JP3705331B2 - ハイパーテキスト解析装置及び方法、ハイパーテキスト解析プログラムを記録した記憶媒体 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、ネットワーク上に構成されるハイパーテキストシステムにおいて、その構成の優劣を判断するための知識を発見するためにハイパーリンク構造を解析するハイパーテキスト解析装置及びハイパーテキスト解析方法と、そのハイパーテキスト解析装置または方法をコンピュータで実現するためのハイパーテキスト解析プログラムを記録した記録媒体に関するものである。
【０００２】
【従来の技術】
ネットワーク上に構成されるハイパーテキストシステム（例えば、ＷｏｒｌｄＷｉｄｅ Ｗｅｂ：以降Ｗｅｂと略す）では、ハイパーテキストを格納しているサーバにおいてユーザ（訪問者）のアクセス履歴を記録することができる。このアクセス履歴には、一般に、アクセスしてきたユーザが使用しているコンピュータの識別子（インターネットを利用しているのであればＩＰアドレス）、アクセスしてきた時刻、アクセスしたノードのサーバ上での識別子（ＷｅｂではＵＲＬ）が含まれる。
【０００３】
アクセス履歴を解析して、個々のユーザが遷移したハイパーリンクの経路を特定するには、基本的には、各コンピュータ毎にアクセスしたノードを時刻順に並べればよい。しかし、コンピュータのキャッシュ機能等により完全な経路を特定することは困難であった。
【０００４】
これに対し、例えば、Ｃ．Ｓｈａｈａｂｉ，Ａ．Ｍ．Ｚａｒｋｅｓｈ，Ｊ．Ａｄｉｂｉ，ａｎｄ Ｖ．Ｓｈａｈ，“Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙｆｒｏｍ Ｕｓｅｒｓ Ｗｅｂ−Ｐａｇｅ Ｎａｖｉｇａｔｉｏｎ”，ｉｎ Ｐｒｏｃ． ｏｆ ＩＥＥＥ ＲＩＤＥ， １９９７．では、リモートエージェントを使うことによりキャッシュへのアクセスを認識している。これによって、より正確な経路を得ることができるようになった。ただし、ユーザのコンピュータ側でリモートエージェントプログラムをロードするためのコスト（時間とスペース）が犠牲となるという不具合がある。
【０００５】
アクセス履歴を利用して重要経路を発見する技術としては、例えば、Ｊ．Ｂｏｒｇｅｓ ａｎｄ Ｍ．Ｌｅｖｅｎｅ，“Ｍｉｎｉｎｇ Ａｓｓｏｃｉａｔｉｏｎ Ｒｕｌｅｓ ｉｎ Ｈｙｐｅｒｔｅｘｔ Ｄａｔａｂａｓｅｓ”，ｉｎ Ｐｒｏｃ． ｏｆ ＫＤＤ，１９９８．に記載されている技術がある。この技術は、まずアクセス履歴を収集して、ハイパーリンクのトラフィック量を重みとする有向グラフでハイパー構造を表現する。この有向グラフにおいて、ノードＡからノードＢへの遷移をＡ→Ｂと記し、これを結合規則と呼ぶ。結合規則は、コンフィデンス値（＝Ａを起点とする遷移の総数に対するＡ→Ｂの遷移の総数）とサポート値（＝有向グラフ中のすべてのアークの遷移数の平均値に対するＡ→Ｂの遷移の総数）によって評価される。さらに、結合規則を合成した合成結合規則（Ａ→Ｂ）＆（Ｂ→Ｃ）＆（Ｃ→Ｄ）＆．．．を定義して３つ以上のノードの遷移を評価している。
【０００６】
この手法では、コンピュータ識別子（ＩＰアドレス）の情報は利用していないので、合成結合規則においては、単にトラフィック量が多いハイパーリンクの組み合わせ経路を発見しているに過ぎない。例えば、（Ａ→Ｂ）＆（Ｂ→Ｃ）という合成結合規則が、高いコンフィデンス値とサポート値を持っていることがわかったとしても、実際に、Ａ→Ｂ→Ｃという経路を辿ったユーザが多かったとは限らない。
【０００７】
このように従来技術によって、ユーザのアクセス経路を特定したり、重要経路を発見することは可能である。しかし、ハイパーテキストシステム（例えば、Ｗｅｂサイト）の構成の優劣を判断するような知識を得ることはできなかった。
【０００８】
【発明が解決しようとする課題】
本発明は、上述した事情に鑑みてなされたもので、アクセス履歴からユーザのアクセス傾向を認識できるとともに、ハイパーテキストシステムの構成の優劣を判断するような知識を得ることを支援するハイパーテキスト解析装置及びハイパーテキスト解析方法を提供することを目的とするものである。また、そのハイパーテキスト解析装置または方法をコンピュータで実現するためのハイパーテキスト解析プログラムを記録した記録媒体を提供することを目的とするものである。
【０００９】
【課題を解決するための手段】
本発明は、ハイパーテキストシステムへのアクセス履歴情報に基づいて該ハイパーテキストシステムを構成するノードに対してクラスタリングを行い、得られた各クラスタについて該クラスタを構成するノード間のハイパーリンク結束度を計算し、計算したハイパーリンク結束度を表示することを特徴とするものである。表示されるハイパーリンク結束度は、ユーザがアクセスした履歴に基づいた値であるから、ユーザのアクセス傾向を示している。そのため、ハイパーリンク結束度を得ることによって、例えばハイパーテキストシステム（例えばＷｅｂサイト）のハイパーリンク構成などとともに、ハイパーテキストシステムの構成の優劣を判断することが可能となる。
【００１０】
【発明の実施の形態】
図１は、本発明の第１の実施の形態を示す構成図、図２は、Ｗｅｂの一例の説明図である。図中、１はＷｅｂサーバ、２はハイパーテキスト解析装置、１１はアクセス履歴情報、２１はアクセス傾向解析部、２２はハイパーリンク構成解析部、２３はハイパーリンク結束度表示部である。ネットワーク上に構成されるハイパーテキストシステムのなかで代表的なものはＷｅｂである。以下、Ｗｅｂを例として説明する。
【００１１】
Ｗｅｂサーバ１は、ネットワーク上で情報を発信する手段である。Ｗｅｂサーバ１には、図２に示すように、ユーザに提供したい情報がノード（矩形で示す）とハイパーリンク（矢線で示す）によるハイパー構造で貯えられている。ユーザはＷｅｂサーバ１にアクセスすることでコンテンツを入手できる。このとき、Ｗｅｂサーバ１では、一般に、ユーザのアクセスがある毎に、ユーザのコンピュータを識別するためのコンピュータ識別子（ＩＰアドレス）とアクセス時刻とユーザのアクセスしたノードのあるアドレス（ＵＲＬ）をアクセス履歴情報１１として記録している。
【００１２】
ハイパーテキスト解析装置２は、アクセス傾向解析部２１，ハイパーリンク構成解析部２２，ハイパーリンク結束度表示部２３などを有している。アクセス傾向解析部２１は、Ｗｅｂサーバ１上のノード群に対し、それぞれに対応するアクセス履歴情報１１を用いてクラスタリングの処理を施す。このクラスタリングの処理には既存の技術を使用することができる。例えば、Ａｇｇｌｏｍｅｒａｔｉｖｅ Ｈｉｅｒａｒｃｈｉｃａｌ Ｃｌｕｓｔｅｒｉｎｇによるクラスタリングの方法では、以下の１，２，３のステップを行う。
１．Ｗｅｂサーバ１上の各ノードをそれぞれ一つのクラスタとする。
２．各クラスタ間の類似度を計算し、最大類似度を持つクラスタ同士を一つのクラスタにマージする。
３．クラスタが一つになるまで２の処理を繰り返す。
この過程の途中で順次生成されるそれぞれのクラスタをクラスタリングの処理結果として得る。例えば１．の処理において生成される各ノードのみのクラスタ、そのクラスタをマージした各クラスタ、最後に生成された１つのクラスタなどがクラスタリング結果となる。なお、上述のクラスタリングの方法は、例えば、Ｅ．Ｍ．Ｖｏｏｒｈｅｅｓ，“Ｉｍｐｌｅｍｅｎｔｉｎｇ Ａｇｇｌｏｍｅｒａｔｉｖｅ Ｈｉｅｒａｒｃｈｉｃａｌ Ｃｌｕｓｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｕｓｅ ｉｎ Ｄｏｃｕｍｅｎｔ Ｒｅｔｒｉｅｖａｌ”，Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ＆Ｍａｎａｇｅｍｅｎｔ，Ｖｏｌ．２２，Ｎｏ．６，１９８６等に記載されている。
【００１３】
アクセス傾向解析部２１では、上述のクラスタリング処理の２．の処理における類似度計算において、アクセス履歴情報１１の重複度合いを利用する。具体的には、例えば、アクセス履歴情報１１の中のＩＰアドレスに注目して、クラスタ間で共有するＩＰアドレスの数を類似度と定義する。または、クラスタ間で共有するＩＰアドレスの数を当該二つのクラスタが持つ全てのＩＰアドレスの数で割った値を類似度と定義する。ここで、クラスタが持つＩＰアドレスとは、クラスタを構成する各ノードへのアクセス履歴を全てマージして、その中に出現するＩＰアドレスのことである。ＩＰアドレスの数は、このようなＩＰアドレスから重複を排除した異なるＩＰアドレスを計数した値とすることができる。なお、ＩＰアドレスを用いる代わりに、例えばアクセス履歴情報１１中のアクセス時刻を用いてもよい。この場合、秒や分単位ではなく日付や月の単位で取り扱うとよい。
【００１４】
あるいは、類似度計算として、各クラスタを該クラスタに対応するアクセス履歴情報１１を項とし、該アクセス履歴情報の出現頻度を該項の値とするようなベクトルを生成して、ベクトル間の内積値の大小を類似度として用いてもよい。
【００１５】
ハイパーリンク構成解析部２２は、アクセス傾向解析部２１で生成された各クラスタについて、クラスタを構成するノード間のハイパーリンク結束度（以下、単に結束度と呼ぶ）を計算する。結束度は、例えば、ノード間に一つ以上のハイパーリンクが存在すれば、そのノード間には結合があると定義したときに、クラスタを構成するノード間結合の総数を、クラスタを構成する全てのノードから二つを選ぶ組み合わせ数で割った値とすることができる。すなわち、ノード間結合の総数をＬ、ノード数をＮとしたとき、
結束度＝Ｌ／_ＮＣ_２
で計算することができる。ハイパーリンク構成解析部２２で計算した、各クラスタの結束度の値は、ハイパーリンク結束度表示部２３に渡される。
【００１６】
ハイパーリンク結束度表示部２３は、ハイパーリンク構成解析部２２で計算された結束度の値を、利用しやすい形態で表示する。図３は、ハイパーリンク結束度表示部による表示の一例の説明図である。例えば、結束度の値をいくつかのセグメントに分け、各セグメントに入るクラスタの数を棒グラフで表示することができる。図３では、クラスタ数の分布を縦軸とし、結束度を横軸として、二つのＷｅｂサイト（ＷｅｂサイトＡとＷｅｂサイトＢ）について並べて表示したものである。前述のように、各クラスタはアクセス履歴情報を基に構成されているので、各クラスタを構成するノード群は、例えば、同一のユーザから前後してアクセスされる傾向が強いものである。ノード群の結束度が高いと、ユーザにとってはノード間遷移のための経路が多数提供されることになるので効率よくブラウジングできることになる。一方、該ノード群の結束度が低いとブラウジング効率は悪くなる。図３では、ＷｅｂサイトＡの方は結束度が低いクラスタが多数あり、ＷｅｂサイトＢの方は結束度が高いクラスタが多数あるということが一目でわかる。この表示によって、ＷｅｂサイトＢの方がＷｅｂサイトＡよりも優れた構成でハイパーテキストシステムが構築されていると容易に判断できる。
【００１７】
ハイパーリンク結束度表示部２３は、図３に示す表示形態のほか、各種の表示形態により結束度を表示することが可能である。図４は、ハイパーリンク結束度表示部による表示の別の例の説明図である。図４に示した例では、クラスタのサイズと結束度の値の関係を表示している。図中の点は、それぞれがクラスタを示している。クラスタのサイズとしては、例えば、クラスタを構成するノード数や、クラスタを構成する各ノードが持つ単語の総数や、クラスタを構成する各ノードのファイルサイズの総計などを用いることができる。図４に示した例では、クラスタのサイズとしてクラスタを構成するノード数を用いて表示した例を示している。このような表示を行った場合、同じクラスタサイズであれば、結束度が高いほど優れた構成であると判断することができる。また、このような表示によって、クラスタサイズに注目しながら、各クラスタの構成の優劣を俯瞰することができる。
【００１８】
図５は、ハイパーリンク結束度表示部による表示の別の例においてクラスタを選択した場合の表示例の説明図である。図４に示したような結束度の表示が行われているとき、クラスタを表す点をマウス等のポインティングデバイスで選択すると、図５に示すように、選択されたクラスタを構成するノードのＵＲＬ（識別子）を表示できるように構成することができる。あるいは、ＵＲＬではなく、ノードのタイトルを表示してもよい。さらに、図５に示すように表示されたノード（ＵＲＬで表示されている）をマウス等のポインティングデバイスで選択すると、ネットワークを通じて選択したノードにアクセスして、そのノードのコンテンツを獲得し、そのコンテンツを表示するようにしてもよい。このような表示によって、Ｗｅｂサイトの管理者は、Ｗｅｂサイト内の問題箇所にアクセスしてコンテンツを参照することができ、さらに編集することができるので、Ｗｅｂサイト内の構成を容易に改善して行くことができる。
【００１９】
図６は、ハイパーリンク結束度表示部による表示の別の例においてクラスタを選択した場合の別の表示例の説明図である。図５に示した例と同様に、図４に示したような結束度の表示が行われているとき、クラスタを表す点をマウス等のポインティングデバイスで選択することにより、図６に示すように選択したクラスタを構成するノードとそのノード間のハイパーリンクを表示することもできる。ここで、ノードのラベル（図６中では、Ｎ１，Ｎ２，…，Ｎ１０）は、ＵＲＬでもタイトルでもよい。このような表示を行うことによって、Ｗｅｂサイトの管理者は、Ｗｅｂサイト内の問題箇所を容易に発見することができる。例えば図６に示したクラスタ内のハイパーリンクの表示例では、Ｎ１〜Ｎ７とＮ８〜Ｎ１０の間にハイパーリンクがないのでユーザは両グループ間を容易に行き来できないことがわかる。
【００２０】
図７は、ハイパーリンク結束度表示部による表示のさらに別の例の説明図である。この例では、クラスタ内のノード間の類似度と結束度の値との関係を表示した例を示している。クラスタ内のノード間の類似度としては、例えばアクセス傾向解析部２１においてクラスタ生成時に用いた類似度の値を用いることができる。このような表示において、同じクラスタ内類似度であれば、結束度が高いほど優れた構成であると判断することができる。このような表示によって、クラスタ内のノード間の類似度に注目しながら、各クラスタの構成の優劣を俯瞰することができる。
【００２１】
なお、ハイパーリンク結束度表示部２３では、上述の各例に示した表示形態によらず、任意の形態で結束度を表示させることができる。
【００２２】
図８は、本発明の第２の実施の形態を示す構成図である。図中、図１と同様の部分には同じ符号を付して説明を省略する。２４は識別子獲得部である。識別子獲得部２４は、アクセス履歴情報１１の中からＷｅｂサーバ１上の各ノード毎に予め定めたある一定期間にアクセスしてきたコンピュータの識別子（例えばＩＰアドレス）を獲得する。
【００２３】
アクセス傾向解析部２１は、第１の実施の形態と同様に、Ｗｅｂサーバ１上のノード群に対し、それぞれに対応するアクセス履歴情報１１を用いてクラスタリングの処理を施す。このクラスタリングの処理において類似度を計算する際に、識別子獲得部２４において獲得したコンピュータの識別子の重複度合いを利用することができる。
【００２４】
図９は、識別子獲得部における処理の一例を示すフローチャートである。まず、Ｓ３１において、アクセス履歴情報１１の中から、予め定められた期間内のアクセスに関するものだけを抽出し、残りを破棄する。Ｓ３２において、Ｓ３１で抽出されたアクセス履歴情報１１に存在する全てのコンピュータ識別子（ＩＰアドレス）のうちの異なる識別子の数（異なり数）Ｎを求める。次にＳ３３において、アクセス履歴情報１１に存在する全てのノードについて、各ノード毎に次元数Ｎのベクトルを生成する。ここで、ベクトルの各項は、アルファベットの昇順（あるいは降順）に並べた互いに異なるコンピュータ識別子（ＩＰアドレス）に対応する。各項の初期値は０としておく。次にＳ３４において、アクセス履歴情報１１の中から各ノードにアクセスしてきたコンピュータのコンピュータ識別子（ＩＰアドレス）を取り出し、対応するベクトルの項に１を加える。この処理を、アクセス履歴情報１１すべてについて、順に行う。
【００２５】
このようにして得られたＮ次元のベクトルを用いて、アクセス傾向解析部２１では、ベクトル間の内積値の大小を類似度としてクラスタリングをすることができる。ここでクラスタとクラスタをマージする際は、それぞれのベクトルの和を取れば、これがマージされたクラスタのベクトルとなる。
【００２６】
以降の処理は上述の第１の実施の形態と同様である。ハイパーリンク構成解析部２２において結束度を計算し、ハイパーリンク結束度表示部２３において結束度を表示する。このとき、上述のような各種の表示形態あるいはそれ以外の各種の表示形態で結束度を表示することができる。
【００２７】
図１０は、本発明の第３の実施の形態を示す構成図である。図中、図１と同様の部分には同じ符号を付して説明を省略する。２５はコンピュータ識別子整形部である。コンピュータ識別子整形部２５は、Ｗｅｂサーバ１に対するアクセスのうち、ユーザ（＝人間）によって操作されるコンピュータからのものではなく、Ｗｅｂを網羅的にアクセスして自動的に情報を収集している情報収集ロボットのようなコンピュータによるアクセスを排除する。例えば、ある慣習に従って情報収集ロボットがアクセスする特殊なノード（Ｗｅｂでは、例えばルート直下に置かれるｒｏｂｏｔｓ．ｔｘｔという名のファイル）へのアクセスの有無によって、情報収集ロボットからのアクセスであるか否かを判断することができる。あるいは、短期間に多数のノードを網羅的にアクセスするという情報収集ロボットに特徴的な振る舞いの有無や、既知の情報収集ロボットのコンピュータ識別子であるか否かによっても、情報収集ロボットを識別することができる。情報収集ロボットからのアクセスであると判断されたコンピュータについては、そのコンピュータ識別子に関わるアクセス履歴情報１１を、識別子獲得部２４において獲得しないようにすることができる。
【００２８】
これによって、情報収集ロボットのようなＷｅｂを網羅的にアクセスして自動的に情報を収集しているコンピュータによるアクセスを排除し、解析結果に対するこれらの影響を除去することができ、ユーザのアクセス動向を正しく反映した解析結果を得ることができる。
【００２９】
なお、この第３の実施の形態におけるその他の構成および動作は、上述の第２の実施の形態と同様である。
【００３０】
図１１は、本発明の第４の実施の形態を示す構成図である。図中、図１と同様の部分には同じ符号を付して説明を省略する。２６はハイパーリンク結束度評価部である。ハイパーリンク結束度評価部２６は、ハイパーリンク構成解析部２２で得られた各クラスタの結束度の値を予め定められた閾値と比較し、結束度が閾値よりも小さなクラスタをハイパーリンク結束度表示部２３に渡す。これによって、ハイパーリンク結束度表示部２３では結束度が小さい、すなわち構成が劣るクラスタとそのクラスタを構成するノードを容易に得ることができる。
【００３１】
図１２は、ハイパーリンク結束度表示部による表示のさらに別の例の説明図である。図１２に示した表示例では、結束度の値が小さい順にクラスタおよびそのクラスタを構成するノードの識別子（ＵＲＬ）を表示している。クラスタは「ＩＤ」の欄に示している。ここで「ＩＤ」は、クラスタを参照するためにユニークにつけられた番号である。例えば、アクセス傾向解析部２１におけるクラスタ生成時に、生成された順に番号を付与すればよい。このような表示によって、構成上劣っている部分から表示されるので、ユーザが利用する上でネックとなっている部分を容易に知ることができる。もちろん、この第４の実施の形態においても、第１の実施の形態で示したような各種の表示形態あるいはその他の表示形態で結束度を表示することが可能である。また、第２，第３の実施の形態で説明した識別子獲得部２４，コンピュータ識別子整形部２５などを設けてもよい。
【００３２】
上述の実施の形態は、コンピュータプログラムによっても実現することが可能である。その場合、そのプログラムおよびそのプログラムが用いるデータなどは、コンピュータが読み取り可能な記憶媒体に記録しておくことも可能である。記憶媒体とは、コンピュータのハードウェア資源に備えられている読取装置に対して、プログラムの記述内容に応じて、磁気、光、電気等のエネルギーの変化状態を引き起こして、それに対応する信号の形式で、読取装置にプログラムの記述内容を伝達できるものである。例えば、磁気ディスク、光ディスク、ＣＤ−ＲＯＭ、コンピュータに内蔵されるメモリ等である。
【００３３】
【発明の効果】
以上の説明から明らかなように、本発明によれば、ユーザのアクセス履歴情報に基づいて、ハイパーテキストシステムを構成するノードに対してクラスタリングを行い、得られた各クラスタを構成するノード間のハイパーリンク結束度を計算する。このハイパーリンク結束度によって、ハイパーテキストシステムの構成の優劣を容易に判断することが可能になる。例えばＷｅｂの管理者は、構成に問題がある部分に変更を加えて、より良い構成のハイパーテキストシステムを構築することができるという効果がある。
【図面の簡単な説明】
【図１】 本発明の第１の実施の形態を示す構成図である。
【図２】 Ｗｅｂの一例の説明図である。
【図３】 ハイパーリンク結束度表示部による表示の一例の説明図である。
【図４】 ハイパーリンク結束度表示部による表示の別の例の説明図である。
【図５】 ハイパーリンク結束度表示部による表示の別の例においてクラスタを選択した場合の表示例の説明図である。
【図６】 ハイパーリンク結束度表示部による表示の別の例においてクラスタを選択した場合の別の表示例の説明図である。
【図７】 ハイパーリンク結束度表示部による表示のさらに別の例の説明図である。
【図８】 本発明の第２の実施の形態を示す構成図である。
【図９】 識別子獲得部における処理の一例を示すフローチャートである。
【図１０】 本発明の第３の実施の形態を示す構成図である。
【図１１】 本発明の第４の実施の形態を示す構成図である。
【図１２】 ハイパーリンク結束度表示部による表示のさらに別の例の説明図である。
【符号の説明】
１…Ｗｅｂサーバ、２…ハイパーテキスト解析装置、１１…アクセス履歴情報、２１…アクセス傾向解析部、２２…ハイパーリンク構成解析部、２３…ハイパーリンク結束度表示部、２４…識別子獲得部、２５…コンピュータ識別子整形部、２６…ハイパーリンク結束度評価部。

Claims (7)

1. ハイパーテキストシステムへのアクセス履歴情報に基づいて該ハイパーテキストシステムを構成するノードに対してクラスタリングを行うアクセス傾向解析手段と、該アクセス傾向解析手段で得られた各クラスタについて該クラスタを構成するノード間のハイパーリンク結束度を計算するハイパーリンク構成解析手段と、該ハイパーリンク構成解析手段で得られたハイパーリンク結束度を表示するハイパーリンク結束度表示手段を有することを特徴とするハイパーテキスト解析装置。
2. 前記ハイパーテキストシステムを構成する各ノード毎に予め定めたある一定期間にアクセスしてきたコンピュータの識別子を重複を許して保持する識別子獲得手段を有し、前記アクセス傾向解析手段は、該識別子獲得手段が保持している識別子の重複度合いを求めてクラスタリングを行うことを特徴とする請求項１に記載のハイパーテキスト解析装置。
3. さらに、前記ハイパーテキストシステムを網羅的にアクセスして自動的に情報を収集しているコンピュータの識別子を特定し該識別子を前記識別子獲得手段が保持する前記リストから削除する識別子整形手段を有することを特徴とする請求項２に記載のハイパーテキスト解析装置。
4. 前記ハイパーリンク結束度が予め定めたある条件を満たすか否かを判定するハイパーリンク結束度評価手段を有し、前記ハイパーリンク結束度表示手段は、該ハイパーリンク結束度評価手段における判定結果に従ってハイパーリンク結束度を表示することを特徴とする請求項１ないし請求項３のいずれか１項に記載のハイパーテキスト解析装置。
5. 前記ハイパーリンク結束度表示手段は、さらに、前記アクセス傾向解析手段で得られたクラスタを構成するノードとそのノード間のハイパーリンクを表示することを特徴とする請求項１ないし請求項４のいずれか１項に記載のハイパーテキスト解析装置。
6. ハイパーテキストシステムへのアクセス履歴情報に基づいて該ハイパーテキストシステムを構成するノードに対してアクセス傾向解析手段がクラスタリングを行い、得られた各クラスタについて該クラスタを構成するノード間のハイパーリンク結束度をハイパーリンク構成解析手段が計算し、計算したハイパーリンク結束度をハイパーリンク結束度表示手段が表示することを特徴とするハイパーテキスト解析方法。
7. ハイパーテキストシステムへのアクセス履歴情報に基づいて該ハイパーテキストシステムを構成するノードに対してクラスタリングを行うアクセス傾向解析処理と、該アクセス傾向解析処理で得られた各クラスタについて該クラスタを構成するノード間のハイパーリンク結束度を計算するハイパーリンク構成解析処理と、該ハイパーリンク構成解析処理で得られたハイパーリンク結束度を表示してユーザに該ハイパーテキストシステムの構成の優劣を示すハイパーリンク結束度表示処理をコンピュータに実行させるためのハイパーテキスト解析プログラムを記録した記憶媒体。

Images