JP2021051706A - 電子文書の閲覧用電子機器、表示方法 - Google Patents

Abstract

【課題】電子化された文書の視認性を向上させ、読者の読書の精度および速度を向上させる電子文書の閲覧用電子機器を提供する。【解決手段】対象となる電子文書データに対して、構文解析を行い名詞句を特定する。構文解析結果を表示する。表示は書式の変更等によりなされるが、書式の変更等は名詞句と判定された範囲内では一様である。文書を表示する前に予め機械的に重要語を特定しておき、読者が状況に合わせて追認する。これにより読者による書式変更条件の設定頻度を低減し、読書に集中することができる。ここで、名詞句とは指示代名詞により置き換えることが可能な単位を指すものとする。【選択図】図１

Description

本発明は、電子文書を閲覧する際に利用される電子機器、および電子文書データの表示方法に関する。

電子文書の需要、供給が日々増大している。電子文書の例としてはインターネット上で公開される論文、電子書籍等が挙げられる。本明細書のような特許公報もその一例である。最終的に紙に印刷する場合でも、推敲段階では電子データであることが多い。

電子文書は書式を変更して表示することが可能で、適切な単位で一部書式変更を行うと視認性が向上し、速読や精読が可能となる。

単語単位で電子文書の一部を書式変更した場合、読書という観点では視認性が悪い状態になることがある。上記問題点に対する解決手段の一例としては、本発明に関連する出願（特願２０１８−１９８７６８）に対応する公報に示された発明が挙げられる。そこでは名詞句の特定が重要になっている。しかし名詞句単位による書式変更により視認性を向上させたとしても、変更の是非と効果を設定する手間が読者に残る場合、読書から集中がそがれるという問題点がある。

本発明は、上記を鑑みてなされたものであって、電子化された文書の視認性を向上させ、読者の読書の精度および速度を向上させることを目的とする。

本発明である電子文書の閲覧用電子機器１０は以下を有する。すなわち、
文字コード、表示位置、および書式情報、指示代名詞により置き換え可能な名詞句とそれ以外という単位で分割された情報を持つ第一の文字列データ１２ｘ，１２ｙを入力する文字列データ入力装置１２と、
前記第一の文字列データ１２ｘを各分節に分節し、前記各分節にスコアを与える第一の関数データ１４ｆを入力する第一の関数データ入力装置１４と、
前記第一の文字列データ１２ｘにたいして前記第一の関数データ１４ｆを適用し、前記第一の文字列データ１２ｘの各分節にスコアが与えられたスコアデータ１６ｘを出力する第一の演算装置１６と、
前記第一の文字列データ１２ｙおよび前記スコアデータ１６ｘを引数として前記第一の文字列データ１２ｙの書式変更の是非を決定する条件式、および変更後の書式、の情報を有する第二の関数データ１８ｆを入力する第二の関数データ入力装置１８と、
前記第一の文字列データ１２ｙおよび前記スコアデータ１６ｘにたいして前記第二の関数データ１８ｆを適用し、各文字群の書式情報が変更された第二の文字列データ２０ｘを出力する第二の演算装置２０と、
前記第二の文字列データ２０ｘを表示する表示装置２２と、
である。

さらに、本発明である電子文書データの入力方法は以下の工程を有する。すなわち、
文字コード、表示位置、および書式情報、指示代名詞により置き換え可能な名詞句とそれ以外という単位で分割された情報を持つ第一の文字列データ１２ｘ，１２ｙを入力する工程と、
前記第一の文字列データ１２ｘを各分節に分節し、前記各分節にスコアを与える第一の関数データ１４ｆを入力する工程と、
前記第一の文字列データ１２ｘにたいして前記第一の関数データ１４ｘを適用し、前記第一の文字列データ１２ｘの各分節にスコアが与えられたスコアデータ１６ｘを出力する工程と、
前記第一の文字列データ１２ｙおよび前記スコアデータ１６ｘを引数として前記第一の文字列データ１２ｙの書式変更の是非を決定する条件式、および変更後の書式、の情報を有する第二の関数データ１８ｆを入力する工程と
前記第一の文字列データ１２ｙおよび前記スコアデータ１６ｘにたいして前記第二の関数データ１８ｆを適用し、各文字群の書式情報が変更された第二の文字列データ２０ｘを出力する工程と
前記第二の文字列データ２０ｘを表示する工程と、
である。

前記書式変更は名詞句内で一様であるものとする。

予め、対象となる文書を各分節に分節し前記各分節にスコアを与える。それにより前記関数データ１８ｆの候補を優先順位をつけて列挙できるようになる。読者はこれを何らかの形で追認することで、関数データ１８ｆの設定の手間を省くことができる。

名詞句単位に基づく書式変更技術を特徴とする閲覧用電子機器の構造、書式変更の方法、およびその効果の詳細については、本発明に関連する出願（特願２０１８−１９８７６８）に対応する公報を参照されたい。

図１は、本発明の特徴を最もよく表す代表図であり、本発明の構成要素を本発明の工程の流れとともに示した図である。 図２は、本発明と関連する技術領域の７つの非特許文献および本発明と関連する２つの特許文献にたいして、本発明の文書を加えてそれぞれ形態素解析により分節し、ヒストグラムをとった結果である。 図３は、本特許出願明細書の文章を形態素解析により分節し、ヒストグラムをとったあとで補正をかけスコアリングしたものである。 図４は、本特許出願明細書の一部に本発明を適用したものである。 図５は、本特許出願明細書の一部に従来技術を適用したものである。 図６は、本発明と関連する３つの特許文献をもとにスコアリングしたあとで、本特許出願明細書の一部に本発明を適用したものである。

以下、本発明を実施するための形態について詳細を説明する。

まず、文字列データ１２ｘを第一の演算装置１６および第二の演算装置２０に入力する装置１２を用意する。文字列データ１２ｘは、文字コード１２２ｘ、表示位置１２４ｘ、および書式１２６ｘを有する文字群で構成される。文字列データ１２ｘは例えばｄｏｃｘ形式やｐｄｆ、ｈｔｍｌ等の形で与えられる。他にも、それらの情報が予め得られていないもの（例えば紙の文書）に対しては、光学的文字認識（ＯＣＲ）を適用することにより、前記３情報を得ることも可能である。ここで書式情報１２６ａとは、フォント名（Ｔｉｍｅｓ Ｎｅｗ Ｒｏｍａｎ，明朝体等）、太字（ボールド体）、斜体（イタリック体）、下線（アンダーライン）、マーカー、色、大きさなどの、読者の視認性に影響する情報を指す。文字列データ入力装置１２は、ＨＤＤやＳＳＤなどの記憶装置や、サーバーを想定しているが、文字列データを与えるものであれば何でも良い。

前記文字列データ１２ｘは前記各情報だけでなく、名詞句とそれ以外という分節情報１２８ｘも有する。これは読者側がＭｅｃａｂやＳｔａｎｆｏｒｄ Ｐａｒｓｅｒのような構文解析器を利用する場合もあれば、電子文書の書き手が予め自身の望む最良の形で用意することもある。

次に前記第一の文字列データ１２ｘを各分節１２ｘｐに分節し、前記各分節１２ｘｐにスコアを付与する第一の関数データ１４ｆを入力する装置１４を用意する。

分節の仕方は、例えば分節情報１２８ｘすなわち名詞句単位も採れるし、それ以下の単位（単語レベル）でも良い。英語であればスペースで区切られた単位もあり得る。

スコアの与え方の一例として、ヒストグラムがある。ヒストグラムは前記各分節１２ｘｐそのものに対して採ることもあるし、前記各分節１２ｘｐを変換したもの（以下、「変換後各分節１２ｘｔ」とする）に対して採ることもある。変換の一例としては、語根への変換がある。

ヒストグラムが大きければ、その文書中で頻出しているという観点で重要語とみなすことができる。書式変更の対象が多くなるという観点でも重要である。しかし、別の観点ではノイズになるものも存在する。すなわち、この「すなわち」のような、一般的な文章全般に普遍的に出現する分節については、重要とみなしたくないという側面がある。

対策の一例としては、予め除外語を用意する等である。例えば、英語であれば、Ｉ，ｍｙ，ｍｅ，ｙｏｕ，ｉｔ，ｗｈｉｃｈ等の代名詞や、ａ，ｔｈｅ等の冠詞、についてはヒストグラムの対象として取り除くのが有効である。

除外語以外の方法としては、当該文書の他の部分、もしくは他の文書でのヒストグラム結果を利用するなどがある。対象となる文書以外の一般的な文書で同様の分節および変換ルールでヒストグラムをとっておき（以下、「他文書ヒストグラム」と呼称する）、そのヒストグラムの値が大きい分節については、過小評価するようにすれば良い。具体的には、例えば他文書ヒストグラムの逆数にしたもの（事前に対数をとっても良い）に係数をかけたものを各分節のヒストグラム結果に乗算する等である。

特許文書であれば、特許以外の文書、例えば新聞や論文と比較した場合の重要語、他の特許文書とその特許文書との比較での重要語、同一系統（例えば、ファミリとなる特許）文書同士を比較しての重要語、など、文脈によって重要語は異なる。

同一文書内でも、各セクション間の比較によって重要語を抽出できる。

読者が過去に読んでいたドキュメントの分節データを蓄積しておいて、それを現在読んでいる文書との比較に使った場合は、読者にとって新規な内容が優先的に抽出されることになる。

逆に、特定の分野において頻出する用語に対して優先的にスコアを増大させる方法もある。これは前記他文書ヒストグラムを逆数を取らずに乗算するなどである。前記他文書ヒストグラムに対しても、他文書の他文書ヒストグラムを利用することで前記「すなわち」のような頻出語の影響を減らすことができる。

このように、どの類の文書とどう比較するか、を読者が読書前、および読書中に切り替えられるようにするのがノイズ除去の観点で重要である。さらに同じ文節に対して文脈の数だけスコアを複数持っても良い。その場合、後述の第二の関数データ１８ｆが、これらの文脈の違いを考慮したものになる。すなわち、文脈Ａは、赤、青、緑、の書式変更を適用、文脈Ｂは、ピンク、水色、黄緑、の書式変更を適用、などといった具合である。

以上、シンプルな実装で理解のしやすいヒストグラム法を取りあげたが、各分節の重要度のスコアを算出する方法はこれに限らない。例えば、各文書の各分節を入力とし、出力として各文書のラベル（正確にはラベルの適合度）が与えられるような教師あり学習を考える。パラメータ最適化の一部で、各分節に何らの係数がかかる形のものを用意しておけば、その係数を前記スコアとして採用できる。この手法は計算コストは増えるが、ヒストグラム法と比べて精度が向上する。ヒストグラム法はこの手法の特殊化されたものである。

次に、第一の演算装置１６に、上記のとおりに得られた関数データ１４ｆと、第一の文字列データ１２ｘを入力し、後者に前者を適用することにより、スコアデータ１６ｘを得ることになる。

第一の演算装置１６としては、例えばＰＣ、スマートフォン、タブレット等の演算装置を利用することができる。

次に、第二の関数データ１８ｆについて、以下に詳細を述べる。第二の関数データ１８ｆは、前記第一の文字列データ１２ｙ、および前記スコアデータ１６ｘを引数として変更の是非を決定する条件式１８４ｐ、および変更後の書式１８６ｔ、の情報を有する。ここで、ｐは述語や条件式（ｐｒｅｄｉｃａｔｅ，ｐｒｏｐｏｓｉｔｉｏｎ）、ｔは変更後の書式（ｔｙｐｅ）を意識している。

条件式１８４ｐの一例としてはある文字列をある部分に有する名詞句を抽出するというやり方がある。例えば、法令文書の場合は、○○法という末尾に「法」を部分的に含む名詞句をすべて抽出する、というルールを適用できる。

条件式１８４ｐで、前記スコアデータ１６ｘを利用する例としては、読者の読んでいるページ内でスコアの大きな分節から順にＮ番目までを抽出しておき、それを含む前記第一の文字列１２ｙを選択するなどが挙げられる。

変更後の書式１８６ｔとして最も有効なのは色を変更することである。他にはボールド、イタリック体に変更したり、サイズ変更したり、フォント自体を変更する（例えばＴｉｍｅｓ Ｎｅｗ ＲｏｍａｎからＡｒｉａｌに変更する等）などがある。

前記スコアデータ１６ｘを利用する書式変更としては、一例として以下Ｎを自然数とした場合に、スコアの高い分節について上位Ｎ番目までを含む前記第一の文字列１２ｙを順に色に変えて着色していくというものが挙げられる。他にも、順に色を変えるのではなく、地の色である黒と比べて、やや薄い、もしくはやや濃い色ですべて強調しておいて、読者がそのなかで書式変更が必要と考えるものについて、改めて後述のアドホック設定を行うというやり方もある。

次に、第二の関数データ入力装置１８について詳細を述べる。第二の関数データ入力装置１８は、具体的には以下の（１），（２）を想定している。すなわち、（１）ＨＤＤやＳＳＤなどの記憶装置やサーバー、および（２）電子文書の読者による手入力、である。以下、関数データ１８ｆを設定する方法について述べる。読書前にプリセット指定しておくやり方と、読書中にアドホック指定するやり方がある。

プリセット指定とは、読書前に予め条件を設定するやり方である。例えばカンマ区切りで登録する単語と色を指定するようなテキストファイルを予め用意しておく等である。

アドホック指定とは電子文書を読んでいる際にその場で都度指定する、というやり方である。プリセット指定のように、ユーザがキーボード等により直接、関数データ１８ｆを一からすべて指定することも可能だが、表示された文書中の文字列を利用することも可能である。例えばマウスを使用している場合は、カーソルをドラッグさせて名詞句の一部分を範囲指定し、それから変更後の書式選択や、条件式選択を行うパレットを表示させる、などの方法がある。

次に、第二の演算装置２０に、上記のとおりに得られた関数データ１８ｆ、第一の文字列データ１２ｙ、およびスコアデータ１６ｘを入力し、後２者に前者を適用することにより、第三の文字列データ２０ｘを得ることになる。

演算装置２０としては、ＰＣ、スマートフォン、タブレット等の演算装置を利用することができる。

最後に前記第三の文字列データ２０ｘを表示装置２２へ入力し、書式変更された電子文書を読者に表示する。表示装置としては、例えばパソコンやタブレット、スマートフォンのグラフィックボードとディスプレーの構成が挙げられる。

以上が本発明の実施の形態である。次に具体的な実施例として本特許出願の明細書の一部（推敲段階）に対して本発明を適用した結果を示す。なお色を変更するのが視認性を最も向上させるが、特許文書の都合上、カラー表示はできないので、それ以外の書式を変えて説明している。

（実施形態）
図４および図６は、本特許出願明細書の一部（ただし推敲段階である。以下「発明文書」とする）に本発明を適用したものの一例である。以下、これらを得るまでの手順を具体的に説明する。

図３の左の列に示されているのが、前記発明文書を形態素解析し、単語に分割した後でヒストグラムをとった結果である。「データ」、「前記」、「文字」、「文書」、「一」、といった順に、出現回数が多い単語となっており、これらは前記発明文書にとって重要な単語であるとみなすことができる。ただし、「それら」、「そのもの」、「ところ」、「とき」などといった頻出語は除外している。

図４は、前記ヒストグラム表の上位５位の単語を一部として含む句（名詞句を単位としている）に対してボールド体かつアンダーラインを引き強調したものである。上位５位の単語とは、「データ」、「前記」、「文字」、「文書」、「一」である。このように、統計等を利用することで重要な単語を予め抽出しておき、自動的に書式変更をかけられれば、読者が読書中にいちいち設定することがなく、読書の集中力を切らすことなく読書に集中できる。

この自動書式変更は、前記アドホック設定の対象の候補を挙げる、という使い方もできる。例えば前記上位５位の単語をすべてグレーに着色しておいて、読者が全体としてどこに重要語の候補があるかをぼんやりと把握する。その状態で読み進めて実際に重要そうであれば、特定の書式に変更、重要でなければそのままにしておく、というやり方をとれる。

図５は従来技術を用いて書式変更したものである。図４との違いは、名詞句を単位とした書式変更か否かのみである。このように、ただ重要語を抽出してそれを用いて書式変更しても、視認性がきわめて悪い形となってしまう。

図２（左）に示すのは、本発明の技術領域である自然言語処理に関わる非特許文献７つ、および前記発明文書を合わせた８つの文書に対して、同様の形態素解析をかけてヒストグラムをとったものである。ただし、各文書ごとに多くとも１つとしてカウントしている。すなわち「カウント」という単語がひとつの文書内に２回以上出てきてもそれは１つとカウントする。８つすべてに出てきていれば８つとカウントする。図２（右）に示すのは、本発明の発明者が過去に出願した特許出願明細書２つ（具体的には、特願２０１８−１９８７６８と２０１９年９月１４日に出願されたもの、の２つ）と前期発明文書を合わせた３つの文書に対して同様の処理を行ったものである。

図３（中央）に示すのは、前記非特許文献７件のヒストグラム結果を用いて、図３（左）のヒストグラムを除算したものである。「前記」、「発明」、「図」、「特許」、「出願」といった、特許関連の単語が上位にきているのが確認できる。図３（右）に示すのは、前記特許出願明細書２件のヒストグラム結果を用いて、図３（左）のヒストグラムを除算したものである。除算する前と比べると、本発明の特徴である、「スコア」、「ヒストグラム」などという単語が上位に来ているのがわかる。

例えば自然言語処理の研究者が同分野と関連する文献（特許文献や非特許文献が混ざっている）を読む際には、自身のよく読む文書を登録し、それをノイズ除去に利用することで研究者の観点での各文書の異質な部分が強調される。たとえば前記発明文書は「特許」関連文書であるとして「特許」に関連している単語が予め強調される。そして、これは論文ではなく特許文献であるという腹づもりで読むことができる。一方で、前記発明文書について審査をする審査官やサーチャーである場合には、それと関連の深い文献を登録してノイズ除去に利用することで、前記関連の深い文献とは異なっている箇所を素早く見つけることができる。図５は、前記図３（右）のスコア表の上位５位の単語を一部として含む句（名詞句を単位としている）に対してボールド体かつアンダーラインを引き強調したものである。上位５位の単語とは、「スコア」、「データ」、「前記」、「文字」、「ヒストグラム」である。

このように、読者によって重要な単語というのは異なっている。ノイズ除去用の既知文献を登録しておき、読書中に適宜それを切り替えて適用するというやり方は、対象文書自体に登場する単語のヒストグラムという客観的な重要度、とは異なるオプションを与えてくれる。

１０ 電子文書の閲覧用電子機器
１２ 文字列データ入力装置
１２ｘ 第一の文字列データ
１２ｙ 第一の文字列データ
１４ 第一の関数データ入力装置
１４ｆ 第一の関数データ
１６ 第一の演算装置
１６ｘ 第二の文字列データ
１８ 第二の関数データ入力装置
１８ｆ 第二の関数データ
２０ 第二の演算装置
２０ｘ 第三の文字列データ
２２ 表示装置

Claims (12)

1. 電子文書の閲覧用電子機器であって、
   文字コード、表示位置、および書式情報、指示代名詞により置き換え可能な名詞句とそれ以外という単位で分割された情報を持つ第一の文字列データを入力する文字列データ入力装置と、
   前記第一の文字列データを各分節に分節し、前記各分節にスコアを与える第一の関数データを入力する第一の関数データ入力装置と、
   前記第一の文字列データにたいして前記第一の関数データを適用し、前記第一の文字列データの各分節にスコアが与えられたスコアデータを出力する第一の演算装置と、
   前記第一の文字列データおよび前記スコアデータを引数として前記第一の文字列データの書式変更の是非を決定する条件式、および変更後の書式、の情報を有する第二の関数データを入力する第二の関数データ入力装置と、
   前記第一の文字列データおよび前記スコアデータにたいして前記第二の関数データを適用し、各文字群の書式情報が変更された第二の文字列データを出力する第二の演算装置と、
   前記第二の文字列データを表示する表示装置と、を有し、
   前記書式変更は名詞句内で一様であることを特徴とする、
   電子文書の閲覧用電子機器。
2. 電子文書データの表示方法であって、
   文字コード、表示位置、および書式情報、指示代名詞により置き換え可能な名詞句とそれ以外という単位で分割された情報を持つ第一の文字列データを入力する工程と、
   前記第一の文字列データを各分節に分節し、前記各分節にスコアを与える第一の関数データを入力する工程と、
   前記第一の文字列データにたいして前記第一の関数データを適用し、前記第一の文字列データの各分節にスコアが与えられたスコアデータを出力する工程と
   前記第一の文字列データおよび前記スコアデータを引数として前記第一の文字列データの書式変更の是非を決定する条件式、および変更後の書式、の情報を有する第二の関数データを入力する工程と
   前記第一の文字列データおよび前記スコアデータにたいして前記第二の関数データを適用し、各文字群の書式情報が変更された第二の文字列データを出力する工程と、
   前記第二の文字列データを表示する工程と、を有し、
   前記書式変更は名詞句内で一様であることを特徴とする、
   電子文書データの表示方法。
3. 前記第一の関数データは前記電子文書の一部もしくは全部を引数とすることを特徴とする、請求項１に記載の電子文書の閲覧用電子機器。
4. 前記第一の関数データは前記電子文書の一部もしくは全部を引数とすることを特徴とする、請求項２に記載の電子文書データの表示方法。
5. 前記第一の関数データは前記電子文書の一部もしくは全部とその他の電子文書集団とを引数とすることを特徴とする、請求項１に記載の電子文書の閲覧用電子機器。
6. 前記第一の関数データは前記電子文書の一部もしくは全部とその他の電子文書集団とを引数とすることを特徴とする、請求項２に記載の電子文書データの表示方法。
7. 前記その他の電子文書集団は前記電子文書のその他の部分であることを特徴とする、請求項５に記載の電子文書の閲覧用電子機器。
8. 前記その他の電子文書集団は前記電子文書のその他の部分であることを特徴とする、請求項６に記載の電子文書データの表示方法。
9. 前記その他の電子文書集団をユーザが読書中に切り替えることを可能とする選択装置を具備する、請求項５に記載の電子文書の閲覧用電子機器。
10. 前記その他の電子文書集団をユーザが読書中に切り替える工程を有する、請求項６に記載の電子文書データの表示方法。
11. 前記第二の関数データをユーザが読書中に切り替えることを可能とする選択装置を具備する、請求項１に記載の電子文書の閲覧用電子機器。
12. 前記第二の関数データをユーザが読書中に切り替える工程を有する、請求項２に記載の電子文書データの表示方法。

Images