タグ付け装置、タグ付け方法およびプログラム
【課題】文書中に張られているリンクを解析して、リンクの前後の記載、及びリンク先のウェブページのリンク前後の記載からタグ候補を抽出することにより、そのランキングに基づき、高速、かつ、高精度にその文書にタグ付けする。
【解決手段】クローラ部１００と、リンク解析部１１０と、タグ候補抽出部１２０と、タグランキング算定部１３０と、タグ管理部１４０と、タグ決定部１５０と、バス１６０と、を備えていることを特徴とする装置であり、リンク解析部１１０が抽出したリンク先について、タグランキング算定部１３０が判別したタグ候補のいずれかをタグとして判別し、タグ決定部１５０がタグ付けすることにより高速かつ精度良くリンク先のウェブページにタグを付けることができる。
【解決手段】クローラ部１００と、リンク解析部１１０と、タグ候補抽出部１２０と、タグランキング算定部１３０と、タグ管理部１４０と、タグ決定部１５０と、バス１６０と、を備えていることを特徴とする装置であり、リンク解析部１１０が抽出したリンク先について、タグランキング算定部１３０が判別したタグ候補のいずれかをタグとして判別し、タグ決定部１５０がタグ付けすることにより高速かつ精度良くリンク先のウェブページにタグを付けることができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は文書の処理に関する分野に属し、特にウェブページに対するタグ付けを高速、高精度に実施するタグ付け装置、タグ付け方法、プログラムに関するものである。
【背景技術】
【０００２】
従来、文書を解析して自動的にタグ付けする装置が開発されている。
【０００３】
文書のタグ付けにはいくつかの方式がある。１つは特許文献１に見られるように、対象となる文書を構文解析、意味解析し、意味的な分類を自動的に生成してタグ付けする方法である。
【０００４】
また、特許文献２に見られるように、すでにタグ付けされている文書を利用して、タグ付けされていない文書との包含性や類似性を利用してタグ付けする方法である。
【０００５】
しかし、上記方法にはそれぞれ以下のような問題がある。
特許文献１に示される方法では、文書を意味解析するため、解析時間が非常に長くなるという問題がある。また、意味解析のためには辞書を利用するため、辞書に登録されていない語が含まれている場合、解析精度が低下するという問題がある。
【０００６】
特許文献２に示される方法では、タグ付きの文書のセットを事前に準備する必要があるという問題がある。また、多数の文書間の包含性を計算するには多くの時間が必要となるという問題がある。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００７−９４８５５号公報
【特許文献２】特開２００９−９３４８１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
本発明は、上記問題に鑑みてなされたものであり、文書中に張られているリンクを解析して、リンクの前後の記載、及びリンク先のウェブページのリンク前後の記載からタグ候補を抽出することにより、そのランキングに基づき、高速、かつ、高精度にその文書にタグ付けすることを目的とする。
【課題を解決するための手段】
【０００９】
本発明の第１の観点にかかるタグ付け装置は、
リンク先のウェブページを特定する情報を含むテキストからなる特定の文書に基づき、前記リンクを辿りながらテキストとして複数の文書を取得するクローラ部と、
前記特定の文書、及びクローラ部により取得された文書データのそれぞれを解析して前記リンク先のウェブページを特定する情報を抽出するリンク解析部と、
前記リンク解析部により抽出された前記リンク先のウェブページを特定する情報の記載箇所の前後を解析してタグの候補となる語句をタグ候補として抽出するタグ候補抽出部と、
複数の前記抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定部と、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定部と、
を備える、ことを特徴とする。
【００１０】
本発明の第２の観点にかかるタグ付け方法は、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出し、
リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出し、
該タグ候補のそれぞれの出現頻度であるタグランキングを算定して、タグを決定する、
ことを特徴とする。
【００１１】
本発明の第３の観点にかかるプログラムは、
コンピュータを、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出するリンク解析手段、
前記リンク解析手段により抽出された前記リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出するタグ候補抽出手段、
前記タグ候補抽出手段により抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定手段、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定手段、として機能させる、
ことを特徴とする。
【発明の効果】
【００１２】
本発明によれば、文書中に張られているリンクを解析して、リンクの前後の記載、及びリンク先のウェブページのリンク前後の記載からタグ候補を抽出することにより、そのランキングに基づき、高速、かつ、高精度にその文書にタグ付けすることができる。
【図面の簡単な説明】
【００１３】
【図１】本発明のシステム構成の全体像を示すブロック図である。
【図２】システムのハードウェア構成を示すブロック図である。
【図３】タグ候補抽出処理のフローチャートである。
【図４】タグ決定処理のフローチャートである。
【図５】蓄積されているタグ候補データを説明した図である。
【図６】ウェブページのハイパーリンクを説明した図である。
【図７】リンク先とタグ候補を切り出した図である。
【発明を実施するための形態】
【００１４】
本発明にかかるシステム構成を、図１を参照して説明する。
【００１５】
タグ付け装置１は、文書にタグ付けする装置であり、クローラ部１００、リンク解析部１１０、タグ候補抽出部１２０、タグランキング算定部１３０、タグ管理部１４０、タグ決定部１５０、バス１６０などから構成される。
【００１６】
クローラ部１００は、リンクを辿りながら文書を取得する。
【００１７】
リンク解析部１１０は、クローラ部１００が取得した文書からリンク先のURLを抽出して取得する。
【００１８】
タグ候補抽出部１２０は、リンク解析部１１０がリンク先のURLを抽出して取得する際に、当該文書のリンク先のURLの記載されている箇所の前後を解析し、タグ候補を抽出する。
【００１９】
タグランキング算定部１３０は、タグ候補のランキングを計算し、リンク先のウェブページのタグを判別する。例えば、あるリンク先のウェブページのタグの候補として「猫」という単語が５回、「犬」という単語が１回上がっていた場合に、回数の多い順に並べ替え、タグのランキングを計算し、タグの判別をしている。この例でいえば、回数が最も多い「猫」がリンク先のウェブページのタグとして判別される。ランキングは１番がリンク先１、２番がリンク先３、３番がリンク先２、となる。
【００２０】
タグ管理部１４０は、抽出されたタグ候補とリンク先とリンク数を「タグ候補｜リンク先｜リンク数」という形式でタグ候補データを作成し、タグ候補データを蓄積する装置である。
例えば、「猫」という単語について、リンク先１が５か所のリンク元からリンクが張られていた場合、タグ管理部１４０に「猫｜リンク先１｜５」というタグ候補データを作成し、該タグ候補データを蓄積する。
【００２１】
タグ決定部１５０は、タグランキング算定部１３０の結果に基づき、リンク先のウェブページに付すタグを決定する。本装置は、タグ候補を示すことも可能であり、UIFを持つ他の装置と組み合わせて、人手でタグ付けする場合にタグ付けを支援することも可能である。
また、ランキングの例としては、他に、相互リンクが多いリンク元のタグを優先したり、ベイズ推定を利用したり、TF/IDF（Term Frequency/Inverse Document Frequency）を利用したりすることなどが想定される。
【００２２】
バス１６０は、各部相互間の情報を伝達する。
【００２３】
タグ付け装置１のハードウェア構成を図２を参照して説明する。
デバイス２はタグ付け装置１のハードウェアであり、制御部２００、プログラム記憶部２１０、データベース記憶部２２０、プログラムバッファ２３０，通信部２４０などから構成される。
【００２４】
制御部２００は、例えば、ＣＰＵ（Central Processing Unit）などから構成され、各部を制御する。
プログラム記憶部２１０は、例えば、磁気ディスクなどから構成され、プログラムなどを記憶する
データベース記憶部２２０は、例えば、磁気ディスクなどから構成され、タグ候補データなどを記憶する。
プログラムバッファ部２３０は、制御部２００が実行するプログラムなどを記憶する。
通信部２４０は、例えば、MODEMなどから構成され、制御部２００の制御に従って他の装置と通信する。
【００２５】
次に、図３のフローチャートを参照してタグ候補抽出処理について詳細に説明する。
【００２６】
クローラ部１００は、現在のウェブページから文書を取得する（ステップＳ１０１）。
【００２７】
クローラ部１００は、ステップＳ１０１の処理を完了すると、取得した文書中にリンクが張られているかどうか判別する（ステップＳ１０２）。
【００２８】
クローラ部１００は、取得した文書中にリンクが張られていないと判別した場合（ステップＳ１０２：ＮＯ）次のウェブページへ行き、タグ候補抽出処理を行う（ステップＳ１０３）。
【００２９】
一方、クローラ部１００が、取得した文書中にリンクが張られていると判別した場合（ステップＳ１０２：ＹＥＳ）、リンク解析部１１０はリンク先の情報を取得する（ステップＳ１０４）。
【００３０】
ステップＳ１０４の処理を完了すると、タグ候補抽出部１２０はリンク先の情報の前後を解析してタグ候補を抽出する（ステップＳ１０５）。
【００３１】
ステップＳ１０５の処理を完了すると、タグ管理部１４０は、タグ候補とリンク先とリンク数を「タグ候補｜リンク先｜リンク数」という形式でタグ候補データを作成する（ステップＳ１０６）。
【００３２】
ステップＳ１０６の処理を完了すると、タグランキング算定部１３０は、前記タグ候補データがタグ管理部１４０にないと判別すると（ステップＳ１０７：ＮＯ）、該タグ候補データを新たにタグ管理部１４０に追加する（ステップＳ１０８）。
【００３３】
一方、タグランキング算定部１３０は、タグ候補データがタグ管理部１４０に既にある場合には（ステップＳ１０７：ＹＥＳ）、該タグ候補データのリンク数を１加えて、タグ管理部１４０のタグ候補データを更新する（ステップＳ１０９）。
【００３４】
ここで、蓄積されているタグ候補データについて、図５を参照して説明する。タグ候補データの形式は「タグ候補｜リンク先｜リンク数」であり、蓄積されているデータは、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」では、タグ候補「猫」についてリンク数は５、タグ候補「馬」についてリンク数は１，タグ候補「鳥」についてリンク数は１であり、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」では、タグ候補「犬」についてリンク数は４、タグ候補「猿」についてリンク数は１である。
【００３５】
ステップＳ１０８またはステップＳ１０９の処理を完了すると、タグ決定処理を開始する（ステップＳ１１０）。
【００３６】
ここで、図４のフローチャートを参照してタグ決定処理について詳細に説明する。
【００３７】
タグランキング算定部１３０は、タグ管理部１４０から同一のリンク先のタグ候補データを読み出す（ステップＳ２０１）。
【００３８】
ステップＳ２０１の処理を完了すると、タグランキング算定部１３０は、該リンク先についてのタグ候補データのうちリンク数が最も多いタグ候補を計算する（ステップＳ２０２）。
【００３９】
ステップＳ２０２の処理を完了すると、タグ決定部１５０は、該リンク先についてのリンク数が最も多いタグ候補をリンク先のウェブページのタグとしてタグ付けをする（ステップＳ２０３）。
【００４０】
ステップＳ２０３の処理が完了すると、ステップＳ１０２の処理を再度実行する。
【００４１】
ここで、ハイパーリンクについて、図６を参照して説明する。
「ｗｗｗ．ｌｉｎｋｓａｋｉ．００４」のウェブページにリンク先のウェブページとして「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」と「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」とが記述されているとする。
次に、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」のウェブページと「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」のウェブページとのいずれにもリンク先のウェブページとして「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」が記述されている。
そして、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」のウェブページにリンク先のウェブページとして「ｗｗｗ．ｌｉｎｋｓａｋｉ．０００」が記述されている。
以上のような、ウェブページがリンク付けされていることをハイパーリンクという。
【００４２】
次に、本発明のタグ付け処理について具体的に説明する。
まず、クローラ部１００は、現在のウェブページである文書を取得する。
【００４３】
次に、クローラ部１００は取得した文書中にリンクが張られているかどうか判別する。
【００４４】
ここでは、例えば、クローラ部１００が取得した「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」というウェブページの文書中に、「猫」という単語について「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」というウェブページにリンクが張られていたとする。
【００４５】
リンク解析部１１０は、文書中からリンク先の情報を取得する。
【００４６】
ここでは、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」というリンク先のURL情報を取得する。
【００４７】
次に、タグ候補抽出部１２０は、現リンク先の文書から、リンク先のURL情報「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」の記載箇所の前後を解析して、そこに記載されている「猫」をタグ候補として抽出する。
【００４８】
次に、タグ管理部１４０は、タグ候補データ「猫」について、タグ候補データを作成し、タグランキング算定部１３０は、該タグ候補データがタグ管理部１４０に存在するかどうか判別する。
【００４９】
該タグ候補データがタグ管理部１４０に存在しない場合、タグ管理部１４０は、「猫」というタグ候補について、「猫｜リンク先｜リンク数」（この場合、「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜１」）という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。（図７：例１）
【００５０】
これに対して、タグ候補データがタグ管理部１４０に存在する場合、タグ管理部１４０は、タグ候補データのリンク数を１加える。
【００５１】
例えば、タグ候補「猫」について、タグ管理部１４０に「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜５」というタグ候補データが存在していた場合、タグ管理部１４０は、該タグ候補データを「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜６」として、タグ候補データを更新する。
【００５２】
次に、クローラ部１００は、タグ決定処理を開始する（ステップＳ１１０）。
【００５３】
タグランキング算定部１３０は、タグ管理部１４０からリンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」についてのタグ候補データを読み出す。
【００５４】
ここでは、例えば、「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜５」というタグ候補データと、「馬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜１」というタグ候補データを抽出してきたとする。
【００５５】
タグランキング算定部１３０は、該タグ候補データに基づいてタグの出現度ランキングを算定する。ここでは、タグ候補「猫」についてのリンク数は５、タグ候補「馬」についてのリンク数は１なので、「猫」をタグとして判別する。
【００５６】
次に、タグ決定部１５０は、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」のウェブページに「猫」をタグとしてつける。
【００５７】
なお、タグ候補は、単語に限られるものではない。
【００５８】
例えば、「可愛い猫」という文節については、タグ候補を「可愛い猫」という文節で抽出して、「可愛い猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜１」という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。（図７：例２）
【００５９】
また、イメージデータについてリンクがされている場合にも同様で、イメージデータ「犬」についてのリンク先に「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」がある場合、タグ候補を「犬」として「犬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜１」という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。（図７：例３）
【００６０】
これに対して、タグとして意味のない単語、例えば、「ここ」や「ここをクリックして下さい」などはタグ候補として抽出しない。
【００６１】
なお、本発明は上記実施例に限定されるものではない。
【００６２】
クローラ部１００が全てのリンク先文書を収集した後にタグ候補を一括して作成する手順も想定できる。また、それ以外に本装置のそれぞれの処理の手順を変える場合も想定できる。
【００６３】
これにより、例えば、以下のような実施例が考えられる。
【００６４】
まず、クローラ部１００は、現在のウェブページである文書を取得する。
【００６５】
リンク解析部１１０は、文書中からリンク先のURL情報を取得する。
【００６６】
次に、クローラ部１００は取得した文書の中にリンクが張られているかどうか判別する。
【００６７】
「ｗｗｗ．ｌｉｎｋｓａｋｉ．００４」のウェブページの文書に「鹿」という単語について「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、「犬」という単語について「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」というウェブページにリンクが張られていた。
【００６８】
まず、リンク解析部１１０は、リンク先のURL情報「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、及び「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」を取得する。
【００６９】
次に、タグ候補抽出部１２０は、リンク先のURL情報「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」の記載箇所の前後を解析して、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」についてはタグ候補「鹿」を抽出し、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」についてはタグ候補「犬」を抽出する。
【００７０】
次に、タグ管理部１４０は、タグ候補データ「鹿」、「犬」について、タグ候補データを作成し、タグランキング算定部１３０は、該タグ候補データがタグ管理部１４０に存在するかどうか判別する。
【００７１】
該タグ候補データがタグ管理部１４０に存在しない場合、タグ管理部１４０は、「鹿」というタグ候補について「鹿｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜１」）という形式で、タグ候補データを作り、「犬」というタグ候補について「犬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００３｜１」）という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。
【００７２】
これに対して、タグ候補データがタグ管理部１４０に存在する場合、タグ管理部１４０は、タグ候補データのリンク数を１加えて、タグ候補データを更新する。
【００７３】
次に、タグ決定部１５０は、タグ付け処理を開始する。
【００７４】
タグランキング算定部１３０は、タグ管理部１４０からリンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」についてのタグ候補データを読み出す。
【００７５】
ここでは、例えば、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」については、「鹿｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜５」というタグ候補データと、「鳥｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜１」というタグ候補データを抽出し、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」については、「犬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００３｜４」というタグ候補データと、「猿｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００３｜１」というタグ候補データを抽出してきたとする。
【００７６】
よって、タグランキング算定部１３０は、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」については「鹿」をタグとして判別し、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」については「犬」をタグとして判別し、タグ決定部１５０は、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」については「鹿」をタグとして付け、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」については「犬」をタグとして付ける、という実施例が考えられる。
【００７７】
本発明を実施するにあたっては、種々の形態による変形及び応用が可能であり、上記の実施形態に限られない。
【００７８】
また、上記実施形態の説明に用いた模式図やフローチャート等は、本発明の趣旨を逸脱しない範囲で適宜変更しても良い。
【００７９】
図３、４に示すフローチャートは、タグ付け装置の動作を説明するとともに、タグ付け方法をも示す。
【００８０】
タグ付け装置はコンピュータの一種であるため、図３、４に示すフローチャートは、タグ付けを実行するための動作プログラムの内容をも示す。
【００８１】
また、上記実施形態に係るタグ付け装置により実行される機能は、ソフトウェアに限らず、専用のハードウェアによって実現することもできる。
【００８２】
上記実施形態では、タグ付け装置において、動作プログラムがＲＯＭ等に予め記憶されているものとして説明した。しかし、上述の処理動作を実行させるためのプログラムを、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto-Optical disk）等のコンピュータ読み取り可能な記録媒体に格納して配布し、そのプログラムをコンピュータにインストールすることにより、上述の処理動作を実行する装置を構成しても良い。
【００８３】
また、プログラムをインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロード等するようにしても良い。更に、通信ネットワークを介してプログラムを転送しながら起動実行することによっても、上述の処理を達成することができる。
【００８４】
また、上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等しても良い。
【００８５】
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
【００８６】
（付記１）
リンク先のウェブページを特定する情報を含むテキストからなる特定の文書に基づき、前記リンクを辿りながらテキストとして複数の文書を取得するクローラ部と、
前記特定の文書、及びクローラ部により取得された文書データのそれぞれを解析して前記リンク先のウェブページを特定する情報を抽出するリンク解析部と、
前記リンク解析部により抽出された前記リンク先のウェブページを特定する情報の記載箇所の前後を解析してタグの候補となる語句をタグ候補として抽出するタグ候補抽出部と、
複数の前記抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定部と、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定部と、
を備える、ことを特徴とするタグ付け装置。
【００８７】
（付記２）
前記タグランキングは、前記リンク解析部により抽出されたリンク先の情報と、前記タグ候補抽出部により抽出された語句との組み合わせ毎に該組み合わせが抽出された回数であることを特徴とする付記１に記載のタグ付け装置。
【００８８】
（付記３）
前記リンク解析部により抽出されたリンク先を特定する情報と前記タグ候補抽出部により抽出されたタグの候補となる語句との組み合わせと、該組み合わせの出現回数とを対応付けて記憶するデータベースを備え、
該データベースは、前記リンク解析部が抽出したリンク先情報と前記タグ候補抽出部が抽出した語句との組み合わせについて、新規な組み合わせであるか登録済みであるかを判別する判別手段と、該判別手段が新規な組み合わせであると判別した場合には、該組み合わせを登録すると共に抽出回数を１とし、登録済みの組み合わせであると判別した場合には、抽出回数を更新するデータ更新手段と、
を備える、ことを特徴とする付記１又は２に記載のタグ付け装置。
【００８９】
（付記４）
前記タグ決定部は、前記データベースの登録データを解析し、前記タグランキング算定部により抽出回数が計数されたリンク先の情報とタグの候補となる語句との組み合わせについて、リンク先の情報が同一のものを特定し、特定した組のうちで、前記タグランキング算定部により計数された抽出回数が最大である組の語句をタグとして付与する、ことを特徴とする付記１乃至３のいずれか１項に記載のタグ付け装置。
【００９０】
（付記５）
ネットワーク上のウェブページを収集して記憶する蓄積手段を備え、
前記リンク解析部と前記タグ候補抽出部とは、前記蓄積手段に蓄積されたウェブページを順次解析する、
ことを特徴とする付記１乃至４のいずれか１項に記載のタグ付け装置。
【００９１】
（付記６）
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出し、
リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出し、
該タグ候補のそれぞれの出現頻度であるタグランキングを算定して、タグを決定する、
ことを特徴とするタグ付け方法。
【００９２】
（付記７）
コンピュータを、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出するリンク解析手段、
前記リンク解析手段により抽出された前記リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出するタグ候補抽出手段、
前記タグ候補抽出手段により抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定手段、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定手段、として機能させる、
ことを特徴とするプログラム。
【符号の説明】
【００９３】
１ タグ付け装置
２ デバイス
１００ クローラ部
１１０ リンク解析部
１２０ タグ候補抽出部
１３０ タグランキング算定部
１４０ タグ管理部
１５０ タグ決定部
１６０ バス
２００ 制御部
２１０ プログラム記憶部
２２０ データベース記憶部
２３０ プログラムバッファ部
２４０ 通信部
【技術分野】
【０００１】
本発明は文書の処理に関する分野に属し、特にウェブページに対するタグ付けを高速、高精度に実施するタグ付け装置、タグ付け方法、プログラムに関するものである。
【背景技術】
【０００２】
従来、文書を解析して自動的にタグ付けする装置が開発されている。
【０００３】
文書のタグ付けにはいくつかの方式がある。１つは特許文献１に見られるように、対象となる文書を構文解析、意味解析し、意味的な分類を自動的に生成してタグ付けする方法である。
【０００４】
また、特許文献２に見られるように、すでにタグ付けされている文書を利用して、タグ付けされていない文書との包含性や類似性を利用してタグ付けする方法である。
【０００５】
しかし、上記方法にはそれぞれ以下のような問題がある。
特許文献１に示される方法では、文書を意味解析するため、解析時間が非常に長くなるという問題がある。また、意味解析のためには辞書を利用するため、辞書に登録されていない語が含まれている場合、解析精度が低下するという問題がある。
【０００６】
特許文献２に示される方法では、タグ付きの文書のセットを事前に準備する必要があるという問題がある。また、多数の文書間の包含性を計算するには多くの時間が必要となるという問題がある。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００７−９４８５５号公報
【特許文献２】特開２００９−９３４８１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
本発明は、上記問題に鑑みてなされたものであり、文書中に張られているリンクを解析して、リンクの前後の記載、及びリンク先のウェブページのリンク前後の記載からタグ候補を抽出することにより、そのランキングに基づき、高速、かつ、高精度にその文書にタグ付けすることを目的とする。
【課題を解決するための手段】
【０００９】
本発明の第１の観点にかかるタグ付け装置は、
リンク先のウェブページを特定する情報を含むテキストからなる特定の文書に基づき、前記リンクを辿りながらテキストとして複数の文書を取得するクローラ部と、
前記特定の文書、及びクローラ部により取得された文書データのそれぞれを解析して前記リンク先のウェブページを特定する情報を抽出するリンク解析部と、
前記リンク解析部により抽出された前記リンク先のウェブページを特定する情報の記載箇所の前後を解析してタグの候補となる語句をタグ候補として抽出するタグ候補抽出部と、
複数の前記抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定部と、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定部と、
を備える、ことを特徴とする。
【００１０】
本発明の第２の観点にかかるタグ付け方法は、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出し、
リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出し、
該タグ候補のそれぞれの出現頻度であるタグランキングを算定して、タグを決定する、
ことを特徴とする。
【００１１】
本発明の第３の観点にかかるプログラムは、
コンピュータを、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出するリンク解析手段、
前記リンク解析手段により抽出された前記リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出するタグ候補抽出手段、
前記タグ候補抽出手段により抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定手段、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定手段、として機能させる、
ことを特徴とする。
【発明の効果】
【００１２】
本発明によれば、文書中に張られているリンクを解析して、リンクの前後の記載、及びリンク先のウェブページのリンク前後の記載からタグ候補を抽出することにより、そのランキングに基づき、高速、かつ、高精度にその文書にタグ付けすることができる。
【図面の簡単な説明】
【００１３】
【図１】本発明のシステム構成の全体像を示すブロック図である。
【図２】システムのハードウェア構成を示すブロック図である。
【図３】タグ候補抽出処理のフローチャートである。
【図４】タグ決定処理のフローチャートである。
【図５】蓄積されているタグ候補データを説明した図である。
【図６】ウェブページのハイパーリンクを説明した図である。
【図７】リンク先とタグ候補を切り出した図である。
【発明を実施するための形態】
【００１４】
本発明にかかるシステム構成を、図１を参照して説明する。
【００１５】
タグ付け装置１は、文書にタグ付けする装置であり、クローラ部１００、リンク解析部１１０、タグ候補抽出部１２０、タグランキング算定部１３０、タグ管理部１４０、タグ決定部１５０、バス１６０などから構成される。
【００１６】
クローラ部１００は、リンクを辿りながら文書を取得する。
【００１７】
リンク解析部１１０は、クローラ部１００が取得した文書からリンク先のURLを抽出して取得する。
【００１８】
タグ候補抽出部１２０は、リンク解析部１１０がリンク先のURLを抽出して取得する際に、当該文書のリンク先のURLの記載されている箇所の前後を解析し、タグ候補を抽出する。
【００１９】
タグランキング算定部１３０は、タグ候補のランキングを計算し、リンク先のウェブページのタグを判別する。例えば、あるリンク先のウェブページのタグの候補として「猫」という単語が５回、「犬」という単語が１回上がっていた場合に、回数の多い順に並べ替え、タグのランキングを計算し、タグの判別をしている。この例でいえば、回数が最も多い「猫」がリンク先のウェブページのタグとして判別される。ランキングは１番がリンク先１、２番がリンク先３、３番がリンク先２、となる。
【００２０】
タグ管理部１４０は、抽出されたタグ候補とリンク先とリンク数を「タグ候補｜リンク先｜リンク数」という形式でタグ候補データを作成し、タグ候補データを蓄積する装置である。
例えば、「猫」という単語について、リンク先１が５か所のリンク元からリンクが張られていた場合、タグ管理部１４０に「猫｜リンク先１｜５」というタグ候補データを作成し、該タグ候補データを蓄積する。
【００２１】
タグ決定部１５０は、タグランキング算定部１３０の結果に基づき、リンク先のウェブページに付すタグを決定する。本装置は、タグ候補を示すことも可能であり、UIFを持つ他の装置と組み合わせて、人手でタグ付けする場合にタグ付けを支援することも可能である。
また、ランキングの例としては、他に、相互リンクが多いリンク元のタグを優先したり、ベイズ推定を利用したり、TF/IDF（Term Frequency/Inverse Document Frequency）を利用したりすることなどが想定される。
【００２２】
バス１６０は、各部相互間の情報を伝達する。
【００２３】
タグ付け装置１のハードウェア構成を図２を参照して説明する。
デバイス２はタグ付け装置１のハードウェアであり、制御部２００、プログラム記憶部２１０、データベース記憶部２２０、プログラムバッファ２３０，通信部２４０などから構成される。
【００２４】
制御部２００は、例えば、ＣＰＵ（Central Processing Unit）などから構成され、各部を制御する。
プログラム記憶部２１０は、例えば、磁気ディスクなどから構成され、プログラムなどを記憶する
データベース記憶部２２０は、例えば、磁気ディスクなどから構成され、タグ候補データなどを記憶する。
プログラムバッファ部２３０は、制御部２００が実行するプログラムなどを記憶する。
通信部２４０は、例えば、MODEMなどから構成され、制御部２００の制御に従って他の装置と通信する。
【００２５】
次に、図３のフローチャートを参照してタグ候補抽出処理について詳細に説明する。
【００２６】
クローラ部１００は、現在のウェブページから文書を取得する（ステップＳ１０１）。
【００２７】
クローラ部１００は、ステップＳ１０１の処理を完了すると、取得した文書中にリンクが張られているかどうか判別する（ステップＳ１０２）。
【００２８】
クローラ部１００は、取得した文書中にリンクが張られていないと判別した場合（ステップＳ１０２：ＮＯ）次のウェブページへ行き、タグ候補抽出処理を行う（ステップＳ１０３）。
【００２９】
一方、クローラ部１００が、取得した文書中にリンクが張られていると判別した場合（ステップＳ１０２：ＹＥＳ）、リンク解析部１１０はリンク先の情報を取得する（ステップＳ１０４）。
【００３０】
ステップＳ１０４の処理を完了すると、タグ候補抽出部１２０はリンク先の情報の前後を解析してタグ候補を抽出する（ステップＳ１０５）。
【００３１】
ステップＳ１０５の処理を完了すると、タグ管理部１４０は、タグ候補とリンク先とリンク数を「タグ候補｜リンク先｜リンク数」という形式でタグ候補データを作成する（ステップＳ１０６）。
【００３２】
ステップＳ１０６の処理を完了すると、タグランキング算定部１３０は、前記タグ候補データがタグ管理部１４０にないと判別すると（ステップＳ１０７：ＮＯ）、該タグ候補データを新たにタグ管理部１４０に追加する（ステップＳ１０８）。
【００３３】
一方、タグランキング算定部１３０は、タグ候補データがタグ管理部１４０に既にある場合には（ステップＳ１０７：ＹＥＳ）、該タグ候補データのリンク数を１加えて、タグ管理部１４０のタグ候補データを更新する（ステップＳ１０９）。
【００３４】
ここで、蓄積されているタグ候補データについて、図５を参照して説明する。タグ候補データの形式は「タグ候補｜リンク先｜リンク数」であり、蓄積されているデータは、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」では、タグ候補「猫」についてリンク数は５、タグ候補「馬」についてリンク数は１，タグ候補「鳥」についてリンク数は１であり、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」では、タグ候補「犬」についてリンク数は４、タグ候補「猿」についてリンク数は１である。
【００３５】
ステップＳ１０８またはステップＳ１０９の処理を完了すると、タグ決定処理を開始する（ステップＳ１１０）。
【００３６】
ここで、図４のフローチャートを参照してタグ決定処理について詳細に説明する。
【００３７】
タグランキング算定部１３０は、タグ管理部１４０から同一のリンク先のタグ候補データを読み出す（ステップＳ２０１）。
【００３８】
ステップＳ２０１の処理を完了すると、タグランキング算定部１３０は、該リンク先についてのタグ候補データのうちリンク数が最も多いタグ候補を計算する（ステップＳ２０２）。
【００３９】
ステップＳ２０２の処理を完了すると、タグ決定部１５０は、該リンク先についてのリンク数が最も多いタグ候補をリンク先のウェブページのタグとしてタグ付けをする（ステップＳ２０３）。
【００４０】
ステップＳ２０３の処理が完了すると、ステップＳ１０２の処理を再度実行する。
【００４１】
ここで、ハイパーリンクについて、図６を参照して説明する。
「ｗｗｗ．ｌｉｎｋｓａｋｉ．００４」のウェブページにリンク先のウェブページとして「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」と「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」とが記述されているとする。
次に、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」のウェブページと「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」のウェブページとのいずれにもリンク先のウェブページとして「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」が記述されている。
そして、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」のウェブページにリンク先のウェブページとして「ｗｗｗ．ｌｉｎｋｓａｋｉ．０００」が記述されている。
以上のような、ウェブページがリンク付けされていることをハイパーリンクという。
【００４２】
次に、本発明のタグ付け処理について具体的に説明する。
まず、クローラ部１００は、現在のウェブページである文書を取得する。
【００４３】
次に、クローラ部１００は取得した文書中にリンクが張られているかどうか判別する。
【００４４】
ここでは、例えば、クローラ部１００が取得した「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」というウェブページの文書中に、「猫」という単語について「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」というウェブページにリンクが張られていたとする。
【００４５】
リンク解析部１１０は、文書中からリンク先の情報を取得する。
【００４６】
ここでは、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」というリンク先のURL情報を取得する。
【００４７】
次に、タグ候補抽出部１２０は、現リンク先の文書から、リンク先のURL情報「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」の記載箇所の前後を解析して、そこに記載されている「猫」をタグ候補として抽出する。
【００４８】
次に、タグ管理部１４０は、タグ候補データ「猫」について、タグ候補データを作成し、タグランキング算定部１３０は、該タグ候補データがタグ管理部１４０に存在するかどうか判別する。
【００４９】
該タグ候補データがタグ管理部１４０に存在しない場合、タグ管理部１４０は、「猫」というタグ候補について、「猫｜リンク先｜リンク数」（この場合、「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜１」）という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。（図７：例１）
【００５０】
これに対して、タグ候補データがタグ管理部１４０に存在する場合、タグ管理部１４０は、タグ候補データのリンク数を１加える。
【００５１】
例えば、タグ候補「猫」について、タグ管理部１４０に「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜５」というタグ候補データが存在していた場合、タグ管理部１４０は、該タグ候補データを「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜６」として、タグ候補データを更新する。
【００５２】
次に、クローラ部１００は、タグ決定処理を開始する（ステップＳ１１０）。
【００５３】
タグランキング算定部１３０は、タグ管理部１４０からリンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」についてのタグ候補データを読み出す。
【００５４】
ここでは、例えば、「猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜５」というタグ候補データと、「馬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜１」というタグ候補データを抽出してきたとする。
【００５５】
タグランキング算定部１３０は、該タグ候補データに基づいてタグの出現度ランキングを算定する。ここでは、タグ候補「猫」についてのリンク数は５、タグ候補「馬」についてのリンク数は１なので、「猫」をタグとして判別する。
【００５６】
次に、タグ決定部１５０は、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００１」のウェブページに「猫」をタグとしてつける。
【００５７】
なお、タグ候補は、単語に限られるものではない。
【００５８】
例えば、「可愛い猫」という文節については、タグ候補を「可愛い猫」という文節で抽出して、「可愛い猫｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００１｜１」という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。（図７：例２）
【００５９】
また、イメージデータについてリンクがされている場合にも同様で、イメージデータ「犬」についてのリンク先に「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」がある場合、タグ候補を「犬」として「犬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜１」という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。（図７：例３）
【００６０】
これに対して、タグとして意味のない単語、例えば、「ここ」や「ここをクリックして下さい」などはタグ候補として抽出しない。
【００６１】
なお、本発明は上記実施例に限定されるものではない。
【００６２】
クローラ部１００が全てのリンク先文書を収集した後にタグ候補を一括して作成する手順も想定できる。また、それ以外に本装置のそれぞれの処理の手順を変える場合も想定できる。
【００６３】
これにより、例えば、以下のような実施例が考えられる。
【００６４】
まず、クローラ部１００は、現在のウェブページである文書を取得する。
【００６５】
リンク解析部１１０は、文書中からリンク先のURL情報を取得する。
【００６６】
次に、クローラ部１００は取得した文書の中にリンクが張られているかどうか判別する。
【００６７】
「ｗｗｗ．ｌｉｎｋｓａｋｉ．００４」のウェブページの文書に「鹿」という単語について「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、「犬」という単語について「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」というウェブページにリンクが張られていた。
【００６８】
まず、リンク解析部１１０は、リンク先のURL情報「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、及び「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」を取得する。
【００６９】
次に、タグ候補抽出部１２０は、リンク先のURL情報「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」の記載箇所の前後を解析して、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」についてはタグ候補「鹿」を抽出し、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」についてはタグ候補「犬」を抽出する。
【００７０】
次に、タグ管理部１４０は、タグ候補データ「鹿」、「犬」について、タグ候補データを作成し、タグランキング算定部１３０は、該タグ候補データがタグ管理部１４０に存在するかどうか判別する。
【００７１】
該タグ候補データがタグ管理部１４０に存在しない場合、タグ管理部１４０は、「鹿」というタグ候補について「鹿｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜１」）という形式で、タグ候補データを作り、「犬」というタグ候補について「犬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００３｜１」）という形式で、タグ候補データを作り、タグ管理部１４０に蓄積する。
【００７２】
これに対して、タグ候補データがタグ管理部１４０に存在する場合、タグ管理部１４０は、タグ候補データのリンク数を１加えて、タグ候補データを更新する。
【００７３】
次に、タグ決定部１５０は、タグ付け処理を開始する。
【００７４】
タグランキング算定部１３０は、タグ管理部１４０からリンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」、「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」についてのタグ候補データを読み出す。
【００７５】
ここでは、例えば、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」については、「鹿｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜５」というタグ候補データと、「鳥｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００２｜１」というタグ候補データを抽出し、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」については、「犬｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００３｜４」というタグ候補データと、「猿｜ｗｗｗ．ｌｉｎｋｓａｋｉ．００３｜１」というタグ候補データを抽出してきたとする。
【００７６】
よって、タグランキング算定部１３０は、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」については「鹿」をタグとして判別し、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」については「犬」をタグとして判別し、タグ決定部１５０は、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００２」については「鹿」をタグとして付け、リンク先「ｗｗｗ．ｌｉｎｋｓａｋｉ．００３」については「犬」をタグとして付ける、という実施例が考えられる。
【００７７】
本発明を実施するにあたっては、種々の形態による変形及び応用が可能であり、上記の実施形態に限られない。
【００７８】
また、上記実施形態の説明に用いた模式図やフローチャート等は、本発明の趣旨を逸脱しない範囲で適宜変更しても良い。
【００７９】
図３、４に示すフローチャートは、タグ付け装置の動作を説明するとともに、タグ付け方法をも示す。
【００８０】
タグ付け装置はコンピュータの一種であるため、図３、４に示すフローチャートは、タグ付けを実行するための動作プログラムの内容をも示す。
【００８１】
また、上記実施形態に係るタグ付け装置により実行される機能は、ソフトウェアに限らず、専用のハードウェアによって実現することもできる。
【００８２】
上記実施形態では、タグ付け装置において、動作プログラムがＲＯＭ等に予め記憶されているものとして説明した。しかし、上述の処理動作を実行させるためのプログラムを、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto-Optical disk）等のコンピュータ読み取り可能な記録媒体に格納して配布し、そのプログラムをコンピュータにインストールすることにより、上述の処理動作を実行する装置を構成しても良い。
【００８３】
また、プログラムをインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロード等するようにしても良い。更に、通信ネットワークを介してプログラムを転送しながら起動実行することによっても、上述の処理を達成することができる。
【００８４】
また、上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等しても良い。
【００８５】
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
【００８６】
（付記１）
リンク先のウェブページを特定する情報を含むテキストからなる特定の文書に基づき、前記リンクを辿りながらテキストとして複数の文書を取得するクローラ部と、
前記特定の文書、及びクローラ部により取得された文書データのそれぞれを解析して前記リンク先のウェブページを特定する情報を抽出するリンク解析部と、
前記リンク解析部により抽出された前記リンク先のウェブページを特定する情報の記載箇所の前後を解析してタグの候補となる語句をタグ候補として抽出するタグ候補抽出部と、
複数の前記抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定部と、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定部と、
を備える、ことを特徴とするタグ付け装置。
【００８７】
（付記２）
前記タグランキングは、前記リンク解析部により抽出されたリンク先の情報と、前記タグ候補抽出部により抽出された語句との組み合わせ毎に該組み合わせが抽出された回数であることを特徴とする付記１に記載のタグ付け装置。
【００８８】
（付記３）
前記リンク解析部により抽出されたリンク先を特定する情報と前記タグ候補抽出部により抽出されたタグの候補となる語句との組み合わせと、該組み合わせの出現回数とを対応付けて記憶するデータベースを備え、
該データベースは、前記リンク解析部が抽出したリンク先情報と前記タグ候補抽出部が抽出した語句との組み合わせについて、新規な組み合わせであるか登録済みであるかを判別する判別手段と、該判別手段が新規な組み合わせであると判別した場合には、該組み合わせを登録すると共に抽出回数を１とし、登録済みの組み合わせであると判別した場合には、抽出回数を更新するデータ更新手段と、
を備える、ことを特徴とする付記１又は２に記載のタグ付け装置。
【００８９】
（付記４）
前記タグ決定部は、前記データベースの登録データを解析し、前記タグランキング算定部により抽出回数が計数されたリンク先の情報とタグの候補となる語句との組み合わせについて、リンク先の情報が同一のものを特定し、特定した組のうちで、前記タグランキング算定部により計数された抽出回数が最大である組の語句をタグとして付与する、ことを特徴とする付記１乃至３のいずれか１項に記載のタグ付け装置。
【００９０】
（付記５）
ネットワーク上のウェブページを収集して記憶する蓄積手段を備え、
前記リンク解析部と前記タグ候補抽出部とは、前記蓄積手段に蓄積されたウェブページを順次解析する、
ことを特徴とする付記１乃至４のいずれか１項に記載のタグ付け装置。
【００９１】
（付記６）
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出し、
リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出し、
該タグ候補のそれぞれの出現頻度であるタグランキングを算定して、タグを決定する、
ことを特徴とするタグ付け方法。
【００９２】
（付記７）
コンピュータを、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出するリンク解析手段、
前記リンク解析手段により抽出された前記リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出するタグ候補抽出手段、
前記タグ候補抽出手段により抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定手段、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定手段、として機能させる、
ことを特徴とするプログラム。
【符号の説明】
【００９３】
１ タグ付け装置
２ デバイス
１００ クローラ部
１１０ リンク解析部
１２０ タグ候補抽出部
１３０ タグランキング算定部
１４０ タグ管理部
１５０ タグ決定部
１６０ バス
２００ 制御部
２１０ プログラム記憶部
２２０ データベース記憶部
２３０ プログラムバッファ部
２４０ 通信部
【特許請求の範囲】
【請求項１】
リンク先のウェブページを特定する情報を含むテキストからなる特定の文書に基づき、前記リンクを辿りながらテキストとして複数の文書を取得するクローラ部と、
前記特定の文書、及びクローラ部により取得された文書データのそれぞれを解析して前記リンク先のウェブページを特定する情報を抽出するリンク解析部と、
前記リンク解析部により抽出された前記リンク先のウェブページを特定する情報の記載箇所の前後を解析してタグの候補となる語句をタグ候補として抽出するタグ候補抽出部と、
複数の前記抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定部と、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定部と、
を備える、ことを特徴とするタグ付け装置。
【請求項２】
前記タグランキングは、前記リンク解析部により抽出されたリンク先の情報と、前記タグ候補抽出部により抽出された語句との組み合わせ毎に該組み合わせが抽出された回数であることを特徴とする請求項１に記載のタグ付け装置。
【請求項３】
前記リンク解析部により抽出されたリンク先を特定する情報と前記タグ候補抽出部により抽出されたタグの候補となる語句との組み合わせと、該組み合わせの出現回数とを対応付けて記憶するデータベースを備え、
該データベースは、前記リンク解析部が抽出したリンク先情報と前記タグ候補抽出部が抽出した語句との組み合わせについて、新規な組み合わせであるか登録済みであるかを判別する判別手段と、該判別手段が新規な組み合わせであると判別した場合には、該組み合わせを登録すると共に抽出回数を１とし、登録済みの組み合わせであると判別した場合には、抽出回数を更新するデータ更新手段と、
を備える、ことを特徴とする請求項１又は２に記載のタグ付け装置。
【請求項４】
前記タグ決定部は、前記データベースの登録データを解析し、前記タグランキング算定部により抽出回数が計数されたリンク先の情報とタグの候補となる語句との組み合わせについて、リンク先の情報が同一のものを特定し、特定した組のうちで、前記タグランキング算定部により計数された抽出回数が最大である組の語句をタグとして付与する、ことを特徴とする請求項１乃至３のいずれか１項に記載のタグ付け装置。
【請求項５】
ネットワーク上のウェブページを収集して記憶する蓄積手段を備え、
前記リンク解析部と前記タグ候補抽出部とは、前記蓄積手段に蓄積されたウェブページを順次解析する、
ことを特徴とする請求項１乃至４のいずれか１項に記載のタグ付け装置。
【請求項６】
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出し、
リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出し、
該タグ候補のそれぞれの出現頻度であるタグランキングを算定して、タグを決定する、
ことを特徴とするタグ付け方法。
【請求項７】
コンピュータを、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出するリンク解析手段、
前記リンク解析手段により抽出された前記リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出するタグ候補抽出手段、
前記タグ候補抽出手段により抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定手段、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定手段、として機能させる、
ことを特徴とするプログラム。
【請求項１】
リンク先のウェブページを特定する情報を含むテキストからなる特定の文書に基づき、前記リンクを辿りながらテキストとして複数の文書を取得するクローラ部と、
前記特定の文書、及びクローラ部により取得された文書データのそれぞれを解析して前記リンク先のウェブページを特定する情報を抽出するリンク解析部と、
前記リンク解析部により抽出された前記リンク先のウェブページを特定する情報の記載箇所の前後を解析してタグの候補となる語句をタグ候補として抽出するタグ候補抽出部と、
複数の前記抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定部と、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定部と、
を備える、ことを特徴とするタグ付け装置。
【請求項２】
前記タグランキングは、前記リンク解析部により抽出されたリンク先の情報と、前記タグ候補抽出部により抽出された語句との組み合わせ毎に該組み合わせが抽出された回数であることを特徴とする請求項１に記載のタグ付け装置。
【請求項３】
前記リンク解析部により抽出されたリンク先を特定する情報と前記タグ候補抽出部により抽出されたタグの候補となる語句との組み合わせと、該組み合わせの出現回数とを対応付けて記憶するデータベースを備え、
該データベースは、前記リンク解析部が抽出したリンク先情報と前記タグ候補抽出部が抽出した語句との組み合わせについて、新規な組み合わせであるか登録済みであるかを判別する判別手段と、該判別手段が新規な組み合わせであると判別した場合には、該組み合わせを登録すると共に抽出回数を１とし、登録済みの組み合わせであると判別した場合には、抽出回数を更新するデータ更新手段と、
を備える、ことを特徴とする請求項１又は２に記載のタグ付け装置。
【請求項４】
前記タグ決定部は、前記データベースの登録データを解析し、前記タグランキング算定部により抽出回数が計数されたリンク先の情報とタグの候補となる語句との組み合わせについて、リンク先の情報が同一のものを特定し、特定した組のうちで、前記タグランキング算定部により計数された抽出回数が最大である組の語句をタグとして付与する、ことを特徴とする請求項１乃至３のいずれか１項に記載のタグ付け装置。
【請求項５】
ネットワーク上のウェブページを収集して記憶する蓄積手段を備え、
前記リンク解析部と前記タグ候補抽出部とは、前記蓄積手段に蓄積されたウェブページを順次解析する、
ことを特徴とする請求項１乃至４のいずれか１項に記載のタグ付け装置。
【請求項６】
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出し、
リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出し、
該タグ候補のそれぞれの出現頻度であるタグランキングを算定して、タグを決定する、
ことを特徴とするタグ付け方法。
【請求項７】
コンピュータを、
リンク先のウェブページを特定する情報と語句とが記述されている複数のウェブページを解析してリンク先の情報を抽出するリンク解析手段、
前記リンク解析手段により抽出された前記リンク先を特定する情報の前と後の少なくとも一方を解析してリンク先のウェブページのタグの候補となる語句を抽出するタグ候補抽出手段、
前記タグ候補抽出手段により抽出されたタグ候補から、該タグ候補のそれぞれの出現頻度であるタグランキングを算定するタグランキング算定手段、
前記タグランキングの算定結果に基づき、タグを決定するタグ決定手段、として機能させる、
ことを特徴とするプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２０１２−５３６７２（Ｐ２０１２−５３６７２Ａ）
【公開日】平成２４年３月１５日（２０１２．３．１５）
【国際特許分類】
【出願番号】特願２０１０−１９５８４７（Ｐ２０１０−１９５８４７）
【出願日】平成２２年９月１日（２０１０．９．１）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２４年３月１５日（２０１２．３．１５）
【国際特許分類】
【出願日】平成２２年９月１日（２０１０．９．１）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]