JP4391157B2 - 文書処理装置、文書処理方法、文書処理プログラム、および記録媒体 - Google Patents

Description

本発明は、パーソナルコンピュータ、ＰＤＡ、携帯電話等のディスプレイの限られた表示スペースに文書画像等の表示スペースよりも大きな画像を表示する際に、ユーザに使い勝手の良い表示画面を提供することができる文書処理装置、文書処理方法、文書処理プログラムおよび記録媒体に関する。

従来、文書をデータベース化し、さらには、要素タグをつけたり、検索を行ったりという提案が行われている（特許文献１，特許文献２，特許文献３参照）。これら各文献の技術では、文書をデータベース化したり、要素タグをつけたり、検索を行うことにより、ユーザが目的とする（探し出したい）文書を容易に発見しやすくすることができる。

特開２０００−２２２４３８ 特開２００１−３４６３０ 特許第２９７１２９５号

しかし、上記従来技術は、何れも、類似文書の区別、たとえば、ある文書の一部を修正し、改版バージョンとして管理保存する場合や、定型のフォーマットに記載された伝票類などを、識別することは困難な場合が多い。

たとえば、ＭＦＰやスキャナなどで入力された画像が、たとえば、請求書、領収書、会議議事録、会議開催通知等の種類に応じて自動分類され、フォルダ分けされる。さらに、ある種類の書類（たとえば請求書）がさらに複数に分類される場合には、複数のフォルダに区分けされる。
この場合、１つのフォルダに蓄積された画像を表示する際に、類似画像であるために、縮小表示したのでは、各書類相互間で、区別がつかないという問題がある。
本発明の目的は、小さな表示スペースしかなくてもユーザが書類を明確に区別できるようにすることにある。

本発明は、複数の文書のデータを記憶する記憶手段と、上記記憶手段に記憶されている複数の文書のそれぞれのレイアウトを抽出し当該レイアウトに基づき文書を区分する文書区分手段と、上記記憶手段に記憶されている上記複数の文書の１つを基準文書とし、該基準文書以外の文書を参照文書とし、上記文書区分手段によって区分された上記基準文書のレイアウトと上記参照文書のレイアウトとを比較して類似していない個所を抽出する非類似個所抽出手段と、上記非類似個所抽出手段が抽出した、上記基準文書のうちレイアウトが上記参照文書と類似していない個所及び上記参照文書のうち該類似していない個所と対応する個所と、上記基準文書とを同時に表示する表示手段とを備えたものである。
上記表示手段は、上記基準文書の解像度に比べて、上記非類似個所抽出手段が抽出した、上記基準文書のうちレイアウトが上記参照文書と類似していない個所及び上記参照文書のうち該類似していない個所と対応する個所の解像度を高くするとよい。

本発明の文書処理方法は、文書処理装置に、該文書処理装置が備えた記憶手段に複数の文書のデータを記憶させる記憶ステップと、上記記憶ステップでデータを記憶させた複数の文書のそれぞれのレイアウトを抽出させ当該レイアウトに基づき文書を区分させる文書区分ステップと、上記記憶ステップでデータを記憶させた上記複数の文書の１つを基準文書とし、該基準文書以外の文書を参照文書とし、上記文書区分ステップによって区分された上記基準文書のレイアウトと上記参照文書のレイアウトとを比較させて類似していない個所を抽出させる非類似個所抽出ステップと、上記非類似個所抽出ステップに抽出させた、前記基準文書のうちレイアウトが上記参照文書と類似していない個所及び上記参照文書のうち該類似していない個所と対応する個所と、及び上記基準文書とを同時に表示させる表示ステップとを実行させるものである。
上記表示ステップは、上記基準文書の解像度に比べて、上記非類似個所抽出ステップに抽出させた、前記基準文書のうちレイアウトが上記参照文書と類似していない個所及び上記参照文書のうち該類似していない個所と対応する個所の解像度を高くするとよい。

また、コンピュータに、上述の文書処理方法の各ステップを実行させるための文書処理プログラムも提供する。
また、コンピュータに、上述の文書処理方法の各ステップを実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体も提供する。

以上のようなこの発明の文書処理装置、文書処理方法、文書処理プログラム、および記録媒体によれば、小さな表示スペースしかなくてもユーザが書類を明確に区別できるという効果を得る。

図１は本発明の第１実施形態の文書処理装置を示すブロック図である。図１において、文書処理装置１Aは、文書分類手段１０１と、文書区分手段１０２と、非類似個所抽出手段１０３と、非類似個所表示手段１０４と、文書保存手段１０５とを備えている。
文書分類手段１０１は、文書保存手段１０５に保存された複数の文書を呼び出し、全体の類似度に応じて各文書を分類することができる。

文書区分手段１０２は、各文書を区分することができる。非類似個所抽出手段１０３は、各文書中の類似していない個所を抽出することができる。また、非類似個所表示手段１０４は、非類似個所抽出手段１０３が抽出した個所のみを表示することができる。ここで、文書は大きく２つに分けられる。１つは、ワープロデータや表計算ソフト、さらには各要素が構造化されタグなどで意味付けされ管理されている電子データとして扱える文書である。もう１つは、紙データをスキャンして得られた、いわゆる画像データ（イメージデータ）である。

図２は、文書の類似度の説明図である。図２では、基準となる文書（基準文書ＢＤ）と、比較対象となる文書（参照文書ＲＤ１〜ＲＤ３）が表示されている。
基準文書ＢＤは、文字領域ａ１，ａ２，ａ３と線画領域ａ４とからなる。参照文書ＲＤ１は、文字領域ｂ１，ｂ２，ｂ３とからなる。これらの領域は、文書区分手段１０２が区分することができる。

文書分類手段１０１は、各領域の配置、大きさ、属性などから、類似度を判定することができる。
参照文書ＲＤ１を基準文書ＢＤと比較した場合、文字領域ｂ１，ｂ２は文字領域ａ１，ａ２と同一位置（または実質同一位置）に配置され、文字領域ｂ３は文字領域ａ３と線画領域ａ４の位置に配置されているので、参照文書ＲＤ１と基準文書ＢＤとの類似度は高い。

参照文書ＲＤ２を基準文書ＢＤと比較した場合、文字領域ｃ１は文字領域ａ１と同一位置（または実質同一位置）に配置され、文字領域ｃ２は文字領域ａ２，ａ３および線画領域ａ４の位置に配置されているので参照文書ＲＤ２と基準文書ＢＤとの類似度は、参照文書ＲＤ１と基準文書ＢＤとの類似度よりも低い。

参照文書ＲＤ３を基準文書ＢＤと比較した場合、線画領域ｄ１，ｄ２に対応する領域は基準文書ＢＤには存在しない（または、存在しても位置が大きくずれ領域の属性（文字領域か線図領域か）が大きく異なる）し、表領域ｄ３に対応する領域は基準文書ＢＤには存在しない（または、存在しても位置が大きくずれ領域の属性が大きく異なる）ので参照文書ＲＤ３と基準文書ＢＤとの類似度は低い。

図２の例では、文書分類手段１０１は、参照文書ＲＤ１，ＲＤ２を同一のグループに分類することができる。
なお、図２では、文書分類手段１０１は、文字領域と線画領域の２属性に分類したが、文書画像を、文字領域、写真領域、表領域などの属性に分類することもできる。文字領域は、さらにタイトル領域、本文領域、脚注領域などに分類してもよい。たとえば、文字領域ａ１，ｂ１，ｃ１がタイトル領域、文字領域ａ２，ａ３，ｂ２，ｂ３，ｃ２を文書領域として認識することができる。

文書分類手段１０１は、より具体的には、タイトル領域が文書中の上にあるか否か。２段組みであるか否か、文字領域の大きさは同じか否か等を参照して分類を行なうこともできる。また、これらの画像を重ね合わせ、同じ属性の画素はスコアがゼロ、違う属性の画素はスコアを１とし、スコアが小さい文書同士は類似度が高いとして分類を行なうことができる。

非類似個所抽出手段１０３は、文書中の類似していない個所を抽出し、各区分について、類似判定を行い、文書中の類似箇所、非類似箇所を特定する。すなわち、文書分類手段１０１により、文書の分類を行った後に、非類似個所抽出手段１０３により各領域ごとに類似度を比較する。

図３（Ａ），（Ｂ），（Ｃ）により、基準文書ＢＤと参照文書ＲＤとの比較を例に説明をする。図３（Ａ）では、文字領域ａ３と線画領域ａ４からなる領域と、文字領域ｂ３が異なっている（図３（Ｂ）参照：線画領域ａ４と文字ｂ３との重複部分をｂ３′で示す）ことから、非類似個所表示手段１０４は、図３（Ｃ）に示すように異なっている領域（線画領域ａ４と文字領域ｂ３の線画領域ａ４に対応する部分ｂ３′）のみをディスプレイＤＰＬＹ表示する。これにより、ユーザは、２つの文書（基準文書ＢＤと参照文書ＲＤ）の区別が可能となる。

図４は本発明の第２実施形態の文書処理装置を示すブロック図である。図４において、文書処理装置１Ｂは、図１に示した文書処理装置１Ａの各構成要件に加え、類似個所抽出手段１０６と、類似個所表示手段１０７とを備えている。類似個所抽出手段１０６は、各文書中の類似している個所を抽出することができる。また、類似個所表示手段１０７は類似個所抽出手段１０６が抽出した個所のみを表示することができる。

図５（Ａ），（Ｂ）は、基本画像ＢＣの類似領域ＢＣ−１と、参照画像ＲＣの非類似領域ＲＣ−１とを重ね合わせて表示する例を示している。図５（Ａ）は、基本画像ＢＣの類似領域ＢＣ−１と非類似領域ＢＣ−２とを示すとともに、参照画像ＲＣの非類似領域ＲＣ−１とを示している。また、図５（Ｂ）は基本画像ＢＣの類似領域ＢＣ−１と、参照画像ＲＣの非類似領域ＲＣ−１とが重ねて表示された様子と示している。なお、図示はしないが、基本画像ＢＣを同一として、参照画像ＲＣを順次、異なる文書の参照画像ＲＣに切り換えるようにも構成できる。

図６は本発明の文書処理システムの第１実施形態を示すブロック図である。図６において、サーバ３Ａは、文書分類手段１０１と、文書区分手段１０２と、非類似個所抽出手段１０３と、文書保存手段１０５と、通信手段１０８とを備え、クライアント４Ａは、非類似個所表示手段１２１と、文書保存手段１２３と、通信手段１２４とを備えている。サーバ３Ａの通信手段１０８と、クライアント４Ａの通信手段１２４とは、ネットワーク５００に接続されている。

クライアント４Ａは、たとえば自己の文書保存手段１２３に蓄積した多数の文書を、通信手段１２４を用いてサーバ３Ａの文書保存手段１０５に転送することができる。受信した文書について、サーバ３Ａは、文書分類手段１０１による処理、文書区分手段１０２による処理、非類似個所抽出手段１０３による処理を行い、通信手段１０８を用いて処理結果をクライアント４Ａに転送し、クライアント４Ａの非類似個所表示手段１２１にはリアルタイムで、図３（Ｃ）に示したような画像が表示される。

図７は本発明の文書処理システムの第２実施形態を示すブロック図である。図７において、サーバ３Ｂは図６のサーバ３Ａの各構成要素に加え、類似個所抽出手段１０６を備え、クライアント４Ｂは図６のクライアント４Ａの各構成要素に加え、類似個所抽出手段１２２を備えている。

この実施形態では、たとえばクライアント４Ｂは、自己の文書保存手段１２３に蓄積した多数の文書を、通信手段１２４を用いてサーバ３Ｂの文書保存手段１０５に転送することができる。受信した文書について、サーバ３Ｂは、文書分類手段１０１による処理、文書区分手段１０２による処理、非類似個所抽出手段１０３、類似個所抽出手段１０６による処理を行い、通信手段１０８を用いて処理結果をクライアント４Ｂに転送することができる。クライアント４Ｂの非類似個所表示手段１２１、類似個所表示手段１２２にはリアルタイムで、図５（Ｂ）に示したような画像が表示される。

本発明の第１実施形態の文書処理装置を示すブロック図である。 文書の類似度の説明図である。 基準文書ＢＤと参照文書ＲＤとの比較を例示する図であり、（Ａ）は比較の様子を示す図、（Ｂ）は比較によって得られた非類似領域を示す図、（Ｃ）は非類似領域をディスプレイに表示した状態を示す図である。 本発明の第２実施形態の文書処理装置を示すブロック図である。 基本画像の類似領域と、参照画像の非類似領域とを重ね合わせて表示する例を示す図であり、（Ａ）は基本画像の類似領域と非類似領域とを示すとともに、参照画像の非類似領域とを示す図、（Ｂ）は基本画像の類似領域と参照画像の非類似領域とが重ねて表示された様子と示す図である。 本発明の文書処理システムの第１実施形態を示すブロック図である。 本発明の文書処理システムの第２実施形態を示すブロック図である。

符号の説明

１Ａ，１Ｂ 文書処理装置
３Ａ，３Ｂ サーバ
４Ａ，４Ｂ クライアント
１０１ 文書分類手段
１０２ 文書区分手段
１０３ 非類似個所抽出手段
１０４，１２１ 非類似個所表示手段
１０５，１２３ 文書保存手段
１０６ 類似個所抽出手段
１０７，１２２ 類似個所表示手段
１０８，１２４ 通信手段
５００ ネットワーク

Claims (6)

1. 複数の文書のデータを記憶する記憶手段と、
   前記記憶手段に記憶されている複数の文書のそれぞれのレイアウトを抽出し当該レイアウトに基づき文書を区分する文書区分手段と、
   前記記憶手段に記憶されている前記複数の文書の１つを基準文書とし、該基準文書以外の文書を参照文書とし、前記文書区分手段によって区分された前記基準文書のレイアウトと前記参照文書のレイアウトとを比較して類似していない個所を抽出する非類似個所抽出手段と、
   前記非類似個所抽出手段が抽出した、前記基準文書のうちレイアウトが前記参照文書と類似していない個所及び前記参照文書のうち該類似していない個所と対応する個所と、前記基準文書とを同時に表示する表示手段とを備えたことを特徴とする文書処理装置。
2. 前記表示手段は、前記基準文書の解像度に比べて、前記非類似個所抽出手段が抽出した、前記基準文書のうちレイアウトが前記参照文書と類似していない個所及び前記参照文書のうち該類似していない個所と対応する個所の解像度を高くしたことを特徴とする請求項１記載の文書処理装置。
3. 文書処理装置に、
   該文書処理装置が備えた記憶手段に複数の文書のデータを記憶させる記憶ステップと、
   前記記憶ステップでデータを記憶させた複数の文書のそれぞれのレイアウトを抽出させ当該レイアウトに基づき文書を区分させる文書区分ステップと、
   前記記憶ステップでデータを記憶させた前記複数の文書の１つを基準文書とし、該基準文書以外の文書を参照文書とし、前記文書区分ステップによって区分された前記基準文書のレイアウトと前記参照文書のレイアウトとを比較させて類似していない個所を抽出させる非類似個所抽出ステップと、
   前記非類似個所抽出ステップに抽出させた、前記基準文書のうちレイアウトが前記参照文書と類似していない個所及び前記参照文書のうち該類似していない個所と対応する個所と、前記基準文書とを同時に表示させる表示ステップとを実行させることを特徴とする文書処理方法。
4. 前記表示ステップは、前記基準文書の解像度に比べて、前記非類似個所抽出ステップに抽出させた、前記基準文書のうちレイアウトが前記参照文書と類似していない個所及び前記参照文書のうち該類似していない個所と対応する個所の解像度を高くしたことを特徴とする請求項３記載の文書処理方法。
5. コンピュータに、請求項３または４に記載の文書処理方法の各ステップを実行させるための文書処理プログラム。
6. コンピュータに、請求項３または４に記載の文書処理方法の各ステップを実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体。

Images