JP2019020958A - 情報収集支援装置および情報収集支援方法 - Google Patents

Abstract

【課題】ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、効率的に収集可能とする。【解決手段】情報収集支援装置１０００において、ネットワーク上における既知の情報収集先のアドレスを保持する記憶装置２００３と、前記既知の情報収集先のアドレスにアクセスして収集した情報から、予め定めた所定属性の固有表現を所定ルールで抽出する処理と、前記固有表現の属性ごとに予め定めた探索アルゴリズムに、前記抽出した固有表現を適用して、未知の情報収集先を探索し、前記未知の情報収集先に存在する情報と前記固有表現との一致度を判定する処理と、前記一致度が予め定めた所定範囲にある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加する処理を実行する演算装置１０５を含む構成とする。【選択図】図２

Description

本発明は、情報収集支援装置および情報収集支援方法に関するものであり、具体的には、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、効率的に収集可能とする技術に関する。

現在、インターネット空間に存在するウェブサイトでは、多様な情報が提供されている。インターネットの利用者は、これらのウェブサイトにリクエストを送信することで情報を取得することができる。一方で、ＳＮＳ等を利用した個人や組織等が、インターネット空間にて自在に情報発信を行える環境も整ってきた。

こうした状況下において、インターネット上の公開情報を基にした、サイバー攻撃やテロなど所定事象の発生等に関する予測技術が進展し、広まりを見せている。そのため、有用な情報が存在するウェブサイトを選択して、当該ウェブサイトから得た情報を予測技術の入力として利用するとのニーズも高まりつつある。

上述のようにウェブサイトから情報を収集する技術として、ウェブサイトに存在する情報を機械的に収集するウェブクローラが存在する。ただし、このウェブクローラは、指定されたウェブサイトおよび当該ウェブサイトからリンクされたウェブサイトに存在する情報しか収集できない。そのため、ウェブクローラによる収集は、情報収集を図るユーザの知見に依存しやすいという問題を含んでいる。

このような問題に対応する従来技術としては、例えば、検索キーに基づいて検索手段が検索した検索キー対応検索結果情報と、当該検索キー対応検索結果情報に含まれるリンク先情報に基づいて前記検索手段が検索したリンク先対応検索結果情報と、の関連度の高低を判定する検索結果情報関連度判定手段と、前記検索キー対応検索結果情報の中から当該検索キー対応検索結果情報を代表するキーワードと関連度の高い単語を抽出する関連語抽出手段と、前記検索キー対応検索結果情報と関連度の高いリンク先対応検索結果情報の検索に用いた前記リンク先情報と、前記関連度の高い単語とを、新たな検索キーとして特定する新検索キー特定手段と、を備えることを特徴とする情報収集支援装置（特許文献１参照）などが提案されている。

特開２０１０−２８６８８８号公報

従来技術においては、既知のウェブサイトから収集した情報にて頻出する単語を抽出し、その単語を検索キーとしたウェブサイトの検索を実行することで、新たな情報収集先となりうる未知のウェブサイトを探し出すことができる。

しかしながら、既知のウェブサイトが含む情報と同一のものを掲載したウェブサイトを探索出来るのみで、場合によっては、既知のウェブサイトと完全に同じ情報で構成されたウェブサイトが特定される結果となりうる。つまり、未知の情報収集先を探索するつもりが、掲載情報の観点からすれば「既知」と同義の他ウェブサイトを探索しただけといった結果を導きかねない。従って、ユーザがどれほど幅広く情報を収集出来るかは、当該ユー
ザの興味対象に関して有用なウェブサイトをどれだけ最初から知っているか、にやはり左右されることとなる。

本発明は掛かる課題を鑑みてなされたものであり、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、効率的に収集可能とする技術の提供を目的とする。

上記課題を解決する本発明の情報収集支援装置は、ネットワーク上における既知の情報収集先のアドレスを保持する記憶装置と、前記既知の情報収集先のアドレスにアクセスして収集した情報から、予め定めた所定属性の固有表現を所定ルールで抽出する処理と、前記固有表現の属性ごとに予め定めた探索アルゴリズムに、前記抽出した固有表現を適用して、未知の情報収集先を探索し、前記未知の情報収集先に存在する情報と前記固有表現との一致度を判定する処理と、前記一致度が予め定めた所定範囲にある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加する処理と、を実行する演算装置と、を有することを特徴とする。

また、本発明の情報収集支援方法は、ネットワーク上における既知の情報収集先のアドレスを保持する記憶装置を備えた情報処理装置が、前記既知の情報収集先のアドレスにアクセスして収集した情報から、予め定めた所定属性の固有表現を所定ルールで抽出する処理と、前記固有表現の属性ごとに予め定めた探索アルゴリズムに、前記抽出した固有表現を適用して、未知の情報収集先を探索し、前記未知の情報収集先に存在する情報と前記固有表現との一致度を判定する処理と、前記一致度が予め定めた所定範囲にある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加する処理と、を実行することを特徴とする。

本発明によれば、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、効率的に収集可能となる。

本実施形態における情報収集支援装置を含むネットワーク構成例を示す図である。 本実施形態における情報収集支援装置のハードウェア構成例を示す図である。 本実施形態における収集先テーブルのデータ構成例を示す図である。 本実施形態における固有表現辞書のデータ構成例を示す図である。 本実施形態における固有表現探索手段テーブルのデータ構成例を示す図である。 本実施形態における収集先探索手段テーブルのデータ構成例を示す図である。 本実施形態における情報収集支援方法のフロー例１を示す図である。 本実施形態における情報収集支援方法のフロー例２を示す図である。 本実施形態における情報収集支援方法のフロー例３を示す図である。 本実施形態における情報収集支援方法のフロー例４を示す図である。

−−−システム構成・機能構成例−−−
図１は、本実施形態における情報収集支援装置１０００を含むネットワーク構成例を示す図である。図１に示す情報収集支援装置１０００は、ユーザにとって未知の情報を、当
該ユーザにおける情報収集先の知見有無に係わらず、効率的に収集可能とするコンピュータ装置である。

本実施形態における情報収集支援装置１０００は、情報収集先となるインターネット１５００と接続され、また、適宜な回線１５１０（例：ＬＡＮなど）を介してクライアント端末１４００と通信可能に結ばれている。クライアント端末１４００は、情報収集支援装置１０００に対して、既知の情報収集先であるインターネット１５００上のＵＲＬを指定する端末である。このＵＲＬは、インターネット１５００上で公開されているウェブサイトのＵＲＬとなる。

こうした情報収集支援装置１０００は、図１にて例示するように、情報収集機能１００１、情報分析機能１１００、収集先探索機能１２００、および、収集先更新機能１３００の各機能を実装している。これら各機能は、例えば、図２に関して後述するプログラム１０３１がＣＰＵ１０１により実行されることで実装されるものとする。

このうち情報収集機能１００１は、インターネット１５００において情報収集を行う機能に該当する。この情報収集機能１００１を構成する収集先登録部１００２は、クライアント端末１４００から、ユーザ所望の情報が存在する既知のウェブサイトのＵＲＬを受け付ける機能を有する。なお、本機能を実現する形態としては、例えば、情報を入力する画面を設置することや設定ファイルを受け付ける形式でもよい。詳細な例は図３を用いて後述する。

また、情報収集機能１００１を構成する収集先記憶部１００３は、上述の収集先登録部１００２から入力されたウェブサイトのＵＲＬを記憶する機能を有する。詳細な例は図３を用いて後述する。

また、情報収集部１００４は、上述の収集先記憶部１００３に記憶されたウェブサイトのＵＲＬにアクセスして情報を収集するウェブクローラなどの適宜な機能を有する。

また、収集情報記憶部１００５は、上述の情報収集部１００４が収集した情報を、本システム内部に記憶する機能を有する。

続いて、上述の情報分析機能１１００は、情報収集機能１００１により収集した情報を分析する機能に該当する。この機能の詳細は、図７の分析処理の例において後述するものとする。

情報分析機能１１００は、固有表現探索手段登録部１１０１、情報分解部１１０２、固有表現探索手段記憶部１１０３、固有表現探索部１１０４、意味分類部１１０５、辞書記憶部１１０６、文字分解部１１０７、および、画像分解部１１０８から構成される。

このうち固有表現探索手段登録部１１０１は、クライアント端末１４００から、固有表現を探索する手段の登録を受け付けるものとなる。ここで固有表現とは、所定の意味を持つ品詞のことを指すが、その詳細な例については図５を用いて後述する。なお、本機能を実現する形態としては、たとえば、情報を入力する画面を設置することや設定ファイルを受け付ける形式でもよい。

また、情報分解部１１０２は、上述の収集情報記憶部１００５に記憶されている情報をファイルの形式ごとに分類するものとなる。この情報分解部１１０２は、情報をファイルの形式ごとに分類するため、例えば、ファイル拡張子の判別による分類を行うものとする。

また、固有表現探索手段記憶部１１０３は、上述の固有表現探索手段登録部１１０１で受け付けた探索手段を記憶するものとなる。この固有表現探索手段記憶部１１０３の詳細な例については図５を用いて後述する。

また、固有表現探索部１１０４は、上述の情報分解部１１０２により分類されたファイル形式をキーとして、固有表現探索手段記憶部１１０３に記憶されたファイル形式に基づく探索手段を用いて、情報収集機能１００１で収集した情報を入力し、固有表現を探索するものとなる。なお、ファイル形式をキーとして、固有表現探索手段記憶部１１０３を呼び出すと、複数の手段が呼び出せることがある。この時、固有表現が発見できた段階で次の処理へ進んでも、すべての手段を実行してから次の処理へ進んでもよい。これら処理の詳細な例については図５を用いて後述するものとする。

また、意味分類部１１０５は、上述の固有表現探索部１１０４で発見した固有表現を、その固有表現の意味ごとに分類するものとなる。この意味分類部１１０５は、固有表現を意味ごとに分類するため、後述の辞書記憶部１１０６に記憶された情報を活用する。

また、辞書記憶部１１０６は、上述の固有表現分類部１１０５において固有表現を意味ごとに分類するための情報、すなわち辞書情報を記憶するものとなる。当該辞書情報に含まれる情報として、例えば、人名、地名等の固有表現の属性と、当該属性に応じた固有表現に含まれる固有名称例とが対応付けされたものとなる（詳細後述）。こうした辞書記憶部１１０６にて保持する辞書としては、適宜な外部サービスが提供する辞書ファイルや利用者が用意する辞書ファイルを活用すればよい。

また、文字分解部１１０７は、文字情報から固有表現を抽出するものとなる。この文字分解部１１０７は、上述の固有表現探索手段記憶部１１０３から呼び出された際、実行される。また、文字分解部１１０７は、情報収集機能１００１で収集した文字情報から固有表現を抽出するため、例えば、形態素解析などの単語単位で文章、文節等を分解する機能とこうして分解で得た単語を固有表現か否か判定するための辞書情報（上述）が必要となる。なお、この文字分解部１１０７は、本実施形態において必須の機能ではないが、固有表現に関して詳細な探索が可能となるものである。

また、画像分解部１１０８は、情報収集機能１００１で収集した画像情報から固有表現を抽出するものである。この画像分解部１１０８は、固有表現探索手段記憶部１１０３から呼び出された際、実行される。また、画像分解部１１０８は、画像情報から固有表現を抽出するため、例えば、画像ファイルに付随する緯度・経度情報を抽出する機能と、ここで抽出した緯度・経度情報を基に地名を抽出するための地図情報を有している。なお、この画像分解部１１０８は、本発明にとって必須の機能ではないが、固有表現に関して詳細な探索が可能となるものである。

また、収集先探索機能１２００は、上述の情報分析機能１１００が抽出した固有表現に基づいて、当該固有表現の掲載元たる既知の情報収集先での掲載情報と類似する情報が存在するウェブサイトを探索するものである。この収集先探索機能１２００の詳細は、図９に例示する探索処理例に基づき後述する。

この収集先探索機能１２００における収集先探索手段登録部１２０１は、クライアント端末１４００から、固有表現の分類ごとに新しい収集先を探索する手段の登録を受け付けるものとなる。なお、この収集先探索手段登録部１２０１を実現する形態としては、例えば、情報を入力する画面を設置することや設定ファイルを受け付ける形式でもよい。

また、収集先探索機能１２００における収集先探索手段記憶部１２０２は、上述の収集先探索手段登録部１２０１で受け付けた探索手段を記憶するものとなる。この収集先探索手段記憶部１２０２の詳細は図７を用いて後述する。

また、収集先探索機能１２００における収集先探索部１２０３は、上述の固有表現抽出部１１０１により抽出された固有表現を検索キーワードとして、その固有表現の分類から収集先探索手段記憶部１２０２に記憶された分類別の手段を呼び出し、新しい情報収集先たるウェブサイトを探索するものとなる。

また、収集先更新機能１３００は、上述の収集先探索機能１２００にて探索したウェブサイトを、収集先記憶部１００３における新たな情報収集先として登録するものとなる。この収集先更新機能１３００の詳細は、図１０に例示する探索処理例において後述する。
上述の収集先更新機能１３００における関連性判定部１３０１は、上述の情報先探索部１２０３により探索したウェブサイトに存在する情報と、収集情報記憶部１００５に存在する情報とを比較し、その関連度合いとして一致度を計算するものとなる。

また、収集先更新機能１３００における収集先更新部１３０１は、上述の関連性判定部１３０１により計算した一致度が所定の閾値以上であった場合に、当該ウェブサイトのＵＲＬを収集先記憶部１００３に登録するものとなる。

−−−ハードウェア構成−−−
続いて、本実施形態における情報収集支援装置１０００のハードウェア構成例について説明する。図２は、本実施形態の情報収集支援装置１０００のハードウェア構成例を示す図である。

情報収集支援装置１０００は、演算装置たるＣＰＵ１０１と、揮発性記憶素子で構成あされるメモリ１０２と、不揮発性記憶素子で構成されるハードディスク等の外部記憶装置１０３と、インターネット１５００やＬＡＮなどのネットワーク１６００を介して他の装置と通信を行うための通信装置１０４と、キーボードやマウス等の入力装置１０５と、モニタやプリンタ等の出力装置１０６と、読取装置１０７とが、ＢＵＳなどのインターフェイス１０８を介して接続されている。

なお、上述の読取装置１０７は、ＩＣカードやＵＳＢメモリのような、可搬性を有する記憶媒体１２０をセットすることで、その格納情報の読み取り動作を行うことができる。

本実施形態における情報収集支援装置１０００では、図１で例示した情報収集機能１００１、情報分析機能１１００、収集先探索機能１２００、および、収集先更新機能１３００、の各機能を実現するプログラム１０３１が外部記憶装置１０３からメモリ１０２上にロードされ、これをＣＰＵ１０１が実行する。こうしたプログラム１０３１の実行により、各機能１００１〜１３００が具現化される。

なお、プログラム１０３１は、上述のように予め外部記憶装置１０３に格納されている形態であっても良いが、他の形態も想定可能である。例えば、情報収集支援装置１０００が、必要に応じて読取装置１０７を介して記憶媒体１２０から読み取って利用する形態や、通信装置１０４を介してネットワーク１６００上（インターネット１５００やＬＡＮなどの適宜なネットワーク）の他の装置から取得する形態を適宜に採用しもよい。

−−−データ構造例−−−
続いて、本実施形態の情報収集支援装置１０００が用いるテーブル類について説明する。図３に、本実施形態における収集先テーブル３０００のデータ構成例を示す。図３に例
示する収集先テーブル３０００は、収集先記憶部１００３が保持するテーブルであり、既知の情報収集先に関する登録情報のリストを示している。本実施形態における情報収集支援装置１０００は、この収集先テーブル３０００における登録情報を活用して情報を収集することとなる。

こうした収集先テーブル３０００は、ＩＤをキーとして、収集先、収集頻度、最終収集日、親ＩＤ、既出人名、および、既出地名、といった値を対応付けたレコードの集合体となっている。

このうち「ＩＤ」３００１は、情報収集先それぞれを一意に識別するための識別子である。また、「収集先」３００２は、対応する情報収集先のＵＲＬを示している。従って、情報収集支援装置１０００は、当該ＵＲＬのウェブサイトから情報を収集する。

また、「収集頻度」３００３は、当該情報収集先から情報収集を行う頻度を示している。後述する最終更新日３００４と現在の日時とを比較したときの差が、当該頻度以上ならば、情報収集支援装置１０００は、収集先３００２から情報を収集する。

また、「最終収集日」３００４は、当該情報収集先から最後に情報収集した日付を示している。情報収集支援装置１０００は、この最終収集日と上述の収集頻度３００３とを比較して、情報収集を実行する。

また、「親ＩＤ」３００５は、当該情報収集先を登録する起因となった情報元のＩＤ（この情報収集先テーブル３０００における他レコードのＩＤ）を示している。この親ＩＤが「０」の場合、当該情報収集先は、クライアント端末１４００から登録された情報収集先であることを示している。また、親ＩＤは、後述する関連度判定ｓ１０４の処理で活用される。

また、「既出人名」は、当該情報収集先から収集した情報を基に発見した固有表現のうち、属性の分類結果が「人名」に当たる固有表現を示している。この既出人名は、後述する情報分析ｓ１０２の処理で活用する。

また、「既出地名」は、当該情報収集先から収集した情報を基に発見した固有表現のうち、属性の分類結果が「地名」に当たる固有表現を示している。この既出地名は、後述する情報分析ｓ１０２の処理で活用する。

続いて、図４に本実施形態における固有表現辞書４０００のデータ構成例を示す。この固有表現辞書４０００は、辞書記憶部１１０６で保持する辞書データである。

この固有表現辞書４０００は、情報分析機能１１００の固有表現探索部１１０４が情報収集先のウェブサイトの情報から固有表現を抽出するに際し、所定属性の事物各々に関して存在しうる固有名称を定めた辞書となる。

そのデータ構成は、例えば、レコードを一意に特定する「ＩＤ」４００１をキーに、固有表現に対応した人名、地名等の「事物」４００２、および、当該事物に関して存在する固有名称である「固有名称」４００３の各値を対応付けたレコードの集合体となっている。

図４の例では、例えば、事物「人名」に関して、「田中」、「佐藤」といった固有名称が、規定され、また、事物「地名」に関して、「東京」、「横浜」、「千葉」、「埼玉」といった固有名称が規定され、また、事物「建築物名」に関して、「東京タワー」、「ス
カイツリー」といった固有名称が規定されている。

続いて、図５に本実施形態における固有表現探索手段テーブル５０００のデータ構成例を示す。図５に示す固有表現探索手段テーブル５０００は、固有表現探索手段記憶部１１０３が保持するテーブルである。本実施形態の情報収集支援装置１０００は、この固有表現探索手段テーブル５０００の登録情報を活用して固有表現を探索する。

本実施形態の固有表現探索手段テーブル５０００は、「ＩＤ」５００１をキーに、「ファイル形式」５００２、「探索固有表現」５００３、「入力値」５００４、および、「入力先」の各値を対応付けたレコードの集合体となっている。

このうち「ＩＤ」５００１は、各探索手段を一意に識別するための識別子である。また、
「ファイル形式」５００２は、「入力先」５００５に対する入力情報のファイル形式を示している。本実施形態の情報収集支援装置１０００の固有表現探索部１１０４は、本項目をキーとして探索手段を呼び出す。

また、「探索固有表現」５００３は、探索手段により発見する固有表現の属性ごとの分類を示している。なお、この「探索固有表現」が「全般」である場合、固有表現の属性が未特定の情報に対する固有表現探索手段が規定されており、例えば、ファイル形式「文字」で、探索固有表現「全般」である場合、固有表現の探索手段すなわち「入力先」は、文字分解部１１０７となる。文字分解部１１０７は、入力たる文字情報から固有表現を抽出するものであり、形態素解析などの単語単位で文章、文節等を分解し、これで得た各単語を固有表現辞書４０００に照合することで、固有表現に該当する単語を特定することとなる。

他方、「探索固有表現」が「人名」や「地名」である場合、固有表現の属性が特定済みの情報に対する固有表現探索手段が規定されており、例えば、ファイル形式「文字」で、探索固有表現「人名」である場合、固有表現の探索手段すなわち「入力先」は、例えば、ＳＮＳのＵＲＬとなる。

また、上述の「入力値」５００４は、上述の入力先５００５へ入力する値を示している。また、「入力先」５００５は、入力値５００４の入力先として、探索手段が実行される場所を示している。なお、探索手段として外部のサービスを活用する場合はそのＵＲＬ情報を記載している。

続いて、図６に本実施形態における収集先探索手段テーブル６０００のデータ構成例を示す。この収集先探索手段テーブル６０００は、収集先探索手段記憶部１２０２で保持するテーブルである。本実施形態の情報出力装置支援装置１０００は、この収集先探索手段テーブル６０００の登録情報を活用して新しい情報収集先を探索する。

本実施形態の収集先探索手段テーブル６０００は、「ＩＤ」６００１をキーに、「固有表現分類」６００２、「外部リソース」６００３、「入力」６００４、「条件」６００５、および、「ｎｅｘｔＩＤ」６００６、の各値を対応付けたレコードの集合体となっている。

このうち「ＩＤ」６００１は、各探索手段を一意に識別するための識別子である。また、
「固有表現分類」６００２は、固有表現の属性に関する分類を示している。収集先探索部１２０３は、本項目をキーとして探索手段を呼び出すこととなる。

また、「外部リソース」６００３は、探索に活用する外部リソースのＵＲＬを示している。この「外部リソース」６００３の値は、上述の固有表現探索手段テーブル５０００における「入力先」５００５のうち、値がＵＲＬであるもののいずれかに対応している。

また、「入力」６００４は、上述の外部リソース６００３に送信する値を示している。固有表現探索手段テーブル５０００を利用した固有表現探索により発見した固有表現を「入力」６００４の値である場合、情報分析機能１１００（の文字分解部１１０７や画像分解部１１０８等）で発見した固有表現が送信値となる。他方、この「入力」６００４に数値が設定されている場合、該当するＩＤ６００１の探索手段（外部リソース６００３で規定されたＵＲＬ）の出力結果を送信する。

また、「条件」６００５は、探索して得られた結果を制限する条件を示している。例えば、「条件」６００５が、「３ユーザ」である場合、「外部リソース」６００３から得られた人名に関する固有表現のうち「３ユーザ」分のみ収集する制限を示している。また、「条件」６００５が、「別ドメインＵＲＬ」である場合、「外部リソース」６００３から得られた人名に関する固有表現のうち当該「外部リソース」が示すＵＲＬ以外のＵＲＬ（例：該当人物のＳＮＳページで紹介されている当該人物の勤務先ウェブサイト等）からのみ収集する制限を示している。また、「条件」６００５が、「１００ｍ」である場合、例えば、「外部リソース」６００３から得られた地名に関する固有表現（例：緯度・経度情報）から「１００ｍ」以内の「地名」のみ収集する制限を示している。

また、「ｎｅｘｔＩＤ」６００６は、当該探索により得られた結果の出力を別途の探索手段の入力として利用する場合、入力する先のＩＤ６００１を示している。図６で示す例の場合、ＩＤ「１」の収集先たる外部リソースから得た情報は、ＩＤ「２」の入力として規定されている。また、同様に、ＩＤ「３」の収集先たる外部リソースから得た情報は、ＩＤ「４」の入力として規定されている。

−−−フロー例１−−−
以下、本実施形態における情報収集支援方法の実際手順について図に基づき説明する。以下で説明する情報収集支援方法に対応する各種動作は、情報収集支援装置１０００がメモリ等に読み出して実行するプログラムによって実現される。そして、このプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。

図７は、本実施形態における情報収集支援方法のフロー例１を示す図である。情報出力装置支援装置１０００の情報収集部１０００４は、まず情報収集（ｓ１０１）において、収集先記憶部１００３の収集先テーブル３０００の「収集先」３００２に登録されたウェブサイトにアクセスして情報を収集し、収集した情報を収集情報記憶部１００５に格納する。なお、情報収集支援装置１０００の利用者は、クライアント端末１４００を操作し、情報収集機能１００１の収集先登録部１００２を利用して、収集先記憶部１００３の収集先テーブル３０００に情報収集先を登録する必要がある。

次に、情報収集支援装置１０００は、情報分析（ｓ１０２）において、上述の情報収集（ｓ１０１）で収集した情報を分析し、当該情報が示す固有表現を探索する。なお、情報収集支援装置１０００の利用者は、クライアント端末１４００を操作して固有表現探索手段登録部１１０１を利用し、固有表現探索手段記憶部１１０３の固有表現探索手段テーブル５０００に探索手段を登録する必要がある。

続いて、上述の探索の結果、固有表現が見つかった場合（ｓ１０２：ｙ）、情報収集支援装置１０００は、収集先探索（ｓ１０３）の処理へ進む。他方、上述の探索の結果、固
有表現が見つからなかった場合（ｓ１０２：ｎ）、情報収集支援装置１０００は、フローを終了する。

なお、上述した情報分析（ｓ１０２）の詳細な説明は図８に基づき後述する。

次に、情報収集支援装置１０００は、収集先探索（ｓ１０３）において、上述の情報分析（ｓ１０２）で発見した固有表現に関連する、未知のウェブサイトを探索する。この探索の結果、固有表現に関連する未知のウェブサイトが見つかった場合（ｓ１０３：ｙ）、情報収集支援装置１０００は、関連度判定（ｓ１０４）の処理へ進む。

なお、情報収集支援装置１０００の利用者は、クライアント端末１４００を操作して収集先探索手段登録部１２０１を利用し、予め収集先探索手段記憶部１２０２の収集先探索手段テーブル６０００に探索手段を登録する必要がある。

他方、上述の探索の結果、固有表現に関連する未知のウェブサイトが見つからなかった場合（ｓ１０３：ｎ）、情報収集支援装置１０００は、フローを終了する。

なお、上述した収集先探索（ｓ１０３）の詳細な説明は図９に基づき後述する。

最後に、情報収集支援装置１０００は、関連度判定（ｓ１０４）において、上述の収集先探索（ｓ１０３）で発見したウェブサイトでの掲載情報が含む固有表現と、情報分析（ｓ１０２）で発見した固有表現との一致度を計算する。この計算の結果、一致度すなわち関連度が所定の閾値を超えていれば（ｓ１０４：ｙ）、情報収集支援装置１０００は、収集先テーブル３０００に対応するレコードを登録してテーブル更新する。他方、一致度すなわち関連度が所定の閾値を超えていなければ（ｓ１０４：ｎ）、情報収集支援装置１０００は、当該収集先を収集先テーブル３０００に追加せず、フローを終了する。この関連度判定（ｓ１０４）の詳細な説明は図１０に基づき後述する。

−−−フロー例２−−−
図８は、情報分析機能１１００で実施される上述の情報分析（ｓ１０２）の詳細フロー例を示す図である。情報収集支援装置１０００は、本フローにより、情報収集（ｓ１０１）で収集した情報から、新たな情報収集先を探索する鍵となる情報を発見する。

この場合、情報収集支援装置１０００は、先の情報収集（ｓ１０１）で既知の情報収集先たるウェブサイトから収集した情報を、その形式（例：文字、画像）ごとに分ける（ｓ１０２１）。本処理により、形式ごとに異なる処理が実現できる。

続いて、情報収集支援装置１０００は、固有表現探索手段記憶部１１０３の固有表現探索手段テーブル５０００を呼び出し、上述のステップｓ１０２１での分類ごとに異なる処理を実施する。なお、ひとつの入力に対し、複数の探索処理を実施することもできる。本処理により、入力された情報から固有表現を発見する。

図５に例示した固有表現探索手段テーブル５０００の例を想定すれば、上述のステップｓ１０２１で分類した形式が「文字」で固有表現の属性を限定していない情報が対象すなわち「全般」の場合、レコードＩＤ「２」の「入力先」たる文字分解部１１０７に該当文字情報を入力することで、属性が「人名」の固有表現を探索し、この「人名」に該当する文字情報をレコードＩＤ「２」の入力先「http:sns.co.jp/find/」に入力することで、該当人名に該当する情報、すなわち固有表現をＳＮＳのウェブサイトから発見することとなる。

また、情報収集支援装置１０００は、ｓ１０２２で得た固有表現を、収集先記憶部１００３の収集先テーブル３０００に記憶された既出の固有表現（既出人名３００６、既出地名３００７の各値）と比較し、既出の固有表現と重複するものに関しては排除する（ｓ１０２３）。本処理により、新規の固有表現のみを収集先の探索に利用できる。

次に、情報収集支援装置１０００は、上述のｓ１０２２の処理により、新たな固有表現がひとつも発見できなければ（ｓ１０２４：Ｎ）、フローを終了する。

他方、上述のｓ１０２２の処理により、新たな固有表現を発見できた場合（ｓ１２０４：Ｙ）、情報収集支援装置１０００は、発見できた当該固有表現を、辞書記憶部１１０６の固有表現辞書４０００に照合し、人名、地名などの意味（属性）ごとに分類する（ｓ１０２５）。

また、情報収集支援装置１０００は、上述のｓ１０２５の処理において、固有表現の分類ができなければ（ｓ１０２６：Ｎ）、フローを終了する。他方、上述のｓ１０２５の処理において固有表現の分類が出来たならば（ｓ１０２６：Ｙ）、情報収集支援装置１０００は、処理をメインフローのｓ１０３に遷移させる。本結果を以って、収集した情報から固有表現を発見したこととする。

−−−フロー例３−−−
図９は、収集先探索機能１２００で実行する収集先探索（ｓ１０３）の処理フローの例を示した図である。本処理では、上述の情報分析（ｓ１０２）で発見した固有表現に基づいて、未知の情報収集先たるウェブサイトを発見する。

この場合、情報収集支援装置１０００は、収集先探索手段記憶部１２０２の収集先探索手段テーブル６０００を呼び出し、上述の情報分析（ｓ１０２）で発見した「人名」や「地名」など固有表現の分類ごとに異なる処理を呼び出す（ｓ１０３１）。例えば、ｓ１０２で発見した固有表現の分類が「人名」であった場合、レコードＩＤ「１」の情報を読み取り、収集先探索手段たる「外部リリース」６００３の値を呼び出すこととなる。

続いて、情報収集支援装置１０００は、上述のｓ１０３１の処理で呼び出した探索手段すなわち外部リソース６００３の値（が示すＵＲＬ）に、情報分析（ｓ１０２）で発見した固有表現の値（例：“佐藤”などの固有名称）を入力する（ｓ１０３２）。この外部リソースでの固有表現たる該当人名に関する探索の結果として、その固有表現たる該当人名に関係するウェブサイトを発見する。

次に情報収集支援装置１０００は、上述のｓ１０３２の処理で発見したウェブサイトのＵＲＬと、収集先記憶部１００３の収集先テーブル３０００に記憶された既知のウェブサイトのＵＲＬとを比較し、ｓ１０３２で発見したウェブサイトが既知であれば該当ウェブサイトのＵＲＬを探索結果から排除する（ｓ１０３３）。

また、情報収集支援装置１０００は、上述のｓ１０３２の処理によりウェブサイトが発見できない、もしくは発見できてもｓ１０３３の処理によりウェブサイトがひとつも存在しなくなれば（ｓ１０３４：Ｎ）、フローを終了する。他方、上述のｓ１０３３の処理を経て新たなウェブサイトを特定できた場合（ｓ１０３４：Ｙ）、情報収集支援装置１０００は、処理をメインフローのｓ１０４へ遷移させる。本結果を以って、固有表現から未知の情報収集先たるウェブサイトを発見したこととする。

−−−フロー例４−−−
図１０は、収集先更新機能１３００が実行する関連性判定（ｓ１０４）の処理フローの
例を示した図である。本処理では、先の収集先探索（ｓ１０３）で発見した未知のウェブサイトを情報収集先として登録するか否か判定する。

この場合、情報収集支援装置１０００は、先の収集先探索（ｓ１０３）で発見した未知のウェブサイトから、例えば情報収集部１００４によって情報を取得する（ｓ１０４１）。

また、情報収集支援装置１０００は、上述のｓ１０４１の処理で取得した情報の中に、当該ウェブサイトを発見する起因となった固有表現（すなわち既知のウェブサイトで掲載されている固有表現）が含まれているか判定する（ｓ１０４２）。

上述の判定の結果、上述のｓ１０４１の処理で取得した情報の中に、当該ウェブサイトを発見する起因となった固有表現が含まれている場合（ｓ１０４２：Ｙ）、情報収集支援装置１０００は、処理をｓ１０４３に遷移させる。

他方、上述の判定の結果、上述のｓ１０４１の処理で取得した情報の中に、当該ウェブサイトを発見する起因となった固有表現（すなわち既知のウェブサイトで掲載されている固有表現）が含まれていない場合（ｓ１０４２：Ｎ）、情報収集支援装置１０００は、フローを終了する。

次に、情報収集支援装置１０００は、発見した未知のウェブサイトから収集した情報における頻出文字と、上述の起因となった固有表現を含む既知のウェブサイトでの掲載情報の頻出文字を、それぞれ分析する（ｓ１０４３）。

続いて、情報収集支援装置１０００は、ｓ１０４３の分析でそれぞれ特定した、未知のウェブサイトと既知のウェブサイトとの間について、その頻出文字の一致率が所定の閾値（最低基準値：以降、関連性判定閾値）以上か判定する（ｓ１０４４：Ｎ）フローを終了する。

上述の判定の結果、頻出文字の一致率が関連性判定閾値以上でない場合（ｓ１０４４：Ｎ）、情報収集支援装置１０００は、フローを終了する。

他方、上述の判定の結果、一致率が関連性判定閾値以上である場合（ｓ１０４４：Ｙ）、情報収集支援装置１０００は、処理をｓ１０４５に遷移させる。

また、情報収集支援装置１０００は、上述の頻出文字の一致率が同一情報閾値（最高基準値）以下であるか判定する（ｓ１０４５）。

上述の判定の結果、上述の頻出文字の一致率が同一情報閾値以下でなければ（ｓ１０４５：Ｎ）、情報収集支援装置１０００は、フローを終了する。

他方、上述の判定の結果、上述の頻出文字の一致率が同一情報閾値以下であれば（ｓ１０４５：Ｙ）、情報収集支援装置１０００は、処理をｓ１０４６に遷移させる。

次に、情報収集支援装置１０００は、上述のｓ１０４５までの処理を経て、新たな情報収集先として特定したウェブサイトの情報を、収集先記憶部１００３の収集先テーブル３０００に追加する（ｓ１０４６）。ここで、新たな情報収集先として収集先テーブル３０００に追加される際、上述の起因となった固有表現を含む既知のウェブサイトのレコードで親ＩＤが「０」のレコードのレコードＩＤを、「親ＩＤ」欄に設定した新レコードを生成し、当該新レコードに上述の新たな情報収集先たるウェブサイトの情報を登録すること
となる。

また、情報収集支援装置１０００は、新たな情報収集先とした特定したウェブサイトから収集した情報の頻出文字と、本フローの起因となった固有表現を含む既知のウェブサイトでの掲載情報の頻出文字との一致率が、所定の閾値（中間基準値：以降、フロー継続閾値）以下か判定する（ｓ１０４７）。

上述の判定の結果、新たな情報収集先とした特定したウェブサイトから収集した情報の頻出文字と、本フローの起因となった固有表現を含む既知のウェブサイトでの掲載情報の頻出文字との一致率が、フロー継続閾値以下であれば（ｓ１０４７：Ｙ）、情報収集支援装置１０００は、フローを終了する。

他方、上述の判定の結果、新たな情報収集先とした特定したウェブサイトから収集した情報の頻出文字と、本フローの起因となった固有表現を含む既知のウェブサイトでの掲載情報の頻出文字との一致率が、フロー継続閾値以下でなければ（ｓ１０４７：Ｎ）、情報収集支援装置１０００は、処理をｓ１０１へ遷移させる。

ここで、ｓ１０１の新たな処理対象となった新たな情報収集先については、収集先テーブル３０００の該当レコードにおける親ＩＤを「０」とする。つまり、新たな情報収集先の起点とみなしうる重要なウェブサイトとして収集先テーブル３０００に登録するものとする。

本結果を以って、発見したウェブサイトと固有表現の間に関連性があると判定したこととする。

以上、本発明を実施するための最良の形態などについて具体的に説明したが、本発明はこれに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。

こうした本実施形態によれば、人的な知見に依存していた収集先の更新を機械的に更新することが可能になる。これにより、例えば、新規に出現したウェブサイトから有用な情報が発信された場合、利用者が当該ウェブサイトに関する知見がなくとも収集先として登録できる効果がある。

すなわち、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、効率的に収集可能となる。

本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態の情報収集支援装置において、前記演算装置は、前記固有表現を抽出するに際し、所定属性の事物各々に関して存在しうる固有名称の辞書情報に基づき、前記収集した情報から固有表現を抽出するものである、としてもよい。

これによれば、ウェブサイト等の情報収集先から得た情報が、どのような固有表現を含んでいるか、迅速かつ効率的に特定可能となる。ひいては、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、更に効率的に収集可能となる。

また、本実施形態の情報収集支援装置において、前記演算装置は、前記未知の情報収集先を探索するに際し、前記探索した未知の情報収集先と、前記既知の情報収集先とを比較して、前記未知の情報収集先のうち前記既知の情報収集先と重複しないものを未知の情報収集先とするものである、としてもよい。

これによれば、既知および未知の各ウェブサイト等の情報収集先の間で、重複するもの、すなわち既知の情報収集先を排除して、未知の情報収集先を迅速かつ効率的に特定可能となる。ひいては、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、更に効率的に収集可能となる。

また、本実施形態の情報収集支援装置において、前記演算装置は、前記一致度が予め定めた所定範囲にあるかについて、前記一致度が最低基準値以上かつ最高基準値以下の範囲内にあるか判定し、当該範囲内に前記一致度がある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加し、前記追加の対象となった前記未知の情報収集先のうち、当該一致度が、前記最高基準値と前記最低基準値との間の中間基準値以上で前記最高基準値以下の範囲にあるものについては、前記固有表現の抽出から以降の各処理を更に実行するものである、としてもよい。

これによれば、既知の情報収集先と、或る程度以上は関連している未知の情報収集先であるが、掲載情報が完全一致している情報収集先については排除することで、新たな情報収集先として着目に値する情報を提供しうるウェブサイト等を効率的かつ精度よく特定できる。また、既知の情報収集先と、或る程度以上は関連している未知の情報収集先であるが、掲載情報が完全一致していることもない情報収集先であって、かつ、その中でも関連度が高い情報収集先を、新たに起点とすべき情報収集先として特定することで、新たな情報収集先の起点としうる重要なウェブサイト等を効率的かつ精度よく特定できる。ひいては、ユーザにとって未知の情報を、当該ユーザにおける情報収集先の知見有無に係わらず、更に効率的に収集可能となる。

また、本実施形態の情報収集支援方法において、前記情報処理装置が、前記固有表現を抽出するに際し、所定属性の事物各々に関して存在しうる固有名称の辞書情報に基づき、前記収集した情報から固有表現を抽出する、としてもよい。

また、本実施形態の情報収集支援方法において、前記情報処理装置が、前記未知の情報収集先を探索するに際し、前記探索した未知の情報収集先と、前記既知の情報収集先とを比較して、前記未知の情報収集先のうち前記既知の情報収集先と重複しないものを未知の情報収集先とする、としてもよい。

また、本実施形態の情報収集支援方法において、前記情報処理装置が、前記一致度が予め定めた所定範囲にあるかについて、前記一致度が最低基準値以上かつ最高基準値以下の範囲内にあるか判定し、当該範囲内に前記一致度がある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加し、前記追加の対象となった前記未知の情報収集先のうち、当該一致度が、前記最高基準値と前記最低基準値との間の中間基準値以上で前記最高基準値以下の範囲にあるものについては、前記固有表現の抽出から以降の各処理を更に実行する、としてもよい。

１０１ ＣＰＵ（演算装置）
１０２ メモリ
１０３ 外部記憶装置（記憶装置）
１０４ 通信装置
１０５ 入力装置
１０６ 出力装置
１０７ 読取装置
１０８ インターフェイス
１２０ 可搬性を有する記憶媒体
１０００ 情報収集支援装置
１００１ 情報収集機能
１００２ 収集先登録部
１００３ 収集先記憶部
１００４ 情報収集部
１００５ 収集情報記憶部
１１００ 情報分析機能
１１０１ 固有表現探索手段登録部
１１０２ 情報分解部
１１０３ 固有表現探索手段記憶部
１１０４ 固有表現探索部
１１０５ 意味分類部
１１０６ 辞書記憶部
１１０７ 文字分解部
１１０８ 画像分解部
１２００ 収集先探索機能
１２０１ 収集先探索手段登録部
１２０２ 収集先探索手段記憶部
１２０３ 収集先探索部
１３００ 収集先更新機能
１３０１ 関連性判定部
１３０２ 収集先更新部
１４００ クライアント端末
１５００ インターネット
１５１０ ネットワーク
１６００ ネットワーク
３０００ 収集先テーブル
４０００ 固有表現辞書
５０００ 固有表現探索手段テーブル
６０００ 収集先探索手段テーブル

Claims (8)

1. ネットワーク上における既知の情報収集先のアドレスを保持する記憶装置と、
   前記既知の情報収集先のアドレスにアクセスして収集した情報から、予め定めた所定属性の固有表現を所定ルールで抽出する処理と、前記固有表現の属性ごとに予め定めた探索アルゴリズムに、前記抽出した固有表現を適用して、未知の情報収集先を探索し、前記未知の情報収集先に存在する情報と前記固有表現との一致度を判定する処理と、前記一致度が予め定めた所定範囲にある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加する処理と、を実行する演算装置と、
   を有することを特徴とする情報収集支援装置。
2. 前記演算装置は、
   前記固有表現を抽出するに際し、所定属性の事物各々に関して存在しうる固有名称の辞書情報に基づき、前記収集した情報から固有表現を抽出するものである、
   ことを特徴とする請求項１に記載の情報収集支援装置。
3. 前記演算装置は、
   前記未知の情報収集先を探索するに際し、前記探索した未知の情報収集先と、前記既知の情報収集先とを比較して、前記未知の情報収集先のうち前記既知の情報収集先と重複しないものを未知の情報収集先とするものである、
   ことを特徴とする請求項２に記載の情報収集支援装置。
4. 前記演算装置は、
   前記一致度が予め定めた所定範囲にあるかについて、前記一致度が最低基準値以上かつ最高基準値以下の範囲内にあるか判定し、当該範囲内に前記一致度がある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加し、
   前記追加の対象となった前記未知の情報収集先のうち、当該一致度が、前記最高基準値と前記最低基準値との間の中間基準値以上で前記最高基準値以下の範囲にあるものについては、前記固有表現の抽出から以降の各処理を更に実行するものである、
   ことを特徴とする請求項１に記載の情報収集支援装置。
5. ネットワーク上における既知の情報収集先のアドレスを保持する記憶装置を備えた情報処理装置が、
   前記既知の情報収集先のアドレスにアクセスして収集した情報から、予め定めた所定属性の固有表現を所定ルールで抽出する処理と、
   前記固有表現の属性ごとに予め定めた探索アルゴリズムに、前記抽出した固有表現を適用して、未知の情報収集先を探索し、前記未知の情報収集先に存在する情報と前記固有表現との一致度を判定する処理と、
   前記一致度が予め定めた所定範囲にある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加する処理と、
   を実行することを特徴とする情報収集支援方法。
6. 前記情報処理装置が、
   前記固有表現を抽出するに際し、所定属性の事物各々に関して存在しうる固有名称の辞書情報に基づき、前記収集した情報から固有表現を抽出する、
   ことを特徴とする請求項５に記載の情報収集支援方法。
7. 前記情報処理装置が、
   前記未知の情報収集先を探索するに際し、前記探索した未知の情報収集先と、前記既知の情報収集先とを比較して、前記未知の情報収集先のうち前記既知の情報収集先と重複し
   ないものを未知の情報収集先とする、
   ことを特徴とする請求項６に記載の情報収集支援方法。
8. 前記情報処理装置が、
   前記一致度が予め定めた所定範囲にあるかについて、前記一致度が最低基準値以上かつ最高基準値以下の範囲内にあるか判定し、当該範囲内に前記一致度がある場合、前記未知の情報収集先のアドレスを前記既知の情報収集先のアドレスとして追加し、
   前記追加の対象となった前記未知の情報収集先のうち、当該一致度が、前記最高基準値と前記最低基準値との間の中間基準値以上で前記最高基準値以下の範囲にあるものについては、前記固有表現の抽出から以降の各処理を更に実行する、
   ことを特徴とする請求項５に記載の情報収集支援方法。

Images