JP5037965B2 - 目次判別目的類似度リンク計算の高速化 - Google Patents
目次判別目的類似度リンク計算の高速化 Download PDFInfo
- Publication number
- JP5037965B2 JP5037965B2 JP2007040132A JP2007040132A JP5037965B2 JP 5037965 B2 JP5037965 B2 JP 5037965B2 JP 2007040132 A JP2007040132 A JP 2007040132A JP 2007040132 A JP2007040132 A JP 2007040132A JP 5037965 B2 JP5037965 B2 JP 5037965B2
- Authority
- JP
- Japan
- Prior art keywords
- text fragment
- index
- index text
- contents
- fragment
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Description
Claims (4)
- コンピュータにより実施され、
電子文書から索引テキスト断片序列体及び本文テキスト断片序列体を抽出するステップと、
(a)索引テキスト断片序列体中葉に位置する起点索引テキスト断片に、本文テキスト断片序列体内から選んだ1個又は複数個のリンク先候補本文テキスト断片からなる起点リンク先候補集合を関連付けるステップと、
(b)索引テキスト断片序列体内索引テキスト断片のうち起点索引テキスト断片より冒頭寄りの索引テキスト断片の集合である冒頭寄り部分集合の中葉に位置することとなるよう、冒頭側処理対象索引テキスト断片を選択するステップと、
(c)索引テキスト断片序列体内索引テキスト断片のうち起点索引テキスト断片より末尾寄りの索引テキスト断片の集合である末尾寄り部分集合の中葉に位置することとなるよう、末尾側処理対象索引テキスト断片を選択するステップと、
(d)冒頭側処理対象索引テキスト断片に、起点リンク先候補集合内最末尾本文テキスト断片より冒頭寄りにある1個又は複数個のリンク先候補本文テキスト断片の集合を関連付けるステップと、
(e)末尾側処理対象索引テキスト断片に、起点リンク先候補集合内最冒頭本文テキスト断片より末尾寄りにある1個又は複数個のリンク先候補本文テキスト断片の集合を関連付けるステップと、
(f)それまでの冒頭側処理対象索引テキスト断片を起点索引テキスト断片として、冒頭寄り部分集合についてステップ(b)、(c)、(d)及び(e)における選択動作及び関連付け動作と同様の動作を実行するステップと、
(g)それまでの末尾側処理対象索引テキスト断片を起点索引テキスト断片として、末尾寄り部分集合についてステップ(b)、(c)、(d)及び(e)における選択動作及び関連付け動作と同様の動作を実行するステップと、
を有する文書内目次認識方法。 - 請求項1記載の文書内目次認識方法であって、起点索引テキスト断片、冒頭側処理対象索引テキスト断片及び末尾側処理対象索引テキスト断片のうち少なくとも何れかが、索引テキスト断片序列体の一部を構成する複数個の索引テキスト断片の蝟集部分を含む文書内目次認識方法。
- 請求項1記載の文書内目次認識方法であって、ステップ(a)、(d)及び(e)における関連付け動作が、索引テキスト断片に対するテキスト類似度に基づき索引テキスト断片に対応するリンク先候補本文テキスト断片を選択する動作を含む文書内目次認識方法。
- コンピュータにより実施され、索引テキスト断片序列体及び本文テキスト断片序列体を含む文書中の目次を認識する方法であって、
電子文書から索引テキスト断片序列体及び本文テキスト断片序列体を抽出するステップと、
索引テキスト断片序列体内で、索引テキスト断片序列体中葉に位置する起点索引テキスト断片と、当該起点索引テキスト断片に連接する索引テキスト断片と、で構成される索引テキスト断片の集合のうち冒頭寄りにある冒頭側処理対象索引テキスト断片の末尾側にN(Nは2以上の整数)個蝟集して連接している索引テキスト断片に係る最末尾リンク先候補本文テキスト断片に比べ、冒頭寄りにある1個又は複数個のリンク先候補本文テキスト断片を、その冒頭側処理対象索引テキスト断片に関連付けるステップと、
索引テキスト断片序列体内で、前記索引テキスト断片の集合のうち末尾寄りにある末尾側処理対象索引テキスト断片の冒頭側にM(Mは2以上の整数)個蝟集して連接している索引テキスト断片に係る最冒頭リンク先候補本文テキスト断片に比べ、末尾寄りにある1個又は複数個のリンク先候補本文テキスト断片を、その末尾側処理対象索引テキスト断片に関連付けるステップと、
それまでの冒頭側処理対象索引テキスト断片より冒頭寄りの索引テキスト断片を新たな冒頭側処理対象索引テキスト断片とするステップと、
それまでの末尾側処理対象索引テキスト断片より末尾寄りの索引テキスト断片を新たな末尾側処理対象索引テキスト断片とするステップと、
これら、冒頭側処理対象索引テキスト断片へのリンク先候補の関連付け、末尾側処理対象索引テキスト断片へのリンク先候補の関連付け、冒頭側処理対象索引テキスト断片の更新、並びに末尾側処理対象索引テキスト断片の更新を繰り返すことによって、索引テキスト断片に係る1個又は複数個のリンク先候補本文テキスト断片の集合を生成するステップと、
を有する方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/360,951 US7890859B2 (en) | 2006-02-23 | 2006-02-23 | Rapid similarity links computation for table of contents determination |
US11/360,951 | 2006-02-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007226797A JP2007226797A (ja) | 2007-09-06 |
JP5037965B2 true JP5037965B2 (ja) | 2012-10-03 |
Family
ID=38230118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007040132A Expired - Fee Related JP5037965B2 (ja) | 2006-02-23 | 2007-02-21 | 目次判別目的類似度リンク計算の高速化 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7890859B2 (ja) |
EP (1) | EP1826683B1 (ja) |
JP (1) | JP5037965B2 (ja) |
DE (1) | DE602007010850D1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9317494B2 (en) * | 2007-04-03 | 2016-04-19 | Sap Se | Graphical hierarchy conversion |
US8504553B2 (en) * | 2007-04-19 | 2013-08-06 | Barnesandnoble.Com Llc | Unstructured and semistructured document processing and searching |
US8065599B1 (en) * | 2007-06-29 | 2011-11-22 | Emc Corporation | Electronic submission preparation |
US7991709B2 (en) * | 2008-01-28 | 2011-08-02 | Xerox Corporation | Method and apparatus for structuring documents utilizing recognition of an ordered sequence of identifiers |
JP5412903B2 (ja) * | 2009-03-17 | 2014-02-12 | コニカミノルタ株式会社 | 文書画像処理装置、文書画像処理方法および文書画像処理プログラム |
US8719702B2 (en) * | 2010-03-09 | 2014-05-06 | Xerox Corporation | Document organizing based on page numbers |
US8340425B2 (en) | 2010-08-10 | 2012-12-25 | Xerox Corporation | Optical character recognition with two-pass zoning |
JP5536687B2 (ja) * | 2011-01-31 | 2014-07-02 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 目次と見出しの対応付け方法、対応付け装置、及び対応付けプログラム |
US20130174030A1 (en) * | 2012-01-04 | 2013-07-04 | Freedom Solutions Group, LLC, d/b/a Microsystems | Method and apparatus for analyzing abbreviations in a document |
US8830487B2 (en) | 2012-07-09 | 2014-09-09 | Xerox Corporation | System and method for separating image and text in a document |
US8812870B2 (en) | 2012-10-10 | 2014-08-19 | Xerox Corporation | Confidentiality preserving document analysis system and method |
US20140258851A1 (en) * | 2013-03-11 | 2014-09-11 | Microsoft Corporation | Table of Contents Detection in a Fixed Format Document |
CN103729422A (zh) * | 2013-12-23 | 2014-04-16 | 武汉传神信息技术有限公司 | 一种信息碎片关联输出的方法及系统 |
CN103744883A (zh) * | 2013-12-23 | 2014-04-23 | 武汉传神信息技术有限公司 | 一种快速选取信息碎片的方法及系统 |
CN103744884A (zh) * | 2013-12-23 | 2014-04-23 | 武汉传神信息技术有限公司 | 一种整理信息碎片的方法及系统 |
US9454696B2 (en) * | 2014-04-17 | 2016-09-27 | Xerox Corporation | Dynamically generating table of contents for printable or scanned content |
US20150310003A1 (en) * | 2014-04-28 | 2015-10-29 | Elwha Llc | Methods, systems, and devices for machines and machine states that manage relation data for modification of documents based on various corpora and/or modification data |
US10635743B2 (en) * | 2018-03-12 | 2020-04-28 | Microsoft Technology Licensing, Llc | Automatic extraction of document page numbers from PDF |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5434962A (en) | 1990-09-07 | 1995-07-18 | Fuji Xerox Co., Ltd. | Method and system for automatically generating logical structures of electronic documents |
US5359729A (en) * | 1991-05-31 | 1994-10-25 | Timeline, Inc. | Method for searching for a given point in regions defined by attribute ranges, then sorted by lower and upper range values and dimension |
US5491628A (en) | 1993-12-10 | 1996-02-13 | Xerox Corporation | Method and apparatus for document transformation based on attribute grammars and attribute couplings |
US6298357B1 (en) | 1997-06-03 | 2001-10-02 | Adobe Systems Incorporated | Structure extraction on electronic documents |
IE980959A1 (en) | 1998-03-31 | 1999-10-20 | Datapage Ireland Ltd | Document Production |
US6487566B1 (en) | 1998-10-05 | 2002-11-26 | International Business Machines Corporation | Transforming documents using pattern matching and a replacement language |
JP2000330979A (ja) * | 1999-05-18 | 2000-11-30 | Ntt Data Corp | 検索対象となる電子文書の解析方法及び電子文書登録システム |
US20040003028A1 (en) * | 2002-05-08 | 2004-01-01 | David Emmett | Automatic display of web content to smaller display devices: improved summarization and navigation |
US20020143818A1 (en) | 2001-03-30 | 2002-10-03 | Roberts Elizabeth A. | System for generating a structured document |
JP2003150586A (ja) | 2001-11-12 | 2003-05-23 | Ntt Docomo Inc | 文書変換システム、文書変換方法及び文書変換プログラムを記録したコンピュータ読み取り可能な記録媒体 |
US7137062B2 (en) * | 2001-12-28 | 2006-11-14 | International Business Machines Corporation | System and method for hierarchical segmentation with latent semantic indexing in scale space |
US6907431B2 (en) | 2002-05-03 | 2005-06-14 | Hewlett-Packard Development Company, L.P. | Method for determining a logical structure of a document |
US20040024780A1 (en) | 2002-08-01 | 2004-02-05 | Koninklijke Philips Electronics N.V. | Method, system and program product for generating a content-based table of contents |
-
2006
- 2006-02-23 US US11/360,951 patent/US7890859B2/en not_active Expired - Fee Related
-
2007
- 2007-02-21 EP EP07102799A patent/EP1826683B1/en not_active Expired - Fee Related
- 2007-02-21 DE DE602007010850T patent/DE602007010850D1/de active Active
- 2007-02-21 JP JP2007040132A patent/JP5037965B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US7890859B2 (en) | 2011-02-15 |
EP1826683B1 (en) | 2010-12-01 |
US20070198912A1 (en) | 2007-08-23 |
EP1826683A3 (en) | 2008-07-02 |
DE602007010850D1 (de) | 2011-01-13 |
JP2007226797A (ja) | 2007-09-06 |
EP1826683A2 (en) | 2007-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5037965B2 (ja) | 目次判別目的類似度リンク計算の高速化 | |
JP5144940B2 (ja) | 目次抽出におけるロバスト性向上 | |
JP4717049B2 (ja) | 文書のページ番号を検出する方法及びシステム | |
US8706475B2 (en) | Method and apparatus for detecting a table of contents and reference determination | |
US20120197908A1 (en) | Method and apparatus for associating a table of contents and headings | |
US8352857B2 (en) | Methods and apparatuses for intra-document reference identification and resolution | |
US20080065671A1 (en) | Methods and apparatuses for detecting and labeling organizational tables in a document | |
US8504356B2 (en) | Word classification system, method, and program | |
JP5010885B2 (ja) | 文書検索装置、文書検索方法および文書検索プログラム | |
JPH09198398A (ja) | パターン検索装置 | |
US9501557B2 (en) | Information generating computer product, apparatus, and method; and information search computer product, apparatus, and method | |
US11842152B2 (en) | Sentence structure vectorization device, sentence structure vectorization method, and storage medium storing sentence structure vectorization program | |
JP5447368B2 (ja) | 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム | |
JP3975825B2 (ja) | 文字認識誤り訂正方法、装置及びプログラム | |
CN112307205A (zh) | 基于自动摘要的文本分类方法、系统及计算机存储介质 | |
JP5990124B2 (ja) | 略語生成装置、略語生成方法、及びプログラム | |
JP2006072787A (ja) | 自動質問解答方法、そのためのモデル作成方法、およびコンピュータプログラム | |
JP2009176148A (ja) | 未知語判定システム、方法及びプログラム | |
JP6303508B2 (ja) | 文書分析装置、文書分析システム、文書分析方法およびプログラム | |
US10515297B2 (en) | Recognition device, recognition method, and computer program product | |
JP3939264B2 (ja) | 形態素解析装置 | |
JP2005189955A (ja) | 文書処理方法、文書処理装置、制御プログラム及び記録媒体 | |
Mihov et al. | Tuning the selection of correction candidates for garbled tokens using error dictionaries | |
WO2014097751A1 (ja) | 定義済み表現抽出システム、方法およびプログラム | |
JP2005189954A (ja) | 文書処理方法、文書処理装置、制御プログラム及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120228 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120525 |
|
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: 20120612 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120705 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150713 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |