マージン生成機能を有するランキング関数生成装置を用いた文書検索装置、マージン生成機能を有するランキング関数生成装置を用いた文書検索方法およびマージン生成機能を有するランキング関数生成装置を用いた文書検索プログラム
【課題】ランキング関数生成の性能を向上し検索ランキングの精度向上を実現した文書検索装置を提供する。
【解決手段】訓練データ中の各クエリの異なる適合度の組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、クエリ毎の最大の変更幅を基準にクエリ毎のマージンを求め、該マージンと訓練データによって、相対的に高い適合度の文書が検索結果上位となるスコア要因を保持したランキングモデルＤＢ１０４を生成しておく。入力された検索クエリに対応するスコア要因重みを前記ＤＢ１０４から取得し、該スコア要因重みと、クエリ処理部１５０により算出された、検索結果集合とスコア要因を要素とするスコア要因値行列とを検索スコア計算部１６０で積算し、該算出された検索スコアの降順に入力検索クエリに対応する検索結果を提示する。
【解決手段】訓練データ中の各クエリの異なる適合度の組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、クエリ毎の最大の変更幅を基準にクエリ毎のマージンを求め、該マージンと訓練データによって、相対的に高い適合度の文書が検索結果上位となるスコア要因を保持したランキングモデルＤＢ１０４を生成しておく。入力された検索クエリに対応するスコア要因重みを前記ＤＢ１０４から取得し、該スコア要因重みと、クエリ処理部１５０により算出された、検索結果集合とスコア要因を要素とするスコア要因値行列とを検索スコア計算部１６０で積算し、該算出された検索スコアの降順に入力検索クエリに対応する検索結果を提示する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、文書の検索結果を提示する装置およびその方法に関するものである。
【背景技術】
【０００２】
ウェブ検索システムのような検索システムにおいては、ＴＦ−ＩＤＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ−Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）のようなクエリ頻度に基づくスコアや、ＰａｇｅＲａｎｋのようなリンク解析に基づくスコアなど、多数の要因（スコア要因と呼ぶ）を用いて最終的なランキングに用いる検索スコアを算出する（非特許文献１参照）。そして、算出された検索スコアの降順に並べることによって、ランキングを行った検索結果を提示する方法が広く用いられている。
【０００３】
ここで多数のスコア要因を入力として受け取り、検索スコアを出力する関数をランキング関数と呼ぶ。適合度の高いランキングを実現するために、人手によって作成した訓練データを用いて、ランキング関数を生成する技術がある（非特許文献２参照）。
【０００４】
非特許文献２では、訓練データを文書の順序ペアに落とし込み、順序ペアの誤りを最小化することで、適切にランキングを行うランキング関数を生成する。
【０００５】
尚、本発明の文書検索装置で利用する検索結果評価指標については、下記非特許文献３に記載されている。
【先行技術文献】
【非特許文献】
【０００６】
【非特許文献１】竹野浩、井上孝史、「分散型高速情報収集／全文検索システムＩｎｆｏＢｅｅ／Ｅｖａｎｇｅｌｉｓｔ」、ＮＴＴ Ｒ＆Ｄ Ｖｏｌ．５２ Ｎｏ．２ ２００３、ｐｐ．７８−８４。
【非特許文献２】Ｔｈｏｒｓｔｅｎ Ｊｏａｃｈｉｍｓ，“Ｏｐｔｉｍｉｚｉｎｇ Ｓｅａｒｃｈ Ｅｎｇｉｎｅｓ ｕｓｉｎｇ Ｃｌｉｃｋｔｈｒｏｕｇｈ Ｄａｔａ”，Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｅｉｇｈｔｈ ＡＣＭ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ ｍｉｎｉｎｇ（ＫＤＤ ’０２），２００２，ｐｐ．１３３−１４２．
【非特許文献３】Ｋａｌｅｒｖｏ Ｊａｒｖｅｌｉｎ ａｎｄ Ｊａａｎａ Ｋｅｋａｌａｉｎｅｎ，“Ｃｕｍｕｌａｔｅｄ Ｇａｉｎ−Ｂａｓｅｄ Ｅｖａｌｕａｔｉｏｎ ｏｆ ＩＲ Ｔｅｃｈｎｉｑｕｅｓ”，ＡＣＭ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ，Ｖｏｌ．２０，Ｎｏ．４，２００２，ｐｐ．４２２−４４６．
【発明の概要】
【発明が解決しようとする課題】
【０００７】
従来技術では、特徴空間におけるマージン（順序の誤りに対する重要度）は全ての順序ペアに対して一定であった。このため、検索結果上位に来るべき文書や下位に存在すべき文書などを区別することなく、全ての順序ペアを等しく扱う（順序の全組合せに対してマージンの重要度が等しい）という問題があった。このため、特に検索結果上位を重視するような評価指標の観点において、高精度なランキングを実現するランキング関数を生成できないという課題がある。
【０００８】
本発明は上記課題を解決するものであり、その目的は、ランキング関数生成の性能を向上し検索ランキングの精度向上を実現した、マージン生成機能を有するランキング関数生成装置を用いた文書検索装置、方法、プログラムを提供することにある。
【課題を解決するための手段】
【０００９】
上記課題を解決するための本発明のマージン生成機能を有するランキング関数生成装置を用いた文書検索装置は、Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データが格納された訓練データデータベースと、前記訓練データを入力とし、各クエリにおける複数の異なる適合度の組合せを求め、該組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、前記指標値の最大の変更幅を基準としてクエリ毎に適合度の組合せに対する重要度を表すマージンを求め、Ｎ個のクエリと、前記適合度の組合せと、前記求められたマージンとを有したマージンデータベースを構築するマージン生成手段と、前記訓練データデータベースおよびマージンデータベースの各データを入力とし、訓練データ中の相対的に高い適合度の文書を検索結果上位に提示させる検索スコアを出力するためのスコア要因重みを保持したランキングモデルを生成してランキングモデルデータベースを構築するランキング関数生成手段と、予めＷｅｂページから収集した文書を基に作成された文書インデクスが格納された文書インデクスデータベースと、入力された検索クエリに対する検索結果集合を前記文書インデクスデータベースから取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出するクエリ処理手段と、前記クエリ処理手段で算出されたスコア要因値行列と、前記ランキングモデルデータベースのデータを入力とし、前記入力された検索クエリに対応する前記ランキングモデルデータベース内のランキングモデルとしてのスコア要因重みと、前記スコア要因値行列とを積算して検索スコアベクトルを計算する検索スコア計算手段と、前記検索スコア計算手段により計算された検索スコアの降順に入力クエリに対する検索結果を提示する検索結果提示手段と、を備えたことを特徴としている。
【発明の効果】
【００１０】
本発明によれば、検索評価指標に基づいてそれぞれのクエリにおける適合性評価の各組み合わせに対して適切なマージンを設定することが可能となり、これにより、ランキング関数生成の性能を向上し、検索ランキングの精度向上を実現することができる。
【図面の簡単な説明】
【００１１】
【図１】本発明の一実施形態例の文書検索装置全体の構成図。
【図２】図１のランキングモデルＤＢ１０４を作成するランキング関数生成装置の構成図。
【図３】図２のマージン生成機能部１２０の処理の流れを示すフローチャート。
【図４】図１の文書検索装置の処理の流れを示すフローチャート。
【発明を実施するための形態】
【００１２】
以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。まず本発明の一実施形態例の全体構成の概要を説明する。
【００１３】
本実施形態例の文書検索装置１００は、図１に示すように、予めＷｅｂページから収集した文書を基に作成された文書インデクスデータが格納された文書インデクスＤＢ（データベース）１０１、ランキングモデルのデータが格納されたランキングモデルＤＢ１０４、クエリ処理手段としてのクエリ処理部１５０、検索スコア計算手段としての検索スコア計算部１６０および検索結果提示手段としての検索結果提示部１７０を備えている。
【００１４】
図１のランキングモデルＤＢ１０４は、図２に示すように、Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データＤＢ１０２に格納されているデータに基づいて、ランキング関数生成装置１１０の処理によって構築される。
【００１５】
図２のランキング関数生成装置１１０は、訓練データＤＢ１０２を入力とし、クエリ毎に文書の検索結果の適合度の組合せに対する重要度（マージン）を生成し、マージンＤＢ１０３を構築するマージン生成機能部１２０と、訓練データＤＢ１０２およびマージンＤＢ１０３の各データに基づいてランキングモデルを生成してランキングモデルＤＢ１０４を構築する、ランキング関数生成手段としてのランキング関数生成部１３０とを備えている。
【００１６】
前記マージン生成機能部１２０およびマージンＤＢ１０３によってマージン生成手段としてのマージン生成部１４０を構成している。
【００１７】
図１および図２に示す文書検索装置１００は、例えばコンピュータにより構成され、通常のコンピュータのハードウェアリソース、例えばＲＯＭ、ＲＡＭ、ＣＰＵ、入力装置、出力装置、表示装置、通信インターフェース、ハードディスク、記録媒体およびその駆動装置を備えている。
【００１８】
このハードウェアリソースとソフトウェアリソース（ＯＳ、アプリケーションなど）との協働の結果、文書検索装置１００は、図１、図２に示すように、文書インデクスＤＢ１０１、訓練データＤＢ１０２、マージンＤＢ１０３、ランキングモデルＤＢ１０４、ランキング関数生成部１３０、マージン生成部１４０、クエリ処理部１５０、検索スコア計算部１６０および検索結果提示部１７０を実装する。
【００１９】
前記文書インデクスＤＢ１０１、訓練データＤＢ１０２、マージンＤＢ１０３、ランキングモデルＤＢ１０４は、ハードディスクあるいはＲＡＭなどの保存手段・記憶手段に構築されているものとする。
【００２０】
次に、上記のように構成された装置の詳細を説明する。
【００２１】
まず図２において、ランキング関数生成装置１１０は、訓練データＤＢ１０２内の訓練データを入力として受け取り、ランキングモデルのデータを出力してランキングモデルＤＢ１０４を構築する。
【００２２】
訓練データＤＢ１０２のデータ構造の例を表１に示す。
【００２３】
【表１】
【００２４】
表１において、それぞれの行が、あるクエリに対する検索結果文書の特徴表現と適合度を表している。適合度が大きい方が、当該クエリに対してより適切な結果であることを示している。適合度は、クエリと文書に対して付与されているため、たとえ同じ文書であっても、クエリによっては異なる適合度が付与されることがある。適合度は、例えば被験者が判断して付与した多段階（例えば５段階）の値を用いる。各文書はＭ次元の特徴表現で表され、ｘ1，．．，ｘMは当該文書の各次元の特徴量を表している。
【００２５】
＜マージン生成機能部１２０＞
マージン生成機能部１２０は、訓練データＤＢ１０２を受け取り、図３のステップＳ１２１〜Ｓ１２９に示す処理を行なってマージンＤＢ１０３を出力する。マージンＤＢ１０３のデータ構造の例を表２に示す。
【００２６】
【表２】
【００２７】
表２では、各クエリにおいて、任意の適合度の組み合わせに対するマージンの値を表している。この例では適合度の降順に考え、上位は適合度がより高い値、下位は相対的に低い値とする。例えば表２の１行目の例は、クエリＩＤ１のクエリにおいて、適合度４の文書と適合度３の文書に対してどの程度のマージンを与えるかという情報を保持している。
【００２８】
まず図３のステップＳ１２１において、訓練データＤＢ１０２から未処理のクエリｑを選択する。
【００２９】
次にステップＳ１２２において、訓練データＤＢ１０２の中からクエリＩＤがクエリｑに該当するレコードを取得し、該当する文書を適合度順に並べたリストをπｑとする。
【００３０】
次にステップＳ１２３において、クエリｑの文書の適合度の集合Ｒを取得し、適合度の組み合わせＲpair＝{ｒi，ｒj∈Ｒ｜ｒi＞ｒj}を算出する。ここでは、適合度の高い点数と低い点数の全ての組み合わせを求めている。
【００３１】
次にステップＳ１２４において、Ｒpairから未処理の適合度ペアｒiとｒjを取得する。
【００３２】
次にステップＳ１２５では、πqにおいて、ｒiの適合度を持つ文書の最上位とｒｊの最下位の文書を交換し、そのリストをπq′とする。ここで、例えばあるクエリに対する８文書が適合度の降順に並べられ、それぞれの適合度が（Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈ）＝（４，４，４，３，３，２，１，１）のように与えられている例を考える。この際、適合度４の最上位文書はＡであり、適合度３の最下位文書はＥである。そのため、この二つの文書を交換した文書とその適合度は、（Ｅ，Ｂ，Ｃ，Ｄ，Ａ，Ｆ，Ｇ，Ｈ）＝（３，４，４，３，４，２，１，１）となる。なお、検索結果評価指標は検索結果の位置とその適合度に対して決定されるため、異なる位置かつ同じ適合度の文書が交換されても値は変わらない。
【００３３】
予め与えられた検索結果指標、例えばＮｏｒｍａｌｉｚｅｄ Ｄｉｓｃｏｕｎｔｅｄ Ｃｕｍｕｌａｔｉｖｅ Ｇａｉｎ（ＮＤＣＧ）の値にしたがって、評価指標の減少値ΔＥ（ｒi，ｒj）＝Ｅｖａｌ（πq）−Ｅｖａｌ（πq′）を計算する（検索結果評価指標値の変更幅を求める）。尚前記ＮＤＣＧは、非特許文献３の技術を用いて計算することができる。
【００３４】
次にステップＳ１２６において、未処理のｒi，ｒjがある場合にはステップＳ１２４に戻り、ない場合にはステップＳ１２７に進む。
【００３５】
ステップＳ１２７では、検索結果指標の減少値そのままではマージンに不適切な値である可能性があるので、最大の減少値を示した組み合わせに対して、予め設定された最大マージンサイズＥmaxを与える。すなわち、
【００３６】
【数１】
【００３７】
を用いてスケールを計算する。
【００３８】
次にステップＳ１２８において、クエリｑにおける全ての適合度の組み合わせに対するマージンをマージンＤＢ１０３に出力する。マージンはステップＳ１２７で計算したスケールをかけて（ＥscaleΔＥ（ｒi，ｒj））出力する。すなわち、［ｑ，ｒi，ｒj，ＥscaleΔＥ（ｒi，ｒj）］という４つの情報から成るレコードをマージンＤＢ１０３に出力する。
【００３９】
次にステップＳ１２９において、未処理のクエリがある場合にはステップＳ１２１に戻り、そうでなければ処理を終了する。
【００４０】
上記のように、マージン生成機能部１２０の動作によって、それぞれのクエリにおける適合性評価の各組合せに対してマージンサイズを設定することが可能となる。
【００４１】
＜ランキング関数生成部１３０＞
ランキング関数生成部１３０は、訓練データＤＢ１０２と、マージンＤＢ１０３を入力として受け取り、訓練データ中の相対的に高い適合度の文書が検索結果上位に提示されるように作用するスコア要因重みを保持したランキングモデルＤＢ１０４を出力する。
【００４２】
ランキングモデルＤＢ１０４のデータ構造の例を表３に示す。
【００４３】
【表３】
【００４４】
ランキングモデルＤＢ１０４は、生成されたランキングモデル、すなわちＭ次元の特徴表現に対する重み情報を保持しており、表３において、ｗ1，．，ｗMはＭ次元の重みの値を表している。
【００４５】
ランキング関数生成部１３０は、入力で与えられた訓練データＤＢ１０２を元に、相対的に高い適合度の文書が検索結果上位に提示されるような検索スコアを出力するため、重みベクトルｗを生成するものである。
【００４６】
ランキング関数生成部１３０には、例えば非特許文献２の技術を用いることができる。ランキング関数生成部１３０で用いられる目的関数に、マージン生成機能部１２０によって生成されたマージンＤＢ１０３を利用する。非特許文献２で用いられるヒンジ誤差にマージンを組み込むためには、下記式（１）のように誤差関数を設定する。
【００４７】
【数２】
【００４８】
式（１）において、ｘq(1)，ｘq(2)は、クエリｑに対してそれぞれ異なる文書（１）と文書（２）の特徴表現ベクトルを表現している。Ｅ（ｒｅｌq（１），ｒｅｌq（２））は、文書（１）と文書（２）の適合度の組み合わせに対するマージンの大きさを表しており、マージンＤＢ１０３から取得する。また、λは正則化パラメータであり、訓練データにどれだけフィットさせるかという調整する役割を持っている。λを大きな値に設定することによって、訓練データに対して過剰にフィットすることを抑える。λはあらかじめ値を設定しておく（例えば１．０）。
【００４９】
ここでｒｅｌq（ｉ）がクエリｑにおける文書ｉの適合度スコアを表している。また、ｚq(1),(2)は文書（１)の適合度スコアと文書（２）の適合度スコアの差を表し、ｚq(1),(2)≡ｓｉｇｎ（ｒｅｌq(1)−ｒｅｌq(2)）にしたがって算出される。尚ｓｉｇｎは、値が正であれば１、負であれば−１、０であれば０を返す符号関数である。
【００５０】
また、［・］+は、・が正の値を取る場合のみその値を返し、０未満の場合には常に０を返す演算である。
【００５１】
ここで
【００５２】
【数３】
【００５３】
はｘを引数として取る関数ｆ（ｘ）の最小値を取る際のｘを返す関数である。 全クエリにおける全ての順序ペアについて、式（１）に示す誤差の合計が最小になるようにｗを設定する。訓練データＤＢ１０２を用いた、式（１）を誤差関数とする重みパラメータｗの探索には、勾配法などの最適化手法を用いることが可能であり、これらを用いて重みパラメータを求める。
【００５４】
次に図１の文書検索装置１００の詳細を図４のフローチャートとともに説明する。
【００５５】
＜クエリ処理部１５０＞
クエリ処理部１５０は、検索クエリを入力として受け取り、該検索クエリを含む検索結果集合（文書）を文書インデクスＤＢ１０１から取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出する（ステップＳ１５０）。
【００５６】
具体的には、Ｍ個のスコア要因を用いて、文書インデクスＤＢ１０１からＮ件の検索結果集合を取得した際、そのスコア要因値行列は、
【００５７】
【数４】
【００５８】
と表現する。ここで、Ｄのｉ行目がｉ番目の検索結果のスコア要因値を表している。例えば、ｄ23は、２番目の文書に対する３番目のスコア要因値である。
【００５９】
＜検索スコア計算部１６０＞
検索スコア計算部１６０は、クエリ処理部１５０が出力したスコア要因値行列Ｄ、ランキングモデルＤＢ１０４のデータおよび入力された検索クエリｑinputを各々入力として受け取る。
【００６０】
検索スコア計算部１６０は、ランキングモデルＤＢ１０４からスコア要因重みｗを取得し、該スコア要因重みｗとスコア要因値行列Ｄを元に検索スコアベクトルを計算する（ステップＳ１６０）。
【００６１】
検索ランキングに用いるための検索スコアベクトルｓは、スコア要因値行列Ｄと、スコア要因重みｗの積によって得られる。
【００６２】
【数５】
【００６３】
すなわちｉ番目の文書に対する検索スコアｓiは、
【００６４】
【数６】
【００６５】
によって算出する。
【００６６】
＜検索結果提示部１７０＞
検索結果提示部１７０は、前記算出された検索スコアベクトルｓを受け取り、検索スコアｓiの降順に、クエリに対する検索結果を提示する（表示、又はデータとして出力する）（ステップＳ１７０）。
【００６７】
また、本実施形態のマージン生成機能を有するランキング関数生成装置を用いた文書検索装置における各手段の一部もしくは全部の機能をコンピュータのプログラムで構成し、そのプログラムをコンピュータを用いて実行して本発明を実現することができること、本実施形態のマージン生成機能を有するランキング関数生成装置を用いた文書検索方法における手順をコンピュータのプログラムで構成し、そのプログラムをコンピュータに実行させることができることは言うまでもなく、コンピュータでその機能を実現するためのプログラムを、そのコンピュータが読み取り可能な記録媒体、例えばＦＤ（Ｆｌｏｐｐｙ（登録商標） Ｄｉｓｋ）や、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）−ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＨＤＤ、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。また、上記のプログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。
【符号の説明】
【００６８】
１００…文書検索装置
１０１…文書インデクスＤＢ
１０２…訓練データＤＢ
１０３…マージンＤＢ
１０４…ランキングモデルＤＢ
１１０…ランキング関数生成装置
１２０…マージン生成機能部
１３０…ランキング関数生成部
１４０…マージン生成部
１５０…クエリ処理部
１６０…検索スコア計算部
１７０…検索結果提示部
【技術分野】
【０００１】
本発明は、文書の検索結果を提示する装置およびその方法に関するものである。
【背景技術】
【０００２】
ウェブ検索システムのような検索システムにおいては、ＴＦ−ＩＤＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ−Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）のようなクエリ頻度に基づくスコアや、ＰａｇｅＲａｎｋのようなリンク解析に基づくスコアなど、多数の要因（スコア要因と呼ぶ）を用いて最終的なランキングに用いる検索スコアを算出する（非特許文献１参照）。そして、算出された検索スコアの降順に並べることによって、ランキングを行った検索結果を提示する方法が広く用いられている。
【０００３】
ここで多数のスコア要因を入力として受け取り、検索スコアを出力する関数をランキング関数と呼ぶ。適合度の高いランキングを実現するために、人手によって作成した訓練データを用いて、ランキング関数を生成する技術がある（非特許文献２参照）。
【０００４】
非特許文献２では、訓練データを文書の順序ペアに落とし込み、順序ペアの誤りを最小化することで、適切にランキングを行うランキング関数を生成する。
【０００５】
尚、本発明の文書検索装置で利用する検索結果評価指標については、下記非特許文献３に記載されている。
【先行技術文献】
【非特許文献】
【０００６】
【非特許文献１】竹野浩、井上孝史、「分散型高速情報収集／全文検索システムＩｎｆｏＢｅｅ／Ｅｖａｎｇｅｌｉｓｔ」、ＮＴＴ Ｒ＆Ｄ Ｖｏｌ．５２ Ｎｏ．２ ２００３、ｐｐ．７８−８４。
【非特許文献２】Ｔｈｏｒｓｔｅｎ Ｊｏａｃｈｉｍｓ，“Ｏｐｔｉｍｉｚｉｎｇ Ｓｅａｒｃｈ Ｅｎｇｉｎｅｓ ｕｓｉｎｇ Ｃｌｉｃｋｔｈｒｏｕｇｈ Ｄａｔａ”，Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｅｉｇｈｔｈ ＡＣＭ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ ｍｉｎｉｎｇ（ＫＤＤ ’０２），２００２，ｐｐ．１３３−１４２．
【非特許文献３】Ｋａｌｅｒｖｏ Ｊａｒｖｅｌｉｎ ａｎｄ Ｊａａｎａ Ｋｅｋａｌａｉｎｅｎ，“Ｃｕｍｕｌａｔｅｄ Ｇａｉｎ−Ｂａｓｅｄ Ｅｖａｌｕａｔｉｏｎ ｏｆ ＩＲ Ｔｅｃｈｎｉｑｕｅｓ”，ＡＣＭ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ，Ｖｏｌ．２０，Ｎｏ．４，２００２，ｐｐ．４２２−４４６．
【発明の概要】
【発明が解決しようとする課題】
【０００７】
従来技術では、特徴空間におけるマージン（順序の誤りに対する重要度）は全ての順序ペアに対して一定であった。このため、検索結果上位に来るべき文書や下位に存在すべき文書などを区別することなく、全ての順序ペアを等しく扱う（順序の全組合せに対してマージンの重要度が等しい）という問題があった。このため、特に検索結果上位を重視するような評価指標の観点において、高精度なランキングを実現するランキング関数を生成できないという課題がある。
【０００８】
本発明は上記課題を解決するものであり、その目的は、ランキング関数生成の性能を向上し検索ランキングの精度向上を実現した、マージン生成機能を有するランキング関数生成装置を用いた文書検索装置、方法、プログラムを提供することにある。
【課題を解決するための手段】
【０００９】
上記課題を解決するための本発明のマージン生成機能を有するランキング関数生成装置を用いた文書検索装置は、Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データが格納された訓練データデータベースと、前記訓練データを入力とし、各クエリにおける複数の異なる適合度の組合せを求め、該組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、前記指標値の最大の変更幅を基準としてクエリ毎に適合度の組合せに対する重要度を表すマージンを求め、Ｎ個のクエリと、前記適合度の組合せと、前記求められたマージンとを有したマージンデータベースを構築するマージン生成手段と、前記訓練データデータベースおよびマージンデータベースの各データを入力とし、訓練データ中の相対的に高い適合度の文書を検索結果上位に提示させる検索スコアを出力するためのスコア要因重みを保持したランキングモデルを生成してランキングモデルデータベースを構築するランキング関数生成手段と、予めＷｅｂページから収集した文書を基に作成された文書インデクスが格納された文書インデクスデータベースと、入力された検索クエリに対する検索結果集合を前記文書インデクスデータベースから取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出するクエリ処理手段と、前記クエリ処理手段で算出されたスコア要因値行列と、前記ランキングモデルデータベースのデータを入力とし、前記入力された検索クエリに対応する前記ランキングモデルデータベース内のランキングモデルとしてのスコア要因重みと、前記スコア要因値行列とを積算して検索スコアベクトルを計算する検索スコア計算手段と、前記検索スコア計算手段により計算された検索スコアの降順に入力クエリに対する検索結果を提示する検索結果提示手段と、を備えたことを特徴としている。
【発明の効果】
【００１０】
本発明によれば、検索評価指標に基づいてそれぞれのクエリにおける適合性評価の各組み合わせに対して適切なマージンを設定することが可能となり、これにより、ランキング関数生成の性能を向上し、検索ランキングの精度向上を実現することができる。
【図面の簡単な説明】
【００１１】
【図１】本発明の一実施形態例の文書検索装置全体の構成図。
【図２】図１のランキングモデルＤＢ１０４を作成するランキング関数生成装置の構成図。
【図３】図２のマージン生成機能部１２０の処理の流れを示すフローチャート。
【図４】図１の文書検索装置の処理の流れを示すフローチャート。
【発明を実施するための形態】
【００１２】
以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。まず本発明の一実施形態例の全体構成の概要を説明する。
【００１３】
本実施形態例の文書検索装置１００は、図１に示すように、予めＷｅｂページから収集した文書を基に作成された文書インデクスデータが格納された文書インデクスＤＢ（データベース）１０１、ランキングモデルのデータが格納されたランキングモデルＤＢ１０４、クエリ処理手段としてのクエリ処理部１５０、検索スコア計算手段としての検索スコア計算部１６０および検索結果提示手段としての検索結果提示部１７０を備えている。
【００１４】
図１のランキングモデルＤＢ１０４は、図２に示すように、Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データＤＢ１０２に格納されているデータに基づいて、ランキング関数生成装置１１０の処理によって構築される。
【００１５】
図２のランキング関数生成装置１１０は、訓練データＤＢ１０２を入力とし、クエリ毎に文書の検索結果の適合度の組合せに対する重要度（マージン）を生成し、マージンＤＢ１０３を構築するマージン生成機能部１２０と、訓練データＤＢ１０２およびマージンＤＢ１０３の各データに基づいてランキングモデルを生成してランキングモデルＤＢ１０４を構築する、ランキング関数生成手段としてのランキング関数生成部１３０とを備えている。
【００１６】
前記マージン生成機能部１２０およびマージンＤＢ１０３によってマージン生成手段としてのマージン生成部１４０を構成している。
【００１７】
図１および図２に示す文書検索装置１００は、例えばコンピュータにより構成され、通常のコンピュータのハードウェアリソース、例えばＲＯＭ、ＲＡＭ、ＣＰＵ、入力装置、出力装置、表示装置、通信インターフェース、ハードディスク、記録媒体およびその駆動装置を備えている。
【００１８】
このハードウェアリソースとソフトウェアリソース（ＯＳ、アプリケーションなど）との協働の結果、文書検索装置１００は、図１、図２に示すように、文書インデクスＤＢ１０１、訓練データＤＢ１０２、マージンＤＢ１０３、ランキングモデルＤＢ１０４、ランキング関数生成部１３０、マージン生成部１４０、クエリ処理部１５０、検索スコア計算部１６０および検索結果提示部１７０を実装する。
【００１９】
前記文書インデクスＤＢ１０１、訓練データＤＢ１０２、マージンＤＢ１０３、ランキングモデルＤＢ１０４は、ハードディスクあるいはＲＡＭなどの保存手段・記憶手段に構築されているものとする。
【００２０】
次に、上記のように構成された装置の詳細を説明する。
【００２１】
まず図２において、ランキング関数生成装置１１０は、訓練データＤＢ１０２内の訓練データを入力として受け取り、ランキングモデルのデータを出力してランキングモデルＤＢ１０４を構築する。
【００２２】
訓練データＤＢ１０２のデータ構造の例を表１に示す。
【００２３】
【表１】
【００２４】
表１において、それぞれの行が、あるクエリに対する検索結果文書の特徴表現と適合度を表している。適合度が大きい方が、当該クエリに対してより適切な結果であることを示している。適合度は、クエリと文書に対して付与されているため、たとえ同じ文書であっても、クエリによっては異なる適合度が付与されることがある。適合度は、例えば被験者が判断して付与した多段階（例えば５段階）の値を用いる。各文書はＭ次元の特徴表現で表され、ｘ1，．．，ｘMは当該文書の各次元の特徴量を表している。
【００２５】
＜マージン生成機能部１２０＞
マージン生成機能部１２０は、訓練データＤＢ１０２を受け取り、図３のステップＳ１２１〜Ｓ１２９に示す処理を行なってマージンＤＢ１０３を出力する。マージンＤＢ１０３のデータ構造の例を表２に示す。
【００２６】
【表２】
【００２７】
表２では、各クエリにおいて、任意の適合度の組み合わせに対するマージンの値を表している。この例では適合度の降順に考え、上位は適合度がより高い値、下位は相対的に低い値とする。例えば表２の１行目の例は、クエリＩＤ１のクエリにおいて、適合度４の文書と適合度３の文書に対してどの程度のマージンを与えるかという情報を保持している。
【００２８】
まず図３のステップＳ１２１において、訓練データＤＢ１０２から未処理のクエリｑを選択する。
【００２９】
次にステップＳ１２２において、訓練データＤＢ１０２の中からクエリＩＤがクエリｑに該当するレコードを取得し、該当する文書を適合度順に並べたリストをπｑとする。
【００３０】
次にステップＳ１２３において、クエリｑの文書の適合度の集合Ｒを取得し、適合度の組み合わせＲpair＝{ｒi，ｒj∈Ｒ｜ｒi＞ｒj}を算出する。ここでは、適合度の高い点数と低い点数の全ての組み合わせを求めている。
【００３１】
次にステップＳ１２４において、Ｒpairから未処理の適合度ペアｒiとｒjを取得する。
【００３２】
次にステップＳ１２５では、πqにおいて、ｒiの適合度を持つ文書の最上位とｒｊの最下位の文書を交換し、そのリストをπq′とする。ここで、例えばあるクエリに対する８文書が適合度の降順に並べられ、それぞれの適合度が（Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈ）＝（４，４，４，３，３，２，１，１）のように与えられている例を考える。この際、適合度４の最上位文書はＡであり、適合度３の最下位文書はＥである。そのため、この二つの文書を交換した文書とその適合度は、（Ｅ，Ｂ，Ｃ，Ｄ，Ａ，Ｆ，Ｇ，Ｈ）＝（３，４，４，３，４，２，１，１）となる。なお、検索結果評価指標は検索結果の位置とその適合度に対して決定されるため、異なる位置かつ同じ適合度の文書が交換されても値は変わらない。
【００３３】
予め与えられた検索結果指標、例えばＮｏｒｍａｌｉｚｅｄ Ｄｉｓｃｏｕｎｔｅｄ Ｃｕｍｕｌａｔｉｖｅ Ｇａｉｎ（ＮＤＣＧ）の値にしたがって、評価指標の減少値ΔＥ（ｒi，ｒj）＝Ｅｖａｌ（πq）−Ｅｖａｌ（πq′）を計算する（検索結果評価指標値の変更幅を求める）。尚前記ＮＤＣＧは、非特許文献３の技術を用いて計算することができる。
【００３４】
次にステップＳ１２６において、未処理のｒi，ｒjがある場合にはステップＳ１２４に戻り、ない場合にはステップＳ１２７に進む。
【００３５】
ステップＳ１２７では、検索結果指標の減少値そのままではマージンに不適切な値である可能性があるので、最大の減少値を示した組み合わせに対して、予め設定された最大マージンサイズＥmaxを与える。すなわち、
【００３６】
【数１】
【００３７】
を用いてスケールを計算する。
【００３８】
次にステップＳ１２８において、クエリｑにおける全ての適合度の組み合わせに対するマージンをマージンＤＢ１０３に出力する。マージンはステップＳ１２７で計算したスケールをかけて（ＥscaleΔＥ（ｒi，ｒj））出力する。すなわち、［ｑ，ｒi，ｒj，ＥscaleΔＥ（ｒi，ｒj）］という４つの情報から成るレコードをマージンＤＢ１０３に出力する。
【００３９】
次にステップＳ１２９において、未処理のクエリがある場合にはステップＳ１２１に戻り、そうでなければ処理を終了する。
【００４０】
上記のように、マージン生成機能部１２０の動作によって、それぞれのクエリにおける適合性評価の各組合せに対してマージンサイズを設定することが可能となる。
【００４１】
＜ランキング関数生成部１３０＞
ランキング関数生成部１３０は、訓練データＤＢ１０２と、マージンＤＢ１０３を入力として受け取り、訓練データ中の相対的に高い適合度の文書が検索結果上位に提示されるように作用するスコア要因重みを保持したランキングモデルＤＢ１０４を出力する。
【００４２】
ランキングモデルＤＢ１０４のデータ構造の例を表３に示す。
【００４３】
【表３】
【００４４】
ランキングモデルＤＢ１０４は、生成されたランキングモデル、すなわちＭ次元の特徴表現に対する重み情報を保持しており、表３において、ｗ1，．，ｗMはＭ次元の重みの値を表している。
【００４５】
ランキング関数生成部１３０は、入力で与えられた訓練データＤＢ１０２を元に、相対的に高い適合度の文書が検索結果上位に提示されるような検索スコアを出力するため、重みベクトルｗを生成するものである。
【００４６】
ランキング関数生成部１３０には、例えば非特許文献２の技術を用いることができる。ランキング関数生成部１３０で用いられる目的関数に、マージン生成機能部１２０によって生成されたマージンＤＢ１０３を利用する。非特許文献２で用いられるヒンジ誤差にマージンを組み込むためには、下記式（１）のように誤差関数を設定する。
【００４７】
【数２】
【００４８】
式（１）において、ｘq(1)，ｘq(2)は、クエリｑに対してそれぞれ異なる文書（１）と文書（２）の特徴表現ベクトルを表現している。Ｅ（ｒｅｌq（１），ｒｅｌq（２））は、文書（１）と文書（２）の適合度の組み合わせに対するマージンの大きさを表しており、マージンＤＢ１０３から取得する。また、λは正則化パラメータであり、訓練データにどれだけフィットさせるかという調整する役割を持っている。λを大きな値に設定することによって、訓練データに対して過剰にフィットすることを抑える。λはあらかじめ値を設定しておく（例えば１．０）。
【００４９】
ここでｒｅｌq（ｉ）がクエリｑにおける文書ｉの適合度スコアを表している。また、ｚq(1),(2)は文書（１)の適合度スコアと文書（２）の適合度スコアの差を表し、ｚq(1),(2)≡ｓｉｇｎ（ｒｅｌq(1)−ｒｅｌq(2)）にしたがって算出される。尚ｓｉｇｎは、値が正であれば１、負であれば−１、０であれば０を返す符号関数である。
【００５０】
また、［・］+は、・が正の値を取る場合のみその値を返し、０未満の場合には常に０を返す演算である。
【００５１】
ここで
【００５２】
【数３】
【００５３】
はｘを引数として取る関数ｆ（ｘ）の最小値を取る際のｘを返す関数である。 全クエリにおける全ての順序ペアについて、式（１）に示す誤差の合計が最小になるようにｗを設定する。訓練データＤＢ１０２を用いた、式（１）を誤差関数とする重みパラメータｗの探索には、勾配法などの最適化手法を用いることが可能であり、これらを用いて重みパラメータを求める。
【００５４】
次に図１の文書検索装置１００の詳細を図４のフローチャートとともに説明する。
【００５５】
＜クエリ処理部１５０＞
クエリ処理部１５０は、検索クエリを入力として受け取り、該検索クエリを含む検索結果集合（文書）を文書インデクスＤＢ１０１から取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出する（ステップＳ１５０）。
【００５６】
具体的には、Ｍ個のスコア要因を用いて、文書インデクスＤＢ１０１からＮ件の検索結果集合を取得した際、そのスコア要因値行列は、
【００５７】
【数４】
【００５８】
と表現する。ここで、Ｄのｉ行目がｉ番目の検索結果のスコア要因値を表している。例えば、ｄ23は、２番目の文書に対する３番目のスコア要因値である。
【００５９】
＜検索スコア計算部１６０＞
検索スコア計算部１６０は、クエリ処理部１５０が出力したスコア要因値行列Ｄ、ランキングモデルＤＢ１０４のデータおよび入力された検索クエリｑinputを各々入力として受け取る。
【００６０】
検索スコア計算部１６０は、ランキングモデルＤＢ１０４からスコア要因重みｗを取得し、該スコア要因重みｗとスコア要因値行列Ｄを元に検索スコアベクトルを計算する（ステップＳ１６０）。
【００６１】
検索ランキングに用いるための検索スコアベクトルｓは、スコア要因値行列Ｄと、スコア要因重みｗの積によって得られる。
【００６２】
【数５】
【００６３】
すなわちｉ番目の文書に対する検索スコアｓiは、
【００６４】
【数６】
【００６５】
によって算出する。
【００６６】
＜検索結果提示部１７０＞
検索結果提示部１７０は、前記算出された検索スコアベクトルｓを受け取り、検索スコアｓiの降順に、クエリに対する検索結果を提示する（表示、又はデータとして出力する）（ステップＳ１７０）。
【００６７】
また、本実施形態のマージン生成機能を有するランキング関数生成装置を用いた文書検索装置における各手段の一部もしくは全部の機能をコンピュータのプログラムで構成し、そのプログラムをコンピュータを用いて実行して本発明を実現することができること、本実施形態のマージン生成機能を有するランキング関数生成装置を用いた文書検索方法における手順をコンピュータのプログラムで構成し、そのプログラムをコンピュータに実行させることができることは言うまでもなく、コンピュータでその機能を実現するためのプログラムを、そのコンピュータが読み取り可能な記録媒体、例えばＦＤ（Ｆｌｏｐｐｙ（登録商標） Ｄｉｓｋ）や、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）−ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＨＤＤ、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。また、上記のプログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。
【符号の説明】
【００６８】
１００…文書検索装置
１０１…文書インデクスＤＢ
１０２…訓練データＤＢ
１０３…マージンＤＢ
１０４…ランキングモデルＤＢ
１１０…ランキング関数生成装置
１２０…マージン生成機能部
１３０…ランキング関数生成部
１４０…マージン生成部
１５０…クエリ処理部
１６０…検索スコア計算部
１７０…検索結果提示部
【特許請求の範囲】
【請求項１】
Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データが格納された訓練データデータベースと、
前記訓練データを入力とし、各クエリにおける複数の異なる適合度の組合せを求め、該組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、前記指標値の最大の変更幅を基準としてクエリ毎に適合度の組合せに対する重要度を表すマージンを求め、Ｎ個のクエリと、前記適合度の組合せと、前記求められたマージンとを有したマージンデータベースを構築するマージン生成手段と、
前記訓練データデータベースおよびマージンデータベースの各データを入力とし、訓練データ中の相対的に高い適合度の文書を検索結果上位に提示させる検索スコアを出力するためのスコア要因重みを保持したランキングモデルを生成してランキングモデルデータベースを構築するランキング関数生成手段と、
予めＷｅｂページから収集した文書を基に作成された文書インデクスが格納された文書インデクスデータベースと、
入力された検索クエリに対する検索結果集合を前記文書インデクスデータベースから取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出するクエリ処理手段と、
前記クエリ処理手段で算出されたスコア要因値行列と、前記ランキングモデルデータベースのデータを入力とし、前記入力された検索クエリに対応する前記ランキングモデルデータベース内のランキングモデルとしてのスコア要因重みと、前記スコア要因値行列とを積算して検索スコアベクトルを計算する検索スコア計算手段と、
前記検索スコア計算手段により計算された検索スコアの降順に入力クエリに対する検索結果を提示する検索結果提示手段と、
を備えたことを特徴とするマージン生成機能を有するランキング関数生成装置を用いた文書検索装置。
【請求項２】
マージン生成手段が、Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データが格納された訓練データデータベース内の訓練データを入力とし、各クエリにおける複数の異なる適合度の組合せを求め、該組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、前記指標値の最大の変更幅を基準としてクエリ毎に適合度の組合せに対する重要度を表すマージンを求め、Ｎ個のクエリと、前記適合度の組合せと、前記求められたマージンとを有したマージンデータベースを構築するマージン生成ステップと、
ランキング関数生成手段が、前記訓練データデータベースおよびマージンデータベースの各データを入力とし、訓練データ中の相対的に高い適合度の文書を検索結果上位に提示させる検索スコアを出力するためのスコア要因重みを保持したランキングモデルを生成してランキングモデルデータベースを構築するランキング関数生成ステップと、
クエリ処理手段が、入力された検索クエリに対する検索結果集合を、予めＷｅｂページから収集した文書を基に作成された文書インデクスが格納された文書インデクスデータベースから取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出するクエリ処理ステップと、
検索スコア計算手段が、前記クエリ処理手段で算出されたスコア要因値行列と、前記ランキングモデルデータベースのデータを入力とし、前記入力された検索クエリに対応する前記ランキングモデルデータベース内のランキングモデルとしてのスコア要因重みと、前記スコア要因値行列とを積算して検索スコアベクトルを計算する検索スコア計算ステップと、
検索結果提示手段が、前記検索スコア計算手段により計算された検索スコアの降順に入力クエリに対する検索結果を提示する検索結果提示ステップと、
を備えたことを特徴とするマージン生成機能を有するランキング関数生成装置を用いた文書検索方法。
【請求項３】
コンピュータに請求項２に記載の各ステップを実行させるマージン生成機能を有するランキング関数生成装置を用いた文書検索プログラム。
【請求項１】
Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データが格納された訓練データデータベースと、
前記訓練データを入力とし、各クエリにおける複数の異なる適合度の組合せを求め、該組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、前記指標値の最大の変更幅を基準としてクエリ毎に適合度の組合せに対する重要度を表すマージンを求め、Ｎ個のクエリと、前記適合度の組合せと、前記求められたマージンとを有したマージンデータベースを構築するマージン生成手段と、
前記訓練データデータベースおよびマージンデータベースの各データを入力とし、訓練データ中の相対的に高い適合度の文書を検索結果上位に提示させる検索スコアを出力するためのスコア要因重みを保持したランキングモデルを生成してランキングモデルデータベースを構築するランキング関数生成手段と、
予めＷｅｂページから収集した文書を基に作成された文書インデクスが格納された文書インデクスデータベースと、
入力された検索クエリに対する検索結果集合を前記文書インデクスデータベースから取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出するクエリ処理手段と、
前記クエリ処理手段で算出されたスコア要因値行列と、前記ランキングモデルデータベースのデータを入力とし、前記入力された検索クエリに対応する前記ランキングモデルデータベース内のランキングモデルとしてのスコア要因重みと、前記スコア要因値行列とを積算して検索スコアベクトルを計算する検索スコア計算手段と、
前記検索スコア計算手段により計算された検索スコアの降順に入力クエリに対する検索結果を提示する検索結果提示手段と、
を備えたことを特徴とするマージン生成機能を有するランキング関数生成装置を用いた文書検索装置。
【請求項２】
マージン生成手段が、Ｎ個のクエリに対する文書の検索結果の適合度と、Ｍ次元の特徴表現とを有した訓練データが格納された訓練データデータベース内の訓練データを入力とし、各クエリにおける複数の異なる適合度の組合せを求め、該組合せの順序を変更したときの検索結果評価指標値の変更幅を求め、前記指標値の最大の変更幅を基準としてクエリ毎に適合度の組合せに対する重要度を表すマージンを求め、Ｎ個のクエリと、前記適合度の組合せと、前記求められたマージンとを有したマージンデータベースを構築するマージン生成ステップと、
ランキング関数生成手段が、前記訓練データデータベースおよびマージンデータベースの各データを入力とし、訓練データ中の相対的に高い適合度の文書を検索結果上位に提示させる検索スコアを出力するためのスコア要因重みを保持したランキングモデルを生成してランキングモデルデータベースを構築するランキング関数生成ステップと、
クエリ処理手段が、入力された検索クエリに対する検索結果集合を、予めＷｅｂページから収集した文書を基に作成された文書インデクスが格納された文書インデクスデータベースから取得し、該検索結果集合と複数のスコア要因とでスコア要因値行列を算出するクエリ処理ステップと、
検索スコア計算手段が、前記クエリ処理手段で算出されたスコア要因値行列と、前記ランキングモデルデータベースのデータを入力とし、前記入力された検索クエリに対応する前記ランキングモデルデータベース内のランキングモデルとしてのスコア要因重みと、前記スコア要因値行列とを積算して検索スコアベクトルを計算する検索スコア計算ステップと、
検索結果提示手段が、前記検索スコア計算手段により計算された検索スコアの降順に入力クエリに対する検索結果を提示する検索結果提示ステップと、
を備えたことを特徴とするマージン生成機能を有するランキング関数生成装置を用いた文書検索方法。
【請求項３】
コンピュータに請求項２に記載の各ステップを実行させるマージン生成機能を有するランキング関数生成装置を用いた文書検索プログラム。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２０１２−１７３７９６（Ｐ２０１２−１７３７９６Ａ）
【公開日】平成２４年９月１０日（２０１２．９．１０）
【国際特許分類】
【出願番号】特願２０１１−３２３１９（Ｐ２０１１−３２３１９）
【出願日】平成２３年２月１７日（２０１１．２．１７）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
【公開日】平成２４年９月１０日（２０１２．９．１０）
【国際特許分類】
【出願日】平成２３年２月１７日（２０１１．２．１７）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
[ Back to top ]