JP5084796B2 - 関連性判定装置、関連性判定方法およびプログラム - Google Patents

Description

本発明は、クエリまたはＵＲＬの関連性を判定する装置、方法およびプログラムに関する。

従来、Ｗｅｂ検索エンジンは、クエリとして複数のキーワードを同時に受け付ける。例えば、クエリに「橋本 地図」と入力すれば橋本駅周辺の地図、「橋本 画像」と入力すれば、橋本さんの画像が検索結果の上位に現れる。ここで、第２の検索キーワード（例えば、「地図」や「画像」等）は、検索要求の対象を主題的に絞り込むのではなく、検索対象を、データベースの範囲またはサービスの種類として指定して絞り込むことを意図している。以下、第１の検索キーワード（「橋本」）はトピック語と呼び、第２の検索キーワード（「地図」や「画像」等）はファセット語と呼ぶ。

また、検索結果の中からクリック（選択）されるＵＲＬは、例えば、ファセット語が「画像」であれば画像を豊富に用意しているサイト、「レシピ」であれば著名なグルメ情報サイトであることが多い。このようにサイト（ＵＲＬ）とクエリとが共通に持つ検索意図に関わる属性は、クエリ側で明示的にファセット語として示されることがある。ところが、この検索意図に関わる属性は、ファセット語としては示されず暗黙的に期待されることも多い。例えば、画像を豊富にそろえたサイトが頻繁にクリックされるクエリは、暗黙に「画像」ファセットが期待されていると考えられる。

このようなファセットの手がかりを取得し、検索意図を把握するために、クエリやＵＲＬの関連性を判定し、この関連性の度合いを示すスコアを付与することが望まれている。

ここで、例えばＵＲＬのスコアについては、Ｗｅｂページをノード、リンク関係をエッジとしたＷｅｂグラフ上で、重要度の伝播を用いてページ重要性のランキングを計算する手法が知られている。また、このランキングを計算する際に、Ｗｅｂページの階層構造（ＵＲＬのディレクトリ構造）を考慮する方法が提案されている（例えば、特許文献１参照）。

特許文献１の方法では、Ｗｅｂグラフ中のリンクをホストレベルで集約することによってリンク密度を高くして、ランク付けの偏向が抑制されることが期待できる。しかしながら、デイレクトリ構造をＷｅｂグラフに当てはめる特許文献１の方法では、各Ｗｅｂページの重要度を算出する際に、ディレクトリ構造において実際にリンクされている階層の深さが表現されず、リンクの強弱差が現れない。さらに、リンクの数に基づいて重要度を判定しているため、どのページからリンクされているかは考慮されず、リンク数が多いページからリンクされていることが重要になり、ディレクトリの構造を十分に反映して結果を得ることができなかった。したがって、ある属性に関する関連性の度合いを示すスコアを求める方法としては十分な効果は期待できない。

また、例えば、Ｗｅｂ検索のクリック・スルーデータに対して、特定の意味のクエリ集合（シードクエリ）を用い、グラフによるスコアの伝播を行って関連クエリを抽出する方法が提案されている（例えば、非特許文献１参照）。ここで、クリック・スルーデータは、検索ユーザが検索結果のリンク（ＵＲＬ）をクリックしたときに記録される、クエリ、クリックＵＲＬ、タイム・スタンプ、検索順位、ブラウザ識別子等からなるログである。

特開２００６−１２７５２９号公報

Ｌｉ，Ｘ．， Ｗａｎｇ，Ｙ． ａｎｄ Ａｃｅｒｏ，Ａ．： Ｌｅａｒｎｉｎｇ ｑｕｅｒｙ ｉｎｔｅｎｔ ｆｒｏｍ ｒｅｇｕｌａｒｉｚｅｄ ｃｌｉｃｋ ｇｒａｐｈｓ， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３１ｓｔ ａｎｎｕａｌ ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ， ＡＣＭ Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ｐｐ．３３９−３４６（２００８）

しかしながら、非特許文献１の方法は、クエリからＵＲＬを経由し、再びクエリに至るまでのステップに対して正規化を行っており、この正規化の計算量が大きく処理全体の負担になっていた。また、正規化は経由してきたＵＲＬによらず、クエリからＵＲＬを経由して到達したクエリのスコアの和で正規化するので、クリック総数が大きいＵＲＬに影響されやすかった。

また、ＵＲＬとクエリとは強い関連があるが、このため非常に狭い範囲での関連性しか得られない場合がある。したがって、属性の推定において有効な関連度を算出することは難しかった。

本発明は、クリック・スルーデータの分析において、クエリまたはＵＲＬの関連性の算出精度を向上させることができる関連性判定装置、関連性判定方法およびプログラムを提供することを目的とする。

本発明では、以下のような解決手段を提供する。

（１） Ｗｅｂ検索におけるクエリと、当該クエリに基づく検索結果の中から選択されたＵＲＬと、を互いに対応付けて取得する取得手段と、
前記取得手段により取得されたＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解、および／または前記取得手段により取得されたクエリを当該クエリに含まれるキーワードに分解する分解手段と、
前記取得手段により互いに対応付けて取得されたＵＲＬおよびクエリについて、当該ＵＲＬまたは当該ＵＲＬが前記分解手段により分解された各ディレクトリ階層と、当該クエリまたは当該クエリが前記分解手段により分解された各キーワードと、をそれぞれノードとして互いをエッジで結んだ２部グラフを生成する生成手段と、
同一の属性を持つクエリおよび／またはＵＲＬを含んだシード集合を受け付ける受付手段と、
前記生成手段により生成された２部グラフにおいて、各エッジによるノード間の前記属性に関するスコアの伝播に基づいて、前記受付手段により受け付けたシード集合と各ノードとの関連度を示す関連性スコアを、各ノードについて算出する算出手段と、を備える関連性判定装置。

このような構成によれば、当該関連性判定装置は、Ｗｅｂ検索におけるクエリと、当該クエリに基づく検索結果の中から選択されたＵＲＬと、を互いに対応付けて取得し、取得されたＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解、および／または取得されたクエリを当該クエリに含まれるキーワードに分解し、互いに対応付けて取得されたＵＲＬおよびクエリについて、当該ＵＲＬまたは当該ＵＲＬが分解された各ディレクトリ階層と、当該クエリまたは当該クエリが分解された各キーワードと、をそれぞれノードとして互いをエッジで結んだ２部グラフを生成する。そして、当該関連性判定装置は、同一の属性を持つクエリおよび／またはＵＲＬを含んだシード集合を受け付け、生成された２部グラフにおいて、各エッジによるノード間の属性に関するスコアの伝播に基づいて、シード集合と各ノードとの関連度を示す関連性スコアを、各ノードについて算出する。

このことにより、当該関連性判定装置は、クリック・スルーデータにおけるクエリとＵＲＬとを結んで生成した２部グラフを用いて、与えられたシード集合と各ノード（クエリまたはＵＲＬ）との関連度を示す関連性スコアを算出することができる。さらに、当該関連性判定装置は、ＵＲＬを各ディレクトリ階層に、またクエリをキーワードに分解した上でグラフを生成するので、元のクエリおよびＵＲＬを結んだグラフに比べてグラフを密にすることができる。その結果、ノード間の関連性の強弱に応じて伝播するスコアに差が出るようにできるため、関連性の算出精度を向上させることができる。

（２） Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、当該クエリに関する前記属性または前記関連性スコアに基づいて新たなクエリを推薦する推薦手段をさらに備える（１）に記載の関連性判定装置。

このような構成によれば、当該関連性判定装置は、ユーザからＷｅｂ検索におけるクエリの入力を受け付けた場合に、このクエリと同じ属性を持つ新たなクエリをユーザに推薦し、検索を行うユーザの利便性を向上することができる。特に、関連性スコアが高く有用なクエリを推薦することによって、ユーザの所望する検索結果に辿り着く可能性が高まる。

（３） Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、当該クエリまたは当該クエリに基づく検索結果のＵＲＬに関する前記関連性スコアに基づいて、新たな検索結果としてのＵＲＬを出力する検索手段をさらに備える（１）または（２）に記載の関連性判定装置。

このような構成によれば、当該関連性判定装置は、ユーザからＷｅｂ検索におけるクエリの入力を受け付けた場合に、このクエリが持つ属性について関連性が高いＵＲＬを検索結果として出力することができる。したがって、当該関連性判定装置は、検索を行うユーザに対して、関連性スコアが高く有用なＵＲＬを提示するので、ユーザが効率的に所望の検索結果に辿り着く可能性が高まる。

（４） Ｗｅｂ検索におけるクエリと、当該クエリに基づく検索結果の中から選択されたＵＲＬと、を互いに対応付けて取得する取得ステップと、
前記取得ステップにより取得されたＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解、および／または前記取得ステップにより取得されたクエリを当該クエリに含まれるキーワードに分解する分解ステップと、
前記取得ステップにより互いに対応付けて取得されたＵＲＬおよびクエリについて、当該ＵＲＬまたは当該ＵＲＬが前記分解ステップにより分解された各ディレクトリ階層と、当該クエリまたは当該クエリが前記分解ステップにより分解された各キーワードと、をそれぞれノードとして互いをエッジで結んだ２部グラフを生成する生成ステップと、
同一の属性を持つクエリおよび／またはＵＲＬを含んだシード集合を受け付ける受付ステップと、
前記生成ステップにより生成された２部グラフにおいて、各エッジによるノード間の前記属性に関するスコアの伝播に基づいて、前記受付ステップにより受け付けたシード集合と各ノードとの関連度を示す関連性スコアを、各ノードについて算出する算出ステップと、をコンピュータが実行する関連性判定方法。

このような構成によれば、当該関連性判定方法を実行することにより、（１）と同様の効果が期待できる。

（５） （４）に記載の関連性判定方法をコンピュータに実行させるプログラム。

このような構成によれば、当該プログラムをコンピュータに実行させることにより、（１）と同様の効果が期待できる。

本発明によれば、クリック・スルーデータの分析において、クエリまたはＵＲＬの関連性の算出精度を向上させることができる。

本発明の実施形態に係る管理サーバの機能構成と、システムの全体構成を示す図である。 ＵＲＬノード方式により生成されるグラフの一例を示す図である。 ドメインノード方式により生成されるグラフの一例を示す図である。 本発明実施形態に係る階層ノード方式により生成されるグラフの一例を示す図である。 本発明の実施形態に係る関連性判定方法の処理手順を示すフローチャートである。 本発明の実験例に用いたクリック・スルーデータの概要を示す図である。 本発明の実験例に用いたシードクエリの例を示す図である。 本発明の実験例において関連性スコアが上位となったクエリを示す図である。 本発明の実施形態と比較手法とによる実験結果を比較した図である。 本発明の実施形態に係る階層ノード方式、ＵＲＬノード方式およびドメインノード方式による実験結果を比較した図である。 本発明の実験例において出力件数を変化させた場合のカバー率の変化を示した図である。 本発明の実施形態に係る変形例を示した図である。

以下、本発明の実施形態の一例について図を参照しながら説明する。

［システム全体構成］
図１は、本実施形態に係る管理サーバ１０（関連性判定装置）の機能構成と、管理サーバ１０を含んだシステムの全体構成を示す図である。

管理サーバ１０、検索サーバ２０、コンテンツサーバ３０、および端末装置４０は、ネットワークを介して接続されている。端末装置４０のユーザは、検索サーバ２０にアクセスし、所定の検索エンジンに対して、所望のＷｅｂページに辿り着くためのクエリ（検索キーワード）を入力することにより、検索結果を取得する。ユーザは、この検索結果として一覧表示されたＵＲＬの中から１つをクリック（選択）し、コンテンツサーバ３０にて管理されるサイトにアクセスしてＷｅｂページを閲覧する。

管理サーバ１０は、検索サーバ２０の検索エンジンに入力されたクエリに対して、ユーザが検索結果に基づいてクリック（選択）したＵＲＬ等の履歴データ（クリック・スルーデータ）を蓄積する。そして、管理サーバ１０は、蓄積されたクリック・スルーデータを用いて、クエリとＵＲＬとをエッジで結んだ２部グラフを生成する。さらに、管理サーバ１０は、ある特定の意味のクエリ集合（シードクエリ）や、特定のトピックに関連したＵＲＬ集合（シードＵＲＬ）を、シード集合として取得し、このシード集合に対する関連度を示す関連性スコアを、各ノードについて算出する。

なお、本実施形態では、管理サーバ１０は単一のサーバとして説明するが、これには限られず、後述の各種機能は、適宜、複数のサーバに分散されてもよい。

管理サーバ１０の制御部１００は、クリック・スルーデータ取得部１１（取得手段）と、ノード分解部１２（分解手段）と、グラフ生成部１３（生成手段）と、シード集合取得部１４（受付手段）と、関連性スコア算出部１５（算出手段）と、結果出力部１６（推薦手段、検索手段）と、を備える。また、管理サーバ１０の記憶部２００は、ログ蓄積部１７と、グラフ記憶部１８と、スコア記憶部１９（記憶手段）と、を備える。

クリック・スルーデータ取得部１１は、ログ蓄積部１７から、過去の検索処理の履歴であるクリック・スルーデータを取得する。具体的には、クリック・スルーデータは、Ｗｅｂ検索におけるクエリと、このクエリに基づく検索結果であるＵＲＬの一覧の中から実際にクリック（選択）されたＵＲＬと、を互いに対応付けたものである。

ノード分解部１２は、クリック・スルーデータ取得部１１により取得されたクリック・スルーデータにおいて、ＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解、またはクエリをこのクエリに含まれるキーワードに分解する。また、ノード分解部１２は、ＵＲＬとクエリの双方を分解してもよい。

グラフ生成部１３は、ＵＲＬまたはこのＵＲＬがノード分解部１２により分解された各ディレクトリ階層と、クエリまたはこのクエリがノード分解部１２により分解された各キーワードと、をそれぞれノードとし、互いをエッジで結んだ２部グラフ（クリックグラフ）を生成する。グラフ生成部１３は、生成したグラフを示すデータをグラフ記憶部１８に記憶する。

本実施形態では、まず、ＵＲＬのみを分解してグラフを生成する方法について以下で説明する。以下、本実施形態による方法を階層ノード方式と呼び、比較のため、ＵＲＬノード方式（図２）と、ドメインノード方式（図３）と、を挙げる。

図２は、ＵＲＬノード方式により生成されるグラフの一例を示す図である。この例では、あるドメイン（ｈｔｔｐ：／ｗｗｗ．ｍｏｆａ．ｇｏ．ｊｐ）配下のＵＲＬと、これらのＵＲＬに辿り着いたクエリとがエッジで結ばれている。このグラフでは、関連性があるべき「イギリス」、「ウクライナ」、「アメリカ」は全くリンクしていない。すなわち、ＵＲＬノード方式では、ノード間の関連性を判定するにはグラフ構造が疎のため精度が期待できない。

図３は、ドメインノード方式により生成されるグラフの一例を示す図である。この例では、ＵＲＬノード方式（図２）と同じドメイン（ｈｔｔｐ：／ｗｗｗ．ｍｏｆａ．ｇｏ．ｊｐ）と、このドメイン配下のいずれかのＵＲＬに辿り着いたクエリとがエッジで結ばれている。このグラフでは、「イギリス」、「ウクライナ」、「アメリカ」の間にリンクを作ることができたが、「ビザ」、「パスポート」、「外務省」等、意味の遠いクエリも同じ強さの関連性になってしまう。

図４は、本実施形態に係る階層ノード方式により生成されるグラフの一例を示す図である。この例では、クリックされたＵＲＬ（例えば、「ｈｔｔｐ：／ｗｗｗ．ｍｏｆａ．ｇｏ．ｊｐ／ｍｏｆａｊ／ｔｏｋｏ／ｐａｓｓｐｏｒｔ／」）の各ディレクトリ階層（例えば、「ｈｔｔｐ：／ｗｗｗ．ｍｏｆａ．ｇｏ．ｊｐ」、「ｈｔｔｐ：／ｗｗｗ．ｍｏｆａ．ｇｏ．ｊｐ／ｍｏｆａｊ／」、「ｈｔｔｐ：／ｗｗｗ．ｍｏｆａ．ｇｏ．ｊｐ／ｍｏｆａｊ／ｔｏｋｏ／」）に一様に関連しているとみなし、各ディレクトリ階層それぞれとクエリとをエッジで結ぶ。

このように、階層ノード方式により生成されたグラフは、エッジを密にできるため、クエリ間の関連が強いものと弱いもので伝播するスコアに差が生じ、共通するＵＲＬのディレクトリ階層の深さを関連度に反映させることができる。これにより、例えば、「イギリス」と「ウクライナ」間は、「イギリス」と「ビザ」間より高い関連度を持つ。

なお、本実施形態では、クエリがＵＲＬの各ディレクトリ階層に一様の重みで関連しているとしてエッジを設けたが、これには限られず、回想の深さに応じて重み付けを行ってもよい。

シード集合取得部１４は、同一の属性（例えば、ファセット語）を持つクエリまたはＵＲＬ、あるいは双方を含んだシード集合を受け付ける。シード集合取得部１４は、管理サーバ１０の管理者等からシード集合を受け付けてもよいが、これには限られない。例えば、所定のカテゴリが予め設けられている場合には、このカテゴリに含まれているＵＲＬを取得してシードＵＲＬとしてもよい。また、あるファセット（例えば、「画像」）に関することなら、「ＸＸＸ 画像」のようなクエリをログ蓄積部１７のクリック・スルーデータから取得してシードクエリとしてもよい。

本実施形態では、まず、クエリの集合（シードクエリ）を受け付ける場合について以下で説明する。

関連性スコア算出部１５は、グラフ生成部１３により生成されたグラフにおいて、クエリ集合により示された属性に関するスコアが各エッジによりノード間で伝播することに基づいて、シード集合取得部１４により受け付けたシード集合と各ノードとの関連度を示す関連性スコアを、各ノードについて算出する。

具体的には、関連性スコア算出部１５は、図４に示すように、シードクエリとして取得した特定の意味のクエリの集合と、他のクエリまたはＵＲＬとの関連性スコアを算出する。これにより、制御部１００は、例えば同一のファセットを持つクエリ等、ある属性に関して関連性の高いクエリやＵＲＬを抽出することができる。

なお、スコアの伝播とは、あるノードが持っているスコア（変数値）を隣り合っているノードのスコアへ足し合わせることをいう。例えば、ある属性のスコアが「１．０」のノードが他の２つのノードと隣り合っている場合に、これら２つのノードのスコアに「０．５」ずつ加算する。この伝播が繰り返されて、スコアがノード毎の値に収束すると、各ノードがスコアによりランク付けされる。

ここで、関連性スコア算出部１５による関連性スコアの算出方法について説明する。本実施形態では、２部グラフにおけるｂｉａｓｅｄ−ＰａｇｅＲａｎｋ（登録商標）の手法を用いる。

ＵＲＬの集合をＵ、クエリの集合をＱとし、これらの和集合Ｖ＝（Ｕ∪Ｑ）をノードとする。クエリに対してユーザがクリックしたＵＲＬの記録から得られるクエリとＵＲＬの関係Ｅをエッジとする。このノードとエッジを用い、クリックグラフをグラフ（Ｖ，Ｅ）で表す。このグラフは成分Ａ_ｉ，ｊをクリック頻度とする隣接行列Ａ∈Ｎ^{｜Ｖ｜×｜Ｖ｜}で表すことができる。クエリに対してクリックされたＵＲＬはクエリと相互にエッジを持っていることとする。この隣接行列をそれぞれのノードに対して出次数で重みを正規化し、遷移行列Ｂを得た。

なお、ノード間で相互にエッジを持っていることとしたのでＡは対称行列だが、ノードごとに出次数が異なるためＢは対称行列ではない。また、ページ間のハイパーリンク構造をモデル化したＰａｇｅＲａｎｋ（登録商標）とは異なり、遷移先がなく除数が０になる場合はないので、これを考慮する必要はない。

このようなグラフに対して、特定の意味を持つクエリの集合として、シードクエリＳを想定し、これに対応するベクトルｓを作る。ｓは、

を要素とする長さ｜Ｖ｜のベクトルである。ただしＶ_ｉは行に対応するクエリまたはＵＲＬとする。

このシードクエリのベクトルｓに対し、各々のクエリの関連度を求めるため、

によるｍ^（ｋ）の収束値ｍ^＊を求めた。これは確率（１−α）で出エッジのいずれかをクリック頻度の比に応じてランダムに移動し、確率αでシードとして与えたクエリ集合のいずれかにテレポートするランダムウォークを表すｂｉａｓｅｄ−ＰａｇｅＲａｎｋ（登録商標）とほぼ等価である。

ここで、通常のＰａｇｅＲａｎｋ（登録商標）は、確率αで全くランダムにテレポートするランダムウォークを表しており、特定の意味付けを持たない重要度を表す。一方、ｂｉａｓｅｄ−ＰａｇｅＲａｎｋ（登録商標）は確率αで特定のノード集合のうち１つにランダムにテレポートするランダムウォークを表しているため、そのノード集合との関連度が考慮される。また、リンクを多く集めているノードがそうでないノードに比べ高いスコアを持つので、重要度も反映している。

関連性スコア算出部１５では、ｍ^＊をＳに対する関連性スコアとして、スコアの降順でクエリを列挙し、シードクエリを除外したものを処理結果とする。関連性スコア算出部１５は、処理結果として、算出した関連性スコアを、スコア記憶部１９に記憶する。

結果出力部１６は、スコア記憶部１９に記憶された関連性スコアを、要求に応じて読み出し、表示装置等を介して出力する。

また、結果出力部１６は、Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、このクエリに関してスコア記憶部１９に記憶されている属性または関連性スコアに基づいて、新たなクエリを推薦することもできる。

このことにより、管理サーバ１０は、ユーザからＷｅｂ検索におけるクエリの入力を受け付けた場合に、このクエリと同じ属性を持つ新たなクエリをユーザに推薦し、検索を行うユーザの利便性を向上することができる。特に、関連性スコアが高く有用なクエリを推薦することによって、ユーザの所望する検索結果に辿り着く可能性が高まる。

さらに、結果出力部１６は、Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、このクエリまたはクエリに基づく検索結果のＵＲＬに関してスコア記憶部１９に記憶されている関連性スコアに基づいて、新たな検索結果としてのＵＲＬを出力することもできる。

このことにより、管理サーバ１０は、ユーザからＷｅｂ検索におけるクエリの入力を受け付けた場合に、このクエリが持つ属性について関連性が高いＵＲＬを検索結果として出力することができる。したがって、当該関連性判定装置は、検索を行うユーザに対して、関連性スコアが高く有用なＵＲＬを提示するので、ユーザが効率的に所望の検索結果に辿り着く可能性が高まる。

本実施形態は、コンピュータおよびその周辺装置に適用される。本実施形態における各部は、コンピュータおよびその周辺装置が備えるハードウェア並びに該ハードウェアを制御するソフトウェアによって構成される。

上記ハードウェアには、制御部１００としてのＣＰＵの他、記憶部２００、通信部、表示部および入力部が含まれる。記憶部２００としては、例えば、メモリ（ＲＡＭ、ＲＯＭ等）、ハードディスクドライブ(ＨＤＤ)、および光ディスク（ＣＤ、ＤＶＤ等）ドライブが挙げられる。通信部としては、例えば、各種有線および無線インターフェース装置が挙げられる。表示部としては、例えば、液晶ディスプレイ、プラズマディスプレイ等の各種ディスプレイが挙げられる。入力部としては、例えば、キーボードおよびポインティング・デバイス（マウス、トラッキングボール等）が挙げられる。

上記ソフトウェアには、上記ハードウェアを制御するコンピュータ・プログラムやデータが含まれる。コンピュータ・プログラムやデータは、記憶部２００により記憶され、制御部１００により適宜実行、参照される。また、コンピュータ・プログラムやデータは、通信回線を介して配布することも可能であり、ＣＤ−ＲＯＭ等のコンピュータ可読媒体に記録して配布することも可能である。

［処理フロー］
図５は、本実施形態に係る管理サーバ１０の制御部１００が実行する関連性判定方法の処理手順を示すフローチャートである。

ステップＳ１では、制御部１００（クリック・スルーデータ取得部１１）は、記憶部２００（ログ蓄積部１７）から、クリック・スルーデータを取得する。

ステップＳ２では、制御部１００（ノード分解部１２）は、ステップＳ１で取得したクリック・スルーデータのうち、ＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解してノードを生成する。

ステップＳ３では、制御部１００（グラフ生成部１３）は、ステップＳ２で分解されたＵＲＬと、クエリとを互いにエッジで結んだ２部グラフを生成する。

ステップＳ４では、制御部１００（シード集合取得部１４）は、関連性を判定するための属性として、特定の意味のクエリの集合であるシードクエリを取得する。

ステップＳ５では、制御部１００（関連性スコア算出部１５）は、前述のｂｉａｓｅｄ−ＰａｇｅＲａｎｋ（登録商標）の手法を用いて、ステップＳ４で取得したシードクエリとの関連度を示す関連性スコアを、各ノードに対して算出する。

［実験例］
以下、図６〜図１１において、本実施形態により関連性スコアを算出した実験例を、他の手法と比較して説明する。

図６は、実験例に用いたクリック・スルーデータの概要を示す図である。検索サービスにおける１日分のログから、クリック頻度の高いクエリとＵＲＬの組合せ１００万件（１Ｍ．ｓｅｔ）、および１０万件（１００Ｋ．ｓｅｔ）を抽出した。

図６中の「シード・評価データ」は、１Ｍ．ｓｅｔでは、「中古」、「株式」、「予約」、「レシピ」、「画像」、「ファッション」、「ダウンロード」の７種類のファセット語に対して、これらの語を空白で分割された最後の要素に持つクエリ（例えば、「野菜嫌い レシピ」等）の数である。１００Ｋ．ｓｅｔでは同様に、「レシピ」、「画像」について収集したクエリの数である。

図７は、関連性スコアを算出するために入力したシードクエリの例を示す図である。図７では、「レシピ」、「ファッション」に関するシードクエリを例示している。本実験では、シードクエリとして、ファセット語が付いているものと、ファセット語を削除したものの両方を用いた。例えば、「野菜嫌い」であれば、「野菜嫌い レシピ」と「野菜嫌い」の両方のクエリに対してシードとしての値を付与する。このようにしたとき、片方のみを用いるより良い結果が得られた。

なお、本実験では、擬似的な正解としての評価データに対しては、ファセット語を除いたもののみを用い、ファセット語が付属した語は無視した。
また、前述（式３）のパラメータαは、「０．２５」に設定した。

図８は、「レシピ」に関するシードクエリを与えたとき、関連性スコアが上位となったクエリを示す図である。このように、属性「レシピ」に対して「ビシソワーズ」や「梅ジュース」等、関連のあるクエリが取得できた。

次に、本実施形態による関連性の判定精度を、他の手法と比較する。
比較対象として、前述の非特許文献１の方法（比較手法）を説明する。この方法は、本実施形態と同様にグラフによるスコアの伝播を行っているが、クエリからＵＲＬを経由し、再びクエリに至るまでのステップに対し、正規化を行っている点が大きく異なる。

ここで、Ａは、前述の隣接行列であり、Ｄは正規化の行列、Ｂ´Ｂ´^Ｔはクエリ間の遷移行列である。

図９は、比較手法と本実施形態（提案手法）とによる実験結果を比較した図である。比較手法は処理時間が長いため、図６の１００Ｋ．ｓｅｔを用いて比較実験を行った。条件を揃えるため、各手法で関連性スコアが高いものから８００件を出力結果とし、正解データ（評価用データ）のうち各手法による出力結果に含まれる割合（カバー率）にて比較した。

この結果、２つのファセット語に対するカバー率のマクロ平均は、図９のように提案手法（６１．８５％）が比較手法（５４．０６％）に対して１４．４％改善した。

図１０は、前述のＵＲＬノード方式（図２）、ドメインノード方式（図３）、および本実施形態の階層ノード方式による実験結果を比較した図である。各方式において、関連性スコアが高いものから８００件を出力結果とし、図９と同様にカバー率にて比較した。

この結果、７つのファセット語に対するカバー率のマクロ平均は、本実施形態の階層ノード方式が最も高く（４２．２７％）、ＵＲＬノード方式（３５．６３％）およびドメインノード方式（３８．８４％）との差は統計的に有意であった。

また、図１１は、図１０の各方式において、出力件数を変化させた場合のカバー率の変化を示した図である。このように、１００件、２００件、４００件、８００件、１６００件のいずれの場合でも、本実施形態の階層ノード方式が最も高いカバー率となった。

以上のように、本実施形態によれば、管理サーバ１０は、クリック・スルーデータにおけるクエリとＵＲＬとを結んで生成した２部グラフを用いて、与えられたシードクエリと各ノード（クエリまたはＵＲＬ）との関連度を示す関連性スコアを算出することができる。さらに、管理サーバ１０は、ＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解した上でグラフを生成するので、元のクエリおよびＵＲＬを結んだグラフに比べてグラフを密にすることができる。その結果、ノード間の関連性の強弱に応じて伝播するスコアに差が出るようにできるため、関連性の算出精度を向上させることができる。

［変形例］
以上、本発明の実施形態の一例を説明したが、ノード分解部１２またはシード集合取得部１４は次のように変形することができる。

ノード分解部１２において、ＵＲＬを分解すると共に、またはＵＲＬを分解する代わりに、クエリを分解してもよい（図１２参照）。例えば、ノード分解部１２は、「富士山 画像」というクエリに対して、このクエリを分解した「富士山」および「画像」というノードを生成する。このことにより、グラフにおけるエッジを密にする効果があり、関連性スコアの算出精度を向上させることができる。

また、シード集合取得部１４は、シードクエリと共に、またはシードクエリの変わりに、特定のトピックに関連したＵＲＬの集合であるシードＵＲＬを所得することとしてもよい（図１２参照）。

ここで、シードクエリを与えた場合は、関連性スコア算出部１５により、シードクエリと各ノード（クエリまたはＵＲＬ）との関連性スコアが算出される。一方、シードＵＲＬを与えた場合は、関連性スコア算出部１５により、シードＵＲＬと各ノード（クエリまたはＵＲＬ）との関連性スコアが算出される。さらに、シードクエリおよびシードＵＲＬを与えた場合は、シード集合（シードクエリとシードＵＲＬの和集合）と各ノード（クエリまたはＵＲＬ）との関連性スコアが算出される。

以上、本発明の実施形態について説明したが、本発明は前述した実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。

１０ 管理サーバ
１１ クリック・スルーデータ取得部
１２ ノード分解部
１３ グラフ生成部
１４ シード集合取得部
１５ 関連性スコア算出部
１６ 結果出力部
１７ ログ蓄積部
１８ グラフ記憶部
１９ スコア記憶部
１００ 制御部
２００ 記憶部

Claims (4)

1. Ｗｅｂ検索におけるクエリと、当該クエリに基づく検索結果の中から選択されたＵＲＬと、を互いに対応付けて取得する取得手段と、
   前記取得手段により取得されたＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解、および／または前記取得手段により取得されたクエリを当該クエリに含まれるキーワードに分解する分解手段と、
   前記取得手段により互いに対応付けて取得されたＵＲＬおよびクエリについて、当該ＵＲＬまたは当該ＵＲＬが前記分解手段により分解された各ディレクトリ階層と、当該クエリまたは当該クエリが前記分解手段により分解された各キーワードと、をそれぞれノードとして互いをエッジで結んだ２部グラフを生成する生成手段と、
   同一の属性を持つクエリおよび／またはＵＲＬを含んだシード集合を受け付ける受付手段と、
   前記生成手段により生成された２部グラフにおいて、各エッジによるノード間の前記属性に関するスコアの伝播に基づいて、前記受付手段により受け付けたシード集合と各ノードとの関連度を示す関連性スコアを、各ノードについて算出する算出手段と、
   Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、当該クエリと同じ属性を持つ新たなクエリであり、更に関連性スコアが高いクエリをユーザに推薦する推薦手段
   を備える関連性判定装置。
2. Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、当該クエリまたは当該クエリに基づく検索結果のＵＲＬに関する前記関連性スコアに基づいて、新たな検索結果としてのＵＲＬを出力する検索手段をさらに備える請求項１に記載の関連性判定装置。
3. Ｗｅｂ検索におけるクエリと、当該クエリに基づく検索結果の中から選択されたＵＲＬと、を互いに対応付けて取得する取得ステップと、
   前記取得ステップにより取得されたＵＲＬの記載に含まれるディレクトリ構成を各ディレクトリ階層に分解、および／または前記取得ステップにより取得されたクエリを当該クエリに含まれるキーワードに分解する分解ステップと、
   前記取得ステップにより互いに対応付けて取得されたＵＲＬおよびクエリについて、当該ＵＲＬまたは当該ＵＲＬが前記分解ステップにより分解された各ディレクトリ階層と、当該クエリまたは当該クエリが前記分解ステップにより分解された各キーワードと、をそれぞれノードとして互いをエッジで結んだ２部グラフを生成する生成ステップと、
   同一の属性を持つクエリおよび／またはＵＲＬを含んだシード集合を受け付ける受付ステップと、
   前記生成ステップにより生成された２部グラフにおいて、各エッジによるノード間の前記属性に関するスコアの伝播に基づいて、前記受付ステップにより受け付けたシード集合と各ノードとの関連度を示す関連性スコアを、各ノードについて算出する算出ステップと、
   Ｗｅｂ検索におけるクエリの入力を受け付けた場合に、当該クエリと同じ属性を持つ新たなクエリであり、更に関連性スコアが高いクエリをユーザに推薦する推薦ステップ
   をコンピュータが実行する関連性判定方法。
4. 請求項３に記載の関連性判定方法をコンピュータに実行させるプログラム。

Images