特許 7548912 リランキング装置

(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】

(24)【登録日】2024-09-02

(45)【発行日】2024-09-10

(54)【発明の名称】リランキング装置

(51)【国際特許分類】

   G06F 16/9535 20190101AFI20240903BHJP

【ＦＩ】

G06F16/9535

【請求項の数】 5

(21)【出願番号】P 2021542705

(86)(22)【出願日】2020-08-07

(86)【国際出願番号】 JP2020030475

(87)【国際公開番号】W WO2021039372

(87)【国際公開日】2021-03-04

【審査請求日】2023-06-09

(31)【優先権主張番号】P 2019157215

(32)【優先日】2019-08-29

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】392026693

【氏名又は名称】株式会社ＮＴＴドコモ

(74)【代理人】

【識別番号】100088155

【弁理士】

【氏名又は名称】長谷川 芳樹

(74)【代理人】

【識別番号】100113435

【弁理士】

【氏名又は名称】黒木 義樹

(74)【代理人】

【識別番号】100121980

【弁理士】

【氏名又は名称】沖山 隆

(74)【代理人】

【識別番号】100128107

【弁理士】

【氏名又は名称】深石 賢治

(72)【発明者】

【氏名】大西 杏菜

(72)【発明者】

【氏名】川崎 仁嗣

(72)【発明者】

【氏名】深澤 佑介

【審査官】原 秀人

(56)【参考文献】

【文献】特開２０１１－２２７９２２（ＪＰ，Ａ）

【文献】特開２０１０－０６１４２０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／００９１１８９（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１５／０２９３９７６（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １６／００－１６／９５８

(57)【特許請求の範囲】

【請求項1】

一のユーザから検索クエリを受け付ける入力部と、
複数のユーザの共通情報に応じて用意された複数のリランキングモデルと、
前記検索クエリに基づいて検索して検索結果を得る検索部と、
前記一のユーザの共通情報に基づいて一のリランキングモデルを選択し、当該一のリランキングモデルを用いて、前記検索結果に対してリランキング処理をするリランキング処理部と、
を備え、
前記共通情報は、ユーザによる検索傾向を示す情報であり、
前記検索傾向は、検索クエリとクリックログとの関連性を含み、
前記関連性は、検索クエリおよびクリックログにおけるそれぞれの文字列の数、当該それぞれの文字列の一致度、当該それぞれの文字列の差分の少なくとも一つであり、
前記リランキング処理部は、
前記入力部により受け付けられた検索クエリおよび前記一のユーザの検索履歴から検索傾向を導出し、
前記関連性を前記一のユーザの検索履歴から導出することで、検索傾向を導出する、
リランキング装置。

【請求項2】

検索クエリ、当該検索クエリによる検索結果リスト、およびユーザにより選択されたクリックログを含むログ情報を記憶するログデータベースと、
前記ログ情報を、複数のユーザの共通情報に基づいて分類するクラスタリング部と、
前記共通情報に基づいて分類されたログ情報に基づいて複数のリランキングモデルを生成するリランキングモデル生成部と、を備え、
前記リランキング処理部は、前記リランキングモデル生成部により生成された複数のリランキングモデルから、一のリランキングモデルを選択して、リランキング処理を行う、
請求項１に記載のリランキング装置。

【請求項3】

前記検索傾向は、検索クエリを構成する文字種別、文字列、検索に利用されない文字列の文字数の少なくともいずれか一つに基づく、
請求項１または２に記載のリランキング装置。

【請求項4】

前記検索傾向は、前記検索クエリの入力手法に基づく、
請求項１または２に記載のリランキング装置。

【請求項5】

一のユーザから検索クエリを受け付ける入力部と、
複数のユーザの共通情報に応じて用意された複数のリランキングモデルと、
前記検索クエリに基づいて検索して検索結果を得る検索部と、
前記一のユーザの共通情報に基づいて一のリランキングモデルを選択し、当該一のリランキングモデルを用いて、前記検索結果に対してリランキング処理をするリランキング処理部と、
を備え、
前記共通情報は、ユーザによる検索傾向を示す情報であり、
前記検索傾向は、前記検索クエリの入力手法に基づき、
前記リランキング処理部は、前記入力部により受け付けられた検索クエリおよび前記一のユーザの検索履歴から検索傾向を導出する、
リランキング装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報検索におけるランキング処理を行うリランキング装置に関するものである。

【背景技術】

【0002】

特許文献１に記載されているように、パーソナル化された検索および情報アクセスを提供するシステム、方法、およびインターフェースが知られている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１２－５３９２２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

上記従来技術にかかるパーソナル化された検索および情報アクセスを提供するシステム、方法、およびインターフェース装置は、以下に示すような問題点があった。ユーザ毎に異なった検索モデルまたはリランキングモデルを作成するには、大量のデータかつ、ユーザの実際のログを利用した多くの特徴量が必要である。しかし、実際の検索ログでは、個人特有のモデルを作成するためにはデータ量が少なく、また、特徴量に利用するためのログの項目がスパースになる。すなわち、上記特許文献１に記載のパーソナル化された検索および情報アクセスを提供するシステム、方法、およびインターフェース装置では、よりユーザの求めるパーソナライズした結果を表示するためのデータが不足するといった問題があり、そのためパーソナライズした結果を得ることが困難であった。

【0005】

そこで本発明は、上記問題点を解決するために、データ不足による検索精度低減のおそれの少ないリランキング処理を可能とするリランキング装置を提供することを目的とする。

【課題を解決するための手段】

【0006】

上記課題を解決するために、本発明のリランキング装置は、一のユーザから検索クエリを受け付ける入力部と、複数のユーザの共通情報に応じて用意された複数のリランキングモデルと、前記検索クエリに基づいて検索して検索結果を得る検索部と、前記一のユーザの共通情報に基づいて一のリランキングモデルを選択し、当該一のリランキングモデルを用いて、前記検索結果に対してリランキング処理をするリランキング処理部と、を備える。

【0007】

この発明によれば、リランキングモデルは、複数のユーザの共通情報に応じて用意されていることから、ユーザ一人ごとにリランキングモデルを用意することと比較して、そのリランキングモデル生成時においてデータが不足するといった問題を解消でき、精度のよいリランキング処理を可能にする。

【発明の効果】

【0008】

この発明によれば、データ不足することのないリランキングモデルを利用して、精度のよいリランキング処理を可能にする。

【図面の簡単な説明】

【0009】

【図1】本実施形態にかかる施設情報検索におけるリランキング装置１００の構成図である。

【図2】ログデータベース１０９に記憶されるログ情報の具体例を示す図である。

【図3】本実施形態にかかるリランキングモデル生成時におけるリランキング装置１００の動作を示すフローチャートである。

【図4】リランキングモデル生成を示す模式図である。

【図5】本実施形態にかかるリランキング処理を行うときにおけるリランキング装置１００の動作を示すフローチャートである。

【図6】特徴量追加処理を示す模式図である。

【図7】ログ情報に対するクラスタリング処理するときの模式図である。

【図8】本開示の一実施の形態に係るリランキング装置１００のハードウェア構成の一例を示す図である。

【発明を実施するための形態】

【0010】

添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

【0011】

本実施形態にかかる施設情報検索におけるリランキング装置１００の構成について説明する。図１は、本実施形態にかかる施設情報検索におけるリランキング装置１００の構成図である。本実施形態にかかる施設情報検索におけるリランキング装置１００は、入力部１０１、検索部１０２、インデックス部１０３、クラスタリング部１０４、リランキングモデル生成部１０５、リランキングモデル記憶部１０６、リランキング処理部１０７、出力部１０８、およびログデータベース１０９を含んで構成されている。なお、以降の説明において、施設情報検索、いわゆるＰＯＩ（、Point of Interest）検索を例に説明しているが、一般的な検索にも適用することができる。

【0012】

入力部１０１は、ユーザ端末２００から入力された文字列を、通信網等を介して受けるける部分である。また、入力部１０１は、出力部１０８からユーザ端末２００に出力された検索結果リストに対してユーザがクリックしたＰＯＩをログデータベース１０９に記憶する。

【0013】

検索部１０２は、受け付けられた文字列を受け取り、検索システムで保持するＰＯＩのデータベースを持つインデックス部１０３と突合することで、関連するＰＯＩを含んだ検索結果リストを取得する部分である。検索部１０２は、取得した検索結果リストをログデータベース１０９にログ情報として記憶し、またリランキング処理部１０７に出力してリランキング処理をさせる。

【0014】

インデックス部１０３は、ＰＯＩのデータベースを有し、検索部１０２からの問合せ（文字列）に基づいて対応するＰＯＩを含んだ検索結果リストを検索部１０２に出力する。

【0015】

クラスタリング部１０４は、ログデータベース１０９のログ情報をクラスタリング処理して、所定数のクラスタに分類（クラスタリング）する部分である。このクラスタリング処理には、ｋ－ｍｅａｎｓなどがある。クラスタリングするにあたって、クラスタリング部１０４は、ログ情報から特徴量を抽出する。この特徴量は、検索傾向を示す情報であり、例えば、検索クエリに、ひらがな、伸ばし棒を使うか否か（またはその含有率など）、単語数（ｎ単語別）、無駄な文字列の多さ、などである。無駄な文字列の多さとは、例えば「・・・してください」との検索クエリがあった場合、その「してください」という部分の文字列数またはその含有率である。これは形態素解析など利用することで、把握可能な情報である。

【0016】

また、検索クエリとそのクリックログ（ＰＯＩのタイトルなど）と間の文字列の一致度若しくは、文字列差分を特徴量として抽出する。一致度とは、文字の一致の割合または一致数である。差分は、クロックログの文字列＞検索クエリである場合、その文字数の差分である。

【0017】

そのほか、入力方法として、音声を利用するか否か、使っている端末の種別は何か、などを特徴量としてもよい。なお、上述の特徴量は検索傾向を示す情報であるが、ユーザ属性（年齢、性別等）に基づいてクラスタリングしてもよいし、またその両方を用いてクラスタリングしてもよい。本実施形態においては、検索しようとするユーザに共通する事項で、クラスタリングすることでデータ不足を解消することができる。

【0018】

リランキングモデル生成部１０５は、クラスタリング部１０４によりクラスタリング処理されたログ情報から導出された特徴量に基づいて、リランキングモデルを生成する部分である。各特徴量に基づいてクラスタリングされたログ情報における検索クエリおよび検索結果リストを説明変数とし、クリックされたＰＯＩを目的変数として、公知の機械学習処理（例えば、rankSVM）を行う。これにより、検索傾向ごとにリランキングモデルを構築することができる。

【0019】

リランキング処理部１０７は、検索結果リストにおける上位のＰＯＩ（例えば上位ｋ番目までのＰＯＩ）に対して、リランキング処理を行う部分である。リランキング処理部１０７は、リランキングモデル生成部１０５により生成されたリランキングモデルを用いてリランキング処理を行う。このリランキングモデルは、ユーザの検索傾向毎に複数用意されている。ログデータベース１０９に記憶されているユーザの検索に関するログ情報が、クラスタリング部１０４により検索傾向を示すクラスタ別に分類され、そのクラスタ単位に分類されたログ情報に基づいて各リランキングモデルは学習され、生成される。

【0020】

出力部１０８は、リランキング処理部１０７によりリランキング処理された検索結果リストを、文字列を入力したユーザ端末２００に出力する。

【0021】

ログデータベース１０９は、ユーザ端末２００により入力された文字列およびその検索結果を含むログ情報を、ユーザごとに記憶する部分である。図２は、ログデータベース１０９に記憶されるログ情報の具体例を示す図である。図に示されるとおり、ログデータベース１０９は、検索対象となる文字列である検索クエリ、検索クエリにより検索された検索結果リスト、検索結果リストからユーザが選択したＰＯＩ（ＵＲＬまたはコンテンツ）、ユーザの属性情報（年齢、住所、および職業）を対応付けて記憶している。

【0022】

続いて、本実施形態にかかるリランキングモデル生成時におけるリランキング装置１００の動作について説明する。図３は、本実施形態にかかるリランキング装置１００の動作を示すフローチャートである。本実施形態にかかるリランキングモデル生成部１０５は、ログデータベース１０９に記憶されているログ情報を読み出し（Ｓ１０１）、特徴量化する（Ｓ１０２）。特徴量化は、例えば、ユーザの検索クエリ、そのときのクリックログ、当該検索クエリとそのクリックログ（ＰＯＩのタイトルなど）と間の文字列の一致度若しくは文字列差分、無駄な文字列の多さ、ひらがな含有率、単語数、使っている通信端末の種別、または音声検索利用フラグを求めることである。なお、これら全ての特徴量を必須とするものではない。また、これ以外においても、ユーザの検索傾向を示す情報であればよい。

【0023】

クラスタリング部１０４は、ログ情報を特徴量化した検索傾向を示す情報を用いて、k-means法などを用いた教師なしクラスタリングを行う（Ｓ１０３）。図７（ａ）は、その模式図である。図７において、黒丸がユーザの検索傾向を示す特徴量を示す。この各特徴量に基づいていくつかのクラスタに分類する。図７では、クラスタ１および２に分類していることを示す。

【0024】

そして、リランキングモデル生成部１０５は、クラスタごとのログ情報を取得する（Ｓ１０４）。リランキングモデル生成部１０５は、各クラスタに属するログ情報（検索クエリ、クリックログ（クリックされたＰＯＩ）、および検索結果リスト）をrankSVMに適用することでリランキングモデルを生成する（Ｓ１０５）。リランキングモデル生成部１０５は、生成したリランキングモデルをリランキングモデル記憶部１０６に記憶する。その際、どのクラスタに基づくリランキングモデルであるか、分かるようにラベル付けをしておく。これにより、検索時において、推定したクラスタに対応するリランキングモデルを選択することが可能となる。

【0025】

図４は、リランキングモデル生成処理を模式的に示した図である。図４（ａ）は、ログ情報から抽出した特徴量を示す図ある。ここでは、説明の便宜上、一致度および差分を示す特徴量、および平仮名含有率を示す特徴量を扱うことにする。図４（ｂ）は、これら特徴量に基づいて、クラスタリングされた各クラスタの特徴量を示す。図４（ｃ）および図４（ｄ）は、クラスタリングされた各クラスタのログ情報に基づいてリランキングモデルを生成することを模式的に示す。それぞれのログ情報に含まれる検索クエリ、クリックログ、検索結果リストに基づいてリランキングモデルが生成される。図では、ユーザ属性も含んでいるが、これは必須ではない。

【0026】

このようにして、ユーザの検索傾向に基づいたリランキングモデルを生成することができる。

【0027】

つぎに、ユーザの検索傾向に基づいて生成されたリランキングモデルを利用したリランキング検索実施動作について説明する。図５は、本実施形態にかかるリランキング処理を行うときにおけるリランキング装置１００の動作を示すフローチャートである。リランキング装置１００において、入力部１０１は、ユーザからの検索クエリを受け付け（Ｓ２０１）、検索部１０２は、ＰＯＩ検索を行い、検索結果リストを取得する（Ｓ２０２）。そして、リランキング処理部１０７は、検索クエリから特徴量を取得するとともに、リランキングモデル生成時において利用した特徴量の残りはどの項目であるか把握し、その特徴量を追加する（Ｓ２０３）。この追加処理は、リランキングモデル生成時におけるクラスタリング処理で使用された特徴量と、検索時におけるクラスタ推定のための特徴量とのそれぞれの次元を合わせるためである。例えば、リランキングモデル生成時において、検索クエリとクリックしたコンテンツとの文字列の一致度とその文字列差分とを特徴量として用いてクラスタリングした場合、検索時においても、その一致度および文字列差分を特徴量として追加することで、クラスタ推定に際して、どのクラスタにそのユーザの検索傾向が属するのか、クラスタ推定に際してその次元をあわせることができる。

【0028】

本実施形態においては、ユーザごとに検索クエリとクリックしたコンテンツとがログデータベース１０９に記憶されており、これを利用して、検索クエリから得られる特徴量以外の特徴量を追加する。例えば、ログデータベース１０９から、当該ユーザの過去の検索における、検索クエリとクリックＰＯＩとの間の文字列一致度および文字列差分を取得し、これを統計的処理（平均値を求めるなど）した値を、特徴量として追加する。その他の特徴量についても同様にログ情報から生成して、追加する。

【0029】

そして、リランキング処理部１０７は、ユーザのクラスタ推定を行う（Ｓ２０４）。この推定処理は、図７（ｂ）に示されるように、すでにクラスタリングされたログ情報に基づいて、どのクラスタに属するか判断することにより行われる。図７（ｂ）では、検索クエリ等に基づく検索傾向を示す特徴量ｘ（上述特徴量が追加されたものを含む）が、クラスタ１に含まれることを示している。

【0030】

ここで、特徴量追加およびユーザのクラスタ推定について図を用いて説明する。図６は、特徴量追加を模式的に示した図である。ここでは、リランキングモデル生成時において、検索クエリとクリックログの一致度およびその差分を特徴量として利用したものとする。なお、当然ながら他の特徴量を利用した場合には、その特徴量も、検索クエリまたはそのユーザの検索ログから取得する。

【0031】

図６に示されるとおり、ユーザＩＤ：１のユーザ（以下ユーザ１とする）は、検索クエリとして「でずにー」を入力する。このままでは、ユーザ１の検索傾向が分からないが、ユーザ１の過去の検索履歴から、検索クエリとクリックログの一致度及びその差分を取得する。ユーザ１は、複数の検索をしている場合が通常であることから、その場合、統計的に処理（平均値算出など）をして一致度及び差分を取得する。なお、当然にそれに限るものではなく、直近の検索における、一致度および差分を用いてもよい。

【0032】

検索クエリに、検索履歴から取り出した過去の検索クエリとクリックログとの一致度及びその差分を合成して、ユーザ１の検索傾向を示す特徴量を抽出する。これを利用して、リランキング処理部１０７は、そのユーザのクラスタを推定することができる。

【0033】

リランキング処理部１０７は、推定したクラスタに対応するリランキングモデルを選択し（Ｓ２０５）、検索部１０２が取得した検索結果リストに対してリランキング処理を行う（Ｓ２０６）。出力部１０８は、リランキング処理された検索結果リストをユーザ端末２００に出力する（Ｓ２０７）。

【0034】

つぎに、本実施形態のリランキング装置１００の作用効果について説明する。リランキング装置１００は、一のユーザ端末２００から検索クエリを受け付ける入力部１０１と、複数のユーザの共通情報に応じて用意された複数のリランキングモデルを記憶するリランキングモデル記憶部１０６と、検索クエリに基づいて検索して検索結果を得る検索部１０２と、一のユーザの共通情報に基づいて一のリランキングモデルを選択し、当該一のリランキングモデルを用いて、検索結果に対してリランキング処理をするリランキング処理部１０７と、を備える。この共通情報は、上述実施形態においては、ユーザの検索傾向またはユーザ属性である。

【0035】

これにより、リランキング処理部１０７は、複数のユーザの共通情報（ユーザ属性または検索傾向）に応じてリランキングモデルを選択し、これに基づいたリランキング処理を行うことができる。リランキングモデルは、複数のユーザの共通情報（ユーザ属性または検索傾向）に応じて用意されており、ユーザに応じたリランキング処理を可能にする。また、リランキングモデルは、複数のユーザの共通情報（ユーザ属性または検索傾向）に応じて用意されていることから、ユーザ一人ごとに用意することと比較して、そのモデル生成時においてデータが不足するといった問題を解消できる。

【0036】

また、本実施形態のリランキング装置１００は、検索クエリ、当該検索クエリによる検索結果リスト、およびユーザにより選択されたクリックログを含むログ情報を記憶するログデータベース１０９と、ログ情報を、複数のユーザの共通情報（ユーザ属性または検索傾向）に基づいて分類するクラスタリング部１０４と、共通情報（ユーザ属性または検索傾向）に基づいて分類されたログ情報に基づいて複数のリランキングモデルを生成するリランキングモデル生成部１０５と、備える。そして、リランキング処理部１０７は、リランキングモデル生成部１０５により生成された複数のリランキングモデルから、一のリランキングモデルを選択して、リランキング処理を行う。

【0037】

これにより、共通情報に基づいてリランキングモデルを生成することができる。共通情報としてユーザ属性または検索傾向が考えられ、このような共通情報に基づいてログ情報をクラスタリングし、そのクラスタごとにリランキングモデルを生成することで、データ不足が生ずることなく、リランキングモデルの生成が可能となる。

【0038】

本実施形態におけるリランキング装置１００において、リランキング処理部１０７は、入力部１０１により受け付けられた検索クエリおよび一のユーザの検索履歴から検索傾向を導出する。すなわち、リランキング処理部１０７は、検索クエリから特徴量を抽出し、さらに、一のユーザの検索履歴から、検索クエリから抽出した特徴量以外の他の特徴量を抽出することで、一のユーザの検索傾向を導出する。検索クエリからの特徴及び他の特徴量は、ランキングモデルを生成した際におけるクラスタリングに利用した特徴量と同じにするのがよい。検索履歴は、例えば、ログデータベース１０９から取得されてもよいし、別途リランキングモデルを生成したときの情報を利用してもよい。

【0039】

これにより、検索クエリから特徴量を抽出し、さらに、その一のユーザの検索傾向を把握できるよう検索履歴から補完するための特徴量を抽出することで、検索時における一のユーザの検索傾向を推定し、そしてそれに応じてリランキングモデルを選択することができる。

【0040】

本実施形態において、検索傾向は、検索クエリとクリックログとの関連性に基づく。また、関連性とは、検索クエリおよびクリックログにおけるそれぞれの文字列の数、当該それぞれの文字列の一致度、当該それぞれの文字列の差分の少なくとも一つである。また、検索傾向は、検索クエリを構成する文字種別、文字列、検索に利用されない文字列の文字数の少なくともいずれか一つに基づく。

【0041】

また、検索傾向は、検索クエリの入力手法に基づく。例えば、キーボードによるテキスト入力であってもよいし、音声入力であってもよい。音声入力の場合、リランキング装置１００において、検索クエリの形式にするために、文字列に変換する必要がある。また、ユーザ端末側で音声入力されて変換された場合には、その旨のフラグ情報をもらうようにしてもよい。

【0042】

上述実施形態では、共通情報として、ユーザの検索傾向を例に説明したが、共通情報として、これ以外に、ユーザ属性を示す情報もある。ユーザ属性を示す情報として、性別、年齢・年代、住所、職業等が考えられる。また、共通情報は、検索傾向とユーザ属性との両方を含むとしてもよい。

【0043】

上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

【0044】

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

【0045】

例えば、本開示の一実施の形態におけるリランキング装置１００は、本開示のリランキング処理方法の処理を行うコンピュータとして機能してもよい。図８は、本開示の一実施の形態に係るリランキング装置１００のハードウェア構成の一例を示す図である。上述のリランキング装置１００は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

【0046】

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。リランキング装置１００のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

【0047】

リランキング装置１００における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

【0048】

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の検索部１０２、リランキング処理部１０７，リランキングモデル生成部１０５，クラスタリング部１０４などは、プロセッサ１００１によって実現されてもよい。

【0049】

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、検索部１０２は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

【0050】

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係るリランキング処理方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

【0051】

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。

【0052】

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の入力部１０１および出力部１０８などは、通信装置１００４によって実現されてもよい。入力部１０１と出力部１０８とは、物理的に、または論理的に分離された実装がなされてもよいし、物理的に共通した実装がなされてもよい。

【0053】

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

【0054】

また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

【0055】

また、リランキング装置１００は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

【0056】

情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRC Connection Reconfiguration）メッセージなどであってもよい。

【0057】

本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。

【0058】

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

【0059】

情報等は、上位レイヤ（又は下位レイヤ）から下位レイヤ（又は上位レイヤ）へ出力され得る。複数のネットワークノードを介して入出力されてもよい。

【0060】

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

【0061】

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

【0062】

本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

【0063】

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

【0064】

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

【0065】

また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

【0066】

本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

【0067】

なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。

【0068】

また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。

【0069】

上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々なチャネル（例えば、ＰＵＣＣＨ、ＰＤＣＣＨなど）及び情報要素は、あらゆる好適な名称によって識別できるので、これらの様々なチャネル及び情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。

【0070】

本開示においては、「移動局（ＭＳ：Mobile Station）」、「ユーザ端末（user terminal）」、「ユーザ装置（ＵＥ：User Equipment）」、「端末」などの用語は、互換的に使用され得る。

【0071】

移動局は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、又はいくつかの他の適切な用語で呼ばれる場合もある。

【0072】

本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。

【0073】

「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。

【0074】

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

【0075】

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

【0076】

本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

【0077】

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

【符号の説明】

【0078】

１００…リランキング装置、１０１…入力部、１０２…検索部、１０３…インデックス部、１０４…クラスタリング部、１０５…リランキングモデル生成部、１０６…リランキングモデル記憶部、１０７…リランキング処理部、１０８…出力部、１０９…ログデータベース、２００…ユーザ端末。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】