JP2020181523A - 情報処理装置及びプログラム - Google Patents

Abstract

【課題】文書の画像に対する文字認識の結果から、登録済みのキーワードに対応する値を抽出するシステムにおいて、登録済みのキーワードが複数の単語の組合せである場合に、利用者が登録済みのキーワードと同じまたは類似の意味の新たなキーワードを複数登録する際の手間を軽減する。【解決手段】第１のキーワードを記憶する記憶部と、文字認識の結果から第１のキーワードに対応する値を表す文字列を抽出する抽出部と、第１のキーワードと類似の意味を有する第２のキーワードを登録する指示を受けたことに応じて、第１及び第２のキーワードに含まれる複数の単語の中から、同一又は類似の単語を組合せの基準になる基準単語として検出する検出部と、第１のキーワード内の第１対象単語及び第２のキーワード内の第２対象単語の少なくとも一方と基準単語とを、前後関係を保持したまま組み合わせた第３のキーワードを出力する出力部と、を含む情報処理装置とする。【選択図】図１１

Description

本発明は、情報処理装置及びプログラムに関する。

特許文献１には、画像に対して領域解析処理を実行することにより領域を抽出する抽出手段と、特定のキーワードと当該キーワードに対応するバリューとを抽出するためのルールを取得する取得手段と、前記ルールを用いて前記キーワードを含む領域および当該キーワードに対応するバリューを含む領域を特定する順番を、当該ルールに含まれる前記キーワードと当該キーワードに対応するバリューとが取り得る値に応じて決定する決定手段と、前記決定された順番に従い、前記キーワードを含む領域または当該キーワードに対応するバリューを含む領域を前記抽出された領域の中から特定する特定手段と、前記特定された領域に対して文字認識処理を行う文字認識手段と、を備え、前記特定手段は、前記決定された順番に従い、先に特定した領域に基づいて、対応するもう一方の領域を特定する、ことを特徴とする情報処理装置が開示されている。

特開２０１８−１２８９９６号公報

本発明の目的は、文書の画像に対する文字認識の結果から、登録済みのキーワードに対応する値を抽出するシステムにおいて、前記登録済みのキーワードが複数の単語の組合せである場合に、利用者が前記登録済みのキーワードと同じまたは類似の意味の新たなキーワードを複数登録する際の手間を軽減することができる、情報処理装置及びプログラムを提供することにある。

第１態様に係る情報処理装置は、複数の単語を組み合わせてなる第１のキーワードを記憶する記憶部と、文書の画像に対する文字認識の結果から、前記第１のキーワードに対応する値を表す文字列を抽出する抽出部と、前記第１のキーワードと同一ではないが類似の意味を有する第２のキーワードを新たに登録する指示を受けたことに応じて、前記第１のキーワード及び前記第２のキーワードに含まれる複数の単語の中から、同一又は類似の単語を組合せの基準になる基準単語として検出する検出部と、前記第１のキーワード内の前記基準単語の前または後ろに繋がり且つ組合せの対象になる第１対象単語、及び前記第２のキーワード内の前または後ろに繋がり且つ組合せの対象になる第２対象単語の少なくとも一方と、前記基準単語とを、前記基準単語との前後関係を保持したまま組み合わせた、新たな第３のキーワードを出力する出力部と、を含む。

第２態様に係る情報処理装置は、第１態様に係る情報処理装置において、前記検出部が、前記第１のキーワードの形態素解析の結果及び前記第２のキーワードの形態素解析の結果の各々に基づいて、同一又は類似の単語を検出し、前記出力部が、前記第１のキーワードの形態素解析の結果及び前記第２のキーワードの形態素解析の結果の各々に基づいて、前記第３のキーワードを出力する。

第３態様に係る情報処理装置は、第１態様または第２態様に係る情報処理装置において、同一又は類似の単語が、表記が同一の単語、揺らぎがある以外は表記が同一の単語、及び表記は異なるが意味が同一の単語のいずれかである。

第４態様に係る情報処理装置は、第１態様から第３態様までのいずれか１つに係る情報処理装置において、接頭語または接尾語である単語が、前記第１対象単語及び前記第２対象単語の少なくとも一方に追加、または、前記第１対象単語及び前記第２対象単語の少なくとも一方から削除される。

第５態様に係る情報処理装置は、第１態様から第４態様までのいずれか１つに係る情報処理装置において、前記出力された前記第３のキーワードを選択可能に表示させて、利用者による選択を受け付ける表示部をさらに備える。

第６態様に係る情報処理装置は、第５態様に係る情報処理装置において、前記表示部において選択された前記第３のキーワードを前記記憶部に記憶するよう制御する。

第７態様に係る情報処理装置は、第６態様に係る情報処理装置において、前記表示部は、前記第３のキーワードを有向グラフとして表示させる。

第８態様に係る情報処理装置は、第６態様または第７態様に係る情報処理装置において、前記表示部は、前記抽出部による抽出結果及び前記第２のキーワードを受け付けるための受付画面をさらに表示する。

第９態様に係る情報処理装置は、第８態様に係る情報処理装置において、前記表示部は、前記抽出部により前記第１のキーワードに対応する値を表す文字列が抽出されない場合に、前記受付画面を表示する。

第１０態様に係る情報処理装置は、第１態様から第９態様までのいずれか１つに係る情報処理装置において、前記記憶部は、前記第２のキーワード及び前記第３のキーワードを、前記第１のキーワードが属する関連キーワード群として記憶する。

第１１態様に係るプログラムは、コンピュータを、第１態様から第１０態様までのいずれか１つに係る情報処理装置の各部として機能させるためのプログラムである。

第１態様、第１１態様によれば、文書の画像に対する文字認識の結果から、登録済みのキーワードに対応する値を抽出するシステムにおいて、前記登録済みのキーワード（第１のキーワード）が複数の単語の組合せである場合に、利用者が前記登録済みのキーワードと同じまたは類似の意味の新たなキーワードを複数登録する際の手間を軽減することができる。

第２態様によれば、形態素解析で分割された最小単位である単語の組合せを取得することができる。

第３態様によれば、第１のキーワードに含まれる単語と同一又は類似の単語を含む他のキーワードに対する値を、抽出結果に含めることができる。

第４態様によれば、接頭語または接尾語の有無だけが第１のキーワードと異なる他のキーワードに対する値を、抽出結果に含めることができる。

第５態様、第６態様によれば、利用者は、表示された第３のキーワードの中から必要なキーワードだけを保存しておくことができる。

第７態様によれば、有向グラフにより第３のキーワードに含まれる各単語の繋がりが表示される。

第８態様によれば、利用者は、抽出結果を見て第２のキーワードを追加するか否かを決めることができる。

第９態様によれば、第１のキーワードに対応する値が抽出されない場合に、第２のキーワードを追加するか否かを決めることができる。

第１０態様によれば、第２のキーワード及び第３のキーワードが、第１のキーワードが属する関連キーワード群に追加される。

処理対象とする文書の一例を示す概略図である。 本発明の実施の形態に係る情報処理装置の電気的構成の一例を示すブロック図である。 管理テーブルの一例を示す図表である。 本発明の実施の形態に係る情報処理装置の機能構成の一例を示すブロック図である。 「値抽出処理」の流れの一例を示すフローチャートである。 「キーワード追加処理」の流れの一例を示すフローチャートである。 「キーワード生成処理」の流れの一例を示すフローチャートである。 受付画面の一例を示す模式図である。 結果確認画面の一例を示す模式図である。 キーワード追加画面の一例を示す模式図である。 生成結果表示画面の一例を示す模式図である。 再抽出画面の他の一例を示す模式図である。 キーワードを表す有向グラフが統合される様子を表す図である。 キーワードを表す有向グラフが統合される様子を表す図である。 キーワードを表す有向グラフが統合される様子を表す図である。

以下、図面を参照して本発明の実施の形態の一例を詳細に説明する。

＜値抽出処理＞
まず、本実施の形態で処理対象とする文書について説明する。図１は処理対象とする文書の一例を示す概略図である。処理対象とする文書は、項目と項目に対応する値とを含む文書である。例えば、見積書等の帳票は、項目毎に対応する値が記述されている。以下では、文書が見積書である場合について説明する。

図１に示すように、見積書は、項目として、管理番号、発行日、お見積金額、お支払い期限、見積有効期限、品名、単価、数量、金額等を含む。例えば、「発行日」という項目に対しては、「２０１９年１月７日」という値が記述されている。また、「見積有効期限」という項目に対しては、「お見積日より１ヶ月」という値が記述されている。

見積書を原稿として、見積書の画像を読み取る。読み取り画像の頁内では、項目を表す画像の近傍に、その項目に対応する値を表す画像が配置されている。読み取り画像に対し文字認識を行うと、頁内の画像毎に文字認識が行われる。文字認識の結果には、項目を表す画像の頁内での位置、項目を表す文字列、値を表す画像の頁内での位置、値を表す文字列が含まれる。頁内での位置は、予め定めた点を原点とする位置座標で表してもよい。

（項目と値）
項目を表す文字列と、項目に対応する値を表す文字列とは、各々の頁内での位置により対応づけられている。項目を表す文字列を指定して、文字認識の結果から、対応する値を表す文字列を抽出する。以下では、項目を表す文字列を「キーワード」、値を表す文字列を単に「値」という。また、キーワードを指定して値を抽出することを「値抽出処理」という。

例えば、図示した例では、値抽出処理の結果、「発行日」というキーワードに対して「２０１９年１月７日」という値が抽出される。また、「見積有効期限」というキーワードに対して「お見積日より１ヶ月」という値が抽出される。

＜情報処理装置＞
次に、情報処理装置のハードウェア構成について説明する。
図２は本発明の実施の形態に係る情報処理装置の電気的構成の一例を示すブロック図である。図２に示すように、情報処理装置１０は、接続された各部を制御すると共に各種演算を行うコンピュータである情報処理部１２を備えている。即ち、情報処理部１２は、ＣＰＵ（中央処理装置：Central Processing Unit）１２Ａ、ＲＯＭ（Read Only Memory）１２Ｂ、ＲＡＭ（Random Access Memory）１２Ｃ、不揮発性のメモリ１２Ｄ、及び入出力部（Ｉ／Ｏ）１２Ｅを備えている。

ＣＰＵ１２Ａ、ＲＯＭ１２Ｂ、ＲＡＭ１２Ｃ、メモリ１２Ｄ、及びＩ／Ｏ１２Ｅの各々は、バス１２Ｆを介して接続されている。ＣＰＵ１２Ａは、ＲＯＭ１２Ｂ等の記憶装置に記憶されたプログラムを読み出し、ＲＡＭ１２Ｃをワークエリアとして使用してプログラムを実行する。

情報処理装置１０は、例えば、操作表示部１４、画像読取部１６、通信部１８、及び記憶部２０を備えている。操作表示部１４、画像読取部１６、通信部１８、及び記憶部２０の各々は、情報処理部１２のＩ／Ｏ１２Ｅに接続されている。

操作表示部１４は、利用者に各種画面を表示すると共に、利用者からの操作を受け付けるユーザ・インターフェースである。操作表示部１４は、例えば、タッチパネル等を含んで構成されている。画像読取部１６は、セットされた原稿の画像を読み取る装置である。通信部１８は、有線又は無線の通信回線を介して外部装置と通信を行うためのインターフェースである。記憶部２０は、ハードディスク等の外部記憶装置である。

各種プログラムや各種データが、ＲＯＭ１２Ｂ等の記憶装置に記憶されている。プログラムの記憶領域はＲＯＭ１２Ｂには限定されない。各種プログラムは、メモリ１２Ｄや記憶部２０等の他の記憶装置に記憶されていてもよく、通信部１８を介して外部装置から取得してもよい。

また、情報処理部１２には、各種ドライブが接続されていてもよい。各種ドライブは、ＣＤ−ＲＯＭ、ＵＳＢ（Universal Serial Bus)メモリなどのコンピュータで読み取り可能な可搬性の記録媒体からデータを読み込んだり、記録媒体に対してデータを書き込んだりする装置である。各種ドライブを備える場合には、可搬性の記録媒体にプログラムを記録しておいて、これを対応するドライブで読み込んで実行してもよい。

本実施の形態では、後述する値抽出処理の制御プログラムがＲＯＭ１２Ｂに記憶され、キーワードを管理する管理テーブル等が、記憶部２０に記憶されている。

本実施の形態では、操作表示部１４に各種画面が表示され、各種画面は利用者により操作される。例えば、後述する受付画面が操作され、文書の種類とキーワードとが指定されて、値抽出処理の実行が指示される。画像読取部１６により、見積書の画像が読み取られて、見積書の画像情報が取得される。

（管理テーブル）
次に、キーワードを管理する管理テーブルについて説明する。
図３は管理テーブルの一例を示す図表である。図３に示すように、キーワードは、関連するキーワード群（以下、「関連キーワード群」という。）毎にまとめられ、管理テーブルの形式で記憶されている。関連キーワード群の各々には、関連キーワード群を識別する識別情報として整理番号が付されている。管理テーブルには、関連キーワード群毎に、整理番号、文書種別、及び関連キーワード群の対応関係が記憶されている。

関連キーワード群は、少なくとも１つのキーワードを有していればよい。ここで、キーワード同士が関連するとは、同一ではないが類似の意味を有することをいう。例えば、１番の関連キーワード群は、御見積書番号、見積Ｎｏ、御見積Ｎｏ、見積書番号というキーワードを含む。これ等のキーワードの各々は、「見積」、「見積り」、「御見積」など、同一または類似の単語を含み、同一ではないが類似の意味を有する。

関連キーワード群には、利用者により登録されたキーワードと、登録されたキーワードから自動生成されたキーワードとが含まれる。後述する通り、御見積書番号、見積Ｎｏは、登録されたキーワードであり、御見積Ｎｏ、見積書番号は、自動生成されたキーワードである。

（機能構成）
次に、情報処理装置の機能構成について説明する。
図４は本発明の実施の形態に係る情報処理装置の機能構成の一例を示すブロック図である。図２に示すように、情報処理装置１０は、文字認識部３０、値抽出部３２、キーワード追加処理部３４、及び出力部３６を備えている。

文字認識部３０は、画像読取部から画像情報を取得して、読み取り画像に対し文字認識を実施する。

値抽出部３２は、指定されたキーワードを操作表示部から取得する。値抽出部３２は、管理テーブルから、指定されたキーワードが属する関連キーワード群のキーワードをすべて取得する。値抽出部３２は、文字認識部３０による文字認識の結果を用いて、関連キーワード群の各キーワードに対して、キーワードに対応する値を抽出する値抽出処理を実施し、各キーワードに対応する値を取得する。

出力部３６は、抽出結果を出力する。出力部３６は、値抽出処理の結果、値が抽出されていないキーワードがある場合は、値抽出部３２で得られた抽出結果と共にキーワードを追加する指示を行う指示ボタンを操作表示部に表示させる。抽出結果は、指定されたキーワードに対する値抽出処理の結果である。

本実施の形態では、指定されたキーワードは管理テーブルに予め登録されている。指定されたキーワードが属する関連キーワード群の何れかのキーワードに対応する値があれば、その値を、指定されたキーワードに対する抽出結果とする。複数の値が抽出されている場合は、複数の値を抽出結果とする。抽出結果を利用者に確認させて、キーワードを追加する指示を利用者から受け付ける。

キーワード追加処理部３４は、キーワードを追加する指示を受け付けた場合に、追加するキーワード（以下、「追加キーワード」という。）を操作表示部から取得する。キーワード追加処理部３４は、追加キーワードが、登録済みキーワードと関連し且つ未登録である場合は、登録済みキーワードと追加キーワードとから、新たなキーワードを生成する。新たに生成されたキーワードを「自動生成キーワード」という。

キーワード追加処理部３４は、自動生成キーワードの生成結果を操作表示部に表示させる。自動生成キーワードの生成結果を利用者に確認させて、登録する自動生成キーワードの選択と、選択を確定する指示とを利用者から受け付ける。

キーワード追加処理部３４は、確定する指示を受け付けた場合に、選択された自動生成キーワードを管理テーブルに登録する。選択された自動生成キーワードは、登録済みキーワードが属する関連キーワード群に追加される。キーワード追加処理部３４は、再抽出の指示を受け付ける再抽出画面を操作表示部に表示させる。再抽出画面を表示して、再抽出を実行する指示を利用者から受け付ける。

値抽出部３２は、再抽出を実行する指示を受け付けた場合に、自動生成キーワードを含む関連キーワード群の各キーワードに対して、キーワードに対応する値を抽出する値抽出処理を再度実施し、各キーワードに対応する値を取得する。

出力部３６は、値が抽出されていないキーワードが無い場合、キーワードを追加しない指示を受け付けた場合、及び再抽出を行わず抽出を終了する指示を受け付けた場合に、最終結果を外部に出力する。最終結果は、指定されたキーワードに対する値抽出処理の最終的な結果である。

最終結果は、例えばＣＳＶ（CSV:Comma-Separated Values）ファイル等、予め定めた形式で出力される。ＣＳＶファイルは、キーワードを表す各文字列、値を表す各文字列の各々を、カンマで区切ったテキストファイルである。また、キーワードや値を表す文字列の情報を、対応する画像の画像情報に対し「画像の属性」として付与してもよく、対応する画像の画像情報に対し「ファイル名」として付与してもよい。

＜値抽出処理＞
次に、値抽出処理の制御プログラムについて説明する。
図５は「値抽出処理」の流れの一例を示すフローチャートである。値抽出処理の制御プログラムは、情報処理装置１０のＣＰＵ１２Ａにより、記憶部２０から読み出されて実行される（図２参照）。利用者により値抽出処理の開始が指示されると、値抽出処理の制御プログラムが実行される。

本実施の形態では、図２に示す操作表示部１４に、図８に示す受付画面が表示される。受付画面は、値抽出処理の条件となる、文書の種類及びキーワードの各々の指定を受け付ける画面である。利用者により受付画面が操作され、文書の種類とキーワードとが指定されて、値抽出処理の実行が指示される。受付画面で、複数のキーワードを指定してもよい。また、図２に示す画像読取部１６で、見積書の画像が読み取られる。

受付画面１００は、文書の種類を選択する選択部１０２、キーワードを入力する入力部１０４_１〜１０４_３、実行を指示するボタン１０６、及び終了を指示するボタン１０８を備えている。図示した例では、見積書について「御見積番号」「発行先」「作成日」が指定される等、複数のキーワードが指定されている。

まず、ステップ１００で、画像読取部から見積書の読み取り画像の画像情報を取得する。次に、ステップ１０２で、見積書の読み取り画像に対し文字認識処理を実行して、文字認識結果を記憶する。

次に、ステップ１０４で、指定されたキーワードが属する関連キーワード群から１つのキーワードを選択する。例えば、図３に示す例では、関連キーワード群の各キーワードには、キーワード１、キーワード２等の番号が付与されている。付与された番号は、キーワードの優先順位を表しており、１番から順に選択される。次に、ステップ１０６で、選択されたキーワードに対応する値を抽出する。抽出された値は、指定されたキーワードに対応付けて記憶される。

次に、ステップ１０８で、次のキーワードがあるか否かを判断する。次のキーワードがある場合はステップ１０４に戻る。関連キーワード群のすべてのキーワードについて値が抽出されて、次のキーワードが無くなった場合はステップ１０９に進む。

次に、ステップ１０９で、指定されたキーワードの各々に対し、値が抽出されたか否かを判断する。値が抽出されている場合はステップ１２４に進み、ステップ１２４で、指定されたキーワードに対応付けて記憶された値を、最終結果として外部に出力して、ルーチンを終了する。一方、値が抽出されていないキーワードがある場合は、ステップ１１０に進む。

次に、ステップ１１０で、値が抽出されていないキーワードがある場合は、結果確認画面を操作表示部に表示させる。結果確認画面は、指定されたキーワードに対する抽出結果を利用者に確認させ、キーワードの追加、値の修正等を受け付けるための画面である。

図９は結果確認画面の一例を示す模式図である。結果確認画面２００は、キーワードを表示する表示部２０２_１〜２０２_３、値を表示する表示部２０４_１〜２０４_３、キーワードの追加を指示するボタン２０６、及びキーワードを追加しないことを指示するボタン２０８を備えている。表示部２０４_１〜２０４_３の各々は、抽出結果として得られた値を修正可能な状態で表示する。

図示した例では、キーワード「御見積番号」に対応する値が抽出されていない。キーワードによる値抽出処理を行う場合、同じ種類の文書であっても、文書のフォーマットが異なれば、文書に含まれるキーワードの文字列も異なる。関連キーワード群に新しいキーワードを追加することで、より多くの値が抽出される。

次に、ステップ１１２で、抽出結果として得られた値を修正するか否かを判断する。結果確認画面２００に表示された値が修正された場合に、ステップ１１２で値を修正する。値を修正する場合は、ステップ１１４に進む。ステップ１１４では、指定されたキーワードに対応付けて記憶された値を修正する。値を修正しない場合は、ステップ１１４を飛ばしてステップ１１６に進む。

次に、ステップ１１６で、キーワードを追加する指示を受け付けたか否かを判断する。図９に示す結果確認画面では、ボタン２０６によりキーワードを追加することが指示され、ボタン２０８によりキーワードを追加しないことが指示される。キーワードを追加する指示を受け付けた場合は、ステップ１１８に進む。キーワードを追加しない指示を受け付けた場合は、ステップ１１８〜１２２を飛ばしてステップ１２４に進む。

次に、ステップ１１８で、「キーワード追加処理」を実行する。

（キーワード追加処理）
ここで、「キーワード追加処理」について説明する。
図６は「キーワード追加処理」の流れの一例を示すフローチャートである。まず、ステップ２００で、キーワード追加画面を操作表示部に表示させる。キーワード追加画面は、キーワードの追加入力を受け付けるための画面である。利用者によりキーワードが追加された場合に、予め定めた条件下で、登録済みキーワードと追加キーワードとから自動生成キーワードを生成する。

図１０はキーワード追加画面の一例を示す模式図である。キーワード追加画面３００は、「追加するキーワードを入力してください。」等のメッセージ３０２、追加キーワードを入力する入力部３０４、キーワードの自動生成を選択する選択部３０６、実行を指示するボタン３０６、及び終了を指示するボタン３１０を備えている。

次に、ステップ２０２で、追加キーワードの入力を受け付けたか否かを判断する。追加キーワードの入力を受け付けた場合は、ステップ２０４に進む。キーワードの追加入力の終了が指示されるまで、追加キーワードの入力を受け付けたか否かを判断する。追加キーワードの入力を受け付けた場合は、ステップ２０４に進む。

次に、ステップ２０４で、追加キーワードに関連する登録済みキーワードがあるか否かを判断する。関連する登録済みキーワードがある場合は、ステップ２０６に進む。関連する登録済みキーワードがない場合は、ステップ２１４に進む。ステップ２１４では、追加キーワードを管理テーブルに新規登録して、ルーチンを終了する。

次に、ステップ２０６で、追加キーワードが登録されているか否かを判断する。追加キーワードが登録されていない場合は、ステップ２０８に進む。追加キーワードが登録されている場合は、登録の必要が無いので、ルーチンを終了する。

次に、ステップ２０８で、「キーワード生成処理」を実行する。追加キーワードに関連する登録済みキーワードがあり、且つ追加キーワードが登録されていない場合に、「キーワード生成処理」を実行する。キーワード生成処理については後述する。次に、ステップ２１０で、生成結果表示画面を操作表示部に表示させる。生成結果表示画面は、キーワードの生成結果を表示して、自動生成キーワードのうち登録対象となるキーワードの選択を受け付ける画面である。次に、ステップ２１２で、追加キーワード及び選択されたキーワードの各々を、管理テーブルに登録して、ルーチンを終了する。

図１１は生成結果表示画面の一例を示す模式図である。生成結果表示画面４００は、登録済みキーワードを表示する表示部４０２、追加キーワードを表示する表示部４０４、自動生成キーワードを表示する表示部４０６、自動生成キーワードを管理テーブルに追加することを選択するボタン４０８、登録対象となるキーワードを確定するボタン４１０、及び有向グラフを表示させるボタン４１２を備えている。

生成結果表示画面４００により、登録済みキーワード、追加キーワード、及び自動生成キーワードが一覧表示される。表示部４０６は、自動生成キーワードを修正可能な状態で表示する。例えば、単語の組合せ方が間違っているキーワード等、自動生成キーワードの一部のキーワードは削除してもよい。また、複数のキーワードに対し、優先順位をつけてもよい。なお、有向グラフは、キーワードに含まれる複数の単語の繋がりを示すグラフである。有向グラフの詳細については後述する（図１３〜図１５参照）。

ここで、図５の説明に戻る。次に、ステップ１２０で、再抽出画面を操作表示部に表示させる。再抽出画面は、利用者から再抽出を実行する指示を受け付けるための画面である。自動生成キーワードが関連キーワード群に追加された場合、自動生成キーワードを含む関連キーワード群の各キーワードに対して、値抽出処理を再度実施してもよい。

図１２は再抽出画面の他の一例を示す模式図である。再抽出画面５００は、「確定したキーワードで再抽出を行いますか？」等のメッセージ５０２、実行を指示するボタン５０４、及び終了を指示するボタン５０６を備えている。

次に、ステップ１２２で、再抽出を実行する指示を受け付けたか否かを判断する。再抽出を実行する指示を受け付けた場合は、ステップ１０４に戻る。ステップ１０４に戻って、自動生成キーワードを含む関連キーワード群の各キーワードについて、再度、値抽出処理を実行する。抽出を終了する指示を受け付けた場合は、ステップ１２４に進む。

次に、ステップ１２４で、指定されたキーワードに対応付けて記憶された値を、最終結果として外部に出力して、ルーチンを終了する。

（キーワード生成処理）
ここで、「キーワード生成処理」について説明する。
図７は「キーワード生成処理」の流れの一例を示すフローチャートである。図１３〜図１５はキーワードを表す有向グラフが統合される様子を表す図である。この例では、「御見積書番号」が登録済みキーワードとして管理テーブルに予め登録されている。追加キーワードとして「見積No」が追加されるが、「見積No」は未登録である。

まず、ステップ３００で、登録済みキーワードに対して形態素解析を実行する。形態素解析とは、辞書データなどを用いて、文字列を、意味を持つ最小単位である形態素の単位に区切り、それぞれの形態素の品詞、活用、読みなどを判別・付与する処理である。

形態素はこれ以上分けられない単位であり、「見積書」を「見積/書」に分けるなど、厳密には単語より細かい。本実施の形態では「単語」を形態素と同義とする。品詞は、単語が分類される種別である。形態素解析により、登録済みキーワードから第１単語群が取得される。

図１３に示す例では、登録済みキーワードである「御見積書番号」は、「御/見積/書/番号」と区切られる。各単語は、御（接頭詞、名詞接続、御、ゴ、ゴ）、見積（名詞、一般、見積、ミツモリ、ミツモリ）、書（名詞、接尾語、一般、＊、＊、＊、書、ショ、ショ）、番号（名詞、一般、＊、＊、＊、＊、番号、バンゴウ、バンゴー）と判別される。

次に、ステップ３０２で、形態素解析の結果に基づいて、登録済みキーワードの有向グラフを生成する。有向グラフとは、頂点と、向きを持つ辺（矢印）により構成されたグラフである。頂点は、始点と終点とを含む。始点及び終点以外の各頂点は、形態素解析で取得された単語でラベル付けされる。

キーワードに含まれる各単語を表す頂点は、辺より記載順に連結される。先頭の単語を表す頂点は、始点に連結される。末尾の単語を表す頂点は、終点に連結される。登録済みキーワードの各単語を表す頂点は、「始点→御→見積→書→番号→終点」の順に連結される。

次に、ステップ３０４で、追加キーワードに対して形態素解析を実行する。形態素解析により、追加キーワードから第２単語群が取得される。図１３に示す例では、追加キーワードである「見積No」は、「見積/No」と区切られる。各単語は、見積（名詞、一般、見積、ミツモリ、ミツモリ）、No（名詞、固有名詞、組織、＊、＊、＊、＊）と判別される。

次に、ステップ３０６で、形態素解析の結果に基づいて、追加キーワードの有向グラフを生成する。追加キーワードの各単語を表す頂点は、「始点→見積→No→終点」の順に連結される。

登録済みキーワードの有向グラフと、追加キーワードの有向グラフとを、始点及び終点を共通の頂点として連結する。連結された有向グラフでは、始点から終点まで到達するのに、「始点→御→見積→書→番号→終点」という第１経路と「始点→見積→No→終点」という第２経路とがある。

次に、ステップ３０８で、登録済みキーワード及び追加キーワードの各々が、同一の単語を含む場合は、同じ単語の頂点を統合する。

追加キーワードから取得された第２単語群に含まれる各単語を、登録済みキーワードから取得された第１単語群に含まれる各単語と比較し、同一の単語を検出する。ここで、単語が同一か否かを判定する基準は予め定める。

本実施の形態では、表記が同一の単語の外に、「見積」と「見積り」のように、表記に揺らぎある以外は表記が同一の単語も、同一の単語と判定する。

図１４に示すように、追加キーワード「見積No」は、登録済みキーワードの「見積」と同一の単語「見積」を含む。登録済みキーワードの「見積」の頂点と、追加キーワードの「見積」の頂点とを統合する。第１経路及び第２経路に対し、「始点→御→見積→No→終点」という第３経路と、「始点→見積→書→番号→終点」という第４経路とが追加される。

次に、ステップ３１０で、登録済みキーワード及び追加キーワードの各々が、類似する単語を含む場合は、類似する単語の前後の単語間の繋がりを統合する。

追加キーワードから取得された第２単語群に含まれる各単語を、登録済みキーワードから取得された第１単語群に含まれる各単語と比較し、類似の単語を検出する。ここで、単語が類似するか否かを判定する基準は予め定める。例えば、単語が類似するか否かは、シソーラスを用いて判定する。シソーラスは、は単語の上位/下位関係、部分/全体関係、同義関係、類義関係などによって単語を分類し、体系づけた類語辞典・辞書である。

本実施の形態では、「番号」と「No」のように、表記は異なるが意味が同一の単語の場合は、類似する単語と判定する。

図１５に示すように、追加キーワード「見積No」は、登録済みキーワードの「番号」と類似の単語「No」を含む。登録済みキーワードの「番号」の頂点を、追加キーワードの「No」の頂点の前側に繋がる「見積」の頂点に連結する辺を追加する。また、追加キーワードの「No」の頂点を、登録済みキーワードの「番号」の頂点の前側に繋がる「書」の頂点に連結する辺を追加する。

第１経路から第４経路に対し、「始点→御→見積→書→No→終点」という第５経路、「始点→見積→書→No→終点」という第６経路、「始点→御→見積→番号→終点」という第７経路、及び「始点→見積→番号→終点」という第８経路が追加される。

なお、図示した例では、「番号」の頂点及び「No」の頂点の各々の後側は終点である。「番号」の頂点及び「No」の頂点の各々の後側に頂点がある場合は、登録済みキーワードの「番号」の頂点を、追加キーワードの「No」の頂点の後側に繋がる「第１後側」の頂点に連結する。追加キーワードの「No」の頂点を、登録済みキーワードの「番号」の頂点の後側に繋がる「第２後側」の頂点に連結する。

次に、ステップ３１２で、有向グラフのすべての経路に対応するキーワードを生成して、ルーチンを終了する。有向グラフの頂点を統合し/辺を追加することで、始点と終点とを結ぶ新たな経路が追加されて、新しいキーワードが生成される。新しいキーワードは有向グラフの経路で表されるので、図１５に示す有向グラフを自動生成キーワードの生成結果として表示してもよい。例えば、図１１に示す生成結果表示画面４００で、ボタン４１２が押された場合に、図１５に示す有向グラフを表示させる。

上記の例では、有向グラフの経路で新しいキーワードを表したが、有向グラフを生成しなくても、以下のルールで新しいキーワードが生成される。

（１）基準単語
追加キーワードから取得された第１単語群、及び登録済みキーワードから取得された第２単語群の各々に含まれる「同一の単語及び類似の単語」を、組合せの基準になる一対の基準単語として検出する。

（２）組合せの対象
組合せの対象を、第１単語群内の基準単語の前または後ろに繋がり且つ組合せの対象になる第１対象単語、及び第２単語群内の前または後ろに繋がり且つ組合せの対象になる第２対象単語の少なくとも一方とする。

（３）前後の単語の組合せ
第１対象単語及び第２対象単語の少なくとも一方と基準単語とを、基準単語との前後関係を保持したまま組み合わせる。ここで、品詞が接頭語や接尾語等の一部の単語は、省略または追加してもよい。

＜変形例＞
なお、上記実施の形態で説明した情報処理装置、情報処理システム、及びプログラムの構成は一例であり、本発明の主旨を逸脱しない範囲内においてその構成を変更してもよいことは言うまでもない。

上記実施の形態では、値抽出処理をソフトウェアで実現する場合について説明したが、同等の処理をハードウェアで実現してもよい。

上記実施の形態では、自動生成キーワードを操作表示部に表示させて出力する例について説明したが、自動生成キーワードを利用者に表示せずに、管理テーブルに登録してもよい。

上記実施の形態では、指定されたキーワードが登録済みキーワードであり、登録済みキーワードと追加される追加キーワードとから、新たなキーワードを自動生成する例について説明したが、指定された複数のキーワードから、新たなキーワードを自動生成してもよい。例えば、指定された複数のキーワードが未登録である場合は、指定された複数のキーワードから、新たなキーワードを自動生成して、指定されたキーワードと自動生成したキーワードとを登録すればよい。

１０ 情報処理装置
１２ 情報処理部
１４ 操作表示部
１６ 画像読取部
１８ 通信部
２０ 記憶部
３０ 文字認識部
３２ 値抽出部
３４ キーワード追加処理部
３６ 出力部
１００ 受付画面
２００ 結果確認画面
３００ キーワード追加画面
４００ 生成結果表示画面
５００ 再抽出画面

Claims (11)

1. 複数の単語を組み合わせてなる第１のキーワードを記憶する記憶部と、
   文書の画像に対する文字認識の結果から、前記第１のキーワードに対応する値を表す文字列を抽出する抽出部と、
   前記第１のキーワードと同一ではないが類似の意味を有する第２のキーワードを新たに登録する指示を受けたことに応じて、前記第１のキーワード及び前記第２のキーワードに含まれる複数の単語の中から、同一又は類似の単語を組合せの基準になる基準単語として検出する検出部と、
   前記第１のキーワード内の前記基準単語の前または後ろに繋がり且つ組合せの対象になる第１対象単語、及び前記第２のキーワード内の前または後ろに繋がり且つ組合せの対象になる第２対象単語の少なくとも一方と、前記基準単語とを、前記基準単語との前後関係を保持したまま組み合わせた、新たな第３のキーワードを出力する出力部と、
   を含む情報処理装置。
2. 前記検出部が、前記第１のキーワードの形態素解析の結果及び前記第２のキーワードの形態素解析の結果の各々に基づいて、同一又は類似の単語を検出し、
   前記出力部が、前記第１のキーワードの形態素解析の結果及び前記第２のキーワードの形態素解析の結果の各々に基づいて、前記第３のキーワードを出力する、
   請求項１に記載の情報処理装置。
3. 同一又は類似の単語が、表記が同一の単語、揺らぎがある以外は表記が同一の単語、及び表記は異なるが意味が同一の単語のいずれかである、
   請求項１または請求項２に記載の情報処理装置。
4. 接頭語または接尾語である単語が、前記第１対象単語及び前記第２対象単語の少なくとも一方に追加、または、前記第１対象単語及び前記第２対象単語の少なくとも一方から削除される、
   請求項１から請求項３までのいずれか１項に記載の情報処理装置。
5. 前記出力された前記第３のキーワードを選択可能に表示させて、利用者による選択を受け付ける表示部をさらに備える、
   請求項１から請求項４までのいずれか１項に記載の情報処理装置。
6. 前記表示部において選択された前記第３のキーワードを前記記憶部に記憶するよう制御する、
   請求項５に記載の情報処理装置。
7. 前記表示部は、前記第３のキーワードを有向グラフとして表示させる、
   請求項６に記載の情報処理装置。
8. 前記表示部は、前記抽出部による抽出結果及び前記第２のキーワードを受け付けるための受付画面をさらに表示する、
   請求項６または請求項７に記載の情報処理装置。
9. 前記表示部は、前記抽出部により前記第１のキーワードに対応する値を表す文字列が抽出されない場合に、前記受付画面を表示する、
   請求項８に記載の情報処理装置。
10. 前記記憶部は、前記第２のキーワード及び前記第３のキーワードを、前記第１のキーワードが属する関連キーワード群として記憶する、
    請求項１から請求項９までのいずれか１項に記載の情報処理装置。
11. コンピュータを、請求項１から請求項１０までのいずれか１項に記載の情報処理装置の各部として機能させるためのプログラム。