JP2020173779A5 - 文書における見出しのシーケンスの識別方法、プログラム及びシステム - Google Patents

Description

一般に、本発明は一側面によれば、電子文書（ＥＤ）を処理し、ＥＤのセクション見出しのシーケンスを推論する方法に関する。当該方法は、コンピュータープロセッサーによって、所定のセクション見出しパターンとＥＤの複数の文字との間の通常の表現のマッチングに基づいて、ＥＤの候補見出しのリストを生成し、コンピュータープロセッサーによって、前記候補見出しのリストに基づいてセクション見出しのシーケンスの一部を推論するためのチェーンフラグメントのリストを生成し、コンピュータープロセッサーによって、所定の基準に基づいて、前記チェーンフラグメントのリストにおける少なくとも二つのチェーンフラグメントを合わせてセクション見出しのシーケンスを生成する。

一般に、本発明は一側面によれば、電子文書（ＥＤ）を処理し、ＥＤのセクション見出しのシーケンスを推論するためのプログラムに関する。当該プログラムは、コンピューターに以下の機能を実行させる、所定のセクション見出しパターンとＥＤの複数の文字との間の通常の表現のマッチングに基づいて、ＥＤの候補見出しのリストを生成し、前記候補見出しのリストに基づいてセクション見出しのシーケンスの一部を推論するためのチェーンフラグメントのリストを生成し、所定の基準に基づいて、前記チェーンフラグメントのリストにおける少なくとも二つのチェーンフラグメントを合わせてセクション見出しのシーケンスを生成する。

一般に、本発明は一側面によれば、電子文書（ＥＤ）を処理し、ＥＤのセクション見出しのシーケンスを推論するシステムに関する。前記システムは、メモリーと、メモリーと接続するコンピュータープロセッサーと、を備え、前記コンピュータープロセッサーは、以下の機能を実行する、所定のセクション見出しパターンとＥＤの複数の文字との間の通常の表現のマッチングに基づいて、ＥＤの候補見出しのリストを生成し、前記候補見出しのリストに基づいてセクション見出しのシーケンスの一部を推論するためのチェーンフラグメントのリストを生成し、
所定の基準に基づいて、前記チェーンフラグメントのリストにおける少なくとも二つのチェーンフラグメントを合わせてセクション見出しのシーケンスを生成する。

Claims (20)

1. 電子文書（ＥＤ）を処理し、ＥＤのセクション見出しのシーケンスを推論する方法であって、
   コンピュータープロセッサーによって、所定のセクション見出しパターンとＥＤの複数の文字との間の通常の表現のマッチングに基づいて、ＥＤの候補見出しのリストを生成し、
   コンピュータープロセッサーによって、前記候補見出しのリストに基づいてセクション見出しのシーケンスの一部を推論するためのチェーンフラグメントのリストを生成し、
   コンピュータープロセッサーによって、所定の基準に基づいて、前記チェーンフラグメントのリストにおける少なくとも二つのチェーンフラグメントを合わせてセクション見出しのシーケンスを生成する、方法。
2. ＥＤの複数の文字に関するスタイル属性が含まれる解析済みのＥＤを生成し、
   前記スタイル属性の特有性の値に基づいて、前記候補見出しのリストのそれぞれの候補見出しの信頼度を判断する、
   請求項１に記載の方法。
3. 前記候補見出しのリストのそれぞれの候補見出しの信頼度に基づいて、前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントの信頼度を判断し、
   所定の信頼度の閾値とそれぞれのチェーンフラグメントの信頼度とに基づいて、前記セクション見出しのシーケンスを推論するために前記チェーンフラグメントのリストから少なくとも一つのチェーンフラグメントを除外する、
   請求項２に記載の方法。
4. 複数の前記候補見出しはそれぞれ前記所定のセクション見出しパターンに応じた一以上のシーケンス文字を有し、
   前記チェーンフラグメントのリストを生成するステップは、シーケンス文字のネストレベルに基づいて前記候補見出しのリストのそれぞれの候補見出しのランクを判断することを含み、
   前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントは、当該チェーンフラグメントのランクを定義する単一のランクを含む一以上の候補見出しを含む、
   請求項１から３のいずれか一項に記載の方法。
5. 前記チェーンフラグメントのリストを生成するステップは、
   前記候補見出しのリストをさかのぼって検討して、前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントについて先頭候補見出しを識別し、
   前記先頭候補見出しから前記候補見出しのリストを先に進んで検討してそれぞれのチェーンフラグメントの残りの候補見出しを識別し、
   前記先頭候補見出しは前記シーケンス文字の最も右の桁に先頭シーケンス文字を含む、
   請求項４に記載の方法。
6. 前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントの前記ランクに応じて前記チェーンフラグメントのリストはソートされる、
   請求項４又は５に記載の方法。
7. 前記少なくとも二つのチェーンフラグメントを合わせるステップは、
   前記チェーンフラグメントのリストにおけるより高いランクのチェーンフラグメントとより低いランクのチェーンフラグメントとの間の近接性の値を判断し、前記より高いランクのチェーンフラグメントは前記より低いランクのチェーンフラグメントより一ランク高い、複数のより高いランクのチェーンフラグメントのうちの一つであり、
   近接性の値の重み付平均とより高いランクのチェーンフラグメントの信頼度とに基づいて前記より高いランクのチェーンフラグメントの点数を生成し、
   前記点数に基づいて、前記チェーンフラグメントのリストのうちの前記複数のより高いランクのチェーンフラグメントから前記より低いランクのチェーンフラグメントに合わせる前記より高いランクのチェーンフラグメントを選択する、
   請求項４から６のいずれか一項に記載の方法。
8. 電子文書（ＥＤ）を処理し、ＥＤのセクション見出しのシーケンスを推論するためのコンピューターに、
   所定のセクション見出しパターンとＥＤの複数の文字との間の通常の表現のマッチングに基づいて、ＥＤの候補見出しのリストを生成する機能と、
   前記候補見出しのリストに基づいてセクション見出しのシーケンスの一部を推論するためのチェーンフラグメントのリストを生成する機能と、
   所定の基準に基づいて、前記チェーンフラグメントのリストにおける少なくとも二つのチェーンフラグメントを合わせてセクション見出しのシーケンスを生成する機能と、を実行させるプログラム。
9. ＥＤの複数の文字に関するスタイル属性が含まれる解析済みのＥＤを生成する機能と、
   前記スタイル属性の特有性の値に基づいて、前記候補見出しのリストのそれぞれの候補見出しの信頼度を判断する機能と、
   を実行させる請求項８に記載のプログラム。
10. 前記候補見出しのリストのそれぞれの候補見出しの信頼度に基づいて、前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントの信頼度を判断する機能と、
    所定の信頼度の閾値とそれぞれのチェーンフラグメントの信頼度とに基づいて、前記セクション見出しのシーケンスを推論するために前記チェーンフラグメントのリストから少なくとも一つのチェーンフラグメントを除外する機能と、
    を実行させる請求項９に記載のプログラム。
11. 複数の前記候補見出しはそれぞれ前記所定のセクション見出しパターンに応じた一以上のシーケンス文字を有し、
    前記チェーンフラグメントのリストを生成する機能は、シーケンス文字のネストレベルに基づいて前記候補見出しのリストのそれぞれの候補見出しのランクを判断することを含み、
    前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントは、当該チェーンフラグメントのランクを定義する単一のランクを含む一以上の候補見出しを含む、
    請求項８から１０のいずれか一項に記載のプログラム。
12. 前記チェーンフラグメントのリストを生成する機能は、
    前記候補見出しのリストをさかのぼって検討して、前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントについて先頭候補見出しを識別し、
    前記先頭候補見出しから前記候補見出しのリストを先に進んで検討してそれぞれのチェーンフラグメントの残りの候補見出しを識別し、
    前記先頭候補見出しは前記シーケンス文字の最も右の桁に先頭シーケンス文字を含む、
    請求項１１に記載のプログラム。
13. 前記少なくとも二つのチェーンフラグメントを合わせる機能は、
    前記チェーンフラグメントのリストにおけるより高いランクのチェーンフラグメントとより低いランクのチェーンフラグメントとの間の近接性の値を判断し、前記より高いランクのチェーンフラグメントは前記より低いランクのチェーンフラグメントより一ランク高い、複数のより高いランクのチェーンフラグメントのうちの一つであり、
    近接性の値の重み付平均とより高いランクのチェーンフラグメントの信頼度とに基づいて前記より高いランクのチェーンフラグメントの点数を生成し、
    前記点数に基づいて、前記チェーンフラグメントのリストのうちの前記複数のより高いランクのチェーンフラグメントから前記より低いランクのチェーンフラグメントに合わせる前記より高いランクのチェーンフラグメントを選択する、
    請求項１１又は１２に記載のプログラム。
14. 電子文書（ＥＤ）を処理し、ＥＤのセクション見出しのシーケンスを推論するシステムであって、
    メモリーと、
    メモリーと接続するコンピュータープロセッサーと、
    を備え、
    前記コンピュータープロセッサーは、
    所定のセクション見出しパターンとＥＤの複数の文字との間の通常の表現のマッチングに基づいて、ＥＤの候補見出しのリストを生成し、
    前記候補見出しのリストに基づいてセクション見出しのシーケンスの一部を推論するためのチェーンフラグメントのリストを生成し、
    所定の基準に基づいて、前記チェーンフラグメントのリストにおける少なくとも二つのチェーンフラグメントを合わせてセクション見出しのシーケンスを生成するシステム。
15. 前記コンピュータープロセッサーは、
    ＥＤの複数の文字に関するスタイル属性が含まれる解析済みのＥＤを生成し、
    前記スタイル属性の特有性の値に基づいて、前記候補見出しのリストのそれぞれの候補見出しの信頼度を判断する、
    請求項１４に記載のシステム。
16. 前記コンピュータープロセッサーは、
    前記候補見出しのリストのそれぞれの候補見出しの信頼度に基づいて、前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントの信頼度を判断し、
    所定の信頼度の閾値とそれぞれのチェーンフラグメントの信頼度とに基づいて、前記セクション見出しのシーケンスを推論するために前記チェーンフラグメントのリストから少なくとも一つのチェーンフラグメントを除外する、
    請求項１５に記載のシステム。
17. 複数の前記候補見出しはそれぞれ前記所定のセクション見出しパターンに応じた一以上のシーケンス文字を有し、
    前記チェーンフラグメントのリストを生成する機能は、シーケンス文字のネストレベルに基づいて前記候補見出しのリストのそれぞれの候補見出しのランクを判断することを含み、
    前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントは、当該チェーンフラグメントのランクを定義する単一のランクを含む一以上の候補見出しを含む、
    請求項１４から１６のいずれか一項に記載のシステム。
18. 前記チェーンフラグメントのリストを生成する機能は、
    前記候補見出しのリストをさかのぼって検討して、前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントについて先頭候補見出しを識別し、
    前記先頭候補見出しから前記候補見出しのリストを先に進んで検討してそれぞれのチェーンフラグメントの残りの候補見出しを識別し、
    前記先頭候補見出しは前記シーケンス文字の最も右の桁に先頭シーケンス文字を含む、
    請求項１７に記載のシステム。
19. 前記チェーンフラグメントのリストのそれぞれのチェーンフラグメントの前記ランクに応じて前記チェーンフラグメントのリストはソートされる、
    請求項１７又は１８に記載のシステム。
20. 前記少なくとも二つのチェーンフラグメントを合わせる機能は、
    前記チェーンフラグメントのリストにおけるより高いランクのチェーンフラグメントとより低いランクのチェーンフラグメントとの間の近接性の値を判断し、前記より高いランクのチェーンフラグメントは前記より低いランクのチェーンフラグメントより一ランク高い、複数のより高いランクのチェーンフラグメントのうちの一つであり、
    近接性の値の重み付平均とより高いランクのチェーンフラグメントの信頼度とに基づいて前記より高いランクのチェーンフラグメントの点数を生成し、
    前記点数に基づいて、前記チェーンフラグメントのリストのうちの前記複数のより高いランクのチェーンフラグメントから前記より低いランクのチェーンフラグメントに合わせる前記より高いランクのチェーンフラグメントを選択する、
    請求項１７から１９のいずれか一項に記載のシステム。