JP2000172665A - ハイパーテキスト解析装置及び方法、ハイパーテキスト解析プログラムを記録した記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 アクセス履歴からユーザのアクセス傾向を認
識できるとともに、ハイパーテキストシステムの構成の
優劣を判断するような知識を得ることを支援するハイパ
ーテキスト解析装置を提供する。 【解決手段】 アクセス傾向解析部２１は、Ｗｅｂサー
バ１上のノード群に対し、それぞれに対応するアクセス
履歴情報１１を用いてクラスタリングの処理を行う。ハ
イパーリンク構成解析部２２は、アクセス傾向解析部２
１で生成された各クラスタについて、クラスタを構成す
るノード間のハイパーリンク結束度を計算する。このハ
イパーリンク結束度は、アクセス履歴に基づいてクラス
タリングされた結果を用いているので、ユーザのアクセ
ス傾向を反映している。このハイパーリンク構成解析部
２２で計算されたハイパーリンク結束度の値を、ハイパ
ーリンク結束度表示部２３において利用しやすい形態で
表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ネットワーク上に
構成されるハイパーテキストシステムにおいて、その構
成の優劣を判断するための知識を発見するためにハイパ
ーリンク構造を解析するハイパーテキスト解析装置及び
ハイパーテキスト解析方法と、そのハイパーテキスト解
析装置または方法をコンピュータで実現するためのハイ
パーテキスト解析プログラムを記録した記録媒体に関す
るものである。

【０００２】

【従来の技術】ネットワーク上に構成されるハイパーテ
キストシステム（例えば、ＷｏｒｌｄＷｉｄｅ Ｗｅ
ｂ：以降Ｗｅｂと略す）では、ハイパーテキストを格納
しているサーバにおいてユーザ（訪問者）のアクセス履
歴を記録することができる。このアクセス履歴には、一
般に、アクセスしてきたユーザが使用しているコンピュ
ータの識別子（インターネットを利用しているのであれ
ばＩＰアドレス）、アクセスしてきた時刻、アクセスし
たノードのサーバ上での識別子（ＷｅｂではＵＲＬ）が
含まれる。

【０００３】アクセス履歴を解析して、個々のユーザが
遷移したハイパーリンクの経路を特定するには、基本的
には、各コンピュータ毎にアクセスしたノードを時刻順
に並べればよい。しかし、コンピュータのキャッシュ機
能等により完全な経路を特定することは困難であった。

【０００４】これに対し、例えば、Ｃ．Ｓｈａｈａｂ
ｉ，Ａ．Ｍ．Ｚａｒｋｅｓｈ，Ｊ．Ａｄｉｂｉ，ａｎｄ
Ｖ．Ｓｈａｈ，“Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖ
ｅｒｙｆｒｏｍ Ｕｓｅｒｓ Ｗｅｂ−Ｐａｇｅ Ｎａ
ｖｉｇａｔｉｏｎ”，ｉｎＰｒｏｃ． ｏｆ ＩＥＥＥ
ＲＩＤＥ， １９９７．では、リモートエージェント
を使うことによりキャッシュへのアクセスを認識してい
る。これによって、より正確な経路を得ることができる
ようになった。ただし、ユーザのコンピュータ側でリモ
ートエージェントプログラムをロードするためのコスト
（時間とスペース）が犠牲となるという不具合がある。

【０００５】アクセス履歴を利用して重要経路を発見す
る技術としては、例えば、Ｊ．Ｂｏｒｇｅｓ ａｎｄ
Ｍ．Ｌｅｖｅｎｅ，“Ｍｉｎｉｎｇ Ａｓｓｏｃｉａｔ
ｉｏｎ Ｒｕｌｅｓ ｉｎ Ｈｙｐｅｒｔｅｘｔ Ｄａ
ｔａｂａｓｅｓ”，ｉｎ Ｐｒｏｃ． ｏｆ ＫＤＤ，
１９９８．に記載されている技術がある。この技術は、
まずアクセス履歴を収集して、ハイパーリンクのトラフ
ィック量を重みとする有向グラフでハイパー構造を表現
する。この有向グラフにおいて、ノードＡからノードＢ
への遷移をＡ→Ｂと記し、これを結合規則と呼ぶ。結合
規則は、コンフィデンス値（＝Ａを起点とする遷移の総
数に対するＡ→Ｂの遷移の総数）とサポート値（＝有向
グラフ中のすべてのアークの遷移数の平均値に対するＡ
→Ｂの遷移の総数）によって評価される。さらに、結合
規則を合成した合成結合規則（Ａ→Ｂ）＆（Ｂ→Ｃ）＆
（Ｃ→Ｄ）＆．．．を定義して３つ以上のノードの遷移
を評価している。

【０００６】この手法では、コンピュータ識別子（ＩＰ
アドレス）の情報は利用していないので、合成結合規則
においては、単にトラフィック量が多いハイパーリンク
の組み合わせ経路を発見しているに過ぎない。例えば、
（Ａ→Ｂ）＆（Ｂ→Ｃ）という合成結合規則が、高いコ
ンフィデンス値とサポート値を持っていることがわかっ
たとしても、実際に、Ａ→Ｂ→Ｃという経路を辿ったユ
ーザが多かったとは限らない。

【０００７】このように従来技術によって、ユーザのア
クセス経路を特定したり、重要経路を発見することは可
能である。しかし、ハイパーテキストシステム（例え
ば、Ｗｅｂサイト）の構成の優劣を判断するような知識
を得ることはできなかった。

【０００８】

【発明が解決しようとする課題】本発明は、上述した事
情に鑑みてなされたもので、アクセス履歴からユーザの
アクセス傾向を認識できるとともに、ハイパーテキスト
システムの構成の優劣を判断するような知識を得ること
を支援するハイパーテキスト解析装置及びハイパーテキ
スト解析方法を提供することを目的とするものである。
また、そのハイパーテキスト解析装置または方法をコン
ピュータで実現するためのハイパーテキスト解析プログ
ラムを記録した記録媒体を提供することを目的とするも
のである。

【０００９】

【課題を解決するための手段】本発明は、ハイパーテキ
ストシステムへのアクセス履歴情報に基づいて該ハイパ
ーテキストシステムを構成するノードに対してクラスタ
リングを行い、得られた各クラスタについて該クラスタ
を構成するノード間のハイパーリンク結束度を計算し、
計算したハイパーリンク結束度を表示することを特徴と
するものである。表示されるハイパーリンク結束度は、
ユーザがアクセスした履歴に基づいた値であるから、ユ
ーザのアクセス傾向を示している。そのため、ハイパー
リンク結束度を得ることによって、例えばハイパーテキ
ストシステム（例えばＷｅｂサイト）のハイパーリンク
構成などとともに、ハイパーテキストシステムの構成の
優劣を判断することが可能となる。

【００１０】

【発明の実施の形態】図１は、本発明の第１の実施の形
態を示す構成図、図２は、Ｗｅｂの一例の説明図であ
る。図中、１はＷｅｂサーバ、２はハイパーテキスト解
析装置、１１はアクセス履歴情報、２１はアクセス傾向
解析部、２２はハイパーリンク構成解析部、２３はハイ
パーリンク結束度表示部である。ネットワーク上に構成
されるハイパーテキストシステムのなかで代表的なもの
はＷｅｂである。以下、Ｗｅｂを例として説明する。

【００１１】Ｗｅｂサーバ１は、ネットワーク上で情報
を発信する手段である。Ｗｅｂサーバ１には、図２に示
すように、ユーザに提供したい情報がノード（矩形で示
す）とハイパーリンク（矢線で示す）によるハイパー構
造で貯えられている。ユーザはＷｅｂサーバ１にアクセ
スすることでコンテンツを入手できる。このとき、Ｗｅ
ｂサーバ１では、一般に、ユーザのアクセスがある毎
に、ユーザのコンピュータを識別するためのコンピュー
タ識別子（ＩＰアドレス）とアクセス時刻とユーザのア
クセスしたノードのあるアドレス（ＵＲＬ）をアクセス
履歴情報１１として記録している。

【００１２】ハイパーテキスト解析装置２は、アクセス
傾向解析部２１，ハイパーリンク構成解析部２２，ハイ
パーリンク結束度表示部２３などを有している。アクセ
ス傾向解析部２１は、Ｗｅｂサーバ１上のノード群に対
し、それぞれに対応するアクセス履歴情報１１を用いて
クラスタリングの処理を施す。このクラスタリングの処
理には既存の技術を使用することができる。例えば、Ａ
ｇｇｌｏｍｅｒａｔｉｖｅ Ｈｉｅｒａｒｃｈｉｃａｌ
Ｃｌｕｓｔｅｒｉｎｇによるクラスタリングの方法で
は、以下の１，２，３のステップを行う。 １．Ｗｅｂサーバ１上の各ノードをそれぞれ一つのクラ
スタとする。 ２．各クラスタ間の類似度を計算し、最大類似度を持つ
クラスタ同士を一つのクラスタにマージする。 ３．クラスタが一つになるまで２の処理を繰り返す。 この過程の途中で順次生成されるそれぞれのクラスタを
クラスタリングの処理結果として得る。例えば１．の処
理において生成される各ノードのみのクラスタ、そのク
ラスタをマージした各クラスタ、最後に生成された１つ
のクラスタなどがクラスタリング結果となる。なお、上
述のクラスタリングの方法は、例えば、Ｅ．Ｍ．Ｖｏｏ
ｒｈｅｅｓ，“Ｉｍｐｌｅｍｅｎｔｉｎｇ Ａｇｇｌｏ
ｍｅｒａｔｉｖｅ Ｈｉｅｒａｒｃｈｉｃａｌ Ｃｌｕ
ｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｕｓ
ｅ ｉｎ Ｄｏｃｕｍｅｎｔ Ｒｅｔｒｉｅｖａｌ”，
Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ＆Ｍａ
ｎａｇｅｍｅｎｔ，Ｖｏｌ．２２，Ｎｏ．６，１９８６
等に記載されている。

【００１３】アクセス傾向解析部２１では、上述のクラ
スタリング処理の２．の処理における類似度計算におい
て、アクセス履歴情報１１の重複度合いを利用する。具
体的には、例えば、アクセス履歴情報１１の中のＩＰア
ドレスに注目して、クラスタ間で共有するＩＰアドレス
の数を類似度と定義する。または、クラスタ間で共有す
るＩＰアドレスの数を当該二つのクラスタが持つ全ての
ＩＰアドレスの数で割った値を類似度と定義する。ここ
で、クラスタが持つＩＰアドレスとは、クラスタを構成
する各ノードへのアクセス履歴を全てマージして、その
中に出現するＩＰアドレスのことである。ＩＰアドレス
の数は、このようなＩＰアドレスから重複を排除した異
なるＩＰアドレスを計数した値とすることができる。な
お、ＩＰアドレスを用いる代わりに、例えばアクセス履
歴情報１１中のアクセス時刻を用いてもよい。この場
合、秒や分単位ではなく日付や月の単位で取り扱うとよ
い。

【００１４】あるいは、類似度計算として、各クラスタ
を該クラスタに対応するアクセス履歴情報１１を項と
し、該アクセス履歴情報の出現頻度を該項の値とするよ
うなベクトルを生成して、ベクトル間の内積値の大小を
類似度として用いてもよい。

【００１５】ハイパーリンク構成解析部２２は、アクセ
ス傾向解析部２１で生成された各クラスタについて、ク
ラスタを構成するノード間のハイパーリンク結束度（以
下、単に結束度と呼ぶ）を計算する。結束度は、例え
ば、ノード間に一つ以上のハイパーリンクが存在すれ
ば、そのノード間には結合があると定義したときに、ク
ラスタを構成するノード間結合の総数を、クラスタを構
成する全てのノードから二つを選ぶ組み合わせ数で割っ
た値とすることができる。すなわち、ノード間結合の総
数をＬ、ノード数をＮとしたとき、 結束度＝Ｌ／_ＮＣ_２ で計算することができる。ハイパーリンク構成解析部２
２で計算した、各クラスタの結束度の値は、ハイパーリ
ンク結束度表示部２３に渡される。

【００１６】ハイパーリンク結束度表示部２３は、ハイ
パーリンク構成解析部２２で計算された結束度の値を、
利用しやすい形態で表示する。図３は、ハイパーリンク
結束度表示部による表示の一例の説明図である。例え
ば、結束度の値をいくつかのセグメントに分け、各セグ
メントに入るクラスタの数を棒グラフで表示することが
できる。図３では、クラスタ数の分布を縦軸とし、結束
度を横軸として、二つのＷｅｂサイト（ＷｅｂサイトＡ
とＷｅｂサイトＢ）について並べて表示したものであ
る。前述のように、各クラスタはアクセス履歴情報を基
に構成されているので、各クラスタを構成するノード群
は、例えば、同一のユーザから前後してアクセスされる
傾向が強いものである。ノード群の結束度が高いと、ユ
ーザにとってはノード間遷移のための経路が多数提供さ
れることになるので効率よくブラウジングできることに
なる。一方、該ノード群の結束度が低いとブラウジング
効率は悪くなる。図３では、ＷｅｂサイトＡの方は結束
度が低いクラスタが多数あり、ＷｅｂサイトＢの方は結
束度が高いクラスタが多数あるということが一目でわか
る。この表示によって、ＷｅｂサイトＢの方がＷｅｂサ
イトＡよりも優れた構成でハイパーテキストシステムが
構築されていると容易に判断できる。

【００１７】ハイパーリンク結束度表示部２３は、図３
に示す表示形態のほか、各種の表示形態により結束度を
表示することが可能である。図４は、ハイパーリンク結
束度表示部による表示の別の例の説明図である。図４に
示した例では、クラスタのサイズと結束度の値の関係を
表示している。図中の点は、それぞれがクラスタを示し
ている。クラスタのサイズとしては、例えば、クラスタ
を構成するノード数や、クラスタを構成する各ノードが
持つ単語の総数や、クラスタを構成する各ノードのファ
イルサイズの総計などを用いることができる。図４に示
した例では、クラスタのサイズとしてクラスタを構成す
るノード数を用いて表示した例を示している。このよう
な表示を行った場合、同じクラスタサイズであれば、結
束度が高いほど優れた構成であると判断することができ
る。また、このような表示によって、クラスタサイズに
注目しながら、各クラスタの構成の優劣を俯瞰すること
ができる。

【００１８】図５は、ハイパーリンク結束度表示部によ
る表示の別の例においてクラスタを選択した場合の表示
例の説明図である。図４に示したような結束度の表示が
行われているとき、クラスタを表す点をマウス等のポイ
ンティングデバイスで選択すると、図５に示すように、
選択されたクラスタを構成するノードのＵＲＬ（識別
子）を表示できるように構成することができる。あるい
は、ＵＲＬではなく、ノードのタイトルを表示してもよ
い。さらに、図５に示すように表示されたノード（ＵＲ
Ｌで表示されている）をマウス等のポインティングデバ
イスで選択すると、ネットワークを通じて選択したノー
ドにアクセスして、そのノードのコンテンツを獲得し、
そのコンテンツを表示するようにしてもよい。このよう
な表示によって、Ｗｅｂサイトの管理者は、Ｗｅｂサイ
ト内の問題箇所にアクセスしてコンテンツを参照するこ
とができ、さらに編集することができるので、Ｗｅｂサ
イト内の構成を容易に改善して行くことができる。

【００１９】図６は、ハイパーリンク結束度表示部によ
る表示の別の例においてクラスタを選択した場合の別の
表示例の説明図である。図５に示した例と同様に、図４
に示したような結束度の表示が行われているとき、クラ
スタを表す点をマウス等のポインティングデバイスで選
択することにより、図６に示すように選択したクラスタ
を構成するノードとそのノード間のハイパーリンクを表
示することもできる。ここで、ノードのラベル（図６中
では、Ｎ１，Ｎ２，…，Ｎ１０）は、ＵＲＬでもタイト
ルでもよい。このような表示を行うことによって、Ｗｅ
ｂサイトの管理者は、Ｗｅｂサイト内の問題箇所を容易
に発見することができる。例えば図６に示したクラスタ
内のハイパーリンクの表示例では、Ｎ１〜Ｎ７とＮ８〜
Ｎ１０の間にハイパーリンクがないのでユーザは両グル
ープ間を容易に行き来できないことがわかる。

【００２０】図７は、ハイパーリンク結束度表示部によ
る表示のさらに別の例の説明図である。この例では、ク
ラスタ内のノード間の類似度と結束度の値との関係を表
示した例を示している。クラスタ内のノード間の類似度
としては、例えばアクセス傾向解析部２１においてクラ
スタ生成時に用いた類似度の値を用いることができる。
このような表示において、同じクラスタ内類似度であれ
ば、結束度が高いほど優れた構成であると判断すること
ができる。このような表示によって、クラスタ内のノー
ド間の類似度に注目しながら、各クラスタの構成の優劣
を俯瞰することができる。

【００２１】なお、ハイパーリンク結束度表示部２３で
は、上述の各例に示した表示形態によらず、任意の形態
で結束度を表示させることができる。

【００２２】図８は、本発明の第２の実施の形態を示す
構成図である。図中、図１と同様の部分には同じ符号を
付して説明を省略する。２４は識別子獲得部である。識
別子獲得部２４は、アクセス履歴情報１１の中からＷｅ
ｂサーバ１上の各ノード毎に予め定めたある一定期間に
アクセスしてきたコンピュータの識別子（例えばＩＰア
ドレス）を獲得する。

【００２３】アクセス傾向解析部２１は、第１の実施の
形態と同様に、Ｗｅｂサーバ１上のノード群に対し、そ
れぞれに対応するアクセス履歴情報１１を用いてクラス
タリングの処理を施す。このクラスタリングの処理にお
いて類似度を計算する際に、識別子獲得部２４において
獲得したコンピュータの識別子の重複度合いを利用する
ことができる。

【００２４】図９は、識別子獲得部における処理の一例
を示すフローチャートである。まず、Ｓ３１において、
アクセス履歴情報１１の中から、予め定められた期間内
のアクセスに関するものだけを抽出し、残りを破棄す
る。Ｓ３２において、Ｓ３１で抽出されたアクセス履歴
情報１１に存在する全てのコンピュータ識別子（ＩＰア
ドレス）のうちの異なる識別子の数（異なり数）Ｎを求
める。次にＳ３３において、アクセス履歴情報１１に存
在する全てのノードについて、各ノード毎に次元数Ｎの
ベクトルを生成する。ここで、ベクトルの各項は、アル
ファベットの昇順（あるいは降順）に並べた互いに異な
るコンピュータ識別子（ＩＰアドレス）に対応する。各
項の初期値は０としておく。次にＳ３４において、アク
セス履歴情報１１の中から各ノードにアクセスしてきた
コンピュータのコンピュータ識別子（ＩＰアドレス）を
取り出し、対応するベクトルの項に１を加える。この処
理を、アクセス履歴情報１１すべてについて、順に行
う。

【００２５】このようにして得られたＮ次元のベクトル
を用いて、アクセス傾向解析部２１では、ベクトル間の
内積値の大小を類似度としてクラスタリングをすること
ができる。ここでクラスタとクラスタをマージする際
は、それぞれのベクトルの和を取れば、これがマージさ
れたクラスタのベクトルとなる。

【００２６】以降の処理は上述の第１の実施の形態と同
様である。ハイパーリンク構成解析部２２において結束
度を計算し、ハイパーリンク結束度表示部２３において
結束度を表示する。このとき、上述のような各種の表示
形態あるいはそれ以外の各種の表示形態で結束度を表示
することができる。

【００２７】図１０は、本発明の第３の実施の形態を示
す構成図である。図中、図１と同様の部分には同じ符号
を付して説明を省略する。２５はコンピュータ識別子整
形部である。コンピュータ識別子整形部２５は、Ｗｅｂ
サーバ１に対するアクセスのうち、ユーザ（＝人間）に
よって操作されるコンピュータからのものではなく、Ｗ
ｅｂを網羅的にアクセスして自動的に情報を収集してい
る情報収集ロボットのようなコンピュータによるアクセ
スを排除する。例えば、ある慣習に従って情報収集ロボ
ットがアクセスする特殊なノード（Ｗｅｂでは、例えば
ルート直下に置かれるｒｏｂｏｔｓ．ｔｘｔという名の
ファイル）へのアクセスの有無によって、情報収集ロボ
ットからのアクセスであるか否かを判断することができ
る。あるいは、短期間に多数のノードを網羅的にアクセ
スするという情報収集ロボットに特徴的な振る舞いの有
無や、既知の情報収集ロボットのコンピュータ識別子で
あるか否かによっても、情報収集ロボットを識別するこ
とができる。情報収集ロボットからのアクセスであると
判断されたコンピュータについては、そのコンピュータ
識別子に関わるアクセス履歴情報１１を、識別子獲得部
２４において獲得しないようにすることができる。

【００２８】これによって、情報収集ロボットのような
Ｗｅｂを網羅的にアクセスして自動的に情報を収集して
いるコンピュータによるアクセスを排除し、解析結果に
対するこれらの影響を除去することができ、ユーザのア
クセス動向を正しく反映した解析結果を得ることができ
る。

【００２９】なお、この第３の実施の形態におけるその
他の構成および動作は、上述の第２の実施の形態と同様
である。

【００３０】図１１は、本発明の第４の実施の形態を示
す構成図である。図中、図１と同様の部分には同じ符号
を付して説明を省略する。２６はハイパーリンク結束度
評価部である。ハイパーリンク結束度評価部２６は、ハ
イパーリンク構成解析部２２で得られた各クラスタの結
束度の値を予め定められた閾値と比較し、結束度が閾値
よりも小さなクラスタをハイパーリンク結束度表示部２
３に渡す。これによって、ハイパーリンク結束度表示部
２３では結束度が小さい、すなわち構成が劣るクラスタ
とそのクラスタを構成するノードを容易に得ることがで
きる。

【００３１】図１２は、ハイパーリンク結束度表示部に
よる表示のさらに別の例の説明図である。図１２に示し
た表示例では、結束度の値が小さい順にクラスタおよび
そのクラスタを構成するノードの識別子（ＵＲＬ）を表
示している。クラスタは「ＩＤ」の欄に示している。こ
こで「ＩＤ」は、クラスタを参照するためにユニークに
つけられた番号である。例えば、アクセス傾向解析部２
１におけるクラスタ生成時に、生成された順に番号を付
与すればよい。このような表示によって、構成上劣って
いる部分から表示されるので、ユーザが利用する上でネ
ックとなっている部分を容易に知ることができる。もち
ろん、この第４の実施の形態においても、第１の実施の
形態で示したような各種の表示形態あるいはその他の表
示形態で結束度を表示することが可能である。また、第
２，第３の実施の形態で説明した識別子獲得部２４，コ
ンピュータ識別子政経部２５などを設けてもよい。

【００３２】上述の実施の形態は、コンピュータプログ
ラムによっても実現することが可能である。その場合、
そのプログラムおよびそのプログラムが用いるデータな
どは、コンピュータが読み取り可能な記憶媒体に記録し
ておくことも可能である。記憶媒体とは、コンピュータ
のハードウェア資源に備えられている読取装置に対し
て、プログラムの記述内容に応じて、磁気、光、電気等
のエネルギーの変化状態を引き起こして、それに対応す
る信号の形式で、読取装置にプログラムの記述内容を伝
達できるものである。例えば、磁気ディスク、光ディス
ク、ＣＤ−ＲＯＭ、コンピュータに内蔵されるメモリ等
である。

【００３３】

【発明の効果】以上の説明から明らかなように、本発明
によれば、ユーザのアクセス履歴情報に基づいて、ハイ
パーテキストシステムを構成するノードに対してクラス
タリングを行い、得られた各クラスタを構成するノード
間のハイパーリンク結束度を計算する。このハイパーリ
ンク結束度によって、ハイパーテキストシステムの構成
の優劣を容易に判断することが可能になる。例えばＷｅ
ｂの管理者は、構成に問題がある部分に変更を加えて、
より良い構成のハイパーテキストシステムを構築するこ
とができるという効果がある。

【図面の簡単な説明】

【図１】 本発明の第１の実施の形態を示す構成図であ
る。

【図２】 Ｗｅｂの一例の説明図である。

【図３】 ハイパーリンク結束度表示部による表示の一
例の説明図である。

【図４】 ハイパーリンク結束度表示部による表示の別
の例の説明図である。

【図５】 ハイパーリンク結束度表示部による表示の別
の例においてクラスタを選択した場合の表示例の説明図
である。

【図６】 ハイパーリンク結束度表示部による表示の別
の例においてクラスタを選択した場合の別の表示例の説
明図である。

【図７】 ハイパーリンク結束度表示部による表示のさ
らに別の例の説明図である。

【図８】 本発明の第２の実施の形態を示す構成図であ
る。

【図９】 識別子獲得部における処理の一例を示すフロ
ーチャートである。

【図１０】 本発明の第３の実施の形態を示す構成図で
ある。

【図１１】 本発明の第４の実施の形態を示す構成図で
ある。

【図１２】 ハイパーリンク結束度表示部による表示の
さらに別の例の説明図である。

【符号の説明】

１…Ｗｅｂサーバ、２…ハイパーテキスト解析装置、１
１…アクセス履歴情報、２１…アクセス傾向解析部、２
２…ハイパーリンク構成解析部、２３…ハイパーリンク
結束度表示部、２４…識別子獲得部、２５…コンピュー
タ識別子整形部、２６…ハイパーリンク結束度評価部。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5B075 ND20 NR12 PQ02 PQ14 PQ36 PR03 5B082 AA00 EA07 FA11 GC03 HA08 5B089 GA11 GB02 HA01 JA21 JA36 JB02 JB11 KA13 KA14 KB06 KC36 LB14

Claims (6)

【特許請求の範囲】
1. 【請求項１】 ハイパーテキストシステムへのアクセス
   履歴情報に基づいて該ハイパーテキストシステムを構成
   するノードに対してクラスタリングを行うアクセス傾向
   解析手段と、該アクセス傾向解析手段で得られた各クラ
   スタについて該クラスタを構成するノード間のハイパー
   リンク結束度を計算するハイパーリンク構成解析手段
   と、該ハイパーリンク構成解析手段で得られたハイパー
   リンク結束度を表示するハイパーリンク結束度表示手段
   を有することを特徴とするハイパーテキスト解析装置。
2. 【請求項２】 前記ハイパーテキストシステムを構成す
   る各ノード毎に予め定めたある一定期間にアクセスして
   きたコンピュータの識別子を重複を許してリストとして
   保持する識別子獲得手段を有し、前記アクセス傾向解析
   手段は、該識別子獲得手段が保持しているリストから識
   別子の重複度合いを求めてクラスタリングを行うことを
   特徴とする請求項１に記載のハイパーテキスト解析装
   置。
3. 【請求項３】 さらに、前記ハイパーテキストシステム
   を網羅的にアクセスして自動的に情報を収集しているコ
   ンピュータの識別子を特定し該識別子を前記識別子獲得
   手段が保持する前記リストから削除する識別子整形手段
   を有することを特徴とする請求項２に記載のハイパーテ
   キスト解析装置。
4. 【請求項４】 前記ハイパーリンク結束度が予め定めた
   ある条件を満たすか否かを判定するハイパーリンク結束
   度評価手段を有し、前記ハイパーリンク結束度表示手段
   は、該ハイパーリンク結束度評価手段における判定結果
   に従ってハイパーリンク結束度を表示することを特徴と
   する請求項１ないし請求項３のいずれか１項に記載のハ
   イパーテキスト解析装置。
5. 【請求項５】 ハイパーテキストシステムへのアクセス
   履歴情報に基づいて該ハイパーテキストシステムを構成
   するノードに対してクラスタリングを行い、得られた各
   クラスタについて該クラスタを構成するノード間のハイ
   パーリンク結束度を計算し、計算したハイパーリンク結
   束度を表示することを特徴とするハイパーテキスト解析
   方法。
6. 【請求項６】 ハイパーテキストシステムへのアクセス
   履歴情報に基づいて該ハイパーテキストシステムを構成
   するノードに対してクラスタリングを行うアクセス傾向
   解析処理と、該アクセス傾向解析処理で得られた各クラ
   スタについて該クラスタを構成するノード間のハイパー
   リンク結束度を計算するハイパーリンク構成解析処理
   と、該ハイパーリンク構成解析処理で得られたハイパー
   リンク結束度を表示してユーザに該ハイパーテキストシ
   ステムの構成の優劣を示すハイパーリンク結束度表示処
   理をコンピュータに実行させるためのハイパーテキスト
   解析プログラムを記録した記憶媒体。