JP4825669B2

JP4825669B2 - 文書の意味を決定して文書とコンテンツを一致させる方法及びシステム

Info

Publication number: JP4825669B2
Application number: JP2006521945A
Authority: JP
Inventors: アダムジェイ．ウェイスマン、; ジラッドイスラエルエルバズ、
Original assignee: グーグル・インク
Priority date: 2003-07-30
Filing date: 2004-07-23
Publication date: 2011-11-30
Anticipated expiration: 2024-07-23
Also published as: JP2007500899A; CN101482881A; CN1829989A; CN100470541C; JP2007500900A; CN1829990A; CN101482881B; JP4829789B2

Description

【技術分野】
【０００１】
本発明は一般的に文書に関する。特に、本発明は文書の意味を決定してその文書とコンテンツをマッチさせる方法及びシステムに関する。
【背景技術】
【０００２】
ウェブページ等の文書は、例えば、インターネット上でその他のコンテンツとマッチさせることが可能である。文書には、例えば、ＨＴＭＬやＸＭＬやＸＨＴＭＬやポータブルドキュメント書式（ＰＤＦ）のファイル等の各種書式のウェブページや、ワードプロセッサとアプリケーションプログラムの文書ファイルが含まれる。
【０００３】
文書とコンテンツをマッチさせる例としてはインターネット広告がある。例えば、ウェブサイトの発行者は手数料をとってウェブサイトでの広告を許可してもよい。発行者がウェブページにユーザ向けに広告を表示したい場合は、ファシリテータが広告を発行者に提供してウェブページに表示してもよい。ファシリテータは、様々な因子、例えば、ユーザに関する人口統計情報や、スポーツや娯楽等のウェブページのカテゴリや、ウェブページのコンテンツに基づいて広告を選択することができる。また、ファシリテータは、ウェブページのコンテンツとキーワードリストのキーワード等の知識項目をマッチさせることができる。そして、マッチしたキーワードに関連する広告をウェブページに表示させることができる。ユーザは、マウスやその他の入力装置を操作し、広告を「クリック」して、商品やサービスを販売する広告主のウェブサイトのウェブページを見ることができる。
【０００４】
インターネット広告の中には、関連リンクやそれと同様のセクションの発行者のウェブページと実際にマッチするキーワードを表示するものがある。上の例と同様に、一つ以上のキーワードにウェブページのコンテンツをマッチさせて、それらのキーワードを、例えば、関連リンクのセクションに表示させる。ユーザが特定のキーワードをクリックすると、ユーザは、広告と通常の検索結果が混在する検索結果ページに導かれる。広告主はキーワードに対して入札することによって、そのキーワードの検索結果ページに広告を出現させることができる。ユーザは、マウスやその他の入力装置を操作し、広告を「クリック」することによって、商品やサービスを販売する広告主のウェブサイトのウェブページを見ることができる。
【０００５】
広告主は、ウェブページのコンテンツと広告の関連が大きいことを望んでいる。これは、提供される商品やサービスがユーザが読むウェブページの記述と大きく関連する場合には、そのウェブページを見ているユーザは広告をクリックして、その商品やサービスを購入する可能性が高いからである。また、ウェブページの発行者は、広告のコンテンツがウェブページのコンテンツとマッチしていることを望んでいる。これは、ユーザが広告をクリックすることで、広告主の努力が報いられることが多いからであり、微妙な内容のコンテンツの場合のミスマッチは広告主や発行者のいずれか一方にとって不快なものである。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
ウェブページ等の文書は複数の領域、例えば、ウェブページの場合は複数のフレームから構成することができる。それらの領域には、文書の主コンテンツとは無関連の領域が含まれていてもよい。従って、無関連な領域のコンテンツの無関連な主題によって文書全体のコンテンツが薄められてしまう。従って、源文書の意味を決定してその文書とコンテンツをマッチさせる場合は、最も関連のある領域について源文書を分析することが望まれる。
【課題を解決するための手段】
【０００７】
（発明の概要）
本発明の実施形態は、文書の意味を決定してその文書とコンテンツをマッチさせるシステムおよび方法を備える。本発明の一実施形態の一態様によれば、源記事をアクセスする工程と、源記事の複数の領域を識別する工程と、各領域に関連する少なくとも一つの局所的概念を決定する工程と、各領域の局所的概念を解析して無関連領域を識別する工程と、無関連領域に関連する局所的概念を削除して関連概念を決定する工程と、関連概念を解析して源記事の源意味を決定する工程と、源意味を項目集合のうちの一つに関連する項目意味とマッチさせる工程とを含む。項目はコンテンツ自体であってもよく、また、コンテンツと関連づけてもよい。
【０００８】
本発明の一実施形態は、マッチした項目を源記事に表示する工程をさらに含む。
【０００９】
本発明の別の一実施形態は、マッチした項目に関連するコンテンツを源記事に表示する工程をさらに含む。本発明の別の態様は、前述の態様に関連する機能を有するコンピュータシステムとコンピュータ読取可能媒体である。
【００１０】
添付の図面を参照して、以下の詳細な説明を読むことによって、これらとそれ以外の本発明の特徴、態様、利点をさらに理解することができる。
【発明を実施するための最良の形態】
【００１１】
本発明は、文書の意味を決定してその文書とコンテンツをマッチさせる方法及びシステムに関する。以下、本文と添付の図面に示される本発明の実施形態について詳述する。図面と以下の説明では、同様かもしくは類似の部分には同じ参照番号を用いる。
【００１２】
本発明に係る様々なシステムを構築することができる。図１は、本発明の実施形態が動作可能なシステムの一例を示す図である。同様に、本発明は、その他のシステムにおいても同様に動作するように具現化することができる。
【００１３】
図１に示すシステム１００は、複数のクライアントデバイス１０２ａから１０２ｎ、サーバデバイス１０４、１４０、ネットワーク１０６を備える。図示されたネットワーク１０６はインターネットを含むものである。別の実施形態では、イントラネット等のネットワークを用いてもよい。また、本発明に係る方法の実行は１台のコンピュータで行うことができる。図示された本実施形態のクライアントデバイス１０２ａから１０２ｎはそれぞれ、プロセッサ１１０に接続されるランダムアクセスメモリ（ＲＡＭ）１０８等のコンピュータ読取可能媒体を備えている。プロセッサ１１０は、メモリ１０８に記憶されたコンピュータ実行可能プログラム命令セットを実行する。このプロセッサとしては、マイクロプロセッサやＡＳＩＣやステートマシンがある。このプロセッサは、媒体、例えば、コンピュータ読取可能媒体を備えているかもしくはそれと通信することができる。尚、その媒体には、プロセッサの実行時に本願で説明する工程をプロセッサに実行させるための命令が記憶されている。コンピュータ読取可能媒体の実施形態には、これに限定されることはないが、電子記憶／送信デバイス、光記憶／送信デバイス、磁気記憶／送信デバイス、その他の記憶／送信デバイスが含まれる。尚、これらの装置は、タッチセンシティブ入力装置と通信するプロセッサ等のプロセッサにコンピュータ読取可能な命令を提供することができる。その他の適切な媒体の例としては、これに限定されることはないが、フロッピーディスク、ＣＤ−ＲＯＭ、磁気ディスク、メモリチップ、ＲＯＭ、ＲＡＭ、ＡＳＩＣ、構成されているプロセッサ、全ての光媒体、全ての磁気テープもしくはその他の磁気媒体、コンピュータプロセッサが命令を読み出すことができるその他の媒体がある。また、その他の様々な形態のコンピュータ読取可能媒体でもコンピュータに命令を送ることができる。尚、このコンピュータは、ルータ、私用／公共ネットワーク、有線と無線のその他の送信デバイス／チャネルを備える。命令は、Ｃ、Ｃ＋＋、Ｃ＃、ビジュアルベーシック、ジャバやジャバスクリプト等のコンピュータプログラミング言語のコードを含んでいてもよい。
【００１４】
また、クライアントデバイス１０２ａから１０２ｎは、多くの外部／内部デバイス、例えば、マウス、ＣＤ−ＲＯＭ、キーボード、ディスプレイ、その他の入出力デバイスを備えていてもよい。クライアントデバイス１０２ａから１０２ｎは、例えば、パーソナルコンピュータ、情報端末、携帯情報端末、携帯電話、自動車電話、スマートフォン、ポケベル、デジタルタブレット、ラップトップコンピュータ、プロセッサベース・デバイスやそれと同様のシステムやデバイスである。一般的に、クライアントデバイス１０２ａから１０２ｎは、ネットワーク１０６に接続されたプロセッサベース・プラットフォームであり、一つ以上のアプリケーションプログラムと情報交換を行うものである。図示されたクライアントデバイス１０２ａから１０２ｎはパーソナルコンピュータを含むものであって、ブラウザアプリケーションプログラム、例えば、マイクロソフト社のインターネットエクスプローラ６．０、ネットスケープコミュニケーションズ社のネットスケープナビゲータ７．１、アップルコンピュータ社のサファリ１．０を実行するものである。クライアントデバイス１０２ａから１０２ｎによって、ユーザ１１２ａから１１２ｎは、ネットワーク１０６を介して互いに通信したり、ネットワーク１０６に接続されたその他のシステムやデバイスと通信することができる。
【００１５】
図１に示すように、サーバデバイス１０４、１４０もネットワーク１０６に接続されている。図示された文書サーバデバイス１０４は、文書エンジンアプリケーションプログラムを実行するサーバを備える。コンテンツサーバデバイス１４０は、コンテンツエンジンアプリケーションプログラムを実行するサーバを備える。システム１００は、その他の複数のサーバデバイスを備えていてもよい。クライアントデバイス１０２ａから１０２ｎと同様に、サーバデバイス１０４、１４０は、コンピュータ読み取り可能メモリ１１８、１４４に接続されたプロセッサ１１６、１４２をそれぞれ備える。サーバデバイス１０４、１４０は各々個別のコンピュータシステムとして示されているが、複数のコンピュータプロセッサを含むネットワークとして実施することもできる。サーバデバイス１０４、１４０は、例えば、サーバ、メインフレームコンピュータ、ネットワーク・コンピュータ、プロセッサベース・デバイスやそれと同様のシステムやデバイスである。クライアントプロセッサ１１０とサーバプロセッサ１１６、１４２は、多くの周知のコンピュータプロセッサのうちのいずれかであってもよく、例えば、カリフォルニア州サンタクララのインテル社のプロセッサやイリノイ州ショウンバーグのモトローラ社のプロセッサであってもよい。
【００１６】
文書サーバデバイス１０４のメモリ１１８は、文書エンジン１２４として知られる文書エンジンアプリケーションプログラムを記憶するものである。文書エンジン１２４は、源記事の意味を決定し、別の記事や知識項目等の項目と源記事をマッチさせるものである。項目はコンテンツ自体であってもよく、また、コンテンツと関連づけてもよい。ネットワーク１０６に接続されているその他のデバイスから源記事を受けとることができる。記事には、様々な書式のウェブページが含まれ、これには、例えば、ＨＴＭＬ、ＸＭＬやＸＨＴＭＬ、ポータブルドキュメント書式（ＰＤＦ）のファイル、ワードプロセッサ、データベース、アプリケーションプログラム・ドキュメントのファイルや、オーディオ情報、ビデオ情報、その他のネットワーク（インターネット等）やパーソナルコンピュータやその他の演算／記憶手段で利用可能な各種の情報が含まれる。本願に記載の実施形態は一般的な文書に関して説明しているが、どのような種類の記事であってもよい。知識項目は、記号によって表現可能な物質的なものかもしくは非物質的なものであり、例えば、キーワード、ノード、カテゴリ、人、概念、製品、句、文書、その他の知識単位であってよい。知識項目はどのような形でもよく、例えば、単語、用語、短い句、文書、その他の構造化情報かもしくは非構造化情報であってよい。本願に記載の実施形態では一般的なキーワードに関して説明しているが、どのような種類の知識項目でもよい。
【００１７】
文書エンジン１２４は、プリプロセッサ１３４、意味プロセッサ１３６、マッチングプロセッサ１３７を備える。図示された本実施形態では、各々がメモリ１１８内のコンピュータコードを備える。文書エンジン１２４は、源文書に掲載するコンテンツのリクエストを受けとる。そのようなリクエストは、ネットワーク１６２に接続されているデバイスから受けとることができる。コンテンツにはウェブページや広告等の文書とキーワード等の知識項目が含まれる。プリプロセッサ１３４は源文書を受けとり、その源文書を解析してその文書とその文書内の領域に含まれる概念を決定する。概念は、それに関連する単語や用語のクラスタもしくは集合によって定義することができる。尚、単語、用語は同義語であってもよい。また、一つの概念はその他様々な情報によって定義することもできる。例えば、関連概念との関係、関連概念との関係の強さ、品詞、公共的用途、使用頻度、概念の広さ、概念の言語上の使用法に関する統計データなどである。意味プロセッサ１３６は概念と領域を解析して、源文書の主概念に無関連な領域を削除する。そして、意味プロセッサ１３６は残りの領域から源文書の源意味を決定する。マッチングプロセッサ１３７は、源文書の源意味と項目集合のうちの一つの項目の意味をマッチさせる。
【００１８】
コンテンツサーバデバイス１４０内のメモリ１４４は、コンテンツエンジン１４６として知られるコンテンツエンジンアプリケーションプログラムを記憶している。図示された本実施形態のコンテンツエンジンは、メモリ１４４のコンピュータコードを備える。コンテンツエンジン１４６は、文書サーバデバイス１０４からマッチした項目を受けとり、その項目もしくはそれに関連するコンテンツを源文書内に掲載する。一実施形態では、コンテンツエンジン１４６は、マッチングエンジン１３７からマッチしたキーワードを受けとり、広告等の文書とそれを関連づける。そして、要求者のウェブサイトにその広告が送られ、源文書内、例えば、ウェブページのフレーム内に掲載される。
【００１９】
また、文書サーバデバイス１０４は、意味データベース１２０として示されている本例における意味記憶素子等の記憶素子をアクセスする。意味データベースを用いることによって、源文書に関連する意味を記憶することができる。また、コンテンツサーバデバイス１４０は、コンテンツデータベース１４８として示されている本例におけるコンテンツ記憶素子等の記憶素子をアクセスする。コンテンツデータベースを用いることによって、キーワードや関連広告等の項目やそれに関連するコンテンツを記憶することができる。データ記憶素子には、これに限定されることはないが、配列、ハッシュテーブル、リスト、ペアを含むデータを記憶する一方法かもしくは複数の方法を組み合わせた方法を備えていてもよい。サーバデバイス１０４、１４０は、その他の同様なデータ記憶装置をアクセスすることができる。
【００２０】
尚、本発明は図１に示すアーキテクチャとは異なるアーキテクチャを有するシステムを備えていてもよいことに注目されたい。例えば、本発明に係るシステムの中には、プリプロセッサ１３４や意味プロセッサ１３６が文書エンジン１２４の一部分でなくて、それらの動作をオフラインで実行するものもある。一実施形態では、文書エンジンがウェブページ等の文書を巡回する際に、文書の意味が周期的に決定される。別の一実施形態では、文書内に掲載するコンテンツのリクエストを受信したときに文書の意味が決定される。図１に示すシステム１００は単なる一例であり、これを用いて図２から図３に示す方法の例を説明する。
【００２１】
図１に示す本実施形態によれば、ユーザ１１２ａは、ネットワーク１０６に接続されたデバイス上の文書、例えば、ウェブサイトのウェブページをアクセスすることができる。例えば、ユーザ１１２ａは、ニュースウェブサイト上のワシントンでの鮭フライフィッシングに関するストーリを含むウェブページをアクセスすることができる。本例では、ウェブページは次の４つの領域を含んでいる。即ち、ストーリのタイトル、著者名、ストーリの一文要旨を含むタイトルセクション、ストーリの本文と写真を含む主ストーリセクション、自動車販売関連のバナー広告、ウェブサイト内の全国ニュースや天気やスポーツ等のその他のウェブページへのリンクを含むリンクセクションである。ニュースウェブサイトの所有者は、源のウェブページの広告スペースの販売を望んでいるため、ウェブページに表示する広告等の項目のリクエストをネットワーク１０６を介して文書サーバ１０４に送る。
【００２２】
源のウェブページと項目をマッチさせるために、最初に源のウェブページの意味を決定する。文書エンジン１２４は源のウェブページをアクセスして、ウェブページを受けとる。ウェブページの源意味は既に決定されていてもよく、また、意味データベース１２０に記憶していてもよい。源意味が既に決定されている場合は、文書エンジン１２４は源意味を検索する。
【００２３】
ウェブページの源意味がまだ決定されていない場合は、プリプロセッサ１３４は、まずウェブページとウェブページの領域内に含まれる概念を識別する。例えば、プリプロセッサは、ウェブページがタイトル領域、ストーリ領域、バナー広告領域、リンク領域に対応する４つの領域を備えることと、ウェブページが鮭、フライフィッシング、ワシントン、自動車、ニュース、天気、スポーツに関連する概念を含むことを決定する。これらの領域は、必ずしもウェブページのフレームに対応する必要はない。そして、意味エンジンは、領域毎に局所的概念を決定し、局所的概念の全てのランクづけを行う。様々な重み付け因子、例えば、領域の重要性、概念の重要性、概念の頻度、概念が領域に出現する回数、概念の範囲を用いることによって、概念のランクづけを行うことができる。
【００２４】
その後、意味エンジン１３６は主流の概念に関連しない領域を識別し、それらに関連する局所的概念を削除する。本例では、バナー領域とリンク領域はストーリに特に関連する概念を含んでいないため、これらの領域に関連する概念が削除される。そして、意味エンジンは残りの概念に基づいて源を確認する。意味は重み付けられた概念ベクトルであってもよい。例えば、意味は、鮭（４０％）、フライフィッシング（４０％）、ワシントン（２０％）であってもよい。
【００２５】
マッチングプロセッサ１３７によって、この意味を項目とマッチさせることができる。項目には、ウェブページや広告等の文書とキーワード等の知識項目を含めることができ、コンテンツサーバデバイス１４０から受けとることができる。項目は、コンテンツデータベース１４８に記憶することができる。例えば、項目がフライフィッシング、バックパッキング、ＣＤ、旅行等のキーワードの場合、マッチングエンジンは源意味とこれらのキーワードに関連する意味を比較してマッチ度を調べる。また、各キーワードに関連するクリック単位コストのデータ等のバイアス因子を用いてもよい。例えば、フライフィッシングというキーワードの意味が、旅行というキーワードの意味よりもマッチ度が高くても、旅行というキーワードを現在購入した広告主がより高いクリック単位のコスト・レートをもつ場合、意味エンジンは、源意味と旅行というキーワードをマッチさせる。また、コンテンツフィルタを用いることによって、成人向けコンテンツや微妙な内容のコンテンツにフィルタをかけることができる。
【００２６】
コンテンツサーバデバイス１４０は、マッチしたキーワードを受けとることができる。コンテンツエンジン１４６はマッチしたキーワードと広告を関連づけ、それを源ウェブページに表示する。例えば、旅行というキーワードがマッチした場合、コンテンツエンジンは、ワシントンでの鮭フライフィッシングに関するストーリを含む源ウェブページに、旅行というキーワードに関連する広告を表示する。ユーザ１１２ａが自分の入力デバイスでその広告を指し示してクリックすると、ユーザは広告に関連するウェブページに導かれる。
【００２７】
本発明に係る様々な方法を実行することが可能である。本発明に係る方法の一例は、源記事をアクセスする工程と、源記事内の複数の領域を識別する工程と、各領域に関連する少なくとも一つの局所的概念を決定する工程と、各局所的概念を解析して無関連領域を識別する工程と、無関連領域に関連する局所的概念を削除して関連概念を決定する工程と、関連概念を解析して源記事の源意味を決定する工程と、源意味を項目集合のうちの一つに関連する項目意味とマッチさせる工程とを含む。バイアス因子を用いることによって、源意味と項目意味をマッチさせることもできる。源意味は重み付けられた概念ベクトルであってもよい。
【００２８】
実施形態の中には、マッチした項目を源記事に表示する方法もある。これらの実施形態では、源記事はウェブページであってよく、マッチした項目はキーワードであってもよい。また、源記事はウェブページであってもよく、マッチした項目は広告であってもよい。
【００２９】
実施形態の中には、マッチした項目に関連するコンテンツを源記事に表示する方法もある。これらの実施形態では、源記事はウェブページであってもよく、マッチした項目はキーワードであってもよく、関連コンテンツは広告であってもよい。さらに、源記事は第一のウェブページであってもよく、マッチした項目は第二のウェブページであってもよく、関連コンテンツは広告であってもよい。また、源記事は第一のウェブページであってもよく、マッチした項目は第二のウェブページであってもよく、関連コンテンツは第二のウェブページへのリンクであってもよい。
【００３０】
実施形態の中には、少なくとも一つの局所的概念を決定するには各領域内の局所的概念毎にスコアを決定する必要があるものもある。各領域内で最高スコアの局所的概念は最も関連性のある局所的概念である。さらに、無関連な領域を識別するには、最初に、局所的概念毎に修正後スコアを決定する必要がある。次に、修正後スコアに基づいてランクづけされた全ての局所的概念を含むグローバルリストを決定する。修正後スコアの組み合わせの寄与がグローバルリストの合計スコアの所定量未満である局所的概念を削除して、結果リストを作成する。そして、その結果リスト内で、全く関連しない局所的概念をもつ無関連領域を決定する。続いて、無関連領域に関連する局所的概念を結果リストから削除して、関連概念リストを作成する。さらに、関連概念の修正後スコアを正規化することによって源意味を決定する。
【００３１】
本発明に係る別の方法の一例は、源記事をアクセスする工程と、上記源記事の少なくとも第一のコンテンツ領域と第二のコンテンツ領域を識別する工程と、少なくとも第一のコンテンツ領域に関連する第一の局所的概念と第二のコンテンツ領域に関連する第二の局所的概念を決定する工程と、少なくとも第一の局所的概念の一部に基づいて項目集合のうちの第一の項目と第一のコンテンツ領域をマッチさせ少なくとも第二の局所的概念の一部に基づいて項目集合のうちの第二の項目と第二のコンテンツ領域をマッチさせる工程とを含む。
【００３２】
図２と図３に本発明に係る一例としての方法２００を詳細に示す。この方法は一例として示したものであって、本発明に係る方法を実行するには多くの方法がある。図２に示す方法２００は様々なシステムで実行可能であるかもしくは達成可能である。以下、図１に示されるシステム１００によって実行される方法２００を一例として説明し、システム１００の各要素を参照して、図２と図３の方法の例を説明する。図示された方法２００は、源文書の意味を決定し、その源文書を項目とマッチさせるものである。
【００３３】
図２と図３に示す各ブロックは、一例としての方法２００において実行される一つ以上の工程を表わす。図２のブロック２０２から方法２００が開始する。ブロック２０２に続くブロック２０４では、文書がアクセスされる。例えば、ネットワーク１０６上のデバイスやその他の源からその文書にアクセスしたり、受けとることが可能である。
【００３４】
ブロック２０４に続くブロック２０６では、源文書の意味を決定する。図示された実施形態では、文書を領域に分割し、不要な領域を削除し、文書の残りの領域に含まれる概念を解析することによって源文書の意味を決定する。例えば、図示された本実施形態では、プリプロセッサ１３４は、まず、源文書に含まれる概念を決定し、その文書内の領域を決定する。意味プロセッサ１３６は概念をランクづけし、主流の概念に関連しない領域とその領域に関連する概念を削除する。意味プロセッサ１３６は、意味概念から文書の源意味を決定する。
【００３５】
図３は、図２に示した方法２００を実行するためのサブルーチン２０６の一例を示す。サブルーチン２０６は、受信した源文書の意味を提供するものである。サブルーチンの一例を以下に示す。
【００３６】
ブロック３００からサブルーチンが開始する。ブロック３００では源文書を前処理して、その文書内に含まれる概念を決定する。この処理は、自然言語・テキスト処理によって実行し、文書を解読して単語にして、それらの単語を概念と整合させることによって達成される。一実施形態では、例えば、自然言語・テキスト処理によって単語にマッチするトークンをまず決定し、相関する意味の意味ネットワークに含まれるトークンとマッチさせる。マッチしたトークンに基づいて意味ネットワークから用語が決定される。そして、決定した用語の概念が割り当てられ、用語に関連する確率が与えられる。
【００３７】
ブロック３００に続くブロック３０２では、文書の領域を識別する。文書の領域は、例えば、フォーマット情報を含む特定の経験則に基づいて決定することができる。例えば、源文書はＨＴＭＬラベルを含むウェブページであり、そのラベルを用いることによって領域を識別することができる。例えば、＜ｔｉｔｌｅ＞．．．．＜／ｔｉｔｌｅ＞に含まれるテキストには、タイトル領域のテキストとしてマークづけすることができる。テキストの７０％以上がタグ＜ａ＞．．．．＜／ａ＞に含まれるパラグラフ内のテキストは、リンク領域内のテキストとしてマーク付けすることができる。また、テキストの構造によって領域を識別することもできる。例えば、動詞がない等の文構造がなかったり、単語が余りに少なかったり、文の終りを示す句読点がない短パラグラフのテキストもしくは表の縦列には、リスト領域内に存在しているとしてマーク付けすることができる。動詞や句読点を含む長文のテキストには、テキスト領域の一部としてマーク付けすることができる。領域の型を変更すると、新たな型としてマーク付けされたテキストから始まる新たな領域を作成することができる。一実施形態では、テキスト領域が文書の２０％を超える場合は、それをさらに小さく分割することができる。
【００３８】
ブロック３０２に続くブロック３０４では、領域毎に最も関連する概念を決定する。図示された本実施形態の意味プロセッサ１３６は、領域毎に識別された概念を処理して、領域毎に小さい局所的概念集合を見つける。概念の範囲、領域内での概念の発生頻度、概念間の関係を用いることによって、局所的概念を決定することができる。
【００３９】
一実施形態では、領域毎の各概念がリストに加えられる。様々な因子を用いて概念毎にスコアを決定することによって、リスト内の概念にランクづけすることができる。例えば、第一の概念がその他の概念と強く関連する場合は、これを利用することによって第一の概念とそれに関連する概念のスコアを増加させる。第一の概念の発生頻度と第一の概念の焦点（即ち、範囲）に基づいてこの効果を調整して、非常に一般的な概念とより広い意味での概念を区別することができる。頻度が特定の閾値を上回る概念にはフィルタをかけることができる。また、認識される概念の重要性は概念のスコアに影響を与える。例えば、概念の包摂を引き起こす単語が太字でマーク付けされているかどうかによって、初期の処理段階で概念の重要性を決定することができる。領域毎に概念をランクづけした後で最も関連のない概念を削除する。これは、最高ランクの概念の設定番号を選択するか、特定のスコアよりも低いランクスコアを持つ概念を削除することによって行うことができる。
【００４０】
ブロック３０４に続くブロック３０６では、領域毎に全ての局所的概念が組み合わされて解析される。図示された本実施形態の意味プロセッサ１３６は、領域毎の全ての局所的概念を受けとり、例えば、局所的概念毎のスコアに基づいて全ての局所的概念にランクづけしたグローバルリストを作成する。各領域の重要性等のバイアス因子を用いることによってスコアを決定することができる。各領域の重要性は領域の型やその大きさによって決定してもよい。例えば、タイトル領域はリンク領域よりも重要であると考えられる。また、タイトル領域に出現する概念はリンク領域に表示される概念よりも大きな重み付けをしてもよい。また、一つ以上の領域に出現する概念にはさらに大きな重み付けをしてもよい。例えば、概念の類義語をマージしてそれらのスコアを合計してもよい。そして、このグローバルリストをソートして、例えば、スコアの合計の２０％未満の部分に寄与する付随概念を削除して、結果的に局所的概念のグローバルリストを作成する。
【００４１】
ブロック３０６に続くブロック３０８では、主概念と無関連概念が関連する領域が削除される。図示された本実施形態の意味プロセッサ１３６は、無関連領域、即ち、主流の概念に関連していない概念を含む領域を決定して削除する。ここで、「関連のある」や「無関連」ということは絶対的な基準を用いて決定する必要はないことを理解されたい。「関連のある」は、比較的関連度が高いことや所定の関連度があることを示す。一方、「無関連」は、比較的関連度が低いことや所定の関連度であることを示す。無関連領域を削除することによって、関連づけられた無関連概念を削除することができる。例えば、源文書が様々なフレームからなるウェブページの場合、フレームの中には広告に関連するかもしくはウェブサイト内のその他のページにリンクしているものもあるため、ウェブページの主意味とは関連していない場合がある。
【００４２】
一実施形態では、例えば、ブロック３０６で決定され結果として得られたグローバルリストは文書の意味に近いものであってもよく、また、それを用いて文書の意味に無関連な領域を削除することができる。意味プロセッサ１３６は、領域毎に最も代表的な局所的概念が、結果として得られたグローバルリストに存在するかどうかを確認することができる。領域で最も代表的な局所的概念がリストに存在しない場合、その領域を無関連としてマーク付けすることができる。領域で最も代表的な局所的概念は、例えばブロック３０４で決定されたように、その領域で最高スコアを持つ概念であってもよい。
【００４３】
ブロック３０８に続くブロック３１０では、源文書の意味を決定する。図示された本実施形態の意味プロセッサ１３６は、削除されなかった領域の局所的概念の代表度を再計算して、概念の関連リストを作成する。そして、関連リストに含まれるこれらの局所的概念は一定の数の概念にまで削減されて意味リストが提供される。次に、それを正規化して一つの源意味を提供する。例えば、関連領域内に含まれる概念のみを用いて意味リストを作成し、２５個の最高スコア概念を除く全ての概念が新規リストから削除される。この最高スコア概念のスコアを正規化することによって、源意味を提供することができる。本例では、源意味は重み付けられた関連概念ベクトルであってもよい。
【００４４】
再び図２に戻って、ブロック２０６に続くブロック２０８では、項目集合が受けとられる。例えば、マッチングプロセッサ１３７が、この項目集合をコンテンツサーバデバイス１４０から受けとることができる。この項目集合は、キーワード等の知識項目や広告やウェブページ等の文書を含んでいてもよい。受けとられた各項目はそれに関連する意味を備えていてもよい。例えば、本願の援用文献である米国特許出願番号１０／６９０，３２８（代理人判決要録５３０５１／２８８０７２）の「知識項目に関する情報を用いて知識項目の意味を理解する方法及びシステム」に記載されているように、キーワードに関連する情報を用いてキーワードの意味を決定してもよい。文書の意味は、例えば、図３に関して説明した方法と同様に決定することができる。
【００４５】
ブロック２０８に続くブロック２１０では、源文書と項目をマッチさせる。マッチング処理ではバイアス因子を用いてもよい。一実施形態では、例えば、源意味と一連のキーワードのうちの一つに関連するキーワードの意味をマッチさせる。マッチングエンジンは源意味とキーワードの意味を比較し、キーワードに関連するクリック単位コストのデータ等のバイアス因子を用いてマッチ度を決定する。そして、マッチしたキーワードをコンテンツサーバデバイス１４０に送ることができる。コンテンツエンジン１４６は、マッチしたキーワードとその関連広告をマッチさせ、源文書にその広告を表示することができる。また、コンテンツエンジンはキーワード自体を源文書に表示することができる。別の一実施形態では、広告の意味と源意味をマッチさせる。本実施形態のコンテンツエンジン１４６は、マッチした広告を源文書に表示することができる。別の一実施形態では、ウェブページの意味と源意味をマッチさせる。本実施形態のコンテンツエンジン１４６は、ウェブページに関連する広告を表示することができる。ブロック２１０に続くロック２１２で本方法は終了する。
【００４６】
一実施形態では、源文書がアクセスされると、プリプロセッサ１３４が源文書を解析して、源文書のコンテンツ領域を決定する。コンテンツ領域はたくさんのテキストを含む領域、例えば、テキスト領域やリンク領域であってもよく、また、比較的重要な領域、例えば、タイトル領域であってもよい。これらの領域は、上述したように経験則に基づいて決定してもよい。また上述したように、プリプロセッサ１３４は各コンテンツ領域の概念を識別することもできる。意味プロセッサ１３６はこれらの概念を用いることによってコンテンツ領域毎に意味を決定することができる。マッチングプロセッサ１３７は各コンテンツ領域の意味とキーワードをマッチさせることができる。コンテンツエンジン１４６は、マッチしたキーワードとその関連広告をマッチさせて、源文書にその広告を表示することができる。また、コンテンツエンジンはキーワード自体を源文書に表示することができる。別の一実施形態では、広告の意味を領域の意味とマッチさせる。本実施形態のコンテンツエンジン１４６は、マッチした広告を源文書に表示することができる。別の一実施形態では、ウェブページの意味を領域意味とマッチさせる。本実施形態のコンテンツエンジン１４６は、ウェブページに関連する広告を表示することができる。一実施形態では、広告やキーワードはそれらが対応するコンテンツ領域に表示される。
【００４７】
上の記載には多くの仕様が含まれ、これらの仕様は本発明の範囲に限定されるものではなく、開示された実施形態の例を単に示すものである。当業者であれば、本発明の範囲内でその他の多くの変更が可能であろう。
【図面の簡単な説明】
【００４８】
【図１】本発明の一実施形態に係るシステムのブロック図である。
【図２】本発明の一実施形態に係る方法のフロー図である。
【図３】図２に示す方法のサブルーチンのフロー図である。
【符号の説明】
【００４９】
１０２ａクライアント
１０２ｂクライアント
１０２ｎクライアント
１０４文書サーバデバイス
１０６ネットワーク
１１０プロセッサ
１１４入力
１１６プロセッサ
１１８メモリ
１２０意味データベース
１２４文書エンジン
１３４プリプロセッサ
１３６意味プロセッサ
１３７マッチングプロセッサ
１４０コンテンツサーバデバイス
１４２プロセッサ
１４４メモリ
１４６コンテンツエンジン
１４８コンテンツデータベース

Claims

ウェブページ文書を項目にマッチさせるべく、複数のコンピュータプロセッサのネットワーク又は一のコンピュータシステムとして実装されて文書エンジンを実行する文書サーバが行う方法であって、
源ウェブページ文書を他のデバイスから受けとる工程と、
前記源ウェブページ文書内の複数の領域を識別する工程と、
前記複数の領域のそれぞれに表現された少なくとも１つの局所的概念を決定する工程であって、当該決定は前記源ウェブページを複数の単語に解読する自然言語及びテキスト処理と、前記単語と概念との整合とを含み、前記局所的概念は前記複数の領域の１つに一以上の単語によって表現された概念である工程と、
各領域の前記局所的概念を、他の局所的概念との関連性が相対的に低い程度、前記他の局所的概念との関連性が所定の程度、又はその双方である無関連概念を識別することで解析する工程と、
前記源ウェブページ文書に表現された代表概念ベクトルである前記源ウェブページ文書の源意味の決定により前記無関連概念を削除する工程と、
前記源ウェブページ文書を一群の項目群から選択された項目にマッチさせる工程であって、当該マッチは前記源意味と前記項目に含まれるキーワードとを比較することによって行われる工程と
を含む方法。
前記マッチした項目をディスプレイデバイスの前記源ウェブページ文書に表示する工程をさらに含む、請求項１記載の方法。
前記マッチした項目は広告を含む、請求項２記載の方法。
前記マッチした項目に関連するコンテンツを前記源ウェブページ文書に表示する工程をさらに含む、請求項１記載の方法。
前記関連するコンテンツは広告を含む、請求項４記載の方法。
前記マッチした項目は第二のウェブページを含み、前記関連するコンテンツは広告を含む、請求項４記載の方法。
前記マッチした項目は第二のウェブページを含み、前記関連するコンテンツは前記第二のウェブページへのリンクを含む、請求項４記載の方法。
前記源ウェブページ文書を前記項目にマッチさせる工程は、バイアス因子を用いて前記源ウェブページ文書を前記項目にマッチさせる工程を含む、請求項１記載の方法。
前記源意味は重み付けられた概念ベクトルを含む、請求項１記載の方法。
前記少なくとも一つの局所的概念を決定する工程は、各局所的概念毎にスコアを決定する工程を含み、
各領域で最高スコアを持つ前記局所的概念は当該領域に対して最も関連する局所的概念を含む、請求項１記載の方法。
前記無関連概念を識別する工程は、
各局所的概念毎に修正後スコアを決定する工程と、
前記修正後スコアに基づいて全ての局所的概念のランクづけしたグローバルリストを決定する工程と、
前記修正後スコアの組み合わせの寄与が前記グローバルリストの合計スコアの所定量未満である局所的概念を削除して結果リストを作成する工程と、
前記結果リストに最も関連性の高い局所的概念を含まない無関連領域を識別する工程と、
前記無関連領域に表現された局所的概念を前記結果リストから削除して関連概念リストを作成する工程と
を含む、請求項１０記載の方法。
前記源意味の決定は、前記修正後スコアを前記関連概念に対して正規化する工程を含む、請求項１１記載の方法。
ウェブページ文書を項目にマッチさせる文書エンジンプログラムであって、
前記文書エンジンプログラムは、複数のコンピュータプロセッサのネットワーク又は一のコンピュータシステムとして実装される文書サーバに、請求項１から１２のいずれか１項に記載の方法を行わせるべく動作可能である文書エンジンプログラム。
ウェブページ文書内の領域を広告にマッチさせるべく、複数のコンピュータプロセッサのネットワーク又は一のコンピュータシステムとして実装されて文書エンジンを実行する文書サーバが行う方法であって、
源ウェブページ文書を他のデバイスから受けとる工程と、
前記源ウェブページ文書内の第一のコンテンツ領域と第二のコンテンツ領域を識別する工程と、
前記第一のコンテンツ領域に表現された第一の局所的概念を決定し、前記第二のコンテンツ領域に表現された少なくとも第二の局所的概念を決定する工程であって、前記第一及び第二の局所的概念の決定は前記第一及び第二のコンテンツ領域を単語に解読する自然言語及びテキスト処理と、前記単語と概念との整合とを含み、前記局所的概念は前記コンテンツ領域の１つに一以上の単語により表現された概念である工程と、
前記第一の局所的概念を一群の広告からの第一の広告にマッチさせる工程であって、当該マッチは前記第一の局所的概念と前記第一の広告の意味とを比較することによる工程と、
前記第二の局所的概念を前記一群の広告からの第二の広告にマッチさせる工程であって、当該マッチは前記第二の局所的概念と前記第二の広告の意味とを比較することによる工程と、
前記マッチした広告をディスプレイデバイスの前記源ウェブページ文書に表示する工程と
を含み、
前記マッチした広告を表示する工程は、
前記第一のコンテンツ領域に第一の広告を表示する工程と、
前記第二のコンテンツ領域に第二の広告を表示する工程と
を含む方法。
ウェブページ文書に対する源意味を決定するべく、複数のコンピュータプロセッサのネットワーク又は一のコンピュータシステムとして実装されて文書エンジンを実行する文書サーバが行う方法であって、
前記ウェブページ文書を他のデバイスから受けとる工程と、
前記ウェブページ文書内の複数の異なる領域の集合を識別する工程と、
前記集合中の前記複数の異なる領域のそれぞれに表現された概念を決定する工程であって、当該決定は前記異なる領域を複数の単語に解読する自然言語及びテキスト処理と、前記単語と前記概念との整合とを含む工程と、
第一の領域に表示された第一の概念を識別する工程であって、前記第一の概念は、前記集合中の他の領域に表現された概念との関連性が相対的に低い程度、前記他の領域に表現された前記概念との関連性が所定の程度、又はその双方である無関連概念である工程と、
前記ウェブページ文書に対する前記源意味の決定から前記第一の概念を除外する工程と、
前記ウェブページ文書に対する前記源意味を決定する工程と、
前記源意味を利用可能とする工程と
を含む方法。
前記ウェブページ文書内の前記異なる領域の集合を識別する工程は、前記ウェブページ文書内のフレームを識別することを含む、請求項１５記載の方法。
前記ウェブページ文書内の前記異なる領域の集合を識別する工程は、前記異なる領域を前記ウェブページ文書内のマークアップに基づいて識別する工程を含む、請求項１５記載の方法。
前記概念を決定する工程は、前記集合中の前記異なる領域のそれぞれにおいて関連する単語の集合を識別する工程を含む、請求項１５記載の方法。
前記集合中の前記異なる領域のそれぞれに表現された前記概念に基づいて一以上の広告を選択する工程をさらに含む、請求項１５記載の方法。
前記第一の概念を識別する工程は、
前記概念のそれぞれに対してスコアを決定する工程と、
前記スコアに基づいて前記概念の全てを含むランクづけされたグローバルリストを決定する工程と
を含み、
前記第一の概念を除外する工程は、前記スコアの組み合わせの寄与が前記グローバルリストの合計スコアの所定量未満である局所的概念を除外する工程を含む、請求項１９に記載の方法。
前記源ウェブページ文書内の前記複数の領域を識別する工程は、前記複数の領域を識別するときにマークアップ言語のラベルを使用することを含む、請求項１に記載の方法。
前記源ウェブページ文書内の前記複数の領域を識別する工程は、前記ウェブページ内のフレームに対応する領域を識別することを含む、請求項１に記載の方法。
前記源ウェブページ文書内の前記複数の領域を識別する工程は、前記複数の領域を識別するときに前記源ウェブページ文書内のテキスト構造を使用することを含む、請求項１に記載の方法。
前記テキスト構造を使用することは、動詞及び句読点をテキスト領域の一部として有する文のテキストを識別することを含む、請求項２３に記載の方法。
前記テキスト構造を使用することは、文の構造を有しないテキストをリスト領域内に存在するとして識別することを含む、請求項２３に記載の方法。
前記源ウェブページ文書内の第一及び第二のコンテンツ領域を識別する工程は、前記第一及び第二のコンテンツ領域を識別するときにマークアップ言語のラベルを使用することを含む、請求項１４に記載の方法。
前記源ウェブページ文書内の第一及び第二のコンテンツ領域を識別する工程は、前記ウェブページ内のフレームに対応する前記第一及び第二のコンテンツ領域を識別することを含む、請求項１４に記載の方法。
前記源ウェブページ文書内の第一及び第二のコンテンツ領域を識別する工程は、前記第一及び第二のコンテンツ領域を識別するときに前記源ウェブページ文書内のテキスト構造を使用することを含む、請求項１４に記載の方法。