HOME | 事務所紹介 | サーチャー紹介 |講習会・講演会・執筆 | コラムバックナンバー |お問合せ |
注意:内容は執筆時点での情報です
コラム第110号(2012/3/13UP)
「広く多くヒットさせる検索方法を考える」
前回のコラムでは検索を上手に行うポイントのひとつとして、「適切な検索語を見つける」 という一例をご紹介しました。
情報検索の結果は入力する検索語に影響されるので、どのような言葉を検索語に使うかは大変大事です。
前回のコラムでは、「自分の思った言葉」が必ずしも「検索に適した言葉」ではない場合を書きました。
でも一般のかたが検索するときは、できれば自分の思った言葉で検索して、それなりにヒットしてくれれば苦労はない。
企業の情報室の担当者や図書館職員のかたにとっても、
ユーザー(研究者や技術者)が自分の思った言葉で気軽に検索して、ある程度有効な結果が得られれば、
“ユーサーが自分で文献検索する方向へ導きにくい” という悩みも軽くなる可能性が高いんですよね。
だってインターネットの検索は一般のかたが気軽に検索して、それなりの情報を得ているでしょう。
ただし、そこで得られる情報の信頼性や適切さは保障の限りではない・・・という問題もあるわけで。
というわけで今回のコラムでは、
一般のかたが普段行う検索と、文献検索や新聞記事検索などとのギャップを埋めるヒントを、
いくつか書いてみたいと思います。
ご自分で検索するかたも、情報室や図書室などでユーサーへ検索案内するかたも、
それぞれの立場で役立てて頂けるかと思います。
ポイント:最初に再現率の高い母集合を作る
2年ほど前のことですが公共図書館で、
利用者のかたへデータベース検索の指導をなさっているサーチャーのかたに、
お話しを伺う機会がありました。
そのときは主に新聞記事検索についてお話しを伺ったのですが、
その際、サーチャーさんがこんなふうにおっしゃていました。
「最近の利用者の皆さんは、インターネットのGoogle検索などに慣れていらっしゃるので、
“多くヒットした結果に検索語を追加して絞り込む” ということはできるのですが、
“情報がヒットしない” というときに、どうしたらいいか困っているかたを、よく見受けます」
なるほど、と思いました。
利用者のかたの検索傾向を、よく把握なさっているサーチャーさんだなと感心しました。
そうなんですよね。
インターネットのGoogle検索などに慣れている一般のかたの場合、
多くヒットした結果に検索語を追加して絞り込むということは難なくできる。
例えば前回のコラムで、
「タブレット端末の画面操作における、視覚障害者の操作性向上に関する技術の収集」
というテーマで特許をテキスト検索する際、
「タッチディスプレイ」で検索すると極端に少ないヒット件数になってしまって、
この少ないヒット件数を「視覚障害」で絞り込むと、さらに0件になってしまうという例をご紹介しました。
前回のコラムでは、このような場合の解決策のひとつとして、
国立国会図書館サーチ(NDL-Search)を使って「適切な検索語」を見つける方法をご案内しました。
NDL-Searchで見つけた適切な検索語「タッチパネル」で特許のテキスト検索を行うと、
ヒット件数が格段に増える。
この増えた(=再現率が高い)件数を「視覚障害」で絞り込めば、適合率の高い結果が得られる可能性が高まる。
このような例をご案内しました。
というわけで、
やはりポイントは 「最初に再現率の高い母集合を作る」 という点だと思います。
なおコラム80号でもご案内しましたが、再現率の意味は次のとおりです。
再現率(recall ratio):検索可能な情報全体から、調査目的に「適合する情報」が拾い出せた「割合」
再現率という専門用語を使ってしまったので、なんだか難しいコトを言っているように感じるかもしれませんが、
言い換えればなんのことはない、最初になるべく「広く多くヒットさせる」ということです。 はい(^^)
ヒント1:同義語や異表記を広くOR演算する
じつはGoogle検索のアルゴリズム(algorithm:コンピュータプログラムの処理手順)も、
再現率の高い検索を行う仕組みを持っています。
その仕組みの1つとして、「同義語や異表記を含むページもヒットさせる」仕組みが挙げられます。
単純に言えば、これと同じ検索を行えば良いのです。
一般のかたが検索する場合は、基本的に「自分の思った言葉」を使うことが多いと思います。
「自分の思った言葉」=「適切な検索語」だった場合は良いのです。
前回のコラムの例で言えば、
「タブレット端末の画面操作」について特許文献をテキスト検索したいとき、
無意識に「タッチパネル」が頭に浮かんでいるかたは、偶然ではあるけれど運が良い。
多少の検索モレがあるけれど、特許文献をかなり広くヒットさせることができます。
でも自分の思った言葉が適切な検索語ではなかった場合、思ったようにヒットしない。
前回のコラムの例で言えば「タッチディスプレイ」での検索が、そうでした。極端にヒット件数が少なかった。
こういう場合に、やはりメンドウでも検索語の確認をするのが近道です。
最も簡単な方法は、やはりGoogle検索でしょう。
この項の最初にも書いたとおり、Googleでは同義語や異表記を含むページもヒットさせる仕組みを持ちます。
この仕組みを利用して、例えば「タッチディスプレイ」で検索して
「タッチパネル」や「タッチスクリーン」などの用語を拾い出すことができます。
・・・ちなみに、
ご参考としてGoogle検索で同義語検索される技術の一例をご紹介すると、
グーグルの日本特許「特許第4731479号」が挙げられるかと思います。
IPDL特許電子図書館の「特許・実用新案公報DB」の画面で、
文献種別は「B」、文献番号に「4731479」をそれぞれ半角で入力して
「文献番号照会」ボタンをクリックすると見ることができます。
発明の名称は「検索システム及び検索方法」です。
特許請求の範囲として【請求項1】には「…検索語の同義語、代替スペリング、
または共通の語源を持つ言葉の一組を含む拡張検索クエリを生成し」と記載され、
発明の詳細な説明には、具体例として【0027】に「…”car”という個々の用語41は、
”cars”、”autos”、”auto”からなる拡張された用語43のリストを含むように拡張される」
と記載されています。
グーグル社は基本としては英語での検索を想定して特許出願しているため、
「代替スペリング」とう言葉が使われていたり、具体例も英単語だったりしますが、
同様の技術思想を日本語でのGoogle検索にも当てはめて行っているわけです。
そしてできれば前回のコラムでご案内した国立国会図書館サーチ(NDL-Search)、
また国立情報学研究所のWebcatPlusなど、「文献」の検索で関連語が示されるシステムを使って
同様に「タッチパネル」や「タッチスクリーン」「タッチ画面」などの同義語や異表記を広く拾い出します。
そしてこれらの言葉を全部OR演算します。
ここで大事なことは、
前回のコラムでご案内したような「検索語をポンポンと2~3個入力して・・・」という段階から一歩進んで、
同義語や異表記を広く入力して「モレの無い検索を行う」という意識を持つことだと思います。
例えば一般のかたが特許検索なさる場合、特許分類などが使えなくても、
“同義語や異表記を広く拾ってOR演算” ←コレができるようになると、
一般のかたの検索結果も、かなり良好な結果が得られる可能性が高まります。
なお、
商用デーベースの場合は、「同義語検索」 の機能が提供されているものもあります。
この機能を活用する方法を知っておかれると良いです。
そもそも「同義語」という言葉は日常的に使われる言葉ではないので、
検索画面に「同義語」だの「異表記」だのと表示されていても、
自分には関係ない言葉のように思えて(^^; 目が素通りしてしまいがちなのですが、
じつは結構大事な機能です。活用するlことをお勧めします。
例えば新聞記事検索では、日本経済新聞デジタルメディアが提供する「日経テレコン21」が挙げらます。
日経テレコン21の場合は、検索条件の「詳細」をクリックすると、
詳細な検索条件の設定ができる画面が表示され、
「同義語展開」のチェック印が「◎する」にチェックされていればOKです。
検索例として前回のコラムで使った「タブレット端末」という用語を取り上げてみます。
単純に「タブレット端末」で新聞記事検索すると、かなり多い件数がヒットすると思います。
特に日経テレコン21でなくても、G-Search(ジーサーチ)やELNET(イーエルネット)などの
他の新聞記事検索システムで検索しても、全国紙の横断検索等で全期間を検索すれば、
数百件から数千件ヒットするはずです。
これだけ多い件数がヒットしていると、“モレなく広く検索できた” と思ってしまいがちなのですが・・・
じつはチョット落とし穴があるんですね。 さて、どんな落とし穴か・・・分かりますか?
「タブレット端末」という言葉。この言葉が一般的に使われるようになったのは、ここ1~2年のことですよね。
具体的にはApple社が「iPad」を発売した2010年頃から使われるようになった言葉です。
だから2009年以前の新聞記事には、「タブレット端末」という言葉は、ほとんど使われていません。
もしも自社でG-Searchを利用可能でしたら「新聞・雑誌記事横断検索」で、
「2000年1月1日~2009年12月31日」を指定して、「タブレット端末」で記事検索してみてください。
10年間全部の記事を検索しても、たった4件程度しかヒットしないはずです。
これを「2010年1月1日以降」を指定して、同じ「タブレット端末」で検索すると、
ナント!4230件ヒットします(2012年3月14日現在のヒット件数)。
さて、
これを日経テレコン21の記事検索で「日経各紙」を指定して、
「2000年1月1日~2009年12月31日」を「タブレット端末」で検索すると、171件ヒットします。
G-Searchでの「4件」に比べて格段に多いヒット件数です。
多くヒットしている大きな理由は、経済紙を検索したためではありません。
日経テレコン21の「詳細条件」を設定する画面を開いて頂くと分かるのですが、
日経テレコン21には、上で書いたように「同義語展開」という機能があり、
基本設定として「同義語展開」のチェック印が「◎する」にチェックされています。
この同義語展開の機能により 「タブレット端末」 の同義語として、
「多機能携帯端末」 「タブレットPC」 「タブレットパソコン」 「タブレット型パソコン」 などの言葉を含む記事もヒットするのです。
つまり「タブレット端末」という言葉が新聞記事に使われていなかった時期の新聞記事も、
「タブレット端末」と同じ概念を表す言葉(同義語)で検索されることにより、ヒットさせることができるわけです。
念のため 「2000年1月1日~2009年12月31日」の「タブレット端末」での検索を、
「同義語展開」を「◎しない」にチェックして検索すると、2件しかヒットしません。
この「タブレット端末」という言葉も、
今、2012年3月時点では「新しく使われるようになった言葉」だと認識なさっているかたが多いと思いますが、
もう数年たつと、いつ頃から使われるようになった言葉か、だんだん分からなってくると思います。
そういうときに、やはりこのような同義語展開機能に助けられる面は大きいと思います。
ただし、
残念ながら、検索システム側で設定してくれる同義語も万能ではないです。
日経テレコン21も、上でご紹介した「タブレット端末」は有効に検索できる良例ですが、
例えば「タッチディスプレイ」は残念ながら同義語展開されません。
他の検索システムでも例えば文献検索として、
JST科学技術振興機構が提供する「JDreamⅡ」(ジェイドリームツー)では、
「JSTシソーラスブラウザ」を参照することにより、同義語や異表記を参照し、
検索語入力エリアへ反映させる機能があります。
この機能も、JDreamⅡの検索ガイドで紹介されているような、
「介護ロボット」という用語から「福祉ロボット」が案内されるという良例も多いのですが、
残念ながら対応されない言葉もあるわけで、例えば「タブレット端末」や「タッチディスプレイ」は
同義語等の案内がされません。
というわけで、
やはり自分で責任持って同義語や異表記をOR演算するという意識を持つのが大事だと思います。
ヒント2:言葉は短く区切ってAND演算する
なんだか、上で長々と同義語のことを書いたので、
“広くヒットさせるって結構メンドクサイなぁ・・・” と思われたかもしれません。
情報室や図書室の職員のかたも、
“同義語をOR演算するというのは一般ユーザーには案内しにくいよねぇ・・・”と感じたかたも多いかもしれません。
そんな場合に、もっと簡単に広くヒットさせる方法として、
検索語を 「短く区切ってAND演算する」 という方法があります。
最初のほうでご紹介した、公共図書館で検索指導をなさっているサーチャーのかたが挙げた方法が、
この「短く区切ってAND演算」でした。
情報室や図書室の職員のかたは、既にユーザーへこの方法を案内しているというかたも多いと思います。
これは例えば「タッチディスプレイ」を検索するときに、
「タッチ ディスプレイ」 というようになるべく短い単語に区切って「タッチ AND ディスプレイ」の検索を行えば、
「タッチパネル式ディスプレイ」とか「ディスプレイ上にタッチパネルを・・・」とか「タッチモニタ機能を装備した表示ディスプレイ」とか
広く情報をヒットさせることができます。
このような検索方法は、日本語検索の特徴といえると思います。
Google検索も日本語検索の場合、検索ボックスに入力された言葉は自動的に短く区切られて、
AND演算される仕組みになっていることをご存じのかたも多いと思います。
だからGoogleの検索ボックへで「タッチディスプレイ」と入力すれば、
システム側で自動的に「タッチ」と「ディスプレイ」に区切って、この2つの言葉をAND演算した結果が提示されます。
ただし、
この方法の不利な点は、検索の対象となるフィールド(データ毎の範囲)が広いと、
短く区切った各語どうしが、全くかけ離れた位置に出現していてもヒットしてしまう点です。
つまりノイズ(不要なデータ)もヒットしやすくなってしまう。
なので、もし自分の使っている検索システムが「近接演算」や「近傍検索」が使える場合、
各語どうしが何文字以内に出現しているかの “近さ” を指定できるので、是非利用してみてください。
例えば 「タッチパネル式ディスプレイ」 なら4文字離れて出現しています。
近接演算や近傍検索は有料の商用データベースでないと使えないことが多いし、
近接演算とか近傍検索という言葉自体が専門用語なので(^^; 検索画面上にこれらの機能が表示されていても
敬遠してしまいがちかもしれせん。
でも、たぶん最初に「近接演算を使わないノイズの多い結果」を見てみれば、
だいたい何文字くらいの範囲内に各語が出現していれば良さそうか、見当がついてくれると思います。
そしたら思い切って(!) 近接演算や近傍検索を使ってみましょう。
なお近接演算や近傍検索が使えない場合は、検索のフィールドを狭くする方法があります。
例えばIPDL特許電子図書館の公報テキスト検索なら、
「検索項目選択」を前回のコラムの検索例で使った「要約+請求の範囲」ではなく、「要約」にしてみる。
試に「要約+請求の範囲」で公開特許公報を「タッチ ディスプレイ」をAND演算すると、
4795件ヒットします(2012年3月14日現在のヒット件数)。
この4795件ノイズが多いと予想されるので、プルダウンキーで「要約」に変更して再検索してみます。
すると今度は2339件に減りました。
同様の方法を新聞記事検索に使うなら、見出し(タイトル)と本文の検索で多かった場合に
「見出し(タイトル)」だけに変更して再検索する方法があります。
このようにして基本的な母集団を広くヒットさせたなら、
この後は検索テーマにそって例えば「視覚障害」などの用語で絞り込んでいっても、
それなりに該当する情報が得られる可能性も高まると思います。
なお蛇足ながら、
「視覚障害」 も 「視覚」 と 「障害」 に区切ってAND演算してみてください。
「視覚に障害を持つユーザーに」のような情報もヒットします。
今回は同義語検索の説明が長くなってしまいましたが・・・いかがだったでしょうか。
ご自分で検索するかた、また情報室や図書室などでユーザーへ検索案内なさるかた、
それぞれのお立場でお役立ていただけるヒントがあったなら幸いです。
なお上では「ポイント」として「最初に広く多くヒットさせる」と書きましたが、
もっと大事なポイントは「これしかヒットしないなんてヘンだ」と思うことかもしれません。
例えば新聞記事検索して、
“タブレット型の端末って、もっと以前からあったよねぇ、なんで古い記事はヒットしないんだろう?”
こういう疑問を持つところから、もっと良い検索方法を考える方向に行けるのだと思います。
なんだかうまく検索できなかったなら、かえって良い検索に進めるチャンスかもしれません。
そう思ってがんばっていただければと思います。
HOME