検索方法、検索装置及びプログラム
【課題】 意味ドリフトの回避に適した、新たな検索方法等を提案する。
【解決手段】 検索装置１において、一つ又は複数の検索単語を用いて、検索対象データ記憶手段に記憶された検索対象データ群を検索する。検索部１５は、検索単語を用いて検索対象データ群を検索する。抽出部２３は、検索結果から複数の関連語を抽出する。選択部２７は、複数の関連語のうち、個数を限定して、検索重要単語として選択する。検索部１５は、検索重要単語を用いて検索対象データ群をさらに検索する。選択部２７が、個数を限定して選択することによって、意味ドリフトを回避することが可能になる。
【解決手段】 検索装置１において、一つ又は複数の検索単語を用いて、検索対象データ記憶手段に記憶された検索対象データ群を検索する。検索部１５は、検索単語を用いて検索対象データ群を検索する。抽出部２３は、検索結果から複数の関連語を抽出する。選択部２７は、複数の関連語のうち、個数を限定して、検索重要単語として選択する。検索部１５は、検索重要単語を用いて検索対象データ群をさらに検索する。選択部２７が、個数を限定して選択することによって、意味ドリフトを回避することが可能になる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、検索方法、検索装置及びプログラムに関し、特に、意味ドリフトの回避に適した検索方法等に関する。
【背景技術】
【０００２】
検索結果の文書集合の重要語を抽出する手法として、文書に対するブートストラッピング法が知られている（特許文献１及び２並びに非特許文献１参照）。ブートストラッピング法は、単語集合を検索条件として与え、その条件を満たす文書集合を求める工程と、文書集合からその文書集合に含まれる重要語集合を求める工程という、二つの工程を交互に繰り返す。十分な回数の反復後には、単語の重みと文書の重みは一定の値に収束する。そのため、単語の重要度を自動的に求めることができる。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００８−１９１８７７号公報
【特許文献２】特開２００７−４１７００号公報
【非特許文献】
【０００４】
【非特許文献１】小町守、外３名著，“Espresso型ブートストラッピング法における意味ドリフトのグラフ理論に基づく分析−語義曖昧性解消における評価−”，人工知能学会論文誌，vol.25，No.2，pp.233-242，2010.
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ブートストラッピング法は、反復を繰り返す過程で、最初の目的から外れた単語を抽出するようになるという問題がある。その結果、単語集合は、最初に与えた単語とは関係のない、より一般的な単語ばかりになってしまう。これは、意味ドリフトと呼ばれており、抜本的な解決方法は知られていない。
【０００６】
従来、意味ドリフトを避けるため、文書や単語の重要度の計算法の改良や、単語の出現パターンを制限するなど人手による工夫（ヒューリスティック）が使われている（特許文献１及び２並びに非特許文献１参照）。しかし、これらの手法には、一般性がない。
【０００７】
そこで、本願発明は、意味ドリフトの回避に適した、新たな検索方法等を提案することを目的とする。
【課題を解決するための手段】
【０００８】
本願発明の第１の観点は、検索装置において、一つ又は複数の検索単語を用いて、検索対象データ記憶手段に記憶された検索対象データ群を検索する検索方法であって、検索手段が、前記検索単語を用いて前記検索対象データ群を検索する検索ステップと、抽出手段が、検索結果から複数の関連語を抽出する抽出ステップと、選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択ステップと、前記検索手段が、前記検索重要単語を用いて前記検索対象データ群をさらに検索する再検索ステップを含むものである。
【０００９】
本願発明の第２の観点は、第１の観点において、前記抽出手段が、前記再検索ステップにおける検索結果から新たに複数の関連語を抽出する再抽出ステップと、個数決定手段が、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合には、前記選択手段が選択する検索重要単語の個数を維持又は増加する個数決定ステップを含むものである。
【００１０】
本願発明の第３の観点は、第２の観点において、前記個数決定ステップにおいて、前記個数決定手段は、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合には、前記選択手段が選択する検索重要単語の個数を減少し、前記選択手段が、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合に、前記新たに抽出された複数の関連語から新たな検索重要単語を選択し、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合に、以前に抽出された関連語から個数を減少して新たな検索重要単語を再度選択する再選択ステップを含むものである。
【００１１】
本願発明の第４の観点は、第２又は第３の観点において、前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索対象データ群全体における前記検索単語又はその同義語の重要度と、前記検索手段による検索結果における前記検索単語又はその同義語の重要度とを比較して決定するものである。
【００１２】
本願発明の第５の観点は、第２又は第３の観点において、前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索単語と、前記複数の関連語との類似性により決定するものである。
【００１３】
本願発明の第６の観点は、第１から第５のいずれかにおいて、前記検索手段は、前記検索対象データ群を検索して、一つ又は複数の検索対象データを抽出し、又は／及び、前記検索対象データ群の全部又は一部に重み付けを行うことにより、前記検索結果を得るものである。
【００１４】
本願発明の第７の観点は、一つ又は複数の検索単語を用いて検索対象データ群を検索する検索装置であって、前記検索対象データ群を記憶する検索対象データ記憶手段と、前記検索単語を用いて前記検索対象データ群を検索する検索手段と、前記抽出された検索対象データから複数の関連語を抽出する抽出手段と、選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択手段と、を備え、前記検索手段は、前記検索重要単語を用いて前記検索対象データ群をさらに検索するものである。
【００１５】
本願発明の第８の観点は、コンピュータにおいて、第１から第６のいずれかの観点の検索方法を実現するためのプログラムである。
【００１６】
なお、選択手段が選択する検索重要単語の個数は、例えば、検索単語の個数よりも大きい値である。これにより、検索単語以外の単語のうち、検索単語に近い意味合いの単語を少なくとも一つ、検索重要単語として選択することができる。また、第２の観点において、個数決定手段は、再検索ステップと再抽出ステップを、個数を維持したまま所定の回数繰り返し、その後に、前記検索単語又はその同義語の重要度が高い場合には、前記選択手段が選択する検索重要単語の個数を増加するものであってもよい。また、第８の観点のプログラムを定常的に記録するコンピュータ読み取り可能な記録媒体として捉えてもよい。
【発明の効果】
【００１７】
本願発明の各観点は、単語集合から文書集合を求める工程と、文書集合から単語集合を求める工程とを、交互に繰り返すものである。このとき、選択手段は、関連語のうち、重要度が上位のｔ個に限定して、検索重要単語を選択する。選択手段が、個数を限定して選択することによって、意味ドリフトを回避することが可能になる。
【００１８】
また、本願発明の第２の観点によれば、意味ドリフトの発生を制御しつつ、ｔの値を増加することが可能になる。
【００１９】
さらに、本願発明の第３の観点によれば、意味ドリフトが発生していない状態であれば最新の関連語群から検索重要単語を選択し、意味ドリフトが発生すると以前に抽出された関連語群から個数を減らして検索重要単語を選択することにより、自動的にｔの値を調整して、意味ドリフトを回避しつつ、検索処理を実現することが可能になる。
【００２０】
なお、本願発明を、第２の観点において、前記検索手段、前記抽出手段及び前記選択手段は、前記再抽出ステップにおいて抽出された複数の関連語において、前記検索単語よりも前記検索結果における重要度が高い単語がｋ個（ｋは、予め定められた自然数である。）以上存在するまでｔの値を増加して検索して、表示手段に前記検索単語よりも重要度が高い単語の全部又は一部を表示するものとして捉えてもよい。検索装置の利用者は、表示された単語群を参照して、例えば求めたい単語群の一般性をその文書頻度としたとき、目標とする文書頻度Ｆの単語を求めるためのパラメータｔを事前に定めることができる。これにより、ｔの値によって、意味ドリフトのレベルを調整することができる。
【図面の簡単な説明】
【００２１】
【図１】本願発明の実施例に係る検索装置１の概要を示すブロック図である。
【図２】図１の検索装置１の動作の一例を示すフロー図である。
【図３】検索対象データ群が倒産情報に関する文献群であり、検索単語が「建築」である場合に、抽出する単語数ｔを変更した検索結果を示す図である。
【図４】検索対象データ群が図３と同じ文献群であり、検索単語が「建築」である場合に、「建築」の順位と関連語の上位１０個を示す図である。
【図５】図２の検索装置１の動作の具体的な一例を示すフロー図である。
【図６】図３の抽出する個数の決定処理の一例を示すフロー図である。
【図７】図２の検索装置１の動作の具体的な他の一例を示す図である。
【図８】図２の検索装置１の具体的な動作のさらに他の一例を示す図である。
【発明を実施するための形態】
【００２２】
以下では、図面を参照して、本願発明の実施例について説明する。なお、本願発明は、この実施例に限定されるものではない。
【実施例】
【００２３】
図１は、本願発明の実施例に係る検索装置の概要を示すブロック図である。検索装置１は、文書集合処理部３と、単語集合処理部５と、表示部７を備える。文書集合処理部３は、検索単語記憶部１１と、検索対象データ群記憶部１３（本願請求項の「検索対象データ群記憶部」の一例）と、検索部１５（本願請求項の「検索手段」の一例）と、検索重要単語記憶部１７を備える。単語集合処理部５は、検索結果記憶部２１と、抽出部２３（本願請求項の「抽出手段」の一例）と、関連語記憶部２５と、選択部２７（本願請求項の「選択手段」の一例）と、個数決定部２９（本願請求項の「個数決定手段」の一例）を備える。表示部７は、検索結果等を表示するものである。
【００２４】
図２は、図１の検索装置１の動作の一例を示すフロー図である。以下、図１の検索装置１の動作を、図２を参照して説明する。
【００２５】
検索単語記憶部１１は、一つ又は複数の検索単語を記憶するものである。検索単語は、例えば、検索装置１の利用者が入力したクエリである。検索対象データ群記憶部１３は、検索対象データ群を記憶するものである。検索対象データ群は、文書、文と単語を節点とする二分グラフ等の複数の検索対象データである。検索部１５は、検索単語を用いて、検索対象データ群を検索する（図２のステップＳＴ１）（本願請求項の「検索ステップ」の一例）。以下では、検索部１５が、検索結果として、検索対象データ群のうち、一つ又は複数の検索対象データを抽出する場合について説明する。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。
【００２６】
個数決定部２９は、選択部２７が選択する単語の個数ｔを決定する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴ２）（本願請求項の「抽出ステップ」の一例）。抽出部２３は、関連語記憶部２５に対して、抽出部２３が抽出した関連語を記憶させる。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴ３）（本願請求項の「選択ステップ」の一例）。重要度は、例えば、検索結果記憶部２１に記憶された検索対象データにおける出現頻度である。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴ４）（本願請求項の「再検索ステップ」の一例）。そして、検索装置１は、図２のステップＳＴ２〜４の処理を、所定の回数に至るまで、反復して行う（ステップＳＴ５）。
【００２７】
文書集合処理部３は、文書集合を抽出する。単語集合処理部５は、単語集合を作成する。このとき、選択部２７は、関連語のうち、重要度が上位のｔ個に限定して、検索重要単語を選択する。例えば、十分大きなｔに対しては、一般的な重要語が選択される。反復して検索するうちに、一般的な重要語の影響が大きくなる。そのため、単語集合は、一般的な重要語が中心のものとなる。他方、例えば、検索単語が一つの場合に、ｔ＝１とすれば、単語集合は基本的に検索単語となる。このように、ｔの値を小さく設定すれば、特殊な分野や対象についての重要語となる。よって、選択部２７が、個数を制限して、関連語の一部を検索重要単語として選択することによって、検索装置１全体として、意味ドリフトを回避しつつ、一つ又は複数の検索単語を用いて、記憶された検索対象データ群を検索することが可能になる。
【００２８】
図３は、抽出する単語数ｔを変更した検索結果を示す図である。横軸は、検索単語の重要度の順位を示す。縦軸は、単語の出現頻度（frequency）を示す。実験では、検索対象データ群を企業の倒産情報に関する文献群とした。検索単語を「建築」とした。実験で使用したｔは、２、５、10、50、100、500、1000の７通りである。ｔ＝２では、上位の単語でも頻度が低い特殊な単語である。しかし、ｔ＝100、1000では、重要度上位の単語は、出現頻度が高い単語（つまり、本来の検索語とか関係なく一般的な単語）である。そのため、ｔを大きくした場合に、意味ドリフトが生じていることがわかる。よって、例えば、企業の倒産情報を対象として、倒産原因を抽出する検索システムを構築することにより、ｔを大きくして検索処理を行うことにより、一般的な倒産理由を抽出することもできる。さらに、ｔを小さくして、例えば「建築」業界に限定した倒産理由を抽出することもできる。
【００２９】
図４は、図３と同じ文献群に対して、「建築」をキーワードとして検索して得られる検索結果を示す図である。実験では、図３と同様に、検索対象データ群を企業の倒産情報に関する文献群とした。検索単語を「建築」とした。１列目はｔの値である。２列目は上位ｔ個で検索した検索結果における検索単語（つまり、「建築」）の順位である。３列目以降は、関連語の上位１０個である。ｔ＝１の場合は、建築のみが抽出されている。ｔ＝４までは、「建築」は、高い重要度で評価されている。ｔ＝５で、「サブプライムローン」という用語があらわれ、やや一般的な傾向を示すようになった。そして、ｔ＝30以上で、「減少」という用語が最も高く評価されるようになった。この「減少」等は、検索対象データ群全体で、一般的な単語であると考えられる。その結果、これらの単語の影響が大きくなり、意味ドリフトが発生したものと考えられる。
【００３０】
図４より、ｔが小さい場合には、意味ドリフトを回避することができることがわかる。また、ｔが大きい場合には、意味ドリフトが発生している。よって、ｔを変更することにより、意味ドリフトの発生をコントロールすることが可能である。図５及び図６を参照して、予めｔを決定して、意味ドリフトの発生をコントロールしつつ、検索処理を行う場合について具体的に説明する。
【００３１】
さらに、意味ドリフトが生じた場合、単語集合の上位は、一般的な単語が占める。その結果、図４では、ｔ＝50以上で、「建築」の順位は、２００位前後となっている。これは、検索対象データ群全体として、「建築」という単語の重要度の評価と考えられる。よって、意味ドリフトが生じたか否かの指標の一つとして、検索単語の重要度の順位を用いることができる。図５〜図８を参照して、この指標を用いて、反復処理において、意味ドリフトが発生したか否かを判断し、適切なｔの値を調整するものについて説明する。
【００３２】
図５は、図２の検索装置１の動作の具体的な一例を示すフロー図である。まず、個数決定部２９は、抽出する単語数ｔを決定する（ステップＳＴＢ１）。続いて、検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＢ２）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＢ３）。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＢ４）。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴＢ５）。そして、検索装置１は、図５のステップＳＴＢ３〜５の処理を、所定の回数に至るまで、反復して行う（ステップＳＴＢ６）。検索装置１は、表示装置に、検索結果を表示する（ステップＳＴＢ７）。
【００３３】
図６は、図５のステップＳＴＢ１におけるｔの決定処理の一例を示すフロー図である。検索装置１の利用者は、検索単語ｗと、関連語数ｋを入力する（ステップＳＴＫ１）。個数決定部２９は、閾値初期値設定処理として、ｔを、検索単語の個数とする（ステップＳＴＫ２）。図６では、検索単語はｗの１つのみを仮定している。そのため、ｔを１とする。続いて、検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＫ３）（本願請求項の「検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＫ４）（本願請求項の「抽出ステップ」の一例）。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＫ５）（本願請求項の「選択ステップ」の一例）。図６の説明において、この検索重要単語群を重要度の順位に並べたリストを「関連語リストＬ」という。選択部２７は、検索重要単語記憶部１７に、検索語リストＬを記憶する。個数決定部２９は、Ｌ中での検索単語ｗの重要度順位r=rank(L,w)を計算する（ステップＳＴＫ６）。これは、例えば、検索単語ｗそのものがあらわれる順位でもよく、実質的に同じと評価できる単語（例えば同義語など）があらわれる順位などであってもよい。個数決定部２９は、ｒとｋとを比較する（ステップＳＴＫ７）。ｒがｋ以上であれば、ステップＳＴＫ１４に進む。ｒがｋよりも小さいならば、ステップＳＴＫ８に進む。
【００３４】
個数決定部２９は、ｔの値を１増加する（ステップＳＴＫ８）。検索部１５は、検索重要単語を用いて、検索対象データ群を検索する（ステップＳＴＫ９）（本願請求項の「再検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＫ１０）。選択部２７は、抽出部２３により抽出された関連語から、新たな関連語リストＬを生成する（ステップＳＴＫ１１）。選択部２７は、検索重要単語記憶部１７に、検索語リストＬを記憶する。個数決定部２９は、Ｌ中での検索単語ｗの重要度順位r=rank(L,w)を計算する（ステップＳＴＫ１２）。個数決定部２９は、ｒとｋとを比較する（ステップＳＴＫ１３）。ｒがｋ以上であれば、ステップＳＴＫ１４に進む。ｒがｋよりも小さいならば、ステップＳＴＫ８に進む。なお、ステップＳＴＫ１３の処理において、所定の回数を経るまでは、個数を維持したままステップＳＴＫ８〜ＳＴＫ１２の処理を行い、その後に比較処理を行ってもよい。
【００３５】
ステップＳＴＫ１４において、個数決定部２９は、表示部７に、Ｌにおいてｗより上位のｋ個の単語と、ｗより下位のｋ個の単語を表示する。
【００３６】
図６の処理により、検索装置１は、利用者に対して、ｔの値を変更して得られる関連語を重要度の降順に並べたとき、表示部７に、入力した検索単語ｗを中心に、それより上位ｋ個と下位ｋ個を提示する。すなわち、ｔの値を増加すると、関連語の数も増え、ｗの順位は下がる（図３、図４参照）。そのため、図６にあるように、ｔ＝１から始めて、ｗより上位の単語がｋ個以上となるまでｔを増加させることで、このようなｔを求めることができる。利用者は、表示された単語群により、検索対象データ群の検索処理において、検索単語ｗを解釈することができる。
【００３７】
図７は、図２の検索装置１の動作の具体的な他の一例を示す図である。
【００３８】
まず、個数決定部２９は、検索対象データ群記憶部１３に記憶された検索対象データ群において、検索単語の重要度の順位（以下、この順位を「全体ランク」という。）を求める（ステップＳＴＣ１）。なお、全体ランクは、例えば、検索単語が複数の場合には、その最高順位により決定してもよい。また、検索単語及びその同義語のうち、最高順位とするなど、同義語を参酌して決定してもよい。ここで、個数決定部２９は、ｔに初期値を設定する。
【００３９】
続いて、検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＣ２）（本願請求項の「検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＣ３）（本願請求項の「抽出ステップ」の一例）。
【００４０】
続いて、個数決定部２９は、検索結果記憶部２１に記憶された検索結果において、検索単語の重要度の順位を求める（ステップＳＴＣ４）。以下、この順位を「個別ランク」という。そして、検索装置１は、全体ランクと個別ランクを比較する（ステップＳＴＣ５）。全体ランクと個別ランクが近い場合には、意味ドリフトが発生したと判断して、ｔの値を少なくし（ステップＳＴＣ６）、ステップＳＴＣ２の処理に戻る。全体ランクと個別ランクが近くない場合には、ステップＳＴＣ７の処理を行う。ここで、全体ランクと個別ランクの近さは、例えば、一定数以下か否かという絶対数で判断してもよく、全体ランクを個別ランクで割った値を用いるように、割合的に判断してもよい。
【００４１】
個数決定部２９は、ｔの値を維持又は増加する（ステップＳＴＣ７）。個数決定部２９は、例えば、全体ランクと個別ランクの違いが十分に大きいときにはｔの値を増加し、そうでないときには、ｔの値を維持する。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＣ８）（本願請求項の「選択ステップ」の一例）。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。
【００４２】
検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴＣ９）（本願請求項の「再検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＣ１０）続いて、個数決定部２９は、個別ランクを新たに求める（ステップＳＴＣ１１）。そして、検索装置１は、全体ランクと個別ランクを比較する（ステップＳＴＣ１２）。全体ランクと個別ランクが近い場合には、意味ドリフトが発生したと判断して、ｔの値を少なくし（ステップＳＴＣ１３）、ステップＳＴＣ２の処理に戻る。全体ランクと個別ランクが近くない場合には、個数決定部２９は、ｔの値を維持又は増加する（ステップＳＴＣ１４）。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＣ１５）。そして、検索装置１は、ステップＳＴＣ９〜１５の処理を、所定の回数に至るまで、反復して行う（ステップＳＴＣ１６）。なお、ステップＳＴＣ１２の処理において、所定の回数を経るまでは、ｔを維持したままステップＳＴＣ９〜ＳＴＣ１６の処理を行い、その後に比較処理を行ってもよい。
【００４３】
図７の処理により、関連語の重要度の順位によって意味ドリフトが発生したか否かを判断し、ｔの値を増減することにより、自動的に、ｔの値を調整して、意味ドリフトを回避しつつ、検索処理を実現することが可能になる。
【００４４】
図８は、図２の検索装置１の具体的な動作のさらに他の一例を示す図である。
【００４５】
まず、個数決定部２７は、ｔに初期値を設定する。検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＤ１）（本願請求項の「検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＤ２）（本願請求項の「抽出ステップ」の一例）。抽出部２３は、関連語記憶部２５に、抽出された関連語を記憶する。選択部２７は、関連語記憶部２５に記憶された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＤ３）（本願請求項の「選択ステップ」の一例）。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。
【００４６】
検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴＤ４）（本願請求項の「再検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＤ５）。抽出部２３は、関連語記憶部２５に、以前に抽出された関連語とは区別して、新たに抽出された関連語を記憶する。続いて、個数決定部２９は、新たに抽出された関連語と検索単語との類似度を計算する。類似度が高い場合には、意味ドリフトが発生していないと判断し、ステップＳＴＤ８の処理を行う。類似度が低い場合には、意味ドリフトが発生したと判断し、ステップＳＴＤ１０の処理を行う。類似度は、例えば、新たに抽出された関連語について、重要度に応じた重み付けを行い、検索単語（同義語を含んでもよい。）と比較して計算してもよい。また、ｔ以上の個数を抽出して、検索単語（同義語を含んでもよい。）と比較して計算してもよい。
【００４７】
ステップＳＴＤ８において、個数決定部２９は、ｔの値を維持又は増加する。例えば、類似度が十分に大きい場合には、ｔの値を増加する。続いて、選択部２７は、新たに抽出された関連語群から、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＤ９）。そして、ステップＳＴＤ１２に進む。
【００４８】
ステップＳＴＤ１０において、個数決定部２９は、ｔの値を減らす。そして、選択部２７は、以前に抽出された関連語群から、重要度が高い方からｔ個を選択する（ステップＳＴＤ１１）。なお、検索重要単語記憶部１７には、直前に選択した検索重要単語が記憶されている。そのため、この検索重要単語記憶部１７に記憶された検索重要単語の一部を、新たな検索重要単語として選択してもよい。選択部２７は、ステップＳＴＤ９又はステップＳＴＤ１１の処理に続き、検索重要単語記憶部１７に選択した検索重要単語を記憶し、ステップＳＴＤ１２の処理を行う。
【００４９】
ステップＳＴＤ１２では、検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（本願請求項の「再検索ステップ」の一例）。そして、検索装置１は、図８のステップＳＴＤ５〜１２の処理を、所定の回数に至るまで、反復して行う（ステップＳＴＤ１３）。なお、ステップＳＴＤ７の処理において、所定の回数を経るまでは、ｔを維持させたままステップＳＴＤ５〜ＳＴＤ１３の処理を行い、その後に判断処理を行ってもよい。
【００５０】
図８の処理によれば、意味ドリフトが発生していない状態であれば最新の関連語群から検索重要単語を選択し、意味ドリフトが発生すると以前の関連語群からｔを減らして検索重要単語を選択することにより、自動的にｔの値を調整して、意味ドリフトを回避しつつ、検索処理を実現することが可能になる。
【００５１】
なお、検索部１５は、例えば、複数の検索対象データを抽出して、抽出された検索対象データに重み付けを行うものであってもよい。また、検索部１５は、検索対象データ群の全部に対して重み付けを行うものであってもよい。（検索対象データ群の一部を選択することは、例えば、各検索対象データに対して０又は１の重み付けを行っていると捉えることができる。）この場合、抽出部２３及び選択部２７は、低く重み付けされた検索対象データにのみ表われる単語よりも、高く重み付けされた検索対象データに表われる単語を重視して、関連語を抽出し、検索重要単語を選択する。
【００５２】
また、図７では、重要度の順位により、ｔの値を調整した。図８では、関連語と検索単語の類似度により、ｔの値を調整した。図７において、図８と同様に、関連語と検索単語の類似度により調整するようにしてもよい。図８において、図７と同様に、検索単語の重要度の順位により、ｔの値を調整するようにしてもよい。また、両方を加味して、調整するようにしてもよい。
【符号の説明】
【００５３】
１ 検索装置、３ 文書集合処理部、５ 単語集合処理部、７ 表示部、１１ 検索単語記憶部、１３ 検索対象データ群記憶部、１５ 検索部、１７ 検索重要単語記憶部、２１ 検索結果記憶部、２３ 抽出部、２５ 関連語記憶部、２７ 選択部、２９ 個数決定部
【技術分野】
【０００１】
本発明は、検索方法、検索装置及びプログラムに関し、特に、意味ドリフトの回避に適した検索方法等に関する。
【背景技術】
【０００２】
検索結果の文書集合の重要語を抽出する手法として、文書に対するブートストラッピング法が知られている（特許文献１及び２並びに非特許文献１参照）。ブートストラッピング法は、単語集合を検索条件として与え、その条件を満たす文書集合を求める工程と、文書集合からその文書集合に含まれる重要語集合を求める工程という、二つの工程を交互に繰り返す。十分な回数の反復後には、単語の重みと文書の重みは一定の値に収束する。そのため、単語の重要度を自動的に求めることができる。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００８−１９１８７７号公報
【特許文献２】特開２００７−４１７００号公報
【非特許文献】
【０００４】
【非特許文献１】小町守、外３名著，“Espresso型ブートストラッピング法における意味ドリフトのグラフ理論に基づく分析−語義曖昧性解消における評価−”，人工知能学会論文誌，vol.25，No.2，pp.233-242，2010.
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ブートストラッピング法は、反復を繰り返す過程で、最初の目的から外れた単語を抽出するようになるという問題がある。その結果、単語集合は、最初に与えた単語とは関係のない、より一般的な単語ばかりになってしまう。これは、意味ドリフトと呼ばれており、抜本的な解決方法は知られていない。
【０００６】
従来、意味ドリフトを避けるため、文書や単語の重要度の計算法の改良や、単語の出現パターンを制限するなど人手による工夫（ヒューリスティック）が使われている（特許文献１及び２並びに非特許文献１参照）。しかし、これらの手法には、一般性がない。
【０００７】
そこで、本願発明は、意味ドリフトの回避に適した、新たな検索方法等を提案することを目的とする。
【課題を解決するための手段】
【０００８】
本願発明の第１の観点は、検索装置において、一つ又は複数の検索単語を用いて、検索対象データ記憶手段に記憶された検索対象データ群を検索する検索方法であって、検索手段が、前記検索単語を用いて前記検索対象データ群を検索する検索ステップと、抽出手段が、検索結果から複数の関連語を抽出する抽出ステップと、選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択ステップと、前記検索手段が、前記検索重要単語を用いて前記検索対象データ群をさらに検索する再検索ステップを含むものである。
【０００９】
本願発明の第２の観点は、第１の観点において、前記抽出手段が、前記再検索ステップにおける検索結果から新たに複数の関連語を抽出する再抽出ステップと、個数決定手段が、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合には、前記選択手段が選択する検索重要単語の個数を維持又は増加する個数決定ステップを含むものである。
【００１０】
本願発明の第３の観点は、第２の観点において、前記個数決定ステップにおいて、前記個数決定手段は、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合には、前記選択手段が選択する検索重要単語の個数を減少し、前記選択手段が、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合に、前記新たに抽出された複数の関連語から新たな検索重要単語を選択し、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合に、以前に抽出された関連語から個数を減少して新たな検索重要単語を再度選択する再選択ステップを含むものである。
【００１１】
本願発明の第４の観点は、第２又は第３の観点において、前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索対象データ群全体における前記検索単語又はその同義語の重要度と、前記検索手段による検索結果における前記検索単語又はその同義語の重要度とを比較して決定するものである。
【００１２】
本願発明の第５の観点は、第２又は第３の観点において、前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索単語と、前記複数の関連語との類似性により決定するものである。
【００１３】
本願発明の第６の観点は、第１から第５のいずれかにおいて、前記検索手段は、前記検索対象データ群を検索して、一つ又は複数の検索対象データを抽出し、又は／及び、前記検索対象データ群の全部又は一部に重み付けを行うことにより、前記検索結果を得るものである。
【００１４】
本願発明の第７の観点は、一つ又は複数の検索単語を用いて検索対象データ群を検索する検索装置であって、前記検索対象データ群を記憶する検索対象データ記憶手段と、前記検索単語を用いて前記検索対象データ群を検索する検索手段と、前記抽出された検索対象データから複数の関連語を抽出する抽出手段と、選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択手段と、を備え、前記検索手段は、前記検索重要単語を用いて前記検索対象データ群をさらに検索するものである。
【００１５】
本願発明の第８の観点は、コンピュータにおいて、第１から第６のいずれかの観点の検索方法を実現するためのプログラムである。
【００１６】
なお、選択手段が選択する検索重要単語の個数は、例えば、検索単語の個数よりも大きい値である。これにより、検索単語以外の単語のうち、検索単語に近い意味合いの単語を少なくとも一つ、検索重要単語として選択することができる。また、第２の観点において、個数決定手段は、再検索ステップと再抽出ステップを、個数を維持したまま所定の回数繰り返し、その後に、前記検索単語又はその同義語の重要度が高い場合には、前記選択手段が選択する検索重要単語の個数を増加するものであってもよい。また、第８の観点のプログラムを定常的に記録するコンピュータ読み取り可能な記録媒体として捉えてもよい。
【発明の効果】
【００１７】
本願発明の各観点は、単語集合から文書集合を求める工程と、文書集合から単語集合を求める工程とを、交互に繰り返すものである。このとき、選択手段は、関連語のうち、重要度が上位のｔ個に限定して、検索重要単語を選択する。選択手段が、個数を限定して選択することによって、意味ドリフトを回避することが可能になる。
【００１８】
また、本願発明の第２の観点によれば、意味ドリフトの発生を制御しつつ、ｔの値を増加することが可能になる。
【００１９】
さらに、本願発明の第３の観点によれば、意味ドリフトが発生していない状態であれば最新の関連語群から検索重要単語を選択し、意味ドリフトが発生すると以前に抽出された関連語群から個数を減らして検索重要単語を選択することにより、自動的にｔの値を調整して、意味ドリフトを回避しつつ、検索処理を実現することが可能になる。
【００２０】
なお、本願発明を、第２の観点において、前記検索手段、前記抽出手段及び前記選択手段は、前記再抽出ステップにおいて抽出された複数の関連語において、前記検索単語よりも前記検索結果における重要度が高い単語がｋ個（ｋは、予め定められた自然数である。）以上存在するまでｔの値を増加して検索して、表示手段に前記検索単語よりも重要度が高い単語の全部又は一部を表示するものとして捉えてもよい。検索装置の利用者は、表示された単語群を参照して、例えば求めたい単語群の一般性をその文書頻度としたとき、目標とする文書頻度Ｆの単語を求めるためのパラメータｔを事前に定めることができる。これにより、ｔの値によって、意味ドリフトのレベルを調整することができる。
【図面の簡単な説明】
【００２１】
【図１】本願発明の実施例に係る検索装置１の概要を示すブロック図である。
【図２】図１の検索装置１の動作の一例を示すフロー図である。
【図３】検索対象データ群が倒産情報に関する文献群であり、検索単語が「建築」である場合に、抽出する単語数ｔを変更した検索結果を示す図である。
【図４】検索対象データ群が図３と同じ文献群であり、検索単語が「建築」である場合に、「建築」の順位と関連語の上位１０個を示す図である。
【図５】図２の検索装置１の動作の具体的な一例を示すフロー図である。
【図６】図３の抽出する個数の決定処理の一例を示すフロー図である。
【図７】図２の検索装置１の動作の具体的な他の一例を示す図である。
【図８】図２の検索装置１の具体的な動作のさらに他の一例を示す図である。
【発明を実施するための形態】
【００２２】
以下では、図面を参照して、本願発明の実施例について説明する。なお、本願発明は、この実施例に限定されるものではない。
【実施例】
【００２３】
図１は、本願発明の実施例に係る検索装置の概要を示すブロック図である。検索装置１は、文書集合処理部３と、単語集合処理部５と、表示部７を備える。文書集合処理部３は、検索単語記憶部１１と、検索対象データ群記憶部１３（本願請求項の「検索対象データ群記憶部」の一例）と、検索部１５（本願請求項の「検索手段」の一例）と、検索重要単語記憶部１７を備える。単語集合処理部５は、検索結果記憶部２１と、抽出部２３（本願請求項の「抽出手段」の一例）と、関連語記憶部２５と、選択部２７（本願請求項の「選択手段」の一例）と、個数決定部２９（本願請求項の「個数決定手段」の一例）を備える。表示部７は、検索結果等を表示するものである。
【００２４】
図２は、図１の検索装置１の動作の一例を示すフロー図である。以下、図１の検索装置１の動作を、図２を参照して説明する。
【００２５】
検索単語記憶部１１は、一つ又は複数の検索単語を記憶するものである。検索単語は、例えば、検索装置１の利用者が入力したクエリである。検索対象データ群記憶部１３は、検索対象データ群を記憶するものである。検索対象データ群は、文書、文と単語を節点とする二分グラフ等の複数の検索対象データである。検索部１５は、検索単語を用いて、検索対象データ群を検索する（図２のステップＳＴ１）（本願請求項の「検索ステップ」の一例）。以下では、検索部１５が、検索結果として、検索対象データ群のうち、一つ又は複数の検索対象データを抽出する場合について説明する。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。
【００２６】
個数決定部２９は、選択部２７が選択する単語の個数ｔを決定する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴ２）（本願請求項の「抽出ステップ」の一例）。抽出部２３は、関連語記憶部２５に対して、抽出部２３が抽出した関連語を記憶させる。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴ３）（本願請求項の「選択ステップ」の一例）。重要度は、例えば、検索結果記憶部２１に記憶された検索対象データにおける出現頻度である。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴ４）（本願請求項の「再検索ステップ」の一例）。そして、検索装置１は、図２のステップＳＴ２〜４の処理を、所定の回数に至るまで、反復して行う（ステップＳＴ５）。
【００２７】
文書集合処理部３は、文書集合を抽出する。単語集合処理部５は、単語集合を作成する。このとき、選択部２７は、関連語のうち、重要度が上位のｔ個に限定して、検索重要単語を選択する。例えば、十分大きなｔに対しては、一般的な重要語が選択される。反復して検索するうちに、一般的な重要語の影響が大きくなる。そのため、単語集合は、一般的な重要語が中心のものとなる。他方、例えば、検索単語が一つの場合に、ｔ＝１とすれば、単語集合は基本的に検索単語となる。このように、ｔの値を小さく設定すれば、特殊な分野や対象についての重要語となる。よって、選択部２７が、個数を制限して、関連語の一部を検索重要単語として選択することによって、検索装置１全体として、意味ドリフトを回避しつつ、一つ又は複数の検索単語を用いて、記憶された検索対象データ群を検索することが可能になる。
【００２８】
図３は、抽出する単語数ｔを変更した検索結果を示す図である。横軸は、検索単語の重要度の順位を示す。縦軸は、単語の出現頻度（frequency）を示す。実験では、検索対象データ群を企業の倒産情報に関する文献群とした。検索単語を「建築」とした。実験で使用したｔは、２、５、10、50、100、500、1000の７通りである。ｔ＝２では、上位の単語でも頻度が低い特殊な単語である。しかし、ｔ＝100、1000では、重要度上位の単語は、出現頻度が高い単語（つまり、本来の検索語とか関係なく一般的な単語）である。そのため、ｔを大きくした場合に、意味ドリフトが生じていることがわかる。よって、例えば、企業の倒産情報を対象として、倒産原因を抽出する検索システムを構築することにより、ｔを大きくして検索処理を行うことにより、一般的な倒産理由を抽出することもできる。さらに、ｔを小さくして、例えば「建築」業界に限定した倒産理由を抽出することもできる。
【００２９】
図４は、図３と同じ文献群に対して、「建築」をキーワードとして検索して得られる検索結果を示す図である。実験では、図３と同様に、検索対象データ群を企業の倒産情報に関する文献群とした。検索単語を「建築」とした。１列目はｔの値である。２列目は上位ｔ個で検索した検索結果における検索単語（つまり、「建築」）の順位である。３列目以降は、関連語の上位１０個である。ｔ＝１の場合は、建築のみが抽出されている。ｔ＝４までは、「建築」は、高い重要度で評価されている。ｔ＝５で、「サブプライムローン」という用語があらわれ、やや一般的な傾向を示すようになった。そして、ｔ＝30以上で、「減少」という用語が最も高く評価されるようになった。この「減少」等は、検索対象データ群全体で、一般的な単語であると考えられる。その結果、これらの単語の影響が大きくなり、意味ドリフトが発生したものと考えられる。
【００３０】
図４より、ｔが小さい場合には、意味ドリフトを回避することができることがわかる。また、ｔが大きい場合には、意味ドリフトが発生している。よって、ｔを変更することにより、意味ドリフトの発生をコントロールすることが可能である。図５及び図６を参照して、予めｔを決定して、意味ドリフトの発生をコントロールしつつ、検索処理を行う場合について具体的に説明する。
【００３１】
さらに、意味ドリフトが生じた場合、単語集合の上位は、一般的な単語が占める。その結果、図４では、ｔ＝50以上で、「建築」の順位は、２００位前後となっている。これは、検索対象データ群全体として、「建築」という単語の重要度の評価と考えられる。よって、意味ドリフトが生じたか否かの指標の一つとして、検索単語の重要度の順位を用いることができる。図５〜図８を参照して、この指標を用いて、反復処理において、意味ドリフトが発生したか否かを判断し、適切なｔの値を調整するものについて説明する。
【００３２】
図５は、図２の検索装置１の動作の具体的な一例を示すフロー図である。まず、個数決定部２９は、抽出する単語数ｔを決定する（ステップＳＴＢ１）。続いて、検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＢ２）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＢ３）。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＢ４）。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴＢ５）。そして、検索装置１は、図５のステップＳＴＢ３〜５の処理を、所定の回数に至るまで、反復して行う（ステップＳＴＢ６）。検索装置１は、表示装置に、検索結果を表示する（ステップＳＴＢ７）。
【００３３】
図６は、図５のステップＳＴＢ１におけるｔの決定処理の一例を示すフロー図である。検索装置１の利用者は、検索単語ｗと、関連語数ｋを入力する（ステップＳＴＫ１）。個数決定部２９は、閾値初期値設定処理として、ｔを、検索単語の個数とする（ステップＳＴＫ２）。図６では、検索単語はｗの１つのみを仮定している。そのため、ｔを１とする。続いて、検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＫ３）（本願請求項の「検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＫ４）（本願請求項の「抽出ステップ」の一例）。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＫ５）（本願請求項の「選択ステップ」の一例）。図６の説明において、この検索重要単語群を重要度の順位に並べたリストを「関連語リストＬ」という。選択部２７は、検索重要単語記憶部１７に、検索語リストＬを記憶する。個数決定部２９は、Ｌ中での検索単語ｗの重要度順位r=rank(L,w)を計算する（ステップＳＴＫ６）。これは、例えば、検索単語ｗそのものがあらわれる順位でもよく、実質的に同じと評価できる単語（例えば同義語など）があらわれる順位などであってもよい。個数決定部２９は、ｒとｋとを比較する（ステップＳＴＫ７）。ｒがｋ以上であれば、ステップＳＴＫ１４に進む。ｒがｋよりも小さいならば、ステップＳＴＫ８に進む。
【００３４】
個数決定部２９は、ｔの値を１増加する（ステップＳＴＫ８）。検索部１５は、検索重要単語を用いて、検索対象データ群を検索する（ステップＳＴＫ９）（本願請求項の「再検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＫ１０）。選択部２７は、抽出部２３により抽出された関連語から、新たな関連語リストＬを生成する（ステップＳＴＫ１１）。選択部２７は、検索重要単語記憶部１７に、検索語リストＬを記憶する。個数決定部２９は、Ｌ中での検索単語ｗの重要度順位r=rank(L,w)を計算する（ステップＳＴＫ１２）。個数決定部２９は、ｒとｋとを比較する（ステップＳＴＫ１３）。ｒがｋ以上であれば、ステップＳＴＫ１４に進む。ｒがｋよりも小さいならば、ステップＳＴＫ８に進む。なお、ステップＳＴＫ１３の処理において、所定の回数を経るまでは、個数を維持したままステップＳＴＫ８〜ＳＴＫ１２の処理を行い、その後に比較処理を行ってもよい。
【００３５】
ステップＳＴＫ１４において、個数決定部２９は、表示部７に、Ｌにおいてｗより上位のｋ個の単語と、ｗより下位のｋ個の単語を表示する。
【００３６】
図６の処理により、検索装置１は、利用者に対して、ｔの値を変更して得られる関連語を重要度の降順に並べたとき、表示部７に、入力した検索単語ｗを中心に、それより上位ｋ個と下位ｋ個を提示する。すなわち、ｔの値を増加すると、関連語の数も増え、ｗの順位は下がる（図３、図４参照）。そのため、図６にあるように、ｔ＝１から始めて、ｗより上位の単語がｋ個以上となるまでｔを増加させることで、このようなｔを求めることができる。利用者は、表示された単語群により、検索対象データ群の検索処理において、検索単語ｗを解釈することができる。
【００３７】
図７は、図２の検索装置１の動作の具体的な他の一例を示す図である。
【００３８】
まず、個数決定部２９は、検索対象データ群記憶部１３に記憶された検索対象データ群において、検索単語の重要度の順位（以下、この順位を「全体ランク」という。）を求める（ステップＳＴＣ１）。なお、全体ランクは、例えば、検索単語が複数の場合には、その最高順位により決定してもよい。また、検索単語及びその同義語のうち、最高順位とするなど、同義語を参酌して決定してもよい。ここで、個数決定部２９は、ｔに初期値を設定する。
【００３９】
続いて、検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＣ２）（本願請求項の「検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＣ３）（本願請求項の「抽出ステップ」の一例）。
【００４０】
続いて、個数決定部２９は、検索結果記憶部２１に記憶された検索結果において、検索単語の重要度の順位を求める（ステップＳＴＣ４）。以下、この順位を「個別ランク」という。そして、検索装置１は、全体ランクと個別ランクを比較する（ステップＳＴＣ５）。全体ランクと個別ランクが近い場合には、意味ドリフトが発生したと判断して、ｔの値を少なくし（ステップＳＴＣ６）、ステップＳＴＣ２の処理に戻る。全体ランクと個別ランクが近くない場合には、ステップＳＴＣ７の処理を行う。ここで、全体ランクと個別ランクの近さは、例えば、一定数以下か否かという絶対数で判断してもよく、全体ランクを個別ランクで割った値を用いるように、割合的に判断してもよい。
【００４１】
個数決定部２９は、ｔの値を維持又は増加する（ステップＳＴＣ７）。個数決定部２９は、例えば、全体ランクと個別ランクの違いが十分に大きいときにはｔの値を増加し、そうでないときには、ｔの値を維持する。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＣ８）（本願請求項の「選択ステップ」の一例）。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。
【００４２】
検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴＣ９）（本願請求項の「再検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＣ１０）続いて、個数決定部２９は、個別ランクを新たに求める（ステップＳＴＣ１１）。そして、検索装置１は、全体ランクと個別ランクを比較する（ステップＳＴＣ１２）。全体ランクと個別ランクが近い場合には、意味ドリフトが発生したと判断して、ｔの値を少なくし（ステップＳＴＣ１３）、ステップＳＴＣ２の処理に戻る。全体ランクと個別ランクが近くない場合には、個数決定部２９は、ｔの値を維持又は増加する（ステップＳＴＣ１４）。選択部２７は、抽出部２３により抽出された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＣ１５）。そして、検索装置１は、ステップＳＴＣ９〜１５の処理を、所定の回数に至るまで、反復して行う（ステップＳＴＣ１６）。なお、ステップＳＴＣ１２の処理において、所定の回数を経るまでは、ｔを維持したままステップＳＴＣ９〜ＳＴＣ１６の処理を行い、その後に比較処理を行ってもよい。
【００４３】
図７の処理により、関連語の重要度の順位によって意味ドリフトが発生したか否かを判断し、ｔの値を増減することにより、自動的に、ｔの値を調整して、意味ドリフトを回避しつつ、検索処理を実現することが可能になる。
【００４４】
図８は、図２の検索装置１の具体的な動作のさらに他の一例を示す図である。
【００４５】
まず、個数決定部２７は、ｔに初期値を設定する。検索部１５は、検索単語を用いて、検索対象データ群を検索する（ステップＳＴＤ１）（本願請求項の「検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＤ２）（本願請求項の「抽出ステップ」の一例）。抽出部２３は、関連語記憶部２５に、抽出された関連語を記憶する。選択部２７は、関連語記憶部２５に記憶された関連語のうち、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＤ３）（本願請求項の「選択ステップ」の一例）。選択部２７は、検索重要単語記憶部１７に、選択した検索重要単語を記憶する。
【００４６】
検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（ステップＳＴＤ４）（本願請求項の「再検索ステップ」の一例）。検索部１５は、検索結果記憶部２１に、検索結果を記憶する。抽出部２３は、検索結果記憶部２１に記憶された検索対象データから、複数の関連語を抽出する（ステップＳＴＤ５）。抽出部２３は、関連語記憶部２５に、以前に抽出された関連語とは区別して、新たに抽出された関連語を記憶する。続いて、個数決定部２９は、新たに抽出された関連語と検索単語との類似度を計算する。類似度が高い場合には、意味ドリフトが発生していないと判断し、ステップＳＴＤ８の処理を行う。類似度が低い場合には、意味ドリフトが発生したと判断し、ステップＳＴＤ１０の処理を行う。類似度は、例えば、新たに抽出された関連語について、重要度に応じた重み付けを行い、検索単語（同義語を含んでもよい。）と比較して計算してもよい。また、ｔ以上の個数を抽出して、検索単語（同義語を含んでもよい。）と比較して計算してもよい。
【００４７】
ステップＳＴＤ８において、個数決定部２９は、ｔの値を維持又は増加する。例えば、類似度が十分に大きい場合には、ｔの値を増加する。続いて、選択部２７は、新たに抽出された関連語群から、重要度が高い方からｔ個を検索重要単語として選択する（ステップＳＴＤ９）。そして、ステップＳＴＤ１２に進む。
【００４８】
ステップＳＴＤ１０において、個数決定部２９は、ｔの値を減らす。そして、選択部２７は、以前に抽出された関連語群から、重要度が高い方からｔ個を選択する（ステップＳＴＤ１１）。なお、検索重要単語記憶部１７には、直前に選択した検索重要単語が記憶されている。そのため、この検索重要単語記憶部１７に記憶された検索重要単語の一部を、新たな検索重要単語として選択してもよい。選択部２７は、ステップＳＴＤ９又はステップＳＴＤ１１の処理に続き、検索重要単語記憶部１７に選択した検索重要単語を記憶し、ステップＳＴＤ１２の処理を行う。
【００４９】
ステップＳＴＤ１２では、検索部１５は、検索重要単語記憶部１７に記憶された検索重要単語を用いて、検索対象データ群をさらに検索する（本願請求項の「再検索ステップ」の一例）。そして、検索装置１は、図８のステップＳＴＤ５〜１２の処理を、所定の回数に至るまで、反復して行う（ステップＳＴＤ１３）。なお、ステップＳＴＤ７の処理において、所定の回数を経るまでは、ｔを維持させたままステップＳＴＤ５〜ＳＴＤ１３の処理を行い、その後に判断処理を行ってもよい。
【００５０】
図８の処理によれば、意味ドリフトが発生していない状態であれば最新の関連語群から検索重要単語を選択し、意味ドリフトが発生すると以前の関連語群からｔを減らして検索重要単語を選択することにより、自動的にｔの値を調整して、意味ドリフトを回避しつつ、検索処理を実現することが可能になる。
【００５１】
なお、検索部１５は、例えば、複数の検索対象データを抽出して、抽出された検索対象データに重み付けを行うものであってもよい。また、検索部１５は、検索対象データ群の全部に対して重み付けを行うものであってもよい。（検索対象データ群の一部を選択することは、例えば、各検索対象データに対して０又は１の重み付けを行っていると捉えることができる。）この場合、抽出部２３及び選択部２７は、低く重み付けされた検索対象データにのみ表われる単語よりも、高く重み付けされた検索対象データに表われる単語を重視して、関連語を抽出し、検索重要単語を選択する。
【００５２】
また、図７では、重要度の順位により、ｔの値を調整した。図８では、関連語と検索単語の類似度により、ｔの値を調整した。図７において、図８と同様に、関連語と検索単語の類似度により調整するようにしてもよい。図８において、図７と同様に、検索単語の重要度の順位により、ｔの値を調整するようにしてもよい。また、両方を加味して、調整するようにしてもよい。
【符号の説明】
【００５３】
１ 検索装置、３ 文書集合処理部、５ 単語集合処理部、７ 表示部、１１ 検索単語記憶部、１３ 検索対象データ群記憶部、１５ 検索部、１７ 検索重要単語記憶部、２１ 検索結果記憶部、２３ 抽出部、２５ 関連語記憶部、２７ 選択部、２９ 個数決定部
【特許請求の範囲】
【請求項１】
検索装置において、一つ又は複数の検索単語を用いて、検索対象データ記憶手段に記憶された検索対象データ群を検索する検索方法であって、
検索手段が、前記検索単語を用いて前記検索対象データ群を検索する検索ステップと、
抽出手段が、検索結果から複数の関連語を抽出する抽出ステップと、
選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択ステップと、
前記検索手段が、前記検索重要単語を用いて前記検索対象データ群をさらに検索する再検索ステップを含む検索方法。
【請求項２】
前記抽出手段が、前記再検索ステップにおける検索結果から新たに複数の関連語を抽出する再抽出ステップと、
個数決定手段が、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合には、前記選択手段が選択する検索重要単語の個数を維持又は増加する個数決定ステップを含む請求項１記載の検索方法。
【請求項３】
前記個数決定ステップにおいて、前記個数決定手段は、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合には、前記選択手段が選択する検索重要単語の個数を減少し、
前記選択手段が、
前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合に、前記新たに抽出された複数の関連語から新たな検索重要単語を選択し、
前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合に、以前に抽出された関連語から個数を減少して新たな検索重要単語を再度選択する再選択ステップを含む請求項２記載の検索方法。
【請求項４】
前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索対象データ群全体における前記検索単語又はその同義語の重要度と、前記検索手段による検索結果における前記検索単語又はその同義語の重要度とを比較して決定する、請求項２又は３に記載の検索方法。
【請求項５】
前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索単語と、前記複数の関連語との類似性により決定する、請求項２又は３に記載の検索方法。
【請求項６】
前記検索手段は、前記検索対象データ群を検索して、一つ又は複数の検索対象データを抽出し、又は／及び、前記検索対象データ群の全部又は一部に重み付けを行うことにより、前記検索結果を得るものである、請求項１から５のいずれかに記載の検索方法。
【請求項７】
一つ又は複数の検索単語を用いて検索対象データ群を検索する検索装置であって、
前記検索対象データ群を記憶する検索対象データ記憶手段と、
前記検索単語を用いて前記検索対象データ群を検索する検索手段と、
前記抽出された検索対象データから複数の関連語を抽出する抽出手段と、
選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択手段と、を備え、
前記検索手段は、前記検索重要単語を用いて前記検索対象データ群をさらに検索する、検索装置。
【請求項８】
コンピュータにおいて、請求項１から６のいずれかに記載の検索方法を実現するためのプログラム。
【請求項１】
検索装置において、一つ又は複数の検索単語を用いて、検索対象データ記憶手段に記憶された検索対象データ群を検索する検索方法であって、
検索手段が、前記検索単語を用いて前記検索対象データ群を検索する検索ステップと、
抽出手段が、検索結果から複数の関連語を抽出する抽出ステップと、
選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択ステップと、
前記検索手段が、前記検索重要単語を用いて前記検索対象データ群をさらに検索する再検索ステップを含む検索方法。
【請求項２】
前記抽出手段が、前記再検索ステップにおける検索結果から新たに複数の関連語を抽出する再抽出ステップと、
個数決定手段が、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合には、前記選択手段が選択する検索重要単語の個数を維持又は増加する個数決定ステップを含む請求項１記載の検索方法。
【請求項３】
前記個数決定ステップにおいて、前記個数決定手段は、前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合には、前記選択手段が選択する検索重要単語の個数を減少し、
前記選択手段が、
前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が高い場合に、前記新たに抽出された複数の関連語から新たな検索重要単語を選択し、
前記再抽出ステップにおいて抽出された関連語群において、前記検索単語又はその同義語の重要度が低い場合に、以前に抽出された関連語から個数を減少して新たな検索重要単語を再度選択する再選択ステップを含む請求項２記載の検索方法。
【請求項４】
前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索対象データ群全体における前記検索単語又はその同義語の重要度と、前記検索手段による検索結果における前記検索単語又はその同義語の重要度とを比較して決定する、請求項２又は３に記載の検索方法。
【請求項５】
前記個数決定手段は、前記検索単語又はその同義語の重要度の高低を、前記検索単語と、前記複数の関連語との類似性により決定する、請求項２又は３に記載の検索方法。
【請求項６】
前記検索手段は、前記検索対象データ群を検索して、一つ又は複数の検索対象データを抽出し、又は／及び、前記検索対象データ群の全部又は一部に重み付けを行うことにより、前記検索結果を得るものである、請求項１から５のいずれかに記載の検索方法。
【請求項７】
一つ又は複数の検索単語を用いて検索対象データ群を検索する検索装置であって、
前記検索対象データ群を記憶する検索対象データ記憶手段と、
前記検索単語を用いて前記検索対象データ群を検索する検索手段と、
前記抽出された検索対象データから複数の関連語を抽出する抽出手段と、
選択手段が、前記複数の関連語の一部を検索重要単語として選択する選択手段と、を備え、
前記検索手段は、前記検索重要単語を用いて前記検索対象データ群をさらに検索する、検索装置。
【請求項８】
コンピュータにおいて、請求項１から６のいずれかに記載の検索方法を実現するためのプログラム。
【図１】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図３】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図３】
【公開番号】特開２０１２−２３４４８５（Ｐ２０１２−２３４４８５Ａ）
【公開日】平成２４年１１月２９日（２０１２．１１．２９）
【国際特許分類】
【出願番号】特願２０１１−１０４４１４（Ｐ２０１１−１０４４１４）
【出願日】平成２３年５月９日（２０１１．５．９）
【出願人】（５０４１４５３４２）国立大学法人九州大学 (960)
【公開日】平成２４年１１月２９日（２０１２．１１．２９）
【国際特許分類】
【出願日】平成２３年５月９日（２０１１．５．９）
【出願人】（５０４１４５３４２）国立大学法人九州大学 (960)
[ Back to top ]