検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システム
【課題】入力されたキーワードに対して適切なキーワードを出力できる検索クエリ関連単語出力装置を提供すること。
【解決手段】検索クエリ関連単語出力装置１０は、ウェブコーパスを記憶するウェブコーパスＤＢ１７と、因果関係モデルに基づいて定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記ウェブコーパスを解析して各ノードに該当する単語を抽出する属性解析部１２と、第１ノードに含まれる単語と第２ノードに含まれる単語の共起頻度に基づく因果関係情報を記憶する因果関係ＤＢ１８と、入力されたキーワードに対応する第１ノードを判定するノード判定部１５と、ノード判定部１５で判定された第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する出力部１６とを備える。
【解決手段】検索クエリ関連単語出力装置１０は、ウェブコーパスを記憶するウェブコーパスＤＢ１７と、因果関係モデルに基づいて定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記ウェブコーパスを解析して各ノードに該当する単語を抽出する属性解析部１２と、第１ノードに含まれる単語と第２ノードに含まれる単語の共起頻度に基づく因果関係情報を記憶する因果関係ＤＢ１８と、入力されたキーワードに対応する第１ノードを判定するノード判定部１５と、ノード判定部１５で判定された第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する出力部１６とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、検索クエリに関連する単語を出力する検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システムに関する。
【背景技術】
【０００２】
インターネット上の情報を検索するシステムとして、キーワード検索機能を備えたサーチエンジンが用いられている。
この際、検索を行うユーザが、適切なキーワードを入力できない可能性もある。このため、キーワードを入力したユーザの検索意図に適したキーワードを抽出する手段を備えた検索装置が提案されている（例えば、特許文献１参照）。
【０００３】
特許文献１では、クエリログに基づき、入力されたキーワードに関連があるキーワードを出力することで、ユーザの検索意図を推測し、適切なキーワードを出力している。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００９−６９８７４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、前記特許文献１では、入力されたキーワードに対して、統計的に関連のあるキーワードを出力しているに過ぎないため、必ずしもユーザの意図を反映したキーワードを出力できないという問題があった。
【０００６】
本発明の目的は、入力されたキーワードに対して適切なキーワードを出力できる検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システムを提供することにある。
【課題を解決するための手段】
【０００７】
本発明の検索クエリ関連単語出力装置は、ウェブコーパスを記憶するコーパス記憶部と、あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析部と、前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を記憶する因果関係記憶部と、入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定部と、前記ノード判定部で判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力部と、を備えることを特徴とする。
【０００８】
本発明において、ウェブコーパスとは、ウェブ（ＷＥＢ）ページから収集されたテキスト情報を構造化したものである。
本発明によれば、属性解析部は、あらかじめ設定された因果関係モデルに基づいてコーパス記憶部に記憶されたウェブコーパスのデータを解析する。具体的には、属性解析部は、単語の属性によって定義される第１ノードおよび第２ノードを前記因果関係モデルによって設定し、さらに、各ノードに該当する単語を抽出する抽出条件を前記因果関係モデルによって設定する。そして、属性解析部は、前記抽出条件でウェブコーパスを解析して、各ノードに該当する単語を抽出する。たとえば、外出するための情報を検索する意図に対応した因果関係モデルとして、第１ノードに地名、第２ノードにオブジェクト・イベントを設定した場合、前記抽出条件には、たとえば、地名＋格助詞「で」＋オブジェクト・イベントに関する名詞といったものが設定される。この場合、「新宿で食事をする」という文であれば、「新宿（属性：地名）」が第１ノードの単語として抽出され、「食事（属性：イベント）」が第２ノードの単語として抽出される。
このように抽出された単語と、これらの単語の共起頻度とに基づく因果関係情報は因果関係記憶部に記憶される。従って、因果関係情報は、単語の属性（地名やイベントなど）に基づいて定義される第１ノードおよび第２ノードと、第１，２ノードの各単語の共起頻度（前記例では、新宿と食事の単語が共に含まれる文の抽出件数）や、その共起確率の情報である。この際、因果関係モデルとしては、各ノード間を特定の方向性を有するリンクで結合するベイジアンネットワークを採用してもよいし、方向性を有さない無向リンクで結合するマルコフネットワークを採用してもよい。
【０００９】
このように、本発明によれば、属性解析部は、あらかじめ設定された因果関係モデルに基づいてウェブコーパスを分析して各ノードに該当する単語を抽出する。そして、因果関係記憶部は、この単語の抽出によって得られる因果関係情報を記憶する。
このため、ノード判定部によって、ユーザが入力したキーワードの第１ノードを判定し、単語出力部によって、前記第１ノードに対応する第２ノードを前記因果関係情報から求め、その中で共起確率の高い単語を判定して出力することができる。
この際、因果関係モデルをあらかじめ設定し、属性解析部は、この因果関係モデルに基づいてウェブコーパスを分析して各ノードに該当する単語を抽出しているので、第１ノードの各単語に関連性（因果関係）の高い単語を第２ノードから容易に求めることができる。
従って、入力されたキーワードに対して、単に共起確率の高い単語を出力するのではなく、そのキーワードに対して因果関係の高い単語を出力できる。よって、そのキーワードを入力してウェブ上の情報を検索しようとするユーザの意図にあった単語を出力できるので、ユーザが入力したキーワードと、出力された単語とを含むクエリでウェブ情報を検索すれば、ユーザが求める情報を検索できる確率も高くできる。
【００１０】
本発明の検索クエリ関連単語出力装置において、前記第１ノードに対応する第２ノードが複数設定されている場合、前記単語出力部で判定している第２ノードの各単語の共起確率は、各第２ノードにおけるすべての単語の共起頻度の合計値に対する各単語の共起頻度の割合で求められ、前記単語出力部は、すべての第２ノードの単語の中で最も共起確率の高い単語を判定して出力することが好ましい。
【００１１】
この発明では、第２ノードが複数設定されている場合に、第２ノードごとに単語の共起確率を求めているので、すべての第２ノードのなかで共起頻度が高い単語を選択する場合に比べて、ノードの属性の影響を受けずに適切な単語を選択できる。
たとえば、外出時の情報検索用に適した因果関係モデルとして、「外出理由」、「外出先の施設、地名」、「外出時の行為」、「外出目的やイベント」の４つのノードを設定した場合、「行為」ノードは、「食べる、飲む、買う、見る」など単語数が他のノードに比べて少ない場合がある。このようにノードの属性によって、そのノードに含まれる単語数に大きな差があると、単語数の少ないノードのほうが、共起頻度が高くなる可能性が高い。従って、複数の第２ノードが存在する場合に、共起頻度が高い単語を選択すると、単語数が少ない属性のノードの単語が選択されてしまう。これに対し、各ノードごとに共起確率を算出すれば、前記属性による単語数の偏りが影響せず、より適切な単語を選択することができる。
【００１２】
本発明の検索クエリ関連単語出力装置において、前記因果関係モデルは、外出用の情報を得るためのクエリに対応するものであり、外出理由の属性を有する単語からなる「理由」ノードと、外出先の施設名または地名の属性を有する単語からなる「施設、地名」ノードと、外出時の行為の属性を有する単語からなる「行為」ノードと、外出目的やイベントの属性を有する単語からなる「オブジェクト・イベント」ノードと、の４つのノードを備えることが好ましい。
【００１３】
この発明では、因果関係モデルとして、「理由」、「施設、地名」、「行為」、「オブジェクト・イベント」の４種類のノードを設定しているので、特に外出時に有用な情報を検索するクエリに適した単語を出力できる。
【００１４】
本発明は、ウェブコーパスを記憶するコーパス記憶部と、因果関係情報を記憶する因果関係記憶部とを備えた検索クエリ関連単語出力装置における検索クエリ関連単語出力方法であって、あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析ステップと、前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を前記因果関係記憶部に記憶する因果関係記憶ステップと、入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定ステップと、前記ノード判定ステップで判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力ステップと、を備えることを特徴とする。
【００１５】
本発明においても、前記検索クエリ関連単語出力装置と同じく、入力されたキーワードに対して、単に共起確率の高い単語を出力するのではなく、そのキーワードに対して因果関係の高い単語を出力できる。よって、そのキーワードを入力してウェブ上の情報を検索しようとするユーザの意図にあった単語を出力できるので、ユーザが入力したキーワードと、出力された単語とを含むクエリでウェブ情報を検索すれば、ユーザが求める情報を検索できる確率も高くできる。
【００１６】
本発明は、前記検索クエリ関連単語出力装置と、前記検索クエリ関連単語出力装置にネットワークを介して接続されたユーザ端末とを備えた検索補助システムであって、前記ユーザ端末は、入力されたキーワードを前記検索クエリ関連単語出力装置に送信し、前記検索クエリ関連単語出力装置は、前記ユーザ端末から送信されたキーワードを取得するクエリ取得部を有し、前記単語出力部は、前記クエリ取得部で取得されたキーワードおよび前記単語出力部で求められた単語を組み合わせたクエリを、前記ユーザ端末に対して出力することを特徴とする。
【００１７】
この本発明では、ユーザは、ユーザ端末に検索用のキーワードを入力すれば、そのキーワードに対して因果関係の高い単語が付加されたクエリが、検索クエリ関連単語出力装置から出力される。このため、ユーザ端末に前記検索クエリ関連単語出力装置から出力されたクエリを表示でき、ユーザが自分の検索意図に適した単語が含まれるクエリを選択して検索することができるので、ユーザが求める情報を適切に検索できる。
【図面の簡単な説明】
【００１８】
【図１】本発明の実施形態にかかる検索システム１の構成を示すブロック図。
【図２】本実施形態の因果関係モデルを示す図。
【図３】本実施形態の「施設、地名」ノードの一例を示す図。
【図４】本実施形態の「理由」ノードの一例を示す図。
【図５】本実施形態の「施設、地名」ノードと「行為」ノードの関係を示す図。
【図６】本実施形態の各ノードに該当する単語の例を示す図。
【図７】本実施形態の第１ノードの単語が「六本木タワー」の場合の各単語の共起確率を示す図。
【図８】本実施形態のウェブコーパス収集解析処理を示すフローチャート。
【図９】本実施形態の関連単語出力処理を示すフローチャート。
【図１０】因果関係モデルの他の例を示す図。
【図１１】因果関係モデルの他の例を示す図。
【発明を実施するための形態】
【００１９】
以下、本発明の実施形態を図面に基づいて説明する。
図１には、本発明の検索クエリ関連単語出力装置を用いた検索システム１を示す。
検索システム１は、検索クエリ関連単語出力装置１０と、ウェブページの情報を収集・検索する情報検索装置２０と、ユーザ端末３０とを備えている。検索クエリ関連単語出力装置１０および情報検索装置２０と、ユーザ端末３０とは、図示略のインターネットを介して通信可能に構成されている。また、後述するように、検索クエリ関連単語出力装置１０およびユーザ端末３０によって、本発明の検索補助システムが構成されている。
【００２０】
インターネットは、ＴＣＰ／ＩＰなどの汎用のプロトコルに基づくインターネットである。各ユーザ端末３０は、移動しながらインターネットに接続可能であることが好ましい。このため、ユーザ端末３０は、携帯電話網を介してインターネットに接続したり、無線ＬＡＮ（ＬＯＣＡＬ ＡＲＥＡ ＮＥＴＷＯＲＫ）を介してインターネットに接続する。
なお、ユーザ端末３０を検索クエリ関連単語出力装置１０や情報検索装置２０に接続させるための構成は、インターネットに限定されず、無線媒体により情報が送受信可能な複数の基地局がネットワークを構成する通信回線網や放送網などのネットワーク、さらには、データを直接受信するための媒体となる無線媒体自体など、データを送受信させるいずれの構成も利用できる。
【００２１】
検索クエリ関連単語出力装置１０や情報検索装置２０は、ハードウェア構成として、ＲＡＭ（ＲＡＮＤＯＭ ＡＣＣＥＳＳ ＭＥＭＯＲＹ）やＲＯＭ（ＲＥＡＤ ＯＮＬＹ ＭＥＭＯＲＹ）等の図示しない記憶手段と、ＣＰＵ（ＣＥＮＴＲＡＬ ＰＲＯＣＥＳＳＩＮＧ ＵＮＩＴ）等の制御手段と、を備えている。ＲＡＭはデータなどを一時的に記憶できる一時領域などを有しており、ＲＯＭはＯＳ（ＯＰＥＲＡＴＩＮＧ ＳＹＳＴＥＭ：基本ソフトウェア）や各種サーバを制御するプログラム、各種アプリケーション、各種データ等が格納されている。ＣＰＵは、これらの記憶手段に格納されているプログラムを読み出し、このプログラムに従って各種処理を行う。
【００２２】
［情報検索装置］
情報検索装置２０は、図１に示すように、クローラ部２１と、ウェブページデータベース（ＷＥＢページＤＢ）２２と、サーチエンジン２３を備えている。
クローラ部２１は、インターネット上のウェブページを巡回し、その内容を収集し、前記ＷＥＢページＤＢ２２に登録する検索ロボットである。
サーチエンジン２３は、全文検索などを行うものであり、ユーザ端末３０から検索用のキーワードが入力されると、前記ＷＥＢページＤＢ２２を用いてキーワードを検索し、その検索結果をユーザ端末３０に出力する。
このような情報検索装置２０は、従来から知られているものであり、詳細な説明は省略する。
【００２３】
［検索クエリ関連単語出力装置］
検索クエリ関連単語出力装置１０は、図１に示すように、ウェブコーパス取得部１１、属性解析部１２、ＣＰＴテーブル作成部１３、クエリ取得部１４、ノード判定部１５、単語出力部である出力部１６、コーパス記憶部であるウェブコーパスデータベース（ウェブコーパスＤＢ）１７、因果関係記憶部である因果関係データベース（因果関係ＤＢ）１８を備える。
【００２４】
ウェブコーパス取得部１１は、情報検索装置２０のＷＥＢページＤＢ２２を解析してウェブコーパスを取得し、ウェブコーパスＤＢ１７に登録する。
ウェブコーパス取得部１１におけるウェブコーパスの取得（作成）方法は、周知技術であるため詳細な説明は省略する。
【００２５】
属性解析部１２は、前記ウェブコーパスＤＢ１７に記憶されたウェブコーパスを解析する。具体的には、属性解析部１２は、あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する。
【００２６】
この属性解析部１２における処理を、具体例に基づいて説明する。
まず、属性解析部１２において設定される因果関係モデルの一例について、図２に基づいて説明する。
図２に示す因果関係モデルは、外出意図（お出かけ意図）を有するユーザがキーワード検索する場合のモデルであり、ノードおよび有向リンクを備えるベイジアンネットワークで表現されている。すなわち、ノードとして、「理由」、「施設、地名」、「行為」、「オブジェクト・イベント」の４つの属性のノード４１〜４４を設定している。
【００２７】
また、各ノード４１〜４４間の有向リンク４５〜４９には、リンク元の第１ノードからリンク先の第２ノードに遷移する場合に、各ノードに該当する単語を抽出する抽出条件が設定されている。この抽出条件は、述語項構造や理由節に基づいて各ノードに該当する単語間の意味関係を解析するために設定された条件である。
たとえば、「理由」ノード４１を第１ノードとし、「施設、地名」ノード４２を第２ノードとした場合に各ノードに含まれる単語間の関係は、ウェブコーパスにおいて、外出理由を説明する「ノデ節」や「タメ節」の名詞が「理由」ノード４１の単語となり、「デ格」、「へ格」、「ニ格」のように特定の動詞と共に用いられて外出先の施設や地名を表す名詞が「施設、地名」ノード４２の単語となる。
同様に、「理由」ノード４１を第１ノードとし、「行為」ノード４３を第２ノードとした場合に各ノードに含まれる単語間の関係は、「ノデ節」、「タメ節」、「デ格」に用いられる名詞が「理由」ノード４１の単語となり、「食べる、見る」などの行為を表す動詞が「行為」ノード４３の単語となる。
また、「施設、地名」ノード４２を第１ノードとし、「オブジェクト・イベント」ノード４４を第２ノードとした場合に各ノードに含まれる単語間の関係は、場所を示す「デ格」や「へ格」で用いられる名詞が「施設、地名」ノード４２の単語となり、対象を示す「ヲ格」で用いられる名詞が「オブジェクト・イベント」ノード４４の単語となる。
さらに、「行為」ノード４３を第１ノードとし、「オブジェクト・イベント」ノード４４を第２ノードとした場合に各ノードに含まれる単語間の関係は、対象を示す「デ格」や「ヲ格」で用いられる名詞が「オブジェクト・イベント」ノード４４の単語となり、動詞が「行為」ノード４３の単語となる。
【００２８】
このため、たとえば、「空腹なので、新宿で、ハンバーガーを食べる。」という文を、属性解析部１２が解析すると、ノデ節である「空腹なので」の名詞「空腹」が「理由」ノード４１の単語として抽出され、デ格でありかつ地名を示す名詞「新宿」が「施設、地名」ノード４２の単語として抽出され、ヲ格で用いられる名詞「ハンバーガー」が「オブジェクト・イベント」ノード４４の単語として抽出され、動詞「食べる」が「行為」ノード４３の単語として抽出される。
なお、図２に示す因果関係モデルは一例であり、他の因果関係モデルを設定することも可能である。たとえば、「施設、地名」ノード４２を第１ノードとし、「理由」ノード４１を第２ノードとする因果関係モデルを設定することもできる。すなわち、各ノード、有向リンク、単語の抽出条件は、因果関係モデルに応じて設定すればよい。因果関係モデル自体は、検索クエリ関連単語出力装置１０を運営する会社の担当者などが、データ分析などに基づいて設計すればよい。
【００２９】
図３には、９個の施設名と、４個の地名を手がかり語として設定し、ウェブコーパスＤＢ１７から、これらの語句が含まれる文を取得した結果（抽出文数）が記載されている。
そして、属性解析部１２は、抽出された文に対し、さらに、以下の手がかり語が含まれているもの、つまり前記施設名や地名と、以下の手がかり語との共起を抽出条件として用いて、述語項構造＋理由節を取得する。
手がかり語としては、動詞、動詞に係る格助詞、理由節の３種類を設定した。そして、動詞としては、「食べる、飲む、買う、見る、遊ぶ」の５個を設定した。また、動詞に係る格助詞としては、「で、へ、に、を」の４個を設定した。さらに、理由節としては、「ため、ので」の２個を設定した。
【００３０】
図４には、上記抽出条件で抽出した「理由」ノード４１の値（単語）と、その頻度（抽出文数）の例が記載されている。
図５には、上記抽出条件で抽出した「施設名」ノード４２の値（インスタンス）と、各施設がどのような種類の施設であるのかを示す属性（クラス）と、「施設名」ノード４２に共起する「行為」ノード４３の各動詞の頻度（抽出文数）の例が記載されている。この例は、手がかり語である施設名の単語＋格助詞「デ」＋動詞の文を抽出したものである。
【００３１】
図６には、属性解析部１２による解析結果（マイニング結果）に基づく、各ノード４１〜４４の値（単語）の例を示す。
すなわち、「理由」ノード４１には、「空腹、時間の都合、場所の都合、イベント、天候、旅行」などの単語が抽出されている。また、「施設、地名」ノード４２には、「居酒屋、ラーメン屋」などの施設名と、「新宿」などの地名の単語が抽出されている。
さらに、「オブジェクト・イベント」ノード４４には、「食事、夕食、映画」などの単語が抽出され、「行為」ノード４３には、「食べる、飲む、買う、見る」などの単語が抽出されている。
【００３２】
属性解析部１２は、以上のマイニング結果により得られたグラフ構造、具体的には図２に示すベイジアンネットワークを、因果関係ＤＢ１８に記憶する。
【００３３】
ＣＰＴテーブル作成部１３は、ＣＰＴ（ＣＯＮＤＩＴＩＯＮＡＬ ＰＲＯＢＡＢＩＬＩＴＹ ＴＡＢＬＥ：条件付き確率表）を作成する。ＣＰＴは、各ノード４１〜４４の値（単語）の頻度を、ノード４１〜４４ごとの頻度合計に対する割合（確率）として正規化したものである。
【００３４】
図７には、第１ノードの単語として施設名である「六本木タワー」を選択した場合のＣＰＴ５０の例が示されている。各ノード４１〜４４における各単語の確率は、合計値が「１」となるように正規化されている。
すなわち、「施設、地名」ノード４２では、「六本木タワー」の確率が「１」となり、他の単語の確率は「０」となる。
また、「行為」ノード４３では、４つの単語「食べる、飲む、買う、見る」のいずれもが、施設名「六本木タワー」と共起する例があり、その頻度に基づく確率も図７に示すように各単語でほぼ同程度であった。具体的には、「見る」の単語の確率が「０．２６０５」で最も高かったが、他の単語の確率も０．２５前後であり、それほど大きな違いはなかった。
【００３５】
さらに、「理由」ノード４１では、図７に示すように、「出張」や「定休日」のように施設名「六本木タワー」と共起する単語と、「空腹」や「天候」のように共起しない単語とがある。この中では、「出張」の単語の確率が「０．５２１」で最も高く、他の単語の確率は０．１５以下と小さかった。
「オブジェクト・イベント」ノード４４では、図７に示すように、「映画」の単語の確率が「０．２９０５」で一番高く、「食事」の単語の確率が「０．２０１５」で二番目に高く、他の単語の確率は０．１２以下と小さかった。
【００３６】
ＣＰＴテーブル作成部１３は、図７に示すような、ＣＰＴ５０を作成し、因果関係ＤＢ１８に記憶する。
従って、因果関係ＤＢ１８には、属性解析部１２のマイニング結果により得た図２に示すようなグラフ構造と、ＣＰＴテーブル作成部１３により得た各ノードに割り当てた条件付き確率の集合（ＣＰＴ５０）によって構成されるベイジアンネットワークが記憶されていることになる。
【００３７】
クエリ取得部１４は、ユーザ端末３０から入力されたキーワードを取得し、ノード判定部１５に出力する。
ノード判定部１５は、入力されたキーワードの属性を判定して第１ノードを特定する。
さらに、出力部１６は、入力されたキーワードが第１ノードの単語となった場合の第２ノードにおける単語を、確率の高いものから抽出する。
たとえば、入力されたキーワードが「六本木タワー」の場合、その単語の属性は施設名であるため、ノード判定部１５は、第１ノードは「施設、地名」ノード４２であると判定する。
そして、出力部１６は、第２ノードとなる他のノード「理由」、「行為」、「オブジェクト・イベント」のなかで、共起確率が高い単語を関連単語の候補とする。図７の例では、「出張」の確率が０．５２１で最も高く、「映画」が０．２９０５で２番目に高い。出力部１６において、最も共起確率が高い単語のみを候補とする場合には、「出張」を候補とし、共起確率が高い順に２番目までを候補とする場合には、「出張」、「映画」が候補となる。
【００３８】
出力部１６は、この関連単語の候補を、入力されたクエリ（キーワード）とともにユーザ端末３０に出力する。
上記第２ノードの各単語は、入力されたキーワードの属性が施設（第１ノード）の場合に、「行為」、「オブジェクト・イベント」、「理由」の各ノードにおいて頻度の高い単語、つまりウェブ上の文章において出願する頻度が高い単語であり、入力されたキーワードに関係性の高い単語と多くの人が認識しているものになる。このため、そのキーワードを入力したユーザの意図に沿った単語を出力することができる可能性が高い。従って、ユーザは、出力部１６から出力されてユーザ端末３０に表示されたクエリにおいて、自分の意図に合ったものを選択して入力することができ、この適切な単語でウェブ情報を検索することができるので、ユーザが求める情報を検索候補の上位に表示できる。
たとえば、図１に示すように、ユーザ端末３０で「六本木タワー」と入力すると、検索クエリ関連単語出力装置１０からは、「六本木タワー 出張」、「六本木タワー 映画」の２つのクエリ候補がユーザ端末３０に出力される。
従って、検索クエリ関連単語出力装置１０およびユーザ端末３０により、本願発明の検索補助システムが構成されている。
【００３９】
［検索クエリ関連単語出力装置の動作］
次に、検索クエリ関連単語出力装置１０の処理に関し、図８，９のフローチャートに基づいて説明する。
【００４０】
［ウェブコーパス収集解析処理］
本実施形態の検索クエリ関連単語出力装置１０は、図８に示すように、定期的にウェブコーパスの収集および解析を実行する。なお、この処理間隔は、適宜設定できるが、少なくとも、情報検索装置２０のクローラ部２１による情報収集処理の実行間隔以上の間隔で実行すればよい。すなわち、クローラ部２１による情報収集が行われないと、ウェブコーパスの情報更新も行われないためである。
【００４１】
検索クエリ関連単語出力装置１０がウェブコーパス収集解析処理を開始すると、まず、ウェブコーパス取得部１１が情報検索装置２０にアクセスし、ＷＥＢページＤＢ２２からウェブコーパスを取得する（ステップＳ１）。
そして、ウェブコーパス取得部１１は、取得したウェブコーパスをウェブコーパスＤＢ１７に記憶する（ステップＳ２）。
【００４２】
次に、属性解析部１２は、ウェブコーパスＤＢ１７のデータをマイニングしてグラフ構造を取得する（ステップＳ３）。
また、ＣＰＴテーブル作成部１３は、属性解析部１２でマイニングされた結果に基づきＣＰＴを作成する（ステップＳ４）。
そして、属性解析部１２およびＣＰＴテーブル作成部１３は、前記グラフ構造およびＣＰＴ（つまりベイジアンネットワーク）を因果関係ＤＢ１８に記憶する（ステップＳ５）。
【００４３】
その後、検索クエリ関連単語出力装置１０は、予め設定された処理間隔（たとえば１２時間間隔など）が経過したかを判定する（ステップＳ６）。
検索クエリ関連単語出力装置１０は、Ｓ６で処理間隔が経過して「ＹＥＳ」と判定した場合、ステップＳ１〜Ｓ５の処理を繰り返す。
一方、検索クエリ関連単語出力装置１０は、Ｓ６で「ＮＯ」と判定した場合、Ｓ６の判定処理を繰り返す。
【００４４】
［関連単語出力処理］
次に、ユーザ端末３０において、検索用のキーワードが入力された場合の処理について、図９を参照して説明する。
検索クエリ関連単語出力装置１０のクエリ取得部１４は、ユーザ端末３０から送信されるキーワードを取得する（ステップＳ１１）。
次に、ノード判定部１５は、クエリ取得部１４で取得したキーワードを解析し、そのキーワードに対応する第１ノードを判定する（ステップＳ１２）。
【００４５】
次に、出力部１６は、ノード判定部１５で判定された第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率が高い単語（関連単語）を、因果関係ＤＢ１８から求めて出力する（ステップＳ１３）。この際、単語の出力数としては、共起確率が高い順に所定数（たとえば２つ）としてもよいし、共起確率が所定値以上のものを出力してもよい。
また、本実施形態の出力部１６は、前記関連単語と、ユーザ端末３０で入力されたキーワードを組み合わせたクエリを、ユーザ端末３０に出力する（ステップＳ１３）。
以上により、関連単語出力処理が終了し、検索クエリ関連単語出力装置１０は、ユーザ端末３０からキーワードが入力されるたびに、前記ステップＳ１１〜Ｓ１３の処理を実行する。
【００４６】
ユーザ端末３０においては、ユーザが入力したキーワードに、検索クエリ関連単語出力装置１０から出力された関連単語を組み合わせたクエリ候補が表示される。そして、ユーザが表示されたクエリ候補から検索意図に合ったものを選択すると、ユーザ端末３０は、サーチエンジン２３にクエリを出力し、その検索結果を取得して表示する。
従って、前記ステップＳ３，Ｓ４により本願発明の属性解析ステップが構成され、ステップＳ５により本願発明の因果関係記憶ステップが構成され、ステップＳ１２により本願発明のノード判定ステップが構成され、ステップＳ１３により本願発明の単語出力ステップが構成される。
【００４７】
［実施形態の作用効果］
以上の実施形態によれば、以下の作用効果を奏することができる。
検索クエリ関連単語出力装置１０は、ウェブコーパスを解析した因果関係ＤＢ１８を作成し、入力したキーワードの属性を判定し、このキーワードに関係する単語を出力部１６により出力しているので、ユーザ端末３０に表示されたクエリにおいて、自分の意図に合ったものを選択して入力することができ、この適切な単語でウェブ情報を検索することができるので、ユーザが求める情報を検索できる。
【００４８】
また、属性解析部１２は、あらかじめ設定された因果関係モデルに基づいてウェブコーパスをマイニングしているので、単に共起確率が高い単語を選択して出力する場合に比べ、ユーザの検索意図に沿った単語を出力することができる。
すなわち、属性解析部１２は、外出意図で検索する場合の因果関係モデルとして、４種類の属性（理由、施設or地名、行為、オブジェクト・イベント）を各ノード４１〜４４として設定し、ノード判定部１５は、入力されたキーワードの属性から第１ノードを判定し、出力部１６は、判定された第１ノードに対応する第２ノードに分類された単語から共起確率の高い単語を判定して出力している。このため、キーワード検索するユーザが求める情報に関連性の高い属性の単語を出力でき、ユーザの検索意図に沿ったクエリを出力できる。
【００４９】
さらに、各単語の共起確率は、ノードごとに正規化しているので、適切な単語を選択して出力できる。すなわち、各単語の共起確率を、すべてのノードの単語全体の頻度に対する各単語の頻度で求めると、たとえば、「行為」ノード４３のように、単語数（選択肢）が少ないノードに含まれる単語の共起確率が高くなり、選択肢が多い「理由」ノード４１や「オブジェクト・イベント」ノード４４の単語の共起確率は低くなる。一方、本実施形態では、ノードごとに正規化、つまりそのノードに属する単語の出願頻度の総数に対する各単語の頻度の割合を共起確率としているので、ノードごとの単語数（選択肢）の影響を受けずに単語の共起確率を求めることができる。このため、すべてのノードにおいて、入力されたキーワードに対する共起確率の高い単語を出力できる。この点でも、ユーザの検索意図に沿った単語を出力でき、入力されたキーワードと、検索クエリ関連単語出力装置１０から出力された単語とを組み合わせてクエリとすることで、ユーザの検索意図を考慮したクエリを作成できる。
【００５０】
属性解析部１２は、ウェブコーパスＤＢ１７に記憶されたウェブコーパスを解析しているので、情報検索装置２０のＷＥＢページＤＢ２２を直接解析する場合に比べて、精度の高い分析を短時間で行うことができる。
【００５１】
因果関係ＤＢ１８として、グラフ構造とＣＰＴ５０からなるベイジアンネットワークを用いているので、各ノード間の複雑な表現が可能となり、データの欠損や偏りがあっても適切に処理できるとともに、因果関係を全体で捉えることができる。
【００５２】
［変形例］
なお、本発明は、上述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲で、以下に示される変形をも含むものである。
たとえば、上記実施形態では、属性解析部１２で用いた因果関係モデルとして、図３に示すものを用いていたが、「外出意図」を持ったクエリの因果関係モデルとしては、図１０に示すように、「理由」ノード４１からのリンク４５が「施設、地名」ノード４２のみに接続されたモデルを用いてもよい。この場合、第１ノードとして「理由」ノード４１に該当する属性のキーワードが入力された場合、第２ノードとしては「施設、地名」ノード４２の単語が出力されることになる。外出意図を持ったユーザが「理由」ノード４１のキーワードを入力した場合、その外出先となる「施設、地名」の単語がクエリに含まれていないと、適切な情報を提供することが難しいためである。
【００５３】
また、属性解析部１２で用いる因果関係モデルとしては、図１１に示すように、「理由」ノード４１および「オブジェクト・イベント」ノード４４が、単語ごとＲ１〜Ｒｎ（理由ノード）、Ｏ１〜Ｏｎ（オブジェクト・イベントノード）に分かれて設定されたものでもよい。
さらに、因果関係モデルとしては、ベイジアンネットワークの代わりにマルコフネットワークを用いてもよい。また、決定木や、各単語の組み合わせ頻度による絞り込みを用いてもよいし、ランダムに関係している名詞をつなげたモデルなどでもよい。要するに、因果関係モデルは、検索クエリの意図、具体的には入力されたキーワードの属性などに応じて適切なモデルを設定して利用すればよい。
【００５４】
また、因果関係モデルなどによって、ＣＰＴ５０を作成する必要がない場合には、ＣＰＴテーブル作成部１３を設けずに、属性解析部１２の解析結果を因果関係ＤＢ１８に記憶してもよい。
【００５５】
さらに、上記実施形態では、検索クエリ関連単語出力装置１０と情報検索装置２０とを別々の装置として構成していたが、これらのまとめた１つの装置として構成してもよい。
この場合は、入力されたキーワードと、検索クエリ関連単語出力装置１０で出力された単語とを組み合わせたクエリによってＷＥＢページＤＢ２２を検索し、その検索結果をユーザ端末３０に自動的に出力するようにしてもよい。
【産業上の利用可能性】
【００５６】
本発明は、入力されたキーワードに対して適切なキーワードを出力できる検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システムとして利用できる。
【符号の説明】
【００５７】
１…検索システム、１０…検索クエリ関連単語出力装置、１１…ウェブコーパス取得部、１２…属性解析部、１３…ＣＰＴテーブル作成部、１４…クエリ取得部、１５…ノード判定部、１６…出力部、１７…ウェブコーパスデータベース（ウェブコーパスＤＢ）、１８…因果関係データベース（因果関係ＤＢ）、２０…情報検索装置、２１…クローラ部、２２…ウェブページデータベース（ＷＥＢページＤＢ）、２３…サーチエンジン、３０…ユーザ端末。
【技術分野】
【０００１】
本発明は、検索クエリに関連する単語を出力する検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システムに関する。
【背景技術】
【０００２】
インターネット上の情報を検索するシステムとして、キーワード検索機能を備えたサーチエンジンが用いられている。
この際、検索を行うユーザが、適切なキーワードを入力できない可能性もある。このため、キーワードを入力したユーザの検索意図に適したキーワードを抽出する手段を備えた検索装置が提案されている（例えば、特許文献１参照）。
【０００３】
特許文献１では、クエリログに基づき、入力されたキーワードに関連があるキーワードを出力することで、ユーザの検索意図を推測し、適切なキーワードを出力している。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００９−６９８７４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、前記特許文献１では、入力されたキーワードに対して、統計的に関連のあるキーワードを出力しているに過ぎないため、必ずしもユーザの意図を反映したキーワードを出力できないという問題があった。
【０００６】
本発明の目的は、入力されたキーワードに対して適切なキーワードを出力できる検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システムを提供することにある。
【課題を解決するための手段】
【０００７】
本発明の検索クエリ関連単語出力装置は、ウェブコーパスを記憶するコーパス記憶部と、あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析部と、前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を記憶する因果関係記憶部と、入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定部と、前記ノード判定部で判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力部と、を備えることを特徴とする。
【０００８】
本発明において、ウェブコーパスとは、ウェブ（ＷＥＢ）ページから収集されたテキスト情報を構造化したものである。
本発明によれば、属性解析部は、あらかじめ設定された因果関係モデルに基づいてコーパス記憶部に記憶されたウェブコーパスのデータを解析する。具体的には、属性解析部は、単語の属性によって定義される第１ノードおよび第２ノードを前記因果関係モデルによって設定し、さらに、各ノードに該当する単語を抽出する抽出条件を前記因果関係モデルによって設定する。そして、属性解析部は、前記抽出条件でウェブコーパスを解析して、各ノードに該当する単語を抽出する。たとえば、外出するための情報を検索する意図に対応した因果関係モデルとして、第１ノードに地名、第２ノードにオブジェクト・イベントを設定した場合、前記抽出条件には、たとえば、地名＋格助詞「で」＋オブジェクト・イベントに関する名詞といったものが設定される。この場合、「新宿で食事をする」という文であれば、「新宿（属性：地名）」が第１ノードの単語として抽出され、「食事（属性：イベント）」が第２ノードの単語として抽出される。
このように抽出された単語と、これらの単語の共起頻度とに基づく因果関係情報は因果関係記憶部に記憶される。従って、因果関係情報は、単語の属性（地名やイベントなど）に基づいて定義される第１ノードおよび第２ノードと、第１，２ノードの各単語の共起頻度（前記例では、新宿と食事の単語が共に含まれる文の抽出件数）や、その共起確率の情報である。この際、因果関係モデルとしては、各ノード間を特定の方向性を有するリンクで結合するベイジアンネットワークを採用してもよいし、方向性を有さない無向リンクで結合するマルコフネットワークを採用してもよい。
【０００９】
このように、本発明によれば、属性解析部は、あらかじめ設定された因果関係モデルに基づいてウェブコーパスを分析して各ノードに該当する単語を抽出する。そして、因果関係記憶部は、この単語の抽出によって得られる因果関係情報を記憶する。
このため、ノード判定部によって、ユーザが入力したキーワードの第１ノードを判定し、単語出力部によって、前記第１ノードに対応する第２ノードを前記因果関係情報から求め、その中で共起確率の高い単語を判定して出力することができる。
この際、因果関係モデルをあらかじめ設定し、属性解析部は、この因果関係モデルに基づいてウェブコーパスを分析して各ノードに該当する単語を抽出しているので、第１ノードの各単語に関連性（因果関係）の高い単語を第２ノードから容易に求めることができる。
従って、入力されたキーワードに対して、単に共起確率の高い単語を出力するのではなく、そのキーワードに対して因果関係の高い単語を出力できる。よって、そのキーワードを入力してウェブ上の情報を検索しようとするユーザの意図にあった単語を出力できるので、ユーザが入力したキーワードと、出力された単語とを含むクエリでウェブ情報を検索すれば、ユーザが求める情報を検索できる確率も高くできる。
【００１０】
本発明の検索クエリ関連単語出力装置において、前記第１ノードに対応する第２ノードが複数設定されている場合、前記単語出力部で判定している第２ノードの各単語の共起確率は、各第２ノードにおけるすべての単語の共起頻度の合計値に対する各単語の共起頻度の割合で求められ、前記単語出力部は、すべての第２ノードの単語の中で最も共起確率の高い単語を判定して出力することが好ましい。
【００１１】
この発明では、第２ノードが複数設定されている場合に、第２ノードごとに単語の共起確率を求めているので、すべての第２ノードのなかで共起頻度が高い単語を選択する場合に比べて、ノードの属性の影響を受けずに適切な単語を選択できる。
たとえば、外出時の情報検索用に適した因果関係モデルとして、「外出理由」、「外出先の施設、地名」、「外出時の行為」、「外出目的やイベント」の４つのノードを設定した場合、「行為」ノードは、「食べる、飲む、買う、見る」など単語数が他のノードに比べて少ない場合がある。このようにノードの属性によって、そのノードに含まれる単語数に大きな差があると、単語数の少ないノードのほうが、共起頻度が高くなる可能性が高い。従って、複数の第２ノードが存在する場合に、共起頻度が高い単語を選択すると、単語数が少ない属性のノードの単語が選択されてしまう。これに対し、各ノードごとに共起確率を算出すれば、前記属性による単語数の偏りが影響せず、より適切な単語を選択することができる。
【００１２】
本発明の検索クエリ関連単語出力装置において、前記因果関係モデルは、外出用の情報を得るためのクエリに対応するものであり、外出理由の属性を有する単語からなる「理由」ノードと、外出先の施設名または地名の属性を有する単語からなる「施設、地名」ノードと、外出時の行為の属性を有する単語からなる「行為」ノードと、外出目的やイベントの属性を有する単語からなる「オブジェクト・イベント」ノードと、の４つのノードを備えることが好ましい。
【００１３】
この発明では、因果関係モデルとして、「理由」、「施設、地名」、「行為」、「オブジェクト・イベント」の４種類のノードを設定しているので、特に外出時に有用な情報を検索するクエリに適した単語を出力できる。
【００１４】
本発明は、ウェブコーパスを記憶するコーパス記憶部と、因果関係情報を記憶する因果関係記憶部とを備えた検索クエリ関連単語出力装置における検索クエリ関連単語出力方法であって、あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析ステップと、前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を前記因果関係記憶部に記憶する因果関係記憶ステップと、入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定ステップと、前記ノード判定ステップで判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力ステップと、を備えることを特徴とする。
【００１５】
本発明においても、前記検索クエリ関連単語出力装置と同じく、入力されたキーワードに対して、単に共起確率の高い単語を出力するのではなく、そのキーワードに対して因果関係の高い単語を出力できる。よって、そのキーワードを入力してウェブ上の情報を検索しようとするユーザの意図にあった単語を出力できるので、ユーザが入力したキーワードと、出力された単語とを含むクエリでウェブ情報を検索すれば、ユーザが求める情報を検索できる確率も高くできる。
【００１６】
本発明は、前記検索クエリ関連単語出力装置と、前記検索クエリ関連単語出力装置にネットワークを介して接続されたユーザ端末とを備えた検索補助システムであって、前記ユーザ端末は、入力されたキーワードを前記検索クエリ関連単語出力装置に送信し、前記検索クエリ関連単語出力装置は、前記ユーザ端末から送信されたキーワードを取得するクエリ取得部を有し、前記単語出力部は、前記クエリ取得部で取得されたキーワードおよび前記単語出力部で求められた単語を組み合わせたクエリを、前記ユーザ端末に対して出力することを特徴とする。
【００１７】
この本発明では、ユーザは、ユーザ端末に検索用のキーワードを入力すれば、そのキーワードに対して因果関係の高い単語が付加されたクエリが、検索クエリ関連単語出力装置から出力される。このため、ユーザ端末に前記検索クエリ関連単語出力装置から出力されたクエリを表示でき、ユーザが自分の検索意図に適した単語が含まれるクエリを選択して検索することができるので、ユーザが求める情報を適切に検索できる。
【図面の簡単な説明】
【００１８】
【図１】本発明の実施形態にかかる検索システム１の構成を示すブロック図。
【図２】本実施形態の因果関係モデルを示す図。
【図３】本実施形態の「施設、地名」ノードの一例を示す図。
【図４】本実施形態の「理由」ノードの一例を示す図。
【図５】本実施形態の「施設、地名」ノードと「行為」ノードの関係を示す図。
【図６】本実施形態の各ノードに該当する単語の例を示す図。
【図７】本実施形態の第１ノードの単語が「六本木タワー」の場合の各単語の共起確率を示す図。
【図８】本実施形態のウェブコーパス収集解析処理を示すフローチャート。
【図９】本実施形態の関連単語出力処理を示すフローチャート。
【図１０】因果関係モデルの他の例を示す図。
【図１１】因果関係モデルの他の例を示す図。
【発明を実施するための形態】
【００１９】
以下、本発明の実施形態を図面に基づいて説明する。
図１には、本発明の検索クエリ関連単語出力装置を用いた検索システム１を示す。
検索システム１は、検索クエリ関連単語出力装置１０と、ウェブページの情報を収集・検索する情報検索装置２０と、ユーザ端末３０とを備えている。検索クエリ関連単語出力装置１０および情報検索装置２０と、ユーザ端末３０とは、図示略のインターネットを介して通信可能に構成されている。また、後述するように、検索クエリ関連単語出力装置１０およびユーザ端末３０によって、本発明の検索補助システムが構成されている。
【００２０】
インターネットは、ＴＣＰ／ＩＰなどの汎用のプロトコルに基づくインターネットである。各ユーザ端末３０は、移動しながらインターネットに接続可能であることが好ましい。このため、ユーザ端末３０は、携帯電話網を介してインターネットに接続したり、無線ＬＡＮ（ＬＯＣＡＬ ＡＲＥＡ ＮＥＴＷＯＲＫ）を介してインターネットに接続する。
なお、ユーザ端末３０を検索クエリ関連単語出力装置１０や情報検索装置２０に接続させるための構成は、インターネットに限定されず、無線媒体により情報が送受信可能な複数の基地局がネットワークを構成する通信回線網や放送網などのネットワーク、さらには、データを直接受信するための媒体となる無線媒体自体など、データを送受信させるいずれの構成も利用できる。
【００２１】
検索クエリ関連単語出力装置１０や情報検索装置２０は、ハードウェア構成として、ＲＡＭ（ＲＡＮＤＯＭ ＡＣＣＥＳＳ ＭＥＭＯＲＹ）やＲＯＭ（ＲＥＡＤ ＯＮＬＹ ＭＥＭＯＲＹ）等の図示しない記憶手段と、ＣＰＵ（ＣＥＮＴＲＡＬ ＰＲＯＣＥＳＳＩＮＧ ＵＮＩＴ）等の制御手段と、を備えている。ＲＡＭはデータなどを一時的に記憶できる一時領域などを有しており、ＲＯＭはＯＳ（ＯＰＥＲＡＴＩＮＧ ＳＹＳＴＥＭ：基本ソフトウェア）や各種サーバを制御するプログラム、各種アプリケーション、各種データ等が格納されている。ＣＰＵは、これらの記憶手段に格納されているプログラムを読み出し、このプログラムに従って各種処理を行う。
【００２２】
［情報検索装置］
情報検索装置２０は、図１に示すように、クローラ部２１と、ウェブページデータベース（ＷＥＢページＤＢ）２２と、サーチエンジン２３を備えている。
クローラ部２１は、インターネット上のウェブページを巡回し、その内容を収集し、前記ＷＥＢページＤＢ２２に登録する検索ロボットである。
サーチエンジン２３は、全文検索などを行うものであり、ユーザ端末３０から検索用のキーワードが入力されると、前記ＷＥＢページＤＢ２２を用いてキーワードを検索し、その検索結果をユーザ端末３０に出力する。
このような情報検索装置２０は、従来から知られているものであり、詳細な説明は省略する。
【００２３】
［検索クエリ関連単語出力装置］
検索クエリ関連単語出力装置１０は、図１に示すように、ウェブコーパス取得部１１、属性解析部１２、ＣＰＴテーブル作成部１３、クエリ取得部１４、ノード判定部１５、単語出力部である出力部１６、コーパス記憶部であるウェブコーパスデータベース（ウェブコーパスＤＢ）１７、因果関係記憶部である因果関係データベース（因果関係ＤＢ）１８を備える。
【００２４】
ウェブコーパス取得部１１は、情報検索装置２０のＷＥＢページＤＢ２２を解析してウェブコーパスを取得し、ウェブコーパスＤＢ１７に登録する。
ウェブコーパス取得部１１におけるウェブコーパスの取得（作成）方法は、周知技術であるため詳細な説明は省略する。
【００２５】
属性解析部１２は、前記ウェブコーパスＤＢ１７に記憶されたウェブコーパスを解析する。具体的には、属性解析部１２は、あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する。
【００２６】
この属性解析部１２における処理を、具体例に基づいて説明する。
まず、属性解析部１２において設定される因果関係モデルの一例について、図２に基づいて説明する。
図２に示す因果関係モデルは、外出意図（お出かけ意図）を有するユーザがキーワード検索する場合のモデルであり、ノードおよび有向リンクを備えるベイジアンネットワークで表現されている。すなわち、ノードとして、「理由」、「施設、地名」、「行為」、「オブジェクト・イベント」の４つの属性のノード４１〜４４を設定している。
【００２７】
また、各ノード４１〜４４間の有向リンク４５〜４９には、リンク元の第１ノードからリンク先の第２ノードに遷移する場合に、各ノードに該当する単語を抽出する抽出条件が設定されている。この抽出条件は、述語項構造や理由節に基づいて各ノードに該当する単語間の意味関係を解析するために設定された条件である。
たとえば、「理由」ノード４１を第１ノードとし、「施設、地名」ノード４２を第２ノードとした場合に各ノードに含まれる単語間の関係は、ウェブコーパスにおいて、外出理由を説明する「ノデ節」や「タメ節」の名詞が「理由」ノード４１の単語となり、「デ格」、「へ格」、「ニ格」のように特定の動詞と共に用いられて外出先の施設や地名を表す名詞が「施設、地名」ノード４２の単語となる。
同様に、「理由」ノード４１を第１ノードとし、「行為」ノード４３を第２ノードとした場合に各ノードに含まれる単語間の関係は、「ノデ節」、「タメ節」、「デ格」に用いられる名詞が「理由」ノード４１の単語となり、「食べる、見る」などの行為を表す動詞が「行為」ノード４３の単語となる。
また、「施設、地名」ノード４２を第１ノードとし、「オブジェクト・イベント」ノード４４を第２ノードとした場合に各ノードに含まれる単語間の関係は、場所を示す「デ格」や「へ格」で用いられる名詞が「施設、地名」ノード４２の単語となり、対象を示す「ヲ格」で用いられる名詞が「オブジェクト・イベント」ノード４４の単語となる。
さらに、「行為」ノード４３を第１ノードとし、「オブジェクト・イベント」ノード４４を第２ノードとした場合に各ノードに含まれる単語間の関係は、対象を示す「デ格」や「ヲ格」で用いられる名詞が「オブジェクト・イベント」ノード４４の単語となり、動詞が「行為」ノード４３の単語となる。
【００２８】
このため、たとえば、「空腹なので、新宿で、ハンバーガーを食べる。」という文を、属性解析部１２が解析すると、ノデ節である「空腹なので」の名詞「空腹」が「理由」ノード４１の単語として抽出され、デ格でありかつ地名を示す名詞「新宿」が「施設、地名」ノード４２の単語として抽出され、ヲ格で用いられる名詞「ハンバーガー」が「オブジェクト・イベント」ノード４４の単語として抽出され、動詞「食べる」が「行為」ノード４３の単語として抽出される。
なお、図２に示す因果関係モデルは一例であり、他の因果関係モデルを設定することも可能である。たとえば、「施設、地名」ノード４２を第１ノードとし、「理由」ノード４１を第２ノードとする因果関係モデルを設定することもできる。すなわち、各ノード、有向リンク、単語の抽出条件は、因果関係モデルに応じて設定すればよい。因果関係モデル自体は、検索クエリ関連単語出力装置１０を運営する会社の担当者などが、データ分析などに基づいて設計すればよい。
【００２９】
図３には、９個の施設名と、４個の地名を手がかり語として設定し、ウェブコーパスＤＢ１７から、これらの語句が含まれる文を取得した結果（抽出文数）が記載されている。
そして、属性解析部１２は、抽出された文に対し、さらに、以下の手がかり語が含まれているもの、つまり前記施設名や地名と、以下の手がかり語との共起を抽出条件として用いて、述語項構造＋理由節を取得する。
手がかり語としては、動詞、動詞に係る格助詞、理由節の３種類を設定した。そして、動詞としては、「食べる、飲む、買う、見る、遊ぶ」の５個を設定した。また、動詞に係る格助詞としては、「で、へ、に、を」の４個を設定した。さらに、理由節としては、「ため、ので」の２個を設定した。
【００３０】
図４には、上記抽出条件で抽出した「理由」ノード４１の値（単語）と、その頻度（抽出文数）の例が記載されている。
図５には、上記抽出条件で抽出した「施設名」ノード４２の値（インスタンス）と、各施設がどのような種類の施設であるのかを示す属性（クラス）と、「施設名」ノード４２に共起する「行為」ノード４３の各動詞の頻度（抽出文数）の例が記載されている。この例は、手がかり語である施設名の単語＋格助詞「デ」＋動詞の文を抽出したものである。
【００３１】
図６には、属性解析部１２による解析結果（マイニング結果）に基づく、各ノード４１〜４４の値（単語）の例を示す。
すなわち、「理由」ノード４１には、「空腹、時間の都合、場所の都合、イベント、天候、旅行」などの単語が抽出されている。また、「施設、地名」ノード４２には、「居酒屋、ラーメン屋」などの施設名と、「新宿」などの地名の単語が抽出されている。
さらに、「オブジェクト・イベント」ノード４４には、「食事、夕食、映画」などの単語が抽出され、「行為」ノード４３には、「食べる、飲む、買う、見る」などの単語が抽出されている。
【００３２】
属性解析部１２は、以上のマイニング結果により得られたグラフ構造、具体的には図２に示すベイジアンネットワークを、因果関係ＤＢ１８に記憶する。
【００３３】
ＣＰＴテーブル作成部１３は、ＣＰＴ（ＣＯＮＤＩＴＩＯＮＡＬ ＰＲＯＢＡＢＩＬＩＴＹ ＴＡＢＬＥ：条件付き確率表）を作成する。ＣＰＴは、各ノード４１〜４４の値（単語）の頻度を、ノード４１〜４４ごとの頻度合計に対する割合（確率）として正規化したものである。
【００３４】
図７には、第１ノードの単語として施設名である「六本木タワー」を選択した場合のＣＰＴ５０の例が示されている。各ノード４１〜４４における各単語の確率は、合計値が「１」となるように正規化されている。
すなわち、「施設、地名」ノード４２では、「六本木タワー」の確率が「１」となり、他の単語の確率は「０」となる。
また、「行為」ノード４３では、４つの単語「食べる、飲む、買う、見る」のいずれもが、施設名「六本木タワー」と共起する例があり、その頻度に基づく確率も図７に示すように各単語でほぼ同程度であった。具体的には、「見る」の単語の確率が「０．２６０５」で最も高かったが、他の単語の確率も０．２５前後であり、それほど大きな違いはなかった。
【００３５】
さらに、「理由」ノード４１では、図７に示すように、「出張」や「定休日」のように施設名「六本木タワー」と共起する単語と、「空腹」や「天候」のように共起しない単語とがある。この中では、「出張」の単語の確率が「０．５２１」で最も高く、他の単語の確率は０．１５以下と小さかった。
「オブジェクト・イベント」ノード４４では、図７に示すように、「映画」の単語の確率が「０．２９０５」で一番高く、「食事」の単語の確率が「０．２０１５」で二番目に高く、他の単語の確率は０．１２以下と小さかった。
【００３６】
ＣＰＴテーブル作成部１３は、図７に示すような、ＣＰＴ５０を作成し、因果関係ＤＢ１８に記憶する。
従って、因果関係ＤＢ１８には、属性解析部１２のマイニング結果により得た図２に示すようなグラフ構造と、ＣＰＴテーブル作成部１３により得た各ノードに割り当てた条件付き確率の集合（ＣＰＴ５０）によって構成されるベイジアンネットワークが記憶されていることになる。
【００３７】
クエリ取得部１４は、ユーザ端末３０から入力されたキーワードを取得し、ノード判定部１５に出力する。
ノード判定部１５は、入力されたキーワードの属性を判定して第１ノードを特定する。
さらに、出力部１６は、入力されたキーワードが第１ノードの単語となった場合の第２ノードにおける単語を、確率の高いものから抽出する。
たとえば、入力されたキーワードが「六本木タワー」の場合、その単語の属性は施設名であるため、ノード判定部１５は、第１ノードは「施設、地名」ノード４２であると判定する。
そして、出力部１６は、第２ノードとなる他のノード「理由」、「行為」、「オブジェクト・イベント」のなかで、共起確率が高い単語を関連単語の候補とする。図７の例では、「出張」の確率が０．５２１で最も高く、「映画」が０．２９０５で２番目に高い。出力部１６において、最も共起確率が高い単語のみを候補とする場合には、「出張」を候補とし、共起確率が高い順に２番目までを候補とする場合には、「出張」、「映画」が候補となる。
【００３８】
出力部１６は、この関連単語の候補を、入力されたクエリ（キーワード）とともにユーザ端末３０に出力する。
上記第２ノードの各単語は、入力されたキーワードの属性が施設（第１ノード）の場合に、「行為」、「オブジェクト・イベント」、「理由」の各ノードにおいて頻度の高い単語、つまりウェブ上の文章において出願する頻度が高い単語であり、入力されたキーワードに関係性の高い単語と多くの人が認識しているものになる。このため、そのキーワードを入力したユーザの意図に沿った単語を出力することができる可能性が高い。従って、ユーザは、出力部１６から出力されてユーザ端末３０に表示されたクエリにおいて、自分の意図に合ったものを選択して入力することができ、この適切な単語でウェブ情報を検索することができるので、ユーザが求める情報を検索候補の上位に表示できる。
たとえば、図１に示すように、ユーザ端末３０で「六本木タワー」と入力すると、検索クエリ関連単語出力装置１０からは、「六本木タワー 出張」、「六本木タワー 映画」の２つのクエリ候補がユーザ端末３０に出力される。
従って、検索クエリ関連単語出力装置１０およびユーザ端末３０により、本願発明の検索補助システムが構成されている。
【００３９】
［検索クエリ関連単語出力装置の動作］
次に、検索クエリ関連単語出力装置１０の処理に関し、図８，９のフローチャートに基づいて説明する。
【００４０】
［ウェブコーパス収集解析処理］
本実施形態の検索クエリ関連単語出力装置１０は、図８に示すように、定期的にウェブコーパスの収集および解析を実行する。なお、この処理間隔は、適宜設定できるが、少なくとも、情報検索装置２０のクローラ部２１による情報収集処理の実行間隔以上の間隔で実行すればよい。すなわち、クローラ部２１による情報収集が行われないと、ウェブコーパスの情報更新も行われないためである。
【００４１】
検索クエリ関連単語出力装置１０がウェブコーパス収集解析処理を開始すると、まず、ウェブコーパス取得部１１が情報検索装置２０にアクセスし、ＷＥＢページＤＢ２２からウェブコーパスを取得する（ステップＳ１）。
そして、ウェブコーパス取得部１１は、取得したウェブコーパスをウェブコーパスＤＢ１７に記憶する（ステップＳ２）。
【００４２】
次に、属性解析部１２は、ウェブコーパスＤＢ１７のデータをマイニングしてグラフ構造を取得する（ステップＳ３）。
また、ＣＰＴテーブル作成部１３は、属性解析部１２でマイニングされた結果に基づきＣＰＴを作成する（ステップＳ４）。
そして、属性解析部１２およびＣＰＴテーブル作成部１３は、前記グラフ構造およびＣＰＴ（つまりベイジアンネットワーク）を因果関係ＤＢ１８に記憶する（ステップＳ５）。
【００４３】
その後、検索クエリ関連単語出力装置１０は、予め設定された処理間隔（たとえば１２時間間隔など）が経過したかを判定する（ステップＳ６）。
検索クエリ関連単語出力装置１０は、Ｓ６で処理間隔が経過して「ＹＥＳ」と判定した場合、ステップＳ１〜Ｓ５の処理を繰り返す。
一方、検索クエリ関連単語出力装置１０は、Ｓ６で「ＮＯ」と判定した場合、Ｓ６の判定処理を繰り返す。
【００４４】
［関連単語出力処理］
次に、ユーザ端末３０において、検索用のキーワードが入力された場合の処理について、図９を参照して説明する。
検索クエリ関連単語出力装置１０のクエリ取得部１４は、ユーザ端末３０から送信されるキーワードを取得する（ステップＳ１１）。
次に、ノード判定部１５は、クエリ取得部１４で取得したキーワードを解析し、そのキーワードに対応する第１ノードを判定する（ステップＳ１２）。
【００４５】
次に、出力部１６は、ノード判定部１５で判定された第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率が高い単語（関連単語）を、因果関係ＤＢ１８から求めて出力する（ステップＳ１３）。この際、単語の出力数としては、共起確率が高い順に所定数（たとえば２つ）としてもよいし、共起確率が所定値以上のものを出力してもよい。
また、本実施形態の出力部１６は、前記関連単語と、ユーザ端末３０で入力されたキーワードを組み合わせたクエリを、ユーザ端末３０に出力する（ステップＳ１３）。
以上により、関連単語出力処理が終了し、検索クエリ関連単語出力装置１０は、ユーザ端末３０からキーワードが入力されるたびに、前記ステップＳ１１〜Ｓ１３の処理を実行する。
【００４６】
ユーザ端末３０においては、ユーザが入力したキーワードに、検索クエリ関連単語出力装置１０から出力された関連単語を組み合わせたクエリ候補が表示される。そして、ユーザが表示されたクエリ候補から検索意図に合ったものを選択すると、ユーザ端末３０は、サーチエンジン２３にクエリを出力し、その検索結果を取得して表示する。
従って、前記ステップＳ３，Ｓ４により本願発明の属性解析ステップが構成され、ステップＳ５により本願発明の因果関係記憶ステップが構成され、ステップＳ１２により本願発明のノード判定ステップが構成され、ステップＳ１３により本願発明の単語出力ステップが構成される。
【００４７】
［実施形態の作用効果］
以上の実施形態によれば、以下の作用効果を奏することができる。
検索クエリ関連単語出力装置１０は、ウェブコーパスを解析した因果関係ＤＢ１８を作成し、入力したキーワードの属性を判定し、このキーワードに関係する単語を出力部１６により出力しているので、ユーザ端末３０に表示されたクエリにおいて、自分の意図に合ったものを選択して入力することができ、この適切な単語でウェブ情報を検索することができるので、ユーザが求める情報を検索できる。
【００４８】
また、属性解析部１２は、あらかじめ設定された因果関係モデルに基づいてウェブコーパスをマイニングしているので、単に共起確率が高い単語を選択して出力する場合に比べ、ユーザの検索意図に沿った単語を出力することができる。
すなわち、属性解析部１２は、外出意図で検索する場合の因果関係モデルとして、４種類の属性（理由、施設or地名、行為、オブジェクト・イベント）を各ノード４１〜４４として設定し、ノード判定部１５は、入力されたキーワードの属性から第１ノードを判定し、出力部１６は、判定された第１ノードに対応する第２ノードに分類された単語から共起確率の高い単語を判定して出力している。このため、キーワード検索するユーザが求める情報に関連性の高い属性の単語を出力でき、ユーザの検索意図に沿ったクエリを出力できる。
【００４９】
さらに、各単語の共起確率は、ノードごとに正規化しているので、適切な単語を選択して出力できる。すなわち、各単語の共起確率を、すべてのノードの単語全体の頻度に対する各単語の頻度で求めると、たとえば、「行為」ノード４３のように、単語数（選択肢）が少ないノードに含まれる単語の共起確率が高くなり、選択肢が多い「理由」ノード４１や「オブジェクト・イベント」ノード４４の単語の共起確率は低くなる。一方、本実施形態では、ノードごとに正規化、つまりそのノードに属する単語の出願頻度の総数に対する各単語の頻度の割合を共起確率としているので、ノードごとの単語数（選択肢）の影響を受けずに単語の共起確率を求めることができる。このため、すべてのノードにおいて、入力されたキーワードに対する共起確率の高い単語を出力できる。この点でも、ユーザの検索意図に沿った単語を出力でき、入力されたキーワードと、検索クエリ関連単語出力装置１０から出力された単語とを組み合わせてクエリとすることで、ユーザの検索意図を考慮したクエリを作成できる。
【００５０】
属性解析部１２は、ウェブコーパスＤＢ１７に記憶されたウェブコーパスを解析しているので、情報検索装置２０のＷＥＢページＤＢ２２を直接解析する場合に比べて、精度の高い分析を短時間で行うことができる。
【００５１】
因果関係ＤＢ１８として、グラフ構造とＣＰＴ５０からなるベイジアンネットワークを用いているので、各ノード間の複雑な表現が可能となり、データの欠損や偏りがあっても適切に処理できるとともに、因果関係を全体で捉えることができる。
【００５２】
［変形例］
なお、本発明は、上述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲で、以下に示される変形をも含むものである。
たとえば、上記実施形態では、属性解析部１２で用いた因果関係モデルとして、図３に示すものを用いていたが、「外出意図」を持ったクエリの因果関係モデルとしては、図１０に示すように、「理由」ノード４１からのリンク４５が「施設、地名」ノード４２のみに接続されたモデルを用いてもよい。この場合、第１ノードとして「理由」ノード４１に該当する属性のキーワードが入力された場合、第２ノードとしては「施設、地名」ノード４２の単語が出力されることになる。外出意図を持ったユーザが「理由」ノード４１のキーワードを入力した場合、その外出先となる「施設、地名」の単語がクエリに含まれていないと、適切な情報を提供することが難しいためである。
【００５３】
また、属性解析部１２で用いる因果関係モデルとしては、図１１に示すように、「理由」ノード４１および「オブジェクト・イベント」ノード４４が、単語ごとＲ１〜Ｒｎ（理由ノード）、Ｏ１〜Ｏｎ（オブジェクト・イベントノード）に分かれて設定されたものでもよい。
さらに、因果関係モデルとしては、ベイジアンネットワークの代わりにマルコフネットワークを用いてもよい。また、決定木や、各単語の組み合わせ頻度による絞り込みを用いてもよいし、ランダムに関係している名詞をつなげたモデルなどでもよい。要するに、因果関係モデルは、検索クエリの意図、具体的には入力されたキーワードの属性などに応じて適切なモデルを設定して利用すればよい。
【００５４】
また、因果関係モデルなどによって、ＣＰＴ５０を作成する必要がない場合には、ＣＰＴテーブル作成部１３を設けずに、属性解析部１２の解析結果を因果関係ＤＢ１８に記憶してもよい。
【００５５】
さらに、上記実施形態では、検索クエリ関連単語出力装置１０と情報検索装置２０とを別々の装置として構成していたが、これらのまとめた１つの装置として構成してもよい。
この場合は、入力されたキーワードと、検索クエリ関連単語出力装置１０で出力された単語とを組み合わせたクエリによってＷＥＢページＤＢ２２を検索し、その検索結果をユーザ端末３０に自動的に出力するようにしてもよい。
【産業上の利用可能性】
【００５６】
本発明は、入力されたキーワードに対して適切なキーワードを出力できる検索クエリ関連単語出力装置、検索クエリ関連単語出力方法および検索補助システムとして利用できる。
【符号の説明】
【００５７】
１…検索システム、１０…検索クエリ関連単語出力装置、１１…ウェブコーパス取得部、１２…属性解析部、１３…ＣＰＴテーブル作成部、１４…クエリ取得部、１５…ノード判定部、１６…出力部、１７…ウェブコーパスデータベース（ウェブコーパスＤＢ）、１８…因果関係データベース（因果関係ＤＢ）、２０…情報検索装置、２１…クローラ部、２２…ウェブページデータベース（ＷＥＢページＤＢ）、２３…サーチエンジン、３０…ユーザ端末。
【特許請求の範囲】
【請求項１】
ウェブコーパスを記憶するコーパス記憶部と、
あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析部と、
前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を記憶する因果関係記憶部と、
入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定部と、
前記ノード判定部で判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力部と、
を備えることを特徴とする検索クエリ関連単語出力装置。
【請求項２】
請求項１に記載の検索クエリ関連単語出力装置において、
前記第１ノードに対応する第２ノードが複数設定されている場合、
前記単語出力部で判定している第２ノードの各単語の共起確率は、各第２ノードにおけるすべての単語の共起頻度の合計値に対する各単語の共起頻度の割合で求められ、
前記単語出力部は、すべての第２ノードの単語の中で最も共起確率の高い単語を判定して出力する
ことを特徴とする検索クエリ関連単語出力装置。
【請求項３】
請求項１または請求項２に記載の検索クエリ関連単語出力装置において、
前記因果関係モデルは、外出用の情報を得るためのクエリに対応するものであり、
外出理由の属性を有する単語からなる「理由」ノードと、外出先の施設名または地名の属性を有する単語からなる「施設、地名」ノードと、外出時の行為の属性を有する単語からなる「行為」ノードと、外出目的やイベントの属性を有する単語からなる「オブジェクト・イベント」ノードと、の４つのノードを備える
ことを特徴とする検索クエリ関連単語出力装置。
【請求項４】
ウェブコーパスを記憶するコーパス記憶部と、
因果関係情報を記憶する因果関係記憶部とを備えた検索クエリ関連単語出力装置における検索クエリ関連単語出力方法であって、
あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析ステップと、
前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を前記因果関係記憶部に記憶する因果関係記憶ステップと、
入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定ステップと、
前記ノード判定ステップで判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力ステップと、
を備えることを特徴とする検索クエリ関連単語出力方法。
【請求項５】
請求項１から請求項３のいずれかに記載の検索クエリ関連単語出力装置と、
前記検索クエリ関連単語出力装置にネットワークを介して接続されたユーザ端末とを備えた検索補助システムであって、
前記ユーザ端末は、入力されたキーワードを前記検索クエリ関連単語出力装置に送信し、
前記検索クエリ関連単語出力装置は、前記ユーザ端末から送信されたキーワードを取得するクエリ取得部を有し、
前記単語出力部は、前記クエリ取得部で取得されたキーワードおよび前記単語出力部で求められた単語を組み合わせたクエリを、前記ユーザ端末に対して出力する
ことを特徴とする検索補助システム。
【請求項１】
ウェブコーパスを記憶するコーパス記憶部と、
あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析部と、
前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を記憶する因果関係記憶部と、
入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定部と、
前記ノード判定部で判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力部と、
を備えることを特徴とする検索クエリ関連単語出力装置。
【請求項２】
請求項１に記載の検索クエリ関連単語出力装置において、
前記第１ノードに対応する第２ノードが複数設定されている場合、
前記単語出力部で判定している第２ノードの各単語の共起確率は、各第２ノードにおけるすべての単語の共起頻度の合計値に対する各単語の共起頻度の割合で求められ、
前記単語出力部は、すべての第２ノードの単語の中で最も共起確率の高い単語を判定して出力する
ことを特徴とする検索クエリ関連単語出力装置。
【請求項３】
請求項１または請求項２に記載の検索クエリ関連単語出力装置において、
前記因果関係モデルは、外出用の情報を得るためのクエリに対応するものであり、
外出理由の属性を有する単語からなる「理由」ノードと、外出先の施設名または地名の属性を有する単語からなる「施設、地名」ノードと、外出時の行為の属性を有する単語からなる「行為」ノードと、外出目的やイベントの属性を有する単語からなる「オブジェクト・イベント」ノードと、の４つのノードを備える
ことを特徴とする検索クエリ関連単語出力装置。
【請求項４】
ウェブコーパスを記憶するコーパス記憶部と、
因果関係情報を記憶する因果関係記憶部とを備えた検索クエリ関連単語出力装置における検索クエリ関連単語出力方法であって、
あらかじめ設定された因果関係モデルに基づいて、単語の属性によって定義される第１ノードおよび第２ノードと、各ノードに該当する単語を抽出する抽出条件とを設定し、この抽出条件で前記コーパス記憶部に記憶されたウェブコーパスを解析して、各ノードに該当する単語を抽出する属性解析ステップと、
前記第１ノードに含まれる単語と、第２ノードに含まれる単語の共起頻度に基づく因果関係情報を前記因果関係記憶部に記憶する因果関係記憶ステップと、
入力されたキーワードを解析し、そのキーワードに対応する第１ノードを判定するノード判定ステップと、
前記ノード判定ステップで判定された前記第１ノードに対応する第２ノードにおいて、前記キーワードに対する共起確率の高い単語を、前記因果関係記憶部に記憶された因果関係情報から求めて出力する単語出力ステップと、
を備えることを特徴とする検索クエリ関連単語出力方法。
【請求項５】
請求項１から請求項３のいずれかに記載の検索クエリ関連単語出力装置と、
前記検索クエリ関連単語出力装置にネットワークを介して接続されたユーザ端末とを備えた検索補助システムであって、
前記ユーザ端末は、入力されたキーワードを前記検索クエリ関連単語出力装置に送信し、
前記検索クエリ関連単語出力装置は、前記ユーザ端末から送信されたキーワードを取得するクエリ取得部を有し、
前記単語出力部は、前記クエリ取得部で取得されたキーワードおよび前記単語出力部で求められた単語を組み合わせたクエリを、前記ユーザ端末に対して出力する
ことを特徴とする検索補助システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１３−９２８２６（Ｐ２０１３−９２８２６Ａ）
【公開日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願番号】特願２０１１−２３２８９２（Ｐ２０１１−２３２８９２）
【出願日】平成２３年１０月２４日（２０１１．１０．２４）
【出願人】（５００２５７３００）ヤフー株式会社 (1,128)
【公開日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願日】平成２３年１０月２４日（２０１１．１０．２４）
【出願人】（５００２５７３００）ヤフー株式会社 (1,128)
[ Back to top ]