[发明专利]信息收集系统、信息收集方法和记录介质

说明书

本发明的目的是从大量各种类型的内容高效地收集感兴趣的信息。信息收集系统100包括学习单元110和提取单元130。学习单元110使用学习数据来生成解析器规则，作为包括特定信息的字符串的要被分析的字符串通过该解析器规则来从数据被提取。提取单元130使用解析器规则来从数据提取要被分析的字符串。

技术领域

本发明涉及信息收集系统、信息收集方法和记录介质。

背景技术

从被提供在因特网上的各种服务中的Web内容(包括社交网络服务(SNS)、博客、主页等)收集必要信息，并且针对收集的信息以各种方式执行分析和控制。由于Web内容很大，因此需要基于程序通过爬行等进行信息收集，并且需要针对收集的信息进行分析和控制的自动化。

Web内容通常由超文本标记语言(HTML)描述，并且关于内容(例如，SNS中的用户消息的部分)而被描述要收集的必要信息的位置根据服务而彼此不同。此外，在很多情况中，服务提供商并未公开这些位置作为明确的规范。因此，为了从Web内容收集信息，开发者必须开发用于分析针对每个服务的内容并且提取必要信息的解析器程序。此外，在这种情况中，每次改变内容的规范时都需要改变解析器程序，并且还增加了编程成本。如上所述，在从Web内容的信息收集中，存在不能从各种格式的如此大量的内容高效地收集目标信息的问题。

作为与来自Web内容的信息收集相关的相关技术，例如，PTL 1公开了一种根据分类规则对微博消息分类的技术。PTL 2公开了一种从由用户创建的文档学习用户的兴趣和偏好并且使用学习的兴趣和偏好来推荐其他用户和博客并且传输广告的技术。PTL 3公开了一种技术，该技术根据提取条件从新闻文章等中提取文章并且根据对文章的评论量来更新提取条件。

引文列表

专利文献

[PTL 1]PCT国际专利申请公开No.2012-529717的日文翻译

[PTL 2]日本专利申请公开No.2009-098964

[PTL 3]日本专利申请公开No.2014-049094

发明内容

技术问题

然而，在任何上述文献中，一种用于从各种格式的大量数据高效地收集目标信息的技术。

本发明的一个示例目的是提供一种信息收集系统、信息收集方法和记录介质，它们能够解决上述问题并且高效地从各种格式的数据收集目标信息。

解决问题的方法

根据本发明的示例性方面的一种信息收集系统包括：用于通过使用学习数据来生成用于从数据提取目标字符串的解析器规则的学习装置，目标字符串是包括特定信息的字符串；以及用于通过使用解析器规则来从数据提取目标字符串的提取装置。

根据本发明示例性方面的一种信息收集方法包括：通过使用学习数据来生成用于从数据提取目标字符串的解析器规则，目标字符串是包括特定信息的字符串；以及通过使用解析器规则来从数据提取目标字符串。

根据本发明示例性方面的一种计算机可读记录介质在其上记录有使得计算机执行方法的程序，该方法包括：通过使用学习数据来生成用于从数据提取目标字符串的解析器规则，目标字符串是包括特定信息的字符串；以及通过使用解析器规则来从数据提取目标字符串。

本发明的有益效果

本发明的有益效果是能够从各种格式的大量内容高效地收集目标信息。

附图说明

图1是示出根据第一示例实施例的特征配置的框图。

图2是示出根据第一示例实施例的配置的框图。

图3是示出第一示例实施例中的由计算机实现的信息收集系统100的配置的框图。