JP2009187654A - 重複データ検索装置及び重複データ検索方法 - Google Patents

Abstract

【課題】システム・コストの上昇やシステムの複雑化を招くことなく、重複データを検索することができ、かつ、重複データの検索時や消去の検討時にエラーが発生する可能性をさらに低減する。
【解決手段】重複データを検索する方法であって、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップと、第２セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップと、第１セグメントのデータに関連付けられた一以上の識別子と、第２セグメントのデータに関連付けられた一以上の識別子とを比較して、第１セグメントのデータが第２セグメントのデータと実質的に同一か否かを判断するステップとを含み、第１セグメントのデータの少なくとも一部分と第２セグメントのデータの少なくとも一部分とは、時間ベース又はビット単位ベースの少なくとも１つによる対応関係を有する方法に関する。
【選択図】図２

Description

本発明は、一般に、記録システムに関し、特に、デジタル符号化信号をハードディスク・ドライブや記録可能な光ディスク等のディスク媒体に記録するマルチメディアデータ記録システムに関する。

現在、多様な様式のデータを、様々な異なるタイプの記憶媒体に記録することができる。例えば、多くの消費者が、テレビ番組や音楽を光ディスクやハードディスク・ドライブ（ＨＤＤ）に記録している。技術改良に伴い、光ディスク媒体及びＨＤＤの記憶容量は著しく増加した。実際、ＨＤＤの中には、５０ギガバイトを優に超えるデータを格納できるものがある。従って、消費者は、このような記憶媒体に多数のプログラム又は楽曲を記録することができる。

データを記録可能な記憶媒体に記録する際、記録した内容を識別するために、ユーザは、一般に、その記録可能な記憶媒体にタイトルを入力することができる。こうしたタイトルは、あるデータを以前に記録したかどうかを調べる際に、その記録データを検索するのに有用である。しかし、この検索処理はかなりの労力を要し、非効率的で、かつ、エラーが生じる可能性がある。記憶媒体には、数百あるいは数千ものタイトルが含まれることがあるからである。この問題が特に深刻になるのは、記憶媒体が大容量のＨＤＤの場合や、ある種のデータ・セグメントのタイトルにデフォルトのタイトルが付されている場合である。

仮に、記憶媒体上のあるデータ・セグメントを、そのタイトルを検索して比較的簡単に見つけることができるとしても、異なるデータ・セグメントに同じタイトルが付されていることがあり得る。例えば、ある楽曲が記憶媒体に記録され、その曲名に基づいたタイトルがその楽曲に付された場合、最初の楽曲と同一の曲名で別の曲目を後に記録することができる。こうした混乱は、例えば、二人の別々のアーティストが同一の楽曲を異なるバージョンで録音した場合等に生じる。２曲目を録音する際、ユーザは以前に録音された楽曲のタイトルを確認し、その楽曲が既に録音済みであると勘違いすることがある。

このため、システム・コストの上昇やシステムの複雑化を招くことなく、重複データを検索することができ、かつ、重複データの検索時や消去の検討時にエラーが発生する可能性をさらに低減することができるシステム及び方法が望まれる。

本発明は、重複データを検索するための方法に関する。この方法は、固有識別（ＵＩＤ）機能を使用して、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップと、前記ＵＩＤ機能を使用して、第２セグメントのデータの少なくとも対応する一部分から一以上の識別子を生成するステップと、前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子とを比較して、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一か否かを判断するステップとを含む。

一実施形態によれば、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第１セグメントのデータが記憶媒体に記録される時に、又は、前記第１セグメントのデータが前記記憶媒体に記録された後に、ＵＩＤ機能を使用して、前記第１セグメントのデータの前記少なくとも一部分から一以上の識別子を生成するステップを含んでも良い。また、第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第２セグメントのデータが前記記憶媒体に記録される時に、前記ＵＩＤ機能を使用して、第２セグメントのデータの前記少なくとも一部分から前記一以上の識別子を生成するステップを含んでも良い。さらに、第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第２セグメントのデータが異なる記憶媒体に記録される時に行っても良い。

ある側面によれば、前記第１セグメントのデータと前記第２セグメントのデータは、マルチメディアデータのセグメントであっても良い。前記方法は、前記第１セグメントのデータに関連付けられた前記一以上の識別子をテーブルに記憶するステップと、前記比較ステップに先立って、前記第１セグメントのデータに関連付けられた前記一以上の識別子を前記テーブルから取り出すステップをも含んでも良い。また、前記方法は、前記第１セグメントのデータに関連付けられた一以上の識別子が、前記第２セグメントのデータに関連付けられた前記一以上の識別子と一致する場合に、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一であることを表示するステップを含んでも良い。

別の実施形態によれば、前記第１セグメントのデータの前記少なくとも一部分と、前記第２セグメントのデータの前記少なくとも一部分の大きさは、時間単位又はビット単位で表しても良い。前記第１セグメントのデータの前記少なくとも一部分と、前記第２セグメントのデータの前記少なくとも一部分は、時間的に対応しても、又はビット毎に対応しても良い。別の側面によれば、前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子は、ハッシュ値であっても良く、また、前記ＵＩＤ機能はハッシュ機能であっても良い。この場合、前記第１セグメントのデータと前記第２セグメントのデータが同一である場合、前記第１セグメントのデータに関連付けられたハッシュ値は、前記第２セグメントのデータに関連付けられたハッシュ値と等しくなる。

また、前記比較ステップは、前記第１セグメントのデータに関連付けられた複数の識別子と、前記第２セグメントのデータに関連付けられた複数の識別子とを比較して、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一であるか否かを判断するステップを含んでも良い。さらに、前記比較ステップは、第１セットの複数セグメントのデータに関連付けられた複数の識別子と、第２セットの複数セグメントのデータに関連付けられた複数の識別子とを比較して、前記第１セットの複数セグメントのデータと前記第２セットの複数セグメントのデータが実質的に同一か否かを判断するステップを含んでも良い。

本発明は、重複データを検索するシステムにも関する。このシステムは、記憶媒体に対してデータの読み書きを行うコントローラと、プロセッサとを有し、前記プロセッサは、ＵＩＤ機能を使用して、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成し、前記ＵＩＤ機能を使用して、第２セグメントのデータの少なくとも一部分から一以上の識別子を生成し、前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子とを比較して、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一か否かを判断するようにプログラムされている。このシステムは、上述した方法を導入すべく適当なソフトウェアや回路を含む。

本発明のシステム及び方法によると、システム・コストの上昇やシステムの複雑化を招くことなく、重複データを検索することができ、かつ、重複データの検索時や消去の検討時にエラーが発生する可能性をさらに低減することができる。

本発明による、重複データを検索可能なシステムのブロック図である。 本発明による重複データ検索処理を説明するフローチャートである。

図１は、本発明に従って様々な動作を実行するシステム１００のブロック図である。もっとも、本発明は、図１に示されたシステムに限定されるものではなく、デジタル符号化信号を受信可能な他のいかなるシステムにも適用可能である。また、システム１００の機能は、特定のタイプの記憶媒体からのデータの読み出し又は書き込みに限定されるものではなく、デジタル符号化データを記憶可能ないかなる記憶媒体も使用することができる。

システム１００は、記憶媒体１１２に対してデータの読み書きを行うためのコントローラ１１０を備える。コントローラ１１０は、メモリ１２０その他の記憶媒体に対してデータの読み書きを行う。システム１００は、マイクロプロセッサ１１４と、テーブル又はメモリ１１６と、ディスプレイ１１８とを備える。制御／データ・インターフェース（不図示）を介して、マイクロプロセッサ１１４にコントローラ１１０とディスプレイ１１８の動作を制御させ、テーブル１１６に格納された情報を取り出させる構成としても良い。マイクロプロセッサ１１４が実行する通常の動作に適当なソフトウェア又はファームウェアをメモリに導入しても良い。また、マイクロプロセッサ１１４に本発明のプログラム・ルーチンを導入しても良い。さらに、マイクロプロセッサ１１４の代わりに、他の適当なソフトウェア又は回路を用いても良い。

動作中において、コントローラ１１０は、第１セグメントのデータを記憶媒体１１２に書き込む。一実施形態によれば、第１セグメントのデータを記憶媒体１１２に記録する際に、マイクロプロセッサ１１４は、ＵＩＤ機能を使用して、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成する。マイクロプロセッサ１１４は、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成すると、当該識別子をテーブル１１６に渡す。また、別の実施形態によれば、第１セグメントのデータに関連付けられた一以上の識別子は、第１セグメントのデータが記憶媒体１１２に記録された後であればいつでも生成することができる。

また、マイクロプロセッサ１１４は、上述したＵＩＤ機能を使用して、第２セグメントのデータの対応する少なくとも一部分に対して、一以上の識別子を生成する。マイクロプロセッサ１１４は、第２セグメントのデータが記憶媒体記憶媒体１１２、あるいは、メモリ１２０に記録される時に、その第２セグメントのデータに関連付けられた一以上の識別子を生成することができる。なお、メモリ１２０は、デジタル符号化データを記憶するメモリであれば、どのようなメモリであっても良い。

識別子が生成されると、マイクロプロセッサ１１４は、第１セグメントのデータに関連付けられた一以上の識別子をテーブル１１６から取り出す。マイクロプロセッサ１１４は、第１セグメントのデータに関連付けられた一以上の識別子と、第２セグメントのデータに関連付けられた一以上の識別子とを比較して、第１セグメントのデータが第２セグメントのデータと実質的に同一か否かを判断する。第１セグメントのデータに関連付けられた一以上の識別子と、第２セグメントのデータに関連付けられた一以上の識別子とが一致する場合には、第１セグメントのデータに関連付けられた一以上の識別子は、第２セグメントのデータに関連付けられた一以上の識別子と、完全とは言えないまでも実質的に同一である。この場合、マイクロプロセッサ１１４は、第１及び第２のセグメントのデータが同一であることをディスプレイ１１８を介してユーザに表示する。以下、本発明の処理の概要をより詳細に説明する。

重複データの検索
図２は、重複又は同一データ検索処理を説明するフローチャート２００を示す。ステップ２１０で処理を開始する。ステップ２１２で、ＵＩＤ機能を使用して、第１セグメントのデータの少なくとも一部分から一以上の識別子を生成する。この識別子は、第１セグメントのデータを記憶媒体に記録する際に生成することができる。逆に言えば、第１セグメントのデータが記憶媒体に記録された後なら、いつでも識別子を生成することができる。

第１セグメントのデータは、テキストベースのデータ、オーディオ、ビデオ、又は、これらの組み合わせを含む適当なタイプのデータや、その他の適当な形式のデータであって良い。また、第１セグメントのデータは、暗号化されていても良い。また、識別子は、第１セグメントのデータの複数の非連続部分を含めて、第１セグメントのデータのどの部分から生成しても良い。識別子を生成する元となるデータ部分の大きさは、時間単位で表してもビット単位で表しても良い。

例えば、第１セグメントのデータが楽曲の場合、上述した一部分が第１セグメントのデータ全体を含むように、その楽曲全体から識別子を生成しても良い。また、その楽曲を、前半部と後半部といった二つの別々の部分に分けても良い。この楽曲の両部分の大きさを時間単位で表すと、前半部はその楽曲の最初の３０秒であり、後半部はその楽曲の最後の３０秒となる。本発明によれば、楽曲のこれら二つの部分を組み合わせて、この組み合わせから一以上の識別子を生成することができる。従って、一つのセグメントのデータにつき一以上の識別子を、別のセグメントのデータに関連付けられた対応する数の識別子との比較に用いることができる。

さらに例を挙げれば、楽曲の前半と後半の各部分から識別子を生成して、同一の楽曲から二つの別個の識別子を生成しても良い。あるいは、前半部と後半部との間の時間測定に基づいて識別子を生成しても良い。さらに、前記少なくとも一部分のデータの大きさがビット単位で測定される場合には、例えば、楽曲の最初の１メガビットのデータから識別子を生成しても良い。ただし、本発明は上述した例に限定されるものではなく、適当なデータタイプの第１セグメントのデータ（前記少なくとも一部分が第１セグメントのデータ全体を有する場合を含む）の、任意の部分から、任意の数の識別子を生成しても良い。

フローチャート２００の説明に戻ると、ステップ２１４で、第１セグメントのデータに関連付けられた一以上の識別子は、テーブルに記憶されることが望ましい。ステップ２１６で、上述したＵＩＤ機能を使用して、第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する。第２セグメントのデータに関連付けられた一以上の識別子の生成は、第１セグメントのデータに関連して説明した処理に従っても良い（ステップ２１２についての説明を参照）。より正確に言えば、第２セグメントのデータの、一以上の識別子を生成する元となる部分は、第１セグメントのデータの一部分と対応する部分である。この対応関係は、時間に基づくものであっても、ビット単位に基づくものであっても良い。

例えば、第１セグメントのデータが楽曲であり、第１セグメントのデータに関連付けられた一以上の識別子が、その楽曲全体に基づいて生成されている（前記一部分が、第１セグメントのデータ全体を有する）場合には、第２セグメントのデータに関連付けられた一以上の識別子も、その楽曲全体から生成される（第２セグメントのデータは、実際に楽曲であると仮定した場合）。また、第１セグメントのデータの少なくとも一部分が、データの最初の１メガビットを含み、第１セグメントに関連付けられた一以上の識別子がその部分から生成されている場合、第２セグメントのデータに関連付けられる一以上の識別子は、第２セグメントのデータの最初の１メガビットから生成されることが望ましい。

一実施形態によれば、第１セグメントのデータが記録された記憶媒体に第２セグメントのデータが記録される時に、第２セグメントのデータに関連付けられた一以上の識別子が生成可能になる。また、第２セグメントのデータが異なる記憶媒体に記録される時にも、第２セグメントのデータに関連付けられた一以上の識別子は生成可能となる。

ステップ２１８で、第２セグメントのデータから適当な一以上の識別子が生成されると、第１セグメントのデータに関連付けられた一以上の識別子をメモリから、望ましくは、テーブルから取り出すことができる。ステップ２２０で、第１セグメントのデータに関連付けられた一以上の識別子を第２セグメントのデータに関連付けられた一以上の識別子と比較して、第１セグメントのデータが第２セグメントのデータと実質的に同一か否かを判断することができる。双方の識別子が同じ場合、第１セグメントのデータはほとんど常に第２セグメントのデータと同一ということになる。ステップ２２２で、第１セグメントのデータに関連付けられた一以上の識別子が第２セグメントのデータに関連付けられた一以上の識別子と一致した場合、ステップ２２４で、第２セグメントのデータが第２セグメントのデータと実質的に同一である旨をユーザに表示することができる。さらに、ステップ２２６では、ステップ２２２での比較のために記憶媒体に記録された第２セグメントのデータの部分を、ユーザによって選択的に又は自動的に消去することができる。ステップ２２８で、処理を終了する。

また、別の実施形態によれば、前記一以上の識別子はハッシュ値であっても良い。さらに、前記ＵＩＤ機能はハッシュ機能であっても良い。第１セグメントのデータに関連付けられたハッシュ値が第２セグメントのデータに関連付けられたハッシュ値と等しくなるのは、第１セグメントのデータと第２セグメントのデータが同一、又は実質的に同一の場合である。本発明で使用可能なハッシュ機能の例としては、排他的論理和がある。ただし、本発明はこの特定のハッシュ機能に限定されるものではなく、他の適当なハッシュ機能を用いることもできる。

以上、本発明を複数の実施形態と共に説明したが、上述の記載は本発明を説明するためのものであって、特許請求の範囲に記載の発明の範囲を限定するものではない。

１００ システム
１１０ コントローラ
１１２ 記憶媒体
１１４ マイクロプロセッサ
１１６ テーブル
１１８ ディスプレイ
１２０ メモリ

Claims (20)

1. 重複データを検索する方法であって、
   第１セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップと、
   第２セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップと、
   前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子とを比較して、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一か否かを判断するステップと
   を含み、
   前記第１セグメントのデータの少なくとも一部分と前記第２セグメントのデータの少なくとも一部分とは、時間ベース又はビット単位ベースの少なくとも１つによる対応関係を有する方法。
2. 請求項１記載の方法であって、前記第１セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第１セグメントのデータが記憶媒体に記録される時に、前記第１セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップを含むことを特徴とする方法。
3. 請求項２記載の方法であって、前記第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第２セグメントのデータが前記記憶媒体に記録される時に、前記第２セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップを含むことを特徴とする方法。
4. 請求項２記載の方法であって、前記第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第２セグメントのデータが異なる記憶媒体に記録される時に、前記第２セグメントのデータの少なくとも一部分から一以上の識別子を生成するステップを含むことを特徴とする方法。
5. 請求項１記載の方法であって、前記第１セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第１セグメントのデータが前記記憶媒体に記録された後に実行されることを特徴とする方法。
6. 請求項５記載の方法であって、前記第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第２セグメントのデータが前記記憶媒体に記録される時に、前記第２セグメントのデータの少なくとも対応する一部分から一以上の識別子を生成するステップを含むことを特徴とする方法。
7. 請求項５記載の方法であって、前記第２セグメントのデータの少なくとも一部分から一以上の識別子を生成する前記ステップは、前記第２セグメントのデータが異なる記憶媒体に記録される時に、前記第２セグメントのデータの前記少なくとも一部分から前記一以上の識別子を生成するステップを含むことを特徴とする方法。
8. 請求項１記載の方法であって、前記第１セグメントのデータと前記第２セグメントのデータは、マルチメディアデータのセグメントであることを特徴とする方法。
9. 請求項１記載の方法であって、
   前記第１セグメントのデータに関連付けられた前記一以上の識別子をテーブルに記憶するステップと、
   前記比較ステップに先立って、前記第１セグメントのデータに関連付けられた前記一以上の識別子を前記テーブルから取り出すステップと
   をさらに含むことを特徴とする方法。
10. 請求項１記載の方法であって、前記第１セグメントのデータに関連付けられた一以上の識別子が、前記第２セグメントのデータに関連付けられた一以上の識別子と一致する場合に、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一であることを表示するステップをさらに含むことを特徴とする方法。
11. 請求項１記載の方法であって、前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子はハッシュ値であり、
    前記第１セグメントのデータと前記第２セグメントのデータが同一である場合、前記第１セグメントのデータに関連付けられたハッシュ値は、前記第２セグメントのデータに関連付けられたハッシュ値と等しくなることを特徴とする方法。
12. 請求項１記載の方法であって、前記比較ステップは、前記第１セグメントのデータに関連付けられた複数の識別子と、前記第２セグメントのデータに関連付けられた複数の識別子とを比較して、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一であるか否かを判断するステップを含むことを特徴とする方法。
13. 請求項１記載の方法であって、前記比較ステップは、第１セットの複数セグメントのデータに関連付けられた複数の識別子と、第２セットの複数セグメントのデータに関連付けられた複数の識別子とを比較して、前記第１セットの複数セグメントのデータと前記第２セットの複数セグメントのデータが実質的に同一か否かを判断するステップを含むことを特徴とする方法。
14. 重複データを検索するシステムであって、
    記憶媒体に対してデータの読み書きを行うコントローラと、
    前記コントローラに接続されたプロセッサとを有し、
    前記プロセッサは、
    第１セグメントのデータが前記記憶媒体に記録される時、前記第１セグメントのデータの少なくとも一部分から一以上の識別子を生成し、
    第２セグメントのデータの少なくとも一部分から一以上の識別子を生成し、
    前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子とを比較して、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一か否かを判断する、
    ようにプログラムされることを特徴とするシステム。
15. 請求項１４記載のシステムであって、前記プロセッサは、前記第２セグメントのデータが前記記憶媒体に記録される時に、前記第２セグメントのデータの前記少なくとも一部分から前記一以上の識別子を生成するようにさらにプログラムされていることを特徴とするシステム。
16. 請求項１４記載のシステムであって、前記プロセッサは、前記第２セグメントのデータが異なる記憶媒体に記録される時に、前記第２セグメントのデータの前記少なくとも一部分から前記一以上の識別子を生成するようにさらにプログラムされていることを特徴とするシステム。
17. 請求項１４記載のシステムであって、前記第１セグメントのデータと前記第２セグメントのデータは、マルチメディアデータのセグメントであることを特徴とするシステム。
18. 請求項１４記載のシステムであって、テーブルをさらに有し、
    前記プロセッサは、
    前記第１セグメントのデータに関連付けられた一以上の識別子を前記テーブルに記憶し、
    前記比較ステップに先立って、前記第１セグメントのデータに関連付けられた一以上の識別子を前記テーブルから取り出す
    ようにさらにプログラムされていることを特徴とするシステム。
19. 請求項１４記載のシステムであって、前記プロセッサは、前記第１セグメントのデータに関連付けられた一以上の識別子が、前記第２セグメントのデータに関連付けられた前記一以上の識別子と一致する場合に、前記第１セグメントのデータが前記第２セグメントのデータと実質的に同一であることを表示するようにさらにプログラムされていることを特徴とするシステム。
20. 請求項１４記載のシステムであって、前記第１セグメントのデータに関連付けられた前記一以上の識別子と、前記第２セグメントのデータに関連付けられた前記一以上の識別子はハッシュ値であり、
    前記プロセッサは、前記第１セグメントのデータと前記第２セグメントのデータが実質的に同一であることを示す、前記第１セグメントのデータに関連付けられたハッシュ値が前記第２セグメントのデータに関連付けられたハッシュ値と等しくなるか判断することを特徴とするシステム。
    

Images