特許 6161679 検索エンジン及びその実現方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6161679

(24)【登録日】2017年6月23日

(45)【発行日】2017年7月12日

(54)【発明の名称】検索エンジン及びその実現方法

(51)【国際特許分類】

   G06F 17/30 20060101AFI20170703BHJP

【ＦＩ】

   G06F17/30 380E

   G06F17/30 210A

   G06F17/30 350C

【請求項の数】18

【全頁数】26

(21)【出願番号】特願2015-232575(P2015-232575)

(22)【出願日】2015年11月30日

(65)【公開番号】特開2017-10514(P2017-10514A)

(43)【公開日】2017年1月12日

【審査請求日】2015年11月30日

(31)【優先権主張番号】201510342427.4

(32)【優先日】2015年6月18日

(33)【優先権主張国】CN

(73)【特許権者】

【識別番号】513224353

【氏名又は名称】バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド

(74)【代理人】

【識別番号】100147485

【弁理士】

【氏名又は名称】杉村 憲司

(74)【代理人】

【識別番号】100169823

【弁理士】

【氏名又は名称】吉澤 雄郎

(74)【代理人】

【識別番号】100163511

【弁理士】

【氏名又は名称】辻 啓太

(72)【発明者】

【氏名】ファーン ガオリン

【審査官】 小太刀 慶明

(56)【参考文献】

【文献】 特表２０１２−５１５３７９（ＪＰ，Ａ）

【文献】 特開２００６−２５１９３５（ＪＰ，Ａ）

【文献】 特開２００９−１１０２３１（ＪＰ，Ａ）

【文献】 特開平０８−３２０８７９（ＪＰ，Ａ）

【文献】 特開２０１０−２０５１８９（ＪＰ，Ａ）

【文献】 米国特許出願公開第２０１１／０１２５５７８（ＵＳ，Ａ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １７／３０

(57)【特許請求の範囲】

【請求項1】

ユーザで入力されたクエリ要求を受信するステップと、
前記クエリ要求にマッチした候補結果を検索するステップと、
クリックエスケープモデルに基づいて前記クエリ要求と各候補結果との間の意味的な関連性を確定するステップと、
前記意味的な関連性に応じて候補結果をソートするステップと、を含んでおり、
ここで、前記クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、前記エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、前記非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含み、
前記クエリ要求と各候補結果との間の意味的な関連性を確定するステップにおいては、
各候補結果に対して、
前記クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定するステップと、
確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいて前記クエリ要求と前記候補結果との間の意味的な関連性を確定するステップと、を含んでおり、
ここで、前記語句は、候補結果のタイトル、アンカーテキスト及び正文におけるコア語句のうちの少なくとも１つに含まれ、
前記クエリ要求と候補結果の語句との間の意味的な関連性を確定するステップにおいては、
前記クリックエスケープモデルに基づいて、語句間のテキストテーママッチングモデルを利用して前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算するステップと、
前記クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定するステップと、
前記エスケープ要素及び前記テーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算するステップと、を含むことを特徴とする検索エンジンの実現方法。

【請求項2】

前記クリックエスケープモデルに基づいて前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算するステップにおいては
ワードアライメントを利用して候補結果の語句から前記クエリ要求における用語とアライメントする単語と隣接する前の単語及び後の単語を確定するステップと、
前記エスケープ辞書及び／または非エスケープ辞書に基づいて候補結果の語句における対応の前の単語及び後の単語の類似度重みを調整するステップと、
調整後の類似度重みに基づいて、語句間のテキストテーママッチングモデルを利用して前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算するステップと、を含むことを特徴とする請求項１に記載の方法。

【請求項3】

エスケープ辞書及び／または非エスケープ辞書に基づいて候補結果の語句における対応の前の単語及び後の単語の類似度重みを調整するステップにおいては、
非エスケープ辞書が候補結果の語句における対応用語及びその前の単語または後の単語を含む場合に、当該前の単語または後の単語の類似度重みを下げるステップと、
エスケープ辞書が候補結果の語句における対応用語及びその前の単語または後の単語を含む場合に、当該前の単語または後の単語の類似度重みを上げるステップと、を含むことを特徴とする請求項２に記載の方法。

【請求項4】

前記語句間のテキストテーママッチングモデルは下記のベクトル空間モデルであることを特徴とする請求項２に記載の方法。

【数1】

【請求項5】

前記クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定するステップにおいては、
マッチング状况はクエリ要求における最も重要な用語が候補結果の語句に出現していない場合に、エスケープ要素を第１値として確定するステップと、
マッチング状况は前後の単語のマッチングが存在している場合に、エスケープ要素を第２値として確定するステップと、
マッチング状况は前後の単語の完全なマッチングが存在していない場合に、エスケープ要素を第３値として確定するステップと、を含み、
ここで、前記第１値が第２値より小さく、且つ前記第２値が第３値より小さいことを特徴とする請求項１に記載の方法。

【請求項6】

下記の式でクエリ要求と候補結果の語句との間の意味的な関連性を計算することを特徴とする請求項１に記載の方法。

【請求項7】

前記クリックエスケープモデルにおけるエスケープ辞書及び非エスケープ辞書はクエリ要求・検索結果Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック数を学習することにより構築されることを特徴とする請求項１に記載の方法。

【請求項8】

前記エスケープ辞書及び非エスケープ辞書は、下記の方法で構築された生なエスケープ辞書及び生な非エスケープ辞書を含み、すなわち、
Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比を取得するステップと、
ワードアライメントを利用して検索結果からクエリ語句における用語とアライメントする単語と隣接する前後の単語を取得するステップと、
クリック表示比が第１の閾値より低いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応の用語及びその前後の単語を生なエスケープ辞書に加えるステップと、
クリック表示比が第２の閾値より高いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応の用語及びその前後の単語を生な非エスケープ辞書に加えるステップと、を含んでおり、
ここで、前記クリック表示比がクリック数と表示数との比であり、表示数は検索結果がクエリ要求に応じて表示される回数を指し、クリック数は検索結果がクエリ要求に応じて表示される時に、ユーザにクリックされた回数を示すことを特徴とする請求項７に記載の方法。

【請求項9】

前記エスケープ辞書及び非エスケープ辞書は下記の方法で構築された汎化エスケープ辞書及び汎化非エスケープ辞書を更に含み、すなわち、
クエリ要求における用語に対して意味カテゴリーを表記するステップと、
表記された意味カテゴリーを利用して生なエスケープ辞書及び生な非エスケープ辞書に対応する汎化エスケープ辞書及び汎化非エスケープ辞書を構築するステップを含むことを特徴とする請求項８に記載の方法。

【請求項10】

前記ワードアライメントは同義ワードアライメントを含むことを特徴とする請求項２または８に記載の方法。

【請求項11】

ユーザで入力されたクエリ要求を受信する受信ユニットと、
前記クエリ要求にマッチした候補結果を検索する検索ユニットと、
クリックエスケープモデルに基づいて前記クエリ要求と各候補結果との間の意味的な関連性を確定する意味的な関連性確定ユニットと、
前記意味的な関連性に応じて候補結果をソートするソートユニットと、を備えており、
ここで、前記クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、前記エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、前記非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含み、
前記意味的な関連性確定ユニットは、
各候補結果に対して、前記クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定することに用いられる計算ユニットと、
確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいて前記クエリ要求と前記候補結果との間の意味的な関連性を確定する確定ユニットと、を備えており、
ここで、前記語句は、候補結果のタイトル、アンカーテキスト及び正文におけるコア語句のうちの少なくとも１つに含まれ、
前記計算ユニットは、
前記クリックエスケープモデルに基づいて、語句間のテキストテーママッチングモデルを利用して前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算するテーママッチング類似度モジュールと、
前記クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定するエスケープ要素モジュールと、
前記エスケープ要素及び前記テーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算する合成モジュールとを備えることを特徴とする検索エンジン。

【請求項12】

前記テーママッチング類似度モジュールは、
ワードアライメントを利用して候補結果の語句から前記クエリ要求における用語とアライメントする単語と隣接する前の単語及び後の単語を確定し、
前記エスケープ辞書及び／または非エスケープ辞書に基づいて候補結果の語句における対応の前の単語及び後の単語の類似度重みを調整し、
調整後の類似度重みに基づいて、語句間のテキストテーママッチングモデルを利用して前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算することを特徴とする請求項１１に記載の検索エンジン。

【請求項13】

前記エスケープ要素モジュールは、
マッチング状况はクエリ要求における最も重要な用語が候補結果の語句に出現していない場合に、エスケープ要素を第１値として確定し、
マッチング状况は前後の単語のマッチングが存在している場合に、エスケープ要素を第２値として確定し、
マッチング状况は前後の単語の完全なマッチングが存在していない場合に、エスケープ要素を第３値として確定し、
ここで、前記第１値が第２値より小さく、且つ前記第２値が第３値より小さいことを特徴とする請求項１１に記載の検索エンジン。

【請求項14】

前記クリックエスケープモデルにおけるエスケープ辞書及び非エスケープ辞書はクエリ要求・検索結果Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック数を学習することにより構築されることを特徴とする請求項１１に記載の検索エンジン。

【請求項15】

前記エスケープ辞書及び非エスケープ辞書は、下記の方法で構築された生なエスケープ辞書及び生な非エスケープ辞書を含み、すなわち、
Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比を取得するステップと、
ワードアライメントを利用して検索結果からクエリ語句における用語とアライメントする単語と隣接する前後の単語を取得するステップと、
クリック表示比が第１の閾値より低いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応の用語及びその前後の単語を生なエスケープ辞書に加えるステップと、
クリック表示比が第２の閾値より高いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応の用語及びその前後の単語を生な非エスケープ辞書に加えるステップと、を含んでおり、
ここで、前記クリック表示比がクリック数と表示数との比であり、表示数は検索結果がクエリ要求に応じて表示される回数を指し、クリック数は検索結果がクエリ要求に応じて表示される時に、ユーザにクリックされた回数を示すことを特徴とする請求項１４に記載の検索エンジン。

【請求項16】

前記エスケープ辞書及び非エスケープ辞書は下記の方法で構築された汎化エスケープ辞書及び汎化非エスケープ辞書を更に含み、すなわち、
クエリ要求における用語に対して意味カテゴリーを表記するステップと、
表記された意味カテゴリーを利用して生なエスケープ辞書及び生な非エスケープ辞書に対応する汎化エスケープ辞書及び汎化非エスケープ辞書を構築するステップと、を含む請求項１５に記載の検索エンジン。

【請求項17】

検索エンジンを実現するシステムであって、
プロセッサと、
記憶部を備えており、
前記記憶部はコンピュータ可読命令を記憶し、前記コンピュータ可読命令が前記プロセッサより実行される場合に、前記プロセッサは、
ユーザで入力されたクエリ要求を受信し、
前記クエリ要求にマッチした候補結果を検索し、
クリックエスケープモデルに基づいて前記クエリ要求と各候補結果との間の意味的な関連性を確定し、
前記意味的な関連性に応じて候補結果をソートしており、
ここで、前記クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、前記エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、前記非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含み、
前記クエリ要求と各候補結果との間の意味的な関連性を確定する際には、
各候補結果に対して、
前記クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定し、
確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいて前記クエリ要求と前記候補結果との間の意味的な関連性を確定し、
ここで、前記語句は、候補結果のタイトル、アンカーテキスト及び正文におけるコア語句のうちの少なくとも１つに含まれ、
前記クエリ要求と候補結果の語句との間の意味的な関連性を確定する際には、
前記クリックエスケープモデルに基づいて、語句間のテキストテーママッチングモデルを利用して前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算し、
前記クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定し、
前記エスケープ要素及び前記テーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算することを特徴とするシステム。

【請求項18】

不揮発性のコンピュータ記憶媒体であって、コンピュータ可読命令を記憶しており、前記コンピュータ可読命令がプロセッサより実行される場合に、前記プロセッサは、
前記記憶部はコンピュータ可読命令を記憶し、前記コンピュータ可読命令が前記プロセッサより実行される場合に、前記プロセッサは、
ユーザで入力されたクエリ要求を受信し、
前記クエリ要求にマッチした候補結果を検索し、
クリックエスケープモデルに基づいて前記クエリ要求と各候補結果との間の意味的な関連性を確定し、
前記意味的な関連性に応じて候補結果をソートしており、
ここで、前記クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、前記エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、前記非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含み、
前記クエリ要求と各候補結果との間の意味的な関連性を確定する際には、
各候補結果に対して、
前記クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定し、
確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいて前記クエリ要求と前記候補結果との間の意味的な関連性を確定し、
ここで、前記語句は、候補結果のタイトル、アンカーテキスト及び正文におけるコア語句のうちの少なくとも１つに含まれ、
前記クエリ要求と候補結果の語句との間の意味的な関連性を確定する際には、
前記クリックエスケープモデルに基づいて、語句間のテキストテーママッチングモデルを利用して前記クエリ要求と候補結果の語句との間のテーママッチング類似度を計算し、
前記クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定し、
前記エスケープ要素及び前記テーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算することを特徴とする不揮発性のコンピュータ記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明はコンピュータ技術分野に関し、具体的には情報検索分野に関し、特に検索エンジン及びその実現方法に関する。

【背景技術】

【0002】

インターネットは様々なリソースに対するアクセスポートを提供し、これらのリソースは例えば、画像ファイル、音声ファイル、映像ファイル及びウェブページ等を含む。ユーザは検索システムまたは検索エンジンを介してアクセスしようとするリソースを検索することができる。

【0003】

検索過程では、一般的には、ユーザがクエリ（Ｑｕｅｒｙ）を入力し、検索エンジンがクエリにマッチした結果を返す。クエリは１つまたは複数の検索用語（Ｔｅｒｍ）またはフレーズを含むテキストクエリであってもよい。検索エンジンは例えばテキストに関連するマッチング方法で検索クエリと対応する検索結果を返す。

【0004】

【0005】

従来のテキストマッチング手段は主に、クエリと検索結果に対してのクエリと検索結果テキストの共有部分の割合、ＢＭ２５の関連性方式等がある。しかしながら、これらのマッチング手段は上記のエスケープ問題を解決することができない。

【発明の概要】

【発明が解決しようとする課題】

【0006】

従来技術における上記欠陥や不備に鑑みて、検索結果エスケープ問題を効果的に解決する技術案を提供することが期待されている。

【課題を解決するための手段】

【0007】

第１の態様において、本願の実施例は検索エンジンの実現方法を提供する。当該方法は、ユーザで入力されたクエリ要求を受信するステップと、クエリ要求にマッチした候補結果を取得するステップ、クリックエスケープモデルに基づいてクエリ要求と各候補結果との間の意味的な関連性を確定するステップと、意味的な関連性に応じて候補結果をソートするステップを含んでおり、ここで、クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含む。

【0008】

第２の態様において、本願の実施例は検索エンジンを更に提供しており、ユーザで入力されたクエリ要求を受信する受信ユニットと、前記クエリ要求にマッチした候補結果を検索する検索ユニットと、クリックエスケープモデルに基づいて前記クエリ要求と各候補結果との間の意味的な関連性を確定する意味的な関連性確定ユニットと、及び前記意味的な関連性に応じて候補結果をソートするソートユニットと、を備える。ここで、クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、前記エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、前記非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含む。

【発明の効果】

【0009】

本願の実施例に係る検索エンジン及びその実現方法は、クリックによりＵＲＬと関連するＨＴＴＰ要求リンクを取得することにより、全面的なＵＲＬと関連するウェブページ内容を取得ることができ、それにより悪意のあるホームページアドレスを正確に検出することができる。本願の実施例の技術案によれば、意味的な関連性に応じて検索された候補結果をソートし、検索結果のソート効果を向上させ、ユーザの検索ニーズを満たさない結果（すなわちエスケープ結果）が検索結果リストの前列に出現することを避けることができ、それによりユーザの良好な使用体験を確保する。

【図面の簡単な説明】

【0010】

以下の図面を参照しながら非限定的な実施例を詳しく説明することにより、本願の他の特徴、目的及び利点はより明らかになる。

【図1】図１は本願の実施例を適用できる例示的なシステムアーキテクチャ１００を示す。

【図2】図２は本願の実施例に係るクリックエスケープモデルを構築する方法の例示的なフローチャートを示す。

【図3】図３は本願の実施例に係るワードアライメントを利用して隣接する前後の単語を取得する例示的な実現形態を示す。

【図4】図４は本願の実施例に係る検索エンジンの実現方法の例示的なフローチャートを示す。

【図5】図５は本願の実施例に係るクリックエスケープモデルに基づいてクエリ要求と候補結果との間の意味的な関連性を確定する方法の例示的なフローチャートを示す。

【図6】図６は本願の実施例に係る語句を処理した結果の概略図を示す。

【図7】図７は本願の実施例に係るクリックエスケープモデルに基づいて分割された単語の類似度重みを調整する方法をの例示的なフローチャートを示す。

【図8】図８は本願の実施例に係る検索エンジンの例示的な構造ブロック図を示す。

【図9】図９は本願の実施例を実現するのに適用するサーバのコンピュータシステムの構造概略図を示す。

【発明を実施するための形態】

【0011】

以下、図面及び実施例を参照しながら、本願をさらに詳しく説明する。ただし、ここで説明する具体的な実施例は係る発明を解釈するためのものに過ぎず、本発明の範囲を制限するものではないことを理解すべきである。なお、説明の便宜上、図面に本発明と関連する部分のみが示されている。

【0012】

ただし、衝突がない限り、本願における実施例及び実施例における特徴は互いに組み合せてもよい。以下、図面を参照しながら実施例に基づいて本願を詳しく説明する。

【0013】

背景技術に記述されたように、テキスト検索では、通常、テキストの局所マッチングのせいで、エスケープ問題をもたらす。例えば、蚊取り線香を検索すれば、結果に蚊取り線香ボックスを含む場合があり、携帯電話を検索すれば、結果に携帯電話カバーを含む場合があり、常山（地名）を検索すれば、結果にジョウザンハクサイを含む場合がある等が挙げられる。このような問題はテキストを利用して写真を検索する場合に特に著しい。例えば、「スターＡ」の写真を検索する場合に、結果には、スターＡの撮影写真、スターＡの高解像度写真、スターＡのコンサート、スターＡの車等を含む。これらの結果には、スターＡの車がエスケープされた結果であり、ユーザが望む結果ではない。

【0014】

従来技術の欠陥に鑑みて、本願の実施例は、上記エスケープ問題を解決するために、意味エスケープの程度に応じて検索結果をソートする手段を提供する。通常、検索過程で出てきた結果では、クリック回数が高い結果はユーザの望む結果である可能性が高い。言い換えれば、クリック回数が高い結果はユーザのクエリＱｕｅｒｙに対して、エスケープが発生しない確率が非常に高い。逆に、何回も出てきたが、クリック回数が低いまたはクリックがない結果は通常ユーザが望まない結果であり、つまり、これらの結果はユーザのＱｕｅｒｙに対してエスケープの発生する確率が非常に高い。さらに、エスケープされたデータを分析すると、多くのエスケープは隣接する前後の単語で発生し、距離が遠い前後の単語に対してほとんど影響しないことが分かった。従って、上記分析に基づいて、本願の各実施例に係る検索エンジンの実現方法を提案する。

【0015】

本願の実施例を適用できる例示的なシステムアーキテクチャ１００を示す図１を参照する。

【0016】

図１に示すように、システムアーキテクチャ１００は、端末装置１０１、１０２、ネットワーク１０３及びサーバ１０４を含んでもよい。ネットワーク１０３は端末装置１０１、１０２とサーバ１０４との間に通信リンクを提供する媒体である。ネットワーク１０３は例えば有線、無線通信リンク又は光ファイバケーブル等の様々な接続タイプを含んでもよい。

【0017】

ユーザ１１０は、例えば情報検索、Ｗｅｂブラウジング、データダウンロード等の様々なサービスをアクセスするために、端末装置１０１、１０２を使用してネットワーク１０３を介してサーバ１０４と対話することができる。端末装置１０１、１０２には、様々なクライアントアプリケーションをインストールすることができ、例えばユニフォームリソースロケータＵＲＬクラウドサービスをアクセスできるアプリケーションが挙げられており、ブラウザ、セキュリティアプリケーション等を含むが、これらに限定されていない。

【0018】

端末装置１０１、１０２は様々な電子機器であってもよく、例えばスマートフォン、タブレットコンピュータ、携帯情報端末、電子書籍リーダー等の様々な持ち運び可能なポータブルデバイス、及びパソコン、スマートテレビ、クエリサービス端末等の様々な固定端末機器を含むが、これらに限定されていない。

【0019】

サーバ１０４は様々なサービスを提供するサーバであってもよい。サーバはユーザのサービス要求に応じてサービスを提供することができる。なお、１つのサーバが１種または多種のサービスを提供することができ、同一のサービスが複数のサーバにより提供することができる。本願の実施例では、係るサーバ１０４は検索サーバであってもよい。

【0020】

なお、図１における端末装置、ネットワーク及びサーバの数は例示的なものに過ぎない。実際の必要に応じて、任意の数の端末装置、ネットワーク及びサーバを有してもよい。

【0021】

本願の実施例に係る検索エンジンの実現方法を記述するために、まず本願の実施例に提案されるクリックエスケープモデルの構築を記述する。前記で分析されたように、クリック回数が高い検索結果は対応するクエリＱｕｅｒｙに対して、エスケープが発生しない確率が高く、クリック回数が低いまたはクリックがない検索結果は対応するＱｕｅｒｙに対して、エスケープが発生する確率が高い。さらに、多くのエスケープは隣接する前後の単語において発生し、距離が遠い前後の単語に対してほとんど影響しない。従って、本願の実施例では、クエリ要求と検索結果（例えばウェブページタイトルで示す）Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック数を学習するとともに、エスケープが発生した前後の単語を考慮することによりクリックエスケープモデルを構築する。具体的には、クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含んでもよく、ここで、エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含む。

【0022】

図２は本願の実施例に係るクリックエスケープモデルを構築する方法の例示的なフローチャートを示す。

【0023】

図２に示すように、ステップ２１０では、Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比を取得する。

【0024】

歴史Ｑｕｅｒｙ−Ｔｉｔｌｅ対を学習することによりクリックエスケープモデルを構築することができる。これらの歴史Ｑｕｅｒｙ−Ｔｉｔｌｅ対はＱｕｅｒｙログに保存することができる。Ｑｕｅｒｙログは例えば毎回のユーザクエリ会話に使用するクエリ要求Ｑｕｅｒｙ、表示している検索結果及びユーザの検索結果へのクリック操作等を記録する。これらの検索結果は例えばウェブページタイトルＴｉｔｌｅで表してもよく、従って、Ｑｕｅｒｙ−Ｔｉｔｌｅ対とはクエリ−検索結果対である。

【0025】

それぞれのＱｕｅｒｙ−Ｔｉｔｌｅ対の表示状況及びクリック状況を統計することにより、Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比を取得することができる。ここでは、クリック表示比はクリック数と表示数との比であり、ここで、表示数は検索結果Ｔｉｔｌｅがクエリ要求Ｑｕｅｒｙに応じて表示される回数を示し、クリック数は検索結果Ｔｉｔｌｅがクエリ要求Ｑｕｅｒｙに応じて表示される時に、ユーザにクリックされる回数を示す。

【0026】

上記から明らかなように、クリック回数が高い検索結果は、対応するクエリＱｕｅｒｙに対して、エスケープが発生しない確率が高く、クリック回数が低いまたはクリックがない検索結果は対応するＱｕｅｒｙに対して、エスケープが発生する確率が高い。従って、Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比はＴｉｔｌｅのＱｕｅｒｙに対してのエスケープ度またはエスケープ確率を良好に表徴する。当業者は、例えば表示クリック比またはクリック回数に基づく他のパラメータでエスケープ度またはエスケープ確率を表してもよく、本願がこの点について制限しないことが理解可能である。

【0027】

続いて、ステップ２２０では、ワードアライメントを利用して検索結果ＴｉｔｌｅからクエリＱｕｅｒｙ語句における用語とアライメントする単語と隣接する前後の単語を取得する。

【0028】

それぞれのＱｕｅｒｙ−Ｔｉｔｌｅ対に対して、まずＱｕｅｒｙとＴｉｔｌｅをそれぞれ単語分割してもよい。それからワードアライメントを利用して、Ｑｕｅｒｙにおけるそれぞれの単語に対して、そのＴｉｔｌｅにおける対応位置を見つける。ここでのワードアライメントは同義アライメントも含む。例えば、完全に対応する単語が出ていないと、その同義語を考慮する。最後に、ＴｉｔｌｅからＱｕｅｒｙにおける最初のワード及び最後のワードとアライメントする単語と隣接する前後の単語を取得する。

【0029】

【0030】

【0031】

【0032】

【0033】

【0034】

情報検索では、これらの機能語の別称は、ストップワード（ｓｔｏｐｗｏｒｄ）である。ストップワードと呼ばれるのはテキスト処理過程でこれらの機能語を発見したと、直ちに処理を停止して当該機能語を除去するからである。これらの単語を除去してインデックス量を減少させ、検索効率を増やし、且つ検索の効果を向上させる。ストップワードは主に英文の文字、数字、数学の文字、句読点及び使用頻度が高い単一漢字等を含む。

【0035】

図２に戻り、ステップ２３０では、クリック表示比に応じてエスケープ辞書及び／または非エスケープ辞書を構築する。具体的には、クリック表示比が第１の閾値より低いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応用語及びその前後の単語をエスケープ辞書に加え、及び／またはクリック表示比が第２の閾値より高いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応用語及びその前後の単語を非エスケープ辞書に加える。第１の閾値は第２の閾値と同じであってもよく異なっていてもよい。

【0036】

履歴Ｑｕｅｒｙ−Ｔｉｔｌｅ対におけるそれぞれのＱｕｅｒｙ−Ｔｉｔｌｅ対に対して図２に示される処理を実行し、クリック表示比が第１の閾値より低いすべてのＱｕｅｒｙ−Ｔｉｔｌｅ対における用語を累算し、また対応する前後の単語を合併することによりエスケープ辞書を作成することができ、すべてのクリック表示比が第２の閾値より高いＱｕｅｒｙ−Ｔｉｔｌｅ対における用語を累算し、また対応する前後の単語を合併することにより非エスケープ辞書を作成することができる。上記エスケープ辞書及び非エスケープ辞書の生成過程では、Ｑｕｅｒｙにおける用語を拡張していないため、ここで生成されたエスケープ辞書は生なエスケープ辞書と呼ばれてもよく、相応な非エスケープ辞書は生な非エスケープ辞書と呼ばれてもよい。

【0037】

代替的または追加的に、いくつかの実施例では、統計された前後の単語をより大きな範囲に拡張するために、Ｑｕｅｒｙにおける用語の意味カテゴリーを汎化することにより、汎化エスケープ辞書及び／または汎化非エスケープ辞書を生成することができる。

【0038】

【0039】

多種の方法で用語に対して意味カテゴリーの表記を行ってもよく、例えば、汎用の最大エントロピー分類器で用語を分類認識することができる。意味カテゴリーは例えば、エンターテイメントスター、スポーツスター、科技人物、観光名所、ビデオ、自動車、アニメーション、動物、植物等のカテゴリーを含んでもよいが、これらに限定されていない。

【0040】

続いて、表記された意味カテゴリーで生なエスケープ辞書及び生な非エスケープ辞書と対応する汎化エスケープ辞書及び汎化非エスケープ辞書を構築することができる。一実現形態では、生なエスケープ辞書／生な非エスケープ辞書における生な単語を汎化された意味カテゴリーに置き換えてもよく、それにより汎化エスケープ辞書／汎化非エスケープ辞書を生成する。

【0041】

以上は、本願の実施例に係るクリック意味モデルの構築を記述したが、以下、フローチャートを参照しながらクリック意味モデルに基づいて検索エンジンの検索結果を改善する手段を記述する。

【0042】

図４は本願の実施例に係る検索エンジンの実現方法の例示的なフローチャートを示。図４に示される方法は検索エンジンが所在するサーバ（例えば図１のサーバ１０４）で実行されてもよい。

【0043】

図４に示すように、ステップ４１０では、ユーザが入力したクエリ要求を受信する。

【0044】

ユーザは様々な端末装置（例えば図１に示される端末装置１０１、１０２）により検索クエリを行うことができる。これらの端末装置はクエリ要求を入力するように、ユーザにユーザインタフェース（例えば、ブラウザインタフェース）を表示することができる。ユーザは例えばタッチパネル、電子ペン、キーボード、マイクロホン等の様々な入力ツールでクエリ要求を入力することができる。クエリ要求はテキストクエリ、音声クエリまたは他のタイプのクエリであってもよい。クエリ要求が非テキストクエリである場合に、光学式文字認識ＯＣＲ、音声認識等の様々な適当な技術で、非テキストクエリをテキストクエリに変換することができる。続いて、端末装置は元に受信された又は変換されたクエリ要求を検索サーバ（例えば、図１のサーバ１０４）に送信することができる。

【0045】

続いて、ステップ４２０では、受信されたクエリ要求にマッチした候補結果を検索する。

【0046】

多種の手法でクエリ要求にマッチした候補結果を検索してもよい。いくつかの実現形態では、テキストマッチング、例えば単語マッチングの方法でクエリ要求にマッチした候補結果を検索してもよい。単語マッチング方法のいくつかの常用のアルゴリズムは、例えば、ＢＭ２５（Ｂｅｓｔ Ｍａｔｃｈ、ベストマッチ）アルゴリズム、ｐｒｏｘｉｍｉｔｙ（Ｔｅｒｍ ｐｒｏｘｉｍｉｔｙ ｓｃｏｒｉｎｇ、用語近接得点）アルゴリズム等を含んでもよい。単語マッチングアルゴリズムで検索された文書とクエリ要求とのマッチング程度を計算し、さらにマッチング程度に基づいてクエリ要求にマッチした候補結果を提供することができる。上記検索方法は従来既知の様々なアルゴリズムで実現することができ、ここで省略する。

【0047】

さらに、ステップ４３０では、クリックエスケープモデルに基づいてクエリ要求と各候補結果との間の意味的な関連性を確定する。

【0048】

実際の検索では、クエリ要求にマッチした候補結果に対して、一般的には、一定数量の候補結果を選択して詳細な処理を行う。例えば、２０００個の候補結果を選択して、これらの結果における各候補結果とクエリ要求との意味的な関連性を分析してもよい。

【0049】

図２及び図３を参照しながら記述されたように、クリックエスケープモデルはクエリ要求と検索結果Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック数を学習するとともに、エスケープが発生した前後の単語を考慮することにより構築される。具体的には、クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含んでもよく、ここで、エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含む。

【0050】

従って、クリックエスケープモデルに基づいて確定された意味的な関連性はＱｕｅｒｙ−Ｔｉｔｌｅ対のクリック数を考慮するとともに、エスケープが発生した前後の単語を考慮し、それにより確定された意味的な関連性は候補結果のクエリ要求に対してのエスケープ確率を正確に表すことができる。クリックエスケープモデルに基づいて意味的な関連性を確定する詳細な方法は以下に記述される。

【0051】

最後に、ステップ４４０では、意味的な関連性に応じて候補結果をソートする。

【0052】

本ステップでは、各候補結果とクエリ要求の意味的な関連性の降順に応じて、検索して取得された候補結果をソートして表示し、このようにすると、前に表示されているものは常にクエリ要求と比較的に関連する検索結果であり、それによりユーザが表示されている検索結果から迅速に所望の関連文書を取得し、自分の検索ニーズを満たし、検索効率を向上させることができる。本ステップが必要に応じて他の順でソート処理を行ってもよいことを理解すべきである。

【0053】

図５は本願の実施例に係るクリックエスケープモデルに基づいてクエリ要求と候補結果との間の意味的な関連性を確定する方法の例示的なフローチャートを示す。すなわち、図５は図４におけるステップ４３０の例示的な実現形態を示す。

【0054】

図５に示すように、ステップ５１０では、クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定する。

【0055】

候補結果はすなわち様々なウェブページ情報であり、文書（ｄｏｃｕｍｅｎｔ）で表してもよい。一般的に、文書は複数の語句からなり、構造から区分すると、例えばタイトル（Ｔｉｔｌｅ）、アンカーテキスト（Ａｎｃｈｏｒ ｔｅｘｔ）及び正文等を含む。タイトルは、文書のテーマを簡単で簡潔に記述する。アンカーテキストはアンカーテキストリンクとも称され、リンクの一形態であり、ハイパーリンクと類似し、キーワードを１つのリンクとして別のウェブページにアクセスするという形態のリンクはアンカーテキストと呼ばれる。アンカーテキストは実際にテキストキーワードとＵＲＬリンクとの関係を作ったものである。正文は一般的に多くの内容を含む。

【0056】

候補結果は一般的に多くの語句を有するため、クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性をそれぞれ確定してもよい。これらの語句は、例えば、タイトル、アンカーテキスト、正文におけるコアセンテンス等から選ばれてもよい。正文におけるコアセンテンスは従来の既知技術または未来に開発される多種の手法で確定されてもよい。一実現形態では、正文中の一番目のセンテンスがそのコアセンテンスであると見なされてもよい。

【0057】

続いて、ステップ５２０では、確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいてクエリ要求と当該候補結果との間の意味的な関連性を確定する。

【0058】

多種の手法によりクエリ要求と候補結果との間の最終の意味的な関連性を確定することができる。一実現形態では、確定された複数の意味的な関連性からその最大値をクエリ要求と当該候補結果との間の意味的な関連性として選択してもよい。他の実現形態では、確定された複数の意味的な関連性の平均値をクエリ要求と当該候補結果との間の意味的な関連性としてもよい。当業者は、他の関数関係で、確定された複数の意味的な関連性に基づいてクエリ要求と当該候補結果の最終の意味的な関連性を確定してもよく、本願はこの点について制限しない。

【0059】

ステップ５１０は本願の実施例に係るクエリ要求と候補結果のある１つの語句との間の意味的な関連性を確定する方法の例示的な実現形態を更に示す。この実現形態では、意味的な関連性は主に、語句の間のテーママッチング類似度及び語句の間のエスケープ要素の２つの部分からなる。

【0060】

具体的には、ステップ５１１では、あらかじめ構築されたクリックエスケープモデルに基づいて、センテンス間のテキストテーママッチングモデルを利用してクエリ要求と候補結果の語句との間のテーママッチング類似度を計算する。

【0061】

２つの語句の間のテーママッチング類似度は多種の計量方式で表徴することができる。いくつかの実現形態では、フレームワークが統一するベクトル空間モデル類似度計算方法で語句の間のテーママッチング類似度を計算してもよい。

【0062】

例えば、２つのセンテンスはそれぞれ以下のようなＳ１、Ｓ２で表してもよい。

【数1】

（１）

（２）

【0063】

上記の式では、センテンスを単語分割し、例えば１番目のセンテンスＳ１はｍ個の単語に分けられ、２番目のセンテンスＳ２はｎ個の単語に分けられる。分けられた単語に対して品詞性を表記することにより、各単語分割位置で１つの単語集合を取得する。例えば、１番目のセンテンスＳ１の単語分割位置

での単語集合は

である。当該単語集合は単語分割位置

と対応する原単語、関連単語及び小粒度構成部分を含む。

【0064】

本文では、関連単語は原単語の意味と同じ用語（または同義語と称される）または意味が近い用語を指し、関連単語と総称される。多種の方法、例えばＱｕｅｒｙ−Ｔｉｔｌｅクリック対に基づく手法で、原単語の関連単語をマイニングしてもよい。上記の関連単語マイニング方法は従来既知の様々な方案で実現することができ、ここで省略する。

【0065】

センテンスを空間ベクトルとして表した後に、多種の計量方式で２つのベクトルの間の類似度、すなわち語句の間のテーママッチング類似度を計算することができる。これらの計量方式は、コサイン距離（またはコサイン類似度と称される）、ユークリッド距離、ピアソンＰｅａｒｓｏｎ相関係数または補正されたＰｅａｒｓｏｎ相関係数法を含むが、これらに限定されていない。これらの類似度または関連性の計算方法は本分野で既知のものである。以下、コサイン距離のみを例として詳しく説明する。

【0066】

コサイン距離はベクトル空間における２つのベクトル角のコサイン値を、２つの対象間のばらつきの大きさを測定する計量手段とするものである。例えば、下記の式で２つの語句の間のテーママッチング類似度を計算することができる。

【数2】

（３）

【0067】

は単語

の類似度重みを表し、

は２つのセンテンスが対応する重み係数にマッチしたか否かを表し、２つのセンテンスＳ１、Ｓ２の疑問文のタイプがマッチした場合に、対応する重み係数が第１値、例えば１であり、さもないと、第２値、例えば０．８である。

【0068】

【0069】

【0070】

【0071】

【0072】

【0073】

図６は語句が上記のように処理された結果の概略図を示す。

【0074】

【0075】

【0076】

上記の式（３）に基づけば２つのセンテンスの間のテーママッチング類似度を計算することができる。

【0077】

【0078】

本願の実施例では、あらかじめ構築されたクリックエスケープモデルに基づいて、センテンス間のテキストテーママッチングモデルを利用してクエリ要求と候補結果の語句との間のテーママッチング類似度を計算することは、クリックエスケープモデルを利用して候補結果の語句におけるいくつかの単語の類似度重みを調整することとして表してもよい。

【0079】

単語の初期類似度重みはテキストマイニング分野の既知技術で割り当てることができる。多重の重み割り当て手法を有してもよく、一般的に使用されるのは例えばＴＦ−ＩＤＦ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ-ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を含む。

【0080】

ＴＦ−ＩＤＦは情報検索と情報マイニング用の通常の重みづけ技術である。検索、文献分類及び他の関連分野で幅広く応用されている。ＴＦ−ＩＤＦの主な思想は、ある単語またはフレーズが１つの文章に出現する頻度ＴＦが高く、且つ他の文章に出現する頻度が非常に低い場合に、この単語又はフレーズが良好なカテゴリー区別能力を持つと見なされ、分類に適用される。ＴＦターム頻度（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）とはある１つの所定の用語が当該ファイル中に出現する回数である。ＩＤＦ逆文書頻度（Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）の主な思想は、見出し語を含む文書が少なければ少ないほど、ＩＤＦが大きければ大きいほど、見出し語が良好なカテゴリー区別能力を持つと表明される。ＴＦ及びＩＤＦを使用してある文章においてあるキーワードの重要性を計算することができる。ＴＦ及びＩＤＦに基づいて、様々な関数関係で用語の重みを構成することができる。

【0081】

いくつかの実現形態では、用語の初期重みは下記の式で計算することができる。

【数3】

（４）

【0082】

その中、

は分割された単語

のターム頻度であり、分割された単語

が当該文書に出現する回数と当該文書の分割された単語の合計数との比として表してもよく、

は分割された単語

の逆文書頻度であり、Ｎは文書合計数であり、

は分割された単語

が出現した文書の数である。

【0083】

本願のいくつかの実施例では、各語句における分割された単語に対して初期重みを確定した後に、候補結果の語句におけるいくつかの分割された単語の類似度重みをクリックエスケープモデルに基づいて調整してもよい。

【0084】

図７は本願の実施例に係るクリックエスケープモデルに基づいて分割された単語の類似度重みを調整する方法の例示的なフローチャートを示す。

【0085】

図７に示すように、ステップ７１０では、ワードアライメントを利用して候補結果の語句からクエリ要求における用語とアライメントする単語と隣接する前の言葉及び後の言葉を確定する。当該ステップは上記の図２を参照しながら記述したクリックエスケープモデルを構築するステップ２２０と類似するため、ここで省略する。

【0086】

続いて、ステップ７２０では、エスケープ辞書及び／または非エスケープ辞書に基づいて候補結果の語句における前の単語及び後の単語と対応する類似度重みを調整する。

【0087】

このステップでは、認識された隣接する前の単語及び隣接する後の単語に対して、これらの隣接する前の単語と隣接する後の単語の類似度重みを調整するように、エスケープ辞書及び非エスケープ辞書を調べる。

【0088】

具体的には、非エスケープ辞書は候補結果の語句における対応用語及びその隣接する前の単語または隣接する後の単語を含む場合に、当該隣接する前の単語または隣接する後の単語の類似度重みを下げる。エスケープ辞書は候補結果の語句における対応用語及びその隣接する前の単語または隣接する後の単語を含む場合に、当該隣接する前の単語または隣接する後の単語の類似度重みを上げる。非エスケープ辞書とエスケープ辞書はいずれも対応用語及びその隣接する前の単語または隣接する後の単語がない場合に、その類似度重みを調整しなくてもよい。

【0089】

【0090】

用語の類似度重みをクリックエスケープモデルに基づいて調整した後に、以上に記述されたセンテンス間のテキストテーママッチングモデルでクエリ要求と候補結果の語句との間のテーママッチング類似度を計算することができる。

【0091】

例えば、下記の式でクエリ要求と候補結果の語句との間のテーママッチング類似度を計算することができる。

【数4】

（５）

【0092】

【0093】

続いて、図５に示すように、ステップ５１２では、クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定する。

【0094】

ステップ５１１ではセンテンス間のテーママッチング類似度を確定する場合に、微視的に考慮すると、クリックエスケープモデルに基づいて具体的な用語の類似度重みを調整した。このステップ５１２では、クエリ要求と候補結果の語句との間のマッチング状况に基づき、すなわち、巨視的に考慮して１つのエスケープ要素を確定する。

【0095】

クエリ要求と候補結果の語句との間のマッチング状况は、例えば、クエリ要求における最も重要な用語が候補結果の語句に出現していない状況、前後の単語のマッチングが存在する状況及び前後の単語の完全なマッチングが存在していない状況を含んでもよい。

【0096】

クエリ要求における最も重要な用語が候補結果の語句に出現していない場合に、一般的に、両者の間の関連性が低く、及びエスケープの可能性が高いことを表す。この場合に、エスケープ要素を第１値、例えば０．７として確定することができる。クエリ要求における用語の重要性は上記のように確定された類似度重みに基づいて確定することができる。例えば、ＴＦ−ＩＤＦ技術で確定された重みに基づいて直接に確定することができる。

【0097】

前後の単語のマッチングが存在するとは用語の字面マッチング以外に、候補結果に当該用語の隣接する前の単語または隣接する後の単語が更に存在することを指す。言い換えれば、この場合の候補結果もエスケープする可能性がある。従って、エスケープ要素を第１値より大きい第２値、例えば０．９５として確定することができる。

【0098】

前後の単語の完全なマッチングが存在しないとは用語の字面マッチング以外に、候補結果に当該用語の隣接する前の単語及び隣接する後の単語が存在しないことを指す。言い換えれば、この場合の候補結果はエスケープする可能性がほとんどない。従って、エスープ要素を第２値より大きい第３値、例えば１として確定することができる。

【0099】

最後に、ステップ５１３では、エスケープ要素及びテーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算する。

【0100】

エスケープ要素及びテーママッチング類似度に基づいて、多種の関数関係に応じて意味的な関連性を構築することができる。一実現形態では、下記の式でクエリ要求と候補結果の語句との間の意味的な関連性を計算することができる。

【0101】

【0102】

ただし、図面には特定の順序で本発明の方法の操作を説明したが、当該特定の順序でこれらの操作を実行しなければならないこと、または所望の結果を達成するためにすべての提示された操作を実行しなければならないことを要求または暗示するわけではない。逆に、フローチャートに示されているステップは実行順序を変更してもよい。追加的または代替的に、いくつかのステップを省略したり、複数のステップを１つのステップに結合して実行したり、及び／または１つのステップを複数のステップに分けて実行したりしてもよい。

【0103】

更に、本願の実施例に係る検索エンジンの例示的な構造ブロック図を示す図８を参照する。

【0104】

図８に示すように、検索エンジン８００は受信ユニット８１０、検索ユニット８２０、意味的な関連性確定ユニット８３０及びソートユニット８４０を備える。

【0105】

受信ユニット８１０はユーザが入力したクエリ要求を受信するように配置されてもよい。検索ユニット８２０はクエリ要求にマッチした候補結果を検索するように配置されてもよい。意味的な関連性確定ユニット８３０はクリックエスケープモデルに基づいてクエリ要求と各候補結果との間の意味的な関連性を確定するように配置されてもよい。ソートユニット８４０は意味的な関連性に応じて候補結果をソートするように配置されてもよい。ここで、クリックエスケープモデルはエスケープ辞書及び／または非エスケープ辞書を含み、エスケープ辞書はエスケープが発生したと確定された検索結果の対応用語及びその前後の単語を含み、非エスケープ辞書はエスケープが発生していないと確定された検索結果の対応用語及びその前後の単語を含む。

【0106】

いくつかの実施例では、意味的な関連性確定ユニット８３０は、各候補結果に対して、クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定するための計算ユニット８３１を備えてもよく、ここで、語句は、候補結果のタイトル、アンカーテキスト及び正文におけるコアセンテンスのうちの少なくとも１つを含む。意味的な関連性確定ユニット８３０は確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいてクエリ要求と候補結果との間の意味的な関連性を確定するための確定ユニット８３２を更に備える。

【0107】

いくつかの実現では、計算ユニット８３１は、クリックエスケープモデルに基づいて、センテンス間のテキストテーママッチングモデルを利用してクエリ要求と候補結果の語句との間のテーママッチング類似度を計算するためのテーママッチング類似度モジュール（図示せず）を備えてもよい。

【0108】

テーママッチング類似度モジュールは、具体的に、ワードアライメントを利用して候補結果の語句からクエリ要求における用語とアライメントする単語と隣接する前の単語及び後の単語を確定すること、エスケープ辞書及び／または非エスケープ辞書に基づいて候補結果の語句における前の単語及び後の単語と対応する類似度重みを調整すること、及び調整後の類似度重みに基づいて、センテンス間のテキストテーママッチングモデルを利用してクエリ要求と候補結果の語句との間のテーママッチング類似度を計算することに用いられてもよい。

【0109】

計算ユニット８３１は、クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定するためのエスケープ要素モジュール（図示せず）を更に備えてもよい。

【0110】

エスケープ要素モジュールは、具体的に、マッチング状况はクエリ要求における最も重要な用語が候補結果の語句に出現していない状況である場合に、エスケープ要素を第１値として確定すること、マッチング状况は前後の単語のマッチングが存在している状況である場合に、エスケープ要素を第２値として確定すること、マッチング状况は前後の単語の完全なマッチングが存在していない状況である場合に、エスケープ要素を第３値として確定することに用いられてもよく、ここで、第１値が第２値より小さく、且つ第２値が第３値より小さい。

【0111】

計算ユニット８３１は、エスケープ要素及びテーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算するための合成モジュール（図示せず）を更に備えてもよい。

【0112】

いくつかの実施例では、クリックエスケープモデルにおけるエスケープ辞書及び非エスケープ辞書はクエリ要求・検索結果Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック数を学習することにより構築される。

【0113】

いくつかの実現形態では、エスケープ辞書及び非エスケープ辞書は、下記の方法で構築された生なエスケープ辞書及び生な非エスケープ辞書を含み、すなわち、Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比を取得するステップと、ワードアライメントを利用して検索結果からクエリ語句における用語とアライメントする単語と隣接する前後の単語を取得するステップと、クリック表示比が第１の閾値より低いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応の用語及びその前後の単語を生なエスケープ辞書に加えるステップと、クリック表示比が第２の閾値より高いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応の用語及びその前後の単語を生な非エスケープ辞書に加えるステップを含み、ここで、クリック表示比がクリック数と表示数との比であり、表示数は検索結果がクエリ要求に応じて表示される回数を指し、クリック数は検索結果がクエリ要求に応じて表示される時に、ユーザにクリックされた回数を指す。

【0114】

代替的または追加的に、エスケープ辞書及び非エスケープ辞書は下記の方法で構築された汎化エスケープ辞書及び汎化非エスケープ辞書を更に含み、すなわち、クエリ要求における用語に対して意味カテゴリーを表記するステップと、表記された意味カテゴリーを利用して生なエスケープ辞書及び生な非エスケープ辞書に対応する汎化エスケープ辞書及び汎化非エスケープ辞書を構築するステップを含む。

【0115】

検索エンジン８００に記載された各ユニットまたはサブユニットは上記の方法のフローチャートを参照しながら記述した方法における各ステップと対応することが理解すべきである。従って、上記の方法に対して記述された操作及び特徴は同様に検索エンジン８００及びそれに含まれるユニットに適用でき、ここで省略する。

【0116】

本願の実施例を実現するのに適用するサーバのコンピュータシステムの構造概略図を示す図９を参照する。

【0117】

図９に示すように、コンピュータシステム９００は、読み出し専用メモリ（ＲＯＭ）９０２に記憶されているプログラム又は記憶部９０８からランダムアクセスメモリ（ＲＡＭ）９０３にロードされたプログラムに基づいて様々な適当な動作及び処理を実行することができる中央処理ユニット（ＣＰＵ）９０１を含む。ＲＡＭ９０３には、システム９００の操作に必要な様々なプログラム及びデータが更に記憶されている。ＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３はバス９０４を介して互いに接続されている。入力／出力（Ｉ／Ｏ）インターフェース９０５もバス９０４に接続されている。

【0118】

キーボード、マウス等を含む入力部９０６、陰極線管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）等及びスピーカ等を含む出力部９０７、ハードディスク等を含む記憶部９０８、及びＬＡＮカード、モデム等を含むネットワークインターフェースカードの通信部９０９は、Ｉ／Ｏインターフェース９０５に接続されている。通信部９０９は、例えばインターネットのようなネットワークを介して通信処理を実行する。ドライバ９１０は必要に応じてＩ／Ｏインターフェース９０５に接続される。リムーバブルメディア９１１、例えば、マグネチックディスク、光ディスク、光磁気ディスク、半導体メモリ等は、必要に応じてドライバ９１０に取り付けられ、ドライバ９１０から読み出されたコンピュータプログラムが必要に応じて記憶部９０８にインストールされる。

【0119】

特に、本願に開示されている実施例によれば、上記で図２〜図７を参照しながら記述された過程はコンピュータのソフトウェアプログラムとして実現することができる。例えば、本願に開示されている実施例は、コンピュータプログラム製品を含み、当該コンピュータプログラム製品は機械可読媒体に有形に具現化されるコンピュータプログラムを含み、前記コンピュータプログラムは、図２〜図７の方法を実行するためのプログラムコードを含む。このような実施例では、当該コンピュータプログラムは、通信部９０９を介してネットワークからダウンロードしてインストールされ、及び／またはリムーバブルメディア９１１からインストールされることができる。

【0120】

図面におけるフローチャート及びブロック図は、本発明の各実施例に係るシステム、方法及びコンピュータプログラム製品による実現可能なアーキテクチャー、機能及び操作を示す。ここで、フローチャートまたはブロック図における各枠は１つのモジュール、プログラムセグメント、またはコードの一部を代表することができ、前記モジュール、プログラムセグメント、またはコードの一部は規定された論理機能を達成するための１つまたは複数の実行可能な命令を含む。なお、いくつかの代替実現形態として、枠に表記された機能は図面に表記された順序と異なる順序で実行してもよい。例えば、２つの接続に示される枠は実際的に、係る機能に応じて、ほぼ並行的に実行されてもよく、反対の順序で実行されてもよい。なお、ブロック図及び／またはフローチャートにおける各枠、及びブロック図及び／またはフローチャートにおける枠の組合せは規定された機能または操作を実行する、ハードウェアに基づく専用システムで実現されてもよく、または、専用ハードウェアとコンピュータ命令の組合せで実行してもよい。

【0121】

本願の実施例に記述されたユニットまたはモジュールはソフトウェアで実現されてもよく、ハードウェアで実現されてもよい。記述されたユニットまたはモジュールをプロセッサに設定してもよく、これらのユニットまたはモジュールの名称はある場合に当該ユニットまたはモジュール自身を限定するものではない。

【0122】

一方、本願はコンピュータ可読記憶媒体を更に提供し、当該コンピュータ可読記憶媒体は上記した実施例における前記装置に含まれるコンピュータ可読記憶媒体であってもよく、独立に存在して、装置に組み立てされていないコンピュータ可読記憶媒体であってもよい。コンピュータ可読記憶媒体は１つ又は１つ以上のプログラムを記憶し、前記プログラムは１つ又は１つ以上のプロセッサで本願に記述された式の入力方法を実行することに用いられる。

【0123】

以上の記述は本願の最適実施例及び使用された技術的原理の説明に過ぎない。当業者が理解すべきであることは、本願に係る発明の範囲は上記した技術的特徴の特定な組合せからなる技術案に限定されることではなく、本発明の趣旨を逸脱しない範囲で、上記の技術的特徴または同等の特徴の任意の組合せからなる他の技術的解決手段も含むべきである。例えば、上記の特徴と本願に開示された（これに限定されていない）類似の機能を持っている技術的特徴を互いに置き換えてなる技術案が挙げられる。


２０１：Ｑｕｅｒｙ−Ｔｉｔｌｅ対のクリック表示比を取得する
２２０：ワードアライメントを利用して検索結果からクエリ語句における用語とアライメントする単語と隣接する前後の単語を取得する。
２３０：クリック表示比が第１の閾値より低いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応用語及びその前後の単語を生なエスケープ辞書に加え、クリック表示比が第２の閾値より高いＱｕｅｒｙ−Ｔｉｔｌｅ対における対応用語及びその前後の単語を生な非エスケープ辞書に加える。

Ｓ１ クエリ
Ｓ２ 結果

４１０：ユーザで入力されたクエリ要求を受信する
４２０：クエリ要求にマッチした候補結果を検索する
４３０：クリックエスケープモデルに基づいてクエリ要求と各候補結果との間の意味的な関連性を確定する
４４０：意味的な関連性に応じて候補結果をソートする

５１０：クエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性を確定する
５１１：クリックエスケープモデルに基づいて、センテンス間のテキストテーママッチングモデルを利用してクエリ要求と候補結果の語句との間のテーママッチング類似度を計算する
５１２：クエリ要求と候補結果の語句との間のマッチング状况に基づいてエスケープ要素を確定する
５１３：エスケープ要素及びテーママッチング類似度に基づいてクエリ要求と候補結果の語句との間の意味的な関連性を計算する
５２０：確定されたクエリ要求と候補結果の１つまたは複数の語句との間の意味的な関連性に基づいてクエリ要求と候補結果との間の意味的な関連性を確定する

マッチングが成功した
マッチングが成功した
マッチングが成功した

７１０：ワードアライメントを利用して候補結果の語句からクエリ要求における用語とアライメントする隣接前文及び後文を確定する。
７２０：エスケープ辞書及び／または非エスケープ辞書に基づいて候補結果の語句における対応の前文及び後文の類似度重みを調整する。

８１０受信ユニット
８２０検索ユニット
８４０ソートユニット
８３０意味的な関連性確定ユニット
８３１計算ユニット
８３２確定ユニット

９０５Ｉ／Ｏインターフェース
９０６入力部
９０７出力部
９０８記憶部
９０９通信部
９１０ドライバ
９１１リムーバブルメディア

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】