JP2006276903A - 文書処理装置 - Google Patents

Abstract

【課題】 文書の一部分を指定して翻訳作業を行う場合でも、必要な情報を自動的に探索して、完成度の高い翻訳文書を出力することができる文書処理装置を提供する。
【解決手段】 この文書処理装置は、原稿上の画像を読み取る読取手段１０と、画像中の指定領域を抽出する範囲抽出手段１２と、抽出された範囲の画像から文字データを抽出する文字認識手段１４と、抽出された文字データを翻訳する翻訳手段１６と、翻訳結果を出力する出力手段２０を備えている。さらに、内容確認手段１８が設けられており、これは、抽出された文字データ内にその文字データ内では対象語が特定されない指示語が有るかどうかを判断し、そのような指示語が有る場合には、その指示語の対象語を指定領域より他の領域において探索し、探索された対象語で指示語を置き換える。
【選択図】 図１

Description

本発明は、文書を読み取って翻訳を行って出力する文書処理装置に関する。

外国語の文書の効率的な利用を図るために、文書を機械翻訳して出力する装置が開発されている。例えば、特許文献１の翻訳複写装置は、画像読取手段が原画像を読み取り、識別手段が読み取った原画像を絵柄情報と文字情報に識別し、翻訳手段が文字情報について文字毎に認識し、更にその内容を他国語に翻訳して原画像と共に翻訳画像を出力するように構成されている。画像読取手段に自動紙送り装置を用いれば、定型の用紙の原稿であれば自動的に読み取るので、大量の書類でも人手を要せずに処理できる。このような装置は、ハードコピーを出力するだけでなく、情報を電子化したデータとして保存して、いわゆるペーパーレス化による書類の効率的な保存と利用を図るためにも用いられている。

しかしながら、文書自体の価値が低かったり、処理のために高いコストが掛かる場合が有る。例えば、定型の原稿では無い場合や、製本された書籍の場合には、自動紙送り装置を用いることは難しいので、人手によって読み取らせなければならず、作業コストが掛かる。そのような場合には、文書中の価値が高いと判断される一部分だけを抜き出して、翻訳処理することが考えられる。このような翻訳結果は、全体の文書の抄録、あるいはインデックスとして使うことができる。但し、抜き出した前後の部分に含まれる情報が脱落してしまうため、そのまま訳すと不完全で意味の通じない翻訳結果になってしまう場合が有る。
特開昭６２−１５４８４５号公報

本発明は、前記事情に鑑みて為されたもので、文書の一部分を指定して翻訳作業を行う場合でも、必要な情報を自動的に探索して、完成度の高い翻訳文書を出力することができる文書処理装置を提供することを目的とする。

前記目的を達成するために、本発明による文書処理装置は、原稿上の画像を読み取る読取手段と、画像中の指定領域を抽出する範囲抽出手段と、前記範囲抽出手段によって抽出された範囲の画像から文字データを抽出する文字認識手段と、前記文字認識手段によって認識された文字データを翻訳する翻訳手段と、前記翻訳手段による翻訳結果を出力する出力手段と、前記範囲抽出手段によって抽出された文字データ内に、他の語を対象語として指示する指示語であって、前記指定範囲内では前記対象語が特定されない指示語が有るかどうかを判断し、そのような指示語が有る場合には、その指示語の対象語を前記指定領域より他の領域において探索し、探索された対象語で前記指示語を置き換える内容確認手段とを具備することを特徴とする。

また、前記範囲抽出手段は、原稿上のマーキングに基づいて指定領域を抽出してもよく、ユーザが前記指定領域を指定するための入力手段を有してもよい。

また、前記内容確認手段は、対象語が検索されない場合には、その旨を出力結果に付加したり、その旨の警告を発すると好適である。さらに、前記内容確認手段は、予め指示語とそれに対応する対象語の定義が設定されているテーブルを有し、前記テーブルを参照することで指示語およびその対象となる対象語の検索を行うようにしてもよい。

請求項１ないし請求項６に記載の文書処理装置によれば、文書の一部分を指定して翻訳作業を行う場合でも、必要な情報を自動的に探索して、完成度の高い翻訳文書を出力することができる。

以下、図面を参照してこの発明の実施の形態を説明する。図１は、この実施の形態の文書処理装置の構成を示すブロック図である。この文書処理装置は、送信すべき文書を読み取って画像データを出力する読取手段１０と、この画像データについて文書処理をすべき範囲を抽出する範囲抽出手段１２と、抽出された範囲の画像データに対して文字認識を行って文字データを抽出する文字認識手段１４と、文字認識手段１４が出力する文字データをそれぞれ予め指定された翻訳元言語から翻訳先言語に翻訳する翻訳手段１６と、翻訳結果の内容を確認して意味の特定されていない指示語の有無を判断する内容確認手段１８と、確認後の翻訳された文書を適当な装置に出力する出力手段２０とを備えている。ここで、指示語とは、代名詞のように他の語を指示し、指示した語に置き換えることができる語を言う。

読取手段１０は、例えば、文書を読取装置の読取面に沿って移動させつつ文書の各部の明暗を２値化して画像データとする周知のもので、通常、自動紙送り機構を有するスキャナと呼ばれるハードウエア部分を含んでいる。範囲抽出手段１２は、何らかの形でユーザの意図を反映させて画像データの一部を抽出する。この実施の形態では、範囲抽出手段１２に対して人間が指示を与えるためのユーザインタフェース２２が設けられている。これは、例えば、読取手段が取得した画像データを範囲抽出手段１２がディスプレイに表示し、ユーザが画面上でマウス等によって領域指定することによって行われる。ユーザインタフェース２２は、キーボード、タッチパネル等適宜の形態を採用することができ、文書処理装置に既設のものが有ればそれを援用すればよい。

また、例えば、ユーザが文書に直接に枠を書き込むことで抽出領域を指示することもできる。この場合には、範囲抽出手段１２にその枠を直接判断する機能を持たせることで、ユーザインタフェース２２は不要である。この方法は、例えば、原本のコピーを取ってこれに枠を書き込む作業をしておけば、後は装置が自動処理してくれるので、大量の文書の処理には手間を省けて便利である。

文字認識手段１４は、画像データについて、予め指定された原稿文書言語で文字認識を行って、文書の文字データを生成する。翻訳手段は、翻訳元言語と翻訳先言語の対応表である辞書データベースを参照して翻訳を行う周知のものである。出力手段は、プリンタ、ディスプレイ、あるいはメモリ手段等が、適宜に選択できる。元の文書に、文字以外のグラフィック情報、すなわち、図形、写真等が含まれている場合には、翻訳結果とグラフィック情報を再合成して出力するようにしてもよい。

内容確認手段１８は、翻訳結果の内容の中から指示語を探索する。内容確認手段１８は、このような指示語を事前に記憶させた指示語データベースを、図２に示すようなテーブル形式で持っている。このテーブルＴＢＬでは、左欄に指示語が、中央欄にその指示語に対応する対象語の候補が、右欄に探索する方向が、それぞれ設定されている。１つの指示語に対応する対象語は、通常単数では無いので、複数の候補が設定されている。

図２に示すテーブルＴＢＬにおける探索対象の欄の候補名は、直接探索すべき言葉ではなく、そのような特徴を持つ主体の集合の名称として設定されている。例えば、「彼」という指示語の対象語としては「男性」と「一般的な人」という概念が設定されている。また、「男性」という語に集約される語としては、「男性の名前」、「男性を表す名詞」、「一般的に男性である職業に従事する人」等に該当する言葉が全て含まれる。このような「男性」に対する下位の概念語についても、テーブルＴＢＬに記憶されている。なお、下位の概念語をテーブルＴＢＬで記憶せず、翻訳手段が有する辞書に記憶させてもよい。例えば、対象語の説明として「男性」というキーワードに下位の概念語が対応するように階層構造としておけば、辞書データベースを用いて対象語を検索することができる。
また、探索した際に複数の候補が現れた場合は、予め決めた規則によりいずれかを選択するようになっている。この規則は、指示語に最も近い位置（文章上の位置）で検索された語を選ぶなどのように決められている。また、それぞれに出現頻度を付与し、優先性を設置するなどの規則を合わせて用いてもよい。
また、図２に示す「彼ら」の対象語としては「複数の人」「複数の物」「複数の動物」などの概念語が設定されている。この場合も、例えば、「複数の人」の下位の概念語として「人の名前と人の名前（人の名前が連続して現れている部分）」という定義が設定されている。

以下に本実施形態の動作を説明する。図３は、例文を用いた文書処理の流れを示す図で、Ｄ１は英語で記載された元の文書、Ｄ２はそのまま日本語に翻訳した文書、Ｄ３は、この発明を用いた場合の翻訳文書である。以下、図３の処理における文書処理装置の動作を図４のフロー図を参照しつつ説明する。

原稿は読取手段によって読み取られ（ステップ１）、範囲抽出手段１２は部分指定が有るかどうかを確認する（ステップ２）。部分指定の有無は、原稿のマーキングによる場合は、それが有るかどうかを画像データ上で判断する。画像データに対してユーザが個別に指定するシステムでは、ディスプレイ等で文書画像データを開き、ユーザに領域指定をさせるようにして、ユーザの対応によって判断する。部分指定が無い場合には、文字認識手段１４および翻訳手段が通常通り動作して、全範囲を翻訳し（ステップ３）、出力手段が結果を出力する（ステップ４）。

ステップ２において部分指定有りと判断された場合には、範囲抽出手段１２はその指定範囲を抽出し（ステップ５）、文字認識と翻訳を行う（ステップ６）。次に、内容確認手段１８は、翻訳結果中に指示語が有るかどうかを確認する（ステップ７）。これは図２に示したテーブルの左欄を参照して行う。もし、これらの言葉が指定範囲内に無い場合には、そのまま結果を出力する（ステップ４）。ステップ７において、指示語が見つかった場合には、指定範囲内にその指示語に対応する対象語が有るかどうかを判断する（ステップ８）。

図３の実施の形態では、Ｄ２に示すように指示語は「彼ら」であるので、対象語を(1)複数の人、(2)複数の物、(3)複数の動物、・・の順に探していく。このときの探索方向は、テーブルＴＢＬにより指示語より前方であることが指定される。そして、対象語が指定範囲内に有る場合には、指示語をそのまま出力する（ステップ４）。これは、指定範囲の文章中に指示語に対応する語があるなら、その範囲内で指示語が指す言葉が明確に対応するため、指示語を対象語に置き換えなくても意味が判るからである。一方、指示語に対応する言葉が見つからなければ、翻訳範囲を探索方向と同じ前方へ拡張する（ステップ９）。拡張は、適宜の文章量を単位として行うが、ここでは、段落単位で行っている。そして拡張部を翻訳し（ステップ１０）、この範囲で再度、対象語の探索を行う（ステップ１１）。

ステップ１１で、拡張範囲内に対象語が有れば、その部分を翻訳し、指示語の翻訳語をその対象語の翻訳語に置き換え（ステップ１２）、結果を出力する（ステップ４）。図３に示す例では、テーブルＴＢＬに、「複数の人」の概念に含まれる言葉として「人の名前と人の名前（人の名前が連続して現れている部分）」という定義があるから、これに該当する言葉が最初の拡張部で見つかる。これにより、ステップ１２では、図３のＤ３に示すように、「彼ら」を「田中さんと松井さん」に置き換える。なお、通常、指示語の対象は直近に有るので、探索方向に最初に見つかった言葉を対象語とすればよいが、複数の候補が有る場合の選択の基準として、距離的近さ以外の、内容的な近さや、先に規定した出現頻度に基づく優先性等を考慮するようにしてもよい。

ステップ１１で、拡張範囲内に対象語が無い場合には、さらなる拡張が可能かどうかを判断し（ステップ１３）、拡張が可能であればステップ９に戻って再度ステップ１１までを繰り返す。原稿に拡張する余地が無い場合には、指示語をそのまま残した状態で結果を出力する（ステップ４）。この場合、指示語内容が不明であるというコメントを印刷物に付加して出力したり、そのような内容の警告を別の方法（表示手段による表示や音声合成装置を用いた音声案内など）で行うようにしてもよい。ユーザは、そのような警告に対して、さらに前のページを読取手段に供給する等の対策を執ることができる。また、このように部分指定を行って翻訳させる場合には、前後のページに必要な情報が有る可能性があるので、最初から前後のページを含めて読み取らせるようにしてもよい。

なお、上の実施の形態では、指示語が代名詞であって、既出の言葉を探索したが、指示語の中には、「下記のような〜」のように、対象語が指示語の後方で説明される場合も有り、その場合には、探索する対象語は「〜」自体であり、探索結果を置き換える場合には、その説明も含めるようにする。

この実施の形態では、翻訳してから、指示語の有無を確認したが、原文で確認しても良い。その場合は、内容確認手段１８の作業は、図４のステップ１２の置き換えも含めて全て翻訳元の言語で行い、ステップ３の翻訳作業はその後に行う。

この発明の実施の形態の文書処理装置の構成を示すブロック図である。 指示語データベースの内容を説明するテーブルである。 文書処理作業の具体例を示す図である。 この発明の実施の形態の文書処理装置の動作を示すフロー図である。

符号の説明

１０ 読取手段
１２ 範囲抽出手段
１４ 文字認識手段
１６ 翻訳手段
１８ 内容確認手段
２０ 出力手段
２２ ユーザインタフェース

Claims (6)

1. 原稿上の画像を読み取る読取手段と、
   画像中の指定領域を抽出する範囲抽出手段と、
   前記範囲抽出手段によって抽出された範囲の画像から文字データを抽出する文字認識手段と、
   前記文字認識手段によって認識された文字データを翻訳する翻訳手段と、
   前記翻訳手段による翻訳結果を出力する出力手段と、
   前記範囲抽出手段によって抽出された文字データ内に、他の語を対象語として指示する指示語であって、前記指定範囲内では前記対象語が特定されない指示語が有るかどうかを判断し、そのような指示語が有る場合には、その指示語の対象語を前記指定領域より他の領域において探索し、探索された対象語で前記指示語を置き換える内容確認手段と
   を具備することを特徴とする文書処理装置。
2. 前記範囲抽出手段は、原稿上のマーキングに基づいて指定領域を抽出することを特徴とする請求項１に記載の文書処理装置。
3. 前記範囲抽出手段は、ユーザが前記指定領域を指定するための入力手段を有していることを特徴とする請求項１に記載の文書処理装置。
4. 前記内容確認手段は、対象語が検索されない場合には、その旨を出力結果に付加することを特徴とする請求項１から３いずれかに記載の文書処理装置。
5. 前記内容確認手段は、対象語が検索されない場合には、その旨の警告を発することを特徴とする請求項１から４いずれかに記載の文書処理装置。
6. 前記内容確認手段は、予め指示語とそれに対応する対象語の定義が設定されているテーブルを有し、前記テーブルを参照することで指示語およびその対象となる対象語の検索を行うことを特徴とする請求項１から５いずれかに記載の文書処理装置。

Images