JP6277921B2 - 用語集管理装置および用語集管理プログラム - Google Patents

Description

本発明は、用語集の作成に用いる用語集管理装置および用語集管理プログラムに関する。

従来から、国語や外国語の学習では、多読が有効な手段の一つとされている。そして現在では、学習のために、インターネットなどから多くの文章を入手し読むことが出来る。

しかし、インターネットから入手した文章などは、特定のレベルの学習者を対象として作成された文章ではないため、そのままでは語学学習に適しているとは言えなかった。

そのため、例えば、特許文献１において開示された技術では、英語の単語や熟語、言い回しごとに、ユーザーが習得済みのものであれば「習得」の属性を付け、次に習得すべきものであれば「習得中」の属性を付ける。そして、入手した英文を平易な英文に変換する時に、学習を目的とする英文に変換する場合は、「習得」および「習得済」の語に変換する。また、内容の理解を目的とする英文に変換する場合は、「習得済」の語のみを用いて変換する。

特開２０１３−７２９７３号公報

しかし、特許文献１の技術では、英語の単語や熟語を収集しデータベースに登録する作業は人が行わなければならず、非常に手間のかかるものであった。

以上のような事情に鑑み、本発明の目的は、用語集に登録する文字列を収集する手間を低減でき、用語集の使用目的に沿った用語を収集できる用語集管理装置および用語集管理プログラムを提供することにある。

上記目的を達成するため、本発明の一形態に係る用語集管理装置は、文書を読み取る読み取り部および前記文書を出力する出力部の少なくとも一方と、前記文書から抽出された文字列により構成される用語集を記憶可能な記憶部と、ユーザーが前記文書の読み取りおよび出力の少なくとも一方を行う際、前記文書からテキストデータを取得する取得部と、前記取得部により取得された前記テキストデータを記述している言語および前記テキストデータを構成している文字列の品詞を解析し、解析結果に基づいて、前記文字列を抽出する解析部と、前記抽出された文字列を、一般的な用語が登録されたパブリック辞書とマッチングさせる用語マッチング部と、前記抽出された文字列が前記パブリック辞書の見出し語と一致しないとき、前記抽出された文字列を前記用語集に登録する登録部とを備えるので、用語集に登録する文字列を収集する手間を低減でき、用語集の使用目的に沿った用語を収集できる。

上記目的を達成するため、本発明の一形態に係る用語集管理装置では、前記取得部は、前記文書が社内文書であるとき、前記文書からテキストデータを取得する構成でもよい。

上記目的を達成するため、本発明の一形態に係る用語集管理装置では、前記解析部は、解析した前記文字列の前記品詞が名詞または動詞であるとき、前記文字列を抽出する構成でもよい。

上記目的を達成するため、本発明の一形態に係る用語集管理装置では、前記登録部は、前記テキストデータが日本語で記述されており、抽出された前記文字列がアルファベットで構成されており、抽出された前記文字列が固有名詞であるとき、抽出された前記文字列を前記用語集に登録する構成でもよい。

上記目的を達成するため、本発明の一形態に係る用語集管理プログラムは、ユーザーが文書の読み取りおよび出力の少なくとも一方を行う際、文書からテキストデータを取得し、取得された前記テキストデータを記述している言語および前記テキストデータを構成している文字列の品詞を解析し、解析結果に基づいて、前記文字列を抽出し、前記抽出し文字列を、一般的な用語が登録されたパブリック辞書とマッチングさせ、前記抽出された文字列が前記パブリック辞書の見出し語と一致しないとき、前記抽出された文字列を前記用語集に登録する手順をコンピューターに実行させる。

以上のように、本発明によれば、用語集に登録する文字列を収集する手間を低減でき、用語集の使用目的に沿った用語を収集できる。

用語集管理装置の一般的な構成を示す構成図である。 用語集管理装置を画像形成装置１０として実現する場合の構成図である。 用語集管理装置を、情報処理装置を中心としたクライアント・サーバー型の用語集管理システム１００で実現する場合の構成図である。 文字列を収集してからローカル用語集２１ａに登録するまでの処理の流れについて説明するためのフローチャートである。 ローカル用語集２１ａへの文字列の登録処理の詳細について説明するためのフローチャートである。

以下、図面を参照しながら、本発明の実施形態を説明する。
［概要］
最初に、本発明の一実施形態に係る用語集管理装置の概要について説明する。本発明の用語集管理装置では、用語集に登録する文字列の収集とは無関係に、ユーザーが一般的に行う、文書のコピーや印刷などの作業が行われることを前提としている。

そして、本発明に係る処理として、本発明の用語集管理装置は、まず、ユーザーが用語集に登録する文字列の収集とは無関係に行った、文書のコピーや印刷などの作業の際に、用語集に登録する文字列を収集する。

そして、本発明の用語集管理装置は、収集した文字列を用語集に登録するか否かの判断を行い、登録するとした用語の用語集への登録を行う。

なお、文字列を登録するか否かの判断においては、入力された文書が社内のものであるか、社外のものであるかの情報を利用してもよい。

また、文字列の品詞が、名詞または動詞であるものを用語集に登録するようにしてもよい。

また、文字列を抽出した元の文書が書かれている言語が日本語か否か、そして、日本語の場合、抽出した文字列がアルファベットのみで構成され、かつ固有名詞であるかに基づいて用語集への登録を判断してもよい。

以上の段階を経ることにより、本発明の用語集管理装置は、用語集に登録するために収集する文字列を適切に選別し、用語集を使用目的に沿ったものとすることが出来る。
また、ユーザーが用語集を作成する手間を削減することも出来る。
なお、用語を収集して作成した用語集に対しては、各用語の意味を登録することにより、作成した用語集の有用性を高めることが出来る。

なお、以下の説明では、用語集管理装置が管理する用語集をローカル用語集と呼び、例えばインターネットなどのネットワーク上にある、本発明の用語集管理装置とは無関係に管理されている用語集や辞書などをパブリック辞書と呼んで区別する。

以上、本発明の一実施形態に係る用語集管理装置の概要について説明した。

［構成］
次に、本発明の用語集管理装置の構成について説明する。なお、以下では、最初に用語集管理装置の一般的な構成を説明する。その後、用語集管理装置を１つの画像形成装置（ＭＦＰ、Multifunction Peripheral）として実現した実施形態の構成を説明する。さらに、用語集管理装置を、ネットワークを介したクライアント・サーバー型の構成で実現する場合の構成についても説明する。

（一般的な用語集管理装置の構成）
図１は、用語集管理装置１の一般的な構成を示す構成図である。用語集管理装置１は、スキャナー２、情報処理装置３、出力装置９を備えている。

スキャナー２は、ユーザーが文書をコピーしたり電子化したりする際に、原稿を読み込むために用いられる。

出力装置９は、ディスプレイなどの表示装置や、プリンターなどの印刷装置、ネットワーク上の外部機器にデータを送信するネットワーク機器などである。ユーザーが文書の内容を閲覧したり、文書のコピーや印刷をしたり、他の機器に文書をネットワーク経由で送信したりするために用いられる。

情報処理装置３は、一般的なコンピューターを用いて実現することが出来る。情報処理装置３は、記憶部５、入力部６、制御部７、および通信部８を備えている。

記憶部５は、制御部７が後述する処理を行う際に用いる作業用のデータを保存するために用いられると共に、用語を集めたローカル用語集５ａなどを記憶する。

入力部６は、ユーザーからの指示を受け付けるために用いられる。

制御部７は、概要において述べた２つの段階の処理（詳細は後述）を行う。制御部７は、ＯＣＲ（Optical Character Recognition）処理部７ａ、取得部７ｂ、解析部７ｃ、用語マッチング部７ｄ、および登録部７ｅを有している。

ＯＣＲ処理部７ａは、スキャナー２で読み込んだ原稿のイメージデータから文字を認識し、電子的なテキストデータを生成する。なお、スキャナー２およびＯＣＲ処理部７ａを合わせたものが、読み取り部に相当する。

取得部７ｂは、ユーザーがコピーや出力を行った文書から文字列を抽出して取得することなどを行う。

解析部７ｃは、入力された文書や抽出した文字列の解析を行う。

用語マッチング部７ｄは、抽出された文字列とパブリック辞書のマッチングを行う。

登録部７ｃは、解析部７ｃによる解析結果が条件に合致した文字列やパブリック辞書とのマッチング結果が条件に合致した文字列、およびその文字列の元文書内での位置を示す情報をローカル用語集５ａに登録する。

通信部８は、制御部７が情報処理装置３の外部と情報のやりとりを行う際に用いられる。

なお、出力部９がネットワーク機器である場合、このネットワーク機器と通信部８は兼用されてもよい。

以上が、一般的な用語集管理装置１の構成である。

（用語集管理装置を画像形成装置で実現した構成）
次に、用語集管理装置を画像形成装置として実現する場合の構成について説明する。図２は、用語集管理装置を画像形成装置１０として実現する場合の構成図である。

画像形成装置１０は、制御部１１を備える。制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、および専用のハードウェア回路等から構成され、画像形成装置１０の全体的な動作制御を司る。

制御部１１は、画像読取部１２、画像処理部１３、画像メモリー１４、画像形成部１５、用語集部１６、操作部１８、ファクシミリ通信部１９、ネットワークインターフェイス部２０、記憶部２１等と接続されている。制御部１１は、接続されている上記各部（ブロック）の動作制御や、各ブロックとの間での信号又はデータの送受信を行う。

制御部１１は、ユーザーから、操作部１８またはネッワーク接続されたＰＣ等を通じて入力されるジョブの実行指示に従って、スキャナー機能、印刷機能、コピー機能、およびファクシミリ送受信機能などの各機能についての動作制御を実行するために必要な機構の駆動及び処理を制御する。

また、制御部１１は、概要の項で述べた処理を行う。

また、制御部１１は、ＯＣＲ処理部１１ａ、取得部１１ｂ、解析部１１ｃ、用語マッチング部１１ｄ、および登録部１１ｅを有している。

ＯＣＲ処理部１１ａ、取得部１１ｂ、解析部１１ｃ、用語マッチング部１１ｄ、および登録部１１ｅは、それぞれ、上述したＯＣＲ処理部７ａ、取得部７ｂ、解析部７ｃ、用語マッチング部７ｄ、および登録部７ｅに相当するものであり、ＲＯＭなどからＲＡＭにロードされたプログラムがＣＰＵにより実行されることで実現される機能ブロックである。

画像読取部１２は、原稿から画像を読み取るものであり、上述した一般的な用語集管理装置１のスキャナー２に相当する。

画像処理部１３は、画像読取部１２で読み取られた画像の画像データを必要に応じて画像処理する。例えば、画像処理部１３は、画像読取部１２により読み取られた画像が画像形成された後の品質を向上させるために、シェーディング補正等の画像処理を行う。

画像メモリー１４は、画像読取部１２による読み取りで得られた原稿画像のデータを一時的に記憶したり、画像形成部１５での印刷対象となるデータを一時的に記憶したりする領域である。

画像形成部１５は、画像読取部１２で読み取られた画像データ等の画像形成を行う。

操作部１８は、画像形成装置１０が実行可能な各種動作及び処理についてユーザーからの指示を受け付けるタッチパネル部および操作キー部を備える。タッチパネル部は、タッチパネルが設けられたＬＣＤ（Liquid Crystal Display）等の表示部１８ａを備えている。上述した一般的な用語集管理装置１の入力部６に相当する。

ファクシミリ通信部１９は、図示しない符号化／復号化部、変復調部、およびＮＣＵ（Network Control Unit）を備え、公衆電話回線網を用いてのファクシミリの送信を行う。

ネットワークインターフェイス部２０は、ＬＡＮボード等の通信モジュールから構成され、ネットワークインターフェイス部２０に接続されたＬＡＮ等を介して、ローカルエリア内の装置(サーバー、ＰＣ等の外部機器)と種々のデータの送受信を行う。上述した一般的な用語集管理装置１の通信部１０に相当する。

記憶部２１は、画像読取部１２によって読み取られた原稿画像等を記憶したり、ローカル用語集２１ａを記憶したりする。なお、ローカル用語集２１ａは、上述した一般的な用語集管理装置１のローカル用語集５ａに相当する。記憶部２１は、ＨＤＤ（Hard Disk Drive）などの大容量の記憶装置である。

以上、用語集管理装置を画像形成装置１０として実現する場合の構成について説明した。

（用語集管理装置をクライアント・サーバー型で実現した構成）
次に、用語集管理装置を、情報処理装置を中心としたクライアント・サーバー型の用語集管理システムで実現する構成について説明する。図３は、用語集管理装置を、情報処理装置５０を中心としたクライアント・サーバー型の用語集管理システム１００で実現する場合の構成図である。

用語集管理システム１００は、画像形成装置４０および情報処理装置５０がネットワークを介して通信することにより実現される。なお、用語集管理システム１００は、外部のパブリック辞書サーバー６０を用いて処理を行ってもよい。また、ネットワークには、ユーザーが利用するＰＣ（Personal Computer、図示せず）が接続されていてもよい。

画像形成装置４０は、一般的な画像形成装置に、ローカル用語集に登録する文字列を収集するための仕組みを付加したものである。付加された仕組みは、ユーザーが文字列の収集とは無関係に文書のコピーや印刷などの処理を行う際に、処理の対象となった文書から文字列を抽出して、情報処理装置５０に送信するものである。

情報処理装置５０は、画像形成装置４０から送られてきた文字列をローカル用語集に登録する処理を行うものである。情報処理装置５０は、用語集管理装置１の情報処理装置３に相当するものである。

パブリック辞書サーバー６０は、インターネットなどのネットワーク上で提供されている、一般的な用語が収録された、任意の数のパブリック辞書である。

情報処理装置５０は、文字列をローカル用語集に登録する前に、その文字列がパブリック辞書にあるか否か調べてもよい。外部のパブリック辞書サーバー６０を調べて、パブリック辞書サーバー６０上に既にある用語は登録しないようにすることにより、用語登録の重複を防止し、用語集の大きさを抑制したり、ローカル用語集をその利用目的に沿った用語集にしたりすることが出来る。

また、情報処理装置５０は、社内文書でありかつ日本語の文書に含まれる、アルファベットで構成された文字列が固有名詞であるか否かを調べるために、パブリック辞書を利用してもよい。

例えば、社内向けの日本語の文書内に、Jupiterという文字列が含まれている場合、その文字列は、高い確率で社内において行われているプロジェクトの名前や新製品のコードネームとして使われているからである

なお、用語集管理装置１、画像形成装置１０、および情報処理装置５０は、パブリック辞書を自装置内部に備えていてもよい。

以上、用語集管理装置を、画像形成装置を中心としたクライアント・サーバー型の用語集管理システム１００で実現する構成について説明した。なお、パブリック辞書サーバー６０は、用語集管理システム１００と組み合わせて利用される構成に限らず、用語集管理装置１または画像形成装置１０と組み合わせて用いてもよい。

［処理の流れ］
次に、文字列を収集してからローカル用語集２１ａに登録するまでの処理の流れについて説明する。図４は、文字列を収集してからローカル用語集２１ａに登録するまでの処理の流れについて説明するためのフローチャートである。

なお、以下の説明では、図２に示した、用語集管理装置を１つの画像形成装置１０として実施し、さらに画像形成装置１０がネットワーク上にあるパブリック辞書サーバー６０と連携する例を用いて説明する。

まず、ユーザーが、画像形成装置１０を用いて、任意の文書のコピーや印刷を行う（ステップＳ１）。

次に、画像形成装置１０の操作部１８が、ユーザーから、コピーや印刷を行った文書が社外の文書であるか社内の文書であるかの社内外区分を受け付ける（ステップＳ２）。

次に、取得部１１ｂが、前ステップで入力された社内外区分に基づいて、ステップＳ１においてコピーまたは印刷が行われた文書が社内文書であるか否かを判断する（ステップＳ３）。

ステップＳ１においてコピーまたは印刷が行われた文書が社内文書であると判断された場合（ステップＳ３のＹ）、取得部１１ｂは、コピーまたは印刷が行われた文書からテキストデータを取得する（ステップＳ４）。なお、このステップでは、文書が画像読取部１２により読み取られたものである場合、ＯＣＲ処理部１１ａによりイメージデータからテキストデータへの変換が行われる。

次に、解析部１１ｃが取得されたテキストデータの解析を行い、テキストデータが記述された言語が、日本語であるか、英語であるか、その他の言語であるかの解析を行う（ステップＳ５）。

言語の解析には、一般的に知られている技術を用いてもよいし、テキストデータの大半を構成する文字の種類、例えば日本語であれば、平仮名や片仮名が多く含まれるかにより判断してもよい。

また、テキストデータが記述されている言語の判断は、ユーザーにより行われてもよい。

次に、解析部１１ｃは、テキストデータを記述している言語が日本語であるか否かを判断する（ステップＳ６）。

テキストデータが日本語で記述されている場合（ステップＳ６のＹ）、解析部１１ｃは、次に、テキストデータから形態素解析等により抽出した文字列の品詞を解析し、品詞が名詞または動詞である文字列を抽出する（ステップＳ７）。

また、解析部１１ｃは、後にユーザーに提示するために、前ステップで抽出した文字列が、元の文書のどの位置から抽出されたものであるかを示す位置情報を取得し、記憶部２１に記憶させる。位置情報は、ローカル用語集２１ａの用語をユーザーが利用するときに、その出典を知るために利用することが出来る。

次に、解析部１１ｃは、抽出した文字列が、アルファベットのみで構成され、かつ固有名詞であるか否かを判断する（ステップＳ９）。

抽出した文字列が、アルファベットのみで構成され、かつ固有名詞のもの以外の場合（ステップＳ９のＮ）、用語マッチング部１１ｄが、抽出した文字列とパブリック辞書サーバー６０上のパブリック辞書とのマッチングを行う。

次に、用語マッチング部１１ｄは、マッチングの結果が一致したか否かを判断する（ステップＳ１１）。なお、マッチングの結果が一致するとは、抽出した文字列がパブリック辞書の見出し語として存在するということである。

ステップＳ９において、抽出した文字列が、アルファベットのみで構成され、かつ固有名詞である場合（ステップＳ９のＹ）、およびステップＳ１１において、マッチングの結果が一致しなかった場合（ステップＳ１１のＮ）、登録部１１ｅが、抽出した文字列をローカル用語集２１ａに登録する（ステップＳ１２）。なお、登録処理の詳細については後述する。

以上が、文字列を収集してからローカル用語集２１ａに登録するまでの処理の流れについて説明した。なお、上記の処理のうち、ステップＳ８からステップＳ１２までは、ステップＳ７において抽出した文字列それぞれに対して行われる。

［ローカル用語集への登録処理の詳細］
次に、ローカル用語集２１ａへの文字列の登録処理の詳細について説明する。図５は、ローカル用語集２１ａへの文字列の登録処理の詳細について説明するためのフローチャートである。

まず、登録部１１ｅは、ローカル用語集２１ａが存在するか否かを判断する（ステップＳ２０）。

ローカル用語集２１ａがまだ存在しない場合（ステップＳ２０のＮ）、登録部１１ｅは、ローカル用語集２１ａの枠を作成する。（ステップＳ２１）。

ローカル用語集２１ａが既に存在する場合（ステップＳ２０のＹ）、次に、登録部１１ｅは、ローカル用語集２１ａに登録しようとしている文字列が既にローカル用語集２１ａに存在しているか否かを判断する（ステップＳ２２）。

登録しようとしている文字列がローカル用語集２１ａに存在していない場合（ステップＳ２２のＮ）、登録部１１ｅは、抽出した文字列をローカル用語集２１ａに登録する（ステップＳ２３）。

以上、ローカル用語集２１ａへの文字列の登録処理の詳細について説明した。

［補足事項］
その他、本技術は、上述の実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。

１ … 用語集管理装置
２ … スキャナー
３ … 情報処理装置
５ … 記憶部
５ａ… 用語集
６ … 入力部
７ … 制御部
７ａ… ＯＣＲ処理部
７ｂ… 取得部
７ｃ… 解析部
７ｄ… 用語マッチング部
７ｅ… 登録部
８ … 通信部
９ … 出力装置
１０ … 画像形成装置
１１ … 制御部
１１ａ… ＯＣＲ処理部
１１ｂ… 取得部
１１ｃ… 解析部
１１ｄ… 用語マッチング部
１１ｅ… 登録部
１２ … 画像読取部
１３ … 画像処理部
１４ … 画像メモリー
１５ … 画像形成部
１８ … 操作部
１８ａ… 表示部
１９ … ファクシミリ通信部
２０ … ネットワークインターフェイス部
２１ … 記憶部
２１ａ… 用語集
４０ … 画像形成装置
５０ … 情報処理装置
６０ … パブリック辞書サーバー
１００ … 用語集管理システム

Claims (5)

1. 文書を読み取る読み取り部と、
   前記文書から抽出された文字列により構成される用語集を記憶可能な記憶部と、
   ユーザーが前記文書の読み取る際、前記文書からテキストデータを取得する取得部と、
   前記取得部により取得された前記テキストデータを記述している言語および前記テキストデータを構成している文字列の品詞を解析し、解析結果に基づいて、前記文字列を抽出する解析部と、
   前記抽出された文字列を、一般的な用語が登録されたパブリック辞書とマッチングさせる用語マッチング部と、
   前記抽出された文字列を前記用語集に登録する登録部とを具備し、
   前記解析部は、前記抽出された文字列が固有名詞であるか否かを判定し、
   前記登録部は、前記解析部により前記抽出された文字列が固有名詞であると判定された場合には、前記用語マッチング部が前記抽出された文字列を前記パブリック辞書とマッチングさせることなく、前記抽出された文字列を前記用語集に登録し、
   前記用語マッチング部は、前記解析部により前記抽出された文字列が固有名詞ではないと判定された場合には、前記抽出された文字列を前記パブリック辞書とマッチングさせ、
   前記登録部は、前記用語マッチング部によるマッチングにより前記抽出された文字列が前記パブリック辞書の見出し語と一致しないときには、前記抽出された文字列を前記用語集に登録する
   用語集管理装置。
2. 請求項１に記載の用語集管理装置であって、
   前記取得部は、社内外区分の入力を受け付け、前記受け付けた社内外区分が社内文書を示すとき、前記文書が社内文書であると判断し、前記文書からテキストデータを取得する
   用語集管理装置。
3. 請求項１または２に記載の用語集管理装置であって、
   前記解析部は、
   解析した前記文字列の前記品詞が名詞であるとき、前記文字列を抽出する
   用語集管理装置。
4. 請求項１〜３のうちいずれか１項に記載の用語集管理装置であって、
   前記登録部は、
   前記テキストデータが日本語で記述されており、抽出された前記文字列がアルファベットで構成されており、抽出された前記文字列が固有名詞であるとき、抽出された前記文字列を前記用語集に登録する
   用語集管理装置。
5. ユーザーが前記文書の読み取る際、文書からテキストデータを取得し、
   取得された前記テキストデータを記述している言語および前記テキストデータを構成している文字列の品詞を解析し、解析結果に基づいて、前記文字列を抽出し、
   前記抽出し文字列を、一般的な用語が登録されたパブリック辞書とマッチングさせ、
   前記抽出された文字列を前記用語集に登録する手順を
   コンピューターに実行させる用語集管理プログラムであって、更に
   前記抽出された文字列が固有名詞であるか否かを判定し、
   前記抽出された文字列が固有名詞であると判定された場合には、前記抽出された文字列を前記パブリック辞書とマッチングさせることなく、前記抽出された文字列を前記用語集に登録し、
   前記抽出された文字列が固有名詞ではないと判定された場合には、前記抽出された文字列を前記パブリック辞書とマッチングさせ、
   前記抽出された文字列を前記パブリック辞書とマッチングさせて前記抽出された文字列が前記パブリック辞書の見出し語と一致しないときには、前記抽出された文字列を前記用語集に登録する手順を
   コンピューターに実行させる用語集管理プログラム。

Images