JP2003281184A - 配置情報推薦装置、その方法、プログラム - Google Patents
配置情報推薦装置、その方法、プログラムInfo
- Publication number
- JP2003281184A JP2003281184A JP2002078830A JP2002078830A JP2003281184A JP 2003281184 A JP2003281184 A JP 2003281184A JP 2002078830 A JP2002078830 A JP 2002078830A JP 2002078830 A JP2002078830 A JP 2002078830A JP 2003281184 A JP2003281184 A JP 2003281184A
- Authority
- JP
- Japan
- Prior art keywords
- category
- information
- storage device
- url
- recommendation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 95
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 42
- 241001522296 Erithacus rubecula Species 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 83
- 230000008569 process Effects 0.000 description 62
- 230000006870 function Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 24
- 230000010365 information processing Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- XUKUURHRXDUEBC-KAYWLYCHSA-N Atorvastatin Chemical compound C=1C=CC=CC=1C1=C(C=2C=CC(F)=CC=2)N(CC[C@@H](O)C[C@@H](O)CC(O)=O)C(C(C)C)=C1C(=O)NC1=CC=CC=C1 XUKUURHRXDUEBC-KAYWLYCHSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/954—Navigation, e.g. using categorised browsing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99935—Query augmenting and refining, e.g. inexact access
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99941—Database schema or data structure
- Y10S707/99943—Generating database or data structure, e.g. via user interface
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
(57)【要約】
【課題】 ユーザが少数であっても有効なＵＲＬの推薦
が受けられ、また文書ディレクトリの登録作業を軽減で
きるようにする。 【解決手段】 カテゴリ比較装置１３は、文書ディレク
トリ格納装置１１、ブックマーク格納装置１２の各々か
ら、文書ディレクトリの各カテゴリ、ブックマークの各
カテゴリとこれら各カテゴリに登録されているＵＲＬを
取得して、これら全てのカテゴリについて総当りでカテ
ゴリの組を作成し、各カテゴリの組毎に類似度を算出す
る。ＵＲＬ推薦候補抽出装置１４は、全てのカテゴリの
組の中で、関連性が高いカテゴリの組を選別し、選別し
た各カテゴリの組毎に、互いに推薦すべきＵＲＬの候補
を抽出する。ディレクトリへのＵＲＬ推薦装置１５/ブ
ックマークへのＵＲＬ推薦装置１６は、各々、ＵＲＬ推
薦候補に基づいて、文書ディレクトリ格納装置１１/ブ
ックマーク格納装置１２に格納されている各カテゴリに
追加すべきＵＲＬを推薦する。
が受けられ、また文書ディレクトリの登録作業を軽減で
きるようにする。 【解決手段】 カテゴリ比較装置１３は、文書ディレク
トリ格納装置１１、ブックマーク格納装置１２の各々か
ら、文書ディレクトリの各カテゴリ、ブックマークの各
カテゴリとこれら各カテゴリに登録されているＵＲＬを
取得して、これら全てのカテゴリについて総当りでカテ
ゴリの組を作成し、各カテゴリの組毎に類似度を算出す
る。ＵＲＬ推薦候補抽出装置１４は、全てのカテゴリの
組の中で、関連性が高いカテゴリの組を選別し、選別し
た各カテゴリの組毎に、互いに推薦すべきＵＲＬの候補
を抽出する。ディレクトリへのＵＲＬ推薦装置１５/ブ
ックマークへのＵＲＬ推薦装置１６は、各々、ＵＲＬ推
薦候補に基づいて、文書ディレクトリ格納装置１１/ブ
ックマーク格納装置１２に格納されている各カテゴリに
追加すべきＵＲＬを推薦する。
Description
【０００１】
【発明の属する技術分野】本発明は、ＵＲＬ等の配置情
報の管理を支援する装置、方法等に関する。
報の管理を支援する装置、方法等に関する。
【０００２】
【従来の技術】従来より、インターネット・ユーザの多
くは、自分が気に入ったサイトや頻繁にアクセスする特
定のウェブ・ページのＵＲＬ（Uniform Resource Loc
ator）を登録し、次回アクセスを容易にさせる機能を利
用している。このような機能は、“ブックマーク”ある
いは“お気に入り”等と呼ばれている。以下、“ブック
マーク”を例にする。
くは、自分が気に入ったサイトや頻繁にアクセスする特
定のウェブ・ページのＵＲＬ（Uniform Resource Loc
ator）を登録し、次回アクセスを容易にさせる機能を利
用している。このような機能は、“ブックマーク”ある
いは“お気に入り”等と呼ばれている。以下、“ブック
マーク”を例にする。
【０００３】ところで、ＵＲＬは変化が激しく、すぐに
陳腐化するという問題がある。例えば、ＵＲＬの指すＷ
ｅｂページが無くなる/移動する（所謂、リンク切れ）
が、その代表である。また、ＵＲＬの指すＷｅｂページ
の内容が古くなり、役に立たなくなるということもあ
る。
陳腐化するという問題がある。例えば、ＵＲＬの指すＷ
ｅｂページが無くなる/移動する（所謂、リンク切れ）
が、その代表である。また、ＵＲＬの指すＷｅｂページ
の内容が古くなり、役に立たなくなるということもあ
る。
【０００４】そして、自分が登録しているＷｅｂページ
の他にも有益なＷｅｂページがあるにも係わらず、それ
を知らない為に登録されていない、ということもブック
マークの陳腐化と言える。
の他にも有益なＷｅｂページがあるにも係わらず、それ
を知らない為に登録されていない、ということもブック
マークの陳腐化と言える。
【０００５】このような問題に対して、従来、例えば
「ブリンク（http://ｗｗｗ.blink.co.jp/）では、協調
フィルタリングを用いた以下に述べるサービスを提供し
ている。尚、協調フィルタリングとは、ユーザの嗜好情
報を記録し、そのユーザと似たようなし嗜好を持つユー
ザの嗜好情報をもとに、ユーザの嗜好を推測するという
既知手法であり、ユーザ毎の嗜好情報が多い方が、また
ユーザの数が多い方が、正確な推測が可能となることが
知られている。
「ブリンク（http://ｗｗｗ.blink.co.jp/）では、協調
フィルタリングを用いた以下に述べるサービスを提供し
ている。尚、協調フィルタリングとは、ユーザの嗜好情
報を記録し、そのユーザと似たようなし嗜好を持つユー
ザの嗜好情報をもとに、ユーザの嗜好を推測するという
既知手法であり、ユーザ毎の嗜好情報が多い方が、また
ユーザの数が多い方が、正確な推測が可能となることが
知られている。
【０００６】上記「ブリンク」では、まず、各ユーザが
自己のブックマークをサーバに登録しておく。サーバ
は、例えば、定期的に、各登録ブックマークを他人の登
録ブックマークと比較して、同じＵＲＬを持つブックマ
ークの組を捜し出して、この各組毎に差分（一方に登録
されているが、他方には登録されていないＵＲＬ）を抽
出することで、個人のブックマークを新鮮に保つことが
できるサービスを提供している。
自己のブックマークをサーバに登録しておく。サーバ
は、例えば、定期的に、各登録ブックマークを他人の登
録ブックマークと比較して、同じＵＲＬを持つブックマ
ークの組を捜し出して、この各組毎に差分（一方に登録
されているが、他方には登録されていないＵＲＬ）を抽
出することで、個人のブックマークを新鮮に保つことが
できるサービスを提供している。
【０００７】
【発明が解決しようとする課題】しかしながら、上記ブ
リンクのサービスでは、十分に多くのユーザ（数万人以
上）のブックマークを登録/利用できる場合には有効で
あるが、ユーザ数が少人数（数十人〜数百人程度）であ
る場合には、適用しても、うまく機能しないという問題
があった。これは、実験的/経験的に確認されているこ
とである。
リンクのサービスでは、十分に多くのユーザ（数万人以
上）のブックマークを登録/利用できる場合には有効で
あるが、ユーザ数が少人数（数十人〜数百人程度）であ
る場合には、適用しても、うまく機能しないという問題
があった。これは、実験的/経験的に確認されているこ
とである。
【０００８】更に、他のユーザのブックマークとの差分
が、役に立つ内容のＵＲＬである確率は、必ずしも高い
とは言えないという問題があった。また、ここで、従来
より、インターネットやイントラネット上に配置された
有用な情報を、階層化されたカテゴリに分類・整理して
提供する（以下、文書ディレクトリと呼ぶ）というサー
ビスが実現されている（例えば、Yahoo！、goo，ＯＤＰ
（Open Directory Project）等）。
が、役に立つ内容のＵＲＬである確率は、必ずしも高い
とは言えないという問題があった。また、ここで、従来
より、インターネットやイントラネット上に配置された
有用な情報を、階層化されたカテゴリに分類・整理して
提供する（以下、文書ディレクトリと呼ぶ）というサー
ビスが実現されている（例えば、Yahoo！、goo，ＯＤＰ
（Open Directory Project）等）。
【０００９】このような文書ディレクトリ・サービス業
者においては、文書ディレクトリに登録すべきＵＲＬ
を、インターネット又はイントラネット上から見つけ出
し、これを適切なカテゴリに登録する作業を、人手によ
って行なっているが、ＵＲＬの数は現在膨大な量となっ
ており、また増えつづけており、ある業者においては数
百人もの人数を掛けて上記登録作業を行っているが、作
業負担が大きい状態となっている。
者においては、文書ディレクトリに登録すべきＵＲＬ
を、インターネット又はイントラネット上から見つけ出
し、これを適切なカテゴリに登録する作業を、人手によ
って行なっているが、ＵＲＬの数は現在膨大な量となっ
ており、また増えつづけており、ある業者においては数
百人もの人数を掛けて上記登録作業を行っているが、作
業負担が大きい状態となっている。
【００１０】また、イントラネット等においても、近
年、企業などの組織内において多くのＷｅｂサーバが運
用されるようになり、インターネットにおけるYahoo！
等と同様に、組織内向けの文書ディレクトリを構築した
いという要求が増えてきている。このような組織内向け
の文書ディレクトリの維持/管理は、通常、少人数で行
っている場合が多いので、規模は比較的小さくても、や
はり作業負担が大きい。
年、企業などの組織内において多くのＷｅｂサーバが運
用されるようになり、インターネットにおけるYahoo！
等と同様に、組織内向けの文書ディレクトリを構築した
いという要求が増えてきている。このような組織内向け
の文書ディレクトリの維持/管理は、通常、少人数で行
っている場合が多いので、規模は比較的小さくても、や
はり作業負担が大きい。
【００１１】この為、上記文書ディレクトリの維持/管
理作業を、部分的にでも自動化できるようにすること
で、作業負担を軽減し、以って維持/管理コストを低減
することが望まれている。
理作業を、部分的にでも自動化できるようにすること
で、作業負担を軽減し、以って維持/管理コストを低減
することが望まれている。
【００１２】文書ディレクトリの自動構造化の技術とし
ては、従来、クラスタリングによる方法が知られてい
る。これは、内容が似た文書は同じ集合に含まれるよう
に集合を作成する手法である。それぞれの集合の代表的
なキーワードをカテゴリ名とする。集合の階層構造の作
成は、集合間の類似性によって“集合の集合”を上位階
層とする方法や、集合に含まれるキーワードの関係を用
いる方法が提案されているが、品質の点で人手に及ばな
い。商用ディレクトリでは、これらの技術は補助的に使
うに留まっている。
ては、従来、クラスタリングによる方法が知られてい
る。これは、内容が似た文書は同じ集合に含まれるよう
に集合を作成する手法である。それぞれの集合の代表的
なキーワードをカテゴリ名とする。集合の階層構造の作
成は、集合間の類似性によって“集合の集合”を上位階
層とする方法や、集合に含まれるキーワードの関係を用
いる方法が提案されているが、品質の点で人手に及ばな
い。商用ディレクトリでは、これらの技術は補助的に使
うに留まっている。
【００１３】また、本発明の発明者は、既に、“「文書
ディレクトリ管理のための自動収集、自動分類の利用-
ＵＲＬ自動推薦システム-」、鵜飼孝典、片山佳則、津
田宏；５Ｃ-０１ 人工知能学会全国大会（２００１
年）”を提案している。
ディレクトリ管理のための自動収集、自動分類の利用-
ＵＲＬ自動推薦システム-」、鵜飼孝典、片山佳則、津
田宏；５Ｃ-０１ 人工知能学会全国大会（２００１
年）”を提案している。
【００１４】この既提案手法では、大まかには、インタ
ーネットやイントラネットから、ディレクトリに載せる
べき優良なＵＲＬを自動的に収集する処理と、この優良
なＵＲＬが指す文書（ホームページ）を、適当なカテゴ
リに割り当てる処理とより成る。優良なＵＲＬを自動的
に収集する処理には、コンテンツベース、リンクベー
ス、ログベースのアプローチがあるが、コンテンツベー
ス/リンクベースは、計算コストが掛かる/優良と判断さ
れるＵＲＬが特定の内容を指すＵＲＬに偏る、などの問
題がある為、ログベースのアプローチを採用する。この
アプローチにおいて、検索ログから高い頻度で使われる
キーワードを取り出して、このキーワードを用いて検索
を行い、このキーワードに関連するＵＲＬを選び出す手
法を提案している。
ーネットやイントラネットから、ディレクトリに載せる
べき優良なＵＲＬを自動的に収集する処理と、この優良
なＵＲＬが指す文書（ホームページ）を、適当なカテゴ
リに割り当てる処理とより成る。優良なＵＲＬを自動的
に収集する処理には、コンテンツベース、リンクベー
ス、ログベースのアプローチがあるが、コンテンツベー
ス/リンクベースは、計算コストが掛かる/優良と判断さ
れるＵＲＬが特定の内容を指すＵＲＬに偏る、などの問
題がある為、ログベースのアプローチを採用する。この
アプローチにおいて、検索ログから高い頻度で使われる
キーワードを取り出して、このキーワードを用いて検索
を行い、このキーワードに関連するＵＲＬを選び出す手
法を提案している。
【００１５】しかしながら、この手法では、未だ十分な
正解率が得られず、より高い正解率が得られるようにす
ることが望まれている（尚、正解率の正解とは、各ＵＲ
Ｌを適切なカテゴリに登録できたことを言う。逆に言え
ば、不正解とは、ある１つのカテゴリを例にすると、こ
のカテゴリには不適切なＵＲＬが推薦された（例えば
“車”のカテゴリに“飛行機”に関するコンテンツのＵ
ＲＬが推薦された）場合や、本来このカテゴリに推薦さ
れるべきＵＲＬが推薦されなかった場合等である）。
正解率が得られず、より高い正解率が得られるようにす
ることが望まれている（尚、正解率の正解とは、各ＵＲ
Ｌを適切なカテゴリに登録できたことを言う。逆に言え
ば、不正解とは、ある１つのカテゴリを例にすると、こ
のカテゴリには不適切なＵＲＬが推薦された（例えば
“車”のカテゴリに“飛行機”に関するコンテンツのＵ
ＲＬが推薦された）場合や、本来このカテゴリに推薦さ
れるべきＵＲＬが推薦されなかった場合等である）。
【００１６】本発明の課題は、ブックマークだけでなく
文書ディレクトリも用いることで、登録ユーザが比較的
少数であっても有効な推薦が受けられ、更に推薦された
ＵＲＬが役立つ可能性を高めることができ、また文書デ
ィレクトリにおける登録作業を軽減させ以って維持/管
理コストを低減できる配置情報推薦装置、その方法、プ
ログラム等を提供することである。
文書ディレクトリも用いることで、登録ユーザが比較的
少数であっても有効な推薦が受けられ、更に推薦された
ＵＲＬが役立つ可能性を高めることができ、また文書デ
ィレクトリにおける登録作業を軽減させ以って維持/管
理コストを低減できる配置情報推薦装置、その方法、プ
ログラム等を提供することである。
【００１７】
【課題を解決するための手段】本発明による請求項１記
載の配置情報推薦装置は、ネットワーク上の配置情報を
各カテゴリに格納する配置情報格納装置と、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
るカテゴリ比較手段と、該類似度が第１の閾値以上であ
るカテゴリの組を選別し、該選別した各カテゴリの組毎
に互いに推薦すべき配置情報の候補を抽出する配置情報
推薦候補抽出手段と、前記選別された各カテゴリの組毎
に、該配置情報推薦候補抽出手段により抽出された推薦
すべき配置情報の候補に基づいて、前記配置情報格納装
置に対して各カテゴリに登録すべき配置情報を推薦する
第１の推薦手段とを有するように構成する。
載の配置情報推薦装置は、ネットワーク上の配置情報を
各カテゴリに格納する配置情報格納装置と、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
るカテゴリ比較手段と、該類似度が第１の閾値以上であ
るカテゴリの組を選別し、該選別した各カテゴリの組毎
に互いに推薦すべき配置情報の候補を抽出する配置情報
推薦候補抽出手段と、前記選別された各カテゴリの組毎
に、該配置情報推薦候補抽出手段により抽出された推薦
すべき配置情報の候補に基づいて、前記配置情報格納装
置に対して各カテゴリに登録すべき配置情報を推薦する
第１の推薦手段とを有するように構成する。
【００１８】上記請求項１記載の配置情報推薦装置によ
れば、各ユーザの個人登録配置情報（例えばブックマー
ク等）を利用して、各カテゴリ毎に関連性が高いカテゴ
リから配置情報を推薦するので、前記配置情報格納装置
の管理者等（例えばＹａｈｏｏ！等のような大規模な文
書ディレクトリや、イントラネット上の小規模な文書デ
ィレクトリの管理者）にとっては、配置情報の管理作業
（例えば、ＵＲＬ等の追加等）が軽減される。
れば、各ユーザの個人登録配置情報（例えばブックマー
ク等）を利用して、各カテゴリ毎に関連性が高いカテゴ
リから配置情報を推薦するので、前記配置情報格納装置
の管理者等（例えばＹａｈｏｏ！等のような大規模な文
書ディレクトリや、イントラネット上の小規模な文書デ
ィレクトリの管理者）にとっては、配置情報の管理作業
（例えば、ＵＲＬ等の追加等）が軽減される。
【００１９】本発明による請求項２記載の配置情報推薦
装置は、ネットワーク上の配置情報を各カテゴリに格納
する配置情報格納装置と、複数のユーザの各個人登録配
置情報を各カテゴリに格納する個人登録配置情報格納装
置の各々から、前記各カテゴリと該カテゴリに含まれる
配置情報とを取得して、各カテゴリの組を作成すると共
に各カテゴリの組毎に類似度を算出するカテゴリ比較手
段と、該類似度が第１の閾値以上であるカテゴリの組を
選別し、該選別した各カテゴリの組毎に互いに推薦すべ
き配置情報の候補を抽出する配置情報推薦候補抽出手段
と、前記選別された各カテゴリの組毎に、該配置情報推
薦候補抽出手段により抽出された推薦すべき配置情報の
候補に基づいて、前記個人登録配置情報格納装置に対し
て各カテゴリに登録すべき配置情報を推薦する第２の推
薦手段とを有するように構成する。
装置は、ネットワーク上の配置情報を各カテゴリに格納
する配置情報格納装置と、複数のユーザの各個人登録配
置情報を各カテゴリに格納する個人登録配置情報格納装
置の各々から、前記各カテゴリと該カテゴリに含まれる
配置情報とを取得して、各カテゴリの組を作成すると共
に各カテゴリの組毎に類似度を算出するカテゴリ比較手
段と、該類似度が第１の閾値以上であるカテゴリの組を
選別し、該選別した各カテゴリの組毎に互いに推薦すべ
き配置情報の候補を抽出する配置情報推薦候補抽出手段
と、前記選別された各カテゴリの組毎に、該配置情報推
薦候補抽出手段により抽出された推薦すべき配置情報の
候補に基づいて、前記個人登録配置情報格納装置に対し
て各カテゴリに登録すべき配置情報を推薦する第２の推
薦手段とを有するように構成する。
【００２０】上記請求項２記載の配置情報推薦装置によ
れば、他のユーザの個人登録配置情報（例えばブックマ
ーク等）だけでなく、配置情報格納装置のデータも利用
することにより、たとえユーザ数が少なくても有効な配
置情報の推薦が受けられるようになる。
れば、他のユーザの個人登録配置情報（例えばブックマ
ーク等）だけでなく、配置情報格納装置のデータも利用
することにより、たとえユーザ数が少なくても有効な配
置情報の推薦が受けられるようになる。
【００２１】また、上記請求項１又は請求項２の配置情
報推薦装置において、例えば、前記各配置情報毎に該配
置情報が指すコンテンツに対する全アクセス数または各
ユーザ毎のアクセス数を格納するアクセス数格納手段を
更に有し、配置情報推薦候補抽出手段は、前記アクセス
数が第２の閾値以下である配置情報は前記推薦すべき配
置情報の候補から除外するようにしてもよい。
報推薦装置において、例えば、前記各配置情報毎に該配
置情報が指すコンテンツに対する全アクセス数または各
ユーザ毎のアクセス数を格納するアクセス数格納手段を
更に有し、配置情報推薦候補抽出手段は、前記アクセス
数が第２の閾値以下である配置情報は前記推薦すべき配
置情報の候補から除外するようにしてもよい。
【００２２】一般に、アクセス数が多い配置情報（ＵＲ
Ｌ等）のコンテンツは、優良（役に立つ）なコンテンツ
である可能性が高い。これより、アクセス数があまり多
くない配置情報を、推薦候補から外すようにすること
で、役に立つ可能性が低い配置情報が推薦されないよう
にできる。
Ｌ等）のコンテンツは、優良（役に立つ）なコンテンツ
である可能性が高い。これより、アクセス数があまり多
くない配置情報を、推薦候補から外すようにすること
で、役に立つ可能性が低い配置情報が推薦されないよう
にできる。
【００２３】また、例えば、更に、前記配置情報推薦候
補抽出手段は、前記抽出した推薦すべき配置情報の候補
に優先順位を付け、前記推薦手段は、優先順位が高い配
置情報から順に前記配置情報格納装置または前記個人登
録配置情報格納装置に対して推薦するように構成しても
よい。
補抽出手段は、前記抽出した推薦すべき配置情報の候補
に優先順位を付け、前記推薦手段は、優先順位が高い配
置情報から順に前記配置情報格納装置または前記個人登
録配置情報格納装置に対して推薦するように構成しても
よい。
【００２４】このようにすることで、より優良な配置情
報が優先的に推薦されるようになる。これは、特に、推
薦候補が多くて、推薦する数を制限する場合には非常に
有効となる。
報が優先的に推薦されるようになる。これは、特に、推
薦候補が多くて、推薦する数を制限する場合には非常に
有効となる。
【００２５】また、例えば、前記配置情報格納装置に格
納されているカテゴリに対する重みを設定させ格納する
重み調整手段を更に備え、前記配置情報推薦候補抽出手
段は、該重みを用いて前記優先順位を決定するようにし
てもよい。
納されているカテゴリに対する重みを設定させ格納する
重み調整手段を更に備え、前記配置情報推薦候補抽出手
段は、該重みを用いて前記優先順位を決定するようにし
てもよい。
【００２６】例えば、配置情報の優先順位の決定方法と
して、その配置情報が登録されているカテゴリの数を用
いる方法がある。これは、例えば、多くのユーザがブッ
クマーク等に登録している配置情報は、優良である可能
性が高いという考えに基づくものである。一方で、当該
配置情報を登録しているユーザ数がたとえ少なくても、
当該配置情報が配置情報格納装置に格納されているカテ
ゴリに登録されているものであるならば、優先的に推薦
を受けたいと考えるユーザも存在するかもしれない。こ
の場合、上記重みの設定値を大きくすればよい。このよ
うに、上記重みを調整することで、各ユーザは自己にと
って都合が良い推薦を受けることができる。尚、重みの
調整は、上記配置情報格納装置の管理者等が行うことも
できる。
して、その配置情報が登録されているカテゴリの数を用
いる方法がある。これは、例えば、多くのユーザがブッ
クマーク等に登録している配置情報は、優良である可能
性が高いという考えに基づくものである。一方で、当該
配置情報を登録しているユーザ数がたとえ少なくても、
当該配置情報が配置情報格納装置に格納されているカテ
ゴリに登録されているものであるならば、優先的に推薦
を受けたいと考えるユーザも存在するかもしれない。こ
の場合、上記重みの設定値を大きくすればよい。このよ
うに、上記重みを調整することで、各ユーザは自己にと
って都合が良い推薦を受けることができる。尚、重みの
調整は、上記配置情報格納装置の管理者等が行うことも
できる。
【００２７】また、例えば、前記第１の推薦手段又は前
記第２の推薦手段は、前記配置情報格納装置または前記
個人登録配置情報格納装置に対して推薦する配置情報の
数を、各カテゴリ毎に第３の閾値までとするようにして
もよい。
記第２の推薦手段は、前記配置情報格納装置または前記
個人登録配置情報格納装置に対して推薦する配置情報の
数を、各カテゴリ毎に第３の閾値までとするようにして
もよい。
【００２８】また、本発明は、上記装置としての形態に
限らず、方法、またはこれら装置、方法をコンピュータ
において実現させるプログラムとして構成することもで
きる。
限らず、方法、またはこれら装置、方法をコンピュータ
において実現させるプログラムとして構成することもで
きる。
【００２９】例えば、請求項７記載の配置情報推薦方法
は、ネットワーク上の配置情報を各カテゴリに格納する
配置情報格納装置と、複数のユーザの各個人登録配置情
報を各カテゴリに格納する個人登録配置情報格納装置と
から、前記各カテゴリと該カテゴリに含まれる配置情報
とを取得して、各カテゴリの組を作成すると共に各カテ
ゴリの組毎に類似度を算出し、該類似度が第１の閾値以
上であるカテゴリの組を選別し、該選別した各カテゴリ
の組毎に互いに推薦すべき配置情報の候補を抽出し、前
記選別された各カテゴリの組毎に、該抽出された推薦す
べき配置情報の候補に基づいて、前記配置情報格納装置
または前記個人登録配置情報格納装置に対して各カテゴ
リに登録すべき配置情報を推薦する。
は、ネットワーク上の配置情報を各カテゴリに格納する
配置情報格納装置と、複数のユーザの各個人登録配置情
報を各カテゴリに格納する個人登録配置情報格納装置と
から、前記各カテゴリと該カテゴリに含まれる配置情報
とを取得して、各カテゴリの組を作成すると共に各カテ
ゴリの組毎に類似度を算出し、該類似度が第１の閾値以
上であるカテゴリの組を選別し、該選別した各カテゴリ
の組毎に互いに推薦すべき配置情報の候補を抽出し、前
記選別された各カテゴリの組毎に、該抽出された推薦す
べき配置情報の候補に基づいて、前記配置情報格納装置
または前記個人登録配置情報格納装置に対して各カテゴ
リに登録すべき配置情報を推薦する。
【００３０】また、請求項８記載のプログラムは、コン
ピュータに、ネットワーク上の配置情報を各カテゴリに
格納する配置情報格納装置、複数のユーザの各個人登録
配置情報を各カテゴリに格納する個人登録配置情報格納
装置の各々から、前記各カテゴリと該カテゴリに含まれ
る配置情報とを取得して、各カテゴリの組を作成すると
共に各カテゴリの組毎に類似度を算出して、関連性が高
いカテゴリ同士で互いに配置情報を推薦し合えるように
する機能を実現させる。
ピュータに、ネットワーク上の配置情報を各カテゴリに
格納する配置情報格納装置、複数のユーザの各個人登録
配置情報を各カテゴリに格納する個人登録配置情報格納
装置の各々から、前記各カテゴリと該カテゴリに含まれ
る配置情報とを取得して、各カテゴリの組を作成すると
共に各カテゴリの組毎に類似度を算出して、関連性が高
いカテゴリ同士で互いに配置情報を推薦し合えるように
する機能を実現させる。
【００３１】また、請求項９記載のプログラムは、コン
ピュータに、ネットワーク上の配置情報を各カテゴリに
格納する配置情報格納装置、複数のユーザの各個人登録
配置情報を各カテゴリに格納する個人登録配置情報格納
装置の各々から、前記各カテゴリと該カテゴリに含まれ
る配置情報とを取得して作成された各カテゴリの組とそ
の類似度とに基づいて、該類似度が第１の閾値以上であ
るカテゴリの組を選別する機能と、該選別した各カテゴ
リの組毎に互いに推薦すべき配置情報の候補を抽出する
機能とを実現させる。
ピュータに、ネットワーク上の配置情報を各カテゴリに
格納する配置情報格納装置、複数のユーザの各個人登録
配置情報を各カテゴリに格納する個人登録配置情報格納
装置の各々から、前記各カテゴリと該カテゴリに含まれ
る配置情報とを取得して作成された各カテゴリの組とそ
の類似度とに基づいて、該類似度が第１の閾値以上であ
るカテゴリの組を選別する機能と、該選別した各カテゴ
リの組毎に互いに推薦すべき配置情報の候補を抽出する
機能とを実現させる。
【００３２】また、請求項１０記載のプログラムは、コ
ンピュータに、ネットワーク上の配置情報を各カテゴリ
に格納する配置情報格納装置、複数のユーザの各個人登
録配置情報を各カテゴリに格納する個人登録配置情報格
納装置の各々から取得された前記各カテゴリと該カテゴ
リに含まれる配置情報に基づいて抽出された配置情報の
推薦候補に基づいて、前記配置情報格納装置または前記
個人登録配置情報格納装置に対して各カテゴリに登録す
べき配置情報を推薦する機能を実現させる。
ンピュータに、ネットワーク上の配置情報を各カテゴリ
に格納する配置情報格納装置、複数のユーザの各個人登
録配置情報を各カテゴリに格納する個人登録配置情報格
納装置の各々から取得された前記各カテゴリと該カテゴ
リに含まれる配置情報に基づいて抽出された配置情報の
推薦候補に基づいて、前記配置情報格納装置または前記
個人登録配置情報格納装置に対して各カテゴリに登録す
べき配置情報を推薦する機能を実現させる。
【００３３】
【発明の実施の形態】以下、図面を参照して、本発明の
実施の形態について説明する。図１は、本発明の実施の
形態による配置情報推薦装置の基本構成ブロック図であ
る。図示の配置情報推薦装置は、配置情報格納部１、個
人登録配置情報格納部２、カテゴリ比較部３、配置情報
推薦候補抽出部４、第１の推薦部５、第２の推薦部６、
アクセス回数記録部７、及び重み調整部８を有する。
実施の形態について説明する。図１は、本発明の実施の
形態による配置情報推薦装置の基本構成ブロック図であ
る。図示の配置情報推薦装置は、配置情報格納部１、個
人登録配置情報格納部２、カテゴリ比較部３、配置情報
推薦候補抽出部４、第１の推薦部５、第２の推薦部６、
アクセス回数記録部７、及び重み調整部８を有する。
【００３４】配置情報格納部１は、ネットワーク９上の
配置情報を各カテゴリに分類して格納する（例えば、Ｙ
ａｈｏｏ！等である）。ネットワーク９上の配置情報と
は、ネットワーク９上の何処にそのコンテンツが存在す
るかを示すアドレス情報（例えばＵＲＬ等）である。
配置情報を各カテゴリに分類して格納する（例えば、Ｙ
ａｈｏｏ！等である）。ネットワーク９上の配置情報と
は、ネットワーク９上の何処にそのコンテンツが存在す
るかを示すアドレス情報（例えばＵＲＬ等）である。
【００３５】個人登録配置情報格納部２は、複数のユー
ザの各個人登録配置情報を格納する。個人登録配置情報
とは、複数ユーザ各々が上記ネットワーク上の配置情報
の一部を独自の（または文書ディレクトリに準じた）カ
テゴリに分類して登録しているものである（例えば“ブ
ックマーク”、“お気に入り”等；あるいは、例えば
“Ｍｙ Ｙａｈｏｏ！”のような文書ディレクトリのパ
ーソナライズ版）。カテゴリ比較部３は、上記配置情報
格納部１、個人登録配置情報格納部２から、上記各カテ
ゴリとこのカテゴリに含まれる配置情報とを取得して、
各カテゴリの組を作成すると共に、各カテゴリの組毎に
類似度を算出する。
ザの各個人登録配置情報を格納する。個人登録配置情報
とは、複数ユーザ各々が上記ネットワーク上の配置情報
の一部を独自の（または文書ディレクトリに準じた）カ
テゴリに分類して登録しているものである（例えば“ブ
ックマーク”、“お気に入り”等；あるいは、例えば
“Ｍｙ Ｙａｈｏｏ！”のような文書ディレクトリのパ
ーソナライズ版）。カテゴリ比較部３は、上記配置情報
格納部１、個人登録配置情報格納部２から、上記各カテ
ゴリとこのカテゴリに含まれる配置情報とを取得して、
各カテゴリの組を作成すると共に、各カテゴリの組毎に
類似度を算出する。
【００３６】類似度の算出方法は、様々であってよく、
詳しくは後述するが、例えば、各カテゴリの組毎に、そ
の２つのカテゴリ同士で共通する配置情報を求め、この
共通の配置情報の数を類似度とする。あるいは、２つの
カテゴリ各々に含まれる各配置情報が指す実際のコンテ
ンツを取得して、このコンテンツを単語分解し、共通単
語の数、または予め設定されるキーワードと一致する単
語数を、類似度とする。または、上記アクセス回数記録
部７に記録されているアクセス回数を用いて類似度を算
出してもよい。詳しくは、後述する。
詳しくは後述するが、例えば、各カテゴリの組毎に、そ
の２つのカテゴリ同士で共通する配置情報を求め、この
共通の配置情報の数を類似度とする。あるいは、２つの
カテゴリ各々に含まれる各配置情報が指す実際のコンテ
ンツを取得して、このコンテンツを単語分解し、共通単
語の数、または予め設定されるキーワードと一致する単
語数を、類似度とする。または、上記アクセス回数記録
部７に記録されているアクセス回数を用いて類似度を算
出してもよい。詳しくは、後述する。
【００３７】配置情報推薦候補抽出部４は、上記カテゴ
リ比較部３による処理結果を受けて、まず、上記類似度
が第１の閾値以上であるカテゴリの組を選別する。そし
て、選別した各カテゴリの組毎に、互いに推薦すべき配
置情報の候補を抽出する。
リ比較部３による処理結果を受けて、まず、上記類似度
が第１の閾値以上であるカテゴリの組を選別する。そし
て、選別した各カテゴリの組毎に、互いに推薦すべき配
置情報の候補を抽出する。
【００３８】この配置情報の推薦候補の抽出方法も、様
々な方法があるが、例えば、各カテゴリの組毎に、その
２つのカテゴリ同士で配置情報の差分を求め、この差分
の配置情報を推薦候補とする。更に、上記アクセス回数
記録部７に記録されているアクセス回数を用いて、アク
セス数が少ない配置情報は、推薦候補とはしないように
してもよい。その他、様々な抽出方法があり、詳しくは
後述する。
々な方法があるが、例えば、各カテゴリの組毎に、その
２つのカテゴリ同士で配置情報の差分を求め、この差分
の配置情報を推薦候補とする。更に、上記アクセス回数
記録部７に記録されているアクセス回数を用いて、アク
セス数が少ない配置情報は、推薦候補とはしないように
してもよい。その他、様々な抽出方法があり、詳しくは
後述する。
【００３９】第１の推薦部５は、上記選別された各カテ
ゴリの組毎に、上記配置情報推薦候補抽出部４により抽
出された配置情報の推薦候補に基づいて、上記配置情報
格納部１に対して配置情報を推薦する。
ゴリの組毎に、上記配置情報推薦候補抽出部４により抽
出された配置情報の推薦候補に基づいて、上記配置情報
格納部１に対して配置情報を推薦する。
【００４０】また、第２の推薦部６は、上記選別された
各カテゴリの組毎に、配置情報推薦候補抽出部４により
抽出された配置情報の推薦候補に基づいて、個人登録配
置情報格納部２に配置情報を推薦する。
各カテゴリの組毎に、配置情報推薦候補抽出部４により
抽出された配置情報の推薦候補に基づいて、個人登録配
置情報格納部２に配置情報を推薦する。
【００４１】アクセス数格納部７は、上記各配置情報毎
に、その配置情報が指すコンテンツに対する全アクセス
数または各ユーザ毎のアクセス数を格納/更新する。こ
のアクセス数は、上記の通り、カテゴリ比較部３や配置
情報推薦候補抽出部４の処理で用いられる場合がある。
に、その配置情報が指すコンテンツに対する全アクセス
数または各ユーザ毎のアクセス数を格納/更新する。こ
のアクセス数は、上記の通り、カテゴリ比較部３や配置
情報推薦候補抽出部４の処理で用いられる場合がある。
【００４２】重み調整部８は、配置情報格納部１に格納
されているカテゴリに対する重みを、ユーザまたはディ
レクトリ管理者などに設定させ、設定値を保持する。こ
の重みを調整することで、例えばあるユーザに対して、
配置情報推薦候補抽出部４が、他のユーザのブックマー
ク等に登録されていたＵＲＬ１と、配置情報格納部１に
登録されていたＵＲＬ２とを推薦候補とした場合、例え
ばＵＲＬ２のほうが優先的に推薦されるようにできる。
詳しくは、後述する。
されているカテゴリに対する重みを、ユーザまたはディ
レクトリ管理者などに設定させ、設定値を保持する。こ
の重みを調整することで、例えばあるユーザに対して、
配置情報推薦候補抽出部４が、他のユーザのブックマー
ク等に登録されていたＵＲＬ１と、配置情報格納部１に
登録されていたＵＲＬ２とを推薦候補とした場合、例え
ばＵＲＬ２のほうが優先的に推薦されるようにできる。
詳しくは、後述する。
【００４３】尚、以下の説明では、上記ネットワーク上
の配置情報の一例として、ＵＲＬを用いるが、これに限
るわけではない。また、以下の説明では、上記個人登録
配置情報の一例としてブックマークを例にするが、これ
に限るわけではない。
の配置情報の一例として、ＵＲＬを用いるが、これに限
るわけではない。また、以下の説明では、上記個人登録
配置情報の一例としてブックマークを例にするが、これ
に限るわけではない。
【００４４】図２は、本例によるＵＲＬ推薦システムの
基本構成を示すシステム構成図である。また、本例によ
るＵＲＬ推薦システムは、例えば図３に示すように、図
２に示す基本構成において更にアクセス回数記録装置を
加えた構成としてもよい。
基本構成を示すシステム構成図である。また、本例によ
るＵＲＬ推薦システムは、例えば図３に示すように、図
２に示す基本構成において更にアクセス回数記録装置を
加えた構成としてもよい。
【００４５】また、本例によるＵＲＬ推薦システムは、
例えば図４に示すように、図２に示す基本構成において
更に重み調整装置を加えた構成としてもよい。なお、図
２〜図４に示す各構成中、ユーザ端末２０を除く全ての
装置の実装形態は、様々であってもよい。例えば、全て
１つのサーバ（コンピュータ）に実装されてもよいし、
各々独立したコンピュータ装置として相互に専用線等に
より接続された形態であってもよいし、その他どのよう
な形態であってもよい。
例えば図４に示すように、図２に示す基本構成において
更に重み調整装置を加えた構成としてもよい。なお、図
２〜図４に示す各構成中、ユーザ端末２０を除く全ての
装置の実装形態は、様々であってもよい。例えば、全て
１つのサーバ（コンピュータ）に実装されてもよいし、
各々独立したコンピュータ装置として相互に専用線等に
より接続された形態であってもよいし、その他どのよう
な形態であってもよい。
【００４６】まず、図２に示す基本構成について説明す
る。図２において、文書ディレクトリ格納装置１１は、
既存の構成である。また、各ユーザ端末２０は、各ユー
ザが使用する情報処理装置（パーソナルコンピュータ
等）である。
る。図２において、文書ディレクトリ格納装置１１は、
既存の構成である。また、各ユーザ端末２０は、各ユー
ザが使用する情報処理装置（パーソナルコンピュータ
等）である。
【００４７】当該ＵＲＬ推薦システムは、インターネッ
ト環境におけるシステムであってもよいし、社内システ
ム等のイントラネット環境におけるシステムであっても
よい。
ト環境におけるシステムであってもよいし、社内システ
ム等のイントラネット環境におけるシステムであっても
よい。
【００４８】インターネット環境におけるシステムであ
る場合には、文書ディレクトリ格納装置１１は、例えば
Ｙａｈｏｏ！等のような大規模な文書ディレクトリを用
意して検索サービス等を提供するサイトにおける上記文
書ディレクトリのデータベース装置であり、上記のよう
に大人数のディレクトリ管理者が、文書ディレクトリの
階層構造の管理（追加/削除等）、各カテゴリに登録す
るＵＲＬの管理（追加/削除/移動等）を行っている。ま
た、ネットワーク３０は公衆回線網/インターネット等
である。
る場合には、文書ディレクトリ格納装置１１は、例えば
Ｙａｈｏｏ！等のような大規模な文書ディレクトリを用
意して検索サービス等を提供するサイトにおける上記文
書ディレクトリのデータベース装置であり、上記のよう
に大人数のディレクトリ管理者が、文書ディレクトリの
階層構造の管理（追加/削除等）、各カテゴリに登録す
るＵＲＬの管理（追加/削除/移動等）を行っている。ま
た、ネットワーク３０は公衆回線網/インターネット等
である。
【００４９】イントラネット環境におけるシステムであ
る場合には、文書ディレクトリ格納装置１１は、例えば
社内における小規模な文書ディレクトリ管理を行う装置
であり、上記のように比較的少人数で文書ディレクトリ
の階層構造の管理（追加/削除等）、各カテゴリに登録
するＵＲＬの管理（追加/削除/移動等）を行っている。
また、ネットワーク３０は社内ＬＡＮ等であるブックマ
ーク格納装置１２は、例えば上記「ブリンク」等のよう
に、登録を希望したユーザ（以下、登録ユーザと呼ぶ）
のユーザ端末２０におけるブックマーク情報を登録させ
て何らかのサービスを提供するサイトにおける当該ブッ
クマーク情報を格納するデータベース装置である。
る場合には、文書ディレクトリ格納装置１１は、例えば
社内における小規模な文書ディレクトリ管理を行う装置
であり、上記のように比較的少人数で文書ディレクトリ
の階層構造の管理（追加/削除等）、各カテゴリに登録
するＵＲＬの管理（追加/削除/移動等）を行っている。
また、ネットワーク３０は社内ＬＡＮ等であるブックマ
ーク格納装置１２は、例えば上記「ブリンク」等のよう
に、登録を希望したユーザ（以下、登録ユーザと呼ぶ）
のユーザ端末２０におけるブックマーク情報を登録させ
て何らかのサービスを提供するサイトにおける当該ブッ
クマーク情報を格納するデータベース装置である。
【００５０】このような構成において、本例によるＵＲ
Ｌ推薦システムでは、カテゴリ比較装置１３、ＵＲＬ推
薦候補抽出装置１４、ＵＲＬ推薦装置（ディレクトリへ
のＵＲＬ推薦装置１５、ブックマークへのＵＲＬ推薦装
置１６）を設けている。
Ｌ推薦システムでは、カテゴリ比較装置１３、ＵＲＬ推
薦候補抽出装置１４、ＵＲＬ推薦装置（ディレクトリへ
のＵＲＬ推薦装置１５、ブックマークへのＵＲＬ推薦装
置１６）を設けている。
【００５１】カテゴリ比較装置１３は、文書ディレクト
リ格納装置１１で管理している文書ディレクトリの各カ
テゴリと、ブックマーク格納装置１２で管理している各
登録ユーザのブックマークの各カテゴリに関する情報を
取得して、これら全てのカテゴリについて総当りでカテ
ゴリの組を作成し、各カテゴリの組毎に類似度を算出す
る。
リ格納装置１１で管理している文書ディレクトリの各カ
テゴリと、ブックマーク格納装置１２で管理している各
登録ユーザのブックマークの各カテゴリに関する情報を
取得して、これら全てのカテゴリについて総当りでカテ
ゴリの組を作成し、各カテゴリの組毎に類似度を算出す
る。
【００５２】ＵＲＬ推薦候補抽出装置１４は、カテゴリ
比較装置１３による処理結果を用いて、まず、全てのカ
テゴリの組の中で、互いの関連性が高いと思われるカテ
ゴリの組を選別する。つまり、上記類似度が所定の閾値
以上であるカテゴリの組を選別する。次に、選別したカ
テゴリの組について、各カテゴリの組毎に、互いに推薦
すべきＵＲＬの候補を抽出する。
比較装置１３による処理結果を用いて、まず、全てのカ
テゴリの組の中で、互いの関連性が高いと思われるカテ
ゴリの組を選別する。つまり、上記類似度が所定の閾値
以上であるカテゴリの組を選別する。次に、選別したカ
テゴリの組について、各カテゴリの組毎に、互いに推薦
すべきＵＲＬの候補を抽出する。
【００５３】ディレクトリへのＵＲＬ推薦装置１５/ブ
ックマークへのＵＲＬ推薦装置１６は、ＵＲＬ推薦候補
抽出装置１４の処理結果を受けて、各々、文書ディレク
トリ格納装置１１/ブックマーク格納装置１２に格納さ
れている各カテゴリに、ＵＲＬ推薦候補抽出装置１４に
より抽出されたＵＲＬ推薦候補に基づいて、各カテゴリ
に追加すべきＵＲＬを推薦する。その際、ＵＲＬ推薦候
補抽出装置１４により抽出された全てのＵＲＬ推薦候補
を推薦してもよいし、その一部を推薦するようにしても
よい。更に、詳しくは後述するように、ＵＲＬ推薦候補
抽出装置１４が、上記ＵＲＬ推薦候補に優先順位を付け
ることで、より優良なＵＲＬ（“優良ＵＲＬ”とは、有
効な/役立つ可能性が高いコンテンツを指すＵＲＬ）が
優先的に推薦されるように構成してもよい。
ックマークへのＵＲＬ推薦装置１６は、ＵＲＬ推薦候補
抽出装置１４の処理結果を受けて、各々、文書ディレク
トリ格納装置１１/ブックマーク格納装置１２に格納さ
れている各カテゴリに、ＵＲＬ推薦候補抽出装置１４に
より抽出されたＵＲＬ推薦候補に基づいて、各カテゴリ
に追加すべきＵＲＬを推薦する。その際、ＵＲＬ推薦候
補抽出装置１４により抽出された全てのＵＲＬ推薦候補
を推薦してもよいし、その一部を推薦するようにしても
よい。更に、詳しくは後述するように、ＵＲＬ推薦候補
抽出装置１４が、上記ＵＲＬ推薦候補に優先順位を付け
ることで、より優良なＵＲＬ（“優良ＵＲＬ”とは、有
効な/役立つ可能性が高いコンテンツを指すＵＲＬ）が
優先的に推薦されるように構成してもよい。
【００５４】次に、図３を参照して説明する。図３に示
すＵＲＬ推薦システムは、上述してあるように、図２に
示す基本構成において更にアクセス回数記録装置４５を
加えた構成となっている。カテゴリ比較装置、ＵＲＬ推
薦候補抽出装置は、後述するように様々な処理例が存在
し、何れの処理例を採用してもよいが、その中にアクセ
ス回数（利用回数）を用いる処理例が存在する。図３
は、このような処理例に対応する構成を示すものであ
る。
すＵＲＬ推薦システムは、上述してあるように、図２に
示す基本構成において更にアクセス回数記録装置４５を
加えた構成となっている。カテゴリ比較装置、ＵＲＬ推
薦候補抽出装置は、後述するように様々な処理例が存在
し、何れの処理例を採用してもよいが、その中にアクセ
ス回数（利用回数）を用いる処理例が存在する。図３
は、このような処理例に対応する構成を示すものであ
る。
【００５５】アクセス回数記録装置４５は、文書ディレ
クトリ格納装置１１、ブックマーク格納装置１２から、
随時、各々で格納/管理している各カテゴリに登録され
ている各ＵＲＬのアクセス回数を取得して、これを格納
（更新）する。
クトリ格納装置１１、ブックマーク格納装置１２から、
随時、各々で格納/管理している各カテゴリに登録され
ている各ＵＲＬのアクセス回数を取得して、これを格納
（更新）する。
【００５６】ここで、文書ディレクトリ格納装置１１で
格納/管理している各カテゴリに登録されている各ＵＲ
Ｌのアクセス回数とは、そのＵＲＬが指すホームページ
へのアクセス数であり、通常、数千〜数百万回程度のオ
ーダーとなっている。
格納/管理している各カテゴリに登録されている各ＵＲ
Ｌのアクセス回数とは、そのＵＲＬが指すホームページ
へのアクセス数であり、通常、数千〜数百万回程度のオ
ーダーとなっている。
【００５７】一方、ブックマーク格納装置１２で格納/
管理している各カテゴリに登録されている各ＵＲＬのア
クセス回数とは、各ユーザがそのＵＲＬが指すホームペ
ージを利用した回数であり、通常、数回〜数百回程度の
オーダーとなっている。
管理している各カテゴリに登録されている各ＵＲＬのア
クセス回数とは、各ユーザがそのＵＲＬが指すホームペ
ージを利用した回数であり、通常、数回〜数百回程度の
オーダーとなっている。
【００５８】このように、ある１つのＵＲＬに対して
も、それぞれ違ったアクセス数が格納されることにな
り、また時間が経過すれば各アクセス数は変化するの
で、随時、最新のアクセス数を取得して、更新する必要
がある。
も、それぞれ違ったアクセス数が格納されることにな
り、また時間が経過すれば各アクセス数は変化するの
で、随時、最新のアクセス数を取得して、更新する必要
がある。
【００５９】カテゴリ比較装置４１、ＵＲＬ推薦候補抽
出装置４２は、各々、アクセス回数記録装置４５から、
各カテゴリ毎の各ＵＲＬのアクセス回数データを取得し
て、このアクセス回数を用いた処理を行う。詳しい処理
例は、後に説明するが、特にＵＲＬ推薦候補抽出装置４
２においては、アクセス数が比較的小さいＵＲＬは推薦
候補とはしないようにすることで、より優良なＵＲＬの
みを推薦候補とすることが可能となる。
出装置４２は、各々、アクセス回数記録装置４５から、
各カテゴリ毎の各ＵＲＬのアクセス回数データを取得し
て、このアクセス回数を用いた処理を行う。詳しい処理
例は、後に説明するが、特にＵＲＬ推薦候補抽出装置４
２においては、アクセス数が比較的小さいＵＲＬは推薦
候補とはしないようにすることで、より優良なＵＲＬの
みを推薦候補とすることが可能となる。
【００６０】尚、図３は、カテゴリ比較装置４１、ＵＲ
Ｌ推薦候補抽出装置４２の両方が、必ず、アクセス回数
を利用した処理を行うということを意味しているのでは
ない。両方とも行ってもよいが、何れか一方のみが行う
ようにしてもよい。
Ｌ推薦候補抽出装置４２の両方が、必ず、アクセス回数
を利用した処理を行うということを意味しているのでは
ない。両方とも行ってもよいが、何れか一方のみが行う
ようにしてもよい。
【００６１】次に、図４を参照して説明する。図４に示
すＵＲＬ推薦システムは、上述してあるように、図２に
示す基本構成において更に重み調整装置５６を加えた構
成となっている。尚、図４には、アクセス回数記録装置
５５が示してあるが、これはあっても無くてもよい。す
なわち、アクセス回数記録装置５５は、重み調整装置５
６の機能に直接関係するわけではなく、単にカテゴリ比
較装置５１またはＵＲＬ推薦候補抽出装置５２が、アク
セス回数を利用した処理を行う場合に対応した構成を示
しているだけである。
すＵＲＬ推薦システムは、上述してあるように、図２に
示す基本構成において更に重み調整装置５６を加えた構
成となっている。尚、図４には、アクセス回数記録装置
５５が示してあるが、これはあっても無くてもよい。す
なわち、アクセス回数記録装置５５は、重み調整装置５
６の機能に直接関係するわけではなく、単にカテゴリ比
較装置５１またはＵＲＬ推薦候補抽出装置５２が、アク
セス回数を利用した処理を行う場合に対応した構成を示
しているだけである。
【００６２】重み調整装置５６は、ディレクトリ管理者
またはユーザにディレクトリの重みを設定させて、これ
を記録する。ユーザは、自己のユーザ端末２０から、ネ
ットワーク３０を介して、重み調整装置５６にアクセス
して、所望の重みを設定する。
またはユーザにディレクトリの重みを設定させて、これ
を記録する。ユーザは、自己のユーザ端末２０から、ネ
ットワーク３０を介して、重み調整装置５６にアクセス
して、所望の重みを設定する。
【００６３】このディレクトリの重みは、詳しくは後述
するが、ＵＲＬ推薦候補抽出装置５２が、抽出したＵＲ
Ｌ推薦候補に優先順位を与える場合の重み付けに用いら
れ、重みが大きいほど、文書ディレクトリからのＵＲＬ
が優先的に推薦されるようになる。つまり、例えば、あ
るユーザのブックマークに対して推薦するＵＲＬとし
て、他の複数のユーザのブックマークに存在するＵＲＬ
１と、文書ディレクトリに存在するＵＲＬ２とがあった
場合、ディレクトリの重みが大きいと、ＵＲＬ２のほう
が優先的に当該ユーザのブックマークに追加されること
になる。例えば、ユーザが、「他のユーザのブックマー
クからの推薦よりも、文書ディレクトリからの推薦のほ
うが信頼性が高い（役に立つＵＲＬが多い）」等と考え
た場合には、ディレクトリの重みを大きくすればよい。
このように、ユーザは、重みを設定することで、自己に
都合が良い推薦を受けることが可能となる。
するが、ＵＲＬ推薦候補抽出装置５２が、抽出したＵＲ
Ｌ推薦候補に優先順位を与える場合の重み付けに用いら
れ、重みが大きいほど、文書ディレクトリからのＵＲＬ
が優先的に推薦されるようになる。つまり、例えば、あ
るユーザのブックマークに対して推薦するＵＲＬとし
て、他の複数のユーザのブックマークに存在するＵＲＬ
１と、文書ディレクトリに存在するＵＲＬ２とがあった
場合、ディレクトリの重みが大きいと、ＵＲＬ２のほう
が優先的に当該ユーザのブックマークに追加されること
になる。例えば、ユーザが、「他のユーザのブックマー
クからの推薦よりも、文書ディレクトリからの推薦のほ
うが信頼性が高い（役に立つＵＲＬが多い）」等と考え
た場合には、ディレクトリの重みを大きくすればよい。
このように、ユーザは、重みを設定することで、自己に
都合が良い推薦を受けることが可能となる。
【００６４】以下、カテゴリ比較装置、ＵＲＬ推薦候補
抽出装置、ブックマークへのＵＲＬ推薦装置、ディレク
トリへのＵＲＬ推薦装置について、各々、詳細に説明し
ていく。尚、上述してあるように、例えば、図３におい
て、カテゴリ比較装置４１、ＵＲＬ推薦候補抽出装置４
２は、必ずしもアクセス回数を用いた処理を行うとは限
らない。図４においても同様である。よって、例えば、
カテゴリ比較装置は、図２〜図４において、各々、カテ
ゴリ比較装置１３、４１、５１と区別しているが、以下
の説明ではこれらを区別することなく、代表してカテゴ
リ比較装置５１と記すものとする。他の装置についても
同様に、代表して、ＵＲＬ推薦候補抽出装置５２、ディ
レクトリへのＵＲＬ推薦装置５３、ブックマークへのＵ
ＲＬ推薦装置５４と記すものとする。
抽出装置、ブックマークへのＵＲＬ推薦装置、ディレク
トリへのＵＲＬ推薦装置について、各々、詳細に説明し
ていく。尚、上述してあるように、例えば、図３におい
て、カテゴリ比較装置４１、ＵＲＬ推薦候補抽出装置４
２は、必ずしもアクセス回数を用いた処理を行うとは限
らない。図４においても同様である。よって、例えば、
カテゴリ比較装置は、図２〜図４において、各々、カテ
ゴリ比較装置１３、４１、５１と区別しているが、以下
の説明ではこれらを区別することなく、代表してカテゴ
リ比較装置５１と記すものとする。他の装置についても
同様に、代表して、ＵＲＬ推薦候補抽出装置５２、ディ
レクトリへのＵＲＬ推薦装置５３、ブックマークへのＵ
ＲＬ推薦装置５４と記すものとする。
【００６５】以下、まず、カテゴリ比較装置５１におけ
る処理例について説明する。図５、図９〜図１１は、カ
テゴリ比較装置５１により実行される処理例（その１〜
その４）を説明する為のフローチャート図である。
る処理例について説明する。図５、図９〜図１１は、カ
テゴリ比較装置５１により実行される処理例（その１〜
その４）を説明する為のフローチャート図である。
【００６６】まず、図５を参照して、カテゴリ比較装置
５１により実行される処理例（その１）について説明す
る。図５に示す処理は、各登録ユーザのブックマークの
カテゴリ、文書ディレクトリのカテゴリの全ての組み合
わせについて総当りで実行する。
５１により実行される処理例（その１）について説明す
る。図５に示す処理は、各登録ユーザのブックマークの
カテゴリ、文書ディレクトリのカテゴリの全ての組み合
わせについて総当りで実行する。
【００６７】まず、ブックマークまたは文書ディレクト
リの任意のカテゴリを１つ選び（ステップＳ１１）、こ
のカテゴリ内に存在する全てのＵＲＬ（ＵＲＬ（Ａ）と
表現する）を得る（ステップＳ１２）。次に、ブックマ
ークまたは文書ディレクトリの任意のカテゴリ（但し、
ステップＳ１１で選択したものは除く）を１つ選び（ス
テップＳ１３）、このカテゴリ内に存在する全てのＵＲ
Ｌ（ＵＲＬ（Ｂ）と表現する）を得る（ステップＳ１
４）。
リの任意のカテゴリを１つ選び（ステップＳ１１）、こ
のカテゴリ内に存在する全てのＵＲＬ（ＵＲＬ（Ａ）と
表現する）を得る（ステップＳ１２）。次に、ブックマ
ークまたは文書ディレクトリの任意のカテゴリ（但し、
ステップＳ１１で選択したものは除く）を１つ選び（ス
テップＳ１３）、このカテゴリ内に存在する全てのＵＲ
Ｌ（ＵＲＬ（Ｂ）と表現する）を得る（ステップＳ１
４）。
【００６８】そして、ＵＲＬ（Ａ）とＵＲＬ（Ｂ）を比
較し、両方に存在する（共通する）ＵＲＬの数を求め、
これをこのカテゴリの組の類似度として記憶しておくス
テップＳ１５）。
較し、両方に存在する（共通する）ＵＲＬの数を求め、
これをこのカテゴリの組の類似度として記憶しておくス
テップＳ１５）。
【００６９】上述した処理を、一例を用いて説明する。
尚、以下の説明では、説明を簡単にする為に、単純な例
を用いている。まず、例えば、文書ディレクトリの構造
が、図６のようなラティス構造になっているものとす
る。図６において、Ａ〜Ｈは、各カテゴリを表すものと
する。また、特に図示しないが、各ブックマークのカテ
ゴリも、何らかの階層構造を有しているものとする。
尚、以下の説明では、説明を簡単にする為に、単純な例
を用いている。まず、例えば、文書ディレクトリの構造
が、図６のようなラティス構造になっているものとす
る。図６において、Ａ〜Ｈは、各カテゴリを表すものと
する。また、特に図示しないが、各ブックマークのカテ
ゴリも、何らかの階層構造を有しているものとする。
【００７０】但し、本例による処理では、構造がどの様
になっていても関係なく、更にカテゴリ名が似ている/
似ていない等ということも関係なく、各カテゴリに登録
されているＵＲＬの共通/差分等を以って処理を行う。
になっていても関係なく、更にカテゴリ名が似ている/
似ていない等ということも関係なく、各カテゴリに登録
されているＵＲＬの共通/差分等を以って処理を行う。
【００７１】各カテゴリ内に登録されているＵＲＬは、
カテゴリ名とＵＲＬの対で表現する。例えば、上記文書
ディレクトリにおけるカテゴリに関しては、図７（ａ）
に示すように表現する。図示の例では、例えばカテゴリ
Ｃには、ＵＲＬ１、ＵＲＬ２、ＵＲＬ３が含まれてい
る。
カテゴリ名とＵＲＬの対で表現する。例えば、上記文書
ディレクトリにおけるカテゴリに関しては、図７（ａ）
に示すように表現する。図示の例では、例えばカテゴリ
Ｃには、ＵＲＬ１、ＵＲＬ２、ＵＲＬ３が含まれてい
る。
【００７２】また、各登録ユーザのブックマークにおけ
るカテゴリに関しては、図７（ｂ）に示すように表現す
る。ここでは、例えばユーザａのブックマークにおける
各カテゴリは、ａ１、ａ２、・・・、ユーザｂはｂ１、
ｂ２、・・・等と表現するものとする。図示の例では、
例えばユーザａのブックマークにおけるカテゴリａ１に
は、ＵＲＬ１、ＵＲＬ３、ＵＲＬ１０が含まれている。
るカテゴリに関しては、図７（ｂ）に示すように表現す
る。ここでは、例えばユーザａのブックマークにおける
各カテゴリは、ａ１、ａ２、・・・、ユーザｂはｂ１、
ｂ２、・・・等と表現するものとする。図示の例では、
例えばユーザａのブックマークにおけるカテゴリａ１に
は、ＵＲＬ１、ＵＲＬ３、ＵＲＬ１０が含まれている。
【００７３】上記ステップＳ１１〜Ｓ１５の処理では、
これら各カテゴリを総当りで比較していき、例えば図７
（ｃ）に示すテーブル６０を作成する。テーブル６０に
は、カテゴリ名６１とカテゴリ名６２で示すカテゴリの
組に対応付けて、類似度６３が格納される。
これら各カテゴリを総当りで比較していき、例えば図７
（ｃ）に示すテーブル６０を作成する。テーブル６０に
は、カテゴリ名６１とカテゴリ名６２で示すカテゴリの
組に対応付けて、類似度６３が格納される。
【００７４】この例では、例えばカテゴリＣとカテゴリ
ａ１の組み合わせに関しては、両者に共通するＵＲＬ
は、ＵＲＬ１とＵＲＬ３であるので、類似度は‘２’と
なる。上記各カテゴリの組毎に類似度を求める処理につ
いて、具体的な手法の一例を図８に示す。
ａ１の組み合わせに関しては、両者に共通するＵＲＬ
は、ＵＲＬ１とＵＲＬ３であるので、類似度は‘２’と
なる。上記各カテゴリの組毎に類似度を求める処理につ
いて、具体的な手法の一例を図８に示す。
【００７５】カテゴリ比較装置５１は、文書ディレクト
リ格納装置１１、ブックマーク格納装置１２から取得し
た各カテゴリに関するデータに基づいて、まず、図８に
示すテーブル７０を作成する。
リ格納装置１１、ブックマーク格納装置１２から取得し
た各カテゴリに関するデータに基づいて、まず、図８に
示すテーブル７０を作成する。
【００７６】これは、まず、文書ディレクトリ格納装置
１１、ブックマーク格納装置１２から取得した各カテゴ
リに関するデータに基づいて、テーブル７０の図上横方
向に、これらカテゴリに含まれる全ＵＲＬ（ＵＲＬ１，
ＵＲＬ２，ＵＲＬ３、・・・ＵＲＬｎ）を並べる。つま
り、ＵＲＬ１〜ＵＲＬｎは、各々、テーブル７０に示す
カテゴリのどれかには含まれていたものである（少なく
とも１つ以上のカテゴリに含まれていたものである）。
また、テーブル７０の図上縦方向には、上記取得した全
カテゴリ（ａ１、ａ２、・・・Ｅ、Ｆ、・・・）を並べ
る。これは、文書ディレクトリのカテゴリとブックマー
クのカテゴリとを特に区別することなく並べる。
１１、ブックマーク格納装置１２から取得した各カテゴ
リに関するデータに基づいて、テーブル７０の図上横方
向に、これらカテゴリに含まれる全ＵＲＬ（ＵＲＬ１，
ＵＲＬ２，ＵＲＬ３、・・・ＵＲＬｎ）を並べる。つま
り、ＵＲＬ１〜ＵＲＬｎは、各々、テーブル７０に示す
カテゴリのどれかには含まれていたものである（少なく
とも１つ以上のカテゴリに含まれていたものである）。
また、テーブル７０の図上縦方向には、上記取得した全
カテゴリ（ａ１、ａ２、・・・Ｅ、Ｆ、・・・）を並べ
る。これは、文書ディレクトリのカテゴリとブックマー
クのカテゴリとを特に区別することなく並べる。
【００７７】また、テーブル７０では、各カテゴリ毎
に、各ＵＲＬがそのカテゴリに含まれているか否かを、
１ビット（フラグ）で示す。含まれている場合にはフラ
グ＝１、含まれていない場合にはフラグ＝０とする
（尚、初期状態では全てフラグ＝０としている）。これ
より、次に、上記取得した各カテゴリに関するデータを
参照して、各カテゴリ毎に、そのカテゴリに含まれてい
るＵＲＬに対してはフラグをセットする（１にする）。
図７に示す例では、カテゴリａ１にはＵＲＬ１，ＵＲＬ
３、ＵＲＬ１０が含まれているので、図８に示す通りフ
ラグをセットする。これを、全てのカテゴリについて行
う。
に、各ＵＲＬがそのカテゴリに含まれているか否かを、
１ビット（フラグ）で示す。含まれている場合にはフラ
グ＝１、含まれていない場合にはフラグ＝０とする
（尚、初期状態では全てフラグ＝０としている）。これ
より、次に、上記取得した各カテゴリに関するデータを
参照して、各カテゴリ毎に、そのカテゴリに含まれてい
るＵＲＬに対してはフラグをセットする（１にする）。
図７に示す例では、カテゴリａ１にはＵＲＬ１，ＵＲＬ
３、ＵＲＬ１０が含まれているので、図８に示す通りフ
ラグをセットする。これを、全てのカテゴリについて行
う。
【００７８】そして、全てのカテゴリについて総当りの
カテゴリの組を作り、全てのカテゴリの組について、各
々、上記フラグ・データを比較して、両方ともフラグ＝
１であるＵＲＬの数をカウントする。
カテゴリの組を作り、全てのカテゴリの組について、各
々、上記フラグ・データを比較して、両方ともフラグ＝
１であるＵＲＬの数をカウントする。
【００７９】尚、ＵＲＬｎのｎの値は、数千〜数十万の
オーダーになるかもしれないが、本手法によれば１ビッ
トで表わされるデータ群を比較するだけなので、たとえ
数十万のオーダーであっても、処理時間はそれほど掛か
らないで済む。
オーダーになるかもしれないが、本手法によれば１ビッ
トで表わされるデータ群を比較するだけなので、たとえ
数十万のオーダーであっても、処理時間はそれほど掛か
らないで済む。
【００８０】次に、図９を参照して、カテゴリ比較装置
５１により処理例（その２）について説明する。図９に
示す処理は、各登録ユーザのブックマークのカテゴリ、
文書ディレクトリのカテゴリの全ての組み合わせについ
て総当りで実行する。
５１により処理例（その２）について説明する。図９に
示す処理は、各登録ユーザのブックマークのカテゴリ、
文書ディレクトリのカテゴリの全ての組み合わせについ
て総当りで実行する。
【００８１】図９において、ステップＳ２１、Ｓ２２、
Ｓ２３、Ｓ２４の処理は、図５のステップＳ１１、Ｓ１
２、Ｓ１３、Ｓ１４の処理と同じであるので、説明は省
略する。
Ｓ２３、Ｓ２４の処理は、図５のステップＳ１１、Ｓ１
２、Ｓ１３、Ｓ１４の処理と同じであるので、説明は省
略する。
【００８２】当該処理例（その２）では、ステップＳ２
１、Ｓ２２、Ｓ２３、Ｓ２４の処理により得た、各カテ
ゴリに含まれるＵＲＬ群（処理例（その１）と同様、Ｕ
ＲＬ（Ａ）、ＵＲＬ（Ｂ）で表現する）について、ステ
ップＳ２５の処理を実行することで求めた共通単語の数
を、類似度とする。
１、Ｓ２２、Ｓ２３、Ｓ２４の処理により得た、各カテ
ゴリに含まれるＵＲＬ群（処理例（その１）と同様、Ｕ
ＲＬ（Ａ）、ＵＲＬ（Ｂ）で表現する）について、ステ
ップＳ２５の処理を実行することで求めた共通単語の数
を、類似度とする。
【００８３】ステップＳ２５の処理は、まず、ＵＲＬ
（Ａ）の各ＵＲＬが指すホームページ等のコンテンツを
取得し、各コンテンツを、例えば既存の形態素解析・構
文解析ソフトウェア（例えば「Breakfast」；富士通研
究所等）を用いて、単語レベル（但し、助詞、助動詞は
除く）に分解する。ＵＲＬ（Ｂ）についても、同様に、
各コンテンツを単語に分解する（同じ単語が複数ある場
合は、１つにまとめておく）。
（Ａ）の各ＵＲＬが指すホームページ等のコンテンツを
取得し、各コンテンツを、例えば既存の形態素解析・構
文解析ソフトウェア（例えば「Breakfast」；富士通研
究所等）を用いて、単語レベル（但し、助詞、助動詞は
除く）に分解する。ＵＲＬ（Ｂ）についても、同様に、
各コンテンツを単語に分解する（同じ単語が複数ある場
合は、１つにまとめておく）。
【００８４】次に、ＵＲＬ（Ａ）に関して得た上記単語
群と、ＵＲＬ（Ｂ）に関して得た上記単語群とを比較し
て、両者に共通する単語を抽出し、この共通単語の数を
記録する。当該処理例（その２）では、この共通単語の
数を、類似度とする。
群と、ＵＲＬ（Ｂ）に関して得た上記単語群とを比較し
て、両者に共通する単語を抽出し、この共通単語の数を
記録する。当該処理例（その２）では、この共通単語の
数を、類似度とする。
【００８５】次に、図１０を参照して、カテゴリ比較装
置５１により処理例（その３）について説明する。図１
０に示す処理は、各登録ユーザのブックマークのカテゴ
リ、文書ディレクトリのカテゴリの全ての組み合わせに
ついて総当りで実行する。
置５１により処理例（その３）について説明する。図１
０に示す処理は、各登録ユーザのブックマークのカテゴ
リ、文書ディレクトリのカテゴリの全ての組み合わせに
ついて総当りで実行する。
【００８６】図１０に示す処理例（その３）では、ま
ず、ブックマークまたは文書ディレクトリの任意のカテ
ゴリを１つ選び（ステップＳ３１）、このカテゴリ内に
存在する全てのＵＲＬ（ＵＲＬ（Ａ）と表現する）を得
る（ステップＳ３２）。次に、ブックマークまたは文書
ディレクトリの任意のカテゴリ（但し、ステップＳ３１
で選択したものは除く）を１つ選び（ステップＳ３
３）、このカテゴリ内に関して予め登録されているキー
ワード（キーワード（Ｂ）と表現する）を得る（ステッ
プＳ３４）。
ず、ブックマークまたは文書ディレクトリの任意のカテ
ゴリを１つ選び（ステップＳ３１）、このカテゴリ内に
存在する全てのＵＲＬ（ＵＲＬ（Ａ）と表現する）を得
る（ステップＳ３２）。次に、ブックマークまたは文書
ディレクトリの任意のカテゴリ（但し、ステップＳ３１
で選択したものは除く）を１つ選び（ステップＳ３
３）、このカテゴリ内に関して予め登録されているキー
ワード（キーワード（Ｂ）と表現する）を得る（ステッ
プＳ３４）。
【００８７】すなわち、本処理では、予め各登録ユーザ
に、自己のブックマークの各カテゴリ毎に、そのカテゴ
リに関係する任意のキーワードを登録させておく。ま
た、文書ディレクトリの各カテゴリに関しても、ディレ
クトリ管理者等にキーワードを登録させておく（キーワ
ードは１又は複数）。上記ステップＳ３４の処理では、
このキーワードを取り出す。
に、自己のブックマークの各カテゴリ毎に、そのカテゴ
リに関係する任意のキーワードを登録させておく。ま
た、文書ディレクトリの各カテゴリに関しても、ディレ
クトリ管理者等にキーワードを登録させておく（キーワ
ードは１又は複数）。上記ステップＳ３４の処理では、
このキーワードを取り出す。
【００８８】また、ステップＳ３２で得たＵＲＬ（Ａ）
に関しては、上記ステップＳ２５と同様、そのコンテン
ツを単語に分解する（同じ単語が複数ある場合は１つに
まとめる）。そして、これら単語の中で、上記キーワー
ドと一致する単語の数をカウントし、この単語数を記録
する。当該処理例（その３）では、このように、キーワ
ードと一致する単語の数を、類似度とする。
に関しては、上記ステップＳ２５と同様、そのコンテン
ツを単語に分解する（同じ単語が複数ある場合は１つに
まとめる）。そして、これら単語の中で、上記キーワー
ドと一致する単語の数をカウントし、この単語数を記録
する。当該処理例（その３）では、このように、キーワ
ードと一致する単語の数を、類似度とする。
【００８９】次に、図１１を参照して、カテゴリ比較装
置５１により処理例（その４）について説明する。図１
１に示す処理は、各登録ユーザのブックマークのカテゴ
リ、文書ディレクトリのカテゴリの全ての組み合わせに
ついて総当りで実行する。
置５１により処理例（その４）について説明する。図１
１に示す処理は、各登録ユーザのブックマークのカテゴ
リ、文書ディレクトリのカテゴリの全ての組み合わせに
ついて総当りで実行する。
【００９０】図１１において、ステップＳ４１、Ｓ４
２、Ｓ４３、Ｓ４４の処理は、図５のステップＳ１１、
Ｓ１２、Ｓ１３、Ｓ１４の処理と同じであるので、説明
は省略する。
２、Ｓ４３、Ｓ４４の処理は、図５のステップＳ１１、
Ｓ１２、Ｓ１３、Ｓ１４の処理と同じであるので、説明
は省略する。
【００９１】当該処理例（その４）では、ステップＳ４
１、Ｓ４２、Ｓ４３、Ｓ４４の処理により得た、各カテ
ゴリに含まれるＵＲＬ群（ＵＲＬ（Ａ）、ＵＲＬ
（Ｂ））について、ステップＳ４５の処理を実行するこ
とで求めた「ベクトルの内積/距離」を、類似度とす
る。
１、Ｓ４２、Ｓ４３、Ｓ４４の処理により得た、各カテ
ゴリに含まれるＵＲＬ群（ＵＲＬ（Ａ）、ＵＲＬ
（Ｂ））について、ステップＳ４５の処理を実行するこ
とで求めた「ベクトルの内積/距離」を、類似度とす
る。
【００９２】ステップＳ４５の処理は、ＵＲＬ（Ａ）の
各ＵＲＬの利用回数、ＵＲＬ（Ｂ）の各ＵＲＬの利用回
数を取得して、それぞれをベクトルとして内積/距離を
計算し、この計算結果を類似度として記録しておくもの
である。
各ＵＲＬの利用回数、ＵＲＬ（Ｂ）の各ＵＲＬの利用回
数を取得して、それぞれをベクトルとして内積/距離を
計算し、この計算結果を類似度として記録しておくもの
である。
【００９３】例えば、ＵＲＬ（Ａ）は文書ディレクト
リ、ＵＲＬ（Ｂ）はブックマークのカテゴリに含まれる
ＵＲＬであるものとする。また、ここでは、ＵＲＬをｕ
１、ｕ２、・・・等と記すものとし、ＵＲＬ（Ａ）＝
（ｕ１，ｕ２，ｕ３）、ＵＲＬ（Ｂ）＝（ｕ１，ｕ２，
ｕ４）であったものとする。そして、ＵＲＬ（Ａ）の各
ＵＲＬの利用回数を（ｄｕ１，ｄｕ２，ｄｕ３）とし、
ＵＲＬ（Ｂ）の各ＵＲＬの利用回数を（ｕｕ１，ｕｕ
２，ｕｕ４）とすると、それぞれをベクトルとして内積
/距離を計算すると、
リ、ＵＲＬ（Ｂ）はブックマークのカテゴリに含まれる
ＵＲＬであるものとする。また、ここでは、ＵＲＬをｕ
１、ｕ２、・・・等と記すものとし、ＵＲＬ（Ａ）＝
（ｕ１，ｕ２，ｕ３）、ＵＲＬ（Ｂ）＝（ｕ１，ｕ２，
ｕ４）であったものとする。そして、ＵＲＬ（Ａ）の各
ＵＲＬの利用回数を（ｄｕ１，ｄｕ２，ｄｕ３）とし、
ＵＲＬ（Ｂ）の各ＵＲＬの利用回数を（ｕｕ１，ｕｕ
２，ｕｕ４）とすると、それぞれをベクトルとして内積
/距離を計算すると、
【００９４】
【数１】
【００９５】となる。尚、ｄｕ１，ｄｕ２，ｄｕ３、す
なわち、文書ディレクトリの場合の利用回数とは、各Ｕ
ＲＬへのアクセス回数を意味しており、通常、数千〜数
十万のオーダーであるので、ユーザの利用回数とは桁が
違うが、上記のようにベクトルとして内積/距離を計算
するので（つまり２つのベクトル同士の成す角度のcos
θを求める）、何ら問題はない。
なわち、文書ディレクトリの場合の利用回数とは、各Ｕ
ＲＬへのアクセス回数を意味しており、通常、数千〜数
十万のオーダーであるので、ユーザの利用回数とは桁が
違うが、上記のようにベクトルとして内積/距離を計算
するので（つまり２つのベクトル同士の成す角度のcos
θを求める）、何ら問題はない。
【００９６】次に、ＵＲＬ推薦候補抽出装置５２におけ
る処理例について説明する。図１２、図１４、図１５、
図１７は、各々、ＵＲＬ推薦候補抽出装置５２により実
行される処理例（その１〜その４）を説明する為のフロ
ーチャート図である。
る処理例について説明する。図１２、図１４、図１５、
図１７は、各々、ＵＲＬ推薦候補抽出装置５２により実
行される処理例（その１〜その４）を説明する為のフロ
ーチャート図である。
【００９７】まず、図１２を参照して、ＵＲＬ推薦候補
抽出装置５２により実行される処理例（その１）につい
て説明する。ＵＲＬ推薦候補抽出装置５２は、まず、予
め設定/登録されている“類似度の閾値ｒ”を取得する
（ステップＳ５１）。この“類似度の閾値ｒ”は、カテ
ゴリ比較装置５１が何を類似度としているかによって、
それに応じた値が用いられる。例えば、カテゴリ比較装
置５１が、上記処理例（その１）のように、両方のカテ
ゴリに共通するＵＲＬの数を類似度としている場合に
は、これに応じた値の閾値ｒが設定されている。
抽出装置５２により実行される処理例（その１）につい
て説明する。ＵＲＬ推薦候補抽出装置５２は、まず、予
め設定/登録されている“類似度の閾値ｒ”を取得する
（ステップＳ５１）。この“類似度の閾値ｒ”は、カテ
ゴリ比較装置５１が何を類似度としているかによって、
それに応じた値が用いられる。例えば、カテゴリ比較装
置５１が、上記処理例（その１）のように、両方のカテ
ゴリに共通するＵＲＬの数を類似度としている場合に
は、これに応じた値の閾値ｒが設定されている。
【００９８】次に、カテゴリ比較装置５１からデータを
得る（ステップＳ５２）。すなわち、上記図５、図９〜
図１１の何れかの処理結果として蓄積されている、各カ
テゴリの組の類似度のデータを得る。
得る（ステップＳ５２）。すなわち、上記図５、図９〜
図１１の何れかの処理結果として蓄積されている、各カ
テゴリの組の類似度のデータを得る。
【００９９】そして、全てのカテゴリの組について、類
似度と閾値ｒとを比較して、「類似度＞閾値」である
（ステップＳ５４、ＹＥＳ）カテゴリの組を選別して蓄
積しておく。その際、このカテゴリの組におけるＵＲＬ
の差分を抽出して、推薦すべきＵＲＬの候補として記録
しておく（ステップＳ５５）。
似度と閾値ｒとを比較して、「類似度＞閾値」である
（ステップＳ５４、ＹＥＳ）カテゴリの組を選別して蓄
積しておく。その際、このカテゴリの組におけるＵＲＬ
の差分を抽出して、推薦すべきＵＲＬの候補として記録
しておく（ステップＳ５５）。
【０１００】上記処理を、図１３（ａ）〜（ｄ）に示す
具体例を参照して説明する。図１３（ａ）の図上左側に
は、文書ディレクトリの各カテゴリに含まれるＵＲＬを
示す。尚、同図右側には、各ＵＲＬの利用回数（アクセ
ス数）を示すが、これは図１２の処理では関係なく、図
１４の処理で用いるので、ここでは説明しない。
具体例を参照して説明する。図１３（ａ）の図上左側に
は、文書ディレクトリの各カテゴリに含まれるＵＲＬを
示す。尚、同図右側には、各ＵＲＬの利用回数（アクセ
ス数）を示すが、これは図１２の処理では関係なく、図
１４の処理で用いるので、ここでは説明しない。
【０１０１】図１３（ｂ）の図上左側には、任意のユー
ザａのブックマークの各カテゴリに含まれるＵＲＬを示
す。尚、同図右側には、各ＵＲＬの利用回数を示すが、
上記と同様、ここでは説明しない。
ザａのブックマークの各カテゴリに含まれるＵＲＬを示
す。尚、同図右側には、各ＵＲＬの利用回数を示すが、
上記と同様、ここでは説明しない。
【０１０２】図１３（ｃ）は、上記図１３（ａ），
（ｂ）に示す例において、カテゴリ比較装置５１により
実行された処理（ここでは、処理（その１）を例にす
る）の結果をテーブル形式で示す図である。このテーブ
ル８０は、上記テーブル６０と同様、カテゴリ８１、カ
テゴリ８２、類似度８３の各データ項目より成り、図示
の通り、各カテゴリの組毎に、共通するＵＲＬの数が、
類似度８３に格納されている。
（ｂ）に示す例において、カテゴリ比較装置５１により
実行された処理（ここでは、処理（その１）を例にす
る）の結果をテーブル形式で示す図である。このテーブ
ル８０は、上記テーブル６０と同様、カテゴリ８１、カ
テゴリ８２、類似度８３の各データ項目より成り、図示
の通り、各カテゴリの組毎に、共通するＵＲＬの数が、
類似度８３に格納されている。
【０１０３】そして、上記ステップＳ５２の処理によ
り、カテゴリ比較装置５１から図１３（ｃ）に示すテー
ブルが読み出される。そして、各カテゴリの組毎に、ス
テップＳ５３〜Ｓ５５の処理により、類似度を閾値ｒ
（ここではｒ＝１とする）と比較し、類似度＞閾値ｒで
ある各カテゴリの組を求め、更に求めたカテゴリの組毎
に、ＵＲＬの差分を抽出した結果を、図１３（ｄ）に示
すテーブル９０に蓄積していく。
り、カテゴリ比較装置５１から図１３（ｃ）に示すテー
ブルが読み出される。そして、各カテゴリの組毎に、ス
テップＳ５３〜Ｓ５５の処理により、類似度を閾値ｒ
（ここではｒ＝１とする）と比較し、類似度＞閾値ｒで
ある各カテゴリの組を求め、更に求めたカテゴリの組毎
に、ＵＲＬの差分を抽出した結果を、図１３（ｄ）に示
すテーブル９０に蓄積していく。
【０１０４】図１３（ｄ）に示すテーブル９０は、各カ
テゴリの組を示すカテゴリ名９１、９２と、このカテゴ
リの組における差分のＵＲＬ９３より成る。この例で
は、類似度＞閾値ｒ（ｒ＝１）であるカテゴリの組は、
カテゴリＣとａ１の組、カテゴリＨとａ３の組であるの
で、これらが図１３（ｄ）に示すテーブル９０に格納さ
れる。また、カテゴリＣとａ１の組における差分のＵＲ
ＬはＵＲＬ９、カテゴリＨとａ３の組における差分のＵ
ＲＬはＵＲＬ８とＵＲＬ１０となるので、各々、テーブ
ル９０の差分のＵＲＬ９３に格納される。これらが、各
カテゴリの組毎に、互いに推薦すべきＵＲＬの候補とな
る。なお、図では、差分のＵＲＬ９３を混在して示して
いるが、実際には、ブックマークのカテゴリに存在して
いた差分のＵＲＬと、文書ディレクトリのカテゴリに存
在していた差分のＵＲＬとに区別して格納したほうがよ
い。
テゴリの組を示すカテゴリ名９１、９２と、このカテゴ
リの組における差分のＵＲＬ９３より成る。この例で
は、類似度＞閾値ｒ（ｒ＝１）であるカテゴリの組は、
カテゴリＣとａ１の組、カテゴリＨとａ３の組であるの
で、これらが図１３（ｄ）に示すテーブル９０に格納さ
れる。また、カテゴリＣとａ１の組における差分のＵＲ
ＬはＵＲＬ９、カテゴリＨとａ３の組における差分のＵ
ＲＬはＵＲＬ８とＵＲＬ１０となるので、各々、テーブ
ル９０の差分のＵＲＬ９３に格納される。これらが、各
カテゴリの組毎に、互いに推薦すべきＵＲＬの候補とな
る。なお、図では、差分のＵＲＬ９３を混在して示して
いるが、実際には、ブックマークのカテゴリに存在して
いた差分のＵＲＬと、文書ディレクトリのカテゴリに存
在していた差分のＵＲＬとに区別して格納したほうがよ
い。
【０１０５】図１２に示すＵＲＬ推薦候補抽出装置５２
により実行される処理例（その１）では、類似度＞閾値
ｒの判定により、互いに関連性が高いと推測されるカテ
ゴリの組を抽出しているが、差分のＵＲＬを推薦候補す
るだけでなく、より優良なＵＲＬを推薦できるようにす
ることが要望される。
により実行される処理例（その１）では、類似度＞閾値
ｒの判定により、互いに関連性が高いと推測されるカテ
ゴリの組を抽出しているが、差分のＵＲＬを推薦候補す
るだけでなく、より優良なＵＲＬを推薦できるようにす
ることが要望される。
【０１０６】以下に説明するＵＲＬ推薦候補抽出装置５
２により実行される処理例（その２）〜（その４）は、
優良なＵＲＬを推薦できる可能性を、より高めることが
できる手法を提案するものである。
２により実行される処理例（その２）〜（その４）は、
優良なＵＲＬを推薦できる可能性を、より高めることが
できる手法を提案するものである。
【０１０７】以下、図１４を参照して、ＵＲＬ推薦候補
抽出装置５２により実行される処理例（その２）につい
て説明する。図１４に示す処理の中で、ステップＳ６
１、ステップＳ６３〜Ｓ６６の処理は、図１２に示すス
テップＳ５１〜Ｓ５５の処理と同様であるので、説明は
省略する。
抽出装置５２により実行される処理例（その２）につい
て説明する。図１４に示す処理の中で、ステップＳ６
１、ステップＳ６３〜Ｓ６６の処理は、図１２に示すス
テップＳ５１〜Ｓ５５の処理と同様であるので、説明は
省略する。
【０１０８】本処理では、ステップＳ６２の処理におい
て、予め設定/登録されている“利用回数の閾値ｓ，
ｔ”を得る。ここで、２つの閾値を用いるのは、例えば
あるＵＲＬのホームページに関する利用回数は、通常、
ユーザ側と文書ディレクトリ側とでは桁が違うからであ
る。つまり、ユーザが上記ＵＲＬを利用する回数という
意味での利用回数は、数回〜数百回程度のオーダーであ
るのに対して、上記ＵＲＬのホームページに対するアク
セス数という意味での利用回数は、数千〜数百万という
オーダーであり、桁が違うので、閾値も別々に設定す
る。ここでは、ユーザの利用回数に対する閾値を閾値ｓ
とする（当然、文書ディレクトリ側に関しては、閾値ｔ
となる）。
て、予め設定/登録されている“利用回数の閾値ｓ，
ｔ”を得る。ここで、２つの閾値を用いるのは、例えば
あるＵＲＬのホームページに関する利用回数は、通常、
ユーザ側と文書ディレクトリ側とでは桁が違うからであ
る。つまり、ユーザが上記ＵＲＬを利用する回数という
意味での利用回数は、数回〜数百回程度のオーダーであ
るのに対して、上記ＵＲＬのホームページに対するアク
セス数という意味での利用回数は、数千〜数百万という
オーダーであり、桁が違うので、閾値も別々に設定す
る。ここでは、ユーザの利用回数に対する閾値を閾値ｓ
とする（当然、文書ディレクトリ側に関しては、閾値ｔ
となる）。
【０１０９】そして、ステップＳ６６の処理により抽出
した差分のＵＲＬのうち、閾値ｓ又はｔを越えるＵＲＬ
のみを、推薦するＵＲＬの候補として残すようにする
（ステップＳ６７）ことが、本処理の特徴である。
した差分のＵＲＬのうち、閾値ｓ又はｔを越えるＵＲＬ
のみを、推薦するＵＲＬの候補として残すようにする
（ステップＳ６７）ことが、本処理の特徴である。
【０１１０】上記図１４に示す処理について、再び、図
１３を参照して説明する。上記の通り、図１３（ａ），
（ｂ）の図上右側には、各ＵＲＬの利用回数が示してあ
る。また、閾値ｓ＝３、閾値ｔ＝3,000とする。また、
ステップＳ６６の処理の段階では、図１３（ｄ）に示す
ＵＲＬが得られていると見なせる。
１３を参照して説明する。上記の通り、図１３（ａ），
（ｂ）の図上右側には、各ＵＲＬの利用回数が示してあ
る。また、閾値ｓ＝３、閾値ｔ＝3,000とする。また、
ステップＳ６６の処理の段階では、図１３（ｄ）に示す
ＵＲＬが得られていると見なせる。
【０１１１】この例において、ステップＳ６７の処理を
実行すると、まず、カテゴリＣとａ１の組に関して、Ｕ
ＲＬ９は文書ディレクトリ側にあるＵＲＬであるので、
その利用回数は7,000であり、これを閾値ｔと比較する
と、利用回数＞閾値ｔとなるので、ＵＲＬ９はブックマ
ークに推薦するＵＲＬの候補として残る。
実行すると、まず、カテゴリＣとａ１の組に関して、Ｕ
ＲＬ９は文書ディレクトリ側にあるＵＲＬであるので、
その利用回数は7,000であり、これを閾値ｔと比較する
と、利用回数＞閾値ｔとなるので、ＵＲＬ９はブックマ
ークに推薦するＵＲＬの候補として残る。
【０１１２】一方、カテゴリＨとａ３の組に関しては、
まず、ＵＲＬ８は、文書ディレクトリ側にあるＵＲＬで
あるので、その利用回数は2,000であり、これを閾値ｔ
と比較すると、利用回数は閾値ｔを越えないので、ＵＲ
Ｌ８はブックマークに推薦するＵＲＬの候補から除外さ
れる。また、ＵＲＬ１０は、ユーザ側（ブックマークに
登録されている）ＵＲＬであるので、その利用回数は２
であり、これを閾値ｓと比較すると、利用回数は閾値ｓ
を越えないので、ＵＲＬ１０はブックマークに推薦する
ＵＲＬの候補から除外される。このように、この簡単な
例では、カテゴリＨとａ３の組に関しては、推薦候補と
なるＵＲＬが無くなってしまうが、実際には差分のＵＲ
Ｌはもっと多くなると考えられるので（特に文書ディレ
クトリ側からユーザ側に推薦すべきＵＲＬの数は非常に
多くなると考えられる）、むしろ推薦するＵＲＬの数を
絞ることに役立つ。しかも、単に数を減らすだけでな
く、優良なＵＲＬは残るようにすることが可能となる。
まず、ＵＲＬ８は、文書ディレクトリ側にあるＵＲＬで
あるので、その利用回数は2,000であり、これを閾値ｔ
と比較すると、利用回数は閾値ｔを越えないので、ＵＲ
Ｌ８はブックマークに推薦するＵＲＬの候補から除外さ
れる。また、ＵＲＬ１０は、ユーザ側（ブックマークに
登録されている）ＵＲＬであるので、その利用回数は２
であり、これを閾値ｓと比較すると、利用回数は閾値ｓ
を越えないので、ＵＲＬ１０はブックマークに推薦する
ＵＲＬの候補から除外される。このように、この簡単な
例では、カテゴリＨとａ３の組に関しては、推薦候補と
なるＵＲＬが無くなってしまうが、実際には差分のＵＲ
Ｌはもっと多くなると考えられるので（特に文書ディレ
クトリ側からユーザ側に推薦すべきＵＲＬの数は非常に
多くなると考えられる）、むしろ推薦するＵＲＬの数を
絞ることに役立つ。しかも、単に数を減らすだけでな
く、優良なＵＲＬは残るようにすることが可能となる。
【０１１３】以下、図１５を参照して、ＵＲＬ推薦候補
抽出装置５２により実行される処理例（その３）につい
て説明する。図１５に示す処理の中で、ステップＳ７１
〜Ｓ７６の処理は、図１２に示すステップＳ５１〜Ｓ５
５の処理と同様であるので（ステップＳ７５、Ｓ７６の
処理は、ステップＳ５５の処理を単に２つに分けて示し
ているだけである）、説明は省略する。
抽出装置５２により実行される処理例（その３）につい
て説明する。図１５に示す処理の中で、ステップＳ７１
〜Ｓ７６の処理は、図１２に示すステップＳ５１〜Ｓ５
５の処理と同様であるので（ステップＳ７５、Ｓ７６の
処理は、ステップＳ５５の処理を単に２つに分けて示し
ているだけである）、説明は省略する。
【０１１４】そして、各カテゴリの組毎に、ステップＳ
７６の処理により抽出した差分のＵＲＬの各々につい
て、全てのカテゴリの中でこの差分のＵＲＬを含むカテ
ゴリが幾つあるのかをカウントして、このカウント値を
記憶しておく（ステップＳ７７）。
７６の処理により抽出した差分のＵＲＬの各々につい
て、全てのカテゴリの中でこの差分のＵＲＬを含むカテ
ゴリが幾つあるのかをカウントして、このカウント値を
記憶しておく（ステップＳ７７）。
【０１１５】ステップＳ７２〜Ｓ７７の処理を繰り返し
実行していき、全てのカテゴリの組について処理を実行
したら（ステップＳ７８，ＹＥＳ）、ステップＳ７５〜
Ｓ７７の処理により蓄積してあるデータ、すなわち類似
度＞閾値の条件を満たすカテゴリの組と、その差分のＵ
ＲＬ及びカウント値のデータを用いて、ステップＳ７９
の処理を実行する。
実行していき、全てのカテゴリの組について処理を実行
したら（ステップＳ７８，ＹＥＳ）、ステップＳ７５〜
Ｓ７７の処理により蓄積してあるデータ、すなわち類似
度＞閾値の条件を満たすカテゴリの組と、その差分のＵ
ＲＬ及びカウント値のデータを用いて、ステップＳ７９
の処理を実行する。
【０１１６】ステップＳ７９の処理は、上記各カテゴリ
の組毎に、差分のＵＲＬを、そのカウント値が大きい順
にソートする処理である。これにより、後に説明するブ
ックマークへのＵＲＬ推薦装置５４または文書ディレク
トリへのＵＲＬ推薦装置５３の処理において、推薦する
ＵＲＬの数を制限する場合において、カウント値が大き
いＵＲＬほど優先的に推薦されることになる。ここで、
カウント値がより大きいＵＲＬとは、上記の通り、より
多くのカテゴリで利用されているＵＲＬであるので、よ
り優良なＵＲＬである可能性が高いことになる。
の組毎に、差分のＵＲＬを、そのカウント値が大きい順
にソートする処理である。これにより、後に説明するブ
ックマークへのＵＲＬ推薦装置５４または文書ディレク
トリへのＵＲＬ推薦装置５３の処理において、推薦する
ＵＲＬの数を制限する場合において、カウント値が大き
いＵＲＬほど優先的に推薦されることになる。ここで、
カウント値がより大きいＵＲＬとは、上記の通り、より
多くのカテゴリで利用されているＵＲＬであるので、よ
り優良なＵＲＬである可能性が高いことになる。
【０１１７】ここで、上記ステップＳ７７の処理の具体
的な手法について、図１６を参照して説明する。まず、
前提として、当該処理例（その３）及び後述する処理例
（その４）では、カテゴリ比較装置５１から、例えば図
８で説明したテーブル７０も取得している。
的な手法について、図１６を参照して説明する。まず、
前提として、当該処理例（その３）及び後述する処理例
（その４）では、カテゴリ比較装置５１から、例えば図
８で説明したテーブル７０も取得している。
【０１１８】図１６には、このように取得したテーブル
を示す。尚、図示のテーブル１００は、本説明を分かり
易くする為に図８のテーブル７０のデータの内容を変え
て示しているだけである。
を示す。尚、図示のテーブル１００は、本説明を分かり
易くする為に図８のテーブル７０のデータの内容を変え
て示しているだけである。
【０１１９】まず、上記ステップＳ７４の処理で類似度
＞閾値ｒを満たすカテゴリの組として、カテゴリａ１と
Ｃの組が得られた場合、ステップＳ７６の処理で得られ
る差分のＵＲＬは、図１６に示す例ではＵＲＬ２とＵＲ
Ｌ４となる。上記ステップＳ７７の処理は、このＵＲＬ
２、ＵＲＬ４各々について、全てのカテゴリの中でこれ
らＵＲＬが存在するカテゴリが各々幾つ存在するかを求
める（図上、点線の囲みで示すイメージ）。この数が多
いほうが、より多くのユーザに利用されていることにな
るので、優良なＵＲＬである可能性が高いと推測でき
る。これより、後の処理において、ＵＲＬ４が優先的に
カテゴリａ１に追加されることになる。
＞閾値ｒを満たすカテゴリの組として、カテゴリａ１と
Ｃの組が得られた場合、ステップＳ７６の処理で得られ
る差分のＵＲＬは、図１６に示す例ではＵＲＬ２とＵＲ
Ｌ４となる。上記ステップＳ７７の処理は、このＵＲＬ
２、ＵＲＬ４各々について、全てのカテゴリの中でこれ
らＵＲＬが存在するカテゴリが各々幾つ存在するかを求
める（図上、点線の囲みで示すイメージ）。この数が多
いほうが、より多くのユーザに利用されていることにな
るので、優良なＵＲＬである可能性が高いと推測でき
る。これより、後の処理において、ＵＲＬ４が優先的に
カテゴリａ１に追加されることになる。
【０１２０】次に、以下、図１７を参照して、ＵＲＬ推
薦候補抽出装置５２により実行される処理例（その４）
について説明する。この処理例（その４）は、基本的な
処理の流れは上記処理例（その３）と略同様であるが、
単純にカウント値を求めるのではなく、重み付けを行う
点で異なる。
薦候補抽出装置５２により実行される処理例（その４）
について説明する。この処理例（その４）は、基本的な
処理の流れは上記処理例（その３）と略同様であるが、
単純にカウント値を求めるのではなく、重み付けを行う
点で異なる。
【０１２１】すなわち、図１７に示す処理では、まず、
類似度の閾値ｒを取得すると共に、文書ディレクトリの
重みｇを取得する（ステップＳ８１）。その後、ステッ
プＳ８２〜Ｓ８６の処理は、上記ステップＳ７２〜Ｓ７
６の処理と同じである。
類似度の閾値ｒを取得すると共に、文書ディレクトリの
重みｇを取得する（ステップＳ８１）。その後、ステッ
プＳ８２〜Ｓ８６の処理は、上記ステップＳ７２〜Ｓ７
６の処理と同じである。
【０１２２】本処理では、ステップＳ７７の処理に代え
て、ステップＳ８７〜Ｓ８９の処理を実行する。まず、
ステップＳ７７の処理では、他の全てのカテゴリの中で
各差分のＵＲＬを含むカテゴリが幾つあるのかをカウン
トしていたが、本処理ではこれをブックマークのカテゴ
リと文書ディレクトリのカテゴリとで分けて行う。
て、ステップＳ８７〜Ｓ８９の処理を実行する。まず、
ステップＳ７７の処理では、他の全てのカテゴリの中で
各差分のＵＲＬを含むカテゴリが幾つあるのかをカウン
トしていたが、本処理ではこれをブックマークのカテゴ
リと文書ディレクトリのカテゴリとで分けて行う。
【０１２３】すなわち、ステップＳ８６の処理により得
られた各差分のＵＲＬ毎に、他の全てのブックマークの
カテゴリの中で、この差分のＵＲＬを含むカテゴリが幾
つあるのかをカウントし、このカウント値（ｃ１）を記
録する（ステップＳ８７）。
られた各差分のＵＲＬ毎に、他の全てのブックマークの
カテゴリの中で、この差分のＵＲＬを含むカテゴリが幾
つあるのかをカウントし、このカウント値（ｃ１）を記
録する（ステップＳ８７）。
【０１２４】また、ステップＳ８６の処理により得られ
た各差分のＵＲＬ毎に、他の全ての文書ディレクトリの
カテゴリの中で、この差分のＵＲＬを含むカテゴリが幾
つあるのかをカウントし、このカウント値（ｃ２）を記
録する（ステップＳ８８）。
た各差分のＵＲＬ毎に、他の全ての文書ディレクトリの
カテゴリの中で、この差分のＵＲＬを含むカテゴリが幾
つあるのかをカウントし、このカウント値（ｃ２）を記
録する（ステップＳ８８）。
【０１２５】そして、カウント値（ｃ２）に対して重み
付けを行ったうえで、トータルのカウント値を求める。
すなわち、「ｃ１＋（ｃ２×ｇ）」を算出し、これを記
憶する（ステップＳ８９）。
付けを行ったうえで、トータルのカウント値を求める。
すなわち、「ｃ１＋（ｃ２×ｇ）」を算出し、これを記
憶する（ステップＳ８９）。
【０１２６】文書ディレクトリの重みｇは、例えば予め
設定されている任意の整数であり、各ユーザが設定して
もよいし、文書ディレクトリ側の管理者などが設定して
もよい。文書ディレクトリの重みｇをユーザが設定する
ことによって、他のユーザからの推薦を受けるようにす
るか、文書ディレクトリからの推薦を優先的に受けるよ
うにするかを、加減することができるようになる。例え
ばあるカテゴリの組についてステップＳ８６で得られた
差分のＵＲＬがＵＲＬ１とＵＲＬ２であったとし、ＵＲ
Ｌ１についてはｃ１＝２、ｃ２＝１であり、ＵＲＬ２に
ついてはｃ１＝５、ｃ２＝０であったとする。この例で
は、上記処理例（その３）の場合、カウント値がそれぞ
れ３、５であり、ＵＲＬ２の優先度が高くなるが（ステ
ップＳ７９でソートされると、より上位になる）、本処
理において例えばあるユーザが文書ディレクトリの重み
ｇ＝１０に設定していた場合には、「ｃ１＋（ｃ２×
ｇ）」はそれぞれ１２、５となり、ＵＲＬ１のほうが優
先度が高くなる。つまり、文書ディレクトリのカテゴリ
に含まれているＵＲＬ（この例ではＵＲＬ１）のほう
を、優先的に推薦することができる。換言すれば、この
場合、上記ユーザは、他のユーザのブックマークよりも
文書ディレクトリのほうを信頼する、と考えている。
設定されている任意の整数であり、各ユーザが設定して
もよいし、文書ディレクトリ側の管理者などが設定して
もよい。文書ディレクトリの重みｇをユーザが設定する
ことによって、他のユーザからの推薦を受けるようにす
るか、文書ディレクトリからの推薦を優先的に受けるよ
うにするかを、加減することができるようになる。例え
ばあるカテゴリの組についてステップＳ８６で得られた
差分のＵＲＬがＵＲＬ１とＵＲＬ２であったとし、ＵＲ
Ｌ１についてはｃ１＝２、ｃ２＝１であり、ＵＲＬ２に
ついてはｃ１＝５、ｃ２＝０であったとする。この例で
は、上記処理例（その３）の場合、カウント値がそれぞ
れ３、５であり、ＵＲＬ２の優先度が高くなるが（ステ
ップＳ７９でソートされると、より上位になる）、本処
理において例えばあるユーザが文書ディレクトリの重み
ｇ＝１０に設定していた場合には、「ｃ１＋（ｃ２×
ｇ）」はそれぞれ１２、５となり、ＵＲＬ１のほうが優
先度が高くなる。つまり、文書ディレクトリのカテゴリ
に含まれているＵＲＬ（この例ではＵＲＬ１）のほう
を、優先的に推薦することができる。換言すれば、この
場合、上記ユーザは、他のユーザのブックマークよりも
文書ディレクトリのほうを信頼する、と考えている。
【０１２７】また、文書ディレクトリ側の管理者等が、
文書ディレクトリの重みｇを設定するようにした場合、
例えば重みｇの設定値を大きくすると、上記の通り文書
ディレクトリ側から推薦されるＵＲＬが優先されるの
で、積極的に、文書ディレクトリに登録したＵＲＬを各
ユーザに知ってもらいたい（ブックマークに登録させた
い）等と思う場合には、重みｇの設定値を大きくすれば
よい。
文書ディレクトリの重みｇを設定するようにした場合、
例えば重みｇの設定値を大きくすると、上記の通り文書
ディレクトリ側から推薦されるＵＲＬが優先されるの
で、積極的に、文書ディレクトリに登録したＵＲＬを各
ユーザに知ってもらいたい（ブックマークに登録させた
い）等と思う場合には、重みｇの設定値を大きくすれば
よい。
【０１２８】また、ユーザが設定する場合でも、文書デ
ィレクトリ側の管理者等が設定する場合でも、重みｇの
設定値を非常に大きくすれば、文書ディレクトリのパー
ソナライズ版を容易に提供できる（または提供を受ける
ことができる）。文書ディレクトリのパーソナライズ版
とは、例えば「Ｍｙ Ｙａｈｏｏ！」等が知られてい
る。
ィレクトリ側の管理者等が設定する場合でも、重みｇの
設定値を非常に大きくすれば、文書ディレクトリのパー
ソナライズ版を容易に提供できる（または提供を受ける
ことができる）。文書ディレクトリのパーソナライズ版
とは、例えば「Ｍｙ Ｙａｈｏｏ！」等が知られてい
る。
【０１２９】つまり、本発明は、例えば「Ｍｙ Ｙａｈ
ｏｏ！」等の文書ディレクトリのパーソナライズ版の内
容を自動更新することにも利用できる。尚、この場合、
各ユーザのブックマークのカテゴリだけでなく、例えば
各ユーザの「Ｍｙ Ｙａｈｏｏ！」等のカテゴリも用い
て、上述したカテゴリ比較、ＵＲＬ推薦等の処理を行う
ようにしてもよい。
ｏｏ！」等の文書ディレクトリのパーソナライズ版の内
容を自動更新することにも利用できる。尚、この場合、
各ユーザのブックマークのカテゴリだけでなく、例えば
各ユーザの「Ｍｙ Ｙａｈｏｏ！」等のカテゴリも用い
て、上述したカテゴリ比較、ＵＲＬ推薦等の処理を行う
ようにしてもよい。
【０１３０】上記ステップＳ８２〜Ｓ８９の処理を、各
カテゴリの組に関して繰り返し実行していき、全てのカ
テゴリの組について処理を実行し終えたら（ステップＳ
９０，ＹＥＳ）、ステップＳ８５〜Ｓ８９の処理により
蓄積してあるデータ、すなわち類似度＞閾値の条件を満
たすカテゴリの組と、その差分のＵＲＬとその「ｃ１＋
（ｃ２×ｇ）」のデータを用いて、ステップＳ９１の処
理を実行する。
カテゴリの組に関して繰り返し実行していき、全てのカ
テゴリの組について処理を実行し終えたら（ステップＳ
９０，ＹＥＳ）、ステップＳ８５〜Ｓ８９の処理により
蓄積してあるデータ、すなわち類似度＞閾値の条件を満
たすカテゴリの組と、その差分のＵＲＬとその「ｃ１＋
（ｃ２×ｇ）」のデータを用いて、ステップＳ９１の処
理を実行する。
【０１３１】ステップＳ９１の処理は、上記各カテゴリ
の組毎に、差分のＵＲＬを、その「ｃ１＋（ｃ２×
ｇ）」の値が大きい順にソートする処理である。次に、
以下、ブックマークへのＵＲＬ推薦装置５４、ディレク
トリへのＵＲＬ推薦装置５３における処理例について説
明する。
の組毎に、差分のＵＲＬを、その「ｃ１＋（ｃ２×
ｇ）」の値が大きい順にソートする処理である。次に、
以下、ブックマークへのＵＲＬ推薦装置５４、ディレク
トリへのＵＲＬ推薦装置５３における処理例について説
明する。
【０１３２】ブックマークへのＵＲＬ推薦装置５４、デ
ィレクトリへのＵＲＬ推薦装置５３は、各々、ＵＲＬ推
薦候補抽出装置５２により抽出されたＵＲＬ推薦候補に
基づいて、各ブックマークまたは文書ディレクトリの各
カテゴリに新たに追加すべきＵＲＬを推薦する装置であ
る。
ィレクトリへのＵＲＬ推薦装置５３は、各々、ＵＲＬ推
薦候補抽出装置５２により抽出されたＵＲＬ推薦候補に
基づいて、各ブックマークまたは文書ディレクトリの各
カテゴリに新たに追加すべきＵＲＬを推薦する装置であ
る。
【０１３３】ブックマークへのＵＲＬ推薦装置５４、デ
ィレクトリへのＵＲＬ推薦装置５３は、例えば、各々、
ＵＲＬ推薦候補抽出装置５２により抽出されたＵＲＬ推
薦候補を、そのまま、各ブックマークまたは文書ディレ
クトリの各カテゴリへ推薦してもよい（特に、ＵＲＬ推
薦候補抽出装置５２が上記処理例（その１）、（その
２）を実行するものである場合）。
ィレクトリへのＵＲＬ推薦装置５３は、例えば、各々、
ＵＲＬ推薦候補抽出装置５２により抽出されたＵＲＬ推
薦候補を、そのまま、各ブックマークまたは文書ディレ
クトリの各カテゴリへ推薦してもよい（特に、ＵＲＬ推
薦候補抽出装置５２が上記処理例（その１）、（その
２）を実行するものである場合）。
【０１３４】一方、特に、文書ディレクトリのカテゴリ
にあるＵＲＬを、ブックマーク側に推薦する場合、その
数が非常に多数になる場合もあり、これをそのまま推薦
すると、かえってユーザに余計な負担を掛けることに成
りかねない。また、ブックマークのカテゴリにあるＵＲ
Ｌを、文書ディレクトリ側に推薦する場合や、ブックマ
ーク同士で推薦し合う場合にも、推薦するＵＲＬが無駄
に数が多い（あまり優良ではないＵＲＬも含まれる）場
合が考えられる。
にあるＵＲＬを、ブックマーク側に推薦する場合、その
数が非常に多数になる場合もあり、これをそのまま推薦
すると、かえってユーザに余計な負担を掛けることに成
りかねない。また、ブックマークのカテゴリにあるＵＲ
Ｌを、文書ディレクトリ側に推薦する場合や、ブックマ
ーク同士で推薦し合う場合にも、推薦するＵＲＬが無駄
に数が多い（あまり優良ではないＵＲＬも含まれる）場
合が考えられる。
【０１３５】このような状況を考慮して、ブックマーク
へのＵＲＬ推薦装置５４、ディレクトリへのＵＲＬ推薦
装置５３は、各々、図１８、図１９に示す処理を実行す
ることにより、推薦するＵＲＬの数を制限するようにし
てもよい。図１８、図１９に示す処理は、ＵＲＬ推薦候
補抽出装置５２が上記処理例（その１）〜（その４）の
何れを実行する場合でも有効であるが、特にＵＲＬ推薦
候補抽出装置５２が上記処理例（その３）または（その
４）を実行する場合には、図１８、図１９のステップＳ
１０２又はＳ１１２において、上記ステップＳ７９又は
Ｓ９１の処理によりソートされた推薦候補のＵＲＬを、
上位から順番に推薦していくことで、より優良と思われ
るＵＲＬを優先的に推薦することができる。また、これ
は、ＵＲＬ推薦候補抽出装置５２の上記処理例（その
２）の変形例にも適用できる。この変形例は、上記ステ
ップＳ６７の処理後、更に、抽出した推薦候補のＵＲＬ
を、利用回数が多い順にソートする処理を加えるもので
ある。
へのＵＲＬ推薦装置５４、ディレクトリへのＵＲＬ推薦
装置５３は、各々、図１８、図１９に示す処理を実行す
ることにより、推薦するＵＲＬの数を制限するようにし
てもよい。図１８、図１９に示す処理は、ＵＲＬ推薦候
補抽出装置５２が上記処理例（その１）〜（その４）の
何れを実行する場合でも有効であるが、特にＵＲＬ推薦
候補抽出装置５２が上記処理例（その３）または（その
４）を実行する場合には、図１８、図１９のステップＳ
１０２又はＳ１１２において、上記ステップＳ７９又は
Ｓ９１の処理によりソートされた推薦候補のＵＲＬを、
上位から順番に推薦していくことで、より優良と思われ
るＵＲＬを優先的に推薦することができる。また、これ
は、ＵＲＬ推薦候補抽出装置５２の上記処理例（その
２）の変形例にも適用できる。この変形例は、上記ステ
ップＳ６７の処理後、更に、抽出した推薦候補のＵＲＬ
を、利用回数が多い順にソートする処理を加えるもので
ある。
【０１３６】以下、図１８、図１９を参照して、ブック
マークへのＵＲＬ推薦装置５４、ディレクトリへのＵＲ
Ｌ推薦装置５３各々の処理例について説明する。図１８
は、ディレクトリへのＵＲＬ推薦装置５３により実行さ
れる処理を説明する為のフローチャート図である。
マークへのＵＲＬ推薦装置５４、ディレクトリへのＵＲ
Ｌ推薦装置５３各々の処理例について説明する。図１８
は、ディレクトリへのＵＲＬ推薦装置５３により実行さ
れる処理を説明する為のフローチャート図である。
【０１３７】同図において、まず、予め設定/登録され
ている「ディレクトリに登録するＵＲＬの最大数（Ｍａ
ｘ）」を取得する（ステップＳ１０１）。次に、ＵＲＬ
推薦候補抽出装置５２により抽出された推薦候補のＵＲ
Ｌ群の中から、文書ディレクトリ格納装置１１側にＵＲ
Ｌを１つ推薦する毎に（ステップＳ１０２）、推薦した
ＵＲＬの数（ｃ）を更新（+１インクリメント）する
（ステップＳ１０３）。そして、更新後の“推薦したＵ
ＲＬの数（ｃ）”が最大数（Ｍａｘ）を越えるまで（ス
テップＳ１０４、ＮＯ）、ステップＳ１０２、Ｓ１０３
の処理を繰り返し実行する。
ている「ディレクトリに登録するＵＲＬの最大数（Ｍａ
ｘ）」を取得する（ステップＳ１０１）。次に、ＵＲＬ
推薦候補抽出装置５２により抽出された推薦候補のＵＲ
Ｌ群の中から、文書ディレクトリ格納装置１１側にＵＲ
Ｌを１つ推薦する毎に（ステップＳ１０２）、推薦した
ＵＲＬの数（ｃ）を更新（+１インクリメント）する
（ステップＳ１０３）。そして、更新後の“推薦したＵ
ＲＬの数（ｃ）”が最大数（Ｍａｘ）を越えるまで（ス
テップＳ１０４、ＮＯ）、ステップＳ１０２、Ｓ１０３
の処理を繰り返し実行する。
【０１３８】文書ディレクトリ格納装置１１側では、例
えば、ディレクトリ管理者等が、上記推薦されたＵＲＬ
が、本当にそのカテゴリに登録するのに相応しいか否か
を判断するなどしてから、各カテゴリに、推薦されたＵ
ＲＬの全部又は一部を登録する。尚、これに限らず、デ
ィレクトリへのＵＲＬ推薦装置５３が、上記ＵＲＬを、
推薦するのではなく、文書ディレクトリ格納装置１１の
各カテゴリに自動的に登録するようにしてもよい。
えば、ディレクトリ管理者等が、上記推薦されたＵＲＬ
が、本当にそのカテゴリに登録するのに相応しいか否か
を判断するなどしてから、各カテゴリに、推薦されたＵ
ＲＬの全部又は一部を登録する。尚、これに限らず、デ
ィレクトリへのＵＲＬ推薦装置５３が、上記ＵＲＬを、
推薦するのではなく、文書ディレクトリ格納装置１１の
各カテゴリに自動的に登録するようにしてもよい。
【０１３９】図１９は、ブックマークへのＵＲＬ推薦装
置５４により実行される処理を説明する為のフローチャ
ート図である。同図において、まず、予め設定/登録さ
れている「ブックマークに登録するＵＲＬの最大数（Ｍ
ａｘ）」を取得する（ステップＳ１１１）。次に、ＵＲ
Ｌ推薦候補抽出装置５２により抽出された推薦候補のＵ
ＲＬ群の中から、ブックマーク格納装置１２側にＵＲＬ
を１つ推薦する毎に（ステップＳ１１２）、推薦したＵ
ＲＬの数（ｃ）を更新（+１インクリメント）する（ス
テップＳ１１３）。そして、更新後の“推薦したＵＲＬ
の数（ｃ）”が最大数（Ｍａｘ）を越えるまで（ステッ
プＳ１１４、ＮＯ）、ステップＳ１１２、Ｓ１１３の処
理を繰り返し実行する。
置５４により実行される処理を説明する為のフローチャ
ート図である。同図において、まず、予め設定/登録さ
れている「ブックマークに登録するＵＲＬの最大数（Ｍ
ａｘ）」を取得する（ステップＳ１１１）。次に、ＵＲ
Ｌ推薦候補抽出装置５２により抽出された推薦候補のＵ
ＲＬ群の中から、ブックマーク格納装置１２側にＵＲＬ
を１つ推薦する毎に（ステップＳ１１２）、推薦したＵ
ＲＬの数（ｃ）を更新（+１インクリメント）する（ス
テップＳ１１３）。そして、更新後の“推薦したＵＲＬ
の数（ｃ）”が最大数（Ｍａｘ）を越えるまで（ステッ
プＳ１１４、ＮＯ）、ステップＳ１１２、Ｓ１１３の処
理を繰り返し実行する。
【０１４０】ブックマークへのＵＲＬ推薦装置５４また
はディレクトリへのＵＲＬ推薦装置５３により推薦を受
けたユーザ又はディレクトリ管理者は、推薦されたＵＲ
Ｌを本当に登録すべきかを判断したうえで、各カテゴリ
に登録する。あるいは、これに限らず、ブックマークへ
のＵＲＬ推薦装置５４またはディレクトリへのＵＲＬ推
薦装置５３が、各々が推薦するＵＲＬを自動的に各カテ
ゴリに登録する構成としてもよい。
はディレクトリへのＵＲＬ推薦装置５３により推薦を受
けたユーザ又はディレクトリ管理者は、推薦されたＵＲ
Ｌを本当に登録すべきかを判断したうえで、各カテゴリ
に登録する。あるいは、これに限らず、ブックマークへ
のＵＲＬ推薦装置５４またはディレクトリへのＵＲＬ推
薦装置５３が、各々が推薦するＵＲＬを自動的に各カテ
ゴリに登録する構成としてもよい。
【０１４１】以上説明したように、本例のＵＲＬ推薦シ
ステムによれば、文書ディレクトリ側、ユーザ側双方に
とって、それぞれ、以下に記す効果が得られる。 ・文書ディレクトリ側にとっての効果 （１）ディレクトリ管理者にとって、新たに登録すべき
ＵＲＬを探し、探し出した各ＵＲＬを登録すべき適切な
カテゴリを判断するという作業が、軽減される。 （２）ディレクトリの重みｇを大きくすることで、ディ
レクトリのパーソナライズ版の提供を容易に行うことが
できる。 ・各ユーザ側にとっての効果 （１）有効なＵＲＬの推薦が受けられ、ブックマークが
陳腐化しない。特に、ユーザが少人数の場合でも、十分
に機能する。 （２）カテゴリの階層構造やカテゴリ名（フォルダ名
等）は関係なく、処理を行うので、ブックマークのよう
にユーザ独自の階層構造、カテゴリ名であっても何ら問
題なく、有効なＵＲＬの推薦が受けられる。 （３）ディレクトリの重みｇを大きくすることで、ディ
レクトリのパーソナライズ版の自動更新に利用できる。 （４）ディレクトリの重みｇの設定の仕方によって、自
由に、自己に都合が良い推薦が受けられる可能性を高め
ることができる。
ステムによれば、文書ディレクトリ側、ユーザ側双方に
とって、それぞれ、以下に記す効果が得られる。 ・文書ディレクトリ側にとっての効果 （１）ディレクトリ管理者にとって、新たに登録すべき
ＵＲＬを探し、探し出した各ＵＲＬを登録すべき適切な
カテゴリを判断するという作業が、軽減される。 （２）ディレクトリの重みｇを大きくすることで、ディ
レクトリのパーソナライズ版の提供を容易に行うことが
できる。 ・各ユーザ側にとっての効果 （１）有効なＵＲＬの推薦が受けられ、ブックマークが
陳腐化しない。特に、ユーザが少人数の場合でも、十分
に機能する。 （２）カテゴリの階層構造やカテゴリ名（フォルダ名
等）は関係なく、処理を行うので、ブックマークのよう
にユーザ独自の階層構造、カテゴリ名であっても何ら問
題なく、有効なＵＲＬの推薦が受けられる。 （３）ディレクトリの重みｇを大きくすることで、ディ
レクトリのパーソナライズ版の自動更新に利用できる。 （４）ディレクトリの重みｇの設定の仕方によって、自
由に、自己に都合が良い推薦が受けられる可能性を高め
ることができる。
【０１４２】図２０は、上記各種処理を実行する情報処
理装置（コンピュータ）のハードウェア構成の一例を示
す図である。同図に示す情報処理装置（コンピュータ）
１１０は、ＣＰＵ１１１、メモリ１１２、入力装置１１
３、出力装置１１４、外部記憶装置１１５、媒体駆動装
置１１６、ネットワーク接続装置１１７等を有し、これ
らがバス１１８に接続された構成となっている。同図に
示す構成は一例であり、これに限るものではない。
理装置（コンピュータ）のハードウェア構成の一例を示
す図である。同図に示す情報処理装置（コンピュータ）
１１０は、ＣＰＵ１１１、メモリ１１２、入力装置１１
３、出力装置１１４、外部記憶装置１１５、媒体駆動装
置１１６、ネットワーク接続装置１１７等を有し、これ
らがバス１１８に接続された構成となっている。同図に
示す構成は一例であり、これに限るものではない。
【０１４３】ＣＰＵ１１１は、当該情報処理装置１１０
全体を制御する中央処理装置である。メモリ１１２は、
プログラム実行、データ更新等の際に、外部記憶装置１
１５（あるいは可搬記録媒体１１９）に記憶されている
プログラムあるいはデータを一時的に格納するＲＡＭ等
のメモリである。ＣＰＵ１１１は、メモリ１１２に読み
出したプログラム／データを用いて、上述してある各種
処理を実行する。
全体を制御する中央処理装置である。メモリ１１２は、
プログラム実行、データ更新等の際に、外部記憶装置１
１５（あるいは可搬記録媒体１１９）に記憶されている
プログラムあるいはデータを一時的に格納するＲＡＭ等
のメモリである。ＣＰＵ１１１は、メモリ１１２に読み
出したプログラム／データを用いて、上述してある各種
処理を実行する。
【０１４４】入力装置１１３は、例えばキーボード、マ
ウス、タッチパネル等である。出力装置１１４は、例え
ばディスプレイ、プリンタ等である。尚、入力装置１１
３、出力装置１１４は、無くてもよい。
ウス、タッチパネル等である。出力装置１１４は、例え
ばディスプレイ、プリンタ等である。尚、入力装置１１
３、出力装置１１４は、無くてもよい。
【０１４５】外部記憶装置１１５は、例えばハードディ
スク装置等であり、上記各種機能を実現させる為のプロ
グラム／データ等（例えば図５、図６、図９〜図１２、
図１４、図１５、図１７〜図１９に示す各処理をコンピ
ュータに実行させるプログラム/データ等）が格納され
ている。
スク装置等であり、上記各種機能を実現させる為のプロ
グラム／データ等（例えば図５、図６、図９〜図１２、
図１４、図１５、図１７〜図１９に示す各処理をコンピ
ュータに実行させるプログラム/データ等）が格納され
ている。
【０１４６】媒体駆動装置１１６は、可搬記録媒体１１
９に記憶されているプログラム／データ等を読み出す
（または書込む）。可搬記録媒体１１９は、例えば、Ｆ
Ｄ（フレキシブルディスク）、ＣＤ−ＲＯＭ、その他、
ＤＶＤ、光磁気ディスク等である。
９に記憶されているプログラム／データ等を読み出す
（または書込む）。可搬記録媒体１１９は、例えば、Ｆ
Ｄ（フレキシブルディスク）、ＣＤ−ＲＯＭ、その他、
ＤＶＤ、光磁気ディスク等である。
【０１４７】ネットワーク接続装置１１７は、ネットワ
ーク（インターネット等）に接続して、外部の情報処理
装置とプログラム／データ等の送受信を可能にする構成
である。
ーク（インターネット等）に接続して、外部の情報処理
装置とプログラム／データ等の送受信を可能にする構成
である。
【０１４８】図２１は、上記プログラムを記録した記録
媒体又はプログラムのダウンロードの一例を示す図であ
る。図示のように、上記本発明の機能を実現するプログ
ラム／データが記憶されている可搬記録媒体１１９を情
報処理装置１１０の本体に挿入する等して、当該プログ
ラム／データを読み出してメモリ１１２に格納し実行す
るものであってもよいし、また、上記プログラム／デー
タは、ネットワーク接続装置１１７により接続している
ネットワーク１３０（インターネット等）を介して、外
部のプログラム／データ提供者側のサーバ１２０に記憶
されているプログラム／データ１２１をダウンロードす
るものであってもよい。
媒体又はプログラムのダウンロードの一例を示す図であ
る。図示のように、上記本発明の機能を実現するプログ
ラム／データが記憶されている可搬記録媒体１１９を情
報処理装置１１０の本体に挿入する等して、当該プログ
ラム／データを読み出してメモリ１１２に格納し実行す
るものであってもよいし、また、上記プログラム／デー
タは、ネットワーク接続装置１１７により接続している
ネットワーク１３０（インターネット等）を介して、外
部のプログラム／データ提供者側のサーバ１２０に記憶
されているプログラム／データ１２１をダウンロードす
るものであってもよい。
【０１４９】また、本発明は、装置／方法に限らず、上
記プログラム／データを格納した記録媒体（可搬記録媒
体１１９等）自体として構成することもできるし、これ
らプログラム自体として構成することもできる。
記プログラム／データを格納した記録媒体（可搬記録媒
体１１９等）自体として構成することもできるし、これ
らプログラム自体として構成することもできる。
【０１５０】（付記１） ネットワーク上の配置情報を
各カテゴリに格納する配置情報格納装置と、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
るカテゴリ比較手段と、該類似度が第１の閾値以上であ
るカテゴリの組を選別し、該選別した各カテゴリの組毎
に互いに推薦すべき配置情報の候補を抽出する配置情報
推薦候補抽出手段と、前記選別された各カテゴリの組毎
に、該配置情報推薦候補抽出手段により抽出された推薦
すべき配置情報の候補に基づいて、前記配置情報格納装
置に対して各カテゴリに登録すべき配置情報を推薦する
第１の推薦手段と、を有することを特徴とする配置情報
推薦装置。
各カテゴリに格納する配置情報格納装置と、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
るカテゴリ比較手段と、該類似度が第１の閾値以上であ
るカテゴリの組を選別し、該選別した各カテゴリの組毎
に互いに推薦すべき配置情報の候補を抽出する配置情報
推薦候補抽出手段と、前記選別された各カテゴリの組毎
に、該配置情報推薦候補抽出手段により抽出された推薦
すべき配置情報の候補に基づいて、前記配置情報格納装
置に対して各カテゴリに登録すべき配置情報を推薦する
第１の推薦手段と、を有することを特徴とする配置情報
推薦装置。
【０１５１】（付記２） ネットワーク上の配置情報を
各カテゴリに格納する配置情報格納装置と、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
るカテゴリ比較手段と、該類似度が第１の閾値以上であ
るカテゴリの組を選別し、該選別した各カテゴリの組毎
に互いに推薦すべき配置情報の候補を抽出する配置情報
推薦候補抽出手段と、前記選別された各カテゴリの組毎
に、該配置情報推薦候補抽出手段により抽出された推薦
すべき配置情報の候補に基づいて、前記個人登録配置情
報格納装置に対して各カテゴリに登録すべき配置情報を
推薦する第２の推薦手段と、を有することを特徴とする
配置情報推薦装置。
各カテゴリに格納する配置情報格納装置と、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
るカテゴリ比較手段と、該類似度が第１の閾値以上であ
るカテゴリの組を選別し、該選別した各カテゴリの組毎
に互いに推薦すべき配置情報の候補を抽出する配置情報
推薦候補抽出手段と、前記選別された各カテゴリの組毎
に、該配置情報推薦候補抽出手段により抽出された推薦
すべき配置情報の候補に基づいて、前記個人登録配置情
報格納装置に対して各カテゴリに登録すべき配置情報を
推薦する第２の推薦手段と、を有することを特徴とする
配置情報推薦装置。
【０１５２】（付記３） 前記配置情報推薦候補抽出手
段は、前記選別した各カテゴリの組毎に、相互に比較し
て差分となる配置情報を抽出し、該差分の配置情報を前
記推薦すべき配置情報の候補とすることを特徴とする付
記１または２に記載の配置情報推薦装置。
段は、前記選別した各カテゴリの組毎に、相互に比較し
て差分となる配置情報を抽出し、該差分の配置情報を前
記推薦すべき配置情報の候補とすることを特徴とする付
記１または２に記載の配置情報推薦装置。
【０１５３】（付記４） 前記各配置情報毎に該配置情
報が指すコンテンツに対する全アクセス数または各ユー
ザ毎のアクセス数を格納するアクセス数格納手段を更に
有し、配置情報推薦候補抽出手段は、前記アクセス数が
第２の閾値以下である配置情報は前記推薦すべき配置情
報の候補から除外することを特徴とする付記１〜３の何
れかに記載の配置情報推薦装置。
報が指すコンテンツに対する全アクセス数または各ユー
ザ毎のアクセス数を格納するアクセス数格納手段を更に
有し、配置情報推薦候補抽出手段は、前記アクセス数が
第２の閾値以下である配置情報は前記推薦すべき配置情
報の候補から除外することを特徴とする付記１〜３の何
れかに記載の配置情報推薦装置。
【０１５４】（付記５） 前記配置情報推薦候補抽出手
段は、前記抽出した推薦すべき配置情報の候補に優先順
位を付け、前記推薦手段は、優先順位が高い配置情報か
ら順に前記配置情報格納装置または前記個人登録配置情
報格納装置に対して推薦することを特徴とする付記１〜
４の何れかに記載の配置情報推薦装置。
段は、前記抽出した推薦すべき配置情報の候補に優先順
位を付け、前記推薦手段は、優先順位が高い配置情報か
ら順に前記配置情報格納装置または前記個人登録配置情
報格納装置に対して推薦することを特徴とする付記１〜
４の何れかに記載の配置情報推薦装置。
【０１５５】（付記６） 前記配置情報推薦候補抽出手
段は、前記各推薦すべき配置情報の候補が含まれている
カテゴリの数に基づいて前記優先順位を決定することを
特徴とする付記５の何れかに記載の配置情報推薦装置。
段は、前記各推薦すべき配置情報の候補が含まれている
カテゴリの数に基づいて前記優先順位を決定することを
特徴とする付記５の何れかに記載の配置情報推薦装置。
【０１５６】（付記７） 前記配置情報格納装置に格納
されているカテゴリに対する重みを設定させ格納する重
み調整手段を更に備え、前記配置情報推薦候補抽出手段
は、該重みを用いて前記優先順位を決定することを特徴
とする付記５または６記載の配置情報推薦装置。
されているカテゴリに対する重みを設定させ格納する重
み調整手段を更に備え、前記配置情報推薦候補抽出手段
は、該重みを用いて前記優先順位を決定することを特徴
とする付記５または６記載の配置情報推薦装置。
【０１５７】（付記８） 前記第１の推薦手段又は前記
第２の推薦手段は、前記配置情報格納装置または前記個
人登録配置情報格納装置に対して推薦する配置情報の数
を、各カテゴリ毎に第３の閾値までとすることを特徴と
する付記１〜７の何れかに記載の配置情報推薦装置。
第２の推薦手段は、前記配置情報格納装置または前記個
人登録配置情報格納装置に対して推薦する配置情報の数
を、各カテゴリ毎に第３の閾値までとすることを特徴と
する付記１〜７の何れかに記載の配置情報推薦装置。
【０１５８】（付記９） 前記カテゴリ比較手段は、各
カテゴリの組毎に、共通する配置情報の数を前記類似度
とすることを特徴とする付記１〜８の何れかに記載の配
置情報推薦装置。
カテゴリの組毎に、共通する配置情報の数を前記類似度
とすることを特徴とする付記１〜８の何れかに記載の配
置情報推薦装置。
【０１５９】（付記１０） 前記カテゴリ比較手段は、
各カテゴリの組毎に、各々に含まれる配置情報が指すコ
ンテンツを取得して該コンテンツを単語に分解し、共通
する単語の数を求め、該共通単語の数を前記類似度とす
ることを特徴とする付記１〜８の何れかに記載の配置情
報推薦装置。
各カテゴリの組毎に、各々に含まれる配置情報が指すコ
ンテンツを取得して該コンテンツを単語に分解し、共通
する単語の数を求め、該共通単語の数を前記類似度とす
ることを特徴とする付記１〜８の何れかに記載の配置情
報推薦装置。
【０１６０】（付記１１） 前記カテゴリ比較手段は、
各カテゴリの組毎に、一方のカテゴリに対して予め登録
されているキーワードを取得すると共に、他方のカテゴ
リに含まれる配置情報が指すコンテンツを取得して該コ
ンテンツを単語に分解し、前記キーワードと一致する単
語の数を求め、該求めた単語の数を前記類似度とするこ
とを特徴とする付記１〜８の何れかに記載の配置情報推
薦装置。
各カテゴリの組毎に、一方のカテゴリに対して予め登録
されているキーワードを取得すると共に、他方のカテゴ
リに含まれる配置情報が指すコンテンツを取得して該コ
ンテンツを単語に分解し、前記キーワードと一致する単
語の数を求め、該求めた単語の数を前記類似度とするこ
とを特徴とする付記１〜８の何れかに記載の配置情報推
薦装置。
【０１６１】（付記１２） 前記各配置情報毎に該配置
情報が指すコンテンツに対する全アクセス数または各ユ
ーザ毎のアクセス数を格納するアクセス数格納手段を更
に有し、前記カテゴリ比較手段は、各カテゴリの組毎
に、各々に含まれる配置情報に関するアクセス数を前記
アクセス数格納手段から取得し、該取得したアクセス数
をベクトルとして内積/距離を算出し、該算出した内積/
距離を前記類似度とすることを特徴とする付記１〜３、
５〜８の何れかに記載の配置情報推薦装置。
情報が指すコンテンツに対する全アクセス数または各ユ
ーザ毎のアクセス数を格納するアクセス数格納手段を更
に有し、前記カテゴリ比較手段は、各カテゴリの組毎
に、各々に含まれる配置情報に関するアクセス数を前記
アクセス数格納手段から取得し、該取得したアクセス数
をベクトルとして内積/距離を算出し、該算出した内積/
距離を前記類似度とすることを特徴とする付記１〜３、
５〜８の何れかに記載の配置情報推薦装置。
【０１６２】（付記１３） ネットワーク上の配置情報
を各カテゴリに格納する配置情報格納装置と、複数のユ
ーザの各個人登録配置情報を各カテゴリに格納する個人
登録配置情報格納装置の各々から、前記各カテゴリと該
カテゴリに含まれる配置情報とを取得して、各カテゴリ
の組を作成すると共に各カテゴリの組毎に類似度を算出
するカテゴリ比較手段と、該類似度が第１の閾値以上で
あるカテゴリの組を選別し、該選別した各カテゴリの組
毎に互いに推薦すべき配置情報の候補を抽出する配置情
報推薦候補抽出手段と、前記選別された各カテゴリの組
毎に、該配置情報推薦候補抽出手段により抽出された推
薦すべき配置情報の候補に基づいて、前記配置情報格納
装置または前記個人登録配置情報格納装置に対して各カ
テゴリに登録すべき配置情報を推薦する推薦手段と、を
有することを特徴とする配置情報推薦装置。
を各カテゴリに格納する配置情報格納装置と、複数のユ
ーザの各個人登録配置情報を各カテゴリに格納する個人
登録配置情報格納装置の各々から、前記各カテゴリと該
カテゴリに含まれる配置情報とを取得して、各カテゴリ
の組を作成すると共に各カテゴリの組毎に類似度を算出
するカテゴリ比較手段と、該類似度が第１の閾値以上で
あるカテゴリの組を選別し、該選別した各カテゴリの組
毎に互いに推薦すべき配置情報の候補を抽出する配置情
報推薦候補抽出手段と、前記選別された各カテゴリの組
毎に、該配置情報推薦候補抽出手段により抽出された推
薦すべき配置情報の候補に基づいて、前記配置情報格納
装置または前記個人登録配置情報格納装置に対して各カ
テゴリに登録すべき配置情報を推薦する推薦手段と、を
有することを特徴とする配置情報推薦装置。
【０１６３】（付記１４） ネットワーク上の配置情報
を各カテゴリに格納する配置情報格納装置、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
る手段を有し、関連性が高いカテゴリ同士で互いに配置
情報を推薦し合えるようにすることを特徴とするカテゴ
リ比較装置。
を各カテゴリに格納する配置情報格納装置、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して、各カテゴリの
組を作成すると共に各カテゴリの組毎に類似度を算出す
る手段を有し、関連性が高いカテゴリ同士で互いに配置
情報を推薦し合えるようにすることを特徴とするカテゴ
リ比較装置。
【０１６４】（付記１５） ネットワーク上の配置情報
を各カテゴリに格納する配置情報格納装置、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して作成された各カ
テゴリの組とその類似度とに基づいて、該類似度が第１
の閾値以上であるカテゴリの組を選別し、該選別した各
カテゴリの組毎に互いに推薦すべき配置情報の候補を抽
出する手段を有することを特徴とする配置情報推薦候補
抽出装置。
を各カテゴリに格納する配置情報格納装置、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から、前記各カテゴリと該カ
テゴリに含まれる配置情報とを取得して作成された各カ
テゴリの組とその類似度とに基づいて、該類似度が第１
の閾値以上であるカテゴリの組を選別し、該選別した各
カテゴリの組毎に互いに推薦すべき配置情報の候補を抽
出する手段を有することを特徴とする配置情報推薦候補
抽出装置。
【０１６５】（付記１６） ネットワーク上の配置情報
を各カテゴリに格納する配置情報格納装置、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から取得された前記各カテゴ
リと該カテゴリに含まれる配置情報に基づいて抽出され
た配置情報の推薦候補に基づいて、前記配置情報格納装
置または前記個人登録配置情報格納装置に対して各カテ
ゴリに登録すべき配置情報を推薦する手段を有すること
を特徴とする推薦装置。
を各カテゴリに格納する配置情報格納装置、複数のユー
ザの各個人登録配置情報を各カテゴリに格納する個人登
録配置情報格納装置の各々から取得された前記各カテゴ
リと該カテゴリに含まれる配置情報に基づいて抽出され
た配置情報の推薦候補に基づいて、前記配置情報格納装
置または前記個人登録配置情報格納装置に対して各カテ
ゴリに登録すべき配置情報を推薦する手段を有すること
を特徴とする推薦装置。
【０１６６】（付記１７） ネットワーク上の配置情報
を各カテゴリに格納する配置情報格納装置と、複数のユ
ーザの各個人登録配置情報を各カテゴリに格納する個人
登録配置情報格納装置とから、前記各カテゴリと該カテ
ゴリに含まれる配置情報とを取得して、各カテゴリの組
を作成すると共に各カテゴリの組毎に類似度を算出し、
該類似度が第１の閾値以上であるカテゴリの組を選別
し、該選別した各カテゴリの組毎に互いに推薦すべき配
置情報の候補を抽出し、前記選別された各カテゴリの組
毎に、該抽出された推薦すべき配置情報の候補に基づい
て、前記配置情報格納装置または前記個人登録配置情報
格納装置に対して各カテゴリに登録すべき配置情報を推
薦することを特徴とする配置情報推薦方法。
を各カテゴリに格納する配置情報格納装置と、複数のユ
ーザの各個人登録配置情報を各カテゴリに格納する個人
登録配置情報格納装置とから、前記各カテゴリと該カテ
ゴリに含まれる配置情報とを取得して、各カテゴリの組
を作成すると共に各カテゴリの組毎に類似度を算出し、
該類似度が第１の閾値以上であるカテゴリの組を選別
し、該選別した各カテゴリの組毎に互いに推薦すべき配
置情報の候補を抽出し、前記選別された各カテゴリの組
毎に、該抽出された推薦すべき配置情報の候補に基づい
て、前記配置情報格納装置または前記個人登録配置情報
格納装置に対して各カテゴリに登録すべき配置情報を推
薦することを特徴とする配置情報推薦方法。
【０１６７】（付記１８） 前記各配置情報が指すコン
テンツに対する全アクセス数または各ユーザ毎のアクセ
ス数を格納する装置からアクセス数を取得し、該アクセ
ス数が第２の閾値以下である配置情報は前記推薦すべき
配置情報の候補から除外することを特徴とする付記１７
記載の配置情報推薦方法。
テンツに対する全アクセス数または各ユーザ毎のアクセ
ス数を格納する装置からアクセス数を取得し、該アクセ
ス数が第２の閾値以下である配置情報は前記推薦すべき
配置情報の候補から除外することを特徴とする付記１７
記載の配置情報推薦方法。
【０１６８】（付記１９） 前記抽出した推薦すべき配
置情報の候補に優先順位を付け、該優先順位が高い推薦
候補から順に前記配置情報格納装置または前記個人登録
配置情報格納装置に配置情報を推薦することを特徴とす
る付記１７または１８記載の配置情報推薦方法。
置情報の候補に優先順位を付け、該優先順位が高い推薦
候補から順に前記配置情報格納装置または前記個人登録
配置情報格納装置に配置情報を推薦することを特徴とす
る付記１７または１８記載の配置情報推薦方法。
【０１６９】（付記２０） 前記配置情報格納装置に格
納されているカテゴリに対する重みを設定させ、該重み
を用いて前記優先順位を決定することを特徴とする付記
１９記載の配置情報推薦方法。
納されているカテゴリに対する重みを設定させ、該重み
を用いて前記優先順位を決定することを特徴とする付記
１９記載の配置情報推薦方法。
【０１７０】（付記２１） 前記推薦する配置情報の数
を制限することを特徴とする付記１７〜２０の何れかに
記載の配置情報推薦方法。 （付記２２） コンピュータに、ネットワーク上の配置
情報を各カテゴリに格納する配置情報格納装置と、複数
のユーザの各個人登録配置情報を各カテゴリに格納する
個人登録配置情報格納装置とから、前記各カテゴリと該
カテゴリに含まれる配置情報とを取得して、各カテゴリ
の組を作成すると共に各カテゴリの組毎に類似度を算出
する機能と、該類似度が第１の閾値以上であるカテゴリ
の組を選別し、該選別した各カテゴリの組毎に互いに推
薦すべき配置情報の候補を抽出する機能と、前記選別さ
れた各カテゴリの組毎に、該抽出された推薦すべき配置
情報の候補に基づいて、前記配置情報格納装置に対して
各カテゴリに登録すべき配置情報を推薦する機能と、を
実現させる為のプログラム。
を制限することを特徴とする付記１７〜２０の何れかに
記載の配置情報推薦方法。 （付記２２） コンピュータに、ネットワーク上の配置
情報を各カテゴリに格納する配置情報格納装置と、複数
のユーザの各個人登録配置情報を各カテゴリに格納する
個人登録配置情報格納装置とから、前記各カテゴリと該
カテゴリに含まれる配置情報とを取得して、各カテゴリ
の組を作成すると共に各カテゴリの組毎に類似度を算出
する機能と、該類似度が第１の閾値以上であるカテゴリ
の組を選別し、該選別した各カテゴリの組毎に互いに推
薦すべき配置情報の候補を抽出する機能と、前記選別さ
れた各カテゴリの組毎に、該抽出された推薦すべき配置
情報の候補に基づいて、前記配置情報格納装置に対して
各カテゴリに登録すべき配置情報を推薦する機能と、を
実現させる為のプログラム。
【０１７１】（付記２３） コンピュータに、ネットワ
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置と、複数のユーザの各個人登録配置情報を各カテゴ
リに格納する個人登録配置情報格納装置とから、前記各
カテゴリと該カテゴリに含まれる配置情報とを取得し
て、各カテゴリの組を作成すると共に各カテゴリの組毎
に類似度を算出する機能と、該類似度が第１の閾値以上
であるカテゴリの組を選別し、該選別した各カテゴリの
組毎に互いに推薦すべき配置情報の候補を抽出する機能
と、前記選別された各カテゴリの組毎に、該抽出された
推薦すべき配置情報の候補に基づいて、前記個人登録配
置情報格納装置に対して各カテゴリに登録すべき配置情
報を推薦する機能と、を実現させる為のプログラム。
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置と、複数のユーザの各個人登録配置情報を各カテゴ
リに格納する個人登録配置情報格納装置とから、前記各
カテゴリと該カテゴリに含まれる配置情報とを取得し
て、各カテゴリの組を作成すると共に各カテゴリの組毎
に類似度を算出する機能と、該類似度が第１の閾値以上
であるカテゴリの組を選別し、該選別した各カテゴリの
組毎に互いに推薦すべき配置情報の候補を抽出する機能
と、前記選別された各カテゴリの組毎に、該抽出された
推薦すべき配置情報の候補に基づいて、前記個人登録配
置情報格納装置に対して各カテゴリに登録すべき配置情
報を推薦する機能と、を実現させる為のプログラム。
【０１７２】（付記２４） 前記各配置情報が指すコン
テンツに対する全アクセス数または各ユーザ毎のアクセ
ス数を格納する装置からアクセス数を取得する機能と、
該アクセス数が第２の閾値以下である配置情報は前記推
薦すべき配置情報の候補から除外する機能と、を更に有
することを特徴とする付記２２または２３記載のプログ
ラム。
テンツに対する全アクセス数または各ユーザ毎のアクセ
ス数を格納する装置からアクセス数を取得する機能と、
該アクセス数が第２の閾値以下である配置情報は前記推
薦すべき配置情報の候補から除外する機能と、を更に有
することを特徴とする付記２２または２３記載のプログ
ラム。
【０１７３】（付記２５） 前記抽出した推薦すべき配
置情報の候補に優先順位を付ける機能と、該優先順位が
高い推薦候補から順に前記配置情報格納装置または前記
個人登録配置情報格納装置に対して配置情報を推薦する
機能と、を更に有することを特徴とする付記２２〜２４
の何れかに記載のプログラム。
置情報の候補に優先順位を付ける機能と、該優先順位が
高い推薦候補から順に前記配置情報格納装置または前記
個人登録配置情報格納装置に対して配置情報を推薦する
機能と、を更に有することを特徴とする付記２２〜２４
の何れかに記載のプログラム。
【０１７４】（付記２６） 前記配置情報格納装置に格
納されているカテゴリに対する重みを設定させる機能
と、該重みを用いて前記優先順位を決定する機能と、を
更に有することを特徴とする付記２２〜２５の何れかに
記載のプログラム。
納されているカテゴリに対する重みを設定させる機能
と、該重みを用いて前記優先順位を決定する機能と、を
更に有することを特徴とする付記２２〜２５の何れかに
記載のプログラム。
【０１７５】（付記２７） 前記推薦する配置情報の数
を制限する機能を更に有することを特徴とする付記２２
〜２６の何れかに記載のプログラム。 （付記２８） コンピュータに、ネットワーク上の配置
情報を各カテゴリに格納する配置情報格納装置、複数の
ユーザの各個人登録配置情報を各カテゴリに格納する個
人登録配置情報格納装置の各々から、前記各カテゴリと
該カテゴリに含まれる配置情報とを取得して、各カテゴ
リの組を作成すると共に各カテゴリの組毎に類似度を算
出して、関連性が高いカテゴリ同士で互いに配置情報を
推薦し合えるようにする機能を実現させる為のプログラ
ム。
を制限する機能を更に有することを特徴とする付記２２
〜２６の何れかに記載のプログラム。 （付記２８） コンピュータに、ネットワーク上の配置
情報を各カテゴリに格納する配置情報格納装置、複数の
ユーザの各個人登録配置情報を各カテゴリに格納する個
人登録配置情報格納装置の各々から、前記各カテゴリと
該カテゴリに含まれる配置情報とを取得して、各カテゴ
リの組を作成すると共に各カテゴリの組毎に類似度を算
出して、関連性が高いカテゴリ同士で互いに配置情報を
推薦し合えるようにする機能を実現させる為のプログラ
ム。
【０１７６】（付記２９） コンピュータに、ネットワ
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置、複数のユーザの各個人登録配置情報を各カテゴリ
に格納する個人登録配置情報格納装置の各々から、前記
各カテゴリと該カテゴリに含まれる配置情報とを取得し
て作成された各カテゴリの組とその類似度とに基づい
て、該類似度が第１の閾値以上であるカテゴリの組を選
別する機能と、該選別した各カテゴリの組毎に互いに推
薦すべき配置情報の候補を抽出する機能と、を実現させ
る為のプログラム。
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置、複数のユーザの各個人登録配置情報を各カテゴリ
に格納する個人登録配置情報格納装置の各々から、前記
各カテゴリと該カテゴリに含まれる配置情報とを取得し
て作成された各カテゴリの組とその類似度とに基づい
て、該類似度が第１の閾値以上であるカテゴリの組を選
別する機能と、該選別した各カテゴリの組毎に互いに推
薦すべき配置情報の候補を抽出する機能と、を実現させ
る為のプログラム。
【０１７７】（付記３０） コンピュータに、ネットワ
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置、複数のユーザの各個人登録配置情報を各カテゴリ
に格納する個人登録配置情報格納装置の各々から取得さ
れた前記各カテゴリと該カテゴリに含まれる配置情報に
基づいて抽出された配置情報の推薦候補に基づいて、前
記配置情報格納装置または前記個人登録配置情報格納装
置に対して各カテゴリに登録すべき配置情報を推薦する
機能と実現させる為のプログラム。
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置、複数のユーザの各個人登録配置情報を各カテゴリ
に格納する個人登録配置情報格納装置の各々から取得さ
れた前記各カテゴリと該カテゴリに含まれる配置情報に
基づいて抽出された配置情報の推薦候補に基づいて、前
記配置情報格納装置または前記個人登録配置情報格納装
置に対して各カテゴリに登録すべき配置情報を推薦する
機能と実現させる為のプログラム。
【０１７８】（付記３１） コンピュータに、ネットワ
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置と、複数のユーザの各個人登録配置情報を各カテゴ
リに格納する個人登録配置情報格納装置とから、前記各
カテゴリと該カテゴリに含まれる配置情報とを取得し
て、各カテゴリの組を作成すると共に各カテゴリの組毎
に類似度を算出する機能と、該類似度が第１の閾値以上
であるカテゴリの組を選別し、該選別した各カテゴリの
組毎に互いに推薦すべき配置情報の候補を抽出する機能
と、前記選別された各カテゴリの組毎に、該抽出された
推薦すべき配置情報の候補に基づいて、前記配置情報格
納装置に対して各カテゴリに登録すべき配置情報を推薦
する機能と、を実現させるプログラムを記録した前記コ
ンピュータ読取り可能な記録媒体。
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置と、複数のユーザの各個人登録配置情報を各カテゴ
リに格納する個人登録配置情報格納装置とから、前記各
カテゴリと該カテゴリに含まれる配置情報とを取得し
て、各カテゴリの組を作成すると共に各カテゴリの組毎
に類似度を算出する機能と、該類似度が第１の閾値以上
であるカテゴリの組を選別し、該選別した各カテゴリの
組毎に互いに推薦すべき配置情報の候補を抽出する機能
と、前記選別された各カテゴリの組毎に、該抽出された
推薦すべき配置情報の候補に基づいて、前記配置情報格
納装置に対して各カテゴリに登録すべき配置情報を推薦
する機能と、を実現させるプログラムを記録した前記コ
ンピュータ読取り可能な記録媒体。
【０１７９】（付記３２） コンピュータに、ネットワ
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置と、複数のユーザの各個人登録配置情報を各カテゴ
リに格納する個人登録配置情報格納装置とから、前記各
カテゴリと該カテゴリに含まれる配置情報とを取得し
て、各カテゴリの組を作成すると共に各カテゴリの組毎
に類似度を算出する機能と、該類似度が第１の閾値以上
であるカテゴリの組を選別し、該選別した各カテゴリの
組毎に互いに推薦すべき配置情報の候補を抽出する機能
と、前記選別された各カテゴリの組毎に、該抽出された
推薦すべき配置情報の候補に基づいて、前記個人登録配
置情報格納装置に対して各カテゴリに登録すべき配置情
報を推薦する機能と、を実現させるプログラムを記録し
た前記コンピュータ読取り可能な記録媒体。
ーク上の配置情報を各カテゴリに格納する配置情報格納
装置と、複数のユーザの各個人登録配置情報を各カテゴ
リに格納する個人登録配置情報格納装置とから、前記各
カテゴリと該カテゴリに含まれる配置情報とを取得し
て、各カテゴリの組を作成すると共に各カテゴリの組毎
に類似度を算出する機能と、該類似度が第１の閾値以上
であるカテゴリの組を選別し、該選別した各カテゴリの
組毎に互いに推薦すべき配置情報の候補を抽出する機能
と、前記選別された各カテゴリの組毎に、該抽出された
推薦すべき配置情報の候補に基づいて、前記個人登録配
置情報格納装置に対して各カテゴリに登録すべき配置情
報を推薦する機能と、を実現させるプログラムを記録し
た前記コンピュータ読取り可能な記録媒体。
【０１８０】
【発明の効果】以上詳細に説明したように、本発明の配
置情報推薦装置、その方法、プログラム等によれば、ブ
ックマークだけでなく文書ディレクトリも用いること
で、登録ユーザが比較的少数であっても有効な推薦が受
けられ、更に推薦されたＵＲＬが役立つ可能性を高める
ことができ、また文書ディレクトリにおける登録作業を
軽減させ以って維持/管理コストを低減できる。また、
ユーザが重み調整可能とすることで、ユーザが望む形で
のＵＲＬの推薦が行なわれ易くなる。また、文書ディレ
クトリのパーソナライズ版が自動的に更新されるように
できる。
置情報推薦装置、その方法、プログラム等によれば、ブ
ックマークだけでなく文書ディレクトリも用いること
で、登録ユーザが比較的少数であっても有効な推薦が受
けられ、更に推薦されたＵＲＬが役立つ可能性を高める
ことができ、また文書ディレクトリにおける登録作業を
軽減させ以って維持/管理コストを低減できる。また、
ユーザが重み調整可能とすることで、ユーザが望む形で
のＵＲＬの推薦が行なわれ易くなる。また、文書ディレ
クトリのパーソナライズ版が自動的に更新されるように
できる。
【図１】配置情報推薦装置の基本構成ブロック図であ
る。
る。
【図２】本例によるＵＲＬ推薦システムの基本構成を示
すシステム構成図である。
すシステム構成図である。
【図３】図２に示す基本構成において更にアクセス回数
記録装置を加えた構成を示す図である
記録装置を加えた構成を示す図である
【図４】図２に示す基本構成において更に重み調整装置
を加えた構成を示す図である。
を加えた構成を示す図である。
【図５】カテゴリ比較装置により実行される処理例（そ
の１）を説明する為のフローチャート図である。
の１）を説明する為のフローチャート図である。
【図６】文書ディレクトリの階層構造の一例を示す図で
ある。
ある。
【図７】（ａ）〜（ｃ）は、各カテゴリの組とその類似
度を算出する処理の具体例を説明する為の図である。
度を算出する処理の具体例を説明する為の図である。
【図８】各カテゴリの組とその類似度を算出する処理の
具体的手法の一例を説明する為の図である。
具体的手法の一例を説明する為の図である。
【図９】カテゴリ比較装置により実行される処理例（そ
の２）を説明する為のフローチャート図である。
の２）を説明する為のフローチャート図である。
【図１０】カテゴリ比較装置により実行される処理例
（その３）を説明する為のフローチャート図である。
（その３）を説明する為のフローチャート図である。
【図１１】カテゴリ比較装置により実行される処理例
（その４）を説明する為のフローチャート図である。
（その４）を説明する為のフローチャート図である。
【図１２】ＵＲＬ推薦候補抽出装置により実行される処
理例（その１）を説明する為のフローチャート図であ
る。
理例（その１）を説明する為のフローチャート図であ
る。
【図１３】（ａ）〜（ｄ）は、類似度の高いカテゴリの
組を選別して、このカテゴリの組におけるＵＲＬの差分
を抽出する処理の具体例を示す図である。
組を選別して、このカテゴリの組におけるＵＲＬの差分
を抽出する処理の具体例を示す図である。
【図１４】ＵＲＬ推薦候補抽出装置により実行される処
理例（その２）を説明する為のフローチャート図であ
る。
理例（その２）を説明する為のフローチャート図であ
る。
【図１５】ＵＲＬ推薦候補抽出装置により実行される処
理例（その３）を説明する為のフローチャート図であ
る。
理例（その３）を説明する為のフローチャート図であ
る。
【図１６】差分のＵＲＬを含むカテゴリが幾つあるかを
求める処理を具体的に説明する為の図である。
求める処理を具体的に説明する為の図である。
【図１７】ＵＲＬ推薦候補抽出装置により実行される処
理例（その４）を説明する為のフローチャート図であ
る。
理例（その４）を説明する為のフローチャート図であ
る。
【図１８】ディレクトリへのＵＲＬ推薦装置により実行
される処理を説明する為のフローチャート図である。
される処理を説明する為のフローチャート図である。
【図１９】ブックマークへのＵＲＬ推薦装置により実行
される処理を説明する為のフローチャート図である。
される処理を説明する為のフローチャート図である。
【図２０】情報処理装置（コンピュータ）のハードウェ
ア構成の一例を示す図である。
ア構成の一例を示す図である。
【図２１】プログラムを記録した記録媒体又はプログラ
ムのダウンロードの一例を示す図である。
ムのダウンロードの一例を示す図である。
１ 配置情報格納部
２ 個人登録配置情報格納部
３ カテゴリ比較部
４ 配置情報推薦候補抽出部
５ 第１の推薦部
６ 第２の推薦部
７ アクセス回数記録部
８ 重み調整部
１１ 文書ディレクトリ格納装置
１２ ブックマーク格納装置
１３ カテゴリ比較装置
１４ ＵＲＬ推薦候補抽出装置
１５ ディレクトリへのＵＲＬ推薦装置
１６ ブックマークへのＵＲＬ推薦装置
２０ ユーザ端末
３０ ネットワーク
４１ カテゴリ比較装置
４２ ＵＲＬ推薦候補抽出装置
４３ ディレクトリへのＵＲＬ推薦装置
４４ ブックマークへのＵＲＬ推薦装置
４５ アクセス回数記録装置
５１ カテゴリ比較装置
５２ ＵＲＬ推薦候補抽出装置
５３ ディレクトリへのＵＲＬ推薦装置
５４ ブックマークへのＵＲＬ推薦装置
５５ アクセス回数記録装置
５６ 重み調整装置
６０ テーブル
６１ カテゴリ名
６２ カテゴリ名
６３ 類似度
７０ テーブル
８０ テーブル
８１ カテゴリ名
８２ カテゴリ名
８３ 類似度
９０ テーブル
９１ カテゴリ名
９２ カテゴリ名
９３ 差分のＵＲＬ
１００ テーブル
１１０ 情報処理装置（コンピュータ）
１１１ ＣＰＵ
１１２ メモリ
１１３ 入力装置
１１４ 出力装置
１１５ 外部記憶装置
１１６ 媒体駆動装置
１１７ ネットワーク接続装置
１１８ バス
１１９ 可搬記録媒体
１２０ サーバ
１２１ プログラム/データ
１３０ ネットワーク
─────────────────────────────────────────────────────
フロントページの続き
Ｆターム(参考） 5B075 NK46 NR12 PP02 PP03 PQ02
PR01 PR04 PR06 PR08 QM08
5B082 HA05 HA08
Claims (10)
- 【請求項１】 ネットワーク上の配置情報を各カテゴリ
に格納する配置情報格納装置と、複数のユーザの各個人
登録配置情報を各カテゴリに格納する個人登録配置情報
格納装置の各々から、前記各カテゴリと該カテゴリに含
まれる配置情報とを取得して、各カテゴリの組を作成す
ると共に各カテゴリの組毎に類似度を算出するカテゴリ
比較手段と、 該類似度が第１の閾値以上であるカテゴリの組を選別
し、該選別した各カテゴリの組毎に互いに推薦すべき配
置情報の候補を抽出する配置情報推薦候補抽出手段と、 前記選別された各カテゴリの組毎に、該配置情報推薦候
補抽出手段により抽出された推薦すべき配置情報の候補
に基づいて、前記配置情報格納装置に対して各カテゴリ
に登録すべき配置情報を推薦する第１の推薦手段と、 を有することを特徴とする配置情報推薦装置。 - 【請求項２】 ネットワーク上の配置情報を各カテゴリ
に格納する配置情報格納装置と、複数のユーザの各個人
登録配置情報を各カテゴリに格納する個人登録配置情報
格納装置の各々から、前記各カテゴリと該カテゴリに含
まれる配置情報とを取得して、各カテゴリの組を作成す
ると共に各カテゴリの組毎に類似度を算出するカテゴリ
比較手段と、 該類似度が第１の閾値以上であるカテゴリの組を選別
し、該選別した各カテゴリの組毎に互いに推薦すべき配
置情報の候補を抽出する配置情報推薦候補抽出手段と、 前記選別された各カテゴリの組毎に、該配置情報推薦候
補抽出手段により抽出された推薦すべき配置情報の候補
に基づいて、前記個人登録配置情報格納装置に対して各
カテゴリに登録すべき配置情報を推薦する第２の推薦手
段と、 を有することを特徴とする配置情報推薦装置。 - 【請求項３】 前記各配置情報毎に該配置情報が指すコ
ンテンツに対する全アクセス数または各ユーザ毎のアク
セス数を格納するアクセス数格納手段を更に有し、 配置情報推薦候補抽出手段は、前記アクセス数が第２の
閾値以下である配置情報は前記推薦すべき配置情報の候
補から除外することを特徴とする請求項１又は２記載の
配置情報推薦装置。 - 【請求項４】 前記配置情報推薦候補抽出手段は、前記
抽出した推薦すべき配置情報の候補に優先順位を付け、 前記推薦手段は、優先順位が高い配置情報から順に前記
配置情報格納装置または前記個人登録配置情報格納装置
に対して推薦することを特徴とする請求項１〜３の何れ
かに記載の配置情報推薦装置。 - 【請求項５】 前記配置情報格納装置に格納されている
カテゴリに対する重みを設定させ格納する重み調整手段
を更に備え、前記配置情報推薦候補抽出手段は、該重み
を用いて前記優先順位を決定することを特徴とする請求
項４記載の配置情報推薦装置。 - 【請求項６】 前記第１の推薦手段又は前記第２の推薦
手段は、前記配置情報格納装置または前記個人登録配置
情報格納装置に対して推薦する配置情報の数を、各カテ
ゴリ毎に第３の閾値までとすることを特徴とする請求項
１〜５の何れかに記載の配置情報推薦装置。 - 【請求項７】 ネットワーク上の配置情報を各カテゴリ
に格納する配置情報格納装置と、複数のユーザの各個人
登録配置情報を各カテゴリに格納する個人登録配置情報
格納装置とから、前記各カテゴリと該カテゴリに含まれ
る配置情報とを取得して、各カテゴリの組を作成すると
共に各カテゴリの組毎に類似度を算出し、 該類似度が第１の閾値以上であるカテゴリの組を選別
し、該選別した各カテゴリの組毎に互いに推薦すべき配
置情報の候補を抽出し、 前記選別された各カテゴリの組毎に、該抽出された推薦
すべき配置情報の候補に基づいて、前記配置情報格納装
置または前記個人登録配置情報格納装置に対して各カテ
ゴリに登録すべき配置情報を推薦することを特徴とする
配置情報推薦方法。 - 【請求項８】 コンピュータに、 ネットワーク上の配置情報を各カテゴリに格納する配置
情報格納装置、複数のユーザの各個人登録配置情報を各
カテゴリに格納する個人登録配置情報格納装置の各々か
ら、前記各カテゴリと該カテゴリに含まれる配置情報と
を取得して、各カテゴリの組を作成すると共に各カテゴ
リの組毎に類似度を算出して、関連性が高いカテゴリ同
士で互いに配置情報を推薦し合えるようにする機能を実
現させる為のプログラム。 - 【請求項９】 コンピュータに、 ネットワーク上の配置情報を各カテゴリに格納する配置
情報格納装置、複数のユーザの各個人登録配置情報を各
カテゴリに格納する個人登録配置情報格納装置の各々か
ら、前記各カテゴリと該カテゴリに含まれる配置情報と
を取得して作成された各カテゴリの組とその類似度とに
基づいて、該類似度が第１の閾値以上であるカテゴリの
組を選別する機能と、 該選別した各カテゴリの組毎に互いに推薦すべき配置情
報の候補を抽出する機能と、 を実現させる為のプログラム。 - 【請求項１０】 コンピュータに、 ネットワーク上の配置情報を各カテゴリに格納する配置
情報格納装置、複数のユーザの各個人登録配置情報を各
カテゴリに格納する個人登録配置情報格納装置の各々か
ら取得された前記各カテゴリと該カテゴリに含まれる配
置情報に基づいて抽出された配置情報の推薦候補に基づ
いて、前記配置情報格納装置または前記個人登録配置情
報格納装置に対して各カテゴリに登録すべき配置情報を
推薦する機能と実現させる為のプログラム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002078830A JP4118580B2 (ja) | 2002-03-20 | 2002-03-20 | 配置情報推薦装置、その方法、プログラム |
| US10/277,819 US7424483B2 (en) | 2002-03-20 | 2002-10-23 | Location information recommending apparatus, method, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002078830A JP4118580B2 (ja) | 2002-03-20 | 2002-03-20 | 配置情報推薦装置、その方法、プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003281184A true JP2003281184A (ja) | 2003-10-03 |
| JP4118580B2 JP4118580B2 (ja) | 2008-07-16 |
Family
ID=28035610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002078830A Expired - Fee Related JP4118580B2 (ja) | 2002-03-20 | 2002-03-20 | 配置情報推薦装置、その方法、プログラム |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7424483B2 (ja) |
| JP (1) | JP4118580B2 (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007102398A (ja) * | 2005-10-03 | 2007-04-19 | Obic Co Ltd | 情報共有システム |
| JP2008140082A (ja) * | 2006-11-30 | 2008-06-19 | Toshiba Corp | 情報推薦システム及び情報推薦プログラム |
| JP2009532751A (ja) * | 2006-03-30 | 2009-09-10 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | ウェブサイトの更新についての情報を提供する方法および装置 |
| JPWO2008026495A1 (ja) * | 2006-08-30 | 2010-01-21 | パナソニック株式会社 | 情報提示装置、情報提示方法、情報提示プログラム及び集積回路 |
| JP2010134795A (ja) * | 2008-12-05 | 2010-06-17 | Fuji Xerox Co Ltd | 情報処理システム、情報処理装置及びプログラム |
| JP2011028485A (ja) * | 2009-07-24 | 2011-02-10 | Yahoo Japan Corp | クローラ調整装置及びクローラ調整方法 |
| JP2011044015A (ja) * | 2009-08-21 | 2011-03-03 | Nec Biglobe Ltd | アイテム管理サーバ、及びアイテム管理システム |
| JP2015537319A (ja) * | 2012-12-14 | 2015-12-24 | バイドゥ オンライン ネットワーク テクノロジー（ペキン） カンパニー リミテッド | モバイルアプリケーションをプッシュする方法及びシステム |
| WO2016051446A1 (ja) * | 2014-09-29 | 2016-04-07 | 楽天株式会社 | 情報処理装置、情報処理方法及びプログラム |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7689601B2 (en) * | 2004-05-06 | 2010-03-30 | Oracle International Corporation | Achieving web documents using unique document locators |
| US8290962B1 (en) * | 2005-09-28 | 2012-10-16 | Google Inc. | Determining the relationship between source code bases |
| JP2007272390A (ja) * | 2006-03-30 | 2007-10-18 | Sony Corp | リソース管理装置、タグ候補選定方法及びタグ候補選定プログラム |
| US8010532B2 (en) * | 2007-01-17 | 2011-08-30 | Yahoo! Inc. | System and method for automatically organizing bookmarks through the use of tag data |
| JP5327784B2 (ja) * | 2008-07-30 | 2013-10-30 | 株式会社日立製作所 | 計算機システム、情報収集支援装置及び情報収集支援方法 |
| US8346754B2 (en) * | 2008-08-19 | 2013-01-01 | Yahoo! Inc. | Generating succinct titles for web URLs |
| CN104951523B (zh) * | 2015-06-10 | 2019-03-26 | 苏州奖多多科技有限公司 | 一种信息推荐方法、装置及服务器 |
| CN105677767B (zh) * | 2015-12-30 | 2020-02-21 | 联想(北京)有限公司 | 一种设备配置推荐方法和装置 |
| US10601953B2 (en) * | 2016-09-22 | 2020-03-24 | Adobe Inc. | Decomposing media content accounts for persona-based experience individualization |
| CN106649888B (zh) * | 2017-01-16 | 2020-06-02 | 北京恒华伟业科技股份有限公司 | 一种浏览器 |
| CN107292441B (zh) * | 2017-06-26 | 2020-06-19 | 北京容联光辉科技有限公司 | 一种运维协作系统 |
| CN107679943A (zh) * | 2017-09-27 | 2018-02-09 | 广州市万表科技股份有限公司 | 智能推荐方法和系统 |
| CN109710861B (zh) * | 2018-12-26 | 2023-04-11 | 贵阳朗玛信息技术股份有限公司 | 一种生成url的系统及方法 |
| CN110688576B (zh) * | 2019-09-25 | 2020-11-06 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
| KR102425770B1 (ko) * | 2020-04-13 | 2022-07-28 | 네이버 주식회사 | 급상승 검색어 제공 방법 및 시스템 |
| US11269969B1 (en) * | 2021-02-08 | 2022-03-08 | Capital One Services, Llc | Systems and methods for automatic and adaptive browser bookmarks |
Family Cites Families (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0822502A1 (en) * | 1996-07-31 | 1998-02-04 | BRITISH TELECOMMUNICATIONS public limited company | Data access system |
| US5890172A (en) * | 1996-10-08 | 1999-03-30 | Tenretni Dynamics, Inc. | Method and apparatus for retrieving data from a network using location identifiers |
| JP2842415B2 (ja) | 1996-11-06 | 1999-01-06 | 日本電気株式会社 | Ｕｒｌ順序付け方法およびその装置 |
| US6393462B1 (en) * | 1997-11-13 | 2002-05-21 | International Business Machines Corporation | Method and apparatus for automatic downloading of URLs and internet addresses |
| US6208995B1 (en) * | 1997-11-24 | 2001-03-27 | International Business Machines Corporation | Web browser download of bookmark set |
| US6032162A (en) * | 1998-01-08 | 2000-02-29 | Burke; Alexander James | System for processing and storing internet bookmark address links |
| US6212522B1 (en) * | 1998-05-15 | 2001-04-03 | International Business Machines Corporation | Searching and conditionally serving bookmark sets based on keywords |
| US6216134B1 (en) * | 1998-06-25 | 2001-04-10 | Microsoft Corporation | Method and system for visualization of clusters and classifications |
| JP2000099436A (ja) * | 1998-09-24 | 2000-04-07 | Fujitsu Ltd | 表示装置 |
| US6832350B1 (en) * | 1998-09-30 | 2004-12-14 | International Business Machines Corporation | Organizing and categorizing hypertext document bookmarks by mutual affinity based on predetermined affinity criteria |
| US6725227B1 (en) * | 1998-10-02 | 2004-04-20 | Nec Corporation | Advanced web bookmark database system |
| JP3628528B2 (ja) * | 1998-10-26 | 2005-03-16 | 富士通株式会社 | 検索支援装置及び方法並びにその装置での処理をコンピュータにて行なわせるためのプログラムを格納した記録媒体 |
| US6408316B1 (en) * | 1998-12-17 | 2002-06-18 | International Business Machines Corporation | Bookmark set creation according to user selection of selected pages satisfying a search condition |
| US6275862B1 (en) * | 1999-01-06 | 2001-08-14 | International Business Machines Corporation | Automatic categorization of bookmarks in a web browser |
| JP2000207410A (ja) | 1999-01-14 | 2000-07-28 | Matsushita Electric Ind Co Ltd | Ｕｒｌデ―タベ―ス更新装置及びｕｒｌデ―タベ―ス更新方法 |
| US6493702B1 (en) * | 1999-05-05 | 2002-12-10 | Xerox Corporation | System and method for searching and recommending documents in a collection using share bookmarks |
| US6546393B1 (en) * | 1999-10-07 | 2003-04-08 | Clickmarks, Inc. | System method and article of manufacture for dynamically user-generated internet search directory based on prioritized server-sided user bookmarks |
| US6415368B1 (en) * | 1999-12-22 | 2002-07-02 | Xerox Corporation | System and method for caching |
| US7007008B2 (en) * | 2000-08-08 | 2006-02-28 | America Online, Inc. | Category searching |
| US6684218B1 (en) * | 2000-11-21 | 2004-01-27 | Hewlett-Packard Development Company L.P. | Standard specific |
| US7194454B2 (en) * | 2001-03-12 | 2007-03-20 | Lucent Technologies | Method for organizing records of database search activity by topical relevance |
| US20020198882A1 (en) * | 2001-03-29 | 2002-12-26 | Linden Gregory D. | Content personalization based on actions performed during a current browsing session |
| US20020184095A1 (en) * | 2001-06-05 | 2002-12-05 | Certra, Inc. | Automatic building and categorization of favorites in an internet browser |
| US20030046357A1 (en) * | 2001-08-30 | 2003-03-06 | International Business Machines Corporation | Intelligent content placement in a distributed computing network |
| US6928616B2 (en) * | 2001-09-20 | 2005-08-09 | International Business Machines Corporation | Method and apparatus for allowing one bookmark to replace another |
| US20030080986A1 (en) * | 2001-11-01 | 2003-05-01 | Baird Roger T. | System and method for accessing and utilizing remote bookmark lists |
-
2002
- 2002-03-20 JP JP2002078830A patent/JP4118580B2/ja not_active Expired - Fee Related
- 2002-10-23 US US10/277,819 patent/US7424483B2/en not_active Expired - Fee Related
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007102398A (ja) * | 2005-10-03 | 2007-04-19 | Obic Co Ltd | 情報共有システム |
| JP4718291B2 (ja) * | 2005-10-03 | 2011-07-06 | 株式会社オービック | 情報共有システム |
| JP2009532751A (ja) * | 2006-03-30 | 2009-09-10 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | ウェブサイトの更新についての情報を提供する方法および装置 |
| JPWO2008026495A1 (ja) * | 2006-08-30 | 2010-01-21 | パナソニック株式会社 | 情報提示装置、情報提示方法、情報提示プログラム及び集積回路 |
| JP2008140082A (ja) * | 2006-11-30 | 2008-06-19 | Toshiba Corp | 情報推薦システム及び情報推薦プログラム |
| JP4498342B2 (ja) * | 2006-11-30 | 2010-07-07 | 株式会社東芝 | 情報推薦システム及び情報推薦プログラム |
| JP2010134795A (ja) * | 2008-12-05 | 2010-06-17 | Fuji Xerox Co Ltd | 情報処理システム、情報処理装置及びプログラム |
| JP2011028485A (ja) * | 2009-07-24 | 2011-02-10 | Yahoo Japan Corp | クローラ調整装置及びクローラ調整方法 |
| JP2011044015A (ja) * | 2009-08-21 | 2011-03-03 | Nec Biglobe Ltd | アイテム管理サーバ、及びアイテム管理システム |
| JP2015537319A (ja) * | 2012-12-14 | 2015-12-24 | バイドゥ オンライン ネットワーク テクノロジー（ペキン） カンパニー リミテッド | モバイルアプリケーションをプッシュする方法及びシステム |
| WO2016051446A1 (ja) * | 2014-09-29 | 2016-04-07 | 楽天株式会社 | 情報処理装置、情報処理方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US7424483B2 (en) | 2008-09-09 |
| US20030182295A1 (en) | 2003-09-25 |
| JP4118580B2 (ja) | 2008-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4118580B2 (ja) | 配置情報推薦装置、その方法、プログラム | |
| JP4756953B2 (ja) | 情報検索装置および情報検索方法 | |
| CN102073699B (zh) | 用于基于用户行为来改善搜索结果的方法、装置和设备 | |
| US7933890B2 (en) | Propagating useful information among related web pages, such as web pages of a website | |
| JP5290591B2 (ja) | 文書管理装置、方法、プログラム、並びに、文書管理システム | |
| US20070185827A1 (en) | Reporting of search results | |
| JP4430598B2 (ja) | 情報共有システムおよび情報共有方法 | |
| JPH10143519A (ja) | Ｕｒｌ順序付け方法およびその装置 | |
| JP2002351916A (ja) | Ｗｅｂ情報検索装置、ｗｅｂ情報検索方法及びその方法をコンピュータに実行させるプログラム | |
| JP2003173280A (ja) | データベース生成装置、データベース生成方法及びデータベース生成プログラム | |
| KR100671077B1 (ko) | 페이지 묶음을 이용한 정보 검색 서비스 제공 서버, 방법및 시스템 | |
| JP2009026249A (ja) | 閲覧履歴編集端末及びプログラムおよびその方法 | |
| CN111666383A (zh) | 信息处理方法、装置、电子设备及计算机可读存储介质 | |
| JP4031264B2 (ja) | フィルタリング管理方法、フィルタリング管理プログラム、フィルタリング装置のフィルタリング管理方法、およびフィルタリング装置用フィルタリング管理プログラム | |
| US20080288439A1 (en) | Combined personal and community lists | |
| JP2008191982A (ja) | 検索結果出力装置 | |
| JP2006235875A (ja) | 情報ナビゲーション方法及び装置及びプログラム | |
| US20050086194A1 (en) | Information reference apparatus, information reference system, information reference method, information reference program and computer readable information recording medium | |
| JP4571648B2 (ja) | Ｗｅｂ情報提供装置及びその方法、プログラム | |
| JP3632354B2 (ja) | 情報検索装置 | |
| WO2005006191A1 (ja) | 複数種類の情報を登録する装置および方法 | |
| JP3558376B2 (ja) | 電子ファイリング装置 | |
| JP5098514B2 (ja) | 人物検索システム、人物検索方法および人物検索プログラム | |
| JP2012113348A (ja) | 分類装置、コンテンツ検索システム、コンテンツ分類方法、コンテンツ検索方法及びプログラム | |
| JP2019175293A (ja) | データ推薦装置、方法、プログラム、及びシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041224 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080129 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080321 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080422 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080423 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110502 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120502 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130502 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140502 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |