JP4637969B1 - ウェブページの主意，およびユーザの嗜好を適切に把握して，最善の情報をリアルタイムに推奨する方法 - Google Patents

Abstract

【課題】 本発明は，言葉同士の関連性の変化に迅速に対応できる分類語データベースの構築方法を提供することを目的とする。
【解決手段】 本発明は，基本的には，ある分類語を有するウェブサイトにおけるある単語の出現頻度情報をリアルタイムに解析して，その分類語とある単語とのリアルタイムな類似度を求めることで，言葉同士の関係の変化に敏感に対応したデータベースを構築できるという知見に基づく。本発明は，ウェブページに含まれる文章の主意を示す分類語を抽出し，分類語を集積してリアルタイムなタグデータベースを構築する方法,そのタグデータベースを用いてウェブページの主意をリアルタイムに反映した情報推奨方法，そのタグデータベースを用いてウェブページの主意，およびユーザの嗜好をリアルタイムに反映した広告等の情報マッチング方法に関する。
【選択図】図１

Description

本発明は，ウェブページに含まれる文章の主意を示す最適語であるタグなどの分類語を抽出し，分類語を集積してリアルタイムなタグデータベースを構築する方法,そのタグデータベースを用いてウェブページの主意をリアルタイムに反映した情報推奨方法，及びそのタグデータベースを用いてウェブページの主意，およびユーザの嗜好をリアルタイムに反映した広告等の情報マッチング方法に関する。

特開２００９−２５９２４８号公報には，ウェブページに含まれるイメージに対してタグ付けを実行し，その結果を利用してウェブ検索サービスを提供する方法が開示されている。

また，特開２００９−２５９２４８号公報には，ウェブコンテンツごとにタグを予めつけておき，与えられたタグリストとして目録化した後，ユーザが選択したタグと関連したウェブコンテンツを提供する方法が開示されている（段落[０００６]）。

特開２００８−３１０６２６号公報には，文章にタグを付与した文章の整理をする方法や，タグを精度良く付与できる自動タグ付与装置が開示されている。この自動タグ付与装置は，既にタグづけがされている文書を収集し，タグ付き文書データベースに格納する。そして，データベース中の各タグに対して，そのタグが設定された文書集合中の特徴的な語句を基に，各タグ間の意味的な類似度を測定し，同一の意味を示すタグが存在する場合には，そのタグ同士を統合する。そして，データベース中の各タグに対して，特徴的な語句を基に，そのタグが特定の話題を示すかどうかを判定する。タグ統合手段の統合結果およびタグ重要性の判定結果に基づいて入力文書にタグを付与する。

特開２００９−２５９２４８号公報 特開２００８−３１０６２６号公報

従来のタグ付与方法は，基本的にはあらかじめ定められた類似度などに応じて特徴語を集約するものである。一方，ある語に関連する語は時とともに変化するものである。このため，従来のタグ付与方法では，ある語と関連するとされる語が固定されてしまい，変化に敏感に対応することができない。

そこで，本発明は，言葉同士の関連性の変化に迅速に対応できる分類語データベースの構築方法を提供することを目的とする。

また，本発明は，上記の分類語データベースを用いた，言葉の変化やウェブページの意味の移ろいに適切に応じた情報推奨方法をリアルタイムに提供することを目的とする。

さらに，本発明は，上記の分類語データベースを用いた，ウェブページの意味の移ろい，およびユーザの興味の移ろいに適切に応じた広告等の情報マッチング方法をリアルタイムに提供することを目的とする。

本発明は，基本的には，ある分類語を有するウェブサイトにおけるある単語の出現頻度情報をリアルタイムに解析して，その分類語とある単語とのリアルタイムな類似度を求めることで，言葉同士の関係の変化に敏感に対応したデータベースを構築できるという知見に基づく。

本発明の第１の側面は，ウェブサイトにタグ又はカテゴリーとして表示されるある分類語とその分類語をタグ又はカテゴリーとして含むウェブサイトに含まれる単語群の関係性をスコア化するためのデータベースの構築方法に関する。この方法は，以下のようにしてデータベースを構築する。
コンピュータが，当該コンピュータと電子通信回線で接続されたウェブサイトから，ある分類語を有する複数のウェブサイトを選定する（ウェブサイト選定工程）。
コンピュータが，前記ウェブサイト選定工程で選定されたウェブサイトにおける文章に含まれる単語群を抽出する（単語群抽出工程）。
コンピュータが，前記単語群抽出工程で抽出した単語群に含まれるそれぞれの単語について，前記ウェブサイト選定工程で選定されたウェブサイトにおける頻度を計測し，前記ある分類語と単語それぞれの関連性を数値化する（数値化工程）。
コンピュータが，前記ある分類語と関連して，前記ウェブサイト選定工程で選定されたウェブサイトにおける文章に含まれる単語群のそれぞれの単語及び前記単語群に含まれるそれぞれの単語について前記数値化工程で得られた数値とをデータベースに記憶させる（記憶工程）。

このように，本発明の第１の側面によれば，分類語を有するウェブサイトと当該分類語を含むウェブサイトに含まれる単語群の関係性とをリアルタイムに関連付けて記憶したデータベースを構築することができる。

本発明の第一の側面の好ましい態様における，タグは，ウェブサイトにおける文章に含まれる単語群の主意を示すものとしてウェブページ上に表示されているテキスト情報である。また，タグは，ウェブサイトにおける文章に含まれる単語群に関連するものとしてウェブページ上に表示されるテキスト情報であるともいえる。また，タグは，ウェブサイトにおける文章に含まれる単語群の意味を分類するものとしてリンクとともにウェブページ上に表示されるテキスト情報であるともいえる。

本発明の第一の側面の好ましい態様における，タグは，他のウェブサイトへのリンク情報が付されている。

本発明の第一の側面の好ましい態様における，カテゴリーは，ツリー構造のウェブサイトのディレクトリを表すテキスト情報でありウェブページ上に表示される。また，カテゴリーは，ウェブサイトのコンテンツをあらかじめ分類した索引を表すテキスト情報でありウェブページ上に表示される。

本発明の第一の側面の好ましい態様における，カテゴリーには，他のウェブサイトへのリンク情報が付されている。

タグやカテゴリーは，ウェブサイトにおける文章の内容を端的に表現するために，ウェブサイトの運営者又は文章等の投稿者によって付されるものである。すなわち，文章の内容やその文章に含まれる単語の意味は，時と共に移ろいゆくものであるが，タグやカテゴリーは，ウェブサイトの運営者等によって，その時代の移ろいに対応して付されるものである。従って，タグやカテゴリーは，文章や単語の意味をリアルタイムに反映していると言える。

本発明の第一の側面の好ましい態様における，ウェブサイト選定工程は，コンピュータが，ウェブサイトに振られている識別タグに基づいて，ある分類語を有する複数のウェブサイトを抽出する。

本発明の第一の側面の好ましい態様においては，コンピュータが，前記ウェブサイト選定工程で選定されたウェブサイトを，識別タグを解析することにより，複数の区分に分割する区分分割工程を，さらに有する。これにより，単語群抽出工程においては，コンピュータが，区分分割工程で分割されたウェブサイトの区分における文章のうち，ある分類語が含まれる区分における文章から単語群を抽出する。

これにより，分類語と，その分類語と関連性のない又は関連性の低い単語と関連づけて記憶することを防止することができる。また，特定の文章のみ解析するため，処理の迅速化を図ることができる。

本発明の第一の側面の好ましい態様においては，コンピュータが，コンピュータと電子通信回線で接続された複数のウェブサイトから，ウェブサイト上に表示されるタグ又はカテゴリーとしての分類語群を抽出する分類語群抽出工程をさらに有する。これにより，ウェブサイト選定工程は，コンピュータと電子通信回線で接続されたウェブサイトから，分類語群抽出工程で抽出された分類語群に含まれる，ある分類語を有する複数のウェブサイトを選定する。

本発明の第２の側面は，データベースを用いたコンピュータによる情報推奨方法に関する。このデータベースは，基本的には第１の側面のデータベースを構築する方法により構築されたデータベースである。すなわち，このデータベースは，複数の分類語と，複数の分類語のそれぞれの分類語について関連する１又は複数の単語と，１又は複数の単語のそれぞれの分類語についての関連性の数値とを関連付けて記憶したデータベースである。

この方法は，以下のようにして情報を推奨する。あるウェブページに含まれる単語を抽出する（単語抽出工程）。
単語抽出工程で抽出した単語を用いて，前記データベースにアクセスし，前記データベースから分類語を抽出する（分類語抽出工程）。
分類語抽出工程で抽出された，分類語を用いて関連するウェブページを検索する（ウェブページ検索工程）。
ウェブページ検索工程で検索されたウェブページへのリンクを表示する（リンク表示工程）。

このようにすることで，あるウェブページに関連のある情報を自動的にリンク表示することができる。しかも，あるウェブページに含まれる単語を用いて関連するウェブページを検索するのではなく，あるウェブページと関連する分類語を用いて関連するウェブページを検索することで，そのウェブページの文意を適切に把握して，嗜好性などをリアルタイムに反映した関連ページを効果的に表示することができる。

本発明の第３の側面は，データベースを用いたコンピュータによる広告等の情報マッチング方法に関する。このデータベースは，基本的には第１の側面のデータベースを構築する方法により構築されたデータベースである。すなわち，このデータベースは，複数の分類語と，複数の分類語のそれぞれの分類語について関連する１又は複数の単語と，１又は複数の単語のそれぞれの分類語についての関連性の数値とを関連付けて記憶したデータベースである。

このマッチング方法は，以下のようにしてマッチングを行う。すなわち，まず複数のウェブページについてそれらの分類語を決定する。この複数のウェブページは広告を媒介とした広告リンク先ウェブページでもよい。

なお，このマッチング方法は，広告に関する情報のマッチングに限定されるものではなく，種々の情報のマッチングに用いることができる。

まず，複数のウェブページのそれぞれのウェブページに含まれる単語を抽出する（第１の単語抽出工程）。そして，第１の単語抽出工程で抽出した単語を用いて，データベースにアクセスし，データベースから分類語を抽出し，これによりそれぞれのウェブページに関連する分類語を抽出する（第１の分類語抽出工程）。それぞれのウェブページへのアクセス情報と，第１の分類語抽出工程で抽出したそれぞれのウェブページに関連する分類語とを関連付けて記憶する（関連分類語記憶工程）。

次に，あるクライアントを使用するユーザの嗜好を分析する。
あるクライアントのアクション情報に含まれる単語を抽出する（第２の単語抽出工程）。第２の単語抽出工程で抽出した単語を用いて，前記データベースにアクセスし，前記データベースから分類語を抽出し，これによりそれぞれのクライアントに関連する分類語を抽出する（第２の分類語抽出工程）。

その上で，各ウェブページとユーザの嗜好とのマッチングを行う。
すなわち，第２の分類語抽出工程で抽出した分類語と，第１の分類語抽出工程で抽出した分類語とを用いて，第２の分類語抽出工程で抽出した分類語と関連のある分類語を有するウェブページを求める（ウェブページ選択工程）。
その上で，関連分類語記憶工程で記憶したウェブページへのアクセス情報を，前記クライアントに表示させる（アクセス情報表示工程）。

これにより，あるクライアントから読み取れるクライアントのユーザの嗜好と，その嗜好にふさわしいウェブページ，特に広告を媒介とした広告リンク先ウェブページとをリアルタイムにマッチングさせることができる。

本発明によれば，ある分類語とともに出現する語の頻度を求めて分類語と関連語の関連性を常に更新することで，言葉同士の関連性の変化に迅速に対応できる分類語データベースの構築方法を提供することができる。

また，本発明によれば，上記の分類語データベースを用いた，言葉の変化やウェブページの意味の移ろいに応じた情報推奨方法をリアルタイムに提供することができる。

さらに，本発明によれば，上記の分類語データベースを用いた，ウェブページの意味の移ろい，およびユーザの興味の移ろいに適切に応じた広告等の情報マッチング方法をリアルタイムに提供することができる。

図１は，本発明のデータベースの構築方法を説明するためのフローチャートである。 図２は，本発明の方法を実現するためのシステムのブロック図である。 図３は，本発明のデータベースの構築方法に用いられるコンピュータの基本構成を示す機能ブロック図である。 図４は，関連ウェブページの例を示す図である。 図５は，あるウェブサイトを区分に分割した例を示す図である。 図６は，本発明のデータベースを用いたコンピュータによる情報推奨方法を説明するためのフローチャートである。 図７は，この情報推奨方法を実現するコンピュータのブロック図である。 図８は，本発明のマッチング方法を説明するためのフローチャートである。 図９は，本発明のマッチング方法を実現するためのコンピュータのブロック図である。 図１０は，コンピュータにあるウェブページのテキストが入力された様子を示す概念図である。 図１１は，リンク表示が行われたウェブサイトの例である。 図１２は，ある検索サイトの表示画面である。 図１３は，お勧め機能つき検索サイトのお勧め領域に，ユーザの嗜好にマッチしたウェブページの情報が表示された例を示す。 図１４は，タグが表示されたあるウェブサイト（ニュースサイト）の例である。 図１５は，タグが表示されたあるウェブサイト（ブログサイト）の例である。 図１６は，カテゴリーが表示されたあるウェブサイト（情報ポータルサイト）の例である。 図１７は，カテゴリーが表示されたあるウェブサイト（動画共有サイト）の例である。 図１８は，タグ及びカテゴリーが表示されたあるウェブサイト（情報ポータルサイト）の例である。 図１９は，ウェブサイト選定工程で選定の対象となるウェブサイトを説明するための図である。 図２０は，分類語群抽出工程及び区分分割工程をさらに有する，本発明のデータベースの構築方法を説明するためのフローチャートである。 図２１は，分類語群抽出手段及び区分分割工程をさらに有する，本発明の方法を実現するためシステムのブロック図である。

以下，本発明を実施するための形態について説明する。本発明は，以下に説明する実施態様に限定されるものではない。本発明は，以下に説明する実施態様から当業者に自明な範囲で適宜修正される範囲を含む。

本発明の第１の側面は，分類語を有するウェブサイトと当該分類語を含むウェブサイトに含まれる単語群の関係性をスコア化するためのデータベースの構築方法に関する。図１は，本発明のデータベースの構築方法を説明するためのフローチャートである。図中Ｓは，ステップを示す。図１に示されるように，本発明のデータベースの構築方法は，ウェブサイト選定工程（ステップ１０１），単語群抽出工程（ステップ１０２），数値化工程（ステップ１０３），及び記憶工程（ステップ１０４）を含む。

図２０に示すように，本発明はデータベースの構築方法は，さらに，分類語群抽出工程１００及び区分分割工程１０５を含むこととしても良い。

図２は，本発明の方法を実現するためのシステムのブロック図である。図２に示されるとおり，本発明のシステム１は，コンピュータ２を含む。コンピュータ２は，複数のウェブサイト３およびクライアント４とインターネットなどの通信回線を介して接続されている。なお，通常，ウェブサイト３およびクライアント４は複数である。

そして，コンピュータ２は，入出力部１１，制御部１２，演算部１３，記憶部１４を有しており，それらの要素はバス１５などで接続されており，情報の授受を行うことができるようにされている。すなわち，入出力部１１から所定の情報が入力されると，制御部１２は，記憶部１４のメインメモリに格納されている制御プログラムを読み出す。そして，制御部１２は，制御プログラムの指令に従って，適宜記憶部１４に記憶されたデータを読み出し，演算部１３にて所定の演算を行う。そして，演算結果を記憶部１４に一時的に記憶して，入出力部１１から出力する。

図３は，本発明のデータベースの構築方法に用いられるコンピュータの基本構成を示す機能ブロック図である。図３に示されるとおり，コンピュータ２は，ウェブサイト選定手段２１，単語群抽出手段２２，数値化手段２３，記憶手段２４，及びデータベース２５を有する。

また，本発明のシステムは，図２１に示すように，区分分割手段２６及び分類語群抽出手段２７を有していても良い。

ウェブサイト選定手段２１は，コンピュータ２と電子通信回線で接続されたウェブサイト３から，ある分類語をウェブサイト上に表示されるタグ又はカテゴリーとして有する複数のウェブサイトを選定するための手段である。

コンピュータ２は，データベースを有している。そして，そのデータベース２５は，複数の分類語を格納している。分類語の例はタグ，カテゴリーである。この分類語は手入力により追加されてもよい。コンピュータ２は，あらかじめ複数のウェブサイトのＵＲＬを格納し，そのＵＲＬを用いて，ウェブサイトを選定してもよい。また，コンピュータ２は，データベース２５に格納した分類語を用いて，インターネット検索を自動で行い，それぞれの分類語を含むウェブサイトを見出して，分類語を有する複数のウェブサイトを選定してもよい。ある用語を用いたインターネット検索は既に知られている。このため，分類語を有する複数のウェブサイトを選定する処理は，既に知られた方法を用いて容易に行うことができる。

タグは，ガイド記事に１又は複数設定されている関連キーワードとしてウェブサイトに表示されるものである。通常，同じタグが振られているウェブページを複数表示できるように，リンクが貼られている。そして，そのタグを選択すると，そのタグをタグとして含む複数のウェブページへのリンクを表示したサイトへと移動することができる。このタグは，記事を投稿したユーザ又は管理者のクライアントから直接入力されてもよいし，記事を解析することで自動的に振られたタグであってもよい。データベース２５に格納した分類語ＡＡＡを用いて，インターネット検索を行い，その分類語ＡＡＡを有するウェブサイトを選定する場合，ＡＡＡが文章にのみ含まれるウェブサイトは選定しない（図１９（ａ）参照）。すなわち，ＡＡＡという単語が分類語（タグ又はカテゴリ）として用いられているウェブサイトのみを選定する（図１９（ｂ）参照）。ＡＡＡという単語が，分類語として用いられているか否かは，ウェブサイトを構成するソースコードを解析して判断すればよい。例えば，文章であることを示すＨＴＭＬタグなどの識別タグに，単語ＡＡＡが含まれていても，これは選定の対象とはしない。また，通常のテキストを示す識別タグで区別される区分に単語ＡＡＡが存在しても，それはテキストとして単語ＡＡＡが含まれることになるので，選定の対象としない。一方，分類語であることを示す識別タグに，単語ＡＡＡが含まれていた場合には，このウェブサイトを選定する。また，例えば，他のウェブサイトへのリンク情報が付されていることを示す識別タグに，単語ＡＡＡが含まれている場合に，これを分類語であると認定し，この分類語を含むウェブサイトを選定してもよい。また，フォントの色や大きさを変更することを示す識別タグに，単語ＡＡＡが含まれている場合に，これを分類語であると認定し，この分類語を含むウェブサイトを選定しても良い。

分類語の一例は，タグである。タグは，ウェブサイトにおける文章に含まれる単語群に関連する単語であり，ウェブページ上に表示されている。また，タグは，ウェブサイトにおける文章に含まれる単語群の主意を示すものとしてウェブページ上に表示されているテキスト情報であるともいえる。また，タグは，ウェブサイトにおける文章に含まれる単語群の意味を分類するものとしてウェブページ上に表示されるテキスト情報であるともいえる。例えば，ＨＴＭＬなどの識別タグを用いて，「〈Ａ Ｈｒｅｆ＝“ＵＲＬ”〉かわいい〈／Ａ〉」と表現すると，ウェブページ上には，「かわいい」という単語にＵＲＬのリンク情報が張られて表示される。ここでは，「かわいい」という単語をタグ，「〈Ａ Ｈｒｅｆ＝“ＵＲＬ”〉〈／Ａ〉」を識別タグと呼び，区別する。すなわち，本発明は，タグ「かわいい」を抽出する。

例えば，このタグは，ウェブページに表示される記事文章などに対して，その記事の意味を分類する単語として，ウェブサイト運営者によって，一又は複数個付与される。そして，タグは，その記事文章と同一ページ内に表示されている。また，タグは，ブログサイトや動画共有サイト等の投稿サイトにおいては，投稿情報の意味を分類する単語として，投稿者自身によって，一又は複数個付与される。そして，この場合も，タグは，その投稿情報と同一ページ内に表示されている。また，本発明は，動画共有サイトのような，文章を主とするウェブサイトでなくても，コンピュータにより，その動画共有サイトにおけるタグなどの分類語と関連している文章から単語を抽出し，その分類語とその単語の関連性を数値化することができる。

分類語の他の例は，カテゴリーである。カテゴリーは，ツリー構造となっているウェブサイトのディレクトリを示す単語であり，ウェブページ上に表示される。また，カテゴリーは，ウェブサイトのコンテンツをあらかじめ分類した索引を表すテキスト情報であるとも言える。また。カテゴリーは，ウェブページ上の記事文書や投稿情報の当てはまる適切な分野や領域を表す単語である。例えば，カテゴリーは，「国内（大カテゴリー）＞関東（中カテゴリー）＞東京（小カテゴリー）」等のように階層化されていてもよい。カテゴリーには，他のウェブページへのリンク情報が張られており，このカテゴリーをクリックすることで，他のウェブページへリンクすることができるようになっていてもよい。

このようにして，コンピュータ２が，コンピュータ２と電子通信回線で接続されたウェブサイト３から，ある分類語を有する複数のウェブサイトを選定する（ステップ１０１）。

単語群抽出手段２２は，ウェブサイト選定手段により選定されたウェブサイトにおける文章に含まれる単語群を抽出するための手段である。

ウェブサイトから単語群を抽出する方法は既に知られている。本発明は既に知られた方法を用いて単語群を抽出すればよい。単語群を抽出する方法の例は，コンピュータがあらかじめ複数の単語を記憶した単語データベース（コーパス）を有するものである。単語データベースの好ましい例は名詞データベースである。そして，ウェブサイトからテキストを抽出し，そのテキストに含まれる単語を抽出すればよい。ウェブサイトは，通常ＨＴＭＬタグなどの識別タグが振られているので，それを解析することでテキストを容易に読み出すことができる。

このようにして，コンピュータ２が，ウェブサイト選定工程で選定されたウェブサイトにおける文章に含まれるある分類語と関連した単語群を抽出する（ステップ１０２）。

数値化手段２３は，単語群抽出手段が抽出した単語群に含まれるそれぞれの単語について，ウェブサイト選定手段が選定したウェブサイトにおける頻度を計測し，ある分類語と単語の関連性を数値化するための手段である。

すなわち，ある分類語が登場するウェブページに含まれている語は，その分類語と関連がある可能性が高い。特に，ある分類語が登場するウェブページに必ず含まれている語があれば，近い将来もその分類語が登場するウェブページにその語が含まれている可能性が高い。このように，それぞれの単語について，それぞれのウェブサイトにおける頻度を求めることで，ある分類語と単語の関連性を数値化することができる。

また，ウェブページは，通常ＨＴＭＬタグなどの識別タグが振られているので，それをコンピュータ２が解析することで，ウェブページを識別タグが含まれている部分に区分して，分類語が含まれる区分における単語群を抽出し，その区分における単語の頻度を求めても良い。このように区分に分類して共起関係を分類することで，より効果的かつ適切に関連語を抽出することができる。

このような，ＨＴＭＬなどの識別タグを解析し，ウェブページを複数の区分に分割する工程である区分分割工程（ステップ１０５）は，コンピュータ２の区分分割手段２６より実行される。

図４は，関連ウェブページの例を示す図である。通常，ウェブページは，ウェブページを作成するための言語により作成されている。そして，テキスト及び画像については，異なる識別タグが振られている。このため，例えば，識別タグの出現位置を把握することで，ウェブページ内のコンテンツをテキスト，及び画像に分類することができ，しかも関連ウェブページのテキスト及び画像の配置を把握することができる。ウェブページに振られた識別タグを用いて，ウェブページを構成するコンテンツをテキスト，及び画像に分類する。これにより，ウェブページのテキスト及び画像の配置を把握する。画像にはその付近の位置に画像を説明する文章が付されている。よって，画像がどのような属性のものであるか把握するためにウェブページを複数の区分に分割する。また，タイトルと本文とでは，フォントの大きさが異なっていたり，フォントの色が異なる場合がある。たとえば，フォントの大きさやフォントの色は，ウェブページを作成する言語における識別タグにより区別される。このため，識別タグを解析することで，フォントの相違を把握することができる。このようにして，ウェブページを複数の区分に分割することができる。またこの区分情報は手入力によって修正されてもよい。図５は，あるウェブサイトを区分に分割した例を示す図である。図中符号３１は，分割された区分を示す。

コンピュータ２の区分分割手段２６により分割されたウェブサイトの区分３１に含まれる文章や動画を含むコンテンツと，タグやカテゴリーとしての分類語との関連づけを判断する例は，以下のものである。なお，ここでは，例として，Ａ，Ｂ，Ｃの３つの分類語がウェブサイト上に表示されているものとする。まず，コンピュータ２のウェブサイト選定手段２１は，Ａが分類語として存在するウェブサイトを選定する。区分分割手段２６は，そのウェブサイトを複数の区分に分割する。単語群抽出手段２２は，分割された区分における文章が分類語Ａと同じ単語を含むか否かを判断し，同じ単語を含む場合には，その区分おける文章から単語群を抽出する。そして，数値化手段２３は，それぞれの単語について，分類語Ａとの関連性を数値化する。同様のコンピュータによる処理を分類語Ｂ及びＣについても行う。

また，ウェブサイトの区分における文章の中に分類語Ａ，Ｂ，Ｃと同一の単語を含むものがない場合であっても，ウェブサイトのソースコードを解析することにより，分類語が区分と関連づけられているものと判断することができる。まず，コンピュータ２のウェブサイト選定手段２１は，Ａが分類語として存在するウェブサイトを選定する。区分分割手段２６は，そのウェブサイトを複数の区分に分割する。単語群抽出手段２２は，識別タグを解析し，分類語Ａと，ある区分における文章が関連づけられていると判断した場合には，その区分に含まれる文章における単語群を抽出する。数値化手段２３は，それぞれの単語について，分類語Ａついての関連性を数値化する。同様のコンピュータによる処理を分類語Ｂ及びＣについても行う。

なお，区分には，動画や音楽などの文章以外のコンテンツが含まれていても良い。この場合には，区分に含まれる文章のみとの関連性を数値化することとしても良い。また，区分に含まれる動画や音楽を解析し，その動画や音楽からテキスト情報を抽出し，そのテキスト情報との関連性を数値化しても良い。

頻度を求める方法は，たとえば，ある単語が出現した数を単語群に含まれる単語数で除したものがあげられる。すなわち，コンピュータ２が，あるウェブページ又はある区分に含まれる単語数を計算し，記憶部に記憶する。また，コンピュータ２がある単語が出現した数を計算し，記憶部に記憶する。そして，コンピュータ２の制御部は，記憶部から単語が出現した数ｎと，単語群に含まれる単語数ｍを読み出して，ある単語が出現した数を単語群に含まれる単語数で除する演算を行う。このようにして頻度（ｎ／ｍ）を求めることができる。

関連性を数値化するためには，たとえば，先に説明した頻度とともに，ある分類語が登場したウェブページ又は区分の数をＭ個として，ある単語がそれらのＭ個のウェブページ又は区分のうちＮ個に登場した場合に，Ｎ／Ｍを用いる方法があげられる。この場合の関連性の数値の例は，ｎＮ／ｍＭである。これらの演算は，除乗演算を行うことで容易に求めることができる。なお，関連性を数値化する方法の例は，上記に限定されず，新たな統計理論を用いて，評価方法を適宜修正することができる。

このようにして，コンピュータ２が，単語群抽出工程で抽出した単語群に含まれるそれぞれの単語について，ウェブサイト選定工程で選定されたウェブサイトにおける頻度を計測し，ある分類語とそれぞれの単語の関連性を数値化する（ステップ１０３）。

記憶手段２４は，ある分類語と関連して，ウェブサイト選定手段が選定したウェブサイトにおける文章に含まれる単語群のそれぞれの単語及び単語群に含まれるそれぞれの単語について数値化手段が求めた数値とをデータベース２５に記憶させるための手段である。

コンピュータ２は，データベース２５を有している。そして，そのコンピュータ２に含まれる記憶手段２４は，そのデータベース２５に各種情報を記憶させる。具体的には，コンピュータ２は，ある分類語を記憶するとともに，先に説明した単語群，単語群に含まれるそれぞれの単語についての関連性の数値を記憶している。そこで，コンピュータ２は，これらの情報を読み出して，それらを関連付けてデータベース２５に格納する。

このようにすることでコンピュータ２が，ある分類語と関連して，ウェブサイト選定工程で選定されたウェブサイトにおける文章に含まれる単語群及び前記単語群に含まれるそれぞれの単語について前記数値化工程で得られた数値とをデータベース２５に記憶させる（ステップ１０４）。この作業を複数の分類語について行う。このようにして，複数の分類語と，複数の分類語のそれぞれの分類語について関連する１又は複数の単語と，１又は複数の単語の分類語についての関連性の数値と，を関連付けて記憶したデータベースを得ることができる。

本発明の第一の側面の好ましい態様は，コンピュータと電子通信回線で接続された複数のウェブサイトから，ウェブサイト上に表示されるタグ又はカテゴリーとしての分類語群を抽出する分類語群抽出工程（ステップ１００）をさらに有する，データベースの構築方法に関する。

図２０は，分類語群抽出工程１００をさらに有する，本発明の第一の側面の好ましい態様のデータベース構築方法のフローチャートである。本発明の第一の側面の好ましい態様は，分類語群抽出工程（ステップ１００），ウェブサイト選定工程（ステップ１０１），単語群抽出工程（ステップ１０２），数値化工程（ステップ１０３），記憶工程（ステップ１０４）を含む。さらに，区分分割工程（ステップ１０５）を有していても良い。
図２１は，分類語群抽出手段２７をさらに有する，本発明の第一の側面の好ましい態様のデータベース構築方法を実現するためのシステムブロック図である。図２１に示すように，本発明の第一の側面の好ましい態様においては，分類語群抽出手段２７，ウェブサイト選定手段２１，単語群抽出手段２２，数値化手段２３，記憶手段２４を含む。さらに，区分分割手段２６を有していても良い。

分類語群抽出手段２７は，コンピュータと電子通信回線で接続された複数のウェブサイトから，ウェブサイト上に表示されるタグ又はカテゴリーとしての分類語群を抽出する手段である。
コンピュータのデータベース２５には複数の分類語が格納されている。このデータベース２５に格納されている分類語を用いて，ウェブサイトから分類語群を抽出してもよい。また。あらかじめ，分類語であることを識別する識別タグを定めておき，ウェブページを構成するソースコードの識別タグ（ＨＴＭＬ等）を解析することで，ウェブページの中から分類語群を抽出することとしてもよい。また，例えば，ソースコードにおいて，ある単語とともに他のウェブサイトへのリンク情報（ＵＲＬ）が付されていた場合，そのリンク情報が付された単語を，分類語として特定し，抽出することができる。また，例えば，ある単語のフォントの色，フォントの大きさ等が他の単語と区別されている場合，その色等が区別された単語を，分類語として特定し，抽出することができる。また，ツリー構造となっているウェブサイトのソースコードを解析し，ディレクトリを特定することで，分類語としてのカテゴリーを抽出することができる。なお，分類語を抽出する方法は，これらの限定されるものではなく，当業者が想到しうる種々の方法を採用することができる。

このようにして，コンピュータ２が，複数のウェブサイト３の中から分類語群を抽出する。（ステップ１００）

そして，ウェブサイト選定手段２１は，コンピュータ２と電子通信回線で接続されたウェブサイトから，分類語群抽出手段２７により抽出された分類語群に含まれる，ある分類語を有する複数のウェブサイトを選定する。（ステップ１０１）

ウェブサイト選定手段２１は，ある分類語を有する複数のウェブサイトを選定する手段である。このウェブサイト選定手段２１が，ウェブサイトを選定する際に参照するある分類語は，分類語群抽出手段２７により，複数のウェブサイトから抽出された分類語群に含まれるものである。これにより，ウェブサイト選定手段２１が，ウェブサイト選定の際に参照するある分類語についても，自動的かつリアルタイムに，複数のウェブサイトから抽出することができる。

このようにして，コンピュータ２は，ウェブサイト選定手段２１が選定したウェブサイトにおける文章に含まれる単語群を抽出する（ステップ１０２）。

数値化手段２３は，単語群抽出手段２２が抽出した単語群に含まれるそれぞれの単語について，ウェブサイト選定手段２１が選定したウェブサイトに含まれる文章における頻度を計測し，前記ある分類語とそれぞれの単語の関連性を数値化する（ステップ１０３）。

記憶手段は，前記ある分類語と関連して，ウェブサイト選定手段２１が選定したウェブサイトにおける文章に含まれる単語群のそれぞれの単語及び単語群に含まれるそれぞれの単語について数値化手段２３により得られた数値とをコンピュータのデータベース２５に記憶させる（ステップ１０４）。

区分分割手段２６は，ウェブページ選定手段２１が選定したウェブページに振られているＨＴＭＬタグなどの識別タグを解析し，ウェブページを識別タグが含まれている区分に分割する（ステップ１０５）。これにより，単語群抽出手段２２は，前記ある分類語が含まれる区分における単語群を抽出する（ステップ１０２）。そして，数値化手段２３は，単語群抽出手段が抽出した単語群に含まれる単語の頻度を求め，前記ある分類語とそれぞれの単語の関連性を数値化することとしても良い（ステップ１０３）。

本発明の第２の側面は，データベースを用いたコンピュータによる情報推奨方法に関する。このデータベースは，基本的には第１の側面のデータベースを構築する方法により構築されたデータベースである。すなわち，このデータベースは，複数の分類語と，複数の分類語のそれぞれの分類語について関連する１又は複数の単語と，１又は複数の単語のそれぞれの分類語についての関連性の数値とを関連付けて記憶したデータベースである。

この方法は，以下のようにして情報を推奨する。図６は，本発明のデータベースを用いたコンピュータによる情報推奨方法を説明するためのフローチャートである。図６に示されるように，この方法は，単語抽出工程（ステップ２０１），分類語抽出工程（ステップ２０２），ウェブページ検索工程（ステップ２０３），及びリンク表示工程（ステップ２０４）を含む。

図７は，この情報推奨方法を実現するコンピュータのブロック図である。図７に示されるようにこのコンピュータ２は，単語抽出手段４１，分類語抽出手段４２，ウェブページ検索手段４３，リンク表示手段４４及びデータベース４５を含む。

単語抽出手段４１は，あるウェブページに含まれる単語を抽出するための手段である。

コンピュータ２に，あるウェブページのテキストが入力される。すると，コンピュータ２の単語抽出手段４１は，そのウェブページに含まれる単語を抽出する。単語は，１語又は複数の語である。単語を抽出する方法は先に説明したとおりである。すなわち，ウェブページを区分に分解して，適宜単語データベースにアクセスし，ウェブページに含まれる単語を抽出すればよい。

このようにして，コンピュータ２は，あるウェブページに含まれる単語を抽出する（ステップ２０１）。

分類語抽出手段４２は，単語抽出手段が抽出した単語を用いて，データベースにアクセスし，データベースから分類語を抽出する。すなわち，単語抽出手段が抽出した単語はコンピュータ２の記憶部に記憶される。そして，記憶された単語を読み出して，データベースにアクセスし，その単語と関連性の数値が高い分類語を抽出する。そして，複数の分類語が抽出された場合は，複数の単語について関連性が高いとされた分類語を１つ又は２つ以上抽出する。また，たとえば，ウェブページに複数の単語が含まれている場合，それら複数の単語に対応する分類語をそれぞれ求める。そして，最も出現頻度の高い分類語を１つ又は２つ以上抽出してもよい。このようにして，あるウェブページに関連する分類語を抽出することで，ウェブページの主意を適切に把握することができる。

このようにして，コンピュータ２は，単語抽出工程で抽出した単語を用いて，前記データベースにアクセスし，前記データベースから分類語を抽出する（ステップ２０２）。

ウェブページ検索手段４３は，分類語抽出手段が抽出した分類語を用いて関連するウェブページを検索するための手段である。

関連するウェブページの例は，先に説明したあるウェブページと同じウェブサイトに含まれるウェブページである。すなわち，コンピュータ２は，あるウェブサイト内のウェブページを記憶している。そして，分類語を読み出すとともに，ウェブサイトを１つずつ読み出して，この分類語が含まれるウェブページを検索する。すると，この分類語を含むウェブページを抽出できる。また，後に説明するように，コンピュータ２は，あらかじめウェブページに分類語を割り振っておき，その上で，分類語抽出手段が抽出した分類語と同じ又は類似度の高い分類語を有するウェブページを抽出するようにしてもよい。

勿論，コンピュータ２がインターネットに接続されていれば，分類語抽出手段が抽出した分類語を含むかその分類語と関連の高いウェブページを，インターネットを介して検索してもよい。

このようにして，コンピュータ２は，分類語抽出工程で抽出された分類語を用いて関連するウェブページを検索する（ステップ２０３）。

リンク表示手段４４は，ウェブページ検索手段が検索し抽出したウェブページへのリンクを表示するための手段である。たとえば，あるウェブサイト内のウェブページへのリンクを表示する場合，コンピュータ２はそれぞれのウェブページを表示するためのリンク情報を記憶している。よって，リンク表示手段４４は，検索したウェブページへのリンク情報を記憶部から読み出して，単語を抽出したウェブページにこれらのリンク情報が表示されるようにすればよい。すると，コンピュータ２は，単語を抽出したウェブページとともに，リンク情報をも表示できるようになる。

また，ウェブページ検索手段４３がコンピュータ２とインターネットで接続されたサーバが提供するウェブページを検索した場合，検索することによって得られたウェブページへのアクセス情報（たとえば，ＵＲＬ）をコンピュータ２が記憶する。そして，記憶したアクセス情報をリンク情報として用いて，上記と同様に表示に用いればよい。

このようにして，コンピュータ２は，ウェブページ検索工程で検索されたウェブページへのリンクを表示することができる（ステップ２０４）。

このようにすることで，あるウェブページに関連のある情報を自動的にリンク表示することができる。しかも，あるウェブページに含まれる単語を用いて関連するウェブページを検索するのではなく，あるウェブページと関連する分類語を用いて関連するウェブページを検索することで，そのウェブページの文意を適切に把握して，嗜好性などを反映した関連ページを効果的に表示することができる。

すなわち，あるウェブページに陽には出現しないが，そのウェブページの文意や嗜好性を適切に表現している単語（分類語）を用いて関連するウェブページの検索を行うことができる。ウェブページの文意は，時とともに移ろいゆくものであるが，これにより，その時にあった文意を適切に把握して検索を行うことができる。従って，本発明は，その文意や嗜好性をリアルタイムに反映した関連ページを効果的に推奨することができる。

本発明の第３の側面は，データベースを用いたコンピュータによる広告等の情報マッチング方法に関する。このデータベースは，基本的には第１の側面のデータベースを構築する方法により構築されたデータベースである。すなわち，このデータベースは，複数の分類語と，複数の分類語のそれぞれの分類語について関連する１又は複数の単語と，１又は複数の単語のそれぞれの分類語についての関連性の数値とを関連付けて記憶したデータベースである。

なお，本発明の第３の側面が，広告に関する情報マッチングに限定されないことは先に述べた通りである。

図８は，本発明のマッチング方法を説明するためのフローチャートである。図８に示されるように，このマッチング方法は，以下のようにしてマッチングを行う。

第１の単語抽出工程（ステップ３０１），第１の分類語抽出工程（ステップ３０２），及び関連分類語記憶工程（ステップ３０３）により，複数のウェブページについてそれらの分類語を決定する。この複数のウェブページは広告を媒介とした広告リンク先ウェブページでもよい。

それと，並行して，第２の単語抽出工程（ステップ３１１），第２の分類語抽出工程（ステップ３１２）により，あるクライアントを使用するユーザの嗜好を分析する。

そして，ウェブページ選択工程（ステップ３２１），及びアクセス情報表示工程（ステップ３２２）により，各ウェブページ，あるいは広告を媒介とした広告リンク先ウェブページとユーザの嗜好とのマッチングを行う。

図９は，本発明のマッチング方法を実現するためのコンピュータのブロック図である。図９に示されるように，このコンピュータ２は，第１の単語抽出手段５１，第１の分類語抽出手段５２，関連分類語記憶手段５３，第２の単語抽出手段５４，第２の分類語抽出手段５５，ウェブページ選択手段５６，アクセス情報表示手段５７，及びデータベース５８を有する。

第１の単語抽出手段５１は，複数のウェブページのそれぞれのウェブページに含まれる単語を抽出するための手段である。複数のウェブページはあるウェブサイトに内包されるウェブページ群であっても良いし，コンピュータ２とインターネットで接続されたサーバにより提供されるウェブページであってもよい。また広告を媒介とした広告リンク先ウェブページでもよい。ウェブページから単語を抽出する方法は先に説明したとおりである。先に説明したと同様にして，コンピュータ２は，複数のウェブページのそれぞれのウェブページに含まれる単語を抽出する（ステップ３０１）

第１の分類語抽出手段５２は，第１の単語抽出手段が抽出した単語を用いて，データベースにアクセスし，データベースから分類語を抽出し，これによりそれぞれのウェブページに関連する分類語を抽出するための手段である。第１の分類語抽出手段５２は，先に説明した分類語抽出手段と同様にして分類語を抽出する。よって，先に説明したと同様にして，コンピュータ２は，第１の単語抽出工程で抽出した単語を用いて，データベースにアクセスし，データベースから分類語を抽出し，これによりそれぞれのウェブページに関連する分類語を抽出する（ステップ３０２）。

関連分類語記憶手段５３は，先に説明したそれぞれのウェブページへのアクセス情報と，分類語抽出工程で抽出したそれぞれのウェブページに関連する分類語とを関連付けて記憶するための手段である。関連分類語記憶手段５３は，これらの情報をデータベース５８に記憶させるようにしてもよい。この際の処理も先に説明した処理を適宜用いればよい。これにより，先に説明したそれぞれのウェブページへのアクセス情報と，分類語抽出工程で抽出したそれぞれのウェブページに関連する分類語とを関連付けて記憶する（ステップ３０３）。

第２の単語抽出手段５４は，あるクライアントのアクション情報に含まれる単語を抽出するための手段である。あるクライアントには，ユーザによるアクションの履歴が残っている。アクションの履歴の例は，インターネット検索に用いた語，閲覧したウェブページ，インターネットログ，及びクッキーに蓄積されたサイト情報である。

アクション情報に含まれる単語とは，例えば，クライアントが，閲覧したウェブページに含まれる単語であってもよい。また，クライアントが，閲覧したウェブページに含まれる単語群を用いて，データベースにアクセスし，抽出された分類語であってもよい。これにより，真にクライアントの嗜好や興味を反映した，情報のマッチングを行うことができる。

第２の単語抽出手段５４は，クライアント４の記憶部に記憶されたこれらの情報のいずれか又は２種以上を読み出す。そして，第２の単語抽出手段５４は，読み出したこれらの情報に含まれる単語を抽出する。単語の抽出処理は先に説明したと同様にして行うことができる。このようにして，コンピュータ２は，あるクライアントのアクション情報に含まれる単語を抽出する（ステップ３１１）。コンピュータ２とあるクライアントとは同一の端末であってもよいし，コンピュータ２とあるクライアントとはインターネットを介して接続された別の端末であってもよい。

第２の分類語抽出手段５５は，第２の単語抽出手段が抽出した単語を用いて，データベースにアクセスし，データベースから分類語を抽出し，これによりそれぞれのクライアントに関連する分類語を抽出するための手段である。第２の分類語抽出手段５５による処理は先に説明したと同様である。このようにして，第２の単語抽出工程で抽出した単語を用いて，前記データベースにアクセスし，前記データベースから分類語を抽出し，これによりそれぞれのクライアントに関連する分類語を抽出する（ステップ３１２）。

ウェブページ選択手段５６は，第２の分類語抽出手段が抽出した分類語と，第１の分類語抽出手段が抽出した分類語とを用いて，第２の分類語抽出手段が抽出した分類語と関連のある分類語を有するウェブページを求めるための手段である。第２の分類語抽出手段が抽出した分類語はユーザの嗜好を反映したものである。そして，第１の分類語抽出手段が抽出した分類語は，それぞれのウェブページの主意を反映したものである。これらをマッチングさせることで，ユーザの嗜好にマッチしたウェブページ，あるいは広告を媒介とした広告リンク先ウェブページを選択することができる。分類語同士のマッチング処理は，たとえば，特開２００９−２５９２５８号公報に開示されたタグの類似度を求める方法により実現できる。このようにして，第２の分類語抽出工程で抽出した分類語と，第１の分類語抽出工程抽出した分類語とを用いて，第２の分類語抽出工程で抽出した分類語と関連のある分類語を有するウェブページを求める（ステップ３２１）。

また，例えば，広告を媒介とした広告リンク先ウェブページの場合，広告素材（テキスト，画像等）の入稿時に人手によって分類語が割り当てられるケースがある。この場合には，第一の分類語抽出工程（ステップ３０２）で抽出された分類語の代わりに，この人手によって割り当てられた分類語を用いて，分類語同士のマッチング処理を行うこととしてもよい。

アクセス情報表示手段５７は，関連分類語記憶工程で記憶したウェブページへのアクセス情報を，クライアント４に表示させるための手段である。これにより，コンピュータ２は，関連分類語記憶工程で記憶したウェブページ，あるいは広告を媒介とした広告リンク先ウェブページへのアクセス情報を，前記クライアント４に表示させる（ステップ３２２）。

実施例１は，分類語を有するウェブサイトと当該分類語を含むウェブサイトに含まれる単語群の関係性をスコア化するためのデータベースの構築方法に関する。

この例では，コンピュータ２が，データベースを有している。たとえば，データベースに分類語として「かわいい」が格納されているとする。このデータベースには，分類語「かわいい」に関連した単語群「ペット」，「ねこ」，単語群を含むウェブページのＵＲＬ，分類語の「かわいい」との関連性を示す値が格納されている。そして，コンピュータ２は，コンピュータ２と電子通信回線で接続されたウェブサイトから，分類語「かわいい」を有する複数のウェブサイトを選定する（ステップ１０１）。

そして，コンピュータ２は，選定したウェブサイトからテキストを適宜抽出して，ウェブサイトにおける文章に含まれる単語群を抽出する（ステップ１０２）。

コンピュータ２は，抽出された単語群の文字数を算出する。そして，たとえば，「ペット」という語の出現回数も算出する。また，コンピュータ２は，選定したウェブサイトの数を算定するとともに，選定したウェブサイトのうちいくつのサイトに「ペット」という語が出現したか算定する。そして，これらの情報を用いて，コンピュータ２は，単語群抽出工程で抽出した単語群に含まれるそれぞれの単語について，ウェブサイト選定工程で選定されたウェブサイトにおける頻度を計測し，ある分類語「かわいい」と単語「ペット」の関連性を数値化する（ステップ１０３）。

そののち，コンピュータ２は，ある分類語「かわいい」と関連して，データベースに記憶されている単語「ペット」についての関連性の数値を更新する（ステップ１０４）。分類語「かわいい」について「ねこ」も同様にして関連性の数値を更新することができる。この作業をすべての分類語について繰り返し行い続けることで，ある分類語と関連のある単語を常にアップデートすることができる。

実施例２は，データベースを用いたコンピュータによる情報推奨方法に関する。コンピュータに，あるウェブページのテキストが入力される。図１０は，コンピュータにあるウェブページのテキストが入力された様子を示す概念図である。

すると，本発明のコンピュータ２は，そのウェブページ６１に含まれる単語を抽出する（ステップ２０１）。

コンピュータ２は，抽出した単語を用いて，データベースにアクセスし，データベースから分類語を抽出する（ステップ２０２）。この際の分類語の例は，たとえば，国内旅行，熱海，及び高級旅館である。なお，抽出した単語には，たとえば，「国内旅行」，「熱海」の語が含まれているが，「高級旅館」という単語が含まれていなくてもよい。たとえば，ウェブページ６１に含まれる「１泊１０万円」，「離れ」，及び「海鮮料理」などの言葉から分類語「高級旅館」が抽出されればよい。

コンピュータ２は，分類語「国内旅行」，「熱海」，及び「高級旅館」を用いて関連するウェブページを検索する（ステップ２０３）。この検索は，ウェブページ６１が格納されているサーバと同じサーバに格納されているウェブページについて行ってもよい。

コンピュータ２は，ウェブページ検索工程で検索されたウェブページへのリンク６２を表示する（ステップ２０４）。図１１は，リンク表示が行われたウェブサイトの例である。図１１に示されるように，コンピュータ２は，上記の分類語と関連度が高いウェブページに含まれる画像をも把握し，これらを合わせて表示するようにしてもよい。

この実施例は，新聞記事がウェブページのテキストとしてクライアントに入力された場合に，その新聞記事に関連するウェブページのリンクを自動的に表示できるようにしてもよい。たとえば，芸能ニュースの記事を作成した場合，その記事がクライアントに入力されると，芸能人に関連した過去の記事が自動的にリンクされて，記事の下方部分に表示されるようにしてもよい。

実施例３は，データベースを用いたコンピュータによる広告等の情報マッチング方法に関する。コンピュータ２は，複数のウェブページのそれぞれのウェブページに含まれる単語を抽出する（ステップ３０１）。そして，それぞれのウェブページに関連する分類語を抽出する（ステップ３０２）。それぞれのウェブページへのアクセス情報と，それぞれのウェブページに関連する分類語（ウェブページの主意を示す分類語）とを関連付けて記憶する（ステップ３０３）。

図１２は，ある検索サイトの表示画面である。この検索サイトはサーチバー７１を含む。サーチバー７１に検索語が入力される。すると，クライアントは，サーチバーに入力された単語を記憶部に記憶する。この作業を，繰り返すと，クライアントにより入力された単語が複数記憶されることとなる。

そして，コンピュータ２は，クライアントの記憶部に記憶されたサーチバーに入力された単語を読み出す（ステップ３１１）。ここで読み出す情報はサーチバーに入力された単語に限定されず，ユーザによるアクション履歴のうち，いずれか又は２種以上でもよい。コンピュータ２は，この単語を用いて，分類語（ユーザの嗜好を示す分類語）を抽出する（ステップ３１２）。

アクション情報に含まれる単語としては，例えば，クライアントが，閲覧したウェブページに含まれる単語を用いる。また，クライアントが，閲覧したウェブページに含まれる単語群を用いて，データベースにアクセスし，抽出された分類語を用いる。

その後，コンピュータ２は，ウェブサイトの主意を示す分類語と，ユーザの嗜好を示す分類語とのマッチングを行う。これにより，ユーザの嗜好にマッチしたウェブページ，あるいは広告を媒介とした広告リンク先ウェブページを求める（ステップ３２１）。その後，コンピュータ２は，ユーザの嗜好にマッチしたウェブページへのリンク情報を含めたウェブページへのアクセス情報に表示させる（ステップ３２２）。図１３は，お薦め機能つき検索サイトのお薦め領域に，ユーザの嗜好にマッチしたウェブページの情報が表示された例を示す。またこれはユーザの嗜好にマッチした広告を媒介とした広告リンク先ウェブページであってもよい。図１３において，符号７２は，検索サイトのお薦め領域である。

実施例４は，本発明の第１の側面（データベースの構築方法），本発明の第２の側面（情報推奨方法）及び本発明の第３の側面（情報のマッチング方法）において用いられる分類語に関する。実施例４は，特に，あるウェブサイトの運営者によって付された分類語としてのタグに関する。

図１４は，あるニュースサイトの表示画面である。このニュースサイトはタグ８１を含む。このタグ８１は，ニュースサイトの運営者により付されたものである。タグ８１は，ウェブページ（「今日のニュース」）に含まれる文章に関連している。例えば，記事７３に記載されているニュースに登場した用語が，専門的である等の理由により，一般的な閲覧者では理解することが困難であると考えられる場合，このニュースサイトの運営者は，その用語をタグ８１とする。そして，運営者は，このタグに８１に，その用語を説明するサイトへのリンク情報を付しておく。これにより，ニュースサイトの閲覧者は，そのタグ８１を介して，その用語を説明するサイトへリンクすることができる。

例えば，本発明の第１の側面（データベースの構築方法）においては，単語群抽出手段により，このタグ８１と関連している記事７３から単語群を抽出する。（ステップ１０３）その後，数値化手段により，記事７３から抽出した単語群に含まれるそれぞれの単語について，記事７３における出現頻度を計測し，タグ８１（用語）とその単語の関連性を数値化する。（ステップ１０４）そして，タグ８１（用語）と，記事７３含まれる単語群及び単語群に含まれる単語について得られた関連性の数値を，コンピュータのデータベースに記憶する。（ステップ１０５）

実施例５は，本発明の第１の側面（データベースの構築方法），本発明の第２の側面（情報推奨方法）及び本発明の第３の側面（情報のマッチング方法）において用いられる分類語に関する。実施例５は，特に，ある投稿サイトの投稿者によって付された分類語としてのタグに関する。

図１５は，ある投稿サイト（いわゆるブログサイト）の表示画面である。このブログサイトはタグ８１を含む。このタグ８１は，投稿サイトの投稿者によって付されたものである。タグ８１は，ウェブページ（「今日の出来事」）に含まれる文章の内容を端的に表すために付されたものである。例えば，ブログ７４を作成した投稿者が，このブログ７４に記載された「今日の出来事」の内容を端的に表現したいと思った場合，そのブログを端的に表す単語をタグ８１とする。例えば，「今日の出来事」が，花見に行ったことや，団子を食べたことに関するブログである場合，タグ８１は，「花見」「団子」等とすることができる。また，ブログ７４に直接的に記載されていない単語であっても，「楽しい」「きれい」「×月×日」（日付）等をタグ８１とすることができる。またこのタグ８１には，他のウェブページへのリンク情報を付すことができる。この場合，例えば，投稿サイトの閲覧者が，「花見」のタグ８１をクリックすると，「花見」に関するブログを集めカテゴリー化したサイトへリンクすることができるようになっている。ウェブページの閲覧者は，このタグ８１を辿れば，タグに関する記事やブログがカテゴリー化されたサイトへリンクすることができる。また，このタグ８１の種類が，投稿サイトの運営者によって，予め作成されたものである場合，投稿者はその中から選択して用いることができる。

実施例６は，本発明の第１の側面（データベースの構築方法），本発明の第２の側面（情報推奨方法）及び本発明の第３の側面（情報のマッチング方法）において用いられる分類語に関する。実施例６は，特に，あるウェブサイトの運営者によって設けられた分類語としてのカテゴリーに関する。

図１６は，ある情報ポータルサイトの表示画面である。この情報ポータルサイトは，カテゴリー８２を含む。このカテゴリー８２は，情報ポータルサイトの運営者によって設けられたものである。また，このウェブサイトは，ツリー構造となっており，カテゴリー８２は，ツリー構造のディレクトリを表している。また，カテゴリー８２は，あらかじめウェブサイトの運営者が，ウェブページに表示される記事や文章などを，分野や領域別にまとめた索引情報である。例えば，情報ポータルサイトが，飲食店の検索に関するものである場合，ウェブページに付されたカテゴリー８２は，「全国＞関東＞東京」のように表示されている。これにより，現在開いているウェブページは，「東京」のカテゴリーに属し，このウェブページに表示されている単語群は，「東京」の飲食店に関連するものであることがわかる。また，このカテゴリー８２には，他のウェブページへのリンク情報を付すことができる。この場合，例えば，情報ポータルサイトの閲覧者が，「関東」のカテゴリー８２をクリックすると，「関東」の飲食店に関連する情報をカテゴリー化して集めたサイトへリンクすることができる。

例えば，本発明の第１の側面（データベースの構築方法）においては，単語群抽出手段により，このカテゴリー８２が含まれるウェブページから単語群を抽出する。（ステップ１０３）その後，数値化手段により，ウェブページから抽出した単語群に含まれるそれぞれの単語について，ウェブページにおける出現頻度を計測し，カテゴリーとその単語の関連性を数値化する。（ステップ１０４）そして，カテゴリー８２と，ウェブページ含まれる単語群及び単語群に含まれる単語について得られた関連性の数値を，コンピュータのデータベースに記憶する。（ステップ１０５）

実施例７は，本発明の第１の側面（データベースの構築方法），本発明の第２の側面（情報推奨方法）及び本発明の第３の側面（情報のマッチング方法）において用いられる分類語に関する。実施例７は，特に，ある投稿サイトの投稿者が選択した分類語としてのカテゴリーに関する。

図１７は，ある動画共有サイトの表示画面である。この動画共有サイトは，カテゴリー８２を含む。このウェブサイトは，ツリー構造となっており，カテゴリー８２は，ツリー構造のディレクトリを表している。このカテゴリー８２は，あらかじめ投稿サイトの運営者が用意した複数の分野や領域の中から投稿者自身が選択することによって割り当てられた索引情報である。例えば，ウェブページに付されたカテゴリー８２は，動画共有サイトにおいて閲覧できる「映画」「ドラマ」「アニメ」等のように表示されている。動画の投稿者は，このカテゴリー８２の中から，自らが投稿する動画に最も適していると考えるカテゴリーを選択して，投稿を行う。例えば，現在開いているウェブページは，「アニメ」のカテゴリーに属するため，このウェブページに表示されている単語群は，「アニメ」に関連するものであることがわかる。また，このカテゴリー８２には，他のウェブページへのリンク情報を付すことができる。この場合，例えば，動画共有サイトの閲覧者が，「ドラマ」のカテゴリー８２をクリックすると，「ドラマ」の動画に関連する情報をカテゴリー化して集めたサイトへリンクすることができる。

実施例８は，本発明の第１の側面（データベースの構築方法），本発明の第２の側面（情報推奨方法）及び本発明の第３の側面（情報のマッチング方法）において用いられる分類語に関する。実施例８は，分類語としてのタグ及びカテゴリーの両方が付されたウェブサイトに関する。

図１８は，ある情報ポータルサイトの表示画面である。この情報ポータルサイトは，タグ８１及びカテゴリー８２を含む。タグ８１は，投稿者によって付されたものであり，コメント７５の内容を端的に表示している。また，このカテゴリー８２は，情報ポータルサイトの運営者によって付されたものであり，分野や領域別にまとめられた索引情報となっている。

実施例９は，ウェブサイトに含まれる分類語と当該分類語を含むウェブサイトに含まれる単語群の関係性をスコア化するためのデータベースの構築方法に関する。特に，実施例９は，分類語群抽出工程を含むデータベースの構築方法に関する。

この例では，コンピュータ２が，複数のウェブページから，タグとしてウェブページ上に表示されている分類語群を抽出する。たとえば，ウェブページ上にタグとして「かわいい」が表示されていたとする。このウェブページには，タグ「かわいい」と関連した文章の中に「ペット」「ねこ」などの単語が含まれている。また，他のウェブページにはタグとして「きれい」や「かっこいい」が表示されていたとする。コンピュータ２は，このコンピュータ２と電子通信回線を介して接続されているこれらのウェブサイトから，分類語タグとしての「かわいい」，「きれい」及び「かっこいい」を抽出する（ステップ１００）。

そして，コンピュータ２は，ウェブサイトから抽出した，タグ「かわいい」，「きれい」，「かっこいい」うち，例えば「かわいい」を有する複数のウェブサイトを，電子通信回線を介して接続されているウェブサイトから，選定する（ステップ１０１）。

コンピュータ２は，選定したウェブサイトからテキストを適宜抽出して，ウェブサイトにおける文章に含まれる単語群を抽出する（ステップ１０２）。

コンピュータ２は，抽出された単語群の文字数を算出する。そして，たとえば，「ペット」という語の出現回数も算出する。また，コンピュータ２は，選定したウェブサイトの数を算定するとともに，選定したウェブサイトのうちいくつのサイトに「ペット」という語が出現したか算定する。そして，これらの情報を用いて，コンピュータ２は，単語群抽出工程で抽出した単語群に含まれるそれぞれの単語について，ウェブサイト選定工程で選定されたウェブサイトにおける頻度を計測し，ある分類語「かわいい」と単語「ペット」の関連性を数値化する（ステップ１０３）。

その後，コンピュータ２は，ある分類語「かわいい」と関連して，データベースに記憶されている単語「ペット」についての関連性の数値を更新する（ステップ１０４）。分類語「かわいい」について「ねこ」も同様にして関連性の数値を更新することができる。

この作業を，前記コンピュータ２がウェブサイトから抽出したタグである分類語「きれい」「かっこいい」についても繰り返し行うことで，ある分類語と関連のある単語及びその関連性の数値を記憶したデータベースを構築することができる。また，コンピュータ２に対し，ウェブサイトから分類語を抽出する処理を，定期的に行うように，プログラミングしておくことで，自動的かつリアルタイムにデータベースをアップデートすることができる。

本発明は情報通信技術に関するため，情報通信関連の分野において利用されうる。

２ コンピュータ
２１ ウェブサイト選定手段
２２ 単語群抽出手段
２３ 数値化手段
２４ 記憶手段
２５ データベース
２６ 区分分割手段
２７ 分類語群抽出手段

Claims (10)

1. ウェブサイトにタグ又はカテゴリーとして表示される複数の分類語と，前記複数の分類語のそれぞれの分類語について関連する１又は複数の単語と，前記１又は複数の単語の前記それぞれの分類語についての関連性の数値と，を関連付けて記憶したデータベースを用いたコンピュータによる情報マッチング方法であって，
   コンピュータが，前記コンピュータと電子通信回線で接続されたサーバが提供するウェブサイトから，前記ある分類語を有する複数のウェブサイトを選定するウェブサイト選定工程と，
   前記コンピュータが，前記ウェブサイト選定工程で選定されたウェブサイトにおける文章に含まれる単語群を抽出する単語群抽出工程と，
   前記コンピュータが，前記単語群抽出工程で抽出した単語群に含まれるそれぞれの単語について，前記ウェブサイト選定工程で選定されたウェブサイトに含まれる文章における頻度を計測し，前記ある分類語と前記それぞれの単語の関連性を数値化する数値化工程と，
   前記コンピュータが，前記ある分類語と関連して，前記ウェブサイト選定工程で選定されたウェブサイトにおける文章に含まれる単語群のそれぞれの単語及び前記単語群に含まれるそれぞれの単語について前記数値化工程で得られた数値とを前記コンピュータのデータベースに記憶させる記憶工程と，により，
   前記データベースを構築する工程と，
   複数のウェブページのそれぞれのウェブページに含まれる単語を抽出する第１の単語抽出工程と，
   前記第１の単語抽出工程で抽出した単語を用いて，前記データベースにアクセスし，前記データベースから分類語を抽出し，これによりそれぞれのウェブページに関連する分類語を抽出する，第１の分類語抽出工程と，
   前記それぞれのウェブページへのアクセス情報と，前記分類語抽出工程で抽出したそれぞれのウェブページに関連する分類語とを関連付けて記憶する関連分類語記憶工程と，
   あるクライアントがインターネット検索に用いた単語，又は前記あるクライアントが閲覧したウェブページに含まれる単語を抽出する第２の単語抽出工程と，
   前記第２の単語抽出工程で抽出した単語を用いて，前記データベースにアクセスし，前記データベースから分類語を抽出し，これによりそれぞれのクライアントに関連する分類語を抽出する，第２の分類語抽出工程と，
   前記第２の分類語抽出工程で抽出した分類語と，前記第１の分類語抽出工程で抽出した分類語とを用いて，前記第２の分類語抽出工程で抽出した分類語と関連のある分類語を有するウェブページを求めるウェブページ選択工程と，
   前記関連分類語記憶工程で記憶したウェブページへのアクセス情報から，前記ウェブページ選択工程により選択したウェブページへのアクセス情報を読み出して，前記クライアントに表示させるアクセス情報表示工程と，
   を含み，
   これにより，あるクライアントから読み取れるクライアントのユーザの嗜好と，その嗜好にふさわしいウェブページとをマッチングさせることができる，コンピュータによる情報マッチング方法。
   
2. 前記タグは，ウェブサイトにおける文章に含まれる単語群の主意を示すものとして当該ウェブサイトに表示されるテキスト情報である
   請求項１に記載の情報マッチング方法。
   
3. 前記タグは，ウェブサイトにおける文章に含まれる単語群に関連するものとして当該ウェブサイトに表示されるテキスト情報である
   請求項１に記載の情報マッチング方法。
   
4. 前記タグは，ウェブサイトにおける文章に含まれる単語群の意味を分類するものとして当該ウェブサイトにリンクとともに表示されるテキスト情報である
   請求項１に記載の情報マッチング方法。
   
5. 前記カテゴリーは，ツリー構造のウェブサイトのディレクトリを表すものとして当該ウェブサイトに表示されるテキスト情報である
   請求項１に記載の情報マッチング方法。
   
6. 前記カテゴリーは，ウェブサイトのコンテンツをあらかじめ分類した索引を表すものとして当該ウェブサイトに表示されるテキスト情報である
   請求項１に記載の情報マッチング方法。
   
7. 前記分類語は，他のウェブサイトへのリンク情報が付されている
   請求項１に記載の情報マッチング方法。
   
8. 前記ウェブサイト選定工程では，前記コンピュータが，ウェブサイトに振られている識別タグに基づいて，前記ある分類語を有する複数のウェブサイトを抽出する
   請求項１に記載の情報マッチング方法。
   
9. 前記コンピュータが，前記ウェブサイト選定工程で選定されたウェブサイトを，識別タグを解析することにより，複数の区分に分割する区分分割工程を，さらに有し，
   前記単語群抽出工程において，前記コンピュータが，前記区分割工程で分割されたウェブサイトの区分における文章のうち，前記ある分類語が含まれる区分における文章から単語群を抽出する，
   請求項１に記載の情報マッチング方法。
   
10. 前記コンピュータが，前記コンピュータと電子通信回線で接続された複数のウェブサイトから，ウェブサイト上に表示されるタグ又はカテゴリーとしての分類語群を抽出する分類語群抽出工程を，さらに有し
    前記ウェブサイト選定工程において，前記コンピュータが，前記コンピュータと電子通信回線で接続されたウェブサイトから，前記分類語群抽出工程で抽出された分類語群に含まれる，ある分類語を有する複数のウェブサイトを選定する，
    請求項１に記載の情報マッチング方法。

Images