JP6006327B2 - 検索方法、検索装置及び検索エンジンシステム - Google Patents

Description

（関連出願の相互参照）
本出願は、「検索方法、検索装置及び検索エンジンシステム」と題する、２０１１年１１月１５日に出願された中国特許出願第２０１１１０３６１９７５．３号明細書の優先権を主張し、当該内容は参照により本明細書に組み込まれる。

本開示は、ネットワーク技術の分野に関する。より詳細には、本開示は、検索方法、検索装置及び検索エンジンシステムに関する。

検索エンジンシステムは、クエリに応じてインターネットから情報を収集し、検索結果をユーザに提示する。従来の検索エンジンシステムは、結果の人気度や関連性に基づいて検索を行う。しかしながら、結果はユーザの検索意図と一致しない場合がある。例えば、ユーザは、歌手「Ｗａｎｇ Ｆｅｉ」が歌う曲「Ｆｉｒｅｆｌｙ」をダウンロードしようとしているのかもしれない。しかし、従来の検索エンジンシステムは上位のものとして昆虫に関連するリンクを返すかもしれない。この状況を回避するために、様々な多くの提案（例えばカテゴリ検索）が提案されている。重要な進歩が成されてきたが、既存の試みでは、例えばインターネット検索に対する正確性や効率性が低いという課題がある。

本明細書では、データマイニングから生成されたモデルを使用して検索を行う仕組みを記載する。この仕組みは、過去の検索データを解析して対象の単語と関連データのカテゴリのラベルとを含むモデルを生成する。これらのモデルは、クエリを解析してそのクエリに関連する目的を判定するために使用され得る。次に、この仕組みは、クエリと目的に基づいて検索を行い得る。

この概要は、主張する対象事項の全ての鍵となる特徴または必須の特徴を特定することを意図するものでも、主張する対象事項の範囲の特定を支援するものとして単独で使用することを意図するものでもない。

添付の図面を参照して詳細な説明を記載する。様々な図面において使用される同一の参照符号は類似または同一の事項を示す。

データマイニング及び検索を行うサーバ（一または複数）を備えた構造例を示す。 データマイニングのフロー図の一例を示す。 検索を行うためのフロー図の一例を示す。 検索を行うためのフロー図の別の一例を示す 図１のサーバ（一または複数）により提供されるユーザインタフェースの一例を示す。 図１の構造において配置され得るサーバの一例を示す。

以下の考察では、本開示の例示的な特定の実施形態を記載する。本明細書で記載される例示的な実施形態は例示目的であり、本開示を限定することを意図しない。

図１は、データマイニング及び検索を行うサーバ（一または複数）を備える構造例１００を示す。ユーザはサーバにクエリを投入し得、サーバは検索を行って結果を返し得る。幾つかの実施形態では、サーバは検索を行う前にデータ前処理（例えばオフラインでのデータ処理）を実行し得る。データ前処理は、検索エンジンシステムから検出された大量のクエリを含む過去の検索データについて実行され得る。過去のデータに基づいて、サーバはユーザの目的とクエリに関連するカテゴリを示すモデルを生成し得る。幾つかの実施形態では、サーバは、クエリに対応するモデルと一致するようにクエリを変更してそのクエリに対応するモデルのマッチングを行い、次いでモデルとクエリに基づいて検索が行われ得る。

図示の実施形態では、ユーザ装置１０４を操作するユーザ１０２が一または複数のネットワーク１１０越しに一または複数のサーバ１０８にクエリ１０６を投入する背景において本仕組みを記載する。例えば、ユーザ１０２は、「Ｆｉｒｅｆｌｙ ＭＰ３ ダウンロード」という用語を含むクエリ１０６を投入し得る。サーバ１０８は、これらの用語に基づいて検索を行い、ユーザ装置１０４に結果１１２を返し得る。

ここでは、ユーザ１０２はネットワーク１１０を介してクエリ１０６を投入し得る。ネットワーク１１０は、ケーブルネットワーク、インターネット及びワイヤレスネットワークなど複数の様々な種類のネットワークのうち任意のネットワークまたは任意の組合せを含んでよい。また、ユーザ装置１０４は、パーソナルコンピュータ、ラップトップコンピュータ、携帯電子手帳（ＰＤＡ）、携帯端末、セットトップボックス、ゲーム機及び携帯メディアプレーヤ（ＰＭＰ）などを含め、任意の数のコンピューティング・デバイスとして実装されてよい。ユーザ装置１０４は、一または複数のプロセッサとアプリケーションやデータを記憶するためのメモリを搭載している。ユーザ装置１０４で実行されるブラウザまたはクライアントアプリケーションなどのアプリケーションは、ネットワーク１１０越しのサーバ１０８への投入を促す。

構造１００では、サーバ１０８は前処理１１４を行い、次いでクエリ１０６に応じてリアルタイム処理１１６を行い得る。サーバ１０８は、検索データ１１８と関連データ１２０とを使用して前処理１１４を行い得る。検索データ１１８は、大量の過去の検索データ（例えば何百万ものクエリやそれらの結果）を含み得、関連データ１２０は、特定の分野（例えば、曲名や、その曲名に対応するアーティスト名）に関連するデータ構造を含み得る。サーバ１０８は、データマイニング技術を適用してクエリに関連付けられたユーザ目的を示すモデル１２２を生成し得る。ユーザ目的は、一または複数の固有の目的単語／文字により示され得る。例えば、音楽の分野では、対象の単語は「ｍｐ３ ダウンロード」及び「フリーダウンロード」であり得、モデルは「＜曲＞ｍｐ３ ダウンロード」、「＜曲＞フリーダウンロード」または「＜曲＞ ＜歌手＞」として示され得る。ここで、＜曲＞及び＜歌手＞はそれぞれ、曲のタイトルとアーティストの名前を表す。前処理１１４は図２でより詳細に説明する。

図示の実施形態では、サーバ１０８は、モデル１２２、関連データ１２０及びユーザ装置１０４から送信されたクエリ１０６に基づいてリアルタイム処理１１６を行い得、これは図３及び図４でより詳細に説明する。

図２は、検索モデルを生成するデータマイニングのためのフロー図２００の一例を示す。幾つかの実施形態では、検索データ１１８は、検索エンジンシステムにログデータを含み得る。ログデータは、ユーザが投入した過去の検索ストリングを記録し得る。過去の検索ストリングは、一または複数のキーワード、単語、フレーズまたは文章であり得る。関連データ１２０は、関連するデータ構造において、特定の分野（例えば、ニュース、画像、ビデオ、地図、音楽またはショッピング）により使用されるデータを含み得る。各分野の検索データに関し、関連するデータ構造はこれらのデータを記憶するように使用することができる。幾つかの実施形態では、関連データ１２０は、関連する数学モデル（例えば、二次元テーブル）を使用して表され得る。例えば音楽の分野では、曲名とアーティスト名が一対の関連データを構成する。

図示の実施形態では、２０２で、サーバ１０８は複数のクエリを含む検索データ１１８を収集し得る。複数のクエリは、特定の分野の複数の過去の検索ストリングを含み得る。

２０４で、サーバ１０８は複数のクエリを変更し得る。サーバ１０８は、所定の順序で、過去の個々の検索ストリングが特定の分野の関連データのカテゴリと一致するかを判定し得る。例えば、カテゴリは、特定の分野の関連データ中のメタデータにより示され得る。過去の検索ストリングの一部がいずれかのカテゴリのメタデータと一致する場合、サーバ１０８はその一部をメタデータ・カテゴリのラベルと置換する。

例えば、過去の検索ストリングは「Ｆｉｒｅｆｌｙ Ｗａｎｇ Ｆｅｉ ＭＰ３ ダウンロード」を含む。曲名「Ｆｉｒｅｆｌｙ」及びアーティスト名「Ｗａｎｇ Ｆｅｉ」の一致が見つかった場合、サーバ１０８はストリングを「＜曲＞ ＜歌手＞ ＭＰ３ ダウンロード」に変更し得、ここで＜曲＞及び＜歌手＞は曲名及びアーティスト名のそれぞれのラベルに該当する。

２０６で、サーバ１０８は検索データ１１８の変更クエリの頻度に基づいてクエリにランクを付け得る。幾つかの実施形態では、サーバ１０８は過去の検索ストリングが出現した回数／頻度数を計算し得、次いで、個々のクエリに関連付けられた頻度に基づいて検索データ１１８中の複数のクエリを分類し得る。

また、サーバ１０８は、所定数を上回る頻度を有する過去の検索ストリングを判定し得る。これら過去の検索ストリングに基づいて、サーバ１０８は２０８でモデル１２２を生成し得る。幾つかの実施形態では、頻度閾値を上回る一致した過去の検索ストリングがモデル１２２として使用され得る。従って、モデル中の単語／文字は、複数のクエリに関連付けられたユーザ目的を対象の単語／文字を介して示すために使用され得る。

例えば、音楽の分野に関するモデルは、「＜曲＞ ＜歌手＞」、「＜曲＞ ｍｐ３ ダウンロード」、「＜曲＞ 着信音 ＜歌手＞」などを含み得る。幾つかの実施形態では、モデルは前処理１１４から得られる関連データ１２０のカテゴリのラベル及び対象の単語の少なくとも一つを含み得る。このような場合、独立した対象の単語はモデルを構成することができない。また、モデルで出現する単語は対象の単語となり得るが、モデルで出現しない単語は対象の単語とはならないかもしれない。

図３は、データマイニング時に生成されたモデルを使用して検索を行うフロー図３００の一例を示す。サーバ１０８は、検索データ１１８に基づいて生成されたモデルを使用してオンラインによるマッチング処理を行い得る。幾つかの実施形態では、サーバ１０８は、生成された対象の単語と関連データ１２０のメタデータ・カテゴリのラベルを組み合わせてデータ（例えば辞書）を生成し得、そのデータはオンラインによるマッチング処理のために使用され得る。

３０２で、サーバ１０８は、ユーザ装置１０４からクエリを受信し得る。クエリは、単語、文字及び／またはシンボルのストリングを含み得る。３０４で、サーバ１０８は、受信したクエリに基づいてオンラインによるマッチングを行い得る。幾つかの実施形態では、クエリの一部は辞書に対して左から右へと比較され得る。このような場合、ストリングの分割が行われ得る。例えば、一つの単位として単一の単語がオンラインによるマッチング時に使用され得る。ストリングが漢字（例えば中国語）を含む場合、個々の文字が一単位として使用され得る。ストリングがアルファベット（例えば英語）を含む場合、スペース／空白によって各単語が区別され得る。このような場合、個々の単語が一単位として使用され得る。従来の技術について、検索はストリングが分割された後に行われる。しかしながら、分割は処理に時間がかかり、また新規の単語を含むストリングは不正確に分割されるかもしれず、それ故、その後行われる検索が不正確になるかもしれない。

検索ストリングの一部が関連データのメタデータと一致する場合、サーバ１０８はその一部を対応するメタデータ・カテゴリのラベルと置換して変更検索ストリングを生成する。検索ストリングの一部が辞書（すなわち、辞書中のメタデータ・カテゴリ）と一致せず、辞書に含まれる対象の単語に一致しない場合、サーバ１０８はマッチング処理を終了する。検索ストリングが左から右へと辞書に一致し、変更検索ストリングが前処理１１４において生成されたモデルと一致する場合、サーバ１０８は３０６で検索ストリングに関連付けられた検索目的を判定し得る。３０８で、サーバ１０８はその検索目的に基づいて検索を行い得る。

幾つかの実施形態では、検索システムは、固有の分野（例えば音楽、小説、映画及び他のカテゴリ）の関連データ１２０を分類する際に、ユーザの注目度を考慮し得る。サーバ１０８は、様々な分野の対象の単語を組み合わせて様々な種類の辞書を生成し得る。検索時に、サーバ１０８は、まず人気のある分野の辞書を検討し、次いで人気がない分野の辞書を検討し得る。幾つかの実施形態では、人気のある分野に一致するものがない限り人気がない分野は検討されなくてもよい。

人気のある分野の辞書が三分野、つまり音楽、小説及び映画を含む場合を仮定する。ユーザ装置１０４が検索ストリング「ＭＰ３ Ｆｉｒｅｆｌｙ Ｗａｎｇ Ｆｅｉ」を投入した後、サーバ１０８は分割を行わなくてもよいが、単語またはスペース／空白の意味を分析する。次いで、サーバ１０８は個々の単語を認識し、人気のある分野の辞書を用いて別々にマッチングを行い得る。

マッチング処理時に、サーバ１０８は、音楽、小説及び映画の辞書に含まれる対象の単語とメタデータを用いて単語「ＭＰ３」を別々にマッチングし得る。さらに、単語「ＭＰ３」が音楽と映画の辞書に見つかる場合を仮定する。結果として、ＭＰ３は対象の単語とみなされ、それ故置換は行われない。次いで、サーバ１０８は文字「Ｙｉｎｇ」、次いで文字「Ｈｕｏ」、最後に文字「ｃｈｏｎｇ」に対し音楽と映画の辞書でマッチングし得る。

さらに、三つ全ての文字が音楽と映画の辞書で見出される場合を仮定する。結果として、サーバ１０８は、現行モデルに基づいて、単語「Ｆｉｒｅｆｌｙ」（すなわち、Ｙｉｎｇ Ｈｕｏ Ｃｈｏｎｇ）を音楽モデルのラベル＜曲＞に置換し得る。映画モデルでは、サーバ１０８は単語「Ｆｉｒｅｆｌｙ」（すなわち、Ｙｉｎｇ Ｈｕｏ Ｃｈｏｎｇ）をラベル ＜映画＞に置換し得る。置換の後、続けて「Ｗａｎｇ」及び「Ｆｅｉ」に対してマッチングが行われ得る。同様に、単語「Ｗａｎｇ Ｆｅｉ」はラベル＜歌手＞に置換され得る。従って、マッチングと置換後に得られるモデルは「ＭＰ３ ＜曲＞ ＜歌手＞」であり、このモデルは現行モデルの中に存在し得る。それ故、サーバ１０８は、ユーザの検索目的が、Ｗａｎｇ Ｆｅｉが歌う曲「Ｆｉｒｅｆｌｙ」を見つけることであると判定し得る。

上述のオンラインによるマッチング処理では、単語「Ｆｉｒｅｆｌｙ」が他の辞書（例えば昆虫のカテゴリ）でも見つけられるかもしれないが、サーバ１０８は、カテゴリが先に述べた映画、音楽及び小説のカテゴリと比較して人気ではないため昆虫のカテゴリを検討しなくてよい。

図４は、検索を行うフロー図４００の別の一例を示す。４０２で、サーバ１０８は検索ストリングを含むクエリを受信し得る。４０４で、サーバ１０８は、検索ストリングの一部が事前に生成した辞書のカテゴリと一致するかを判定し得る。幾つかの実施形態では、辞書は前処理１１４から生成された対象の単語／文字、及び関連データ１２０のカテゴリのラベルの組合せであり得る。

幾つかの実施形態では、左から右に始まる検索ストリングと事前生成された辞書とのマッチングが行われ得る。マッチング処理では、リアルタイム検索ストリングについて分割を行う必要はないが、個々の単語が連続的に、マッチングを行う際に一単位として使用され得る。マッチングは、検索ストリングと、辞書中の対象の単語またはメタデータのラベルとの全ての内容におけるマッチングを含む全面的なマッチングであり得る。幾つかの実施形態では、生成されたモデルの要素が順序（例えば、「＜曲＞ ＜歌手＞」や「＜歌手＞ ＜曲＞」）を有し得るため、マッチングには所定の順序（例えば左から右）が割り当てられ得る。

検索ストリングの一部が辞書のカテゴリのうち一つのカテゴリと一致する場合、サーバ１０８は、４０６でその一部をカテゴリのラベルに置換し得る。置換後、サーバは４０８でカテゴリのラベル、対象の単語及び不一致部分の少なくとも一つを含み得る変更検索ストリングを生成し得る。例えば、検索ストリング「Ｆｉｒｅｆｌｙ Ｗａｎｇ Ｆｅｉ ＭＰ３ ダウンロード」がメタデータ・カテゴリの曲名「Ｆｉｒｅｆｌｙ」及びアーティスト名「Ｗａｎｇ Ｆｅｉ」と一致する場合、サーバ１０８はその検索ストリングをラベルに置換して変更検索ストリング「＜曲＞ ＜歌手＞ ＭＰ３ ダウンロード」を生成し得る。

４１０で、サーバ１０８は検索ストリングと関連付けられた検索目的を判定し得る。４１２で、サーバ１０８は検索ストリングと検索目的に基づいて検索を行い得る。マッチングが成功した場合、変更検索ストリングは関連データ１２０のメタデータ・カテゴリのラベル、対象の単語を含む別カテゴリのラベル、検索ストリングの不一致部分の少なくとも一つを含み得る。

例えば、検索ストリング「Ｆｉｒｅｆｌｙ Ｗａｎｇ Ｆｅｉ ＭＰ３ ダウンロード」が関連データ１２０のメタデータ・カテゴリの曲名「Ｆｉｒｅｆｌｙ」及び＜アーティスト名「Ｗａｎｇ Ｆｅｉ」と一致する場合、検索ストリングは変更されて、対象の単語「ＭＰ３ ダウンロード」及びメタデータ・カテゴリのラベルを含み得る。従って、検索ストリング「Ｆｉｒｅｆｌｙ Ｗａｎｇ Ｆｅｉ ＭＰ３ ダウンロード」はモデル「＜曲＞ ＜歌手＞ ＭＰ３ ダウンロード」と一致する。これにより、検索ストリングの検索目的が「Ｗａｎｇ Ｆｅｉが歌った曲Ｆｉｒｅｆｌｙをダウンロードすること」であることを認識し易くなる。一方、モデル「＜曲＞ ＜歌手＞ フリー」が事前生成されたモデルの中に存在しない場合、検索ストリングとモデルは不一致であるとみなされ得る。

幾つかの実施形態では、サーバ１０８は、検索目的に対応する結果データを返却される検索結果の第１スポットに設定する。また、その結果は幾つかの関連メタデータ情報を含むことができる。ユーザ１０２がメタデータ情報へのリンクをクリックすると、サーバは、メタデータ情報に関連付けられた詳細を含むウェブページへとユーザを導き得る。

例えば、結果は「Ｗａｎｇ Ｆｅｉ」が歌う曲「Ｆｉｒｅｆｌｙ」を含み得る。サーバ１０８は、返却結果の第１スポットに幾つか関連情報を設定し得る。関連情報は、曲名、アーティスト名、アルバム名、歌詞、ファイルサイズなどを含み得る。このような場合、情報の各要素がメタデータとなり得、メタデータの構造は連結／内部関連付けされている。さらに、メタデータの各要素はリンクとして設定することができる。

図５は、図１のサーバ（一または複数）により提供されるユーザインタフェース（ＵＩ）５００の一例を示す。ＵＩ５００は、ユーザ装置１０４またはサーバ１０８によって提示され得る。ＵＩ５００は、複数の結果（例えば結果５０４及び結果５０６）を含む結果欄５０２を含み得る。結果５０４は、検索結果に関する複数の詳細情報を含み得る。図示の実施形態では、結果５０４は複数のサブセクション、例えば、曲名５０８、歌手名５１０、曲が属するアルバムタイトル５１２、音楽フォーマット５１４、歌詞の情報源５１６及びダウンロード用リンク５１８を含み得る。

幾つかの実施形態では、複数のサブセクションはユーザ１０２がより詳細に見直しができるように拡張され得る。図示の実施形態では、歌手名５１０が、歌手により提示される曲を示す複数の曲サブセクション（例えば、サブセクション５２０及びサブセクション５２２）を含むように拡張され得る。拡張ダウンロード用リンク５１８は、ダウンロード中の曲を示すリマインダ５２４を含み得る。拡張ダウンロード用リンク５１８は、先のダウンロードが失敗した場合にユーザ１０２がリトライできるようにリトライ・リンク５２６も含み得る。

図６は、図１の構造において配置され得るサーバ１０８の一例を示す。サーバ１０８は、任意の好適なコンピューティング・デバイス（一または複数）として構成され得る。例示的な一構成では、サーバ１０８は一または複数のプロセッサ６０２、入力／出力インタフェース６０４、ネットワークインタフェース６０６、メモリ６０８を備える。

メモリ６０８は、ランダム・アクセス・メモリ（ＲＡＭ）などの揮発性メモリ、及び／またはリード・オンリ・メモリ（ＲＯＭ）若しくはフラッシュＲＡＭなど不揮発性メモリの形態のコンピュータ可読媒体を含んでよい。メモリ６０８は、コンピュータ可読媒体の例である。

コンピュータ可読媒体は、コンピュータ可読指示、データ構造、プログラムモジュールまたは他のデータなどの情報を記憶する任意の方法または技術で実施される揮発性及び非揮発性、並びに取り外し可能及び取り外し不可能な媒体を含む。コンピュータ記憶媒体の一例としては、限定されるものではないが、相変化メモリ（ＰＲＡＭ）、スティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ダイナミック・ランダム・アクセス・メモリ（ＤＲＡＭ）、他の種類のランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリ・メモリ（ＲＯＭ）、電気的消去可能リード・オンリ・メモリ（ＥＥＰＲＯＭ）、フラッシュメモリまたは他のメモリ技術、コンパクトディスク・リード・オンリ・メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）または他の光学式ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ若しくは他の磁気ストレージ装置、またはコンピューティング・デバイスによりアクセスする情報を記憶するために使用できる非伝送媒体が挙げられる。本明細書で定義するように、コンピュータ可読媒体は、変調データ信号及び搬送波など一時的媒体を含まない。

次にメモリ６０８に移り、より詳細にはメモリ６０８は、入力モジュール６１０、リアルタイム・マッチング・モジュール６１２、置換モジュール６１４、リアルタイム出力モジュール６１６及びモデル生成モジュール６１８を備え得る。

入力モジュール６１０は、リアルタイム検索ストリングを受信するように構成され得る。リアルタイム・マッチング・モジュール６１２は、リアルタイム検索ストリングと事前生成された辞書のマッチングを行うように構成され得、その辞書は第１カテゴリの単語と第２カテゴリの単語を組み合わせたものである。置換モジュール６１４は、リアルタイム検索ストリングの一部が辞書の任意のカテゴリのうち第２カテゴリの単語と一致する場合は、その一部を第２カテゴリの単語が属するカテゴリのラベルと置換するように構成され得る。置換の後、リアルタイム検索ストリングは第１カテゴリの単語及び／または第２カテゴリの単語が属するカテゴリのラベル、並びに／或いは不一致部分を含み得る。

リアルタイム出力モジュール６１６は、一致したリアルタイム検索ストリングの特定の検索目的を判定し、事前生成されたモデルに基づいた、その特定の検索目的に基づいて検索結果データを返すように構成され得る。事前生成されたモデルは、メタデータ・カテゴリのラベル及び対象の単語の少なくとも一つを含み得る。それに応じて、辞書における第１カテゴリの単語は、モデル中の対象の単語であり得、辞書における第２カテゴリの単語は、関連データ中のメタデータとすることができる。

幾つかの実施形態では、一致したリアルタイム検索ストリングが第２カテゴリの単語が属するカテゴリのラベルを含み、かつ／または、第１カテゴリの単語及び第２カテゴリの単語が属するカテゴリのラベルから構成される場合、一致したリアルタイム検索ストリングと事前生成されたモデルのうちの任意のモデルが相互に一致し得る。一致したリアルタイム検索ストリングは、モデル中に提示された特定の検索目的を含み得る。

モデル生成モジュール６１８は、過去の検索データの過去の検索ストリングを、関連データのメタデータと所定の順序でマッチングさせるように構成された置換サブモジュールを含み得る。過去の検索ストリングの一部がいずれかのカテゴリのメタデータと一致する場合、その一部はメタデータのカテゴリのラベルと置換され得る。

また、モデル生成モジュール６１８は、一致した過去の検索ストリングが出現する回数／頻度数を計算するように構成された計算サブモジュールを備え得る。次いで、モデル生成モジュール６１８は、頻度閾値を上回る、一致した過去の検索ストリングをモデルとして使用し得る。

本開示は、ある種の検索エンジンシステムについて例示的な実施形態を開示している。例示的な実施形態では、検索エンジンシステムは、上述の例示的な任意の実施形態で述べたサーバ１０８を含み得る。本開示の例示的な実施形態は、検索、特にウェブ検索やモバイル検索の分野で使用され得る検索装置（例えば、サーバ１０８）及び／または検索エンジンシステムによって実施され得る。

本開示は、プログラムモジュールなどコンピュータ実行可能指示にのっとって記載することができる。一般的に、プログラムモジュールは特定タスクを実行すること、または特定の抽象データ型ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを実施することを含む。本開示は、分散型のコンピューティング環境でも実施することができる。こうした分散型のコンピューティング環境では、タスクは通信ネットワークを使用して接続されたリモート処理装置を使用して実行される。分散型のコンピューティング環境では、プログラムモジュールはローカルの遠隔にあるコンピュータ記憶媒体に記憶することができる。

ここで、「第１」及び「第２」などの関連用語は、単に、一方の実体または操作を他方の実体または操作と区別するために使用されており、必ずしもこうした実体または操作に存在する実際の関係や順序を必要としたり、また意味するものではない。また、「及び／または」は、この文書が「及び」の関係とともに「または」の関係を含むことを示し、物体Ａ及び物体Ｂが「及び」の関係を有する場合、例示的な実施形態は、物体Ａ及び物体Ｂの双方を同時に含めることができることを意味し、物体Ａ及び物体Ｂが「または」の関係を有する場合、例示的な実施形態は物体Ａだけを、または物体Ｂだけを含めることができることを意味する。

本明細書における具体例は本出願の本質及び実施形態を説明するために利用されている。上述の実施形態の記載は、本開示の方法及び思想の理解を支援するように成されたものである。しかしながら、当業者は、本出願の思想に基づいて特定の実施形態及び出願範囲に変更を加えることができ、従って、本明細書の内容は本出願について制限を課すものと解釈されるべきではない。

Claims (20)

1. 一または複数のプロセッサにより実行される際に、
   ストリングを含むクエリを受信することと、
   前記ストリングの一部が関連データのカテゴリと一致することを判定することと、
   前記ストリングの一部を前記カテゴリのラベルと置換して変更クエリを生成することと、
   前記変更クエリを解析して、検索モデルに基づいて前記クエリの目的を判定することと、
   前記目的に基づいて検索を行うことと、を含む動作を行うように前記一または複数のプロセッサに指示する、コンピュータが実行可能な指示を記憶した一または複数のコンピュータ可読記憶媒体。
2. 前記変更クエリを解析して、前記検索モデルに基づいて前記クエリの目的を特定することは、前記変更クエリを解析して、前記変更クエリと一致する前記検索モデルのうちの一つのモデルを使用して前記クエリの目的を判定することを含む、請求項１に記載の一または複数のコンピュータ可読記憶媒体。
3. 前記ストリングに含まれる目的インジケータを特定することをさらに含み、前記変更クエリは前記目的インジケータと前記ラベルを備える、請求項１に記載の一または複数のコンピュータ可読記憶媒体。
4. 前記動作は、
   過去の検索データから複数のクエリを収集することと、
   前記複数のクエリの個々のクエリの一部が前記関連データの一つのカテゴリと一致することを判定することと、
   前記個々のクエリの一部を前記関連データの一つのカテゴリの一つのラベルと置換することにより前記個々のクエリを変更し、個々の変更クエリを生成すること、
   前記個々の変更クエリが前記過去の検索データで出現する頻度を計算することと、
   前記頻度に基づいて、前記個々の変更クエリを使用して前記検索モデルを生成することと、
   をさらに含む請求項１に記載の一または複数のコンピュータ可読記憶媒体。
5. 前記頻度に基づいて、前記個々の変更クエリを使用して前記モデルを生成することは、 前記頻度に基づいて前記過去の検索データ中の前記複数のクエリにランクを付けることと、
   所定数を上回る頻度を有する前記複数のクエリのクエリを使用して前記検索モデルを生成することと
   を含む、請求項４に記載の一または複数のコンピュータ可読記憶媒体。
6. 前記モデルは、過去の検索データと前記関連データを分析することにより生成される、請求項１に記載の一または複数のコンピュータ可読記憶媒体。
7. 前記過去の検索データは、検索エンジンシステムによって生成されたログデータに基づいて判定される、請求項６に記載の一または複数のコンピュータ可読記憶媒体。
8. 前記ストリングは、単語、文字、シンボル、フレーズ及び文章の少なくとも一つを含む、請求項１に記載の一または複数のコンピュータ可読記憶媒体。
9. 前記関連データは、固有の分野において関連するデータ構造を備える、請求項１に記載の一または複数のコンピュータ可読記憶媒体。
10. 前記固有の分野は、ニュース、画像、地図及び音楽の少なくとも一つである、請求項９に記載の一または複数のコンピュータ可読記憶媒体。
11. 前記判定することは、前記ストリングの分割を実行すること無しに判定することを含む、請求項１に記載の一または複数のコンピュータ可読記憶媒体。
12. 検索ストリングを含むクエリを受信することと、
    検索ストリングの一部が関連データのカテゴリと一致することを判定することと、
    前記検索ストリングに含まれる目的インジケータを特定することと、
    前記関連データのカテゴリのラベルと前記目的インジケータを含む変更検索ストリングを生成することと、
    前記変更検索ストリングとモデルとに基づいて前記クエリの目的を判定することと、
    前記判定された目的に基づいて検索を行うことと、を含むコンピュータ実装方法。
13. 過去の検索データから複数のクエリを収集することと、
    前記複数のクエリのうち個々のクエリの一部が前記関連データのカテゴリと一致することを判定することと、
    前記個々のクエリを変更することと、
    前記個々の変更クエリが前記過去の検索データに出現する頻度を計算することと、
    前記頻度に基づいて、前記個々の変更クエリを使用して前記モデルを生成することと、
    をさらに含む請求項１２に記載のコンピュータ実装方法。
14. 前記個々のクエリを変更することは、前記個々のクエリの一部を前記関連データのカテゴリの一つのラベルと置換することにより前記個々のクエリを変更して個々の変更クエリを生成することを含む、請求項１３に記載のコンピュータ実装方法。
15. 前記頻度に基づいて、前記個々の変更クエリを使用してモデルを生成することは、
    前記頻度に基づいて前記過去の検索データ中の前記複数のクエリにランクを付けることと、
    所定数を上回る頻度を有する前記複数のクエリのクエリを使用して前記モデルを生成することと、を含む請求項１３に記載のコンピュータ実装方法。
16. 前記関連データは、固有の分野において関連するデータ構造を備える、請求項１２に記載のコンピュータ実装方法。
17. 前記固有の分野は、ニュース、画像、地図及び音楽の少なくとも一つである、請求項１６に記載のコンピュータ実装方法。
18. 一または複数のプロセッサと、
    前記一または複数のプロセッサが実行可能な複数のコンポーネントを保持するメモリとを備え、前記複数のコンポーネントは、
    ストリングを含むクエリを受信する入力モジュールと、
    前記ストリングの一部が関連データのカテゴリと一致することを判定するリアルタイム・マッチング・モジュールと、
    前記ストリングの一部を前記カテゴリのラベルに置換して変更クエリを生成する置換モジュールと、
    過去の検索データと前記関連データを分析して生成されたモデルに基づいて前記クエリの目的を判定し、前記クエリと前記判定された目的に基づいて検索を行うリアルタイム出力モジュールと、を備えるコンピューティング・デバイス。
19. 過去の検索データから複数のクエリを収集し、
    前記複数のクエリのうち個々のクエリの一部が前記関連データの一つのカテゴリと一致することを判定し、
    前記一部を前記関連データの一つのカテゴリの一つのラベルと置換することにより前記個々のクエリを変更して個々の変更クエリを生成し、
    前記個々の変更クエリが前記過去の検索データに出現する頻度を計算し、
    前記頻度に基づいて前記過去の検索データ中の前記複数のクエリにランクを付け、
    所定数を上回る頻度を有する前記複数のクエリのクエリを使用して前記モデルを生成する、モデル生成モジュールをさらに備える、請求項１８に記載のコンピューティング・デバイス。
20. 前記ストリングは、単語、文字、シンボル、フレーズ及び文章の少なくとも一つを含む、請求項１８に記載のコンピューティング・デバイス。

Images