インターネットサイト情報分析方法と装置
【課題】インターネット上に公開された多くのサイト情報を基に、それらの情報が持つ意味や背景、傾向を効果的に正確に知ることができる分析装置及び分析方法を提供する。
【解決手段】Ｗｅｂサイト１２の文章情報の収集を行う情報収集手段であるクローラ１４と、文章情報を単語に分割するアナライザ１８による単語分割手段と、その単語を含む文章情報の数を算出する関連情報投稿数計算手段と、各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算手段と、各Ｗｅｂサイトの更新日付を収集する更新日情報収集手段とを備える。分析を行う基準日と更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算手段を備える。各Ｗｅｂサイト毎の関連情報投稿率と更新頻度とを相対比較して出力するポータルサーバ２４から成るサイト活性度分析出力手段２４ｂを備える。
【解決手段】Ｗｅｂサイト１２の文章情報の収集を行う情報収集手段であるクローラ１４と、文章情報を単語に分割するアナライザ１８による単語分割手段と、その単語を含む文章情報の数を算出する関連情報投稿数計算手段と、各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算手段と、各Ｗｅｂサイトの更新日付を収集する更新日情報収集手段とを備える。分析を行う基準日と更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算手段を備える。各Ｗｅｂサイト毎の関連情報投稿率と更新頻度とを相対比較して出力するポータルサーバ２４から成るサイト活性度分析出力手段２４ｂを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、インターネットのＷｅｂサイト上で公開されている情報を分析し、トレンド情報等を取得・提供するインターネットサイト情報分析方法と装置に関する。
【背景技術】
【０００２】
インターネット上では、様々な人々が公開した膨大な量の情報がＷｅｂサイトに記憶され、現在もなお増え続けている。ここで、Ｗｅｂサイトとは、掲示板（BBS：Bulletin Board System）やホームページ、ブログと称されるウェブログ（Web Log）などの情報源を意味する。
【０００３】
近年、Ｗｅｂサイトに蓄積された記事を分析して新しいトレンド情報を得ようとする取り組みが盛んに行われている。例えば、意見の内容がどの程度肯定的なのか或いは否定的なのかを分析する評判分析の技術や、所定のキーワードの出現頻度や注目度（Ｂｕｒｓｔ度）のトレンドを時系列に評価する技術や、検索エンジンを使用したとき検索結果内で特定のＷｅｂサイトが上位に表示されるようにする検索エンジン最適化の技術等、様々な技術を用いたサービスが実際に提供されている。
【０００４】
例えば、特許文献１に開示されているように、Ｗｅｂサイトにアクセスして文章情報（風評情報）を所定の期間ごとに収集し、収集したキーワードの使用状況を定量化して、定量化したキーワードの使用状況を監視することにより、抽出したキーワードの中からトレンドキーワードとなるキーワードを選定して、近未来に検索エンジンで使用される可能性の高いトレンドキーワードをリアルタイムで予測し、そのトレンドキーワードに関連する情報を提供するトレンド予測装置がある。これは、実際に検索エンジンに入力された検索キーワードの使用実績を分析してトレンドキーワードを得るよりも、リアルタイム性に優れているという特徴がある。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−２２７９６５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、特許文献１のトレンド予測装置は、分析の対象としたキーワードについて、そのキーワードを含む文章情報の肯定性／否定性やキーワードの発生頻度などを分析して、そのキーワード自体をトレンドキーワードに選定するか否かを判断するものであって、そのキーワードの周囲に広がっていく投稿者の興味の変化を実体的に把捉し得るものではなかった。
【０００７】
また、特定のキーワードの周辺情報を収集する方法として相関分析手法が提案されており、そのキーワードから連想される別のキーワードを取得する連想検索等のサービスも行われているが、特許文献１と同様に、そのキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉し得るものではなかった。
【０００８】
また、有益な情報が得られる活発なＷｅｂサイトをリアルタイムに知りたいという要望があるが、そのような要望に応え得る方法やサービスは提案されておらず、未だ実用化されていないものであった。
【０００９】
本発明は上記背景技術に鑑みて成されたもので、インターネット上に公開された多くのサイト情報を基に、それらの情報が持つ意味や背景、傾向を効果的に正確に知ることができる分析装置及び分析方法を提供するもので、特に、有益な情報が得られる活発なＷｅｂサイトをリアルタイムに抽出するＷｅｂサイト活性度分析、およびあるキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉する共起情報分析を行い、Ｗｅｂサイトに蓄積された記事から新しいトレンドを正確に知ることができるインターネットサイト情報分析方法と装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
この発明は、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、前記文章情報と各Ｗｅｂサイトの更新日情報を収集する情報収集ステップと、前記文章情報を単語に分割する単語分割ステップと、前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算ステップと、各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算ステップと、分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算ステップと、各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力ステップとを備えるインターネットサイト情報分析方法である。
【００１１】
またこの発明は、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集ステップと、前記文章情報を単語に分割する単語分割ステップと、前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出ステップと、前記調査対象情報を構成する単語に含まれ、前記キーワードと別のキーワードである共起キーワードを抽出する共起キーワード抽出ステップと、調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算ステップと、前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソートステップと、所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力ステップとを備えるインターネットサイト情報分析方法である。
【００１２】
またこの発明は、コンピュータシステムにより構成され、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、前記Ｗｅｂサイトの文章情報の収集を行う情報収集手段と、前記文章情報を単語に分割する単語分割手段と、前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算手段と、各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算手段と、各Ｗｅｂサイトの更新日付を収集する更新日情報収集手段と、分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算手段と、各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力手段とを備えるインターネットサイト情報分析装置である。
【００１３】
前記活性度分析出力手段は、前記関連情報投稿率と前記更新頻度とを２次元グラフに表して出力するものである。
【００１４】
またこの発明は、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集手段と、前記文章情報を単語に分割する単語分割手段と、前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出手段と、前記調査対象情報を構成する単語に含まれ、前記調査対象のキーワードと同一または類似の単語を除く他の単語である共起キーワードを抽出する共起キーワード抽出手段と、調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算手段と、前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソート手段と、所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力手段とを備えるインターネットサイト情報分析装置である。
【発明の効果】
【００１５】
この発明によれば、Ｗｅｂサイトに公開され蓄積された膨大な量の情報を分析し、的確なトレンド情報を容易に得ることが可能になる。
【００１６】
特に、請求項１，３及び４記載の発明によれば、各Ｗｅｂサイトについて所定キーワードに関連した情報の投稿率と更新頻度を計算するサイト活性度分析によって、活発に情報発信しているＷｅｂサイトを容易に知ることができ、それら情報発信源として注目すべきＷｅｂサイトに絞って情報収集を行えば、有益なトレンド情報を効率よく得ることができる。
【００１７】
さらに、請求項２，５記載の発明によれば、所定のキーワードに共起する別のキーワードの変化を時系列で分析する共起情報分析によって、所定のキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉することができる。
【図面の簡単な説明】
【００１８】
【図１】この発明のインターネットサイト情報分析装置の一実施形態を配置したネットワークシステム全体の構成を示す図である。
【図２】この発明のインターネットサイト情報分析方法の第一の実施形態であるサイト活性度分析に係るフローチャートである。
【図３】本実施形態において文章情報と更新頻度計算の例を示す図である。
【図４】本実施形態において関連記事投稿数計算を行うステップに係るフローチャートである。
【図５】本実施形態において関連記事投稿率の計算結果リストの例を示す図である。
【図６】本実施形態においてサイト活性度分析結果の出力形式の例を示すグラフである。
【図７】この発明のインターネットサイト情報分析方法の第二の実施形態である共起情報分析に係るフローチャートである。
【図８】本実施形態において文章情報から調査対象情報を抽出する例を示す図である。
【図９】本実施形態において各共起キーワードの評点計算を行うステップに係るフローチャートである。
【図１０】本実施形態において共起情報分析結果の出力形式の例を示す図である。
【発明を実施するための形態】
【００１９】
以下、本発明のインターネットサイト情報分析装置１０を配置したネットワークシステムの実施形態を図１に基づいて説明する。このネットワークシステムにおいては、多くの人が感想や意見などの情報を公開しているＷｅｂサイト１２と、指定されたＷｅｂサイトから定期的にＲＳＳ（Rich Site Summary）フォーマットの文章情報を収集するクローラ１４と、クローラ１４が収集した情報がデータベース化して記憶している記事データベース１６と、後述する分析を行うプログラムを備えたアナライザ１８と、分析する評価軸に対応に対応する評価表現とその評価スコアが設定されている評価表現辞書群データベース２０と、分析の結果を格納する分析結果データベース２２と、利用者２６が所持するパソコンが接続され、所望の分析結果を分析結果データベース２２から抽出して利用者２６に配信するポータルサーバ２４とが、インターネット上にそれぞれ配置されている。
【００２０】
以下、本発明の第一の実施形態に係るサイト活性度分析を行うインターネットサイト情報分析方法を、図２から図６に基づいて説明する。まず、図２に示すフローを用いて概要を説明する。ステップＳ２１０では、各Ｗｅｂサイトから文章情報と更新日情報を収集する。この時、インターネットサイト情報分析装置１０では、クローラ１４と、記事データベース１６と、サイト活性度分析アナライザ１８ｂとがこの情報収集手段および更新日情報取得手段としての働きを行う。次に、ステップＳ２２０で、収集した文章情報を単語（品詞）に分解する。インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂがこの単語分割手段としての働きを行う。そして、ステップＳ２３０で、分割された単語群の中に所定のキーワードと同一又は類似するものを含む文章情報、すなわち関連情報の投稿数を算出する。インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂがこの関連情報投稿数計算手段としての働きを行う。さらに、ステップＳ２４０で、そのＷｅｂサイトから収集した文章情報数に占める関連情報投稿数の割合である関連情報投稿率を計算し、計算結果を格納する。インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂと、サイト活性度分析結果データベース２２ｂがこの関連情報投稿率計算手段としての働きを行う。
【００２１】
ステップＳ２５０は、分析を行う基準日と更新日情報をもとに、各Ｗｅｂサイトの更新頻度を計算し、計算結果を格納するもので、インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂと、サイト活性度分析結果データベース２２ｂとがこの更新頻度計算手段としての働きを行う。
【００２２】
ステップＳ２６０は、利用者２６の要求に応じ、関連情報投稿率と更新頻度という２つの計算値が割り付けられた各Ｗｅｂサイトをグラフに表示して出力する。インターネットサイト情報分析装置１０では、サイト活性度分析結果データベース２２ｂと、ポータルサーバ２４が備えるサイト活性度分析表示フレームワーク２４ｂとがこのサイト分析出力手段としての働きを行う。
【００２３】
次に、上記サイト活性度分析の各ステップについて、詳細に説明する。図３に示すように各Ｗｅｂサイトには、複数の文章情報と各Ｗｅｂサイトの最終更新日の情報が存在する。ステップＳ２１０では、例えばＷｅｂサイト１であれば、文章情報ａ１，ａ２、および「最終更新日：９月１１日」という更新日情報を収集する。さらにこれらの文章情報はステップＳ２２０において、名詞、形容詞、動詞等の単語（品詞）に分解される。
【００２４】
ステップＳ２３０について、さらに詳細な処理について図４に基づいて説明する。ステップＳ２３０は、ステップＳ２３１で、調査対象となる所定のキーワードが与えられると、そのキーワードと類似の単語群を、類語辞典の一種であるシソーラスなどを用いて抽出する。そしてステップＳ２３２で、各Ｗｅｂサイト毎に、キーワードと同一または類似の単語群のいずれかを含む文章情報、すなわち関連情報を抽出する。さらにステップＳ２３３で、抽出された関連文章情報をカウントし、その数を累積計算する。そして判断ステップであるステップＳ２３４において、すべてのＷｅｂサイトについての計算がされたか否かを判断し、ＮＯであれば次のＷｅｂサイトについてステップＳ２３２からＳ２３３を繰り返し、ＹＥＳになった時点でステップＳ２３０が終了して次のステップ２４０へ移行する。
【００２５】
このようにステップＳ２３０では、例えば、「車」というキーワードが与えられると、ステップＳ２３１によって「軽四」「ハイブリッドカー」「自動車」といった俗称、略称あるいは正式名称その他の単語を類似語として抽出する。従って、関連情報の内容の分析およびその投稿数の算出を漏れなく行うことができる。
【００２６】
ステップＳ２４０では、Ｗｅｂサイトごとに関連情報の投稿率を計算し、その計算結果をサイト活性度分析結果データベース２２ｂに格納する。関連情報投稿率は、各Ｗｅｂサイトから収集した文章情報の総数を分母に、その中の所定のキーワードについての関連情報の数を分子に配して除算計算を行っている。例えば、図３に示すＷｅｂサイト１には、文章情報ａ１，ａ２の２件あり、そのうち、キーワード「車」の関連情報は「ハイブリッドカー」という単語を含む文章情報ａ１の１件である。従って、Ｗｅｂサイト１におけるキーワード「車」についての関連情報投稿率は０．５と計算される。このようにしてキーワードごと、かつＷｅｂサイトごとに関連情報投稿率が計算され、その計算結果は図５のリストのように系統立ててサイト活性度分析結果データベース２２ｂに格納される。
【００２７】
ステップＳ２５０では、各Ｗｅｂサイトの更新頻度を計算し、その計算結果をサイト活性度分析結果データベース２２ｂに格納する。図３の計算例では、分析を行う基準日とそのＷｅｂサイトの最終更新日との差に１を加算し、その逆数を更新頻度と定義している。この定義によれば、Ｗｅｂサイト１の場合は、分析を行う基準日と最終更新日がともに９月１１日（同日）のため更新頻度は１．０となる。また、Ｗｅｂサイト２の場合は、同様の計算を行うと更新頻度は０．０１１となる。つまり、頻繁に更新されているＷｅｂサイト１は更新頻度が高い値となり、更新されずに放置されている期間が長いＷｅｂサイト２は更新頻度が低い値を示すことになる。
【００２８】
ステップＳ２６０では、ステップＳ２４０で所定のキーワードについて割り付けられた関連情報投稿率を横軸に、ステップ２５０で割り付けられた更新頻度を縦軸にして、各Ｗｅｂサイトの相対的な位置づけをグラフに表し、サイト活性度分析情報としてＰＵＬＬ型（利用者２６が必要に応じて情報を取り出す）で提供する。例えば図６に示すように、グラフの右上に位置するＷｅｂサイトは、「車」に関する情報が多く、かつ、頻繁に更新されているＷｅｂサイト群であるので、Ｗｅｂサイト１，２，５のように活発に情報発信しているＷｅｂサイトにアクセスすれば、「車」に関する有益な情報が得られそうだということが分かる。逆に、グラフの左下に位置するＷｅｂサイトは、「車」に関する情報が少なく、かつ、更新頻度も低いＷｅｂサイト群であるので、Ｗｅｂサイト８のように活動が低調なＷｅｂサイトにアクセスしても、「車」に関する有益な情報が得られそうにないということが分かる。
【００２９】
以上説明した本発明の第一の実施形態に係るサイト活性度分析（ステップＳ２１０からステップＳ２６０）のインターネットサイト情報分析方法によれば、活発に情報発信しているＷｅｂサイトを容易に知ることができ、情報発信源として注目すべきそれらのＷｅｂサイトに絞って情報収集を行えば、有益なトレンド情報を効率よく得ることができる。
【００３０】
次に、本発明の第二の実施形態に係る共起情報分析を行うインターネットサイト情報分析方法を、図７〜図１０に基づいて説明する。まず、図７に示すフローにを用いて概要を説明する。ステップＳ３１０では、各Ｗｅｂサイトから所定の期間が経過するごとに文章情報を収集する。インターネットサイト情報分析装置１０では、クローラ１４と、記事データベース１６と、共起情報分析アナライザ１８ｃとがこの情報収集手段としての働きを行う。次に、ステップＳ３２０で、収集した文章情報を単語（品詞）に分解する。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの単語分割手段としての働きを行う。ステップＳ３３０では、分割された単語群の中に所定のキーワードと同一又は類似するものを含む文章情報、すなわち調査対象情報を抽出する。この時、インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの調査対象情報抽出手段としての働きを行う。そして、ステップＳ３４０で、抽出された調査対象情報を構成する単語の中から、上記所定のキーワードと同一又は類似の単語を除く他の単語、すなわち共起キーワードを抽出する。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの共起キーワード抽出手段としての働きを行う。
【００３１】
ステップＳ３５０では、抽出された共起キーワードが調査対象情報に出現する頻度を基に、共起キーワードごとの評点計算を行う。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの共起キーワード評点計算手段としての働きを行う。次に、ステップＳ３６０で、共起キーワード群を共起キーワード評点の順に並び替えた共起情報リストを作成し、それを格納する。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃと、共起情報分析結果データベース２２ｃとがこのソート手段としての働きを行う。そして、ステップＳ３７０は、利用者２６の要求に応じ、所定の期間が経過するごとに作成した共起情報リストを時系列に表して出力する。インターネットサイト情報分析装置１０では、共起情報分析結果データベース２２ｃと、ポータルサーバ２４が備える共起情報分析表示フレームワーク２４ｃとがこの共起情報分析出力手段としての働きを行う。
【００３２】
次に、上記共起情報分析の各ステップについて、詳細に説明する。図８に示すように各Ｗｅｂサイトには、複数の文章情報が存在する。ステップＳ３１０では、例えばＷｅｂサイト１であれば、文章情報ａ１，ａ２を収集する。さらにこれらの文章情報はステップＳ３２０において、名詞、形容詞、動詞等の単語（品詞）に分解される。
【００３３】
ステップＳ３３０では、調査対象となる所定のキーワードが与えられると、そのキーワードと類似の単語群を類語辞典の一種であるシソーラスなどを用いて抽出し、そのキーワードと同一または類似の単語群のいずれかを含む文章情報、すなわち調査対象情報を抽出する。例えば図８の例によれば、「デジタルカメラ」というキーワードが与えられると、「デジカメ」「デジタルスチルカメラ」「デジタルビデオカメラ」といった俗称、略称あるいは正式名称その他の単語を類似語として抽出する。そして、「デジタルカメラ」およびその類似語を含む文章情報ａ１，ａ２，ｂ２を調査対象情報として抽出する。このように、本来的に調査すべき調査対象情報を漏れなく抽出することを可能にしている。
【００３４】
ステップＳ３４０では、抽出された調査対象情報を構成する単語の中から、上記所定のキーワードと同一又は類似の単語を除く他の単語、すなわち共起キーワードを抽出する。例えば、文章情報ａ１であれば「Ａ社」「Ｂ社」「性能」が共起キーワードに該当する。ここで、「（株）Ａ」「株式会社Ａ」「Ａ」「Ａ社」といった共起キーワードが別個に抽出された場合、すべて「Ａ社」と同義語であるとして問題なければ、一つの共起キーワードとして取りまとめて、次のステップに進めばよい。
【００３５】
ステップＳ３５０について、さらに詳細な処理について図９のフローに基づいて説明する。ステップＳ３５１では、情報収集したすべての文章情報の数をカウントする。例えば、図８の例において、情報収集をＷｅｂサイト１，２のみを対象に行ったとすれば、文章情報の総数は５とカウントされる。ステップＳ３５２では、調査対象情報に該当する文章情報の数をカウントする。例えば図８の例では、文章情報の総数５のうち、キーワード「デジタルカメラ」に対する調査対象情報の数は３とカウントされる。ステップＳ３５３では、ステップ３４０で抽出した共起キーワードと同一の単語が含まれる文章情報の数を、共起キーワードごとにカウントする。例えば図８の例では、文章情報の数５のうち、共起キーワード「Ａ社」が含まれる文章情報の数は３とカウントされる。ステップＳ３５４では、ステップＳ３４０で抽出した共起キーワードと同一の単語が含まれる調査対象情報の数を、各共起キーワードごとにカウントする。例えば図８の例では、「デジタルカメラ」に対する調査対象情報の数３のうち、共起キーワード「Ａ社」が含まれる調査対象情報の数は２とカウントされる。
【００３６】
ステップＳ３５５では、各共起キーワードごとにその共起キーワードの評点を計算する。ここで、共起キーワードの評点は、ステップＳ３５４のカウント数にＳ３５１のカウント数を積算したものを、Ｓ３５２のカウント数にＳ３５３のカウント数を積算したもので除算し、さらにそれを、２を底とする対数に換算したもの、と定義するのが好ましい。例えば図８の例では、共起キーワード「Ａ社」の評点は、ステップＳ３５１のカウント数である５、ステップＳ３５２のカウント数である３、ステップ３５３のカウント数である３、ステップＳ３５４のカウント数である２を用いて計算され、評点０．１５２が得られる。そして判断ステップであるステップＳ３５６において、すべての共起キーワードについての計算がされたか否かを判断し、ＮＯであれば次の共起キーワードについてステップＳ３５３からＳ３５５を繰り返し、ＹＥＳになった時点でステップＳ３５０が終了する。
【００３７】
なお、本実施形態のステップＳ３５０では、その相関関係の連鎖の要素をも評点計算に組み入れているという特徴を有している。本来、キーワード「デジタルカメラ」と共起キーワード「Ａ社」との間に相関関係がある場合には、共起キーワード「Ａ社」に対応して共起する「デジタルカメラ」以外のキーワード群との間にも相関関係が存在するものと考えるべきである。しかしながら、相関関係の連鎖にまで着目すると計算量が膨大になる問題もあり、一般的にはそこまでの処理は行われていなかった。本実施形態では、ステップＳ３５１のカウント数とステップＳ３５３のカウント数を計算式に盛り込むことによって、「デジタルカメラ」と「Ａ社」の相関関係の強さだけでなく、例えば「液晶テレビ」と「Ａ社」の相関関係の強さについても、その違いが相対的に各評点に反映させることができる。
【００３８】
ステップＳ３６０では、共起キーワード群を共起キーワード評点の順に並び替えた共起情報リストを作成し、それを共起情報分析結果情報データベース２２ｃに格納する。さらにステップＳ３７０では、利用者２６の要求に応じ、所定の期間が経過するごとに作成した共起情報リストを時系列に表し、共起情報分析出力としてＰＵＬＬ型（利用者２６が必要に応じて情報を取り出す）で提供する。図１０は、Ｗｅｂサイト１，２を含むすべてのＷｅｂサイトについて評点計算を行った例である。例えばキーワード「デジタルカメラ」についてみると、共起キーワード「製品Ｗ」は２００７年７月の時点では評点が低くランク外であったが、２００７年８月には２位までランクアップしている。従って、「デジタルカメラ」の分野では、「製品Ｗ」が投稿者の話題の中心になってきていることが分かる。また、共起キーワード「Ｂ社」は２００７年７月の時点では２位にランクされていたが、２００７年８月には５位までランクダウンしている。従って、投稿者は「Ｂ社」に注目しなくなってきていることが分かる。
【００３９】
以上説明した本発明の第二の実施形態に係る共起情報分析（ステップＳ３１０からステップＳ３７０）のインターネットサイト情報分析方法によれば、所定のキーワードに共起する別のキーワードの変化を時系列で分析することによって、所定のキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉することができる。
【００４０】
なお、本発明は上記実施形態に限定するものではなく、インターネットサイト情報分析装置１０は、サイト活性度分析、共起情報分析のうちのいずれか一以上の分析に係る作業手段またはステップを有する分析装置または分析方法であればよい。
【００４１】
また、ステップＳ２６０が出力する分析結果の表示フレームは、各データが有する複数の特性値の相対的な関係が視覚的に認識可能なものであればよく、本実施形態に例示したグラフ化イメージに限定するものではない。グラフの目盛を対数表示にしたり、凡例を付して複数の分析結果を重ねて表するなどして、より視覚に訴えるための工夫がなされるべきものである。
【００４２】
また、ステップＳ２４０に定義する関連投稿率の計算式、ステップＳ２５０に定義する更新頻度の計算式、ステップＳ３５０に定義する共起キーワード評点の計算式は、調査分析の対象とする事物やその分野ごとの個別の事情など鑑みて定義したものであれば、上記実施形態の計算式に限定するものではない。例えば、ステップＳ３５０に定義した共起キーワード評点の計算式であれば、対数の底の値を変更したり、特定の情報の数について２乗した数値を代入するなど、細かく解析したい内容が特性値として顕著に表れるように別の計算式を定義してもよい。
【００４３】
なお、上記第一又は第二の実施形態のような一連の処理動作をプログラムとして構築し、インターネットサイト情報分析装置１０として利用されるサーバーコンピュータにインストールし、ＣＰＵなどの制御手段によって実行させる他、そのプログラムをネットワークを介して流通させるようにしてもよい。また、構築されたプログラムをインターネットサイト情報分析装置１０として利用される各種のコンピュータに接続されるハードディスク装置、フレキシブルディスク、ＣＤ−ＲＯＭなどの可搬記憶媒体に格納し、コンピュータにインストールして実行させるようにしてもよい。
【符号の説明】
【００４４】
１０ インターネットサイト情報分析装置
１２ Ｗｅｂサイト
１４ クローラ
１６ 記事データベース
１８ アナライザ
２０ 評価表現辞書群データベース
２２ 分析結果データベース
２４ ポータルサーバ
２６ 利用者
【技術分野】
【０００１】
本発明は、インターネットのＷｅｂサイト上で公開されている情報を分析し、トレンド情報等を取得・提供するインターネットサイト情報分析方法と装置に関する。
【背景技術】
【０００２】
インターネット上では、様々な人々が公開した膨大な量の情報がＷｅｂサイトに記憶され、現在もなお増え続けている。ここで、Ｗｅｂサイトとは、掲示板（BBS：Bulletin Board System）やホームページ、ブログと称されるウェブログ（Web Log）などの情報源を意味する。
【０００３】
近年、Ｗｅｂサイトに蓄積された記事を分析して新しいトレンド情報を得ようとする取り組みが盛んに行われている。例えば、意見の内容がどの程度肯定的なのか或いは否定的なのかを分析する評判分析の技術や、所定のキーワードの出現頻度や注目度（Ｂｕｒｓｔ度）のトレンドを時系列に評価する技術や、検索エンジンを使用したとき検索結果内で特定のＷｅｂサイトが上位に表示されるようにする検索エンジン最適化の技術等、様々な技術を用いたサービスが実際に提供されている。
【０００４】
例えば、特許文献１に開示されているように、Ｗｅｂサイトにアクセスして文章情報（風評情報）を所定の期間ごとに収集し、収集したキーワードの使用状況を定量化して、定量化したキーワードの使用状況を監視することにより、抽出したキーワードの中からトレンドキーワードとなるキーワードを選定して、近未来に検索エンジンで使用される可能性の高いトレンドキーワードをリアルタイムで予測し、そのトレンドキーワードに関連する情報を提供するトレンド予測装置がある。これは、実際に検索エンジンに入力された検索キーワードの使用実績を分析してトレンドキーワードを得るよりも、リアルタイム性に優れているという特徴がある。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−２２７９６５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、特許文献１のトレンド予測装置は、分析の対象としたキーワードについて、そのキーワードを含む文章情報の肯定性／否定性やキーワードの発生頻度などを分析して、そのキーワード自体をトレンドキーワードに選定するか否かを判断するものであって、そのキーワードの周囲に広がっていく投稿者の興味の変化を実体的に把捉し得るものではなかった。
【０００７】
また、特定のキーワードの周辺情報を収集する方法として相関分析手法が提案されており、そのキーワードから連想される別のキーワードを取得する連想検索等のサービスも行われているが、特許文献１と同様に、そのキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉し得るものではなかった。
【０００８】
また、有益な情報が得られる活発なＷｅｂサイトをリアルタイムに知りたいという要望があるが、そのような要望に応え得る方法やサービスは提案されておらず、未だ実用化されていないものであった。
【０００９】
本発明は上記背景技術に鑑みて成されたもので、インターネット上に公開された多くのサイト情報を基に、それらの情報が持つ意味や背景、傾向を効果的に正確に知ることができる分析装置及び分析方法を提供するもので、特に、有益な情報が得られる活発なＷｅｂサイトをリアルタイムに抽出するＷｅｂサイト活性度分析、およびあるキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉する共起情報分析を行い、Ｗｅｂサイトに蓄積された記事から新しいトレンドを正確に知ることができるインターネットサイト情報分析方法と装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
この発明は、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、前記文章情報と各Ｗｅｂサイトの更新日情報を収集する情報収集ステップと、前記文章情報を単語に分割する単語分割ステップと、前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算ステップと、各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算ステップと、分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算ステップと、各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力ステップとを備えるインターネットサイト情報分析方法である。
【００１１】
またこの発明は、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集ステップと、前記文章情報を単語に分割する単語分割ステップと、前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出ステップと、前記調査対象情報を構成する単語に含まれ、前記キーワードと別のキーワードである共起キーワードを抽出する共起キーワード抽出ステップと、調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算ステップと、前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソートステップと、所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力ステップとを備えるインターネットサイト情報分析方法である。
【００１２】
またこの発明は、コンピュータシステムにより構成され、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、前記Ｗｅｂサイトの文章情報の収集を行う情報収集手段と、前記文章情報を単語に分割する単語分割手段と、前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算手段と、各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算手段と、各Ｗｅｂサイトの更新日付を収集する更新日情報収集手段と、分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算手段と、各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力手段とを備えるインターネットサイト情報分析装置である。
【００１３】
前記活性度分析出力手段は、前記関連情報投稿率と前記更新頻度とを２次元グラフに表して出力するものである。
【００１４】
またこの発明は、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集手段と、前記文章情報を単語に分割する単語分割手段と、前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出手段と、前記調査対象情報を構成する単語に含まれ、前記調査対象のキーワードと同一または類似の単語を除く他の単語である共起キーワードを抽出する共起キーワード抽出手段と、調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算手段と、前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソート手段と、所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力手段とを備えるインターネットサイト情報分析装置である。
【発明の効果】
【００１５】
この発明によれば、Ｗｅｂサイトに公開され蓄積された膨大な量の情報を分析し、的確なトレンド情報を容易に得ることが可能になる。
【００１６】
特に、請求項１，３及び４記載の発明によれば、各Ｗｅｂサイトについて所定キーワードに関連した情報の投稿率と更新頻度を計算するサイト活性度分析によって、活発に情報発信しているＷｅｂサイトを容易に知ることができ、それら情報発信源として注目すべきＷｅｂサイトに絞って情報収集を行えば、有益なトレンド情報を効率よく得ることができる。
【００１７】
さらに、請求項２，５記載の発明によれば、所定のキーワードに共起する別のキーワードの変化を時系列で分析する共起情報分析によって、所定のキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉することができる。
【図面の簡単な説明】
【００１８】
【図１】この発明のインターネットサイト情報分析装置の一実施形態を配置したネットワークシステム全体の構成を示す図である。
【図２】この発明のインターネットサイト情報分析方法の第一の実施形態であるサイト活性度分析に係るフローチャートである。
【図３】本実施形態において文章情報と更新頻度計算の例を示す図である。
【図４】本実施形態において関連記事投稿数計算を行うステップに係るフローチャートである。
【図５】本実施形態において関連記事投稿率の計算結果リストの例を示す図である。
【図６】本実施形態においてサイト活性度分析結果の出力形式の例を示すグラフである。
【図７】この発明のインターネットサイト情報分析方法の第二の実施形態である共起情報分析に係るフローチャートである。
【図８】本実施形態において文章情報から調査対象情報を抽出する例を示す図である。
【図９】本実施形態において各共起キーワードの評点計算を行うステップに係るフローチャートである。
【図１０】本実施形態において共起情報分析結果の出力形式の例を示す図である。
【発明を実施するための形態】
【００１９】
以下、本発明のインターネットサイト情報分析装置１０を配置したネットワークシステムの実施形態を図１に基づいて説明する。このネットワークシステムにおいては、多くの人が感想や意見などの情報を公開しているＷｅｂサイト１２と、指定されたＷｅｂサイトから定期的にＲＳＳ（Rich Site Summary）フォーマットの文章情報を収集するクローラ１４と、クローラ１４が収集した情報がデータベース化して記憶している記事データベース１６と、後述する分析を行うプログラムを備えたアナライザ１８と、分析する評価軸に対応に対応する評価表現とその評価スコアが設定されている評価表現辞書群データベース２０と、分析の結果を格納する分析結果データベース２２と、利用者２６が所持するパソコンが接続され、所望の分析結果を分析結果データベース２２から抽出して利用者２６に配信するポータルサーバ２４とが、インターネット上にそれぞれ配置されている。
【００２０】
以下、本発明の第一の実施形態に係るサイト活性度分析を行うインターネットサイト情報分析方法を、図２から図６に基づいて説明する。まず、図２に示すフローを用いて概要を説明する。ステップＳ２１０では、各Ｗｅｂサイトから文章情報と更新日情報を収集する。この時、インターネットサイト情報分析装置１０では、クローラ１４と、記事データベース１６と、サイト活性度分析アナライザ１８ｂとがこの情報収集手段および更新日情報取得手段としての働きを行う。次に、ステップＳ２２０で、収集した文章情報を単語（品詞）に分解する。インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂがこの単語分割手段としての働きを行う。そして、ステップＳ２３０で、分割された単語群の中に所定のキーワードと同一又は類似するものを含む文章情報、すなわち関連情報の投稿数を算出する。インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂがこの関連情報投稿数計算手段としての働きを行う。さらに、ステップＳ２４０で、そのＷｅｂサイトから収集した文章情報数に占める関連情報投稿数の割合である関連情報投稿率を計算し、計算結果を格納する。インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂと、サイト活性度分析結果データベース２２ｂがこの関連情報投稿率計算手段としての働きを行う。
【００２１】
ステップＳ２５０は、分析を行う基準日と更新日情報をもとに、各Ｗｅｂサイトの更新頻度を計算し、計算結果を格納するもので、インターネットサイト情報分析装置１０では、サイト活性度分析アナライザ１８ｂと、サイト活性度分析結果データベース２２ｂとがこの更新頻度計算手段としての働きを行う。
【００２２】
ステップＳ２６０は、利用者２６の要求に応じ、関連情報投稿率と更新頻度という２つの計算値が割り付けられた各Ｗｅｂサイトをグラフに表示して出力する。インターネットサイト情報分析装置１０では、サイト活性度分析結果データベース２２ｂと、ポータルサーバ２４が備えるサイト活性度分析表示フレームワーク２４ｂとがこのサイト分析出力手段としての働きを行う。
【００２３】
次に、上記サイト活性度分析の各ステップについて、詳細に説明する。図３に示すように各Ｗｅｂサイトには、複数の文章情報と各Ｗｅｂサイトの最終更新日の情報が存在する。ステップＳ２１０では、例えばＷｅｂサイト１であれば、文章情報ａ１，ａ２、および「最終更新日：９月１１日」という更新日情報を収集する。さらにこれらの文章情報はステップＳ２２０において、名詞、形容詞、動詞等の単語（品詞）に分解される。
【００２４】
ステップＳ２３０について、さらに詳細な処理について図４に基づいて説明する。ステップＳ２３０は、ステップＳ２３１で、調査対象となる所定のキーワードが与えられると、そのキーワードと類似の単語群を、類語辞典の一種であるシソーラスなどを用いて抽出する。そしてステップＳ２３２で、各Ｗｅｂサイト毎に、キーワードと同一または類似の単語群のいずれかを含む文章情報、すなわち関連情報を抽出する。さらにステップＳ２３３で、抽出された関連文章情報をカウントし、その数を累積計算する。そして判断ステップであるステップＳ２３４において、すべてのＷｅｂサイトについての計算がされたか否かを判断し、ＮＯであれば次のＷｅｂサイトについてステップＳ２３２からＳ２３３を繰り返し、ＹＥＳになった時点でステップＳ２３０が終了して次のステップ２４０へ移行する。
【００２５】
このようにステップＳ２３０では、例えば、「車」というキーワードが与えられると、ステップＳ２３１によって「軽四」「ハイブリッドカー」「自動車」といった俗称、略称あるいは正式名称その他の単語を類似語として抽出する。従って、関連情報の内容の分析およびその投稿数の算出を漏れなく行うことができる。
【００２６】
ステップＳ２４０では、Ｗｅｂサイトごとに関連情報の投稿率を計算し、その計算結果をサイト活性度分析結果データベース２２ｂに格納する。関連情報投稿率は、各Ｗｅｂサイトから収集した文章情報の総数を分母に、その中の所定のキーワードについての関連情報の数を分子に配して除算計算を行っている。例えば、図３に示すＷｅｂサイト１には、文章情報ａ１，ａ２の２件あり、そのうち、キーワード「車」の関連情報は「ハイブリッドカー」という単語を含む文章情報ａ１の１件である。従って、Ｗｅｂサイト１におけるキーワード「車」についての関連情報投稿率は０．５と計算される。このようにしてキーワードごと、かつＷｅｂサイトごとに関連情報投稿率が計算され、その計算結果は図５のリストのように系統立ててサイト活性度分析結果データベース２２ｂに格納される。
【００２７】
ステップＳ２５０では、各Ｗｅｂサイトの更新頻度を計算し、その計算結果をサイト活性度分析結果データベース２２ｂに格納する。図３の計算例では、分析を行う基準日とそのＷｅｂサイトの最終更新日との差に１を加算し、その逆数を更新頻度と定義している。この定義によれば、Ｗｅｂサイト１の場合は、分析を行う基準日と最終更新日がともに９月１１日（同日）のため更新頻度は１．０となる。また、Ｗｅｂサイト２の場合は、同様の計算を行うと更新頻度は０．０１１となる。つまり、頻繁に更新されているＷｅｂサイト１は更新頻度が高い値となり、更新されずに放置されている期間が長いＷｅｂサイト２は更新頻度が低い値を示すことになる。
【００２８】
ステップＳ２６０では、ステップＳ２４０で所定のキーワードについて割り付けられた関連情報投稿率を横軸に、ステップ２５０で割り付けられた更新頻度を縦軸にして、各Ｗｅｂサイトの相対的な位置づけをグラフに表し、サイト活性度分析情報としてＰＵＬＬ型（利用者２６が必要に応じて情報を取り出す）で提供する。例えば図６に示すように、グラフの右上に位置するＷｅｂサイトは、「車」に関する情報が多く、かつ、頻繁に更新されているＷｅｂサイト群であるので、Ｗｅｂサイト１，２，５のように活発に情報発信しているＷｅｂサイトにアクセスすれば、「車」に関する有益な情報が得られそうだということが分かる。逆に、グラフの左下に位置するＷｅｂサイトは、「車」に関する情報が少なく、かつ、更新頻度も低いＷｅｂサイト群であるので、Ｗｅｂサイト８のように活動が低調なＷｅｂサイトにアクセスしても、「車」に関する有益な情報が得られそうにないということが分かる。
【００２９】
以上説明した本発明の第一の実施形態に係るサイト活性度分析（ステップＳ２１０からステップＳ２６０）のインターネットサイト情報分析方法によれば、活発に情報発信しているＷｅｂサイトを容易に知ることができ、情報発信源として注目すべきそれらのＷｅｂサイトに絞って情報収集を行えば、有益なトレンド情報を効率よく得ることができる。
【００３０】
次に、本発明の第二の実施形態に係る共起情報分析を行うインターネットサイト情報分析方法を、図７〜図１０に基づいて説明する。まず、図７に示すフローにを用いて概要を説明する。ステップＳ３１０では、各Ｗｅｂサイトから所定の期間が経過するごとに文章情報を収集する。インターネットサイト情報分析装置１０では、クローラ１４と、記事データベース１６と、共起情報分析アナライザ１８ｃとがこの情報収集手段としての働きを行う。次に、ステップＳ３２０で、収集した文章情報を単語（品詞）に分解する。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの単語分割手段としての働きを行う。ステップＳ３３０では、分割された単語群の中に所定のキーワードと同一又は類似するものを含む文章情報、すなわち調査対象情報を抽出する。この時、インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの調査対象情報抽出手段としての働きを行う。そして、ステップＳ３４０で、抽出された調査対象情報を構成する単語の中から、上記所定のキーワードと同一又は類似の単語を除く他の単語、すなわち共起キーワードを抽出する。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの共起キーワード抽出手段としての働きを行う。
【００３１】
ステップＳ３５０では、抽出された共起キーワードが調査対象情報に出現する頻度を基に、共起キーワードごとの評点計算を行う。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃがこの共起キーワード評点計算手段としての働きを行う。次に、ステップＳ３６０で、共起キーワード群を共起キーワード評点の順に並び替えた共起情報リストを作成し、それを格納する。インターネットサイト情報分析装置１０では、共起情報分析アナライザ１８ｃと、共起情報分析結果データベース２２ｃとがこのソート手段としての働きを行う。そして、ステップＳ３７０は、利用者２６の要求に応じ、所定の期間が経過するごとに作成した共起情報リストを時系列に表して出力する。インターネットサイト情報分析装置１０では、共起情報分析結果データベース２２ｃと、ポータルサーバ２４が備える共起情報分析表示フレームワーク２４ｃとがこの共起情報分析出力手段としての働きを行う。
【００３２】
次に、上記共起情報分析の各ステップについて、詳細に説明する。図８に示すように各Ｗｅｂサイトには、複数の文章情報が存在する。ステップＳ３１０では、例えばＷｅｂサイト１であれば、文章情報ａ１，ａ２を収集する。さらにこれらの文章情報はステップＳ３２０において、名詞、形容詞、動詞等の単語（品詞）に分解される。
【００３３】
ステップＳ３３０では、調査対象となる所定のキーワードが与えられると、そのキーワードと類似の単語群を類語辞典の一種であるシソーラスなどを用いて抽出し、そのキーワードと同一または類似の単語群のいずれかを含む文章情報、すなわち調査対象情報を抽出する。例えば図８の例によれば、「デジタルカメラ」というキーワードが与えられると、「デジカメ」「デジタルスチルカメラ」「デジタルビデオカメラ」といった俗称、略称あるいは正式名称その他の単語を類似語として抽出する。そして、「デジタルカメラ」およびその類似語を含む文章情報ａ１，ａ２，ｂ２を調査対象情報として抽出する。このように、本来的に調査すべき調査対象情報を漏れなく抽出することを可能にしている。
【００３４】
ステップＳ３４０では、抽出された調査対象情報を構成する単語の中から、上記所定のキーワードと同一又は類似の単語を除く他の単語、すなわち共起キーワードを抽出する。例えば、文章情報ａ１であれば「Ａ社」「Ｂ社」「性能」が共起キーワードに該当する。ここで、「（株）Ａ」「株式会社Ａ」「Ａ」「Ａ社」といった共起キーワードが別個に抽出された場合、すべて「Ａ社」と同義語であるとして問題なければ、一つの共起キーワードとして取りまとめて、次のステップに進めばよい。
【００３５】
ステップＳ３５０について、さらに詳細な処理について図９のフローに基づいて説明する。ステップＳ３５１では、情報収集したすべての文章情報の数をカウントする。例えば、図８の例において、情報収集をＷｅｂサイト１，２のみを対象に行ったとすれば、文章情報の総数は５とカウントされる。ステップＳ３５２では、調査対象情報に該当する文章情報の数をカウントする。例えば図８の例では、文章情報の総数５のうち、キーワード「デジタルカメラ」に対する調査対象情報の数は３とカウントされる。ステップＳ３５３では、ステップ３４０で抽出した共起キーワードと同一の単語が含まれる文章情報の数を、共起キーワードごとにカウントする。例えば図８の例では、文章情報の数５のうち、共起キーワード「Ａ社」が含まれる文章情報の数は３とカウントされる。ステップＳ３５４では、ステップＳ３４０で抽出した共起キーワードと同一の単語が含まれる調査対象情報の数を、各共起キーワードごとにカウントする。例えば図８の例では、「デジタルカメラ」に対する調査対象情報の数３のうち、共起キーワード「Ａ社」が含まれる調査対象情報の数は２とカウントされる。
【００３６】
ステップＳ３５５では、各共起キーワードごとにその共起キーワードの評点を計算する。ここで、共起キーワードの評点は、ステップＳ３５４のカウント数にＳ３５１のカウント数を積算したものを、Ｓ３５２のカウント数にＳ３５３のカウント数を積算したもので除算し、さらにそれを、２を底とする対数に換算したもの、と定義するのが好ましい。例えば図８の例では、共起キーワード「Ａ社」の評点は、ステップＳ３５１のカウント数である５、ステップＳ３５２のカウント数である３、ステップ３５３のカウント数である３、ステップＳ３５４のカウント数である２を用いて計算され、評点０．１５２が得られる。そして判断ステップであるステップＳ３５６において、すべての共起キーワードについての計算がされたか否かを判断し、ＮＯであれば次の共起キーワードについてステップＳ３５３からＳ３５５を繰り返し、ＹＥＳになった時点でステップＳ３５０が終了する。
【００３７】
なお、本実施形態のステップＳ３５０では、その相関関係の連鎖の要素をも評点計算に組み入れているという特徴を有している。本来、キーワード「デジタルカメラ」と共起キーワード「Ａ社」との間に相関関係がある場合には、共起キーワード「Ａ社」に対応して共起する「デジタルカメラ」以外のキーワード群との間にも相関関係が存在するものと考えるべきである。しかしながら、相関関係の連鎖にまで着目すると計算量が膨大になる問題もあり、一般的にはそこまでの処理は行われていなかった。本実施形態では、ステップＳ３５１のカウント数とステップＳ３５３のカウント数を計算式に盛り込むことによって、「デジタルカメラ」と「Ａ社」の相関関係の強さだけでなく、例えば「液晶テレビ」と「Ａ社」の相関関係の強さについても、その違いが相対的に各評点に反映させることができる。
【００３８】
ステップＳ３６０では、共起キーワード群を共起キーワード評点の順に並び替えた共起情報リストを作成し、それを共起情報分析結果情報データベース２２ｃに格納する。さらにステップＳ３７０では、利用者２６の要求に応じ、所定の期間が経過するごとに作成した共起情報リストを時系列に表し、共起情報分析出力としてＰＵＬＬ型（利用者２６が必要に応じて情報を取り出す）で提供する。図１０は、Ｗｅｂサイト１，２を含むすべてのＷｅｂサイトについて評点計算を行った例である。例えばキーワード「デジタルカメラ」についてみると、共起キーワード「製品Ｗ」は２００７年７月の時点では評点が低くランク外であったが、２００７年８月には２位までランクアップしている。従って、「デジタルカメラ」の分野では、「製品Ｗ」が投稿者の話題の中心になってきていることが分かる。また、共起キーワード「Ｂ社」は２００７年７月の時点では２位にランクされていたが、２００７年８月には５位までランクダウンしている。従って、投稿者は「Ｂ社」に注目しなくなってきていることが分かる。
【００３９】
以上説明した本発明の第二の実施形態に係る共起情報分析（ステップＳ３１０からステップＳ３７０）のインターネットサイト情報分析方法によれば、所定のキーワードに共起する別のキーワードの変化を時系列で分析することによって、所定のキーワードの周囲に広がっていく投稿者の興味の変化を実態的に把捉することができる。
【００４０】
なお、本発明は上記実施形態に限定するものではなく、インターネットサイト情報分析装置１０は、サイト活性度分析、共起情報分析のうちのいずれか一以上の分析に係る作業手段またはステップを有する分析装置または分析方法であればよい。
【００４１】
また、ステップＳ２６０が出力する分析結果の表示フレームは、各データが有する複数の特性値の相対的な関係が視覚的に認識可能なものであればよく、本実施形態に例示したグラフ化イメージに限定するものではない。グラフの目盛を対数表示にしたり、凡例を付して複数の分析結果を重ねて表するなどして、より視覚に訴えるための工夫がなされるべきものである。
【００４２】
また、ステップＳ２４０に定義する関連投稿率の計算式、ステップＳ２５０に定義する更新頻度の計算式、ステップＳ３５０に定義する共起キーワード評点の計算式は、調査分析の対象とする事物やその分野ごとの個別の事情など鑑みて定義したものであれば、上記実施形態の計算式に限定するものではない。例えば、ステップＳ３５０に定義した共起キーワード評点の計算式であれば、対数の底の値を変更したり、特定の情報の数について２乗した数値を代入するなど、細かく解析したい内容が特性値として顕著に表れるように別の計算式を定義してもよい。
【００４３】
なお、上記第一又は第二の実施形態のような一連の処理動作をプログラムとして構築し、インターネットサイト情報分析装置１０として利用されるサーバーコンピュータにインストールし、ＣＰＵなどの制御手段によって実行させる他、そのプログラムをネットワークを介して流通させるようにしてもよい。また、構築されたプログラムをインターネットサイト情報分析装置１０として利用される各種のコンピュータに接続されるハードディスク装置、フレキシブルディスク、ＣＤ−ＲＯＭなどの可搬記憶媒体に格納し、コンピュータにインストールして実行させるようにしてもよい。
【符号の説明】
【００４４】
１０ インターネットサイト情報分析装置
１２ Ｗｅｂサイト
１４ クローラ
１６ 記事データベース
１８ アナライザ
２０ 評価表現辞書群データベース
２２ 分析結果データベース
２４ ポータルサーバ
２６ 利用者
【特許請求の範囲】
【請求項１】
インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、
前記文章情報と各Ｗｅｂサイトの更新日情報を収集する情報収集ステップと、
前記文章情報を単語に分割する単語分割ステップと、
前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算ステップと、
各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算ステップと、
分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算ステップと、
各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力ステップと、
を備えることを特徴とするインターネットサイト情報分析方法。
【請求項２】
インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、
前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集ステップと、
前記文章情報を単語に分割する単語分割ステップと、
前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出ステップと、
前記調査対象情報を構成する単語に含まれ、前記キーワードと別のキーワードである共起キーワードを抽出する共起キーワード抽出ステップと、
調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算ステップと、
前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソートステップと、
所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力ステップと、
を備えることを特徴とするインターネットサイト情報分析方法。
【請求項３】
コンピュータシステムにより構成され、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、
前記Ｗｅｂサイトの文章情報の収集を行う情報収集手段と、
前記文章情報を単語に分割する単語分割手段と、
前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算手段と、
各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算手段と、
各Ｗｅｂサイトの更新日付を収集する更新日情報収集手段と、
分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算手段と、
各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力手段と、
を備えることを特徴とするインターネットサイト情報分析装置
【請求項４】
前記活性度分析出力手段は、前記関連情報投稿率と前記更新頻度とを２次元グラフに表して出力することを特徴とする請求項３記載のインターネットサイト情報分析装置。
【請求項５】
インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、
前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集手段と、
前記文章情報を単語に分割する単語分割手段と、
前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出手段と、
前記調査対象情報を構成する単語に含まれ、前記調査対象のキーワードと同一または類似の単語を除く他の単語である共起キーワードを抽出する共起キーワード抽出手段と、
調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算手段と、
前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソート手段と、
所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力手段と、
を備えることを特徴とするインターネットサイト情報分析装置。
【請求項１】
インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、
前記文章情報と各Ｗｅｂサイトの更新日情報を収集する情報収集ステップと、
前記文章情報を単語に分割する単語分割ステップと、
前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算ステップと、
各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算ステップと、
分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算ステップと、
各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力ステップと、
を備えることを特徴とするインターネットサイト情報分析方法。
【請求項２】
インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析方法において、
前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集ステップと、
前記文章情報を単語に分割する単語分割ステップと、
前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出ステップと、
前記調査対象情報を構成する単語に含まれ、前記キーワードと別のキーワードである共起キーワードを抽出する共起キーワード抽出ステップと、
調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算ステップと、
前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソートステップと、
所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力ステップと、
を備えることを特徴とするインターネットサイト情報分析方法。
【請求項３】
コンピュータシステムにより構成され、インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、
前記Ｗｅｂサイトの文章情報の収集を行う情報収集手段と、
前記文章情報を単語に分割する単語分割手段と、
前記単語群の中から所定のキーワードと同一または類似する単語を抽出し、その単語を含む文章情報の数を算出する関連情報投稿数計算手段と、
各Ｗｅｂサイトから収集した文章情報数に占める前記関連情報投稿数の割合を、各Ｗｅｂサイト毎に算出する関連情報投稿率計算手段と、
各Ｗｅｂサイトの更新日付を収集する更新日情報収集手段と、
分析を行う基準日と前記更新日情報をもとに、各Ｗｅｂサイトの更新頻度を算出する更新頻度計算手段と、
各Ｗｅｂサイト毎の前記関連情報投稿率と前記更新頻度とを相対比較して出力するサイト活性度分析出力手段と、
を備えることを特徴とするインターネットサイト情報分析装置
【請求項４】
前記活性度分析出力手段は、前記関連情報投稿率と前記更新頻度とを２次元グラフに表して出力することを特徴とする請求項３記載のインターネットサイト情報分析装置。
【請求項５】
インターネット上に存在するＷｅｂサイトにアクセスしてその文章情報を収集し、分析を行うインターネットサイト情報分析装置において、
前記Ｗｅｂサイトの文章情報の収集を所定の期間が経過するごとに行う情報収集手段と、
前記文章情報を単語に分割する単語分割手段と、
前記単語群の中から調査対象のキーワードと同一または類似する単語を含む文章情報を抽出する調査対象情報抽出手段と、
前記調査対象情報を構成する単語に含まれ、前記調査対象のキーワードと同一または類似の単語を除く他の単語である共起キーワードを抽出する共起キーワード抽出手段と、
調査対象情報に前記共起キーワードが出現する頻度をもとに、前記共起キーワード毎に評点計算する共起キーワード評点計算手段と、
前記共起キーワードを前記共起キーワード評点の順に並び替えて共起情報リストを作成するソート手段と、
所定の期間ごとに得られた前記共起情報リストを、時系列に表して出力する共起情報分析出力手段と、
を備えることを特徴とするインターネットサイト情報分析装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１２−５９２９５（Ｐ２０１２−５９２９５Ａ）
【公開日】平成２４年３月２２日（２０１２．３．２２）
【国際特許分類】
【出願番号】特願２０１１−２７７０９５（Ｐ２０１１−２７７０９５）
【出願日】平成２３年１２月１９日（２０１１．１２．１９）
【分割の表示】特願２００７−２８６２７８（Ｐ２００７−２８６２７８）の分割
【原出願日】平成１９年１１月２日（２００７．１１．２）
【出願人】（３９１０２１７１０）株式会社インテック (11)
【公開日】平成２４年３月２２日（２０１２．３．２２）
【国際特許分類】
【出願日】平成２３年１２月１９日（２０１１．１２．１９）
【分割の表示】特願２００７−２８６２７８（Ｐ２００７−２８６２７８）の分割
【原出願日】平成１９年１１月２日（２００７．１１．２）
【出願人】（３９１０２１７１０）株式会社インテック (11)
[ Back to top ]