JP2011086273A - 情報伝播経路特定装置、情報伝播経路特定方法、情報伝播経路特定プログラム - Google Patents

Abstract

【課題】従来、ウェブにおける情報の伝播経路を精度よく特定する技術は存在しない。
【解決手段】情報伝播経路特定装置１００は、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定する共通文字列数特定部２と、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定する情報伝播経路特定部５とを有する。
【選択図】図２

Description

本発明は、ウェブにおける情報の伝播経路を特定する技術に関する。

近年、企業は、ウェブページを用いて情報を発信しており、個人も、ウェブページ、ブログ、及びＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｓｅｒｖｉｃｅ）を用いて情報を発信している。各情報は、他の情報の影響を受けて発信されることがある。例えば、ある企業が新製品を発売することをウェブページにおいて発表すると、そのウェブページを見たある個人がその情報とともにその新製品についての意見をブログにより公表することがある。このように、ある情報がウェブにおいて伝播することがある。

特開２００８−１３００４４号公報

ところで、ウェブページにおいて公表された情報の伝播を不快に感じることがある。例えば、不祥事が発生していないのにもかかわらず、企業を中傷する情報が多数のウェブページに広がると、多数の人がその情報を知ってしまい、その企業の経済活動が阻害される可能性があるからである。そのような場合、その企業に属する人は、経済活動が阻害されることを防止するために、その情報の伝播経路を知りたいと考える。

また、企業は、上述したように、新製品を発売することをウェブページにおいて発表することがあり、広告の効果を調べる目的で又はマーケティングの一環として、ウェブにおけるその情報の広がり、つまりその情報の伝播経路を知りたいと考える。

しかしながら、現在、ウェブにおける情報の伝播経路を精度よく特定する技術は存在しない。

本発明は、ウェブにおける情報の伝播経路を精度よく特定する技術を提供することを目的とする。

上記課題を解決し上記目的を達成するために、本発明の情報伝播経路特定装置は、ウェブにおける情報の伝播経路を特定する装置であって、複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部と、前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定する共通文字列数特定部と、前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する作成時刻検出部と、前記共通文字列数特定部によって特定された各評価ラベルに対応する各ウェブページ対について、前記作成時刻検出部によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出した上で、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定してそれを関連しているウェブページ対であると特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定する情報伝播経路特定部と、を備える。

また、本発明の情報伝播経路特定装置は、ウェブにおける情報の伝播経路を特定する装置であって、複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部と、前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定する共通文字列数特定部と、前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する作成時刻検出部と、前記取得部によって取得された情報からリンクタグを検出するリンクタグ検出部と、（１）前記作成時刻検出部によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ相互の作成時刻の前後関係を検出し、所定の閾値以上の関連度ラベルを有するウェブページ対を特定してそれを互いに関連しているウェブページ対であると特定する第１の処理と、値が大きい方から上位所定の個数の関連度ラベルそれぞれを有するウェブページ対を特定してそれらを互いに関連しているウェブページ対であると特定する第２の処理との少なくとも一方を行うとともに、（２）前記リンクタグ検出部によって検出された全てのリンクタグについて、リンク元ページとリンク先ページとを特定して互いに関連しているウェブページ対を特定する処理をも行い、（３）更に、前記関連度ラベルを用いて特定した互いに関連しているウェブページ対と、前記リンクタグを用いて特定した互いに関連しているウェブページ対とに基づいて、ウェブにおける情報の伝播経路を特定する情報伝播経路特定部と、を備える。

また、本発明の情報伝播経路特定方法は、ウェブにおける情報の伝播経路を特定する方法であって、複数の評価対象のウェブページそれぞれを構成する情報を取得するステップと、取得した情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定するステップと、取得した情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出するステップと、特定した各評価ラベルに対応する各ウェブページ対について、検出した作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出した上で、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定してそれを関連しているウェブページ対であると特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定するステップと、を含む。

また、本発明の情報伝播経路特定方法は、ウェブにおける情報の伝播経路を特定する方法であって、複数の評価対象のウェブページそれぞれを構成する情報を取得するステップと、取得した情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定するステップと、取得した情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出するステップと、取得した情報からリンクタグを検出するステップと、（１）検出した作成時刻に基づいて、各ウェブページ対を構成するウェブページ相互の作成時刻の前後関係を検出し、所定の閾値以上の関連度ラベルを有するウェブページ対を特定してそれを互いに関連しているウェブページ対であると特定する第１の処理と、値が大きい方から上位所定の個数の関連度ラベルそれぞれを有するウェブページ対を特定してそれらを互いに関連しているウェブページ対であると特定する第２の処理との少なくとも一方を行うとともに、（２）検出した全てのリンクタグについて、リンク元ページとリンク先ページとを特定して互いに関連しているウェブページ対を特定する処理をも行い、（３）更に、前記関連度ラベルを用いて特定した互いに関連しているウェブページ対と、前記リンクタグを用いて特定した互いに関連しているウェブページ対とに基づいて、ウェブにおける情報の伝播経路を特定するステップと、を含む。

更に、本発明の情報伝播経路特定装置の各構成要件の機能をコンピュータに実現させるためのプログラムも、本発明の一態様である。

本発明は、ウェブにおける情報の伝播経路を精度よく特定する技術を提供することができる。

本実施の形態のウェブページ評価システムの構成図である。 本実施の形態の情報伝播経路特定装置の構成図である。 本実施の形態の情報伝播経路特定装置の動作の各ステップを示すフローチャートである。 本実施の形態の情報伝播経路特定装置の共通文字列数特定部の動作を説明するための図である。 本実施の形態の情報伝播経路特定装置の情報伝播経路特定部が行う相互に関連しているウェブページを特定する動作を説明するための図である。 本実施の形態の情報伝播経路特定装置の情報伝播経路図作成部によって作成される情報伝播経路図の具体例を説明するための図である。 本実施の形態の情報伝播経路特定部が関連度ラベルを用いる処理の結果のみに基づいて特定した情報の伝播経路を示す図である。 本実施の形態の情報伝播経路特定部がリンクタグを用いる処理の結果のみに基づいて特定した情報の伝播経路を示す図である。 本実施の形態の情報伝播経路特定部が関連度ラベルを用いる処理の結果と、リンクタグを用いる処理の結果との和集合に基づいて特定した情報の伝播経路を示す図である。 ２個のウェブページのうちで先に作成されたウェブページを特定する方法を説明するための図である。

以下に、本発明を実施するための形態を図面を参照して説明する。

先ず、本実施の形態のウェブページ評価システムの構成を図１を用いて説明する。図１は、本実施の形態のウェブページ評価システムの構成図である。本実施の形態のウェブページ評価システムは、複数のウェブページ相互の関係を評価するためのシステムであって、図１に示すように、情報伝播経路特定装置１００と、クライアント端末装置２００と、検索装置３００と、通信ネットワーク４００とを有する。

情報伝播経路特定装置１００は、通信ネットワーク４００において開示されている複数のウェブページのうちの相互に関連するウェブページを特定し、それによりウェブにおける情報の伝播経路を特定する装置である。情報伝播経路特定装置１００は、複数の構成部によって構成されている。情報伝播経路特定装置１００の構成の詳細は図２を用いて後述する。

クライアント端末装置２００は、ユーザによって使用される装置であって、検索キーワードと、検索キーワードに関連するウェブページを検索させる指示（以下、「検索指示」と記載する。）とをユーザから受け付ける。クライアント端末装置２００は、受け付けた検索キーワード及び検索指示を検索装置３００に送信する。また、クライアント端末装置２００は、情報伝播経路特定装置１００からそれによって得られた結果を受信する。図１に示すように、クライアント端末装置２００には、検索キーワード及び検索指示をクライアント端末装置２００に入力するための入力装置２１０と、情報伝播経路特定装置１００によって得られた結果を表示するための表示装置２２０とが接続されている。入力装置２１０は、例えばキーボード及びマウスである。

検索装置３００は、通信ネットワーク４００において開示されているウェブページのなかから、クライアント端末装置２００から受信した検索キーワードに関連するウェブページを検索する装置である。検索装置３００によって検索されたウェブページは、情報伝播経路特定装置１００によって評価されるウェブページであるので、以下では、検索装置３００によって検索されたウェブページを「評価対象のウェブページ」と記載する。通信ネットワーク４００は、データを通信するためのネットワークであって、具体的にはインターネットである。情報伝播経路特定装置１００、クライアント端末装置２００、及び検索装置３００は、通信ネットワーク４００に接続されており、相互に通信可能である。

次に、情報伝播経路特定装置１００の構成を図２を用いて説明する。図２は、情報伝播経路特定装置１００の構成図である。情報伝播経路特定装置１００は、上述したように、通信ネットワーク４００において開示されている複数のウェブページに含まれる情報の伝播経路を特定する装置であって、通信部１と、共通文字列数特定部２と、作成時刻検出部３と、リンクタグ検出部４と、情報伝播経路特定部５と、情報伝播経路図作成部６とを有する。

通信部１は、検索装置３００から、検索装置３００によって検索された複数の評価対象のウェブページそれぞれを構成する情報を受信する。通信部１は、複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部として機能する。評価対象のウェブページを構成する情報は、例えばマークアップラングエッジにより記載された情報である。また、通信部１は、情報伝播経路図作成部６によって作成される情報伝播経路図を、通信ネットワーク４００を介してクライアント端末装置２００に出力する。

共通文字列数特定部２は、通信部１によって受信された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出した上で、検出した文字列を構成する文字の数が所定の閾値以上である場合にその数を関連度ラベルとして特定する。また、共通文字列数特定部２は、各ウェブページ対について、最大の関連度ラベルを評価ラベルとして特定する。

具体的には、共通文字列数特定部２は、ＬＣＳ（Ｌｏｎｇｅｓｔ ｃｏｍｍｏｎ ｓｕｂｓｅｑｕｅｎｃｅ ｐｒｏｂｌｅｍ）における解法を用い、２個の評価対象のウェブページの組それぞれについて、共通する文字列を検出した上で、検出した文字列を構成する文字の数が所定の閾値以上である場合にその数を関連度ラベルとして特定する。そして、共通文字列数特定部２は、各ウェブページ対について、最大の関連度ラベルを評価ラベルとして特定する。関連度ラベルを特定する際の閾値は、例えば実験により決定される。ＬＣＳにおける代表的な解法は、Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ（動的計画法）や、Ｓｕｆｆｉｘ Ｔｒｅｅである。

作成時刻検出部３は、通信部１によって受信された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する。「作成」には、特定の記事が記載された新規のウェブページが公開された場合のみならず、既に公開されているウェブページの中で上記特定の記事が追加された場合、つまりページ更新が行われた場合も含まれる。後者の場合の「作成時刻」は、ページ更新が行われた時刻ではなく、ウェブページが最初に公開された時刻である。

リンクタグ検出部４は、通信部１によって受信された情報の中からリンクタグを検出し、検出した各リンクタグについて、リンク元ページ情報とリンク先ページ情報とを特定する。なお、リンク元ページは作成時刻が相対的に後のウェブページ、リンク先ページは作成時刻が相対的に前のウェブページとみなす（図５参照）。

情報伝播経路特定部５は、通信ネットワーク４００において開示されている複数のウェブページのうち、相互に関連するウェブページの組を特定し、それによりウェブにおける情報の伝播経路を特定する。情報伝播経路特定部５の具体的な処理（機能）は次の通りである。

情報伝播経路特定部５の処理は二通り存在する。

第一に、情報伝播経路特定部５は、共通文字列数特定部２及び作成時刻検出部３での処理結果に基づいてウェブページ同士の引用関係を検出し、どのウェブページからどのウェブページへ情報が伝播したか（内容の類似性と時間の前後関係）を特定する。具体的には、情報伝播経路特定部５は、共通文字列数特定部２によって特定された各評価ラベルに対応する各ウェブページ対について、作成時刻検出部３によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出する。

次に、情報伝播経路特定部５は、同一のウェブページに対して、それと共通する文字列を有し（つまり、評価ラベルを有し）、かつそれよりも作成時刻が相対的に前のウェブページが複数存在する場合（例えば、複数のニュースページを引用して一つのブログページが書かれたようにみえる場合）、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つだけ抽出し、当該ウェブページ対のうちの作成時刻が相対的に前のウェブページを「引用元ページ」、作成時刻が相対的に後のウェブページを「引用先ページ」として抽出する（図５参照）。情報伝播経路特定部５は、この処理を全てのウェブページ対について行うことにより、一つの引用先ページに対して一つの引用元ページを特定する。

なお、情報伝播経路特定部５は、抽出した各ウェブページ対について、その評価ラベルが基準値以上であることをチェックし、基準値未満であれば当該ウェブページ対の抽出をキャンセルすることが望ましい。基準値が小さすぎると、定型的な文字列（例えば「野村総合研究所」など）だけが共通していて、実質的な内容は類似していないようなウェブページ対を構成する２個のウェブページを相互に関連しているものと判断してしまう一方、基準値が大きすぎると、長い共通文字列を含む２個のウェブページですら相互に類似していないものと判断してしまうため、基準値は実験などを通じて求められる最適値が設定される。

第二に、情報伝播経路特定部５は、リンクタグ検出部４での処理結果に基づいて、どのウェブページからどのウェブページへ情報が伝播したか（内容の類似性と時間の前後関係）を特定する。具体的には、情報伝播経路特定部５は、リンクタグ検出部４によって検出された全てのリンクタグについて、リンク元ページとリンク先ページとを特定する。なお、ここで「リンク元ページ」はリンクタグが検出されたページであるため、引用関係でいえば「引用先ページ」に該当し、「リンク先ページ」は「引用元ページ」に該当する（図５参照）。

なお、上記の情報伝播経路特定部５の二通りの処理は、いずれか一方を省略することが可能であり、情報伝播経路特定部５が二通りの処理を行った場合はそれぞれの処理結果の和集合を情報伝播経路特定部５の処理結果とする。

情報伝播経路図作成部６は、情報伝播経路特定部５によって関連すると特定された各ウェブページ対を構成するウェブページを、作成された順に仮想的に並べて仮想的に線で結び、ウェブにおける情報の伝播を表現する情報伝播経路図を作成する。

次に、本実施の形態のウェブページ評価システムの動作を説明する。そのうちの情報伝播経路特定装置１００の動作は、図３を用いて説明する。図３は、情報伝播経路特定装置１００の動作の各ステップを示すフローチャートである。

先ず、ユーザは、検索キーワードと、その検索キーワードに関連するウェブページを検索させる指示（検索指示）とを、入力装置２１０を用いてクライアント端末装置２００に入力する。クライアント端末装置２００は、入力された検索キーワード及び検索指示を受け付け、それらを通信ネットワーク４００を介して検索装置３００に送信する。

検索装置３００は、クライアント端末装置２００からの検索キーワード及び検索指示を受信し、通信ネットワーク４００において開示されているウェブページのなかから、受信した検索キーワードに関連するウェブページ（評価対象のウェブページ）を検索する。説明の便宜上、検索装置３００は複数の評価対象のウェブページを検索したと仮定する。検索装置３００は、検索した複数の評価対象のウェブページそれぞれを構成する情報を、通信ネットワーク４００を介して情報伝播経路特定装置１００に送信する。

情報伝播経路特定装置１００では、通信部１が、検索装置３００によって検索された複数の評価対象のウェブページそれぞれを構成する情報を受信する（Ｓ１）。共通文字列数特定部２は、通信部１によって受信された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数が所定の閾値以上である場合にその数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定する（Ｓ２）。

共通文字列数特定部２の動作を図４を用いて具体的に説明する。図４は、共通文字列数特定部２の動作を説明するための図である。図４（Ａ）は、評価対象のウェブページＡを示しており、図４（Ｂ）は、評価対象のウェブページＢを示している。図４（Ａ）に示すように、評価対象のウェブページＡには、文字列「ｍｎｌｏｐａｂｃｄｅｆｘｙｚ」が記載されており、図４（Ｂ）に示すように、評価対象のウェブページＢには、文字列「ｔｔｘａｂｘａｂｃｄｅｘｘｘ」が記載されている。

図４（Ａ）と図４（Ｂ）とを比較すると明らかなように、評価対象のウェブページＡと評価対象のウェブページＢとにおいて、共通する文字列は、文字列「ｘ」と、文字列「ａｂ」と、文字列「ａｂｃｄｅ」とである。文字列「ｘ」を構成する文字の数は「１」であり、文字列「ａｂ」を構成する文字の数は「２」であって、文字列「ａｂｃｄｅ」を構成する文字の数は「５」である。この場合、共通文字列数特定部２は、それらの３個の文字列それぞれの関連度ラベルを「１」、「２」、「５」と特定し、最大の関連度ラベル「５」を評価ラベルとして特定する（Ｓ２）。

このようにして、共通文字列数特定部２は、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数が所定の閾値以上である場合にその数を関連度ラベルとして特定し、各ウェブページ対について、最大の関連度ラベルを評価ラベルとして特定する（Ｓ２）。

次に、作成時刻検出部３は、通信部１によって受信された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する（Ｓ３）。

次に、リンクタグ検出部４は、通信部１によって受信された情報の中からリンクタグを検出し、検出した各リンクタグについて、リンク元ページ情報とリンク先ページ情報とを特定する（Ｓ４）。

そして、情報伝播経路特定部５は、どのウェブページからどのウェブページへ情報が伝播したか（内容の類似性と時間の前後関係）を特定する（Ｓ５）。つまり、情報伝播経路特定部５は、ステップＳ４までの処理結果に基づいて、ウェブにおける情報の伝播経路を特定する（Ｓ５）。情報伝播経路特定部５の具体的な処理内容は前述したように二通り存在する。

一つは、共通文字列数特定部２によって特定された各評価ラベルに対応する各ウェブページ対について、作成時刻検出部３によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出する。次に、同一のウェブページに対して、それと共通する文字列を有し（つまり、評価ラベルを有し）、かつそれよりも作成時刻が相対的に前のウェブページが複数存在する場合（例えば、複数のニュースページを引用して一つのブログページが書かれたようにみえる場合）、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つだけ抽出し、当該ウェブページ対のうちの作成時刻が相対的に前のウェブページを「引用元ページ」、作成時刻が相対的に後のウェブページを「引用先ページ」として抽出する（図５参照）。この処理を全てのウェブページ対について行うことにより、一つの引用先ページに対して一つの引用元ページを特定する。また、抽出した各ウェブページ対について、その評価ラベルが基準値以上であることをチェックし、基準値未満であれば当該ウェブページ対の抽出をキャンセルする。

もう一つは、リンクタグ検出部４によって特定されたリンク元ページ情報とリンク先ページ情報とに基づいて、各リンクタグに係る各ウェブページ対について、それを構成する２個のウェブページのいずれが先に作成されたウェブページであるのかを特定する。そして、情報伝播経路特定部５は、これら二通りの処理を経て抽出されたウェブページ対の和集合により、ウェブにおける情報の伝播経路を特定する。

情報伝播経路特定部５の処理内容を図５を用いて具体的に説明する。図５は、情報伝播経路特定部５の処理内容を説明するための図である。図５の例では、ウェブページＤ，Ｅ，Ｆ，Ｇ（例えばニュースページ）の作成時刻は、ウェブページＣ（例えばブログページ）の作成時刻よりも先である。また、ウェブページＣは、ウェブページＧへのリンクタグを有している。この場合、ウェブページＣがリンク元のウェブページであり、ウェブページＧがリンク先のウェブページである。

また図５の例では、ウェブページＤＣ，ＥＣ，ＦＣ，ＧＣの間における評価ラベルは、それぞれ３０，２５，８３，８２である。

そこで、情報伝播経路特定部５は、第一の関連ウェブページ特定処理により、評価ラベルが最大となる「８３」のウェブページ対ＦＣを抽出するとともに、当該ウェブページ対ＦＣの評価ラベル「８３」が基準値（例えば「５０」）以上であることを確認する。なお、もし当該ウェブページ対ＦＣの評価ラベルが基準値未満であったなら、当該ウェブページ対ＦＣの抽出をキャンセルする。

また、ウェブページＧは、リンクタグによりウェブページＣに関連付けられている。そのため、情報伝播経路特定部５は、第二の関連ウェブページ特定処理により、ウェブページ対ＧＣを抽出する。

そして、情報伝播経路特定部５は、第一及び第二の関連ウェブページ特定処理の結果の和集合をとり、情報がウェブページＦ，ＧからウェブページＣへ伝播したものと判断する。

次に、情報伝播経路図作成部６は、情報伝播経路特定部５によって特定された関連するウェブページを、作成された順に仮想的に並べて仮想的に線で結び、ウェブにおける情報の伝播を表現する情報伝播経路図を作成する（Ｓ６）。

情報伝播経路図作成部６によって作成される情報伝播経路図の具体例を図６を用いて説明する。図６は、情報伝播経路図作成部６によって作成される情報伝播経路図の具体例を説明するための図である。

ここで、情報伝播経路特定部５によって、ウェブページαβ，βγ，βδ，γεがそれぞれ相互に関連している、と特定されたと仮定する。そして、ウェブページの作成時刻はα，β，γ，δ，εの順であると仮定する。

この場合、情報伝播経路図作成部６は、ウェブページαとβとを線で結び、同様にβγ，βδ，γεをそれぞれ線で結び、更に各ウェブページ対を結ぶ線に、作成時刻が先のウェブページから作成時刻が後のウェブページの向きに矢印を付加して、図６に示す情報伝播経路図を作成する。図６における横軸ｔは時間軸である。

このようにして情報伝播経路図が作成されると、通信部１は、作成された情報伝播経路図を、通信ネットワーク４００を介してクライアント端末装置２００に出力する。クライアント端末装置２００は、情報伝播経路図を受信して表示装置２２０に表示させる。

これにより、ユーザは、入力した検索キーワードに関連するウェブページに含まれる情報のウェブにおける伝播経路を知ることができる。

本実施の形態の情報伝播経路特定装置１００の構成及び動作は、上述した通りである。次に、情報伝播経路特定装置１００の効果を説明する。

（第１の効果）
情報伝播経路特定部５は、図５を用いて説明したように、第１の処理において、共通文字列数特定部２によって特定された各評価ラベルに対応する各ウェブページ対について、作成時刻検出部３によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出した上で、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定してそれを関連しているウェブページ対であると特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定する。

図５を用いて具体的に説明し直すと、ウェブページＤ，Ｅ，Ｆ，Ｇそれぞれは、ウェブページＣよりも作成時刻が前であって、ウェブページＣと共通する文字列を有しており、ウェブページＤＣ，ＥＣ，ＦＣ，ＧＣの間における評価ラベルは、それぞれ３０，２５，８３，８２である。この場合、情報伝播経路特定部５は、複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対ＦＣのみを抽出する。

情報伝播経路特定部５が、複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つだけ抽出するのは、次のような理由による。情報伝播経路特定部５は、「１」以上の評価ラベルを有するウェブページ対の全てを抽出しても情報の伝播経路を特定することができる。しかしながら、情報伝播経路特定部５は、最大の評価ラベルを有するウェブページ対を一つだけ抽出することにより、ウェブにおける情報の伝播経路を精度良く特定することができるからである。

例えば、情報伝播経路特定部５は、所定の閾値以上の評価ラベルを有するウェブページ対を抽出する場合、閾値が小さすぎると、多数のウェブページ対が抽出されて、情報の伝播経路が多数存在することになり、ウェブにおける情報の伝播経路を精度良く特定することができない。すなわち、閾値が小さすぎると、多数の伝播関係が検出され、情報伝播経路特定部５は、ウェブにおける情報の伝播経路を精度良く特定することができない。「伝播関係」とは、２個のウェブページ相互の伝播・引用関係を意味する。

その内容を図７を用いて視覚的に説明する。図７は、情報伝播経路特定部５が第一の処理（評価ラベルを用いる処理）の結果のみに基づいて特定した情報の伝播経路を示す図である。図７において、各楕円はウェブページを示しており、矢印付きの実線は、その始点及び終点のウェブページそれぞれが評価ラベルにより相互に関連していることを示している。その矢印は、情報の伝播の向きを示している。情報伝播経路特定部５が第一の処理の結果のみを用い、所定の閾値以上の評価ラベルを有するウェブページ対を抽出する場合、閾値が小さいと、図７に示すように、情報の伝播経路は多数存在して錯綜し、どの伝播経路が真の経路であるのかが不明になる。

他方、閾値が大きすぎると、大きな評価ラベルを有するウェブページ対であっても、その評価ラベルが閾値未満であれば、情報伝播経路特定部５は、そのウェブページ対を抽出しない。このように、閾値が小さすぎても大きすぎても問題が出てくるので、閾値を設定することは容易ではない。

したがって、あるウェブページが、それよりも作成時刻が前の複数のウェブページそれぞれと共通する文字列を有している場合、情報伝播経路特定部５は、上記あるウェブページを含む複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つだけ抽出する。これにより、情報伝播経路特定部５は、作成時刻が相対的に後のウェブページに記載されている情報の発信元となるウェブページを精度良く特定することができる。

（第２の効果）
情報伝播経路特定部５は、第一の処理（評価ラベルを用いる処理）の結果と、第二の処理（リンクタグを用いる処理）の結果との和集合をとり、それによりウェブにおける情報の伝播経路を特定する。情報伝播経路特定部５は、第一の処理の結果と、第二の処理の結果との一方のみを用いて伝播経路を特定することができる。情報伝播経路特定部５は、第一の処理の結果と、第二の処理の結果との和集合を用いると、伝播経路を精度良く特定することができる。したがって、情報伝播経路特定部５は、第一の処理の結果と、第二の処理の結果との和集合をとることが好ましい。以下にその理由を具体的に説明する。

情報伝播経路特定部５が第一の処理（関連度ラベルを用いる処理）の結果のみを用い、所定の閾値以上の評価ラベルを有する全てのウェブページ対を抽出する場合、上述したように、閾値が大きすぎると、大きな評価ラベルを有するウェブページ対であっても、その評価ラベルが閾値未満であれば、情報伝播経路特定部５は、そのウェブページ対を抽出しない。

しかしながら、抽出されなかったウェブページ対を構成する２個のウェブページ相互も関連していて情報伝播経路特定部５によって抽出されるべき場合がある。その場合、それら２個のウェブページのうちの後で作成されたウェブページに、先に作成されたウェブページへのリンクタグが含まれていれば、そのウェブページ対は、情報伝播経路特定部５によって抽出される。

このように、第一の処理（評価ラベルを用いる処理）の結果のみを用いた場合に検出される伝播関係の引用数を、第二の処理（リンクタグを用いる処理）の結果をも用いることにより、精度を落とすことなく増加させることができる。

他方、仮に、情報伝播経路特定部５が第二の処理（リンクタグを用いる処理）の結果のみを用いて相互に関連するウェブページを特定すると仮定する。その場合、作成時刻が前後する２個のウェブページが共通する文字列を有していても、後で作成されたウェブページに、先に作成されたウェブページへのリンクタグが含まれていなければ、それら２個のウェブページは、関連しているウェブページ対であると特定されない。

以下に、上記の内容を図８を用いて視覚的に説明する。図８は、情報伝播経路特定部５が第二の処理（リンクタグを用いる処理）の結果のみに基づいて特定した情報の伝播経路を示す図である。図８において、各楕円はウェブページを示しており、矢印付きの実線は、その始点及び終点のウェブページそれぞれがリンクタグにより相互に関連していることを示している。実線の矢印は、情報の伝播の向きを示している。矢印付きの破線は、その始点及び終点のウェブページそれぞれが共通する文字列を有しているのにもかかわらず、リンクタグが用いられていないことにより相互に関連していないことを示している。

図８の例では、「まとめブログＤ」は、共通する文字列を有しているのにもかかわらず、「一般ブログＦ」とは相互に関連していると判断されない。これは、「一般ブログＦ」に「まとめブログＤ」へのリンクタグが含まれていないことによる。このように情報伝播経路特定部５が第二の処理の結果のみを用いると、情報の伝播経路が実際には継続しているのにもかかわらず、断絶していると判断される場合がでてくる。換言すれば、情報伝播経路特定部５が第二の処理の結果のみを用いると、特定できる伝播経路が限られることになる。つまり、情報伝播経路特定部５が第二の処理の結果のみを用いて相互に関連するウェブページの対を特定し、それにより情報の伝播経路を特定するのは十分ではない。

そのため、情報伝播経路特定部５は、第一の処理（関連度ラベルを用いる処理）の結果と、第二の処理（リンクタグを用いる処理）の結果との和集合をとり、それによりウェブにおける情報の伝播経路を特定する。和集合をとることにより、第一の処理の結果と第二の処理の結果とを互いに補完することができ、相互に関連するウェブページの対をより精度良く特定することができる。すなわち、情報の真の伝播経路を精度良く特定することができる。

以下に、上記の内容を図９を用いて視覚的に説明する。図９は、情報伝播経路特定部５が第一の処理（評価ラベルを用いる処理）の結果と、第二の処理（リンクタグを用いる処理）の結果との和集合に基づいて特定した情報の伝播経路を示す図である。図９において、各楕円はウェブページを示しており、矢印付きの細い実線は、その始点及び終点のウェブページそれぞれが評価ラベル（最長共通文字列）により相互に関連していることを示している。矢印付きの太い実線は、その始点及び終点のウェブページそれぞれがリンクタグにより相互に関連していることを示している。矢印は、情報の伝播の向きを示している。

「まとめブログＤ」に着目すると、「まとめブログＤ」は、細い実線により「大手新聞サイトＢ」、「一般ブログＦ」、及び「一般ブログＩ」それぞれと接続されている。それは、「まとめブログＤ」が、評価ラベルにより「大手新聞サイトＢ」、「一般ブログＦ」、及び「一般ブログＩ」それぞれと相互に関連していることを示している。また、「まとめブログＤ」は、太い実線により「ネットニュースＡ」、「一般ブログＧ」、及び「一般ブログＨ」それぞれと接続されている。それは、「まとめブログＤ」が、リンクタグにより「ネットニュースＡ」、「一般ブログＧ」、及び「一般ブログＨ」それぞれと相互に関連していることを示している。

図９に示すように、「まとめブログＤ」は、第一の処理（評価ラベルを用いる処理）の結果のみが用いられると、「大手新聞サイトＢ」、「一般ブログＦ」、及び「一般ブログＩ」それぞれと相互に関連していると特定される。同様に、「まとめブログＤ」は、第二の処理（リンクタグを用いる処理）の結果のみが用いられると、「ネットニュースＡ」、「一般ブログＧ」、及び「一般ブログＨ」それぞれと相互に関連していると特定される。

それに対して、第一の処理の結果と、第二の処理の結果との和集合が用いられると、「まとめブログＤ」は、「大手新聞サイトＢ」、「一般ブログＦ」、「一般ブログＩ」、「ネットニュースＡ」、「一般ブログＧ」、及び「一般ブログＨ」それぞれと相互に関連していると特定される。

このように、情報伝播経路特定部５が第一の処理の結果と第二の処理の結果との和集合をとることにより、相互に関連しているウェブページの対を精度良く特定することができる。すなわち、情報の伝播経路を精度良く特定することができる。また、図９の「まとめブログＤ」のような、伝播される情報を中継するハブ機能を持つウェブページを特定することができる。また、情報の発信元のウェブページと、その情報が最後に伝播したウェブページとを特定することができるので、情報が伝播したウェブページの個数を把握することできる。更に、伝播経路をさかのぼることにより、情報が最後に伝播したウェブページがどのウェブページから影響を受けたのかを推定することができる。そのため、情報伝播経路特定部５は、第一の処理の結果と第二の処理の結果との和集合をとることにより、相互に関連しているウェブページ対を特定し、それにより情報の伝播経路を特定することが好ましい。

（変形例１）
なお、上述した実施の形態では、情報伝播経路特定部５は、同一のウェブページに対して、それと共通する文字列を有し（つまり、評価ラベルを有し）、かつそれよりも作成時刻が相対的に前のウェブページが複数存在する場合、複数のウェブページ対の中から、最大の評価ラベルを有するウェブページ対を一つだけ抽出する。しかしながら、情報伝播経路特定部５は、上記の場合、複数のウェブページ対の中から、所定の閾値以上の評価ラベルを有するウェブページ対を抽出してもよい。また、情報伝播経路特定部５は、それら複数のウェブページ対の中から、値が大きい方から上位所定の個数の評価ラベルそれぞれを有するウェブページ対を抽出してもよい。この場合も、情報伝播経路特定部５は、情報の伝播経路を特定することができる。

また、情報伝播経路特定部５は、評価ラベルに着目するのではなく、共通文字列数特定部２によって特定された関連度ラベルに着目し、同一のウェブページに対して、それと共通する文字列を有し（つまり、関連度ラベルを有し）、かつそれよりも作成時刻が相対的に前のウェブページが複数存在する場合、複数のウェブページ対の中から、所定の閾値以上の関連度ラベルを有するウェブページ対を抽出してもよい。更に、情報伝播経路特定部５は、複数のウェブページ対の中から、値が大きい方から上位所定の個数の評価ラベルそれぞれを有するウェブページ対を抽出してもよい。この場合も、情報伝播経路特定部５は、情報の伝播経路を特定することができる。

（変形例２）
作成時刻検出部３による各評価対象のウェブページの作成時刻を検出する精度はあまり高くない。本願発明者の検証によれば、作成時刻の検出精度は８０〜９０％である。作成時刻を検出する精度があまり高くないことを例を挙げて以下に説明する。

ウェブページＰが存在し、ウェブページＰの作成時刻より前に実施されたイベントの情報がそのイベントの実施時刻とともにウェブページＰに含まれていると仮定する。ウェブページを構成する情報（ウェブページ本文）はＨＴＭＬで記述されているのであるが、ＨＴＭＬでは時刻を検出することは容易ではない。そのため、作成時刻検出部３は、イベントの実施時刻をウェブページＰの作成時刻と誤って検出してしまう場合がある。したがって、作成時刻を検出する精度はあまり高くない。

更に次のことを仮定する。すなわち、ウェブページＰよりも前に作成されたウェブページＱが存在し、上記イベントの実施時刻がウェブページＱの作成時刻より前であると仮定する。この状況において、作成時刻検出部３がウェブページＱの作成時刻を正確に検出すれば、実際にはウェブページＰよりも前にウェブページＱが作成されているのにもかかわらず、情報伝播経路特定部５は、ウェブページＱの方がウェブページＰよりも後に作成されたと判断してしまう。

それに対して、リンクタグを用いれば、２個のウェブページのいずれが先に作成されたのかを正確に特定することができる。つまり、ウェブページＰにウェブページＱへのリンクタグが含まれている場合、情報伝播経路特定部５は、ウェブページＱの方がウェブページＰよりも先に作成されたと正確に特定することができる。そのため、２個のウェブページの一方に他方へのリンクタグが含まれている場合、情報伝播経路特定部５は、作成時刻を検出する方法よりリンクタグを用いる方法を優先して、いずれが先に作成されたのかを判断する。

その内容を図１０を用いて説明する。図１０は、ウェブページＰとウェブページＱとのうちで先に作成されたウェブページを特定する方法を説明するための図である。図１０において、矢印付きの実線は、ウェブページＰとウェブページＱとがリンクタグにより相互に関連していることを示している。矢印付きの破線は、ウェブページＰとウェブページＱとが関連度ラベルにより相互に関連していることを示している。また、図１０は、実線の矢印の向きが示す通り、リンクタグにより、ウェブページＱがウェブページＰより先に作成されたことを示している。更に、図１０は、破線の矢印の向きが示す通り、作成時刻の検出により、ウェブページＰがウェブページＱより先に作成されたことを示している。

図１０に示すように、リンクタグを用いる方法と作成時刻を検出する方法とで、先に作成されたウェブページが異なると判断される場合、リンクタグを用いて、先に作成されたウェブページを特定する。なぜなら、作成時刻を精度良く特定することができないのに対し、リンクタグを用いると、いずれが先に作成されたのかを精度良く特定することができるからである。

なお、トラックバックにより先に作成されたウェブページに、後で作成されたウェブページへのリンクタグが含まれる場合があるが、そのリンクタグがトラックバックにより設定されたことを判断することは容易である。そのため、トラックバックにより設定されたリンクタグを除外すれば、リンクタグを用いる方法により、２個のウェブページのいずれが先に作成されたのかを精度良く特定することができる。

（変形例３）
上述したように、作成時刻検出部３によるウェブページの作成時刻を検出する精度はあまり高くない。したがって、変形例２では、リンクタグを用いる方法を作成時刻を検出する方法より優先することにより、２個のウェブページのうちの先に作成された方を判断する。しかしながら、２個のウェブページのいずれにも相手方へのリンクタグが含まれていない場合、変形例２の方法を用いることはできない。

変形例３では、情報伝播経路特定部５は、予め決められた優先順位にしたがって、２個のウェブページのいずれが先に作成されたのかを決定する。その優先順位は以下の通りである。

（１）企業の公式ウェブページ
（２）情報発信元のニュースメディアのウェブページ
（３）転載系のニュースメディアのウェブページ
（４）著名ブログ
（５）（１）〜（４）以外のウェブページ（個人ブログ）
情報伝播経路特定部５は、上記の優先順位にしたがって、比較対象の２個のウェブページのいずれが先に作成されたのかを決定する。例えば、比較対象の２個のウェブページの一方が（１）企業の公式ウェブページであって、他方が（２）情報発信元のニュースメディアのウェブページである場合、情報伝播経路特定部５は、上記の優先順位にしたがって（１）企業の公式ウェブページの方が先に作成されたと判断する。また例えば、比較対象の２個のウェブページの一方が（２）情報発信元のニュースメディアのウェブページであって、他方が（４）著名ブログである場合、情報伝播経路特定部５は、上記の優先順位にしたがって（２）情報発信元のニュースメディアのウェブページの方が先に作成されたと判断する。

比較対象の２個のウェブページが同じ優先順位のウェブページである場合、つまり、比較対象の２個のウェブページが同じ種類のウェブページである場合、情報伝播経路特定部５は、作成時刻検出部３によって検出された作成時刻に基づいて、いずれが先に作成されたのかを判断する。

このように、比較対象の２個のウェブページのいずれが先に作成されたのかを決定する際、情報伝播経路特定部５は、作成時刻検出部３によって検出された作成時刻を用いるよりも、変形例３の優先順位を用いる。これにより、いずれが先に作成されたのかを精度良く決定することができる。上述したように、作成時刻検出部３によるウェブページの作成時刻を検出する精度はあまり高くないからである。

なお、ウェブページの優先順位は、上記のような静的なものでなく、動的に決まってもよい。例えば、フラッシュを所定の数以上用いているウェブページや所定の数以上のリンクが張られている個人ブログを最上位の優先順位にする。

上述したように、比較対象の２個のウェブページのいずれが先に作成されたのかを決定する方法として、上述したように変形例２及び変形例３の方法を用いることができる。また、作成時刻検出部３によって検出された作成時刻を用いる方法を用いることもできる。どの方法を優先して用いるかは、以下の方法に関する優先順位に従うことが好ましい。

［１］変形例２のリンクタグを用いる方法
［２］変形例３の優先順位を用いる方法
［３］作成時刻検出部３によって検出された作成時刻を用いる方法
［１］変形例２のリンクタグを用いる方法を最優先にすることで、ニュースメディアが小さな個人ブログの情報を取り上げているケースを検出することができる。

（変形例４）
更に、上述した実施の形態では、共通文字列数特定部２は、先ず、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において共通する文字列を検出する。しかしながら、共通文字列数特定部２は、比較対象の２個の評価対象のウェブページそれぞれについて形態素解析を実行し、名詞等の特定の品詞にのみ着目して比較対象の文字列を少なくし、その後に共通する文字列を検出してもよい。

例えば、評価対象のウェブページαに「私は桜を見に行った。」という第１の文字列が記載されており、評価対象のウェブページβに「私は桜を見たことがありますよ」という第２の文字列が記載されていた場合を想定する。この場合、共通文字列数特定部２は、第１の文字列を単語に分解して第３の文字列「私 は 桜 を 見 に 行っ た 。」を生成し、更に、複数の品詞のうち名詞と動詞とのみに着目するとともに動詞を原型に変更し、第１の文字列を「私 桜 見る 行く」という第４の文字列に変更する。同様にして第２の文字列についても「私 桜 見る こと ある」という第５の文字列に変更する。第４文字列と第５の文字列を比較することにより、ウェブページαとウェブページβは「私 桜 見る」という共通する文字列の並びを有すると判断される。

この方法によると、照合データ数が大幅に削減されるため、処理の高速化が実現する。また、文字列の表記揺れ（ですます、だである）を吸収することができる。なお、共通文字列数特定部２は、各文字列をコード化して処理データ量を少なくし、処理を行ってもよい。これによっても、処理の高速化が実現する。上記の例では、例えば、共通文字列数特定部２は、単語「私」にＩＤ「１２４」を割り当て、単語「桜」にＩＤ「３９８」を割り当て、単語「見る」にＩＤ「３６３」を割り当て、単語「行く」にＩＤ「２９７」を割り当て、ＩＤの並びでＬＣＳを行う。

なお、情報伝播経路特定装置１００の各構成部の機能は、例えばコンピュータのＣＰＵ（プロセッサ）及びメモリ等のハードウェアと、その機能を実現するためのコンピュータプログラムとが協働することによって実現される。しかしながら、上記各機能は、専用の回路により実現される等、どのような形態により実現されてもよい。また、情報伝播経路特定装置１００の各構成部の機能を実現するためのコンピュータプログラムは、記録媒体に格納されてもよい。

１００ 情報伝播経路特定装置、 ２００ クライアント端末装置、 ３００ 検索装置、 ４００ 通信ネットワーク、 １ 通信部、 ２ 共通文字列数特定部、 ３ 作成時刻検出部、 ４ リンクタグ検出部、 ５ 情報伝播経路特定部、 ６ 情報伝播経路図作成部。

Claims (10)

1. ウェブにおける情報の伝播経路を特定する装置であって、
   複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部と、
   前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定する共通文字列数特定部と、
   前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する作成時刻検出部と、
   前記共通文字列数特定部によって特定された各評価ラベルに対応する各ウェブページ対について、前記作成時刻検出部によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出した上で、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定してそれを関連しているウェブページ対であると特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定する情報伝播経路特定部と、
   を備える情報伝播経路特定装置。
2. 更に、前記取得部によって取得された情報からリンクタグを検出するリンクタグ検出部を備え、
   前記情報伝播経路特定部は、前記リンクタグ検出部によって検出された全てのリンクタグについて、リンク元ページ情報及びリンク先ページ情報を特定して関連しているウェブページ対を特定する処理をも行い、前記評価ラベルを用いて特定した関連するウェブページ対と、前記リンクタグを用いて特定した関連するウェブページ対とに基づいて、ウェブにおける情報の伝播経路を特定する
   請求項１に記載の情報伝播経路特定装置。
3. ウェブにおける情報の伝播経路を特定する装置であって、
   複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部と、
   前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定する共通文字列数特定部と、
   前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する作成時刻検出部と、
   前記取得部によって取得された情報からリンクタグを検出するリンクタグ検出部と、
   （１）前記作成時刻検出部によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ相互の作成時刻の前後関係を検出し、所定の閾値以上の関連度ラベルを有するウェブページ対を特定してそれを互いに関連しているウェブページ対であると特定する第１の処理と、値が大きい方から上位所定の個数の関連度ラベルそれぞれを有するウェブページ対を特定してそれらを互いに関連しているウェブページ対であると特定する第２の処理との少なくとも一方を行うとともに、（２）前記リンクタグ検出部によって検出された全てのリンクタグについて、リンク元ページとリンク先ページとを特定して互いに関連しているウェブページ対を特定する処理をも行い、（３）更に、前記関連度ラベルを用いて特定した互いに関連しているウェブページ対と、前記リンクタグを用いて特定した互いに関連しているウェブページ対とに基づいて、ウェブにおける情報の伝播経路を特定する情報伝播経路特定部と、
   を備える情報伝播経路特定装置。
4. 前記情報伝播経路特定部は、２個のウェブページのいずれが先に作成されたのかを判断する際、リンクタグを用いて判断する方法を最優先し、２個のウェブページのいずれにも相手方へのリンクタグが含まれていない場合、予め決められたウェブページの種類に基づく、いずれが先に作成されたのかを判断するための優先順位を用いて判断する方法を用い、２個のウェブページの種類が同じである場合、前記作成時刻検出部によって検出された作成時刻に基づいて判断する
   請求項２又は３に記載の情報伝播経路特定装置。
5. 更に、前記情報伝播経路特定部によって特定された互いに関連しているウェブページ対それぞれについて、それを構成する各ウェブページを作成された順に仮想的に並べて仮想的に線で結び、ウェブにおける情報の伝播経路図を作成する情報伝播経路図作成部を備える
   請求項１から４のいずれかに記載の情報伝播経路特定装置。
6. 前記共通文字列数特定部は、評価対象のウェブページに記載されている文字列を、予め決められた品詞の単語により構成される文字列に変更した後に、各ウェブページ対において共通する文字列を検出する
   請求項１から５のいずれかに記載の情報伝播経路特定装置。
7. ウェブにおける情報の伝播経路を特定する方法であって、
   複数の評価対象のウェブページそれぞれを構成する情報を取得するステップと、
   取得した情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定するステップと、
   取得した情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出するステップと、
   特定した各評価ラベルに対応する各ウェブページ対について、検出した作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出した上で、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定してそれを関連しているウェブページ対であると特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定するステップと、
   を含む情報伝播経路特定方法。
8. ウェブにおける情報の伝播経路を特定する方法であって、
   複数の評価対象のウェブページそれぞれを構成する情報を取得するステップと、
   取得した情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定するステップと、
   取得した情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出するステップと、
   取得した情報からリンクタグを検出するステップと、
   （１）検出した作成時刻に基づいて、各ウェブページ対を構成するウェブページ相互の作成時刻の前後関係を検出し、所定の閾値以上の関連度ラベルを有するウェブページ対を特定してそれを互いに関連しているウェブページ対であると特定する第１の処理と、値が大きい方から上位所定の個数の関連度ラベルそれぞれを有するウェブページ対を特定してそれらを互いに関連しているウェブページ対であると特定する第２の処理との少なくとも一方を行うとともに、（２）検出した全てのリンクタグについて、リンク元ページとリンク先ページとを特定して互いに関連しているウェブページの対を特定する処理をも行い、（３）更に、前記関連度ラベルを用いて特定した互いに関連しているウェブページ対と、前記リンクタグを用いて特定した互いに関連しているウェブページ対とに基づいて、ウェブにおける情報の伝播経路を特定するステップと、
   を含む情報伝播経路特定方法。
9. ウェブにおける情報の伝播経路を特定するためのプログラムであって、
   コンピュータを、
   複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部と、
   前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定し、最大の関連度ラベルを評価ラベルとして特定する共通文字列数特定部と、
   前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する作成時刻検出部と、
   前記共通文字列数特定部によって特定された各評価ラベルに対応する各ウェブページ対について、前記作成時刻検出部によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ同士の作成時刻の前後関係を検出した上で、各ウェブページについて、それと共通する文字列を有し、かつ、それよりも作成時刻が相対的に前のウェブページが複数存在する場合、それら複数のウェブページ対の中から最大の評価ラベルを有するウェブページ対を一つ特定してそれを関連しているウェブページ対であると特定するという処理を、全てのウェブページ対について行い、それによりウェブにおける情報の伝播経路を特定する情報伝播経路特定部、
   として機能させるための情報伝播経路特定プログラム。
10. ウェブにおける情報の伝播経路を特定するためのプログラムであって、
    コンピュータを、
    複数の評価対象のウェブページそれぞれを構成する情報を取得する取得部と、
    前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれについて、他の評価対象のウェブページそれぞれとの間において、共通する文字列を検出し、検出した文字列を構成する文字の数を関連度ラベルとして特定する共通文字列数特定部と、
    前記取得部によって取得された情報に基づいて、複数の評価対象のウェブページそれぞれの作成時刻を検出する作成時刻検出部と、
    前記取得部によって取得された情報からリンクタグを検出するリンクタグ検出部と、
    （１）前記作成時刻検出部によって検出された作成時刻に基づいて、各ウェブページ対を構成するウェブページ相互の作成時刻の前後関係を検出し、所定の閾値以上の関連度ラベルを有するウェブページ対を特定してそれを互いに関連しているウェブページ対であると特定する第１の処理と、値が大きい方から上位所定の個数の関連度ラベルそれぞれを有するウェブページ対を特定してそれらを互いに関連しているウェブページ対であると特定する第２の処理との少なくとも一方を行うとともに、（２）前記リンクタグ検出部によって検出された全てのリンクタグについて、リンク元ページとリンク先ページとを特定して互いに関連しているウェブページ対を特定する処理をも行い、（３）更に、前記関連度ラベルを用いて特定した互いに関連しているウェブページ対と、前記リンクタグを用いて特定した互いに関連しているウェブページ対とに基づいて、ウェブにおける情報の伝播経路を特定する情報伝播経路特定部、
    として機能させるための情報伝播経路特定プログラム。

Images