JP2014102626A - Recommendation device, program, and method - Google Patents
Recommendation device, program, and method Download PDFInfo
- Publication number
- JP2014102626A JP2014102626A JP2012253301A JP2012253301A JP2014102626A JP 2014102626 A JP2014102626 A JP 2014102626A JP 2012253301 A JP2012253301 A JP 2012253301A JP 2012253301 A JP2012253301 A JP 2012253301A JP 2014102626 A JP2014102626 A JP 2014102626A
- Authority
- JP
- Japan
- Prior art keywords
- viewpoint
- term
- terms
- search
- recommendation
- 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
- 238000000034 method Methods 0.000 title claims description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000005516 engineering process Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims description 42
- 239000000284 extract Substances 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 239000000047 product Substances 0.000 description 29
- 238000010586 diagram Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 7
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- 230000010349 pulsation Effects 0.000 description 4
- 239000003674 animal food additive Substances 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 244000144972 livestock Species 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 235000019688 fish Nutrition 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000012149 noodles Nutrition 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000972773 Aulopiformes Species 0.000 description 1
- 241001474374 Blennius Species 0.000 description 1
- 241000238366 Cephalopoda Species 0.000 description 1
- 241000238424 Crustacea Species 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 235000019515 salmon Nutrition 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、情報の検索処理を支援する技術に関する。より詳しくは、本発明は、より適切な検索結果を得るために、検索意図に関連する技術概念を複数の観点から推奨するレコメンド処理に関する。 The present invention relates to a technology for supporting information search processing. More specifically, the present invention relates to a recommendation process for recommending a technical concept related to a search intention from a plurality of viewpoints in order to obtain a more appropriate search result.
エンジニアリング、製品企画等の業務では、技術情報の収集は欠かすことができない。技術情報として、インターネット、イントラネット等で標準的に用いられているドキュメントシステムであるwebに蓄積されている情報が広く利用されている。これらの情報を検索する手段として、テキスト検索処理が使用されている。 In engineering, product planning, etc., collecting technical information is indispensable. As technical information, information stored in a web, which is a document system used as standard on the Internet, an intranet, and the like is widely used. A text search process is used as means for searching for such information.
適切な検索結果を得るためのポイントは、検索者が適正なキーワードを入力できるかによる。しかし、所望する技術情報を得るための適正なキーワードを入力できる検索者は多くはない。例えば、「ガラス板に穴を開ける手段」に関する情報を得たい場合に、既に知っている手段の「ドリル」に関連する検索結果を得ることが可能であっても、本当に知りたい他の手段、例えばレーザ、ウォータージェット、パンチング加工等に関連する技術情報を検索結果として得ることができない。 The point for obtaining an appropriate search result depends on whether the searcher can input an appropriate keyword. However, there are not many searchers who can input an appropriate keyword for obtaining desired technical information. For example, if you want to get information about "means for drilling holes in a glass plate", you can get search results related to "drill" of the means you already know, but other means you really want to know, For example, technical information related to laser, water jet, punching, etc. cannot be obtained as a search result.
一般的に、検索精度は、検索者が入力したキーワードに依存しているが、技術情報の検索の必要性は、検索したい技術情報について十分な知識がないから生ずるのであり、検索したい技術情報を十分に得ている時点では検索する必要性がなくなっていることが大半である。そのため、検索者が、適切なキーワードを思いつくことは困難であるとされている。実際、検索者は、適正なキーワードに到達するまで非常に長い時間を費やしたり、適正なキーワードによる検索をあきらめたりしていた。 In general, the search accuracy depends on the keyword entered by the searcher, but the need for searching for technical information arises because there is not enough knowledge about the technical information to be searched. In most cases, there is no longer a need to search when you have enough. For this reason, it is difficult for a searcher to come up with an appropriate keyword. In fact, the searcher spends a very long time to reach the proper keyword, or gives up searching with the proper keyword.
検索者の検索処理の支援や情報の補完のため、検索者に検索結果以外の情報を推薦情報として提供するレコメンド技術が知られている。 A recommendation technique for providing information other than the search result to the searcher as recommendation information for assisting the searcher's search processing or supplementing the information is known.
レコメンド技術の1つは、代表的には電子商用サイト(ECサイト)等で利用され、デジタルカメラの購入者にSDメモリカードの情報を提供するために実施される。例えば、コンテンツベース、強調フィルタリング、ベイジアンネットワークと呼ばれる手法であり、利用者の行動履歴、サイトでの処理履歴、提供される情報の属性等を分析して関連性が高い情報を推薦する(従来手法(1))。 One of the recommendation technologies is typically used in an electronic commercial site (EC site) or the like, and is implemented to provide information on an SD memory card to a purchaser of a digital camera. For example, it is a method called content base, emphasis filtering, Bayesian network, and recommends highly relevant information by analyzing user behavior history, site processing history, provided information attributes, etc. (conventional method) (1)).
また、別のレコメンド技術は、代表的には企業公式サイト等で利用され、蓄積情報から取り出された1つの情報に対して関連性や類似性がある別の情報を提供するために実施される。例えば、ルールベースと呼ばれる手法であり、予め設定したルールに基づき、提供した情報に関連性が高い他の情報を推薦する(従来手法(2))。 Another recommendation technique is typically used on company official websites, etc., and is implemented to provide other information that is related or similar to one piece of information extracted from stored information. . For example, it is a method called a rule base, and recommends other information highly related to the provided information based on a preset rule (conventional method (2)).
上記の従来手法(1)は、技術情報の検索においては妥当とは限らない。従来手法(1)は、検索者の動作履歴、コンテンツや情報の属性等の統計情報に基づいた結果を推奨するため、レコメンド情報に技術的関連性がないからである。従来手法(1)を技術情報の検索に適用すると、検索者の検索履歴や検索パターンを解析し、例えば、「レーザ機を閲覧した人は、この外観検査機も閲覧している」のような行動履歴のレコメンドとなる。しかし、技術情報の検索者にとっては、当該検索の対象とする材料がガラスなのか金属なのか、樹脂なのか、また、被加工物が立体物なのか板状なのかによって、推奨された情報が全く的外れのものとなる。 The conventional method (1) described above is not always appropriate for searching technical information. This is because the conventional method (1) recommends a result based on the searcher's operation history, statistical information such as content and information attributes, and the recommendation information has no technical relevance. When the conventional method (1) is applied to the search of technical information, the searcher's search history and search pattern are analyzed. For example, “A person who has viewed a laser machine is also viewing this visual inspection machine” It becomes a recommendation of action history. However, for those who search for technical information, the recommended information depends on whether the search target material is glass, metal, or resin, and whether the workpiece is a three-dimensional object or a plate. It will be totally off-target.
上記の従来手法(2)は、技術的関連性に基づいて情報を推奨することができる。しかし、検索者が知りたい情報について、技術分野を横断的に検索して提供することは難しい。推奨する情報の技術分野を増やして横断的に検索する場合、推奨する情報が多くなりすぎるという問題がある。 The above conventional method (2) can recommend information based on technical relevance. However, it is difficult to search and provide information that the searcher wants to know across the technical fields. When searching for a cross-sectional search by increasing the technical field of recommended information, there is a problem that there is too much recommended information.
従来、「板に穴を開けたい」という課題に関連する情報を求めることを前提に、既知の語「ドリル」を入力して検索する検索者に対し、ドリルに関する情報の他、レーザ装置に関する情報、穴の開きやすい板の材料に関する情報のように、広い技術分野を網羅して情報を推奨する検索支援技術はなかった。 Conventionally, on the premise of obtaining information related to the problem of “I want to make a hole in a plate”, information related to a laser device in addition to information related to a drill is searched for a searcher who inputs a known word “drill”. There is no search support technology that recommends information covering a wide range of technical fields, such as information on the material of plates that are easy to open holes.
本発明は、これらの従来手法を考慮してなされたものであり、その目的は、検索者の検索要求に対する検索結果と異なる他の情報を推奨する際に、技術の関連性と横断性を同時に満たす情報を推奨できるレコメンド処理に係る情報処理技術を提供することである。 The present invention has been made in consideration of these conventional methods. The purpose of the present invention is to simultaneously relate the relevance and cross-cutting of technology when recommending other information different from the search result for the search request of the searcher. It is to provide information processing technology related to recommendation processing that can recommend information that satisfies the requirements.
本発明に係るレコメンド装置は、検索処理を支援する装置であって、検索処理に使用するキーワードを取得するキーワード取得部と、技術の範囲を示すテーマと該テーマ毎に該技術の範囲に含まれる技術の特性を複数の観点に対応付けて示すタームとを定める技術分類に基づくテーマおよびタームが付与されたテキストであって、技術情報に関する分類付テキストを蓄積する分類付テキストデータベースにアクセスし、該分類付テキストデータベースに記憶された分類付テキストを前記キーワードのOR条件でテキスト検索し、前記キーワードを含む分類付テキストを抽出する分類付テキスト検索部と、抽出した前記分類付テキストに付与された全てのタームを抽出し、前記技術分類を記憶する技術分類データベースを参照して、該抽出したタームを前記技術分類で対応付けられた観点毎にまとめ、該観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームをレコメンド観点とするレコメンド観点生成部と、前記レコメンド観点を表示するレコメンド観点出力部とを備え、前記レコメンド観点生成部は、表示した前記レコメンド観点から選択された選択タームを受け付け、前記選択タームを受け付ける度に、前記抽出した分類付テキストを該選択タームで絞り込み、絞り込みの結果である分類付テキストに付与された全てのタームを抽出し、該絞り込みの結果である分類付テキストから抽出した前記観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームを前記レコメンド観点とするものである。 A recommendation device according to the present invention is a device that supports a search process, and includes a keyword acquisition unit that acquires a keyword used for the search process, a theme that indicates a scope of the technique, and a theme for each theme included in the scope of the technique A text to which a theme and term based on a technology classification that defines terms indicating the characteristics of the technology in association with a plurality of viewpoints is provided, and is accessed to a classified text database that stores classified text related to technical information; A text search for classified text stored in the text database with classification is text-searched under the OR condition of the keyword, and a text search section with classified that extracts the classified text including the keyword, and all of the extracted classified text The term is extracted and the extracted technology is stored with reference to the technical classification database storing the technical classification. A recommendation viewpoint generation unit that evaluates the terms and viewpoints summarized for each viewpoint, evaluates the terms and viewpoints summarized for each viewpoint, and uses the viewpoints with good evaluation viewpoints as the recommendation viewpoints, and the recommendation viewpoints. A recommended viewpoint output unit that receives the selected term selected from the displayed recommended viewpoint, and each time the selected term is received, the extracted classified text is selected as the selected term. Narrow down and extract all the terms given to the classified text as a result of the narrowing down, evaluate the terms and viewpoints collected for each viewpoint extracted from the classified text as the result of the narrowing down, and A good viewpoint and term are taken as the recommendation viewpoint.
上記したレコメンド装置によれば、検索者によって与えられた検索キーワードに関連して、検索処理で有用な観点や技術概念を示すタームをレコメンド観点として提示することができる。さらに、提示したレコメンド観点から検索者によって選択されたタームを用いて検索結果を絞り込むことができる。 According to the above recommendation device, it is possible to present a term indicating a useful viewpoint or technical concept in the search process as a recommendation viewpoint in relation to the search keyword given by the searcher. Furthermore, the search results can be narrowed down using the terms selected by the searcher from the presented recommendation viewpoint.
レコメンド装置によれば、検索者に対し、気づかなかった観点や技術概念を提供し、検索結果として、検索者の意図により合致した適切な技術情報を提供することができ、検索者の検索を支援することができる。 According to the recommendation device, the searcher can be provided with the point of view and technical concept that he / she did not notice, and the search result can be provided with appropriate technical information that matches the searcher's intention, thereby supporting the searcher's search. can do.
以下、本発明の一態様として開示する情報検索システムについて説明する。 Hereinafter, an information search system disclosed as one embodiment of the present invention will be described.
図1は、一実施例における情報検索システムのブロック構成例を示す図である。 FIG. 1 is a diagram illustrating a block configuration example of an information search system according to an embodiment.
情報検索システム1は、検索者が入力したキーワードで技術情報を検索し、さらに、予め備えた技術分類体系に定義された技術概念の中からキーワードに関連する技術概念を抽出して複数の観点で区分した情報(レコメンド観点)を提供する情報処理システムである。
The
情報検索システム1が備える技術分類体系(技術分類とも呼ぶ)は、技術が適用される産業に基づく分野(フィールド)を示すフィールド情報、各フィールドに属する各技術の範囲を示す区分(テーマ)を示すテーマ情報、および、各テーマに分類される技術的特徴を示す術語(ターム)を複数の観点に対応付けて定義しているターム情報で構成されている。
The technology classification system (also referred to as technology classification) provided in the
すなわち、技術分類体系は、複数のフィールドで構成され、各フィールドは、下位構成として1または複数のテーマを有する。さらに、各テーマは、1または複数の観点の分類に属する1または複数の階層化したタームを有する。各タームが分類される複数の観点は、全テーマで横断的に使用される。テーマ毎に必要な観点が設けられるが、少なくとも、技術上の目的、課題等を示す観点(「課題」)が設けられる。技術分類体系を構成する情報の詳細は、後述する。 That is, the technical classification system is composed of a plurality of fields, and each field has one or a plurality of themes as a subordinate structure. Furthermore, each theme has one or more hierarchical terms belonging to one or more viewpoint categories. The multiple viewpoints into which each term is classified are used across all themes. A necessary viewpoint is provided for each theme, but at least a viewpoint (“issue”) indicating a technical purpose, a problem, and the like is provided. Details of the information constituting the technical classification system will be described later.
情報検索システム1は、検索装置10、レコメンド装置20、技術分類データベース31、分類付テキストデータベース33、および、技術コンテンツデータベース35を備える。また、情報検索システム1の検索装置10は、検索者が使用する情報処理端末である検索者端末5とネットワークNを介して接続している。
The
検索装置10は、検索者端末5で入力された単語または単語の組合せをキーワードとして取得して、1または複数の技術コンテンツデータベース35に蓄積された技術コンテンツを検索する。
The
検索装置10は、キーワード取得部11、コンテンツ検索部13、コンテンツ出力部15を有する。
The
キーワード取得部11は、検索者端末5で検索者が入力した1または複数の単語をキーワードとして取得する。
The keyword acquisition unit 11 acquires one or more words input by the searcher at the
コンテンツ検索部13は、技術コンテンツデータベース35に対する取得したキーワードでのOR条件の検索を行い、予め定めた評価方法により検索結果を評価し、評価の良い技術コンテンツを抽出する。
The content search unit 13 searches the
コンテンツ出力部15は、検索者端末5に、検索結果として、抽出した技術コンテンツを、レコメンド観点として、レコメンド装置20から得た各観点のターム群を検索者端末5に表示させる。
The
検索装置10は、検索者端末5で自由文(入力文字列)の入力を許容する場合には、さらに、形態素解析部を備えることができる。この場合に、形態素解析部が検索者端末5から受け付けた入力文字列に対して既知の形態素解析を行って自立語を抽出し、キーワード取得部11は、抽出した自立語をキーワードとする。
The
レコメンド装置20は、技術分類データベース31に記憶された技術分類体系を検索装置10が取得したキーワードで検索し、検索意図に関連する技術概念として、キーワードに関連性が高いタームを抽出し複数の観点に対応付けて提示する。
The
レコメンド装置20は、1つの構成例として(第1の構成例)、分類付テキスト検索部21、レコメンド観点生成部23、レコメンド観点出力部25を有する。
The
分類付テキスト検索部21は、検索装置10から得たキーワードで、分類付テキストデータベース33に対するOR条件の検索処理を行い、検索した分類付テキストを予め定めた評価方法により評価し、評価の良い分類付テキストを取得する。
The classified
レコメンド観点生成部23は、取得した分類付テキストから付与されたタームを抽出し、抽出したタームをもとに観点を生成し、キーワードとの関連性が高い観点とタームとをレコメンド観点として決定する。 The recommendation viewpoint generation unit 23 extracts terms provided from the acquired classified text, generates viewpoints based on the extracted terms, and determines viewpoints and terms highly relevant to the keywords as recommendation viewpoints. .
レコメンド観点出力部25は、レコメンド観点として決定した観点およびそのタームを検索装置10へ渡す。
The recommended
図2〜図7は、技術分類データベース31のデータ構成例を示す図である。 2-7 is a figure which shows the data structural example of the technical classification database 31. As shown in FIG.
技術分類データベース31は、フィールド情報311、テーマ情報313、およびターム情報315を含む。
The technology classification database 31 includes
フィールド情報311は、技術が適用される産業に基づいて分類した分野(フィールド)を示す情報である。図2(A)に示すように、フィールド情報311では、各分野の名称を示す「フィールド名」とフィールドの識別情報である「フィールドID」とが対応付けられて記憶されている。例えば、フィールドID“2B”、フィールド名“畜産、漁業”は、自然資源のうち畜産や漁業に適用される技術が分類される区分であることを表している。
The
テーマ情報313は、技術の範囲を示す区分(テーマ)を示す情報である。図2(B)に示すように、テーマ情報313では、技術の範囲の名称を示す「テーマ名」とテーマの識別情報である「テーマID」とテーマが属するフィールドを示す「フィールドID」とが対応付けられて記憶されている。例えば、テーマID“104”、テーマ名“養殖”は、フィールドID“2B”の畜産、漁業に属する技術であって、養殖に関連する技術が分類される区分であることを表している。
The
ターム情報315は、1つのテーマに分類される技術的特徴を示す術語(ターム)を示す情報である。ターム情報315のタームが示す技術的特徴は、複数の観点に基づいて分類されて定義されている。
The
図3〜図6に示すように、ターム情報315は、テーマ毎に構築され、観点の区分の名称を示す「観点分類」と観点分類の識別情報である「観点コード」とが対応付けられ、さらに、観点分類毎に、技術的特徴を示す「ターム名」とタームの識別情報である「タームコード」との対応が定義されている。各観点分類は、1または複数のタームコードおよびターム名の組(以下、単にタームと呼ぶことがある)を含み、複数のタームが階層的に定義されていてもよい。
As shown in FIGS. 3 to 6, the
観点分類は、多面的に、かつ、テーマに対応して設定される。設定される観点分類は、「目的、課題」が必須であり、その他、任意の観点、例えば、対象(物等)、用途、構造、材料、製造方法、使用方法、管理方法等がテーマに応じて含まれる。 The viewpoint classification is set in a multifaceted manner and corresponding to the theme. As the viewpoint classification to be set, “purpose, issue” is essential, and other arbitrary viewpoints, for example, objects (objects, etc.), uses, structures, materials, manufacturing methods, usage methods, management methods, etc. according to the theme Included.
図3は、テーマ名が“養殖(104)”に対するターム情報315の例である。図3のターム情報315は、例えば、観点名(観点コード)の“対象(BB)”について、“魚類(010)”、“いか・たこ類(020)”、“甲殻類(030)”等の1次ターム群、1次ターム“魚類(010)”の下位タームとして、“サケ類(011)”が設定されていること、“目的(AA)”について、“特性成長時期(010)”、“体色対策(020)”等のターム群が設定されていることを示している。
FIG. 3 is an example of the
図4は、テーマ名が“飼料(150)”に対するターム情報315の例である。図4のターム情報315は、例えば、観点名(観点コード)の“装置(FA)”について、“網ヒビ(010)”、“小型藻場(020)”、“陸上養殖装置(030)”等の1次ターム群が設定され、下位タームも設定されうることを示している。
FIG. 4 is an example of
図5は、テーマ名が“橋または陸橋(059)”に対するターム情報315の例である。図5のターム情報315は、例えば、観点名(観点コード)が“目的・課題(AA)”について、“制震(010)”、“補強(020)”、“連結(030)”等の1次ターム群が設定され、下位タームも設定されうることを示している。
FIG. 5 is an example of the
図6は、テーマ名が“穀物誘導製品(046)”に対するターム情報315の例である。図6のターム情報315は、例えば、観点名(観点コード)の“最終製品の種類(BD)”について、“麺(010)”、“麺皮(020)”、“その他(030)”等の1次ターム群が設定され、下位タームも設定されうることを示している。
FIG. 6 is an example of the
図7は、観点の区分の構成例を示す図である。 FIG. 7 is a diagram illustrating a configuration example of viewpoint classification.
観点分類は、例えば、課題(A)、種類(B)、用途(C)等が設定され、観点IDに対応付けて記憶される。各観点分類は、技術分類体系のテーマに設定される1または複数の観点群(観点の名称)を有する。図8に示す観点分類では、「課題(A)」の観点分類に、“目的(AA)”、“課題(AB)”、“付加目的(AG)”等の観点群が含まれることを示している。 In the viewpoint classification, for example, a task (A), a type (B), a usage (C), and the like are set and stored in association with the viewpoint ID. Each viewpoint classification has one or a plurality of viewpoint groups (names of viewpoints) set as the theme of the technical classification system. The viewpoint classification shown in FIG. 8 indicates that the viewpoint classification of “task (A)” includes viewpoint groups such as “purpose (AA)”, “task (AB)”, and “additional objective (AG)”. ing.
分類付テキストデータベース33は、分類コードが付与されたテキストを蓄積するデータベースである。
The classified
図8は、分類付テキストデータベース33のデータ構成例を示す図である。分類付テキストデータベース33に蓄積されるテキストは、文献ID、題名、分類コード(テーマID、タームコード)、およびテキスト(本文)を含む。「文献ID」はテキストを識別する情報、「題名」は文献の題名、「テキスト」は文献の本文の内容である。「分類コード」は、技術分類データベース31の分類体系に基づく各種情報のインデックスであり、1または複数のテーマID、および各テーマIDについて1または複数のタームコードが設定されている。
FIG. 8 is a diagram illustrating a data configuration example of the classified
技術コンテンツデータベース35は、様々な技術情報を示す技術コンテンツを蓄積するデータベースである。情報検索システム1は、複数の技術コンテンツデータベース35を備えてもよい。技術コンテンツデータベース35には、情報検索システム1がインターネット、イントラネット等のネットワークを介して接続可能であるデータベースを含む。
The
ここで、技術コンテンツに含まれる技術情報は、技術自体だけではなく、技術を提供する企業や研究機関等の技術に関連する情報を範囲とするものであり、技術コンテンツは、技術情報を示すテキストデータを含むデータであればよく、画像データ、音声データ等が含まれていてもよい。技術コンテンツは、具体的には、特許文献、論文、製品マニュアル、製品カタログ、仕様書、技法解説書、解析・適用事例集、実験報告書、技術ニュース、技術マガジン、ニュースリリース、企業、研究機関の事業報告書等である。 Here, the technical information included in the technical content covers not only the technology itself but also information related to the technology of companies or research institutions that provide the technology, and the technical content is a text indicating the technical information. Data including data may be used, and image data, audio data, and the like may be included. Technical contents are specifically patent documents, papers, product manuals, product catalogs, specifications, technical explanations, analysis / application examples, experimental reports, technical news, technical magazines, news releases, companies, research institutions Business reports.
図9は、技術コンテンツデータベース35に蓄積される技術コンテンツのデータ構成例を示す図である。
FIG. 9 is a diagram illustrating a data configuration example of technical content stored in the
図9(A)は、製品情報を提供する技術コンテンツ(製品コンテンツ)のデータ構成例を示す。図9(A)の製品コンテンツは、製品ID、製品名、企業名、説明テキスト、リンク等のデータを含む。「製品ID」は製品を識別する情報、「製品名」は製品の名称、「企業名」は製品を製造、提供する企業の名称である。「説明テキスト」は、製品の特徴、用途等を説明する本文テキストである。「リンク」は、任意の要素であり、製品に関連する情報を提供する企業や関連団体へのサイトへのリンク情報を示す。 FIG. 9A shows a data configuration example of technical content (product content) that provides product information. The product content in FIG. 9A includes data such as a product ID, a product name, a company name, an explanatory text, and a link. “Product ID” is information for identifying the product, “Product name” is the name of the product, and “Company name” is the name of the company that manufactures and provides the product. The “description text” is a body text that explains the feature, use, etc. of the product. “Link” is an optional element, and indicates link information to a site to a company or related organization that provides information related to a product.
図9(B)は、技術論文を提供する技術コンテンツ(論文コンテンツ)のデータ構成例を示す。図9(B)の論文コンテンツは、文献ID、題名、著者名、本文テキスト等のデータを含む。「文献ID」は論文を識別する情報、「題名」は論文の題名、「著者名」は論文著作者の氏名、「本文テキスト」は、論文本体のテキストである。 FIG. 9B shows a data configuration example of technical content (paper content) that provides a technical paper. The article content in FIG. 9B includes data such as a document ID, a title, an author name, and a body text. “Document ID” is information for identifying a paper, “Title” is the title of the paper, “Author” is the name of the paper author, and “Text text” is the text of the paper itself.
次に、情報検索システム1の処理の流れを説明する。以降の説明において、検索者からの情報入力、検索者への情報出力に関し、一般的なインタフェース機能およびその動作については既知であるので説明を省略する。
Next, the process flow of the
図10は、情報検索システム1の概要処理の処理フロー例を示す図である。
FIG. 10 is a diagram illustrating a processing flow example of the outline processing of the
ステップS1: キーワード取得部11が、検索者が検索者端末5で入力した単語、単語の組合せをキーワードとして取得する。なお、検索者端末5が自由文の入力を受け付ける場合には、検索装置10が備える形態素解析部が、受け付けた自由文を形態素解析し、自立語(語)を抽出し、キーワード取得部11が抽出した自立語をキーワードとする。
Step S1: The keyword acquisition unit 11 acquires words and word combinations input by the searcher at the
図11は、情報検索システム1が表示する画面例を示す図である。図11に示す画面100が検索者端末5に表示される。画面100は、検索者が自由に語句や文を入力できる文字入力域101、検索実行を指示する検索ボタン103、推奨する観点およびタームを表示するレコメンド観点表示域110、検索結果である技術コンテンツを表示する検索結果表示域120を備える。
FIG. 11 is a diagram illustrating an example of a screen displayed by the
検索ボタン103がマウスクリック等で押下されると、キーワード取得部11は、文字入力域101に入力された入力文字列を取得する。図11に示す画面例では、“真空ポンプ”が入力されてキーワードとなる。
When the
ステップS2: 分類付テキスト検索部21が、検索者端末5から得たキーワードで分類付テキストデータベース33をOR条件でテキスト検索し、検索結果の分類付テキストに付与されているタームを抽出する。
Step S2: The classified
図12は、ステップS2の処理のより詳細な処理フロー例を示す図である。 FIG. 12 is a diagram showing a more detailed processing flow example of the processing in step S2.
分類付テキスト検索部21は、キーワードを用いて分類付テキストデータベース33に記憶する分類テキストをOR条件でテキスト検索し、キーワードを持つ分類付テキストを抽出する(ステップS21)。分類付テキスト検索部21は、抽出した分類付テキストを予め定められた評価方法で評価し、評価の良い分類付テキストを所定数抽出する(ステップS22)。検索結果の評価方法は、既知の手法でよく、例えば、キーワードとの類似度を用いる評価手法、キーワードの希少性、重複性、網羅性等を用いる評価手法でもよい。
The classified
なお、希少性は、キーワードに一致する語を持つ分類付テキスト数をもとに評価する尺度である。重複性は、1つの分類付テキスト内でキーワードに一致する語が出現している数をもとに評価する尺度である。網羅性は、キーワードに一致する語が分類付テキスト全体の語に占める割合をもとに評価する尺度である。これらの尺度は、1つまたは複数を組み合わせて用いられる。 Note that rarity is a scale that is evaluated based on the number of classified texts having words that match the keyword. Redundancy is a scale that is evaluated based on the number of occurrences of words that match a keyword in one classified text. Comprehensiveness is a scale that is evaluated based on the ratio of words that match a keyword to the words in the entire classified text. These measures are used in combination of one or more.
分類付テキスト検索部21は、抽出した各分類付テキストに付与されている全てのタームを抽出する(ステップS23)。
The classified
ステップS3: レコメンド観点生成部23が、分類付テキストから抽出したタームを観点毎にまとめ、各観点のターム群を生成する。レコメンド観点生成部23は、例えば、観点の区分“目的(課題)”、“種類”、“用途”、“装置”、“材料”の観点毎にターム群をまとめる。これにより、“軽量”、“冷却”、“騒音”等のタームが“課題(A)”の観点に分類される。 Step S3: The recommended viewpoint generation unit 23 summarizes the terms extracted from the classified text for each viewpoint, and generates a term group for each viewpoint. For example, the recommendation viewpoint generation unit 23 compiles a term group for each viewpoint of “point (problem)”, “type”, “use”, “apparatus”, and “material”. As a result, terms such as “lightweight”, “cooling”, “noise”, etc., are classified as “problem (A)”.
ステップS4: レコメンド観点生成部23が、各観点とそのターム群とを評価し、レコメンド観点とする観点およびタームを決定する。 Step S4: The recommended viewpoint generation unit 23 evaluates each viewpoint and its term group, and determines a viewpoint and a term to be a recommended viewpoint.
図13は、ステップS4の処理のより詳細な処理フロー例を示す図である。 FIG. 13 is a diagram illustrating a more detailed processing flow example of the processing in step S4.
レコメンド観点生成部23は、タームをもとに各観点を評価し(ステップS41)、さらに観点の各タームを評価する(ステップS42)。レコメンド観点生成部23は、評価の良い所定数の観点、およびその観点の評価が上位のタームを、レコメンド観点に決定し、検索装置10のコンテンツ出力部15に渡す(ステップS43)。
The recommended viewpoint generation unit 23 evaluates each viewpoint based on the term (step S41), and further evaluates each term of the viewpoint (step S42). The recommendation viewpoint generation unit 23 determines a predetermined number of viewpoints with good evaluation and terms with higher evaluations of the viewpoints as recommendation viewpoints, and passes them to the
ステップS5: コンテンツ検索部13は、ステップS1で取得したキーワードを用いて、技術コンテンツDB35の技術コンテンツをOR条件でテキスト検索する。コンテンツ検索部13は、既知の検索手法であればどの検索手法であっても実施できるが、例えば、重み付きOR検索、評価OR検索と呼ばれている検索手法を実施する。
Step S5: The content search unit 13 performs a text search for the technical content in the
さらに、コンテンツ検索部13は、検索した技術コンテンツを評価する。例えば、キーワードとの類似度を用いて技術コンテンツを評価する。 Further, the content search unit 13 evaluates the searched technical content. For example, technical content is evaluated using the similarity with a keyword.
ステップS6: コンテンツ出力部15が、評価が良い順に所定数の技術コンテンツとレコメンド観点とを表示するための表示用データを生成し、検索者端末5に表示用データを表示させる。例えば、画面100のレコメンド観点表示域110に、「課題」の観点と他の評価の良い観点(種類、用途、装置等)、各観点の評価の良い順に所定数(例えば、第1位〜第3位)のタームが表示され、検索結果表示域120には、評価の良い順に技術コンテンツから抽出した書誌的事項やテキストの見出しや本文の冒頭部が表示される。
Step S6: The
ステップS7: 検索者端末5で、画面100のレコメンド観点表示域110に表示されたタームが選択され、レコメンド観点生成部23が、検索者端末5での観点選択を受け付ける。観点選択を受け付ける度に、ステップS8〜S9の処理が実行される。
Step S7: The term displayed in the recommended
ステップS8: レコメンド観点生成部23が、受け付けた選択観点をもとにレコメンド観点を絞り込む。 Step S8: The recommended viewpoint generation unit 23 narrows down the recommended viewpoint based on the received selected viewpoint.
図14は、ステップS8の処理のより詳細な処理フロー例を示す図である。 FIG. 14 is a diagram showing a more detailed processing flow example of the processing in step S8.
レコメンド観点生成部23は、観点選択に示されたターム(選択ターム)を取得し、既に検索処理で抽出されている分類付テキストを選択タームと合致するタームが付与されているものに絞り込む(ステップS81)。 The recommended viewpoint generation unit 23 acquires the term (selection term) indicated in the viewpoint selection, and narrows down the text with classification already extracted in the search process to those to which a term that matches the selected term is given (step) S81).
さらに、レコメンド観点生成部23は、絞り込みの結果(分類付テキスト)からタームを抽出し(ステップS82)、抽出したタームをもとに各観点と各タームとを評価し(ステップS83)、評価の良い観点およびタームをレコメンド観点に決定する(ステップS84)。 Further, the recommendation viewpoint generation unit 23 extracts terms from the narrowing result (text with classification) (step S82), evaluates each viewpoint and each term based on the extracted terms (step S83), and evaluates the evaluation. A good viewpoint and term are determined as a recommendation viewpoint (step S84).
ステップS9: コンテンツ検索部13が、観点選択に示された選択タームで、検索結果の技術コンテンツを絞り込む。 Step S9: The content search unit 13 narrows down the technical content of the search result with the selection term indicated in the viewpoint selection.
図15は、ステップS9の処理のより詳細な処理フロー例を示す図である。 FIG. 15 is a diagram illustrating a more detailed processing flow example of the processing in step S9.
コンテンツ検索部13は、選択タームを取得し(ステップS91)、検索結果の技術コンテンツを選択タームで絞り込む(ステップS92)。この絞り込み処理で、選択タームとの合致は、一致検索、OR条件による検索、類語による検索、意味解析による検索等の既知の検索手法である。 The content search unit 13 acquires the selected term (step S91), and narrows down the technical content of the search result by the selected term (step S92). In this narrowing-down process, the match with the selected term is a known search method such as a match search, a search using an OR condition, a search using a synonym, or a search using semantic analysis.
さらに、コンテンツ検索部13は、絞り込みの結果の技術コンテンツを評価し、評価の良い技術コンテンツを抽出する(ステップS93)。 Further, the content search unit 13 evaluates the technical content as a result of narrowing down, and extracts technical content with good evaluation (step S93).
以下に、ステップS8、S9の処理をより具体的に説明する。 Below, the process of step S8, S9 is demonstrated more concretely.
図16は、ステップS5の処理で抽出された分類付テキストの例を示す図である。分類付テキストt01〜t10各々に紐付くA、B、…、Gは、分類付テキストに付与されているある観点に分類されるタームを表している。 FIG. 16 is a diagram illustrating an example of classified text extracted in the process of step S5. A, B,..., G associated with each of the classified texts t01 to t10 represent terms that are classified from a certain viewpoint given to the classified text.
レコメンド観点生成部23は、抽出した分類付テキストに付与されたタームを全て抽出し、付与されていた分類付テキストの合計数を用いて各タームを評価する。レコメンド観点生成部23は、分類付テキストt01〜t10において、ターム毎の分類付テキストの合計数を集計し、合計数の多いタームほど良い評価とする。 The recommendation viewpoint generation unit 23 extracts all the terms assigned to the extracted classified text, and evaluates each term using the total number of classified texts that have been assigned. The recommendation viewpoint generation unit 23 totals the total number of classified texts for each term in the classified texts t01 to t10, and the term having a larger total number is considered to have a better evaluation.
図17に示すように、観点が“目的(課題)”に分類されるタームの評価順が、A(軽量)、B(冷却)、C(騒音)、D(振動)、E(耐久)、F(摩擦)、G(圧力脈動)であったとする。 As shown in FIG. 17, the evaluation order of terms whose viewpoint is classified as “purpose (issue)” is A (light weight), B (cooling), C (noise), D (vibration), E (endurance), Assume F (friction) and G (pressure pulsation).
レコメンド観点生成部23は、評価の良い観点およびタームをレコメンド観点に決定し、レコメンド観点出力部25は、決定された観点およびタームを最初のレコメンド観点として示す画面100を表示する。
The recommendation viewpoint generation unit 23 determines a viewpoint and term with good evaluation as a recommendation viewpoint, and the recommendation
図18は、最初のレコメンド観点を表示する場合の画面例を示す図である。図18に示す画面100の検索結果表示域120には、キーワードの“真空ポンプ”による検索結果である製品コンテンツの内容が表示される。レコメンド観点表示域110には、“真空ポンプ”に関連する技術概念を示すタームが、「目的や課題」という観点を含む複数の観点に分類されて表示される。例えば、「目的や課題」の観点について、評価順に従って“軽量”、“冷却”、“騒音”等のタームが表示される。
FIG. 18 is a diagram illustrating an example of a screen when the first recommendation viewpoint is displayed. In the search
レコメンド観点表示域110の各タームは、検索結果表示域120に表示された検索結果の絞り込み条件として推奨されるタームである。検索結果表示域120から選択されたターム(選択ターム)が、絞り込み処理の条件(キーワード)として使用される。
Each term in the recommendation
画面100のレコメンド観点表示域110でタームが選択される度に、レコメンド観点表示域110に表示される観点とタームとが逐次更新される。
Each time a term is selected in the recommended
例えば、画面100のレコメンド観点表示域110に表示されたタームからユーザによってターム“騒音(C)”が選択されると、レコメンド観点生成部23は、図16に示す、抽出された分類付テキスト(t01〜t10)から、選択ターム“C”が付与された分類付テキストt06、t07、t08、t09、t10を抽出し、抽出した分類付テキストに付与されたタームを再度評価する。図17に示すタームの評価例では、分類付テキストt06〜t10においてタームの評価順が、C(騒音)、D(振動)、E(耐久)、F(摩擦)、G(圧力脈動)であるので、レコメンド観点生成部23は、再評価したタームから上位3つのタームを逐次レコメンド観点として決定する。レコメンド観点出力部25は、逐次レコメンド観点を示す画面100を表示する。
For example, when the term “noise (C)” is selected by the user from the terms displayed in the recommended
図19は、逐次レコメンド観点が表示された場合の画面例を示す図である。 FIG. 19 is a diagram illustrating an example of a screen when a sequential recommendation viewpoint is displayed.
図19の画面100のレコメンド観点表示域110で、“課題”の観点の“騒音”のタームが選択された場合に、選択ターム“騒音(C)”で絞り込まれた分類付テキストに基づく評価により、“課題”の観点のタームとして、選択ターム以外で評価の良い順にターム“振動”、“耐久”、“摩擦”等が決定され、レコメンド観点表示域110に表示される。また、選択タームの“騒音”で検索結果の技術コンテンツが絞り込まれ、絞り込み結果の技術コンテンツが検索結果表示域120に表示される。
In the recommendation
図20は、逐次レコメンド観点を示す画面からタームが再度選択された場合の画面例を示す図である。図19に示す画面100のレコメンド観点表示域110で“摩擦(F)”のタームが選択された場合に、同様にステップS7〜S9の処理が実行され、「真空ポンプ」の「騒音および摩擦」に関連する「課題」に分類されるタームのうち、選択タームで絞り込まれた分類付テキストに付与されたタームから、選択ターム以外の評価の良いターム“振動”、“耐久”、“圧力脈動”等が決定され、図20に示す画面100のレコメンド観点表示部110に表示される。技術コンテンツの検索結果についても、上述の絞り込み処理の結果(技術コンテンツ)が、さらに選択タームの“摩擦”で絞り込まれ、絞り込み結果である技術コンテンツが、検索結果表示域120に表示される。
FIG. 20 is a diagram showing an example of a screen when a term is selected again from a screen showing a sequential recommendation viewpoint. When the term “friction (F)” is selected in the recommendation
なお、選択タームにより絞り込まれた分類付テキストにおいて、選択ターム数以外のタームの数が所定の表示数(例えば、第1位〜第3位)未満となった場合には、付与されている選択ターム以外のタームが所定の表示数以下で表示される。 In addition, in the classified text narrowed down by the selected terms, if the number of terms other than the number of selected terms is less than a predetermined display number (for example, first to third), the selection given Terms other than the term are displayed with a predetermined display number or less.
上記のステップS81の処理で、技術分類データベース31から選択タームが付与された分類付テキストを抽出する際に、レコメンド観点生成部23は、選択タームと共にキーワードとして用いることができる。レコメンド観点生成部23は、例えば、選択タームの下位に属する全タームを抽出し、または、選択タームの上位に直接連なるタームを抽出する。 In extracting the classified text to which the selected term is given from the technical classification database 31 in the process of step S81 described above, the recommendation viewpoint generation unit 23 can use it as a keyword together with the selected term. For example, the recommendation viewpoint generation unit 23 extracts all the terms belonging to the lower order of the selected term, or extracts the terms directly connected to the upper order of the selected term.
例えば、技術分野データベース31のターム情報で、タームが図21に示すように階層化されていたとする。画面100のレコメンド観点表示域110で、“A12”のタームが選択された場合に、レコメンド観点生成部23は、ターム情報から、“A12”の上位ターム“A1、A”、または、“A12”の下位ターム“A121、A122”、または、上位および下位ターム“A、A1、A121、A122”を取得する。そして、取得したタームを用いてステップS5の処理で抽出された分類付テキストを絞り込む。
For example, it is assumed that the terms are hierarchized in the technical field database 31 as shown in FIG. When the term “A12” is selected in the recommendation
レコメンド観点生成部23は、選択タームに上位タームを含める設定の場合に、検索結果の分類付テキストから“A12、A1、A”のいずれかが付与されている分類付テキストを抽出し、選択タームに下位タームを含める設定の場合に、検索結果の分類付テキストから“A12、A121、A122”のいずれかが付与されている分類付テキストを抽出する。 The recommendation viewpoint generation unit 23 extracts the classified text to which any of “A12, A1, A” is assigned from the classified text of the search result when the selection term includes the upper term, and selects the selected term. In the case of setting to include the lower term, the classified text to which any of “A12, A121, A122” is added is extracted from the classified text of the search result.
図18〜図20に示す画面100のレコメンド観点表示域110により、検索者は、キーワードとして入力した「真空ポンプ」に関連して「課題」に分類される様々なターム、「振動」、「耐久」、「摩擦」、「圧力脈動」等の存在を知ることができる。
The recommendation
さらに、画面100の検索結果表示域120により、検索者は、キーワードの「真空ポンプ」での検索結果に含まれる分野横断的な技術コンテンツから、選択タームの“騒音”により絞り込まれた、検索者の意図により近い技術情報を得ることができる。
Furthermore, the search
また、情報検索システム1のレコメンド装置20は、技術分類体系に定義されているフィールドを考慮してタームを抽出することができる。検索者端末5で入力された単語が複数の異なるフィールドで使用されている術語である場合に、1つのフィールドに対応して推奨したレコメンド観点のタームが、全くの的外れとなってしまう可能性があることに対処するためである。
Further, the
その場合に、レコメンド観点生成部23は、ステップS3の処理において、図22に示す処理フローの処理を行う。 In that case, the recommendation viewpoint generation unit 23 performs the process flow shown in FIG. 22 in the process of step S3.
レコメンド観点生成部23は、ステップS3の処理で抽出された各分類付テキストに付与されているフィールドを取得し(ステップS61)、フィールド毎に抽出された分類付テキストをまとめ(ステップS62)、各フィールドを評価する(ステップS63)。フィールドの評価として、例えば、まとめた分類付テキストに付与されているタームの評価値の合算値をフィールドの評価値としてもよい。レコメンド観点生成部23は、評価をもとにフィールドに重み付けする(ステップS64)。フィールドに対する重み値は、ステップS4の処理で、推奨する観点およびタームを決定するための評価の1つとして使用される。 The recommendation viewpoint generation unit 23 acquires a field assigned to each classified text extracted in the process of step S3 (step S61), summarizes the classified text extracted for each field (step S62), The field is evaluated (step S63). As the evaluation of the field, for example, the sum of the evaluation values of the terms given to the grouped text with classification may be used as the evaluation value of the field. The recommendation viewpoint generation unit 23 weights the field based on the evaluation (step S64). The weight value for the field is used as one of evaluations for determining a recommended viewpoint and term in the process of step S4.
図23および図24は、技術分類体系のフィールドを考慮した検索結果およびレコメンド観点を表示する画面例を示す図である。図23および図24に示す画面100は、検索された技術分野(フィールド)を示す検索分野表示域130を備える。
FIG. 23 and FIG. 24 are diagrams showing examples of screens that display search results and recommendation viewpoints in consideration of fields of the technical classification system. The
検索分野表示域130は、検索結果の分類付テキストから抽出されたフィールドが表示され、レコメンド観点表示域110および検索結果表示域120に表示されている情報の取得過程で重み付けをしたフィールドが強調表示(ボールド)で示される。
The search
図23および図24に示す画面100は、キーワードが“ラーメン”の場合の画面例である。キーワードの“ラーメン”は、橋等の構築物の構造に関連する術語であり、かつ穀物加工製品の名称でもある。
A
図23の画面100は、検索処理でフィールドの“都市・地域基盤(2D)”が重み付けされた場合のものであり、検索分野表示域130に、“都市・地域基盤(2D)”に属するサブフィールドの“橋または陸橋”、“食品、微生物(4B)”に属するサブフィールドの“穀類誘導製品”等のフィールドが表示され、さらに、重み付けされたフィールドの“都市・地域基盤(2D)”がボールド表示される。レコメンド観点表示域110および検索結果表示域120には、フィールドの“都市・地域基盤(2D)”を重み付けした評価や検索処理において良評価となった観点やタームを含むレコメンド観点、技術コンテンツが、それぞれ表示される。
The
図24に示す画面100は、検索処理でフィールドの“食品、微生物(4B)”が重み付けされた場合のものであり、検索分野表示域130では、重み付けされたフィールドの“食品、微生物(4B)”がボールド表示される。
A
図23と同様に、レコメンド観点表示域110および検索結果表示域120には、“食品、微生物(4B)”のフィールドを重み付けした評価や検索処理において良評価となった観点やタームを含むレコメンド観点、技術コンテンツが、それぞれ表示される。
Similarly to FIG. 23, the recommendation
これにより、情報検索システム1は、キーワードが複数のフィールドで使用される語であっても、検索者の意図に近いレコメンド観点と検索結果とを提示することができる。
Thereby, even if a keyword is a word used in a plurality of fields,
図25〜図28は、情報検索システム1により検索者端末5に表示される他の画面例を示す図である。
25 to 28 are diagrams illustrating other screen examples displayed on the
情報検索システム1は、検索結果表示域120に、技術情報の種類毎の検索結果(技術コンテンツ)を表示することができる。コンテンツ検索部13は、製品情報、文献情報、企業情報等をそれぞれ蓄積する複数の技術コンテンツデータベース35を検索し、検索した技術コンテンツを技術情報の種類に基づいて表示する。
The
図25は、企業情報の検索結果と製品情報の検索結果とを表示する場合の画面例を示す図である。図25に示す画面100は、検索結果表示域120に相当する表示域として、例えば、企業情報を示す企業検索結果表示域121および製品情報を示す製品検索結果表示域123を有する。企業検索結果表示域121には、技術コンテンツデータベース35から検索された企業情報が評価の良い順に表示され、製品検索結果表示域123には、技術コンテンツデータベース35から検索された製品情報が評価の良い順に表示される。
FIG. 25 is a diagram illustrating an example of a screen when displaying the search result of company information and the search result of product information. The
さらに、コンテンツ検索部13は、技術分類データベース31の技術分類体系に定義されたテーマ毎に、検索結果の技術コンテンツを分類して表示することができる。コンテンツ検索部13は、技術分類体系で定義されたテーマに属する観点やターム(図2(B)および図3〜図8参照)に重み付けした検索手法で技術コンテンツを検索する。レコメンド観点生成部23は、同様に、テーマに属する観点やタームに重み付けをして分類付テキストを検索する。重み付け検索の手法は、既知の手法でよく、例えば、検索に用いたキーワードの類似性や、希少性、重複性、網羅性等に基づく評価により定めてもよい。 Further, the content search unit 13 can classify and display the technical content of the search result for each theme defined in the technical classification system of the technical classification database 31. The content search unit 13 searches for technical content by a search method weighted to viewpoints and terms (see FIGS. 2B and 3 to 8) belonging to the theme defined in the technical classification system. Similarly, the recommendation viewpoint generation unit 23 searches the classified text by weighting viewpoints and terms belonging to the theme. The weighted search method may be a known method, and may be determined by, for example, evaluation based on similarity of keywords used in the search, rarity, duplication, completeness, and the like.
図26および図27は、テーマ毎に重み付けした検索結果の企業情報を表示する場合の画面例を示す図である。 FIG. 26 and FIG. 27 are diagrams showing examples of screens in the case where company information of search results weighted for each theme is displayed.
図26に示す画面100の企業検索結果表示域121の上から第1段目の検索結果は、“養殖”のテーマで“装置”の観点に分類されるタームに重み付けをして検索した企業情報であり、評価の良い順に第1位〜第3位の企業名が表示されている。第2段目の検索結果は、“飼料”のテーマで“飼料添加物”の観点に分類されるタームに重み付けをして検索した企業情報である。レコメンド観点表示域110に表示されるレコメンド観点も、“養殖”のテーマで“装置”の観点に分類されるタームに重み付けをして検索された分類付テキストに基づいて生成される。
The search result in the first row from the top of the company search
図27に示す画面100の企業検索結果表示域121で、上から第1段目の検索結果は、“飼料”のテーマで“飼料添加物”の観点に分類されるタームに重み付けをして検索した企業情報であり、評価の良い順に第1位〜第3位の企業名が表示されている。第2段目の検索結果は、“養殖”のテーマで“装置”の観点に分類されるタームに重み付けをして検索した企業情報である。レコメンド観点表示域110のレコメンド観点は、“飼料”のテーマで“飼料添加物”の観点に分類されるタームに重み付けをして検索された分類付テキストに基づいて生成されている。
In the company search
さらに、コンテンツ検索部13は、検索結果表示域120から選択された技術コンテンツに関連する別の種類の技術コンテンツを表示することができる。この場合に、図27に示す画面100の企業検索結果表示域121に表示されている企業情報(技術コンテンツ)の選択結果から“D社”が選択されると、コンテンツ検索部13は、別種の検索結果である製品情報(技術コンテンツ)を、選択された“D社”で絞り込む。そして、図28に示すように、絞り込み結果として、D社の飼料に関する製品情報(技術コンテンツ)を製品検索結果表示域123、または別に設けた企業関連検索結果表示域125に表示する。
Further, the content search unit 13 can display another type of technical content related to the technical content selected from the search
以上説明した情報検索システム1の検索装置10およびレコメンド装置20は、図1に示す処理部を備える専用ハードウェアとして実施することができる。
The
また、検索装置10およびレコメンド装置20は、それぞれ、図29に示すような、CPU301、メモリ302、表示制御部304、表示装置303、記憶装置(ハードディスク)305、入力装置(キーボード)306、通信制御部307が内部のネットワーク等で接続されたコンピュータ300として実施することができる。
In addition, the
さらに、検索装置10およびレコメンド装置20は、それぞれ、コンピュータ300で実行可能なプログラムとして実施することができる。この場合に、図1に示す検索装置10またはレコメンド装置20それぞれについて、その処理部の機能を実現するプログラムを実装し、コンピュータ300上で実行することにより、実施する。
Furthermore, the
すなわち、図1に示した検索装置10のキーワード取得部11、コンテンツ検索部13、コンテンツ出力部15の機能をコンピュータ300に実行させる実行プログラム、および、図1に示したレコメンド装置20の分類付テキスト検索部21、レコメンド観点生成部23、レコメンド観点出力部25の機能をコンピュータ300に実行させる実行プログラムをコンピュータ300に読み込ませ、実行させることによって、検索装置10およびレコメンド装置20を実施することができる。なお、実行プログラムは、CD−ROM、CD−RW、DVD−R、DVD−RAM、DVD−RW等やフレキシブルディスク等の記録媒体だけでなく、通信回線の先に備えられた他の記憶装置やコンピュータのハードディスク等に記憶されるものであってもよい。
That is, the execution program for causing the
なお、情報検索システム1を構成する要素は、任意の組合せで実現されてもよい。複数の構成要素が1つの部材として実現されてもよく、1つの構成要素が複数の部材から構成されてもよい。また、情報検索システム1は、上述した実施形態に限定されず、本発明の要旨を逸脱しない範囲において各種の改良および変更を行ってもよいことは当然である。例えば、上述の実施例において、情報検索システム1の検索対象を、文献情報、製品情報、企業情報等の技術情報を例に説明したが、情報検索システム1は、例えば論文、事例集、技術ニュース、実験報告書等の他の情報検索にも適用することができる。
Note that the elements constituting the
さらに、情報検索システム1の検索装置10は、本発明の発明者がなした別の発明であって、本願と同日に出願した特許願に係る発明の「情報検索システム」の検索装置でも実施することができる。
Further, the
以上説明したように、本発明に係る情報検索システム1によれば、検索者によって入力された文字列に関連する技術概念を示すタームを複数の観点に分類して提示することができる。
As described above, according to the
これにより、検索者が入力文字列によって提示できなかった概念を表す術語(例えば、図4〜図7に示すターム群)を選択するだけで、検索者が意図する技術概念によって検索結果の絞り込み処理が行われ、より適切な技術情報が検索者端末5に表示される。
This makes it possible to narrow down search results according to the technical concept intended by the searcher simply by selecting a terminology representing the concept that the searcher has not been able to present by the input character string (for example, the term group shown in FIGS. 4 to 7). And more appropriate technical information is displayed on the
すなわち、情報検索システム1によれば、従来の入力文字列による検索手法では検索者が思いつかない限りキーワードとして使用されない術語(ターム)を複数の観点から推奨して、検索結果(技術コンテンツ)の絞り込みに使用させることができ、検索者の意図により適合した検索処理を実現することができる。
In other words, according to the
よって、検索者は、入力した単語が適切ではない場合でも、検索したい技術概念に合致した情報コンテンツを取得できる可能性が非常に高くなる。 Therefore, it is highly likely that the searcher can acquire information content that matches the technical concept to be searched even when the input word is not appropriate.
また、情報検索システム1によれば、選択された技術概念で絞り込んだ検索結果を表示するため、検索者は、より適切な検索結果を取得できる可能性が高くなる。
Moreover, according to the
1 情報検索システム
10 検索装置
11 キーワード取得部
13 コンテンツ検索部
15 コンテンツ出力部
20 レコメンド装置
21 分類付テキスト検索部
23 レコメンド観点生成部
25 レコメンド観点出力部
31 技術分類データベース(DB)
33 分類付テキストデータベース(DB)
35 技術コンテンツデータベース
5 検索者端末
DESCRIPTION OF
33 Text database with classification (DB)
35
Claims (6)
検索処理に使用するキーワードを取得するキーワード取得部と、
技術の範囲を示すテーマと該テーマ毎に該技術の範囲に含まれる技術の特性を複数の観点に対応付けて示すタームとを定める技術分類に基づくテーマおよびタームが付与されたテキストであって、技術情報に関する分類付テキストを蓄積する分類付テキストデータベースにアクセスし、該分類付テキストデータベースに記憶された分類付テキストを前記キーワードのOR条件でテキスト検索し、前記キーワードを含む分類付テキストを抽出する分類付テキスト検索部と、
抽出した前記分類付テキストに付与された全てのタームを抽出し、前記技術分類を記憶する技術分類データベースを参照して、該抽出したタームを前記技術分類で対応付けられた観点毎にまとめ、該観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームをレコメンド観点とするレコメンド観点生成部と、
前記レコメンド観点を表示するレコメンド観点出力部とを備え、
前記レコメンド観点生成部は、表示した前記レコメンド観点から選択された選択タームを受け付け、前記選択タームを受け付ける度に、前記抽出した分類付テキストを該選択タームで絞り込み、絞り込みの結果である分類付テキストに付与された全てのタームを抽出し、該絞り込みの結果である分類付テキストから抽出した前記観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームを前記レコメンド観点とする
ことを特徴とするレコメンド装置。 A device that supports search processing,
A keyword acquisition unit that acquires keywords used in the search process;
A text with a theme and a term based on a technology classification that defines a theme indicating a technology range and a term indicating the characteristics of the technology included in the technology range in association with a plurality of viewpoints for each theme, Access to a classified text database that accumulates classified text relating to technical information, search the classified text stored in the classified text database using the OR condition of the keyword, and extract the classified text including the keyword. A text search section with classification;
Extract all the terms given to the extracted classified text, refer to the technical classification database that stores the technical classification, summarize the extracted terms for each viewpoint associated with the technical classification, A recommendation viewpoint generator that evaluates the terms and viewpoints summarized for each viewpoint, and uses the viewpoints and terms that are good evaluation points as recommendation viewpoints,
A recommendation viewpoint output unit for displaying the recommendation viewpoint,
The recommended viewpoint generation unit receives a selected term selected from the displayed recommended viewpoint, and every time the selected term is received, the extracted classified text is narrowed down by the selected term, and the classified text as a result of the narrowing down Extract all the terms assigned to, evaluate the terms and viewpoints summarized for each of the viewpoints extracted from the classified text that is the result of the narrowing down, and use the viewpoints and terms with good evaluation as the recommendation viewpoints. A recommendation device characterized by this.
ことを特徴とする請求項1に記載のレコメンド装置。 When the terms are defined in a hierarchical manner in the technical classification stored in the technical classification database, the recommended viewpoint generation unit is configured so that the recommended term, the upper term, the lower term, or the upper term of the selected term in the technical classification The recommendation device according to claim 1, wherein a lower term is extracted.
検索処理に使用するキーワードを取得し、
技術の範囲を示すテーマと該テーマ毎に該技術の範囲に含まれる技術の特性を複数の観点に対応付けて示すタームとを定める技術分類に基づくテーマおよびタームが付与されたテキストであって、技術情報に関する分類付テキストを蓄積する分類付テキストデータベースにアクセスし、該分類付テキストデータベースに記憶された分類付テキストを前記キーワードのOR条件でテキスト検索し、前記キーワードを含む分類付テキストを抽出し、
抽出した前記分類付テキストに付与された全てのタームを抽出し、
前記技術分類を記憶する技術分類データベースを参照して、該抽出したタームを前記技術分類で対応付けられた観点毎にまとめ、該観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームをレコメンド観点として表示し、
表示した前記レコメンド観点から選択された選択タームを受け付ける度に、前記抽出した分類付テキストを該選択タームで絞り込み、絞り込みの結果である分類付テキストに付与された全てのタームを抽出し、該絞り込みの結果である分類付テキストから抽出した前記観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームを前記レコメンド観点とする、処理を実行させるための
レコメンドプログラム。 To help with the search process,
Get keywords to use in the search process
A text with a theme and a term based on a technology classification that defines a theme indicating a technology range and a term indicating the characteristics of the technology included in the technology range in association with a plurality of viewpoints for each theme, Access a classified text database that accumulates classified text related to technical information, search the classified text stored in the classified text database using the OR condition of the keyword, and extract the classified text including the keyword ,
Extract all the terms given to the extracted classified text,
Refer to the technical classification database that stores the technical classification, summarize the extracted terms for each viewpoint associated with the technical classification, evaluate the terms and viewpoints summarized for each viewpoint, and have a good viewpoint for the evaluation And terms as recommended viewpoints,
Each time the selected term selected from the recommended viewpoint is received, the extracted classified text is narrowed down by the selected term, and all the terms given to the classified text as a result of the narrowing down are extracted and the narrowed down A recommendation program for executing processing that evaluates terms and viewpoints collected for each viewpoint extracted from the classified text that is the result of the above, and uses the viewpoint and terms with good evaluation as the recommendation viewpoint.
前記技術分類データベースに記憶された技術分類において前記タームが階層化されて定義されている場合に、前技術分類において前記選択タームの上位のターム、下位のターム、または上位と下位のタームを抽出する、処理を実行させる
ことを特徴とする請求項3に記載のレコメンドプログラム。 In the computer,
When the terms are defined in a hierarchical manner in the technical classification stored in the technical classification database, the upper term, the lower term, or the upper and lower terms of the selected term are extracted in the previous technical classification. The recommendation program according to claim 3, wherein the process is executed.
検索処理に使用するキーワードを取得し、
技術が適用される範囲を示すフィールドと該フィールドに属する技術の範囲を示すテーマと該テーマ毎に該技術の範囲に含まれる技術の特性を複数の観点に対応付けて示すタームとを定める技術分類に基づくテーマおよびタームが付与されたテキストであって、技術情報に関する分類付テキストを蓄積する分類付テキストデータベースにアクセスし、該分類付テキストデータベースに記憶された分類付テキストを前記キーワードのOR条件でテキスト検索し、前記キーワードを含む分類付テキストを抽出し、
抽出した前記分類付テキストに付与された全てのタームを抽出し、
前記技術分類を記憶する技術分類データベースを参照して、該抽出したタームを前記技術分類で対応付けられた観点毎にまとめ、該観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームをレコメンド観点として表示し、
表示した前記レコメンド観点から選択された選択タームを受け付ける度に、前記抽出した分類付テキストを該選択タームで絞り込み、絞り込みの結果である分類付テキストに付与された全てのタームを抽出し、該絞り込みの結果である分類付テキストから抽出した前記観点毎にまとめたタームおよび観点を評価し、該評価の良い観点およびタームを前記レコメンド観点とする、処理を実行する
ことを特徴とするレコメンド方法。 To assist the search process, the computer
Get keywords to use in the search process
A technology classification that defines a field indicating a range to which the technology is applied, a theme indicating the range of the technology belonging to the field, and a term indicating the characteristics of the technology included in the technology range for each theme in association with a plurality of viewpoints A text with a theme and term based on the above, accessing a classified text database that accumulates classified text relating to technical information, and the classified text stored in the classified text database under the OR condition of the keyword Text search, extract classified text including the keyword,
Extract all the terms given to the extracted classified text,
Refer to the technical classification database that stores the technical classification, summarize the extracted terms for each viewpoint associated with the technical classification, evaluate the terms and viewpoints summarized for each viewpoint, and have a good viewpoint for the evaluation And terms as recommended viewpoints,
Each time the selected term selected from the recommended viewpoint is received, the extracted classified text is narrowed down by the selected term, and all the terms given to the classified text as a result of the narrowing down are extracted and the narrowed down A recommendation method comprising: evaluating a term and a viewpoint collected for each of the viewpoints extracted from the classified text as a result of the above, and executing a process with the viewpoint and the term having the good evaluation as the recommendation viewpoint.
前記技術分類データベースに記憶された技術分類において前記タームが階層化されて定義されている場合に、前技術分類において前記選択タームの上位のターム、下位のターム、または上位と下位のタームを抽出する、処理を実行する
ことを特徴とする請求項5に記載のレコメンド方法。 The computer is
When the terms are defined in a hierarchical manner in the technical classification stored in the technical classification database, the upper term, the lower term, or the upper and lower terms of the selected term are extracted in the previous technical classification. The recommendation method according to claim 5, wherein the process is executed.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012253301A JP2014102626A (en) | 2012-11-19 | 2012-11-19 | Recommendation device, program, and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012253301A JP2014102626A (en) | 2012-11-19 | 2012-11-19 | Recommendation device, program, and method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014102626A true JP2014102626A (en) | 2014-06-05 |
Family
ID=51025093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012253301A Pending JP2014102626A (en) | 2012-11-19 | 2012-11-19 | Recommendation device, program, and method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014102626A (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5919450B1 (en) * | 2015-07-22 | 2016-05-18 | 楽天株式会社 | SEARCH DEVICE, SEARCH METHOD, RECORDING MEDIUM, AND PROGRAM |
JP6166443B1 (en) * | 2016-09-02 | 2017-07-19 | 株式会社協和テクノサービス | Information search support device and program |
CN112231443A (en) * | 2020-10-19 | 2021-01-15 | 北京人人众包科技有限公司 | Software recommendation method and system |
JP6923145B1 (en) * | 2020-11-13 | 2021-08-18 | IP Nexus株式会社 | Company information search device, company information search method and company information search program |
CN113487368A (en) * | 2021-07-29 | 2021-10-08 | 宿迁市盛邦信息科技有限公司 | Scientific and technological information push service system based on big data |
US11675979B2 (en) | 2018-11-30 | 2023-06-13 | Fujitsu Limited | Interaction control system and interaction control method using machine learning model |
JP7519795B2 (en) | 2020-03-25 | 2024-07-22 | 株式会社野村総合研究所 | Natural language processing device and program |
-
2012
- 2012-11-19 JP JP2012253301A patent/JP2014102626A/en active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5919450B1 (en) * | 2015-07-22 | 2016-05-18 | 楽天株式会社 | SEARCH DEVICE, SEARCH METHOD, RECORDING MEDIUM, AND PROGRAM |
WO2017013770A1 (en) * | 2015-07-22 | 2017-01-26 | 楽天株式会社 | Retrieval device, retrieval method, recording medium, and program |
TWI585599B (en) * | 2015-07-22 | 2017-06-01 | Rakuten Inc | A retrieval device, a retrieval method, a recording medium, and a program |
JP6166443B1 (en) * | 2016-09-02 | 2017-07-19 | 株式会社協和テクノサービス | Information search support device and program |
JP2018036979A (en) * | 2016-09-02 | 2018-03-08 | 株式会社協和テクノサービス | Information retrieval support device and program |
US11675979B2 (en) | 2018-11-30 | 2023-06-13 | Fujitsu Limited | Interaction control system and interaction control method using machine learning model |
JP7519795B2 (en) | 2020-03-25 | 2024-07-22 | 株式会社野村総合研究所 | Natural language processing device and program |
CN112231443A (en) * | 2020-10-19 | 2021-01-15 | 北京人人众包科技有限公司 | Software recommendation method and system |
JP6923145B1 (en) * | 2020-11-13 | 2021-08-18 | IP Nexus株式会社 | Company information search device, company information search method and company information search program |
JP2022078423A (en) * | 2020-11-13 | 2022-05-25 | IP Nexus株式会社 | Company information retrieval device, company information retrieval method, and company information retrieval program |
CN113487368A (en) * | 2021-07-29 | 2021-10-08 | 宿迁市盛邦信息科技有限公司 | Scientific and technological information push service system based on big data |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mokhtari et al. | A bibliometric analysis and visualization of the Journal of Documentation: 1945–2018 | |
Koesten et al. | The Trials and Tribulations of Working with Structured Data: -a Study on Information Seeking Behaviour | |
Chadegani et al. | A comparison between two main academic literature collections: Web of Science and Scopus databases | |
Ortega | Academic search engines: A quantitative outlook | |
De Winter et al. | The expansion of Google Scholar versus Web of Science: a longitudinal study | |
Van Eck et al. | Visualizing bibliometric networks | |
US8190601B2 (en) | Identifying task groups for organizing search results | |
US9613321B2 (en) | System and method for establishing a dynamic meta-knowledge network | |
Gupta et al. | A survey of text mining techniques and applications | |
Thelwall | Introduction to webometrics: Quantitative web research for the social sciences | |
JP4637969B1 (en) | Properly understand the intent of web pages and user preferences, and recommend the best information in real time | |
JP2014102626A (en) | Recommendation device, program, and method | |
JP2010055618A (en) | Method and system for providing search based on topic | |
Desimoni et al. | Empirical evaluation of linked data visualization tools | |
Ehrmann et al. | Historical newspaper user interfaces: A review | |
CA2923892A1 (en) | Systems, methods, and software for manuscript recommendations and submissions | |
KR20070089898A (en) | Method and apparatus for evaluating searched contents by using user feedback and providing search result by utilizing evaluation result | |
JP2004021445A (en) | Text data analysis system, text data analysis method and computer program | |
US11977722B2 (en) | Interactive patent visualization systems and methods | |
Hahn | Semi-automated methods for bibframe work entity description | |
JP2014102625A (en) | Information retrieval system, program, and method | |
KR101850853B1 (en) | Method and apparatus of search using big data | |
Sīle et al. | Tracing the context in disciplinary classifications: A bibliometric pairwise comparison of five classifications of journals in the social sciences and humanities | |
CN109791797A (en) | According to the systems, devices and methods of chemical structure similarity searching and display available information in large database concept | |
Rowe et al. | The importance of theoretical positioning and the relevance of using bibliometrics for literature reviews |