JP2003016082A - リンク集作成装置、リンク集作成方法、及びリンク集作成プログラム - Google Patents

Abstract

(57)【要約】 【課題】 ディレクトリ型リンク集ページを自動作成す
ることができるリンク集作成装置、リンク集作成方法、
及びリンク集作成プログラムを提供すること。 【解決手段】 電子メール、ニュースグループ、掲示板
などからＵＲＬを含む文書ファイルを取得する。ＵＲＬ
を文書ファイルから抽出すると共に、当該ＵＲＬ前後に
ある文書を規定文数だけ当該ＵＲＬの紹介文候補として
抽出する。ＵＲＬで指定されるサイトに掲載されている
文書（本文）を全て取得し、当該文書の文書ベクトルを
設定する。これを紹介文候補として抽出された文書の文
書ベクトルと比較し、本文と最も類似する紹介文候補を
紹介文として特定する。次に、特定された紹介文をカテ
ゴリごとに分類し、ＵＲＬと共にディレクトリ型リンク
集ページとしてＨＴＭＬ形式のファイルにて出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、リンク集作成装
置、リンク集作成方法、及びリンク集作成プログラムに
関し、例えば、リンク先コンテンツの紹介文を自動生成
するものに関する。

【０００２】

【従来の技術】インターネットでは、ＷＷＷ（Ｗｏｒｌ
ｄ Ｗｉｄｅ Ｗｅｂ）上のサイトをＵＲＬ（Ｕｎｉｆ
ｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）によって
指定することができる。即ち、ユーザは、クライアント
端末装置に設置されているブラウザなどを用いてＵＲＬ
を指定することにより、当該ＵＲＬにて特定されるサイ
トにクライアント端末装置を接続することができ、例え
ば、ホームページの閲覧など当該サイトによって提供さ
れているサービスを受けることができる。この仕組みを
利用し、インターネットでは、ホームページ上にＵＲＬ
を記載することにより、サイト間にリンクを張ることが
できるようになっている。ユーザは、ホームページ上に
記載されたＵＲＬをマウスでクリックするなどすること
により、瞬時に当該ＵＲＬで指定されるサイトにクライ
アント端末装置を接続することができる。

【０００３】さて、このようなインターネット上で容易
にリンクを張ることができる機能を用いたものにディレ
クトリ型リンク集ページがある。これは、ＵＲＬをカテ
ゴリ毎に分類し、ユーザが容易に所望のＵＲＬを検索す
ることができるようにしたＷｅｂページである。カテゴ
リの分類は、大きい区分から細かい区分へ階層的に区分
されたディレクトリ構造となっており、ユーザは、ディ
レクトリのパスを辿っていくことにより、所望のサイト
が存在するＵＲＬを得ることができる。

【０００４】図７は、ディレクトリ構造の一例を説明す
るための図である。例えば、最上部のディレクトリに
「教育」、「娯楽」、・・・、などのカテゴリがあったと
する。最上部のディレクトリは、カテゴリの最も大きな
区分を表している。最上部のディレクトリは、更に細か
い分類に区分され、ディレクトリ構造は木構造となって
おる。そして、末端部は、当該カテゴリに属するサイト
を特定するＵＲＬと当該サイトの紹介文となっている。
例えば、図７の例では、最上部のディレクトリには「教
育」、「娯楽」、・・・、というカテゴリがある。「娯
楽」の下には、更に「映画」、「スポーツ」、・・・、な
どのカテゴリがあり、「映画」の下には、更に「ホラ
ー」、「コメディ」、・・・、などのカテゴリなどがあ
る。

【０００５】ユーザは、コメディ映画に関するサイトを
検索したい場合は、「娯楽」→「映画」→「コメディ」
などとパスを辿っていく。すると、コメディ映画に関す
るコンテンツを有するサイトのＵＲＬの一覧が説明文と
共に表示される。ユーザは、当該ＵＲＬの紹介文を参照
しながらアクセスするＵＲＬを、例えばマウス操作でク
リックするなどして特定する。すると、当該ＵＲＬで特
定されるサイトにジャンプすることができる。

【０００６】従来、このようなディレクトリ型リンクペ
ージを作成する場合、ブラウザのブックマークを変換
し、そしてｃｇｉ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉ
ｎｔｅｒｆａｃｅ）スクリプトに、例えばサイトの説明
文の入力などの必要項目を設定投入することにより作成
されていた。ここで、ブックマークとは、気に入ったサ
イトや頻繁にアクセスする特定のＷｅｂページのＵＲＬ
をブラウザなどに登録し、次回のアクセスを容易にする
仕組みを言う。

【０００７】

【発明が解決しようとする課題】しかし、ブックマーク
作成は１人による手作業である。また、ｃｇｉに対する
設定は多人数で分業可能であるがこれも手作業である。
インターネットの普及と共にディレクトリ型リンク集に
対する需要は増大しているが、このように手作業で作
成、更新しなくてはならないため多額のメンテナンスコ
ストがかかり、これが最大の問題点となっていた。ま
た、ロボット型検索を用いて全文検索を行うことによ
り、上記手作業の代用を行おうと試みた場合、例えばト
ップページに、実際のページ内容とは無関係なＬｉｎｕ
ｘ、Jａｖａ、ＵＤＤＩなど時事キーワード多数を含め
て検索結果画面の上位進出を狙うサイトがあるため、価
値の低いページ（ノイズ）の混入が避けられず、完全な
代用はできない。

【０００８】そこで、本発明の目的は、リンク集を自動
作成することができるリンク集作成装置、リンク集作成
方法、及びリンク集作成プログラムを提供することであ
る。

【０００９】

【課題を解決するための手段】本発明は、前記目的を達
成するために、請求項１に記載の発明では、文書ファイ
ルを取得する文書取得手段と、前記取得した文書ファイ
ルに含まれるリンク先特定情報を抽出するリンク先特定
情報抽出手段と、前記抽出したリンク先特定情報で特定
されるリンク先に含まれるリンク先文書を取得するリン
ク先文書取得手段と、前記取得した文書ファイルに含ま
れている文書から複数の紹介文候補を抽出する紹介文候
補抽出手段と、前記抽出した各紹介文候補の前記取得し
たリンク先文書に対する類似度を算出する類似度算出手
段と、前記算出した類似度を用いて紹介文を特定する紹
介文特定手段と、を具備したことを特徴とするリンク集
作成装置を提供する。請求項２に記載の発明では、前記
類似度算出手段が、前記リンク先文書の文書ベクトルと
前記紹介文候補の文書ベクトルを用いて所定の演算を行
うことにより前記類似度を算出することを特徴とする請
求項１に記載のリンク集作成装置を提供する。請求項３
に記載の発明では、前記紹介文特定手段が、前記類似度
が最も大きい前記紹介文候補を紹介文として特定するこ
とを特徴とする請求項１又は請求項２に記載のリンク集
作成装置を提供する。請求項４に記載の発明では、前記
リンク先文書を要約して要約文を生成する要約手段を更
に具備し、前記算出した類似度の内、最も大きいものが
所定の閾値に達しない場合に、前記要約手段は、前記リ
ンク先文書の要約文を生成し、前記紹介文特定手段は、
前記要約手段が生成した前記要約文を紹介文として特定
することを特徴とする請求項１又は請求項２に記載のリ
ンク集作成装置を提供する。請求項５に記載の発明で
は、前記リンク先文書を要約して要約文を生成する要約
手段を更に具備し、前記算出した類似度の内、最も大き
いものが所定の閾値に達しない場合に、前記要約手段
は、前記リンク先文書の要約文を生成し、前記類似度算
出手段は、前記生成した前記要約文に対する前記各紹介
文候補の類似度を算出し、前記紹介文特定手段は、前記
類似度が最も大きい紹介文候補を紹介文として特定する
ことを特徴とする請求項１又は請求項２に記載のリンク
集作成装置を提供する。請求項６に記載の発明では、前
記リンク先文書を要約して要約文を生成する要約手段を
更に具備し、前記リンク先文書取得手段は、前記要約手
段で生成した要約文をリンク先文書として取得すること
を特徴とする請求項１、請求項２又は請求項３に記載の
リンク集作成装置を提供する。請求項７に記載の発明で
は、前記紹介文特定手段にて特定した前記紹介文の内容
から、当該紹介文が属するカテゴリを特定するカテゴリ
特定手段と、前記紹介文に、当該紹介文に対応するリン
ク先特定情報と前記特定したカテゴリを関連けて出力す
る出力手段と、を更に具備したことを特徴とする請求項
１から請求項６までの内の何れかの１の請求項に記載の
リンク集作成装置を提供する。請求項８に記載の発明で
は、前記出力手段が、前記紹介文を当該紹介文に対応し
たリンク先特定情報と共に所定のコンピュータ言語で記
述したディレクトリ構造として出力し、前記ディレクト
リ構造は、紹介文のカテゴリを階層的に配置したツリー
構造を有していることを特徴とする請求項７に記載のリ
ンク集作成装置を提供する。また、請求項８に記載の発
明は、前記出力手段が、紹介文のカテゴリを階層的に配
置したディレクトリ構造を所定のコンピュータ言語にて
記述して出力し、前記カテゴリには、当該カテゴリに関
連付けられた前記紹介文及び当該紹介文に対応するリン
ク先特定情報が配置されていることを特徴とする請求項
７に記載のリンク集作成装置として構成することも可能
である。ここで、所定のコンピュータ言語とは、例えば
リンク集のディレクトリ構造を出力する言語である。請
求項９に記載の発明では、前記リンク先特定情報が、前
記リンク先のサイトを特定するＵＲＬであることを特徴
とする請求項１から請求項８までの内の何れかの１の請
求項に記載のリンク集作成装置を提供する。請求項１０
に記載の発明では、文書取得手段と、リンク先特定情報
抽出手段と、リンク先文書取得手段と、紹介文候補抽出
手段と、類似度算出手段と、紹介文特定手段と、を備え
たコンピュータにおいて、前記文書取得手段で、文書フ
ァイルを取得する文書取得ステップと、前記リンク先特
定情報抽出手段で、前記取得した文書ファイルに含まれ
るリンク先特定情報を抽出するリンク先特定情報抽出ス
テップと、前記リンク先文書取得手段で、前記抽出した
リンク先特定情報で特定されるリンク先に含まれるリン
ク先文書を取得するリンク先文書取得ステップと、前記
紹介文候補抽出手段で、前記取得した文書ファイルに含
まれている文書から複数の紹介文候補を抽出する紹介文
候補抽出ステップと、前記類似度算出手段で、前記抽出
した各紹介文候補の前記取得したリンク先文書に対する
類似度を算出する類似度算出ステップと、前記紹介文特
定手段で、前記算出した類似度を用いて紹介文を特定す
る紹介文特定手ステップと、から構成されたことを特徴
とするリンク集作成方法を提供する。請求項１１に記載
の発明では、文書ファイルを取得する文書取得機能と、
前記取得した文書ファイルに含まれるリンク先特定情報
を抽出するリンク先特定情報抽出機能と、前記抽出した
リンク先特定情報で特定されるリンク先に含まれるリン
ク先文書を取得するリンク先文書取得機能と、前記取得
した文書ファイルに含まれている文書から複数の紹介文
候補を抽出する紹介文候補抽出機能と、前記抽出した各
紹介文候補の前記取得したリンク先文書に対する類似度
を算出する類似度算出機能と、前記算出した類似度を用
いて紹介文を特定する紹介文特定機能と、をコンピュー
タに実現させるためのリンク集作成プログラムを提供す
る。また、請求項７に記載の出力手段にて出力されたデ
ータの内、少なくとも前記抽出したリンク先特定情報
と、当該リンク先特定情報に関連付けられた第１の紹介
文を格納する格納手段と、新規に取得した新規文書ファ
イルから、リンク先特定情報を抽出し、当該リンク先特
定情報に関連付ける第２の紹介文を当該新規文書ファイ
ルから抽出する新規紹介文抽出手段と、前記格納したデ
ータから前記抽出した前記リンク先特定情報を検索する
検索手段と、前記検索手段にて前記リンク先特定情報が
検索された場合に、前記リンク先特定情報に関連付けら
れた第１の紹介文を取得する第１の紹介文取得手段と、
前記第１の紹介文の類似度と前記第２の紹介文の類似度
を比較する比較手段と、前記比較手段にて前記第２の紹
介文の類似度の方が前記第１の紹介文の類似度よりも大
きい場合に、前記格納手段にて格納した前記第１の紹介
文を前記第２の紹介文にて置換する置換手段と、を更に
具備したことを特徴とする請求項４に記載のリンク集作
成装置を提供することも可能である。

【００１０】

【発明の実施の形態】以下、本発明の好適な実施の形態
について、図１から図５を参照して詳細に説明する。図
１は、本実施の形態に係るリンク集作成装置がリンク集
を作成する方法を説明するための図である。リンク集作
成装置は、まずＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒ
ｃｅ Ｌｏｃａｔｏｒｓ）を含む電子メール、掲示板、
ニュースグループの投稿などの文書ファイル（ドキュメ
ント）５を取得する。文書ファイル５に含まれるＵＲＬ
は、リンク集ページに掲載するＵＲＬとして使用し、文
書ファイル５に含まれる文書は当該ＵＲＬを紹介するた
めの紹介文を作成する際に使用される。これは、人から
人へ伝達されたメッセージの本文中に含まれるＵＲＬ
は、紹介するだけの価値がある優良コンテンツである可
能性が高い上、当該ＵＲＬの前後には、紹介者が送信相
手に興味を持ってもらおうと、それなりに工夫した紹介
文が付いていることが期待できるためである。

【００１１】次に、文書ファイル５に含まれるＵＲＬ７
を抽出すると共に、ＵＲＬ７が記載されていた場所の近
傍にある文書を文書６、６、６、…、に分解する。文書
６、６、６、…、の内、ＵＲＬ７でリンクされるコンテ
ンツの内容に最もマッチ（類似）したものをＵＲＬ７の
紹介文として使用する。ＵＲＬ７の近傍の文書を分解す
るのは、ＵＲＬ７のリンク先を紹介する文書がＵＲＬ７
の近傍にあると予想されるためである。

【００１２】次に、文書ファイル５から抽出された文書
６、６、６、…、のそれぞれの文書ベクトル１０、１
０、１０、…、を設定する。これは、後にＵＲＬ７でリ
ンクされるコンテンツについて得られた文書ベクトルと
比較することによって、当該コンテンツの内容に最も類
似した文書６、６、６、…、を特定するためである。文
書ベクトルについては後程説明する。

【００１３】一方抽出されたＵＲＬ７を用いてインター
ネットに接続し、リンク先のＷｅｂページのコンテンツ
に含まれる本文１１を取得する。そして、本文の文書ベ
クトル１２を設定する。次に、文書ベクトル１０、１
０、１０、…、と文書ベクトル１２を比較し、本文１１
の内容と最も類似した文書６、６、６、…、を特定す
る。例えば、２つのベクトルが平行に近いほど２つの文
書は類似している考えられる。このような性質を用いて
文書の類似度を適当な方法で数値化し、数値（スコア）
を比較することにより最も類似した文書６を特定するこ
とができる。

【００１４】比較の結果、本文１１と最も類似している
と判断された文書６は、ＵＲＬ７と共に文書データベー
ス１３に格納され、リンク集を作成する際のリンク先の
説明文として使用される。次に、各リンクの紹介文を文
書分類器でカテゴリ毎にまとめて所定のコンピュータ言
語、例えばＨＴＭＬ（Ｈｙｐｅｒｔｅｘｔ Ｍａｒｋｕ
ｐ Ｌａｎｇｕａｇｅ）形式のファイル１５として出力
する。なお、本実施の形態では、リンク集ページをディ
レクトリ型リンク集ページとして作成した。

【００１５】図２は、本実施の形態に係るリンク集作成
装置のシステム構成を概念的に示した図である。なお、
後に説明するように、本実施の形態におけるリンク集作
成装置は一例としてパーソナルコンピュータ（以下ＰＣ
と記す）にリンク集作成プログラムをインストールする
ことにより構成した。図２に示したようにリンク集作成
装置のシステムは、文書取得手段２１、ＵＲＬ抽出手段
２２、文書分解手段２３、紹介文決定手段２４、本文取
得手段２７、文書データベース１３、クラスタリング器
３３、文書分類器３２、図示しない文書要約器などから
構成されている。

【００１６】文書取得手段２１は、ＵＲＬを含んだ電子
メール、掲示板、ニュースグループの投稿などの文書フ
ァイル５を取得する手段であり、例えば、インターネッ
トやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）
などのネットワークと接続する通信制御部とＣＰＵ（Ｃ
ｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）など
により構成される。この他にも、文書ファイルを記憶し
た記憶媒体を駆動する記憶媒体駆動装置、紙面上などに
記載された文書を読み取るスキャナなどで構成された文
字認識装置などを使用することも可能である。

【００１７】ＵＲＬ抽出手段２２は、文書中（テキスト
中）のＵＲＬを検出して抽出する手段である。必要に応
じて不要なＵＲＬの除去フィルタを設けることができ
る。例えばスパムメール（受信者に無差別に送信される
勧誘や広告の電子メールなどの受信者にとって迷惑な電
子メール）に対するフィルタは、インターネット上で公
開されているブラックリストに記載されているＵＲＬな
どを用いて構成することができる。また、電子メールの
差出人などの署名部分のＵＲＬはレイアウト解析器で除
去する。

【００１８】文書分解手段２３は、文書を当該文書を構
成する文書に分解する手段であって、文書取得手段２１
が文書ファイル５を取得し、文書ファイル５を文書６、
６、６、…、に分解する。本実施の形態では、文書分解
手段２３は文書ファイル５に含まれているＵＲＬを検出
し、当該ＵＲＬの前後、所定の個数、例えば２個分の文
を分解して抽出するように構成した。なお、これに限定
せず、文書ファイル５の全てを対象に分解作業を行うよ
うに構成することも可能である。

【００１９】本文取得手段２７は、ＵＲＬ抽出手段２２
により取得したＵＲＬから実際のページ内容を取得し、
文書データベース１３に登録する。即ち、ＵＲＬ抽出手
段２２により抽出されたＵＲＬを用いて、リンク先のコ
ンテンツの本文１１（テキスト）を取得し、これを文書
データベース１３に格納する手段である。本実施の形態
では、例えば、インターネットと接続するための通信制
御装置や文書データベース１３を駆動する記憶媒体駆動
装置などにより構成されている。更に、例えば、コンテ
ンツが磁気ディスクや半導体メモリなどの記憶媒体に格
納されている場合は、当該記憶媒体の駆動装置にてコン
テンツを取得するように構成することもできる。

【００２０】また、本文取得手段２７の使用に際して
は、全対象ページの文書データベース１３をまず作成す
るようにする。即ち、リンク集ページを作成するために
多数の文書ファイル５、５、５、・・・、から多数のＵＲ
Ｌを抽出するが、これらリンク集ページ作成の対象とな
る全てのＵＲＬに対して本文１１、１１、１１、・・・、
を収集し、予め文書データベース１３に格納しておく。
これは、文書データベース１３のターム出現頻度などの
統計情報が後に文書６、６、６、…、と本文１１の類似
度判定を行う際に必要になるためである。

【００２１】紹介文決定手段２４は、本文１１に最も類
似した文書６を選択し、これを文書データベース１３に
格納する手段である。紹介文決定手段２４にて選択され
た文書６は、ＵＲＬの紹介文として使用される。そのた
め、紹介文決定手段２４は、選択した文書６を対応する
ＵＲＬと関連付けて文書データベース１３に格納する。
なお、本実施の形態では、文書ベクトルを用いて本文１
１と文書６、６、６、…、の類似度を判断することとし
た。即ち、紹介文決定手段２４は、文書６、６、６、
…、のそれぞれの文書ベクトル１０、１０、１０、…、
と本文１１の文書ベクトル１２を設定し、本文１１と各
文書ベクトル１０、１０、１０、・・・、に所定の演算を
施して類似度を求める。そして、類似度が最も大きい文
書ベクトル１０をもって紹介文とし、これを文書データ
ベース１３に格納する。なお、本実施の形態では、後に
説明するＴＦ＊ＩＤＦスコアを用いて類似度を数値化し
た。また、紹介文決定手段２４は、本文取得手段２７に
て文書データベース１３に格納さた本文１１を用いて文
書ベクトル１２を設定する。

【００２２】文書データべース１３は、本文取得手段２
７にて取得した文書や紹介文決定手段２４から取得した
紹介文などを格納するためのデータベースである。文書
データベース１３には、ＵＲＬ抽出手段２２にて抽出さ
れたＵＲＬ、当該ＵＲＬによりリンクするページのペー
ジ内容（本文１１）、当該ページの名称、当該ページの
紹介文などが格納されている。これらのデータは、ＵＲ
Ｌ毎に互いに関連付けられて格納されている。即ち、Ｕ
ＲＬを特定すると当該ＵＲＬにて指定される本文１１、
及び当該本文１１が掲載された当該ページの名称、当該
ＵＲＬの紹介文などが特定できるようになっている。

【００２３】クラスタリング器３３は、複数の文書から
なる文書集合を、内容が似ているもの同士でグループ分
け（クラスタリング）するものである。内容が似ている
もの同士がグループとなるため、各グループに分類され
た文書は同一のカテゴリに属するものと考えることがで
きる。そして、各グループに特徴的に出現する言葉を調
べることにより、これらの言葉を文書分類器３２の教師
データとして使用することができる。なお、教師データ
とは、文書分類器３２に文書分類を機械学習させるため
の正解データとして使用されるデータである。

【００２４】例えば、あるグループに属する文書を調べ
た結果、学校名や「教育委員会」、「学級」、「数
学」、「進学率」、「生徒」、「先生」、「校長」、
「教育現場」、・・・、などの単語が特徴的に高い確率で
出現する場合、当該グループは教育に関するカテゴリに
属すると推定される。これらカテゴリを特徴付ける言葉
（教師データ）を文書分類器３２に学習させることによ
り、文書分類器３２は、被分類文書中に出現する言葉を
分析して当該被分類文書の属するカテゴリーを推定する
ことができる。

【００２５】クラスタリング器３３で生成するカテゴリ
数は、予めユーザが設定することができる。例えば、カ
テゴリ数としてユーザが１００を設定した場合、クラス
タリング器３３は、文書集合を１００のグループにクラ
スタリングする。クラスタリング器３３は、内容が類似
した文書を判別してグループを作成するため、カテゴリ
として何が入っているかわからない文書の集合でも、文
書間類似度によって文書をクラスタリングすることがで
きるという利点がある。更に詳細に述べると、クラスタ
リングの結果は木構造となり、枝の末端は個々の文書と
なっている。木構造の枝はカテゴリに対応し、枝に所属
する文書は、そのカテゴリの教師データとして、文書分
類器３２の学習に使用される。

【００２６】文書分類器３２は、文書データベース１３
に格納された紹介文を教師データを用いて何れのカテゴ
リに属するか判断して分類し、ディレクトリ型リンク集
ページをＨＴＭＬ形式のファイルとして作成して出力す
る手段である。出力先は、例えば、ハードディスク、光
磁気ディスク、半導体メモリなどの記憶媒体やネットワ
ークを介して接続された他の端末装置などである。文書
分類器３２は、文書に出現する単語と特定のカテゴリに
出現する頻度が高い単語とを比較し、当該文書の属する
カテゴリを判断する。先に述べたように特定のカテゴリ
に出現する頻度が高い単語は教師データを用いて文書分
類器３２に学習させておく。

【００２７】より詳細に述べると、例えば、それぞれの
語(単語・複合語)について、全体におけるの語出現確率
と、教育カテゴリ中の語出現確率を統計的に算出してお
けば、「教育」のカテゴリに特徴的に出現する語が特定
できる。分類対象の文書に出てくる語の1つ1つについ
て、カテゴリ毎の出現確率を教師データから求めておけ
ば、文書全体で、どのカテゴリに属すると仮定するの
が、最も合理的なのか確率的に計算することが可能であ
る。

【００２８】図示しない文書要約器は、本文１１に出現
する重要語を基に、本文１１の要約を作成するものであ
る。紹介文決定手段２４は、本文１１と文書６、６、
６、・・・、の類似度の内、最も高い類似度が所定の閾値
（予め設定された一定のスコア）に達しなかった場合
は、本文１１を文書要約器にて要約したものを紹介文と
して採用する。

【００２９】ここで、紹介文決定手段２４にて使用した
文書ベクトルについて説明する。文書中に出現する確率
の高い単語は当該文書の属するカテゴリにより偏りがあ
る。例えば、教育に関する文書の場合、学校名や「教育
現場」、「進学率」などの教育に関する単語の出現確率
が高くなり、映画に関する文書の場合、監督名、俳優
名、映画タイトルや「撮影」、「映画館」などの映画に
関する単語の出現確率が高くなる。このように、予め特
定のカテゴリに特有な単語を重要語としてデータベース
化しておき、文書に出現する単語とデータベース化され
た重要語とを比較することにより、当該文書のカテゴリ
を推定することができる。

【００３０】文書ベクトルの次元はカテゴリを区別する
ために採用した重要語の数となる。例えば、教育カテゴ
リに属する文書と映画カテゴリに属する文書の集合体が
あって、これを教育カテゴリと映画カテゴリに分類した
いとする。教育に関する重要語がＮ１個あり、映画に関
する重要語がＮ２個あった場合、文書ベクトルはＮ１＋
Ｎ２次元空間内のベクトルとして表される。そして、教
育に関する文書の文書ベクトルは、共にほぼ同様の方向
を指し、また、絵画に関する文書の文書ベクトルも共に
ほぼ同様の方向を指すと考えられ、これによって各文書
の属するカテゴリを推定することができる。

【００３１】更に、詳細に述べると、まず文書ベクトル
を設定しようとする文書中から予めデータベース化して
ある重要語（教師データ）を自動抽出する。そして、当
該文書の文書ベクトルを、例えば出現回数など所定の方
法で重み付けした重要度ｆ（ｘ）を成分とするベクトル
で表す。ｘは重要語である。

【００３２】仮に、文書ベクトルを表現する空間の座標
軸を、教育現場、進学率、撮影、映画館の４つの重要語
で構成したとする。例えば、教育に関する文書Ａを解析
した場合、ｆ（教育現場）＝１６、ｆ（進学率）＝１
２、ｆ（撮影）＝１、ｆ（映画館）＝０などと、教育関
係の単語に関する成分が大きくなり、文書Ａの文書ベク
トルは（１６、１２、１、０）となる。このように、文
書ベクトルの方向と大きさは、当該文書のカテゴリを設
定する際の指標とすることができる。

【００３３】本実施の形態では、２つの文書の類似度を
数値化する方法として、ＴＦ＊ＩＤＦスコアを用いた。
ＴＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ）は、該当文書中
に、所定の語が出現した回数を表し、ＩＤＦ（Ｉｎｖｅ
ｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）は以
下の式１で表される値を表す。ｌｏｇ（全体文書数／該
当語を含む文書数）＋１…（式１）ＴＦ＊ＩＤＦは、Ｔ
ＦとＩＤＦの積である。この値が大きい語ほど、文書全
体の中から特定文書を弁別できることを意味し、ＴＦ＊
ＩＤＦを文書ベクトルの成分の重みとして採用すること
ができる。ＴＦ＊ＩＤＦスコアと言うのは、２つの文書
ベクトルにＴＦ＊ＩＤＦの重みを持たせて例えば、内積
などで求めた類似度スコアである。

【００３４】更に、ＴＦ＊ＩＤＦスコアを内積によって
求める場合は、以下のようになる。内容が同じカテゴリ
に関して書かれた文書の文書ベクトルは互いに平行に近
くなる傾向がある。文書ベクトル間の角度は通常のベク
トルと同様にして求めることができる。即ち、２つのベ
クトルの成す方向余弦（ｃｏｓθ）は、当該２つの文書
ベクトル内積を求め、これをそれぞれの文書ベクトルの
絶対値で除することにより求めることができる。この方
向余弦の値から２つの文書ベクトルの成す角度（θ）を
求めることができる。なお、文書の類似度の判定法は、
これに限定するものではなく、他の方法を用いても良
い。

【００３５】図３は、本実施の形態のリンク集作成装置
が接続されるネットワークの構成の一例を示した図であ
る。当該ネットワークは、メールサーバ６２、Ｗｅｂサ
ーバ６３、端末装置６４、６４、６４、…、などがイン
ターネット６１に接続可能に配設されることにより構成
されている。インターネット６１は、公衆回線、光ファ
イバ網、衛星通信回線、移動体端末装置用無線回線など
の通信回線が接続されることにより構成されている。

【００３６】メールサーバ６２は、端末装置６４から電
子メールのアップロードを受付、宛先の端末装置６４が
接続した際に、当該電子メールを宛先の端末装置６４に
ダウンロードする。これによって、１のユーザから他の
ユーザに電子メールを送信することができる。なお、メ
ールサーバの機能を単純化して説明したものであって、
実際は、アップロード用のサーバ装置やダウンロード用
のサーバ装置が複数台あり、電子メールのデータをサー
バ装置間で転送しながら、所定のユーザにこれを配信し
ている。

【００３７】リンク集作成装置は、メールサーバ６２か
ら紹介文を作成するための文書ファイル５を取得するこ
とができる。Ｗｅｂサーバ６３は、端末装置６４、６
４、６４、…、に対してＨＴＭＬ形式のファイルなどを
ダウンロードするサーバ装置である。図３では、Ｗｅｂ
サーバ６３は、１台のみ示してあるが、実際は複数のＷ
ｅｂサーバがインターネット６１に接続しており、ユー
ザは、端末装置６４、６４、６４、…、からＵＲＬを入
力することにより、Ｗｅｂサーバ６３と当該Ｗｅｂサー
バ６３からダウンロードするＨＴＭＬ形式のファイルを
特定することができる。

【００３８】リンク集作成装置は、ＵＲＬ抽出手段２２
により抽出したＵＲＬを用いて所定のＷｅｂサーバ６３
から紹介文を決定する際に使用する本文１１をダウンロ
ードすることができる。Ｗｅｂサーバ６３が掲示板機能
を提供している場合は、リンク集作成装置は当該掲示板
から紹介文を作成するための素材である文書ファイル５
を取得することも可能である。

【００３９】端末装置６４、６４、６４、…、は、例え
ばＰＣなどを用いて構成されたクライアント端末装置で
あって、インターネット６１を介してメールサーバ６
２、Ｗｅｂサーバ６３などと接続可能に構成されてい
る。端末装置６４は、リンク集作成プログラムなどを備
えることにより、リンク集作成装置として機能させるこ
とができる。リンク集作成機能を持った端末装置６４
は、インターネット６１を介して、紹介文を作成するた
めの素材である、ＵＲＬを含んだ文書ファイル５（電子
メール、ニュースグループの投稿文書、掲示板の文書な
ど）や、Ｗｅｂページの本文１１を取得することができ
る。

【００４０】なお、端末装置６４は、ＰＣの他にも例え
ばインターネット接続可能なワードプロセッサ、インタ
ーネット接続可能なテレビ、移動体端末装置、などによ
り構成することも可能である。また、端末装置６４は、
ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｗ
ＡＮ（Ｗｏｒｌｄ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを
介してインターネット６１に接続するように構成しても
良い。

【００４１】図４は、リンク集作成装置４０の具体的な
構成の一例を示した図である。本実施の形態では、リン
ク集作成装置をＰＣを用いて構成した。リンク集作成装
置４０は、システム全体を制御するための制御部４１を
備えている。そして、制御部４１は、ＣＰＵ４２、ＲＯ
Ｍ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）４３、ＲＡＭ
（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）４４な
どから構成されている。ＲＯＭ４３は、ＣＰＵ４２が各
種演算や制御を行うための各種プログラムやデータを格
納したリードオンリーメモリである。ＣＰＵ４２は、Ｒ
ＯＭ４３からプログラムやデータを読み込むことはでき
るが、これらを書き換えたり消去することはできない。

【００４２】ＲＡＭ４４は、ＣＰＵ４２にワーキングメ
モリとして使用されるランダムアクセスメモリである。
ＣＰＵ４２は、ＲＡＭ４４にプログラムやデータなどを
書込んだり消去したりすることができる。本実施の形態
では、ＲＡＭ４４には、文書分解処理、文書べクトル設
定処理、クラスタリング処理、ディレクトリ型リンク集
ページ作成処理などの各種処理を行うためのエリアが確
保可能となっている。

【００４３】制御部４１には、バスライン４９を介して
キーボード４５、マウス４６、表示装置４７、印刷装置
４８、記憶装置５３、記憶媒体駆動装置５７、入出力イ
ンターフェース５８、文字認識装置５９などが接続され
ている。キーボード４５は、ユーザがユーザがカテゴリ
数を手動で設定する場合にカテゴリ数を入力したり、又
はその他の文字や情報を入力するためのデバイスであ
る。キーボード４５は、カナや英文字などを入力するた
めのキーや数字を入力するためのテンキー、各種機能キ
ー、カーソルキー及びその他のキーによって構成されて
いる。

【００４４】マウス４６は、ポインティングデバイスで
あって、表示装置４７上に表示されたボタンやアイコン
をクリックすることにより、所定の機能の指定を行う入
力装置である。表示装置４７は、例えば例えばＣＲＴ
（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ、
液晶ディスプレイ、プラズマディスプレイなどで構成さ
れる。表示装置４７には、例えば、インターネットを介
してサーバ装置から送られてきた各種画面や電子メー
ル、リンク集作成装置４０にて作成されたディレクトリ
型リンク集ページなどをユーザに対して表示する。

【００４５】印刷装置４８は、文書６、６、６、…、や
画像などを紙などの印刷媒体に印刷するデバイスであっ
て、例えば、インクジェットプリンタ、レーザプリン
タ、熱転写プリンタ、ドットプリンタなどの各種プリン
タ装置によって構成されている。通信制御部５０は、Ｃ
ＰＵ４２にコントロールされながらＷｅｂサーバやメー
ルサーバなどとリンク集作成装置４０を接続するための
制御装置である。通信制御部５０を介して、説明文を作
成する素材である文書ファイル５を取得したり、ＵＲＬ
抽出手段にて抽出されたＵＲＬにて指定されるサイトか
ら本文１１を取得したりすることができる。

【００４６】記憶装置５３は、読み書き可能な記憶媒体
と、その記憶媒体に対してプログラムやデータを読み書
きするための駆動装置によって構成されている。この記
憶媒体として主にハードディスクが使用されるが、その
他に、例えば、光磁気ディスク、磁気ディスク、半導体
メモリなどの他の読み書き可能な記憶媒体によって構成
することも可能である。記憶装置５３には、リンク集作
成処理プログラム５４、文書データベース１３、ブラウ
ザ、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）、イン
ターネット接続プログラムその他のプログラムやデータ
ベースなどが格納されている。

【００４７】リンク集作成プログラム５４は、リンク集
作成装置４０が、ディレクトリ型リンク集ページを作成
するための機能を実現するためのプログラムである。リ
ンク集作成プログラム５４が起動される場合は、全部又
は動作に必要な部分がＲＡＭ４４にロードされる。ＣＰ
Ｕ４２は、ＲＡＭ４４にロードされたリンク集作成プロ
グラム５４をレジスタ（ＣＰＵ４２内のメモリ）に読み
込んでこれに従って動作し、図２に示した文書取得手段
２１、ＵＲＬ抽出手段２２、文書分解手段２３、紹介部
決定手段２４、本文取得手段２７、クラスタリング器３
３、文書分類器３２などの機能を実現する。

【００４８】ブラウザは、ＨＴＭＬ形式のファイル（Ｈ
ＴＭＬ言語によって表示装置４７に表示する画面やリン
ク先などが記述されている）を用いて表示装置４７に所
定の画面を表示したり、表示された画面に対してユーザ
が入力したデータをネットワーク接続したサーバ装置に
送信したりなどする機能を実現するためのプログラムで
ある。ブラウザで表示されるＨＴＭＬ形式のファイル
は、例えば、リンク集作成装置４０とネットワーク接続
されたサーバ装置からダウンロードしたり、記憶媒体な
どから取得する。ＣＰＵ４２は、ブラウザが持つ機能を
実現することにより、文書分類器３２が作成したディレ
クトリ型リンク集ページを表示装置４７に表示すること
ができる。

【００４９】ＯＳは、リンク集作成装置４０（本実施の
形態ではＰＣ）を動作させるための基本的なプログラム
であり、例えばＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ
Ｉｎｔｅｒｆａｃｅ）にて、ユーザがリンク集作成装
置４０を操作できる環境を実現することができる。イン
ターネット接続プログラムは、通信制御部５０を介して
ＣＰＵ４２をインターネットに接続し、インターネット
上に設置されたＷｅｂサーバやメールサーバなどとデー
タの送受信を制御する機能を実現するためのプログラム
である。

【００５０】記憶媒体駆動装置５７は、ＣＰＵ４２が外
部の記憶媒体からコンピュータプログラム、紹介文を作
成するための素材である電子メールなどの文書ファイル
５やその他のデータが記憶された着脱可能な記憶媒体を
駆動するための駆動装置である。この着脱可能な記憶媒
体としては、磁気ディスク、光磁気ディスク、半導体メ
モリなどの読み書き可能な媒体が使用され、この記憶媒
体にリンク集作成プログラム５４や文書データベース１
３、文書分類器３２が作成したディレクトリ型リンク集
ページ３１を表示するためのデータなど格納することも
可能である。また、ＣＤ−ＲＯＭなどの読み出しのみ可
能な記憶媒体を駆動することも可能である。

【００５１】入出力インターフェース５８は、例えば、
シリアルインターフェースやその他の規格のインターフ
ェースにより構成されており、リンク集作成装置４０と
外部の機器を接続するためのインターフェースである。
入出力インターフェース５８により、例えばジョイステ
ィックやマイクロフォンなどの入力装置や、スピーカな
どの出力装置、或いは、記憶媒体駆動装置などの入出力
装置などを接続し、リンク集作成装置４０と外部機器と
の入出力を行うことができる。文字認識装置５９は、紙
などの印刷媒体などに記載されたテキスト文書やＨＴＭ
Ｌ文書を読み取って認識する装置であって、イメージス
キャナや文字認識プログラムなどに構成されている。文
字認識装置５９により、用紙などに印刷された文書ファ
イル５をリンク集作成装置４０に入力することが可能で
ある。

【００５２】図５は、リンク先作成装置４０がリンク先
ページを作成する手順を示したフローチャートである。
まず、ユーザはリンク先作成装置４０をメールサーバ６
２やＷｅｂサーバ６３などに接続し、文書取得手段２１
によってＵＲＬを含んだ文書ファイル５を取得する（ス
テップ１０）。文書ファイル５は、リンク先サイトの紹
介文を作成するための素材となる。また、必要に応じて
文書ファイル５を記憶装置５３に格納しておくこともで
きる。

【００５３】次に、文書取得手段２１にて取得した文書
ファイル５からＵＲＬを抽出する（ステップ１５）。こ
のとき、スパムメールなどはフィルタを用いて取り除
き、署名欄はレイアウト解析器にて取り除く。また、Ｕ
ＲＬ抽出手段２２は、検出したＵＲＬを文書データベー
ス１３に問い合わせる。問い合わせの結果、当該ＵＲＬ
にて特定される本文１１が文書データベース１３内に既
存であることが確認できた場合、次に述べる本文取得手
段２７による本文１１の取得は行わず、文書データベー
ス１３に格納されている本文１１を用いて作業を行う。

【００５４】本文取得手段２７が、ＵＲＬ抽出手段２２
にて抽出されたＵＲＬにて特定されるサイトから本文１
１を取得し、これを文書データベース１３に格納する
（ステップ２０）。この段階では当該サイトに対する紹
介文は未決定である。次に、文書分解手段２３が、文書
ファイル５中のＵＲＬを検出し、ＵＲＬ前後の自然文を
規定文数だけ紹介文候補として抽出する（ステップ３
０）。

【００５５】次に、紹介文決定手段２４が、文書分解手
段２３で得た各候補文と文書データベース１３に格納し
た本文１１との類似度を計算する（ステップ３５）。ス
テップ３５における類似度の計算は、文書６、６、６、
…、に対する文書ベクトル１０、１０、１０、…、と本
文１１に対する文書ベクトル１２を設定し、これらに対
して所定の演算を施すことにより類似度が数値化され
る。

【００５６】次に、紹介文決定手段２４は、類似度が最
も大きい文書６を特定した後、当該文書６の類似度が所
定の閾値に達しているかどうかを判断する（ステップ４
０）。類似度が所定の閾値に達している場合は（ステッ
プ４０；Ｙ）、紹介文決定手段２４は、当該文書６を紹
介文として対応するＵＲＬと共に文書データベース１３
に出力する。類似度が所定の閾値に達していない場合は
（ステップ４０；Ｎ）、文書要約器が起動して本文１１
の要約文を生成する（ステップ４５）。文書要約器は生
成した要約文を紹介文として対応するＵＲＬと共に文書
データベース１３に出力する。

【００５７】文書分類器３２は、紹介文をＵＲＬと共に
カテゴリ毎にまとめて（ステップ５０）、ＨＴＭＬファ
イルにて出力する（ステップ５５）。なお、入力テキス
トを追加する場合、文書データベース１３の統計情報が
十分であれば、上記のステップ１０からステップ２０ま
でを省略でき、文書データベース１３に格納されている
データを用いてステップ２５以下を行うことが可能であ
る。

【００５８】以上、本実施の形態では、文書分類器３２
が、ＨＴＭＬファイルにてリンク集ページを出力するよ
うに構成したが、これはリンク集ページを作成するコン
ピュータ言語をＨＴＭＬに限定するものではなく、例え
ばＪａｖａ、ＪａｖａＳｃｒｉｐｔ、XＭＬ（Ｅｘｔｅ
ｎｓｉｂｌｅ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）、Ｐ
ｅｒｌ、ＸＨＴＭＬ（Ｅｘｔｅｎｓｉｂｌｅ Ｈｙｐｅ
ｒｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）その他
のコンピュータ言語を用いて作成しても良い。Ｊａｖ
ａ、ＪａｖａＳｃｒｉｐｔを用いてリンク集ページを構
成すると、初期画面でディレクトリの階層のトップだけ
が表示され、マウスなどでフォーカスを移動すると階層
の下が展開されるといった動的なページ表現を行うこと
が可能である。

【００５９】また、本実施の形態では、文書ファイル５
からＵＲＬ抽出手段２２にてＵＲＬを抽出した後、文書
分解手段２３にて文書ファイル５を文書６、６、６、
…、に分解したが、これに限定するものではなく、ＵＲ
Ｌの抽出と文書ファイル５の分解を同時に行っても良い
し、又は、文書ファイル５を分解した後にＵＲＬを抽出
するように構成することもできる。文書ファイル５を分
解した後にＵＲＬを抽出する場合は、例えば、文書ファ
イル５の全てを分解し、分解後にＵＲＬ近傍の文書６、
６、６、・・・、を抽出するようにすることができでき
る。

【００６０】本実施の形態では、ディレクトリ型リンク
集ページを作成したが、これに限定するものではなく、
ディレクトリ型でないリンク集ページを作成するように
構成することもできる。また、リンク集ページに限ら
ず、例えばユーザが入力したキーワードにヒットする紹
介文及びＵＲＬを文書データベース１３から検索するよ
うに構成することもできる。また、本実施の形態では、
リンク集作成プログラムをクライアント端末装置である
ＰＣに設置したが、これに限定するものではなく、例え
ば、Ｗｅｂサーバ装置に設置してサーバ上でリンク集ペ
ージを作成し、クライアント端末装置から当該リンク集
ページを利用できるように構成しても良い。

【００６１】以上に述べた本実施の形態では、以下のよ
うな効果が得られる。電子メール、掲示板、ニュースグ
ループの投稿に埋もれている、人から人へ紹介されたＵ
ＲＬ情報を、利用しやすいディレクトリ型リンク集に加
工する処理を自動的に行うことができる。メーリングリ
スト、掲示板、ニュースグループのアーカイブなど、特
定の読者層を対象にした大量のテキストデータから、上
記ＵＲＬと紹介文の組を抽出し、分類配置することがで
きる。リンク作成者の作業は、最初の分類カテゴリ作成
だけで、リンク集メンテナンス作業から開放される。通
常の自然文によるＵＲＬ紹介メッセージを投稿するだけ
で、二次加工されて情報活用されるので、投稿者への動
機付けとなり、このシステムを採用したメーリングリス
ト、掲示板の投稿活動が活性化される。

【００６２】（実施の形態の変形例１）上記、実施の形
態では、文書分類器３２に与える教師データは、クラス
タリング器３３が作成し、文書分類器３２に与えたが、
これは、ユーザが作成して文書分類器３２に与えること
もできる。この場合は、例えば「教育」に関連するＵＲ
Ｌを１００個、「映画」に関連するＵＲＬを１００個、
…、などと各カテゴリに属するＵＲＬをインターネット
上でディレクトリサービスを行っている既存のサイトか
ら集めて来る。そして、これらのＵＲＬにて指定される
サイトに掲載されている文書も集める。即ち、所定のカ
テゴリに属することがわかっているデータを適当な数だ
け集めるのである。そして、これらのデータを、文書分
類器３２に学習させるための教師データとして使用する
ことができる。

【００６３】変形例１では、リンク集作成装置４０がク
ラスタリング器３３を装備していない場合でもリンク集
を作成することができる。

【００６４】（本実施の形態の変形例２）本変形例は、
既に作成してあるリンク集ページに掲載されている紹介
文よりも、より本文に類似した紹介文を取得した場合
に、前者の紹介文を後者の紹介文で置き換えることによ
りリンク集ページを更新するものである。システム的に
は図２のシステム構成に紹介文更新手段を追加する。

【００６５】文書データベース１３には、前回にリンク
集ページを作成した際のデータ（ＵＲＬ、紹介文など）
が格納されているものとする。文書６、６、６、…、か
らＵＲＬの紹介文を決定するところまでは実施の形態と
同じである。このように新たに取得したＵＲＬと紹介文
をそれぞれ新規ＵＲＬ、新規紹介文と呼ぶことにする。
紹介文更新手段は、まず、新規ＵＲＬと同じＵＲＬが存
在するかどうか文書データベース１３を検索する。

【００６６】同じＵＲＬが存在しなかった場合は、紹介
文更新手段は、新規ＵＲＬと新規紹介文を文書データベ
ース１３に追加する。後は、実施の形態と同様にしてク
ラスタリング器３３や文書分類器３２などを用いてディ
レクトリ型リンク集ページ３１を生成する。

【００６７】同じＵＲＬが存在する場合は、紹介文更新
手段は、既に文書データベース１３に格納されている当
該ＵＲＬに係る紹介文（旧紹介文と呼ぶことにする）の
文書ベクトルと新規紹介文の文書ベクトルを生成して本
文１１との類似度を比較する。類似度の比較の結果、新
規紹介文の方が旧紹介文よりも本文１１に類似していた
場合は、紹介文更新手段は、文書データベース１３内の
旧紹介文を新規紹介文で置き換える。

【００６８】類似度比較の結果、旧紹介文の方が新規紹
介文よりも本文１１に類似している場合は、紹介文更新
手段は、文書データベース１３内の旧紹介文をそのまま
保持する。以上に示したように、紹介文更新手段を起動
することにより文書データベース１３内の紹介文は、よ
り適切にリンク先を紹介する紹介文に更新することがで
きる。そして、更新後に文書分類器３２を起動してディ
レクトリ型リンク集ページ３１を新たに生成することに
より、ディレクトリ型リンク集ページを更新することが
できる。

【００６９】（本実施の形態の変形例３）本変形例は、
紹介文決定手段２４にて計算した文書６、６、６、…、
の本文１１に対する類似度の内、最も大きいものが所定
の閾値に達しなかった場合に、本文１１を文書要約器に
て生成した要約文を用いて文書６、６、６、…、類似度
を計算するものである。これは、文書要約器にて本文１
１を要約することにより、文書６、６、６、・・・、との
類似度を高めることが期待できるためである。これは、
本文１１を要約することにより、本文１１の要旨と関係
の無い部分がカットされるため、要旨と関係の無い部分
に含まれる言葉によるベクトル成分の文書ベクトルに対
する寄与が少なくなるためである。

【００７０】図６は、本変形例において、リンク先作成
装置４０がリンク先ページを作成する手順を示したフロ
ーチャートである。図５のフローチャートと対応するス
テップには、同じステップ番号を付してある。ステップ
１０からステップ３５までは、発明の実施の形態と同じ
である。紹介文決定手段２４は、文書６、６、６、…、
の本文１１に対する類似度を計算した後、最も大きい類
似度が所定の閾値に達しているか否かを判断する（ステ
ップ４０）。類似度が所定の閾値に達している場合は
（ステップ４０；Ｙ）、紹介文決定手段２４は、当該文
書６を紹介文として対応するＵＲＬと共に文書データベ
ース１３に出力する。

【００７１】類似度が所定の閾値に達していない場合は
（ステップ４０；Ｎ）、文書要約器が起動して本文１１
の要約文を生成する（ステップ４５）。文書要約器は、
生成した要約文を文書データベース１３に出力する。紹
介文決定手段２４は、文書データベース１３から当該要
約文を取得し、これを新たな文書１１として文書６、
６、６、…、の当該要約文に対する類似度を計算する
（ステップ３５）。以下、類似度が所定の閾値に達する
まで、ステップ３５、４０、４５を繰り返す。類似度が
所定の閾値に達した場合は、文書６、６、６、…、から
最も類似度が大きかった文書がリンク先のサイトの紹介
文となる。

【００７２】以上の構成は、ステップ３５、４０、４５
を所定の回数だけ繰り返しても類似度が閾値に達しなか
った場合は、文書要約器にて本文１１を要約したものを
紹介文とするように構成しても良い。また、本文取得手
段２７にて取得した本文１１を、まず文書要約器にて要
約した後、当該要約後の本文に対する文書６、６、６、
…、の類似度を算出するように構成することもできる。

【００７３】変形例３によれば、たとえ文書６、６、
６、…、の本文１１に対する類似度が所定の類似度に達
しない場合でも、本文１１の内容に最も類似すると思わ
れる文書６を紹介文として採用することができる。

【００７４】

【発明の効果】本発明によれば、リンク集を自動作成作
成することができる。

【図面の簡単な説明】

【図１】リンク集作成装置がリンク集を作成する方法を
説明するための図である

【図２】リンク集作成装置のシステム構成を概念的に示
した図である。

【図３】本実施の形態のリンク集作成装置が接続される
ネットワークの構成の一例を示した図である。

【図４】リンク集作成装置の具体的な構成の一例を示し
た図である。

【図５】リンク集作成装置がリンク先ページファイルを
作成する手順を示したフローチャートである。

【図６】変形例３に係るリンク集作成装置がリンク先ペ
ージファイルを作成する手順を示したフローチャートで
ある。

【図７】ディレクトリ構造の一例を説明するための図で
ある。

【符号の説明】

５ 文書 ６ 文書 ７ ＵＲＬ １０ 文書ベクトル １１ 本文 １２ 文書ベクトル １３ 文書データベース １５ ファイル ２１ 文書取得手段 ２２ ＵＲＬ抽出手段 ２３ 文書分解手段 ２４ 紹介文決定手段 ２７ 本文取得手段 ３１ ディレクトリ型リンク集ページ ３２ 文書分類器 ３３ クラスタリング器 ４０ リンク集作成装置 ４１ 制御部 ４２ ＣＰＵ ４３ ＲＯＭ ４４ ＲＡＭ ４５ キーボード ４６ マウス ４７ 表示装置 ４８ 印刷装置 ５０ 通信制御部 ５３ 記憶装置 ５４ リンク集作成プログラム ５７ 記憶媒体駆動装置 ５８ 入出力インターフェース ５９ 文字認識装置 ６１ インターネット ６２ メールサーバ ６３ Ｗｅｂサーバ ６４ 端末装置

フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｆ 13/00 ５４０ Ｇ０６Ｆ 13/00 ５４０Ｆ

Claims (11)

【特許請求の範囲】
1. 【請求項１】 文書ファイルを取得する文書取得手段
   と、 前記取得した文書ファイルに含まれるリンク先特定情報
   を抽出するリンク先特定情報抽出手段と、 前記抽出したリンク先特定情報で特定されるリンク先に
   含まれるリンク先文書を取得するリンク先文書取得手段
   と、 前記取得した文書ファイルに含まれている文書から複数
   の紹介文候補を抽出する紹介文候補抽出手段と、 前記抽出した各紹介文候補の前記取得したリンク先文書
   に対する類似度を算出する類似度算出手段と、 前記算出した類似度を用いて紹介文を特定する紹介文特
   定手段と、 を具備したことを特徴とするリンク集作成装置。
2. 【請求項２】 前記類似度算出手段は、前記リンク先文
   書の文書ベクトルと前記紹介文候補の文書ベクトルを用
   いて所定の演算を行うことにより前記類似度を算出する
   ことを特徴とする請求項１に記載のリンク集作成装置。
3. 【請求項３】 前記紹介文特定手段は、前記類似度が最
   も大きい前記紹介文候補を紹介文として特定することを
   特徴とする請求項１又は請求項２に記載のリンク集作成
   装置。
4. 【請求項４】 前記リンク先文書を要約して要約文を生
   成する要約手段を更に具備し、 前記算出した類似度の内、最も大きいものが所定の閾値
   に達しない場合に、前記要約手段は、前記リンク先文書
   の要約文を生成し、 前記紹介文特定手段は、前記要約手段が生成した前記要
   約文を紹介文として特定することを特徴とする請求項１
   又は請求項２に記載のリンク集作成装置。
5. 【請求項５】 前記リンク先文書を要約して要約文を生
   成する要約手段を更に具備し、 前記算出した類似度の内、最も大きいものが所定の閾値
   に達しない場合に、前記要約手段は、前記リンク先文書
   の要約文を生成し、 前記類似度算出手段は、前記生成した前記要約文に対す
   る前記各紹介文候補の類似度を算出し、 前記紹介文特定手段は、前記類似度が最も大きい紹介文
   候補を紹介文として特定することを特徴とする請求項１
   又は請求項２に記載のリンク集作成装置。
6. 【請求項６】 前記リンク先文書を要約して要約文を生
   成する要約手段を更に具備し、 前記リンク先文書取得手段は、前記要約手段で生成した
   要約文をリンク先文書として取得することを特徴とする
   請求項１、請求項２又は請求項３に記載のリンク集作成
   装置。
7. 【請求項７】 前記紹介文特定手段にて特定した前記紹
   介文の内容から、当該紹介文が属するカテゴリを特定す
   るカテゴリ特定手段と、 前記紹介文に、当該紹介文に対応するリンク先特定情報
   と前記特定したカテゴリを関連けて出力する出力手段
   と、 を更に具備したことを特徴とする請求項１から請求項６
   までの内の何れかの１の請求項に記載のリンク集作成装
   置。
8. 【請求項８】 前記出力手段は、前記紹介文を当該紹介
   文に対応したリンク先特定情報と共に所定のコンピュー
   タ言語で記述したディレクトリ構造として出力し、前記
   ディレクトリ構造は、紹介文のカテゴリを階層的に配置
   したツリー構造を有していることを特徴とする請求項７
   に記載のリンク集作成装置。
9. 【請求項９】 前記リンク先特定情報は、前記リンク先
   のサイトを特定するＵＲＬであることを特徴とする請求
   項１から請求項８までの内の何れかの１の請求項に記載
   のリンク集作成装置。
10. 【請求項１０】 文書取得手段と、リンク先特定情報抽
    出手段と、リンク先文書取得手段と、紹介文候補抽出手
    段と、類似度算出手段と、紹介文特定手段と、を備えた
    コンピュータにおいて、 前記文書取得手段で、文書ファイルを取得する文書取得
    ステップと、 前記リンク先特定情報抽出手段で、前記取得した文書フ
    ァイルに含まれるリンク先特定情報を抽出するリンク先
    特定情報抽出ステップと、 前記リンク先文書取得手段で、前記抽出したリンク先特
    定情報で特定されるリンク先に含まれるリンク先文書を
    取得するリンク先文書取得ステップと、 前記紹介文候補抽出手段で、前記取得した文書ファイル
    に含まれている文書から複数の紹介文候補を抽出する紹
    介文候補抽出ステップと、 前記類似度算出手段で、前記抽出した各紹介文候補の前
    記取得したリンク先文書に対する類似度を算出する類似
    度算出ステップと、 前記紹介文特定手段で、前記算出した類似度を用いて紹
    介文を特定する紹介文特定手ステップと、 から構成されたことを特徴とするリンク集作成方法。
11. 【請求項１１】 文書ファイルを取得する文書取得機能
    と、 前記取得した文書ファイルに含まれるリンク先特定情報
    を抽出するリンク先特定情報抽出機能と、 前記抽出したリンク先特定情報で特定されるリンク先に
    含まれるリンク先文書を取得するリンク先文書取得機能
    と、 前記取得した文書ファイルに含まれている文書から複数
    の紹介文候補を抽出する紹介文候補抽出機能と、 前記抽出した各紹介文候補の前記取得したリンク先文書
    に対する類似度を算出する類似度算出機能と、 前記算出した類似度を用いて紹介文を特定する紹介文特
    定機能と、 をコンピュータに実現させるためのリンク集作成プログ
    ラム。