JP2011008428A - ショッピングサイトの価格調査方法及び情報処理装置 - Google Patents

Abstract

【課題】ウェブページのＨＴＭＬの構造によらずに価格情報などを取得できるようにする。
【解決手段】検索部１２は、ショッピングサイトのウェブページのＨＴＭＬファイルを取得する。解析部１３は、ＨＴＭＬファイルをテキストデータに変換する。そして、商品の型番、価格又はポイントを指す複数の近傍語と、それぞれの近傍語と関連性の高い文字又は数字を抽出するための抽出語を対応付けたテーブルを参照して、近傍語と抽出語をテキストデータから抽出する。抽出した価格、ポイントから実売価格を算出する。
【選択図】 図１

Description

本発明は、インターネット等のネットワーク上のショッピングサイトの価格調査方法及びその価格調査方法を用いる情報処理装置に関する。

インターネット上のショッピング等で販売されている商品の価格を調べるソフトウェアが知られている。
インターネット上の検索エンジンを利用して商品の価格情報を取得する方法が知られている。価格情報を収集するためにＨＴＭＬ等で記述されたウェブページのタグを検出し、検索語と価格情報を抽出し、さらに、検索語と価格情報が所定の位置関係にあるか否かを判定する。両者が所定の位置関係にある場合には、該当するページを抽出して目的とする商品の価格情報を収集する（例えば、特許文献１など）。

特開２００６−１６３８２６号公報

上記の方法は、取得したい情報と関連性のあるＨＴＭＬ要素を予め特定してプログラムを作成しないと、目的とする価格情報を取得することができない。また、ウェブページに記載されている価格情報を取得することはできるが、ポイント等を反映した実売価格をユーザに通知することはできなかった。

本発明の課題は、ウェブページのＨＴＭＬの構造によらずに価格情報などを取得できるようにすることである。

開示の情報処理装置は、検索により得られた複数のショッピングサイトのウェブページのＨＴＭＬファイルを取得する取得手段と、前記ＨＴＭＬファイルをテキストデータに変換する変換手段と、検索対象の商品を特定する型番、価格又はポイントを指す単語と、前記型番、価格及びポイントの文字列又は数字を抽出するための抽出語をそれぞれ対応付けて記憶する記憶手段と、前記テキストデータから型番、価格又はポイントを指す前記単語を検索する検索手段と、前記検索手段により検出された前記単語と対応付けて前記記憶手段に記憶されている抽出語に対応する文字又は数字が、前記単語の前後の一定範囲内に存在するか否かを判定する判定手段と、前記判定手段により文字又は数字が一定範囲内に存在すると判定された場合に、該当する文字又は数字を型番、販売価格又はポイントとして抽出する抽出手段と、前記抽出手段により抽出された販売価格とポイントとに基づいて実売価格を計算する計算手段と、商品を特定する型番とポイントと計算により得られる実売価格を検索結果として出力する出力手段とを備える。

開示の価格調査方法によれば、ショッピングサイトのＨＴＭＬの構造に依存せずに販売価格とポイントを調べることができる。また、ポイントの割引を考慮した実際の販売価格をユーザに提示することができる。

実施の形態の情報処理装置の構成とＷｅｂサーバを示す図である。 ウェブページの取得方法の説明図である。 価格情報収集処理のフローチャートである。 テキスト化したウェブページの一例を示す図である。 近傍語・抽出語テーブルと抽出される情報の一例を示す図である。 ウェブページの一例を示す図である。 テキスト化したウェブページを示す図である。 検索結果の出力例を示す図である。 設定画面を示す図である。

以下、本発明の実施の形態を説明する。図１は、実施の形態のショッピングサイトの価格調査方法を用いる情報処理装置の構成とＷｅｂサーバを示す図である。
情報処理装置１１は、検索部１２と解析部１３と設定部１４と記憶部１５を有する。検索部（クローラ）１２は、検索エンジン等を利用して、インターネット１８上のＷｅｂサーバ１９から指定されたキーワードを含むウェブページを検索し、検索により得られるウェブページのＨＴＭＬファイルを記憶部１５に格納する。

解析部１３は、ＨＴＭＬファイルをテキストデータに変換する。さらに、テキストデータの中に近傍語・抽出語テーブル１６に格納されている近傍語が含まれているか否かを検索する。近傍語が含まれている場合には、その近傍語の前後の一定範囲内に近傍語に対応する抽出語が存在するか否かを判定する。上記のような対となる近傍語と抽出語を検索することで、テキスト化したウェブページから機種名、販売価格、ポイント等の価格情報を取得する。解析部１３は、取得した価格情報をディスプレイ等に表示してユーザに知らせる。

近傍語・抽出語テーブル１６には、例えば、商品の型番を指す単語（例えば、「商品番号」）と、型番の文字又は数字を抽出するための抽出語とが対応付けて保存されている。その他に、価格を指す単語、ポイントを指す単語が近傍語として登録され、それらと対応付けて数字と貨幣単位（例えば、円）を抽出するための抽出語、数字とパーセントを示す記号を抽出するための抽出語が登録されている。

解析部１３は、ＨＴＭＬファイルをテキスト化するときに、例えば、ＨＴＭＬファイルのデータがインライン要素か、ブロック要素かを判別し、インライン要素はテキストデータのみを残してタグを削除する。また、ブロック要素に関しては、隣の要素が持つテキストデータとの間に改行コードを挿入してテキストデータのみを残す。

設定部１４は、ユーザの入力操作に応じて、ショッピングサイトのＵＲＬ（Uniform Resource Locator）を設定する機能、近傍語・抽出語テーブル１６のデータを設定又は修正する機能を有する。ユーザにより入力されたデータは設定ファイル１７に保存される。設定ファイル１７は記憶部１５に保存される。

図２は、ウェブページの取得方法の説明図である。図２は、パーソナルコンピュータ２１により検索を行う場合の例を示している。
ユーザが価格を調べたい商品の型番等をキーワードとして指定して検索を指示すると、パーソナルコンピュータ２１は、検索エンジン２２等を利用して、指定されたキーワードを含むウェブページ２３をネット上から検索する。また、パーソナルコンピュータ２１は、ショッピングサイトのＵＲＬのリスト２４を参照して、ショッピングサイト内で指定されたキーワードを含むウェブページ２３を検索する。

次に、情報処理装置１１（又はパーソナルコンピュータ２１）における価格情報収集処理について、図３のフローチャートを参照して説明する。
情報処理装置１１は、検索エンジンを用いて、ユーザにより指定されたキーワード（商品名、商品番号など）を含むウェブページを収集する（図３、Ｓ１１）。

次に、ウェブページのＨＴＭＬファイルをテキスト化する（Ｓ１２）。ステップＳ１２の処理では、例えば、ＨＴＭＬファイルのデータがインライン要素の場合には、タグを削除してテキストデータを抽出する。また、データがブロック要素の場合には、タグを削除し、テキストデータの間に改行コードを挿入する。

図４は、テキスト化したウェブページの一例を示す図である。図４の左側に示すＨＴＭＬで記述されたウェブページからテキストデータを抽出し、改行コードを挿入してテキスト化する。これにより、図４の右側に示すように、機種名と、ＷＥＢ価格、ポイント、納期等を示すテキストデータが改行されて抽出される。

図３のステップＳ１３に戻り、テキスト化したウェブページに機種名等の複数の近傍語の内の１つが含まれているか否かを判定する。近傍語が含まれていない場合には（Ｓ１３、ない）、ステップＳ１４に進み、次のＨＴＭＬファイルを取得する。

テキスト化したウェブページに近傍語が含まれている場合には（Ｓ１３、ある）、ステップＳ１５に進み、近傍語を含む指定行数を１チャンク（１つのブロック）として抽出する。1チャンクを取り出すときの指定行数は、後述する抽出語を探す規定行数より大きな値である。従って、１チャンクには２以上の近傍語が含まれている場合もある。１チャンク単位ではなく1ページ単位で抽出しても良い。

次に、近傍語・抽出語テーブル１６から１対の近傍語と抽出語を取得する（Ｓ１７）。
近傍語・抽出語テーブル１６から取得した近傍語をキーにして１チャンクのデータを検索し、近傍語を検出したなら、その前後の規定行数分のテキストデータを取り出す（Ｓ１８）。

次に、近傍語の前後の規定数行（一定範囲内）のテキストデータの中から近傍語に対応する抽出語に対応する文字又は数字を探す（Ｓ１９）。ステップＳ１９の処理は、例えば、近傍語として「商品番号」が選択され、１チャンクのデータからその近傍語が検出された場合には、近傍語の前後の一定範囲内に「商品番号」と対の抽出語に対応する文字及び数字を探す。

次に、規定行数分のテキストデータの中に抽出語に対応する文字又は数値が存在するか否かを判定する（Ｓ２０）。規定行数の中に抽出語が存在しない場合には（Ｓ２０、ない）、上記のステップＳ１７に戻り、次の近傍語と抽出語の対を近傍語・抽出語テーブル１６から取得する。その後、上述したステップＳ１８〜Ｓ２０の処理を繰り返す。

近傍語の前後の規定行数のテキストデータの中に近傍語と対の抽出語に対応する文字又は数字が存在する場合には（Ｓ２０、ある）、ステップＳ２１に進み、型番、販売価格、ポイントあるいはスペックを示す文字又は数字を抽出し、抽出したデータをメモリ等に保存する。

次に、他のチャンクが存在するか否かを判定する（Ｓ２２）。他のチャンクが存在する場合には（Ｓ２２、ある）、ステップＳ２３に進み、次のチャンクを指定する。その後、ステップＳ１６に戻り、上述したステップＳ１６〜Ｓ２２の処理を繰り返す。

他のチャンクが存在しない場合には（Ｓ２２、ない）、ステップＳ２４に進み、他のＨＴＭＬファイルが存在するか否かを判定する。
他のＨＴＭＬファイルが存在する場合には（Ｓ２４、ある）、ステップＳ１４に戻り、次のＨＴＭＬファイルを取得する。その後、上述したステップＳ１２〜Ｓ２４の処理を繰り返す。

他のＨＴＭＬファイルが存在しない場合には（Ｓ２４、ない）、ステップＳ２５に進み、１又は複数のウェブページから抽出語に基づいて取得した（抽出した）商品の販売価格とポイントから実売価格を計算する（Ｓ２５）。

最後に、検索結果の機種名（型番）、販売価格、ポイント、実売価格等を出力する（Ｓ２６）。ステップＳ２６の処理では、例えば、検索結果をディスプレイ等に表示する。
図５（Ａ）は、近傍語・抽出語テーブル１６の一例を示す図である。

近傍語とは、型名、販売価格、ポイントのパーセント等を示す文字又は数字の近傍に記述される可能性の高い単語であり、例えば、「商品番号」、「特価」、「ポイント」等である。

近傍語・抽出語テーブル１６には、商品を特定する型名、価格、ポイントを指す近傍語を記憶する記憶領域１６ａが設けられている。また、近傍語・抽出語テーブル１６には、近傍語と関連して記述される型番の文字又は数字、数字と販売価格の単位、ポイント還元のパーセント等を抽出するための抽出語を記憶する記憶領域１６ｂが設けられている。

図５（Ａ）の抽出語の「＿ＫＡＴＡ＿」は型名を示す文字又は数字を示し、「［￥ｄ，]＋円」は、カンマ付きの連続する数字と「円」を示す。また、「［￥ｄ］＋￥％」は、連続する数字とパーセントを示す記号を示す。

ウェブページのテキストデータから型名、価格、ポイントを検索する場合には、近傍語・抽出語テーブル１６から1対の近傍語と抽出語を取得する。
例えば、近傍語・抽出語テーブル１６から近傍語として「商品番号」が取得され、抽出語として、商品の型番を示す文字及び数字「＿ＫＡＴＡ＿」が取得されたものとする。近傍語「商品番号」をキーとしてテキストデータを検索する。

検索の結果、文字列「商品番号」が抽出されたときには、その前後の規定行数分のテキストデータの中に抽出語「＿ＫＡＴＡ＿」に対応する文字又は数字が存在するか否かを調べる。型番を示す文字又は数字が存在する場合には、その文字又は数字を型番として抽出してメモリ等に保存する。

近傍語・抽出語テーブル１６から次の近傍語と抽出語の対を取得する。例えば、近傍語として「特価」、抽出語として「［￥ｄ，］＋円」を取得する。そして、近傍語「特価」をキーとしてテキストデータを検索する。

検索の結果、文字列「特価」が検出されたときには、その単語の前後の規定行数分のテキストデータの中に抽出語「［￥ｄ，］＋円」に対応する連続する数字と文字「円」が存在するか否かを調べる。数字と文字「円」が存在する場合には、その数字を販売価格として抽出し、型番と対応付けてメモリ等に保存する。

近傍語・抽出語テーブル１６から次の近傍語と抽出語の対を取得する。例えば、近傍語として「ポイント」、抽出語として「［￥ｄ］＋￥％」を取得する。そして、近傍語「ポイント」をキーとしてテキストデータを検索する。

検索の結果、文字列「テキスト」が抽出されたときには、その前後の規定行数分のテキストデータの中に抽出語「［￥ｄ］＋￥％」に対応する数字と記号「％」が存在するか否かを調べる。ポイントを示す数字と記号が存在する場合には、その数字をポイントとして抽出し、商品の型番と対応付けてメモリ等に保存する。

近傍語・抽出語テーブル１６に登録する近傍語及び抽出語は上記の語句に限らず、ウェブサイトで実際に使用される語句に応じて任意に変更することができる。
図５（Ｂ）は、上記のようにしてウェブページから抽出してメモリ等に保存された情報の一例を示す図である。

図５（Ｂ）は、あるショッピングサイトで抽出された型番「ＦＭＶＣＥ９０」の販売価格が「１９３７００円」、購入時に付与されるポイントが「１０％」であることを示している。

なお、図５（Ａ）の近傍語・抽出語テーブル１６には、説明を分かり易くするために、型名、価格、ポイント等の欄を設けてあるが、この取得内容を示す情報はなくとも良い。少なくとも近傍語と抽出語を対応付けた構造のテーブルであれば良い。

図６は、ウェブページの一例を示す図であり、図７はテキスト化したウェブページの一部を示す図である。
図７（Ａ）は、図６のウェブページの上部に表示される文字をテキスト化したデータを示している。図７（Ｂ）は、図６の検索結果のＨＴＭＬファイルをテキスト化したデータを示している。

図８は、検索結果の出力例を示す図である。図８の例は、複数のショッピングサイトの販売価格と、割引ポイントと、割引ポイントを考慮した実売価格を比較できるように表示した場合の例を示している。図８の検索結果から、どのショッピングサイトのポイントが1番高いか、ポイントを考慮した実売価格がどのショッピングサイトが1番安いかを知ることができる。

図９は、ショッピングサイトのＵＲＬ、近傍語・抽出語テーブル１６等を設定又は変更する設定画面の一例を示す図である。
図９の例は、保存されているショッピングサイトのリストから１つのショッピングサイトを選択して編集する場合の設定画面を示している。

ショップ名を選択するプルダウンメニューから、ショップ名「Ａ電機」を選択する（図９、（１））。
ショップ名を選択すると、ウェブページのＵＲＬ（予め登録されているＵＲＬ）が自動的に入力される（図９、（２））。

図９、（３）は、機種名等が指定されているときに、ショッピングサイトの中の検索されたウェブページを示し、図９，（４）は、そのウェブページをテキスト化したデータを示している。

図９、（５）は、検索に用いられている近傍語と抽出語を示しており、検索により得られたウェブページやテキスト化されたデータを確認しながら、近傍語と抽出語の対を変更することができる。変更された近傍語、抽出語は設定ファイル１７に保存される。

上記のように、設定画面に任意のショッピングサイトの検索により得られるウェブページと、テキスト化したウェブページを表示することで、予め設定した近傍語と抽出語を用いて商品の価格情報の検索が適正に行えるか否かを確認することができる。この設定画面で所望の検索結果が得られない場合には、表示されている近傍語、抽出語を修正又は追加することでユーザが望む検索結果が得られる近傍語・抽出語テーブル１６を作成することができる。

上述した実施の形態によれば、検索エンジン等を利用して取得したウェブページのＨＴＭＬファイルをテキストテータに変換し、機種名、価格、ポイント等を抽出することで、個々のウェブページのＨＴＭＬの構造に依存せずに価格情報を収集することができる。さらに、販売価格とポイント情報を収集してポイントによる割引を考慮した実売価格を計算することで、複数のショッピングサイトの中で最も安い価格のサイトを調べることができる。

１１ 情報処理装置
１２ 検索部
１３ 解析部
１４ 設定部
１５ 記憶部
１６ 近傍語・抽出語テーブル
１７ 設定ファイル
１８ インターネット
１９ Ｗｅｂサーバ

Claims (6)

1. 検索により得られた複数のショッピングサイトのウェブページのＨＴＭＬファイルを取得し、
   前記ＨＴＭＬファイルをテキストデータに変換し、
   検索対象の商品を特定する型番、価格又はポイントを指す単語と、前記型番、価格及びポイントの文字列又は数字を抽出するための抽出語をそれぞれ対応付けて記憶手段に記憶し、
   前記テキストデータから前記型番、価格又はポイントを指す単語を検索し、
   検索により得られた単語と対応付けて前記記憶手段に記憶されている抽出語に対応する文字又は数字が、前記単語の前後の一定範囲内に存在するか否かを判定し、
   文字又は数字が一定範囲内に存在すると判定された場合に、該当する文字又は数字を型番、販売価格又はポイントとして抽出し、
   抽出された販売価格とポイントとに基づいて実売価格を計算し、
   商品を特定する型番とポイントと計算により得られる実売価格を検索結果として出力するショッピングサイトの価格調査方法。
2. 型番を指す単語と型番の文字又は数字を抽出するための抽出語とを対応付けたデータと、価格を指す単語と価格の数字と通貨単位を抽出するための抽出語とを対応付けたデータと、ポイントを指す単語とポイントの数字とパーセントを示す文字又は記号を抽出するための抽出語とを対応付けたデータを前記記憶手段に記憶する請求項１記載のショッピングサイトの価格調査方法。
3. ショッピングサイトのウェブページと、前記ウェブページのＨＴＭＬファイルをテキスト化したテキストデータと、商品を特定する型番を指す単語と型番の文字又は数字を抽出するための抽出語とを対応付けたデータと、価格を指す単語と価格の数字と通貨単位の円を抽出するための抽出語とを対応付けたデータと、ポイントを指す単語とポイントの数字とパーセントを示す文字又は記号を抽出するための抽出語とを対応付けたデータを表示させ、前記単語と前記抽出語の修正を受け付ける請求項１又は２記載のショッピングサイトの価格調査方法。
4. 検索により得られた複数のショッピングサイトのウェブページのＨＴＭＬファイルを取得する取得手段と、
   前記ＨＴＭＬファイルをテキストデータに変換する変換手段と、
   検索対象の商品を特定する型番、価格又はポイントを指す単語と、前記型番、価格及びポイントの文字列又は数字を抽出するための抽出語をそれぞれ対応付けて記憶する記憶手段と、
   前記テキストデータから型番、価格又はポイントを指す前記単語を検索する検索手段と、
   前記検索手段により検出された前記単語と対応付けて前記記憶手段に記憶されている抽出語に対応する文字又は数字が、前記単語の前後の一定範囲内に存在するか否かを判定する判定手段と、
   前記判定手段により文字又は数字が一定範囲内に存在すると判定された場合に、該当する文字又は数字を型番、販売価格又はポイントとして抽出する抽出手段と、
   前記抽出手段により抽出された販売価格とポイントとに基づいて実売価格を計算する計算手段と、
   商品を特定する型番とポイントと計算により得られる実売価格を検索結果として出力する出力手段とを備える情報処理装置。
5. 前記記憶手段は、型番を指す単語と型番の文字又は数字を抽出するための抽出語とを対応付けたデータと、価格を指す単語と価格の数字と通貨単位を抽出するための抽出語とを対応付けたデータと、ポイントを指す単語とポイントの数字とパーセントを示す文字又は記号を抽出するための抽出語とを対応付けたデータを前記記憶手段に記憶する請求項４記載の情報処理装置。
6. ショッピングサイトの前記ウェブページと、前記ウェブページのＨＴＭＬファイルをテキスト化したテキストデータと、商品を特定する型番を指す単語と型番の文字又は数字を抽出するための抽出語とを対応付けたデータと、価格を指す単語と価格の数字と通貨単位の円を抽出するための抽出語とを対応付けたデータと、ポイントを指す単語とポイントの数字とパーセントを示す文字又は記号を抽出するための抽出語とを対応付けたデータを表示させ、前記単語と前記抽出語の修正を受け付ける設定部を有する請求項４又は５記載の情報処理装置。