JP5406794B2 - 検索クエリ推薦装置及び検索クエリ推薦プログラム - Google Patents

Description

本発明は、検索クエリを推薦する技術に関する。

インターネット上に大量に存在する文書から目的にあった文書を探し出すシステムとして、クエリによる検索機能を持った検索エンジンサービスが多数提供されている。これらの検索エンジンサービスにおいては、ユーザがクエリとして与えた語句群を元に、それらに適合するような内容をもった文書を探し出してユーザに提示する。この時に、ユーザの検索意図はクエリのみによってシステムに伝えられるため、ユーザは検索する際に自分の検索意図を表現しつつ、検索エンジンの処理に適したクエリを入力しなければならない。しかしながら、このような適切なクエリを作成することは、ある程度の知識や経験を必要とする作業であるため、検索エンジンに不慣れなユーザをサポートするための、ユーザにクエリを推薦するシステムのニーズが存在する。

これまでクエリを推薦する手法は多数提案されている。例えば、特許文献１では、あるクエリに関するクリックログ中のアクセスの集中するサイトを特定し、それらのサイトのタイトルと概要文を解析して、当該クエリを拡張する語句を抽出する。

また、非特許文献１では、クリックログを解析することにより得られるクエリと検索結果に含まれる文書のＵＲＬとの集合からなるグラフ構造を、あるクエリの周辺構造のみに注目して解析することにより、当該クエリに関連する語句を推薦クエリとして取得する。

特開２０１０−０５５１６４号公報

今井、外５名、「Ｗｅｂ検索サービスにおける多義的なクエリ推薦手法」、DEIM Forum 2010、電子情報通信学会、２０１０年、Ａ１−２

上記の従来の技術では、ユーザが入力したクエリのみに注目していたために、ユーザが現在より絞り込んだ検索結果が得たいのか、それとも関連した検索結果が得たいのか、といったユーザの検索傾向に関係なく推薦するクエリが決定してしまうという問題があった。

本発明は、上記に鑑みてなされたものであり、よりユーザの検索意図に沿った推薦クエリを提供することを目的とする。

第１の本発明に係る検索クエリ推薦装置は、時系列に並べられた検索クエリを入力し、検索クエリ間の関連性から導かれる当該検索クエリの変更意図を分類した変更タイプを判定する判定手段と、ユーザの検索クエリの履歴を入力し、前記判定手段を用いて現在の変更タイプを判定する検索タイプ判定手段と、前記検索クエリの履歴のうちで最も新しい最後の検索クエリに対する複数の推薦クエリ候補を作成し、前記判定手段を用いて前記最後の検索クエリから前記複数の推薦クエリ候補それぞれへ検索クエリを変更した場合の変更タイプを判定し、前記複数の推薦クエリ候補それぞれに当該変更タイプを付与する推薦クエリ作成手段と、変更タイプの遷移の分布を記載した遷移テーブルを参照して前記現在の変更タイプから遷移する変更タイプの分布比率を取得し、選択する推薦クエリに付与された変更タイプの分布比率が前記遷移テーブルから取得した分布比率と近くなるように、前記推薦クエリ候補から推薦クエリを選択する推薦クエリ選択手段と、を有することを特徴とする。

第２の本発明に係る検索クエリ推薦プログラムは、上記検索クエリ推薦装置を構成する各手段としてコンピュータを機能させることを特徴とする。

本発明によれば、よりユーザの検索意図に沿った推薦クエリを提供することができる。

本実施の形態における検索クエリ推薦装置の構成を示す機能ブロック図である。 実施例１の検索クエリ推薦装置の構成を示す機能ブロック図である。 検索クエリログデータベースに格納される検索クエリ履歴の例を示す図である。 検索クエリの変更タイプの遷移を集計した集計テーブルの例を示す図である。 クエリ変更集計部の処理の流れを示すフローチャートである。 推薦クエリ候補情報の例を示す図である。 遷移テーブルの例を示す図である。 推薦クエリを作成する処理の流れを示すフローチャートである。 実施例２の検索クエリ推薦装置の構成を示す機能ブロック図である。 正解クエリ変更情報の例を示す。 変更タイプ判定モデルを学習する処理の流れを示すフローチャートである。

以下、本発明の実施の形態について図面を用いて説明する。

図１は、本実施の形態における検索クエリ推薦装置の構成を示す機能ブロック図である。

図１に示す検索クエリ推薦装置１は、判定部１１、検索タイプ判定部１２、推薦クエリ作成部１３、および推薦クエリ選択部１４を備える。検索クエリ推薦装置１が備える各部は、演算処理装置、記憶装置等を備えたコンピュータにより構成して、各部の処理がプログラムによって実行されるものとしてもよい。このプログラムは検索クエリ推薦装置１が備える記憶装置に記憶されており、磁気ディスク、光ディスク、半導体メモリ等の記録媒体に記録することも、ネットワークを通して提供することも可能である。

判定部１１は、時系列に並べられた検索クエリを入力し、検索行動の変更タイプを判定する。検索行動の変更タイプとは、検索クエリ間の関連性から導かれる、ユーザの検索クエリの変更意図を分類したものであり、例えば、検索クエリを「スポーツ」から「野球」に変更するような、より絞り込んだ情報を得ることを意図した「絞込」、検索クエリを「野球」から「スポーツ」に変更するような、より広い情報を得ることを意図した「汎化」、検索クエリを「野球」から「サッカー」に変更するような、関連した情報を得ることを意図した「関連」、上記のどれにも当てはまらない「切替」などがある。

検索タイプ判定部１２は、ユーザの検索クエリ履歴を入力し、判定部１１を用いてユーザの検索行動の変更タイプを取得する。

推薦クエリ作成部１３は、ユーザの検索クエリ履歴のうち直近の検索クエリに対する複数の推薦クエリ候補を作成するとともに、直近の検索クエリを各推薦クエリ候補へ変更した場合の変更タイプを判定部１１を用いて判定し、推薦クエリ候補それぞれに対して変更タイプを付与する。

推薦クエリ選択部１４は、ある変更タイプから次の変更タイプへの遷移分布を示す遷移テーブルを保持しており、検索タイプ判定部１２からユーザの現在の変更タイプを入力して現在の変更タイプから遷移する変更タイプの分布比率を遷移テーブルから取得し、推薦クエリ候補から所定の数の推薦クエリを選択したときに、選択した推薦クエリに付与された変更タイプの分布比率が遷移テーブルから取得した分布比率と近くなるように推薦クエリを選択する。

［実施例１］
図２は、実施例１の検索クエリ推薦装置の構成を示す機能ブロック図である。

図２に示す検索クエリ推薦装置２は、判定部２１、検索タイプ判定部２２、推薦クエリ作成部２３、推薦クエリ選択部２４、およびクエリ変更集計部２５を備える。クエリ変更集計部２５には検索クエリログデータベース２６が接続される。なお、検索クエリ推薦装置２が備える各部は、演算処理装置、記憶装置等を備えたコンピュータにより構成して、各部の処理がプログラムによって実行されるものとしてもよい。このプログラムは検索クエリ推薦装置２が備える記憶装置に記憶されており、磁気ディスク、光ディスク、半導体メモリ等の記録媒体に記録することも、ネットワークを通して提供することも可能である。

まず、推薦クエリを選択する際に利用する遷移テーブルの作成について説明する。遷移テーブルは、検索クエリログデータベース２６から連続する３つの検索クエリを取得して検索クエリの変更タイプの遷移を集計して作成する。

検索クエリログデータベース２６は、商用のウェブ検索エンジンや、ウェブサイトに設置されているサイト内検索機能に入力された検索クエリを、検索クエリを入力した入力時刻情報と入力したユーザＩＤ情報とともに格納している。ユーザＩＤ情報は、ウェブブラウザのクッキー情報等を用いて取得される情報を使用する。ユーザＩＤ情報は、検索クエリの前後関係が判定できればよいので、ウェブサーバ側に記録されるセッション情報等を用いてもよい。図３に検索クエリログデータベース２６に格納される情報の例を示す。

クエリ変更集計部２５は、検索クエリログデータベース２６にアクセスして検索クエリの変更タイプの遷移分布を集計し、集計結果である集計テーブルを推薦クエリ作成部２３に送信する。具体的には、クエリ変更集計部２５は、検索クエリログデータベース２６から同一ユーザによって入力された時系列順に並んだ３つの検索クエリを取り出し、１番目の検索クエリから２番目の検索クエリへ、２番目の検索クエリから３番目の検索クエリへの変更タイプをそれぞれ求めて変更タイプの遷移を集計する。図４に集計テーブルの例を示す。クエリ変更集計部２５は、１番目の検索クエリから２番目の検索クエリへの変更タイプを先行変更タイプ、２番目の検索クエリから３番目の検索クエリへの変更タイプを後続変更タイプとして、集計テーブル上の該当する欄の値に１を加算する。

ここで、クエリ変更集計部２５の処理の流れについて説明する。図５は、クエリ変更集計部２５の処理の流れを示すフローチャートである。

まず、クエリ変更集計部２５は、検索クエリログデータベース２６に含まれるユーザＩＤ情報を全て取得し、重複するユーザＩＤ情報を取り除いてユーザＩＤ情報の一覧を抽出する（ステップＳ１０１）。抽出したユーザＩＤ情報は、クエリ変更集計部２５が備えるバッファに蓄積する。

続いて、バッファからユーザＩＤ情報を１つ取り出し、そのユーザＩＤ情報と組となって格納されている検索クエリを検索クエリログデータベース２６から入力時刻情報の昇順に抽出する（ステップＳ１０２）。

得られた検索クエリの集合の頭から順に３つの検索クエリを取り出し、１番目の検索クエリから２番目の検索クエリへの先行変更タイプと、２番目の検索クエリから３番目の検索クエリへの後続変更タイプを判定し、先行変更タイプ、後続変更タイプの組に対応する集計テーブルの値を１つ加算する（ステップＳ１０３）。そして、全ての検索クエリについて処理したか否か確認し、処理していない検索クエリが残っている場合はステップＳ１０３に戻り処理を続ける（ステップＳ１０４）。

例えば、あるユーザＩＤ情報に対応する時系列順に並んだ検索クエリの集合が、「東京駅，東京駅 レストラン，東京駅 フレンチ，東京駅 終電，タクシー 電話」であった場合、まず、「東京駅」「東京駅 レストラン」「東京駅 フレンチ」という３つの検索クエリの組が抽出される。そして、１番目の検索クエリ「東京駅」と２番目の検索クエリ「東京駅 レストラン」、２番目の検索クエリ「東京駅 レストラン」と３番目の検索クエリ「東京駅 フレンチ」の変更タイプを判定する。１番目の検索クエリから２番目の検索クエリへの先行変更タイプは語句が追加されているので「絞込」と、２番目の検索クエリから３番目の検索クエリへの後続変更タイプは語句の一部が変更されているので「関連」と判定される。その結果、集計テーブルの先行変更タイプが「絞込」、後続変更タイプが「関連」の箇所の値に１加算される。その後、「東京駅 レストラン」「東京駅 フレンチ」「東京駅 終電」の組、「東京駅 フレンチ」「東京駅 終電」「タクシー 電話」の組についても処理を行う。

そして、ユーザＩＤ情報がバッファに残っているか否か確認し、残っている場合はステップＳ１０２に戻り処理を続ける（ステップＳ１０５）。

クエリ変更集計部２５が作成した集計テーブルは推薦クエリ選択部２４へ送信され、推薦クエリ選択部２４により遷移テーブルに変換される。

次に、推薦クエリの作成について説明する。推薦クエリは、ユーザが入力した検索クエリの履歴に基づいて、判定部２１、検索タイプ判定部２２、推薦クエリ作成部２３、および推薦クエリ選択部２４により作成される。

判定部２１は、時系列に並べられた第１、第２の検索クエリを入力し、第１、第２の検索クエリの構成語句を比較して変更タイプを判定する。実施例１では、変更タイプとして、「絞込」、「汎化」、「関連」、「切替」の４つを用いる。具体的には、第１の検索クエリに対して第２の検索クエリが、検索クエリを構成する語句が追加された変更がある場合は「絞込」、検索クエリを構成する語句が減らされた変更がある場合は「汎化」、検索クエリを構成する語句の一部が変更されている場合、あるいは、検索クエリを構成する語句が変更されていて、その語句間に関連性がある場合は「関連」、上記のいずれにも当てはまらない場合は「切替」と判定する。

例えば、第１、第２の検索クエリがそれぞれ「東京駅」「東京駅 レストラン」の場合、第２の検索クエリは、第１の検索クエリ「東京駅」に「レストラン」の語句を追加したものであるので「絞込」と判定する。また、第１、第２の検索クエリがそれぞれ「東京駅 レストラン」「東京駅」の場合、第２の検索クエリは、第１の検索クエリ「東京駅 レストラン」から「レストラン」の語句を削除したものであるので「汎化」と判定する。第１、第２の検索クエリがそれぞれ「東京駅 レストラン」「東京駅 フレンチ」の場合、検索クエリの一部が変更されているので「関連」と判定する。第１、第２の検索クエリがそれぞれ「東京駅」「大手町」の場合、検索クエリの語句が変更されているが互いに関連性があるので「関連」と判定する。検索クエリの語句が変更されている場合については、既存の語句関連度技術を用いて２つの検索クエリ間の関連度を算出し、算出した関連度に基づいて「関連」あるいは「切替」と判定する。

検索タイプ判定部２２は、ユーザから直近２回の検索クエリを入力し、判定部２１を用いてユーザの検索行動の変更タイプを取得する。取得した変更タイプは推薦クエリ選択部１４に送信する。

推薦クエリ作成部２３は、ユーザから入力した直近２回の検索クエリのうち新しいほうの検索クエリ（「最後の検索クエリ」と称する）に対応する複数の推薦クエリ候補を作成する。そして、作成された推薦クエリ候補それぞれについて、最後の検索クエリと各推薦クエリ候補を判定部２１に入力し、最後の検索クエリから推薦クエリ候補に検索クエリが変更されたと仮定したときの変更タイプを取得する。変更タイプを推薦クエリ候補それぞれに付与して推薦クエリ候補情報として推薦クエリ選択部２４に送信する。図６に推薦クエリ候補情報の例を示す。なお、推薦クエリ候補の作成に関しては、既存のクエリ推薦技術（例えば特許文献１、非特許文献１）を用いることができる。この際、複数のクエリ推薦技術を用いて幅広く推薦クエリを集めるとよい。

推薦クエリ選択部２４は、遷移テーブルを保持し、その遷移テーブルを参照し、選択する推薦クエリ候補に付与された変更タイプの分布比率が、検索タイプ判定部２２から受信した変更タイプを先行変更タイプとしたときの後続変更タイプの分布比率と等しくなるように所定の数の推薦クエリを選択する。推薦クエリ選択部２４は、クエリ変更集計部２５から受信した集計テーブルから遷移テーブルを作成する。遷移テーブルは、集計テーブル中の先行変更タイプ毎に、後続変更タイプの値の和を取ってその和で後続変更タイプの値を割って作成する。図７に遷移テーブルの例を示す。同図に示す遷移テーブルでは４つの変更タイプを用い、先行変更タイプに続いて遷移した後続変更タイプの割合が記載されている。例えば、ユーザの検索行動の変更タイプが「絞込」であった場合、「切替」、「関連」、「汎化」、「絞込」それぞれの変更タイプが付与された推薦クエリが０．０８７，０．６０９，０．２１７，０．０６５の割合に近づくように推薦クエリを選択する。

続いて、推薦クエリを作成する処理の流れについて説明する。図８は、推薦クエリを作成する処理の流れを示すフローチャートである。

検索タイプ判定部２２は、ユーザから直近２回の検索クエリを入力し、判定部２１を用いてユーザの検索行動の変更タイプを取得する（ステップＳ２０１）。そして、取得した変更タイプを推薦クエリ選択部１４に送信する
推薦クエリ作成部２３は、直近の検索クエリを入力し、その検索クエリに対応する推薦クエリ候補を作成する（ステップＳ２０２）。

そして、直近の検索クエリから各推薦クエリ候補へ変更した場合の変更タイプを取得し（ステップＳ２０３）、各推薦クエリ候補に変更タイプを付与して推薦クエリ選択部２４に送信する（ステップＳ２０４）。変更タイプの取得には、検索タイプ判定部２２と同様に判定部２１を用いる。

推薦クエリ選択部２４は、検索タイプ判定部２２から受信した変更タイプを先行変更タイプとしたときの後続変更タイプの割合を遷移テーブルから取得する（ステップＳ２０５）。例えば、遷移テーブルが図７に示すものであったときに、検索タイプ判定部２２から受信した変更タイプが「絞込」である場合、「切替」が０．０８７、「関連」が０．６０９、「汎化」が０．２１７、「絞込」が０．０６５という値を得る。

そして、推薦クエリ選択部２４は、選択する推薦クエリに付与された変更タイプの割合が遷移テーブルから取得した割合に等しくなるように所定の数の推薦クエリを選択して出力する（ステップＳ２０６，Ｓ２０７）。例えば、「切替」が０．０８７、「関連」が０．６０９、「汎化」が０．２１７、「絞込」が０．０６５という分布で、選択する推薦クエリの数が１０と設定されていた場合、推薦クエリ候補の中から、「切替」の変更タイプが付与された推薦クエリを１つ、「関連」の変更タイプが付与された推薦クエリを６つ、「汎化」の変更タイプが付与された推薦クエリを２つ、「絞込」の変更タイプが付与された推薦クエリを１つ選択し、推薦クエリとして出力する。

［実施例２］
図９は、実施例２の検索クエリ推薦装置の構成を示す機能ブロック図である。

図９に示す検索クエリ推薦装置３は、判定部３１、検索タイプ判定部３２、推薦クエリ作成部３３、推薦クエリ選択部３４、クエリ変更集計部３５、および学習部３７を備える。クエリ変更集計部３５には検索クエリログデータベース３６が接続され、学習部３７には正解クエリ変更データベース３８が接続される。なお、検索クエリ推薦装置３が備える各部は、演算処理装置、記憶装置等を備えたコンピュータにより構成して、各部の処理がプログラムによって実行されるものとしてもよい。このプログラムは検索クエリ推薦装置３が備える記憶装置に記憶されており、磁気ディスク、光ディスク、半導体メモリ等の記録媒体に記録することも、ネットワークを通して提供することも可能である。

実施例２は、学習部３７が検索クエリの変更タイプを分類するための変更タイプ判定モデルを学習し、その変更タイプ判定モデルを判定部３１に適用して検索クエリの変更タイプを分類することで、実施例１に示した「絞込」「汎化」「関連」「切替」以外の様々な分類分けを用いる。

まず、学習部３７の処理について説明する。

正解クエリ変更データベース３８には、先行クエリと後続クエリの組に変更タイプが付与された正解クエリ変更情報が複数蓄積されている。図１０に、正解クエリ変更情報の例を示す。

学習部３７は、正解クエリ変更データベース３８から正解クエリ変更情報を読み出し、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ ＭａｃｈｉｎｅやＤｅｃｉｓｉｏｎ Ｔｒｅｅ等の既存の機械学習アルゴリズムを用いて、検索クエリの変更タイプを分類するための変更タイプ判定モデルを学習する。判定部３１は、この変更タイプ判定モデルを読み込み、入力された２つの検索クエリの変更タイプを判定する判定器を構成する。

ここで、学習部３７の処理の流れについて説明する。図１１は、学習部３７が変更タイプ判定モデルを学習する処理の流れを示すフローチャートである。

まず、学習部３７は、正解クエリ変更データベース３８から正解クエリ変更情報を１つ読み出し、読み出した正解クエリ変更情報の先行クエリと後続クエリについて語句の意味を表すベクトル表現を算出する（ステップＳ３０１）。

続いて、読み出した正解クエリ変更情報に含まれる先行クエリと後続クエリを用い、その正解クエリ変更情報の変更タイプを判定するのに有効な特徴量を算出する（ステップＳ３０２）。具体的には、先行クエリと後続クエリとの間で、共通する語句の数、共通する文字の数、追加された語句の数、追加された文字の数、ベクトル表現間のコサイン類似度、先行クエリから後続クエリへの skew divergence、後続クエリから先行クエリへの skew divergence を算出する。例えば、先行クエリが「東京駅」、後続クエリが「東京駅 ホテル」、それぞれのベクトル表現をｖ₁，ｖ₂とすると、共通する語句の数は１、共通する文字の数は３、追加された語句の数は１、追加された文字の数は３、コサイン類似度、skew divergence は次式となる。

そして、正解クエリ変更データベース３８中に特徴量の計算を行っていない正解クエリ変更情報が存在するか否かを判定し、存在する場合はステップＳ３０１に戻る（ステップＳ３０３）。

全ての正解クエリ変更情報について特徴量を計算した場合は、正解クエリ変更情報の変更タイプと計算した特徴量の集合を既存のＤｅｃｉｓｉｏｎ Ｔｒｅｅ等の機械学習アルゴリズムに適応して変更タイプ判定モデルを学習する（ステップＳ３０４）。

学習した変更タイプ判定モデルを判定部３１に保存する（ステップＳ３０５）。

検索タイプ判定部３２、推薦クエリ作成部３３、およびクエリ変更集計部３５は、変更タイプ判定モデルを適用した判定部３１を用いて変更タイプの判定を行う。推薦クエリの作成処理、遷移テーブルの作成処理は実施例１と同様であるので説明は省略する。判定部３１は、時系列順の検索クエリを入力し、検索クエリのベクトル表現を用い、学習部３７が学習した変更タイプ判定モデルを用いて変更タイプを判定する。

以上説明したように、本実施の形態によれば、時系列に並べられた検索クエリに基づいて検索行動の変更タイプを判定する判定部１１を備え、検索タイプ判定部１２が検索クエリの履歴を入力して現在の変更タイプを判定し、推薦クエリ作成部１３が検索クエリの履歴のうち直近の検索クエリに対する推薦クエリ候補を作成するとともに、直近の検索クエリを各推薦クエリ候補へ変更した場合の変更タイプを判定して各推薦クエリ候補に付与し、推薦クエリ選択部１４が変更タイプの遷移分布を示す遷移テーブルを保持し、現在の変更タイプから遷移する変更タイプの分布比率を取得し、推薦クエリ候補から所定の数の推薦クエリを選択したときに、選択した推薦クエリに付与された変更タイプの分布比率が遷移テーブルから取得した分布比率と近くなるように推薦クエリを選択することにより、ユーザの検索クエリの変更意図に応じて推薦するクエリを選択して提示できるので、推薦クエリの精度の向上が期待できる。

１，２，３…検索クエリ推薦装置
１１，２１，３１…判定部
１２，２２，３２…検索タイプ判定部
１３，２３，３３…推薦クエリ作成部
１４，２４，３４…推薦クエリ選択部
２５，３５…クエリ変更集計部
２６，３６…検索クエリログデータベース
３７…学習部
３８…正解クエリ変更データベース

Claims (5)

1. 時系列に並べられた検索クエリを入力し、検索クエリ間の関連性から導かれる当該検索クエリの変更意図を分類した変更タイプを判定する判定手段と、
   ユーザの検索クエリの履歴を入力し、前記判定手段を用いて現在の変更タイプを判定する検索タイプ判定手段と、
   前記検索クエリの履歴のうちで最も新しい最後の検索クエリに対する複数の推薦クエリ候補を作成し、前記判定手段を用いて前記最後の検索クエリから前記複数の推薦クエリ候補それぞれへ検索クエリを変更した場合の変更タイプを判定し、前記複数の推薦クエリ候補それぞれに当該変更タイプを付与する推薦クエリ作成手段と、
   変更タイプの遷移の分布を記載した遷移テーブルを参照して前記現在の変更タイプから遷移する変更タイプの分布比率を取得し、選択する推薦クエリに付与された変更タイプの分布比率が前記遷移テーブルから取得した分布比率と近くなるように、前記推薦クエリ候補から推薦クエリを選択する推薦クエリ選択手段と、
   を有することを特徴とする検索クエリ推薦装置。
2. 前記変更タイプとして、絞込、汎化、関連、切替の４つを用いるものであって、
   前記判定手段は、時系列に並べられた検索クエリにおいて、語句が追加されている場合は絞込、語句が削除された場合は汎化、一部の語句のみが変更されている場合、あるいは検索クエリ間に関連がある場合は関連、これらにあてはまらない場合は切替として変更タイプを判定することを特徴とする請求項１記載の検索クエリ推薦装置。
3. 第１の検索クエリ、第２の検索クエリ、第１の検索クエリから第２の検索クエリへ変更した場合の変更タイプとからなる正解変更タイプ情報を格納した正解変更タイプ格納手段と、
   前記正解変更タイプ格納手段から前記正解変更タイプ情報を読み出し、機械学習アルゴリズムにより時系列に並べられた検索クエリの変更タイプを判定するための判定モデルを学習する学習手段を有し、
   前記判定手段は、前記判定モデルを用いて変更タイプを判定することを特徴とする請求項１記載の検索クエリ推薦装置。
4. 検索クエリの履歴を格納する検索クエリ格納手段と、
   前記検索クエリ格納手段から時系列順に検索クエリを読み出し、前記判定手段を用いて読み出した検索クエリ間の変更タイプを判定して変更タイプの遷移を求め、前記遷移テーブルを作成する遷移テーブル作成手段と、
   を有することを特徴とする請求項１乃至３のいずれかに記載の検索クエリ推薦装置。
5. 請求項１乃至４のいずれかに記載の検索クエリ推薦装置を構成する各手段としてコンピュータを機能させるための検索クエリ推薦プログラム。

Images