JP4636473B2 - リンク情報抽出装置、リンク情報抽出方法およびプログラム - Google Patents

Description

本発明は、リンク情報抽出装置、リンク情報抽出方法およびプログラムに関する。

ブログまたはＨＰ（ホームページ）などのＵＲＬが付加された多くの電子情報の中から、特定の電子情報を探し出していく調査作業が行われている。

特許文献１には、電子情報の一例として、スパムブログ（spam blog）が記載されている。以下では、スパムブログを、スプログ（splog）と称する。

特定の電子情報が、例えば、スプログである場合、調査作業は、スプログに詳しいエキスパート（以下、単に「エキスパート」と称する）によって行われている。

例えば、エキスパートは、実際に、ブログ本文およびブログにリンクされているＨＰを閲覧して、そのブログが、悪質なアフィリエイトサイト、つまり、スプログであると判定し、そのブログを特定するためのブラックリストを作成していた。

なお、エキスパートは、同一ドメインからの大量ブログ投稿、コメント・トラックバック投稿、dos（Denial of Services）/ddos（Distributed Denial of Service）攻撃ユーザなどを参考にしながら、調査対象のブログがスプログか否かを判定する。

一方、特定の電子情報が、特定の趣味に関する内容が記載された電子情報である場合、調査作業は、その特定の趣味に詳しいユーザによって行われている。
特開２００８−３３５９９号公報

調査作業は、人によって行われる。このため、調査作業を行う人の負担が大きいという課題があった。

本発明の目的は、上述した課題を解決することが可能なリンク情報抽出装置、リンク情報抽出方法およびプログラムを提供することにある。

本発明のリンク情報抽出装置は、特定種類に分類された第１リンク情報を記憶する記憶手段と、複数の電子情報を入手する入手手段と、前記入手手段にて入手された電子情報のそれぞれを、前記記憶手段内の第１リンク情報が記載されている第１電子情報と、当該第１リンク情報が記載されていない第２電子情報と、に分類する分類手段と、前記第１電子情報に、前記第１リンク情報以外の第２リンク情報が記載されている場合に、当該第２リンク情報に基づいて、第３リンク情報を生成する生成手段と、前記第３リンク情報が前記特定種類に分類される可能性の程度を表す可能性情報を、当該第３リンク情報と、少なくとも前記第１電子情報または前記第２電子情報と、に基づいて生成し、当該可能性情報と当該第３リンク情報とを、互いに関連づけて出力する出力手段と、を含む。

本発明のリンク情報抽出方法は、リンク情報抽出装置が行うリンク情報抽出方法であって、特定種類に分類された第１リンク情報を記憶手段に記憶する記憶ステップと、複数の電子情報を入手する入手ステップと、前記入手された電子情報のそれぞれを、前記記憶手段内の第１リンク情報が記載されている第１電子情報と、当該第１リンク情報が記載されていない第２電子情報と、に分類する分類ステップと、前記第１電子情報に、前記第１リンク情報以外の第２リンク情報が記載されている場合に、当該第２リンク情報に基づいて、第３リンク情報を生成する生成ステップと、前記第３リンク情報が前記特定種類に分類される可能性の程度を表す可能性情報を、当該第３リンク情報と、少なくとも前記第１電子情報または前記第２電子情報と、に基づいて生成し、当該可能性情報と当該第３リンク情報とを、互いに関連づけて出力する出力ステップと、を含む。

本発明のプログラムは、コンピュータに、特定種類に分類された第１リンク情報を記憶手段に記憶する記憶手順と、複数の電子情報を入手する入手手順と、前記入手された電子情報のそれぞれを、前記記憶手段内の第１リンク情報が記載されている第１電子情報と、当該第１リンク情報が記載されていない第２電子情報と、に分類する分類手順と、前記第１電子情報に、前記第１リンク情報以外の第２リンク情報が記載されている場合に、当該第２リンク情報に基づいて、第３リンク情報を生成する生成手順と、前記第３リンク情報が前記特定種類に分類される可能性の程度を表す可能性情報を、当該第３リンク情報と、少なくとも前記第１電子情報または前記第２電子情報と、に基づいて生成し、当該可能性情報と当該第３リンク情報とを、互いに関連づけて出力する出力手順と、を実行させる。

本発明によれば、多くの電子情報の中から特定の電子情報を探し出していく調査作業を行う作業者の負担を少なくすることが可能になる。

以下、本発明の実施形態を図面を参照して説明する。

図１は、本発明の一実施形態のＵＲＬ（Uniform Resource Locator）抽出装置を示したブロック図である。ＵＲＬ抽出装置は、一般的にリンク情報抽出装置と呼ぶことができる。ＵＲＬは、一般的にリンク情報と呼ぶことができる。

図１において、ＵＲＬ抽出装置１は、利用者ＰＣ（Personal Computer）２とブログサーバ３とネットワーク４のそれぞれと接続される。

利用者ＰＣ２は、ＵＲＬ抽出装置１の利用者によって使用される。利用者ＰＣ２は、例えば、利用者の操作に応じて、ＵＲＬ抽出装置１に動作開始信号を提供する。

ブログサーバ３は、一般的に記憶装置と呼ぶことができる。ブログサーバ３は、複数のブログを記憶するブログ記憶部３１を含む。ブログは、一般的に電子情報と呼ぶことができる。

ＵＲＬ抽出装置１は、ブラックリストＤＢ（database）１１と、ブログ取得部１２と、分類部１３と、生成部１４と、出力部１５と、を含む。分類部１３は、記憶部１３ａと、抽出部１３ｂと、比較部１３ｃと、を含む。出力部１５は、ホワイトリストＤＢ１５ａと、出力制御部１５ｂと、を含む。

ブラックリストＤＢ１１は、一般的に記憶手段と呼ぶことができる。

ブラックリストＤＢ１１は、スプログに記載されたＵＲＬが属する種類に分類されたＵＲＬ（以下「ブラックリストＵＲＬ」と称する）を記憶する。スプログに記載されたＵＲＬが属する種類は、一般的に特定種類と呼ぶことができる。

ブラックリストＵＲＬは、一般的に第１ＵＲＬまたは第１リンク情報と呼ぶことができる。なお、ブラックリストＵＲＬは、１つでもよいし複数でもよい。以下では、複数のブラックリストＵＲＬがブラックリストＤＢ１１内に存在するものとして説明する。

ブログ取得部１２は、一般的に入手手段と呼ぶことができる。

ブログ取得部１２は、利用者ＰＣ２とブログサーバ３とネットワーク４のそれぞれと通信可能である。ブログ取得部１２は、複数のブログを入手する。

本実施形態では、ブログ取得部１２は、利用者ＰＣ２から動作開始信号を受け付けると、ブログサーバ３内のブログ記憶部３１から、複数のブログを取得することによって、複数のブログを入手する。

なお、ブログ取得部１２は、利用者ＰＣ２から複数のブログを受け付けることによって、複数のブログを入手してもよい。

ブログ取得部１２は、複数のブログを入手すると、その複数のブログを、分類部１３に提供する。

分類部１３は、一般的に分類手段と呼ぶことができる。

分類部１３は、ブログ取得部１２から複数のブログを受け付けると、ブログのそれぞれを、ブラックリストＤＢ１１内のブラックリストＵＲＬが記載されているブログ（以下「第１ブログ」と称する）と、ブラックリストＤＢ１１内のブラックリストＵＲＬが記載されていないブログ（以下「第２ブログ」と称する）と、に分類する。

第１ブログは、一般的に第１電子情報と呼ぶことができる。第２ブログは、一般的に第２電子情報と呼ぶことができる。

記憶部１３ａは、分類部１３の分類結果を記憶する。

抽出部１３ｂは、ブログ取得部１２から提供されたブログごとに、ブログに記載されたＵＲＬを抽出する。

ブログに記載されたＵＲＬは、少なくとも、ブログのリンクタグに記載されている、リンク先のＵＲＬである。なお、ブログに記載されたＵＲＬは、ブログのリンクタグに記載されている、リンク先のＵＲＬと、ブログの本文に記載されているＵＲＬと、の両方でもよい。

抽出部１３ｂは、ブログごとに、ブログから抽出されたＵＲＬと、ブログの識別情報（例えば、ブログのＵＲＬまたはＩＰアドレスまたはブログそのもの）と、を関連づける。抽出部１３ｂは、その関連づけられたＵＲＬとブログの識別情報とを、比較部１３ｃに提供する。

比較部１３ｃは、抽出部１３ｂからＵＲＬとブログの識別情報とを受け付けると、受け付けられたＵＲＬと、ブラックリストＤＢ１１内のブラックリストＵＲＬと、を比較する。

受け付けられたＵＲＬに、ブラックリストＵＲＬのいずれかが含まれる（該当する）と、比較部１３ｃは、ブラックリストＵＲＬを含むＵＲＬに関連づけられているブログの識別情報に、スプログを意味するフラグを付ける。比較部１３ｃは、そのフラグ付けされたブログの識別情報を、記憶部１３ａに記憶する。

一方、受け付けられたＵＲＬに、ブラックリストＵＲＬのいずれもが含まれない（該当しない）と、比較部１３ｃは、ブラックリストＵＲＬを含まないＵＲＬに関連づけられているブログの識別情報に、正常を意味するフラグを付ける。比較部１３ｃは、そのフラグ付けされたブログの識別情報を、記憶部１３ａに記憶する。

図２は、記憶部１３ａに記憶されたブログの識別情報の一例を示した説明図である。図２では、記載を簡単にするために、ブログの識別情報としてブログ名を使用している。

スプログを意味するフラグが付けられたブログ（例えば、図２に示したブログＡ〜Ｃ）は、第１ブログとなる。正常を意味するフラグが付けられたブログ（例えば、図２に示したブログＤ〜Ｇ）は、第２ブログとなる。

図１に戻って、生成部１４は、一般的に生成手段と呼ぶことができる。

生成部１４は、第１ブログに、ブラックリストＵＲＬ以外のＵＲＬ（以下「非該当ＵＲＬ」と称する）が記載されている場合に、非該当ＵＲＬに基づいて、第３ＵＲＬを生成する。なお、非該当ＵＲＬは、一般的に第２ＵＲＬまたは第２リンク情報と呼ぶことができる。また、第３ＵＲＬは、一般的に第３リンク情報と呼ぶことができる。

例えば、生成部１４は、非該当ＵＲＬ内にスラッシュが存在する場合、非該当ＵＲＬと同一のＵＲＬを分解ＵＲＬとして生成し、さらに、非該当ＵＲＬから、非該当ＵＲＬ内のスラッシュ以下の部分を削除して、分解ＵＲＬを生成する。各分解ＵＲＬは、第３ＵＲＬに対応する。

なお、非該当ＵＲＬ内に複数のスラッシュが存在する場合、生成部１４は、非該当ＵＲＬと同一のＵＲＬを分解ＵＲＬとして生成し、さらに、スラッシュごとに、非該当ＵＲＬからそのスラッシュ以下の部分を削除して、複数の分解ＵＲＬを生成する。生成部１４は、分解ＵＲＬを出力部１５に提供する。

出力部１５は、一般的に出力手段と呼ぶことができる。

出力部１５は、分解ＵＲＬが、スプログに記載されたＵＲＬに分類される可能性の程度を表す可能性情報（以下「スコア」と称する）を、その分解ＵＲＬと、少なくとも第１ブログまたは第２ブログと、に基づいて生成する。

例えば、出力部１５は、分解ＵＲＬごとに、その分解ＵＲＬと、少なくとも第１ブログまたは第２ブログと、に基づいて、スコアを生成する。

出力部１５は、そのスコアとその分解ＵＲＬとを、互いに関連づけて、利用者ＰＣ２にリスト形式で出力する。以下、このリスト形式の出力を、出力リストと称する。

なお、出力部１５は、複数の分解ＵＲＬの中に、関連するスコアが示す可能性の程度が他の分解ＵＲＬよりも高く、かつ、該他の分解ＵＲＬに属する、特定ＵＲＬが存在する場合、該他の分解ＵＲＬを、出力リストから削除する。この場合、出力部１５は、他の分解ＵＲＬが削除された出力リストを、利用者ＰＣ２に出力する。

また、出力部１５は、分解ＵＲＬと関連づけられたスコアが示す可能性の程度が、予め設定された値を超える場合、その分解ＵＲＬを、新たなブラックリストＵＲＬとして、ブラックリストＤＢ１１に追加記憶する。

なお、利用者ＰＣ２が、出力部１５からの出力リストを表示している間、利用者が、その出力リストを見ながら利用者ＰＣ２を操作して、リスト内の任意の分解ＵＲＬを、新たなブラックリストＵＲＬとして、ブラックリストＤＢ１１に追加記憶してもよい。この場合、出力部１５は、分解ＵＲＬを、新たなブラックリストＵＲＬとして、ブラックリストＤＢ１１に追加記憶しなくてもよい。

また、分解ＵＲＬが、新たなブラックリストＵＲＬとして、ブラックリストＤＢ１１に追加記憶されると、分類部１３（具体的には、比較部１３ｃ）は、既に第２ブログと分類されたブログのうち、新たなブラックリストＵＲＬが記載されているブログを、第１ブログに再分類し、第１ブログを示すリスト（例えば、第１ブログのＵＲＬを示したＵＲＬリスト）を、利用者ＰＣ２に出力する。

このリストには、最初から第１ブログに分類されたブログ、および、第２ブログに分類された後に第１ブログに再分類されたブログ（例えば、そのブログのＵＲＬ）が示される。

ホワイトリストＤＢ１５ａは、一般的に格納手段と呼ぶことができる。

ホワイトリストＤＢ１５ａは、スプログに記載されたＵＲＬに分類されないＵＲＬ（以下「ホワイトリストＵＲＬ」と称する）を格納する。ホワイトリストＵＲＬは、一般的に第４ＵＲＬまたは第４リンク情報と呼ぶことができる。

出力制御部１５ｂは、一般的に出力制御手段と呼ぶことができる。

出力制御部１５ｂは、出力部１５が行う上記処理を実行する。また、出力制御部１５ｂは、分解ＵＲＬが、ホワイトリストＤＢ１５ａに格納されていると、その分解ＵＲＬを出力リストから削除する。

出力制御部１５ｂは、上述したような分解ＵＲＬの削除処理が行われた出力リストを、利用者ＰＣ２に出力する。

なお、図１に示したＵＲＬ抽出装置１は、ＣＤ−ＲＯＭ、ハードディスクまたはメモリに記録されたプログラムに従って動作するコンピュータによって実現されてもよい。ＣＤ−ＲＯＭ、ハードディスクまたはメモリは、一般的に、コンピュータにて読み取り可能な記録媒体と呼ぶことができる。

この場合、コンピュータは、そのプログラムを記録媒体から読み取り実行することによって、ブラックリストＤＢ１１、ブログ取得部１２、分類部１３、生成部１４、および、出力部１５として機能し、ＵＲＬ抽出装置１が実現される。

次に、動作を説明する。

図３は、ＵＲＬ抽出装置１の動作を説明するためのフローチャートである。以下、図３を参照してＵＲＬ抽出装置１の動作を説明する。

ステップ３０１では、ブログ取得部１２は、利用者ＰＣ２から動作開始信号を受け付けると、ブログサーバ３内のブログ記憶部３１から複数のブログを入手し、その複数のブログを分類部１３（具体的には、抽出部１３ｂ）に提供する。

続いて、ステップ３０２では、抽出部１３ｂは、ブログ取得部１２から複数のブログを受け付けると、ブログごとに、ブログに記載されたＵＲＬを抽出する。

本実施形態では、抽出部１３ｂは、対象ブログの本文とリンクの中から、リンクタグ（ＨＴＭＬ（HyperText Markup Language）形式の場合 <a href="リンク先のＵＲＬ">リンク名</a>）を検索し、リンク先のＵＲＬを抽出する。さらに、抽出部１３ｂは、対象ブログの本文に記載されているＵＲＬを抽出する。

抽出部１３ｂは、ブログごとに、ブログから抽出されたＵＲＬとブログの識別情報とを関連づけ、その関連づけられたＵＲＬとブログの識別情報とを、比較部１３ｃに提供する。

続いて、ステップ３０３では、比較部１３ｃは、抽出部１３ｂからＵＲＬとブログの識別情報とを受け付けると、受け付けられたＵＲＬと、ブラックリストＤＢ１１内のブラックリストＵＲＬと、を比較する。

受け付けられたＵＲＬに、ブラックリストＵＲＬのいずれかが含まれる（該当する）と、比較部１３ｃは、ブラックリストＵＲＬを含むＵＲＬに関連づけられているブログの識別情報に、スプログを意味するフラグを付ける。比較部１３ｃは、そのフラグ付けされたブログの識別情報を、記憶部１３ａに記憶する。

一方、受け付けられたＵＲＬに、ブラックリストＵＲＬのいずれもが含まれない（該当しない）と、比較部１３ｃは、ブラックリストＵＲＬを含まないＵＲＬに関連づけられているブログの識別情報に、正常を意味するフラグを付ける。比較部１３ｃは、そのフラグ付けされたブログの識別情報を、記憶部１３ａに記憶する。

続いて、ステップ３０４では、生成部１４は、スプログとフラグ付けされたブログ（第１ブログ）に記載された全てのＵＲＬの中から、ブラックリストＤＢ１１に記憶されたブラックリストＵＲＬに該当しなかった非該当ＵＲＬを抽出する。

続いて、ステップ３０５では、生成部１４は、非該当ＵＲＬに基づいて、分解ＵＲＬを生成する。

例えば、非該当ＵＲＬ内に複数のスラッシュが存在する場合、生成部１４は、非該当ＵＲＬと同一のＵＲＬを分解ＵＲＬとして生成し、さらに、スラッシュごとに、非該当ＵＲＬからそのスラッシュ以下の部分を削除して、複数の分解ＵＲＬを生成する。

換言すると、生成部１４は、非該当ＵＲＬを、ドメインを含むディレクトリが「/（スラッシュ）」のいずれかで区切られる全てのパターンに分解して、分解ＵＲＬを生成する。

例えば、非該当ＵＲＬが「http://ドメイン/ディレクトリ１/ディレクトリ２/ディレクトリ３」である場合、生成部１４は、「ドメイン」、「ドメイン/ディレクトリ１」、「ドメイン/ディレクトリ１ディレクトリ２」、「ドメイン/ディレクトリ１/ディレクトリ２/ディレクトリ３」というように、ドメインを含む全通りパターンを、分解ＵＲＬとして生成する。

ただし、生成部１４は、「ディレクトリ１」、「ディレクトリ２/ディレクトリ３」等のように、ドメインを含まない全通りのパターンを、分解ＵＲＬとして生成しても構わない。

また、ドメインが、サブドメインを含む場合、生成部１４は、ドメインを、サブドメインとメインドメインの間で区切り、その区切り結果を、分解ＵＲＬに加えても構わない。

例えば、非該当ＵＲＬが「http://サブドメイン.メインドメイン/・・・」である場合、生成部１４は、「サブドメイン.メインドメイン」、「メインドメイン」などを、分解ＵＲＬとして生成してもよい。

生成部１４は、分解ＵＲＬを出力部１５に提供する。

続いて、ステップ３０６では、出力部１５（具体的には、出力制御部１５ｂ）は、分解ＵＲＬごとに、スコアを、その分解ＵＲＬと、少なくとも第１ブログまたは第２ブログと、に基づいて生成する。

出力制御部１５ｂは、そのスコアとその分解ＵＲＬとを、互いに関連づけて、スコアに基づき順位付けして、リスト形式で出力する。このリスト形式の出力は、出力リストとして利用される。

ここで、出力制御部１５ｂによるスコアの算出例を説明する。

スコア例１：〔「分解ＵＲＬを含み」and「スプログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数／「分解ＵＲＬを含み」and「全対象ブログ（のリンク先URL）」を満たすブログの数〕にて演算される値（以下「第１値」と称する）を、スコアとして使用する。

なお、「分解ＵＲＬを含み」and「スプログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数は、対象となる分解ＵＲＬ（以下「対象分解ＵＲＬ」と称する）を含むブログのうち、スプログと認定されているブログの数を意味する。

また、「分解ＵＲＬを含み」and「全対象ブログ（のリンク先URL）」を満たすブログの数は、対象分解ＵＲＬを含むブログの数を意味する。

よって、第１値は、対象分解ＵＲＬを含むブログのうち、スプログと認定されているブログの割合を示す。

このため、第１値が１に近いほど、対象分解ＵＲＬがスプログに記載されたＵＲＬの属する種類に分類される、可能性の程度が、高くなる。

出力制御部１５ｂは、第１ブログのうち対象分解ＵＲＬが記載されているブログの数と、第２ブログのうち対象分解ＵＲＬが記載されているブログの数と、の和を算出することによって、対象分解ＵＲＬを含むブログの数を求める。

出力制御部１５ｂは、第１ブログのうち対象分解ＵＲＬが記載されているブログの数をカウントすることによって、対象分解ＵＲＬを含むブログのうちスプログと認定されているブログの数を求める。

したがって、出力制御部１５ｂは、対象分解ＵＲＬと、第１ブログと、第２ブログと、に基づいて、第１値を求めることになる。

この場合、さらに、スコアとして、「分解ＵＲＬを含み」and「スプログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数（以下「第２値」と称する）が追加されてもよい。

第２値は、対象分解ＵＲＬを含むブログのうちスプログと認定されているブログの数を示す。なお、出力制御部１５ｂは、対象分解ＵＲＬと、第１ブログと、に基づいて、第２値を求めることになる。

このため、例えば、分解ＵＲＬ同士で第１値が等しい場合、第２値が大きいほど、対象分解ＵＲＬがスプログに記載されたＵＲＬの属する種類に分類される、可能性の程度が、高くなる。

スコア例２：〔「分解ＵＲＬを含み」and「スプログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数／スプログと認定されたブログ（のリンク先URL）の数〕にて演算される値（以下「第３値」と称する）を、スコアとして使用する。

なお、「分解ＵＲＬを含み」and「スプログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数は、スプログと認定されたブログのうち、対象分解ＵＲＬを含むブログの数を意味する。

よって、第３値は、スプログと認定されたブログのうち、対象分解ＵＲＬを含むブログの割合を示す。

このため、第３値が１に近いほど、対象分解ＵＲＬがスプログに記載されたＵＲＬの属する種類に分類される、可能性の程度が、高くなる。

なお、出力制御部１５ｂは、第１ブログの数をカウントすることによって、スプログと認定されたブログの数を求める。

また、出力制御部１５ｂは、第１ブログのうち対象分解ＵＲＬが記載されているブログの数をカウントすることによって、対象分解ＵＲＬを含むブログのうちスプログと認定されているブログの数を求める。

したがって、出力制御部１５ｂは、対象分解ＵＲＬと、第１ブログと、に基づいて、第３値を求めることになる。

この場合、さらに、スコアとして、〔「分解ＵＲＬを含み」and「正常なブログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数／正常なブログと認定されたブログ（のリンク先ＵＲＬ）の数〕にて演算される値（以下「第４値」と称する）が追加されてもよい。

なお、「分解ＵＲＬを含み」and「正常なブログと認定されたブログ（のリンク先ＵＲＬ）」を満たすブログの数は、正常と認定されたブログのうち、対象分解ＵＲＬを含むブログの数を意味する。

よって、第４値は、正常と認定されているブログのうち、対象分解ＵＲＬを含むブログの割合を示す。

このため、第４値が小さいほど、対象分解ＵＲＬがスプログに記載されたＵＲＬの属する種類に分類される、可能性の程度が、高くなる。

よって、例えば、分解ＵＲＬ同士で第３値が等しい場合、第４値が小さいほど、対象分解ＵＲＬがスプログに記載されたＵＲＬの属する種類に分類される、可能性の程度が、高くなる。

出力制御部１５ｂは、第２ブログの数をカウントすることによって、正常と認定されたブログの数を求める。

出力制御部１５ｂは、第２ブログのうち対象分解ＵＲＬが記載されているブログの数をカウントすることによって、対象分解ＵＲＬを含むブログのうち正常と認定されているブログの数を求める。

したがって、出力制御部１５ｂは、対象分解ＵＲＬと、第２ブログと、に基づいて、第４値を求めることになる。

なお、出力制御部１５ｂによるスコアの算出は、スコア例１、２に限らず適宜変更可能である。

例えば、スコア例２では、第３値をスコアとして用いて、第４値を補助的なスコアとして用いたが、第４値をスコアとして用いてもよい。この場合、第３値が補助的なスコアとして用いられることが望ましい。

続いて、ステップ３０７では、出力制御部１５ｂは、出力リスト上の分解ＵＲＬを、ホワイトリストＤＢ１５ａに記憶されたホワイトリストＵＲＬと比較し、両者が完全一致していると、出力リストから、その分解ＵＲＬを削除する。

例えば、ホワイトリストＵＲＬとして「www.***.jp」が記憶されていると、出力制御部１５ｂは、分解ＵＲＬ「www.***.jp」を削除するが、分解ＵＲＬ「www.***.jp/spam」を削除しない。

続いて、ステップ３０８では、上位スコアの分解ＵＲＬが、下位スコアの分解ＵＲＬ全てを含む、もしくは、下位スコアの分解ＵＲＬに属する場合、出力制御部１５ｂは、その下位スコアの分解ＵＲＬを、出力リストから削除する。出力制御部１５ｂは、その出力リストを、利用者ＰＣ２に出力する。

続いて、ステップ３０９では、出力制御部１５ｂは、出力リスト上の分解ＵＲＬのうち、既定のスコア以上の分解ＵＲＬを、新たなブラックリストＵＲＬとして、ブラックリストＤＢ１１に追加記憶する。

なお、利用者ＰＣ２が、出力部１５からの出力リストを表示している間、利用者が、その出力リストを見ながら利用者ＰＣ２を操作して、リスト内の任意の分解ＵＲＬを、新たなブラックリストＵＲＬとして、ブラックリストＤＢ１１に追加記憶してもよい。

この場合、ブラックリストＤＢ１１に追加記憶するブラックリストＵＲＬ候補が、利用者に提供されるため、利用者は、その候補の中から、新たなブラックリストＵＲＬを適宜選択すればよい。よって、利用者がブラックリストＵＲＬを探し出す作業を軽減することが可能になる。

続いて、ステップ３１０では、比較部１３ｃは、正常なブログとフラグ付け（認定）された第１ブログと、更新されたブラックリストＤＢ１１内のブラックリストＵＲＬと、を比較し、ブラックリストＵＲＬが記載されている第１ブログのフラグを、記憶部１３ａ上でスプログに変更（認定）記憶する。

続いて、ステップ３１１では、比較部１３ｃは、スプログのフラグがついたブログのリスト（例えば、スプログのフラグがついたブログのＵＲＬのリスト）を抽出し、そのリストを、利用者ＰＣ２に出力したり、そのリスト上のブログを削除、もしくは、そのブログへのリンクを削除したりする。

このため、スプログのフラグがついたブログ、または、そのブログのＵＲＬリストを抽出することができ、精度よくスプログを除外することが可能になる。

なお、ＵＲＬのリストが利用者ＰＣ２に出力された場合、利用者ＰＣ２の利用者が、そのリストを見ながら、リストに示されたブログを削除、もしくは、そのブログへのリンクを削除したりしてもよい。

この場合、スプログ候補が、利用者に提供されるため、利用者は、その候補の中から、スプログを適宜選択して、そのスプログを削除、もしくは、そのスプログへのリンクを削除すればよい。よって、利用者がスプログを探し出す作業を軽減することが可能になる。

次に、具体的な例を用いて、ＵＲＬ抽出装置１の動作を説明する。

図４は、ブログ取得部１２が抽出部１３ｂに提供したブログの一例（ブログＡ）を示した説明図である。

図５は、ブラックリストＤＢ１１内のブラックリストＵＲＬを示した説明図である。

この場合、ステップ３０２では、抽出部１３ｂは、ブログＡから、「http://domain1/dir1/dir2/dir3/」と「http://domein2/dir4/dir5/dir6/」を抽出する。

続いて、ステップ３０３では、比較部１３ｃは、「http://domain1/dir1/dir2/dir3/」にブラックリストＵＲＬ「domain1/dir1」が含まれる（「domain1/dir1/dir2/dir3/」がブラックリストＵＲＬ「domain1/dir1」の配下である）ため、「http://domain1/dir1/dir2/dir3/」がブラックリストＵＲＬ「domain1/dir1」に該当すると判断し、ブログＡをスプログとフラグ付けして記憶部１３ａに記憶する。

続いて、ステップ３０４では、生成部１４は、ブログＡのリンク先ＵＲＬから、ブラックリストＵＲＬに該当しない「http://domein2/dir4/dir5/dir6/」を、非該当ＵＲＬとして抽出する。

続いて、ステップ３０５では、生成部１４は、非該当ＵＲＬである「http://domein2/dir4/dir5/dir6/」から、分解ＵＲＬとして、「domain2」、「domain2/dir4」、「domain2/dir4/dir5」および「domain2/dir4/dir5/dir6」を生成する。以下、記載を簡単にするために「domain2/dir4/dir5」、「domain2/dir4/dir5/dir6」についての説明は省略する。

ステップ３０６については、以下の状況での動作を説明する。なお、ステップ３０６は、出力制御部１５ｂによって行われる。

スプログとフラグ付けられたブログを、「ブログＡ」、「ブログＢ」、「ブログＣ」とし、正常なブログとフラグ付けされたブログを、「ブログＤ」、「ブログＥ」、「ブログＦ」、「ブログＧ」とする。

「domain2」を含むブログを、「ブログＡ」、「ブログＢ」、「ブログＤ」、「ブログＥ」とし、「domain2」を含まないブログを、「ブログＣ」、「ブログＦ」、「ブログＧ」とする。

「domain2/dir4」を含むブログを、「ブログＡ」、「ブログＢ」とし、「domain2/dir4」を含まないブログを、「ブログＣ」、「ブログＤ」、「ブログＥ」、「ブログＦ」、「ブログＧ」とする。

（スコア例１の計算例）
・分解ＵＲＬ「domain2」について
分解ＵＲＬ「domain2」を含み、かつ、スプログとフラグ付けられたブログの数：２（ブロブＡおよびＢ）
対象ブログ全体の中で分解ＵＲＬ「domain2」を含むブログの数：４（ブログＡ、Ｂ、ＤおよびＥ）
よって、分解ＵＲＬ「domain2」のスコア＝２／４＝０．５
なお、２／４＝０．５は、分解ＵＲＬ「domain2」を含むブログのうち、スプログと認定されているブログの割合を示す。

・分解ＵＲＬ「domain2/dir4」について
分解ＵＲＬ「domain2/dir4」を含み、かつ、スプログとフラグ付けられたブログの数：２（ブロブＡおよびＢ）
対象ブログ全体の中で分解ＵＲＬ「domain2/dir4」を含むブログの数：２（ブロブＡおよびＢ）
よって、分解ＵＲＬ「domain2/dir4」のスコア＝２／２＝１．０
なお、２／２＝１．０は、分解ＵＲＬ「domain2/dir4」を含むブログのうち、スプログと認定されているブログの割合を示す。

・スコアによる順位付け
スコアが、分解ＵＲＬ「domain2」より分解ＵＲＬ「domain2/dir4」が高いので、分解ＵＲＬ「domain2/dir4」が分解ＵＲＬ「domain2」よりも上位となる。

（スコア例２の計算例）
・分解ＵＲＬ「domain2」について
分解ＵＲＬ「domain2」を含み、かつ、スプログとフラグ付けられたブログの数：２（ブロブＡおよびＢ）
スプログとフラグ付けられたブログの数：３（ブログＡ、ＢおよびＣ）
よって、分解ＵＲＬ「domain2」のスコア＝２／３＝０．６７
なお、２／３＝０．６７は、スプログと認定されたブログのうち、分解ＵＲＬ「domain2」を含むブログの割合を示す。

分解ＵＲＬ「domain2」を含み、かつ、正常なブログとフラグが付けられたブログの数：２（ブロブＤおよびＥ）
正常なブログとフラグが付けられたブログの数：４（ブログＤ、Ｅ、ＦおよびＧ）
分解ＵＲＬ「domain2」のもう一つのスコア＝２／４＝０．５
なお、２／４＝０．５は、正常と認定されたブログのうち、分解ＵＲＬ「domain2」を含むブログの割合を示す。

・分解ＵＲＬ「domain2/dir4」について
分解ＵＲＬ「domain2/dir4」を含み、かつ、スプログとフラグ付けられたブログの数：２（ブログＡおよびＢ）
スプログとフラグ付けられたブログの数：３（ブログＡ、ＢおよびＣ）
よって、分解ＵＲＬ「domain2/dir4」のスコア＝２／３＝０．６７
なお、２／３＝０．６７は、スプログと認定されたブログのうち、分解ＵＲＬ「domain2/dir4」を含むブログの割合を示す。

分解ＵＲＬ「domain2/dir4」を含み、かつ、正常なブログとフラグが付けられたブログの数：０
正常なブログとフラグが付けられたブログの数：４（ブログＤ、Ｅ、ＦおよびＧ）
分解ＵＲＬ「domain2/dir4」のもう一つのスコア＝０／４＝０．０
なお、０．０は、正常と認定されたブログのうち、分解ＵＲＬ「domain2/dir4」を含むブログの割合を示す。

・スコアによる順位付け
スコアが分解ＵＲＬ「domain2」と分解ＵＲＬ「domain2/dir4」とで同じだが、もう一つのスコアが分解ＵＲＬ「domain2/dir4」の方が低いので、分解ＵＲＬ「domain2」より分解ＵＲＬ「domain2/dir4」が上位となる。

出力制御部１５ｂは、そのスコアとその分解ＵＲＬとを、互いに関連づけて、スコアに基づき順位付けして、出力リストを生成する。

図６は、スコア例１を用いて生成された出力リストを示した説明図である。

図７は、ホワイトリストＤＢ１５ａ内のホワイトリストＵＲＬを示した説明図である。

続いて、ステップ３０７では、図６に示した出力リスト上の分解ＵＲＬ「domain4/dir9」が、図７に示したホワイトリストＤＢ１５ａ内のホワイトリストＵＲＬ「domain4/dir9」に完全一致するので、出力制御部１５ｂは、出力リストから、分解ＵＲＬ「domain4/dir9」を削除する。

図８は、図６に示した出力リストから分解ＵＲＬ「domain4/dir9」が削除された出力リストを示した説明図である。

続いて、ステップ３０８では、出力リストの１位の分解ＵＲＬ「domain2/dir4」の一部を含む分解ＵＲＬ「domain2」が６位に存在するので、出力制御部１５ｂは、出力リストから、６位の分解ＵＲＬ「domain2」を削除する。

図９は、図８に示した出力リストから分解ＵＲＬ「domain4/dir9」が削除された出力リストを示した説明図である。

続いて、ステップ３０９では、出力制御部１５ｂは、出力リスト内の分解ＵＲＬのうち、既定のスコア（例えば、０．８とする）以上の分解ＵＲＬ「domain2/dir4」等を、ブラックリストＤＢ１１に追加する。

図１０は、図５に示したブラックリストＤＢ１１に、新たなブラックリストＵＲＬとして、分解ＵＲＬ「domain2/dir4」が追加された状態を示した説明図である。

続いて、ステップ３１０では、分類部１３は、既に第２ブログと分類されたブログ（ブログＤ、Ｅ、ＦおよびＧ）のうち、新たなブラックリストＵＲＬが記載されているブログを、第１ブログに再分類する。

続いて、ステップ３１１では、分類部１３は、第１ブログを示すリスト（例えば、第１ブログのＵＲＬを示したＵＲＬリスト）を、利用者ＰＣ２に出力する。

上記実施形態では、電子情報としてブログを用いたが、電子情報は、ブログに限らず、ＨＰ、電子メールでもよい。

また、上記実施形態において、ステップ３０６とステップ３０７の順序を逆にしてもよい。この場合、ホワイトリストＵＲＬのスコアを算出する処理を省略できる。よって、処理の簡略化を図ることが可能になる。

また、上記実施形態において、スプログを、ある特定のブログ（例えば、ある同一の興味を持つ人のブログ、あるカテゴリのブログなど）とし、ブラックリストＵＲＬを、その特定のブログのＵＲＬとし、正常なブログを、その他のブログとし、ホワイトリストＵＲＬを、その他のブログのＵＲＬとすることで、対象のブログをある特定のブログとその他のブログに分けることができ、その特定のブログ（のＵＲＬ）を抽出することが可能になる。

この場合、例えば、同一興味を持つ人のブログのブックマークリストを作成できる。

次に、本実施形態の効果を説明する。

本実施形態では、分類部１３は、電子情報のそれぞれを、特定種類に分類された第１ＵＲＬ（第１リンク情報）が記載されている第１電子情報と、第１ＵＲＬが記載されていない第２電子情報と、に分類する。

生成部１４は、第１電子情報に、第１ＵＲＬ以外の第２ＵＲＬ（第２リンク情報）が記載されている場合に、第２ＵＲＬに基づいて、第３ＵＲＬ（第３リンク情報）を生成する。

出力部１５は、第３ＵＲＬのスコアを、その第３ＵＲＬと、少なくとも第１電子情報または第２電子情報と、に基づいて生成し、スコアとその第３ＵＲＬとを、互いに関連づけて出力する。

スコアは、第３ＵＲＬが、特定種類に分類される可能性の程度を表す。

このため、電子情報を第１電子情報に分類するために使用される第１ＵＲＬの候補として、第３ＵＲＬを挙げることができると共に、第３ＵＲＬを第１ＵＲＬとして使用できる可能性を示すことができる。

よって、電子情報を第１電子情報に分類する作業を行う作業者を支援することが可能になる。したがって、作業者の負担を少なくすることが可能になる。

本実施形態では、特定種類として、スプログに記載されたＵＲＬが属する種類が用いられている。

この場合、電子情報をスプログに分類するために使用されるブラックリストＵＲＬの候補として、第３ＵＲＬを挙げることができると共に、第３ＵＲＬをブラックリストＵＲＬとして使用できる可能性を示すことができる。

このため、電子情報を、日々増殖していくスプログに分類する作業を行う作業者を支援することが可能になる。したがって、作業者の負担を少なくすることが可能になる。

本実施形態では、第２ＵＲＬ内にスラッシュが存在する場合、生成部１４は、第２ＵＲＬと同一のＵＲＬを、第３ＵＲＬとして生成し、さらに、第２ＵＲＬから、その第２ＵＲＬ内のスラッシュ以下の部分を削除して、第３ＵＲＬを生成する。

この場合、第２ＵＲＬと同一のＵＲＬの他に、第２ＵＲＬに関連するＵＲＬを、第３ＵＲＬとして生成することができる。

このため、第１ＵＲＬについての多くの候補を挙げることができる。また、特定種類に分類されるＵＲＬの共通部分を、第１ＵＲＬの候補として挙げることが可能になる。

本実施形態では、第２ＵＲＬ内に複数のスラッシュが存在する場合、生成部１４は、第２ＵＲＬと同一のＵＲＬを、第３ＵＲＬとして生成し、さらに、スラッシュごとに、第２ＵＲＬからそのスラッシュ以下の部分を削除して、複数の第３ＵＲＬを生成する。

この場合、第１ＵＲＬについてのより多くの候補を挙げることができる。また、特定種類に分類されるＵＲＬの共通部分を、第１ＵＲＬの候補として挙げることが可能になる。

本実施形態では、出力部１５は、複数の第３ＵＲＬの中に、スコアが示す可能性の程度が他の第３ＵＲＬよりも高く、かつ、該他の第３ＵＲＬに属する、特定ＵＲＬが存在する場合、該他の第３ＵＲＬを削除する。

この場合、重複している可能性がある第３ＵＲＬを削除することが可能になる。

本実施形態では、出力部１５は、第３ＵＲＬがホワイトリストＤＢ１５ａに格納されていると、その第３ＵＲＬを削除する。

この場合、既に特定種類に分類されないと判定されているＵＲＬを、第１ＵＲＬの候補からはずすことが可能になる。

本実施形態では、出力部１５は、第３ＵＲＬと関連づけられたスコアが示す可能性の程度が、予め設定された値を超える場合、その第３ＵＲＬを、新たな第１ＵＲＬとして、ブラックリストＤＢ１１に追加記憶する。

この場合、特定種類に分類される可能性が高い第３ＵＲＬを、新たな第１ＵＲＬとして、自動的に、ブラックリストＤＢ１１に追加記憶することが可能になる。

本実施形態では、分類部１３は、第３ＵＲＬが、新たな第１ＵＲＬとしてブラックリストＤＢ１１に追加記憶されると、第２電子情報のうち、新たな第１ＵＲＬが記載されている第５電子情報を、第１電子情報に再分類し、第１電子情報を示すリストを出力する。

この場合、ブラックリストＤＢ１１の更新に伴って、分類をやり直すことができる。

本実施形態では、ブログ取得部１２は、ブログサーバ３から複数の電子情報を取得する。

この場合、複数の電子情報の収集が容易になる。

以上説明した実施形態において、図示した構成は単なる一例であって、本発明はその構成に限定されるものではない。

例えば、各リンク情報は、ブログやホームページなどのＵＲＬに限らず、トラックバックＵＲＬ、または、コメント元ＵＲＬなどでもよい。

本発明の一実施形態のＵＲＬ抽出装置を示したブロック図である。 記憶部１３ａに記憶されたブログの識別情報の一例を示した説明図である。 ＵＲＬ抽出装置１の動作を説明するためのフローチャートである。 ブログの一例（ブログＡ）を示した説明図である。 ブラックリストＤＢ１１内のブラックリストＵＲＬを示した説明図である。 スコア１を用いて生成された出力リストを示した説明図である。 ホワイトリストＤＢ１５ａ内のホワイトリストＵＲＬを示した説明図である。 図６に示した出力リストから分解ＵＲＬ「domain4/dir9」が削除された出力リストを示した説明図である。 図８に示した出力リストから分解ＵＲＬ「domain4/dir9」が削除された出力リストを示した説明図である。 図５に示したブラックリストＤＢ１１に、新たなブラックリストＵＲＬとして、分解ＵＲＬ「domain2/dir4」が追加された状態を示した説明図である。

符号の説明

１ ＵＲＬ抽出装置
１１ ブラックリストＤＢ
１２ ブログ取得部
１３ 分類部
１３ａ 記憶部
１３ｂ 抽出部
１３ｃ 比較部
１４ 生成部
１５ 出力部
１５ａ ホワイトリストＤＢ
１５ｂ 出力制御部
２ 利用者ＰＣ
３ ブログサーバ
３１ ブログ記憶部
４ ネットワーク

Claims (20)

1. 第１ＵＲＬを記憶する記憶手段と、
   複数の電子情報を入手する入手手段と、
   前記入手手段にて入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類手段と、
   前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成手段と、
   前記第３ＵＲＬごとに、前記複数の電子情報のうち当該第３ＵＲＬが記載されている電子情報の数で、前記分類手段にて前記第１電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力手段と、を含むリンク情報抽出装置。
2. 第１ＵＲＬを記憶する記憶手段と、
   複数の電子情報を入手する入手手段と、
   前記入手手段にて入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類手段と、
   前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成手段と、
   前記第３ＵＲＬごとに、前記分類手段にて前記第１電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を、前記分類手段にて前記第１電子情報に分類された電子情報の数で割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力手段と、を含むリンク情報抽出装置。
3. 第１ＵＲＬを記憶する記憶手段と、
   複数の電子情報を入手する入手手段と、
   前記入手手段にて入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類手段と、
   前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成手段と、
   前記第３ＵＲＬごとに、前記分類手段にて前記第２電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を、前記分類手段にて前記第２電子情報に分類された電子情報で割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力手段と、を含むリンク情報抽出装置。
4. 請求項１から３のいずれか１項に記載のリンク情報抽出装置において、
   前記第１ＵＲＬは、前記電子情報をスパムブログに分類するために使用されるＵＲＬであり、
   前記第３ＵＲＬのスコアは、当該第３ＵＲＬが前記スパムブログに記載されたＵＲＬに分類される可能性の程度を表す可能性情報である、リンク情報抽出装置。
5. 請求項１から３のいずれか１項に記載のリンク情報抽出装置において、
   前記第１ＵＲＬは、特定のブログのＵＲＬである、リンク情報抽出装置。
6. 請求項１から５のいずれか１項に記載のリンク情報抽出装置において、
   前記生成手段は、前記第２ＵＲＬ内に複数のスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬを、前記第３ＵＲＬとして生成し、さらに、当該スラッシュごとに、前記第２ＵＲＬから当該スラッシュ以下の部分を削除して、複数の前記第３ＵＲＬを生成する、リンク情報抽出装置。
7. 請求項１または２に記載のリンク情報抽出装置において、
   前記出力手段は、前記複数の第３ＵＲＬの中に、前記スコアが他の第３ＵＲＬよりも高く、かつ、当該他の第３ＵＲＬに属する、特定ＵＲＬが存在する場合、当該他の第３ＵＲＬを削除する、リンク情報抽出装置。
8. 請求項１または２に記載のリンク情報抽出装置において、
   前記出力手段は、前記第３ＵＲＬと関連づけられたスコアが、予め設定された値を超える場合、当該第３ＵＲＬを、新たな前記第１ＵＲＬとして、前記記憶手段に追加記憶する、リンク情報抽出装置。
9. 請求項８に記載のリンク情報抽出装置において、
   前記分類手段は、前記第３ＵＲＬが、前記新たな第１ＵＲＬとして前記記憶手段に追加記憶されると、前記第２ＵＲＬのうち、前記新たな第１ＵＲＬが記載されている第５電子情報を、前記第１電子情報に再分類し、前記第１電子情報を示すリストを出力する、リンク情報抽出装置。
10. 請求項１から９のいずれか１項に記載のリンク情報抽出装置において、
    前記入手手段は、複数の電子情報を記憶する記憶装置と通信可能であり、当該記憶装置から当該複数の電子情報を取得することによって、前記複数の電子情報を入手する、リンク情報抽出装置。
11. リンク情報抽出装置が行うリンク情報抽出方法であって、
    第１ＵＲＬを記憶手段に記憶する記憶ステップと、
    複数の電子情報を入手する入手ステップと、
    前記入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類ステップと、
    前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成ステップと、
    前記第３ＵＲＬごとに、前記複数の電子情報のうち当該第３ＵＲＬが記載されている電子情報の数で、前記第１電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力ステップと、を含むリンク情報抽出方法。
12. リンク情報抽出装置が行うリンク情報抽出方法であって、
    第１ＵＲＬを記憶手段に記憶する記憶ステップと、
    複数の電子情報を入手する入手ステップと、
    前記入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類ステップと、
    前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成ステップと、
    前記第３ＵＲＬごとに、前記第１電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を、前記第１電子情報に分類された電子情報の数で割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力ステップと、を含むリンク情報抽出方法。
13. リンク情報抽出装置が行うリンク情報抽出方法であって、
    第１ＵＲＬを記憶手段に記憶する記憶ステップと、
    複数の電子情報を入手する入手ステップと、
    前記入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類ステップと、
    前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成ステップと、
    前記第３ＵＲＬごとに、前記第２電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を、前記第２電子情報に分類された電子情報で割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力ステップと、を含むリンク情報抽出方法。
14. 請求項１１から１３のいずれか１項に記載のリンク情報抽出方法において、
    前記第１ＵＲＬは、前記電子情報をスパムブログに分類するために使用されるＵＲＬであり、
    前記第３ＵＲＬのスコアは、当該第３ＵＲＬが前記スパムブログに記載されたＵＲＬに分類される可能性の程度を表す可能性情報である、リンク情報抽出方法。
15. 請求項１１から１３のいずれか１項に記載のリンク情報抽出方法において、
    前記第１ＵＲＬは、特定のブログのＵＲＬである、リンク情報抽出方法。
16. コンピュータに、
    第１ＵＲＬを記憶手段に記憶する記憶手順と、
    複数の電子情報を入手する入手手順と、
    前記入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類手順と、
    前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成手順と、
    前記第３ＵＲＬごとに、前記複数の電子情報のうち当該第３ＵＲＬが記載されている電子情報の数で、前記第１電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力手順と、を実行させるためのプログラム。
17. コンピュータに、
    第１ＵＲＬを記憶手段に記憶する記憶手順と、
    複数の電子情報を入手する入手手順と、
    前記入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類手順と、
    前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成手順と、
    前記第３ＵＲＬごとに、前記第１電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を、前記第１電子情報に分類された電子情報の数で割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力手順と、を実行させるためのプログラム。
18. コンピュータに、
    第１ＵＲＬを記憶手段に記憶する記憶手順と、
    複数の電子情報を入手する入手手順と、
    前記入手された電子情報のそれぞれを、前記記憶手段内の第１ＵＲＬが記載されている第１電子情報と、当該第１ＵＲＬが記載されていない第２電子情報と、に分類する分類手順と、
    前記第１電子情報に、前記第１ＵＲＬ以外の第２ＵＲＬが記載されており、かつ、前記第２ＵＲＬ内にスラッシュが存在する場合、前記第２ＵＲＬと同一のＵＲＬと、前記第２ＵＲＬから前記スラッシュ以下の部分を削除したＵＲＬとを、それぞれ、第３ＵＲＬとして生成する生成手順と、
    前記第３ＵＲＬごとに、前記第２電子情報に分類された電子情報のうち当該第３ＵＲＬが記載されている電子情報の数を、前記第２電子情報に分類された電子情報で割ることによって、当該第３ＵＲＬのスコアを生成し、当該第３ＵＲＬのスコアと当該第３ＵＲＬとを、互いに関連づけて出力する出力手順と、を実行させるためのプログラム。
19. 請求項１６から１８のいずれか１項に記載のプログラムにおいて、
    前記第１ＵＲＬは、前記電子情報をスパムブログに分類するために使用されるＵＲＬであり、
    前記第３ＵＲＬのスコアは、当該第３ＵＲＬが前記スパムブログに記載されたＵＲＬに分類される可能性の程度を表す可能性情報である、プログラム。
20. 請求項１６から１８のいずれか１項に記載のプログラムにおいて、
    前記第１ＵＲＬは、特定のブログのＵＲＬである、プログラム。

Images