に、属性抽出部５４の出力に基づき、１つのウェブページに含まれていた文字列属性と文字列値の種類や出現頻度に応じて当該ウェブページのスコアを設定する。
具体的には、図１１に示すような対応表（文字列属性と文字列値に応じたスコアを示している）を参照してウェブページのスコアを設定するが、例えば、あるウェブページから検索された属性＜電話番号＞に対応する文字列値の種類が“１”、属性＜名称＞に対応する文字列値の種類が“４”、属性＜所在地＞に対応する文字列値の種類が“２”であれば、ウェブページのスコアは“９０”に設定される。
【００７０】
なお、図１１の例では、各文字列属性に対応する文字列値が存在しないウェブページのスコアを下げているが、これは記述が充実しておらず、正規の連絡先を伝える意図がないと思われるウェブページを除外するためである。一方、ある文字列属性に対応する文字列値の種類が多過ぎるウェブページもスコアを下げるようにしているが、これは名簿などのように第三者によって公開されているウェブページを除くためであり、例えば４種類以上の電話番号が書かれたウェブページのスコアを下げている。
スコア設定部５５は、上記のようにして、ウェブページのスコアを設定すると、当該ウェブページのＵＲＬとスコアとを組にしてランキング処理部５６に出力する（図１５を参照）。
【００７１】
ランキング処理部５６は、検索エンジン５１の全ての検索結果に対応するＵＲＬとスコアの組とをスコア設定部５５から受け取ると、それらの複数のＵＲＬをＷＷＷサーバ２１毎にまとめる処理を実行する。即ち、ＨＴＴＰにおいてはｈｔｔｐ：／／に続く部分がＷＷＷサーバ名であるので、そのＷＷＷサーバ名を参照して複数のＵＲＬをＷＷＷサーバ２１毎にまとめる処理を実行する。
次に、各ＵＲＬのスコアに基づき、各ＷＷＷサーバ２１に属するＵＲＬスコアの最大値をＷＷＷサーバ２１のスコアとして設定する。
【００７２】
そして、複数のＷＷＷサーバ２１の順位を、当該ＷＷＷサーバ２１のスコアや当該ＷＷＷサーバ２１に属するＵＲＬの個数によってランキングする。
ランキング処理部５６は、上位にランキングされたＷＷＷサーバ２１、例えば、上位３つ以内のＷＷＷサーバ２１について、当該ＷＷＷサーバ２１内で最大スコアを持つＵＲＬのみを順番に出力する（図１６を参照）。
【００７３】
以上で明らかなように、この実施の形態３によれば、検索エンジン５１による検索結果の複数ウェブページに対し、検索キーワード以外の文字列も対象にして文字列属性とその値を取り出し、その記述の程度に応じて設定した当該ウェブページのスコアに基づいて当該ウェブページの順位を決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができ、ユーザが妥当な結果を選択する作業を省略することができる効果を奏する（図１７を参照）。
【００７４】
なお、この実施の形態３においても、上記実施の形態１と同様に、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
また、この実施の形態３では、ＵＲＬを返すものについて示したが、抽出した情報（例えば、電話番号から企業名、製品名から価格）を返すようにしてもよい。
【００７５】
実施の形態４．
図１８はこの発明の実施の形態４による情報検索装置を示す構成図であり、図において、図１及び図１３等と同一符号は同一または相当部分を示すので説明を省略する。
６１はスコア設定部５５から受け取ったウェブページのＵＲＬ及びスコアと、文字列属性及び文字列値の組の列とから、ある文字列属性の文字列値をキーとする抽出情報インデックスを生成する抽出情報管理部、６２はウェブページのＵＲＬを上位のウェブページのＵＲＬに変更するＵＲＬ修正部（順位決定手段）である。
図２０はＵＲＬ修正部６２の処理内容を示すフローチャートである。
【００７６】
次に動作について説明する。
抽出情報管理部６１は、上記実施の形態３と同様にしてスコア設定部５５がウェブページのスコアを設定すると、スコア設定部５５から受け取ったウェブページのＵＲＬ及びスコアと、文字列属性及び文字列値の組の列（図１０（ａ）の1行に相当）とから、ある文字列属性の文字列値をキーとする抽出情報インデックスを生成して抽出情報記憶装置２６に格納する（図１９を参照）。
【００７７】
ここでは、文字列属性として電話番号を用い、その値はハイフン、カッコ、空白などを除き数字のみで表される正規化電話番号としている。正規化電話番号を用いる理由は、名称や所在地などと比較して表記のゆれ（曖昧さ）が少ないと期待されるからである。
一般的には、１つのウェブページに対応して０個から複数個の抽出情報インデックスが生成されるが、それぞれのキー（正規化電話番号）に対し、抽出情報記憶装置２６に対応するエントリが存在しない場合は、キーとＵＲＬおよびスコアの組が新たなエントリとして挿入され、抽出情報記憶装置２６に対応するエントリが既に存在している場合は、当該エントリに対してＵＲＬおよびスコアの組を追加した上で抽出情報記憶装置２６に書き戻される。
【００７８】
ランキング処理部５６は、ＷＷＷ情報収集部２４による情報収集が完了し、収集した全てのウェブページに対応する抽出情報が抽出情報記憶装置２６に格納された時点で動作を開始する。
ランキング処理部５６は、抽出情報記憶装置２６からエントリを１つずつ取り出し、上記実施の形態３と同様の処理を実行して各エントリのキー（正規化電話番号）に対応するＵＲＬの内でスコアの高いウェブページおよびＷＷＷサーバ２１に関するものを出力する。
【００７９】
ＵＲＬ修正部６２は、ランキング処理部５６からキー（正規化電話番号）とＵＲＬ（複数）を受け取ると、図２０に示すように、既取得ＵＲＬ記憶装置２４ｃとＵＲＬコンテンツ記憶装置２４ｄに格納された情報を参照してＵＲＬ文字列に修正を加え、修正後のＵＲＬ文字列を結果情報記憶装置３０に格納する。
即ち、ＵＲＬに対応するＨＴＭＬファイルをＵＲＬコンテンツ記憶装置２４ｄから検索し、内容として上位のＵＲＬを指すハイパーリンクが含まれていたら、そのＵＲＬで元のＵＲＬを置き換える。
【００８０】
ここで、上位のＵＲＬとは、ＵＲＬ文字列を“／”で区切って最後の要素（ファイル名に対応）を無視した場合、要素数が元のＵＲＬより少なく、全ての要素が元のＵＲＬに含まれているものを指す。例えば、元のＵＲＬがｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ／ｐｃ．ｈｔｍｌであった場合、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌは上位ＵＲＬであるが、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ／やｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ／ｉｎｄｅｘ．ｈｔｍｌは上位ＵＲＬとはみなさない。
【００８１】
さらに、ＵＲＬ文字列がファイル名を表している場合（“／”で終わっていない場合）、ＵＲＬ文字列の末尾のファイル名部分を取り除くことでディレクトリのＵＲＬを生成し、既取得ＵＲＬ記憶装置２４ｃを検索して当該ディレクトリＵＲＬへのアクセス記録が存在したら当該ディレクトリＵＲＬが有効であると判断して元のＵＲＬをディレクトリＵＲＬに置き換える。例えば、元のＵＲＬがｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｇａｉｙｏｕ．ｈｔｍｌである場合、対応するディレクトリＵＲＬとしてｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／を生成し、既取得ＵＲＬ記憶装置２４ｃを検索の上、当該ＵＲＬの存在が確認できたらＵＲＬをｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／に書き換える。
【００８２】
また、既取得ＵＲＬ記憶装置２４ｃに当該ディレクトリＵＲＬへのアクセス記録が存在しなかった場合、当該ディレクトリＵＲＬが無効であると判断する。この場合、当該ディレクトリ内のファイルＵＲＬのうち、ホームページのＵＲＬとして最も妥当性が高いものを選択する。例えば、元のＵＲＬ ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｇａｉｙｏｕ．ｈｔｍｌに対し、既取得ＵＲＬ記憶装置２４ｃを検索して得られた同一ディレクトリ内のファイルＵＲＬがｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｇａｉｙｏｕ．ｈｔｍｌ（便宜上元のＵＲＬ自体も含める）、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｐｒｏｄｕｃｔｓ．ｈｔｍｌ、ｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌであったとすると、ホームページＵＲＬとしては一般にｉｎｄｅｘ．ｈｔｍｌの妥当性が高いので、ＵＲＬをｈｔｔｐ：／／ｗｗｗ．ａ．ｃｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌに書き換える。妥当性の優劣が付けられない場合にはＵＲＬの書き換えは行なわない。
なお、図２１はＵＲＬ修正部６２におけるファイル名の妥当性の設定例を示す説明図である。
【００８３】
結果情報記憶装置３０から企業ホームページを検索する際には、対象企業の電話番号を正規化（ハイフン、カッコ、空白など非数字文字の除去）した文字列で検索することでＵＲＬが得られる。
【００８４】
以上で明らかなように、この実施の形態４によれば、ＷＷＷサーバ２１から収集した情報を元に検索結果としてのウェブページの妥当性を判定し、より妥当なウェブページのＵＲＬを結果とするようにしたので、検索キーワードが含まれているとは限らない妥当な結果を返すことができ、ユーザが結果を修正する作業を省略することができる効果を奏する（図２２を参照）。
【００８５】
なお、この実施の形態４においても、上記実施の形態１と同様に、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
【００８６】
実施の形態５．
図２３はこの発明の実施の形態５による情報検索装置を示す構成図であり、図において、図１８と同一符号は同一または相当部分を示すので説明を省略する。７１は既知の正規化電話番号（検索キーワード）等を記憶する既知情報記憶装置、７２は抽出情報記憶装置２６に記憶されている文字列のうち、既知情報記憶装置７１に記憶されている検索キーワードと一致しない文字列を検索する反結合演算部（検索手段）、７３は反結合演算部７２により検索された文字列を記憶する未知情報記憶装置である。
【００８７】
次に動作について説明する。
反結合演算部７２は、ＷＷＷ情報収集部２４による情報収集が完了し、収集した全てのウェブページに対応する抽出情報が抽出情報記憶装置２６に格納された時点で動作を開始する。
反結合演算部７２は、抽出情報記憶装置２６に格納されたエントリのうち、キー（正規化電話番号）が既知情報記憶装置７１に存在しないものを未知情報記憶装置７３に格納する。
【００８８】
ここで、既知情報記憶装置７１には、抽出情報記憶装置２６と同様に、予め正規化された形式でキー（電話番号）が格納されているものとする（図２４を参照）。
具体的には、反結合演算部７２は、抽出情報記憶装置２６からエントリのキーを１つ取得し、既知情報記憶装置７１を検索して当該キーが存在しなかった場合のみ当該エントリを出力する、という処理を抽出情報記憶装置２６の全てのエントリに対して実行する。
【００８９】
以上のように、この実施の形態５によれば、ＷＷＷサーバ２１から収集した情報から検索対象の属性（電話番号）を有する文字列を抽出するようにしたので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果を奏する。
【００９０】
なお、この実施の形態５においても、上記実施の形態１と同様に、インターネット情報検索システム２３の構成要素をＩＣなどの専用のハードウエアを用いて構成してもよいし、ソフトウエア（情報検索プログラム）を実行するコンピュータを用いて構成してもよい。
【００９１】
【発明の効果】
以上のように、この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、その抽出手段により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索手段とを設け、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果がある。
【００９２】
この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができるようになり、その結果、ユーザが妥当な結果を選択する作業を省略することができる効果がある。
【００９３】
この発明によれば、順位決定手段が順位の高いウェブページのアドレスから順番に出力するように構成したので、妥当性の高いウェブページからアクセスすることが可能になる効果がある。
【００９４】
この発明によれば、順位決定手段が順位の高いウェブページの部分内容から順番に出力するように構成したので、ユーザが実際にウェブページをアクセスすることなく、目的の情報を知ることができる効果がある。
【００９５】
この発明によれば、順位決定手段がウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するように構成したので、妥当性の高いウェブページを保有するＷＷＷサーバを認識することができる効果がある。
【００９６】
この発明によれば、検索手段が抽出手段により抽出された文字列及び検索キーワードの正規化を実施するように構成したので、表記の揺れを吸収して検索精度を高めることができる効果がある。
【００９７】
この発明によれば、検索手段が電話番号を検索キーワードとして用いるように構成したので、企業や団体についての情報を的確に検索することができる効果がある。
【００９８】
この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するように構成したので、検索キーワードが含まれているとは限らない妥当な結果を返すことができるようになり、その結果、ユーザが結果を修正する作業を省略することができる効果がある。
【００９９】
この発明によれば、収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段を設け、検索手段が抽出手段により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するように構成したので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果がある。
【０１００】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索し、順位決定手段が検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果がある。
【０１０１】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができるようになり、その結果、ユーザが妥当な結果を選択する作業を省略することができる効果がある。
【０１０２】
この発明によれば、順位の高いウェブページのアドレスから順番に出力するように構成したので、妥当性の高いウェブページからアクセスすることが可能になる効果がある。
【０１０３】
この発明によれば、順位の高いウェブページの部分内容から順番に出力するように構成したので、ユーザが実際にウェブページをアクセスすることなく、目的の情報を知ることができる効果がある。
【０１０４】
この発明によれば、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定するように構成したので、妥当性の高いウェブページを保有するＷＷＷサーバを認識することができる効果がある。
【０１０５】
この発明によれば、抽出した文字列及び検索キーワードの正規化を実施するように構成したので、表記の揺れを吸収して検索精度を高めることができる効果がある。
【０１０６】
この発明によれば、電話番号を検索キーワードとして用いるように構成したので、企業や団体についての情報を的確に検索することができる効果がある。
【０１０７】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するように構成したので、検索キーワードが含まれているとは限らない妥当な結果を返すことができるようになり、その結果、ユーザが結果を修正する作業を省略することができる効果がある。
【０１０８】
この発明によれば、抽出手段が収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が抽出手段により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索するように構成したので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果がある。
【０１０９】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、抽出処理手順により抽出された文字列のうち、その検索キーワードと一致する文字列を検索する検索処理手順とを設け、順位決定処理手順が検索処理手順により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、ユーザによる検索結果の妥当性のチェックを省略することができる効果がある。
【０１１０】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するように構成したので、検索キーワードの指定だけでは除外できない不適当な結果を除外することができるようになり、その結果、ユーザが妥当な結果を選択する作業を省略することができる効果がある。
【０１１１】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、順位決定処理手順が収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更するように構成したので、検索キーワードが含まれているとは限らない妥当な結果を返すことができるようになり、その結果、ユーザが結果を修正する作業を省略することができる効果がある。
【０１１２】
この発明によれば、収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順を設け、検索処理手順が抽出処理手順により抽出された文字列のうち、検索キーワードと一致しない文字列を検索するように構成したので、具体的に検索対象の値を指定することが不可能な検索を実行することができる効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１による情報検索装置を示す構成図である。
【図２】 ＷＷＷ情報収集部の内部を示す構成図である。
【図３】 情報抽出部の内部を示す構成図である。
【図４】 ＷＷＷ情報収集部の処理内容を示すフローチャートである。
【図５】 結合演算処理部の処理内容を示すフローチャートである。
【図６】 ランキング処理部の処理内容を示すフローチャートである。
【図７】 検索対象情報を示す説明図である。
【図８】 結果情報を示す説明図である。
【図９】 構文ルールを示す説明図である。
【図１０】 抽出情報リストや出現ＵＲＬリストを示す説明図である。
【図１１】 スコアの設定方法を説明するための説明図である。
【図１２】 コンピュータ用いて構成する場合のハードウエア構成図である。
【図１３】 この発明の実施の形態３による情報検索装置を示す構成図である。
【図１４】 属性抽出部の出力情報を示す説明図である。
【図１５】 スコア設定部の出力情報を示す説明図である。
【図１６】 ランキング処理部の出力情報を示す説明図である。
【図１７】 この発明の実施の形態３による情報検索装置の効果を示す説明図である。
【図１８】 この発明の実施の形態４による情報検索装置を示す構成図である。
【図１９】 抽出情報インデックスを示す説明図である。
【図２０】 ＵＲＬ修正部の処理内容を示すフローチャートである。
【図２１】 ＵＲＬ修正部におけるファイル名の妥当性の設定例を示す説明図である。
【図２２】 この発明の実施の形態４による情報検索装置の効果を示す説明図である。
【図２３】 この発明の実施の形態５による情報検索装置を示す構成図である。
【図２４】 抽出情報記憶装置及び未知情報記憶装置の記憶内容を示す説明図である。
【図２５】 従来の情報検索装置を示す構成図である。
【図２６】 インデックス情報の一例を示す説明図である。
【図２７】 検索対象情報を示す説明図である。
【符号の説明】
２１ ＷＷＷサーバ、２２ インターネット、２３ インターネット情報検索システム、２４ ＷＷＷ情報収集部（収集手段）、２４ａ 取得要求ＵＲＬキュー、２４ｂ ダウンロード部、２４ｃ 既取得ＵＲＬ記憶装置、２４ｄ ＵＲＬコンテンツ記憶装置、２４ｅ リンク抽出部、２５ 情報抽出部（抽出手段）、２５ａ ＨＴＭＬ解析部、２５ｂ 字句要素解析部、２５ｃ 構文解析部、２５ｄ 抽出情報管理部、２６ 抽出情報記憶装置、２７ 検索対象情報記憶装置、２８ 結合演算処理部（検索手段）、２９ ランキング処理部（順位決定手段）、３０ 結果情報記憶装置、４１ ＣＰＵ、４２ メモリ、４３ コンソールインタフェース、４４ コンソール入出力装置、４５ ディスクインタフェース、４６ ハードディスク装置、４７ ネットワークインタフェース、５１ 検索エンジン、５２ 検索エンジン問合せ部（収集手段）、５３ ダウンロード部（収集手段）、５４ 属性抽出部（抽出手段）、５５ スコア設定部（抽出手段）、５６ ランキング処理部（順位決定手段）、６１ 抽出情報管理部、６２ ＵＲＬ修正部（順位決定手段）、７１ 既知情報記憶装置、７２ 反結合演算部（検索手段）、７３ 未知情報記憶装置。
Claims (22)
- ＷＷＷサーバからウェブページを収集する収集手段と、上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、上記抽出手段により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索する検索手段と、上記検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定する順位決定手段とを備えた情報検索装置。
- ＷＷＷサーバから検索キーワードと一致する文字列を含むウェブページを収集する収集手段と、上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、上記収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定する順位決定手段とを備えた情報検索装置。
- 順位決定手段は、順位の高いウェブページのアドレスから順番に出力することを特徴とする請求項１または請求項２記載の情報検索装置。
- 順位決定手段は、順位の高いウェブページの部分内容から順番に出力することを特徴とする請求項１または請求項２記載の情報検索装置。
- 順位決定手段は、ウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定することを特徴とする請求項１または請求項２記載の情報検索装置。
- 検索手段は、抽出手段により抽出された文字列及び検索キーワードの正規化を実施することを特徴とする請求項１記載の情報検索装置。
- 検索手段は、電話番号を検索キーワードとして用いることを特徴とする請求項１記載の情報検索装置。
- ＷＷＷサーバからウェブページを収集する収集手段と、上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、上記収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更する順位決定手段とを備えた情報検索装置。
- ＷＷＷサーバからウェブページを収集する収集手段と、上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出手段と、上記抽出手段により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索する検索手段とを備えた情報検索装置。
- 収集手段がＷＷＷサーバからウェブページを収集すると、抽出手段が上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が上記抽出手段により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索し、順位決定手段が上記検索手段により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定する情報検索方法。
- 収集手段がＷＷＷサーバから検索キーワードと一致する文字列を含むウェブページを収集すると、抽出手段が上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が上記収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定する情報検索方法。
- 順位決定手段が順位の高いウェブページのアドレスから順番に出力することを特徴とする請求項１０または請求項１１記載の情報検索方法。
- 順位決定手段が順位の高いウェブページの部分内容から順番に出力することを特徴とする請求項１０または請求項１１記載の情報検索方法。
- 順位決定手段がウェブページのスコアに基づいて当該ウェブページが属するＷＷＷサーバの順位を決定することを特徴とする請求項１０または請求項１１記載の情報検索方法。
- 検索手段が抽出手段により抽出された文字列及び検索キーワードの正規化を実施することを特徴とする請求項１０記載の情報検索方法。
- 検索手段が電話番号を検索キーワードとして用いることを特徴とする請求項１０記載の情報検索方法。
- 収集手段がＷＷＷサーバからウェブページを収集すると、抽出手段が上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、順位決定手段が上記収集手段により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更する情報検索方法。
- 収集手段がＷＷＷサーバからウェブページを収集すると、抽出手段が上記収集手段により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定し、検索手段が上記抽出手段により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索する情報検索方法。
- ＷＷＷサーバからウェブページを収集する収集処理手順と、上記収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、上記抽出処理手順により抽出された文字列のうち、上記検索キーワードと一致する文字列を検索する検索処理手順と、上記検索処理手順により検索された文字列が記述されているウェブページの順位を当該ウェブページのスコアを参照して決定する順位決定処理手順とをコンピュータに実行させるための情報検索プログラム。
- ＷＷＷサーバから検索キーワードと一致する文字列を含むウェブページを収集する収集処理手順と、上記収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照し て、そのウェブページのスコアを設定する抽出処理手順と、上記収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定する順位決定処理手順とをコンピュータに実行させるための情報検索プログラム。
- ＷＷＷサーバからウェブページを収集する収集処理手順と、上記収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、上記収集処理手順により収集されたウェブページの順位を当該ウェブページのスコアを参照して決定するとともに、そのウェブページのアドレスを上位のウェブページのアドレスに変更する順位決定処理手順とをコンピュータに実行させるための情報検索プログラム。
- ＷＷＷサーバからウェブページを収集する収集処理手順と、上記収集処理手順により収集されたウェブページから検索キーワードと同一属性の文字列及び上記検索キーワードと異なる属性の文字列を抽出して、そのウェブページに記述されている同一属性及び異なる属性の文字列毎の種類数を認識し、各属性の文字列毎の種類数の組み合わせとスコアの対応関係を示す対応表を参照して、そのウェブページのスコアを設定する抽出処理手順と、上記抽出処理手順により抽出された文字列のうち、上記検索キーワードと一致しない文字列を検索する検索処理手順とをコンピュータに実行させるための情報検索プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001302623A JP3898016B2 (ja) | 2001-09-28 | 2001-09-28 | 情報検索装置、情報検索方法及び情報検索プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001302623A JP3898016B2 (ja) | 2001-09-28 | 2001-09-28 | 情報検索装置、情報検索方法及び情報検索プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003108595A JP2003108595A (ja) | 2003-04-11 |
| JP3898016B2 true JP3898016B2 (ja) | 2007-03-28 |
Family
ID=19122830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001302623A Expired - Lifetime JP3898016B2 (ja) | 2001-09-28 | 2001-09-28 | 情報検索装置、情報検索方法及び情報検索プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3898016B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006123918A1 (en) * | 2005-05-20 | 2006-11-23 | Nhn Corporation | Query matching system and method, and computer readable recording medium recording program for implementing the method |
| JP2007233856A (ja) * | 2006-03-02 | 2007-09-13 | Sony Corp | 情報処理装置、情報処理システム、および方法、並びにコンピュータ・プログラム |
| US7475069B2 (en) | 2006-03-29 | 2009-01-06 | International Business Machines Corporation | System and method for prioritizing websites during a webcrawling process |
| US20070274300A1 (en) * | 2006-05-04 | 2007-11-29 | Microsoft Corporation | Hover to call |
| JP2008146207A (ja) * | 2006-12-07 | 2008-06-26 | Yuichiro Matsuda | コンテンツ検索方法、コンテンツ検索プログラム、および記録媒体 |
| JP4979643B2 (ja) * | 2008-05-27 | 2012-07-18 | ヤフー株式会社 | メッセージ判定装置、方法及びプログラム |
| CN101504673B (zh) * | 2009-03-24 | 2011-09-07 | 阿里巴巴集团控股有限公司 | 一种识别疑似仿冒网站的方法与系统 |
-
2001
- 2001-09-28 JP JP2001302623A patent/JP3898016B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003108595A (ja) | 2003-04-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8452766B1 (en) | Detecting query-specific duplicate documents | |
| US8332422B2 (en) | Using text search engine for parametric search | |
| US8255541B2 (en) | Method and apparatus for utilizing user feedback to improve signifier mapping | |
| US8812531B2 (en) | Concept bridge and method of operating the same | |
| US7020679B2 (en) | Two-level internet search service system | |
| US8589387B1 (en) | Information extraction from a database | |
| US20050222973A1 (en) | Methods and systems for summarizing information | |
| US20090299978A1 (en) | Systems and methods for keyword and dynamic url search engine optimization | |
| US8812508B2 (en) | Systems and methods for extracting phases from text | |
| US7310633B1 (en) | Methods and systems for generating textual information | |
| JP5084858B2 (ja) | サマリ作成装置、サマリ作成方法及びプログラム | |
| KR100359233B1 (ko) | 웹 정보 추출 방법 및 시스템 | |
| CN109643315A (zh) | 基于结构化网络知识自动生成中文本体库的方法、系统、计算机设备和计算机可读介质 | |
| JP2003173280A (ja) | データベース生成装置、データベース生成方法及びデータベース生成プログラム | |
| KR100455439B1 (ko) | 인터넷 자원의 도메인화와 확장 사이트맵을 이용한정보검색 및 브라우징방법 | |
| JP3898016B2 (ja) | 情報検索装置、情報検索方法及び情報検索プログラム | |
| Zhong et al. | PyA0: a Python toolkit for accessible math-aware search | |
| JP4649036B2 (ja) | 検索サーバーによるカテゴリの報告方法、レコードの報告方法、検索サービス装置 | |
| JP2001265774A (ja) | 情報検索方法、装置、および情報検索プログラムを記録した記録媒体、ハイパーテキスト情報検索システム | |
| KR101117171B1 (ko) | 검색 서비스를 위해 데이터를 생성하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
| KR100491254B1 (ko) | 웹사이트 디렉토리나 웹페이지에 대해 설명하는 단어들에하이퍼링크를 적용하는 검색 시스템 및 방법 | |
| KR20030082109A (ko) | 앤드 연산자를 이용한 색인어 검색 및 정보 제공 시스템및 방법 | |
| JP2000011003A (ja) | 公開文書要約装置およびそのためのプログラムを記録した記録媒体 | |
| JP2004258832A (ja) | 文書検索システムおよび文書検索方法 | |
| JP2002007431A (ja) | 情報探索装置、情報探索方法および記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 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: 20060829 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061027 |
|
| 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: 20061121 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061220 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3898016 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110105 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120105 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130105 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130105 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |