JP2013206111A - 文書活用支援方法及び文書活用装置 - Google Patents

Abstract

【課題】十分な検索履歴が無い検索システムにおいて、文書候補を絞り込むための適切な付加情報を適切に提示する。
【解決手段】文書活用装置が実行する文書活用支援方法であって、前記文書活用装置は、演算装置と、前記演算装置に接続され、複数の文書に関する文書データを保持する記憶装置と、前記演算装置に接続される入力装置と、前記演算装置に接続される表示装置と、を有し、前記文書活用支援方法は、前記複数の文書の各々に含まれる文字列間の関連を推定し、推定された文字列間の関連を示す情報を前記記憶装置に格納する第１手順と、前記入力装置を介して検索キーワードとして入力された文字列を含む文書を、前記複数の文書から検索する第２手順と、前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された一つ以上の文字列を、前記表示装置を介して表示する第３手順と、を含む。
【選択図】図３

Description

本発明は、本発明は文書解析技術及び文書活用支援システムに関し、特に、文書のメタ情報を利用してユーザによる文書の検索を支援する技術に関する。

企業情報システムに格納されるデータは年５０％〜６０％と年々増加する一方で、データベースに蓄積される構造化データは２０％程、残り８０％は文書・画像・音声・映像等の非構造化データとされる。企業等の組織内に蓄えられた膨大な文書群は、本来、当該組織にとっての情報資産であるが、現状では完全に活用できているとは言い難い。

情報利活用の効率化に対する社会的関心の高まりに伴って、サーバ又は個人が所有するパーソナルコンピュータ（ＰＣ）に格納された大量の電子文書中から、有益な情報を高精度に検索して、整理するための情報活用技術が求められている。

企業内文書活用システムの典型例としては、文書検索システムがある。文書から予め検索時の索引となる単語またはＮ−Ｇｒａｍ文字列を抽出しておくことで、大規模文書に対して高速な検出を実現している。また、別の文書活用の一事例としては、セキュア情報を含む文書を検知して管理するための文書管理システムがある。ここで言うセキュア情報とは、例えば自社の秘密情報、他社の秘密情報又は個人情報のような、機密を保持する必要がある情報である。

このような自動検出の技術として、例えば特許文献１が開示されている。特許文献１に記載された機密文書検出システムは、入力された文書を複数の領域に分割し、各領域に対応する辞書を参照することによって各領域の特徴要素を検出し、検出された特徴要素に基づいて各文書が属する機密情報カテゴリを判定する。

また、別の文書活用技術の一事例として、営業活動支援システムなどがある。例えば、特許文献２は、営業支援システムにおいて、営業の履歴を電子ペンで記入し、これを営業日報データとして管理する手法について述べている。

特開２００６−２０９６４９号公報 特開２００９−２１１２９０号公報

従来のテキスト検索を用いた場合、必要とする情報を含む文書を見つけることに苦労することがある。これは関連するキーワードの誤検出が多いことが一つの要因として挙げられる。Ｇｏｏｇｌｅ（登録商標）のようにＷｅｂ上で公開されている検索エンジンには、探したい情報を絞り込むための補足キーワードを提示することで、ユーザの利便性を向上している。例えばユーザが「特許」というキーワードを入力すると、更に絞り込むための用語として「特許 検索」、「特許 期限」及び「特許 審査請求」などの付加キーワードも加えて提示することで、より検索対象を絞り込みやすくしている。このような機能が実現できるのは、非常に多くのユーザから集めたキーワードの組の中から出現頻度の多いものを選び出して、最初に入力したキーワードに対して、出現頻度に基づいて関連性の高い付加用語を提示できるためである。しかし、企業内文書検索システムにおいて同様のことを実現しようとした場合、ユーザ数がさほど多いとは言えないため、検索時に指定した用語の組合せを過去の履歴から探るだけでは、十分な付加キーワードが提示できない可能性がある。

本発明の代表的な一例を示せば、次の通りである。すなわち、文書活用装置が実行する文書活用支援方法であって、前記文書活用装置は、演算装置と、前記演算装置に接続され、複数の文書に関する文書データを保持する記憶装置と、前記演算装置に接続される入力装置と、前記演算装置に接続される表示装置と、を有し、前記文書活用支援方法は、前記複数の文書の各々に含まれる文字列間の関連を推定し、推定された文字列間の関連を示す情報を前記記憶装置に格納する第１手順と、前記入力装置を介して検索キーワードとして入力された文字列を含む文書を、前記複数の文書から検索する第２手順と、前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された一つ以上の文字列を、前記表示装置を介して表示する第３手順と、を含むことを特徴とする。

本発明の一実施形態によれば、検索対象とする文書の種類が増えた場合にも、簡易な定義で高精度に文書を検出するために、絞り込みのための適切な付加キーワード及びキーワード間の関係性が提示される。これによって必要とする文書の検索を効率的に行うことができる。

本発明の実施形態のメタ情報利用文書活用装置のハードウェア構成を示すブロック図である。 本発明の別の実施形態のＯＣＲ一体型メタ情報利用文書活用装置のハードウェア構成を示すブロック図である。 本発明の実施形態のメタ情報利用文書活用装置が実行する処理を示すフローチャートである。 本発明の実施形態の文書解析部及び関係メタ情報抽出部の詳細な手順を説明するフローチャートである。 本発明の実施形態のメタ情報利用文書活用装置が実行する処理について、解析フェーズと利用フェーズに分けて整理した説明図である。 本発明の実施形態のメタ情報利用文書活用装置によって活用される企業内文書の例を示す説明図である。 本発明の実施形態のメタ情報利用文書活用装置における推奨情報のインタフェースの一例の説明図である。 本発明の実施形態のメタ情報利用文書活用装置のブロック・行順序変換処理部において計算が行われる文書ブロックの説明図である。 本発明の実施形態のメタ情報利用文書活用装置の学習部における自動微分で用いられる演算関数の定義の説明図である。

以下、図面を用いて本発明の実施の形態を説明する。

図１は、本発明の実施形態のメタ情報利用文書活用装置０１００のハードウェア構成を示すブロック図である。

メタ情報利用文書活用装置０１００は、図３に示す本発明のメタ情報利用文書活用を実現する装置の一例である。本実施形態のメタ情報利用文書活用装置０１００は、操作端末装置０１０１、表示端末装置０１０２、外部記憶装置０１０３、メモリ０１０４、中央演算装置０１０５、通信装置０１０７及びこれらを相互に接続する通信線０１０６を備える。メタ情報利用文書活用装置０１００は、例えば一般的なパーソナルコンピュータであってもよい。

操作端末装置０１０１は、例えばキーボード又はマウス等であり、ユーザが指示又はデータ等をメタ情報利用文書活用装置０１００に入力するために使用される。

表示端末装置０１０２は、例えば液晶表示装置のような、テキスト及び画像等を表示する装置である。

外部記憶装置０１０３は、例えばハードディスク装置又はフラッシュメモリのような記憶装置であり、入力された文書データ及び出力された文書構造データや検索用データを格納する。さらに、本実施形態を実現するために中央演算装置０１０５によって実行されるプログラム等が格納されてもよい。

メモリ０１０４は、例えば半導体メモリであり、中央演算装置０１０５によって実行されるプログラム及び参照されるデータ等を格納する。外部記憶装置０１０３に格納されたプログラム及びデータ等の少なくとも一部が必要に応じてメモリ０１０４にコピーされてもよい。

中央演算装置０１０５は、メモリ０１０４に格納されたプログラムを実行し、必要に応じて操作端末装置０１０１、表示端末装置０１０２、外部記憶装置０１０３及び通信装置０１０７を制御する。以下の説明においてメタ情報利用文書活用装置０１００が実行する処理は、実際には中央演算装置０１０５によって実行される。

通信装置０１０７は、ネットワーク（図示省略）に接続され、そのネットワークに接続された他の装置（図示省略）と通信するインタフェースである。例えば、通信装置０１０７は入力データとして文書ファイルの送受信、検索データ又は文書構造データの送受信を行う。

図２は、本発明の別の実施形態のＯＣＲ一体型メタ情報利用文書活用装置０２００のハードウェア構成を示すブロック図である。

本実施形態のＯＣＲ一体型メタ情報利用文書活用装置０２００は、操作端末装置０２０１、表示端末装置０２０２、外部記憶装置０２０３、メモリ０２０４、中央演算装置０２０５、通信装置０２０７、画像撮像装置０２０８、ソータ装置０２０９及びこれらを相互に接続する通信線０２０６を備える。

操作端末装置０２０１、表示端末装置０２０２、外部記憶装置０２０３、メモリ０２０４、中央演算装置０２０５、通信装置０２０７及び通信線０２０６は、それぞれ第１の実施形態の操作端末装置０１０１、表示端末装置０１０２、外部記憶装置０１０３、メモリ０１０４、中央演算装置０１０５、通信装置０１０７及び通信線０１０６と同様であるため、それらに関する詳細な説明は省略する。

画像撮像装置０２０８は、入力された紙文書に記載された文字、罫線及び図形等を読み取ってデータ化する光学スキャナを含む。このとき読み取られたデータは、テキストデータ及び画像データを含むファイルとして外部記憶装置０２０３に格納されてもよい。

ソータ装置０２０９は、画像撮像装置０２０８による読み取りが終了した後の紙文書を排出する装置である。例えば、ソータ装置０２０９は、紙文書の排出先として複数の棚を備えてもよい。この場合、ソータ装置０２０９は、必要に応じて選択された棚に紙文書を排出することができる。

なお、ＯＣＲ一体型メタ情報利用文書活用装置０２００は、第１の実施形態のメタ情報利用文書活用装置０１００に、従来のＯＣＲ装置を画像撮像装置０２０８及びソータ装置０２０９として追加することによって実現されてもよい。あるいは、ＯＣＲ一体型メタ情報利用文書活用装置０２００全体が一つのＯＣＲ装置として実現されてもよい。

ＯＣＲ一体型メタ情報利用文書活用装置０２００の中央演算装置０２０５は、画像撮像装置０２０８によって読み取られたデータを用いて、入力された文書が必要とされた文書であるか否かを判定して、文書の絞り込みに必要となる周辺状況を更に提供する。

以下、図１に示したメタ情報利用文書活用装置０１００が実行する処理について説明する。図２に示したＯＣＲ一体型メタ情報利用文書活用装置０２００は、メタ情報利用文書活用装置０１００と同様の処理を実行する。

図３は、本発明の実施形態のメタ情報利用文書活用装置０１００が実行する処理を示すフローチャートである。

図３に示す処理は、メタ情報利用文書活用装置０１００の中央演算装置０１０５が、必要に応じて操作端末装置０１０１、表示端末装置０１０２、外部記憶装置０１０３、メモリ０１０４、及び通信装置０１０７等を制御して実行する。すなわち、図３に示す各部は、中央演算装置０１０５が実行する処理のステップに相当し、それらの処理によって格納されるデータ及び業務オントロジ０３１０は、外部記憶装置０１０３又はメモリ０１０４に格納される。

メタ情報利用文書活用装置０１００は、文書蓄積部０３０２において、企業内の各ＰＣ上に蓄えられた文書０３０１を走査して、これを外部記憶装置０１０３等に蓄える。次に、メタ情報利用文書活用装置０１００は、文書解析部０３０３において、蓄積されたデータに対して文書解析を行い、その結果を外部記憶装置０１０３又はメモリ０１０４に蓄える。文書解析の結果として、例えば、文書メタ情報、文書構造情報、検索インデックスなどが得られる。

次に、ユーザが、指定したキーワードに基づく検索の実行を指示すると、メタ情報利用文書活用装置０１００はキーワード検索部０３０４においてこれを処理する。すなわち、メタ情報利用文書活用装置０１００は、企業内文書０３０１から、キーワードとして指定された文字列を含む文書を検索結果として取得する。この検索結果は可視化部０３０７に渡されて、操作端末０３０８（図１の操作端末装置０１０１に相当する）を通してユーザに提示される。

しかし、この検索の結果として、指定されたキーワードを含む多数の文書が見つかると、ユーザにとって情報収集がやりにくくなる問題がある。そこで、メタ情報利用文書活用装置０１００は、キーワード検索部０３０４における処理の後で、第１回目のキーワード検索（上記のキーワード検索部０３０４）で見つかった文書に対して、更に第２回目の文書解析０３０５を行う。これによって、第１回目に指定したキーワードを含む文書から、当該キーワードの周辺に配置された（すなわち当該キーワードに関連する）キーワード、及び文書情報が抽出される。これらについて、メタ情報利用文書活用装置０１００は、関係メタ情報抽出部０３０６において、キーワードの周辺の文書構造（例えばキーワードの親子関係、係り受け関係）などを、文書の二次元的配置情報を利用して抽出する。第２回目の文書解析部０３０５及び関係メタ情報抽出部０３０６において抽出された情報は、外部記憶装置０１０３又はメモリ０１０４に格納される。

業務オントロジ０３１０は、例えば、キーワードと、そのキーワードに関連するキーワードとを対応付ける情報、及び、その関連の強さを示す重みの情報を含む。二つのキーワードの関連の強さを示す重みの値は、例えば、それらのキーワードが同一の文書に含まれる頻度が高いほど大きくなるように決定されてもよい。

さらに、後述するようにメタ情報解析（文書解析部０３０３、０３０５及び関係メタ情報抽出部０３０６）によってキーワード間の関連の種類を推定することができるため、推定された関連の種類に応じた重みが与えられてもよい。関連の種類の例としては、例えば、二つのキーワードの一方が上位概念、もう一方が下位概念である、二つのキーワードが同位概念である、同義語（又は類義語である）、又は、単に隣接して（又は近傍に）配置されている、等が挙げられる。業務オントロジ０３１０にはこのようなキーワード間の関連の種類を示す情報がさらに含まれてもよい。

文書解析部０３０３、０３０５及び関係メタ情報抽出部０３０６において上記のようなキーワード間の関連の強さを示す重みが抽出される。さらに、後述するように、ユーザによるキーワードの選択結果が重みに反映されてもよい。このようにして抽出されたキーワード間の関連の強さを示す情報は、文書を検索する際の絞込み情報をユーザに提示するために利用することができる（可視化部０３０７参照）。

上記の文書解析部０３０３、０３０５及び関係メタ情報抽出部０３０６の詳細な手順については図４を参照して後述する。なお、キーワード検索部０３０４においてユーザが指定したキーワードに関する文書解析が既に文書解析部０３０３において実行された結果、文書解析部０３０５及び関係メタ情報抽出部０３０６によって抽出されるものと同等の情報が既に業務オントロジ０３１０に蓄積されている場合には、文書解析部０３０５及び関係メタ情報抽出部０３０６の手順を省略することができる。

次に、メタ情報利用文書活用装置０１００は、上記のような入力されたキーワードを含む文書における当該キーワード周辺の文書構造解析によって抽出した文書絞込み情報を可視化部０３０７において表示する。具体的には、例えば、メタ情報利用文書活用装置０１００は、検索によって得られた文書に含まれる文字列のうち、入力されたキーワードとの間で推定された関連の強さが所定の値を超えるもの又は上位のもの等を、入力されたキーワードに関連する文字列と推定して、それらを表示してもよい。そして、メタ情報利用文書活用装置０１００は、ユーザに操作端末０３０８によって絞り込みのための情報（キーワードなど）０３１１を選択させる。そして、選択された情報０３１１を用いた絞り込み検索を行うために、処理をキーワード検索部０３０４に戻す。

例えば、ユーザがあるキーワードを入力した場合、メタ情報利用文書活用装置０１００は、業務オントロジ０３１０を参照して、第１のキーワードに関連するキーワードを抽出し、それらを表示してもよい。関連するキーワードが複数抽出された場合には、関連の強さ（重み）及び関連の種類に応じてそれらを表示してもよい。

業務オントロジ０３１０を利用したユーザによる文書検索の支援の具体的な例については、図６及び図７等を参照して後述する。

更に、上記の文書の絞り込みの結果は学習部０３０９において処理されて、業務の効率的な遂行を支援するための業務オントロジ０３１０として蓄積される。例えば、メタ情報利用文書活用装置０１００は、可視化部０３０７において表示された文書絞込み情報（すなわち、ユーザによって指定されたキーワードに関連すると推定され、表示されたキーワード）のうち、ユーザに選択されたものについて、それと指定されたキーワードとの関連の強さを示す重みの値を増すように、業務オントロジ０３１０を更新してもよい。

具体的には、例えば、検索条件に応じて構成される自動微分の目的関数から導かれる導関数によって関連の強さを示す重みの値を更新してもよい。その詳細な方法については後述する（図９参照）。

図４は、本発明の実施形態の文書解析部０３０３、０３０５及び関係メタ情報抽出部０３０６の詳細な手順を説明するフローチャートである。

メタ情報利用文書活用装置０１００は、入力された企業内文書０４１１（図３の企業内文書０３０１に相当）について、文書要素を抽出する（ステップ０４０１）。具体的には、メタ情報利用文書活用装置０１００は、企業内文書０４１１から、その電子文書に含まれるテキストの文字情報、その文字が書かれる紙面上の位置、罫線の位置、等を抽出する。これによって、各文字が抽出され、さらに、各文字の位置及び罫線の位置から、各行に相当する文字列が特定される。

次に、メタ情報利用文書活用装置０１００は、抽出された文書要素を用いて、文書構造を解析する（ステップ０４０２）。具体的には、メタ情報利用文書活用装置０１００は、抽出された文字及び罫線の位置等に基づいて、文書上の文字をブロックに分ける。例えば、文書がヘッダ、フッタ及び本文からなる場合、ヘッダ、フッタ及び本文がそれぞれ一つのブロックとして識別される。本文が段組みされている場合、各段が一つのブロックとして識別される。文書に表が含まれる場合、その表が一つのブロックとして識別される。メタ情報利用文書活用装置０１００は、ステップ０４０２において文書構造辞書（図示省略）を参照してもよい。これによって、ステップ０４０１で抽出された各行が属するブロックが特定される。このような文書構造の解析は、公知の方法によって行うことができる。

次に、メタ情報利用文書活用装置０１００は、ブロック及び行を、テキストの読み順（言い換えると、それらが文書中に現れる順）に整合するように並べ替える（ステップ０４０３）。これによって、各ブロック内の行がテキストの読み順に並べ替えられ、さらに、ブロックもテキストの読み順に並べ替えられる。例えば本文が複数のブロックからなる場合、それらのブロックがテキストの読み順に並べ替えられる。この並べ替えも、ステップ０４０２と同様、公知の方法によって行うことができる。ブロックに関する説明は図８を参照して後述する。

次に、メタ情報利用文書活用装置０１００は、文書要素を抽出する（ステップ０４０４）。具体的には、メタ情報利用文書活用装置０１００は、罫線、及び、その罫線等によって形成されたレイアウトを抽出する。さらに、メタ情報利用文書活用装置０１００は、ステップ０４０１において抽出された文字列からキーワードを抽出する。具体的には、メタ情報利用文書活用装置０１００は、文書辞書の検索キーワード情報０４１２に登録されたキーワードを検索キーとして、ステップ０４０１において抽出された文字列を検索する。検索キーワード情報０４１２は、図３の操作端末０３０８を通して入力されるキーワード、その入力されたキーワードを業務オントロジ０３１０に基づいて展開したもの（言い換えるとその入力されたキーワードとそれに関連するキーワードとの組）、あるいは文書解析０３０５および関係メタ情報抽出０３０６の結果として得られた文書絞込み用付加情報に相当する。

次に、メタ情報利用文書活用装置０１００は、文書メタ情報を抽出する（ステップ０４０５）。文書メタ情報とは、入力された文書に関する情報（属性情報等）の総称であり、具体例を挙げれば、文書のタイトル、作成年月日及び作成者などの書誌情報や、罫線表の隣接関係・親子関係などを表す情報である。ここで、隣接関係とは二つの文字列が（文脈上の関係の有無にかかわらず）並んでいる関係、親子関係とは例えば項目名と項目値のような関係である。このような文書メタ情報は、一般には入力された文書に直接書かれていないが、文書のタイトルのように、文書メタ情報と同一の情報が文書に直接書かれている場合もある。文書メタ情報を抽出する際は文書構造辞書０４１３が用いられる。

文書構造辞書０４１３には、文書から抽出すべき文書メタ情報の種類を定義する情報が含まれる。例えば、各文書に含まれる罫線、矩形、空白、文字列、文字列が配置された文書上の位置、フォント及び装飾の少なくとも一つに関する各文書のレイアウト、並びに文書構造辞書０４１３に基づいて、各文書のタイトル、作成者、作成年月日、ヘッダ、フッタ、章節番号、図表名、図表、文書ブロック及び固有名詞の少なくとも一つが文書メタ情報として抽出される。

次に、メタ情報利用文書活用装置０１００は、文書中の特定対象に対して関係メタ情報を算出する（ステップ０４０６）。このときにも、文書構造辞書０４１３を使用してもよい。

メタ情報利用文書活用装置０１００は、ステップ０４０５及び０４０６において算出された文書構造情報及びメタ情報に基づいて、入力された電子文書に対する文書構造データ０４１５を構成し、これを出力する（ステップ０４０９）。更に、メタ情報利用文書活用装置０１００は、出力された文書構造データ０４１５に対して、更に絞り込みのための情報が要求される場合は、文書の周辺情報（例えば、入力されたキーワードの周囲の、当該キーワードと関連するキーワード）を含む文書絞込みデータ０４１６を構成し、これを出力する（ステップ０４１０）。

文書構造データ０４１５及び文書絞込みデータ０４１６は、図３の可視化０３０７、操作端末０３０８への情報提供に利用され、そこで選択された絞込み情報が文書絞込み用付加情報０３１１としてキーワード検索部０３０４に渡される。

図５は、本発明の実施形態のメタ情報利用文書活用装置０１００が実行する処理について、解析フェーズと利用フェーズに分けて整理した説明図である。

上記の図３及び図４を参照して説明した、メタ情報利用文書活用装置０１００が実行する処理は、学習フェーズ０５００と利用フェーズ０５１０とに分けられる。

学習フェーズ０５００において、メタ情報利用文書活用装置０１００は、入力された情報に基づいて検索用文書データ０５０４を作成する。

具体的には、例えば、ユーザが蓄積文書０５０１（図３の企業内文書０３０１に相当）をメタ情報利用文書活用装置０１００に入力する。このときシステムが持っている文書メタ定義０５０２（図３の業務オントロジ０３１０に相当）が解析に使われる。

蓄積文書０５０１は、文書検索対象としてユーザＰＣなど企業内に蓄えられた実際の文書ファイルである。蓄積文書０５０１は、例えば通信装置０１０７を介してメタ情報利用文書活用装置０１００に入力されてもよい。

文書メタ定義０５０２は、文書解析の際に抽出するべきメタ情報の定義を記したものである。ユーザは、文書を解析した結果、抽出したい文書中のメタ情報のリストを、文書メタ定義０５０２としてメタ情報利用文書活用装置０１００に入力することができる。

例えば「××製作所」のような文書の作成者又は所有者を示す文字列や、「設計書」のような文書の種類を示す文字列との組み合わせを含む文書を、メタ情報として抽出する必要がある場合、ユーザは、このような文字列からなるキーワードの組み合わせ、あるいはメタ情報の種類を文書メタ定義０５０２としてメタ情報利用文書活用装置０１００に入力することができる。文書メタ定義０５０２は、例えば通信装置０１０７を介して入力されてもよいし、操作端末装置０１０１を介して入力されてもよい。

メタ情報利用文書活用装置０１００は、入力された蓄積文書０５０１及び文書メタ定義０５０２に基づいて、文書メタ解析０５０３（図３の１回目の文書解析部０３０３に相当）を実行する。その結果、検索用文書データ０５０４（図４の文書構造データ０４１５に相当）が作成される。検索用文書データ０５０４には、後述するように、文書検索に用いるキーワードのインデックス、ユーザに指定されたキーワードとして登録された文字列の組み合わせ、各キーワードペアに含まれる二つのキーワードの文書上の位置関係、及び、検索対象となる文書の文書構造、等を示す情報が含まれる。

次に、利用フェーズ０５１０について説明する。ユーザは、メタ情報利用文書活用装置０１００に検索したい文字列（キーワード）を入力する。

メタ情報利用文書活用装置０１００は、入力されたキーワードについて、文書検索処理０５１２（図３のキーワード検索部０３０４に相当）を実行する。これによって検索対象キーワードを含む全ての文書の、各種文書要素、すなわち、テキスト、キーワード（ＫＷ）、罫線、キーワードの位置を示す情報、及びブロックの配置を示す情報等が抽出される。なお、キーワード及びその位置を抽出するために、検索用文書データ０５０４に含まれるインデックス情報０５１３が参照される。

次に、メタ情報利用文書活用装置０１００は、文書検索処理０５１２によって抽出された文書情報０５１８について、文書メタ解析０５１５（図３の２回目の文書解析部０３０５に相当）を実行する。具体的には、メタ情報利用文書活用装置０１００は、文書情報０５１８と、検索用文書データ０５０４に含まれる文書構造情報０５１４と、を参照して、入力されたキーワードを含む文書群に対して、文書メタ解析０５１５を行い、入力キーワードを更に絞り込むために有用と考えられるキーワードを抽出する。

そして、メタ情報利用文書活用装置０１００は、文書メタ解析０５１５の結果０５１６を出力する（図３の可視化部０３０７に相当）。この結果は検索結果の文書が検索キーワードを含むことに関する配置情報などを含み、さらに、絞り込みのために使った付加キーワードの関連情報等を含んでもよい。

なお、検索用文書データ０５０４を予め保持していれば、メタ情報利用文書活用装置０１００は、学習フェーズ０５００を実行せずに、利用フェーズ０５１０のみを実行することができる。例えば、ユーザは、メタ情報利用文書活用装置０１００のメーカが作成した検索用文書データ０５０４を取得してもよいし、他のユーザが学習フェーズ０５００を実行することによって作成した検索用文書データ０５０４を取得してもよい。

図６は、本発明の実施形態のメタ情報利用文書活用装置０１００によって活用される企業内文書の例を示す説明図である。各文書例と、それに対する本発明によるメタ情報利用文書活用装置０１００の使い方のイメージを以下に述べる。

文書（ａ）からは、タイトル０６０１、作成者０６０２、作成日０６０３のメタ情報が抽出されているとする。同様に文書（ｂ）についてもタイトル０６０４、作成者０６０５、作成日０６０６、文書（ｃ）についてもタイトル０６０７、作成者０６０８、作成日０６０９が抽出されている。この抽出を行うのは、図３における第１の文書解析部０３０３である。

ここで、ユーザが操作端末０３０８を使って「ＡＡ機」に関する情報を調べた（すなわち「ＡＡ機」をキーとする検索の実行を指示した）とする。メタ情報利用文書活用装置０１００は、キーワード検索部０３０４において「ＡＡ機」のキーワードを含む文書群を探し出して、可視化部０３０７を通して操作端末０３０８に結果を表示する。この場合、検索された文書としては図６に示す文書（ａ）から（ｃ）が該当する。

同様に「ＡＡ機」のキーワードを含む文書が非常に大量に見つかった場合、ユーザがすべての検索結果を閲覧する事は困難である。そこでメタ情報利用文書活用装置０１００は、文書メタ情報を使って絞込み情報を得る。このケースでは第２回目の文書解析部０３０５の処理は不要であるが、その解析を行ってもよい。次に関係メタ情報を抽出すると（図４のステップ０４０６）、「ＡＡ機」というキーワードが、文書のタイトルメタ情報に含まれていることが多いことが分かる。更に文書メタ情報として、作成者及び作成日があることが分かる。このような情報は業務オントロジ０３１０から得られる。このとき絞込みに使える情報として、作成者＝｛ＢＢ製作所、ＣＣ社、ＤＤ電機｝または作成日＝｛２０１１年４月１日、２０１１年６月１日、２０１１年９月１日｝が使えることになる。そこで、これらの文書の絞込みに使える付加情報を、可視化部０３０７を通して操作端末０３０８に提示することで、ユーザが自らの所望するデータを探すことを支援する事が出来る。

図６の文書（ｄ）は、「ＡＡ工事」に対する報告である。この文書からはタイトル０６１０が解析済みとする。同様に文書（ｅ）からはフッタから推定されたタイトル０６１７、文書（ｆ）からはタイトル０６１８が抽出済とする。

これに対してユーザが「ＢＢ氏」という氏名をキーワードとして文書を検索したとする。「ＢＢ氏」を含む文書としては、この例で言えば、文書（ｄ）〜（ｆ）が該当する。このような文書が多数存在した場合、ユーザが目的とする文書を探し出すことは困難である。そこでメタ情報利用文書活用装置０１００は、可視化部０３０７を通して操作端末０３０８に、文書をより絞り込むための情報を提示する。すなわち、メタ情報利用文書活用装置０１００は、キーワード検索部０３０４において「ＢＢ氏」のキーワードを含む文書群を探し出す。さらに文書解析部０３０５の処理を行うと、「ＢＢ氏」０６１２、０６１６、０６２０というキーワードについて、表構造中にデータが書かれており、それらが他のキーワードと隣り合っていることが分かる。

次にメタ情報利用文書活用装置０１００は、関係メタ情報抽出部０３０６の処理を実行する。一般に表は、右又は左に、当該表の上位項目が書かれている事がある。また、縦又は横に並ぶ項目が同意概念であるという知識がある。「ＢＢ氏」が固有名詞であり、その隣に見つかったキーワードが「点検」０６１１、「チェック」０６１５及び「審査責任者」０６１９などの一般名詞であることを考えると、これらは項目の上位概念に属する可能性が高いと推論できる。更に業務オントロジ０３１０を使うと「点検」と「チェック」、あるいは「審査」と「審査責任者」が業務上同じ意味で用いられている事が分かる。そこで、「ＢＢ氏」に対する絞込み情報として、上位項目＝｛点検、審査｝という２つの項目があると推奨できることになる。

また、「ＢＢ氏」のキーワードを含む文書のタイトル０６１０、０６１７及び０６１８もまた絞込みに使える情報なので、タイトル＝｛ＸＸ工事、ＹＹ工事報告、ＺＺ修理｝という情報もまた、これらの文書の絞込みに使える付加情報として、可視化部０３０７を通して操作端末０３０８に提示することで、ユーザが自らの所望するデータを探すことを支援する。

更には、業務オントロジ０３１０に基づいて、「点検」と「審査」という項目が強い相関性がある、業務上有益な結びつきであることを指定することもできる。これによって、図６の例では、文書（ｄ）において「審査」０６１３及び「ＣＣ氏」０６１４が隣接し、文書（ｆ）において「点検責任者」及び「ＣＣ氏」が隣接していることから、同位項目＝｛（審査、ＣＣ氏）、（点検、ＣＣ氏）｝という情報の抽出も可能となる。

図６の文書（ｇ）と文書（ｈ）は部品のスペックについて記した資料である。例えば、スペックの最大、最小値を調べたい場合、「最大」「最小」というキーワードだけでは、例えば「最大」０６２２及び「最小」０６２３を含む文書（ｇ）、及び、「最大」０６２６及び「最小」０６２７を含む文書（ｈ）のような、多くの文書が検索されてしまう可能性がある。一方で部品名との組合せ、例えば「部品Ａ＆最大」というキーワードペアで検索しても、文書（ｇ）及び文書（ｈ）のように、２つのキーワード（「部品Ａ」０６２１と「最大」０６２２、又は「部品Ａ」０６２８と「最大」０６２６）が離れて配置されている場合、やはり検索順位が落ちることになる。しかし、文書解析０３０３による文書構造（表構造）のデータを保持しておく事で、両者のキーワードが極めて近い関係にあり、それぞれ上位項目、あるいは下位項目に属することが推定できる。

更には、表構造上で項目の下または右、または二次元データとして交差する箇所に当該データが記されることが多いというヒューリスティックな知識を利用すれば、「部品Ａの最大」に対するスペック値として文書（ｇ）からは「ＢＢ［ｋｇ重］」０６２４が、文書（ｈ）からは「ＢＢ［Ｐａ］」０６２９が抽出できることになる。従って、「部品Ａ＆最大」という検索条件に対しては、推奨情報として、文書タイトルだけでなく、項目に対応するデータ＝｛ＢＢ［ｋｇ重］、ＢＢ［Ｐａ］｝を表示することが可能となる。

図７は、本発明の実施形態のメタ情報利用文書活用装置０１００における推奨情報のインタフェースの一例の説明図である。

図７に示す文書（ａ）〜文書（ｃ）は、それぞれ、図６に示した文書（ａ）〜文書（ｃ）に相当する。

画面０７０１は従来の検索結果を表示する画面の一例である。この例では、キーワード入力部０７１１に検索キーワード「ＡＡ機」が入力され、検索ボタン０７１２が操作され、それに応じて検索が実行された結果として、文書（ａ）〜（ｃ）を含む複数の文書が得られている。検索結果表示部０７１３には、検索結果として、得られた文書の名称、所在及びその文書の内容（例えば文書に含まれるテキストの先頭の一部分等）が表示される。

画面０７０２は、本実施形態の検索結果を表示する画面の一例である。画面０７０２のキーワード入力部０７２１、検索ボタン０７２２及び検索結果表示部０７２４は、それぞれ、画面０７０１のキーワード入力部０７１１、検索ボタン０７１２及び検索結果表示部０７１３と同様である。

画面０７０２は、さらに、絞込み情報候補表示部０７２３を含む。ここには、文書を絞り込むためのキーワードが、幾つかの観点ごとにまとめて表示される。各観点は、例えば、入力されたキーワードと絞り込むためのキーワードとの関連の種類、又は、絞り込むためのキーワード自体の属性等に対応する。

図７の画面０７０２の例では、観点１に対応する絞込み検索用のキーワードとして、「設計書」、「仕様書」及び「手引」等が表示される。これらは、入力されたキーワード「ＡＡ機」を含む文書（ａ）〜（ｃ）等において、その入力されたキーワードと同じブロックに含まれているキーワードである。なお、ブロックについては図８を参照して後述する。

同様に、図７の画面０７０２の例では、観点２に対応する絞込み検索用のキーワードとして、「ＢＢ製作所」、「ＣＣ社」及び「ＤＤ」等が表示される。これらは、「ＡＡ機」を含む文書（ａ）〜（ｃ）等から抽出された、作成者の名称と推定される文字列である。

さらに、図７の画面０７０２の例では、観点３に対応する絞込み検索用のキーワードとして、「４月」、「６月」及び「９月」等が表示される。これらは、「ＡＡ機」を含む文書（ａ）〜（ｃ）等から抽出された、作成の時期と推定される情報である。

なお、文書に含まれる作成者名及び作成年月日等は、これまでに説明した文書解析部及びメタ情報抽出部の処理に基づいて推定することができる。

さらに、例えば、文書中から見つかった図を絞込み情報候補表示部０７２３に表示することで絞り込みを行うことも可能である。

上記のように、検索によって取得された文書に含まれる、入力されたキーワードに関連すると推定されるキーワードを、関連の種類又はキーワード自体の属性ごとに分類して提示し、それらから絞込み検索用のキーワードをユーザに選択させることによって、過去に行われた検索の実績が乏しい場合であっても、ユーザによる文書の検索を支援することができる。

画面０７０３は、本実施形態の検索結果を表示する画面のもう一つの例である。画面０７０３のキーワード入力部０７３１及び検索ボタン０７３２は、それぞれ、画面０７０１のキーワード入力部０７１１及び検索ボタン０７１２と同様である。

画面０７０３は、さらに、検索結果表示部０７３３及び項目候補表示部０７３４を含む。検索結果表示部０７３３には、検索結果が表形式に整理して表示される。画面０７０２の場合と同様、文書メタ情報に基づいて、文書からタイトル、作成日等を抽出することができるため、それらを表形式で表示することができる。さらに、ユーザは、項目候補表示部０７３４を使用して、表示される項目を選択することができる。画面０７０３における項目は画面０７０２における観点に対応する。

画面０７０３の例では、列０７３３Ａ及び列０７３３Ｂに表示される項目として、それぞれ「タイトル」及び「作成日」が選択されており、列０７３３Ｃに表示される項目はまだ選択されていない。この場合、検索結果表示部０７３３の各行には、検索によって取得された文書ごとに、その文書に含まれる上記の選択された項目に対応する情報が表示される。例えば、行０７３３Ｄは文書（ａ）に対応し、タイトル及び作成日として、それぞれ、文書（ａ）から抽出された「設計書」及び「４月」が表示されている。同様に、行０７３３Ｅ及び行０７０３Ｆはそれぞれ文書（ｂ）及び文書（ｃ）に対応する。

項目候補表示部０７３４には、列０７３３Ｃに表示される項目の候補として「作成者」、「上位概念」、「同位概念」、「下位概念」及び「近傍文字列」等が表示されており、例えばユーザが「作成者」を選択すると、文書（ａ）〜（ｃ）等から抽出された作成者と推定される情報等が検索結果表示部０７３３に表示される。例えば、行０７３３Ｄの列０７３３Ｃには、文書（ａ）から抽出された「ＢＢ製作所」が表示される。

上記のように、検索によって取得された文書に含まれる、入力されたキーワードに関連すると推定されるキーワードを、文書ごとに分類し、さらにユーザが所望する項目ごとに表示することによって、ユーザが検索結果から所望の文書を発見することを支援することができる。さらに、表示されたキーワードのいずれかがユーザに選択された場合、そのキーワードを用いた絞込み検索を実行することによって、過去に行われた検索の実績が乏しい場合であっても、ユーザによる文書の検索を支援することもできる。

図８は、本発明の実施形態のメタ情報利用文書活用装置０１００のブロック・行順序変換処理部０４０３において計算が行われる文書ブロックの説明図である。

図８（ａ）に示す文書０８２０は、タイトル０８５１、著者名０８５２及び本文０８５３からなる。この文書０８２０が電子文書ファイル０４１１として入力された場合、メタ情報利用文書活用装置０１００は、ブロックＢ１＿０８０１、ブロックＢ２＿０８０２及びブロックＢ３＿０８０３を抽出する。ブロックＢ１＿０８０１はタイトル０８５１が表示された領域に、ブロックＢ２＿０８０２は著者名０８５２が表示された領域に、ブロックＢ３＿０８０３は本文０８５３が表示された領域に相当する。

図８（ｂ）に示す文書０８３０は、本文０８５５及び本文０８５６を含む。この例において本文は段組みされており、本文０８５５及び本文０８５６が各段に相当し、本文０８５６は本文０８５５の次に読まれるべきものである。この文書０８３０が電子文書ファイル０４１１として入力された場合、メタ情報利用文書活用装置０１００は、本文０８５５が表示された領域に相当するブロックＢ５＿０８０５、及び、本文０８５６が表示された領域に相当するブロックＢ６＿０８０６を抽出する（ステップ０４０２）。さらに、メタ情報利用文書活用装置０１００は、本文の読み順と同様、ブロックＢ６＿０８０６がブロックＢ５＿０８０５の後に続くようにこれらのブロックを並べ替える（ステップ０４０３）。

図８（ｃ）に示す文書０８４０は、本文０８５７、本文０８５８、脚注０８５９、ヘッダ０８６０及びフッタ０８６１を含む。この例において本文は段組みされており、本文０８５７及び本文０８５８が各段に相当し、本文０８５８は本文０８５７の次に読まれるべきものである。

この文書０８４０が電子文書ファイル０４１１として入力された場合、メタ情報利用文書活用装置０１００は、ブロックＢ７＿０８０７、ブロックＢ８＿０８０８、ブロックＢ９＿０８０９、ブロックＢ１０＿０８１０及びブロックＢ１１＿０８１１を抽出する（ステップ０４０２）。ブロックＢ７＿０８０７及びブロックＢ８＿０８０８はそれぞれ本文０８５７及び本文０８５８が表示された領域に、ブロックＢ９＿０８０９は脚注０８５９が表示された領域に、ブロックＢ１０＿０８１０及びブロックＢ１１＿０８１１はそれぞれヘッダ０８６０及びフッタ０８６１が表示された領域に相当する。

さらに、メタ情報利用文書活用装置０１００は、本文の読み順と同様、ブロックＢ８＿０８０８がブロックＢ７＿０８０７の後に続くようにこれらのブロックを並べ替える（ステップ０４０３）。

文書から抽出された文書メタ情報、関係メタ情報及び文書構造情報などはＲＤＦ（Ｒｅｓｏｕｒｃｅ Ｄｅｓｃｒｉｐｔｉｏｎ Ｆｌａｍｅｗｏｒｋ）形式で蓄えることができる。ＲＤＦとは、データを蓄積するための一形式である。今日では、データをある標準化した形式で表現するためにＸＭＬを用いることが当たり前に行われている。ＲＤＦもまた、データ形式標準化の一形態として使われる。ＲＤＦは極めて単純な形式として、３つの要素、つまり主語（ｓｕｂｊｅｃｔ）、述語（ｐｒｅｄｉｃａｔｅ）、および目的語（ｏｂｊｅｃｔ）から成る構造を持つ。このため、データの表現が非常に単純な形式で可能となる。

例えば、「ＡＡ製作所はＢＢ特許を申請した」という文をＲＤＦ文に変換すると、｛主語＝ＡＡ製作所、述語＝〜を申請した、目的語＝ＢＢ特許｝となる。更に、述語や主語、目的語のそれぞれについて、曖昧性がある場合は、それぞれに尤度を付けた拡張ＲＤＦを扱う事がある。この例で言えば｛主語＝（ＡＡ製作所、尤度１）、述語＝（〜を申請した、尤度２）、目的語＝（ＢＢ特許、尤度３）｝と表す事ができる。

ちなみに、このような自然言語文の変換をどの様な手順で行うかについては、ここでは問題では無い。データの表現形式を伝えるために、この例を用いている。ＲＤＦではこれを文（ｓｔａｔｅｍｅｎｔ）と呼び、このような主張（ａｓｓｅｒｔｉｏｎ）は、正式な論理学の分野でも、文法の分野でも、こうして分解できることになる。一群のＲＤＦによって表現されたデータは、いくつかの文から成る有向グラフを定義する。ＲＤＦ上でのデータ探索、抽出などの操作は、重み付き有向グラフ上での操作で行う。

ＲＤＦ上でのデータ探索、抽出などの操作は、重み付き有向グラフ上での操作であるが、ここに学習による精度向上の機構を導入することができる。図３の学習部０３０９に示す処理がそれである。学習においては、自動微分とネットワーク演算との組合せによる手法を適用できる。

学習において、自動微分機構と回帰分析とを併用するための仕組みについて詳しく述べる。自動微分（Ａｕｔｏｍａｔｉｃ Ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ）では「数」と「演算」を独自に定義する。このとき「数」の構造は次のベクトルで表される。

ここで、ｖは関数の値を保持する場所である。また、ｄｋ（ｋ＝１〜ｎ）は関数を第k番目の変数で偏微分した時の値を保持する場所である。自動微分では上記構造を持つもの数をＡＤ数として、これに基づいて各種の演算を行う。自動微分で用いる演算関数の定義を図９に示す。

この機構を導入するのは、学習におけるパラメータ調整を柔軟に構成するためである。ＲＤＦ推論は有向グラフ上の演算とみなすことができるが、学習による業務適応を考えた場合、特定の推論方向を優先することを意味する。このことは重み付き有向グラフのパスが通りやすいようにすることである。そこで、パスの重みを勾配法によるパラメータ調整を行うことを考える。勾配法では目標関数の偏微分係数が必要になる。メタ情報利用文書活用装置では、推奨した付加情報の何を使ったかが学習における教師信号として用いる事ができる。良くつかわれる付加情報がなるべく上位に上がるよう、業務オントロジの重みや、ＲＤＦ推論時の重み付けを見直すが、これは固定の関数を扱う訳ではない。ＲＤＦ推論によって柔軟に変更される重み付き有向グラフ上のパス計算に対して、関係するパラメータだけを調整する必要が生じる。

目標関数を求めるプログラム(関数)は、if文、for文、数学関数・数学演算から成立し、更にＲＤＦ推論によって関係するノードとエッジの重みが加わる。これらの内、数学関数・数学演算部分を、自動微分の数構造を利用して記述する。自動微分を用いると定義した関数から値と微分値を同時に求める事ができるため、計算式の変更に対しても容易に微分値の導出が行える。かつ、回帰分析と組み合わせることで、売上げに有効と思われるルールに絞って、パラメータ調整を行うことができる。

一般に、勾配法による学習を実装する場合は、固定の関数の定義式(例えばニューロの中間層の計算式や、多項式識別関数のパラメータ重畳など)から、手計算により偏微分方程式を導き、これを元に学習するプログラムを実装する。しかし、ルールの追加、削除は動的に行われ得る。さらに、目標関数についても業務内容や検索条件によって変わり得る。目標関数の計算式が動的に変更され得て、それに合わせて勾配法によるパラメータ学習を行う必要がある場合は、偏微分方程式も動的に変更しなければならないが、それに対する柔軟な適応能力を自動微分機構の導入により確保することができる。

学習機能を用いる場面として以下の例が挙げられる。まず、図６や図７に示す文書から文書メタ情報を抽出した結果が、ＲＤＦ文として蓄積されているとする。例えば図６（ｆ）からは、「審査責任者」の「下位概念」として「ＢＢ氏」がいるという解釈ができるため、これが主語・述語・目的語で構成される１個のＲＤＦ文を構成する。一方、自動的に抽出された文書メタ情報が常に１００％正しい訳ではない。この例で言えば、「点検責任者」の「下位概念」の１つとして「ＢＢ氏」があり得ることもあるため、これもまた１個のＲＤＦ文を構成し得る。このとき２つのＲＤＦ文は、文書レイアウトの違いなどから、異なる尤もらしさ（尤度）を持つことになる。この尤度は、他の文書や活用装置の入出力から抽出した情報（「ＢＢ氏」とより共起する単語は「審査責任者」か「点検責任者」かといった情報や、検索結果に対してユーザが選択した反応といった情報）を元に、見直しすることができる。あるＲＤＦ文の主語・目的語のペアが、別のＲＤＦ文の主語・目的語のペアに合致して、かつ２つのＲＤＦ文の各述語が同じような意味を持つ場合には尤度を上げる、といった処理は、ＲＤＦ文を入力としてｉｆ文やｆｏｒ文で処理を行うプログラムとして書けるため、上述の自動微分機構を用いたパラメータ調整が可能となる。これによって検索の際の関連情報として提示するべき関連用語、例えば「点検責任者」という検索キーワードが提示された場合、「ＡＡ氏」のほうが「ＢＢ氏」より高いため、こちらを優先して関連情報として提示するといった処理が可能となる。また、レイアウト上での共起関係の強さと、多くの文書から集めた共起関係の強さとを、どのように優先するかなど、ＲＤＦ文を処理するためのルール自身にも尤度を設けて、全体としてどのルールを優先するかといった点を学習することも、検索結果に対してユーザが選択した結果の検索順位などを目的関数として、上記自動微分機構を適用することで、容易に実現可能となる。

０１００ メタ情報利用文書活用装置
０１０１、０２０１ 操作端末装置
０１０２、０２０２ 表示端末装置
０１０３、０２０３ 外部記憶装置
０１０４、０２０４ メモリ
０１０５、０２０５ 中央演算装置
０１０６、０２０６ 通信線
０１０７、０２０７ 通信装置
０２００ ＯＣＲ一体型メタ情報利用文書活用装置
０２０８ 画像撮像装置
０２０９ ソータ装置

Claims (14)

1. 文書活用装置が実行する文書活用支援方法であって、
   前記文書活用装置は、演算装置と、前記演算装置に接続され、複数の文書に関する文書データを保持する記憶装置と、前記演算装置に接続される入力装置と、前記演算装置に接続される表示装置と、を有し、
   前記文書活用支援方法は、
   前記複数の文書の各々に含まれる文字列間の関連を推定し、推定された文字列間の関連を示す情報を前記記憶装置に格納する第１手順と、
   前記入力装置を介して検索キーワードとして入力された文字列を含む文書を、前記複数の文書から検索する第２手順と、
   前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された一つ以上の文字列を、前記表示装置を介して表示する第３手順と、を含むことを特徴とする文書活用支援方法。
2. 前記記憶装置は、さらに、前記文書データから抽出すべきメタ情報の種類を定義する辞書情報を保持し、
   前記第１手順は、前記辞書情報に基づいて前記複数の文書に関する文書データからメタ情報を抽出し、前記抽出されたメタ情報に基づいて前記複数の文書の各々に含まれる文字列間の関連の種類を推定する手順を含み、
   前記第３手順は、前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された複数の文字列を、前記関連の種類と対応付けて表示する手順を含むことを特徴とする請求項１に記載の文書活用支援方法。
3. 前記第３手順は、前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された複数の文字列を、前記関連の種類、及び、前記複数の文字列の各々が抽出された文書と対応付けて表示する手順を含むことを特徴とする請求項２に記載の文書活用支援方法。
4. 前記文書活用支援方法は、さらに、前記検索キーワードとして入力された文字列を含む前記文字列間の関連が前記第１手順によって推定されていない場合、前記辞書情報に基づいて、前記検索の結果として得られた複数の文書に関する文書データからメタ情報を抽出し、前記抽出されたメタ情報に基づいて、前記入力された文字列と、前記検索の結果として得られた複数の文書の各々に含まれる文字列との関連の種類及び関連の強さを推定する第４手順を含むことを特徴とする請求項２に記載の文書活用支援方法。
5. 前記第１手順は、前記各文書に含まれる罫線、矩形、空白、文字列、文字列が配置された文書上の位置、フォント及び装飾の少なくとも一つに関する前記各文書のレイアウト、並びに、前記辞書情報に含まれるメタ情報の種類に基づいて、前記各文書のタイトル、作成者、作成日、ヘッダ、フッタ、章節番号、図表名、図表、文書ブロック及び固有名詞の少なくとも一つを前記メタ情報として抽出する手順を含み、
   前記第４手順は、前記検索の結果として得られた各文書に含まれる罫線、矩形、空白、文字列、文字列が配置された文書上の位置、フォント及び装飾の少なくとも一つに関する前記各文書のレイアウト、並びに、前記辞書情報に含まれるメタ情報の種類に基づいて、前記入力された文字列に関連すると推定される前記各文書のタイトル、作成者、作成日、ヘッダ、フッタ、章節番号、図表名、図表、文書ブロック及び固有名詞の少なくとも一つを前記メタ情報として抽出する手順を含むことを特徴とする請求項４に記載の文書活用支援方法。
6. 前記第１手順は、前記メタ情報に基づいて前記複数の文書の各々に含まれる文字列間の関連の強さを推定する手順を含み、
   前記第３手順は、前記推定された関連の強さに基づいて、前記検索キーワードとして入力された文字列と関連する文字列を推定する手順を含み、
   前記前記表示装置を介して表示された前記一つ以上の文字列のいずれかを選択する情報が前記入力装置を介して入力された場合、前記検索キーワードとして入力された文字列と前記選択された文字列との組を新たな検索キーワードとする検索を実行するために前記第２手順が再度実行され、
   前記文書活用支援方法は、さらに、前記検索キーワードとして入力された文字列と前記選択された文字列との関連の強さが増すように、前記推定された文字列間の関連を示す情報を更新する第５手順を含むことを特徴とする請求項１に記載の文書活用支援方法。
7. 前記第５手順は、検索条件に応じて構成される自動微分の目的関数から導かれる導関数によって前記関連の強さを更新する手順を含むことを特徴とする請求項６に記載の文書活用支援方法。
8. 演算装置と、前記演算装置に接続され、複数の文書に関する文書データを保持する記憶装置と、前記演算装置に接続される入力装置と、前記演算装置に接続される表示装置と、を有する文書活用装置であって、
   前記演算装置は、
   前記複数の文書の各々に含まれる文字列間の関連を推定し、
   推定された文字列間の関連を示す情報を前記記憶装置に格納し、
   前記入力装置を介して検索キーワードとして入力された文字列を含む文書を前記複数の文書から検索し、
   前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された一つ以上の文字列を、前記表示装置を介して表示することを特徴とする文書活用装置。
9. 前記記憶装置は、さらに、前記文書データから抽出すべきメタ情報の種類を定義する辞書情報を保持し、
   前記演算装置は、
   前記辞書情報に基づいて前記複数の文書に関する文書データからメタ情報を抽出し、前記抽出されたメタ情報に基づいて前記複数の文書の各々に含まれる文字列間の関連の種類を推定し、
   前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された複数の文字列を、前記関連の種類と対応付けて表示することを特徴とする請求項８に記載の文書活用装置。
10. 前記演算装置は、前記検索の結果として得られた複数の文書に含まれる、前記検索キーワードとして入力された文字列と関連すると推定された複数の文字列を、前記関連の種類、及び、前記複数の文字列の各々が抽出された文書と対応付けて表示することを特徴とする請求項９に記載の文書活用装置。
11. 前記演算装置は、前記検索キーワードとして入力された文字列を含む前記文字列間の関連がまだ推定されていない場合、前記辞書情報に基づいて、前記検索の結果として得られた複数の文書に関する文書データからメタ情報を抽出し、前記抽出されたメタ情報に基づいて、前記入力された文字列と、前記検索の結果として得られた複数の文書の各々に含まれる文字列との関連の種類及び関連の強さを推定することを特徴とする請求項９に記載の文書活用装置。
12. 前記演算装置は、
    前記各文書に含まれる罫線、矩形、空白、文字列、文字列が配置された文書上の位置、フォント及び装飾の少なくとも一つに関する前記各文書のレイアウト、並びに、前記辞書情報に含まれるメタ情報の種類に基づいて、前記各文書のタイトル、作成者、作成日、ヘッダ、フッタ、章節番号、図表名、図表、文書ブロック及び固有名詞の少なくとも一つを前記メタ情報として抽出し、
    前記検索キーワードとして入力された文字列を含む前記文字列間の関連がまだ推定されていない場合には、前記検索の結果として得られた各文書に含まれる罫線、矩形、空白、文字列、文字列が配置された文書上の位置、フォント及び装飾の少なくとも一つに関する前記各文書のレイアウト、並びに、前記辞書情報に含まれるメタ情報の種類に基づいて、前記入力された文字列に関連すると推定される前記各文書のタイトル、作成者、作成日、ヘッダ、フッタ、章節番号、図表名、図表、文書ブロック及び固有名詞の少なくとも一つを前記メタ情報として抽出することを特徴とする請求項１１に記載の文書活用装置。
13. 前記演算装置は、
    前記メタ情報に基づいて前記複数の文書の各々に含まれる文字列間の関連の強さを推定し、
    前記推定された関連の強さに基づいて、前記検索キーワードとして入力された文字列と関連する文字列を推定し、
    前記前記表示装置を介して表示された前記一つ以上の文字列のいずれかを選択する情報が前記入力装置を介して入力された場合、前記検索キーワードとして入力された文字列と前記選択された文字列との組を新たな検索キーワードとして前記複数の文書の検索を実行し、
    前記検索キーワードとして入力された文字列と前記選択された文字列との関連の強さが増すように、前記推定された文字列間の関連を示す情報を更新することを特徴とする請求項８に記載の文書活用装置。
14. 前記演算装置は、検索条件に応じて構成される自動微分の目的関数から導かれる導関数によって前記関連の強さを更新することを特徴とする請求項１３に記載の文書活用装置。

Images