JP5916959B2 - 動的データ取得方法およびシステム - Google Patents

Description

［他の出願の相互参照］
本出願は、すべての目的のために参照により本明細書に組み込まれる、発明の名称を「ＤＹＮＡＭＩＣ ＡＣＱＵＩＳＩＴＩＯＮ ＭＥＴＨＯＤ，ＤＥＶＩＣＥ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＤＡＴＡ（データの動的取得方法、装置およびシステム）」とする、２０１２年９月１３日に出願された中華人民共和国特許出願第２０１２１０３３９６６９．４号に基づく優先権を主張する。

本出願は、動的データ取得方法およびシステムに関するものである。

従来、関連製品を表示するためのプロモーションプラットフォームの実施において、ユーザは、まず入札管理サーバシステムで検索語によって入札処理を行う。ウェブサイトのフロントエンド検索ページで検索語が入力されると、その検索語に関連した製品データの情報が表示される。検索語と、検索語に対応するいくつかの製品データ情報には、それぞれ固定閾値が設定される。表示される結果は静的である。

具体的な実施プロセスでは、売り手ユーザは、最初に、入札管理サーバシステムにおいて、キーワードと、キーワードに対応するプロモーション製品を選択する。続いて、アルゴリズムモジュールによって、キーワードと製品データ情報との相関度が計算されて、相関閾値スコアが取得される。この算出された相関閾値スコアは、データベースに保存される。エンジンサーバは、データベースから相関閾値スコアをダウンロードして、インデックスデータベースを構築する。フロントエンド・クライアントのユーザが検索語を用いて検索を行うと、それらの検索語に対応する製品データ情報の閾値スコアがインデックスデータベースから取得されて、それぞれの閾値スコアは、既定の静的閾値と比較される。静的閾値スコアよりも大きい閾値スコアを有する製品データ情報が、表示用に選択される。このフィルタリング方法では、すべての検索語を一律基準に従って扱うので、多くの場合に、このフィルタリング方法は、あまりにも単純で静的である。キーワードと製品データ情報との相関閾値スコアが動的な変化を受ける場合、このフィルタリング方法では、より柔軟かつ正確な検索結果を得られないことが多い。

上記の製品データ情報のための方法では、検索語によって表示される製品データ情報は、多くの場合、質が低く、検索語との相関が一般に低いものである。さらには、表示されるプロモーション製品と検索語との相関は、ナチュラル検索の結果よりも劣る場合がある。ウェブサイトでの製品検索は、２つの検索エンジン（製品検索エンジンと広告検索エンジン）への要求を伴う。ナチュラル検索とは、製品検索エンジンからの結果を指すが、ナチュラル検索で見つかる製品の前に、広告検索エンジンの検索結果が表示されるので、これが、ユーザエクスペリエンスおよびクリック率に影響を与える。
本発明の種々の実施形態について、以下の詳細な説明および添付の図面において開示する。

動的データ取得システムの一実施形態の構成図である。

図１の動的データ取得システムの実施形態の詳細な構成図である。

第１の閾値計算サーバの一実施形態の構成図である。

動的データ取得方法の一実施形態のフローチャートである。

動的閾値スコア・ルックアップ方法の一実施形態のフローチャートである。

動的閾値スコア計算方法の一実施形態のフローチャートである。

動的閾値スコア取得方法の一実施形態のフローチャートである。

入札管理プロセスの一実施形態のビジネスサービス・フローチャートである。

動的データ取得システムの一実施形態の構成図である。

本発明は、数多くの方法で実施することが可能であり、それには、プロセス、装置、システム、組成物、コンピュータ可読記憶媒体上で実現されるコンピュータプログラム・プロダクトとしての実施、および／または、プロセッサに結合されたメモリに記憶された命令および／もしくはそれにより提供される命令を実行するように構成されたプロセッサなど、プロセッサとしての実施が含まれる。本明細書では、このような実施の形態、または本発明が取り得るその他の形態を、技術と呼ぶ場合がある。一般的に、開示されるプロセスのステップの順序は、本発明の範囲内で変更することができる。特に明記しない限り、タスクを実行するように構成されたものとして記載されるプロセッサまたはメモリなどのコンポーネントは、所与の時間に一時的にそのタスクを実行するように構成された汎用コンポーネント、またはそのタスクを実行するように作製された専用コンポーネントとして実現することができる。本明細書で使用される場合の「プロセッサ」という用語は、コンピュータプログラム命令などのデータを処理するように構成された１つまたは複数のデバイス、回路、および／または処理コアを指す。

図１は、動的データ取得システムの一実施形態の構成図である。図２Ａは、図１の動的データ取得システムの実施形態の詳細な構成図である。

図１を参照して、動的データ取得システム１００は、クライアント１１０と、検索エンジンサーバ１３０と、を含む。

クライアント１１０は、検索要求文字列を送信する。クライアント１１０と接続を確立した検索エンジンサーバ１３０が、検索要求文字列を受信して、検索要求文字列から検索語を読み取る。検索エンジンサーバ１３０は、それらの検索語を閾値辞書でルックアップすることで、検索語に対応する動的閾値スコアを取得して、検索語をクエリ条件とみなし、検索語に対応する動的閾値スコアを、インデックスデータテーブルのフィルタリングのためのフィルタ条件とみなす。一部の実施形態では、インデックスデータテーブルがフィルタ条件に基づいてフィルタリングされることで、検索語がインデックスデータテーブル内のキーワードと同じで、かつそれらのキーワードの閾値スコアが検索語の動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報が取得される。動的閾値スコアとは、フィルタリングのために、異なるクエリに異なる閾値スコアが用いられることを意味する。すなわち、フィルタリングのために、すべてのクエリに同じ閾値スコアが割り当てられるのではなく、クエリに閾値スコアが動的に割り当てられる。一部の実施形態では、動的閾値スコアは特性因子に基づいて変化し、そして、検索エンジンサーバ１３０は、インデックス情報に基づいて、検索語に対応するデータ情報を取得して、そのデータ情報を、表示のためにウェブサイトのフロントエンドページに返送する。一部の実施形態では、閾値辞書は、検索語と、各検索語に対応する動的閾値スコアとを含み、インデックスデータテーブルは、キーワードと、それらのキーワードと各データ情報との間の閾値スコアと、を含み、また、特性因子には、テキスト特性因子およびデータ解析特性因子が含まれる。一部の実施形態では、閾値辞書は、クエリ、製品特性、クリック・フィードバックに基づいて計算されて、オンライン検索用のスコアを提供し、そして閾値辞書は、リアルタイムで調整される。各キーワードは、閾値辞書内にスコアを有する。テキスト特性因子およびデータ解析特性因子は、上述のようにリアルタイムで変化するので、動的閾値スコアも、特性因子の変化に基づいてリアルタイムで変化する。上記のキーワードは、インデックスデータテーブルの索引語に相当する。すなわち、キーワードは、インデックスデータテーブル内のインデックス情報に対応している。

一例として、ｑ＝ｍｐ３プレーヤ＆スコア＝１０００〜最大整数というクエリを用いる。検索語が読み取られて、検索エンジンに送られる。１０００というスコアによって、１０００以下である結果は除外される。ユーザがＭＰ３プレーヤを検索し、１０００というスコアは、動的閾値辞書から得られる。検索エンジンが検索語を受け取ると、検索エンジンは、インデックス情報から、ｍｐ３プレーヤに完全に（ｍｐ３とプレーヤの両方が）マッチする製品を見つけ出し、見つけた製品を、それらの製品の閾値スコアに基づいてフィルタリングして、１０００以上の大きさのスコアを有するすべての製品を返す。

検索エンジンサーバ１３０は、閾値辞書で検索語を用いて得られた動的閾値スコアを、インデックスデータテーブルのフィルタリングのためのフィルタ条件とみなす。閾値辞書に保存されている動的閾値スコアは、特性因子のリアルタイム更新に基づいて動的に変化するので、現在の検索語に対応して取得されるデータ情報は、比較される動的閾値スコアの変化によって動的に更新される。ウェブサイトのフロントエンド・ウェブページに最終的に表示される結果も、更新されることになる。従来、検索エンジンで実現される製品データのプロモーション方法は、適応性がなく、制限されたものであり、その結果、対応性のない検索結果が得られる。これに代えて、システム１００では、製品データ情報のリアルタイムな動的プロモーションを実現することができる。

一例では、上記インデックスデータテーブル内のデータ情報は、構造化データ情報である。構造化データとは、ウェブサイトに保存される製品情報が構造化されていることを意味する。すなわち、データはすべて、データベースに、例えば、名称、概要、企業名、価格、製品特性がすべて構造化されて、個々のフィールドとして保存され、検索エンジンは、検索目的で、それらのフィールドのインデックスを構築する。いくつかの実施形態において、インデックスデータテーブル内のデータ情報には、製品名称、製品属性、製品企業情報、製品と対応する入札フレーズ、製品と対応する価格、製品と入札フレーズとの相関スコア、またはそれらの任意の組み合わせ、が含まれる。一部の実施形態では、インデックスデータテーブルの具体的なフォーマットは、検索エンジン構造に類似している。検索エンジン構造に類似しているということは、その構造化データによって、検索エンジン用のインデックス作成が容易となることを示唆している。検索エンジンは、フィールドをインデックスとして用いることで、検索を実行して、対応する製品を返す。いくつかの実施形態において、インデックスデータテーブルの構造は、転置インデックスまたは通常インデックスの構造形式に相当する。

特性因子には、テキスト特性因子、データ解析特性因子、またはそれらの組み合わせが含まれる。いくつかの実施形態において、テキスト特性因子には、検索語と製品自体のテキスト情報マッチングパラメータが含まれ、データ解析特性因子には、検索語のクリック率、対応する各製品のクリック率、検索語自体の人気度、ユーザのプロモーション製品エリア情報、検索語にバインドされた製品数（ユーザ数）、その他の因子、またはそれらの任意の組み合わせが含まれる。その他の因子には、買い手およびウェブサイトのプロモーションデータの情報マイニング、ウェブサイト製品の履歴クリック率（ＣＴＲ）情報、売り手の競争度、プロモーション製品のフレーズ相関とナチュラル検索結果との比較、またはそれらの任意の組み合わせが含まれる。例えば、検索語のクリック率およびエリア情報は、実際の状況に応じて変化する。従って、データ解析特性因子は動的に変化し、動的閾値スコアは、動的に変化するデータ解析特性因子に基づいてリアルタイムで更新される。

一部の実施形態では、動的閾値スコアは、処理サーバにおける閾値サービスによって計算される。すなわち、閾値サービスは、検索語と、ログ辞書に既に記録された特性因子とを用いて、動的閾値スコアを得るための閾値計算を実行する。さらに、閾値サービスは、すべての検索語と、検索語に対応する動的閾値スコアとを、フィルタリングのためのフィルタ条件として、閾値辞書に保存する。クライアントによって送信された検索要求を、検索エンジンサーバ１３０が受信すると、検索エンジンサーバ１３０は、今回の検索語に対応する製品データ情報を取得する。ログ辞書に記録される特性因子は、履歴状況に応じてリアルタイムで変化し得るデータ解析特性因子を含むので、算出される動的閾値スコアも、リアルタイムで変化する。結果的に、フィルタ条件は、特性因子の変化に基づいて調整される。従来、検索エンジンで実現される製品データのプロモーション方法は、適応性がなく、制限されたものであり、その結果、柔軟性のない検索結果が得られる。一方、本出願では、製品データ情報の動的プロモーションが実現され、柔軟なプロモーションデータ情報結果が得られる。さらに、データ解析特性因子に、クリック率、および検索語の質を具現化する他の因子を含むことによって、検索結果の精度が向上する。

一部の実施形態では、クライアント１１０は、検索要求文字列を検索エンジンサーバ１３０に送信する。検索要求文字列は、複数の条件のセットを含む。検索エンジンサーバ１３０は、検索要求文字列を解析して、既に計算された動的閾値スコアを閾値辞書１４０から呼び出し、得られた動的閾値スコアを、インデックスデータテーブル内のキーワードのフィルタリングのためのフィルタ条件として用いる。その後、検索エンジンサーバ１３０は、検索結果データを返送し、クライアント１１０のブラウザアプリケーションまたはＳｅａｒｃｈｗｅｂに検索結果を表示させる。Ｓｅａｒｃｈｗｅｂは、クライアントに返されて表示されるデータを参照する。

一部の実施形態では、システム１００は、入札管理サーバ１５０と、ログサーバ１７０と、第１の閾値計算サーバ１９０と、を備える。

入札管理サーバ１５０は、テキスト特性因子を提供する。

ログサーバ１７０は、データ解析特性因子、テキスト特性因子、またはそれらの組み合わせを提供するために、ログ辞書を保存している。

第１の閾値計算サーバ１９０は、個々の検索語のテキスト特性因子およびデータ解析特性因子をログ辞書から取得し、取得したテキスト特性因子および取得したデータ解析特性因子に基づいて、閾値計算を実行することで、各検索語の動的閾値スコアを得る。続いて、第１の閾値計算サーバ１９０は、各検索語と、各検索語に対応した動的閾値スコアを、データ辞書形式で、閾値辞書に保存する。

テキスト特性因子は、検索語とデータ情報のマッチング特性重みを含み、データ解析特性因子は、検索語に対応する解析パラメータ特性重みである。

一部の実施形態では、図２Ａに示すように、第１の閾値計算サーバ１９０は、検索語、および検索語に対応したデータ情報（テキスト特性因子を含む）を、入札管理サーバ１５０から抽出し、また、ウェブサイトの検索要求完了後のログ情報を、ログサーバ１７０のログ辞書から取得する。いくつかの実施形態において、ログ情報は、データ解析データベース１７５から取得されるデータ解析特性因子、テキスト特性因子、またはそれらの組み合わせで構成される。第１の閾値計算サーバ１９０が、検索語と、すべてのテキスト特性因子およびデータ解析特性因子を取得したら、第１の閾値計算サーバ１９０は、各検索語の動的閾値スコアを算出する。

例えば、第１の閾値計算サーバ１９０は、クエリの各検索語とユーザのプロモーション製品との相関閾値を計算する。同時に、第１の閾値計算サーバ１９０は、検索語とウェブサイトのナチュラル検索結果の最初の２０製品との相関閾値を計算する。いくつかの実施形態において、ナチュラル検索結果とは、製品検索エンジンまたは非広告検索エンジンからの結果を指す。計算プロセスでは、検索語と製品とのテキスト特性因子を考慮して、動的閾値スコアを計算することに加えて、さらに、製品の履歴クリック率（ＣＴＲ）、検索語自体の人気度、プロモーション製品エリア情報、検索語にバインドされた製品数（ユーザ数）、その他の商業的因子、またはそれらの任意の組み合わせを考慮して、第２の閾値スコアを計算し、最終的に、第１の閾値スコアおよび第２の閾値スコアに基づいて、検索語に対応した動的閾値スコアを得る。テキスト特性因子は、名称、概要などを含む製品説明に関連している。テキスト特性因子は、ワードと製品情報がテキストでマッチしている程度に関連している。例えば、ユーザがｍｐ３を検索する場合、ｍｐ３検索に関連してユーザが購入する製品の製品説明は、ｍｐ３に関係していなければならず（例えば、製品名称にｍｐ３を含む）、そうでなければ、相関が良好ではないとみなされる。いくつかの実施形態において、他の商業的因子として、検索語自体の人気度、ユーザのリコメンデーション、製品ロケーション情報、検索語にバインドされた製品数／ユーザ数、などが含まれる。第１の閾値計算サーバ１９０は、さらに、検索語および検索語の閾値スコアのすべてを閾値辞書１４０に保存する。一部の実施形態では、売り手ユーザは、入札管理サーバ１５０を介して、テキスト特性因子を閾値処理システム１００に供給する。テキスト特性因子は、検索語とデータ情報との相関閾値スコアを算出するために用いられる。

例えば、買い手が、フロントエンド・クライアントのブラウザアプリケーションを使用して、検索語を入力することで、売り手データ情報のオンライン要求を行う。例えば、買い手は、「ＭＰ３」というワードで検索する。ブラウザアプリケーションは、検索語「ＭＰ３」を含む検索要求文字列を生成して、検索エンジンサーバ１３０にアクセスする。検索エンジンサーバ１３０が検索要求文字列を得ると、検索エンジンサーバ１３０は、アルゴリズムのインタフェース関数を呼び出し、これにより、動的閾値スコアおよび動的広告位置数ｎを取得する。そして、このスコアを用いて、フィルタ条件をリライトする。例えば、「ｐｒｏｄｕｃｔ？ｑ＝ＭＰ３＆ｆｉｌｔｅｒ＝ｂｉｄｗｏｒｄ．ｍｌｒＳｃｏｒｅ：９３９９９９９〜２１４７４８３６４７＆ｎ＝４」の場合、「ｐｒｏｄｕｃｔ？ｑ」は、データ情報（例えば、製品情報）に関し、「ＭＰ３」は、検索語に関し、「ｆｉｌｔｅｒ」は、フィルタ条件に関し、「ｂｉｄｗｏｒｄ．ｍｌｒＳｃｏｒｅ」は、動的閾値スコアに関し、「ｎ」は、広告位置数に関する。一部の実施形態では、検索エンジンサーバ１３０は、内部で、バインドされているウェブサイト上の製品とキーワードとの間の相関スコア（ｍｌｒＳｃｏｒｅ）をデータベース（ＤＢ）から読み取り、それらのｍｌｒＳｃｏｒｅについて特定のインデックスを構築する。いくつかの実施形態において、検索エンジンサーバ１３０は、そのような要求文字列を解析して、フィルタ条件を満たすデータ情報を返送する。

図２Ｂは、第１の閾値計算サーバの一実施形態の構成図である。一部の実施形態において、第１の閾値計算サーバ１９０は、第１の計算モジュール１９３と、第２の計算モジュール１９６と、処理モジュール１９９と、を有する。

第１の計算モジュール１９３は、検索語の第１の閾値スコアＳｃｏｒｅ₀を取得するためのフィッティング計算を実行するために、線形回帰モデルＳｃｏｒｅ₀＝Ｆ０（ｆ₁，ｆ₂，．．．，ｆ_i）を採用する。ｆ_iは、この検索語に対応するテキスト特性因子に相当し、ｉは、Ｎ以下の大きさの整数に相当し、Ｎは自然数である。

第２の計算モジュール１９６は、検索語の第２の閾値スコアＳｃｏｒｅ₁を取得するためのフィッティング計算を実行するために、線形回帰モデルＳｃｏｒｅ₁＝Ｆ１（ｆ’₁，．．．，ｆ’_k）を採用する。ｆ’_kは、この検索語に対応するデータ解析特性因子に相当し、ｋは、Ｍ以下の大きさの整数に相当し、Ｍは自然数である。

処理モジュール１９９は、線形回帰モデルＳｃｏｒｅ＝Ｆ（ｓｃｏｒｅ₀，ｓｃｏｒｅ₁）×ｐ₁×ｐ₂に基づいて、検索語の動的閾値スコアを取得するためのフィッティング計算を実行する。一部の実施形態では、ｐ₁は、第１の閾値スコアの占有率に相当し、ｐ₂は、第２の閾値スコアの占有率に相当する。

いくつかの実施形態において、検索語と製品とに対応するテキスト相関の計算は、以下の因子に基づいている。ｆ１は、製品説明における同じワードの表題の長さに対する検索語の比に相当し、ｆ２は、検索語を含む表題に対する検索語の比に相当し、ｆ３は、検索語を含むキーワードに対する検索語の比に相当し、ｆ４は、製品説明における表題に対する検索語の文字マッチ率に相当し、ｆ５は、製品説明におけるキーワード文字列に対する検索語の文字マッチ率に相当する。一部の実施形態では、ｆ４およびｆ５として、クエリの検索語とデータ情報との文字のマッチが考慮されるだけではなく、文字列としてのマッチも考慮される。すなわち、ｆ４を、検索語と製品説明の表題との順序マッチ率とし、ｆ５を、検索語と製品説明のキーワードとの順序マッチ率として、ｆ４およびｆ５で、検索語と製品情報との文字のマッチを考慮するだけではなく、文字順序のマッチを考慮する。文字列が完全にマッチし、文字列全体が同じである場合には、最終的なスコアは最も高いスコアとなり、そうでなければ、最終的なスコアは、スコア０となる。これらの特性のフィッティングのために、つまり、特性値の重みを決定するために、線形回帰モデルが採用される。相関スコアＳｃｏｒｅ₀＝Ｆ０（ｆ１，．．．，ｆ５）において、ｆ１，ｆ２，．．．，ｆ５は、これら５つの因子に基づいている。Ｆ０は、線形回帰モデルによって学習させたモデル関数に相当する。上記の特性のフィッティング後に得られるスコア（Ｓｃｏｒｅ₀）は、相関スコアに相当する。

検索語の履歴状況に対応する閾値スコアが、Ｓｃｏｒｅ₁＝Ｆ１（ｆ’₁，．．．，ｆ’_k）に相当すると仮定すると、キーワードの履歴状況スコアは、学習および予測における相関スコアと類似している。この関数Ｓｃｏｒｅ＝Ｆ（ｓｃｏｒｅ₀，ｓｃｏｒｅ₁）×ｐ₁×ｐ₂は、テキスト特性因子に対応するテキスト相関スコアと、データ解析特性因子に対応するキーワードの履歴状況スコアを、共に適合させる。このスコアが、語句と製品との最終的なスコア閾値である。このスコアは、製品のテキストマッチスコアと商業的規則スコアを反映している。Ｆは、同様に、線形回帰モジュールを指す。

本例では、システム１００は、さらに、第２の閾値計算サーバ１６０を備えている。

第２の閾値計算サーバ１６０は、検索要求文字列を受け取ると、キーワードと、検索語にバインドされた各データ情報のテキスト特性因子とを、入札管理サーバ１５０またはログ辞書から取得する。インデックスデータテーブルにおいて、キーワードと検索語が同じであり、かつそれらのキーワードの閾値スコアが、検索語の動的閾値スコア以上の大きさである場合に、第２の閾値計算サーバ１６０は、テキスト特性因子に基づいて閾値計算を実行することで、各検索語に対応する１つ以上の閾値スコアを取得し、その後、各キーワード、および各キーワードに対応する閾値スコアを、閾値データベース１２０に保存する。一部の実施形態では、第２の閾値計算サーバ１６０によって実現される機能は、入札管理サーバ１５０に組み込まれる。すなわち、入札管理サーバ１５０が、テキスト特性因子に基づいて閾値計算を実行することで、各キーワードの閾値を取得する。

一部の実施形態では、キーワードとデータ情報との間のバインド関係は、バックグラウンドで予め設定される。例えば、いくつかの異なる製品とのバインド関係が、同じキーワードに設定される。それぞれのバインド関係のキーワードとデータ情報とのテキスト特性因子は、閾値計算のために、入札管理サーバ１５０に送られる。キーワードと、各キーワードに関連した各製品との間の閾値スコアが取得される。取得された閾値スコアはすべて、閾値データベース１２０に保存される。検索エンジンサーバ１３０が検索動作を開始する前に、検索エンジンサーバ１３０は、閾値データベース１２０内の閾値スコアに基づいて、インデックステーブルを作成する。一部の実施形態では、検索の前段階として、クライアント１１０から検索エンジンサーバ１３０に検索要求が送信されると、検索エンジンサーバ１３０は、閾値辞書１４０において検索語に対応する計算済みの動的閾値スコアを、インデックステーブルのインデックスのフィルタリングのためのフィルタ条件とみなし、閾値スコアが動的閾値スコア以上の大きさであるかどうかに基づいて、検索語に対応する情報を取得する。すなわち、動的閾値スコアを超える閾値スコアに対応するデータ情報のみが、検索語のフィルタ条件に適合するデータ情報である。

一部の実施形態において、図２Ａの第２の閾値計算サーバ１６０は、第３の計算モジュール１６３を有する。

第３の計算モジュール１６３は、線形回帰モデルＳｃｏｒｅ’＝Ｆ’（ｆ１，ｆ２，．．．，ｆｊ）を採用して、フィッティング計算を実行することで、キーワードの閾値スコアを取得する。ｆｊは、キーワードに対応したテキスト特性因子に相当し、ｊは、Ｊ以下の大きさの整数に相当し、Ｊは自然数である。

一部の実施形態では、検索エンジンサーバ１３０が検索語を受信すると、検索エンジンサーバ１３０は、閾値を算出するために、動的データベースインタフェースプログラムを呼び出す。さらに、検索語に対応する動的閾値スコアが、閾値辞書から取得される。そして、検索エンジンサーバ１３０は、受信した検索語に対応する動的閾値スコアを返される。動的閾値スコアは、現在、ウェブサイトページの異なる領域を識別するために使用される様々なＰＩＤ（ページＩＤ）への自己適応をサポートしている。検索エンジンサーバ１３０が、計算された検索語の動的閾値スコアを取得すると、動的閾値スコア（フィルタ条件）は、要求文字列と組み合わされる。次に、組み合わされた要求文字列が、既に構築されたインデックステーブルの閾値スコアと比較される。この場合、動的閾値スコア未満である閾値スコアに対応するプロモーションデータ情報は、表示されない。一部の実施形態では、閾値フィルタに適う製品が表示される位置の最大数は、アルゴリズムモジュールによって動的に算出された位置数の上限以下である。位置の最大数を制限することによって、ウェブサイトのナチュラル検索への影響が最小限となる。例えば、広告スペースが、ナチュラル検索結果または非広告検索結果に大きく影響しないように、広告を表示するためのウェブサイトのスペースは制限される。この場合、一部の実施形態では、製品の広告が最も多くても上限を超えないことが保証されるように、アルゴリズムモジュールによって、広告表示の上限値が返される。すなわち、あまりにも多くの広告が表示されることを避けるために、位置の最大数が用いられる。

一例として、電子製品を販売する売り手ユーザを用いて、動的閾値スコアが取得されるビジネスプロセスフローについて説明する。まず最初に、売り手ユーザは、入札するために、入札管理サーバ１５０において、キーワード「ＭＰ３」を選択する。そして、入札管理サーバ１５０で、キーワード「ＭＰ３」に関して、売り手ユーザが販売している５００品の製品を、ユーザがプロモーションしているデータ情報として設定する。例えば、売り手ユーザは、ｍｐ３という語句に対して５００品の製品をバインドする。すなわち、ｍｐ３の検索に対して、５００品の製品が返される。この場合、５００の異なるデータ情報が、同じキーワード「ＭＰ３」にバインドされる。いくつかの実施形態において、５００のデータ情報と「ＭＰ３」との相関は様々である。入札管理サーバ１５０は、閾値サービスにアクセスするために、キーワード「ＭＰ３」と５００のバインド関係（キーワードとデータ情報）を、要求の形式（例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰ）サーバのユニフォームリソースロケータ（ＵＲＬ）要求文字列）で、第１の閾値計算サーバ１９０に送る。一部の実施形態では、閾値サービスは、各バインド関係について、閾値スコアを算出する。一部の実施形態では、閾値スコアを用いて、キーワード「ＭＰ３」と各データ情報との相関の大きさが特定される。さらに、第１の閾値計算サーバ１９０は、ログサーバ１７０のログ情報を読み取ることによって閾値を算出し、これにより、キーワード「ＭＰ３」のテキスト相関の閾値スコアを得る。次の段階で、閾値スコアは、入札管理サーバ１５０に返送されて、入札管理サーバ１５０は、それらの閾値スコアを、それらが保存される閾値データベース（ＤＢ）に送る。閾値スコアは、これによって、オンラインシステムにおいて無駄なデータによるリソース利用を削減するために、検索エンジンサービスに提供される。

一部の実施形態では、システム１００は、監視装置１０５を備える。

監視装置１０５は、ログ辞書の整合性を監視するためのリアルタイムメッセージを受け取り、特性因子が変化したことを検出すると、ログ辞書を更新する。監視装置１０５とは、リアルタイム情報更新通知システムのセットを指す。ユーザの製品情報が変更されると、ウェブサイトのデータが変わり、ユーザ行動も変化するので、監視装置１０５は、リアルタイムで閾値辞書を修正する。このように、監視装置１０５は、閾値がより現実的であるように、閾値辞書の情報がリアルタイムで変更されることを保証する。一部の実施形態において、監視装置１０５は、リアルタイム通知メッセージを送信する。例えば、入札管理サーバ１５０において、売り手ユーザが、データ情報を変更するか、またはデータ情報に製品を追加する。監視装置１０５は、関連するアクションをキャプチャして、その関連するアクションをメッセージに変換する。そして、監視装置１０５は、インデックスデータテーブルの更新のために、対応する変更フィールド情報、または新しいデータエントリ情報を、検索エンジンサーバ１３０に伝送する。このように、閾値インデックスデータテーブルは、ウェブサイトのプロモーション活動情報、ユーザのリアルタイムの閲覧行動およびクリック情報、プロモーション製品のクリック率、他のかかる情報に基づいて、リアルタイムで更新される。その結果、人手の介入および全計算の実行を必要とすることなく、各検索語クエリの表示の閾値がリアルタイムで調整される。一部の実施形態において、システム１００は、新しいキーワードクエリに対して、その新しいキーワードがログ辞書にない場合に、デフォルト値を与える。

いくつかの実施形態において、システムが検索エンジンサーバ１３０および入札管理サーバ１５０に提供するログ辞書インデックスデータは、整合性が維持されなければならない。一例として、システムは、リアルタイム通知メッセージが送信された後に、ファイルサイズ、ファイルのＭＤ５値、ディスク容量、他のかかるデータを検証する。システムが不整合および異常な状況（例えば、ディスク容量が不十分で、データの一部のみが送信された）を検出した場合、システムは、手動で行われるべき処理を示すアラームを発する。例えば、辞書データを同期させるために用いられるタスクの一元管理がある。タスクは、毎日一定の時刻に、辞書データを多岐に分散させることを伴い、それは、分散された辞書のＭＤ５値の検証を含む。システムは、最初に、伝送された辞書が新しいこと、およびシステムによる後続処理の前に状況が一致していること、を確認する。システムが不整合を検出した場合、システムは、人手の介入および問題の修復を求めて、アラームを発する。さらに、一部の実施形態では、ウェブサイトのデータ変更に伴って、増分更新が同期的に実行される。そうでなければ、バックグラウンドシステムでユーザが得る語句のバインド状況と、検索エンジンサーバ１３０から返されて表示されるものとが、一致しないという問題が生じ得る。例えば、プロモーションプラットフォームでユーザが語句によって得る製品が高質であり、それが展示されるとユーザは信じている。ところが、検索エンジンにより誤って除外されるので、それが展示される機会はなく、同様の不整合が生じる。そこで、ログ辞書のデータの整合性を実現するために、いくらかの検証タスクが実行される。検証タスクは、プロセスフローを停止させるが、実行されなければ、ログ辞書のデータに不整合が生じて、ユーザの苦情につながる。

一例として、プロモーションが必要な広告製品とキーワードとの間のテキスト特性因子を、ユーザが入札管理サーバ１５０において設定した後に、入札管理サーバ１５０は、キーワードクエリによって、閾値サービスを要求して、対応する相関閾値情報を取得する。そして、入札管理サーバ１５０は、それらの閾値情報に基づいて、それらのキーワードとデータ情報とのバインド関係および良好な状態を判断する。バインドされた製品が、あまり効果的に展示される機会がないことを、売り手ユーザが気付いた場合に、売り手ユーザは、入札管理サーバ１５０において、製品情報、およびそれらの製品のプロモーションスキームを最適化する。さらに、売り手ユーザは、様々なキーワードについて、プロモーション競争の激しさに基づいてプロモーション戦略を決定し、これにより、ウェブサイト全体での製品プロモーションの質を向上させて、長期的に積極的なビジネスを展開する。

本例およびその他の例では、説明のために、別々のサーバ１９０、１５０、１６０、１３０を示しているが、様々な実施形態において、２つ以上のサーバの機能を統合して、単一のサーバによって実行することができる。

図３は、動的データ取得方法の一実施形態のフローチャートである。一部の実施形態において、方法３００は、図１の検索エンジンサーバ１３０で実施され、以下のステップを含んでいる。

ステップ３１０において、検索エンジンサーバ１３０は、検索要求文字列を受信して、検索要求文字列の中の検索語を読み取る。

ステップ３２０において、検索エンジンサーバ１３０は、それらの検索語を閾値辞書でルックアップして、検索語に対応する動的閾値スコアを取得する。一部の実施形態では、閾値辞書から動的閾値スコアを取得するために、動的閾値インタフェース関数が用いられる。

ステップ３３０において、検索エンジンサーバ１３０は、検索語をクエリ条件とみなし、検索語に対応する動的閾値スコアを、インデックスデータテーブルのフィルタリングのためのフィルタ条件とみなして、キーワードと検索語が同じで、かつそれらのキーワードの閾値スコアが検索語の動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報を取得する。いくつかの実施形態において、動的閾値スコアは、特性因子に応じて変化する。キーワードは、インデックスデータテーブルの索引語であり、キーワードは、インデックス情報に対応している。

ステップ３４０において、検索エンジンサーバ１３０は、インデックス情報に基づいて、検索語に対応するデータ情報を取得し、そのデータ情報を、動的に表示するためにウェブサイトのフロントエンドページに返送する。一部の実施形態では、閾値辞書は、検索語と、各検索語に対応した動的閾値スコアとを含み、インデックスデータテーブルは、キーワードと、キーワードと各データ情報との間の閾値スコアと、を含み、また、特性因子には、リアルタイムで変化するテキスト特性因子およびデータ解析特性因子が含まれる。

一部の実施形態では、検索語を用いて閾値辞書から取得した動的閾値スコアは、インデックスデータテーブルのフィルタリングのためのフィルタ条件として用いられる。閾値辞書に保存されている動的閾値スコアは、特性因子のリアルタイム更新に基づいて動的に変更され、従って、現在の検索語に対応して取得されるデータ情報は、動的閾値スコアの変更によって動的に更新される。このため、最終的にウェブサイトのフロントエンドページに表示される結果も更新される。従来、検索エンジンで実現される製品データのプロモーション方法は、適応性がなく、制限されたものであり、その結果、対応性のない検索結果が得られる。一方、本出願では、製品データ情報のリアルタイムな動的プロモーションを実現する。

いくつかの実施形態において、特性因子には、テキスト特性因子およびデータ解析特性因子が含まれる。テキスト特性因子には、検索語と製品自体のテキスト情報マッチングパラメータが含まれる。データ解析特性因子には、検索語のクリック率、対応する各製品のクリック率、検索語自体の人気度、ユーザのプロモーション製品エリア情報、検索語にバインドされた製品数（ユーザ数）、他のかかる因子（例えば、買い手およびウェブサイトのプロモーションデータの情報マイニング、ウェブサイト製品の履歴ＣＴＲ情報、売り手の競争度、プロモーション製品のフレーズ相関とナチュラル検索結果との比較、など）、が含まれる。例えば、検索語のクリック率およびエリア情報は、実際の状況に応じて動的に変化する。従って、データ解析特性因子は動的に変化し、よって、動的閾値スコアは、動的に変化するデータ解析特性因子に基づいてリアルタイムで更新される。

一例として、クライアント１１０は、検索要求文字列を検索エンジンサーバ１３０に送信する。検索要求文字列は、複数の条件で編成されている。検索エンジンサーバ１３０は、検索要求文字列を解析して、バックグラウンドで既に計算済みの動的閾値スコアを閾値辞書１４０から呼び出し、得られた動的閾値スコアを、インデックスデータテーブル１４５内のキーワードのフィルタリングのためのフィルタ条件として用いる。その後、検索エンジンサーバ１３０は、検索結果データを返送し、最終的に、クライアント１１０のブラウザアプリケーションに検索結果を表示させる。

図４Ａは、動的閾値スコア・ルックアップ方法の一実施形態のフローチャートである。一部の実施形態において、方法４００は、図３の３２０で実施され、以下のステップを含んでいる。

検索エンジンサーバ１３０は、クライアント１１０から検索要求文字列を受信すると、ステップ４１０において、要求文字列をリライトする。

次にステップ４２０において、検索エンジンサーバ１３０は、動的閾値インタフェース処理クラス：：ｉｎｉｔを呼び出し、閾値計算サーバで実現されるバックグラウンドのアルゴリズムモジュールで、要求文字列の中の検索語と、ログ辞書内でそれらの検索語に対応する特性因子について、閾値を計算する。

ステップ４３０において、検索エンジンサーバ１３０は、要求文字列の検索語と特性因子について計算された閾値に基づいて、検索語の動的閾値スコアを取得する。それらの動的閾値スコアは、キーワードとデータ情報との間の動的な総合的相関状況を表す。一部の実施形態では、それらの動的閾値スコアが、フィルタ条件に加えられる。さらに、返される結果数がリライトされる。リライトされた要求文字列を用いて、検索エンジンサーバ１３０のカーネルのクエリモジュールに対して、クエリタスクの完了を要求し、そして、対応する検索結果を、表示のためにクライアント１１０のブラウザアプリケーションに返送する。

図４Ｂは、動的閾値スコア計算方法の一実施形態のフローチャートである。一部の実施形態において、方法４５０は、図３の３２０の前に実施され、以下のステップを含んでいる。

ステップ４６０において、検索エンジンサーバ１３０は、ログ辞書から、テキスト特性因子およびデータ解析特性因子を取得する。

ステップ４７０において、検索エンジンサーバ１３０は、テキスト特性因子およびデータ解析特性因子に基づいて閾値計算を実行することで、各検索語の動的閾値スコアを取得する。

ステップ４８０において、検索エンジンサーバ１３０は、各検索語と、各検索語の動的閾値スコアを、データ辞書形式で、閾値辞書に保存する。一部の実施形態では、テキスト特性因子は、検索語とデータ情報のマッチング特性重みに相当し、データ解析特性因子は、検索語に対応する解析パラメータ特性重みに相当する。

一例では、第１の閾値計算サーバ１９０は、検索語、および検索語に対応したデータ情報を、入札管理サーバ１５０から抽出し、また、ウェブサイトの検索要求完了後のログ情報を、ログサーバ１７０のログ辞書から取得する。いくつかの実施形態において、ログ情報は、データ解析データベース１７５から取得されるデータ解析特性因子およびテキスト特性因子で構成される。第１の閾値計算サーバ１９０が、検索語と、テキスト特性因子およびデータ解析特性因子を取得したら、第１の閾値計算サーバ１９０は、各検索語の動的閾値スコアを算出する。例えば、第１の閾値計算サーバ１９０は、クエリの各検索語とユーザのプロモーション製品との相関閾値を計算する。同時に、第１の閾値計算サーバ１９０は、検索語とウェブサイトのナチュラル検索結果の最初の２０製品との相関閾値を計算する。計算プロセスでは、上述のように、検索語と製品との相関閾値を考慮して、動的閾値スコアを計算することに加えて、さらに、製品の履歴クリック率、検索語自体の人気度、プロモーション製品エリア情報、検索語にバインドされた製品数（ユーザ数）、その他の商業的因子を考慮して、第２の閾値スコアを計算し、最終的に、第１の閾値スコアおよび第２の閾値スコアに基づいて、検索語に対応した動的閾値スコアを得る。第１の閾値計算サーバ１９０は、さらに、検索語およびそれらの閾値スコアのすべてを閾値辞書に保存する。一部の実施形態では、売り手ユーザは、検索語とデータ情報との相関閾値スコアの算出に用いられるテキスト特性因子を、入札管理サーバ１５０を介して、第１の閾値計算サーバ１９０に供給する。

図５は、動的閾値スコア取得方法の一実施形態のフローチャートである。一部の実施形態において、方法５００は、図４Ｂの４７０で実施され、以下のステップを含んでいる。

ステップ５１０において、検索エンジンサーバ１３０は、線形回帰モデルＳｃｏｒｅ₀＝Ｆ０（ｆ₁，ｆ₂，．．．，ｆ_i）を採用して、検索語の第１の閾値スコアＳｃｏｒｅ₀を取得するためのフィッティング計算を実行する。ｆ_iは、この検索語に対応するテキスト特性因子に相当し、ｉは、Ｎ以下の大きさの整数に相当し、Ｎは自然数である。

ステップ５２０において、検索エンジンサーバ１３０は、線形回帰モデルＳｃｏｒｅ₁＝Ｆ１（ｆ’₁，．．．，ｆ’_k）を採用して、検索語の第２の閾値スコアＳｃｏｒｅ₁を取得するためのフィッティング計算を実行する。ｆ’_kは、この検索語に対応するデータ解析特性因子に相当し、ｋは、Ｍ以下の大きさの整数に相当し、Ｍは自然数である。

ステップ５３０において、検索エンジンサーバ１３０は、線形回帰モデルＳｃｏｒｅ＝Ｆ（ｓｃｏｒｅ₀，ｓｃｏｒｅ₁）×ｐ₁×ｐ₂に基づいて、検索語の動的閾値スコアを取得するためのフィッティング計算を実行する。ｐ₁は、第１の閾値スコアの占有率に相当し、ｐ₂は、第２の閾値スコアの占有率に相当する。

一例では、検索語と製品とに対応するテキスト相関の計算において考慮される因子には、以下のものが含まれる。ｆ１は、製品説明における同じワードの表題の長さに対する検索語の比に相当し、ｆ２は、検索語を含む表題に対する検索語の比に相当し、ｆ３は、検索語を含むキーワードに対する検索語の比に相当し、ｆ４は、製品説明における表題に対する検索語の文字マッチ率に相当し、ｆ５は、製品説明におけるキーワード文字列に対する検索語の文字マッチ率に相当する。一部の実施形態では、ｆ４およびｆ５として、クエリの検索語とデータ情報との文字のマッチが考慮されるだけではなく、文字列としてのマッチも考慮される。文字列が完全にマッチし、文字列全体が同じである場合には、ｆ４およびｆ５は最も高いスコアとなり、そうでなければ、ｆ４およびｆ５は、スコア０となる。これらの特性のフィッティングのために、つまり、特性値の重みを決定するために、線形回帰モデルが採用される。相関スコアＳｃｏｒｅ₀＝Ｆ０（ｆ１，．．．，ｆ５）において、ｆ１，ｆ２，．．．，ｆ５は、これら５つの特性を表しており、Ｆ０は、線形回帰モデルによって学習させたモデル関数を表している。上記の特性のフィッティング後に得られるスコア（Ｓｃｏｒｅ₀）が、相関スコアである。

検索語の履歴状況に対応する閾値スコアが、Ｓｃｏｒｅ₁＝Ｆ１（ｆ’₁，．．．，ｆ’_k）に相当すると仮定すると、検索語の履歴状況に対応した閾値は、学習および予測における相関スコアと類似している。

この関数Ｓｃｏｒｅ＝Ｆ（ｓｃｏｒｅ₀，ｓｃｏｒｅ₁）×ｐ₁×ｐ₂は、テキスト特性因子に対応するテキスト相関スコアと、データ解析特性因子に対応するキーワードの履歴状況閾値スコアを、共に適合させる。このスコアが、語句と製品との最終的なスコア閾値である。このスコアは、製品のテキストマッチスコアと商業的規則スコアを反映している。Ｆは、同様に、線形回帰モジュールを指す。

図６は、入札管理プロセスの一実施形態のビジネスサービス・フローチャートである。一部の実施形態において、プロセスは、図１の入札管理サーバ１５０で実施され、以下のステップを含んでいる。

ステップ６１０において、売り手ユーザは、入札管理サーバ１５０において、プロモーション情報を設定する。プロモーション情報には、プロモーションが必要なキーワードとデータ情報との関係のリストが含まれる。

ステップ６２０において、キーワードと製品自体のテキスト情報マッチングパラメータが設定され、入札管理サーバ１５０は、プロモーション情報を得る。

ステップ６３０において、入札管理サーバ１５０は、そのプロモーション情報を、第１の閾値計算サーバ１９０に送る。第１の閾値計算サーバ１９０が、ログ辞書から各検索語のテキスト特性因子およびデータ解析特性因子を取得した後に、第１の閾値計算サーバ１９０は、テキスト特性因子およびデータ解析特性因子に基づいて閾値計算を実行することで、各検索語の動的閾値スコアを取得する。その後、第１の閾値計算サーバ１９０は、各検索語と、各検索語の動的閾値スコアを、データ辞書形式で、閾値辞書に保存する。一部の実施形態では、テキスト特性因子は、検索語とデータ情報のマッチング特性重みであり、データ解析特性因子は、検索語に対応する解析パラメータ特性重みである。

ステップ６４０において、入札管理サーバ１５０は、予め設定されたバインド結果を取得するために、第１の閾値計算サーバ１９０内の閾値スコアに基づくクエリを実行する。バインド結果とは、各検索語と製品情報との相関スコアである。

ステップ６５０において、入札管理サーバ１５０は、検索語に対応する製品情報を編集する。

検索語をクエリ条件とみなし、検索語に対応する動的閾値スコアを、インデックスデータテーブルでクエリを実行するためのフィルタ条件とみなすことに先立って、第１の閾値計算サーバ１９０は、バックグラウンド・クライアントの入札管理サーバまたはログ辞書から、キーワードと、キーワードにバウンドされた各製品データ情報とのテキスト特性因子を取得して、これらのテキスト特性因子に基づいて閾値計算を実行することで、各キーワードに対応した１つ以上の閾値スコアを取得し、各キーワード、および各キーワードに対応した１つ以上の閾値スコアを、閾値データベースに保存して、閾値データベース内の各キーワードと、それに対応する閾値スコアに基づいて、インデックステーブルを作成する。一部の実施形態では、第２の閾値サーバ１６０が、各キーワードに対応する１つ以上の閾値スコアを取得するために、テキスト特性因子に基づいて閾値計算を実行し、それは、線形回帰モデルＳｃｏｒｅ’＝Ｆ’（ｆ１，ｆ２，．．．，ｆｊ）を採用して、フィッティング計算を実行することで、キーワードの閾値スコアを取得することを含む。ｆｊは、キーワードに対応したテキスト特性因子であり、ｊは、Ｊ以下の大きさの整数であり、Ｊは自然数である。

検索要求文字列を受信し、検索要求文字列の検索語を読み取ることに先立って、第１の閾値計算サーバ１９０は、クライアント１１０またはユーザの入札プラットフォームから、ログ辞書の整合性を監視するためのリアルタイムメッセージを受信し、特性因子が変化したことが検出された場合には、ログ辞書を更新する。

図７は、動的データ取得システムの一実施形態の構成図である。一部の実施形態において、システム７００は、受信モジュール７１０と、クエリモジュール７２０と、フィルタリングモジュール７３０と、処理モジュール７４０と、を備えている。

受信モジュール７１０は、検索要求文字列を受信して、検索要求文字列の中の検索語を読み取る。

クエリモジュール７２０は、閾値辞書で検索語をルックアップすることで、検索語に対応した動的閾値スコアを取得する。

フィルタリングモジュール７３０は、検索語をクエリ条件とみなし、検索語に対応した動的閾値スコアを、インデックスデータテーブルにおけるフィルタリングのためのフィルタ条件とみなして、キーワードと検索語が同じであり、かつそれらのキーワードの閾値スコアが、検索語の動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報を取得する。一部の実施形態では、動的閾値スコアは、特性因子に応じて変化する。

処理モジュール７４０は、インデックス情報に基づいて、検索語に対応するデータ情報を取得し、そのデータ情報を、表示のためにウェブサイトのフロントエンドページに返送する。閾値辞書は、検索語と、各検索語に対応した動的閾値スコアとを含み、インデックスデータテーブルは、キーワードと、それらのキーワードと各データ情報との間の閾値スコアと、を含み、また、特性因子には、テキスト特性因子およびデータ解析特性因子が含まれる。

上記のシステムは、閾値辞書で検索語を用いて得られる動的閾値スコアを、インデックスデータテーブルにおけるフィルタリングのためのフィルタ条件として使用する。閾値辞書に保存される動的閾値スコアは、特性因子のリアルタイム更新に応じて動的に変更されるので、現在の検索語に対応して取得される製品データ情報は、動的閾値スコアの変更によって動的に更新される。これによって、ウェブサイトのフロントエンド・ウェブページに最終的に表示される結果も更新される。本システムは、このように、製品データ情報のリアルタイムな動的プロモーションを実現する。

本出願は、以下の技術的効果を達成するものである。本出願により提供される動的な製品プロモーションによって、入札管理サーバ１５０プラットフォームと検索エンジンサーバ１３０との間の結合が減少する。ユーザが入札管理サーバ１５０を通して入札プロモーションアクションを実行するときに、ユーザは、製品プロモーションの質および表示の状況を知ることができる。様々に異なる検索語に対して、動的で多様なプロモーション製品情報を提示することができ、プロモーション情報は、ウェブサイト・トラフィックのリアルタイムな変化に応じて動的に変更されることが可能である。このような方法は、ユーザが、最適化および入札においてイニシアチブを取るために有効であり、これによって、ビジネスサービス入札の有利な展開が促される。

上記のユニットは、１つまたは複数の汎用プロセッサ上で実行されるソフトウェア・コンポーネントとして、プログラマブル・ロジック・デバイスおよび／もしくは特定の機能を実行するように設計された特定用途向け集積回路などのハードウェアとして、またはそれらの組み合わせにより、実現することができる。一部の実施形態では、これらのユニットは、ソフトウェア・プロダクトの形態で実現することができ、これらは不揮発性記憶媒体（光ディスク、フラッシュ記憶装置、モバイル・ハードディスクなど）に記憶することが可能であって、本発明の実施形態で記載した方法をコンピュータ装置（パーソナルコンピュータ、サーバ、ネットワーク装置など）に実行させるための多くの命令を含むものである。これらのユニットは、単一の装置に、または複数の装置に分散させて、実装することができる。ユニットの機能は相互に併合させることができ、あるいは複数のサブユニットにさらに分割することができる。

本明細書で開示した実施形態を参照して記載された方法またはアルゴリズムステップは、ハードウェア、またはプロセッサで実行されるソフトウェアモジュール、または両方の組み合わせを用いて実装することができる。ソフトウェアモジュールは、ランダムアクセスメモリ（ＲＡＭ）、メモリ、読み取り専用メモリ（ＲＯＭ）、電気的プログラマブルＲＯＭ、電気的消去可能プログラマブルＲＯＭ、レジスタ、ハードドライブ、リムーバブルディスク、ＣＤ−ＲＯＭ、または当該技術分野で周知の他のいずれかの形式の記憶媒体にインストールすることができる。

上記の実施形態は、明確な理解を目的として、ある程度詳細に記載しているが、本発明は、提示した詳細に限定されるものではない。本発明を実施する多くの代替的方法がある。開示された実施形態は、例示であって、限定するものではない。
適用例１：動的データ取得方法であって、
受信された検索要求文字列から検索語を抽出し、
前記検索語に対応する動的閾値スコアを取得するために、閾値辞書で前記検索語をルックアップし、
インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアであって、特性因子に基づいて変化する前記動的閾値スコアをフィルタ条件として使用し、
前記インデックスデータテーブル内の前記インデックス情報に基づいて、前記検索語に対応するデータ情報を取得し、
ウェブサイトのページに表示させるために、前記データ情報を送信することと、を備える、方法。
適用例２：適用例１に記載の方法において、インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアをフィルタ条件として使用することは、
前記検索語とマッチするキーワードが前記インデックスデータテーブル内に存在し、前記インデックスデータテーブルにおける前記キーワードの閾値スコアが、前記検索語の前記動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報を取得することを含む、方法。
適用例３：適用例１に記載の方法において、前記閾値辞書は、複数の検索語と、対応する複数の動的閾値スコアと、を含む、方法。
適用例４：適用例１に記載の方法において、前記インデックスデータテーブルは、複数のキーワードと、対応する複数の、前記キーワードと前記データ情報との間の閾値スコアと、を含む、方法。
適用例５：適用例１に記載の方法において、前記特性因子は、テキスト特性因子と、データ解析特性因子と、を含む、方法。
適用例６：適用例１に記載の方法はさらに、前記閾値辞書を構築することを備え、前記閾値辞書を構築することは、
各検索語のテキスト特性因子およびデータ解析特性因子をログ辞書から取得し、
各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行し、
前記検索語および各検索語の前記動的閾値スコアを、データ辞書形式で、前記閾値辞書に保存すること、を含み、
前記テキスト特性因子は、前記検索語と前記データ情報のマッチング特性重みであり、
前記データ解析特性因子は、前記検索語に対応する解析パラメータ特性重みである、方法。
適用例７：適用例６に記載の方法において、各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行することは、
フィッティング計算を実行し、前記検索語の第１の閾値スコアＳｃｏｒｅ ₀ を取得するために、線形回帰モデルＳｃｏｒｅ ₀ ＝Ｆ０（ｆ ₁ ，ｆ ₂ ，．．．，ｆ _i ）を採用し、ここで、ｆ _i は前記検索語に対応するテキスト特性因子であり、ｉはＮ以下の大きさの整数であり、Ｎは自然数であり、
フィッティング計算を実行し、前記検索語の第２の閾値スコアＳｃｏｒｅ ₁ を取得するために、線形回帰モデルＳｃｏｒｅ ₁ ＝Ｆ１（ｆ’ ₁ ，．．．，ｆ’ _k ）を採用し、ここで、ｆ’ _k は前記検索語に対応するデータ解析特性因子であり、ｋはＭ以下の大きさの整数であり、Ｍは自然数であり、
前記検索語の前記動的閾値スコアを取得するために、ｐ ₁ は前記第１の閾値スコアの占有率であり、ｐ ₂ は前記第２の閾値スコアの占有率であるとして、線形回帰モデルＳｃｏｒｅ＝Ｆ（ｓｃｏｒｅ ₀ ，ｓｃｏｒｅ ₁ ）×ｐ ₁ ×ｐ ₂ に基づいて、フィッティング計算を実行すること、を備える、方法。
適用例８：適用例１に記載の方法はさらに、前記インデックスデータテーブルを構築することを備え、前記インデックスデータテーブルを構築することは、
キーワードと、前記キーワードにバインドされた各データ情報のテキスト特性因子とを、入札管理サーバまたはログ辞書から取得し、
各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて閾値計算を実行し、
前記キーワードと、各キーワードに対応する前記１つ以上の閾値スコアとを、閾値データベースに保存し、
前記閾値データベース内のキーワードおよび対応する前記１つ以上の閾値スコアに基づいて、前記インデックスデータテーブルを作成すること、を備え、
各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて前記閾値計算を実行することは、前記キーワードの閾値スコアを取得するためのフィッティング計算を実行するために、ｆｊは前記キーワードに対応する前記テキスト特性因子であり、ｊはＪ以下の大きさの整数であり、Ｊは自然数であるとして、線形回帰モデルＳｃｏｒｅ’＝Ｆ’（ｆ１，ｆ２，．．．，ｆｊ）を採用することを備える、方法。
適用例９：適用例１に記載の方法はさらに、
前記検索要求文字列を受信すること、および前記検索要求文字列から検索語を抽出することの前に、
ログ辞書の整合性を監視するためのリアルタイムメッセージを受信し、
前記特性因子が変化したことが検出された場合に、前記ログ辞書を更新すること、を備える、方法。
適用例１０：動的データ取得システムであって、
少なくとも１つのプロセッサであって、
受信された検索要求文字列から検索語を抽出し、
前記検索語に対応する動的閾値スコアを取得するために、閾値辞書で前記検索語をルックアップし、
インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアであって、特性因子に基づいて変化する前記動的閾値スコアをフィルタ条件として使用し、
前記インデックスデータテーブル内の前記インデックス情報に基づいて、前記検索語に対応するデータ情報を取得し、
ウェブサイトのページに表示させるために、前記データ情報を送信する、ように構成されている少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに接続され、前記少なくとも１つのプロセッサに命令を供給するように構成されているメモリと、を備えるシステム。
適用例１１：適用例１０に記載のシステムにおいて、インデックスデータテーブルで、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアをフィルタ条件として使用することは、
前記検索語とマッチするキーワードが前記インデックスデータテーブル内に存在し、前記インデックスデータテーブルにおける前記キーワードの閾値スコアが、前記検索語の前記動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報を取得することを備える、システム。
適用例１２：適用例１０に記載のシステムにおいて、前記閾値辞書は、複数の検索語と、対応する複数の動的閾値スコアと、を含む、システム。
適用例１３：適用例１０に記載のシステムにおいて、前記インデックスデータテーブルは、複数のキーワードと、対応する複数の、前記キーワードと前記データ情報との間の閾値スコアと、を含む、システム。
適用例１４：適用例１０に記載のシステムにおいて、前記特性因子は、テキスト特性因子と、データ解析特性因子と、を含む、システム。
適用例１５：適用例１０に記載のシステムにおいて、前記少なくとも１つのプロセッサは、さらに、
前記閾値辞書を構築するように構成されており、前記閾値辞書を構築することは、
各検索語のテキスト特性因子およびデータ解析特性因子をログ辞書から取得し、
各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行し、
前記検索語および各検索語の前記動的閾値スコアを、データ辞書形式で、前記閾値辞書に保存すること、を含み、
前記テキスト特性因子は、前記検索語と前記データ情報のマッチング特性重みであり、
前記データ解析特性因子は、前記検索語に対応する解析パラメータ特性重みである、システム。
適用例１６：適用例１５に記載のシステムにおいて、各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行することは、
フィッティング計算を実行し、前記検索語の第１の閾値スコアＳｃｏｒｅ ₀ を取得するために、線形回帰モデルＳｃｏｒｅ ₀ ＝Ｆ０（ｆ ₁ ，ｆ ₂ ，．．．，ｆ _i ）を採用し、ここで、ｆ _i は前記検索語に対応するテキスト特性因子であり、ｉはＮ以下の大きさの整数であり、Ｎは自然数であり、
フィッティング計算を実行し、前記検索語の第２の閾値スコアＳｃｏｒｅ ₁ を取得するために、線形回帰モデルＳｃｏｒｅ ₁ ＝Ｆ１（ｆ’ ₁ ，．．．，ｆ’ _k ）を採用し、ここで、ｆ’ _k は前記検索語に対応するデータ解析特性因子であり、ｋはＭ以下の大きさの整数であり、Ｍは自然数であり、
前記検索語の前記動的閾値スコアを取得するために、ｐ ₁ は前記第１の閾値スコアの占有率であり、ｐ ₂ は前記第２の閾値スコアの占有率であるとして、線形回帰モデルＳｃｏｒｅ＝Ｆ（ｓｃｏｒｅ ₀ ，ｓｃｏｒｅ ₁ ）×ｐ ₁ ×ｐ ₂ に基づいて、フィッティング計算を実行すること、を備える、システム。
適用例１７：適用例１０に記載のシステムにおいて、前記少なくとも１つのプロセッサは、さらに、
前記インデックスデータテーブルを構築するように構成されており、前記インデックスデータテーブルを構築することは、
キーワードと、前記キーワードにバインドされた各データ情報のテキスト特性因子とを、入札管理サーバまたはログ辞書から取得し、
各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて閾値計算を実行し、
前記キーワードと、各キーワードに対応する前記１つ以上の閾値スコアとを、閾値データベースに保存すること、を備える、システム。
適用例１８：適用例１７に記載のシステムにおいて、各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて前記閾値計算を実行することは、前記キーワードの閾値スコアを取得するためのフィッティング計算を実行するために、ｆｊは前記キーワードに対応する前記テキスト特性因子であり、ｊはＪ以下の大きさの整数であり、Ｊは自然数であるとして、線形回帰モデルＳｃｏｒｅ’＝Ｆ’（ｆ１，ｆ２，．．．，ｆｊ）を採用することを含む、システム。
適用例１９：適用例１０に記載のシステムにおいて、前記少なくとも１つのプロセッサは、さらに、
前記検索要求文字列を受信すること、および前記検索要求文字列から検索語を抽出することの前に、
ログ辞書の整合性を監視するためのリアルタイムメッセージを受信し、
前記特性因子が変化したことが検出された場合に、前記ログ辞書を更新する、ように構成されている、システム。
適用例２０：データを動的に取得するためのコンピュータプログラム・プロダクトであって、前記コンピュータプログラム・プロダクトは、有形の非一時的コンピュータ可読記憶媒体内に具現化されており、
受信された検索要求文字列から検索語を抽出するためのコンピュータ命令と、
前記検索語に対応する動的閾値スコアを取得するために、閾値辞書で前記検索語をルックアップするためのコンピュータ命令と、
インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアであって、特性因子に基づいて変化する前記動的閾値スコアをフィルタ条件として使用するためのコンピュータ命令と、
前記インデックスデータテーブル内の前記インデックス情報に基づいて、前記検索語に対応するデータ情報を取得するためのコンピュータ命令と、
ウェブサイトのページに表示させるために、前記データ情報を送信するためのコンピュータ命令と、を備える、コンピュータプログラム・プロダクト。

Claims (20)

1. 動的データ取得方法であって、
   受信された検索要求文字列から検索語を抽出し、
   前記検索語に対応する動的閾値スコアを取得するために、閾値辞書で前記検索語をルックアップし、
   インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアであって、特性因子に基づいて変化する前記動的閾値スコアをフィルタ条件として使用し、
   前記インデックスデータテーブル内の前記インデックス情報に基づいて、前記検索語に対応するデータ情報を取得し、
   ウェブサイトのページに表示させるために、前記データ情報を送信することと、を備える、方法。
2. 請求項１に記載の方法において、インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアをフィルタ条件として使用することは、
   前記検索語とマッチするキーワードが前記インデックスデータテーブル内に存在し、前記インデックスデータテーブルにおける前記キーワードの閾値スコアが、前記検索語の前記動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報を取得することを含む、方法。
3. 請求項１に記載の方法において、前記閾値辞書は、複数の検索語と、対応する複数の動的閾値スコアと、を含む、方法。
4. 請求項１に記載の方法において、前記インデックスデータテーブルは、複数のキーワードと、対応する複数の、前記キーワードと前記データ情報との間の閾値スコアと、を含む、方法。
5. 請求項１に記載の方法において、前記特性因子は、テキスト特性因子と、データ解析特性因子と、を含む、方法。
6. 請求項１に記載の方法はさらに、前記閾値辞書を構築することを備え、前記閾値辞書を構築することは、
   各検索語のテキスト特性因子およびデータ解析特性因子をログ辞書から取得し、
   各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行し、
   前記検索語および各検索語の前記動的閾値スコアを、データ辞書形式で、前記閾値辞書に保存すること、を含み、
   前記テキスト特性因子は、前記検索語と前記データ情報のマッチング特性重みであり、
   前記データ解析特性因子は、前記検索語に対応する解析パラメータ特性重みである、方法。
7. 請求項６に記載の方法において、各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行することは、
   フィッティング計算を実行し、前記検索語の第１の閾値スコアＳｃｏｒｅ₀を取得するために、線形回帰モデルＳｃｏｒｅ₀＝Ｆ０（ｆ₁，ｆ₂，．．．，ｆ_i）を採用し、ここで、ｆ_iは前記検索語に対応するテキスト特性因子であり、ｉはＮ以下の大きさの整数であり、Ｎは自然数であり、
   フィッティング計算を実行し、前記検索語の第２の閾値スコアＳｃｏｒｅ₁を取得するために、線形回帰モデルＳｃｏｒｅ₁＝Ｆ１（ｆ’₁，．．．，ｆ’_k）を採用し、ここで、ｆ’_kは前記検索語に対応するデータ解析特性因子であり、ｋはＭ以下の大きさの整数であり、Ｍは自然数であり、
   前記検索語の前記動的閾値スコアを取得するために、ｐ₁は前記第１の閾値スコアの占有率であり、ｐ₂は前記第２の閾値スコアの占有率であるとして、線形回帰モデルＳｃｏｒｅ＝Ｆ（ｓｃｏｒｅ₀，ｓｃｏｒｅ₁）×ｐ₁×ｐ₂に基づいて、フィッティング計算を実行すること、を備える、方法。
8. 請求項１に記載の方法はさらに、前記インデックスデータテーブルを構築することを備え、前記インデックスデータテーブルを構築することは、
   キーワードと、前記キーワードにバインドされた各データ情報のテキスト特性因子とを、入札管理サーバまたはログ辞書から取得し、
   各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて閾値計算を実行し、
   前記キーワードと、各キーワードに対応する前記１つ以上の閾値スコアとを、閾値データベースに保存し、
   前記閾値データベース内のキーワードおよび対応する前記１つ以上の閾値スコアに基づいて、前記インデックスデータテーブルを作成すること、を備え、
   各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて前記閾値計算を実行することは、前記キーワードの閾値スコアを取得するためのフィッティング計算を実行するために、ｆｊは前記キーワードに対応する前記テキスト特性因子であり、ｊはＪ以下の大きさの整数であり、Ｊは自然数であるとして、線形回帰モデルＳｃｏｒｅ’＝Ｆ’（ｆ１，ｆ２，．．．，ｆｊ）を採用することを備える、方法。
9. 請求項１に記載の方法はさらに、
   前記検索要求文字列を受信すること、および前記検索要求文字列から検索語を抽出することの前に、
   ログ辞書の整合性を監視するためのリアルタイムメッセージを受信し、
   前記特性因子が変化したことが検出された場合に、前記ログ辞書を更新すること、を備える、方法。
10. 動的データ取得システムであって、
    少なくとも１つのプロセッサであって、
    受信された検索要求文字列から検索語を抽出し、
    前記検索語に対応する動的閾値スコアを取得するために、閾値辞書で前記検索語をルックアップし、
    インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアであって、特性因子に基づいて変化する前記動的閾値スコアをフィルタ条件として使用し、
    前記インデックスデータテーブル内の前記インデックス情報に基づいて、前記検索語に対応するデータ情報を取得し、
    ウェブサイトのページに表示させるために、前記データ情報を送信する、ように構成されている少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに接続され、前記少なくとも１つのプロセッサに命令を供給するように構成されているメモリと、を備えるシステム。
11. 請求項１０に記載のシステムにおいて、インデックスデータテーブルで、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアをフィルタ条件として使用することは、
    前記検索語とマッチするキーワードが前記インデックスデータテーブル内に存在し、前記インデックスデータテーブルにおける前記キーワードの閾値スコアが、前記検索語の前記動的閾値スコア以上の大きさである場合に、１つ以上の対応するインデックス情報を取得することを備える、システム。
12. 請求項１０に記載のシステムにおいて、前記閾値辞書は、複数の検索語と、対応する複数の動的閾値スコアと、を含む、システム。
13. 請求項１０に記載のシステムにおいて、前記インデックスデータテーブルは、複数のキーワードと、対応する複数の、前記キーワードと前記データ情報との間の閾値スコアと、を含む、システム。
14. 請求項１０に記載のシステムにおいて、前記特性因子は、テキスト特性因子と、データ解析特性因子と、を含む、システム。
15. 請求項１０に記載のシステムにおいて、前記少なくとも１つのプロセッサは、さらに、
    前記閾値辞書を構築するように構成されており、前記閾値辞書を構築することは、
    各検索語のテキスト特性因子およびデータ解析特性因子をログ辞書から取得し、
    各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行し、
    前記検索語および各検索語の前記動的閾値スコアを、データ辞書形式で、前記閾値辞書に保存すること、を含み、
    前記テキスト特性因子は、前記検索語と前記データ情報のマッチング特性重みであり、
    前記データ解析特性因子は、前記検索語に対応する解析パラメータ特性重みである、システム。
16. 請求項１５に記載のシステムにおいて、各検索語の前記動的閾値スコアを取得するために、前記テキスト特性因子および前記データ解析特性因子に基づいて閾値計算を実行することは、
    フィッティング計算を実行し、前記検索語の第１の閾値スコアＳｃｏｒｅ₀を取得するために、線形回帰モデルＳｃｏｒｅ₀＝Ｆ０（ｆ₁，ｆ₂，．．．，ｆ_i）を採用し、ここで、ｆ_iは前記検索語に対応するテキスト特性因子であり、ｉはＮ以下の大きさの整数であり、Ｎは自然数であり、
    フィッティング計算を実行し、前記検索語の第２の閾値スコアＳｃｏｒｅ₁を取得するために、線形回帰モデルＳｃｏｒｅ₁＝Ｆ１（ｆ’₁，．．．，ｆ’_k）を採用し、ここで、ｆ’_kは前記検索語に対応するデータ解析特性因子であり、ｋはＭ以下の大きさの整数であり、Ｍは自然数であり、
    前記検索語の前記動的閾値スコアを取得するために、ｐ₁は前記第１の閾値スコアの占有率であり、ｐ₂は前記第２の閾値スコアの占有率であるとして、線形回帰モデルＳｃｏｒｅ＝Ｆ（ｓｃｏｒｅ₀，ｓｃｏｒｅ₁）×ｐ₁×ｐ₂に基づいて、フィッティング計算を実行すること、を備える、システム。
17. 請求項１０に記載のシステムにおいて、前記少なくとも１つのプロセッサは、さらに、
    前記インデックスデータテーブルを構築するように構成されており、前記インデックスデータテーブルを構築することは、
    キーワードと、前記キーワードにバインドされた各データ情報のテキスト特性因子とを、入札管理サーバまたはログ辞書から取得し、
    各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて閾値計算を実行し、
    前記キーワードと、各キーワードに対応する前記１つ以上の閾値スコアとを、閾値データベースに保存すること、を備える、システム。
18. 請求項１７に記載のシステムにおいて、各キーワードに対応する１つ以上の閾値スコアを取得するために、前記テキスト特性因子に基づいて前記閾値計算を実行することは、前記キーワードの閾値スコアを取得するためのフィッティング計算を実行するために、ｆｊは前記キーワードに対応する前記テキスト特性因子であり、ｊはＪ以下の大きさの整数であり、Ｊは自然数であるとして、線形回帰モデルＳｃｏｒｅ’＝Ｆ’（ｆ１，ｆ２，．．．，ｆｊ）を採用することを含む、システム。
19. 請求項１０に記載のシステムにおいて、前記少なくとも１つのプロセッサは、さらに、
    前記検索要求文字列を受信すること、および前記検索要求文字列から検索語を抽出することの前に、
    ログ辞書の整合性を監視するためのリアルタイムメッセージを受信し、
    前記特性因子が変化したことが検出された場合に、前記ログ辞書を更新する、ように構成されている、システム。
20. データを動的に取得するためのコンピュータプログラムであって、
    受信された検索要求文字列から検索語を抽出するための機能と、
    前記検索語に対応する動的閾値スコアを取得するために、閾値辞書で前記検索語をルックアップするための機能と、
    インデックスデータテーブルにおいて、１つ以上の対応するインデックス情報を取得するために、前記検索語をクエリ条件として使用し、前記検索語に対応する前記動的閾値スコアであって、特性因子に基づいて変化する前記動的閾値スコアをフィルタ条件として使用するための機能と、
    前記インデックスデータテーブル内の前記インデックス情報に基づいて、前記検索語に対応するデータ情報を取得するための機能と、
    ウェブサイトのページに表示させるために、前記データ情報を送信するための機能と、をコンピュータによって実現させる、コンピュータプログラム。

Images