JPH04320530A - ハイパーテキスト装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明はハイパーテキスト装置
に関し、特に画面上に表示された複数のデータの空間的
な配置関係からハイパーテキストデータモデルを推論生
成するハイパーテキスト装置に関する。

【０００２】

【従来の技術】一般にハイパーテキスト装置は、複数の
データ（ノード）間を自由にリンクで関係付けることが
できるもので、情報の収集、検索、管理、プレゼンテー
ションなどに適したアプリケーションの開発、その利用
の可能なシステムとして注目されている。

【０００３】従来、一般的なハイパーテキスト装置とし
ては、“Ｒｅａｄｉｎｇ　ａｎｄ　Ｗｒｉｔｉｎｇ　ｔ
ｈｅＥｌｅｃｔｒｏｎｉｃ　Ｂｏｏｋ　”，Ｃｏｍｐｕ
ｔｅｒ，１９８５，１０，Ｐ１５〜３０，ＩＥＥＥおよ
び“Ｈｙｐｅｒｔｅｘｔ　：Ａｎ　Ｉｎｔｒｏｄｕｃｔ
ｉｏｎ　ａｎｄ　Ｓｕｒｖｅｙ”，Ｃｏｍｐｕｔｅｒ，
１９８５，Ｓｅｐｔｅｍｂｅｒ　，ＩＥＥＥで紹介され
たものがある。

【０００４】また、１９８８年６月，富士ゼロックス株
式会社発行の「ＶＰビューカーズ操作説明書」に示され
たものも知られている。

【０００５】ところで、このような従来のハイパーテキ
スト装置において、ハイパーテキストデータを作成する
場合は、例えば、画面上にカード状のデータとして表示
された複数のデータをマウスなどのポインティングデバ
イスを用いて選択、移動などの操作を繰り返し、複数の
データに所定の関係を見出した時点で、ユーザが各シス
テムに沿ったマニュアル操作を行うことにより、これら
のデータに対して明示的な関係付けを行い、これに基づ
きマニュアル操作によりハイパーテキストデータを作成
していた。例えば、画面上に表示された数個のデータに
関して、“同一のグループに属する”という関係を見出
したとする。この場合は、このグループに対応するノー
ドをユーザがマニュアルで作成し、その後に上記数個の
データとこのノードとの間に“同一のグループに属する
”という意味を示すリンクをマニュアルで張るという操
作を行っていた。

【０００６】

【発明が解決しようとする課題】しかしながら、このよ
うなマニュアル操作によるハイパーテキストデータの作
成は非常に手間のかかるものであり、しかもこの作業は
非常に多くの自由度があるので、実際はユーザの感と経
験に頼らざるを得ないので、ユーザによっては最適な構
造のハイパーテキストデータが構築できるとは限らず、
その作業に多大な労力と時間を要する割には目的する最
適なハイパーテキストデータを作成することが困難であ
るという問題があった。

【０００７】そこで、この発明は、与えられたデータに
対して最適な構造のハイパーテキストデータを極めて容
易に、しかも特に経験を要さずに構築できるハイパーテ
キスト装置を提供することを目的とする。

【０００８】

【課題を解決するための手段】上記目的を達成するため
、この発明によれば、画面上に表示された複数のデータ
の空間的な配置関係から各データ間の特徴を抽出して前
記データの処理に適したハイパーテキストモデル構造を
抽出推論するモデル構造抽出手段と、前記モデル構造抽
出手段で抽出推論したハイパーテキストモデル構造をユ
ーザの意味情報を参照して修正してハイパーテキストデ
ータモデルを生成するデータモデル生成手段とを具備し
たことを特徴とする。

【０００９】

【作用】モデル構造抽出手段により、画面上に表示され
た複数のデータの空間的な配置関係から各データ間の特
徴を抽出して前記データの処理に適したハイパーテキス
トモデル構造を抽出推論し、データモデル生成手段作成
手段により、この抽出推論したハイパーテキストモデル
構造をユーザの意味情報を参照して修正してハイパーテ
キストデータモデルを生成する。

【００１０】

【実施例】図１は、この発明のハイパーテキスト装置の
一実施例を適用して構成したシステムのシステム構成図
である。このシステムは、この発明に係わるハイパーテ
キスト装置１０、キーボード２０、ディスプレイ３０、
中央演算処理装置（ＣＰＵ）４０をバス５０に接続して
構成されており、ハイパーテキスト装置１０は、インタ
フェース制御部１１、モデル構造抽出部１２、ユーザ意
味情報記憶部１３、データモデル生成部１４、データ（
ハイパーテキストモデル）記憶部１５を備えて構成され
、また、キーボード２０にはポインティングデバイスで
あるマウス２１が接続されている。

【００１１】ここで、ハイパーテキスト装置１０のイン
タフェース制御部１１は、データを直接操作するための
ユーザインタフェースを制御するためのものである。こ
の実施例では、ハイパーテキストモデルを構成する各ノ
ードであるデータがそれぞれ対応する矩形領域としてデ
ィスプレイ３０の画面上に表示され、これらの矩形領域
をマウス２１により直接操作し、これらの矩形領域の移
動や関係付けといった操作ができるようになっている。

【００１２】モデル構造抽出部１２は、マウス２１によ
り直接操作され、ディスプレイ３０の画面上に表示され
るデータの矩形領域の空間的配置関係からこれらのデー
タの関係の特徴を抽出する機能を有し、この抽出した特
徴からこれらのデータの処理に適したハイパーテキスト
モデル構造を抽出推論する。ここで、抽出される情報は
、データ（矩形領域）間の距離、データのグループ関係
、データの順序関係、データの対関係などである。

【００１３】ユーザ意味情報記憶部１３は、モデル構造
抽出部１２で抽出推論されたハイパーテキストモデル構
造に対するユーザの意味的情報に関する知識を蓄積しこ
れを記憶するものである。

【００１４】データモデル生成部１４は、モデル構造抽
出部１２で抽出推論されたハイパーテキストモデル構造
にしたがって、所望のハイパーテキストデータモデルを
生成するためのものである。ここで、ユーザ意味情報記
憶部１３にユーザの意味的情報が格納されている場合は
、このユーザの意味的情報をモデル構造抽出部１２で抽
出推論されたハイパーテキストモデル構造に付加して、
ハイパーテキストデータモデルを生成する。また、ユー
ザ意味情報記憶部１３にユーザの意味的情報が格納され
ていない場合は、モデル構造抽出部１２で抽出推論され
たハイパーテキストモデル構造をそのままディスプレイ
３０に表示する。この場合、可能なハイパーテキストモ
デル構造は一般には複数になるので、これら複数のハイ
パーテキストモデル構造の中から最適なハイパーテキス
トモデル構造の選択をユーザに促し、選択されたハイパ
ーテキストモデル構造に対してユーザにより対話的に構
造の意味付けをを行う。このようにして、データモデル
生成部１４では、モデル構造抽出部１２で抽出推論され
たハイパーテキストモデル構造にしたがって、実際にデ
ータを生成し、所望のハイパーテキストデータモデルを
生成する。

【００１５】データ（ハイパーテキストモデル）記憶部
１５は、データモデル生成部１４で生成されたハイパー
テキストデータモデルにしたがって表現されたデータを
格納するものである。

【００１６】次に、モデル構造抽出部１２で抽出される
データの関係の特徴の具体的例を図２から図７を参照し
てさらに説明する。

【００１７】図２は、データの関係の特徴が“グループ
関係”として抽出される場合を示したものである。この
例の場合、ディスプレイ３０にはマウス２１による操作
の結果、図２に示すように、それぞれデータＤ１〜Ｄ１
１が格納される１１個の矩形領域Ｒ１〜Ｒ１１が表示さ
れている。ここで、図２から明らかなように、データＤ
１〜Ｄ４を格納する矩形領域Ｒ１〜Ｒ４が１つのかたま
りになって表示され、データＤ５〜Ｄ７を格納する矩形
領域Ｒ５〜Ｒ７が１つのかたまりになって表示され、デ
ータＤ８〜Ｄ１１を格納する矩形領域Ｒ８〜Ｒ１１が１
つのかたまりになって表示される。そこで、この場合は
データＤ１〜Ｄ４の間にはグループＧ１で表現される“
グループ関係”があり、データＤ５〜Ｄ７の間にはグル
ープＧ２で表現される“グループ関係”があり、データ
Ｄ８〜Ｄ１１の間にはグループＧ３で表現される“グル
ープ関係”があるとしてその特徴を抽出する。具体的に
は、ある任意の矩形領域を選択し、その矩形領域の中心
点から他の表示されているすべての矩形領域の中心点ま
での距離を計算し、この計算された距離を昇順に並べか
え、各距離間の差分を計算し、その差分の分布から谷（
差分が減少から増加へ移行する点）となる点を抽出し、
谷の間に含まれる矩形領域のデータ、すなわちデータシ
ーケンスを１つのグループとして判別する。

【００１８】図３は、データの関係の特徴が“対関係”
として抽出される場合を示したものである。この例の場
合、ディスプレイ３０にはマウス２１による操作の結果
、図３に示すように、それぞれデータＤ１〜Ｄ８が格納
される８個の矩形領域Ｒ１〜Ｒ８が表示されている。 ここで、図３から明らかなように、データＤ１を格納す
る矩形領域Ｒ１とデータＤ５を格納する矩形領域Ｒ５は
対応し、データＤ２を格納する矩形領域Ｒ２とデータＤ
６を格納する矩形領域Ｒ６は対応し、データＤ３を格納
する矩形領域Ｒ３とデータＤ７を格納する矩形領域Ｒ７
は対応し、データＤ４を格納する矩形領域Ｒ４とデータ
Ｄ８を格納する矩形領域Ｒ８は対応して表示される。そ
こで、この場合はデータＤ１とデータＤ５の間には“対
関係”があり、データＤ２とデータＤ６の間には“対関
係”があり、データＤ３とデータＤ７の間には“対応関
係”があり、データＤ４とデータＤ８の間には“対関係
”があるとしてその特徴を抽出する。なお、この場合は
“左右の対関係”について抽出したが、“上下の対関係
”を抽出してもよい。具体的には、各矩形領域の中心点
の座標を調べ、ある２つの矩形領域の中心点がｘ軸上に
並んでいれば“左右の対関係”、ある２つの矩形領域の
中心点がｙ軸上に並んでいれば“上下の対関係”として
判別する。ただし、ここでは多少の誤差を含んでいても
この関係にあると判別する。ここで、この誤差はシステ
ムに予め設定しておいてもよいし、その都度ユーザによ
り設定するように構成してもよい。

【００１９】図４は、データの関係の特徴が“順序関係
”として抽出される場合を示したものである。この例の
場合、ディスプレイ３０にはマウス２１による操作の結
果、図４に示すように、それぞれデータＤ１〜Ｄ１３、
Ｄａ〜Ｄｅが格納される１８個の矩形領域Ｒ１〜Ｒ１３
、Ｒａ〜Ｒｅが表示されている。ここで、図４から明ら
かなように、データＤ１〜Ｄ１３を格納する矩形領域Ｒ
１〜Ｒ１３には１つの順序関係があり、データＤａ〜Ｄ
ｅを格納する矩形領域Ｒａ〜Ｒｅには別の順序関係があ
る。そこで、この場合はデータＤ１〜Ｄ１３の間には矢
印Ａで表現される“順序関係”があり、データＤａ〜Ｄ
ｅの間には矢印Ｂで表現されう“順序関係”があるとし
てその特徴を抽出する。具体的には、各矩形領域の中心
点の座標を調べ、複数（３つ以上）の矩形領域の中心点
がなんらかの直線（Ｙ＝ａＸ＋ｂ）にのっているとき、
これらの矩形領域のデータには“順序関係”があると判
別する。ただし、ここでは多少の誤差を含んでいてもこ
の関係にあると判別する。ここで、この誤差はシステム
に予め設定しておいてもよいし、その都度ユーザにより
設定するように構成してもよい。

【００２０】図５は、データの関係の特徴が“重なり関
係”として抽出される場合を示したものである。この例
の場合、ディスプレイ３０にはマウス２１による操作の
結果、図５に示すように、それぞれデータＤ１〜Ｄ８が
格納される８個の矩形領域Ｒ１〜Ｒ８が表示されている
。ここで、図５から明らかなように、データＤ１を格納
する矩形領域Ｒ１とデータＤ２、Ｄ３を格納する矩形領
域Ｒ２、Ｒ３の間には重なりがあり、データＤ２を格納
する矩形領域Ｒ２とデータＤ４、Ｄ５、Ｄ６を格納する
矩形領域Ｒ４、Ｒ５、Ｒ６の間には重なりがあり、デー
タＤ３を格納する矩形領域Ｒ３とデータＤ７、Ｄ８を格
納する矩形領域Ｒ７、Ｒ８の間には重なりがある。そこ
で、この場合はデータＤ１とデータＤ２、Ｄ３の間には
“重なり関係”があり、データＤ２とデータＤ４、Ｄ５
、Ｄ６の間には“重なり関係”があり、データＤ３とデ
ータＤ７、Ｄ８の間には“重なり関係”があるとしてそ
の特徴を抽出する。具体的には、各矩形領域の４つの頂
点の座標を調べ、ある矩形領域の４つの座標のいずれか
が他の矩形領域の内部に存在すればこの２つ矩形領域の
データには“重なり関係”が存在すると判別する。この
“重なり関係”は図６に示すように“木構造関係”とし
てとらえることができる。

【００２１】図７は、データの関係の特徴が“距離（関
係の強さ）関係”として抽出される場合を示したもので
ある。この例の場合、ディスプレイ３０にはマウス２１
による操作の結果、図７に示すように、それぞれデータ
Ｄ０〜Ｄ９が格納される１０個の矩形領域Ｒ０〜Ｒ９が
表示されている。ここで、図７から明らかなように、デ
ータＤ０を格納する矩形領域Ｒ０とデータＤ１〜Ｄ９を
格納する矩形領域Ｒ１〜Ｒ９の間の距離はそれぞれ異な
っている。そこで、この場合はデータＤ０とデータＤ１
〜Ｄ９の間には“距離関係”があるとしてその特徴を抽
出する。具体的には、この“距離関係”は、例えば以下
に示す３つの方法によって判別される。 １）ユーザが予め設定した長さに対する質的な感覚量に
基づき“距離関係”を判別する。例えば、ディスプレイ
３０上の１ドットをＸＹ平面上の１単位と考え、２つの
矩形領域の中心点の距離が３００以上の場合は遠い、３
００に満たない場合は近いと判別する。

【００２２】２）ディスプレイ３０上の表示可能領域の
大きさとの相対的な距離によって“距離関係”を判別す
る。例えば、２つの矩形領域の中心点の距離が縦（ｘ軸
方向）、横（ｙ軸方向）ともに表示可能領域の１／３以
上の場合は遠い、１／３に満たない場合は近いと判別す
る。

【００２３】３）各矩形領域の分布の状態から“距離関
係”を判別する。例えば、ある矩形領域の中心点から他
のすべての矩形領域の中心点までの距離を計測し、この
計測されたデータを昇順に並べかえ、各データの差分を
計算し、その差分が最も大きい点を境界にその境界以上
のデータシーケンス含まれるものを遠い、その境界に満
たないデータシーケンス含まれるものを近いと判別する
。

【００２４】次に、この実施例における最適なハイパー
テキストデータモデル生成のアルゴリズムを図８、図９
に示したフローチャートおよび図１０から図１２に示し
た具体例を参照して説明する。

【００２５】まず、ディスプレイ３０上には複数のデー
タ、具体的にはデータＡ〜Ｇの７つのデータがそれぞれ
適当な大きさの矩形領域ＲＡ　〜ＲＧ　内に表示されて
おり、これによって各データは視覚化され、マウス２１
により操作できるようになっている。この状態で、ユー
ザはデータＡ〜Ｇの間になんらかの関係を見出だすため
に、マウス２１を操作して矩形領域ＲＡ　〜ＲＧ　の位
置を移動したり、重ねたり、並べ変えたりする。そして
、データＡ〜Ｇの間になんらかの関係が見えてくると、
この関係がディスプレイ３０上での矩形領域ＲＡ　〜Ｒ
Ｇ　の配置に反映されてくる。図１０は、この状態にお
けるディスプレイ３０上での矩形領域ＲＡ　〜ＲＧ　の
配置を示している。

【００２６】図８において、まず、図１０に示すような
ディスプレイ３０の画面のレイアウトから各データの表
示されれている矩形領域の座標を取り出す（ステップ１
０１）。そして、これらの座標を基に矩形領域、すなわ
ちデータの物理的な配置に関する情報を抽出する（ステ
ップ１０２）。ここで、物理的な配置に関する情報とは
、データ間の物理的距離、グループ、シーケンスの認識
、データ間の相対的な位置関係などである。

【００２７】具体的には、図１０に示した配置関係の場
合、 １）データＢ〜ＤおよびデータＥ〜Ｇが“グループ関係
”にある。

【００２８】２）データＢ〜Ｄにより形成されるグルー
プとデータＥ〜Ｇにより形成されるグループとが“左右
の対関係”にある。

【００２９】３）データＢとデータＥ、データＣとデー
タＦ、データＤとデータＧはそれぞれ“左右の対関係”
にある。

【００３０】４）データＡに対してデータＢ〜Ｄにより
形成されるグループとデータＥ〜Ｇにより形成されるグ
ループは従属関係、すなわち“木構造関係”にある。

【００３１】５）データＢ〜ＤおよびデータＥ〜Ｇには
“順序関係”がある。

【００３２】という特徴が抽出される。

【００３３】次に、ステップ１０２で抽出された物理的
な配置情報から、可能なハイパーテキスト構造を推論す
る（ステップ１０３）。ここでは、推論した可能なハイ
パーテキスト構造の一例が図１１に示される。

【００３４】図１１に示す例においては１）データＢ〜
ＤおよびデータＥ〜Ｇがそれぞれグループとして認識さ
れ、これらグループの上位概念としてそれぞれグループ
を表わすノードＮ１，Ｎ２が生成され、各データＢ〜Ｄ
およびデータＥ〜ＧはこのノードＮ１，Ｎ２の下位に配
置される。

【００３５】２）ノードＮ１とノードＮ２の間には対関
係が存在する。

【００３６】３）ノードＮ１とノードＮ２はデータＡに
対して木構造を構成しており、データＡの下位に位置す
る。

【００３７】ように構成されている。

【００３８】なお、単純にステップ１０２で抽出した特
徴を組み合わせると、これによって形成される可能なハ
イパーテキスト構造は一般には多数になり、この具体例
においても図１１に示した以外に複数の可能なハイパー
テキスト構造を推論することができる。このハイパーテ
キスト構造の推論の詳細については図９のフローチャー
トを参照して後に詳述する。

【００３９】次に、ユーザの意味情報記憶部１３にユー
ザのモデルに関する意味情報がすでに定義されているか
を調べる（ステップ１０４）。ここで、ユーザのモデル
に関する意味情報がすでに定義されているとすると、ス
テップ１０３で推測された物理的構造とユーザの意味情
報から、ハイパーテキストモデルを推測する（ステップ
１０５）。すなわち、ここでは、ステップ１０３で推測
された複数のハイパーテキスト構造から１つのハイパー
テキスト構造への絞り込み、およびこの絞り込んだハイ
パーテキスト構造に対する明示的な意味付けを、ユーザ
の意味情報に基づき実行し、これにより最適のハイパー
テキストモデルを推測する。

【００４０】ここで、ユーザの意味情報とは、タスクの
性質のよって決定される情報、例えばタスクに特有なモ
デル、例えば議論モデルであるとするとテーマ、支持、
不支持（階層関係、対関係）論拠（階層関係）に関する
情報であり、また、タスクで主に使用する構造、すなわ
ち階層関係、グループに関する情報、また、グループ関
係、順序関係、対関係に関するプライオリティを示す情
報などである。また、ユーザの特性によって決定される
情報としては、グループ関係、順序関係、対関係に関す
る選好順序などである。

【００４１】ステップ１０５でユーザの意味情報を参照
して最適のハイパーテキストモデルが推測されると、こ
のハイパーテキストモデルはユーザに提示される（ステ
ップ１０６）。具体的にはディスプレイ３０に表示され
、ステップ１１１に移行する。　　このようにして提示
されたハイパーテキストモデルの具体的構成例が図１２
に示される。図１２の具体例においては、ノードＮ１に
は“賛成意見グループ”、ノードＮ２には“反対意見グ
ループ”というラベルが付され、さらにノードＮ１とデ
ータＡとの関係には“データＡを支持する”、ノードＮ
２とデータＡとの関係には“データＡを支持しない”と
いう意味のラベルが付けられる。また、ノードＮ１とノ
ードＮ２の間には“対立関係”という意味が付与される
。

【００４２】なお、ステップ１０４で、ユーザのモデル
に関する意味情報がすでに定義されていないと判断され
た場合は、ユーザとの対話的処理により最適なハイパー
テキストモデルを決定する。すなわち、まず、ステップ
１０３で推論されたすべての可能なハイパーテキスト構
造をいうユーザへ提示する（ステップ１０７）。このユ
ーザへの提示は具体的にはディスプレイ３０に表示する
ことにより行われる。次に、ユーザは、提示された複数
のハイパーテキスト構造の中からユーザの意図にあった
構造を１つ選択し、このハイパーテキスト構造に対して
修正を対話的に行う（ステップ１０８）。

【００４３】そして、ユーザはシステムとの対話を通じ
てハイパーテキスト構造に対して明示的に意味付けを行
い、最適なハイパーテキストモデルを定義する（ステッ
プ１０９）。

【００４４】ステップ１０７で付与されたユーザの意味
情報はユーザの意味情報記憶部１３に保存され（ステッ
プ１０８）、ステップ１１１に移行する。

【００４５】ステップ１１１では、提示されたハイパー
テキストモデルがユーザの意図に合っているかが調べら
れる（ステップ１１１）。ここで、提示されたハイパー
テキストモデルがユーザの意図に合っていない場合は、
提示されたハイパーテキストモデルの修正を行い（ステ
ップ１１０）、この修正に用いたユーザの意味情報のユ
ーザの意味情報記憶部１３への保存を行い（ステップ１
０８）、再びステップ１１１に移行する。

【００４６】ステップ１１１で、提示されたハイパーテ
キストモデルがユーザの意図に合っていると判断された
場合は、データモデル生成部１４により抽出されたハイ
パーテキストモデルにしたがってデータモデルを生成し
、これをデータ記憶部１５に格納し（ステップ１１３）
、この処理を終了する。

【００４７】次に、図９に示したフローチャートを参照
して図８のステップ１０３に示したハイパーテキスト構
造の推測のアルゴリズムの一例について説明する。

【００４８】まず、初期状態において、入力された物理
的集合をＰとするとき、 Ｐ＝｛Ｐ１，Ｐ２，…Ｐｎ｝ とし、物理的関係Ｒｅｌａｔｉｏｎｓ　＝｛｝，ハイパ
ーテキストモデルＭｏｄｅｌ　＝｛｝とする（ステップ
１２１）。次に、物理的構造に関する知識Ｒｕｌｅ１か
らルールを１つ抽出し、これをＰに対して適用する（ス
テップ１２２）。

【００４９】ここで、抽出された物理的情報の集合Ｐを
Ｐ１＝重心の距離（Ｎ１，Ｎ２） Ｐ２＝矩形の重なり（Ｎ１，Ｎ２） Ｐ３＝水平距離（Ｎ１，Ｎ２） Ｐ４＝垂直距離（Ｎ１，Ｎ２） とするとき、物理的構造に関する知識Ｒｕｌｅ１はＲｕ
ｌｅ＝ＩＦｃｏｎｄｉｔｉｏｎ　ＴＨＥＮｒｅｌａｔｉ
ｏｎで表わされる。これは、例えば ＩＦ矩形の重なり（Ｎ１，Ｎ２）＝ｔｒｕｅＡＮＤ重心
の距離（Ｎ１，Ｎ２）＜５０ ＴＨＥＮＧＲＯＵＰ　（Ｎ１，Ｎ２） となる。

【００５０】次に、ルールのｃｏｎｄｉｔｉｏｎ　を満
たすようなＰがあるかを調べ（ステップ１２３）、ある
と、Ｒｅｌａｔｉｏｎｓ　←ａｄｄ　（ルールのＴＨＥ
Ｎ部のｒｅｌａｔｉｏｎ）と設定して、ステップ１２２
に戻る。

【００５１】しかし、ステップ１２３でルールのｃｏｎ
ｄｉｔｉｏｎ　を満たすようなＰがないと、ハイパーテ
キストモデル作成ルールＲｕｌｅ２からルールを１つ抽
出し、Ｒｅｌａｔｉｏｎｓ　に対して適用する（ステッ
プ１２５）。

【００５２】ところで、すべての物理的構造に関するル
ールの適用が終了すると、以下のようなｒｅｌａｔｉｏ
ｎに関する２項関係のリストが得られる。

【００５３】 　　ここで、ルールＲｕｌｅ２はこの２項関係からハイ
パーテキストモデルを作成するためのルールでＲｕｌｅ
＝ＩＦｃｏｎｄｉｔｉｏｎ　ＴＨＥＮｒｅｌａｔｉｏｎ
で表わされる。これは、例えば ＩＦＧＲＯＵＰ　（Ａ，Ｂ）ＡＮＤＧＲＯＵＰ　（Ｂ，
Ｃ）ＴＨＥＮＧＲＯＵＰ　（Ａ，Ｂ，Ｃ） ＩＦＳＥＱＵＥＮＣＥ（Ａ，Ｂ）ＡＮＤＳＥＱＵＥＮＣ
Ｅ（Ｂ，Ｃ）ＴＨＥＮＳＥＱＵＥＮＣＥ（Ａ，Ｂ，Ｃ）
となる。

【００５４】次に、ルールのｃｏｎｄｉｔｉｏｎ　を満
たすようなＲｅｌａｔｉｏｎｓ　があるかを調べ（ステ
ップ１２６）、あると、ステップ１２５に戻る。

【００５５】しかし、ステップ１２６でルールのｃｏｎ
ｄｉｔｉｏｎ　を満たすようなＲｅｌａｔｉｏｎｓ　が
ないと、Ｍｏｄｅｌ　←Ｒｅｌａｔｉｏｎｓ　と設定す
る。すなわちルールの適用が終了し、最終的に得られた
Ｒｅｌａｔｉｏｎｓ　が物理的構造から推測されたハイ
パーテキストモデルとなる（ステップ１２８）。

【００５６】

【発明の効果】以上説明したようにこの発明によれば、
モデル構造抽出手段により、画面上に表示された複数の
データの空間的な配置関係から各データ間の特徴を抽出
して前記データの処理に適したハイパーテキストモデル
構造を抽出推論し、データモデル生成手段作成手段によ
り、この抽出推論したハイパーテキストモデル構造をユ
ーザの意味情報を参照して修正してハイパーテキストデ
ータモデルを生成するように構成したので、従来非常に
手間がかかり、多大な労力と時間を要した最適なハイパ
ーテキストデータモデル生成の作業を、特別の知識を必
要とせず、極めて容易に、かつ短時間で行うことができ
るという効果を奏する。

【図面の簡単な説明】

【図１】この発明のハイパーテキスト装置の一実施例を
示すシステム構成図。

【図２】データの関係の特徴が“グループ関係”として
抽出される場合を説明するための説明図。

【図３】データの関係の特徴が“対関係”として抽出さ
れる場合を説明するための説明図。

【図４】データの関係の特徴が“順序関係”として抽出
される場合を説明するための説明図。

【図５】データの関係の特徴が“重なり関係”として抽
出される場合を説明するための説明図。

【図６】データの関係の特徴が“木構造関係”として抽
出される場合を説明するための説明図。

【図７】データの関係の特徴が“距離関係”として抽出
される場合を説明するための説明図。

【図８】図１に示した実施例における最適なハイパーテ
キストデータモデル生成のアルゴリズムを説明するフロ
ーチャート。

【図９】図８に示したフローチャートにおけるハイパー
テキストデータモデルの推測アルゴリズムの一例を示す
フローチャート。

【図１０】図８に示したアルゴリズムが適用されるデー
タの空間的配置と抽出された位置的関係を示す図。

【図１１】図８に示したアルゴリズムにより抽出された
ハイパーテキスト構造の一例を示す図。

【図１２】図８に示したアルゴリズムにより生成された
ハイパーテキストデータモデルの一例を示す図。

【符号の説明】

１０…ハイパーテキスト装置、１１…インタフェース制
御部、１２…モデル構造抽出部、１３…ユーザの意味情
報記憶部、１４…データモデル生成部、１５…データ（
ハイパーテキストモデル）記憶部、２０…キーボード、
２１…マウス、３０…ディスプレイ、４０…中央演算処
置装置（ＣＰＵ）、５０…バス

Claims (1)

【特許請求の範囲】
1. 【請求項１】画面上に表示された複数のデータの空間的
   な配置関係から各データ間の特徴を抽出して前記データ
   の処理に適したハイパーテキストモデル構造を抽出推論
   するモデル構造抽出手段と、前記モデル構造抽出手段で
   抽出推論したハイパーテキストモデル構造をユーザの意
   味情報を参照して修正してハイパーテキストデータモデ
   ルを生成するデータモデル生成手段とを具備したことを
   特徴とするハイパーテキスト装置。