JP2015191333A - 検出装置、検出方法及び検出プログラム - Google Patents

Abstract

【課題】管理者のネットワークにおいて注意を要する関係を容易に検出できる検出装置、検出方法及び検出プログラムを提供すること。【解決手段】検出装置１は、オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶するサイト管理ＤＢ２２と、リンク情報に基づいて、管理者をノードとする無向グラフを生成する第１グラフ生成部１３と、無向グラフに含まれているクリークを抽出するクリーク抽出部１４と、リンク情報に基づいて、クリーク内のノードを含む重み有りの有向グラフを生成する第２グラフ生成部１５と、有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出部１６と、を備える。【選択図】図４

Description

本発明は、管理者ネットワークの状態を検出する検出装置、検出方法及び検出プログラムに関する。

従来、インターネット上で公開されているウェブサイトの中には、オフラインの個人に紐づいた１又は複数のオンラインの個人により管理される個人ウェブサイトが存在する。
ここで、オフラインの個人とは、ネットワーク（インターネット）を利用する現実のユーザそれぞれをいい、ネットワーク上で１又は複数の人格を持つ。ネットワーク上の人格をここではオンラインの個人と呼び、オフラインの個人とオンラインの個人とは、１対１又は１対多の関係にある。オフラインの個人は、オンラインの個人を介し１又は複数のサービスプロバイダそれぞれに対してアカウントを作成して、１つ以上の個人ウェブサイトを管理している。
近年、特に中学生や高校生の間では、各人が複数のオンラインの個人を持ち、それぞれのオンラインの個人で複数の個人ウェブサイトを作成し、自身のサイト間のみならず、他者とのサイト間で互いにハイパーリンクを設け、情報やメッセージの公開及び交換を行うことが多い。

ところで、オンラインの個人は、互いにリンクされた複数の個人ウェブサイトを管理しているが、これらの個人ウェブサイトには、同一のオンラインの個人を特定する情報（ＩＤ）が含まれていない。そこで、個人ウェブサイト間のハイパーリンクの情報等に基づいて、複数の個人ウェブサイトを、管理者であるオンラインの個人毎に分類する手法が提案されている（例えば、特許文献１−３参照）。

特開２０１１−２３７９７８号公報 特開２０１３−００３６９４号公報 特開２０１３−２４２８０４号公報

上述の分類手法によれば、管理者であるオンラインの個人の間におけるハイパーリンクの構造を可視化して提示することが可能となる。
しかしながら、このハイパーリンクの構造がどのような意味を持つかを一見して把握することは難しい。したがって、現実世界における管理者間に生じている特別な関係、特にネットいじめと言われるような注意を要する人間関係を発見するためには、リンクの内容を目視又はテキスト解析等により判断する必要があり、負担が大きかった。特に、仲間外れ又は無視のように言語に現れ難い関係性攻撃は、発見することが難しかった。

本発明は、管理者のネットワークにおいて注意を要する関係を容易に検出できる検出装置、検出方法及び検出プログラムを提供することを目的とする。

本発明に係る検出装置は、オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶する記憶部と、前記リンク情報に基づいて、前記管理者をノードとする無向グラフを生成する第１の生成部と、前記無向グラフに含まれているクリークを抽出する抽出部と、前記リンク情報に基づいて、前記クリーク内のノードを含む重み有りの有向グラフを生成する第２の生成部と、前記有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出部と、を備える。

前記第１の生成部は、リンク元が静的リンクを含むサイトであるリンク情報に基づいて、前記無向グラフを生成してもよい。

前記抽出部は、ノードの数が所定の範囲内のクリークを抽出してもよい。

前記第２の生成部は、リンク元が動的リンクを含むサイトであるリンク情報に基づいて、前記有向グラフを生成してもよい。

前記構造的特徴は、ノード間の有向リンクの重みに基づく規則に基づいて、前記有向グラフを仮に無向グラフへ変換した際、クリークにならない場合であってもよい。

前記規則は、ノード間の相互の有向リンクの重みが共に閾値以上である場合に、無向リンクへ変換するものであってもよい。

前記有向リンクの重みは、前記リンク情報の種類に応じて設定されてもよい。

前記構造的特徴は、１つ以上のノード間の相互の有向リンクの重みに所定の対称性がない場合であってもよい。

前記構造的特徴は、ノード間の有向リンクの重みに基づく規則に基づいて、前記有向グラフを仮に無向グラフへ変換した際、所定期間の前後でリンクに閾値を超える差分が生じた場合であってもよい。

本発明に係る検出方法は、オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶する記憶部を参照し、前記リンク情報に基づいて、前記管理者をノードとする無向グラフを生成する第１の生成ステップと、前記無向グラフに含まれているクリークを抽出する抽出ステップと、前記リンク情報に基づいて、前記クリーク内のノードを含む重み有りの有向グラフを生成する第２の生成ステップと、前記有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出ステップと、をコンピュータが実行する。

本発明に係る検出プログラムは、オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶する記憶部を参照し、前記リンク情報に基づいて、前記管理者をノードとする無向グラフを生成する第１の生成ステップと、前記無向グラフに含まれているクリークを抽出する抽出ステップと、前記リンク情報に基づいて、前記クリーク内のノードを含む重み有りの有向グラフを生成する第２の生成ステップと、前記有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出ステップと、をコンピュータに実行させる。

本発明によれば、管理者のネットワークにおいて注意を要する関係を容易に検出できる。

実施形態に係る個人ウェブサイトと、その管理者との関係を示す図である。 実施形態に係るサービスプロバイダ、アカウント及び個人ウェブサイトの関係を示す図である。 実施形態に係るオンラインＩＤが割り当てられた結果を示す概要図である。 実施形態に係る検出装置の機能構成を示すブロック図である。 実施形態に係る個人属性テーブルを示す図である。 実施形態に係る収集履歴管理テーブルを示す図である。 実施形態に係るサイト間リレーションテーブルを示す図である。 実施形態に係る無向グラフ及び有向グラフを説明する図である。 実施形態に係る構造的特徴の検出例を示す図である。 実施形態に係る検出処理を示すフローチャートである。

以下、本発明の実施形態の一例について説明する。
なお、本発明のリンク情報は、ネットワーク上の様々なコミュニケーションツールにおけるユーザ間のリンクデータを対象とするが、本実施形態では、個人ウェブサイト間のハイパーリンクに基づくリンク情報を一例として説明する。

本実施形態に係る検出装置１は、オンラインの個人が管理する個人ウェブサイト間のハイパーリンクに基づいて、管理者であるオンラインの個人をノードとするグラフを生成すると共に、ネットいじめが発生していると考えられる構造的な特徴を検出する装置である。なお、検出装置１は、サーバ装置やＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等、様々な情報処理装置（コンピュータ）であってよい。

図１は、本実施形態に係る個人ウェブサイトと、その管理者との関係を示す図である。
現実の人物であるオフラインの個人は、ネットワーク（インターネット）上で、１又は複数のオンラインの個人を管理している。また、オンラインの個人は、１又は複数のサービスプロバイダそれぞれに対してアカウントを作成して、１つ以上の個人ウェブサイトを管理している。以下、単に管理者という場合は、オンラインの個人を指す。

各オンラインの個人は、例えば、同じ学校の生徒であったり、同じ趣味を持つグループの一員であったり、オンラインの他者と一定の人間関係を持っている。そのため、複数のオンラインの個人がそれぞれ管理している個人ウェブサイトの間は、ハイパーリンクで参照されていることも多い。

ここで、個人ウェブサイトとは、オンラインの個人又は複数の個人が、自身に関する情報を公開したり、オンラインの他者とメッセージを交換したりするためのウェブサイトをいう。個人ウェブサイトは、サービスプロバイダから機能又はサービス毎に、アカウントを作成したオンラインの個人毎に提供されるＨＴＭＬファイルの集合体である。
例えば、以下のタイプの個人ウェブサイトがそれぞれ複数のサービスプロバイダにより提供されている。

プロフ（プロフィール）・・・個人のプロフィールを公開できるウェブサイト
ゲスブ（ゲストブック）・・・訪問者が履歴としてコメントを投稿できるウェブサイト
リアル（リアルタイム）・・・個人の現況を短い文章で投稿できるウェブサイト
ブログ・・・日々の記録を公開できるウェブサイト
マイリンク・・・他者の個人ウェブサイトへのリンクを公開できるウェブサイト
ホムペ（ホームページ）・・・多目的に利用できる個人用のウェブサイト

オンラインの個人は、上記の複数のタイプの個人ウェブサイトを、サービスプロバイダ毎に異なるアカウントで作成しているため、同一のＩＤによる紐付け（名寄せ）ができていないことが多い。例えば、「オンラインＩＤ（ＯｎＩＤ）＝１」であるオンラインの個人は、プロフ、ゲスブ及びリアルを管理している。これらの個人ウェブサイトは、「ＯｎＩＤ＝１」の情報を有しておらず、異なるアカウントＩＤ（ＡｃＩＤ＝１及び２）で管理されている。

図２は、本実施形態に係るサービスプロバイダ、アカウント及び個人ウェブサイトの関係を示す図である。

オンラインの個人（ＯｎＩＤ＝１）は、例えば、プロフ及びゲスブを提供しているサービスプロバイダＳＰ−Ａに対してアカウント１を登録し、プロフ及びゲスブを管理している。また、同一のオンラインの個人（ＯｎＩＤ＝１）は、リアル及びゲスブを提供しているサービスプロバイダＳＰ−Ｂに対して、アカウント２を登録し、リアルを管理している。
このように、オンラインの個人は、複数のサービスプロバイダの中から好きな個人ウェブサイトを選択し、複数のアカウントによって複数の個人ウェブサイトを管理できる。

検出装置１は、所定の範囲で個人ウェブサイトを収集した後、個人ウェブサイト間のリンク情報に基づいて、管理者であるオンラインの個人が同一である個人ウェブサイトに対して、同一のオンラインＩＤ（ＯｎＩＤ）を割り当て、複数の個人ウェブサイトをオンラインの個人毎に分類する。

図３は、本実施形態に係る検出装置１によりオンラインＩＤが割り当てられた結果を示す概要図である。

同一のオンラインＩＤ（ＯｎＩＤ）が割り当てられた１又は複数の個人ウェブサイトは、アカウントＩＤ（ＡｃＩＤ）が同一とは限らず、異なるサービスプロバイダにより提供される個人ウェブサイトが選択されていると、異なるアカウントＩＤによって識別される。
ここで、オンラインＩＤによって名寄せされた個人ウェブサイト群の間に存在するハイパーリンクを可視化することによって、管理者であるオンラインの個人の間のリンク構造が把握される。これにより、例えば、ネットいじめ等の人間関係に起因するトラブルについて、生徒指導に必要な情報として、ネットワークでの人間関係を教師等に提供できる。

図４は、本実施形態に係る検出装置１の機能構成を示すブロック図である。
検出装置１は、制御部１０と、記憶部２０と、通信部３０と、入力部４０と、出力部５０とを備える。

制御部１０は、検出装置１の全体を制御する部分であり、記憶部２０に記憶された各種プログラムを適宜読み出して実行することにより、上記のハードウェアと協働し、本実施形態における各種機能を実現している。制御部１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であってよい。なお、制御部１０が備える各部の機能は後述する。

記憶部２０は、ハードウェア群を検出装置１として機能させるための各種プログラム、及び各種データ等の記憶領域であり、ハードディスク（ＨＤＤ）であってよい。具体的には、記憶部２０には、本実施形態の各種機能を実現させるため制御部１０に実行させるプログラム（検出プログラム）が記憶される。

さらに、記憶部２０は、サイト保存ＤＢ２１と、サイト管理ＤＢ２２とを備える。サイト保存ＤＢ２１は、プログラムにて取得される個人ウェブサイトのページデータ（ＨＴＭＬファイル群）を記憶する。また、サイト管理ＤＢ２２は、プログラムにて作成又は編集される後述の収集履歴管理テーブル２２１、サイト間リレーションテーブル２２２及び個人属性テーブル２２３を記憶する。
なお、個人属性テーブル２２３には、オンラインの個人に関する現実世界における属性情報が提供された場合に記録される。

図５は、本実施形態に係るサイト管理ＤＢ２２に格納される個人属性テーブル２２３を示す図である。

個人属性テーブル２２３は、オンラインＩＤ（ＯｎＩＤ）、個人ウェブサイトの代表ＵＲＬ、実名、ハンドルネーム、性別、地域、学校、学年、学級等を記憶する。
これらの属性情報は、例えば学校等の組織から提供され、又は個人ウェブサイト内のテキスト情報から抽出され、グラフ生成のためのノード及びリンクの選択に利用される。

通信部３０は、検出装置１が他の装置と情報を送受信する場合のネットワーク・アダプタであり、ネットワーク（インターネット）を介して個人ウェブサイトを管理しているサーバ１００にアクセスし、個人ウェブサイトのページデータを取得して制御部１０へ提供する。

入力部４０は、検出装置１に対する利用者からの指示入力を受け付けるインタフェース装置である。入力部４０は、例えば、キーボード、マウス及びタッチパネル等により構成される。

出力部５０は、利用者にデータの入力を受け付ける画面を表示したり、検出装置１による処理結果の画面を表示したりするディスプレイ装置を含む。さらに、出力部５０は、ブラウン管表示装置（ＣＲＴ）や液晶表示装置（ＬＣＤ）等のディスプレイ装置の他、プリンタ等の各種出力装置を含んでよい。

次に、制御部１０の機能を詳述する。
制御部１０は、サイト収集部１１と、ＩＤ割当部１２と、第１グラフ生成部１３（第１の生成部）と、クリーク抽出部１４（抽出部）と、第２グラフ生成部１５（第２の生成部）と、検出部１６とを備える。これら各部は、検出プログラムを実行することにより実現される機能ブロックである。

サイト収集部１１は、入力部４０又は所定のアプリケーション等からの指示入力に応じて、通信部３０を介し、インターネットから所定のルールに従って個人ウェブサイトの情報を収集する。
なお、個人ウェブサイトの収集には、既存の提案手法が利用できる（例えば、特願２０１１−０７１１０９号明細書）。

サイト収集部１１は、収集した個人ウェブサイトのページデータをサイト保存ＤＢ２１に記憶する。また、サイト収集部１１は、収集した個人ウェブサイトの履歴情報を収集履歴管理テーブル２２１に、個人ウェブサイト間のハイパーリンクの情報をサイト間リレーションテーブル２２２に記憶する。

図６は、本実施形態に係るサイト管理ＤＢ２２に格納される収集履歴管理テーブル２２１を示す図である。

収集履歴管理テーブル２２１は、収集ＩＤ、ルートＵＲＬ、リンク元ＵＲＬ、個人ウェブサイトの代表ＵＲＬ（ＵＲＬ（Ｕ））、保存先、ホップ数、オンラインＩＤ（ＯｎＩＤ（Ｕ））及び収集日時等を記憶する。

ここで、収集ＩＤは、収集処理が実行される毎に付与される識別番号である。ルートＵＲＬは、収集処理を行う際に指定された収集のための起点となる個人ウェブサイトのＵＲＬである。保存先は、サイト保存ＤＢ２１内における対象の個人ウェブサイトの記憶場所を示すＵＲＬである。

また、ホップ数は、指定された個人ウェブサイトをルートノードとし、リンクされた隣接する個人ウェブサイト間のハイパーリンクを１ホップとしたときの、ルートノードからのホップ数である。

図７は、本実施形態に係るサイト管理ＤＢ２２に格納されるサイト間リレーションテーブル２２２を示す図である。
サイト間リレーションテーブル２２２は、収集ＩＤ、リンク元の個人ウェブサイトの情報（ＵＲＬ（Ｕ）、Ｔｙｐｅ（Ｕ）、Ｃ（Ｕ）、ＡｃＩＤ（Ｕ）、ＯｎＩＤ（Ｕ））、リンク先の個人ウェブサイトの情報（ＵＲＬ（Ｖ）、Ｔｙｐｅ（Ｖ）、Ｃ（Ｖ）、ＡｃＩＤ（Ｖ）、ＯｎＩＤ（Ｖ））、リンク本数（Ｎ（Ｕ→Ｖ））及びリンク発生日時（Ｌｄａｔｅ（Ｕ→Ｖ））等を記憶する。
なお、Ｃ（Ｕ）及びＣ（Ｖ）は、サイトの利用形態を表す分類（クラス）であり、個人ウェブサイトのＵＲＬから判別される。具体的には、ＣｌａｓｓＡは、プロフ及びホムペが分類され、オンラインの個人が他者と識別するために作成する個人ウェブサイトである。ＣｌａｓｓＢは、ゲスブ及びマイリンクが分類され、オンラインの個人がＣｌａｓｓＡに付随して作成する個人ウェブサイトである。ＣｌａｓｓＣは、リアル及びブログが分類され、オンラインの個人が他者と識別するため、又はＣｌａｓｓＡに付随して作成する個人ウェブサイトである。

ここで、ＡｃＩＤは、サービスプロバイダの識別子と、サービスプロバイダ毎に発行されるアカウントの識別子とを含む。これらの識別子は、個人ウェブサイトのＵＲＬによって識別される。ここで、同一のサービスプロバイダにおいてアカウントが同一であれば、管理者（オンラインの個人）は同一であると見なせるが、サービスプロバイダが異なれば、アカウントが同一であっても管理者が同一であるとは限らない。

ＩＤ割当部１２は、サイト間リレーションテーブル２２２の情報に基づいて、各個人ウェブサイトの管理者であるオンラインの個人を識別するオンラインＩＤ（ＯｎＩＤ）を割り当て、収集履歴管理テーブル２２１及びサイト間リレーションテーブル２２２を更新する。
なお、オンラインＩＤの割り当てには、既存の提案手法が利用できる（例えば、特願２０１０−１０８２４２号明細書）。

第１グラフ生成部１３は、サイト間リレーションテーブル２２２のリンク情報に基づいて、管理者（オンラインの個人）をノードとする無向グラフ（Ｃｏｎｔａｃｔ Ｎｅｔｗｏｒｋ）を生成する。なお、この無向グラフのノードは、重み無しのリンクで結ばれていてもよい。

このとき、第１グラフ生成部１３は、リンク元が第１のタイプの個人ウェブサイトであるリンク情報に基づいて、無向グラフ（Ｃｏｎｔａｃｔ Ｎｅｔｗｏｒｋ）を生成する。
第１のタイプとは、人間関係を表す静的なリンクを含むサイトのタイプ（例えば、プロフ、ホムペ、マイリンク）であり、リンク情報が互いの親密な関係（友達であること）を示している。

クリーク抽出部１４は、無向グラフに含まれているクリークを抽出する。クリークは、第１グラフ生成部１３により生成されたグラフの一部であり、含まれる全てのノードが互いにリンクで結ばれている部分である。
クリーク抽出部１４は、ノードの数が所定の範囲内（例えば４個〜６個）のクリークを抽出してもよい。

第２グラフ生成部１５は、クリーク内のノードで構成される重み有りの有向グラフ（Ａｃｔｉｖｉｔｙ Ｎｅｔｗｏｒｋ）を生成する。
第２グラフ生成部１５は、リンク元が第２のタイプの個人ウェブサイトであるリンク情報に基づいて、有向グラフを生成する。
第２のタイプとは、他者との間での活動を表す動的なリンクを含むサイトのタイプ（例えば、ゲスブ、リアル、ブログ）であり、リンク情報がコミュニケーション活動の活発さの程度を示している。

図８は、本実施形態に係る無向グラフ及び有向グラフを説明する図である。
無向グラフ（Ｃｏｎｔａｃｔ Ｎｅｔｗｏｒｋ）は、管理者が所有する個人ウェブサイト間の相互のハイパーリンクに基づいてリンクが生成され、この管理者（ノード）間のリンクは、管理者相互の親密な関係を示している。

重み有りの有向グラフ（Ａｃｔｉｖｉｔｙ Ｎｅｔｗｏｒｋ）では、例えば、管理者の日記に対するコメントの応答時間の短さ、コメントの数、単位時間当たりの記事投稿数等に基づいて、コミュニケーションの活発さの程度を示す有向リンクの重み（例えば、矢印の太さで表現される）が設定される。

検出部１６は、第２グラフ生成部１５により生成された有向グラフにおいて、現実世界の管理者間の関係に起因して現れる所定の構造的特徴を検出する。
構造的特徴は、ネットいじめ等、管理者のネットワークにおいて注意を要する関係が生じた可能性を示すものであり、検出部１６は、例えば、以下の構造的特徴を検出する。

（１）ノード間のリンクの重みに基づく規則に基づいて、有向グラフを仮に無向グラフへ変換した際、クリークにならない場合。
規則は、例えば、ノード間の相互の有向リンクの重みが共に閾値以上である場合に、無向リンクへ変換するものである。
ここで、有向リンクの重みは、ハイパーリンクの種類（コメント、足跡を残すアクション、閲覧等）に応じて設定されてもよい。例えば、特定の種類のみを対象としたり、足跡１に対してコメントはｋ倍にしたりといった設定が適宜可能である。

（２）ノード間の相互の有向リンクの重みに所定の対称性がない場合。
検出部１６は、ノードＡからノードＢへのリンクの重みａと、ノードＢからノードＡへのリンクの重みｂとが対等でない場合を、例えば、ａ＝ｂのとき最大値１をとる関数（ａ＋ｂ）／２×ｍａｘ（ａ，ｂ）の値が閾値以下である場合を検出する。

（３）ノード間のリンクの重みに基づく規則に基づいて、有向グラフを仮に無向グラフへ変換した際に、所定期間の前後でノード間のリンクに閾値を超える差分が生じた場合。
検出部１６は、前回の対象期間（例えば、ｎ＋１ヶ月前からｎヶ月前の１ヶ月間）と、今回の対象期間（例えば、１ヶ月前から現在までの１ヶ月間）とで、所定の手段によって無向グラフに変換した場合のリンクの差分（ｇｒａｐｈ ｄｉｓｔａｎｃｅ）が閾値以上となったことを検出する。

図９は、本実施形態に係る構造的特徴の検出例を示す図である。
仲間集団内の管理者６１〜６４は、無向グラフ（Ｃｏｎｔａｃｔ Ｎｅｔｗｏｒｋ）においてクリーク６０を形成している。

第２グラフ生成部１５は、このクリークに関して、１ヶ月間等の所定期間に発生したハイパーリンクの情報を用いて、有向グラフ（Ａｃｔｉｖｉｔｙ Ｎｅｔｗｏｒｋ）を生成する。ここでは、各有向リンクに対して０．０〜０．９の重みが設けられている。

その後、新たな期間に発生したハイパーリンクの情報を用いて有向グラフ（Ａｃｔｉｖｉｔｙ Ｎｅｔｗｏｒｋ）を生成すると、リンクの重みに変化が現れている。具体的には、ノード６１に対するノード６２〜６４からのリンクの重みが、それぞれ０．８から０．１へ、０．７から０．０へ、０．９から０．１へ大きく低下している。
このことが検出部１６により検出され、ノード６１の管理者が被害者となったネットいじめが発生している可能性が把握される。

図１０は、本実施形態に係る検出処理を示すフローチャートである。
なお、個人ウェブサイトの収集及びオンラインＩＤの割り当てが行われ、サイト間リレーションテーブル２２２が作成されているものとする。

ステップＳ１において、第１グラフ生成部１３は、サイト間リレーションテーブル２２２のリンク情報から、無向グラフ（Ｃｏｎｔａｃｔ Ｎｅｔｗｏｒｋ）を抽出する。
グラフのノードとなる管理者は、個人属性テーブル２２３から抽出されてよい。具体的には、個人属性が指定された条件（例えば、特定の学校等）に合致した管理者リストが抽出される。あるいは、個人ウェブサイトを収集した際のルート（特定の個人）から所定のホップ数の管理者を抽出する等、個人属性によらない条件によりノードとなる管理者リストが抽出されてもよい。

第１グラフ生成部１３は、サイト間リレーションテーブル２２２において、リンク元及びリンク先の両方が管理者リストに含まれるリンク情報を用いて無向グラフを生成する。あるいは、第１グラフ生成部１３は、サイト間リレーションテーブル２２２において、リンク元及びリンク先の少なくとも一方が管理者リストに含まれるリンク情報を用いて無向グラフを生成してもよい。

また、第１グラフ生成部１３は、リンク元の個人ウェブサイトが静的なタイプ（例えば、プロフ、ホムペ、マイリンク）であるリンク情報のみを用いて無向グラフを生成してもよい。第１グラフ生成部１３は、さらに限定的に、例えばリンク元の個人ウェブサイトのタイプがマイリンクであるリンク情報のみを用いてもよい。
このとき、管理者間の双方向に１本以上のハイパーリンクがある場合、又はいずれかの方向に５本以上のハイパーリンクがある場合等、所定のルールに基づいて、無向グラフにおける管理者間にリンクを設定する。

ステップＳ２において、クリーク抽出部１４は、ステップＳ１で生成された無向グラフ（Ｃｏｎｔａｃｔ Ｎｅｔｗｏｒｋ）の中から、クリークを抽出する。
クリークの各ノードは、管理者リストに含まれるものに限定されてもよい。また、クリークに含まれるノードの数を４〜６等に限定してもよい。

ステップＳ３において、制御部１０は、ステップＳ２で抽出されたクリークから１つを選定する。

ステップＳ４において、第２グラフ生成部１５は、ステップＳ３で選定されたクリークについて、重み有りの有向グラフ（Ａｃｔｉｖｉｔｙ Ｎｅｔｗｏｒｋ）を作成する。
具体的には、第２グラフ生成部１５は、サイト間リレーションテーブル２２２から、所定期間（例えば、過去ｎヶ月間）に生じたハイパーリンクの情報を抽出し、この情報に基づいて有向リンクの重みを設定する。

ステップＳ５において、検出部１６は、ステップＳ４で作成された有向グラフにネットいじめに関する前述の構造的特徴があるか否かを判定する。この判定がＹＥＳの場合、処理はステップＳ６に移り、判定がＮＯの場合、処理はステップＳ７に移る。

ステップＳ６において、検出部１６は、ネットいじめの可能性を検出した旨の情報を、出力部を介して報知する。

ステップＳ７において、制御部１０は、未確認のクリークがあるか否かを判定する。この判定がＹＥＳの場合、処理はステップＳ３に戻り、判定がＮＯの場合、処理は終了する。

本実施形態によれば、検出装置１は、無向グラフから抽出されたクリークに対して有向グラフを生成し、この有向グラフにおける管理者相互の人間関係に由来する構造的特徴を検出することにより、ネットいじめ等の管理者のネットワークにおいて注意を要する関係を容易に検出できる。

検出装置１は、リンク元が静的なタイプの個人ウェブサイトであるリンク情報に基づいて無向グラフを生成するので、管理者間の親密な関係を適切に反映したグラフに基づいて、管理者のネットワークにおいて注意を要する関係を容易に検出できる。

検出装置１は、ノードの数が所定の範囲内（例えば４〜６）のクリークを抽出するので、検出対象となり難い大きなグループ（例えば、部活動）等を除外し、処理負荷を低減できる。

検出装置１は、リンク元が動的なタイプの個人ウェブサイトであるリンク情報に基づいて有向グラフを生成するので、所定期間におけるコミュニケーション活動の活発さの程度を適切に反映できる。これにより、検出装置１は、構造的特徴の検出精度を向上できる。

検出装置１は、ノード間のリンクの重みに基づく規則に基づいて有向グラフのリンクを無向グラフのリンクに変換した際にクリークではなくなってしまうという構造的特徴を検出することにより、ネットいじめ等の管理者のネットワークにおいて注意を要する関係を容易に検出できる。
この変換の規則は、例えば、ノード間の相互の有向リンクの重みが共に閾値以上である場合に変換可能とするものであり、簡便な手法により容易に検出処理を実現できる。
また、有向リンクの重みがリンク情報の種類に応じて設定されることにより、管理者間の関係性が適切に有向グラフへ反映されるので、検出装置１は、構造的特徴の検出精度を向上できる。

検出装置１は、ノード間の相互の有向リンクの重みに所定の対称性がないという通常とは異なる構造的特徴を検出することにより、ネットいじめ等の管理者のネットワークにおいて注意を要する関係を容易に検出できる。

検出装置１は、所定期間の前後で有向グラフのリンクの重みに閾値を超える差分が生じたという通常とは異なる構造的特徴を検出することにより、ネットいじめ等の管理者のネットワークにおいて注意を要する関係を容易に検出できる。

以上、本発明の実施形態について説明したが、本発明は前述した実施形態に限るものではない。また、本実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本実施形態に記載されたものに限定されるものではない。

前述の実施形態では、オンラインのリンク情報として、個人ウェブサイト間のハイパーリンクを一例に説明したが、本発明のリンク情報はこれには限られない。
ＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）の普及により、コミュニケーションツールとして種々のアプリケーションが提供されている。検出装置１は、これらのアプリケーションが有するデータから、ユーザ間のリンク情報を取得してもよい。

検出装置１による検出方法は、ソフトウェアにより実現される。ソフトウェアによって実現される場合には、このソフトウェアを構成するプログラムが、情報処理装置（検出装置１）にインストールされる。また、これらのプログラムは、ＣＤ−ＲＯＭのようなリムーバブルメディアに記録されてユーザに配布されてもよいし、ネットワークを介してユーザのコンピュータにダウンロードされることにより配布されてもよい。

１ 検出装置
１０ 制御部
１１ サイト収集部
１２ ＩＤ割当部
１３ 第１グラフ生成部（第１の生成部）
１４ クリーク抽出部（抽出部）
１５ 第２グラフ生成部（第２の生成部）
１６ 検出部
２０ 記憶部
２１ サイト保存ＤＢ
２２ サイト管理ＤＢ
３０ 通信部
４０ 入力部
５０ 出力部
２２１ 収集履歴管理テーブル
２２２ サイト間リレーションテーブル
２２３ 個人属性テーブル

Claims (11)

1. オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶する記憶部と、
   前記リンク情報に基づいて、前記管理者をノードとする無向グラフを生成する第１の生成部と、
   前記無向グラフに含まれているクリークを抽出する抽出部と、
   前記リンク情報に基づいて、前記クリーク内のノードを含む重み有りの有向グラフを生成する第２の生成部と、
   前記有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出部と、を備える検出装置。
2. 前記第１の生成部は、リンク元が静的リンクを含むサイトであるリンク情報に基づいて、前記無向グラフを生成する請求項１に記載の検出装置。
3. 前記抽出部は、ノードの数が所定の範囲内のクリークを抽出する請求項１又は請求項２に記載の検出装置。
4. 前記第２の生成部は、リンク元が動的リンクを含むサイトであるリンク情報に基づいて、前記有向グラフを生成する請求項１から請求項３のいずれかに記載の検出装置。
5. 前記構造的特徴は、ノード間の有向リンクの重みに基づく規則に基づいて、前記有向グラフを仮に無向グラフへ変換した際、クリークにならない場合である請求項１から請求項４のいずれかに記載の検出装置。
6. 前記規則は、ノード間の相互の有向リンクの重みが共に閾値以上である場合に、無向リンクへ変換するものである請求項５に記載の検出装置。
7. 前記有向リンクの重みは、前記リンク情報の種類に応じて設定される請求項５又は請求項６に記載の検出装置。
8. 前記構造的特徴は、１つ以上のノード間の相互の有向リンクの重みに所定の対称性がない場合である請求項１から請求項４のいずれかに記載の検出装置。
9. 前記構造的特徴は、ノード間の有向リンクの重みに基づく規則に基づいて、前記有向グラフを仮に無向グラフへ変換した際、所定期間の前後でリンクに閾値を超える差分が生じた場合である請求項１から請求項４のいずれかに記載の検出装置。
10. オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶する記憶部を参照し、前記リンク情報に基づいて、前記管理者をノードとする無向グラフを生成する第１の生成ステップと、
    前記無向グラフに含まれているクリークを抽出する抽出ステップと、
    前記リンク情報に基づいて、前記クリーク内のノードを含む重み有りの有向グラフを生成する第２の生成ステップと、
    前記有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出ステップと、をコンピュータが実行する検出方法。
11. オンラインの管理者のＩＤ、及び当該管理者の間の隣接関係を示したリンク情報を記憶する記憶部を参照し、前記リンク情報に基づいて、前記管理者をノードとする無向グラフを生成する第１の生成ステップと、
    前記無向グラフに含まれているクリークを抽出する抽出ステップと、
    前記リンク情報に基づいて、前記クリーク内のノードを含む重み有りの有向グラフを生成する第２の生成ステップと、
    前記有向グラフにおいて、現実世界の前記管理者間の関係に起因して現れる所定の構造的特徴を検出する検出ステップと、をコンピュータに実行させるための検出プログラム。

Images