JP5815467B2 - 検索キーワード提示装置及び方法及びプログラム - Google Patents

Description

本発明は、検索キーワード提示装置及び方法及びプログラムに係り、特に、検索者が地理的範囲を地図の表示範囲や緯度経度情報を入力して検索を行うことができる文書検索サービスにおいて、その条件下で特徴的なキーワードを検索前に表示させることで検索者の検索を支援する機能を有する検索キーワード提示装置及び方法及びプログラムに関する。

インターネット上の文書を検索する検索エンジンなどでは、現在どのようなキーワードでの検索が増加しているか解析を行い、増加しているキーワードを提示することで、検索者の検索を支援している（例えば、非特許文献１参照）。このような時間的に特徴的なキーワードを抽出するためには、検索対象文書の投稿時刻情報とその中に含まれるキーワードのデータや、検索エンジンの検索ログデータ（検索時刻と投入キーワード）を任意の単位（例として１日単位や１時間単位）で解析し、出現回数が急増した特徴的なキーワードを検出する。特徴的であるかは標準偏差やポアソン確率を用いることで判定可能である。例えば、管理図による手法では過去数日間（任意の期間）の移動平均値に対して３σ以上（σは標準偏差）上昇している場合に異常値と判定しており、その場合に特徴的であると判定することができる。検索対象文書のデータを使用する際には、形態素を連結させた連結候補を作成し、辞書の対情報と照合し、一致した対情報の固有表現状態を結合して置き換え候補を作成し、置き換え候補の形態素要素の重複を除き、固有表現付き形態素列中の形態素の固有表現識別子を抽出する技術（例えば、特許文献１参照）を用いれば文書内の固有表現のみを抽出することができるので、固有表現の組み合わせのデータとなり、上記検索ログデータと同様に特徴的なキーワードを抽出可能である。

また、文書内のテキストを解析して地名情報を特定する手法がある（例えば、非特許文献２参照）。この結果を用いることで各文書がどの地域に関係しているかを解析することが可能である。これを用いることで、予め用意しておいたキーワード集合がどの地域に関係付けられた文書で出現しているか解析でき、特定の地域で推薦するキーワードを抽出することが可能と考えられる。具体的な手法としては、地域を東西・南北それぞれ200ｍや緯度経度で8秒毎などの固定の値で区切り（メッシュと呼ぶ）、メッシュ毎に関連する文書集合中の各キーワードの頻度を分析する。複数のメッシュを含むある地域において、あるキーワードの頻度が全体の頻度分布中で特徴的に高い場合、そのキーワードは当該地域での推薦すべきキーワードであると判定できる。特徴的であるかは前記と同様に全メッシュにおける平均出現頻度に対して当該メッシュでの出現頻度が3σ（σは標準偏差）以上高い場合に特徴的と判断しても良いし、ポアソン確率を用いることで判定可能である。

地理的には緯度経度を8000ミリ秒毎に区切り、メッシュのデータとしては検索対象文書中で地理と時間が対応する文書に含まれるキーワードとその頻度情報が格納される。

各メッシュ（複数選択可）で特徴的なキーワードを取得するためには、メッシュに含まれる全キーワードそれぞれに対して、ポアソン確率を計算することで可能である。ポアソン確率は下記の式で計算可能であり、その確率が高いキーワードが特徴的であると言える。

上記の式中に用いられている各変数は下記の通りである。

・n : 全検索対象文書内の全キーワードの出現頻度
・s : 全検索対象文書内での当該キーワードの出現頻度
・k : 当該メッシュ内の全キーワードの出現頻度の合計
・r : 当該メッシュ内での当該キーワードの出現頻度
ただし、当該機能での計算においてn , sは事前に設定しておく。

特開2007-323271号公報

Google急上昇ワード http://www.google.co.jp/m/trends 平野 徹,他：地理的距離と有名度を用いた地名の曖昧性解消 情報処理学会全国大会2008.

検索ユーザによって、検索対象地域に関して特徴的と感じるキーワードは異なる。しかし従来法では、日本全国の地域に比べてその土地に特徴的なキーワードを提示するため、ユーザによる違いに対応することはできなかった。

例えば、北海道のある地域でラーメン店が大変有名だった場合、従来法では、そのラーメン店の店名をその地域に特徴的なキーワードとして提示することができる。しかし、そのラーメン店が、東京にも支店を持っている場合、東京に住んでいる検索ユーザにとって、そのラーメン店は特徴的なキーワードではないにもかかわらず、ユーザにキーワードを提示してしまう。

また、例えば日本全国に展開しているチェーン店の店名は、従来法ではその土地に特徴的でないとされ提示されにくい。しかし、そのチェーン店がチェーン展開していない地域に住んでいる検索ユーザにとって、そのチェーン店の店舗名は、提示されるべきキーワードであるといえる。

本発明は、上記の点に鑑みなされたもので、ユーザの位置履歴情報をもとに、各ユーザにとって特徴的な、対象地域に関するキーワードを提示することが可能な検索キーワード提示装置及び方法及びプログラムを提供することを目的とする。

上記の課題を解決するため、本発明（請求項１）は、ユーザから入力された検索対象地理範囲に含まれる地域において該ユーザに特徴的なキーワードを提示する検索キーワード提示装置であって、
文書集合中の各文書から固有表現及び地名表現を抽出し、該地名表現に対応する地理情報をメッシュ番号に変換し、該メッシュ番号毎に、各固有表現の数を合計して地理メッシュ・固有表現頻度ＤＢに格納する地理メッシュ・固有表現頻度ＤＢ作成手段と、
ユーザが過去に存在していた位置情報をユーザＩＤと対応付けて保持する位置履歴ＤＢと、
前記位置履歴ＤＢの位置情報を、メッシュ番号に変換し、前記ユーザＩＤ毎に地理メッシュ番号と該位置情報の頻度を求め、ユーザ地理メッシュ頻度ＤＢに格納するユーザ・地理メッシュ頻度ＤＢ作成手段と、
ユーザからユーザＩＤと検索対象地理範囲が入力されると、該ユーザＩＤに基づいて前記ユーザ・地理メッシュ頻度ＤＢから地理メッシュ番号ｉと頻度ｆを取得し、取得した地理メッシュ番号ｉに基づいて前記地理メッシュ・固有表現頻度ＤＢから該地理メッシュに含まれる固有表現と第１の頻度情報を取得し、前記入力された検索対象地理範囲に該当する検索対象地理メッシュに含まれる固有表現と第２の頻度情報を前記地理メッシュ・固有表現頻度ＤＢから取得し、前記頻度ｆ、前記第１の頻度情報、前記第２の頻度情報とからポアソン分布のパラメータλを求め、ポアソン確率により固有表現のスコアを求め、該スコアが高い固有表現を、前記入力されたユーザＩＤと検索対象地理範囲にとって特徴的なキーワードとして出力するキーワード抽出手段と、を有する。

また、本発明（請求項２）において、前記キーワード抽出手段は、
前記第１の頻度情報におけるスコア算出対象の固有表現の頻度ｓと前記頻度ｆとの地理メッシュ番号ｉにおける積和と、
前記第１の頻度情報から得られる全固有表現の頻度ｎと前記頻度ｆとの地理メッシュ番号ｉにおける積和と、
の比を用いて、前記パラメータλを求める。

上記のように、本発明によれば、検索ユーザ毎に、ユーザが普段いる地域と比較して、検索対象地域に特徴的なキーワードを提示することが可能となる。これにより、ユーザが普段見慣れているキーワードの提示を防ぎ、また全国に広く分布しているが、ユーザにとっては普段見慣れていないようなキーワードを提示することができる。

本発明の一実施の形態における検索キーワード提示装置の構成図である。 本発明の一実施の形態における地理メッシュ・固有表現頻度ＤＢの例である。 本発明の一実施の形態における位置履歴ＤＢの例である。 本発明の一実施の形態におけるユーザ・地理メッシュ頻度ＤＢの例である。 本発明の一実施の形態におけるユーザ・地理メッシュ頻度ＤＢ作成部のフローチャートである。 本発明の一実施の形態におけるキーワード抽出部のフローチャートである。

以下、図面と共に本発明の実施の形態を説明する。

図１は、本発明の一実施の形態における検索キーワード提示装置の構成を示す。

同図に示す検索キーワード提示装置は、位置履歴ＤＢ１、ユーザ・地理メッシュ頻度ＤＢ２、検索対象文書群ＤＢ３、地理メッシュ・固有表現頻度ＤＢ４、ユーザ地理メッシュＤＢ作成部１０、地理メッシュ固有表現頻度ＤＢ作成部２０、キーワード抽出部３０を有する。

最初に、前処理として、ユーザ・地理メッシュＤＢ作成部１０がユーザ・地理メッシュ頻度ＤＢ２を作成し、地理メッシュ・固有表現頻度ＤＢ作成部２０が地理メッシュ・固有表現頻度ＤＢ４を作成する。

地理メッシュ・固有表現頻度ＤＢ作成部２０は、検索対象文書群ＤＢ３から検索対象文書を読み込んで解析し、各メッシュに格納するデータを抽出・計算し、地理メッシュ・固有表現頻度ＤＢ４に格納する。当該処理は従来技術と同様である。

ユーザ・地理メッシュＤＢ作成部１０は、GPSやWifi（登録商標）情報などからユーザの普段いる地域とその頻度をユーザ・地理メッシュ頻度ＤＢ２に格納する。本実施の形態では、GPSやWifi（登録商標）情報の代わりに、検索システムにおける、地域情報を検索した際の操作履歴（位置履歴ＤＢ１）を用いるものとする。

キーワード抽出部３０は、前処理で作成してあるユーザ・地理メッシュＤＢ２と地理メッシュ・固有表現頻度ＤＢ４を用いて、検索者が指定した地理的範囲に応じて、地理的範囲に関連したユーザにとって特徴的なキーワードを出力する。

以下に、前処理とキーワード抽出処理について詳細に説明する。

＜前処理＞
前処理として、地理メッシュ・固有表現頻度ＤＢ２及びユーザ地理メッシュＤＢ４を作成する。以下、それぞれのＤＢ作成部について説明を記述する。

地理メッシュ・固有表現頻度ＤＢ作成部２０は、検索対象文書群ＤＢ３の文書集合中の各文書からＤＢ作成に必要な情報を抽出する。

まず、文書中の固有表現を抽出する。固有表現の抽出などには、前述の特許文献１等で示される従来の手法を用いることができる。

次に、文書中に記述された地名と思われる表現を抽出する。地名は必ずしも完全な住所でなくとも、断片的な地名（例えば「浜松」など）でも構わない。これには前述の非特許文献２等で示される従来の手法を用いることができる。

次に、抽出した地名表現から緯度経度情報を抽出する。単純には地名とその領域が記された辞書を用意しておき、文書中に表れる地名をパターンマッチする方法を使うことができる。

次に、地理情報の緯度及び経度それぞれを8000ミリ秒単位など任意の単位で集約して番号を決定する。例えば日本の西端、南端をそれぞれ0番として、8000ミリ秒単位で1番、2番と番号を決定し、各緯度及び経度を番号に変換する。このように固定の値で区切った地理情報を地理メッシュと呼び、変換された経度番号、緯度番号を合わせて地理メッシュ番号とする。

地理メッシュ番号例： 5350-6000 (緯度番号-経度番号)
地理メッシュ番号毎に、各固有表現の数を合計して、地理メッシュ・固有表現頻度ＤＢ４に格納する。地理メッシュ・固有表現頻度ＤＢ４の例を図２に示す。

次に、ユーザ・地理メッシュ頻度ＤＢ作成部１０の処理について説明する。

ユーザ・地理メッシュ頻度ＤＢ作成部１０は、ユーザIDと紐づいた位置情報を保持する位置履歴ＤＢ１を用いて、ユーザ・地理メッシュＤＢ２を作成する。位置履歴ＤＢ１における位置情報は、GPS情報やWifi（登録商標）の位置情報などから取得することが可能である。また、システム利用した際の検索地理範囲の履歴を代用することも可能である。図３に位置履歴ＤＢ１の例を示す。位置履歴ＤＢ１は、ユーザＩＤと位置履歴（緯度・経度）を保持する。

ユーザ・地理メッシュ頻度ＤＢ作成部１０は、位置履歴ＤＢ１中の位置情報を、地理メッシュ・固有表現頻度ＤＢ４と同様に地理メッシュ番号に変換する。ユーザID毎に地理メッシュ番号と頻度を求め、ユーザID毎に1レコードに格納する。図４にユーザ地理メッシュ頻度ＤＢ２の例を示す。

図５は、本発明の一実施の形態におけるユーザ・地理メッシュ頻度ＤＢ作成部のフローチャートである。

ステップ１０１） ユーザ・地理メッシュ頻度ＤＢ作成部１０は、位置履歴ＤＢ１に含まれるユーザＩＤをキーとして、位置履歴ＤＢ１より位置情報を取得する。

ステップ１０２） 取得した位置情報を地理・メッシュに変換する。

ステップ１０３） 地理メッシュ毎に位置情報の頻度をカウントする。

ステップ１０４） ユーザＩＤとユーザＩＤに紐付く全ての地理メッシュとその頻度をユーザ・地理メッシュ頻度ＤＢ２に格納する。

ステップ０１５） 位置履歴ＤＢ１の全てのユーザについて処理が終了すれば当該処理を終了し、未処理のユーザがある場合はステップ１０１に移行する。

＜キーワード抽出処理＞
次に、キーワード抽出部３０の処理について説明する。

キーワード抽出部３０は、検索者のユーザIDと、検索者が指定した検索対象地理範囲（例ではメッシュID）を入力として、検索対象地理範囲に含まれる地域で、検索者にとって特徴的なキーワードを出力する。

図６は、本発明の一実施の形態におけるキーワード抽出部のフローチャートである。

ステップ２０１） キーワード抽出部３０は、ユーザＩＤ及び検索対象地理範囲（地理メッシュ番号）を取得する。

ステップ２０２） 入力として受け取ったユーザIDをキーに、ユーザ・地理メッシュ頻度ＤＢ２より、地理メッシュ番号とその頻度情報を取得する。

ステップ２０３） 次に、取得した地理メッシュ番号をキーとして、地理メッシュ・固有表現頻度ＤＢ４より、地理メッシュに含まれる固有表現とその頻度情報を取得する。

ステップ２０４） 全ての地理メッシュ番号について上記の処理が終了した場合はステップ２０５に移行し、全ての地理メッシュ番号に対する処理が終わっていなければステップ２０３に戻る。

ステップ２０５） 入力及び２つのＤＢから取得した情報を用いて、各地理メッシュにおいてユーザにとって特徴的なキーワードを取得する。特徴的なキーワードを取得するために、地理メッシュに含まれる全キーワードそれぞれに対して、ポアソン確率を計算することで可能である。ポアソン確率は、下記の式で計算可能であり、その確率が高いキーワードが特徴的であると言える。

ここで、式中に用いられている各変数は下記の通りである。

・i ：取得した地理メッシュ集合に含まれる地理メッシュ；
・n_i ：地理メッシュiに含まれる全キーワードの頻度；
・s_i ：地理メッシュiに含まれる当該キーワードの頻度；
・ｆ_i ：地理メッシュiの頻度；
・ｋ ：検索対象地理メッシュ内の全キーワードの出現頻度の合計；
・r ：当該メッシュ内での当該キーワードの出現頻度；
検索対象地理メッシュ内の全てのキーワードについてポアソン確率を計算したのち、ポアソン確率が高い上位の語を出力する。

上記の処理により、普段からユーザが見慣れているキーワードの提示を防ぎ、自分にとっては珍しいキーワードであれば、周辺地域に広く分布しているものも提示できる。

なお、図１に示す検索キーワード提示装置の上記の動作をプログラムとして構築し、検索キーワード提示装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１ 位置履歴ＤＢ
２ ユーザ・地理メッシュ頻度ＤＢ
３ 検索対象文書群ＤＢ
４ 地理メッシュ・固有表現頻度ＤＢ
１０ ユーザ・地理メッシュＤＢ作成部
２０ 地理メッシュ・固有表現頻度ＤＢ作成部
３０ キーワード抽出部

Claims (5)

1. ユーザから入力された検索対象地理範囲に含まれる地域において該ユーザに特徴的なキーワードを提示する検索キーワード提示装置であって、
   文書集合中の各文書から固有表現及び地名表現を抽出し、該地名表現に対応する地理情報をメッシュ番号に変換し、該メッシュ番号毎に、各固有表現の数を合計して地理メッシュ・固有表現頻度ＤＢに格納する地理メッシュ・固有表現頻度ＤＢ作成手段と、
   ユーザが過去に存在していた位置情報をユーザＩＤと対応付けて保持する位置履歴ＤＢと、
   前記位置履歴ＤＢの位置情報を、メッシュ番号に変換し、前記ユーザＩＤ毎に地理メッシュ番号と該位置情報の頻度を求め、ユーザ地理メッシュ頻度ＤＢに格納するユーザ・地理メッシュ頻度ＤＢ作成手段と、
   ユーザからユーザＩＤと検索対象地理範囲が入力されると、該ユーザＩＤに基づいて前記ユーザ・地理メッシュ頻度ＤＢから地理メッシュ番号ｉと頻度ｆを取得し、取得した地理メッシュ番号ｉに基づいて前記地理メッシュ・固有表現頻度ＤＢから該地理メッシュに含まれる固有表現と第１の頻度情報を取得し、前記入力された検索対象地理範囲に該当する検索対象地理メッシュに含まれる固有表現と第２の頻度情報を前記地理メッシュ・固有表現頻度ＤＢから取得し、前記頻度ｆ、前記第１の頻度情報、前記第２の頻度情報とからポアソン分布のパラメータλを求め、ポアソン確率により固有表現のスコアを求め、該スコアが高い固有表現を、前記入力されたユーザＩＤと検索対象地理範囲にとって特徴的なキーワードとして出力するキーワード抽出手段と、
   を有することを特徴とする検索キーワード提示装置。
2. 前記キーワード抽出手段は、
   前記第１の頻度情報におけるスコア算出対象の固有表現の頻度ｓと前記頻度ｆとの地理メッシュ番号ｉにおける積和と、
   前記第１の頻度情報から得られる全固有表現の頻度ｎと前記頻度ｆとの地理メッシュ番号ｉにおける積和と、
   の比を用いて、前記パラメータλを求める
   請求項１記載の検索キーワード提示装置。
3. ユーザから入力された検索対象地理範囲に含まれる地域において該ユーザに特徴的なキーワードを提示する検索キーワード提示方法であって、
   コンピュータが、
   文書集合中の各文書から固有表現及び地名表現を抽出し、該地名表現に対応する地理情報をメッシュ番号に変換し、該メッシュ番号毎に、各固有表現の数を合計して地理メッシュ・固有表現頻度ＤＢに格納する地理メッシュ・固有表現頻度ＤＢ作成ステップと、
   ユーザＩＤに対応付けられて保持されている、ユーザが過去に存在していた位置情報を、メッシュ番号に変換し、前記ユーザＩＤ毎に地理メッシュ番号と該位置情報の頻度を求め、ユーザ地理メッシュ頻度ＤＢに格納するユーザ・地理メッシュＤＢ作成ステップと、
   ユーザからユーザＩＤと検索対象地理範囲が入力されると、該ユーザＩＤに基づいて前記ユーザ・地理メッシュ頻度ＤＢから地理メッシュ番号ｉと頻度ｆを取得し、取得した地理メッシュ番号ｉに基づいて前記地理メッシュ・固有表現頻度ＤＢから該地理メッシュに含まれる固有表現と第１の頻度情報を取得し、前記入力された検索対象地理範囲に該当する検索対象地理メッシュに含まれる固有表現と第２の頻度情報を前記地理メッシュ・固有表現頻度ＤＢから取得し、前記頻度ｆ、前記第１の頻度情報、前記第２の頻度情報とからポアソン分布のパラメータλを求め、ポアソン確率により固有表現のスコアを求め、該スコアが高い固有表現を、前記入力されたユーザＩＤと検索対象地理範囲にとって特徴的なキーワードとして出力するキーワード抽出ステップと、
   を実行することを特徴とする検索キーワード提示方法。
4. 前記キーワード抽出ステップは、
   前記第１の頻度情報におけるスコア算出対象の固有表現の頻度ｓと前記頻度ｆとの地理メッシュ番号ｉにおける積和と、
   前記第１の頻度情報から得られる全固有表現の頻度ｎと前記頻度ｆとの地理メッシュ番号ｉにおける積和と、
   の比を用いて、前記パラメータλを求める
   請求項３記載の検索キーワード提示方法。
5. コンピュータを、
   請求項１または２に記載の検索キーワード提示装置の各手段として機能させるための検索キーワード提示プログラム。

Images