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１２４号（2013/5/14UP）
　「検索技術は今後どうなる？　－過去の検索方法はどこへ行く・・・－」

　　前回のコラムで、本を「件名」で検索する例をご紹介しました。
　　この件名での検索は、もちろん有効な検索方法ではあるのですが、
　　じつは検索技術としては、古い検索技術（検索方法）に属すると言って良いと思います。

　　インターネットの検索エンジンが　“検索の主流”　になって久しい今日この頃です。
　　しかし、情報を検索することは、インターネット時代に入る以前から行われていたわけで、
　　情報がデジタル化される以前から、当然ながら情報を探す方法は存在しました。
　　例えば論文、新聞記事、特許公報なども、現在はデジタルデータがあるのが当たり前ですが、
　　２０年程前までは、「紙」で発行されるほうが主流でした。

　　現時点で検索技術を俯瞰すると、過去の「紙」の情報を探すことを主流とした時代の検索技術と、
　　最近の「デジタルデータ」の情報を探すことを主流とする検索技術が、共存している状況です。

　　この状況のなかで、検索技術の今後について、思うことを書いてみたいと思います。

　検索用のデータを人手で作る

　　　前回のコラム１２３号でご紹介した、「図書館の本」の検索。

　　　例えば現在（２０１３年５月）は Google Books　で本に書かれたテキスト（文字列）から、
　　　直接、本の電子データを検索して該当ページを表示できる時代です。

　　　でも当然ながら、このようなことが一般に可能になったのは最近のことです。
　　　以前は 紙の本を探すためのツールが、本とは別に作られて、そのツールを使って探していました。
　　　例えば図書館の本を探すのであれば、「目録カード」が使われることが多かったわけです。

　　　前回のコラム１２３号でご紹介した　CiNii Books　は基本的に、この目録カードを電子化したものです。
　　　書名（タイトル）や著者名、また前回のコラムでご紹介した「件名」などを、
　　　「別途、人手などで入力して作るデータ」　と考えて頂いて良いと思います。

　　　ここで少し復習してみましょう。
　　　以前のコラム９８号で、データベースの流通経路をご案内しました。
　　　そのときの流通経路図を思い出してみましょう。こんな図でした。



　　　今回のコラムで取り上げているのは、この図の赤○で囲んだＡの部分です。

　　　コラム９８号　でも説明しましたが、「検索」を可能にするためには、
　　　基本的に　Ａ　で、「検索するためのデータ」を作る必要があります。

　　　やや大雑把な説明になりますが、
　　　上で書いたように　CiNii Books　のデータは、この　Ａ　の部分を人手などで、別途入力し直していると考えて頂いて良いでしょう。
　　　注意したいポイントは、作成されたデータに「人の判断」が入っている点です。
　　　書名や著者名などの書誌事項は、本に記載されているとおり入力するので問題ないのです。
　　　でも、
　　　コラム１２３号で紹介した「件名」は、どんな件名（キーワード）を付与するか、入力するときの判断で相違します。
　　　また同じくコラム１２３号で説明したように、「件名」は辞書（件名表目標）になっているわけです。
　　　例えば、日本図書館協会の『基本件名標目表（ＢＳＨ）』　や　『国立国会図書館件名標目表（ＮＤＬＳＨ）』など、
　　　どの件名表目標を使うかによっても、付与される件名が違ってきます。
　　　コラム１２３号で紹介した本『弱いロボット』の場合は、次のような件名が付与されていました。

　　　上の表でＢＳＨは基本件名表目標、ＮＤＬＳＨは国立国会図書館件名表目標です。
　　　ＢＳＨによって付与される件名３つと、ＮＤＬＳＨによって付与される件名３つのうち、
　　　共通しているのは「ロボット」だけです。
　　　同じ本でも、使う辞書が違うと、検索するときのキーワードも変えないといけないわけです。

　　　これらのことから言えるのは、
　　　検索する側（＝皆さん）が、辞書に合わせて検索しないといけない、ということです。
　　　例えば、「音声工学」や「音声分析」という用語。
　　　これらの用語は専門用語として間違った言葉ではありません。
　　　でも、本を件名検索する場合は使えません。

　　　試しに　CiNii Books　のトップページで　「　詳細検索　」をクリックして、
　　　上から５つ目の「件名」の検索ボックスに「音声工学」と入力して検索してみてください。
　　　「検索結果：　0件」と表示されるはずです。

　　　この「音声工学」という用語を、一番上の大きな検索ボックスに入力すれば、
　　　目録データの全てフィールドから検索されるので、「音声工学」の文字を含む本が検索されます。
　　　でも、あくまでも「文字」を検索するので、件名検索のような「概念」での検索ではありません。

　　　というわけで、
　　　件名検索はコラム１２３号でもご紹介したように、
　　　特定の概念を一つの言葉に代表させて、広く検索することができる優れた機能を持っているのではありますが、
　　　やはり不利点もあるわけです。

　　　さらに言えば、
　　　コラム１２３号で例にとった本『弱いロボット』は介護や福祉に関連する記述もあるのですが、
　　　例えば　CiNii Books　の大きな検索ボックスに　「介護　ロボット」　と入力しても、
　　　残念ながら、この本はヒットしません。

　　　つまり、
　　　人手で作られた検索用データは、非常に限られた情報だということです。
　　　実際の本の内容との差は非常に大きい。

　　　さらに、もうひとつ大事な点は、
　　　人手によるデータ作成は「コストが高い」という点です。
　　　上の説明では、本の検索を例にとりましたが、論文や雑誌記事などの文献の場合をみてみましょう。
　　　文献はコラム１２０号で、ご案内したようなシソーラス用語の付与や抄録の作成などが行われる場合があります。
　　　シソーラス用語や抄録は、上で紹介した本のデータと比較すると、かなり詳しい検索用データです。
　　　だから、検索の精度も上がります。
　　　でも、人手で作られるデータなので、コストが高い。無料では、まず使えません。
　　　しかも、データ作成のためのタイムラグも生じます。

　　　というわけで、
　　　検索用のデータを人手で作る「旧来の方法」は、精度は高いけれど
　　　一般のかたがいきなり使うには、やや「壁」がある印象で、
　　　さらにコストが高いという不利点があるわけです。

　検索用のデータを機械が作る

　　　今回のコラムは本の検索を主にみているわけですが、
　　　本の検索として、Google Books　の場合は、
　　　上で復習したデータベースの流通経路の　○で囲んだＡ　の部分が、機械化されています。

　　　Google Books　のデータの作られ方は、既にご存知の方も多いと思います。
　　　Google社が紙の本からスキャンし、検索用のテキストデータを作成しています。
　　　そして、検索されたデータの該当ページ（スキャンしたページ）が表示されるしくみです。

　　　まずは、検索してみましょうか。
　　　（注意：以下の検索例は２０１３年５月１４日現在のものです）
　　　Google Books　のトップページを開いたら、検索ボックスに「音声分析」と入力して、検索ボタンをクリックします。
　　　ページ上方には広告が表示されるかと思いますが（＾＾；
　　　その下に、本の検索結果が表示されます。

　　　トップページを下へたどっていくと「音声工学 - 75 ページ」（板橋秀一 2005）があると思います。
　　　これをクリックしてください。

　　　・・・すると、
　　　いきなり（！）音声分析の説明ページが表示されます、よね。
　　　つまり検索語入力からクリック２回で、スグに音声分析の説明が読める。
　　　国立情報学研究所さんには申し訳ないのですが、
　　　CiNii Books　とは、情報入手のしやすさが比べものにならない。
　　　もちろん著作権があるので、このページのダウンロードも印刷もできないのですが、
　　　とにかく今スグに情報確認できます。
　　　そして本当にこの本が必要ならば買うなり、借りるなりすれば良いわけです。

　　　このGoogle Booksも、運用開始直後は収録冊数も少なくて、
　　　これではまだ使えないな・・・という印象だったのですが、
　　　現在では収録冊数も増えて、今の例でみたように、かなり使えるデータベースに育ってきていると思います。

　　　紙の本をスキャンするのも、もちろんコストはかかるのですが、
　　　機械化されているので、低コスト化しやすいと思われます。
　　　特に現在は書籍データそのものが最初から電子データが存在するものが主流なわけで、
　　　データ化のスピードも上がると思われます。

　　　なお、このような例を先行している分野のひとつが特許文献でもあるわけで、
　　　特許は出願時点で既に電子データで出願し、そのデータがそのまま検索データに使えます。
　　　また古い特許公報も、スキャナで読み込んでデータ化して検索することが行われています。
　　　特許文献と同様に一般文献や本のデータ化も、これから進んでいくと見てよいと思います。
　　　　　・・・ちなみに、
　　　　　　　特許文献も１９９３年発行分から電子データで提供され始めたころ（１９９０年代）は、
　　　　　　　“こんな数年分だけ電子データで検索できても使えないよねぇ”　とか言っていたわけですが、
　　　　　　　今年（２０１３年）は、権利期間（２０年）に等しい期間のデータが
　　　　　　　無料でテキスト検索できる年を迎えたわけです。時代は進む・・・ですよね。

　　　しかも本の全文からの検索は、目録データからの検索のような
　　　限られた情報からの検索ではありません。本の全テキストから検索できます。

　　　そして何よりも、これらの機能が無料で使える。
　　　もちろん広告表示さえますが、無料で検索して表示できるメリットは大きいと思います。

　　　でも、
　　　このGoogle Booksのような検索は、便利なように見えても万能ではありません。
　　　今のところ Google Booksでは「音声分析」と入力すれば、「音声　/　分析」　と分割されて、
　　　これらのＡＮＤ演算で検索されるしくみです。
　　　つまり「音声分析」で「音声認識」はヒットしません。
　　　Googleの場合は、同義語や異表記などの網羅性も今後、精度が上がるとは思われますが、
　　　その場合も、何が検索されて何が検索されないのかが分かりにくいと思われます。
　　　また特にGoogleでは関連度順の表示も、どのような判断（検索アルゴリズム）がなされているのか、ブラックボックス状態でしょう。
　　　　　　・・・ちなみに、
　　　　　　　　上でご紹介した　Google Books　の「音声分析」の検索で、
　　　　　　　　皆さんのパソコンでは「音声工学 - 75 ページ」がヒットしましたか？
　　　　　　　　場合によってはトップページに表示されなかったかたも、いらっしゃるのではないかと思います。
　　　　　　　　結局、検索システムまかせの検索なので、安定しないというか、信頼できないというか、
　　　　　　　　そういう面はあると思います。
　　　　　　　　安定性、信頼性という意味では　CiNii Books　に軍配が上がります。

　　　そんなわけで過信は禁物かなと思います。

　過去の検索方法は、今後どうなる？

　　　Google Booksも過信は禁物・・・とはいうものの、
　　　Google Booksに限らず、
　　　上で復習したデータベース流通経路図の一番最初の部分「一次データ」の全文の電子データから
　　　直接に検索する技術は、今後さらに進んでいくと思われます。

　　　ここで、
　　　件名検索やシソーラスでの検索、また特許分類付などの検索方法は、これからどうなる？　と考えると、
　　　まず特許分類での検索は、今後も続いていくと思います。
　　　特許検索の場合は分類付与官（人手）によって付与された、信頼性の高い分類記号を使って、
　　　特定の概念を検索する手段が無いと、精度の高い検索は行えない面が大きいです。

　　　でも、
　　　今回、主にご紹介した本の検索、また論文や雑誌記事などの検索は、
　　　Google的な検索が主流になっていくのではないかと思います。
　　　論文や雑誌記事などの「抄録」の作成も、「紙」で発行されていた頃は重要な情報でした。
　　　でも現在では、例えば　Google Scholar で、「音声認識　ロボット」　と検索すると、
　　　文献中で、その文字を含む箇所が表示されます。一般のGoogle検索と同じように。
　　　この表示から、その文献を読むべきかどうか判断できる面も大きいです。

　　　もちろんコストをかけて人手で作った抄録は、信頼性が高い。
　　　でも低コストで、Googleのような情報（検索語を含む箇所の表示）が得られれば、
　　　やはり、そちらのほうが利用される可能性は高いだろうな、と思います。
　　　またコラム１２０号では、文献検索システムのJDreamで外国語の文献を日本語で探せるメリットを書きました・
　　　これについては、現在でもコストをかけて作ったシソーラスや日本語抄録が必要です。
　　　しかし、これも近い将来、機械翻訳を使って検索や表示ができるときがくるのではないかとも思うのです。

　　　というわけで、
　　　情報が「紙」だった時代から続いている検索方法も、
　　　特許検索のような専門的な検索では今後も続くと思いますが、
　　　本や論文、また新聞記事などは、いわゆる「Google化」していく可能性が高いかな、と思います。

現在の検索の世界を見ていて思うことを、大雑把に書いてみました。
書きながら、皆さんはそれぞれの立場で、検索について
どのように感じていらっしゃるかなとも思いました。
また意見交換や情報交換などする機会があれば幸いです。
　　　　　　
ＨＯＭＥ