JPH07225763A - 文書処理装置 - Google Patents

Abstract

(57)【要約】 【目的】本発明は、文書処理を実行する文書処理装置に
関し、誤り辞書を用いることなく、作成された文書に存
在する文字列の表記揺れや誤りを自動検出できるように
することを目的とする。 【構成】処理対象文書から文字列を抽出する抽出部１０
と、抽出部１０の抽出した文字列と、与えられたキー文
字列との間の類似度を評価し、指定される類似度よりも
高い類似度を示すキー文字列類似の文字列を特定する特
定部１２と、特定部１２の特定した文字列を出力する出
力部１５とを備えるように構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書処理を実行する文
書処理装置に関し、特に、誤り辞書を用いることなく、
作成された文書に存在する文字列の表記揺れや誤りを自
動検出できるようにする文書処理装置に関する。

【０００２】ワードプロセッサ等で日本語文書等の文書
を作成していく場合、文書中に、文字列の表記揺れや誤
りが発生することは避けて通ることができない。これか
ら、作成された文書に存在する文字列の表記揺れや誤り
を自動検出する構成を構築していく必要がある。

【０００３】

【従来の技術】従来の文書処理装置では、作成された文
書に存在する文字列の表記揺れや誤りについての修正
は、オペレータの手作業に委ねられているというのが実
情であった。すなわち、オペレータは、作成された文書
中に、「フロッピィ」と「フロッピー」とが混在すると
いったような文字列の表記揺れがあるか否かを手作業で
検出するとともに、「プログラム」が「ブログラム」と
綴られているような文字列の表記誤りがあるか否かを手
作業で検出して、それらの検出した文字列を修正してい
くという方法を採っていたのである。

【０００４】しかしながら、このような方法では、文書
が大量になるに従って、オペレータに多大な労力を強い
るという問題点があった。このようなことを背景にし
て、最近では、文字列の表記揺れや誤りを登録した誤り
辞書を用意する構成を採って、その誤り辞書の登録文字
列と作成された文書とのマッチング処理を実行すること
で、作成された文書に存在する文字列の表記揺れや誤り
を自動的に検出するという方法が用いられるようになっ
てきた。

【０００５】

【発明が解決しようとする課題】しかしながら、この誤
り辞書を用いる方法に従うと、確かに、作成された文書
に存在する文字列の表記揺れや誤りを自動的に検出でき
るようになるものの、誤り辞書に登録されていない文字
列の表記揺れや誤りについては検出できないという問題
点があった。

【０００６】この問題点を解決するための１つの方法と
して、誤り辞書の登録データを多くしていくという方法
を採ることが考えられるが、そうすると、今度は、マッ
チング処理に時間がかかることで、文字列の表記揺れや
誤りの検出に時間がかかるという別の問題点が出てくる
ことになる。

【０００７】本発明はかかる事情に鑑みてなされたもの
であって、誤り辞書を用いることなく、作成された文書
に存在する文字列の表記揺れや誤りを自動検出できるよ
うにする新たな文書処理装置の提供を目的とする。

【０００８】

【課題を解決するための手段】図１に本発明の原理構成
を図示する。図中、１は本発明を具備する文書処理装
置、２は文書処理装置１の備える端末、３は文書処理装
置１の備える文書ファイル、４は文書処理装置１の備え
る抽出文字列ファイル、５は文書処理装置１の備える類
似度情報ファイル、６は文書処理装置１の備える出力フ
ァイルである。

【０００９】文書処理装置１は、本発明を実現するため
に、抽出部１０と、設定部１１と、特定部１２と、評価
部１３と、分割部１４と、出力部１５とを備える。この
抽出部１０は、処理対象となる文書から規定の条件を充
足する文字列を抽出する。設定部１１は、対話処理に従
って、検出対象となる文字列の対象範囲及び出力形態を
設定する。特定部１２は、抽出部１０の抽出した文字列
の中から、設定部１１の設定した対象範囲に属する文字
列を特定したり、指定されるキー文字列に類似する文字
列を特定したり、類似する文字列ペアを特定したり、類
似する文字列グループを特定したりする。

【００１０】評価部１３は、例えば特定部１２に備えら
れて、文字列間の類似度を評価する。分割部１４は、例
えば特定部１２に備えられて、特定部１２の特定した文
字列グループを更に分割する。出力部１５は、設定部１
１の設定した出力形態に従って、特定部１２の特定した
文字列や文字列ペアや文字列グループを出力する。

【００１１】

【作用】本発明では、抽出部１０は、文書ファイル３か
ら処理対象の文書を読み出して、この読み出した処理対
象の文書から規定の条件を充足する文字列を抽出し、更
に、この抽出した文字列が複数構成要素の文字列からな
るときには、その構成要素文字列についても抽出すると
ともに、これらの抽出した文字列の出現回数を計数し
て、それらの抽出情報（出現位置や文字種も含む）を抽
出文字列ファイル４に格納する。

【００１２】例えば、処理対象の文書に含まれる名詞を
抽出するときには、処理対象の文書の中から、例えば、
「ひらがな及び区切り記号を含まず、かつ、同一又は異
なる文字種が続く一連の文字列」として定義される名詞
を抽出していくことで、処理対象の文書に含まれる名詞
を抽出するとともに、その抽出した名詞が異なる文字種
の名詞が連結する複合名詞である場合には、その複合名
詞を構成する同一文字種の名詞についても抽出していく
のである。そして、抽出した名詞の表記と、その出現回
数と、その出現位置と、その文字種とを抽出文字列ファ
イル４に格納するのである。

【００１３】一方、設定部１１は、端末２と対話するこ
とで、検出対象となる文字列の対象範囲及び出力形態を
設定する。例えば、英字のみの名詞を対象範囲とすると
か、漢字のみの名詞を対象範囲とするとか、全ての名詞
を対象範囲とするとかいうように検出対象となる文字列
の対象範囲を設定するとともに、例えば、出現回数の昇
順に出力するとか、類似度の高い順に出力するとかいう
ように検出対象となる文字列の出力形態を設定するので
ある。

【００１４】このようにして、抽出文字列ファイル４に
抽出文字列が格納され、設定部１１により文字列の対象
範囲及び出力形態が設定されると、特定部１２は、端末
２から抽出文字列のリスト出力が指示されるときには、
抽出文字列ファイル４に格納される抽出文字列の中か
ら、設定部１１の設定した対象範囲に属するものを特定
し、この特定結果を受けて、出力部１５は、特定された
文字列を設定された出力形態に従って出力ファイル６に
出力する。

【００１５】この特定部１２の特定処理に従って、ユー
ザは、処理対象となる文書に含まれる文字列の表記揺れ
や誤りをチェックできるようになる。また、抽出文字列
ファイル４に抽出文字列が格納され、設定部１１により
文字列の対象範囲及び出力形態が設定されるときにあっ
て、特定部１２は、端末２からキー文字列に類似する文
字列のリスト出力が指示されるときには、抽出文字列フ
ァイル４に格納される抽出文字列の中から、設定部１１
の設定した対象範囲に属するものを選択して、評価部１
３を使って、その選択した文字列と、与えられたキー文
字列との間の類似度を評価することで、その選択した文
字列の中から、指定される類似度よりも高い類似度を示
すキー文字列類似の文字列を特定し、この特定結果を受
けて、出力部１５は、特定された文字列を設定された出
力形態に従って出力ファイル６に出力する。

【００１６】ここで、特定部１２は、最初に、抽出文字
列ファイル４に格納される抽出文字列の中から、キー文
字列類似の文字列を特定し、次に、そのキー文字列類似
の文字列の中から、設定部１１の設定した対象範囲に属
するものを選択していく手順を採ることも可能である。

【００１７】この特定部１２の特定処理に従って、ユー
ザは、処理対象となる文書に含まれる文字列の表記揺れ
や誤りをチェックできるようになる。また、抽出文字列
ファイル４に抽出文字列が格納され、設定部１１により
文字列の対象範囲及び出力形態が設定されるときにあっ
て、特定部１２は、端末２から類似する文字列ペアのリ
スト出力が指示されるときには、抽出文字列ファイル４
に格納される抽出文字列の中から、設定部１１の設定し
た対象範囲に属するものを選択して、評価部１３を使っ
て、その選択した文字列間の類似度を評価することで、
その選択した文字列の中から、指定される類似度よりも
高い類似度を示す文字列ペアを特定し、この特定結果を
受けて、出力部１５は、特定された文字列ペアを設定さ
れた出力形態に従って出力ファイル６に出力する。

【００１８】ここで、特定部１２は、最初に、抽出文字
列ファイル４に格納される抽出文字列の文字列間の類似
度を算出して類似度情報ファイル５に格納し、次に、そ
の類似度情報ファイル５の格納データを使って、設定部
１１の設定した対象範囲に属し、かつ、指定される類似
度よりも高い類似度を示す文字列ペアを特定していく手
順を採ることも可能である。

【００１９】この特定部１２の特定処理に従って、ユー
ザは、処理対象となる文書に含まれる文字列の表記揺れ
や誤りをチェックできるようになる。また、抽出文字列
ファイル４に抽出文字列が格納され、設定部１１により
文字列の対象範囲及び出力形態が設定されるときにあっ
て、特定部１２は、端末２から類似する文字列グループ
のリスト出力が指示されるときには、抽出文字列ファイ
ル４に格納される抽出文字列の中から、設定部１１の設
定した対象範囲に属するものを選択して、評価部１３を
使って、その選択した文字列間の類似度を評価すること
で、その選択した文字列の中から、直接的あるいは間接
的に、指定される類似度よりも高い類似度でつながる文
字列グループを特定し、この特定結果を受けて、出力部
１５は、特定された文字列グループを設定された出力形
態に従って出力ファイル６に出力する。

【００２０】ここで、特定部１２は、最初に、抽出文字
列ファイル４に格納される抽出文字列の文字列間の類似
度を算出して類似度情報ファイル５に格納し、次に、そ
の類似度情報ファイル５の格納データを使って、設定部
１１の設定した対象範囲に属し、かつ、指定される類似
度よりも高い類似度でつながる文字列グループを特定し
ていく手順を採ることも可能である。

【００２１】このとき、分割部１４が備えられるときに
は、分割部１４は、特定部１２の特定した各文字列グル
ープを、更に、密な類似性を示す１つ又は複数の文字列
グループに分割し、この分割結果を受けて、出力部１５
は、分割部１４の分割した文字列グループを単位として
文字列グループを出力していく。

【００２２】この特定部１２の特定処理に従って、ユー
ザは、処理対象となる文書に含まれる文字列の表記揺れ
や誤りをチェックできるようになる。このようにして、
本発明の文書処理装置１によれば、誤り辞書を用いるこ
となく、作成された文書に存在する文字列の表記揺れや
誤りを自動検出できるようになるのである。

【００２３】

【実施例】以下、実施例に従って本発明を詳細に説明す
る。図２に、本発明を具備する文書処理装置１の備える
プログラム構成の一実施例を図示する。図中、図１で説
明したものと同じものについては同一の記号で示してあ
る。

【００２４】２０は文書入力プログラムであって、端末
２から指定される処理文書を文書ファイル３から読み出
すもの、２１は文字列抽出プログラムであって、文書入
力プログラム２０の読み出した処理文書から規定の条件
を充足する文字列を抽出するもの、２２は処理指定情報
設定プログラムであって、端末２と対話することで、検
出対象となる文字列の対象範囲や出力形態やキー文字列
等を設定するもの、２３は出力情報作成プログラムであ
って、処理文書に含まれる文字列の表記揺れや誤りの検
出のために必要となる出力情報を作成して出力ファイル
６等に出力するものである。

【００２５】この出力情報作成プログラム２３は、出力
情報の作成処理のために、キー文字列類似リスト作成プ
ログラム２４と、抽出文字列リスト作成プログラム２５
と、類似ペアリスト作成プログラム２６と、類似グルー
プリスト作成プログラム２７とを展開する構成を採る。

【００２６】このように構成される文書処理装置１は、
図３の処理フローに示すように、先ず最初に、ステップ
１で、文書入力プログラム２０を起動することで、ユー
ザとの対話処理に従って処理文書の指定を実行し、次
に、ステップ２で、文書入力プログラム２０の処理に従
って、指定された処理文書の読み込みを実行し、続い
て、ステップ３で、文字列抽出プログラム２１を起動す
ることで、読み出した処理文書から規定の条件を充足す
る文字列の抽出を実行し、続いて、ステップ４で、処理
指定情報設定プログラム２２を起動することで、ユーザ
との対話処理に従って処理指定情報の設定を実行し、続
いて、ステップ５で、出力情報作成プログラム２３を起
動することで、処理文書に含まれる文字列の表記揺れや
誤りの検出のために必要となる出力情報の作成を実行
し、続いて、ステップ６で、出力情報作成プログラム２
３の処理に従って、作成した出力情報の出力を実行して
いくことになる。

【００２７】次に、文字列抽出プログラム２１、処理指
定情報設定プログラム２２、出力情報作成プログラム２
３の実行する処理について詳細に説明する。文字列抽出
プログラム２１は、読み出された処理文書から規定の条
件を充足する文字列を抽出するよう処理するものであっ
て、処理文書の中から、例えば、「ひらがな及び区切り
記号を含まず、かつ、同一又は異なる文字種が続く一連
の文字列、または、そのような一連の文字列が格助詞の
“の”で連結される文字列」として定義される名詞を抽
出していくときには、図４に示す処理フローに従って、
処理文書の中から、「ひらがな及び区切り記号を含ま
ず、かつ、同一文字種が続く一連の文字列」として定義
される名詞と、「ひらがな及び区切り記号を含まず、か
つ、異なる文字種が続く一連の文字列」として定義され
る名詞と、「ひらがな及び区切り記号を含まず、かつ、
同一又は異なる文字種が続く一連の文字列が格助詞の
“の”で連結される文字列」として定義される名詞とを
抽出していくことで、処理文書に含まれる名詞を抽出し
ていくよう処理するのである。

【００２８】すなわち、「ひらがな及び区切り記号を含
まず、かつ、同じ文字種が続く一連の文字列」として名
詞を再定義するならば、文字列抽出プログラム２１は、
図５に示すように、そのように定義される名詞と、その
ように定義される複数の名詞の連結表記として定義され
る複合名詞と、そのように定義される複数の名詞（複合
名詞）の格助詞“の”を介しての連結表記として定義さ
れる複合名詞に準ずるものとを、処理文書から抽出して
いくよう処理するのである。

【００２９】この抽出処理に従って、文字列抽出プログ
ラム２１は、処理文書中に「指定した文書フロッピーの
名前は、“ＡＢＣＤＥＦ”です。」という文書部分があ
ると、この文書部分から、図６に示すように、「指
定」、「文書フロッピーの名前」、「ＡＢＣＤＥＦ」、
「文書フロッピー」、「名前」、「文書」、「フロッピ
ー」という７個の文字列を抽出していくことになる。

【００３０】文字列抽出プログラム２１は、このように
して文字列を抽出すると、抽出した文字列の表記と、そ
の出現回数と、その出現位置と、その文字種とを抽出文
字列ファイル４に格納して処理を終了する。

【００３１】一方、処理指定情報設定プログラム２２
は、ユーザと対話することで、検出対象となる文字列の
対象範囲と、出力情報作成プログラム２３の作成する出
力情報の種別と、この出力情報のソート形式（ソートの
キー項目と、昇順／降順の指定）とを設定するととも
に、キー文字列を必要とする出力情報種別が指定される
ときにはキー文字列を設定し、類似度評価を必要とする
出力情報種別が指定されるときには類似度の閾値を設定
する。

【００３２】このとき設定する文字列の対象範囲とは、
文字列抽出プログラム２１により図７（ａ）に示すよう
な名詞が抽出されるときには、全ての名詞を対象範囲と
するとか、複合名詞を対象範囲とするとか、英字のみの
名詞を対象範囲とするとかいうことを指示するものであ
る。

【００３３】また、このとき設定する出力情報種別と
は、出力情報作成プログラム２３の持つキー文字列類似
リスト作成プログラム２４、抽出文字列リスト作成プロ
グラム２５、類似ペアリスト作成プログラム２６、類似
グループリスト作成プログラム２７の内のどのプログラ
ムを起動していくのかということを指示するものであ
る。

【００３４】すなわち、図７（ｂ）に示すように、キー
文字列類似リスト作成プログラム２４は、設定された対
象範囲に属する文字列抽出プログラム２１の抽出文字列
の中から、指定されるキー文字列に類似する文字列を検
出しソートして出力情報を作成するプログラムであるの
で、ユーザは、この出力情報を要求するときには、この
出力情報種別を設定することになる。また、抽出文字列
リスト作成プログラム２５は、設定された対象範囲に属
する文字列抽出プログラム２１の抽出文字列をソートし
て出力情報を作成するプログラムであるので、ユーザ
は、この出力情報を要求するときには、この出力情報種
別を設定することになる。

【００３５】また、類似ペアリスト作成プログラム２６
は、設定された対象範囲に属する文字列抽出プログラム
２１の抽出文字列に含まれる類似文字列ペアを検出しソ
ートして出力情報を作成するプログラムであるので、ユ
ーザは、この出力情報を要求するときには、この出力情
報種別を設定することになる。また、類似グループリス
ト作成プログラム２７は、設定された対象範囲に属する
文字列抽出プログラム２１の抽出文字列に含まれる類似
文字列グループを検出しソートして出力情報を作成する
プログラムであるので、ユーザは、この出力情報を要求
するときには、この出力情報種別を設定することにな
る。

【００３６】従って、図７（ｂ）中にも示すように、ユ
ーザは、キー文字列類似リスト作成プログラム２４の作
成する出力情報種別を設定するときには、合わせてキー
文字列を設定していく必要があり、また、キー文字列類
似リスト作成プログラム２４／類似ペアリスト作成プロ
グラム２６／類似グループリスト作成プログラム２７の
作成する出力情報種別を設定するときには、合わせて類
似度の閾値を設定していく必要がある。

【００３７】次に、出力情報作成プログラム２３の実行
する処理について説明する。図８ないし図１４に、出力
情報作成プログラム２３の実行する処理フローの一実施
例を図示する。

【００３８】出力情報作成プログラム２３は、ユーザか
ら出力情報の作成要求があると、図８の処理フローに示
すように、先ず最初に、ステップ１で、抽出文字列ファ
イル４に格納される文字列の中から、処理指定情報設定
プログラム２２の設定した対象範囲に属する文字列を特
定して、その特定した文字列を読み込む。例えば、文字
列抽出プログラム２１が処理文書に含まれる名詞を抽出
するときにあって、処理指定情報設定プログラム２２が
処理文書に含まれる全ての名詞を対象範囲と設定すると
きには、抽出文字列ファイル４に格納される全ての名詞
を読み込むのである。

【００３９】次に、ステップ２で、処理指定情報設定プ
ログラム２２の設定した出力情報種別が、キー文字列類
似リスト作成プログラム２４の起動を指示するものであ
るのか否かを判断して、起動指示を判断するときには、
ステップ３に進んで、キー文字列類似リスト作成プログ
ラム２４の起動をする。

【００４０】このようにして起動されると、キー文字列
類似リスト作成プログラム２４は、図９の処理フローに
示すように、先ず最初に、処理指定情報設定プログラム
２２の設定したキー文字列と、ステップ１で読み込んだ
全ての文字列との間の類似度を算出し、続いて、この算
出した類似度の中で、処理指定情報設定プログラム２２
の設定した類似度閾値を超えるものを特定することで、
キー文字列に類似する文字列を特定し、続いて、この特
定した文字列を処理指定情報設定プログラム２２の設定
したソート形式に従ってソートすることで、図１５に示
すような出力情報を作成する。

【００４１】一方、図８の処理フローのステップ２で、
処理指定情報設定プログラム２２の設定した出力情報種
別が、キー文字列類似リスト作成プログラム２４の起動
を指示しないものであることを判断するときには、ステ
ップ４に進んで、処理指定情報設定プログラム２２の設
定した出力情報種別が、類似ペアリスト作成プログラム
２６／類似グループリスト作成プログラム２７の起動を
指示するものであるか否かを判断して、これらの起動を
指示しないことを判断するとき、すなわち、抽出文字列
リスト作成プログラム２５の起動を指示することを判断
するときには、ステップ５に進んで、抽出文字列リスト
作成プログラム２５を起動する。

【００４２】このようにして起動されると、抽出文字列
リスト作成プログラム２５は、図１０の処理フローに示
すように、ステップ１で読み込んだ文字列を処理指定情
報設定プログラム２２の設定したソート形式に従ってソ
ートすることで、図１６に示すような出力情報を作成す
る。

【００４３】一方、図８の処理フローのステップ４で、
処理指定情報設定プログラム２２の設定した出力情報種
別が、類似ペアリスト作成プログラム２６／類似グルー
プリスト作成プログラム２７の起動を指示することを判
断するときには、ステップ６に進んで、処理指定情報設
定プログラム２２の設定した出力情報種別が、類似グル
ープリスト作成プログラム２７の起動を指示するもので
あるか否かを判断して、この起動を指示しないことを判
断するとき、すなわち、類似ペアリスト作成プログラム
２６の起動を指示することを判断するときには、ステッ
プ７に進んで、類似ペアリスト作成プログラム２６を起
動する。

【００４４】このようにして起動されると、類似ペアリ
スト作成プログラム２６は、図１１の処理フローに示す
ように、ステップ１で読み込んだ全ての文字列の組み合
わせについての類似度が既に算出されて類似度情報ファ
イル５に格納されているか否かを判断して、格納されて
いることを判断するときには、類似度情報ファイル５か
ら類似度を読み出し、格納されていないことを判断する
ときには、その類似度を算出（類似度情報ファイル５に
も格納する）する。続いて、このようにして得た類似度
の中で、処理指定情報設定プログラム２２の設定した類
似度閾値を超えるものを特定することで、類似する文字
列ペアを特定し、続いて、この特定した文字列ペアを処
理指定情報設定プログラム２２の設定したソート形式に
従ってソートすることで、図１７に示すような出力情報
を作成する。

【００４５】一方、図８の処理フローのステップ６で、
処理指定情報設定プログラム２２の設定した出力情報種
別が、類似グループリスト作成プログラム２７の起動を
指示することを判断するときには、ステップ８に進ん
で、類似グループリスト作成プログラム２７を起動す
る。

【００４６】このようにして起動されると、類似グルー
プリスト作成プログラム２７は、図１２の処理フローに
示すように、ステップ１で読み込んだ全ての文字列の組
み合わせについての類似度が既に算出されて類似度情報
ファイル５に格納されているか否かを判断して、格納さ
れていることを判断するときには、類似度情報ファイル
５から類似度を読み出し、格納されていないことを判断
するときには、その類似度を算出（類似度情報ファイル
５にも格納する）する。続いて、このようにして得た類
似度に従って、ステップ１で読み込んだ文字列に対して
第１のグルーピング処理を実行することで、その読み込
んだ文字列を大グループに分割し、続いて、この得た類
似度に従って、この求めた大グループに対して第２のグ
ルーピング処理を実行することで、各大グループを更に
小グループに分割することで、図１８に示すような出力
情報を作成する。

【００４７】このとき実行される第１のグルーピング処
理は、具体的には、図１３の処理フローに従って実行さ
れるものであって、文字列Ａ１〜Ａｎが同じ類似グルー
プに属し、文字列Ｂ１〜Ｂｍが同じグループに属すると
きにあって、前者の類似グループＡに属する文字列Ａｉ
と、後者の類似グループＢに属する文字列Ｂｊとの間の
類似度が閾値以上であることで類似関係にあるときに
は、類似度グループＡと類似グループＢとをマージして
新たな類似グループＣを生成していくことで実行される
ものである。

【００４８】また、このとき実行される第２のグルーピ
ング処理は、具体的には、図１４の処理フローに従って
実行されるものであって、大グループの文字列の中で類
似度が最大を示す最大文字列ペアを特定して、最大類似
度の相手先がその最大文字列ペアとなる文字列をまとめ
ていくことで実行されるものである。

【００４９】このようにして、図８の処理フローのステ
ップ３／ステップ５／ステップ７／ステップ８で出力情
報を作成すると、ステップ９に進んで、その作成した出
力情報をディスプレイ画面等に出力していくともに、出
力ファイル６に格納していくことで処理を終了する。

【００５０】この出力される出力情報に従って、ユーザ
は、処理対象となる文書に含まれる文字列の表記揺れや
誤りをチェックできるようになる。そして、本発明の文
書処理装置１では、ユーザから要求があると、抽出ファ
イル４／出力ファイル６の格納情報を使って、図１９に
示すように、出力情報に記録される文字列（図１９の例
では「ブログラム」）の位置する原文書部分を出力して
いくことになる。

【００５１】図８の処理フローで説明したように、キー
文字列類似リスト作成プログラム２４／類似ペアリスト
作成プログラム２６／類似グループリスト作成プログラ
ム２７が起動されると、文字列間の類似度を算出してい
く処理を実行していくことになるが、この類似度の算出
処理は、例えば、最長共通部分列の長さ（角田博保：フ
ァイル間の相違検査法，情報処理,Vol.24,No.4,pp.514-
520(1983))を利用することで実行されることになる。

【００５２】すなわち、最長共通部分列の長さ（ＬＣＳ
長）は、図２０（ａ）に示すように、順序が変わらない
ことを条件にして、２つの文字列の間での最も長い共通
部分列の長さとして定義されるものであることから、こ
れを使い、

【００５３】

【数１】

【００５４】に従って、図２０（ｂ）に示すように、２
つの文字列の間の類似度を算出していくことで実行する
のである。図示実施例について説明したが、本発明はこ
れに限定されるものではない。例えば、実施例で開示し
た抽出対象となる名詞の定義はあくまで一例であって、
本発明はこれに限られるものではない。また、実施例で
は、名詞を抽出対象としたが、本発明はこれに限られる
ものでもない。

【００５５】

【発明の効果】以上説明したように、本発明によれば、
従来技術で必要とした誤り辞書を用いることなく、作成
された文書に存在する文字列の表記揺れや誤りを自動検
出できるようになる。

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】本発明の一実施例である。

【図３】本発明の実行する処理の全体構成図である。

【図４】文字列抽出プログラムの実行する処理フローの
一実施例である。

【図５】文字列抽出プログラムの抽出対象の一例であ
る。

【図６】文字列抽出プログラムの抽出処理の一例であ
る。

【図７】処理指定情報の説明図である。

【図８】出力情報作成プログラムの実行する処理フロー
の一実施例である。

【図９】キー文字列類似リスト作成プログラムの実行す
る処理フローである。

【図１０】抽出文字列リスト作成プログラムの実行する
処理フローである。

【図１１】類似ペアリスト作成プログラムの実行する処
理フローである。

【図１２】類似グループリスト作成プログラムの実行す
る処理フローである。

【図１３】類似グループリスト作成プログラムの実行す
る処理フローである。

【図１４】類似グループリスト作成プログラムの実行す
る処理フローである。

【図１５】キー文字列類似リスト作成プログラムの作成
する出力情報の一実施例である。

【図１６】抽出文字列リスト作成プログラムの作成する
出力情報の一実施例である。

【図１７】類似ペアリスト作成プログラムの作成する出
力情報の一実施例である。

【図１８】類似グループリスト作成プログラムの作成す
る出力情報の一実施例である。

【図１９】出力データの一実施例である。

【図２０】類似度算出処理の一実施例である。

【符号の説明】

１ 文書処理装置 ２ 端末 ３ 文書ファイル ４ 抽出文字列ファイル ５ 類似度情報ファイル ６ 出力ファイル １０ 抽出部 １１ 設定部 １２ 特定部 １３ 評価部 １４ 分割部 １５ 出力部

Claims (7)

【特許請求の範囲】
1. 【請求項１】 文書処理を実行する文書処理装置におい
   て、 処理対象となる文書から文字列を抽出する抽出部(10)
   と、 上記抽出部(10)の抽出した文字列の中から、指定される
   対象範囲に属するものを特定する特定部(12)と、 上記特定部(12)の特定した文字列を出力する出力部(15)
   とを備えることを、 特徴とする文書処理装置。
2. 【請求項２】 文書処理を実行する文書処理装置におい
   て、 処理対象となる文書から文字列を抽出する抽出部(10)
   と、 上記抽出部(10)の抽出した文字列と、与えられたキー文
   字列との間の類似度を評価し、指定される類似度よりも
   高い類似度を示すキー文字列類似の文字列を特定する特
   定部(12)と、 上記特定部(12)の特定した文字列を出力する出力部(15)
   とを備えることを、 特徴とする文書処理装置。
3. 【請求項３】 文書処理を実行する文書処理装置におい
   て、 処理対象となる文書から文字列を抽出する抽出部(10)
   と、 上記抽出部(10)の抽出した文字列の文字列間の類似度を
   評価し、指定される類似度よりも高い類似度を示す文字
   列ペアを特定する特定部(12)と、 上記特定部(12)の特定した文字列ペアを出力する出力部
   (15)とを備えることを、 特徴とする文書処理装置。
4. 【請求項４】 文書処理を実行する文書処理装置におい
   て、 処理対象となる文書から文字列を抽出する抽出部(10)
   と、 上記抽出部(10)の抽出した文字列の文字列間の類似度を
   評価し、直接的あるいは間接的に、指定される類似度よ
   りも高い類似度でつながる文字列グループを特定する特
   定部(12)と、 上記特定部(12)の特定した文字列グループを出力する出
   力部(15)とを備えることを、 特徴とする文書処理装置。
5. 【請求項５】 請求項４記載の文書処理装置において、 特定部(12)の特定した各文字列グループを、更に、密な
   類似性を示す１つ又は複数の文字列グループに分割する
   分割部(14)を備え、 かつ、出力部(15)は、上記分割部(14)の分割した文字列
   グループを単位として文字列グループを出力していくよ
   う処理することを、 特徴とする文書処理装置。
6. 【請求項６】 請求項１、２、３、４又は５記載の文書
   処理装置において、 抽出部(10)は、抽出した文字列が複数構成要素の文字列
   からなるときには、該構成要素文字列についても抽出し
   ていくよう処理することを、 特徴とする文書処理装置。
7. 【請求項７】 請求項１、２、３、４、５又は６記載の
   文書処理装置において、 出力部(15)は、出力対象となる文字列の位置する原文書
   部分を出力していくよう処理することを、 特徴とする文書処理装置。