JP6758448B1 - 文書解析装置、文書解析方法及び文書解析プログラム - Google Patents
文書解析装置、文書解析方法及び文書解析プログラム Download PDFInfo
- Publication number
- JP6758448B1 JP6758448B1 JP2019077297A JP2019077297A JP6758448B1 JP 6758448 B1 JP6758448 B1 JP 6758448B1 JP 2019077297 A JP2019077297 A JP 2019077297A JP 2019077297 A JP2019077297 A JP 2019077297A JP 6758448 B1 JP6758448 B1 JP 6758448B1
- Authority
- JP
- Japan
- Prior art keywords
- lines
- document
- text
- document analysis
- cells
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 86
- 230000002950 deficient Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000032823 cell division Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Character Input (AREA)
- Document Processing Apparatus (AREA)
Abstract
Description
列ヘッダーに記載された項目名と、データセルに記載された数値との対応関係が正しく読み取れず、データセルの内容が正しく読み取れない場合がある。
Claims (8)
- 所定フォーマットで電子化された文書を取得する取得部と、
前記文書に含まれる表の位置情報に基づいて、前記表に含まれる複数のセルを特定する特定部と、
前記複数のセルを、列ヘッダー、行ヘッダー及びデータセルに分類する第1分類部と、
隣接するセルにそれぞれ複数行のテキストが含まれ、行数が一致する場合に、前記複数行のテキストを文字の行又は数値の行に分類する第2分類部と、
前記文字の行及び前記数値の行のうち前記数値の行が、前記文字の行及び前記数値の行の合計の半分以上である場合に、前記複数行のテキストを行毎に分割して、前記表を再構成する再構成部と、
を備える文書解析装置。 - 前記再構成部は、前記列ヘッダーに複数行のセルが含まれる場合に、前記複数行のセルに含まれるテキストを列毎に統合して、前記表を再構成する、
請求項1に記載の文書解析装置。 - 前記再構成部は、前記列ヘッダーの列数と、前記データセルの列数が一致しない場合に、前記列ヘッダーの列数を前記データセルの列数に合わせて、前記データセルに含まれるテキストを前記列ヘッダーに統合して、前記表を再構成する、
請求項1又は2に記載の文書解析装置。 - 前記再構成部は、前記文書に含まれる目次情報に応じて選択される辞書を用いて前記表を再構成する再構成ロジックを特定し、前記再構成ロジックに従って、前記列ヘッダー、前記行ヘッダー及び前記データセルに含まれるテキストから前記表を再構成する、
請求項1から3のいずれか一項に記載の文書解析装置。 - 前記辞書は、有価証券報告書、四半期報告書、通期決算短信及び四半期決算短信のいずれかに対応している、
請求項4に記載の文書解析装置。 - 前記文書は、有価証券報告書、四半期報告書、通期決算短信及び四半期決算短信のいずれかであり、
再構成された前記表に基づいて、前記有価証券報告書、前記四半期報告書、前記通期決算短信及び前記四半期決算短信のいずれかに不備があるか判定する判定部をさらに備える、
請求項1から5のいずれか一項に記載の文書解析装置。 - 文書解析装置に備えられた演算部が、
所定フォーマットで電子化された文書を取得することと、
前記文書に含まれる表の位置情報に基づいて、前記表に含まれる複数のセルを特定することと、
前記複数のセルを、列ヘッダー、行ヘッダー及びデータセルに分類することと、
隣接するセルにそれぞれ複数行のテキストが含まれ、行数が一致する場合に、前記複数行のテキストを文字の行又は数値の行に分類することと、
前記文字の行及び前記数値の行のうち前記数値の行が、前記文字の行及び前記数値の行の合計の半分以上である場合に、前記複数行のテキストを行毎に分割して、前記表を再構成することと、
を実行する文書解析方法。 - 文書解析装置に備えられた演算部を、
所定フォーマットで電子化された文書を取得する取得部、
前記文書に含まれる表の位置情報に基づいて、前記表に含まれる複数のセルを特定する特定部、
前記複数のセルを、列ヘッダー、行ヘッダー及びデータセルに分類する第1分類部、
隣接するセルにそれぞれ複数行のテキストが含まれ、行数が一致する場合に、前記複数行のテキストを文字の行又は数値の行に分類する第2分類部、及び
前記文字の行及び前記数値の行のうち前記数値の行が、前記文字の行及び前記数値の行の合計の半分以上である場合に、前記複数行のテキストを行毎に分割して、前記表を再構成する再構成部、
として機能させる文書解析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019077297A JP6758448B1 (ja) | 2019-04-15 | 2019-04-15 | 文書解析装置、文書解析方法及び文書解析プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019077297A JP6758448B1 (ja) | 2019-04-15 | 2019-04-15 | 文書解析装置、文書解析方法及び文書解析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6758448B1 true JP6758448B1 (ja) | 2020-09-23 |
JP2020177293A JP2020177293A (ja) | 2020-10-29 |
Family
ID=72517837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019077297A Active JP6758448B1 (ja) | 2019-04-15 | 2019-04-15 | 文書解析装置、文書解析方法及び文書解析プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6758448B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454851A (zh) * | 2023-12-25 | 2024-01-26 | 浙江大学 | 一种面向pdf文档的表格数据抽取方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102309562B1 (ko) * | 2020-12-30 | 2021-10-06 | 주식회사 애자일소다 | Pdf 테이블 재구성 장치 및 그 동작 방법 |
JP7354399B1 (ja) | 2022-12-22 | 2023-10-02 | 株式会社プロネクサス | 文書データ生成装置、文書データ生成装置の制御方法および文書データ生成プログラム |
-
2019
- 2019-04-15 JP JP2019077297A patent/JP6758448B1/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454851A (zh) * | 2023-12-25 | 2024-01-26 | 浙江大学 | 一种面向pdf文档的表格数据抽取方法及装置 |
CN117454851B (zh) * | 2023-12-25 | 2024-03-12 | 浙江大学 | 一种面向pdf文档的表格数据抽取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2020177293A (ja) | 2020-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mirza et al. | The resilience of Islamic equity funds during COVID-19: Evidence from risk adjusted performance, investment styles and volatility timing | |
Gardener | Statistics for ecologists using R and Excel: data collection, exploration, analysis and presentation | |
JP6758448B1 (ja) | 文書解析装置、文書解析方法及び文書解析プログラム | |
Braconier et al. | Multinational enterprises and wage costs: Vertical FDI revisited | |
CN110140118B (zh) | 用于确定数据元素之间的关系的系统和方法 | |
RU2679209C2 (ru) | Обработка электронных документов для распознавания инвойсов | |
US8965799B2 (en) | Reading, organizing and manipulating accounting data | |
Pramborg | Foreign exchange risk management by Swedish and Korean nonfinancial firms: A comparative survey | |
US20090150426A1 (en) | Automatically generating formulas based on parameters of a model | |
US20060288268A1 (en) | Method for extracting, interpreting and standardizing tabular data from unstructured documents | |
US20060195424A1 (en) | Generating business warehouse reports | |
JP2008515094A (ja) | 法廷会計環境においてデータベースを調査するためのシステム、ソフトウェア、及び方法 | |
De Roux et al. | Estimating production functions in differentiated-product industries with quantity information and external instruments | |
Linnenluecke et al. | Sixty years of Accounting & Finance: a bibliometric analysis of major research themes and contributions | |
Mousa | Financial ratios versus data envelopment analysis: the efficiency assessment of banking sector in Bahrain bourse | |
Frydman et al. | How market sentiment drives forecasts of stock returns | |
Handoyo | Worldwide governance indicators: Cross country data set 2012–2022 | |
Akguc et al. | Shariah compliance and investment behavior: Evidence from GCC countries | |
Mooi et al. | Descriptive Statistics | |
US20040220868A1 (en) | Financial information display system | |
Lončarski et al. | Sorting out the financials: Making economic sense out of statistical factors | |
Hoang et al. | Oil and iron ore price shocks: what are the different economic effects in Australia? | |
US8687210B2 (en) | Document data access | |
US6108677A (en) | Data processing apparatus | |
CN114201972B (zh) | 一种理财产品数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190425 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200618 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200626 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200819 |
|
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: 20200827 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200901 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6758448 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |