JP2009246807A - 受信文書の言語判別方法及び受信文書翻訳システム並びにその制御プログラム - Google Patents

Abstract

【課題】受信文書データの使用言語の自動判別等を図る。
【解決手段】ＦＡＸ受信機１で受信したＦＡＸデータを入力インタフェース部１１で画像ファイル形式に変換する。言語判別部１２は、入力インタフェース部１１からの画像ファイルのシンボル及びその位置情報に基づいて画像ファイルの使用言語を判別する。画像ファイルの使用言語を受け取るＯＣＲ部１３は、その使用言語に基づいて画像ファイルのテキストファイルを作成する。翻訳部１４は、テキストファイルから日本語のテキストファイルを作成する。出力インタフェース部１５は、ＦＡＸ受信機１で受信したＦＡＸデータ、ＯＣＲ部１３からの原文のテキストファイル及び翻訳部１４からの日本語のテキストファイルをユーザ端末装置３で表示可能な形式に変換する。
【選択図】図１

Description

この発明は、受信文書の言語判別方法及び受信文書翻訳システム並びにその制御プログラムに関し、詳しくは受信文書の使用言語の自動判別に有効な受信文書の言語判別方法及び受信文書翻訳システム並びにその制御プログラムに関する。

従来、ＦＡＸ等で受信される画像ファイルのイメージデータをＯＣＲ（光学式文字読み取り装置）でテキスト化する際に、そのテキスト化する言語対応のＯＣＲ、例えば、日本語なら日本語用のＯＣＲ、英語なら英語用のＯＣＲを用いる必要がある。
しかし、現在のＯＣＲは、自動的に言語を判別する機能を備えていないものが殆どである。

特許文献１には、原稿画像データに含まれる文字列画像の言語の種類を判別する機能を備えた画像処理装置が開示されている。この機能での言語判別は、原稿画像データから文字列画像を抽出し、文字画像各々の輪郭形状及び又は文字画像相互間の相対位置に基づいてその文字列の言語を判別する仕組みを採用している。
また、特許文献２には、Webページの検索にロゴマークの照合を用いるカメラ付き携帯情報端末が開示されている。この端末での照合は、カメラで撮影されたロゴマークと予め記憶されているロゴマークとの照合を用いることにある。
特開２００５−３３２０６２号公報 特開２００３−０３６２１２号公報

上述のように、画像ファイル等に含まれる文字データをテキスト化する際に、従来ＯＣＲを用いている。このＯＣＲは、通常、文字データの言語を判別することなく、文字データを記述している言語用のＯＣＲである。
しかし、文書データが国際的に送受信される今日においては、各種の言語で記述された文書が送受信端末間で授受されている。このような場合に、ＯＣＲが言語毎のテキスト化機能を備えていたとしても、そのＯＣＲが文字データの判別機能を有しない場合には、受信される文書データが何語で記述されているかをＯＣＲに使用言語の指定を文書毎に入力しなければならない。
このような指定を必要とすることは、大量、かつ、複数の言語の文書が混在する場合には、そのような文書のテキスト化に大きな労力と時間を費やさざるを得なくなる。

特許文献１は、画像処理における言語の判別に原稿画像データから抽出された文字列画像を用いてその文字列の言語を判別するものであるから、文字自体からその言語を判別する技術的手段を開示しているだけで、その他の言語判別対象で用いて言語を判別するのにはその技術的手段を用い得ないし、その場合への開示はない。
また、特許文献２でのロゴマークの照合は、それ自体を開示するものではなく、その照合は、Webページの検索の中でその技術的意義があるだけであり、その他の場合への拡張性は技術的に残されたままである。

この発明は、上述の事情に鑑みてなされたもので、受信文書に使用されている言語の自動的判別を達成し得る受信文書の言語判別方法及び受信文書翻訳システム並びにその制御プログラム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、この発明の第１の構成は、通信回線を介して受信した文書データの使用言語を判別する受信文書の言語判別方法に係り、言語判別情報を記憶手段に記憶し、受信した上記文書データに含まれている言語判別情報と上記記憶手段から読み出された上記言語判別情報とを照合し、該照合によって上記使用言語を判別することを特徴としている。

この発明の第２の構成は、通信回線を介して受信される文書データを該文書データの使用言語で受信する受信文書翻訳システムに係り、言語判別情報を記憶する記憶手段と、受信した上記文書データに含まれている言語判別情報と上記記憶手段から読み出された上記言語判別情報とを照合する照合手段と、該照合手段による照合結果に基づいて上記使用言語を判別する判別手段と、該判別手段によって判別された上記使用言語で上記文書データを受信する受信手段とを備えることを特徴としている。

この発明によれば、通信回線を介して受信した文書データの使用言語を判別するために、その使用言語の判別のための言語判別情報を予め記憶しておき、受信した文書データの言語判別情報と記憶手段の言語判別情報とを照合してしているから、受信文書で使用されている言語を精度良く、自動的に判別することができる。
また、使用言語の判別に位置情報をも用いれば、照合処理速度を向上させ得る。位置情報に言語に応じた文書フォーマットを加味させれば、言語判別の精度をさらに向上させることができる。

この発明は、通信回線を介して受信した文書データの使用言語の判別に、その使用言語の判別のための言語判別情報を予め記憶すること、受信した文書データの言語判別情報と記憶されている言語判別情報とを照合することを含んで構成される。

実施形態１

図１は、この発明の実施形態１であるＦＡＸ翻訳サーバの電気的構成を示すブロック図、図２は、同ＦＡＸ翻訳サーバの要点を説明する図、また、図３は、同ＦＡＸ翻訳サーバで用いる言語判別処理手順を示すフローチャートである。
この実施形態のＦＡＸ翻訳サーバ１は、ＦＡＸデータに含まれているシンボルに基づいてそのＦＡＸで用いられている言語を判別するサーバに係り、図１に示すように、入力インタフエース部１１と、言語判別部１２と、ＯＣＲ部（光学式文字読み取り装置）１３と、翻訳部１４と、出力インタフエース部１５とから概略構成されている。なお、入力インタフエース部１１は、ＦＡＸ受信機２に接続される一方、出力インタフエース部１５は、ユーザ端末装置３に接続されている。

上述のＦＡＸデータは、例えば、ビジネス文書についてのＦＡＸデータである。企業等の組織間で送受されるビジネス文書は、一般に、組織毎に定められた形式（フォーマット）が用いられ、常にその形式の文書が送受される。そのビジネス文書には、会社や製品のロゴ、印章、サイン等のシンボルが含まれている。そのシンボルは、同一組織で作成され送受される文書では同一位置に付されている。
また、同一組織であっても、複数の言語を用いる場合には、言語毎のフォーマットを準備するなど言語に応じたレイアウトを用いることが多く、シンボルの位置もそれぞれ異なる位置に配置されることも多い。
この発明は、斯かる文書の特徴を活用せんとするものである。すなわち、シンボルそのものと、シンボルの位置と、言語とを言語判別情報として予め記憶しておき、その言語判別情報とＦＡＸ文書（画像ファイル）の対応情報との照合により、ＦＡＸ文書の使用言語を判別しようとするものである。

入力インタフエース部１１は、ＦＡＸ受信機２から受け取ったＦＡＸデータ（画像データ）を画像ファイル形式（イメージデータ）に変換する入力手段である。この変換は、ＦＡＸ受信機２で取り扱い得るデータ形式からＦＡＸ翻訳サーバ１で取り扱い得るデータ形式への変換を行うためのものである。
言語判別部１２は、画像ファイルが何語で記述されているかの判別を行う処理部である。この言語判別部１２は、言語判別情報記憶部１２Ｍ（図２）を有して構成されている。言語判別情報記憶部１２Ｍには、図２及び図３に示すように、シンボルと、画像ファイル内にあるシンボルの位置情報と、言語とをセットにして、予め、記憶される。

ＯＣＲ部１３は、言語判別部１２において判別された言語に応じたＯＣＲ処理を行い、原文のテキストファイルを作成する処理部である。
翻訳部１４は、ＯＣＲ部１３で作成された原文のテキストファイルを日本語のテキストファイルに機械翻訳する処理部である。
出力インタフエース部１５は、ＦＡＸ受信機２で受信したＦＡＸデータ、ＯＣＲ部１３から受け取った原文のテキストファイル及び翻訳部１４で翻訳された日本語のテキストファイルをユーザ端末装置３で表示可能な形式に変換し、ユーザ端末装置３に出力する出力手段である。

入力インタフエース部１１、言語判別部１２、ＯＣＲ部１３、翻訳部１４及び出力インタフエース部１５の各機能は、プログラムの制御で遂行されるように構成されている。

次に、図１乃至図３を参照して、この実施形態の動作を説明する。
電話回線等を介してＦＡＸ受信機２において受信されたＦＡＸデータが、ＦＡＸ翻訳サーバ１の入力インタフエース部１１に入力され、そのＦＡＸデータは、ｂｍｐ、ｔｉｆ等の画像ファイル形式（イメージデータ）に変換される。
変換された画像ファイルは、言語判別部１２に入力され、画像ファイルの記述文字が何語であるかを判別する。

以下に、言語判別部１２の判別処理を具体的に説明する。
言語判別情報記憶部１２Ｍ（図１には図示せず、図２）にはｎ個の言語判別情報ＤＩが予め記憶されているものとする。図２及び図３の言語判別情報ＤＩは、その一例を示す。
入力インタフエース部１１で変換された画像ファイルＦ（図２及び図３）を取り込み（図３のステップＳ１）、その画像ファイルＦに含まれているシンボル及びその位置情報と言語判別情報記憶部１２Ｍに記憶されている言語判別情報ＤＩの各各と順次照合する（図３のステップＳ２からステップＳｎまで）。

この照合についての具体例について説明する。例えば、上述の画像ファイルＦがロシア語で記述されたビジネス文書のＦＡＸデータがイメージデータに変換されたものであるとする。この画像ファイルＦに含まれているシンボルは、画像ファイルＦの最終頁内の位置でＤ列４番にある一方、言語判別情報記憶部１２Ｍでは、そのシンボルの位置情報が最終頁のＤ列４番として記憶されている（図２及び図３の言語判別情報ＤＩを構成する位置情報内の最終頁 Ｄ４）。その位置情報で指定された画像ファイルＦ内でシンボルを探して照合を行う。

このような照合が、図３のステップＳ２の照合で一致が得られる場合には、１個目の言語と判別し（図３のステップＳ２１）、図３のステップＳ３の照合で一致が得られる場合には、２個目の言語と判別し（図３のステップＳ２２）、以下同様にしてステップＳｎの照合で一致が得られなかった、すなわち、すべてのシンボルと照合が取れなかった場合には、従来の方法である文字列による言語判別処理等を行って（図３のステップＳＥ）言語判別処理を終了する。

上述した言語判別処理は、画像ファイルＦに含まれているシンボルと言語判別情報記憶部に予め記憶されているシンボルとの照合を画像処理ソフトウェアによって行う。その照合は、画像ファイル全体について行うのではなく、上述のように、言語判別情報ＤＩの位置情報を用いる。これにより、照合時間の短縮及び言語判別の精度の向上を図ることができる。例えば、同一組織から送付されたＦＡＸにおいて、日本語と英語とで同一のシンボルを用いている場合であっても、フォーマット上シンボルの位置が異なるから、その位置情報を用いることにより、日本語又は英語のいずれかであるかを正確に判別することができる。

上述したような使用言語の判別処理が言語判別部１２で行われた後、ＯＣＲ部１３は、言語判別部１２から画像ファイル及び画像ファイルの使用言語を受け取り、その画像ファイルから文字を読み取って使用言語に基づいて原文のテキストファイルを作成する。
翻訳部１４は、ＯＣＲ部１３から原文のテキストファイルを受け取り、そのテキストファイルを日本語に翻訳して日本語のテキストファイルを作成する。
出力インタフエース部１５は、ＦＡＸ受信機２で受信したＦＡＸデータ、ＯＣＲ部１３から受け取った原文のテキストファイル及び翻訳部１４で翻訳された日本語のテキストファイルをユーザ端末装置３で表示可能な形式に変換する。
ユーザ端末装置３は、出力インタフェース部１５から受け取った表示形式のＦＡＸデータ、原文のテキストファイル及び日本語のテキストファイルを表示する。

このように、この実施形態の構成によれば、受信したＦＡＸデータを画像ファイルに変換し、その画像ファイルに含まれているシンボル及びシンボルの位置と、受信ＦＡＸデータの画像ファイル対応に予め記憶されているシンボル及び当該シンボルの位置とに基づいて受信ＦＡＸ文書で使用されている言語を判別するようにしているから、受信ＦＡＸ文書で使用されている言語を精度良く、自動的に判別することができる。
また、シンボルの位置情報を使用言語の判別に用いているので、照合範囲の絞り込みが可能になり、照合処理速度を向上させ得るほか、上記位置情報に言語に応じた文書フォーマットを加味させれば、言語判別の精度をさらに向上させることができる。

実施形態２

図４は、この発明の実施形態２であるＦＡＸ翻訳サーバの電気的構成を示すブロック図である。
この実施形態の構成が、実施形態１のそれと大きく異なる点は、ＦＡＸデータから直接シンボルを抽出するようにした点である。
すなわち、この実施形態のＦＡＸ翻訳サーバ１Ａは、図４に示すように、入力インタフェース部１１Ａを、ＦＡＸデータからシンボル及び位置情報を抽出して言語判別部１２Ａに渡すと共にＦＡＸデータを画像ファイル形式に変換してその画像ファイルをＯＣＲ部１３Ａに渡すように構成し、また、言語判別部１２Ａを、入力インタフェース部１１Ａから入力されるシンボル及び位置情報に基づいて画像ファイルの言語を判別してその結果をＯＣＲ部１３Ａに渡すように構成したことにその特徴部分がある。
この構成以外の実施形態の構成は、実施形態１と同じであるので、同一の構成部分には同一の参照符号を付して、その逐一の説明は省略する。

次に、図４を参照して、この実施形態の動作について説明する。
この実施形態の動作は、次の点を除いて、実施形態１と同様である。
すなわち、入力インタフェース部１１Ａは、ＦＡＸ受信機２から入力されるＦＡＸデータのシンボル及び位置情報を抽出して言語判別部１２Ａに渡すと共にＦＡＸデータを画像ファイル形式に変換してその画像ファイルをＯＣＲ部１３Ａに渡す。
また、入力インタフェース部１１Ａから入力されるシンボル及び位置情報を受け取った言語判別部１２Ａは、そのシンボル及び位置情報に基づいて画像ファイルの言語を判別し、その判別結果をＯＣＲ部１３Ａに渡す。
この処理後の処理は、実施形態１と同様に行われる。
このように、この実施形態の構成によれば、実施形態１と同様の効果が得られる。

実施形態３

この発明の実施形態３であるＦＡＸ翻訳サーバは、実施形態１又は実施形態２の言語判別部１２、１２Ａで得られるＦＡＸデータの使用言語をＦＡＸデータの自動振り分けに用いることもできる。つまり、ＦＡＸデータの言語別の出力手段へ出力する仕組みのシステムに構成する。

実施形態４

この発明の実施形態４であるＦＡＸ翻訳サーバは、実施形態１又は実施形態２のＯＣＲ部１３又は翻訳部１４から出力されるテキストファイルに対してキーワードによる検索機能を追加する。これにより、大量に蓄積されたテキストファイルのキーワードによる検索を行うことができる。

以上、この発明の実施形態を、図面を参照して詳述してきたが、この発明の具体的な構成は、これらの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計の変更等があってもそれらはこの発明に含まれる。
例えば、上記実施形態では、言語判別にシンボルそのもの、シンボル及び位置情報からなる言語判別情報を用いる例を説明したが、その他の言語判別情報、例えば、言語毎に付されるＩＤ、ＩＤ及び位置情報、文書フォーマット等を言語判別に用いてこの発明を実施することもできる。
また、言語判別情報の照合は、その抽出なしに又は抽出して行ってもよい。
また、実施形態ではＦＡＸデータの受信について説明したが、その他の形式の受信文書であっても、この発明は同等に実施し得る。

ここに開示している受信文書の言語判別方法及び受信文書翻訳システムは、各種の言語で作成されて受信される文書の受信処理を必要とするシステムや端末装置等で利用し得る。

この発明の実施形態１であるＦＡＸ翻訳サーバの電気的構成を示すブロック図である。 同ＦＡＸ翻訳サーバの要点を説明する図である。 同ＦＡＸ翻訳サーバで用いる言語判別処理手順を示すフローチャートである。 この発明の実施形態２であるＦＡＸ翻訳サーバの電気的構成を示すブロック図である。

符号の説明

１、１Ａ ＦＡＸ翻訳サーバ（受信文書翻訳システム）
１１、１１Ａ 入力インタフエース部（変換手段）
１２、１２Ａ 言語判別部（照合手段、判別手段）
１２Ｍ 言語判別情報記憶部（記憶手段）
１３ ＯＣＲ部（受信手段の一部、テキスト化手段）
１４ 翻訳部（受信手段の一部、テキスト化手段）
１５ 出力インタフエース部（受信手段の残部）

Claims (18)

1. 通信回線を介して受信した文書データの使用言語を判別する受信文書の言語判別方法であって、
   言語判別情報を記憶手段に記憶し、
   受信した前記文書データに含まれている言語判別情報と前記記憶手段から読み出された前記言語判別情報とを照合し、
   該照合によって前記使用言語を判別することを特徴とする受信文書の言語判別方法。
2. 通話回線を介して受信した文書データの使用言語を判別する受信文書の言語判別方法であって、
   言語判別情報を記憶手段に記憶し、
   受信した前記文書データを画像ファイルに変換し、
   変換された前記画像ファイルに含まれている言語判別情報と前記記憶手段から読み出された前記言語判別情報とを照合することを特徴とする受信文書の言語判別方法。
3. 前記言語判別情報は、言語を識別するシンボルであることを特徴とする請求項１又は２記載の受信文書の言語判別方法。
4. 前記言語判別情報は、言語を識別するＩＤであることを特徴とする請求項１又は２記載の受信文書の言語判別方法。
5. 前記照合は、前記言語判別情報と当該言語判別情報が前記文書データ又は前記画像ファイル内に置かれている位置とに基づいて行うことを特徴とする請求項１、２、３又は４記載の受信文書の言語判別方法。
6. 前記照合は、前記文書データ又は前記画像ファイルのフォーマットを加えて行うことを特徴とする請求項５記載の受信文書の言語判別方法。
7. 前記文書データは、ＦＡＸデータであることを特徴とする請求項１乃至６のいずれか一に記載の受信文書の言語判別方法。
8. 通信回線を介して受信される文書データを該文書データの使用言語で受信する受信文書翻訳システムであって、
   言語判別情報を記憶する記憶手段と、
   受信した前記文書データに含まれている言語判別情報と前記記憶手段から読み出された前記言語判別情報とを照合する照合手段と、
   該照合手段による照合結果に基づいて前記使用言語を判別する判別手段と、
   該判別手段によって判別された前記使用言語で前記文書データを受信する受信手段とを備えることを特徴とする受信文書翻訳システム。
9. 通信回線を介して受信される文書データを該文書データの使用言語で受信する受信文書翻訳システムであって、
   言語判別情報を記憶する記憶手段と、
   受信した前記文書データを画像ファイルに変換する変換手段と、
   該変換手段によって変換された前記画像ファイルに含まれている言語判別と前記記憶手段から読み出された前記言語判別情報とを照合する照合手段と、
   前記照合手段による照合結果に基づいて前記使用言語を判別する判別手段と、
   該判別手段によって判別された前記使用言語で前記文書データを受信する受信手段とを備えることを特徴とする受信文書翻訳システム。
10. 前記言語判別情報は、言語を識別するシンボルであることを特徴とする請求項８又は９記載の受信文書翻訳システム。
11. 前記言語判別情報は、言語を識別するＩＤであることを特徴とする請求項８又は９記載の受信文書翻訳システム。
12. 前記照合手段による前記照合は、前記言語判別情報と当該言語判別情報が前記文書データ又は前記画像ファイル内に置かれている位置とに基づいて行うことを特徴とする請求項８、９、１０又は１１記載の受信文書翻訳システム。
13. 前記照合手段による前記照合は、前記文書データ又は前記画像ファイルのフォーマットを加えて行うことを特徴とする請求項１２記載の受信文書翻訳システム。
14. 前記文書データは、ＦＡＸデータであることを特徴とする請求項８乃至１３のいずれか一に記載の受信文書翻訳システム。
15. 前記受信手段は、前記文書データからテキストファイルを生成するテキスト化手段を含み、受信した前記文書データ又は前記テキストファイルを前記使用言語に基づいて振り分ける分配手段を備えることを特徴とする請求項８乃至１４のいずれか一に記載の受信文書翻訳システム。
16. 前記受信手段は、前記文書データからテキストファイルを生成するテキスト化手段及び該テキスト化手段によって生成されたテキストファイルをキーワードで検索する検索手段を備えることを特徴とする請求項８乃至１５のいずれか一に記載の受信文書翻訳システム。
17. コンピュータに請求項１乃至７のいずれか一に記載の受信文書の言語判別方法を実行させることを特徴とする制御プログラム。
18. コンピュータに請求項８乃至１６のいずれか一に記載の受信文書翻訳システムを制御させることを特徴とする制御プログラム。

Images