JP7545061B2 - 情報処理システム、情報処理方法、プログラム - Google Patents

Description

本発明は、情報処理システム、情報処理方法、プログラムに関する。

企業内に電子化された文書が増えるにつれ、業務上必要な文書を効率的に検索するための文書検索システムの重要性が高まっている。ここで、文書検索システムは、ユーザーが入力した検索条件に関連する文書集合をユーザーに提示するシステムである。代表例としては、文字列で検索クエリを入力し、検索クエリ中に含まれる検索キーワードによって関連文書を取得する機能を持つものがある。

検索システムにおいて、検索結果の文書において検索キーワードが現れる周辺の文字列を表示し、さらに検索キーワードをハイライトする（ハイライト機能）等により識別表示する技術が存在する（以下、識別表示の対象となる単語を識別単語という）。

ハイライト機能により、ユーザーは検索結果として得られる複数の文書から自分にとって興味のある単語を効率的に見つけることができ、その結果、自分が求めている文書がどの文書であるか素早く把握することができる。

非特許文献１には、文書検索システムにおけるハイライト機能について開示されている。

ｈｔｔｐｓ：／／ｗｗｗ．ｈｉｔａｃｈｉ－ｓｙｓｔｅｍｓ．ｃｏｍ／ｉｎｄ／ｓｒｐａｒｔｎｅｒ／ｐｒｏｄｕｃｔ／ｈｉｇｈｌｉｇｈｔ／ｉｎｄｅｘ．ｈｔｍｌ

非特許文献１には、検索に用いたキーワードについてユーザが指定した色でハイライトして表示する機能について開示されている。

しかし、検索の仕方によっては、検索に用いたキーワードがハイライトされるだけでは、検索された文書の特徴を効率的に把握できない等の課題がある。

そこで、本発明は、検索結果を効率的に確認できる仕組みを提供することを目的とする。

本発明の情報処理システムは、ユーザから指定された検索クエリを用いて文書検索を行う検索手段と、前記検索手段による検索結果を表示するよう制御する表示制御手段と、前記検索された文書から当該文書における特徴語を取得する特徴語取得手段と、を備え、前記表示制御手段は、前記検索手段により検索された文書における前記特徴語を識別単語として識別可能に表示するよう制御することを特徴とする。

また、本発明の情報処理システムは、ユーザから指定された検索クエリを用いて文書検索を行う検索手段と、前記検索手段による検索結果を表示するよう制御する表示制御手段と、前記検索手段により検索された文書に関連する単語である関連語を取得する関連語取得手段と、を備え、前記表示制御手段は、前記検索手段により検索された文書に含まれる前記関連語を識別単語として識別可能に表示するよう制御することを特徴とする。

本発明によれば、検索結果を効率的に確認することがかのうとなる。

本発明の実施形態における、文書検索システムのシステム構成の一例を示す図である。 本発明の実施形態における、文書検索システム、クライアント端末のハードウェア構成の一例を示すブロック図である。 本発明の実施形態における、文書ＤＢに保存された検索対象文書集合の一例を示す図である。 本発明の実施形態における、検索条件として用いられるデータの一例を示す図である。 本発明の実施形態における、検索結果として用いられるデータの一例を示す図 本発明の実施形態における、検索結果一覧に関する優先度ルール表の一例を示す図である。 本発明の実施形態における、検索結果詳細に関する優先度ルール表の一例を示す図である。 本発明の実施形態における、識別単語候補作成部が作成する識別単語候補ソース表の一例を示す図である。 本発明の実施形態における、識別単語候補作成部が作成する識別単語候補表の一例を示す図である。 本発明の実施形態における、検索処理部が実施する検索処理を示すフローチャートである。 本発明の実施形態における、識別単語候補作成部が実施する識別単語候補作成処理を示すフローチャートである。 本発明の実施形態における、検索結果画面の一例を示す図である。 本発明の実施形態における、検索結果画面において識別単語候補を表示している状態の一例を示す図である。 本発明の実施形態における、検索結果画面において識別単語を選択した状態の一例を示す図である。 本発明の実施形態における、検索結果詳細画面において識別単語候補を表示している状態の一例を示す図である 本発明の実施形態における、検索結果詳細画面において識別単語を選択した状態の一例を示す図である。

以下、図面を参照して、本発明の実施形態を詳細に説明する。

図１は、本発明の実施形態における文書検索システム１００のシステム構成の一例を示す図である。

文書検索システム１００は、文書登録装置１１０、文書ＤＢ１２０、文書検索装置１３０、特徴語更新装置１４０から成る。

文書登録装置１１０は、ユーザーによる検索の対象となる文書を登録するための装置であり、文書受信部１１１、キーワード抽出部１１２、文書登録処理部１１３から成る。

文書受信部１１１は、登録対象の文書を受け付けるための機能部である。ユーザー（クライアント端末）はＷｅｂブラウザなどを通じて任意の文書を文書受信部１１１に送信できる。あるいは、クローラーが機械的に文書を収集して送信するような構成をとってもよい。

キーワード抽出部１１２は、文書受信部１１１が受け付けた文書から、当該文書における特徴語の候補となるキーワードとその出現頻度を抽出するための機能部である。特徴語の詳細については後述する。キーワード抽出部１１２におけるキーワード抽出処理は、公知の形態素解析技術を用いる。ここで、抽出する形態素は、文書検索システムの用途に応じて、固有名詞などの特定の品詞に限定してもよい。また、形態素解析を使用せずに、事前に定めたパターンに一致する文字列をキーワードとして抽出してもよい。

文書登録処理部１１３は、文書受信部１１１で受け付けた文書と、キーワード抽出部１１２において抽出したキーワードとを紐づけて、文書ＤＢ１２０へ格納する装置である。

文書ＤＢ１２０は、文書を一意に識別するための文書ＩＤ、文書名、本文、キーワード抽出部１１２が抽出した値を格納するキーワード：出現頻度、および、特徴語を格納する領域を備える。文書ＤＢ１２０に格納されたデータの一例を図３に示す。特徴語の作成方法ついては後述する。なお、本アイデアを説明するための構成として、前述の５項目を例示しているが、文書の所在を示すＵＲＬ、文書のサイズ、文書の作成者など、文書検索システムとして利用する項目を追加で備えてもよい。

文書検索装置１３０は、検索処理部１３１、検索条件保存部１３２、検索操作保存部１３３、検索結果保存部１３４、識別単語候補作成部１３５、優先度ルール表（検索結果一覧）１３６、優先度ルール表（検索結果詳細）１３７からなる。

検索処理部１３１は、ユーザーからの検索操作を受け付け、その検索操作を解釈して検索ＤＢに問い合わせる検索条件を生成し、その検索条件に合致する文書を文書ＤＢ１２０から検索する機能部であり、検索条件に関連のある文書をスコア順に取得する機能を備える。検索処理部１３１が行う検索処理の詳細は後述する。さらに、ユーザーは検索処理部１３１へ検索操作を送ると同時に識別単語を送ることもできる。

検索条件保存部１３２は、ユーザーが行った検索の検索条件を保存する機能部である。検索条件は図４のように「検索クエリ」と「類似文書検索クエリの特徴語」と「キーワードフィルター」からなる。

検索操作保存部１３３は、ユーザーが行った検索の検索操作を保存する機能部である。検索操作保存部１３３に保存される値としては少なくとも「検索クエリによる検索」、「類似文書検索」、「キーワードフィルターの追加」の３種類の値がありうる。さらに、「キーワードフィルターの追加」の際には追加情報としてキーワードの文字列を保存できる。

検索結果保存部１３４は、ユーザーが行った検索の検索結果を保存する機能部である。検索結果は図５のように、文書ＤＢ１２０から検索条件に合致する文書集合を抜き出した「文書一覧」と、検索結果に関連する単語の一覧である「関連語」と、文書一覧の文書ＩＤごとに本文内から識別表示する部分を抜き出した「スニペット」からなる。

検索処理部１３１は、検索処理を実行するたびに検索条件保存部１３２および検索操作保存部１３３および検索結果保存部１３４に保存している情報を更新する。

識別単語候補作成部１３５は、図９のような識別単語候補表を作成する識別単語候補作成処理を行う。識別単語候補表は単語とその優先度を持つ表である。識別単語候補表作成処理については後述する。

優先度ルール表（検索結果一覧）１３６は、検索結果一覧に関する識別単語候補作成処理において用いる、図６のような優先度ルールを保持する。また、優先度ルール表（検索結果詳細）１３７は、検索結果詳細に関する識別単語候補作成処理において用いる、図７のような優先度ルールを保持する。これらの表の利用方法については、識別単語候補表作成処理の説明時に合わせて説明する。なお、これらの優先度ルール表は文書検索システムを構築したときにシステム管理者が値を設定できる。

特徴語更新装置１４０は、文書ＤＢに格納された各文書について、特徴的なキーワードを特徴語として抽出して当該レコードを更新する装置である。特徴語の選出は、単語の特徴量を表す指標の１つであるｔｆ－ｉｄｆを用いることで実現できる。特徴語更新装置１４０は、文書ＤＢ１２０におけるキーワード：出現頻度の項目から、各単語の出現頻度を取得し、ｔｆ－ｉｄｆ値の高い順に、最大Ｎ件のキーワードを特徴語として抽出する。Ｎの値は文書検索システムを構築したときにシステム管理者が値を設定できる。例えば、図３の文書ＤＢ１２０において、文書１の特徴語は、「設計」、「画面」、「モバイル」の３件である。

なお、図１において、文書検索システム１００を構成する装置として、文書登録装置１１０、文書検索装置１３０、特徴語更新装置１４０の３つの装置と文書ＤＢ１２０とで構成される例を説明したが、本発明における文書検索システムはこの構成例に限定されるものではなく、各装置が備える機能を一つの装置が備えたシステムであっても良い。

図２は、本発明の文書検索検索システム１００や各装置として適用可能な情報処理装置のハードウェア構成の一例を示すブロック図である。

図２に示すように、情報処理装置は、システムバス２００を介してＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２０２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０３、記憶装置２０４、入力コントローラ２０５、音声コントローラ２０６、ビデオコントローラ２０７、メモリコントローラ２０８、よび通信Ｉ／Ｆコントローラ２０９が接続される。

ＣＰＵ２０１は、システムバス２００に接続される各デバイスやコントローラを統括的に制御する。

ＲＯＭ２０２あるいは外部メモリ２１３は、ＣＰＵ２０１が実行する制御プログラムであるＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）やＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や、本情報処理方法を実現するためのコンピュータ読み取り実行可能なプログラムおよび必要な各種データ（データテーブルを含む）を保持している。

ＲＡＭ２０３は、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＯＭ２０２あるいは外部メモリ２１３からＲＡＭ２０３にロードし、ロードしたプログラムを実行することで各種動作を実現する。

入力コントローラ２０５は、キーボード２１０や不図示のマウス等のポインティングデバイス等の入力装置からの入力を制御する。入力装置がタッチパネルの場合、ユーザがタッチパネルに表示されたアイコンやカーソルやボタンに合わせて押下（指等でタッチ）することにより、各種の指示を行うことができることとする。

また、タッチパネルは、マルチタッチスクリーンなどの、複数の指でタッチされた位置を検出することが可能なタッチパネルであってもよい。

ビデオコントローラ２０７は、ディスプレイ２１２などの外部出力装置への表示を制御する。ディスプレイは本体と一体になったノート型パソコンのディスプレイも含まれるものとする。なお、外部出力装置はディスプレイに限ったものははく、例えばプロジェクタであってもよい。また、前述のタッチ操作を受け付け可能な装置については、入力装置も提供する。

なおビデオコントローラ２０７は、表示制御を行うためのビデオメモリ（ＶＲＡＭ）を制御することが可能で、ビデオメモリ領域としてＲＡＭ２０３の一部を利用することもできるし、別途専用のビデオメモリを設けることも可能である。

メモリコントローラ２０８は、外部メモリ２１３へのアクセスを制御する。外部メモリとしては、ブートプログラム、各種アプリケーション、フォントデータ、ユーザファイル、編集ファイル、および各種データ等を記憶する外部記憶装置（ハードディスク）、フレキシブルディスク（ＦＤ）、或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュ（登録商標）メモリ等を利用可能である。

通信Ｉ／Ｆコントローラ２０９は、ネットワークを介して外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。例えば、ＴＣＰ／ＩＰを用いた通信やＩＳＤＮなどの電話回線、および携帯電話の４Ｇ回線、５Ｇ回線等を用いた通信が可能である。

尚、ＣＰＵ２０１は、例えばＲＡＭ２０３内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ２１２上での表示を可能としている。また、ＣＰＵ２０１は、ディスプレイ２１２上の不図示のマウスカーソル等でのユーザ指示を可能とする。

次に、図１０のフローチャートを用いて本発明の形態において検索処理部１３１がクライアント端末から検索リクエストを受けたときに実行する検索処理について説明する。

まず、ステップＳ１００１において、クライアントから受けた検索操作に含まれる検索条件と、検索条件保存部１３２に保存されている検索条件とを合わせることで、一つの検索条件を作る。

検索条件には図４のように「検索クエリ」と「類似文書検索クエリの特徴語」と「キーワードフィルター」とを含む。図４に示す通り、検索クエリはキーワードである。検索クエリを含む検索条件によって、文書ＤＢ１２０に登録された文書の本文に対して全文検索が行われる。

類似文書検索クエリの特徴語は、ユーザーが手持ちの文書を文書検索システム１００へ送信し、文書検索システム１００がその文書に類似する文書を検索ＤＢから取得する類似文書検索において、検索条件として用いられるキーワードである。ユーザーから文書を受け付けると、文書検索システム１００はその文書において特徴的な単語をｔｆ－ｉｄｆのような統計値から求めて特徴語として自動抽出する。類似文書検索クエリの特徴語を含む検索条件による検索処理により、文書ＤＢに登録された文書のキーワードと、類似文書検索クエリにおける特徴語の一致率がしきい値以上の文書が取得される。

キーワードフィルターはキーワードを含む絞り込み条件である。これを含む検索条件による検索処理により、文書ＤＢから当該キーワードを含む文書のみの検索が行われる。

「検索クエリ」と「類似文書検索クエリの特徴語」と「キーワードフィルター」のうち複数の種類を含む検索条件からは、それぞれの条件のＡＮＤ条件をとることで最終的な検索結果の文書一覧が決まる。

例えば、検索条件保存部１３２に何も保存されていない状態で、ユーザーから「操作種別：検索クエリによる検索、検索クエリ：『製品Ｘ 仕様』」という検索操作を受け付けたとする。このとき検索クエリが「製品Ｘ 仕様」である検索条件を生成する。そうすると、後の処理により、検索条件保存部１３２に「検索クエリ：『製品Ｘ 仕様』」という検索条件が保存される。

その後、追加でユーザーから「操作種別：キーワードフィルターの追加、キーワード：『画面』」という検索操作を受け付けたとする。このとき、検索条件保存部１３２に保存された検索条件である「検索クエリ：『製品Ｘ 仕様』」と、ユーザーから受け付けた操作により生成されるキーワードフィルター「画面」を合わせて、「検索クエリ：『製品Ｘ 仕様』」かつ「キーワードフィルター：『画面』」であるような検索条件を生成する。

ステップＳ１００２において、検索条件に合致する文書を文書ＤＢ１２０から検索し、検索された文書を、検索条件に合致する程度を示す値であるスコアの高い順に並べる。効率的な検索処理を実現するためには、文書登録処理部１１３において、公知の技術である転置インデックスを作成して検索時に用いればよい。

ステップＳ１００３において、検索結果の関連語を求める。関連語としては、検索された文書に含まれるキーワードのうち一部を用いる。具体的な関連語の取得方法として、例えば検索された文書のうちおよそ半分の文書に共通に含まれるキーワードを選出する。この選出方法により、検索された文書において複数の話題を持つ文書が混在するとき、それらの話題を適切に分割する関連語が選ばれることを期待できる。

ステップＳ１００４において、生成された検索条件により検索条件保存部１３２を更新し、ユーザーから受け付けた検索操作により検索操作保存部１３３を更新する。

ステップＳ１００５において、ユーザーから識別単語を提示（指定）されたか否かにより処理を分岐する。識別単語を提示されている場合、それを識別単語として用いてステップＳ１０１０に進む。提示されていない場合、ステップＳ１００６に進む。

ステップＳ１００６において、文書検索システムが識別単語簡易選択の動作モードであるか否かによって処理を分岐する。識別単語簡易選択の動作モードであるかどうかは、文書検索システムのシステム管理者により設定可能である。簡易選択の動作モードであればステップＳ１００７に進み、簡易選択の動作モードでなければＳ１００８に進む。

識別単語簡易選択モードである場合（ステップＳ１００６：ＹＥＳ）は、ステップＳ１００７において、検索条件保存部に保存されている検索クエリから、空白区切りにより単語を抜き出し、それを識別単語として用いる。

識別単語簡易選択モードではない場合（ステップＳ１００６：ＮＯ）は、ステップＳ１００８において、識別単語候補作成部に識別単語候補作成処理を行わせ、その結果を受け取る。識別単語候補作成処理については後述する。結果として図９のような、単語と優先度を持つ識別単語候補表を得られる。

ステップＳ１００９では、識別単語候補表から所定の条件を満たす単語（例えば優先度上位Ｎ件の単語や優先度が閾値以上の単語など）を識別単語として選出する。ここでＮは文書検索システム１００において定義された定数である。

ユーザーは検索クエリに含まれる単語がハイライトされる動作に慣れている場合があるため、その場合にはシステム管理者が識別単語簡易選択の動作モードになるよう文書検索システムを設定することで、検索クエリの単語がハイライトされるようになり、ユーザーにとって違和感のない挙動を実現できる。

一方で、よりユーザーにとって興味深い可能性が高い単語をハイライトさせたい場合、システム管理者は識別単語候補作成処理を行わせるよう文書検索システムを設定することもできる。

ステップＳ１０１０において、検索結果として得られた各文書の本文から識別単語周辺の文字列をスニペットとして抽出する。周辺の文字列として、識別単語の前後Ｎ文字を用いることができる。ここでＮは文書検索システム１００において定義された定数である。

さらに、クライアント端末において識別単語部分が識別表示されるように、抽出したスニペットの識別単語の部分を識別表示タグで囲む。識別表示の方法としては、識別単語を太字で表示する方法、他の文字列とは異なるフォントで表示する方法、マーカーで色付けして表示する方法、他の文字列とは異なる文字色で表示する方法など、識別単語が識別可能になる表示形態であればいずれでも良い。

スニペットを効率よく抽出するために、公知の技術である転置インデックスを用いて本文内における識別単語の位置を取得することができる。

識別単語が複数ある場合、各識別単語および周辺文脈の抽出結果を文字列結合したものをスニペットとして用いることができる。

例えば図１２に示す検索画面においては、ユーザーは明示的に識別単語を指定しておらず、検索クエリ１２０１に「製品Ｘ 仕様」が設定されており、類似文書検索クエリの特徴語１２０２に「製品Ｙ」「仕様」「画面」という特徴語が設定されており、キーワードフィルター１２０３に「画面」「モバイル」というキーワードが設定されている。なお、画面上では「絞り込み条件」というラベルによりキーワードフィルターを表示している。ここで、仮にステップＳ１００６において識別単語簡易選択の動作モードがＹｅｓであったとすると、ステップＳ１００７により識別単語として「製品Ｘ」「仕様」という２件の単語が選出される。そのとき、検索処理部は検索結果の一番目の文書において、「製品Ｘ」および「仕様」の周辺文脈として本文内から「製品Ｘの管理画面の仕様は以下の通りとする」というスニペットを抽出する。さらに「製品Ｘ」「仕様」を識別表示タグで囲む。その結果、クライアント端末では検索結果の一番目の文書において、「製品Ｘの管理画面の仕様は以下の通りとする」「管理画面の仕様は以下の通りとする」という２つのテキストからなるスニペットが表示され、「製品Ｘ」「仕様」は識別表示される。

また、図１４の検索画面において、ユーザーは識別単語として「モバイル」を指定している。この場合、検索処理部は識別単語として「モバイル」を選出する。以下同様にして、クライアント端末では検索結果の一番目の文書において、「管理画面はモバイル向けには提供しない」「モバイル向けの検索画面の設計は以下の通り」という２つのテキストからなるスニペットが表示され、「モバイル」は識別表示される。

ステップＳ１０１１において、文書ＤＢ１２０から得られた文書一覧と求めた関連語とスニペットにより検索結果保存部１３４を更新する。

ステップＳ１０１２において、検索結果をクライアント端末へ返す。クライアント端末では図１２のような検索結果画面が表示される。

次に、図１１のフローチャートを用いて、本発明の実施形態における識別単語候補作成部１３５が実行する識別単語候補作成処理について説明する。

また、参考例として、検索条件保存部１３２に図４の検索条件が、検索結果保存部１３３に図５の検索結果が保存されているものとし、検索操作保存部１３３に保存されている検索操作が「キーワードフィルターの追加・キーワード『モバイル』」であるとする。また、優先度ルール表として優先度ルール表（検索結果一覧）１３６を用いて、その中身が図６であるとする。

ステップＳ１１０１からＳ１１０５にかけて、識別単語候補ソース表の作成処理が行われる。識別単語候補ソース表は図８のように単語と、その単語の取得元および取得元詳細からなる表である。取得元詳細は空のことがありうる。同じ単語が２回以上出現する場合もある。

ステップＳ１１０１において、検索条件保存部１３２に保存されている検索クエリから単語を識別単語候補ソース表に加える。

例えば、図４の検索条件には検索クエリ「製品Ｘ 仕様」が含まれるが、この検索クエリの文字列を空白で区切り「製品Ｘ」「仕様」という単語が得られる。「製品Ｘ」は取得元を「検索クエリ」とし、検索クエリ内の左から１番目に得られた単語であるため取得元詳細を「前から１番目」として識別単語候補ソース表に加える。同様に「仕様」は取得元を「検索クエリ」とし、検索クエリの左から２番目に得られた単語であるため取得元詳細を「前から２番目」として識別単語候補ソース表に加える。

ステップＳ１１０２において、検索条件保存部１３２に保存されている類似文書検索クエリの特徴語から単語を識別単語候補ソース表に加える。

例えば、図４の検索条件には類似文書検索クエリの特徴語として「製品Ｙ」「仕様」「画面」が含まれるため、「製品Ｙ」「仕様」「画面」という単語が得られる。これらの単語は、取得元を「類似文書検索クエリの特徴語」として識別単語候補ソース表に加える。

ステップＳ１１０３において、検索条件保存部１３２に保存されているキーワードフィルターから単語を識別単語候補ソース表に加える。

例えば、図４の検索条件にはキーワードフィルターとして「画面」「モバイル」が含まれるため、「画面」「モバイル」という単語が得られる。これらの単語は、取得元を「キーワードフィルター」として識別単語候補ソース表に加える。

ステップＳ１１０４において、検索結果保存部１３４に保存されている関連語から単語を識別単語候補ソース表に加える。

例えば、図５の検索結果には関連語として「企画」「設計」「提案」が含まれるため、「企画」「設計」「提案」という単語が得られる。これらの単語は、取得元を「検索結果の関連語」として識別単語候補ソース表に加える。

ステップＳ１１０５において、検索結果保存部１３４に保存されている文書一覧の特徴語（その文書において特徴的な単語であって、ｔｆ－ｉｄｆのような統計値から求められる単語）を識別単語候補ソース表に加える。

例えば、図５の検索結果の一番目の文書には特徴語として「設計」「画面」「モバイル」が含まれるため、「設計」「画面」「モバイル」という単語が得られる。これらの単語は、取得元を「検索結果の特徴語」とし、検索スコアが最も高い文書から得た特徴語であるため取得元詳細を「文書の検索スコア１位」として識別単語候補ソース表に加える。検索結果の２番目、３番目の文書についても同様に特徴語を加えることができる。

ステップＳ１１０６において、識別単語候補ソース表のエントリ一覧について繰り返す処理を開始する。

ステップＳ１１０７において、取得元および検索操作保存部１３３に保存されている検索操作に応じて、優先度ルールから加算する優先度を計算（算出）する。

例えば、図８の識別単語候補ソース表におけるエントリ８０１の単語「モバイル」の優先度は、図６の優先度ルール表（検索結果一覧）により以下のように計算される。まず取得元がキーワードフィルターであるため、ルール６０４より優先度は＋３００される。

また、検索操作保存部１３３に保存されている直近の検索操作の操作種別が「キーワードフィルターの追加」であり、かつ追加されたキーワードが「モバイル」であるため、ルール６０５より優先度は＋８００される。

一般に、ユーザーが最後に行った検索操作はユーザーが直前に興味を持った内容を反映していると考えられる。そのため、ユーザーが最後に行った検索操作に関連する識別単語は、優先度を上げて優先的に表示することが有益と考えられる。ルール６０１、６０２、６０３も同様に、ユーザーが直前に興味を持った内容の優先度を高めるためのルールである。

最終的にはエントリ８０１の単語「モバイル」の優先度は１１００となる。

もう一つの例として、図８の識別単語候補ソース表におけるエントリ８０２の単語「設計」の優先度は以下のように計算される。まず取得元が「検索結果の特徴語」由来であるため、ルール６０４より優先度は＋５０される。
さらに、取得元詳細において文書の検索スコア順位が１位であるため、ルール６０５より優先度は－１される。

このルールは、検索順位が高いほど優先度を高くする（下げ幅を小さくする）というルールである。

検索順位が高い文書はユーザーの指定した検索条件への一致度合いが高く、ユーザーが興味を持つ可能性が高い文書といえる。そのため、検索順位が高い文書に特徴的に現れる識別単語は、優先度を上げて優先的に表示することが有益と考えられる。

ステップＳ１１０８では、識別単語候補表におけるその単語エントリの優先度を更新する。その際の優先度の値は、識別単語候補表に既にその単語が存在する場合、既存の優先度とステップＳ１１０７で求めた値を足したものである。一方、識別単語候補表にその単語が存在していない場合、ステップＳ１１０７で求めた値を優先度の初期値として単語を追加する。

例えば、図８の識別単語候補ソース表において、単語「モバイル」は取得元が「キーワードフィルター」であるエントリ８０１と、取得元が「検索結果文書の特徴語」であるエントリ８０３の２つのエントリがある。
エントリ８０１において優先度が１１００得られ、エントリ８０３において優先度が４９得られたとすると、最終的に単語「モバイル」の優先度はそれらの和である１１４９となる。

ステップＳ１１０９では、識別単語の一覧に未処理の単語が残っていれば処理をステップＳ１１０６に戻し、全て処理が終了していればステップＳ１１１０に進む。

ステップＳ１１１０では識別単語候補表を優先度の降順に並べ替える。なお、同一の優先度である単語はどのような順番にしてもよい。順番を一意にしたい場合、単語の文字コード順にしてもよい。

最終的な識別単語候補表は図９のようになる。仮に検索処理のステップＳ１００６で識別単語簡易選択の動作モードがＮｏであり、文書検索システムが優先度上位１単語を識別単語として選択する設定になっている場合、識別単語は「モバイル」となる。これは単純に検索クエリから識別単語を選んだ場合とは別の結果になる。こうして、直近の検索操作に関係が強いキーワードフィルターの単語など、ユーザーが興味を持つ可能性が高い単語を自動で優先して識別表示することができる。

識別単語候補作成処理は、検索処理の一部として呼ばれるだけでなく、クライアント端末からのリクエストに応じて単体で実行されることもある。ユーザーが識別単語を手動入力する際、候補をユーザーに提示して識別単語を簡易に入力できるようにすることを目的とする。

図１３を例として説明する。クライアント端末に検索結果画面が表示されているとき、ユーザーはクライアント端末を操作し、識別単語を手動で入力するフォーム１３０１にフォーカスを当てる。このとき、クライアント端末は文書検索システムへ識別単語候補表をリクエストする。リクエストを受け取った文書検索システムは識別単語候補作成処理を実施し、識別単語候補表をクライアント端末へ返す。なお、この場合には作成された識別単語候補表を上位だけに絞り込むことをせず、全件クライアント端末へ返す。なお、現在の検索結果において識別単語になっている単語のエントリを返さないこともできる。

識別単語候補表を受けったクライアント端末は、フォーム１３０１の下部に識別単語候補一覧１３０２を表示する。識別単語候補一覧１３０２は、識別単語候補表の単語を並べたものである。上に表示される単語ほど優先度が高く、上下が同じ位置では左に表示される単語ほど優先度が高い。

ユーザーがクライアント端末を操作して識別単語候補一覧１３０２に含まれる単語をクリックすると、フォーム１３０１にその単語が入力される。それと同時に、クライアント端末は、クリックされた単語を識別単語として現在と同じ検索条件で検索するよう、文書検索システムへリクエストを送る。その結果、文書検索システムにおいて検索処理が行われ、クライアント端末に検索結果が返ってくる。クライアント端末は返ってきた検索結果をもとに、検索結果の表示を更新する。なお、検索条件が同じであるため、検索結果の文書および順位は同一になり、実際にはスニペットの表示だけ更新されることになる。

例えば図１３において単語１３０３である「モバイル」がクリックされたとき、検索画面は図１４のように変化する。すなわち、検索結果の文書は同一であり、スニペットの表示が「モバイル」周辺の文字列に変化する。

さらに、クライアント端末に表示される画面として、特定の文書の詳細を表す図１５のような検索結果詳細画面も存在する。

これは、検索リクエストの返り値である検索結果として得られた文書から、１件の文書のみを詳細に表示する画面である。この画面によりユーザーは興味を持った文書について、本文をより詳細に確認することができる。
検索結果詳細画面においても、ユーザーが識別単語を手動で設定し、識別単語の周辺文脈を確認する機能がある。このときも、文書検索システムは識別単語の候補をユーザーに提示してユーザーが識別単語を入力できるよう支援を行う。

識別単語候補提示の流れは、検索結果一覧画面のものと類似している。
ユーザーがクライアント端末を操作し、識別単語を手動で入力するフォーム１５０１にフォーカスを当てたとき、クライアント端末は文書検索システムへ識別単語候補表をリクエストする。ただしこのとき、クライアント端末は優先度ルール表（検索結果詳細）を用いて優先度を決定するようにリクエストを行う。文書検索システムは優先度ルール表（検索結果詳細）を用いて求めた識別単語候補表をクライアント端末へ返す。識別単語候補表を受けったクライアント端末は、フォーム１５０１の下部に識別単語候補一覧１５０２を表示する。

ユーザーがクライアント端末を操作して識別単語候補一覧１５０２に含まれる単語をクリックすると、フォーム１５０１にその単語が入力される。それと同時に、クライアント端末は、クリックされた単語を識別単語として、現在詳細表示している文書の文書ＩＤを検索条件として検索するよう、文書検索システムへリクエストを送る。その結果文書検索システムにおいて検索処理が行われ、当該文書１件のスニペットを含む検索結果がクライアント端末に返される。端末は返された検索結果をもとに、本文の表示をスニペットに置き換える。なお、検索システムは本文以外でも、タイトルのようなテキスト項目からスニペットを抽出できる構成にすることが可能であり、本文以外のフィールドの表示を抽出されたスニペットで置き換えることができる。

例えば図１５において識別単語候補一覧にある単語１５０３「モバイル」がクリックされると、図１６のように本文が「モバイル」周辺の文字列を表示するよう変化する。タイトルは「モバイル」を含まないため、空欄を表示する。

検索結果詳細に関する識別単語候補表の作成処理について説明する。基本的には検索結果一覧によるものと同様、図１１のフローチャートに従って処理を行う。ただし、ステップＳ１１０５において、詳細表示対象の文書の特徴語のみを識別単語候補ソース表に加える対象として、それ以外の文書の特徴語は加えない。他の文書の関連語が詳細表示中の文書に関係ある可能性は低いためである。また、ステップＳ１１０７において優先度ルールを計算する際、優先度ルール表（検索結果詳細）１３７を用いて計算を行う。図７に優先度ルール表（検索結果詳細）１３７の例を記載している。基本的には優先度ルール表（検索結果一覧）１３６と同じであるが、検索結果の特徴語に関してはルール７０１のように、取得元が当該文書の特徴語である場合に適用されるルールとなる。また、検索スコアの順位は利用しない。

以上説明した通り、本発明では、検索クエリとして指定された単語だけでなく、検索された文書から取得される、当該文書を特徴付ける単語や、検索された文書に関連する単語についても識別表示の対象とすることが可能となるため、文書検索を行ったユーザは、検索結果を効率的に確認することが可能となる。

本発明は、例えば、システム、装置、方法、プログラムもしくは記録媒体等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

また、本発明におけるプログラムは、図１０、図１１に示すフローチャートの処理方法をコンピュータが実行可能なプログラムであり、本発明の記憶媒体は図１０、図１１の処理方法をコンピュータが実行可能なプログラムが記憶されている。なお、本発明におけるプログラムは図１０、図１１の各装置の処理方法ごとのプログラムであってもよい。

以上のように、前述した実施形態の機能を実現するプログラムを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムを読み出し、実行することによっても本発明の目的が達成されることは言うまでもない。

この場合、記録媒体から読み出されたプログラム自体が本発明の新規な機能を実現することになり、そのプログラムを記録した記録媒体は本発明を構成することになる。

プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＤＶＤ－ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＥＥＰＲＯＭ、シリコンディスク等を用いることが出来る。

また、コンピュータが読み出したプログラムを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

また、本発明は、複数の機器から構成されるシステムに適用しても、ひとつの機器から成る装置に適用しても良い。また、本発明は、システムあるいは装置にプログラムを供給することによって達成される場合にも適応できることは言うまでもない。この場合、本発明を達成するためのプログラムを格納した記録媒体を該システムあるいは装置に読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。

さらに、本発明を達成するためのプログラムをネットワーク上のサーバ、データベース等から通信プログラムによりダウンロードして読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。なお、上述した各実施形態およびその変形例を組み合わせた構成も全て本発明に含まれるものである。

１００ 文書検索システム

Claims (9)

1. ユーザから指定された検索クエリを用いて文書の検索を行う検索手段と、
   前記検索手段による検索の結果を表示するよう制御する表示制御手段と、
   前記検索手段により検索されたそれぞれの文書毎に、当該文書を特徴づける単語である特徴語を取得する特徴語取得手段と、
   を備え、
   前記表示制御手段は、前記ユーザから指定された検索クエリから取得された単語及び前記特徴語取得手段により取得された特徴語を含む識別単語候補のうち、取得元を含む情報に基づき算出される優先度に従い特定される単語を、当該文書の識別単語として当該文書に対応付けて識別可能に表示するよう制御することを特徴とする情報処理システム。
2. 前記特徴語取得手段は、前記文書に含まれる単語のｔｆ－ｉｄｆ値に基づき、当該文書における特徴語を取得することを特徴とする請求項１に記載の情報処理システム。
3. 前記表示制御手段は、前記優先度の高い順に所定数の識別単語を識別可能に表示するよう制御することを特徴とする請求項１または２に記載の情報処理システム。
4. ユーザにより識別単語の指定を受け付ける受付手段を備え、
   前記表示制御手段は、前記受付手段によりユーザから識別単語の指定を受け付けている場合、当該識別単語を識別可能に表示するよう制御することを特徴とする請求項１乃至３のいずれか１項に記載の情報処理システム。
5. 前記表示制御手段は、前記識別単語の候補を表示するよう制御することを特徴とし、
   前記受付手段は、前記表示された識別単語の候補の中から識別可能に表示する単語の選択を受け付けることで、識別単語の指定を受け付けることを特徴とする請求項４に記載の情報処理システム。
6. 前記表示制御手段は、前記検索手段により検索された文書から、前記識別可能に表示する対象である識別単語の周辺の文字列をスニペットとして表示するよう制御することを特徴とする請求項１乃至５のいずれか１項に記載の情報処理システム。
7. 前記表示制御手段は、前記スニペットに含まれる前記識別単語を識別可能に表示することを特徴とする請求項６に記載の情報処理システム。
8. 情報処理システムにおける情報処理方法であって、
   前記情報処理システムの検索手段が、ユーザから指定された検索クエリを用いて文書の検索を行う検索工程と、
   前記情報処理システムの表示制御手段が、前記検索工程による検索の結果を表示するよう制御する表示制御工程と、
   前記情報処理システムの特徴語取得手段が、前記検索工程において検索されたそれぞれの文書毎に、当該文書を特徴づける単語である特徴語を取得する特徴語取得工程と、
   を備え、
   前記表示制御工程は、前記ユーザから指定された検索クエリから取得された単語及び前記特徴語取得工程において取得された特徴語を含む識別単語候補のうち、取得元を含む情報に基づき算出される優先度に従い特定される単語を、当該文書の識別単語として当該文書に対応付けて識別可能に表示するよう制御することを特徴とする情報処理方法。
9. コンピュータを、請求項１乃至７のいずれか１項に記載の各手段として機能させるためのプログラム。
   
   

Images