JPH10222534A - 情報検索装置 - Google Patents
情報検索装置Info
- Publication number
- JPH10222534A JPH10222534A JP9041429A JP4142997A JPH10222534A JP H10222534 A JPH10222534 A JP H10222534A JP 9041429 A JP9041429 A JP 9041429A JP 4142997 A JP4142997 A JP 4142997A JP H10222534 A JPH10222534 A JP H10222534A
- Authority
- JP
- Japan
- Prior art keywords
- information
- document information
- document
- node
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
(57)【要約】
【課題】 ユーザの文書情報に対する漠然とした限定条
件であっても、適切な複数の文書情報を提供でき、かつ
該文書情報の中で追加及び更新があった際にリアルタイ
ムでユーザが知ることができる情報検索装置を提供す
る。 【解決手段】 文書情報のインデックス情報を、該文書
情報全体の類似度に基づいた階層的な木構造にクラスタ
リングするために、節点となる複数のノード情報を記憶
しており、該ノード情報には下層に位置する文書情報が
更新された際に通知すべき通知先情報を有しているクラ
スタデータベースを備えており、文書情報が更新される
際に、前記クラスタデータベースを用いて連鎖的にリン
クをたどる途中で遭遇するノード情報の通知先情報の通
知先へ、該文書情報が更新される旨を通知するように構
成されている。
件であっても、適切な複数の文書情報を提供でき、かつ
該文書情報の中で追加及び更新があった際にリアルタイ
ムでユーザが知ることができる情報検索装置を提供す
る。 【解決手段】 文書情報のインデックス情報を、該文書
情報全体の類似度に基づいた階層的な木構造にクラスタ
リングするために、節点となる複数のノード情報を記憶
しており、該ノード情報には下層に位置する文書情報が
更新された際に通知すべき通知先情報を有しているクラ
スタデータベースを備えており、文書情報が更新される
際に、前記クラスタデータベースを用いて連鎖的にリン
クをたどる途中で遭遇するノード情報の通知先情報の通
知先へ、該文書情報が更新される旨を通知するように構
成されている。
Description
【０００１】
【発明の属する技術分野】本発明は、ネットワークに接
続された複数のコンピュータが有する文書情報を検索す
るための情報検索装置に関する。
続された複数のコンピュータが有する文書情報を検索す
るための情報検索装置に関する。
【０００２】
【従来の技術】複数のコンピュータが有する文書情報を
検索するための情報検索装置は、該文書情報のアドレス
等のページインデックス情報を記憶するコンテンツデー
タベースと、該コンテンツデータベースを用いて該文書
情報をキーワードによって検索する制御手段とを有して
いる。従来の情報検索装置の代表例としては、インター
ネットにおけるＷＷＷ(World Wide Web)の文書情報であ
るホームページを検索するサーチエンジンがある。以下
では、主にインターネット上での利用を例にとり説明し
ていく。
検索するための情報検索装置は、該文書情報のアドレス
等のページインデックス情報を記憶するコンテンツデー
タベースと、該コンテンツデータベースを用いて該文書
情報をキーワードによって検索する制御手段とを有して
いる。従来の情報検索装置の代表例としては、インター
ネットにおけるＷＷＷ(World Wide Web)の文書情報であ
るホームページを検索するサーチエンジンがある。以下
では、主にインターネット上での利用を例にとり説明し
ていく。
【０００３】従来のサーチエンジンは、検索条件として
クライアントがキーワード等を指定し、対応するホーム
ページのアドレスを検索結果として応答するものであ
る。現在のところ検索される側のホームページの内容を
表すキーワードは、該ページの所有者によって予め登録
されたものであり、完全にページ内容を意味するもので
はない。また、クライアントからの要求に対して応答を
返すだけの完全なクライアント／サーバ関係であるため
に、所望のページが追加又は更新が行われても、再度、
該ページにアクセスしない限り、追加又は更新されたこ
とをユーザが知ることはできない。
クライアントがキーワード等を指定し、対応するホーム
ページのアドレスを検索結果として応答するものであ
る。現在のところ検索される側のホームページの内容を
表すキーワードは、該ページの所有者によって予め登録
されたものであり、完全にページ内容を意味するもので
はない。また、クライアントからの要求に対して応答を
返すだけの完全なクライアント／サーバ関係であるため
に、所望のページが追加又は更新が行われても、再度、
該ページにアクセスしない限り、追加又は更新されたこ
とをユーザが知ることはできない。
【０００４】
【発明が解決しようとする課題】最近のＷＷＷの広がり
による膨大な数のホームページの中で、ユーザの所望す
るホームページを検索することは難しくなってきてい
る。その理由の１つは、従来のサーチエンジンが、キー
ワード別にホームページのＵＲＬ(Uniform ResouceLoca
tor) を分類して記憶しているために、キーワード又は
その組み合わせによってしか検索できないことである。
現在のところ、ユーザは、比較的漠然とした限定条件し
か持っていない場合が多く、膨大な情報資源の中でキー
ワードだけに依存した探索的な情報検索を繰り返してい
る。なぜなら、同じキーワードを用いて検索された複数
のホームページには、内容的に全く類似性又は関連性が
ないからである。しかし、漠然とした限定条件であって
も、検索された複数のホームページが類似性や関連性を
持っているとすれば、比較的ユーザの所望するホームペ
ージが検索しやすくなるはずである。
による膨大な数のホームページの中で、ユーザの所望す
るホームページを検索することは難しくなってきてい
る。その理由の１つは、従来のサーチエンジンが、キー
ワード別にホームページのＵＲＬ(Uniform ResouceLoca
tor) を分類して記憶しているために、キーワード又は
その組み合わせによってしか検索できないことである。
現在のところ、ユーザは、比較的漠然とした限定条件し
か持っていない場合が多く、膨大な情報資源の中でキー
ワードだけに依存した探索的な情報検索を繰り返してい
る。なぜなら、同じキーワードを用いて検索された複数
のホームページには、内容的に全く類似性又は関連性が
ないからである。しかし、漠然とした限定条件であって
も、検索された複数のホームページが類似性や関連性を
持っているとすれば、比較的ユーザの所望するホームペ
ージが検索しやすくなるはずである。
【０００５】更に、ユーザは、ＷＷＷという絶えず変化
を繰り返している膨大な情報資源中から、１つの漠然と
した限定条件の中だけの変化をリアルタイムに知りたい
場合もある。具体的には、類似性や関連性を有する複数
のホームページの中の追加及び更新をユーザにリアルタ
イムで通知することによって、該ユーザは所望のホーム
ページの変化を常に監視することができる。
を繰り返している膨大な情報資源中から、１つの漠然と
した限定条件の中だけの変化をリアルタイムに知りたい
場合もある。具体的には、類似性や関連性を有する複数
のホームページの中の追加及び更新をユーザにリアルタ
イムで通知することによって、該ユーザは所望のホーム
ページの変化を常に監視することができる。
【０００６】従って本発明は、ユーザの文書情報に対す
る漠然とした限定条件であっても、適切な複数の文書情
報を提供でき、かつ該文書情報の中で追加及び更新があ
ったことをリアルタイムにユーザが知ることができる情
報検索装置を提供するものである。
る漠然とした限定条件であっても、適切な複数の文書情
報を提供でき、かつ該文書情報の中で追加及び更新があ
ったことをリアルタイムにユーザが知ることができる情
報検索装置を提供するものである。
【０００７】
【課題を解決するための手段】本発明によれば、文書情
報を有する複数のコンピュータがネットワークに接続さ
れており、複数の該文書情報のインデックス情報を記憶
するコンテンツデータベースと、該コンテンツデータベ
ースを用いて該文書情報をキーワードによって検索する
制御手段とを有する情報検索装置であって、複数の文書
情報のインデックス情報を、該文書情報全体の類似度に
基づいた階層的な木構造にクラスタリングするために、
節点となる複数のノード情報を記憶しているクラスタデ
ータベースを備えており、該ノード情報には、下層に位
置する文書情報が更新された際に通知すべき通知先情報
を有しており、制御手段は、文書情報が更新される際
に、前記クラスタデータベースを用いて連鎖的にリンク
をたどる途中で遭遇するノード情報の通知先情報の通知
先へ、該文書情報が更新される旨を通知するように構成
されている情報検索装置である。
報を有する複数のコンピュータがネットワークに接続さ
れており、複数の該文書情報のインデックス情報を記憶
するコンテンツデータベースと、該コンテンツデータベ
ースを用いて該文書情報をキーワードによって検索する
制御手段とを有する情報検索装置であって、複数の文書
情報のインデックス情報を、該文書情報全体の類似度に
基づいた階層的な木構造にクラスタリングするために、
節点となる複数のノード情報を記憶しているクラスタデ
ータベースを備えており、該ノード情報には、下層に位
置する文書情報が更新された際に通知すべき通知先情報
を有しており、制御手段は、文書情報が更新される際
に、前記クラスタデータベースを用いて連鎖的にリンク
をたどる途中で遭遇するノード情報の通知先情報の通知
先へ、該文書情報が更新される旨を通知するように構成
されている情報検索装置である。
【０００８】データベースの階層的な木構造のクラスタ
リングは、文書情報の構造及びキーワードの発生頻度か
ら重み付けにより算出される文書情報間の類似度に基づ
いて、類似する該文書情報同士を近くにリンクするよう
に構成されているために、文書情報の検索の高速化を計
ることができる。
リングは、文書情報の構造及びキーワードの発生頻度か
ら重み付けにより算出される文書情報間の類似度に基づ
いて、類似する該文書情報同士を近くにリンクするよう
に構成されているために、文書情報の検索の高速化を計
ることができる。
【０００９】データベースのノード情報には、文書情報
の構造とキーワードの発生頻度とから重み付けにより算
出される文書情報間の類似度に基づく頻度表を有するの
が好ましい。連鎖的にノードのリンクをたどっていく際
に、頻度表からキーワードを比較して類似度を求めるこ
とで、類似度の高いノードをたどることができる。
の構造とキーワードの発生頻度とから重み付けにより算
出される文書情報間の類似度に基づく頻度表を有するの
が好ましい。連鎖的にノードのリンクをたどっていく際
に、頻度表からキーワードを比較して類似度を求めるこ
とで、類似度の高いノードをたどることができる。
【００１０】少なくとも１つの前記キーワードによって
検索する際に、該キーワードと前記頻度表とを比較しな
がら前記ノード情報のリンクをたどっていき、１つの該
ノード情報の下層に位置する複数の文書情報を検索結果
として通知することもできるので、検索結果として得ら
れた複数の文書情報が類似性及び関連性を持つ。
検索する際に、該キーワードと前記頻度表とを比較しな
がら前記ノード情報のリンクをたどっていき、１つの該
ノード情報の下層に位置する複数の文書情報を検索結果
として通知することもできるので、検索結果として得ら
れた複数の文書情報が類似性及び関連性を持つ。
【００１１】データベースのノード情報の通知先情報
は、ネットワーク内での固有アドレスのリストであって
もよい。直接、ユーザの固有アドレスへ、更新通知をす
ることが可能となる。
は、ネットワーク内での固有アドレスのリストであって
もよい。直接、ユーザの固有アドレスへ、更新通知をす
ることが可能となる。
【００１２】情報検索装置は、更に、個々のユーザ毎
に、該ユーザに関心のある文書情報のネットワーク内で
の固有アドレスのリストと、該固有アドレスの検索範囲
を示すドメインリストと、検索結果として表示する文書
情報の個数と、該ユーザのネットワーク内で固有のアド
レスとを含むユーザ情報データベースを備えており、ク
ラスタデータベースのノード情報の通知先情報がユーザ
毎の識別子であるのが好ましい。ユーザ毎に所望する限
定条件での検索が可能となる。
に、該ユーザに関心のある文書情報のネットワーク内で
の固有アドレスのリストと、該固有アドレスの検索範囲
を示すドメインリストと、検索結果として表示する文書
情報の個数と、該ユーザのネットワーク内で固有のアド
レスとを含むユーザ情報データベースを備えており、ク
ラスタデータベースのノード情報の通知先情報がユーザ
毎の識別子であるのが好ましい。ユーザ毎に所望する限
定条件での検索が可能となる。
【００１３】情報検索装置は、更に、前記ネットワーク
を介して自動的に前記文書情報を収集することができる
リソース発見エンジンを備えているのが好ましい。該情
報検索装置が自動的かつ不定期にネットワーク上の更新
された文書情報を検出して、ユーザに通知することが可
能となる。
を介して自動的に前記文書情報を収集することができる
リソース発見エンジンを備えているのが好ましい。該情
報検索装置が自動的かつ不定期にネットワーク上の更新
された文書情報を検出して、ユーザに通知することが可
能となる。
【００１４】
【発明の実施の形態】以下、図面を用いて本発明の実施
形態を詳細に説明する。
形態を詳細に説明する。
【００１５】図１は、本発明の一実施形態における情報
検索装置の構成図である。インターネット１１に接続さ
れた情報検索装置は、通常、情報検索サーバ１２と位置
づけられる。インターネット１１にはホームページを有
する膨大な数のコンピュータ３が接続されており、情報
検索サーバ１２は該コンピュータ１３の有する文書情報
の所在情報を収集している。該情報検索サーバ１２は、
クライアント１４に対して所望の文書情報のＵＲＬを検
索結果として提供するためのものである。
検索装置の構成図である。インターネット１１に接続さ
れた情報検索装置は、通常、情報検索サーバ１２と位置
づけられる。インターネット１１にはホームページを有
する膨大な数のコンピュータ３が接続されており、情報
検索サーバ１２は該コンピュータ１３の有する文書情報
の所在情報を収集している。該情報検索サーバ１２は、
クライアント１４に対して所望の文書情報のＵＲＬを検
索結果として提供するためのものである。
【００１６】情報検索サーバ１２は、クラスタデータベ
ース１２１、ユーザ情報データベース１２２、コンテン
ツデータベース１２３、制御手段１２４及びリソース発
見エンジン１２５を有している。コンテンツデータベー
ス１２３と、該コンテンツデータベース１２３を用いて
キーワードによって検索する制御手段１２４とは、従来
のサーチエンジンにも備えられていたものである。コン
テンツデータベース１２３には、ページのＵＲＬ毎にペ
ージインデックス情報が記憶されている。該ページイン
デックス情報には、当該ホームページのタイトル、キー
ワードで表されたページ内容、及びページ内でリンクさ
れているＵＲＬリストが記憶されている。制御手段１２
４は、クライアント４とのインタフェース制御、及びコ
ンテンツデータベース１２３内のぺ−ジインデックス情
報の検索を行う。従来のサーチエンジンは、クライアン
ト１４から指定された検索キーワードによって、コンテ
ンツデータベース１２３の有するページインデックス情
報のタイトル及びページ内容とを比較して検索するもの
である。
ース１２１、ユーザ情報データベース１２２、コンテン
ツデータベース１２３、制御手段１２４及びリソース発
見エンジン１２５を有している。コンテンツデータベー
ス１２３と、該コンテンツデータベース１２３を用いて
キーワードによって検索する制御手段１２４とは、従来
のサーチエンジンにも備えられていたものである。コン
テンツデータベース１２３には、ページのＵＲＬ毎にペ
ージインデックス情報が記憶されている。該ページイン
デックス情報には、当該ホームページのタイトル、キー
ワードで表されたページ内容、及びページ内でリンクさ
れているＵＲＬリストが記憶されている。制御手段１２
４は、クライアント４とのインタフェース制御、及びコ
ンテンツデータベース１２３内のぺ−ジインデックス情
報の検索を行う。従来のサーチエンジンは、クライアン
ト１４から指定された検索キーワードによって、コンテ
ンツデータベース１２３の有するページインデックス情
報のタイトル及びページ内容とを比較して検索するもの
である。
【００１７】コンテンツデータベース１２３は、更に、
リソース発見エンジン１２５に接続されている。通常、
ロボットと称されるリソース発見エンジン１２５は、イ
ンターネット１を介して自動的にページインデックス情
報を収集し、該ページインデックス情報をコンテンツデ
ータベース２３に記憶させるものである。これにより、
ページの追加及び更新を自動的かつ不定期に検出するこ
とが可能となる。
リソース発見エンジン１２５に接続されている。通常、
ロボットと称されるリソース発見エンジン１２５は、イ
ンターネット１を介して自動的にページインデックス情
報を収集し、該ページインデックス情報をコンテンツデ
ータベース２３に記憶させるものである。これにより、
ページの追加及び更新を自動的かつ不定期に検出するこ
とが可能となる。
【００１８】制御手段１２４は、更に、クラスタデータ
ベース１２１にも接続されている。クラスタデータベー
ス１２１には、複数のページインデックス情報を、該文
書情報全体の類似度に基づく階層的な木構造にクラスタ
リングするために、節点となる複数のノード情報Ｎが記
憶されている。該ノード情報Ｎには、ノード毎に、頻度
表、ユーザ識別子リスト、並びに親ノード及び子ノード
を指示するポインタとが記憶されている。ぺ−ジインデ
ックス情報Ｉn に関係するノード情報Ｎnnの階層的な木
構造を表した樹系図が図２に示されている。
ベース１２１にも接続されている。クラスタデータベー
ス１２１には、複数のページインデックス情報を、該文
書情報全体の類似度に基づく階層的な木構造にクラスタ
リングするために、節点となる複数のノード情報Ｎが記
憶されている。該ノード情報Ｎには、ノード毎に、頻度
表、ユーザ識別子リスト、並びに親ノード及び子ノード
を指示するポインタとが記憶されている。ぺ−ジインデ
ックス情報Ｉn に関係するノード情報Ｎnnの階層的な木
構造を表した樹系図が図２に示されている。
【００１９】頻度表は、文書情報の構造とキーワードの
発生頻度とから重み付けにより算出され、該キーワード
を該文書情報の特徴を表す優先度順にリストしたもので
ある。該頻度表の作成手順は、最初に、例えば形態素解
析を用いて、ページの全テキストリソースから名詞及び
未定義語のキーワードに限定した切り出しを行う。次
に、ここで切り出されたキーワードに対して重み付けを
行い、優先度順にリストする。この時、キーワードの発
生頻度のみならず、ＨＴＭＬ(Hypertext Makup Languag
e)テキストソースのタグ構造を考慮して重み付けするこ
とで、より文書情報の特徴を表した頻度表を作成するこ
とができる。常に上位のノード情報の頻度表は下位の複
数のノード情報の頻度表の総合的なものにする。このよ
うにして作られた頻度表は、該頻度表と検索キーワード
及び検索対象の頻度表とを比較しながら子ノードを選択
していくことで、類似度の高いクラスタを生成すること
ができる。より具体的な頻度表の作成フローについて
は、後で説明する。
発生頻度とから重み付けにより算出され、該キーワード
を該文書情報の特徴を表す優先度順にリストしたもので
ある。該頻度表の作成手順は、最初に、例えば形態素解
析を用いて、ページの全テキストリソースから名詞及び
未定義語のキーワードに限定した切り出しを行う。次
に、ここで切り出されたキーワードに対して重み付けを
行い、優先度順にリストする。この時、キーワードの発
生頻度のみならず、ＨＴＭＬ(Hypertext Makup Languag
e)テキストソースのタグ構造を考慮して重み付けするこ
とで、より文書情報の特徴を表した頻度表を作成するこ
とができる。常に上位のノード情報の頻度表は下位の複
数のノード情報の頻度表の総合的なものにする。このよ
うにして作られた頻度表は、該頻度表と検索キーワード
及び検索対象の頻度表とを比較しながら子ノードを選択
していくことで、類似度の高いクラスタを生成すること
ができる。より具体的な頻度表の作成フローについて
は、後で説明する。
【００２０】ユーザ識別子リストには、当該ノード情報
の下層に位置するページインデックス情報のページが更
新された際に、通知すべきユーザ識別子のリストが記憶
されている。該ユーザ識別子は、後述するユーザ情報デ
ータベースのキーとなるものである。ユーザ情報データ
ベースの有利な機能を利用する必要がなければ、ユーザ
識別子の代わりに、直接ユーザの通知先アドレス即ちメ
ールアドレスを記憶してもよい。
の下層に位置するページインデックス情報のページが更
新された際に、通知すべきユーザ識別子のリストが記憶
されている。該ユーザ識別子は、後述するユーザ情報デ
ータベースのキーとなるものである。ユーザ情報データ
ベースの有利な機能を利用する必要がなければ、ユーザ
識別子の代わりに、直接ユーザの通知先アドレス即ちメ
ールアドレスを記憶してもよい。
【００２１】親ノード及び子ノードを指示するポインタ
は、階層的な木構造のクラスタリングを実現する上では
必要なものである。子ノードは、左右２つのノードに分
けられており、両ノードの頻度表と類似度を比較しなが
らリンクをたどることができるようになる。
は、階層的な木構造のクラスタリングを実現する上では
必要なものである。子ノードは、左右２つのノードに分
けられており、両ノードの頻度表と類似度を比較しなが
らリンクをたどることができるようになる。
【００２２】制御手段２４は、更に、ユーザ情報データ
ベース２２にも接続されている。該ユーザ情報データベ
ース２２は、ノード情報Ｎのユーザ識別子リストに対応
する情報を記憶しているものである。ノード情報Ｎのユ
ーザ識別子が直接ユーザのメールアドレスであってもよ
いことは、既に述べた。しかし、種々のユーザ情報を別
に記憶していることで様々な有利なサービスを提供でき
るようになる。該ユーザ情報データベースは、個々のユ
ーザ毎に、該ユーザに関心のある複数のＵＲＬ及びBook
markと、検索対象範囲を示すドメインリストと、検索結
果として表示するＵＲＬの個数と、該ユーザのメールア
ドレスとを含んでいる。特定のＵＲＬ及びBookmarkを予
め指定することができることで、それに含まれるページ
に更新があった場合には、即時に更新があった旨をユー
ザに通知することができる。また、ドメインリストによ
って検索対象範囲を限定することができる。更に、検索
結果として表示するＵＲＬの個数もまた、検索における
無駄な負荷を省略するための利点である。
ベース２２にも接続されている。該ユーザ情報データベ
ース２２は、ノード情報Ｎのユーザ識別子リストに対応
する情報を記憶しているものである。ノード情報Ｎのユ
ーザ識別子が直接ユーザのメールアドレスであってもよ
いことは、既に述べた。しかし、種々のユーザ情報を別
に記憶していることで様々な有利なサービスを提供でき
るようになる。該ユーザ情報データベースは、個々のユ
ーザ毎に、該ユーザに関心のある複数のＵＲＬ及びBook
markと、検索対象範囲を示すドメインリストと、検索結
果として表示するＵＲＬの個数と、該ユーザのメールア
ドレスとを含んでいる。特定のＵＲＬ及びBookmarkを予
め指定することができることで、それに含まれるページ
に更新があった場合には、即時に更新があった旨をユー
ザに通知することができる。また、ドメインリストによ
って検索対象範囲を限定することができる。更に、検索
結果として表示するＵＲＬの個数もまた、検索における
無駄な負荷を省略するための利点である。
【００２３】図３は、新しい文書情報が収集された場合
の、クラスタリングのフローチャートである。
の、クラスタリングのフローチャートである。
【００２４】リソース発見エンジン１２５によって、イ
ンターネット１を介して自動的にページインデックス情
報が収集され、該ページインデックス情報をコンテンツ
データベース２３に記憶していく（３１）。その際、更
新されたページがなければ（３２）、何も処理を行う必
要はない。一方、更新されたページが存在すれば、クラ
スタデータベース１２１を用いて、該ぺージｘについて
クラスタの更新（３３）を行わなければならない。
ンターネット１を介して自動的にページインデックス情
報が収集され、該ページインデックス情報をコンテンツ
データベース２３に記憶していく（３１）。その際、更
新されたページがなければ（３２）、何も処理を行う必
要はない。一方、更新されたページが存在すれば、クラ
スタデータベース１２１を用いて、該ぺージｘについて
クラスタの更新（３３）を行わなければならない。
【００２５】更新されたページｘが新たに収集された場
合（３３）を考える。予め該ページｘ全体から頻度表ｔ
x を作成（３４）し、クラスタデータベース１２１にノ
ード情報Ｎx を確保して該頻度表ｔx を記憶する。次
に、ルートノード情報Ｎ0 から順に、左右の子ノード情
報の頻度表と追加されるページの頻度表ｔx とを比較し
て検索していく。
合（３３）を考える。予め該ページｘ全体から頻度表ｔ
x を作成（３４）し、クラスタデータベース１２１にノ
ード情報Ｎx を確保して該頻度表ｔx を記憶する。次
に、ルートノード情報Ｎ0 から順に、左右の子ノード情
報の頻度表と追加されるページの頻度表ｔx とを比較し
て検索していく。
【００２６】まず、現在の検索位置にあるノード情報Ｎ
y （最初はＮ0 ）が子ノードを持つかどうか（３５）を
判断する。子ノードを持っていなければ、ノード情報Ｎ
x は、ユーザ識別子リスト及びノードポインタを格納
（４１）して、ノード情報Ｎyの子ノードとして追加
（４２）される。このユーザ識別子リストのユーザは、
ノード情報Ｎy の下層に位置するページに関心を持つ者
である。
y （最初はＮ0 ）が子ノードを持つかどうか（３５）を
判断する。子ノードを持っていなければ、ノード情報Ｎ
x は、ユーザ識別子リスト及びノードポインタを格納
（４１）して、ノード情報Ｎyの子ノードとして追加
（４２）される。このユーザ識別子リストのユーザは、
ノード情報Ｎy の下層に位置するページに関心を持つ者
である。
【００２７】一方、現在の検索位置にあるノード情報Ｎ
y が子ノードを持っていれば、ノード情報Ｎy に登録さ
れているユーザ識別子リストをノード情報Ｎx のユーザ
識別子リストに追加する（３６）。そして、ノード情報
Ｎx の頻度表ｔx と、ノード情報Ｎy の左右の子ノード
の頻度表ｔy_l 及びｔy_r とを比較して、どちらの子ノ
ードに類似しているかを判断する（３７、３８）。ノー
ド情報Ｎy は、類似している子ノードのリンクをたどっ
ていく（３９、４０）。これらの操作は、現在の検索位
置にあるノード情報Ｎy が子ノードを持たなくなるまで
繰り返される。そして、ノード情報Ｎx は、ユーザ識別
子リスト及びノードポインタを格納（４１）して、ノー
ド情報Ｎy の子ノードとして追加（４２）される。
y が子ノードを持っていれば、ノード情報Ｎy に登録さ
れているユーザ識別子リストをノード情報Ｎx のユーザ
識別子リストに追加する（３６）。そして、ノード情報
Ｎx の頻度表ｔx と、ノード情報Ｎy の左右の子ノード
の頻度表ｔy_l 及びｔy_r とを比較して、どちらの子ノ
ードに類似しているかを判断する（３７、３８）。ノー
ド情報Ｎy は、類似している子ノードのリンクをたどっ
ていく（３９、４０）。これらの操作は、現在の検索位
置にあるノード情報Ｎy が子ノードを持たなくなるまで
繰り返される。そして、ノード情報Ｎx は、ユーザ識別
子リスト及びノードポインタを格納（４１）して、ノー
ド情報Ｎy の子ノードとして追加（４２）される。
【００２８】最終的に、ノード情報Ｎx のユーザ識別子
リストに追加されてきたユーザ識別子に該当するユーザ
に当該ページが更新されたことを通知する。このように
して、当該ノードが更新される通知を必要とする全ての
ユーザに対して通知することができる。
リストに追加されてきたユーザ識別子に該当するユーザ
に当該ページが更新されたことを通知する。このように
して、当該ノードが更新される通知を必要とする全ての
ユーザに対して通知することができる。
【００２９】次に、クラスタを用いてページインデック
ス情報を検索する場合を説明する。予めクライアント４
のユーザが指定してくる漠然とした限定条件の少なくと
も１つのキーワードを基にして、ルートノードから順に
子ノードの頻度表と比較しながら探索を進めていく。ノ
ード情報には下層に位置する子ノードのポインタが記憶
されているので、順に下層に向かって探索することが可
能とある。下層のページ数がユーザ所望の検索結果の数
になったところで、以下のページインデックス情報を検
索結果として通知することもできる。
ス情報を検索する場合を説明する。予めクライアント４
のユーザが指定してくる漠然とした限定条件の少なくと
も１つのキーワードを基にして、ルートノードから順に
子ノードの頻度表と比較しながら探索を進めていく。ノ
ード情報には下層に位置する子ノードのポインタが記憶
されているので、順に下層に向かって探索することが可
能とある。下層のページ数がユーザ所望の検索結果の数
になったところで、以下のページインデックス情報を検
索結果として通知することもできる。
【００３０】以上詳細に説明した実施形態ではインター
ネットを例にとり説明したが、複数のコンピュータが接
続されたネットワーク上での文書情報の検索装置に対す
る適用において、本発明の技術思想及び見地の範囲の種
々の変更、修正及び省略は、当業者によれば容易に行う
ことができる。従って、前述した実施形態は、あくまで
例であって、何等制約しようとするものではない。本発
明は、特許請求の範囲及びその均等物として限定するも
のだけに制約される。
ネットを例にとり説明したが、複数のコンピュータが接
続されたネットワーク上での文書情報の検索装置に対す
る適用において、本発明の技術思想及び見地の範囲の種
々の変更、修正及び省略は、当業者によれば容易に行う
ことができる。従って、前述した実施形態は、あくまで
例であって、何等制約しようとするものではない。本発
明は、特許請求の範囲及びその均等物として限定するも
のだけに制約される。
【００３１】
【発明の効果】本発明によれば、複数の文書情報のイン
デックス情報を、該文書情報全体の類似度に基づいた階
層的な木構造にクラスタリングするためのクラスタデー
タベースを備えており、文書情報が更新される際に、連
鎖的にリンクをたどる途中で遭遇するノード情報の通知
先情報の通知先へ該文書情報が更新される旨を通知でき
るために、ユーザの文書情報に対する漠然とした限定条
件であっても、適切な複数の文書情報を提供でき、かつ
該文書情報の中で追加及び更新があった際にリアルタイ
ムでユーザが知ることができる。更に、本発明により、
今後増々膨大していくインターネット上のホームページ
に対して、最適な情報検索装置を提供することができ
る。
デックス情報を、該文書情報全体の類似度に基づいた階
層的な木構造にクラスタリングするためのクラスタデー
タベースを備えており、文書情報が更新される際に、連
鎖的にリンクをたどる途中で遭遇するノード情報の通知
先情報の通知先へ該文書情報が更新される旨を通知でき
るために、ユーザの文書情報に対する漠然とした限定条
件であっても、適切な複数の文書情報を提供でき、かつ
該文書情報の中で追加及び更新があった際にリアルタイ
ムでユーザが知ることができる。更に、本発明により、
今後増々膨大していくインターネット上のホームページ
に対して、最適な情報検索装置を提供することができ
る。
【図１】本発明の一実施形態における情報検索装置の構
成図である。
成図である。
【図２】図１のクラスタデータベース内のクラスタリン
グを表す樹系図である。
グを表す樹系図である。
【図３】図２のクラスタリングを生成するためのフロー
チャートである。
チャートである。
１１ インターネット １２ 情報検索装置、情報検索サーバ １２１ クラスタデータベース １２２ ユーザ情報データベース １２３ コンテンツデータベース １２４ 制御手段 １２５ リソース発見エンジン １３ コンピュータ １４ クライアント
Claims (7)
- 【請求項１】 文書情報を有する複数のコンピュータが
ネットワークに接続されており、複数の該文書情報のイ
ンデックス情報を記憶するコンテンツデータベースと、
該コンテンツデータベースを用いて該文書情報をキーワ
ードによって検索する制御手段とを有する情報検索装置
であって、 複数の前記文書情報のインデックス情報を、該文書情報
全体の類似度に基づいた階層的な木構造にクラスタリン
グするために、節点となる複数のノード情報を記憶して
いるクラスタデータベースを備えており、該ノード情報
には、下層に位置する文書情報が更新された際に通知す
べき通知先情報を有しており、 前記制御手段は、前記文書情報が更新される際に、前記
クラスタデータベースを用いて連鎖的にリンクをたどる
途中で遭遇する前記ノード情報の前記通知先情報の通知
先へ、該文書情報が更新される旨を通知するように構成
されていることを特徴とする情報検索装置。 - 【請求項２】 前記データベースの前記階層的な木構造
のクラスタリングは、前記文書情報の構造及びキーワー
ドの発生頻度から重み付けにより算出される文書情報間
の類似度に基づいて、類似する該文書情報同士を近くに
リンクするように構成されていることを特徴とする請求
項１に記載の情報検索装置。 - 【請求項３】 前記データベースの前記ノード情報は、
前記文書情報の構造とキーワードの発生頻度とから重み
付けにより算出される文書情報間の類似度に基づいて、
キーワードの優先度順にリストされた頻度表を有してい
ることを特徴とする請求項１又は２に記載の情報検索装
置。 - 【請求項４】 少なくとも１つの前記キーワードによっ
て検索する際に、該キーワードと前記頻度表とを比較し
ながら前記ノード情報のリンクをたどっていき、１つの
該ノード情報の下層に位置する複数の文書情報を検索結
果として通知することを特徴とする請求項３に記載の情
報検索装置。 - 【請求項５】 前記データベースの前記ノード情報の前
記通知先情報は、前記ネットワーク内での固有のアドレ
スであることを特徴とする請求項１から４のいずれか１
項に記載の情報検索装置。 - 【請求項６】 前記情報検索装置は、更に、個々のユー
ザ毎に、該ユーザに関心のある文書情報の前記ネットワ
ーク内での固有アドレスのリストと、該固有アドレスの
検索範囲を示すドメインリストと、検索結果として表示
する文書情報の個数と、該ユーザの前記ネットワーク内
での固有のアドレスとを含むユーザ情報データベースを
備えており、 前記クラスタデータベースの前記ノード情報の前記通知
先情報が前記ユーザ毎の識別子であることを特徴とする
請求項１から４のいずれか１項に記載の情報検索装置。 - 【請求項７】 更に、前記ネットワークを介して自動的
に前記文書情報を収集することができるリソース発見エ
ンジンを備えていることを特徴とする請求項１から６の
いずれか１項に記載の情報検索装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP04142997A JP3632354B2 (ja) | 1997-02-12 | 1997-02-12 | 情報検索装置 |
| EP04022290A EP1486891A3 (en) | 1997-02-12 | 1998-02-11 | Document retrieval apparatus |
| US09/022,280 US6078913A (en) | 1997-02-12 | 1998-02-11 | Document retrieval apparatus |
| EP98301003A EP0859330A1 (en) | 1997-02-12 | 1998-02-11 | Document retrieval apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP04142997A JP3632354B2 (ja) | 1997-02-12 | 1997-02-12 | 情報検索装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10222534A true JPH10222534A (ja) | 1998-08-21 |
| JP3632354B2 JP3632354B2 (ja) | 2005-03-23 |
Family
ID=12608133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP04142997A Expired - Fee Related JP3632354B2 (ja) | 1997-02-12 | 1997-02-12 | 情報検索装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3632354B2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000276279A (ja) * | 1999-03-25 | 2000-10-06 | Seiko Epson Corp | 電子表示制御装置およびその方法並びに記録媒体 |
| JP2001054090A (ja) * | 1999-08-09 | 2001-02-23 | Fujitsu Ltd | 情報受信装置および情報受信プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| WO2001018686A1 (en) * | 1999-08-03 | 2001-03-15 | Huh Haeng Yang | Information acquisition method in internet and computer readable medium for storing program for carrying out the method |
| US7089268B2 (en) | 2001-05-14 | 2006-08-08 | Hitachi, Ltd. | Document management method and document management system |
| JP2014149564A (ja) * | 2013-01-31 | 2014-08-21 | International Business Maschines Corporation | 情報処理装置、情報処理方法及びプログラム |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04127370A (ja) * | 1990-09-19 | 1992-04-28 | Toshiba Corp | 情報収集システム |
| JPH0749875A (ja) * | 1993-08-06 | 1995-02-21 | Hitachi Ltd | 文書情報分類方法およびそれを用いた文書情報収集方法、文書情報収集システム |
-
1997
- 1997-02-12 JP JP04142997A patent/JP3632354B2/ja not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04127370A (ja) * | 1990-09-19 | 1992-04-28 | Toshiba Corp | 情報収集システム |
| JPH0749875A (ja) * | 1993-08-06 | 1995-02-21 | Hitachi Ltd | 文書情報分類方法およびそれを用いた文書情報収集方法、文書情報収集システム |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000276279A (ja) * | 1999-03-25 | 2000-10-06 | Seiko Epson Corp | 電子表示制御装置およびその方法並びに記録媒体 |
| WO2001018686A1 (en) * | 1999-08-03 | 2001-03-15 | Huh Haeng Yang | Information acquisition method in internet and computer readable medium for storing program for carrying out the method |
| JP2001054090A (ja) * | 1999-08-09 | 2001-02-23 | Fujitsu Ltd | 情報受信装置および情報受信プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| US7089268B2 (en) | 2001-05-14 | 2006-08-08 | Hitachi, Ltd. | Document management method and document management system |
| JP2014149564A (ja) * | 2013-01-31 | 2014-08-21 | International Business Maschines Corporation | 情報処理装置、情報処理方法及びプログラム |
| US10169393B2 (en) | 2013-01-31 | 2019-01-01 | International Business Machines Corporation | Tracking changes among similar documents |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3632354B2 (ja) | 2005-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7552109B2 (en) | System, method, and service for collaborative focused crawling of documents on a network | |
| US6321228B1 (en) | Internet search system for retrieving selected results from a previous search | |
| US6516312B1 (en) | System and method for dynamically associating keywords with domain-specific search engine queries | |
| US8972371B2 (en) | Search engine and indexing technique | |
| US5920859A (en) | Hypertext document retrieval system and method | |
| US7499965B1 (en) | Software agent for locating and analyzing virtual communities on the world wide web | |
| US20080065632A1 (en) | Server, method and system for providing information search service by using web page segmented into several inforamtion blocks | |
| KR19980701598A (ko) | 정보 액세스 방법 및 시스템(methods and/or systems for acessing informatiom) | |
| US9275145B2 (en) | Electronic document retrieval system with links to external documents | |
| JP4769822B2 (ja) | ページグループを用いた情報検索サービス提供サーバー、方法及びシステム | |
| JP2000508450A (ja) | インターネットから検索される情報を知識ベース表現を使用して編成する方法 | |
| WO2006107141A1 (en) | Server, method and system for providing information search service by using sheaf of pages | |
| Duhan et al. | A novel approach for organizing web search results using ranking and clustering | |
| WO1997049048A1 (en) | Hypertext document retrieval system and method | |
| KR100445943B1 (ko) | 근접 검색식을 이용한 정보 검색 시스템 및 방법 | |
| JP3632354B2 (ja) | 情報検索装置 | |
| Li et al. | Research on web mining-based intelligent search engine | |
| Liu et al. | Digging for gold on the Web: Experience with the WebGather | |
| KR20030051577A (ko) | 검색사이트의 검색결과 표시방법 | |
| US20060059126A1 (en) | System and method for network searching | |
| JP3586272B2 (ja) | サーチエンジン、検索システム、および記憶媒体 | |
| JP2003186901A (ja) | Ｗｅｂサイト検索方法とシステム、並びに、この方法の実行プログラムとこの方法の実行プログラムを記録した記録媒体 | |
| Gong et al. | An implementation of web image search engines | |
| JPH11265402A (ja) | データ処理システム及びデータ処理システムを制御するプログラムを記録した記録媒体 | |
| Ceric | New methods and tools for the World Wide Web search |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040608 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040714 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040817 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040929 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041130 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041213 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |