JPH077411B2

JPH077411B2 - 文書処理装置

Info

Publication number: JPH077411B2
Application number: JP61088064A
Authority: JP
Inventors: 利夫岡本; 勇岩井; 美和子土井
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1986-04-18
Filing date: 1986-04-18
Publication date: 1995-01-30
Anticipated expiration: 2010-01-30
Also published as: JPS62245366A

Description

【発明の詳細な説明】［発明の目的］（産業上の利用分野）本発明は文書データの章・箇条書き等の論理構造を生成
する文書処理装置に関する。

（従来の技術）文書は理解しやすく、又、読みやすくするために、形態
上の構造を持っている。

たとえば、１つの文書は複数の章という大きなかたまり
から成っており、１つの章はさらに複数の節に分かれて
いるという構成になっている。１つの章なり節のかたま
りはかたまりの先頭に見だしと呼ばれる、短い文をつけ
る。

さらにそのかたまり間の関係を示す、数字等の記号（前
見出し記号）がついているのが一般的である。たとえ
ば、『第１章』、『第３節』というのがここでいう前見
出し記号である。

このような文書構造を持った文を表示する際には、この
構造を反映して、レイアウト処理を行い見やすく表示す
ることが望まれる。たとえば見だしのところに下線を引
いたり、倍角表示をすることを行い、見だしと本体の間
には一行空行を入れる等の処置を行うと見やすくなる。

従来のワードプロセサ等の文書処理装置ではこれらのレ
イアウト処理を利用者が行う必要があった。つまり下線
を引く操作を見だしの所で行いまた見出しと本体との間
に空行挿入の操作を行う等の必要が有った。

従来のワードプロセサはかな漢字変換技術の向上にとも
ない入力操作は非常に向上し、利用者の負担軽減が著し
い。ところがレイアウト操作の軽減化はほとんど進歩し
ておらず、文書処理の全体の負担に対するレイアウトの
負担の割合は非常に大きくなっており、レイアウト操作
の軽減が必要である。

さらにある機械で作成した文書を別の機械に移す場合、
コードは互換性がある場合が多いが、レイアウト情報
は、ほとんど互換性がない。従って従来は文字コードだ
けを移し、その後、再度レイアウト処理を行うか、レイ
アウトコードの変換機能を作成し、それを用いて処理す
る。ところが、変換機能は特定の機種どうしの変換しか
行えず、また、すべてのレイアウト情報が完全に変換さ
れるわけではないので、利用に制限があり、不満であっ
た。

（発明が解決しようとする問題点）このように従来の文書処理装置では、文書構造に利用し
ていないためレイアウト処理がユーザにとって負担の大
きいものとなっていた。

そこで本発明は文書の階層構造を自動的に生成するもの
であり、特に見出し抽出に対する効率を高めることを目
的とする。

［発明の構成］（問題点を解決するための手段）本発明に係る文書処理装置は、文書データを入力する入
力手段と、見出しと見出し以外の文との区切りとなる可
能性のある区切り記号を予め記憶した見出し区切り語辞
書を用いて、前記入力手段より入力された文書データに
対し見出しの範囲を決定する見出し範囲決定手段と、こ
の見出し範囲決定手段の結果に基づき前記文書データに
所定の処理を行って出力する手段とを具備したことを特
徴とするものである。

（作用）本発明は、コード情報で書かれた文書データに対し、見
出し区切り辞書のデータから見出し区切り候補を求め、
更に見出し区切り規則辞書を用いて見出しの範囲を求め
ることを可能としたものである。

具体的に例をあげると、改行コードがあるとこれは見出
し区切りと判定して次の文字が見出し範囲の始めとな
る。

またの文字があるとこの文字から見出し範囲の始めとなる。

また改行コード、『：』『〜』の文字があるとこの文字
の１つ前までで見出し範囲が終りとなる。このようにし
て見出し範囲の開始位置、終了位置の候補が求まるの
で、これらに対して見出し区切り規則を適用して、見出
し範囲を決定する。

このようにすることにより、従来なら例えば改行コード
が入っていなければ見出しと見出し以外の文とを識別す
るようなことは全くできなかったのが、見出し区切り語
辞書を利用してこれらを識別し見出し範囲を決定するこ
とができるようになる。さらには、このように決定され
た見出し範囲の最後に改行コードを挿入する等の処理を
行ったり、この見出し範囲に基づいてさらに章・節・箇
条書き・段落等の文書構造を判定しこの文書構造に対応
するレイアウト処理を行ったりして、このような処理を
施された文書データを出力することが可能になる。

（実施例）以下図面を参照して本発明の一実施例を説明する。第１
図は本発明の一実施例の構成概略図である。原文は入力
部１あるいはすでに入力されている場合は原文記憶部２
から呼び出されて、文書管理部５に送られる。文書管理
部５は、文書データを見出し区切り候補抽出部７へ送
る。見出し区切り候補抽出部では見出し区切り語辞書８
（区切りとなるべき記号・数字や改行コード等が記憶さ
れている）を検索して、文書データ中から見出しと見出
し以外の文に分離する可能性の高い文字を検索して、そ
れぞれ見出し範囲始り位置、見出し範囲終り位置とし
て、見出し区切り候補とする。

見出し範囲判定部９は、見出し区切り辞書10にもとづい
て文書管理部５から送られた見出し区切り候補を判定し
て、見出し範囲を定める。

見出し判定部11は、見出し範囲判定部９により求めた範
囲に対して第２図に示す見出し語辞書13により、見出し
語の候補を抽出し、見出し語候補に対して、例えば、第
３図のような見出し規則辞書12の内容に基づいて、見出
しであるかいなかの判定を行う。

文書構造判定部14は見出し判定部11により、見出しある
いは見出しでないと判定されたものに対し、例えば第４
図のような文書構造規則辞書15の内容に基づいて、章見
出し、節見出し、段落などの論理構造を判定する。この
結果は、文書管理部５により、論理構造記憶部６に書き
込まれ、表示制御部３により、表示部４に表示される。

以下、第７図の文書及び第８図の処理フローチャートを
例にとって本発明の特徴である見出し範囲を求める動作
を詳しく説明する。ここで□が１つの文字コード情報を
表わしており、□の上の数字は、入力された文字コード
の順番を表わしている。この様な文字コード情報から成
る文書データが入力部１より入力される（第８図81）。

すると、見出し区切り候補抽出部７は、文書データに対
して見出し区切り語辞書８の内容を参照して区切りとな
るべき記号・文字・改行コード等を検索する。

つまり文書データ中の区切り開始候補、区切り終了候補
を抽出する。（第８図83,84）抽出した結果はその文字
の位置、優先度として文書管理部５内にある所定の記憶
部に貯えられる。（第８図85）この動作は文書データが
無くなるまで続けられる。（第８図82）第７図では、抽出した結果の様子を、各文字の下に区切り開始位置候補を区切り終了位置候補を示し、その下の△の中に数字で各候補の優先度を表示し
ている。

次に文書管理部５は見出し範囲判定部９にさきほど貯え
た結果を送る。（第８図86）見出し範囲判定部９では、第６図に示す、見出し区切り
規則に従って見出し範囲を決定する。（第８図87）第７図（ａ）の文書では、カラム０が区切り開始候補、
カラム５が区切り終了候補であるので見出し区切り規則
のに従ってカラム０からカラム５までが見出し範囲に
なる。第７図（ａ）では矢印でその範囲と示してある。

第７図（ｂ）文書ではすでにカラム24が区切り終了位置
になっている場合である。規則によりカラム25が区切
り開始位置になり規則によりカラム26が区切り終了位
置になる。従って、カラム25からカラム26が見出し範囲
となる。第７図（ｂ）では矢印Ａがそれを示している。
しかし、規則によりカラム29の区切り終了候補の優先
度の方が高いので、上での範囲Ａは修正され、カラム25
からカラム29までが見出し範囲となる。第７図（ｂ）で
は矢印Ｂがそれを示している。

このようにして、見出し範囲判定部９は入力された文書
の区切り候補に対し、見出し区切り規則辞書10にしたが
って次々と見出し範囲を定め、その結果を文書管理部５
へ出力する（第８図88）。この動作は見出し区切り候補
の全ての位置と優先度に対して規則を適用して行われる
が、それが終了すると（第８図89）、上述した様に見出
し判定部11では見出しであるか否かの決定がその見出し
内容を基に行われ、続いて文書構造判定位部14では見出
し及び見出しでないとされた文に対して、章・節・箇条
書き等の階層構造が決定される。

尚、上記した実施例においては、見出し範囲を決定して
から、見出し判定部11に結果を送っているが、ここで完
全に範囲を決定せず、区切り候補の優先度を利用して見
出し範囲優先度を計算し、その結果を利用して見出し判
定部11で見出しを判定してもよい。また、優先度を持っ
た複数の見出し範囲を見出し判定部11に送ってそこで見
出しを判定してもよい。

また、見出し区切り辞書10には、文字と優先度を表わす
数字しか入っていないが、その他の属性たとえば数字で
あるとか、アルファベットであるとかの細かい情報を入
れておいて、見出し範囲判定部９では、それらの属性を
利用してもう少し詳しく判定して見出し範囲を決定して
もよい。

更に、本発明は見出し範囲の抽出に限ったことではな
く、たとえば、文書中の数式等の形態上他と異なる部分
を抽出する場合でも区切り辞書と区切り規則の内容を変
えることで応用可能である。

本実施例は日本語の文書を扱っているが日本語に限ら
ず、他国語の文書での見だしがついているものであれば
辞書、判定規則を、その国語用に書き直せばそれで同様
に実施できる。

［発明の効果］本発明によれば、文書のコード情報から見だしを利用し
て文書構造を抽出する場合、見だしの抽出精度が大巾に
向上することで文書構造の抽出精度も向上する。従って
利用者が後で修正する負担が大巾に減少し、操作性がか
なり向上する。

さらに見出し区切り辞書と規則を文書構造抽出部と切り
はなすことで、見出し抽出のためだけの辞書と規則が簡
単にかつ適格になるので、開発に要するリソースがかな
り減少する。また英文や他外国語の文書のように、使用
する文字や使用方法が異なる場合でも、辞書をそれにあ
ったものに切りかえるだけでよく、文書構造抽出の汎用
性が高まる。

【図面の簡単な説明】

第１図は本発明の一実施例の全体構成図、第２図は見出
し語辞書の構成例を示す図、第３図は見出し規則辞書の
構成例を示す図、第４図は文書構造規則辞書の構成例を
示す図、第５図は見出し区切り語辞書の構成例を示す
図、第６図は見出し区切り規則辞書の構成例を示す図、
第７図は文書データに対する見出し区切り規則の適用例
を示す図、第８図は本発明の一実施例の処理フロー図で
ある。１……入力部、２……原文記憶部、３……表示制御部、４……表示部、５……文書管理部、６……論理構造記憶部、７……見出し区切り候補抽出部、８……見出し区切り語辞書、９……見出し範囲判定部、 10……見出し区切り規則辞書、 11……見出し判定部、12……見出し規則辞書、 13……見出し語辞書、14……文書構造判定部、 15……文書構造規則辞書

Claims

【特許請求の範囲】

【請求項１】文書データを入力する入力手段と、見出しと見出し以外の文との区切りとなる可能性のある
複数の区切り記号と、各区切り記号に対応した優先度と
を予め記憶した記憶手段と、この記憶手段に記憶された区切り記号に基づいて前記入
力手段より入力された文書データから見出し区切り候補
を複数抽出する抽出手段と、この抽出手段により抽出された見出し区切り候補に対応
する優先度を参照し、予め記憶された規則を適用して、
前記文書データに対し見出しの範囲を決定する決定手段
と、この決定手段の決定結果に基づき前記文書データに所定
の処理を行って出力する手段とを具備したことを特徴と
する文書処理装置。