JPH11328220A

JPH11328220A - データ検索方法、その装置および記録媒体

Info

Publication number: JPH11328220A
Application number: JP10150678A
Authority: JP
Inventors: Masakatsu Okubo; 雅且大久保; Takashi Inoue; 孝史井上; Kazuhiro Hayakawa; 和宏早川; Kazuo Tanaka; 一男田中
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1998-05-14
Filing date: 1998-05-14
Publication date: 1999-11-30
Anticipated expiration: 2018-05-14
Also published as: JP3591813B2

Abstract

(57)【要約】【課題】入力された検索式中の検索語が少なく、この
ために検索結果の数が多くなっても、検索結果を利用者
が容易に把握することができるように分類して出力さ
れ、したがって、操作性に優れたデータ検索方法、その
装置および記録媒体を提供することを目的とする。【解決手段】端末装置から入力された検索式に基づい
て、所定のサーバが、所定データを検索し、上記端末装
置に提供するデータ検索装置において、所定の語と、こ
の所定の語に関連する関連語とが対応して格納され、上
記サーバに設けられている関連語辞書を設け、上記検索
式に含まれている検索語の関連語を、上記関連語辞書を
用いて抽出する関連語抽出手段を設け、上記関連語抽出
手段によって抽出された関連語を用いて、検索された複
数のデータを複数のグループに分類する検索結果分類手
段を設けたものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、コンピュータネッ
トワークを用いたデータ検索方法およびその装置に係
り、特に、検索の結果、多数のデータが選択された場合
に、自動的に検索データを分類し、出力するデータ検索
方法およびその装置に関する。

【０００２】

【従来の技術】データ検索とは、文書等の集合をデータ
ベース等に蓄積し、利用者が与えた検索式に関連する文
書を、そのデータベースから取り出す技術である。検索
式とは、たとえば「通信」のような１つの単語だけでは
なく、「通信ＡＮＤ計算機」のように、「通信」と「計
算機」との両方の単語に関連する文書の取り出しを指定
したり、「通信ＯＲ計算機」のように、「通信」と「計
算機」とのうちのいずれかの単語に関連する文書の取り
出しを指定する式である。ここで「単語に関連する文
書」とは、ある文書にキーワードとしてある単語が予め
付与されている場合、そのキーワードに対応する文書で
あり、また、ある文書中にある単語が含まれている場
合、その単語に対応する文書である。

【０００３】従来、入力された検索式に従って検索し、
照合したデータを提供するデータ検索システムにおい
て、適合するデータが複数である場合、データベースに
格納されている順序で出力、表示されることが一般的で
ある。しかし、多数のデータが選択された場合、検索結
果の中から利用者が所望のデータを得ることが困難であ
り、利用者の作業が膨大になるという問題がある。

【０００４】そこで、特開平４−２５２３７６号公報に
開示されているデータベース検索装置では、ユーザ別フ
リーキーワード格納部を設け、キーワードを含有する数
の多い順に検索結果を並び替えて表示するようにしてい
る。

【０００５】また、特開平５−３１４１８５号公報に記
載されているデータベース検索システムでは、キーワー
ド間の相関関係を示す概念ネットワーク図を予め用意
し、入力されたキーワードによってネットワーク図上で
１つのパスを決定し、パス上のキーワードを有するデー
タを優先的に出力するようにしている。

【０００６】また、特開平７−１１０８１８号公報に開
示されているデータベースシステムでは、データに含ま
れているキーワードを用いて予めデータを分類しておく
ことを前提にし、検索キーワードとの関連度が高い分類
を求め、この分類されているデータを出力するようにし
ている。

【０００７】

【発明が解決しようとする課題】ところで、従来のデー
タ検索システムでは、利用者が容易に把握できる程度の
量に至るまで、検索結果の数を絞り込むためには、利用
者が多くの検索語を入力する必要があり、適切な検索語
を利用者が思いつかない場合、利用者が所望のデータを
得るのが困難である。または、上記のようにデータを予
め分類しておく必要があるという問題がある。

【０００８】また、同じ検索語を用いても、その検索語
に基づいて利用者が検索しようとするデータは、その時
々で変化する。たとえば、長野オリンピックが開催され
る前の時点では、「オリンピック」という検索語によっ
て検索しようとするデータは、競技場のチケットの状
況、長野のホテルの予約状況、交通手段等のデータであ
るのに対し、オリンピック開催中の検索したいデータ
は、競技結果に関するデータというように、検索したい
データの内容は、時間の経過とともに変化する。

【０００９】しかし、従来のデータ検索システムではこ
のようなデータニーズの変化には対応できていないとい
う問題がある。

【００１０】本発明は、入力された検索式中の検索語が
少なく、このために検索結果の数が多くなっても、検索
結果を利用者が容易に把握することができるように分類
して出力され、したがって、操作性に優れたデータ検索
方法、その装置および記録媒体を提供することを目的と
する。

【００１１】また、本発明は、現在のデータニーズを反
映した状態でデータを分類することができ、多くの利用
者が欲しているデータを分類して提示することができる
データ検索方法、その装置および記録媒体を提供するこ
とを目的とする。

【００１２】

【課題を解決するための手段】本発明は、端末装置から
入力された検索式に基づいて、所定のサーバが、所定デ
ータを検索し、上記端末装置に提供するデータ検索装置
において、所定の語と、この所定の語に関連する関連語
とが対応して格納され、上記サーバに設けられている関
連語辞書を設け、上記検索式に含まれている検索語の関
連語を、上記関連語辞書を用いて抽出する関連語抽出手
段を設け、上記関連語抽出手段によって抽出された関連
語を用いて、検索された複数のデータを複数のグループ
に分類する検索結果分類手段を設けたデータ検索装置で
ある。

【００１３】

【発明の実施の形態および実施例】図１は、本発明の一
実施例であるデータ検索装置ＩＳ１を示すブロック図で
ある。

【００１４】データ検索装置ＤＳ１は、情報データベー
スＤＢ１と、関連語辞書Ｄと、ネットワークを介して端
末装置から送られた検索式を受信する検索式受信部１０
と、データ検索部２０と、関連語抽出部３０と、検索結
果分類装置４０と、検索結果送信部５０とを有する。

【００１５】データ検索装置ＤＳ１は、端末装置から入
力された検索式に基づいて、所定のサーバが、所定デー
タを検索し、この検索されたデータを上記端末装置に提
供するデータ検索装置であり、関連語辞書Ｄは、所定の
語と、この所定の語に関連する関連語とが対応して格納
され、上記サーバに設けられている辞書である。

【００１６】関連語抽出部３０は、上記検索式に含まれ
ている検索語の関連語を、関連語辞書Ｄを用いて抽出す
る手段である。検索結果分類装置４０は、関連語抽出部
３０によって抽出された関連語を用いて、検索された複
数のデータを複数のグループに分類する手段である。

【００１７】次に、上記実施例の動作について説明す
る。

【００１８】図２は、データ検索装置ＤＳ１の処理動作
を示すフローチャートである。

【００１９】まず、ネットワークを介して端末装置から
入力された検索式を検索式受信部１０が受信し（Ｓ
１）、この入力された検索式に基づいて、情報データベ
ースＤＢ１から所定データを検索する（Ｓ２）。そし
て、受信された検索式を各検索語に分解し（Ｓ３）、分
解された各検索語について、関連語辞書Ｄを用いて、検
索語と関連する関連語と、上記検索語と上記関連語との
関連度とを抽出する（Ｓ４）。その後、抽出された関連
語と関連度とを用いて、ステップＳ２で検索された検索
結果を後述する所定の手法で分類し（Ｓ５）、この分類
された検索結果を端末装置に送信する（Ｓ６）。

【００２０】なお、上記フローチャートにおいて、各検
索語へ分解し、関連語と関連語とを抽出した（Ｓ３、Ｓ
４）後に、検索式に基づいてデータを検索する（Ｓ２）
ようにしてもよい。

【００２１】関連語辞書Ｄは、過去の所定期間に行われ
た検索におけるデータを解析する後述のデータ関連付け
装置７０を用いて作成したものである。

【００２２】図３は、上記実施例におけるデータ関連付
け装置７０を示す図である。

【００２３】図３（１）に示すデータ関連付け装置７０
は、同一の利用者によって使用された検索語は、その使
用時間間隔が短ければ同じデータを求めるために使用さ
れた検索語であり、その使用時間間隔が長ければ別のデ
ータを求めるために使用された検索語であり、使用時間
間隔が短い程、関連の度合い（関連度）が高いという考
えに基づく装置である。また、データ関連付け装置７０
は、ユーザ別検索時刻・検索式抽出部７１と、検索式分
解部７２と、最小時刻差計算部７３と、関連度計算・集
計部７４とを有する。

【００２４】ユーザ別検索時刻・検索式抽出部７１は、
過去の所定期間中に行われた検索におけるデータから、
検索ユーザ毎に、検索時刻と検索式とを抽出する手段で
ある。検索式分解部７２は、ユーザ別検索時刻・検索式
抽出部７１によって抽出された複数の検索式のうちの１
つの検索式が使用された時刻と、上記抽出された複数の
検索式のうちの別の検索式が使用された時刻との時刻差
のうちの最小値である最小時刻差を、上記検索ユーザ毎
に計算する手段である。

【００２５】最小時刻差計算部７３は、所定の検索ユー
ザにおける上記最小時刻差に基づいて、上記最小時刻差
に対応する上記１つの検索式と上記別の検索式との関連
度を、上記所定の検索ユーザ毎に計算し、複数の上記検
索ユーザについて計算された上記関連度を集計する手段
である。関連度計算・集計部７４は、最小時刻差に基づ
いて、２つの検索語同士の関連度を求め、全ユーザにつ
いて集計するものである。

【００２６】また、最小時刻差計算部７３は、上記検索
式を検索語に分解し、上記分解された検索語のうちの１
つの検索語が使用された時刻と、上記分解された検索語
のうちの別の検索語が使用された時刻との時刻差のうち
の最小値である最小時刻差を、上記検索ユーザ毎に計算
する手段である。

【００２７】関連度計算・集計部７４は、所定の検索ユ
ーザにおける上記最小時刻差に基づいて、上記最小時刻
差に対応する上記１つの検索語と上記別の検索語との関
連度を、所定の検索ユーザ毎に計算し、複数の検索ユー
ザについて計算された上記関連度を集計する手段であ
る。

【００２８】また、関連度計算は、たとえば、最小時刻
差が０秒であれば（同一検索式に２つの検索語が存在す
れば）、検索語同士の関連度を「２」とし、最小時刻差
が０〜６０秒であれば、関連度を「１」とし、最小時刻
差が３００秒以上であれば、関連度を「０」とし、６０
〜３００秒の間は、１次関数を用いて求める。

【００２９】図３（２）は、相関係数検出装置８０を示
すブロック図である。

【００３０】相関係数検出装置８０は、ある一定の時期
に、多数の利用者が同一のデータを求めた場合、その検
索に使用された検索語の使用頻度傾向は似ているという
考えに基づく装置であり、２つの検索語の使用頻度に応
じて２つの検索語の間の相関係数を求める装置である。
また、相関係数検出装置８０は、時間別・ユーザ別集計
部８１と、検索式分解部８２と、検索語集計部８３と、
相関係数計算部８４とを有する装置である。

【００３１】時間別・ユーザ別集計部８１は、使用され
た検索式を、日毎、ユーザ毎にまとめるものであり、つ
まり、過去の所定期間中に行われた検索におけるデータ
から、所定時間毎に検索ユーザ毎に、検索式を抽出する
手段である。検索式分解部８２は、検索ユーザ毎に、検
索式を検索語へ分解し、重複を除く手段である。

【００３２】検索語集計部８３は、日毎、検索語毎の使
用頻度を集計するものであり、つまり、所定時間毎にお
ける各検索語の使用回数を検索ユーザ毎に計算し、検索
ユーザ毎に計算された各検索語の使用回数を、全ての検
索ユーザについて集計する手段である。相関係数計算部
８４は、日毎に集計された各検索語の使用頻度に基づ
き、それぞれの時系列間における２つの検索語の相関係
数を求めるものであり、集計された所定時間毎における
各検索語の使用回数に基づいて、２つの検索語相互間の
相関係数を計算する手段である。

【００３３】上記実施例は、上記２つの関連度を用いて
関連語辞書Ｄを作成するので、データニーズを直接反映
した、タイムリーな関連語を求めることができ、一般的
な同義語ではなく、その時期に同義語的に用いられた関
連語を集約した関連語辞書Ｄを得ることができる。この
ように、上記実施例は、この関連語辞書Ｄを用いて広告
データベースＤＢ２を検索するので、データニーズを反
映した、利用者が欲しい広告を選択することができ、宣
伝効果を上げることができる。

【００３４】上記実施例では、入力された検索語をＸと
し、検索されたデータを、Ｄ₁ ，Ｄ₂ ，…，Ｄ_m とす
る。

【００３５】図４は、上記実施例における関連語辞書Ｄ
の一例を示す図である。

【００３６】関連語辞書Ｄには、各検索語毎に、それと
関連する関連語と、この関連語との関連度とが格納され
ている。

【００３７】図４に示す例では、検索語はＸであり、関
連語Ｙ₁ 、Ｙ₂ 、Ｙ₃ 、……、Ｙ_nは、この検索語Ｘと
関連する関連語であり、関連度Ｚ₁ 、Ｚ₂ 、Ｚ₃ …、Ｚ
_n は、検索語Ｘと、関連語Ｙ₁ 、Ｙ₂ 、Ｙ₃ 、……、Ｙ
_n とのそれぞれの関連度である。

【００３８】図５は、検索結果分類装置４０の一例を示
すブロック図である。

【００３９】検索結果分類装置４０は、ベクトル変換部
４１と、ベクトル間類似度計算部４２と、検索結果分類
部４３とを有するものである。

【００４０】ベクトル変換部４１は、データ検索部２０
からデータ検索の結果を受け取り、関連語抽出部３０か
ら、上記検索語の関連語を受け取り、以下のようにし
て、検索結果である各データに基づいて、それぞれベク
トルを作成する手段である。

【００４１】つまり、データ検索部２０によって検索さ
れ、ベクトル変換部４１が受け取ったデータＤ_j のベク
トルＶ_j は、以下の式１、式２、式３のいずれかの式で
作成される。ただし、ｊ＝１、２、……、ｍである。

【００４２】なお、関数ｆ（Ｙ_i ）は、ｉ個目の関連語
Ｙ_i に関する関数であり、検索データに関連語Ｙ_i が含
まれていれば、ｆ（Ｙ_i ）＝１であり、検索データに関
連語Ｙ_i が含まれていなければ、ｆ（Ｙ_i ）＝０であ
る。ただし、ｉ＝１、２、……、ｎである。

【００４３】Ｖ_j ＝（ｆ（Ｙ₁ ），ｆ（Ｙ₂ ），ｆ（Ｙ₃ ），……，ｆ（Ｙ_n ））（式１）Ｖ_j ＝（ｆ（Ｙ₁ ）＊Ｚ₁ ，ｆ（Ｙ₂ ）＊Ｚ₂ ，……，ｆ（Ｙ_n ）＊Ｚ_n ）（式２）また、ｇ（Ｙ_i ）は、検索されたデータＤ_j に出現する
関連語Ｙ_i の出現回数を示す関数である。ただし、ｉ＝
１、２、……、ｎとする。

【００４４】Ｖ_j ＝（ｇ（Ｙ₁ ）＊Ｚ₁ ，ｇ（Ｙ₂ ）＊Ｚ₂ ，……，ｆ（Ｙ_n ）＊Ｚ_n ）（式３）すなわち、式１は、検索されたデータ中の各関連語の有
無を用いてベクトルを作成する式である。つまり、式１
を採用したベクトル変換手段は、各データ中の関連語の
有無を用いることによって、上記各データのベクトルを
作成する手段である。

【００４５】式２は、検索されたデータ中の各関連語の
有無と、検索語と各関連語との関連度とを用いてベクト
ルを作成する式である。つまり、式２を採用したベクト
ル変換手段は、各データ中の関連語の有無と、検索語と
各関連語との関連度とを用いて、各データのベクトルを
作成する手段である。

【００４６】式３は、検索されたデータ中の各関連語の
出現回数と関連度とを用いてベクトルを作成する式であ
る。つまり、式３を採用したベクトル変換手段は、デー
タ中の関連語が出現する数と、検索語と各関連語の関連
度とを用いて各データのベクトルを作成する手段であ
る。

【００４７】ベクトル間類似度計算部４２は、上記のよ
うにして作成されたベクトルＶ_j とＶ_k との間の類似度
Ｒ（ｊ、ｋ）を、以下の式４によって求める手段であ
る。

【００４８】ベクトルＶ_j ＝（ｖ_j,1 ，ｖ_j,2 ，……，ｖ_j,n ）、ベクトルＶ_k ＝（ｖ_k,1 ，ｖ_k,2 ，……，ｖ_k,n ）であ
るときに、Ｒ（ｊ，ｋ）＝（ｖ_j,1 ・ｖ_k,1 ＋ｖ_j,2 ・ｖ_k,2 ＋……＋ｖ_j,n ・ｖ_k,n ）／｛（ｖ_j,1 ・ｖ_j,1 ＋ｖ_j,2 ・ｖ_j,2 ＋……＋ｖ_j,n ・ｖ_j,n ）^1/2 ・（ｖ_k, ₁ ・ｖ_k,1 ＋ｖ_k,2 ・ｖ_k,2 ＋……＋ｖ_k,n ・ｖ_k,n ）^1/2 ｝（式４）ただし，ｊ＝１，２，……，ｍ、ｋ＝１，２，……，
ｍ、ｊ≠ｋとする。

【００４９】式４を採用したベクトル間類似度計算手段
が計算する２つのベクトル間の類似度は、２つのベクト
ルの内積を各ベクトルの大きさで割って得られた値であ
る。つまり、上記式４は、各ベクトルをｎ次元空間で表
したときのコサイン値（余弦値）に等しい。ここで、関
数ｆ（Ｙ_i ）、Ｚ_i 、ｇ（Ｙ_i ）は全て０以上の値であ
るので、類似度Ｒ（ｊ，ｋ）の値は、０から１の間の値
になる。すなわち、類似度Ｒ（ｊ，ｋ）の値が大きい
程、ベクトルＶ_j とベクトルＶ_k との類似度は高くな
り、データＤ_j とＤ_k との共通性が高くなる。

【００５０】検索結果分類部４３は、各ベクトル間の類
似度を用いて検索結果を分類する手段である。

【００５１】次に、上記実施例において、検索結果分類
部４３によって検索結果を分類する動作について説明す
る。

【００５２】図６は、上記実施例において、検索結果を
分類する動作を示すフローチャートである。

【００５３】検索された各データＤ_j が各グループに分
類され、以下では、各検索されたデータＤ_j が属するグ
ループの番号を、Ｇ［Ｄ_j ］と表示し、初期値として、
グループ番号Ｇ［Ｄ_j ］＝ｊとする（Ｓ１１）。ただ
し、ｊ＝１，２，……，ｍである。

【００５４】また、検索された２つのデータが同一のグ
ループに属するか否かを、上記２つのデータににそれぞ
れ対応するベクトルの間の類似度Ｒに応じて判定し、こ
の判定における類似度Ｒの閾値を、ＴＨとする。

【００５５】そして、データＤ_j とＤ_k との類似度Ｒ
（ｊ、ｋ）の最も大きな組（ｊ、ｋ）を取り出し（Ｓ１
２）、そして、類似度Ｒ（ｊ、ｋ）≦ＴＨならば（Ｓ１
３）、データＤ_j とＤ_k との類似性が低いので、データ
Ｄ_j とＤ_k とを合併せずに（１つのグループに括らない
で）終了する。

【００５６】類似度Ｒ（ｊ、ｋ）＞ＴＨならば（Ｓ１
３）、番号Ｇ［Ｄ_j ］のグループに属する要素としての
検索データＤ_p と、番号Ｇ［Ｄ_k ］のグループに属する
要素としての検索データＤ_q とを取り出し、類似度Ｒ
（ｐ、ｑ）＞ＴＨか否かを判定する（Ｓ１４）。番号Ｇ
［Ｄ_j ］のグループに属する全ての要素としてのデータ
Ｄ_p と、番号Ｇ［Ｄ_k ］のグループに属する全ての要素
としてのデータＤ_q とについて、類似度Ｒ（ｐ、ｑ）＞
ＴＨであれば（Ｓ１４）、番号Ｇ［Ｄ_j ］のグループに
属する全ての要素としてのデータＤ_p と、番号Ｇ［Ｄ
_k ］のグループに属する全ての要素としてのデータＤ_q
との類似性が高いので、番号Ｇ［Ｄ_j ］のグループと番
号Ｇ［Ｄ_k ］のグループとを合併し、１つのグループと
する（Ｓ１５）。合併後のグループ番号を、たとえば番
号Ｇ［Ｄ_j ］とする。

【００５７】そして、上記処理（Ｓ１３〜Ｓ１５）を、
類似度Ｒ（ｊ、ｋ）≦ＴＨになるまで、類似度Ｒ（ｊ，
ｋ）の大きな順に繰り返す（Ｓ１６、Ｓ１７、Ｓ１
８）。

【００５８】次に、図６に示すフローチャートを具体的
に説明する。

【００５９】図７は、上記実施例において、ベクトルＶ
₁ 〜Ｖ₅ の各相互間におけるベクトル間類似度をベクト
ル間類似度計算部４２が計算し、この計算結果である類
似度を示す図である。

【００６０】図７に示す結果によれば、たとえば、検索
されたデータＤ₁ とＤ₂ との間における類似度Ｒ（１，
２）が１０であり、検索されたデータＤ₁ とＤ₃ との間
における類似度Ｒ（１，３）が８である。

【００６１】図８は、上記実施例において、データＤ₁
〜Ｄ₅ を分類する過程を示す図である。

【００６２】初期値として、各グループに属する要素と
してのデータは、図８（１）に示すように、１つであ
る。つまり、１つのグループに１つの検索データのみが
属している。なお、閾値ＴＨは５である。

【００６３】まず、図７に示すベクトル間類似度のうち
で、ベクトルＶ₁ とＶ₂ との類似度Ｒ（１，２）が１０
であり、これが図７中、最も大き値であるので、この類
似度Ｒ（１，２）を取り出す。この場合、閾値ＴＨは
「５」であるので、類似度Ｒ（１、２）＞５であり、し
たがって、ベクトルＶ₁ とＶ₂ との類似性が充分に高い
と判断し、図８（２）に示すように、ベクトルＶ₁ を含
むグループとベクトルＶ₂ を含むグループとを合併す
る。

【００６４】そして、ベクトルＶ₄ とＶ₅ との間の類似
度Ｒ（４，５）が１０であるので、類似度Ｒ（４，５）
が、次に大きな類似度であり、この類似度Ｒ（４，５）
を取り出す。そして、類似度Ｒ（４，５）＞５であるの
で、図８（３）に示すように、ベクトルＶ₄ を含むグル
ープとベクトルＶ₅ を含むグループとを合併する。

【００６５】そして、ベクトルＶ₁ とＶ₃ との間の類似
度Ｒ（１，３）が次に大きく、この類似度Ｒ（１、３）
を取り出す。番号Ｇ［１］のグループに属する要素とし
ての検索データＤ₁ 、Ｄ₂ のそれぞれについて、検索デ
ータＤ₃ との間における類似度を調べると（図８
（４））、類似度Ｒ（１、３）＞５、類似度Ｒ（２、
３）＞５であるので、図８（５）に示すように、２つの
グループを合併する。

【００６６】そして、類似度が次に大きな類似度は７で
あり、これに対応するデータは、Ｄ₂ 、Ｄ₃ であり、デ
ータＤ₂ 、Ｄ₃ は、図８（５）に示すように、既に１つ
のグループに属しているので、データＤ₂ 、Ｄ₃ に関す
る分類の処理としては、何も実行しない。

【００６７】そして、類似度が次に大きな類似度は７で
あり、これに対応するデータは、データＤ₃ 、Ｄ₄ であ
り、データＤ₃ 、Ｄ₄ の類似度Ｒ（３、４）＞５である
が、データＤ₄ が属するグループに属する他のデータＤ
₅ とデータＤ₃ との類似度Ｒ（３、５）≦５であるの
で、図８（６）に示すように、残った２つのグループ同
士について合併処理を実行しない。

【００６８】類似度Ｒが次に大きな類似度は３であり、
これに対応するデータは、データＤ₁ 、Ｄ₅ であり、デ
ータＤ₁ とＤ₅ との類似度Ｒ（１，５）≦５なので、図
８（７）に示すように、分類処理を終了する。

【００６９】この結果、データＤ₁ 、Ｄ₂ 、Ｄ₃ が１つ
目のグループに配属され、データＤ₄ 、Ｄ₅ が２つ目の
グループに配属され、データＤ₁ 、Ｄ₂ 、Ｄ₃ を含むグ
ループと、データＤ₄ 、Ｄ₅ を含むグループとは、別の
グループになる。このようにして分類処理を終了し、こ
の分類結果を端末装置に送信する。

【００７０】図９は、上記実施例における出力例を示す
図である。

【００７１】図９に示す出力例は、検索語として「オリ
ンピック」を使用した例であり、データの検索結果は１
２９件で、それら１２９件の検索データを上記実施例の
処理に従って分類し、属するデータ数の多いグループか
ら順に表示されている。

【００７２】データ数の最も多かったグループは、２３
個のデータを含むグループであり、その中から「オリン
ピック」に最も関連の強いデータを選び、そのタイトル
「長野オリンピック公式ガイド」をそのグループのタイ
トルとしている。さらに、そのグループに含まれている
データの数、残りのデータのタイトルを複数個表示して
いる。

【００７３】画面に表示されている「Ｍｏｒｅ」を画面
上でクリックすることによって、残りのタイトルが表示
され、さらに、タイトル部分をクリックすると、その詳
細なデータが表示されるようになっている。他のグルー
プについても、上記と同様である。

【００７４】上記実施例によれば、上記のように、少な
い検索語の入力でも、利用者は欲しいデータがどこにあ
るか容易に把握することができ、検索時間の短縮、負担
の軽減を図ることができる。

【００７５】図１０は、本発明の他の実施例であるデー
タ検索装置ＤＳ２を示すブロック図である。

【００７６】データ検索装置ＤＳ２は、基本的にはデー
タ検索装置ＤＳ１と同じであり、データ関連づけ部９０
が設けられている点のみがデータ検索装置ＤＳ１とは異
なるものである。

【００７７】データ関連づけ部９０は、過去の所定期間
に行われた検索における情報データベースと、データ関
連づけ装置７０とを有し、検索式が入力されるとその過
去の所定期間に行われた検索におけるデータに基づいて
関連語を作成し、関連語辞書Ｄを更新するものであり、
これによって、常に、データニーズを反映した関連語が
得られるようになっている。

【００７８】なお、上記実施例では、入力された検索語
の関連語のみを使用して、各検索されたデータに基づい
てベクトルを作成しているが、上記入力された検索語の
関連語以外の語についてのベクトルを、グループに属す
る要素として考えるようにしてもよい。たとえば、検索
結果のデータに含まれる全ての単語についてのベクトル
を、グループに属する要素として考えるようにしてもよ
い。この場合、単語数がｗ個あるとすれば、ｎ＋ｗ次元
のベクトルを作成することになる。ただし、ｎは入力さ
れた検索語の関連語の数である。

【００７９】上記実施例によれば、従来と同様に入力さ
れた検索式を用いてデータベースからデータを選択する
とともに、関連語辞書Ｄから得られる関連語を用いて検
索データに関するベクトルを作成し、さらにこのベクト
ルを用いて、ベクトルに対応するデータ同士の間におけ
る類似度を求め、この類似度を用いて検索データを分類
するので、少ない検索語入力の場合でも、検索結果を容
易に把握することが可能であり、利用者が所望のデータ
を得るまでの時間、負担の軽減を図ることができる。

【００８０】そして、関連語辞書として、多数の利用者
が所定期間に使用した過去の所定期間に行われた検索に
おけるデータを解析して作成した辞書を使用すれば、一
般的な同義語ではなく、その時期に同義語的に使用され
た関連語を集約できるので、現在のデータニーズを反映
した分類が可能である。

【００８１】また、上記実施例を記録媒体の発明として
把握することができる。つまり、上記実施例は、端末装
置から入力された検索式に基づいて、所定のサーバが、
所定データを検索し、この検索されたデータを上記端末
装置に提供するデータ検索手順において、所定の語と、
この所定の語に関連する関連語とが対応して格納されて
いる関連語辞書を上記サーバに設ける関連語辞書設置手
順と、上記検索式に含まれている検索語の関連語を、上
記関連語辞書を用いて抽出する関連語抽出手順と、上記
関連語抽出手順で抽出された関連語を用いて、検索され
た複数のデータを複数のグループに分類する検索結果分
類手順とをコンピュータに実行させるプログラムを記録
したコンピュータ読み取り可能な記録媒体の例である。
この記憶媒体の例としては、ＣＤ、ＦＤ、ハードディス
ク、半導体メモリ等がある。

【００８２】

【発明の効果】本発明によれば、多くの利用者が使用し
た所定期間の過去の所定期間に行われた検索におけるデ
ータを解析することによって得られた関連語辞書を設
け、検索語の関連語を検索し、この関連語を用いて検索
されたデータについてベクトルを作成し、ベクトル間の
類似度を求め、この類似度で検索結果を自動的に分類し
て出力するので、利用者が検索結果を容易に把握するこ
とができ、データ検索システムの操作性が極めて向上す
るという効果を奏する。

【図面の簡単な説明】

【図１】本発明の一実施例であるデータ検索装置ＩＳ１
を示すブロック図である。

【図２】データ検索装置ＤＳ１の処理動作を示すフロー
チャートである。

【図３】上記実施例におけるデータ関連付け装置７０を
示す図である。

【図４】上記実施例における関連語辞書Ｄの一例を示す
図である。

【図５】検索結果分類装置４０の一例を示すブロック図
である。

【図６】上記実施例において、検索結果であるデータを
分類する動作を示すフローチャートである。

【図７】上記実施例において、ベクトルＶ₁ 〜Ｖ₅ の各
相互間におけるベクトル間類似度をベクトル間類似度計
算部４２が計算し、この計算結果である類似度を示す図
である。

【図８】上記実施例において、データＤ₁ 〜Ｄ₅ を分類
する過程を示す図である。

【図９】上記実施例における出力例を示す図である。

【図１０】本発明の他の実施例であるデータ検索装置Ｄ
Ｓ２を示すブロック図である。

【符号の説明】

ＤＳ１、ＤＳ２…データ検索装置、ＤＢ１…情報データベース、Ｄ…関連語辞書、１０…検索式受信部、２０…データ検索部、３０…関連語抽出部、４０…検索結果分類装置、４１…ベクトル変換部、４２…ベクトル間類似度計算部、４３…検索結果分類部、７０…データ関連付け装置、８０…相関係数検出装置。

───────────────────────────────────────────────────── フロントページの続き (72)発明者田中一男東京都新宿区西新宿三丁目19番２号日本電信電話株式会社内

Claims

【特許請求の範囲】

【請求項１】端末装置から入力された検索式に基づい
て、所定のサーバが、所定データを検索し、この検索さ
れたデータを上記端末装置に提供するデータ検索装置に
おいて、所定の語と、この所定の語に関連する関連語とが対応し
て格納され、上記サーバに設けられている関連語辞書
と；上記検索式に含まれている検索語の関連語を、上記
関連語辞書を用いて抽出する関連語抽出手段と；上記関
連語抽出手段によって抽出された関連語を用いて、検索
された複数のデータを複数のグループに分類する検索結
果分類手段と；を有することを特徴とするデータ検索装
置。
【請求項２】請求項１において、上記検索結果分類手段は、上記抽出された関連語を用いて、上記検索されたデータ
をベクトルに変換するベクトル変換手段と；上記変換さ
れた２つのベクトルの間における類似度を計算するベク
トル間類似度計算手段と；を有し、上記ベクトル間類似
度計算手段によって計算された類似度を用いて、上記検
索された複数のデータを、複数のグループに分類する手
段であることを特徴とするデータ検索装置。
【請求項３】請求項２において、上記ベクトル変換手段は、上記各データ中の関連語の有無を用いることによって、
上記各データのベクトルを作成する手段であることを特
徴とするデータ検索装置。
【請求項４】請求項２において、上記ベクトル変換手段は、上記各データ中の関連語の有無と、検索語と各関連語と
の関連度とを用いて、各データのベクトルを作成する手
段であることを特徴とするデータ検索装置。
【請求項５】請求項２において、上記ベクトル変換手段は、上記データ中の関連語が出現する数と、上記検索語と上
記各関連語の関連度とを用いて上記各データのベクトル
を作成する手段であることを特徴とするデータ検索装
置。
【請求項６】請求項２において、上記ベクトル間類似度計算手段が計算する上記２つのベ
クトル間の類似度は、上記２つのベクトルの内積を各ベ
クトルの大きさで割って得られた値であることを特徴と
するデータ検索装置。
【請求項７】端末装置から入力された検索式に基づい
て、所定のサーバが、所定データを検索し、この検索さ
れたデータを上記端末装置に提供するデータ検索方法に
おいて、所定の語と、この所定の語に関連する関連語とが対応し
て格納されている関連語辞書を上記サーバに設ける関連
語辞書設置段階と；上記検索式に含まれている検索語の
関連語を、上記関連語辞書を用いて抽出する関連語抽出
段階と；上記関連語抽出段階で抽出された関連語を用い
て、検索された複数のデータを複数のグループに分類す
る検索結果分類段階と；を有することを特徴とするデー
タ検索方法。
【請求項８】請求項７において、上記検索結果分類段階は、上記抽出された関連語を用いて、上記検索されたデータ
をベクトルに変換するベクトル変換段階と；上記変換さ
れた２つのベクトルの間における類似度を計算するベク
トル間類似度計算段階と；を有し、上記ベクトル間類似
度計算段階によって計算された類似度を用いて、上記検
索された複数のデータを、複数のグループに分類する段
階であることを特徴とするデータ検索方法。
【請求項９】請求項８において、上記ベクトル変換段階は、上記各データ中の関連語の有無を用いることによって、
上記各データのベクトルを作成する段階であることを特
徴とするデータ検索方法。
【請求項１０】請求項８において、上記ベクトル変換段階は、上記各データ中の関連語の有無と、検索語と各関連語と
の関連度とを用いて、各データのベクトルを作成する段
階であることを特徴とするデータ検索方法。
【請求項１１】請求項８において、上記ベクトル変換段階は、上記データ中の関連語が出現する数と、上記検索語と上
記各関連語の関連度とを用いて上記各データのベクトル
を作成する段階であることを特徴とするデータ検索方
法。
【請求項１２】請求項８において、上記ベクトル間類似度計算段階が計算する上記２つのベ
クトル間の類似度は、上記２つのベクトルの内積を各ベ
クトルの大きさで割って得られた値であることを特徴と
するデータ検索方法。
【請求項１３】端末装置から入力された検索式に基づ
いて、所定のサーバが、所定データを検索し、この検索
されたデータを上記端末装置に提供するデータ検索手順
において、所定の語と、この所定の語に関連する関連語とが対応し
て格納されている関連語辞書を上記サーバに設ける関連
語辞書設置手順と；上記検索式に含まれている検索語の
関連語を、上記関連語辞書を用いて抽出する関連語抽出
手順と；上記関連語抽出手順で抽出された関連語を用い
て、検索された複数のデータを複数のグループに分類す
る検索結果分類手順と；をコンピュータに実行させるプ
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。