JP4881878B2 - マルチリンガル情報検索のためのシステム、方法、ソフトウエア、およびインタフェース - Google Patents

Description

（関連出願）
本出願は、２００５年１月４日に出願され、本明細書に参考として援用されている米国仮特許出願第６０／６４１，６６９号に基づく優先権を請求する。

（技術分野）
本発明の様々な実施形態は、情報検索、特にマルチリンガルまたはクロスリンガル情報検索システム、方法、およびソフトウエアに関する。

（背景）
サーチエンジン技術の重要性は、過去１０年間ほどで著しく増したが、これはインターネットの拡大および使用を反映するものである。ユーザがサーチボタンをクリックするとき、サーチエンジンは何千万もの用語を探し回って、問い合わせを満足する用語および対応するドキュメントを見つけ出す。しかし、この外見上の単純さのために、基礎となるサーチ技術の複雑さが不明瞭となる。なぜならば、良いサーチエンジンは一般的に、問い合わせ用語を単にマッチングするだけにとどまらないからである。

複雑さを理解するために、サーチエンジンは一般的に、２つのカテゴリのうちの１つに該当することを考慮されたい。すなわち、モノリンガルか、またはマルチリンガルである。モノリンガルサーチエンジンは、１つの言語で問い合わせまたはサーチ要求を受信し、同じ言語でドキュメントを検索する。例えば、スペイン語の問い合わせは、スペイン語のドキュメントをもたらす。モノリンガルサーチエンジンは通常、問い合わせを個々の用語に分解するかまたは構文解析（ｐａｒｓｉｎｇ）し、かつ次に個々の用語それぞれをそのルートまたはベース形状に減じるか、またはステム（ｓｔｅｍ）するかすることによって問い合わせを処理する。ステムされた用語は、時々等価な用語との組み合わせで使用され、関連するドキュメントを見つけ出す。従って、例えば、「ｃａｔ」というワードを含むドキュメントのサーチは、用語ｃａｔｓ、ｃａｔ’ｓ、ｃａｔｓ’またはｆｅｌｉｎｅさえも含むドキュメントをも検索する。

一方、マルチリンガルサーチエンジンは、サーチ要求を１つの言語、例えばドイツ語などで受信し、関連した情報を別の言語、例えばフランス語または英語などで検索する。このような場合、効果的なサーチの難問はさらに複雑である。なぜならば、非英語の言語では、名詞は、男性、女性、または中性であり得；動詞は形を変えて、数（単数または複数）を示し、時制（現在、過去、未来など）を示し、かつ人称−第１（「Ｉ」）、第２（「ｙｏｕ」）、および第３（「ｈｅ／ｓｈｅ／ｉｔ」）を示し；形容詞は、それらが修飾する名詞に基づいて形を変え；かつ文字句読点、例えばアクセントまたは他の発音を区別するための記号などは、著しく意味に影響を与える。ステミングは、モノリンガルサーチにおけるこれらの複雑さを解決する一方、ステミング単独では、言語間における言語的コンフリクトのさらなる複雑さに対処し得ず、一部のケースでは、干渉さえし得る。例えば、たいていの言語における性は、重要な意味を失うことなく単一のステムに正規化され得る；しかしながら、例えばポルトガル語など、意味を維持するために性が保持されることを要求する言語がいくつかある。結果として、マルチリンガルサーチエンジンは通常、問い合わせおよび可能性としてドキュメントを、共通の言語に翻訳する何らかの方法に依存する。

この分野においては研究が続けられているけれども、本発明者たちは、マルチリンガルサーチを容易にするための代替となる方法、システムおよびインタフェースに対する必要性を認識する。

（概要）
このおよび／または他のニーズに対処するために、本発明者たちは、１つ以上の新規な方法、システムおよびインタフェースを創作することにより、マルチリンガルサーチを容易にした。例えば、１つの例示的な方法は、ドキュメントのコレクションに対する複数の特定言語インデックスを作成することを伴い、各インデックスは、ドキュメントからの用語のステムされたおよびステムされていないバージョンを含む。インデックスにおける各用語は、ドキュメント識別子、位置インジケータおよび言語インジケータと関連する。例示的な方法はさらに、ユーザから、問い合わせおよび１つ以上のターゲット言語のセットを受信することを伴う。問い合わせは、１つ以上の用語またはフレーズに構文解析され、各用語またはフレーズは特定な言語と関連している。

各用語またはフレーズの、元のおよびステムされたバージョンは、それぞれが個別に１つ以上の潜在的に等価な問い合わせ用語のセットをもたらす、１つ以上の技術を使用して、ターゲット言語に翻訳される。例示的な技術は、翻訳する前のドキュメントのデータベース、電子言語辞書、自動トランスレータおよびピボット言語を使用することを含む。潜在的に等価な問い合わせ用語の各セットは、個別の問い合わせとして取られ、かつ従来のモノリンガルサーチ技術、例えばブール演算または自然言語問い合わせなどを使用して、対応する特定言語インデックスに対して処理されて、コレクションからドキュメントを識別する。結果としてのドキュメントは、言語グループで、または計算された関連性によってユーザに提示される。

上に識別された図面を参照しかつ組み入れるこの記述は、本発明の１つ以上の特定の実施形態を記述する。本発明を限定するためではなく、例示しかつ教示するためのみに提供されたこれらの実施形態は、充分詳細に示され、かつ記述されて、当業者が本発明をインプリメントするかまたは実行することができるようにしている。本発明が分かりにくくなることを避けるために妥当なところでは、この記述は当業者に公知である特定の情報を省略し得る。

（例示的なマルチリンガル情報検索システム）
図１は、本発明の教示を組み入れている例示的なオンラインマルチリンガル情報検索システム１００を示す。システム１００は、１つ以上のデータベース１１０、１つ以上のサーバ１２０、および１つ以上のアクセスデバイス１３０を含む。

データベース１１０は、マルチリンガルドキュメント１１２のセットおよび対応するモノリンガルインデックス１１４のセットを含む。

例示的な実施形態において、ドキュメント１１２は、英語、フランス語、ドイツ語および日本語のドキュメントを含む。（他の実施形態は、他の言語を含み得、一部の実施形態においては、一部のドキュメントはマルチリンガル、つまり、１つ以上の部分、例えばパラグラフなどは、ドキュメントの他の部分とは異なる言語で書かれている。）ドキュメント１１２１を代表とする各ドキュメントは、独特なドキュメント識別子、例えばＤ１などと関連づけられ、かつ多くの用語、例えば用語ｔ１、ｔ２、ｔ３．．．ｔｎを含み、各用語はドキュメント内の対応する位置、例えばｐ１，ｐ２，ｐ３，．．．，ｐｎを有する。マルチリンガルドキュメント１１２は、論理的にモノリンガルインデックス１１４と関連している。

モノリンガルインデックス１１４は、英語インデックス１１４１、フランス語インデックス１１４２、ドイツ語インデックス１１４３、および日本語インデックス１１４４を含み、これらのそれぞれは同様な構成を有している。他のインデックスを代表して、フランス語インデックス１１４２は、多くのデータ構成、例えば代表的なデータ構成１１４２Ａなどを含む。データ構成１１４２Ａは、ドキュメント１１２のうちの少なくとも１つからの、その元の形式における用語１１４２Ｂ、用語１１４２Ｃの正規化されたまたはステムされたバージョン、位置データ１１４２Ｄ、言語識別子１１４２Ｅおよびドキュメント識別子１１４２Ｆを含む。ドキュメント用語をこれらの特定言語インデックスに割り当てることによって、システムをイネーブルして各ドキュメント用語の言語タイプを、その元の形式およびそのステムされた形式両方において、見分けることができるばかりではなく、システムをイネーブルして、ドキュメント内の各用語を、従来のモノリンガルサーチにおいて利用可能なすべてのサーチングオプションによって、見つけ出すこともできる。一部の実施形態において、インデックス（ｉｎｄｉｃｅｓ）は単一のインデックス（ｉｎｄｅｘ）の論理的な部分であり、他の実施形態においては、各インデックスは他から論理的に独立し、個別の格納場所またはデバイスに存在し得る。

１つ以上の電子的、磁気的または光学的データ格納デバイスの例示的な形式を取るデータベース１１０は、それぞれのインデックス（図示されず）を含むか、またはそうでない場合はそれぞれのインデックスと関連している。各インデックスは、対応するドキュメントアドレス、識別子および他の従来の情報と関連した用語およびフレーズを含む。データベース１１０は、ワイアレスまたは有線通信ネットワーク、例えばローカル、ワイド、プライベート、またはバーチャルプライベートネットワークなどを介して、サーバ１２０と結合されるかまたは結合可能である。

サーバ１２０は、一般的に、ウエブページまたは他のマーク付け言語の形式でのデータをサーブするための１つ以上のサーバの代表であり、様々な「厚さ」のクライアントにサーブするために、関連したアプレット、アクティブエックス制御、遠隔起動オブジェクト、または他の関連ソフトウエアおよびデータ構成を伴って形成する。さらに詳細には、サーバ１２０は、プロセッサモジュール１２１、メモリモジュール１２２、加入者データベース１２３、サーチモジュール１２４およびマルチリンガルモジュール（またはソフトウエア）１２５を含む。

プロセッサモジュール１２１は、１つ以上のローカルもしくは分散プロセッサ、コントローラまたは仮想計算機を含む。例示的な実施形態においては、プロセッサモジュール１２１は任意の便利なまたは望ましい形式を取る。

１つ以上の電子的、磁気的または光学的データ格納デバイスの例示的な形式を取るメモリモジュール１２２は、加入者データベース１２３、サーチエンジン１２４およびマルチリンガルモジュール１２５を格納する。

加入者データベース１２３は、加入者関連のデータを含むことにより、データベース１１０の現金払い方式または加入者ベースアクセスを制御し、運営し、および管理する。例示的な実施形態において、加入者データベース１２３は１つ以上の優先データ構成を含み、データ構成１２３１はその中での代表である。データ構成１２３１は、消費者またはユーザ識別子部分１２３１Ａを含み、消費者またはユーザ識別子部分１２３１Ａは、１つ以上のサーチ優先、例えば優先１２３１Ｂ、１２３１Ｃおよび１２３１Ｄなどと論理的に関連する。優先１２３１Ｂおよび１２３１Ｃは、サーチ結果が、第１のおよび第２の言語、例えばドイツ語および日本語などからのドキュメントを含むかどうかを支配するそれぞれのデフォルト値を含む。優先１２３１Ｄは、サーチ結果が厳密に関連性に基づいて提示されるかどうかを、またはそれらは言語を介してグループにされるかどうかを支配するデフォルト値を含む。（一時的なユーザオーバライド（ｏｖｅｒｒｉｄｅ）、例えば、特定の問い合わせまたはセッション中のオーバライドがないときは、サーチ優先に対するデフォルト値が支配する。）
サーチモジュール１２４は、１つ以上のサーチエンジンおよび関連したユーザインタフェースコンポーネントを含むことにより、インデックス１１４を使用して、１つ以上のデータベース１１０に対する問い合わせを受信しかつ処理する。例示的な実施形態において、サーチモジュール１２４と関連する１つ以上のサーチエンジンは、ブール演算、ｔｆ−ｉｄｆ（用語周波数逆数ドキュメント周波数）および／または自然言語サーチ能力を提供する。

マルチリンガルモジュール１２５は、インデクサモジュール１２５１、トランスレータモジュール１２５２およびインタフェースモジュール１２５３を含む。インデクサモジュール１２５１は、マシン読み取り可能なおよび／または実行可能な命令を含むことにより、ドキュメント１１２を処理し、かつインデックス１１４を規定または更新する。トランスレータモジュール１２５２は、マシン読み取り可能なおよび／または実行可能な命令を含むことにより、ユーザ問い合わせにおいて提出された問い合わせ用語（またはコンセプト）を、１つ以上の対応するターゲット言語における等価な問い合わせ用語の複数のセットに翻訳および／または拡張する。インタフェースモジュール１２５３は、マシン読み取り可能なおよび／または実行可能な命令を含むことにより、１つ以上のアクセスデバイス、例えばアクセスデバイス１３０などでのワイアレスまたは有線通信ネットワークを介し、ウエブベースユーザインタフェース（例えばユーザインタフェース１３８）を全体的にまたは部分的に規定する。

アクセスデバイス１３０は一般的に、１つ以上のアクセスデバイスの代表である。例示的な実施形態において、アクセスデバイス１３０は、パーソナルコンピュータ、ワークステーション、パーソナルデジタルアシスタント、携帯電話、またはサーバもしくはデータベースとの効果的なユーザインタフェースを提供することのできる任意の他のデバイスの形式を取る。詳しくは、アクセスデバイス１３０は、プロセッサモジュール１３１、メモリ１３２、ディスプレイ１３３、キーボード１３４、およびグラフィカルポインタまたは（マウスとしても知られている）セレクタ１３５を含む。

プロセッサモジュール１３１は、１つ以上のプロセッサ、処理回路、またはコントローラを含む。例示的な実施形態においては、プロセッサモジュール１３１は、任意の便利なまたは望ましい形式を取る。メモリ１３２は、プロセッサモジュール１３１に結合されている。

メモリ１３２は、オペレーティングシステム１３６、ブラウザ１３７、およびグラフィカルユーザインタフェース（ＧＵＩ）１３８のためのコード（マシン読み取り可能なおよび／または実行可能な命令）を格納する。例示的な実施形態においては、オペレーティングシステム１３６は、マイクロソフトウィンドウズ（登録商標）オペレーティングシステムのバージョンの形式を取り、ブラウザ１３７は、マイクロソフトエクスプローラのバージョンの形式を取る。オペレーティングシステム１３６およびブラウザ１３７は、キーボード１３４およびセレクタ１３５からの入力を受信するばかりでなく、ディスプレイ１３３でのＧＵＩ１３８のレンダリングをサポートもする。レンダリングの際、ＧＵＩ１３８は、１つ以上のインタラクティブな制御特徴（ｆｅａｔｕｒｅ）（またはユーザインタフェース要素）に関連するデータを提示する。（例示的な実施形態は、アプレットまたはサーバ１２０からの他のプログラムのオブジェクトもしくは構成を使用して、インタフェース１３８の１つ以上の部分を規定する。）
さらに詳細には、グラフィカルユーザインタフェース１３８は、１つ以上のディスプレイ領域、例えば問い合わせまたはサーチ領域１３８１およびサーチ結果領域１３８２を規定または提供する。問い合わせ領域１３８１は、メモリ内に規定され、レンダリングの際に、１つ以上のインタラクティブな制御特徴（要素またはウィジェット）、例えば問い合わせ入力領域１３８１Ａ、問い合わせ提出ボタン１３８１Ｂおよび言語選択領域１３８１Ｃなどを含む。問い合わせ入力領域１３８１Ａはまた、ユーザが問い合わせ領域において、１つ以上の用語入力の言語を指定または識別することを可能にする。言語選択領域１３８１Ｃは、ユーザが、チェックボックス、ラジオボタン、またはプルダウンメニューを使用して、サーチするための１つ以上の言語を選択することを可能にする。

サーチ結果領域１３８２も、メモリ内に規定され、レンダリングの際に、１つ以上のインタラクティブな制御特徴１３８２Ａ〜１３８２Ｄを含む。制御特徴１３８２Ａ〜１３８２Ｃは、１つ以上のモノリンガルドキュメントリストに対応し、ユーザがサーバ１２０を介して、データベース１１０からの、支配する問い合わせに適切な１つ以上の対応するドキュメントに、選択的にアクセスすることまたは検索することを可能にする。制御特徴１３８２Ａ〜１３８２Ｃそれぞれは、それぞれのドキュメント識別子またはラベル、例えばＬＸ ＤＯＣＳ，ＬＹ ＤＯＣＳおよびＬＺ ＤＯＣＳなどを含み、それぞれの言語および／または対応するドキュメントの数を識別する。一部の実施形態においては、制御特徴は、フォルダアイコンと共に組み入れられているか、または特定な言語タブに関連している。制御特徴１３８２Ｄは、ユーザが、結果領域１３８２のコンテンツを適切なモードに選択的に変えることを可能し、支配する問い合わせに関連していると見出されたドキュメントは、関連性のランク順にリストされる。

例示的な実施形態において、インタフェース１３８のこれらの制御特徴それぞれは、ハイパーリンクまたは他のブラウザコンパチブルコマンド入力の形式を取る。図１は、問い合わせ領域１３８１および結果領域１３８２を、同時に表示されているものとして示しているけれども、一部の実施形態ではそれらを個別の時間に提示する。

（マルチリンガル情報検索システムを動作させる例示的な方法）
図２は、マルチリンガル情報検索システム、例えば図１におけるシステム１００などを動作させる例示的な方法の流れ図２００を示す。流れ図２００は、ブロック２１０〜２７０を含み、これらのブロックは直列的に配列され記述されている。しかしながら、他の実施形態は、複数のプロセッサもしくはプロセッサに似たデバイス、または２つ以上の仮想計算機もしくはサブプロセッサとして組織された単一のプロセッサを使用して、２つ以上のブロックを並列に実行する。他の実施形態も、プロセスシーケンスを変更するか、または異なる機能的分割またはブロックを提供して、類似の結果を達成する。さらに、他の実施形態は、モジュール間でおよびモジュールにわたって通信される関連した制御およびデータ信号を有する２つ以上の相互接続されたハードウエアモジュールとして、ブロックをインプリメントする。従って、例示的なプロセス流れは、ソフトウエア、ハードウエア、およびファームウエアインプリメンテーションに適合する。

ブロック２１０において、例示的な方法は、マルチリンガルドキュメントコレクション、すなわち２つ以上の言語で書かれた２つ以上のドキュメントを含むコレクションの提供で始まる。例示的な実施形態において、ドキュメントコレクションは、１つ以上のデータベース、例えば英語、フランス語、ドイツ語、および日本語のドキュメントを含む、図１におけるデータベース１１０などの形式を取る。例示的な実施形態において、各ドキュメントは、それがいかに多くの言語を含んでいようとも、単一の識別子を有する単一のユニットとして取り扱われ、ドキュメント内の各用語は、その言語にかかわらず、その単一のドキュメントと関連する。同じドキュメント内の言語境界をまたぐ連続したワード位置の割り当ては、言語タイプをまたぐフルテキストサーチングを提供する。ドキュメントをトークナイズ（ｔｏｋｅｎｉｚｅ）するプロセス、すなわち、ドキュメントにおけるワードを見つけ出すことは、言語特定、つまり各ドキュメント（またはドキュメント部分）は、その言語と整合性のあるトークナイザ（ｔａｋｅｎｉｚｅｒ）でトークナイズされる。例示的な方法はブロック２２０において続行する。

ブロック２２０は、例えば図１のインデクサ１２５１を使用して、ドキュメントコレクションに対する１つ以上の特定言語インデックスのセットを規定することを伴う。例示的な実施形態において、これは、コレクション内のドキュメントそれぞれをトークナイズすることと、ストップワードを削除することと、残りの用語をステムすることとを伴う。残りの用語のステムされた、およびステムされていないバージョンは、１つ以上のドキュメント識別子と関連して格納されることによって、その用語を含む対応するコレクションドキュメントを独特に識別し、かつ１つ以上の位置インジケータと関連して格納されることによって、ドキュメント内の用語の位置を示す。さらに、言語インジケータまたは識別子は用語との関連で格納され、特定言語サーチを容易にし、かつ多くのデータ構成、例えば図１のデータ構成１１４２Ａなどを含む論理的な特定言語インデックスを効果的に規定する。一部の実施形態は、特定言語の場所またはファイルに、用語を単に格納し得る。１つ以上のインデックスが規定された後、処理はブロック２３０において続行する。

ブロック２３０は、ユーザから問い合わせを受信することを伴う。例示的な実施形態において、このことは、ユーザが、クライアントアクセスデバイス、例えば図１におけるデバイス１３０などにおけるブラウザを、オンライン情報検索システム、例えばシステム１００などのためのインターネットプロトコル（ＩＰ）アドレスに向け、適切なクリデンシャルを使用してシステムにログオンすることを伴う。成功したログインは、サーバ１２０から出力され、メモリ１３２に格納され、かつクライアントアクセスデバイス１３０によって表示されるウエブベースサーチインタフェース、例えば、図１のインタフェース１３８（またはその１つ以上の部分）などを生じる。

ユーザは次に、インタフェースと相互作用することによって問い合わせを規定し、詳しくは、問い合わせ入力領域に問い合わせの用語を入力し、問い合わせを適切なデータベースまたはその部分に向ける際に使用されるリストされた１つ以上のターゲット言語を選択し、最後に、問い合わせ提出特徴を起動して、問い合わせをサーバ、例えばサーバ１２０などに処理のために送信する。一部の実施形態においては、ユーザはまた、問い合わせの中の問い合わせの言語を、または１つ以上の部分、例えばワードまたはフレーズなどの言語を識別する。言語の識別は、自動的になされ得、かつ／または例えば自動的に生成され、提示された言語識別子の確認などのユーザの助けでなされ得る。例示的な実施形態は、次の使用ケースをサポートする。

（図２に示されるように）実行は、ブロック２４０へ進行する。

ブロック２４０は、問い合わせを１つ以上の問い合わせ用語に構文解析し、各問い合わせ用語は対応する言語識別子と関連する。例示的な実施形態において、これは、従来の特定言語構文解析技術を使用して、問い合わせを構文解析し、かつ特定言語ストップワードを削除することを伴う。例示的な実施形態はまた、特定言語ステマ（ｓｔｅｍｍｅｒ）を使用してワードをステムして、問い合わせ用語のステムされたバージョンを規定することを伴う。例示的な方法の実行は、ブロック２５０において続行する。

ブロック２５０は、各問い合わせ用語の元のおよびステムされたバージョンを、各ターゲット言語に翻訳して、１つ以上の等価な問い合わせ用語のそれぞれのセットを規定する。例示的な実施形態において、各用語の元のおよびステムされたバージョンを翻訳することは、次のそれぞれを使用して、等価な問い合わせ用語を識別することを含む：すでに翻訳済のドキュメント（すなわち、並列コーパス）のデータベースから構築された辞典、電子言語辞書、自動トランスレータおよびピボット言語。

並列のコーパスから構築された辞典に対して、例示的な実施形態は、並列コーパスを、各ドキュメントが少なくとも２つの言語ＡおよびＢで表現されているドキュメントの集体として考える。例示的な並列コーパスは、普通少なくともドイツ語、フランス語、および英語で提供されている欧州連合における法律的ドキュメントを含む。特許はまた時々、複数の言語に翻訳され、並列コーパスとしても役に立ち得る。並列コーパスは、ＩＢＭ統計機械翻訳トレーニング段階および類似シソーラスと組み合わせて使用され得、用語が１つに対して多くの重みづけられた翻訳を有する、一方向の用語辞典を生成する。つまり、各用語ａ→（等価な問い合わせ用語にマップまたは翻訳する）ｂ_１ ^ｗ、ｂ_２ ^ｗ、ｂ_３ ^ｗ。電子辞書は、各用語が１つ以上の翻訳を有する一方向の用語辞典を提供する：例えば、ａ→ｂ_１、ｂ_２。自動機械翻訳は、言語Ａから言語Ｂへの、句または文章の自然言語翻訳のために例示的な実施形態において使用される：例えば「ａ_１ａ_２」→ｂ_１。ピボット言語は、それぞれがピボット言語と確立された関連を有する２つの言語の間の関連を作成するために使用され得る。言語Ａにおける用語または概念が、言語Ｂにおいて関連した用語または概念を有する場合、および言語Ａにおける同じ用語または概念が、言語Ｃにおいてその関連する用語概念を有する場合、言語Ｂにおける概念は、言語Ｃにおける関連する概念を有する。換言すれば、ａ→ｂかつａ→ｃであれば、ｂ→ｃである。

従って、例示的な実施形態においては、各問い合わせ用語（概念またはフレーズ）は、２Ｘセットの等価な問い合わせ用語と関連づけられ、Ｘはターゲット言語の数である。さらに、等価な用語の各セットは、４つもの可能な翻訳または等価決定手法から生じる。いくつかの翻訳方法論または技術を統合することによって、よりあいまいさが少なくより正確な、かつ意味のある翻訳が生じると信じられている。実行はブロック２６０において続行する。

ブロック２６０は、各ターゲット言語に対するドキュメントコレクションからのドキュメントの１つ以上のセットを識別することを伴い、各セットは、対応するターゲット言語に対する等価な問い合わせ用語に基づいて識別される。例示的な実施形態においては、これは、特定言語インデックス１１４のうちの対応するインデックスを使用して等価な問い合わせ用語の各セットを処理するために、ブール演算または自然言語サーチエンジンを使用することを伴う。等価なモノリンガル問い合わせそれぞれは、論理和演算子に依存することによって分解され、ドキュメントにおける１つ以上の特定言語用語に対するヒットを提供する。一部の実施形態においては、他の論理演算子が使用され得、等価なモノリンガル問い合わせ用語の様々なセットを結び合わせる。自然言語サーチングに対して、ドキュメントの各セットを識別することは、等価な問い合わせ用語に基づいて、ドキュメントに対する関連性スコアを決定すること、そして、所定のしきい値を超過する関連性スコアを有するドキュメントを識別することを含む。

ブロック２７０は、ドキュメントの識別されたセットを、対応する言語に基づいたグループで、および／または関連性のランク順でリストするグラフィカルユーザインタフェースを提示することを伴う。例示的な実施形態において、これは、インタフェース１３８上で、詳しくはサーチ結果領域１３８２上で、ドキュメントの識別されたセットのリストを表示することを伴う。セットが、言語グループで表示されるか、または関連性のランク順（または他の基準、例えば日付など）で表示されるかどうかは、加入者データベース１２３に格納されたユーザの優先によって支配される。一部の実施形態は、インタフェース上のコマンド特徴を含み、これによってユーザは、言語グループモードから関連性モードへ、かつ逆も同様にディスプレイモードを選択的に変更することができる。一部の実施形態においては、関連性モードは、異なる言語タイプのドキュメント間でのスコアの正規化を生じる。さらに、サーチ概念は、言語タイプによって重みづけられる。
（結論）
当技術の促進において、本発明者たちは、マルチリンガル情報検索システム、方法、ソフトウエアおよびインタフェースの様々な実施形態を提示した。１つの例示的なシステムによって、ユーザは、単一のモノリンガルまたはマルチリンガルの問い合わせを提出し、モノリンガルまたはマルチリンガルドキュメントの１つ以上のコレクションをサーチすることができる。システムのコンポーネントは、複数のモノリンガルインデックス、問い合わせを等価なモノリンガル問い合わせ用語の複数のセットに翻訳するためのメカニズム、およびモノリンガル問い合わせ用語のそれぞれのセットを、関連するドキュメントの識別のために、適切なモノリンガルインデックスへ効果的にルートするメカニズムを含む。結局は、例示的な実施形態は、コレクションおよび言語の任意の組み合わせが、単一の問い合わせおよび単一のサーチプラットフォームでサーチされることを可能にする。

上記および特許請求の範囲に記述された実施形態は、本発明を実行またはインプリメントする１つ以上の方法を例示しかつ教示することだけが意図され、その広さおよび範囲を制限することは意図されていない。本発明の教示を実行またはインプリメントする方法すべてを包含する本発明の実際の範囲は、発行された特許請求の範囲およびそれらの均等物によってのみ規定される。

図１は、本発明の１つ以上実施形態に対応する、例示的なマルチリンガル情報検索システムのブロック図である。 図２は、本発明の１つ以上の実施形態に対応する、例示的な動作の方法の流れ図である。

Claims (20)

1. システムによってマルチリンガル情報検索を容易にする方法であって、
   該システムは、プロセッサおよびメモリを含むサーバと、アクセスデバイスと、データベースとを含み、該データベースは、ドキュメントの集合と、該ドキュメントの集合に対する１つ以上の特定言語インデックスの組を含み、各特定言語インデックスは、一意的な言語ごとに生成されており、各特定言語インデックスは、該特定言語インデックスに対応する言語を用いて記述された用語のステムされたバージョンおよびステムされていないバージョンを含み、該用語は、該ドキュメントに含まれており、
   該方法は、
   該プロセッサが、該アクセスデバイスを用いるユーザから、１つ以上の言語を示す情報と共に問い合わせを受信することと、
   該プロセッサが、該問い合わせを１つ以上の用語に構文解析し、各用語を対応する言語識別子および該用語のステムされたバージョンに関連づけることと、
   該プロセッサが、各用語のステムされていないバージョンおよびステムされたバージョンを該問い合わせと共に示される言語の各々に翻訳することにより、１つ以上の等価な問い合わせ用語のそれぞれの組を規定することと、
   該プロセッサが、該等価な問い合わせ用語と、該問い合わせと共に示される対応する言語に対する特定言語インデックスとに基づいて、該問い合わせと共に示される言語の各々に対して、該ドキュメントの集合からドキュメントの組を識別することと
   を含む、方法。
2. 各インデックスにおける各用語は、前記集合における前記ドキュメントのうちの１つを一意的に識別するためのドキュメント識別子と、該ドキュメントのうちの１つにおける該用語の位置を示すための位置インジケータと、該用語の言語を示すための言語インジケータとに関連づけられている、請求項１に記載の方法。
3. ユーザから前記問い合わせを受信する前に、該ユーザは、少なくとも１つの入力デバイスを用いて、前記アクセスデバイスのグラフィカルユーザインタフェースと相互作用することによって該問い合わせを規定し、該グラフィカルユーザインタフェースは、問い合わせ提出スクリーンを有し、該問い合わせ提出スクリーンは、該問い合わせの用語を入力するための制御領域と、該問い合わせと共に示すための１つ以上の言語を選択するための制御領域と、該問い合わせを提出するための制御領域とを有する、請求項１に記載の方法。
4. 前記問い合わせと共に示される１つ以上の言語は、前記アクセスデバイスを用いて前記ユーザによって選択される、請求項１に記載の方法。
5. 各用語の前記ステムされていないバージョンおよびステムされたバージョンを、前記問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語に翻訳することは、該問い合わせと共に示される言語のうちの１つにおいて等価な問い合わせ用語を識別することを含み、該等価な問い合わせ用語を識別することは、翻訳済みドキュメントのデータベース、電子言語辞書、自動トランスレータ、ピボット言語のうちの少なくとも２つの方法を用い、
   該少なくとも２つの方法を用いて識別された等価な問い合わせ用語は、該問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語を生成するように組み合わせられる、請求項１に記載の方法。
6. 前記問い合わせと共に示される言語の各々に対して、前記集合からドキュメントの組を識別することは、
   前記等価な問い合わせ用語と、該ドキュメントの集合に対する前記特定言語インデックスとに基づいて、ドキュメントに対する関連性スコアを決定することと、
   所定のしきい値を超過する関連性スコアを有するドキュメントを識別することと
   を含み、
   前記方法は、対応する言語に基づくグループで、および／または、関連性のランク順で、識別されたドキュメントの組を一覧表示するグラフィカルユーザインタフェースを提示することをさらに含む、請求項１に記載の方法。
7. ドキュメントの集合と、該ドキュメントの集合に対する１つ以上の特定言語インデックスの組とを含むデータベースであって、各特定言語インデックスは、一意的な言語ごとに生成されており、各特定言語インデックスは、該特定言語インデックスに対応する言語を用いて記述された用語のステムされたバージョンおよびステムされていないバージョンを含み、該用語は、該ドキュメントに含まれている、データベースと、
   アクセスデバイスと、
   該ドキュメントの集合と該特定言語インデックスの組とを含む該データベースと相互作用するサーバと
   を含み、
   該サーバは、プロセッサとメモリとを含み、
   該サーバは、
   該プロセッサが、該アクセスデバイスを用いるユーザから、１つ以上の言語を示す情報と共に問い合わせを受信することと、
   該プロセッサが、１つ以上の用語に構文解析し、各用語を対応する言語識別子および該用語のステムされたバージョンに関連づけることと、
   該プロセッサが、該問い合わせの各用語のステムされていないバージョンおよびステムされたバージョンを、該問い合わせと共に示される言語の各々に翻訳することにより、１つ以上の等価な問い合わせ用語のそれぞれの組を規定することと、
   該プロセッサが、該等価な問い合わせ用語と、該問い合わせと共に示される対応する言語に対する特定言語インデックスとに基づいて、該問い合わせと共に示される言語の各々に対して、該ドキュメントの集合からドキュメントの組を識別することと
   を行うように構成されている、システム。
8. 各インデックスにおける各用語は、前記集合における前記ドキュメントのうちの１つを一意的に識別するためのドキュメント識別子と、該ドキュメントのうちの１つにおける該用語の位置を示すための位置インジケータと、該用語の言語を示すための言語インジケータとに関連づけられている、請求項７に記載のシステム。
9. 前記サーバは、グラフィカルユーザインタフェースを規定することによって、前記ユーザが問い合わせを提出できるようにさらに構成されており、該インタフェースは、問い合わせ提出スクリーンを有し、該問い合わせ提出スクリーンは、該問い合わせの用語を入力するための制御領域と、前記問い合わせと共に示される言語のうちの１つ以上を選択するための制御領域と、該問い合わせを提出するための制御領域とを有する、請求項７に記載のシステム。
10. 前記各用語のステムされていないバージョンおよびステムされたバージョンを、前記問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語に翻訳するために、前記サーバは、前記プロセッサが、該問い合わせと共に示される言語のうちの１つにおける等価な問い合わせ用語を識別するようにさらに構成されており、該サーバは、翻訳済みのドキュメントのデータベース、電子言語辞書、自動トランスレータ、ピボット言語のうちの少なくとも２つの方法を用い、
    該少なくとも２つの方法を用いて識別された等価な問い合わせ用語は、該問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語を生成するように組み合わせられる、請求項７に記載のシステム。
11. 前記メモリは、コード化された命令を含み、該コード化された命令が前記プロセッサによって実行されることにより、
    前記問い合わせを受信するステップと、
    該問い合わせを構文解析するステップと、
    各用語のステムされていないバージョンおよびステムされたバージョンを翻訳するステップと、
    該問い合わせと共に示される言語の各々に対して、ドキュメントの組を識別するステップと
    を該プロセッサに行わせる、請求項７に記載のシステム。
12. プロセッサとメモリとを含むサーバであって、該サーバは、ドキュメントの集合と該ドキュメントの集合に対する特定言語インデックスの組とを含むデータベースと相互作用し、各特定言語インデックスは、一意的な言語ごとに生成されており、各特定言語インデックスは、該特定言語インデックスに対応する言語を用いて記述された用語のステムされたバージョンおよびステムされていないバージョンを含み、該用語は、該ドキュメントに含まれており、
    該サーバは、
    該プロセッサが、該アクセスデバイスを用いるユーザから、１つ以上の言語を示す情報と共に問い合わせを受信することと、
    該プロセッサが、該問い合わせを１つ以上の用語に構文解析し、各用語を対応する言語識別子および該用語のステムされたバージョンに関連づけることと、
    該プロセッサが、各用語のステムされていないバージョンおよびステムされたバージョンを、該問い合わせと共に示される言語の各々に翻訳することにより、１つ以上の等価な問い合わせ用語のそれぞれの組を規定することと、
    該プロセッサが、該等価な問い合わせ用語と、該問い合わせと共に示される対応する言語に対する特定言語インデックスとに基づいて、該言語の各々に対して、該ドキュメントの集合からドキュメントの組を識別することと
    を行うように構成されている、サーバ。
13. 各インデックスにおける各用語は、前記集合における前記ドキュメントのうちの１つを一意的に識別するためのドキュメント識別子と、該ドキュメントのうちの１つにおける該用語の位置を示すための位置インジケータと、該用語の言語を示すための言語インジケータとに関連づけられている、請求項１２に記載のサーバ。
14. 前記サーバは、グラフィカルユーザインタフェースを規定することによって、前記ユーザが問い合わせを提出できるようにさらに構成されており、該インタフェースは、問い合わせ提出スクリーンを有し、該問い合わせ提出スクリーンは、該問い合わせの用語を入力するための制御領域と、前記問い合わせと共に示される言語のうちの１つ以上を選択するための制御領域と、該問い合わせを提出するための制御領域とを有する、請求項１２に記載のサーバ。
15. 前記各用語のステムされていないバージョンおよびステムされたバージョンを、前記問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語に翻訳するために、前記サーバは、該問い合わせと共に示される言語のうちの１つにおける等価な問い合わせ用語を識別するようにさらに構成されており、該サーバは、翻訳済みのドキュメントのデータベース、電子言語辞書、自動トランスレータ、ピボット言語のうちの少なくとも２つの方法を用い、
    該少なくとも２つの方法を用いて識別された等価な問い合わせ用語は、該問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語を生成するように組み合わせられる、請求項１２に記載のサーバ。
16. 前記メモリは、コード化された命令を含み、該コード化された命令が前記プロセッサによって実行されることにより、
    前記問い合わせを受信するステップと、
    該問い合わせを構文解析するステップと、
    各問い合せ用語のステムされていないバージョンおよびステムされたバージョンを翻訳するステップと、
    該問い合わせと共に示される言語の各々に対して、ドキュメントの組を識別するステップと
    を該プロセッサに行わせる、請求項１２に記載のサーバ。
17. ドキュメントの集合と該ドキュメントの集合に対する特定言語インデックスの組とを含むデータベースと相互作用することをサーバに行わせるための機械読み取り可能な格納媒体であって、該サーバは、プロセッサを含み、各特定言語インデックスは、一意的な言語ごとに生成されており、各特定言語インデックスは、該特定言語インデックスに対応する言語を用いて記述された用語のステムされたバージョンおよびステムされていないバージョンを含み、該用語は、該ドキュメントに含まれており、該媒体には、命令が格納されており、
    該命令が該プロセッサによって実行されると、
    該アクセスデバイスを用いるユーザから、１つ以上の言語を示す情報と共に問い合わせを受信することと、
    該問い合わせを１つ以上の用語に構文解析し、各用語を対応する言語識別子および該用語のステムされたバージョンに関連づけることと、
    各用語のステムされていないバージョンおよびステムされたバージョンを、該問い合わせと共に示される言語の各々に翻訳することにより、１つ以上の等価な問い合わせ用語のそれぞれの組を規定することと、
    該等価な問い合わせ用語と、該問い合わせと共に示される対応する言語に対する該特定言語インデックスとに基づいて、該問い合わせと共に示される言語の各々に対して、該ドキュメントの集合からドキュメントの組を識別することと
    を該プロセッサに行わせる、媒体。
18. 各インデックスにおける各用語は、前記集合における前記ドキュメントのうちの１つを一意的に識別するためのドキュメント識別子と、該ドキュメントのうちの１つにおける該用語の位置を示すための位置インジケータと、該用語の言語を示すための言語インジケータとに関連づけられている、請求項１７に記載の媒体。
19. 前記プロセッサによって実行されると、グラフィカルユーザインタフェースを規定することによって、ユーザが問い合わせを提出することができるようにすることを該プロセッサに行わせる命令をさらに含み、該インタフェースは、問い合わせ提出スクリーンを有し、該問い合わせ提出スクリーンは、該問い合わせの用語を入力するための制御領域と、前記問い合わせと共に示される言語のうちの１つ以上を選択するための制御領域と、該問い合わせを提出するための制御領域とを有する、請求項１７に記載の媒体。
20. 各用語のステムされていないバージョンおよびステムされたバージョンを、前記問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語に翻訳することを前記プロセッサに行わせる命令は、該問い合わせと共に示される言語のうちの１つにおける等価な問い合わせ用語を識別することを該プロセッサに行わせる命令を含み、該等価な問い合わせ用語を識別することは、翻訳済みのドキュメントのデータベース、電子言語辞書、自動トランスレータ、ピボット言語のうちの少なくとも２つの方法を用い、
    該少なくとも２つの方法を用いて識別された等価な問い合わせ用語は、該問い合わせと共に示される言語のうちの１つにおいて２つ以上の等価な問い合わせ用語を生成するように組み合わせられる、請求項１７に記載の媒体。

Images