JP5292336B2 - 検索システムユーザの分野ごとにおける知識量推定装置、知識量推定方法および知識量推定プログラム - Google Patents

Description

本発明は、電子文書の検索技術に関し、特にユーザの、分野ごとにおける知識量や知識の深さといった背景を推定する技術に関する。

文書検索では、ユーザが自分の探している情報を得るために、情報に関連しそうなキーワードを指定して検索を実施する。検索の精度を向上させるためには、検索を行うユーザの背景を知るための情報の獲得が重要であることが知られており、このため従来では、ユーザの指定したキーワード履歴や、閲覧した電子文書の履歴から、どの分野に関して関心があるかといった嗜好分野を推定する先行研究がなされてきた（例えば特許文献１参照）。

特開２０００−１４８７７３号公報

しかし、上記のような嗜好推定では、ユーザのよく調べる情報の分野を推定できても、ユーザがその分野において、どの程度精通しているのかといったことは推定できない。

例えば、パソコンの知識が少ないユーザが、パソコンについて精通しているユーザ向けの文書を結果として与えられ、語句がわからなくて理解できないケースがある。あるいは、京都に何回も訪れたことのある旅行者が、初めて京都を観光する旅行者に対して書かれた文書を結果として与えられ、それはユーザにとって有用でない。従来技術で推定される、ユーザの嗜好分野情報の利用では、これらの問題に対処することはできない。

本発明は上記課題を解決するものであり、その目的は、検索システムのユーザのシステム利用履歴から、ユーザの分野ごとにおける知識量や知識の深さといった背景を推定することができる、検索システムユーザの分野ごとにおける知識量推定装置、方法、プログラムを提供することにある。

従来では、検索システムのユーザの検索ログを利用することによって、ユーザの嗜好に関する背景を推定するアプローチがとられていたが、本発明は、検索システムのユーザログの一部であるクエリログを利用することによって、ユーザの知識量に関する背景を推定するように構成した。

すなわち、本発明の検索システムユーザの分野ごとにおける知識量推定装置は、ユーザを特定する情報と、前記ユーザが電子文書を検索する際に入力したクエリと、前記クエリの属する分野とを対応付けて構築したユーザ−クエリ−分野データベースと、前記ユーザと、前記分野と、前記ユーザ−クエリ−分野データベース内のクエリに含まれる特殊語句に予め設定した特殊語句効果値とを対応付けて構築したユーザ−分野−特殊語句効果値データベースと、前記ユーザ−クエリ−分野データベースを参照し、あるクエリが、対象分野に属する全クエリ中に出現する頻度の逆数ＩＱＦ（Ｉｎｖｅｒｓｅ Ｑｕｅｒｙ Ｆｒｅｑｕｅｎｃｙ）を算出し、該頻度の逆数ＩＱＦに基づく、ユーザのある分野における第１の知識量推定要素値を算出し、ユーザ名と分野名と第１の知識量推定要素値とを対応付けた第１の知識量推定要素値データベースを作成する第１の知識量推定要素値データベース作成手段と、前記ユーザ−分野−特殊語句効果値データベースを参照し、特殊語句に基づく第２の知識量推定要素値を算出し、ユーザ名と分野名と第２の知識量推定要素値とを対応付けた第２の知識量推定要素値データベースを作成する第２の知識量推定要素値データベース作成手段と、電子文書を検索するユーザ名と分野名とを入力とし、前記入力されたユーザ名および分野名に該当する、前記第１の知識量推定要素値データベース内の第１の知識量推定要素値と、前記第２の知識量推定要素値データベース内の第２の知識量推定要素値とを加算して知識量推定値を求める知識量推定手段と、を備えたことを特徴としている。

本発明によれば、ユーザの分野ごとにおける知識量を推定し、数値として得ることが可能となる。これにより、ユーザのある分野における知識量に見合った、ユーザに、より適した情報を提供することの実現に寄与することができる。

本発明の一実施形態例の概略構成図。 本発明の一実施形態例のハードウェア構成図。 本発明の一実施形態例で構築されるクエリログデータベースの説明図。 本発明の一実施形態例で構築される語句−分野データベースの説明図。 本発明の一実施形態例で構築される特殊語句データベースの説明図。 本発明の一実施形態例で構築されるユーザ−クエリ−分野データベースの説明図。 本発明の一実施形態例で構築されるユーザ−分野−特殊語句効果値データベースの説明図。 本発明の一実施形態例で構築される知識量推定要素値Ｃ１データベースの説明図。 本発明の一実施形態例で構築される知識量推定要素値Ｃ２データベースの説明図。 本発明の一実施形態例における知識量推定要素値Ｃ１データベース作成のフローチャート。 本発明の一実施形態例における知識量推定要素値Ｃ２データベース作成のフローチャート。 本発明の一実施形態例における知識量推定部の処理のフローチャート。

以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。図１は本発明の検索システムユーザの分野ごとにおける知識量推定装置の一実施形態例を示し、図２は図１の各部の機能を達成するハードウェア構成を示している。

本実施形態例では、ユーザの検索システム利用履歴から作成されるクエリログデータベース１０１、語句と分野の関連をリスト化した語句‐分野データベース１０２、知識量を指し示すような語句とその語句が知識量の推定に与える効果をリスト化した特殊語句データベース１０３を用意する。

クエリログデータベース１０１は、図３に示すように、ユーザが検索システムを利用して電子文書を探す際に入力するクエリに関するログを使用する。これをクエリログと呼ぶ。クエリログは、打ち込まれたクエリと打ち込んだユーザを特定する情報の２つを含む。

語句−分野データベース１０２は、図４に示すように、各語句がどの分野に属するかを参照するための、語句と分野の対応リストを持つ。

複数の語句を一つのクエリとして検索する場合、それらの語句の中にユーザの知識量を示す語句が含まれることがある。特殊語句データベース１０３は、図５に示すように、ユーザの知識量が推定できるような特殊語句と、その特殊語句にそれぞれあらかじめ設定された特殊語句効果値ｓをリストとして持つ。たとえば、比較的知識量が少ないことを示す語句としては、「入門」や「初心者」などであり、逆に知識量が多いことを示す語句としては「マニア」や「おたく」などである。

１０５は、後述する分野参照部１０４の処理によって構築されるユーザ−クエリ−分野データベースである。このデータベース１０５は、例えば図６に示すように、ユーザｕを特定する情報と、前記ユーザが電子文書を検索する際に入力したクエリと、前記クエリの属する分野ｄとを対応付けて構成される。

１０７は、後述する特殊語句効果値参照部１０６の処理によって構築されるユーザ−分野−特殊語句効果値データベースである。このデータベース１０７は、例えば図７に示すように、ユーザｕと、分野ｄと、前記ユーザ−クエリ−分野データベース１０５内のクエリに含まれる特殊語句に予め設定した特殊語句効果値ｓとを対応付けて構成される。

１０８は、前記ユーザ−クエリ−分野データベース１０５を参照し、あるクエリが、対象分野に属する全クエリ中に出現する頻度の逆数ＩＱＦ（Ｉｎｖｅｒｓｅ Ｑｕｅｒｙ Ｆｒｅｑｕｅｎｃｙ）を算出し、該頻度の逆数ＩＱＦに基づく、ユーザのある分野における知識量推定要素値Ｃ１（第１の知識量推定要素値）を算出し、知識量推定要素値Ｃ１データベース（第１の知識量推定要素値データベース）１０９を作成する、第１の知識量推定要素値データベース作成手段としての知識量推定要素値Ｃ１データベース作成部である。

１１０は、前記ユーザ−分野−特殊語句効果値データベース１０７を参照し、特殊語句に基づく知識量推定要素値Ｃ２（第２の知識量推定要素値）を算出し、知識量推定要素値Ｃ２データベース（第２の知識量推定要素値データベース）１１１を作成する、第２の知識量推定要素値データベース作成手段としての知識量推定要素値Ｃ２データベース作成部である。

１１２は、電子文書を検索するユーザ名と分野名とを入力とし、前記入力されたユーザ名および分野名に該当する、前記知識量推定要素値Ｃ１データベース１０９内の知識量推定要素値Ｃ１と、前記知識量推定要素値Ｃ２データベース１１１内の知識量推定要素値Ｃ２とを加算して知識量推定値Ｋを求める知識量推定手段としての知識量推定部である。

図１の知識量推定装置は、例えばコンピュータシステムにより構成され、図２に示すように、通常のコンピュータのハードウェアリソース、例えばＲＯＭ１１、ＲＡＭ１２、ＣＰＵ１３、通信インタフェース（Ｉ／Ｆ）１４、ハードディスクドライブ装置１５、記録媒体駆動装置１６、記録媒体１７、入力装置（キーボードなどを含む）１８、出力装置（ディスプレイなどを含む）１９等を備えている。

このハードウェアリソースとソフトウェアリソース（ＯＳ，アプリケーションなど）との協働の結果、図２のコンピュータシステムは、図１に示す分野参照部１０４、特殊語句効果値参照部１０６、知識量推定要素値Ｃ１データベース作成部１０８、知識量推定要素値Ｃ２データベース作成部１１０および知識量推定部１１２を実装している。

また、図１のクエリログデータベース１０１、語句−分野データベース１０２、特殊語句データベース１０３、ユーザ−クエリ−分野データベース１０５、ユーザ−分野−特殊語句効果値データベース１０７、知識量推定要素値Ｃ１データベース１０９および知識量推定要素値Ｃ２データベース１１１は、図２のハードディスクドライブ装置１５のハードディスクあるいはＲＡＭ（メモリ）１２などの保存手段・記憶手段に構築されている、又は構築されるものである。

また、図１の知識量推定部１１２に対するユーザ名、分野名の入力は、図２の入力装置１８を介して実行され、知識量推定部１１２で求められた知識量推定値は図２の出力装置１９を介して出力される。

次に上記のように構成された知識量推定装置の動作を説明する。まず分野参照部１０４は、クエリログデータベース１０１（図３）からユーザ名とクエリがペアとなったデータを読み込み、各ペアについて以下の処理を行う。クエリをキーとして、語句‐分野データベース１０２（図４）を参照し、クエリと一致する語句があれば語句の属する分野をそのクエリの属する分野とし、ユーザ‐クエリ‐分野データベース１０５（図６）に格納する。一致しない場合、当該クエリはユーザ−クエリ−分野データベース１０５に格納しない。

クエリログデータベース１０１中に、同一のユーザ、クエリのペアが複数ある場合、重複を許す方法と、重複しているものは１つにまとめる方法が考えられる。

次に特殊語句効果値参照部１０６は、ユーザ−クエリ−分野データベース１０５の各クエリについて以下の処理を行う。特殊語句データベース１０３（図５）を参照し、クエリが特殊語句を含むのであれば参照した値をそのクエリの属する分野の特殊語句効果値としてユーザ−分野−特殊語句効果値データベース１０７（図７）に格納する。クエリが特殊語句を含まない場合はユーザ−分野−特殊語句効果値データベース１０７に格納しない。

知識量推定要素値Ｃ１データベース作成部１０８は、ユーザ−クエリ−分野データベース１０５を読み込み、各分野においてのユーザ専門性の指標を調べるため、ＩＱＦ（Ｉｎｖｅｒｓｅ Ｑｕｅｒｙ Ｆｒｅｑｕｅｎｃｙ）を算出する。ここでのＩＱＦは当該分野におけるクエリ全体の中に占める、そのクエリの頻度の割合の逆数を用いたもので、以下に、分野ｄにおけるクエリｔのＩＱＦを表すｉｑｆ_d（ｔ）を求める式を示す（式（１））。

ここでＮ_dは、ユーザ−クエリ−分野データベース１０５中の対象分野ｄに属する全クエリの数、ｑｆ（ｔ）は、ユーザ−クエリ−分野データベース１０５中のクエリｔの出現回数である。

ｉｑｆ_d（ｔ）が高いほど、語句ｔは分野ｄに対して専門性の高い語句であると判断される。これは、ある分野においてクエリとして入力される頻度の低い語句を使って検索するユーザは、その分野において高い専門性を持っているとの仮定に基づいている。例えば、「野球」という分野において、「ジャイアンツ」や「イチロー」といった、全ユーザを対象としたクエリログにおいて、頻度の高いと思われるクエリを入力する人よりも、「クイックモーション」や「ツーシーム」といった、入力される頻度の低い語句をクエリとして選んでいる人のほうが、「野球」について詳しいと考えられる。

ユーザ−クエリ−分野データベース１０５において、あるユーザｕの、ある分野ｄに属する語句全てのＩＱＦの集合をＱ_u,dとして、ＩＱＦに基づくユーザのある分野における知識量推定要素値Ｃ₁（Ｑ_u,d）を求める。以下にＣ₁（Ｑ_u,d）を求める式の一例を示す（式（２））。

ここで、Ｎ_u,dは、ユーザｕのクエリログに残る、対象分野ｄに属する全語句がクエリとして入力された回数である。上記の例ではｉｑｆ_d（ｔ）の相加平均をとっているが、他にも相乗平均や調和平均をとる方法が考えられる。Ｎ_u,dの値が小さいときには、知識量の推定精度が低いと考えられるため、外れ値を除く方法や、Ｎ_u,dがあらかじめ設定されたしきい値を超えるまでは０とするといった方法も考えられる。

算出されたＣ₁（Ｑ_u,d）は、知識量推定要素値Ｃ１データベース１０９(図８）にユーザｕと分野ｄと対応付けて格納される。

知識量推定要素値Ｃ１データベース作成部１０８が行なう、データベース作成のフローチャートを図１０に示す。図１０において、ｓｔｅｐ１では、ユーザ−クエリ−分野データベース１０５（図６）から１行分のデータを読み取り、ユーザｕ、分野ｄ、クエリｔを受け取る。

次にｓｔｅｐ２において、分野ｄを含む行数Ｎ_dのカウントが済んでいるか否かを判定し、済んでいない場合はｓｔｅｐ３においてユーザ−クエリ−分野データベース１０５中の分野ｄを含む行数Ｎ_dをカウントする。

次にｓｔｅｐ４ではユーザ−クエリ−分野データベース１０５中のクエリｔを含む行数ｑｆ（ｔ）をカウントし、ｓｔｅｐ５では前記式（１）を計算して、分野ｄにおけるクエリｔのＩＱＦを表すｉｑｆ_d（ｔ）を求め、ｓｔｅｐ６では前記データベース１０５中のユーザｕ、分野ｄを含む行数Ｎ_u,dに１を足す。

次にｓｔｅｐ７において、ユーザ−クエリ−分野データベース１０５中のユーザｕ、分野ｄを含む行全てのｑｆ（ｔ）を出したか否かを判定し、出していない場合はｓｔｅｐ１に戻り、出した場合はｓｔｅｐ８に進む。

次にｓｔｅｐ８では前記式（２）を計算して、ＩＱＦに基づくユーザのある分野における知識量推定要素値Ｃ₁（Ｑ_u,d）を求め、ｓｔｅｐ９ではユーザｕ、分野ｄおよび前記要素値Ｃ₁を知識量推定要素値Ｃ１データベース１０９に書き込む。

次にｓｔｅｐ１０において、ユーザ−クエリ−分野データベース１０５中の全ての行を読み込んだか否かを判定し、読み込んでいない場合はｓｔｅｐ１に戻り、読み込んだ場合は処理を終了する。

知識量推定要素値Ｃ２データベース作成部１１０は、ユーザ−分野−特殊語句効果値データベース１０７（図７）を読み込み、ユーザｕの分野ｄにおける特殊語句効果値ｓの集合をＳ_u,dとして、特殊語句に基づく知識量推定要素値Ｃ₂（Ｓ_u,d）を算出する。以下にＣ₂（Ｓ_u,d）を求める式の一例を示す（式（３））。

ここで、Ｎ_u,d,sは、ユーザｕのクエリログに残る、対象分野ｄに属し、且つ特殊語句効果値が定義されている全語句がクエリとして入力された回数である。上記の例では相加平均をとっているが、他にも相乗平均や調和平均をとる方法が考えられる。

算出されたＣ₂（Ｓ_u,d）は、知識量推定要素値Ｃ２データベース１１１(図９)にユーザｕと分野ｄと対応付けて格納される。

知識量推定要素値Ｃ２データベース作成部１１０が行なう、データベース作成のフローチャートを図１１に示す。図１１において、ｓｔｅｐ１１では、ユーザ−分野−特殊語句効果値データベース１０７（図７）から１行分のデータを読み取り、ユーザｕ、分野ｄ、特殊語句効果値Ｓ_u,d（ｔ）を受け取る。

次にｓｔｅｐ１２では、前記ユーザ−分野−特殊語句効果値データベース１０７中のユーザｕ、分野ｄを含む行数Ｎ_u,d,sに１を足す。

次にｓｔｅｐ１３において、ユーザｕ、分野ｄを含む行全てを読み込んだか否かを判定し、読み込んでいない場合はｓｔｅｐ１１に戻り、読み込んだ場合はｓｔｅｐ１４に進む。

ｓｔｅｐ１４では前記式（３）を計算して、特殊語句に基づく知識量推定要素値Ｃ₂（Ｓ_u,d）を求め、ｓｔｅｐ１５ではユーザｕ、分野ｄおよび前記要素値Ｃ₂を知識量推定要素値Ｃ２データベース１１１に書き込む。

次にｓｔｅｐ１６において、ユーザ−分野−特殊語句効果値データベース１０７中の全ての行を読み込んだか否かを判定し、読み込んでいない場合はｓｔｅｐ１１に戻り、読み込んだ場合は処理を終了する。

次に知識量推定部１１２はユーザｕ、分野ｄを入力として受け取る。そしてｕ、ｄの対をキーとして知識量推定要素値Ｃ１データベース１０９を参照し、Ｃ₁（Ｑ_u,d）の値を得る。次に知識量推定部１１２は知識量推定要素値Ｃ２データベース１１１に対しても同様にユーザｕ、分野ｄをキーとして参照し、Ｃ₂（Ｓ_u,d）の値を得る。以下に知識量推定値Ｋ（Ｃ₁（Ｑ_u,d），Ｃ₂（Ｓ_u,d））を算出する式の一例を示す（式（４））。

Ｋ（Ｃ₁（Ｑ_u,d），Ｃ₂（Ｓ_u,d））＝ｗ₁Ｃ₁（Ｑ_u,d）＋ｗ₂Ｃ₂（Ｓ_u,d）…（４）
ここで、ｗ₁，ｗ₂はＣ₁，Ｃ₂にそれぞれかかる重みを示すための、あらかじめ調整された定数である。知識量推定部１１２は、上記の式（４）によって算出された知識量推定値Ｋ（Ｃ₁（Ｑ_u,d），Ｃ₂（Ｓ_u,d））を出力として返す。

知識量推定部１１２が行なう処理のフローチャートを図１２に示す。図１２において、ｓｔｅｐ１７では、入力されたユーザ名ｕ、分野名ｄを受け取る。

次にｓｔｅｐ１８において、知識量推定要素値Ｃ１データベース１０９中にユーザｕ、分野ｄを含む行が存在するか否かを判定し、存在する場合はｓｔｅｐ１９に進み、存在しない場合はｓｔｅｐ２０に進む。

ｓｔｅｐ１９では知識量推定要素値Ｃ１データベース１０９から、ユーザｕ、分野ｄを含む行中の知識量推定要素値Ｃ１を受け取る。

次にｓｔｅｐ２０において、知識量推定要素値Ｃ２データベース１１１中にユーザｕ、分野ｄを含む行が存在するか否かを判定し、存在する場合はｓｔｅｐ２１に進み、存在しない場合はｓｔｅｐ２２に進む。

次にｓｔｅｐ２２において、前記知識量推定要素値Ｃ１、Ｃ２のどちらかに値があるか否かを判定し、値が無い場合は処理を終了し、値がある場合はｓｔｅｐ２３において前記式（４）を計算して知識量推定値Ｋを求めた後、処理を終了する。

上記のように本実施形態例によれば、ユーザの分野ごとにおける知識量を推定し、数値として得ることが可能となり、ユーザのある分野における知識量に見合った、ユーザにより適した情報を提供することの実現に寄与することができる。

例えば発明が解決しようとする課題の欄で挙げた、京都の例で具体的に説明すると、あるユーザが過去に、京都に関して、十分な回数検索システムを用いて電子文書を検索、閲覧していたとする。従来技術では、このユーザが京都に関して興味を持っていることがわかる。本発明では、データベースによって分野の特定ができ、且つ他のユーザが検索クエリとして選択することの少ないクエリで、京都に関する電子文書をよく検索していた場合、前記式（２）の知識量推定要素値Ｃ₁が大となって式（４）の知識量推定値Ｋが大となるため、このユーザには「京都」という分野に関して高い知識量推定値が与えられ、京都に関して豊富な知識を持っているということがわかる。

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

１１…ＲＯＭ
１２…ＲＡＭ
１３…ＣＰＵ
１４…Ｉ／Ｆ
１５…ハードディスクドライブ装置
１６…記録媒体駆動装置
１７…記録媒体
１８…入力装置
１９…出力装置
１０１…クエリログデータベース
１０２…語句−分野データベース
１０３…特殊語句データベース
１０４…分野参照部
１０５…ユーザ−クエリ−分野データベース
１０６…特殊語句効果値参照部
１０７…ユーザ−分野−特殊語句効果値データベース
１０８…知識量推定要素値Ｃ１データベース作成部
１０９…知識量推定要素値Ｃ１データベース
１１０…知識量推定要素値Ｃ２データベース作成部
１１１…知識量推定要素値Ｃ２データベース
１１２…知識量推定部

Claims (5)

1. ユーザを特定する情報と、前記ユーザが電子文書を検索する際に入力したクエリと、前記クエリの属する分野とを対応付けて構築したユーザ−クエリ−分野データベースと、
   前記ユーザと、前記分野と、前記ユーザ−クエリ−分野データベース内のクエリに含まれる特殊語句に予め設定した特殊語句効果値とを対応付けて構築したユーザ−分野−特殊語句効果値データベースと、
   前記ユーザ−クエリ−分野データベースを参照し、あるクエリが、対象分野に属する全クエリ中に出現する頻度の逆数ＩＱＦ（Ｉｎｖｅｒｓｅ Ｑｕｅｒｙ Ｆｒｅｑｕｅｎｃｙ）を算出し、該頻度の逆数ＩＱＦに基づく、ユーザのある分野における第１の知識量推定要素値を算出し、ユーザ名と分野名と第１の知識量推定要素値とを対応付けた第１の知識量推定要素値データベースを作成する第１の知識量推定要素値データベース作成手段と、
   前記ユーザ−分野−特殊語句効果値データベースを参照し、特殊語句に基づく第２の知識量推定要素値を算出し、ユーザ名と分野名と第２の知識量推定要素値とを対応付けた第２の知識量推定要素値データベースを作成する第２の知識量推定要素値データベース作成手段と、
   電子文書を検索するユーザ名と分野名とを入力とし、前記入力されたユーザ名および分野名に該当する、前記第１の知識量推定要素値データベース内の第１の知識量推定要素値と、前記第２の知識量推定要素値データベース内の第２の知識量推定要素値とを加算して知識量推定値を求める知識量推定手段と、
   を備えたことを特徴とする検索システムユーザの分野ごとにおける知識量推定装置。
2. 前記第１の知識量推定要素値データベース作成手段は、前記ユーザ−クエリ−分野データベース中の分野ｄに属する全クエリの数Ｎ_dと、前記ユーザ−クエリ−分野データベース中のクエリｔの出現回数ｑｆ（ｔ）とから、ｌｏｇ｛Ｎ_d／ｑｆ（ｔ）｝＋１を演算することによって、あるクエリが、対象分野に属する全クエリ中に出現する頻度の逆数に基づくｉｑｆ_d（ｔ）を求め、
   前記ユーザ−クエリ−分野データベース中の、あるユーザｕのある分野ｄに属する語句全てのＩＱＦの集合Ｑ_u,dと、ユーザｕのクエリログに存在する、対象分野ｄに属する全語句がクエリとして入力された回数Ｎ_u,dとから、Σ_tｉｑｆ_d（ｔ）／Ｎ_u,dを演算することによって、前記ＩＱＦに基づく、ユーザのある分野における第１の知識量推定要素値Ｃ₁（Ｑ_u,d）を求め、
   前記第２の知識量推定要素値データベース作成手段は、前記ユーザ−分野−特殊語句効果値データベース中のユーザｕの分野ｄにおける特殊語句効果値ｓの集合Ｓ_u,dと、ユーザｕのクエリログに存在する、対象分野ｄに属し、且つ特殊語句効果値が定義されている全語句がクエリとして入力された回数Ｎ_u,d、sとから、Σ_tｓ_u,d（ｔ）／Ｎ_u,d、sを演算することによって、特殊語句に基づく第２の知識量推定要素値Ｃ₂（Ｓ_u,d）を求め、
   前記知識量推定手段は、前記第１の知識量推定要素値Ｃ₁（Ｑ_u,d）の重みをｗ₁とし、前記第２の知識量推定要素値Ｃ₂（Ｓ_u,d）の重みをｗ₂とし、ｗ₁Ｃ₁（Ｑ_u,d）＋ｗ₂Ｃ₂（Ｓ_u,d）を演算することによって、知識量推定値Ｋ（Ｃ₁（Ｑ_u,d），Ｃ₂（Ｓ_u,d））を求めることを特徴とする請求項１に記載の検索システムユーザの分野ごとにおける知識量推定装置。
3. 第１の知識量推定要素値データベース作成手段が、
   ユーザを特定する情報と、前記ユーザが電子文書を検索する際に入力したクエリと、前記クエリの属する分野とを対応付けて構築したユーザ−クエリ−分野データベースを参照し、あるクエリが、対象分野に属する全クエリ中に出現する頻度の逆数ＩＱＦ（Ｉｎｖｅｒｓｅ Ｑｕｅｒｙ Ｆｒｅｑｕｅｎｃｙ）を算出するＩＱＦ算出ステップと、
   前記頻度の逆数ＩＱＦに基づく、ユーザのある分野における第１の知識量推定要素値を算出する第１の知識量推定要素値算出ステップと、
   ユーザ名と分野名と前記第１の知識量推定要素値とを対応付けた第１の知識量推定要素値データベースを作成する第１の知識量推定要素値データベース作成ステップと、
   第２の知識量推定要素値データベース作成手段が、
   前記ユーザと、前記分野と、前記ユーザ−クエリ−分野データベース内のクエリに含まれる特殊語句に予め設定した特殊語句効果値とを対応付けて構築したユーザ−分野−特殊語句効果値データベースを参照し、特殊語句に基づく第２の知識量推定要素値を算出する第２の知識量推定要素値算出ステップと、
   ユーザ名と分野名と第２の知識量推定要素値とを対応付けた第２の知識量推定要素値データベースを作成する第２の知識量推定要素値データベース作成ステップと、
   知識量推定手段が、電子文書を検索するユーザ名と分野名とを入力とし、前記入力されたユーザ名および分野名に該当する、前記第１の知識量推定要素値データベース内の第１の知識量推定要素値と、前記第２の知識量推定要素値データベース内の第２の知識量推定要素値とを加算して知識量推定値を求める知識量推定ステップと、
   を備えたことを特徴とする検索システムユーザの分野ごとにおける知識量推定方法。
4. 前記ＩＱＦ算出ステップは、前記ユーザ−クエリ−分野データベース中の分野ｄに属する全クエリの数Ｎ_dと、前記ユーザ−クエリ−分野データベース中のクエリｔの出現回数ｑｆ（ｔ）とから、ｌｏｇ｛Ｎ_d／ｑｆ（ｔ）｝＋１を演算することによって、あるクエリが、対象分野に属する全クエリ中に出現する頻度の逆数に基づくｉｑｆ_d（ｔ）を求め、
   前記第１の知識量推定要素値算出ステップは、前記ユーザ−クエリ−分野データベース中の、あるユーザｕのある分野ｄに属する語句全てのＩＱＦの集合Ｑ_u,dと、ユーザｕのクエリログに存在する、対象分野ｄに属する全語句がクエリとして入力された回数Ｎ_u,dとから、Σ_tｉｑｆ_d（ｔ）／Ｎ_u,dを演算することによって、前記ＩＱＦに基づく、ユーザのある分野における第１の知識量推定要素値Ｃ₁（Ｑ_u,d）を求め、
   前記第２の知識量推定要素値算出ステップは、前記ユーザ−分野−特殊語句効果値データベース中のユーザｕの分野ｄにおける特殊語句効果値ｓの集合Ｓ_u,dと、ユーザｕのクエリログに存在する、対象分野ｄに属し、且つ特殊語句効果値が定義されている全語句がクエリとして入力された回数Ｎ_u,d、sとから、Σ_tｓ_u,d（ｔ）／Ｎ_u,d、sを演算することによって、特殊語句に基づく第２の知識量推定要素値Ｃ₂（Ｓ_u,d）を求め、
   前記知識量推定ステップは、前記第１の知識量推定要素値Ｃ₁（Ｑ_u,d）の重みをｗ₁とし、前記第２の知識量推定要素値Ｃ₂（Ｓ_u,d）の重みをｗ₂とし、ｗ₁Ｃ₁（Ｑ_u,d）＋ｗ₂Ｃ₂（Ｓ_u,d）を演算することによって、知識量推定値Ｋ（Ｃ₁（Ｑ_u,d），Ｃ₂（Ｓ_u,d））を求めることを特徴とする請求項３に記載の検索システムユーザの分野ごとにおける知識量推定方法。
5. コンピュータを請求項１又は２に記載の各手段として機能させることを特徴とする知識量推定プログラム。

Images