JP4957796B2 - 差分算出プログラム、差分算出装置および差分算出方法 - Google Patents

Description

本発明は、Ｗｅｂページの差分情報を算出するのに有用な差分算出プログラム、差分算出装置および差分算出方法に関し、特に、異なる時期のＷｅｂページに含まれる情報から、利用者が必要とする特定の情報のみを対象とした差分情報を算出させることができる差分算出プログラム、差分算出装置および差分算出方法に関する。

近年、インターネットのＷｅｂページを利用して様々な情報が世界中に発信されている。そして、Ｗｅｂページ上の情報は頻繁に更新されている。下記特許文献１には、Ｗｅｂページが更新された場合に、更新された情報を赤字で表示することによって、どの部分が更新されたのかを一目で判別できるようにした技術が開示されている。

特開２００１−３４５２５号公報

ところが、従来の技術では、Ｗｅｂページに含まれる全ての情報を判別の対象としているため、例えば、本文は更新されていないのに、利用者にとっては不要な情報となるバナー広告等が更新された場合にも更新情報として表示されてしまう。

この発明は、上述した従来技術による問題点を解消するためになされたものであり、異なる時期のＷｅｂページに含まれる情報から、利用者が必要とする特定の情報のみを対象とした差分情報を算出させることができる差分算出プログラム、差分算出装置および差分算出方法を提供することを目的とする。

上述した課題を解決し、目的を達成するため、本発明に係る差分算出プログラムは、検索キーに基づいてＷｅｂページを収集する収集手順と、収集手順によって収集されたＷｅｂページから店舗名および予め定められた当該店舗名に付随する特定の抽出対象を抽出情報として抽出する抽出手順と、抽出手順によって抽出された抽出情報、および当該抽出情報を表示するＷｅｂページを特定するページ特定情報を、当該抽出情報の抽出時を特定する日付情報に対応付けて記憶させる記憶手順と、２つの比較対象時期が設定された場合に、当該２つの比較対象時期に合致する日付情報に対応付けて記憶されている前記店舗名の項目、および、当該店舗名と前記抽出対象の全組み合わせとの組み合わせの項目それぞれにカウントされた件数の差分情報に基づいて新たに追加された件数を算出する差分算出手順と、をコンピュータに実行させることを特徴とする。

また、本発明に係る差分算出装置は、検索キーに基づいてＷｅｂページを収集する収集手段と、収集手段によって収集されたＷｅｂページから店舗名および予め定められた当該店舗名に付随する特定の抽出対象を抽出情報として抽出する抽出手段と、抽出手段によって抽出された抽出情報、および当該抽出情報を表示するＷｅｂページを特定するページ特定情報を、当該抽出情報の抽出時を特定する日付情報に対応付けて記憶させる記憶手段と、２つの比較対象時期が設定された場合に、当該２つの比較対象時期に合致する日付情報に対応付けて記憶されている前記店舗名の項目、および、当該店舗名と前記抽出対象の全組み合わせとの組み合わせの項目それぞれにカウントされた件数の差分情報に基づいて新たに追加された件数を算出する差分算出手段と、を備えることを特徴とする。

また、本発明に係る差分算出方法は、検索キーに基づいてＷｅｂページを収集する収集工程と、収集工程において収集されたＷｅｂページから店舗名および予め定められた当該店舗名に付随する特定の抽出対象を抽出情報として抽出する抽出工程と、抽出工程において抽出された抽出情報、および当該抽出情報を表示するＷｅｂページを特定するページ特定情報を、当該抽出情報の抽出時を特定する日付情報に対応付けて記憶させる記憶工程と、２つの比較対象時期が設定された場合に、当該２つの比較対象時期に合致する日付情報に対応付けて記憶されている前記店舗名の項目、および、当該店舗名と前記抽出対象の全組み合わせとの組み合わせの項目それぞれにカウントされた件数の差分情報に基づいて新たに追加された件数を算出する差分算出工程と、をコンピュータが実行することを特徴とする。

これらの発明によれば、検索キーに基づいて収集されたＷｅｂページから予め定められた特定の抽出対象を抽出情報として抽出させることができ、この抽出情報と、Ｗｅｂページを特定するページ特定情報とを、抽出情報の抽出時を特定する日付情報に対応付けて記憶させることができるため、複数の比較対象時期が設定された場合に、この比較対象時期に合致する日付情報に対応付けて記憶されている抽出情報とページ特定情報との組数を件数として上記比較対象時期ごとにカウントし、カウントされた件数間の差分情報を算出させることができる。これにより、異なる時期のＷｅｂページに含まれる情報から、予め定められた特定の抽出対象に関する差分情報を算出させることができる。

また、本発明は、上記発明において、上記抽出手順は、予め記憶されている抽出規則に従って、収集手順によって収集されたＷｅｂページから前記店舗名を含む抽出情報を抽出することを特徴とする。

また、本発明は、上記発明において、抽出対象を表示するＷｅｂページを収集し、収集されたＷｅｂページに含まれる抽出対象の一部または全部と、当該抽出対象の一部または全部の直前または直後にある語句との組み合わせごとに、抽出対象に該当するか否かを示す抽出規則を生成する抽出規則生成手順をさらにコンピュータに実行させることを特徴とする。

本発明によれば、検索キーに基づいて収集されたＷｅｂページから予め定められた特定の抽出対象を抽出情報として抽出させることができ、この抽出情報と、Ｗｅｂページを特定するページ特定情報とを、抽出情報の抽出時を特定する日付情報に対応付けて記憶させることができるため、複数の比較対象時期が設定された場合に、この比較対象時期に合致する日付情報に対応付けて記憶されている抽出情報とページ特定情報との組数を件数として上記比較対象時期ごとにカウントし、カウントされた件数間の差分情報を算出させることができる。

すなわち、本発明によれば、異なる時期のＷｅｂページに含まれる情報から、利用者が必要とする特定の情報のみを対象とした差分情報を算出させることができるという効果を奏する。

以下に添付図面を参照して、この発明に係る差分算出プログラム、差分算出装置および差分算出方法の好適な実施形態を詳細に説明する。

まず、本実施例における差分算出装置の機能構成について説明する。図１は、差分算出装置の機能構成図である。同図に示すように、差分算出装置１０は、差分算出装置１０を全体制御する制御部１１と、制御部１１での処理に用いられる抽出規則ファイル１２１や抽出情報ファイル１２２を記憶する記憶部１２とを有する。

制御部１１は、Ｗｅｂページ収集部１１１と、情報抽出部１１２と、抽出情報整合部１１３と、抽出情報格納部１１４と、差分算出部１１５と、算出結果表示部１１６と、抽出規則生成部１１７とを有する。

ここで、図２を参照して、抽出情報ファイル１２２のデータ構成について説明する。図２は、抽出情報ファイルのデータ構成図である。抽出情報ファイル１２２は、データ項目として、例えば、店舗名、住所、電話番号、抽出ＵＲＬ、抽出日を有する。店舗名には、例えば、“Ａコンビニ新宿店”のように店舗を特定するための名称が格納され、住所には、店舗の所在地が格納され、電話番号には、店舗の電話番号が格納される。抽出ＵＲＬには、店舗名、住所、電話番号を表示するＷｅｂページのＵＲＬが格納され、抽出日には、Ｗｅｂページから店舗名・住所・電話番号が抽出された日付情報が格納される。

図１に示すＷｅｂページ収集部１１１は、利用者によって指定された検索キーに基づいてＷｅｂページを収集する。例えば、検索エンジンを用いて検索キーを含む情報が表示されているＷｅｂページのＵＲＬを収集し、このＵＲＬに対応するＷｅｂページを収集する。検索キーとしては、例えば、“コンビニエンスストア”、“Ａコンビニ”等が該当する。

情報抽出部１１２は、Ｗｅｂページ収集部１１１によって収集されたＷｅｂページから抽出対象を抽出する。この抽出対象は、利用者によって設定される情報であり、例えば、店舗に関する情報や、駐車場に関する情報等が該当する。抽出対象としては、一または複数の情報を設定することができる。本実施例では、抽出対象として、店舗名、住所、電話番号という三つの情報が設定されている場合について説明する。

なお、店舗名、住所、電話番号のうち、店舗名は必須の情報となり、住所と電話番号は店舗名に付随する情報となる。すなわち、収集されたＷｅｂページの中に、抽出対象となる店舗名が含まれている場合には、この店舗名に対応する住所や電話番号を抽出する。一方、収集されたＷｅｂページの中に、抽出対象となる店舗名が含まれていない場合には、住所や電話番号を抽出しない。また、情報抽出部１１２によって抽出される抽出情報には、少なくとも店舗名が含まれていればよい。

情報抽出部１１２が、抽出対象である店舗名、住所、電話番号をＷｅｂページから抽出するやり方について以下に説明する。最初に、通常のＷｅｂページから抽出対象を抽出するやり方について説明し、続いて、テーブルや箇条書き形式のＷｅｂページから抽出対象を抽出するやり方について説明する。

最初に、通常のＷｅｂページから抽出対象を抽出するやり方について説明する。この場合に、情報抽出部１１２は、抽出規則ファイル１２１に記憶されている抽出規則に従って、Ｗｅｂページ収集部１１１によって収集されたＷｅｂページから抽出対象である店舗名、住所、電話番号を抽出する。抽出規則とは、Ｗｅｂページに表示されている情報が、抽出対象に該当するか否かを判定する際に用いる規則や、Ｗｅｂページ内のどこを抽出するか否かを判定する際に用いる規則である。

ここで、例えば、店舗名には、“Ａコンビニ新宿店”のように、“Ａコンビニ”というコンビニエンスストアの店名を表す語と“新宿”というコンビニエンスストアの設置場所を表す語とを連結させているものがある。同じＷｅｂページ内に店名と場所とが分離して表示されている場合に、その表示が抽出対象である店舗名を表しているのか否かを一律に判定することは難しい。そこで、店舗名を含むＷｅｂページを収集し、店舗名や、店名、場所に関する表現を抽出する規則を作成した。そして、Ｗｅｂページに店名や場所が含まれている場合に、抽出規則を用いて、その表示が店舗名として表示されているのか否かを判定させることとした。

例えば、「Ａコンビニ新宿店に行きました」という情報が表示されているＷｅｂページと、「新宿でＡコンビニの看板を発見した」という情報が表示されているＷｅｂページとがあった場合に、前者のＷｅｂページには、“Ａコンビニ新宿店”という店舗名が含まれているが、後者のＷｅｂページには、“Ａコンビニ”という店名は含まれているものの店舗名までは含まれていないことになる。このような場合に、店舗名の抽出規則として、「“Ａコンビニ＋語句”であれば店舗名である」および「“Ａコンビニ＋の＋語句”であれば店舗名ではない」という抽出規則を用意しておけば、前者の場合には、Ｗｅｂページから“Ａコンビニ新宿店”という店舗名を抽出させることができ、後者の場合には、“Ａコンビニ”を店舗名として抽出させないことができる。

抽出規則は、例えば、抽出規則生成部１１７によって生成される。抽出規則生成部１１７は、抽出対象である店舗名を含むＷｅｂページを収集し、収集したＷｅｂページに含まれる店舗名の一部または全部と、この店舗名の一部または全部の直前または直後にある語句との組み合わせごとに、店舗名に該当するか否かを示す抽出規則を生成する。抽出規則を生成する場合に、店名の同義語辞書と、店舗名のうちの場所部分からなる店舗名一覧とを用いる。店名の同義語辞書には、例えば、“Ａコンビニ”、“Ａｃｏｎｖｅｎｉ”等が格納され、店舗名一覧には、例えば、“新宿店”、“渋谷店”等が格納される。

具体的には、最初に、店名の同義語辞書を用いて、“Ａコンビニ”を示す語を含む文章をＷｅｂページから抽出する。これにより、例えば、「Ａコンビニ新宿店で買い物をした」、「Ａコンビニ新宿店に行きました」、「新宿でＡコンビニの看板を発見した」という文章が抽出される。続いて、抽出した文章に、店舗名一覧に含まれる店舗名と合致する情報があるか否かを判定する。これにより、例えば、「Ａコンビニ新宿店でお買い物をした」、「Ａコンビニ新宿店に行きました」には、店舗名“Ａコンビニ新宿店”があり、「新宿でＡコンビニの看板を発見した」には、店舗名がないと判定される。続いて、この判定結果を用いて、「<店舗名>Ａコンビニ新宿店</店舗名>で買い物をした」、「<店舗名>Ａコンビニ新宿店</店舗名>に行きました」、「新宿でＡコンビニの看板を発見した」のような抽出箇所を「<店舗名>．．．</店舗名>」というタグで囲んだデータを用意し、教師あり学習手法を用いて抽出規則を生成する。これにより、例えば、「“Ａコンビニ＋語句”であれば店舗名である」、「“Ａコンビニ＋の＋語句”であれば店舗名ではない」のような抽出規則が生成される。

続いて、テーブルを含むＷｅｂページから抽出対象を抽出するやり方について説明する。この場合に、情報抽出部１１２は、Ｗｅｂページ収集部１１１によって収集されたＷｅｂページにテーブルが含まれているか否かを判定し、テーブルが含まれている場合に、そのテーブルに表示されている抽出対象である店舗名、住所、電話番号を抽出する。具体的には、最初に、Ｗｅｂページ収集部１１１によって収集されたＷｅｂページから、テーブルを表示させるためのタグ情報であるテーブルタグ（例えば、＜ｔａｂｌｅ＞、＜／ｔａｂｌｅ＞）が組み込まれているか否かを判定する。続いて、テーブルタグが組み込まれていると判定した場合に、テーブルタグに基づいて、テーブルがどのように構成されているのかを特定する。続いて、特定したテーブルから抽出対象である店舗名、住所、電話番号を抽出する。例えば、テーブルの表示属性として、店舗名、住所、電話番号を示す表示属性が設定されている場合には、これらの表示属性に従って格納されている店舗名、住所、電話番号を抽出する。一方、テーブルの表示属性として、店舗名、住所、電話番号を示す表示属性が設定されていない場合には、住所辞書および電話番号辞書を用いて、住所および電話番号の表示位置を特定し、この住所および電話番号の表示位置とテーブル構成とに基づいて店舗名の表示位置を予測して特定する。そして、各表示位置に格納されている店舗名、住所、電話番号を抽出する。

ここで、住所辞書を用いて、テーブル内に表示されている住所を特定するやり方について説明する。住所辞書には、住所一覧と丁番地規則とが含まれる。住所一覧には、住所から丁番地部分を除いた地名部分が格納される。丁番地規則には、丁番地として表示される形態の規則が格納される。丁番地規則としては、例えば、“＜地名＞￥ｄ＋−￥ｄ＋−￥ｄ”、“＜地名＞￥ｄ＋丁目￥ｄ＋番地￥ｄ＋号”等が該当する。ここで、＜地名＞は住所一覧の地名部分を示し、￥ｄは数字列を示し、＋は区切り記号を示す。このような住所規則を用意することで、例えば、テーブル内に表示されている情報が、住所一覧に合致する地名に続いて“４−１−１”や“４丁目１番地１号”である場合には、この情報が住所として特定される。

また、電話番号辞書を用いて、テーブル内に表示されている電話番号を特定するやり方について説明する。電話番号辞書には、電話番号規則が含まれる。電話番号規則には、電話番号として表示される形態の規則が格納される。電話番号規則としては、例えば、“０￥ｄ｛１｝−￥ｄ｛４｝−￥ｄ｛４｝”、“０￥ｄ｛２｝−￥ｄ｛３｝−￥ｄ｛４｝”等が該当する。ここで、￥ｄは｛｝内の数だけ連続する数字を示す。このような電話番号規則を用意することで、例えば、テーブル内に表示されている情報が“０３−１１１１−１１１１”や“０４４−５５５−５５５５”である場合には、この情報が電話番号として特定される。

続いて、箇条書き形式のＷｅｂページから抽出対象を抽出するやり方について説明する。箇条書き形式としては、例えば、Ｗｅｂページのテキスト中に、抽出対象である店舗名、住所、電話番号が繰り返し表示されている場合が該当する。この場合に、情報抽出部１１２は、同一の店舗に関する店舗名、住所、電話番号同士を関連付けてから抽出する。店舗名、住所、電話番号がテキスト形式で繰り返し表示されている場合には、店舗ごとの情報がどこで区切られているのかを識別する必要があるため、同一の店舗に関する情報を関連付ける必要がある。この関連付けの方法としては、店舗名、住所、電話番号のそれぞれが表示されている位置関係を検出し、各表示位置間の距離に応じて関連付けを行う。すなわち、表示位置が近いほど関連性が高いと判定し、ある所定の距離内に出現する最も近い情報同士を同一の店舗に関する情報であるとして関連付ける。ここでいう距離は、抽出対象である店舗名、住所、電話番号の間に出現する単語数のことをいう。なお、Ｗｅｂページに含まれる情報が、店舗名、住所、電話番号のいずれかに該当するか否かは、例えば、店舗名一覧や住所辞書、電話番号辞書等を用いて判定する。

抽出情報整合部１１３は、情報抽出部１１２によって抽出された店舗名、住所、電話番号を含む抽出情報を、例えば、正規化処理、名寄せ処理、フィルタリング処理等することで整合化する。正規化処理としては、例えば、小文字のアルファベットを大文字のアルファベットに変換することや、ひらがなをカタカナに変換することや、漢数字を算用数字に変換することや、ハイフン・スペースを削除することや、同義語辞書を用いて意味が同じである語を同一の語に変換することや、住所を郵便番号に変換すること等が該当する。名寄せ処理としては、例えば、抽出された複数の抽出情報を比較して、抽出情報に含まれる店舗名、住所、電話番号のうちの一部の内容が異なっている場合であっても類似度が高い場合には、同一の抽出情報としてまとめること等が該当する。フィルタリング処理としては、例えば、抽出された複数の抽出情報から特定のキーワードを含む抽出情報のみをさらに抽出すること等が該当する。

抽出情報格納部１１４は、抽出情報整合部１１３によって整合化された抽出情報を、この抽出情報が表示されているＷｅｂページのＵＲＬおよび抽出情報が抽出された抽出日に対応付けて抽出情報ファイル１２２に記憶させる。

差分算出部１１５は、利用者によって二つの比較対象時期が設定された場合に、それぞれの比較対象時期に属する抽出情報間の差分を算出する差分算出処理を実行する。具体的には、最初に、各比較対象時期に合致する抽出日を有する抽出情報レコードを抽出情報ファイル１２２から抽出する。続いて、抽出情報レコードの店舗名、住所、電話番号と抽出ＵＲＬとの組数を件数として、それぞれの比較対象時期ごとにカウントする。続いて、カウントした件数を用いて、二つの比較対象時期の差分情報を抽出することで、差分情報を算出する。この算出された差分情報を解析することで、二つの比較対象時期における店舗数の増減等を把握することができる。

また、差分算出部１１５は、それぞれの比較対象時期ごとに抽出された抽出情報に含まれる店舗名同士を比較して、新規に開店された店舗および閉店された店舗を特定する。具体的には、二つの比較対象時期のうちの後の比較対象時期で抽出された抽出情報に含まれる店舗名が、前の比較対象時期で抽出された抽出情報に含まれていない場合には、その店舗名に対応する店舗が新規に開店された店舗であると特定する。一方、前の比較対象時期で抽出された抽出情報に含まれる店舗名が、後の比較対象時期で抽出された抽出情報に含まれていない場合には、その店舗名に対応する店舗が閉店された店舗であると特定する。なお、利用者によって設定される比較対象時期は二つの比較対象時期に限定されず、三つ以上の複数の比較対象時期であってもよい。

算出結果表示部１１６は、２種類の差分算出結果をモニタに表示させる。一つめの差分算出結果は、差分算出部１１５によって特定された開店店舗および閉店店舗に関する差分算出結果であり、二つめの差分算出結果は、差分算出部１１５によって算出された差分情報に基づいて表示される差分算出結果である。

図３を参照して一つめの差分算出結果について説明する。図３は、差分算出結果のイメージ図である。同図は、差分算出部１１５によって特定された開店店舗および閉店店舗に関する情報を表示したものである。同図に示すように、Ａコンビニ広尾店は、利用者によって設定された二つの比較対象時期のうちの前の比較対象時期から後の比較対象時期までの間に新規に開店された店舗であることが示されており、Ａコンビニ上野店は、利用者によって設定された二つの比較対象時期のうちの前の比較対象時期から後の比較対象時期までに閉店された店舗であることが示されている。

図４を参照して二つめの差分算出結果について説明する。図４は、差分算出結果のイメージ図である。同図は、差分算出部１１５によって算出された２月１日と４月１日におけるＡコンビニに関する抽出対象間の差分を表示したものである。同図を参照すると、Ａコンビニの店舗名と住所と電話番号の全てが表示されているＷｅｂページは、２月は１９０件抽出されたのに対し、４月は１７５件となり、２月から４月の間で１５件減少したことがわかる。そして、４月の１７５件の内訳として、１５０件が２月から継続して維持されているものであり、３件が２月には店舗名と住所が表示されているＷｅｂページから抽出されていたものであり、残りの２２件が２月から４月の間に新規に開店されたものとして示されている。また、Ａコンビニの店舗名と電話番号が表示されているＷｅｂページは、２月は４０件抽出されたのに対し、４月は４１件となり、２月から４月の間で１件増加したことがわかる。そして、４月の４１件の内訳として、３９件が２月から継続して維持されているものであり、残りの２件が２月から４月の間に新規に開店されたものとして示されている。

同様にして、Ａコンビニの店舗名と住所が表示されているＷｅｂページは、２月は８５件抽出されたのに対し、４月は９８件となり、２月から４月の間で１３件増加したことがわかる。そして、４月の９８件の内訳として、１件が２月には店舗名と住所と電話番号の全てが表示されているＷｅｂページから抽出されていたものであり、８０件が２月から継続して維持されているものであり、５件が２月には店舗名のみが表示されているＷｅｂページから抽出されていたものであり、残りの１２件が２月から４月の間に新規に開店されたものとして示されている。また、Ａコンビニの店舗名のみが表示されているＷｅｂページは、２月は７７件抽出されたのに対し、４月は６０件となり、２月から４月の間で１７件減少したことがわかる。そして、４月の６０件の内訳として、１件が２月には店舗名と電話番号が表示されているＷｅｂページから抽出されていたものであり、２件が２月には店舗名と住所が表示されているＷｅｂページから抽出されていたものであり、５５件が２月から継続して維持されているものであり、残りの２件が２月から４月の間に新規に開店されたものとして示されている。

次に、図５を参照して、本実施例における差分算出装置１０の処理手順のうち、抽出対象を抽出して記憶させるまでの処理手順について説明する。図５は、差分算出装置１０の処理手順を示すフローチャートである。この処理手順では、検索キーとして“Ａコンビニ”が指定され、抽出対象として店舗名、住所、電話番号が設定されている場合の手順について説明する。

最初に、差分算出装置１０のＷｅｂページ収集部１１１は、利用者によって指定された“Ａコンビニ”という検索キーに基づいて、“Ａコンビニ”を含む情報が表示されているＷｅｂページのＵＲＬを収集し（ステップＳ１０１）、このＵＲＬに対応するＷｅｂページを収集する（ステップＳ１０２）。

続いて、差分算出装置１０の情報抽出部１１２は、Ｗｅｂページ収集部１１１によって収集されたＷｅｂページから抽出対象である店舗名、住所、電話番号を抽出する（ステップＳ１０３）。

続いて、差分算出装置１０の抽出情報整合部１１３は、情報抽出部１１２によって抽出された店舗名、住所、電話番号を含む抽出情報を、例えば、正規化処理、名寄せ処理、フィルタリング処理等することで整合化する（ステップＳ１０４）。

続いて、差分算出装置１０の抽出情報格納部１１４は、抽出情報整合部１１３によって整合化された抽出情報を、抽出情報が表示されているＷｅｂページのＵＲＬおよび抽出情報が抽出された抽出日に対応付けて抽出情報ファイル１２２に記憶させる（ステップＳ１０５）。

次に、図６を参照して、本実施例における差分算出装置１０の処理手順のうち、二つの比較対象時期を指定して算出結果を表示させるまでの処理手順について説明する。図６は、差分算出装置１０の処理手順を示すフローチャートである。この処理手順では、二つの比較対象時期として“２月１日”と“４月１日”が指定され、抽出対象として店舗名、住所、電話番号が設定されている場合の手順について説明する。

最初に、差分算出装置１０を利用する利用者の操作指示によって、二つの比較対象時期として“２月１日”と“４月１日”が指定された場合（ステップＳ２０１）に、差分算出装置１０の差分算出部１１５は、それぞれの比較対象時期に属する抽出情報間の差分を算出する差分算出処理を実行する（ステップＳ２０２）。

続いて、差分算出装置１０の算出結果表示部１１６は、差分算出部１１５によって算出された差分情報に基づいて、例えば、図４に示す差分算出結果をモニタに表示させる（ステップＳ２０３）。

上述してきたように、本実施例の差分算出装置１０では、検索キーに基づいて収集されたＷｅｂページから予め定められた特定の抽出対象を抽出情報として抽出させることができ、この抽出情報と、Ｗｅｂページを特定するページ特定情報とを、抽出情報の抽出時を特定する日付情報に対応付けて記憶させることができる。また、複数の比較対象時期が設定された場合に、この比較対象時期に合致する日付情報に対応付けて記憶されている抽出情報とページ特定情報との組数を件数として上記比較対象時期ごとにカウントし、カウントされた件数間の差分情報を算出させることができる。これにより、異なる時期のＷｅｂページに含まれる情報から、予め定められた特定の抽出対象に関する差分情報を算出させることができる。

なお、図１に示した本実施例における差分算出装置１０の構成は、本発明の要旨を逸脱しない範囲で種々に変更することができる。例えば、差分算出装置１０の制御部１１の機能をソフトウェアとして実装し、これをコンピュータで実行することにより、差分算出装置１０と同等の機能を実現することもできる。以下に、制御部１１の機能をソフトウェアとして実装した差分算出プログラム１０７１を実行するコンピュータの一例を示す。

図７は、このコンピュータ１０００は、各種演算処理を実行するＣＰＵ（Central Processing Unit）１０１０と、利用差分算出プログラムを実行するコンピュータの機能構成図である。者からのデータの入力を受け付ける入力装置１０２０と、各種情報を表示するモニタ１０３０と、記録媒体からプログラム等を読み取る媒体読取装置１０４０と、ネットワークを介して他のコンピュータとの間でデータの授受をおこなう通信装置１０５０と、各種情報を一時記憶するＲＡＭ（Random Access Memory）１０６０と、ハードディスク装置１０７０とをバス１０８０で接続して構成される。

そして、ハードディスク装置１０７０には、図１に示した制御部１１と同様の機能を有する差分算出プログラム１０７１と、図１に示した記憶部１２に記憶される各種データに対応する差分算出用データ１０７２とが記憶される。なお、差分算出用データ１０７２を、適宜分散させ、ネットワークを介して接続された他のコンピュータに記憶させておくこともできる。

そして、ＣＰＵ１０１０が差分算出プログラム１０７１をハードディスク装置１０７０から読み出してＲＡＭ１０６０に展開することにより、差分算出プログラム１０７１は、差分算出プロセス１０６１として機能するようになる。そして、差分算出プロセス１０６１は、差分算出用データ１０７２から読み出した情報等を適宜ＲＡＭ１０６０上の自身に割り当てられた領域に展開し、この展開したデータ等に基づいて各種データ処理を実行する。

なお、差分算出プログラム１０７１は、必ずしもハードディスク装置１０７０に格納されている必要はなく、ＣＤ−ＲＯＭ等の記憶媒体に記憶されたこのプログラムを、コンピュータ１０００が読み出して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等を介してコンピュータ１０００に接続される他のコンピュータ（またはサーバ）等にこのプログラムを記憶させておき、コンピュータ１０００がこれらからプログラムを読み出して実行するようにしてもよい。

以上のように、本発明にかかる差分算出プログラム、差分算出装置および差分算出方法は、Ｗｅｂページの差分情報を算出するのに有用な差分算出プログラム、差分算出装置および差分算出方法に関し、特に、異なる時期のＷｅｂページに含まれる情報から、利用者が必要とする特定の情報のみを対象とした差分情報を算出させることに適している。

図１は、差分算出装置の機能構成図である。 図２は、抽出情報ファイルのデータ構成図である。 図３は、差分算出結果のイメージ図である。 図４は、差分算出結果のイメージ図である。 図５は、差分算出装置の処理手順を示すフローチャートである。 図６は、差分算出装置１０の処理手順を示すフローチャートである。 図７は、差分算出プログラムを実行するコンピュータの機能構成図である。

１０ 差分算出装置
１１ 制御部
１２ 記憶部
１１１ Ｗｅｂページ収集部
１１２ 情報抽出部
１１３ 抽出情報整合部
１１４ 抽出情報格納部
１１５ 差分算出部
１１６ 算出結果表示部
１１７ 抽出規則生成部
１２１ 抽出規則ファイル
１２２ 抽出情報ファイル
１０００ コンピュータ
１０１０ ＣＰＵ
１０２０ 入力装置
１０３０ モニタ
１０４０ 媒体読取装置
１０５０ 通信装置
１０６０ ＲＡＭ
１０６１ 差分算出プロセス
１０７０ ハードディスク装置
１０７１ 差分算出プログラム
１０７２ 差分算出用データ
１０８０ バス

Claims (5)

1. 検索キーに基づいてＷｅｂページを収集する収集手順と、
   前記収集手順によって収集されたＷｅｂページから店舗名および予め定められた当該店舗名に付随する特定の抽出対象を抽出情報として抽出する抽出手順と、
   前記抽出手順によって抽出された前記抽出情報、および当該抽出情報を含むＷｅｂページを特定するページ特定情報を、当該抽出情報の抽出時を特定する日付情報に対応付けて記憶させる記憶手順と、
   ２つの比較対象時期が設定された場合に、当該２つの比較対象時期に合致する前記日付情報に対応付けて記憶されている前記店舗名の項目、および、当該店舗名と前記抽出対象の全組み合わせとの組み合わせの項目それぞれにカウントされた件数の差分情報に基づいて新たに追加された件数を算出する差分算出手順と、
   をコンピュータに実行させることを特徴とする差分算出プログラム。
2. 前記抽出手順は、予め記憶されている抽出規則に従って、前記収集手順によって収集されたＷｅｂページから前記店舗名を含む抽出情報を抽出することを特徴とする請求項１記載の差分算出プログラム。
3. 前記抽出対象を表示するＷｅｂページを収集し、収集されたＷｅｂページに含まれる前記抽出対象の一部または全部と、当該抽出対象の一部または全部の直前または直後にある語句との組み合わせごとに、前記抽出対象に該当するか否かを示す前記抽出規則を生成する抽出規則生成手順を、さらにコンピュータに実行させることを特徴とする請求項２記載の差分算出プログラム。
4. 検索キーに基づいてＷｅｂページを収集する収集手段と、
   前記収集手段によって収集されたＷｅｂページから店舗名および予め定められた当該店舗名に付随する特定の抽出対象を抽出情報として抽出する抽出手段と、
   前記抽出手段によって抽出された前記抽出情報、および当該抽出情報を含むＷｅｂページを特定するページ特定情報を、当該抽出情報の抽出時を特定する日付情報に対応付けて記憶させる記憶手段と、
   ２つの比較対象時期が設定された場合に、当該２つの比較対象時期に合致する前記日付情報に対応付けて記憶されている前記店舗名の項目、および、当該店舗名と前記抽出対象の全組み合わせとの組み合わせの項目それぞれにカウントされた件数の差分情報に基づいて新たに追加された件数を算出する差分算出手段と、
   を備えることを特徴とする差分算出装置。
5. 検索キーに基づいてＷｅｂページを収集する収集工程と、
   前記収集工程において収集されたＷｅｂページから店舗名および予め定められた当該店舗名に付随する特定の抽出対象を抽出情報として抽出する抽出工程と、
   前記抽出工程において抽出された前記抽出情報、および当該抽出情報を含むＷｅｂページを特定するページ特定情報を、当該抽出情報の抽出時を特定する日付情報に対応付けて記憶させる記憶工程と、
   ２つの比較対象時期が設定された場合に、当該２つの比較対象時期に合致する前記日付情報に対応付けて記憶されている前記店舗名の項目、および、当該店舗名と前記抽出対象の全組み合わせとの組み合わせの項目それぞれにカウントされた件数の差分情報に基づいて新たに追加された件数を算出する差分算出工程と、
   をコンピュータが実行することを特徴とする差分算出方法。

Images