JP3961993B2 - 文書変換装置及び文書変換方法 - Google Patents
文書変換装置及び文書変換方法 Download PDFInfo
- Publication number
- JP3961993B2 JP3961993B2 JP2003197794A JP2003197794A JP3961993B2 JP 3961993 B2 JP3961993 B2 JP 3961993B2 JP 2003197794 A JP2003197794 A JP 2003197794A JP 2003197794 A JP2003197794 A JP 2003197794A JP 3961993 B2 JP3961993 B2 JP 3961993B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- conversion
- conversion rule
- rule
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は文書変換装置及び文書変換方法に関するものである。
【０００２】
【従来の技術】
近年、電子化文書の有効活用のために、文書を予めＸＭＬなどに準拠した規定の構造で保持しておくことにより、検索や任意の部分構造の抽出など、文書の再利用に役立てようという考え方が広まってきている。
【０００３】
従来、既存の任意の構造をもつ電子化文書からの、規定の構造をもつ構造化文書すなわちタグ付き文書の作成は、ＰｅｒｌやＸＳＬＴといったテキスト文字列処理に適したスクリプト言語を用いて、変換前文書と変換後文書間に出現している明示的な構造の対応を記述した変換スクリプトにより変換を行なったり、ＣやＣ++といった汎用の高級言語を用いて変換対象文書に特化した変換プログラムを作りこむことで実現していた。
【０００４】
また、上記のような変換前文書と変換後文書の構造の対応をプログラムやスクリプトで記述することが困難な場合には、エディタを利用し人手による手作業で構造化文書の作成が行われていた。
【０００５】
以下は従来の文書変換装置の一例である。
【０００６】
【特許文献１】
特開２００１−２２７４０公報
【０００７】
【特許文献２】
特開２００２−２９７６０３公報
【０００８】
【特許文献３】
特開平０９−２３１２２０号公報
【０００９】
【発明が解決しようとする課題】
従来のように、文書種別毎に変換プログラムやスクリプトを作りこむという手法では、プログラム作成の際に入力サンプルとして用いた文書と、実際に処理を行なう際に入力として用いた文書構造が一部でも異なった場合にはその変換動作が正しく保証されない場合があり、その場合には修正を必要とする箇所を特定するのが困難であった。
【００１０】
また逆に一つのプログラムで様々な入力形式に対応を試みる場合には、入力文書における部分構造の出現条件を詳細に列挙し、さらにその出現の場合分けである分岐条件を記述しておく必要があるため、プログラムサイズが膨大となり、また変換処理自体にも膨大な時間がかかっていた。
【００１１】
更にこのような変換プログラムやスクリプトを用いた変換においては、変換作業が困難な場合がある。この場合には人手による変換作業を行なうのが実情であった。
【００１２】
本発明はこのような課題に着目してなされたものであり、上記の課題を克服した文書変換装置及び文書変換方法を提供することにある。
【００１３】
【課題を解決するための手段】
上記の目的を達成するために、本発明の第１の態様に係る文書変換装置は、構造を持たない文書であるプレーンテキストを任意の構造をもつ構造化文書に変換可能な文書変換装置であって、入力文書の解析を行い、当該入力文書がプレーンテキストであるときに、当該プレーンテキストにＸＭＬ宣言を付与することによりＸＭＬ文書に形式的に変換する文書入力部と、前記形式的に変換されたＸＭＬ文書と、前記任意の構造をもつ構造化文書との対応付けに関する変換ルールの記述に基いて、新たなタグの付与を含む構造の詳細化処理に関する変換ルールが規定された第１の変換ルール群と、文書中のタグ名や属性の変更を含むノードの移動・要素名の変更に関する変換ルールが規定された第２の変換ルール群と、文書中のタグや内容の削除、タグの並び替えを含む要素の削除・整合性の検証に関する変換ルールが規定された第３の変換ルール群とを含む、各々機能が異なる複数の変換ルール群のいずれかに属する変換ルールを作成する変換ルール作成部と、前記形式的に変換されたＸＭＬ文書を前記任意の構造をもつ構造化文書へ変換するのに用いられる語彙を記憶した知識辞書を作成する知識辞書作成部と、前記知識辞書作成部で作成された知識辞書と、前記第１、第２、第３の変換ルール群を含む複数の変換ルール群から適宜選択された変換ルールとを用いて、前記形式的に変換されたＸＭＬ文書を前記任意の構造をもつ構造化文書へ変換する文書変換実行部と、を具備する
【００１４】
また、本発明の第２の態様に係る文書変換装置は、第１の態様において、前記変換ルール作成部は、前記形式的に変換された XML 文書をユーザへ提示する入力文書提示部と、前記入力文書提示部に提示された文書中の一部文書を前記ユーザが選択するための選択手段と、前記知識辞書を前記ユーザへ提示する知識辞書提示部と、前記選択手段により選択された前記一部文書の形式に一致する前記語彙を前記知識辞書の中から検索して前記知識辞書提示部に表示する知識辞書検索手段と、前記変換ルールを作成するための複数の項目を入力する画面を作成するための変換ルール入力画面作成手段と、この変換ルール入力画面作成手段により入力された複数の項目に応じて変換ルールを記録する変換ルール作成手段と、前記知識辞書検索手段により検索された語彙に応じて前記変換ルール入力画面作成手段が作成した前記画面の項目を入力する入力補助手段と、を備える。
【００１５】
また、本発明の第３の態様に係る文書変換装置は、第２の態様において、前記変換ルール入力画面作成手段により作成された画面に設定されている項目から仮の変換ルールを作成する仮変換ルール作成手段と、この仮の変換ルールを用いて、前記形式的に変換された XML 文書を仮変換する文書仮変換実行部と、この仮変換した文書をユーザへ提示する仮変換文書提示部とを備える。
【００１６】
また、本発明の第４の態様に係る文書変換装置は、第３の態様において、前記仮変換文書提示部は、前記仮の変換ルールにより、前記変換が適用される箇所とされない箇所とをユーザが識別可能な形態で提示する。
【００１７】
また、本発明の第５の態様に係る文書変換装置は、第４の態様において、前記仮変換文書提示部は、前記仮の変換ルールの条件，文書中の語彙，出現位置，適用範囲，変換結果の内、少なくともいずれか１つを変換ルール毎に提示する。
【００１８】
また、本発明の第６の態様に係る文書変換方法は、文書入力部と、変換ルール作成部と、知識辞書作成部と、文書変換実行部とを具備する文書変換装置により、構造を持たない文書であるプレーンテキストを任意の構造をもつ構造化文書に変換可能な文書変換方法であって、前記文書入力部が、入力文書の解析を行い、当該入力文書がプレーンテキストであるときに、当該プレーンテキストにＸＭＬ宣言を付与することによりＸＭＬ文書に形式的に変換する文書入力ステップと、前記変換ルール作成部が、前記形式的に変換された XML 文書と、前記任意の構造をもつ構造化文書との対応付けに関する変換ルールの記述に基いて、新たなタグの付与を含む構造の詳細化処理に関する変換ルールが規定された第１の変換ルール群と、文書中のタグ名や属性の変更を含むノードの移動・要素名の変更に関する変換ルールが規定された第２の変換ルール群と、文書中のタグや内容の削除、タグの並び替えを含む要素の削除・整合性の検証に関する変換ルールが規定された第３の変換ルール群とを含む、各々機能が異なる複数の変換ルール群のいずれかに属する変換ルールを作成する変換ルール作成ステップと、前記知識辞書作成部が、前記形式的に変換された XML 文書を前記任意の構造をもつ構造化文書へ変換するのに用いられる語彙を記憶した知識辞書を作成する知識辞書作成ステップと、前記文書変換実行部が、前記知識辞書作成部で作成された知識辞書と、前記第１、第２、第３の変換ルール群を含む複数の変換ルール群から適宜選択された変換ルールとを用いて、前記形式的に変換された XML 文書を前記任意の構造をもつ構造化文書へ変換する文書変換実行ステップと、を具備する。
【００１９】
【発明の実施の形態】
以下、図面を参照して本発明の一実施形態を詳細に説明する。図１は本発明が適用される文書変換装置のシステム全体を示す機能ブロック図である。なお、実際のハードウェアはＣＰＵ，プログラムを記憶するＲＯＭ，プログラムを記憶するために必要なＲＡＭ等により処理が行われる。本実施形態の文書変換装置は、構造をもたない文書（プレーンテキスト）または任意の構造をもつ文書を入力として受理し、ユーザ指定の構造へ変換する構造化文書変換装置であり、入力文書１０を読み込む文書入力部１１と、入力文書を指定の構造へ変換するための変換ルール１６−２を作成する変換ルール作成部１７と、変換の手掛かりとなる文書中の出現語彙を予め記載した知識辞書１６−１を作成する知識辞書作成部２０と、作成した変換ルール１６−２と知識辞書１６−１を受理し解析を行なうルール解析部１３と、変換ルール１６−２と知識辞書１６−１の解析結果に基づき実際に入力文書１０に対する変換処理を行なう文書変換実行部１２と、この文書変換実行部１２によって得られた結果をＸＭＬ形式で出力する文書出力部１４とを具備する。さらに、変換ルールの作成に関して使用される訂正情報入力部１８及び仮変換結果出力部１９を備えている。
【００２０】
図２は、図１を用いた文書構造変換手順の概略を説明するためのフローチャートである。
【００２１】
なお、次のステップＳ１〜ステップＳ３までは、ユーザが変換する前に事前に把握しておくだけの手順であり、本発明の文書変換装置が行う処理ではない。
【００２２】
ユーザは入力文書１０の内容を把握する（ステップＳ１）。次に、ユーザは手作業により目標とするＸＭＬ文書（文書変換装置によって変換されて出力されるＸＭＬ文書）を作成する（ステップＳ２）。次に、ユーザは入力文書１０と目標ＸＭＬ文書とに含まれるデータの対応付けを行う（ステップＳ３）。
【００２３】
このステップＳ１〜Ｓ３迄は、ユーザが変換ルールを作成する上で把握しておくための手順であり、ステップＳ１とステップＳ２とは順番が入れ替わってもかまわない。
【００２４】
次のステップＳ４以降について文書変換装置による変換動作を示すフローチャートである。ステップＳ４およびステップＳ５は変換ルール作成時における文書変換装置のルール作成フェイズを示すフローチャートである。
【００２５】
変換ルール作成時、変換ルール作成部１７は、ユーザがキーボードやマウス等から構成された訂正情報入力部１８を操作することによりステップＳ１の入力文書からステップＳ２の目標ＸＭＬ文書へ変換するための変換ルール１６−２を作成する（ステップＳ４）。このとき必要に応じて知識辞書作成部２０は、ユーザの操作により足りない知識辞書１６−１を作成する。
【００２６】
次に、ステップＳ１の入力文書とステップＳ２の目標ＸＭＬ文書との間で、ルール記述が可能な全ての対応付けに関して、変換ルールの記述を終了したか否かを判断する（ステップＳ５）。ステップＳ５の判断の結果がＮＯの場合にはステップＳ４に戻る。ステップＳ５でＹＥＳになったときにルール作成フェイズが終了することになる。これにより変換ルールは完成されたものとなる。
【００２７】
ステップＳ６以降は、ステップＳ５により変換ルールが完成された後、実際に文書入力部１１から入力されたステップＳ１の入力文書を、目標とするＸＭＬ文書へ変換するときの文書変換装置の変換実行フェイズを示すフローチャートである。
【００２８】
ステップＳ５により変換ルールが完成すると、次に、文書入力部１１は入力文書１０の読み込みを行う（ステップＳ６）。
【００２９】
次に、ルール解析部１３は、ステップＳ５で完成した変換ルール１６−２及び知識辞書１６−１の読み込みを行う（ステップＳ７）。
【００３０】
次に、ルール解析部１３は、ステップＳ７で読み込んだ変換ルール１６−２及び知識辞書１６−１のルール解析を行なう（ステップＳ８）。
【００３１】
次に、文書変換実行部１２は、ルール解析部１３が解析したルールに基づいて文書入力部１１から入力された文書を変換し、文書出力部１４へ出力する（ステップＳ９）。
【００３２】
次に文書出力部１４は、文書変換実行部１２から入力された変換結果を出力する（ステップＳ１０）。以上の手順により変換実行フェイズが終了する。
【００３３】
以下に、図面を参照して上記した変換手順をさらに詳細に説明する。
【００３４】
なお、文書変換装置を用いた動作であるルール作成フェイズおよび変換実行フェイズについて詳細に説明する。
【００３５】
ルール作成フェイズでは、まずユーザがこれから変換を行う入力文書１０をユーザインタフェース等で指定することにより、入力文書１０を文書入力部１１へ入力する。文書入力部１１は、入力された入力文書１０がＸＭＬ文書であれば文書入力部１１内のＸＭＬパーサにより木構造へと解析して文書変換実行部１２へ出力する。また、文書入力部１１は、入力文書がＸＭＬ形式以外であれば、変換ルール１６−２の指定に基づきＸＭＬ宣言とルートノードなどを付与することによりＸＭＬ文書へ形式変換した後、上記ＸＭＬ文書が入力である場合と同様に木構造へと解析して文書変換実行部１２へ出力する。図３はｈｔｍｌ形式で書かれた入力文書（一部）の一例を示す図である。
【００３６】
変換ルール作成部１７は、図４に示すＧＵＩ（グラフィカルユーザインタフェース）を作成する機能を備え、ユーザが、作成中の変換ルールである図４（Ｄ）に示す自動生成された変換ルール表示部３４と、この変換ルールを図４（Ａ）に示す入力文書表示部３０に表示された入力文書１０に適用して得られる仮出力結果表示部３２とを参照しながら作成中の変換ルールの変更を行なうことを可能にしている。変換ルール作成部１７により作成されたＧＵＩ画面は、図４（Ａ）〜（Ｅ）に示す通り５つの画面から構成されている。
【００３７】
図４（Ａ）は、入力文書１０を表示する入力文書表示部３０である。図４（Ｂ）は、知識辞書１６−１の表現を表示する知識辞書表示部３１である。図４（Ｃ）は、変換ルールを作成するために各項目の内容を入力するための変換ルールの各項目入力部３３である。図４（Ｄ）は、現在入力されている変換ルールの各項目入力部３３のデータから作成される変換ルールを表示する変換ルール表示部３４である。図４（Ｅ）は、変換ルール表示部３４に表示される変換ルールから作成される仮の出力結果を確認するための仮出力結果表示部３２である。変換ルール記述が可能な全てについて変換ルールを作成し終え変換ルール１６−２が確定すると、この仮出力結果表示部３２に表示される画面は、ユーザの目的とする変換結果の文書となる。
【００３８】
仮変換結果出力部１９は、変換ルール作成部１７により作成された上記図４（Ａ）〜（Ｅ）に示す５つのＧＵＩ画面を表示する。
【００３９】
ここで変換ルール作成部１７での変換ルールの作成手順を説明する前に、まず変換ルール作成に必要となる知識辞書１６−１および変換ルール１６−２について先に説明を行なう。
【００４０】
図５（Ａ），（Ｂ）は知識辞書１６−１の一例を示している。知識辞書１６−１は文書変換の手掛かりとなる特徴的な文書中の語彙を予め保持しておくものであり、知識辞書作成部２０において作成される。知識辞書１６−１では、同一処理を適用したい類義語や類似表現等を階層構造の最下位に記述して定義することによって、後段で用いられる変換ルール１６−２において任意の上位階層ラベルであるＩＤや上位概念を指定することにより、この指定したものの下位に属する類義語や類似表現に同一のルールを適用させることが可能となる。こうした目的から知識辞書は階層構造が記述できる形式であればどのような形式のものでも良く、ここでは例としてリスト形式の３階層の例（図５（Ａ））と、これをＸＭＬ形式にて記述した例（図５（Ｂ））の２つの例を示している。
【００４１】
図５（Ａ）に示すリスト形式は一行が一つの概念を示し、一行はセミコロンで区切られた１０カラムからなる。各行８カラム目の内容が文書中の抽出したい表現を記載した表層表現である。ここでは正規表現を用いた記述も可能であり、第一行目の"\d"は任意の数字が該当することを意味する。すなわち"通達D-\d\d\d\d\d"であれば、文書中の"通達D-12345"や"通達D-65502"という表記と適合する。５カラム目は表層表現に対して一段高次の概念ＩＤ(jn00)、２カラム目の内容は更にその高次の概念ＩＤ(rei1)を意味する。変換ルールから任意の概念を参照する場合にはこうした概念ＩＤを組み合わせることで指定する。図の一行目の概念を指定したい場合にはrei1.jn00という表記を行なう。
【００４２】
図５（Ｂ）は上記リスト形式の内容をＸＭＬ形式で記述した場合の例を示している。タグ名<exp>間に囲まれた内容が表層表現を表している。ここでもリスト形式と同様に正規表現による記述を可能とする。<exp>タグの上位に位置する要素名は、表層表現からみて一段高次の概念ＩＤを表している。また、更に上位の要素名は更に高次の概念ＩＤを表している。
【００４３】
次に変換ルール１６−２について説明する。入力文書中に変換ルール１６−２が記載した条件（表層表現や要素名、部分構造など）に適合する箇所が見つかった場合に、該当する変換コマンドが実行される。
【００４４】
図６は変換ルール１６−２の一例を示している。変換ルール１６−２は５つ組で定義され、ＸＭＬ形式で記述される。一つのルールは"<rule>"タグ中に記述される。まず、第一の要素として"<type>"がある。ここには図７、図８に示すようなシステム側で事前に定義された２０数種類の変換コマンドと呼ばれる、要素削除や移動、広範囲タグがけ等を表現する語を内容として記述する。第二の要素"<key>"で囲まれた内容には、該当ルールが起動される手掛かりとなる条件である表層表現や要素名、文書の部分構造などを記載する。
【００４５】
第三の要素"<tag>"で囲まれた内容には、ルールが適用された結果、新たに文書中に付与されるべきタグ名や部分構造などを記載する。第四の要素"<begin>"および第五の要素"<end>"の内容には変換ルール１６−２の適用範囲やコマンドオプションを記載する。コマンドオプションとしては、任意の数値を指定することにより、ルールの重み付けのための確信度指定などが挙げられる。
【００４６】
なお上記、各５つ組の子要素記述には、ＸＭＬの特性を用いた子要素の付加により、さらに細かな条件指定や拡張記述が可能である。
【００４７】
こうして記述された"<rule>"の内容をユーザが任意に組み合わせて宣言的に記述することにより、所望の構造への文書変換を実現する。
【００４８】
図９（Ａ）、（Ｂ）は、図３に示す入力文書１０に対する変換ルール１６−２の一具体例を示している。
【００４９】
以下に、図４および図１０を参照して変換ルール１６−２を作成する手順を詳細に説明する。ここでは文書中のある特定の表層表現にタグを掛けるルールを作成するものとする。 ユーザは、図示しない新規作成ボタンを押すことにより新規作成モードとする。変換ルール作成部１７は、図４に示すＧＵＩ（変換ルールの各項目入力部３３）を作成し、仮変換結果出力部１９に表示する。ユーザは、図４（ｃ）に示すＧＵＩ画面において、"<type>"タグの内容を埋めるために、訂正情報入力部１８を操作することにより図４（ｃ）に示すtypeのプルダウンメニューから直接タグがけのためのコマンド"direct_tagging"を選択する。この結果タグ名"<type>"の間に記述される内容が自動で補完され、この時点でのＸＭＬ形式のルールが作成されて図４（ｃ）に示す通り、"<type>direct_tagging</type>"と仮変換結果出力部１９へ仮出力される。なお、このコマンド"direct_tagging"（直接タグがけ操作）とは、もし、"key"として<key>の要素の欄へ記入したＩＤに対応する記載があれば、これを<tag>の要素の欄へ記入したtagへ置き換えるコマンドである。
【００５０】
続いてユーザは、図４（ｃ）に示すＧＵＩ画面において、ルールの起動条件"<key>"となる表現を記述する。この記述は図４（Ｃ）に示すＧＵＩ画面の例ではテキストボックスを用いて抽出したい概念ＩＤや表層表現を、ユーザが直接"reil.jn00"と記述する。
【００５１】
この<key>要素の欄を入力するにあたり、文書変換装置がユーザ操作を次のように補助してもよい。
【００５２】
ユーザは、図４（Ａ）に示す通り、入力文書中から変換ルールを作成しようとする参照したい表現（表層表現）を選択（マーキング）する（ステップＳ２０）。
【００５３】
すると変換ルール作成部１７は、当該表現に一致する表現を知識辞書１６−１を参照して自動探索し、知識辞書１６−１中に当該表現の記載があるか否かを判定する（ステップＳ２１）。
【００５４】
変換ルール作成部１７は、ステップＳ２１で当該表現の記載が知識辞書１６−１にあれば図２（Ｂ）に示す通り表示すると共に、当該表現の階層構造にあたる上位ラベル（図４（Ｂ）の"rei1.jn00"）を、図４（Ｃ）の変換ルールの各項目入力部３３に示す図４（Ｃ）の<key>要素の欄へ概念ＩＤである"reil.jn00"自動的に埋め込まれる（ステップＳ２２）変換ルール作成部１７は、ステップＳ２１で当該表現の記載が知識辞書１６−１にない場合には処理を終了する。以上のステップは図４の吹き出しに記載のステップ１．〜３．に対応するものである。
【００５５】
次に、"<tag>"記述にはテキストボックス等を用いて、タグがけを行いたい要素名を記述する。またはプルダウンメニューを用いて、変換後文書に出現すべき要素名が列挙された中から選択することにより、内容の記述を行なうことも可能である。更に必要があれば"<begin>"、"<end>"の内容を記載する。これらも他要素と同様にテキストボックスなどを用いた直接記述の他、指定すべき要素内容を予めリストとして保持しておくことにより、プルダウンメニューを用いた選択操作で、要素内容を簡単に指定するようにすることも可能である。
【００５６】
このようにして"<rule>"タグ中で囲まれた１つの変換ルールで必要とする要件が全て埋められた後、ユーザは図示しない保存ボタンを押すと、変換ルール作成部１７は変換ルール１６−２の一部の変換ルールとして保存される。
【００５７】
上記の作成手順を繰り返し、変換ルール記述が可能な全てについて変換ルールを作成し終えると、変換ルール１６−２はユーザの所望の変換ルールとなり完成する。
【００５８】
図６は、上記手順により作成された変換ルールの一部の例である、表層表現"通達D-65502"に対し要素名"<FRONTM>"で直接タグがけを行なう変換ルールの例は図６に示すとおりである。
【００５９】
図１１は、図６の変換ルールを適用した変換前文書と変換後文書の部分構造例を示している。条件として該当した"通達D-65502"の箇所に<FRONTM>のタグが掛けられた例である。
【００６０】
仮変換結果出力部１９は、作成中の変換ルールがユーザの意図を反映したものになっているかどうかの検証を目的として、あるいは文書中における変換ルールの未適用箇所を明示的にユーザに提示するための手段を提供する。具体的にはある変換ルールによって変換が行なわれた場合に、入力および出力文書中でルールが適用された箇所である要素名や内容を、変換ルールの違いによって文字サイズや色、フォント、下線や強調などの文字装飾によって差異を明確化したり、変換箇所を矩形で囲んだり背景を網掛けにするなどの手段によって、変換箇所と変換が行なわれていない箇所に対して視覚的な差異を明確にする提示を行なう。図１２（Ａ）、（Ｂ）は変換ルール適用箇所の背景色変更の例を示している。この図１２（Ａ）は、図４（Ａ）に示す入力文書表示部３０であり、図１２（Ｂ）は図４（Ｅ）に示す仮出力結果表示部３２である。
【００６１】
図１３は、ユーザが図４（Ｅ）に示す仮出力結果表示部３２を参照して、変換ルール１６−２が保持している変換ルールの修正を行う手順の一例を説明するための図である。
【００６２】
ユーザは、図示しない編集ボタンを押すことにより編集モードとする。この後ユーザは、図４（Ｅ）に示す仮出力結果表示部３２の中から参照したい箇所（要素名）を選択する（ステップＳ３１）。すると変換ルール作成部１７は、該当する要素名を含む変換ルールを変換ルール１６−２から読み出して図４（Ｃ）へ表示する（ステップＳ３２）。このときこの変換ルールに対応する知識辞書１６−１の一部も読み出して図４（Ｂ）へ表示する。次に、変換ルール作成部１７は、該当要素名を含む変換ルールを編集可能な状態にする（ステップＳ３３）。次に、ユーザは、当該変換ルールの修正作業を、変換ルール登録時と同様の操作により行う（ステップＳ３４）。ユーザはこの修正が終わった後、図示しない保存ボタンを押す。これにより変換ルール作成部１７は修正された１つの変換ルールを、変換ルール１６−２の一部の変換ルールとして更新・保存する。
【００６３】
さらに仮出力結果表示のバリエーションとして、図１４に示すような確信度の異なる変換ルールが適用された場合に、入出力文書における変換適用箇所を、確信度の違いによって、異なる文字サイズや色、フォント等で文字修飾を施したり、矩形や網掛け種、背景色を変えて出力するなどの例が挙げられる。
【００６４】
個々の変換ルールに対し、その変換ルールの属性の一つとして、変換ルールで行なわれる変換がどれほど正確で確実であるかの値をユーザが定義した確信度を定義としてもたせておくことにより、例えば変換ルールにより<SECTION>や<TITLE>タグが掛けられた部分は確信度が高いので該当タグ表示部分の背景色を白、<FRONTM>のタグはやや低いので背景色を灰色、<NOTE>や<REFERENCE>タグは確信度の低いルールでタグがけが行なわれたので背景色をより深い灰色等で出力する例があげられる。またフォントサイズの大きさでその差異を表現する場合には、例えば修正の必要が無い確信度の高いルールの適用により自動付与されたタグを文字サイズの小さいもので表示したり、確信度の低いルールが適用されて自動付与されたタグは、ユーザの修正や確認が必要となるため必大きな文字サイズで表示することにより目立ちやすくする、などの出力例が挙げられる。
【００６５】
またさらに、仮出力結果表示のバリエーションとして、図１５に示すように、変換の未適用箇所を色違いで出力する場合に、変換ルールが適用されず変換が行なわれない箇所において、単に要素名のみを削除したような、すなわち文書内容が全く改変されずにその内容に係る親タグのみに変化が生じた場合にも、内容が記載されている箇所には元文書の構造を反映したような視覚的な差異である背景色の違いや、文字装飾の違いによって差異を明確化する例が挙げられる。図では出力文書例の<classification-ipc>タグや<classification-national>タグで囲まれた箇所において、変換処理の結果、各行ごとに付与されていた<p>タグが除去されたという変換ルールしか適用されていないと仮定する。しかしながら、この箇所の付与はさらに正しい修正が必要であり、こうした単純なルールが適用された場合には修正候補箇所として、変換がおこなわれた箇所をユーザの目にとまりやすくする為に、背景色の違いによって該当箇所をわかりやすく表示する。
【００６６】
図１６（Ａ）〜（Ｅ）は、変換ルール作成部１７により作成され、仮変換結果出力部１９に表示されるＧＵＩ画面を示す図であり、図４とは異なる文書が表示されている。
【００６７】
仮変換結果を参照したルール編集のバリエーションとして、この図１６に示すような仮出力結果表示部３２の画面に対し、ユーザが既に変換ルールが適用された任意の箇所を訂正情報入力部１８により指定（図４（Ｅ）の１．出力文書から参照したい箇所をマーキング）すると、変換ルール生成部１７は、変換ルール表示部３４にこの変換が行なわれた理由となる１つの変換ルールを変換ルール１６−２から読み出して図４と同様に編集可能に提示して（２．該当する要素名を含む変換ルールへジャンプし）、ユーザによる編集を促すインターフェースを具備しても良い。
【００６８】
このように仮出力結果表示部３２を表示するときに変換ルールの適用が行なわれた否かを識別可能に表示することにより、視覚的効果を施すようにしても良い。この視覚的効果を施すときの文字装飾や背景色などの種別指定は、予め変換ルール作成部１７に複数のテンプレートを保持しておき予めユーザが１つのテンプレート指定しておくことにより所望の視覚効果により表示するようにしても良い。また、変換ルールの中にオプションとしてテンプレートの指定を記述しておきプルダウンメニューによってテンプレート選択できるようにいても良い。そしてデフォルトで所定のテンプレートが選択されるようにすることにより、変換ルール毎に異なるテンプレートを使えると共に、テンプレートの指定をユーザが逐次選択する煩わしさを省くことが可能となる。
【００６９】
文書変換実行部１２は、変換ルール作成部１７により作成された変換ルール１６−２と、知識辞書１６−１を用いたルール解析部１３での解析結果とを元に入力文書１０に対して文書変換を行なう。文書出力部１４は、文書変換実行部１２により変換された文書を外部へ出力する。
【００７０】
以下に、変換ルールのグループ化について説明する。変換ルール１６−２は原則として記述順にルール解析部１３により解析される。しかし、記述順序に先行して、変換ルール１６−２中に記載するコマンドの所属するグループ種別が優先してルール解析部１３により変換処理が行なわれる。
【００７１】
変換ルール（コマンド）のグループ種別とは、図１７の記載例にあるように、文書変換を行なう上での変換ルール作成手順や、変換が行なわれる場合に適用されるルールの後戻りを防ぐために、変換ルールを機能別に大まかに３種（グループＡ，グループＢ，グループＣ）に分類したものである。グループＡは構造の詳細化処理に関しており、文書中の表層表現に対して新たにタグを付与する。グループＢはノードの移動・要素名の変更に関しており、文書中のタグ名や属性の変更、ノードの移動、テンプレートを用いた部分構造の変換を行う。グループＣは要素の削除・整合性の検証に関しており、文書中のタグや内容の削除、あるいはタグの並び替えを行う。
【００７２】
図１８はグループ種別を考慮した変換の手順を説明するための図である。図１８において、ルール解析部１３は知識辞書１６−１を読み込む（ステップＳ４０）。次に、ルール解析部１３は変換ルールを読み込む（ステップＳ４１）。次に、文書入力部１１は入力文書の解析結果を受理する（ステップＳ４２）。次に、ルール解析部１３は、入力文書をXML化する変換ルールの指定があるか否かを判断する（ステップＳ４３）。入力文書部１１はルール解析部１３の結果を受け、ステップＳ４３の判断結果がＹＥＳの場合には、変換前処理を実行（入力文書に対するＸＭＬ宣言の付与を）行い（ステップＳ４４）、この後、ステップＳ４５に移行する。文書入力部１１は、ステップＳ４３の判断結果がＮＯの場合には、ただちにステップＳ４５に移行する。
【００７３】
文書変換実行部では、ステップＳ４５ではグループＡのルールによるタグ付けを行い、続いてグループＢのルールによるタグ付け、グループＣのルールによるタグ付けを順に行う（ステップＳ４６、Ｓ４７）。最後に文書変換実行部１２は、変換結果を出力する（ステップＳ４８）。
【００７４】
図１９はコマンドごとに変換ルールが適用される変換手順を示す一具体例である。図２０は図１９の変換を行う変換ルールの一具体例である。
【００７５】
図１９において、まず初めに、文書入力部１１は、文書の中の１行である文書１９０１を文書変換実行部１２へ入力する。文書変換実行部１２は、文書１９０１に対して直接タグがけ操作のコマンドである"direct_tagging"（グループＡに属する）の、図２０左上欄の変換ルールおよび図２０右上欄の変換ルールを適用して変換する。この結果、文書１９０１は、知識辞書１６−１に記載のある表層表現"通達D-65502"には、タグ"<FRONTM>"およびこの内側に"<DOCNUM>"のタグが掛けられ（図１９（２）の処理））、図１９の文書１９０２に変換される。
【００７６】
次に、文書変換実行部１２は、文書１９０２に対して箇条書き数字の操作である"direct_tagging"（グループＡに属する）の図２０左下欄の変換ルールを適用して変換する。実際には、文書変換実行部１２は、文書１９０２から箇条書き数字である"１．１．１"を検出し、この検出した箇条書き数字"<del>"タグを掛ける（（３）の処理））。 以上でグループＡに属する"direct_tagging"のコマンドは全て処理が終了する。
【００７７】
次に、文書変換実行部１２は、文書１９０３に対してグループＢに属するコマンド"rename"の図２０右欄中央の変換ルールを適用して変換する。実際には、文書変換実行部１２は、文書１９０３から"<h3>"タグを検出し、この検出した"<h3>"タグを"<TITLE>"へ変更する（（４）の処理））。
【００７８】
次に、文書変換実行部１２は、グループＢに属するコマンド"move"の図２０左欄中央の変換ルールを実行する。この結果、"<TITLE>"の子要素にあった"<FRONTM>"が"<TITLE>"の兄弟ノードの位置に移動し、<TITLE><FRONTM>の並列化が行われ（（５）の処理））、続いてグループＣに属するコマンド"delall"の図２０右下欄の変換ルールを実行し、"<del>"タグが掛けられていた箇条書き番号がタグと共に削除される。この結果、文書変換実行部１２からは図１９の文書１９０５に示す変換後の文書が出力される。
【００７９】
以上の変換手順によって、文書変換実行部１２は所望の変換結果である図１９の文書１９０５に示す文書を得ることができる。
【００８０】
次に、変換の変形例として、任意回数タグがけの変換例を説明する。ここでは入力文書１０として図２１、変換ルール１６−２として図２２を例に説明する。文書変換実行部１２は、最初にグループＡに属する直接タグがけ操作である"direct_tagging"を適用する。ここでは図２１の１行目に記載された表層表現である"１.主要文献"に対して事前に"direct_tagging"の処理が行なわれ、その結果、既に"<_sbunken>"タグが掛かっている文書を入力文書と仮定する。
【００８１】
次に、文書変換実行部１２はグループＢに属するコマンドである"transform_refrain"の図２２に記載の変換ルールを適用し、"<_sbunken>"の一つ親のノードを軸として、一つ隣の兄弟ノードの子要素("<begin>"タグが示す指定内容に基づく)に"<li>"タグが繰り返し出現している限り、"<li>"の記述内容を変数"$a"として取り出し"<tag>"タグで囲まれたテンプレート中の指定箇所に埋め込んだ後、これを元文書中の条件が合致した箇所と置き換えるという操作を繰り返す。なお、文書変換実行部１２は、図２２に示したテンプレート中で変数"$count"が記載されている箇所は、変換後に繰り返された操作回数が数値として代入する。
【００８２】
図２３は、この変換により文書変換実行部１２から得られる変換結果を示す。入力文書１０中の指定ノード"<li>"タグで囲まれていた各文献内容が抽出され、変換ルールで指定されたテンプレートへ埋め込まれた後、元文書中の該当箇所と置き換えらていることがわかる。
【００８３】
次に、入力文書１０としてＸＭＬ文書ではなく図２４に示すプレーンテキスト（構造をもたない文書）が与えられた場合の処理について説明する。この場合には、文書入力部１１は、文書変換実行部１２により文書変換が行なわれる前処理に相当する処理として入力文書１１の解析を行い、この解析結果（例えば、プレーンテキストであると文書入力部１１が解析）に基づいて図２５に示す変換ルールを内部のメモリ等から読出してＸＭＬ宣言等を入力文書１０へ付与することにより図２６に示す形式的にＸＭＬ文書へと変換し、このＸＭＬ文書を文書変換実行部１２へ出力する。これにより文書変換実行部１２は通常の変換ルール実行処理が行なわれる。なお、文書入力部１１での変換ルールを用いた文書変換については、文書変換実行部１２と同じ構成を持たせることで実現可能である。
【００８４】
文書出力部１４では、前段の文書変換実行部１２の出力結果として、メモリ上に木構造形式として格納されているＸＭＬ文書を受理しその結果をＸＭＬ文書として出力する。
【００８５】
図２７は図３の入力文書に対し図９の変換ルールを適用した場合の出力文書を示している。
【００８６】
なお、知識辞書１６−１で保持されている文書中の出現語彙を変換ルールに記載しておくことにより、知識辞書１６−１を不要にすることが可能である。
【００８７】
【発明の効果】
本発明によれば、入力文書と変換ルールを受理して文書変換を行なう場合に、変換文書の種別毎に要する変換ルールの作成に伴うユーザの負担を極力抑えた上で、構造化文書の作成を行なうことが可能となる。
【図面の簡単な説明】
【図１】本発明が適用される文書変換装置のシステム全体を示すブロック図である。
【図２】図１を用いた文書構造変換手順の概略を説明するためのフローチャートである。
【図３】入力文書（一部）の一例を示す図である。
【図４】ルール作成時に用いられるＧＵＩ（グラフィカルユーザインタフェース）を示す図である。
【図５】知識辞書の一例を示す図である。
【図６】変換ルールの一例を示す図である。
【図７】変換コマンドの一例を示す図である。
【図８】変換コマンドの一例を示す図である。
【図９】図３の入力文書に対する変換ルールの一具体例を示す図である。
【図１０】変換ルールを作成する手順を説明するための図である。
【図１１】図６の変換ルールを適用した変換前文書と変換後文書の部分構造例を示す図である。
【図１２】変換ルール適用箇所の背景色変更の例を示す図である。
【図１３】仮出力結果表示を参照して、適用された変換ルールの修正を行う手順の一例を説明するための図である。
【図１４】確信度の違いを反映した表示例を示す図である。
【図１５】仮出力結果の表示例（タグ除去後の背景色変更）を示す図である。
【図１６】仮出力結果表示を参照して、適用された変換ルールの修正を行うＧＵＩの一例を示す図である。
【図１７】変換ルール中で用いられるコマンドのグループ分けを示す図である。
【図１８】グループ種別を考慮した変換の手順を説明するための図である。
【図１９】コマンドごとにルールが適用される手順を示す一具体例を示す図である。
【図２０】図１９の変換を行う変換ルールの一具体例を示す図である。
【図２１】任意回数タグがけの変換において、変換前の文書の一例を示す図である。
【図２２】任意回数タグがけの変換において、変換ルールを一例を示す図である。
【図２３】任意回数タグがけの変換において、変換後の文書の一例を示す図である。
【図２４】入力文書の一例としてのプレーンテキストを示す図である。
【図２５】図２４のプレーンテキストに適用される変換ルールの一例を示す図である。
【図２６】図２４の入力文書に対して図２５の変換ルールを適用した場合の出力文書を示す図である。
【図２７】図３の入力文書に対し図９の変換ルールを適用した場合の出力文書を示す図である。
【符号の説明】
１０…入力文書、１１…文書入力部、１２…文書変換実行部、１３…ルール解析部、１４…文書出力部、１５…出力文書、１６−１…知識辞書、１６−２…変換ルール、１７…変換ルール作成部、１８…訂正情報入力部、１９…仮変換結果出力部、２０…知識辞書作成部。
【発明の属する技術分野】
本発明は文書変換装置及び文書変換方法に関するものである。
【０００２】
【従来の技術】
近年、電子化文書の有効活用のために、文書を予めＸＭＬなどに準拠した規定の構造で保持しておくことにより、検索や任意の部分構造の抽出など、文書の再利用に役立てようという考え方が広まってきている。
【０００３】
従来、既存の任意の構造をもつ電子化文書からの、規定の構造をもつ構造化文書すなわちタグ付き文書の作成は、ＰｅｒｌやＸＳＬＴといったテキスト文字列処理に適したスクリプト言語を用いて、変換前文書と変換後文書間に出現している明示的な構造の対応を記述した変換スクリプトにより変換を行なったり、ＣやＣ++といった汎用の高級言語を用いて変換対象文書に特化した変換プログラムを作りこむことで実現していた。
【０００４】
また、上記のような変換前文書と変換後文書の構造の対応をプログラムやスクリプトで記述することが困難な場合には、エディタを利用し人手による手作業で構造化文書の作成が行われていた。
【０００５】
以下は従来の文書変換装置の一例である。
【０００６】
【特許文献１】
特開２００１−２２７４０公報
【０００７】
【特許文献２】
特開２００２−２９７６０３公報
【０００８】
【特許文献３】
特開平０９−２３１２２０号公報
【０００９】
【発明が解決しようとする課題】
従来のように、文書種別毎に変換プログラムやスクリプトを作りこむという手法では、プログラム作成の際に入力サンプルとして用いた文書と、実際に処理を行なう際に入力として用いた文書構造が一部でも異なった場合にはその変換動作が正しく保証されない場合があり、その場合には修正を必要とする箇所を特定するのが困難であった。
【００１０】
また逆に一つのプログラムで様々な入力形式に対応を試みる場合には、入力文書における部分構造の出現条件を詳細に列挙し、さらにその出現の場合分けである分岐条件を記述しておく必要があるため、プログラムサイズが膨大となり、また変換処理自体にも膨大な時間がかかっていた。
【００１１】
更にこのような変換プログラムやスクリプトを用いた変換においては、変換作業が困難な場合がある。この場合には人手による変換作業を行なうのが実情であった。
【００１２】
本発明はこのような課題に着目してなされたものであり、上記の課題を克服した文書変換装置及び文書変換方法を提供することにある。
【００１３】
【課題を解決するための手段】
上記の目的を達成するために、本発明の第１の態様に係る文書変換装置は、構造を持たない文書であるプレーンテキストを任意の構造をもつ構造化文書に変換可能な文書変換装置であって、入力文書の解析を行い、当該入力文書がプレーンテキストであるときに、当該プレーンテキストにＸＭＬ宣言を付与することによりＸＭＬ文書に形式的に変換する文書入力部と、前記形式的に変換されたＸＭＬ文書と、前記任意の構造をもつ構造化文書との対応付けに関する変換ルールの記述に基いて、新たなタグの付与を含む構造の詳細化処理に関する変換ルールが規定された第１の変換ルール群と、文書中のタグ名や属性の変更を含むノードの移動・要素名の変更に関する変換ルールが規定された第２の変換ルール群と、文書中のタグや内容の削除、タグの並び替えを含む要素の削除・整合性の検証に関する変換ルールが規定された第３の変換ルール群とを含む、各々機能が異なる複数の変換ルール群のいずれかに属する変換ルールを作成する変換ルール作成部と、前記形式的に変換されたＸＭＬ文書を前記任意の構造をもつ構造化文書へ変換するのに用いられる語彙を記憶した知識辞書を作成する知識辞書作成部と、前記知識辞書作成部で作成された知識辞書と、前記第１、第２、第３の変換ルール群を含む複数の変換ルール群から適宜選択された変換ルールとを用いて、前記形式的に変換されたＸＭＬ文書を前記任意の構造をもつ構造化文書へ変換する文書変換実行部と、を具備する
【００１４】
また、本発明の第２の態様に係る文書変換装置は、第１の態様において、前記変換ルール作成部は、前記形式的に変換された XML 文書をユーザへ提示する入力文書提示部と、前記入力文書提示部に提示された文書中の一部文書を前記ユーザが選択するための選択手段と、前記知識辞書を前記ユーザへ提示する知識辞書提示部と、前記選択手段により選択された前記一部文書の形式に一致する前記語彙を前記知識辞書の中から検索して前記知識辞書提示部に表示する知識辞書検索手段と、前記変換ルールを作成するための複数の項目を入力する画面を作成するための変換ルール入力画面作成手段と、この変換ルール入力画面作成手段により入力された複数の項目に応じて変換ルールを記録する変換ルール作成手段と、前記知識辞書検索手段により検索された語彙に応じて前記変換ルール入力画面作成手段が作成した前記画面の項目を入力する入力補助手段と、を備える。
【００１５】
また、本発明の第３の態様に係る文書変換装置は、第２の態様において、前記変換ルール入力画面作成手段により作成された画面に設定されている項目から仮の変換ルールを作成する仮変換ルール作成手段と、この仮の変換ルールを用いて、前記形式的に変換された XML 文書を仮変換する文書仮変換実行部と、この仮変換した文書をユーザへ提示する仮変換文書提示部とを備える。
【００１６】
また、本発明の第４の態様に係る文書変換装置は、第３の態様において、前記仮変換文書提示部は、前記仮の変換ルールにより、前記変換が適用される箇所とされない箇所とをユーザが識別可能な形態で提示する。
【００１７】
また、本発明の第５の態様に係る文書変換装置は、第４の態様において、前記仮変換文書提示部は、前記仮の変換ルールの条件，文書中の語彙，出現位置，適用範囲，変換結果の内、少なくともいずれか１つを変換ルール毎に提示する。
【００１８】
また、本発明の第６の態様に係る文書変換方法は、文書入力部と、変換ルール作成部と、知識辞書作成部と、文書変換実行部とを具備する文書変換装置により、構造を持たない文書であるプレーンテキストを任意の構造をもつ構造化文書に変換可能な文書変換方法であって、前記文書入力部が、入力文書の解析を行い、当該入力文書がプレーンテキストであるときに、当該プレーンテキストにＸＭＬ宣言を付与することによりＸＭＬ文書に形式的に変換する文書入力ステップと、前記変換ルール作成部が、前記形式的に変換された XML 文書と、前記任意の構造をもつ構造化文書との対応付けに関する変換ルールの記述に基いて、新たなタグの付与を含む構造の詳細化処理に関する変換ルールが規定された第１の変換ルール群と、文書中のタグ名や属性の変更を含むノードの移動・要素名の変更に関する変換ルールが規定された第２の変換ルール群と、文書中のタグや内容の削除、タグの並び替えを含む要素の削除・整合性の検証に関する変換ルールが規定された第３の変換ルール群とを含む、各々機能が異なる複数の変換ルール群のいずれかに属する変換ルールを作成する変換ルール作成ステップと、前記知識辞書作成部が、前記形式的に変換された XML 文書を前記任意の構造をもつ構造化文書へ変換するのに用いられる語彙を記憶した知識辞書を作成する知識辞書作成ステップと、前記文書変換実行部が、前記知識辞書作成部で作成された知識辞書と、前記第１、第２、第３の変換ルール群を含む複数の変換ルール群から適宜選択された変換ルールとを用いて、前記形式的に変換された XML 文書を前記任意の構造をもつ構造化文書へ変換する文書変換実行ステップと、を具備する。
【００１９】
【発明の実施の形態】
以下、図面を参照して本発明の一実施形態を詳細に説明する。図１は本発明が適用される文書変換装置のシステム全体を示す機能ブロック図である。なお、実際のハードウェアはＣＰＵ，プログラムを記憶するＲＯＭ，プログラムを記憶するために必要なＲＡＭ等により処理が行われる。本実施形態の文書変換装置は、構造をもたない文書（プレーンテキスト）または任意の構造をもつ文書を入力として受理し、ユーザ指定の構造へ変換する構造化文書変換装置であり、入力文書１０を読み込む文書入力部１１と、入力文書を指定の構造へ変換するための変換ルール１６−２を作成する変換ルール作成部１７と、変換の手掛かりとなる文書中の出現語彙を予め記載した知識辞書１６−１を作成する知識辞書作成部２０と、作成した変換ルール１６−２と知識辞書１６−１を受理し解析を行なうルール解析部１３と、変換ルール１６−２と知識辞書１６−１の解析結果に基づき実際に入力文書１０に対する変換処理を行なう文書変換実行部１２と、この文書変換実行部１２によって得られた結果をＸＭＬ形式で出力する文書出力部１４とを具備する。さらに、変換ルールの作成に関して使用される訂正情報入力部１８及び仮変換結果出力部１９を備えている。
【００２０】
図２は、図１を用いた文書構造変換手順の概略を説明するためのフローチャートである。
【００２１】
なお、次のステップＳ１〜ステップＳ３までは、ユーザが変換する前に事前に把握しておくだけの手順であり、本発明の文書変換装置が行う処理ではない。
【００２２】
ユーザは入力文書１０の内容を把握する（ステップＳ１）。次に、ユーザは手作業により目標とするＸＭＬ文書（文書変換装置によって変換されて出力されるＸＭＬ文書）を作成する（ステップＳ２）。次に、ユーザは入力文書１０と目標ＸＭＬ文書とに含まれるデータの対応付けを行う（ステップＳ３）。
【００２３】
このステップＳ１〜Ｓ３迄は、ユーザが変換ルールを作成する上で把握しておくための手順であり、ステップＳ１とステップＳ２とは順番が入れ替わってもかまわない。
【００２４】
次のステップＳ４以降について文書変換装置による変換動作を示すフローチャートである。ステップＳ４およびステップＳ５は変換ルール作成時における文書変換装置のルール作成フェイズを示すフローチャートである。
【００２５】
変換ルール作成時、変換ルール作成部１７は、ユーザがキーボードやマウス等から構成された訂正情報入力部１８を操作することによりステップＳ１の入力文書からステップＳ２の目標ＸＭＬ文書へ変換するための変換ルール１６−２を作成する（ステップＳ４）。このとき必要に応じて知識辞書作成部２０は、ユーザの操作により足りない知識辞書１６−１を作成する。
【００２６】
次に、ステップＳ１の入力文書とステップＳ２の目標ＸＭＬ文書との間で、ルール記述が可能な全ての対応付けに関して、変換ルールの記述を終了したか否かを判断する（ステップＳ５）。ステップＳ５の判断の結果がＮＯの場合にはステップＳ４に戻る。ステップＳ５でＹＥＳになったときにルール作成フェイズが終了することになる。これにより変換ルールは完成されたものとなる。
【００２７】
ステップＳ６以降は、ステップＳ５により変換ルールが完成された後、実際に文書入力部１１から入力されたステップＳ１の入力文書を、目標とするＸＭＬ文書へ変換するときの文書変換装置の変換実行フェイズを示すフローチャートである。
【００２８】
ステップＳ５により変換ルールが完成すると、次に、文書入力部１１は入力文書１０の読み込みを行う（ステップＳ６）。
【００２９】
次に、ルール解析部１３は、ステップＳ５で完成した変換ルール１６−２及び知識辞書１６−１の読み込みを行う（ステップＳ７）。
【００３０】
次に、ルール解析部１３は、ステップＳ７で読み込んだ変換ルール１６−２及び知識辞書１６−１のルール解析を行なう（ステップＳ８）。
【００３１】
次に、文書変換実行部１２は、ルール解析部１３が解析したルールに基づいて文書入力部１１から入力された文書を変換し、文書出力部１４へ出力する（ステップＳ９）。
【００３２】
次に文書出力部１４は、文書変換実行部１２から入力された変換結果を出力する（ステップＳ１０）。以上の手順により変換実行フェイズが終了する。
【００３３】
以下に、図面を参照して上記した変換手順をさらに詳細に説明する。
【００３４】
なお、文書変換装置を用いた動作であるルール作成フェイズおよび変換実行フェイズについて詳細に説明する。
【００３５】
ルール作成フェイズでは、まずユーザがこれから変換を行う入力文書１０をユーザインタフェース等で指定することにより、入力文書１０を文書入力部１１へ入力する。文書入力部１１は、入力された入力文書１０がＸＭＬ文書であれば文書入力部１１内のＸＭＬパーサにより木構造へと解析して文書変換実行部１２へ出力する。また、文書入力部１１は、入力文書がＸＭＬ形式以外であれば、変換ルール１６−２の指定に基づきＸＭＬ宣言とルートノードなどを付与することによりＸＭＬ文書へ形式変換した後、上記ＸＭＬ文書が入力である場合と同様に木構造へと解析して文書変換実行部１２へ出力する。図３はｈｔｍｌ形式で書かれた入力文書（一部）の一例を示す図である。
【００３６】
変換ルール作成部１７は、図４に示すＧＵＩ（グラフィカルユーザインタフェース）を作成する機能を備え、ユーザが、作成中の変換ルールである図４（Ｄ）に示す自動生成された変換ルール表示部３４と、この変換ルールを図４（Ａ）に示す入力文書表示部３０に表示された入力文書１０に適用して得られる仮出力結果表示部３２とを参照しながら作成中の変換ルールの変更を行なうことを可能にしている。変換ルール作成部１７により作成されたＧＵＩ画面は、図４（Ａ）〜（Ｅ）に示す通り５つの画面から構成されている。
【００３７】
図４（Ａ）は、入力文書１０を表示する入力文書表示部３０である。図４（Ｂ）は、知識辞書１６−１の表現を表示する知識辞書表示部３１である。図４（Ｃ）は、変換ルールを作成するために各項目の内容を入力するための変換ルールの各項目入力部３３である。図４（Ｄ）は、現在入力されている変換ルールの各項目入力部３３のデータから作成される変換ルールを表示する変換ルール表示部３４である。図４（Ｅ）は、変換ルール表示部３４に表示される変換ルールから作成される仮の出力結果を確認するための仮出力結果表示部３２である。変換ルール記述が可能な全てについて変換ルールを作成し終え変換ルール１６−２が確定すると、この仮出力結果表示部３２に表示される画面は、ユーザの目的とする変換結果の文書となる。
【００３８】
仮変換結果出力部１９は、変換ルール作成部１７により作成された上記図４（Ａ）〜（Ｅ）に示す５つのＧＵＩ画面を表示する。
【００３９】
ここで変換ルール作成部１７での変換ルールの作成手順を説明する前に、まず変換ルール作成に必要となる知識辞書１６−１および変換ルール１６−２について先に説明を行なう。
【００４０】
図５（Ａ），（Ｂ）は知識辞書１６−１の一例を示している。知識辞書１６−１は文書変換の手掛かりとなる特徴的な文書中の語彙を予め保持しておくものであり、知識辞書作成部２０において作成される。知識辞書１６−１では、同一処理を適用したい類義語や類似表現等を階層構造の最下位に記述して定義することによって、後段で用いられる変換ルール１６−２において任意の上位階層ラベルであるＩＤや上位概念を指定することにより、この指定したものの下位に属する類義語や類似表現に同一のルールを適用させることが可能となる。こうした目的から知識辞書は階層構造が記述できる形式であればどのような形式のものでも良く、ここでは例としてリスト形式の３階層の例（図５（Ａ））と、これをＸＭＬ形式にて記述した例（図５（Ｂ））の２つの例を示している。
【００４１】
図５（Ａ）に示すリスト形式は一行が一つの概念を示し、一行はセミコロンで区切られた１０カラムからなる。各行８カラム目の内容が文書中の抽出したい表現を記載した表層表現である。ここでは正規表現を用いた記述も可能であり、第一行目の"\d"は任意の数字が該当することを意味する。すなわち"通達D-\d\d\d\d\d"であれば、文書中の"通達D-12345"や"通達D-65502"という表記と適合する。５カラム目は表層表現に対して一段高次の概念ＩＤ(jn00)、２カラム目の内容は更にその高次の概念ＩＤ(rei1)を意味する。変換ルールから任意の概念を参照する場合にはこうした概念ＩＤを組み合わせることで指定する。図の一行目の概念を指定したい場合にはrei1.jn00という表記を行なう。
【００４２】
図５（Ｂ）は上記リスト形式の内容をＸＭＬ形式で記述した場合の例を示している。タグ名<exp>間に囲まれた内容が表層表現を表している。ここでもリスト形式と同様に正規表現による記述を可能とする。<exp>タグの上位に位置する要素名は、表層表現からみて一段高次の概念ＩＤを表している。また、更に上位の要素名は更に高次の概念ＩＤを表している。
【００４３】
次に変換ルール１６−２について説明する。入力文書中に変換ルール１６−２が記載した条件（表層表現や要素名、部分構造など）に適合する箇所が見つかった場合に、該当する変換コマンドが実行される。
【００４４】
図６は変換ルール１６−２の一例を示している。変換ルール１６−２は５つ組で定義され、ＸＭＬ形式で記述される。一つのルールは"<rule>"タグ中に記述される。まず、第一の要素として"<type>"がある。ここには図７、図８に示すようなシステム側で事前に定義された２０数種類の変換コマンドと呼ばれる、要素削除や移動、広範囲タグがけ等を表現する語を内容として記述する。第二の要素"<key>"で囲まれた内容には、該当ルールが起動される手掛かりとなる条件である表層表現や要素名、文書の部分構造などを記載する。
【００４５】
第三の要素"<tag>"で囲まれた内容には、ルールが適用された結果、新たに文書中に付与されるべきタグ名や部分構造などを記載する。第四の要素"<begin>"および第五の要素"<end>"の内容には変換ルール１６−２の適用範囲やコマンドオプションを記載する。コマンドオプションとしては、任意の数値を指定することにより、ルールの重み付けのための確信度指定などが挙げられる。
【００４６】
なお上記、各５つ組の子要素記述には、ＸＭＬの特性を用いた子要素の付加により、さらに細かな条件指定や拡張記述が可能である。
【００４７】
こうして記述された"<rule>"の内容をユーザが任意に組み合わせて宣言的に記述することにより、所望の構造への文書変換を実現する。
【００４８】
図９（Ａ）、（Ｂ）は、図３に示す入力文書１０に対する変換ルール１６−２の一具体例を示している。
【００４９】
以下に、図４および図１０を参照して変換ルール１６−２を作成する手順を詳細に説明する。ここでは文書中のある特定の表層表現にタグを掛けるルールを作成するものとする。 ユーザは、図示しない新規作成ボタンを押すことにより新規作成モードとする。変換ルール作成部１７は、図４に示すＧＵＩ（変換ルールの各項目入力部３３）を作成し、仮変換結果出力部１９に表示する。ユーザは、図４（ｃ）に示すＧＵＩ画面において、"<type>"タグの内容を埋めるために、訂正情報入力部１８を操作することにより図４（ｃ）に示すtypeのプルダウンメニューから直接タグがけのためのコマンド"direct_tagging"を選択する。この結果タグ名"<type>"の間に記述される内容が自動で補完され、この時点でのＸＭＬ形式のルールが作成されて図４（ｃ）に示す通り、"<type>direct_tagging</type>"と仮変換結果出力部１９へ仮出力される。なお、このコマンド"direct_tagging"（直接タグがけ操作）とは、もし、"key"として<key>の要素の欄へ記入したＩＤに対応する記載があれば、これを<tag>の要素の欄へ記入したtagへ置き換えるコマンドである。
【００５０】
続いてユーザは、図４（ｃ）に示すＧＵＩ画面において、ルールの起動条件"<key>"となる表現を記述する。この記述は図４（Ｃ）に示すＧＵＩ画面の例ではテキストボックスを用いて抽出したい概念ＩＤや表層表現を、ユーザが直接"reil.jn00"と記述する。
【００５１】
この<key>要素の欄を入力するにあたり、文書変換装置がユーザ操作を次のように補助してもよい。
【００５２】
ユーザは、図４（Ａ）に示す通り、入力文書中から変換ルールを作成しようとする参照したい表現（表層表現）を選択（マーキング）する（ステップＳ２０）。
【００５３】
すると変換ルール作成部１７は、当該表現に一致する表現を知識辞書１６−１を参照して自動探索し、知識辞書１６−１中に当該表現の記載があるか否かを判定する（ステップＳ２１）。
【００５４】
変換ルール作成部１７は、ステップＳ２１で当該表現の記載が知識辞書１６−１にあれば図２（Ｂ）に示す通り表示すると共に、当該表現の階層構造にあたる上位ラベル（図４（Ｂ）の"rei1.jn00"）を、図４（Ｃ）の変換ルールの各項目入力部３３に示す図４（Ｃ）の<key>要素の欄へ概念ＩＤである"reil.jn00"自動的に埋め込まれる（ステップＳ２２）変換ルール作成部１７は、ステップＳ２１で当該表現の記載が知識辞書１６−１にない場合には処理を終了する。以上のステップは図４の吹き出しに記載のステップ１．〜３．に対応するものである。
【００５５】
次に、"<tag>"記述にはテキストボックス等を用いて、タグがけを行いたい要素名を記述する。またはプルダウンメニューを用いて、変換後文書に出現すべき要素名が列挙された中から選択することにより、内容の記述を行なうことも可能である。更に必要があれば"<begin>"、"<end>"の内容を記載する。これらも他要素と同様にテキストボックスなどを用いた直接記述の他、指定すべき要素内容を予めリストとして保持しておくことにより、プルダウンメニューを用いた選択操作で、要素内容を簡単に指定するようにすることも可能である。
【００５６】
このようにして"<rule>"タグ中で囲まれた１つの変換ルールで必要とする要件が全て埋められた後、ユーザは図示しない保存ボタンを押すと、変換ルール作成部１７は変換ルール１６−２の一部の変換ルールとして保存される。
【００５７】
上記の作成手順を繰り返し、変換ルール記述が可能な全てについて変換ルールを作成し終えると、変換ルール１６−２はユーザの所望の変換ルールとなり完成する。
【００５８】
図６は、上記手順により作成された変換ルールの一部の例である、表層表現"通達D-65502"に対し要素名"<FRONTM>"で直接タグがけを行なう変換ルールの例は図６に示すとおりである。
【００５９】
図１１は、図６の変換ルールを適用した変換前文書と変換後文書の部分構造例を示している。条件として該当した"通達D-65502"の箇所に<FRONTM>のタグが掛けられた例である。
【００６０】
仮変換結果出力部１９は、作成中の変換ルールがユーザの意図を反映したものになっているかどうかの検証を目的として、あるいは文書中における変換ルールの未適用箇所を明示的にユーザに提示するための手段を提供する。具体的にはある変換ルールによって変換が行なわれた場合に、入力および出力文書中でルールが適用された箇所である要素名や内容を、変換ルールの違いによって文字サイズや色、フォント、下線や強調などの文字装飾によって差異を明確化したり、変換箇所を矩形で囲んだり背景を網掛けにするなどの手段によって、変換箇所と変換が行なわれていない箇所に対して視覚的な差異を明確にする提示を行なう。図１２（Ａ）、（Ｂ）は変換ルール適用箇所の背景色変更の例を示している。この図１２（Ａ）は、図４（Ａ）に示す入力文書表示部３０であり、図１２（Ｂ）は図４（Ｅ）に示す仮出力結果表示部３２である。
【００６１】
図１３は、ユーザが図４（Ｅ）に示す仮出力結果表示部３２を参照して、変換ルール１６−２が保持している変換ルールの修正を行う手順の一例を説明するための図である。
【００６２】
ユーザは、図示しない編集ボタンを押すことにより編集モードとする。この後ユーザは、図４（Ｅ）に示す仮出力結果表示部３２の中から参照したい箇所（要素名）を選択する（ステップＳ３１）。すると変換ルール作成部１７は、該当する要素名を含む変換ルールを変換ルール１６−２から読み出して図４（Ｃ）へ表示する（ステップＳ３２）。このときこの変換ルールに対応する知識辞書１６−１の一部も読み出して図４（Ｂ）へ表示する。次に、変換ルール作成部１７は、該当要素名を含む変換ルールを編集可能な状態にする（ステップＳ３３）。次に、ユーザは、当該変換ルールの修正作業を、変換ルール登録時と同様の操作により行う（ステップＳ３４）。ユーザはこの修正が終わった後、図示しない保存ボタンを押す。これにより変換ルール作成部１７は修正された１つの変換ルールを、変換ルール１６−２の一部の変換ルールとして更新・保存する。
【００６３】
さらに仮出力結果表示のバリエーションとして、図１４に示すような確信度の異なる変換ルールが適用された場合に、入出力文書における変換適用箇所を、確信度の違いによって、異なる文字サイズや色、フォント等で文字修飾を施したり、矩形や網掛け種、背景色を変えて出力するなどの例が挙げられる。
【００６４】
個々の変換ルールに対し、その変換ルールの属性の一つとして、変換ルールで行なわれる変換がどれほど正確で確実であるかの値をユーザが定義した確信度を定義としてもたせておくことにより、例えば変換ルールにより<SECTION>や<TITLE>タグが掛けられた部分は確信度が高いので該当タグ表示部分の背景色を白、<FRONTM>のタグはやや低いので背景色を灰色、<NOTE>や<REFERENCE>タグは確信度の低いルールでタグがけが行なわれたので背景色をより深い灰色等で出力する例があげられる。またフォントサイズの大きさでその差異を表現する場合には、例えば修正の必要が無い確信度の高いルールの適用により自動付与されたタグを文字サイズの小さいもので表示したり、確信度の低いルールが適用されて自動付与されたタグは、ユーザの修正や確認が必要となるため必大きな文字サイズで表示することにより目立ちやすくする、などの出力例が挙げられる。
【００６５】
またさらに、仮出力結果表示のバリエーションとして、図１５に示すように、変換の未適用箇所を色違いで出力する場合に、変換ルールが適用されず変換が行なわれない箇所において、単に要素名のみを削除したような、すなわち文書内容が全く改変されずにその内容に係る親タグのみに変化が生じた場合にも、内容が記載されている箇所には元文書の構造を反映したような視覚的な差異である背景色の違いや、文字装飾の違いによって差異を明確化する例が挙げられる。図では出力文書例の<classification-ipc>タグや<classification-national>タグで囲まれた箇所において、変換処理の結果、各行ごとに付与されていた<p>タグが除去されたという変換ルールしか適用されていないと仮定する。しかしながら、この箇所の付与はさらに正しい修正が必要であり、こうした単純なルールが適用された場合には修正候補箇所として、変換がおこなわれた箇所をユーザの目にとまりやすくする為に、背景色の違いによって該当箇所をわかりやすく表示する。
【００６６】
図１６（Ａ）〜（Ｅ）は、変換ルール作成部１７により作成され、仮変換結果出力部１９に表示されるＧＵＩ画面を示す図であり、図４とは異なる文書が表示されている。
【００６７】
仮変換結果を参照したルール編集のバリエーションとして、この図１６に示すような仮出力結果表示部３２の画面に対し、ユーザが既に変換ルールが適用された任意の箇所を訂正情報入力部１８により指定（図４（Ｅ）の１．出力文書から参照したい箇所をマーキング）すると、変換ルール生成部１７は、変換ルール表示部３４にこの変換が行なわれた理由となる１つの変換ルールを変換ルール１６−２から読み出して図４と同様に編集可能に提示して（２．該当する要素名を含む変換ルールへジャンプし）、ユーザによる編集を促すインターフェースを具備しても良い。
【００６８】
このように仮出力結果表示部３２を表示するときに変換ルールの適用が行なわれた否かを識別可能に表示することにより、視覚的効果を施すようにしても良い。この視覚的効果を施すときの文字装飾や背景色などの種別指定は、予め変換ルール作成部１７に複数のテンプレートを保持しておき予めユーザが１つのテンプレート指定しておくことにより所望の視覚効果により表示するようにしても良い。また、変換ルールの中にオプションとしてテンプレートの指定を記述しておきプルダウンメニューによってテンプレート選択できるようにいても良い。そしてデフォルトで所定のテンプレートが選択されるようにすることにより、変換ルール毎に異なるテンプレートを使えると共に、テンプレートの指定をユーザが逐次選択する煩わしさを省くことが可能となる。
【００６９】
文書変換実行部１２は、変換ルール作成部１７により作成された変換ルール１６−２と、知識辞書１６−１を用いたルール解析部１３での解析結果とを元に入力文書１０に対して文書変換を行なう。文書出力部１４は、文書変換実行部１２により変換された文書を外部へ出力する。
【００７０】
以下に、変換ルールのグループ化について説明する。変換ルール１６−２は原則として記述順にルール解析部１３により解析される。しかし、記述順序に先行して、変換ルール１６−２中に記載するコマンドの所属するグループ種別が優先してルール解析部１３により変換処理が行なわれる。
【００７１】
変換ルール（コマンド）のグループ種別とは、図１７の記載例にあるように、文書変換を行なう上での変換ルール作成手順や、変換が行なわれる場合に適用されるルールの後戻りを防ぐために、変換ルールを機能別に大まかに３種（グループＡ，グループＢ，グループＣ）に分類したものである。グループＡは構造の詳細化処理に関しており、文書中の表層表現に対して新たにタグを付与する。グループＢはノードの移動・要素名の変更に関しており、文書中のタグ名や属性の変更、ノードの移動、テンプレートを用いた部分構造の変換を行う。グループＣは要素の削除・整合性の検証に関しており、文書中のタグや内容の削除、あるいはタグの並び替えを行う。
【００７２】
図１８はグループ種別を考慮した変換の手順を説明するための図である。図１８において、ルール解析部１３は知識辞書１６−１を読み込む（ステップＳ４０）。次に、ルール解析部１３は変換ルールを読み込む（ステップＳ４１）。次に、文書入力部１１は入力文書の解析結果を受理する（ステップＳ４２）。次に、ルール解析部１３は、入力文書をXML化する変換ルールの指定があるか否かを判断する（ステップＳ４３）。入力文書部１１はルール解析部１３の結果を受け、ステップＳ４３の判断結果がＹＥＳの場合には、変換前処理を実行（入力文書に対するＸＭＬ宣言の付与を）行い（ステップＳ４４）、この後、ステップＳ４５に移行する。文書入力部１１は、ステップＳ４３の判断結果がＮＯの場合には、ただちにステップＳ４５に移行する。
【００７３】
文書変換実行部では、ステップＳ４５ではグループＡのルールによるタグ付けを行い、続いてグループＢのルールによるタグ付け、グループＣのルールによるタグ付けを順に行う（ステップＳ４６、Ｓ４７）。最後に文書変換実行部１２は、変換結果を出力する（ステップＳ４８）。
【００７４】
図１９はコマンドごとに変換ルールが適用される変換手順を示す一具体例である。図２０は図１９の変換を行う変換ルールの一具体例である。
【００７５】
図１９において、まず初めに、文書入力部１１は、文書の中の１行である文書１９０１を文書変換実行部１２へ入力する。文書変換実行部１２は、文書１９０１に対して直接タグがけ操作のコマンドである"direct_tagging"（グループＡに属する）の、図２０左上欄の変換ルールおよび図２０右上欄の変換ルールを適用して変換する。この結果、文書１９０１は、知識辞書１６−１に記載のある表層表現"通達D-65502"には、タグ"<FRONTM>"およびこの内側に"<DOCNUM>"のタグが掛けられ（図１９（２）の処理））、図１９の文書１９０２に変換される。
【００７６】
次に、文書変換実行部１２は、文書１９０２に対して箇条書き数字の操作である"direct_tagging"（グループＡに属する）の図２０左下欄の変換ルールを適用して変換する。実際には、文書変換実行部１２は、文書１９０２から箇条書き数字である"１．１．１"を検出し、この検出した箇条書き数字"<del>"タグを掛ける（（３）の処理））。 以上でグループＡに属する"direct_tagging"のコマンドは全て処理が終了する。
【００７７】
次に、文書変換実行部１２は、文書１９０３に対してグループＢに属するコマンド"rename"の図２０右欄中央の変換ルールを適用して変換する。実際には、文書変換実行部１２は、文書１９０３から"<h3>"タグを検出し、この検出した"<h3>"タグを"<TITLE>"へ変更する（（４）の処理））。
【００７８】
次に、文書変換実行部１２は、グループＢに属するコマンド"move"の図２０左欄中央の変換ルールを実行する。この結果、"<TITLE>"の子要素にあった"<FRONTM>"が"<TITLE>"の兄弟ノードの位置に移動し、<TITLE><FRONTM>の並列化が行われ（（５）の処理））、続いてグループＣに属するコマンド"delall"の図２０右下欄の変換ルールを実行し、"<del>"タグが掛けられていた箇条書き番号がタグと共に削除される。この結果、文書変換実行部１２からは図１９の文書１９０５に示す変換後の文書が出力される。
【００７９】
以上の変換手順によって、文書変換実行部１２は所望の変換結果である図１９の文書１９０５に示す文書を得ることができる。
【００８０】
次に、変換の変形例として、任意回数タグがけの変換例を説明する。ここでは入力文書１０として図２１、変換ルール１６−２として図２２を例に説明する。文書変換実行部１２は、最初にグループＡに属する直接タグがけ操作である"direct_tagging"を適用する。ここでは図２１の１行目に記載された表層表現である"１.主要文献"に対して事前に"direct_tagging"の処理が行なわれ、その結果、既に"<_sbunken>"タグが掛かっている文書を入力文書と仮定する。
【００８１】
次に、文書変換実行部１２はグループＢに属するコマンドである"transform_refrain"の図２２に記載の変換ルールを適用し、"<_sbunken>"の一つ親のノードを軸として、一つ隣の兄弟ノードの子要素("<begin>"タグが示す指定内容に基づく)に"<li>"タグが繰り返し出現している限り、"<li>"の記述内容を変数"$a"として取り出し"<tag>"タグで囲まれたテンプレート中の指定箇所に埋め込んだ後、これを元文書中の条件が合致した箇所と置き換えるという操作を繰り返す。なお、文書変換実行部１２は、図２２に示したテンプレート中で変数"$count"が記載されている箇所は、変換後に繰り返された操作回数が数値として代入する。
【００８２】
図２３は、この変換により文書変換実行部１２から得られる変換結果を示す。入力文書１０中の指定ノード"<li>"タグで囲まれていた各文献内容が抽出され、変換ルールで指定されたテンプレートへ埋め込まれた後、元文書中の該当箇所と置き換えらていることがわかる。
【００８３】
次に、入力文書１０としてＸＭＬ文書ではなく図２４に示すプレーンテキスト（構造をもたない文書）が与えられた場合の処理について説明する。この場合には、文書入力部１１は、文書変換実行部１２により文書変換が行なわれる前処理に相当する処理として入力文書１１の解析を行い、この解析結果（例えば、プレーンテキストであると文書入力部１１が解析）に基づいて図２５に示す変換ルールを内部のメモリ等から読出してＸＭＬ宣言等を入力文書１０へ付与することにより図２６に示す形式的にＸＭＬ文書へと変換し、このＸＭＬ文書を文書変換実行部１２へ出力する。これにより文書変換実行部１２は通常の変換ルール実行処理が行なわれる。なお、文書入力部１１での変換ルールを用いた文書変換については、文書変換実行部１２と同じ構成を持たせることで実現可能である。
【００８４】
文書出力部１４では、前段の文書変換実行部１２の出力結果として、メモリ上に木構造形式として格納されているＸＭＬ文書を受理しその結果をＸＭＬ文書として出力する。
【００８５】
図２７は図３の入力文書に対し図９の変換ルールを適用した場合の出力文書を示している。
【００８６】
なお、知識辞書１６−１で保持されている文書中の出現語彙を変換ルールに記載しておくことにより、知識辞書１６−１を不要にすることが可能である。
【００８７】
【発明の効果】
本発明によれば、入力文書と変換ルールを受理して文書変換を行なう場合に、変換文書の種別毎に要する変換ルールの作成に伴うユーザの負担を極力抑えた上で、構造化文書の作成を行なうことが可能となる。
【図面の簡単な説明】
【図１】本発明が適用される文書変換装置のシステム全体を示すブロック図である。
【図２】図１を用いた文書構造変換手順の概略を説明するためのフローチャートである。
【図３】入力文書（一部）の一例を示す図である。
【図４】ルール作成時に用いられるＧＵＩ（グラフィカルユーザインタフェース）を示す図である。
【図５】知識辞書の一例を示す図である。
【図６】変換ルールの一例を示す図である。
【図７】変換コマンドの一例を示す図である。
【図８】変換コマンドの一例を示す図である。
【図９】図３の入力文書に対する変換ルールの一具体例を示す図である。
【図１０】変換ルールを作成する手順を説明するための図である。
【図１１】図６の変換ルールを適用した変換前文書と変換後文書の部分構造例を示す図である。
【図１２】変換ルール適用箇所の背景色変更の例を示す図である。
【図１３】仮出力結果表示を参照して、適用された変換ルールの修正を行う手順の一例を説明するための図である。
【図１４】確信度の違いを反映した表示例を示す図である。
【図１５】仮出力結果の表示例（タグ除去後の背景色変更）を示す図である。
【図１６】仮出力結果表示を参照して、適用された変換ルールの修正を行うＧＵＩの一例を示す図である。
【図１７】変換ルール中で用いられるコマンドのグループ分けを示す図である。
【図１８】グループ種別を考慮した変換の手順を説明するための図である。
【図１９】コマンドごとにルールが適用される手順を示す一具体例を示す図である。
【図２０】図１９の変換を行う変換ルールの一具体例を示す図である。
【図２１】任意回数タグがけの変換において、変換前の文書の一例を示す図である。
【図２２】任意回数タグがけの変換において、変換ルールを一例を示す図である。
【図２３】任意回数タグがけの変換において、変換後の文書の一例を示す図である。
【図２４】入力文書の一例としてのプレーンテキストを示す図である。
【図２５】図２４のプレーンテキストに適用される変換ルールの一例を示す図である。
【図２６】図２４の入力文書に対して図２５の変換ルールを適用した場合の出力文書を示す図である。
【図２７】図３の入力文書に対し図９の変換ルールを適用した場合の出力文書を示す図である。
【符号の説明】
１０…入力文書、１１…文書入力部、１２…文書変換実行部、１３…ルール解析部、１４…文書出力部、１５…出力文書、１６−１…知識辞書、１６−２…変換ルール、１７…変換ルール作成部、１８…訂正情報入力部、１９…仮変換結果出力部、２０…知識辞書作成部。
Claims (6)
- 構造を持たない文書であるプレーンテキストを任意の構造をもつ構造化文書に変換可能な文書変換装置であって、
入力文書の解析を行い、当該入力文書がプレーンテキストであるときに、当該プレーンテキストにＸＭＬ宣言を付与することによりＸＭＬ文書に形式的に変換する文書入力部と、
前記形式的に変換されたＸＭＬ文書と、前記任意の構造をもつ構造化文書との対応付けに関する変換ルールの記述に基いて、新たなタグの付与を含む構造の詳細化処理に関する変換ルールが規定された第１の変換ルール群と、文書中のタグ名や属性の変更を含むノードの移動・要素名の変更に関する変換ルールが規定された第２の変換ルール群と、文書中のタグや内容の削除、タグの並び替えを含む要素の削除・整合性の検証に関する変換ルールが規定された第３の変換ルール群とを含む、各々機能が異なる複数の変換ルール群のいずれかに属する変換ルールを作成する変換ルール作成部と、
前記形式的に変換されたＸＭＬ文書を前記任意の構造をもつ構造化文書へ変換するのに用いられる語彙を記憶した知識辞書を作成する知識辞書作成部と、
前記知識辞書作成部で作成された知識辞書と、前記第１、第２、第３の変換ルール群を含む複数の変換ルール群から適宜選択された変換ルールとを用いて、前記形式的に変換されたＸＭＬ文書を前記任意の構造をもつ構造化文書へ変換する文書変換実行部と、
を具備することを特徴とする文書変換装置。 - 前記変換ルール作成部は、
前記形式的に変換された XML 文書をユーザへ提示する入力文書提示部と、
前記入力文書提示部に提示された文書中の一部文書を前記ユーザが選択するための選択手段と、
前記知識辞書を前記ユーザへ提示する知識辞書提示部と、
前記選択手段により選択された前記一部文書の形式に一致する前記語彙を前記知識辞書の中から検索して前記知識辞書提示部に表示する知識辞書検索手段と、
前記変換ルールを作成するための複数の項目を入力する画面を作成するための変換ルール入力画面作成手段と、
この変換ルール入力画面作成手段により入力された複数の項目に応じて変換ルールを記録する変換ルール作成手段と、
前記知識辞書検索手段により検索された語彙に応じて前記変換ルール入力画面作成手段が作成した前記画面の項目を入力する入力補助手段と、を備えたことを特徴とする請求項１記載の文書変換装置。 - 前記変換ルール入力画面作成手段により作成された画面に設定されている項目から仮の変換ルールを作成する仮変換ルール作成手段と、
この仮の変換ルールを用いて、前記形式的に変換された XML 文書を仮変換する文書仮変換実行部と、
この仮変換した文書をユーザへ提示する仮変換文書提示部とを備えたことを特徴とする請求項２記載の文書変換装置。 - 前記仮変換文書提示部は、
前記仮の変換ルールにより、前記変換が適用される箇所とされない箇所とをユーザが識別可能な形態で提示することを特徴とする請求項３記載の文書変換装置。 - 前記仮変換文書提示部は、
前記仮の変換ルールの条件，文書中の語彙，出現位置，適用範囲，変換結果の内、少なくともいずれか１つを変換ルール毎に提示することを特徴とする請求項２記載の文書変換装置。 - 文書入力部と、変換ルール作成部と、知識辞書作成部と、文書変換実行部とを具備する文書変換装置により、構造を持たない文書であるプレーンテキストを任意の構造をもつ構造化文書に変換可能な文書変換方法であって、
前記文書入力部が、入力文書の解析を行い、当該入力文書がプレーンテキストであると きに、当該プレーンテキストにＸＭＬ宣言を付与することによりＸＭＬ文書に形式的に変換する文書入力ステップと、
前記変換ルール作成部が、前記形式的に変換された XML 文書と、前記任意の構造をもつ構造化文書との対応付けに関する変換ルールの記述に基いて、新たなタグの付与を含む構造の詳細化処理に関する変換ルールが規定された第１の変換ルール群と、文書中のタグ名や属性の変更を含むノードの移動・要素名の変更に関する変換ルールが規定された第２の変換ルール群と、文書中のタグや内容の削除、タグの並び替えを含む要素の削除・整合性の検証に関する変換ルールが規定された第３の変換ルール群とを含む、各々機能が異なる複数の変換ルール群のいずれかに属する変換ルールを作成する変換ルール作成ステップと、
前記知識辞書作成部が、前記形式的に変換された XML 文書を前記任意の構造をもつ構造化文書へ変換するのに用いられる語彙を記憶した知識辞書を作成する知識辞書作成ステップと、
前記文書変換実行部が、前記知識辞書作成部で作成された知識辞書と、前記第１、第２、第３の変換ルール群を含む複数の変換ルール群から適宜選択された変換ルールとを用いて、前記形式的に変換された XML 文書を前記任意の構造をもつ構造化文書へ変換する文書変換実行ステップと、
を具備することを特徴とする文書変換方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003197794A JP3961993B2 (ja) | 2003-07-16 | 2003-07-16 | 文書変換装置及び文書変換方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003197794A JP3961993B2 (ja) | 2003-07-16 | 2003-07-16 | 文書変換装置及び文書変換方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005038050A JP2005038050A (ja) | 2005-02-10 |
| JP3961993B2 true JP3961993B2 (ja) | 2007-08-22 |
Family
ID=34207818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003197794A Expired - Fee Related JP3961993B2 (ja) | 2003-07-16 | 2003-07-16 | 文書変換装置及び文書変換方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3961993B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009122933A (ja) * | 2007-11-14 | 2009-06-04 | Nec Corp | Ｘｍｌ文書変換の定義情報再構築装置、その方法およびプログラム |
| JPWO2009157082A1 (ja) * | 2008-06-27 | 2011-12-01 | 株式会社富士通エフサス | プログラム変換処理装置およびプログラム |
| CN101794282B (zh) | 2009-02-03 | 2013-11-06 | 日电（中国）有限公司 | 知识标注结果检查方法和系统 |
| DE102012112900A1 (de) * | 2011-12-22 | 2013-06-27 | Fanuc Robotics America Corp. | Numerische Steuerungsprogrammausrichtung durch Roboter |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09265431A (ja) * | 1996-03-28 | 1997-10-07 | Nippon Telegr & Teleph Corp <Ntt> | ドキュメント編集方法及び装置と、ドキュメント編集装置を含むクライアント装置 |
| JPH11195022A (ja) * | 1997-12-29 | 1999-07-21 | Canon Inc | 文字処理装置、文字処理方法および記録媒体 |
| JP2001101184A (ja) * | 1999-10-01 | 2001-04-13 | Nippon Telegr & Teleph Corp <Ntt> | 構造化文書生成方法及び装置及び構造化文書生成プログラムを格納した記憶媒体 |
| JP2001290801A (ja) * | 2000-02-04 | 2001-10-19 | Fujitsu Ltd | 構造文書化システム，構造文書化プログラム，及び、コンピュータ可読格納媒体 |
| JP4573402B2 (ja) * | 2000-06-28 | 2010-11-04 | 大日本印刷株式会社 | 文書サーバ、文書加工システム及び記録媒体 |
| JP2003058523A (ja) * | 2001-08-21 | 2003-02-28 | Nippon Telegr & Teleph Corp <Ntt> | 構造化文書の変換ルール作成方法および装置と変換ルール作成プログラムおよび該プログラムを記録した記録媒体 |
-
2003
- 2003-07-16 JP JP2003197794A patent/JP3961993B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2005038050A (ja) | 2005-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7912846B2 (en) | Document processing method, recording medium, and document processing system | |
| JP2001243222A (ja) | 構造化文書の表示規則の生成方法、システムおよびプログラムが記録された媒体ならびに構造化文書およびその文書型定義の変更方法、システムおよびプログラムが記録された媒体 | |
| US20070198915A1 (en) | Document Processing Device And Document Processing Method | |
| US20070208995A1 (en) | Document Processing Device and Document Processing Method | |
| US8423888B2 (en) | Document conversion and use system | |
| JP3961993B2 (ja) | 文書変換装置及び文書変換方法 | |
| JPH07200587A (ja) | 文書編集装置 | |
| JPWO2007052680A1 (ja) | 文書処理装置及び文書処理方法 | |
| JP3597940B2 (ja) | Ｈｔｍｌ文書本型整形方法及びその装置 | |
| US20090228678A1 (en) | Mapping definition creation system and mapping definition creation program | |
| JPWO2006137564A1 (ja) | 文書処理装置 | |
| JPH09245052A (ja) | 構造化文書処理装置 | |
| JP5206675B2 (ja) | 構造化文書変換装置 | |
| KR101905675B1 (ko) | 모듈의 구조 해석을 지원하는 장치 및 프로그램 | |
| JPH09265431A (ja) | ドキュメント編集方法及び装置と、ドキュメント編集装置を含むクライアント装置 | |
| JP4014065B2 (ja) | 構造化文書処理装置 | |
| JP4719743B2 (ja) | グラフ処理装置 | |
| JP3828499B2 (ja) | 文書編集装置、文書編集方法および文書編集プログラム | |
| JP4698943B2 (ja) | プログラム生産方法、プログラム生産装置、プログラム自動変換方法、およびプログラム | |
| JP4220439B2 (ja) | 構造化データ変換装置及び方法 | |
| JPH07107711B2 (ja) | 文書画像の処理装置 | |
| JP2000339307A (ja) | 組版装置 | |
| JPH10207884A (ja) | 原稿テキスト生成処理装置 | |
| JP2009059110A (ja) | 情報処理装置およびプログラム | |
| CN114265916A (zh) | 文档目录的生成方法、装置、终端设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060613 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060620 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060821 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061107 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070109 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070213 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070416 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070515 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070517 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100525 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110525 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110525 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120525 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120525 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130525 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130525 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140525 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |