以下、図面を用いて、発明の実施の形態� ��説明する。

  第1 はじめに
 本実施の形態では、図書館分類とWikipediaと� ��う2種のオントロジーを統合させた新しい情 報探索システム・情報探索手法を提案する。

 そこで、まず、本実施の形態の背景とな� ��図書館分類とWebオントロジー(Wikipediaを含む )とを簡単に説明する。

  1-1 書架分類法(classification)
 NDC(日本十進分類法)は日本で最も普及して� �る図書館資料の書架分類法である。一つの� �料に一つのNDCコードが付与される。書架分� �法としては、他にも種々知られている。例� �ば
 DDC(デューイ十進分類法)
 UDC(国際十進分類法)
 NDLC(国立国会図書館分類法)
 LLC(米国議会図書館分類表)
が知られている。

  1-2 件名標目表(Subject Headngs)
 BSH(基本件名標目表)は、図書館資料の統制� �ーワードであり、一つの資料に複数の件名� �付与される。また、NDCとの対応がなされて� �る。件名標目表としては、他にも種々知ら� �ている。例えば、
 LCSH(米国議会図書館件名標目表)
 NDLSH(国立国会図書館件名標目票)
が知られている。

  1-3 フォークソノミー
 2005年頃から普及し始めたWebサービスであり 、Flickr、del.icio.us、Youtubeなどが有名である。

 フォークソノミーは、個々の利用者が自� ��の視点でコンテンツにタグを付与できるの� ��特徴である。システム全体としてみれば多� ��なタグが個々のコンテンツに付与されてい� ��状態となる。

  1-4 Wikipedia
 インターネット上で共同編集されている多� ��語百科事典である。各記事にはカテゴリが� ��グとして付与されている。したがって、フ� ��ークソノミーの特徴をも包含する。また、� ��テゴリにもさらにカテゴリのタグを付与で� ��る。したがって、緩やかな階層構造を取る� ��とも可能である。また、複数の上位概念を� ��与することができる。したがって、多重承� ��が可能である。

 特に、図書館オントロジーとWikipediaとの� ��較を行った表が図1に示されており、既に説 明した通りである。

  第2 アプローチ
 本願発明者らは、図書館オントロジーをWiki pediaで拡張することが有効であろうと考えた� ��

 それは、Wikipediaは、Webの汎用的な情報資� ��としては最も組織化されている(Wikipediaカテ ゴリと呼ばれるカテゴリが存在する)ので、� �書館オントロジーとの親和性がある程度は� �いと考えられたからである。さらに、Wikipedi aは、Web上の他の情報資源との親和性を持っ� �いるからである。

 また、図書館オントロジー(書架分類法、 件名標目表)は、人類がこれまで長い期間営� �と積み重ねてきた知識体系であり、価値判� �に必要な情報資源への有力なポインタとな� �うるものである。

 これらの関係を表す概念図が図4に示され ている。この図に示すように、情報探索のス タート地点としてはWebオントロジーは優れて いるが、より深い専門性、信頼性を獲得する にはWebオントロジーだけでは困難である。図 書館オントロジーは、情報探索のスタート地 点としての適性は低いものの、図4に示すよ� �に、より深い情報の専門性、信頼性を得よ� �とする場合は非常に高い適応性を有してい� �。また、Wikipediaは、Webオントロジーではあ� �ものの、ある程度の階層性、組織性を有し� �いるので、図書館オントロジーとの親和性� �高いと言えよう。この結果、Wikipediaにおけ� �情報探索から図書館オントロジーへの移行� �円滑に行えば、より使いやすい情報検索シ� �テムが達成できると考えられる。

 このような移行は、両者に共通するカテ� ��リ名を用いて行うことができる。このよう� ��共通するカテゴリの例は、阪神・淡路大震� ��の例が図2に示されている。

 この図2のように、阪神・淡路大震災から 、種々の概念(カテゴリ)に到達することがで� ��る。その結果を示す図が図5に示されている 。

 図5に示すように、Wikipediaにおいて、「日 本の経済史」に到達することによって、震災 が日本経済に与えた影響を知ることができる 。また、「災害と防災の歴史」から震災がそ の後の防災対策に与えた影響を知ることがで きる。さらに、「地震」から震災を起こした 地震(1995年兵庫県南部地震)を知ることができ る。

 一方、図書館オントロジーへ移行するこ� ��によって、図5に示すように、「経済史-日� �-平成時代(332.107)」から「経済学事典(日本経 済新聞社、1996年)の存在を知ることができる� ��また、「地震災害」という項目から、「地� ��防災の辞典(岡田恒男ほか、2000年」を知る� �とができる。また、「地震史(453.2)」から、� ��日本被害地震総覧(宇佐見龍夫、2003年)を読� ��ことが可能である。

  第3 レファレンスナビゲータ
 以上述べたように、図書館オントロジーとW ikipediaとを統合することによってより使いや� ��く、且つより深い専門性の高い情報を探索� ��能な情報探索システムが実現できると考え� ��れる。この考えに基づき、本願発明者らは� ��レファレンスナビゲータと呼ばれるシステ� ��を開発し、一定の成果を上げることができ� ��。以下、このレファレンスナビゲータにつ� ��て説明する。

  3-1 類似について
 本レファレンスナビゲータは、Wikipediaと図� ��館オントロジーとの間で概念の対応を行っ� ��いるが、その対応は、概念を表すキーワー� ��の文字列が一致する場合だけでなく、文字� ��の間に一定の類似度がある場合も含めて対� ��を行っている。

 類似度は、いわゆる単語n-gramや、文字n-gr amとよばれるモデルによって計算している。� ��こで、nは自然数であり、単語2-gram、単語3-g ram、単語4-gram等を意味する。単語n-gramは、簡 単に言えば、一定のフレーズを単語に分けて 、その単語がn個連続して一致していた場合� �類似と判断する手法であり、nは上述したよ� ��に自然数である。

 また、文字n-gramは、簡単に言えば、一定� ��フレーズをn文字毎に分けて、そのうちいず れかが一致するような他のフレーズがあれば 、それを類似と判断する手法である。例えば 、「地震の歴史」に対して文字2-gramを適用す ると、「地震」「震の」「の歴」「歴史」と いう4個の2文字群が得られる。この文字群と� ��ずれかが一致するような他のフレーズがあ� ��ば、そのフレーズを類似と判断するのであ� ��。

 さらに、本実施の形態のレファレンスナ� ��ゲータでは、いわゆるシソーラスによって� ��義語を探索し、その類義語も類似すると判� ��している。

  3-2 上位概念の導出
 上位概念の説明のため、記法を若干説明す� ��。

 探索対象である入力キーワードを、K0と� �す。例えば、図2では、「阪神・淡路大震災� ��がK0である。Wikipediaでは、このK0から上位に あるカテゴリを見つけることができる。上述 したように、Wikipediaでは上位概念を複数個持 てるので、一般に複数個の上位概念が見つか る。これら、直接見つかったn個の上位概念� �1次の上位概念と呼び、それぞれK11、・・・K 1nで表す。

 すなわち、本実施の形態では、概念(カテ ゴリ名)をKabと表し、このaは探索対象からの� ��さを表すレベル、次数であり、bはシリアル 番号(すなわち、そのレベルに存在する概念� �通し番号を付したもの)である。

 さて、K0である「阪神・淡路大震災」に対� �て、1次の上位概念は、
 K11「地震の歴史」
 K12「日本の経済史」
 K13「平成時代」
の3個である(図2参照)。

 さらに、K11「地震の歴史」のさらに上位概� ��を求める(つまりK0から見れば第2レベル(2次) となる)と、
 K21「地震」
 K22「災害と防災の歴史」
の2個である。なお、第2レベルの上位概念は� ��他の(第1レベルの)概念を経由して辿る場合� ��あり、例えば、K23「経済史」が図2に示され ている。また、図2には、3次の上位概念であ� ��K31「災害」も記されている。

  3-3 対応
 このように上位概念を辿った場合には、図2 に示すように、K21「地震」と完全一致の概念 「地震(453)」がNDC、BSH中に存在することが見� ��けられる。また、K31「災害」に完全一致す� ��概念がNDC、BSH中に存在することが見つけら� ��る。同様に、K23「経済史」と完全一致する� ��念「経済史(332)」がNDC、BSH中に存在するこ� �が見つけられる(図2参照)。

 一方、シソーラスを用いることによって� ��K0「阪神・淡路大震災」の類似概念として� �地震災害」がNDC、BSH中に見つけられる。ま� �、n-gramの手法を用いて、K12「日本の経済史� �及びK13「平成時代」などと類似する概念と� �て「経済史-日本-平成時代(332、107))が見つけ られる。

  3-4 重み
 本実施の形態において特徴的なことは、各� ��念に対して重みによるスコアを計算し、係� ��スコアによって表示順を決定等しているこ� ��である。

 ある概念Kmn(mレベルのn番目の概念)の重み をW(Kmn)で表すと、W(Kmn)は、以下の式で表され る。

  W(Kmn) = S(Kmn、C(Kmn))×W(C(Kmn))

 但し、1<m<t の範囲で計算する。ここで tはしきい値である。これは計算対象となる� �ベルの深さを一定の値に制限したものであ� �。なお、Kmnは、ノードとも呼ばれる。

 また、W(K0) = 1.0 である。これは、探索� ��象である概念K0の重みは「1」であるとした� ��のである。

 また、上式で S()は、類似度であり、C(Kmn )は、Kmnの下位概念のうち、Kmnを導いたもの� �表す。例えば、K23=「経済史」に対して、C(K2 3)=K12=「日本の経済史」となる。

 つまり、上式は、
 その概念の重み = その概念の下位概念と� �類似度 × その下位概念の重み
という意味をなしている。

 記号をまとめてみよう。

 Kmnは、レベルmのn番目の概念(ノード)である 。 
 C(K)は、概念(ノード)Kの下位概念(ノード)で� ��る。 
 S(K1、K2)は、概念K1と概念K2との類似度であ� �。 
 W(K)は、概念(ノード)Kへの重みである。 
  3-5 類似度
 類似度S(K1、K2)は、下記の式で計算される。 概念K1とK2との類似度は、

 この数式中、αは伝搬パラメータであり、� �えば0.8等の定数である。

 また、TK1、TK2は、概念K1とK2のn-gramの総数 である。

 例えば、n=2(すなわち 2-gram)、K1が「地震」� ��K2が「地震の歴史」の場合は、
 TK1 = 1 「地震」の1個であるので「1」
 TK2 = 4 「地震」「震の」「の歴」「歴史� �の4個であるので「4」
となる。

 また、TKCは、共通n-gram数である。例えば上� ��挙げた例の場合は、
 TKC = 1 (共通する概念は「地震」の1個であ る)
となる。

 したがって、K1が「地震」、K2が「地震の歴 史」の場合は、

と計算され、類似度は0.6と計算される。

 さて、この類似度Sは、基本的には0~1の間 の数を取る。0の場合は似てないことを意味� �、1は似ていることを意味する。但し、αの� �が1より小さい場合は、0~1ではなく、例えば0 .2~1.0の範囲の数を取る(αが0.8の場合)。

 記法をまとめてみよう。 
 αは伝搬パラメータである。 
 TKは、概念(ノード)Kのn-gramの総数である。 
 TKCは、共通するn-gramの数である。

  3-6 導出スコア
 フォークソノミー型オントロジー、すなわ� ��Wikipediaの各概念に対して以上のように重み� ��けをした後、それに基づいて図書館オント� ��ジーの各概念Niに対して導出スコアI(Ni)を計 算する。

 図2で示す例によれば、Wikipediaにおいて第 3レベルまで重みを計算した場合、「地震」� �災害」「経済史」などが完全一致する概念� �して、図書館オントロジー側から見つけ出� �れる。

 したがって、これら「地震」「災害」「� ��済史」について導出スコアIを算出する。も ちろん、導出スコアは、完全一致する概念だ けでなく類似概念に関しても導出スコアIが� �められる。導出スコアI(Ni)は、以下のように して算出する。

 ここで、Niは、図書館オントロジー中の概� �(「地震」「災害」「経済史」等)である。

 そして、X(Ni)は、その図書館オントロジ� �中の概念に対応付けられているWikipedia中の� �念の集合である。例えば、「地震(453)」に対 応付けられているWikipediaの概念は1個である� �は限らず、一般的に複数個存在する。これ� �を集合としたものである。

 このWikipedia中の概念は、請求の範囲のフ� ��ークソノミー型オントロジー中の概念の好� ��な一例に相当する。

 例えば、図2の例では、「経済史-日本-平� ��時代(332.108)」には「日本の経済史」と「平� ��時代」との2個の概念が対応付けられている 。したがって、X(「経済史-日本-平成時代(332. 108)」) = {「日本の経済史」、「平成時代」} という集合となる。

 上記式により求められる導出スコアは、� ��の集合中、最も重みの大きな概念のその重� ��の値である。

 また、記法をまとめてみよう。

 N又はNiは、図書館オントロジー中の概念( ノード)である。また、X(Ni)は、概念Niに対応� ��けられているWikipedia中の概念(ノード)であ� �。

 このWikipediaは、請求の範囲におけるフォ� ��クソノミー型オントロジーの好適な一例に� ��当する。

  3-7 選定
 本実施の形態において特徴的なことは、こ� ��I(Ni)の値が大きい順に上位J個のN(図書館オ� �トロジーのエントリ(概念))を選定し、情報� �索の結果として出力することである。Jは所� ��の個数であり、自然数である。

 特に本実施の形態のレファレンスナビゲ� ��タでは、J個のエントリのそれぞれについて 、K0からの導出パス、及び導出スコアを合わ� ��て出力する。

 例えば、
 エントリ      パス            導� ��スコア
 地震(453) ← 地震の歴史        :0.0906
 経済(330) ← 経済史 ← 日本の経済史 :0.0 607
 災害(369.3) ← 災害 
           ← 災害と防災の歴史 
           ← 地震の歴史      :0.036 2
 のように表示する。

 このように、導出スコアだけでなく、パ� ��も出力すれば利用者はどのようなつながり� ��その概念が出力されたか知ることができ、� ��便性に富む情報探索システムを構築するこ� ��ができる。

  第4 レファレンスナビゲータの構 成
 次に、本実施の形態に係る情報探索システ� ��であるレファレンスナビゲータの構成につ� ��て説明する。

 本情報検索システム(レファレンスナビゲ ータ)の構成図が図6~図12に示されている。利� ��者は図12に示す構成の端末装置から通信回� �(インターネット)を介してこのシステムを利 用する。

 まず、図6に示すように、ユーザ端末10上� ��はPCブラウザが搭載されており、このブラ� �ザを介して、利用者は本システムにアクセ� �し情報探索を行う。

 ユーザ端末10には、キーボード12やマウス 14等が接続されており、利用者はこれらを通� ��てユーザ端末10を操作する。ユーザ端末10は 典型的にはパーソナルコンピュータで構成す ることが好ましいが、PDAや携帯通信端末を用 いることも好ましい。

 ユーザ端末10はインターネット16を介して 本システムのHTTPサーバ18と接続する。HTTPサ� �バ18は、Webアプリケーションエンジン20によ� ��て制御されている。

 本システムの基本的な動作を記述してい� ��のがこのWebアプリケーションエンジン20で� �る。本願発明者らはこれを、Java(登録商標)� �語によって記述したが、もちろん他の言語� �も良い。このWebアプリケーションエンジン20 には図6に示すように、情報探索サービスの� �供に用いるWebドキュメントのデータ(インタ� ��フェース画面の定義等)や、スクリプトコー ド(JavaScript等)を記録した記憶装置22が備えら� ��ている。記憶装置22は、ハードディスクや� �導体記憶装置、各種光ディスク等が使用可� �である。

 Webアプリケーションエンジン20は関数呼� �出し処理エンジン24を利用して情報探索を行 う。この関数呼び出し処理エンジン24はXML RP Cプロトコルで実装されているが、他のプロ� �コルでも良い。この関数呼び出し処理エン� �ン24は連想検索モジュール26を用いて連想検� ��を行っている。連想検索モジュール26は、� �ッション管理モジュール28と連携し、連想検 索を行う。

 さて、セッション管理モジュール28はユ� �ザ端末10とのセッションを管理しており、そ のために利用者認証DB30及び検索のログを取� �ためのログDB32を備えている。

 関数呼び出し処理エンジン24及びセッシ� �ン管理モジュール28は、パスファインダー生 成モジュール34がパスファインダーを生成す� ��のに必要な情報を提供する。

 パスファインダー生成モジュール34は、� �数呼び出し処理エンジン24及びセッション管 理モジュール28などからの指示に基づき、パ� ��ファインダーを生成する。パスファインダ� ��生成モジュール34は、パスファインダー生� �制御ファイル36を備えており、この制御ファ イルの内容に基づきパスファインダーを生成 する。

 パスファインダー生成モジュール34には� �にも種々のモジュールが接続されており、� �調作業を実行している。

 図7には、パスファインダー生成モジュー ル34に接続する他のモジュールが描かれてい� ��。

 まず、質問文解析モジュールA38は、利用� ��からの質問を解析する。その際の解析ルー� ��の正規表現が解析ルール集40に格納されて� �る。また、自然文解析エンジン42が備えられ ており、自然文で記述された質問文の形態素 解析や構文解析を行う。

 このような質問文解析モジュールは複数� ��存在し、図7には、質問文解析モジュールA38 の他に、質問文解析モジュールB44、質問文解 析モジュールC46も示されている。

 図8にも、パスファインダー生成モジュー ル34に接続する他のモジュールが描かれてい� ��。文字列検索モジュール48は、検索対象で� �る所定の文字列を検索するモジュールであ� �。外部リンク生成モジュール50は、所定の文 字列等に対してリンクを埋め込むための外部 リンクを生成するモジュールであり、後述す るパスファインダーの画面上に、このリンク が設けられる。また、この外部リンクモジュ ール生成モジュール50には、外部をリンクす� ��際に用いる制御ファイルの記憶手段52が設� �られている。

 図9には、図8の文字列検索モジュール48と 共に検索動作を担う手段が種々示されている 。文字列検索モジュール48には検索エンジン( 1)54が設けられており、実際の検索動作を実� �する。この検索エンジン(1)54は、Aインデッ� �ス56と、Bインデックス58と、を検索する。A� �ンデックス56は、検索エンジン(1)54用の検索� ��ンジン(1)インデクサ60によってオントロジ� �Aのデータベースから作成されたものである� ��同様に、Bインデックス58も、検索エンジン( 1)54用の検索エンジン(1)インデクサ60によって 、オントロジーBのデータベースから作成さ� �たものである。

 文字列検索モジュール48には、複数の検� �エンジンを設けることができる。図9におい� ��は、検索エンジン(2)62が示されている。こ� �検索エンジン(2)60にも検索エンジン(2)インデ クサ64が備えられており、オントロジーAのデ ータベースからAインデックス66を作成し、オ ントロジーBのデータベースからBインデック� ��68を作成する。そして、検索エンジン(2)62は 、Aインデックス66とBインデックス68とを検索 する。

 ここで、オントロジーAは、Wikipediaオント ロジーを表す。また、オントロジーBは図書� �オントロジーを表す。

 図10には、上で述べたデータベースの詳� �が記されている。検索エンジン(1)インデク� �60は、オントロジーAデータベース70と、オン トロジーBデータベース72と、に基づき上述し たようにAインデックス56とBインデックス58と を作成する。同様に、検索エンジン(2)インデ クサ64は、オントロジーAデータベース66と、� ��ントロジーBデータベース68と、に基づき上� ��したようにAインデックス66とBインデックス 68とを作成する。

 オントロジーAデータベース70は、Wikipedia� ��ントロジーのデータベースであり、図10に� �すように、IDとキーワードのリストであるキ ーワードリストを備えている。また、オント ロジーAデータベース70は、各キーワードに対 して上位の概念のIDと、下位の概念のIDとを� �えた上位下位テーブルを備えている。この� �位下位テーブルには、例えば「東京大学」� �上位概念として「3」が示されている。このI D3のキーワードは「国立大学」である。すな� ��ち、「国立大学」が「東京大学」の上位概� ��である。

 また、「国立大学」の上位概念として「4 」が示されている。このID4のキーワードは「 東京都」である。すなわち、「東京都」が「 国立大学」の上位概念である。また、「国立 大学」の下位概念として「1」が示されてい� �。このID1のキーワードは「東京大学」であ� �。すなわち、「東京大学」が「国立大学」� �下位概念である。

 さらに、オントロジーAデータベース70に� ��、各キーワードに対して同義語の概念のID� �示した同義語テーブルを備えている。例え� �、「東京大学」の同義語としてID5が示され� �いる。ID5のキーワードは「東大」である。� �なわち、「東京大学」の同義語が「東大」� �ある。

 以上のような各種テーブルからオントロ� ��ーAデータベース70が構成されている。また� ��オントロジーBデータベース72は、図書館オ� ��トロジーのデータベースである点がオント� ��ジーAデータベース70と異なるが、その他の� ��成はほぼ同様である。

 すなわち、オントロジーBデータベース72� ��、オントロジーAデータベース70と同様にキ� ��ワードリスト、上位下位テーブル、同義語� ��ーブル等を備えている。

 図11には、パスファインダー生成モジュ� �ル34にと、上記オントロジーAデータベース70 やオントロジーBデータベース72に関連するモ ジュールが示されている。

 まず、オントロジー処理モジュール74は� �パスファインダー生成モジュール34からの指 示に従ってオントロジーAデータベース70・オ ントロジーBデータベース72に対するオントロ ジー処理を実行する。その際、上位概念自動 導出モジュール76はパスファインダー生成モ� ��ュールからの指示に従い上位概念を導出し� ��オントロジー処理モジュール74に供給する� �上位概念導出モジュール76はキーワード比較 エンジン78を用いて上位概念を導出する。キ� ��ワード比較エンジン78は、同義語辞書80を有 しており、キーワードの比較として、既に述 べたn-gramによる比較だけでなく、同義語かど うかを加味した比較も行う。

  第5 ユーザ端末の構成
 図12には、ユーザ端末10の構成ブロック図が 示されている。

 まず、中央制御モジュール90が、インタ� �ネット16を介してHTTPサーバ18との通信を行っ ている。中央制御モジュール90は、Webドキュ� ��ントを取得しその表示を行う。同時にスク� ��プトコード94の取得を行いそれを実行する� �

 中央制御モジュール90はマウス選択処理� �ジュール96をコントロールし、利用者のマウ ス動作(例えばキーワードの選択動作など)を� ��視・入力し、所定の処理を実行する。また� ��中央制御モジュール90はキー入力処理モジ� �ール98をコントロールし、利用者のキー入力 (キーワード「ハンバーガー」の入力など)を� ��視・入力し、所定の処理を実行する。

 また、中央制御モジュール90は、履歴管� �モジュール100を備えており、情報検索の結� �の履歴を保存している。

 本実施の形態において特徴的なことは、� ��の履歴を利用者の選択に応じて適宜画面に� ��示できることである。これによって、利用� ��は過去の情報探索の結果を利用することが� ��易である。この履歴管理モジュール100は、� ��歴を保存するための履歴保存領域102を備え� ��いる。

 履歴管理モジュール100は、情報探索の履� ��を用いてパスファインダーを作成する。パ� ��ファインダーは種々の検索の結果として表� ��てくるので、その履歴を表示することによ� ��て、パスファインダーが作成される。実際� ��パスファインダーの画面への描画はパスフ� ��インダー描画エンジン104が実行する(図12参� ��)。図12には、ユーザ端末10の構成ブロック� �だけでなく、端末のディスプレイに表示さ� �る画面の様子の概要が模式的に示されてい� �。このように、パスファインダーは、画面� �の一区画(ペインと呼ばれることが多い)を占 める。履歴管理モジュール100は情報探索の結 果の履歴をパスファインダーとは別に「履歴 」として表示する。実際の履歴の画面への描 画は履歴描画エンジン106が実行する(図12参照 )。図12に示す例では、画面の右端部分がタブ 切り換えによって種々の情報が表示可能に構 成されている例を示している。図11の例では� ��履歴と、連想検索U.I.が示されているが、タ ブの切り換えによって別の情報を表示するこ とも好ましい。

 また、本実施の形態においてはユーザ端� ��10は、連想検索描画エンジン108を備えてい� �。この連想検索エンジン108がHTTPサーバ18とXM LPRCによる通信を行い、連想検索の結果を得� �と、これを連想検索U.I.の部分(図12の画面右� ��部参照)に表示する。

 以上のような構成によって、利用者は、� ��実施の形態に係るレファレンスナビゲータ� ��利用することができる。

  第6 情報検索動作及びパスファイ ンダーの作成動作
 以下、情報検索動作及びそれに伴うパスフ� ��インダーの具体的な作成動作をフローチャ� ��トに基づき説明する。

 図13、図14には、情報検索動作及びパスフ ァインダーの作成動作を表すフローチャート が示されている。ここでは、キーボードによ って質問文が入力される場合について説明す る。マウスによって所定のキーワードがクリ ックされた場合の動作については次節で述べ る。

 まず、図13のステップS13-1においては、利 用者が「ハンバーガーについて調べたい」と いう自然文をユーザ端末10において入力する� ��

 ステップS13-2においては、中央制御モジ� �ール90がキー入力処理モジュール98を介して� ��記自然文による質問文を取得し、これにつ� ��て、関数呼び出しをサーバへ要求する。

 ステップS13-3においては、HTTPサーバ18が� �信した上記質問文をWebアプリケーションエ� �ジン20が関数呼び出し処理エンジン24に供給� ��る。関数呼び出し処理エンジン24はこの質� �文に基づきパスファインダー生成モジュー� �34を呼び出す。この結果、パスファインダー のオブジェクト(以下、これをPFobjectと呼ぶ場 合もある)は「Q:ハンバーガーについて調べた い」という質問文となる。

 ステップS13-4においては、質問文解析モ� �ュールA38が起動し、PFobject「Q:ハンバーガー� ��ついて調べたい」からX:ハンバーガーを取� �出す。

 次に、ステップS13-5において、質問文「Q:ハ ンバーガーについて調べたい」と、このX:ハ� ��バーガーが文字列検索モジュール48に供給� �れ、文字列の検索が行われる。その結果、PF objectは、
  Q:ハンバーガーについて調べたい
  X:ハンバーガー
  L:1:ハンバーガー     100.0% (関連性 以� ��同じ)
    2:ハンバーガー司祭     0.4%
    3:ハンバーガーチェーン   0.3%
    4:ナンバーガール      0.2%
  R:ハンバーガー
となる。

 次に、ステップS13-6においては、パスファ� �ンダー生成モジュール34が、オントロジー処 理モジュール74を呼び出し、オントロジー処� ��を行わせる。その結果、PFobjectは、
  Q:ハンバーガーについて調べたい
  X:ハンバーガー
  L:1:ハンバーガー     100.0% (関連性 以� ��同じ)
    2:ハンバーガー司祭     0.4%
    3:ハンバーガーチェーン   0.3%
    4:ナンバーガール      0.2%
  R:ハンバーガー
  BT:パン、ファーストフード
  NT:モスバーガー、マクドナルド、・・・
  RT:佐世保バーガー、外食産業、・・・
となる。なお、ここで、BTは上位語を表し、N Tは下位語を表す。また、RTは関連語を表す。

 次にステップS13-7においては、パスファイ� �ダー生成モジュール34が、上位概念自動導出 モジュール76を呼び出し、上位概念の導出を� ��わせる。その結果、PFobjectは、
  Q:ハンバーガーについて調べたい
  X:ハンバーガー
  L:1:ハンバーガー     100.0% (関連性 以� ��同じ)
    2:ハンバーガー司祭     0.4%
    3:ハンバーガーチェーン   0.3%
    4:ナンバーガール      0.2%
  R:ハンバーガー
  BT:パン、ファーストフード
  NT:モスバーガー、マクドナルド、・・・
  RT:佐世保バーガー、外食産業、・・・
  BTI:パン(588.32)、食品(588)、飲食店(637.97)、� ��ァーストフード、・・・
 となる。なお、ここで、BTIは、拡張された� ��位語リストを表す。

 本実施の形態において特徴的なことは、� ��位概念の導出において、Wikipediaのオントロ� ��ーから、図書館オントロジーの概念を取り� ��していることである。このような動作によ� ��てWikipediaのオントロジーと図書館オントロ� ��ーとを組み合わせることができ、より深い� ��容・専門性の高い内容の情報にアクセスし� ��すい情報探索システムが得られたものであ� ��。

 この際、既に述べたように、各概念(ノー ド)に重みを行い、この重みに基づいて類似� �る概念、上位概念、を求めている。また、� �に述べたように、この際、シソーラス(同義� ��辞典)等も加味して関連する概念の取り出し 、関連付けを行っている。

 このような処理によって、Wikipediaオント� ��ジーと図書館オントロジーとの統合を図る� ��とができ、より利便性の高い情報検索シス� ��ムを提供することができる。

 次に、図14に移り、ステップS14-1において は、パスファインダー生成モジュール34が、� ��報資源取得モジュール(不図示)を呼び出し� �他の種々の情報資源の取得を行わせる。他� �情報資源とは、例えば、東大OPAC、Google、Amaz on、JapanKnowledge、等が挙げられる。パスファ� �ンダーにはそのような外部リンクも含めれ� �、より利便性の高いパスファインダーが得� �れる。

 次に、ステップS14-2においては、上記ス� �ップS14-1において見いだされた他の情報資源 に基づき、外部リンク作成モジュール50が外� ��リンクを作成する。

 この結果、PFobjectは、
  Q:ハンバーガーについて調べたい
  X:ハンバーガー
  L:1:ハンバーガー     100.0% (関連性 以� ��同じ)
    2:ハンバーガー司祭     0.4%
    3:ハンバーガーチェーン   0.3%
    4:ナンバーガール      0.2%
  R:ハンバーガー
  BT:パン、ファーストフード
  NT:モスバーガー、マクドナルド、・・・
  RT:佐世保バーガー、外食産業、・・・
  BTI:パン(588.32)、食品(588)、飲食店(637.97)、� ��ァーストフード、・・・
  INFON:農林水産省(http://www.maff.go.jp )
       :外食産業総合調査研究センター(ht tp://www.gaishokusoken.jp/)
       :日本フードサービス協会(http://www. jfnet.or.jp )
  INFOB:外食産業統計資料集(ISBN:9784906357192 (4 906357199))
       :外食産業マーケティング便覧(ISBN: 不明)
  EXTL :東大OPAC(https://opac.dl.itc.u-tokyo.ac.jp/)
       :Google(http://www.google.co.jp )
       :Amazon(http://www.amazon.co.jp )
 となる。

 次に、ステップS14-3においては、パスフ� �インダー生成モジュール34が、レスポンス生 成モジュール(不図示)に、レスポンスの生成� ��行わせ、上記PFobjectをユーザ端末10に送信す る。

 ここで作成するレスポンスは、XMLオブジェ� ��トであり、具体的には、
  ハンバーガーについて調べるには・・・
  ・図書館の蔵書を探す : NDC588.32(パン) 58 8(食品)
  ・範囲を広げて調べる : パン、食品、飲 食店、ファーストフード
  ・範囲を限定して調べる: モスバーガー� �マクドナルド
  ・関連する項目を調べる: 佐世保バーガ� �、外食産業
  ・類似した項目を調べる: ハンバーガー� �祭、ハンバーガーチェーン、
               ナンバーガール
  ・外部リソースを検索する:OPAC、Google、Ama zon
 のようなデータが作成される。

 このうち、図書館の蔵書を探す欄は、BTI� ��図書分類を利用して作成し、範囲を広げて� ��べる欄は、BTIを利用して作成する。範囲を� ��定して調べる欄は、NTを利用する。また、� �連する項目を調べる欄はRTを利用する。また 、類似した項目を調べる欄は、Lを用いる。� �た、外部リソースを検索する欄はEXTLを用い� ��、それぞれ作成する。

 作成したXMLデータ(レスポンス)は、ユー� �端末10に送信される。

 次に、ステップS14-4においては、ユーザ� �末10の中央制御モジュール90がこのレスポン� ��を受信し、その内容を画面に表示する。そ� ��結果、利用者は図11で示したようなパスフ� �インダーの画面を見ることができる。また� �既に述べたように、ユーザ端末10は、履歴管 理モジュール100を有しているので、過去のパ スファインダーを適宜呼び出して閲覧するこ とができ、利用者にとって使いやすい情報検 索サービスが実現されている。

  第7 情報検索動作及びパスファイ ンダーの作成動作(マウスクリックによる場� �)
 上記第6では、キーボードで質問文を入力し た場合の動作をフローチャートに基づき説明 したが、本第7では、利用者がマウスで所定� �キーワードをクリックした場合の情報検索� �作及びそれに伴うパスファインダーの作成� �作についてフローチャートに基づき説明す� �。

 図15には、利用者がマウスで所定のキー� �ードをクリックした場合の情報検索動作及� �パスファインダーの作成動作を表すフロー� �ャートが示されている。ここでは、所定の� �ーワード「ハンバーガー」がマウスクリッ� �された場合について説明する。

 まず、図15のステップS15-1においては、利 用者が「ハンバーガー」というキーワードを ユーザ端末10の画面上でクリックする。

 ステップS15-2においては、中央制御モジ� �ール90がキー入力処理モジュール98を介して� ��記クリックしたキーワードを取得し、これ� ��ついて、関数呼び出しをサーバへ要求する� ��

 ステップS15-3においては、HTTPサーバ18が受� �した上記キーワード「ハンバーガー」をWeb� �プリケーションエンジン20が関数呼び出し処 理エンジン24に供給する。関数呼び出し処理� ��ンジン24はこのキーワードに基づきパスフ� �インダー生成モジュール34を呼び出す。この 結果、パスファインダーのオブジェクト(以� �、これをPFobjectと呼ぶ場合もある)は
 Q:「ハンバーガー」を選択
 X:ハンバーガー
 R:ハンバーガー
となる。

 次に、ステップS15-4においては、パスフ� �インダー生成モジュール34が、オントロジー 処理モジュール74を呼び出し、オントロジー� ��理を行わせる。

 なお、図15のフローチャートの場合は、� �13で示した例(キーボードによる質問入力)と� ��なり、質問文処理モジュール38、文字列検� �モジュール48等は使用しない。

 次にステップS15-5においては、パスファ� �ンダー生成モジュール34が、上位概念自動導 出モジュール76を呼び出し、上位概念の導出� ��行わせる。

 ここでも、上記図13と同様に、上位概念� �導出において、Wikipediaのオントロジーから� �図書館オントロジーの概念を取り出してい� �ことである。この点が本実施の形態におい� �特徴的な事項であり、従来の情報検索にお� �て無かった点である。

 特に、このような動作によってWikipediaの� ��ントロジーと図書館オントロジーとを組み� ��わせることが可能となったので、より深い� ��容・専門性の高い内容の情報にアクセスし� ��すい情報探索システムが得られたものであ� ��。

 また、Wikipediaオントロジーの概念から、� ��書館オントロジーの概念への対応付けにお� ��ては、既に説明したように、各概念(ノード )に重みを行い、この重みに基づいて類似す� �概念、上位概念、を求めることによって、� �書館オントロジーへの「対応付け」を行っ� �いる。また、既に述べたように、この際、� �ソーラス(同義語辞典)等も加味して関連する 概念の取り出し、関連付けを行っている。

 このような処理によって、Wikipediaオント� ��ジーと図書館オントロジーとの統合を図る� ��とができ、より利便性の高い情報検索シス� ��ムを提供することができる。

  第8 まとめ
 以上述べたように、本実施の形態によれば� ��Wikipediaのオントロジーと図書館オントロジ� ��とを統合したので、双方の長所を生かした� ��いやすい情報検索を行うことができる。

 特に、検索動作に伴って、パスファイン� ��ーが自動的に作成されるので、利便性の高� ��情報検索システムが構成できる。

  第9 Wikipediaとフォークソノミー(fo lksonomy)
 これまでWikipediaオントロジーと図書館オン� ��ロジーの統合に関して説明してきたが、こ� ��Wikipediaオントロジーは、より一般的に言え� ��、フォークソノミーオントロジーと言える� ��あろう。

 以下、「imidas」(集英社)からの引用であ� �。

 フォークソノミーとは、「利用者が、イン� ��ーネットのコンテンツを自分の好みで収集� ��分類すること。「人々(folk)」と「分類(taxono my)」とを組み合わせた造語。従来のインター ネット上での情報分類は、ディレクトリ型検 索エンジンを代表とした提供者側の、階層構 造をともなう分類であるが、フォークソノミ ーでは、利用者が自らタグとよばれるインデ ックス情報を付加し、情報を分類・整理して いる。ネットワーク上の写真共有サービス「 Flickr」や、ソーシャルブックマーク・サービ スの「del.icio.us」はフォークソノミーを利用� ��た代表的なサービス。前者は、写真登録者( アップロードした人)が自由にタグを付与し� �キーワードとすることにより、写真を介し� �利用者同士を結びつける。また、後者は、� �ックマーク(お気に入り)をタグづけし、共有 することにより、同じ指向のブックマークか ら有益な情報が見つけやすくなっている。」
                                 (引用終わり)
 このようなフォークソノミーにおけるオン� ��ロジーをフォークソノミー型オントロジー� ��呼ぶ。このフォークソノミー型オントロジ� ��の一例として上述したWikipediaオントロジー� ��位置づけることができる。したがって、本� ��明は、一般的にこのフォークソノミー型の� ��ントロジーを用いて実現することが可能で� ��る。

  第10 プログラムとコンピュータ
 さて、本実施の形態では、図6~図12を用いて 、システムの構成を説明してきたが、そこに 示された各種モジュールやエンジン、インデ クサなどは、いずれもプログラムによって構 成されている。言い換えれば、コンピュータ (サーバや、クライアントであるユーザ端末)� ��それらモジュールを実行することによって� ��図13~図15その他、上で述べた動作を行うの� �ある。

 このように、本実施の形態で説明したシ� ��テムは、各種プログラムと、記憶装置に格� ��された各種データベース(オントロジーAデ� �タベース70、オントロジーBデータベース72、 利用者認証DB(データベース)、ログDB(データ� �ース))から構成されている。また、各種の制 御ファイル(パスファインダー制御ファイル36 、外部リンク制御ファイル52等)、辞書データ (同義語辞書80)、等から構成されている。

 ここで、各所のデータベースや辞書は所� ��の記憶手段に格納しておくことが好ましい� ��例えば、ハードディスクや、各種半導体記� ��装置、各種の光ディスク、等が好ましい。� ��れらは、コンピュータの近傍に設置しても� ��いが、ネットワークを介して遠隔の装置か� ��ダウンロードしてもよい。

 また、各種モジュールやエンジンなどの� ��ログラムも上記のような記憶手段に格納し� ��おくことが好ましい。また、持ち運び可能� ��可搬型記憶媒体(例えばCDROM等)に格納してお くことも好ましい。また、遠隔地のサーバに 格納しておき、ネットワークを介してそのサ ーバ中のプログラムを実行するように構成す ることも好ましい。

  第11 応用分野
 (1)以上述べたように、本発明は、情報検索� ��ステムに関し、特に図書館オントロジーと� ��ォークソノミー型オントロジーとを組み合� ��せた点に特徴を有する。

 したがって、本情報検索システムは、主� ��して図書館及びその関連施設において用い� ��ことが好適である。特に、本発明によれば� ��概念検索によって、蔵書を効率的に検索で� ��るので、図書館の職員、司書、各種研究者� ��対して「情報検索」を教育するシステムと� ��て利用することも好適である。また、図書� ��の利用者に対する「情報検索」の教育に用� ��ることも好適である。

 (2)本発明は、異なるオントロジーを組み� ��わせることによって、概念検索を非常に効� ��的に行うことが可能である。したがって、� ��情報検索システムを用いて得られた「概念� ��を用いて外部の検索エンジン(インターネッ ト上の一般的な検索エンジン)に誘導して、� �索を行えば、効率的な検索を行うことがで� �ると考えられる。

 そのためには、本情報検索システムの画� ��上に、外部の検索エンジンに対する外部リ� ��クボタンをもうけておくことが好ましい。� ��えば有名な検索エンジンであるGoogleに対す� ��このような外部リンクボタンを、上述した� ��ーザ端末10の画面上に設けておき、ユーザ� �この外部リンクボタンをクリックした場合� �、検索結果である概念をキーワードとするGo ogle検索が行われるように構成しておくこと� �便利である。

 なお、このように、キーワードを検索エ� ��ジンにfeedして検索を行わせるように外部リ ンクボタンを構成することは従来から行われ ていることであるので、当業者(その技術分� �における通常の知識を持つ人をいう)であれ� ��容易にそのようなボタンを構成することが� ��きる。

 その結果、インターネット全般における� ��索を行うことも可能である。

 (3)これまで、図書館オントロジーについ� ��説明してきたが、これはある概念に対する� ��位概念がただ一つ定まるオントロジーであ� ��。換言すれば、このように上位概念がただ� ��つのみ定められているようなオントロジー� ��あれば他のオントロジーを採用することも� ��理的に可能である。このようにある概念の� ��位概念が必ず一つであるようなオントロジ� ��をピラミッド型オントロジーと呼ぶ。

 そして、その採用するピラミッド型オン� ��ロジーの内容は、適用したい分野によって� ��々なものを採用することができるであろう� ��すなわち、本発明は、図書館関連の検索シ� ��テムに限られず、他の種々の分野における� ��報検索に利用することが可能である。

 要するに、概念分類を利用した語基分類� ��書ツールとしての利用を図ることができる� ��のである。

 例えば、インターネット上の広告効果・� ��響を指標化する目的に利用することができ� ��。世の中には種々の宣伝・広告媒体が存在� ��るが、一般に宣伝を行うと、それを見た消� ��者がインターネット上でブログや記事の書� ��込み、掲示板への書き込みを行う。書き込� ��れた文書に関して、宣伝商品の言葉を語基� ��語幹にして概念分類を行うことによって、� ��基を分類することができる。その結果、概� ��毎に語基が並べられた辞書ツールを得るこ� ��が可能である。これを用いれば、広告主へ� ��フィードバック材料や、広告打ち出しのた� ��のヒントキーワード検索ツールとしての利� ��もできよう。

 具体的な例を挙げよう。例えば、化粧品� ��シャンプーの広告効果を計測できる情報検� ��システムを構築することができる。

 例えば、S社が新しいシャンプー「つばめ 」を開発し、この広告をインターネット上で 繰り広げた場合を想定しよう。この広告の効 果を計るには、従来は、「つばめ」を取り上 げている記事やブログを検索し、何回取り上 げられているか? ブログで言及された回数は ? それに対するコメント数は? などの数値を 得て、その数値から、おおよその広告効果を 推定するしかなかった。

 これに本発明の情報検索システムを適用� ��る。まず、「つばめ」に対するピラミッド� ��オントロジーを構築する。これはシャンプ� ��や化粧品等を対象としたオントロジーを専� ��家が構築すればよい。

 そして、「つばめ」に関する種々の概念� ��抽出した後、その概念を用いて、インター� ��ット上の記事やブログを検索するのである� ��

 「つばめ」について、上述したように、� ��ラミッド型オントロジーと、フォークソノ� ��ー型オントロジーとを組み合わせた情報検� ��システムを用いて関連する概念を得る。そ� ��結果、「S社」や、「シャンプー」「化粧品 」、ひいては競合商品である「U社」のシャ� �プーである「ラック」などを得る。

 これらを用いてインターネット上の記事� ��ブログを検索することによって、より精度� ��高い検索をすることができる。さらに、競� ��他社の製品(U社の「ラック」)との比較を行� ��こともできるので、広告効果をより詳細に� ��査することができる。