Embed Size (px)
Citation preview
検索エンジン 索引ファイル
・・・
・・・ ・・・
・・・
ウェブ検索には､マッチングとランキングの2段階がある｡第1(マッチング)段階終了後は、 マッチした数干～数百万ものページが残される｡第2(ランキング)段階では､これらが関連性 の高さ順にｿｰﾄされる。
検索要求発行
ロンドン バス 時刻表 マッチング ランキング
マッチしたページ ランク付け されたページ
マッチング→ランキング
1 2 3 the cat sat on the mat
the dog stood on the mat
the cat stood while a dog sat
1，2，3のWebページから成るWWW
a 3 cat 1 3 dog 2 3 mat 1 2 on 1 2 sat 1 3 stood 2 3 the 1 2 3 while 3
Webページ番号だけから成る索引（インデックス）ファイル
フレーズ検索“cat sat“を実現できるか？
2 3 the cat sat on the mat
the dog stood on the mat
the cat stood while a dog sat
a 3-5 （ページ番号３の5番目） cat 1-2 3-2 dog 2-2 3-6 mat 1-6 2-6 on 1-4 2-4 sat 1-3 3-7 stood 2-3 3-3 the 1-1 1-5 2-1 2-5 3-1 while 3-4
1 2 1 3 4
6 5
2 1 3
4 6 5
2 1 3
4 6 5 7
Webページ番号＋単語位置情報から成る 索引（インデックス）ファイル
（ページ番号－位置情報）
By far the most common cause of malaria is being bitten by an infected mosquito, but there are also other ways to contract the disease.
Our cause was not helped by the poor health of the troops, many of whom were suffering from malaria and other tropical diseases.
2 1
also 1-19 ・・・ cause 1-6 2-2 ・・・ malaria 1-8 2-19 ・・・ whom 2-15
マラリアを引き起こす原因について説明しているページはどっち？ →コンピュータに判断させる方法は？ →文章の意味を理解させる人工知能を作る →もっと簡単は方法は？ →索引ファイルだけを使う方法がある（精度は落ちるかもしれない）
マラリアに関連するWebページ
1 2 3
the cat sat on the mat
the dog stood on the mat
the cat stood while a dog sat
my cat my dog my pets
タイトルと本文を持つWebページ
2 3
<body> the cat sat on the mat </body>
<body> the dog stood on the mat </body>
the cat stood while a dog sat </body>
<title> my cat </title>
1 <title> my dog </title>
<title> my pets </title> <body>
ブラウザー表示
HTMLライクな表示：＜＞メタワード，タグ
a cat dog mat my on pets sat stood the while </body> <body> </title> <title>
3-10 1-3 1-7 3-7 2-3 2-7 3-11 1-11 2-11 1-2 2-2 3-2 1-9 2-9 3-3 1-8 3-12 2-8 3-8 1-6 1-10 2-6 2-10 3-6 3-9 1-12 2-12 3-13 1-5 2-5 3-5 1-4 2-4 3-4 1-1 2-1 3-1
dog: 2-3 2-7 3-11 <title>: 1-1 2-1 3-1 </title>: 1-4 2-4 3-4
<title End>
<title End>
<title End>
タグと文字を含んだインデックスファイル タイトルにdogを含むページを検索したい
Webページランキング （Googleの基本的アイデア）
アーニーのスクランブル エッグレシピ
ボウルで4個の卵と 塩胡椒少々を混ぜる・・・
バートのスクランブル エッグレシピ
まず大さじ1杯のバターを 溶かす・・・
アーニーのレシピ はよい
バートのレシピは とてもいい
私はバートのレシピが本当に気に入った
バートのレシピは すばらしい
パートのページを参照しているリンクが3つ アーニーのページを参照しているリンクが1つ →バートのページ評価＞アーニーのページ評価
ハイパーリンク トリック
アーニーのスクランブル エッグレシピ
ボウルで4個の卵と 塩胡椒少々を混ぜる・・・
バートのスクランブル エッグレシピ
まず大さじ1杯のバターを 溶かす・・・
ジョン・マコーミックの ホームページ
私は一度アーニーのレシピ を試してみたが、決して悪い ものではなかった。
アリス・ウォーターズの ホームページ
バートのレシピは、間違いなく 最良のレシピの１つだ。
ジョン・マコーミック：コンピュータ科学者 アリス・ウォーターズ：有名なシェフ →バートのページ評価＞アーニーのページ評価 でも，コンピュータはどちらが権威をもつページなのか分からない
オーソリティ トリック
アーニーのスクランブル エッグレシピ
ボウルで4個の卵と 塩胡椒少々を混ぜる・・・
バートのスクランブル エッグレシピ
まず大さじ1杯のバターを 溶かす・・・
ジョン・マコーミックの ホームページ
私は一度アーニーのレシピ を試してみたが、決して悪い ものではなかった。
アリス・ウォーターズの ホームページ
バートのレシピは、間違いなく 最良のレシピの１つだ。
2
2
100
100
1 1 1 1
1 1
1 1
1 1
・・・100pages・・・
オーソリティトリックの近似計算
A B
C D E
ハイパーリンクの循環参照の例．A､B､Ｅページは､Ａからスタートして､Ｂ､続いてＥに移動し， 最後に出発点であるＡに戻ってこれてしまうので循環参照を形成している。
A 2 2
B
1 C
1 D
2 E
A 4 4
B
1 C
1 D
4 E
循環参照によって起きる問題｡ Ａ､B､Ｅのスコアはいつも修正が必要になり､無限に大きくなっていってしまう。
循環参照問題
濃い色：サーファーが訪れたページ 破線の矢印：ランダムな再スタート サーファーは､Ａからスタートし､2回のランダムな再スタートをはさんで， ランダムにハイパーリンクを選択している。
B
A
C
D
ランダムサーファーモデル
A
B
C
D 118 126 144 101
109
55 55
74
32
58
16
46
15
21
17
13
A
B
C
D 13% 14% 10%
10%
4%
7% 5%
2%
4%
2%
4% 4%
2%
2%
2%
15%
1000回 （訪問回数）
100万回 （訪問割合）
ランダムサーファーモデルの シミュレーション
アーニーのスクランブル エッグレシピ
バートのスクランブル エッグレシピ
1%
ジョン・マコーミックの ホームページ
アリス・ウォーターズの ホームページ
0.4%
・・・100pages・・・
28%
1% 32%
0.4% 0.4% 0.4%
0.4% 0.4%
0.4% 0.4%
0.4% 0.4%
サーファーオーソリティ(1)
A 33% 31%
B
3% 30% 3%
C D E
サーファーオーソリティ(2)
