情報爆発時代の構造化文書の超高精度検索とその実現

• Project Area: Cyber Infrastructure for the Information-explosion Era
• Project/Area Number: 21013035
• Research Category: Grant-in-Aid for Scientific Research on Priority Areas
• Allocation Type: Single-year Grants
• Review Section: Science and Engineering
• Research Institution: Nara Institute of Science and Technology
• Principal Investigator: 宮崎 純 奈良先端科学技術大学院大学, 情報科学研究科, 准教授 (40293394)
• Co-Investigator(Kenkyū-buntansha): 植村 俊亮 奈良産業大学, 情報学部, 教授 (00203480) ; 波多野 賢治 同志社大学, 文化情報学部, 准教授 (80314532)
• Project Period (FY): 2009 – 2010
• Project Status: Completed (Fiscal Year 2010)
• Budget Amount: ¥5,000,000 (Direct Cost: ¥5,000,000); Fiscal Year 2010: ¥2,500,000 (Direct Cost: ¥2,500,000); Fiscal Year 2009: ¥2,500,000 (Direct Cost: ¥2,500,000)
• Keywords: 情報抽出 / 情報システム / ディレクトリ・情報検索 / 構造化文書 / XML

Research Abstract

Web文書に代表される電子文書は近年急激に増加しており、その中から有用な情報を取得することが重要となってきている。特に文書のサイズが大きくなると、ユーザの情報要求に適合する箇所を文書中から発見することも困難となっている。本研究では、特に電子文書の中でもXML文書に焦点を絞り、ユーザの情報要求に対して文書中で最も適合する一部分、すなわち部分文書の検索手法の高精度化について研究を行ってきた。
既存の手法では、各部分文書ごとのスコア値に基づいて、高いスコア値の部分文書のみをランキングしてユーザに提示していたが、高いスコア値を持つ部分文書の周辺の適合部分文書を取りこぼしてしまい、その結果検索精度を落とす原因となっていた。そこで、高いスコア値を持つ部分文書の周辺を探索し、ある程度適合すると判断される周辺の部分文書を統合するとともに、統合した結果、サイズが変更された部分文書のスコア値を調整する手法を提案した。この提案手法を用いて、国際ワークショップINEX2010のコンペティションに参加したところ、世界二位の検索精度を達成し、提案手法の高い有効性を実証することができた。
引き続いてXML部分文書検索に関して、検索精度を落とさず検索処理効率を上げるために、XML文書の経路式に基づく索引語の大域重み付けの既存手法であるIPFを改良し、類似した経路式をある規則によりまとめることにより、識別すべき部分文書のクラス数を減らす手法を提案した。その中で、ISFと呼ぶ提案手法はクラス数を75%削減したにも関わらず検索精度はIPFとほぼ同じであることが判明した。これにより、ISFが効率の良い高精度検索処理に有効であることを明らかにした。

Research Products

• [Journal Article] 有益な検索結果提示のための部分文書再構成手法の提案 (2011)
  • Author(s): 欅惇志, 波多野賢治, 宮崎純
  • Journal Title: 情報処理学会論文誌データベース Volume: Vol.4, No.1 Pages: 1-13
  • NAID: 40019601041
  • Peer Reviewed
• [Journal Article] A Query-oriented XML Fragment Search Approach on A Relational Database System (2010)
  • Author(s): Atsushi Keyaki, Kenji Hatano, Jun Miyazaki
  • Journal Title: Journal of Digital Information Management Volume: Vol.8, Issue 3 Pages: 175-180
  • Peer Reviewed
• [Journal Article] ロックフリーGCLOCKページ置換アルゴリズム (2009)
  • Author(s): 油井誠, 宮崎純, 植村俊亮, 加藤博一, 山名早人
  • Journal Title: 情報処理学会論文誌データベース Vol.2, No.4 Pages: 32-48
  • NAID: 110007113871
  • Peer Reviewed
• [Journal Article] Utilizing Web Directories For Translation Disambiguation In Cross-Language Information Retrieval (2009)
  • Author(s): Fuminori Kimura, Akira Maeda, Kenji Hatano, Jun Miyazaki, Shunsuke Uemura
  • Journal Title: Trends in Communication Technologies and Engineering Science Series (LNEE) Vol.33 Pages: 95-107
  • Peer Reviewed
• [Presentation] 複数の検索要素を統合する3Dオブジェクト検索システム (2011)
  • Author(s): 三宅香菜子, 宮崎純, 天野敏之, 藤澤誠, 加藤博一
  • Organizer: 第3回データ工学と情報マネジメントに関するフォーラム(DE-M2011)
  • Place of Presentation: 修善寺
  • Year and Date: 2011-02-28
• [Presentation] XML部分文書検索における緩和大域的重み付け手法の提案 (2011)
  • Author(s): 欅惇志, 波多野賢治, 宮崎純
  • Organizer: 第3回データ工学と情報マネジメントに関するフォーラム(DEIM2011)
  • Place of Presentation: 修善寺
  • Year and Date: 2011-02-28
• [Presentation] Expansion of Result Reconstruction for Effective XML Fragment Search at INEX 2010 (2010)
  • Author(s): Atsushi Keyaki, Kenji Hatano, Jun Miyazaki
  • Organizer: INEX 2010 Workshop
  • Place of Presentation: オランダ、ヴグフト
  • Year and Date: 2010-12-13
• [Presentation] A Result Reconstruction Method for Effective XML Search (2010)
  • Author(s): Atsushi Keyaki, Kenji Hatano, Jun Miyazaki
  • Organizer: 12th International Conference on Information Integration and Web-based Applications & Services
  • Place of Presentation: フランス、パリ
  • Year and Date: 2010-11-09
• [Presentation] 付加情報を利用した3Dオブジェクト検索システム (2010)
  • Author(s): 三宅香菜子, 宮崎純, 藤澤誠, 加藤博一
  • Organizer: 平成22年度情報処理学会関西支部大会
  • Place of Presentation: 大阪市
  • Year and Date: 2010-09-22
• [Presentation] 再構成されたXML部分文書に対再構成されたXML部分文書に対するランキング手法の提案 (2010)
  • Author(s): 欅惇志, 波多野賢治, 宮崎純
  • Organizer: 電子情報通信学会WI2研究会
  • Place of Presentation: 佐渡
  • Year and Date: 2010-09-16
• [Presentation] XML検索技術を利用した検索結果の構成手法 (2010)
  • Author(s): 棒惇志, 波多野賢治, 宮崎純
  • Organizer: 情報処理学会第72回全国大会
  • Place of Presentation: 東京
  • Year and Date: 2010-03-11
• [Presentation] Nb-GCLOCK : A Non-blocking Buffer Management based on the Generalized CLOCK (2010)
  • Author(s): Makoto Yui, Jun Miyazaki, Shunsuke Uemura, Hayato Yamana
  • Organizer: IEEE International Conference on Data Engineering (ICDE 2010)
  • Place of Presentation: アメリカ・ロングビーチ
  • Year and Date: 2010-03-04
• [Presentation] XML部分文書の再構成に基づく検索結果の提示手法 (2010)
  • Author(s): 棒惇志, 波多野賢治, 宮崎純
  • Organizer: 第2回データ工学と情報マネジメントに関するフォーラム(DEIM2010)
  • Place of Presentation: 淡路島
  • Year and Date: 2010-03-01
• [Presentation] A Method of Generating Answer )ML Fragment from Ranked Results (2009)
  • Author(s): Atsushi Keyaki, Jun Miyazaki, Kenji Hatano
  • Organizer: INEX 2009 Workshop
  • Place of Presentation: オーストラリア・ブリズベン
  • Year and Date: 2009-12-07
• [Presentation] 多用なコンテンツを活用するための高性能XMLデータ処理 (2009)
  • Author(s): 宮崎純
  • Organizer: 第2回ユニバーサルコミュニケーション研究会
  • Place of Presentation: 奈良
  • Year and Date: 2009-11-13
• [Presentation] A Scoring Method of XML Fragments Considering Query-Oriented Statistics (2009)
  • Author(s): Atsushi Keyaki, Kenji Hatano, Jun Miyazaki
  • Organizer: International Conference on the Applications of Digital Information and Web Technologies
  • Place of Presentation: イギリス・ロンドン
  • Year and Date: 2009-08-05
• [Presentation] 索引語の統計量を用いたXML部分文書検索法の組合せ利用とその効果 (2009)
  • Author(s): 棒惇志, 波多野賢治, 宮崎純
  • Organizer: 情報処理学会データベースシステム研究会
  • Place of Presentation: 神戸
  • Year and Date: 2009-07-28