JP4921500B2 - テキスト検索結果ランキング装置、テキスト検索結果ランキング方法、テキスト検索結果ランキングプログラムおよびそのプログラムを記録した記録媒体 - Google Patents

Description

本発明は、コンピュータ内部に存在もしくはコンピュータネットワークを介してアクセスできるテキスト集合を検索する手法に関する。その中でも検索対象のテキスト中および問い合わせ中に場所情報を含む検索において、検索結果のランキングを行う手法に関する。

従来、検索キーワードと地理条件を用いて文書の検索を行う方法（以下、地理文書検索方法とする）では、検索キーワードに関する文書のスコアと地理条件に関する文書のスコアをそれぞれ計算し、それらを組み合わせることによって検索結果のランキングを行っていた（非特許文献１参照）。

これにより検索キーワードと関連性が高くかつ地理条件と関連性が高い検索結果を取得する事が可能となる。

尚、本発明の実施形態例で利用する、テキストに関する検索キーワードに対する関連性の評価指標としてのＢＭ２５、ＴＦ−ＩＤＦについては、非特許文献２、３に各々記載されている。

また本発明の実施形態例で利用する、地名表現に対して正規化された表現や緯度経度等を与えるジオパーサについては、非特許文献４に記載されている。

また本発明の実施形態例で利用する、街区レベル位置参照情報については、非特許文献５に記載されている。

安田宜仁、戸田浩之、「検索位置のごく周辺を対象とした地理情報検索」、人工知能学会論文誌、 ２３巻 ５号 Ｃ（２００８年）、ｐｐ．３６４〜３７３． "Ｏｋａｐｉ ａｔ ＴＲＥＣ−４"，ＳＥ Ｒｏｂｅｒｔｓｏｎ，Ｓ Ｗａｌｋｅｒ，Ｓ Ｊｏｎｅｓ，ＭＭ Ｈａｎｃｏｃｋ，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｏｕｒｔｈ Ｔｅｘｔ Ｒｅｔｒｉｅｖａｌ Ｃｏｎｆｅｒｅｎｃｅ，１９９６ "Ｔｅｒｍ Ｗｅｉｇｈｔｉｎｇ Ａｐｐｒｏａｃｈｅｓ ｉｎ Ａｕｔｏｍａｔｉｃ Ｔｅｘｔ Ｒｅｔｒｉｅｖａｌ"，Ｇ Ｓａｌｔｏｎ，Ｃ Ｂｕｃｋｌｅｙ，１９８７， インターネット＜ＵＲＬ：ｈｔｔｐ：／／ｄｓｐａｃｅ．ｌｉｂｒａｒｙ．ｃｏｒｎｅｌｌ．ｅｄｕ／ｂｉｔｓｔｒｅａｍ／１８１３／６７２１／２／８７−８８１．ｐｓ＞，[平成２１年２月５日検索] Ｐ．Ｃｌｏｕｇｈ．"Ｅｘｔｒａｃｔｉｎｇ ｍｅｔａｄａｔａ ｆｏｒ ｓｐａｔｉａｌｌｙ−ａｗａｒｅ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ ｏｎ ｔｈｅ ｉｎｔｅｒｎｅｔ"．Ｉｎ Ｐｒｏｃ．ｏｆ ＧＩＲ ’０５，Ｐａｇｅｓ ２５−３０，２００５． 「位置参照情報ダウンロードサービス、街区レベル位置参照情報とは」、街区単位（○○町△丁目□番地）の緯度経度を整備したデータ 国土交通省国土計画局 国土情報整備室、インターネット＜ＵＲＬ：ｈｔｔｐ：／／ｎｌｆｔｐ．ｍｌｉｔ．ｇｏ．ｊｐ／ｉｓｊ／ａｂｏｕｔ．ｈｔｍｌ＞、[平成２１年２月５日検索]

しかし上記の手法では、一つのテキスト中に複数の話題が存在する場合、求めていた情報と異なる情報が検索されると言う問題が生じる。

以下に例を上げて説明をする。“「横浜」の「ラーメン」”について検索している場合、検索者は、“「横浜」の「ラーメン」”について言及している文書を求めていると考えられる。しかしながら、従来手法では、“「東京」の「ラーメン」”と“「横浜」の「シュウマイ」”の両方に言及している文書のように、「横浜」および「ラーメン」のそれぞれについては言及しているが、“「横浜」の「ラーメン」”には言及していない文書も検索結果上位に提示される可能性がある。

本発明の目的は、上記の問題を鑑み、検索キーワードと地理条件の両者に関係する情報が存在する文書を優先的に提示し、検索条件と関連性の薄い文書を優先的に提示することを防ぐことにある。

上記目的を達成するため、本発明では、検索キーワードと文書の関連性および地理条件と文書の関連性に加えて、文書中で検索キーワードおよび地理条件の両方に関連性がある部分に注目し、検索結果のランキングを行う。

これにより、ユーザの指定する検索キーワードと地理条件の両方に関係した内容を含むテキストを検索結果上位に提示することが可能となる。

すなわち、請求項１記載のテキスト検索結果ランキング装置は、コンピュータ内部に存在もしくはコンピュータネットワークを介してアクセスできるテキスト集合から、テキストの内容を指定する検索キーワードとテキストが言及する場所を指定する地理条件を指定することによって、指定された検索キーワードを含み、かつ特定の場所に関係するテキストを検索し、該検索結果のランキングを行うテキスト検索結果ランキング装置であって、前記検索キーワードと文書の関係から、検索キーワードに対する文書の適合性を判定する内容条件関連性判定手段と、前記地理条件と文書中の地名で表現される場所情報の関係から、文書中の地名表現に対して前記地理条件との関連性を示す第１の値を評価し、地理条件に対する文書の適合性を判定する地理条件関連性判定手段と、前記検索キーワードの文書中での位置および前記地名表現の文書中での位置を元に互いの位置の近さの度合いを示す第２の値を求め、前記第１の値と第２の値とから検索キーワードと地名表現との関連性を第３の値として求め、検索キーワードと地名表現の組み合わせによる第３の値の総和を近接性スコアとして算出する近接性判定手段と、前記内容条件関連性判定手段、地理条件関連性判定手段および近接性判定手段の各判定結果を元に文書のランキングを行う文書ランキング手段と、を具備することを特徴としている。

本発明によれば、テキスト中に出現する地理条件と関連性の高い地名表現と、検索キーワードと関連の高いキーワードが近傍に出現する文書を優先的に検索結果に提示することを可能とする。これによりユーザの検索を支援することが可能になる。

本発明のテキスト検索結果ランキング装置の実施形態例を示すブロック図。 本発明の実施形態例におけるテキストデータベースの内容の一例を示す説明図。 本発明の実施形態例における地名表現データベースの内容の一例を示す説明図。 本発明のテキスト検索結果ランキング方法の実施形態例を示すフローチャート。

以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。

図１は本発明のテキスト検索結果ランキング装置を利用した検索システムの構成の一例を示している。

図１において、本実施形態例の検索システムは、検索アプリケーション００１、検索管理手段の検索管理機能００２、検索手段の検索機能１０１、文書ランキング手段のランキング機能１０２、内容条件関連性判定手段の内容条件関連性判定機能１０３、地理条件関連性判定手段の地理条件関連性判定機能１０４、近接性判定手段の近接性判定機能１０５、検索結果生成手段の検索結果生成機能１０６、テキストデータベース（以下、テキストＤＢと称する）１０７および地名表現データベース（以下、地名表現ＤＢと称する）１０８を備えている。

上記各部および各機能は、例えばコンピュータによって実現されるものであり、以下に各機能を説明する。

検索アプリケーション００１は、ユーザとのインタフェースであり、ユーザから検索条件（検索キーワード，地理条件）の入力を受け付け、検索管理機能００２にアクセスし、得られた検索結果をユーザに提示する。

検索管理機能００２は検索アプリケーション００１から検索キーワードおよび地理条件を受け付け、検索機能１０１、ランキング機能１０２、検索結果生成機能１０６を利用して検索結果を生成し、検索アプリケーション００１へ返却する。

検索機能１０１は、検索管理機能００２を経由して受け付けた検索キーワードおよび地理条件を元に、テキストＤＢ１０７にアクセスし、検索キーワードを含み、かつ地理条件と関連性の高い地名表現を含む文書の集合を特定し検索管理機能００２に返却する。

ランキング機能１０２は、検索管理機能００２を経由して受け付けた検索結果集合の個々のテキストについてスコアを付与し、ランキング結果を検索管理機能００２に返却する。テキストのスコアを算出する際は内容条件関連性判定機能１０３、地理条件関連性判定機能１０４、近接性判定機能１０５を利用して、検索キーワードとテキストの関連性、地理条件と文書の関連性、検索キーワードと地理条件と関連性の高い地理表現のテキスト中での関連性の個々のスコアを算出し、それらを統合する形でテキストのスコアを算出する。

内容条件関連性判定機能１０３は、ランキング機能１０２から与えられたテキストと検索キーワードの組合せについて、そのテキストに関する検索キーワードに対する関連性を評価し、ランキング機能１０２に返却する。例えば、ＢＭ２５（非特許文献２参照）やＴＦ−ＩＤＦ（非特許文献３参照）等の指標が考えられる。

地理条件関連性判定機能１０４は、ランキング機能１０２から与えられたテキストと地理条件の組合せについて、その地理条件に対するテキストの関連性を評価する。評価においては、まずテキスト中の各地名と地理条件の関連性（地名の関連性）について評価し、地名の関連性を元にテキストと地理条件の関連性（テキストの関連性）を評価する。最終的にランキング機能１０２には、地名の関連性とテキストの関連性を返却する。地理条件Ｑ_gに対する地名表現ｉのスコア算出は以下の式（１）を計算する方法が考えられる。

上記式（１）のｄｉｓｔ（）はふたつの位置の距離を返す関数である。二つの地点の距離はユークリッド距離やマンハッタン距離等が考えられる。ｅｘｔｅｎｔ（）は地名表現の広さを返す関数であり、地名表現ＤＢ１０８へアクセスすることで結果が得られる。また、ｐｏｓ（）は地名の地理的な位置を返す関数である。上記で算出された地名の関連性を元に、テキストｄの地理条件Ｑ_gに対する関連性は以下の式（２）のように算出することが考えられる。

ここで、上記式（２）のＩ_dは文書ｄに含まれる地名表現の集合を示す。

近接性判定機能１０５は、地理条件と関連性のある地名表現と検索キーワードが文中の近い位置で出現する場合、テキストに高いスコアを与える機能である。

まずテキスト中で地名表現ｉとキーワードｊが距離Ｎ_ｍａｘ以内に共起する事を示す関数を、次の式（３）、式（４）のＰｒｏｘ（ｉ，ｊ）とする。

Ｐｒｏｘ（ｉ，ｊ）＝１（ｉｆ｜ｇｅｏＰｏｓ（ｉ）−ｇｅｔＰｏｓ（ｊ）｜＜＝Ｎ_ｍａｘ） （３）
Ｐｒｏｘ（ｉ，ｊ）＝０（ｉｆ｜ｇｅｏＰｏｓ（ｉ）−ｇｅｔＰｏｓ（ｊ）｜＞Ｎ_ｍａｘ） （４）
ここでｇｅｔＰｏｓ（・）は、キーワードや地理表現のテキスト中での位置を返す関数である。上記の式(３）、(４）を利用し、テキストｄの地理条件Ｑｇ、検索キーワードＱｋに対する近接性スコアは以下の式（５）で算出する。

上記式（５）のｊ_dは文書中に含まれる全ての検索キーワードを示す集合である。ＫｅｙＷｅｉｇｈｔ（・）はキーワードの重みを示す。検索キーワードが一つの場合は重みは均一であり考慮する必要はないが、複数のキーワードで表現される場合にキーワードの重要性を示す値として利用する。

検索結果生成機能１０６は、検索管理機能００２を経由して、ユーザに返却すべき検索結果のリストを取得し、ユーザに提示すべきタイトルやスニペットをテキストＤＢ１０７の情報を利用し生成する。生成した結果を元にユーザに提示する検索結果を生成し、検索管理機能００２に返却する。

テキストＤＢ１０７は、検索対象のテキストのタイトルや本文などの情報およびそれらテキスト中に含まれた地名表現の情報を格納、管理するデータベースである。地名表現の情報の作成には、テキストから地名表現を抽出するジオコーダと、地名表現に対して正規化された表現や緯度経度等を与えるジオパーサを利用する（非特許文献４参照）。このデータベース１０７の内容の例を図２に示す。

地名表現ＤＢ１０８は、各地名の正規化表現とその地名表現が意味するエリアを格納したデータベースである。このデータは国土交通省が配布する街区レベル位置参照情報（非特許文献５参照）を元に、構築する事ができる。例えば、「東京都渋谷区」の示す範囲を取得する場合には、街区レベル位置参照情報のうち、「東京都渋谷区」から始まる街区のデータを取得し、その街区データ中でとり得る緯度幅、経度幅を得ることで、該地名が示す範囲とする。このデータベース１０８の内容例を図３に示す。

次に、図１のシステムを用いて検索処理を行う際の動作を図４のフローチャートとともに説明する。図４において、テキストＤＢ１０７、地名表現ＤＢ１０８の作成は前処理として行われる。

まずステップＳ１において、検索アプリケーション００１は、ユーザから「内容条件」、「地理条件」（検索キーワードおよび地理条件）を受け取り、検索管理機能００２に送信する。

次にステップＳ２において、検索管理機能００２は、検索機能１０１に前記「内容条件」、「地理条件」を送信する。

次にステップＳ３において、検索機能１０１は、テキストＤＢ１０７にアクセスし、前記「内容条件」、「地理条件」を元に条件に適合する文書（検索結果集合）を取得し、検索管理機能００２に返信する。

次にステップＳ４において、検索管理機能００２は、ランキング機能１０２に前記「内容条件」、「地理条件」と検索結果集合を送信する。

次にステップＳ５において、ランキング機能１０２は、内容条件関連性判定機能１０３、地理条件関連性判定機能１０４、近接性判定機能１０５を通じて検索結果集合の各文書に関する各スコアを計算する。

次にステップＳ６において、ランキング機能１０２は、それぞれの文書のスコアを元に文書を優先度付けし、検索管理機能００２に返却する。

次にステップＳ７において、検索管理機能００２は、優先度付けされた検索結果を元にユーザに返却する文書を特定し、検索結果生成機能１０６へのリストを送信する。

次にステップＳ８において、検索結果生成機能１０６は、ユーザに返却する検索結果のタイトル、スニペットを、テキストＤＢ１０７にアクセスして生成し、検索管理機能００２に返却する。

次にステップＳ９において、検索管理機能００２は、前記タイトル、スニペットが生成された文書を、検索アプリケーション００１を介してユーザに返却する。

また、本実施形態のテキスト検索結果ランキング装置における各手段の一部もしくは全部の機能をコンピュータのプログラムで構成し、そのプログラムをコンピュータを用いて実行して本発明を実現することができること、本実施形態のテキスト検索結果ランキング方法における手順をコンピュータのプログラムで構成し、そのプログラムをコンピュータに実行させることができることは言うまでもなく、コンピュータでその機能を実現するためのプログラムを、そのコンピュータが読み取り可能な記録媒体、例えばＦＤ（Ｆｌｏｐｐｙ（登録商標） Ｄｉｓｋ）や、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）−ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＨＤＤ、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。また、上記のプログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。

００１…検索アプリケーション
００２…検索管理機能
１０１…検索機能
１０２…ランキング機能
１０３…内容条件関連性判定機能
１０４…地理条件関連性判定機能
１０５…近接性判定機能
１０６…検索結果生成機能
１０７…テキストＤＢ
１０８…地名表現ＤＢ

Claims (5)

1. コンピュータ内部に存在もしくはコンピュータネットワークを介してアクセスできるテキスト集合から、テキストの内容を指定する検索キーワードとテキストが言及する場所を指定する地理条件を指定することによって、指定された検索キーワードを含み、かつ特定の場所に関係するテキストを検索し、該検索結果のランキングを行うテキスト検索結果ランキング装置であって、
   前記検索キーワードと文書の関係から、検索キーワードに対する文書の適合性を判定する内容条件関連性判定手段と、
   前記地理条件と文書中の地名で表現される場所情報の関係から、文書中の地名表現に対して前記地理条件との関連性を示す第１の値を評価し、地理条件に対する文書の適合性を判定する地理条件関連性判定手段と、
   前記検索キーワードの文書中での位置および前記地名表現の文書中での位置を元に互いの位置の近さの度合いを示す第２の値を求め、前記第１の値と第２の値とから検索キーワードと地名表現との関連性を第３の値として求め、検索キーワードと地名表現の組み合わせによる第３の値の総和を近接性スコアとして算出する近接性判定手段と、
   前記内容条件関連性判定手段、地理条件関連性判定手段および近接性判定手段の各判定結果を元に文書のランキングを行う文書ランキング手段と、
   を具備することを特徴とするテキスト検索結果ランキング装置。
2. 前記第３の値は、前記第１の値、前記第２の値、および検索キーワードの重みとの乗算によって算出される
   ことを特徴とする請求項１に記載のテキスト検索結果ランキング装置。
3. コンピュータ内部に存在もしくはコンピュータネットワークを介してアクセスできるテキスト集合から、テキストの内容を指定する検索キーワードとテキストが言及する場所を指定する地理条件が指定されたときに、指定された検索キーワードを含み、かつ特定の場所に関係するテキストを検索し、該検索結果のランキングを行うテキスト検索結果ランキング方法であって、
   検索管理手段が、ユーザにより指定された検索キーワードおよび地理条件を受け付けて検索手段に送信するステップと、
   検索手段が、前記テキスト集合から、検索キーワードを含み、かつ地理条件と関連性の高い地名表現を含む文書の集合を特定し、前記検索管理手段に返却するステップと、
   検索管理手段が、前記特定された検索結果集合を文書ランキング手段に送信するステップと、
   文書ランキング手段が、前記送信された検索結果集合の個々の文書について、内容条件関連性判定手段が行う内容条件関連性判定ステップと、地理条件関連性判定手段が行う地理条件関連性判定ステップと、近接性判定手段が行う近接性判定ステップの、各判定結果に基づいてスコアを付与し、該スコアを元に文書を優先度付けして前記検索管理手段に返却するステップと、
   検索管理手段が、前記優先度付けされた検索結果を元にユーザに返却する文書を特定して検索結果生成手段に送信するステップと、
   検索結果生成手段が、前記送信された、ユーザに返却する検索結果のタイトル、スニペットを生成して前記検索管理手段に返却するステップと、
   検索管理手段が、前記タイトル、スニペットが生成された文書を検索結果としてユーザに返却するステップとを具備し、
   前記内容条件関連性判定ステップは、前記検索キーワードと文書の関係から、検索キーワードに対する文書の適合性を判定し、
   前記地理条件関連性判定ステップは、前記地理条件と文書中の地名で表現される場所情報の関係から、文書中の地名表現に対して前記地理条件との関連性を示す第１の値を評価し、地理条件に対する文書の適合性を判定し、
   前記近接性判定ステップは、前記検索キーワードの文書中での位置および前記地名表現の文書中での位置を元に互いの位置の近さの度合いを示す第２の値を求め、前記第１の値と第２の値とから検索キーワードと地名表現との関連性を第３の値として求め、検索キーワードと地名表現の組み合わせによる第３の値の総和を近接性スコアとして算出する、
   ことを特徴とするテキスト検索結果ランキング方法。
4. コンピュータに、請求項３に記載の各手順を実行させるテキスト検索結果ランキングプログラム。
5. 請求項４に記載のテキスト検索結果ランキングプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images