【研究分野】図書館情報学・人文社会情報学

【研究領域課題番号】21300095 (KAKENデータベースで見る）

【研究キーワード】

学術論文 / 検索エンジン / ウェブ構造 / 情報検索 / 自動分類 / 機械学習 / 学術情報 / サーチエンジン / ウェブ

【研究成果の概要】

研究の目的は,分野を限定せず,日本語及び英語の学術論文への直接的なアクセスを保証し,公開された検索アルゴリズムを用いた学術論文に特化した検索エンジンの構築と評価である。ウェブクローリングを行うために機関リポジトリ収載ファイルを調査し,深層ウェブの存在などウェブ構造を明らかにした。また,日本語および英語で書かれた全分野の学術論文の構成要素と構成を調査し,その結果に基づいて,学術論文の自動判定を行うための判定ルールを構築した。次いでウェブから約300万件の日本語PDFファイルを収集し, Solrによる検索エンジンの構築を行った。既存の検索エンジンと比較評価を行った結果,構築した検索エンジン「アレセイア」は,論文へのアクセスの点で優れており,高い確率で学術論文を自動判定できることが明らかになった。

【研究種目】基盤研究(B)

【研究期間】2009 - 2011

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【研究分野】情報システム学(含情報図書館学)

【研究領域課題番号】14208036 (KAKENデータベースで見る）

【研究キーワード】

クロスメディア検索 / サーチエンジン / 質問緩和 / コンテンツ複合化 / ハイパーメディア / 画像検索 / モバイル情報検索 / 質問言語 / モバイル機器 / WWW / 情報検索 / ユーザ対話 / SMIL / 情報統合 / メタサーチ / クロスメディア / ユーザインタフェース / プレゼンテーション / 話題構造分析

【研究成果の概要】

本研究は,モバイル端末上でコンテンツの検索や呈示を行うための新しいソフトウエア技術を開発し、高度なモバイル・コンテンツアクセス・サービスの実現を目的とするもので、主に以下の項目に関して研究を行った。
(1)コンテンツの自律的提示方式の研究:
機器の操作説明情報やWeb検索エンジンの検索結果をモバイル端末で取得し,これをCGアニメーションと合成音声によって受動的に視聴できるシステムを開発した。また、移動体のビデオ動画像のマルチモーダル検索を行うために、移動体の移動軌跡をスケッチで入力する方式を開発した。
(2)クロスメディア・メタサーチエンジンの研究:
携帯型端末で単純なキーワード入力により、多様なメディアのコンテンツを横断的に検索するために、質問緩和法という方式を開発した。これは、テキスト検索エンジンと,画像検索エンジンを同時使用して検索収集するメタサーチエンジンであり、評価実験の結果、適合率の低下を20%前後にとどめながら再現率を3倍程度向上できることが確かめられた。
(3)対話からの話題構造の発見とこれに基づくモバイル検索:
携帯電話でのチャットやメール等の対話情報から話題構造を抽出し、これをもとにWeb検索するシステムを開発した。また、Blog情報を解析してWeb検索におけるトラスト値を算出する方式や、閲覧中のWebページに関連するBlog情報を受動的に視聴できるシステムを開発した。
(4)モバイル放送のためのコンテンツの動的複合化方式:
ストリームコンテンツの動的な複合化が行えるスクリプト言語MetaSMILを開発した。この言語の特徴は、従来のSMILに比べて、スクリプト中に検索質問を埋め込めたり、複合化に関する意味制約を表現できる点である。さらに、Web文書も画像とみなして、デジカメ画像や携帯電話画像と既存のWebページを自動的に関連づけて表示する方式を開発した。
(5)Webコンテンツの自律的な検索・表示機構に関する研究:
実空間に配置された複数の表示デバイス上に表示されたWebコンテンツ群が、自律的かつ互いに連携をとりながら自身を表示するとともに、ユーザの身体的操作に応じて自動検索できるようにする方式を開発した。

【研究種目】基盤研究(A)

【研究期間】2002 - 2004

【配分額】39,130千円 (直接経費: 30,100千円、間接経費: 9,030千円)

【研究分野】知能情報学

【研究領域課題番号】12780261 (KAKENデータベースで見る）

【研究キーワード】

Web structure mining / 発見 / Webコミュニティ / ハイパーリンク / サーチエンジン / 2部グラフ / WWW / 共起性 / 完全2部グラフ / backlink

【研究成果の概要】

本研究では、(1)サーチエンジンの収録内容の特徴発見(2)ハイパーリンクによる結合関係に基づくコミュニティ発見の二つを目標としたが、サーチエンジンにおけるページ収集アルゴリズムやその収録内容については外部に公開されていない部分が多く、収録内容の特徴の変化も速いことから、主として(2)についての研究を実施することにした。Webページのハイパーリンクによって構成されるグラフ構造に基づいて、興味を共有するWebページ集合であるWebコミュニティを発見するシステムを前年度に構築しており、今年度はそのシステムをさらに発展させて、当該トピックにおける中心的なページ集合を見出すような洗練手法を考案した。重要な内容をもつ中心的なWebページは他のページとのリンクが密であると考えられることから、2部グラフで表されるWebコミュニティにおいて、グラフが密になるようなページの選択を反復的に繰り返すように発見手法の改良を行なった。この手法に基づいたシステムを実現し、数十のトピックについてそのトピックに関するランキングの下位のページ集合を入力とし、洗練によって上位のページ集合が得られるかどうか実験を行なった。対象とするWebコミュニティのトピックによって効果に差はあるが、いくつかのトピックについて、そのトピックの中心的なページ集合を発見することに成功している。今年度の研究発表は上述のシステムに関するものを中心に行なった。その中の「Webコミュニティにおけるコアメンバーの発見」の口頭発表に対して、2001年度人工知能学会大会優秀論文賞の受賞が決定している。また、人工知能学会誌に投稿した論文の採録も決定している。

【研究種目】奨励研究(A)

【研究期間】2000 - 2001

【配分額】2,500千円 (直接経費: 2,500千円)

【研究分野】情報システム学(含情報図書館学)

【研究領域課題番号】12558038 (KAKENデータベースで見る）

【研究キーワード】

WWW / 情報検索 / 自動分類 / Webページ / サーチエンジン / 自動格付け

【研究成果の概要】

WWWは,従来の情報メディアとは異なった異なった数々の特徴を持っており,本研究は,Webページ総量の推定や標本抽出などの基礎的調査を行う一方,情報源として役立つWebページを自動的に判断し自動分類を行う方法を考案し,次世代サーチエンジンの基礎研究を行うものである。
第一年度は,収集したWebページ群がら情報源となりうる分類されたページ群を取り出すまでの手順のうち,ページタイプの自動判定,情報源として有用なページの自動判定を行った。WWWの表現と機能としての特性から,Webページタイプとして標準,表紙,目次,掲示板,チャット,リンク集,日記,入力フォームを設定,各ページタイプの出現頻度を調査した後,標本集合を用いてWebページから得られる量的な指標やHTMLタグの出現頻度の主成分分析により,タイプ分けのアルゴリズムを考案した。126種の判定ルールとその重みを設定した。標準タイプの識別に関しては75%以上の再現率・精度を得ることができた。一方,テキスト中の語の出現状況を調べ,「よい情報源である」の判定で高得点を得たページの形態素解析を行い,語の出現状況をもとに,有用な情報源の自動判定を試みた。その結果,語の出現頻度によって約80%の有用なページを自動判定することができた。
第二年度は,Webページの総量の推定を行った。2001年9月現在のWebページ総量の32億ページであることが判明した。次に,第一年度に行った調査を拡大し,ページ判定,格付けそれに分類ずみの3000ページの標本ページを作成し,これをもとに,自動分類を行うとともにページタイプの自動判定,情報源として有用なページの自動判定のアルゴリズムを改良した。これを検索システムに組み込み,国立情報学研究所の第2回NTCIRワークショップWebタスクに参加した。

【研究種目】基盤研究(B)

【研究期間】2000 - 2001

【配分額】5,600千円 (直接経費: 5,600千円)

【研究分野】計算機科学

【研究領域課題番号】06452395 (KAKENデータベースで見る）

【研究キーワード】

Internet / Web / 検索エンジン / サーチロボット / インターネット / データベース / WWW / サーチエンジン / ハイパーテキスト / データ検索

【研究成果の概要】

本研究では,Internetの中のWebのページを全て探し出して,これをページのタイトルに含まれる語を指定することによって,検索するサーチエンジンを実装(千里眼)して,サービスに提供することができた.
千里眼は,日本国内(jpドメイン)の全てのWebのページを,リンクを辿って検索する.これに要する時間は約1週間程度である.現在,千里眼には日に約1万件以上のアクセスがある.
千里眼を使って,日本の中のWebのページの数を調べると,現在約10万ページを超えており,半年で2倍になる勢いで増加する傾向にある.さらに,リンクが他から張られている数が最も多いのは,www.asahi.com(朝日新聞)のページである.また,検索要求に使われるキーワードの頻度についてもデータを集めて,Webページの利用傾向の調査に資することができた.
日本国内を検索する時間をさらに小さくするために,サーチエンジンの分散化も実現した.国内に複数のサーチエンジンを設けて,それぞれのサーチエンジンから各Webページに対するアクセス時間をサーチエンジンからの距離として,この距離によってサーチエンジンが担当するWebページを分割した.これにより,約10台のサーチエンジンで国内の検索を1日で終える見通しがえられた.
現在,この分散サーチエンジンを実装して試験中であり,4月にサービスを開始する予定である.

【研究種目】基盤研究(B)

【研究期間】1994 - 1996

【配分額】6,200千円 (直接経費: 6,200千円)