JP2006164256A - 属性評価プログラム、属性評価システムおよび属性評価方法 - Google Patents
属性評価プログラム、属性評価システムおよび属性評価方法 Download PDFInfo
- Publication number
- JP2006164256A JP2006164256A JP2005327279A JP2005327279A JP2006164256A JP 2006164256 A JP2006164256 A JP 2006164256A JP 2005327279 A JP2005327279 A JP 2005327279A JP 2005327279 A JP2005327279 A JP 2005327279A JP 2006164256 A JP2006164256 A JP 2006164256A
- Authority
- JP
- Japan
- Prior art keywords
- content
- attribute
- information
- evaluation
- relating
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 515
- 238000000034 method Methods 0.000 claims description 195
- 238000003860 storage Methods 0.000 claims description 148
- 230000008451 emotion Effects 0.000 claims description 67
- 238000009826 distribution Methods 0.000 claims description 66
- 230000008569 process Effects 0.000 claims description 46
- 238000010276 construction Methods 0.000 claims description 20
- 238000012854 evaluation process Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 84
- 238000012545 processing Methods 0.000 description 53
- 230000004048 modification Effects 0.000 description 40
- 238000012986 modification Methods 0.000 description 40
- 238000007405 data analysis Methods 0.000 description 32
- 230000000694 effects Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 239000000284 extract Substances 0.000 description 15
- 230000035807 sensation Effects 0.000 description 14
- 235000019615 sensations Nutrition 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 13
- 238000000605 extraction Methods 0.000 description 10
- 230000000877 morphologic effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 6
- 238000010411 cooking Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 229910003460 diamond Inorganic materials 0.000 description 4
- 239000010432 diamond Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 241000556720 Manga Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることができる属性評価プログラム、属性評価システムおよび属性評価方法を提供すること。
【解決手段】ウェブサイト１０の評価対象コンテンツにリンクされたウェブサイト１１〜１６のコンテンツに係る属性情報を記憶し、記憶したウェブサイト１１〜１６のコンテンツに係る属性情報に基づいて、ウェブサイト１０の評価対象コンテンツに係る属性および評価対象コンテンツにアクセスするユーザに係る属性を評価する。
【選択図】 図１
【解決手段】ウェブサイト１０の評価対象コンテンツにリンクされたウェブサイト１１〜１６のコンテンツに係る属性情報を記憶し、記憶したウェブサイト１１〜１６のコンテンツに係る属性情報に基づいて、ウェブサイト１０の評価対象コンテンツに係る属性および評価対象コンテンツにアクセスするユーザに係る属性を評価する。
【選択図】 図１
Description
本発明は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価プログラム、属性評価システムおよび属性評価方法に関し、特に、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることができる属性評価プログラム、属性評価システムおよび属性評価方法に関する。
従来、インターネットなどのインタラクティブなメディアにおいて、ユーザによりアクセスされるコンテンツの属性を評価することがおこなわれている。コンテンツの属性とは、コンテンツの内容により分類されたコンテンツのカテゴリーなどである。このような評価により、当該コンテンツにアクセスするユーザの属性、たとえば、コンテンツにアクセスするユーザの興味などを評価することができる。
コンテンツの属性の評価およびコンテンツにアクセスするユーザの属性の評価は、コンテンツの制作者やコンテンツアグリゲータなどによる主観的な評価と、コンテンツのテキストマイニングや、コンテンツにアクセスしたユーザに対するアンケート調査、コンテンツにアクセスしたユーザの登録情報に基づいてなされた客観的な評価とがある。
コンテンツの制作者による評価は、コンテンツの制作者が自らコンテンツの内容を分類・評価するものである。また、コンテンツアグリゲータによる評価は、ウェブサイト内のコンテンツを収集・整理してユーザに提供するコンテンツアグリゲータがコンテンツの内容を確認して分類・評価をおこなうものである。
これらの評価は、人が手作業でおこなうため、大量のコンテンツがある場合には評価に時間がかかるとともに、コンテンツの内容が変更された場合には評価の更新を迅速におこなうことができない。また、人が主観的に評価をおこなうため、必ずしもコンテンツの内容を反映した適切な評価がなされるとは限らないという問題がある。
また、Ｗ３Ｃ（World Wide Web Consortium）において開発が進められているセマンティックウェブという技術がある。セマンティックウェブとは、ウェブサイト上のコンテンツにメタデータを作成し、そのメタデータに基づいてコンピュータが推論をおこなうことができるようにする技術である。このセマンティックウェブはＷＷＷ（World Wide Web）を改革する画期的な技術といわれるが、実現までに解決しなければならない課題も多く、懐疑的な意見もある。
まず、セマンティック・ウェブの実現のためには、大部分のコンテンツにコンピュータに理解可能な形でメタデータが提供されていなければならない。ＷＷＷ上には数え切れない情報（コンテンツ）が存在するが、そのほとんどは、コンピュータ向けではなく、人間向けである。
また、コンテンツの制作者の大部分が直ちに人間向けのＨＴＭＬ（Hyper Text Markup Language）のページやコンテンツと併せて、コンピュータ向けのメタデータを用意してくれることを期待するのは困難である。また、たとえメタデータが提供されても、制作者がそれをコンテンツ本体と合わせて確実にメンテナンスするのはなかなか大変であり、充分にプラットフォームが整備されないと、実現は難しいといえる。
他方、制作の過程でコンピュータにより情報処理がなされるコンテンツ、例えばＧＰＳ（Global Positioning System）付きのデジタルカメラやカメラ機能付きの携帯電話で撮影した画像に撮影者、撮影日や撮影場所の情報などが、共通化されたフォーマットのメタデータとして付属し、それらの画像コンテンツがウェブサイトに掲載された場合に、コンピュータに理解可能な形でメタデータが提供されることになるなど、セマンティックウェブの実現に向けた環境が徐々に整備されてくると思われる。
このような環境が整備され、大部分のコンテンツに、コンピュータに理解可能な形でメタデータが提供されたとき、コンテンツの属性は明確になると思われる。すなわち、コンテンツの制作者が個々のコンテンツを分類し、その分類に係る情報をメタデータとして提供することが可能となる。
しかし、この場合においても、このメタデータの意味は必ずしも共有されたものではなく、多くの場合、あくまでそのコンテンツの制作者にとっての分類に過ぎず、コンテンツの制作者が主観的に評価したコンテンツの属性に変わりはない。また仮に共有されたメタデータだとしても、全コンテンツがそれに対応することを期待するのは難しい。
また、コンテンツの制作者または分類者が主観的に評価したコンテンツの属性を、当該コンテンツにアクセスするユーザの属性として評価すること（例えば、コンテンツの制作者または分類者が「アメリカ」の属性を持つと主観的に評価したコンテンツにアクセスするユーザは、「アメリカ」に興味があるユーザであると評価すること）は短絡的であり、実用に資さない場合が多い。アメリカ国債に係る「ファイナンス」に興味があるユーザかもしれないし、アメリカという名前の「レストラン」に興味があるユーザかもしれない。
一方、コンテンツのテキストマイニングによる評価とは、コンテンツに対してテキストマイニングを適用することによりコンテンツの内容を評価するものである。この場合、ユーザの登録内容と異なり、コンテンツそのものに対する評価はある程度期待できるが、単一コンテンツのみに対するテキストマイニングの評価精度には限界があり、また、上記と同様な理由で、当該コンテンツの属性だけをもって当該コンテンツにアクセスするユーザの属性を決めるのは短絡的であり、実用に資さない場合が多い。
また、アンケート調査に基づく評価とは、コンテンツにアクセスしたユーザにアンケート調査をおこなって、当該コンテンツにアクセスしたユーザの興味などの属性を調べ、得られた結果に基づいてコンテンツの属性の分類・評価をおこなうものである。
しかし、アンケート調査による評価は、アンケート調査に対するユーザの協力が必要であり、ユーザに負担がかかるという問題がある。これを解決するために、あらかじめ各ユーザの興味などの属性情報を登録しておき、コンテンツにアクセスしたユーザの興味などの属性情報を自動的に収集することによりコンテンツの属性の評価をおこなう方法が考えられている。
ヤフー株式会社、"カテゴリ検索"、［online］、［平成１６年１０月１９日検索］、インターネット＜ＵＲＬ： http://howto.yahoo.co.jp/chapters/8/1.html＞
World Wide Web Consortium、"World Wide Web Consortium ...in 7 points"、［online］、［平成１６年１１月４日検索］、インターネット＜ＵＲＬ： http://www.w3.org/Consortium/Points/#semantic＞
しかしながら、各ユーザの属性情報をあらかじめ登録しておくコンテンツの評価方法においては、属性情報を登録したユーザの数が十分多くない場合には、評価結果の信頼性が低くなるという問題があった。
評価結果の信頼性を高めるためには、属性情報を登録するユーザの数を増加させることが必要となるが、属性情報を登録するようユーザに要請することには自ずと限界が生じる。
また、属性情報を登録したとしてもそのユーザがユーザＩＤを入力するなどしてウェブサイトにログインしない場合には、ユーザの属性情報を取得することができないまたは精度が下がるので、コンテンツの評価に用いることができるユーザの属性情報の数が減少する。
そのため、コンテンツにアクセスするユーザの属性情報に依存することなく、いかに動的に、自動的に、客観的にコンテンツの属性の評価、または、当該コンテンツにアクセスするユーザの属性を精度よく推定することができるかが重要な問題となってくる。
ここで、改めてインターネットに代表されるインタラクティブなメディアにおけるユーザのトラフィックについて、原点に立ち戻って考えてみることが許されてもいいであろう。一見無秩序に思えるような膨大なトラフィックも、単一のコンテンツに着目した場合、そのコンテンツに接触するユーザが辿る過程は、（１）ハイパーリンクやトラックバック構造を辿ってくる、（２）検索結果から辿ってくる、（３）何らかの方法で直接アクセスしてくる、という３つのパターンに分けられる。
このうち、（１）ハイパーリンクやトラックバック構造を辿ってくる、および（２）検索結果から辿ってくる割合が大部分を占めることは言うまでもないが、そのようなハイパーリンクやトラックバックや検索キーワードの情報を有効に活かすことができればコンテンツやコンテンツの視聴者であるユーザの評価精度を高めることができる。
本発明は、上記に鑑みてなされたものであって、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることができる属性評価プログラム、属性評価システムおよび属性評価方法を提供することを目的とする。
上述した課題を解決し、目的を達成するために、本発明は、第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶するコンテンツ情報記憶手順と、前記コンテンツ情報記憶手順により記憶された第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する属性評価手順と、をコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手順は、第１のコンテンツに係る情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶された第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手順は、各コンテンツに係る重みの情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手順は、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、前記コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定する重み決定手順をさらにコンピュータに実行させ、前記コンテンツ情報記憶手順は、前記重み決定手順により決定された重みの情報を記憶することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手順は、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることを特徴とする。
また、本発明は、上記発明において、コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定する属性判定手順をさらにコンピュータに実行させ、前記コンテンツ情報記憶手順は、前記属性判定手順により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする。
また、本発明は、上記発明において、前記属性判定手順は、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定手順は、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することを特徴とする。
また、本発明は、上記発明において、前記データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したことを特徴とする。
また、本発明は、上記発明において、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいことを特徴とする。
また、本発明は、上記発明において、前記データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないことを特徴とする。
また、本発明は、上記発明において、前記属性判定手順は、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定手順は、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、前記コンテンツ情報記憶手順は、前記属性判定手順により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする。
また、本発明は、上記発明において、前記属性判定手順は、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定手順は、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手順により記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることを特徴とする。
また、本発明は、上記発明において、前記ｎの値はユーザにより任意に設定されることを特徴とする。
また、本発明は、上記発明において、前記属性評価手順は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することを特徴とする。
また、本発明は、上記発明において、前記属性評価手順は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することを特徴とする。
また、本発明は、上記発明において、前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶する情報記憶手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記データベース構築手順により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうコンテンツ検索手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、前記属性評価手順は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする。
また、本発明は、上記発明において、前記属性評価手順は、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記属性評価手順は、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする。
また、本発明は、上記発明において、前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信するコンテンツ配信手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、前記コンテンツ配信手順によりコンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶する属性記憶手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、上記発明において、前記属性記憶手順は、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ配信手順によりコンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶する反応状況記憶手順をさらにコンピュータに実行させることを特徴とする。
また、本発明は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価システムであって、第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶するコンテンツ情報記憶手段と、前記コンテンツ情報記憶手段により記憶された第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する属性評価手段と、を備えたことを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手段は、第１のコンテンツに係る情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶された第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手段は、各コンテンツに係る重みの情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手段は、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、前記コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定する重み決定手段をさらにコンピュータに実行させ、前記コンテンツ情報記憶手段は、前記重み決定手段により決定された重みの情報を記憶することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手段は、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることを特徴とする。
また、本発明は、上記発明において、コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定する属性判定手段をさらに備え、前記コンテンツ情報記憶手段は、前記属性判定手段により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする。
また、本発明は、上記発明において、前記属性判定手段は、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定手段は、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することを特徴とする。
また、本発明は、上記発明において、前記データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したことを特徴とする。
また、本発明は、上記発明において、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいことを特徴とする。
また、本発明は、上記発明において、前記データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないことを特徴とする。
また、本発明は、上記発明において、前記属性判定手段は、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定手段は、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、前記コンテンツ情報記憶手段は、前記属性判定手段により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする。
また、本発明は、上記発明において、前記属性判定手段は、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定手段は、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶手段により記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることを特徴とする。
また、本発明は、上記発明において、前記ｎの値はユーザにより任意に設定されることを特徴とする。
また、本発明は、上記発明において、前記属性評価手段は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することを特徴とする。
また、本発明は、上記発明において、前記属性評価手段は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することを特徴とする。
また、本発明は、上記発明において、前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶する情報記憶手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記データベース構築手段により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうコンテンツ検索手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、前記属性評価手段は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする。
また、本発明は、上記発明において、前記属性評価手段は、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記属性評価手段は、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする。
また、本発明は、上記発明において、前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信するコンテンツ配信手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、前記コンテンツ配信手順によりコンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶する属性記憶手段をさらに備えたことを特徴とする。
また、本発明は、上記発明において、前記属性記憶手段は、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ配信手段によりコンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶する反応状況記憶手段をさらに備えたことを特徴とする。
また、本発明は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価方法であって、第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶するコンテンツ情報記憶工程と、前記コンテンツ情報記憶工程により記憶された第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する属性評価工程と、を含んだことを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶工程は、第１のコンテンツに係る情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶された第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶工程は、各コンテンツに係る重みの情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶工程は、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、前記コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定する重み決定工程をさらに含み、前記コンテンツ情報記憶工程は、前記重み決定工程により決定された重みの情報を記憶することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶工程は、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることを特徴とする。
また、本発明は、上記発明において、コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定する属性判定工程をさらに含み、前記コンテンツ情報記憶工程は、前記属性判定工程により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする。
また、本発明は、上記発明において、前記属性判定工程は、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定工程は、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することを特徴とする。
また、本発明は、上記発明において、前記データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したことを特徴とする。
また、本発明は、上記発明において、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいことを特徴とする。
また、本発明は、上記発明において、前記データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないことを特徴とする。
また、本発明は、上記発明において、前記属性判定工程は、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定工程は、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、前記コンテンツ情報記憶工程は、前記属性判定工程により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする。
また、本発明は、上記発明において、前記属性判定工程は、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することを特徴とする。
また、本発明は、上記発明において、前記属性判定工程は、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ情報記憶工程により記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることを特徴とする。
また、本発明は、上記発明において、前記ｎの値はユーザにより任意に設定されることを特徴とする。
また、本発明は、上記発明において、前記属性評価工程は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することを特徴とする。
また、本発明は、上記発明において、前記属性評価工程は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することを特徴とする。
また、本発明は、上記発明において、前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶する情報記憶工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記データベース構築工程により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうコンテンツ検索工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、前記属性評価工程は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする。
また、本発明は、上記発明において、前記属性評価工程は、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする。
また、本発明は、上記発明において、前記属性評価工程は、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする。
また、本発明は、上記発明において、前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信するコンテンツ配信工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、前記コンテンツ配信工程によりコンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶する属性記憶工程をさらに含んだことを特徴とする。
また、本発明は、上記発明において、前記属性記憶工程は、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することを特徴とする。
また、本発明は、上記発明において、前記コンテンツ配信工程によりコンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶する反応状況記憶工程をさらに含んだことを特徴とする。
また、本発明は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価プログラムであって、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶するコンテンツ情報記憶手順と、前記コンテンツ情報記憶手順により記憶されたコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価する属性評価手順と、をコンピュータに実行させることを特徴とする。
また、本発明は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価システムであって、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶するコンテンツ情報記憶手段と、前記コンテンツ情報記憶手段により記憶されたコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価する属性評価手段と、を備えたことを特徴とする。
また、本発明は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価方法であって、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶するコンテンツ情報記憶工程と、前記コンテンツ情報記憶工程により記憶されたコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価する属性評価工程と、を含んだことを特徴とする。
本発明によれば、コンテンツ評価の要求があったときにいつでも、コンピュータ処理によって、第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶し、記憶した第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることができるという効果を奏する。
また、本発明によれば、第１のコンテンツに係る情報をさらに記憶し、記憶した第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、第２のコンテンツに係る情報に加えて第１のコンテンツに係る情報をさらに考慮することにより、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を精度よく評価することができるという効果を奏する。
また、本発明によれば、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、記憶した第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、ユーザが入力した検索キーワードの情報をさらに加味することにより、コンテンツに係る属性および当該コンテンツにアクセスするユーザに係る属性を精度よく評価することができるという効果を奏する。
また、本発明によれば、各コンテンツに係る重みの情報をさらに記憶し、記憶したコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、各コンテンツに係る重みを設定することにより、コンテンツに係る情報の重視度をコンテンツごとに変化させ、コンテンツに係る属性および当該コンテンツにアクセスするユーザに係る属性を精度よく評価することができるという効果を奏する。
また、本発明によれば、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、記憶したコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、評価対象である第１のコンテンツに係る情報を第２のコンテンツに係る情報よりも重視することにより、コンテンツに係る属性および当該コンテンツにアクセスするユーザに係る属性を精度よく評価することができるという効果を奏する。
また、本発明によれば、コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定し、決定した重みの情報を記憶することとしたので、コンテンツに係る重みを効果的に決定することができるという効果を奏する。
また、本発明によれば、第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることとしたので、ハイパーリンクまたはトラックバック処理によりリンクが設定されたコンテンツの属性および当該コンテンツにアクセスする直接性が高いユーザに係る属性を精度よく評価することができるという効果を奏する。
また、本発明によれば、コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定し、判定した属性に係る情報をコンテンツに係る情報として記憶することとしたので、各コンテンツに係る属性を効果的に判定することができ、特に、ＸＭＬ（Extensible Markup Language）フォーマットなどにより統一的、汎用的に記述されているメタデータを参照する場合には、書式が定められているので効率的かつ効果的に各コンテンツに係る属性を判定することができるという効果を奏する。また、メタデータはコンテンツごとに持つことができるという特徴、および、トラックバックはコンテンツ単位で実行できるという特徴により、リンクされているコンテンツの全ページを評価する必要がなくなり、インターネットにおけるユーザエージェント（ロボット）の巡回コストを著しく低減できるという効果を奏する。
また、本発明によれば、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することとしたので、コンテンツまたはコンテンツに対応するメタデータに含まれる単語をカテゴリーに分類することにより、コンテンツに係る属性を効果的に判定することができ、特に、メタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定する場合には、画像や動画など文字テキスト以外のコンテンツに係る情報も扱うことができるという効果を奏する。
また、本発明によれば、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することとしたので、各単語に重みを設定することにより各単語の重視度を変更し、コンテンツに係る属性を精度よく判定することができるとともに、属性の評価結果に基づいてコンテンツに適したインターネット広告などを配信する場合に、カテゴリーごとに重みを変化させることにより配信者のニーズに柔軟かつ効率的に対応することができるという効果を奏する。
また、本発明によれば、データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したこととしたので、単語間の意味の包括関係に基づいて各単語の重みを適切に設定でき、コンテンツに係る属性を精度よく判定することができるという効果を奏する。
また、本発明によれば、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいこととしたので、上位概念の単語を含んだカテゴリーを下位概念の単語を含んだカテゴリーよりも重視して、コンテンツに係る属性を効果的に判定することができるという効果を奏する。
また、本発明によれば、データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないこととしたので、カテゴリーの判定ができなくなるのを防ぎ、コンテンツに係る属性を効果的に判定することができるという効果を奏する。
また、本発明によれば、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することとしたので、コンテンツに係る地域の属性を効果的に判定することができ、特に、メタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定する場合には、画像や動画など文字テキスト以外のコンテンツに係る情報も扱うことができるという効果を奏する。
また、本発明によれば、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、判定した属性に係る情報をコンテンツに係る情報として記憶することとしたので、緯度経度情報に基づいてコンテンツに係る地域の属性を効率的に判定することができるという効果を奏する。
また、本発明によれば、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することとしたので、コンテンツの属性を異なる側面から判定することができ、属性情報の利用範囲を拡大することができるという効果を奏する。
また、本発明によれば、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することとしたので、コンテンツの属性またはコンテンツにアクセスするユーザの属性の判定結果に基づいてインターネット広告などを配信する場合に、「ぬくもり」や「やすらぎ」などといったユーザの世界観、生活シーン、テイストなどに対応するインターネット広告を配信できるよう広告主がカスタマイズすることができるという効果を奏する。
また、本発明によれば、記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることとしたので、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価の精度を制御することができるという効果を奏する。
また、本発明によれば、ｎの値はユーザにより任意に設定されることとしたので、要求される属性の評価精度をユーザが任意に設定することができるという効果を奏する。
また、本発明によれば、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することとしたので、更新頻度の低いコンテンツやコンテンツの内容が他のコンテンツとは大きく異なるコンテンツ、あるいは、特定のドメインに属するコンテンツの属性などをコンテンツの属性評価に用いないことにより、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価に対するリンクスパムやトラックバックスパムの影響を除去し、評価精度を高めることができるという効果を奏する。
また、本発明によれば、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することとしたので、新たに評価された属性をメタデータとして記憶することにより、いつでも精度よく評価された属性を参照することができるようになるという効果を奏する。
また、本発明によれば、評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶することとしたので、記憶した情報を属性が評価された第１のコンテンツにアクセスするユーザ層の分析に役立てることができるという効果を奏する。
また、本発明によれば、評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築することとしたので、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果に基づいて、コンテンツ間のリンクにより対応付けられたカテゴリーと単語とからなるデータベースを作成することができ、作成したデータベースをそれ以降の属性の評価に利用することができるという効果を奏する。
また、本発明によれば、評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築することとしたので、何段階にもリンクされたコンテンツまたはコンテンツに対応するメタデータに含まれる単語から、コンテンツ間のリンクにより対応付けられたカテゴリーと単語とからなるデータベースを作成することができ、作成したデータベースをそれ以降の属性の評価に利用することができるという効果を奏する。
また、本発明によれば、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうこととしたので、精度よく評価された属性に基づいてコンテンツの検索を効果的におこなうことができるという効果を奏する。
また、本発明によれば、コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうこととしたので、精度よく評価された属性およびカテゴリーの情報に基づいてコンテンツの検索を効果的におこなうことができるという効果を奏する。
また、本発明によれば、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうこととしたので、コンテンツを巡回したりコンテンツの検索をおこなったりしてコンテンツの属性を収集することなく、精度よく評価された属性に基づいてコンテンツの検索を効果的におこなうことができるという効果を奏する。
また、本発明によれば、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することとしたので、メタデータに記述された名前空間を利用することにより、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を効率的に取得することができるという効果を奏する。
また、本発明によれば、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、メタデータに記述された名前空間を利用して、リアルタイムで評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得することができるという効果を奏する。
また、本発明によれば、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することとしたので、メタデータに記述された名前空間を利用して、ユーザが入力した検索キーワードの情報をさらに加味することにより精度よく評価されたコンテンツに係る属性および当該コンテンツにアクセスするユーザに係る属性を効率的に取得することができるという効果を奏する。
また、本発明によれば、評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信することとしたので、インターネット広告などを効果的に配信することができるという効果を奏する。
また、本発明によれば、コンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶することとしたので、記憶した情報を配信されたコンテンツにアクセスするユーザ層の分析に役立てることができるという効果を奏する。
また、本発明によれば、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することとしたので、記憶した情報をユーザによりアクセスされるコンテンツの属性または当該コンテンツにアクセスするユーザの属性の分析に役立てることができるという効果を奏する。
また、本発明によれば、コンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶することとしたので、記憶した情報を配信されたコンテンツに対するユーザの反応の分析に役立てることができるという効果を奏する。
また、本発明によれば、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶し、記憶したコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価することとしたので、検索キーワードを用いてコンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることができるという効果を奏する。
以下に、本発明に係る属性評価プログラム、属性評価システムおよび属性評価方法の好適な実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
まず、本発明に係る属性評価処理の概念について説明する。図１は、本発明に係る属性評価処理の概念を説明する図である。この属性評価処理においては、評価対象となるウェブサイト内のコンテンツの属性および当該コンテンツにアクセスするユーザの属性を、当該コンテンツにリンクされたコンテンツの属性に基づいて評価する処理をおこなう。
ここで、コンテンツの属性とは、たとえば、コンテンツの内容に基づいてコンテンツがカテゴリーに分類された場合のコンテンツが属するカテゴリーのことである。また、ユーザの属性とは、たとえば、コンテンツにアクセスするユーザの興味のことである。
図１には、属性の評価対象となるウェブサイト１０の評価対象コンテンツに、６つのウェブサイト１１〜１６のコンテンツがリンクされている場合が示されている。ここで、ウェブサイト１０の評価対象コンテンツと６つのウェブサイト１１〜１６のコンテンツとの間のリンクは、ハイパーリンク、または、コンテンツにおいてトラックバックが実行されることにより張られたリンクである。
そして、ウェブサイト１０の評価対象コンテンツおよび各ウェブサイト１１〜１６のコンテンツには、属性および属性に対する重みが割り当てられている。属性は、ウェブサイトのコンテンツまたはメタデータを解析することにより評価されたコンテンツが属するカテゴリーである。
また、メタデータとは、ウェブサイト内のコンテンツに係る情報を記述したデータである。たとえば、ウェブログにおいては、ウェブサイトに掲載された記事に対して作成されるＲＳＳ（RDF Site Summary）のことである。
図２は、ウェブサイトに掲載されたエントリ（記事）に対して作成されたＲＳＳの一例を示す図である。図２には、あるウェブサイトに掲載されたエントリ（記事）のメタデータであるＲＳＳ２０と、そのエントリ（記事）にトラックバックしたウェブサイトに掲載されたエントリ（記事）のメタデータであるＲＳＳ２１ａ〜２１ｃとが示されている。
ＲＳＳ２０では、はじめにＸＭＬ名前空間を宣言しており、ＸＭＬ名前空間を利用した拡張性がＲＳＳの重要な特徴である。また、独自の要素型を追加することにより、画像コンテンツやコンテンツが関連する地域の情報などをコンテンツの属性情報としてメタデータに含め、それらの情報を利用することができるようになる。本発明において、さまざまな属性によりコンテンツを定義することができるのもこの特徴による。
また、トラックバックとは、あるウェブサイトに掲載された記事に関連した記事をウェブサイトに掲載した場合に、そのことを元の記事を掲載しているウェブサイトのサーバに通知する処理である。具体的には、リンク元のＵＲＩ（Uniform Resource Identifier）や記事の内容の要約などを元の記事を掲載しているウェブサイトのサーバに通知する。これにより、リンク先のサーバは、自らが提供しているウェブサイトの記事にリンクされたウェブサイトの記事の存在を把握することができる。
図２において、「trackback:ping」により指定されるＵＲＩは、自エントリ（記事）にトラックバックするときのために参照されるＵＲＩであり、「trackback:about」により指定されるＵＲＩは、自エントリ（記事）からトラックバックした場合の相手エントリのＵＲＩである。ここで、「trackback:about」によるＵＲＩの指定は複数おこなうことができる。
このように、本発明は、トラックバックの仕組みを有効に活用できることが特徴であり、トラックバックの仕組みを利用することにより、トラックバックによりリンクされたエントリを容易に発見することができる。
また、エントリ単位でＲＳＳを有するので、ウェブサイト全体の情報を収集するのではなく、トラックバックによりリンクされたエントリの情報のみを収集すればよいので、情報収集コストを低減できる。
図１の説明に戻ると、本例の場合、ウェブサイト１０の評価対象コンテンツの属性に対する重み、および、各ウェブサイト１１〜１６のコンテンツの属性に対する重みは、それぞれのウェブサイトのコンテンツの被リンク数により決定される。たとえば、ウェブサイト１０の評価対象コンテンツは６つのウェブサイト１１〜１６のコンテンツにリンクされているので重みは「６」となる。
そして、この属性評価処理においては、ウェブサイト１０の評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を、ウェブサイト１０の評価対象コンテンツにリンクされたウェブサイト１１〜１６のコンテンツの属性、および、コンテンツの属性の重みに基づいて評価する。
図３は、ウェブサイト１０の評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価するために用いられる属性評価表３０の一例を示す図である。図３に示すように、この属性評価表３０は、属性、計算式、計算結果および属性評価結果の各項目を有する。
属性は、ウェブサイト１０の評価対象コンテンツおよびウェブサイト１１〜１６のコンテンツのそれぞれについて属性評価をおこなった結果得られた属性の情報である。計算式は、属性ごとにウェブサイト１０〜１６のコンテンツの属性に係る重みの和をとった計算式である。
計算結果は、計算式により計算された重みの和の計算結果である。属性評価結果は、ウェブサイト１０の評価対象コンテンツの属性または評価対象コンテンツにアクセスするユーザの属性を評価した結果であり、評価結果の数字が最も大きい属性がウェブサイト１０の評価対象コンテンツの属性または評価対象コンテンツにアクセスするユーザの属性として選択される。
このように、ウェブサイト１０の評価対象コンテンツにリンクされたウェブサイト１１〜１６のコンテンツに係る属性情報に基づいて、ウェブサイト１０の評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を評価することとしたので、ウェブサイト１０の評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、この属性評価処理の大きな特徴として、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性の評価をウェブサイト単位ではなくコンテンツ単位でおこなうことができる点がある。
すなわち、トラックバック処理は、さまざまな記事や画像、動画などが含まれたウェブサイト単位ではなく、個々の記事や画像、動画単位で実行することができるため、ウェブサイト全体の情報を収集するのではなく、トラックバック処理によりリンクされたコンテンツの情報のみを収集すればよいので、情報収集コストやインターネットトラフィック、情報の解析時間、情報を収集するサーバあるいは情報を解析するサーバに係る負荷などを低減することができる。
また、コンテンツの属性をメタデータを解析することにより評価する場合には、記事や画像、動画などのメタデータの情報のみを収集すればよいため、上述した効果がさらに顕著に現れるようになる。
つぎに、本実施例に係る属性評価処理の処理手順の概略について説明する。図４は、本実施例に係る属性評価処理の処理手順の概略について説明する図である。図４に示すように、この属性評価処理の処理手順は、「ウェブサイトからのデータ取得」、「ウェブサイトのデータ解析」、「ウェブサイトのデータ分類」、「ウェブサイトの自己属性評価」、および、「ウェブサイトの重み決定」の５つの基本プロセスを含む。ここでは、これらを基本処理フローと呼ぶこととする。
まず、「ウェブサイトからのデータ取得」プロセスでは、評価対象とするウェブサイト（１）のメタデータ、コンテンツ、被リンク情報、ドメインなどの情報を情報収集をおこなうエージェントなどが取得する。ここで、ドメインの情報とは、対象としているウェブサイトが属するネットワークドメインのことである。
「ウェブサイトのデータ解析」プロセスでは、「ウェブサイトからのデータ取得」プロセスにおいて取得されたコンテンツの情報（３）に対してテキスト構造解析やテキスト処理などのコンテンツ解析（７）がおこなわれ、コンテンツの属性が抽出される。コンテンツの情報（３）とは、属性の評価対象とするウェブサイトの中身そのものである。
また、取得されたメタデータ（４）には、属性の評価対象とするウェブサイトのコンテンツの属性、地域属性、内容の要約などの情報が含まれている。メタデータが、ＲＤＦ（Resource Description Framework）のように、リソース表現の枠組みが標準化されている場合、メタデータ（８）の解析や以下で説明する属性分類（１０）は、データの受け渡し程度に簡素化することができるが、標準化されていない場合には、テキスト構造解析やテキスト処理などのメタデータ解析過程（８）を経て、コンテンツの属性が抽出される。
「ウェブサイトのデータ分類」プロセスでは、「ウェブサイトのデータ解析」プロセスにおいて抽出されたコンテンツの属性が、語彙を分類したシソーラスデータに基づいて所定のカテゴリーに分類される（９）。同様に、メタデータの属性も、シソーラスデータを参照して所定のカテゴリーに分類される（１０）。
「ウェブサイトの自己属性評価」プロセスでは、コンテンツの属性を分類した結果（９）と、メタデータの属性を分類した結果（１０）とから、属性の評価対象とするウェブサイトのカテゴリー属性や地域属性の自己分類が決定される（１２）。なお、地域属性の自己分類の決定については変形例１で詳しく説明する。
「ウェブサイトの重み決定」プロセスでは、属性の評価対象とするウェブサイトの重みの評価をおこなう（１１）。具体的には、図１で説明したように、ウェブサイトのコンテンツの被リンク数を基にして重み（１３）を決定する。重みの評価段階は、１０段階、１００段階など任意に決定することができる。
ただし、重みの決定方法は、これに限定されず、「ウェブサイトからのデータ取得」プロセスで取得されるドメインやＵＲＩなどに対応付けてあらかじめ設定された重みの指標を参照することにより決定することとしてもよい。
また、調査や測定により得られたウェブサイトのＰＶ（Page View）数の大小などに基づいて重みを決定することとしてもよい。また、被リンク数に加えて、リンク元のウェブサイトの重みを考慮して属性の評価対象とするウェブサイトの重みを決定することとしてもよい。また、第三者などにより提供されるウェブサイトのランク情報を用いてランクに応じて重みを決定することとしてもよい。
一方、情報収集をおこなうエージェントなどにより取得された被リンク情報には、リンク元のウェブサイトのＵＲＩの情報が含まれる。ここで、このＵＲＩにより特定されるウェブサイトの全部あるいは代表的なウェブサイトに対して、あるいは、処理時間に係る制約から限定された数のウェブサイトに対して上記基本処理をおこなうことにより、リンク元のウェブサイトのカテゴリー属性や地域属性の自己分類（１５）および重み（１６）を決定することができる。
このような処理により、「属性の評価対象とするウェブサイトの自己分類属性」、「属性の評価対象とするウェブサイトの重み」、「リンク元のウェブサイトの自己分類属性」、「リンク元のウェブサイトの重み」の情報が得られる。そして、リンク情報とリンク元のウェブサイトの情報とを用いて対象としているウェブサイトの属性を評価することにより、客観的で公正な評価が可能になる。
つぎに、本実施例に係る属性評価システム５０の機能構成について説明する。図５は、本実施例に係る属性評価システム５０の機能構成を示す図である。図５に示すように、この属性評価システム５０は、外部ウェブサーバ４０ａ〜４０ｃとインターネット６０を介して接続されている。
外部ウェブサーバ４０ａ〜４０ｃは、属性評価システム５０の外部でウェブサイトの閲覧サービスを提供しているサーバである。属性評価システム５０は、ウェブサイトにおけるコンテンツの閲覧サービスを提供するとともに、閲覧サービスを提供するコンテンツおよび当該コンテンツにアクセスするユーザの属性を評価するシステムである。
この属性評価システム５０は、ウェブサーバ７０ａ〜７０ｃ、情報収集サーバ８０、データ解析サーバ９０、属性評価サーバ１００および広告サーバ１１０がＬＡＮ（Local Area Network）１２０を介して接続された構成となっている。また、ウェブサーバ７０ａ〜７０ｃおよび情報収集サーバ８０は、外部ウェブサーバ４０ａ〜４０ｃとインターネット６０を介して接続されている。
ウェブサーバ７０ａ〜７０ｃは、ウェブサイト内のコンテンツの閲覧サービスを提供するサーバである。このウェブサーバ７０ａ〜７０ｃは、ウェブサイトを構築するＨＴＭＬデータおよびウェブサイトに対するユーザのアクセス履歴であるアクセスログを記憶している。
情報収集サーバ８０は、他のサーバにアクセスし、ウェブサイトのコンテンツ間に設定されたリンクの情報や、ウェブサイト内のコンテンツのメタデータの情報、ウェブサイト内のコンテンツの情報などを収集するサーバである。この情報収集サーバ８０は、データ送受信部８００、情報収集部８０１、記憶部８０２および制御部８０３を有する。
データ送受信部８００は、他のサーバとの間でインターネット６０またはＬＡＮ１２０を介してさまざまなデータの授受をおこなうネットワークインターフェースである。情報収集部８０１は、インターネット６０に接続された外部ウェブサーバ４０ａ〜４０ｃやウェブサーバ７０ａ〜７０ｃにアクセスし、ウェブサイトのコンテンツ間に設定されたリンクの情報や、ウェブサイト内のコンテンツのメタデータの情報、ウェブサイト内のコンテンツの情報などを収集し、収集した情報を記憶部８０２に記憶する。
記憶部８０２は、ハードディスク装置などの記憶デバイスである。この記憶部８０２は、シソーラスデータ８０２ａ、リンク情報８０２ｂ、メタデータ情報８０２ｃ、コンテンツ情報８０２ｄ、属性／重み解析情報８０２ｅを記憶している。
シソーラスデータ８０２ａは、データ解析サーバ９０がウェブサイト内のコンテンツまたはコンテンツのメタデータに対して形態素解析を実行し、コンテンツの属性を評価する際にデータ解析サーバ９０により参照されるデータである。図６は、図５に示したシソーラスデータ８０２ａの一例を示す図である。
図６に示すように、このシソーラスデータ８０２ａは、単語が「音楽」や「自然」などのカテゴリーに分類され、さらに、各カテゴリーに属する単語が単語の意味の包括関係に基づいて各階層に分けられている。そして、各階層には、各階層に属する単語に割り当てられる重みの情報が記憶される。
具体的には、上位の階層には、より広い意味範囲を有する単語が登録され、下位の階層にはより狭い意味範囲を有する単語が登録される。ここで、最上位の階層には、単語が１つだけ登録される。この最上位の単語は、各カテゴリーのインデックスとなる単語であり、この単語を以降「インデックス語」と呼ぶことにする。このインデックス語は、他のカテゴリーに属することがないように登録されている。
たとえば、図６の例では、最上位階層である階層１に「音楽」というインデックス語が登録されている。そして、階層２には、「音楽」というインデックス語の狭義語である「ロック」という単語が登録され、階層３には、「ロック」という単語の狭義語である「ハードロック」という単語が登録され、階層４には、「ハードロック」という単語の狭義語である「ヘビメタ」という単語が登録されている。また、階層１、階層２、階層３及び階層４には、重み「６」、「４」、「２」および「１」がそれぞれ割り当てられている。
なお、ここでは、階層の数が４つである場合を示しているが、階層の数は任意に設定することができる。また、インデックス語以外の単語は複数のグループに分類されることもある。これは、たとえば、「メモリ」という単語が、「コンピュータ」をインデックス語とするカテゴリーと、「心理」をインデックス語とするカテゴリーとの２つに分類されるような場合である。
図５の説明に戻ると、リンク情報８０２ｂは、コンテンツ間に設定されたリンクの情報を記憶したものである。このリンクの情報は、情報収集部８０１により収集されたものである。図７は、図５に示したリンク情報８０２ｂの一例を示す図である。
図７に示すように、このリンク情報８０２ｂは、リンク識別番号、リンク元コンテンツＵＲＩ、リンク先コンテンツＵＲＩの情報を記憶している。リンク識別番号は、コンテンツ間に設定された各リンクを識別する番号の情報である。リンク元コンテンツＵＲＩは、リンク元のコンテンツのＵＲＩの情報である。リンク先コンテンツＵＲＩは、リンク先のコンテンツのＵＲＩの情報である。
図７の例では、ＵＲＩが「www.xxx.co.jp」であるコンテンツに、ＵＲＩが「www.aaa.com」、「www.bbb.co.jp」、・・・、などのＵＲＩを有するコンテンツがリンクされた場合が示されている。
図５の説明に戻ると、メタデータ情報８０２ｃは、ウェブサイト内のコンテンツのメタデータの情報を記憶したものである。このメタデータの情報は、情報収集部８０１により収集されたものである。図８は、図５に示したメタデータ情報８０２ｃの一例を示す図である。
図８に示すように、このメタデータ情報８０２ｃは、コンテンツ名、ＵＲＩ、メタデータの情報を記憶している。コンテンツ名は、メタデータの情報に対応するコンテンツの名称である。ＵＲＩは、収集されたメタデータに対応するコンテンツのＵＲＩの情報である。メタデータは、収集されたメタデータの情報である。
なお、ここでは、ウェブログで利用されるＲＳＳの情報をメタデータの情報として記憶した場合を示しているが、ＨＴＭＬ文書に対するＲＳＳなどの情報をメタデータとして収集して記憶することとしてもよい。
図５の説明に戻ると、コンテンツ情報８０２ｄは、ウェブサイト内のコンテンツの情報を記憶したものである。このコンテンツの情報は、情報収集部８０１により収集されたものである。図９は、図５に示したコンテンツ情報８０２ｄの一例を示す図である。
図９に示すように、このコンテンツ情報８０２ｄは、コンテンツ名、ＵＲＩおよびコンテンツの情報を記憶している。コンテンツ名は、収集されたウェブサイト内のコンテンツの名称である。ＵＲＩは、コンテンツのＵＲＩの情報である。メタデータは、収集されたコンテンツの情報である。
図５の説明に戻ると、属性／重み解析情報８０２ｅは、データ解析サーバ９０がウェブサイト内のコンテンツおよびメタデータを解析することにより評価したコンテンツの属性、および、コンテンツの被リンク数により決定されたコンテンツの重みの情報などを記憶したものである。
図１０は、図５に示した属性／重み解析情報８０２ｅの一例を示す図である。図１０に示すように、この属性／重み解析情報８０２ｅは、コンテンツ名、リンク識別番号、重みおよび属性の情報を記憶している。
コンテンツ名は、属性を解析するコンテンツの名称である。リンク識別番号は、コンテンツ間に設定された各リンクを識別する番号の情報である。重みは、コンテンツの被リンク数により決定されたコンテンツの属性の重みの情報である。属性は、コンテンツおよびメタデータを解析することにより評価されたコンテンツの属性の情報である。
なお、本実施例では、コンテンツの属性の重みをコンテンツの被リンク数により決定することとしたが、対象としているコンテンツにリンクされたコンテンツの属性の重みを加味して、対象としているコンテンツの属性の重みを決定してもよい。たとえば、対象としているコンテンツにリンクされたコンテンツの属性の重みの和を、対象としているコンテンツの属性の重みとして決定することとしてもよい。
また、対象としているコンテンツのＰＶ（Page View）の大小や、対象としているコンテンツが属するネットワークドメインのドメイン名、コンテンツの更新頻度、あるいは、第三者により評価されたコンテンツのページランクの情報に基づいてコンテンツの属性の重みを決定してもよい。
具体的には、ＰＶ、ドメイン名、更新頻度、あるいは、ページランクと重みとの対応関係を記憶したデータベースを参照し、対象としているコンテンツのＰＶ、ドメイン名、更新頻度、あるいは、ページランクの情報を収集して重みを決定する処理をおこなう。さらには、各コンテンツの属性の重みを手作業で任意に設定することとしてもよい。
図５の説明に戻ると、制御部８０３は、情報収集サーバ８０を全体制御する制御部であり、各機能部間のデータの授受などを司る。
データ解析サーバ９０は、コンテンツの属性および属性の重み、また、コンテンツにリンクされているコンテンツの属性および属性の重みをコンテンツおよびコンテンツに対応するメタデータに基づいて評価するサーバである。このデータ解析サーバ９０は、データ送受信部９００、属性／重み解析部９０１、記憶部９０２および制御部９０３を有する。
データ送受信部９００は、他のサーバとの間でＬＡＮ１２０を介してさまざまなデータの授受をおこなうネットワークインターフェースである。属性／重み解析部９０１は、コンテンツおよびメタデータを解析することにより各コンテンツの属性およびコンテンツの属性の重みを設定する処理をおこなう。
具体的には、属性／重み解析部９０１は、情報収集サーバ８０からシソーラスデータ８０２ａ、リンク情報８０２ｂ、メタデータ情報８０２ｃ、コンテンツ情報８０２ｄを取得する。そして、属性／重み解析部９０１は、メタデータおよびコンテンツに対して形態素解析をおこなう。
これを具体的に説明すると、たとえば、メタデータあるいはコンテンツに「僕は今ブログにはまっています。」、「パソコンのメモリを増設しました。」、「先日、ウェブサイトを立ち上げました。」という文が含まれていた場合を考える。この場合、属性／重み解析部９０１は、それらの文に形態素解析を適用し、各文を以下に示すように形態素に分割する。
「僕（名詞−代名詞−一般）／は（助詞−係助詞）／今（名詞−副詞可能）／ブログ（名詞−一般）／に（助詞−格助詞−一般）／はまっ（動詞−自立）／て（助詞−接続助詞）／い（動詞−非自立）／ます（助動詞）／。（記号−句点）」
「パソコン（名詞−一般）／の（助詞−連体化）／メモリ（名詞−一般）／を（助詞−格助詞−一般）／増設（名詞−サ変接続）／し（動詞−自立）／まし（助動詞）／た（助動詞）／。（記号−句点）」
「先日（名詞−副詞可能）／、（記号−読点）／ウェブサイト（名詞−一般）／を（助詞−格助詞−一般）／立ち（動詞−自立）／上げ（動詞−自立）／まし（助動詞）／た（助動詞）／。（記号−句点）」
そして、属性／重み解析部９０１は、形態素の中から、一般名詞（名詞−一般）のみを抽出する。すなわち、この例では、属性／重み解析部９０１は、「ブログ」、「パソコン」、「メモリ」および「ウェブサイト」を抽出する。
その後、属性／重み解析部９０１は、シソーラスデータ８０２ａから、抽出した各単語が属するカテゴリーのインデックス語を検索する処理をおこなう。また、属性／重み解析部９０１は、シソーラスデータ８０２ａから、各単語に対応する重みの情報を取得し、各単語に重みを割り当てる。
たとえば、「ブログ」、「パソコン」、「メモリ」および「ウェブサイト」の各単語が「ＩＴ」というインデックス語を有するカテゴリーに属し、各単語の重みがそれぞれ「１」、「８」、「３」、「４」であるものとする。また、「メモリ」という単語は「心理」というインデックス語を有するカテゴリーにも属し、その単語の重みが「３」であるものとする。
この場合、属性／重み解析部９０１は、「ＩＴ」というインデックス語を有するカテゴリーの重みの和（上記例では、１＋８＋３＋４＝１６）と、「心理」というインデックス語を有するカテゴリーの重みの和（上記例では、３）を算出する。そして、この和の大きいカテゴリーのインデックス語（上記例では、「ＩＴ」）をコンテンツの属性として設定する処理をおこなう。
なお、ここでは「メモリ」という単語が「ＩＴ」というインデックス語を有するカテゴリーおよび「心理」というインデックス語を有するカテゴリーの双方に属するものとして各カテゴリーでそれぞれ重みの和を算出しているが、形態素解析を実行して「メモリ」という単語の前後の文章から単語が属するカテゴリーを推定し、推定したカテゴリーに単語「メモリ」を分類することとしてもよい。
また、ここでは、シソーラスデータ８０２ａにおいて、単語が属する各階層にそれぞれ「６」、「４」、「２」、「１」などの値が割り当てられているが、たとえば、階層１を「１００％」とした場合に階層２、階層３、階層４には、７５％、５０％、２５％の重みを割り当てるなど、重みを各階層に相対的に割り当てることとしてもよい。
また、属性／重み解析部９０１は、リンク情報８０２ｂを参照して各コンテンツの被リンク数を算出し、被リンク数をコンテンツの属性の重みとして設定する処理をおこなう。
なお、ここでは、被リンク数をそのままコンテンツの属性の重みとして利用しているが、評価対象コンテンツの属性をより重視するために、評価対象コンテンツの属性の重みが評価対象コンテンツにリンクされたコンテンツの属性の重みよりも大きくなるように重みを調整することとしてもよい。
その後、属性／重み解析部９０１は、コンテンツおよびメタデータを解析することにより設定した各コンテンツの属性およびコンテンツの属性の重みの情報を情報収集サーバ８０に送信して、属性／重み解析情報８０２ｅとして記憶させる処理をおこなう。
記憶部９０２は、ハードディスク装置などの記憶デバイスである。この記憶部９０２は、属性／重み解析部９０１などが扱うデータを記憶する処理をおこなう。制御部９０３は、データ解析サーバ９０を全体制御する制御部であり、各機能部間のデータの授受などを司る。
属性評価サーバ１００は、情報収集サーバ８０により収集されたリンク情報８０２ｂ、および、データ解析サーバ９０によりコンテンツおよびメタデータの解析が実行されることにより得られた属性／重み解析情報８０２ｅを取得し、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価対象コンテンツにリンクされたコンテンツの属性および重みの情報に基づいて評価する処理をおこなう。
この属性評価サーバ１００は、データ送受信部１０００、リンク検出部１００１、属性評価部１００２、記憶部１００３および制御部１００４を有する。
データ送受信部１０００は、他のサーバとの間でＬＡＮ１２０を介してさまざまなデータの授受をおこなうネットワークインターフェースである。リンク検出部１００１は、情報収集サーバ８０からリンク情報８０２ｂを取得して、コンテンツ間のリンクの状態を検出する処理をおこなう。具体的には、リンク検出部１００１は、あるコンテンツに対してリンクされているコンテンツを検出する。
属性評価部１００２は、コンテンツの属性および当該コンテンツにアクセスするユーザの属性を、当該コンテンツにリンクされたコンテンツの属性および重みの情報に基づいて評価する処理をおこなう。
具体的には、属性評価部１００２は、評価対象コンテンツおよび評価対象コンテンツにリンクされたコンテンツの属性および重みの情報である属性／重み解析情報８０２ｅを情報収集サーバ８０から取得し、図３で説明したような方法にしたがって、重みの和が最大となる属性を抽出し、抽出された属性を評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性として設定する。
記憶部１００３は、ハードディスク装置などの記憶デバイスである。この記憶部１００３は、属性評価情報１００３ａを記憶している。属性評価情報１００３ａは、属性評価部１００２により評価されたコンテンツの属性および当該コンテンツにアクセスするユーザの属性に係る情報を記憶したものである。
図１１は、図５に示した属性評価情報１００３ａの一例を示す図である。図１１に示すように、この属性評価情報１００３ａは、コンテンツ名、ＵＲＩ、属性および重みの情報を記憶している。
コンテンツ名は、評価対象コンテンツの名称である。ＵＲＩは、評価対象コンテンツのＵＲＩの情報である。属性は、属性評価部１００２により評価されたコンテンツの属性および当該コンテンツにアクセスするユーザの属性（興味）の情報である。重みは、コンテンツの被リンク数から算出された重みの情報である。
なお、ここでは、属性評価部１００２が、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を属性評価情報１００３ａとして記憶部１００３に記憶することとしたが、さらに、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性に係る記述を評価対象コンテンツのメタデータに追加して記憶することとしてもよい。すでにメタデータに属性が記述されている場合には、その属性を新たに評価された属性で書き換えて、その属性を記憶することとしてもよい。
図５の説明に戻ると、制御部１００４は、属性評価サーバ１００を全体制御する制御部であり、各機能部間のデータの授受などを司る。
広告サーバ１１０は、属性評価サーバ１００により評価されたコンテンツの属性およびユーザの属性に基づいて、各コンテンツに適した広告を配信するサーバである。この広告サーバ１１０は、データ送受信部１１００、記憶部１１０１、広告配信処理部１１０２および制御部１１０３を有する。
データ送受信部１１００は、他の装置との間でＬＡＮ１２０を介してさまざまなデータの授受をおこなうネットワークインターフェースである。記憶部１１０１は、ハードディスク装置などの記憶デバイスである。この記憶部１１０１は、広告データ１１０１ａおよび配信条件データ１１０１ｂを記憶している。
広告データ１１０１ａは、ウェブサーバ７０ａ〜７０ｃが閲覧サービスを提供しているコンテンツに配信するインターネット広告のデータを記憶したものである。配信条件データ１１０１ｂは、インターネット広告を配信するコンテンツのＵＲＩや配信期間などのインターネット広告の配信条件を記憶したデータである。
広告配信処理部１１０２は、記憶部１１０１に記憶された配信条件データ１１０１ｂに基づいて、コンテンツに広告データ１１０１ａに記憶されたインターネット広告を配信する処理をおこなう。制御部１１０３は、広告サーバ１１０を全体制御する制御部であり、各機能部間のデータの授受などを司る。
つぎに、本実施例に係る属性評価処理の処理手順について説明する。図１２は、本実施例に係る属性評価処理の一例の処理手順を示すフローチャートである。
図１２に示すように、まず、情報収集サーバ８０の情報収集部８０１は、属性を評価する評価対象コンテンツにリンクされたコンテンツのリンクに係る情報を収集する（ステップＳ１０１）。続いて、情報収集部８０１は、リンク元およびリンク先のコンテンツおよびメタデータの情報を収集する（ステップＳ１０２）。
その後、データ解析サーバ９０の属性／重み解析部９０１は、収集したコンテンツおよびメタデータに基づいて評価対象コンテンツの属性を判定する判定処理をおこなう（ステップＳ１０３）。
具体的には、属性／重み解析部９０１は、評価対象コンテンツおよびメタデータに対して形態素解析をおこなうことにより単語を抽出し、抽出した単語に対応するインデックス語および単語の重みをシソーラスデータ８０２ａを参照して取得し、単語の重みの合計が最も大きくなるインデックス語を評価対象コンテンツの属性として設定する。
そして、属性／重み解析部９０１は、評価対象コンテンツにリンクされたコンテンツの数を評価対象コンテンツの属性の重みとして設定する処理をおこなう（ステップＳ１０４）。
続いて、属性／重み解析部９０１は、収集したコンテンツおよびメタデータに基づいて評価対象コンテンツにリンクが設定されたリンク元コンテンツの属性を判定する判定処理をおこなう（ステップＳ１０５）。
具体的には、属性／重み解析部９０１は、リンク元コンテンツおよびメタデータに対して形態素解析をおこなうことにより単語を抽出し、抽出した単語に対応するインデックス語および単語の重みをシソーラスデータ８０２ａを参照して取得し、単語の重みの合計が最も大きくなるインデックス語をリンク元コンテンツの属性として設定する。
そして、属性／重み解析部９０１は、リンク元コンテンツにリンクされたコンテンツの数をリンク元コンテンツの属性の重みとして設定する処理をおこなう（ステップＳ１０６）。
その後、属性評価サーバ１００の属性評価部１００２は、リンク元コンテンツの属性情報を利用した評価対象ウェブサイトの属性評価処理をおこない（ステップＳ１０７）、この属性評価処理を終了する。
具体的には、属性評価部１００２は、コンテンツおよびメタデータを解析することにより得られた評価対象コンテンツの属性および重みの情報と、評価対象コンテンツにリンクが設定されたリンク元コンテンツの属性および重みの情報とから、図３を用いて説明したように、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価する処理をおこなう。
つぎに、図１２のステップＳ１０３で説明した評価対象コンテンツの属性判定処理の処理手順について詳細に説明する。図１３は、評価対象コンテンツの属性判定処理の処理手順を詳細に説明するフローチャートである。
図１３に示すように、まず、データ解析サーバ９０の属性／重み解析部９０１は、情報収集サーバ８０にコンテンツ情報８０２ｄとして記憶されたコンテンツの形態素解析を実行し（ステップＳ２０１）、その結果得られた形態素から一般名詞を抽出する（ステップＳ２０２）。
続いて、属性／重み解析部９０１は、情報収集サーバ８０にメタデータ情報８０２ｃとして記憶されたメタデータの形態素解析を実行し（ステップＳ２０３）、その結果得られた形態素から一般名詞を抽出する（ステップＳ２０４）。
その後、属性／重み解析部９０１は、抽出した一般名詞が属するカテゴリーのインデックス語の情報、および、一般名詞が属する階層に割り当てられた重みの情報を取得する（ステップＳ２０５）。
そして、属性／重み解析部９０１は、一般名詞が属する階層に割り当てられた重みの合計値をカテゴリーごとに算出し（ステップＳ２０６）、合計値が最大となるカテゴリーのインデックス語を抽出する（ステップＳ２０７）。
その後、属性／重み解析部９０１は、抽出したインデックス語をコンテンツの属性として設定する処理をおこない（ステップＳ２０８）、この属性判定処理を終了する。
なお、ここでは、図１２のステップＳ１０３で実行される評価対象コンテンツの属性判定処理の詳細について説明したが、図１２のステップＳ１０５で実行されるリンク元コンテンツの属性判定処理も図１３で説明した処理と同様にして実行される。
上述してきたように、本実施例では、情報収集サーバ８０の記憶部８０２が、評価対象コンテンツにリンクが設定されたリンク元コンテンツに係る属性情報を記憶し、属性評価サーバ１００の属性評価部１００２が、記憶部８０２に記憶されたコンテンツに係る属性情報に基づいて、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を評価することとしたので、評価対象コンテンツに係る属性および評価対象コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、本実施例では、情報収集サーバ８０の記憶部８０２が、コンテンツおよびメタデータの解析により得られた評価対象コンテンツに係る属性の情報をさらに記憶し、属性評価サーバ１００の属性評価部１００２が、記憶部８０２に記憶された評価対象コンテンツに係る属性の情報、および、リンク元コンテンツに係る属性情報に基づいて、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を評価することとしたので、リンク元コンテンツに係る属性情報に加えて評価対象コンテンツに係る属性の情報をさらに考慮することにより、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、本実施例では、情報収集サーバ８０の記憶部８０２が、評価対象コンテンツ、および、リンク元コンテンツに係る属性の重みの情報をさらに記憶し、属性評価サーバ１００の属性評価部１００２が、記憶部８０２に記憶された属性情報および属性の重みの情報に基づいて、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を評価することとしたので、各コンテンツの属性の重みを設定することにより、コンテンツの属性の重視度をコンテンツごとに変化させ、評価対象コンテンツに係る属性および評価対象コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、本実施例では、情報収集サーバ８０の記憶部８０２が、評価対象コンテンツに係る属性の重みの情報、および、評価対象コンテンツに係る属性の重みよりも小さく設定されたリンク元コンテンツに係る属性の重みの情報をさらに記憶し、属性評価サーバ１００の属性評価部１００２が、記憶部８０２に記憶された属性情報および属性の重みの情報に基づいて、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を評価することとしたので、評価対象コンテンツに係る属性をリンク元コンテンツに係る属性よりも重視することにより、評価対象コンテンツに係る属性および評価対象コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、本実施例では、データ解析サーバ９０の属性／重み解析部９０１が、コンテンツに係る属性の重みを他のコンテンツによりリンクされた被リンク数、コンテンツにリンクされた他のコンテンツに係る重み、コンテンツのページビュー数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定し、情報収集サーバ８０の記憶部８０２が、決定された重みの情報を記憶することとしたので、コンテンツに係る属性の重みを効果的に決定することができる。
また、本実施例では、評価対象コンテンツとリンク元コンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることとしたので、ハイパーリンクまたはトラックバック処理によりリンクが設定された評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、本実施例では、データ解析サーバ９０の属性／重み解析部９０１が、コンテンツまたはコンテンツに対応するメタデータに含まれる単語に基づいてコンテンツに係る属性を判定し、情報収集サーバ８０の記憶部８０２が、判定された属性に係る情報を属性情報として記憶することとしたので、各コンテンツに係る属性を効果的に判定することができる。また、メタデータはコンテンツごとに持つことができるという特徴、および、トラックバックはコンテンツ単位で実行できるという特徴により、リンクされているコンテンツの全ページを評価する必要がなくなり、インターネットにおけるユーザエージェント（ロボット）の巡回コストを著しく低減できる。
また、本実施例では、データ解析サーバ９０の属性／重み解析部９０１が、単語をカテゴリーに分類した情報を記憶したシソーラスデータ８０２ａを参照し、コンテンツまたはメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいて、コンテンツに係る属性を判定することとしたので、コンテンツまたはコンテンツに対応するメタデータに含まれる単語をカテゴリーに分類することにより、コンテンツに係る属性を効果的に判定することができる。
また、本実施例では、データ解析サーバ９０の属性／重み解析部９０１が、カテゴリーに分類した単語を階層化した情報を記憶したシソーラスデータ８０２ａを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することとしたので、各単語に重みを設定することにより各単語の重視度を変更し、コンテンツに係る属性を精度よく判定することができる。
また、本実施例では、シソーラスデータ８０２ａは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したこととしたので、単語間の意味の包括関係に基づいて各単語の重みを適切に設定でき、コンテンツに係る属性を精度よく判定することができる。
また、本実施例では、シソーラスデータ８０２ａにおいて各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、包括関係の上位にある単語ほど大きいこととしたので、上位概念の単語を含んだカテゴリーを下位概念の単語を含んだカテゴリーよりも重視して、コンテンツに係る属性を効果的に判定することができる。
また、本実施例では、シソーラスデータ８０２ａにおける各カテゴリーのインデックス語は他のカテゴリーに属さないこととしたので、カテゴリーの判定ができなくなるのを防ぎ、コンテンツに係る属性を効果的に判定することができる。
また、本実施例では、属性評価サーバ１００の属性評価部１００２が、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性を評価したのち、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することとしたので、新たに評価された属性をメタデータとして記憶することにより、いつでも精度よく評価された属性を参照することができる。
また、本実施例では、属性評価サーバ１００の属性評価部１００２により評価された評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性に基づいて、広告サーバ１１０の広告配信処理部１１０２が、インターネット広告のコンテンツを配信することとしたので、インターネット広告を効果的に配信することができる。
さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施例にて実施されてもよいものである。以下に、上記実施例の種々の変形例について説明する。
（変形例１）
上記実施例では、コンテンツの属性がコンテンツの内容から判断されるカテゴリーである場合、および、ユーザの属性がユーザの興味である場合について説明してきたが、コンテンツを閲覧するユーザの地域をコンテンツの属性およびユーザの属性として判定することとしてもよい。
上記実施例では、コンテンツの属性がコンテンツの内容から判断されるカテゴリーである場合、および、ユーザの属性がユーザの興味である場合について説明してきたが、コンテンツを閲覧するユーザの地域をコンテンツの属性およびユーザの属性として判定することとしてもよい。
これにより、コンテンツにインターネット広告を配信するような場合に、コンテンツを閲覧するユーザの地域に適合したインターネット広告を配信することができるようになる。
具体的には、データ解析サーバ９０の属性／重み解析部９０１が、評価対象コンテンツにリンクされたコンテンツおよびそのコンテンツのメタデータに含まれる地域名などの情報を抽出し、地域名などの単語と地域のカテゴリーに単語を分類した情報とを記憶したデータベースを参照して評価対象コンテンツにリンクされたコンテンツの地域のカテゴリーを評価し、属性評価サーバ１００の属性評価部１００２が、最も多かった地域のカテゴリーを評価対象コンテンツの地域の属性および評価対象コンテンツにアクセスするユーザの地域の属性として判定することとする。
また、属性評価部１００２は、上記実施例で説明したように、単語の重みを加味して評価対象コンテンツの地域の属性および評価対象コンテンツにアクセスするユーザの地域の属性を判定することとしてもよい。
また、住所や建物名、レストラン名、あるいは、イベント名などの単語と、それらに関連する国や都道府県などの地域とを対応付けて記憶したデータベース（図示せず）を参照し、コンテンツやメタデータに含まれる単語から評価対象コンテンツの地域の属性および評価対象コンテンツにアクセスするユーザの地域の属性を判定することとしてもよい。
さらには、コンテンツが写真や動画などの画像であり、コンテンツのメタデータに画像が撮影された緯度や経度などの位置情報が含まれている場合に、データ解析サーバ９０の属性／重み解析部９０１が、その位置情報を基にして評価対象コンテンツにリンクされたコンテンツの地域のカテゴリーを評価して情報収集サーバ８０に記憶し、属性評価サーバ１００の属性評価部１００２が、情報収集サーバ８０から地域のカテゴリーの情報を取得して最も多かった地域のカテゴリーを評価対象コンテンツの地域の属性および評価対象コンテンツにアクセスするユーザの地域の属性を判定することとしてもよい。
ここで、上記位置情報は、ＧＰＳが搭載されたデジタルカメラやカメラ付き携帯電話機などにより、撮影された画像のメタデータに登録されるものである。
また、属性評価サーバ１００の属性評価部１００２は、評価対象コンテンツの地域の属性および評価対象コンテンツにアクセスするユーザの地域の属性を判定するのに加えて、上記実施例で説明したように、コンテンツが属するカテゴリーをコンテンツの内容に基づいて判定することとしてもよい。
さらには、属性評価サーバ１００の属性評価部１００２が、上記処理の結果得られた地域の属性を基にして、地域と地域に関連する単語とを対応付けて記憶したデータベースを情報収集サーバ８０に構築することとしてもよい。
具体的には、評価されたコンテンツの地域の属性およびコンテンツにアクセスするユーザの地域の属性をインデックス語とし、そのコンテンツにリンクされたコンテンツまたはそのコンテンツのメタデータから抽出された単語をインデックス語に属する単語としてデータベースに登録することとする。
また、評価された第１のコンテンツにリンクされた第２のコンテンツまたは第２のコンテンツのメタデータから抽出された単語だけでなく、さらに、第２のコンテンツにリンクされた第３のコンテンツまたは第３のコンテンツのメタデータから抽出された単語をインデックス語に属する単語としてデータベースに登録することとしてもよい。
以下同様に、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツまたは第ｎ＋１のコンテンツに対応するメタデータに含まれる単語をインデックス語に属する単語としてデータベースに登録することとしてもよい。
このようにして構築されたデータベースは、上記実施例にて説明したように、データ解析サーバ９０の属性／重み解析部９０１が、次回コンテンツの地域の属性およびコンテンツにアクセスするユーザの地域の属性を評価する際に利用される。また、データベースの構築は、属性が地域の属性である場合に限らず、その他の属性である場合にもデータベースの構築をおこなうこととしてもよい。
上述したように、本変形例１においては、データ解析サーバ９０の属性／重み解析部９０１が、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することとしたので、コンテンツに係る地域の属性を効果的に判定することができ、特に、メタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定する場合には、画像や動画など文字テキスト以外のコンテンツに係る情報も扱うことができる。
また、本変形例１においては、データ解析サーバ９０の属性／重み解析部９０１が、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、判定した属性に係る情報をコンテンツに係る情報として記憶することとしたので、緯度経度情報に基づいてコンテンツに係る地域の属性を効率的に判定することができる。
また、本変形例１においては、属性評価サーバ１００の属性評価部１００２が、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することとしたので、コンテンツの属性を異なる側面から判定することができ、属性情報の利用範囲を拡大することができる。
また、本変形例１においては、属性評価サーバ１００の属性評価部１００２が、評価された評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性、および、評価対象コンテンツにリンクされたコンテンツまたは評価対象コンテンツにリンクされたコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築することとしたので、評価対象コンテンツに係る属性または評価対象コンテンツにアクセスするユーザに係る属性の評価結果に基づいて、コンテンツ間のリンクにより対応付けられたカテゴリーと単語とからなるデータベースを作成することができ、作成したデータベースをそれ以降の属性の評価に利用することができる。
また、本変形例１においては、属性評価サーバ１００の属性評価部１００２が、評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築することとしたので、何段階にもリンクされたコンテンツまたはコンテンツに対応するメタデータに含まれる単語から、コンテンツ間のリンクにより対応付けられたカテゴリーと単語とからなるデータベースを作成することができ、作成したデータベースをそれ以降の属性の評価に利用することができる。
（変形例２）
また、上記実施例および変形例１では、コンテンツの属性またはコンテンツにアクセスするユーザの属性として、コンテンツの内容を分類したカテゴリーや、コンテンツが関連する地域を設定することとしているが、「ぬくもり」や「やすらぎ」などの人間の感覚や感情、情緒をコンテンツの属性またはコンテンツにアクセスするユーザの属性として設定することとしてもよい。
また、上記実施例および変形例１では、コンテンツの属性またはコンテンツにアクセスするユーザの属性として、コンテンツの内容を分類したカテゴリーや、コンテンツが関連する地域を設定することとしているが、「ぬくもり」や「やすらぎ」などの人間の感覚や感情、情緒をコンテンツの属性またはコンテンツにアクセスするユーザの属性として設定することとしてもよい。
図１４は、コンテンツの属性またはコンテンツにアクセスするユーザの属性として人間の感覚・感情・情緒を設定する処理を説明する図である。図１４に示すように、この処理では、データ解析サーバ９０の属性／重み解析部９０１が、コンテンツに対して形態素解析を実行することにより単語を抽出する。
そして、属性／重み解析部９０１は、人間の感覚・感情・情緒を表す単語（インデックス語）と一般名詞である単語とを対応付けて記憶したデータベース（図示せず）を参照し、抽出した単語に対応する感覚・感情・情緒を表す単語を検索し、検索された感覚・感情・情緒を表す単語をコンテンツの属性として設定する。
たとえば、上記データベースには、感覚・感情・情緒を表す単語である「ぬくもり」には、「郷土」、「家庭料理」、「くちびる」、「旅館」、「布団」、「手作り」などの一般名詞である単語が対応付けて記憶され、感覚・感情・情緒を表す単語である「やすらぎ」には、「介護」、「まんが」、「音楽」、「霊園」、「宿」、「居酒屋」などの一般名詞である単語が対応付けて記憶される。
また、人間の感覚・感情・情緒を表す単語としては、「ぬくもり」や「やすらぎ」以外にも、「あたたかみ」や「かわき」、「みえっぱり」、「派手な色」、「暖かい色」、「シャープ」、「クール」、「ファミリー」などの単語がデータベースに登録される。
ここで、コンテンツから抽出された単語から「ぬくもり」や「やすらぎ」などの複数の感覚・感情・情緒を表す単語が検索された場合には、コンテンツから抽出された単語がより多い方の感覚・感情・情緒を表す単語を選択するなどして、コンテンツの属性として決定する。あるいは、上記実施例に示したように、コンテンツから抽出された各単語に重みを設定し、その重みに基づいてコンテンツの属性を設定することとしてもよい。
そして、属性評価サーバ１００の属性評価部１００２が、データ解析サーバ９０の属性／重み解析部９０１により評価されたコンテンツの属性の情報を取得して、上記実施例にて説明したような方法により評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を判定する。
上述したように、本変形例２においては、データ解析サーバ９０の属性／重み解析部９０１が、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することとしたので、コンテンツの属性またはコンテンツにアクセスするユーザの属性の判定結果に基づいてインターネット広告などを配信する場合に、「ぬくもり」や「やすらぎ」などといったユーザの世界観、生活シーン、テイストなどに対応するインターネット広告を配信できるよう広告主がカスタマイズすることができる。
（変形例３）
また、上記実施例では、評価対象となる第１のコンテンツにリンクされた第２のコンテンツの属性を、第２のコンテンツまたは第２のコンテンツのメタデータに含まれる単語から決定することとしたが、属性評価サーバ１００の属性評価部１００２が、第１のコンテンツにリンクされた第２のコンテンツの属性を、さらに第２のコンテンツにリンクされた第３のコンテンツの属性から決定することとしてもよい。
また、上記実施例では、評価対象となる第１のコンテンツにリンクされた第２のコンテンツの属性を、第２のコンテンツまたは第２のコンテンツのメタデータに含まれる単語から決定することとしたが、属性評価サーバ１００の属性評価部１００２が、第１のコンテンツにリンクされた第２のコンテンツの属性を、さらに第２のコンテンツにリンクされた第３のコンテンツの属性から決定することとしてもよい。
また、第３のコンテンツの属性を第３のコンテンツにリンクされた第４のコンテンツの属性から決定することとしてもよい。このように、あるコンテンツにリンクされたコンテンツの属性をさらにそのコンテンツにリンクされたコンテンツの属性から決定する処理は任意の回数おこなうことができ、第１のコンテンツの属性評価の精度を制御することができる。ここで、第ｎ（ｎ＝１，２，・・・）のコンテンツの属性を決定するための第ｎ＋１のコンテンツの情報は、情報収集サーバ８０により収集され、記憶部８０２に記憶される。
その際、属性評価サーバ１００の属性評価部１００２が、更新頻度の低いコンテンツやコンテンツの内容が他のコンテンツとは大きく異なるコンテンツ、あるいは、特定のドメインに属するコンテンツの属性を、リンク先のコンテンツの属性評価に用いないこととしてもよい。これにより、リンク先のコンテンツの属性評価に対するリンクスパムやトラックバックスパムの影響を除去し、評価精度を高めることができる。
具体的には、コンテンツの更新頻度が所定値よりも小さい場合に、そのコンテンツに対して決定された属性をリンク先のコンテンツの属性評価に考慮しないこととする。または、他のリンク元のコンテンツの属性がすべて一致しているにもかかわらず、あるリンク元のコンテンツの属性だけが異なっているような場合には、そのリンク元の属性をリンク先のコンテンツの属性評価に考慮しないこととする。
あるいは、コンテンツの属性評価から除外するコンテンツのドメイン名をあらかじめ記憶しておき、そのドメイン名に対応するコンテンツをリンク先のコンテンツの属性評価に考慮しないこととする。
上述したように、本変形例３においては、情報収集サーバ８０に記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることとしたので、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価の精度を制御することができる。
また、本変形例３では、ｎの値はユーザにより任意に設定されることとしたので、要求される属性の評価精度をユーザが任意に設定することができる。ここで、ユーザとは、属性評価システムの管理者や、コンテンツにアクセスする一般ユーザなどである。
また、本変形例３においては、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、属性評価サーバ１００の属性評価部１００２が、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することとしたので、更新頻度の低いコンテンツやコンテンツの内容が他のコンテンツとは大きく異なるコンテンツ、あるいは、特定のドメインに属するコンテンツの属性などをコンテンツの属性評価に用いないことにより、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価に対するリンクスパムやトラックバックスパムの影響を除去し、評価精度を高めることができる。
（変形例４）
また、本実施例では、コンテンツのメタデータ内に記述されている単語を基にしてコンテンツの属性およびコンテンツにアクセスするユーザの属性を決定することとしたが、コンテンツの属性を記憶したデータベースを参照するための情報をメタデータ内に記述しておき、そのデータベースを参照することによりコンテンツの属性およびコンテンツにアクセスするユーザの属性を決定することとしてもよい。
また、本実施例では、コンテンツのメタデータ内に記述されている単語を基にしてコンテンツの属性およびコンテンツにアクセスするユーザの属性を決定することとしたが、コンテンツの属性を記憶したデータベースを参照するための情報をメタデータ内に記述しておき、そのデータベースを参照することによりコンテンツの属性およびコンテンツにアクセスするユーザの属性を決定することとしてもよい。
図１５は、メタデータ１３０内に記述されたデータベースの参照情報に基づいてデータベースを参照する処理を説明する図である。図１５には、属性の評価をおこなうコンテンツのＸＭＬ形式のメタデータ１３０が示されている。
ＸＭＬ形式のメタデータ１３０では、独自のマークアップ言語を自由に設計できるという特徴がある。この独自のマークアップ言語により記述された情報がＷＷＷにおいて共有または交換される場合に、その意味を正確に示し、コンピュータに理解可能とするため、ＸＭＬ名前空間１４０の規格がＷ３Ｃにより勧告されている（World Wide Web Consortium、”Namespaces in XML”、［online］、［平成１６年１１月４日検索］、インターネット＜ＵＲＬ： http://www.w3.org/TR/REC-xml-names/＞を参照）。
ＸＭＬ名前空間１４０とは、ＸＭＬにおける属性名をＵＲＩと組み合わせて参照させる仕組みである。このＸＭＬ名前空間１４０では、複数の属性名を混在させて運用することができる。
たとえば、図１５に示したメタデータ内のＸＭＬ名前空間１４０においては、「xmlns:yp="http://www.△△△.co.jp/ns/modules/property/?=20100311_01」という属性コンテナを記述している。
ここで、「xmlns:yp="http://www.△△△.co.jp/ns/modules/property/」の部分が評価対象となるコンテンツの属性情報を記憶した参照先データベース１５０のＵＲＩを示しており、「20100311_01」の部分が評価対象となるコンテンツを識別するための引数となっている。また、「yp」というタグは、独自に定義されたＸＭＬ名前空間１４０であり、参照先データベース１５０を参照することにより得られたコンテンツの属性情報を返すタグである。
そして、広告サーバが広告を配信するような場合に、参照先データベース１５０を管理するサーバ装置にこの引数が送信され、その引数を受信したサーバ装置が属性評価サーバ１００に上記実施例にて説明したような方法でコンテンツの属性およびコンテンツにアクセスするユーザの属性を評価する処理をリアルタイムで実行するよう要求し、その結果得られた属性を取得して参照先データベース１５０に記憶する。
広告サーバは、このような参照先データベース１５０を参照することにより、コンテンツの属性またはコンテンツにアクセスするユーザの属性に適合したインターネット広告を評価対象コンテンツが掲載されているウェブサイトなどに配信することができるようになる。
また、コンテンツの属性情報を記憶した参照先データベース１５０は、誰もがアクセスできるように開放しておくこととしてもよい。これにより、属性評価システム５０を管理しているバナー広告配信業者だけでなく、他のバナー広告配信業者やコンテンツの分類をおこなう業者などがその情報を有効に利用することができるようになる。また、参照先データベース１５０に対するアクセスを有料で開放することとすれば、属性評価システム５０を管理しているバナー広告配信業者はアクセスに対する対価を受け取ることができる。
また、ここでは、サーバ装置が引数を受信した場合に、属性評価サーバ１００にコンテンツの属性およびコンテンツにアクセスするユーザの属性をリアルタイムで評価するよう要求することとしているが、属性評価サーバ１００があらかじめ各コンテンツの属性およびコンテンツにアクセスするユーザの属性を評価して、評価結果を参照先データベース１５０に記憶しておくこととしてもよい。
この場合、評価対象となるコンテンツが掲載されているウェブサイトに当該コンテンツの属性および当該コンテンツにアクセスするユーザの属性を出力するよう要求するボタンなどを設け、そのボタンがクリックされた場合に参照先データベース１５０から属性の情報を取得し、ウェブサイト上に出力するようにすることもできる。
上述したように、本変形例４においては、データベースを管理するサーバ装置が、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することとしたので、メタデータに記述された名前空間を利用することにより、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を効率的に取得することができる。
また、本変形例４においては、データベースを管理するサーバ装置が、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、属性評価サーバ１００が、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、メタデータに記述された名前空間を利用して、リアルタイムで評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得することができる。
（変形例５）
また、上記実施例では、評価されたコンテンツの属性およびコンテンツにアクセスするユーザの属性をインターネット広告の配信に利用することとしたが、それらをコンテンツの検索に利用することとしてもよい。
また、上記実施例では、評価されたコンテンツの属性およびコンテンツにアクセスするユーザの属性をインターネット広告の配信に利用することとしたが、それらをコンテンツの検索に利用することとしてもよい。
図１６は、評価属性に基づくコンテンツの検索処理について説明する図である。図１６に示すように、この検索処理においては、検索クエリを発信したウェブサーバが提供しているコンテンツの属性およびコンテンツにアクセスするユーザの属性を、属性評価サーバ１００の属性評価部１００２が、上記実施例で説明したような方法で評価し、評価された属性と検索キーワードの両方に該当するコンテンツを検索エンジン１６０が検索し、検索クエリを発信したウェブサーバに検索結果を出力する。
ここで、検索エンジン１６０は、図５に示したＬＡＮ１２０に接続された検索サーバ（図示せず）に搭載される機能部であり、検索クエリおよびコンテンツの属性の情報を受け付けて、検索キーワードおよびコンテンツの属性の情報に対応するコンテンツを検索し、検索クエリを発信した装置に検索したコンテンツを出力する処理をおこなう。
たとえば、図１６の例では、「フルーツ」という検索キーワードの検索クエリを発信したウェブサーバが提供しているコンテンツの属性およびコンテンツにアクセスするユーザの属性が「スペイン」であると判定された場合に、検索エンジン１６０は、「フルーツ」という検索キーワードおよび「スペイン」という属性の情報を取得し、「スペイン」および「フルーツ」の両方に該当するコンテンツをウェブサーバに出力する。
なお、ここでは、コンテンツの属性およびコンテンツにアクセスするユーザの属性の評価をウェブサーバが検索クエリを発信した場合におこなうこととしたが、あらかじめ属性を評価しておくこととしてもよい。
また、変形例１では、評価されたコンテンツの属性およびコンテンツにアクセスするユーザの属性をインデックス語とし、そのコンテンツにリンクされたコンテンツまたはそのコンテンツのメタデータから抽出された単語をインデックス語に属する単語としてデータベースに登録することとしたが、ある単語を検索キーワードとする検索クエリを受け付けた場合に、検索エンジン１６０が、上記データベースを参照し、検索キーワードが属するインデックス語と同じインデックス語に属する単語をさらに検索キーワードとして設定し、それらの検索キーワードに該当するコンテンツを検索結果として出力することとしてもよい。
図１７は、インデックス語に属する単語を検索キーワードとして用いる処理を説明する図である。図１７に示すように、たとえば、シソーラスにおいて、インデックス語に「ぬくもり」が登録されており、そのインデックス語に「郷土」、「家庭料理」、「くちびる」、「旅館」、「布団」、「手作り」という単語が登録されているものとする。
この場合、たとえば、「郷土」という検索キーワードの検索クエリが発信された場合には、データベースが参照され、「郷土」という単語のインデックス語である「ぬくもり」が検索される。
そして、「ぬくもり」というインデックス語に属する単語「家庭料理」、「くちびる」、「旅館」、「布団」、「手作り」が検索され、それらの単語がさらに検索キーワードとして追加されて、単語「郷土」、「家庭料理」、「くちびる」、「旅館」、「布団」、「手作り」に該当するコンテンツが検索される。
また、ある単語を検索キーワードとする検索クエリを受け付ける場合に、インデックス語の指定をさらに受け付け、インデックス語に属する単語をさらに検索キーワードに設定し、それらの検索キーワードに該当するコンテンツを検索結果として出力することとしてもよい。
たとえば、図１７の例を用いて説明すると、「郷土」という検索キーワードの検索クエリが発信され、さらに、「ぬくもり」というインデックス語が指定された場合に、「ぬくもり」というインデックス語に属する単語「郷土」、「家庭料理」、「くちびる」、「旅館」、「布団」、「手作り」に該当するコンテンツが検索される。
上述したように、本変形例５においては、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、検索エンジン１６０が、コンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性の評価結果を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうこととしたので、コンテンツを巡回したりコンテンツの検索をおこなったりしてコンテンツの属性を収集することなく、精度よく評価された属性に基づいてコンテンツの検索を効果的におこなうことができる。
また、本変形例５においては、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、検索エンジン１６０が、変形例１の方法により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうこととしたので、精度よく評価された属性に基づいてコンテンツの検索を効果的におこなうことができる。
また、本変形例５においては、コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、検索エンジン１６０が、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうこととしたので、精度よく評価された属性およびカテゴリーの情報に基づいてコンテンツの検索を効果的におこなうことができる。
（変形例６）
また、変形例５では、ユーザにより入力された検索キーワードとコンテンツの属性である単語とを検索キーワードとしてコンテンツの検索をおこなうこととしたが、ＨＴＭＬやＸＭＬ、ＲＤＦ、ＲＳＳなどのマークアップ言語のタグをコンテンツの属性として設定し、設定されたタグを用いて記述されたテキスト内に検索キーワードがあるコンテンツを検索することとしてもよい。
また、変形例５では、ユーザにより入力された検索キーワードとコンテンツの属性である単語とを検索キーワードとしてコンテンツの検索をおこなうこととしたが、ＨＴＭＬやＸＭＬ、ＲＤＦ、ＲＳＳなどのマークアップ言語のタグをコンテンツの属性として設定し、設定されたタグを用いて記述されたテキスト内に検索キーワードがあるコンテンツを検索することとしてもよい。
たとえば、図２に示したようなＲＳＳでは、＜ｔｉｔｌｅ＞、＜ｌｉｎｋ＞、＜ｄｅｓｃｒｉｐｔｉｏｎ＞などのタグが含まれているが、それらのタグのうち特定のタグをコンテンツの属性として設定する。
特定のタグは、たとえば、シソーラスデータ８０２ａを用いることにより決定することができる。具体的には、データ解析サーバ９０の属性／重み解析部９０１は、タグにより埋め込まれた文字列に対して形態素分析をおこない、一般名詞を抽出する。
そして、属性／重み解析部９０１は、シソーラスデータ８０２ａを参照し、抽出された一般名詞の重みの平均値をタグごとに算出する。そして、属性／重み解析部９０１は、平均値が最も大きいタグをそのコンテンツのタグ属性として選択し、選択した結果を情報収集サーバ８０の記憶部８０２に記憶する。すなわち、より広い意味範囲を有する一般名詞を多く含んだテキストに対応するタグがコンテンツのタグ属性として選択される。
また、属性評価サーバ１００の属性評価部１００２は、図１６に示したような検索キーワードの検索クエリを発信するウェブサーバが提供しているコンテンツのタグ属性を、当該コンテンツにリンクされたコンテンツのタグ属性、および、コンテンツの被リンク数などにより決定されるコンテンツの重みの情報に基づいて評価する。
具体的には、属性評価部１００２は、図３で説明したようにして、リンクされたコンテンツのタグ属性ごとにコンテンツの重みの合計値を算出し、合計値が最も大きいタグ属性を検索クエリを発信するウェブサーバが提供しているコンテンツのタグ属性として設定する。図３の場合との違いは、図３では単語が属性となるのに対し、ここではタグが属性となることである。
そして、コンテンツの検索をおこなう場合に検索クエリを発信するウェブサーバがユーザから「フルーツ」といったような検索キーワードの入力を受け付けると、ウェブサーバは、検索キーワードと提供しているコンテンツのタグ属性の情報とを含んだ検索クエリを検索エンジン１６０に対して発信する。
それらの情報を受信した検索エンジン１６０は、タグ属性として指定されたタグを用いて記述されたテキスト内に検索キーワードが含まれるコンテンツを検索し、検索結果を検索クエリを発信したウェブサーバに出力する。
たとえば、タグ属性として指定されたタグが＜ｔｉｔｌｅ＞であり、検索キーワードが「フルーツ」である場合には、＜ｔｉｔｌｅ＞および＜／ｔｉｔｌｅ＞で挟まれるテキスト中に「フルーツ」という単語が含まれているコンテンツが検索される。
上述したように、本変形例６においては、コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、検索エンジン１６０が、コンテンツのタグ属性として指定されたタグの情報を取得し、当該タグを用いて記述されたテキスト内に検索キーワードとなる単語が含まれるコンテンツを検索することとしたので、検索されるコンテンツをタグを利用することにより効率的に絞り込むことができる。
なお、ここでは、データ解析サーバ９０の属性／重み解析部９０１が、シソーラスデータ８０２ａを用いることによりコンテンツのタグ属性を動的に決定することとしているが、コンテンツごとにあらかじめタグ属性を設定しておくこととしてもよい。また、ここで利用されるタグは、あらかじめ標準化機関などにより標準化されているタグに限らず、ユーザが独自に設定したタグでもよい。
（変形例７）
また、本実施例では、評価対象コンテンツにリンクされたコンテンツの属性情報を基にして評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしたが、さらに、評価対象コンテンツまたは評価対象コンテンツにリンクされたコンテンツが掲載されたウェブサイトにコンテンツの検索機能が付加されている場合に、ユーザにより過去の所定の時間内に入力された検索キーワードを記憶し、検索キーワードと評価対象コンテンツにリンクされたコンテンツの属性情報とを基にして評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしてもよい。
また、本実施例では、評価対象コンテンツにリンクされたコンテンツの属性情報を基にして評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしたが、さらに、評価対象コンテンツまたは評価対象コンテンツにリンクされたコンテンツが掲載されたウェブサイトにコンテンツの検索機能が付加されている場合に、ユーザにより過去の所定の時間内に入力された検索キーワードを記憶し、検索キーワードと評価対象コンテンツにリンクされたコンテンツの属性情報とを基にして評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしてもよい。
具体的には、過去の一定期間内にユーザにより入力された検索キーワードを検索キーワードの入力を受け付けたウェブサイトを提供しているサーバにクッキー技術を利用して記憶するか、あるいは、検索キーワードを蓄積する外部のサーバに記憶する。
そして、データ解析サーバ９０の属性／重み解析部９０１は、蓄積された検索キーワードの情報を取得して、シソーラスデータ８０２ａを参照し、検索キーワードに対応するインデックス語および重みを検索する。
その後、属性／重み解析部９０１は、検索キーワードをコンテンツおよびメタデータから抽出した単語と同様に扱って、上記実施例と同様に評価対象コンテンツの属性および評価対象コンテンツにリンクされたコンテンツの属性を判定し、属性評価サーバ１００の属性評価部１００２は、その判定結果を基にして評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価する。
また、変形例４で説明したように、コンテンツの属性を記憶したデータベースを参照するための情報をメタデータ内に記述しておき、そのデータベースを参照することによりコンテンツの属性およびコンテンツにアクセスするユーザの属性を決定する場合に、属性評価サーバ１００の属性評価部１００２が、過去の一定期間内にユーザにより入力された検索キーワードに基づいて、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価した結果をデータベースに記憶しておき、その評価結果を参照元に出力することとしてもよい。
また、ここでは、検索キーワードと評価対象コンテンツにリンクされたコンテンツの属性情報とを基にして評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしているが、検索キーワードの情報のみから評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしてもよい。
上述したように、本変形例７においては、検索キーワードの入力を受け付けたウェブサイトを提供しているサーバ、あるいは、検索キーワードを蓄積する外部のサーバが、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶し、属性評価サーバ１００の属性評価部１００２が、記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することとしたので、ユーザが入力した検索キーワードの情報をさらに加味することにより、コンテンツに係る属性および当該コンテンツにアクセスするユーザに係る属性を精度よく評価することができる。
また、本変形例７においては、属性評価サーバ１００の属性評価部１００２が、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することとしたので、メタデータに記述された名前空間を利用して、ユーザが入力した検索キーワードの情報をさらに加味することにより精度よく評価されたコンテンツに係る属性および当該コンテンツにアクセスするユーザに係る属性を効率的に取得することができる。
また、本変形例７においては、属性評価サーバ１００の属性評価部１００２が、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶し、記憶したコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価することとしたので、検索キーワードを用いてコンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることができる。
（変形例８）
また、本実施例では、広告サーバ１１０が、実施例にて説明したような方法で評価されたコンテンツの属性またはコンテンツにアクセスするユーザの属性に対応する広告コンテンツを配信することとしたが、広告コンテンツを含むさまざまなコンテンツを配信し、コンテンツの配信に係るさまざまな情報を記憶して、そのようなコンテンツの配信に係る統計的な分析に役立てることとしてもよい。
また、本実施例では、広告サーバ１１０が、実施例にて説明したような方法で評価されたコンテンツの属性またはコンテンツにアクセスするユーザの属性に対応する広告コンテンツを配信することとしたが、広告コンテンツを含むさまざまなコンテンツを配信し、コンテンツの配信に係るさまざまな情報を記憶して、そのようなコンテンツの配信に係る統計的な分析に役立てることとしてもよい。
図１８は、コンテンツの配信システムについて説明する説明図である。図１８に示すように、このコンテンツの配信システムは、クライアント装置１７０、ウェブサーバ１７１、コンテンツ配信サーバ１７２、コンテンツ属性管理サーバ１７３、コンテンツ属性情報ＤＢ（Database）１７４、ユーザ属性情報ＤＢ（Database）１７５、配信コンテンツ抽出サーバ１７６、ユーザ配信実績ＤＢ（Database）１７７およびユーザ反応実績ＤＢ（Database）１７８を有する。
なお、クライアント装置１７０とウェブサーバ１７１とはインターネットを介して接続され、ウェブサーバ１７１、コンテンツ配信サーバ１７２、コンテンツ属性管理サーバ１７３、コンテンツ属性情報ＤＢ（Database）１７４、ユーザ属性情報ＤＢ（Database）１７５、配信コンテンツ抽出サーバ１７６、ユーザ配信実績ＤＢ（Database）１７７およびユーザ反応実績ＤＢ（Database）１７８は互いにＬＡＮを介して接続される。
クライアント装置１７０には、ユーザがウェブサイトに掲載されたコンテンツにアクセスするブラウザソフトウェアが導入されている。そして、クライアント装置１７０は、ユーザから特定のウェブサイトのコンテンツの表示要求を受け付けた場合に、ウェブサーバに対してコンテンツデータを送信するよう要求する（Ｓ１）。
ここで、クライアント装置１７０は、ウェブサーバ１７１にコンテンツデータを送信するよう要求する場合に、ユーザを特定するユーザ情報およびブラウザを特定するブラウザ情報をウェブサーバ１７１に送信する。
コンテンツデータの送信要求を受け付けたウェブサーバ１７１は、コンテンツ配信サーバ１７２にウェブサイトの配信用コンテンツを生成するよう要求する（Ｓ２）。コンテンツ配信サーバ１７２は、コンテンツの生成要求を受け付けて、コンテンツ属性情報管理サーバ１７３に、ユーザにより表示要求を受け付けたコンテンツの属性、当該コンテンツにアクセスするユーザの属性、コンテンツの地域属性を問い合わせる（Ｓ３）。
コンテンツ情報管理サーバ１７３は、コンテンツ属性情報ＤＢ１７４を参照して、コンテンツ属性情報管理サーバ１７３により問い合わせがあったコンテンツの属性、コンテンツにアクセスするユーザの属性、コンテンツの地域属性を送信する（Ｓ４）。ここで、コンテンツの属性、コンテンツにアクセスするユーザの属性およびコンテンツの地域属性は、上記実施例および変形例にて説明したような方法で評価したものである。
その後、コンテンツ配信サーバ１７２は、配信コンテンツ抽出サーバ１７６に対して、ユーザにより表示要求を受け付けたコンテンツに加えて、ウェブサイトに追加表示するコンテンツを抽出するよう要求する（Ｓ５）。
そして、配信コンテンツ抽出サーバ１７６は、クライアント装置１７０を操作しているユーザのユーザ情報またはユーザが利用しているブラウザの情報と、コンテンツ属性情報ＤＢ１７４から取得したコンテンツの属性、コンテンツにアクセスするユーザの属性、または、コンテンツの地域属性とを基にして、配信すべきコンテンツを抽出し、抽出したコンテンツの情報をコンテンツ配信サーバ１７２に送信する（Ｓ６）。
具体的には、配信コンテンツ抽出サーバ１７６は、ユーザ情報またはブラウザ情報と、ユーザの興味関心や年齢、性別などの個人情報とを対応付けて記憶したデータベース（図示せず）を参照してユーザの個人情報を取得し、取得した個人情報に適合する属性を有するコンテンツを抽出する。
続いて、コンテンツ配信サーバ１７２は、ユーザにより表示要求を受け付けたコンテンツと、配信コンテンツ抽出サーバにより抽出されたコンテンツとの組を生成し、ウェブサーバにそれを送信する（Ｓ７）。そして、ウェブサーバ１７１は、コンテンツの表示要求をおこなったクライアント装置にそれらのコンテンツを送信し、ウェブサイト上に表示させる（Ｓ８）。
図１９は、コンテンツが表示されるウェブサイトの一例を示す図である。図１９に示すように、既存のコンテンツ１８１ａ，１８１ｂに加えて、配信コンテンツ抽出サーバ１７６により抽出されたコンテンツがコンテンツ配信場所１８２に埋め込まれて表示される。
また、ユーザ情報およびブラウザ情報は、ウェブサーバ１７１により、コンテンツ配信サーバ１７２を介してコンテンツ属性管理サーバ１７３に送信され、コンテンツ属性管理サーバ１７３は、属性の問い合わせがあったコンテンツに対応付けて、ユーザ情報およびブラウザ情報をユーザ属性情報ＤＢ１７５に記憶する。
また、配信コンテンツ抽出サーバ１７６は、コンテンツ配信サーバ１７２からユーザ情報およびブラウザ情報を受け付け、配信用に抽出し、実際にクライアント装置１７０に送信されたコンテンツに対応付けてユーザ情報およびブラウザ情報をユーザ配信実績ＤＢ１７７に記憶する。
また、配信コンテンツ抽出サーバ１７６は、同一のユーザまたはブラウザに配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をユーザ配信実績ＤＢ１７７に記憶する。
また、ユーザ反応実績ＤＢ１７８は、クライアント装置１７０に配信されたコンテンツに対するユーザの反応状況に係る情報をコンテンツに対応付けて記憶する。ここで、ユーザの反応状況に係る情報とは、コンテンツがバナー広告であれば、そのバナー広告がクリックされたか否かの情報、また、コンテンツがＱ＆Ａなどであれば、ユーザに対しておこなったコンテンツの有益性に対するアンケート調査の結果の情報などである。
さらに、ユーザの反応状況を取得するのに、コンテンツが掲載された双方向媒体が表示される装置とは別の装置を介して反応パラメータを測定することとしてもよい。例えば、コンテンツが広告である場合は、デジタルテレビ等の広告を見て、携帯電話端末で反応状況を取得する場合などにも適用することができる。
上述したように、本変形例８では、ユーザ属性情報ＤＢ１７５が、評価されたコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性と、コンテンツにアクセスするユーザに係る情報またはコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶することとしたので、記憶した情報を属性が評価された第１のコンテンツにアクセスするユーザ層の分析に役立てることができる。
また、本変形例８では、ユーザ配信実績ＤＢ１７７が、コンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶することとしたので、記憶した情報を配信されたコンテンツにアクセスするユーザ層の分析に役立てることができる。
また、本変形例８では、ユーザ配信実績ＤＢ１７７が、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することとしたので、記憶した情報をユーザによりアクセスされるコンテンツの属性または当該コンテンツにアクセスするユーザの属性の分析に役立てることができる。
また、本変形例８では、ユーザ反応実績ＤＢ１７８が、コンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶することとしたので、記憶した情報を配信されたコンテンツに対するユーザの反応の分析に役立てることができる。
（変形例９）
また、本実施例では、コンテンツおよびメタデータに含まれる単語を評価対象コンテンツとリンク元コンテンツとで別々に集め、評価対象コンテンツおよびリンク元コンテンツの属性を別に判定した後、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしているが、本発明はこれに限定されるものではなく、コンテンツおよびメタデータに含まれる単語を評価対象コンテンツとリンク元コンテンツとで区別せずに一括して集めて記憶し、集めた単語から評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を直接評価することとしてもよい。
また、本実施例では、コンテンツおよびメタデータに含まれる単語を評価対象コンテンツとリンク元コンテンツとで別々に集め、評価対象コンテンツおよびリンク元コンテンツの属性を別に判定した後、評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を評価することとしているが、本発明はこれに限定されるものではなく、コンテンツおよびメタデータに含まれる単語を評価対象コンテンツとリンク元コンテンツとで区別せずに一括して集めて記憶し、集めた単語から評価対象コンテンツの属性および評価対象コンテンツにアクセスするユーザの属性を直接評価することとしてもよい。
（変形例１０）
また、本実施例では、図６に示したような階層構造を有するシソーラスデータ８０２ａを用いてコンテンツの属性を評価することとしたが、シソーラスデータのデータ構造は図６に示したものに限定されず、他の構造を有するシソーラスデータを利用することとしてもよい。
また、本実施例では、図６に示したような階層構造を有するシソーラスデータ８０２ａを用いてコンテンツの属性を評価することとしたが、シソーラスデータのデータ構造は図６に示したものに限定されず、他の構造を有するシソーラスデータを利用することとしてもよい。
図２０は、意味的に関連する単語間の連結関係が定義されたシソーラスデータ１９０の一例を示す図である。このシソーラスデータ１９０は、情報収集サーバ８０の記憶部８０２に記憶され（図示せず）、図２０に示すように、連結類義語および距離の情報が登録されている。
連結類義語は、意味的に関連のある２つの単語（類義語）を登録したものである。ここに登録された２つの単語の間には、図６で説明したような包括関係は無く、並列的に連結されている。距離は、連結類義語に登録された２つの単語の意味的な近さを定義したものである。この数値が小さいほど２つの単語が意味的に近いことを示している。
図６で説明したシソーラスデータ８０２ａは、各単語間に階層構造を定義する必要がある。一方、図２０に示したシソーラスデータ１９０は、距離を定義する必要があるものの階層構造の定義は不要である。そのため、階層構造の定義が困難な場合には、シソーラスデータ１９０を利用することが有効となる。
図２１は、図２０に示したシソーラスデータ１９０を２次元的に表現した図である。図２１には、シソーラスデータ１９０に登録された各単語と、各単語間の距離ｄと、各単語の重みｗとが示されている。ここで、各単語間の距離ｄは、シソーラスデータ１９０に登録された単語間の距離である。
重みｗは、単語の連結数に基づいて決定される重みである。この重みは、ウェブサイトの属性を評価する場合に参照される。具体的には、データ解析サーバ９０の属性／重み解析部９０１は、ウェブサイトのメタデータおよびコンテンツに対して形態素解析を適用し、それによって得られた形態素の中から一般名詞を抽出する。
そして、属性／重み解析部９０１は、抽出された一般名詞に対する重みを重みの設定条件を基にして算出する処理をおこなう。図２２は、重みの設定条件を記憶した重みデータ１９１の一例を示す図である。この重みデータ１９１は、情報収集サーバ８０の記憶部８０２に記憶される（図示せず）。
図２２に示すように、この重みデータ１９１は、連結数の情報と重みの情報とが登録されている。連結数の情報は、シソーラスデータ１９０において注目している単語に連結された単語の総数である。たとえば、注目している単語が「融資」である場合には、「融資」に連結された「保証人」、「審査」、「契約」などの単語の総数である。
重みは、連結数に対応する重みである。すなわち、ここでは、連結数の大小に基づいて重みが決定される。そして、属性／重み解析部９０１は、メタデータおよびコンテンツから抽出された一般名詞のうち、重みが最大であるものを選択する。
その後、属性／重み解析部９０１は、重みが最大である一般名詞を中心として、距離が所定の値以内にある一般名詞を抽出し、抽出した一般名詞と重みが最大である一般名詞とを１つのカテゴリーとして分類し、そのカテゴリーに含まれる一般名詞を当該コンテンツの属性として決定する処理をおこなう。
図２１には、重みが最大である一般名詞が「融資」であった場合に、一般名詞「融資」からの距離が所定の値以内となる領域が円で示されている。この円内にある複数の一般名詞がコンテンツの属性として設定される。
そして、属性／重み解析部９０１は、属性および重みを解析した情報を情報収集サーバ８０の記憶部８０２に記憶する。具体的には、各コンテンツに対応付けて、コンテンツの属性として抽出された複数の一般名詞と各一般名詞の重みとを記憶する。
そして、属性評価サーバ１００の属性評価部１００２が、あるコンテンツの属性および当該コンテンツにアクセスするユーザの属性を評価する場合には、情報収集サーバ８０から評価対象とするコンテンツ、および、評価対象とするコンテンツにリンクされた各コンテンツから複数抽出された一般名詞と重みの情報とを取得する。
そして、属性評価部１００２は、同じ一般名詞ごとに重みを足し合わせ、重みの合計値が所定の値以上の一般名詞を評価対象とするコンテンツの属性および当該コンテンツにアクセスするユーザの属性として決定する処理をおこなう。ここで、属性として決定される一般名詞は１つであってもよいし、複数であってもよい。
なお、ここでは、各一般名詞の重みを連結数に基づいて決定しているが、重みの決定方法はこれに限定されず、他の方法を用いてもよい。同様に、評価対象とするコンテンツの属性および当該コンテンツにアクセスするユーザの属性の決定方法も、重みの合計値による決定方法に限定されず、他の方法を用いてもよい。
また、上述した方法では、図２１に示したように、重みが最大である一般名詞から所定の距離内にある一般名詞をコンテンツの属性として設定しているが、その距離を適切に設定することにより、所定の属性を有するコンテンツへのバナー広告の配信などを効率的におこなうことができるようになる。
具体的には、上記距離を大きくすると、コンテンツの属性としてより多くの一般名詞が設定されることになる。したがって、広告主などからコンテンツの属性の指定を受け付けてバナー広告を配信するような場合には、より多くのバナー広告がコンテンツに配信されるようになり、バナー広告の配信数を増やすことができる。
一方、上記距離を小さくすると、コンテンツの属性としてより少ない一般名詞が設定されることになる。この場合、コンテンツと属性との間の関連性が高まるので、特定のユーザに対して正確にバナー広告の配信をおこなうことができるようになる。
この距離の設定は、データ解析サーバ９０が、バナー広告配信の管理者により入力された設定情報を受け付けておこなうこととしてもよいし、広告主などからバナー広告ごとに距離の設定情報を受け付けておこなうこととしてもよい。
また、ここでは、シソーラスデータ１９０はあらかじめ与えられたものとしてきたが、シソーラスデータ１９０を動的に生成することとしてもよい。たとえば、広告主より入稿された広告のテキストデータを解析し、そこに含まれる一般名詞を連結し、連結類義語としてシソーラスデータ１９０に登録することとしてもよい。
例を挙げると、「４月の誕生石であるジュエリーの王様ダイヤモンドを・・・」という広告文章があったとすると、「４月」、「誕生石」、「ジュエリー」、「王様」、「ダイヤモンド」、・・・、という一般名詞が互いに連結され、連結類義語としてシソーラスデータ１９０に登録される。
各連結類義語の距離は、一般名詞が出現する位置などに基づいて設定される。すなわち、「王様」と「ダイヤモンド」とは隣り合わせで出現するため、意味的に近いものであるとして距離は小さく設定される（たとえば、１０など）。
「４月」と「ダイヤモンド」とは、間に「誕生石」、「ジュエリー」、「王様」という３つの一般名詞を挟むため、意味的に遠いものであるとして距離は大きく設定される（たとえば、４０など）。このようにして、各一般名詞間の距離を定義し、シソーラスデータ１９０に登録することとする。距離の設定方法はこれに限定されず、他の方法で設定することとしてもよい。
広告において用いられる単語には広告に効果的なものが使われているものと考えられるので、それに基づいてシソーラスデータ１９０を作成し、コンテンツの属性評価をおこなうことにより、広告を配信する対象の数を調節したり、広告に適したコンテンツの属性を設定することができる。
また、広告主ごとに異なるシソーラスデータ１９０を作成することとしてもよい。たとえば、ジュエリー業界と自動車業界とでは単語の連結関係が異なり、それぞれについてシソーラスデータ１９０を作成し、利用した方が適切にコンテンツの属性を設定することができると考えられる。
このように、本変形例１０では、データ解析サーバ９０の属性／重み解析部９０１が、意味的に関連する単語間の連結関係が包括関係を有することなく定義されたシソーラスデータ１９０を参照し、コンテンツに含まれる単語を距離を用いて１つのカテゴリーとして分類して記憶し、属性評価サーバ１００の属性評価部１００２が、記憶された情報に基づいてコンテンツの属性を判定することとしたので、単語間の階層構造の定義が困難な場合でも、シソーラスデータ１９０を用いてコンテンツに係る属性を効率よく判定することができる。
以上、上記実施例において、属性判定処理をコンピュータ上で実現する場合について説明してきたが、属性判定処理を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませ、実行することにより属性判定処理を実現してもよい。
図２３は、属性判定処理を実現するコンピュータ２００のハードウェア構成を示すブロック図である。図２３に示すように、このコンピュータ２００は、上記プログラムを実行するＣＰＵ２１０と、データを入力する入力装置２２０と、各種データを記憶するＲＯＭ２３０と、演算パラメータ等を記憶するＲＡＭ２４０と、属性判定処理を実現するためのプログラムを記録した記録媒体３００からプログラムを読み取る読取装置２５０と、ディスプレイ等の出力装置２６０と、ネットワーク４００を介して他のコンピュータとの間でデータの授受をおこなうネットワークインターフェース２７０とが、バス２８０で接続された構成となっている。
ＣＰＵ２１０は、読取装置２５０を経由して記録媒体３００に記録されているプログラムを読み込んだ後、プログラムを実行することにより、属性判定処理を実現する。なお、記録媒体３００としては、光ディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ハードディスク等が挙げられる。また、このプログラムは、ネットワーク４００を介してコンピュータ２００に導入することとしてもよい。
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。
この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
さらに、各装置にて行なわれる処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
以上のように、本発明に係る属性評価プログラム、属性評価システムおよび属性評価方法は、コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を動的に、自動的に、客観的に評価することにより、評価精度を高めることが必要な属性評価システムに有用である。
１０〜１６ ウェブサイト
２０，２１ａ〜２１ｃ ＲＳＳ
３０ 属性評価表
４０ａ〜４０ｃ 外部ウェブサーバ
５０ 属性評価システム
６０ インターネット
７０ａ〜７０ｃ ウェブサーバ
８０ 情報収集サーバ
８００ データ送受信部
８０１ 情報収集部
８０２ 記憶部
８０２ａ，１９０ シソーラスデータ
８０２ｂ リンク情報
８０２ｃ メタデータ情報
８０２ｄ コンテンツ情報
８０２ｅ 属性／重み解析情報
８０３ 制御部
９０ データ解析サーバ
９００ データ送受信部
９０１ 属性／重み解析部
９０２ 記憶部
９０３ 制御部
１００ 属性評価サーバ
１０００ データ送受信部
１００１ リンク検出部
１００２ 属性評価部
１００３ 記憶部
１００３ａ 属性評価情報
１００４ 制御部
１１０ 広告サーバ
１１００ データ送受信部
１１０１ 記憶部
１１０１ａ 広告データ
１１０１ｂ 配信条件データ
１１０２ 広告配信処理部
１１０３ 制御部
１２０ ＬＡＮ
１３０ メタデータ
１４０ ＸＭＬ名前空間
１５０ 参照先データベース
１６０ 検索エンジン
１７０ クライアント装置
１７１ ウェブサーバ
１７２ コンテンツ配信サーバ
１７３ コンテンツ属性管理サーバ
１７４ コンテンツ属性情報ＤＢ
１７５ ユーザ属性情報ＤＢ
１７６ 配信コンテンツ抽出サーバ
１７７ ユーザ配信実績ＤＢ
１７８ ユーザ反応実績ＤＢ
１８０ ウェブサイト
１８１ａ，１８１ｂ 既存ウェブサイト
１８２ コンテンツ配信場所
１９０ 重みデータ
２０，２１ａ〜２１ｃ ＲＳＳ
３０ 属性評価表
４０ａ〜４０ｃ 外部ウェブサーバ
５０ 属性評価システム
６０ インターネット
７０ａ〜７０ｃ ウェブサーバ
８０ 情報収集サーバ
８００ データ送受信部
８０１ 情報収集部
８０２ 記憶部
８０２ａ，１９０ シソーラスデータ
８０２ｂ リンク情報
８０２ｃ メタデータ情報
８０２ｄ コンテンツ情報
８０２ｅ 属性／重み解析情報
８０３ 制御部
９０ データ解析サーバ
９００ データ送受信部
９０１ 属性／重み解析部
９０２ 記憶部
９０３ 制御部
１００ 属性評価サーバ
１０００ データ送受信部
１００１ リンク検出部
１００２ 属性評価部
１００３ 記憶部
１００３ａ 属性評価情報
１００４ 制御部
１１０ 広告サーバ
１１００ データ送受信部
１１０１ 記憶部
１１０１ａ 広告データ
１１０１ｂ 配信条件データ
１１０２ 広告配信処理部
１１０３ 制御部
１２０ ＬＡＮ
１３０ メタデータ
１４０ ＸＭＬ名前空間
１５０ 参照先データベース
１６０ 検索エンジン
１７０ クライアント装置
１７１ ウェブサーバ
１７２ コンテンツ配信サーバ
１７３ コンテンツ属性管理サーバ
１７４ コンテンツ属性情報ＤＢ
１７５ ユーザ属性情報ＤＢ
１７６ 配信コンテンツ抽出サーバ
１７７ ユーザ配信実績ＤＢ
１７８ ユーザ反応実績ＤＢ
１８０ ウェブサイト
１８１ａ，１８１ｂ 既存ウェブサイト
１８２ コンテンツ配信場所
１９０ 重みデータ
Claims (105)
- コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価プログラムであって、
第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶するコンテンツ情報記憶手順と、
前記コンテンツ情報記憶手順により記憶された第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する属性評価手順と、
をコンピュータに実行させることを特徴とする属性評価プログラム。 - 前記コンテンツ情報記憶手順は、第１のコンテンツに係る情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶された第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項１に記載の属性評価プログラム。
- 前記コンテンツ情報記憶手順は、各コンテンツに係る重みの情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項１または２に記載の属性評価プログラム。
- 前記コンテンツ情報記憶手順は、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項３に記載の属性評価プログラム。
- 前記コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、前記コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定する重み決定手順をさらにコンピュータに実行させ、前記コンテンツ情報記憶手順は、前記重み決定手順により決定された重みの情報を記憶することを特徴とする請求項３または４に記載の属性評価プログラム。
- 前記コンテンツ情報記憶手順は、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、前記属性評価手順は、前記コンテンツ情報記憶手順により記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項１〜５のいずれか１つに記載の属性評価プログラム。
- 第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることを特徴とする請求項１〜６のいずれか１つに記載の属性評価プログラム。
- コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定する属性判定手順をさらにコンピュータに実行させ、前記コンテンツ情報記憶手順は、前記属性判定手順により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする請求項１〜７のいずれか１つに記載の属性評価プログラム。
- 前記属性判定手順は、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することを特徴とする請求項８に記載の属性評価プログラム。
- 前記属性判定手順は、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することを特徴とする請求項９に記載の属性評価プログラム。
- 前記データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したことを特徴とする請求項１０に記載の属性評価プログラム。
- 各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいことを特徴とする請求項１０または１１に記載の属性評価プログラム。
- 前記データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないことを特徴とする請求項９〜１２のいずれか１つに記載の属性評価プログラム。
- 前記属性判定手順は、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することを特徴とする請求項９〜１３のいずれか１つに記載の属性評価プログラム。
- 前記属性判定手順は、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、前記コンテンツ情報記憶手順は、前記属性判定手順により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする請求項８に記載の属性評価プログラム。
- 前記属性判定手順は、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することを特徴とする請求項８〜１５のいずれか１つに記載の属性評価プログラム。
- 前記属性判定手順は、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することを特徴とする請求項９に記載の属性評価プログラム。
- 前記コンテンツ情報記憶手順により記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることを特徴とする請求項１〜１７のいずれか１つに記載の属性評価プログラム。
- 前記ｎの値はユーザにより任意に設定されることを特徴とする請求項１８に記載の属性評価プログラム。
- 前記属性評価手順は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することを特徴とする請求項１〜１９のいずれか１つに記載の属性評価プログラム。
- 前記属性評価手順は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することを特徴とする請求項１〜２０のいずれか１つに記載の属性評価プログラム。
- 前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶する情報記憶手順をさらにコンピュータに実行させることを特徴とする請求項１〜２１のいずれか１つに記載の属性評価プログラム。
- 前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手順をさらにコンピュータに実行させることを特徴とする請求項１〜２１のいずれか１つに記載の属性評価プログラム。
- 前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手順をさらにコンピュータに実行させることを特徴とする請求項１８または１９に記載の属性評価プログラム。
- コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記データベース構築手順により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手順をさらにコンピュータに実行させることを特徴とする請求項２３または２４に記載の属性評価プログラム。
- コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手順をさらにコンピュータに実行させることを特徴とする請求項２３または２４に記載の属性評価プログラム。
- コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうコンテンツ検索手順をさらにコンピュータに実行させることを特徴とする請求項１〜２１のいずれか１つに記載の属性評価プログラム。
- 前記属性評価手順は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする請求項１〜２７のいずれか１つに記載の属性評価プログラム。
- 前記属性評価手順は、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項２８に記載の属性評価プログラム。
- 前記属性評価手順は、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする請求項２８または２９に記載の属性評価プログラム。
- 前記属性評価手順により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信するコンテンツ配信手順をさらにコンピュータに実行させることを特徴とする請求項１〜３０のいずれか１つに記載の属性評価プログラム。
- 前記コンテンツ配信手順によりコンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶する属性記憶手順をさらにコンピュータに実行させることを特徴とする請求項３１に記載の属性評価プログラム。
- 前記属性記憶手順は、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することを特徴とする請求項３２に記載の属性評価プログラム。
- 前記コンテンツ配信手順によりコンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶する反応状況記憶手順をさらにコンピュータに実行させることを特徴とする請求項３１に記載の属性評価プログラム。
- コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価システムであって、
第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶するコンテンツ情報記憶手段と、
前記コンテンツ情報記憶手段により記憶された第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する属性評価手段と、
を備えたことを特徴とする属性評価システム。 - 前記コンテンツ情報記憶手段は、第１のコンテンツに係る情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶された第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項３５に記載の属性評価システム。
- 前記コンテンツ情報記憶手段は、各コンテンツに係る重みの情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項３５または３６に記載の属性評価システム。
- 前記コンテンツ情報記憶手段は、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項３７に記載の属性評価システム。
- 前記コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、前記コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定する重み決定手段をさらに備え、前記コンテンツ情報記憶手段は、前記重み決定手段により決定された重みの情報を記憶することを特徴とする請求項３７または３８に記載の属性評価システム。
- 前記コンテンツ情報記憶手段は、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、前記属性評価手段は、前記コンテンツ情報記憶手段により記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項３５〜３９のいずれか１つに記載の属性評価システム。
- 第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることを特徴とする請求項３５〜４０のいずれか１つに記載の属性評価システム。
- コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定する属性判定手段をさらに備え、前記コンテンツ情報記憶手段は、前記属性判定手段により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする請求項３５〜４１のいずれか１つに記載の属性評価システム。
- 前記属性判定手段は、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することを特徴とする請求項４２に記載の属性評価システム。
- 前記属性判定手段は、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することを特徴とする請求項４３に記載の属性評価システム。
- 前記データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したことを特徴とする請求項４４に記載の属性評価システム。
- 各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいことを特徴とする請求項４４または４５に記載の属性評価システム。
- 前記データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないことを特徴とする請求項４３〜４６のいずれか１つに記載の属性評価システム。
- 前記属性判定手段は、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することを特徴とする請求項４３〜４７のいずれか１つに記載の属性評価システム。
- 前記属性判定手段は、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、前記コンテンツ情報記憶手段は、前記属性判定手段により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする請求項４２に記載の属性評価システム。
- 前記属性判定手段は、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することを特徴とする請求項４２〜４９のいずれか１つに記載の属性評価システム。
- 前記属性判定手段は、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することを特徴とする請求項４３に記載の属性評価システム。
- 前記コンテンツ情報記憶手段により記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることを特徴とする請求項３５〜５１のいずれか１つに記載の属性評価システム。
- 前記ｎの値はユーザにより任意に設定されることを特徴とする請求項５２に記載の属性評価システム。
- 前記属性評価手段は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することを特徴とする請求項３５〜５３のいずれか１つに記載の属性評価システム。
- 前記属性評価手段は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することを特徴とする請求項３５〜５４のいずれか１つに記載の属性評価システム。
- 前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶する情報記憶手段をさらに備えたことを特徴とする請求項３５〜５５のいずれか１つに記載の属性評価システム。
- 前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手段をさらに備えたことを特徴とする請求項３５〜５５のいずれか１つに記載の属性評価システム。
- 前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築手段をさらに備えたことを特徴とする請求項５２または５３に記載の属性評価システム。
- コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記データベース構築手段により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手段をさらに備えたことを特徴とする請求項５７または５８に記載の属性評価システム。
- コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索手段をさらに備えたことを特徴とする請求項５７または５８に記載の属性評価システム。
- コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうコンテンツ検索手段をさらに備えたことを特徴とする請求項３５〜５５のいずれか１つに記載の属性評価システム。
- 前記属性評価手段は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする請求項３５〜６１のいずれか１つに記載の属性評価システム。
- 前記属性評価手段は、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項６２に記載の属性評価システム。
- 前記属性評価手段は、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする請求項６２または６３に記載の属性評価システム。
- 前記属性評価手段により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信するコンテンツ配信手段をさらに備えたことを特徴とする請求項３５〜６４のいずれか１つに記載の属性評価システム。
- 前記コンテンツ配信手順によりコンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶する属性記憶手段をさらに備えたことを特徴とする請求項６５に記載の属性評価システム。
- 前記属性記憶手段は、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することを特徴とする請求項６６に記載の属性評価システム。
- 前記コンテンツ配信手段によりコンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶する反応状況記憶手段をさらに備えたことを特徴とする請求項６５に記載の属性評価システム。
- コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価方法であって、
第１のコンテンツにリンクされた第２のコンテンツに係る情報を記憶するコンテンツ情報記憶工程と、
前記コンテンツ情報記憶工程により記憶された第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する属性評価工程と、
を含んだことを特徴とする属性評価方法。 - 前記コンテンツ情報記憶工程は、第１のコンテンツに係る情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶された第１のコンテンツに係る情報および第２のコンテンツに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項６９に記載の属性評価方法。
- 前記コンテンツ情報記憶工程は、各コンテンツに係る重みの情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項６９または７０に記載の属性評価方法。
- 前記コンテンツ情報記憶工程は、第１のコンテンツに係る重みの情報、および、第１のコンテンツに係る重みよりも小さく設定された第２のコンテンツに係る重みの情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶されたコンテンツに係る情報およびコンテンツに係る重みの情報に基づいて、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項７１に記載の属性評価方法。
- 前記コンテンツに係る重みを他のコンテンツによりリンクされた被リンク数、前記コンテンツにリンクされた他のコンテンツに係る重み、コンテンツがユーザにより閲覧された閲覧数、コンテンツに対応するドメイン名、または、コンテンツの更新頻度に基づいて決定する重み決定工程をさらに含み、前記コンテンツ情報記憶工程は、前記重み決定工程により決定された重みの情報を記憶することを特徴とする請求項７１または７２に記載の属性評価方法。
- 前記コンテンツ情報記憶工程は、ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報をさらに記憶し、前記属性評価工程は、前記コンテンツ情報記憶工程により記憶された第２のコンテンツに係る情報および検索キーワードに係る情報に基づいて第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項６９〜７３のいずれか１つに記載の属性評価方法。
- 第１のコンテンツと第２のコンテンツとの間に設定されたリンクは、ハイパーリンク、または、コンテンツに対してトラックバックが実行されることにより設定されたリンクであることを特徴とする請求項６９〜７４のいずれか１つに記載の属性評価方法。
- コンテンツまたはコンテンツに対応するメタデータに含まれる情報に基づいて当該コンテンツに係る属性を判定する属性判定工程をさらに含み、前記コンテンツ情報記憶工程は、前記属性判定工程により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする請求項６９〜７５のいずれか１つに記載の属性評価方法。
- 前記属性判定工程は、単語をカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類したカテゴリーに係る情報に基づいてコンテンツに係る属性を判定することを特徴とする請求項７６に記載の属性評価方法。
- 前記属性判定工程は、カテゴリーに分類した単語を階層化した情報を記憶したデータベースを参照し、各階層に属する単語に階層ごとにあらかじめ割り当てられた重みの情報に基づいてコンテンツに係る属性を判定することを特徴とする請求項７７に記載の属性評価方法。
- 前記データベースは、単語間の意味の包括関係に基づいて階層化した単語の情報を記憶したことを特徴とする請求項７８に記載の属性評価方法。
- 各階層に属する単語に階層ごとにあらかじめ割り当てられた重みは、前記包括関係の上位にある単語ほど大きいことを特徴とする請求項７８または７９に記載の属性評価方法。
- 前記データベースにおけるカテゴリーのインデックスとなる単語が他のカテゴリーに属さないことを特徴とする請求項６９〜８０のいずれか１つに記載の属性評価方法。
- 前記属性判定工程は、地域のカテゴリーに地域に係る単語または地域に係る単語以外の単語を分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を地域のカテゴリーに分類した分類情報に基づいてコンテンツに係る地域の属性を判定することを特徴とする請求項７７〜８１のいずれか１つに記載の属性評価方法。
- 前記属性判定工程は、コンテンツまたはコンテンツに対応するメタデータに含まれる緯度経度情報に基づいて当該コンテンツに係る地域の属性を判定し、前記コンテンツ情報記憶工程は、前記属性判定工程により判定された属性に係る情報をコンテンツに係る情報として記憶することを特徴とする請求項７６に記載の属性評価方法。
- 前記属性判定工程は、コンテンツに係る地域の属性と当該コンテンツの内容を分類したカテゴリーの属性とを判定することを特徴とする請求項７６〜８３のいずれか１つに記載の属性評価方法。
- 前記属性判定工程は、単語を感情、感覚または情緒に係るカテゴリーに分類した情報を記憶したデータベースを参照し、コンテンツまたはコンテンツに対応するメタデータに含まれる単語を分類することにより得られた感情、感覚または情緒に係るカテゴリーに係る情報に基づいて感情、感覚または情緒に係るコンテンツの属性を判定することを特徴とする請求項７７に記載の属性評価方法。
- 前記コンテンツ情報記憶工程により記憶される第２のコンテンツに係る情報は、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツにリンクされた第ｎ＋１のコンテンツに係る情報に基づいて決定された情報であることを特徴とする請求項６９〜８５のいずれか１つに記載の属性評価方法。
- 前記ｎの値はユーザにより任意に設定されることを特徴とする請求項８６に記載の属性評価方法。
- 前記属性評価工程は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価する場合に、所定の条件に合致するコンテンツに係る情報を評価に用いる情報から除外することを特徴とする請求項６９〜８７のいずれか１つに記載の属性評価方法。
- 前記属性評価工程は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価したのち、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性をコンテンツに対応するメタデータとして記憶することを特徴とする請求項６９〜８８のいずれか１つに記載の属性評価方法。
- 前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性と、第１のコンテンツにアクセスするユーザに係る情報または第１のコンテンツの出力をおこなうウェブブラウザに係る情報とを対応付けて記憶する情報記憶工程をさらに含んだことを特徴とする請求項６９〜８９のいずれか１つに記載の属性評価方法。
- 前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第２のコンテンツまたは第２のコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築工程をさらに含んだことを特徴とする請求項６９〜８９のいずれか１つに記載の属性評価方法。
- 前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性、および、第ｎ（ｎ＝２，３，・・・，ｍ：ｍは２以上の自然数）のコンテンツまたは第ｎのコンテンツに対応するメタデータに含まれる単語に基づいて、単語をカテゴリーに分類した情報を記憶したデータベースを構築するデータベース構築工程をさらに含んだことを特徴とする請求項８６または８７に記載の属性評価方法。
- コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記データベース構築工程により構築されたデータベースを参照して検索キーワードとなる単語が属するカテゴリーを抽出し、抽出したカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索工程をさらに含んだことを特徴とする請求項９１または９２に記載の属性評価方法。
- コンテンツの検索要求を検索キーワードとなる単語および前記データベースにおけるカテゴリーの指定とともに受け付けた場合に、指定されたカテゴリーに属する単語を検索キーワードに追加することによりコンテンツの検索をおこなうコンテンツ検索工程をさらに含んだことを特徴とする請求項９１または９２に記載の属性評価方法。
- コンテンツの検索要求を検索キーワードとなる単語とともに受け付けた場合に、前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の情報を取得し、取得した属性および検索キーワードとなる単語を検索キーワードとして検索をおこなうコンテンツ検索工程をさらに含んだことを特徴とする請求項６９〜８９のいずれか１つに記載の属性評価方法。
- 前記属性評価工程は、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする請求項６９〜９５のいずれか１つに記載の属性評価方法。
- 前記属性評価工程は、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信したのを契機として、第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を評価することを特徴とする請求項９６に記載の属性評価方法。
- 前記属性評価工程は、ユーザにより入力されたコンテンツの検索キーワードに基づいて評価した第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の評価結果をさらにデータベースに記憶し、コンテンツのメタデータに記述された名前空間に基づく第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性の参照要求を受信した場合に、参照要求がなされた第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性を出力することを特徴とする請求項９６または９７に記載の属性評価方法。
- 前記属性評価工程により評価された第１のコンテンツに係る属性または第１のコンテンツにアクセスするユーザに係る属性に基づいて所定のコンテンツを配信するコンテンツ配信工程をさらに含んだことを特徴とする請求項６９〜９８のいずれか１つに記載の属性評価方法。
- 前記コンテンツ配信工程によりコンテンツが配信された場合に、配信されたコンテンツにアクセスするユーザに係る情報と配信されたコンテンツの属性または当該コンテンツにアクセスするユーザの属性とを対応付けて記憶する属性記憶工程をさらに含んだことを特徴とする請求項９９に記載の属性評価方法。
- 前記属性記憶工程は、同一のユーザまたは同一のウェブブラウザに対して配信したコンテンツの属性または当該コンテンツにアクセスするユーザの属性の頻度をさらに記憶することを特徴とする請求項１００に記載の属性評価方法。
- 前記コンテンツ配信工程によりコンテンツが配信された場合に、配信されたコンテンツにアクセスしたユーザの当該コンテンツに対する反応状況に係る情報を記憶する反応状況記憶工程をさらに含んだことを特徴とする請求項９９に記載の属性評価方法。
- コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価プログラムであって、
ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶するコンテンツ情報記憶手順と、
前記コンテンツ情報記憶手順により記憶されたコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価する属性評価手順と、
をコンピュータに実行させることを特徴とする属性評価プログラム。 - コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価システムであって、
ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶するコンテンツ情報記憶手段と、
前記コンテンツ情報記憶手段により記憶されたコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価する属性評価手段と、
を備えたことを特徴とする属性評価システム。 - コンテンツに係る属性または当該コンテンツにアクセスするユーザに係る属性を評価する属性評価方法であって、
ユーザにより過去の所定の時間内に入力されたコンテンツの検索キーワードに係る情報を記憶するコンテンツ情報記憶工程と、
前記コンテンツ情報記憶工程により記憶されたコンテンツの検索キーワードに係る情報に基づいてコンテンツに係る属性またはコンテンツにアクセスするユーザに係る属性を評価する属性評価工程と、
を含んだことを特徴とする属性評価方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005327279A JP4820147B2 (ja) | 2004-11-12 | 2005-11-11 | 属性評価プログラム、属性評価システムおよび属性評価方法 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004329604 | 2004-11-12 | ||
| JP2004329604 | 2004-11-12 | ||
| JP2005327279A JP4820147B2 (ja) | 2004-11-12 | 2005-11-11 | 属性評価プログラム、属性評価システムおよび属性評価方法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2006164256A true JP2006164256A (ja) | 2006-06-22 |
| JP2006164256A5 JP2006164256A5 (ja) | 2008-07-24 |
| JP4820147B2 JP4820147B2 (ja) | 2011-11-24 |
Family
ID=36666144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005327279A Active JP4820147B2 (ja) | 2004-11-12 | 2005-11-11 | 属性評価プログラム、属性評価システムおよび属性評価方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4820147B2 (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008003969A (ja) * | 2006-06-26 | 2008-01-10 | Katsuhide Asanuma | グループ分けシステム、グループ分け管理サーバ及びグループ分けプログラム |
| JP2008234607A (ja) * | 2007-03-23 | 2008-10-02 | Ntt Data Corp | 情報マッチング装置、方法、およびプログラム |
| JP2008257351A (ja) * | 2007-04-02 | 2008-10-23 | Nomura Research Institute Ltd | 属性判定装置、属性判定方法及びコンピュータプログラム |
| JP2010160549A (ja) * | 2009-01-06 | 2010-07-22 | Kddi Corp | Ｗｅｂページ信頼度判定装置及びコンピュータプログラム |
| JP2013501302A (ja) * | 2009-08-03 | 2013-01-10 | ウノモビ， インコーポレイテッド | 位置情報ベース広告システムに広告を追加するシステムおよび方法 |
| WO2016013739A1 (ko) * | 2014-07-23 | 2016-01-28 | 단국대학교 산학협력단 | 콘텐츠 분석 장치 및 방법 |
| US10163362B2 (en) | 2014-05-13 | 2018-12-25 | Cellrebirth Ltd. | Emotion and mood data input, display, and analysis device |
| US10606875B2 (en) | 2014-09-16 | 2020-03-31 | Kabushiki Kaisha Toshiba | Search support apparatus and method |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002092028A (ja) * | 2000-09-19 | 2002-03-29 | Nippon Telegraph & Telephone East Corp | コンテンツ集配信システム |
| JP2002197115A (ja) * | 2000-12-26 | 2002-07-12 | Kenta Hori | 評価基準データを用いたウェブページ検索方法及び記憶媒体 |
| JP2002358319A (ja) * | 2001-06-01 | 2002-12-13 | Fumio Mizoguchi | ホームページの集合の情報性を評価するプログラム、システム及び方法 |
| JP2003330948A (ja) * | 2002-03-06 | 2003-11-21 | Fujitsu Ltd | ウェブページを評価する装置および方法 |
| JP2004252911A (ja) * | 2002-08-23 | 2004-09-09 | Toshiba Corp | 検索キーワード分析プログラム及びシステム並びに方法 |
-
2005
- 2005-11-11 JP JP2005327279A patent/JP4820147B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002092028A (ja) * | 2000-09-19 | 2002-03-29 | Nippon Telegraph & Telephone East Corp | コンテンツ集配信システム |
| JP2002197115A (ja) * | 2000-12-26 | 2002-07-12 | Kenta Hori | 評価基準データを用いたウェブページ検索方法及び記憶媒体 |
| JP2002358319A (ja) * | 2001-06-01 | 2002-12-13 | Fumio Mizoguchi | ホームページの集合の情報性を評価するプログラム、システム及び方法 |
| JP2003330948A (ja) * | 2002-03-06 | 2003-11-21 | Fujitsu Ltd | ウェブページを評価する装置および方法 |
| JP2004252911A (ja) * | 2002-08-23 | 2004-09-09 | Toshiba Corp | 検索キーワード分析プログラム及びシステム並びに方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008003969A (ja) * | 2006-06-26 | 2008-01-10 | Katsuhide Asanuma | グループ分けシステム、グループ分け管理サーバ及びグループ分けプログラム |
| JP2008234607A (ja) * | 2007-03-23 | 2008-10-02 | Ntt Data Corp | 情報マッチング装置、方法、およびプログラム |
| JP2008257351A (ja) * | 2007-04-02 | 2008-10-23 | Nomura Research Institute Ltd | 属性判定装置、属性判定方法及びコンピュータプログラム |
| JP2010160549A (ja) * | 2009-01-06 | 2010-07-22 | Kddi Corp | Ｗｅｂページ信頼度判定装置及びコンピュータプログラム |
| JP2013501302A (ja) * | 2009-08-03 | 2013-01-10 | ウノモビ， インコーポレイテッド | 位置情報ベース広告システムに広告を追加するシステムおよび方法 |
| US9679311B2 (en) | 2009-08-03 | 2017-06-13 | Poynt Inc. | System and method for adding advertisements to a location-based advertising system |
| US10163362B2 (en) | 2014-05-13 | 2018-12-25 | Cellrebirth Ltd. | Emotion and mood data input, display, and analysis device |
| WO2016013739A1 (ko) * | 2014-07-23 | 2016-01-28 | 단국대학교 산학협력단 | 콘텐츠 분석 장치 및 방법 |
| US10606875B2 (en) | 2014-09-16 | 2020-03-31 | Kabushiki Kaisha Toshiba | Search support apparatus and method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4820147B2 (ja) | 2011-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Croitoru et al. | Geosocial gauge: a system prototype for knowledge discovery from social media | |
| US9990422B2 (en) | Contextual analysis engine | |
| CA2702439C (en) | Method and apparatus for scoring electronic documents | |
| US7660783B2 (en) | System and method of ad-hoc analysis of data | |
| US10430806B2 (en) | Input/output interface for contextual analysis engine | |
| US7519588B2 (en) | Keyword characterization and application | |
| Nakamura et al. | Trustworthiness analysis of web search results | |
| JP4820147B2 (ja) | 属性評価プログラム、属性評価システムおよび属性評価方法 | |
| US20150106157A1 (en) | Text extraction module for contextual analysis engine | |
| US20130046584A1 (en) | Page reporting | |
| US20070192129A1 (en) | Method and system for the objective quantification of fame | |
| TWI454945B (zh) | 大規模之搜尋引擎優化 | |
| JPWO2007032142A1 (ja) | ドキュメントデータ表示処理方法、ドキュメントデータ表示処理システム及びドキュメントデータ表示処理用のソフトウェアプログラム | |
| Williams et al. | Surfing for health: user evaluation of a health information website. Part one: background and literature review | |
| Lan et al. | The picture of health: map-based, collaborative spatio-temporal disease tracking | |
| Smith et al. | The ties that bind: Network overlap among independent congregations | |
| JP5313295B2 (ja) | 文書探索サービス提供方法及びシステム | |
| JP5084796B2 (ja) | 関連性判定装置、関連性判定方法およびプログラム | |
| Hajian Hoseinabadi et al. | Proposing a New Combined Indicator for Measuring Search Engine Performance and Evaluating Google, Yahoo, DuckDuckgo, and Bing Search Engines based on Combined Indicator | |
| KR20070065774A (ko) | 온톨로지를 이용한 시맨틱 블로그 관리 시스템 및 방법 | |
| JP4853915B2 (ja) | 検索システム | |
| Ameen et al. | The impact of organizational innovation on financial performance: a perspective of employees within Dubai ports world | |
| JP2006202118A (ja) | 属性評価装置、属性評価方法および属性評価プログラム | |
| Wen | Development of personalized online systems for web search, recommendations, and e-commerce | |
| KR101124213B1 (ko) | 온톨로지를 이용한 맞춤형 뉴스레터 제공 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080611 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080611 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101201 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110208 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110411 |
|
| 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: 20110830 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110902 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140909 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4820147 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |