JP2010092216A - ドキュメントスコア算出装置、方法及びプログラム - Google Patents

Abstract

【課題】ユーザの属性を考慮してドキュメントにスコアを付与する。
【解決手段】リーダーランク計算部２０が、アクセスログを用いて、各属性値を有するユーザの集合の各ドキュメントについてのリーダーランクを計算する。スコアを付与する際に考慮の対象となるユーザの１以上の属性のそれぞれから選択された属性値及びドキュメント情報が総合ランク計算部３０に入力される。総合ランク計算部３０は、それらの入力された各属性値を有するユーザの集合のそのドキュメント情報で特定されるドキュメントについての上記計算されたリーダーランクを統合して、それらの入力された属性値で特定されるセグメントに属するユーザの集合のそのドキュメントについての総合ランクを計算する。
【選択図】図１

Description

この発明は、Ｗｅｂページ等のテキストを含むドキュメントに対して、関連性の高さ、人気度合い等に応じたスコアをメタ情報として付与する技術に関する。

Ｗｅｂページに対して、その重要度に応じたスコアを付与する技術として、非特許文献１に記載された技術が知られている。

非特許文献１に記載された技術（いわゆるＰａｇｅＲａｎｋ（登録商標））では、ページＡからページＢへのリンクをページＡによるページＢへの支持投票とみなし、その投票数によりページＢの重要度を判断し、その重要度に応じたスコアをページＢに付与する。
グーグル株式会社、［online］、［平成２０年１０月７日検索］、インターネット＜URL: http://www.google.co.jp/intl/ja/why_use.html＞

上記非特許文献１の技術は、スコアを付与する際に、ユーザの性別、年代、居住地及び趣味等の属性を考慮していない。したがって、ユーザの属性が違っても、Ｗｅｂページに付与されるスコアは同じであった。

この発明は、上記に鑑みて、ユーザの属性を考慮して、Ｗｅｂページ等のドキュメントにスコアを付与するドキュメントスコア算出装置、方法及びプログラムを提供することを目的とする。

この発明によるドキュメントスコア算出装置は、複数の属性のそれぞれは固有の複数の属性値を持つとして、複数の属性のそれぞれにおいて少なくとも１つの属性値が与えられた各ユーザの、ドキュメントへのアクセスログが記憶されたアクセスログ記憶部と、ある属性値を有するユーザの集合のあるドキュメントについての関連性の高さを表す指標をその属性値を有するユーザの集合のそのドキュメントについてのリーダーランクとして、アクセスログを用いて、各属性値を有するユーザの集合の各ドキュメントについてのリーダーランクを計算するリーダーランク計算部と、１以上の属性のそれぞれから選択される属性値で特定されるセグメントをそれらの属性値のすべてを有するユーザの集合とし、あるセグメントに属するユーザの集合のあるドキュメントについての関連性の高さを表す指標をそのセグメントに属するユーザの集合のそのドキュメントについての総合ランクとして、スコアを付与する際に考慮の対象となるユーザの１以上の属性のそれぞれから選択された属性値及びドキュメント情報が入力され、それらの入力された各属性値を有するユーザの集合のそのドキュメント情報で特定されるドキュメントについての計算されたリーダーランクを統合して、それらの入力された属性値で特定されるセグメントに属するユーザの集合のそのドキュメントについての総合ランクを計算する総合ランク計算部と、を含む。

ユーザが有する各属性値についてのリーダーランクを統合して総合ランクを計算することにより、ユーザの属性を考慮してドキュメントにスコア（総合ランク乃至静的ランク）を付与することが可能となる。

以下、この発明の一実施形態を説明する。図１に、この発明によるドキュメントスコア算出装置の例の機能ブロックを示す。図２に、この発明によるドキュメントスコア算出方法の例を示す。以下、スコアを付与する対象となるドキュメントがＷｅｂページである場合を例に挙げて説明する。

まず、「属性」の概念について説明をする。「属性」とは、ユーザの性別、年代、居住地、趣味、年収、学歴、職種等のユーザの特徴を示す枠組みである。各属性は、固有の属性値を有する。例えば、「性別」という属性は、「男」、「女」という２つの属性値を有し、「年代」という属性は、「１０代」、「２０代」、…、「８０代」という８つの属性値を有するものとする。どのような属性を用いるか、それらの属性のそれぞれの属性値としてどのような属性値を用いるかは、この発明を用いるシステム要件等に応じて適宜定める。

各ユーザは、複数の属性のそれぞれにおいて、少なくとも１つの属性値を有する。例えば、「性別」の属性においては、ユーザは「男性」又は「女性」の何れか１つの属性値を持つ。一方、例えば「趣味」の属性においては、「ゴルフ」「コンピュータ」等の複数の属性値を持っていてもよい。

アクセスログ記憶部１０には、各ユーザのＷｅｂページへのアクセスログが記憶されている。例えば、インターネットサービスプロバイダー（ＩＳＰ）におけるＩＳＰ通信ログや、プロキシサーバーにおけるプロキシログが、アクセスログとして、アクセスログ記憶部１０に記憶される。アクセスログ記憶部１０に記憶されるアクセスログは、参考文献１に記載された手法により正規化されていてもよい。アクセスログは、後述するリーダーランクを計算することができるものであれば、その形式は問わない。
〔参考文献１〕［online］、［平成２０年１０月７日検索］、インターネット＜URL: http://en.wikipedia.org/wiki/URL_normalization＞

＜ステップＳ１＞
リーダーランク計算部２０は、アクセスログ記憶部１０に記憶されたアクセスログを用いて、各属性値を有するユーザの集合の各Ｗｅｂページについてのリーダーランクを計算する（ステップＳ１）。ここで、ある属性値を有するユーザの集合のあるＷｅｂページについての関連性の高さを表す指標を、その属性値を有するユーザの集合のそのＷｅｂページについてのリーダーランクと定義する。計算されたリーダーランクは総合ランク計算部３０に送られる。

例えば属性として２つの属性「性別」「年代」が定義されており、「性別」の属性値として２つの属性値「男性」「女性」が、「年代」の属性値として４つの属性値「１０代」「２０代」「３０代」「４０代以上」が定義されているとする。この場合、リーダーランク計算部２０は、「男性」「女性」「１０代」「２０代」「３０代」「４０代以上」の６つの属性値のそれぞれについて、その属性値を有するユーザの集合の各Ｗｅｂページについてのリーダーランクを計算する。すなわち、まず、「男性」という属性値を有するユーザについてのアクセスログを用いて、「男性」という属性値を有するユーザの集合の各Ｗｅｂページについてのリーダーランクを計算する。次に、「女性」という属性値を有するユーザについてのアクセスログを用いて、「女性」という属性値を有するユーザの集合の各Ｗｅｂページについてのリーダーランクを計算する。同様に、「１０代」という属性値を有するユーザについてのアクセスログを用いて、「１０代」という属性値を有するユーザの集合の各Ｗｅｂページについてのリーダーランクを計算する。「２０代」「３０代」「４０代以上」の属性値についてもそれぞれ同様にリーダーランクを計算する。このように、属性値の数だけ、各Ｗｅｂページについてのリーダーランクを計算する。

以下、Ｗｅｂページを、Ｗｅｂページｗｉ（ｉ＝１，…，Ｉ）と表記する。Ｉは、スコアを付与することが可能なＷｅｂページの総数である。アクセスログ記憶部１０に記憶されたアクセスログによるとアクセスされたＷｅｂページが、リーダーランク、総合ランク、静的ランク等のスコアを付与することが可能なＷｅｂページとなる。

以下、属性値ｚを有するユーザの集合のＷｅｂページｗｉについてのリーダーランクを計算する方法の例を説明する。上記の例だと、「男性」「女性」「１０代」「２０代」「３０代」「４０代以上」のそれぞれがｚに該当する。属性値ｚを有するユーザのアクセスログから、閲覧頻度ｆ（ｚ，ｗｉ）、ユニークユーザ数ｕ（ｚ，ｗｉ）、アクセス日数ｄ（ｚ，ｗｉ）、滞在時間ｔ（ｚ，ｗｉ）、最後に閲覧してからの時間ｒ（ｚ，ｗｉ）、ドキュメントクリック数ｃ（ｚ，ｗｉ）、ページ到達ステップ数ｓ（ｚ，ｗｉ）をそれぞれ計算する。

図３に例示する、リーダーランク計算部２０の閲覧頻度計算部２１が閲覧頻度ｆ（ｚ，ｗｉ）を計算し、ユニークユーザ数計算部２２がユニークユーザ数ｕ（ｚ，ｗｉ）を計算し、アクセス日数計算部２３がアクセス日数ｄ（ｚ，ｗｉ）を計算し、滞在時間計算部２４が滞在時間ｔ（ｚ，ｗｉ）を計算し、閲覧時間計算部２５が最後に閲覧してからの時間ｒ（ｚ，ｗｉ）を計算し、ドキュメントクリック数計算部２６がドキュメントクリック数ｃ（ｚ，ｗｉ）を計算し、ページ到達ステップ数計算部２７がページ到達ステップ数ｓ（ｚ，ｗｉ）を計算する。これらの詳細については後述する。

スコア統合部２８は、これら計算された閲覧頻度ｆ（ｚ，ｗｉ）、ユニークユーザ数ｕ（ｚ，ｗｉ）、アクセス日数ｄ（ｚ，ｗｉ）、滞在時間ｔ（ｚ，ｗｉ）、最後に閲覧してからの時間ｒ（ｚ，ｗｉ）、ドキュメントクリック数ｃ（ｚ，ｗｉ）、及び、ページ到達ステップ数ｓ（ｚ，ｗｉ）を統合して、属性値ｚを有するユーザの集合のＷｅｂページｗｉについてのリーダーランクＰｒ（ｚ，ｗｉ）を計算する。

閲覧頻度ｆ（ｚ，ｗｉ）、ユニークユーザ数ｕ（ｚ，ｗｉ）、アクセス日数ｄ（ｚ，ｗｉ）、滞在時間ｔ（ｚ，ｗｉ）、ドキュメントクリック数ｃ（ｚ，ｗｉ）、及び、ページ到達ステップ数ｓ（ｚ，ｗｉ）は、これらの値が高いほど、属性値ｚを有するユーザの集合のＷｅｂページｗｉについての関連性は高いと考えられる。一方、最後に閲覧してからの時間ｒ（ｚ，ｗｉ）は、この値が高いほど、属性値ｚを有するユーザの集合のＷｅｂページｗｉについての関連性は低いと考えられる。

したがって、スコア統合部２８は、閲覧頻度ｆ（ｚ，ｗｉ）、ユニークユーザ数ｕ（ｚ，ｗｉ）、アクセス日数ｄ（ｚ，ｗｉ）、滞在時間ｔ（ｚ，ｗｉ）、ドキュメントクリック数ｃ（ｚ，ｗｉ）、及び、ページ到達ステップ数ｓ（ｚ，ｗｉ）についての単調増加関数であり、かつ、最後に閲覧してからの時間ｒ（ｚ，ｗｉ）についての単調減少関数である関数を用いて、リーダーランクＰｒ（ｚ，ｗｉ）を計算する。

スコア統合部２８による統合は、例えば以下の式に基づいて行う。α、β、γ、ε、ζ、η、θは、任意の正の実数であり、所望の結果を得ることができるように適宜設定される。

この式は例示であり、適宜変形しても良い。例えば、ｆ（ｚ，ｗｉ），ｄ（ｚ，ｗｉ），…，ｒ（ｚ，ｗｉ）に、ｌｏｇ（・）等の関数を作用させてもよい。例えば、上記式においてｆ（ｚ，ｗｉ）に代えてｌｏｇ（ｆ（ｚ，ｗｉ））を用いることで、高い頻度のアクセスでもスコアへの反映を小さくすることができる。また、ユニットステップ関数をＵ（・）として、上記式においてｕ（ｚ，ｗｉ）に代えてＵ（ｕ（ｚ，ｗｉ）−ｕ０）×ｕ（ｚ，ｗｉ）を用いることで、ユニークユーザ数ｕ（ｚ，ｗｉ）がｕ０以上である場合のみ、Ｐｒ（ｚ，ｗｉ）が非ゼロとなるようにしてもよい。ｕ０は任意の自然数である。

上記（１）式において、値が高いほど属性値ｚを有するユーザの集合のＷｅｂページｗｉについての関連性が高いことを示す、閲覧頻度ｆ（ｚ，ｗｉ）、ユニークユーザ数ｕ（ｚ，ｗｉ）、アクセス日数ｄ（ｚ，ｗｉ）、滞在時間ｔ（ｚ，ｗｉ）、ドキュメントクリック数ｃ（ｚ，ｗｉ）、及び、ページ到達ステップ数ｓ（ｚ，ｗｉ）が分子にあれば、上記（１）式の分子を積で構成しなくてもよい。上記（１）式の分子を、例えばα・ｆ（ｚ，ｗｉ）＋β・ｄ（ｚ，ｗｉ）＋…＋η・ｒ（ｚ，ｗｉ）のように、ｆ（ｚ，ｗｉ），ｄ（ｚ，ｗｉ），…，ｒ（ｚ，ｗｉ）の和で構成してもよい。

閲覧頻度ｆ（ｚ，ｗｉ）は、属性値ｚを有するユーザの集合に属するユーザが各Ｗｅｂページを閲覧した回数である。属性値ｚを有するユーザの集合に属する各ユーザをｊ（ｊ＝１，…，Ｊ）とする。Ｊは、属性値ｚを有するユーザの集合に属するユーザの総数である。閲覧頻度ｆ（ｚ，ｗｉ）は、各ユーザｊがＷｅｂページｗｉを参照した回数ｆｊ（ｚ，ｗｉ）の和である。すなわち、閲覧頻度ｆ（ｚ，ｗｉ）＝Σ_ｊ＝１ ^Ｊｆｊ（ｚ，ｗｉ）である。

図４を参照して、閲覧頻度ｆ（ｚ，ｗｉ）の求め方の具体例を説明する。図４は、属性値ｚを有するユーザのアクセスログであるとする。図４はアクセスログの例であり、アクセスログは図４のものに限定されない点に注意する。属性値ｚを有するユーザは、１２Ｎ３４５６というユーザＩＤで特定されるユーザ（以下、ユーザ１２Ｎ３４５６とする。）、及び、５４Ｓ１２２２というユーザＩＤで特定されるユーザ（以下、ユーザ５４Ｓ１２２２とする。）の２人であるとし、これらの２人の所定の期間内におけるアクセスログの全てが、図４に掲げられているとする。「http://sony.jp/products/ic-recorder」をＷｅｂページｗｉとすると、ユーザ１２Ｎ３４５６は、Ｗｅｂページｗｉに１回アクセスしている。また、ユーザ５４Ｓ１２２２も、Ｗｅｂページｗｉに１回アクセスしている。したがって、この例だと、閲覧頻度ｆ（ｚ，ｗｉ）＝１＋１＝２となる。

ユニークユーザ数ｕ（ｚ，ｗｉ）は、属性値ｚを有するユーザの集合の中でＷｅｂページｗｉにアクセスしたユーザの人数のことである。例えば、属性値ｚを有するユーザはＡ，Ｂ及びＣの３人であり、Ａ，Ｂ及びＣのアクセスログから、ＡがＷｅｂページｗｉを１回見ており、ＢがＷｅｂページｗｉを３回見ており、ＣがＷｅｂページｗｉを見ていないことがわかるとする。この場合、Ｗｅｂページｗｉを見ているのは、ＡとＢの２人なので、ユニークユーザ数ｕ（ｚ，ｗｉ）＝２となる。同一のユーザが２回以上Ｗｅｂページｗｉを見ていたとしてもそのことは考慮されず、ユニークユーザ数ｕ（ｚ，ｗｉ）としては１がカウントされるだけである。

アクセス日数ｄ（ｚ，ｗｉ）は、属性値ｚを有するユーザが、一定期間内に、Ｗｅｂページｗｉにアクセスした日数のことである。例えば、一定期間を一週間（７日間）とする。月曜日から金曜日（５日間）までは属性値ｚを有するユーザの何れかがＷｅｂページｗｉに毎日アクセスしているが、土曜日及び日曜日（２日間）は属性値ｚを有するユーザの何れもがＷｅｂページｗｉにアクセスしていないとする。この場合、アクセス日数ｄ（ｚ，ｗｉ）＝５となる。

滞在時間ｔ（ｚ，ｗｉ）は、属性値ｚを有するユーザｊ（ｊ＝１，…，Ｊ）がＷｅｂページｗｉを閲覧した閲覧時間ｔｊ（ｚ，ｗｉ）の平均値である。すなわち、滞在時間ｔ（ｚ，ｗｉ）＝（Σ_ｊ＝１ ^Ｊｔｊ（ｚ，ｗｉ））／Ｊである。

図５を参照して、閲覧時間ｔｊ（ｚ，ｗｉ）の求め方の例を説明する。図５はアクセスログの例であり、アクセスログは図５のものに限定されない点に注意する。図５において、ユーザ５４Ｓ１２２２は、２００６年６月２０日１５時４０分に「http://sony.jp/products/ic-recorder」にアクセスしており、２００６年６月２０日１５時４８分に他のページに移動している。そのことは、移動先のＷｅｂページのＵＲＬを表す「ＵＲＬ」の欄と、移動元のＷｅｂページのＵＲＬを表す「Ｒｅｆ」とに「http://sony.jp/products/ic-recorder」があることから判断することができる。「http://sony.jp/products/ic-recorder」をＷｅｂページｗｉとし、ユーザ５４Ｓ１２２２をｊとすると、閲覧時間ｔｊ（ｚ，ｗｉ）はそれらの時間の差である８分である。

なお、閲覧時間ｔｊ（ｚ，ｗｉ）をそのＷｅｂページｗｉのデータ量で割り閲覧速度ｖｊ（ｚ，ｗｉ）を求めて、その閲覧速度ｖｊ（ｚ，ｗｉ）の値に応じて、閲覧時間ｔｊ（ｚ，ｗｉ）を変化させてもよい。閲覧速度ｖｊ（ｚ，ｗｉ）は、ユーザｊがＷｅｂページｗｉを閲覧するに際し単位データ容量当たりにかかった閲覧時間を意味する。例えば、閲覧速度ｖｊ（ｚ，ｗｉ）が所定の閾値を上回る場合には、そのＷｅｂページｗｉは実際にはユーザｊに閲覧されずに放置されていた可能性があるので、その閲覧時間ｔｊ（ｚ，ｗｉ）＝０とする。また、例えば、閲覧速度ｖｊ（ｚ，ｗｉ）が所定の閾値を下回る場合には、ユーザｊは、そのＷｅｂページｗｉは実質的に閲覧せずに、直ぐに他のＷｅｂページに移動した可能性があるので、その閲覧時間ｔｊ（ｚ，ｗｉ）＝０とする。

最後に閲覧してからの時間ｒ（ｚ，ｗｉ）は、属性値ｚを有するユーザｊが同一のＷｅｂページｗｉに対して２度アクセスしている場合の一度目のアクセスの閲覧時刻と二度目のアクセスの閲覧時刻との差ｄｊ（ｚ，ｗｉ）の平均値である。すなわち、属性値ｚを有する各ユーザｊについて差ｄｊ（ｚ，ｗｉ）を求めて、これらの差ｄｊ（ｚ，ｗｉ）の平均値が最後に閲覧してからの時間ｒ（ｚ，ｗｉ）となる。

ドキュメントクリック数ｃ（ｚ，ｗｉ）は、属性値ｚを有するユーザｊがＷｅｂページｗｉに含まれるリンクを所定の期間内にクリックした回数の平均値である。まず、Ｗｅｂページｗｉに含まれる、ＰＤＦファイル、画像、動画等のドキュメントへのリンクを抽出する。そして、属性値ｚを有するユーザｊが、Ｗｅｂページｗｉ（そのＵＲＬをhttp://www.xx.co.jpとする。）へアクセスしてから予め定められた期間内に、上記抽出されたリンク（例えば、http://www.xx.co.jp/aaa.pdf）をクリックした回数ｃｊ（ｚ，ｗｉ）をカウントする。属性値ｚを有する各ユーザｊについて回数ｃｊ（ｚ，ｗｉ）を求めて、これらの回数ｃｊ（ｚ，ｗｉ）の平均値をドキュメントクリック数ｃ（ｚ，ｗｉ）とする。

ページ到達ステップ数ｓ（ｚ，ｗｉ）は、簡単に到達することができないＷｅｂページに対して高いスコアを与えようとするものである。属性値ｚを有する各ユーザｊが、ページ到達ステップ数ｓ（ｚ，ｗｉ）の計算の基礎となるハブとなるＷｅｂページ（以下、ハブページ）からＷｅｂページｗｉに到達するまでに辿ったステップ数ｓｔｅｐｊ（ｚ，ｗｉ）、及び、Ｗｅｂページｗｉの閲覧時間ｔｊ（ｚ，ｗｉ）を基にして、属性値ｚを有する各ユーザｊのページ到達ステップ数ｓｊ（ｚ，ｗｉ）を求め、これらのユーザｊのページ到達ステップ数ｓｊ（ｚ，ｗｉ）の平均値を、ページ到達ステップ数ｓ（ｚ，ｗｉ）とする。

以下、図６を参照して、ユーザｊのページ到達ステップ数ｓｊ（ｚ，ｗｉ）の求め方を説明する。ユーザｊのアクセスログのリファラーの欄（図４，図５においては、「Ｒｅｆ」と表記している。）に一定の回数以上表れ、そのＷｅｂページを基点として移動したページの数が一定の数以上のＷｅｂページをハブページとする。図６においては、ＷｅｂページｗＡがハブページである。

図６の例においては、ユーザｊはＷｅｂページｗＡからまずＷｅｂページｗＢに移動しＷｅｂページｗＢを０．５秒閲覧している。その後、ユーザｊはＷｅｂページｗＡに戻り、そこからＷｅｂページｗＣに移動しＷｅｂページｗＣを６０秒閲覧している。その後、ユーザｊはＷｅｂページｗＡに戻り、そこからＷｅｂページｗＤに移動しＷｅｂページｗＤを４秒閲覧している。その後、ユーザｊはＷｅｂページｗＡに戻り、そこからＷｅｂページｗＥに移動しＷｅｂページｗＥを４秒閲覧している。その後、ユーザｊは、ＷｅｂページｗＥからＷｅｂページｗＦに移動しＷｅｂページｗＦを３００秒閲覧している。その後、ユーザｊはＷｅｂページｗＡに戻り、そこからＷｅｂページｗＧに移動しＷｅｂページｗＧを０．５秒閲覧している。したがって、ＷｅｂページｗＢ，ｗＣ，ｗＤ，ｗＥ，ｗＦ，ｗＧのそれぞれのｓｔｅｐｊ（ｚ，ｗｉ），ｔｊ（ｚ，ｗｉ）は次のようになる。
ｓｔｅｐｊ（ｚ，ｗＢ）＝１，ｔｊ（ｚ，ｗＢ）＝０．５
ｓｔｅｐｊ（ｚ，ｗＣ）＝２，ｔｊ（ｚ，ｗＣ）＝６０
ｓｔｅｐｊ（ｚ，ｗＤ）＝３，ｔｊ（ｚ，ｗＤ）＝４
ｓｔｅｐｊ（ｚ，ｗＥ）＝４，ｔｊ（ｚ，ｗＥ）＝４
ｓｔｅｐｊ（ｚ，ｗＦ）＝５，ｔｊ（ｚ，ＷＦ）＝３００
ｓｔｅｐｊ（ｚ，ｗＧ）＝６，ｔｊ（ｚ，ｗＧ）＝０．５

ｓｓｊ（ｚ，ｗｉ）＝ｓｔｅｐｊ（ｚ，ｗｉ）×ｔｊ（ｚ，ｗｉ）と定義し、ＷｅｂページｗＢ，ｗＣ，ｗＤ，ｗＥ，ｗＦ，ｗＧのそれぞれのｓｓｊ（ｚ，ｗｉ）を計算すると、次のようになる。
ｓｓｊ（ｚ，ｗＢ）＝０．５
ｓｓｊ（ｚ，ｗＣ）＝１２０
ｓｓｊ（ｚ，ｗＤ）＝１２
ｓｓｊ（ｚ，ｗＥ）＝１６
ｓｓｊ（ｚ，ｗＦ）＝１５００
ｓｓｊ（ｚ，ｗＧ）＝３

ｓｒａｎｋｊ（ｚ，ｗｉ）を、ｓｓｊ（ｚ，ｗｉ）が大きい順にＷｅｂページｗＢ，ｗＣ，ｗＤ，ｗＥ，ｗＦ，ｗＧを並び替えた場合のＷｅｂページｗｉの順位とすると、ＷｅｂページｗＢ，ｗＣ，ｗＤ，ｗＥ，ｗＦ，ｗＧのそれぞれのｓｒａｎｋｊ（ｚ，ｗｉ）は次のようになる。
ｓｒａｎｋｊ（ｚ，ｗＢ）＝６
ｓｒａｎｋｊ（ｚ，ｗＣ）＝２
ｓｒａｎｋｊ（ｚ，ｗＤ）＝４
ｓｒａｎｋｊ（ｚ，ｗＥ）＝３
ｓｒａｎｋｊ（ｚ，ｗＦ）＝１
ｓｒａｎｋｊ（ｚ，ｗＧ）＝５

このｓｒａｎｋｊ（ｚ，ｗｉ）の逆数である１／ｓｒａｎｋｊ（ｚ，ｗｉ）＝ｓｊ（ｚ，ｗｉ）とする。すなわち、ＷｅｂページｗＢ，ｗＣ，ｗＤ，ｗＥ，ｗＦ，ｗＧのそれぞれのｓｊ（ｚ，ｗｉ）は次のようになる。
ｓｊ（ｚ，ｗＢ）＝１／６
ｓｊ（ｚ，ｗＣ）＝１／２
ｓｊ（ｚ，ｗＤ）＝１／４
ｓｊ（ｚ，ｗＥ）＝１／３
ｓｊ（ｚ，ｗＦ）＝１
ｓｊ（ｚ，ｗＧ）＝１／５
Ｗｅｂページｗｉについて各ユーザｊのｓｊ（ｚ，ｗｉ）を求め、これらの平均値を属性値ｚを有するユーザの集合のＷｅｂページｗｉについてのページ到達ステップ数ｓ（ｚ，ｗｉ）とする。

＜ステップＳ２＞
次に、総合ランク計算部３０の説明で用いる概念である「セグメント」「総合ランク」について説明する。「セグメント」とは、１以上の属性のそれぞれから選択された属性値のすべてを有するユーザの集合のことである。すなわち、１以上の属性のそれぞれから選択される属性値で特定されるセグメントをそれらの属性値のすべてを有するユーザの集合とする。「総合ランク」とは、あるセグメントに属するユーザの集合のあるＷｅｂページについての関連性の高さを表す指標である。すなわち、あるセグメントに属するユーザの集合のあるＷｅｂページについての関連性の高さを表す指標をそのセグメントに属するユーザの集合のそのＷｅｂページについての総合ランクとする。

総合ランク計算部３０には、スコアを求める対象となるユーザの１以上の属性のそれぞれから選択された属性値、及び、Ｗｅｂページ情報が入力される。Ｗｅｂページ情報とは、Ｗｅｂページを特定するための情報である。総合ランク計算部３０は、それらの入力された属性値で特定されるセグメントに属するユーザの集合の、入力されたＷｅｂページ情報で特定されるＷｅｂページについての総合ランクを計算する（ステップＳ２）。その際、総合ランク計算部３０は、それらの入力された各属性値を有するユーザの集合の上記Ｗｅｂページ情報で特定されるＷｅｂページについての上記計算されたリーダーランクを統合することにより、総合ランクを計算する。

総合ランク計算部３０に、入力された属性値が「男性」及び「２０代」であり、入力されたＷｅｂページ情報がＷｅｂページｗｉを特定するものであるとする。「男性」は「性別」という属性から選択された属性値であり、「２０代」は「年代」という属性から選択された属性値である。この場合、総合ランク計算部３０は、「男性」かつ「２０代」、すなわち「男性２０代」のセグメントに属するユーザの集合のＷｅｂページｗｉについての総合ランクを計算する。その際、総合ランク計算部３０は、リーダーランク計算部２０が計算した、属性値「男性」を有するユーザの集合のＷｅｂページｗｉについてのリーダーランクＰｒ（男性，ｗｉ）、及び、属性値「２０代」を有するユーザの集合のＷｅｂページｗｉについてのリーダーランクＰｒ（２０代，ｗｉ）を統合して、その総合ランクを求める。

リーダーランクの統合は、例えば次の式に基づいて行う。α、βは、任意の正の実数であり、所望の結果を得ることができるように適宜設定される。Σ_年代Ｐｒ（年代，ｗｉ）は、属性「年代」の各属性値についてのリーダーランクの和である。すなわち、「年代」の属性値が、「１０代」「２０代」「３０代」「４０代以上」である場合には、Σ_年代Ｐｒ（年代，ｗｉ）＝Ｐｒ（１０代，ｗｉ）＋Ｐｒ（２０代，ｗｉ）＋Ｐｒ（３０代，ｗｉ）＋Ｐｒ（４０代以上，ｗｉ）である。

この例では、リーダーランクＰｒ（男性，ｗｉ）及びリーダーランクＰｒ（２０代，ｗｉ）のそれぞれを正規化した後に、正規化したリーダーランクＰｒ（男性，ｗｉ）及びリーダーランクＰｒ（２０代，ｗｉ）を統合している。このように、リーダーランクを正規化した後に統合することにより、ある属性の各属性値を有するユーザにおいて万遍なく評価が高いＷｅｂページよりも、ある属性の特定の属性値を有するユーザにおいて評価が高いＷｅｂページに高いスコアを付与することが可能となる。属性が「性別」であり、その属性値が「男性」「女性」である場合を例に挙げると、「男性」のユーザ及び「女性」のユーザの両方から評価されているような性差の特徴が表れていないＷｅｂページのスコアを下げて、「男性」のユーザ又は「女性」の一方から評価されているような性差の特徴が表れているＷｅｂページのスコアを上げることができる。

もちろん、正規化せずに、例えば下記の式により、総合ランクＳｒ（男性２０代，ｗｉ）を求めても良い。
Ｓｒ（男性２０代，ｗｉ）＝α・Ｐｒ（男性，ｗｉ）＋β・Ｐｒ（２０代，ｗｉ）…（３）

総合ランクの計算の他の例を説明する。総合ランク計算部３０に、入力された属性値が「男性」「２０代」「コンピュータ」であり、入力されたＷｅｂページ情報がＷｅｂページｗｉを特定するものであるとする。「男性」は「性別」という属性から選択された属性値であり、「２０代」は「年代」という属性から選択された属性値であり、「コンピュータ」は「趣味」という属性から選択された属性値である。この場合、総合ランク計算部３０は、「男性」かつ「２０代」かつ「コンピュータ」、すなわち「男性２０代コンピュータ」のセグメントに属するユーザの集合のＷｅｂページｗｉについての総合ランクを計算する。その際、総合ランク計算部３０は、リーダーランク計算部２０が計算した、属性値「男性」を有するユーザの集合のＷｅｂページｗｉについてのリーダーランクＰｒ（男性，ｗｉ）、属性値「２０代」を有するユーザの集合のＷｅｂページｗｉについてのリーダーランクＰｒ（２０代，ｗｉ）、及び、属性値「コンピュータ」を有するユーザの集合のＷｅｂページｗｉについてのリーダーランクＰｒ（コンピュータ，ｗｉ）を統合して、その総合ランクを求める。

リーダーランクの統合は、例えば次の式に基づいて行う。α、β、γ、δは、任意の正の実数であり、所望の結果を得ることができるように適宜設定される。Σ_年代Ｐｒ（年代，ｗｉ）は、属性「年代」の各属性値についてのリーダーランクの和である。すなわち、「年代」の属性値が、「１０代」「２０代」「３０代」「４０代以上」である場合には、Σ_年代Ｐｒ（年代，ｗｉ）＝Ｐｒ（１０代，ｗｉ）＋Ｐｒ（２０代，ｗｉ）＋Ｐｒ（３０代，ｗｉ）＋Ｐｒ（４０代以上，ｗｉ）である。同様に、Σ_趣味Ｐｒ（趣味，ｗｉ）は、属性「趣味」の各属性値についてのリーダーランクの和である。

このように、総合ランク計算部３０にはユーザの１以上の属性のそれぞれから選択された属性値が入力され、総合ランク計算部３０は、これらの入力された各属性値についてのリーダーランクから、総合ランクを求める。したがって、求まった総合ランクは、ユーザの属性を考慮したものとなる。
上記（２）から（４）式も、上記（１）式と同様に例示であり、適宜変形しても良い。

＜ステップＳ３＞
静的ランク計算部４０の説明で用いる「ユーザ特性値」の概念について説明する。「ユーザ特性値」は、ユーザのＷｅｂページについての関心の高さを表す指標である。すなわち、あるユーザのあるＷｅｂページについての関心の高さを表す指標をそのユーザのそのＷｅｂページについてのユーザ特性値とする。各ユーザの各Ｗｅｂページについてのユーザ特性値はユーザ特性ベクトル計算部６０により計算されて、ユーザ特性ベクトルの形でユーザ特性ベクトル記憶部５０に記憶される。

ユーザｊのＷｅｂページｗｉ（ｉ＝１，…，Ｉ^＃（Ｉ^＃はユーザ特性値を求めようとするＷｅｂページの総数））についてのユーザ特性値ｊｎｗｉの求め方の例を説明する。ｆｄｊ（ｗｉ）を、ユーザｊがＷｅｂページｗｉを参照した回数ｆｊ（ｗｉ）と、ユーザｊが所定の期間内にＷｅｂページｗｉにアクセスした日数ｄｊ（ｗｉ）とをかけたものとする。各Ｗｅｂページｗｉ（ｉ＝１，…，Ｉ^＃）ついて、ｆｄｊ（ｗｉ）を求める。
ｆｄｊ（ｗｉ）＝ｆｊ（ｗｉ）×ｄｊ（ｗｉ）

このとき、ユーザ特性値ｊｎｗｉは、次式のように計算される。下記式において、Ｉ♯はＩ^♯を意味する。αは任意の正の実数であり、所望の結果を得ることができるように適宜設定される。
ｊｎｗｉ＝α・（ｆｄｊ（ｗｉ）／Σ_ｉ＝１ ^Ｉ＃ｆｄｊ（ｗｉ））

ユーザ特性ベクトルｐｅｒｓｏｎａｌｊは、ｊｎｗｉ（ｉ＝１，…，Ｉ^＃）を各成分に持つベクトルのことである。
ｐｅｒｓｏｎａｌｊ＝（ｊｎｗ１，ｊｎｗ２，…，ｊｎｗＩ^＃）

静的ランク計算部４０による静的ランクの計算例を以下に説明する。静的ランク計算部４０には、ユーザｊを特定するためのユーザ情報が入力される。静的ランク計算部４０は、そのユーザ情報から特定されるユーザｊの、スコアを付与しようとするＷｅｂページｗｉについてのユーザ特性値ｊｎｗｉを、ユーザ特性ベクトル記憶部５０から読み出す。静的ランク計算部４０は、総合ランク計算部３０が計算した総合ランクＳｒ（ｓ，ｗｉ）に、ユーザ特性値ｊｎｗｉをかけて、静的ランクＳＴ（ｊ，ｗｉ）を求める（ステップＳ３）。ここで、ｓは、上記ユーザ情報から特定されるユーザｊの１以上の属性から選択された属性値の直積である。すなわち、総合ランク計算部３０に入力された属性値が「男性」及び「２０代」である場合には、ｓ＝「男性２０代」となる。
ＳＴ（ｊ，ｗｉ）＝Ｓｒ（ｓ，ｗｉ）×ｊｎｗｉ

ユーザｊのスコアを付与しようとするＷｅｂページｗｉについてのユーザ特性値が、ユーザ特性ベクトル記憶部５０に記憶されていない場合には、すなわち、ｗｉ＝ｎｗｉとなるｎｗｉが存在しない場合には、総合ランクを静的ランクとしてそのまま出力する。
ＳＴ（ｊ，ｗｉ）＝Ｓｒ（ｓ，ｗｉ）

このように、総合ランクと、ユーザのＷｅｂページについての関心の高さを表す指標であるユーザ特性値とを用いて、静的ランクを求めることにより、ユーザ個人の特性を考慮してＷｅｂページにスコアを付与することが可能となる。

この発明によるドキュメントスコア算出装置は、例えば検索エンジンや企業等が独自に構築しているＥＣサイト内等に用いることができる。検索エンジンにこの発明によるドキュメントスコア算出装置が用いられる場合の処理の流れの例を簡単に説明する。

ユーザが２０代であり、女性であり、旅行が趣味であるとする。このユーザが、「イタリア」というワードで検索をする場合、その属性を考慮した検索結果を得たいときには、ユーザは、「イタリア ＠２０代 ＠女性 ＠旅行」というクエリを検索エンジンに送ればよい。この場合、「２０代」「女性」「旅行」という属性値が総合ランク計算部３０に入力され、総合ランク計算部３０は、「２０代女性旅行」というセグメントに属するユーザの集合の「イタリア」というワードを含む各Ｗｅｂページについての総合ランクを計算する。検索エンジンは、「イタリア」というワードを含むＷｅｂページを総合ランクが高い順に並び替えて、総合ランクが高い順にユーザに提示する。もちろん、必要に応じて総合ランクではなく静的ランク基づいてＷｅｂページの並び替え・提示を行っても良い。このように、ユーザが自ら属性値を入力してもよい。

また、以下に述べるように、ユーザの属性値を推定する属性値推定部８０を、ドキュメントスコア算出装置又は検索エンジン等に設けて、この属性値推定部８０が推定したユーザの属性値が総合ランク計算部３０に入力されるようにしてもよい。

属性値推定部８０は、例えばユーザが用いるコンピュータのＩＰアドレスから、ユーザの「居住地」という属性の属性値「埼玉」「神奈川」「千葉」等を推定して、総合ランク計算部８０に入力してもよい。これにより、ユーザの居住地に関連したＷｅｂページに高いスコアが与えられる。これは、不動産情報提供サイト、学習塾・中学・高校受験情報提供サイト等のエリアに応じた情報を提供しているサイトに有効である。この場合であっても、ユーザが自分が住んでいる居住地以外の地域（例えば、東京）に関する情報を頻繁に閲覧している場合には、そのアクセスログにより生成されたユーザ特性値乃至ユーザ特性ベクトルにより、ユーザの居住地ではなく関心の高い地域に関連したＷｅｂページにより高いスコアを与えることが可能である。

また、属性値推定部８０は、例えば「趣味」等の属性の属性値をアクセスログから推定してもよい。その推定の例を以下に述べる。旅行、スポーツ等のジャンルを予め選定し、各ジャンルに属する学習データとしての学習用Ｗｅｂページを用意する。各ジャンルの学習用Ｗｅｂページの本文を形態素解析し、各ジャンルに特徴的な各単語をＴＦ・ＩＤＦ等の手法により抽出する。すなわち、各ジャンルの学習用Ｗｅｂページに特徴的であり、出現する頻度が高い単語を複数抽出する。そして、抽出された各ジャンルの特徴的な各単語からなるジャンルベクトルを、各ジャンルごとに求める。各ジャンルのジャンルベクトルＧｋ（ｋ＝１，…，Ｋ（Ｋは予め選択されたジャンルの総数））は、上記抽出された各ジャンルの特徴的な各単語が各ジャンルの学習用Ｗｅｂページに出現する出現頻度で構成される。ジャンルの総数が４０であり、各ジャンルから特徴的な単語として１００個が選択された場合には、各ジャンルのジャンルベクトルＧｋは４０００次元となり、４０００個の各単語が各ジャンルの学習用Ｗｅｂページに出現する出現頻度で構成される。アクセスログ記憶部に記憶されたアクセスログを用いて、ユーザがアクセスしたＷｅｂページの本文を形態素解析し、ジャンルベクトルに対応するユーザ単語ベクトルＵを生成する。ユーザ単語ベクトルは、ユーザがアクセスしたＷｅｂページに上記にて抽出された各ジャンルの特徴的な各単語が出現する出現頻度で構成される。各ジャンルベクトルＧｋとユーザ単語ベクトルＵとの内積を求めて、内積値が一定値以上のジャンルベクトルＧｋに対応するジャンルを、そのユーザの属性「趣味」の属性値とする。

このように、属性値推定部８０が属性値を推定することにより、属性値を入力するという負担をユーザにかけることなく、ユーザの属性を考慮したＷｅｂページへのスコア付与が可能となる。

ドキュメントスコア算出装置は、Ｗｅｂページのスコアとして、総合ランク計算部３０が計算した総合ランクを最終的に出力しても良い。この場合、ドキュメントスコア算出装置は、静的ランク計算部４０、ユーザ特性ベクトル記憶部５０及びユーザ特性ベクトル計算部６０を有していなくてもよい。

ドキュメントスコア算出装置は、アクセスログ記憶部１０に記憶されたアクセスログによるとアクセスされたＷｅｂページ（以下、リンク元Ｗｅｂページとする。）のリンク先のＷｅｂページであって、そのアクセスログによるとアクセスされていないＷｅｂページの総合ランク又は静的ランクとして、上記リンク元Ｗｅｂページの総合ランク又は静的ランクのＡ（Ａは０より大１以下の実数）倍の値を割り当てる割当部７０を含んでいてもよい。これにより、最新ニュース記事等のアクセスログに存在しないＷｅｂページに対しても、スコアを付与することが可能となる。

リーダーランク計算部２０内に、属性値ｚを有するユーザのＷｅｂページｗｉへのアクセスの周期性を分析する周期性分析部２９を設けて、その分析結果に応じて閲覧頻度ｆ（ｚ，ｗｉ）を変化させてもよい。例えば図７（ａ）のように、属性値ｚを有するユーザのＷｅｂページｊへのアクセスの周期性に対してＦＦＴ等のフーリエ変換をした結果、狭い帯域幅を持つピークが抽出された場合、そのＷｅｂページｗｉについての閲覧頻度ｆ（ｚ，ｗｉ）を下げる。また、例えば図７（ｂ）のように、属性値ｚを有するユーザのＷｅｂページｊへのアクセスの周期性に対してＦＦＴ等のフーリエ変換をした結果、広い帯域幅を持つピークが抽出された場合、そのＷｅｂページｗｉについての閲覧頻度ｆ（ｚ，ｗｉ）を上げ下げしないか、上げる。ピークを含む帯域幅の広いか狭いかは、パワースペクトルが所定の値以上となる帯域の幅が所定の幅以上となるかどうかで例えば判断することができる。

ニュース、ブログ等のユーザが定期的に閲覧するＷｅｂページがある場合、ユーザはそのＷｅｂページの内容そのものへの興味があるためではなく、そのＷｅｂページのニュースサイト及びブロクの著者に興味があるために、定期的に閲覧している場合が多い。周期性分析部２９を設けることにより、コンテンツそのものに興味が持たれているＷｅｂサイト以外のＷｅｂサイトへのスコアを下げることができる。

これまで、スコアを付与する対象となるドキュメントがＷｅｂページである場合を例に挙げて説明して来たが、Ｗｅｂページ以外の、各ユーザのアクセスログを取ることが可能なドキュメントについても上述のＷｅｂページに対するスコアの付与と同様にスコアを付与することが可能であるのは言うまでもない。

リーダーランク計算部２０は、閲覧頻度ｆ（ｚ，ｗｉ）、ユニークユーザ数ｕ（ｚ，ｗｉ）、アクセス日数ｄ（ｚ，ｗｉ）、滞在時間ｔ（ｚ，ｗｉ）、最後に閲覧してからの時間ｒ（ｚ，ｗｉ）、ドキュメントクリック数ｃ（ｚ，ｗｉ）、ページ到達ステップ数ｓ（ｚ，ｗｉ）の少なくとも１つを求めて、これらを上記と同様にして統合してリーダーランクＰｒ（ｚ，ｗｉ）を求めばよい。例えば、リーダーランクＰｒ（ｚ，ｗｉ）を求める際に、閲覧頻度ｆ（ｚ，ｗｉ）及びユニークユーザ数ｕ（ｚ，ｗｉ）のみを用いてもよい。この場合、ドキュメントスコア算出装置は、閲覧頻度計算部２１、ユニークユーザ数計算部２２、アクセス日数計算部２３、滞在時間計算部２４、閲覧時間計算部２５、ドキュメントクリック数計算部２６、ページ到達ステップ数計算部２７、スコア統合部２８、周期性分析部２９のうち使われない部を備えていなくてもよい。

上述の構成をコンピュータによって実現する場合、ドキュメントスコア算出装置の各部が有する機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記各部の機能がコンピュータ上で実現される。

すなわち、ＣＰＵがプログラムを逐次読み込んで実行することにより、リーダーランク計算部２０、総合ランク計算部３０、静的ランク計算部４０、ユーザ特性ベクトル計算部６０、割当部７０、属性値推定部８０、閲覧頻度計算部２１、ユニークユーザ数計算部２２、アクセス日数計算部２３、滞在時間計算部２４、閲覧時間計算部２５、ドキュメントクリック数計算部２６、ページ到達ステップ数計算部２７、スコア統合部２８、周期性分析部２９がそれぞれ実現される。また、補助記憶装置又はメモリが、アクセスログ記憶部１０、ユーザ特性ベクトル記憶部５０として機能する。

ドキュメントスコア算出装置の各部として機能するＣＰＵは、メモリ又は補助記憶装置から読み込み込んだデータに対して処理を行い、処理を行った後のデータをメモリ又は補助記憶装置に格納する。すなわち、メモリ又は補助記憶装置を介して、ドキュメントスコア算出装置の各部間でデータがやり取りされる。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよいが、具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ（Random Access Memory）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ
−Ｒ（Recordable）／ＲＷ（ReWritable）等を、光磁気記録媒体として、ＭＯ（Magneto-Optical disc）等を、半導体メモリとしてＥＥＰ−ＲＯＭ（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

また、上述した実施形態とは別の実行形態として、コンピュータが可搬型記録媒体から直接このプログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を基底する性質を有するデータ等）を含むものとする。

また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

また、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。
その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。

ドキュメントスコア算出装置の例の機能ブロック図。 ドキュメントスコア算出方法の例を示す図。 リーダーランク計算部２０の例の機能ブロック図。 閲覧頻度を説明するための図。 閲覧時間を説明するための図。 ページ到達ステップ数を説明するための図。 周期性分析部を説明するための図。

符号の説明

１０ アクセスログ記憶部
２０ リーダーランク計算部
２１ 閲覧頻度計算部
２２ ユニークユーザ数計算部
３０ 総合ランク計算部
４０ 静的ランク計算部
５０ ユーザ特性ベクトル記憶部
６０ ユーザ特性ベクトル計算部
７０ 割当部

Claims (7)

1. 複数の属性のそれぞれは固有の複数の属性値を持つとして、複数の属性のそれぞれにおいて少なくとも１つの属性値が与えられた各ユーザの、ドキュメントへのアクセスログが記憶されたアクセスログ記憶部と、
   ある属性値を有するユーザの集合のあるドキュメントについての関連性の高さを表す指標をその属性値を有するユーザの集合のそのドキュメントについてのリーダーランクとして、上記アクセスログを用いて、各属性値を有するユーザの集合の各ドキュメントについてのリーダーランクを計算するリーダーランク計算部と、
   １以上の属性のそれぞれから選択される属性値で特定されるセグメントをそれらの属性値のすべてを有するユーザの集合とし、あるセグメントに属するユーザの集合のあるドキュメントについての関連性の高さを表す指標をそのセグメントに属するユーザの集合のそのドキュメントについての総合ランクとして、スコアを付与する際に考慮の対象となるユーザの１以上の属性のそれぞれから選択された属性値及びドキュメント情報が入力され、それらの入力された各属性値を有するユーザの集合のそのドキュメント情報で特定されるドキュメントについての上記計算されたリーダーランクを統合して、それらの入力された属性値で特定されるセグメントに属するユーザの集合のそのドキュメントについての総合ランクを計算する総合ランク計算部と、
   を含むドキュメントスコア算出装置。
2. 請求項１に記載のドキュメントスコア算出装置において、
   あるユーザのあるドキュメントについての関心の高さを表す指標をそのユーザのそのドキュメントについてのユーザ特性値として、各ユーザの各ドキュメントについてのユーザ特性値が記憶されたユーザ特性ベクトル記憶部と、
   上記スコアを付与する際に考慮の対象となるユーザを特定するユーザ情報が入力され、上記計算された総合ランクと、上記ユーザ特性ベクトル記憶部から読み込まれた、そのユーザの上記ドキュメント情報で特定されるドキュメントについてのユーザ特性値とを用いて静的ランクを計算する静的ランク計算部とを更に含むことを特徴とするドキュメントスコア算出装置。
3. 請求項１又は２に記載のドキュメントスコア算出装置において、
   上記リーダーランク計算部は、上記アクセスログを用いて、各属性値を有するユーザの集合に属するユーザが各ドキュメントを閲覧した回数、及び、各属性値を有するユーザ集合に属するユーザのうちの各ドキュメントを閲覧したユーザの人数を少なくとも求め、それらの求まった回数及び人数を用いて、上記リーダーランクを計算することを特徴とするドキュメントスコア算出装置。
4. 請求項１から３の何れかに記載のドキュメントスコア算出装置において、
   上記アクセスログによるとアクセスされたドキュメント（以下、リンク元ドキュメントとする。）のリンク先のドキュメントであって、上記アクセスログによるとアクセスされていないドキュメントの総合ランク又は静的ランクとして、上記リンク元ドキュメントの総合ランク又は静的ランクのＡ（Ａは０より大１以下の実数）倍の値を割り当てる割当部を含むことを特徴とするドキュメントスコア算出装置。
5. 請求項１から４の何れかに記載のドキュメントのスコア算出装置において、
   上記ドキュメントは、Ｗｅｂページであることを特徴とするドキュメントスコア算出装置。
6. アクセスログ記憶部には、複数の属性のそれぞれは固有の複数の属性値を持つとして、複数の属性のそれぞれにおいて少なくとも１つの属性値が与えられた各ユーザの、ドキュメントへのアクセスログが記憶されており、
   リーダーランク計算部が、ある属性値を有するユーザの集合のあるドキュメントについての関連性の高さを表す指標をその属性値を有するユーザの集合のそのドキュメントについてのリーダーランクとして、上記アクセスログを用いて、各属性値を有するユーザの集合の各ドキュメントについてのリーダーランクを計算するリーダーランク計算ステップと、
   総合ランク計算ステップが、１以上の属性のそれぞれから選択される属性値で特定されるセグメントをそれらの属性値のすべてを有するユーザの集合とし、あるセグメントに属するユーザの集合のあるドキュメントについての関連性の高さを表す指標をそのセグメントに属するユーザの集合のそのドキュメントについての総合ランクとして、スコアを付与する際に考慮の対象となるユーザの１以上の属性のそれぞれから選択された属性値及びドキュメント情報が入力され、それらの入力された各属性値を有するユーザの集合のそのドキュメント情報で特定されるドキュメントについての上記計算されたリーダーランクを統合して、それらの入力された属性値で特定されるセグメントに属するユーザの集合のそのドキュメントについての総合ランクを計算する総合ランク計算ステップと、
   を含むドキュメントスコア算出方法。
7. 請求項１から４の何れかに記載のドキュメントスコア算出装置の各部としてコンピュータを機能させるためのプログラム。

Images