사용자 의도 발견 document_id A220517005099

본 발명은 일반적으로 객체의 컬렉션(collection of objects)을 검색하는 것에 관련된 것으로 더욱 구체적으로는, 사용자 질의의 반환 결과(return result)와 부분적으로 중첩하는 반환 결과에 대응하는 질의들을 사용자에게 제공함으로써, 사용자의 질의와 관련하여 사용자의 의도를 결정하는 것을 용이하게 하는 시스템 및 방법에 관련된 것이다. 고가의 저성능 데이터 프로세싱 시스템으로부터 저가이면서 고성능인 통신, 문제 해결 및 엔터테인먼트 시스템으로의 컴퓨터와 네트워크 기술의 진화는, 서신, 청구비 지급, 쇼핑, 예산 할당 및 정보 수집과 같은 일상사를 행하는 부담을 덜어주기 위해 비용면에서 효율적이고 시간을 절약해주는 방법을 제공하여 왔다. 예를 들어, 유선 또는 무선 기술을 사용한 인터넷 인터페이스 컴퓨팅 시스템에 의해, 사용자는 손가락만 움직여서도, 세계 어느 곳에 위치한 웹 사이트 및 서버의 저장소(repository)로부터의 풍부한 정보에 대해 거의 즉각적인 액세스 채널을 제공받을 수 있다. 일반적으로, 웹 사이트 및 서버를 통해 접근 가능한 정보는 웹 클라이언트 (예를 들어, 컴퓨터) 상에서 실행되는 웹 브라우저를 통해 액세스 된다. 예를 들어, 웹 사용자는 웹 브라우저를 사용하여 웹 사이트 URL(Uniform Resource Locator)(예를 들어, 웹 주소, 인터넷 주소, 인트라넷 주소 등)을 웹 브라우저의 주소창에 입력하고 키보드 상의 엔터키를 누르거나 마우스로 "go" 버튼을 클릭함으로써, 웹 사이트에 액세스할 수 있다. URL은 액세스를 용이하게 하는 네 부분으로 이루어진 정보를 일반적으로 포함하는데, 정보 교환을 위한 규칙과 표준의 집합을 나타내는 프로토콜(컴퓨터가 서로 통신하기 위한 컴퓨터 언어), 웹 사이트에 대한 위치(location), 웹 사이트를 유지하는 기관명 및 기관의 종류를 식별하는 서픽스(suffix)(예를 들어, com, org, net, gov 및 edu)가 그것이다. 몇몇 예에 있어서, 사용자는 사용자가 액세스하고자 하는 사이트 또는 서버에 대한 URL을 선험적으로(a priori) 안다. 그런 경우에 있어서, 사용자는 상술한 것과 같이 URL을 주소창에 입력하고 사이트에 접속하여 사이트에 액세스할 수 있다. 다른 경우는, 사용자는 액세스하고자 하는 특정 사이트를 알지만 그런 사이트에 대한 URL을 모를 수 있다. 사이트에 위치 지정하기(locate) 위해, 사용자는 그런 사이트를 검색하기 위해서 검색 엔진에 사이트 명을 단순히 입력할 수 있다. 그러나 대부분의 경우에 있어서, 사용자는 특정 주제에 관련된 정보를 단순히 검색할 뿐, 원하는 정보를 포함하는 사이트 명을 알지 못한다. 그러한 정보를 위치 지정하기 위해, 사용자는 사용자에 의해 제공된 질의들에 기초한 정보를 위치 지정하는 것을 용이하게 하기 위해서 검색 기능(예를 들어, 검색 엔진)을 사용한다. 그러나 원하는 정보를 위치 지정할 질의를 생성하는 것은 일반적인 검색을 하는 사용자에게는 어려울 수 있다. 더욱 구체적으로, 사용자의 의도(예를 들어, 사용자가 위치 지정하도록 의도한 정보)를 충분히 나타내는 질의를 제공하는 것은 대부분의 사용자에게 어려운 일이다. 예를 들어, 경험적인 데이터는 대부분의 검색 질의들은, 대략 길이 면에서 두 개의 단어로 되어 있다는 것을 보여주는데, 이는 질의에 기초한 특정 정보를 위치 지정하기에는 일반적으로 불충분하다(예를 들어, 질의들은 얻고자하는 정보와 관련하여 특정적이지 못함). 현재, 주어진 특정적이지 못한 질의(underspecified query)에 대하여, 검색을 좁혀 사용자를 보조하기 위해 검색 엔진에 의해 사용된 다수의 기술들이 존재한다. 첫 번째 접근 방식은 데이터베이스(예를 들어, 인터넷 상의 사이트들) 내의 객체들을 사람이 논리 계층 구조(hierarchical shell)로 분류하도록 한다. 그러한 시스템들은 효율적이면서도 매우 정확하게 검색될 수 있지만, 계층 구조로 각각의 객체를 정렬하기 위해서 필요한 사람의 노력의 측면에서 볼 때, 시스템의 구축은 비용이 많이 든다. 나아가 이런 기술은 객체들이 분류되지 않는 동안에는 검색할 수 없기 때문에 많은 사용자를 충분히 커버할 수 없다. 이와 별개의 접근 방식은 계층 구조로 객체들을 자동적으로 분류하기 위해 기계 학습 텍스트 분류(machine-learned text classification)를 이용할 것이다. 이 접근 방식은 커버할 수 있는 범위의 면에 있어서 유용하며, 이러한 접근을 사용하는 시스템은 비용이 적게 든다(예를 들어, 수많은 사람들이 지속적으로 계층 구조에 객체를 집어넣을 필요가 없음). 그러나 계층 구조가 만들어져야 하고 그러한 텍스트 분류 방식은 정적이며 다양한 사용자의 요구(needs)를 충족하기 위해 변경될 수 없다. 더욱이 이러한 기술을 이용하여 만들어진 시스템이 시간의 변화에 적응하기 위해서는 계층을 재정렬하는데 상당한 비용이 소요된다. 종래의 검색 엔진은 또한 상기한 결점들을 보완하기 위해서 클러스터링(clustring) 기술을 이용한다. 예를 들어, 검색 질의와 관련하여 더욱 관계가 있는 결과를 얻는 것을 용이하게 하도록 사이트들은 클러스터될 수 있다. "이것과 더욱 비슷한" 것으로 명명된 링크는 반환 결과(returned result)와 연관될 수 있고, 링크를 선택함으로써 "이것과 더욱 비슷한" 링크와 연관된 클러스터 내에서의 문서를 더욱 클러스트링 및/또는 디스플레이하는 것을 용이하도록 할 수 있다. 그러나 질의를 통해서 위치 지정된 관련 문서(및 그에 따른 관계가 있는 클러스터)는, 그 문서가 질의와 깊이 관련되지 않음 나타내는 위치로 사용자에게 반환될 수 있다. 따라서 사용자는 사용자가 찾고자 의도한 정보를 위치 지정하기 위해서 문서의 여러 페이지를 다 읽어야 할 수 있다. 더욱이 문서의 불변 클러스터링(constant clustering)은 계산적으로 비용이 많이 든다. 종래의 검색 엔진이 사용하는 다른 예시적 시스템은, 사용자가 입력한 질의가 어떠한 문서도 반환하지 않을 경우에 질의를 제공하는 것이다. 예를 들어, 사용자는 모차르트의 초기 작품과 관계된 정보를 찾고자 할 수 있다. 사용자는 일반적으로 "classical music"의 특정적이지 못한 질의를 입력하려고 할 수 있다. 그러나 만약 질의 "clsscal music"을 실수로 입력하면, 검색 엔진은 질의를 이용하여 어떤 문서도 반환할 수 없다고 판단할 수 있다(질의의 오타 때문). 그 후 검색 엔진은 검색 엔진이 찾은 것이 입력된 질의와 실질적으로 유사하다는 질의를 사용자에게 물을 수 있다. 예를 들어, 검색 엔진은 사용자에게 "''classical music''을 의미한 것입니까?"라고 물을 수 있다. 만약 사용자가 긍정적으로 대답하면, 수정된 질의가 실행되고 결과들을 얻을 수 있다. 이러한 시스템들은 오타 및 잘못된 철자를 수정하는 것과 관련하여 유용하지만, 모차르트의 초기 작품(사용자의 실제 의도)과 밀접한 관계가 있는 결과를 제공하지는 않는다. 오히려 사용자에게는 모차르트의 초기 작품인 아닌 클래식 음악과 관련된 수많은 양의 정보로 넘쳐나게 될 것이다. 예를 들어, 사용자는 원하는 정보를 포함하는 문서에 위치 지정하기 전에 수백 가지의 리스트들을 살펴보아야 할 것이다. 따라서 사용자가 사용자의 의도에 따른 결과를 얻을 수 있는 질의를 이용하도록 보조하는 검색 시스템 및/또는 방법에 대한 필요성이 당해 기술 분야에서 대두된다.