携帯端末向けWeb検索手法の有効性について

全文

(1)2005−NL−170（7） 2005／11／21. 社団法人情報処理学会研究報告 IPSJ SIG Technical Report. 携帯端末向け Web 検索手法の有効性について松原雅文岩手県立大学ソフトウェア情報学部 [email protected] 本稿では，携帯電話のような小型端末に搭載されている少数のキーのみを用いて，高速な Web 検索を可能とする手法を提案する．Web 検索を行うためには，普通，検索キーワードを入力する必要がある．小型端末においては，このキーワードの入力も少数のキーのみを用いて行う必要があるので，迅速な入力，さらには迅速な Web 検索を困難なものとしている．そこで，迅速な入力を可能とするため，本手法においては，文字の情報を縮退し 1 文字につき 1 打で入力可能な入力方式を採用することとした．これにより入力された文字列はあいまいさを含むこととなるが，これは Web 検索時に解消する．このようにして，携帯電話上での迅速な入力，さらには迅速な Web 検索の実現を目指している．評価実験の結果，一般的な手法に比べて打鍵数の削減が認められ，本手法の有効性が確認された．. Effectiveness of Web Search Method for Mobile Terminal Masafumi Matsuhara Faculty of Software and Information Science, Iwate Prefectural University We propose a fast Web search method for mobile terminals such as a mobile phone. In our proposed method, a user is able to rapidly input the terms because our proposed method needs only one keystroke per one character. The strings inputted by the user are ambiguous because each string corresponds to not only the intended term but also other terms. However, the system based on our proposed method disambiguates the strings by co-occurrence and searches Web pages. Therefore, we are able to find the intended Web page on a mobile phone rapidly and easily. In the result of the evaluation experiment, the number of pressed keys on our proposed method was less than that on the general method. It was proved that our proposed method was effective for mobile terminals.. 1. はじめに. 近年，携帯電話に代表される携帯端末の性能が急速に向上している．通信インフラの整備も進んでおり，現在では多くの端末がインターネットに接続可能となった．このような端末の中には，パソコン向け Web ページを直接閲覧可能な Web ブラウザを搭載したものもあり，手軽に Web ページを閲覧することができる．よって，今後も，携帯電話のような小型端末上で Web ページを閲覧する機会と必要性は増大していくものと考えられる．世界中に無数に存在している Web ページか. ら意図するページを探し出すため，多くの場合，Web 検索が行われる．ロボット型の検索エンジンを利用して Web 検索を行うために，使用者は意図するページがヒットすると思われるキーワードを，通常，複数個入力する必要がある．そして，出力された検索結果より意図したページを選択し，閲覧を行う．携帯電話等の小型端末上で Web ページの閲覧を行う場合にも，同様の処理を行う必要がある．携帯電話での Web 検索を考える．携帯電話等の小型端末は携帯性を重視しているので，それ自身の大きさに制約がある．そのため，装備. 1 −39−.

(2) 表 1: 数字キーとかな文字の対応関係. 1:あいうえおー 4:たちつてとっ 7:まみむめも *:（半）濁音. 2:かきくけこ 5:なにぬねの 8:やゆよゃゅょ 0:わをん. 表 2: 数字キーとアルファベットの対応関係. 可能なキーの数が必然的に制限される．一般的な携帯電話においては，0∼9,*,#の 12 個のキーが装備されており，この 12 キーを用いて検索キーワードの入力が行われる．当然，キーワードとして用いられる文字の種類は 12 種類以上存在するので，このような少数のキーを用いて文字を入力するためには，独特の入力方式が必要となる．. 1: 4:GHI 7:PQRS. 現在，携帯電話での文字入力に広く一般に用いられている手法は，文字循環指定方式と呼ばれるものである．この入力方式においては，1 つのキーに複数の文字を割り当て，それを押す回数により文字を明示する．かな文字，アルファベットの各数字キーへの割り当てを表 1, 2 に示す．例えば，日本語において「に」というかな文字を入力するためには，数字キー「 5 」を 2 回押す必要がある．よって，「にほん」という 3 文字のかな文字列を入力するために，この入力方式においては，2+5+3=10 の打鍵数が必要となる．さらに，日本語とアルファベットのように異なる文字種の文字を入力する場合には，これらを切り替える必要があり，入力操作が煩雑となる．このように 1 文字の入力に複数回の打鍵が必要となることから，複数のキーワードを迅速に入力することは困難であると考えられる．そこで，迅速な Web 検索を可能とするために，文字列の情報を縮退して入力を行い，これから直接検索を行う Web 検索手法を提案する．本手法においては，文字列の迅速な入力を可能とするために，少数のキーのみを用いて 1 文字につき 1 打で入力が可能な文字情報縮退方式1 [1] を採用している．これにより，例えば「にほん」というかな文字列を入力する場合，文字循環指定方式では，2+5+3=10 の打鍵数が必要なのに対し，文字情報縮退方式 1. 3:さしすせそ 6:はひふへほ 9:らりるれろ #:句読点. 2:ABC 5:JKL 8:TUV. 3:DEF 6:MNO 9:WXYZ. では，1+1+1=3 の打鍵数で入力が完了する．このようにして迅速な入力が可能となる反面， 1 文字につき 1 打で入力された数字列は多くのあいまいさを含んでいる．しかしながら，このあいまいさは，Web 検索時にシステムにより自動的に解消する．よって，本手法において，使用者は意図したキーワードに対応した数字列の入力のみを行い，検索処理の過程において，単語の変換等，他の処理を一切行う必要はない．そのため，検索処理全体としての処理を高速化できるものと考えられる．本稿では，本手法で用いる入力方式を説明したうえで，本手法の処理過程を説明し，さらに本手法に基づくシステムを作成し実験を行った結果から，本手法により携帯電話等の小型端末において Web 検索を高速に行うことが可能であることを述べる．. キーワードの入力. 2 2.1. 入力方式. 現在，携帯電話での文字入力には，文字循環指定方式が広く一般に用いられている．この入力方式においては，1 文字の入力に複数回の打鍵が必要となるため，迅速な文字列の入力は困難である．この問題を解決し，文字列の迅速な入力を目指して，主にアルファベットの入力においては T9 2 [2] ，日本語入力においては文字情報縮退方式を採用した文字入力手法が提案され 2. 現在，電話番号自動案内サービスに利用されている．. 開発元は Tegic Communications Inc. である． http://www.tegic.com/. 2 −40−.

(3) 表 3: 本手法における文字の割り当て. 1:あいうえお 1 4:たちつてとっ GHI 4 7:まみむめも PQRS 7 *:(半) 濁点. 2:かきくけこ ABC 2 5:なにぬねの JKL 5 8:やゆよゃゅょ TUV 8 0:わをん 0. ている [3][4]．このような手法を利用して検索キーワードを入力することにより，現在の携帯電話上で一般的に用いられる文字循環指定方式に比べて，入力に要する打鍵数を減少させることができるものと考えられる．しかしながら，このような方法により Web 検索を行う場合，少なくとも数字列からキーワードへの変換処理が必要となる．ここでの目的は Web 検索であり，この処理過程であるキーワードへの変換に多くの打鍵数を要することは，処理全体としての速度低下につながるものと考えられる．. 3:さしすせそ DEF 3 6:はひふへほ MNO 6 9:らりるれろ WXYZ 9 #:空白（単語区切り）. 能である．本手法における各文字の数字キーへの割り当てを表 3 に示す．なお，それぞれの文字種における各文字のキーへの割り当ては，現在広く一般に普及しているものと同様である．よって，使用者はキーの割り当てを覚えなおす等，特別な訓練を行うことなく使用することができるものと考えられる．. 3. 数字列入力による Web 検索手法. また，最近の携帯電話等では，入力予測機能 [5][6] を組み込んだ端末も存在している．精度の高い予測を行うためには，前後の文字列とのつながりを考慮する必要がある．しかしながら，Web 検索における検索キーワードは，普通，単語ごとに入力される．このように，検索キーワードにおいては長い単位での入力が期待できないことから，予測に必要な文脈情報を得ることは困難であると考えられる．そこで，本手法においては，1 文字につき 1 打で入力可能な入力方式を採用している．. 本手法の概念図を図 1 に示す．本手法においては，文字情報縮退方式を採用し，1 文字の入力を 1 打で行うことにより，簡便かつ迅速に文字列の入力を行うことが可能である．そして，この入力された数字列をキーワードに変換することなく，この数字列から直接検索を行うことにより，高速な Web 検索の実現を目指している．入力された数字列の変換候補として複数のキーワードが存在する可能性があるが，このあいまいさは Web 検索時にキーワード同士の共起情報を利用することにより，システム側で自動的に解決する．. 図 1 の例では，使用者が意図した検索キーワード「岩手」「県立」「大学」に対応した数字各文字のキーへの割り当ては，入力する文「 2094」「 4*12*2」を入力している．列「 104 」字種ごとに異なっているのが普通である．よっこの数字列に対する変換候補の例を表 4 に示す．表 4 の例では，て，例えば，アルファベットと日本語文字が「岩手」「県立」「大学」の混在した文字列を入力するためには，これら共起頻度は高い，すなわち，これを検索クエを切り替えて使用する必要があるので，入力リーとして Web 検索を行った場合にヒットす操作が煩雑となり，迅速な入力は困難である．るページ数が多いのに対して，「岩手」「官立」そこで，この問題を解決するため，本手法に「同額」や「インチ」「県立」「土井垣」を検索おいては文字種を混在させて各数字キーに割クエリーとして Web 検索を行った場合のヒッり当てることとした．これにより，アルファト数は少ない，すなわち，これらの共起頻度ベットと日本語文字を混在して入力する場合は低いものと考えられる．よって，このようであっても，割り当てを切り替える必要がなに Web 検索時のヒット数に基づく共起情報を利用することにより，使用者が検索キーワーいので，簡便かつ迅速に入力を行うことが可. 2.2. キーへの文字の割り当て. 3 −41−.

(4) 数字列の入力. 104 2094 4*12*2. 数字列の入力変換候補検索 Web検索. あいまいさの解消岩手県立大学の Webページ. 検索. Web. 単語辞書. ページの選択単語学習. 図 1: 数字列入力による Web 検索手法表 4: 変換候補の例数字列. 変換候補. 104 2094 4*12*2. 岩手，磐田，インチ県立，官立，瓦田同額，大学，土井垣. ドを明示しなくとも，数字列の持つあいまいさを解消可能であると考えられる．このようにして，本手法においては，使用者によるキーワードの決定処理を省略することにより，検索処理全体としての処理速度の高速化を目指している．. 4. 処理過程. 本手法の全体の処理過程を図 2 に示す．図 2 に示されるとおり，数字列の入力，変換候補検索，Web 検索，ページの選択，単語学習の順に処理が行われる．. 4.1. 数字列の入力. 表 3 の文字の割り当てに従い，1 文字につき 1 打で入力を行う．1 つの数字キーに文字種を混在させて割り当てているため，使用者は文字種を意識することなく迅速かつ簡便に入力を行うことが可能である．複数のキーワードを入力する際には，「 # 」により区切ることとしている．. 4.2. 変換候補の検索. 入力された数字列に対応する変換候補を単語辞書より検索する．検索された変換候補を用いて Web 検索に用いる検索クエリーを作成. 図 2: 処理過程する．各数字列に対応する変換候補を or でつなぎ，さらにこれらを and で連結することにより，検索クエリーを作成する．表 4 の例では，検索クエリーは「 (岩手 or 磐田 or インチ) and (県立 or 官立 or 瓦田) and (同額 or 大学 or 土井垣) 」となり 27 種類の解釈が可能であるが，このあいまいさは Web 検索時に解消する．. 4.3. Web 検索. 前述の処理において作成した検索クエリーにより Web 検索を行う．複数の変換候補から生成された検索クエリーの解釈は，多数存在することになる．しかしながら，Web 検索時の共起情報，すなわち，ヒット件数により検索結果を順位付けすることにより，このあいまいさを解消し，意図した Web ページを検索することができるものと考えられる．前述の検索クエリーにおいては，「岩手 and 県立 and 大学」のヒット数は多いが，「岩手 and 官立 and 同額」や「インチ and 県立 and 土井垣」等のヒット数は少ないものと考えられる．よって，これを順位に反映した検索結果を出力することにより，使用者は意図したページを容易に選択することが可能である．なお，ここでは検索エンジンとして Google3 を利用した．前述の検索クエリーを検索エンジンに渡し，その結果を Web 検索結果としている． 3. 4 −42−. http://www.google.com/.

(5) 60%. 表 5: 最後の 5 日間の実験結果. 50%. Web 検索精度平均解釈数打鍵数. 43.5[%] (10/23) 10.3 (238/23) 617. 一般的な手法による打鍵数. 662. 40% 精 30% 度 20% 10% 0%. 0. 5. 10. 15. 20 日数. 25. 30. 35. 表 6: 学習後の単語辞書. 40. 単語数. 図 3: Web 検索精度. 4.4. 数字列数平均重複度. ページの選択. エントロピー全単語が等確率で出現した場合のエントロピー. 検索結果には複数のページが含まれているので，この中から使用者は意図したページを選択することにより，Web 検索処理が完了する．なお，システム側では，この選択された Web ページを使用者の嗜好に沿った正解と判断し，これから単語の学習を行う．. 4.5. 5.1. 単語学習. 使用者が選択した正解ページから単語を学習し，単語辞書に登録する処理である．使用者が検索に使用するキーワードはある程度限定されており，類似したキーワードを使用しやすい，という仮定に基づき，本手法においては，正解ページから名詞を獲得し，単語辞書に登録することとした．そして，これを用いて次回からの検索を行っていく．このようにして，検索処理を繰り返し，使用者に合わせた単語を学習していくことにより，次第に，その使用者にとっての Web 検索精度を向上させることができるものと考えられる．なお，ここでの単語の獲得には，形態素解析器「茶筌」4 [7] を利用した．正解ページ中のすべての名詞を抽出し，これらを，読み仮名に対応する数字列とともに単語辞書に登録している．. 評価実験. 本手法の有効性を確認するために，前述の処理過程に基づいたシステムを作成し，評価実験を行った． 4. http://chasen.naist.jp/hiki/ChaSen/. 14.0[bit]. 実験データおよび実験手順. 実験データとして，2005 年 8 月 1 日から著者が実際に行った 40 日分の Web 検索履歴 181 件を用いた．このデータを用いて，実験システムにより 1 件ずつ検索，学習を行っていく．なお，検索に用いられるキーワードは使用者ごとに異なるものと考えられるので，それぞれの使用者に合わせて学習を行うものとし，辞書は空の状態から実験を行っている．検索結果は 1 ページに 10 件出力されるので，上位 10 位以内に意図したページがヒットした場合には，ページを切り替える必要がなく，容易に意図したページを選択することができる．よって，意図したページが検索結果の 1 ページ中に含まれる，すなわち，上位 10 位以内に含まれる場合に検索正解とした．検索正解とならなかった場合には，正しく検索を行うために，現在の一般的な入力方式である文字循環指定方式により完全な検索クエリーを与え，再度検索を行うこととした．この際の打鍵数に関しても評価を行った．. 5.2. 5. 16,343 10,377 1.6 12.8[bit]. 実験結果および考察. Web 検索を行った 5 日ごとに評価の集計を行った．Web 検索精度の推移を図 3 に示す．また，最後の 5 日間における Web 検索精度，検索の際に生成されたクエリーの解釈数，および意図したページを得るために要した打鍵数を表 5 に示す．なお，40 日分の Web 検索を 5 −43−.

(6) 終え，正解ページ中のすべての単語を学習した結果，生成された単語辞書の情報を表 6 に示す．図 3 から分かるとおり，辞書が空の状態から徐々に使用者に合わせた単語を学習していくことにより，次第に検索精度が向上している．最終的に 43.5[%] までの上昇が確認された．検索誤りの大部分は，意図したキーワードが辞書に未登録であることに起因していた．よって，検索を繰り返し学習が進むにつれて，さらに精度を向上させることができるものと考えられる．また，表 5, 6 から分かるとおり，最後の 5 日間 23 件の検索における 1 クエリーあたりの平均解釈数は 10.3 であり，40 日間の学習後の辞書における 1 数字列あたりの平均単語重複度は 1.6 程度となっている．このように，入力された数字列は多くのあいまいさを含んでいるにも関わらず，Web 検索時にキーワード同士の共起情報を利用することにより，このあいまいさを解消し，正しく検索を行うことができている．結果として，最後の 5 日間において 23 件の検索を行うのに要した打鍵数は 617 であった．同様の検索を，現在の一般的な入力方式である文字循環指定方式により行った場合に必要となる打鍵数は 662 であった．よって，本手法により打鍵数を 9[%] 程度減少させることができ，本手法により Web 検索を高速に行うことが可能であることが確認された．. 6. おわりに. 本稿では，携帯電話等の小型端末上で高速な Web 検索を可能とする手法を提案した．文字列の情報を縮退することにより迅速な入力を可能とし，入力された数字列から直接 Web 検索を行うことにより，高速な Web 検索の実現を目指している．入力の際に発生するあいまいさは Web 検索時に解消することにより，使用者は意図したキーワードに対応した数字列を入力するだけで Web 検索を行うことが可能である．評価実験の結果，現在の一般的な手法である文字循環指定方式により入力を行い Web 検索を行う場合に比べて，同様の結果を得るた. めに要する打鍵数が少ないことが分かり，本手法の有効性が確認された．なお，今回の実験で使用したデータは 40 日分であり，これによる検索精度は 44[%] 程度であった．基本的には，学習データを増やせば単語辞書に登録される単語が増大するので，検索精度も向上するものと考えられる．しかしながら，単純に学習データを増やしていくと，数字列に対する変換候補が増大することになり，処理量の増加，検索精度の低下を招くものと考えられる．これを防ぐためには，使用者の検索履歴を考慮し，辞書に登録されている単語に重み付けを行うことなどが考えられるが，これは今後の課題とする．また，個人が普段使用する検索キーワードの調査や既存辞書の利用に関する検討なども，今後行う予定である．. 参考文献 [1] 佐藤亨, 東田正信, 林智定, 奥雅博, 村上仁一, “ＰＢ電話機を利用した日本語入力方式,” 1997 年電子情報通信学会総合大会,D-66, pp.102, March 1997. [2] Cliff Kushler, “AAC USING A REDUCED KEYBOARD,” Proceedings of CSUN98, Los Angeles, March 1998. [3] 松原雅文, 荒木健治, 桃内佳雄, 栃内香次, “文字情報縮退方式を用いた帰納的学習によるべた書き文の数字漢字変換手法の有効性について, ” 電子情報通信学会論文誌 D-II, J83D-II, No.2, pp. 690-702, February 2000. [4] 田中久美子, 犬塚祐介, 武市正人, “携帯電話の 10key を用いた日本語入力 –子音だけで日本語が入力できるか –, ” 情報処理学会論文誌, Vol.43, No. 10, pp.3087-3096, October 2002. [5] Toshiyuki Masui, “POBox: An Efficient Text Input Method for Handheld and Ubiquitous Computers, ” Proceedings of the International Symposium on Handheld and Ubiquitous Computing (HUC’99), pp. 289300, September 1999. [6] 市村由美，齋藤佳美，木村和広，平川秀樹, “入力予測機能を組み込んだ仮名漢字変換システム, ” 電子情報通信学会論文誌 D-II , Vol.J85-D-II , No.12 , pp.1853-1863, December 2002. [7] 松本裕治，北内啓，山下達雄，平野善隆，松田寛, 高岡一馬, 浅原正幸, “日本語形態素解析システム『茶筌』 version 2.3.3 使用説明書, ” 奈良先端科学技術大学院大学, August 2003.. 6 E −44−.

(7)