JP4473639B2 - コンテンツマップ作成プログラム、方法及び装置 - Google Patents

Description

本発明は、見つけ出したい情報に迅速にアクセス可能なコンテンツマップを作成するプログラム及び方法に関する。

インターネット上に存在するＷｅｂコンテンツの数は増加し続けている。そして、膨大な量の情報の中からユーザが所望の情報を容易に取り出せるようにするものとして検索エンジンが存在する。そして、検索漏れや検索ノイズを防止し、精度の高い検索結果を得ることができる検索システム等に関する発明がなされている（例えば、特許文献１参照）。
特開２００３−１０８５８４号公報

しかしながら、検索漏れや検索ノイズを無くすことは容易ではない。また、ユーザが知りたい情報が存在するであろうＷｅｂサイトを探し出せたとしても、その情報がそのサイトのどのページに存在するかをなかなか見つけ出せないこともある。

例えば、通信サービスを提供するＡ社のホームページで「先月の利用金額」を見るページに行こうとすると、表示の案内をたどっても行けないし、ホームページ内ワード検索機能を使用して「先月」及び「利用金額」を含むページを検索しても、「先月の利用金額」を見るページは、検索結果として出てこない。トップページにある「料金・割引」をクリックして表示されるページ又はそのページにリンクされている他のページからは「先月の利用金額」に関するページへはたどり着けない。トップページにある「お客様サポートサービス」をクリックして表示されるページの「料金お知らせサービス」をクリックすれば先月の利用金額を表示するページへたどりつくことができる。

また、ＦＡＸ機器を製造するＢ社のホームページで、「Ｂ社のＦＡＸのインクリボンを購入する」目的でＢ社のホームページを探しても、購入申込ページがなかなか見つけ出せない。ＦＡＸのインクリボンの機種対応表にはたどり着くが、購入申込ページにはなかなかたどりつけない。

従来、Ｗｅｂ検索技術と言えばキーワードを用いたページ検索技術が代表的であるが、一方トップページに表示されている分類を見て該当するページをたどっていく検索（ディレクトリ検索）も大いに利用されており、企業のＷｅｂサイトではその優劣が極めて重要である。

現在、サイトマップを別途用意するＷｅｂサイトが増えているという事実は、一見見栄えは良いけれど、特定の情報を知りたいという利用者のニーズに応えられていないＷｅｂサイトが少なくないという事実を反映している。実際不適切な分類によるサイト構成が根本的な問題であって、サイトマップはそのサイト構成のページタイトルなどを一覧させるだけで、分類不適切である根本的な問題の解決にはなっていない。

しかし、現状のＷｅｂサイトの階層構造が必ずしも利用者ニーズにあっていないため、サイトマップも一覧性を向上させることは出来ても、利用者の利用目的に合致していないので、不十分なディレクトリを提供するに過ぎない。

そこで、本発明は、見つけ出したい情報に迅速にアクセス可能なマップ、これをコンテンツマップと呼ぶ、を作成するプログラム及び方法を提供することを目的とする。

本発明の第１の特徴は、コンテンツマップを作成するためのプログラムであって、コンピュータに、コンテンツデータを読み込む手順、予め記憶されているテキスト情報抽出ルールに基づいて、読み込まれたコンテンツデータからテキスト情報を抽出する手順、予め記憶されている構文解析プログラムを用いて、抽出されたテキスト情報の構文を解析して、テキスト情報に含まれる第１から第ｎ（ｎは任意の自然数）の「対象を示す語」を抽出し、「対象を示す語」のそれぞれに対応する「行為を示す語」を抽出又は決定する手順、第１の「対象を示す語」と第１の「行為を示す語」とからなる第１の組から、第ｎの「対象を示す語」と第ｎの「行為を示す語」とからなる第ｎの組までが、「対象を示す語」又は「行為を示す語」が共通する組ごとに分けられたコンテンツマップを出力する手順、を実行させることにある。

コンテンツデータとは、例えばＨＴＭＬで記述されたＨＴＭＬファイルである。テキスト情報抽出ルールとは、例えばタグＡに挟まれているテキストは抽出するが、タグＢに挟まれているテキストは抽出しないなど、タグの種類に応じてテキスト抽出の要否を判断するものである。構文解析ルールとは、例えば格助詞の直前の名詞を「対象を示す語」の候補とする等である。「対象を示す語」又は「行為を示す語」に基づいて体系化されたコンテンツマップとは、「対象を示す語」又は「行為を示す語」を見出し語とするコンテンツマップ等である。「予め記憶されている」とは、ローカルの記憶装置に記憶されている場合に限らず、ネットワークを介してアクセス可能なリモートの記憶装置に記憶されている場合も含む。また、磁気的に記憶されているか、光磁気的に記憶されているか、電気的に記憶されているかは問わない。

『第１の「対象を示す語」と第１の「行為を示す語」とからなる第１の組から、第ｎの「対象を示す語」と第ｎの「行為を示す語」とからなる第ｎの組までが、「対象を示す語」又は「行為を示す語」が共通する組ごとに分けて表示される』とは、例えば、コンテンツマップが、
対象を示す語Ａと行為を示す語Ｂとからなる第１の組、
対象を示す語Ｃと行為を示す語Ｄとからなる第２の組、
対象を示す語Ａと行為を示す語Ｅとからなる第３の組、
対象を示す語Ｆと行為を示す語Ｄとからなる第４の組で構成される場合であって、
「対象を示す語」が共通する組ごとに分けて表示するときは、
対象を示す語Ａと行為を示す語Ｂとからなる第１の組及び
対象を示す語Ａと行為を示す語Ｅとからなる第３の組からなら第１の領域と、
対象を示す語Ｃと行為を示す語Ｄとからなる第２の組だけからなる第２の領域と、
対象を示す語Ｆと行為を示す語Ｄとからなる第４の組だけからなる第３の領域とに分けて表示し、
「行為を示す語」が共通する組ごとに分けて表示するときは、
対象を示す語Ａと行為を示す語Ｂとからなる第１の組だけからなる第１の領域と、
対象を示す語Ｃと行為を示す語Ｄとからなる第２の組及び
対象を示す語Ｆと行為を示す語Ｄとからなる第４の組からなる第２の領域と、
対象を示す語Ａと行為を示す語Ｅとからなる第３の組だけからなる第３の領域とに分けて表示する。

ここで「領域を分けて表示する」とは、各領域間に境界線等が存在することまでは必要としない。各領域がそれぞれ別々のまとまりであることが閲覧者に認識可能であれば良い。

本発明の第２の特徴は、さらに予め記憶されている各「行為を示す語」又は各「対象を示す語」の優先度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示方法を決定する手順、をさらに実行させることにある。

例えば、「行為を示す語」を見出しとするコンテンツマップを作成する場合は、
（１）各「行為を示す語」に付与されている優先度に基づいて、各「行為を示す語」を降順にソートして表示したり、
（２）各「行為を示す語」に付与されている優先度に基づいて、各「行為を示す語」を降順にソートしかつ上位の何語かだけを表示したりする。

また、「行為を示す語」の優先度に基づいてソートし、かつ「行為を示す語」が共通する組どうしの間では「対象を示す語」の優先度に基づいてソートしても良く、また「対象を示す語」の優先度に基づいてソートし、かつ「対象を示す語」が共通する組どうしの間では「行為を示す語」の優先度に基づいてソートしても良い。

例えば、
（行為を示す語Ａ、対象を示す語Ｂ）からなる第１の組、
（行為を示す語Ａ、対象を示す語Ｃ）からなる第２の組、
（行為を示す語Ｄ、対象を示す語Ｅ）からなる第３の組、
（行為を示す語Ｄ、対象を示す語Ｆ）からなる第４の組を表示するコンテンツマップにおいて、
「行為を示す語Ａ」の優先度と「行為を示す語Ｄ」との優先度を比較し、「行為を示す語Ａ」の優先度が「行為を示す語Ｄ」の優先度より大であるなら、
（行為を示す語Ａ、対象を示す語Ｂ）
（行為を示す語Ａ、対象を示す語Ｃ）
（行為を示す語Ｄ、対象を示す語Ｅ）
（行為を示す語Ｄ、対象を示す語Ｆ）
のようにまず「行為を示す語Ａ」を含む組を表示し、次に「行為を示す語Ｄ」を含む組を表示する。そして、「対象を示す語Ｂ」の優先度が「対象を示す語Ｃ」の優先度より「大」で、かつ「対象を示す語Ｅ」の優先度が「対象を示す語Ｆ」の優先度より「小」であるなら、
（行為を示す語Ａ、対象を示す語Ｂ）
（行為を示す語Ａ、対象を示す語Ｃ）
（行為を示す語Ｄ、対象を示す語Ｆ）
（行為を示す語Ｄ、対象を示す語Ｅ）
のように並べて表示する。

なお、「行為を示す語」を見出しとする場合であって、同じ「行為を示す語」が連続しているときは、後続の「行為を示す語」については省略しても良い。例えば、
（行為を示す語Ａ、対象を示す語Ｂ）
対象を示す語Ｃ）
（行為を示す語Ｄ、対象を示す語Ｆ）
対象を示す語Ｅ）
としても良い。「対象を示す語」を見出しとする場合も、同様に、同じ「対象を示す語」が連続しているときは、後続の「対象を示す語」については省略しても良い。なお、「（）：括弧」は説明の便宜上表示しているだけであり、実施のコンテンツマップに表示する必要はない。

本発明の第３の特徴は、「行為を示す語」又は「対象を示す語」の出現頻度をカウントし、当該出現頻度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示方法を決定することにある。つまり、コンテンツマップ作成対象の内容に応じて各語の優先度が決まり、表示順序等も決まる。

本発明の第４の特徴は、予め記憶されている変換辞書に基づいて、自動詞は対象にならないが、他動詞については、「コンテンツ閲覧者を主語としない行為を示す語」を、当該語に対応する語として変換辞書に登録されている「コンテンツ閲覧者を主語とする行為を示す語」に変換する手順、をさらに実行させることにある。

例えば、「コンテンツ閲覧者を主語としない行為を示す語」として「販売する」を、当該語に対応する「コンテンツ閲覧者を主語とする行為を示す語」として「購入する」を変換辞書に登録し、コンテンツ中に「販売する」という語が存在したら、それを「購入する」という語に変換する。自動詞については変換は行わない。

本発明の第５の特徴は、予め記憶されている制御文解析ルールに基づいて、コンテンツデータの各制御文に対応するテキスト情報の階層構造を解析し、当該テキスト情報の階層構造解析結果及び予め記憶されている表示ルールに基づいて各「行為を示す語」又は各「対象を示す語」の表示方法を決定する手順、をさらに実行させることにある。

制御文には、ＨＴＭＬで用いられるタグが含まれる。制御文解析ルールとは、例えばタグが入れ子(nest)構造になっている場合、他のタグに挟まれているタグは、挟んでいるタグの下層と判断したりすることである。

例えば、以下に示すように
<A>テキストａ<B>テキストｂ</B></A>
タグＢが、タグＡに挟まれている場合は、
第１層：テキストａ、第２層：テキストｂ、と判断する。

また、以下に示すように、
<A>テキストａ<B>テキストｂ<C>テキストc</C></B></A>
タグＣがタグＢに挟まれ、タグＢがタグＡに挟まれている場合は、
第１層：テキストａ、第２層：テキストｂ、第３層：テキストｃ、と判断する。

さらに、以下に示すように、
<A>テキストａ<B>テキストｂ<C>テキストc<D>テキストｄ</D></C></B></A>
タグＤがタグＣに挟まれ、タグＣがタグＢに挟まれ、タグＢがタグＡに挟まれている場合は、
第１層：テキストａ、第２層：テキストｂ、第３層：テキストｃ、第４層：テキストｄと判断する。

そして、表示ルールに従って、第１層と第２層だけを表示する、第１層から第３層までを表示する、又は第１層から第４層までを表示する。

本発明の第６の特徴は、第１の「対象を示す語」と第１の「行為を示す語」とからなる第１の組から、第ｎの「対象を示す語」と第ｎの「行為を示す語」とからなる第ｎの組までを、「対象を示す語」又は「行為を示す語」が共通する組ごとに組分けする際に、予め記憶されている同義語辞書に基づいて、「対象を示す語」又は前記「行為を示す語」が同義語である組も、「対象を示す語」又は「行為を示す語」が共通する組とみなしてコンテンツマップを出力する手順、をさらに実行させることにある。

本発明の第１の特徴によれば、第１から第ｎの「対象を示す語」と、第１から第ｎの「対象を示す語」に対応する語として抽出又は決定された「行為を示す語」とに基づいて体系化されたコンテンツマップを作成することができる。

本発明の第２の特徴によれば、予め記憶されている各語の優先度に従って各語の表示順序等が決定されるので、コンテンツ閲覧者が知りたいと欲するであろう情報を、コンテンツマップ中の目に付きやすい位置に表示させることができ、知りたい情報を探し出し易いコンテンツマップを作成することができる。

本発明の第３の特徴によれば、テキスト情報中の「行為を示す語」又は「対象を示す語」の出現頻度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示順序等が決定されるので、予め各語の優先度を決めておかなくてもコンテンツ閲覧者が知りたいと欲するであろう情報を、コンテンツマップ中の目に付きやすい位置に表示させることができ、知りたい情報を探し出し易いコンテンツマップを作成することができる。

本発明の第４の特徴によれば、自動詞は対象にならないが、他動詞については、「コンテンツ閲覧者以外の者を主語とする行為を示す語」を「コンテンツ閲覧者を主語とする行為を示す語」に変換することによって、コンテンツ閲覧者の視点に立って知りたい情報を探し出し易いコンテンツマップを作成することができる。

本発明の第５の特徴によれば、テキスト情報の階層構造解析結果及び予め記憶されている表示ルールに基づいて各「行為を示す語」又は各「対象を示す語」の表示方法を決定することによって、上位層に属するテキスト情報を表示し、下位層に属するテキスト情報を表示しない等することができるので、いろいろな情報が多すぎて本当に必要とする情報をなかなか探し出せない等の事態を回避し得る。

本発明の第６の特徴によれば、予め記憶されている同義語辞書に基づいて、組分けの基準となる「対象を示す語」又は「行為を示す語」が共通でなくても（つまり、同一語でなくても）、同義語であれば、同じ分類になるようにすることができる。

以下に図面に基づいて、本発明を実施するための最良の形態を説明する。なお、以下の説明は、単なる例示に過ぎず、本発明の技術的範囲は以下の説明に限定されるものではない。

図１は、実施例１のコンテンツマップ作成装置の全体構成を示す。同図に示すように、コンテンツマップ作成装置１００ａは、中央処理装置（ＣＰＵ）１０１、送受信部１０２、リード・オンリー・メモリ（ＲＯＭ）１０４、ランダム・アクセス・メモリ（ＲＡＭ）１０５、記憶装置１０６ａを備える。

送受信部１０２とは、例えばネットワーク・インターフェイス・カード（ＮＩＣ）などである。送受信部１０２は、コンテンツ閲覧者のクライアント端末からＨＴＭＬファイルの閲覧を要求する要求パケット等を受け取り、コンテンツ閲覧者のクライアント端末へ要求パケットに対応する応答パケット等を送信する。

ＲＯＭ１０４は、ＢＩＯＳ(Basic Input Output System)などを記憶している。ＲＡＭ１０５は、コンテンツマップ作成プログラムのワークエリア等として使用される。記憶装置１０６ａとは、例えばハード・ディスク・ドライブ（ＨＤＤ）などである。記憶装置１０６ａは、ＨＴＭＬファイル、コンテンツマップを作成するコンテンツマップ作成プログラム、ＨＴＭＬファイルから作成されるコンテンツマップ、テキスト情報の構文を解析する構文解析プログラム、テキスト情報の構文解析結果等を記憶する。

図２は、実施例１の処理の流れを示すフローチャートである。同図に示すように、ステップＳ１１でＷｅｂコンテンツを読み込み、ステップＳ１３でテキスト情報を抽出し、ステップＳ１５でテキスト情報の構文を解析し、ステップＳ１７で「対象を示す語」を抽出し、かつ「対象を示す語」に対応する「行為を示す語」を抽出又は決定し、ステップＳ１９で「行為を示す語」と「対象を示す語」によって体系化されたコンテンツマップを出力する。

ステップＳ１１では、Ｗｅｂコンテンツを読み込む。読み込まれるＷｅｂコンテンツとは、例えばＨＴＭＬファイルである。ＨＴＭＬファイルの基本構造は基本的に、
<要素名>内容</要素名> 又は <要素名 属性="値">内容</要素名>
のようになっている。

ステップＳ１３では、テキスト情報を抽出する。要素名（又はタグ名）に基づいて、抽出すべきテキスト内容を識別することができる。なお、抽出されるテキストには、ブラウザによって本文として表示されるテキストだけでなく、本文としては表示されないがブラウザのツールバーのウインドウ中などに表示されるテキストも含まれ、さらに、ブラウザによっては通常表示されないが、ブラウザによって表示されるイメージに対応するテキストとしてＨＴＭＬファイル内に記述されているテキストなども含まれる。

典型的な要素名のいくつかを以下に示す。
<TITLE>テキスト</TITLE>内のテキストは、ブラウザによって本文としては表示されないが、ステップＳ１３では抽出される。

以下のテキストは、ブラウザによって本文として表示され、ステップＳ１３で抽出される。

見出し（Headings）を意味する<H1>テキスト</H1>内のテキスト、
本文（Paragraphs）を意味する<P>テキスト</P>内のテキスト、
番号のないリスト(Unordered List)を意味する<UL>〜</UL>内のリスト・アイテム(List Item) <LI>タグに続くテキスト、
番号の付いたリスト(Ordered List)を意味する<OL>〜</OL>内のリスト・アイテム(List Item) <LI>タグに続くテキスト、
見出しのついたリスト(Definition List)を意味する<DL>〜</DL>内の
定義の説明（Definition Description）<DD>タグに続くテキスト、
定義語（Definition Term）<DT>タグに続くテキスト、
テーブルタグ<TABLE>〜</TABLE>内の
見出し(Caption)を意味する<CAPTION>テキスト</CAPTION>内のテキスト、
テーブルヘッダ(Table Header)を意味する<TH>タグに続くテキスト、
テーブルデータ(Table Data)を意味する<TD>タグに続くテキスト。

また、<IMG src="sample.gif" alt="[サンプルの絵]">中の画像を説明するテキスト（この例では、[サンプルの絵]）は、原則としてはブラウザによって表示されないが、このようなテキストもステップＳ１３で抽出される。

これら要素名は、典型的な要素名を例示したに過ぎず、抽出すべきテキストはこれらタグに挟まれるテキスト又はこれらタグに続くテキストに限定されない。

ステップＳ１５では、ステップＳ１３で抽出されたテキスト情報の構文を解析する。構文解析では、「対象を示す語」と「行為を示す語」を識別する。本実施例の説明において、「行為を示す語」とは、解析対象となっている文中に動詞が「ある」場合は、その動詞を意味する。そして、「対象を示す語」とは、その動詞の目的語を意味する。動詞の目的語は、格助詞の付いた名詞として概ね識別できる。

図３に構文解析の処理の流れを例示する。同図に示すように、ステップＳ２１で形態素解析をし、ステップＳ２３で文節区切りをし、ステップＳ２５で素性選択をし、ステップＳ２７で係り受け解析をする。

以下に、cabocha（http://chasen.aist-nara.ac.jp/~taku/software/cabocha/：2004年4月22日検索）と呼ばれる公開ソフトを使用して「別売増設子機には充電器とACアダプターが付いています。」という文章を構文解析する際の形態素表示の一例を示す。

（形態素表示、開始）
* 0 3D 4/6 3.27950202
※ ※ ※ 記号-一般 O
別売 ベツバイ 別売 名詞-サ変接続 O
増設 ゾウセツ 増設 名詞-サ変接続 O
子 コ 子 名詞-一般 O
機 キ 機 名詞-接尾-一般 O
に ニ に 助詞-格助詞-一般 O
は ハ は 助詞-係助詞 O
* 1 2D 1/2 0.53001843
充電 ジュウデン 充電 名詞-サ変接続 O
器 キ 器 名詞-接尾-一般 O
と ト と 助詞-格助詞-一般 O
* 2 3D 1/2 0.00000000
AC AC AC 未知語 O
アダプター アダプター アダプター 名詞-一般 O
が ガ が 助詞-格助詞-一般 O
* 3 -1O 0/3 0.00000000
付い ツイ 付く 動詞-自立 五段・カ行イ音便 連用タ接続 O
て テ て 助詞-接続助詞 O
い イ いる 動詞-非自立 一段 連用形 O
ます マス ます 助動詞 特殊・マス 基本形 O
。 。 。 記号-句点 O
（形態素表示、終了）。

前記例では、係り受けの観点から、全体が４つの節に分けられている。「* 0」で始まる最初の節を番号０節、「* 1」で始まる２番目の節を番号１節、「* 2」で始まる３番目の節を番号２節、「* 3」で始まる４番目の節を番号３節とする。

「* 0」に続く「3D」は、番号０節が番号３節に係っていることを示す。「* 1」に続く「2D」は、番号１節が番号２節に係っていることを示す。「* 2」に続く「3D」は、番号２節が番号３節に係っていることを示す。

「番号１節が番号２節に係っている」とは、番号１節の「充電器（と）」が番号２節の「ＡＣアダプター（が）」に係っていることを意味し、「充電器」と「ＡＣアダプター」が並列関係にあることが分かる。そして、「番号２節が番号３節に係っている」とは、番号３節の行為を示す語「付く」の対象を示す語が、番号２節の「ＡＣアダプター」とそれと並列関係にある番号１節の「充電器」であることを意味する。

次に、「普通紙ファクシミリ用インクリボン」という文を構文解析する際の形態素表示の一例を示す。

（形態素表示、開始）
* 0 -1O 5/5 0.00000000
＜ ＜ ＜ 記号-括弧開 O
普通 フツウ 普通 名詞-形容動詞語幹 O
紙 シ 紙 名詞-接尾-一般 O
ファクシミリ ファクシミリ ファクシミリ 名詞-一般 O
用 ヨウ 用 名詞-接尾-一般 O
インクリボン インクリボン インクリボン 名詞-一般 O
＞ ＞ ＞ 記号-括弧閉 O
（形態素表示、終了）。

この文には動詞がないので、この文は情報提供を目的とするものとみなす。そして、情報提供者の「行為を示す語」は「知らせる」となり、コンテンツ閲覧者の「行為を示す語」は「知る」となる。

そして、「名詞−接尾−一般」と判断された「紙」又は「用」に注目し、
後ろから数えて１番目の「名詞−接尾−一般」である「用」の後ろに続く「インクリボン」を１番目の「対象を示す語」とし、
後ろから数えて２番目の「名詞−接尾−一般」である「紙」の後ろに続く「ファクシミリ用インクリボン」を２番目の「対象を示す語」とし、
「普通紙ファクシミリ用インクリボン」全体を３番目の「対象を示す語」とする。

ステップＳ１７では、「行為を示す語」と「対象を示す語」を抽出する。例えば、テキスト情報構文の前記解析結果より、「行為を示す語」と「対象を示す語」からなる組は、
行為を示す語：付く、対象を示す語：充電器、からなる第１の組
行為を示す語：付く、対象を示す語：ＡＣアダプター、からなる第２の組
行為を示す語：知る、対象を示す語：インクリボン、からなる第３の組
となる。

ステップＳ１９では、「行為を示す語」と「対象を示す語」によって体系化されたコンテンツマップを作成する。前記の例であれば、第１の組の「行為を示す語」と第２の組の「行為を示す語」は、共通の「付く」であるから、｛第１の組，第２の組｝と第３の組を分けて表示する。例えば、「付く」という「行為を示す語」の下に、第１の組の「充電器」と第２の組の「ＡＣアダプター」という２つの「対象を示す語」がぶら下がり、「知る」という「行為を示す語」の下に第３の組の「インクリボン」という「対象を示す語」がぶら下がるという構造を有するコンテンツマップを作成する。

図４にコンテンツマップの一例を示す。「充電器」、「ＡＣアダプター」、「インクリボン」等は<a href="…">〜</a>タグを用いて、それぞれ関連するページへリンクがはられていて、「充電器」等をクリックすると関連するページへジャンプすることができる。ジャンプ先が複数ある場合は、ジャンプ先選択リストが表示され、いずれかを選択するとその先にジャンプする。

また、前記の『「インクリボン」を１番目の対象とし、・・・「ファクシミリ用インクリボン」を２番目の対象とし、「普通紙ファクシミリ用インクリボン」全体を３番目の対象とする』とは、例えば、図４（ａ）に示すように、まず１番目の対象である「インクリボン」と「more>>>」を表示し、「more>>>」をクリックすると、図４（ｂ）に示すように、２番目の対象である「ファクシミリ用インクリボン」と「more>>>」が表示され、さらに「more>>>」をクリックすると、図４（ｃ）に示すように、３番目の対象である「普通紙ファクシミリ用インクリボン」が表示されるようにする。なお、コンテンツマップもＨＴＭＬで記述されている。

前記の如く、第１実施例では、ＨＴＭＬファイルを読み込み、テキスト情報を抽出し、テキストの構造を解析し、「行為を示す語」と「対象を示す語」を抽出し、「行為を示す語」と「対象を示す語」によって体系化されたコンテンツマップを作成することができる。

構文解析の結果、「コンテンツ閲覧者を主語としない行為を示す語」と判断された自動詞を、「コンテンツ閲覧者を主語とする行為を示す語」に変換することが好ましい。例えば、ＨＴＭＬファイルを解析した結果、「販売する」という動詞が「行為を示す語」として判断された場合、「販売する」とは通常、Ｗｅｂコンテンツ作成者等を主語とする語であるから、つまりコンテンツ閲覧者を主語としない行為を示す語であるから、この語を「Ｗｅｂコンテンツ閲覧者（一般ユーザ）を主語とする語」、例えば「購入する」に変換することが好ましい。このような変換を可能にするためには、「Ｗｅｂコンテンツ閲覧者を主語としない動詞」とそれに対応する「Ｗｅｂコンテンツ閲覧者を主語とする動詞」とを関連付けて記憶する変換用辞書を記憶装置１０６ａに予め記憶させておく必要がある。そして、構文解析の結果、「行為を示す語」と判断された動詞が、かかる変換用辞書に登録されている「Ｗｅｂコンテンツ閲覧者を主語としない行為を示す語」であるなら、対応する「Ｗｅｂコンテンツ閲覧者を主語とする行為を示す語」に適宜変換する。

なお、出現が予想される複数の「行為を示す語」又は「対象を示す語」に予め優先度を付与し、かかる優先度に従って各「行為を示す語」又は「対象を示す語」を並べる順番を決めるとしても良い。例えば、「知る」、「入力する」、「扱う」のそれぞれに「知る」＝１、「入力する」＝５、「扱う」＝８のように予め優先度を付与し、それを記憶装置１０６ａに記憶させる。

そして、解析対象のＨＴＭＬソースコード上では最初に「扱う」、次に「入力」、３番目に「知る」という順番で各「行為を示す語」が記述されている場合であっても、コンテンツマップ上では、
優先度＝１の「知る」という「行為を示す語」とそれに関連する「対象を示す語」を１番目に、
優先度＝５の「入力する」という「行為を示す語」とそれに関連する「対象を示す語」を２番目に、
優先度＝８の「扱う」という「行為を示す語」とそれに関連する「対象を示す語」を３番目に
表示するとしても良い。なお、優先度の高い語に大きな数値を、優先度の低い語に小さな数値を付与し、かかる数値が大きい順に表示するとしても良い。

「行為を示す語」又は「対象を示す語」に付与する優先度は、テキスト情報を解析し、各語の出現頻度をカウントして得られる値としても良い。そして、コンテンツデータにおける出現頻度が多い語は、コンテンツマップにおいて上の方に表示され、出現頻度が少ない語は、コンテンツマップにおいて下の方に表示されるとしても良い。

さらに、予め設定され記憶されている各語の優先度と、テキスト情報解析結果から得られる各語の出現頻度との双方を勘案して、表示順序を決定するとしても良い。例えば、「知る」、「入力する」、「扱う」の各語の優先度がそれぞれ「５」、「３」、「１」であって、各語の出現頻度がそれぞれ「８」、「２」、「６」であって、各語の「優先度＋出現頻度」が「１３」、「５」、「７」であるとする。このような場合、付与された優先度の大きい順に表示するなら「知る」、「入力する」、「扱う」の順に表示され、出現頻度の大きい順に表示するなら「知る」、「扱う」、「入力する」の順に表示され、「優先度＋出現頻度」の大きい順に表示するなら「知る」、「扱う」、「入力する」の順に表示される。

実施例２では、「対象を示す語」と「行為を示す語」によって体系化されたコンテンツマップを、タグの入れ子構造を参照することによって、より一層見易くする。

図５は、実施例２のコンテンツマップ作成装置の全体構成を示す。同図に示すように、コンテンツマップ作成装置１００ｂは、ＣＰＵ１０１、送受信部１０２、ＲＯＭ１０４、ＲＡＭ１０５、及び記憶装置１０６ｂを備える。

図５の記憶装置１０６ｂは、ＨＴＭＬファイル、コンテンツマップ作成プログラム、作成されたコンテンツマップ、構文解析プログラム、構文解析結果、及び入れ子構造解析結果を記憶する。実施例２のコンテンツマップ作成プログラムは、入れ子構造解析機能を有する。

ＣＰＵ１０１、送受信部１０２、ＲＯＭ１０４、及びＲＡＭ１０５については、図Ｂ１と同様であるから、説明を省略する。

図６は、実施例２の処理の流れを示すフローチャートである。同図に示すように、ステップＳ３１でタグの入れ子構造を解析し、ステップＳ３３で入れ子構造を参照してコンテンツマップを出力する。

ステップＳ３１におけるタグの入れ子構造の解析を説明する。解析対象となるＨＴＭＬソースリストの一例を、以下に示す。

（ＨＴＭＬソースリスト、開始）
<TITLE>別売品・消耗品一覧 ::: ファクシミリ</TITLE>
<!--◆◆◆◆◆WEB健康診断タグ◆◆◆◆◆-->
<IMG SRC="image/index-title-f.gif" WIDTH="570" HEIGHT="56" ALT="ファクシミリ用別売品一覧"><BR>
<DIV style="width: 232px;height: 10px;top: 146px;left: 8px; position: absolute; z-index: 72;" id="Layer3">
<FONT SIZE="-2">※別売増設子機には充電器とACアダプターが付いています。</FONT></DIV>
<TABLE CELLPADDING="2" CELLSPACING="0" BORDER="1" WIDTH="100%">
<TR>
<TD COLSPAN="2"> </TD>
<TD VALIGN="BOTTOM" ALIGN="CENTER"><img src="image/tel-kk1.gif" width="35" height="120"></TD>
<TD VALIGN="BOTTOM" ALIGN="CENTER"><img src="image/tel-se5.gif" width="35" height="120"></TD>
<TD VALIGN="middle" ALIGN="CENTER"><font size="-2">5月上旬<br>
発売予定</font></TD>
：
</TR>
：
</TABLE>
：
（ＨＴＭＬソースリスト、終了）。

前記ＨＴＭＬソースリストのタグの入れ子構造を解析し、入れ子構造に対応する番号を付与した状態の一例を、以下に示す。

（入れ子構造に対応する番号を付与した例、開始）
０１）<TITLE>別売品・消耗品一覧 ::: ファクシミリ</TITLE>
<!--◆◆◆◆◆WEB健康診断タグ◆◆◆◆◆-->
０２）<IMG SRC="image/index-title-f.gif" WIDTH="570" HEIGHT="56" ALT="ファクシミリ用別売品一覧"><BR>
０３）<DIV style="width : 232px;height : 10px;top : 146px;left : 8px; position : absolute; z-index : 72;" id="Layer3"><FONT SIZE="-2">※別売増設子機には充電器とACアダプターが付いています。</FONT></DIV>
０４）<TABLE CELLPADDING="2" CELLSPACING="0" BORDER="1" WIDTH="100%">
０４−０１） <TR>
<TD COLSPAN="2"> </TD>
<TD VALIGN="BOTTOM" ALIGN="CENTER"><img src="image/tel-kk1.gif" width="35" height="120"></TD>
<TD VALIGN="BOTTOM" ALIGN="CENTER"><img src="image/tel-se5.gif" width="35" height="120"></TD>
０４−０１−０１） <TD VALIGN="middle" ALIGN="CENTER"><font size="-2">5月上旬<br>
発売予定</font></TD>
（入れ子構造に対応する番号を付与した例、終了）。

前記の如く、他のタグに挟まれないタグ中のテキストには、０１から順番に番号を振る。具体的には、以下のとおりである。

<TITLE>別売品・消耗品一覧 ::: ファクシミリ</TITLE>
前記の如く<TITLE>タグは、他のタグに挟まれていないので、<TITLE>〜</TITLE>中のテキスト“別売品・消耗品一覧 ::: ファクシミリ”に０１番を振る。

<IMG SRC="image/index-title-f.gif" WIDTH="570" HEIGHT="56" ALT="ファクシミリ用別売品一覧">
前記の如く、<IMG>タグも他のタグに挟まれていないので、<IMG SRC>中のテキスト"ファクシミリ用別売品一覧"に０２番を振る。

<DIV style="width : 232px;height : 10px;top : 146px;left : 8px; position : absolute; z-index : 72;" id="Layer3"><FONT SIZE="-2">※別売増設子機には充電器とACアダプターが付いています。</FONT></DIV>
前記の如く、<DIV>タグは、内部に<FONT>〜</FONT>が存在するが、<FONT>は、テキスト構造の区切りではなく、テキスト修飾なので構造区切りの入れ子としてはカウントしない。よって、<DIV>〜</DIV>中のテキストに０３番を振る。

<TABLE CELLPADDING="2" CELLSPACING="0" BORDER="1" WIDTH="100%">
<TR>
<TD COLSPAN="2"> </TD>
<TD VALIGN="BOTTOM" ALIGN="CENTER"><img src="image/tel-kk1.gif" width="35" height="120"></TD>
<TD VALIGN="BOTTOM" ALIGN="CENTER"><img src="image/tel-se5.gif" width="35" height="120"></TD>
<TD VALIGN="middle" ALIGN="CENTER"><font size="-2">5月上旬<br>
発売予定</font></TD>
：
</TR>
：
</TABLE>
：
この例では、<TABLE>〜</TABLE>に０４番を振り、
<TABLE>〜</TABLE>に挟まれている<TR>〜</TR>に０４−０１番を振り、
<TR>〜</TR>に挟まれている<TD>5月上旬<br>発売予定</TD>に０４−０１−０１番を振る。

以下に、入れ子構造解析結果の一例を示す。かかる入れ子構造解析結果は図５の記憶装置１０６ｂに記憶しても良く、またＲＡＭ１０５に記憶しても良い。

（入れ子構造解析結果、開始）
０１，別売品・消耗品一覧 ::: ファクシミリ
０２，ファクシミリ用別売品一覧
０３，別売増設子機には充電器とACアダプターが付いています。

０４，
０４−０１，
０４−０１−０１，5月上旬
（入れ子構造解析結果、終了）。

また、これらテキスト情報はステップＳ１３で抽出され、ステップＳ１５で構文解析され、ステップＳ１７で「行為を示す語」又は「対象を示す語」ごとに分けられる。「行為を示す語」ごとに分けられた例を以下に示す。

行為：知る、対象：別売品・消耗品一覧 ::: ファクシミリ
行為：知る、対象：ファクシミリ用別売品一覧
行為：付く、対象：充電器
行為：付く、対象：ＡＣアダプター
行為：知る、対象：5月上旬

ステップＳ３３では、入れ子構造解析結果を参照して、コンテンツマップを出力する。例えば、「行為を示す語」と「対象を示す語」と「入れ子構造解析結果」との関係は、以下のように表すことができる。

行為：知る、対象：別売品・消耗品一覧 ::: ファクシミリ、解析結果：０１
行為：知る、対象：ファクシミリ用別売品一覧、解析結果：０２
行為：付く、対象：充電器、解析結果：０３
行為：付く、対象：ＡＣアダプター、解析結果：０３
行為：知る、対象：5月上旬、解析結果：０４−０１−０１

図７に実施例２で得られるコンテンツマップの一例を示す。同図に示すように、「行為を示す語」で分けて、同一行為内では入れ子構造解析結果を参照して、最上位レベルの「対象を示す語」だけを表示する。具体的には、「行為：知る」に関して、解析結果が最上位レベルの「対象：別売品・消耗品一覧 ::: ファクシミリ」と「対象：ファクシミリ用別売品一覧」を表示し、下位レベルの「対象：5月上旬」は「more>>>」をクリックすると表示されるようにする。

前記の如く、実施例２では、テキスト情報の抽出、構文解析と並行してタグの入れ子構造を解析し、入れ子構造解析結果を参照して、「行為を示す語」と「対象を示す語」によって体系化されたコンテンツマップを作成する。

なお、実施例１と同様に、出現が予想される複数の「行為を示す語」又は「対象を示す語」に予め優先度をし、かかる優先度に従って各「行為を示す語」又は「対象を示す語」を並べる順番を決めるとしても良い。

また、各語の出現頻度に応じて表示の際の優先度を決めるとしても良く、さらに、予め設定した優先度と出現頻度の双方を勘案して表示順序を決めるとしても良い。

さらに、予め記憶されている同義語辞書に基づいて、組分けの基準となる「対象を示す語」又は「行為を示す語」が共通でなくても（つまり、同一語でなくても）、同義語であれば、同じ分類になるようにすることが好ましい。

例えば、第１の組の対象を示す語が「商品Ａ」、行為を示す語が「購入する」であり、第２の組の対象を示す語が「商品Ｂ」、行為を示す語が「買う」である場合、「購入する」と「買う」は同一語ではないので、第１の組と第２の組は、「行為を示す語が共通する」には該当しない。しかし、「購入する」と「買う」が同義語として同義語辞書に登録されているならば、第１の組と第２の組は「行為を示す語が同義である」に該当し、第１の組と第２の組は同じ分類とされる。そして、コンテンツマップ上では、「購入する」という見出し語の下に「商品Ａ」と「商品Ｂ」が分類される。

実施例１におけるコンテンツマップ作成装置の構成を示すブロック図である。 実施例１におけるコンテンツマップ作成処理の流れを示すフローチャートである。 構文解析処理の流れを示すフローチャートである。 実施例１におけるコンテンツマップの一例を示す図である。 実施例２におけるコンテンツマップ作成装置の構成を示すブロック図である。 実施例２におけるコンテンツマップ作成処理の流れを示すフローチャートである。 実施例２におけるコンテンツマップの一例を示す図である。

符号の説明

１０１…中央処理装置（ＣＰＵ）、 １０２…送受信部、
１０４…リード・オンリー・メモリ（ＲＯＭ）、
１０５…ランダム・アクセス・メモリ（ＲＡＭ）、 １０６…記憶装置

Claims (12)

1. コンテンツマップを作成するためにコンピュータを、
   要素名に応じて、当該要素名に挟まれたテキストまたは当該要素名に続くテキストを抽出するか否かのルールが記憶されたテキスト情報抽出ルール記憶手段、
   要素名に挟まれたテキストまたは当該要素名に続くテキストを複数含むコンテンツデータを読み込む読込手段、
   読み込まれた前記コンテンツデータから、前記テキスト情報抽出ルール記憶手段を参照し、所定の要素名に挟まれたテキストまたは当該要素名に続くテキストを抽出する抽出手段、
   抽出された各テキストからなるテキスト情報の構文を解析して、前記テキスト情報に含まれる第１から第ｎ（ｎは任意の自然数）の「対象を示す語」を抽出し、前記「対象を示す語」のそれぞれに対応する第１から第ｎの「行為を示す語」を抽出又は決定する構文解析手段、および
   前記第１の「対象を示す語」と前記第１の「行為を示す語」とからなる第１の組から、前記第ｎの「対象を示す語」と前記第ｎの「行為を示す語」とからなる第ｎの組までが、前記「対象を示す語」又は前記「行為を示す語」が共通する組ごとに分けられたコンテンツマップを出力する出力手段、として機能させ、
   前記構文解析手段は、抽出した前記「対象を示す語」が接尾語を含む場合、当該接尾語に基づいて前記「対象を示す語」から複数の対象を抽出し、
   前記出力手段は、前記抽出した複数の対象を「対象を示す語」として体系的にコンテンツマップに出力すること
   を特徴とするコンテンツマップ作成プログラム。
2. 請求項１記載のコンテンツマップ作成プログラムであって、
   前記コンピュータを、
   各「行為を示す語」および各「対象を示す語」の優先度を記憶した優先度記憶手段、としてさらに機能させ、
   前記出力手段は、前記優先度記憶手段に記憶された優先度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示順を決定すること
   を特徴とするコンテンツマップ作成プログラム。
3. 請求項１記載のコンテンツマップ作成プログラムであって、
   前記出力手段は、前記テキスト情報中の「行為を示す語」又は「対象を示す語」の出現頻度をカウントし、当該出現頻度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示順を決定すること
   を特徴とするコンテンツマップ作成プログラム。
4. 請求項１乃至３のいずれか一項に記載のコンテンツマップ作成プログラムであって、
   前記コンピュータを、
   「コンテンツ閲覧者を主語としない行為を示す語」と、「コンテンツ閲覧者を主語とする行為を示す語」とが対応付けて記憶された変換辞書記憶手段、としてさらに機能させ、
   前記出力手段は、前記変換辞書記憶手段を参照し、前記テキスト情報から抽出した「行為を示す語」が前記変換辞書記憶手段に記憶された「コンテンツ閲覧者を主語としない行為を示す語」のいずれかに該当する場合、当該「コンテンツ閲覧者を主語としない行為を示す語」を対応する「コンテンツ閲覧者を主語とする行為を示す語」に変換すること
   を特徴とするコンテンツマップ作成プログラム。
5. 請求項１乃至４のいずれか一項に記載のコンテンツマップ作成プログラムであって、
   前記コンピュータを、
   前記読込手段が読み込んだコンテンツデータの各要素名の入れ子構造に基づいて、前記テキスト情報の階層構造を解析する構造解析手段、としてさらに機能させ、
   前記出力手段は、解析された前記階層構造の所定の階層の「行為を示す語」又は「対象を示す語」を、前記コンテンツマップに出力することこと
   を特徴とするコンテンツマップ作成プログラム。
6. 請求項１乃至５のいずれか一項に記載のコンテンツマップ作成プログラムであって、
   前記コンピュータを、
   同義語が記憶された同義語辞書記憶手段、としてさらに機能させ、
   前記出力手段は、前記同義語辞書記憶手段を参照し、前記「対象を示す語」又は前記「行為を示す語」が同義語である組を、前記「対象を示す語」又は前記「行為を示す語」が共通する組とみなしてコンテンツマップを出力すること
   を特徴とするコンテンツマップ作成プログラム。
7. コンピュータが行うコンテンツマップ作成方法であって、
   前記コンピュータは、
   要素名に応じて、当該要素名に挟まれたテキストまたは当該要素名に続くテキストを抽出するか否かのルールが記憶されたテキスト情報抽出ルール記憶部を有し、
   要素名に挟まれたテキストまたは当該要素名に続くテキストを複数含むコンテンツデータを読み込む読込手順と、
   読み込まれた前記コンテンツデータから、前記テキスト情報抽出ルール記憶部を参照し、所定の要素名に挟まれたテキストまたは当該要素名に続くテキストを抽出する抽出手順と、
   抽出された各テキストからなるテキスト情報の構文を解析して、前記テキスト情報に含まれる第１から第ｎ（ｎは任意の自然数）の「対象を示す語」を抽出し、前記「対象を示す語」のそれぞれに対応する第１から第ｎの「行為を示す語」を抽出又は決定する構文解析手順と、
   前記第１の「対象を示す語」と前記第１の「行為を示す語」とからなる第１の組から、前記第ｎの「対象を示す語」と前記第ｎの「行為を示す語」とからなる第ｎの組までが、前記「対象を示す語」又は前記「行為を示す語」が共通する組ごとに分けられたコンテンツマップを出力する出力手順と、を行い、
   前記構文解析手順は、抽出した前記「対象を示す語」が接尾語を含む場合、当該接尾語に基づいて前記「対象を示す語」から複数の対象を抽出し、
   前記出力手順は、前記抽出した複数の対象を「対象を示す語」として体系的にコンテンツマップに出力すること
   を特徴とするコンテンツマップ作成方法。
8. 請求項７記載のコンテンツマップ作成方法であって、
   前記コンピュータは、
   各「行為を示す語」および各「対象を示す語」の優先度を記憶した優先度記憶部をさらに有し、
   前記出力手順は、前記優先度記憶部に記憶された優先度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示順を決定すること
   を特徴とするコンテンツマップ作成方法。
9. 請求項７記載のコンテンツマップ作成方法であって、
   前記出力手順は、前記テキスト情報中の「行為を示す語」又は「対象を示す語」の出現頻度をカウントし、当該出現頻度に基づいて、コンテンツマップ上での各「行為を示す語」又は各「対象を示す語」の表示順を決定すること
   を特徴とするコンテンツマップ作成方法。
10. 請求項７乃至９のいずれか一項に記載のコンテンツマップ作成方法であって、
    前記コンピュータは、
    「コンテンツ閲覧者を主語としない行為を示す語」と、「コンテンツ閲覧者を主語とする行為を示す語」とが対応付けて記憶された変換辞書記憶部をさらに有し、
    前記出力手順は、前記変換辞書記憶部を参照し、前記テキスト情報から抽出した「行為を示す語」が前記変換辞書記憶部に記憶された「コンテンツ閲覧者を主語としない行為を示す語」のいずれかに該当する場合、当該「コンテンツ閲覧者を主語としない行為を示す語」を対応する「コンテンツ閲覧者を主語とする行為を示す語」に変換すること
    を特徴とするコンテンツマップ作成方法。
11. 請求項７乃至１０のいずれか一項に記載のコンテンツマップ作成方法であって、
    前記コンピュータは、
    前記読込手順で読み込んだコンテンツデータの各要素名の入れ子構造に基づいて、前記テキスト情報の階層構造を解析する構造解析手順をさらに行い、
    前記出力手順は、解析された前記階層構造の所定の階層の「行為を示す語」又は「対象を示す語」を、前記コンテンツマップに出力することこと
    を特徴とするコンテンツマップ作成方法。
12. コンテンツマップを作成するコンテンツマップ作成装置であって、
    要素名に応じて、当該要素名に挟まれたテキストまたは当該要素名に続くテキストを抽出するか否かのルールが記憶されたテキスト情報抽出ルール記憶手段と、
    要素名に挟まれたテキストまたは当該要素名に続くテキストを複数含むコンテンツデータを読み込む読込手段と、
    読み込まれた前記コンテンツデータから、前記テキスト情報抽出ルール記憶手段を参照し、所定の要素名に挟まれたテキストまたは当該要素名に続くテキストを抽出する抽出手段と、
    抽出された各テキストからなるテキスト情報の構文を解析して、前記テキスト情報に含まれる第１から第ｎ（ｎは任意の自然数）の「対象を示す語」を抽出し、前記「対象を示す語」のそれぞれに対応する第１から第ｎの「行為を示す語」を抽出又は決定する構文解析手段と、
    前記第１の「対象を示す語」と前記第１の「行為を示す語」とからなる第１の組から、前記第ｎの「対象を示す語」と前記第ｎの「行為を示す語」とからなる第ｎの組までが、前記「対象を示す語」又は前記「行為を示す語」が共通する組ごとに分けられたコンテンツマップを出力する出力手段と、を有し、
    前記構文解析手段は、抽出した前記「対象を示す語」が接尾語を含む場合、当該接尾語に基づいて前記「対象を示す語」から複数の対象を抽出し、
    前記出力手段は、前記抽出した複数の対象を「対象を示す語」として体系的にコンテンツマップに出力すること
    を特徴とするコンテンツマップ作成装置。

Images