JP2008146293A - 閲覧対象情報の評価システム、方法、およびプログラム - Google Patents

Abstract

【課題】ネットワーク上の閲覧対象情報を定量的に評価し、影響力の大きい有効なウェブ情報を利用する。
【解決手段】ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、記事情報に対してネットワークに接続される他のコンピュータから書き込まれるコメント情報と、ネットワーク上の他のコンピュータへのリンク情報と、ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価する技術に関するシステムである。閲覧対象情報から記事識別情報と記事情報とを抽出する手段と、閲覧対象情報の数量特性を評価する数量特性評価手段と、を備える。
【選択図】図１

Description

本発明は、ネットワーク上の閲覧対象情報を評価する技術に関する。

インターネット等、ネットワークの発達により、様々な情報がブログ、ホームページ等のウェブ情報の形式で提供されている。このため、ウェブ情報から有用な情報を抽出することも可能である。しかし、入手可能なウェブ情報の量が膨大であるため、ウェブ情報の価値、重要性等を評価する評価技術の必要性が高まっている。
特開２００１−１５５０２１号公報 特開２００５−０６３２４２号公報 特開２００２−０９１９８１号公報 特開２００２−１７５３３０号公報 特開２００３−２７１６０９号公報 特開２００４−１５７８４１号公報

特に、ウェブ情報から企業、事業者、あるいは団体等の商品あるいはサービスに対する評価、意見等の評判情報を抽出する試みがなされてきた。しかし、評判情報は、ウェブ情報の提供元ごとに影響力が異なっている。したがって、ウェブ情報からそのような評判情報と抽出し、評判情報を分析する場合に、ウェブ情報自体の影響力を考慮する必要がある。しかしながら、従来、ウェブ情報の影響力を評価する技術は確立されていなかった。

本発明の目的は、様々なウェブ情報の影響力を評価する技術を提供することである。

本発明は前記課題を解決するために、以下の手段を採用した。すなわち、本発明は、ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、記事情報に対してネットワークに接続される他のコンピュータから書き込まれるコメント情報と、ネットワーク上の他のコンピュータへのリンク情報と、ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価する技術に関する。本発明は、閲覧対象情報から記事識別情報と記事情報とを抽出する手段と、閲覧対象情報の数量特性を評価する数量特性評価手段と、を備える。

ここで、数量特性は、例えば、閲覧対象情報中の１件の記事情報あたりの、平均コメント数、平均被リンク数、平均相互リンク数、および閲覧対象情報の更新頻度の少なくとも１つを含む。

本発明によれば、閲覧対象情報に係る数量特性を評価することで、その閲覧対象情報を数値で評価できる。

また、本発明は、閲覧対象情報に含まれる主題の指定を受け付け、その主題に関連する意見を閲覧対象情報ごとに抽出するようにしてもよい。このようにすることで、特定の主題に係る意見の数量によって、閲覧対象情報を評価できる。

また、本発明は、数量特性または意見数量特性を重み付け評価することによって前記主題に対する特性値を算出するようにしてもよい。このような構成により、閲覧対象情報の
数量特性または意見数量特性を重みによって勘案した評価をすることができる。

本発明によれば、ネットワーク上の閲覧対象情報を定量的に評価し、影響力の大きい有効なウェブ情報を利用することができる。

以下、図面を参照して本発明を実施するための最良の形態（以下、実施形態という）に係る情報システムについて説明する。以下の実施形態の構成は例示であり、本発明は実施形態の構成には限定されない。

＜発明の骨子＞
本情報システムは、インターネット上のウェブ情報（本発明の閲覧対象情報に相当）を評価する機能を提供する。ここでは、一例として、ブログの影響力を定量的に評価する処理を説明する。ブログは、個人によって開設されるブログサイトを構成する情報と、そのブログサイト内で追加される記事情報のエントリとを含む。ブログサイトと、記事情報のエントリとはそれぞれＵＲＬ（Uniform Resource Locator ）を有している。

プログサイトのＵＲＬは、そのブログサイトを識別するＩＤ（識別子）として使用でき、本実施形態ではブログＵＲＬと呼ぶことにする。また、記事情報のＵＲＬは、個々の記事情報のＩＤとして使用でき、記事ＵＲＬと呼ぶことにする。本情報システムは、このブログＵＲＬを１人の著者として把握する。

本情報システムは、ブログＵＲＬで特定される著者の後天的特性、趣向特性等を解析する機能を提供する。本実施形態では、そのような後天的特性、趣向特性等をプロファイルともいう。また、本実施形態では、ブログの記事情報に記載された対象に対する、様々な主観的言及を意見と呼ぶ。

本情報システムは、ブログの著者、すなわち、ブログＵＲＬを以下の３種類の指標で評価する。第１は、ブログに記載されている対象対象を問わずに、そのブログを評価するための指標（対象に依存しない全般的な指標と呼ぶ）である。対象に依存しない全般的な指標は、ブログの著者自身に対する客観的評価と考えことができる。

第２は、本情報システムの利用者によって指定される特定の対象に関連するブログを評価する指標（対象に依存する指標と呼ぶ）である。ここで、対象は、例えば、特定の商品、サービス、あるいは、ブランドなどである。対象に依存する指標は、これらの意見を受ける対象が与えられたときに、その対象に関連する著者の評価ということができる。

第３は、ブログから抽出された意見の極性に基づく指標である。ここで、極性とは、例えば、肯定意見と否定意見とを両極とする指標である。このような極性に基づく指標は、肯定意見、あるいは否定意見のいずれかを優先してブログを評価したいときに利用できる。

なお、ブログ中の意見、あるいは、意見の極性は、本情報システムが、ブログで抽出される用語と、辞書データベースに定義した用語とを対照することで、認識される。以下、それぞれの指標の具定例を示す。

（１）対象に依存しない全般的な指標
対象に依存しない全般的な指標としては、記事情報に対する平均コメント数、記事情報に対する平均トラックバック数、記事情報に対する平均リンク数、およびブログの更新頻
度を挙げることができる。

記事情報に対する平均コメント数とは、ブログ中の記事情報１件あたりのコメント数である。これは、ブログＵＲＬで特定されるブログに対する全コメント数をそのブログ中の記事情報件数で除算することで求めることができる。ブログ中の記事情報に対する平均コメント数が多いほど、そのブログの影響力が大きいといえる。

記事情報に対する平均トラックバック数とは、ブログ中の記事情報１件あたりのトラックバック数である。算出方法は、平均コメント数と同様である。トラックバックとは、ブログサイト間に形成される相互リンクの１種である。第１のブログサイトから第２のブログサイトにトラックバックを形成すると、第２のブログサイトを表示したときに、第１のブログサイトからトラックバックが形成されることが把握できる。ブログ中の記事情報に対する平均トラックバック数が多いほど、そのブログの影響力が大きいといえる。本情報システムでは、ある特定のブログにおいて形成されたトラックバック数を計数ときに、当該ブログサイトから他のブログサイトに向かって形成されたトラックバックか、他のブログサイトから当該ブログサイトに向かって形成されたトラックバックかを区別せずに計数する。

記事情報に対する平均リンク数とは、ブログ中の記事情報１件あたりの被リンク数、すなわち、他のブログサイトから当該ブログの記事情報にリンクされている個数である。算出方法は、平均コメント数と同様である。トラックバック数とは異なり、あるブログサイトの被リンク数は、そのブログサイトを探索しただけでは把握できず、関連するブログサイトをすべて探索する必要がある。ブログ中の記事情報に対する平均リンク数が多いほど、そのブログの影響力が大きいといえる。

ブログの更新頻度とは、ブログＵＲＬで特定される各ブログにおいて、記事情報が追加される頻度である。ブログの更新頻度が高いほど影響力が大きいといえる。

（２）特定の対象に依存する指標
対象に依存する指標としては、ブログで記述している対象に対する意見総量（総件数）、対象への意見記述の近接性、対象への１記事情報あたりの意見数、対象への意見記述の間隔、対象への意見割合を例示できる。

ここで、意見とは、ブログで記述している対象に対する主観的言及であり、１つの記事情報中に複数件の意見が存在しえる。例えば、「商品Ａはすばらしい」という言及が意見である。また、「商品Ｂは安価であるが、壊れやすい」という言及は、２つの意見、すなわち、「安価である」、および、「壊れやすい」を含んでいる。

また、意見を評価するときの対象、すなわち何に対する意見を評価するかは、情報システムの利用者によって入力される。本情報システムは、利用者が指定した対象に関連するブログ中の意見を抽出する。対象に対する意見総量（総件数）は、そのブログ中から抽出された意見の総件数である。対象に対する意見の総件数が多いほど、そのブログのその対象に対する影響力が大きいといえる。

対象への意見記述の近接性とは、最新の意見がブログの記事情報に書き込まれたときから現時点までの時間の短さの程度をいう。これは、その意見の新鮮さを示す指標である。対象に対して新しい（より最近の）意見が書かれているブログほどその対象に対する影響力が大きいといえる。

対象への１記事情報あたりの意見数とは、ブログ中の記事情報１件あたりの当該対象に
対する意見の数である。これは、ブログＵＲＬで特定されるブログにおける当該対象についての意見総件数数をそのブログ中の記事情報の総件数で除算することで求めることができる。ブログ中で当該対象に関する１記事情報あたりの平均意見数が多いほど、その対象に対する影響力が大きいといえる。

対象への意見記述の間隔とは、ブログ中での当該対象に対する意見が含まれる記事情報が発生する平均時間間隔（例えば、平均日数）である。対象への意見記述の間隔が短いほど、当該対象への影響力が大きいといえる。

対象への意見割合とは、そのブログ中での意見の総件数に対する、当該対象への意見件数の割合をいう。この割合が高いほど、当該対象に対する影響力が大きいといえる。

（３）意見の極性に基づく指標
この指標は、例えば、対象に関する肯定意見割合または否定意見割合である。

＜実施形態＞
以下、図１から図８の図面を参照して本発明の一実施形態に係る情報システムを説明する。本情報システムは、コンピュータ上で実行されるプログラムによって実現される。コンピュータとしては、一般的なもので構わない。そのようなコンピュータは、例えば、ＣＰＵ、メモリ、外部記憶装置（例えば、ハードディスク、取り外し可能な可搬記録媒体の駆動装置等）、外部記憶装置とのインターフェース、通信インターフェース、入出力装置（例えば、キーボード、マウス等のポインティングデバイス等）、表示装置等を有する。このコンピュータは、通信インターフェースを介して、インターネット等のネットワークにアクセスし、ブログサイトの記事情報等を参照する。また、ブログサイトの記事情報にコメントを書き込み、リンク、あるいは、トラックバックを形成する機能をユーザに提供する。

図１は、本情報システムの機能の概要図である。図１のように、本情報システムは、例えば、インターネット上のブログサイトにアクセスし、そのブログ内の情報を抽出する。ブログから抽出する情報としては、ブログＵＲＬ、記事ＵＲＬ、そのブログがリンクしているリンク先のアドレスリスト、そのブログに対するコメント数、トラックバックに関する情報、記事情報の作成日時、記事情報の本文等である。これらの情報は定型の形式でブログサイトに格納されているため、本情報システムは、定型の形式にしたがって、これらの情報を抽出する。ネットワーク上のブログにアクセスする技術は、ｈｔｔｐ（HyperText Transfer Protocol）等による通信機能を実現するブラウザとして周知であるため、そ
の詳細を省略する。

次に、本情報システムは抽出されたブログ情報から記事属性を抽出し、記事属性テーブルに格納する（矢印Ｓ１）。ここでは、情報システムは、ブログＵＲＬ、記事ＵＲＬ、リンク先アドレスリスト、コメント数、トラックバック数を入力として、記事属性テーブルに格納する。

なお、新たな記事情報がブログに追加された後のある期間はインターネットネットの上の読者からの注目を受けやすくなる。したがって、そのような注目を受けやすい期間が経過するまでは、ブログに対するコメント数、被リンク数、トラックバック数が増加する可能性がある。そこで、本情報システムでは、Ｓ１の処理によって記事属性テーブルに格納する情報の対象として、最新の記事情報を除外している。すなわち、ブログに掲載されて所定の期間が経過した記事情報を選択して、記事属性テーブルに格納する対象とする。

図４に、記事属性テーブルの構成を示す。図４は、記事属性テーブルの１つのレコード
の構成を示している。記事属性テーブルは、ブログＵＲＬ、記事ＵＲＬによって識別され、１つの記事情報に含まれる情報から１つのレコードが構成される。このレコードには、その記事情報のリンク先アドレスリスト、その記事情報に対して書き込まれたコメント数、その記事情報と相互リンクが形成されたトラックバック数、および被リンク数を含む。

図２に、記事属性テーブルへのデータのストア処理（図１の矢印Ｓ１）の詳細を示す。この処理では、本情報システムは、ネットワーク上で検索されたそれぞれのブログの記事情報からブログＵＲＬ、記事ＵＲＬ、リンク先アドレスリスト、コメント数、トラックバック数を抽出する（Ｓ１１）。この処理を実行するコンピュータのＣＰＵが、本発明の記事識別情報と記事情報とを抽出する手段に相当する。

そして、情報システムは、記事属性テーブルに、該当するブログＵＲＬおよび記事ＵＲＬのレコードが存在するか否かを判定する（Ｓ１２）。該当するブログＵＲＬおよび記事ＵＲＬのレコードが存在する場合には、本情報システムは、Ｓ１１で抽出された情報をそのレコードに追加する（Ｓ１３）。ここで、該当するブログＵＲＬおよび記事ＵＲＬのレコードが存在するというのは、ブログＵＲＬ、記事ＵＲＬ、および被リンク数を含み、コメント数等が空のレコードが存在することを意味する。このレコードは、図２のＳ１８の処理で追加されたものであり、被リンク数は、Ｓ１７およびＳ１８の処理で計数された値が設定されている。その処理の詳細はＳ１７、およびＳ１８の処理にて説明する。

一方、該当するブログＵＲＬおよび記事ＵＲＬのレコードが存在しない場合には、本情報システムは、被リンク数＝０として、Ｓ１１で抽出された情報を持つレコードを追加する（Ｓ１４）。

次に、本情報システムは、記事属性テーブルから、リンク先アドレスリストに値が入っているレコードを選択する。以下、記事属性テーブルの各レコードについて、Ｓ１５−Ｓ１８の処理を繰り返す。さらに、各レコードにおける各リンク先アドレスにおいて、以下のＳ１６−１８の処理を繰り返す。すなわち、各リンク先アドレスのブログＵＲＬおよび記事ＵＲＬが記事属性テーブルに含まれているか否かを判定する（Ｓ１６）。

そして、該当するブログＵＲＬおよび記事ＵＲＬが記事属性テーブルのレコードに含まれている場合、そのレコードの被リンク数を１増加させる（Ｓ１７）。該当するブログＵＲＬおよび記事ＵＲＬが記事属性テーブルのレコードは、Ｓ１４の処理で、被リンク数＝０として、追加したレコードである。ここでは、Ｓ１１で処理した記事情報からのリンクを１とカウントし、比リンク数を１増加している。

一方、該当するブログＵＲＬおよび記事ＵＲＬが記事属性テーブルのレコードに含まれていない場合、該当するブログＵＲＬおよび記事ＵＲＬのレコードを被リンク数＝１として、追加する（Ｓ１８）。この場合、ブログＵＲＬ、記事ＵＲＬ、および被リンク数以外の情報は、空欄となる。これら空欄の情報はそのレコードが、Ｓ１３によって処理されるときに追加されることになる。

以上のようにして、本情報システムは、記事属性テーブルへのデータのストア処理をインターネット上で検索されたすべてのブログに対して繰り返す。

次に、図１の情報システムの処理概要に戻る。Ｓ１の処理によって、記事属性テーブルに情報が格納されると、次に、ブログ属性テーブルへのデータのストア処理（矢印Ｓ２）を実行する。この処理では、情報システムは、記事属性テーブルの情報を読み込み、それらをブログごとに集約し、ブログ属性テーブルに格納する。この処理を実行するコンピュータのＣＰＵが、本発明の数量特性評価手段に相当する。

図５に、ブログ属性テーブルの構成を示す。図５は、ブログ属性テーブルの１つのレコードの構成を示している。ブログ属性テーブルは、ブログＵＲＬによって識別され、１つのブログに含まれる情報から１つのレコードが構成される。すなわち、ブログ属性テーブルは、ブログＵＲＬ、平均コメント数、平均トラックバック数、平均リンク数、更新頻度を有する。したがって、ブログ属性テーブルへのデータのストア処理は、それぞれのブログに含まれる記事情報に基づく記事属性テーブルのレコードを収集し、ブログＵＲＬごとに集約する処理となる。

図３に、ブログ属性テーブルへのデータのストア処理（矢印Ｓ２）の詳細を示す。この処理では、情報システムは、記事属性テーブルの中から、追加された全レコードに対して、以下の処理（Ｓ２２−Ｓ２４）を繰り返す（Ｓ２１）。

まず、情報システムは、その記事属性テーブルのレコードのブログＵＲＬがすでにブログ属性テーブルに登録されているか否かを判定する（Ｓ２２）。そのブログＵＲＬがブログ属性テーブルに登録されている場合、情報システムは、（式１）から（式４）により各種の値を更新する。

（式１）
更新後の平均コメント数＝（AveCom×Ｎ＋NewCom）／（Ｎ＋１）；
ここで、AveComは、更新前の平均コメント数、NewComは、現在処理中の記事属性テーブルのレコードによって新規に追加されたコメント数、Ｎは更新前に処理済みのレコード数（すなわち、更新頻度）である。

（式２）
更新後の平均トラックバック数＝（AveTB×Ｎ＋NewTB）／（Ｎ＋１）；
ここで、AveTBは、更新前の平均トラックバック数、NewTBは、現在処理中の記事属性テーブルのレコードによって新規に追加されたトラックバック数である。

（式３）
更新後の平均被リンク数＝（AveLink×Ｎ＋NewLink）／（Ｎ＋１）；
ここで、AveLinkは、更新前の平均被リンク数、NewLinkは、現在処理中の記事属性テーブルのレコードによって新規に追加された被リンク数である。

（式４）
更新頻度＝Ｎ＋１；
一方、Ｓ２２の判定で、そのブログＵＲＬがブログ属性テーブルに登録されている場合、情報システムは、平均コメント数として、新規に追加されたコメント数を設定し、平均トラックバック数として、新規に追加されたトラックバック数を設定し、平均被リンク数として、新規に追加された被リンク数を設定し、更新頻度＝１として、レコードを追加する。以上の手順を繰り返して、ブログ属性テーブルにデータが格納される。

次に、図１の情報システムの処理概要に戻る。Ｓ２の処理によって、ブログ属性テーブルに情報が格納されると、次に、情報システムは、ブログからの意見抽出処理（Ｓ３）を実行する。この処理では、情報システムは、それぞれのブログの記事情報から、特定の対象に関する主観的言及を抽出し、意見テーブルに格納する。

図６に、意見テーブルの構成を示す。図６は、意見テーブルの１つのレコードの構成を示している。意見テーブルのレコードは、ブログＵＲＬ、記事ＵＲＬ、作成日時、対象物、意見、および意見の極性の各フィールドを有している。

このうち、対象物とは、意見の対象である。ブログの記事情報は、様々な対象、例えば、企業の商品、サービス、ブランド等に関する意見を含んでいる。本情報システムは、利用者から抽出すべき意見の対象の指定を受ける。この指定は、コンピュータのユーザインターフェースを通じて、キーボード、マウス等の入力装置から入力される。情報システムは、この指定された対象に関する意見を記事情報から抽出する。意見テーブルのレコードには、その対象を指定する文字列が格納される。

意見は、その対象に関する主観的言及であり、通常は、１文の文章である。ただし、コンピュータ上のプログラムで処理するため、所定の形式に表現形式を統一しても構わない。例えば、「対象」とその対象に対する「評価を表す表現」とを対にして（対象、評価を表す表現）のような形式に統一してもよい。この場合、「商品Ａは美しい」という意見は、（商品Ａ、美しい）のように記述される。

意見の極性とは、肯定意見（ポジティブ）か、否定意見（ネガティブ）かを示す情報である。

意見の抽出手順は、本出願人によってすでに出願済みの特願２００６−４０２８３に具体的に提案されている。ここでは、例えば、インターネット上のブログなどの未知の文書を読み込み、形態素解析を行った後、固有名詞を格納した辞書あるいは一般名詞を格納した辞書と対照し、意見の対象を表す言葉を抽出する
さらに、上記未知の文書と、評価を表す表現を格納した評価表現辞書とを対照して評価表現を抽出する。ここで、評価を表す表現とは、例えば、「好き」「使いやすい」「きれい」等の肯定表現と、「嫌い」「難しい」「かっこ悪い」等の否定表現をいう。そして、抽出した対象を表す言葉と評価表現を組み合わせた評価対候補を抽出する。肯定表現か、あるいは、否定表現かについても、それぞれの表現とともに評価表現辞書に登録しておけばよい。

本情報システムは、抽出された評価対候補を意見としてもよい。また、抽出された評価対候補をそのまま意見とするのではなく、抽出した対象を表す言葉と、評価表現との関係を所定の条件式で評価して、対象と評価表現との関係が正解か誤りかを判定し、誤りと考えられる組み合わせを廃棄してもよい。これは、例えば、対象を表す言葉が所属するカテゴリと、評価表現が所属するカテゴリを事前に定義しておき、そのカテゴリ間の距離を判定すればよい。カテゴリ間の距離は、経験的に組み合わせて用いられる頻度から判断できる。

例えば、「自動車」という対象に対して、「速い」という評価表現は頻繁に用いられるため、「自動車」の所属するカテゴリと、「速い」という評価表現の所属するカテゴリは正解の判定基準を満足する近さとなる。一方、「自動車」という対象に対して、「おいしい」という評価表現は、滅多に用いられないため、「自動車」の所属するカテゴリと、「速い」という評価表現の所属するカテゴリは正解の判定基準を満足しない距離（誤り）となる。

したがって、コンピュータ上の固有名詞を格納した辞書、一般名詞を格納した辞書、および評価表現辞書のそれぞれに、言葉、あるいは表現（すなわち、文字列）とともにカテゴリを登録しておけばよい（これらの辞書が本発明の辞書データベースに相当する）。また、コンピュータ上に各カテゴリ間の距離を定義するテーブルを設けておけばよい。このようにして、抽出された評価対候補を廃棄すべき否かを判定できる。そして、本情報システムは、抽出された意見を意見テーブルに格納する。この処理を実行するコンピュータのＣＰＵが、本発明の辞書データベースの用語と対照する手段に相当する。

本情報システムは、ユーザインターフェースを通じて指定された対象についてのレコードを意見テーブルから抽出する。この処理を実行するコンピュータのＣＰＵが、本発明の意見抽出手段に相当する。そして、抽出したレコードによって意見についての指標を計算する（矢印Ｓ５）。この処理を実行するコンピュータのＣＰＵが、本発明の意見数量特性評価手段に相当する。

ここで、意見についての指標には、対象物への意見の総量、対象物への意見基準の近接性、対象物への１記事情報あたりの意見数、対象物への意見記述の間隔、対象物への意見割合、対象物への肯定意見割合（あるいは、否定意見割合）が含まれる。

（対象への意見総量）
特定の対象と、ブログＵＲＬが与えられたときに、その対象とブログＵＲＬを項目として持つレコードを意見テーブルから抽出し、そのレコードの集合をＡとする。また、Ａの要素数をＭとする。このとき、対象への意見総量はＭとなる。

（対象への意見記述の近接性）
上記集合Ａの中で、最も新しい記事情報の日付と現在の日付との日数差をｄとする。また、本近接性の判断処理における上限値をＤとする。Ｄは、それ以上離れた日付は近接でないと判断する日数を指す。このとき、対象物への意見記述の近接性Ｌは、以下の（式５）で計算される。

（式５）
Ｌ＝（Ｄ−ｄ）／Ｄ；
ただし、以下の（式６）ように処理してもよい。

（式６）
Ｌ＝（Ｄ−ｄ）／Ｄ； （ｄがＤ以下の場合）
Ｌ＝０； （ｄがＤを越える場合）
したがって、この処理では、Ｌは０から１の間の値を取る。

（対象物への１記事あたりの意見数）
上記で説明した特定の対象とブログＵＲＬを項目として持つ意見テーブルのレコードの集合Ａにおける異なる記事ＵＲＬの数をＮｕ、意見数をＯｐ、記事情報件数をArticleとす
ると、対象に対する１記事情報あたりの意見数Ｏｐ／Articleは、（式７）で計算される
。

（式７）
Ｏｐ／Article＝Ｎ／Ｎｕ
（対象物への意見記述の間隔）
本情報システムは、上記集合Ａから抽出された異なる記事ＵＲＬを作成日付の順にソーティングする。そして、その異なる記事ＵＲＬについて、ｉ番目の記事情報が作成された日付（例えば、その記事情報が当該ブログに登録された日付）をｄｉとする。また、ｄｉ−ｄｉによって、２つの日付の間隔（日数）とする。このとき、対象への意見記述の間隔Ｄは、次の（式８）で表される。

（対象への意見割合）
与えられたブログＵＲＬを項目としてレコードを意見テーブルから抽出し、その集合をＢ、Ｂの要素数をＮＢとする。このとき、対象物への意見割合Ｒは、（式９）で計算される。

（式９）
Ｒ＝Ｎ／ＮＢ
（対象への肯定意見割合）
上記集合Ａにおいて、意見の極性ｐ（ポジティブ、肯定意見）であるものからなる集合をＣとする。ここで、Ｃの要素数をＮｐとすると、対象への肯定意見割合Ｐは、（式１０）で計算される。なお、否定意見についても同様である。この肯定意見または否定意見の集合Ｃを求めるコンピュータのＣＰＵが本発明の分類する手段に相当する。

（式１０）
Ｐ＝Ｎｐ／Ｎ
次に、本情報システムは、ブログ属性テーブルの情報に含まれる指標と、Ｓ５の処理で計算された意見の指標をマージする（図１のＳ４およびＳ５）。本情報システムは、ブログ属性テーブルの情報のそれぞれの指標と、Ｓ５の処理で計算された意見の指標を以下の変数で表す。また、それぞれの指標（変数）に対する重みをａｉ（ｉ＝１，．．．、９）で表す。

ｘ１：平均コメント数、ｘ２：平均トラックバック数、ｘ３：平均比リンク数、ｘ４：更新頻度、ｘ５：対象への意見総量（総件数）、ｘ６：対象への意見の近接性、ｘ７：対象への１記事情報あたりの意見数、ｘ８：対象への意見記述の間隔、ｘ９：対象へのポジティブな意見数
このとき、スコアの合成値（本発明の特性値に相当）は、以下の（式１１）で計算される。この処理を実行するコンピュータのＣＰＵが、本発明の特性値を算出する手段に相当する。

このようにして、ブログＵＲＬごとに、スコアが記録される。上記変数ｘ１−ｘ９に対応するそれぞれの指標は、いずれも、ブログの読者に対する影響力に貢献するものであるため、（式１１）のスコアは、特定の対象に対する影響力を総合したスコアとなりえる。

＜実施形態の効果＞
以上説明したように、本情報システムによれば、インターネット等のネットワークに散在するブログから、記事情報を収集し、その記述の対象を問わない全般的な指標を算出する。また、ブログの対象に関する主観的な言及である意見を抽出し、特定の対象に依存する指標、意見の極性に基づく指標を算出する。そして、これらの指標を重み付け加算する
ことで、それぞれの指標を合成したスコアをブログＵＲＬごとに算出する。このような処理によって、ネットワーク上のそれぞれのブログＵＲＬごとに特定の対象に対する意見の影響力を定量的に評価できる。

このような評価によって、例えば、特定の商品（ＰＣ、家庭電気製品、自動車、食品、化粧品、嗜好品、住宅関連商品等の消費財）、サービス（旅行、宿泊施設、レストラン、イベント、テーマパーク、交通機関、テレビ番組、金融、保険）、あるいは、これらのブランドを対象として指定することにより、その対象に対して影響力のあるブログサイトを影響力の順に選択できる。

したがって、例えば、本情報システムをマーケティングツールに組み込むことで、有力なブログサイト（例えば、車に影響力のあるトップ１００）の記事情報を反映した分析を実施できる。

＜プロファイル推定＞
以上のアルゴリズムで、特定の対象に対するスコアを各ブログに付与することが可能になる。ここでは、このスコアを用いて本情報システムがプロファイル推定を行う手順を説明する。以下、図７および図８を参照して、この手順を説明する。図７は、本情報システムによるプロファイル推定処理の概要を示す図である。図８は、図７の処理によって得られるブログ別プロファイルの例である。

本情報システムは、特定の対象物に対する各ブログのスコアを求めることができるので、図７に示すように、「車メーカＡ」「車メーカＢ」といった個別の対象に対するスコアの総和により、「車」に関するスコアを個々のブログに付与することができる。対象と、その対象が所属するカテゴリを定義した辞書を用いることにより、「車」が所属する上位概念のカテゴリについても、同様に、スコアを算出できる。

次に、そのようなカテゴリごとのスコアを用いることにより、図８に示すように、ブログごとに、カテゴリ別にスコアを付与することができる。このブログとのカテゴリ別のスコアを用いて、個々のブログのプロファイル、すなわち、ブログの著者の後天的特性、あるいは、趣向特性の推定が可能となる。

例えば、図８の例では、Ａで示されたＵＲＬのブログは、車と食事に興味がある著者によって作成されていることが推定できる。すなわち、ブログごとのカテゴリ別のスコアが、所定のしきい値を越えるカテゴリを抽出すればよい。この処理を実行するコンピュータのＣＰＵが本発明の特性情報生成手段に相当する。

さらに、そのようなしきい値を越えるカテゴリを共通に含むブログの集合を作成することによって、複数のカテゴリの組み合わせに興味があるブログの集合、複数のカテゴリの組み合わせに影響力があるブログの集合を作成できる。このような集合を摘出できれば、特定のカテゴリの集合に関連して話題となっている事柄を抽出し、その集合に含まれるブログの著者が他にどのようなものに興味を有し、影響力を有するかという分析を行うことができる。このような技術をマーケティングツールに組み込むことで、マーケティングツールの機能を強化できる。

＜コンピュータ読み取り可能な記録媒体＞
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。

ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ／Ｗ、ＤＶＤ、ＤＡＴ、８ｍｍテープ、メモリカード等がある。

また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ（リードオンリーメモリ）等がある。

＜その他＞
さらに、本実施の形態は以下の発明を開示する。また、以下の各発明（以下付記と呼ぶ）のいずれかに含まれる構成要素を他の付記の構成要素と組み合わせてもよい。
（付記１）
ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、前記記事情報に対して前記ネットワークに接続される他のコンピュータから書き込まれるコメント情報と、前記ネットワーク上の他のコンピュータへのリンク情報と、前記ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価する評価システムであり、
前記閲覧対象情報から前記記事識別情報と記事情報とを抽出する手段と、
前記閲覧対象情報の数量特性を評価する数量特性評価手段と、を備える閲覧対象情報の評価システム。（１、図１、図２）
（付記２）
前記数量特性は、前記閲覧対象情報中の１件の記事情報あたりの、平均コメント数、前記他のコンピュータからの平均被リンク数、平均相互リンク数、および前記閲覧対象情報の更新頻度の少なくとも１つを含む、付記１に記載の閲覧対象情報の評価システム。（図２、図３、図４）
（付記３）
前記閲覧対象情報に含まれる主題の指定を受け付ける手段と、
前記主題に関連する意見を前記閲覧対象情報ごとに抽出する意見抽出手段と、をさらに備える付記１または２に記載の閲覧対象情報の評価システム。（図１、図６）
（付記４）
意見を示す用語を定義する辞書データベースをさらに備え、
前記意見抽出手段は、前記閲覧対象情報中の記事情報に含まれる文字列を前記辞書データベースの文字列と対照する手段を含む付記３に記載の閲覧対象情報の評価システム。
（付記５）
前記意見に係る意見数量特性を評価する意見数量特性評価手段をさらに備える付記３または４に記載の閲覧対象情報の評価システム。
（付記６）
前記意見数量特性は、前記閲覧対象情報中の前記主題についての意見総件数、前記主題についての意見が含まれる最新の記事情報の発生日から現在時点までの間隔、前記閲覧対象情報中の１つの記事あたりの前記主題についての平均意見数、前記主題についての意見を含む記事情報が複数回発生した場合の発生間隔、および前記閲覧対象情報中の意見の総件数に対する前記主題についての意見件数の比率の少なくとも１つを含む付記３から５のいずれかに記載の閲覧対象情報の評価システム。
（付記７）
前記意見を前記主題についての肯定意見または否定意見に分類する手段をさらに備え、
前記意見数量特性は、前記閲覧対象情報中の前記主題についての意見件数に対する肯定意見数の比率、または、否定意見数の比率を含む付記６に記載の閲覧対象情報の評価システム。
（付記８）
前記数量特性または前記意見数量特性を重み付け評価することによって前記主題に対する特性値を算出する手段をさらに備える付記６または７に記載の閲覧対象情報の評価システム。
（付記９）
前記閲覧対象情報中で、前記特性値が所定のしきい値より大きい１以上の主題とその主題に対する特性値との関係を含む特性情報生成手段をさらに備える付記８に記載の閲覧対象情報の評価システム。（図７、図８）
（付記１０）
ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、前記記事情報に対して前記ネットワークに接続される他のコンピュータから書き込まれるコメント情報と、前記ネットワーク上の他のコンピュータへのリンク情報と、前記ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価する評価方法であり、前記ネットワークにアクセス可能なコンピュータが、
前記閲覧対象情報から前記記事識別情報と記事情報とを抽出するステップと、
前記閲覧対象情報の数量特性を評価する数量特性評価ステップと、を実行する閲覧対象情報の評価方法。（２、図１、図２）
（付記１１）
ネットワークにアクセス可能な評価コンピュータに、前記ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、前記記事情報に対して前記ネットワークに接続される他のコンピュータから書き込まれるコメント情報と、前記ネットワーク上の他のコンピュータへのリンク情報と、前記ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価させる評価プログラムであり、
前記閲覧対象情報から前記記事識別情報と記事情報とを抽出するステップと、
前記閲覧対象情報の数量特性を評価する数量特性評価ステップと、を備える閲覧対象情報の評価プログラム。（３、図１、図２）
（付記１２）
前記数量特性は、前記閲覧対象情報中の１件の記事情報あたりの、平均コメント数、平均被リンク数、平均相互リンク数、および前記閲覧対象情報の更新頻度の少なくとも１つを含む、付記１１に記載の閲覧対象情報の評価プログラム。（図２、図３、図４）
（付記１３）
前記閲覧対象情報に含まれる主題の指定を受け付けるステップと、
前記主題に関連する意見を前記閲覧対象情報ごとに抽出する意見抽出ステップと、をさらに備える付記１１または１２に記載の閲覧対象情報の評価プログラム。（４、図１、図６）
（付記１４）
意見を示す用語を定義する辞書データベースを参照するステップをさらに備え、
前記意見抽出ステップは、前記閲覧対象情報中の記事情報に含まれる文字列を前記辞書データベースの文字列と対照するステップを含む付記１３に記載の閲覧対象情報の評価プログラム。
（付記１５）
前記意見に係る意見数量特性を評価する意見数量特性評価ステップをさらに備える付記１３または１４に記載の閲覧対象情報の評価プログラム。（５）
（付記１６）
前記意見数量特性は、前記閲覧対象情報中の前記主題についての意見総件数、前記主題についての意見が含まれる最新の記事情報の発生日から現在時点までの間隔、前記閲覧対象情報中の１つの記事あたりの前記主題についての平均意見数、前記主題についての意見を含む記事情報が複数回発生した場合の発生間隔、および前記閲覧対象情報中の意見の総件数に対する前記主題についての意見件数の比率の少なくとも１つを含む付記１３から１
５のいずれかに記載の閲覧対象情報の評価プログラム。
（付記１７）
前記意見を前記主題についての肯定意見または否定意見に分類するステップをさらに備え、
前記意見数量特性は、前記閲覧対象情報中の前記主題についての意見件数に対する肯定意見数の比率、または、否定意見数の比率を含む付記１６に記載の閲覧対象情報の評価プログラム。
（付記１８）
前記数量特性または前記意見数量特性を重み付け評価することによって前記主題に対する特性値を算出するステップをさらに備える付記１６または１７に記載の閲覧対象情報の評価プログラム。
（付記１９）
前記閲覧対象情報中で、前記特性値が所定のしきい値より大きい１以上の主題とその主題に対する特性値との関係を含む特性情報生成ステップをさらに備える付記１８に記載の閲覧対象情報の評価プログラム。（図７、図８）

本発明の一実施形態に係る情報システムの機能の概要図である。 記事属性テーブルへのデータのストア処理の詳細を示す図である。 ブログ属性テーブルへのデータのストア処理の詳細を示す図である。 記事属性テーブルの構成を示す図である。 ブログ属性テーブルの構成を示す図である。 意見テーブルの構成を示す図である。 本情報システムによるプロファイル推定処理の概要を示す図である。 ブログ別プロファイルの例である。

Claims (7)

1. ネットワークにアクセス可能な評価コンピュータに、前記ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、前記記事情報に対して前記ネットワークに接続される他のコンピュータから書き込まれるコメント情報と、前記ネットワーク上の他のコンピュータへのリンク情報と、前記ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価させる評価プログラムであり、
   前記閲覧対象情報から前記記事識別情報と記事情報とを抽出するステップと、
   前記閲覧対象情報の数量特性を評価する数量特性評価ステップと、を備える閲覧対象情報の評価プログラム。
2. 前記閲覧対象情報に含まれる主題の指定を受け付けるステップと、
   前記主題に関連する意見を前記閲覧対象情報ごとに抽出する意見抽出ステップと、をさらに備える請求項１に記載の閲覧対象情報の評価プログラム。
3. 前記意見に係る意見数量特性を評価する意見数量特性評価ステップをさらに備える請求項１または２に記載の閲覧対象情報の評価プログラム。
4. 前記意見数量特性は、前記閲覧対象情報中の前記主題についての意見総件数、前記主題についての意見が含まれる最新の記事情報の発生日から現在時点までの間隔、前記閲覧対象情報中の１つの記事あたりの前記主題についての平均意見数、前記主題についての意見を含む記事情報が複数回発生した場合の発生間隔、および前記閲覧対象情報中の意見の総件数に対する前記主題についての意見件数の比率の少なくとも１つを含む請求項３に記載の閲覧対象情報の評価プログラム。
5. 前記意見を前記主題についての肯定意見または否定意見に分類するステップをさらに備え、
   前記意見数量特性は、前記閲覧対象情報中の前記主題についての意見件数に対する肯定意見数の比率、または、否定意見数の比率を含む請求項３または４に記載の閲覧対象情報の評価プログラム。
6. ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、前記記事情報に対して前記ネットワークに接続される他のコンピュータから書き込まれるコメント情報と、前記ネットワーク上の他のコンピュータへのリンク情報と、前記ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価する評価システムであり、
   前記閲覧対象情報から前記記事識別情報と記事情報とを抽出する手段と、
   前記閲覧対象情報の数量特性を評価する数量特性評価手段と、を備える閲覧対象情報の評価システム。
7. ネットワークに接続されたコンピュータに格納され、記事識別情報によって識別される１以上の記事情報と、前記記事情報に対して前記ネットワークに接続される他のコンピュータから書き込まれるコメント情報と、前記ネットワーク上の他のコンピュータへのリンク情報と、前記ネットワーク上の他のコンピュータとの相互リンク情報と、を含む閲覧対象情報を評価する評価方法であり、前記ネットワークにアクセス可能なコンピュータが、
   前記閲覧対象情報から前記記事識別情報と記事情報とを抽出するステップと、
   前記閲覧対象情報の数量特性を評価する数量特性評価ステップと、を実行する閲覧対象情報の評価方法。

Images