JP2007079979A - 文書管理装置、文書管理システムおよび文書管理方法 - Google Patents

Abstract

【課題】 電子文書の画像情報のうち、文字に装飾が施されていたり、イメージとして文字画像が画像情報に貼り付けられたりした場合であっても、この部分の文字に対応した文字コード情報を適切に取得する。
【解決手段】 本発明に係る管理サーバでは、イメージ化した画像情報（図６中の中央）を得る。文字認識処理により、図６中の右側に示す１１文字の文字コードを得る。アプリケーションソフトＦ１の場合には、２２文字の文字コードが文字コード情報として割り当てられる。そこで、この２２文字を１１文字の文字コードに置き換えて文字コード情報を作成する。これにより、影付き文字であっても、正確な文字コードが割り当てられる。
【選択図】 図６

Description

本発明は、種々のアプリケーションソフトで生成された電子文書を所定フォーマットの電子文書に変換して一元管理する技術に関する。

一般に、文書作成用のアプリケーションソフトによって作成された電子文書においては、基本的に各文字が文字コードによって表現されているため、修正や加工や検索などの処理を行う際に便利である。また、アプリケーションの中には、電子文書を画像データとして形成して保存あるいは出力するものもあり、この場合には、オリジナルの文字コード列も画像データに添付される。したがって、電子文書の画像データを閲覧することも、文字コード列に対して種々の処理をすることもできる。

しかしながら、文字に修飾が施されている場合は、修飾された部分の文字コードが特殊なコードに置き換えられて文字コードが喪失していることがある。また、文字コードを組み合わせて修飾を表現するアプリケーションの場合は、文字コードは残存していても文としての意味をなさない場合がある。さらに、文字画像が貼り付けられている場合は、その文字画像に対応する文字コードはもともと有していない。これらの場合には、文字コードを用いる種々の処理に支障をきたすという問題が生じた。

そこで、特許文献１においては、電子文書の画像データに対してＯＣＲなどの文字認識を行い、その結果得られる文字コード列を新たな電子文書として保存あるいは出力している。

特開２００４−１７８４３８号公報

しかしながら、特許文献１に記載の発明においては、もともと電子文書に添付されていたオリジナルの文字コード列を全て捨ててしまい、文字認識によって得られた文字コード列を採用しているので、例えば、文字認識エラーなどがあった場合には、不正確な文字コードが生成され、原文の文字コードと異なってしまうという問題があった。

この発明は上述した事情に鑑みてなされたもので、文字コード列とそれを画像化した画像データを含む電子文書から、適切な文字コード列を生成する文書管理装置、文書管理システムおよび文書管理方法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、本発明が採用する文書管理装置は、文字コード情報を画像化した情報を含む画像情報および前記文字コード情報を有した電子文書を受け取る入力手段と、前記入力手段が受け取った前記電子文書の画像情報をイメージに展開する文書イメージ生成手段と、前記イメージ生成手段によって展開されたイメージのレイアウトを解析して領域を認識するレイアウト解析手段と、前記レイアウト解析手段によって認識された領域が文字領域か否かを判定する判定手段と、前記判定手段によって文字領域と判定された領域に対して文字認識処理を施して文字コード情報を生成する文字認識手段と、前記入力手段が受け取った文字コード情報と前記文字認識手段が生成した文字コード情報について、対応する部分同士を所定のアルゴリズムに従って文書解析して評価し、評価結果を選択する文字コード選択手段と、前記文字コード選択手段によって選択された文字コード情報の各部分を繋ぎ合わせて前記電子文書の文字コード情報とする文字コード情報作成手段と、を具備することを特徴とする。

このように構成することにより、この文字コード情報作成手段では、レイアウト解析手段、文字認識手段、判定手段によって得られた文字コード情報を繋ぎ合わせて文字コード情報を生成しているため、文字コード列が文としての意味をなさない場合や、文字画像が画像情報に貼り付けられて文字コードが存在しない場合等、画像情報に添付された文字コード情報のうち正確さに欠ける部分を、前記処理によって得られた文字コードで補完することができ、適切な文字コード情報を得ることができる。

前記文書管理装置において、前記画像情報を他のフォーマット形式に変換し、変換後の画像情報を前記文字コード情報作成手段が作成した文字コード情報とともに格納する電子文書格納手段を具備することが望ましい。

前記文書管理装置において、前記所定のアルゴリズムは自然言語解析に従ったアルゴリズムであることが望ましい。

本発明が採用する文書管理システムは、端末装置と、前記端末装置とネットワークを介して接続された管理サーバとを有し、
前記管理サーバが、文字コード情報を画像化した情報を含む画像情報および前記文字コード情報を有した電子文書を受け取る入力手段と、前記入力手段が受け取った前記電子文書の画像情報をイメージに展開する文書イメージ生成手段と、前記イメージ生成手段によって展開されたイメージのレイアウトを解析して領域を認識するレイアウト解析手段と、前記レイアウト解析手段によって認識された領域が文字領域か否かを判定する判定手段と、前記判定手段によって文字領域と判定された領域に対して文字認識処理を施して文字コード情報を生成する文字認識手段と、前記入力手段が受け取った文字コード情報と前記文字認識手段が生成した文字コード情報について、対応する部分同士を所定のアルゴリズムに従って文書解析して評価し、評価結果を選択する文字コード選択手段と、前記文字コード選択手段によって選択された文字コード情報の各部分を繋ぎ合わせて前記電子文書の文字コード情報とする文字コード情報作成手段と、を備え、
前記端末装置が、前記管理サーバの前記入力手段に対して電子文書を送信する電子文書送信手段を備えたことを特徴とする。

本発明が採用する文書管理方法は、文字コード情報を画像化した情報を含む画像情報および前記文字コード情報を有した電子文書を受け取る入力ステップと、前記入力ステップで受け取った前記電子文書の画像情報をイメージに展開する文書イメージ生成ステップと、前記イメージ生成ステップによって展開されたイメージのレイアウトを解析して領域を認識するレイアウト解析ステップと、前記レイアウト解析ステップによって認識された領域が文字領域か否かを判定する判定ステップと、前記判定ステップによって文字領域と判定された領域に対して文字認識処理を施して文字コード情報を生成する文字認識ステップと、前記入力ステップで受け取った文字コード情報と前記文字認識ステップで生成した文字コード情報について、対応する部分同士を所定のアルゴリズムに従って文書解析して評価し、評価結果を選択する文字コード選択ステップと、前記文字コード選択ステップによって選択された文字コード情報の各部分を繋ぎ合わせて前記電子文書の文字コード情報とする文字コード情報作成ステップと、を備えることを特徴とする。

本発明に係る文書管理装置によれば、文字コード情報作成手段では、レイアウト解析手段、文字認識手段、判定手段によって得られた文字コード情報を繋ぎ合わせて文字コード情報を生成しているため、文字コードが文としての意味をなさない場合や、文字画像が貼り付けられて文字コードが存在しない場合であっても、この部分の文字コードを補完することができ、電子文書の文字コード情報を活かしつつ適切な文字コード情報を得ることができる。

＜Ａ．実施形態＞
以下、図面を参照し、本発明に係る第１実施形態を説明する。図１は、本実施形態による文書管理システム１の全体構成を示す図である。このシステム１は、ネットワーク４００を介して接続されたユーザ端末１００、管理サーバ２００およびデータベース３００を具備している。
ユーザ端末１００は、種々のアプリケーションソフトによって電子文書を生成する機能を有する。これらのアプリケーションソフトによって生成された電子文書は、文字コード情報（例えば、ＪＩＳコード，ＥＵＣ，シフトＪＩＳ）を画像化した情報を含む画像情報および前記文字コード情報を有している。

管理サーバ２００は、後述する処理によってユーザ端末１００から送信されるある種のアプリケーションソフトによって生成された電子文書の画像情報を所定フォーマットの画像情報に変換し、この所定フォーマットの画像情報を文字コード情報とともにデータベース３００に格納する。
具体的には、送信された電子文書のファイル名から画像情報のフォーマットを特定し、変換可能なフォーマットである場合には所定フォーマット（例えば、ＰＤＦ（Portable Document Format））に変換する。

従来技術で述べた如く、アプリケーションソフトによって生成された電子文書には、この電子文書の各文字に対応した文字コードが附随されており、所定フォーマットに変換した場合であってもこの文字コード情報は添付される。このため、データベース３００に格納された電子文書は、図２に示すように、電子文書のファイル名に対し、画像情報とこの画像情報の各文字に対応した文字コード情報が格納されることになる。
具体的には、電子文書のファイル名「００１」に対し、画像情報「００１−Ｄ」・文字コード情報「００１−Ｃ」、ファイル名「００２」に対し、画像情報「００２−Ｄ」・文字コード情報「００２−Ｃ」、といった具合である。

＜Ａ−１．管理サーバ２００の構成＞
図３は、管理サーバ２００の機能構成を示すブロック図である。管理サーバ２００は、データ送受信部２１０、文書イメージ生成部２２０、レイアウト解析部２３０、判定部２４０、ＯＣＲ処理部２５０、文字コード情報選択部２６０、文字コード情報作成部２７０およびこれらを制御する制御部２８０を具備する。制御部２８０は、図示しないＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）を備えており、各種の処理動作を司る機能を有する。

データ送受信部２１０は、ユーザ端末１００等のネットワーク４００に接続された外部機器（図示せず）との間でデータの授受を行う。
文書イメージ生成部２２０は、アプリケーションソフトによって生成された電子文書の画像情報をイメージ化する。即ち、電子的なデータから紙面に印刷される画像データに変換する。レイアウト解析部２３０は、文書イメージ生成部２２０によりイメージ化された画像データをレイアウト解析して文字領域と図形領域（図や写真）とに分ける。判定部２４０は、レイアウト解析部２３０によって認識された領域が文字領域であるか否かを判定する。ＯＣＲ（Optical Character Reader）処理部２５０は、判定部２４０でレイアウト解析部２３０によって認識された領域が文字領域であると判定した場合、当該領域の文字認識を行い、文書データの各文字に対する文字コード情報を確定する。

文字コード情報選択部２６０は、電子文書に添付された文字データ情報とＯＣＲ処理部２５０にて確定された文字コード情報とを比較し、自然言語解析によって最適な文字コード情報を選択する。そして、文字コード情報作成部２７０は、前記文字コード情報選択部２６０によって選択された文字コード情報の各部分を繋ぎ合わせて電子文書の文字コード情報を作成する。そして、この文字コード情報を画像情報とともに電子文書としてデータベース３００に格納する。
ここで、自然言語解析とは、公知の形態素解析や構文解析の手法を用いて、文章を解析する手法であり、本実施形態では、言葉として意味が通じているか否かを解析するものである。

＜Ａ−２．文書管理システムの動作＞
次に、図４のフローチャートに基づいて、本実施形態による文書管理システム１の文字コード情報作成処理動作について説明する。
管理サーバ２００は、ユーザ端末１００から所定のアプリケーションソフトによって生成された電子文書が送信されることにより、その動作を開始する（ステップＳ１；ＹＥＳ）。
この説明では、ユーザ端末１００から送信される電子文書が１つの場合について説明するが、ユーザが電子文書をまとめて送信してもよいことは勿論である。

制御部２８０は、送信された電子文書の画像情報Ｄ１に添付された文字コード情報Ｃ１を一時的に記憶する（ステップＳ２）。さらに、制御部２８０は、データ送受信部２１０で受信した画像情報Ｄ１を文書イメージ生成部２２０に転送する。文書イメージ生成部２２０では、転送された画像情報Ｄ１をラスタライズしてイメージ化した画像情報Ｄ２を生成する（ステップＳ３）。

次に、制御部２８０は、文書イメージ生成部２２０で生成された画像情報Ｄ２をレイアウト解析部２３０に転送する。レイアウト解析部２３０では、画像情報Ｄ２から、文書領域と図形領域に分ける（ステップＳ４）。
さらに、制御部２８０は判定部２４０に対し、レイアウト解析部２３０で分けられた領域のうち、これらの領域が文字領域であるか否かを判定させる。文字領域となる情報をＯＣＲ処理部２５０に転送する。このＯＣＲ処理部２５０では、転送された文字領域の文字に対して文字コードを確定して文字コード情報Ｃ２を生成する（ステップＳ５）。

制御部２８０は、ステップＳ２で記憶した文字コード情報Ｃ１を読み出し、文字コード情報選択部２６０に送信する（ステップＳ６）。さらに、制御部２８０は、ＯＣＲ処理部２５０で文字に対して確定された文字コード情報Ｃ２を文字コード情報選択部２６０に送信する。文字コード情報選択部２６０では、文字コード情報Ｃ１と文字コード情報Ｃ２とを比較するとともに、自然言語解析によって最適な文字コード情報を選択する（ステップＳ７）。

さらに、制御部２８０は文字コード情報作成部２７０により、前記文字コード情報選択部２６０によって選択された文字コード情報を繋ぎ合わせて電子文書の文字コード情報を作成する（ステップＳ８）。

その後、画像情報Ｄ１を所定フォーマット形式の他の画像情報Ｄ２に変換した上で、作成された文字コード情報を画像情報Ｄ２とともにデータベース３００に格納する。

＜Ｂ．具体例＞
次に、本実施形態の具体例について、図５および図６を参照しつつ説明する。
図５に示すように、電子文書中に「これは影付き文字です。」という文章Ｘ１が影付き文字の装飾が施され、「これは中抜き文字です。」という文章Ｘ２が中抜き文字の装飾が施されている。ここでは、アプリケーションソフトをＦ１，Ｆ２とする。
アプリケーションソフトＦ１における文章Ｘ１は、「これは影付き文字です。」→「ここれれはは影影付付きき文文字字でですす。。」となり、この２２文字に対して文字コード情報が割り振られることになる。一方、アプリケーションソフトＦ２における文章Ｘ１は、「これは影付き文字です。」となり、この１１文字に対して正確な文字コード情報が割り振られることになる。
また、文章Ｘ２の「これは中抜き文字です。」に対しては、文字画像として捕らえられているため、アプリケーションソフトＦ１，Ｆ２の両方とも文字コード情報は割り振られていない。

ここで、文章Ｘ１について図６を参照しつつ本実施形態の動作を説明する。
前述した如く、入力された文章Ｘ１は影付き文字の装飾が施された「これは影付き文字です。」であり、アプリケーションソフトＦ１では「ここれれはは影影付付きき文文字字でですす。。」となる。このため、この２２文字に対して文字コードが割り振られた文字データ情報が画像情報に添付されている。

ここで、図４の処理に対応させて説明すると、ステップＳ２の処理において、２２文字に対応した文字コード情報が記憶される。ステップＳ３の処理において、入力された文字Ｘ１の文書データからイメージ化した画像データ（図６中の中央）を得る。ステップＳ４〜６の処理を経て、図６中の右側に示す１１文字の文字コードを得る。ステップＳ７による処理において、２２文字の文字コードと１１文字の文字コードに対して自然言語解析を行い、最適な文字コードを選択する。当然、ここでは、１１文字の文字コードが選択されることになる。
そして、ステップＳ８の処理において、画像情報に添付した文字コード情報の２２文字の文字コードを１１文字の文字コード情報に置換し、置換後の文字コード情報を画像情報に添付する。
因みに、「これは影付き文字です。」に対応したＪＩＳコードは、2433・246C・244F・3146・4955・242D・4A38・3B7A・2447・2439・2123と表される。

また、文章Ｘ２の「これは中抜き文字です。」に対しては、文字コードが割り振られていないので、ステップＳ３〜７の処理で得られた文字コード情報を画像情報に添付させる。

このように、本実施形態では、種々のアプリケーションソフトから生成された電子文書に本来添付されている正確な文字コード情報を活かしつつ、文字に対応した文字コード情報がない部分や、文章として意味の成さない部分について、ステップＳ３〜６の処理で得られた文字コードを用いて補完して文字コード情報を得ることができる。しかも、文字コード選択処理においては、自然言語解析を行っているため、文字認識処理（ＯＣＲ処理）において文字の誤認識が生じていた場合であっても、正確な文字コードの方を選択することができる。
さらに、正確な文字コード情報が添付された画像情報を所定フォーマットに変換した他の画像情報にも添付させることができ、他のフォーマット形式の画像情報であっても、文字コード情報を利用しての検索や翻訳等の機能や再編集が可能となる。

＜Ｃ．変形例＞
以上、本発明の実施形態について説明したが、本発明は上述した各実施形態に限定されるものではなく、種々の態様が可能である。
前記実施形態では、ユーザ端末１００と管理サーバ２００とをネットワーク４００で接続する文書管理システムとして説明したが、本発明はこれに限らず、ユーザ端末１００内に管理サーバ２００の機能を内蔵させ、ユーザ端末１００を文書管理装置してもよい。また、管理サーバ２００は、社内或いは社外に設置して文書管理を行ってもよい。さらに、管理サーバ２００に翻訳部および翻訳辞書部を設け、前記管理サーバ２００を管理サーバとして用いてもよい。

また、文書データに注釈や付箋等のアノテーションが記載についてのデータが含まれている場合であっても、本実施形態の管理サーバ２００を用いれば、アノテーションによって書き込まれた文字から文字コード情報を作成することも可能であり、これにより、アノテーションをキーワードとしての検索も可能となる。

前記実施形態では、図１においてユーザ端末１００および管理サーバ２００はそれぞれ１台のみ図示されているが、文書管理システム１は、ユーザ端末１００および管理サーバ２００を複数有してもよいことは勿論である。

また、上述の実施形態においては、ユーザ端末１００は制御部が、管理サーバ２００は制御部２８０がそれぞれプログラムを実行することにより実現されたが、この一部または全部をハードウェアで実現する構成としてもよい。

本発明の実施形態に係る文書管理システムの構成を示す図である。 本発明実施形態に用いられるデータベースに格納されるデータを模式的に示す図である。 本発明実施形態に用いられる管理サーバの構成を示すブロック図である。 実施形態による文書管理システムの動作を示す流れ図である。 実施形態による具体例を示す図である。 図５とともに実施形態による具体例を示す図である。

符号の説明

１…文書管理システム、１００…ユーザ端末、２００…管理サーバ、２１０…データ送受信部、２２０…文書イメージ生成部、２３０…レイアウト解析部、２４０…判定部、２５０…ＯＣＲ処理部、２６０…文字コード情報選択部、２７０…文字コード情報作成部、２８０…制御部、３００…データベース、４００…ネットワーク。

Claims (5)

1. 文字コード情報を画像化した情報を含む画像情報および前記文字コード情報を有した電子文書を受け取る入力手段と、
   前記入力手段が受け取った前記電子文書の画像情報をイメージに展開する文書イメージ生成手段と、
   前記イメージ生成手段によって展開されたイメージのレイアウトを解析して領域を認識するレイアウト解析手段と、
   前記レイアウト解析手段によって認識された領域が文字領域か否かを判定する判定手段と、
   前記判定手段によって文字領域と判定された領域に対して文字認識処理を施して文字コード情報を生成する文字認識手段と、
   前記入力手段が受け取った文字コード情報と前記文字認識手段が生成した文字コード情報について、対応する部分同士を所定のアルゴリズムに従って文書解析して評価し、評価結果に基づいて、いずれか一方の文字コード情報を選択する文字コード選択手段と、
   前記文字コード選択手段によって選択された文字コード情報の各部分を繋ぎ合わせて前記電子文書の文字コード情報とする文字コード情報作成手段と、を具備する
   ことを特徴とする文書管理装置。
2. 請求項１記載の文書管理装置において、
   前記画像情報を他のフォーマット形式に変換し、変換後の画像情報を前記文字コード情報作成手段が作成した文字コード情報とともに格納する電子文書格納手段を具備することを特徴とする
   ことを特徴とする文書管理装置。
3. 請求項１または２のいずれかに記載の文書管理装置において、
   前記所定のアルゴリズムは自然言語解析に従ったアルゴリズムである
   ことを特徴とする文書管理装置。
4. 端末装置と、前記端末装置とネットワークを介して接続された管理サーバとを有し、
   前記管理サーバが、
   文字コード情報を画像化した情報を含む画像情報および前記文字コード情報を有した電子文書を受け取る入力手段と、
   前記入力手段が受け取った前記電子文書の画像情報をイメージに展開する文書イメージ生成手段と、
   前記イメージ生成手段によって展開されたイメージのレイアウトを解析して領域を認識するレイアウト解析手段と、
   前記レイアウト解析手段によって認識された領域が文字領域か否かを判定する判定手段と、
   前記判定手段によって文字領域と判定された領域に対して文字認識処理を施して文字コード情報を生成する文字認識手段と、
   前記入力手段が受け取った文字コード情報と前記文字認識手段が生成した文字コード情報について、対応する部分同士を所定のアルゴリズムに従って文書解析して評価し、評価結果の方を選択する文字コード選択手段と、
   前記文字コード選択手段によって選択された文字コード情報の各部分を繋ぎ合わせて前記電子文書の文字コード情報とする文字コード情報作成手段と、を備え、
   前記端末装置が、
   前記管理サーバの前記入力手段に対して電子文書を送信する電子文書送信手段を備えた
   ことを特徴とする文書管理システム。
5. 文字コード情報を画像化した情報を含む画像情報および前記文字コード情報を有した電子文書を受け取る入力ステップと、
   前記入力ステップで受け取った前記電子文書の画像情報をイメージに展開する文書イメージ生成ステップと、
   前記イメージ生成ステップによって展開されたイメージのレイアウトを解析して領域を認識するレイアウト解析ステップと、
   前記レイアウト解析ステップによって認識された領域が文字領域か否かを判定する判定ステップと、
   前記判定ステップによって文字領域と判定された領域に対して文字認識処理を施して文字コード情報を生成する文字認識ステップと、
   前記入力ステップで受け取った文字コード情報と前記文字認識ステップで生成した文字コード情報について、対応する部分同士を所定のアルゴリズムに従って文書解析して評価し、評価結果に基づいて、いずれか一方の文字コード情報を選択する文字コード選択ステップと、
   前記文字コード選択ステップによって選択された文字コード情報の各部分を繋ぎ合わせて前記電子文書の文字コード情報とする文字コード情報作成ステップと、を備える
   ことを特徴とする文書管理方法。

Images