JP2011517822A

JP2011517822A - 重複を最低限に抑えるＷｅｂフィードを集約するための方法

Info

Publication number: JP2011517822A
Application number: JP2011504433A
Authority: JP
Inventors: ジャボー，フィリップ; バーンサイド，ジェラルド
Original assignee: アルカテル−ルーセント
Priority date: 2008-04-14
Filing date: 2009-04-09
Publication date: 2011-06-16
Anticipated expiration: 2029-04-09
Also published as: EP2110760A1; CN102037465A; CN102037465B; JP5535193B2; WO2009144078A1; KR101595748B1; KR20110009142A; US8521702B2; US20110119239A1

Abstract

シンジケートされたＷｅｂコンテンツを集約するための方法であって、予め定められたＷｅｂフィードから更新されたコンテンツを取り出すステップ（１００）と、前記更新されたコンテンツを、以前取り出された格納済みコンテンツと比較するステップ（１２０）と、格納済みコンテンツとは異なると考えられる場合、更新されたコンテンツを格納するステップ（１６０）と、格納済みコンテンツと同じと考えられる場合、更新されたコンテンツを削除するステップ（１７０）とを含む方法。

Description

本発明は、Ｗｅｂフィード（ＷｅｂＦｅｅｄ）の集約に関する。

１９９０年代初期以降、ワールド・ワイド・ウェブは、非常に一般的になり、現在では、テキスト、画像、映像、および他のＷｅｂページへのリンク（ハイパーリンクとも呼ばれる）など様々なコンテンツを含む数十億ものＷｅｂページを含む。ワールド・ワイド・ウェブは、何十億ものＷｅｂサーファによって日々使用されている。

現在ではオンラインになることはかなり簡単であり、特定のスキルも、国内または国際事務所での特定の手続きも必要なく、実際にそのような事務所は存在していない。驚いたことに、Ｗｅｂサイトを（予め定められた基準に基づいて）いくつかの系統にグループ化するためにＷｅｂを分類しようとする試行は、誰でもこうした分類の恩恵は受けるであろうが、なされていない。したがって、Ｗｅｂサーファが実質的で信頼できる更新情報を取り出すことがますます難しくなっている。Ｗｅｂブラウザは当然助けにはなるが、Ｗｅｂページの数が増えるにつれて、数多くのセマンティック検索要求は、ほとんど未分類の、しばしば重複した、明確でない、そしてとどのつまり、まったく使用できない生のコンテンツをもたらす。

しかし、２０００年代初期に、サーファが適当な時に適切な情報を取得するのを助けるシンジケーション（ｓｙｎｄｉｃａｔｉｏｎ）と呼ばれる解決策が提供された。シンジケーションでは、あるＷｅｂサイトのある部分が他のＷｅｂサイトに使用できるようになる。より詳細には、Ｗｅｂシンジケーションにおいて、コンテンツ（一般にＷｅｂフィードと呼ばれる）は、ＲＳＳ（ＲｅａｌＳｉｍｐｌｅＳｙｎｄｉｃａｔｉｏｎ）やＡｔｏｍなど、しばしばＸＭＬベース（ＸＭＬとは拡張可能マークアップ言語を表す）などの特定の形でＷｅｂサイトに載せられ、フィード・リーダまたはニュース・リーダとも呼ばれ、クライアントの端末またはサーバでローカルに稼働するフィード・アグリゲータと呼ばれる特定のアプリケーションによって対応するコンテンツを取り出すために、別のユーザ（クライアント）が加入することができるフィード・リンクに関連付けられる。

フィードに加入すると、フィード・アグリゲータは、予め定められた間隔（ユーザによって定義することができる）で、更新されたコンテンツをチェックし、取り出すように構成することができる。現在のＷｅｂブラウザは、しばしば、ｉＧｏｏｇｌｅ（商標）およびＭｙＹａｈｏｏ（商標）など、内蔵アグリゲータを含む。米国特許出願第２００８／００３４０５８号（Ｍａｒｃｈｅｘ，Ｉｎｃに譲渡）および米国特許出願第２００８／００４６５４３号（ＲｅａｌＮｅｔｗｏｒｋｓに譲渡）はいずれも、Ｗｅｂフィードを取得するための方法を示す。

フィード・アグリゲータは、ワールド・ワイド・ウェブから更新情報を取り出し、エンド・ユーザがユーザフレンドリなグラフィカル・インターフェイス（ＧＵＩ）を介してそれを使用できるようにするための強力なリソースであるが、特にユーザが多くのＷｅｂフィードに加入しているとき、時として記事の量が半端でない場合がある。この問題に対処するために、フィード・アグリゲータの中には、使用可能な記事を容易にナビゲート可能なカテゴリにソートし、フィルタするために、ユーザがキーワードでフィードにタグ付けできるようにするための機能を含むものもある。しかし、ユーザは、更新されたコンテンツを取得することを望むフィードの事前の分類を行う必要があるため、この解決策は時間がかかる。さらに、（例えば新聞のＷｅｂサイトにおいて）取り出すべきコンテンツが更新ごとに題材を変えるとき、Ｗｅｂフィードにタグ付けすることは、まったく無駄である。

米国特許出願第２００８／００３４０５８号米国特許出願第２００８／００４６５４３号

十分に使用可能な方法でＷｅｂフィードから取り出された情報をＷｅｂサーファが自動的に取得できるようにする解決策が明らかに必要である。

本発明の目的は、こうした解決策を提供することである。

したがって、１つの態様によれば、本発明は、シンジケートされたＷｅｂコンテンツを集約するための方法を提供し、
・予め定められたＷｅｂフィードから更新されたコンテンツを取り出すステップと、
・前記更新されたコンテンツを、以前取り出された（および例えばフィード履歴データベース内に入力として格納されている）格納済みコンテンツと比較するステップと、
・格納済みコンテンツとは異なると考えられる場合、更新されたコンテンツを格納するステップと、
・格納済みコンテンツと同じと考えられる場合、更新されたコンテンツを削除するステップと
を含む。

さらに、
・格納済みコンテンツを補うと考えられる場合、更新されたコンテンツを格納済みコンテンツに追加するステップと、
・更新されたコンテンツと格納済みコンテンツとの間の類似度を示すための類似度指数ｓ_ｋ ^ｊを計算するステップと、
・前記類似度指数ｓ_ｋ ^ｊを１つまたは複数の閾値と比較するステップとが提供され得る。より詳細には、類似度指数ｓ_ｋ ^ｊが２つの閾値Ｓ_ｍｉｎおよびＳ_ｍａｘと比較され、それによって
・類似度指数ｓ_ｋ ^ｊがＳ_ｍｉｎ未満である場合、更新されたコンテンツが格納済みコンテンツとは異なると考えられ、
・類似度指数ｓ_ｋ ^ｊがＳ_ｍａｘを上回る場合、更新されたコンテンツが格納済みコンテンツと同じであると考えられ、したがってそれに追加され、
・類似度指数ｓ_ｋ ^ｊがＳ_ｍｉｎとＳ_ｍａｘとの間に含まれる場合、更新されたコンテンツが格納済みコンテンツを補うと考えられる。

別の態様によれば、本発明は、
・予め定められたＷｅｂフィードから、更新されたコンテンツをチェックし、取り出すように構成されたフィード・リーダと、
・前記更新されたコンテンツと以前取り出された格納済みコンテンツとの比較を管理するように構成されたフィルタ・モジュールと、
・コンテンツを格納するためのフィード履歴データベースと
を含むフィード・アグリゲータを提供する。

フィード・アグリゲータは、前記更新されたコンテンツを格納済みコンテンツと比較するように構成された、フィルタ・モジュールにリンクされた１つまたは複数の入力アナライザも含み得る。より詳細には、１つまたは複数の入力アナライザは、
・更新されたコンテンツと格納済みコンテンツとの間の類似度を示す類似度指数ｓ_ｋ ^ｊを計算し、
・前記類似度指数を１つまたは複数の閾値と比較して、更新されたコンテンツがフィード履歴データベースから削除されるべきか、それに追加されるべきかを判定する
ように構成され得る。

本発明の上記および他の目的および利点は、好ましい実施形態の詳細な説明を添付の図面と併せ読めば明らかになる。

本発明によるフィード・アグリゲータの構造を示す略図である。本発明によるシンジケートされたＷｅｂコンテンツを集約するための方法を示すフロー図である。

次に図面を参照すると、図１に、パーソナル・コンピュータ（ＰＣ）、サーバ、通信式個人用デジタル補助装置（ＰＤＡ）、スマートフォンなど、コンピュータ装置の処理ユニットにコンピュータ・プログラムとして実装されるフィード・アグリゲータ１が示されている。

フィード・アグリゲータ１は、離れたＷｅｂサイトに設けられたＷｅｂフィード３から、更新されたシンジケートされたＷｅｂコンテンツをチェックし、取り出すように構成されているフィード・リーダ・モジュール２を含む。フィード・アグリゲータ１は、ＲＳＳフィーダを扱うように構成されていることが好ましいが、任意の他の形（Ａｔｏｍなど）を使用することもできる。アグリゲータ１は、ユーザが構成し得るだけの数のＷｅｂフィードにリンクすることができるため、図１には３つのＷｅｂフィード３が示されているが、これは例示の目的にすぎない。

フィード・アグリゲータ１は、フィード・リーダ２にリンクされたフィルタ・モジュール４も含んでおり、フィード・リーダ２は、以下に開示されるように、重複をなくすためにさらに処理されるように、取り出された更新されたコンテンツをフィルタ・モジュール４に転送する。

フィード・アグリゲータ１は、フィード履歴データベース５をさらに含み、以前取り出されたフィード・コンテンツがここに入力として格納される。

フィード・アグリゲータ１は、フィルタ・モジュール４にリンクされている少なくとも１つの入力アナライザ６をさらに含み、入力アナライザ６は、更新されたコンテンツを、以前取り出され、フィード履歴データベース５に入力として格納されているコンテンツと比較して、更新されたコンテンツを
・フィード・アグリゲータ１から削除すべきであるか
・新しい入力としてデータベース５内に格納すべきであるか
・またはデータベース５内の既存の入力に追加すべきであるか
を決定するように構成されている。

フィード・アグリゲータ１は、フィルタ・モジュール４とフィード履歴データベース５との間に配置され、新しい入力として格納される、または既存の入力に追加されるのに適したものとフィルタ・モジュール４によって決定された更新されたコンテンツを格納するために、フィード履歴データベース５にアクセスし、管理するように構成された履歴アクセス・モジュール７も含む。

次に、フィード・アグリゲータ１の正確な動作について説明する。

ユーザ定義されるたびに、フィード・リーダ２は、ユーザによって加入された予め定められたＷｅｂフィード３から、更新されたコンテンツをチェックし、取り出す（１００）。以下の説明において、Ｐが１以上の整数である（Ｐ≧１）場合、フィード・リーダ２がＰ個の加入で構成されると仮定する。ｊがＰ以下の整数である（１≦ｊ≦Ｐ）場合、Ｆ_ｊは、ｊ番目のＷｅｂフィード３から取り出された更新されたコンテンツを示す。Ｆ_ｊは、Ｗｅｂページ全体またはその一部、テキスト、画像、映像、ハイパーリンクなどを含み得る。Ｎが１以上の整数である（Ｎ≧１）場合、フィード履歴データベース５がＮ個の入力を含むとさらに仮定する。ｋがＮ以下の整数である（１≦ｋ≦Ｎ）場合、Ｅ_ｋは、フィード履歴データベース５に格納されたｋ番目の入力を示す。

更新されたコンテンツＦ_ｊは、フィード・リーダ２によってフィルタ・モジュール４に転送され、ここで一時的に格納される。フィルタ・モジュール４は、履歴アクセス・モジュール７を介して、更新されたコンテンツＦ_ｊを比較すべき格納済み入力Ｅ_ｋのリストを取り出す。より正確には、フィルタ・モジュール４は、更新されたコンテンツＦ_ｊを、以下のカテゴリ、すなわち削除（消去）する、格納済み入力Ｅ_ｋに追加する、新しい入力Ｅ_Ｎ＋１として格納する、に分類するために比較すべき格納済み入力Ｅ_ｋのリストにおいて反復する。

より正確には、ｋが最初に１に設定された状態で（１１０）、少なくとも１つの入力アナライザ６によって、更新されたコンテンツＦ_ｊが格納済み入力Ｅ_ｋと比較される（１２０）。比較は、様々な方法、
・タイトルの基本的な文字列比較
・比較されたコンテンツ間の共通のキーワードを決定するための構文解析
・比較されたコンテンツで使用される共通のオントロジ概念を決定するためのセマンティックベースの分析
を介して実現することができる。比較の分野を限定するために、オントロジ領域は、入力Ｅ_ｋに関連付けられた予め定められたタグによって制限することができる。

これらの比較方法は、単独で使用したり、比較プロセス全体の異なるステップとして結合したりすることができる。比較方法の結合された使用は、階層型とすることができる。言い換えれば、構文解析ステップは、タイトルが同じである旨の主張をタイトルの基本的な文字列比較ステップがもたらした場合のみ、同じタイトルを有するが、コンテンツが異なる可能性があるかどうかを判定するために開始することができる。次に、セマンティックベースの分析ステップは、構文が類似していると構文解析ステップが判定したときのみ、比較の精度をさらに高めるために、開始することができる。比較の各ステップは、異なる入力アナライザ６上で稼働することができる。

更新されたコンテンツＦ_ｊと格納済み入力Ｅ_ｋとの間の比較を実現すると、入力アナライザ６は、Ｆ_ｊとＥ_ｋとの間の類似度を示す類似度指数ｓ_ｋ ^ｊを計算する（１３０）。類似度指数ｓ_ｋ ^ｊは、フィルタ・モジュール４に提供され、これはまず、ｓ_ｋ ^ｊの値に基づいて、Ｆ_ｊおよびＥ_ｋが同じであると考えられるか異なると考えられるかについて判定し、第２に、その結果として、Ｆ_ｊに関する対応する決定を行う。基本的に、ｓ_ｋ ^ｊ＝０％は、Ｆ_ｊおよびＥ_ｋが異なると考えられることを意味し、ｓ_ｋ ^ｊ＝１００％は、それらが同じであると考えられることを意味する。ｓ_ｋ ^ｊは、０および１００の両方と異なり得るため、これは、Ｆ_ｊおよびＥ_ｋが同じであると考えることはできないが、異なると考えることもできないことを意味する。更新されたコンテンツＦ_ｊに関して適切な決定を行うために、フィルタ・モジュール４は、少なくとも１つの閾値Ｓで実施することができ、したがって
・ｓ_ｋ ^ｊ＜Ｓの場合、Ｆ_ｊはＥ_ｋとは異なると考えられ、
・ｓ_ｋ ^ｊ≧の場合、Ｆ_ｊはＥ_ｋと同じであると考えられる。

好ましい実施形態において、フィルタ・モジュール４は、２つの閾値、Ｓ_ｍｉｎおよびＳ_ｍａｘ、Ｓ_ｍｉｎ＜Ｓ_ｍａｘで実施され、それによって、
・ｓ_ｋ ^ｊ≦Ｓ_ｍｉｎの場合、Ｆ_ｊはＥ_ｋとは異なると考えられ、
・ｓ_ｋ ^ｊ≧Ｓ_ｍａｘの場合、Ｆ_ｊはＥ_ｋと同じであると考えられ、
・Ｓ_ｍｉｎ＜ｓ_ｋ ^ｊ＜Ｓ_ｍａｘの場合、Ｆ_ｊはＥ_ｋを補うと考えられる。

閾値Ｓ_ｍｉｎおよびＳ_ｍａｘは、ユーザ間で異なり得る必要な精度にしたがって設定することができる。デフォルト値は、Ｓ_ｍｉｎ＝２０％、およびＳ_ｍａｘ＝８０％に設定することができる。

フィルタ・モジュールは、類似度指数ｓ_ｋ ^ｊを閾値Ｓ_ｍｉｎおよびＳ_ｍａｘと比較し（１４０）、以下のオプション間でＦ_ｊに関する決定を計算する。
・Ｆ_ｊがＥ_ｋとは異なると考えられる（ｓ_ｋ ^ｊ≦Ｓ_ｍｉｎ）場合、Ｆ_ｊは、次の入力と比較されるものとする。より詳細には、ｋは１ずつ増分され（１５０）、比較プロセスはＦ_ｊおよびＥ_ｋ＋１を使用して反復される。入力Ｅ_ｋが最後のもの（ｋ＝Ｎ）である場合、Ｆ_ｊは、すべての入力Ｅ_ｋ（１≦ｋ≦Ｎ）とは異なると考えられるので、フィルタ・モジュール４によって履歴アクセス・モジュール７に提供されて、新しい入力Ｅ_Ｎ＋１としてフィード履歴データベース５内に格納される（１６０）。
・Ｆ_ｊがＥ_ｋと同じであると考えられる（ｓ_ｋ ^ｊ≧Ｓ_ｍａｘ）場合、これは、Ｆ_ｊがＥ_ｋと重複している（したがって役に立たない）ことを意味し、Ｆ_ｊがフィルタ・モジュール４によって削除される（すなわちフィード・アグリゲータ１から消去される）（１７０）。
・Ｆ_ｊがＥ_ｋを補うと考えられる（Ｓ_ｍｉｎ＜ｓ_ｋ ^ｊ＜Ｓ_ｍａｘ）場合、フィルタ・モジュール４によってＥ_ｋに追加されるか、それと結合され、これは、既存の入力Ｅ_ｋを修正し、履歴アクセス・モジュール７に修正された入力Ｅ_ｋを提供して、フィード履歴データベース５内で以前格納された入力Ｅ_ｋと置き換えるようにする。

この比較プロセスは、１≦ｊ≦Ｐのとき、すべての更新されたコンテンツＦ_ｊについて繰り返される。

上記で開示された方法は、格納済みコンテンツとは異なると考えられるコンテンツのみが新しい入力として格納されるため、重複を回避する。開示されたアグリゲータ１は、真のフィード集約を実現し、それによって類似のコンテンツは、単に並置されるのではなく、マージされる。

Claims

シンジケートされたＷｅｂコンテンツを集約する方法であって、
予め定められたＷｅｂフィードから更新されたコンテンツを取り出すステップ（１００）と、
前記更新されたコンテンツを、以前取り出された格納済みコンテンツと比較するステップ（１２０）と、
前記格納済みコンテンツとは異なると考えられる場合、前記更新されたコンテンツを格納するステップ（１６０）と、
前記格納済みコンテンツと同じと考えられる場合、前記更新されたコンテンツを削除するステップ（１７０）とを含む、方法。
格納済みコンテンツを補うと考えられる場合、前記更新されたコンテンツを格納済みコンテンツに追加するステップ（１８０）をさらに含む、請求項１に記載の方法。
前記更新されたコンテンツと前記格納済みコンテンツとの間の類似度を示すための類似度指数ｓ_ｋ ^ｊを計算するステップ（１３０）を含む、請求項１または２のいずれか１項に記載の方法。
前記類似度指数ｓ_ｋ ^ｊを１つまたは複数の閾値と比較するステップを含む、請求項３に記載の方法。
前記類似度指数ｓ_ｋ ^ｊが２つの閾値Ｓ_ｍｉｎおよびＳ_ｍａｘと比較され、それによって
前記類似度指数ｓ_ｋ ^ｊがＳ_ｍｉｎ未満である場合、前記更新されたコンテンツが前記格納済みコンテンツとは異なると考えられ、
前記類似度指数ｓ_ｋ ^ｊがＳ_ｍａｘを上回る場合、前記更新されたコンテンツが前記格納済みコンテンツと同じであると考えられ、
前記類似度指数ｓ_ｋ ^ｊがＳ_ｍｉｎとＳ_ｍａｘとの間に含まれる場合、前記更新されたコンテンツが前記格納済みコンテンツを補うと考えられる、請求項４に記載の方法。
格納済みコンテンツと同じであると考えられる更新されたコンテンツが前記格納済みコンテンツに追加される、請求項１乃至５のいずれか１項に記載の方法。
以前取り出されたコンテンツがフィード履歴データベース内の入力として格納される、請求項１乃至６のいずれか１項に記載の方法。
予め定められたＷｅｂフィード（３）から、更新されたコンテンツをチェックし、取り出すように構成されたフィード・リーダ（２）と、
前記更新されたコンテンツと以前取り出された格納済みコンテンツとの比較を管理するように構成されたフィルタ・モジュール（４）と、
コンテンツを格納するためのフィード履歴データベース（５）とを含む、フィード・アグリゲータ（１）。
前記更新されたコンテンツを格納済みコンテンツと比較するように構成された、前記フィルタ・モジュール（４）にリンクされた１つまたは複数の入力アナライザ（６）をさらに含む、請求項８に記載のフィード・アグリゲータ（１）。
前記１つまたは複数の入力アナライザ（６）が前記更新されたコンテンツと前記格納済みコンテンツとの間の類似度を示す類似度指数ｓ_ｋ ^ｊを計算するように構成され、前記フィルタ・モジュール（６）が、前記類似度指数を１つまたは複数の閾値と比較して、前記更新されたコンテンツが前記フィード履歴データベース（５）から削除されるべきか、それに追加されるべきかを判定するように構成される、請求項８または９のいずれか１項に記載のフィード・アグリゲータ（１）。