JP4088164B2 - ドキュメントスコア計算方法及び装置並びにプログラム - Google Patents
ドキュメントスコア計算方法及び装置並びにプログラム Download PDFInfo
- Publication number
- JP4088164B2 JP4088164B2 JP2003012517A JP2003012517A JP4088164B2 JP 4088164 B2 JP4088164 B2 JP 4088164B2 JP 2003012517 A JP2003012517 A JP 2003012517A JP 2003012517 A JP2003012517 A JP 2003012517A JP 4088164 B2 JP4088164 B2 JP 4088164B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- attribute information
- information
- procedure
- score
- 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】
本発明は、例えばインターネット上などに存在する多数の文書の中からユーザが参照すべき文書の候補を自動的に抽出するような場合に利用されるドキュメントスコア計算方法及び装置並びにプログラムに関する。
【０００２】
【従来の技術】
従来の一般的なテキスト検索システムの技術については非特許文献１に開示されている。また、Ｗｅｂから情報を収集して検索を行う従来のシステムについては非特許文献２に開示されている。
例えば、インターネットやＬＡＮのようなネットワーク上には様々なコンピュータが接続され、膨大な文書情報がアクセス可能な状態で存在している。これらの膨大な文書の中には目的とする文書が存在する可能性が高い。しかし、文書の数が膨大であるし、それぞれの文書が存在する場所もそれぞれ異なるので、これらの膨大な文書情報の中からユーザが必要とする特定の文書を探し出すのは難しい。
【０００３】
従来より、例えばインターネット上では目的の文書を検索するための検索サービスが提供されている。このような検索サービスを提供するシステム、すなわち検索エンジンにおいては、インターネット上で様々な場所に存在するＷＷＷ（World Wide Web）ページの文書情報を予め収集してデータベースに保持しておき、ユーザが入力したキーワードなどの検索条件と一致する文書をデータベースから抽出し、適合度の大きい順番で文書リストを一覧表示する。
【非特許文献１】
井上他：InfoBee テキスト情報検索技術，ＮＴＴ Ｒ＆Ｄ，ｖｏｌ．４６，Ｎｏ．１０，１９９７，ｐｐ．９３−９８
【非特許文献２】
McBryan：GENVL and WWWW: Tools for Taming the Web, Proc. of the first International WWW conference, 1994
【０００４】
【発明が解決しようとする課題】
上記のような検索サービスを提供するシステムにおいては、例えば一定の間隔で周期的に文書情報の収集を行い、更新されてた文書情報については最新の文書情報に更新し、古い文書情報は廃棄する。そして、収集された最新の文章情報だけに基づいて検索を実行している。
【０００５】
しかしながら、従来の検索サービスを利用して目的の文書を検索する場合には、ユーザの必要としない文書が検索結果として抽出される場合も多いのが実情である。
すなわち、インターネット上には信頼性の高い文書，信頼性の低い文書，利用価値の高い文書，利用価値の低い文書など様々な文書が混在しているため、キーワードの適合性を識別するだけでは、信頼性の低い文書や利用価値の低い文書が検索結果として抽出されるのを避けることはできない。
【０００６】
本発明は、大量の文書を検索する場合にユーザが必要とする文書により近い結果を得ることが可能なドキュメントスコア計算方法及び装置並びにプログラムを提供することを目的とする。
【０００７】
【課題を解決するための手段】
請求項１は、端末からの要求に応じて、ネットワーク上の更新される可能性のある複数の文書の情報を収集する文書情報収集手順と、収集された文書群の中から特定の文書を抽出するために利用される得点を文書毎に割り当てて文書リストを作成する文書リスト作成手順と、作成した文書リストをユーザー端末に入出力する入出力手順とを有するコンピュータが実行するドキュメントスコア計算方法において、前記文書情報収集手順で収集した各文書からその特性を表す属性情報を抽出する場合に、目的の文書自身に含まれている当該文書の更新日時，文書内リンク数，文書内タグ数及び文書サイズを一次属性情報とし、目的の文書を参照している他文書の数である被リンク数を二次属性情報とし、前記一次属性情報と前記二次属性情報とをそれぞれ抽出する属性情報抽出手順と、前記属性情報抽出手順によって文書毎に２つ以上の時点で抽出された一次属性情報および二次属性情報をデータベースに保持する属性情報保持手順と、前記データベースに保持されている一次属性情報の時間変化量および二次属性情報の時間変化量を文書毎に計算する時間変化検出手順とを設け、前記文書リスト作成手順は、少なくともキーワードを含む指定された検索条件に基づいて文書毎に適合度を算出し、求められた適合度と前記時間変化検出手順で求められた時間変化量との所定の計算により求められる得点を文書毎に算出し、前記得点の大きさの順番に並べて文書リストを作成し、前記入出力手順は、前記文書リスト作成手順が作成した文書リストをユーザー端末に入出力することを特徴とする。
【０００８】
インターネット上などで目的の文書を検索する場合には、指定されたキーワードとの適合性だけでなく、各文書の特性、例えば文書サイズ，単語数，タグ数，リンク数，被リンク数などを反映することにより、信頼性の低い文書や利用価値の低い文書を排除し、検索結果をユーザが必要とする文書に近づけることが可能になる。
【０００９】
しかし、ある１時点の文書の特性を参照するだけでは、希望する検索結果が得られない場合も多い。例えば、過去のある時点までは利用価値の高い文書であったが、現在は利用価値が低くなったような文書も存在するので、この文書を検索結果として抽出するのは好ましくない。
請求項１においては、文書毎に保持されている複数時点の属性情報（文書サイズ，単語数，タグ数，リンク数，被リンク数など）に基づいて、属性情報の経時変化を計算するので、属性情報の経時変化を反映した検索結果を得ることができる。
【００１０】
例えば、第１の文書の利用価値が高い場合には、第２の文書から第１の文書にアクセスする（又は参照する）ためのリンクが形成される。このリンクは第２の文書上に存在し、第１の文書にとっては被リンクとみなすことができる。
第１の文書の利用価値が高い場合には、多数の文書が第１の文書に対してリンクを形成するので、第１の文書における被リンク数が多くなる。
【００１１】
また、第１の文書の利用価値が高い時には、第１の文書における被リンク数が増大する可能性が高く、第１の文書の利用価値が低くなった時には、第１の文書における被リンク数が減少する可能性が高い。
このため、ユーザが必要とする文書により近い検索結果を得ることができ、検索制度が向上する。
【００１２】
請求項１においては、適合度と前記属性情報の経時変化との両者を反映した得点の大きさの順番に並べて複数の文書の情報を出力するので、ユーザが必要とする文書により近いと考えられる文書から順番に並んだ情報が得られる。
【００１４】
また、請求項１のドキュメントスコア計算方法においては、一次属性情報及び二次属性情報を利用して各文書の得点を計算できるので、様々なユーザの検索条件に適した検索を実行できる。一次属性情報としては、文書サイズ，単語数，タグ数，リンク数などが考えられる。二次属性情報としては、被リンク数などが考えられる。
請求項２は、請求項１のドキュメントスコア計算方法において、前記文書リスト作成手順は、適合度と時間変化量との重み付き代数和として得点を求めることを特徴とする。
請求項３は、請求項１のドキュメントスコア計算方法において、前記文書リスト作成手順は、適合度と時間変化量との積として得点を求めることを特徴とする。
【００１５】
請求項４は、請求項１乃至請求項３のドキュメントスコア計算方法において、前記属性情報抽出手順は、文書情報の収集の終了もしくは収集した文書情報の保存を契機として各属性情報の抽出処理を開始することを特徴とする。
請求項４においては、文書情報を収集する度に新たな属性情報を得ることができる。
【００１６】
請求項５は、端末からの要求に応じて、ネットワーク上の更新される可能性のある複数の文書の情報を収集する文書情報収集手段と、収集された文書群の中から特定の文書を抽出するために利用される得点を文書毎に割り当てて文書リストを作成する文書リスト作成手段と、作成した文書リストをユーザー端末に入出力する入出力手段とを有するドキュメントスコア計算装置において、前記文書情報収集手順で収集した各文書からその特性を表す属性情報を抽出する場合に、目的の文書自身に含まれている当該文書の更新日時，文書内リンク数，文書内タグ数及び文書サイズを一次属性情報とし、目的の文書を参照している他文書の数である被リンク数を二次属性情報とし、前記一次属性情報と前記二次属性情報とをそれぞれ抽出する属性情報抽出手段と、前記属性情報抽出手段によって文書毎に２つ以上の時点で抽出された一次属性情報および二次属性情報をデータベースに保持する属性情報保持手段と、前記データベースに保持されている一次属性情報の時間変化量および二次属性情報の時間変化量を文書毎に計算する時間変化検出手段とを設け、前記文書リスト作成手段は、少なくともキーワードを含む指定された検索条件に基づいて文書毎に適合度を算出し、求められた適合度と前記時間変化検出手段で求められた時間変化量との所定の計算により求められる得点を文書毎に算出し、前記得点の大きさの順番に並べて文書リストを作成し、前記入出力手段は、前記文書リスト作成手段が作成した文書リストをユーザー端末に入出力することを特徴とする。
【００１７】
請求項５においては、請求項１と同様の結果が得られる。
請求項６は、請求項５のドキュメントスコア計算装置において、前記文書リスト作成手段は、適合度と時間変化量との重み付き代数和として得点を求めることを特徴とする。
【００１８】
請求項６においては、請求項２と同様の結果が得られる。
請求項７においては、請求項５のドキュメントスコア計算装置において、前記文書リスト作成手段は、適合度と時間変化量との積として得点を求めることを特徴とする。請求項７においては、請求項３と同様の結果が得られる。
【００１９】
請求項８は、請求項５乃至請求項７のドキュメントスコア計算装置において、前記属性情報抽出手段は、文書情報の収集の終了もしくは収集した文書情報の保存を契機として各属性情報の抽出処理を開始することを特徴とする。
請求項８においては、請求項３と同様の結果が得られる。
【００２０】
請求項９は、請求頂５乃至請求項９に記載のドキュメントスコア計算装置を構成する各手段としてコンピュータを機能させるプログラムである。
【００２１】
請求項９のプログラムを所定のコンピュータで実行することにより、請求項１から請求項４と同様の結果が得られる。
【００２５】
【発明の実施の形態】
本発明のドキュメントスコア計算方法及び装置並びにプログラムの１つの実施の形態について図１〜図１４を参照して説明する。この形態は全ての請求項に対応する。
【００２６】
図１はドキュメントスコア計算装置の構成例を示すブロック図である。図２は時間変化計算処理の手順を示すフローチャートである。図３はドキュメントリスト作成処理の手順を示すフローチャートである。図４は属性情報ＤＢ（データベース：以下同様）の構成を示す模式図である。図５は二次属性情報ＤＢの構成を示す模式図である。
【００２７】
図６は文書サイズテーブルの構成例を示す模式図である。図７はタグ数テーブルの構成例を示す模式図である。図８はリンク数テーブルの構成例を示す模式図である。図９は更新日時テーブルの構成例を示す模式図である。図１０は被リンク数テーブルの構成例を示す模式図である。
図１１は文書間関連度テーブル（１）の構成例を示す模式図である。図１２はユーザインタフェースの構成例を示す正面図である。図１３はユーザインタフェースの表示例（１）を示す正面図である。図１４はユーザインタフェースの表示例（２）を示す正面図である。
【００２８】
この形態では、請求項５の属性情報抽出手段，属性情報保持手段，時間変化検出手段及び文書リスト作成手段は、それぞれ属性情報計算部１２（二次属性情報計算部１３），属性情報ＤＢ２３（二次属性情報ＤＢ２４），時間変化計算部１６及び文書リスト作成部１７に相当する。
この形態では、インターネット上に存在する文書群を対象として目的の文書を検索する場合を想定している。勿論、例えばＬＡＮで接続された他のコンピュータ上に存在する文書群を検索対象にすることも可能である。
【００２９】
図１に示すドキュメントスコア計算装置は、文書情報収集部１１，属性情報計算部１２，二次属性情報計算部１３，インデックス作成部１４，インデックス情報検索部１５，時間変化計算部１６，文書リスト作成部１７，入出力部１８，ユーザ端末１９，文書ＤＢ２１，インデックス情報テーブル２２，属性情報ＤＢ２３及び二次属性情報ＤＢ２４を備えている。
【００３０】
文書情報収集部１１は、インターネット３１と接続されたコンピュータであり、インターネット３１に接続されている任意の文書サーバ３２(1)，３２(2)，３２(3)，・・・からアクセス可能な全ての文書の情報を定期的に自動収集する。
文書情報収集部１１が収集した文書の情報は、文書ＤＢ２１に保存される。一般的な検索サービスを提供するシステムにおいては、インターネット上の同じＵＲＬのサイトから新しい文書の情報を収集する度にデータベースの内容を更新し、最新の文書情報だけを保持するが、図１の文書ＤＢ２１は収集された文書情報を順次追加登録する。
【００３１】
従って、文書情報収集部１１が文書情報の収集を繰り返すと、文書ＤＢ２１上には同じサイトから複数の時点で（例えば一日おきに）それぞれ収集された文書情報が同時に存在することになる。なお、文書ＤＢ２１に空きがなくなった場合には、最も古い時点で収集された情報から順番に削除すればよい。
【００３２】
属性情報計算部１２及び二次属性情報計算部１３は、文書情報収集部１１が新たな文書情報の収集を完了する度に、あるいは収集された文書情報を文書ＤＢ２１に追加する度に、それを契機として属性情報の計算を行う。
属性情報とは、各文書情報の特性を表す情報である。この例では、文書の更新日時，文書内のリンク数，文書内のタグ数，文書サイズ及び文書の被リンク数を属性情報として取得する。
【００３３】
被リンク数とは、該当する文書を参照している他の文書の数である。また、文書の更新日時，文書内のリンク数，文書内のタグ数及び文書サイズは、該当する文書内の情報によって特定される。一方、被リンク数は該当する文書を参照している他の文書に埋め込まれたリンクなどの情報によって決定される。
そこで、この例では文書の更新日時，文書内のリンク数，文書内のタグ数及び文書サイズを一次属性情報として区分し、被リンク数のように他の文書の情報によって定まる情報を二次属性情報として区分している。
【００３４】
属性情報計算部１２は、新たに文書情報が収集され文書ＤＢ２１に蓄積される度に、その情報に基づいて文書毎に一次属性情報を計算する。属性情報計算部１２が計算を実施する度に、その計算結果、すなわち一次属性情報は属性情報ＤＢ２３に追加登録される。
従って、属性情報計算部１２が計算を繰り返すと、属性情報ＤＢ２３には、それぞれの文書について互いに異なる時点で収集された文書情報に関する一次属性情報が同時に保持される。
【００３５】
二次属性情報計算部１３は、属性情報計算部１２が計算を実施する度に、属性情報ＤＢ２３に記録された一次属性情報及び文書ＤＢ２１の内容に基づいて、二次属性情報を計算する。
例えば、１つの文書（第１の文書）の中に１つのリンク情報が含まれていることを検出する度に、そのリンク情報の参照先である第２の文書に関する被リンク数に１を加算すればよい。
【００３６】
二次属性情報計算部１３が計算を実施する度に、その結果、すなわち二次属性情報が二次属性情報ＤＢ２４に追加登録される。
従って、二次属性情報計算部１３が計算を繰り返すと、二次属性情報ＤＢ２４には、それぞれの文書について互いに異なる時点で収集された文書情報に関する二次属性情報が同時に保持される。
【００３７】
実際には、属性情報ＤＢ２３には図４に示すように更新日時テーブルＴ１１，リンク数テーブルＴ１２，タグ数テーブルＴ１３及び文書サイズテーブルＴ１４が設けられている。
更新日時テーブルＴ１１，リンク数テーブルＴ１２，タグ数テーブルＴ１３及び文書サイズテーブルＴ１４は、それぞれ各文書の更新日時，リンク数，タグ数及び文書サイズを一次属性情報として保持している。
【００３８】
更新日時テーブルＴ１１，リンク数テーブルＴ１２，タグ数テーブルＴ１３及び文書サイズテーブルＴ１４の構成の具体例がそれぞれ図９，図８，図７及び図６に示されている。
図６に示すように、文書サイズテーブルＴ１４には記録年月日毎に、各文書の文書サイズ、すなわち文書ファイルのバイト数が記録されている。また、各文書を特定するための文書ＩＤとしては、その所在を表すＵＲＬを用いている。
【００３９】
例えば、文書ＩＤが「ｕｒｌ１．ｃｏ．ｊｐ」の文書については、２００２年８月２９日に記録された文書サイズが８７１バイトであり、２００２年８月３０日に記録された文書サイズが７７３バイトであり、２００２年８月３１日に記録された文書サイズが１３６バイトである。この例では、１日おきにその時点の各文書の文書サイズを取得し、それを文書サイズテーブルＴ１４に追加登録している。
【００４０】
同様に、タグ数テーブルＴ１３には記録年月日毎に各文書に含まれているタグの数が記録され、リンク数テーブルＴ１２には記録年月日毎に各文書に含まれているリンクの数が記録され、更新日時テーブルＴ１１には記録年月日毎に各文書の更新日時が記録されている。
なお、更新日時テーブルＴ１１における各文書の更新日時は、ある基準日時（例えばデータ収集日時）に対する更新日時までの秒数を表している。例えば、基準日時が２００２年８月２９日の０時０分０秒である場合に、文書の更新日時が２００２年８月２９日の０時９分８秒であったとすると、記録される更新日時（更新日時−基準日時）は５６８秒になる。
【００４１】
一方、二次属性情報ＤＢ２４には図５に示すように被リンク数テーブルＴ２１及び複数の文書間関連度テーブルＴ２２１，Ｔ２２２，Ｔ２２３，・・・が設けられている。
被リンク数テーブルＴ２１の具体例は図１０に示されており、文書間関連度テーブル（１）Ｔ２２１の具体例は図１１に示されている。
【００４２】
図１０に示すように、被リンク数テーブルＴ２１には記録年月日毎に、各文書に対する他の文書からの被リンク数が記録されている。また、各文書を特定するための文書ＩＤとしては、その所在を表すＵＲＬを用いている。
各文書間関連度テーブルＴ２２１，Ｔ２２２，Ｔ２２３，・・・は、それぞれの文書について、他の文書との関連度を表す情報を保持している。例えば、図１１に示す文書間関連度テーブル（１）Ｔ２２１は１番目の文書（文書ＩＤ：ｕｒｌ１．ｃｏ．ｊｐ）と他の各文書（文書ＩＤ：ｕｒｌ２．ｃｏ．ｊｐ：ｕｒｌ３．ｎｅ．ｊｐ：ｕｒｌ４，ｇｏ．ｊｐ・・・）との関連度を表す情報をそれぞれ保持している。
【００４３】
同様に、文書間関連度テーブルＴ２２２は２番目の文書（文書ＩＤ：ｕｒｌ２．ｃｏ．ｊｐ）と他の各文書との関連度を表す情報をそれぞれ保持し、文書間関連度テーブルＴ２２３は３番目の文書（文書ＩＤ：ｕｒｌ３．ｎｅ．ｊｐ）と他の各文書との関連度を表す情報をそれぞれ保持している。
【００４４】
時間変化計算部１６は、属性情報ＤＢ２３に保持されている複数時点の一次属性情報及び二次属性情報ＤＢ２４に保持されている複数時点の二次属性情報に基づいて、各一次属性情報の経時変化及び二次属性情報の経時変化を文書毎に計算する。
例えば、同じ文書について２つの時点で記録された２つの属性情報の差分を計算することにより、２つの時点の間における属性の経時変化を求めることができる。
【００４５】
実際には、インターネット上のＨＴＭＬ文書を検索対象とする場合が多い。このような文書を処理する場合には、文書サイズや更新日時はその文書自体から取得することができる。また、タグ数やリンク数については、文書のテキストを構文解析することにより取得できる。また、各文書について形態素解析処理を行えば各文書の単語数を属性情報として取得することもできる。
【００４６】
なお、図６〜図１１の例では各テーブルにおける属性情報の取得時刻を記録年月日として表しているが、日付又は時刻あるいはある時点からの経過日時として表しても良い。単位についても、秒，分，時などの数値を用いることができる。
また、図６〜図１１の例では１日１回、２４時間周期で定期的に情報を収集した場合を想定しているが、周期の長さについては任意に定めることができる。また、必ずしも一定の周期で情報を収集する必要はない。
【００４７】
図１の時間変化計算部１６によって実行される時間変化計算処理の内容について、図２を参照しながら説明する。
ステップＳ１１では、計算条件を決定する情報を取得する。この情報には、計算対象文書の文書ＩＤ，対象属性，対象期間の開始時刻，対象期間の終了時刻及び計算方法が含まれる。
【００４８】
これらの情報は、ユーザ端末１９を操作するオペレータからの入力によって特定される。例えば、属性がページ間（文書間）の関連度の場合には、関連度の計算対象となる文書の文書ＩＤ（ＵＲＬ）を入力する必要がある。
ステップＳ１２では、ステップＳ１１で取得した計算条件の対象属性に該当するテーブルを属性情報ＤＢ２３上のテーブル群（図４参照）又は二次属性情報ＤＢ２４上のテーブル群（図５参照）から選択する。
【００４９】
ステップＳ１３では、Ｓ１２で選択されたテーブル上で、Ｓ１１で取得した計算条件の文書ＩＤと一致する行を計算対象として選択する。
ステップＳ１４では、Ｓ１２で選択されたテーブル上のＳ１３で選択された行から、計算条件として指定された対象期間の開始時刻と終了時刻とに含まれる全ての列を選択し、それらの属性値を記録年月日（収集日時）とともに取得する。
【００５０】
例えば、計算条件として
対象属性：被リンク数
対象期間の開始時刻：２００２．０８．２９
対象期間の終了時刻：２００２．０９．０２
が指定された場合には、図１０に示される被リンク数テーブルから次のような５つの時点の情報が抽出される。
【００５１】
２００２．０８．２９：３
２００２．０８．３０：１
２００２．０８．３１：４
２００２．０９．０１：１
２００２．０９．０２：９
ステップＳ１５では、Ｓ１４でテーブルから取得した属性値に基づき、指定された計算方法で演算を実行する。
【００５２】
例えば、計算条件として
対象属性：被リンク数
対象期間の開始時刻：２００２．０８．２９
対象期間の終了時刻：２００２．０９．０２
計算方法：属性値の増加数
が指定された場合には、
開始時刻 ２００２．０８．２９：属性値 ３
終了時刻 ２００２．０９．０２：属性値 ９
から（９−３）＝６が変化量として求められる。
【００５３】
また、例えば、計算条件として
対象属性：被リンク数
対象期間の開始時刻：２００２．０８．２９
対象期間の終了時刻：２００２．０９．０２
計算方法：属性値の平均
が指定された場合には、
２００２．０８．２９：３
２００２．０８．３０：１
２００２．０８．３１：４
２００２．０９．０１：１
２００２．０９．０２：９
から((３＋１＋４＋１＋９)／５)＝３．６が変化量として求められる。
【００５４】
図１に示す装置が検索サービスを提供するために設けられたインデックス作成部１４，インデックス情報テーブル２２，インデックス情報検索部１５，文書リスト作成部１７及び入出力部１８については、基本的な動作は非特許文献１に記載された従来技術と同様である。
すなわち、インデックス作成部１４は文書ＤＢ２１に保存されている文書群のデータに基づいて検索に必要なインデックス情報を作成する。このインデックス情報はインデックス情報テーブル２２に保存される。
【００５５】
入出力部１８は、ユーザ端末１９から入力される検索条件、例えば検索すべきキーワードなどをインデックス情報検索部１５に送信する。インデックス情報検索部１５は、入出力部１８から受け取った検索条件に一致する文書の情報をインデックス情報テーブル２２から取り出して文書リスト作成部１７に送信する。
文書リスト作成部１７は、指定された検索条件に一致した文書群の情報を適合度の順番に並べ替えて一覧として入出力部１８に送出する。この結果がユーザ端末１９の画面上に表示される。
【００５６】
但し、図１に示す装置においては更に次に示すような特徴的な動作を行う。すなわち、検索エンジンの検索精度を改善するために、属性値の時間変化を反映した結果を出力する。
実際には、文書リスト作成部１７が、検索条件に適合した文書群を得点の順番に並べ替える。一般的には得点として適合度を利用するが、図１の文書リスト作成部１７は、適合度と属性値の時間変化値の両方を反映した得点を文書毎に算出し、この得点を利用して文書群の情報を並べ替える。
【００５７】
具体的な文書リスト作成部１７の動作は図３に示すとおりである。
ステップＳ２１では、ユーザ端末１９からの入力によって指定された検索条件と一致する文書群の情報を抽出する。実際には、文書リスト作成部１７はインデックス情報検索部１５から検索結果である文書群の情報を受け取る。これらの情報には、各文書を識別するための文書ＩＤであるＵＲＬや、指定された検索条件との適合度が含まれている。
【００５８】
ステップＳ２２では、検索条件と一致する文書群の中で未処理のものの中から１つの文書情報を選択する。
ステップＳ２３では、選択した文書の文書ＩＤ並びに計算条件、すなわち対象属性，対象期間の開始時刻，対象期間の終了時刻及び計算方法を時間変化計算部１６に与える。
【００５９】
なお、この計算条件については予め定められた条件を適用することができる。また、１つの検索結果に関しては同じ計算条件が用いられる。但し、実際の検索条件は時間の経過に伴って変化する可能性がある。
例えば、被リンク数、すなわち他の文書からリンクされている場合の該当する他の文書の数は、その文書の人気度合いを表す指標として利用できる。従って、例えば最近１週間で被リンク数が上昇している文書を検索することには大きな意義がある。この場合には、開始時刻の現時点から１週間前であり、終了時刻は現時点になるのでその条件は日々変化する。
【００６０】
また、対象となる属性や時間変化を計算する期間を検索条件に応じて適応的に変更することも可能である。また、ユーザ端末１９を操作するオペレータの指示に応じて計算条件を変更することもできる。
計算条件を与えることにより、時間変化計算部１６は前述のような処理を実行し、文書毎に変化量を算出する。文書リスト作成部１７は、時間変化計算部１６が出力する文書毎の変化量を受け取り保存する。
【００６１】
未処理文書が無くなると、文書リスト作成部１７の動作はステップＳ２４からＳ２５に進む。
ステップＳ２５では、時間変化計算部１６から受け取った文書毎の時間変化量の値と、インデックス情報検索部１５から受け取った適合度の値との両方を予め定めた計算式に従って計算し、対象となる文書毎にその得点を求める。
【００６２】
ステップＳ２５で利用する計算式については、２つの値ｘ（時間変化量），ｙ（適合度）を用いるので、２つの値ｘ，ｙの重み付き代数和(ｆ(ｘ,ｙ)＝ａｘ＋ｂｙ)や２つの値の積などを用いることが考えられる。
ステップＳ２６では、インデックス情報検索部１５の検索結果である文書群の情報を得点の大きい順番で並べ替えた結果をドキュメントリストとして作成し出力する。
【００６３】
従って、ユーザが指定したキーワードなどとの適合性だけでなく、被リンク数のような属性値の時間変化を反映する形で検索結果を出力することができる。このため、検索精度が向上する。
図１に示す装置を実現する場合には、ユーザ端末１９上に例えば図１２，図１３及び図１４に示すようなユーザインタフェースを設けるのが望ましい。このユーザインタフェースは、図１２〜図１４に示すよう状態でユーザ端末１９の画面上に表示される。
【００６４】
このユーザインタフェースには、図１２に示すように検索条件指定部４１及び検索結果表示部４２が設けてある。また、検索条件指定部４１には、キーワード入力部４３，検索結果表示順序指定部４４及び検索実行ボタン４５が設けてある。
キーワード入力部４３を操作することにより、検索対象となる任意のキーワードを入力することができる。また、この例では検索結果表示順序指定部４４を操作することにより、２種類の表示順序、すなわち「適合度順」及び「人気上昇順」を選択することができる。
【００６５】
検索結果表示部４２には、キーワード入力部４３で指定された検索条件と一致する文書群の各文書ＩＤ（ＵＲＬ）が、検索結果表示順序指定部４４の指定に従って並べられて一覧表示される。
図１３に示す例では、キーワード入力部４３で「通信」のキーワードを指定し、検索結果表示順序指定部４４で「適合度順」を指定した場合を想定している。従って、検索結果表示部４２には検索結果の文書群が適合度順に並べられた状態で一覧表示されている。
【００６６】
図１４に示す例では、キーワード入力部４３で「通信」のキーワードを指定し、検索結果表示順序指定部４４で「人気上昇順」を指定した場合を想定している。従って、検索結果表示部４２には検索結果の文書群が人気上昇順に並べられた状態で一覧表示されている。
【００６７】
図１４に示すように人気上昇順で結果を出力する場合には、時間変化計算部１６が計算する属性として被リンク数を選択し、例えば最近１週間の被リンク数の増加量を反映した得点を計算すれば良い。
この場合、計算条件として例えば次のような情報を与えればよい。
対象属性：被リンク数
開始時刻：２００２．０８．３０
終了時刻：２００２．０９．０６
計算方法：属性値の増分
そして、図１３と図１４との違いから分かるように、同じキーワードを用いて検索を行う場合であっても、検索結果表示順序指定部４４の指定に応じて異なる結果が得られる。
【００６８】
なお、図１に示すような装置については、専用のハードウェアで実現することもできるし、コンピュータ上でプログラムを実行して実現することもできる。
【００６９】
【発明の効果】
本発明によれば、複数時点の属性情報を用いて属性情報の変化を調べ、それを検索結果に反映することができるので、検索精度の改善に効果がある。
【図面の簡単な説明】
【図１】ドキュメントスコア計算装置の構成例を示すブロック図である。
【図２】時間変化計算処理の手順を示すフローチャートである。
【図３】ドキュメントリスト作成処理の手順を示すフローチャートである。
【図４】属性情報ＤＢの構成を示す模式図である。
【図５】二次属性情報ＤＢの構成を示す模式図である。
【図６】文書サイズテーブルの構成例を示す模式図である。
【図７】タグ数テーブルの構成例を示す模式図である。
【図８】リンク数テーブルの構成例を示す模式図である。
【図９】更新日時テーブルの構成例を示す模式図である。
【図１０】被リンク数テーブルの構成例を示す模式図である。
【図１１】文書間関連度テーブル（１）の構成例を示す模式図である。
【図１２】ユーザインタフェースの構成例を示す正面図である。
【図１３】ユーザインタフェースの表示例（１）を示す正面図である。
【図１４】ユーザインタフェースの表示例（２）を示す正面図である。
【符号の説明】
１１ 文書情報収集部
１２ 属性情報計算部
１３ 二次属性情報計算部
１４ インデックス作成部
１５ インデックス情報検索部
１６ 時間変化計算部
１７ 文書リスト作成部
１８ 入出力部
１９ ユーザ端末
２１ 文書ＤＢ
２２ インデックス情報テーブル
２３ 属性情報ＤＢ
２４ 二次属性情報ＤＢ
３１ インターネット
３２ 文書サーバ
【発明の属する技術分野】
本発明は、例えばインターネット上などに存在する多数の文書の中からユーザが参照すべき文書の候補を自動的に抽出するような場合に利用されるドキュメントスコア計算方法及び装置並びにプログラムに関する。
【０００２】
【従来の技術】
従来の一般的なテキスト検索システムの技術については非特許文献１に開示されている。また、Ｗｅｂから情報を収集して検索を行う従来のシステムについては非特許文献２に開示されている。
例えば、インターネットやＬＡＮのようなネットワーク上には様々なコンピュータが接続され、膨大な文書情報がアクセス可能な状態で存在している。これらの膨大な文書の中には目的とする文書が存在する可能性が高い。しかし、文書の数が膨大であるし、それぞれの文書が存在する場所もそれぞれ異なるので、これらの膨大な文書情報の中からユーザが必要とする特定の文書を探し出すのは難しい。
【０００３】
従来より、例えばインターネット上では目的の文書を検索するための検索サービスが提供されている。このような検索サービスを提供するシステム、すなわち検索エンジンにおいては、インターネット上で様々な場所に存在するＷＷＷ（World Wide Web）ページの文書情報を予め収集してデータベースに保持しておき、ユーザが入力したキーワードなどの検索条件と一致する文書をデータベースから抽出し、適合度の大きい順番で文書リストを一覧表示する。
【非特許文献１】
井上他：InfoBee テキスト情報検索技術，ＮＴＴ Ｒ＆Ｄ，ｖｏｌ．４６，Ｎｏ．１０，１９９７，ｐｐ．９３−９８
【非特許文献２】
McBryan：GENVL and WWWW: Tools for Taming the Web, Proc. of the first International WWW conference, 1994
【０００４】
【発明が解決しようとする課題】
上記のような検索サービスを提供するシステムにおいては、例えば一定の間隔で周期的に文書情報の収集を行い、更新されてた文書情報については最新の文書情報に更新し、古い文書情報は廃棄する。そして、収集された最新の文章情報だけに基づいて検索を実行している。
【０００５】
しかしながら、従来の検索サービスを利用して目的の文書を検索する場合には、ユーザの必要としない文書が検索結果として抽出される場合も多いのが実情である。
すなわち、インターネット上には信頼性の高い文書，信頼性の低い文書，利用価値の高い文書，利用価値の低い文書など様々な文書が混在しているため、キーワードの適合性を識別するだけでは、信頼性の低い文書や利用価値の低い文書が検索結果として抽出されるのを避けることはできない。
【０００６】
本発明は、大量の文書を検索する場合にユーザが必要とする文書により近い結果を得ることが可能なドキュメントスコア計算方法及び装置並びにプログラムを提供することを目的とする。
【０００７】
【課題を解決するための手段】
請求項１は、端末からの要求に応じて、ネットワーク上の更新される可能性のある複数の文書の情報を収集する文書情報収集手順と、収集された文書群の中から特定の文書を抽出するために利用される得点を文書毎に割り当てて文書リストを作成する文書リスト作成手順と、作成した文書リストをユーザー端末に入出力する入出力手順とを有するコンピュータが実行するドキュメントスコア計算方法において、前記文書情報収集手順で収集した各文書からその特性を表す属性情報を抽出する場合に、目的の文書自身に含まれている当該文書の更新日時，文書内リンク数，文書内タグ数及び文書サイズを一次属性情報とし、目的の文書を参照している他文書の数である被リンク数を二次属性情報とし、前記一次属性情報と前記二次属性情報とをそれぞれ抽出する属性情報抽出手順と、前記属性情報抽出手順によって文書毎に２つ以上の時点で抽出された一次属性情報および二次属性情報をデータベースに保持する属性情報保持手順と、前記データベースに保持されている一次属性情報の時間変化量および二次属性情報の時間変化量を文書毎に計算する時間変化検出手順とを設け、前記文書リスト作成手順は、少なくともキーワードを含む指定された検索条件に基づいて文書毎に適合度を算出し、求められた適合度と前記時間変化検出手順で求められた時間変化量との所定の計算により求められる得点を文書毎に算出し、前記得点の大きさの順番に並べて文書リストを作成し、前記入出力手順は、前記文書リスト作成手順が作成した文書リストをユーザー端末に入出力することを特徴とする。
【０００８】
インターネット上などで目的の文書を検索する場合には、指定されたキーワードとの適合性だけでなく、各文書の特性、例えば文書サイズ，単語数，タグ数，リンク数，被リンク数などを反映することにより、信頼性の低い文書や利用価値の低い文書を排除し、検索結果をユーザが必要とする文書に近づけることが可能になる。
【０００９】
しかし、ある１時点の文書の特性を参照するだけでは、希望する検索結果が得られない場合も多い。例えば、過去のある時点までは利用価値の高い文書であったが、現在は利用価値が低くなったような文書も存在するので、この文書を検索結果として抽出するのは好ましくない。
請求項１においては、文書毎に保持されている複数時点の属性情報（文書サイズ，単語数，タグ数，リンク数，被リンク数など）に基づいて、属性情報の経時変化を計算するので、属性情報の経時変化を反映した検索結果を得ることができる。
【００１０】
例えば、第１の文書の利用価値が高い場合には、第２の文書から第１の文書にアクセスする（又は参照する）ためのリンクが形成される。このリンクは第２の文書上に存在し、第１の文書にとっては被リンクとみなすことができる。
第１の文書の利用価値が高い場合には、多数の文書が第１の文書に対してリンクを形成するので、第１の文書における被リンク数が多くなる。
【００１１】
また、第１の文書の利用価値が高い時には、第１の文書における被リンク数が増大する可能性が高く、第１の文書の利用価値が低くなった時には、第１の文書における被リンク数が減少する可能性が高い。
このため、ユーザが必要とする文書により近い検索結果を得ることができ、検索制度が向上する。
【００１２】
請求項１においては、適合度と前記属性情報の経時変化との両者を反映した得点の大きさの順番に並べて複数の文書の情報を出力するので、ユーザが必要とする文書により近いと考えられる文書から順番に並んだ情報が得られる。
【００１４】
また、請求項１のドキュメントスコア計算方法においては、一次属性情報及び二次属性情報を利用して各文書の得点を計算できるので、様々なユーザの検索条件に適した検索を実行できる。一次属性情報としては、文書サイズ，単語数，タグ数，リンク数などが考えられる。二次属性情報としては、被リンク数などが考えられる。
請求項２は、請求項１のドキュメントスコア計算方法において、前記文書リスト作成手順は、適合度と時間変化量との重み付き代数和として得点を求めることを特徴とする。
請求項３は、請求項１のドキュメントスコア計算方法において、前記文書リスト作成手順は、適合度と時間変化量との積として得点を求めることを特徴とする。
【００１５】
請求項４は、請求項１乃至請求項３のドキュメントスコア計算方法において、前記属性情報抽出手順は、文書情報の収集の終了もしくは収集した文書情報の保存を契機として各属性情報の抽出処理を開始することを特徴とする。
請求項４においては、文書情報を収集する度に新たな属性情報を得ることができる。
【００１６】
請求項５は、端末からの要求に応じて、ネットワーク上の更新される可能性のある複数の文書の情報を収集する文書情報収集手段と、収集された文書群の中から特定の文書を抽出するために利用される得点を文書毎に割り当てて文書リストを作成する文書リスト作成手段と、作成した文書リストをユーザー端末に入出力する入出力手段とを有するドキュメントスコア計算装置において、前記文書情報収集手順で収集した各文書からその特性を表す属性情報を抽出する場合に、目的の文書自身に含まれている当該文書の更新日時，文書内リンク数，文書内タグ数及び文書サイズを一次属性情報とし、目的の文書を参照している他文書の数である被リンク数を二次属性情報とし、前記一次属性情報と前記二次属性情報とをそれぞれ抽出する属性情報抽出手段と、前記属性情報抽出手段によって文書毎に２つ以上の時点で抽出された一次属性情報および二次属性情報をデータベースに保持する属性情報保持手段と、前記データベースに保持されている一次属性情報の時間変化量および二次属性情報の時間変化量を文書毎に計算する時間変化検出手段とを設け、前記文書リスト作成手段は、少なくともキーワードを含む指定された検索条件に基づいて文書毎に適合度を算出し、求められた適合度と前記時間変化検出手段で求められた時間変化量との所定の計算により求められる得点を文書毎に算出し、前記得点の大きさの順番に並べて文書リストを作成し、前記入出力手段は、前記文書リスト作成手段が作成した文書リストをユーザー端末に入出力することを特徴とする。
【００１７】
請求項５においては、請求項１と同様の結果が得られる。
請求項６は、請求項５のドキュメントスコア計算装置において、前記文書リスト作成手段は、適合度と時間変化量との重み付き代数和として得点を求めることを特徴とする。
【００１８】
請求項６においては、請求項２と同様の結果が得られる。
請求項７においては、請求項５のドキュメントスコア計算装置において、前記文書リスト作成手段は、適合度と時間変化量との積として得点を求めることを特徴とする。請求項７においては、請求項３と同様の結果が得られる。
【００１９】
請求項８は、請求項５乃至請求項７のドキュメントスコア計算装置において、前記属性情報抽出手段は、文書情報の収集の終了もしくは収集した文書情報の保存を契機として各属性情報の抽出処理を開始することを特徴とする。
請求項８においては、請求項３と同様の結果が得られる。
【００２０】
請求項９は、請求頂５乃至請求項９に記載のドキュメントスコア計算装置を構成する各手段としてコンピュータを機能させるプログラムである。
【００２１】
請求項９のプログラムを所定のコンピュータで実行することにより、請求項１から請求項４と同様の結果が得られる。
【００２５】
【発明の実施の形態】
本発明のドキュメントスコア計算方法及び装置並びにプログラムの１つの実施の形態について図１〜図１４を参照して説明する。この形態は全ての請求項に対応する。
【００２６】
図１はドキュメントスコア計算装置の構成例を示すブロック図である。図２は時間変化計算処理の手順を示すフローチャートである。図３はドキュメントリスト作成処理の手順を示すフローチャートである。図４は属性情報ＤＢ（データベース：以下同様）の構成を示す模式図である。図５は二次属性情報ＤＢの構成を示す模式図である。
【００２７】
図６は文書サイズテーブルの構成例を示す模式図である。図７はタグ数テーブルの構成例を示す模式図である。図８はリンク数テーブルの構成例を示す模式図である。図９は更新日時テーブルの構成例を示す模式図である。図１０は被リンク数テーブルの構成例を示す模式図である。
図１１は文書間関連度テーブル（１）の構成例を示す模式図である。図１２はユーザインタフェースの構成例を示す正面図である。図１３はユーザインタフェースの表示例（１）を示す正面図である。図１４はユーザインタフェースの表示例（２）を示す正面図である。
【００２８】
この形態では、請求項５の属性情報抽出手段，属性情報保持手段，時間変化検出手段及び文書リスト作成手段は、それぞれ属性情報計算部１２（二次属性情報計算部１３），属性情報ＤＢ２３（二次属性情報ＤＢ２４），時間変化計算部１６及び文書リスト作成部１７に相当する。
この形態では、インターネット上に存在する文書群を対象として目的の文書を検索する場合を想定している。勿論、例えばＬＡＮで接続された他のコンピュータ上に存在する文書群を検索対象にすることも可能である。
【００２９】
図１に示すドキュメントスコア計算装置は、文書情報収集部１１，属性情報計算部１２，二次属性情報計算部１３，インデックス作成部１４，インデックス情報検索部１５，時間変化計算部１６，文書リスト作成部１７，入出力部１８，ユーザ端末１９，文書ＤＢ２１，インデックス情報テーブル２２，属性情報ＤＢ２３及び二次属性情報ＤＢ２４を備えている。
【００３０】
文書情報収集部１１は、インターネット３１と接続されたコンピュータであり、インターネット３１に接続されている任意の文書サーバ３２(1)，３２(2)，３２(3)，・・・からアクセス可能な全ての文書の情報を定期的に自動収集する。
文書情報収集部１１が収集した文書の情報は、文書ＤＢ２１に保存される。一般的な検索サービスを提供するシステムにおいては、インターネット上の同じＵＲＬのサイトから新しい文書の情報を収集する度にデータベースの内容を更新し、最新の文書情報だけを保持するが、図１の文書ＤＢ２１は収集された文書情報を順次追加登録する。
【００３１】
従って、文書情報収集部１１が文書情報の収集を繰り返すと、文書ＤＢ２１上には同じサイトから複数の時点で（例えば一日おきに）それぞれ収集された文書情報が同時に存在することになる。なお、文書ＤＢ２１に空きがなくなった場合には、最も古い時点で収集された情報から順番に削除すればよい。
【００３２】
属性情報計算部１２及び二次属性情報計算部１３は、文書情報収集部１１が新たな文書情報の収集を完了する度に、あるいは収集された文書情報を文書ＤＢ２１に追加する度に、それを契機として属性情報の計算を行う。
属性情報とは、各文書情報の特性を表す情報である。この例では、文書の更新日時，文書内のリンク数，文書内のタグ数，文書サイズ及び文書の被リンク数を属性情報として取得する。
【００３３】
被リンク数とは、該当する文書を参照している他の文書の数である。また、文書の更新日時，文書内のリンク数，文書内のタグ数及び文書サイズは、該当する文書内の情報によって特定される。一方、被リンク数は該当する文書を参照している他の文書に埋め込まれたリンクなどの情報によって決定される。
そこで、この例では文書の更新日時，文書内のリンク数，文書内のタグ数及び文書サイズを一次属性情報として区分し、被リンク数のように他の文書の情報によって定まる情報を二次属性情報として区分している。
【００３４】
属性情報計算部１２は、新たに文書情報が収集され文書ＤＢ２１に蓄積される度に、その情報に基づいて文書毎に一次属性情報を計算する。属性情報計算部１２が計算を実施する度に、その計算結果、すなわち一次属性情報は属性情報ＤＢ２３に追加登録される。
従って、属性情報計算部１２が計算を繰り返すと、属性情報ＤＢ２３には、それぞれの文書について互いに異なる時点で収集された文書情報に関する一次属性情報が同時に保持される。
【００３５】
二次属性情報計算部１３は、属性情報計算部１２が計算を実施する度に、属性情報ＤＢ２３に記録された一次属性情報及び文書ＤＢ２１の内容に基づいて、二次属性情報を計算する。
例えば、１つの文書（第１の文書）の中に１つのリンク情報が含まれていることを検出する度に、そのリンク情報の参照先である第２の文書に関する被リンク数に１を加算すればよい。
【００３６】
二次属性情報計算部１３が計算を実施する度に、その結果、すなわち二次属性情報が二次属性情報ＤＢ２４に追加登録される。
従って、二次属性情報計算部１３が計算を繰り返すと、二次属性情報ＤＢ２４には、それぞれの文書について互いに異なる時点で収集された文書情報に関する二次属性情報が同時に保持される。
【００３７】
実際には、属性情報ＤＢ２３には図４に示すように更新日時テーブルＴ１１，リンク数テーブルＴ１２，タグ数テーブルＴ１３及び文書サイズテーブルＴ１４が設けられている。
更新日時テーブルＴ１１，リンク数テーブルＴ１２，タグ数テーブルＴ１３及び文書サイズテーブルＴ１４は、それぞれ各文書の更新日時，リンク数，タグ数及び文書サイズを一次属性情報として保持している。
【００３８】
更新日時テーブルＴ１１，リンク数テーブルＴ１２，タグ数テーブルＴ１３及び文書サイズテーブルＴ１４の構成の具体例がそれぞれ図９，図８，図７及び図６に示されている。
図６に示すように、文書サイズテーブルＴ１４には記録年月日毎に、各文書の文書サイズ、すなわち文書ファイルのバイト数が記録されている。また、各文書を特定するための文書ＩＤとしては、その所在を表すＵＲＬを用いている。
【００３９】
例えば、文書ＩＤが「ｕｒｌ１．ｃｏ．ｊｐ」の文書については、２００２年８月２９日に記録された文書サイズが８７１バイトであり、２００２年８月３０日に記録された文書サイズが７７３バイトであり、２００２年８月３１日に記録された文書サイズが１３６バイトである。この例では、１日おきにその時点の各文書の文書サイズを取得し、それを文書サイズテーブルＴ１４に追加登録している。
【００４０】
同様に、タグ数テーブルＴ１３には記録年月日毎に各文書に含まれているタグの数が記録され、リンク数テーブルＴ１２には記録年月日毎に各文書に含まれているリンクの数が記録され、更新日時テーブルＴ１１には記録年月日毎に各文書の更新日時が記録されている。
なお、更新日時テーブルＴ１１における各文書の更新日時は、ある基準日時（例えばデータ収集日時）に対する更新日時までの秒数を表している。例えば、基準日時が２００２年８月２９日の０時０分０秒である場合に、文書の更新日時が２００２年８月２９日の０時９分８秒であったとすると、記録される更新日時（更新日時−基準日時）は５６８秒になる。
【００４１】
一方、二次属性情報ＤＢ２４には図５に示すように被リンク数テーブルＴ２１及び複数の文書間関連度テーブルＴ２２１，Ｔ２２２，Ｔ２２３，・・・が設けられている。
被リンク数テーブルＴ２１の具体例は図１０に示されており、文書間関連度テーブル（１）Ｔ２２１の具体例は図１１に示されている。
【００４２】
図１０に示すように、被リンク数テーブルＴ２１には記録年月日毎に、各文書に対する他の文書からの被リンク数が記録されている。また、各文書を特定するための文書ＩＤとしては、その所在を表すＵＲＬを用いている。
各文書間関連度テーブルＴ２２１，Ｔ２２２，Ｔ２２３，・・・は、それぞれの文書について、他の文書との関連度を表す情報を保持している。例えば、図１１に示す文書間関連度テーブル（１）Ｔ２２１は１番目の文書（文書ＩＤ：ｕｒｌ１．ｃｏ．ｊｐ）と他の各文書（文書ＩＤ：ｕｒｌ２．ｃｏ．ｊｐ：ｕｒｌ３．ｎｅ．ｊｐ：ｕｒｌ４，ｇｏ．ｊｐ・・・）との関連度を表す情報をそれぞれ保持している。
【００４３】
同様に、文書間関連度テーブルＴ２２２は２番目の文書（文書ＩＤ：ｕｒｌ２．ｃｏ．ｊｐ）と他の各文書との関連度を表す情報をそれぞれ保持し、文書間関連度テーブルＴ２２３は３番目の文書（文書ＩＤ：ｕｒｌ３．ｎｅ．ｊｐ）と他の各文書との関連度を表す情報をそれぞれ保持している。
【００４４】
時間変化計算部１６は、属性情報ＤＢ２３に保持されている複数時点の一次属性情報及び二次属性情報ＤＢ２４に保持されている複数時点の二次属性情報に基づいて、各一次属性情報の経時変化及び二次属性情報の経時変化を文書毎に計算する。
例えば、同じ文書について２つの時点で記録された２つの属性情報の差分を計算することにより、２つの時点の間における属性の経時変化を求めることができる。
【００４５】
実際には、インターネット上のＨＴＭＬ文書を検索対象とする場合が多い。このような文書を処理する場合には、文書サイズや更新日時はその文書自体から取得することができる。また、タグ数やリンク数については、文書のテキストを構文解析することにより取得できる。また、各文書について形態素解析処理を行えば各文書の単語数を属性情報として取得することもできる。
【００４６】
なお、図６〜図１１の例では各テーブルにおける属性情報の取得時刻を記録年月日として表しているが、日付又は時刻あるいはある時点からの経過日時として表しても良い。単位についても、秒，分，時などの数値を用いることができる。
また、図６〜図１１の例では１日１回、２４時間周期で定期的に情報を収集した場合を想定しているが、周期の長さについては任意に定めることができる。また、必ずしも一定の周期で情報を収集する必要はない。
【００４７】
図１の時間変化計算部１６によって実行される時間変化計算処理の内容について、図２を参照しながら説明する。
ステップＳ１１では、計算条件を決定する情報を取得する。この情報には、計算対象文書の文書ＩＤ，対象属性，対象期間の開始時刻，対象期間の終了時刻及び計算方法が含まれる。
【００４８】
これらの情報は、ユーザ端末１９を操作するオペレータからの入力によって特定される。例えば、属性がページ間（文書間）の関連度の場合には、関連度の計算対象となる文書の文書ＩＤ（ＵＲＬ）を入力する必要がある。
ステップＳ１２では、ステップＳ１１で取得した計算条件の対象属性に該当するテーブルを属性情報ＤＢ２３上のテーブル群（図４参照）又は二次属性情報ＤＢ２４上のテーブル群（図５参照）から選択する。
【００４９】
ステップＳ１３では、Ｓ１２で選択されたテーブル上で、Ｓ１１で取得した計算条件の文書ＩＤと一致する行を計算対象として選択する。
ステップＳ１４では、Ｓ１２で選択されたテーブル上のＳ１３で選択された行から、計算条件として指定された対象期間の開始時刻と終了時刻とに含まれる全ての列を選択し、それらの属性値を記録年月日（収集日時）とともに取得する。
【００５０】
例えば、計算条件として
対象属性：被リンク数
対象期間の開始時刻：２００２．０８．２９
対象期間の終了時刻：２００２．０９．０２
が指定された場合には、図１０に示される被リンク数テーブルから次のような５つの時点の情報が抽出される。
【００５１】
２００２．０８．２９：３
２００２．０８．３０：１
２００２．０８．３１：４
２００２．０９．０１：１
２００２．０９．０２：９
ステップＳ１５では、Ｓ１４でテーブルから取得した属性値に基づき、指定された計算方法で演算を実行する。
【００５２】
例えば、計算条件として
対象属性：被リンク数
対象期間の開始時刻：２００２．０８．２９
対象期間の終了時刻：２００２．０９．０２
計算方法：属性値の増加数
が指定された場合には、
開始時刻 ２００２．０８．２９：属性値 ３
終了時刻 ２００２．０９．０２：属性値 ９
から（９−３）＝６が変化量として求められる。
【００５３】
また、例えば、計算条件として
対象属性：被リンク数
対象期間の開始時刻：２００２．０８．２９
対象期間の終了時刻：２００２．０９．０２
計算方法：属性値の平均
が指定された場合には、
２００２．０８．２９：３
２００２．０８．３０：１
２００２．０８．３１：４
２００２．０９．０１：１
２００２．０９．０２：９
から((３＋１＋４＋１＋９)／５)＝３．６が変化量として求められる。
【００５４】
図１に示す装置が検索サービスを提供するために設けられたインデックス作成部１４，インデックス情報テーブル２２，インデックス情報検索部１５，文書リスト作成部１７及び入出力部１８については、基本的な動作は非特許文献１に記載された従来技術と同様である。
すなわち、インデックス作成部１４は文書ＤＢ２１に保存されている文書群のデータに基づいて検索に必要なインデックス情報を作成する。このインデックス情報はインデックス情報テーブル２２に保存される。
【００５５】
入出力部１８は、ユーザ端末１９から入力される検索条件、例えば検索すべきキーワードなどをインデックス情報検索部１５に送信する。インデックス情報検索部１５は、入出力部１８から受け取った検索条件に一致する文書の情報をインデックス情報テーブル２２から取り出して文書リスト作成部１７に送信する。
文書リスト作成部１７は、指定された検索条件に一致した文書群の情報を適合度の順番に並べ替えて一覧として入出力部１８に送出する。この結果がユーザ端末１９の画面上に表示される。
【００５６】
但し、図１に示す装置においては更に次に示すような特徴的な動作を行う。すなわち、検索エンジンの検索精度を改善するために、属性値の時間変化を反映した結果を出力する。
実際には、文書リスト作成部１７が、検索条件に適合した文書群を得点の順番に並べ替える。一般的には得点として適合度を利用するが、図１の文書リスト作成部１７は、適合度と属性値の時間変化値の両方を反映した得点を文書毎に算出し、この得点を利用して文書群の情報を並べ替える。
【００５７】
具体的な文書リスト作成部１７の動作は図３に示すとおりである。
ステップＳ２１では、ユーザ端末１９からの入力によって指定された検索条件と一致する文書群の情報を抽出する。実際には、文書リスト作成部１７はインデックス情報検索部１５から検索結果である文書群の情報を受け取る。これらの情報には、各文書を識別するための文書ＩＤであるＵＲＬや、指定された検索条件との適合度が含まれている。
【００５８】
ステップＳ２２では、検索条件と一致する文書群の中で未処理のものの中から１つの文書情報を選択する。
ステップＳ２３では、選択した文書の文書ＩＤ並びに計算条件、すなわち対象属性，対象期間の開始時刻，対象期間の終了時刻及び計算方法を時間変化計算部１６に与える。
【００５９】
なお、この計算条件については予め定められた条件を適用することができる。また、１つの検索結果に関しては同じ計算条件が用いられる。但し、実際の検索条件は時間の経過に伴って変化する可能性がある。
例えば、被リンク数、すなわち他の文書からリンクされている場合の該当する他の文書の数は、その文書の人気度合いを表す指標として利用できる。従って、例えば最近１週間で被リンク数が上昇している文書を検索することには大きな意義がある。この場合には、開始時刻の現時点から１週間前であり、終了時刻は現時点になるのでその条件は日々変化する。
【００６０】
また、対象となる属性や時間変化を計算する期間を検索条件に応じて適応的に変更することも可能である。また、ユーザ端末１９を操作するオペレータの指示に応じて計算条件を変更することもできる。
計算条件を与えることにより、時間変化計算部１６は前述のような処理を実行し、文書毎に変化量を算出する。文書リスト作成部１７は、時間変化計算部１６が出力する文書毎の変化量を受け取り保存する。
【００６１】
未処理文書が無くなると、文書リスト作成部１７の動作はステップＳ２４からＳ２５に進む。
ステップＳ２５では、時間変化計算部１６から受け取った文書毎の時間変化量の値と、インデックス情報検索部１５から受け取った適合度の値との両方を予め定めた計算式に従って計算し、対象となる文書毎にその得点を求める。
【００６２】
ステップＳ２５で利用する計算式については、２つの値ｘ（時間変化量），ｙ（適合度）を用いるので、２つの値ｘ，ｙの重み付き代数和(ｆ(ｘ,ｙ)＝ａｘ＋ｂｙ)や２つの値の積などを用いることが考えられる。
ステップＳ２６では、インデックス情報検索部１５の検索結果である文書群の情報を得点の大きい順番で並べ替えた結果をドキュメントリストとして作成し出力する。
【００６３】
従って、ユーザが指定したキーワードなどとの適合性だけでなく、被リンク数のような属性値の時間変化を反映する形で検索結果を出力することができる。このため、検索精度が向上する。
図１に示す装置を実現する場合には、ユーザ端末１９上に例えば図１２，図１３及び図１４に示すようなユーザインタフェースを設けるのが望ましい。このユーザインタフェースは、図１２〜図１４に示すよう状態でユーザ端末１９の画面上に表示される。
【００６４】
このユーザインタフェースには、図１２に示すように検索条件指定部４１及び検索結果表示部４２が設けてある。また、検索条件指定部４１には、キーワード入力部４３，検索結果表示順序指定部４４及び検索実行ボタン４５が設けてある。
キーワード入力部４３を操作することにより、検索対象となる任意のキーワードを入力することができる。また、この例では検索結果表示順序指定部４４を操作することにより、２種類の表示順序、すなわち「適合度順」及び「人気上昇順」を選択することができる。
【００６５】
検索結果表示部４２には、キーワード入力部４３で指定された検索条件と一致する文書群の各文書ＩＤ（ＵＲＬ）が、検索結果表示順序指定部４４の指定に従って並べられて一覧表示される。
図１３に示す例では、キーワード入力部４３で「通信」のキーワードを指定し、検索結果表示順序指定部４４で「適合度順」を指定した場合を想定している。従って、検索結果表示部４２には検索結果の文書群が適合度順に並べられた状態で一覧表示されている。
【００６６】
図１４に示す例では、キーワード入力部４３で「通信」のキーワードを指定し、検索結果表示順序指定部４４で「人気上昇順」を指定した場合を想定している。従って、検索結果表示部４２には検索結果の文書群が人気上昇順に並べられた状態で一覧表示されている。
【００６７】
図１４に示すように人気上昇順で結果を出力する場合には、時間変化計算部１６が計算する属性として被リンク数を選択し、例えば最近１週間の被リンク数の増加量を反映した得点を計算すれば良い。
この場合、計算条件として例えば次のような情報を与えればよい。
対象属性：被リンク数
開始時刻：２００２．０８．３０
終了時刻：２００２．０９．０６
計算方法：属性値の増分
そして、図１３と図１４との違いから分かるように、同じキーワードを用いて検索を行う場合であっても、検索結果表示順序指定部４４の指定に応じて異なる結果が得られる。
【００６８】
なお、図１に示すような装置については、専用のハードウェアで実現することもできるし、コンピュータ上でプログラムを実行して実現することもできる。
【００６９】
【発明の効果】
本発明によれば、複数時点の属性情報を用いて属性情報の変化を調べ、それを検索結果に反映することができるので、検索精度の改善に効果がある。
【図面の簡単な説明】
【図１】ドキュメントスコア計算装置の構成例を示すブロック図である。
【図２】時間変化計算処理の手順を示すフローチャートである。
【図３】ドキュメントリスト作成処理の手順を示すフローチャートである。
【図４】属性情報ＤＢの構成を示す模式図である。
【図５】二次属性情報ＤＢの構成を示す模式図である。
【図６】文書サイズテーブルの構成例を示す模式図である。
【図７】タグ数テーブルの構成例を示す模式図である。
【図８】リンク数テーブルの構成例を示す模式図である。
【図９】更新日時テーブルの構成例を示す模式図である。
【図１０】被リンク数テーブルの構成例を示す模式図である。
【図１１】文書間関連度テーブル（１）の構成例を示す模式図である。
【図１２】ユーザインタフェースの構成例を示す正面図である。
【図１３】ユーザインタフェースの表示例（１）を示す正面図である。
【図１４】ユーザインタフェースの表示例（２）を示す正面図である。
【符号の説明】
１１ 文書情報収集部
１２ 属性情報計算部
１３ 二次属性情報計算部
１４ インデックス作成部
１５ インデックス情報検索部
１６ 時間変化計算部
１７ 文書リスト作成部
１８ 入出力部
１９ ユーザ端末
２１ 文書ＤＢ
２２ インデックス情報テーブル
２３ 属性情報ＤＢ
２４ 二次属性情報ＤＢ
３１ インターネット
３２ 文書サーバ
Claims (9)
- 端末からの要求に応じて、ネットワーク上の更新される可能性のある複数の文書の情報を収集する文書情報収集手順と、収集された文書群の中から特定の文書を抽出するために利用される得点を文書毎に割り当てて文書リストを作成する文書リスト作成手順と、作成した文書リストをユーザー端末に入出力する入出力手順とを有するコンピュータが実行するドキュメントスコア計算方法において、
前記文書情報収集手順で収集した各文書からその特性を表す属性情報を抽出する場合に、目的の文書自身に含まれている当該文書の更新日時，文書内リンク数，文書内タグ数及び文書サイズを一次属性情報とし、目的の文書を参照している他文書の数である被リンク数を二次属性情報とし、前記一次属性情報と前記二次属性情報とをそれぞれ抽出する属性情報抽出手順と、
前記属性情報抽出手順によって文書毎に２つ以上の時点で抽出された一次属性情報および二次属性情報をデータベースに保持する属性情報保持手順と、
前記データベースに保持されている一次属性情報の時間変化量および二次属性情報の時間変化量を文書毎に計算する時間変化検出手順とを設け、
前記文書リスト作成手順は、少なくともキーワードを含む指定された検索条件に基づいて文書毎に適合度を算出し、求められた適合度と前記時間変化検出手順で求められた時間変化量との所定の計算により求められる得点を文書毎に算出し、前記得点の大きさの順番に並べて文書リストを作成し、
前記入出力手順は、前記文書リスト作成手順が作成した文書リストをユーザー端末に入出力する
ことを特徴とするドキュメントスコア計算方法。 - 請求項１のドキュメントスコア計算方法において、
前記文書リスト作成手順は、適合度と時間変化量との重み付き代数和として得点を求める
ことを特徴とするドキュメントスコア計算方法。 - 請求項１のドキュメントスコア計算方法において、
前記文書リスト作成手順は、適合度と時間変化量との積として得点を求める
ことを特徴とするドキュメントスコア計算方法。 - 請求項１乃至請求項３のドキュメントスコア計算方法において、
前記属性情報抽出手順は、文書情報の収集の終了もしくは収集した文書情報の保存を契機として各属性情報の抽出処理を開始する
ことを特徴とするドキュメントスコア計算方法。 - 端末からの要求に応じて、ネットワーク上の更新される可能性のある複数の文書の情報を収集する文書情報収集手段と、収集された文書群の中から特定の文書を抽出するために利用される得点を文書毎に割り当てて文書リストを作成する文書リスト作成手段と、作成した文書リストをユーザー端末に入出力する入出力手段とを有するドキュメントスコア計算装置において、
前記文書情報収集手順で収集した各文書からその特性を表す属性情報を抽出する場合に、目的の文書自身に含まれている当該文書の更新日時，文書内リンク数，文書内タグ数及び文書サイズを一次属性情報とし、目的の文書を参照している他文書の数である被リンク数を二次属性情報とし、前記一次属性情報と前記二次属性情報とをそれぞれ抽出する属性情報抽出手段と、
前記属性情報抽出手段によって文書毎に２つ以上の時点で抽出された一次属性情報および二次属性情報をデータベースに保持する属性情報保持手段と、
前記データベースに保持されている一次属性情報の時間変化量および二次属性情報の時間変化量を文書毎に計算する時間変化検出手段とを設け、
前記文書リスト作成手段は、少なくともキーワードを含む指定された検索条件に基づいて文書毎に適合度を算出し、求められた適合度と前記時間変化検出手段で求められた時間変化量との所定の計算により求められる得点を文書毎に算出し、前記得点の大きさの順番に並べて文書リストを作成し、
前記入出力手段は、前記文書リスト作成手段が作成した文書リストをユーザー端末に入出力する
ことを特徴とするドキュメントスコア計算装置。 - 請求項５のドキュメントスコア計算装置において、
前記文書リスト作成手段は、適合度と時間変化量との重み付き代数和として得点を求める
ことを特徴とするドキュメントスコア計算装置。 - 請求項５のドキュメントスコア計算装置において、
前記文書リスト作成手段は、適合度と時間変化量との積として得点を求める
ことを特徴とするドキュメントスコア計算装置。 - 請求項５乃至請求項７のドキュメントスコア計算装置において、
前記属性情報抽出手段は、文書情報の収集の終了もしくは収集した文書情報の保存を契機として各属性情報の抽出処理を開始する
ことを特徴とするドキュメントスコア計算装置。 - 請求頂５乃至請求項９に記載のドキュメントスコア計算装置を構成する各手段としてコンピュータを機能させるプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003012517A JP4088164B2 (ja) | 2003-01-21 | 2003-01-21 | ドキュメントスコア計算方法及び装置並びにプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003012517A JP4088164B2 (ja) | 2003-01-21 | 2003-01-21 | ドキュメントスコア計算方法及び装置並びにプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004227165A JP2004227165A (ja) | 2004-08-12 |
| JP4088164B2 true JP4088164B2 (ja) | 2008-05-21 |
Family
ID=32901100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003012517A Expired - Lifetime JP4088164B2 (ja) | 2003-01-21 | 2003-01-21 | ドキュメントスコア計算方法及び装置並びにプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4088164B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0669319A (ja) * | 1992-08-20 | 1994-03-11 | Disco Abrasive Syst Ltd | アライメントシステム |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060149800A1 (en) | 2004-12-30 | 2006-07-06 | Daniel Egnor | Authoritative document identification |
| JP4830532B2 (ja) * | 2006-02-22 | 2011-12-07 | 富士ゼロックス株式会社 | 電子化情報の重要度を算出する情報処理装置及びプログラム |
| JP4894011B2 (ja) * | 2007-06-28 | 2012-03-07 | アイシン・エィ・ダブリュ株式会社 | 情報処理装置、及びプログラム |
-
2003
- 2003-01-21 JP JP2003012517A patent/JP4088164B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0669319A (ja) * | 1992-08-20 | 1994-03-11 | Disco Abrasive Syst Ltd | アライメントシステム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004227165A (ja) | 2004-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8266162B2 (en) | Automatic identification of related search keywords | |
| US6640218B1 (en) | Estimating the usefulness of an item in a collection of information | |
| JP5084858B2 (ja) | サマリ作成装置、サマリ作成方法及びプログラム | |
| JP5638031B2 (ja) | 格付け方法、検索結果分類方法、格付けシステム及び検索結果分類システム | |
| CN100428234C (zh) | 用于评估搜索引擎的质量的方法和系统 | |
| US7475074B2 (en) | Web search system and method thereof | |
| US20070271255A1 (en) | Reverse search-engine | |
| EP2395443A2 (en) | Query rewriting with entity detection | |
| JP5040396B2 (ja) | Ｗｅｂページ検索プログラム、方法、及び装置 | |
| US20070239692A1 (en) | Logo or image based search engine for presenting search results | |
| US8234584B2 (en) | Computer system, information collection support device, and method for supporting information collection | |
| JP2010128928A (ja) | 検索システム及び検索方法 | |
| JP2007256992A (ja) | コンテンツ特定方法及び装置 | |
| JP2003271609A (ja) | 情報監視装置及び情報監視方法 | |
| JP4088164B2 (ja) | ドキュメントスコア計算方法及び装置並びにプログラム | |
| JP2004280569A (ja) | 情報監視装置 | |
| JP2006302024A (ja) | 関連文書表示方法及びプログラム | |
| JP2000331020A (ja) | 情報参照方法，情報参照装置および情報参照プログラムを格納した記憶媒体 | |
| JP2010123036A (ja) | 文書検索装置、文書検索方法、および文書検索プログラム | |
| KR101120040B1 (ko) | 연관 질의어 추천 장치 및 방법 | |
| JP5297295B2 (ja) | ＷＷＷ情報閲覧システムと方法およびＷｅｂブラウザとプログラム | |
| KR20080028031A (ko) | 키워드 및 키워드에 관련된 각종 콘텐츠를 자동으로추출하고 디스플레이하는 시스템 및 방법 | |
| JP2010072909A (ja) | 文書検索装置、文書検索方法、および文書検索プログラム | |
| JP2000148778A (ja) | 情報検索支援方法及び情報検索支援プログラムを記録した記録媒体 | |
| JP2000339320A (ja) | 情報検索方法および装置と情報検索プログラムを記録した記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040607 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070724 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070821 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071019 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071120 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080117 |
|
| 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: 20080219 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080222 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110228 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4088164 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: 20110228 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120229 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130228 Year of fee payment: 5 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |