JP2008250625A - 検索システム - Google Patents
検索システム Download PDFInfo
- Publication number
- JP2008250625A JP2008250625A JP2007090415A JP2007090415A JP2008250625A JP 2008250625 A JP2008250625 A JP 2008250625A JP 2007090415 A JP2007090415 A JP 2007090415A JP 2007090415 A JP2007090415 A JP 2007090415A JP 2008250625 A JP2008250625 A JP 2008250625A
- Authority
- JP
- Japan
- Prior art keywords
- relevance
- keyword
- search
- tag
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】検索語と関連の深い関連語を抽出し、検索語と関連語との関係性を視覚的に表現した関連度マップを生成可能なシステムの提供。
【解決手段】各キーワード間の関連度を格納しておくキーワード関連度表26と、マップ生成部28とを備えた検索システム10。マップ生成部28は、検索語が入力された場合に、キーワード関連度表26を参照して所定数のキーワードを関連語として抽出し、抽出した各関連語の順位を螺旋方程式に代入してそれぞれのX値及びY値を算出し、これらに基づいて所定平面上における座標値を算出し、検索語を表記したタグを平面の中心に配置させると共に、各関連語を表記したタグを座標値に基づいて同平面上に配置させた第2の関連度マップ46を生成する。第2の関連度マップ46は、Webサーバ32によってクライアント36に配信される。
【選択図】図1
【解決手段】各キーワード間の関連度を格納しておくキーワード関連度表26と、マップ生成部28とを備えた検索システム10。マップ生成部28は、検索語が入力された場合に、キーワード関連度表26を参照して所定数のキーワードを関連語として抽出し、抽出した各関連語の順位を螺旋方程式に代入してそれぞれのX値及びY値を算出し、これらに基づいて所定平面上における座標値を算出し、検索語を表記したタグを平面の中心に配置させると共に、各関連語を表記したタグを座標値に基づいて同平面上に配置させた第2の関連度マップ46を生成する。第2の関連度マップ46は、Webサーバ32によってクライアント36に配信される。
【選択図】図1
Description
この発明は検索システムに係り、特に、入力された検索語と関連の深い用語を抽出すると共に、その抽出結果を視覚的に表示する検索システムに関する。
膨大な情報の中から必要とする情報を抽出するために検索システムが用いられるが、一般的な検索システムの場合、入力された検索語と同一または類似の概念を含む情報を抽出する仕組みを備えている。例えば、多数の企業の情報を格納したデータベースに対して「富士」という検索語を与えると、検索システムは「富士」という文字列を名称中に含む企業のリストを正確に出力することができる。また、インターネットの検索サイトにおいて「環境問題」と入力すれば、「環境問題」という文字列を含んだWebページのリストがディスプレイに表示される。
この結果ユーザは、目的の情報に辿り着くことが可能となるのであるが、そこでの検索結果はあくまでも予想の範囲のものであり、検索結果リストを眺めても意外な発見を期待することはできなかった。もちろん、検索結果リスト中の個々のデータの詳細を検討する過程で新しい知見を得ることはできるが、検索語と関連の深い他の用語を含む情報を直接的に抽出することはできなかった。
この結果ユーザは、目的の情報に辿り着くことが可能となるのであるが、そこでの検索結果はあくまでも予想の範囲のものであり、検索結果リストを眺めても意外な発見を期待することはできなかった。もちろん、検索結果リスト中の個々のデータの詳細を検討する過程で新しい知見を得ることはできるが、検索語と関連の深い他の用語を含む情報を直接的に抽出することはできなかった。
この点に関し、特許文献1で開示された「連想検索システム」の場合には、各用語の関連用語を記憶した関連用語記憶手段と、各用語と共起性の高い(同一文書中に登場する確率が高い)企業名を記憶した共起企業名記憶手段を備えており、検索語が入力された場合にはこれと関連する用語を抽出し、各用語に対する共起性の高い企業名を抽出する仕組みを備えている。
特開2004−110386号
この結果ユーザは、検索語として「環境問題」を入力すると、環境問題に係る文書中に登場することの多い企業名をダイレクトにリストアップすることが可能となり、環境問題に積極的に取り組む企業を認識し、投資行動につなげることができるようになる。
しかしながら、特許文献1も含めた従来の検索システムでは、検索結果を所定の順序(例えば新着順)で整列したリスト形式で表示するのが一般的であり、検索結果であるデータ間の関係性を視覚的に表現することはできなかった。
このため、ユーザ側で検索結果を解析する必要があり、検索語を含めた関連語間の関係性を簡易かつ直感的に把握する用途には使えなかった。
しかしながら、特許文献1も含めた従来の検索システムでは、検索結果を所定の順序(例えば新着順)で整列したリスト形式で表示するのが一般的であり、検索結果であるデータ間の関係性を視覚的に表現することはできなかった。
このため、ユーザ側で検索結果を解析する必要があり、検索語を含めた関連語間の関係性を簡易かつ直感的に把握する用途には使えなかった。
この発明は上記の問題を解決するために案出されたものであり、キーワード間の共起性に基づいて検索語と関連の深い情報を抽出可能であり、かつ検索語と抽出結果である関連語との関係性を視覚的に表現可能な検索システムを提供することを目的としている。
上記の目的を達成するため、請求項1に記載した検索システムは、複数のキーワードの各文書データ中における出現頻度データを用いて算出された、キーワード間の共起性に基づく関連度を格納しておくキーワード関連度記憶手段と、検索語が入力された場合に、上記キーワード関連度記憶手段を参照し、当該検索語に対する関連度の高い順に所定数のキーワードを関連語として抽出する手段と、抽出した各関連語の順位を螺旋方程式に代入し、それぞれのX値及びY値を算出する手段と、このX値及びY値に基づいて、所定平面上における各関連語の座標値を算出する手段と、検索語を表記したタグを上記平面の中心に配置させると共に、各関連語を表記したタグをそれぞれの座標値に基づいて同平面上に配置させた関連度マップを生成する手段と、この関連度マップを出力する手段とを備えたことを特徴としている。
請求項2に記載した検索システムは、請求項1に記載のシステムであって、さらに、上記関連度マップ上の任意のタグを選択した状態で再検索のリクエストが入力された場合に、当該タグに表記されているキーワードを検索語として受け付けて新たな関連度マップを生成し、これを出力することを特徴としている。
請求項3に記載した検索システムは、請求項1または2に記載のシステムであって、さらに、複数のキーワードの出現頻度を文書データ毎に集計した結果を格納しておくキーワード共起頻度記憶手段と、上記関連度マップ上の任意のタグを選択した状態で関連性の根拠の提示がリクエストされた場合に、上記キーワード共起頻度記憶手段を参照し、当該タグに表記されているキーワードと検索語が同時に出現している文書データを特定する手段と、当該文書データのリストを生成し、出力する手段とを備えたことを特徴としている。
請求項4に記載した検索システムは、請求項1〜3に記載のシステムであって、さらに、上記関連度マップ上の任意のタグを選択した状態で関連性を否定する入力がなされた場合に、所定の記憶手段に当該タグに表記されているキーワードと検索語との組合せに係る関連性否定情報を記録する手段と、上記関連性否定情報が所定数に達した場合に、上記キーワード関連度記憶手段に格納された上記キーワードと検索語との間の関連度を所定量減ずる手段とを備えたことを特徴としている。
請求項5に記載した検索システムは、通信ネットワークを介してクライアントが接続されており、上記関連度マップを含むWebファイルを生成し、クライアントに送信する手段を備えた請求項1のシステムであって、さらに上記Webファイルには、関連度マップ上の任意のタグを選択した状態でWeb検索のリクエストが入力された場合に、所定の検索サイトをリンク先とする別ウィンドウをWebブラウザ上に起動させ、当該検索サイトに対して当該タグに表記されたキーワードを検索クエリとして送信するためのコードが含まれていることを特徴としている。
請求項6に記載した検索システムは、通信ネットワークを介してクライアントが接続されており、上記関連度マップを含むWebファイルを生成し、クライアントに送信する手段を備えた請求項1または5のシステムであって、さらに上記Webファイルには、関連度マップ上の任意のタグを選択した状態で関連性の根拠の提示がリクエストされた場合に、所定の検索サイトをリンク先とする別ウィンドウをWebブラウザ上に起動させ、当該検索サイトに対して検索語及び当該タグに表記されたキーワードをアンド条件で結んだ検索クエリを送信するためのコードが含まれていることを特徴としている。
請求項7に記載した検索システムは、請求項1〜6のシステムであって、さらに、上記タグに表記される各キーワードに対し、検索語との関連度の高さに対応して大きなフォントサイズが割り当てられることを特徴としている。
請求項1に記載した検索システムによれば、所定平面の中心に検索語のタグが配置されると共に、関連語のタグがそれぞれの関連度に応じて検索語のタグを螺旋状に取り囲むように配置された関連度マップが得られるため、ユーザは関連度マップ上のタグの配置を一覧することにより、検索語との関係性を迅速に読み取ることが可能となる。
請求項2に記載した検索システムによれば、関連度マップ上の任意のタグを選択し、再検索のリクエストをするだけで当該キーワードを検索語に設定した新たな関連度マップが生成される仕組みを備えているため、ユーザはこの動作を繰り返すことによって次々と連想の輪を広げていき、その過程で思いも寄らなかった発想や知見を得ることが可能となる。
請求項3に記載した検索システムによれば、関連度マップ上の特定のタグを選択して根拠の提示をリクエストするだけで、検索語と特定の関連語とが共起している文書データのリストが出力されるため、ユーザは検索語と当該関連語を関連付けた根拠を簡易迅速に確認することが可能となる。
請求項4に記載した検索システムにあっては、ユーザが関連度マップ上の特定のタグを選択して関連性を否定する入力を行い、これが所定数以上累積した場合には検索語と特定の関連語間の関連度の修正が自動的になされる仕組みを備えているため、検索精度の最適化を図ることが可能となる。
請求項5に記載した検索システムによれば、ユーザはWebブラウザに表示された関連度マップ上の特定のタグを選択してWeb検索をリクエストするだけで、当該タグに表記されたキーワードについて外部の検索サイトを通じた検索結果を閲覧可能となり、検索結果の妥当性を簡易迅速に確認可能となる。
請求項6に記載した検索システムによれば、ユーザはWebブラウザに表示された関連度マップ上の特定のタグを選択して関連性の根拠の提示をリクエストするだけで、検索語と特定の関連語の両者を含むWebページのリストを得ることができ、検索語と関連語との関連性をWebサイトの情報を通じて簡易迅速に確認可能となる。
請求項7に記載した検索システムによれば、関連度マップ上のタグに表記されたキーワードのフォントサイズによって、ユーザは当該キーワードと検索語との関連性の強さを一目で認識することが可能となる。
図1は、この発明に係る検索システム10の機能構成を示すブロック図であり、文書DB12と、キーワード抽出部14と、キーワードDB16と、関連度算出部18と、キーワード共起頻度表20と、キーワード組合せ頻度総和表22と、キーワード頻度総和表24と、キーワード関連度表26と、マップ生成部28とを備えている。
このシステム10にはWebサーバ32が接続されており、このWebサーバ32はインターネットやイントラネット等のネットワーク34を介して複数のクライアント36と接続されている。
このシステム10にはWebサーバ32が接続されており、このWebサーバ32はインターネットやイントラネット等のネットワーク34を介して複数のクライアント36と接続されている。
上記のキーワード抽出部14、関連度算出部18及びマップ生成部28は、サーバコンピュータのCPUが、OS及び専用のアプリケーションプログラムに従い、必要な処理を実行することによって実現される。
上記の文書DB12、キーワードDB16、キーワード共起頻度表20、キーワード組合せ頻度総和表22、キーワード頻度総和表24、及びキーワード関連度表26は、同サーバコンピュータのハードディスクに格納されている。
文書DB12には、新聞記事や学術雑誌、論文等の電子データ(テキストデータ)が予め多数蓄積されている。
文書DB12には、新聞記事や学術雑誌、論文等の電子データ(テキストデータ)が予め多数蓄積されている。
上記のキーワード抽出部14は、図2に示すように、係り受け表現抽出フィルタ14a、区切り文字抽出フィルタ14b、文字列頻度統計フィルタ14c、TermExtractフィルタ14d、多数決フィルタ14eを備えている。
つぎに、図3のフローチャートに従い、キーワード抽出部14によるキーワード抽出工程について説明する。
まずキーワード抽出部14は、文書DB12内に蓄積された各文書データに係り受け表現抽出フィルタ14aを適用し、各文書データから所定の係り受け表現を備えた文字列を抽出する(S10)。
すなわち、係り受け表現抽出フィルタ14aには、「○○メーカー」、「○○が主力」、「○○を生産」という係り受け表現パターンが予め多数用意されており、キーワード抽出部14は、これに当てはまる表現パターンを検出した後、「○○」に相当する文字列をキーワード候補として抽出する。
まずキーワード抽出部14は、文書DB12内に蓄積された各文書データに係り受け表現抽出フィルタ14aを適用し、各文書データから所定の係り受け表現を備えた文字列を抽出する(S10)。
すなわち、係り受け表現抽出フィルタ14aには、「○○メーカー」、「○○が主力」、「○○を生産」という係り受け表現パターンが予め多数用意されており、キーワード抽出部14は、これに当てはまる表現パターンを検出した後、「○○」に相当する文字列をキーワード候補として抽出する。
つぎにキーワード抽出部14は、各文書データに区切り文字抽出フィルタ14bを適用し、「○○」、"○○"、(○○)、[○○]、,○○,のように、カンマや括弧、スペース、タブ等の区切り文字で囲まれた○○の部分をキーワード候補として抽出する(S12)。
つぎにキーワード抽出部14は、各文書データに文字列頻度統計フィルタ14cを適用し、各文書データに含まれる各文字列が他の文書も含めて何回登場するのかを集計し、一定範囲の出現頻度を備えた文字列をキーワード候補として抽出する(S14)。
まず文字列頻度統計フィルタ14cは、図4に示すように、文書中の名詞(ここでは「DVD」)に注目し、このDVDという注目語が文書DB12内に蓄積された各文書データ中に出現する数を集計する。つぎに、文字列頻度統計フィルタ14cは、この注目語の前後の形態素に範囲を拡張し、それぞれの全文書中に登場する頻度を集計し、出現頻度が一定以下(例えば20以下)となった時点で文字範囲拡張を停止する。
まず文字列頻度統計フィルタ14cは、図4に示すように、文書中の名詞(ここでは「DVD」)に注目し、このDVDという注目語が文書DB12内に蓄積された各文書データ中に出現する数を集計する。つぎに、文字列頻度統計フィルタ14cは、この注目語の前後の形態素に範囲を拡張し、それぞれの全文書中に登場する頻度を集計し、出現頻度が一定以下(例えば20以下)となった時点で文字範囲拡張を停止する。
例えば、DVDの一つ前の形態素を含む「したDVD」の出現頻度は「2」と低いため、これ以上前の形態素に範囲が拡張されることはない。これに対し、DVDの一つ後の形態素を含む「DVDレコーダー」の出現頻度は「862」と多いため、その一つ後の形態素を含む「DVDレコーダーでは」の出現頻度を集計する。そして、この出現頻度は「5」と低いため、これ以降の形態素に範囲を拡張することが停止される。
上記の「形態素」とは、意味を有する最小の言語単位を指す。例えば、「私の名前は鈴木です」を形態素に分解すると、「私(代名詞)」「の(助詞)」「名前(一般名詞)」「は(係助詞)」「鈴木(固有名詞)」「です(助動詞)」となる。
つぎに文字列頻度統計フィルタ14cは、「DVD」及び「DVDレコーダー」が所定範囲(例えば20〜5,000)内の出現頻度を備えていることを理由にキーワード候補として抽出する。これに対し、「したDVD」及び「DVDレコーダーでは」は上記の範囲外であるため、キーワード候補から除外される。
全文書中における出現頻度が20未満のものはそもそも重要語とはいえず、また5,000を越えるものは逆に特徴のない汎用語あるいは一般語と考えられるからであるが、この範囲設定は文書データの分量や検索システムの使用目的に応じて適宜調整される。
全文書中における出現頻度が20未満のものはそもそも重要語とはいえず、また5,000を越えるものは逆に特徴のない汎用語あるいは一般語と考えられるからであるが、この範囲設定は文書データの分量や検索システムの使用目的に応じて適宜調整される。
ところで、文書DB12内に蓄積された多量の文書データに含まれる各文字列に関して、それぞれの出現頻度を集計するには膨大な時間を要するため、図5に示すように、文書DB12内には予め全文書データに登場する各形態素が、個々の文書データ中に存在しているか否かを一覧表にまとめたインデックス(所謂転置インデックス)が生成されている。このため、キーワード抽出部14はこのインデックスを参照することにより、比較的短時間でその出現頻度を取得することが可能となる。
つぎにキーワード抽出部14は、文書DB12内に蓄積された文書データにTermExtractフィルタ14dを適用し、各文書データから所定以上のスコアを備えた文字列をキーワード候補として抽出する(S16)。
このTermExtractフィルタ14dは、専門分野のコーパス(主として研究目的で収集され、電子化された自然言語の文章からなる巨大なテキストデータ)から専門用語を自動抽出するために案出された文字列抽出アルゴリズムであり、文書データ中から単名詞及び複合名詞を候補語として抽出し、各候補語の出現頻度と連接頻度に基づいてそれぞれの重要度を算出する機能を備えている。このTermExtractフィルタ14d自体は公知技術であるため、これ以上の説明は省略する。
このTermExtractフィルタ14dは、専門分野のコーパス(主として研究目的で収集され、電子化された自然言語の文章からなる巨大なテキストデータ)から専門用語を自動抽出するために案出された文字列抽出アルゴリズムであり、文書データ中から単名詞及び複合名詞を候補語として抽出し、各候補語の出現頻度と連接頻度に基づいてそれぞれの重要度を算出する機能を備えている。このTermExtractフィルタ14d自体は公知技術であるため、これ以上の説明は省略する。
つぎにキーワード抽出部14は、係り受け表現抽出フィルタ14a、区切り文字抽出フィルタ14b、文字列頻度統計フィルタ14c、TermExtractフィルタ14dによって抽出された各キーワード候補を多数決フィルタ14eに入力し、キーワードを絞り込む。
多数決フィルタ14eでは、各フィルタによってリストアップされたキーワード候補同士をマッチングし、2以上のフィルタによってキーワード候補として挙げられているものを最終的なキーワードと認定し、キーワードDB16に格納する(S18)。
多数決フィルタ14eでは、各フィルタによってリストアップされたキーワード候補同士をマッチングし、2以上のフィルタによってキーワード候補として挙げられているものを最終的なキーワードと認定し、キーワードDB16に格納する(S18)。
このように、係り受け表現抽出フィルタ14a、区切り文字抽出フィルタ14b、文字列頻度統計フィルタ14c、TermExtractフィルタ14dの4つのフィルタを用いることにより、文書データからキーワードを抽出する際に重要語が漏れ落ちることを防止すると共に、多数決フィルタ14eを用いて絞り込むことにより、不要なキーワード(ノイズ)が混入することを防止できる。
上記のように4つのフィルタ中の2以上のフィルタによって選別されたキーワード候補を正式なキーワードと認定するのは一例であり、3以上のフィルタによって選別されることをキーワード認定の要件とすることもできる。
また、フィルタの数も上記に限定されるものではなく、他の有効なキーワード候補抽出フィルタをキーワード抽出部14に設けることもできる。
また、フィルタの数も上記に限定されるものではなく、他の有効なキーワード候補抽出フィルタをキーワード抽出部14に設けることもできる。
つぎに、図6のフローチャートに従い、関連度算出部18による各キーワード間の関連度算出工程について説明する。
まず関連度算出部18は、各キーワードの各文書データ中における共起頻度を集計し、キーワード共起頻度表20を生成する(S20)。
図7は、このキーワード共起頻度表20の具体例を示すものであり、文書DB12に格納された各文書D1〜Dnごとに、各キーワードKW-1〜nの出現頻度が記述されている。
まず関連度算出部18は、各キーワードの各文書データ中における共起頻度を集計し、キーワード共起頻度表20を生成する(S20)。
図7は、このキーワード共起頻度表20の具体例を示すものであり、文書DB12に格納された各文書D1〜Dnごとに、各キーワードKW-1〜nの出現頻度が記述されている。
ここで、あるキーワードXとYとの間の関連度は、数1のiにキーワード共起頻度表20に記載されたXとYの出現頻度を代入することにより、理論的には算出可能である。
ただし、文書データの分量及びキーワードの総数が多い場合には膨大な計算量が発生し、多くの処理時間を要することとなる。
そこで、この実施の形態では、キーワード共起頻度表20に基づいてキーワード組合せ頻度総和表22及びキーワード頻度総和表24を生成することにより、計算工程の簡素化を図っている。
そこで、この実施の形態では、キーワード共起頻度表20に基づいてキーワード組合せ頻度総和表22及びキーワード頻度総和表24を生成することにより、計算工程の簡素化を図っている。
図8は、その要領を例示するものである。この場合、キーワード共起頻度表20にはキーワードKW-1〜KW-5の文書D1における出現頻度が記載されているが、この中KW-3及びKW-4の出現頻度は0であるため、実際に関連度を算出すべきキーワードの組合せは以下の3パターンで済むこととなる。
(KW-1, KW-2)、(KW-1, KW-5)、(KW-2, KW-5)
つぎに関連度算出部18は、各組合せ毎に出現頻度を乗じた値を記述したキーワード組合せ頻度総和表22と、各キーワードの出現頻度を二乗した値を記述したキーワード頻度総和表24を生成する(S22、S24)。
(KW-1, KW-2)、(KW-1, KW-5)、(KW-2, KW-5)
つぎに関連度算出部18は、各組合せ毎に出現頻度を乗じた値を記述したキーワード組合せ頻度総和表22と、各キーワードの出現頻度を二乗した値を記述したキーワード頻度総和表24を生成する(S22、S24)。
図8のキーワード組合せ頻度総和表では、文書D1についての値のみが記述されているが、同様の処理を各文書毎に実行し、その結果に基づいて値を加算していくことにより、各キーワードの値が数1の分子に相当する結果となる。
同じく、図8のキーワード頻度総和表では、文書D1についての値のみが記述されているが、各文書における各キーワードの出現頻度を二乗した値を足し込んでいき、各キーワードの最終的な値の平方根を求めることにより、数1の分母に相当する値が得られることになる。
同じく、図8のキーワード頻度総和表では、文書D1についての値のみが記述されているが、各文書における各キーワードの出現頻度を二乗した値を足し込んでいき、各キーワードの最終的な値の平方根を求めることにより、数1の分母に相当する値が得られることになる。
この結果、図9に示すように、各キーワード間の関連度が比較的容易に算出でき、その値がキーワード関連度表26に記述される(S26)。
上記のように、文書毎に各キーワード間の組合せパターンを抽出し、それぞれの積及び各キーワードの二乗値を求めた上で、各文書の値を加算していくことにより、値が0のキーワードに係る計算処理を省くことが可能となる。
このため、特許文献1の検索システムのように企業名に限定することなく、全キーワード間における関連度を算出することが現実的になる。
上記のように、文書毎に各キーワード間の組合せパターンを抽出し、それぞれの積及び各キーワードの二乗値を求めた上で、各文書の値を加算していくことにより、値が0のキーワードに係る計算処理を省くことが可能となる。
このため、特許文献1の検索システムのように企業名に限定することなく、全キーワード間における関連度を算出することが現実的になる。
また、文書DB12に新規の文書データが追加された場合には、この新規文書データ中の各キーワードに係るデータをキーワード組合せ頻度総和表22及びキーワード頻度総和表24に追加し、既存の集計値に追加分の値を加算することによって、簡単にキーワード間の関連度が再計算可能となる。
古くなった文書データの影響を排除する場合にも、当該文書データ中の各キーワードに係るデータをキーワード組合せ頻度総和表22及びキーワード頻度総和表24から削除し、既存の集計値から削除分の値を減算することによって、簡単にキーワード間の関連度を最新の状態に維持することが可能となる。
古くなった文書データの影響を排除する場合にも、当該文書データ中の各キーワードに係るデータをキーワード組合せ頻度総和表22及びキーワード頻度総和表24から削除し、既存の集計値から削除分の値を減算することによって、簡単にキーワード間の関連度を最新の状態に維持することが可能となる。
つぎに、図10のフローチャートに従い、このシステム10における検索処理の手順について説明する。
まずユーザがクライアント36から検索対象となる文字列を入力すると、これを受け付けたマップ生成部28は(S30)、キーワード関連度表26を参照し、当該文字列と同一または一定範囲内の類似性を有するキーワードを検索語として認定すると共に、当該キーワードに対して関連度の高いキーワードを関連語として所定数抽出する(S32)。
まずユーザがクライアント36から検索対象となる文字列を入力すると、これを受け付けたマップ生成部28は(S30)、キーワード関連度表26を参照し、当該文字列と同一または一定範囲内の類似性を有するキーワードを検索語として認定すると共に、当該キーワードに対して関連度の高いキーワードを関連語として所定数抽出する(S32)。
例えば、図11に示すように、クライアント36から検索対象として平仮名の「ひまん」が与えられた場合、マップ生成部28はキーワードとして登録されている漢字の「肥満」を検索語と認定した後、これと関連度が高い関連語として「脂肪」、「糖尿病」、「糖尿」、…「子」の各キーワードを選定する。
関連語として選定されるキーワードの数について特に限定はないが、ここでは関連度が上位50位までのキーワードを選定している。
関連語として選定されるキーワードの数について特に限定はないが、ここでは関連度が上位50位までのキーワードを選定している。
つぎにマップ生成部28はキーワード共起頻度表20を参照し、検索語及び抽出した50の関連語の出現文書ID及び各文書毎の出現頻度を取得する(S34)。
図12は、その抽出結果を示すテーブルであり、行項目として文書IDが設定され、列項目として検索語及び各関連語が設定されている。また、各セル内には、各キーワードの対応文書中における出現頻度が記述されている。
例えば、文書ID:13691の文書においては、肥満:3回、脂肪:13回、糖尿病:0回、糖尿:0回、習慣:0回、…が出現したことが示されている。
図12は、その抽出結果を示すテーブルであり、行項目として文書IDが設定され、列項目として検索語及び各関連語が設定されている。また、各セル内には、各キーワードの対応文書中における出現頻度が記述されている。
例えば、文書ID:13691の文書においては、肥満:3回、脂肪:13回、糖尿病:0回、糖尿:0回、習慣:0回、…が出現したことが示されている。
つぎにマップ生成部28は、図12のテーブルに示した各文書毎の各キーワードの出現頻度を変量とする多変量データに対して主成分分析を施し(S36)、図13に示すように、分析結果として各キーワードの第1主成分の値及び第2主成分の値を算出する(S38)。
つぎにマップ生成部28は、各キーワードの第1主成分値及び第2主成分値に基づき、各キーワードを所定の面積を備えた2次元平面上に配置するための座標値を算出する(S40)。
以下に、座標算出の具体例を示す。
以下に、座標算出の具体例を示す。
・座標平面のサイズ:横740ドット×縦500ドットに設定
・X座標変換比=座標平面の横幅÷(第1主成分の最大値−第1主成分の最小値)
・Y座標変換比=座標平面の縦幅÷(第2主成分の最大値−第2主成分の最小値)
・キーワードAのX座標=(キーワードAの第1主成分値−第1主成分の最小値)*X座標変換比
・キーワードAのY座標=(キーワードAの第2主成分値−第2主成分の最小値)*Y座標変換比
・X座標変換比=座標平面の横幅÷(第1主成分の最大値−第1主成分の最小値)
・Y座標変換比=座標平面の縦幅÷(第2主成分の最大値−第2主成分の最小値)
・キーワードAのX座標=(キーワードAの第1主成分値−第1主成分の最小値)*X座標変換比
・キーワードAのY座標=(キーワードAの第2主成分値−第2主成分の最小値)*Y座標変換比
以上の計算により、各キーワードの第1主成分値及び第2主成分値を、X軸が0〜740の間でY軸が0〜500の間の数値に変換でき、上記の2次元平面上に後述の各タグを配置可能となる。
図14に、上記の変換法則に従って算出した各キーワードの座標値を例示する。
図14に、上記の変換法則に従って算出した各キーワードの座標値を例示する。
つぎにマップ生成部28は、各キーワードの存在を示すタグを生成する(S42)。
すなわち、図15に示す通り、このタグ40は長方形状を備えており、各キーワード(検索語及び関連語)の文字列と、これを取り囲む余白部分を備えている。
また、関連語と区別するため、検索語には各関連語とは異なる文字色及び背景色が割り当てられている。
すなわち、図15に示す通り、このタグ40は長方形状を備えており、各キーワード(検索語及び関連語)の文字列と、これを取り囲む余白部分を備えている。
また、関連語と区別するため、検索語には各関連語とは異なる文字色及び背景色が割り当てられている。
このタグ40の面積は、キーワードのフォントサイズ及び文字数に応じて自動的に決定される。そして、キーワードのフォントサイズとしては、検索語との関連度が大きいほど大きなフォントサイズが割り当てられている。
以下に、各キーワードのフォントサイズ割当方法を説明する。
以下に、各キーワードのフォントサイズ割当方法を説明する。
・最大フォントサイズ=36ポイント
・最小フォントサイズ=12ポイント
・フォントサイズ変換比=(最大フォントサイズ−最小フォントサイズ)÷(関連度の最大値−関連度の最小値)
・キーワードAのフォントサイズ={(キーワードAの関連度−関連度の最小値)*フォントサイズ変換比
※小数点以下切り捨て
・最小フォントサイズ=12ポイント
・フォントサイズ変換比=(最大フォントサイズ−最小フォントサイズ)÷(関連度の最大値−関連度の最小値)
・キーワードAのフォントサイズ={(キーワードAの関連度−関連度の最小値)*フォントサイズ変換比
※小数点以下切り捨て
つぎにマップ生成部28は、上記の各タグ40を上記の2次元平面上にそれぞれ配置し、第1の関連度マップを生成する(S44)。
この際、各タグ40の中心点が上記で求めた2次元平面上の座標点に重なるように配置される。
この際、各タグ40の中心点が上記で求めた2次元平面上の座標点に重なるように配置される。
この第1の関連度マップは、Webサーバ32によってWebファイルに加工され、クライアント36に送信される(S46)。
この結果、クライアント36のWebブラウザ上には、図16に示すように、第1の関連度マップ42が表示される。
この結果、クライアント36のWebブラウザ上には、図16に示すように、第1の関連度マップ42が表示される。
この第1の関連度マップ42上では、各タグ40のフォントサイズが上記の通り検索語との関連度の強さを表しているため、検索語「肥満」に最も関連性の強いキーワードが「脂肪」であることが理解できる。また、「糖尿病」、「糖尿」、「習慣」などのキーワードも、「肥満」と比較的強い関連性を有していることが理解できる。
また、各タグ40の位置(座標)は、検索語及び各関連語間の共起性に基づく関連の強さを反映しており、タグ40間の距離が近いほど相互の関連性が強いことを示している。
例えば、「脂肪」というキーワードの近傍に「アディポネクチン(注:脂肪細胞から分泌されるホルモン)」、「内蔵脂肪」、「心筋梗塞」、「メタボリックシンドローム」等のタグ40が集まっているため、脂肪とこれらのキーワードとが強い関連性を備えていることが読み取れる。
このように、ユーザはキーワードが表記されたタグ40の集積具合を観察することにより、各キーワード間の類似性やカテゴリーを認識することが可能となる。
例えば、「脂肪」というキーワードの近傍に「アディポネクチン(注:脂肪細胞から分泌されるホルモン)」、「内蔵脂肪」、「心筋梗塞」、「メタボリックシンドローム」等のタグ40が集まっているため、脂肪とこれらのキーワードとが強い関連性を備えていることが読み取れる。
このように、ユーザはキーワードが表記されたタグ40の集積具合を観察することにより、各キーワード間の類似性やカテゴリーを認識することが可能となる。
図17は、検索語としてユーザが「環境技術」を入力した場合の関連度マップ42を示しており、上記のS30〜S46のステップを経ることにより、マップ生成部28によって生成されたものである。
この場合では、「地球環境」のキーワードが最もフォントサイズが大きく、したがって検索語である「環境技術」との関連性が強いことを示している。また、「地球温暖化」や「ハイブリッド」なども「環境技術」と比較的強い関連性を有していることが理解できる。
この場合では、「地球環境」のキーワードが最もフォントサイズが大きく、したがって検索語である「環境技術」との関連性が強いことを示している。また、「地球温暖化」や「ハイブリッド」なども「環境技術」と比較的強い関連性を有していることが理解できる。
ここでユーザが「燃料電池」のタグ40にマウスポインタを合わせてクリックすると、JavaScript等によってWebページに組み込まれた制御プログラムが機能し、吹きだしメニュー44が展開される。
そして、このメニュー44中からユーザが「Go to "燃料電池"」を選択すると、クライアント36から新たな検索語として「燃料電池」の文字列がWebサーバ32に送信される。
そして、このメニュー44中からユーザが「Go to "燃料電池"」を選択すると、クライアント36から新たな検索語として「燃料電池」の文字列がWebサーバ32に送信される。
これを受けたマップ生成部28は、上記のS30〜S46の処理を実行することにより、燃料電池を検索語に設定した新たな関連度マップ42を生成し、クライアント36に送信する。
この結果、図18に示すように、クライアント36のWebブラウザ上に燃料電池を検索語に設定した第1の関連度マップ42が表示される。
この第1の関連度マップ42上では、検索語である「燃料電池」と関連性の強いキーワードが記述されたタグ42が配置されている。
この結果、図18に示すように、クライアント36のWebブラウザ上に燃料電池を検索語に設定した第1の関連度マップ42が表示される。
この第1の関連度マップ42上では、検索語である「燃料電池」と関連性の強いキーワードが記述されたタグ42が配置されている。
このようにユーザは、第1の関連度マップ42上に表示されるタグ40を次から次へと選択し、そのキーワードを検索語に設定していくことにより、恰も連想の旅を続けるようにして視野を広げていき、その課程で新しい発見や意外な気付きを体験することができる。
つぎに、ユーザが関連度マップ42上の特定のタグ40、例えば「都市ガス」をクリックし、展開された吹きだしメニュー44中から「関連性の確認1(サイト内)」を選択すると、クライアント36からWebサーバ32に対し、燃料電池と都市ガスを関連付ける根拠の提示リクエストが送信される。
これを受け付けたマップ生成部28は、図19に示すように、検索語である「燃料電池」及び選択された「都市ガス」に基づいてキーワード共起頻度表20を検索し、両者間で共起の生じている文書番号のリストを生成する。
つぎにマップ生成部28は、この文書番号リストに基づいて文書DB12を検索し、文書本文のリストを生成した後、Webサーバ32経由でクライアント36に送信する。
この結果、クライアント36のディスプレイには、燃料電池と都市ガスとが同時に出現している文書の番号、タイトル、抄録、年月日等がリスト表示される。
つぎにマップ生成部28は、この文書番号リストに基づいて文書DB12を検索し、文書本文のリストを生成した後、Webサーバ32経由でクライアント36に送信する。
この結果、クライアント36のディスプレイには、燃料電池と都市ガスとが同時に出現している文書の番号、タイトル、抄録、年月日等がリスト表示される。
また、この中の一つをユーザが選択すると、マップ生成部28は該当の文書データを文書DB12から抽出し、クライアント36に送信する。
この結果ユーザは、当該文書データの内容を閲覧し、「燃料電池」と「都市ガス」との関連性を個別に確認することが可能となる。
この結果ユーザは、当該文書データの内容を閲覧し、「燃料電池」と「都市ガス」との関連性を個別に確認することが可能となる。
一方、ユーザが図18の吹きだしメニュー44中で「関連性の確認2(Web上)」を選択すると、Webファイルに組み込まれた制御プログラムにより、予め設定された検索サイトに接続するための新しいウィンドウあるいはタグがWebブラウザ上に起動し、当該検索サイトに対して「燃料電池」及び「都市ガス」をアンド条件で結んだ検索クエリが送信される。
この結果、燃料電池と都市ガスの両者を含むWebサイトの情報がWebブラウザ上にリストアップされることとなり、ユーザは「燃料電池」と「都市ガス」との関係性について、インターネットのWebサイトを通じて確認することが可能となる。
この結果、燃料電池と都市ガスの両者を含むWebサイトの情報がWebブラウザ上にリストアップされることとなり、ユーザは「燃料電池」と「都市ガス」との関係性について、インターネットのWebサイトを通じて確認することが可能となる。
これに対し、ユーザが図18の吹きだしメニュー44中で「Web上で検索」を選択すると、予め設定された検索サイトに接続するための新しいWebブラウザが起動し、当該検索サイトに対して「都市ガス」のみが検索語として送信される。
この結果、「都市ガス」に関するWebサイトの情報を確認することが可能となる。
この結果、「都市ガス」に関するWebサイトの情報を確認することが可能となる。
またユーザが、図18の吹きだしメニュー44中で「関連性を否定」を選択した場合、「燃料電池」と「都市ガス」間の関連性を否定する情報がサーバ上の所定の記憶手段に蓄積される。
そして、この情報が一定数(例えば10件以上)を超えた時点で、キーワード関連度表20におけるデータが修正され、「燃料電池」と「都市ガス」間の関連度が所定ポイント分減算され、あるいは0にリセットされる。
そして、この情報が一定数(例えば10件以上)を超えた時点で、キーワード関連度表20におけるデータが修正され、「燃料電池」と「都市ガス」間の関連度が所定ポイント分減算され、あるいは0にリセットされる。
ところで、各タグ40をそれぞれの座標に基づいて所定の面積を備えた二次元平面上に配置するに際しては、図20に示すように、タグ同士が重複する可能性がある。
このような場合、ユーザの視認性を重視し、タグ同士の重複を解いて文字を認識し易いように調整することが望ましいが、各タグ間の関係性を尊重する立場からは、移動距離を最小限に抑えることが重要となる。
そこで、このシステム10では、各タグの移動距離を最小限に抑えつつ、重複関係を解消するために、以下のアルゴリズムを採用している。
以下、図21のフローチャートに従い、その手順を説明する。
このような場合、ユーザの視認性を重視し、タグ同士の重複を解いて文字を認識し易いように調整することが望ましいが、各タグ間の関係性を尊重する立場からは、移動距離を最小限に抑えることが重要となる。
そこで、このシステム10では、各タグの移動距離を最小限に抑えつつ、重複関係を解消するために、以下のアルゴリズムを採用している。
以下、図21のフローチャートに従い、その手順を説明する。
まず、マップ生成部28は、各タグの面積を比較し、面積の大きい順番に位置を固定する(S50)。各タグの面積は、上記の通り、キーワードのフォントサイズ及び文字数によって大小が決定される。
また、この過程でタグ間の重複が探知された場合には(S52:Yes)、重複タグ同士の面積を比較し(S54)、最も面積の大きなタグの位置を固定する(S56)。
また、この過程でタグ間の重複が探知された場合には(S52:Yes)、重複タグ同士の面積を比較し(S54)、最も面積の大きなタグの位置を固定する(S56)。
つぎにマップ生成部28は、重複タグ中で2番目に面積の大きなタグを上下左右の何れかの方向に移動させ、面積が最も大きなタグとの重複状態を解消させる(S58)。
この際、マップ生成部28は以下のルールに拘束される。
(1) 原則として、最も移動距離が短くて済む方向を優先的に選択する。
(2) 原則として、既に固定済みのタグと重複する方向は選択できない。
(3) 何れの方向においても固定済みのタグと重複する場合には、最も重複面積が小さくて済む方向を選択する。
(4) 全体枠αを超える方向は選択できない。
(5) 戻り方向への移動は選択できない。
この際、マップ生成部28は以下のルールに拘束される。
(1) 原則として、最も移動距離が短くて済む方向を優先的に選択する。
(2) 原則として、既に固定済みのタグと重複する方向は選択できない。
(3) 何れの方向においても固定済みのタグと重複する場合には、最も重複面積が小さくて済む方向を選択する。
(4) 全体枠αを超える方向は選択できない。
(5) 戻り方向への移動は選択できない。
移動先において他のタグとの重複が発生した場合(S60:Yes)、マップ生成部28はS54〜S58のステップを繰り返し、重複状態の回避を図る。
全てのタグについて重複回避のための調整処理が完了するまで、マップ生成部28はS54〜S60の処理を繰り返す(S62)。
全てのタグについて重複回避のための調整処理が完了するまで、マップ生成部28はS54〜S60の処理を繰り返す(S62)。
図22は、タグ間の重複解消処理の具体例を示すものであり、全体枠αの近傍において、「ABC」タグ40a、「DEF」タグ40b、「GHI」タグ40c、「JKLMNO」タグ40d間に重複が生じている状態を示している。
この場合、まずマップ生成部28は各重複タグ間の面積を比較し(S54)、最も面積の大きな「ABC」タグ40aを現在位置に固定する(S56)。
この場合、まずマップ生成部28は各重複タグ間の面積を比較し(S54)、最も面積の大きな「ABC」タグ40aを現在位置に固定する(S56)。
つぎにマップ生成部28は、「ABC」タグ40aの次に面積の大きな「DEF」タグ40bの位置を上下左右の何れかの方向に移動させ、「ABC」タグ40aとの重複を解消する(S58)。
この場合、移動距離が最も短くて済むのは上方向であり、他の固定済みのタグと重複したり、全体枠αに抵触することもないため、図23に示すように、マップ生成部28は「DEF」タグ40bを上方向に移動させる。
この場合、移動距離が最も短くて済むのは上方向であり、他の固定済みのタグと重複したり、全体枠αに抵触することもないため、図23に示すように、マップ生成部28は「DEF」タグ40bを上方向に移動させる。
つぎにマップ生成部28は、「DEF」タグ40bの次に面積の大きな「GHI」タグ40cの位置を上下左右の何れかの方向に移動させ、「ABC」タグ40aとの重複を解消する。
この場合、全体枠αとの抵触が生じるため、上記(4)のルールにより、左方向は移動先として除外される。また、上方向への移動は固定済みの「DEF」タグ40bと重複し、右方向も固定済みの「STUV」タグ40fとの重複が生じ、下方向も固定済みの「PQR」タグ40eとの重複が生じるため、上記(2)のルールからすれば選択できないこととなる。そこで、マップ生成部28は上記(3)のルールを適用し、図24に示すように、最も重複面積が小となる下方向を「GHI」タグ40cの移動先として選択する。
この場合、全体枠αとの抵触が生じるため、上記(4)のルールにより、左方向は移動先として除外される。また、上方向への移動は固定済みの「DEF」タグ40bと重複し、右方向も固定済みの「STUV」タグ40fとの重複が生じ、下方向も固定済みの「PQR」タグ40eとの重複が生じるため、上記(2)のルールからすれば選択できないこととなる。そこで、マップ生成部28は上記(3)のルールを適用し、図24に示すように、最も重複面積が小となる下方向を「GHI」タグ40cの移動先として選択する。
この結果、「GHI」タグ40cと「PQR」タグ40eとの重複関係が新たに発生することとなるため、マップ生成部28は引き続き「GHI」タグ40cを移動対象とする。
この場合、左方向及び下方向への移動は全体枠αとの抵触が発生し(上記(4)のルール違反)、また上方向は戻り方向となるため(上記(5)のルール違反)、図25に示すように、マップ生成部28は「GHI」タグ40cを右方向に移動させ、「PQR」タグ40eとの重複を解消する。
この場合、左方向及び下方向への移動は全体枠αとの抵触が発生し(上記(4)のルール違反)、また上方向は戻り方向となるため(上記(5)のルール違反)、図25に示すように、マップ生成部28は「GHI」タグ40cを右方向に移動させ、「PQR」タグ40eとの重複を解消する。
この結果、「GHI」タグ40cと「STUV」タグ40fとの重複関係が発生することとなるため、マップ生成部28は再度「GHI」タグ40cを移動対象とする。
この場合は、下方向が最も短い移動距離で「STUV」タグ40fとの重複を回避でき、固定済みのタグと重複することも全体枠αと抵触することもないため、図26に示すように、マップ生成部28は「GHI」タグ40cを下方向に移動させる。
この場合は、下方向が最も短い移動距離で「STUV」タグ40fとの重複を回避でき、固定済みのタグと重複することも全体枠αと抵触することもないため、図26に示すように、マップ生成部28は「GHI」タグ40cを下方向に移動させる。
つぎにマップ生成部28は、残された「JKLMNO」タグ40dの位置を上下左右の何れかの方向に移動させ、「ABC」タグ40aとの重複を解消する。
この場合、全体枠αとの抵触が生じるため、上記(4)のルールにより、左方向は移動先として除外される。また、上下方向及び右方向への移動は何れも固定済みのタグと重複が生じるため、マップ生成部28は上記(3)のルールに従い、図27に示すように、重複面積が最も小さくて済む下方向への移動を選択し、「ABC」タグ40aとの重複関係を解消させる。
この場合、全体枠αとの抵触が生じるため、上記(4)のルールにより、左方向は移動先として除外される。また、上下方向及び右方向への移動は何れも固定済みのタグと重複が生じるため、マップ生成部28は上記(3)のルールに従い、図27に示すように、重複面積が最も小さくて済む下方向への移動を選択し、「ABC」タグ40aとの重複関係を解消させる。
この結果、「JKLMNO」タグ40dと「PQR」タグ40eとの重複関係が新たに発生するため、マップ生成部28は「JKLMNO」タグ40dを再度移動対象とする。
この場合、下方向に移動すれば他の固定済みタグとの重複が発生せず、全体枠αとの抵触も生じないため、図28に示すように、マップ生成部28は「「JKLMNO」タグ40dを下方向に移動させる。
これにより、タグ間の重複状態が全て解消されることとなる。
この場合、下方向に移動すれば他の固定済みタグとの重複が発生せず、全体枠αとの抵触も生じないため、図28に示すように、マップ生成部28は「「JKLMNO」タグ40dを下方向に移動させる。
これにより、タグ間の重複状態が全て解消されることとなる。
上記においては、全体枠αを固定するという前提に立っているため、(2)のルールを設定し、全体枠αに抵触する方向への移動は選択できないものとしたが、この発明はこれに限定されるものではない。
例えば、タグの配置平面を上下左右にスクロール可能とすることにより、あるいは配置画面全体をズームイン/ズームアウト可能に構成することにより、全体枠αを越えた移動を許容することもできる。
例えば、タグの配置平面を上下左右にスクロール可能とすることにより、あるいは配置画面全体をズームイン/ズームアウト可能に構成することにより、全体枠αを越えた移動を許容することもできる。
また、上記においては、タグの重複を一切排除する方法について説明したが、若干の重複を許容するように、柔軟に調整することもできる。
例えば、各タグの面積の5%以内の重複を許容するというように設定しておけば、タグの視認性を比較的良好に維持したまま、その移動距離を短く抑えることが可能となる。
例えば、各タグの面積の5%以内の重複を許容するというように設定しておけば、タグの視認性を比較的良好に維持したまま、その移動距離を短く抑えることが可能となる。
上記の第1の関連度マップ42は、検索語に対して関連度の高い上位50位内のキーワードを関連語として抽出し、検索語も含めた各キーワードの文書データ毎の共起頻度に対して主成分分析を施し、その結果導かれた第1主成分値及び第2主成分値に基づいて各キーワードのタグ40を座標平面上に配置することによって生成された。
したがって、第1の関連度マップ42上の各タグ40の配置にはキーワード相互間の関連性が反映されており、このためユーザはタグ40同士の位置関係や集積度によって、キーワード間のカテゴリを把握することも可能となる利点がある。
したがって、第1の関連度マップ42上の各タグ40の配置にはキーワード相互間の関連性が反映されており、このためユーザはタグ40同士の位置関係や集積度によって、キーワード間のカテゴリを把握することも可能となる利点がある。
その反面、タグ40の位置関係から直接的に検索語との関係性を読み取ることができなかった。もちろん、タグ40に表記されたフォントサイズの大小が検索語との関連性の強さを表現しているのではあるが、検索語を2次元平面の中心に配置し、これとの関連性の強さを直接タグ40の位置関係によって表現した関連度マップを生成することも可能である。
以下、図29のフローチャートに従い、このような関連度マップの生成手順について説明する。
以下、図29のフローチャートに従い、このような関連度マップの生成手順について説明する。
まずユーザがクライアント36から検索対象となる文字列を入力すると、これを受け付けたマップ生成部28は(S70)、キーワード関連度表26を参照し、当該文字列と同一または一定範囲内の類似性を有するキーワードを検索語として認定すると共に、当該キーワードに対して関連度の高いキーワードを関連語として所定数抽出する(S72)。
例えば、検索語として「環境技術」が与えられ、これに関連した上位50位以内の関連語が抽出される。図30に抽出例を示す。
つぎにマップ生成部28は、各関連語の順位データを数2に示す螺旋方程式に代入し、それぞれのX値とY値を算出する(S74)。
ここで、「0.05」は螺旋の広がり度合を決定する固定値の係数を意味している。
「n」は関連度の順位を意味し、螺旋の中心が1、すなわち検索語に該当するため、関連語の第1位についてはn=2が代入されることとなる。
また、「e」は自然対数を意味している。
「n」は関連度の順位を意味し、螺旋の中心が1、すなわち検索語に該当するため、関連語の第1位についてはn=2が代入されることとなる。
また、「e」は自然対数を意味している。
以上の結果、図31に示すように、各関連語のX値及びY値がマップ生成部28によって導かれる。
つぎにマップ生成部28は、各関連語のX値及びY値に基づいて、所定平面上における座標値を算出する(S76)。
以下に、座標算出の具体例を示す。
つぎにマップ生成部28は、各関連語のX値及びY値に基づいて、所定平面上における座標値を算出する(S76)。
以下に、座標算出の具体例を示す。
・座標平面のサイズ:横740ドット×縦500ドットに設定
・X座標変換比=座標平面の横幅÷(X値の最大値−X値の最小値)
・Y座標変換比=座標平面の縦幅÷(Y値の最大値−Y値の最小値)
・キーワードAのX座標=(キーワードAのX値−X値の最小値)*X座標変換比
・キーワードAのY座標=(キーワードAのY値−Y値の最小値)*Y座標変換比
・X座標変換比=座標平面の横幅÷(X値の最大値−X値の最小値)
・Y座標変換比=座標平面の縦幅÷(Y値の最大値−Y値の最小値)
・キーワードAのX座標=(キーワードAのX値−X値の最小値)*X座標変換比
・キーワードAのY座標=(キーワードAのY値−Y値の最小値)*Y座標変換比
以上の計算により、各キーワードのX値及びY値を、X軸が0〜740の間でY軸が0〜500の間の数値に変換でき、上記の2次元平面上に各タグ40を配置可能となる。
図32に、上記の変換法則に従って算出した各キーワードの座標値を例示する。
図32に、上記の変換法則に従って算出した各キーワードの座標値を例示する。
つぎにマップ生成部28は、各キーワードの存在を示すタグを生成する(S78)。
図15に示した通り、このタグ40は長方形状を備えており、各キーワードの文字列と、これを取り囲む余白部分を備えている。
また、関連語と区別するため、検索語には各関連語とは異なる文字色及び背景色が割り当てられている。
このタグ40の面積も、上記と同様、キーワードのフォントサイズ及び文字数に応じて自動的に決定される。そして、キーワードのフォントサイズは、上記と同じ要領で、検索語との関連度が大きいほど大きなフォントサイズが割り当てられている。
図15に示した通り、このタグ40は長方形状を備えており、各キーワードの文字列と、これを取り囲む余白部分を備えている。
また、関連語と区別するため、検索語には各関連語とは異なる文字色及び背景色が割り当てられている。
このタグ40の面積も、上記と同様、キーワードのフォントサイズ及び文字数に応じて自動的に決定される。そして、キーワードのフォントサイズは、上記と同じ要領で、検索語との関連度が大きいほど大きなフォントサイズが割り当てられている。
つぎにマップ生成部28は、上記の各タグ40を上記の2次元平面上にそれぞれ配置し、第2の関連度マップを生成する(S80)。
この際、各タグ40の中心点が上記で求めた平面上の座標点に重なるように配置される。また、検索語に対応したタグ40は、2次元平面の中心に配置される。
この際、各タグ40の中心点が上記で求めた平面上の座標点に重なるように配置される。また、検索語に対応したタグ40は、2次元平面の中心に配置される。
この第2の関連度マップは、Webサーバ32によってWebファイルに加工され、クライアント36に送信される(S82)。
この結果、クライアント36のWebブラウザ上には、図33に示すように、第2の関連度マップ46が表示される。
この結果、クライアント36のWebブラウザ上には、図33に示すように、第2の関連度マップ46が表示される。
この第2の関連度マップ46上では、各タグ40のフォントサイズが上記の通り検索語との関連度の強さを表しているため、検索語「環境技術」に最も関連性の強いキーワードが「地球環境」であることが理解できる。また、「ハイブリッド」、「地球温暖化」、「温暖化」などのキーワードも、「環境技術」と比較的強い関連性を有していることが理解できる。
さらに、この第2の関連度マップ46においては、2次元平面の中心に検索語のタグ40が配置され、他のタグ40はそれぞれの関連度に応じてこれを螺旋状に取り囲むように配置されているため、各タグ40の配置(検索語のタグとの距離)によって、検索語との関連度を読み取ることが可能となる。
さらに、この第2の関連度マップ46においては、2次元平面の中心に検索語のタグ40が配置され、他のタグ40はそれぞれの関連度に応じてこれを螺旋状に取り囲むように配置されているため、各タグ40の配置(検索語のタグとの距離)によって、検索語との関連度を読み取ることが可能となる。
この第2の関連度マップ46の生成に際しては、各キーワードの順位に基づいてタグ40の座標が求められるため、一度順位と座標値との対応関係を計算しておけば、2次元平面の大きさ及び抽出する関連語の数に変更がない限り、再計算することなく直ちにタグ40を2次元平面上に配置でき、システム10の演算量を低減できる利点がある。
この第2の関連度マップ46上の任意のタグ40を選択した状態でユーザがクリックすると、上記した第1の関連度マップ42の場合と同様、吹きだしメニュー44が展開される。
そして、このメニュー44中からユーザが「Go to "トヨタ"」を選択すると、クライアント36から新たな検索語として「トヨタ」の文字列がWebサーバ32に送信される。
そして、このメニュー44中からユーザが「Go to "トヨタ"」を選択すると、クライアント36から新たな検索語として「トヨタ」の文字列がWebサーバ32に送信される。
これを受けたマップ生成部28は、上記のS70〜S80の処理を実行することにより、トヨタを検索語に設定した新たな第2の関連度マップ46を生成し、クライアント36に送信する(S82)。
この結果、図示は省略したが、クライアント36のWebブラウザ上にトヨタを検索語に設定した第2の関連度マップ46が表示される。
この結果、図示は省略したが、クライアント36のWebブラウザ上にトヨタを検索語に設定した第2の関連度マップ46が表示される。
このようにユーザは、第2の関連度マップ46上に表示されるタグ40を次から次へと選択し、そのキーワードを検索語に設定していくことにより、恰も連想の旅を続けるようにして視野を広げていき、その課程で新しい発見や意外な気付きを体験することができる。
また、ユーザが吹きだしメニュー44中から「関連性の確認1(サイト内)」を選択すると、クライアント36からWebサーバ32に対し、環境技術とトヨタを関連付ける根拠の提示リクエストが送信される。
これを受け付けたマップ生成部28は、図19に示したように、検索語である「環境技術」及び選択された「トヨタ」に基づいてキーワード共起頻度表20を検索し、両者間で共起の生じている文書番号のリストを生成する。
つぎにマップ生成部28は、この文書番号リストに基づいて文書DB12を検索し、文書本文のリストを生成した後、Webサーバ32経由でクライアント36に送信する。
この結果、クライアント36のディスプレイには、環境技術とトヨタとが同時に出現している文書の番号、タイトル、抄録、年月日等がリスト表示される。
つぎにマップ生成部28は、この文書番号リストに基づいて文書DB12を検索し、文書本文のリストを生成した後、Webサーバ32経由でクライアント36に送信する。
この結果、クライアント36のディスプレイには、環境技術とトヨタとが同時に出現している文書の番号、タイトル、抄録、年月日等がリスト表示される。
また、この中の一つをユーザが選択すると、マップ生成部28は該当の文書データを文書DB12から抽出し、クライアント36に送信する。
この結果ユーザは、当該文書データの内容を閲覧し、「環境技術」と「トヨタ」との関連性を個別に確認することが可能となる。
この結果ユーザは、当該文書データの内容を閲覧し、「環境技術」と「トヨタ」との関連性を個別に確認することが可能となる。
一方、ユーザが上記の吹きだしメニュー44中で「関連性の確認2(Web上)」を選択すると、Webファイルに組み込まれた制御プログラムにより、予め設定された検索サイトに接続するための新しいウィンドウあるいはタグがWebブラウザ上に起動し、当該検索サイトに対して「環境技術」及び「トヨタ」をand条件で結んだ検索語が送信される。
この結果、環境技術とトヨタの両者を含むWebサイトの情報がWebブラウザ上にリストアップされることとなり、ユーザは「環境技術」と「トヨタ」との関係性について、インターネットのWebサイトを通じて確認することが可能となる。
この結果、環境技術とトヨタの両者を含むWebサイトの情報がWebブラウザ上にリストアップされることとなり、ユーザは「環境技術」と「トヨタ」との関係性について、インターネットのWebサイトを通じて確認することが可能となる。
これに対し、ユーザが吹きだしメニュー44中で「Web上で検索」を選択すると、予め設定された検索サイトに接続するための新しいウィンドウあるいはタグがWebブラウザ上に起動し、当該検索サイトに対して「トヨタ」のみが検索語として送信される。
この結果、「トヨタ」に関するWebサイトの情報を確認することが可能となる。
この結果、「トヨタ」に関するWebサイトの情報を確認することが可能となる。
またユーザが、吹きだしメニュー44中で「関連性を否定」を選択した場合、「環境技術」と「トヨタ」間の関連性を否定する情報がサーバ上の所定の記憶手段に蓄積される。
そして、この情報が一定数(例えば10件以上)を超えた時点で、キーワード関連度表20におけるデータが修正され、「環境技術」と「トヨタ」間の関連度が所定ポイント分減算され、あるいは0にリセットされる。
そして、この情報が一定数(例えば10件以上)を超えた時点で、キーワード関連度表20におけるデータが修正され、「環境技術」と「トヨタ」間の関連度が所定ポイント分減算され、あるいは0にリセットされる。
この第2の関連度マップ46を生成するに際してタグ40間の重複が生じた場合、マップ生成部28は上記と同様のルールに従ってタグ40間の重複を解消させる。
10 検索システム
12 文書DB
14 キーワード抽出部
14a 係り受け表現抽出フィルタ
14b 区切り文字抽出フィルタ
14c 文字列頻度統計フィルタ
14d TermExtractフィルタ
14e 多数決フィルタ
16 キーワードDB
18 関連度算出部
20 キーワード共起頻度表
22 キーワード組合せ頻度総和表
24 キーワード頻度総和表
26 キーワード関連度表
28 マップ生成部
32 Webサーバ
34 ネットワーク
36 クライアント
40 タグ
42 第1の関連度マップ
44 吹きだしメニュー
46 第2の関連度マップ
12 文書DB
14 キーワード抽出部
14a 係り受け表現抽出フィルタ
14b 区切り文字抽出フィルタ
14c 文字列頻度統計フィルタ
14d TermExtractフィルタ
14e 多数決フィルタ
16 キーワードDB
18 関連度算出部
20 キーワード共起頻度表
22 キーワード組合せ頻度総和表
24 キーワード頻度総和表
26 キーワード関連度表
28 マップ生成部
32 Webサーバ
34 ネットワーク
36 クライアント
40 タグ
42 第1の関連度マップ
44 吹きだしメニュー
46 第2の関連度マップ
Claims (7)
- 複数のキーワードの各文書データ中における出現頻度データを用いて算出された、キーワード間の共起性に基づく関連度を格納しておくキーワード関連度記憶手段と、
検索語が入力された場合に、上記キーワード関連度記憶手段を参照し、当該検索語に対する関連度の高い順に所定数のキーワードを関連語として抽出する手段と、
抽出した各関連語の順位を螺旋方程式に代入し、それぞれのX値及びY値を算出する手段と、
このX値及びY値に基づいて、所定平面上における各関連語の座標値を算出する手段と、
検索語を表記したタグを上記平面の中心に配置させると共に、各関連語を表記したタグをそれぞれの座標値に基づいて同平面上に配置させた関連度マップを生成する手段と、
この関連度マップを出力する手段と、
を備えたことを特徴とする検索システム。 - 上記関連度マップ上の任意のタグを選択した状態で再検索のリクエストが入力された場合に、当該タグに表記されているキーワードを検索語として受け付けて新たな関連度マップを生成し、これを出力することを特徴とする請求項1に記載の検索システム。
- 複数のキーワードの出現頻度を文書データ毎に集計した結果を格納しておくキーワード共起頻度記憶手段と、
上記関連度マップ上の任意のタグを選択した状態で関連性の根拠の提示がリクエストされた場合に、上記キーワード共起頻度記憶手段を参照し、当該タグに表記されているキーワードと検索語が同時に出現している文書データを特定する手段と、
当該文書データのリストを生成し、出力する手段と、
を備えたことを特徴とする請求項1または2に記載の検索システム。 - 上記関連度マップ上の任意のタグを選択した状態で関連性を否定する入力がなされた場合に、所定の記憶手段に当該タグに表記されているキーワードと検索語との組合せに係る関連性否定情報を記録する手段と、
上記関連性否定情報が所定数に達した場合に、上記キーワード関連度記憶手段に格納された上記キーワードと検索語との間の関連度を所定量減ずる手段と、
を備えたことを特徴とする請求項1〜3の何れかに記載の検索システム。 - 通信ネットワークを介してクライアントが接続されており、
上記関連度マップを含むWebファイルを生成し、クライアントに送信する手段を備えた請求項1の検索システムであって、
上記Webファイルには、関連度マップ上の任意のタグを選択した状態でWeb検索のリクエストが入力された場合に、所定の検索サイトをリンク先とする別ウィンドウをWebブラウザ上に起動させ、当該検索サイトに対して当該タグに表記されたキーワードを検索クエリとして送信するためのコードが含まれていることを特徴とする検索システム。 - 通信ネットワークを介してクライアントが接続されており、
上記関連度マップを含むWebファイルを生成し、クライアントに送信する手段を備えた請求項1または5の検索システムであって、
上記Webファイルには、関連度マップ上の任意のタグを選択した状態で関連性の根拠の提示がリクエストされた場合に、所定の検索サイトをリンク先とする別ウィンドウをWebブラウザ上に起動させ、当該検索サイトに対して検索語及び当該タグに表記されたキーワードをアンド条件で結んだ検索クエリを送信するためのコードが含まれていることを特徴とする検索システム。 - 上記タグに表記される各キーワードに対し、検索語との関連度の高さに対応して大きなフォントサイズが割り当てられることを特徴とする請求項1〜6の何れかに記載の検索システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007090415A JP2008250625A (ja) | 2007-03-30 | 2007-03-30 | 検索システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007090415A JP2008250625A (ja) | 2007-03-30 | 2007-03-30 | 検索システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008250625A true JP2008250625A (ja) | 2008-10-16 |
Family
ID=39975507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007090415A Pending JP2008250625A (ja) | 2007-03-30 | 2007-03-30 | 検索システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008250625A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011111284A1 (ja) * | 2010-03-12 | 2011-09-15 | 日本電気株式会社 | 関連情報出力装置、関連情報出力方法およびコンピュータ読み取り可能な記録媒体 |
KR101099154B1 (ko) | 2008-10-27 | 2011-12-27 | 유동곤 | 검색 서비스 제공 방법 및 시스템 |
KR101368594B1 (ko) * | 2010-11-10 | 2014-02-27 | 라쿠텐 인코포레이티드 | 관련어 등록 장치, 정보 처리 장치, 관련어 등록 방법 및 기록 매체 |
JPWO2016104597A1 (ja) * | 2014-12-26 | 2017-12-28 | データクック株式会社 | 情報処理装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10260985A (ja) * | 1997-03-21 | 1998-09-29 | Biikline:Kk | 検索代理方法および検索代理システム |
JPH1185794A (ja) * | 1997-09-12 | 1999-03-30 | Nippon Telegr & Teleph Corp <Ntt> | 検索語入力装置および検索語入力プログラムを記録した記録媒体 |
JP2002202968A (ja) * | 2000-12-28 | 2002-07-19 | Casio Comput Co Ltd | 情報検索サービスシステム及び情報出力方法 |
JP2004362305A (ja) * | 2003-06-05 | 2004-12-24 | National Institute Of Information & Communication Technology | 対応付け装置及びプログラム |
JP2005107688A (ja) * | 2003-09-29 | 2005-04-21 | Nippon Telegr & Teleph Corp <Ntt> | 情報表示方法及びシステム及び情報表示プログラム |
JP2005122665A (ja) * | 2003-10-20 | 2005-05-12 | Sony Corp | 電子機器装置、関連語データベースの更新方法、プログラム |
JP2005149346A (ja) * | 2003-11-19 | 2005-06-09 | Nomura Research Institute Ltd | 文献情報分析システム及び文献情報分析プログラム |
JP2006163998A (ja) * | 2004-12-09 | 2006-06-22 | Nippon Telegr & Teleph Corp <Ntt> | 検索キーワード想起補助装置及び検索キーワード想起補助プログラム |
JP2006163645A (ja) * | 2004-12-03 | 2006-06-22 | Kenji Kita | 情報検索方法、情報検索装置、情報検索プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器 |
US7192283B2 (en) * | 2002-04-13 | 2007-03-20 | Paley W Bradford | System and method for visual analysis of word frequency and distribution in a text |
-
2007
- 2007-03-30 JP JP2007090415A patent/JP2008250625A/ja active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10260985A (ja) * | 1997-03-21 | 1998-09-29 | Biikline:Kk | 検索代理方法および検索代理システム |
JPH1185794A (ja) * | 1997-09-12 | 1999-03-30 | Nippon Telegr & Teleph Corp <Ntt> | 検索語入力装置および検索語入力プログラムを記録した記録媒体 |
JP2002202968A (ja) * | 2000-12-28 | 2002-07-19 | Casio Comput Co Ltd | 情報検索サービスシステム及び情報出力方法 |
US7192283B2 (en) * | 2002-04-13 | 2007-03-20 | Paley W Bradford | System and method for visual analysis of word frequency and distribution in a text |
JP2004362305A (ja) * | 2003-06-05 | 2004-12-24 | National Institute Of Information & Communication Technology | 対応付け装置及びプログラム |
JP2005107688A (ja) * | 2003-09-29 | 2005-04-21 | Nippon Telegr & Teleph Corp <Ntt> | 情報表示方法及びシステム及び情報表示プログラム |
JP2005122665A (ja) * | 2003-10-20 | 2005-05-12 | Sony Corp | 電子機器装置、関連語データベースの更新方法、プログラム |
JP2005149346A (ja) * | 2003-11-19 | 2005-06-09 | Nomura Research Institute Ltd | 文献情報分析システム及び文献情報分析プログラム |
JP2006163645A (ja) * | 2004-12-03 | 2006-06-22 | Kenji Kita | 情報検索方法、情報検索装置、情報検索プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器 |
JP2006163998A (ja) * | 2004-12-09 | 2006-06-22 | Nippon Telegr & Teleph Corp <Ntt> | 検索キーワード想起補助装置及び検索キーワード想起補助プログラム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101099154B1 (ko) | 2008-10-27 | 2011-12-27 | 유동곤 | 검색 서비스 제공 방법 및 시스템 |
WO2011111284A1 (ja) * | 2010-03-12 | 2011-09-15 | 日本電気株式会社 | 関連情報出力装置、関連情報出力方法およびコンピュータ読み取り可能な記録媒体 |
US9152696B2 (en) | 2010-03-12 | 2015-10-06 | Nec Corporation | Linkage information output apparatus, linkage information output method and computer-readable recording medium |
JP5803902B2 (ja) * | 2010-03-12 | 2015-11-04 | 日本電気株式会社 | 関連情報出力装置、関連情報出力方法および関連情報出力プログラム |
KR101368594B1 (ko) * | 2010-11-10 | 2014-02-27 | 라쿠텐 인코포레이티드 | 관련어 등록 장치, 정보 처리 장치, 관련어 등록 방법 및 기록 매체 |
JPWO2016104597A1 (ja) * | 2014-12-26 | 2017-12-28 | データクック株式会社 | 情報処理装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4937812B2 (ja) | 検索システム | |
CN101194256B (zh) | 具有表意文字和音标字符的语言的自动输入完成的方法和*** | |
JP4746439B2 (ja) | 文書検索サーバおよび文書検索方法 | |
JP3717808B2 (ja) | 情報検索システム | |
US20120023399A1 (en) | Information processing apparatus, information processing method, and information processing program | |
KR20100068382A (ko) | 부분 입력된 서치 쿼리에 대한 자동완성 및 입력 방법 자동 변환 | |
WO2007047464A2 (en) | Method and apparatus for identifying documents relevant to a search query | |
JP2010257488A (ja) | 対話形サーチクエリー改良のためのシステム及び方法 | |
US20090210404A1 (en) | Database search control | |
JP2009524163A (ja) | 関連コンセプトを使用するデータプロダクト検索 | |
CN111194457A (zh) | 专利评估判定方法、专利评估判定装置以及专利评估判定程序 | |
JP5193669B2 (ja) | 検索システム | |
JP2008250625A (ja) | 検索システム | |
JP5139883B2 (ja) | 検索システム | |
JP2009086774A (ja) | 検索サービス装置 | |
JP2008262506A (ja) | 情報抽出システム、情報抽出方法および情報抽出用プログラム | |
JP2009086903A (ja) | 検索サービス装置 | |
JP2009086771A (ja) | 検索サービス装置 | |
JP5149581B2 (ja) | 検索サービス装置 | |
JP4879800B2 (ja) | 2次元マップ上における表示要素間の重複回避プログラム | |
JP5368900B2 (ja) | 情報提示装置、情報提示方法およびプログラム | |
JP6534454B2 (ja) | 情報検索方法及び情報検索装置並びに情報検索システム | |
JP5072792B2 (ja) | 情報量に応じたページを優先的に表示する検索方法、プログラム及びサーバ | |
JP5332128B2 (ja) | 情報検索装置、情報検索方法およびそのプログラム | |
JP2009086773A (ja) | 検索サービス装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090911 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111011 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120403 |