JP2005190141A - 情報区分装置、情報区分方法及び情報区分プログラム - Google Patents
情報区分装置、情報区分方法及び情報区分プログラム Download PDFInfo
- Publication number
- JP2005190141A JP2005190141A JP2003430185A JP2003430185A JP2005190141A JP 2005190141 A JP2005190141 A JP 2005190141A JP 2003430185 A JP2003430185 A JP 2003430185A JP 2003430185 A JP2003430185 A JP 2003430185A JP 2005190141 A JP2005190141 A JP 2005190141A
- Authority
- JP
- Japan
- Prior art keywords
- document
- reference source
- source document
- label
- input
- 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
Links
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】 本発明では、処理対象の複数の電子文書に共通するであろう表層的特徴のみを電子文書として記述している参照元文書を用意しておく。そして、区分処理対象の入力電子文書と参照元文書とを比較し、参照元文書に対して、挿入されている入力電子文書の部分と、参照元文書に対して、変更されている入力電子文書の部分とを部分文書として区分する。
【選択図】 図1
Description
以下、本発明による情報区分装置、方法及びプログラムの第1の実施形態を図面を参照しながら詳述する。
図1は、第1の実施形態の情報区分装置の機能的構成を示すブロック図である。例えば、第1の実施形態の情報区分装置は、通信機能を有するパソコン等の情報処理装置に対し、CD−ROMやフレキシブルディスク等の記録媒体に記録されている情報区分プログラム(データファイルや、データを格納するテーブル等を含む)をインストールしたり、情報区分プログラムをネットワークからダウンロードしてインストールすることで実現されるが、機能的には、図1で表すことができる。
次に、上述した構成を有する第1の実施形態の情報区分装置100の動作(情報区分方法)を説明する。なお、以下の説明では、上述した図4に示す参照元文書(データ)と、上述した図5に示す参照元文書/ラベル対応データとが格納されている場合において、図6に示すような文書(データ)が入力されたとして、適宜、具体的に説明する。
以上のように、第1の実施形態によれば、分類対象文書中によく現れる表層的な特徴(項目を表記した文字列や罫線、項の境界位置に存在する文字列や罫線など)を記述した参照元文書を用意するだけで、XMLやHTMLやSGMLで記述されたような明確な構造をもつ文書ではなくても、処理対象文書から、所望する情報に係る文字列領域(部分文書)を認識できたり、抽出できたりするという効果を奏する。
次に、本発明による情報区分装置、方法及びプログラムの第2の実施形態を図面を参照しながら詳述する。
図10は、第2の実施形態の情報区分装置10Aの機能的構成を示すブロック図であり、上述した第1の実施形態に係る図1との同一、対応部分には同一符号を付して示している。
第1の実施形態の情報区分装置と動作が異なるのは、参照元文書データ生成部107の動作及び参照元文書/ラベル対応データ生成部108の動作だけなので、以下では、参照元文書データ生成部107及び参照元文書/ラベル対応データ生成部108の動作を説明する。
第2の実施形態によれば、上述した第1の実施形態の効果に加え、自動的に参照元文書を生成することができるという効果を奏することができる。参照元文書と参照元文書/ラベル対応データは一度だけ作成すれば良く、作成後に入力された文書は、これらのデータを用いて分類することができる。
上記各実施形態では、文書比較部101や参照元文書生成部107による2つの文書の比較を1行単位で行うものを示したが、これを、文字単位や、あるいは、形態素解析処理などを行った後の単語単位で行っても良く、また、それらを組み合わせて行っても良い。
Claims (9)
- 入力された電子文書を区分する情報区分装置において、
処理対象の複数の電子文書に共通するであろう表層的特徴のみを電子文書として記述している参照元文書を格納する参照元文書格納手段と、
入力電子文書と、上記参照元文書格納手段に格納されている上記参照元文書とを比較し、上記参照元文書に対して、挿入されている上記入力電子文書の部分と、上記参照元文書に対して、変更されている上記入力電子文書の部分とを部分文書として区分する文書比較手段と
を有することを特徴とする情報区分装置。 - 上記参照元文書における位置と、挿入や変更などの編集状態と、ラベルとの組を複数格納している参照元文書/ラベル対応データ格納手段と、
上記文書比較手段が検出した各部分文書に対し、部分文書の編集状態とその部分文書に対応する参照元文書の位置とをキーとして、上記参照元文書/ラベル対応データ格納手段を検索してラベルを付与するラベリング手段と
をさらに備えることを特徴とする請求項1に記載の情報区分装置。 - 複数の異なる電子文書を比較し、複数の電子文書に共通する表層的特徴を抽出して上記参照元文書を生成する参照元文書生成手段をさらに備えることを特徴とする請求項1又は2に記載の情報区分装置。
- 上記参照元文書生成手段が生成した参照元文書と生成に用いた電子文書の対応から、生成した参照元文書に対応する参照元文書/ラベル対応データを作成する参照元文書/ラベル対応データ生成手段をさらに備えることを特徴とする請求項3に記載の情報区分装置。
- 入力された電子文書を区分する情報区分方法において、
処理対象の複数の電子文書に共通するであろう表層的特徴のみを電子文書として記述している参照元文書を用意しておき、
入力電子文書と、上記参照元文書とを比較し、上記参照元文書に対して、挿入されている上記入力電子文書の部分と、上記参照元文書に対して、変更されている上記入力電子文書の部分とを部分文書として区分する文書比較工程
を含むことを特徴とする情報区分方法。 - 上記参照元文書における位置と、挿入や変更などの編集状態と、ラベルとの組でなる参照元文書/ラベル対応データを複数用意しておき、
上記文書比較工程で検出された各部分文書に対し、部分文書の編集状態とその部分文書に対応する参照元文書の位置とに合致する、上記参照元文書/ラベル対応データを検索してラベルを付与するラベリング工程
をさらに含むことを特徴とする請求項5に記載の情報区分方法。 - 複数の異なる電子文書を比較し、複数の電子文書に共通する表層的特徴を抽出して上記参照元文書を生成する参照元文書生成工程をさらに含むことを特徴とする請求項5又は6に記載の情報区分方法。
- 上記参照元文書生成工程で生成された参照元文書と生成に用いられた電子文書の対応から、生成した参照元文書に対応する参照元文書/ラベル対応データを作成する参照元文書/ラベル対応データ生成工程をさらに含むことを特徴とする請求項7に記載の情報区分方法。
- 請求項5〜7のいずれかに記載の情報区分方法の工程及び用意しておくデータをコンピュータが処理し得るコードで記述したことを特徴とする情報区分プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003430185A JP4196824B2 (ja) | 2003-12-25 | 2003-12-25 | 情報区分装置、情報区分方法及び情報区分プログラム |
US11/016,844 US20050154703A1 (en) | 2003-12-25 | 2004-12-21 | Information partitioning apparatus, information partitioning method and information partitioning program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003430185A JP4196824B2 (ja) | 2003-12-25 | 2003-12-25 | 情報区分装置、情報区分方法及び情報区分プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005190141A true JP2005190141A (ja) | 2005-07-14 |
JP4196824B2 JP4196824B2 (ja) | 2008-12-17 |
Family
ID=34736328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003430185A Expired - Fee Related JP4196824B2 (ja) | 2003-12-25 | 2003-12-25 | 情報区分装置、情報区分方法及び情報区分プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20050154703A1 (ja) |
JP (1) | JP4196824B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131752B2 (en) * | 2006-11-15 | 2012-03-06 | Ebay Inc. | Breaking documents |
US8589426B1 (en) * | 2008-10-29 | 2013-11-19 | Sprint Communications Company L.P. | Simultaneous file editor |
JP5499970B2 (ja) * | 2010-07-16 | 2014-05-21 | 富士ゼロックス株式会社 | 文書処理装置及びプログラム |
US20120246565A1 (en) * | 2011-03-24 | 2012-09-27 | Konica Minolta Laboratory U.S.A., Inc. | Graphical user interface for displaying thumbnail images with filtering and editing functions |
US9436660B2 (en) * | 2012-11-16 | 2016-09-06 | International Business Machines Corporation | Building and maintaining information extraction rules |
US20150356174A1 (en) * | 2014-06-06 | 2015-12-10 | Wipro Limited | System and methods for capturing and analyzing documents to identify ideas in the documents |
CN109684437B (zh) * | 2018-11-16 | 2020-10-30 | 东软集团股份有限公司 | 用于文件比较的内容对齐方法、装置、存储介质和设备 |
JP6587245B1 (ja) * | 2019-06-26 | 2019-10-09 | アガサ株式会社 | 申請書判定装置および申請書判定プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9460414B2 (en) * | 2001-08-28 | 2016-10-04 | Eugene M. Lee | Computer assisted and/or implemented process and system for annotating and/or linking documents and data, optionally in an intellectual property management system |
US7519607B2 (en) * | 2002-08-14 | 2009-04-14 | Anderson Iv Robert | Computer-based system and method for generating, classifying, searching, and analyzing standardized text templates and deviations from standardized text templates |
US20040261016A1 (en) * | 2003-06-20 | 2004-12-23 | Miavia, Inc. | System and method for associating structured and manually selected annotations with electronic document contents |
-
2003
- 2003-12-25 JP JP2003430185A patent/JP4196824B2/ja not_active Expired - Fee Related
-
2004
- 2004-12-21 US US11/016,844 patent/US20050154703A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP4196824B2 (ja) | 2008-12-17 |
US20050154703A1 (en) | 2005-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4637181B2 (ja) | 文書構造に基づいた検索結果の表示 | |
US7444325B2 (en) | Method and system for information extraction | |
US8452132B2 (en) | Automatic file name generation in OCR systems | |
US20130054595A1 (en) | Automated File Name Generation | |
JP2008511075A5 (ja) | ||
US20100198827A1 (en) | Method for finding text reading order in a document | |
KR20070094944A (ko) | 명백한 지리적 언급의 분류 | |
US7046847B2 (en) | Document processing method, system and medium | |
WO2004034282A1 (ja) | コンテンツ再利用管理装置およびコンテンツ再利用支援装置 | |
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 | |
Leonandya et al. | A semi-supervised algorithm for Indonesian named entity recognition | |
JPH11184894A (ja) | 論理要素抽出方法および記録媒体 | |
JP4524640B2 (ja) | 情報処理装置および方法、並びにプログラム | |
JP5446877B2 (ja) | 目次構造特定装置 | |
JP2010061176A (ja) | テキストマイニング装置、テキストマイニング方法、および、テキストマイニングプログラム | |
JP4866603B2 (ja) | 住所文字列取得方法および住所文字列取得システム | |
JP5447368B2 (ja) | 新規事例生成装置、新規事例生成方法及び新規事例生成用プログラム | |
CN112949287B (zh) | 热词挖掘方法、***、计算机设备和存储介质 | |
JP4426893B2 (ja) | 文書検索方法、文書検索プログラムおよびこれを実行する文書検索装置 | |
JPH06309365A (ja) | 文書処理装置 | |
JP4895988B2 (ja) | 文書分類装置の余分構造減退方法 | |
JP2004086846A (ja) | 情報区分装置、方法及びプログラム、並びに、情報区分プログラムを記録した記録媒体 | |
EP2713285A1 (en) | Information processing apparatus, information processing method, and program | |
JP3287307B2 (ja) | 構造化文書検索システム、構造化文書検索方法および構造化文書検索用プログラムを記録した記録媒体 | |
JP2012022443A (ja) | 文書検索装置、文書検索方法及び文書検索プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060131 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071211 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080205 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080415 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080611 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080708 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080813 |
|
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: 20080909 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080922 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111010 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111010 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111010 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111010 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121010 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121010 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131010 Year of fee payment: 5 |
|
LAPS | Cancellation because of no payment of annual fees |