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 ｜
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１２６号（2013/7/9UP）
「検索技術は今後どうなる？ －あなたは何を知りたいのか ２－」
前回のコラムでは検索技術の今後という観点から、Googleサジェストに代表される検索候補の表示機能を見てみました。
検索候補の表示機能は 「あなたの検索したいことはコレですか？」 という、知りたいことの推測でもあります。
今回のコラムもこの “知りたいことの推測” という方向から、もうひとつ書いてみたいと思います。
今回のコラムで取り上げるのは、概念検索に代表される検索技術です。
これは検索式などによる検索ではなく、
例えば知りたいことを先生に質問するときのような 「質問文」 の形で入力すると、
その質問（概念）の回答となるであろうデータ（文献や本、記事など）がヒットする技術です。
概念検索は社内文書の検索などにも使われていますので、
皆さんも既に、どこかで使った経験がおありかもしれません。
今回は、この概念検索について考えてみたいと思います。
ポイントは 「はたして機械はアナタの知りたいことが分かるのだろうか」 です (^^)
概念検索を体験してみる
まずは概念検索を体験してみましょう。
検索するテーマは 「介護ロボットの音声認識のしくみ」 を例にとってみます。
検索システムは、国立情報学研究所の Webcat Plus（ウェブキャットプラス） です。
Webcat Plus は「本」を検索するシステムです。
特に大学図書館や国立国会図書館の蔵書データ、また新刊書のデータなどを併せて検索できます。
（注意：以下の検索例は2013年7月9日現在の検索結果をもとに書いています。）
さっそく イザ検索！ です。
最初に Webcat Plus のトップページを開きます。
ページ左上に 「文章から連想」 の検索ボックスがあります。
ここへは検索式ではなく、質問を文章で入力します。
今回の検索テーマは 「介護ロボットの音声認識のしくみ」 ですが、
例えば、一般の方の場合、「音声認識」などの専門用語を思いつかない場合があります。
そのような場合に 「介護ロボットが人間の言葉を理解する仕組み」 という文章で検索して、
どの程度の検索ができるか、試してみましょう。
というわけで、ページ左上の 「文章から連想」 の検索ボックスへ、
「介護ロボットが人間の言葉を理解する仕組み」 と入力して、
「この文章で連想する」 というボタンをクリックします。
ページ下半分にヒットした本のリストが表示されると思います。
まず注目して頂きたいのは、ヒットしている本の中に、ロボットとは関係しない「介護の本」、
また介護と関係しない「ロボットの本」などが含まれていると思います。
ここまで確認できた状態で、改めて 「概念検索」 のしくみを考えてみましょう。
どうやって概念検索するのか？
概念検索は連想検索、自然文検索、類似文書検索などと称することもあり、
検索されるしくみは検索システム毎に様々な相違があるのですが、
ここでは大ざっぱに基本的なしくみを説明します。
まず入力された文章を 「単語」 に分割します。そして分割した単語の品詞を判別します。
これを専門用語で 「形態素解析 （けいたいそかいせき）」 といいます。
この形態素解析された各単語をから検索に不要な部分を除きます。
例えば「介護ロボットが人間の言葉を理解する仕組み」は、
「介護 / ロボット / が / 人間 / の / 言葉 / を / 理解 / する / 仕組み」 と分割され、
「が」 「の」 「を」 「する」 などは除きます。
そして、さらに関連する語に展開します。
関連する語は、例えば同義語や異表記などの同じ概念を表す別の用語、
またその語と同時に出現する頻度の高い用語、
さらにその言葉の上位概念や下位概念を表す用語、同じ上位概念に含まれる別の用語などです。
そして、それらの展開した用語も含めて検索します。
よって基本的に、概念検索では入力する言葉を増やせば、関連する語も増えるので、
検索結果のヒット件数は増えるしくみになっています。
そのヒット結果を、さらに「質問文との関連が高い順」に表示します。
これは例えば、質問文での各単語の品詞や出現位置、
また検索された各データ中の各用語が出現する位置や回数などで評価します。
ここまで理解したところで、先ほどの Webucat Plus の画面に戻ってみましょう。
ここから先の説明は Webcat Plus 特有の検索のされかたです。
自分の知りたいことが書かれている本を見つける
先ほど検索結果を確認した際、
ロボットとは関係しない「介護」の本、また介護と関係しない「ロボット」の本などが含まれていました。
これは、「介護 / ロボット / が / 人間 / の / 言葉 / を / 理解 / する / 仕組み」 と分解して、
不要な語を除いた後のAND演算の際に、「ロボット AND 仕組み」 や 「介護 AND 言葉」など、
様々な組み合わせのデータが広くヒットするためです。ヒット件数も十数万件程度ヒットしていると思います。
そのように広く多くヒットしているけれど、介護やロボットなど、
検索ボックスに入力した用語のうち、検索システム側が重要と判断した用語 （例えば、この質問文の場合「介護ロボット」が主語です）、
またヒットした各データ中に用語の出現頻度が多いデータが上位にヒットしているはずです。
そして、ページ下半分の右端を見てください。
「連想ワードで絞込み」 と書いてあって、その下に関連する用語が列挙されていると思います。
この用語が、検索ボックスに入力した「介護ロボットが人間の言葉を理解する仕組み」の、
「介護」 「ロボット」 「人間」 「言葉」 「理解」 「仕組み」 から、検索システムが「連想」した用語です。
これらの用語の中に、特に “自分の知りたいこと” に強く関連する用語がある場合は、
その用語をクリックすることで、絞込みができます。
また、不要な用語（概念）をのぞくこともできます。
例えば、先ほど検索された本のリストを見ていって、
“あぁそうか、別に介護ロボットでなくても、ロボットが言葉を理解する仕組みがわかればいいんだ”
ということに気付いたとします。
そこで、介護関係の本は除きたいという場合には、
「連想ワード」の 「介護」 の上にマウスポインターを載せると （注意：項目表示の太字の「介護」ではなくリスト中の「介護」です）
「このキーワードを ◎含む ◎含まない」 の表示が出ますので、「◎含まない」 をクリックします。
すると、ロボット関連の本に絞り込まれます。
この連想された用語を使う方法は、他の検索システムでも使われることが多いのですが、
Webcat Plus の特徴的な検索方法として、検索された本から、さらに検索する方法があります。
今回は、この方法を試してみましょう。
チョット手間なんですが (^^; 画面上側に 「連想 × 書棚」 と書かれた本棚の絵がありますね。
この本棚の上枠の右端に 「＋」 の記号のついた小さめのマークがあると思います。
このマークにマウスポインターを載せると 「新しい書棚を作る」 という吹き出しが表示されますので、そのままクリックします。
そして新しい書棚の名前を入力するボックスが表示れます。
名前は識別できる名前を自分の好きなように付けていいので、「ロボット」等と適当に入力してください。
そしてリスト表示されている本のうち、自分の知りたいことに関係していそうな本を選びます。
先ほど「介護」を除いたリストを見てみると、ロボットの出てくる小説などもヒットしていると思います。
これらの本は当然不要です。
さらにできるだけ、自分の知りたいことが書いてありそうな本をヒットさせたい。
そこで、各本の詳細なども確認しながら（リストの各データをクリックすると確認できます）、試しに３～４冊程度選択してみましょう。
各本のデータにマウスポインターを載せると、書棚名の「ロボット」 「に追加する」 の選択ができます。
そして、画面上側の 「連想 × 書棚」 の下枠に表示されている 「この書棚で連想する」 をクリックします。
すると今度は小説などが上位にヒットすることなく、ロボット関連の本が上位にヒットしているはずです。
そして本の選び方にもよりますが、自分の知りたいことに近い本がヒットしているのではないでしょうか。
ここからさらに、なるべく新しい内容の本に絞り込みたければ、
ページ下側の左端、さきほど見た 「連想ワードで絞込」 の列を下へたどっていくと、「出版年」 で絞込ができます。
やや大まかな絞込ではありますが、例えば「2010年以降」で絞り込むと、最近の本に絞り込まれます。
検索システムはアナタの知りたいことを分かってくれたか？
概念検索や連想検索など、自然文で検索して関連する文献をヒットさせる検索システムは、各システム毎の機能は様々です。
当然ながら、検索対象とするデータの種類や検索目的によっても相違します。
今回ご紹介した WevcatPlus は、検索対象は「本」。
検索目的は主に学生のレポート作成や一般市民の調べもの向けです。
そして最初に広くヒットさせて、絞り込みながらじっくり検索するしくみです。
だからビジネス目的で、迅速にピンポイントで拾い出したい場合には、やや向かない面があるかと思います。
これが例えば特許文献の検索で概念検索を行う場合は、
特許文献の文章の特徴を考慮しながら、なるべく目的に近い文献を少ないクリック回数でヒットさせる方向に、
検索システムが開発される傾向かと思います。
このような相違はあるのですが、
検索システムが、自分の知りたいことを分かってくれるかどうかについては、
どんな検索システムも、やはり “使いこなし次第” という結論かと思います。
つまり、検索システムのクセ（特徴）を知る必要がある。
言い換えると、検索システムに分かってもらえるような質問をしないと、目的の情報は得られない。
また今回の Webcat Plus で絞り込んだ方法も、じつは Webcat Plus が上手にヒットさせるように絞り込んだのです。
しかも付け加えるならば、「介護ロボットが人間の言葉を理解する仕組み」で検索した際、
絞り込むときの「連想ワード」に、できれば 「音声認識」 や 「音声処理」 や 「話者認識」 などが表示されてほしいところです。
最初に書いたように一般のかたで「音声認識」などの専門用語が思い浮かばない場合でも、
「ロボットが言葉を理解する」という文章を、検索システム側が「音声認識」に結び付けてくれるといいなぁと思うのですが、
なかなか、そう思うとおりにはいかない。
つまり、
今回の検索例では、検索する側に 「音声認識」 の概念があったけれど用語が思い浮かばなくて、
「介護ロボットが人間の言葉を理解する仕組み」で検索したわけですが、
検索システムが、それをわかってくれたかというと・・・残念ながら分かってくれなかったという結論かと思います。
でも、
だからといって検索目的に外れた本ばかりヒットしたかというと、そんなことないですよね。
というわけで、
機械はアナタの知りたいことを完璧に理解してくれるわけではないけれど、
上手につきあえば、かなりいい線で努力してくれる、という現状かなと思います。
・・・ちなみに、
「介護ロボットが人間の言葉を理解する仕組み」 という質問文の「理解」の箇所を「認識」に変えて、
「介護ロボットが人間の言葉を認識する仕組み」 で検索しなおしてみてください。
連想ワードに 「音声認識」 が表示されると思います。
さらに、この検索結果を見ると、「認識」 という、やや専門的な用語を使うと
検索結果も専門的な本がヒットしているでしょう。
これは専門用語を使うヒト（質問者・検索者）には、専門的な本が案内されるともいえる。
そういう意味では、なかなか適切な検索であるとも思います。
もしも今回の検索例が参考になったようでしたら、
できればご自分の専門分野で質問文を作って、お試しいただけたらと思います。
Webcat Plus のトップページを表示させると、
使い方が動画で案内されるリンク画像が３っつ表示されると思います。
これらをご覧いただくと、検索方法がよく分かるのではないかと思います。
・・・ちなみに、
このコラムの 「どうやって概念検索するのか」 の項で、
概念検索では質問文を単語分解して、品詞の判別を行うと説明しました。
これを逆から考えると、
語順や品詞の判別がしやすい文章は概念検索に向いているといえます。
よって Webcat Plus で、何か試し検索する場合、５Ｗ１Ｈが明瞭な文章を使うと
上手に検索できる可能性が高いです。
５Ｗ１Ｈが明瞭な文章の代表例に新聞記事が挙げられるかと思います。
特に単なる事実の報道文などは、検索に適している場合が多いです。
宜しかったら新聞記事での検索もお試しください。
Webcat Plus は、このコラムで今までにも何回かご紹介していますが、
新しい機能などが追加されている面もあり、
この機会に改めて検索しなおしてみるのも良いかと思います。
特に最近の他の検索システムの検索結果などとも比較してみると、
Webcat Plus の現在位置や価値が分かってくる面もあると思います。
・・・などとカタイ書き方になってしまいましたが (^^;
要は、いつも同じ検索システムばかり使っていると、
同じような結果の中を回っているだけになりがちなので、
たまには違う検索システムを使ってみると、新しい発見もある、と。
そんなふうに気軽に試していただけたらと思う次第なのであります、はい (^^)v
ＨＯＭＥ