JP2012032998A - 階層構造を持つ書込み記事の評価システム - Google Patents

Abstract

【課題】他者記事の引用等により反応する書込み記事を管理するシステム（例えば掲示板、クチコミ、ブログ、ツイッターなど）において、個々の記事に対する価値判断をすること課題とする。
【解決手段】記事書込み部４０３は、既存の書込み記事に反応した書込み記事を受け付け、記事データ記憶部４０１は、階層構造の書込み記事を記憶する。記事価値判定部４０４は、書込み記事毎に、下位の書込み記事を計数して反応数を求め、評価値として記事価値テーブル４０５に記憶させる。書込者に割り当てた評価重みによる反応重み総計を求め、評価値とすることもできる。
【選択図】図４

Description

本発明は、例えばコンシューマー・ジェネレイテッド・メディア（ＣＧＭ）における書込み記事の価値を評価する技術に関するものである。

クチコミ等のＣＧＭでは、１つの商品やサービス（以下、「商品等」という。）に対する印象、意見、付加情報などの書込みが行われ、ＣＧＭを運営するサービス提供者側では、これらの書込みを記憶し、ユーザに対し提供している。書込みの対象は、ＥＣサイト、ブログ、ツイッターで異なる。ＥＣサイトにおける対象は、例えば、商品等である。ブログにおける対象は、例えば、社会現象に対する評論である。ツイッター（登録商標）における対象は、例えば、書き込んだ個人の思想や主張である。

このような書込みは、最初の書込み（第１世代）で終端を迎えるものや、最初の書込みが起源となって他の書込み（第２世代、第３世代・・・）が連なるものがある。起源から書込みが連なると、これらの書込みはツリー構造や階層構造を形成する。

特許文献１「掲示板システム」には、階層的に記事を表示する掲示板システムが開示されている。このシステムでは、ブログ記事のトラックバックによる引用関係を階層化して表示している。

このように、インターネットなどを活用して消費者が内容を生成していく、コンシューマー・ジェネレイテッド・メディア（ＣＧＭ）の分野における隆盛は顕著である一方、情報の氾濫という側面もある。

その為、他者記事の引用等により反応する書込み記事を管理するシステム（例えば掲示板、クチコミ、ブログ、ツイッターなど）において、ユーザに対して有用な情報のみを抽出する技術が求められている。

特開２００７−２７２３３０号公報

本発明の目的は、階層的に書き込まれた記事ついて、その階層構造の特徴に基づいて書込み記事の価値を評価することにある。

本発明の他の目的は、階層構造に着目することにより、個々の書込み従属する書込み記事に基づいて評価し、氾濫する情報群の中から価値ある書込み記事を選別・抽出することにある。

本発明のさらに他の目的は、抽出した書込みを適切な順序で、書込みを求める者に提示することにある。

本願発明に係る書込み記事の評価システムは、
ユーザ端末から、書込み記事および当該書込み記事に従属する書込み記事を受け付け、階層構造を持つ書込み記事におけるそれぞれの書込み記事の評価システムであって、
ユーザ端末から書込み記事を受け付ける記事書込み部と、
前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶部と、
前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定部と、
書込み記事毎に前記評価値を記憶する記事価値テーブルと、
を備えたことを特徴とする。
また、前記記事価値判定部は、１つの書込み記事の直下層の他の書込み記事のカウント値を計数して直接反応数を求め、前記直接反応数を当該１つの書込み記事の評価値として算出すること特徴とする。

また、前記記事価値判定部は、１つの書込み記事の直下層の書込み記事のユニークユーザ数を計数して、直接反応ユニークユーザ数を前記直接反応数に代えて当該書込み記事の評価値として算出すること特徴とする。

また、評価システムは、さらに、ユーザ毎に評価重みを記憶する評価重みテーブルを備えており、
前記記事書込み部は書込み記事とともにユーザ特定情報を受け付け、前記記事データ記憶部はユーザ特定情報に対応付けてそれぞれの書込み記事を記憶しており、
前記記事価値判定部は、１つの書込み記事について前記記事データ記憶部を参照して前記評価重みテーブルから評価重みを抽出し、前記カウント値および前記評価重みを用いて当該１つの書込み記事の評価値を算出すること特徴とする。
本願発明に係る書込み記事の評価方法は、
ユーザ端末から、書込み記事および当該書込み記事に従属する書込み記事を受け付け、階層構造を持つ書込み記事におけるそれぞれの書込み記事の評価方法であって、
ユーザ端末から書込み記事を受け付ける書込み記事受け付けステップと、
記事データ記憶部に、前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶ステップと、
前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定ステップと、
書込み記事毎に前記評価値を記事価値テーブルに記憶する評価値記憶ステップと、
を備えたことを特徴とする。

本願発明に係るプログラムは、
記事データ記憶部と記事価値テーブルを有する評価システムに書込み記事の評価処理を実行させるためのプログラムであって、
ユーザ端末から書込み記事を受け付ける書込み記事受け付けステップと、
記事データ記憶部に、前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶ステップと、
前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定ステップと、
書込み記事毎に前記評価値を記事価値テーブルに記憶する評価値記憶ステップと、
を実行させるための書込み記事の評価プログラムであることを特徴とする。

本願発明に係るコンピュータ読み取り可能な記録媒体は、
記事データ記憶部と記事価値テーブルを有する評価システムに書込み記事の評価処理を実行させるためのプログラムであって、
ユーザ端末から書込み記事を受け付ける書込み記事受け付けステップと、
記事データ記憶部に、前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶ステップと、
前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定ステップと、
書込み記事毎に前記評価値を記事価値テーブルに記憶する評価値記憶ステップと、
を実行させるための書込み記事の評価プログラムを記録したことを特徴とする。

書込み記事毎に、下位の書込み記事のカウント値に基づいて書込み記事を抽出するための評価値を算出することとするので、階層構造の中の中間的な書込みであっても、ユーザが注目する書込みや反響が多かった書込み記事や、訴求力・吸引力や広告効果の高い書き込み記事を多数の書込み記事の中から特定することができる。特に、ツイッターのＲＴ（ＱＴ）のようなＳＧＭにおいても有効に機能する。

本発明におけるカウント値とは、１つの書込み記事に着目したときに、その１つの書き込み記事に従属する直下の書込み記事の存在数、その１つの書き込み記事に従属する総ての書込み記事の存在数、その１つの書き込み記事に従属する直下の書込み記事のユニークユーザ数、その１つの書き込み記事に従属する総ての書込み記事のユニークユーザ数、さらに、これらの存在数およびユニークユーザ数に評価重みを加味した（例えば、乗じた）値を意味する。

他の実施形態では、直下層の書込み記事を計数するので、個々の書込み記事について直接的な反響の大きさを評価することができる。このように直接的な反応が高い書込み記事は、単独でも多くの意見や質問などを集めることができ、周囲の注意を強く喚起する能力が高いと言える。

また、記事の数ではなく、ユニークユーザ数を計測することにより、自作自演の書込みを排除し、ノイズを除去して信憑性ある書込み記事を抽出することができる。

さらに、書込み数やユニークユーザ数が最大の連鎖を抽出することにより、ノイズの極めて少ない書込み記事を抽出することができる。

他の実施形態では、すべての下方層の書込み記事を計数するので、元の書込み記事について総合的な反響の大きさを評価することができる。このように総合的な反応が多い書込み記事は、展開しやすい話題を提供し、相互の意見交換を誘発させる能力が高いと言える。

また、記事の数ではなく、ユニークユーザ数を計測することにより、自作自演の書込みを排除し、ノイズを除去して信憑性ある書込み記事を抽出することができる。

他の実施形態では、下位の書込み記事の書込者に割り当てられた評価重みに基づいて評価するので、反応して欲しい人達に適切に反応してもらえる能力を評価することができる。例えば、アルファブロガーのように、所定の購買層に属する人達の反応を得られる場合には、広告的意義が高いことになる。また、有名人の反応を得られる場合には、世間の注目を集める効能が高いことを意味する。

図１は、記事評価システムのネットワーク構成を示す図である。 図２は、書込み記事のツリー表示例を示す図である。 図３は、記事データ記憶部の例を示す図である。 図４は、評価システムを構成する記事管理サーバの構成を示す図である。 図５は、記事価値テーブルを示す図である。 図６は、直接反応数算出処理フローを示す図である。 図７は、総反応数算出処理フローを示す図である。 図８は、実施の形態２に係る記事データ記憶部の例を示す図である。 図９は、実施の形態２に係る直接反応数算出処理フローを示す図である。 図１０は、実施の形態２に係る総反応数算出処理フローを示す図である。 図１１は、評価重みテーブルの例を示す図である。 図１２は、実施の形態３に係る記事価値テーブルの例を示す図である。 図１３は、直接反応重み総計算出処理フローを示す図である。 図１４は、総反応重み総計算出処理フローを示す図である。

図１は、記事評価システムのネットワーク構成を示す図である。電子商取引サーバ１０１は、書込み記事を管理するサーバの例である。電子商取引サーバ１０１は、インターネットを介してユーザ端末１０２と店舗端末１０３と接続している。店舗端末１０３は、仮想商店街に出品する業者の端末である。ユーザ端末１０２は、購買者の端末であり、ブラウザに表示された商品画面からクチコミ情報を書込む。

以下、クチコミを記事書込みの例として説明するが、掲示板、ブログ、ツイッターのように、１つの記事に紐付く書込み記事を受け付ける階層構造を持つ書き込み記事であってもよい。

図２は、書込み記事のツリー表示例を示す図である。書込み記事は、図に示すように、階層構造となっている。先に登録された記事（一次書込み記事）に対して、後に反応して書き込んだ記事（二次書込み記事、三次書込み記事・・・）がその下位層に登録される。例えば、上位の記事に対する回答、意見、感想などの書込みが下位に表示される。例えば、記事＃０２は、記事＃０１に対する書込みである。

図３は、記事データ記憶部の例を示す図である。記事ＩＤに対応付けて、親記事ＩＤ、書込日時、書込者コード、記事データ（記事内容）を対応付けて記憶している。記事ＩＤは、記事の識別情報であり、親記事ＩＤは、上位記事のＩＤ、つまり反応元の記事ＩＤである。書込者コードは、ユーザ端末１０２より記事を書き込む者の識別コードである。記事データは、書き込みの内容である。

図４は、評価システムを構成する記事管理サーバの構成を示す図である。電子商取引サーバ（記事管理サーバ）１０１は、記事データ記憶部４０１、記事画面送信部４０２、記事書込み部４０３、記事価値判定部４０４、及び記事価値テーブル４０５の要素を有している。記事画面送信部４０２は、商品を紹介する商品画面などの記事画面をユーザ端末１０２に送信するように構成されている。各記事の書込者コード、書込日時、及び記事データを、図２の構成に従って表示させる。

記事書込み部４０３は、ユーザ端末１０２から親記事ＩＤを指定した記事データ（クチコミ内容）を受信し、ログインしているユーザのコードを書込者コードとし、現在日時を書込日時として、新たな記事ＩＤに対応付けてこれらの情報を書き込む。

記事価値判定部４０４は、記事毎の記事ＩＤ、親記事ＩＤ、書込者コード、及び記事データに基づいて、記事の価値を判定し、その結果を記事価値テーブル４０５に記憶させる。

図５は、記事価値テーブルを示す図である。記事価値テーブル４０５は、記事ＩＤに対応付けて評価値を記憶する。この例では、直接反応数と総反応数を評価値としている。直接反応数は、直下層の書込み記事数（直接反応した記事の数）であり、総反応数はすべての下方層の書込み記事数（直接及び間接的に反応して記事の数）である。例えば、記事＃０１の直接反応数は、記事＃０２と記事＃０４の２個であり、総反応数は、記事＃０２〜記事＃０７の６個である。

記事価値判定部４０４による直接反応数算出処理について説明する。図６は、直接反応数算出処理フローを示す図である。判定する記事毎に以下の処理を繰り返す（Ｓ６０１）。これにより記事＃０１から記事＃０７まで順に直接反応数を求める。以下、記事＃０１に対する直接反応数を求める流れを例として説明する。

他の記事毎に以下の処理を繰り返す（Ｓ６０２）。これにより、記事＃０１以外の記事＃０２〜記事＃０７が直下層に位置するかを判定してカウントする。

他の記事の親記事ＩＤが、判定対象記事ＩＤと一致するかを判定し（Ｓ６０３）、一致する場合には、直接反応数（判定対象記事毎に初期値０）に１を加える（Ｓ６０４）。例えば図３の通り、他の記事＃０２の親記事ＩＤは＃０１であり、判定対象記事ＩＤ＃０１と一致するので、直接反応数をカウントアップする。他の記事＃０３の親記事ＩＤは＃０２であるので、カウントアップしない。

他の記事すべてについて処理すると（Ｓ６０５）、判定対象記事に対する直接反応数を記事価値テーブル４０５に書き込む（Ｓ６０６）。

これをすべての記事に対して処理することにより（Ｓ６０７）、全記事に対する直接反応数が算出される。

次に、記事価値判定部４０４による総反応数算出処理について説明する。図７は、総反応数算出処理フローを示す図である。判定する記事毎に以下の処理を繰り返す（Ｓ７０１）。前述と同様に、記事＃０１から記事＃０７まで順に総反応数を求める。以下、記事＃０１に対する総反応数を求める流れを例として説明する。

他の記事毎に以下の処理を繰り返す（Ｓ７０２）。これにより、記事＃０１以外の記事＃０２〜記事＃０７が下方のいずれかの層に位置するかを判定してカウントする。

前述と同様に、他の記事の親記事ＩＤが、判定対象記事ＩＤと一致するか判定し（Ｓ７０３）、一致する場合には総反応数（判定対象記事毎に初期値０）に１を加える（Ｓ７０６）。記事＃０２と記事＃０４はこれによりカウントアップされる。

例えば記事＃０３の場合には、＄７０３で一致しないので、更に上方の記事が＃０１を親としているかを判定する。その為に、親記事ＩＤに対応する上位記事を特定する（Ｓ７０４）。記事＃０３であれば、親記事が＃０２であるので上位記事は＃０２となる。そして、その上位記事の親記事ＩＤが判定対象記事ＩＤであれば（Ｓ７０５）、総反応数に１を加える（Ｓ７０６）。記事＃０２の親記事は＃０１であるので、この段階で記事＃０３についてカウントアップされる。

上位記事の親記事ＩＤが判定対象記事ＩＤでない場合には、更に上位記事を特定し同様の判定を繰り返す。そして、上位記事の親記事ＩＤがルートとなれば、当該記事の上方に判定対象記事がないことになるので、カウントアップせずに終える。

この処理を、他の記事すべてについて処理すると（Ｓ７０７）、総反応数が得られるので、判定対象記事に対する総反応数を記事価値テーブル４０５に書き込む（Ｓ７０８）。

すべての記事について判定した時点で終了する（Ｓ７０９）。

実施の形態２．
上述の形態では、親記事ＩＤにより階層関係を管理している例を示したが、記事データ中の引用記述に基づいて階層関係を判定することもできる。

図８は、実施の形態２に係る記事データ記憶部の例を示す図である。この例では、記事データ（書込み内容）の中に、引用記述が見られる。「ＲＴ」の引用符号に続いて、「＠」を先頭に引用した記事の書込者コードが記述されている。更に「： 」で区切って、引用した記事の記事データ（書込み内容）が記述されている。この引用記述によって、上位の記事を判定することが可能となる。

本実施の形態における直接反応数算出処理では、図６のＳ６０３「他の記事の親記事ＩＤが、判定対象記事ＩＤと一致するか」の判定に代えて、引用記述の一致を判定する。

図９は、実施の形態２に係る直接反応数算出処理フローを示す図である。Ｓ６０３に代えて、Ｓ９０１〜Ｓ９０３の処理を行なう。まず、他の記事に引用符号（「ＲＴ」）があるか判定する（Ｓ９０１）。無い場合は、そのまま終える。有る場合には、引用書込者コード及び引用記事データを特定する（Ｓ９０２）。つまり、「＠」に続く書込者コードと、「： 」に続く記事データを抽出する。そして、これが判定対象記事の書込者コード及び記事データ（引用記述部分を除く）と一致する場合に（Ｓ９０３）、直接反応数に１を加える（Ｓ６０５）。

例えば、記事＃０２の記事データ中には、「ＲＴ」があり、「＠」に続く書込者コードが「ＳＡＭ」であり、「： 」に続く記事データが「○○ヨーグルト、スッキリ最高！」であるので、記事＃０１に直接反応した記事であることがわかる。

また、総反応数算出処理でも、引用記述の一致を判定する。

図１０は、実施の形態２に係る総反応数算出処理フローを示す図である。図７のＳ７０３〜Ｓ７０６に代えて、Ｓ１００１〜Ｓ１００７の処理を行う。Ｓ１００１〜Ｓ１００３は、前述のＳ９０１〜Ｓ９０３と同様である。

引用書込者コード及び引用記事データが判定対象の書込者コード及び記事データと一致しなかった場合には、さらに上方を探索するために、順次、引用書込者コード及び引用記事データと一致する上位記事を特定する（Ｓ１００４）。例えば、記事＃０３の引用書込者コード「ＪＵＮ」と引用記事データ「味の方もスッキリです。サッパリです。」と一致する記事＃０２が初回の上位記事となる。

そして、その上位記事に引用符号があるか判定し（Ｓ１００５）、同様に引用書込者コード及び引用記事データを特定する（Ｓ１００６）。引用符号が無ければ、ここで終える。

特定した引用書込者コード及び引用記事データが、判定対象記事の書込者コード及び記事データ（引用記述部分を除く）と一致する場合に（Ｓ１００７）、総反応数に１を加える（Ｓ７０６）。記事＃０２の上位記事＃０３の引用書込者コード「ＳＡＭ」と引用記事データ「○○ヨーグルト、スッキリ最高！」が、判定対象記事＃０１と一致するので、記事＃０２の分がカウントアップされる。

引用符号は「ＱＴ」など他のコードでもよい。また、引用書込者コードと引用記事データの位置を入れ替えて、引用符号の次に引用記事データを記述し、その後に引用書込者コードを記述するなど、フォーマットは所定の規則に従っている限り上述の例以外の形式でも構わない。

実施の形態３．
上述の例では、各書込み記事を等価としたが、書込者により評価を変えることもできる。つまり、書込者に応じた記事の重み付けを行うこともできる。

その為に、電子商取引サーバ（記事管理サーバ）１０１は評価重みテーブルを有している。 図１１は、評価重みテーブルの例を示す図である。書込者コード毎に対応する評価重みを予め設定している。

本形態において生成される記事価値テーブルは、評価重みの合計である重み総計を価値指標とする。図１２は、実施の形態３に係る記事価値テーブルの例を示す図である。記事ＩＤ毎に、直接反応重み総計と総反応重み総計を記憶している。直接反応重み総計は、直下層の書込み記事の評価重みの合計であり、総反応重み総計はすべての下方層の書込み記事の評価重みの合計である。「ＳＵＳ」が書き込んだ記事＃０７の重みが１０となり、「ＴＯＭ」が書き込んだ記事＃０３の重みが５となるので、その反応元となった記事＃０５や＃０２の評価が高まっている。

この形態の直接反応重み総計算出処理では、図６のＳ６０４「直接反応数に１を加える」とＳ６０６「判定対象記事に対する直接反応数を書き込む」に代えて、以下の処理を行う。

図１３は、直接反応重み総計算出処理フローを示す図である。Ｓ６０４に代えて、Ｓ６０３で親記事ＩＤが一致した当該他の記事の書込者を特定し（Ｓ１３０１）、その書込者の評価重みを評価重みテーブル（図１１）から取得する（Ｓ１３０２）。そして、直接反応重み総計（判定対象記事毎に初期値０）に評価重みを加える（Ｓ１３０３）。

また、Ｓ６０６に代えて、判定対象記事に対する直接反応重み総計を記事価値テーブル４０５に書き込む（Ｓ１３０４）。

総反応重み総計算出処理では、図７のＳ７０６「総反応数に１を加える」とＳ７０８「判定対象記事に対する総反応数を書き込む」に代えて、以下の処理を行う。

図１４は、総反応重み総計算出処理フローを示す図である。Ｓ７０６に代えて、Ｓ７０３の他の記事或いはＳ７０５の上位記事の書込者を特定し（Ｓ１４０１）、更に書込者の評価重みを特定して（Ｓ１４０２）、総反応重み総計（判定対象記事毎に初期値０）に評価重みを加える（Ｓ１４０３）。

また、Ｓ７０８に代えて、判定対象記事に対する総反応重み総計を記事価値テーブル４０５に書き込む（Ｓ１４０４）。

この重みによる評価は、実施の形態１のみならず、実施の形態２に対して適用することもできる。

上述の記事評価システムは、仮想商店街などの電子商取引における商品評価の例に留まらず、他の掲示板やツイッターなどでも有効である。特に、ＣＧＭ（コンシューマー・ジェネレイテッド・メディア）における応用の期待が高く、口コミサイト、Ｑ＆Ａコミュニティ、ソーシャル・ネットワーキング・サービス（ＳＮＳ）、ブログポータル、ＢＢＳポータル、ＣＯＩ（Ｃｏｍｍｕｎｉｔｙ Ｏｆ ｉｎｔｅｒｅｓｔ）サイトなどに適用することが考えられる。

電子商取引サーバ（記事管理サーバ）１０１は、コンピュータであり、各要素はプログラムにより処理を実行することができる。また、プログラムを記憶媒体に記憶させ、記憶媒体からコンピュータに読み取られるようにすることができる。

１０１ 電子商取引サーバ（記事管理サーバ）
１０２ ユーザ端末
１０３ 店舗端末
４０１ 記事データ記憶部
４０２ 記事画面送信部
４０３ 記事書込み部
４０４ 記事価値判定部
４０５ 記事価値テーブル

Claims (7)

1. ユーザ端末から、書込み記事および当該書込み記事に従属する書込み記事を受け付け、階層構造を持つ書込み記事におけるそれぞれの書込み記事の評価システムであって、
   ユーザ端末から書込み記事を受け付ける記事書込み部と、
   前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶部と、
   前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定部と、
   書込み記事毎に前記評価値を記憶する記事価値テーブルと、
   を備えたことを特徴とする書込み記事の評価システム。
2. 前記記事価値判定部は、１つの書込み記事の直下層の他の書込み記事のカウント値を計数して直接反応数を求め、前記直接反応数を当該１つの書込み記事の評価値として算出すること特徴とする請求項１記載の評価システム。
3. 前記記事価値判定部は、１つの書込み記事の直下層の書込み記事のユニークユーザ数を計数して、直接反応ユニークユーザ数を前記直接反応数に代えて当該書込み記事の評価値として算出すること特徴とする請求項２記載の評価システム。
4. 評価システムは、さらに、ユーザ毎に評価重みを記憶する評価重みテーブルを備えており、
   前記記事書込み部は書込み記事とともにユーザ特定情報を受け付け、前記記事データ記憶部はユーザ特定情報に対応付けてそれぞれの書込み記事を記憶しており、
   前記記事価値判定部は、１つの書込み記事について前記記事データ記憶部を参照して前記評価重みテーブルから評価重みを抽出し、前記カウント値および前記評価重みを用いて当該１つの書込み記事の評価値を算出すること特徴とする請求項１記載の評価システム。
5. ユーザ端末から、書込み記事および当該書込み記事に従属する書込み記事を受け付け、階層構造を持つ書込み記事におけるそれぞれの書込み記事の評価方法であって、
   ユーザ端末から書込み記事を受け付ける書込み記事受け付けステップと、
   記事データ記憶部に、前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶ステップと、
   前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定ステップと、
   書込み記事毎に前記評価値を記事価値テーブルに記憶する評価値記憶ステップと、
   を備えたことを特徴とする書込み記事の評価方法。
6. 記事データ記憶部と記事価値テーブルを有する評価システムに書込み記事の評価処理を実行させるためのプログラムであって、
   ユーザ端末から書込み記事を受け付ける書込み記事受け付けステップと、
   記事データ記憶部に、前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶ステップと、
   前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定ステップと、
   書込み記事毎に前記評価値を記事価値テーブルに記憶する評価値記憶ステップと、
   を実行させるための書込み記事の評価プログラム。
7. 記事データ記憶部と記事価値テーブルを有する評価システムに書込み記事の評価処理を実行させるためのプログラムであって、
   ユーザ端末から書込み記事を受け付ける書込み記事受け付けステップと、
   記事データ記憶部に、前記書込み記事を記憶するとともに、書込み記事同士の従属関係を記憶する記事データ記憶ステップと、
   前記記事データ記憶部を参照して、１つの書込み記事について、当該１つの書込み記事と従属関係にある他の書込み記事のカウント値に基いて当該１つの書込み記事を抽出するための評価値を算出する記事価値判定ステップと、
   書込み記事毎に前記評価値を記事価値テーブルに記憶する評価値記憶ステップと、
   を実行させるための書込み記事の評価プログラムを記録したコンピュータ読み取り可能な記録媒体。
   
   

Images