本研究では大量のWEBドキュメントファイルを扱うため，どのようなファイルが どこにあるかといった情報を管理する必要がある．そこで，HTMLファイルを収集 する際に，各カテゴリごとに以下の情報をアーカイブとして保持する．
本研究におけるアーカイブの例を図6に示す．
図6に示す通り，本研究ではカテゴリごとに``ファイル1''，``ファイル 2''の2つのファイルを用いてアーカイブを構築する．ファイル1は，HTMLのソー スを管理するファイルであり，1つのカテゴリにおいて収集したHTMLのソース全 てを羅列しているファイルである．ファイル2は，URL，ファイル1においての先 頭ブロック位置，容量，HTMLの更新日時を管理するファイルであり，URLをキー としてファイル1との関連付けを行うデータベースである．
提案システムでは以降の処理において，収集したHTMLに対して文抽出および形態 素解析を行うが，その際に得られた結果もそれぞれアーカイブ化して保存する． 文抽出においては，新たに作成したアーカイブに，HTMLと対応するURLをキーと して用いる．形態素解析においては，解析した文ごとに管理するため，URLの末 尾に文の通番を追加してキーとして用いる． これにより，同じURLのファイルに対するHTML，文抽出結果，および形態素解 析結果が，URLをキーとして一括管理できる．
![\fbox{
\includegraphics[width=9cm]{arc.eps}
}](img9.png)