JP2018028714A

JP2018028714A - 情報処理装置及びプログラム

Info

Publication number: JP2018028714A
Application number: JP2016159118A
Authority: JP
Inventors: 碧谷口; Midori Taniguchi
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2016-08-15
Filing date: 2016-08-15
Publication date: 2018-02-22

Abstract

【課題】文書に含まれるコンテンツを格納単位とすることによって文書の格納領域の削減を図る。【解決手段】文書に含まれるコンテンツのうち文書の追跡を可能とするコンテンツが定義されたコンテンツ抽出ルールに従い、格納対象の文書の画像に含まれているコンテンツを抽出するコンテンツ抽出部１３と、抽出されたコンテンツをコンテンツ記憶部２５に登録するコンテンツ登録部１５３と、文書名に当該文書から抽出されたコンテンツのコンテンツＩＤを対応付けして文書情報記憶部２６に登録することによって文書をコンテンツの組合せとして登録する文書情報登録部１５５と、を有する。【選択図】図１

Description

本発明は、情報処理装置及びプログラムに関する。

文書データを画像ファイルとしてハードディスク装置に格納し管理するイメージログシステムにおいて、ハードディスク装置に蓄積されているファイルが出力された場合、そのファイルを出力したユーザーのユーザーＩＤをファイルの属性情報として記録してファイル管理を行う場合がある。このシステムを利用すると、情報の漏洩が発覚したときに漏洩した情報を含むファイルの出力者が容易に特定できるので情報漏洩の追跡が可能となる。

ところで、管理対象とする画像ファイル全体をそのままハードディスク装置に保存していくと、時間の経過に伴いハードディスク装置の記憶容量を圧迫していくことにもなりかねない。そこで、従来では、文書データの文字列部分にＯＣＲをかけて、文字列部分の画像のデータ量を削減する技術が提案されている（例えば、特許文献１）。

特開２００７−０８６９５６号公報特開２００９−１１０３１９号公報

しかしながら、従来においては、ファイルの文字列部分のデータ量を削減できたとしても情報漏洩の追跡に不要な部分の画像データを格納対象から除くようなことはせずにファイル全体を格納対象としている。

本発明は、文書に含まれるコンテンツを格納単位とすることによって文書の格納領域の削減を図ることを目的とする。

本発明に係る情報処理装置は、格納対象の文書を受け付ける文書受付手段と、文書に含まれるコンテンツのうち保存対象とするコンテンツが定義されたコンテンツ抽出定義情報に基づき、前記文書受付手段に受け付けられた文書からコンテンツを抽出する抽出手段と、前記抽出手段により抽出されたコンテンツをコンテンツ記憶手段に登録するコンテンツ登録手段と、前記文書受付手段に受け付けられた文書を識別する文書識別情報に、当該文書から抽出され前記コンテンツ記憶手段に格納されたコンテンツのコンテンツ識別情報を対応付けして文書情報を生成して文書情報記憶手段に登録する文書情報登録手段と、を有することを特徴とする。

また、前記抽出手段により抽出されたコンテンツと同一のコンテンツが前記コンテンツ記憶手段に既に登録されている場合、前記コンテンツ登録手段は、前記抽出手段により抽出されたコンテンツを前記コンテンツ記憶手段に登録せず、前記文書情報登録手段は、前記文書識別情報に前記同一のコンテンツのコンテンツ識別情報を対応付けして文書情報を生成することを特徴とする。

また、前記コンテンツ登録手段は、前記抽出手段により抽出されたコンテンツに類似したコンテンツが前記コンテンツ記憶手段に登録されている場合、前記文書識別情報に前記抽出手段により抽出されたコンテンツと類似したコンテンツとの差分情報をコンテンツとして前記コンテンツ記憶手段に登録し、前記文書情報登録手段は、前記文書識別情報に前記差分情報のコンテンツ識別情報を対応付けして文書情報を生成することを特徴とする。

また、前記類似したコンテンツと前記抽出手段により抽出された差分情報とを関連付けたコンテンツ管理情報を参照してコンテンツを復元する復元手段を有することを特徴とする。

また、前記コンテンツ記憶手段に登録されているコンテンツを出力するコンテンツ出力手段と、前記出力手段により出力されたコンテンツの中から選択されたコンテンツを受け付けるコンテンツ受付手段と、前記コンテンツ受付手段により受け付けられたコンテンツを含む文書に関する情報を出力する文書情報出力手段と、を有することを特徴とする。

また、前記コンテンツ抽出定義情報には、文書の追跡を可能とするコンテンツが定義されており、前記コンテンツ受付手段は、漏洩した文書に含まれているコンテンツを受け付けることを特徴とする。

また、前記格納対象の文書の出力者を含む当該文書の属性情報を受け付ける属性情報受付手段を有し、前記文書情報登録手段は、前記文書識別情報に当該文書の属性情報を関連付けし、前記文書情報出力手段は、前記文書に関する情報として当該文書の属性情報を出力することを特徴とする。

また、コンテンツがカテゴリに分類されて前記コンテンツ記憶手段に登録される場合、前記抽出手段により抽出されたコンテンツの分類先とするカテゴリを決定するカテゴリ決定手段を有し、前記コンテンツ登録手段は、前記抽出手段により抽出されたコンテンツを前記カテゴリ決定手段により受け付けられたカテゴリに分類して前記コンテンツ記憶手段に登録し、前記コンテンツ出力手段は、前記文書に関する情報を出力する際にカテゴリが指定さると、その指定されたカテゴリ及び当該カテゴリを下位層に含むカテゴリに分類されたコンテンツを前記コンテンツ記憶手段の中から抽出して表示することを特徴とする。

本発明に係るプログラムは、コンピュータを、格納対象の文書を受け付ける文書受付手段、文書に含まれるコンテンツのうち保存対象とするコンテンツが定義されたコンテンツ抽出定義情報に基づき、前記文書受付手段に受け付けられた文書からコンテンツを抽出する抽出手段、前記抽出手段により抽出されたコンテンツをコンテンツ記憶手段に登録するコンテンツ登録手段、前記文書受付手段に受け付けられた文書を識別する文書識別情報に、当該文書から抽出され前記コンテンツ記憶手段に格納されたコンテンツのコンテンツ識別情報を対応付けして文書情報を生成して文書情報記憶手段に登録する文書情報登録手段、として機能させる。

請求項１に記載の発明によれば、文書に含まれるコンテンツを格納単位とすることによって文書の格納領域の削減を図ることができる。

請求項２に記載の発明によれば、格納しようとするコンテンツと同一のコンテンツが既に登録されている場合、同一のコンテンツを重複して格納させずにすむ。

請求項３に記載の発明によれば、格納しようとするコンテンツに類似したコンテンツが登録されている場合、格納しようとするコンテンツとして、類似するコンテンツとの差分のみを抽出して格納することができる。

請求項４に記載の発明によれば、差分のみを格納したコンテンツを復元することができる。

請求項５に記載の発明によれば、格納したコンテンツを含む文書に関する情報を出力することができる。

請求項６に記載の発明によれば、追跡対象とする文書に関する情報を出力することができる。

請求項７に記載の発明によれば、追跡対象とする文書の出力者を特定することができる。

請求項８に記載の発明によれば、追跡対象とする文書に含まれるコンテンツの絞り込みの便宜を図ることができる。

請求項９に記載の発明によれば、文書に含まれるコンテンツを格納単位とすることによって文書の格納領域の削減を図ることができる。

本発明に係る情報処理装置の一実施の形態である文書管理装置を示したブロック構成図であり、文書の登録に関連する構成を示した図である。本発明に係る情報処理装置の一実施の形態である文書管理装置を示したブロック構成図であり、文書検索に関連する構成を示した図である。本実施の形態における文書管理装置のハードウェア構成図である。本実施の形態における文書の登録処理を示したフローチャートである。図４Ａに続くフローチャートである。本実施の形態において格納される文書に関連付けして登録される当該文書の属性情報のデータ構成の一例を示した図である。本実施の形態におけるコンテンツカテゴリ管理情報記憶部に記憶されるコンテンツカテゴリ管理情報のデータ構成の一例を示した図である。図６に示したコンテンツカテゴリ管理情報の設定例に基づきカテゴリとコンテンツとの関係を模式的に表した図である。本実施の形態における文書情報記憶部に登録される文書情報のデータ構成の一例を示した図である。本実施の形態における文書検索処理を示したフローチャートである。

以下、図面に基づいて、本発明の好適な実施の形態について説明する。

図１は、本発明に係る情報処理装置の一実施の形態である文書管理装置１０を示したブロック構成図であり、特に文書の登録に関連する構成を示した図である。図２は、図１と同じく文書管理装置１０を示したブロック構成図であるが、特に文書の検索に関連する構成を示した図である。本実施の形態の説明に用いない構成要素については図１，２から省略した。本実施の形態における文書管理装置１０は、文書データを画像として格納して管理する装置である。

図３は、本実施の形態における文書管理装置１０のハードウェア構成図である。本実施の形態における文書管理装置１０は、従前から存在する汎用的なハードウェア構成で実現できる。すなわち、文書管理装置１０は、図３に示したようにＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ハードディスクドライブ（ＨＤＤ）３４、入力手段として設けられたマウス３５とキーボード３６、及び表示装置として設けられたディスプレイ３７をそれぞれ接続する入出力コントローラ３８、通信手段として設けられたネットワークコントローラ３９を内部バス４０に接続して構成される。

図１に戻り、本実施の形態における文書管理装置１０は、文書データ受付部１１、文書属性情報受付部１２、コンテンツ抽出部１３、カテゴリ決定部１４、コンテンツ管理部１５、コンテンツ抽出ルール設定部１６、カテゴリ分類ルール設定部１７、コンテンツ抽出ルール記憶部２２、カテゴリ分類ルール記憶部２３、コンテンツカテゴリ管理情報記憶部２４、コンテンツ記憶部２５及び文書情報記憶部２６を有している。文書データ受付部１１は、格納対象の文書データの画像を受け付ける文書受付手段として機能する。文書管理装置１０はコンピュータで実現されていることから、文書データ受付部１１が受け付ける文書というのは電子データ（画像）であるが、説明の便宜上、文書の画像も単に「文書」と表現して説明する。文書属性情報受付部１２は、格納対象の文書の属性情報を受け付ける属性情報受付手段として機能する。コンテンツ抽出部１３は、コンテンツ抽出ルール記憶部２２に登録されているコンテンツ抽出定義情報としてのコンテンツ抽出ルールに基づき文書データ受付部１１に受け付けられた文書からコンテンツを抽出する抽出手段として機能する。ここで、「コンテンツ」というのは、文書に含まれる情報のことをいい、テキスト部分、表、画像等などの種類がある。カテゴリ決定部１４は、カテゴリ分類ルール記憶部２３に登録されているカテゴリ分類ルールに基づきコンテンツ抽出部１３により抽出された各コンテンツの分類先とするカテゴリを決定するカテゴリ決定手段として機能する。コンテンツ抽出ルール設定部１６は、管理者や開発者等（以下、単に「管理者」）の入力に基づいてコンテンツ抽出ルール記憶部２２にコンテンツ抽出ルールを設定登録する。カテゴリ分類ルール設定部１７は、管理者の入力に基づいてカテゴリ分類ルール記憶部２３にカテゴリ分類ルールを設定登録する。

本実施の形態では、格納対象の文書全体をそのまま格納するのではなく、文書に含まれるコンテンツを格納単位とすることを特徴の一つとしている。このため、コンテンツ記憶部２５には、文書に含まれるコンテンツが記憶されるが、コンテンツ管理部１５は、このコンテンツの管理を行う。コンテンツ管理部１５は、差分算出部１５１、差分コンテンツ生成部１５２、コンテンツ登録部１５３、コンテンツカテゴリ管理情報登録部１５４及び文書情報登録部１５５を有している。差分算出部１５１は、コンテンツ記憶部２５への登録対象となるコンテンツ（以下、「登録対象コンテンツ」）と、コンテンツ記憶部２５に既に登録されているコンテンツのうち登録対象となるコンテンツの分類先となるカテゴリ及びそのカテゴリを下位層に含むカテゴリに分類された各コンテンツとの差分値を算出する。差分コンテンツ生成部１５２は、差分算出部１５１により算出された差分値に基づき登録対象コンテンツに類似したコンテンツ（以下、「類似コンテンツ」）がコンテンツ記憶部２５に登録されていると判断した場合、登録対象コンテンツと類似コンテンツとの差分情報を抽出する。コンテンツ登録部１５３は、コンテンツ登録手段として設けられ、コンテンツ抽出部１３により抽出されたコンテンツ（登録対象コンテンツ）をコンテンツ記憶部２５に登録する。ただ、類似コンテンツが存在する場合は登録対象コンテンツをそのまま登録しないなど処理の内容が異なってくるが、この登録処理の詳細については後述する。コンテンツカテゴリ管理情報登録部１５４は、コンテンツの登録に伴い、当該コンテンツに関するコンテンツ管理情報及びカテゴリに関するカテゴリ管理情報を含むコンテンツカテゴリ管理情報をコンテンツカテゴリ管理情報記憶部２４に設定登録する。文書情報登録部１５５は、文書情報登録手段として設けられ、文書データ受付部１１に受け付けられた文書を識別する文書識別情報に、当該文書から抽出されコンテンツ記憶部２５に格納されたコンテンツのコンテンツ識別情報を対応付けして文書情報を生成して文書情報記憶部２６に登録する。更に、文書情報登録部１５５は、文書識別情報に、文書属性情報受付部１２により受け付けられた当該文書の属性情報を関連付けて文書情報記憶部２６に登録する。

図２において、文書管理装置１０は、カテゴリ受付部１８、コンテンツ表示部１９及び情報表示部２０を有している。コンテンツカテゴリ管理情報記憶部２４、コンテンツ記憶部２５及び文書情報記憶部２６は、図１に示した構成と同じである。カテゴリ受付部１８は、管理者が入力指定した検索したい文書（漏洩が発覚した文書）に含まれているコンテンツが属するカテゴリを受け付ける。コンテンツ表示部１９は、コンテンツ出力手段として設けられ、コンテンツ記憶部２５に記憶されているコンテンツのうちカテゴリ受付部１８により受け付けられたカテゴリ及びそのカテゴリを下位層に含むカテゴリに分類されたコンテンツをディスプレイ３７に表示する。コンテンツ表示部１９は、また復元手段としても機能し、表示するコンテンツが類似コンテンツの存在により差分情報から生成されている場合、コンテンツカテゴリ管理情報を参照して当該コンテンツを復元する。管理者は、コンテンツ表示部１９により表示されたコンテンツの中から検索したい文書（漏洩が発覚した文書）に含まれているコンテンツを選択することになるが、情報表示部２０は、その選択されたコンテンツを受け付けるコンテンツ受付手段及びそのコンテンツを含む文書に関する情報を出力する文書情報出力手段として機能する。本実施の形態の場合、文書に関する情報として文書属性情報をディスプレイ３７に表示する。なお、各記憶部２２〜２６のデータ構成等については追って説明する。

文書管理装置１０における各構成要素１１〜２０は、文書管理装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ３１で動作するプログラムとの協調動作により実現される。また、各記憶部２２〜２６は、文書管理装置１０に搭載されたＨＤＤ３４にて実現される。あるいは、全部又は一部の記憶部をＲＡＭ３３又は外部にある記憶手段をネットワーク経由で利用してもよい。

また、本実施の形態で用いるプログラムは、通信手段により提供することはもちろん、ＣＤ−ＲＯＭやＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体に格納して提供することも可能である。通信手段や記録媒体から提供されたプログラムはコンピュータにインストールされ、コンピュータのＣＰＵがプログラムを順次実行することで各種処理が実現される。

次に、本実施の形態における動作について説明するが、文書管理装置１０を動作させるためにはコンテンツ抽出ルール及びカテゴリ分類ルールを事前に設定しておく必要がある。もちろん、コンテンツ抽出ルール及びカテゴリ分類ルールは、動作開始後において追加、変更、削除を適宜行ってもよい。

コンテンツ抽出ルールには、文書に含まれるコンテンツのうち保存対象とするコンテンツを特定するためのルールが定義されている。本実施の形態の場合、漏洩した文書の追跡ができるようにするために文書の追跡が可能なコンテンツを特定するためのルールが定義されている。つまり、文書の追跡の参考にならないようなコンテンツはコンテンツ記憶部２５への格納対象から除外するようにした。すなわちコンテンツの要不要を振り分けるルールをコンテンツ抽出ルールとして設定する。本実施の形態では、前述したように文書をコンテンツ単位に分割して格納するが、格納する際に目的の達成に寄与しないコンテンツを格納しないようにすることで、コンテンツ記憶部２５における格納領域の削減を図るようにした。本実施の形態では、コンテンツ抽出ルールをプログラムで作成して、コンテンツ抽出部１３がコンテンツ（ＯＣＲ結果の文字列、画像等）及びコンテンツの内容を特徴付けるコンテンツ属性情報（例えば、図面データにおける図番（文字列））を抽出できるように設定されている。

カテゴリ分類ルールには、コンテンツ抽出部１３により抽出されたコンテンツを登録するカテゴリを一意に決めるためのルールが定義されている。例えば、コンテンツの属性情報に図番○○が含まれており、文書の属性情報にユーザー△△が含まれていれば、カテゴリ□□に分類する、などである。

続いて、本実施の形態における文書の登録処理について図４Ａ、図４Ｂに示したフローチャートを用いて説明する。

ユーザーの所定の操作に応じて文書登録処理のアプリケーションが起動されると、まず、文書データ受付部１１は、ユーザーにより指定された登録対象の文書の画像を取得し（ステップ１０１）、また、文書属性情報受付部１２は、その文書の属性情報を取得する（ステップ１０２）。属性情報のデータ構成例を図５に示す。属性情報には、文書データ受付部１１により受け付けられた文書画像の元となる文書がジョブ（プリントジョブ）により印字出力されて生成され、その出力者はユーザーＩＤが“ｕｓｅｒ００１”のユーザーであることがわかる。

続いて、コンテンツ抽出部１３は、コンテンツ抽出ルール記憶部２２に登録されているコンテンツ抽出ルールプログラムを実行し、文書に含まれているコンテンツ及び各コンテンツの属性情報を抽出する（ステップ１０３）。前述したように、コンテンツ抽出部１３は、コンテンツ抽出ルールの定義に従って文書の追跡を可能とするコンテンツのみを登録対象の文書から抽出する。

コンテンツ抽出部１３は上記処理により１又は複数のコンテンツを抽出することになるが、文書管理装置１０は、抽出した各コンテンツに対し以下に説明する処理を繰り返し実行する。

まず、カテゴリ決定部１４は、抽出されたコンテンツの中からまだ処理対象としていないコンテンツを１つ取り出し、コンテンツ抽出部１３により取得されたコンテンツ属性情報に基づきカテゴリ分類ルールを参照していずれかのカテゴリに分類する（ステップ１０５）。このように、本実施の形態では、文書検索の便宜を図るためにコンテンツをカテゴリに分類して登録するが、図７ではそのカテゴリとコンテンツとの関係を模式的に図示している。

コンテンツの分類先とするカテゴリが決定されると、コンテンツ管理部１５は、コンテンツをコンテンツ記憶部２５に登録することになるが、そのために、差分算出部１５１は、そのコンテンツ（登録対象コンテンツ）と、コンテンツ記憶部２５に登録されているコンテンツのうち登録対象コンテンツの分類先となるカテゴリ及びその先祖カテゴリに含まれている各コンテンツ（以下、「比較対象コンテンツ」）との差分値を算出する（ステップ１０６）。ここで、「先祖カテゴリ」というのは、登録対象コンテンツの分類先となるカテゴリを下位層に含むカテゴリのことをいう。図７に示したカテゴリの関係に基づくと、登録対象コンテンツの分類先となるカテゴリが“部品Ａ”の場合、 “ｒｏｏｔ”、“商品Ａ”及び“図面”が先祖カテゴリに該当する。

ところで、登録対象コンテンツと比較対象コンテンツとの差分値が０ということは、差分がない、すなわち同一のコンテンツである。また、差分値が小さいほど登録対象コンテンツと比較対象コンテンツは類似度が高いといえる。本実施の形態では、類似かどうかの判定基準となる閾値を予め設定しており、差分値がその閾値以下の場合に、登録対象コンテンツと比較対象コンテンツは類似していると判断する。

ここで、登録対象コンテンツと同一の比較対象コンテンツがコンテンツ記憶部２５に登録されていない場合（ステップ１０７でＮ）、かつ登録対象コンテンツに類似した比較対象コンテンツがコンテンツ記憶部２５に登録されていない場合（ステップ１０８でＮ）、コンテンツ管理部１５は、登録対象コンテンツに対し、当該コンテンツを識別するための識別情報（コンテンツＩＤ）を新たに発行する（ステップ１１０）。登録対象コンテンツに類似した比較対象コンテンツがコンテンツ記憶部２５に登録されている場合（ステップ１０８でＹ）、差分コンテンツ生成部１５２は、登録対象コンテンツと類似コンテンツとの差分を抽出して差分情報を生成する（ステップ１０９）。

なお、差分情報は、登録対象コンテンツと類似コンテンツとの差分を示す情報である。差分としては、類似コンテンツに対して付加する部分の情報及び類似コンテンツから除外する部分の情報が含まれることになるが、本実施の形態では、この差分情報をコンテンツとして管理することにする。そして、コンテンツ管理部１５は、差分情報であるコンテンツに対してコンテンツＩＤを発行する（ステップ１１０）。

一方、登録対象コンテンツと同一の比較対象コンテンツがコンテンツ記憶部２５に既に登録されている場合（ステップ１０７でＹ）、コンテンツ管理部１５は、同一の比較対象コンテンツに対して発行したコンテンツＩＤを登録対象コンテンツに付与する（ステップ１１１）。

格納対象の文書から抽出されたコンテンツ全てに対して以上の処理を実施すると（ステップ１０４でＮ）、コンテンツ登録部１５３は、各コンテンツをコンテンツ記憶部２５に登録する（ステップ１１２）。同一又は類似するコンテンツが存在しなかった場合には、当該コンテンツをそのままコンテンツ記憶部２５に登録すればよい。類似コンテンツが存在した場合、差分情報によるコンテンツを登録することになる。また、同一のコンテンツが存在した場合、同一コンテンツは登録済みなので改めて登録する必要はない。

本実施の形態では、保存しておくべきコンテンツのみを登録することによって格納領域を削減する。更に、類似コンテンツが存在する場合には、その類似コンテンツとの差分のみを格納するようにし、同一コンテンツが存在する場合には重複した登録を回避することによって格納領域の削減効果を更に高めている。

そして、コンテンツカテゴリ管理情報登録部１５４は、コンテンツ間、カテゴリ間、更にコンテンツとカテゴリとの関係を示すコンテンツカテゴリ管理情報をコンテンツカテゴリ管理情報記憶部２４に登録する（ステップ１１３）。

図６は、本実施の形態におけるコンテンツカテゴリ管理情報記憶部２４に記憶されるコンテンツカテゴリ管理情報のデータ構成の一例を示した図である。また、図７は、図６の設定例に基づきカテゴリとコンテンツとの関係を模式的に表した図である。

図７を参照すれば明らかなように、本実施の形態では、カテゴリを階層的に形成している。図６において種別が“カテゴリ”のレコードを参照すると、各カテゴリには、当該カテゴリの識別情報（ＩＤ）としてのカテゴリＩＤ、カテゴリラベル（カテゴリ名）及び当該カテゴリが属する直上のカテゴリ（親カテゴリ）を対応付けしたカテゴリ管理情報が設定される。本実施の形態の場合、“ｒｏｏｔ”には親カテゴリが設定されていないため最上位のカテゴリであることがわかる。

また、種別が“コンテンツ”のレコードを参照すると、各コンテンツには、当該コンテンツの識別情報（ＩＤ）としてのコンテンツＩＤ、当該コンテンツのコンテンツ記憶部２５における格納場所を示すコンテンツ格納先ポインタ、当該コンテンツの分類先となる親カテゴリ、当該コンテンツに類似コンテンツが存在する場合にはその類似コンテンツのコンテンツＩＤを対応付けしたコンテンツ管理情報が設定される。親カテゴリには、同一コンテンツが存在する場合、当該コンテンツの親カテゴリには、分類先となるカテゴリが文書毎に設定される。図６，７に示した設定例によると、コンテンツＩＤが“０４０３”のコンテンツは、“組立図”及び“部品Ａ”のカテゴリに属していることから各カテゴリのカテゴリＩＤが親カテゴリに設定される。また、コンテンツＩＤが“０４０５”のコンテンツは、コンテンツＩＤが“０４０４”のコンテンツに類似していることがわかる。

続いて、文書情報登録部１５５は、文書情報を文書情報記憶部２６に登録するが、この登録される文書情報のデータ構成の一例を図８に示す。文書情報は、文書の識別情報としての文書名に、コンテンツＩＤ及び文書属性情報格納先ポインタが対応付けして登録される。コンテンツＩＤには、コンテンツ抽出部１３により当該文書から保存対象として抽出されたコンテンツのコンテンツＩＤが設定される。このように、文書は、コンテンツの組合せとして登録され、認識される。文書属性情報格納先ポインタには、属性情報の格納場所を示すポインタ情報が設定される。

以上説明したように、文書情報登録部１５５は、文書名に当該文書に含まれるコンテンツのコンテンツＩＤを対応付けて文書情報を生成することにより、当該文書をコンテンツの組合せとして登録することになる（ステップ１１４）。そして、文書情報登録部１５５は、更に文書名に当該文書の属性情報を関連付けて登録する（ステップ１１５）。属性情報は、この時点で保存してもよいし、ステップ１０２で受け付けた時点でコンテンツの登録に先立って保存するようにしてもよい。

本実施の形態においては、以上のようにして文書を登録することになる。続いて、本実施の形態における文書検索処理について図９に示したフローチャートを用いて説明する。本実施の形態における文書検索処理は、例えば、文書の漏洩が確認されたときに、その文書の追跡を行いたい場合に実行される。

ユーザーの所定の操作に応じて文書検索処理のアプリケーションが起動されると、まず、カテゴリ受付部１８は、コンテンツカテゴリ管理情報記憶部２４からコンテンツカテゴリ管理情報を読み出し、コンテンツカテゴリ管理情報に設定されているカテゴリをディスプレイ３７に表示する（ステップ１２１）。これは、カテゴリを単にリスト表示してもよいが、図７に例示したように、カテゴリの階層関係がわかるようにしてコンテンツカテゴリ管理情報を表示してもよい。管理者は、追跡対象とする文書、すなわち漏洩した文書に含まれているコンテンツ及び当該コンテンツが属するカテゴリを知っているので、表示されたものの中からそのカテゴリを選択する。仮に、管理者はカテゴリを記憶していなくても、漏洩した文書は明らかであることから、この文書に含まれているコンテンツからカテゴリは類推可能であり、また、図７に示したようにコンテンツカテゴリ管理情報を模式的に表示すれば、よりカテゴリを選択しやすくなる。なお、文書に複数のコンテンツが含まれている場合が想定できるが、この場合は、いずれか１つのコンテンツが属するカテゴリを選択すればよい。

カテゴリ受付部１８が管理者により選択されたカテゴリを受け付けると（ステップ１２２）、コンテンツ表示部１９は、コンテンツカテゴリ管理情報を参照して、選択されたカテゴリ及び先祖カテゴリに属するコンテンツを抽出する（ステップ１２３）。そして、コンテンツをディスプレイ３７に表示する（ステップ１２４）。

ところで、本実施の形態では、類似コンテンツが存在した場合、類似コンテンツとの差分を抽出して格納するようにした。従って、表示対象のコンテンツに類似コンテンツが存在する場合、コンテンツ表示部１９は、当該表示対象のコンテンツ（差分情報）及び当該表示対象のコンテンツの類似コンテンツのコンテンツをコンテンツ記憶部２５から読み出して表示対象のコンテンツを表示可能な画像に復元してから表示する。

管理者がディスプレイ３７に表示されたコンテンツの中から追跡対象とする文書に含まれるコンテンツを選択すると、情報表示部２０は、そのコンテンツを受け付け（ステップ１２５）、そのコンテンツに基づき文書情報記憶部２６を検索することによって、受け付けたコンテンツを含む文書を特定する（ステップ１２６）。なお、同じコンテンツを含む文書が複数存在する場合は、全ての文書を特定する。そして、情報表示部２０は、特定した文書に対応付けされている属性情報を読み出してディスプレイ３７に表示する（ステップ１２７）。

管理者は、表示された属性情報のユーザーＩＤを参照することで、漏洩した文書の出力者を知ることができるので、その出力者に問い合わせるなどすることによって漏洩した文書の追跡が可能となる。

なお、ここでは、漏洩した文書の追跡を目的としているため、属性情報に含まれるユーザーＩＤを少なくとも表示すればよいが、異なる目的の場合、属性情報の他の情報や文書に含まれる全てのコンテンツなど当該文書に関する情報を表示するようにしてもよい。

本実施の形態では、図７に示した文書情報から明らかなように、文書をコンテンツの組合せとして格納するようにし、コンテンツが文書のどのページを構成するかという情報は記録していない。もちろん、コンテンツの表示ページやページ上の配置等の情報を合わせて記録するようにしてもよい。ただ、流出した文書は、その文書のレイアウトのまま利用されるとは限らず、部分的にあるコンテンツだけが切り取られて利用される場合が少なくない。このため、本実施の形態では、コンテンツを格納単位とし、コンテンツ単位で文書を管理するようにした。

なお、本実施の形態においては、コンテンツ出力手段及び文書情報出力手段の出力先としてディスプレイ３７を例にして説明したが、これに限らず、例えば、印刷媒体、管理者が使用する情報端末、更に記憶手段やネットワークを介して他のコンピュータへ送信するなど他の出力先を選択するようにしてもよい。

また、本実施の形態においては、情報処理装置を１台のコンピュータで実現する場合を例にして説明したが、文書の登録機能と検索機能に分けるなど複数のコンピュータにて実現してもよい。また、画像形成装置にはコンピュータ（情報処理装置）が内蔵されているが、スキャナによる文書の読取画像を内部のＨＤＤに格納する画像形成装置にて実現してもよい。

１０文書管理装置、１１文書データ受付部、１２文書属性情報受付部、１３コンテンツ抽出部、１４カテゴリ決定部、１５コンテンツ管理部、１６コンテンツ抽出ルール設定部、１７カテゴリ分類ルール設定部、１８カテゴリ受付部、１９コンテンツ表示部、２０情報表示部、２２コンテンツ抽出ルール記憶部、２３カテゴリ分類ルール記憶部、２４コンテンツカテゴリ管理情報記憶部、２５コンテンツ記憶部、２６文書情報記憶部、３１ＣＰＵ、３２ＲＯＭ、３３ＲＡＭ、３４ハードディスクドライブ（ＨＤＤ）、３５マウス、３６キーボード、３７ディスプレイ、３８入出力コントローラ、３９ネットワークコントローラ、４０内部バス、１５１差分算出部、１５２差分コンテンツ生成部、１５３コンテンツ登録部、１５４コンテンツカテゴリ管理情報登録部、１５５文書情報登録部。

Claims

格納対象の文書を受け付ける文書受付手段と、
文書に含まれるコンテンツのうち保存対象とするコンテンツが定義されたコンテンツ抽出定義情報に基づき、前記文書受付手段に受け付けられた文書からコンテンツを抽出する抽出手段と、
前記抽出手段により抽出されたコンテンツをコンテンツ記憶手段に登録するコンテンツ登録手段と、
前記文書受付手段に受け付けられた文書を識別する文書識別情報に、当該文書から抽出され前記コンテンツ記憶手段に格納されたコンテンツのコンテンツ識別情報を対応付けして文書情報を生成して文書情報記憶手段に登録する文書情報登録手段と、
を有することを特徴とする情報処理装置。
前記抽出手段により抽出されたコンテンツと同一のコンテンツが前記コンテンツ記憶手段に既に登録されている場合、
前記コンテンツ登録手段は、前記抽出手段により抽出されたコンテンツを前記コンテンツ記憶手段に登録せず、
前記文書情報登録手段は、前記文書識別情報に前記同一のコンテンツのコンテンツ識別情報を対応付けして文書情報を生成する、
ことを特徴とする請求項１に記載の情報処理装置。
前記コンテンツ登録手段は、前記抽出手段により抽出されたコンテンツに類似したコンテンツが前記コンテンツ記憶手段に登録されている場合、前記文書識別情報に前記抽出手段により抽出されたコンテンツと類似したコンテンツとの差分情報をコンテンツとして前記コンテンツ記憶手段に登録し、
前記文書情報登録手段は、前記文書識別情報に前記差分情報のコンテンツ識別情報を対応付けして文書情報を生成する、
ことを特徴とする請求項１に記載の情報処理装置。
前記類似したコンテンツと前記抽出手段により抽出された差分情報とを関連付けたコンテンツ管理情報を参照してコンテンツを復元する復元手段を有することを特徴とする請求項３に記載の情報処理装置。
前記コンテンツ記憶手段に登録されているコンテンツを出力するコンテンツ出力手段と、
前記出力手段により出力されたコンテンツの中から選択されたコンテンツを受け付けるコンテンツ受付手段と、
前記コンテンツ受付手段により受け付けられたコンテンツを含む文書に関する情報を出力する文書情報出力手段と、
を有することを特徴とする請求項１又は４に記載の情報処理装置。
前記コンテンツ抽出定義情報には、文書の追跡を可能とするコンテンツが定義されており、
前記コンテンツ受付手段は、漏洩した文書に含まれているコンテンツを受け付けることを特徴とする請求項５に記載の情報処理装置。
前記格納対象の文書の出力者を含む当該文書の属性情報を受け付ける属性情報受付手段を有し、
前記文書情報登録手段は、前記文書識別情報に当該文書の属性情報を関連付けし、
前記文書情報出力手段は、前記文書に関する情報として当該文書の属性情報を出力することを特徴とする請求項６に記載の情報処理装置。
コンテンツがカテゴリに分類されて前記コンテンツ記憶手段に登録される場合、前記抽出手段により抽出されたコンテンツの分類先とするカテゴリを決定するカテゴリ決定手段を有し、
前記コンテンツ登録手段は、前記抽出手段により抽出されたコンテンツを前記カテゴリ決定手段により受け付けられたカテゴリに分類して前記コンテンツ記憶手段に登録し、
前記コンテンツ出力手段は、前記文書に関する情報を出力する際にカテゴリが指定さると、その指定されたカテゴリ及び当該カテゴリを下位層に含むカテゴリに分類されたコンテンツを前記コンテンツ記憶手段の中から抽出して表示することを特徴とする請求項５に記載の情報処理装置。
コンピュータを、
格納対象の文書を受け付ける文書受付手段、
文書に含まれるコンテンツのうち保存対象とするコンテンツが定義されたコンテンツ抽出定義情報に基づき、前記文書受付手段に受け付けられた文書からコンテンツを抽出する抽出手段、
前記抽出手段により抽出されたコンテンツをコンテンツ記憶手段に登録するコンテンツ登録手段、
前記文書受付手段に受け付けられた文書を識別する文書識別情報に、当該文書から抽出され前記コンテンツ記憶手段に格納されたコンテンツのコンテンツ識別情報を対応付けして文書情報を生成して文書情報記憶手段に登録する文書情報登録手段、
として機能させるためのプログラム。