JP5153516B2

JP5153516B2 - 抽出装置、抽出システム、抽出方法およびプログラム

Info

Publication number: JP5153516B2
Application number: JP2008215478A
Authority: JP
Inventors: 雄介中野; 庸次山登
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2008-08-25
Filing date: 2008-08-25
Publication date: 2013-02-27
Anticipated expiration: 2028-08-25
Also published as: JP2010049638A

Description

本発明は、抽出装置、抽出システム、抽出方法およびプログラムに関する。特に、本発明は、Webアプリケーションが生成するHTMLドキュメントから特定部分を抽出する抽出装置、抽出システム、抽出方法およびプログラムに関する。

近年、Webサービスの必要性が高まっている。Webサービスとは様々なサービスを実現するために、部品としても用いられているサービスコンポーネントのことであり、主に、B2Bの分野で用いられてきた。加えて近年、ユビキタス分野においてもこれらを用いる動きがあり、B2CやC2CにおいてもWebサービスが活躍しつつある。しかし、現段階では利用可能なWebサービス数は少なく、様々なサービスを提供するには至っていない。そこで、Webサービス数を増やし、それらを組み合わせることで様々なサービスを実現できる環境を作る必要がある。

既存のWebアプリケーションをWebサービスとして利用するというアイディアがある。これにより、豊富なWebサービスが利用可能となる。これを利用するラッパ（wrapper）がある。ラッパはWebサービスのインターフェイスとWebアプリケーションのインターフェイスを持つ。ラッパはラッパのWebサービス側にきたリクエストをWebアプリケーションのリクエストに変換し、これをWebアプリケーションに送信する。その後、返ってきたHTMLドキュメントから特定部分を抽出し、これをSOAP（Simple Object Access Protocol）に変換し、リクエストの送信者に返す。このとき、Webアプリケーション毎にプロトコル変換のためのコンフィグファイルが必要となる、例えば、ホテル検索Webアプリケーションをホテル検索Webサービスとするためのラッパを実現する場合は、ホテル検索Webアプリケーション用のコンフィグファイルが必要となる。

コンフィグファイルには、SOAPのリクエストからWebアプリケーションのリクエストに変換するためのルールと、Webアプリケーションが返すHTMLドキュメントから特定の部分を抽出し、抽出結果をSOAPに変換するためのルールとが主に含まれる。このようなルールを用いてSOAPとWebアプリケーションのプロトコルとを相互変換するための技術として特許文献１、特許文献２がある。
特開２００７−２４１４１７号公報特開２００８−００３８４８号公報

しかし、もし、Webアプリケーションが返すHTMLドキュメントが変化すると、予め作られたコンフィグファイルでは正しい部分を抽出できなくなり、WebアプリケーションをWebサービスとして利用できなくなる。また、これを解消するためにはコンフィグファイルの手直しする必要があるため、多大な労力を必要とする。

Webアプリケーションが返すHTMLドキュメントが変化した場合に、簡便に、正しい部分を抽出し、WebアプリケーションをWebサービスとして利用できるようにすることを目的とする。

上述した課題を解決するために、本発明の一態様は、コンテンツ内の特定部分の抽出を要求する抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置であって、前記抽出要求に応えるためのルールを保持するルール保持機構と、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構とを備え、前記ルールによる抽出機構は、前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、前記ルール生成機構は、前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、前記ルールによる抽出機構は、前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする。

上述した課題を解決するために、本発明の他の一態様は、コンテンツ内の特定部分の抽出を要求する抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置であって、前記抽出要求に応えるためのルールを保持するルール保持機構と、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構とを備え、前記ルールによる抽出機構は、前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出し、前記ルール生成機構は、前記ルール保持機構からルールを読み込み、ルールの配信を行うルール保持部と、前記ルールによる抽出機構から前記コンテンツを受信するコンテンツ受信部と、コンテンツ受信部によって受信された前記コンテンツの特定部分の抽出結果候補を自動抽出する特定部分自動抽出部と、前記ルール保持部からルールを読み込み、前記ルールによる所定の抽出結果の雛形と、前記特定部分自動抽出部によって自動抽出された複数の抽出結果候補のそれぞれとの類似度を算出することによって、前記類似度が最大の一の抽出結果候補を最適な抽出結果として選択する抽出結果選択部と、前記抽出結果選択部によって選択された前記最適な抽出結果を抽出するための新たな前記ルールを生成するルール生成部と、前記ルール生成部によって生成された新たな前記ルールを前記ルールによる抽出機構とルール保持機構に送信することによって前記ルールを更新するルール更新部とを有することを特徴とする。

上述した課題を解決するために、本発明の他の一態様は、コンテンツ内の特定部分の抽出を要求する抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置において、前記抽出要求に応えるためのルールを保持するルール保持機構と、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構とを備え、前記ルールによる抽出機構は、前記ルール保持機構から前記ルールを取得し、前記ルールの更新と配信とを行うルール保持部と、前記リクエスト送信・結果受信装置から前記抽出要求を受信するリクエスト受信部と、前記リクエスト受信部によって受信された前記抽出要求を、前記ルール保持部によって取得された前記ルールに従って、前記コンテンツ要求に変換するリクエスト組立部と、前記リクエスト組立部によって変換された前記コンテンツ要求を前記コンテンツ提供装置に送信するリクエスト送信部と、前記コンテンツ要求に対するコンテンツをコンテンツ提供装置から受信し、保持し、配信するコンテンツ保持部と、前記ルール保持部によって取得された前記ルールに従って、前記コンテンツ保持部によって受信された前記コンテンツから特定部分を抽出するルールによる抽出部と、前記ルールによる抽出部による特定部分の抽出が失敗したか否かを判断する抽出失敗検出部と、特定部分の抽出が失敗していないと前記抽出失敗検出部によって判断された場合に、前記ルールによる抽出部による前記抽出結果を前記リクエスト送信・結果受信装置に返信する抽出結果送信部と、特定部分の抽出が失敗していると前記抽出失敗検出部によって判断された場合に、前記コンテンツ保持部から前記コンテンツを取得し、前記ルール生成機構に送信するコンテンツ送信部とを有し、前記ルールによる抽出部は、前記コンテンツ送信部によって送信された前記コンテンツに基づいて前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出する抽出装置であって、前記ルールによる抽出部は、特定部分を抽出した場合に、前記抽出結果を前記抽出失敗検出部に送信し、前記抽出失敗検出部から抽出が成功した旨の検出結果を受信したときは、前記抽出結果を前記抽出結果送信部に送信し、前記抽出失敗検出部から再抽出が必要である旨の検出結果を受信したときは、新たな前記ルールに従って特定部分を再抽出し、前記抽出失敗検出部は、前記ルールによる抽出部から前記抽出結果を受信した場合に、前記ルール保持部からルールを取得し、前記ルールによる所定の抽出結果の雛形と前記抽出結果との類似度を算出することによって、前記類似度が閾値以上であるときは、特定部分の抽出が失敗していないと判断し、前記抽出が成功した旨の検出結果を前記ルールによる抽出部に返信し、前記類似度が閾値未満である場合には、特定部分の抽出が失敗したと判断し、前記ルールを再生成するために前記コンテンツ送信部にコンテンツ送信依頼を送信するとともに、再抽出が必要である旨の検出結果を前記ルールによる抽出部に送信し、前記コンテンツ送信部は、前記コンテンツ送信依頼を受信したときに、前記コンテンツ保持部から前記コンテンツを取得し、前記ルール生成機構に送信することを特徴とする。

上述した課題を解決するために、本発明の他の一態様は、コンテンツの特定部分を抽出する抽出システムであって、コンテンツを要求するコンテンツ要求に応じて、保持しているコンテンツを送信するコンテンツ提供装置と、コンテンツ内の特定部分の抽出を要求する抽出要求を送信し、前記抽出要求に対する抽出結果を受信するリクエスト送信・結果受信装置と、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、前記抽出要求に係るコンテンツを要求するコンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツの特定部分を抽出し、抽出結果としてリクエスト送信・結果受信装置に送信する抽出装置とを備え、前記抽出装置は、前記抽出要求に応えるためのルールを保持するルール保持機構と、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構とを有し、前記ルールによる抽出機構は、前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、前記ルール生成機構は、前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、前記ルールによる抽出機構は、前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする。

上述した課題を解決するために、本発明の他の一態様は、コンテンツ内の特定部分の抽出を要求する抽出要求に応えるためのルールを保持し、前記抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置よるコンテンツ内の特定部分を抽出する抽出方法であって、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出ステップと、前記ルールによる抽出ステップによる特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成ステップとを有し、前記ルールによる抽出ステップは、前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、前記ルール生成ステップは、前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、前記ルールによる抽出ステップは、前記ルール生成ステップが新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする。

上述した課題を解決するために、本発明の他の一態様は、コンテンツ内の特定部分の抽出を要求する抽出要求に応えるためのルールを保持し、前記抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置のコンピュータに、前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出ステップと、前記ルールによる抽出ステップによる特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成ステップとを実行させるプログラムであって、前記ルールによる抽出ステップは、前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、前記ルール生成ステップは、前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、前記ルールによる抽出ステップは、前記ルール生成ステップが新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする。

本発明によれば、Webアプリケーションが返すHTMLドキュメントが変化し、正しい部分の抽出ができなくなった場合に、新たなルールが自動生成されるため労力を掛けずに、継続してWebアプリケーションをWebサービスとして利用し続けることができる。換言すれば、Webアプリケーションが返すHTMLドキュメントが変化したことをラッパが検知し、自動的に新たなHTMLドキュメントに対応するコンフィグファイルを再生成するため、ラッパがWebアプリケーション側の変更に対応するようになる。つまり、ラッパがWebアプリケーション側の変更に自動的に追従するようになる。従って、ラッパのメンテナンスコストを削減することができる。同時に、ラッパが動作不能となることを減らし、サービス停止時間を削減できる。

以下、本発明の実施形態について図面を参照して詳細に説明する。図１は、本発明の実施形態に係る抽出システム１の構成図である。抽出システム１は、図１に示すように、
リクエスト送信・結果受信装置１０、抽出装置２０およびコンテンツ提供装置３０から構成される。

コンテンツ提供装置３０は、例えば、Webアプリケーションを実装したサーバである。コンテンツ提供装置３０は、例えば、HTTPリクエストを受信し、HTMLドキュメントを送信する。換言すれば、コンテンツ提供装置３０は、コンテンツを要求するコンテンツ要求（以下、「コンテンツリクエスト」という）に応じて、保持しているコンテンツを送信する。

リクエスト送信・結果受信装置１０は、例えば、Webサービスのクライアント（端末）である。具体的には、リクエスト送信・結果受信装置１０は、マッシュアップ（MushUp）アプリケーションなどを実装したクライアントである。リクエスト送信・結果受信装置１０は、Webサービスに対してリクエストを送信し、当該リクエストに対するレスポンスを受信する。具体的には、リクエスト送信・結果受信装置１０は、コンテンツ内の特定部分の抽出を要求する抽出要求（以下、単に「リクエスト」という）を送信し、当該抽出要求に対する抽出結果を受信する。

抽出装置２０は、例えば、サーバである。抽出装置２０は、リクエスト送信・結果受信装置１０からSOAPなどでリクエスト（抽出要求）を受信する。リクエストを受信した抽出装置２０は、当該リクエストに対するコンテンツを取得するために、HTTPリクエストなどのコンテンツリクエスト（コンテンツ要求）をコンテンツ提供装置３０に対して送信し、当該コンテンツリクエストに対するHTMLドキュメントなどのコンテンツをコンテンツ提供装置３０から受信する。コンテンツ提供装置３０からコンテンツを受信した抽出装置２０は、当該コンテンツの特定部分を抽出し、抽出結果として、リクエストの送信元であるリクエスト送信・結果受信装置１０に対してSOAPなどで送信（返信）する。

図２は、図１に示す抽出装置２０の構成を説明するための図である。抽出装置２０は、図２に示すように、ルール保持機構２００、ルールによる抽出機構２１０およびルール生成機構２２０から構成される。

ルール保持機構２００は、リクエスト送信・結果受信装置１０からのリクエスト（抽出要求）に応えるための種々のルールを保持するディレクトリである。具体的には、ルール保持機構２００は、抽出装置２０が受信したSOAPなどのリクエストをコンテンツ提供装置３０へのコンテンツリクエスト（コンテンツ要求）に変換するためのルール、抽出装置２０が受け取ったHTMLドキュメントなどのコンテンツから特定部分を抽出し、SOAPなどの形に変換するためのルールなどを保持する。

ルールによる抽出機構２１０は、リクエスト送信・結果受信装置１０からリクエスト（抽出要求）を受信する。ルールによる抽出機構２１０は、リクエストを受信した場合、リクエストの内容からどのルールを読み込むべきであるかを判断する。ルールによる抽出機構２１０は、読み込むべきルールを読み込んだ後、当該ルールに従って、リクエスト送信・結果受信装置１０から受信したリクエストからコンテンツ提供装置３０に送信するコンテンツリクエスト（コンテンツ要求）を組み立てる。

ルールによる抽出機構２１０は、組み立てたコンテンツリクエスト（コンテンツ要求）をコンテンツ提供装置３０に送信する。ルールによる抽出機構２１０は、当該コンテンツリクエストに対するコンテンツをコンテンツ提供装置３０から受信する。コンテンツ提供装置３０からコンテンツを受信したルールによる抽出機構２１０は、読み込んだルールに従って、当該コンテンツから特定部分を抽出し、SOAPなどの形に変換し、抽出結果として、リクエストの送信元であるリクエスト送信・結果受信装置１０に返信する。ルールによる抽出機構２１０は、コンテンツからの特定部分の抽出に失敗した場合、ルール生成機構２２０に対し、抽出対象のHTMLドキュメントなどのコンテンツ（本発明のコンテンツ送信依頼に相当する）を送信し、新たなルールをルール生成機構２２０から取得し、新たなルールに従って、当該コンテンツから特定部分を再抽出する。

ルール生成機構２２０は、ルールによる抽出機構２１０が特定部分の抽出に失敗した場合、抽出対象のコンテンツをルールによる抽出機構２１０から取得し、当該コンテンツと当該ルールから新たなルールを生成する。新たなルールを生成したルール生成機構２２０は、生成した新たなルールをルールによる抽出機構２１０とルール保持機構２００とに送信することによってルールの更新を行う。

図３は、図２に示すルールによる抽出機構２１０の構成図である。ルールによる抽出機構２１０は、図３に示すように、ルール保持部２１１、リクエスト受信部２１２、リクエスト組立部２１３、リクエスト送信部２１４、コンテンツ保持部２１５、ルールによる抽出部２１６、抽出失敗検出部２１７、抽出結果送信部２１８およびコンテンツ送信部２１９から構成される。

ルール保持部２１１は、ルール保持機構２００が保持するルールをルール保持機構２００から予め取得しておく（読み込んでおく）。また、ルール保持部２１１は、ルールの更新と配信とを行う。

リクエスト受信部２１２は、リクエスト送信・結果受信装置１０からリクエスト（抽出要求）を受信する。リクエスト受信部２１２は、リクエスト送信・結果受信装置１０から受信したリクエストをリクエスト組立部２１３に送信する。

リクエスト組立部２１３は、リクエスト受信部２１２からリクエスト（抽出要求）を受信する。リクエスト組立部２１３は、リクエスト受信部２１２から受信したリクエストから、コンテンツ提供装置３０に送信するコンテンツ要求に変換するためのルールをルール保持部２１１から取得する（読み込む）。リクエスト組立部２１３は、リクエスト受信部２１２から受信したリクエストを、ルール保持部２１１から取得したルールに従って、コンテンツリクエスト（コンテンツ要求）に変換する。リクエスト組立部２１３は、コンテンツリクエストをリクエスト送信部２１４に送信する。

リクエスト送信部２１４は、リクエスト組立部２１３からコンテンツリクエスト（コンテンツ要求）を受信し、コンテンツ提供装置３０に送信する。

コンテンツ保持部２１５は、コンテンツ提供装置３０からコンテンツリクエスト（コンテンツ要求）に対応するコンテンツを受信する。コンテンツ保持部２１５は、受信したコンテンツを保持し、ルールによる抽出部２１６にコンテンツを送信する。また、コンテンツ保持部２１５は、コンテンツ送信部２１９の要求に従い、自身が保持するコンテンツを提供（送信）する。

ルールによる抽出部２１６は、コンテンツ保持部２１５からコンテンツを受信する。ルールによる抽出部２１６は、コンテンツ保持部２１５から受信したコンテンツから、特定部分を抽出するためのルールをルール保持部２１１から取得する（読み込む）。ルールによる抽出部２１６は、ルール保持部２１１から取得したルールに従って、コンテンツ保持部２１５から受信したコンテンツから特定部分を抽出する。当該変換は、例えば、HTMLドキュメントをXSL変換するようなもので、このときにルールとしてXSLファイルを用いるとよい。ルールによる抽出部２１６は、抽出結果を抽出失敗検出部２１７に送信する。

ルールによる抽出部２１６は、特定部分を抽出した場合に、特定部分を正しく抽出できたか否かを判断する。具体的には、ルールによる抽出部２１６は、特定部分を抽出した場合に、抽出結果を抽出失敗検出部２１７に送信し、抽出失敗検出部２１７から、抽出が成功した旨の検出結果を受信した場合に、特定部分を正しく抽出できたと判断し、抽出失敗検出部２１７から、再抽出が必要である旨の検出結果を受信した場合には、特定部分を正しく抽出できなかったと判断する。

ルールによる抽出部２１６は、特定部分を正しく抽出できたと判断した場合、つまり、抽出失敗検出部２１７から抽出が成功した旨の検出結果を受信した場合、抽出結果を抽出結果送信部２１８に送信する。

一方、ルールによる抽出部２１６は、特定部分を正しく抽出できなかったと判断した場合、つまり、抽出失敗検出部２１７から再抽出が必要である旨の検出結果を受信した場合、ルール保持部２１１から新たなルールを再度取得し、再度取得したルールに従って特定部分を再抽出し、再抽出による抽出結果を抽出結果送信部２１８に送信する。

抽出失敗検出部２１７は、ルールによる抽出部２１６から抽出結果を受信する。抽出失敗検出部２１７は、ルールによる抽出部２１６から抽出結果を受信した場合に、ルールによる抽出部２１６が特定部分を正しく抽出できたか否か、つまり、ルールによる抽出部２１６が特定部分の抽出に失敗したか否かを判断する。

より詳細には、抽出失敗検出部２１７は、ルールによる抽出部２１６から抽出結果を受信した場合に、ルール保持部２１１からルールを取得し、ルールに書かれている抽出すべき部分のお手本と、実際に抽出された部分とを比較し、類似度が閾値以上であるか否かを判断する。換言すれば、抽出失敗検出部２１７は、ルールによる所定の抽出結果の雛形と抽出結果との類似度を算出し、類似度が閾値以上であるか否かを判断する。

抽出失敗検出部２１７は、類似度が閾値以上であると判断した場合、特定部分の抽出が失敗していないと判断し、抽出が成功した旨の検出結果をルールによる抽出部２１６に送信（返信）する。

一方、抽出失敗検出部２１７は、類似度が閾値未満であると判断した場合、特定部分の抽出が失敗したと判断し、コンテンツ送信部２１９にコンテンツ送信依頼を送信するとともに、再抽出が必要である旨の検出結果をルールによる抽出部２１６に送信する。なお、コンテンツ送信依頼は、ルールを再生成するために、ルール生成機構２２０にコンテンツを送信すべき依頼である。

抽出結果送信部２１８は、ルールによる抽出部２１６が特定部分を正しく抽出できた場合、つまり、ルールによる抽出部２１６による特定部分の抽出が失敗していないと抽出失敗検出部２１７によって判断された場合、ルールによる抽出部２１６から抽出結果を受信し、リクエスト送信・結果受信装置１０に送信（返信）する。抽出結果送信部２１８は、抽出結果を、例えばSOAPなどの形でWebサービスのレスポンスとして送信する。

コンテンツ送信部２１９は、ルールによる抽出部２１６が特定部分を正しく抽出できなかった場合、つまり、ルールによる抽出部２１６による特定部分の抽出が失敗したと抽出失敗検出部２１７によって判断された場合、抽出失敗検出部２１７からコンテンツ送信依頼を受信する。抽出失敗検出部２１７からコンテンツ送信依頼を受信したコンテンツ送信部２１９は、コンテンツ保持部２１５からコンテンツを取得し、ルール生成機構２２０に送信する。これによって、ルールが再生成される。

図４は、図２に示すルール生成機構２２０の構成図である。ルール生成機構２２０は、図４に示すように、ルール保持部２２１、コンテンツ受信部２２２、特定部分自動抽出部２２３、抽出結果選択部２２４、ルール生成部２２５およびルール更新部２２６から構成される。

ルール保持部２２１は、ルール保持機構２００が保持するルールをルール保持機構２００から予め取得しておく（読み込んでおく）。また、ルール保持部２２１は、ルールの配信を行う。

コンテンツ受信部２２２は、ルールによる抽出機構２１０からコンテンツを受信する。コンテンツ受信部２２２は、ルールによる抽出機構２１０から受信したコンテンツを特定部分自動抽出部２２３に送信する。

特定部分自動抽出部２２３は、コンテンツ受信部２２２からコンテンツを受信する。特定部分自動抽出部２２３は、コンテンツ受信部２２２から受信したコンテンツの特定部分の候補を自動抽出する。具体的には、特定部分自動抽出部２２３は、コンテンツ受信部２２２から受信したコンテンツから、ルールを使わずに、特定部分の候補を抽出結果候補として複数抽出する。特定部分自動抽出部２２３は、例えば、HTMLのタグの特徴などを使って特定部分候補を自動抽出する。特定部分自動抽出部２２３は、自動抽出した複数の抽出結果候補を抽出結果選択部２２４へ送信する。

抽出結果選択部２２４は、特定部分自動抽出部２２３から複数の抽出結果候補を受信する。抽出結果選択部２２４は、特定部分自動抽出部２２３から複数の抽出結果候補を受信した場合、当該複数の抽出結果候補から一の抽出結果候補を最適な抽出結果として選択する。具体的には、抽出結果選択部２２４は、特定部分自動抽出部２２３から複数の抽出結果候補を受信した場合、ルール保持部２２１からルールを取得し、ルールに書かれている抽出すべき部分のお手本と、各抽出結果候補とを比較し、最も類似している抽出結果候補を最適な抽出結果として選択する。換言すれば、抽出結果選択部２２４は、ルールによる所定の抽出結果の雛形と各抽出結果候補との類似度をそれぞれ算出し、類似度が最大の一の抽出結果候補を最適な抽出結果として選択する。抽出結果選択部２２４は、最適な抽出結果をルール生成部２２５に送信する。なお、最適な抽出結果とは、複数の抽出結果候補のうち正しい抽出結果である可能性が最も高く、新たなルールを生成に最適な抽出結果をいう。

ルール生成部２２５は、抽出結果選択部２２４から最適な抽出結果を受信する。ルール生成部２２５は、抽出結果選択部２２４から最適な抽出結果を受信した場合、最適な抽出結果を抽出するための新たなルールを生成する。換言すれば、ルール生成部２２５は、最適な抽出結果と同一の部分を抽出するための新たなルールを生成する。ルール生成部２２５は、生成した新たなルールをルール更新部２２６に送信する。

ルール更新部２２６は、ルール生成部２２５から新たなルールを受信する。ルール更新部２２６は、ルール生成部２２５から受信した新たなルールをルールによる抽出機構２１０とルール保持機構２００とに送信する。これによって、ルールが更新される。

図５は、抽出装置２０の動作を示すシーケンス図である。なお、図５は、特定部分の抽出に失敗した場合の動作を示シーケンス図である。ルールによる抽出機構２１０は、予め、ルール保持機構２００からルールを読み込む（Ｓ１０）。ルール生成機構２２０は、予め、ルール保持機構２００からルールを読み込む（Ｓ１１）。

リクエスト送信・結果受信装置１０は、ルールによる抽出機構２１０にリクエスト（抽出要求）を送信する（Ｓ１２）。ルールによる抽出機構２１０は、リクエスト（抽出要求）をコンテンツリクエスト（コンテンツ要求）に変換し、コンテンツ提供装置３０に送信する（Ｓ１３）。

コンテンツ提供装置３０は、コンテンツリクエスト（コンテンツ要求）に対するコンテンツをルールによる抽出機構２１０に返信する（Ｓ１４）。ルールによる抽出機構２１０は、ルールに従って、受信したコンテンツから特定部分を抽出する。ルールによる抽出機構２１０は、特定部分の抽出に失敗したと判断する。ルールによる抽出機構２１０は、ルールの再生成のために、コンテンツをルール生成機構２２０に送信する（Ｓ１５）。

ルール生成機構２２０は、受信したコンテンツを用いて新たなルールを生成する。ルール生成機構２２０は、新たなルールをルールによる抽出機構２１０およびルール保持機構２００に送信することによってルールを更新する（Ｓ１６）。

ルールによる抽出機構２１０は、新たなルールに従って、コンテンツの特定部分を再抽出する。ルールによる抽出機構２１０は、再抽出の結果をリクエスト送信・結果受信装置１０に返信する（Ｓ１７）。

図６、７は、ルールによる抽出機構２１０の動作を示すシーケンス図である。なお、図６は、特定部分の抽出に失敗した場合の動作を示シーケンス図である。ルール保持部２１１は、ルール保持機構２００から予めルールを読み込む（Ｓ２０）。

リクエスト送信・結果受信装置１０は、リクエスト受信部２１２にリクエスト（抽出要求）を送信する（Ｓ２１）。リクエスト受信部２１２は、受信したリクエストをリクエスト組立部２１３に送信する（Ｓ２２）。リクエスト組立部２１３は、ルール保持部２１１からルールを読み込む（Ｓ２３）。

リクエスト組立部２１３は、読み込んだルールに従って、受信したリクエスト（抽出要求）から、コンテンツを取得するためのコンテンツリクエスト（コンテンツ要求）を組み立てる。リクエスト組立部２１３は、組み立てたコンテンツリクエストをリクエスト送信部２１４に送信する（Ｓ２４）。リクエスト送信部２１４は、受信したコンテンツリクエストをコンテンツ提供装置３０に送信する（Ｓ２５）。

コンテンツ提供装置３０は、コンテンツリクエスト（コンテンツ要求）に対するコンテンツをコンテンツ保持部２１５に送信する（Ｓ２６）。コンテンツ保持部２１５は、受信したコンテンツを保持し、コンテンツをルールによる抽出部２１６に送信する（Ｓ２７）。ルールによる抽出部２１６は、コンテンツから特定部分を抽出するためのルールをルール保持部２１１から読み込む（Ｓ２８）。ルールによる抽出部２１６は、ルールに従って、コンテンツから特定部分を抽出する。

ルールによる抽出部２１６は、抽出結果を抽出失敗検出部２１７に送信する（Ｓ２９）。抽出失敗検出部２１７は、ルールによる抽出部２１６が特定部分を正しく抽出できたか否かを判断するために、ルール保持部２１１からルールを読み込む（Ｓ３０）。

抽出失敗検出部２１７は、ルールに従って、ルールによる抽出部２１６が特定部分を正しく抽出できたか否かを判断する。ここでは、抽出失敗検出部２１７は、正しく抽出できていない、つまり、抽出失敗と判断する。抽出失敗検出部２１７は、ルールの再生成が必要であるため、コンテンツ送信部２１９にコンテンツ送信依頼を送信する（Ｓ３１）。コンテンツ送信部２１９は、コンテンツ保持部２１５からコンテンツを読み込む（Ｓ３２）。コンテンツ送信部２１９は、読み込んだコンテンツをルール生成機構２２０に送信する（Ｓ３３）。

ルール生成機構２２０は、受信したコンテンツを用いて新たなルールを生成する。ルール生成機構２２０は、新たなルールをルール保持部２１１およびルール保持機構２００に送信することでルールを更新する（Ｓ３４）。

抽出失敗検出部２１７は、ルールの更新によって再抽出が必要である旨（ルールが更新された旨）の検出結果をルールによる抽出部２１６に送信する（Ｓ３５）。再抽出が必要である旨の検出結果を受信したルールによる抽出部２１６は、ルールを再読み込みする（Ｓ３６）。ルールによる抽出部２１６は、再度、読み込んだルールに従って、コンテンツから特定部分を再抽出する。ルールによる抽出部２１６は、再抽出結果を抽出結果送信部２１８に送信する（Ｓ３７）。抽出結果送信部２１８は、抽出結果をリクエスト送信・結果受信装置１０に送信する（Ｓ３８）。

図８は、ルール生成機構２２０の動作を示すシーケンス図である。ルール保持部２２１は、ルール保持機構２００から予めルールを読み込む（Ｓ４０）。

ルールによる抽出機構２１０は、特定部分の抽出に失敗した場合、コンテンツをコンテンツ受信部２２２に送信する（Ｓ４１）。コンテンツ受信部２２２は、受信したコンテンツを特定部分自動抽出部２２３に送信する（Ｓ４２）。

特定部分自動抽出部２２３は、コンテンツ受信部２２２から受信したコンテンツから、ルールを使わずに、特定部分の候補を抽出結果候補として複数抽出する。例えば、特定部分自動抽出部２２３は、HTMLのタグの特徴などを使って特定部分候補を自動抽出する。特定部分自動抽出部２２３は、複数の抽出結果候補から最適な抽出結果を選択するために、複数の抽出結果候補を抽出結果選択部２２４に送信する（Ｓ４３）。

抽出結果選択部２２４は、ルール保持部２２１からルールを読み込む（Ｓ４４）。抽出結果選択部２２４は、抽出結果候補の各候補とルールのお手本とを比較し、最も類似している抽出結果候補を最適な抽出結果として選択する（図８において「正しい抽出結果選択」と記載）。抽出結果選択部２２４は、最適な抽出結果（図８において、単に「抽出結果」と記載）をルール生成部２２５に送信する（Ｓ４５）。

ルール生成部２２５は、受信した最適な抽出結果を抽出するための新たなルールを生成する。ルール生成部２２５は、生成したルールをルール更新部２２６に送信する（Ｓ４６）。ルール更新部２２６は、受信したルールをルール保持機構２００およびルールによる抽出機構２１０に送信することでルールを更新する（Ｓ４７）。

図９は、抽出失敗検出部２１７の動作を示すフローチャートである。抽出失敗検出部２１７は、ルールによる抽出部２１６から抽出結果を取得する（ステップＳ１００）。抽出失敗検出部２１７は、ルール保持部２１１からルールを読み込む（ステップＳ１１０）。抽出失敗検出部２１７は、抽出結果とルール中の抽出するべきお手本との類似度を算出する（ステップＳ１２０）。抽出失敗検出部２１７は、算出した類似度が閾値以上であるか否かを判断する（ステップＳ１３０）。

抽出失敗検出部２１７は、類似度が閾値以上であると判断した場合（ステップＳ１３０：Ｙｅｓ）、抽出成功と判断し、ルールによる抽出部２１６に「抽出成功」と送信する（Ｓ１４０）。つまり、抽出失敗検出部２１７は、抽出が成功した旨の検出結果をルールによる抽出部２１６に送信する。

一方、抽出失敗検出部２１７は、類似度が閾値未満であると判断した場合（ステップＳ１３０：Ｎｏ）、抽出失敗と判断し、ルール生成のためにコンテンツ送信部２１９にコンテンツ送信依頼を送信する（Ｓ１５０）。なお、抽出失敗検出部２１７は、再抽出が必要である旨の検出結果をルールによる抽出部２１６に送信する。

図１０は、抽出結果選択部２２４の動作を示すフローチャートである。抽出結果選択部２２４は自動抽出結果である複数の抽出結果候補を取得する（ステップＳ２００）。抽出結果選択部２２４は、ルール保持部２２１からルールを読み込む（ステップＳ２１０）。抽出結果選択部２２４は、各抽出結果候補とルール中の抽出すべきお手本との類似度を算出する（ステップＳ２２０）。抽出結果選択部２２４は、算出した類似度が閾値以上の抽出結果候補があるか否かを判断する（ステップＳ２３０）。

抽出結果選択部２２４は、類似度が閾値以上の抽出結果候補があると判断した場合（ステップＳ２３０：Ｙｅｓ）、ルール生成のために類似度が高い抽出結果（具体的には最適な抽出結果）をルール生成部２２５に送信する（Ｓ２４０）。

一方、抽出結果選択部２２４は、類似度が閾値以上の抽出結果候補がないと判断した場合（ステップＳ２３０：Ｎｏ）、ルールの再生成に失敗したと判断し、ルールの再生成と再抽出をあきらめる（ステップＳ２５０）。

以上、本発明によれば、ラッパがWebアプリケーション側の変更に自動的に追従することで、ラッパのメンテナンスコストを削減することができるようになる。同時に、ラッパが動作不能となることを減らし、サービス停止時間を削減できるようになる。

なお、抽出装置２０の各処理を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、抽出装置２０に係る上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

本発明の実施形態に係る抽出システム１の構成図である。図１に示す抽出装置２０の構成を説明するための図である。図２に示すルールによる抽出機構２１０の構成図である。図２に示すルール生成機構２２０の構成図である。抽出装置２０の動作を示すシーケンス図である。ルールによる抽出機構２１０の動作を示すシーケンス図である。ルールによる抽出機構２１０の動作を示すシーケンス図である。ルール生成機構２２０の動作を示すシーケンス図である。抽出失敗検出部２１７の動作を示すフローチャートである。抽出結果選択部２２４の動作を示すフローチャートである。

符号の説明

１抽出システム１０リクエスト送信・結果受信装置２０抽出装置３０コンテンツ提供装置２００ルール保持機構２１０ルールによる抽出機構２１１ルール保持部２１２リクエスト受信部２１３リクエスト組立部２１４リクエスト送信部２１５コンテンツ保持部２１６ルールによる抽出部２１７抽出失敗検出部２１８コンテンツ送信部２１９抽出結果送信部２２０ルール生成機構２２１ルール保持部２２２コンテンツ受信部２２３特定部分自動抽出部２２４抽出結果選択部２２５ルール生成部２２６ルール更新部

Claims

コンテンツ内の特定部分の抽出を要求する抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置であって、
前記抽出要求に応えるためのルールを保持するルール保持機構と、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、
前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構と
を備え、
前記ルールによる抽出機構は、
前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、
前記ルール生成機構は、
前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、
前記ルールによる抽出機構は、
前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする抽出装置。
コンテンツ内の特定部分の抽出を要求する抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置であって、
前記抽出要求に応えるためのルールを保持するルール保持機構と、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、
前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構と
を備え、
前記ルールによる抽出機構は、
前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出し、
前記ルール生成機構は、
前記ルール保持機構からルールを読み込み、ルールの配信を行うルール保持部と、
前記ルールによる抽出機構から前記コンテンツを受信するコンテンツ受信部と、
コンテンツ受信部によって受信された前記コンテンツの特定部分の抽出結果候補を自動抽出する特定部分自動抽出部と、
前記ルール保持部からルールを読み込み、前記ルールによる所定の抽出結果の雛形と、前記特定部分自動抽出部によって自動抽出された複数の抽出結果候補のそれぞれとの類似度を算出することによって、前記類似度が最大の一の抽出結果候補を最適な抽出結果として選択する抽出結果選択部と、
前記抽出結果選択部によって選択された前記最適な抽出結果を抽出するための新たな前記ルールを生成するルール生成部と、
前記ルール生成部によって生成された新たな前記ルールを前記ルールによる抽出機構とルール保持機構に送信することによって前記ルールを更新するルール更新部と
を有することを特徴とする抽出装置。
コンテンツ内の特定部分の抽出を要求する抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置において、
前記抽出要求に応えるためのルールを保持するルール保持機構と、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、
前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構と
を備え、
前記ルールによる抽出機構は、
前記ルール保持機構から前記ルールを取得し、前記ルールの更新と配信とを行うルール保持部と、
前記リクエスト送信・結果受信装置から前記抽出要求を受信するリクエスト受信部と、
前記リクエスト受信部によって受信された前記抽出要求を、前記ルール保持部によって取得された前記ルールに従って、前記コンテンツ要求に変換するリクエスト組立部と、
前記リクエスト組立部によって変換された前記コンテンツ要求を前記コンテンツ提供装置に送信するリクエスト送信部と、
前記コンテンツ要求に対するコンテンツをコンテンツ提供装置から受信し、保持し、配信するコンテンツ保持部と、
前記ルール保持部によって取得された前記ルールに従って、前記コンテンツ保持部によって受信された前記コンテンツから特定部分を抽出するルールによる抽出部と、
前記ルールによる抽出部による特定部分の抽出が失敗したか否かを判断する抽出失敗検出部と、
特定部分の抽出が失敗していないと前記抽出失敗検出部によって判断された場合に、前記ルールによる抽出部による前記抽出結果を前記リクエスト送信・結果受信装置に返信する抽出結果送信部と、
特定部分の抽出が失敗していると前記抽出失敗検出部によって判断された場合に、前記コンテンツ保持部から前記コンテンツを取得し、前記ルール生成機構に送信するコンテンツ送信部と
を有し、
前記ルールによる抽出部は、
前記コンテンツ送信部によって送信された前記コンテンツに基づいて前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出する抽出装置であって、
前記ルールによる抽出部は、
特定部分を抽出した場合に、前記抽出結果を前記抽出失敗検出部に送信し、前記抽出失敗検出部から抽出が成功した旨の検出結果を受信したときは、前記抽出結果を前記抽出結果送信部に送信し、前記抽出失敗検出部から再抽出が必要である旨の検出結果を受信したときは、新たな前記ルールに従って特定部分を再抽出し、
前記抽出失敗検出部は、
前記ルールによる抽出部から前記抽出結果を受信した場合に、前記ルール保持部からルールを取得し、前記ルールによる所定の抽出結果の雛形と前記抽出結果との類似度を算出することによって、前記類似度が閾値以上であるときは、特定部分の抽出が失敗していないと判断し、前記抽出が成功した旨の検出結果を前記ルールによる抽出部に返信し、前記類似度が閾値未満である場合には、特定部分の抽出が失敗したと判断し、前記ルールを再生成するために前記コンテンツ送信部にコンテンツ送信依頼を送信するとともに、再抽出が必要である旨の検出結果を前記ルールによる抽出部に送信し、
前記コンテンツ送信部は、
前記コンテンツ送信依頼を受信したときに、前記コンテンツ保持部から前記コンテンツを取得し、前記ルール生成機構に送信することを特徴とする抽出装置。
コンテンツの特定部分を抽出する抽出システムであって、
コンテンツを要求するコンテンツ要求に応じて、保持しているコンテンツを送信するコンテンツ提供装置と、
コンテンツ内の特定部分の抽出を要求する抽出要求を送信し、前記抽出要求に対する抽出結果を受信するリクエスト送信・結果受信装置と、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、前記抽出要求に係るコンテンツを要求するコンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツの特定部分を抽出し、抽出結果としてリクエスト送信・結果受信装置に送信する抽出装置と
を備え、
前記抽出装置は、
前記抽出要求に応えるためのルールを保持するルール保持機構と、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出機構と、
前記ルールによる抽出機構による特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成機構と
を有し、
前記ルールによる抽出機構は、
前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、
前記ルール生成機構は、
前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、
前記ルールによる抽出機構は、
前記ルール生成機構が新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする抽出システム。
コンテンツ内の特定部分の抽出を要求する抽出要求に応えるためのルールを保持し、前記抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置よるコンテンツ内の特定部分を抽出する抽出方法であって、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出ステップと、
前記ルールによる抽出ステップによる特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成ステップと
を有し、
前記ルールによる抽出ステップは、
前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、
前記ルール生成ステップは、
前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、
前記ルールによる抽出ステップは、
前記ルール生成ステップが新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とする抽出方法。
コンテンツ内の特定部分の抽出を要求する抽出要求に応えるためのルールを保持し、前記抽出要求を送信するリクエスト送信・結果受信装置から前記抽出要求を受信した場合に、コンテンツを保持するコンテンツ提供装置にコンテンツ要求を送信することによって、前記コンテンツ提供装置から当該抽出要求に係るコンテンツを受信し、当該コンテンツの特定部分を抽出し、抽出結果として前記リクエスト送信・結果受信装置に送信する抽出装置のコンピュータに、
前記リクエスト送信・結果受信装置から前記抽出要求を受信し、当該抽出要求を前記ルールに従って前記コンテンツ要求に変換し、当該コンテンツ要求を前記コンテンツ提供装置に送信し、前記コンテンツ提供装置から受信したコンテンツから、前記ルールに従って特定部分を抽出するルールによる抽出ステップと、
前記ルールによる抽出ステップによる特定部分の抽出が失敗した場合に、新たな前記ルールを生成するルール生成ステップと
を実行させ、
前記ルールによる抽出ステップは、
前記コンテンツ提供装置から受信したコンテンツから前記ルールに従って抽出した前記抽出結果と、前記ルールによる所定の抽出結果の雛形との類似度に基づいて、特定部分の抽出が失敗したか否かを判断し、
前記ルール生成ステップは、
前記コンテンツ提供装置から受信したコンテンツから自動抽出された複数の抽出結果候補のうち、前記ルールによる所定の抽出結果の雛形との類似度が最大の一の抽出結果候補を最適な抽出結果として選択し、当該最適な抽出結果を抽出するためのルールを新たな前記ルールとして生成し、
前記ルールによる抽出ステップは、
前記ルール生成ステップが新たな前記ルールを生成した場合、新たな前記ルールに従って特定部分を再抽出することを特徴とするプログラム。