JP5193669B2 - Search system - Google Patents

Search system Download PDF

Info

Publication number
JP5193669B2
JP5193669B2 JP2008122779A JP2008122779A JP5193669B2 JP 5193669 B2 JP5193669 B2 JP 5193669B2 JP 2008122779 A JP2008122779 A JP 2008122779A JP 2008122779 A JP2008122779 A JP 2008122779A JP 5193669 B2 JP5193669 B2 JP 5193669B2
Authority
JP
Japan
Prior art keywords
keyword
document
relevance
data
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2008122779A
Other languages
Japanese (ja)
Other versions
JP2009271794A (en
Inventor
智靖 岡田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nomura Research Institute Ltd
Original Assignee
Nomura Research Institute Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nomura Research Institute Ltd filed Critical Nomura Research Institute Ltd
Priority to JP2008122779A priority Critical patent/JP5193669B2/en
Publication of JP2009271794A publication Critical patent/JP2009271794A/en
Application granted granted Critical
Publication of JP5193669B2 publication Critical patent/JP5193669B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

この発明は検索システムに係り、特に、入力された検索語と関連の深い用語を抽出すると共に、その抽出結果を視覚的に表示する検索システムに関する。   The present invention relates to a search system, and more particularly to a search system that extracts terms closely related to an input search term and visually displays the extraction result.

膨大な情報の中から必要とする情報を抽出するために検索システムが用いられるが、一般的な検索システムの場合、入力された検索語と同一または類似の概念を含む情報を抽出する仕組みを備えている。例えば、多数の企業の情報を格納したデータベースに対して「富士」という検索語を与えると、検索システムは「富士」という文字列を名称中に含む企業のリストを正確に出力することができる。また、インターネットの検索サイトにおいて「環境問題」と入力すれば、「環境問題」という文字列を含んだWebページのリストがディスプレイに表示される。
この結果ユーザは、目的の情報に辿り着くことが可能となるのであるが、そこでの検索結果はあくまでも予想の範囲のものであり、検索結果リストを眺めても意外な発見を期待することはできなかった。もちろん、検索結果リスト中の個々のデータの詳細を検討する過程で新しい知見を得ることはできるが、検索語と関連の深い他の用語を含む情報を直接的に抽出することはできなかった。
A search system is used to extract necessary information from a vast amount of information. In the case of a general search system, there is a mechanism for extracting information that contains the same or similar concept as the input search term. ing. For example, if a search term “Fuji” is given to a database that stores information on a large number of companies, the search system can accurately output a list of companies that include the character string “Fuji” in the name. If you enter "environmental problem" at a search site on the Internet, a list of Web pages that contain the text "environmental problem" is displayed on the display.
As a result, the user can reach the target information, but the search results there are only in the expected range, and even if you look at the search result list, you can expect unexpected discoveries. There wasn't. Of course, new knowledge can be obtained in the process of examining details of individual data in the search result list, but information including other terms closely related to the search term cannot be extracted directly.

この点に関し、特許文献1で開示された「連想検索システム」の場合には、各用語の関連用語を記憶した関連用語記憶手段と、各用語と共起性の高い(同一文書中に登場する確率が高い)企業名を記憶した共起企業名記憶手段を備えており、検索語が入力された場合にはこれと関連する用語を抽出し、各用語に対する共起性の高い企業名を抽出する仕組みを備えている。
特開2004−110386号
In this regard, in the case of the “associative search system” disclosed in Patent Document 1, the related term storage means that stores the related terms of each term and the co-occurrence with each term (appear in the same document) It has a co-occurrence company name storage means that stores company names (high probability). When a search term is entered, it extracts terms related to it and extracts company names with high co-occurrence for each term. It has a mechanism to do.
JP 2004-110386 A

この結果ユーザは、検索語として「環境問題」を入力すると、環境問題に係る文書中に登場することの多い企業名をダイレクトにリストアップすることが可能となり、環境問題に積極的に取り組む企業を認識し、投資行動につなげることができるようになる。
しかしながら、特許文献1も含めた従来の検索システムでは、検索結果を所定の順序(例えば新着順)で整列したリスト形式で表示するのが一般的であり、検索結果であるデータ間の関係性を視覚的に表現することはできなかった。
このため、ユーザ側で検索結果を分類したり解析する必要があり、検索語を含めた関連語間の全体概念を簡易かつ直感的に把握する用途には使えなかった。
As a result, when users enter "environmental problems" as a search term, it becomes possible to directly list the names of companies that often appear in documents related to environmental problems. Recognize and connect with investment behavior.
However, in the conventional search system including Patent Document 1, the search results are generally displayed in a list format arranged in a predetermined order (for example, new arrival order), and the relationship between the data as the search results is displayed. It could not be expressed visually.
For this reason, it is necessary to classify and analyze the search result on the user side, and it cannot be used for the purpose of easily and intuitively grasping the overall concept between related terms including the search term.

この発明は上記の問題を解決するために案出されたものであり、キーワード間の共起性に基づいて検索語と関連の深い情報を抽出可能であり、かつ検索語と抽出結果である関連語との関係性を視覚的に表現可能な検索システムを提供することを目的としている。   The present invention has been devised to solve the above problem, and it is possible to extract information closely related to a search word based on the co-occurrence between keywords, and the relationship that is a search word and an extraction result. The purpose is to provide a search system that can visually express the relationship between words.

上記の目的を達成するため、請求項1に記載した検索システムは、複数のキーワードの出現頻度を文書データ毎に集計した結果を格納しておくキーワード共起頻度記憶手段と、各キーワードの各文書データ中における出現頻度データを用いて算出された、キーワード間の共起性に基づく関連度を格納しておくキーワード関連度記憶手段と、上記キーワード関連度記憶手段を参照し、特定キーワードに対する関連度の高い順に所定数の他のキーワードを関連語として抽出する手段と、上記キーワード共起頻度記憶手段を参照し、特定キーワード及びその関連語が出現する文書データのID、及び各文書データ中における特定キーワード及び関連語の出現頻度を取得し、それぞれの文書データ毎の出現頻度を充填したクロス集計表を生成する手段と、このクロス集計表を圧縮し、上記特定キーワードに関連付けて集計データ記憶手段に格納するデータ圧縮手段と、検索語が入力された場合に、上記集計データ記憶手段から検索語に対応する特定キーワードの集計データを抽出する手段と、この集計データに基づいてクロス集計表を復元する手段と、このクロス集計表を参照し、文書データ毎の特定キーワード及び関連語の出現頻度を変量とする多変量データに対して主成分分析を施し、それぞれの第1主成分値及び第2主成分値を算出する手段と、この第1主成分値及び第2主成分値に基づいて、所定平面上における特定キーワード及び関連語の座標値を算出する手段と、特定キーワード及び関連語を表記したタグを、それぞれの座標値に基づいて上記平面上に配置させた関連度マップを生成する手段と、この関連度マップを出力する手段とを備えた検索システムであって、上記データ圧縮手段が、以下の変換ルールに従って特定キーワードに係るクロス集計表を1行形式の集計データに圧縮することを特徴としている。
(1)特定キーワード及びその関連語を順番に整列させ、各キーワード間に所定の区切り文字を配置させる。
(2)各文書における各キーワードの出現頻度を表す数値を、上記キーワードの順番を表す数字と関連付けて記述する。
(3)同一文書における各キーワードの出現頻度を表す数値が複数ある場合は、相互間に所定の区切り文字を配置させる。
(4)出現頻度が0の場合には、(2)の記述を省略する。
(5)文書の変わり目には、所定の区切り文字を配置させる。
In order to achieve the above object, the search system according to claim 1 includes a keyword co-occurrence frequency storage means for storing a result of totaling the appearance frequencies of a plurality of keywords for each document data, and each document for each keyword. A keyword relevance storage unit that stores a relevance level based on co-occurrence between keywords, calculated using appearance frequency data in the data, and a relevance level for a specific keyword with reference to the keyword relevance storage unit Means for extracting a predetermined number of other keywords as related words in descending order, and the keyword co-occurrence frequency storage means, the ID of the document data in which the specific keyword and the related word appear, and the specification in each document data Means for acquiring the frequency of appearance of keywords and related words, and generating a cross tabulation table filled with the frequency of appearance for each document data; A data compression unit that compresses the cross tabulation table and stores it in the total data storage unit in association with the specific keyword, and, when a search word is input, the specific keyword corresponding to the search word is totaled from the total data storage unit A means for extracting data, a means for restoring a cross tabulation table based on this tabulation data, and a multivariate data with reference to this cross tabulation table and the occurrence frequency of specific keywords and related words for each document data as variables. Means for performing principal component analysis on each of them, calculating respective first principal component values and second principal component values, and based on the first principal component values and second principal component values, a specific keyword on a predetermined plane, A means for calculating the coordinate value of the related word and a relevance map in which a tag representing the specific keyword and the related word is arranged on the plane based on the respective coordinate values are generated. And a means for outputting the relevance map , wherein the data compression means compresses the cross tabulation table relating to the specific keyword into one-line tabulation data according to the following conversion rule: It is characterized by doing.
(1) A specific keyword and its related words are arranged in order, and a predetermined delimiter is placed between each keyword.
(2) Describe the numerical value representing the appearance frequency of each keyword in each document in association with the number representing the order of the keywords.
(3) When there are a plurality of numerical values representing the appearance frequency of each keyword in the same document, a predetermined delimiter is placed between them.
(4) When the appearance frequency is 0, the description in (2) is omitted.
(5) A predetermined delimiter is placed at the turn of the document.

請求項1に記載した検索システムにあっては、検索語に対して関連度の高いキーワードを関連語として抽出し、検索語及び各関連語の文書データ毎の共起頻度に対して主成分分析を施し、その結果導かれた第1主成分値及び第2主成分値に基づいて所定平面上における各キーワードの座標を算出し、それぞれの座標にキーワードを表記したタグを配置することによって関連度マップを生成する仕組みを備えている。
したがって、上記関連度マップ上における各タグの配置には、キーワード相互間の関連性が反映されており、このためユーザはタグ間の位置関係や集積度によって、関連語間の類似性や検索語との関連性を視覚的に認識することが可能となる。
しかも、各キーワード毎のクロス集計表が、冗長性を排除した1行形式の集計データに変換されるため、極めて効率的にクロス集計表をシステム内に格納しておくことが可能となる。
In the search system according to claim 1, a keyword having a high degree of relevance with respect to the search word is extracted as a related word, and a principal component analysis is performed on the co-occurrence frequency of the search word and each related word for each document data. And calculating the coordinates of each keyword on a predetermined plane based on the first principal component value and the second principal component value derived as a result, and placing a tag indicating the keyword at each coordinate It has a mechanism to generate a map.
Therefore, the relationship between the keywords is reflected in the arrangement of each tag on the relevance map, and therefore the user can determine the similarity between the related words and the search word according to the positional relationship and accumulation degree between the tags. Can be visually recognized.
In addition, since the cross tabulation table for each keyword is converted into one-line tabulation data excluding redundancy, the cross tabulation table can be stored in the system very efficiently.

図1は、この発明に係る第1の検索システム10の機能構成を示すブロック図であり、文書DB12と、キーワード抽出部14と、キーワードDB16と、関連度算出部18と、キーワード共起頻度表20と、キーワード組合せ頻度総和表22と、キーワード頻度総和表24と、キーワード関連度表26と、マップ生成部28とを備えている。
このシステム10にはWebサーバ32が接続されており、このWebサーバ32はインターネットやイントラネット等のネットワーク34を介して複数のクライアント36と接続されている。
FIG. 1 is a block diagram showing a functional configuration of the first search system 10 according to the present invention. A document DB 12, a keyword extraction unit 14, a keyword DB 16, a relevance calculation unit 18, a keyword co-occurrence frequency table. 20, a keyword combination frequency total table 22, a keyword frequency total table 24, a keyword relevance table 26, and a map generation unit 28.
A web server 32 is connected to the system 10, and the web server 32 is connected to a plurality of clients 36 via a network 34 such as the Internet or an intranet.

上記のキーワード抽出部14、関連度算出部18及びマップ生成部28は、サーバコンピュータのCPUが、OS及び専用のアプリケーションプログラムに従い、必要な処理を実行することによって実現される。   The keyword extraction unit 14, the relevance calculation unit 18, and the map generation unit 28 are realized by the CPU of the server computer executing necessary processes according to the OS and a dedicated application program.

上記の文書DB12、キーワードDB16、キーワード共起頻度表20、キーワード組合せ頻度総和表22、キーワード頻度総和表24、及びキーワード関連度表26は、同サーバコンピュータのハードディスクに格納されている。
文書DB12には、新聞記事や学術雑誌、論文等の文書データ(テキストデータ)が予め多数蓄積されている。また、各文書データには、メタデータの一つとして、作成日時や公開日時、データ蓄積日時等の時間情報が関連付けられている。
The document DB 12, the keyword DB 16, the keyword co-occurrence frequency table 20, the keyword combination frequency sum table 22, the keyword frequency sum table 24, and the keyword association degree table 26 are stored in the hard disk of the server computer.
The document DB 12 stores a large number of document data (text data) such as newspaper articles, academic journals, and papers in advance. Each document data is associated with time information such as creation date / time, release date / time, and data storage date / time as one of metadata.

上記のキーワード抽出部14は、図2に示すように、係り受け表現抽出フィルタ14a、区切り文字抽出フィルタ14b、文字列頻度統計フィルタ14c、TermExtractフィルタ14d、キーワード認定フィルタ14eを備えている。   As shown in FIG. 2, the keyword extraction unit 14 includes a dependency expression extraction filter 14a, a delimiter extraction filter 14b, a character string frequency statistical filter 14c, a TermExtract filter 14d, and a keyword recognition filter 14e.

つぎに、図3のフローチャートに従い、キーワード抽出部14によるキーワード抽出工程について説明する。
まずキーワード抽出部14は、文書DB12内に蓄積された各文書データに係り受け表現抽出フィルタ14aを適用し、各文書データから所定の係り受け表現を備えた文字列を抽出する(S10)。
すなわち、係り受け表現抽出フィルタ14aには、「○○メーカー」、「○○が主力」、「○○を生産」という係り受け表現パターンが予め多数用意されており、キーワード抽出部14は、これに当てはまる表現パターンを検出した後、「○○」に相当する文字列をキーワード候補として抽出する。
Next, the keyword extraction process by the keyword extraction unit 14 will be described with reference to the flowchart of FIG.
First, the keyword extraction unit 14 applies a dependency expression extraction filter 14a to each document data stored in the document DB 12, and extracts a character string having a predetermined dependency expression from each document data (S10).
That is, the dependency expression extraction filter 14a has a large number of dependency expression patterns “XX manufacturer”, “XX is the main force”, and “XX is produced” in advance. After the expression pattern that applies to is detected, a character string corresponding to “XX” is extracted as a keyword candidate.

つぎにキーワード抽出部14は、各文書データに区切り文字抽出フィルタ14bを適用し、「○○」、"○○"、(○○)、[○○]、,○○,のように、カンマや括弧、スペース、タブ等の区切り文字で囲まれた○○の部分をキーワード候補として抽出する(S12)。   Next, the keyword extraction unit 14 applies a delimiter extraction filter 14b to each document data, and commas such as “XX”, “XX”, (XX), [XX], XX, etc. The part of XX surrounded by delimiters such as parentheses, spaces, tabs, etc. is extracted as a keyword candidate (S12).

つぎにキーワード抽出部14は、各文書データに文字列頻度統計フィルタ14cを適用し、各文書データに含まれる各文字列が他の文書も含めて何回登場するのかを集計し、一定範囲の出現頻度を備えた文字列をキーワード候補として抽出する(S14)。
まず文字列頻度統計フィルタ14cは、図4に示すように、文書中の名詞(ここでは「DVD」)に注目し、このDVDという注目語が文書DB12内に蓄積された各文書データ中に出現する数を集計する。つぎに、文字列頻度統計フィルタ14cは、この注目語の前後の形態素に範囲を拡張し、それぞれの全文書中に登場する頻度を集計し、出現頻度が一定以下(例えば20以下)となった時点で文字範囲拡張を停止する。
Next, the keyword extraction unit 14 applies a character string frequency statistical filter 14c to each document data, and counts how many times each character string included in each document data appears, including other documents. A character string having an appearance frequency is extracted as a keyword candidate (S14).
First, as shown in FIG. 4, the character string frequency statistical filter 14c pays attention to a noun (here, “DVD”) in the document, and the attention word “DVD” appears in each document data stored in the document DB 12. Add up the number you want. Next, the character string frequency statistical filter 14c expands the range to the morpheme before and after this attention word, and totals the frequency that appears in all the documents, and the appearance frequency becomes less than a certain value (for example, 20 or less). Stop character range expansion at this point.

例えば、DVDの一つ前の形態素を含む「したDVD」の出現頻度は「2」と低いため、これ以上前の形態素に範囲が拡張されることはない。これに対し、DVDの一つ後の形態素を含む「DVDレコーダー」の出現頻度は「862」と多いため、その一つ後の形態素を含む「DVDレコーダーでは」の出現頻度を集計する。そして、この出現頻度は「5」と低いため、これ以降の形態素に範囲を拡張することが停止される。   For example, since the appearance frequency of “done DVD” including the previous morpheme of the DVD is as low as “2”, the range is not expanded to the previous morpheme. On the other hand, since the appearance frequency of “DVD recorder” including the next morpheme of DVD is as many as “862”, the appearance frequencies of “DVD recorder” including the next morpheme are tabulated. Since the appearance frequency is as low as “5”, the expansion of the range to subsequent morphemes is stopped.

上記の「形態素」とは、意味を有する最小の言語単位を指す。例えば、「私の名前は鈴木です」を形態素に分解すると、「私(代名詞)」「の(助詞)」「名前(一般名詞)」「は(係助詞)」「鈴木(固有名詞)」「です(助動詞)」となる。   The above “morpheme” refers to the smallest linguistic unit having meaning. For example, when “my name is Suzuki” is broken down into morphemes, “I (pronoun)” “no (particle)” “name (general noun)” “ha (counselor)” “Suzuki (proprietary noun)” “ Is (auxiliary verb) ".

つぎに文字列頻度統計フィルタ14cは、「DVD」及び「DVDレコーダー」が所定範囲(例えば20〜5,000)内の出現頻度を備えていることを理由にキーワード候補として抽出する。これに対し、「したDVD」及び「DVDレコーダーでは」は上記の範囲外であるため、キーワード候補から除外される。
全文書中における出現頻度が20未満のものはそもそも重要語とはいえず、また5,000を越えるものは逆に特徴のない汎用語あるいは一般語と考えられるからであるが、この範囲設定は文書データの分量や検索システムの使用目的に応じて適宜調整される。
Next, the character string frequency statistical filter 14c extracts “DVD” and “DVD recorder” as keyword candidates because they have an appearance frequency within a predetermined range (for example, 20 to 5,000). On the other hand, “done DVD” and “in the DVD recorder” are out of the above range, and are excluded from keyword candidates.
This is because, if the frequency of occurrence is less than 20 in all documents, it is not an important word in the first place, and if it exceeds 5,000, it is considered a general word or general word with no features. The amount is adjusted as appropriate according to the amount of use and the purpose of use of the search system.

ところで、文書DB12内に蓄積された多量の文書データに含まれる各文字列に関して、それぞれの出現頻度を集計するには膨大な時間を要するため、図5に示すように、文書DB12内には予め全文書データに登場する各形態素が、個々の文書データ中に存在しているか否かを一覧表にまとめたインデックス(所謂転置インデックス)が生成されている。このため、キーワード抽出部14はこのインデックスを参照することにより、比較的短時間でその出現頻度を取得することが可能となる。   By the way, since it takes an enormous amount of time to count the appearance frequency of each character string included in a large amount of document data stored in the document DB 12, as shown in FIG. An index (so-called transposed index) is generated that lists whether or not each morpheme appearing in all document data is present in each document data. Therefore, the keyword extracting unit 14 can acquire the appearance frequency in a relatively short time by referring to the index.

つぎにキーワード抽出部14は、文書DB12内に蓄積された文書データにTermExtractフィルタ14dを適用し、各文書データから所定以上のスコアを備えた文字列をキーワード候補として抽出する(S16)。
このTermExtractフィルタ14dは、専門分野のコーパス(主として研究目的で収集され、電子化された自然言語の文章からなる巨大なテキストデータ)から専門用語を自動抽出するために案出された文字列抽出アルゴリズムであり、文書データ中から単名詞及び複合名詞を候補語として抽出し、各候補語の出現頻度と連接頻度に基づいてそれぞれの重要度を算出する機能を備えている。このTermExtractフィルタ14d自体は公知技術であるため、これ以上の説明は省略する。
Next, the keyword extraction unit 14 applies the TermExtract filter 14d to the document data stored in the document DB 12, and extracts a character string having a score equal to or higher than a predetermined value from each document data as a keyword candidate (S16).
This TermExtract filter 14d is a string extraction algorithm devised to automatically extract technical terms from specialized corpora (huge text data consisting mainly of natural language sentences collected mainly for research purposes). It has a function of extracting single nouns and compound nouns from the document data as candidate words, and calculating respective importance levels based on the appearance frequency and connection frequency of each candidate word. Since this TermExtract filter 14d itself is a known technique, further explanation is omitted.

つぎにキーワード抽出部14は、係り受け表現抽出フィルタ14a、区切り文字抽出フィルタ14b、文字列頻度統計フィルタ14c、TermExtractフィルタ14dによって抽出された各キーワード候補をキーワード認定フィルタ14eに入力し、キーワードを絞り込む。
キーワード認定フィルタ14eでは、各フィルタによってリストアップされたキーワード候補同士をマッチングし、2以上のフィルタによってキーワード候補として挙げられているものを最終的なキーワードと認定し、キーワードDB16に格納する(S18)。
Next, the keyword extraction unit 14 inputs each keyword candidate extracted by the dependency expression extraction filter 14a, the delimiter extraction filter 14b, the character string frequency statistical filter 14c, and the TermExtract filter 14d to the keyword certification filter 14e, and narrows down the keywords. .
In the keyword certification filter 14e, keyword candidates listed by each filter are matched, and those listed as keyword candidates by two or more filters are certified as final keywords and stored in the keyword DB 16 (S18). .

このように、係り受け表現抽出フィルタ14a、区切り文字抽出フィルタ14b、文字列頻度統計フィルタ14c、TermExtractフィルタ14dの4つのフィルタを用いることにより、文書データからキーワードを抽出する際に重要語が漏れ落ちることを防止すると共に、キーワード認定フィルタ14eを用いて絞り込むことにより、不要なキーワード(ノイズ)が混入することを防止できる。   As described above, by using the four filters of the dependency expression extraction filter 14a, the delimiter extraction filter 14b, the character string frequency statistical filter 14c, and the TermExtract filter 14d, important words are leaked when keywords are extracted from document data. In addition to this, it is possible to prevent unnecessary keywords (noise) from being mixed by narrowing down using the keyword certification filter 14e.

上記のように4つのフィルタ中の2以上のフィルタによって選別されたキーワード候補を正式なキーワードと認定するのは一例であり、3以上のフィルタによって選別されることをキーワード認定の要件とすることもできる。
また、フィルタの数も上記に限定されるものではなく、他の有効なキーワード候補抽出フィルタをキーワード抽出部14に設けることもできる。
As described above, the keyword candidate selected by two or more of the four filters is recognized as an official keyword, and selection by three or more filters may be a requirement for keyword recognition. it can.
Further, the number of filters is not limited to the above, and other effective keyword candidate extraction filters may be provided in the keyword extraction unit 14.

つぎに、図6のフローチャートに従い、関連度算出部18による各キーワード間の関連度算出工程について説明する。
まず関連度算出部18は、各キーワードの各文書データ中における共起頻度を集計し、キーワード共起頻度表20を生成する(S20)。
図7は、このキーワード共起頻度表20の具体例を示すものであり、文書DB12に格納された各文書D1〜Dnごとに、各キーワードKW-1〜nの出現頻度が記述されている。
Next, according to the flowchart of FIG. 6, the relevance calculation process between the keywords by the relevance calculation unit 18 is described.
First, the relevance calculation unit 18 aggregates the co-occurrence frequencies of each keyword in each document data, and generates a keyword co-occurrence frequency table 20 (S20).
FIG. 7 shows a specific example of the keyword co-occurrence frequency table 20. The appearance frequency of each keyword KW-1 to n is described for each document D1 to Dn stored in the document DB 12.

ここで、あるキーワードXとYとの間の関連度は、数1のiにキーワード共起頻度表20に記載されたXとYの出現頻度を代入することにより、理論的には算出可能である。

Figure 0005193669
Here, the degree of association between a keyword X and Y can be theoretically calculated by substituting the appearance frequency of X and Y described in the keyword co-occurrence frequency table 20 into i of Equation 1. is there.
Figure 0005193669

この数1の分子は、キーワードX、Yの文書毎の出現頻度の積の全文書に亘る総和を意味するため、X、Yが同じ文書に出現する頻度が高いほど値は大きくなる。もっとも、特定の文書中におけるX及びYの出現頻度の絶対数が多ければそれにつられて分子の値は高くなってしまい、必ずしもXとYの共起性の高さを表しているとはいえない。これに対し分母は、キーワードX、Yの文書毎の出現頻度の二乗の全文書に亘る総和の平方根同士を加算したものであり、X、Yの特定文書中の出現頻度が高いほど値が大きくなる。このため、分子の値を分母の値で除算することにより、特定文書中におけるX、Yの出現頻度の絶対数が多いことの影響を排除し、X、Y間の共起性の高さに基づく関連度を導くことが可能となる。   Since the numerator of Equation 1 means the sum of the products of the appearance frequencies of the keywords X and Y for all documents, the value increases as the frequency of occurrence of X and Y in the same document increases. However, if the absolute number of occurrence frequencies of X and Y in a specific document is large, the value of the numerator increases accordingly, and it does not necessarily indicate the high co-occurrence of X and Y. . On the other hand, the denominator is obtained by adding the square roots of the sums of all the squares of the appearance frequencies of the keywords X and Y for each document, and the value increases as the appearance frequency in the specific document of X and Y increases. Become. For this reason, by dividing the numerator value by the denominator value, the influence of the large number of occurrence frequencies of X and Y in a specific document is eliminated, and the co-occurrence between X and Y is increased. It is possible to derive the degree of relevance based on it.

ただし、文書データの分量及びキーワードの総数が多い場合には膨大な計算量が発生し、多くの処理時間を要することとなる。
そこで、この実施の形態では、キーワード共起頻度表20に基づいてキーワード組合せ頻度総和表22及びキーワード頻度総和表24を生成することにより、計算工程の簡素化を図っている。
However, when the amount of document data and the total number of keywords are large, an enormous amount of calculation occurs, and a lot of processing time is required.
Therefore, in this embodiment, the calculation process is simplified by generating the keyword combination frequency summation table 22 and the keyword frequency summation table 24 based on the keyword co-occurrence frequency table 20.

図8は、その要領を例示するものである。この場合、キーワード共起頻度表20にはキーワードKW-1〜KW-5の文書D1における出現頻度が記載されているが、この中KW-3及びKW-4の出現頻度は0であるため、実際に関連度を算出すべきキーワードの組合せは以下の3パターンで済むこととなる。
(KW-1, KW-2)、(KW-1, KW-5)、(KW-2, KW-5)
つぎに関連度算出部18は、各組合せ毎に出現頻度を乗じた値を記述したキーワード組合せ頻度総和表22と、各キーワードの出現頻度を二乗した値を記述したキーワード頻度総和表24を生成する(S22、S24)。
FIG. 8 illustrates the procedure. In this case, the keyword co-occurrence frequency table 20 describes the appearance frequencies of the keywords KW-1 to KW-5 in the document D1, and among them, the appearance frequencies of KW-3 and KW-4 are 0. The combination of keywords for which the relevance is to be actually calculated is the following three patterns.
(KW-1, KW-2), (KW-1, KW-5), (KW-2, KW-5)
Next, the degree-of-relevance calculation unit 18 generates a keyword combination frequency sum table 22 describing values multiplied by the appearance frequency for each combination, and a keyword frequency sum table 24 describing values obtained by squaring the appearance frequency of each keyword. (S22, S24).

図8のキーワード組合せ頻度総和表では、文書D1についての値のみが記述されているが、同様の処理を各文書毎に実行し、その結果に基づいて値を加算していくことにより、各キーワードの値が数1の分子に相当する結果となる。
同じく、図8のキーワード頻度総和表では、文書D1についての値のみが記述されているが、各文書における各キーワードの出現頻度を二乗した値を足し込んでいき、各キーワードの最終的な値の平方根を求めることにより、数1の分母に相当する値が得られることになる。
In the keyword combination frequency summation table of FIG. 8, only the value for the document D1 is described. However, the same processing is executed for each document, and the values are added based on the result. Is equivalent to the numerator of Equation 1.
Similarly, in the keyword frequency total table of FIG. 8, only the value for the document D1 is described, but the value obtained by squaring the appearance frequency of each keyword in each document is added, and the final value of each keyword is calculated. By obtaining the square root, a value corresponding to the denominator of Equation 1 is obtained.

この結果、図9に示すように、各キーワード間の関連度が比較的容易に算出でき、その値がキーワード関連度表26に記述される(S26)。
上記のように、文書毎に各キーワード間の組合せパターンを抽出し、それぞれの積及び各キーワードの二乗値を求めた上で、各文書の値を加算していくことにより、値が0のキーワードに係る計算処理を省くことが可能となる。
このため、特許文献1の検索システムのように企業名に限定することなく、全キーワード間における関連度を算出することが現実的になる。
As a result, as shown in FIG. 9, the relevance between the keywords can be calculated relatively easily, and the value is described in the keyword relevance table 26 (S26).
As described above, a combination pattern between keywords is extracted for each document, the product and the square value of each keyword are obtained, and the value of each document is added to obtain a keyword having a value of 0. It is possible to omit the calculation processing related to.
For this reason, it is realistic to calculate the degree of association between all keywords without being limited to the company name as in the search system of Patent Document 1.

また、文書DB12に新規の文書データが追加された場合には、この新規文書データ中の各キーワードに係るデータをキーワード組合せ頻度総和表22及びキーワード頻度総和表24に追加し、既存の集計値に追加分の値を加算することによって、簡単にキーワード間の関連度が再計算可能となる。
古くなった文書データの影響を排除する場合にも、当該文書データ中の各キーワードに係るデータをキーワード組合せ頻度総和表22及びキーワード頻度総和表24から削除し、既存の集計値から削除分の値を減算することによって、簡単にキーワード間の関連度を最新の状態に維持することが可能となる。
Further, when new document data is added to the document DB 12, data related to each keyword in the new document data is added to the keyword combination frequency sum table 22 and the keyword frequency sum table 24, and the existing total value is added. By adding the additional values, the degree of association between keywords can be easily recalculated.
Even when the influence of obsolete document data is excluded, the data related to each keyword in the document data is deleted from the keyword combination frequency summation table 22 and the keyword frequency summation table 24, and the deleted value from the existing total value By subtracting, it is possible to easily maintain the degree of association between keywords in the latest state.

つぎに、図10のフローチャートに従い、このシステム10における検索処理の手順について説明する。
まずユーザがクライアント36から検索対象となる文字列を入力すると、これを受け付けたマップ生成部28は(S30)、キーワード関連度表26を参照し、当該文字列と同一または一定範囲内の類似性を有するキーワードを検索語として認定すると共に、当該キーワードに対して関連度の高いキーワードを関連語として所定数抽出する(S32)。
Next, the search process procedure in the system 10 will be described with reference to the flowchart of FIG.
First, when the user inputs a character string to be searched from the client 36, the map generating unit 28 that has received the character string (S30) refers to the keyword relevance table 26, and is similar to the character string or within a certain range. Are identified as search terms, and a predetermined number of keywords having high relevance to the keywords are extracted as related words (S32).

例えば、図11に示すように、クライアント36から検索対象として平仮名の「ひまん」が与えられた場合、マップ生成部28はキーワードとして登録されている漢字の「肥満」を検索語と認定した後、これと関連度が高い関連語として「脂肪」、「糖尿病」、「糖尿」、…「子」の各キーワードを選定する。
関連語として選定されるキーワードの数について特に限定はないが、ここでは関連度が上位50位までのキーワードを選定している。
For example, as shown in FIG. 11, when the hiragana “himan” is given as a search target from the client 36, the map generation unit 28 recognizes the kanji “obesity” registered as a keyword as a search word. The keywords “Fat”, “Diabetes”, “Diabetes”,... “Child” are selected as related terms having a high degree of association with this.
There is no particular limitation on the number of keywords selected as related words, but here, keywords with the highest degree of relevance are selected.

つぎにマップ生成部28はキーワード共起頻度表20を参照し、検索語及び抽出した50の関連語の出現文書ID及び各文書毎の出現頻度を取得する(S34)。
図12は、その抽出結果を示すテーブル(クロス集計表)であり、行項目として文書IDが設定され、列項目として検索語及び各関連語が設定されている。また、各セル内には、各キーワードの対応文書中における出現頻度が記述されている。
例えば、文書ID:13691の文書においては、肥満:3回、脂肪:13回、糖尿病:0回、糖尿:0回、習慣:0回、…が出現したことが示されている。
Next, the map generating unit 28 refers to the keyword co-occurrence frequency table 20 and acquires the appearance word ID of the search word, the extracted 50 related words, and the appearance frequency for each document (S34).
FIG. 12 is a table (cross tabulation table) showing the extraction results, in which a document ID is set as a line item, and a search word and each related word are set as a column item. In each cell, the appearance frequency of each keyword in the corresponding document is described.
For example, the document ID: 13691 indicates that obesity: 3 times, fat: 13 times, diabetes: 0 times, diabetes: 0 times, habit: 0 times,.

つぎにマップ生成部28は、図12のテーブルに示した各文書毎の各キーワードの出現頻度を変量とする多変量データに対して主成分分析を施し(S36)、図13に示すように、分析結果として各キーワードの第1主成分の値及び第2主成分の値を算出する(S38)。   Next, the map generation unit 28 performs principal component analysis on the multivariate data having the appearance frequency of each keyword for each document shown in the table of FIG. 12 as a variable (S36), and as shown in FIG. As the analysis result, the value of the first principal component and the value of the second principal component of each keyword are calculated (S38).

つぎにマップ生成部28は、各キーワードの第1主成分値及び第2主成分値に基づき、各キーワードを所定の面積を備えた2次元平面上に配置するための座標値を算出する(S40)。
以下に、座標算出の具体例を示す。
Next, the map generation unit 28 calculates coordinate values for arranging each keyword on a two-dimensional plane having a predetermined area based on the first principal component value and the second principal component value of each keyword (S40). ).
A specific example of coordinate calculation is shown below.

・座標平面のサイズ:横740ドット×縦500ドットに設定
・X座標変換比=座標平面の横幅÷(第1主成分の最大値−第1主成分の最小値)
・Y座標変換比=座標平面の縦幅÷(第2主成分の最大値−第2主成分の最小値)
・キーワードAのX座標=(キーワードAの第1主成分値−第1主成分の最小値)*X座標変換比
・キーワードAのY座標=(キーワードAの第2主成分値−第2主成分の最小値)*Y座標変換比
-Coordinate plane size: set to horizontal 740 dots x vertical 500 dots-X coordinate conversion ratio = horizontal width of coordinate plane / (maximum value of first principal component-minimum value of first principal component)
Y coordinate conversion ratio = vertical width of coordinate plane ÷ (maximum value of second principal component−minimum value of second principal component)
X coordinate of keyword A = (first principal component value of keyword A−minimum value of first principal component) * X coordinate conversion ratio Y coordinate of keyword A = (second principal component value of keyword A−second principal Minimum value of component) * Y coordinate conversion ratio

以上の計算により、各キーワードの第1主成分値及び第2主成分値を、X軸が0〜740の間でY軸が0〜500の間の数値に変換でき、上記の2次元平面上に後述の各タグを配置可能となる。
図14に、上記の変換法則に従って算出した各キーワードの座標値を例示する。
With the above calculation, the first principal component value and the second principal component value of each keyword can be converted into numerical values between the X axis between 0 and 740 and the Y axis between 0 and 500. It becomes possible to arrange each tag to be described later.
FIG. 14 illustrates the coordinate values of each keyword calculated according to the above conversion law.

つぎにマップ生成部28は、各キーワードの存在を示すタグを生成する(S42)。
すなわち、図15に示す通り、このタグ40は長方形状を備えており、各キーワード(検索語及び関連語)の文字列と、これを取り囲む余白部分を備えている。
また、関連語と区別するため、検索語には各関連語とは異なる文字色及び背景色が割り当てられている。
Next, the map generator 28 generates a tag indicating the presence of each keyword (S42).
That is, as shown in FIG. 15, the tag 40 has a rectangular shape, and includes a character string of each keyword (search word and related word) and a blank portion surrounding the character string.
In order to distinguish from related words, a character color and a background color different from each related word are assigned to the search word.

このタグ40の面積は、キーワードのフォントサイズ及び文字数に応じて自動的に決定される。そして、キーワードのフォントサイズとしては、検索語との関連度が大きいほど大きなフォントサイズが割り当てられている。
以下に、各キーワードのフォントサイズ割当方法を説明する。
The area of the tag 40 is automatically determined according to the keyword font size and the number of characters. As the keyword font size, a larger font size is assigned as the degree of association with the search word increases.
Below, the font size allocation method of each keyword is demonstrated.

・最大フォントサイズ=36ポイント
・最小フォントサイズ=12ポイント
・フォントサイズ変換比=(最大フォントサイズ−最小フォントサイズ)÷(関連度の最大値−関連度の最小値)
・キーワードAのフォントサイズ={(キーワードAの関連度−関連度の最小値)*フォントサイズ変換比
※小数点以下切り捨て
-Maximum font size = 36 points-Minimum font size = 12 points-Font size conversion ratio = (maximum font size-minimum font size) ÷ (maximum relevance-minimum relevance)
-Keyword A font size = {(Keyword A relevance-Relevance minimum) * Font size conversion ratio * Rounded down

つぎにマップ生成部28は、上記の各タグ40を上記の2次元平面上にそれぞれ配置し、第1の関連度マップを生成する(S44)。
この際、各タグ40の中心点が上記で求めた2次元平面上の座標点に重なるように配置される。
Next, the map generation unit 28 arranges each of the tags 40 on the two-dimensional plane, and generates a first relevance map (S44).
At this time, the center points of the respective tags 40 are arranged so as to overlap the coordinate points on the two-dimensional plane obtained as described above.

この第1の関連度マップは、Webサーバ32によってWebファイルに加工され、クライアント36に送信される(S46)。
この結果、クライアント36のWebブラウザ上には、図16に示すように、第1の関連度マップ42が表示される。
This first relevance map is processed into a Web file by the Web server 32 and transmitted to the client 36 (S46).
As a result, the first relevance map 42 is displayed on the Web browser of the client 36 as shown in FIG.

この第1の関連度マップ42上では、各タグ40のフォントサイズが上記の通り検索語との関連度の強さを表しているため、検索語「肥満」に最も関連性の強いキーワードが「脂肪」であることが理解できる。また、「糖尿病」、「糖尿」、「習慣」などのキーワードも、「肥満」と比較的強い関連性を有していることが理解できる。   On the first relevance map 42, since the font size of each tag 40 represents the strength of the relevance with the search word as described above, the keyword most relevant to the search word “obesity” is “ It can be understood that it is “fat”. It can also be understood that keywords such as “diabetes”, “diabetes”, and “custom” have a relatively strong relationship with “obesity”.

また、各タグ40の位置(座標)は、検索語及び各関連語間の共起性に基づく関連の強さを反映しており、タグ40間の距離が近いほど相互の関連性が強いことを示している。
例えば、「脂肪」というキーワードの近傍に「アディポネクチン(注:脂肪細胞から分泌されるホルモン)」、「内蔵脂肪」、「心筋梗塞」、「メタボリックシンドローム」等のタグ40が集まっているため、脂肪とこれらのキーワードとが強い関連性を備えていることが読み取れる。
このように、ユーザはキーワードが表記されたタグ40の集積具合を観察することにより、各キーワード間の類似性やカテゴリーを認識することが可能となる。
In addition, the position (coordinates) of each tag 40 reflects the strength of the association based on the co-occurrence between the search term and each related word, and the closer the distance between the tags 40, the stronger the mutual relationship. Is shown.
For example, tags 40 such as “adiponectin (a hormone secreted from adipocytes)”, “built-in fat”, “myocardial infarction”, “metabolic syndrome” are gathered in the vicinity of the keyword “fat”. It can be seen that these keywords are strongly related.
Thus, the user can recognize the similarity and category between the keywords by observing the accumulation of the tags 40 on which the keywords are written.

図17は、検索語としてユーザが「環境技術」を入力した場合の関連度マップ42を示しており、上記のS30〜S46のステップを経ることにより、マップ生成部28によって生成されたものである。
この場合では、「地球環境」のキーワードが最もフォントサイズが大きく、したがって検索語である「環境技術」との関連性が強いことを示している。また、「地球温暖化」や「ハイブリッド」なども「環境技術」と比較的強い関連性を有していることが理解できる。
FIG. 17 shows a relevance map 42 when the user inputs “environmental technology” as a search term, and is generated by the map generator 28 through the above steps S30 to S46. .
In this case, the keyword “global environment” has the largest font size, and thus indicates that the keyword “environment technology” is strongly related to the search term. It can also be understood that “global warming” and “hybrid” have a relatively strong relationship with “environmental technology”.

ここでユーザが「燃料電池」のタグ40にマウスポインタを合わせてクリックすると、JavaScript等によってWebページに組み込まれた制御プログラムが機能し、吹きだしメニュー44が展開される。
そして、このメニュー44中からユーザが「Go to "燃料電池"」を選択すると、クライアント36から新たな検索語として「燃料電池」の文字列がWebサーバ32に送信される。
When the user puts the mouse pointer on the “fuel cell” tag 40 and clicks on it, the control program incorporated in the Web page by JavaScript or the like functions and the blowing menu 44 is expanded.
When the user selects “Go to“ fuel cell ”” from the menu 44, a character string “fuel cell” is transmitted from the client 36 to the Web server 32 as a new search term.

これを受けたマップ生成部28は、上記のS30〜S46の処理を実行することにより、燃料電池を検索語に設定した新たな関連度マップ42を生成し、クライアント36に送信する。
この結果、図18に示すように、クライアント36のWebブラウザ上に燃料電池を検索語に設定した第1の関連度マップ42が表示される。
この第1の関連度マップ42上では、検索語である「燃料電池」と関連性の強いキーワードが記述されたタグ42が配置されている。
Upon receiving this, the map generation unit 28 generates the new relevance map 42 in which the fuel cell is set as the search word by executing the processes of S30 to S46, and transmits it to the client 36.
As a result, as shown in FIG. 18, the first relevance map 42 in which the fuel cell is set as the search word is displayed on the Web browser of the client 36.
On the first relevance map 42, a tag 42 describing a keyword that is highly relevant to the search term “fuel cell” is arranged.

このようにユーザは、第1の関連度マップ42上に表示されるタグ40を次から次へと選択し、そのキーワードを検索語に設定していくことにより、恰も連想の旅を続けるようにして視野を広げていき、その課程で新しい発見や意外な気付きを体験することができる。   In this way, the user selects the tag 40 displayed on the first relevance map 42 from the next to the next, and sets the keyword as a search word so that the user can continue the associative journey. You can broaden your horizons and experience new discoveries and unexpected awareness in the course.

つぎに、ユーザが関連度マップ42上の特定のタグ40、例えば「都市ガス」をクリックし、展開された吹きだしメニュー44中から「関連性の確認1(サイト内)」を選択すると、クライアント36からWebサーバ32に対し、燃料電池と都市ガスを関連付ける根拠の提示リクエストが送信される。   Next, when the user clicks on a specific tag 40 on the relevance map 42, for example, “city gas”, and selects “relevance confirmation 1 (in the site)” from the expanded balloon menu 44, the client 36. The web server 32 transmits a request for presenting the basis for associating the fuel cell with the city gas.

これを受け付けたマップ生成部28は、図19に示すように、検索語である「燃料電池」及び選択された「都市ガス」に基づいてキーワード共起頻度表20を検索し、両者間で共起の生じている文書番号のリストを生成する。
つぎにマップ生成部28は、この文書番号リストに基づいて文書DB12を検索し、文書本文のリストを生成した後、Webサーバ32経由でクライアント36に送信する。
この結果、クライアント36のディスプレイには、燃料電池と都市ガスとが同時に出現している文書の番号、タイトル、抄録、年月日等がリスト表示される。
Upon receiving this, the map generation unit 28 searches the keyword co-occurrence frequency table 20 based on the search term “fuel cell” and the selected “city gas” as shown in FIG. Generate a list of document numbers that have occurred.
Next, the map generation unit 28 searches the document DB 12 based on the document number list, generates a list of document texts, and transmits the list to the client 36 via the Web server 32.
As a result, the display of the client 36 displays a list of document numbers, titles, abstracts, dates, etc. in which fuel cells and city gas appear simultaneously.

また、この中の一つをユーザが選択すると、マップ生成部28は該当の文書データを文書DB12から抽出し、クライアント36に送信する。
この結果ユーザは、当該文書データの内容を閲覧し、「燃料電池」と「都市ガス」との関連性を個別に確認することが可能となる。
When the user selects one of these, the map generation unit 28 extracts the corresponding document data from the document DB 12 and transmits it to the client 36.
As a result, the user can browse the contents of the document data and individually confirm the relevance between “fuel cell” and “city gas”.

一方、ユーザが図18の吹きだしメニュー44中で「関連性の確認2(Web上)」を選択すると、Webファイルに組み込まれた制御プログラムにより、予め設定された検索サイトに接続するための新しいウィンドウあるいはタグがWebブラウザ上に起動し、当該検索サイトに対して「燃料電池」及び「都市ガス」をアンド条件で結んだ検索クエリが送信される。
この結果、燃料電池と都市ガスの両者を含むWebサイトの情報がWebブラウザ上にリストアップされることとなり、ユーザは「燃料電池」と「都市ガス」との関係性について、インターネットのWebサイトを通じて確認することが可能となる。
On the other hand, when the user selects “Relevance Confirmation 2 (on the Web)” in the balloon menu 44 of FIG. 18, a new window for connecting to a preset search site by the control program embedded in the Web file. Alternatively, the tag is activated on the Web browser, and a search query in which “fuel cell” and “city gas” are connected under an AND condition is transmitted to the search site.
As a result, website information including both fuel cells and city gas will be listed on the web browser, and users will be able to find out the relationship between “fuel cells” and “city gas” through the internet website. It becomes possible to confirm.

これに対し、ユーザが図18の吹きだしメニュー44中で「Web上で検索」を選択すると、予め設定された検索サイトに接続するための新しいWebブラウザが起動し、当該検索サイトに対して「都市ガス」のみが検索語として送信される。
この結果、「都市ガス」に関するWebサイトの情報を確認することが可能となる。
On the other hand, when the user selects “Search on the Web” in the balloon menu 44 of FIG. 18, a new Web browser for connecting to a preset search site is started, Only “gas” is sent as a search term.
As a result, it is possible to check information on the website related to “city gas”.

またユーザが、図18の吹きだしメニュー44中で「関連性を否定」を選択した場合、「燃料電池」と「都市ガス」間の関連性を否定する情報がサーバ上の所定の記憶手段に蓄積される。
そして、この情報が一定数(例えば10件以上)を超えた時点で、キーワード関連度表20におけるデータが修正され、「燃料電池」と「都市ガス」間の関連度が所定ポイント分減算され、あるいは0にリセットされる。
Further, when the user selects “reject association” in the balloon menu 44 of FIG. 18, information that denies the association between “fuel cell” and “city gas” is stored in a predetermined storage means on the server. Is done.
And when this information exceeds a certain number (for example, 10 or more), the data in the keyword relevance table 20 is corrected, and the relevance between “fuel cell” and “city gas” is subtracted by a predetermined point, Or it is reset to 0.

ところで、各タグ40をそれぞれの座標に基づいて所定の面積を備えた二次元平面上に配置するに際しては、図20に示すように、タグ同士が重複する可能性がある。
このような場合、ユーザの視認性を重視し、タグ同士の重複を解いて文字を認識し易いように調整することが望ましいが、各タグ間の関係性を尊重する立場からは、移動距離を最小限に抑えることが重要となる。
そこで、このシステム10では、各タグの移動距離を最小限に抑えつつ、重複関係を解消するために、以下のアルゴリズムを採用している。
以下、図21のフローチャートに従い、その手順を説明する。
By the way, when each tag 40 is arranged on a two-dimensional plane having a predetermined area based on the respective coordinates, the tags may overlap each other as shown in FIG.
In such a case, it is desirable to make adjustment so that the user's visibility is emphasized and the duplication between the tags is resolved so that the characters can be easily recognized. It is important to keep it to a minimum.
Therefore, this system 10 employs the following algorithm in order to eliminate the overlapping relationship while minimizing the moving distance of each tag.
The procedure will be described below with reference to the flowchart of FIG.

まず、マップ生成部28は、各タグの面積を比較し、面積の大きい順番に位置を固定する(S50)。各タグの面積は、上記の通り、キーワードのフォントサイズ及び文字数によって大小が決定される。
また、この過程でタグ間の重複が探知された場合には(S52:Yes)、重複タグ同士の面積を比較し(S54)、最も面積の大きなタグの位置を固定する(S56)。
First, the map generation unit 28 compares the areas of the tags and fixes the positions in order of increasing area (S50). As described above, the size of each tag is determined depending on the font size and the number of characters of the keyword.
Further, when an overlap between tags is detected in this process (S52: Yes), the areas of the overlapping tags are compared (S54), and the position of the tag with the largest area is fixed (S56).

つぎにマップ生成部28は、重複タグ中で2番目に面積の大きなタグを上下左右の何れかの方向に移動させ、面積が最も大きなタグとの重複状態を解消させる(S58)。
この際、マップ生成部28は以下のルールに拘束される。
(1) 原則として、最も移動距離が短くて済む方向を優先的に選択する。
(2) 原則として、既に固定済みのタグと重複する方向は選択できない。
(3) 何れの方向においても固定済みのタグと重複する場合には、最も重複面積が小さくて済む方向を選択する。
(4) 全体枠αを超える方向は選択できない。
(5) 戻り方向への移動は選択できない。
Next, the map generation unit 28 moves the tag having the second largest area among the overlapping tags in either the top, bottom, left, or right direction to eliminate the overlapping state with the tag having the largest area (S58).
At this time, the map generator 28 is bound by the following rules.
(1) In principle, select the direction that requires the shortest travel distance.
(2) In principle, you cannot select a direction that overlaps with a tag that has already been fixed.
(3) If the tag overlaps with a fixed tag in any direction, select the direction that requires the smallest overlapping area.
(4) The direction beyond the overall frame α cannot be selected.
(5) Movement in the return direction cannot be selected.

移動先において他のタグとの重複が発生した場合(S60:Yes)、マップ生成部28はS54〜S58のステップを繰り返し、重複状態の回避を図る。
全てのタグについて重複回避のための調整処理が完了するまで、マップ生成部28はS54〜S60の処理を繰り返す(S62)。
When duplication with another tag occurs at the destination (S60: Yes), the map generation unit 28 repeats steps S54 to S58 to avoid duplication.
The map generation unit 28 repeats the processing of S54 to S60 until adjustment processing for avoiding duplication is completed for all tags (S62).

図22は、タグ間の重複解消処理の具体例を示すものであり、全体枠αの近傍において、「ABC」タグ40a、「DEF」タグ40b、「GHI」タグ40c、「JKLMNO」タグ40d間に重複が生じている状態を示している。
この場合、まずマップ生成部28は各重複タグ間の面積を比較し(S54)、最も面積の大きな「ABC」タグ40aを現在位置に固定する(S56)。
FIG. 22 shows a specific example of the duplication elimination processing between tags, and between the “ABC” tag 40a, “DEF” tag 40b, “GHI” tag 40c, and “JKLMNO” tag 40d in the vicinity of the overall frame α. Shows a state where duplication occurs.
In this case, the map generation unit 28 first compares the areas between the overlapping tags (S54), and fixes the “ABC” tag 40a having the largest area at the current position (S56).

つぎにマップ生成部28は、「ABC」タグ40aの次に面積の大きな「DEF」タグ40bの位置を上下左右の何れかの方向に移動させ、「ABC」タグ40aとの重複を解消する(S58)。
この場合、移動距離が最も短くて済むのは上方向であり、他の固定済みのタグと重複したり、全体枠αに抵触することもないため、図23に示すように、マップ生成部28は「DEF」タグ40bを上方向に移動させる。
Next, the map generation unit 28 moves the position of the “DEF” tag 40b, which has the next largest area after the “ABC” tag 40a, in either the top, bottom, left, or right direction, and eliminates the overlap with the “ABC” tag 40a ( S58).
In this case, the shortest moving distance is in the upward direction, and it does not overlap with other fixed tags or conflict with the entire frame α. Therefore, as shown in FIG. Moves the “DEF” tag 40b upward.

つぎにマップ生成部28は、「DEF」タグ40bの次に面積の大きな「GHI」タグ40cの位置を上下左右の何れかの方向に移動させ、「ABC」タグ40aとの重複を解消する。
この場合、全体枠αとの抵触が生じるため、上記(4)のルールにより、左方向は移動先として除外される。また、上方向への移動は固定済みの「DEF」タグ40bと重複し、右方向も固定済みの「STUV」タグ40fとの重複が生じ、下方向も固定済みの「PQR」タグ40eとの重複が生じるため、上記(2)のルールからすれば選択できないこととなる。そこで、マップ生成部28は上記(3)のルールを適用し、図24に示すように、最も重複面積が小となる下方向を「GHI」タグ40cの移動先として選択する。
Next, the map generation unit 28 moves the position of the “GHI” tag 40c, which has the next largest area after the “DEF” tag 40b, in either the top, bottom, left, or right direction, and eliminates the overlap with the “ABC” tag 40a.
In this case, since there is a conflict with the whole frame α, the left direction is excluded as a destination according to the rule (4). In addition, the upward movement overlaps with the fixed “DEF” tag 40b, the rightward direction also overlaps with the fixed “STUV” tag 40f, and the downward direction with the fixed “PQR” tag 40e. Since duplication occurs, the rule (2) cannot be selected. Therefore, the map generation unit 28 applies the rule (3) described above, and selects the downward direction with the smallest overlap area as the movement destination of the “GHI” tag 40c as shown in FIG.

この結果、「GHI」タグ40cと「PQR」タグ40eとの重複関係が新たに発生することとなるため、マップ生成部28は引き続き「GHI」タグ40cを移動対象とする。
この場合、左方向及び下方向への移動は全体枠αとの抵触が発生し(上記(4)のルール違反)、また上方向は戻り方向となるため(上記(5)のルール違反)、図25に示すように、マップ生成部28は「GHI」タグ40cを右方向に移動させ、「PQR」タグ40eとの重複を解消する。
As a result, since a new overlapping relationship between the “GHI” tag 40c and the “PQR” tag 40e occurs, the map generation unit 28 continues to set the “GHI” tag 40c as a movement target.
In this case, the movement in the left and down directions causes a conflict with the whole frame α (the rule violation of (4) above), and the upward direction is the return direction (the rule violation of (5) above). As shown in FIG. 25, the map generation unit 28 moves the “GHI” tag 40c to the right to eliminate the duplication with the “PQR” tag 40e.

この結果、「GHI」タグ40cと「STUV」タグ40fとの重複関係が発生することとなるため、マップ生成部28は再度「GHI」タグ40cを移動対象とする。
この場合は、下方向が最も短い移動距離で「STUV」タグ40fとの重複を回避でき、固定済みのタグと重複することも全体枠αと抵触することもないため、図26に示すように、マップ生成部28は「GHI」タグ40cを下方向に移動させる。
As a result, since the overlapping relationship between the “GHI” tag 40c and the “STUV” tag 40f occurs, the map generation unit 28 sets the “GHI” tag 40c as the movement target again.
In this case, duplication with the “STUV” tag 40f can be avoided with the shortest moving distance in the downward direction, and it does not overlap with the fixed tag nor conflict with the entire frame α. The map generation unit 28 moves the “GHI” tag 40c downward.

つぎにマップ生成部28は、残された「JKLMNO」タグ40dの位置を上下左右の何れかの方向に移動させ、「ABC」タグ40aとの重複を解消する。
この場合、全体枠αとの抵触が生じるため、上記(4)のルールにより、左方向は移動先として除外される。また、上下方向及び右方向への移動は何れも固定済みのタグと重複が生じるため、マップ生成部28は上記(3)のルールに従い、図27に示すように、重複面積が最も小さくて済む下方向への移動を選択し、「ABC」タグ40aとの重複関係を解消させる。
Next, the map generation unit 28 moves the position of the remaining “JKLMNO” tag 40d in any of the upper, lower, left, and right directions, and eliminates the overlap with the “ABC” tag 40a.
In this case, since there is a conflict with the whole frame α, the left direction is excluded as a destination according to the rule (4). In addition, since the vertical movement and the rightward movement both overlap with the fixed tag, the map generation unit 28 follows the rule (3) above, and has the smallest overlapping area as shown in FIG. The downward movement is selected to eliminate the overlapping relationship with the “ABC” tag 40a.

この結果、「JKLMNO」タグ40dと「PQR」タグ40eとの重複関係が新たに発生するため、マップ生成部28は「JKLMNO」タグ40dを再度移動対象とする。
この場合、下方向に移動すれば他の固定済みタグとの重複が発生せず、全体枠αとの抵触も生じないため、図28に示すように、マップ生成部28は「JKLMNO」タグ40dを下方向に移動させる。
これにより、タグ間の重複状態が全て解消されることとなる。
As a result, since the overlapping relationship between the “JKLMNO” tag 40d and the “PQR” tag 40e is newly generated, the map generation unit 28 sets the “JKLMNO” tag 40d as the movement target again.
In this case, if it moves downward, there will be no overlap with other fixed tags, and there will be no conflict with the whole frame α. Therefore, as shown in FIG. 28, the map generator 28 uses the “JKLMNO” tag 40d. Move down.
Thereby, all the duplication states between tags are eliminated.

上記においては、全体枠αを固定するという前提に立っているため、(2)のルールを設定し、全体枠αに抵触する方向への移動は選択できないものとしたが、この発明はこれに限定されるものではない。
例えば、タグの配置平面を上下左右にスクロール可能とすることにより、あるいは配置画面全体をズームイン/ズームアウト可能に構成することにより、全体枠αを越えた移動を許容することもできる。
In the above, since it is based on the premise that the entire frame α is fixed, the rule (2) is set, and the movement in the direction that conflicts with the entire frame α cannot be selected. It is not limited.
For example, it is possible to allow movement beyond the entire frame α by making the arrangement plane of the tag scrollable up and down, left and right, or by making the entire arrangement screen zoom in / zoom out.

また、上記においては、タグの重複を一切排除する方法について説明したが、若干の重複を許容するように、柔軟に調整することもできる。
例えば、各タグの面積の5%以内の重複を許容するというように設定しておけば、タグの視認性を比較的良好に維持したまま、その移動距離を短く抑えることが可能となる。
In the above description, the method for eliminating any duplication of tags has been described. However, the adjustment can be made flexibly so as to allow slight duplication.
For example, if the setting is made so as to allow duplication within 5% of the area of each tag, the moving distance can be kept short while maintaining the visibility of the tag relatively well.

上記の第1の関連度マップ42は、検索語に対して関連度の高い上位50位内のキーワードを関連語として抽出し、検索語も含めた各キーワードの文書データ毎の共起頻度に対して主成分分析を施し、その結果導かれた第1主成分値及び第2主成分値に基づいて各キーワードのタグ40を座標平面上に配置することによって生成された。
したがって、第1の関連度マップ42上の各タグ40の配置にはキーワード相互間の関連性が反映されており、このためユーザはタグ40同士の位置関係や集積度によって、キーワード間のカテゴリを把握することも可能となる利点がある。
The first relevance map 42 described above extracts keywords in the top 50 having high relevance to the search word as related words, and determines the co-occurrence frequency for each document data of each keyword including the search word. Then, the principal component analysis is performed, and the tag 40 of each keyword is arranged on the coordinate plane based on the first principal component value and the second principal component value derived as a result.
Therefore, the relationship between the keywords is reflected in the arrangement of each tag 40 on the first relevance map 42, and therefore, the user selects the category between keywords according to the positional relationship and accumulation degree between the tags 40. There is an advantage that it is possible to grasp.

その反面、タグ40の位置関係から直接的に検索語との関係性を読み取ることができなかった。もちろん、タグ40に表記されたフォントサイズの大小が検索語との関連性の強さを表現しているのではあるが、検索語を2次元平面の中心に配置し、これとの関連性の強さを直接タグ40の位置関係によって表現した関連度マップを生成することも可能である。
以下、図29のフローチャートに従い、このような関連度マップの生成手順について説明する。
On the other hand, the relationship with the search term could not be read directly from the positional relationship of the tag 40. Of course, although the size of the font written in the tag 40 expresses the strength of the relevance to the search term, the search term is placed at the center of the two-dimensional plane and It is also possible to generate a relevance map in which the strength is directly expressed by the positional relationship of the tags 40.
Hereinafter, according to the flowchart of FIG. 29, a procedure for generating such a relevance map will be described.

まずユーザがクライアント36から検索対象となる文字列を入力すると、これを受け付けたマップ生成部28は(S70)、キーワード関連度表26を参照し、当該文字列と同一または一定範囲内の類似性を有するキーワードを検索語として認定すると共に、当該キーワードに対して関連度の高いキーワードを関連語として所定数抽出する(S72)。   First, when a user inputs a character string to be searched from the client 36, the map generation unit 28 that has received the character string (S70) refers to the keyword relevance table 26, and is similar to the character string or within a certain range. Are identified as search terms, and a predetermined number of keywords having high relevance to the keywords are extracted as related words (S72).

例えば、検索語として「環境技術」が与えられ、これに関連した上位50位以内の関連語が抽出される。図30に抽出例を示す。   For example, “environmental technology” is given as a search term, and related terms within the top 50 are extracted. FIG. 30 shows an extraction example.

つぎにマップ生成部28は、各関連語の順位データを数2に示す螺旋方程式に代入し、それぞれのX値とY値を算出する(S74)。

Figure 0005193669
ここで、「0.05」は螺旋の広がり度合を決定する固定値の係数を意味している。
「n」は関連度の順位を意味し、螺旋の中心が1、すなわち検索語に該当するため、関連語の第1位についてはn=2が代入されることとなる。
また、「e」は自然対数を意味している。 Next, the map generation unit 28 substitutes the rank data of each related word into the spiral equation shown in Equation 2, and calculates the respective X and Y values (S74).
Figure 0005193669
Here, “0.05” means a fixed value coefficient that determines the extent of the spiral.
“N” means the rank of relevance, and since the center of the spiral corresponds to 1, that is, the search word, n = 2 is substituted for the first rank of the related word.
“E” means a natural logarithm.

以上の結果、図31に示すように、各関連語のX値及びY値がマップ生成部28によって導かれる。
つぎにマップ生成部28は、各関連語のX値及びY値に基づいて、所定平面上における座標値を算出する(S76)。
以下に、座標算出の具体例を示す。
As a result, as shown in FIG. 31, the X value and Y value of each related word are derived by the map generation unit 28.
Next, the map generation unit 28 calculates coordinate values on a predetermined plane based on the X value and Y value of each related word (S76).
A specific example of coordinate calculation is shown below.

・座標平面のサイズ:横740ドット×縦500ドットに設定
・X座標変換比=座標平面の横幅÷(X値の最大値−X値の最小値)
・Y座標変換比=座標平面の縦幅÷(Y値の最大値−Y値の最小値)
・キーワードAのX座標=(キーワードAのX値−X値の最小値)*X座標変換比
・キーワードAのY座標=(キーワードAのY値−Y値の最小値)*Y座標変換比
-Coordinate plane size: Set to horizontal 740 dots x vertical 500 dots-X coordinate conversion ratio = horizontal width of coordinate plane / (maximum value of X value-minimum value of X value)
Y coordinate conversion ratio = vertical width of coordinate plane ÷ (maximum Y value−minimum Y value)
X coordinate of keyword A = (X value of keyword A−minimum value of X value) * X coordinate conversion ratio Y coordinate of keyword A = (Y value of keyword A−minimum value of Y value) * Y coordinate conversion ratio

以上の計算により、各キーワードのX値及びY値を、X軸が0〜740の間でY軸が0〜500の間の数値に変換でき、上記の2次元平面上に各タグ40を配置可能となる。
図32に、上記の変換法則に従って算出した各キーワードの座標値を例示する。
By the above calculation, the X value and Y value of each keyword can be converted into a numerical value between X axis 0-740 and Y axis 0-500, and each tag 40 is arranged on the above two-dimensional plane. It becomes possible.
FIG. 32 illustrates the coordinate values of each keyword calculated according to the above conversion law.

つぎにマップ生成部28は、各キーワードの存在を示すタグを生成する(S78)。
図15に示した通り、このタグ40は長方形状を備えており、各キーワードの文字列と、これを取り囲む余白部分を備えている。
また、関連語と区別するため、検索語には各関連語とは異なる文字色及び背景色が割り当てられている。
このタグ40の面積も、上記と同様、キーワードのフォントサイズ及び文字数に応じて自動的に決定される。そして、キーワードのフォントサイズは、上記と同じ要領で、検索語との関連度が大きいほど大きなフォントサイズが割り当てられている。
Next, the map generator 28 generates a tag indicating the presence of each keyword (S78).
As shown in FIG. 15, the tag 40 has a rectangular shape, and includes a character string of each keyword and a blank portion surrounding the character string.
In order to distinguish from related words, a character color and a background color different from each related word are assigned to the search word.
The area of the tag 40 is also automatically determined according to the keyword font size and the number of characters, as described above. The keyword font size is assigned in the same manner as described above, and a larger font size is assigned as the degree of association with the search word increases.

つぎにマップ生成部28は、上記の各タグ40を上記の2次元平面上にそれぞれ配置し、第2の関連度マップを生成する(S80)。
この際、各タグ40の中心点が上記で求めた平面上の座標点に重なるように配置される。また、検索語に対応したタグ40は、2次元平面の中心に配置される。
Next, the map generation unit 28 arranges each of the tags 40 on the two-dimensional plane, and generates a second relevance map (S80).
At this time, the center point of each tag 40 is arranged so as to overlap the coordinate point on the plane obtained above. Further, the tag 40 corresponding to the search word is arranged at the center of the two-dimensional plane.

この第2の関連度マップは、Webサーバ32によってWebファイルに加工され、クライアント36に送信される(S82)。
この結果、クライアント36のWebブラウザ上には、図33に示すように、第2の関連度マップ46が表示される。
The second relevance map is processed into a Web file by the Web server 32 and transmitted to the client 36 (S82).
As a result, the second relevance map 46 is displayed on the Web browser of the client 36 as shown in FIG.

この第2の関連度マップ46上では、各タグ40のフォントサイズが上記の通り検索語との関連度の強さを表しているため、検索語「環境技術」に最も関連性の強いキーワードが「地球環境」であることが理解できる。また、「ハイブリッド」、「地球温暖化」、「温暖化」などのキーワードも、「環境技術」と比較的強い関連性を有していることが理解できる。
さらに、この第2の関連度マップ46においては、2次元平面の中心に検索語のタグ40が配置され、他のタグ40はそれぞれの関連度に応じてこれを螺旋状に取り囲むように配置されているため、各タグ40の配置(検索語のタグとの距離)によって、検索語との関連度を読み取ることが可能となる。
On the second relevance map 46, since the font size of each tag 40 represents the strength of the relevance with the search term as described above, the keyword most relevant to the search term “environmental technology” is It can be understood that it is the “global environment”. It can also be understood that keywords such as “hybrid”, “global warming”, “warming” have a relatively strong relationship with “environmental technology”.
Further, in the second relevance map 46, the search term tag 40 is arranged at the center of the two-dimensional plane, and the other tags 40 are arranged so as to spirally surround the tags according to the respective relevance degrees. Therefore, it is possible to read the degree of association with the search word based on the arrangement of each tag 40 (distance from the tag of the search word).

この第2の関連度マップ46の生成に際しては、各キーワードの順位に基づいてタグ40の座標が求められるため、一度順位と座標値との対応関係を計算しておけば、2次元平面の大きさ及び抽出する関連語の数に変更がない限り、再計算することなく直ちにタグ40を2次元平面上に配置でき、システム10の演算量を低減できる利点がある。   When the second relevance map 46 is generated, the coordinates of the tag 40 are obtained based on the ranking of each keyword. Therefore, once the correspondence between the ranking and the coordinate value is calculated, the size of the two-dimensional plane is calculated. As long as there is no change in the number of related words to be extracted, there is an advantage that the tag 40 can be immediately placed on a two-dimensional plane without recalculation, and the amount of calculation of the system 10 can be reduced.

この第2の関連度マップ46上の任意のタグ40を選択した状態でユーザがクリックすると、上記した第1の関連度マップ42の場合と同様、吹きだしメニュー44が展開される。
そして、このメニュー44中からユーザが「Go to "トヨタ"」を選択すると、クライアント36から新たな検索語として「トヨタ」の文字列がWebサーバ32に送信される。
When the user clicks in a state where an arbitrary tag 40 on the second relevance map 46 is selected, the balloon menu 44 is expanded as in the case of the first relevance map 42 described above.
When the user selects “Go to“ Toyota ”” from the menu 44, a character string “Toyota” is transmitted from the client 36 to the Web server 32 as a new search term.

これを受けたマップ生成部28は、上記のS70〜S80の処理を実行することにより、トヨタを検索語に設定した新たな第2の関連度マップ46を生成し、クライアント36に送信する(S82)。
この結果、図示は省略したが、クライアント36のWebブラウザ上にトヨタを検索語に設定した第2の関連度マップ46が表示される。
Receiving this, the map generating unit 28 generates the new second relevance map 46 in which Toyota is set as the search word by executing the processing of S70 to S80, and transmits it to the client 36 (S82). ).
As a result, although not shown, a second relevance map 46 in which Toyota is set as a search word is displayed on the Web browser of the client 36.

このようにユーザは、第2の関連度マップ46上に表示されるタグ40を次から次へと選択し、そのキーワードを検索語に設定していくことにより、恰も連想の旅を続けるようにして視野を広げていき、その課程で新しい発見や意外な気付きを体験することができる。   In this way, the user selects the tag 40 displayed on the second relevance map 46 from the next to the next, and sets the keyword as a search word so that the user can continue the associative journey. You can broaden your horizons and experience new discoveries and unexpected awareness in the course.

また、ユーザが吹きだしメニュー44中から「関連性の確認1(サイト内)」を選択すると、クライアント36からWebサーバ32に対し、環境技術とトヨタを関連付ける根拠の提示リクエストが送信される。   Further, when the user selects “relevance confirmation 1 (in site)” from the blowing menu 44, the client 36 transmits a request for presenting the basis for associating environmental technology with Toyota to the Web server 32.

これを受け付けたマップ生成部28は、図19に示したように、検索語である「環境技術」及び選択された「トヨタ」に基づいてキーワード共起頻度表20を検索し、両者間で共起の生じている文書番号のリストを生成する。
つぎにマップ生成部28は、この文書番号リストに基づいて文書DB12を検索し、文書本文のリストを生成した後、Webサーバ32経由でクライアント36に送信する。
この結果、クライアント36のディスプレイには、環境技術とトヨタとが同時に出現している文書の番号、タイトル、抄録、年月日等がリスト表示される。
Upon receiving this, the map generation unit 28 searches the keyword co-occurrence frequency table 20 based on the search term “environmental technology” and the selected “Toyota” as shown in FIG. Generate a list of document numbers that have occurred.
Next, the map generation unit 28 searches the document DB 12 based on the document number list, generates a list of document texts, and transmits the list to the client 36 via the Web server 32.
As a result, the display of the client 36 displays a list of document numbers, titles, abstracts, dates, etc. in which environmental technology and Toyota appear simultaneously.

また、この中の一つをユーザが選択すると、マップ生成部28は該当の文書データを文書DB12から抽出し、クライアント36に送信する。
この結果ユーザは、当該文書データの内容を閲覧し、「環境技術」と「トヨタ」との関連性を個別に確認することが可能となる。
When the user selects one of these, the map generation unit 28 extracts the corresponding document data from the document DB 12 and transmits it to the client 36.
As a result, the user can browse the contents of the document data and individually confirm the relationship between “environmental technology” and “Toyota”.

一方、ユーザが上記の吹きだしメニュー44中で「関連性の確認2(Web上)」を選択すると、Webファイルに組み込まれた制御プログラムにより、予め設定された検索サイトに接続するための新しいウィンドウあるいはタグがWebブラウザ上に起動し、当該検索サイトに対して「環境技術」及び「トヨタ」をand条件で結んだ検索語が送信される。
この結果、環境技術とトヨタの両者を含むWebサイトの情報がWebブラウザ上にリストアップされることとなり、ユーザは「環境技術」と「トヨタ」との関係性について、インターネットのWebサイトを通じて確認することが可能となる。
On the other hand, when the user selects “Relevance Confirmation 2 (on the Web)” in the above-mentioned balloon menu 44, a new window for connecting to a preset search site or by a control program incorporated in the Web file The tag is activated on the web browser, and a search term that connects "environmental technology" and "Toyota" with the "and" condition is sent to the search site.
As a result, website information including both environmental technology and Toyota will be listed on the web browser, and the user will check the relationship between "environmental technology" and "Toyota" through the Internet website. It becomes possible.

これに対し、ユーザが吹きだしメニュー44中で「Web上で検索」を選択すると、予め設定された検索サイトに接続するための新しいウィンドウあるいはタグがWebブラウザ上に起動し、当該検索サイトに対して「トヨタ」のみが検索語として送信される。
この結果、「トヨタ」に関するWebサイトの情報を確認することが可能となる。
On the other hand, when the user selects “Search on the Web” in the blowing menu 44, a new window or tag for connecting to the preset search site is started on the Web browser, and the search site is displayed. Only "Toyota" is sent as a search term.
As a result, it is possible to confirm information on the website related to “Toyota”.

またユーザが、吹きだしメニュー44中で「関連性を否定」を選択した場合、「環境技術」と「トヨタ」間の関連性を否定する情報がサーバ上の所定の記憶手段に蓄積される。
そして、この情報が一定数(例えば10件以上)を超えた時点で、キーワード関連度表20におけるデータが修正され、「環境技術」と「トヨタ」間の関連度が所定ポイント分減算され、あるいは0にリセットされる。
Further, when the user selects “deny relevance” in the balloon menu 44, information denying the relevance between “environmental technology” and “Toyota” is stored in a predetermined storage means on the server.
Then, when this information exceeds a certain number (for example, 10 or more), the data in the keyword relevance table 20 is corrected, and the relevance between “environmental technology” and “Toyota” is subtracted by a predetermined point, or Reset to zero.

この第2の関連度マップ46を生成するに際してタグ40間の重複が生じた場合、マップ生成部28は上記と同様のルールに従ってタグ40間の重複を解消させる。   When duplication between the tags 40 occurs when the second relevance map 46 is generated, the map generation unit 28 eliminates the duplication between the tags 40 according to the same rule as described above.

ところで、上記で説明した検索結果の表示方法では、検索語と各関連語間の共起性に基づく関連度の高低のみが関連度マップ上に反映するものであったが、これに各関連語の時間的な要素を反映させ、最近になって特に注目され出した関連語を他の関連語と区別できるようにすれば、さらに関連度マップの利用価値を高めることができる。
以下に、図34のフローチャートに従い、各関連語の時間的要素を第1の関連度マップ42に反映させる方法を説明する。
By the way, in the search result display method described above, only the level of relevance based on the co-occurrence between the search word and each related word is reflected on the relevance map. By reflecting the temporal elements of the above and making it possible to distinguish the related words that have recently attracted particular attention from other related words, the utility value of the relevance map can be further increased.
In the following, a method of reflecting temporal elements of each related word in the first relevance map 42 will be described according to the flowchart of FIG.

まず、検索キーワードの受付(S101)、当該検索語と関連度の深い関連語の抽出処理(S102)、検索語及び関連語の出現文書ID及び各文書中における出現頻度の取得(S103)、各文書中の出現頻度に対する主成分分析の実施(S104)、各キーワードの第1主成分値及び第2主成分値の抽出(S105)、各キーワードの座標データの算出(S106)、検索語及び各関連語を含むタグの生成(S107)までは、図10に示した第1の関連度マップ生成の際の処理手順であるS32〜S42と実質的に等しいため、重複の記載は省略する。   First, search keyword reception (S101), related word extraction processing (S102) that is closely related to the search word, appearance document ID of the search word and related word, and appearance frequency in each document (S103), Implementation of principal component analysis on appearance frequency in document (S104), extraction of first principal component value and second principal component value of each keyword (S105), calculation of coordinate data of each keyword (S106), search term and each The process up to the generation of tags including related words (S107) is substantially the same as S32 to S42, which is the processing procedure for generating the first relevance map shown in FIG.

つぎにマップ生成部28は、文書DB12に格納された各関連語の出現文書のメタデータを参照し、各文書の日付情報(作成日等)を取得する(S108)。
つぎにマップ生成部28は、関連語単位で文書データの日付順に出現頻度を並び替え、日付の新しさに応じた重みを与える(S109)。
図35は、この一例を示すテーブルであり、「脂肪」というキーワードについて日付毎の出現頻度が記載されており、さらに各日付に重みの数値が関連付けられている。
Next, the map generation unit 28 refers to the metadata of the appearance document of each related word stored in the document DB 12, and acquires date information (creation date, etc.) of each document (S108).
Next, the map generation unit 28 rearranges the appearance frequency in the order of the date of the document data in the related word unit, and gives a weight according to the newness of the date (S109).
FIG. 35 is a table showing an example of this, in which the appearance frequency for each date is described for the keyword “fat”, and a weight value is associated with each date.

この重みは、最も新しい日付である2008/05/01に最高の「365」が付与され、以後、1日ごとに重みの数値が1つずつ減少していく。そして、1年よりも以前の日付には全て「0」の重みが付与されている。   This weight is given the highest “365” on the latest date, May 01, 2008, and thereafter, the weight value decreases by one every day. All dates prior to one year are given a weight of “0”.

つぎにマップ生成部28は、日付毎の出現頻度に対応の重みを乗じ、この積を過去1年分合算することにより、当該キーワードの鮮度ポイントを算出する(S110)。   Next, the map generating unit 28 calculates the freshness point of the keyword by multiplying the appearance frequency for each date by the corresponding weight and adding the product for the past one year (S110).

つぎにマップ生成部28は、予め設定されたバースト期間以前における、所定期間内の1日当たりの出現頻度の平均値を算出する(S111)。ここで「バースト期間」とは、あるキーワードが旬であるか否か、あるいはトピカルであるか否かを判断するための基準となる直近の期間である。
例えば、バースト期間を「最も新しい日付を基準に過去1ヶ月間」と設定し、平均値の算出対象となる平均化対象期間を11ヶ月とすると、バースト期間以前の11ヶ月間における「脂肪」の出現頻度を合計し、これを11ヶ月に含まれる日数で除した商が上記平均値となる。
Next, the map generation unit 28 calculates an average value of appearance frequencies per day within a predetermined period before a preset burst period (S111). Here, the “burst period” is the latest period that serves as a reference for determining whether a certain keyword is in season or topical.
For example, if the burst period is set as “the past month based on the latest date” and the averaging period for calculating the average value is 11 months, the “fat” in the 11 months before the burst period The average is the quotient obtained by summing up the appearance frequencies and dividing this by the number of days included in 11 months.

つぎにマップ生成部28は、当該キーワードの鮮度ポイントをこの平均値で除することにより、各関連語の急進度を算出する(S112)。   Next, the map generation unit 28 calculates the rapidity of each related word by dividing the freshness point of the keyword by this average value (S112).

つぎにマップ生成部28は、この急進度の高低に基づいた差別化処理を特定のタグに施す(S113)。例えば、急進度が上から5位以内の関連語について、他の関連語とは異なる色彩や模様を背景に施す処理が該当する。   Next, the map generation unit 28 performs a differentiation process based on the level of rapid progress on a specific tag (S113). For example, for a related word having a rapid advance degree of 5th or lower from the top, a process of applying a color or pattern different from those of other related words to the background is applicable.

つぎにマップ生成部28は、差別化処理を施したタグを含めた全関連語及び検索語のタグを設定平面上に配置した第1の関連度マップを生成する(S114)。
この第1の関連度マップは、Webサーバ32によってWebファイルに加工され、クライアント36に送信される(S115)。
Next, the map generation unit 28 generates a first relevance map in which tags of all related words including tags subjected to differentiation processing and tags of search words are arranged on a setting plane (S114).
This first relevance map is processed into a Web file by the Web server 32 and transmitted to the client 36 (S115).

この結果、クライアント36のWebブラウザ上には、図36に示すように、第1の関連度マップ42が表示される。この第1の関連度マップ上では、栄養教諭、BMI、アディポネクチン、メタボリックシンドローム、遺伝子の各タグについては、他のタグとは異なった網掛けパターンが背景に施されている。これは、急進度が1位〜5位のタグについては他のキーワードのタグと差別化するという上記S113の処理による。
この結果ユーザは、一目で「アディポネクチン」というキーワードがここ1ヶ月の間に急激に文書掲載頻度が増えてきた所謂「旬のキーワード」であることを認識することができる。
As a result, the first relevance map 42 is displayed on the Web browser of the client 36 as shown in FIG. On the first relevance map, the nutritional teacher, BMI, adiponectin, metabolic syndrome, and gene tags are provided with a different shading pattern from the other tags. This is due to the processing of S113 described above in which the tags with the first to fifth ranks are differentiated from other keyword tags.
As a result, the user can recognize at a glance that the keyword “adiponectin” is a so-called “seasonal keyword” in which the document publication frequency has rapidly increased in the past month.

なお、各関連語に対して時間的な要素を加味するということでいえば、各日付毎の出現頻度×重みによって算出された上記の鮮度ポイントがこれを体現しているともいえる。しかしながら、鮮度ポイントの多寡のみで当該キーワードの「新しさ」を判定するとなると、一般的な頻出語について高い値が付与される可能性がある。例えば、「肥満」というキーワードについていえば、「脂肪」や「カロリー」、「糖尿病」などは何時の時代でも必ずセットになって登場する頻出語であり、このような「旬」とは決していえないような語について高い鮮度ポイントが付与される結果となる。   In addition, it can be said that the above-described freshness point calculated by the appearance frequency × weight for each date embodies the fact that a temporal element is added to each related word. However, when the “newness” of the keyword is determined only by the number of freshness points, a high value may be given to a general frequent word. For example, as for the keyword “obesity”, “fat”, “calorie”, “diabetes”, etc. are frequent words that always appear as a set at any time, and such “season” can never be said. As a result, a high freshness point is given to such words.

そこでマップ生成部28は、上記のようにバースト期間以前の各キーワードの出現頻度の平均値で鮮度ポイントを除する処理を加えることにより、常時出現する頻出語の急進度を低く抑えることとしている。この結果、上記のようにバースト期間内で急激に出現頻度が高まってきたキーワードを有効に絞り込むことが可能となる。   Therefore, the map generation unit 28 suppresses the rapidity of frequently occurring frequently occurring words by adding the process of dividing the freshness point by the average value of the appearance frequency of each keyword before the burst period as described above. As a result, as described above, it is possible to effectively narrow down the keywords whose appearance frequency has rapidly increased within the burst period.

上記のバースト期間(過去1ヶ月)や平均化対象期間(バースト期間前11ヶ月)は一例であり、自由に変更可能である。
また、日付単位で計算する代わりに、週単位や10日単位、月単位で算出することもできる。
重みの付与方法も上記に限定されるものではなく、一週間単位、10日単位で一定数の重みが減少していくように設定することもできる。
The burst period (the past one month) and the averaging target period (11 months before the burst period) are examples, and can be freely changed.
Instead of calculating by date, it can also be calculated by week, 10 days, or month.
The weighting method is not limited to the above, and it can be set so that a certain number of weights decrease in units of one week or in units of 10 days.

なお、上記のように日付毎の出現頻度に付与される重みの最小値を「0」に限定することなく、所定期間よりも前の日付については、その古さに応じてマイナスの重みを付与するようにしても、一般的な頻出後の鮮度ポイントを低く抑えること自体は可能である。
ただし、この場合には過去において一度注目され、文書データ中における出現頻度が高まった後に注目度が低下し、所定の低迷期を経て再び出現頻度が高まりつつある関連語に関しては、最近の「プラスの重み×出現頻度」の値が過去の「マイナスの重み×出現頻度」の値によって大きく減殺され、鮮度ポイントが不当に低くなるという問題が生じる。
これに対し、上記のように所定期間よりも過去の日付については古さを問わず一様に「0」の重みを付与することとし、マイナスの重み付けを排除することにより、過去に一旦注目され最近になって再び注目されだした関連語についても正当な急進度を反映させることが可能となる。
As described above, the minimum value of the weight given to the appearance frequency for each date is not limited to “0”, and a negative weight is given to the date before the predetermined period according to its age. Even so, it is possible to keep the freshness point after frequent frequent occurrences low.
However, in this case, for related terms that have been noticed once in the past, the degree of attention has decreased after the appearance frequency in the document data has increased, and the frequency of appearance has increased again after a predetermined sluggish period, The value of “weight × appearance frequency” is greatly reduced by the past “minus weight × appearance frequency” value, resulting in a problem that the freshness point is unduly lowered.
On the other hand, as described above, weights of “0” are uniformly given to the dates past the predetermined period regardless of the age, and the negative weights are excluded, thereby attracting attention once in the past. It is possible to reflect a legitimate degree of rapid progress for related words that have recently attracted attention.

上記の第2の関連度マップ46について、この急進度を反映させることも当然に可能である。
以下に、図37のフローチャートに従い、各関連語の時間的要素を第2の関連度マップ46に反映させる方法を説明する。
Of course, it is possible to reflect this rapid degree of progress in the second relevance map 46.
In the following, a method for reflecting the temporal element of each related word on the second relevance map 46 will be described according to the flowchart of FIG.

まず、検索キーワードの受付(S121)、当該検索語と関連度の深い上位50位以内の関連語の抽出処理(S122)、各関連語の順位を螺旋方程式に代入してX値及びY値を算出する処理(S123)、X値及びY値を設定平面上の座標データに変換する処理(S124)、検索語及び各関連語を含むタグの生成処理(S125)
までは、図29に示した第2の関連度マップ生成の際の手順であるS70〜S78と実質的に等しいため、重複の記載は省略する。
First, search keyword reception (S121), extraction processing of related words within the top 50 most closely related to the search word (S122), the ranking of each related word is substituted into the spiral equation, and the X value and Y value are calculated. Processing to calculate (S123), processing to convert X value and Y value into coordinate data on setting plane (S124), generation processing of tag including search word and each related word (S125)
Up to this point, it is substantially the same as S70 to S78, which is the procedure for generating the second relevance map shown in FIG.

つぎにマップ生成部28は、検索語及び関連語の出現文書ID及び各文書中における出現頻度を取得する(S126)。
つぎにマップ生成部28は、各関連語の出現文書のメタデータを参照し、各文書の日付情報(作成日等)を取得する(S127)。
つぎにマップ生成部28は、関連語単位で文書データの日付順に出現頻度を並び替え、日付の新しさに応じた重みを与える(S128)。
つぎにマップ生成部28は、日付毎の出現頻度に対応の重みを乗じ、この積を過去1年分合算することにより、当該キーワードの鮮度ポイントを算出する(S129)。
つぎにマップ生成部28は、直近1ヶ月のバースト期間以前における、11ヶ月間の1日当たりの出現頻度の平均値を算出する(S130)。
つぎにマップ生成部28は、当該キーワードの鮮度ポイントをこの平均値で除することにより、各関連語の急進度を算出する(S131)。
つぎにマップ生成部28は、この急進度に基づいた差別化処理を特定のタグに施す(S132)。例えば、急進度が上から5位以内の関連語について、他の関連語とは異なる色彩や模様を背景に施す処理や、タグの形状を長方形から楕円形等に変形させる処理が該当する。
Next, the map generation unit 28 acquires the appearance document ID of the search word and the related word and the appearance frequency in each document (S126).
Next, the map generation unit 28 refers to the metadata of the appearance document of each related word, and acquires date information (creation date, etc.) of each document (S127).
Next, the map generation unit 28 rearranges the appearance frequencies in the order of the date of the document data in units of related words, and gives a weight according to the newness of the date (S128).
Next, the map generation unit 28 calculates the freshness point of the keyword by multiplying the appearance frequency for each date by the corresponding weight and sums the product for the past one year (S129).
Next, the map generation unit 28 calculates the average value of the appearance frequency per day for 11 months before the burst period of the most recent one month (S130).
Next, the map generation unit 28 calculates the rapidity of each related word by dividing the freshness point of the keyword by this average value (S131).
Next, the map generation unit 28 performs a differentiation process based on this rapid progress on a specific tag (S132). For example, for a related word having a rapid advance degree of 5th or higher from the top, a process of applying a color or pattern different from that of other related words to the background, or a process of changing the tag shape from a rectangle to an ellipse or the like is applicable.

つぎにマップ生成部28は、差別化処理を施したタグを含めた全関連語及び検索語のタグを設定平面上に配置した第2の関連度マップを生成する(S133)。
この第2の関連度マップは、Webサーバ32によってWebファイルに加工され、クライアント36に送信される(S134)。
Next, the map generation unit 28 generates a second relevance map in which tags of all related words including tags subjected to differentiation processing and tags of search words are arranged on a setting plane (S133).
The second relevance map is processed into a Web file by the Web server 32 and transmitted to the client 36 (S134).

この結果、クライアント36のWebブラウザ上には、図38に示すように、第2の関連度マップ46が表示される。この第2の関連度マップ46上では、ハイブリッド、ハイブリッド車、トヨタ、地球環境経済人サミット、地球共生プロジェクトのタグについては、他のタグとは異なった網掛けパターンが施されている。これは、急進度が1位〜5位のタグについては他のキーワードのタグと差別化するという上記S132の処理による。   As a result, the second relevance map 46 is displayed on the Web browser of the client 36 as shown in FIG. On the second relevance map 46, the hybrid, hybrid vehicle, Toyota, global economists summit, and earth symbiosis project tags have different shading patterns than other tags. This is due to the processing of S132 described above, in which the tags with the first to fifth rapid degrees are differentiated from other keyword tags.

以上説明したように、この実施形態によれば、各関連語が出現する文書データの日付を参照して重み付けをすることで、関連語の検索結果に時間的な要素を含めることができる。従来の検索では、関連語の抽出ベースとなっている文書データには、作成時点や公開時点、データベースへの蓄積時点などの様々な時間情報が内在しているにもかかわらず、検索結果では時間情報が捨象されていた。これに対しこの実施形態では、時間情報をある程度検索結果に反映させることが可能になる。   As described above, according to this embodiment, by referring to the date of the document data in which each related word appears, weighting can be included in the related word search result. In the conventional search, the document data, which is the base for extracting related terms, contains various time information such as creation time, release time, accumulation time in the database, etc. Information was discarded. On the other hand, in this embodiment, it becomes possible to reflect the time information in the search result to some extent.

なお、上記においては文書データの作成日付に応じた重みを付与したが、他にも、文書データをデータベースに蓄積した日付やWebサイト上に公開された日付に応じた重みを付与するようにしてもよい。   In the above, a weight according to the creation date of the document data is given, but in addition, a weight according to the date when the document data is stored in the database or the date published on the website is given. Also good.

また、上記においては急進度が上位5位以内の関連語についてのみ、そのタグに網掛けパターンを付するという表示上の差別化処理を施す例を示したが、この発明はこれに限定されるものではなく、上位10位以内の関連語について差別化処理を施したり、上位3以内の関連語にのみ差別化処理を施すようにすることもできる。
あるいは、各関連語の急進度を所定範囲で複数の帯域に区切り、各帯域に対して他の帯域と異なった表示態様を割り当てることもできる。
Further, in the above description, an example is given in which display differentiation processing is performed in which only a related word having a rapid advance degree within the top five is attached to the tag with a shaded pattern. However, the present invention is limited to this. Instead, it is possible to perform differentiation processing on the related words within the top 10 or perform differentiation processing only on the top 3 related words.
Alternatively, the rapidity of each related word can be divided into a plurality of bands within a predetermined range, and a display mode different from other bands can be assigned to each band.

図39は、この発明に係る第2の検索システム50の機能構成を示すブロック図である。この第2の検索システム50は、文書DB12と、キーワード抽出部14と、キーワードDB16と、関連度算出部18と、キーワード共起頻度表20と、キーワード組合せ頻度総和表22と、キーワード頻度総和表24と、キーワード関連度表26と、集計データ生成部52と、集計データDB54と、マップ生成部28とを備えている。
このシステム50にはWebサーバ32が接続されており、このWebサーバ32はインターネットやイントラネット等のネットワーク34を介して複数のクライアント36と接続されている。
FIG. 39 is a block diagram showing a functional configuration of the second search system 50 according to the present invention. The second search system 50 includes a document DB 12, a keyword extraction unit 14, a keyword DB 16, a relevance calculation unit 18, a keyword co-occurrence frequency table 20, a keyword combination frequency sum table 22, and a keyword frequency sum table. 24, a keyword relevance table 26, a total data generation unit 52, a total data DB 54, and a map generation unit 28.
A web server 32 is connected to the system 50, and the web server 32 is connected to a plurality of clients 36 via a network 34 such as the Internet or an intranet.

上記のキーワード抽出部14、関連度算出部18、集計データ生成部52及びマップ生成部28は、サーバコンピュータのCPUが、OS及び専用のアプリケーションプログラムに従い、必要な処理を実行することによって実現される。   The keyword extraction unit 14, the relevance calculation unit 18, the total data generation unit 52, and the map generation unit 28 are realized by the CPU of the server computer executing necessary processing according to the OS and a dedicated application program. .

上記の文書DB12、キーワードDB16、キーワード共起頻度表20、キーワード組合せ頻度総和表22、キーワード頻度総和表24、キーワード関連度表26及び集計データDB54は、同サーバコンピュータのハードディスクに格納されている。
文書DB12には、新聞記事や学術雑誌、論文等の電子データ(テキストデータ)が予め多数蓄積されている。
The document DB 12, the keyword DB 16, the keyword co-occurrence frequency table 20, the keyword combination frequency sum table 22, the keyword frequency sum table 24, the keyword relevance table 26, and the total data DB 54 are stored in the hard disk of the server computer.
A large number of electronic data (text data) such as newspaper articles, academic journals, and papers is stored in the document DB 12 in advance.

この第2の検索システム50は、図より明らかなように、マップ生成部28とキーワード共起頻度表20及びキーワード関連度表26との間に、集計データ生成部52と集計データDB54を介装させた点に特徴があり、他の構成は第1の検索システム10と実質的に等しいため、同一の機能構成部には同じ符号を付することにより、重複説明は省略する。   As is apparent from the figure, the second search system 50 includes a total data generation unit 52 and a total data DB 54 between the map generation unit 28, the keyword co-occurrence frequency table 20, and the keyword relevance level table 26. The other features are substantially the same as those of the first search system 10, and therefore, the same functional components are denoted by the same reference numerals, and redundant description is omitted.

第2の検索システム50における集計データ生成部52は、キーワード共起頻度表20及びキーワード関連度表26を参照して、図12に例示したクロス集計表を事前に生成し、これを所定のデータ形式に圧縮・変換した集計データを、集計データDB54に格納しておく機能を備えている。   The total data generation unit 52 in the second search system 50 refers to the keyword co-occurrence frequency table 20 and the keyword relevance level table 26 in advance to generate the cross tabulation table illustrated in FIG. It has a function of storing aggregated data compressed and converted into a format in the aggregated data DB 54.

すなわち、第1の検索システム10の場合には、ユーザからの検索リクエストを受けた後に、マップ生成部28がキーワード関連度表26を参照して50件の関連語を抽出し、キーワード共起頻度表20を参照して検索語及び各関連語の出現文書ID及び各文書中の出現頻度を取得し、図12のクロス集計表を検索の都度生成しているため、検索結果である第1の関連度マップ42の出力までには相当の時間を要することとなり、またシステム上の負荷も一時的に増大する懸念があった。   That is, in the case of the first search system 10, after receiving a search request from the user, the map generation unit 28 refers to the keyword relevance table 26 and extracts 50 related words, and the keyword co-occurrence frequency The search document and the appearance document ID of each related word and the appearance frequency in each document are acquired with reference to Table 20, and the cross tabulation table of FIG. 12 is generated each time the search is performed. It takes a considerable amount of time to output the relevance map 42, and there is a concern that the load on the system temporarily increases.

もちろん、事前に図12のクロス集計表を作成し、ハードディスクに格納しておけば検索リクエスト時の処理時間を短縮化できることは当然であるが、実際問題としてキーワードの件数及び文書データの件数は膨大となるため、関連度が上位50位までの関連語の全文書における出現頻度を記録したクロス集計表の数及びそれぞれのデータ量も膨大となり、その保存には大きなディスク容量を確保する必要があった。しかも、各クロス集計表では、頻度=0のセルが大半を占めることとなり、リソースの無駄遣いが生じることは必定であるため、第1の検索システム10の場合には、検索リクエスト受付時に当該検索語に係るクロス集計表のみを作成する方式を採用していた。   Of course, if the cross tabulation table of FIG. 12 is created in advance and stored in the hard disk, it is natural that the processing time at the time of the search request can be shortened. However, the actual number of keywords and the number of document data are enormous. Therefore, the number of cross tabulation tables that record the frequency of occurrence of related words up to the top 50 related words in all documents and the amount of each data are enormous, and it is necessary to secure a large disk capacity for storage. It was. In addition, in each cross tabulation table, cells with frequency = 0 occupy the majority, and it is necessary that resources be wasted. Therefore, in the case of the first search system 10, when the search request is received, The method of creating only the cross tabulation table related to was adopted.

これに対し第2の検索システム50の場合には、クロス集計表のデータ形式を工夫することで大幅にデータ量を削減し、上記の問題を解決している。以下、図40のフローチャートに従い、集計データ生成部52における処理手順を説明する。   On the other hand, in the case of the second search system 50, the amount of data is greatly reduced by devising the data format of the cross tabulation table, and the above problem is solved. Hereinafter, the processing procedure in the total data generation unit 52 will be described with reference to the flowchart of FIG.

まず集計データ生成部52は、キーワード関連度表26を参照し、各キーワード毎に上位50以内の関連度を備えた関連語を抽出する(S141)。
つぎに集計データ生成部52は、キーワード共起頻度表20を参照し、特定キーワード及びその関連語の出現文書ID及びそれぞれの各文書中における出現頻度を取得する(S142)。
つぎに集計データ生成部52は、行項目に文書IDを設定すると共に、列項目に特定キーワード及びその関連語を設定し、各セル内に出現頻度を充填したクロス集計表を生成する(S143)。
つぎに集計データ生成部52は、この縦横に広大な領域を有し、値=0のセルが大半を占める冗長なクロス集計表を、一定の変換方式に従って圧縮する(S144)。
First, the total data generation unit 52 refers to the keyword relevance level table 26 and extracts related words having a relevance level within the top 50 for each keyword (S141).
Next, the total data generating unit 52 refers to the keyword co-occurrence frequency table 20, and acquires the appearance document ID of the specific keyword and its related word and the appearance frequency in each document (S142).
Next, the total data generation unit 52 sets the document ID in the row item, sets the specific keyword and its related word in the column item, and generates a cross tabulation table in which the appearance frequency is filled in each cell (S143). .
Next, the total data generation unit 52 compresses the redundant cross tabulation table having vast areas in the vertical and horizontal directions and occupying most of the cells with value = 0 in accordance with a certain conversion method (S144).

図41は、この圧縮処理の要領を示す説明図であり、図12に示したのと同様のクロス集計表56が、僅か1行の集計データ58に変換されている。
この変換方式を詳しく説明すると、まずクロス集計表56のカラム名に相当する肥満、脂肪等のキーワード(特定キーワード及びその関連語)は、相互間を「,」(カンマ)で区切って一列に配置させる。
また、各セルについては、0以外の値(出現頻度)が存在する場合には、その位置情報と値が「1>2」のように表現される。この中、「1」の部分はキーワードの順番を示しており、具体的には1番目に位置する「肥満」を指している。また、「2」の部分は出現頻度が「2」であることを指している。「>」は、各キーワードの順番と出現頻度とを関連付ける記号である。
値が0のセルについては、記述が省略される。
改行(文書の変わり目)は「/」で表現され、つぎの文書における値が始まることを意味する。
同じ行において複数の値が存在する場合には、相互間に「,」(カンマ)の区切り文字が配置される。
FIG. 41 is an explanatory diagram showing the point of this compression processing. A cross tabulation table 56 similar to that shown in FIG. 12 is converted into tabulated data 58 of only one row.
This conversion method will be explained in detail. First, keywords such as obesity and fat (specific keywords and related words) corresponding to the column names in the cross tabulation table 56 are arranged in a line separated from each other by “,” (comma). Let
For each cell, if there is a value other than 0 (appearance frequency), the position information and value are expressed as “1> 2”. Among these, “1” indicates the order of keywords, and specifically indicates “obesity” positioned first. The part “2” indicates that the appearance frequency is “2”. “>” Is a symbol that associates the order of each keyword with the appearance frequency.
The description of a cell having a value of 0 is omitted.
A line break (change of document) is expressed by “/”, which means that a value in the next document starts.
When there are a plurality of values in the same line, a delimiter of “,” (comma) is placed between them.

以下に、集計データ58の各部について具体的に解説する。
まず、冒頭の「肥満,脂肪,糖尿病,糖尿,習慣/」は、カラム名に相当するキーワードが、肥満(1番目)、脂肪(2番目)、糖尿病(3番目)、糖尿(4番目)、習慣(5番目)であることを表現している。
(1)の「1>2/」は、1番目の文書(6102)の「肥満」の頻度は「2」であり、他のキーワードの頻度は「0」であることを表現している。
(2)の「1>2,5>3/」は、2番目の文書(8594)の「肥満」の頻度は「2」であり、「習慣」の頻度は「3」、それ以外のキーワードの頻度は「0」であることを表現している。
(3)の「1>4/」は、3番目の文書(10104)の「肥満」の頻度は「4」であり、それ以外のキーワードの頻度は「0」であることを表現している。
(4)の「1>2/」は、4番目の文書(11671)の「肥満」の頻度は「2」であり、それ以外のキーワードの頻度は「0」であることを表現している。
(5)の「1>3,2>2/」は、5番目の文書(13690)の「肥満」の頻度は「3」であり、「脂肪」の頻度は「2」、それ以外のキーワードの頻度は「0」であることを表現している。
(6)の「1>3,2>13/」は、6番目の文書(13691)の「肥満」の頻度は「3」であり、「脂肪」の頻度は「13」、それ以外のキーワードの頻度は「0」であることを表現している。
(7)の「1>4/」は、7番目の文書(18026)の「肥満」の頻度は「4」であり、それ以外のキーワードの頻度は「0」であることを表現している。
(8)の「1>5/」は、8番目の文書(21642)の「肥満」の頻度は「5」であり、それ以外のキーワードの頻度は「0」であることを表現している。
(9)の「1>2/」は、9番目の文書(29478)の「肥満」の頻度は「2」であり、それ以外のキーワードの頻度は「0」であることを表現している。
Hereinafter, each part of the total data 58 will be specifically described.
First, "obesity, fat, diabetes, diabetes, habits /" at the beginning are keywords corresponding to column names: obesity (first), fat (second), diabetes (third), diabetes (fourth), Expresses that it is a habit (fifth).
“1> 2 /” in (1) represents that the frequency of “obesity” in the first document (6102) is “2” and the frequency of other keywords is “0”.
In (2) “1>2,5> 3 /”, the frequency of “obesity” in the second document (8594) is “2”, the frequency of “custom” is “3”, and other keywords The frequency of “0” is expressed as “0”.
“1> 4 /” in (3) indicates that the frequency of “obesity” in the third document (10104) is “4” and the frequency of other keywords is “0”. .
“1> 2 /” in (4) indicates that the frequency of “obesity” in the fourth document (11671) is “2” and the frequency of other keywords is “0”. .
In (5), “1>3,2> 2 /” indicates that the frequency of “obesity” in the fifth document (13690) is “3”, the frequency of “fat” is “2”, and other keywords The frequency of “0” is expressed as “0”.
In (6), “1>3,2> 13 /” indicates that the frequency of “obesity” in the sixth document (13691) is “3”, the frequency of “fat” is “13”, and other keywords The frequency of “0” is expressed as “0”.
“1> 4 /” in (7) indicates that the frequency of “obesity” in the seventh document (18026) is “4” and the frequency of other keywords is “0”. .
“1> 5 /” in (8) represents that the frequency of “obesity” in the eighth document (21642) is “5” and the frequency of other keywords is “0”. .
“1> 2 /” in (9) indicates that the frequency of “obesity” in the ninth document (29478) is “2” and the frequency of other keywords is “0”. .

以上より明らかなように、出現頻度=0のセルについての記録は排除されており、出現頻度=1以上のデータのみが記録されているため、データ量が大幅に削減されている。
もちろん、図示の便宜上、図41の例では文書の数が9に、キーワードの数も5に限定してあるが、例えそれぞれの件数が増大したとしても、基本構造は変わらず、1行のデータとして出現頻度を表現できる。しかも、頻度=0のセルは記録からは除外されているため、冗長性が有効に排除され得る。
As is clear from the above, the recording of the cell with the appearance frequency = 0 is excluded, and only the data with the appearance frequency = 1 or more is recorded, so that the data amount is greatly reduced.
Of course, for convenience of illustration, in the example of FIG. 41, the number of documents is limited to nine and the number of keywords is limited to five. However, even if the number of each case increases, the basic structure does not change and one line of data The appearance frequency can be expressed as In addition, since the cell of frequency = 0 is excluded from the recording, the redundancy can be effectively excluded.

集計データ生成部52は、上記のように1行形式に圧縮した集計データ58を、各キーワードに関連付けて集計データDB54に格納する(S145)。   The total data generation unit 52 stores the total data 58 compressed in the one-line format as described above in the total data DB 54 in association with each keyword (S145).

つぎに、図42のフローチャートに従い、第1の関連度マップ42の生成手順について説明する。
まずマップ生成部28は、ユーザのクライアント36から検索キーワードを受け付けた後(S151)、集計データDB54から当該検索語に係る集計データを読み込み(S152)、クロス集計表を復元する(S153)。この復元後のクロス集計表では文書IDが欠落しているが、後続の処理に文書IDは必要でないため、特に問題はない。
Next, a procedure for generating the first relevance map 42 will be described with reference to the flowchart of FIG.
First, after receiving a search keyword from the user's client 36 (S151), the map generation unit 28 reads the aggregate data related to the search term from the aggregate data DB 54 (S152), and restores the cross tabulation table (S153). Although the document ID is missing in the restored cross tabulation table, there is no particular problem because the document ID is not necessary for subsequent processing.

つぎにマップ生成部28は、文書毎の検索語及び関連語の出現頻度データに対して主成分分析を実施し(S154)、分析結果として第1主成分値及び第2主成分値を抽出する(S155)。
つぎにマップ生成部28は、第1主成分値及び第2主成分値を所定平面上の座標データに変換する(S156)。
つぎにマップ生成部28は、検索語及び関連語を含むタグを生成した後(S157)、各タグを設定平面上に配置した第1の関連度マップを生成する(S158)。
この第1の関連度マップ42は、Webサーバ32を介してクライアント36に配信される(S159)。
Next, the map generation unit 28 performs principal component analysis on the search word and related word appearance frequency data for each document (S154), and extracts the first principal component value and the second principal component value as analysis results. (S155).
Next, the map generation unit 28 converts the first principal component value and the second principal component value into coordinate data on a predetermined plane (S156).
Next, the map generation unit 28 generates a tag including the search word and the related word (S157), and then generates a first relevance map in which each tag is arranged on the setting plane (S158).
The first relevance map 42 is distributed to the client 36 via the Web server 32 (S159).

上記のように、事前に集計データが集計データDB54に格納されているため、検索時の処理時間を大幅に短縮することが可能となる。
また、上記のように予め各キーワードについて関連度が上位50位以内の関連語に係る文書毎の出現頻度データを集計データとして蓄積しているため、第1の関連度マップ42上に表示させる関連語の数を減らす必要がある場合であっても、柔軟に対応できる利点がある。
As described above, since the total data is stored in the total data DB 54 in advance, it is possible to greatly reduce the processing time during the search.
In addition, as described above, since the appearance frequency data for each document related to the related words having the top 50 related degrees for each keyword is accumulated as total data, the relations to be displayed on the first relevance map 42 are as follows. Even when it is necessary to reduce the number of words, there is an advantage of being able to respond flexibly.

例えば、クライアント36から関連語の表示件数を10件に間引くようにリクエストされた場合、マップ生成部28は集計データを元に復元したクロス集計表から検索語に対して関連度が上位10位以内の関連語の出現頻度データのみを抽出し、これらに基づいて上記のS154〜S159の処理を実行することにより、第1の関連度マップ42を迅速に生成することが可能となる。   For example, if the client 36 requests that the number of related words displayed be reduced to 10, the map generation unit 28 has a relevance level within the top 10 for the search term from the cross tabulation table restored based on the aggregated data. It is possible to quickly generate the first relevance map 42 by extracting only the appearance frequency data of the related words and executing the processes of S154 to S159 based on them.

この発明に係る第1の検索システムの機能構成を示すブロック図である。It is a block diagram which shows the function structure of the 1st search system which concerns on this invention. キーワード抽出部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a keyword extraction part. キーワード抽出工程を示すフローチャートである。It is a flowchart which shows a keyword extraction process. 文字列頻度統計フィルタの動作を示す説明図である。It is explanatory drawing which shows operation | movement of a character string frequency statistical filter. 文書DB内に形態素インデックスが形成されている様子を示す説明図である。It is explanatory drawing which shows a mode that the morpheme index is formed in document DB. キーワード間の関連度算出工程を示すフローチャートである。It is a flowchart which shows the related degree calculation process between keywords. キーワード共起頻度表の一例を示す説明図である。It is explanatory drawing which shows an example of a keyword co-occurrence frequency table. 関連度算出処理を簡略化する方法を示す説明図である。It is explanatory drawing which shows the method of simplifying a relevance calculation process. キーワード組合せ頻度総和表及びキーワード頻度総和表に基づいてキーワード関連度表が生成される様子を示す説明図である。It is explanatory drawing which shows a mode that a keyword relevance table is produced | generated based on a keyword combination frequency total table and a keyword frequency total table. 第1の関連度マップ生成の手順を示すフローチャートである。It is a flowchart which shows the procedure of a 1st relevance map production | generation. 与えられた検索語に基づいて関連語を抽出した結果を示す模式図である。It is a schematic diagram which shows the result of having extracted the related term based on the given search term. 文書毎に検索語及び各関連語の出現頻度を抽出した結果を示す図表である。It is a graph which shows the result of having extracted the appearance frequency of the search word and each related word for every document. 検索語及び各関連語の第1主成分及び第2主成分を算出した結果を示す図表である。It is a graph which shows the result of having calculated the 1st principal component and the 2nd principal component of a search term and each related term. 検索語及び各関連語の第1主成分値及び第2主成分値に基づいて所定平面上の座標を算出した結果を示す図表である。It is a graph which shows the result of having calculated the coordinate on a predetermined plane based on the 1st principal component value and 2nd principal component value of a search word and each related word. 検索語及び各関連語のタグを示す説明図である。It is explanatory drawing which shows the tag of a search term and each related term. 第1の関連度マップを示す図である。It is a figure which shows a 1st relevance map. 第1の関連度マップを示す図である。It is a figure which shows a 1st relevance map. 第1の関連度マップを示す図である。It is a figure which shows a 1st relevance map. 検索語及び特定の関連語間の関連度の根拠を提示する様子を示す説明図である。It is explanatory drawing which shows a mode that the basis of the relevance degree between a search word and a specific related word is shown. 第1の関連度マップ上において、タグ間で重複が生じている様子を示す図である。It is a figure which shows a mode that duplication has arisen between tags on the 1st relevance map. タグ間の重複を解消するためのアルゴリズムを示すフローチャートである。It is a flowchart which shows the algorithm for eliminating the duplication between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. タグ間の重複解消の具体例を示す説明図である。It is explanatory drawing which shows the specific example of the duplication elimination between tags. 第2の関連度マップ生成の手順を示すフローチャートである。It is a flowchart which shows the procedure of a 2nd relevance map production | generation. 検索語との関連度が高い順に複数のキーワードを抽出した様子を示す図表である。It is a graph which shows a mode that several keywords were extracted in order with the high degree of relevance with a search term. 各キーワードのX値及びY値を算出した結果を示す図表である。It is a graph which shows the result of having calculated X value and Y value of each keyword. 各キーワードのX値及びY値に基づいて所定平面上の座標を算出した結果を示す図表である。It is a graph which shows the result of having calculated the coordinate on a predetermined plane based on X value and Y value of each keyword. 第2の関連度マップを示す図である。It is a figure which shows a 2nd relevance map. 関連語の時間的要素を第1の関連度マップに反映させる際の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence at the time of reflecting the temporal element of a related word on a 1st relevance map. 文書データの日付順に各関連語の出現頻度を並び替え、日付の新しさに応じた重みを付与する様子を示すテーブルである。It is a table which shows a mode that the appearance frequency of each related word is rearranged in order of the date of document data, and the weight according to the newness of a date is provided. 関連語の時間的要素を第1の関連度マップに反映させた具体例を示す図である。It is a figure which shows the specific example which reflected the temporal element of the related word on the 1st relevance map. 関連語の時間的要素を第2の関連度マップに反映させる際の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence at the time of reflecting the time element of a related word on a 2nd relevance degree map. 関連語の時間的要素を第2の関連度マップに反映させた具体例を示す図である。It is a figure which shows the specific example which reflected the time element of the related word on the 2nd relevance map. この発明に係る第2の検索システムの機能構成を示すブロック図である。It is a block diagram which shows the function structure of the 2nd search system which concerns on this invention. 集計データ生成部の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of a total data generation part. 集計データ生成部によるクロス集計データの圧縮処理の要領を示す説明図である。It is explanatory drawing which shows the point of the compression process of the cross tabulation data by a tabulation data production | generation part. 第2の検索システムによる第1の関連度マップの生成手順を示すフローチャートである。It is a flowchart which shows the production | generation procedure of the 1st relevance map by a 2nd search system.

符号の説明Explanation of symbols

10 第1の検索システム
12 文書DB
14 キーワード抽出部
14a 係り受け表現抽出フィルタ
14b 区切り文字抽出フィルタ
14c 文字列頻度統計フィルタ
14d TermExtractフィルタ
14e キーワード認定フィルタ
16 キーワードDB
18 関連度算出部
20 キーワード共起頻度表
22 キーワード組合せ頻度総和表
24 キーワード頻度総和表
26 キーワード関連度表
28 マップ生成部
32 Webサーバ
34 ネットワーク
36 クライアント
40 タグ
42 第1の関連度マップ
44 吹きだしメニュー
46 第2の関連度マップ
50 第2の検索システム
52 集計データ生成部
54 集計データDB
56 クロス集計表
58 集計データ
10 First search system
12 Document DB
14 Keyword extractor
14a Dependency Expression Extraction Filter
14b Delimiter extraction filter
14c String frequency statistics filter
14d TermExtract filter
14e Keyword recognition filter
16 Keyword DB
18 Relevance calculator
20 Keyword co-occurrence frequency table
22 Keyword combination frequency summation table
24 Keyword Frequency Summation Table
26 Keyword Relevance Table
28 Map generator
32 Web server
34 network
36 clients
40 tags
42 First relevance map
44 Blowout menu
46 Second relevance map
50 Second search system
52 Total data generator
54 Total data DB
56 Crosstabulation
58 Aggregated data

Claims (1)

複数のキーワードの出現頻度を文書データ毎に集計した結果を格納しておくキーワード共起頻度記憶手段と、
各キーワードの各文書データ中における出現頻度データを用いて算出された、キーワード間の共起性に基づく関連度を格納しておくキーワード関連度記憶手段と、
上記キーワード関連度記憶手段を参照し、特定キーワードに対する関連度の高い順に所定数の他のキーワードを関連語として抽出する手段と、
上記キーワード共起頻度記憶手段を参照し、特定キーワード及びその関連語が出現する文書データのID、及び各文書データ中における特定キーワード及び関連語の出現頻度を取得し、それぞれの文書データ毎の出現頻度を充填したクロス集計表を生成する手段と、
このクロス集計表を圧縮し、上記特定キーワードに関連付けて集計データ記憶手段に格納するデータ圧縮手段と、
検索語が入力された場合に、上記集計データ記憶手段から検索語に対応する特定キーワードの集計データを抽出する手段と、
この集計データに基づいてクロス集計表を復元する手段と、
このクロス集計表を参照し、文書データ毎の特定キーワード及び関連語の出現頻度を変量とする多変量データに対して主成分分析を施し、それぞれの第1主成分値及び第2主成分値を算出する手段と、
この第1主成分値及び第2主成分値に基づいて、所定平面上における特定キーワード及び関連語の座標値を算出する手段と、
特定キーワード及び関連語を表記したタグを、それぞれの座標値に基づいて上記平面上に配置させた関連度マップを生成する手段と、
この関連度マップを出力する手段とを備えた検索システムであって、
上記データ圧縮手段が、以下の変換ルールに従って特定キーワードに係るクロス集計表を1行形式の集計データに圧縮することを特徴とする検索システム。
(1)特定キーワード及びその関連語を順番に整列させ、各キーワード間に所定の区切り文字を配置させる。
(2)各文書における各キーワードの出現頻度を表す数値を、上記キーワードの順番を表す数字と関連付けて記述する。
(3)同一文書における各キーワードの出現頻度を表す数値が複数ある場合は、相互間に所定の区切り文字を配置させる。
(4)出現頻度が0の場合には、(2)の記述を省略する。
(5)文書の変わり目には、所定の区切り文字を配置させる。
A keyword co-occurrence frequency storage means for storing the results of counting the appearance frequencies of a plurality of keywords for each document data;
Keyword relevance storage means for storing relevance based on co-occurrence between keywords calculated using appearance frequency data in each document data of each keyword;
Means for referring to the keyword relevance degree storage means and extracting a predetermined number of other keywords as related words in descending order of relevance to the specific keyword;
Refer to the keyword co-occurrence frequency storage means, obtain the ID of the document data in which the specific keyword and its related word appear, and the appearance frequency of the specific keyword and related word in each document data, and appear for each document data A means of generating a crosstabulation table filled with frequencies;
Data compression means for compressing the cross tabulation table and storing it in the total data storage means in association with the specific keyword;
Means for extracting aggregate data of a specific keyword corresponding to the search word from the aggregate data storage means when a search word is input;
A means of restoring the crosstabulation table based on this aggregated data;
With reference to this cross tabulation table, the principal component analysis is performed on the multivariate data with the appearance frequency of the specific keyword and the related word for each document data as a variable, and the first principal component value and the second principal component value are obtained. Means for calculating;
Means for calculating the coordinate values of the specific keyword and the related word on a predetermined plane based on the first principal component value and the second principal component value;
Means for generating a relevance map in which tags expressing specific keywords and related words are arranged on the plane based on respective coordinate values;
A search system comprising means for outputting the relevance map ,
A search system, wherein the data compression means compresses a cross tabulation table related to a specific keyword into tabulation data in a one-line format according to the following conversion rule.
(1) A specific keyword and its related words are arranged in order, and a predetermined delimiter is placed between each keyword.
(2) Describe the numerical value representing the appearance frequency of each keyword in each document in association with the number representing the order of the keywords.
(3) When there are a plurality of numerical values representing the appearance frequency of each keyword in the same document, a predetermined delimiter is placed between them.
(4) When the appearance frequency is 0, the description in (2) is omitted.
(5) A predetermined delimiter is placed at the turn of the document.
JP2008122779A 2008-05-08 2008-05-08 Search system Expired - Fee Related JP5193669B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008122779A JP5193669B2 (en) 2008-05-08 2008-05-08 Search system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008122779A JP5193669B2 (en) 2008-05-08 2008-05-08 Search system

Publications (2)

Publication Number Publication Date
JP2009271794A JP2009271794A (en) 2009-11-19
JP5193669B2 true JP5193669B2 (en) 2013-05-08

Family

ID=41438271

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008122779A Expired - Fee Related JP5193669B2 (en) 2008-05-08 2008-05-08 Search system

Country Status (1)

Country Link
JP (1) JP5193669B2 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5541014B2 (en) * 2010-09-08 2014-07-09 大日本印刷株式会社 Book information search device, book information search system, book information search method and program
KR101672579B1 (en) * 2010-11-05 2016-11-03 라쿠텐 인코포레이티드 Systems and methods regarding keyword extraction
JP6647704B2 (en) * 2015-06-29 2020-02-14 国立大学法人佐賀大学 Search candidate word display device, search candidate word display method, and search candidate word display program
CN108710628B (en) * 2018-03-29 2022-06-17 中国科学院软件研究所 Visual analysis method and system for multi-modal data based on sketch interaction
JP7006462B2 (en) 2018-04-02 2022-01-24 富士通株式会社 Data generation program, data generation method and information processing equipment

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005149346A (en) * 2003-11-19 2005-06-09 Nomura Research Institute Ltd Document information analysis system and document information analysis program

Also Published As

Publication number Publication date
JP2009271794A (en) 2009-11-19

Similar Documents

Publication Publication Date Title
JP4937812B2 (en) Search system
US7783644B1 (en) Query-independent entity importance in books
JP4746439B2 (en) Document search server and document search method
JP3717808B2 (en) Information retrieval system
Sood et al. TagAssist: Automatic Tag Suggestion for Blog Posts.
JP6116247B2 (en) System and method for searching for documents with block division, identification, indexing of visual elements
US20130110839A1 (en) Constructing an analysis of a document
JP6538277B2 (en) Identify query patterns and related aggregate statistics among search queries
JP5193669B2 (en) Search system
US11604778B1 (en) Taxonomic fingerprinting
JP5139883B2 (en) Search system
JP2011154467A (en) Retrieval result ranking method and system
JP5836893B2 (en) File management apparatus, file management method, and program
JP2009122807A (en) Associative retrieval system
JP4959603B2 (en) Program, apparatus and method for analyzing document
JP2009122940A (en) Document relevance calculation system, document relevance calculation method and document relevance calculation program
JP5080544B2 (en) Information processing apparatus, information processing method, and information processing program for presenting appropriate search query
JP2009086771A (en) Retrieval service device
JP2009086774A (en) Retrieval service device
JP2008250625A (en) Retrieval system
JP2013054606A (en) Document retrieval device, method and program
KR20120038418A (en) Searching methods and devices
JP5149581B2 (en) Search service device
JP5368900B2 (en) Information presenting apparatus, information presenting method, and program
JP4230710B2 (en) SEARCH DEVICE, SEARCH METHOD, AND PROGRAM

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110309

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20121101

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20121113

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20121228

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130129

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130204

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160208

Year of fee payment: 3

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees