JP4377473B2

JP4377473B2 - リンク付けされた文書の集合体における文書アクセスの予測システム

Info

Publication number: JP4377473B2
Application number: JP07249199A
Authority: JP
Inventors: エイヒューバーマンバーナード; イーピトカウジェームス; エルピロリピーター
Original assignee: Xerox Corp
Current assignee: Xerox Corp
Priority date: 1998-04-01
Filing date: 1999-03-17
Publication date: 2009-12-02
Anticipated expiration: 2019-03-17
Also published as: EP0947936A3; EP0947936A2; JPH11328226A; US6115718A

Description

【０００１】
【発明の属する技術分野】
本発明はリンク付けされた文書の集合体の使用分析の分野に関し、特にリンク付けされた文書の集合体における文書へのアクセスパターンの分析に関する。
【０００２】
【従来の技術】
例えばＷＷＷ（World Wide Web）に見られるような、増大し続ける電子情報の宇宙は、人々の関心（実際には固定的で限られているが）を引こうと競い合っている。消費者と情報提供者は共に、どのような種類の情報が利用可能であるか、それがどれほど求められているか、そしてその内容や使用が時間を経てどのように変化するかを知りたがっている。
【０００３】
リンク付けされた文書の極めて膨大な集合体に意味付けを行ない、またこのような環境下で専門的な支援無しに情報を渉猟することは難しい。リンク付けされた文書の集合体は、ハイパーテキスト・リンクを用いて互いに関連付けられていることが多い。リンク付けされたハイパーテキストの基本構造はハイパーテキスト・リンクに沿って一つの文書から別の文書へとブラウズするプロセスを促進するよう設計されているが、残念なことにハイパーテキストの集合体が非常に大きく、異なる種類が混在している場合、ハイパーテキスト・リンクは非常に遅くて非効率的である。このような状況下で二種類の支援法が進展した。第一のものは分類システムのある形式に従って情報を抽出し、クラスタリングする構造またはツールである。そのような例としてライブラリカードカタログや“Ｙａｈｏｏ！Ｗｅｂ”サイト（ＵＲＬｈｔｔｐ：／／ｗｗｗ．ｙａｈｏｏ．ｃｏｍ）がある。第二のものは、ユーザーニーズに関連する情報を予測し、それに応じて情報の表示順序を決めようとするシステムである。“Ｌｙｃｏｓ”（ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｌｙｃｏｓ．ｃｏｍ）等のサーチ・エンジンもそのような例に含まれるであろう。ユーザーによる必要情報の指定を単語や語句の形で取り込み、ユーザーニーズに関連があると予測される文書のリストをランク付けして返す。
【０００４】
ＷＷＷ上で情報を捜す手助けをするもう一つのシステムが、“ＡｌｅｘａＩｎｔｅｒｎｅｔＷｅｂ”サイト（ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ａｌｅｘａ．ｃｏｍ）で提供される“Ｒｅｃｏｍｍｅｎｄ（リコメンド）”機能である。“Ｒｅｃｏｍｍｅｎｄ”機能は、ユーザーが現在見ているＷＷＷページに基づいて検索したり、見たがるかも知れない関連ＷＷＷページのリストを提供する。
【０００５】
情報入手を容易にする一つの方法としてＷＷＷサイトの特定ソースページに関連するＷＷＷページの予測を用いればよい、とされてきた。このような予測技術の一つがＰ・Ｐｉｒｏｌｌｉ、Ｊ．ＰｉｔｋｏｗおよびＲ．Ｒａｏにより、ＣｏｎｆｅｒｅｎｃｅｏｎＨｕｍａｎＦａｃｔｏｒｓｉｎＣｏｍｐｕｔｉｎｇＳｙｓｔｅｍｓ（ＣＨＩ９６）、カナダ、ブリティッシュコロンビア州バンクーバー、１９９６年４月号に“ＳｉｌｋｆｒｏｍＳｏｗ’ｓＥａｒ：ＥｘｔｒａｃｔｉｎｇＵｓａｂｌｅＳｔｒｕｃｔｕｒｅｓｆｒｏｍｔｈｅＷｅｂ”と題された出版物の中で述べられている。その中で“活性化伝播（spreading activation）”技術が説明されている。活性化伝播技術は、ＷＷＷページの間の使用、ページ内容、およびハイパーテキスト関連表わすグラフネットワーク中のノード（節）としてのＷＷＷページの表現に基づいている。概念的には、ＷＷＷページ（すなわち注目ポイント）の開始集合を表わすノードにおいて１個以上のグラフネットワークに活性が注入され、そして活性はアーク（弧）強度（アークの伝送容量であるとも見なすことができる）によって調整された流量でグラフ構造のアークを通って流れる。ノード活性化の漸近的パターンは、ＷＷＷページがＷＷＷページの開始集合にどの程度関連するかを予測するものと定義される。最高に活性化されたノード、あるいは設定されたある基準値を超えるノードを選択することにより、予測される関連度合いに基づいて、ＷＷＷページが集められ、かつ／またはランク付けされる。
【０００６】
【発明が解決しようとする課題】
上述のグラフネットワークは、獲得された情報、すなわちＷＷＷサイトの使用、内容（コンテンツ）やハイパーテキストなどの情報に基づいている点に注意すべきである。このように獲得された情報、特に使用情報は時として取得することが難しい。
【０００７】
本発明は、リンク付けされた文書の集合体の使用情報を取得するための技術を提供するためのものである。
【０００８】
【課題を解決するための手段】
リンク付けされた文書の集合体における文書アクセスの頻度を予測するための方法および装置を開示する。特に、本発明は、ユーザーがリンク付けされた文書の集合体をブラウズしている間に文書にアクセスする確率を示すモデルを具体化する。本発明はＷＷＷ（World wide Web）上で実現され、ＷＷＷのユーザーに何らかの実用的な利益を提供するであろう。例えば、本発明は１個以上の注目ページの集合に関連のあるページを識別するために、あるいはリンク付けされた文書の集合体の中で文書がアクセスされるであろう回数を予測するために用いることができる。さらに、本発明は単独で、あるいは組み合わせて、ＷＷＷサイトを設計または再設計するための情報を生成するのに用いることができる。
【０００９】
本発明は、リンク付けされた文書の集合体の中でトランザクション的な振る舞いをシミュレートするために活性化伝播（spreading activation）技術を利用する。本発明で具体化された活性化伝播技術は、Ｐ・Ｐｉｒｏｌｌｉ、Ｊ．ＰｉｔｋｏｗおよびＲ．Ｒａｏにより、ＣｏｎｆｅｒｅｎｃｅｏｎＨｕｍａｎＦａｃｔｏｒｓｉｎＣｏｍｐｕｔｉｎｇＳｙｓｔｅｍｓ（ＣＨＩ９６）、カナダ、ブリティッシュコロンビア州バンクーバー、１９９６年４月号に“ＳｉｌｋｆｒｏｍＳｏｗ’ｓＥａｒ：ＥｘｔｒａｃｔｉｎｇＵｓａｂｌｅＳｔｒｕｃｔｕｒｅｓｆｒｏｍｔｈｅＷｅｂ”と題された出版物の中で述べられたとおりである。
【００１０】
活性化の伝播において、文書の集合体はマトリクスによりネットワークとして表現される。活性化伝播技術における極めて重要な分析的要素として、ネットワークを通して活性が広がる際の減衰がある。減衰とは、活性が１個のノードから他のリンク付けされたノードへ広がる際に失われる量である。本発明において、活性の減衰を調整する値を生成するために“サーフィンの法則（the law of surfing）”が経験的データに適用される。“サーフィンの法則”はユーザーが次の文書に渡り歩く確率を示すことにより、文書の集合体中におけるユーザーの渡り歩き（すなわちネットサーフィン）行動のモデルを提供する。
【００１１】
本発明の方法は、コンピュータを用いたシステム上で実行するためのソフトウェアプログラムとして実装されるのが好ましく、一般に、文書集合体の経験的データを収集し、初期活性化パターンを初期化し、ページ対ページ遷移マトリクスを初期化し、サーフィンの法則と集められた経験的データを用いて減衰関数を生成し、初期活性化パターンに基づいてネットワーク上で活性を伝播し、そして測定された活性化レベルに基づいてページ使用情報を収集するステップから構成される。
【００１２】
【発明の実施の形態】
リンク付けされた文書の集合体中の文書アクセスを予測するための方法およびシステムを開示する。このようなシステムから得られた情報はユーザーが集合体をブラウズしたり、集合体を再編成したり、あるいは集合体の視覚化イメージを生成するのを支援するために利用されよう。本発明は１個以上の注目文書に対して関連のある文書を識別することを前提とする。本出願の文脈において、最も関連があるのは、その情報が注目文書を見ている者にとって関心がある可能性が高く、ＷＷＷサイト上での使用の経験的情報に基づいていることを示すことである。この情報に基づいて、種々の種類のツールが構築できる。例えば、望ましい使用パターンに適合すべくＷＷＷサイトを再設計するための支援ツールや、現在見られている文書に「関連する」文書を関連付けるブラウズツール、および特定のＷＷＷページが特定の時間枠内で得る「ヒット」すなわちアクセスの数を予測するツール等である。
【００１３】
本発明の現在の好適実施例は、ＷＷＷ（World Wide Web）として知られているインターネットの一部に存在するリンク付けされた文書の集合体（すなわちＷＷＷページ）を分析するために実装されている。ＷＷＷはリンク付けされた文書を保管し、それにアクセスするために使われるインターネットの一部である。ＷＷＷページは、他のページへの相対または絶対リンクと、マルチメディアコンテンツを備える。ＷＷＷサイトは、会社、教育機関のようにＷＷＷの上に存在するエンティティーに付随する関連ＷＷＷページの集合体である。ＷＷＷサイトを“サーフィンする”とは、種々のＷＷＷページ間のリンクを使ってＷＷＷサイトをくまなく渡り歩いているユーザーの行動を記述するために使われる用語である。
【００１４】
この記述で、ＷＷＷページという用語は、リンク付けされた文書のインスタンスであり、これら「ＷＷＷページ」と「リンク付けされた文書」という二つの用語は相互に交換可能に使われる。さらに、本発明はＷＷＷの使用に限定されておらず、文書、イメージ、ビデオ、音声等の文書を含む、リンク付けされたエンティティーにアクセスを許す任意のシステムにおいても利用され得ることに注意すべきである。
【００１５】
ＷＷＷページの集合体は、個々のＷＷＷページに含まれるリンクによって定義されるトポロジーを有することが観察される。リンクとは、別のＷＷＷページを参照し、そして通常はポイント・アンド・クリック操作で照会できるＷＷＷページ上のインジケータである。リンクは他のＷＷＷページのアドレス、すなわちＵＲＬ（Uniform Resource Locator）を指定する。ＷＷＷでＵＲＬは一般にＨＴＴＰ（Hyper Text Transport Protocol）を使って指定される。
【００１６】
図１はＷＷＷページの基礎構造を示すブロック図である。当分野において通常の熟練度を有する者には公知のように、そのようなＷＷＷページは通常ＨＴＭＬ（Hyper Text Mark-up Language）等のマークアップ言語で特定され、またＷＷＷブラウザによって表示できる。ＷＷＷブラウザは、ユーザーにＷＷＷ上に存在する文書を渡り歩く（すなわち、ＷＷＷをサーフィンする）ことを可能にするツールである。ブラウザと結び付いた他のレンダリング手段により文書の音声部分を聞いたり、あるいは文書のイメージ部分を見ることができる。商業的に入手可能なＷＷＷブラウザの例としてネットスケープ・コミュニケーションズ（Netscape Communications）社から入手可能なネットスケープ・ナビゲータ（“Netscape Navigator”：登録商標）と、マイクロソフト（Microsoft）社から入手可能なインターネット・エクスプローラ（“Internet Explorer”：登録商標）がある。
【００１７】
ＷＷＷを渡り歩くことすなわちサーフィンは、リンクの選択を示し、次にリンクによって示されるＷＷＷページをブラウザがロードして表示するコマンドを呼び出すことによって、通常実現される。前述のブラウザにおいて、マウスあるいはトラックボール等のカーソル制御装置を使って望みのリンクを指し示し、選択を示すために所定のスイッチを押下することによって、これが実現される。この操作は、一般に「ポイント・アンド・クリック」操作、あるいはリンクの「クリック」と呼ばれる。
【００１８】
いずれにせよ、ＷＷＷページ１０１にはテキスト内容部分１０２とリンク１０３、１０４、１０５がある。テキスト内容部分１０２は単に文書の標準的なテキストである。リンク１０３〜１０５は表示されたページにテキスト（例えばリンク１０３，１０４）あるいはイメージ（例えばリンク１０５）として表現される。図１に示すように、リンクがテキストとして表現される場合、普通のテキストと視覚的に区別できる。図１においてリンク１０３と１０４は下線を引かれている。
【００１９】
図２のフローチャートは本実施形態の一般的なステップを記述する。最初に、ステップ２０１で文書集合体に関連する経験的データが集められる。経験的データは、大抵は特定の文書集合体の使用レコード（例えばＷＷＷサイト使用レコードから生じた）上に存在するであろう。次にステップ２０２で初期活性化パターンＮ（Ｏ）が初期化される。初期活性化パターンは、一人以上のユーザーが初期の段階で実際に関心を持つか、又は関心を持つと仮定（あるいは予測）される情報に対応しているＷＷＷページの注目集合を示す。これはそのＷＷＷサイトの各ページから見始めるユーザー数の予想値として表現されるのが好ましい。
【００２０】
次に、ステップ２０３においてページからページへの遷移Ｓのマトリクスが初期化される。これは使用ベースのマトリクスであることが好ましい。マトリクスのエントリは、あるページを見ているユーザーが別のリンク付けされたページに行く割合を示す。
【００２１】
次に、ステップ２０４において、サーフィンの法則を取り入れた確率関数あるいは確率ベクトルが初期化される。サーフィンの法則は、文書集合体の使用に関する生データの観察に基づいている。一般的にサーフィンの法則は、（Ｌ−１）回クリックを行い、それからもう一度Ｌ回目のクリックをした人々（すなわち、Ｌ−１クリックの後に去らなかった人々）の比率を表示する。
【００２２】
次に、ステップ２０５において適当な活性化伝播技術を用いて活性化の伝播が行われる。活性化の伝播は、これまでに生成された初期活性化マトリクス、遷移マトリクスおよび（ベクトルの）確率関数を利用する。最後に、ステップ２０６において、すべてのノード（すなわちＷＷＷページ）にわたって活性化が安定パターンに落ち着いた時点で、望ましい情報が抽出される。この情報はＷＷＷページの初期注目集合に対する文書の予測アクセス頻度を与える。
【００２３】
各ステップついて、以下により詳細に述べる。
【００２４】
ＷＷＷ回りの使用記録やアクセスログから、あるいは文書集合体中のＷＷＷページやＷＷＷサイトを直接渡り歩くことにより、経験的生データが文書集合体やＷＷＷサイトのために集められる。本実施形態を検証するために用いられた生データは、ゼロックス（Ｘｅｒｏｘ）社のＷＷＷサイトのシステム管理者、および大規模なオンライン・サービスプロバイダのＷＷＷサイトの管理者から得た。このような生データを集めるために「エージェント」が使われてもよい。しかし、上述のエージェントが基本特徴ベクトルの生データ（基礎データ）を得るための唯一の可能な方法ではないことに注意されたい。インターネット・サービスプロバイダがこのような生データを提供する能力を持ち、将来そのようにするかも知れないと予想される。
【００２５】
本実施形態で用いる収集された経験的データは、特定の時間枠（例えば一日、週あるいは月）に及ぶであろう。しかし、実際に分析のために使われたデータは、関心のある特定の時間帯、例えば月曜日から金曜日の運用時間帯、に限定されるかもしれない。もし週末と週の中とにおける文書集合体のアクセスパターンの比較を予測することが望ましいならば、これは有用であろう。
【００２６】
上述のように、初期活性化パターンは、一人以上のユーザーの実際の初期情報関心度、または仮定あるいは予測された初期情報関心度、に対応するＷＷＷページの注目集合である。その成分が文書集合体、すなわちＷＷＷサイトの各ページからスタートするユーザー数の予想値（すなわち、各ページごとに、そのページをスタートページとするユーザの予想数）を示すマトリクスとして表現されるのが好ましい。
【００２７】
本実施形態が用いられるツールのタイプに依存して、初期活性化パターンを変えてもよい。例えば、もし特定のクラスのページが何度アクセスされるかに興味があるなら、初期活性化マトリクスはそれらのページ（例えば、それらの特定のページを表現するマトリクスにのみ成分を持つ）に焦点を合わせるであろう。
【００２８】
ページからページへの遷移マトリクスは、経験的データに基づいて文書集合体におけるユーザーの実際の渡り歩き方を表す。つまり、それは使用に基礎を置くネットワークとしての文書集合体の表現である。このような使用に基礎を置くネットワークの生成については、アメリカ合衆国にて出願中の出願番号０８／８３１，８０７号の出願（本出願人が譲渡を受けている）に記述されている。
【００２９】
異なる複数のユーザーコミュニティを用いた大規模な経験的研究を通して、ＷＷＷユーザーのサーフィンパターンにいくつかの強い規則性が見いだされた。これらの規則性は以下で導かれるサーフィンの法則によって説明することができ、あるＷＷＷサイトの中でユーザーが訪問するページの数の確率分布を決定する。活性化伝播アルゴリズムとともに、この法則はあるＷＷＷサイト上におけるユーザーのサーフィンパターンをシミュレートするために用いることができる。これはページヒットの正確な予測につながる。
【００３０】
サーフィンの法則はユーザーがＷＷＷサイト中で追跡するリンクＬの数を示す確率Ｐ（Ｌ）により定義される。ユーザーが訪問する各ページには価値があり、次のページをクリックするのはそこに同様の価値があるだろうと仮定するからだ、との考えに基づいてＰ（Ｌ）が得られる。次のページの価値が確かではないため、それが確率的に前のページと関連があると仮定することができる。換言すれば、現在のページの価値は前のページの価値に確率項を加減したものである。かくして、ページ価値は次式で表わされる。
【００３１】
【数１】
Ｖ_L ＝Ｖ_L-1＋ε_L （１）
ここに、値ε_Lは独立で均等に分布するガウス確率変数である。ページ評価のシーケンスはランダム過程の結果であって、各ユーザーにとって異なることに注意されたい。この定式化において、サーフィンし続けることによる予想コストが、将来見い出される情報の割り引かれた予想価値よりも大きくなると感じるまで、人はサーフィンし続けるであろう。これは、「続行する」という選択肢を実行するの閾値が存在するということがよく知られている金融経済学で、現実の選択であると考えられている。たとえ現在のページの価値が否定的であっても、高い価値を持つページの集合体がまだ見い出されるかもしれないため、進むことに意味が有り得ることに注意されたい。しかしながら、価値が十分に否定的であるなら、もう継続するリスクを負う意味は無い。すなわち、Ｖ_Lがある閾値よりも下回るときにやめるのが最適である。
【００３２】
ページ価値が最初に停止閾値に到達する前にユーザーが追跡するリンクの数が確率変数Ｌである。式（１）のランダム・ウォークについて、閾値への初到達時刻（first passage times）の確率分布は二変数逆ガウス分布によって漸近的に与えられることが分かっている。すなわち、
【数２】

ただし、平均Ｅ［Ｌ］＝μ、分散Ｖａｒ［Ｌ］＝μ³／λである。
【００３３】
ＷＷＷ集合体のサーフィン経路の分布に適合する逆ガウス分布（ＩＶＧＤ：Inverse Gaussian Distribution）を評価することによって、λとμが推定される。ＩＶＧＤフィッティングは、μおよびλパラメータを、モーメント法、最小二乗フィッティング、ベイズ共役優先等、公知の標準的統計手法を用いて推定することにより行なわれる。現状での好適な例では、モーメント法を用いている。パラメータは、ある深さ（すなわちクリック回数）でサーフィンする人数をプロットし、次に分布とパラメータを導くために式（２）あるいは式（４）を用いて得られた経験的データから得られる。
【００３４】
サーフィンの法則に特徴的な逆ガウス分布の例を図３に示す。この分布は、ユーザーのサーフィンパターンの文脈で強調する価値のある、二つの特徴を持っている。第一に、非常に長い尾部を持っており、それは同等の平均と分散を持つ標準的な分布の尾部よりはるかに長く伸びている。このことは、標準的な分布によって記述されたならばありそうもない事象についての有限確率を含んでいる。従って、サイトにおいて計算されたユーザークリックの平均数からの大きい偏差が観察されよう。第二に、分布関数の非対称性のため、ユーザーの典型的な行動は、彼らの平均的行動と同じではないであろう。このように、最頻値が平均値より小さいため、サーフィンされている典型的な深さを過大評価するので、クリックの平均数について入手可能なデータについて注意が必要である。
【００３５】
式（２）がユーザーのサーフィンパターンをうまく記述することがわかったので、それが活性化の伝播と関連して、電子商取引きにおいて興味ある数値である、ＷＷＷサイトの各ページのヒット数をどのように予測することができるかが分かる。活性化の伝播は、グラフの連結ノードの間に数値（あるいは活性化レベル）を伝播するための技術のクラス（分類）に関連する。それらの技術の応用は、人間の記憶モデルや意味論から情報検索までにわたる。ＷＷＷとの関連においてノードはページに、アークはハイパーリンクに対応し、それによって活性化伝播はＷＷＷサイトを通るユーザーの流れをシミュレートする。続いて活性化の伝播について詳細に説明する。
【００３６】
各々がｉ＝１、２、．．．、ｎ、とインデックスが付与され、ハイパーリンクエッジで結ばれてグラフを形成するｎ個のＷＷＷページの集合体を考える。ｉ番目とｊ番目のノードの間に重みＳ_j,iを割り当てることにより、ユーザーのサーフィン行動をシミュレートすることができる。この重みＳ_j,iは、Ｓ_j,iのｊに関する総和が１ならば、ノードｉにいるユーザのうちノードｊに進む者の割合と解釈することができる。ここでの総和はノードｉにエッジでつながるすべてのノードについて求める。ｆ_Lを、（Ｌ−１）個のリンクをたどってサーフィンし終えて深さＬまでサーフィンを続けようとするユーザーの割合とする。活性化値Ｎ_i,Lを、Ｌ回のクリックを通してサーフィンした後でノードｉにいるユーザーの数と定義すると次式が得られる。
【００３７】
【数３】

式（３）は、好適な実施例で用いられる活性化伝播の定義であることに注意されたい。いずれにせよ、割合ｆ_Lはユーザーのグループにおいて、Ｌ個以上のリンクをサーフィンするユーザーの数と、Ｌ−１個以上のリンクをサーフィンするユーザーの数との比と等しいことに注意して、式（２）から見いだされる。これは逆ガウス分布のＣＤＦであるＦ（Ｌ，μ，λ）を用いて、次式で与えられる。
【００３８】
【数４】

この定義では、式（４）は初期状態Ｎ_i,1から反復される。大部分のサーファーが停止した後では、各ページについてのヒットの予測総数は、各ページのすべての反復についての単純合計である。
【００３９】
活性化の伝播は、ある関心の的に関連すると予測される知識を識別するプロセスであると特徴づけられる。Ｐ・Ｐｉｒｏｌｌｉ、Ｊ．ＰｉｔｋｏｗおよびＲ．Ｒａｏによる、ＣｏｎｆｅｒｅｎｃｅｏｎＨｕｍａｎＦａｃｔｏｒｓｉｎＣｏｍｐｕｔｉｎｇＳｙｓｔｅｍｓ（ＣＨＩ９６）、カナダ、ブリティッシュコロンビア州バンクーバー、１９９６年４月号の“ＳｉｌｋｆｒｏｍＳｏｗ’ｓＥａｒ：ＥｘｔｒａｃｔｉｎｇＵｓａｂｌｅＳｔｒｕｃｔｕｒｅｓｆｒｏｍｔｈｅＷｅｂ”と題された出版物の中で述べられているように、活性化の伝播は、ソースページの特定の集合に関連のあるページに関する予測を行なうために用いることができる技術としてＷＷＷに適用されてきた。サーフィンの法則と合わせて用いると、ＷＷＷサイトの特定ページへのヒット数の予測のように、別の興味深い情報群が得られる。
【００４０】
減衰関数は、本実施形態で用いられる活性化の伝播の極めて重要な分析要素である。上で述べたように、サーフィンの法則は、ネットワークを介して活性を弱めるための減衰値を生成するために用いられる。減衰関数の性質に従えば、活性化値は、入力された注目文書（または入力された注目文書中のページ群のうち、あるページが必要とされるであろう確率）との関連度合いの予測値であると仮定される。
【００４１】
これまで述べてきた手法は、多重入力ソースの結果として生じる活性化パターンは、各ソースから個別に作り出した活性化パターンの加法的組み合わせである（すなわち多重の重み付きソースは、個別のソースの単なる重み付き加算である）、という性質を持つ。この性質を用いて、各グラフと組み合わせた各ソースから生ずる活性化パターンを予め計算することができる。すべての複雑なパターンは、単純なベクトル加算によりこれらから導くことができる。また前述の出願番号０８／８３１，８０７の出願に記述されているように、ＷＷＷサイトで典型的なＷＷＷ作製者を評価したり、あるいはホームページ訪問者の興味を予測するなどの多くの興味深い問題に答えるために用いることができる。
【００４２】
先に概説したように、ネットワークは、ＷＷＷサイトを通したユーザーのサーフィンパターンによって反映される、ＷＷＷページ間の関連の強さを表すために用いられる。ネットワークすなわちグラフは、活性化伝播の方程式のマトリクスにより表現される。すなわち、マトリクスの各行はＷＷＷページを表すネットワークノードに対応し、同様に各列はＷＷＷページを表すネットワークノードに対応する。１、２、．．．、Ｎ番目のＷＷＷページに索引を付けると、グラフネットワークを表す各マトリクスについてｉ＝Ｉ、２、．．．Ｎ個の列とｊ＝Ｉ、２、．．．Ｎ個の行があることになる。
【００４３】
マトリクスの第ｉ列と第ｊ行の各成分は、第ｉページと第ｊページの間の結合強度（あるいは同様に、潜在的な活性の流量すなわち容量）を表す。これらの成分の意味は、活性化が伝播されているネットワークの種類に依存して変化する。現在の好適な実施例において、成分の値はページ間遷移の実測値を表す。
【００４４】
図４〜図５はネットワークおよび対応するマトリクス表現を示す。図４において、対応するリンクが存在するノード間だけにサーフィンが起こり得ることに注意されたい。図４にはそのようなリンクとサーフィン経路の強度の両方が示されている。次に図５において、サーフィンネットワークのマトリクス表現について、第ｉ列、第ｊ行のエントリである整数値の強度ｓ≧０は、ページｉからページｊへサーフィンしているユーザーの確率を示す。
【００４５】
ネットワークにおいて活性化を伝播して、関連ページを見い出すことを図６を参照しつつ概念的に説明する。図６を参照するに、活性６０１は注目ＷＷＷページのある開始集合を表すノードにおいて１個以上のグラフネットワーク６０２に送り込まれる。活性はグラフ構造のアークを通ってある流量で流れる。その流量は、アーク強度（アークの伝送容量とも考えられる）により調整されて、サーフィンの法則で与えられる確率値により弱められたものである。複数のノードにわたる活性化の漸近的パターンは、活性化されたネットワーク６０３においてノード群に含まれるバー６０４が示すように、注目ＷＷＷページの開始集合に関係のある他のＷＷＷページのヒット回数を定める。
【００４６】
以下は、異なる種類の情報を抽出するために本実施形態の手法を用いた場合のいろいろな例である。
【００４７】
現在、最先端のＷＷＷサイト・ログファイル分析ツールによりＷＷＷサイトにおけるトラフィックの事後分析が可能である。ログファイルは、例えばＷＷＷサイト内外の、あるいはページ内のリンクなどの、行為の記録である。サーフィンの法則から導かれた逆ガウス分布によりＷＷＷサイトにおけるトラフィックの予測モデルの構築が可能になる。この実施例について、ＷＷＷサイトのログファイルを分析し、以下のデータを計算した。
【００４８】
＊あるＷＷＷページを経由して、ＷＷＷサイトに入る回数（すなわち、ユーザーはメインページすなわちホームページ（例えば、ｗｗｗ．ｘｅｒｏｘ．ｃｏｍ）からではなく、ユーザーのブックマークが指す他のページや、検索エンジンの結果等からＷＷＷサイトに入ることが極めて多い。）を求める。このステップの結果、ＷＷＷサイト中の全ページについて頻度ベクトルが得られる。
【００４９】
＊人々がそのＷＷＷサイトでたどる経路を決定する。
【００５０】
＊各ユーザーの経路に基づいて状態遷移マトリクスを生成する。
【００５１】
＊すべてのユーザーがそのＷＷＷサイトで行なうクリック回数についての逆ガウス分布を仮定して平均と標準偏差を計算する。
【００５２】
＊エントリポイントを初期活性化マトリクスとして用い、結合強度（すなわちアーク強度）を状態遷移マトリクスとして用い、サイトの平均と標準偏差とを伴う逆ガウス分布を減衰パラメータとして用いて、活性化伝播アルゴリズムを実行する。活性化伝播アルゴリズムの各繰り返しの間、各ページにおける活性を合計することにより、各ページのヒットカウント（すなわち頻度）の予測値を表にする。
【００５３】
関連ページの予測は動的に、または事前に行なわれ、ブラウジングの支援に用いることができる。例えば、ユーザーが特定のページから次にどこへ行くべきか決心がつかない時、関連ページのリストが示されるようにしてもよい。特定のページあるいはページ集合に関連するページの予測は以下により実現される。
【００５４】
＊所望のページ集合を示すために初期活性化マトリクスを初期化する。
【００５５】
＊ＷＷＷサイトの使用情報に基づいて遷移マトリクスを初期化する。
【００５６】
＊すべてのユーザーがＷＷＷサイトで行なうクリック回数に関して逆ガウス分布を仮定して平均と標準偏差を計算する。
【００５７】
＊エントリポイントを初期活性化マトリクスとして用い、結合強度（すなわちアーク強度）を状態遷移マトリクスとして用い、サイトの平均と標準偏差を伴う逆ガウス分布を減衰パラメータとして用いて、活性化伝播アルゴリズムを実行する。あらかじめ定めた閾値を超える活性化値を持つページが、関連ページ群のリストとして提供される。
【００５８】
本実施形態は、コンフィギュレーションに基づくＷＷＷのトラフィック予測を提供することにより、ＷＷＷ設計を容易にする。ＷＷＷ設計すなわちネットワークを変えることにより、異なる使用および活性化パターンが得られよう。本実施形態は、ＷＷＷサイトのページの使用や活性化パターンの変化を予測するために用いることができよう。ＷＷＷ設計は以下により達成されるであろう。
【００５９】
＊ＷＷＷサイトがどのように再設計されるかに基づいて初期活性化マトリクスを初期化する。このことは通常、特定のＷＷＷページが特定の場所（例えば、そこへ関連付けられる確率がより高いポイント）において提示されるように、ＷＷＷサイトで種々のページをリンク付けし直すことである。
【００６０】
＊ＷＷＷサイトの使用情報に基づいて遷移マトリクスを初期化する。
【００６１】
＊すべてのユーザーがＷＷＷサイトで行なうクリック回数について逆ガウス分布を仮定して平均と標準偏差を計算する。
【００６２】
＊エントリポイントを初期活性化マトリクスとして用い、結合強度（アーク強度）を状態遷移マトリクスとして用い、サイトの平均と標準偏差を伴う逆ガウス分布を減衰パラメータとして用いて、活性化伝播アルゴリズムを実行する。ＷＷＷサイトの変更が望ましい効果（例えばリンク付けし直したＷＷＷページがより多くのヒットを受け取るという予測がある）を持つかどうか決定する。
【００６３】
＊予測された結果が満足すべきものでないなら、ＷＷＷサイトのトポグラフィー（構造パターン）を変更して活性化伝播を繰り返す。
【００６４】
本発明の好適な実施形態が実装され得るコンピュータを用いたシステムについて図６を参照しながら説明する。コンピュータを用いたシステムおよび付随する動作命令（例えばソフトウェア）は、本実施形態の実装に用いる回路構成を具体化する。図７では、コンピュータを用いたシステムは、バス７０１を介して接続された複数の要素から構成されている。バス７０１は、バス（例えばプロセッサバス、ローカルバスおよび入／出力バス）の階層と同様に、複数のパラレルバス（例えばアドレス、データおよび状態バス）から構成されていてよい。いずれにせよ、コンピュータシステムはさらに、内部メモリ７０３（内部メモリ７０３は典型的には、ＲＡＭとＲＯＭの組み合わせであることに注意されたい）からバス７０１経由で与えられた命令を実行するためのプロセッサ７０２を含む。プロセッサ７０２は、ＷＷＷサイトから生データを抽出し、生データを望ましい特徴ベクトルやトポロジー、使用パスやテキスト類似性マトリクスに変換し、分類して、活性化を伝播するのを支援する種々の動作を行うために用いられる。このような動作実行のための命令が内部のメモリ７０３から読み出される。プロセッサ７０２が行うこのような動作は、図２に記述される処理ステップを含む。この動作は通常、よく知られているプログラミング技術を利用した適当なプログラミング言語でコーディングされた命令の形で提供される。プロセッサ７０２と内部メモリ７０３は別々のコンポーネントであっても、またＡＳＩＣチップのような一体化されたデバイスであってよい。
【００６５】
バス７０１にはまた、入力のためのキーボード７０４、データを保存するための外部記憶装置７０５、カーソルを操作するためのマウス等のカーソル制御装置７０６、視覚的出力を表示するためのディスプレイ７０７、およびネットワーク接続７０８が結合されている。キーボード７０４は通常、標準のＱＷＥＲＴＹキーボードであろうが、同じく電話のキーパッドのようなものであってもよい。外部記憶装置７０５は固定式の、あるいは着脱可能な磁気ディスクドライブ、または光ディスクドライブなどである。例えばマウスやトラックボールのようなカーソル制御装置７０６には、通常ある特定機能の実行がプログラムできるボタンやスイッチが付いている。ネットワーク接続７０８は、ネットワークに接続するための手段、例えばローカルエリアネットワーク（ＬＡＮ）カードやモデムカードとその適切なソフトウェアを備える。最終的に接続されるネットワークはインターネットであるが、これはプロキシサーバー、または仲介ネットワーク、あるいはＡＯＬ（America On-Line）、Ｐｒｏｄｉｇｙ（登録商標）、あるいはＣｏｍｐｕＳｅｒｖｅ（登録商標）のようなダイアルアップサービスを経由することになろう。
【図面の簡単な説明】
【図１】ＷＷＷページの基礎構造を示すブロック図である。
【図２】文書アクセスを予測するための基本ステップを示すフローチャートである。
【図３】ユーザーの渡り歩きパターンを示す逆ガウス分布の説明図である。
【図４】活性化伝播に利用できるネットワークの表現を示す説明図である。
【図５】活性化伝播に利用できるネットワークの表現を示す説明図である。
【図６】ソースページに関連のあるページを見い出すための活性化伝播とその結果を示す説明図である。
【図７】実施の形態を実装するために利用されるであろうコンピュータシステムのブロック図である。
【符号の説明】
１０１ＷＷＷページ、１０２テキスト内容部分、１０３，１０４，１０５リンク、７０１バス、７０２プロセッサ、７０３内部メモリ、７０４キーボード、７０５外部記憶装置、７０６カーソル制御装置、７０７ディスプレイ、７０８ネットワーク接続。

Claims

ＷＷＷサイト内のＷＷＷページｉ（ｉは、前記ＷＷＷサイト内の各ＷＷＷページの識別番号）ごとに、当該ＷＷＷページｉから当該ＷＷＷサイトの閲覧をスタートするユーザーの予想数を表す初期活性化情報Ｎ _i,1 を記憶する第１の記憶手段と、
前記ＷＷＷサイトの使用レコードから求められた、前記ＷＷＷサイト内でのＷＷＷページからＷＷＷページへの遷移を表す遷移マトリクスを記憶する第２の記憶手段であって、前記遷移マトリクスの各エントリＳ _i,k （ｉ，ｋは前記ＷＷＷサイト内の各ＷＷＷページの識別番号）は、ＷＷＷページｋを閲覧しているユーザーが当該ＷＷＷページｋから別のＷＷＷページｉに移る割合を表すことを特徴とする第２の記憶手段と、
前記ＷＷＷサイトの使用レコードから求められた、前記ＷＷＷサイト内でユーザーが辿るリンクの数Ｌの確率分布Ｐ（Ｌ）を記憶する第３の記憶手段と、
前記第１の記憶手段に記憶された前記初期活性化情報Ｎ _i,1 、前記第２の記憶手段に記憶された前記遷移マトリクスの各エントリＳ _i,k 、及び前記第３の記憶手段に記憶された確率分布Ｐ（Ｌ）を用いて活性化伝播処理を実行する活性化伝播手段であって、前記活性化伝播処理として、
前記第３の記憶手段に記憶された確率分布Ｐ（Ｌ）に、

で表される逆ガウス分布をフィッティングすることによりλ及びμを求め、
活性化値Ｎ _i,L の初期値として前記初期活性化情報Ｎ _i,1 を用い、Ｓ _i,k として前記遷移マトリクスを用いて、

で表される演算を、Ｌ＝１からＬを１ずつ増やながら反復実行し、
この反復実行の中で、前記ｆ _L は逆ガウス分布のＣＤＦである関数Ｆと前記λ及び前記μを用いて

を計算することにより求める、ことを特徴とする活性化伝播手段と、
前記活性化伝搬手段により求められた各反復ＬにおけるＮ _i,L をＷＷＷページｉごとに合計することで、ＷＷＷページｉのアクセス数の予測値を計算するアクセス数計算手段と、
を備えるシステム。