JP2005267566A - 構造化文書作成装置及び構造化文書作成方法 - Google Patents

Abstract

【課題】 予め文字レイアウトを識別するルールを作成することなく、書式が複雑な文書でも構造化文書を作成することができる構造化文書作成装置及び構造化文書作成方法を得ることを目的とする。
【解決手段】 カラーマークが塗り込まれた透明セロハンＢを走査して、カラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析部５を設け、非構造化文書Ａを走査して、そのカラーマーク解析部５により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを文字列に付加する。
【選択図】 図１

Description

この発明は、非構造化文書の文字レイアウトを解析して構造化文書を作成する構造化文書作成装置及び構造化文書作成方法に関するものである。

従来の構造化文書作成装置は、非構造化文書をスキャンし、その非構造化文書のレイアウトに応じて構造化タグを付与するようにしている。
即ち、従来の構造化文書作成装置は、予め、文字レイアウトに対応するルールを作成し、そのルールにしたがって非構造化文書の文字列に構造化タグを付与する（例えば、特許文献１，２参照）。

特開平１１−２３８０５３号公報（段落番号［００２３］から［００４２］、図１） 特開平１０−４９５２２号公報（段落番号［００２２］から［００５０］、図１）

従来の構造化文書作成装置は以上のように構成されているので、予め、文字レイアウトに対応するルールを作成すれば、非構造化文書の文字列に構造化タグを付与して構造化文書を作成することができる。しかし、例えば、カタログなどの文書は見栄えを重視して作成されるため様々な文字レイアウトが存在し、数多くの文字レイアウトを識別するルールを作成するには、多くの時間と手間を要するなどの課題があった。

この発明は上記のような課題を解決するためになされたもので、予め文字レイアウトを識別するルールを作成することなく、書式が複雑な文書でも構造化文書を作成することができる構造化文書作成装置及び構造化文書作成方法を得ることを目的とする。

この発明に係る構造化文書作成装置は、透明セロハンを走査して、カラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析手段を設け、非構造化文書を走査して、そのカラーマーク解析手段により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを文字列に付加するようにしたものである。

この発明によれば、透明セロハンを走査して、カラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析手段を設け、非構造化文書を走査して、そのカラーマーク解析手段により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを文字列に付加するように構成したので、予め文字レイアウトを識別するルールを作成することなく、書式が複雑な文書でも構造化文書を作成することができる効果がある。

実施の形態１．
図１はこの発明の実施の形態１による構造化文書作成装置を示す構成図であり、図において、マンマシンＩ／Ｆ１は例えばキーボードやマウスなどから構成され、ユーザが各種のマーク色に対応するタグを設定する際に使用する。設定受付部２はユーザによるマンマシンＩ／Ｆ１の操作内容を入力して、各種のマーク色に対応するタグの設定を受け付ける処理を実施する。メモリ３は各種のマーク色に対応するタグなどを格納する。
なお、マンマシンＩ／Ｆ１、設定受付部２及びメモリ３から設定受付手段が構成されている。

イメージスキャナ４は非構造化文書Ａに記述されている文字列や、透明セロハンＢに塗り込まれているカラーマークの読込処理を実施する。
カラーマーク解析部５はイメージスキャナ４が透明セロハンＢに塗り込まれているカラーマークの読込処理を実施すると、そのカラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析し、その解析結果をメモリ３に格納する。
なお、イメージスキャナ４及びカラーマーク解析部５からカラーマーク解析手段が構成されている。

文字列抽出部６はイメージスキャナ４が非構造化文書Ａに記述されている文字列の読込処理を実施すると、カラーマーク解析部５により解析されたカラーマークの塗り込み位置に対応する文字列を抽出する。
タグ付加部７はメモリ３を参照して、カラーマーク解析部５により解析されたカラーマークのマーク色に対応するタグを取得し、そのカラーマークの塗り込み位置に対応する文字列に当該タグを付加する。
なお、イメージスキャナ４、文字列抽出部６及びタグ付加部７からタグ付加手段が構成されている。

なお、この実施の形態１では、設定受付部２、カラーマーク解析部５、文字列抽出部６及びタグ付加部７が、専用のハードウェア（例えば、各種のＩＣ集積回路が搭載され、コンピュータのスロットに挿入可能な基板）から構成されるものを想定しているが、構造化文書作成装置がコンピュータから構成される場合、設定受付部２、カラーマーク解析部５、文字列抽出部６及びタグ付加部７の処理内容が記述されたプログラムをコンピュータのメモリに格納し、そのコンピュータのＣＰＵが当該プログラムを実行するようにしてもよい。
図２はこの発明の実施の形態１による構造化文書作成方法を示すフローチャートである。

次に動作について説明する。
最初に、構造化対象の文書である非構造化文書Ａと同一サイズの透明セロハンＢを用意し、図３に示すように、ユーザが非構造化文書Ａの上に透明セロハンＢを重ね合わせる（ステップＳＴ１）。
次に、ユーザは、図４に示すように、透明セロハンＢに写っている非構造化文書Ａにおける識別対象の文字列毎に、異なる色のカラーマークの塗り込みを行う（ステップＳＴ２）。

即ち、ユーザは、例えば、非構造化文書Ａにおける章見出しは赤色、節見出しは青色、節内の文章は黄色などのように決定し、章見出し、節見出しや節内の文章を色分けする。
この際、ユーザは構造化文書作成装置のマンマシンＩ／Ｆ１を操作して、章見出しに対応するタグ名、節見出しに対応するタグ名、節内の文章に対応するタグ名を入力する。
設定受付部２は、ユーザによるマンマシンＩ／Ｆ１の操作内容を入力し、各種のマーク色に対応するタグ名の設定を受け付けて、その設定内容をメモリ３に格納する（ステップＳＴ３）。
図５は各種のマーク色に対応するタグ名を示す説明図である。図５の例では、赤色に対応するタグ名は＜ｔ１＞、青色に対応するタグ名は＜ｔ２＞、黄色に対応するタグ名は＜ｔ３＞に設定している。

次に、ユーザは、上記のようにして、カラーマークを塗り込んだ透明セロハンＢをイメージスキャナ４にセットする。
これにより、イメージスキャナ４は、透明セロハンＢに塗り込まれているカラーマークの読込処理を実施し、その読込結果であるイメージデータをカラーマーク解析部５に出力する（ステップＳＴ４）。

カラーマーク解析部５は、イメージスキャナ４から透明セロハンＢに塗り込まれているカラーマークの読込結果であるイメージデータを受けると、そのイメージデータを参照して、透明セロハンＢに塗り込まれている各カラーマークのマーク色を解析するとともに、各カラーマークの塗り込み位置を解析し、その解析結果をメモリ３に格納する（ステップＳＴ５）。
なお、カラーマークの塗り込み位置として、例えば、透明セロハンＢの左端からカラーマークの塗り込み開始位置までの距離ＸＬ１〜ＸＬ３や、カラーマークの塗り込み終了位置から透明セロハンＢの右端までの距離ＸＲ１〜ＸＲ３などを解析している（図６を参照）。

ユーザは、カラーマーク解析部５が各カラーマークのマーク色と塗り込み位置を解析すると、非構造化文書Ａをイメージスキャナ４にセットする。
これにより、イメージスキャナ４は、非構造化文書Ａに記述されている文字列の読込処理を実施し、その読込結果であるイメージデータを文字列抽出部６に出力する（ステップＳＴ６）。

文字列抽出部６は、イメージスキャナ４から文字列の読込結果であるイメージデータを受けると、そのイメージデータを参照して、非構造化文書Ａに記述されている各文字列の記述位置を解析する（ステップＳＴ７）。
なお、文字列の記述位置として、例えば、非構造化文書Ａの左端から文字列の先頭位置までの距離ＧＬ１〜ＧＬ３や、文字列の後尾位置から非構造化文書Ａの右端までの距離ＧＲ１〜ＧＲ３などを解析している（図７を参照）。

そして、文字列抽出部６は、非構造化文書Ａに記述されている各文字列の記述位置と、メモリ３に格納されている各カラーマークの塗り込み位置とを比較し、各カラーマークの塗り込み位置に対応する文字列を抽出する（ステップＳＴ８）。
即ち、左端から先頭位置までの距離と、左端から塗り込み開始位置までの距離とが一致し、かつ、後尾位置から右端までの距離と、塗り込み終了位置から右端までの距離とが一致している文字列とカラーマークの組み合わせを検出する。
図８の例では、章見出しである文字列Ｍ１と赤色のカラーマークとが対応し、節見出しである文字列Ｍ２と青色のカラーマークとが対応し、節内の文章である文字列Ｍ３と黄色のカラーマークとが対応している。

タグ付加部７は、文字列抽出部６が各カラーマークの塗り込み位置に対応する文字列を抽出すると、図９に示すように、非構造化文書Ａに記述されている各文字列に連番を付与する（ステップＳＴ９）。
そして、タグ付加部７は、メモリ３を参照して、カラーマーク解析部５により解析されたカラーマークのマーク色に対応するタグを取得し、そのカラーマークの塗り込み位置に対応する文字列に当該タグを付加することにより、構造化文書Ｃを作成する（ステップＳＴ１０）。
即ち、タグ付加部７は、図１０に示すように、章見出しである文字列Ｍ１にはタグ名が＜ｔ１＞のタグを付与し、節見出しである文字列Ｍ２にはタグ名が＜ｔ２＞のタグを付与し、節内の文章である文字列Ｍ３にはタグ名が＜ｔ３＞のタグを付与する。

以上で明らかなように、この実施の形態１によれば、カラーマークが塗り込まれた透明セロハンＢを走査して、カラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析部５を設け、非構造化文書Ａを走査して、そのカラーマーク解析部５により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを文字列に付加するように構成したので、予め文字レイアウトを識別するルールを作成することなく、書式が複雑な文書でも構造化文書を作成することができる効果を奏する。

また、この実施の形態１によれば、ユーザによるマンマシンＩ／Ｆ１の操作内容を入力して、各種のマーク色に対応するタグの設定を受け付ける設定受付部２を設けたので、ユーザが所望のタグを非構造化文書Ａに記述されている各文字列に付与することができる効果を奏する。

実施の形態２．
上記実施の形態１では、カラーマークが塗り込まれた透明セロハンＢを走査して、カラーマークのマーク色と塗り込み位置を解析するものについて示したが、カラーマークが塗り込まれた非構造化文書Ａの複写文書Ｄを走査して、そのカラーマークのマーク色と塗り込み位置を解析するようにしてもよい。
図１１はこの発明の実施の形態２による構造化文書作成方法を示すフローチャートである。

次に動作について説明する。
最初に、構造化対象の文書である非構造化文書Ａを複写して、その複写文書Ｄを用意する（ステップＳＴ１１）。
次に、ユーザは、図４に示すように、複写文書Ｄにおける識別対象の文字列毎に、異なる色のカラーマークの塗り込みを行う（ステップＳＴ１２）。

即ち、ユーザは、例えば、複写文書Ｄにおける章見出しは赤色、節見出しは青色、節内の文章は黄色などのように決定し、章見出し、節見出しや節内の文章を色分けする。
この際、ユーザは構造化文書作成装置のマンマシンＩ／Ｆ１を操作して、章見出しに対応するタグ名、節見出しに対応するタグ名、節内の文章に対応するタグ名を入力する。
設定受付部２は、ユーザによるマンマシンＩ／Ｆ１の操作内容を入力し、各種のマーク色に対応するタグ名の設定を受け付けて、その設定内容をメモリ３に格納する（ステップＳＴ１３）。
図５は各種のマーク色に対応するタグ名を示す説明図である。図５の例では、赤色に対応するタグ名は＜ｔ１＞、青色に対応するタグ名は＜ｔ２＞、黄色に対応するタグ名は＜ｔ３＞に設定している。

次に、ユーザは、上記のようにして、カラーマークを塗り込んだ複写文書Ｄをイメージスキャナ４にセットする。
これにより、イメージスキャナ４は、複写文書Ｄに塗り込まれているカラーマークの読込処理を実施し、その読込結果であるイメージデータをカラーマーク解析部５に出力する（ステップＳＴ１４）。

カラーマーク解析部５は、イメージスキャナ４から複写文書Ｄに塗り込まれているカラーマークの読込結果であるイメージデータを受けると、そのイメージデータを参照して、複写文書Ｄに塗り込まれている各カラーマークのマーク色を解析するとともに、各カラーマークの塗り込み位置を解析し、その解析結果をメモリ３に格納する（ステップＳＴ１５）。
なお、カラーマークの塗り込み位置として、例えば、複写文書Ｄの左端からカラーマークの塗り込み開始位置までの距離ＸＬ１〜ＸＬ３や、カラーマークの塗り込み終了位置から複写文書Ｄの右端までの距離ＸＲ１〜ＸＲ３などを解析している（図６を参照）。

ユーザは、カラーマーク解析部５が各カラーマークのマーク色と塗り込み位置を解析すると、非構造化文書Ａをイメージスキャナ４にセットする。
これにより、イメージスキャナ４は、非構造化文書Ａに記述されている文字列の読込処理を実施し、その読込結果であるイメージデータを文字列抽出部６に出力する（ステップＳＴ１６）。

文字列抽出部６は、イメージスキャナ４から文字列の読込結果であるイメージデータを受けると、そのイメージデータを参照して、非構造化文書Ａに記述されている各文字列の記述位置を解析する（ステップＳＴ１７）。
なお、文字列の記述位置として、例えば、非構造化文書Ａの左端から文字列の先頭位置までの距離ＧＬ１〜ＧＬ３や、文字列の後尾位置から非構造化文書Ａの右端までの距離ＧＲ１〜ＧＲ３などを解析している（図７を参照）。

そして、文字列抽出部６は、非構造化文書Ａに記述されている各文字列の記述位置と、メモリ３に格納されている各カラーマークの塗り込み位置とを比較し、各カラーマークの塗り込み位置に対応する文字列を抽出する（ステップＳＴ１８）。
即ち、左端から先頭位置までの距離と、左端から塗り込み開始位置までの距離とが一致し、かつ、後尾位置から右端までの距離と、塗り込み終了位置から右端までの距離とが一致している文字列とカラーマークの組み合わせを検出する。
図８の例では、章見出しである文字列Ｍ１と赤色のカラーマークとが対応し、節見出しである文字列Ｍ２と青色のカラーマークとが対応し、節内の文章である文字列Ｍ３と黄色のカラーマークとが対応している。

タグ付加部７は、文字列抽出部６が各カラーマークの塗り込み位置に対応する文字列を抽出すると、図９に示すように、非構造化文書Ａに記述されている各文字列に連番を付与する（ステップＳＴ１９）。
そして、タグ付加部７は、メモリ３を参照して、カラーマーク解析部５により解析されたカラーマークのマーク色に対応するタグを取得し、そのカラーマークの塗り込み位置に対応する文字列に当該タグを付加することにより、構造化文書Ｃを作成する（ステップＳＴ２０）。
即ち、タグ付加部７は、図１０に示すように、章見出しである文字列Ｍ１にはタグ名が＜ｔ１＞のタグを付与し、節見出しである文字列Ｍ２にはタグ名が＜ｔ２＞のタグを付与し、節内の文章である文字列Ｍ３にはタグ名が＜ｔ３＞のタグを付与する。

以上で明らかなように、この実施の形態２によれば、カラーマークが塗り込まれた複写文書Ｄを走査して、カラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析部５を設け、非構造化文書Ａを走査して、そのカラーマーク解析部５により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを文字列に付加するように構成したので、予め文字レイアウトを識別するルールを作成することなく、書式が複雑な文書でも構造化文書を作成することができる効果を奏する。

また、この実施の形態２によれば、ユーザによるマンマシンＩ／Ｆ１の操作内容を入力して、各種のマーク色に対応するタグの設定を受け付ける設定受付部２を設けたので、ユーザが所望のタグを非構造化文書Ａに記述されている各文字列に付与することができる効果を奏する。

実施の形態３．
上記実施の形態１，２では、非構造化文書Ａにおける文字列を、章見出し、節見出し、あるいは、節内の文章に識別してタグを付加するものについて示したが、識別対象はこれらに限るものではなく、例えば、図面や表のタイトルなどを識別してタグを付加するようにしてもよい。
また、節内の文章も１種類に限るものではなく、２種類以上の文章を区別するようにしてもよい。章見出しや節見出しも同様に、１種類に限るものではなく、２種類以上の章見出し等を区別するようにしてもよい。

また、上記実施の形態１，２では、左端から先頭位置までの距離と、左端から塗り込み開始位置までの距離とが一致し、かつ、後尾位置から右端までの距離と、塗り込み終了位置から右端までの距離とが一致している文字列とカラーマークの組み合わせを検出するものについて示したが、文字列とカラーマークの組み合わせの検出処理は、これに限るものではなく、他の検出処理を実施するようにしてもよい。
例えば、左端から先頭位置までの距離と、左端から塗り込み開始位置までの距離とが一致している文字列とカラーマークの組み合わせを検出し、後尾位置から右端までの距離と、塗り込み終了位置から右端までの距離との一致を判別しないようにしてもよい。
この場合、識別対象の文字列を字下げ幅だけで識別することになるため、書式が比較的簡単な文書に限られるが、後尾位置から右端までの距離と、塗り込み終了位置から右端までの距離との一致を判別しないで済むため、処理の簡単化と高速化を図ることができる効果を奏する。

実施の形態４．
上記実施の形態１〜３では、非構造化文書Ａから抽出した文字列の記述位置とカラーマークの塗り込み位置とを比較して、その記述位置と塗り込み位置が一致する文字列とカラーマークの組み合わせを検出するものについて示したが、例えば、イメージスキャナ４に対する非構造化文書Ａのセット具合と、イメージスキャナ４に対する透明セロハンＢ又は複写文書Ｄのセット具合との相違などを起因にして、本来的には対応する文字列とカラーマークの位置が完全には一致しないことがある。

そこで、この実施の形態４では、イメージスキャナ４の読込処理時に位置ズレなどが発生しても、文字列とカラーマークの対応付けを可能にするため、次のようにしている。
即ち、タグ付加部７は、非構造化文書Ａから抽出した文字列の記述位置と一致するカラーマークの塗り込み位置がメモリ３に格納されていない場合、その塗り込み位置が文字列の記述位置に最も近いカラーマークを当該文字列と対応付けるようにする。

例えば、左端から先頭位置までの距離がＧＬ１である文字列に対して、左端から塗り込み開始位置までの距離がＧＬ１に一致するカラーマークが存在しない場合において、下記に示すように、距離ＧＬ１に最も近い塗り込み開始位置までの距離がＸＬ１であれば、塗り込み開始位置までの距離がＸＬ１であるカラーマークを当該文字列と対応付けるようにする。
｜ＧＤ１−ＸＬ１｜＝Ｋ１
｜ＧＤ１−ＸＬ２｜＝Ｋ２
｜ＧＤ１−ＸＬ３｜＝Ｋ３
Ｋ１＜Ｋ２＜Ｋ３

以上で明らかなように、この実施の形態４によれば、非構造化文書Ａから抽出した文字列の記述位置と一致するカラーマークの塗り込み位置が存在しない場合、その塗り込み位置が文字列の記述位置に最も近いカラーマークを当該文字列と対応付けるように構成したので、仮に、イメージスキャナ４の読込処理時に位置ズレなどが発生しても、文字列とカラーマークの対応付けを行うことができる効果を奏する。

実施の形態５．
上記実施の形態１〜４では、カラーマーク解析部５が透明セロハンＢや複写文書Ｄに塗り込まれているカラーマークのマーク色や塗り込み位置を解析するものについて示したが、図１３に示すように、カラーマークの形状を解析するようにしてもよい。
この場合、文字列抽出部６は、イメージスキャナ４から出力されたイメージデータを参照して、非構造化文書Ａに記述されている文字列を囲んでいる吹き出しや表などの枠の形状を検出し、その枠の形状に一致するカラーマークの形状を検出するようにする。
ただし、形状の検出処理は、特に問うものではなく、公知の形状検出処理を利用すればよい。形状の検出処理は、本発明の主眼ではないので、説明を省略する。

これにより、形状が一致するカラーマークのマーク色に対応するタグを当該文字列に付加することができるので、吹き出しや表などの枠の中に文字列が挿入されているような複雑な書式の文書であっても、そのような文字列にタグを付加して構造化文書Ｃを作成することができる効果を奏する。
図１２に示すように、上記枠に対応するカラーマークのマーク色が緑色であり、上記枠に対応するカラーマークのタグ名が＜ｔ４＞であれば、例えば、図１４の非構造化文書Ａに記述されている文字列には、図１５のような連番が付与されたのち、図１６のようなタグが付加される。

実施の形態６．
上記実施の形態１〜５では、イメージスキャナ４が非構造化文書Ａを１回だけ読込処理を行うものについて示したが、その読込結果であるイメージデータの精度を高めるため、複数回読込処理を行うようにしてもよい。
この場合、文字列抽出部６は、イメージスキャナ４から出力される複数のイメージデータを相互に比較する。

イメージスキャナ４による読取エラーなどが発生していなければ、複数のイメージデータは同一であるが、何らかの原因で一部の文字を正確に読み取ることができず、文字化けしていると、複数のイメージデータが相互に異なる結果となる。

具体的には、文字列抽出部６は、例えば、イメージスキャナ４から３回分のイメージデータを受けると、３回分のイメージデータを相互に比較する。
そして、２回分のイメージデータが同一であり、１回分のイメージデータが異なる場合には、多数決により、２回分のイメージデータを正規のイメージデータとして採用し、以後、そのイメージデータを参照して、非構造化文書Ａに記述されている各文字列の記述位置を解析するようにする。

以上で明らかなように、この実施の形態６によれば、非構造化文書Ａの読込処理を複数回実施し、複数の読込結果が相互に異なる場合、多数決を実施して複数の読込結果を統一するように構成したので、非構造化文書Ａを１回だけ読込処理を行う場合より、その読込結果であるイメージデータの精度を高めることができる効果を奏する。

この発明の実施の形態１による構造化文書作成装置を示す構成図である。 この発明の実施の形態１による構造化文書作成方法を示すフローチャートである。 非構造化文書の上に重ね合わされた透明セロハンを示す説明図である。 異なる色のカラーマークが塗り込まれた透明セロハンや複写文書を示す説明図である。 各種のマーク色に対応するタグ名を示す説明図である。 カラーマークの塗り込み開始位置と塗り込み終了位置とを示す説明図である。 文字列の先頭位置と後尾位置とを示す説明図である。 文字列とカラーマークの対応関係を示す説明図である。 文字列に連番が付与された非構造化文書を示す説明図である。 文字列にタグが付加された構造化文書を示す説明図である。 この発明の実施の形態２による構造化文書作成方法を示すフローチャートである。 各種のマーク色に対応するタグ名を示す説明図である。 形状が解析されたカラーマークを示す説明図である。 文字列とカラーマークの対応関係を示す説明図である。 文字列に連番が付与された非構造化文書を示す説明図である。 文字列にタグが付加された構造化文書を示す説明図である。

符号の説明

１ マンマシンＩ／Ｆ（設定受付手段）、２ 設定受付部（設定受付手段）、３ メモリ（設定受付手段）、４ イメージスキャナ（カラーマーク解析手段、タグ付加手段）、５ カラーマーク解析部（カラーマーク解析手段）、６ 文字列抽出部（タグ付加手段）、７ タグ付加部（タグ付加手段）、Ａ 非構造化文書、Ｂ 透明セロハン、Ｃ 構造化文書、Ｄ 複写文書。

Claims (8)

1. 非構造化文書に重ねられてカラーマークが塗り込まれた透明セロハンを走査して、そのカラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析手段と、上記非構造化文書を走査して、上記カラーマーク解析手段により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを当該文字列に付加するタグ付加手段とを備えた構造化文書作成装置。
2. カラーマークが塗り込まれた非構造化文書の複写文書を走査して、そのカラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析手段と、上記非構造化文書を走査して、上記カラーマーク解析手段により解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを当該文字列に付加するタグ付加手段とを備えた構造化文書作成装置。
3. 各種のマーク色に対応するタグの設定を受け付ける設定受付手段を設けたことを特徴とする請求項１または請求項２記載の構造化文書作成装置。
4. タグ付加手段は、非構造化文書から抽出した文字列の記述位置と一致するカラーマークの塗り込み位置が存在しない場合、その塗り込み位置が文字列の記述位置に最も近いカラーマークを当該文字列と対応付けることを特徴とする請求項１から請求項３のうちのいずれか１項記載の構造化文書作成装置。
5. タグ付加手段は、カラーマーク解析手段によりカラーマークの形状が解析された場合、上記カラーマーク解析手段により解析されたカラーマークの形状に対応する枠に囲まれている文字列を抽出し、そのカラーマークのマーク色に対応するタグを当該文字列に付加することを特徴とする請求項１から請求項４のうちのいずれか１項記載の構造化文書作成装置。
6. タグ付加手段は、非構造化文書を複数回走査し、複数の走査結果が相互に異なる場合、多数決を実施して複数の走査結果を統一することを特徴とする請求項１から請求項５のうちのいずれか１項記載の構造化文書作成装置。
7. 非構造化文書に透明セロハンを重ね合わせて、その透明セロハンに写っている非構造化文書における識別対象の文字列毎に、異なる色のカラーマークを塗り込むカラーマーク塗り込みステップと、上記カラーマーク塗り込みステップでカラーマークが塗り込まれた透明セロハンを走査して、そのカラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析ステップと、上記非構造化文書を走査して、上記カラーマーク解析ステップで解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを当該文字列に付加するタグ付加ステップとを備えた構造化文書作成方法。
8. 非構造化文書の複写文書における識別対象の文字列毎に、異なる色のカラーマークを塗り込むカラーマーク塗り込みステップと、上記カラーマーク塗り込みステップでカラーマークが塗り込まれた複写文書を走査して、そのカラーマークのマーク色を解析するとともに、そのカラーマークの塗り込み位置を解析するカラーマーク解析ステップと、上記非構造化文書を走査して、上記カラーマーク解析ステップで解析されたカラーマークの塗り込み位置に対応する文字列を抽出し、そのカラーマークのマーク色に対応するタグを当該文字列に付加するタグ付加ステップとを備えた構造化文書作成方法。

Images