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５７号（2007/9/11UP）
「全文検索で検索精度を上げる－近接演算が使える例 など－」
今回は前回のコラムの補足説明をさせていただこうと思います。
前回のコラム第５６号「“精度”の良い検索とは、どのような検索か」で、
“近接演算（言葉の位置関係を指定して検索する）を使った検索は、全文検索では使えないことが多い”と書きました。
前回のコラムでは、説明が長くなりすぎるので説明しなかったのですが、
これはあくまでも“使えないことが多い”のであって、全く使えないわけではありません。
この点を少し補足したいと思います。
また、前回ご紹介したGoogleの「PageRank（ページランク）」についても、補足説明したいと思います。
●近接演算が使える全文検索システムもある－ただし有料検索の場合がほとんど－
上で書いたとおり、
前回のコラムでご紹介した「近接演算」を使った検索は、全文検索では使えないことが多いのですが、
全く使えないわけではありません。
例えば、特許文献を検索するシステム「PATOLIS（パトリス）」で特許公報の全文検索をするとき、
2つの検索キーワード間の字数や順序を指定した検索ができます。
PATOLISの場合は、この検索を「近傍検索」といっています。
前回のコラムで例にとった「スポーツシューズ」の検索で、
「スポーツ用シューズ」 や 「スポーツでのシューズは」 などのデータもモレなく検索したい場合、
次のような検索方法をとります。
F CLM＝(スポーツ W2 シューズ）
この検索式のなかの 「W2」 が
“「スポーツ」と「シューズ」の間に0～2文字入ったデータも検索する”
ということを指定しています。
このように指定すると、「スポーツ用シューズ」 や 「スポーツでのシューズは」 などのデータも
モレなくヒットさせることができます。
ただし、このような全文検索での、語と語の近接関係を指定した検索は、
安価な検索や無料の検索ではまだ少ないと思います。
というのも、やはり「語と語の近接関係を指定した検索」というのは、
検索システム側にとって、やや高度な処理が必要なんです。
検索システムに無料で近接演算させる、というのは今のところチョット難しいかと思います。
そしてもうひとつ大事なことは、
「語と語の近接関係を指定する」という検索をするには、
検索者自身が、検索しようとするデータの文章に、ある程度詳しくないと指定できないわけです。
例えばPATOLISならば、特許公報には “どのような言葉（ワード）” が “どんなふうに使われて” 書かれているか。
コレが想像できないと、近接演算は上手に使えないのです。
特許公報は、まず「権利を請求する内容」を文章で記載します。
そしてその詳細について専門用語や技術用語や図面を使って、技術内容の開示をします。
普段特許公報に接していないかたが、これらの独特の文章を想像して検索するのは、
やはりチョット難しいのではないかと思います。
そういうわけで近接演算は、
各分野専門のデータベースを、各分野専門の検索者が検索する場合に使えるようになっていることが多いです。
で、各分野専門のデータベースというのは有料の高度なデータベースであることがほとんどです。
ゆえに、安価な検索や無料の検索では近接演算は使えない場合が多い、ということになります。
・・・ちなみに、
私も初めて特許公報を読んだときは、“世の中にこんな日本語が許されていいのだろうか？！” と思いました。
白状しますと、なにしろ国文科出身なものですから （高校では情報処理をやったのですが…）、
文章というのは、分かりやすく簡潔に美しく…がアタリマエだと思っていた人間でして、
そいういう人間がイキナリ特許公報を読むと、
これがまぁ、同じことを何度も書いてるわ、クドイわ、分かりにくいことおびただしいわ、で
“これって活字の無駄遣いじゃないか？” とも思いました、はい。
今ではエラソーにも 「特許公報はナゼこういう書き方をするか」 を説明する立場ではありますが、
思えば私も最初はこんなふうに思ったものです。
近接演算に限らず、テキストマイニングや連想検索、概念検索など
全文検索の精度を上げて検索する方法は、
特許文献、学術文献、社内文書検索、マーケティング（例：アンケート回答の検索と分析）などの各分野ごとに
様々な検索システムが研究開発されています。
皆さんも、ご自分の専門分野での検索システムを自社で導入する場合は
「全文検索の精度を上げて検索する方法」に接することがあるのではないかと思います。
●Googleの「PageRank（ページランク）」を知る方法
前回のコラムでGoogleは「PageRank」 という各ページの評価を行っている、と書きました。
復習すると「PageRank」とは、
「多くのページからリンクされているページは評価が高い」
「良質のページからリンクされているページは評価が高い」
という２つの考え方から、各ウェブページを評価する方法です。
そして、次のようにご紹介しました。
GoogleのPageRankは１０段階評価（１０が最高点）で、
私が見た公的なページで最も評価が高かったのは外務省（日本）のランク「８」です。
だいたい国の機関のページのランクが「７」前後、トヨタ自動車などの民間の大企業も「７」前後です。
この「８」や「７」などのランクは、どうすれば分かるのか、です。
ご存知のかたもいらっしゃるとは思いますが、
Googleの 「Firefox 用 Google ツールバー」 をダウンロードすると、分かるようになります。
まず、Ｇｏｏｇｌｅのホームページを表示させます。
検索ボックスの上にある 「ウェブ 画像 ニュース 地図 グループ more »」 のメニューから
「more »」をクリックします。
「もっと Google」 のページが表示されます。
このページの下半分に 「Google のツール」 の項目群があって、
その右側の一番上に 「ツールバー」 があると思いますので、クリックしてください。
すると 「Googleツールバー」 のページが表示されます。
普通はここでGoogleツールバーのダウンロードをするかたが多いと思いますが、
よく見ると、ページ右下に 「Firefox 用ツールバー もご利用いただけます」 と表示されています。
この 「Firefox 用ツールバー 」 をクリックしてください。
ここでようやく 「Firefox 用 Google ツールバー」 のページにたどりつきました。
「ツールバーをダウンロード」 のボタンをクリックします。
すると、パソコンのブラウザに次のようなツールバーが表示されるようになります。
ここの赤丸で囲んだ 「PageRank」 で、各ホームページのランクが分かります。
ツールバーは、普通に表示されているときは上のような横棒の画像で表示されていますが、
この画像の上にカーソル（マウス）を乗せると
「 PageRank は Google 特有の機能で、ページの重要度を示します（6/10） 」
のようなメッセージが出ます。
例えばこの場合は 「6/10」 なので、１０段階評価の「６」なわけです。
そしてさらに、 このPageRankの画像をそのままクリック（左クリックでOK） してください。
「キャッシュページ」 「関連ページ」 「リンク元」 の各項目がタテに表示されます。
この項目中の 「リンク元」 をクリックすると、このページがどこからリンクされているか、が分かります。
ただし、前回のコラムでも書いたとおり “リンク集のページからリンクされている場合は除かれる”
などの一定の法則のもとに評価されますので、
他社や業界団体などのリンク集からリンクされている場合は対象外です。
…とはいうものの、リンク集からのリンクを除く判断は機械的なプログラムで行っていますので、
中にはリンク集からのリンクも評価の対象になっている場合もあります。
今回は前回のコラムの補足説明を書かせていただきました。
現在の検索システムは様々な方向に開発がなされているので、
皆さんもいろんな場面で、様々な検索方法に接することがあるのではないかと思います。
またGoogleの「Firefox 用 Google ツールバー」は、意外とご存知ではないかたが多いでしたので、
改めてご紹介させていただきました。お役に立つようでしたら幸いです。
ＨＯＭＥ