JP5325856B2 - 文書検索キーワード提示装置、文書検索キーワード提示方法および文書検索キーワード提示プログラム - Google Patents

Description

本発明は、文書集合の中から利用者の位置や移動軌跡に応じた文書を検索する技術に関する。

従来より、インターネットから得られる情報等、大規模な文書を対象として、キーワードと興味対象の位置座標を与えることにより、与えたキーワードと位置と関連のある文書を検索するような文書検索が知られている。例として、特許文献１に記載の検索装置が挙げられる。

このような検索（地理情報検索）は、特に外出先において、携帯端末を用いてその場所に関連した情報を検索することに利用されている。しかし、利用者がその位置における特定のキーワードに関連した情報を欲しているのではなく、単にその位置における特徴的な情報を得たい場合もある。このような場合、従来の地理情報検索だけを用いる場合であれば、適切な検索キーワードを想起する必要があるが、そもそもその土地に特徴的な情報を得るという目的を持つユーザは検索キーワードも想起しようがない。

そこで、このような利用方法に対して、利用者に対して検索キーワードを提示することが考えられ、事前に位置毎に特徴的な情報を得られるような検索語を登録しておくことが考えられる。

尚、本発明で利用する「有名度スコア」は特許文献２に記載されている。また、本発明で利用する、文書中の地理表現の抽出手法は非特許文献１に記載され、端末から入力された軌跡に基づいて端末位置範囲を推定する手法は非特許文献２に記載され、位置範囲を地名表現に変換する地名辞書は非特許文献３に記載されている。

特開２００９−１３４４６３号公報 特開２００８−０９０３３４号公報

平野徹、松尾義博、菊井玄一郎、「地理的距離と有名度を用いた地名の曖昧性解消」、情報処理学会第７０回全国大会講演論文集、２００８． Ｔａｏ，Ｙ．，Ｆａｌｏｕｔｓｏｓ，Ｃ．，Ｐａｐａｄｉａｓ，Ｄ．，ａｎｄ Ｌｉｕ，Ｂ．，"Ｐｒｅｄｉｃｔｉｏｎ ａｎｄ Ｉｎｄｅｘｉｎｇ ｏｆ Ｍｏｖｉｎｇ Ｏｂｊｅｃｔｓ ｗｉｔｈ Ｕｎｋｎｏｗｎ Ｍｏｔｉｏｎ Ｐａｔｔｅｒｎｓ",Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２００４ ＡＣＭ ＳＩＧＭＯＤ ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｄａｔａ，ｐｐ．６１１−６２２． 「街区レベル位置参照情報」、国土交通省国土計画局、インターネット＜ＵＲＬ：ｈｔｔｐ：／／ｍｌｆｔｐ．ｍｌｉｔ．ｇｏ．ｊｐ／ｉｓｊ／＞．[平成２２年９月１日検索]

しかし、利用者は外出先において一点に留まっているとは限らず、移動している場合でも特急列車などで高速に移動している場合もあれば徒歩等で低速で移動している場合もある。高速に移動している場合、ある時点での利用者の位置のごく周辺に特徴的な語を提示したところで、すぐに別の場所に移動してしまってその語から得られる情報は意味がなくなってしまう可能性がある。一方で徒歩等で低速で移動している場合には、その局所的な地域ではなく広域にわたる特徴的な語を提示したところで、離れすぎた情報で関連が薄い可能性がある。

このため、単に位置だけに応じてキーワードを提示するのでは、適切なキーワードを提示できない可能性があり、利用者の移動の様子に応じた、適切な検索語の提示が求められる。

本発明は上記課題を解決するものであり、その目的は、利用者の移動状態に応じた適切な検索語を提示することができる文書検索キーワード提示装置、方法、プログラムを提供することにある。

上記課題を解決するために本発明は、単に地名に対応する特徴表現を事前に求めてスコアの高いものから出すのではなく、利用者にとって適切な情報提供の範囲を推定し、その範囲に応じたキーワードを提示するように構成した。

すなわち請求項１に記載の文書検索キーワード提示装置は、文書集合中から地名と思われる表現および該地名に関する特徴表現を抽出し、抽出された各地名と特徴表現の対について基本スコアを算出する地名-特徴表現対応抽出手段と、前記地名-特徴表現対応抽出手段によって抽出された地名および特徴表現の対が全文書中に出現する確率と前記基本スコアに基づいて、地名-特徴表現スコアを算出し、該算出されたスコアと地名-特徴表現の対を地名-特徴表現対応データベースに格納する地名-特徴表現スコア改善手段と、利用者端末から入力された時刻および緯度、経度情報に基づく軌跡を用いて、利用者端末が今後移動する地理範囲を推定する端末位置範囲推定手段と、前記端末位置範囲推定手段によって推定された地理範囲を、該地理範囲を含む地名表現に変換する位置範囲地名表現変換手段と、地名とその地名の重みを格納した地名重みデータベースと前記地名-特徴表現対応データベースを参照して、前記位置範囲地名表現変換手段によって変換された地名表現に対応した特徴表現を選出する特徴表現選出手段と、を備えたことを特徴とする。

本発明によれば、利用者の移動軌跡に応じたキーワードを提示することができるので、現在の移動状態に応じた適切な範囲を考慮した検索語を提示することが可能となる。

本発明の一実施形態例を示す文書検索キーワード提示装置の構成図。 本発明の一実施形態例における地名-特徴表現対応抽出部の処理を示すフローチャート。 本発明の一実施形態例における地名-特徴表現対応抽出部の出力例を示す説明図。 本発明の一実施形態例における地名-特徴表現スコア改善部の処理を示すフローチャート。 本発明の一実施形態例における地名-特徴表現対応データベースの例を示す説明図。 本発明の一実施形態例における端末位置範囲推定部の処理を示すフローチャート。 本発明の一実施形態例における位置範囲地名表現変換部の処理を示すフローチャート。 本発明の一実施形態例における地名重みデータベースの例を示す説明図。 本発明の一実施形態例における特徴表現選出部の処理を示すフローチャート。

以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。図１は本発明の一実施形態例による文書検索キーワード提示装置１００の構成を示している。

文書検索キーワード提示装置１００は、文書集合が格納された文書ＤＢ（データベース）１０１、地名-特徴表現対応抽出手段としての地名-特徴表現対応抽出部１０２、地名-特徴表現スコア改善手段としての地名-特徴表現スコア改善部１０３、地名と特徴表現との対応を格納する地名-特徴表現対応ＤＢ（データベース）１０４、端末位置範囲推定手段としての端末位置範囲推定部１０５、位置範囲地名表現変換手段としての位置範囲地名表現変換部１０６、特徴表現選出手段としての特徴表現選出部１０７、地名とその地名の重みを格納した地名重みＤＢ（データベース）１０８とを備えている。

本実施形態例において、利用者はＧＰＳ等の位置を取得できる利用者端末２００を利用して文書検索キーワード提示装置１００ヘアクセスすることを想定している。利用者端末２００から本装置１００への入力は、直近の位置の軌跡、すなわち時刻と位置（緯度、経度情報）の集合である。

文書検索キーワード提示装置１００での処理は、文書集合が与えられた時点で行う「前処理」と、利用者からのアクセスをきっかけに行う「本処理」とに分けることができる。

前記文書ＤＢ１０１には「前処理」において与えられた文書集合が格納される。

地名-特徴表現対応抽出部１０２は、文書ＤＢ１０１内の文書集合中から地名と思われる表現および該地名に関する特徴表現を抽出し、抽出された各地名と特徴表現の対について基本スコアを算出する。

地名-特徴表現スコア改善部１０３は、前記地名-特徴表現対応抽出部１０２によって抽出された地名および特徴表現の対が全文書中に出現する確率と前記基本スコアに基づいて、地名-特徴表現スコアを算出し、該算出されたスコアと地名-特徴表現の対を地名-特徴表現対応ＤＢ１０４に格納する。

端末位置範囲推定部１０５は、「本処理」において、利用者端末２００から入力された時刻および緯度、経度情報に基づく軌跡を用いて、利用者端末２００が今後移動する地理範囲を推定する。

位置範囲地名表現変換部１０６は、前記端末位置範囲推定部１０５によって推定された地理範囲を、該地理範囲を含む地名表現に変換する。

特徴表現選出部１０７は、前記地名重みＤＢ１０８と前記地名-特徴表現対応ＤＢ１０４を参照して、前記位置範囲地名表現変換部１０６によって変換された地名表現に対応した特徴表現を選出して出力し、キーワードとして利用者端末２００に提示する。

文書検索キーワード提示装置１００は、例えばコンピュータにより構成され、通常のコンピュータのハードウェアリソース、例えばＲＯＭ、ＲＡＭ、ＣＰＵ、入力装置、出力装置、通信インターフェース、ハードディスク、記録媒体およびその駆動装置を備えている。

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、文書検索キーワード提示装置１００は、図１に示すように、文書ＤＢ１０１、地名-特徴表現対応抽出部１０２、地名-特徴表現スコア改善部１０３、地名-特徴表現対応ＤＢ１０４、端末位置範囲推定部１０５、位置範囲地名表現変換部１０６、特徴表現選出部１０７、地名重みＤＢ１０８を実装する。

前記文書ＤＢ１０１、地名-特徴表現対応ＤＢ１０４、地名重みＤＢ１０８は、ハードディスクあるいはＲＡＭなどの保存手段・記憶手段に構築されているものとする。

次に、上記のように構成された装置の動作を具体的に説明する。

＜前処理＞
（地名-特徴表現対応抽出部１０２)
地名-特徴表現対応抽出部１０２は、図２のフローチャートに示す手順により、地名と特徴表現、およびその基本スコアの対応を抽出する。図２においてループＬ１０は、以下のステップＳ１１〜Ｓ１３の処理を文書ＤＢ１０１中の各文書について繰り返し実行する。

ステップＳ１１：文書中の地理表現の抽出
文書ＤＢ１０１中の各文書について、文書中に記述された地名と思われる表現を抽出する。地名は必ずしも正規の住所表現でなくとも、断片的な地名（たとえば「浜松」など）でも構わない。これには非特許文献１等で示される従来の手法を用いることができる。

ステップＳ１２：特徴表現の抽出
文書から何らかの地名が抽出された場合、該抽出された地名について以下の２つの基準により、特徴表現を抽出する。

（ａ）文書のタイトル中の名詞・フレーズ・固有表現
（ｂ）地名と近接して出現した名詞・フレーズ・固有表現。

ステップＳ１３：基本スコアの算出
事前に定めた定数α、βより、前記抽出した各特徴表現について、以下の式で基本スコアを算出する。

α（当該特徴語がタイトル中に出現した回数）十β（地名と近接して出現した回数）…（１）
当該地名-特徴表現の対について既に他の文書によって基本スコアが計算済みであればそれまでの基本スコアに上記基本スコアを足したものを基本スコアとする。

上記の処理の結果、図３に示すような形式の、地名と特徴表現およびその基本スコアの対応を得る。

（地名-特徴表現スコア改善部１０３)
地名-特徴表現スコア改善部１０３では、ある地名で突出して多く出現している特徴表現には、その地名-特徴表現に対してより大きなスコアを与えるようにスコアを改善する。

すなわち、地名-特徴表現対応抽出部１０２で得られた各地名-特徴表現の対について、図４のフローチャートに示す手順によりスコアを算出する。図４において、ループＬ２０は、以下のステップＳ２１〜Ｓ２３の処理をすべての地名-特徴表現の対について繰り返し実行する。

ステップＳ２１：ポアソン確率の算出
全文書数がｎ，全文書中での当該特徴表現の出現頻度がｓ，全文書中での当該地名の出現頻度がｋ，当該地名−特徴表現の全文書中での出現がｒであるとき、
出現回数ｒのポアソン確率

を求める。但しｅは自然対数の底である。

ステップＳ２２：地名-特徴表現スコアの算出
事前に定めた定数γを用いて、以下の式を用いて地名-特徴表現スコアを算出する。

地名-特徴表現スコア＝γ（１−Ｐ（ｘ≦ｒ））×基本スコア…（３）
ステップＳ２３：地名-特徴表現対応ＤＢへ格納
上記ステップＳ２２で求めたスコアを図５に示すような地名-特徴表現対応ＤＢ１０４へ格納する。

＜本処理＞
（端末位置範囲推定部１０５)
端末位置範囲推定部１０５では、利用者端末２００から入力された軌跡（例えばＧＰＳ機能付きの携帯電話機から入力された時刻情報、緯度、経度情報に基づく軌跡）を利用して、図６のフローチャートに示す手順により、次の単位時間内に利用者端末位置が存在する可能性が高い領域を推定する。ここで単位時間はたとえば５分程度を想定することができるが、検索対象の文書の特性に応じて任意の時間に変更しても良い。

ステップＳ３１：直前の単位時間の軌跡の算出
直前の単位時間内の利用者の位置の軌跡を求める。

ステップＳ３２：直前の単位時間の軌跡の最小外接矩形の算出
軌跡の描く最小外接矩形を得る。すなわち、その単位時間内での移動範囲における最小緯度、最大緯度、最小経度、最大経度を求め、２点（（最小緯度、最小経度）と（最大緯度、最大経度））を結ぶ線を対角線として持つような矩形を求める。

ステップＳ３３：辺の長さを各２倍し、中心を現在地とした矩形を出力
前記ステップＳ３２で求めた最小外接矩形の長さを緯度方向、経度方向ともに２倍に拡大し、中心点を現在の端末の位置（軌跡中の最新の位置）とした範囲を出力する。

尚、位置範囲推定については、上記の手順の他に、非特許文献２で示すような方法を用いても良い。

（位置範囲地名表現変換部１０６)
位置範囲地名表現変換部１０６では、端末位置範囲推定部１０５によって得られた地理範囲を示す矩形を、図７のフローチャートに示す手順により、その地理範囲を含む地名表現に変換する。

この変換には地名辞書を用いる。この辞書は、次の２つの要件を満たすとする。（１）各地名の代表点の座標を保持している。（２）地名は階層のレベル（たとえば、国、都道府県、市区町村、大字、町丁目、街区符号、地番）の区切りを保持する。このような地名辞書として、例えば非特許文献３に示すような辞書を用いることができる。

ステップＳ４１：矩形の各頂点の地名の算出
矩形の４つの各頂点に対して、対応する地名表現を得る。これには、もっとも頂点に近い点が代表点の座標となっているような地名辞書の地名を得ることによって可能である、
ステップＳ４２：４つの頂点に対応する地名で共通して保持する地名の階層レベルを算出
前記ステップＳ４２で得られた地名で共通して保持する地名の階層レベルを、地名辞書を用いて算出する。

ステップＳ４３：最上位の地名の階層レベルから共通する階層レベルまでを出力
最上位の地名の階層レベル（たとえば国名）から、各頂点に対応する４つの地名どれもが共通する階層のレベルまでを地理範囲を示す矩形の地名表現として出力する。

（地名重みＤＢ１０８)
地名重みＤＢ１０８は、地名表現毎に、その地名の広さを記したデータベースである。尚、必ずしも広さでなくとも、その地名内での人口あるいは、特許文献２で示されるような「有名度スコア」を用いることも可能である。

図８に地名重みＤＢ１０８の例を示す。

（特徴表現選出部１０７)
特徴表現選出部１０７では、位置範囲地名表現変換部１０６で得られた地名表現（ここでは地名表現ｒと呼ぶ）と、出力すべき特徴表現の件数ｆ（設定した件数）を入力とし、地名-特徴表現対応ＤＢ１０４および地名重みＤＢ１０８を参照して図９のフローチャートに示す手順により、利用者に提示する特徴表現を選出する。

ステップＳ５１：各特徴表現のスコアの算出
このステップでは、以下によって得られる各値を足したものを特徴表現のスコアとする。

地名-特徴表現対応ＤＢ１０４中の地名がｒと共通部分を持たなければ０、
地名-特徴表現対応ＤＢ１０４中の地名がｒの下位の階層あるいはｒ自身を含んでいればスコア自体、
地名-特徴表現対応ＤＢ１０４中の地名がｒより上位の階層であれば、

とする。

例えば、地名-特徴表現対応ＤＢ１０４の内容が図５に示す状況であり、地名重みＤＢ１０８の内容が図８に示す状況であるとする。地名表現ｒが「東京都／千代田区／大手町」であるとき、「日本電信電話」という特徴表現のスコアは次のように算出される。

すなわち、図５中の地名「東京都／千代田区／大手町／２丁目／１番」は前記変換部１０６で得られた地名表現ｒ「東京都／千代田区／大手町」の下位の階層であるので、図５中のスコア３．３とし、図５中の地名「東京都／千代田区／大手町」は前記地名表現ｒ「東京都／千代田区／大手町」自身を含んでいるので、図５中のスコア２．２とし、図５中の地名「東京都」は前記地名表現ｒ「東京都／千代田区／大手町」よりも上位の階層であるので、前記図５のスコアおよび図８の重みを用いて式（４）を計算し、（４／１０００）×３．２とする。

そして前記各スコアを合計して３．３＋２．２＋（４／１０００）×３．２となる。

ステップＳ５２：スコアが上位ｆ件の特徴表現を出力
上記ステップＳ５１の手順によって得られたスコアが上位ｆ件の特徴表現を出力し、キーワードとして利用者端末２００に提示する。

上記のように、本実施形態例における特徴表現選出部１０７は、利用者が次の単位時間後に移動すると推定した位置範囲に対応する地名（位置範囲地名表現変換部１０６で変換された地名）ｒよりも、地名-特徴表現対応ＤＢ１０４中の地名が上位の階層、例えば面積の広い地名である場合に、図８の地名重みＤＢ１０８の重み値を特徴表現のスコアに反映させている（前記式（４）を計算している）ので、利用者の現在の移動状況に応じた適切な検索語（特徴表現）を提示することができる。

また、本実施形態の文書検索キーワード提示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、本実施形態の文書検索キーワード提示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。

１００…文書検索キーワード提示装置
１０１…文書ＤＢ
１０２…地名-特徴表現対応抽出部
１０３…地名-特徴表現スコア改善部
１０４…地名-特徴表現対応ＤＢ
１０５…端末位置範囲推定部
１０６…位置範囲地名表現変換部
１０７…特徴表現選出部
１０８…地名重みＤＢ
２００…利用者端末

Claims (5)

1. 文書集合中から地名と思われる表現および該地名に関する特徴表現を抽出し、抽出された各地名と特徴表現の対について基本スコアを算出する地名-特徴表現対応抽出手段と、
   前記地名-特徴表現対応抽出手段によって抽出された地名および特徴表現の対が全文書中に出現する確率と前記基本スコアに基づいて、地名-特徴表現スコアを算出し、該算出されたスコアと地名-特徴表現の対を地名-特徴表現対応データベースに格納する地名-特徴表現スコア改善手段と、
   利用者端末から入力された時刻および緯度、経度情報に基づく軌跡を用いて、利用者端末が今後移動する地理範囲を推定する端末位置範囲推定手段と、
   前記端末位置範囲推定手段によって推定された地理範囲を、該地理範囲を含む地名表現に変換する位置範囲地名表現変換手段と、
   地名とその地名の重みを格納した地名重みデータベースと前記地名-特徴表現対応データベースを参照して、前記位置範囲地名表現変換手段によって変換された地名表現に対応した特徴表現を選出する特徴表現選出手段と、
   を備えたことを特徴とする文書検索キーワード提示装置。
2. 前記特徴表現選出手段は、前記位置範囲地名表現変換手段によって変換された地名表現と前記地名-特徴表現対応データベース中の地名との関係に基づいて特徴表現のスコアを求め、該スコアの上位設定件数分の特徴表現を選出するものであり、前記地名-特徴表現対応データベース中の地名が、前記位置範囲地名表現変換手段によって変換された地名表現よりも上位の階層である場合は、前記地名重みデータベース中の重みを前記特徴表現のスコアに反映させることを特徴とする請求項１に記載の文書検索キーワード提示装置。
3. 地名-特徴表現対応抽出手段が、文書集合中から地名と思われる表現および該地名に関する特徴表現を抽出し、抽出された各地名と特徴表現の対について基本スコアを算出する地名-特徴表現対応抽出ステップと、
   地名-特徴表現スコア改善手段が、前記地名-特徴表現対応抽出手段によって抽出された地名および特徴表現の対が全文書中に出現する確率と前記基本スコアに基づいて、地名-特徴表現スコアを算出し、該算出されたスコアと地名-特徴表現の対を地名-特徴表現対応データベースに格納する地名-特徴表現スコア改善ステップと、
   端末位置範囲推定手段が、利用者端末から入力された時刻および緯度、経度情報に基づく軌跡を用いて、利用者端末が今後移動する地理範囲を推定する端末位置範囲推定ステップと、
   位置範囲地名表現変換手段が、前記端末位置範囲推定手段によって推定された地理範囲を、該地理範囲を含む地名表現に変換する位置範囲地名表現変換ステップと、
   特徴表現選出手段が、地名とその地名の重みを格納した地名重みデータベースと前記地名-特徴表現対応データベースを参照して、前記位置範囲地名表現変換手段によって変換された地名表現に対応した特徴表現を選出する特徴表現選出ステップと、
   を備えたことを特徴とする文書検索キーワード提示方法。
4. 前記特徴表現選出ステップは、前記位置範囲地名表現変換手段によって変換された地名表現と前記地名-特徴表現対応データベース中の地名との関係に基づいて特徴表現のスコアを求め、該スコアの上位設定件数分の特徴表現を選出するものであり、前記地名-特徴表現対応データベース中の地名が、前記位置範囲地名表現変換手段によって変換された地名表現よりも上位の階層である場合は、前記地名重みデータベース中の重みを前記特徴表現のスコアに反映させることを特徴とする請求項３に記載の文書検索キーワード提示方法。
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文書検索キーワード提示プログラム。

Images