JP4722051B2 - 傾向分析を用いる検索クエリ処理のためのシステムおよび方法 - Google Patents

Description

関連出願への相互参照
本開示は下記の共通に譲受された係属中の米国特許出願に関する。「汎用検索インターフェースシステムおよび方法」と題され、２００３年４月４日に出願された、仮出願番号第６０／４６０，２２２号、および「ユニットのクラスタリングを用いる検索処理のためのシステムおよび方法」と題され、２００３年１０月９日に出願された、仮出願番号第６０／５１０，２２０号である。これらの出願のそれぞれの開示は、あらゆる目的のために引用にて本願明細書に援用される。

発明の背景
インターネットならびにワールドワイドウェブ（ウェブ）上でユーザに利用可能である多数のウェブページおよび媒体コンテンツの到来によって、ウェブをフィルタして所望の情報を得るための能率化されたアプローチをユーザに与える必要が出てきた。所望の情報を得るというユーザの必要を満たすため、検索システムおよびプロセスが開発されている。そのような技術の例は、ヤフー（Yahoo!）、グーグル（Google）および他のサイトを通してアクセスすることができる。典型的には、ユーザが１つのクエリを入力すると、検索プロセスが（ウェブ探索の場合）１つ以上のリンク、文書、および／または（異なる検索コーパスの場合）クエリと関連する参照を返す。返されたリンクはユーザが実際に捜していたものと密接に関連しているかもしれず、または全く無関係かもしれない。クエリ結果の「関連性」は、ある部分において、入力された実際のクエリの関数（function）であり得るのと同様に、用いられる検索システム（基礎となる収集システム）のロバスト性の関数（function）でもあり得る。関連性は、ユーザによって主観的に判断されても、またはユーザが捜していたであろうものにより客観的に判断されてもよい。

ユーザが入力するクエリは、典型的には１つ以上の単語でできている。例えば、「ハワイ（hawaii）」はクエリであり、「ニューヨーク市（new york city）」も、「ニューヨーク市の法執行（new york city law enforcement）」もクエリである。このように、クエリ全体が人間の脳に組み込まれているわけではない。換言すれば、人間は当然にはクエリによって考えることをしない。クエリは、ある部分において、検索エンジンに問合せたりライブラリカタログを調べたりする必要に迫られて押付けられた、人為的な構成体である。人間はまた、当然には１つの単語によって考えることをしない。人間が考えるのは自然な概念である。例えば、「ハワイ」および「ニューヨーク市」は、単語の数によって測定された場合は長さにおいて大いに異なるクエリであるが、それらは１つの重要な特性を共有する。それらは各々１つの概念から構成されるのである。しかしながら「ニューヨーク市の法執行」は違う。なぜならそれは２つの別個の概念「ニューヨーク市」および「法執行」から構成されるからである。

人間はさらに、概念間の論理関係によって考える。例えば、警察が法執行の重要な機関であるので、「法執行」と「警察」とは関連のある概念である。これらの概念のうち一方を入力するユーザは、他方の概念に関連するサイトがたとえユーザがたまたま入力した特定の単語または句を含まないサイトであったとしても、そのサイトに興味を持つかもしれない。このような発想パターンの結果、人間は単にさまざまな長さの単一の単語の連続ではなく、１つ以上の自然な概念を入力することによって自然にクエリを構築する。そして一般にクエリは、ユーザが認識しているであろう関連概念のすべてを含んでいるわけではない。また、ユーザの意図はクエリの個々の単語に必ずしも反映されていない。例えば、「法執行」は１つの概念である一方で、別個の単語「法」および「執行」はそれらの単語
が組み合わされた場合と同じユーザ意思を独立して伝えるわけではない。

現在の技術は、主な検索プロバイダ、例えばＭＳＮ、グーグルまたは他の主な検索エンジンサイトのいずれにおいても、人間がクエリを作成するのと同じやり方でクエリを理解するわけではない。例えば、既存の検索エンジンは一般にユーザが入力した単語または句そのままを捜索し、ユーザが実際に思い描いていた、根底にある自然な概念または関連概念を検索するわけではない。これは恐らく、検索プロバイダがユーザの意図を識別し、最適な検索結果およびコンテンツを与えるのを妨げる、最も重要な理由である。

これからわかるように、ユーザが興味を持っているであろう実際の概念により合致した結果を与えることを助け、ユーザの経験を向上させるような、改善された検索およびインターフェース技術の必要がある。

発明の概略
本発明の実施例は、求められている情報についてさらに高度な理解を与えるために受取ったクエリを分析することを含む、検索リクエストの処理のためのシステムおよび方法を与える。クエリは解析されてユニットに分解され、ユニットは例えばクエリの１つ以上の単語またはトークンを含んでもよい。異なるクエリにおいて用いられるユニットの類似の組合せなどのパターンを検知するために、クエリのユニット表示においてさらさらなる分析が行なわれる。類似する二次ユニットの集合に関連してクエリに現れるユニットはクラスタにグループ化され、各々に関連付けられた二次ユニットの類似の程度に基づいて、２つのクラスタメンバの間の関連に重みが割り当てられてもよい。

本発明の１つの局面によれば、異なるクエリサブセットについてクラスタリングが繰り返され、クエリは１つ以上の次元（dimension）に沿ったサブセットに仕分けられる。１つの実施例では、次元は、時間、ユーザの個人的特性もしくはデモグラフィック（demographics）（例えば年齢、性別、わかっている関心事、もしくはユーザプロファイル）、地理的次元（例えば物理的位置もしくはＩＰアドレス）またはクエリの前のユーザの活動もしくはコンテキストを表わす縦の次元（vertical dimension）（例えばクエリが入力されたときユーザがいるウェブサイト上の場所）を含む。これは、各クエリサブセットについてサブセット固有のクラスタ（または概念ネットワーク）を生成する。あるユニットまたはクラスタに関する傾向情報は、少なくとも２つのサブセットの対応するサブセット固有の概念ネットワークを比較することによって生成される。

添付の図面を伴った以下の詳細な説明は、本発明の性質および利点についてのよりよい理解を与えるであろう。

発明の詳細な説明
図１は、本発明の実施例によるクライアントシステム２０を含む、情報検索および通信ネットワーク１０の一般的概観を示す。コンピュータネットワーク１０では、クライアントシステム２０は、インターネット４０または他の通信ネットワーク、例えば任意のＬＡＮまたはＷＡＮ接続によって、５０_１から５０_Ｎの任意の数のシステムサーバに結合される。本願明細書に記載されるように、クライアントシステム２０は、本発明によって５０_１から５０_Ｎのいずれのシステムサーバとも通信するよう構成され、例えば媒体コンテンツおよびウェブページなどの他の情報にアクセスし、受け取り、検索し、表示する。

図１に示されるシステムのいくつかの要素は、本願明細書に詳細に説明される必要のない従来の周知の要素を含む。例えば、クライアントシステム２０は、デスクトップパーソナルコンピュータ、ワークステーション、ラップトップ、ＰＤＡ、携帯電話もしくは任意のＷＡＰ対応装置、またはインターネットに直接もしくは間接にインターフェースすることができる他の計算装置を含み得る。典型的にはクライアントシステム２０が、ブラウジングプログラム、例えばマイクロソフトのインターネットエクスプローラ（登録商標）ブラウザ、ネットスケープナビゲータ（登録商標）ブラウザ、モジラ（登録商標）ブラウザ、オペラ（登録商標）ブラウザ、または携帯電話の場合はＷＡＰ対応ブラウザ、ＰＤＡまたは他の無線装置などを実行することにより、クライアントシステム２０のユーザは、インターネット４０を介して５０_１から５０_Ｎのサーバシステムから利用可能な情報およびページにアクセスし、処理および閲覧ができる。クライアントシステム２０はさらに、典型的にはキーボード、マウス、タッチスクリーン、ペンなどの１つ以上のユーザインターフェース装置２２を含み、５０_１から５０_Ｎのサーバシステムまたは他のサーバによって与えられるページ、フォームおよび他の情報に関連してブラウザによって表示（例えばモニタ画面、ＬＣＤ表示など）上に与えられるグラフィカルユーザインターフェース（ＧＵＩ）と対話する。本発明は、ネットワークのうち特定のグローバルインターネットワークを指すインターネットを用いた使用に適する。しかしながら、例えばイントラネット、エクストラネット、仮想プライベートネットワーク（ＶＰＮ）、非ＴＣＰ／ＩＰベースのネットワーク、任意のＬＡＮまたはＷＡＮなどの他のネットワークを、インターネットの代わりに、またはインターネットに加えて用い得ることが理解されよう。

１つの実施例によれば、クライアントシステム２０およびそのすべての構成要素は、インテルペンティアム（Intel Pentium）（登録商標）プロセッサ、ＡＭＤアスロン（Athlon）（登録商標）プロセッサなどの中央処理装置または複数のプロセッサを用いて実行されるコンピュータコードを含むアプリケーションを用いてオペレータ構成可能である。本願明細書に記載されるように、データおよび媒体コンテンツを通信し、処理し、表示するようにクライアントシステム２０を動作し構成するためのコンピュータコードは、好ましくはダウンロードされ、ハードディスクに記憶されるが、そのプログラムコード全体または部分もＲＯＭまたはＲＡＭなどとして周知である任意の他の揮発性もしくは不揮発性メモリ媒体または装置に記憶されてもよく、または、コンパクトディスク（ＣＤ）媒体、デジタル多機能ディスク（ＤＶＤ）媒体、フロッピー（登録商標）ディスクなどのプログラムコードを記憶することができる任意の媒体で与えられてもよい。さらに、プログラムコード全体または部分は、ソフトウェアソース、例えばサーバシステム５０_１から５０_Ｎの１つからクライアントシステム２０にインターネットを通じて送信されダウンロードされてもよく、またはいずれの通信媒体およびプロトコル（例えばＴＣＰ／ＩＰ、ＨＴＴＰ、ＨＴＴＰＳ、イーサネット（登録商標）または他の従来の媒体およびプロトコル）を用いて他のネットワーク接続（例えばエクストラネット、ＶＰＮ、ＬＡＮまたは他の従来のネットワーク）を通じて送信されてもよい。

本発明の局面を実現するためのコンピュータコードは、Ｃ、Ｃ＋＋、ＨＴＭＬ、ＸＭＬ、Ｊａｖａ（登録商標）、ＪａｖａＳｃｒｉｐｔ（登録商標）などのコード、または他の適切なスクリプト言語（例えば、ＶＢＳｃｒｉｐｔ）、または他の適切なプログラミング言語であってクライアントシステム２０上で実行することができるか、クライアントシステム２０上で実行するためにコンパイルすることができるコードであり得ることが認識されるべきである。いくつかの実施例では、コードはクライアントシステム２０にダウンロードされず、必要なコードはサーバによって実行され、またはクライアントシステム２０で既に示されたコードが実行される。

図２は、本発明の実施例による、媒体コンテンツを通信するための別の情報検索および通信ネットワーク１１０を示す。示されるように、ネットワーク１１０は、クライアント
システム１２０、１つ以上のコンテンツサーバシステム１５０、および検索サーバシステム１６０を含む。ネットワーク１１０では、クライアントシステム１２０は、インターネット１４０または他の通信ネットワークを通じてサーバシステム１５０および１６０に通信可能に結合される。上述のように、クライアントシステム１２０およびその構成要素は、インターネット１４０または他の通信ネットワークを通じてサーバシステム１５０および１６０、ならびに他のサーバシステムと通信するよう構成される。
（００２１） １つの実施例によれば、クライアントシステム１２０上で実行されるクライアントアプリケーション（モジュール１２５として表わされる）は、サーバシステム１５０および１６０と通信し、かつそこから受け取ったデータコンテンツを処理し表示するために、クライアントシステム１２０およびその構成要素を制御する命令を含む。上述のように、クライアントアプリケーションモジュール１２５は、フロッピー（登録商標）ディスク、ＣＤ、ＤＶＤなどの任意のソフトウェア記憶媒体で与えることができるが、好ましくはクライアントアプリケーション１２５は、リモートサーバシステム（例えばサーバシステム１５０、サーバシステム１６０または他のリモートサーバシステム）などのソフトウェアソースからクライアントシステム１２０に送信され、ダウンロードされる。例えば、１つの局面では、クライアントアプリケーションモジュール１２５は、例えば埋込型ＪａｖａＳｃｒｉｐｔまたはアクティブＸ制御などの様々な制御を含むＨＴＭＬラッパ（wrapper）において、データを操作し、データをさまざまなオブジェクト、フレームおよびウインドウに図示するために、インターネット１４０を通じてクライアントシステム１２０に与えられてもよい。

さらに、クライアントアプリケーションモジュール１２５は、検索リクエストおよび検索結果データを処理するための専門化された検索モジュール１２６などのデータおよび媒体コンテンツの処理のための様々なソフトウェアモジュールと、データおよび媒体コンテンツをテキスト、データフレーム、ならびにブラウザウィンドウおよびダイアログボックスなどのアクティブウィンドウに図示するためのユーザインターフェースモジュール１２７と、クライアント１２０上で実行する様々なアプリケーションとインターフェースし通信するためのアプリケーションインターフェースモジュール１２８とを含む。アプリケーションインターフェースモジュール１２８が本発明の１つの局面によってインターフェースするよう好ましくは構成される、クライアントシステム１２０上で実行する様々なアプリケーションの例としては、様々な電子メールアプリケーション、インスタントメッセージング（ＩＭ）アプリケーション、ブラウザアプリケーション、文書管理アプリケーションなどを含む。さらに、インターフェースモジュール１２７は、クライアントシステム１２０または異なるブラウザ上に構成されるデフォルトブラウザなどのブラウザを含んでもよい。いくつかの実施例では、クライアントアプリケーションモジュール１２５は、上記に参照された仮出願番号第６０／４６０，２２２号に記載されるような汎用検索インターフェースの特徴を与える。

１つの実施例によれば、検索サーバシステム１６０は、クライアントシステム１２０に検索結果データおよび媒体コンテンツを与えるよう構成され、コンテンツサーバシステム１５０は、例えばウェブページなどのデータおよび媒体コンテンツを、例えば検索サーバシステム１６０によって与えられる検索結果ページにおいて選択されたリンクに応答して、クライアントシステム１２０に与えるよう構成される。ある変形例では、検索サーバシステム１６０は、コンテンツへのリンクおよび／または他の参照とともに、あるいはその代わりに、コンテンツを返す。

１つの実施例における検索サーバシステム１６０は、１つ以上のページインデクスを、例えばページ、ページへのリンク、インデクスを付けられたページのコンテンツを表わすデータなどに関連付ける（populating）ための様々な収集技術を参照する。そのような収集技術は、手動または半自動の分類アルゴリズム、および階層構造内でウェブページを分
類し格付けするためのインターフェースととともに、自動ウェブクローラ、スパイダなどを含む。ある局面では、検索サーバシステム１６０はさらにウェブページを処理し格付けするための検索関連アルゴリズムで構成される。検索サーバシステム１６０はまた、クエリログファイルの形式でユーザクエリ活動を記録するよう、好ましくは構成される。

検索サーバシステム１６０は、クライアントシステム、特に検索モジュール１２６から受け取った様々な検索リクエストに反応するデータを与えるよう構成される。サーバシステム１５０および１６０は、ヤフー社（Yahoo! Inc.,）によりユーザに与えられる分散サーバシステムなどの単一組織の一部であるか、または異種の組織の一部であってもよい。コンテンツサーバシステム１５０および検索サーバシステム１６０は、各々少なくとも１つのサーバおよび関連するデータベースシステムを含んでおり、複数のサーバおよび関連するデータベースシステムを含んでもよく、単一のブロックとして示されるが地理的に分散されていてもよい。例えば、検索サーバシステム１６０のサーバはすべて互いのすぐ近く（例えば単一の建物またはキャンパスに位置するサーバファーム内）に位置してもよく、互いから遠い場所（例えば、Ａ市にある１つ以上のサーバおよびＢ市にある１つ以上のサーバ）に分散されていてもよい。

本願明細書で用いられるように、「サーバシステム」は、典型的には１つ以上の論理的および／または物理的に接続された、局地的にまたは１つ以上の地理的場所にわたって分散されたサーバを含む。当該技術において周知のように、「サーバ」は、典型的にはコンピュータシステムおよび関連する格納方法およびデータベースアプリケーションを含む。

１つの実施例によれば、検索サーバシステム１６０は、ページインデクスにアクセスし、クライアントシステム１２０から受け取った検索クエリに応答してユーザに検索結果を与えるために、１つ以上のページインデクスおよびアルゴリズムで構成される。ある局面では、検索サーバシステム１６０は、クライアントシステム１２０からの検索リクエストに応答して向上した検索クエリ分析およびクラスタリング機能を与えるよう構成される。他の変形例では、検索サーバシステム１６０は、コンテンツサーバシステム１５０のコンテンツおよび機能のすべてを含む。

１つの実施例では、検索サーバシステム１６０上で実行するプロセスは、検索クエリおよび／または検索結果のコンテキスト解析を行ない、異なるコンテキストを反映するようグループ化された検索結果を伴って応答する。意図されたコンテキストに依存して異なる意味を有する検索語が多い。例えばあるユーザが用語「Ｊａｖａ」を用いて検索を行なった場合、意図したコンテキストは明らかではない。ユーザはＪａｖａコンピュータ言語に興味があるのか、インドネシアのジャワ島（Ｊａｖａ）に興味があるのか、またはコーヒー（しばしば口語でジャワ（ｊａｖａ）と称される）に興味を持っているのかもしれない。本発明は検索クエリおよび／または結果を有利に分析し、結果をコンテキストにグループ化して、ユーザのコンピュータ１２０で表示する。例えば、検索語「Ｊａｖａ」に応答して、検索サーバシステム１６０のいくつかの実施例は、３つ（または他のコンテキストが識別されればさらに多く）のコンテキストまたは単語の意味にグループ化された検索結果を返す。コンピュータ言語としてのＪａｖａ、ジャワ島、およびジャワコーヒーである。システムは各コンテキストと関連して与えられるリンクを備えた集合として結果を表示するよう構成されてもよく、またはシステムはリンクなしで単なるコンテキスト（コンテキストを識別するのに十分なユーザ向け情報を備える）を表示し、関連するリンクを表示するためにユーザが所望のコンテキストを選択することを可能にしてもよい。ヤフーネットワークシステムでは、例えば、１組のコンテキストは、各コンテキストが検索インデクスからのページ、スポンサードマッチ（sponsored match）に関連したリンク、ディレクトリマッチ（directory match）に関連したリンク、およびインサイドヤフー（ＩＹ）マッチ（Inside Yahoo! match）に関連したリンクに、１セットのリンクを有して表示され
てもよい。

本発明のシステムは、１つの実施例において、「Ｊａｖａ」のような曖昧な意味がある単語または句に加え、必ずしも曖昧でない検索語について結果をコンテキストにグループ化するよう構成される。検索語「ハワイ」に返された結果が一例である。用語「ハワイ」自体は本来曖昧でないかもしれないが、このような用語に返される結果の性質は、ハワイについて述べたり単に言及したりするすべてのサイトに関連し、極めて広範になり得る。本発明のシステムは、より有用な結果をユーザに与えるために、結果が実際には何に関連するのかについての知識を活用することにより、好ましくは検索結果をコンテキストに体系づける。例えばハワイについては、システムは、「ハワイへの旅行」「ハワイの気候」「ハワイの地理」「ハワイの文化」などの様々なコンテキストグループにおいて結果を返し得る。

いくつかの実施例では、コンテキスト識別子はインデクス中にページリンクと関連付けられて記憶され、その結果、検索が行なわれるとリンクは識別子に従ってグループ化されることができる。ページリンクは複数のコンテキスト識別子と関連付けられてもよい。そのような識別子は、ユーザが関連する検索を行なう間、好ましくはシステムによって自動的に関連付けられるが、識別子もまた、１人以上のインデクスエディタのチームによって手動で修正され、リンクに関連付けられてもよい。このような態様で、多数の検索から収集された知識はシステムにフィードバックされ、リクエストしているユーザにとって表示された検索結果がさらに価値があって有益なものになるようコンテキストを規定し、再規定する。

１つの実施例では、より意味のある結果をユーザに与えるために、検索サーバシステム１６０のアルゴリズムは検索語の概念の発見または概念分析を行なう。例えば、検索句「ニューヨーク市」については、ユーザがニューヨーク州の他の都市にではなくニューヨーク市（都市または地域）に関連するサイトに興味を持っていることが極めて明らかである。同様に、「ニューヨーク市の法執行」については、ユーザがニューヨーク市における法執行（例えば労働分野）に関連するサイトに興味を持っていることは明らかである。しかしながら、ほとんどの検索エンジンは単純に個々の用語「ニュー（New）」「ヨーク（York）」「市（city）」「法（law）」および「執行（enforcement）」を用い、用語が検索句に現れる順序にかかわらず探索する。検索句のうち最長のサブストリングであって、かつインデクスにも現れるものを見つけようとする検索エンジンもあるかもしれない。例えば、インデクスが「ニューヨーク」「ニューヨーク市」「ニューヨーク市法令」を含むが「ニューヨーク市の法執行」を含まない場合、検索エンジンは「ニューヨーク市法令」および「執行」を用いて探索し、それは必ずしもユーザが意図したものではない。

本発明の実施例は、検索句の用語を有利に分析し、検索クエリを構成する１つ以上の概念（ユニット）を識別する。

図３は、本発明の１つの実施例によって、傾向分析を含む概念発見または概念分析を行なうためのシステム３００のブロック図である。１つ以上のクエリログファイル３０２（または実際のクエリ）が、クエリ処理エンジン（クエリエンジンとも呼ばれる）３０４によって受け取られ、それは後述されるユニット辞書３０６を生成する。クエリログファイル（または実際のクエリ）は、インターネットまたは様々なネットワーク接続、例えばＬＡＮ、ＷＡＮ、ダイレクトリンク、頒布媒体（例えば、ＣＤ、ＤＶＤ、フロッピィディスク）などを通じて様々なソースから受け取られてもよい。ソースの例は、検索サーバシステム１６０（図１）、または検索サーバの分散ネットワークの複数の検索サーバ１６０、および１つ以上のコンテンツサーバ１５０を含む。クエリログファイルソースは、典型的には、例えばヤフーサーバなどの同じ組織またはエンティティに関連付けられるが、必須
ではない。クエリログファイル（クエリログとも呼ばれる）は、クエリエンジン３０４によって、情報理論で用いられ得るような統計的方法または相互情報などの概念を用いて処理される。好ましい局面では日ごとのクエリログが用いられるが、時間ごと、週ごとなど異なる期間のログが所望に応じて用いられてもよい。クエリログは典型的にはユーザが提示した実際のクエリを含んでおり、さらにいくつかまたはすべてのクエリに対する追加情報をも含んでもよい。例えば問い合わせているユーザの地理的場所、タイムスタンプ、クライアントシステムのＩＰアドレス、クッキー、クライアントのタイプ（例えばブラウザタイプ）などである。クエリ処理エンジン３０４は様々なクエリログを処理し、そこからユニットを生成する。ユニットおよび出現頻度などの関連する統計は、本願明細書でユニット辞書３０６と呼ばれるメモリまたはデータベースファイルに記憶される。後述のように、検索エンジンは、続くクエリに応答するのにユニットの辞書３０６を用いることができる。

１つの実施例では、クエリプロセッサ３０４はユニット分析モジュール３１０およびクラスタリングモジュール３１２を含む。ユニット分析モジュールはクエリを処理し、ユニットを生成する。好ましい実施例では、システムは、クエリを構成するユニットを識別するために検索語が示される順序を用いる。ユニットは、単語（例えば「ｊａｖａ」）またはしばしば互いに隣接して現れる一群の単語（例えば「ニューヨーク市」）であり得る。ユニットの識別については、上記で参照された仮出願番号６０／４６０，２２２号に詳細に記載されている。ユニット分析モジュールによって生成されたユニットは、ユニット辞書３０６に記憶される。いくつかの実施例では、統計情報（例えば出現頻度または１つ以上の他のユニットと連動しての出現頻度)も含まれていてよい。検索エンジンは、ユニット辞書３０６に記憶された情報を続くクエリに応答するのに用いることができる。

クラスタリングモジュール３１２は、ユニット分析モジュールによって識別されたユニットを用いてクエリのさらなる分析を行ない、異なるユニット間の類似性を示すクラスタまたはすなわち概念ネットワークを生成する。当該技術で一般に公知であるように、概念ネットワークは、各概念がノードに対応し、概念の関係がノードを接続するライン（またはエッジ）によって表わされるような関係を表わすための構造である。エッジは異なる重みを割り当てられてもよく、その結果、エッジの重みは概念（ノード）間の類似性の強さまたは近さを反映する。本発明の実施例によれば、クラスタは、「シグネチャ」ユニットの１つ以上の同一グループと一緒にクエリに現れる傾向がある、異なるユニット（クラスタの「メンバ」）を識別することによって、ユニットから生成される。メンバユニットは概念ネットワークにおいてノードとして機能してもよい。異なるユニットまたは概念間の接続もしくは関係の他の表現もまた用いられてもよく、本願明細書に用いられる「概念ネットワーク」は代替的な表現を包含することが理解される。

例えば、複数のユーザが自分の好きなポップミュージック活動に関する情報を検索すると仮定する。典型的にはこれらのユーザは、活動の名称（例えば「アヴリル・ラヴィーン（Avril Lagvigne）」または「セリーヌ・ディオン（Celine Dion）」および求める情報の種類を反映する他のいくつかの単語、例えば「歌詞」「ｍｐ３」「ギタータブ」「ディスコグラフィー」などをも含むクエリを構築する。クラスタリングモジュール３１２はこれらのクエリを分析し、「歌詞」「ｍｐ３」「ギタータブ」「ディスコグラフィー」などが、そのメンバがさまざまなポップミュージック活動の名称を含むあるクラスタの「シグネチャ」ユニットであると判断する。クラスタリングモジュール３１２で実現され得るクラスタ生成のための特定の手法の例は、上記で参照された仮出願番号第６０／５１０，２２０号に記載されている。クラスタリングモジュール３１２は、ユニット辞書３０６のメンバユニットとシグネチャとに関連するデータを含むクラスタ情報を有利に記憶する。したがって、ユニット辞書３０６において利用可能な情報は、そのユニットおよびその「近隣」（すなわち所与のユニットを伴ってクエリに現れる他のユニット）に関する情報とと
もに、同様の近隣を有し得る他のユニットとの関係を含む。
（００３７）クラスタは、たとえクエリ処理エンジン３０４が特定のユニットまたはクエリに関する現実世界の知識または言語情報を与えられる必要がないにもかかわらず、現実世界の概念関係（例えば共通カテゴリに属するユニットのグループ化）を反映する傾向がある。例えば、１つのクラスタは「ニューヨーク市」「サンフランシスコ（San Francisco）」および「シカゴ（Chicago）」を含むことができ、そのクラスタのシグネチャは「ホテル」「レストラン」および「ナイトクラブ」を含み得る。そのようなクラスタは、ニューヨーク市、サンフランシスコおよびシカゴがすべて旅行の目的地（または都市）であると考えるが、クエリエンジン３０４（図３）は、「目的地」（または「都市」）という概念のいかなる予備知識も有することを要求されない。この概念的知識は、クエリのパターンを分析することから自動的に発展し得る。本願明細書において人間に言語的な意味を伝える用語をクラスタにラベル付けする場合、本開示についての理解を容易にするのに便宜であることが理解される。実際上、クエリエンジン３０４またはユニット辞書３０６によって用いられるいかなるクラスタのラベル付けスキームもこの特性を有する必要はない。例えば、クラスタラベルは単純に、数字、クラスタについてのシグネチャへのポインタなどであり得る。

１ユニットが複数のクラスタに属してもよい。例えば、「ｊａｖａ」などの曖昧なユニットは、「コンピュータプログラミング」クラスタ、「飲食」クラスタ、および「旅行」または「土地」クラスタになってもよい。いくつかの実施例では、いかなるクラスタにも属さないユニットがあってもよい。

本発明の実施例によれば、クエリ処理エンジン３０４は、時間、地理、ユーザデモグラフィック、ユーザ履歴、またはコンテキスト（本願明細書で「縦の」次元と呼ばれる）などの様々な次元に沿ってクエリにおける傾向を捜す、傾向分析モジュール３２０をさらに含む。傾向分析モジュール３２０は、ユニット分析モジュール３１０およびクラスタリングモジュール３１２の機能を有利に活用して、異なるクエリサブセットの概念分析および／または概念発見を実行し、次に結果をコンパイルする。結果として生じた傾向情報はユニット辞書３０６に有利に加えられる。

ユニット辞書３０６は任意のフォーマットで実現され、磁気ディスクまたはテープを含む任意の適切な記憶媒体、コンパクトディスク（ＣＤ）などの光学的記憶媒体などに記憶されてもよい。ユニット辞書３０６のコンテンツはユニットを有利に含み、同様にユニット分析モジュール３１０によって生成される統計データ、クラスタリングモジュール３１２によって決定されるクラスタ情報、および傾向分析モジュール３２０によって生成される傾向情報などの各ユニットに関する追加情報をも含む。ユニット、クラスタ、傾向に関連する情報は、検索エンジンが続くクエリに応答するために用いることができる。

図４は、傾向分析モジュール３２０の実施例によって実行され得るプロセス４００のフローチャートである。ステップ４０２で、クエリログに包含されるクエリは選択された次元に沿ってサブセットに仕分けられる。次元は、ログファイルが与えるクエリに関する任意の情報に基づいて規定され、クエリは所与の次元に沿って任意の数のサブセットに分割されてもよい。

一例として、クエリログが様々なクエリについて提示時刻に関連する情報を与える場合、「時間」次元が用いられ得ることが知られる。クエリは、ユーザの関心事における傾向を経時的に分析するために、例えば週ごとまたは月ごとなど、時間次元に沿って分割することができる。クエリはまた、時刻ごと（例えば午前、午後、夜、深夜）、平日対週末または休日、季節ごとなどに基づいて分割することができる。多数の変形例が可能である。単に一例としては、午前８時から午前１０時の間に受け取られたクエリについて、週、月
または別の所望の期間ごとに集計することができる。いくつかの実施例では、時刻は検索サーバの現地時間によって決定される。検索サービスが異なる地理的地域にサービスするために複数のサーバを与える場合は、サーバの現地時間がほぼユーザの現地時間を表す。他の実施例では、ユーザの現地時間が用いられてもよい。

別の例として、クエリログがクエリの地理的起源に関する情報を与える場合に「地理」次元が用いられてもよい。地理は物理的な地理に関連してもよい。例えば、クエリの適当な原産国（country of origin）を識別するために用いられるＩＰアドレスがあってもよく、ユーザがどこに存在するか判断するためにクエリを提示したユーザのユーザプロファイルが用いられてもよい。または、クエリは、異なる場所にあるミラーサイトで受取られたか、異なる場所に関連付けられたリージョナル（regional）／ナショナル（national）サイトで受け取られたかによって仕分けられてもよい。代替的に、ユーザのＩＰアドレス（またはＩＰアドレスから決定されるドメイン）が地理的起源として扱われる場合、地理的次元は「サイバージオグラフィ（cyber geography）」を表わしてもよい。物理的次元およびサイバー地理次元は組合わされてもよい。

第３の例として、クエリログが年齢、性別などのユーザデモグラフィック特性に関する情報を与える場合、「デモグラフィック」次元が用いられてもよい。傾向分析のためにデモグラフィック次元を規定するのに、いかなる数および組合せでデモグラフィックデータが用いられてもよい。例えばデモグラフィック次元は、「２５歳以上で持ち家を有する女性ユーザ」というグループ、「３５歳以上で賃貸住宅に住む男性ユーザ」の別のグループ、「２５歳未満で車を所有するユーザ」のグループなどを含んでもよい。

第４の例として、クエリログがクエリの入力前のユーザ活動に関する情報（本願明細書で「ユーザ履歴」または「ユーザコンテキスト」と呼ばれる）を与える場合、「縦」次元または「ユーザ履歴」次元が用いられてもよい。例えば、ポータルサイト（例えば、www.yahoo.comのヤフーサイト）が、様々な領域またはショッピングプロパティ、一般的ウェブディレクトリ、音楽プロパティなどの「プロパティ」を含み、各プロパティがユーザがクエリを入力することができる検索インターフェースを含むと仮定する。クエリが入力された時ユーザがこれらのプロパティのいずれを訪れていたかに関する情報が保存され、「縦の」次元として用いられることができる。したがって、１つの実施例では、縦の次元は、「ショッピング」プロパティにおいてユーザから来た１つのクエリサブセット、および「一般的ディレクトリ」プロパティにおいてユーザから来た別のクエリサブセットなどを含む。他の実施例において、ユーザがいつでも検索クエリを入力するために実質的に連続してダイアログボックスにアクセスを有する場合（そのようなダイアログボックスの一例は上述の参照された仮出願番号第６０／４６０，２２２号に記載される）、ユーザ履歴情報は、ユーザがクエリを入力した時表示されていたウェブページのＵＲＬまたは他の識別子をも含んでもよい。縦の次元は、ＵＲＬ、その一部（例えばドメインネーム）、またはページのコンテンツに関する情報（例えばページインデクスに維持され得る情報）に従ってクエリを選別してもよい。

当業者は、次元およびサブセットの先の例が例示的であって制限的ではないことを認識するであろう。所与の次元に沿って、いかなる数の次元およびクエリサブセットが用いられてもよい。次元に沿ったクエリの仕分けは、関連する次元の「不明」および／または「その他」の値のサブセットを含んでもよく、このサブセットは、システム構成に依存して分析されたりされなかったりする。

ステップ４０４で、１つ以上のサブセット固有の（subset-specific）概念ネットワークを生成するために、各クエリサブセットがクラスタリングモジュール３１２に与えられる。いくつかの実施例では、既存のユニット辞書３０６が用いられる。他の実施例では、
サブセット固有のユニットの集合を生成するために、サブセットがユニット分析モジュール３１０にも与えられてもよい。ユニット分析およびクラスタリング分析は、上記で参照された仮出願番号第６０／５１０，２２０号に詳細に記載されている。クラスタリング分析は、各クエリサブセットに対して有利に独立に実行され、その結果、各サブセットについて概念ネットワークの集合が生成される。結果として生じたサブセット固有の概念ネットワークが傾向分析モジュール３２０に返される。

ステップ４０８で、傾向分析モジュール３２０はサブセット固有の概念ネットワークを用いて傾向分析を実行し、次元に沿ってユーザ行動のさまざまなパターンを反映する類似性および差異を検知する。これらのさまざまなパターンは、本願明細書で「傾向」と呼ばれ、傾向分析は、一般にそのような差異を発見するためにクラスタ（例えば概念ネットワーク）および／またはさまざまなサブセットから生成されたシグネチャを比較することを含む。傾向および傾向分析は多様な形式をとることができる。

一例として傾向分析は、異なる期間中の、または異なるユーザデモグラフィックについて、特定の検索語またはユニットの相対的な頻度を比較してもよい。比較されるユニットは、例えばあるクラスタの異なるメンバユニットまたはあるクラスタについての異なるシグネチャユニットであってもよい。例えば「歌手」のクラスタがあると仮定すると、このクラスタについての１つの傾向分析により、２１歳未満のユーザにとって「アヴリル・ラヴィーン」が「セリーヌ・ディオン」よりさらに人気のあるクエリ用語であり、その一方で、３５歳以上のユーザにとってはその逆が真であることを明らかにすることができる。あるいは「都市」のクラスタがあり、このクラスタのシグネチャが「雇用」および「ホテル」のユニットを含むと仮定すると、このシグネチャについての１つの傾向分析により、平日には「雇用」が検索される方がより頻繁である一方、週末は「ホテル」がより頻繁に検索されることを明らかにすることができる。（これは例えば、ユーザが平日に職探しをし、週末に休暇の計画を立てる傾向があることを反映し得る。）
いくつかの実施例では、傾向分析はまた、ユーザの関心事および行動におけるより微妙な傾向を検知するためにも用いられ得る。例えば、ある分野（例えば音楽）で周知の有名人が別の分野（例えば政治）に入ろうと決意すると仮定する。その有名人に対する興味のレベル総計はあまり変わらないかもしれないが、その有名人に関して求められる情報の種類には動きがあり得る。例えば、その有名人の名前プラス「曲」または「アルバム」の検索頻度が減少する一方、その有名人の名前プラス「政治」または「税」などの用語の検索頻度が増加するかもしれない。さまざまな期間にわたるその有名人の名前の近隣の比較によってそのような傾向が明らかになるであろう。

ステップ４１０で、傾向情報は続くクエリに応答して使用されるように、例えばユニット辞書３０６に記憶される。情報は、情報が属する特定のユニットおよび／またはクラスタと関連して、またはユニットもしくはクラスタに関連付けられたシグネチャもしくは提案などと関連して記憶されてもよい。

本願明細書に記載されるシステムおよびプロセスは例示的であって、変形および修正が可能であることが認識されるであろう。連続するよう記載された処理ステップは並行して実行されてもよく、ステップの順序は変えてもよく、ステップは修正され、組み合わされてもよい。傾向分析は、任意の数の次元にわたって同時に（例えば「ショッピング」領域から来た２１歳未満のユーザ、など）起こってもよく、次元に沿った仕分けは所望により粗くても細かくてもよい。１つのサブセット固有の概念ネットワークが別のサブセット固有の概念ネットワークと比較されてもよく、異なるサブセット固有の概念ネットワークの各々が、仕分けられていないクエリから生成された「グローバルな」概念ネットワークと比較されてもよい。傾向分析は、ある概念ネットワーク、例えば、有意義なデータを生成するのに十分な数のクエリにおいて用いられるユニット、または関連する検索を示唆する
根拠として用いられるユニットに関連する概念ネットワークに限定されてもよい。傾向分析は、ユニット、クラスタ、シグネチャ、またはそれらの任意の組合せにおいて実行されてもよい。

ユニットおよびクラスタのデータと同様に、傾向情報は、ユーザの関心事の変化を反映するユーザの行動の変化（例えば、所与のポップミュージックパフォーマの人気の上昇または下降、職探しと旅行とを対比した関心の増加または減少）を捉えるために、有利にしばしば更新され、または再生成される。

発明の別の実施例では、関連のある傾向を考慮に入れることによって特定のユーザの関心事に対いて検索応答を合わせるよう支援するために傾向情報が用いられる。図５は、図２のシステム１１０がクエリに応答するために用いることのできる方法論を示す。クライアント１２０は検索サーバシステム１６０にクエリを送信する。検索サーバシステム１６０は、クエリおよび／またはその構成ユニットを概念サーバ１８０へ送り、概念サーバ１８０はユニット辞書３０６にアクセスする。概念サーバ１８０は、様々なユニットについての統計およびクラスタ情報によってクエリから識別された１つ以上のユニットなどのクエリに関連する概念データを、ユニットに関連する傾向情報とともに返す。この情報は、例えばそこに包含されるユニットを識別するためにクエリを切り刻み、識別された各ユニットについてのエントリを検索するためにユニット辞書３０６にアクセスすることによって派生してもよい。１つの実施例では、返された情報は、ユニット、統計、クラスタ、およびクエリに関連付けられた傾向に関する情報、１つ以上の構成ユニット、または構成ユニットのうちのいずれかに関連した１つ以上のクラスタを含む。

検索サーバシステム１６０は、クエリに応答する際に概念サーバ１８０から受け取った概念データを有利に用いる。検索サーバシステム１６０によって有利に返される結果はユーザのクエリに応答する結果と共に他の関連情報を含み、それは例えば、ユニットとその延長および関連事項において捉えられたユーザのニーズについての理解に基づいた、ユーザが次に何を調査したいかに関するヒントおよび情報（tips）などであって、クラスタとユニットおよび／またはクラスタに関連した傾向とを含む。

例えば、クエリが１つ以上のコンテキストで用いられ得る「Ｊａｖａ」などの曖昧な用語を含むと仮定する。そのような用語は複数のクラスタ、例えば「飲食」クラスタ、「コンピュータ」クラスタおよび「場所」クラスタに属することがある。いくつかの実施例では、検索サーバシステム１６０は、例えばどのクラスタが最も重要な位置付けを与えられるべきかを選択することによって、応答を調整するために傾向データを用いることができる。例えば、平日に「Ｊａｖａ」を検索するユーザがコンピュータ言語に興味を持っている可能性が最も高い一方で、週末に「Ｊａｖａ」を検索するユーザはコーヒーに興味を持っている可能性が最も高い場合、検索結果が示され得る順序は週の曜日に依存することがある。例えば平日であればコンピュータ言語に関連する結果が最も顕著に示され得る一方で、週末であればコーヒーと関連する結果が最も顕著に示され得る。（異なるクラスタへの関連に基づいて検索結果をグループ化するためのいくつかの手法は、上記で参照した仮出願番号第６０／５１０，２２０号に記載されている。）
第２の例として、ラップグループの名前であり、かつ何らかの会社の株価表示機の記号でもある連続した４文字（「ＷＸＹＺ」）があると仮定する。株式市場が開いているときに受け取ったクエリに基づいた概念ネットワークまたはクラスタを、株式市場が閉鎖されてから受け取ったクエリに対して比較すると、ＷＸＹＺ会社が前者の場合によりしばしば探索されており、ラップグループＷＸＹＺは後者の場合によりしばしば探索されていることが明らかになり得る。したがって、クエリが受け取られたときに株式市場が開いているか閉じた後かに依存して、会社関連の検索結果をラップグループ関連の結果の前または後に置くことができる。

第３の例として、コンテキストに依存して社交イベントをも政治をも意味するであろう「ｐａｒｔｙ（パーティー、政党）」という用語を考える。用語「ｐａｒｔｙ」を含むクエリのうち、曖昧さを解決する別の用語（例えば、「共和党（Republican party）」または「パーティーゲーム（party games）」）をさらに含むものもあるかもしれないが、そのような用語を含んでいないクエリもあり得る。傾向分析は、曖昧なクエリに対する応答を形成するのに用いることができる。例えば、図６は、時刻次元（４時間刻み）に沿って用語「ｐａｒｔｙ」を含むクエリの頻度（任意のユニットで）を示す傾向データのグラフである。そのような傾向データは、上述のプロセス４００によってクエリのある集合を分析することにより得られる。傾向データ集合６０２（「Ｘ」記号）は、「ｐａｒｔｙ」が明らかに社交イベントに関連する別の用語（例えば「ゲーム」「好み」「道具」）と一緒に現れるクエリに対応する。傾向データ集合６０４（「Ｏ」記号）は、「ｐａｒｔｙ」が明らかに政治に関連する別の用語（例えば「共和党員」「民主党員」「候補者」）と一緒に現れるクエリに対応する。傾向データセット６０６（三角記号）は、クエリの他の用語を参照しても曖昧さが解決され得ないような「ｐａｒｔｙ」を含むクエリに対応する。

本発明によって曖昧さを解決する１つのやり方は、異なる傾向の形状（例えば図６に示されるデータ集合の第１および／または第２の派生語）を比較すること、および、曖昧なクエリ集合についての傾向が、曖昧でない集合のうちの一方と、他方よりさらに近接して一致するか否かを判断することである。図６に示される例では、曖昧な傾向データ６０６は、明らかに「政治的」傾向データ６０４に対してよりも「社交イベント」傾向データ６０２の方により近似している。ここから、「ｐａｒｔｙ」を含む曖昧なクエリを入力するユーザが政治よりも社交イベントに興味を持っていそうであることが推論され得、それに従って、例えば、政治に関連する結果よりも先に社交イベントに関連する結果を示すことによって検索結果が示される。

２つの傾向データ集合間の近似性の程度も考慮され、用いられて、推論された意図について信頼性レベルが確立できることに注意されるべきである。図６に示される例では、曖昧な傾向データ６０６は「社交イベント」傾向データ６０２とかなり近接して一致し、そのため推論に対する信頼性レベルが高い。他の例では、ユーザの行動に依存して、信頼性レベルがより低いか、またはより高いこともある。そのような信頼性レベルはクエリに対する応答を生成する際の別の要因となりうる。例えば、十分に高い信頼性レベルが与えられたとすると、社交イベントに関連する結果のみが最初に示されてもよい。そのような場合には、ユーザが政治に関連する結果を検索するオプションが与えられてもよい。

この例は例示的であって、変形および修正が可能である。例えば、近似性を決定する際、複数の次元（例えば時刻およびユーザ年齢）に沿った傾向がともに考慮され得る。傾向比較は、２つの曲線の近似性のいかなる適切な測定、例えば実際の頻度値、派生語（変化の速さ）、高位派生語、またはそれらの任意の組合せなどに基づいてもよい。

第４の例として、有害物質またはヘビーメタルバンドを指し得る「ｐｏｉｓｏｎ（毒、ポイズン）」という用語を考えてみる。ここでも、曖昧さを解決する他の用語を含むクエリがあるであろう。例えば、「ポイズンの歌詞（poison lyrics）」または「ポイズンｍｐ３（poison mp3）」がバンドに関連する一方、「殺鼠剤（rat poison）」または「中毒管理（poison control）」などのクエリは有害物質に関連する。しかしながら、他のクエリは単に曖昧である。

曖昧さを解決するために「ｐａｒｔｙ」の例で上述されたような分析が用いられてもよい。別のアプローチは、バンド名である「ポイズン」が音楽パフォーマのクラスタに属することと、このクラスタが比較的明らかな名前の他のパフォーマを含むことを認識するこ
ととを伴う。（例えば、クエリとして「ブリトニー・スピアーズ（Britney Spears）」を入力するすべてのユーザは、実際この有名な歌手に興味を持っている。）明らかな音楽パフォーマの名前を含むクエリは「制御」グループとして用いることができ、そこから音楽パフォーマに関する情報を捜しているユーザの行動についての推論が引出せる。その後この行動は、パフォーマを指すかもしれないし、指さないかもしれない曖昧な用語（例えば「ｐｏｉｓｏｎ」）がパフォーマを指すつもりである可能性を推定するために、その曖昧な用語を入力するユーザの行動と比較することができる。
（６４）制御グループと曖昧な用語を含むクエリとの間で多くの比較が可能である。例えば、曖昧な用語「ｐｏｉｓｏｎ」を含むクエリの部分であってさらに音楽に明らかに関連した用語（例えば「歌詞」）をも含む部分が計算され、また明白な名前（例えばブリトニー・スピアーズ）を含むクエリの対応する「制御」部分が同様に計算されてもよい。制御部分は、音楽に興味のあるユーザが潜在的に曖昧なクエリを入力する可能性に接近していると見なすことができる。これを「ｐｏｉｓｏｎ」を含む明らかに音楽に関連したクエリの頻度と比較することによって、クエリ「ｐｏｉｓｏｎ」を入力するユーザがこのバンドに興味を持っている可能性を推論することができる。

この例をより具体的にするために、用語「ｐｏｉｓｏｎ」を含んでさらに「歌詞」をも含むクエリの部分が０．１であり、用語「ブリトニー・スピアーズ」を含んでさらに「歌詞」を含むクエリの部分が０．２であると仮定する。このことから、用語「ｐｏｉｓｏｎ」を入力するユーザの半分が恐らくバンドを指すつもりではないことが推論され得る。この場合、バンドに関連する結果も毒に関連する結果も顕著に表示される。有害物質を検索しているユーザが曖昧さを解決する用語を含まない可能性を推定するために、有毒の「毒」を含むクラスタ（例えば医学関連クラスタ）に基づいて制御部分を用いた同様の分析をなすことができる。医学関連クラスタの用語についての曖昧なクエリの可能性が小さければ、それは曖昧なクエリ「ｐｏｉｓｏｎ」がバンドを指す可能性がより大きいことを示唆する。

さらに、音楽に興味があるユーザから潜在的に曖昧なクエリを受け取る可能性と、対照的に医学に興味があるユーザから受け取る可能性とを比較することにより、ユーザの意図を推論することができる。例えば、音楽に興味があるユーザからのクエリの２９％がパフォーマの名前のみを含む単一ユニットのクエリである一方で、医学に興味があるユーザからのクエリの２％しか単一ユニットを含まないと仮定する。単一ユニットクエリ「ｐｏｉｓｏｎ」を入力するユーザについてはバンドに興味を持っていることの方がより可能性が高そうであることが推論され得る。

この分析のより高度な変形例が用いられ得ることが認識される。例えば、制御部分を計算するために１人のパフォーマのみではなく、より多くのパフォーマ（例えばブリトニー・スピアーズだけではなく「マッチボックス・トゥエンティー」（matchbox twenty）」、「ジョニー・キャッシュ（Johnny Cash）」など）が用いられ得る。同様に、曖昧さを解決する用語を１つだけ考慮するのではなく、複数の用語が用いられてもよい。（例えば「歌詞」だけでなく、「ｍｐ３」「ツアー」「アルバム」など。）他の曖昧な用語および他のクラスタに同様の分析を適用することができる。

第５の例として、ユーザが「デジタルカメラ」クエリを入力すると仮定する。ユーザは、デジタルカメラを売るサイト、またはデジタルカメラに関する情報（製品の評価など）を捜しているかもしれない。様々な次元（例えばユーザプロファイルおよび／または縦の次元）に沿った以前のクエリの傾向分析は、それにしたがって結果を調整できるよう、どれが最も可能性が高いかを判断するのに用いられることができる。

第６の例として、いくつかの実施例では、検索サーバシステム１６０が傾向情報に基づ
いた関連する検索を提示する。例えば、２１歳未満であるとわかっているユーザが歌手の名前を含むクエリを入力すれば、検索サーバシステム１６０は、その歌手に関連するサイトのリストの表示に加えて、２１歳未満のユーザに人気があるとして傾向分析によって特定された１人以上の他の歌手（例えば「アヴリル・ラヴィーン」）と関連する検索を提示する。３５歳のユーザのためには、異なる歌手（例えば「セリーヌ・ディオン」）が提示されてもよい。別の場合には、「ニューヨーク市」のクエリが平日に入力された場合、「ホテル」の提示よりも「雇用」の提示の方が（それが傾向データと一致している場合）より顕著に行われる一方で、同じクエリが週末に入力された場合、逆の順序が用いられ得る。

いくつかの実施例では、ユーザのあり得る性別、年齢、または地理的場所などの特定のユーザに関する情報を推論するために、検索サーバシステム１６０によって傾向データが用いられてもよい。そのような推論は、異なる次元についてユーザの行動を合致させるよう、同じユーザによって入力された複数のクエリを傾向データに対して比較することを含み得る。これらの推論の正確さが保証されるわけではないことが理解される。それらは、ユーザがどのように行動するかを反映するのであって必ずしもユーザが誰であるかを反映するわけではない。特定のユーザに関してなされたいかなる推論も、可能性のあるユーザ意図の１つの表示として傾向データを再び用い、そのユーザが入力した他のクエリへの応答を調整するために用いることができる。このように、傾向データは、クエリを入力する特定のユーザに対する検索サーバの応答をカスタマイズするために用いられてもよい。

傾向データはまた、ある特定の広告掲載に際して、ある具体的な場面および／または料金においてどの広告を掲示するかといった広告上の判断と関連して、検索サーバシステム１６０のプロバイダによって用いられてもよい。

本発明は具体的な実施例に関して記載されているが、当業者は多くの変形が可能であることを認識するだろう。例えば、傾向分析に用いられる次元ならびにクエリサブセットの数および特異性は変動してもよく、受取ったクエリ全部を傾向分析に用いる必要はない。クラスタ、シグネチャおよび傾向情報は動的に規定することができ、傾向分析は、ユーザ行動の変化に応じて傾向情報を更新するために、頻繁に（例えば毎日または毎週）実行することができる。さらなる他の実施例において、クラスタ、シグネチャおよび傾向データが実質的にリアルタイムに更新されるように、クエリが受け取られるとすぐにクエリが処理されてもよい。本願明細書に記載された自動システムおよび方法は、クラスタ、シグネチャ、およびユニット、クラスタ、シグネチャなどのいずれかまたはすべてに関連する傾向情報などを含む、結果として生じるユニット辞書の部分またはすべてについて人間が検討することで増大され、補足されてもよい。

本願明細書に記載された実施例は、ウェブサイト、リンク、および、ワールドワイドウェブ（またはそのサブセット）が検索コーパスとして機能する場合に特有の他の専門用語を参照することができる。本願明細書に記載されたシステムおよびプロセスは、異なる検索コーパス（電子データベースまたはドキュメントリポジトリなど）とともに使用するために適合されることができ、結果はコンテンツとともにコンテンツが見つかるかもしれない場所へのリンクまたは参照をも含み得ることが理解される。

このように、本発明は具体的な実施例に関して記載されているが、本発明が添付の請求項の範囲内のすべての修正および等価物を包含するよう意図されることが認識される。

本発明の実施例による、情報検索および通信システムの単純化された高レベルのブロック図である。 本発明の実施例による、媒体コンテンツを通信するための情報検索および通信ネットワークの単純化されたブロック図である。 本発明の実施例によるクエリ処理エンジンの単純化されたブロック図である。 発明の実施例による傾向分析を実行するプロセスのフローチャートである。 本発明の実施例による、いくつかの局面のクエリ処理エンジンを含む、ユニット辞書および関連する処理知能（processing intelligence）を含むシステムの単純化されたブロック図である。 時刻の関数としてクエリの頻度を示す傾向データのグラフである。

Claims (25)

1. クエリを処理するための、１つ以上のプロセッサとメモリをそれぞれが含む１つ以上のコンピューティング装置によって実行される方法であって、
   次元に沿ってクエリを複数のサブセットに仕分けるステップを含み、複数のサブセットは第１のサブセットおよび第２のサブセットを含み、さらに、
   クエリの前記第１のサブセットに対して第１の概念ネットワークを生成するステップと、
   クエリの前記第２のサブセットに対して第２の概念ネットワークを生成するステップと、
   第１の概念ネットワークと第２の概念ネットワークとの比較を実行するステップと、
   前記比較に基づいて、前記次元にわたってユーザの行動のパターンにおける相違を示す傾向情報を生成するステップと、
   前記傾向情報を使用して表示のためのコンテンツを生成するステップと、を含む、方法。
2. 前記次元は時間次元である、請求項１に記載の方法。
3. 前記次元は、ユーザの１つ以上のデモグラフィック特性への参照によって規定される、請求項１に記載の方法。
4. 前記次元は地理的次元である、請求項１に記載の方法。
5. 前記次元はクエリのユーザコンテキストを表わす縦の次元である、請求項１に記載の方法。
6. 比較を実行するステップは、ユニットに関連する第１の概念ネットワークからの情報と、同じユニットに関連する第２の概念ネットワークからの情報との比較を実行するステップを含む、請求項１に記載の方法。
7. 傾向情報を生成するステップは、前記次元に関連する前記ユニットについて傾向情報を生成するステップを含む、請求項６に記載の方法。
8. 第１のクエリを受取るステップをさらに含み、第１のクエリは１つ以上の用語を含み、前記傾向情報を使用して表示のためのコンテンツを生成するステップは、第１のクエリへの応答を生成するのに前記傾向情報を用いるステップを含み、前記第１のクエリに対する前記応答は１つ以上のレコードを含む、請求項１に記載の方法。
9. 第１のクエリの曖昧な用語を解決するのに前記傾向情報を用いるステップをさらに含む、請求項８に記載の方法。
10. 第２のクエリを提示するために前記傾向情報を用いるステップをさらに含み、第２のクエリは前記第１のクエリとは異なる用語を少なくとも１つ含む、請求項８に記載の方法。
11. 第１のクエリに対する応答における１つ以上のレコードをグループ化するために前記傾向情報を用いるステップをさらに含む、請求項８に記載の方法。
12. 前記傾向情報を使用して表示のためのコンテンツを生成するステップは、掲示用広告を選択するために前記傾向情報を用いるステップをさらに含む、請求項８に記載の方法。
13. クエリを処理するためのシステムであって、
    １つ以上のプロセッサと、
    プロセッサに動作的に結合されるメモリと、
    メモリに格納され、１つ以上のプロセッサに１組のクエリを次元に沿って複数のサブセットに仕分けさせるよう構成される傾向分析モジュールとを含み、複数のサブセットは第１のサブセットおよび第２のサブセットを含み、さらに、
    メモリに格納され、１つ以上のプロセッサにクエリの前記第１のサブセットについて第１の概念ネットワークを、クエリの前記第２のサブセットについて第２の概念ネットワークを生成させるよう構成されるクラスタリングモジュールを含み、
    傾向分析モジュールはさらに、１つ以上のプロセッサに、少なくとも２つのサブセットについての第１の概念ネットワークと第２の概念ネットワークとの比較を実行させるよう構成され、それにより傾向情報を生成するものであり、前記傾向情報は前記次元にわたってユーザの行動のパターンにおける相違を示すものであり、さらに、
    前記メモリに記憶され、前記１つ以上のプロセッサに、前記傾向情報を使用して表示のためのコンテンツを生成させる応答モジュールを含むシステム。
14. 前記次元は時間次元である、請求項１３に記載のシステム。
15. 前記次元はユーザの１つ以上のデモグラフィック特性への参照によって規定される、請求項１３に記載のシステム。
16. 前記次元は地理的次元である、請求項１３に記載のシステム。
17. 前記次元はクエリのユーザコンテキストを表わす縦の次元である、請求項１３に記載のシステム。
18. 前記傾向分析モジュールはさらに、１つ以上のプロセッサに、ユニットに関連する第１の概念ネットワークからの情報と、同じユニットに関連する第２の概念ネットワークからの情報との比較を実行させるよう構成される、請求項１３に記載のシステム。
19. 前記傾向分析モジュールはさらに、次元に関連する前記ユニットについての傾向情報を１つ以上のプロセッサに生成させるよう構成される、請求項１８に記載のシステム。
20. 前記応答モジュールは、前記１つ以上のプロセッサに第１のクエリを受取らせるようにさらに構成され、前記第１のクエリは１つ以上の用語を含み、前記傾向情報を使用して表示のためのコンテンツを生成するステップは、少なくとも部分的に前記傾向情報に基づいて前記第１のクエリに対する応答を生成するために前記傾向情報を使用することを含み、前記第１のクエリに対する前記応答は１つ以上のレコードを含む、請求項１３に記載のシステム。
21. 前記応答モジュールはさらに、１つ以上のプロセッサに、第１のクエリの曖昧な用語を解決するために前記傾向情報を用いらせるよう構成される、請求項２０に記載のシステム。
22. 前記応答モジュールはさらに、１つ以上のプロセッサに第２のクエリを提示するために傾向情報を用いらせるよう構成され、第２のクエリは前記第１のクエリとは異なる用語を少なくとも１つ含む、請求項２０に記載のシステム。
23. 前記応答モジュールはさらに、１つ以上のプロセッサに、第１のクエリに対する応答における１つ以上のレコードをグループ化するために前記傾向情報を用いらせるよう構成される、請求項２０に記載のシステム。
24. 前記傾向情報を使用して表示のためのコンテンツを生成するステップは、掲示用広告を選択するために前記傾向情報を用いることを含む、請求項２０に記載のシステム。
25. １つ以上のプロセッサによって実行されたときに、請求項１から１２のいずれかに記載の方法を実行させる命令を含んだ、１つ以上のコンピュータ読み取り可能記録媒体。

Images