JPH08329079A - 構造化文書差分抽出方法および装置 - Google Patents

構造化文書差分抽出方法および装置

Info

Publication number
JPH08329079A
JPH08329079A JP7161398A JP16139895A JPH08329079A JP H08329079 A JPH08329079 A JP H08329079A JP 7161398 A JP7161398 A JP 7161398A JP 16139895 A JP16139895 A JP 16139895A JP H08329079 A JPH08329079 A JP H08329079A
Authority
JP
Japan
Prior art keywords
structured document
document
difference
structured
tags
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.)
Granted
Application number
JP7161398A
Other languages
English (en)
Other versions
JP3724847B2 (ja
Inventor
Yuki Aoyama
ゆき 青山
Junichi Tono
純一 東野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP16139895A priority Critical patent/JP3724847B2/ja
Priority to US08/657,306 priority patent/US5956726A/en
Priority to EP96108939A priority patent/EP0747836B1/en
Priority to DE69634459T priority patent/DE69634459T2/de
Publication of JPH08329079A publication Critical patent/JPH08329079A/ja
Priority to US09/326,579 priority patent/US6098071A/en
Priority to US09/604,261 priority patent/US6526410B1/en
Application granted granted Critical
Publication of JP3724847B2 publication Critical patent/JP3724847B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/81—Indexing, e.g. XML tags; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/83—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/14—Tree-structured documents
    • G06F40/143—Markup, e.g. Standard Generalized Markup Language [SGML] or Document Type Definition [DTD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y10S707/99935—Query augmenting and refining, e.g. inexact access
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99943—Generating database or data structure, e.g. via user interface
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99944—Object-oriented database structure
    • Y10S707/99945—Object-oriented database structure processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Document Processing Apparatus (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【目的】 構造化文書の論理的な意味や構造を考慮し、
文書編集者の感覚に合った適切な構造化文書の差分を抽
出することにある。 【構成】 文書編集プログラム104により構造化文書を
文書編集して記憶装置に記憶し、編集前後の各構造化文
書の論理構造に対して設定された比較基準107を参照し
て、記憶装置から読み出した編集前後の各構造化文書の
論理構造を構造化文書解析プログラム105で解析し、こ
の結果に従い比較基準107を満たすように構造化文書間
の差分を構造化文書差分抽出プログラム106により抽出
する。比較基準107を、論理構造を示すタグと該タグに
対する基準の種類からなるテーブルとし、基準の種類
を、(1)タグ自身が一致したときのみその中身を比較す
るタグ、(2)比較する際、そのタグの中身の差異を無視
するタグ、(3)論理的な意味として同じタグの組、(4)中
身を比較しないタグの組、としている。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、電子ファイルとして記
憶されている構造化文書間の差分文字列を抽出すること
ができるワープロ等の文書処理装置における構造化文書
差分文字列抽出方法及び装置に関する。
【０００２】
【従来の技術】構造化文書とは、文書の論理的な構造の
情報、例えば”文書中のこの部分は章である”、”この
部分はタイトルである”といった情報が埋め込まれた文
書のことである。また、文書間の差分抽出とは、文書を
構成する段落、行、文字等の要素を単位に、これらの要
素がもっともよく一致する組合せを検出し、一致しない
要素を差分として抽出することである。例えば、差分抽
出の対象とする二つの文書を「ＡＢＣＤＥＦＧ」と「Ａ
ＣＤＡＥＦＨ」とした場合、要素をＡ，Ｂ，Ｃ，Ｄ，
Ｅ，Ｆ，Ｇ，Ｈとして二つの文書を要素単位で比較した
時、もっともよく一致する組合せとして”ＡＣＤＥＦが
対応する”と検出し、また差分として”Ｂが削除”、”
ＡがＤの後に挿入”、”ＧがＨに変更”と抽出すること
である。従来の差分抽出方式には、特開平２−２５５９
６４号公報などがあり、句読点、行、単語、文字などを
単位に比較を行っている。この方式を構造化文書に適用
すると、文書中に埋め込まれた論理的な構造を表す文字
列も、文書中の他の文字列と同様に比較を行う。
【０００３】
【発明が解決しようとする課題】しかしながら、構造化
文書を通常の文書と同様の手段で差分抽出した場合、結
果が文書の論理構造と合わず文書編集者にとって適切で
ない場合がある。次に例を示し説明する。
【０００４】（例１）差分抽出において文書の論理構造
が合わないもの同士を対応付けてしまい、文書編集者に
とって適切でない抽出結果となる場合を、図３の構造化
文書を例にとり説明する。図３の構造化文書はＳＧＭＬ
（Ｓｔａｎｄａｒｄ ＧｅｎｅｒａｌｉｚｅｄＭａｒｋ
ｕｐ Ｌａｎｇｕａｇｅ）で記述されたもので、＜Ａ＞
と＜／Ａ＞で挟まれた文字列が、論理構造Ａに属してい
ることを意味する。すなわち、図３（ａ）の＜氏名＞と
＜／氏名＞で挟まれた文字列“平成太郎”が、論理構造
“氏名”に属する。また、この論理構造を表すマークの
ことをタグと呼び、＜Ａ＞と＜／Ａ＞はそれぞれ開始タ
グ、終了タグと呼ぶ。従来の手法により、図３の
（ａ），（ｂ）二つの構造化文書の差分文字列を抽出し
た結果を図４に示す。図４（ｂ）は、図３（ａ）の構造
化文書を基準として図３（ｂ）の構造化文書との差分を
取った場合の差分文字列の抽出結果であり、図４（ａ）
は、図３（ｂ）の構造化文書を基準として図３（ａ）の
構造化文書との差分を取った場合の差分文字列の抽出結
果である。図４を見ると、＜氏名＞の“平成”と＜発信
日＞の“平成”が差分として抽出されていない。これ
は、“平成”同士が一致し、対応付けられてしまったこ
とによる。しかし、この論理構造の合わない“平成”の
対応付けは、文書編集者にとって意味がないことは明ら
かである。
【０００５】（例２）文書の構造の挿入が起きたため
に、差分抽出において文書の構造にまたがって文字列を
対応付けてしまい、文書編集者にとって適切でない抽出
結果となる場合を、図５の構造化文書を例にとり説明す
る。図５は、（ａ）の第１章の前に、章を一つ挿入した
ものが（ｂ）となっている。従来の手法により、図５の
（ａ），（ｂ）二つの構造化文書の差分文字列を抽出し
た例を図６示す。図６は図４の場合と同様であり、図６
（ｂ）が図５（ａ）を基準として図５（ｂ）との差分を
取った場合の差分文字列の抽出結果であり、図６（ａ）
が図５（ｂ）を基準として図５（ａ）との差分を取った
場合の差分文字列の抽出結果である。図６を見ると、
（ａ）の第１章は（ｂ）の第２章と同じであるにもかか
わらず、（ａ）の第１章が、（ｂ）の第１章と第２章に
またがって対応している。これも、文書編集者に対して
は適切でない。ここで、図５（ａ）における「構造化文
書」と同じ文字列が図５（ｂ）には２度現われているた
め、図６（ｂ）では、最初の「構造化文書」は一致とさ
れ、２度目の「構造化文書」は不一致とされ、差分とし
て抽出される。このことは、以下の差分抽出において共
通した取扱いである。
【０００６】（例３）文書の論理的な意味は同じである
のに、論理構造を表すマークが異なるためその中身同士
が対応付けられず、文書編集者にとって適切でない抽出
結果となる場合を、図７の構造化文書を例にとり説明す
る。図７では、文書の論理的な意味は項目であるのに、
最初に出てくる項目だけ＜初項目＞というタグを付けて
いる。従来の手法により、図７の（ａ），（ｂ）二つの
構造化文書の差分文字列を抽出した例を図８示す。図８
は図４の場合と同様であり、図８（ｂ）が図７（ａ）を
基準として図７（ｂ）との差分を取った場合の差分文字
列の抽出結果であり、図８（ａ）が図７（ｂ）を基準と
して図７（ａ）との差分を取った場合の差分文字列の抽
出結果である。図８を見ると、＜初項目＞同士が対応付
けられ、その中身の文字列が比較されていることが分か
る。文書編集者にとっては＜初項目＞と＜項目＞の論理
的な意味は等しく、タグの中身を優先して対応させるべ
きである。そこで、構造化文書間の差分を抽出する場
合、構造化文書の論理的な意味や構造を考慮した比較が
必要となるが、従来の方式では、論理的な構造を表す文
字列も文書中の他の文字列と同様に比較を行うため、実
現できなかった。
【０００７】本発明の目的は、構造化文書の論理的な意
味や構造を考慮し、文書編集者の感覚に合った適切な構
造化文書の差分を抽出することにある。
【０００８】
【課題を解決するための手段】上記目的を達成するた
め、本発明は、記憶装置と処理装置を備え、前記記憶装
置に削除、挿入、または変更などの編集を実施する前後
の構造化文書を記憶し、前記処理装置により前記編集前
後の両構造化文書の一致しない文字列を差分として抽出
する構造化文書差分抽出方法において、構造化文書を文
書編集して前記記憶装置に記憶し、前記記憶装置から読
み出した編集前後の各構造化文書の論理構造を、編集前
後の各構造化文書の論理構造に対して設定された比較基
準に基づき構造化文書解析し、該構造化文書解析の結果
に従い、前記比較基準を満たすよう構造化文書間の差分
を抽出するようにしている。前記比較基準を、論理構造
を示すタグと該タグに対する基準の種類からなるテーブ
ルとするようにしている。さらに、前記比較基準におけ
るタグに対する基準の種類として、（１）タグ自身が一
致したときのみその中身を比較するタグ、（２）比較す
る際、そのタグの中身の差異を無視するタグ、（３）論
理的な意味として同じタグの組、（４）中身を比較しな
いタグの組、の４つの基準の種類を定義しておくように
している。さらに、前記構造化文書解析により文書の構
造を表わす文書木を作成し、該文書木のノード単位で構
造化文書間の差分の抽出を行ない、一致しなかったノー
ド同士に対して文字単位で差分を抽出するようにしてい
る。さらに、前記構造化文書解析によって文書の構造を
表す文書木を作成する際に、前記比較基準に応じて、文
書木のノードの割り当て方法を変えるようにしている。
また、記憶装置と処理装置を備え、前記記憶装置に削
除、挿入、または変更などの編集を実施する前後の構造
化文書を記憶し、前記処理装置により前記編集前後の両
構造化文書の一致しない文字列を差分として抽出する構
造化文書差分抽出装置において、前記処理装置は、構造
化文書を編集して前記記憶装置に記憶する文書編集手段
と、前記記憶装置から読み出した編集前後の各構造化文
書の論理構造を、編集前後の各構造化文書の論理構造に
対して設定された比較基準に基づき構造化文書解析する
構造化文書解析手段と、該構造化文書解析の結果に従
い、前記比較基準を満たすよう構造化文書間の差分を抽
出する構造化文書差分抽出手段を備えるようにしてい
る。前記比較基準を、論理構造を示すタグと該タグに対
する基準の種類からなるテーブルとするようにしてい
る。さらに、前記比較基準におけるタグに対する基準の
種類として、（１）タグ自身が一致したときのみその中
身を比較するタグ、（２）比較する際、そのタグの中身
の差異を無視するタグ、（３）論理的な意味として同じ
タグの組、（４）中身を比較しないタグの組、の４つの
基準の種類を定義しておくようにしている。さらに、前
記構造化文書解析手段は文書の構造を表わす文書木を作
成し、前記構造化文書差分抽出手段は作成された文書木
のノード単位で構造化文書間の差分の抽出を行ない、一
致しなかったノード同士に対して文字単位で差分を抽出
するようにしている。さらに、前記構造化文書解析手段
は文書の構造を表す文書木を作成する際に、前記比較基
準に応じて、文書木のノードの割り当てを変更するよう
にしている。
【０００９】
【作用】上記手段により、本発明においては、構造化文
書を編集し、編集された構造化文書の論理構造を構造化
文書解析装置で解析し、その構造に応じて差分抽出の際
の比較基準を設け、比較基準を満たすように差分文字列
を抽出するので、論理構造に応じた、編集者の感覚に合
う差分が抽出される。また、文書木のノード単位で差分
抽出を行い、一致しなかったノード同士を文字単位で差
分を抽出することで、構造にまたがった差分も抽出され
ない。
【００１０】
【実施例】以下、本発明の実施例を説明する。本実施例
の構成を図１に示す。図１において、１０１はＣＰＵ、
１０２は端末装置、１０３は文書を記憶するための記憶
装置であり、ＣＰＵ１０１には、文書の編集を行う文書
編集プログラム１０４と、構造化文書を木構造に変換す
る構造化文書解析プログラム１０５と、構造化文書間の
一致しない部分を差分として抽出する構造化文書差分抽
出プログラム１０６と、差分抽出での比較基準を格納す
る比較基準テーブル１０７が設定されている。本実施例
は、構造化文書としてＳＧＭＬ文書を例にとる。ＳＧＭ
Ｌは、マーク付けされた構造化文書としてＩＳＯの世界
標準として定められた文書記述言語のことである。ま
た、ＳＧＭＬ文書はＤＴＤ（文書型定義）によって、そ
の論理構造が予め定義される。
【００１１】本実施例の具体的な処理手順を、図２のフ
ローチャートを用いて説明する。 手順２０１：文書編集プログラム１０４で、構造化文書
の編集を行う。 手順２０２：比較対象であるＳＧＭＬ文書のＤＴＤに対
応した、比較基準テーブル１０７を読み込む。対応する
比較基準テーブルが存在しない場合、テーブルの作成及
び登録を行う。この比較基準テーブルは、次の４つの比
較基準に該当するタグのテーブルである。 （１）恒等タグ：タグ自身が一致したときのみ、その中
身（開始タグと終了タグの間に挾まれる文字）を比較す
るタグである。 （２）無視タグ：比較する際、そのタグの中身の差異を
無視するタグである。 （３）同等タグ：論理的な意味として同じタグの組であ
る。 （４）比較禁止タグ：中身を比較しないタグの組であ
る。
【００１２】手順２０３：差分抽出プログラム１０６が
呼び出されたら、比較基準テーブル１０７を参照しなが
ら、構造化文書を構造化文書解析プログラム１０５によ
って解析し、文書木を作成する。このとき、文書木の各
ノードに割り当てる要素は次のルールを用いて行う。 （ルール１）：タグは１つのノードに割り当てる。 （ルール２）：開始タグと終了タグの間に挟まれた文字
列は、開始タグの子ノードに割り当てる。 （ルール３）：終了タグは、開始タグの子ノードに割り
当てる。 （ルール４）：恒等タグで挟まれた文字列は、開始タ
グ、終了タグを含めて１つのノードに割り当てる。 （ルール５）：無視タグおよび無視タグで挟まれた文字
列は、ノードに割り当てない。 （ルール６）：同等タグは、同じタグ名に変換して、ノ
ードに割り当てる。
【００１３】手順２０４：文書木のノードを単位に差分
抽出を行う。このとき、比較するタグ同士が比較禁止タ
グであれば、そのノード以下（子ノード）は比較しな
い。 手順２０５：一致しなかったノードのみ、今度は文字単
位で差分抽出を行う。ただし、恒等タグのノードはノー
ドの先頭文字であるタグが一致した場合のみ、文字単位
の比較を行う。手順２０４で比較しなかった無視タグも
この段階で比較を行う。 手順２０６：端末装置１０２に差分結果の表示を行う。
【００１４】（処理例１）実施例の具体的な処理例とし
て、恒等タグをもつ場合を図３の文書例で説明する。 手順２０１：文書編集プログラム１０４で、構造化文書
の編集を行う。図３の（ａ）から図３の（ｂ）を編集し
たとする。 手順２０２：比較対象であるＳＧＭＬ文書のＤＴＤに対
応した比較基準テーブル１０７を読み込む。対応する比
較基準テーブルが存在しない場合、テーブルの作成及び
登録を行う。図３からは、例えば図９のような比較基準
テーブルを作成する。すなわち、＜氏名＞および＜発信
日＞を恒等タグとして定義し、タグ同士が一致しない限
り、文字列同士を対応させないという意味を持つ。
【００１５】手順２０３：差分抽出プログラム１０６が
呼び出されたら、比較基準テーブル１０７を参照しなが
ら、構造化文書を構造化文書解析プログラム１０５によ
って解析し、文書木を作成する。実施例で説明したルー
ルを適用すると、図３の文書（ａ），（ｂ）から、図９
の比較基準テーブルを参照することにより、図１０の文
書木（ａ），（ｂ）ができる。図１０中の１００１、１
００２は、（ルール４）によって、タグと中身の文字列
が合わせて１つのノードに割り当てられている。
【００１６】手順２０４：文書木のノードを単位に差分
抽出を行う。ノードを単位に比較を行うため、恒等タグ
である＜氏名＞および＜発信日＞は、タグと中身の文字
列が両者とも一致しない限り、対応付けられることはな
い。この場合、タグが一致しないため、タグおよびその
中身が差分として抽出される。 手順２０５：一致しなかったノードのみ、今度は文字単
位で差分抽出を行う。ただし、恒等タグのノードはノー
ドの先頭文字であるタグが一致した場合のみ、文字単位
の比較を行う。
【００１７】手順２０６：端末装置１０２に差分結果の
表示を行う。図３の文書（ａ）との文書（ｂ）の差分抽
出を行った結果例を図１１に示す。図１１（ｂ）は、図
３（ａ）の構造化文書を基準として図３（ｂ）の構造化
文書との差分を取った場合の差分文字列の抽出結果であ
り、図１１（ａ）は、図３（ｂ）の構造化文書を基準と
して図３（ａ）の構造化文書との差分を取った場合の差
分文字列の抽出結果である。図１１（ｂ）では、ノード
１００１とノード１００２におけるタグ〈記号〉とタグ
〈発信日〉が一致しないので、ノード１００２全体の
「〈発信日〉平成６年１１月二十日〈／発信日〉が差分
として抽出され、また、図３（ａ）には図３（ｂ）にお
ける「お元気ですか」の記載が無いため、「お元気です
か」が差分として抽出される。
【００１８】以上の手順により差分抽出を行うと、タグ
が一致しないと中身を比較しても意味のないものを恒等
タグとして登録しておけば、文書の論理構造が合わない
もの同士を対応付けることがなくなり、編集者に対し
て、より適切な差分抽出結果を提示することが出来る。
【００１９】（処理例２）実施例の具体的な処理例の２
番目として、恒等タグおよび無視タグをもつ場合、およ
び構造のずれが起きている場合を図５の文書例で説明す
る。 手順２０１：文書編集プログラム１０４で、構造化文書
の編集を行う。図５の（ａ）から図５の（ｂ）を編集し
たとする。
【００２０】手順２０２：比較対象であるＳＧＭＬ文書
のＤＴＤに対応した、比較基準テーブル１０７を読み込
む。対応する比較基準テーブルが存在しない場合、テー
ブルの作成及び登録を行う。図５の例では、例えば、図
１２のような比較基準テーブルを作成する。すなわち、
＜著者名＞を恒等タグとして定義する。この場合、前述
したように、タグ同士が一致した場合のみ、文字列同士
を比較する。また、＜章番号＞を無視タグとして定義す
る。この場合、章番号の違いは無視する（差分抽出に影
響を与えない）。
【００２１】手順２０３：差分抽出プログラム１０６が
呼び出されたら、比較基準テーブル１０７を参照しなが
ら、ＳＧＭＬ文書を構造化文書解析プログラム１０５に
よって解析し、文書木を作成する。実施例で説明したル
ールを適用すると、図５の文書（ａ），（ｂ）から、図
１２の比較基準テーブルを参照することにより、図１３
の文書木（ａ），（ｂ）ができる。無視タグである＜章
番号＞は、（ルール５）によって、ノードとして割り当
てられていない。
【００２２】手順２０４：文書木のノードを単位に差分
抽出を行う。無視タグはノードとして存在しないため、
比較されず、全体の差分抽出に影響を与えることはな
い。 手順２０５：一致しなかったノードのみ、今度は文字列
単位で差分抽出を行う。手順２０４で比較しなかった無
視タグおよびその中身もこの段階で比較を行う。
【００２３】手順２０６：端末装置１０２に差分結果の
表示を行う。図５の文書（ａ）との文書（ｂ）の差分抽
出を行った結果例を図１４に示す。図１４（ｂ）は、図
５（ａ）の構造化文書を基準として図５（ｂ）の構造化
文書との差分を取った場合の差分文字列の抽出結果であ
り、図１４（ａ）は、図５（ｂ）の構造化文書を基準と
して図５（ａ）の構造化文書との差分を取った場合の差
分文字列の抽出結果である。図５（ａ）の構造化文書を
基準として図５（ｂ）の構造化文書との差分を取り、図
１４（ｂ）の差分文字列の抽出結果を得た場合について
説明すると、手順２０４における文書木のノードを単位
にした差分抽出では、図１３（ａ）、（ｂ）において、
〈論文〉，〈／論文〉と、〈著者名〉平成太郎〈／著者
名〉と、〈章〉構造化文書の差分抽出方式〈／章〉は一
致と判断され、図１４（ｂ）では一致部分として表示さ
れている。次に、手順２０５では、手順２０４で〈章〉
構造化文書の差分抽出方式〈／章〉は一致と判断されて
いるので、この一致部分に係る〈章番号〉，〈／章番
号〉は一致と判断され、「第２章」は「第１章」とは一
致しないので差分として抽出され、図１４（ｂ）のよう
に表示される。また、手順２０４において、図１３
（ｂ）の〈章〉構造化文書とは？〈／章〉は不一致と判
断されるので、この〈章〉構造化文書とは？〈／章〉
と、この不一致部分に係る〈章番号〉第１章〈／章番
号〉は差分として抽出され、図１４（ｂ）のように表示
される。
【００２４】以上の手順により差分抽出を行うと、まず
文書木のノード単位、すなわち構造単位で比較を行って
いるため、例えば、ノード１３０１と１３０２はこの時
点で対応付けられる。よって、図６のような構造にまた
がった対応付けは起こらないことが分かる。また、文書
木のノード単位の比較では、無視タグの比較を行わない
ため、無視タグの中身の差異が全体の差分抽出に影響を
与えないことが分かる。
【００２５】（処理例３）実施例の具体的な処理例の３
番目として、恒等タグおよび同等タグをもつ場合を図７
の文書例で説明する。 手順２０１：文書編集プログラム１０４で、構造化文書
の編集を行う。図７の（ａ）から図７の（ｂ）を編集し
たとする。
【００２６】手順２０２：比較対象であるＳＧＭＬ文書
のＤＴＤに対応した、比較基準テーブル１０７を読み込
む。対応する比較基準テーブルが存在しない場合、テー
ブルの作成及び登録を行う。図７の例では、例えば、図
１５のような比較基準テーブルを作成する。すなわち、
＜著者名＞を恒等タグとして定義する。この場合、タグ
同士が一致しない限り、文字列同士を対応させない。ま
た、＜項目＞と＜初項目＞を同等タグと定義する。この
場合、＜項目＞と＜初項目＞は同じ論理構造とされる。
【００２７】手順２０３：差分抽出プログラム１０６が
呼び出されたら、比較基準テーブル１０７を参照しなが
ら、ＳＧＭＬ文書を構造化文書解析プログラム１０５に
よって解析し、文書木を作成する。実施例で説明したル
ールを適用すると、図７の文書（ａ），（ｂ）から、図
１５の比較基準テーブルを参照することにより、図１６
の文書木（ａ），（ｂ）ができる。図１６中の１６０
１、１６０２、１６０３は（ルール６）によって、同じ
タグ名に変換されている。
【００２８】手順２０４：文書木のノードを単位に差分
抽出を行う。同等タグは同じタグ名になっているため差
分として抽出されない。 手順２０５：一致しなかったノードのみ、今度は文字単
位で差分抽出を行う。
【００２９】手順２０６：端末装置１０２に差分結果の
表示を行う。図７の文書（ａ）と（ｂ）の差分抽出を行
った例を図１７に示す。図１７（ｂ）は、図７（ａ）の
構造化文書を基準として図７（ｂ）の構造化文書との差
分を取った場合の差分文字列の抽出結果であり、図１７
（ａ）は、図７（ｂ）の構造化文書を基準として図７
（ａ）の構造化文書との差分を取った場合の差分文字列
の抽出結果である。図７（ａ）の構造化文書を基準とし
て図７（ｂ）の構造化文書との差分を取り、図１７
（ｂ）の差分文字列の抽出結果を得た場合について説明
すると、手順２０４における文書木のノードを単位にし
た差分抽出では、図１６（ａ）、（ｂ）において、〈論
文〉，〈／論文〉と、〈著者名〉平成太郎〈／著者名〉
と、〈項目〉構造化文書の差分抽出方式〈／項目〉は一
致と判断され、図１７（ｂ）では一致部分として表示さ
れている。次に、手順２０５では、手順２０４で〈項
目〉構造化文書とは？〈／項目〉は不一致と判断されて
いるので、この不一致部分について文字単位で差分抽出
を行ない、〈項目〉構造化文書とは？〈／項目〉は差分
として抽出され、図１７（ｂ）のように表示される。
【００３０】以上の手順により差分抽出を行うと、タグ
名が違っても、文書の論理構造が同じもの同士は、対応
付けられることが分かる。
【００３１】（処理例４）実施例の具体的な処理例の４
番目として、比較禁止タグをもつ場合を図１８の文書例
で説明する。 手順２０１：文書編集プログラム１０４で、構造化文書
の編集を行う。図１８の（ａ）から図１８の（ｂ）を編
集したとする。
【００３２】手順２０２：比較対象であるＳＧＭＬ文書
のＤＴＤに対応した、比較基準テーブル１０７を読み込
む。対応する比較基準テーブルが存在しない場合、テー
ブルの作成及び登録を行う。図１８の例では、例えば、
図１９のような比較基準テーブルを作成する。すなわ
ち、＜差出人＞と＜受取人＞とは比較禁止タグとする。
この場合、＜差出人＞と＜受取人＞は中身を比較しな
い。
【００３３】手順２０３：差分抽出プログラム１０６が
呼び出されたら、比較基準テーブル１０７を参照しなが
ら、ＳＧＭＬ文書を構造化文書解析プログラム１０５に
よって解析し、文書木を作成する。実施例で説明したル
ールを適用すると、図１８の文書（ａ），（ｂ）から、
図１９の比較基準テーブルを参照することにより、図２
０の文書木（ａ），（ｂ）ができる。
【００３４】手順２０４：文書木のノードを単位に差分
抽出を行う。＜差出人＞と＜受取人＞は比較するタグ同
士が比較禁止タグなので、そのノード以下（子ノード）
は比較しない。 手順２０５：一致しなかったノードのみ、今度は文字単
位で差分抽出を行う。
【００３５】手順２０６：端末装置１０２に差分結果の
表示を行う。図１８の文書（ａ）と（ｂ）の差分抽出を
行った例を図２１に示す。図２１（ｂ）は、図１８
（ａ）の構造化文書を基準として図１８（ｂ）の構造化
文書との差分を取った場合の差分文字列の抽出結果であ
り、図２１（ａ）は、図１８（ｂ）の構造化文書を基準
として図１８（ａ）の構造化文書との差分を取った場合
の差分文字列の抽出結果である。図１８（ａ）の構造化
文書を基準として図１８（ｂ）の構造化文書との差分を
取り、図２１（ｂ）の差分文字列の抽出結果を得た場合
について説明すると、手順２０４における文書木のノー
ドを単位にした差分抽出では、図１８（ａ）、（ｂ）に
おいて、〈メモ〉，〈／メモ〉は一致と判断され、〈受
取人〉，〈／受取人〉とその中身である〈所属〉○○銀
行〈／所属〉〈氏名〉平成太郎〈／氏名〉は、〈差出
人〉と〈受取人〉とが比較禁止タグであるので差分とさ
れ、〈本文〉こんにちは。お元気ですか？〈／本文〉は
不一致と判断される。次に、手順２０５では、手順２０
４で〈本文〉こんにちは。お元気ですか？〈／本文〉は
不一致と判断されているので、この不一致部分について
文字単位で差分抽出を行ない、「お元気ですか？」が差
分として抽出される。この結果、図２１（ｂ）のように
表示される。
【００３６】以上の手順により差分抽出を行うと、中身
を比較しないタグ同士を比較禁止タグとして登録してお
けば、そのノード以下（子ノード）は比較されず、＜差
出人＞と＜受取人＞の中身の所属や名前が対応付けられ
ることがなく、編集者に対して、より適切な差分抽出結
果を提示することが出来る。
【００３７】
【発明の効果】構造化文書の論理構造に応じた比較基準
を定義し、これを満たすよう差分を抽出することで、論
理構造の意味に応じた、編集者の感覚に合う差分が抽出
され、また、構造を表す文書木のノード単位で差分抽出
を行い、一致しなかったノード同士を文字単位で差分を
抽出することで、構造にまたがった差分も抽出されない
ため、編集者は論理構造にあった差分を把握することが
出来、構造化文書の編集の効率があがる。
【図面の簡単な説明】
【図１】本発明の実施例の構成を示す図である。
【図２】本発明の実施例の処理手順を示す図である。
【図３】構造化文書の第一の例を示す図である。
【図４】構造化文書の第一の例を従来の方式で差分抽出
した結果例を示す図である。
【図５】構造化文書の第二の例を示す図である。
【図６】構造化文書の第二の例を従来の方式で差分抽出
した結果例を示す図である。
【図７】構造化文書の第三の例を示す図である。
【図８】構造化文書の第三の例を従来の方式で差分抽出
した結果例を示す図である。
【図９】構造化文書の第一の例に対する比較基準テーブ
ルの例を示す図である。
【図１０】構造化文書の第一の例から図９の比較基準テ
ーブルに基づき作成した文書木を示す図である。
【図１１】構造化文書の第一の例を図９の比較基準テー
ブルに基づき差分抽出した結果例を示す図である。
【図１２】構造化文書の第二の例に対する比較基準テー
ブルの例を示す図である。
【図１３】構造化文書の第二の例から図１２の比較基準
テーブルに基づき作成した文書木を示す図である。
【図１４】構造化文書の第二の例を図１２の比較基準テ
ーブルに基づき差分抽出した結果例を示す図である。
【図１５】構造化文書の第三の例に対する比較基準テー
ブルの例を示す図である。
【図１６】構造化文書の第三の例から図１５の比較基準
テーブルに基づき作成した文書木を示す図である。
【図１７】構造化文書の第三の例を図１５の比較基準テ
ーブルに基づき差分抽出した結果例を示す図である。
【図１８】構造化文書の第四の例を示す図である。
【図１９】構造化文書の第四の例に対する比較基準テー
ブルの例を示す図である。
【図２０】構造化文書の第四の例から図１９の比較基準
テーブルに基づき作成した文書木を示す図である。
【図２１】構造化文書の第四の例を図１９の比較基準テ
ーブルに基づき差分抽出した結果例を示す図である。
【符号の説明】
１０１ ＣＰＵ １０２ 端末装置 １０３ 記憶装置 １０４ 文書編集プログラム １０５ 構造化文書解析プログラム １０６ 構造化文書差分抽出プログラム １０７ 比較基準テーブル

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 記憶装置と処理装置を備え、前記記憶装
    置に削除、挿入、または変更などの編集を実施する前後
    の構造化文書を記憶し、前記処理装置により前記編集前
    後の両構造化文書の一致しない文字列を差分として抽出
    する構造化文書差分抽出方法において、 構造化文書を文書編集して前記記憶装置に記憶し、 前記記憶装置から読み出した編集前後の各構造化文書の
    論理構造を、編集前後の各構造化文書の論理構造に対し
    て設定された比較基準に基づき構造化文書解析し、 該構造化文書解析の結果に従い、前記比較基準を満たす
    よう構造化文書間の差分を抽出することを特徴とする構
    造化文書差分抽出方法。
  2. 【請求項２】 請求項１記載の構造化文書差分抽出方法
    において、 前記比較基準を、論理構造を示すタグと該タグに対する
    基準の種類からなるテーブルとすることを特徴とする構
    造化文書差分抽出方法。
  3. 【請求項３】 請求項２記載の構造化文書差分抽出方法
    において、 前記比較基準におけるタグに対する基準の種類として、 （１）タグ自身が一致したときのみその中身を比較する
    タグ、 （２）比較する際、そのタグの中身の差異を無視するタ
    グ、 （３）論理的な意味として同じタグの組、 （４）中身を比較しないタグの組、の４つの基準の種類
    を定義しておくことを特徴とする構造化文書差分抽出方
    法。
  4. 【請求項４】 請求項１乃至請求項３のいずれかの請求
    項記載の構造化文書差分抽出方法において、 前記構造化文書解析により文書の構造を表わす文書木を
    作成し、該文書木のノード単位で構造化文書間の差分の
    抽出を行ない、一致しなかったノード同士に対して文字
    単位で差分を抽出することを特徴とする構造化文書差分
    抽出方法。
  5. 【請求項５】 請求項４記載の構造化文書差分抽出方法
    において、 前記構造化文書解析によって文書の構造を表す文書木を
    作成する際に、前記比較基準に応じて、文書木のノード
    の割り当て方法を変えることを特徴とする構造化文書差
    分抽出方法。
  6. 【請求項６】 記憶装置と処理装置を備え、前記記憶装
    置に削除、挿入、または変更などの編集を実施する前後
    の構造化文書を記憶し、前記処理装置により前記編集前
    後の両構造化文書の一致しない文字列を差分として抽出
    する構造化文書差分抽出装置において、 前記処理装置は、 構造化文書を編集して前記記憶装置に記憶する文書編集
    手段と、 前記記憶装置から読み出した編集前後の各構造化文書の
    論理構造を、編集前後の各構造化文書の論理構造に対し
    て設定された比較基準に基づき構造化文書解析する構造
    化文書解析手段と、 該構造化文書解析の結果に従い、前記比較基準を満たす
    よう構造化文書間の差分を抽出する構造化文書差分抽出
    手段を備えることを特徴とする構造化文書差分抽出装
    置。
  7. 【請求項７】 請求項６記載の構造化文書差分抽出装置
    において、 前記比較基準を、論理構造を示すタグと該タグに対する
    基準の種類からなるテーブルとすることを特徴とする構
    造化文書差分抽出装置。
  8. 【請求項８】 請求項７記載の構造化文書差分抽出装置
    において、 前記比較基準におけるタグに対する基準の種類として、 （１）タグ自身が一致したときのみその中身を比較する
    タグ、 （２）比較する際、そのタグの中身の差異を無視するタ
    グ、 （３）論理的な意味として同じタグの組、 （４）中身を比較しないタグの組、の４つの基準の種類
    を定義しておくことを特徴とする構造化文書差分抽出装
    置。
  9. 【請求項９】 請求項６乃至請求項８のいずれかの請求
    項記載の構造化文書差分抽出装置において、 前記構造化文書解析手段は文書の構造を表わす文書木を
    作成し、前記構造化文書差分抽出手段は作成された文書
    木のノード単位で構造化文書間の差分の抽出を行ない、
    一致しなかったノード同士に対して文字単位で差分を抽
    出することを特徴とする構造化文書差分抽出装置。
  10. 【請求項１０】 請求項９記載の構造化文書差分抽出装
    置において、 前記構造化文書解析手段は文書の構造を表す文書木を作
    成する際に、前記比較基準に応じて、文書木のノードの
    割り当てを変更することを特徴とする構造化文書差分抽
    出装置。
JP16139895A 1995-06-05 1995-06-05 構造化文書差分抽出方法および装置 Expired - Fee Related JP3724847B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP16139895A JP3724847B2 (ja) 1995-06-05 1995-06-05 構造化文書差分抽出方法および装置
US08/657,306 US5956726A (en) 1995-06-05 1996-06-03 Method and apparatus for structured document difference string extraction
EP96108939A EP0747836B1 (en) 1995-06-05 1996-06-04 Method and apparatus for comparison of structured documents
DE69634459T DE69634459T2 (de) 1995-06-05 1996-06-04 Verfahren und Anordnung zum Vergleichen von strukturierten Dokumenten
US09/326,579 US6098071A (en) 1995-06-05 1999-06-07 Method and apparatus for structured document difference string extraction
US09/604,261 US6526410B1 (en) 1995-06-05 2000-06-27 Method and apparatus for structured document difference string extraction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP16139895A JP3724847B2 (ja) 1995-06-05 1995-06-05 構造化文書差分抽出方法および装置

Publications (2)

Publication Number Publication Date
JPH08329079A true JPH08329079A (ja) 1996-12-13
JP3724847B2 JP3724847B2 (ja) 2005-12-07

Family

ID=15734343

Family Applications (1)

Application Number Title Priority Date Filing Date
JP16139895A Expired - Fee Related JP3724847B2 (ja) 1995-06-05 1995-06-05 構造化文書差分抽出方法および装置

Country Status (4)

Country Link
US (3) US5956726A (ja)
EP (1) EP0747836B1 (ja)
JP (1) JP3724847B2 (ja)
DE (1) DE69634459T2 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09319632A (ja) * 1996-05-31 1997-12-12 Hitachi Ltd 構造化文書の版管理方法および装置
JP2000231506A (ja) * 1999-02-12 2000-08-22 Nec Corp 木構造データ編集システムにおける木構造差分出力方法及び装置
US6931590B2 (en) * 2000-06-30 2005-08-16 Hitachi, Ltd. Method and system for managing documents
JP2007122291A (ja) * 2005-10-26 2007-05-17 Yafoo Japan Corp 情報抽出方法
JP2007514239A (ja) * 2003-12-18 2007-05-31 インテル・コーポレーション 効果的な省スペースｘｍｌパーシング
JP2010224869A (ja) * 2009-03-24 2010-10-07 Hitachi Information Systems Ltd ドキュメント管理システムおよびドキュメント管理方法ならびにそのためのプログラム
JP2011090524A (ja) * 2009-10-22 2011-05-06 Dainippon Hourei Printing Co Ltd 書籍掲載文書の差異検出表示システムおよび書籍掲載文書の差異検出表示プログラム
US10261805B2 (en) 2014-10-08 2019-04-16 Nec Corporation Information processing apparatus for acquiring and classifying components in a configuration definition, information processing method, and recording medium

Families Citing this family (96)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3724847B2 (ja) * 1995-06-05 2005-12-07 株式会社日立製作所 構造化文書差分抽出方法および装置
JPH0969101A (ja) * 1995-08-31 1997-03-11 Hitachi Ltd 構造化文書生成方法および装置
JPH09297768A (ja) * 1996-05-07 1997-11-18 Fuji Xerox Co Ltd 文書データベース管理装置及び文書データベース検索方法
US6658624B1 (en) * 1996-09-24 2003-12-02 Ricoh Company, Ltd. Method and system for processing documents controlled by active documents with embedded instructions
JPH10143403A (ja) * 1996-11-12 1998-05-29 Fujitsu Ltd 情報管理装置および情報管理プログラム記憶媒体
US6289121B1 (en) * 1996-12-30 2001-09-11 Ricoh Company, Ltd. Method and system for automatically inputting text image
US7212632B2 (en) 1998-02-13 2007-05-01 Tecsec, Inc. Cryptographic key split combiner
US6694433B1 (en) * 1997-05-08 2004-02-17 Tecsec, Inc. XML encryption scheme
CA2242158C (en) * 1997-07-01 2004-06-01 Hitachi, Ltd. Method and apparatus for searching and displaying structured document
US6411974B1 (en) * 1998-02-04 2002-06-25 Novell, Inc. Method to collate and extract desired contents from heterogeneous text-data streams
US8077870B2 (en) * 1998-02-13 2011-12-13 Tecsec, Inc. Cryptographic key split binder for use with tagged data elements
US6665836B1 (en) * 1998-06-17 2003-12-16 Siemens Corporate Research, Inc. Method for managing information on an information net
US6263332B1 (en) 1998-08-14 2001-07-17 Vignette Corporation System and method for query processing of structured documents
US7281203B2 (en) * 1998-09-29 2007-10-09 Netscape Communications Corporation Selecting a DTD for transforming malformed layout expressions into wellformed ones
US6964011B1 (en) * 1998-11-26 2005-11-08 Canon Kabushiki Kaisha Document type definition generating method and apparatus, and storage medium for storing program
CA2255047A1 (en) * 1998-11-30 2000-05-30 Ibm Canada Limited-Ibm Canada Limitee Comparison of hierarchical structures and merging of differences
US6718519B1 (en) 1998-12-31 2004-04-06 International Business Machines Corporation System and method for outputting character sets in best available fonts
US7031002B1 (en) 1998-12-31 2006-04-18 International Business Machines Corporation System and method for using character set matching to enhance print quality
US6813747B1 (en) 1998-12-31 2004-11-02 International Business Machines Corporation System and method for output of multipart documents
US6539118B1 (en) 1998-12-31 2003-03-25 International Business Machines Corporation System and method for evaluating character sets of a message containing a plurality of character sets
US7039637B2 (en) * 1998-12-31 2006-05-02 International Business Machines Corporation System and method for evaluating characters in an inputted search string against a character table bank comprising a predetermined number of columns that correspond to a plurality of pre-determined candidate character sets in order to provide enhanced full text search
US7103532B1 (en) 1998-12-31 2006-09-05 International Business Machines Corp. System and method for evaluating character in a message
US6760887B1 (en) 1998-12-31 2004-07-06 International Business Machines Corporation System and method for highlighting of multifont documents
WO2000062243A1 (fr) * 1999-04-14 2000-10-19 Fujitsu Limited Procede et dispositif d'extraction de chaines de caracteres utilisant un composant de base d'une image de document
JP2000339312A (ja) * 1999-05-31 2000-12-08 Toshiba Corp 文書編集システム及びタグ情報管理テーブル作成方法
US6959415B1 (en) * 1999-07-26 2005-10-25 Microsoft Corporation Methods and apparatus for parsing Extensible Markup Language (XML) data streams
US6560620B1 (en) * 1999-08-03 2003-05-06 Aplix Research, Inc. Hierarchical document comparison system and method
US6502112B1 (en) * 1999-08-27 2002-12-31 Unisys Corporation Method in a computing system for comparing XMI-based XML documents for identical contents
US7191114B1 (en) 1999-08-27 2007-03-13 International Business Machines Corporation System and method for evaluating character sets to determine a best match encoding a message
US7661062B1 (en) * 1999-09-20 2010-02-09 Business Objects Americas System and method of analyzing an HTML document for changes such that the changed areas can be displayed with the original formatting intact
JP2001092707A (ja) * 1999-09-24 2001-04-06 Nec Corp 情報処理システム、構造化文書処理システム、その更新方法及びその更新プログラムを記録した記録媒体
US6675354B1 (en) * 1999-11-18 2004-01-06 International Business Machines Corporation Case-insensitive custom tag recognition and handling
JP3754253B2 (ja) * 1999-11-19 2006-03-08 株式会社東芝 構造化文書検索方法、構造化文書検索装置及び構造化文書検索システム
AU2929301A (en) * 2000-01-07 2001-07-24 Winlook Corporation Method and apparatus for displaying, retrieving, filing and organizing various kinds of data and images
US7137065B1 (en) * 2000-02-24 2006-11-14 International Business Machines Corporation System and method for classifying electronically posted documents
EP1290575B1 (en) * 2000-05-16 2005-06-08 O'Carroll, Garrett A document processing system and method
US6519557B1 (en) * 2000-06-06 2003-02-11 International Business Machines Corporation Software and method for recognizing similarity of documents written in different languages based on a quantitative measure of similarity
GB0018042D0 (en) * 2000-07-21 2000-09-13 Monsell Edm Ltd Method of and software for recordal and validation of changes to markup language files
US7103838B1 (en) * 2000-08-18 2006-09-05 Firstrain, Inc. Method and apparatus for extracting relevant data
US6920609B1 (en) * 2000-08-24 2005-07-19 Yahoo! Inc. Systems and methods for identifying and extracting data from HTML pages
WO2002029618A1 (en) 2000-09-30 2002-04-11 Intel Corporation (A Corporation Of Delaware) A method and apparatus for determining text passage similarity
JP2002149874A (ja) * 2000-11-07 2002-05-24 Ricoh Co Ltd 電子マニュアル提供システムおよび方法、並びにサーバ装置
CA2328566A1 (en) * 2000-12-15 2002-06-15 Ibm Canada Limited - Ibm Canada Limitee System and method for providing language-specific extensions to the compare facility in an edit system
FR2818409B1 (fr) * 2000-12-18 2003-03-14 Expaway Procede pour diviser des documents structures en plusieurs parties
US20020169803A1 (en) * 2000-12-18 2002-11-14 Sudarshan Sampath System and user interface for generating structured documents
US6978420B2 (en) * 2001-02-12 2005-12-20 Aplix Research, Inc. Hierarchical document cross-reference system and method
US7028024B1 (en) * 2001-07-20 2006-04-11 Vignette Corporation Information retrieval from a collection of information objects tagged with hierarchical keywords
JP4045400B2 (ja) * 2001-08-24 2008-02-13 富士ゼロックス株式会社 検索装置及び検索方法
US8041739B2 (en) * 2001-08-31 2011-10-18 Jinan Glasgow Automated system and method for patent drafting and technology assessment
US6754676B2 (en) * 2001-09-13 2004-06-22 International Business Machines Corporation Apparatus and method for providing selective views of on-line surveys
US7085996B2 (en) * 2001-10-18 2006-08-01 International Business Corporation Apparatus and method for source compression and comparison
US20040205675A1 (en) * 2002-01-11 2004-10-14 Thangaraj Veerappan System and method for determining a document language and refining the character set encoding based on the document language
US20030145278A1 (en) * 2002-01-22 2003-07-31 Nielsen Andrew S. Method and system for comparing structured documents
US7191395B2 (en) * 2002-03-12 2007-03-13 International Business Machines Corporation Method and system for stylesheet-centric editing
US7096421B2 (en) * 2002-03-18 2006-08-22 Sun Microsystems, Inc. System and method for comparing hashed XML files
US20040205509A1 (en) * 2002-03-18 2004-10-14 Sun Microsystems, Inc. System and method for comparing parsed XML files
US7260773B2 (en) * 2002-03-28 2007-08-21 Uri Zernik Device system and method for determining document similarities and differences
US20030233621A1 (en) * 2002-06-13 2003-12-18 International Business Machines Corporation Editor for smart version control
GB0217201D0 (en) * 2002-07-24 2002-09-04 Beach Solutions Ltd XML database differencing engine
JP4737914B2 (ja) 2002-10-02 2011-08-03 ケープレックス・インク 文書改訂支援プログラム及び当該支援プログラムを記録したコンピュータ読み取り可能媒体、並びに文書改訂支援装置。
US7353225B2 (en) * 2002-11-13 2008-04-01 Sun Microsystems, Inc. Mechanism for comparing content in data structures
US7603371B1 (en) 2002-12-17 2009-10-13 Vignette Corporation Object based system and method for managing information
US20070245228A9 (en) * 2003-04-10 2007-10-18 Andre Lavoie Financial document change identifier
US7296223B2 (en) * 2003-06-27 2007-11-13 Xerox Corporation System and method for structured document authoring
JPWO2005006192A1 (ja) * 2003-07-10 2006-08-24 富士通株式会社 構造化文書処理方法及び装置並びに記憶媒体
US7877399B2 (en) * 2003-08-15 2011-01-25 International Business Machines Corporation Method, system, and computer program product for comparing two computer files
US8495099B2 (en) * 2003-10-24 2013-07-23 Enrico Maim Method of manipulating information objects and of accessing such objects in a computer environment
US7373586B2 (en) * 2004-09-03 2008-05-13 International Business Machines Corporation Differencing and merging tree-structured documents
US8082259B2 (en) * 2005-03-16 2011-12-20 Sony Corporation Information processing apparatus for extracting objects
US20070005701A1 (en) * 2005-06-30 2007-01-04 International Business Machines Corporation Synchronizing email content with IM content
EP1791293A1 (en) * 2005-11-29 2007-05-30 Ipanto Network service configuration management
US20070162486A1 (en) * 2005-12-30 2007-07-12 Thomas Brueggemann Merge tool for structured object models
US20070294610A1 (en) * 2006-06-02 2007-12-20 Ching Phillip W System and method for identifying similar portions in documents
US20080005148A1 (en) * 2006-06-30 2008-01-03 Rearden Commerce, Inc. Automated knowledge base of feed tags
US7984375B1 (en) * 2006-10-10 2011-07-19 Adobe Systems Incorporated Automated detection and implementation of state and object modifications
US8321197B2 (en) * 2006-10-18 2012-11-27 Teresa Ruth Gaudet Method and process for performing category-based analysis, evaluation, and prescriptive practice creation upon stenographically written and voice-written text files
GB0623068D0 (en) * 2006-11-18 2006-12-27 Ibm A client apparatus for updating data
US8918717B2 (en) * 2007-05-07 2014-12-23 International Business Machines Corporation Method and sytem for providing collaborative tag sets to assist in the use and navigation of a folksonomy
US8090747B2 (en) * 2007-05-21 2012-01-03 New York University Method, system, computer-accessible medium and software arrangement for organization and analysis of multiple sets of data
US7716228B2 (en) * 2007-09-25 2010-05-11 Firstrain, Inc. Content quality apparatus, systems, and methods
US20090088997A1 (en) * 2007-09-28 2009-04-02 Hitachi High Technologies Corporation Data processing system
US8150842B2 (en) * 2007-12-12 2012-04-03 Google Inc. Reputation of an author of online content
US8918369B2 (en) * 2008-06-05 2014-12-23 Craze, Inc. Method and system for classification of venue by analyzing data from venue website
US8230325B1 (en) * 2008-06-30 2012-07-24 Amazon Technologies, Inc. Structured document customizable comparison systems and methods
US20100131617A1 (en) * 2008-11-25 2010-05-27 John Osborne Method and system for differential transmission of web page structures
KR101384405B1 (ko) * 2010-01-19 2014-04-10 후지쯔 가부시끼가이샤 해석 방법, 해석 장치 및 해석 프로그램
GB2477307A (en) * 2010-01-28 2011-08-03 Adsensa Ltd Embedding authentication data into an electronic document image
JP2012043047A (ja) * 2010-08-16 2012-03-01 Fuji Xerox Co Ltd 情報処理装置及び情報処理プログラム
US10108590B2 (en) * 2013-05-03 2018-10-23 International Business Machines Corporation Comparing markup language files
US9817804B2 (en) * 2013-09-12 2017-11-14 Wix.Com Ltd. System for comparison and merging of versions in edited websites and interactive applications
JP6185148B2 (ja) * 2014-03-25 2017-08-23 株式会社日立製作所 ソフトウェア仕様間依存関係検証装置、及びソフトウェア仕様間依存関係検証方法
US10558679B2 (en) * 2016-02-10 2020-02-11 Fuji Xerox Co., Ltd. Systems and methods for presenting a topic-centric visualization of collaboration data
US10783138B2 (en) * 2017-10-23 2020-09-22 Google Llc Verifying structured data
US11314807B2 (en) 2018-05-18 2022-04-26 Xcential Corporation Methods and systems for comparison of structured documents
CN112908487B (zh) * 2021-04-19 2023-09-22 中国医学科学院医学信息研究所 一种临床指南更新内容的自动识别方法及系统
US20220405499A1 (en) * 2021-06-18 2022-12-22 Jpmorgan Chase Bank, N.A. Method and system for extracting information from a document

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4807182A (en) * 1986-03-12 1989-02-21 Advanced Software, Inc. Apparatus and method for comparing data groups
US5261040A (en) * 1986-07-11 1993-11-09 Canon Kabushiki Kaisha Text processing apparatus
JPH02255964A (ja) * 1989-01-23 1990-10-16 Sumitomo Metal Ind Ltd 文書変更部分の自動識別装置
US5146552A (en) * 1990-02-28 1992-09-08 International Business Machines Corporation Method for associating annotation with electronically published material
US5428529A (en) * 1990-06-29 1995-06-27 International Business Machines Corporation Structured document tags invoking specialized functions
US5434962A (en) * 1990-09-07 1995-07-18 Fuji Xerox Co., Ltd. Method and system for automatically generating logical structures of electronic documents
CA2067633C (en) * 1991-07-24 1996-10-01 Eric Jonathan Bauer Method and apparatus for accessing a computer-based file system
JP2659896B2 (ja) * 1992-04-29 1997-09-30 インターナショナル・ビジネス・マシーンズ・コーポレイション 構造化文書複製管理方法及び構造化文書複製管理装置
WO1994012944A1 (en) * 1992-11-23 1994-06-09 Paragon Concepts, Inc. Computer filing system with user selected categories to provide file access
JPH06250895A (ja) * 1993-02-26 1994-09-09 Fujitsu Ltd 構造化データベースシステム
JP2770715B2 (ja) * 1993-08-25 1998-07-02 富士ゼロックス株式会社 構造化文書検索装置
US5438512A (en) * 1993-10-22 1995-08-01 Xerox Corporation Method and apparatus for specifying layout processing of structured documents
JP3444948B2 (ja) * 1993-12-28 2003-09-08 キヤノン株式会社 文書編集装置および文書編集方法
JP3287679B2 (ja) * 1993-12-28 2002-06-04 キヤノン株式会社 文書処理装置及び方法
US5787449A (en) * 1994-06-02 1998-07-28 Infrastructures For Information Inc. Method and system for manipulating the architecture and the content of a document separately from each other
US5745745A (en) * 1994-06-29 1998-04-28 Hitachi, Ltd. Text search method and apparatus for structured documents
JP2896634B2 (ja) * 1995-03-02 1999-05-31 富士ゼロックス株式会社 全文登録語検索装置および全文登録語検索方法
JPH08255155A (ja) * 1995-03-16 1996-10-01 Fuji Xerox Co Ltd 全文登録語検索装置および方法
JP3724847B2 (ja) * 1995-06-05 2005-12-07 株式会社日立製作所 構造化文書差分抽出方法および装置
US5878421A (en) * 1995-07-17 1999-03-02 Microsoft Corporation Information map
US5950196A (en) * 1997-07-25 1999-09-07 Sovereign Hill Software, Inc. Systems and methods for retrieving tabular data from textual sources

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09319632A (ja) * 1996-05-31 1997-12-12 Hitachi Ltd 構造化文書の版管理方法および装置
JP2000231506A (ja) * 1999-02-12 2000-08-22 Nec Corp 木構造データ編集システムにおける木構造差分出力方法及び装置
US6931590B2 (en) * 2000-06-30 2005-08-16 Hitachi, Ltd. Method and system for managing documents
JP2007514239A (ja) * 2003-12-18 2007-05-31 インテル・コーポレーション 効果的な省スペースｘｍｌパーシング
JP2007122291A (ja) * 2005-10-26 2007-05-17 Yafoo Japan Corp 情報抽出方法
JP2010224869A (ja) * 2009-03-24 2010-10-07 Hitachi Information Systems Ltd ドキュメント管理システムおよびドキュメント管理方法ならびにそのためのプログラム
JP2011090524A (ja) * 2009-10-22 2011-05-06 Dainippon Hourei Printing Co Ltd 書籍掲載文書の差異検出表示システムおよび書籍掲載文書の差異検出表示プログラム
US10261805B2 (en) 2014-10-08 2019-04-16 Nec Corporation Information processing apparatus for acquiring and classifying components in a configuration definition, information processing method, and recording medium

Also Published As

Publication number Publication date
US6098071A (en) 2000-08-01
JP3724847B2 (ja) 2005-12-07
DE69634459D1 (de) 2005-04-21
EP0747836A1 (en) 1996-12-11
US5956726A (en) 1999-09-21
EP0747836B1 (en) 2005-03-16
US6526410B1 (en) 2003-02-25
DE69634459T2 (de) 2006-01-12

Similar Documents

Publication Publication Date Title
JP3724847B2 (ja) 構造化文書差分抽出方法および装置
US5778400A (en) Apparatus and method for storing, searching for and retrieving text of a structured document provided with tags
KR100324456B1 (ko) 구조화문서검색표시방법및장치
US8938461B2 (en) Method for organizing large numbers of documents
Bergmark Automatic extraction of reference linking information from onlinedocuments
US20050050459A1 (en) Automatic partition method and apparatus for structured document information blocks
JPH07325827A (ja) ハイパーテキスト自動生成装置
CN110609998A (zh) 一种电子文档信息的数据提取方法、电子设备及存储介质
CN109885569A (zh) 基于配置文件对xml数据进行字段提取及结构化方法
CN113850056A (zh) 一种基于关键词拆分技术的文档关键信息提取方法和系统
US7401071B2 (en) Structured data retrieval apparatus, method, and computer readable medium
JPH11328218A (ja) コンテンツ属性情報正規化方法、情報収集・サービス提供システム、属性情報設定装置並びにプログラム格納記録媒体
JP3566457B2 (ja) 構造化文書の版管理方法および装置
JP3744676B2 (ja) 情報抽出装置及びその方法
JP4196824B2 (ja) 情報区分装置、情報区分方法及び情報区分プログラム
Yamada et al. Automatic wrapper generation for multilingual web resources
Li et al. A document classification and extraction system with learning ability
JPH0877179A (ja) 文書索引生成装置
JP3156613B2 (ja) 文書編集方式
Suzuki et al. Path Set Operations for Clipping of Parts of Web Pages and Information Extraction from Web pages.
EP1072986A2 (en) System and method for extracting data from semi-structured text
Ikeda et al. Expressive power of tree and string based wrappers
CN108897749A (zh) 基于语法树和文本块密度的网页信息抽取方法及系统
JPH09160917A (ja) タグ付き文書作成装置及びその方法
Pereda Information extraction in an optical character recognition context

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20040122

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20040217

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20040316

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20040419

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: 20050913

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20050920

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees