情報検索システム、情報検索方法および情報検索プログラム
【課題】文書間リンクのアンカーテキストを、より的確に情報検索に反映させることができる情報検索システムを提供する。
【解決手段】検索対象の複数のＷＥＢ文書１１，１２から、該文書間における文書間リンク情報を抽出するリンク抽出機能１と、前記ＷＥＢ文書と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成して分書インデックス３に格納するインデックス機能２と、情報検索端末１３から指定された検索キーワードと、該キーワードを含む前記文書インデックス３の文書との一致度を計算するキーワード一致度計算部４と、前記計算された一致度と文書重要度テーブル６内の各ＷＥＢ文書の重要度とを総合して、情報検索結果の出力順を決定する総合ランキング計算部５と、を備えた。
【解決手段】検索対象の複数のＷＥＢ文書１１，１２から、該文書間における文書間リンク情報を抽出するリンク抽出機能１と、前記ＷＥＢ文書と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成して分書インデックス３に格納するインデックス機能２と、情報検索端末１３から指定された検索キーワードと、該キーワードを含む前記文書インデックス３の文書との一致度を計算するキーワード一致度計算部４と、前記計算された一致度と文書重要度テーブル６内の各ＷＥＢ文書の重要度とを総合して、情報検索結果の出力順を決定する総合ランキング計算部５と、を備えた。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、インターネット上の検索エンジンをはじめとする、情報検索装置に関わるものである。
【背景技術】
【０００２】
近年、インターネットの普及によって、インターネット上の膨大な文書群から利用者が必要とする情報を的確に検索するシステムおよびサービスの重要性が高まっている。
【０００３】
一般に検索サービスにおいては、ユーザが入力した検索キーワードが検索対象の文書や該文書に対する別の文書からのリンクアンカーテキストに含まれる数に基づいた、検索キーワードと文書との一致度と、該文書が別の文書からどれだけ参照されているかといった文書の重要度とから情報検索の出力順を決定している。
【０００４】
尚、文書の一致度、文書の重要度としては、従来、非特許文献１〜３に記載の手法が利用されている。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】Ｓ Ｒｏｂｅｒｔｓｏｎ， Ｈ Ｚａｒａｇｏｚａ， Ｍ Ｔａｙｌｏｒ， “Ｓｉｍｐｌｅ ＢＭ２５ Ｅｘｔｅｎｓｉｏｎ ｔｏ Ｍｕｌｔｉｐｌｅ Ｗｅｉｇｈｔｅｄ Ｆｉｅｌｄｓ”， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｔｈｉｒｔｅｅｎｔｈ ＡＣＭ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｋｎｏｗｌｅｄｇｅ ｍａｎａｇｅｍｅｎｔ，ｐｐ．１−８，Ｎｏｖｅｍｂｅｒ８−１３ ２００４
【非特許文献２】Ｌａｗｒｅｎｃｄ Ｐａｇｅ， Ｓｅｒｇｅｙ Ｂｒｉｎ， Ｒａｊｅｅｖ Ｍｏｔｗａｉ， Ｔｅｒｒｙ Ｗｉｎｏｇｒａｄ， “Ｔｈｅ ＰａｇｅＲａｎｋ Ｃｉｔａｔｉｏｎ Ｒａｎｋｉｎｇ： Ｂｒｉｎｇｉｎｇ Ｏｒｄｅｒ ｔｏ ｔｈｅ Ｗｅｂ”， ７th Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ ｃｏｎｆｅｒｅｎｃｅ （ＷＷＷ９８），ｐｐ．１−１７，Ｊａｎｕａｒｙ２９，１９９８
【非特許文献３】Ｊｏｎ Ｍ． Ｋｌｅｉｎｂｅｒｇ， “Ａｕｔｈｏｒｉｔａｔｉｖｅ Ｓｏｕｒｃｅｓ ｉｎ ａ Ｈｙｐｅｒｌｉｎｋｅｄ Ｅｎｖｉｒｏｎｍｅｎｔ”， Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ ＡＣＭ （ＪＡＣＭ）， ｖ．４６ ｎ．５， ｐｐ．６０４−６３２， Ｓｅｐｔ． １９９９
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、前記従来の情報検索システムには次の問題が存在する。
【０００７】
検索キーワードと文書の一致度としては、ｔｆ・ｉｄｆやＢＭ２５やＢＭ２５Ｆといった単語の統計量を用いた手法が一般的に利用されている。これら手法の詳細は本発明の本質に関連しないため詳細は記述しないが、特定の文書群全体の平均と比較して文書に高い頻度で現れる単語が、該文書を特徴付けるものであるという推定に基づいて、ユーザが入力した検索キーワードが文書の特徴と一致する度合いが高い文書を高い出力順位としている。
【０００８】
特に、ＢＭ２５Ｆでは文書の本文の検索キーワードに対する一致度と、該文書に張られた文書間リンクのアンカーテキストの検索キーワードに対する一致度とを、加重比を変えて計算することでより良い検索結果順位を得ている。
【０００９】
しかし、検索キーワードが比較的珍しい単語であればこれらの手法でよい検索結果が得られるが、検索キーワードが極ありふれた単語である場合には、同程度の一致度となる文書が多くなりすぎてしまう。
【００１０】
上記の問題を解決するために、一般的な情報検索サービスでは、検索キーワードとの一致度が同程度となった文書の順位付けのために文書の重要度を算出し、検索キーワードと文書との一致度と文書の重要度とを合わせて検索結果の出力順を決定している。
【００１１】
文書の重要度としては、ＰａｇｅＲａｎｋ（非特許文献２参照）やＨＩＴＳ（非特許文献３参照）といった手法が一般的に利用されている。これら手法の詳細は本発明の本質に関連しないため詳細は記述しないが、ＷＥＢページのリンク情報を用いて、特定の文書が他の多くの文書からリンクされている場合にはその文書が重要であろうという推定に基づいている。
【００１２】
上記の文書の静的重要度と検索キーワードとの一致度を併せて用いることで、情報検索ユーザの要求を概ね満たすことができている。
【００１３】
しかし、現在のインターネットではブログに代表されるＣＭＳ（コンテンツ・マネジメント・システム）が広く利用されるようになっている。ＣＭＳを利用するとＷＥＢサイト内に自動または手動によって文書間リンクが大量に作成される。これはＰａｇｅＲａｎｋやＨＩＴＳの根底にある「多くリンクされる文書は重要な文書である」という想定を覆す恐れがある。
【００１４】
また、ＢＭ２５Ｆを利用する際には一般的にアンカーテキストには文書自体に比べ数十倍の重みを加えて検索キーワードとの一致度を計算するが、サイト内で文書間リンクが大量に自動生成されると、今までのようにアンカーテキストを重視した一致度計算では検索ユーザ一般の要求に合致しなくなるという問題がある。
【００１５】
例えば「猫の飼い方」について優良な情報を記載したＷＥＢ文書があったとして、それには他の１００のＷＥＢサイトから１つずつ「猫の飼い方」というアンカーテキストで文書間リンクが張られていたとする。ここで２００ページの文書を含む個人のブログサイトが同じく「猫の飼い方」というＷＥＢ文書を追加したとすると、該ブログサイトの２００ページ全ての文書に存在する「最新記事」項目として、自動的に「猫の飼い方」というアンカーテキストで概文書に向けた文書間リンクが追加される。この結果外部の１００のＷＥＢサイトに認められた前者のＷＥＢ文書よりも、後者のＷＥＢ文書の方が「猫の飼い方」という検索キーワードにより強く一致してしまう恐れがある。
【００１６】
本発明は上記課題を解決するものであり、その目的は、文書間リンクのアンカーテキストを、より的確に情報検索に反映させることができる情報検索システム、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】
【００１７】
上記のような課題を解決するために請求項１、５に記載の発明は、ＷＥＢページに代表される文書間にリンク情報を備えた文書情報を検索対象とし、各文書へのリンクに含まれるアンカーテキストを該文書自体の情報と併せて該文書を検索する際の参照情報とする情報検索システム、情報検索方法であって、前記文書の情報検索キーワードへの一致度の算出に、該アンカーテキストの情報検索キーワードへの一致度と該文書自体の情報検索キーワードへの一致度との加重比を、該アンカーテキストを含む文書間リンクの特徴に応じて変化させることを特徴とする。
【００１８】
また、前記アンカーテキストの情報検索キーワードへの一致度と前記文書自体の情報検索キーワードへの一致度との加重比を決定するために用いる文書間リンクの特徴として、該アンカーテキストを含む文書間リンクを含む文書の重要度を用いることを特徴とする（請求項２、６）。
【００１９】
また、前記アンカーテキストの情報検索キーワードへの一致度と前記文書自体の情報検索キーワードへの一致度との加重比を決定するために用いる文書間リンクの特徴として、該アンカーテキストを含む文書間リンクを含む文書と該文書の関係性を用いることを特徴とする（請求項３、７）。
【００２０】
また、参照語辞書をさらに備え、前記アンカーテキストの情報検索キーワードへの一致度と前記文書自体の情報検索キーワードへの一致度との加重比を決定するために用いる文書間リンクの特徴として、該アンカーテキストの参照語辞書への登録済み項目との一致度を用いることを特徴とする（請求項４、８）。
【発明の効果】
【００２１】
（１）請求項１〜９に記載の発明によれば、文書間リンクのアンカーテキストを、より的確に情報検索に反映させることが可能となる。
（２）請求項２、６に記載の発明によれば、リンク元のＷＥＢ文書のＰａｇｅＲａｎｋやＨＩＴＳに代表される重要度の高い文書からのリンクのアンカーテキストを重視し、特に重要でないＷＥＢ文書からのリンクのアンカーテキストを重視しない、ＷＥＢ文書の検索キーワードとの一致度を算出することができる。これによって従来の検索システムのように文書の検索キーワードへの一致度と、文書の重要度を別個に算出して最終的にそれらのスコアを足し合わせるのではなく、文書の検索キーワードへの一致度の算出に文書の重要度を直接反映させた検索結果を得ることが可能となる。
（３）請求項３、７に記載の発明によれば、リンク元の文書とリンク先の文書が同じＷＥＢサーバ上に存在する場合や同じドメインに含まれる場合にそのリンクのアンカーテキストを重視せず、別のドメインからのリンクのアンカーテキストを重視する、ＷＥＢ文書の検索キーワードとの一致度を算出することができる。これによってブログ等のＣＭＳによりサイト内に自動的に大量に生成されるリンクを重視しない検索結果を得ることが可能となる。
（４）請求項４、８に記載の発明によれば、リンクのアンカーテキストが特定の文言であった場合に該アンカーテキストを重視し、別の特定の文言であった場合には概アンカーテキストを重視しない、ＷＥＢ文書の検索キーワードとの一致度を算出することができる。
【図面の簡単な説明】
【００２２】
【図１】本発明の一実施例の情報検索システムの構成図。
【発明を実施するための形態】
【００２３】
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。図１は本発明の一実施例の構成を示す模式図である。図１において、１０は情報検索システムであり、１１および１２は情報検索システム１０が検索対象とするＷＥＢ文書であり、１３は情報検索システム１０の利用者が検索要求の入力と検索結果の受信に用いる情報検索端末である。
【００２４】
情報検索システム１０は、請求項１〜４共通の、リンク抽出機能１、インデックス機能２、文書インデックス３、キーワード一致度計算部４および総合ランキング計算部５を備えている。
【００２５】
リンク抽出機能１は、前記ＷＥＢ文書１１、１２からリンク情報を抽出するリンク抽出手段のリンク抽出機能を示し、インデックス機能２は、前記ＷＥＢ文書１１，１２と該ＷＥＢ文書に別のＷＥＢ文書から張られたリンクのアンカーテキストから検索用文書インデックスを作成するインデックス作成手段のインデックス機能を示し、文書インデックス３は、前記機能２によって作成された文書インデックスが格納された文書インデックス格納手段の文書インデックスを示している。
【００２６】
キーワード一致度計算部４は、前記情報検索端末１３から送られた情報検索要求を受けて検索キーワードと文書との一致度を計算するキーワード一致度計算手段としてのキーワード一致度計算部であり、総合ランキング計算部５は、前記キーワード一致度計算部４により計算された一致度とリンク元のＷＥＢ文書の重要度、例えば文書重要度テーブル６の情報とを総合して検索結果の出力順を決定する総合ランキング計算手段としての総合ランキング計算部である。
【００２７】
また情報検索システム１０は、請求項２に特有の、文書の重要度を記録した文書重要度テーブル６と、請求項３に特有な文書間関係判定手段の文書間関係判定機能７と、請求項４に特有の、参照語辞書８と、参照語辞書８とアンカーテキストとの一致度を判定する参照語辞書一致度判定手段の参照語辞書一致度判定機能９とを備えている。
【００２８】
前記リンク抽出機能１、インデックス機能２、キーワード一致度計算部４、総合ランキング計算部５、文書間関係判定機能７および参照語辞書一致度判定機能９の各機能は、例えばコンピュータによって達成される。
【００２９】
以下に図１を用いて本発明の実施例である情報検索システムの動作を説明する。リンク抽出機能１は、検索対象のＷＥＢ文書１１、ＷＥＢ文書１２から文書間リンクを抽出する。この例ではＷＥＢ文書１１からＷＥＢ文書１２に向けて、「猫の育て方」というアンカーテキストを持つリンクが張られており、ＷＥＢ文書１２からＷＥＢ文書１１に向けて、「こちら」というアンカーテキストを持つリンクが張られていたとする。リンク情報は一例として（リンク元文書ＵＲＬ，リンク先文書ＵＲＬ，アンカーテキスト）という形式であってもよく、この場合は（ＷＥＢ文書１１のＵＲＬ，ＷＥＢ文書１２のＵＲＬ，猫の育て方）と（ＷＥＢ文書１２のＵＲＬ，ＷＥＢ文書１１のＵＲＬ，こちら）との２つのリンク情報が抽出される。
【００３０】
リンク抽出機能１から、抽出した文書間リンクの情報を受けた文書間関係判定機能７は、ＷＥＢ文書１１とＷＥＢ文書１２との関係から該リンクに与える重みを計算する。文書間の関係の判定方法は一例としてＷＥＢ文書の ＵＲＬ を比較して同一ドメインに属する、同一ホストに属する、同一ディレクトリに属するといった順に関係が深くなるというＷＷＷの仕組みを利用する方法がありえる。具体的には、
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｆｕｇａ．ｆｕｇａ．ｃｏｍ／ｆｕｇａ／ｆｕｇａ．ｈｔｍｌ，ｆｕｇａｆｕｇａｆｕｇａｆｕｇａ）
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｆｕｇａ．ｈｏｇｅ．ｃｏｍ／ｆｕｇａ／ｆｕｇａ．ｈｔｍｌ，ｆｕｇａｈｏｇｅｆｕｇａｆｕｇａ）
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｆｕｇａ／ｆｕｇａ．ｈｔｍｌ，ｈｏｇｅｈｏｇｅｆｕｇａｇｕｆａ）
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｆｕｇａ．ｈｔｍｌ，ｈｏｇｅｈｏｇｅｇｏｇｅｆｕｇａ）
という４つのリンク情報があったとすると、一番目のリンク情報は全く異なるドメインからのリンクであるので重みを１とし、二番目のリンク情報は同一ドメインの別ホストからのリンクであるので重みを例えば０．５とし、三番目のリンク情報は同一ホスト内の異なるディレクトリ間でのリンクであるので重みを例えば０．１とし、四番目のリンク情報は同一ホストの同一ディレクトリ内のリンクであるので重みを例えば０．０５とするという形で、リンク元ＷＥＢ文書とリンク先ＷＥＢ文書の関係を重みに反映させる方法がありえる。また一律に別ドメイン間のリンクの重みを１、同一ドメイン内のリンクの重みを０．５などと決めずに、特定のドメイン間やホスト間でのリンクの量や割合に応じてリンクの重みを算出するなどその他のいかなる方法であっても本発明の本質には関わらない。
【００３１】
参照語辞書一致度判定機能９は文書間関係判定機能７によって重みを計算した文書間リンクのアンカーテキストを参照語辞書８と照らし合わせてアンカーテキストに与える重みをさらに計算する。例えばＷＥＢ文書には「○○はこちら」と記載したうちの「こちら」をアンカーテキストとした文書間リンクが多く存在するが、この「こちら」というアンカーテキストは文書検索にとって有効性が期待できないので、この重みを軽くするか全く無くすことは望ましい。逆に著名人の固有名詞や商品名等は検索用途によっては通常のｔｆ・ｉｄｆやＢＭ２５の単語出現頻度以上の価値があるため、これらの重みを重くするのも望ましい。このように参照語辞書８に登録する単語およびその重みは検索サービスの用途によって適切なものを選択することが好ましいが、その選択方法は本発明の本質に関係しない。
【００３２】
図１の例では参照語辞書８には「こちら」「ｎｅｘｔ」を重み０．０、「情報」を重み０．１として計算するよう登録済みであることを図示している。具体的な計算方法の一例として、アンカーテキストを形態素解析によって単語に分割し、分割された各単語のアンカーテキストにおけるｔｆを算出し、参照語辞書８に登録された単語に対しては、該値に対して参照語辞書８に登録済みの重みを掛け合わせる方法が考えられるが、それ以外でも参照語辞書８に登録済みの重みを反映できる計算方法であればどのような計算方法でもかまわない。
【００３３】
インデックス機能２はＷＥＢ文書と該ＷＥＢ文書に張られた文書間リンクのアンカーテキストとを、単語、ｎ−ｇｒａｍ、サフィックスアレイといった全文検索用の単位に分割して文書インデックス３に格納する。作成する文書インデックスの形式は上記の他いかなる形式であっても本発明の本質には関わらない。この例では単語によるインデックスとして、一例として単語「猫」がＷＥＢ文書１１、１２を含む文書群に出現している文書インデックスが作成されている。該インデックスには通常の全文検索インデックスに含まれるｔｆやｉｄｆ、ｈｔｍｌによる単語のマークアップ情報等が含まれても良いが、本発明の本質に関係しないため詳細は記さない。
【００３４】
請求項２による発明では、インデックス機能２はＷＥＢ文書に張られた文書間リンクのアンカーテキストを文書インデックス３に格納する際に、リンク元のＷＥＢ文書の重要度を文書重要度テーブル６から読み出し、その値を用いて文書インデックス３を構成する。図１の例では文書インデックス３の単語「猫」には（１１：２）（１２：９）という情報が格納されている状況を示してあるが、これは一例としてＷＥＢ文書１１に「猫」という単語が２回現れているため、（ＷＥＢ文書：重み）の値の組として（１１：２）を格納し、ＷＥＢ文書１２には「猫」という単語が１回現れ、かつ文書重要度テーブル６に格納された文書重要度が８．０であるＷＥＢ文書１１から張られたリンクのアンカーテキストに「猫」という単語が１回現れるため１＋（８．０×１．０）＝９を単語「猫」の重みとして（１２：９）という情報を格納している。
【００３５】
請求項３による発明では、インデックス機能２はＷＥＢ文書に張られた文書間リンクのアンカーテキストを文書インデックス３に格納する際に、文書間関係判定機能７が算出した重みを用いて文書インデックス３を構成する。重みの利用方法の一例として上記のＷＥＢ文書１２の「猫」のインデックス作成時に、本文に「猫」が１回現れ、かつ文書重要度テーブル６に格納された文書重要度が８．０であるＷＥＢ文書１１から張られたリンクのアンカーテキストに「猫」という単語が１回現れるため、１＋（８．０×１．０）＝９を単語「猫」の重みとして（１２：９）という情報を格納したところをさらにリンクの重みｗを用いて１＋（ｗ×８．０×１．０）をＷＥＢ文書１２における単語「猫」の重みとする方法がありえるがこれに限らない。
【００３６】
請求項４による発明では、インデックス機能２はＷＥＢ文書に張られた文書間リンクのアンカーテキストを文書インデックス３に格納する際に、参照語辞書一致度判定機能９が算出した重みを用いて文書インデック３を構成する。重みが規定の値以下の場合にはそもそもインデックスに反映させないこととするのも好ましい。図１の例では文書インデックス３の単語「こちら」には（１１：０）（１２：１）という情報が格納されている状況を示してあるが、これは一例としてＷＥＢ文書１２に「こちら」という単語が１回現れているため（ＷＥＢ文書：重み）の値の組として（１２：１）を格納し、ＷＥＢ文書１１には「こちら」という単語が現れず、かつ文書重要度テーブル６に文書重要度が７．５であるＷＥＢ文書１２から張られたリンクのアンカーテキストに「こちら」という単語が１回現れ、参照語辞書８に格納された単語「こちら」の重みが０．０であるため、０＋（７．５×１．０）×０．０＝０．０を単語「こちら」の重みとして（１１：０）という情報を格納している。
【００３７】
請求項２〜請求項４の２つないし３つを併せて用いる際には、それぞれの重みをどのように組み合わせて用いるかは任意である。
【００３８】
本情報検索システムのユーザが情報検索端末１３から検索キーワードを指定して情報検索を行うと、キーワード一致度計算部４は該検索キーワードを用いて文書インデックス３を参照し、検索キーワードを含む文書をリストアップし、それらの検索キーワードとの一致をｔｆ・ｉｄｆやＢＭ２５、ＢＭ２５Ｆといった方法で算出する。この際、請求項２〜請求項４の発明では、アンカーテキストに付与された重みを変数として加えて一致度を計算する。計算方法としては、各単語毎に付与された重みをｔｄ・ｉｄｆ等の計算式に掛け合わせるのでもよいし、ＢＭ２５Ｆであれば文書インデックス３を作成する時点でアンカーテキストのｔｆ値の倍率を重みによって変化させておく方法でも良く、重みの反映方法は任意である。
【００３９】
総合ランキング計算部５は、前記キーワード一致度計算部４により計算された一致度と各ＷＥＢ文書の重要度、例えば文書重要度テーブル６を参照して得た、リストされた各文書の重要度とを総合して情報検索端末１３に返信する情報検索結果の出力順を決定する。
【００４０】
本発明の情報検索方法は、例えば前記図１の情報検索システム１０の、前記各機能１，２，７，９および前記各計算部４，５の各処理を実行するものである。
【００４１】
すなわち、請求項５の情報検索方法の実施例は、リンク抽出機能１が、検索対象の複数のＷＥＢ文書１１，１２から、該文書間における文書間リンク情報を抽出するリンク抽出ステップと、インデックス機能２が、前記ＷＥＢ文書１１，１２と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成し、文書インデックス３（文書インデックス格納手段）に格納するインデックス作成ステップと、キーワード一致度計算部４が、情報検索端末１３から指定された検索キーワードと、該キーワードを含む前記文書インデックス３の文書との一致度を計算するキーワード一致度計算ステップと、総合ランキング計算部５が、前記キーワード一致度計算部４により計算された一致度と、文書重要度テーブル６の各ＷＥＢ文書の重要度とを総合して、情報検索結果を情報検索端末１３に出力する順序を決定する総合ランキング計算ステップと、を実行する。
【００４２】
また請求項６の情報検索方法の実施例は、前記請求項５の実施例において、前記インデックス機能２が行うインデックス作成ステップは、文書重要度テーブル６に格納されたリンク元のＷＥＢ文書の重要度を反映させた文書インデックスを作成するものである。
【００４３】
また請求項７の情報検索方法の実施例は、前記請求項５又は６の実施例において、文書間関係判定機能７が、前記リンク抽出機能１により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップを更に実行し、前記インデックス機能２のインデックス作成ステップは、前記文書間関係判定機能７により計算された重みを反映させた文書インデックスを作成するものである。
【００４４】
また請求項８の情報検索方法の実施例は、前記請求項５ないし７のいずれか１項の実施例において、文書間関係判定機能７が、前記リンク抽出機能１により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップと、参照語辞書一致度判定機能９が、前記文書間関係判定機能７により重みが計算された文書間リンクのアンカーテキストと、単語に対する重みが登録された参照語辞書８内の単語および重みとを照合して、前記リンクのアンカーテキストに与える重みを計算する参照語辞書一致度判定ステップとを更に実行し、前記インデックス機能２のインデックス作成ステップは、前記参照語辞書一致度判定機能９により計算された重みを反映させた文書インデックスを作成するものである。
【００４５】
また、本実施形態の情報検索システム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、本実施形態の情報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】
【００４６】
１…リンク抽出機能
２…インデックス機能
３…文書インデックス
４…キーワード一致度計算部
５…総合ランキング計算部
６…文書重要度テーブル
７…文書間関係判定機能
８…参照語辞書
９…参照語辞書一致度判定機能
１０…情報検索システム
１１、１２…ＷＥＢ文書
１３…情報検索端末
【技術分野】
【０００１】
本発明は、インターネット上の検索エンジンをはじめとする、情報検索装置に関わるものである。
【背景技術】
【０００２】
近年、インターネットの普及によって、インターネット上の膨大な文書群から利用者が必要とする情報を的確に検索するシステムおよびサービスの重要性が高まっている。
【０００３】
一般に検索サービスにおいては、ユーザが入力した検索キーワードが検索対象の文書や該文書に対する別の文書からのリンクアンカーテキストに含まれる数に基づいた、検索キーワードと文書との一致度と、該文書が別の文書からどれだけ参照されているかといった文書の重要度とから情報検索の出力順を決定している。
【０００４】
尚、文書の一致度、文書の重要度としては、従来、非特許文献１〜３に記載の手法が利用されている。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】Ｓ Ｒｏｂｅｒｔｓｏｎ， Ｈ Ｚａｒａｇｏｚａ， Ｍ Ｔａｙｌｏｒ， “Ｓｉｍｐｌｅ ＢＭ２５ Ｅｘｔｅｎｓｉｏｎ ｔｏ Ｍｕｌｔｉｐｌｅ Ｗｅｉｇｈｔｅｄ Ｆｉｅｌｄｓ”， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｔｈｉｒｔｅｅｎｔｈ ＡＣＭ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｋｎｏｗｌｅｄｇｅ ｍａｎａｇｅｍｅｎｔ，ｐｐ．１−８，Ｎｏｖｅｍｂｅｒ８−１３ ２００４
【非特許文献２】Ｌａｗｒｅｎｃｄ Ｐａｇｅ， Ｓｅｒｇｅｙ Ｂｒｉｎ， Ｒａｊｅｅｖ Ｍｏｔｗａｉ， Ｔｅｒｒｙ Ｗｉｎｏｇｒａｄ， “Ｔｈｅ ＰａｇｅＲａｎｋ Ｃｉｔａｔｉｏｎ Ｒａｎｋｉｎｇ： Ｂｒｉｎｇｉｎｇ Ｏｒｄｅｒ ｔｏ ｔｈｅ Ｗｅｂ”， ７th Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ ｃｏｎｆｅｒｅｎｃｅ （ＷＷＷ９８），ｐｐ．１−１７，Ｊａｎｕａｒｙ２９，１９９８
【非特許文献３】Ｊｏｎ Ｍ． Ｋｌｅｉｎｂｅｒｇ， “Ａｕｔｈｏｒｉｔａｔｉｖｅ Ｓｏｕｒｃｅｓ ｉｎ ａ Ｈｙｐｅｒｌｉｎｋｅｄ Ｅｎｖｉｒｏｎｍｅｎｔ”， Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ ＡＣＭ （ＪＡＣＭ）， ｖ．４６ ｎ．５， ｐｐ．６０４−６３２， Ｓｅｐｔ． １９９９
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、前記従来の情報検索システムには次の問題が存在する。
【０００７】
検索キーワードと文書の一致度としては、ｔｆ・ｉｄｆやＢＭ２５やＢＭ２５Ｆといった単語の統計量を用いた手法が一般的に利用されている。これら手法の詳細は本発明の本質に関連しないため詳細は記述しないが、特定の文書群全体の平均と比較して文書に高い頻度で現れる単語が、該文書を特徴付けるものであるという推定に基づいて、ユーザが入力した検索キーワードが文書の特徴と一致する度合いが高い文書を高い出力順位としている。
【０００８】
特に、ＢＭ２５Ｆでは文書の本文の検索キーワードに対する一致度と、該文書に張られた文書間リンクのアンカーテキストの検索キーワードに対する一致度とを、加重比を変えて計算することでより良い検索結果順位を得ている。
【０００９】
しかし、検索キーワードが比較的珍しい単語であればこれらの手法でよい検索結果が得られるが、検索キーワードが極ありふれた単語である場合には、同程度の一致度となる文書が多くなりすぎてしまう。
【００１０】
上記の問題を解決するために、一般的な情報検索サービスでは、検索キーワードとの一致度が同程度となった文書の順位付けのために文書の重要度を算出し、検索キーワードと文書との一致度と文書の重要度とを合わせて検索結果の出力順を決定している。
【００１１】
文書の重要度としては、ＰａｇｅＲａｎｋ（非特許文献２参照）やＨＩＴＳ（非特許文献３参照）といった手法が一般的に利用されている。これら手法の詳細は本発明の本質に関連しないため詳細は記述しないが、ＷＥＢページのリンク情報を用いて、特定の文書が他の多くの文書からリンクされている場合にはその文書が重要であろうという推定に基づいている。
【００１２】
上記の文書の静的重要度と検索キーワードとの一致度を併せて用いることで、情報検索ユーザの要求を概ね満たすことができている。
【００１３】
しかし、現在のインターネットではブログに代表されるＣＭＳ（コンテンツ・マネジメント・システム）が広く利用されるようになっている。ＣＭＳを利用するとＷＥＢサイト内に自動または手動によって文書間リンクが大量に作成される。これはＰａｇｅＲａｎｋやＨＩＴＳの根底にある「多くリンクされる文書は重要な文書である」という想定を覆す恐れがある。
【００１４】
また、ＢＭ２５Ｆを利用する際には一般的にアンカーテキストには文書自体に比べ数十倍の重みを加えて検索キーワードとの一致度を計算するが、サイト内で文書間リンクが大量に自動生成されると、今までのようにアンカーテキストを重視した一致度計算では検索ユーザ一般の要求に合致しなくなるという問題がある。
【００１５】
例えば「猫の飼い方」について優良な情報を記載したＷＥＢ文書があったとして、それには他の１００のＷＥＢサイトから１つずつ「猫の飼い方」というアンカーテキストで文書間リンクが張られていたとする。ここで２００ページの文書を含む個人のブログサイトが同じく「猫の飼い方」というＷＥＢ文書を追加したとすると、該ブログサイトの２００ページ全ての文書に存在する「最新記事」項目として、自動的に「猫の飼い方」というアンカーテキストで概文書に向けた文書間リンクが追加される。この結果外部の１００のＷＥＢサイトに認められた前者のＷＥＢ文書よりも、後者のＷＥＢ文書の方が「猫の飼い方」という検索キーワードにより強く一致してしまう恐れがある。
【００１６】
本発明は上記課題を解決するものであり、その目的は、文書間リンクのアンカーテキストを、より的確に情報検索に反映させることができる情報検索システム、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】
【００１７】
上記のような課題を解決するために請求項１、５に記載の発明は、ＷＥＢページに代表される文書間にリンク情報を備えた文書情報を検索対象とし、各文書へのリンクに含まれるアンカーテキストを該文書自体の情報と併せて該文書を検索する際の参照情報とする情報検索システム、情報検索方法であって、前記文書の情報検索キーワードへの一致度の算出に、該アンカーテキストの情報検索キーワードへの一致度と該文書自体の情報検索キーワードへの一致度との加重比を、該アンカーテキストを含む文書間リンクの特徴に応じて変化させることを特徴とする。
【００１８】
また、前記アンカーテキストの情報検索キーワードへの一致度と前記文書自体の情報検索キーワードへの一致度との加重比を決定するために用いる文書間リンクの特徴として、該アンカーテキストを含む文書間リンクを含む文書の重要度を用いることを特徴とする（請求項２、６）。
【００１９】
また、前記アンカーテキストの情報検索キーワードへの一致度と前記文書自体の情報検索キーワードへの一致度との加重比を決定するために用いる文書間リンクの特徴として、該アンカーテキストを含む文書間リンクを含む文書と該文書の関係性を用いることを特徴とする（請求項３、７）。
【００２０】
また、参照語辞書をさらに備え、前記アンカーテキストの情報検索キーワードへの一致度と前記文書自体の情報検索キーワードへの一致度との加重比を決定するために用いる文書間リンクの特徴として、該アンカーテキストの参照語辞書への登録済み項目との一致度を用いることを特徴とする（請求項４、８）。
【発明の効果】
【００２１】
（１）請求項１〜９に記載の発明によれば、文書間リンクのアンカーテキストを、より的確に情報検索に反映させることが可能となる。
（２）請求項２、６に記載の発明によれば、リンク元のＷＥＢ文書のＰａｇｅＲａｎｋやＨＩＴＳに代表される重要度の高い文書からのリンクのアンカーテキストを重視し、特に重要でないＷＥＢ文書からのリンクのアンカーテキストを重視しない、ＷＥＢ文書の検索キーワードとの一致度を算出することができる。これによって従来の検索システムのように文書の検索キーワードへの一致度と、文書の重要度を別個に算出して最終的にそれらのスコアを足し合わせるのではなく、文書の検索キーワードへの一致度の算出に文書の重要度を直接反映させた検索結果を得ることが可能となる。
（３）請求項３、７に記載の発明によれば、リンク元の文書とリンク先の文書が同じＷＥＢサーバ上に存在する場合や同じドメインに含まれる場合にそのリンクのアンカーテキストを重視せず、別のドメインからのリンクのアンカーテキストを重視する、ＷＥＢ文書の検索キーワードとの一致度を算出することができる。これによってブログ等のＣＭＳによりサイト内に自動的に大量に生成されるリンクを重視しない検索結果を得ることが可能となる。
（４）請求項４、８に記載の発明によれば、リンクのアンカーテキストが特定の文言であった場合に該アンカーテキストを重視し、別の特定の文言であった場合には概アンカーテキストを重視しない、ＷＥＢ文書の検索キーワードとの一致度を算出することができる。
【図面の簡単な説明】
【００２２】
【図１】本発明の一実施例の情報検索システムの構成図。
【発明を実施するための形態】
【００２３】
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。図１は本発明の一実施例の構成を示す模式図である。図１において、１０は情報検索システムであり、１１および１２は情報検索システム１０が検索対象とするＷＥＢ文書であり、１３は情報検索システム１０の利用者が検索要求の入力と検索結果の受信に用いる情報検索端末である。
【００２４】
情報検索システム１０は、請求項１〜４共通の、リンク抽出機能１、インデックス機能２、文書インデックス３、キーワード一致度計算部４および総合ランキング計算部５を備えている。
【００２５】
リンク抽出機能１は、前記ＷＥＢ文書１１、１２からリンク情報を抽出するリンク抽出手段のリンク抽出機能を示し、インデックス機能２は、前記ＷＥＢ文書１１，１２と該ＷＥＢ文書に別のＷＥＢ文書から張られたリンクのアンカーテキストから検索用文書インデックスを作成するインデックス作成手段のインデックス機能を示し、文書インデックス３は、前記機能２によって作成された文書インデックスが格納された文書インデックス格納手段の文書インデックスを示している。
【００２６】
キーワード一致度計算部４は、前記情報検索端末１３から送られた情報検索要求を受けて検索キーワードと文書との一致度を計算するキーワード一致度計算手段としてのキーワード一致度計算部であり、総合ランキング計算部５は、前記キーワード一致度計算部４により計算された一致度とリンク元のＷＥＢ文書の重要度、例えば文書重要度テーブル６の情報とを総合して検索結果の出力順を決定する総合ランキング計算手段としての総合ランキング計算部である。
【００２７】
また情報検索システム１０は、請求項２に特有の、文書の重要度を記録した文書重要度テーブル６と、請求項３に特有な文書間関係判定手段の文書間関係判定機能７と、請求項４に特有の、参照語辞書８と、参照語辞書８とアンカーテキストとの一致度を判定する参照語辞書一致度判定手段の参照語辞書一致度判定機能９とを備えている。
【００２８】
前記リンク抽出機能１、インデックス機能２、キーワード一致度計算部４、総合ランキング計算部５、文書間関係判定機能７および参照語辞書一致度判定機能９の各機能は、例えばコンピュータによって達成される。
【００２９】
以下に図１を用いて本発明の実施例である情報検索システムの動作を説明する。リンク抽出機能１は、検索対象のＷＥＢ文書１１、ＷＥＢ文書１２から文書間リンクを抽出する。この例ではＷＥＢ文書１１からＷＥＢ文書１２に向けて、「猫の育て方」というアンカーテキストを持つリンクが張られており、ＷＥＢ文書１２からＷＥＢ文書１１に向けて、「こちら」というアンカーテキストを持つリンクが張られていたとする。リンク情報は一例として（リンク元文書ＵＲＬ，リンク先文書ＵＲＬ，アンカーテキスト）という形式であってもよく、この場合は（ＷＥＢ文書１１のＵＲＬ，ＷＥＢ文書１２のＵＲＬ，猫の育て方）と（ＷＥＢ文書１２のＵＲＬ，ＷＥＢ文書１１のＵＲＬ，こちら）との２つのリンク情報が抽出される。
【００３０】
リンク抽出機能１から、抽出した文書間リンクの情報を受けた文書間関係判定機能７は、ＷＥＢ文書１１とＷＥＢ文書１２との関係から該リンクに与える重みを計算する。文書間の関係の判定方法は一例としてＷＥＢ文書の ＵＲＬ を比較して同一ドメインに属する、同一ホストに属する、同一ディレクトリに属するといった順に関係が深くなるというＷＷＷの仕組みを利用する方法がありえる。具体的には、
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｆｕｇａ．ｆｕｇａ．ｃｏｍ／ｆｕｇａ／ｆｕｇａ．ｈｔｍｌ，ｆｕｇａｆｕｇａｆｕｇａｆｕｇａ）
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｆｕｇａ．ｈｏｇｅ．ｃｏｍ／ｆｕｇａ／ｆｕｇａ．ｈｔｍｌ，ｆｕｇａｈｏｇｅｆｕｇａｆｕｇａ）
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｆｕｇａ／ｆｕｇａ．ｈｔｍｌ，ｈｏｇｅｈｏｇｅｆｕｇａｇｕｆａ）
（ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｈｏｇｅ．ｈｔｍｌ，ｈｔｔｐ：／／ｈｏｇｅ．ｈｏｇｅ．ｃｏｍ／ｈｏｇｅ／ｆｕｇａ．ｈｔｍｌ，ｈｏｇｅｈｏｇｅｇｏｇｅｆｕｇａ）
という４つのリンク情報があったとすると、一番目のリンク情報は全く異なるドメインからのリンクであるので重みを１とし、二番目のリンク情報は同一ドメインの別ホストからのリンクであるので重みを例えば０．５とし、三番目のリンク情報は同一ホスト内の異なるディレクトリ間でのリンクであるので重みを例えば０．１とし、四番目のリンク情報は同一ホストの同一ディレクトリ内のリンクであるので重みを例えば０．０５とするという形で、リンク元ＷＥＢ文書とリンク先ＷＥＢ文書の関係を重みに反映させる方法がありえる。また一律に別ドメイン間のリンクの重みを１、同一ドメイン内のリンクの重みを０．５などと決めずに、特定のドメイン間やホスト間でのリンクの量や割合に応じてリンクの重みを算出するなどその他のいかなる方法であっても本発明の本質には関わらない。
【００３１】
参照語辞書一致度判定機能９は文書間関係判定機能７によって重みを計算した文書間リンクのアンカーテキストを参照語辞書８と照らし合わせてアンカーテキストに与える重みをさらに計算する。例えばＷＥＢ文書には「○○はこちら」と記載したうちの「こちら」をアンカーテキストとした文書間リンクが多く存在するが、この「こちら」というアンカーテキストは文書検索にとって有効性が期待できないので、この重みを軽くするか全く無くすことは望ましい。逆に著名人の固有名詞や商品名等は検索用途によっては通常のｔｆ・ｉｄｆやＢＭ２５の単語出現頻度以上の価値があるため、これらの重みを重くするのも望ましい。このように参照語辞書８に登録する単語およびその重みは検索サービスの用途によって適切なものを選択することが好ましいが、その選択方法は本発明の本質に関係しない。
【００３２】
図１の例では参照語辞書８には「こちら」「ｎｅｘｔ」を重み０．０、「情報」を重み０．１として計算するよう登録済みであることを図示している。具体的な計算方法の一例として、アンカーテキストを形態素解析によって単語に分割し、分割された各単語のアンカーテキストにおけるｔｆを算出し、参照語辞書８に登録された単語に対しては、該値に対して参照語辞書８に登録済みの重みを掛け合わせる方法が考えられるが、それ以外でも参照語辞書８に登録済みの重みを反映できる計算方法であればどのような計算方法でもかまわない。
【００３３】
インデックス機能２はＷＥＢ文書と該ＷＥＢ文書に張られた文書間リンクのアンカーテキストとを、単語、ｎ−ｇｒａｍ、サフィックスアレイといった全文検索用の単位に分割して文書インデックス３に格納する。作成する文書インデックスの形式は上記の他いかなる形式であっても本発明の本質には関わらない。この例では単語によるインデックスとして、一例として単語「猫」がＷＥＢ文書１１、１２を含む文書群に出現している文書インデックスが作成されている。該インデックスには通常の全文検索インデックスに含まれるｔｆやｉｄｆ、ｈｔｍｌによる単語のマークアップ情報等が含まれても良いが、本発明の本質に関係しないため詳細は記さない。
【００３４】
請求項２による発明では、インデックス機能２はＷＥＢ文書に張られた文書間リンクのアンカーテキストを文書インデックス３に格納する際に、リンク元のＷＥＢ文書の重要度を文書重要度テーブル６から読み出し、その値を用いて文書インデックス３を構成する。図１の例では文書インデックス３の単語「猫」には（１１：２）（１２：９）という情報が格納されている状況を示してあるが、これは一例としてＷＥＢ文書１１に「猫」という単語が２回現れているため、（ＷＥＢ文書：重み）の値の組として（１１：２）を格納し、ＷＥＢ文書１２には「猫」という単語が１回現れ、かつ文書重要度テーブル６に格納された文書重要度が８．０であるＷＥＢ文書１１から張られたリンクのアンカーテキストに「猫」という単語が１回現れるため１＋（８．０×１．０）＝９を単語「猫」の重みとして（１２：９）という情報を格納している。
【００３５】
請求項３による発明では、インデックス機能２はＷＥＢ文書に張られた文書間リンクのアンカーテキストを文書インデックス３に格納する際に、文書間関係判定機能７が算出した重みを用いて文書インデックス３を構成する。重みの利用方法の一例として上記のＷＥＢ文書１２の「猫」のインデックス作成時に、本文に「猫」が１回現れ、かつ文書重要度テーブル６に格納された文書重要度が８．０であるＷＥＢ文書１１から張られたリンクのアンカーテキストに「猫」という単語が１回現れるため、１＋（８．０×１．０）＝９を単語「猫」の重みとして（１２：９）という情報を格納したところをさらにリンクの重みｗを用いて１＋（ｗ×８．０×１．０）をＷＥＢ文書１２における単語「猫」の重みとする方法がありえるがこれに限らない。
【００３６】
請求項４による発明では、インデックス機能２はＷＥＢ文書に張られた文書間リンクのアンカーテキストを文書インデックス３に格納する際に、参照語辞書一致度判定機能９が算出した重みを用いて文書インデック３を構成する。重みが規定の値以下の場合にはそもそもインデックスに反映させないこととするのも好ましい。図１の例では文書インデックス３の単語「こちら」には（１１：０）（１２：１）という情報が格納されている状況を示してあるが、これは一例としてＷＥＢ文書１２に「こちら」という単語が１回現れているため（ＷＥＢ文書：重み）の値の組として（１２：１）を格納し、ＷＥＢ文書１１には「こちら」という単語が現れず、かつ文書重要度テーブル６に文書重要度が７．５であるＷＥＢ文書１２から張られたリンクのアンカーテキストに「こちら」という単語が１回現れ、参照語辞書８に格納された単語「こちら」の重みが０．０であるため、０＋（７．５×１．０）×０．０＝０．０を単語「こちら」の重みとして（１１：０）という情報を格納している。
【００３７】
請求項２〜請求項４の２つないし３つを併せて用いる際には、それぞれの重みをどのように組み合わせて用いるかは任意である。
【００３８】
本情報検索システムのユーザが情報検索端末１３から検索キーワードを指定して情報検索を行うと、キーワード一致度計算部４は該検索キーワードを用いて文書インデックス３を参照し、検索キーワードを含む文書をリストアップし、それらの検索キーワードとの一致をｔｆ・ｉｄｆやＢＭ２５、ＢＭ２５Ｆといった方法で算出する。この際、請求項２〜請求項４の発明では、アンカーテキストに付与された重みを変数として加えて一致度を計算する。計算方法としては、各単語毎に付与された重みをｔｄ・ｉｄｆ等の計算式に掛け合わせるのでもよいし、ＢＭ２５Ｆであれば文書インデックス３を作成する時点でアンカーテキストのｔｆ値の倍率を重みによって変化させておく方法でも良く、重みの反映方法は任意である。
【００３９】
総合ランキング計算部５は、前記キーワード一致度計算部４により計算された一致度と各ＷＥＢ文書の重要度、例えば文書重要度テーブル６を参照して得た、リストされた各文書の重要度とを総合して情報検索端末１３に返信する情報検索結果の出力順を決定する。
【００４０】
本発明の情報検索方法は、例えば前記図１の情報検索システム１０の、前記各機能１，２，７，９および前記各計算部４，５の各処理を実行するものである。
【００４１】
すなわち、請求項５の情報検索方法の実施例は、リンク抽出機能１が、検索対象の複数のＷＥＢ文書１１，１２から、該文書間における文書間リンク情報を抽出するリンク抽出ステップと、インデックス機能２が、前記ＷＥＢ文書１１，１２と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成し、文書インデックス３（文書インデックス格納手段）に格納するインデックス作成ステップと、キーワード一致度計算部４が、情報検索端末１３から指定された検索キーワードと、該キーワードを含む前記文書インデックス３の文書との一致度を計算するキーワード一致度計算ステップと、総合ランキング計算部５が、前記キーワード一致度計算部４により計算された一致度と、文書重要度テーブル６の各ＷＥＢ文書の重要度とを総合して、情報検索結果を情報検索端末１３に出力する順序を決定する総合ランキング計算ステップと、を実行する。
【００４２】
また請求項６の情報検索方法の実施例は、前記請求項５の実施例において、前記インデックス機能２が行うインデックス作成ステップは、文書重要度テーブル６に格納されたリンク元のＷＥＢ文書の重要度を反映させた文書インデックスを作成するものである。
【００４３】
また請求項７の情報検索方法の実施例は、前記請求項５又は６の実施例において、文書間関係判定機能７が、前記リンク抽出機能１により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップを更に実行し、前記インデックス機能２のインデックス作成ステップは、前記文書間関係判定機能７により計算された重みを反映させた文書インデックスを作成するものである。
【００４４】
また請求項８の情報検索方法の実施例は、前記請求項５ないし７のいずれか１項の実施例において、文書間関係判定機能７が、前記リンク抽出機能１により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップと、参照語辞書一致度判定機能９が、前記文書間関係判定機能７により重みが計算された文書間リンクのアンカーテキストと、単語に対する重みが登録された参照語辞書８内の単語および重みとを照合して、前記リンクのアンカーテキストに与える重みを計算する参照語辞書一致度判定ステップとを更に実行し、前記インデックス機能２のインデックス作成ステップは、前記参照語辞書一致度判定機能９により計算された重みを反映させた文書インデックスを作成するものである。
【００４５】
また、本実施形態の情報検索システム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、本実施形態の情報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】
【００４６】
１…リンク抽出機能
２…インデックス機能
３…文書インデックス
４…キーワード一致度計算部
５…総合ランキング計算部
６…文書重要度テーブル
７…文書間関係判定機能
８…参照語辞書
９…参照語辞書一致度判定機能
１０…情報検索システム
１１、１２…ＷＥＢ文書
１３…情報検索端末
【特許請求の範囲】
【請求項１】
ＷＥＢ文書間にリンク情報を備えた文書情報を検索対象とする情報検索システムであって、
検索対象の複数のＷＥＢ文書から、該文書間における文書間リンク情報を抽出するリンク抽出手段と、
前記ＷＥＢ文書と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成するインデックス作成手段と、
前記インデックス作成手段により作成された文書インデックスが格納された文書インデックス格納手段と、
検索キーワードと、該キーワードを含む前記文書インデックス格納手段内の文書との一致度を計算するキーワード一致度計算手段と、
前記キーワード一致度計算手段により計算された一致度と各ＷＥＢ文書の重要度とを総合して、情報検索結果の出力順を決定する総合ランキング計算手段と、を備えたことを特徴とする情報検索システム。
【請求項２】
リンク元のＷＥＢ文書の重要度が格納された文書重要度テーブルを更に備え、
前記インデックス作成手段は、前記文書重要度テーブルに格納された重要度を反映させた文書インデックスを作成することを特徴とする請求項１に記載の情報検索システム。
【請求項３】
前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定手段を更に備え、
前記インデックス作成手段は、前記文書間関係判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項１又は２に記載の情報検索システム。
【請求項４】
単語に対する重みが登録された参照語辞書と、
前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定手段と、
前記文書間関係判定手段により重みが計算された文書間リンクのアンカーテキストと、前記参照語辞書に登録された単語および重みとを照合して、前記リンクのアンカーテキストに与える重みを計算する参照語辞書一致度判定手段とを更に備え、
前記インデックス作成手段は、前記参照語辞書一致度判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項１ないし３のいずれか１項に記載の情報検索システム。
【請求項５】
ＷＥＢ文書間にリンク情報を備えた文書情報を検索対象とする情報検索方法であって、
リンク抽出手段が、検索対象の複数のＷＥＢ文書から、該文書間における文書間リンク情報を抽出するリンク抽出ステップと、
インデックス作成手段が、前記ＷＥＢ文書と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成するインデックス作成ステップと、
キーワード一致度計算手段が、検索キーワードと、該キーワードを含む、前記インデックス作成手段により作成された文書インデックスの文書との一致度を計算するキーワード一致度計算ステップと、
総合ランキング計算手段が、前記キーワード一致度計算手段により計算された一致度と各ＷＥＢ文書の重要度とを総合して、情報検索結果の出力順を決定する総合ランキング計算ステップと、を備えたことを特徴とする情報検索方法。
【請求項６】
前記インデックス作成ステップは、文書重要度テーブルに格納されたリンク元のＷＥＢ文書の重要度を反映させた文書インデックスを作成することを特徴とする請求項５に記載の情報検索方法。
【請求項７】
文書間関係判定手段が、前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップを更に備え、
前記インデックス作成ステップは、前記文書間関係判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項５又は６に記載の情報検索方法。
【請求項８】
文書間関係判定手段が、前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップと、
参照語辞書一致度判定手段が、前記文書間関係判定手段により重みが計算された文書間リンクのアンカーテキストと、単語に対する重みが登録された参照語辞書内の単語および重みとを照合して、前記リンクのアンカーテキストに与える重みを計算する参照語辞書一致度判定ステップとを更に備え、
前記インデックス作成ステップは、前記参照語辞書一致度判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項５ないし７のいずれか１項に記載の情報検索方法。
【請求項９】
コンピュータを請求項１ないし４のいずれか１項に記載の各手段として機能させる情報検索プログラム。
【請求項１】
ＷＥＢ文書間にリンク情報を備えた文書情報を検索対象とする情報検索システムであって、
検索対象の複数のＷＥＢ文書から、該文書間における文書間リンク情報を抽出するリンク抽出手段と、
前記ＷＥＢ文書と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成するインデックス作成手段と、
前記インデックス作成手段により作成された文書インデックスが格納された文書インデックス格納手段と、
検索キーワードと、該キーワードを含む前記文書インデックス格納手段内の文書との一致度を計算するキーワード一致度計算手段と、
前記キーワード一致度計算手段により計算された一致度と各ＷＥＢ文書の重要度とを総合して、情報検索結果の出力順を決定する総合ランキング計算手段と、を備えたことを特徴とする情報検索システム。
【請求項２】
リンク元のＷＥＢ文書の重要度が格納された文書重要度テーブルを更に備え、
前記インデックス作成手段は、前記文書重要度テーブルに格納された重要度を反映させた文書インデックスを作成することを特徴とする請求項１に記載の情報検索システム。
【請求項３】
前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定手段を更に備え、
前記インデックス作成手段は、前記文書間関係判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項１又は２に記載の情報検索システム。
【請求項４】
単語に対する重みが登録された参照語辞書と、
前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定手段と、
前記文書間関係判定手段により重みが計算された文書間リンクのアンカーテキストと、前記参照語辞書に登録された単語および重みとを照合して、前記リンクのアンカーテキストに与える重みを計算する参照語辞書一致度判定手段とを更に備え、
前記インデックス作成手段は、前記参照語辞書一致度判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項１ないし３のいずれか１項に記載の情報検索システム。
【請求項５】
ＷＥＢ文書間にリンク情報を備えた文書情報を検索対象とする情報検索方法であって、
リンク抽出手段が、検索対象の複数のＷＥＢ文書から、該文書間における文書間リンク情報を抽出するリンク抽出ステップと、
インデックス作成手段が、前記ＷＥＢ文書と、該ＷＥＢ文書に張られた文書間リンクのアンカーテキストを、全文検索用の単位に分割してアンカーテキストを含む文書間リンクの特徴を反映させた文書インデックスを作成するインデックス作成ステップと、
キーワード一致度計算手段が、検索キーワードと、該キーワードを含む、前記インデックス作成手段により作成された文書インデックスの文書との一致度を計算するキーワード一致度計算ステップと、
総合ランキング計算手段が、前記キーワード一致度計算手段により計算された一致度と各ＷＥＢ文書の重要度とを総合して、情報検索結果の出力順を決定する総合ランキング計算ステップと、を備えたことを特徴とする情報検索方法。
【請求項６】
前記インデックス作成ステップは、文書重要度テーブルに格納されたリンク元のＷＥＢ文書の重要度を反映させた文書インデックスを作成することを特徴とする請求項５に記載の情報検索方法。
【請求項７】
文書間関係判定手段が、前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップを更に備え、
前記インデックス作成ステップは、前記文書間関係判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項５又は６に記載の情報検索方法。
【請求項８】
文書間関係判定手段が、前記リンク抽出手段により抽出された文書間リンク情報に基づいて文書間の関係を判定し、該リンクに与える重みを計算する文書間関係判定ステップと、
参照語辞書一致度判定手段が、前記文書間関係判定手段により重みが計算された文書間リンクのアンカーテキストと、単語に対する重みが登録された参照語辞書内の単語および重みとを照合して、前記リンクのアンカーテキストに与える重みを計算する参照語辞書一致度判定ステップとを更に備え、
前記インデックス作成ステップは、前記参照語辞書一致度判定手段により計算された重みを反映させた文書インデックスを作成することを特徴とする請求項５ないし７のいずれか１項に記載の情報検索方法。
【請求項９】
コンピュータを請求項１ないし４のいずれか１項に記載の各手段として機能させる情報検索プログラム。
【図１】
【公開番号】特開２０１１−３９７１７（Ｐ２０１１−３９７１７Ａ）
【公開日】平成２３年２月２４日（２０１１．２．２４）
【国際特許分類】
【出願番号】特願２００９−１８５３６９（Ｐ２００９−１８５３６９）
【出願日】平成２１年８月１０日（２００９．８．１０）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【出願人】（５０４１２６８３５）エヌ・ティ・ティ レゾナント株式会社 (60)
【Ｆターム（参考）】
【公開日】平成２３年２月２４日（２０１１．２．２４）
【国際特許分類】
【出願日】平成２１年８月１０日（２００９．８．１０）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【出願人】（５０４１２６８３５）エヌ・ティ・ティ レゾナント株式会社 (60)
【Ｆターム（参考）】
[ Back to top ]