JP2018180874A

JP2018180874A - 日時情報抽出方法、日時情報抽出装置及び日時情報抽出プログラム

Info

Publication number: JP2018180874A
Application number: JP2017078835A
Authority: JP
Inventors: 佑介小▲柳▼; Yusuke Koyanagi; 井形　伸之; Nobuyuki Igata; 伸之井形; 西野　文人; Fumito Nishino; 文人西野
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2017-04-12
Filing date: 2017-04-12
Publication date: 2018-11-15
Anticipated expiration: 2037-04-12
Also published as: JP6961987B2

Abstract

【課題】表に含まれる値がいつの時点の値であるかを決定する日時情報抽出方法、日時情報抽出装置及び日時情報抽出プログラムを提供する。【解決手段】日時情報抽出方法は、表の項目名および項目値を含むデータから、項目名または項目値に付加された第１の日時情報または表の記述範囲または表の記述範囲の直前或いは直後の所定範囲に含まれる第２の日時情報を抽出し、抽出した第１の日時情報または第２の日時情報を、少なくとも項目値に対応付けて記憶装置に格納する処理を含む。表に含まれる項目値が、いつの時点の値であるかを決定できるようになる。【選択図】図９

Description

本発明は、日時情報の抽出技術に関する。

様々な情報源（例えば、ウェブページやデータベース等）から収集された情報が、企業分析、研究戦略の立案あるいはデータ統合等に利用されている。収集される情報の中には、時間の経過によって値が変化する情報（例えば、従業員数および売上等）が含まれることがあり、このような情報を利用する場合には、どの時点の情報であるかを特定しておくことが重要である。

例えば或る文献は、ウェブニュースからトピックの時刻を抽出する技術を開示する。

但し、ウェブページのデータには表の形式で記述されたデータが含まれる場合がある。上記技術は、ニュースなどの文章のデータを対象とした技術であり、ウェブページ上に表の形式で記述されたデータに含まれる値がいつの時点の値であるか決定することには適していない。

Xujian Zhao、Peiquan Jin、Lihua Yue、"Discovering topic time from web news"、Information Processing & Management、平成２７年１１月、第５１巻、第６号、ｐｐ．８６９−８９０、ＩＳＳＮ０３０６−４５７３

本発明の目的は、１つの側面では、表に含まれる値がいつの時点の値であるかを決定できるようにするための技術を提供することである。

一態様に係る日時情報抽出方法は、表の項目名および項目値を含むデータから、項目名または項目値に付加された第１の日時情報、または、第１の日時情報以外の第２の日時情報であって、表の記述範囲または表の記述範囲の直前或いは直後の所定範囲に含まれる第２の日時情報を抽出し、抽出した第１の日時情報または第２の日時情報を、少なくとも項目値に対応付けて記憶装置に格納する処理を含む。

１つの側面では、表に含まれる値がいつの時点の値であるかを決定できるようになる。

図１は、ネットワーク構成を示す図である。図２は、情報処理装置の機能ブロック図である。図３は、ウェブページのデータの一例を示す図である。図４は、ｔａｂｌｅタグで囲まれた部分の詳細を示す図である。図５は、ウェブページのデータをブラウザで表示した場合の表示例を示す図である。図６は、抽出データテーブルの一例を示す図である。図７は、表関係テーブルの一例を示す図である。図８は、ページ関係テーブルの一例を示す図である。図９は、抽出部が実行する処理の処理フローを示す図である。図１０は、ページデータテーブルに格納されるデータの一例を示す図である。図１１は、所定のルールについて説明するための図である。図１２は、所定のルールについて説明するための図である。図１３は、所定のルールについて説明するための図である。図１４は、所定のルールについて説明するための図である。図１５は、所定のルールについて説明するための図である。図１６は、所定のルールについて説明するための図である。図１７は、所定のルールについて説明するための図である。図１８は、表テーブルの一例を示す図である。図１９は、抽出部が実行する処理の処理フローを示す図である。図２０は、記事発行に関する日時情報の抽出について説明するための図である。図２１は、ページデータテーブルに格納されるデータの一例を示す図である。図２２は、結果テーブルに格納されるデータの一例を示す図である。図２３は、判定部が実行する処理の処理フローを示す図である。図２４は、情報対象日時の決定を説明するための図である。図２５は、情報対象日時の決定を説明するための図である。図２６は、情報対象日時の決定を説明するための図である。図２７は、情報対象日時の決定を説明するための図である。図２８は、情報対象日時の決定を説明するための図である。図２９は、生成部が実行する処理の処理フローを示す図である。図３０は、時系列データの一例を示す図である。図３１は、時系列データを基にして生成されたグラフの一例を示す図である。図３２は、コンピュータの機能ブロック図である。

図１は、本実施の形態のネットワーク構成を示す図である。本実施の形態の主要な処理を実行する情報処理装置１は、例えばインターネットであるネットワーク３に接続される。情報処理装置１は、ネットワーク３に接続された装置からウェブページのデータを受信し、ウェブページのデータに対して処理を実行する。

図２は、情報処理装置１の機能ブロック図である。情報処理装置１は、データ処理部１０１と、抽出部１０３と、判定部１０５と、生成部１０７と、ページデータ格納部１１１と、処理データ格納部１１３とを含む。

データ処理部１０１、抽出部１０３、判定部１０５および生成部１０７は、例えば図３２におけるメモリ２５０１に格納されたプログラムが図３２におけるＣＰＵ（Central Processing Unit）２５０３により実行されることで実現される。ページデータ格納部１１１および処理データ格納部１１３は、例えばメモリ２５０１又はＨＤＤ（Hard Disk Drive）２５０５に設けられる。

ページデータ格納部１１１には、ネットワーク３に接続された装置から受信したウェブページのデータが格納される。データ処理部１０１は、ページデータ格納部１１１に格納されているデータを用いて処理を実行し、処理結果を処理データ格納部１１３に格納する。抽出部１０３は、ページデータ格納部１１１に格納されているデータ及びデータ処理部１０１による処理の結果を用いて処理を実行し、処理結果を処理データ格納部１１３に格納する。判定部１０５は、抽出部１０３による処理の結果を用いて処理を実行し、処理結果を処理データ格納部１１３に格納する。生成部１０７は、判定部１０５による処理の結果を用いて時系列データを生成し、生成した時系列データを処理データ格納部１１３に格納する。

図３は、ページデータ格納部１１１に格納されるウェブページのデータの一例を示す図である。図３の例においては、ウェブページのデータはＨＴＭＬ（HyperText Markup Language）で記述されている。また、図３の例においては、日時情報「２０１６年５月３０日」と日時情報「２０１６年６月１日」とが含まれている。また、ページデータ格納部１１１には、ウェブページのデータを取得した際におけるＨＴＴＰ（HyperText Transfer Protocol）レスポンスヘッダが格納される。

図４は、図３に示したウェブページのデータのうちｔａｂｌｅタグで囲まれた部分の詳細を示す図である。図４の例においては、４行の表が定義されており、項目名「社名」および項目値「○△□株式会社」と、項目名「所在地」および項目値「神奈川県川崎市・・・」と、項目名「代表者」および項目値「代表取締役社長田中太郎」と、項目名「資本金」および項目値「３２４６億円（２０１６年３月末時点）」とが含まれる。項目値「３２４６億円（２０１６年３月末時点）」には日時情報が含まれる。

図５は、図３及び図４に示したデータをブラウザで表示した場合の表示例を示す図である。

図６は、データ処理部１０１の処理によって処理データ格納部１１３に格納される抽出データテーブルの一例を示す図である。図６の例では、各項目名に付与されるデータＩＤ（IDentifier）と、項目名と、項目値と、情報対象日時とが格納される。情報対象日時とは、項目値がいつの時点の値であるかを示す日時情報である。但し、データ処理部１０１の処理においては、情報対象日時の欄には日時情報が格納されない。

図７は、データ処理部１０１の処理によって処理データ格納部１１３に格納される表関係テーブルの一例を示す図である。図７の例では、データＩＤと、各表に付与される表ＩＤとが格納される。

図８は、データ処理部１０１の処理によって処理データ格納部１１３に格納されるページ関係テーブルの一例を示す図である。図８の例では、表ＩＤと、各ウェブページに付与されるウェブページＩＤとが格納される。

次に、図９乃至図３１を用いて、情報処理装置１が実行する処理を説明する。

まず、図９乃至図２２を用いて、抽出部１０３が実行する処理を説明する。

抽出部１０３は、ページデータ格納部１１１に格納されているウェブページのデータを取得した際におけるＨＴＴＰレスポンスヘッダ及びＨＴＭＬファイルをページデータ格納部１１１から読み出す。また、抽出部１０３は、ＨＴＭＬヘッダに含まれる、ＨＴＭＬファイルの取得日時の情報をページデータ格納部１１１から読み出す（図９：ステップＳ１）。抽出部１０３は、読み出した取得日時の情報、ウェブページＩＤ及びウェブページのＵＲＬ（Uniform Resource Locator）を処理データ格納部１１３におけるページデータテーブルに格納する。

図１０は、ページデータテーブルに格納されるデータの一例を示す図である。図１０の例では、ウェブページＩＤと、記事発行日時の情報と、更新日時の情報と、ＵＲＬと、取得日時の情報とが格納される。ステップＳ１の処理の時点においては、記事発行日時の情報と更新日時の情報とは格納されない。

抽出部１０３は、ステップＳ１において読み出したＨＴＭＬファイルから、表記述部分Ｔ_i（ｉ＝１，２，．．．，Ｎ）を抽出する（ステップＳ３）。本実施の形態において、表記述部分とはＨＴＭＬファイルのうちｔａｂｌｅタグで囲まれた部分のことである。ＮはＨＴＭＬファイルに含まれる表の数である。

抽出部１０３は、表を表す番号である変数ｉに１を設定する（ステップＳ５）。

抽出部１０３は、ｉ≦Ｎが成立するか判定する（ステップＳ７）。

ｉ≦Ｎが成立する場合（ステップＳ７：Ｙｅｓルート）、抽出部１０３は、表記述部分Ｔ_iから項目名と項目値とのセットを抽出する（ステップＳ９）。表記述部分Ｔ_iに項目名と項目値とのセットが複数含まれる場合には、複数のセットがステップＳ９において抽出される。

抽出部１０３は、項目名と項目値とのセットに日時情報が付加されている場合には日時情報を抽出し、抽出した日時情報を抽出データテーブル（図６）の情報対象日時の欄に格納する（ステップＳ１１）。例えば図４に示した例においては、項目値に日時情報が付加されているので、日時情報「２０１６年３月末」（或いは「２０１６年３月３１日」）が情報対象日時の欄に格納される。図４の例においては項目値に日時情報が付加されているが、項目名に日時情報が付加されていてもよい。また、図４の例においては「時点」という文字列が日時情報に付加されているが、このような文字列（他には「現在」および「付け」など）が付加されていなくてもよい。

抽出部１０３は、ステップＳ１において読み出したＨＴＭＬファイルから、所定のルールに従って表記述部分Ｔ_iについての日時情報（以下、表日時と呼ぶ）を抽出する（ステップＳ１３）。

図１１乃至図１７を用いて、所定のルールについて説明する。

図１１は、ｃａｐｔｉｏｎタグを用いて日時情報が記述される例を示す図である。本実施の形態においては、図１１に示すように、ｔａｂｌｅタグで囲まれた範囲に含まれるｃａｐｔｉｏｎタグを用いて日時情報が記述されている場合、その日時情報が日時情報として抽出される。図１１の例においては、日時情報「２０１６年３月末」が抽出される。

また、ｔａｂｌｅタグのｎ個前までのタグで囲まれた日時情報またはｔａｂｌｅタグのｎ個後までのタグで囲まれた日時情報が抽出されてもよい。図１２の例においては、ｔａｂｌｅタグの２個前までのタグで囲まれた日時情報「２０１６年３月末」が抽出されている。ここで、各行において最も外側にあるタグの内側に有るタグは除外してカウントされる。例えば図１２の例においては、ｓｐａｎタグはカウントの対象から除外される。

また、或る一つのタグのみを含むタグを無いものとして取り扱ってもよい。例えば図１３（ａ）においては、ｄｉｖタグの内側にはｔａｂｌｅタグのみが含まれている。このような場合には、図１３（ｂ）に示すように、ｄｉｖタグが存在しないものとして取り扱ってもよい。また、例えば図１４（ａ）においては、ｄｉｖタグの内側にはｐタグのみが含まれている。このような場合には、図１４（ｂ）に示すように、ｄｉｖタグが存在しないものとして取り扱ってもよい。

また、日時情報の抽出の対象となるタグを、ｔａｂｌｅタグと同じ階層のタグまたはｔａｂｌｅタグの階層より下の階層のタグに限定してもよい。例えば図１５においては、ｎ＝２であり且つｔａｂｌｅタグの後にあるｐタグはｔａｂｌｅタグと同じ階層に有るので、ｔａｂｌｅタグの後にあるｐタグで囲まれた日時情報「２０１６年３月末」が抽出される。ｄｉｖタグより外側のタグは、日時情報の抽出対象から除外される。また、ｈタグ以降のタグは同じ階層のタグであると見做すようにしてもよい。この場合、図１６において、ｔａｂｌｅタグの直前に有るｈ３タグおよびｔａｂｌｅタグの直後に有るｐタグをｔａｂｌｅタグと同じ階層のタグであると見做すことができる。よって、ｔａｂｌｅタグの直前に有るｈ３タグで囲まれた日時情報「２０１６年３月末」は抽出される。一方、最後に有るｐタグはｔａｂｌｅタグと同じ階層のタグではないので、そのｐタグで囲まれた日時情報「２０１６年３月末」は抽出されない。

また、特定のタグを無いものとして取り扱ってもよい。例えば図１７（ａ）においてはｐタグの内側にｂｒタグが含まれているが、図１７（ｂ）に示すように、ｂｒタグが無いものとして処理を行ってもよい。なお、図１７の例においてはｂｒタグが示されているが、ｂｒタグ以外のタグに対して同様の取り扱いをしてもよい。

また、特定の文字又は文字列が付加された日時情報のみを抽出の対象としてもよい。特定の文字又は文字列とは、例えば、「現在」、「時点」あるいは「付け」等である。

なお、以上のルールは一例であるので、これらのルール以外のルールを使用してもよい。また、図１１乃至図１７を用いて説明した各ルールの優先度を情報処理装置１の操作者の指定等に基づき設定してもよい。

図９の説明に戻り、抽出部１０３は、処理データ格納部１１３に表テーブルのエントリを生成する。そして、抽出部１０３は、ステップＳ１３において抽出した日時情報を、生成したエントリの表日時の欄に格納する（ステップＳ１５）。

図１８は、表テーブルの一例を示す図である。図１８の例では、表ＩＤと、表日時の情報とが格納される。なお、ステップＳ１３において日時情報が抽出されなかった場合には表日時の欄は空である。

抽出部１０３は、ｉを１インクリメントする（ステップＳ１７）。そして処理はステップＳ７に戻る。

一方、ｉ≦Ｎが成立しない場合（ステップＳ７：Ｎｏルート）、処理は端子Ａを介して図１９のステップＳ１９に移行する。

図１９の説明に移行し、抽出部１０３は、ステップＳ１において読み出したＨＴＭＬファイルから、記事発行に関する日時情報を抽出する（図１９：ステップＳ１９）。ウェブページが発行された日時はウェブページの最初又は最後に記述されることがあるので、本実施の形態においては、ＨＴＭＬファイルにおける最初或いは最後のｄｉｖタグ或いはｐタグ等で囲まれた日付情報が抽出される。例えば図２０の例においては、ＨＴＭＬファイルにおいて最初に登場するｐタグで囲まれた日時情報が抽出される。

抽出部１０３は、ステップＳ１において読み出したＨＴＴＰレスポンスヘッダから更新に関する日時情報を抽出する（ステップＳ２１）。ウェブページが更新された日時の情報はＨＴＴＰレスポンスヘッダに含まれることがあるので、ＨＴＴＰレスポンスヘッダから日時情報が抽出される。但し、抽出された日時情報が示す日時が後述の取得日時より後である場合或いは同時である場合、本実施の形態においてはステップＳ２１の処理は失敗であると判定される。

抽出部１０３は、ステップＳ１９において記事発行に関する日時情報の抽出に成功したか判定する（ステップＳ２５）。

ステップＳ１９において記事発行に関する日時情報の抽出に失敗した場合（ステップＳ２５：Ｎｏルート）、処理はステップＳ２９に移行する。

一方、ステップＳ１９において記事発行に関する日時情報の抽出に成功した場合（ステップＳ２５：Ｙｅｓルート）、抽出部１０３は、以下の処理を実行する。具体的には、抽出部１０３は、記事発行に関する日時情報を、ページデータテーブル（図１０）の記事発行日時の欄に格納する（ステップＳ２７）。

抽出部１０３は、ページデータテーブル（図１０）に格納されている取得日時は、ステップＳ２１において抽出された日時情報が示す日時より後であるか判定する（ステップＳ２９）。

ページデータテーブル（図１０）に格納されている取得日時は、ステップＳ２１において抽出された日時情報が示す日時より後ではない場合（ステップＳ２９：Ｎｏルート）、処理はステップＳ３５に移行する。

一方、ページデータテーブル（図１０）に格納されている取得日時は、ステップＳ２１において抽出された日時情報が示す日時より後である場合（ステップＳ２９：Ｙｅｓルート）、抽出部１０３は、以下の処理を実行する。具体的には、抽出部１０３は、更新に関する日時情報を、ページデータテーブル（図１０）の更新日時の欄に格納する（ステップＳ３１）。

図２１は、ステップＳ３１までの処理によりページデータテーブルに格納されるデータの一例を示す図である。図１０と比較すると、記事発行日時の情報と、更新日時の情報とが新たにページデータテーブルに格納されている。

抽出部１０３は、処理データ格納部１１３に格納された結果テーブルに結果データを生成する（ステップＳ３５）。ステップＳ３５において、結果データは、処理対象のＨＴＭＬファイルに含まれる表の各項目値について生成される。

図２２は、結果テーブルに格納されるデータの一例を示す図である。図２２の例では、データＩＤと、表日時の情報と、記事発行日時の情報と、更新日時の情報と、取得日時の情報とが格納される。表日時の欄には、表テーブル（図１８）に格納されている表日時の情報が格納される。記事発行日時の欄には、ページデータテーブル（図２１）に格納されている記事発行日時の情報が格納される。更新日時の欄には、ページデータテーブル（図２１）に格納されている更新日時の情報が格納される。取得日時の欄には、ページデータテーブル（図２１）に格納されている取得日時の情報が格納される。なお、データＩＤに対応する表ＩＤは表関係テーブル（図７）によって特定される。また、データＩＤに対応するウェブページＩＤは、表関係テーブル（図７）及びページ関係テーブル（図８）によって特定される。

以上のような処理を実行すれば、表の各項目値について、関係する日時情報を対応付けることができるようになる。

次に、図２３乃至図２８を用いて、判定部１０５が実行する処理を説明する。本処理は、抽出部１０３が処理を実行した後に実行される。なお、以下では抽出データテーブル（図６）における１つのデータＩＤについて処理を実行する例を示すが、抽出データテーブル（図６）における各データＩＤについて処理を実行してもよい。

判定部１０５は、抽出データテーブル（図６）に格納されているデータＩＤの中から１つデータＩＤを特定する（図２３：ステップＳ４１）。

判定部１０５は、抽出データテーブル（図６）から、ステップＳ４１において特定したデータＩＤを有するエントリを読み出す（ステップＳ４３）。

判定部１０５は、ステップＳ４３において読み出したエントリに情報対象日時が含まれるか判定する（ステップＳ４５）。

ステップＳ４３において読み出したエントリに情報対象日時の情報が含まれる場合（ステップＳ４５：Ｙｅｓルート）、処理は終了する。

一方、ステップＳ４３において読み出したエントリに情報対象日時が含まれない場合（ステップＳ４５：Ｎｏルート）、判定部１０５は、ステップＳ４１において特定したデータＩＤを有する結果データを結果テーブル（図２２）から読み出す。そして、判定部１０５は、読み出した結果データに表日時の情報が含まれるか判定する（ステップＳ４７）。

読み出した結果データに表日時の情報が含まれる場合（ステップＳ４７：Ｙｅｓルート）、判定部１０５は、読み出した結果データに含まれる表日時の情報を、抽出データテーブル（図６）における情報対象日時の欄に格納する（ステップＳ４９）。そして処理は終了する。

一方、読み出した結果データに表日時の情報が含まれない場合（ステップＳ４７：Ｎｏルート）、判定部１０５は、読み出した結果データに記事発行日時の情報が含まれるか判定する（ステップＳ５１）。

読み出した結果データに記事発行日時の情報が含まれる場合（ステップＳ５１：Ｙｅｓルート）、判定部１０５は、読み出した結果データに含まれる記事発行日時の情報を、抽出データテーブル（図６）における情報対象日時の欄に格納する（ステップＳ５３）。そして処理は終了する。

一方、読み出した結果データに記事発行日時の情報が含まれない場合（ステップＳ５１：Ｎｏルート）、判定部１０５は、読み出した結果データに更新日時の情報が含まれるか判定する（ステップＳ５５）。

読み出した結果データに更新日時の情報が含まれる場合（ステップＳ５５：Ｙｅｓルート）、判定部１０５は、読み出した結果データに含まれる更新日時の情報を、抽出データテーブル（図６）における情報対象日時の欄に格納する（ステップＳ５７）。そして処理は終了する。一方、読み出した結果データに更新日時の情報が含まれない場合（ステップＳ５５：Ｎｏルート）、判定部１０５は、読み出した結果データに含まれる取得日時の情報を、抽出データテーブル（図６）における情報対象日時の欄に格納する（ステップＳ５９）。そして処理は終了する。

以上のような処理を実行すれば、表の項目値に対応付けられた日時情報のうちその項目値について適切な日時情報を決めることができるようになる。

図２４乃至図２８を用いて、情報対象日時の決定をより具体的に説明する。

例えば、図２４に示すようなデータが結果テーブルに格納されているとする。このケースでは、データＩＤ「１２３４５６７８９０−０−０」について表日時の情報が格納されているので、抽出データテーブルに情報対象日時の情報が格納されていなければ、図２５に示すように、情報対象日時の欄に表日時「２０１６／０６／０１」が格納される。

例えば、図２６に示すようなデータが結果テーブルに格納されているとする。このケースでは、データＩＤ「１２３４５６７８９０−０−０」について表日時の情報が格納されておらず、記事発行日時の情報が格納されている。従って、抽出データテーブルに情報対象日時の情報が格納されていなければ、図２７に示すように、情報対象日時の欄に記事発行日時「２０１６／０５／３０」が格納される。

例えば、図２８に示すようなデータが結果テーブルに格納されているとする。このケースでは、データＩＤ「１２３４５６７８９０−０−３」について表日時の情報が格納されている。しかし、図２７に示したように、データＩＤ「１２３４５６７８９０−０−３」について情報対象日時「２０１６／０３／３１」が格納されている場合、情報対象日時の欄に表日時の情報は格納されない。

次に、図２９乃至図３１を用いて、生成部１０７が実行する処理を説明する。

情報処理装置１が複数の情報源から取得したウェブページのデータに対して上で述べた処理を実行したとする。そして、生成部１０７は、例えば情報処理装置１の操作者が指定したデータＩＤについての項目値および情報対象日時を、抽出データテーブルから読み出す（図２９：ステップＳ６１）。

生成部１０７は、ステップＳ６１において読み出した項目値および情報対象日時を含む時系列データを生成し（ステップＳ６３）、処理データ格納部１１３に格納する。そして処理は終了する。

図３０は、ステップＳ６３において生成される時系列データの一例を示す図である。図３０の例では、項目名「資本金」について、４つの時点における項目値が格納される。

図３１は、図３０に示した時系列データを基にして生成されたグラフの一例を示す図である。情報処理装置１の操作者は、このようなグラフを確認することで企業分析等を行うことができる。

以上本発明の一実施の形態を説明したが、本発明はこれに限定されるものではない。例えば、上で説明した情報処理装置１の機能ブロック構成は実際のプログラムモジュール構成に一致しない場合もある。

また、上で説明した各テーブルの構成は一例であって、上記のような構成でなければならないわけではない。さらに、処理フローにおいても、処理結果が変わらなければ処理の順番を入れ替えることも可能である。さらに、並列に実行させるようにしても良い。

なお、上で述べた情報処理装置１は、コンピュータ装置であって、図３２に示すように、メモリ２５０１とＣＰＵ２５０３とＨＤＤ２５０５と表示装置２５０９に接続される表示制御部２５０７とリムーバブル・ディスク２５１１用のドライブ装置２５１３と入力装置２５１５とネットワークに接続するための通信制御部２５１７とがバス２５１９で接続されている。オペレーティング・システム（ＯＳ：Operating System）及び本実施例における処理を実施するためのアプリケーション・プログラムは、ＨＤＤ２５０５に格納されており、ＣＰＵ２５０３により実行される際にはＨＤＤ２５０５からメモリ２５０１に読み出される。ＣＰＵ２５０３は、アプリケーション・プログラムの処理内容に応じて表示制御部２５０７、通信制御部２５１７、ドライブ装置２５１３を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリ２５０１に格納されるが、ＨＤＤ２５０５に格納されるようにしてもよい。本発明の実施例では、上で述べた処理を実施するためのアプリケーション・プログラムはコンピュータ読み取り可能なリムーバブル・ディスク２５１１に格納されて頒布され、ドライブ装置２５１３からＨＤＤ２５０５にインストールされる。インターネットなどのネットワーク及び通信制御部２５１７を経由して、ＨＤＤ２５０５にインストールされる場合もある。このようなコンピュータ装置は、上で述べたＣＰＵ２５０３、メモリ２５０１などのハードウエアとＯＳ及びアプリケーション・プログラムなどのプログラムとが有機的に協働することにより、上で述べたような各種機能を実現する。

以上述べた本発明の実施の形態をまとめると、以下のようになる。

本実施の形態の第１の態様に係る日時情報抽出方法は、（Ａ）表の項目名および項目値を含むデータから、項目名または項目値に付加された第１の日時情報、または、第１の日時情報以外の第２の日時情報であって、表の記述範囲または表の記述範囲の直前或いは直後の所定範囲に含まれる第２の日時情報を抽出し、（Ｂ）抽出した第１の日時情報または第２の日時情報を、少なくとも項目値に対応付けて記憶装置に格納する処理を含む。

表に含まれる項目値がいつの時点の値であるかを決定できるようになる。

また、第２の日時情報は、表の記述範囲に含まれ且つ表の説明を記述するためのタグで囲まれた日時情報であってもよい。

例えばＨＴＭＬのＣＡＰＴＩＯＮタグ等を利用して第２の日時情報を抽出できるようになる。

また、第２の日時情報は、表の記述範囲の直前或いは直後の所定範囲に含まれ且つ所定の文字または所定の文字列が付加された日時情報であってもよい。

例えば「時点」、「現在」及び「付」等の文字または文字列を利用して第２の日時情報を抽出できるようになる。

また、第２の日時情報は、表の記述範囲の直前或いは直後の所定範囲に含まれ且つ表を記述するための表タグと同じ階層のタグに囲まれた日時情報、または、表の記述範囲に含まれ且つ表タグより下の階層のタグに囲まれた日時情報であってもよい。

日時情報の記述のされ方の特徴を利用して抽出を行うことができるようになる。

また、本日時情報抽出方法は、（Ｃ）データにおける最初の所定タグまたは最後の所定タグに含まれ且つデータの発行日時を示す第３の日時情報を抽出する処理をさらに含んでもよい。そして、記憶装置に格納する処理において、（ｂ１）抽出した第１の日時情報、第２の日時情報または第３の日時情報を、少なくとも項目値に対応付けて記憶装置に格納してもよい。

項目値がデータの発行日時の時点における値であるとみなすことができる場合が有るので、上で述べたような処理を実行すれば、適切な日時情報を項目値に対応付けられるようになる。

また、本日時情報抽出方法は、（Ｄ）データのヘッダに含まれ且つデータの更新日時を示す第４の日時情報を抽出する処理をさらに含んでもよい。そして、記憶装置に格納する処理において、（ｂ２）抽出した第１の日時情報、第２の日時情報または第４の日時情報を、少なくとも項目値に対応付けて記憶装置に格納してもよい。

項目値がデータの更新日時の時点における値であるとみなすことができる場合が有るので、上で述べたような処理を実行すれば、適切な日時情報を項目値に対応付けられるようになる。

また、本日時情報抽出方法は、（Ｅ）データの取得日時を示す第５の日時情報を取得する処理をさらに含んでもよい。そして、記憶装置に格納する処理において、（ｂ３）抽出した第１の日時情報、第２の日時情報または第５の日時情報を、少なくとも項目値に対応付けて記憶装置に格納してもよい。

項目値がデータの取得日時の時点における値であるとみなすことができる場合が有るので、上で述べたような処理を実行すれば、適切な日時情報を項目値に対応付けられるようになる。

また、所定範囲は、所定個数のタグを含む範囲であってもよい。

タグが使用されたデータにおける範囲を適切に定めることができるようになる。

また、データは、ウェブページのデータであってもよい。

本実施の形態の第２の態様に係る日時情報抽出装置は、（Ｆ）表の項目名および項目値を含むデータから、項目名または項目値に付加された第１の日時情報、または、第１の日時情報以外の第２の日時情報であって、表の記述範囲または表の記述範囲の直前或いは直後の所定範囲に含まれる第２の日時情報を抽出する抽出部（実施の形態における抽出部１０３は抽出部の一例である）と、（Ｇ）抽出部により抽出された第１の日時情報または第２の日時情報を、少なくとも項目値に対応付けて記憶装置に格納する格納処理部（実施の形態における判定部１０５は格納処理部の一例である）とを有する。

なお、上記方法による処理をプロセッサに行わせるためのプログラムを作成することができ、当該プログラムは、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等のコンピュータ読み取り可能な記憶媒体又は記憶装置に格納される。尚、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）
コンピュータに、
表の項目名および項目値を含むデータから、前記項目名または前記項目値に付加された第１の日時情報、または、前記第１の日時情報以外の第２の日時情報であって、前記表の記述範囲または前記表の記述範囲の直前或いは直後の所定範囲に含まれる前記第２の日時情報を抽出し、
抽出した前記第１の日時情報または前記第２の日時情報を、少なくとも前記項目値に対応付けて記憶装置に格納する、
処理を実行させる日時情報抽出プログラム。

（付記２）
前記第２の日時情報は、前記表の記述範囲に含まれ且つ前記表の説明を記述するためのタグで囲まれた日時情報である、
付記１記載の日時情報抽出プログラム。

（付記３）
前記第２の日時情報は、前記表の記述範囲の直前或いは直後の所定範囲に含まれ且つ所定の文字または所定の文字列が付加された日時情報である、
付記１記載の日時情報抽出プログラム。

（付記４）
前記第２の日時情報は、前記表の記述範囲の直前或いは直後の所定範囲に含まれ且つ前記表を記述するための表タグと同じ階層のタグに囲まれた日時情報、または、前記表の記述範囲に含まれ且つ前記表タグより下の階層のタグに囲まれた日時情報である、
付記１記載の日時情報抽出プログラム。

（付記５）
前記コンピュータに、
前記データにおける最初の所定タグまたは最後の前記所定タグに含まれ且つ前記データの発行日時を示す第３の日時情報を抽出する
処理をさらに実行させ、
前記記憶装置に格納する処理において、
抽出した前記第１の日時情報、前記第２の日時情報または前記第３の日時情報を、少なくとも前記項目値に対応付けて前記記憶装置に格納する、
付記１乃至４のいずれか１つ記載の日時情報抽出プログラム。

（付記６）
前記コンピュータに、
前記データのヘッダに含まれ且つ前記データの更新日時を示す第４の日時情報を抽出する
処理をさらに実行させ、
前記記憶装置に格納する処理において、
抽出した前記第１の日時情報、前記第２の日時情報または前記第４の日時情報を、少なくとも前記項目値に対応付けて前記記憶装置に格納する、
付記１乃至４のいずれか１つ記載の日時情報抽出プログラム。

（付記７）
前記コンピュータに、
前記データの取得日時を示す第５の日時情報を取得する
処理をさらに実行させ、
前記記憶装置に格納する処理において、
抽出した前記第１の日時情報、前記第２の日時情報または前記第５の日時情報を、少なくとも前記項目値に対応付けて前記記憶装置に格納する、
付記１乃至４のいずれか１つ記載の日時情報抽出プログラム。

（付記８）
前記所定範囲は、所定個数のタグを含む範囲である、
付記１乃至７のいずれか１つ記載の日時情報抽出プログラム。

（付記９）
前記データは、ウェブページのデータである、
付記１乃至８のいずれか１つ記載の日時情報抽出プログラム。

（付記１０）
コンピュータが、
表の項目名および項目値を含むデータから、前記項目名または前記項目値に付加された第１の日時情報、または、前記第１の日時情報以外の第２の日時情報であって、前記表の記述範囲または前記表の記述範囲の直前或いは直後の所定範囲に含まれる前記第２の日時情報を抽出し、
抽出した前記第１の日時情報または前記第２の日時情報を、少なくとも前記項目値に対応付けて記憶装置に格納する、
処理を実行する日時情報抽出方法。

（付記１１）
表の項目名および項目値を含むデータから、前記項目名または前記項目値に付加された第１の日時情報、または、前記第１の日時情報以外の第２の日時情報であって、前記表の記述範囲または前記表の記述範囲の直前或いは直後の所定範囲に含まれる前記第２の日時情報を抽出する抽出部と、
前記抽出部により抽出された前記第１の日時情報または前記第２の日時情報を、少なくとも前記項目値に対応付けて記憶装置に格納する格納処理部と、
を有する日時情報抽出装置。

１情報処理装置１０１データ処理部
１０３抽出部１０５判定部
１０７生成部１１１ページデータ格納部
１１３処理データ格納部３ネットワーク

Claims

コンピュータに、
表の項目名および項目値を含むデータから、前記項目名または前記項目値に付加された第１の日時情報、または、前記第１の日時情報以外の第２の日時情報であって、前記表の記述範囲または前記表の記述範囲の直前或いは直後の所定範囲に含まれる前記第２の日時情報を抽出し、
抽出した前記第１の日時情報または前記第２の日時情報を、少なくとも前記項目値に対応付けて記憶装置に格納する、
処理を実行させる日時情報抽出プログラム。
前記第２の日時情報は、前記表の記述範囲に含まれ且つ前記表の説明を記述するためのタグで囲まれた日時情報である、
請求項１記載の日時情報抽出プログラム。
前記第２の日時情報は、前記表の記述範囲の直前或いは直後の所定範囲に含まれ且つ所定の文字または所定の文字列が付加された日時情報である、
請求項１記載の日時情報抽出プログラム。
前記第２の日時情報は、前記表の記述範囲の直前或いは直後の所定範囲に含まれ且つ前記表を記述するための表タグと同じ階層のタグに囲まれた日時情報、または、前記表の記述範囲に含まれ且つ前記表タグより下の階層のタグに囲まれた日時情報である、
請求項１記載の日時情報抽出プログラム。
前記コンピュータに、
前記データにおける最初の所定タグまたは最後の前記所定タグに含まれ且つ前記データの発行日時を示す第３の日時情報を抽出する
処理をさらに実行させ、
前記記憶装置に格納する処理において、
抽出した前記第１の日時情報、前記第２の日時情報または前記第３の日時情報を、少なくとも前記項目値に対応付けて前記記憶装置に格納する、
請求項１乃至４のいずれか１つ記載の日時情報抽出プログラム。
前記コンピュータに、
前記データのヘッダに含まれ且つ前記データの更新日時を示す第４の日時情報を抽出する
処理をさらに実行させ、
前記記憶装置に格納する処理において、
抽出した前記第１の日時情報、前記第２の日時情報または前記第４の日時情報を、少なくとも前記項目値に対応付けて前記記憶装置に格納する、
請求項１乃至４のいずれか１つ記載の日時情報抽出プログラム。
前記コンピュータに、
前記データの取得日時を示す第５の日時情報を取得する
処理をさらに実行させ、
前記記憶装置に格納する処理において、
抽出した前記第１の日時情報、前記第２の日時情報または前記第５の日時情報を、少なくとも前記項目値に対応付けて前記記憶装置に格納する、
請求項１乃至４のいずれか１つ記載の日時情報抽出プログラム。
前記所定範囲は、所定個数のタグを含む範囲である、
請求項１乃至７のいずれか１つ記載の日時情報抽出プログラム。
コンピュータが、
表の項目名および項目値を含むデータから、前記項目名または前記項目値に付加された第１の日時情報、または、前記第１の日時情報以外の第２の日時情報であって、前記表の記述範囲または前記表の記述範囲の直前或いは直後の所定範囲に含まれる前記第２の日時情報を抽出し、
抽出した前記第１の日時情報または前記第２の日時情報を、少なくとも前記項目値に対応付けて記憶装置に格納する、
処理を実行する日時情報抽出方法。
表の項目名および項目値を含むデータから、前記項目名または前記項目値に付加された第１の日時情報、または、前記第１の日時情報以外の第２の日時情報であって、前記表の記述範囲または前記表の記述範囲の直前或いは直後の所定範囲に含まれる前記第２の日時情報を抽出する抽出部と、
前記抽出部により抽出された前記第１の日時情報または前記第２の日時情報を、少なくとも前記項目値に対応付けて記憶装置に格納する格納処理部と、
を有する日時情報抽出装置。