JP4638439B2 - ウェブ検索の個人化 - Google Patents

Description

発明の分野
本発明は一般にコンピュータ・ネットワーク・システムにおける検索エンジンの分野に関し、特に検索エンジンのユーザー向けユーザー・プロファイルを作成し、当該ユーザー・プロファイルを用いてユーザーが送信した検索クエリーに応答して検索結果をカスタマイズするシステム及び方法に関する。

発明の背景
検索エンジンは、ユーザーが送信した検索クエリーに応答して高速で調査可能な、インターネット（またはイントラネット）からの索引付き文書の有力な情報源を提供する。そのようなクエリーは通常、極めて短い（平均約２または３単語）。インターネットを介してアクセスできる文書の数が増大するにつれて、クエリーに一致する文書の数もまた増加するであろう。しかし、クエリーに一致する文書のすべてがユーザーの観点から等しく重要なわけではない。その結果、エンジンがユーザーのクエリーとの適合度に基づいて検索結果を整理しない限り、ユーザーは検索エンジンから返される膨大な数の文書にたちまち圧倒される。

検索クエリーに対する検索結果の適合度を向上させる１つの方法は、異なるウェブ・ページのリンク構造を使用して、検索結果のランキングに影響を及ぼすべく利用できるグローバルな「重要度」の点数を計算することである。これは、ページランク・アルゴリズムと呼ぶ場合がある。ページランク・アルゴリズムのより詳細な記述は、Ｓ．ブリン（Ｂｒｉｎ）、Ｌ．ページ（Ｐａｇｅ）による「大規模ハイパーテキスト検索エンジンの構造」（第７回国際ワールドワイド・ウェブ会議、ブリズベイン（Ｂｒｉｓｂａｎｅ）、オーストラリア（Ａｕｓｔｒａｌｉａ））および米国特許第６，２８５，９９９号に見出すことができ、共に背景情報として本明細書に引用している。

ページランク・アルゴリズムの重要な仮定は、無作為に選んだウェブ・ページからウェブ・サーフィンを始めて、該ウェブ・ページに埋め込まれたリンクをクリックし続けるが、絶対に「戻る」ボタンを押すことはしない「ランダム・サーファー」が存在するというものである。結局、このランダム・サーファーがウェブ・サーフィンに飽きたならば、別のウェブ・ページを無作為に選んで新たにサーフィンを再開するかもしれない。ランダム・サーファーがウェブ・ページを訪問（すなわち閲覧またはダウンロード）する確率はウェブ・ページのページランクに依存する。

エンドユーザーの観点から、ページランク・アルゴリズムを用いて検索エンジンは、誰がクエリーを送信するかに関わらず検索クエリーを同様に扱うが、それは検索エンジンがユーザーに対しユーザーを一意に識別できる情報を提供するようには一切依頼しないためである。検索結果に影響を及ぼす唯一の要因は、検索クエリー自身である。例えば、クエリーに用語が何個、どのような順序で含まれているかである。検索結果は、抽象的なユーザー、すなわち「ランダム・サーファー」の関心事に最も適合するものであり、特定のユーザーの嗜好や関心事に合うようには調整されない。

実際には、ランダム・サーファーのようなユーザーは絶対に存在しない。すべてのユーザーは、自分が検索エンジンにクエリーを送信する際に自分の嗜好がある。エンジンから返される検索結果の質は、そのユーザーの満足度により評価されなければならない。ユーザーの嗜好がクエリー自体により明確にできる場合、あるいはユーザーの嗜好が特定のクエリーに関してランダム・サーファーの嗜好に類似している場合、ユーザーが検索結果に満足する確率が高くなるであろう。しかし、ユーザーの嗜好が検索クエリー自体に明確に反映されない何らかの個人的要因により大幅に偏っている場合、あるいはユーザーの嗜好がランダム・ユーザーの嗜好とは全く異なる場合、同じ検索エンジンからの検索結果はユーザーにとって、全く不要でないにせよ、あまり役に立たないかもしれない。

上で示唆したように、ランダム・サーファーのサーフィングは無作為且つ中立の傾向があり、特定の方向へのいかなる明確な傾向を示さない。検索エンジンがクエリーに一致するごく少数の検索結果しか返さない場合、要求元ユーザーはその各々を閲覧して自分に最も関連する項目を見つける時間を割くことができるため、返された結果の順序はあまり重要でない。しかし、インターネットには何十億ものウェブ・ページが接続しているため、検索エンジンは往々にして検索クエリーに一致する何百または何千もの文書を返す場合がある。この場合、検索結果の順序付けは極めて重要である。ランダム・サーファーとは嗜好が異なるユーザーは、検索結果に一覧表示された最初の５ないし１０文書には自分が探しているものを見つけることができない恐れがある。これが生じた場合、ユーザーには通常、二つのオプションが残される。すなわち（１）関連文書を特定すべく一覧表示された文書をより多く見るために必要な時間を割くか、（２）クエリーに一致する文書の数を減らすために検索クエリーを改良することである。クエリーの改良は多くの場合は単純作業でなく、ユーザーよりもトピックに関する知識が豊富であるか、検索エンジンに精通している必要があり、時にはユーザーが考えている以上の時間と労力を要する場合がある。

例えば、ユーザーが１個の用語「ｂｌａｃｋｂｅｒｒｙ」だけを含む検索クエリーを検索エンジンに送信したと仮定する。他の文脈が一切ないため、ページランクベースの検索エンジンにより返された文書の一覧表示の最上位がｗｗｗ．ｂｌａｃｋｂｅｒｒｙ．ｎｅｔへのリンクであるかもしれない。その理由はこのウェブ・ページが最も高いページランクを有するためである。しかし、クエリー要求者が食品および料理に関心を持つ人物である場合、返された結果の最上位にレシピその他の食品関連のテキストや画像等のウェブ・ページが含まれるように検索結果の順序付けする方がより有用であろう。検索クエリーを送信する人物が最も関心を持ちそうなウェブ・ページを強調するように、自身の検索結果を並べ替えたり、他の仕方で検索結果をカスタマイズ可能な検索エンジンを有することが望ましい。更に、そのようなシステムが個々のユーザーからは最小限の入力しか要求せず、ユーザーの嗜好や関心事に関してユーザーからの明確な殆どあるいは全く入力がなくても動作することが望ましい。最後に、そのようなシステムがセキュリティおよびプライバシーに関してユーザーの要求を満たすことが望ましい。

概要
検索エンジンは、ユーザー・プロファイルを利用して検索結果をカスタマイズする。ユーザー・プロファイルは、ユーザーの検索嗜好を特徴付ける複数の用語を含んでいる。これらの用語は、ユーザーから暗黙的または明示的に提供された個人情報と同様に、ユーザーが送信した以前の検索クエリー、以前のクエリーにより識別される文書との相互リンク、識別された文書からサンプリングされた内容を含む各種の情報源から抽出される。

検索エンジンがユーザーから検索クエリーを受信したならば、最初に当該検索クエリーに一致する文書の集合を識別する。各々の文書は、文書ページのランク、文書に関連付けられたテキスト、および当該検索クエリーに基づく、一般的なランクに関連付けられる。検索エンジンはまた、ユーザー・プロファイルを識別して、ユーザー・プロファイルを各々の識別された文書に関係付ける。文書とユーザー・プロファイルとの相関から、ユーザーに対する文書の適合度を示す当該文書のプロファイルランクが生成される。検索エンジンは次いで、文書の一般的なランクとプロファイルランクを組み合わせて個人別ランクにする。最後に、各文書は個人別ランクに応じて順序付けされる。

一実施形態において、ユーザー・プロファイルは、複数の下位プロファイルを含んでいてよく、各々の下位プロファイルは異なる観点からユーザーの関心を特徴付ける。用語準拠プロファイルは複数の用語を含み、各々の用語には他の用語との関連での重要度を示す重みが付与されている。カテゴリ準拠プロファイルは、複数のカテゴリを含み、オプションとして階層的マップとして編成されている。ユーザーの検索嗜好は、少なくとも複数のカテゴリの部分集合に関連付けられていてよく、関連付けられた重みを有する各々のカテゴリが、当該カテゴリに分類される文書に対するユーザーの関心を示す。一人のユーザー向けに複数のカテゴリ準拠プロファイルがあってよい。いくつかの実施形態において、下位プロファイルはリンク準拠プロファイルを含んでおり、これは識別された文書に直接または間接的に関係する複数のリンクを含み、各々のリンクはそのリンクの重要度を示す重みを有する。リンク準拠プロファイルにおけるリンクは、異なるホストおよびドメインに関して更に編成することができる。

本発明は、ユーザー・プロファイルの構築および検索結果の並べ替えおよび／または点数付けを含み、クライアント−サーバー・ネットワーク環境のクライアント側またはサーバー側のいずれにおいても実装することができる。

本発明の上述の特徴および利点は、その更なる特徴および利点と共に、図面を参照しながら、本発明の好適な実施形態の詳細な説明の結果として、以下により明快に理解されよう。

同一の参照番号は、複数の図面全体にわたり、対応する部品を参照する。

実施形態の説明
後述する実施形態は、ユーザーの検索エンジンを利用した過去の実績に基づいてユーザー・プロファイルを作成し、次いでユーザー・プロファイルを用いて、ユーザーから提供された検索クエリーに応答して検索結果をランク付けするシステムおよび方法を含んでいる。

図１に、本発明を実装することができる典型的なクライアント−サーバー・ネットワーク環境１００の概要を示す。複数のクライアント１０２が、インターネット等のネットワーク１０５を介して検索エンジン・システム１０７に接続している。検索エンジン・システム１０７は、１個以上の検索エンジン１０４を含んでいる。検索エンジン１０４は、クライアント１０２が送信した検索クエリーを処理する機能を果たし、検索クエリーに従い検索結果を生成して、クライアントへその結果を返す。検索エンジン・システム１０７はまた、１個以上のコンテンツ・サーバー１０６および１個以上のユーザー・プロファイルサーバー１０８を含んでいてよい。コンテンツ・サーバー１０６は、異なるウェブサイトから検索された多数の索引付き文書を保存する。代替的に、または追加的に、コンテンツ・サーバー１０６は、各種のウェブサイトに保存されている文書の索引を保存する。一実施形態において、各々の索引付き文書には、文書のリンク構造に応じてページランクが割り当てられる。ページランクは、クエリーからは独立した文書の重要度の尺度として機能する。検索エンジン１０４は、１個以上のコンテンツ・サーバー１０６と通信して、特定の検索クエリーに応答して複数の文書を選択する。検索エンジンは、文書のページランク、文書に関連付けられたテキスト、および検索クエリーに基づいて、各々の文書に点数を割り当てる。

ユーザー・プロファイルサーバー１０８は、複数のユーザー・プロファイルを保存する。各々のプロファイルは、ユーザーの以前の検索実績および個人情報だけでなく当該ユーザーを一意に識別する情報を含んでいて、これを用いて当該ユーザーが送信した検索クエリーに応答して、検索結果の絞り込むことができる。ユーザー・プロファイルを構築できる別の方式もある。例えば、ユーザー・プロファイルは、初めてのユーザーに対し、フォームへの記入またはアンケートへの回答を求めることにより作成することができる。この方式は、銀行口座を開設するような特定の用途に有用であろう。しかし、これは検索エンジンの場合には殆ど役に立たない。第一に、検索エンジンとユーザーの対話は通常、動的なプロセスである。時間の経過に伴い、ユーザーの関心が変化する可能性がある。この変化は、ユーザーが送信した検索クエリーにより、または検索結果をユーザーが操作することにより、あるいはその両方により反映させることができる。フォームに記載された質問に対するユーザーの回答は、ユーザーが定期的に自分の回答を更新しない限り、時間と共に次第に役立たなくなる傾向がある。オンライン銀行口座の場合において時折電話番号を更新するのとは異なり、検索エンジンの場合にユーザー・プロファイルを頻繁に更新するのはユーザーにとって使い易さに大きく影響し、これはユーザーが現在利用できる検索エンジンの中から選ぶような場合に重要な評価点である。更に、多くのユーザーが負担に感じるため、フォームへの記入等の明示的なフィードバックを提供するのをユーザが嫌がることが知られている。このように、一部のユーザーは自分の関心事に明示的なフィードバックを提供するもの、ユーザーに一切明示的または新規なアクションを求めることなくユーザーの関心事について暗黙的に情報を取得するプロシージャを有していることが望ましい。

検索エンジン・ユーザーの過去の検索行為が当該ユーザーの個人的な検索嗜好に関して有益なヒントを提供することがわかっている。図２に、ユーザー・プロファイルの構築に有益なユーザー情報の情報源のリストを提供する。例えば、以前に送信された検索クエリー２０１は、ユーザーの関心事のプロファイリングに極めて役立つ。ユーザーが糖尿病に関する複数の検索クエリーを送信した場合、これがユーザーの関心対象のテーマであり得る可能性がより高い。当該ユーザーがその後で用語「自然食品」を含むクエリーを送信したならば、糖尿病との戦いに役立つそれらの自然食品に関心を持っている度合いが大きいと推測するのは合理的である。同様に、以前の検索および、特にユーザーが選択または「訪問」（例：ユーザーがダウンロードまたは別の仕方で閲覧）した検索結果項目に対応するアンカー・テキスト２０５に応答して検索結果に関連付けられたユニバーサル・リソース・ロケータ（ＵＲＬ）２０３は、ユーザーの嗜好を判定するのに役立つ。第１ページが第２ページへのリンクを含み、当該リンクにテキストが関連付けられている（例：リンクにテキストが隣接）場合、当該リンクに関連付けられたテキストは第２ページに関する「アンカー・テキスト」と呼ばれる。アンカー・テキストは、文書内のＵＲＬリンクに関連付けられたテキストと、当該ＵＲＬリンクが指す他の文書との関係を定める。アンカー・テキストの利点には、ＵＲＬリンクが指す文書の正確な記述を提供する場合が多く、画像やデータベース等、テキスト・ベースの検索エンジンでは索引付け不可能な索引文書に利用することができる。

検索結果を受信した後で、ユーザーはいくつかのＵＲＬリンクをクリックすることにより、それらのリンクにより参照される文書をダウンロードして、それらの文書についてより詳細を知ることができる。特定の種類の一般的情報２０７を、ユーザーが選択したか、ユーザーが識別した文書に関連付けることができる。ユーザー・プロファイルを形成する目的で、ユーザー・プロファイルに含めるべく情報が導出された識別済み文書として、検索エンジンからの検索結果により識別された文書、ユーザーがアクセス（例えばブラウザアプリケーションを使用して閲覧またはダウンロード）した文書（従来の検索結果では識別されない文書を含む）、検索エンジンからの検索結果により識別された文書にリンクされた文書、ユーザーがアクセスした文書にリンクされた文書、およびそのような文書群の任意の部分集合が含まれていてよい。

識別された文書に関する一般的な情報２０７は、以下のような質問に回答することができる。すなわち、「文書のフォーマットは何か？」、「文書はハイパーテキスト・マークアップ言語（ＨＴＭＬ）、プレーンテキスト、ポータブル文書フォーマット（ＰＤＦ）、またはマイクロソフト・ワード（Ｍｉｃｒｏｓｏｆｔ Ｗｏｒｄ）で作成されているか？」、「文書のテーマは何か？」、「文書は科学、健康、またはビジネスに関するものか？」等。この情報はまた、ユーザーの関心事のプロファイリングにも役立つ。また、ユーザーが選択した文書（本明細書では識別済み文書と呼ぶ場合がある）に関するユーザーの行為２０９に関する情報、例えばユーザーが文書の閲覧に費やした時間、文書のスクロール操作の量、ユーザーが文書の印刷、保存またはお気に入りに加えたか否か等もまた、ユーザーの嗜好と同様にユーザーにとっての文書の重要度を示唆する。いくつかの実施形態において、ユーザーの行為２０９に関する情報は、ユーザーが識別した文書から抽出または導出された情報の重要度に重み付けをする際の両方に使われる。いくつかの実施形態において、ユーザーの行為２０９に関する情報を用いて、ユーザーが識別した文書のどれをユーザー・プロファイル導出の基礎として利用するかを決定する。例えば、情報２０９を用いて、ユーザー・プロファイルを生成するための（所定の基準に従った）重要なユーザー行為を受信した文書だけを選択するか、あるいは情報２０９を用いて、ユーザーが所定の閾値時間より短い間しか閲覧しなかった文書をプロファイリング・プロセスから除外してもよい。

最後に、以前の検索行為から識別された文書の内容は、ユーザーの関心事や嗜好に関する豊富な情報源である。識別された文書に出現する鍵となる用語と、それらが識別された文書に出現する頻度は、文書の索引付けに役立つだけではなく、特にそれらが上述のユーザー情報の他のタイプと組み合わされた場合に、ユーザーの個人的な関心事を顕著に示す。一実施形態において、全文書ではなく、識別された文書からサンプリングされた内容２１１が、保存スペースおよび計算コストを節約すべく、ユーザー・プロファイル構築の目的で抽出される。別の実施形態において、識別された文書に関連する各種の情報を分類して、識別された文書に関するカテゴリ情報２１３を構成することができる。以下で、識別された文書の内容のサンプリング、および鍵となる用語を識別するプロセス、およびカテゴリ情報の利用に関するより詳細な議論を行なう。

オプションとして、ユーザーは、ユーザーの年齢や年代、教育水準や範囲、収入水準や範囲、言語の嗜好、婚姻状況、地理的位置（ユーザーが居住する市、州、および国、恐らくは番地、郵便番号、および電話局番等の追加情報も含む）、文化的背景または嗜好、あるいはこれらの任意の部分集合等、ユーザーに関連付けられた人口統計的および地理的情報を含む個人情報２１５を提供することを選ぶことができる。ユーザーの好きなスポーツや映画等、往々にして時間的に変化する他の種類の個人情報と比較して、この個人情報はより静的であり、ユーザーの検索クエリーや検索結果から推論するのは難しいが、ユーザーが送信した特定のクエリーを正しく解釈する際に重大である可能性がある。例えば、ユーザーが「日本食レストラン」を含むクエリーを送信した場合、その人物が夕食として地元の日本食レストランを探している可能性が極めて高い。ユーザーの地理的位置を知らずに、ユーザーの真の意図に最も近い項目を最上位に持ってくるように検索結果を順序付けるのは難しい。しかし、特定のケースでは、この情報を推測することは可能である。例えば、ユーザーは、自分が住んでいる場所に対応する特定の地域に関連付けられた結果をしばし選択する。

ユーザー情報の各種の情報源からユーザー・プロファイル２３０を作成することは動的且つ複雑な方法である。いくつかの実施形態において、このプロセスはサブプロセスに分割される。各々のサブプロセスは、特定の観点からユーザーの関心事または嗜好を特徴付けている一種類のユーザー・プロファイルを生成する。それらは、以下の通りである。
・用語準拠プロファイル２３１−このプロファイルは、複数の用語を用いてユーザーの検索嗜好を表わすものであり、各々の用語にはユーザーにとっての当該用語の重要度を示す重みが付けられている。
・カテゴリ準拠プロファイル２３３−このプロファイルは、ユーザーの検索嗜好とカテゴリの集合との相関を求めるものであり、階層的に構成されていて、各々のカテゴリにはユーザーの検索嗜好と当該カテゴリとの相関の程度を示す重みが付けられている。
・リンク準拠プロファイル２３５−このプロファイルは、ユーザーの検索嗜好に直接または間接的に関係する複数のリンクを識別するものであり、各々のリンクにはユーザーの検索嗜好と当該リンクとの適合度を示す重みが付けられている。

いくつかの実施形態において、ユーザー・プロファイル２３０は、これらのプロファイル２３１、２３３、２３５の部分集合、例えばこれらのプロファイルの一つまたは二つだけを含んでいる。一実施形態において、ユーザー・プロファイル２３０は、用語準拠プロファイル２３１およびカテゴリ準拠プロファイル２３３を含んでいるが、リンク準拠プロファイル２３５は含んでいない。

一実施形態において、ユーザー・プロファイルは検索エンジンに関連付けられたサーバー（例：ユーザー・プロファイルサーバー１０８）で作成および保存される。このような配備の利点として、ユーザー・プロファイルに複数のコンピュータから簡単にアクセス可能であること、プロファイルが検索エンジン１０４に（部分的にでも）関連付けられたサーバーに保存されているため、検索エンジン１０４により簡単に利用可能であって検索結果の個人化が行なえることである。別の実施形態において、ユーザー・プロファイルは、ネットワーク環境内でクライアントと呼ばれることもあるユーザーのコンピュータで生成して保存することができる。ユーザー・プロファイルをユーザーのコンピュータで作成および保存することで、検索エンジンのサーバーの計算および記憶コストが削減されるだけでなくて、あるユーザーのプライバシー要件をも満足する。また別の実施形態において、ユーザー・プロファイルは、クライアント上で作成および更新できるが、検索エンジン・サーバーに保存することもできる。そのような実施形態は、他の二つの実施形態に示した利点のいくつかを組み合わせる。この構成の短所は、クライアントと検索エンジン・サーバーの間のネットワーク・トラフィックを増加させる点である。本発明のユーザー・プロファイルが、クライアント・コンピュータ、サーバー・コンピュータ、またはその両方を利用して実装できることは当業者には理解されよう。

図３に、例証的なデータ構造である、複数のユーザー向けに用語準拠プロファイルを保存すべく利用可能な用語準拠プロファイル表３００を示す。表３００は、複数のレコード３１０を含み、各々のレコードがユーザーの用語準拠プロファイルに対応する。用語準拠プロファイル・レコード３１０は、ユーザーＩＤカラム３２０と、（用語、重み）のペア３４０の複数のカラムとを含む、複数のカラムを含んでいる。ユーザーＩＤカラムは、ユーザ、又は（用語、重み）ペアの同じ集合を共有するユーザーのグループを識別する値を保存しており、各々の（用語、重み）のペア３４０は、長さが通常１〜３語であって、多くの場合ユーザーまたはユーザーのグループにとって重要な用語と、当該用語の重要度を定量化すべく用語に関連付けられた重みとを含んでいる。ある実施形態において、用語は１個以上のｎグラムとして表わすことができる。ｎグラムはｎ個の一連のトークンとして定義され、当該トークンは単語であってよい。例えば、語句「ｓｅａｒｃｈ ｅｎｇｉｎｅ」は長さ２のｎグラム、および「ｓｅａｒｃｈ」という用語は長さ１のｎグラムである。

ｎグラムを用いて、文字型オブジェクトをベクトルとして表わすことができる。これにより、ベクトルとしては明確だが一般のオブジェクトには向かない幾何学的、統計的、および他の数学的技法を適用することが可能になる。本発明において、ｎグラムを用いて、二つの用語間の類似性の尺度を、用語のベクトル表現への数学的関数の適用に基づいて定義することができる。

用語の重みは必ずしも正値とは限らない。用語が負値の重みを有する場合、ユーザーが自分の検索結果に当該用語が含まれないように望んでいることを示唆し、負値の重みの大きさはユーザーが当該用語を検索結果から除外したいと望む強さを示す。例えば、カリフォルニア州サンタ・クルーズ（Ｓａｎｔａ Ｃｒｕｚ、Ｃａｌｉｆｏｒｎｉａ）にあるサーフィン・ファンのグループの場合、用語準拠プロファイルには、「サーフィン・クラブ」、「サーフィン大会」、および「サンタ・クルーズ」等の正値の重みを有する用語が含まれていよう。「インターネット・サーフィン」や「ウェブ・サーフィン」等の用語もプロファイルに含まれているだろう。しかし、これらの用語は、この用語準拠プロファイルを共有しているユーザーの本当の嗜好とは無関係で混乱を招くため、負値の重みを付けられる可能性が高い。

用語準拠プロファイルは、各々がある重みを有する特定の用語を用いてユーザーの嗜好を項目分類する。ある文書がユーザーの用語準拠プロファイルの用語に一致する場合、すなわち、その内容が当該用語そのものを含んでいる場合、当該文書に当該用語の重みが割り当てられる。しかし、文書が当該用語に完全一致しない場合、当該用語に関連付けられた重みは一切付与されない。そのように文書とユーザー・プロファイルとの間に適合度を求めることで、ユーザーの嗜好と文書との間に曖昧な適合度が存在する様々な状況を扱う場合、時には柔軟性を欠く恐れがある。例えば、ユーザーの用語準拠プロファイルが「Ｍｏｚｉｌｌａ」および「ｂｒｏｗｓｅｒ」等の用語を含んでいる場合、それらの用語は含んでいないものの「Ｇａｌｅｏｎ」や「Ｏｐｅｒａ」等の他の用語を含んでいる文書には一切の重みが付与されない。その理油は、これらが実際にインターネット・ブラウザであるにもかかわらず、当該プロファイルに存在するどの用語にも一致しないためである。正確な用語の一致がなくても、ユーザーの関心事に一致する必要性に応えるため、ユーザー・プロファイルはカテゴリ準拠プロファイルを含んでいてよい。

図４Ａに、オープン・ディレクトリ・プロジェクト（ｈｔｔｐ：／／ｄｍｏｚ．ｏｒｇ／）による階層的カテゴリ・マップ４００を示す。各文書は、マップ４００のルート・レベルから始めて、いくつかの主なトピック、例えば「芸術」、「ニュース」，「スポーツ」等に編成されている。これらの主なトピックは、往々にしてユーザーの特定の関心を詳述するには広範囲に過ぎる。従って、これらは更により具体的なサブトピックに分割される。トピック「芸術」は「映画」、「音楽」、および「文学」等のサブトピックを含み、サブトピック「音楽」は更に「歌詞」、「ニュース」、および「評論」等のサブ・サブトピックを含んでいてよい。各々のトピックには、１．１「芸術」、１．４．２．３「トークショー」、１．６．１「バスケットボール」等の一意なカテゴリＩＤが関連付けられている点に注意されたい。

ユーザーの特定の関心事を、各種のレベルで複数のカテゴリに関係付けて、各レベルが当該カテゴリとユーザーの関心事との適合度を示す重みを有するようにできる。一実施形態において、カテゴリ準拠プロファイルは、図４Ｂに示すようにハッシュ表データ構造を用いて実装することができる。カテゴリ準拠プロファイル表４５０は、複数のレコード４６０からなる表４５５を含んでいて、各レコードはユーザーＩＤと、表４６０−１等の他のデータ構造を指すポインタとを含んでいる。表４６０−１は、２個のカラム、すなわちカテゴリＩＤカラム４７０と重みカラム４８０を含んでいてよい。カテゴリＩＤカラム４７０は、図４Ａに示すようにカテゴリの識別番号を含んでいて、当該カテゴリがユーザーの関心事と関係があることを示唆し、重みカラム４８０の値はユーザーの関心事への当該カテゴリの適合度を示す。

カテゴリ・マップ４００に基づくユーザー・プロファイルは、トピック指向の実装方式である。カテゴリ準拠プロファイル内の用語は、他の方法でも編成することができる。一実施形態において、ユーザーの嗜好は、ユーザーにより識別された文書のフォーマット、すなわちＨＴＭＬ、プレーンテキスト、ＰＤＦ、マイクロソフト・ワード等に基づいて分類することができる。異なるフォーマットは、異なる重みを有していてよい。別の実施形態において、ユーザーの嗜好は、例えば、ある組織のホームページ、ある人物のホームページ、研究報告、またはニュース・グループの投稿等、識別された文書の種類に応じて分類して、各々の種類に重みを関連付けるようにできる。ユーザーの検索嗜好を特徴付けるために利用できる別の種類のカテゴリとして、文書の作成元、例えば各々の文書のホストに関連付けられた国がある。さらに別の実施形態では、上で識別されたカテゴリ準拠プロファイルは共存して、各々がユーザーの嗜好の一面を反映するようにできる。

用語準拠およびカテゴリ準拠プロファイル以外の、他の種類のユーザー・プロファイルがリンク準拠プロファイルとして参照される。上述のように、ページランク・アルゴリズムは、インターネットを介して各種文書を接続するリンク構造に基づいている。自身を指すより多くのリンクを有する文書は、多くの場合より高いページランクを割り当てられ、従って、検索エンジンからより多くの注目を集める。ユーザーにより識別された文書に関するリンク情報はまた、ユーザーの嗜好を推定するためにも用いることができる。一実施形態において、あるユーザーに関する好適なＵＲＬのリストが、それらのＵＲＬへのアクセス頻度を解析することにより識別される。各々の好まれるＵＲＬは、ユーザーが費やす時間および当該ＵＲＬでのスクロール行為により、および／または当該ＵＲＬで文書を閲覧している際の他のユーザー行為（２０９、図２）により更に重みを付与することができる。別の実施形態において、異なるホストのウェブ・ページへのユーザーのアクセス頻度を解析することにより、ユーザーの嗜好のホストのリストが識別される。２個の嗜好されるＵＲＬが同じホストに関係している場合、２個のＵＲＬの重みを組み合わせて当該ホストの重みを決定することができる。別の実施形態において、ユーザーが異なるドメインのウェブ・ページにアクセスする頻度を解析することにより、当該ユーザーの嗜好のドメインのリストが識別される。例えば、ｆｉｎａｎｃｅ．ｙａｈｏｏ．ｃｏｍの場合、ホストは「ｆｉｎａｎｃｅ．ｙａｈｏｏ．ｃｏｍ」であり、ドメインは「ｙａｈｏｏ．ｃｏｍ」である。

図５に、ハッシュ表データ構造を用いたリンク準拠プロファイルを示す。リンク準拠プロファイル表５００は、複数のレコード５２０を含む表５１０を示し、各レコードはユーザーＩＤと、表５１０−１等の他のデータ構造を指すポインタを含む。表５１０−１は２個のカラム、すなわちリンクＩＤカラム５３０および重みカラム５４０を含んでいてよい。リンクＩＤカラム５３０に保存される識別番号には、所望のＵＲＬまたはホストを関連付けることができる。実際のＵＲＬ／ホスト／ドメインをリンクＩＤに代えて当該表に保存することができるが、記憶領域を節約するためにリンクＩＤを保存することが好適である。

ＵＲＬおよび／またはホストの所望のリストは、ユーザーが直接的に識別したＵＲＬおよび／またはホストを含んでいる。ＵＲＬおよび／またはホストの所望のリストは更に、当業者にとって公知である強調フィルタリング（collaborative filtering）または計量書誌学的分析（bibliometric analysis）等の方法を用いて間接的に識別されたＵＲＬおよび／またはホストにも拡張することができる。一実施形態において、間接的に識別されたＵＲＬおよび／またはホストは、直接的に識別されたＵＲＬおよび／またはホストとの間でリンクを有するＵＲＬまたはホストを含んでいる。これらの間接的に識別されたＵＲＬおよび／またはホストは、自身とユーザーが直接的に識別した関連ＵＲＬまたはホストとの間の距離により重み付けされている。例えば、直接的に識別されたＵＲＬまたはホストの重みは１、１リンク隔てたＵＲＬまたはホストの重みは０．５、２リンク隔てたＵＲＬまたはホストの重みは０．２５、等である。このプロシージャは、例えばコピーライトページまたはユーザーが選択したＵＲＬまたはホストに関連付けられた文書を閲覧するために用いることができるウェブ・ブラウザ・ソフトウェアへのリンク等、元のＵＲＬまたはホストのトピックに関係しないリンクの重みを減らすことにより、更に精度を上げることができる。無関係なリンクは、文脈または配信状況（distribution）に基づいて識別することができる。例えば、コピーライトリンクは往々にして特定の用語（例えば、著作権、または「無断複製禁止」は著作権リンクのアンカー・テキストで通常用いられる用語である）を使用し、多くの無関係なウェブサイトからのあるウェブサイトへのリンクは、このあるウェブサイトがトピック的に無関係なことを示唆している（例：インターネット・エクスプローラ・ウェブサイトへのリンクは往々にして無関係なウェブサイトに含まれる）。間接的なリンクもまた、トピックの集合により分類することができ、大きく異なるトピックとのリンクは除外されるか、または低い重みが割り当てられる。

上述の３種類のユーザー・プロファイルは、異なるプロファイルがユーザーの関心事や嗜好を異なる視点から描写するため、互いに相補的である。これはしかし、１種類のユーザー・プロファイル、例えばカテゴリ準拠プロファイルが、通常は別の種類のユーザー・プロファイルが果たす役割を担うことができないという意味ではない。例えば、リンク準拠プロファイル内にある所望のＵＲＬまたはホストは往々にして特定のトピックに関連付けられている。例えば、ｆｉｎａｃｅ．ｙａｈｏｏ．ｃｏｍは金融ニュースに特化したＵＲＬである。従って、ユーザーの嗜好を特徴付けるべく、所望のＵＲＬまたはホストのリストを含むリンク準拠プロファイルで実現できることは、少なくとも部分的には、所望のＵＲＬまたはホストがカバーする同一トピックをカバーするカテゴリの集合を有するカテゴリ準拠プロファイルによっても実現可能である。

図２に一覧表示したユーザー情報に基づいて、図３〜５に示すデータ構造に保存できる様々な種類のユーザー・プロファイルを構築することは単純作業ではない。ユーザーが識別（例えば閲覧）した文書に対して、当該文書に含まれる異なる用語は、当該文書のトピックを表わす際の重要度が異なる場合がある。いくつかの用語、例えば文書のタイトルは極めて重要だが、他の用語はほとんど重要でないかもしれない。例えば、多くの文書は、文書のトピックとは無関係なナビゲーション用のリンク、著作権の表記、免責条項その他のテキストを含んでいる。適切な文書、それらの文書から適切な内容、それらの内容から用語をいかにして能率的に選択するかが、コンピュータ言語学における困難なトピックである。また、処理するユーザー情報の量を最小化して、ユーザー・プロファイルの構築をコンピュータ的に効率化することが望ましい。文書に含まれるあまり重要でない用語を飛ばすことは、文書をユーザーの関心事と正確にマッチングさせる際に役立つ。

パラグラフ・サンプリング（図６を参照しつつ以下に述べる）は、ユーザーに関係する可能性のある文書から、内容を自動抽出するプロシージャである。このプロシージャは重要な前提として、文書とあまり関係のない内容、例えばナビゲーション用のリンク、著作権の表記、免責条項等は比較的短いテキストの断片である傾向を示すものと想定している。一実施形態において、パラグラフ・サンプリングは文書内で最長の段落を探し、パラグラフの長さが所定の閾値を下回るまで、パラグラフ長の降順で処理する。パラグラフのサンプリング・プロシージャはオプションとして、各々の処理対象パラグラフからある最大量まで内容を選択する。当該文書内で適切な長さのパラグラフがほとんど見つからない場合、プロシージャはアンカー・テキストおよびＡＬＴタグ等、文書の他の部分からテキストを抽出する処理へ戻る。

図６は、パラグラフ・サンプリングの主なステップを示すフロー図である。パラグラフ・サンプリングは、文書からコメント、Ｊａｖａ（登録商標）スクリプト、およびスタイルシート等の所定の項目を除去するステップ６１０から始まる。これらの項目は、通常、ブラウザに表示される際の文書の視覚的側面に関するものであって文書のトピックに関連しそうにないため、除去される。続いて、プロシージャはステップ６２０で、長さが閾値ＭｉｎＰａｒａｇｒａｐｈＬｅｎｇｔｈを超える各パラグラフから最初のＮ個の単語（またはＭ個の文）をサンプリングされた内容として選択することができる。一実施形態において、ＮとＭの値として各々１００と５が選択された。他の実施形態では別の値を用いてよい。

パラグラフ・サンプリングのプロシージャに付随する計算負荷および記憶負荷を減らすには、各々の文書からサンプリングされる内容に対しプロシージャが上限、例えば１０００単語を課すことができる。一実施形態において、パラグラフ・サンプリングのプロシージャは最初に、文書のパラグラフを長さの降順に編成し、次いで最大長のパラグラフからサンプリング処理を始める。パラグラフの始めと終わりが、パラグラフのＨＴＭＬ表現における中断されないテキスト・ストリングの存在に依存するのではなく、ブラウザでのパラグラフの外観に依存する点に注意されたい。このため、パラグラフの境界を決定する際に、インライン・リンクや太字テキスト用のコマンド等、特定のＨＴＭＬコマンドは無視される。いくつかの実施形態において、パラグラフ・サンプリングのプロシージャは、最初のＮ個の単語（またはＭ個の文）をスクリーニングして、その結果、「サービス条項」や「最適な閲覧方法」等の定型用語は通常、文書のトピックとは無関係と思われるため、これらを含む文をフィルタリングして除去する。

プロシージャは、長さが閾値を超えるパラグラフをサンプリングする前に、サンプリングされた内容の単語の個数が単語数の上限に達していれば、当該文書からの内容のサンプリングを止めることができる。長さが閾値を超える全てのパラグラフを処理した後で単語数の上限に達しなかった場合、オプションのステップ６３０、６４０、６５０、および６７０が実行される。特に、プロシージャは、単語数上限に達するまで、サンプリングされた内容に文書タイトル（６３０）、非インラインＨＲＥＦリンク（６４０）、ＡＬＴタグ（６５０）、およびメタ・タグ（６７０）を追加する。

ユーザーにより識別された文書が走査されたならば、サンプリングされた内容を用いて、文脈解析を通じて最も重要な（または重要でない）用語のリストを識別することができる。文脈解析とは、識別された文書の集合において最も重要な（または重要でない）用語を予測する文脈用語（context term）を知ろうとするものである。具体的には、接頭辞パターン、接尾辞パターン、およびその両方の組み合せを探す。例えば、「ｘのホームページ」という表現は用語「ｘ」をユーザーにとって重要な用語であると識別し、従って、接尾辞パターン「＊ホームページ」を用いて文書内における重要な用語の位置を予測することができる。ここにアスタリスク「＊」は、この接尾辞パターンに合致する任意の用語を表わす。一般に、文脈解析により識別されたパターンは通常、重要な（または重要でない）用語の前にｍ個の用語を、重要な（または重要でない）用語の後ろにｎ個の用語を含んでおり、ここに、ｍとｎは共に０以上であり、その少なくとも１つは０を超える。通常、ｍとｎは５未満であり、非ゼロの場合は１〜３の間にあるのが好適である。パターンは、その出現頻度に応じて、当該パターンにより認識された用語がどの程度重要か（または重要でないか）を示す重みが付与されていてよい。

本発明の一実施形態（図７Ａ）によれば、文脈解析には二つの異なるフェーズ、すなわち訓練フェーズ７０１および動作フェーズ７０３がある。訓練フェーズ７０１は、所定の重要な用語のリスト７１２、オプションとして所定の重要でない用語のリスト７１４、および訓練文書の集合を受け取って利用する（ステップ７１０）。いくつかの実施形態において、所定の重要でない用語のリストを使用しない。リスト７１２、７１４の情報源は必須ではない。いくつかの実施形態において、これらのリスト７１２、７１４は、一組の規則に従って文書の集合（例：ページランクが高い数千ウェブ・ページの集合）から単語または用語を抽出し、次いでこれらを編集して、編集者の意見では当該リストに属さない用語を除外することにより生成される。訓練文書の情報源もまた必須ではない。いくつかの実施形態において、訓練文書は、検索エンジンには既知である文書の無作為にまたは擬似的に無作為に選択された文書の集合を含んでいる。他の実施形態では、訓練文書は、所定の基準に従って検索エンジンの文書のデータベースから選択される。

訓練フェーズ７０１の間、複数の文脈パターン（例：接頭辞パターン、接尾辞パターン、および接頭辞−接尾辞パターン）を識別すべく、所定の重要および重要でない用語のリストを用いて訓練文書が処理され（ステップ７２０）、各々の識別された文脈パターンに重み付けする。動作フェーズ７０３の間、ユーザーが識別した文書に文脈パターンが適用され（ステップ７３０）、ユーザーの特定の関心事や嗜好を特徴付ける重要な用語の集合を識別する（ステップ７４０）。ユーザーの関心事や嗜好を学んで表現することは通常、継続的なプロセスである。従って、動作フェーズ７０３を繰り返して、以前に取得された重要な用語の集合を更新することができる。これは、ユーザーが、指定された基準に従って、または別途適宜決定された所定のスケジュールに従い、文書にアクセスするたびに行なうことができる。同様に、訓練フェーズ７０１もまた、文脈パターンの新たな集合を発見して、識別された文脈パターンに関連付けられた重みの再調整を繰り返すことができる。

以下は、訓練フェーズを例証的に示す疑似コードの断片である。

上記の疑似コードにおいて、表現ｓは、接頭辞パターン（ｎ＝０）、接尾辞パターン（ｍ＝０）、または両方（ｍ＞０且つｎ＞０）の組み合せを参照する。特定のパターンの各々の発生は、２つの多次元配列、すなわちＩｍｐｏｒｔａｎｔＣｏｎｔｅｘｔ（ｍ、ｎ、ｓ）またはＵｎｉｍｐｏｒｔａｎｔＣｏｎｔｅｘｔ（ｍ、ｎ、ｓ）のうち１つに登録される。このパターンが、重要な用語をより多く、且つ重要でない用語をより少なく、又はその逆を識別したならば、接頭辞、接尾辞または組み合せパターンの重みはより高く設定される。同じパターンが、重要な用語と重要でない用語の両方に関連付けられていてよい点に注意されたい。例えば、訓練文書７１６において接尾辞表現「＊オペレーティングシステム」を所定の重要な用語７１２のリストの用語と合わせて用いても、更に所定の重要でない用語７１４のリストの用語と合わせて用いてもよい。この状況において、接尾辞パターン「＊オペレーティングシステム」に付与された（Ｗｅｉｇｈｔ（１、０、「オペレーティングシステム」）の表現で表わされる）重みは、所定の重要用語のリストに含まれる用語と合わせて接尾辞表現が用いられた回数、並びに、所定の非重要用語のリストに含まれる用語と合わせて接尾辞表現が用いられた回数を考慮する。文脈パターンｓの重みを決定する一つの可能な式は、以下の通りである。
Ｗｅｉｇｈｔ（ｍ、ｎ、ｓ）＝Ｌｏｇ（ＩｍｐｏｒｔａｎｔＣｏｎｔｅｘｔ（ｍ、ｎ、ｓ）＋１）−Ｌｏｇ（ＵｎｉｍｐｏｒｔａｎｔＣｏｎｔｅｘｔ（ｍ、ｎ、ｓ）＋１）
他の実施形態では別の重みの決定式を用いてもよい。

文脈解析プロセスの第２フェーズでは、重み付き文脈パターンを用いて、ユーザーが識別した１個以上の文書内で重要な用語を識別する。図７Ｂを参照するに、第１フェーズにおいて、コンピュータシステムは訓練データ７５０を受け取り、文脈パターンの集合７６０を作成して、各々の文脈パターンが関連する重みを有するようにする。コンピュータシステムは次いで、文脈パターン７６０の集合を文書７８０に適用する。図７Ｂにおいて、文書７８０内で見つかった以前に識別済みの文脈パターンが強調表示されている。文脈パターンに関連付けられた用語７９０が識別され、そのような用語は各々文脈パターンに関連付けられた重みに基づいて重み付けされる。例えば、文書内で用語「Ｆｏｏｂａｒ」が、２個の異なるパターン、すなわち接頭辞パターン「Ｗｅｌｃｏｍｅ ｔｏ＊」と接尾辞パターン「＊ｂｕｉｌｄｓ」に付随して２回出現しており、「Ｆｏｏｂａｒ」に割り当てられた重み１．２はこれら２パターンの重み０．７、０．５の合計である。もう１個の識別された用語「ｃａｒｓ」の重みは０．８であり、これは一致する接頭辞パターンの重みが０．８だからである。いくつかの実施形態において、各用語の重みは対数変換を用いて計算され、その場合、最終的な重みはｌｏｇ（初期重み＋１）に等しい。２個の用語「Ｆｏｏｂａｒ」および「ｃａｒｓ」が訓練データ７５０に存在せず、以前にユーザーにより見出されなかった可能性がある。それにもかかわらず、上述の文脈解析法はこれらの用語を識別して、ユーザーの用語準拠プロファイルに追加する。このように、文脈解析は、たとえ当該用語が所定の用語データベースに含まれていなくても、ユーザーの関心事や嗜好に関連付けられた用語を発見するために利用できる。

注記したように、ユーザーの用語準拠プロファイルを構築する際に文脈解析の出力を直接利用することができる。また、ユーザーのカテゴリ準拠プロファイル等、他の種類のユーザー・プロファイルの構築にも有用であろう。例えば、重み付き用語の集合を解析して、異なるトピックをカバーする複数のカテゴリに分類することができ、これらのカテゴリをユーザーのカテゴリ準拠プロファイルに追加することができる。

ユーザー自身により、またはユーザー向けに識別された文書の集合に対して文脈解析を実行した後で、結果として得られた用語と重みの集合は、各ユーザーの用語準拠プロファイルに割り当てられた分よりも大きい記憶領域を占有する可能性がある。また、用語および対応する重みの集合には、その集合の他の用語に比べて重みが極めて小さいいくつかの用語を含んでいる場合がある。従って、いくつかの実施形態において、文脈解析の完了時点で、最小の重みを有する用語を除去することにより用語と重みの集合を絞り込んで、（Ａ）用語準拠プロファイルが占有する記憶領域の総量が所定の限度を満たすようにする、および／または（Ｂ）以前の基準により規定されているが、重みが極めて小さいか、または古い項目に対応しているためユーザーの検索嗜好や関心事を示唆しないと見なせる用語を除去する。いくつかの実施形態において、同様の絞込み基準および技術はまた、カテゴリ準拠プロファイルおよび／またはリンク準拠プロファイルにも適用されている。

いくつかの実施形態において、ユーザー・プロファイルは、ユーザーが検索を実行して、検索結果から少なくとも１個の文書を選択してダウンロードまたは閲覧するたびに更新される。いくつかの実施形態において、検索エンジンはユーザーがある期間にわたり識別（例：検索結果から文書を選択）した文書のリストを生成し、所定の時点（例：リストの長さが所定の長さに達した、又は所定の時間が経過した）でプロファイルの更新を実行する。更新を実行すると、新規のプロファイルデータが生成され、新規のプロファイルデータがユーザー向けに以前生成されたプロファイルデータとマージされる。いくつかの実施形態において、新規のプロファイルデータは以前に生成されたプロファイルデータよりも高い重要度を割り当てられるため、システムがユーザーの検索嗜好および関心事の変化に従ってユーザー・プロファイルを迅速に調整できるようなる。例えば、以前に生成されたプロファイルデータの用語の重みを、新規のプロファイルデータにマージされる前に自動的に下げることができる。一実施形態において、プロファイルの各々の項目に日付が関連付けられていて、古い項目はそれが新しかった頃よりも重みが下げられるようにプロファイル内の情報が年代に基づいて重みが付与されている。他の実施形態では、新規のプロファイルデータには、以前に生成されたプロファイルデータよりも高い重要度が割り当てられない。

パラグラフ・サンプリングおよび文脈解析法は独立に、または組み合わせて用いることができる。組み合わせて用いる場合、パラグラフ・サンプリングの出力を文脈解析法への入力として利用する。

更に注意すべき点は、ユーザー・プロファイルの作成に用いる上述の方法、例えばパラグラフ・サンプリングや文脈解析はまた、ユーザーの嗜好に対する候補文書の適合度を決定すべく活用することができる。実際に、検索エンジンの基本的な役目は、ユーザーのユーザー・プロファイルと合わせて、ユーザーが送信した検索クエリーに基づいてユーザーの嗜好に最も関係の深い一連の文書を識別することである。図８に、複数の観点からユーザー・プロファイルとの文書の適合度に関する情報を保存すべく利用可能ないくつかの例証的なデータ構造を示す。各々文書ＩＤにより各々識別される候補文書について、用語準拠文書情報表８１０は複数の用語と重みのペアを含み、カテゴリ準拠文書情報表８３０はカテゴリおよび関連付けられた重みを複数含み、さらにリンク準拠文書情報表８５０はリンクおよび対応する重みの集合を含む。

３個の表（８１０、８３０、８５０）各々の右端のカラムは、ある特定のユーザー・プロファイルを使用して文書が評価された際に当該文書のランク（すなわち計算された点数）を保存する。ユーザー・プロファイルのランクは、文書に関連付けられた項目の重みを組み合わせることにより決定できる。例えば、カテゴリ準拠またはトピック準拠プロファイルのランクは、以下のように計算できる。ユーザーは、嗜好する科学関連文書に０．６の重みを付与する一方、嫌いなビジネス関連文書には−０．２の重みを付与するかもしれない。従って、科学関連文書が検索クエリーに一致した場合、ビジネス関連文書より高い重みが付与される。一般に、文書トピックの分類は排他的ではない。候補文書は、０．８のプロバビリティで科学関連文書として、０．４のプロバビリティでビジネス関連文書として分類されてよい。リンク準拠プロファイルランクは、ユーザーのＵＲＬ、ホスト、ドメイン等、リンク準拠プロファイルに割り当てられた相対重みに基づいて計算されてよい。一実施形態において、用語準拠プロファイルランクは、用語頻度−逆文書頻度（the term frequency-inverse document frequency）（ＴＦ−ＩＤＦ）等、公知の技術を用いて決定することができる。ある用語の用語頻度とは、当該用語が文書に出現する回数の関数である。逆文書頻度とは、一群の文書内で当該用語が出現する文書の個数の逆関数である。例えば、「ｔｈｅ」のように極めて一般的な用語は多くの文書に現れ、従って、比較的低い逆文書頻度が割り当てられる。

検索エンジンが検索クエリーに応答して検索結果を生成した際に、クエリーを満足する候補文書Ｄに対して、検索クエリーに応じたクエリー点数ＱｕｅｒｙＳｃｏｒｅが割り当てられる。このクエリー点数は次いで、文書ＤのページランクＰａｇｅＲａｎｋにより調整されて、次式で表わされる一般的な点数ＧｅｎｅｒｉｃＳｃｏｒｅが生成される。
ＧｅｎｅｒｉｃＳｃｏｒｅ＝ＱｕｅｒｙＳｃｏｒｅ＊ＰａｇｅＲａｎｋ

この一般的な点数は、ユーザーの関心事または嗜好がランダム・サーファーのそれと極端に異なる場合、特定のユーザーＵにとっての文書Ｄの重要度を適切に反映することができない。文書ＤとユーザーＵの適合度は、プロファイルランクの集合、すなわち文書Ｄの内容とユーザーＵの用語準拠プロファイルとの相関（ここではＴｅｒｍＳｃｏｒｅと呼ぶ）、文書Ｄに関連付けられた１個以上のカテゴリとユーザーＵのカテゴリ準拠プロファイルとの相関（ここではＣａｔｅｇｏｒｙＳｃｏｒｅと呼ぶ）、および文書ＤのＵＲＬおよび／またはホストとユーザーＵのリンク準拠プロファイルとの相関（ここではＬｉｎｋＳｃｏｒｅと呼ぶ）に基づいて正確に特徴付けることができる。従って、文書Ｄには、文書の一般的な点数と、ユーザー・プロファイルの点数の両方の関数である個人別ランクを割り当てることができる。一実施形態において、この個人別点数を次式で表わすことができる。
ＰｅｒｓｏｎａｌｉｚｅｄＳｃｏｒｅ＝ＧｅｎｅｒｉｃＳｃｏｒｅ＊（ＴｅｒｍＳｃｏｒｅ＋ＣａｔｅｇｏｒｙＳｃｏｒｅ＋ＬｉｎｋＳｃｏｒｅ）

図９Ａ、９Ｂに 共に図１に示すネットワーク環境１００等のクライアントサーバー・ネットワーク環境で実装された二つの実施形態を示す。図９Ａに示す実施形態では、検索エンジン１０４はステップ９１０においてクライアント１０２から特定のユーザーが送信した検索クエリーを受け取る。これに応答して、検索エンジン１０４はオプションとしてステップ９１５においてクエリーストラテジーを生成することができる（例：検索クエリーを正規化して更なる処理に適した形式にする、および／または、検索クエリーを所定の基準に従って修正して検索クエリーの範囲を自動的に拡大または縮小することができる）。ステップ９２０において、検索エンジン１０４は検索クエリー（または、生成されていればクエリーストラテジー）をコンテンツ・サーバー１０６へ送信する。コンテンツ・サーバーはステップ９２０において、検索クエリーに一致する文書のリストを識別する。各々の文書は、文書のページランクおよび検索クエリーに依存する一般的な点数を有する。一般に、３動作（ステップ９１０、９１５、９２０）の全てが、ネットワーク環境１００のサーバー側にある検索エンジン・システム１０７により実行される。これら最初の３ステップに続く動作をどこで実行すべきかについて、二つのオプションがある。

サーバー側での実装を採用するいくつか実施形態では、ユーザーの識別番号は、検索クエリーに埋め込まれる。ユーザーの識別番号に基づいて、ユーザー・プロファイルサーバー１０８は、ステップ９２５において当該ユーザーのユーザー・プロファイルを識別する。ステップ９３０から始めて、ユーザー・プロファイルサーバー１０８または検索エンジン１０４は、ステップ９２０で識別された各々の文書を解析して、ユーザー・プロファイルへの適合度を判定し、ステップ９３５において識別された文書のプロファイル点数を求め、次いでステップ９４０において当該文書に対し、当該文書の一般的点数及びプロファイル点数に応じて個人別点数を割り当てる。ステップ９４２において、ユーザー・プロファイルサーバー１０８または検索エンジン１０４は、これが識別された文書リストの最後の１個であるか否かを調べる。そうでない場合、システムはリスト内の次の文書を処理する。最後である場合、文書のリストは、個人別点数に従い並べ替えられてから、ユーザーが検索クエリーを送信した対応クライアントへ送信される。

クライアント側での実装を採用する実施形態もサーバー側での実装と同様であるが、ステップ９２０の後で識別された文書を、ユーザーがクエリーを送信した対応クライアントへ送信する点が異なる。このクライアントはユーザーのユーザー・プロファイルを保存し、ユーザー・プロファイルに基づいて文書を並べ替える役割を担う。従って、このようなクライアント側での実装により、サーバーの負荷が減少される。更に、クライアント側実装ではプライバシー問題が存在しないため、ユーザーは検索結果をカスタマイズするための個人情報をより積極的に提供する可能性がある。しかし、クライアント側実装における重大な制約として、ネットワーク帯域幅の制約により、限定された数の文書、例えば（一般的なランクを用いて決定された）上位５０文書しか並べ替えるためにクライアントへ送信することができない。対照的に、サーバー側実装では検索クエリーに一致したはるかに多くの、例えば１０００文書にユーザー・プロファイルを適用することができる。従って、クライアント側実装では、一般的ランクは比較的低いが個人別ランクは相当高い文書へユーザーがアクセスする機会が奪われる恐れがある。

図９Ｂに別の実施形態を示す。図９Ａに示した、検索クエリーを検索エンジン１０４に送信する前に検索クエリーが個人化されていない実施形態とは異なり、当該ユーザーのユーザー・プロファイルに従い一般的なクエリーストラテジーを調整する（ステップ９６５）ことにより個人別クエリーストラテジーが得られる。例えば、ユーザー・プロファイルからの関係が深い用語を、付随する重みと合わせて検索クエリーに追加することができる。個人別クエリーストラテジーの生成は、本システムのクライアント側でもサーバー側でも実行可能である。この実施形態により、先の実施形態が直面していたネットワーク帯域幅の制約が回避される。最後に、検索エンジン１０４が個人別クエリーストラテジーをコンテンツ・サーバー１０６に送信する（ステップ９７０）ことにより、コンテンツ・サーバーから返された検索結果は、当該文書の個人別ランクにより既に順序付けられている（ステップ９７５）。

関係する関心事を有するユーザーのグループのプロファイルを統合してグループ・プロファイルを形成しても、あるいはグループ内のユーザーが識別した文書に基づいて単一のプロファイルを形成してもよい。例えば、数人の家族が同じコンピュータを用いて検索クエリーを検索エンジンに送信することができる。検索エンジンによりコンピュータが単一のユーザー識別子を紐付けられている場合、当該「ユーザー」はユーザーの家族全体であり、ユーザー・プロファイルは家族一人一人の検索嗜好の組み合せまたは混成を表わす。グループ内の個々のユーザーはオプションとして、当該ユーザーを他のグループ員と区別する別々のユーザー・プロファイルを有していてよい。動作時には、グループ内のユーザー向けの検索結果はグループ・プロファイルに応じてランク付けされ、あるいはユーザーも別個のユーザー・プロファイルを持っている場合にはグループ・プロファイルおよびユーザーのユーザー・プロファイルに応じてランク付けされる。

ユーザーが、新しい関心事や嗜好が自分のユーザー・プロファイルとは殆ど類似点が無い程度に自らの関心事を極端に切り替えたり、あるいは、ユーザーが一時的に新しいトピックに関心を持つ場合がある。この場合、図９Ａ、９Ｂに示した実施形態により得られた個人別検索結果は、検索結果に含まれる文書の一般的なランクに従いランク付けされた検索結果よりも好ましくない。また、ユーザー・プロファイルは、ユーザーが過去に訪れた古いウェブサイト（すなわち、ユーザーがウェブ・ページの閲覧またはダウンロードを実行した古いウェブサイト）の重みを増やす傾向があるため、ユーザーに提供される検索結果は、最上位に掲載される文書内に新規のウェブサイトを含んでいない可能性がある。

ユーザーの嗜好や関心事の変化により生じる影響を減らすべく、個人別検索結果を一般的な検索結果とマージすることができる。一実施形態において、一般的な検索結果と個人別検索結果とを交互に配置して、検索結果リストの奇数位置（例：１、３、５等）を一般的な検索結果用に予約し、検索結果リストの偶数位置（例：２、４、６等）を個人別検索結果用に予約する、あるいはその逆でもよい。好適には、一般的な検索結果に含まれる項目は個人別検索結果に掲載された項目と重複することはなく、逆も同じである。より一般的には、一般的な検索結果は個人別検索結果と混合または交互に配置して、ユーザーに提示される検索結果に含まれる項目が一般的な、および個人別検索結果の両方を含むようにする。

別の実施形態において、個人別ランクおよび一般的なランクは更に、ユーザー・プロファイルの信頼度により重み付けされる。信頼度は、ユーザーに関する情報がどの程度得られたか、現在の検索クエリーがどの程度ユーザー・プロファイル合致しているか、ユーザー・プロファイルがどの程度古いか、等の要素を考慮に入れる。極めて短いユーザーの履歴しか利用できない場合、ユーザー・プロファイルには相応に低い信頼度が割り当てられる。識別された文書の最終的な点数は次式により決定できる。
ＦｉｎａｌＳｃｏｒｅ＝ＰｒｏｆｉｌｅＳｃｏｒｅ＊ＰｒｏｆｉｌｅＣｏｎｆｉｄｅｎｃｅ＋ＧｅｎｅｒｉｃＳｃｏｒｅ＊（１−ＰｒｏｆｉｌｅＣｏｎｆｉｄｅｎｃｅ）
一般的な結果と個人別結果を混合する場合、個人別結果の一部をプロファイルの信頼度に基づいて調整してもよい。例えば、信頼度が低い場合には個人別結果を１個だけを用いる。

時折、例えば公立図書館のように、複数のユーザーが１台のマシンを共有する場合がある。これらのユーザーの関心事や嗜好が異なっている可能性がある。一実施形態において、ユーザーは明示的にサービスにログインして、自分の素性をシステムに知らせることができる。あるいは、アクセスする項目またはアクセス・パターンの他の特徴に基づいて異なるユーザーを自動的に認識することができる。例えば、異なるユーザーは、異なる仕方でマウスを動かしたり、異なる仕方でタイプ入力したり、異なるアプリケーションおよびアプリケーションの機能を利用することがある。クライアントおよび／またはサーバー上のイベントのコーパスに基づいて、ユーザーを識別し、次いでその識別結果を用いて適切な「ユーザー」プロファイルを選択するためのモデルを作成することが可能である。そのような状況において、「ユーザー」は実際には、コンピュータの使い方や関心事等がやや似通った人々のグループである可能性もある。

図１０を参照するに、個人別検索エンジン・システム１０００は通常、１個以上の処理ユニット（ＣＰＵ）１００２、１個以上のネットワークかその他の通信インターフェース１０１０、メモリ１０１２、およびこれらの構成要素を相互接続する１個以上の通信バス１０１４を含んでいる。システム１０００はオプションとして、ユーザー・インターフェース１００４、例えばディスプレイ１００６およびキーボード１００８を含んでいてよい。メモリ１０１２は、高速ランダム・アクセス・メモリを含んでいてよく、１個以上の磁気ディスク記憶装置等の不揮発メモリも含んでいてよい。メモリ１０１２は、中央処理装置１００２から遠隔設置された大容量記憶装置を含んでいてよい。メモリ１０１２は好適には以下のものを保存する。
・各種の基本システム・サービスを扱い、ハードウェアに依存するタスクを実行するプロシージャを含むオペレーティングシステム１０１６
・インターネット、その他の広域ネットワーク、ローカル・エリア・ネットワーク、大都市圏ネットワーク等、１以上の通信ネットワーク（有線または無線）を介してシステム１０００を他のサーバーまたはコンピュータに接続するために用いるネットワーク通信モジュール１０１８
・システム１０００を適切に動作させるために必要な、メモリ１０１２に保存された他のモジュールおよびデータ構造を初期化するシステム初期化モジュール１０２０
・検索クエリーを処理し、検索クエリーおよびユーザー・プロファイルに従い検索結果を識別および並び替える検索エンジン１０２２
・図２で識別されたユーザー情報等のユーザー情報を収集および処理して、ユーザーの検索嗜好および関心事を特徴付ける当該ユーザーのユーザー・プロファイルの生成および更新を行なうユーザー・プロファイルエンジン１０３０、および
・複数のユーザー・プロファイルを保存するデータ構造１０４０、１０６０、および１０８０

検索エンジン１０２２は更に以下のものを含んでいてよい。
・ユーザーが送信した検索クエリーを処理して、クエリーに一致する文書のリストを識別し、各々の識別された文書に対してユーザー特定情報とは関係なく一般的なランクを割り当てる一般的なランク・モジュール（または命令）１０２４
・一般的なランク・モジュール１０２４が識別した複数の文書の各々と当該ユーザーのユーザー・プロファイルの相関を求め、当該文書に対しユーザーの検索嗜好および関心事と当該文書の適合度を示すプロファイルランクを割り当てるユーザー・プロファイルランク・モジュール（または命令）１０２６、および
・識別された文書の一般的なランクとプロファイルを組み合わせて個人別ランクとし、それらの個人別ランクに従い文書のリストを並べ替えるランク混合モジュール（または命令）１０２８
いくつかの実施形態において、これらのモジュール１０２４、１０２６、１０２８は単一のプロシージャ内で、または単一のソフトウェア・モジュール内のプロシージャの集合で実装することができる。

ユーザー・プロファイルエンジン１０３０は更に以下のものを含んでいてよい。
・図２に一覧表示された各種のユーザー情報の収集および類別を行なうユーザー情報収集モジュール１０３２
・（上述のような）パラグラフ・サンプリング技術等を用いて、ユーザーが識別した文書から内容を選択および抽出して、ユーザーの関心事に関係が深い内容を識別する文書内容抽出モジュール１０３４
・文書抽出モジュール１０３４が抽出した内容を解析して、ユーザーの検索嗜好を特徴付ける用語を識別する文脈解析モジュール１０３６

ユーザー・プロファイルを格納する各々のデータ構造は更に以下のものを含んでいてよい。
・用語準拠ユーザー・プロファイルを保存するデータ構造１０４２、１０６２、または１０８２
・カテゴリ準拠ユーザー・プロファイルを保存するデータ構造１０４４、１０６４、または１０８４
・リンク準拠ユーザー・プロファイルを保存するデータ構造１０４６、１０６６、または１０８６

上述の記述は、説明目的で特定の実施形態に関して記述されている。しかし、上の説明的な記述は、網羅的ではなく、開示した形式そのものに本発明を限定することを意図していない。上記の教示の観点から各種の変更や変形が可能である。これらの実施形態は、本発明の原理および実際の応用を最もわかりやすく説明するために選択および記述されたものであり、従って、当業者が、考案した利用に適した形で各種の変更を加えて本発明および各種の実施形態を最適に利用できるようにしたものである。

クライアント−サーバー・ネットワーク環境を示す。 ユーザー情報の複数の情報源と、それらとユーザー・プロファイルとの関係を示す。 複数のユーザー向けに用語準拠プロファイルを保存すべく利用できる例証的なデータ構造である。 ユーザーの過去の検索実績を分類すべく利用できる例証的なカテゴリ・マップである。 複数のユーザー向けにカテゴリ準拠プロファイルを保存すべく利用できる例証的なデータ構造である。 複数のユーザー向けにリンク準拠プロファイルを保存すべく利用できる例証的なデータ構造である。 パラグラフ・サンプリングを示すフロー図である。 文脈解析を示すフロー図である。 文脈解析を用いて重要な用語を識別するプロセスを示す。 用語準拠、カテゴリ準拠、および／またはリンク準拠解析の後、文書に関する情報を保存すべく利用できる複数の例証的なデータ構造を示す。 一実施形態による個人別ウェブ検索プロセスを示すフロー図である。 別の実施形態による個人別ウェブ検索プロセスを示すフロー図である。 個人別検索エンジンのブロック図である。

Claims (28)

1. 検索エンジンの検索結果を個人化するコンピュータ実行方法であって、
   １個以上のプロセッサおよび前記１個以上のプロセッサが実行するプログラムを保存するメモリを有する検索エンジン・システムにより実行されるステップである、
   ユーザー向けのユーザー・プロファイルに対してアクセスするステップであって、前記ユーザー・プロファイルの内容がユーザー情報から生成され、前記ユーザー情報が、前記ユーザーがアクセスした文書へのリンクを有する文書に含まれるアンカー・テキストから導出された情報を含む、ステップと、
   前記ユーザーから検索クエリーを受け取るステップと、
   前記検索クエリーに一致する検索結果文書の集合を識別するステップと、
   前記検索結果文書の集合の少なくとも部分集合の各々の文書に一般的な点数を割り当てるステップと、
   前記文書に割り当てられた一般的な点数および前記ユーザー・プロファイルに従って、前記検索結果文書の部分集合の各々の文書に個人別点数を割り当てるステップと、
   前記検索結果文書の部分集合を、それらの個人別点数に従ってランク付けするステップと、
   前記ランク付けされた検索結果文書の部分集合を、前記ユーザーに関連付けられたクライアントシステムに提供するステップと、
   前記ランク付けされた検索結果文書の部分集合から前記ユーザーが選択した文書に基づいて前記ユーザー・プロファイルを更新するステップとを含む、方法。
2. 前記ユーザー情報は、前記検索エンジンからの検索結果により特定された文書、前記ユーザーがアクセスした文書、前記検索エンジンからの検索結果により特定された文書にリンクされた文書、および前記ユーザーがアクセスした文書にリンクされた文書を含む第１の文書の集合から導出される、請求項１に記載の方法。
3. 前記ユーザー・プロファイルの用語準拠プロファイルを、前記第１の文書集合内の文書から用語の集合を識別し、前記識別された用語の集合に関する情報を前記用語準拠プロファイルに追加することにより、更新することで、前記ユーザー・プロファイルを更新するステップを含む、請求項２に記載の方法。
4. 前記用語準拠プロファイル内の用語が、少なくとも１個の単語および重みを含む表現である、請求項３に記載の方法。
5. 前記重みが、前記第１の文書集合における用語の出現に関連付けられた重みである、請求項４に記載の方法。
6. 前記用語の重みが、前記第１の文書集合における前記用語の用語頻度および逆文書頻度に少なくとも部分的に依存する、請求項４に記載の方法。
7. 前記更新するステップは、前記第１の文書集合内の文書内のリンクを解析し、前記解析されたリンクから導出された情報をユーザー・プロファイルに追加することを含む、請求項２に記載の方法。
8. 前記ユーザー・プロファイルに追加される前記解析されたリンクから導出された情報は、リンク準拠プロファイルに追加され、且つＵＲＬまたはＵＲＬの一部に関する情報を含む、請求項７に記載の方法。
9. 前記ユーザー・プロファイルのリンク準拠プロファイルが、
   複数のＵＲＬおよび、各々のＵＲＬに関連付けられた重みであって、前記ユーザーがＵＲＬを訪問する頻度、前記ＵＲＬに関連付けられた文書を前記ユーザーが閲覧するのに費やした時間、および前記ユーザーによる前記文書でのスクロール行為の量からなるグループから選択された１個以上の要因に基づく重みと、
   複数のホストおよび、各々のホストに関連付けられた重みであって、前記ホストへの前記ユーザーの訪問の頻度に基づく重みとを含む、請求項８に記載の方法。
10. 前記ＵＲＬが更に、前記ユーザーが訪問していないが、前記ユーザーが訪問したことのあるＵＲＬにリンク関係を有するＵＲＬを含み、前記未訪問ＵＲＬの重みが、該未訪問ＵＲＬと訪問されたことのある少なくとも１個の関連ＵＲＬとの間の経由するリンクの数に依存する、請求項９に記載の方法。
11. 前記更新するステップは、前記ユーザー・プロファイルのカテゴリ準拠プロファイルを、前記第１の文書集合内の文書を複数のカテゴリに分類して前記複数のカテゴリに関する情報を前記カテゴリ準拠プロファイルに追加することにより、更新するステップを含む、請求項２に記載の方法。
12. 前記カテゴリ準拠プロファイル内のカテゴリが、前記カテゴリにおける文書の少なくとも一側面を特徴付け、前記カテゴリには他のカテゴリに対する前記カテゴリの重要度を示す重みが関連付けられている、請求項１１に記載の方法。
13. 前記カテゴリにおける文書の少なくとも一側面が、文書のファイルフォーマット、文書のトピック、および文書の出典からなるグループから選択される、請求項１２に記載の方法。
14. 検索エンジンの検索結果を個人化するコンピュータ実行方法であって、
    １個以上のプロセッサおよび前記１個以上のプロセッサが実行するプログラムを保存するメモリを有する検索エンジン・システムにより実行されるステップである、
    複数のユーザー向けに複数のユーザー・プロファイルを、各々のユーザー・プロファイルが少なくともユーザーの識別番号と、ユーザーが訪問した文書から導出された情報であって、前記ユーザーが訪問した文書へのリンクを有する文書に含まれるアンカー・テキストから導出された情報を含む情報と、を含むように作成するステップと、
    前記複数のユーザーの１ユーザーから、少なくとも１個のクエリー単語およびユーザーの識別番号を含む検索クエリーを受け取るステップと、
    前記ユーザーの識別番号に一致するユーザー・プロファイルを検索するステップと、
    前記検索クエリーおよび前記ユーザー・プロファイルから個人別クエリー・ストラテジーを生成するステップと、
    前記個人別クエリー・ストラテジーに従ってインターネットから個人別の文書集合を選択するステップであって、各々の文書が、少なくとも一部において前記文書と前記検索クエリーとの適合度に基づく一般的なランク付け点数を有する、ステップと、
    前記文書集合の各々の文書に、少なくとも一部において前記ユーザー・プロファイルと前記文書のランク付け点数とに基づいて、個人別ランク付け点数を割り当てるステップと、
    一般的な点数および個人別ランク付け点数に従い、前記文書集合をランク付けするステップと、
    前記ランク付けされた検索結果文書の集合を前記ユーザーに関連付けられたクライアントシステムに提供するステップと、
    前記検索結果文書の集合から前記ユーザーが選択した文書に基づいて前記ユーザーの前記ユーザー・プロファイルを更新するステップとを含む方法。
15. 前記ユーザーのユーザー・プロファイルを作成するステップが更に、
    前記ユーザーが訪問した文書から用語の集合を抽出して、各々の抽出された用語に重みを関連付けることにより、用語準拠プロファイルを作成するステップと、
    前記ユーザーが訪問した文書に関連付けられた複数のカテゴリを決定して、各々の決定されたカテゴリに重みを関連付けることにより、カテゴリ準拠プロファイルを作成するステップとを含む、請求項１４に記載の方法。
16. 前記ユーザーのユーザー・プロファイルを作成するステップが更に、
    前記ユーザーが訪問した文書内のリンクを解析して、前記リンクに重みを関連付けることにより、リンク準拠プロファイルを作成するステップを含む、請求項１４に記載の方法。
17. 特定ユーザー向けのユーザー・プロファイルが、前記ユーザーから提供された人口統計的および地理情報を含む、請求項１４に記載の方法。
18. 前記ランク付けされた文書集合が２個の文書部分集合を含み、一方の文書部分集合がその一般的なランク付け点数により順序付けられていて、他方の文書部分集合が個人別ランク付け点数により順序付けられている、請求項１４に記載の方法。
19. 検索エンジン・システムであって、
    プログラムを実行するための１個以上の中央処理装置と、
    情報を受け取るインターフェースと、
    前記１個以上の中央処理装置により実行可能な検索エンジン・モジュールとを含み、前記モジュールが、
    ユーザー向けのユーザー・プロファイルにアクセスする命令であって、前記ユーザー・プロファイルの内容がユーザー情報から生成され、前記ユーザー情報が、前記ユーザーがアクセスした文書へのリンクを有する文書に含まれるアンカー・テキストから導出された情報を含む、命令と、
    前記ユーザーから検索クエリーを受け取る命令と、
    前記検索クエリーに一致する検索結果文書の集合を識別する命令と、
    少なくとも前記複数の検索結果文書の各々の文書に一般的な点数を割り当てる命令と、
    前記複数の検索結果文書の各々の文書に割り当てられた一般的な点数および前記ユーザーのユーザー・プロファイルに従って、前記複数の検索結果文書の各々の文書に個人別点数を割り当てる命令と、
    各々の個人別点数に従って少なくとも前記複数の検索結果文書にランク付けする命令と、
    前記ランク付けされた検索結果文書の集合を前記ユーザーに関連付けられたクライアントシステムに提供する命令と、
    前記検索結果文書の集合から前記ユーザーが選択した文書に基づいて前記ユーザー・プロファイルを更新する命令とを含む、システム。
20. 前記ユーザー情報は、前記検索エンジンからの検索結果により特定された文書、前記ユーザーがアクセスした文書、前記検索エンジンからの検索結果により特定された文書にリンクされた文書、および前記ユーザーがアクセスした文書にリンクされた文書を含む第１の文書の集合から導出される、請求項１９に記載のシステム。
21. 前記ユーザー・プロファイルに追加される、解析されたリンクから導出された情報は、リンク準拠プロファイルに追加され、且つＵＲＬまたはＵＲＬの一部に関する情報を含む、請求項１９に記載のシステム。
22. 前記リンク準拠プロファイルが、
    複数のＵＲＬおよび、各々のＵＲＬに関連付けられた重みであって、前記ユーザーがＵＲＬを訪問する頻度、前記ＵＲＬに関連付けられた文書を前記ユーザーが閲覧するのに費やした時間、および前記ユーザーによる前記文書でのスクロール行為の量からなるグループから選択された１個以上の要因に基づく重みと、
    複数のホストおよび、各々のホストに関連付けられた重みであって、前記ホストへの前記ユーザーの訪問の頻度に基づく重みとを含む、請求項２１に記載のシステム。
23. 前記ＵＲＬが更に、前記ユーザーが訪問していないが、前記ユーザーが訪問したことのあるＵＲＬにリンク関係を有するＵＲＬを含み、前記未訪問ＵＲＬの重みが、該未訪問ＵＲＬと訪問されたことのある少なくとも１個の関連ＵＲＬとの間の経由するリンクの数に依存する、請求項２２に記載のシステム。
24. 前記第１の文書集合内の文書から用語の集合を識別して、且つ識別された用語の集合に関する情報を用語準拠プロファイルに追加することにより、前記用語準拠プロファイルを更新する命令と、
    前記文書を複数のカテゴリに分類して、前記複数のカテゴリに関する情報をカテゴリ準拠プロファイルに追加することにより、前記カテゴリ準拠プロファイルを更新する命令とを更に含む、請求項２０に記載のシステム。
25. 前記用語準拠プロファイル内の用語が、少なくとも１個の単語および重みを含む表現である、請求項２４に記載のシステム。
26. 前記重みが、前記第１の文書集合における用語の出現に関連付けられた重みである、請求項２５に記載のシステム。
27. 前記用語の重みが、前記第１の文書集合における前記用語の用語頻度および逆文書頻度に少なくとも部分的に依存する、請求項２５に記載のシステム。
28. １個以上のプロセッサが実行する１つ以上のプログラムを保存するコンピュータ可読な記憶媒体であって、前記１つ以上のプログラムが、
    ユーザー向けのユーザー・プロファイルに対してアクセスする命令であって、前記ユーザー・プロファイルの内容がユーザー情報を含み、前記ユーザー情報が、前記ユーザーがアクセスした文書へのリンクを有する文書に含まれるアンカー・テキストから導出された情報を含む、命令と、
    前記ユーザーから検索クエリーを受け取る命令と、
    前記検索クエリーに一致する検索結果文書の集合を識別する命令と、
    少なくとも複数の前記検索結果文書の各々の文書に一般的な点数を割り当てる命令と、
    前記検索結果文書の各々の文書に割り当てられた一般的な点数および前記ユーザーのユーザー・プロファイルに従って、前記複数の検索結果文書の各々の文書に個人別点数を割り当てる命令と、
    少なくとも前記複数の検索結果文書を、それらの個人別点数に従ってランク付けする命令と、
    前記ランク付けされた検索結果文書の集合を、前記ユーザーに関連付けられたクライアントシステムに提供する命令と、
    前記検索結果文書の集合から前記ユーザーが選択した文書に基づいて前記ユーザー・プロファイルを更新する命令とを含む、コンピュータ可読な記憶媒体。

Images