JP2007052615A - 文書処理装置、ルールデータ生成方法およびプログラム - Google Patents

Abstract

【課題】 記載項目およびそのレイアウトに基づいて紙文書の種類を特定しその種類毎に分類して電子化するためのルールデータの作成に要する手間を軽減させる。
【解決手段】 紙文書を表す文書画像データをその紙文書の記載項目の階層構造に基づいて分類して記憶する文書処理装置に、文書画像データを受取る第１のステップと、第１のステップにて受取った文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する第２のステップと、第１のステップにて受取った文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する第３のステップと、第２のステップにて特定されたレイアウトおよび第３のステップにて判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成して記憶する第４のステップとを実行させる。
【選択図】 図２

Description

本発明は、紙文書を電子化する技術に関し、特に、紙文書をその種別毎に分類して電子化するための技術に関する。

紙文書を表す画像をスキャナ装置に読み取らせ、その画像に対応した画像データ（以下、文書画像データ）をハードディスクなどの記憶装置へ書き込んで保管すること（以下、「紙文書の電子化」と呼ぶ）が一般に普及している。また、紙文書を電子化する際に、その記載項目の配列（以下、レイアウト）や各記載項目の記載内容に基づいてその紙文書の種別を特定し、その種別毎に異なる記憶領域（例えば、フォルダやディレクトリ）へ格納するなど各紙文書をその種別毎に分類して電子化する技術も種々提案されている。紙文書の種別をそのレイアウトや各記載項目の記載内容に基づいて特定することを可能にする技術の一例としては、特許文献１に開示された技術が挙げられる。
この特許文献１には、以下のようにして紙文書をその種別毎に分類して電子化する文書処理装置が開示されている。すなわち、紙文書の種類毎にその紙文書のレイアウトを表すデータが書き込まれた文書レイアウト知識ファイルと、紙文書の種類毎に記載項目の意味内容を表すデータが書き込まれた文書コンテンツ知識ファイルとを各紙文書を解析して作成し予め上記文書処理装置に記憶させておく。そして、この文書処理装置は、自装置に予め記憶している文書レイアウト知識ファイルと文書コンテンツ知識ファイルとを参照して、自装置へ入力された文書画像データの表す紙文書（すなわち、電子化対象である紙文書）の種別を特定する。なお、以下では、上記文書レイアウト知識ファイルのように紙文書のレイアウトを表すデータと上記文書コンテンツ知識ファイルのように紙文書の記載項目の内容を表すデータとの両者を合わせて「ルールデータ」と称する。
特開平１０−２４０９０１号公報

しかしながら、同種の紙文書であっても、その作成時期が異なっていると、記載項目の追加や削除により、記載項目の数が変化していたり、そのレイアウトが変化していたりする場合がある。このため、上記ルールデータが作成された後に、記載項目の数やレイアウトが変更された紙文書については、そのルールデータを用いてもその紙文書の種別を正確に特定することができない場合がある。
このような事態が生じることを回避するためには、記載項目の数やレイアウトが変更される度毎にルールデータを再作成しておく必要があるが、ルールデータの再作成を行う際には、変更前後の各紙文書を比較してその記載項目やレイアウトの変更点を逐一洗い出さなければならず、多大な手間を要してしまう。
本発明は、上記課題に鑑みてなされたものであり、記載項目およびそのレイアウトに基づいて紙文書の種類を特定しその種類毎に分類して電子化するためのルールデータの作成に要する手間を軽減させることを可能にする技術を提供することを目的としている。

上記課題を解決するために、本発明は、記憶手段と、文書を表す文書画像データが入力される入力手段と、前記入力手段へ入力された文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する特定手段と、前記入力手段へ入力された文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する判別手段と、前記特定手段により特定されたレイアウトおよび前記判別手段により判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成する生成手段と、前記生成手段により生成されたルールデータを前記記憶手段へ書き込む書き込み手段とを有することを特徴とする文書処理装置を提供する。
このような文書処理装置によれば、文書画像データをその文書画像データの表す紙文書の記載項目の階層構造に基づいて分類するためのルールデータが、その文書画像データにレイアウト解析および文字解析を施すことによって生成される。

より好ましい態様においては、前記記憶手段には、複数の文書の各々について前記ルールデータが文書の種別毎に分類されて予め書き込まれており、前記生成手段により生成されたルールデータとの類似の度合いが所定の閾値以下である類似ルールデータが前記記憶手段に記憶されているか否かを判定する判定手段を備え、前記書込み手段は、類似ルールデータが前記記憶手段に記憶されていると前記判定手段により判定された場合に、前記生成手段により生成されたルールデータをその類似ルールデータと同一グループに分類して書き込むことを特徴としている。このような態様においては、新たに生成されたルールデータとの類似の度合いが所定の閾値以下である類似ルールデータが上記記憶手段に記憶されている場合には、その類似ルールデータと同一グループに属するように分類されて上記新たなルールデータが上記記憶手段に書き込まれる。

さらに好ましい態様においては、前記生成手段により生成されたルールデータと前記類似ルールデータとを比較し、両者の共通部分を抽出する抽出手段を備え、前記書込み手段は、前記生成手段により生成されたルールデータを前記記憶手段へ書き込むことに替えて、前記記憶手段に記憶されている類似ルールデータを、前記抽出手段により抽出された共通部分から生成される新たなルールデータで書きえることを特徴としている。このような態様においては、生成手段によって生成されたルールデータを上記記憶手段に書き込むことに替えて、そのルールデータと類似ルールデータとの共通部分から生成されるルールデータで上記登録済みのルールデータが書き換えられる。

また、上記課題を解決するために本発明は、紙文書を表す文書画像データをその紙文書の記載項目の階層構造に基づいて分類して記憶する文書処理装置に、該文書画像データを分類するためのルールデータを生成させるルールデータ生成方法において、文書画像データを受取る第１のステップと、前記第１のステップにて受取った文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する第２のステップと、前記第１のステップにて受取った文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する第３のステップと、前記第２のステップにて特定されたレイアウトおよび前記第３のステップにて判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成して記憶する第４のステップと、を前記文書処理装置に実行させることを特徴とするルールデータ生成方法、を提供する。
このようなルールデータ生成方法によれば、文書画像データをその文書画像データの表す紙文書の記載項目の階層構造に基づいて分類するためのルールデータが、その文書画像データにレイアウト解析および文字解析を施すことによって生成され、そのルールデータを上記文書処理装置に記憶させておくことによって、そのルールデータにしたがった文書画像データの分類を上記文書処理装置に行わせることが可能になる。

また、上記課題を解決するために本発明は、コンピュータ装置に、紙文書を表す文書画像データをその紙文書の記載項目の階層構造に基づいて分類するためのルールデータを生成させるプログラムにおいて、文書画像データを受取る第１のステップと、前記第１のステップにて受取った文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する第２のステップと、前記第１のステップにて受取った文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する第３のステップと、前記第２のステップにて特定されたレイアウトおよび前記第３のステップにて判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成して記憶する第４のステップと、を前記コンピュータ装置に実行させることを特徴とするプログラム、を提供する。
このようなプログラムによれば、一般的なコンピュータ装置をそのプログラムにしたがって作動させることによって、そのコンピュータ装置を本発明に係る文書処理装置として機能させることが可能になる。なお、本発明の別の態様においては、ＣＤ−ＲＯＭ（Compact Disk−Read Only Memory）などのコンピュータ装置読み取り可能な記録媒体に上記プログラムを書き込んで提供するとしても良い、インターネットなどの電気通信回線経由で上記プログラムを配布するようにしても良い。

本発明によれば、記載項目およびそのレイアウトに基づいて紙文書の種類を特定しその種類毎に分類して電子化するためのルールデータの作成に要する手間を軽減させることが可能になる、といった効果を奏する。

以下、本発明を実施する際の最良の形態について図面を参照しつつ説明する。
（Ａ．構成）
図１は、本発明に係る文書処理装置の１実施形態である複合機１０の構成例を示す図である。
ここで、複合機とは、例えばスキャナ機能や、プリンタ機能、ファクシミリ機能など複数の機能を兼ね備えた画像処理装置のことである。本実施形態においては、複合機１０は、上記３つの機能を兼ね備えており、図１に示すように、制御部１１０、ユーザインターフェイス（User Interface：以下、「ＵＩ」と表記する）部１２０、画像読取部１３０、通信インターフェイス（Interface：以下、「ＩＦ」と表記する）部１４０、印字部１５０、記憶部１６０、および、各構成要素間のデータ授受を仲介するバス１７０をその構成要素として備えている。
なお、本実施形態では、複合機１０が上記３つの機能（すなわち、スキャナ機能、プリンタ機能およびファクシミリ機能）の全てを兼ね備えている場合について説明するが、これら３つの機能のうちの何れか２つを兼ね備えているといても良いことは勿論である。

制御部１１０は、例えばＣＰＵ（Central Processing Unit）であり、記憶部１６０に格納されているプログラムを実行することによって、複合機１０の各部の作動制御を中枢的に行うものである。

ＵＩ部１２０は、例えば液晶パネルとその駆動回路とで構成された表示装置（図示省略）と、テンキーやカーソルキーなどの複数の操作子が設けられた操作パネル（図示省略）とを含んでいる。このＵＩ部１２０は、複合機１０の利用を促すための各種画像を制御部１１０による支配下で上記表示装置に表示させるとともに、それら画像を視認したユーザが上記各種操作子を操作して何らかの入力を行った場合に、その操作子の操作内容を表すデータ（以下、操作内容データ）を制御部１１０へと引渡し、その操作内容を制御部１１０へ伝達するためのものである。

画像読取部１３０は、例えばＡＤＦ（Auto Document Feeder）などの自動給紙機構を備えたスキャナ装置であり、ＡＤＦにセットされた紙文書を１枚ずつ読み取り、読み取った画像に対応する文書画像データを制御部１１０へと引き渡すものである。つまり、この画像読取部１３０は、前述したスキャナ機能を複合機１０に実現させるためのものである。なお、上記ＡＤＦにセットされ、文書画像データを読み取られた紙文書は図示せぬ排紙トレイに順次排紙される。

通信ＩＦ部１４０は、例えば公衆電話網やＬＡＮ（Local Area Network）などの通信網に接続されており、その通信網を介して送信されてきたデータ（例えば、文書画像データ）を受信して制御部１１０へと引き渡す一方、制御部１１０から引き渡されたデータをその通信網へと送出するためのものである。つまり、この通信ＩＦ部１４０は、前述したファクシミリ機能を制御部１１０に実現させるためのものである。

印字部１５０は、制御部１１０から引き渡された画像データに応じた画像を、例えば電子写真方式で印刷用紙やＯＨＰシートなどの記録材上に形成して出力するためのもの、前述したプリンタ機能を制御部１１０に実現させるためのものである。なお、本実施形態では、印字部１５０が電子写真方式でプリンタ機能を実現する場合について説明したが、例えばインクジェット方式など他の方式で画像形成を行うとしても良いことは勿論である。

記憶部１６０は、図１に示されているように、揮発性記憶部１６０ａと不揮発性記憶部１６０ｂとを含んでいる。
揮発性記憶部１６０ａは、例えばＲＡＭ（Random Access Memory）であり、後述するプログラムにしたがって作動している制御部１１０によってワークエリアとして利用される。
一方、不揮発性記憶部１６０ｂは、例えば、ハードディスクであり、画像読取部１３０により読み取った文書画像データや通信ＩＦ部１４０により受信した文書画像データの表す紙文書を種別毎に格納するためのものである。より詳細に説明すると、不揮発性記憶部１６０ｂには、複合機１０へ入力された文書画像データを記憶するための記憶領域（本実施形態では、フォルダ）が文書画像データの表す紙文書の種別毎に作成され、これらフォルダには、文書画像データの他に、そのフォルダへ書き込むべき文書画像データの表す紙文書の記載項目やそのレイアウトを表すルールデータが書き込まれるようになっている。つまり、不揮発性記憶部１６０ｂは、処理対象文書（電子化対象の紙文書）を表す文書画像データを記憶するための記憶手段として機能するとともに、電子化対象の紙文書の種別を特定する際に利用するルールデータを記憶するための記憶手段として機能する。また、この不揮発性記憶部１６０ｂには、本発明に係る文書処理装置に特徴的な処理を制御部１１０に実行させるためのプログラムも格納されている。
以上が複合機１０の構成である。

（Ｂ：動作）
次いで、不揮発性記憶部１６０ｂに予め格納されているプログラムにしたがって制御部１１０が行う処理について説明する。なお、以下に説明する動作例の開始時点では、不揮発性記憶部１６０ｂにはルールデータや文書画像データを格納するためのファルダは作成されておらず、不揮発性記憶部１６０ｂにはルールデータが１つも格納されていないものとする。

ユーザが複合機１０のＡＤＦに、電子化対象である複数枚の紙文書をセットし、所定の操作（例えば、ＵＩ部１２０に設けられている起動ボタンの押下など）を行うと、それら紙文書が１枚づつ画像読取部１３０によって読み取られ、その各々に対応する文書画像データが制御部１１０へと引き渡される。これにより、処理対象文書を表す文書画像データが複合機１０へと入力されることになる。つまり、本実施形態では、画像読取部１３０は、複合機１０へ文書画像データを入力するための入力手段としての役割を担っている。以下では、図３（ａ）および（ｂ）に示す２種類の「書籍注文票」が電子化対象の文書としてこの順に上記ＡＤＦにセットされた状態で起動ボタンが押下され、図３（ａ）に示す「書籍注文票」を表す文書画像データ（以下、「文書画像データＡ」）と、図３（ｂ）に示す「書籍注文票」を表す文書画像データ（以下、「文書画像データＢ」）とがこの順に、順次複合機１０へ入力される場合について説明する。

図２は、不揮発性記憶部１６０ｂに予め格納されているプログラムにしたがって制御部１１０が行うルールデータ生成処理の流れを示すフローチャートである。
図２に示すように、制御部１１０は、画像読取部１３０を介して文書画像データを入力されると（ステップＳＡ１００）、その文書画像データに対してレイアウト解析を施し（ステップＳＡ１１０）、電子化対象の紙文書のレイアウトを特定する。本動作例では、まず、文書画像データＡが上記ステップＳＡ１００にて入力され、この文書画像データＡにレイアウト解析を施すことによって、この文書画像データＡの表す紙文書（すなわち、図３（ａ）に示す「書籍注文票」）のレイアウトが特定される。

次いで、制御部１１０は、ステップＳＡ１００にて入力された文書画像データの表す紙文書（すなわち、図３（ａ）に示す「書籍注文票」）に記載されている文字列を抽出しその各々に文字種別解析を施して（ステップＳＡ１２０）、記載項目の属性を表す文字列（以下、「属性文字列」）であるのか、それとも、記載項目の内容を表す文字列（以下、「内容文字列」）であるのかを文字列毎に判別する。つまり、上記プログラムにしたがって作動している制御部１１０は、入力された文書画像データにレイアウト解析を施しその文書画像データの表す紙文書のレイアウトを特定する特定手段として機能するとともに、その記載項目の属性を判別する判別手段として機能する。
より詳細に説明すると、本実施形態では、制御部１１０は、各文字列について活字で構成されているのか、それとも、手書き文字で構成されているのかを判別し、活字で構成されている文字列については上述した属性文字列であると判別し、逆に、手書き文字で構成されている文字列については、内容文字列であると判別する。例えば、図３（ａ）に示す「書籍注文票」については、“書籍注文票”、、“注文書籍”、“出版社名”、“著者”、“書名”、“冊数”、“申込者”、“氏名”、“住所”および“電話番号”が上記属性文字列であると判別され、“○×社”、“山下…”、“ＸＭＬ…”、“１”、“田中…”、“東京都…”、および“０３−…”が上記内容文字列であると判別される。なお、本実施形態では、文字列が活字で構成されているのか、それとも、手書き文字で構成されているのかに基づいて、その文字列が属性文字列であるか、内容文字列であるかを判別する場合について説明したが、文字列を構成する文字のフォント種別やフォントサイズに基づいてその文字列が属性文字列であるか内容文字列であるかを判別するようにしても良いことは勿論である。

次いで、制御部１１０は、ステップＳＡ１１０にて特定されたレイアウトにしたがって、ステップＳＡ１２０にて属性文字列であると判別された文字列の親子関係（すなわち、記載項目間の階層構造）を特定する（ステップＳＡ１３０）。例えば、電子化対象の紙文書に属性文字列“属性Ａ”、“属性Ｂ”、“属性Ｃ”および“属性Ｄ”が記載されており、それら属性文字列が図４（ａ）や図４（ｂ）に示す表形式のレイアウトで記載されている場合（すなわち、属性Ｂ、ＣおよびＤが属性Ａの子である場合）には、これらレイアウトから図４（ｃ）に示すように階層構造を特定する。
そして、制御部１１０は、ステップＳＡ１３０にて特定された階層構造を表すルールデータ（例えば、その親子関係を表すＸＭＬＳｃｈｅｍａ）を生成する（ステップＳＡ１４０）。つまり、上記制御プログラムにしたがって作動している制御部１１０は、電子化対象である紙文書の記載項目間の階層構造を上記レイアウト解析および文字解析の結果に基づいて特定しその階層構造を表すルールデータを生成する生成手段として機能する。例えば、図３（ａ）に示す「書籍注文票」に対しては、図５に示すＸＭＬＳｃｈｅｍａが上記ルールデータ（以下、「ルールデータＡ」）として生成される。なお、本実施形態では、電子化対象の紙文書の記載項目間の階層構造を表すルールデータとしてＸＭＬＳｃｈｅｍａを用いる場合について説明したが、上記階層構造を表すことが可能なデータであればどのようなデータであっても良い。
以上がルールデータ生成処理の流れである。

次いで、ルールデータ生成処理にて生成したルールデータＡを記憶する際に制御部１１０が行うルールデータ登録処理について説明する。
図６は、上記制御プログラムにしたがって制御部１１０が行うルールデータ登録処理の流れを示すフローチャートである。図６に示すように制御部１１０は、まず、上述したルールデータ生成処理にて生成したルールデータＡの他に不揮発性記憶部１６０ｂにルールデータが既に登録されているか否かを判定し（ステップＳＢ１００）、その判定結果が“Ｙｅｓ”である場合には、ステップＳＢ１１０以降の処理を実行する一方、その判定結果が“Ｎｏ”である場合には、ステップＳＢ１６０以降の処理を実行する。

本動作例では、前述したように、ルールデータＡの生成以前には、他のルールデータは不揮発性記憶部１６０ｂには登録されていないのであるから、ステップＳＢ１００の判定結果は“Ｎｏ”になり、ステップＳＢ１６０の処理が実行される。ステップＳＢ１００の判定結果が“Ｎｏ”である場合に後続して実行されるステップＳＢ１６０においては、制御部１１０は、前述したルールデータ生成処理にて生成したルールデータＡの登録を行う。具体的には、制御部１１０は、そのルールデータを格納するためのフォルダを不揮発性記憶部１６０ｂ内に新たに１つ作成し、上記ルールデータ生成処理により生成したルールデータをそのフォルダへ書き込み、ルールデータの登録を行う。なお、上記ルールデータとともにそのルールデータの生成元データである文書画像データを上記フォルダに書き込むようにしても良いことは勿論である。

以上に説明した動作が為される結果、本実施形態に係る複合機１０によれば、電子化対象である紙文書の種別をその記載項目や記載項目のレイアウトに基づいて特定するためのルールデータがその紙文書を表す文書画像データにレイアウト解析および文字種別解析を施すことによって自動的に生成され、複合機１０の不揮発性記憶部１６０ｂに登録されることになる。これにより、ルールデータを生成する際に、各紙文書の記載項目の変更の有無やそのレイアウトの変更の有無を逐一確認するといった手間を省くことが可能になる、といった効果を奏する。

さて、本動作例においては、図３（ａ）に示す「書籍注文票」についてのルールデータの登録が完了すると、図３（ｂ）に示す「書籍注文票」の画像が画像読取部１３０によって読み取られ、文書画像データＢが入力される。以下、この文書画像データＢに対して制御部１１０が行うルールデータ生成処理およびルールデータ登録処理について図面を参照しつつ説明する。

まず、ルールデータ生成処理について説明する。
文書画像データＢに対して制御部１１０が行うルールデータ生成処理は、ルールデータＡの生成の際に行ったルールデータ生成処理（図２参照）と同一である。具体的には、制御部１１０は、画像読取部１３０によって文書画像データＢが入力されると（図２：ステップＳＡ１００）、その文書画像データＢに対してレイアウト解析（ステップＳＡ１１０）および文字種別解析（ステップＳＡ１２０）を施してその文書画像データＢの表す紙文書に記載されている属性文字列の階層構造を特定し（ステップＳＡ１３０）、その階層構造を表すルールデータを生成する（ステップＳＡ１４０）。前述したように、本実施形態では、紙文書に記載されている属性文字列の階層構造を表すルールデータとしてＸＭＬＳｃｈｅｍａが生成されるのであるから、図３（ｂ）に示す「書籍注文票」に対応する文書画像データＢに対しては、図７に示すＸＭＬＳｃｈｅｍａが上記ルールデータとして生成されるこのとになる。以下では、図７に示すＸＭＬＳｃｈｅｍａを「ルールデータＢ」と称する。

次いで、ルールデータＢの登録を行う際に制御部１１０が行うルールデータ登録処理について説明する。
前述したように、制御部１１０は、上記ルールデータ生成処理にて生成したルールデータＢについて図６に示すルールデータ登録処理を実行し、その登録を行う。ただし、ルールデータＢの登録の際には、前述したルールデータＡが不揮発性記憶部１６０ｂに既に登録されているため、ステップＳＢ１００の判定結果は“Ｙｅｓ”になり、ステップＳＢ１１０以降の処理が実行されることになる。

ステップＳＢ１００の判定結果が“Ｙｅｓ”である場合に後続して実行されるステップＳＢ１１０においては、制御部１１０は、前述したルールデータ生成処理にて新たに生成したルールデータ（本動作例では、ルールデータＢ）との類似の度合いを判定する。そして、制御部１１０は、その類似の度合いが所定の閾値以下であるルールデータ（以下、類似ルールデータ）が既に登録されているか否かを判定する（ステップＳＡ１２０）。具体的には、制御部１１０は、前述したルールデータ生成処理にて生成したルールデータに含まれている属性文字列とは異なる属性文字列の個数が所定の閾値（例えば、３）以下であるルールデータを上記類似ルールデータとして、その登録の有無を判別する。
なお、本実施形態では、ルールデータ生成処理にて生成したルールデータに含まれている属性文字列とは異なる属性文字列の個数が所定の閾値（例えば、３）以下であるルールデータを類似ルールデータとする場合について説明したが、属性文字列の記載位置や記載順序が異なっていること（すなわち、異なるレイアウト）を表すルールデータを上記類似ルールデータとしても良いことは勿論である。
また、本実施形態では、ステップＳＢ１００の判定結果が“Ｙｅｓ”である場合には、類似ルールデータが既登録であるか否かを判定する場合について説明したが、類似ルールデータの登録の有無を判定することに先立って、ルールデータ生成処理にて生成したルールデータと同一のルールデータが既登録であるか否かを判定し、同一のルールデータが登録されていないと判定された場合に上記ステップＳＢ１１０の処理を実行するようにしても良い。なお、同一のルールデータが既登録である場合には、以降の処理（ステップＳＢ１１０〜ステップＳＢ１５０）を一切実行する必要がないことは言うまでもない。

ステップＳＢ１２０の判定結果が“Ｎｏ”である場合（すなわち、類似するルールデータが登録されていないと判定した場合）には、制御部１１０は前述したステップＳＢ１６０の処理（すなわち、新たなフォルダの作成、および、そのフォルダへのルールデータの書き込み）を実行し、ルールデータの登録を行う。逆に、ステップＳＢ１２０の判定結果が“Ｙｅｓ”である場合（すなわち、類似するルールデータが登録されていると判定した場合）には、制御部１１０は、その旨を示すメッセージをＵＩ部１２０に表示させ（ステップＳＢ１３０）、新たに生成したルールデータとそのルールデータに類似するルールデータとを同一ルールを表すルールデータとして登録するか否かをユーザに問い合わせる。
本動作例では、図３（ａ）に示す「書籍注文票」と図３（ｂ）に示す「書籍注文票」とを比較すれば明らかように、両者は、以下の２つの点のみが異なっている。すなわち、図３（ａ）における記載項目“書名”が図３（ｂ）では“書籍名”に変更されている点と、図３（ｂ）に示す「書籍注文票」では、図３（ａ）に示す「書籍注文票」にはない記載項目“ＩＳＢＮ”が設けられている点とである。したがって、図５に示すルールデータＡと図７に示すルールデータＢとでは、上記２つの点のみが異なっており、ステップＳＢ１２０の判定結果は“Ｙｅｓ”になる。このため、本実施形態では、上記ステップＳＢ１３０の処理が実行されることになる。

ステップＳＢ１３０にてＵＩ部１２０に表示されたメッセージ（すなわち、新たに生成したルールデータに類似するルールデータが既登録であることを通知する旨のメッセージ）を視認したユーザは、ＵＩ部１２０に設けられている操作子を適宜操作して、両者を同一ルールデータとして登録すること、あるいは、両者を互いに異なるルールを表すルールデータとして登録すること、の何れか一方の指示を入力することができる。なお、本動作例では、上記メッセージを視認したユーザは、両者を同一ルールデータとして登録することを指示する旨の入力を行うものとする。

一方、ＵＩ部１２０設けられている操作子を操作することによって入力された指示は、操作内容に応じてＵＩ部１２０から引き渡される操作内容データによって制御部１１０へ伝達される。制御部１１０は、ＵＩ部１２０から引き渡された操作内容データを解析することによって、両者を同一ルールデータとして登録する旨の指示が入力されたのか否かを判定（ステップＳＢ１４０）することができる。
ステップＳＢ１４０の判定結果が“Ｎｏ”である場合（すなわち、両者を互いに異なるルールを表すルールデータとして登録する旨の指示が入力されたと判定した場合）には、前述したステップＳＢ１６０の処理を実行して本ルールデータ登録処理を終了する。逆に、ステップＳＢ１４０の判定結果が“Ｙｅｓ”である場合（すなわち、両者を同一ルールを表すルールデータとして登録する旨の指示が入力されたと判定した場合）には、制御部１１０は、ステップＳＢ１５０の処理を実行する。前述したように、本動作例では、両者を同一のルールを表すルールデータとして登録することを指示する旨の入力が為されたのであるから、ステップＳＢ１４０の判定結果は“Ｙｅｓ”になり、ステップＳＢ１５０の処理が実行されることになる。

ステップＳＢ１４０の判定結果が“Ｙｅｓ”である場合に後続して実行されるステップＳＢ１５０においては、制御部１１０は、互いに類似するルールデータを合成し新たなルールデータを生成する。具体的には、制御部１１０は、ルールデータＡとルールデータＢとを比較して、その共通部分を抽出して新たなルールデータＣ（図５および図７の網掛け部分を除いたルールデータ）を生成する。そして、制御部１１０は、上記ステップＳＢ１５０にて生成した新たなルールデータ（すなわち、ルールデータＣ）で不揮発性記憶部１６０ｂに登録されているルールデータＡを上書きしてルールデータＣの登録を行う（ステップＳＢ１６０）。

以上に説明したように、本実施形態に係る複合機１０によれば、電子化対象である紙文書を表す文書画像データからその紙文書の種別を特定するためのルールデータが生成され、さらに、生成したルールデータに対して類似ルールデータが既登録である場合には、その両者の共通部分を表す新たなルールデータを合成し、その新たなルールデータが登録される。このようにして合成されたルールデータの表す階層構造を含んでいる文書画像データを同種の文書を表す文書画像データと分類することによって、記載項目の階層構造の類似度が所定の閾値以下である紙文書（すなわち、互いに類似する紙文書）を同一グループに分類して電子化することが可能になる。また、本実施形態に係る複合機１０によれば、ルールデータを生成する際、ルールデータの登録および合成を行う際に、電子化対象の紙文書の記載内容をユーザが確認する必要はなく、ルールデータを生成、登録および合成にかかる手間を省くことが可能になるといった効果を奏する。
そして、上記のようにしてルールデータの生成および登録を行った後に、紙文書の電子化を行えば、その紙文書の種別を登録済みのルールデータに基づいて特定し、その特定結果に対応するフォルダにその紙文書を表す文書画像データを書き込み蓄積することによって、紙文書をその種別毎に分類しつつ電子化することが可能になる。

（Ｃ．変形例）
以上、本発明の１実施形態について説明したが、係る実施形態を以下のように変形しても良いことは勿論である。
（Ｃ−１：変形例１）
上述した実施形態では、類似ルールデータが既に登録されていると判定した場合に、ユーザにその旨を通知し、同一のルールを表すルールデータとして登録することをユーザに指示された場合に、ルールデータの合成を行う場合について説明したが、類似ルールデータが既に登録されていると判定した場合には無条件にルールデータの合成を行うようにしても勿論良い。

（Ｃ−２：変形例２）
上述した実施形態では、ルールデータ生成処理により生成したルールデータとの類似の度合いが所定の閾値以下である類似ルールデータが既登録である場合に、ルールデータ生成処理により生成したルールデータと類似ルールデータとの共通部分から新たなルールデータを生成し、その新たなルールデータで上記類似ルールデータを書き換える場合について説明した。しかしながら、上記共通部分から生成される新たなルールデータの他に、そのルールデータとルールデータ生成処理により生成したルールデータとの相違部分を表す相違部分データや、そのルールデータと既登録のルールデータとの相違部分を表す相違部分データを書き込むようにしても良い。具体的には、図８（ａ）に示すように、ルールデータＡを表す識別子（図８（ａ）では、“識別子Ａ”）に対応付けてルールデータＡとルールデータＣとの相違部分（すなわち、図５における網掛け部分）を表す相違データが書き込まれているとともに、ルールデータＢを表す識別子（図８（ａ）では、“識別子Ｂ”）に対応付けてルールデータＢとルールデータＣとの相違部分（すなわち、図７における網掛け部分）を表す相違データが書き込まれた相違部分管理テーブルをルールデータＣと同一フォルダに書き込むようにしても良い。
また、上記のように新たなルールデータを合成することに替えて、ルールデータ生成処理により生成されたルールデータと既登録の類似ルールデータとの相違部分を表す相違部分データが書き込まれた相違部分管理テーブル（図８（ｂ）参照）のみをその類似ルールデータの属するフォルダに書き込むようにしても良い。例えば、図８（ｂ）は、ルールデータ生成処理にて上述したルールデータＢが生成され、そのルールデータＢに対する類似ルールデータであるルールデータＡが不揮発性記憶部１６０ｂに既に格納されている場合に生成される相違部分管理テーブルの一例を示す図である。図８（ｂ）に示すように、この相違部分管理テーブルには、ルールデータＢを識別するための識別子に対応付けて、ルールデータＡの属性文字列に対応するルールデータＢの属性文字列のうち、その両者で互いに異なっているものが格納されている。なお、図８にて類似属性“ＩＳＢＮ”に対応付けられている属性文字列“ＮＵＬＬ”は、“ＩＳＢＮ”に対応する属性文字列が、類似ルールデータ（すなわち、ルールデータＡ）に含まれていないことを表している。このようにすると、既登録の類似ルールデータとその類似ルールデータと同一フォルダに格納されている相違管理テーブルの格納内容とから上記生成手段により生成されたルールデータを再度生成することが可能であるから、上記生成手段により生成されたルールデータを上記類似ルールデータと同一グループに分類して登録した場合と実質的に等価になる。なお、ルールデータ生成処理にて生成されたルールデータそのものを既登録の類似ルールデータと同一フォルダに書き込むようにしても良いことは言うまでもない。要は、類似の度合いが所定の閾値以下であるルールデータが同一のフォルダに分類されて書き込まれる態様であれば何れであっても良い。

（Ｃ−３：変形例３）
上述した実施形態では、電子化対象である紙文書を表す文書画像データを複合機１０へ入力するための画像読取部１３０をその複合機１０と一体のハードウェアで構成する場合について説明した。しかしながら、文書画像データを入力するための画像読み取り手段と、その文書画像データについて図２に示すルールデータ生成処理および図６に示すルールデータ登録処理を施す文書処理装置とを別体のハードウェアで構成しても良いことは勿論である。また、本実施形態では、スキャナ機能を備えた画像読み取り部から入力された文書画像データを処理対象とする場合について説明したが、通信ＩＦ部１４０を介して受信した文書画像データを処理対象としても良いことは勿論である。この場合、通信ＩＦ部１４０が、処理対象文書を表す文書画像データを入力するための入力手段として機能することになる。
また、上述した実施形態では、スキャナ機能、プリンタ機能およびファクシミリ機能を兼ね備えた複合機に本発明を適用する場合について説明したが、本発明の適用対象は係る複合機に限定されるものではなく、入力された文書画像データから本発明に係るルールデータ生成方法（すなわち、図２に示すフローチャートの表すルールデータ生成方法）にしたがってルールデータを生成し、本発明に係るルールデータ登録方法（すなわち、図６に示すルールデータ登録方法）にしたがってそのルールデータを登録する文書処理装置であればどのような装置であっても良い。

（Ｃ−４：変形例４）
上述した実施形態では、本発明に係る文書処理装置に特有な機能を制御部１１０に実現させるためのプログラムを複合機１０の不揮発性記憶部１６０ｂに予め記憶させておく場合について説明した。しかしながら、例えばＣＤ−ＲＯＭやＤＶＤ（Digital Versatile Disk）などのコンピュータ装置読み取り可能な記録媒体に、上記プログラムを記録しておき、このような記録媒体を用いて一般的なコンピュータ装置に上記プログラムをインストールするとしても良いことは勿論である。このようにすると、一般的なコンピュータ装置を本発明に係る文書処理装置として機能させることが可能になるといった効果を奏する。
また、上述した実施形態では、本発明に係る文書処理装置に特徴的な機能をソフトウェアモジュールで実現する場合について説明したが、ハードウェアモジュールで実現するとしても良いことは勿論である。

本発明の１実施形態に係る複合機１０のハードウェア構成の一例を示す図である。 同複合機１０の制御部１１０が不揮発性記憶部１６０ｂに格納されているプログラムにしたがって実行するルールデータ生成処理の流れを示すフローチャートである。 複合機１０により電子化の対象である紙文書の一例を示す図である。 電子化対象である紙文書の記載項目の親子関係の一例を示す図である。 ルールデータ生成処理にて制御部１１０が生成するルールデータの一例を示す図である。 同複合機１０の制御部１１０が上記プログラムにしたがって行うルールデータ登録処理の流れを示すフローチャートである。 ルールデータ生成処理にて制御部１１０が生成するルールデータの一例を示す図である。 ルールデータ登録処理にて生成される相違部分管理テーブルの一例を示す図である。

符号の説明

１０…複合機、１１０…制御部、１２０…ＵＩ部、１３０…画像読取部、１４０…通信ＩＦ部、１５０…印字部、１６０…記憶部、１６０ａ…揮発性記憶部、１６０ｂ…不揮発性記憶部、１７０…バス。

Claims (5)

1. 記憶手段と、
   文書を表す文書画像データが入力される入力手段と、
   前記入力手段へ入力された文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する特定手段と、
   前記入力手段へ入力された文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する判別手段と、
   前記特定手段により特定されたレイアウトおよび前記判別手段により判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成する生成手段と、
   前記生成手段により生成されたルールデータを前記記憶手段へ書き込む書き込み手段と
   を有することを特徴とする文書処理装置。
2. 前記記憶手段には、複数の文書の各々について前記ルールデータが文書の種別毎に分類されて予め書き込まれており、
   前記生成手段により生成されたルールデータとの類似の度合いが所定の閾値以下である類似ルールデータが前記記憶手段に記憶されているか否かを判定する判定手段を備え、
   前記書込み手段は、
   類似ルールデータが前記記憶手段に記憶されていると前記判定手段により判定された場合に、前記生成手段により生成されたルールデータをその類似ルールデータと同一グループに分類して書き込む
   ことを特徴とする請求項１に記載の文書処理装置。
3. 前記生成手段により生成されたルールデータと前記類似ルールデータとを比較し、両者の共通部分を抽出する抽出手段を備え、
   前記書込み手段は、
   前記生成手段により生成されたルールデータを前記記憶手段へ書き込むことに替えて、前記記憶手段に記憶されている類似ルールデータを、前記抽出手段により抽出された共通部分から生成される新たなルールデータで書き換える
   ことを特徴とする請求項２に記載の文書処理装置。
4. 紙文書を表す文書画像データをその紙文書の記載項目の階層構造に基づいて分類して記憶する文書処理装置に、該文書画像データを分類するためのルールデータを生成させるルールデータ生成方法において、
   文書画像データを受取る第１のステップと、
   前記第１のステップにて受取った文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する第２のステップと、
   前記第１のステップにて受取った文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する第３のステップと、
   前記第２のステップにて特定されたレイアウトおよび前記第３のステップにて判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成して記憶する第４のステップと、
   を前記文書処理装置に実行させることを特徴とするルールデータ生成方法。
5. コンピュータ装置に、
   紙文書を表す文書画像データをその紙文書の記載項目の階層構造に基づいて分類するためのルールデータを生成させるプログラムにおいて、
   文書画像データを受取る第１のステップと、
   前記第１のステップにて受取った文書画像データにレイアウト解析を施しその文書画像データの表す文書のレイアウトを特定する第２のステップと、
   前記第１のステップにて受取った文書画像データに文字解析を施しその文書画像データの表す文書の各記載項目の属性を判別する第３のステップと、
   前記第２のステップにて特定されたレイアウトおよび前記第３のステップにて判別された各記載項目の属性に基づいて記載項目間の階層構造を特定しその階層構造を表すルールデータを生成して記憶する第４のステップと、
   を前記コンピュータ装置に実行させることを特徴とするプログラム。

Images