JP5351123B2 - 文書検索キーワード提示装置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、地図を閲覧しながら、その範囲で興味対象のキーワードに関する情報を検索することに利用することが可能である。しかし、利用者は、現在閲覧中の地図の範囲における特定のキーワードに関連した情報を求めている場合ばかりではなく、単にその地図範囲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たのでは、適切な検索キーワードを想起する必要があるが、そもそもその知識に特徴的な情報を得るという目的を持つ利用者は検索キーワードも想起しようがない。

そこで、このような目的を持つ利用者に対して、検索キーワードを提示することが考えられ、その基本的な方法として、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、本発明で利用する地名辞書は非特許文献１に記載され、本発明で利用する地名に対応する矩形を近似的に得る方法は非特許文献２に記載され、本発明で利用する地理表現の抽出方法は非特許文献３に記載されている。

特開２００９−１３４４６３号公報

「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１０月１４日検索] 安田宜仁、戸田浩之、"検索位置のごく周辺を対象とした地理情報検索"、人工知能学会論文誌、Ｖｏｌ．２３、Ｎｏ．５、２００８年７月、ｐｐ．３６４−３７３ 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

しかし、利用者が地図を閲覧しながら情報を要求している場合に、地図の縮尺は一定とは限らず、従って、地図の範囲に応じたキーワードの提示が必要となる。ところが、単純に現在表示している地図内の各位置において特徴的な情報を得られるような検索語を集めたのでは必ずしも適切ではない。なぜなら、たとえば町内で唯一のファミリーレストランの名前のような、狭い範囲では特徴的な語であっても広い範囲では特徴的とは言えない語があったり、あるいは一方で、香川県における「うどん」のように、日本全体から見れば特徴的な語であっても、香川県内にあっては特徴的とは言えない語もある。

さらに、利用者が地図を閲覧している場合に閲覧している範囲のどこかで特徴的な表現であることが分かっても地図の閲覧範囲が広い場合などは、その閲覧範囲のどの領域において特徴的であるのか判然としない可能性がある。

このため、利用者が現在表示している地図の縮尺を考慮し、さらに閲覧範囲のどの領域において特徴的なのか分かるようなキーワードの提示方法が必要である。

本発明は上記の課題を解決するものであり、その目的は、地図の範囲を考慮し、その範囲に応じたキーワードを提示することができる文書検索キーワード提示装置、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、地図の範囲（縮尺）を考慮し、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。

また、表示範囲内の小領域を考慮することで、表示地図中のどの領域に対するキーワードなのかを示すことができるようにした。

すなわち請求項１記載の文書検索キーワード提示装置は、地名に対応する最小外接矩形の対角点の情報が地名に対応する範囲として格納された地名範囲データベースと、文書データベース中に格納された各文書について地名と思われる表現を抽出し、該抽出された地名について特徴表現を抽出し、該抽出した各地名と特徴表現の対について、地名に対する特徴表現の出現頻度を示す基本スコアを算出する地名-特徴表現対応抽出手段と、日本又は世界全体を緯度経度それぞれ決められた度数で区切った矩形をメッシュとして定義し、前記地名-特徴表現対応抽出手段で抽出された地名に対応する範囲を前記地名範囲データベースから得て、該地名範囲に含まれるメッシュを特定し、前記地名-特徴表現対応抽出手段により算出された基本スコアを前記特定したメッシュの個数で除してメッシュ-特徴表現スコアを算出し、該算出されたメッシュ-特徴表現スコアをメッシュ-特徴表現対応データベースに格納するメッシュ-特徴表現スコア算出手段と、利用者端末から入力された地図範囲の情報に基づいて、地図範囲に含まれる前記メッシュの一覧を作成し、前記地図範囲に含まれるすべてのメッシュに対して、その特徴表現についてのスコアの和を前記メッシュ-特徴表現対応データベースを参照して算出し、前記地図範囲に含まれる各メッシュでの当該特徴表現のスコアを、前記算出されたスコアの和で除して各特徴表現のスコアの比率を算出し、該算出されたスコアの比率の高い所定件数のメッシュと特徴表現の対を出力する地図範囲でのメッシュスコア算出手段と、を備えたことを特徴としている。

本発明によれば、利用者が表示し、閲覧している地図の範囲（縮尺）を考慮し、その範囲に応じたキーワードを提示することができるので、現在の地図表示、閲覧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装置構成図。 本発明の一実施形態例における地名範囲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メッシュ-特徴表現スコア算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メッシュ-特徴表現スコア表の例を示す説明図。 本発明の一実施形態例における地図範囲でのメッシュスコア算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。

まず本発明では、日本（あるいは世界）全体を緯度経度それぞれ決められた度数で区切った矩形を単位として取り扱い、この矩形をメッシュと定義する。

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、地名に対応する範囲が格納された地名範囲ＤＢ１０２、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１０３、メッシュ-特徴表現スコア算出手段としてのメッシュ-特徴表現スコア算出部１０４、メッシュと特徴表現の対に対するスコアを格納するメッシュ-特徴表現対応ＤＢ１０５、地図範囲でのメッシュスコア算出手段としての地図範囲でのメッシュスコア算出部１０６とを備えている。

本実施形態例において、利用者は利用者端末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、利用者が表示し現在閲覧している地図範囲の情報（矩形の四隅の緯度経度情報）である。

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、地名範囲ＤＢ１０２、地名-特徴表現対応抽出部１０３、メッシュ-特徴表現スコア算出部１０４、メッシュ-特徴表現対応ＤＢ１０５、地図範囲でのメッシュスコア算出部１０６を実装する。

前記文書ＤＢ１０１、地名範囲ＤＢ１０２、メッシュ-特徴表現対応ＤＢ１０５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。

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。

＜前処理＞
（文書ＤＢ１０１）
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。

（地名範囲ＤＢ１０２）
地名範囲ＤＢ１０２とは、図２に示すように各地名に対応する最小外接矩形の対角点、すなわちその地名を含むもっとも小さな矩形の対角線の両端の座標を記したものである。

これは事前に人手により作成しても構わないし、あるいは、非特許文献１に示すような、地名とその代表点を保持するような地名辞書から、各地名に対応する矩形を近似的に得ることも可能である。後者の方法としては、非特許文献２で示されているような方法を用いても良い。

（地名−特徴表現対応抽出部１０３）
地名−特徴表現対応抽出部１０３は、図３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３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３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
前記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（１）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）＋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４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。

（メッシュ−特徴表現スコア算出部１０４)
メッシュ-特徴表現スコア算出部１０４では、地名−特徴表現対応抽出部１０３によって作成された表（図４）を入力として図５のフローチャートに示す手順により、メッシュと特徴表現の対についてのスコアを算出し出力する。

ここで、本発明では日本（あるいは世界）全体を緯度経度それぞれ決められた度数で区切った矩形を単位として取り扱い、この矩形をメッシュと定義している。メッシュの大きさは対象文書集合や、地図の性質に合わせて任意に設定できる。なお、明細書では概ね５００ｍ四方を想定している。また、必要に応じてメッシュの大きさの異なる本装置（１００）を複数作成し、いくつかの粒度に合わせた特徴語の提示をすることも考えられる。

図５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：地名包含メッシュの特定
まず、地名−特徴表現対応抽出部１０３の出力のうち地名のエントリに対して地名範囲ＤＢ１０２を参照し、その範囲に含まれるメッシュを特定する。

ステップＳ２２：メッシュ-特徴表現スコアの算出
前記ステップＳ２１の処理により特定されたメッシュの個数をＭとし、地名−特徴表現対応抽出部１０３の出力の基本スコアをＳとすると、各メッシュの特徴表現のスコアを以下の式（２）を用いて算出する。

（１／Ｍ）×Ｓ…（２）
もし既に当該メッシュＩＤと特徴表現の対が図６の表（メッシュ-特徴表現スコアの表）中に含まれれば、そのスコアに上記スコアを追加し、もしまだ当該対が表中に含まれていなければ対応する列を表に追加する。

ステップＳ２３：メッシュ-特徴表現対応ＤＢへ格納
以上の手順により算出し作成された図６のようなメッシュ−特徴表現スコアの表を、メッシュ−特徴表現対応ＤＢ１０５に格納する。

＜本処理＞
（地図範囲でのメッシュスコア算出部１０６)
地図範囲でのメッシュスコア算出部１０６は、図７のフローチャートに沿って利用者の地図範囲に応じた特徴表現を選出するものであり、利用者が閲覧している地図の範囲（利用者端末２００からの、利用者が現在閲覧している地図の緯度、経度情報）を入力とする。

ステップＳ３１：
まず、閲覧中の地図範囲に含まれるメッシュの一覧を作成する。この地図範囲に含まれるメッシュの総数をＬとする。

次にループＬ３０では、ステップＳ３２、Ｓ３３の処理をすべてのメッシュ-特徴表現の組み合わせついて繰り返し実行し、各メッシュの当該特徴語のスコアを算出する。

ステップＳ３２：
まず、地図範囲に含まれるすべてのメッシュについて、前記メッシュ-特徴表現対応ＤＢ１０５を参照してその特徴語（特徴表現）についてのスコアの和を算出する。この和をＢとする。

ステップＳ３３：
次に前記各メッシュについて以下の式（３）の値（スコアの比率）を算出する。

当該メッシュでの当該特徴語のスコア／Ｂ…（３）
式（３）が示すスコアの比率は、閲覧地図範囲内において、そのメッシュがどれほどきわだってその特徴語のスコアが高いかを示す値（特定の特徴語のスコアの比率）であると考えられる。この式（３）の値を限定時上昇スコアと呼ぶ。

ステップＳ３４：
上記手順により得られた、地図範囲内の各メッシュとすべての特徴語（特徴表現）の組合せについての限定時上昇スコアがもっとも高い上位のＤ件について、メッシュと特徴表現の対を利用者に対して出力する。

なお、すべての特徴語（特徴表現）について上記ループＬ３０内の手順を繰り返すことが計算時間の上で問題になる場合は、事前に各メッシュで頻出する特徴語をインデクスとして保持し、上記ループＬ３０の処理の繰り返しをそれらの特徴語に限定することにより無関係な特徴についての繰り返し処理を避け、計算時間を削減することも可能である。

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装置
１０１…文書ＤＢ
１０２…地名範囲ＤＢ
１０３…地名-特徴表現対応抽出部
１０４…メッシュ-特徴表現スコア算出部
１０５…メッシュ-特徴表現対応ＤＢ
１０６…地図範囲でのメッシュスコア算出部

Claims (3)

1. 地名に対応する最小外接矩形の対角点の情報が地名に対応する範囲として格納された地名範囲データベースと、
   文書データベース中に格納された各文書について地名と思われる表現を抽出し、該抽出された地名について特徴表現を抽出し、該抽出した各地名と特徴表現の対について、地名に対する特徴表現の出現頻度を示す基本スコアを算出する地名-特徴表現対応抽出手段と、
   日本又は世界全体を緯度経度それぞれ決められた度数で区切った矩形をメッシュとして定義し、前記地名-特徴表現対応抽出手段で抽出された地名に対応する範囲を前記地名範囲データベースから得て、該地名範囲に含まれるメッシュを特定し、前記地名-特徴表現対応抽出手段により算出された基本スコアを前記特定したメッシュの個数で除してメッシュ-特徴表現スコアを算出し、該算出されたメッシュ-特徴表現スコアをメッシュ-特徴表現対応データベースに格納するメッシュ-特徴表現スコア算出手段と、
   利用者端末から入力された地図範囲の情報に基づいて、地図範囲に含まれる前記メッシュの一覧を作成し、前記地図範囲に含まれるすべてのメッシュに対して、その特徴表現についてのスコアの和を前記メッシュ-特徴表現対応データベースを参照して算出し、前記地図範囲に含まれる各メッシュでの当該特徴表現のスコアを、前記算出されたスコアの和で除して各特徴表現のスコアの比率を算出し、該算出されたスコアの比率の高い所定件数のメッシュと特徴表現の対を出力する地図範囲でのメッシュスコア算出手段と、
   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. 前記地図範囲でのメッシュスコア算出手段における特徴表現についてのスコアの和の算出は、各メッシュで頻出する特徴表現についてのみ行なう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. 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