JP2020155054A - 表情報読取装置、表情報読取方法およびプログラム - Google Patents

Abstract

【課題】表構造を適切に推定する。【解決手段】本発明の一態様は、文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出する文書入力部と、前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定する表構造推定部と、前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する表要素間関係決定部と、を備える表情報読取装置である。【選択図】図１

Description

本発明は、表情報読取装置、表情報読取方法およびプログラムに関する。

特許文献１に記載されている表情報理解システムは、文書中に含まれる表の情報を理解する表情報理解システムであって、文章と表とを含む文書の入力を受け付けて、文章の文字列と、表の構成を示す表構成情報とを抽出する文書入力部と、表構成情報から表の構造を示す表構造情報を推定する表構造推定部とを備える。また、特許文献１に記載されている表情報理解システムは、表のセル内の文字列を示す複数の表要素と関連する表要素関連文を文章から抽出する表要素関連文抽出部と、接続符と２つの被接続項の表記パターンを収集したフォーマットと概念的な構造関係とを対応付けた概念的構造関係推定ルールを蓄積する概念的構造関係推定ルールデータベースと、表要素関連文に含まれる表要素同士の概念的な構造関係を示す表要素間関係情報を概念的構造関係推定ルールに基づき推定すると共に表要素間関係情報と表構造情報とに基づいて表構造間の概念的な構造関係を示す構造関係情報を推定する表要素間関係推定部とを備える。

特許文献１において、被接続項は、特定の単語や文字列、品詞などが該当する。接続符は、２つの被接続項をつなぐ役割をする助詞、述語、記号などが該当する。また、概念的な構造関係とは、文字列間の意味的なｈａｓ−ａ関係（包含関係）、ｉｓ−ａ関係（継承関係）、上位／下位関係、部分／全体関係、同義関係、多義関係などに相当する。

また、特許文献１において、表構成情報は、例えば、表を構成する文字列、罫線、および背景色を示す情報である。表構成情報は、例えば、表の何行何列目のセルにどのような文字列が配置されているかを示す情報、表の中のセルの位置を示す行番号と列番号を示す情報と、セル同士の連結の有無を示す連結情報、セルの中の文字列である表要素を示す情報を含む。

また、特許文献１において、表構造情報は、例えば、表のタイトル、列見出し部分、行見出し部分、共通見出し部分、内容記載欄といった表の各要素の種別と各要素間の関係を示す情報である。特許文献１には、表構造情報の推定方法として、一般的に列見出しは表の最上部の行に、行見出しは表の左端の列に、共通見出しは表の左上のセルに割り当てられることが多いことを利用し、これらの位置関係で表の構造を推定するという方法が記載されている。ただし、列見出し、行見出し、共通見出しに割り当てている位置、行数や列数は、表によって大きく異なることがあるため、より精度の高い表の構造の推定方法として、特許文献１には、次の第１の表の構造の推定方法と第２の表の構造の推定方法が記載されている。

すなわち、特許文献１に記載されている第１の表の構造の推定方法は、ＨＴＭＬ（Ｈｙｐｅｒ Ｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）やＸＭＬ（Ｅｘｔｅｎｓｉｂｌｅ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）で記述されたドキュメントであれば＜ＴＡＢＬＥ＞タグの中身や文字列を読み取って、紙媒体に記載されたドキュメントであればスキャナで背景色や罫線の種類、文字種別、文字列を読み取って、背景色の変わり目や、罫線が二重線になっている部分を境界として見出し部分と内容記載欄を推定する方法である。また、特許文献１に記載されている第２の表の構造の推定方法は、表要素の文字数や文字種別の構成が大きく変わる部分を境界として見出し部分と内容記載欄を推定する方法である。

特許文献１に記載されている表情報理解システムによれば、表要素関連文に含まれる表要素同士の概念的な構造関係を示す表要素間関係情報と、表構造情報とに基づいて表構造間の概念的な構造関係を示す構造関係情報が推定される。すなわち、特許文献１に記載されている表情報理解システムでは、表構成情報に含まれた表要素に関連する表要素関連文が、文書入力部で読み取ったドキュメント（表外の文章）から抽出され、表要素関連文と概念的構造関係推定ルールデータベースに蓄積された概念的構造関係推定ルールとから、表の見出し間の概念的関係や見出しと内容の概念的関係が例えば、ｈａｓ−ａ関係やｉｓ−ａ関係として推定される。この構成によれば、表以外の文章（テキスト）を利用して、表要素の役割を認識（理解）することができる。

特許第６１６８３０９号公報

上述した特許文献１に記載されている表情報理解システムでは、基本的に、表構造推定部によって、各セルを見出し部分と内容記載欄のいずれかに分類することで表構造が推定される。しかしながら、表によっては、見出し部分と内容記載欄のどちらにも分類されないセルを含む場合がある。例えば、見出し部分と内容記載欄の関係を変えずに、内容記載欄の内容を分類したり、内容記載欄の内容に関する参照情報を示したりするためのセルである。このようなセルとしては、例えば、文書内の項目番号、項目番号とタイトル、ページ番号等を内容とするセルが挙げられる。例えば、このようなセルを見出し部分と分類した場合、その見出し部分は、多くの場合、内容記載欄に対して有意な関係性を有しないことになる。一方、このようなセルを内容記載欄と分類した場合、その内容は、本来の見出し部分に対して正しい対応関係を有しないことが多くなる。したがって、このようなセルを含む表の各セルを、見出し部分と内容記載欄のいずれかに分類することで表構造を推定した場合、推定された表構造情報が有意ではない情報を多く含んでしまう場合があるという課題がある。

本発明は、上記事情を考慮してなされたものであり、表構造を適切に推定することができる表情報読取装置、表情報読取方法およびプログラムを提供することを目的とする。

上記課題を解決するため、本発明の一態様は、文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出する文書入力部と、前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定する表構造推定部と、前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する表要素間関係決定部と、を備える表情報読取装置である。

また、本発明の一態様は、前記表構造推定部が推定した前記表構造情報に基づいて、改ページ前後に存在する２つの表の結合処理を行う表構造修正部をさらに備える上記表情報読取装置である。

また、本発明の一態様は、前記表構造修正部は、前記２つの表の結合処理を行う際に、改ページ後に存在する前記表のセルが同列の各セルと比較して差異を有する場合、前記改ページ前後に存在する２つの表に含まれる前記内容記入要素である２つのセルをセル結合する上記表情報読取装置である。

また、本発明の一態様は、前記表構造推定部は、前記各セルの表記の形式が所定の条件を満たしかつ該条件を満たすセルの個数の前記表の全セル数に占める割合が所定の値未満である場合、セル内容が所定の内容である場合、または、表形状と当該セルの位置が所定の位置にある場合、当該セルを見出し候補要素とし、前記見出し候補要素とした各セルの位置または他の見出し候補要素との位置関係が所定の位置関係である場合に当該セルを前記見出し要素とし、満たさない場合に前記その他の要素とし、前記見出し候補要素とされなかった各セルを前記内容記入要素とする上記表情報読取装置である。

また、本発明の一態様は、文書入力部と表構造推定部と表要素間関係決定部を備える表情報読取装置において、前記文書入力部によって、文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出し、前記表構造推定部によって、前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定し、前記表要素間関係決定部によって、前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する表情報読取方法である。

また、本発明の一態様は、文書入力部と表構造推定部と表要素間関係決定部を機能的要素として備えるコンピュータに、前記文書入力部によって、文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出し、前記表構造推定部によって、前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定し、前記表要素間関係決定部によって、前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する処理を実行させるプログラムである。

本発明の各態様によれば、表構造を適切に推定することができる。

本発明の一実施形態に係る表情報読取装置の概略構成例を示すブロック図である。 図１に示す表情報読取装置１０の動作例を示すフローチャートである。 図１に示す表構造推定部２の動作例を示すフローチャートである。 図１に示す表構造修正部３の動作例を示すフローチャートである。 図１に示す表構造修正部３の動作例を示すフローチャートである。 図１に示す文書入力部１の動作例を説明するための模式図である。 図１に示す文書入力部１の動作例を説明するための模式図である。 図１に示す表構造推定部２の動作例を説明するための模式図である。 図１に示す表構造推定部２の動作例を説明するための模式図である。 図１に示す表構造推定部２の動作例を説明するための模式図である。 図１に示す表構造推定部２の動作例を説明するための模式図である。 図１に示す表構造推定部２の動作例を説明するための模式図である。 図１に示す表構造修正部３の動作例を説明するための模式図である。 図１に示す表要素間関係決定部４の動作例を説明するための模式図である。 図１に示す表要素間関係決定部４と表情報変換部５の動作例を説明するための模式図である。 図１に示す表情報読取装置１０の動作例を説明するための模式図である。 図１に示す表情報読取装置１０の動作例を説明するための模式図である。 図１に示す表情報読取装置１０の動作例を説明するための模式図である。 本発明の一実施形態に係るコンピュータの構成を示す概略ブロック図である。

以下、図面を参照して本発明の実施形態について説明する。まず、図１と、図６〜図１５を参照して、図１に示す本発明の一実施形態に係る表情報読取装置１０について構成と概略の動作例について説明する。

なお、図１は、本発明の一実施形態に係る表情報読取装置１０の概略構成例を示すブロック図である。図２は、図１に示す表情報読取装置１０の動作例を示すフローチャートである。図３は、図１に示す表構造推定部２の動作例を示すフローチャートである。図４および図５は、図１に示す表構造修正部３の動作例を示すフローチャートである。図６および図７は、図１に示す文書入力部１の動作例を説明するための模式図である。図８〜図１２は、図１に示す表構造推定部２の動作例を説明するための模式図である。図１３は、図１に示す表構造修正部３の動作例を説明するための模式図である。図１４は、図１に示す表要素間関係決定部４の動作例を説明するための模式図である。図１５は、図１に示す表情報変換部５の動作例を説明するための模式図である。図１６〜図１８は、図１に示す表情報読取装置１０の動作例を説明するための模式図である。なお、各図において、同一または対応する構成には同一の符号を付け、説明を適宜省略する。

図１に示す表情報読取装置１０は、サーバ、パーソナルコンピュータ、スマートフォン等のコンピュータを備える電子機器とその周辺装置等から構成することができる。図１に示す表情報読取装置１０は、コンピュータや周辺機器が有するハードウェアと、コンピュータが実行するソフトウェア（プログラム等）との組み合わせからなる機能的要素として、文書入力部１、表構造推定部２、表構造修正部３、表要素間関係決定部４および表情報変換部５を備える。

文書入力部１は、文書情報の入力を受け付けて、文書情報に含まれる表の構成を表す表構成情報を抽出する。文書情報は、ワープロソフト、表計算ソフト等で作成された文書ファイル、ＨＴＭＬ（Ｈｙｐｅｒ Ｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）やＸＭＬ（Ｅｘｔｅｎｓｉｂｌｅ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）で記述された文書ファイル、紙媒体の文書を撮影した画像ファイルや文書を画像データとして含む所定形式の文書ファイルを、ＯＣＲ（Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅａｄｅｒ）用のエンジン等を用いて所定形式のファイル（文字列、メタデータ等を含むファイル）に変換した情報等である。文書情報は、例えば、文章、表、図等を表す情報を含む。また、文書情報は、例えば、図６に示すように、文章が、ヘッターなのか（として検出されたのか）、本文なのか（として検出されたのか）、フッターなのか（として検出されたのか）という情報を含む。図６は、ＯＣＲによる文書情報の抽出例を模式的に示す。また、文書情報は、例えば、図７に示すように、セルの結合（列の結合）を示す情報Ｄ１０１ａや、フォントと背景色を示す情報Ｄ１０２ａを含む。図７は、表Ｔ１０１と、表Ｔ１０１を表すＸＭＬ形式の文書情報の一部である情報Ｄ１０１と情報Ｄ１０２を表す。情報Ｄ１０１は、セルＣ１０１を表す情報であり、情報Ｄ１０１は、セルＣ１０１を表す情報である。なお、表構成情報が例えばＯＣＲのエンジンを用いて画像データから作成されたものである場合、表の罫線やセル結合に関する情報には誤差が含まれていることがある。

なお、文書情報は、表については、例えば、表構成情報として、表を構成する複数のセルの行数および列数、行番号、列番号、セルの大きさ（幅、高さ）、セルの内容（数値、文字等）、フォント、文字の色、セルの背景色、罫線、セルの結合状態等を表す情報を含む。

図１に示す表構造推定部２は、文書入力部１が抽出した表構成情報に基づいて、表を構成する各セルが、「見出し要素」、「内容記入要素」または「その他の要素」のいずれに該当するのかを推定するとともに、罫線の推定やセル結合の推定を行い、表の構造を表す情報である表構造情報を推定する。「見出し要素」、「内容記入要素」および「その他の要素」は、各セルを役割によって分類する各セルの属性である。「見出し要素」のセルは、見出し行または見出し列に含まれるセルである。ここで、見出し行は当該行を構成する複数のセルが「見出し要素」である行であり、見出し列は当該列を構成する複数のセルが「見出し要素」である列である。「内容記入要素」のセルは、「見出し要素」に関する内容の記入があるセルである。「その他の要素」は、「見出し要素」と「内容記入要素」以外のセルである。

図８に示すように、表Ｔ１０２では、例えば、「Ｘ」、「Ａ」、「Ｂ」、「Ｃ」および「Ｄ」を内容とする各セルが「見出し要素」、「１１」、「１２」、「１３」、「１４」、「２１」、「２２」、「２３」、「２４」、「４１」、「４２」、「４３」、および「４４」を内容とする各セルが「内容記入要素」、「Ｙ」を内容とするセルとそのセルと同じ行で左端のセルが「その他の要素」にそれぞれ分類される。この場合、表構造推定部２は、背景色が色つけされている（図上では色つけを網掛けで示す）上から１行目と２行目の各セルが「見出し要素」であると推定し、背景色が色つけされていない各セルが「内容記入要素」であると推定し、背景色が色つけされているものの「見出し要素」のセルに連続していない（離間している）上から５行目の各セルを「その他の要素」であると推定している。なお、図８は、表構造推定部２による表構造の推定例を模式的に示す。この場合、表Ｔ１０２では、例えば、「見出し要素」である「Ｘ」および「Ａ」と、「内容記入要素」である「１１」、「２１」および「４１」が対応関係を有する。

また、表構造推定部２は、文書入力部１が抽出した表構成情報に基づいて、例えば図９に示すように罫線を推定する。図９は、文書入力部１が抽出した表構成情報によれば横方向の罫線のみを含む表Ｔ１０３に対して、表構造推定部２が文字列の間隔等に基づき、破線で示す縦方向の２本の罫線を推定して追加した表Ｔ１０３ａを模式的に示す。

また、表構造推定部２は、文書入力部１が抽出した表構成情報に基づいて、例えば図１０に示すようにセル結合を推定する。図１０は、文書入力部１が抽出した表構成情報に基づく５行３列の表Ｔ１０４に対する表構造推定部２によるセル結合の推定例を模式的に示す。この場合、表Ｔ１０４では１行目の３つのセルがセル結合（内容「ＡＢＣ」）されている。また、表Ｔ１０４では、１行目と２行目の背景色が色つけされている。この場合、表構造推定部２が、文書入力部１が抽出した表構成情報に基づいて１行目と２行目の各セルが「見出し要素」に該当すると推定した場合、表Ｔ１０４中でセル結合された１行目のセルの内容「ＡＢＣ」を表Ｔ１０４ａのように３個のセルに分配することで表構造を推定する。一方、例えば、文書入力部１が抽出した表構成情報に基づく表が表Ｔ１０４ｂのように１行目の中央のセルの内容が「ＡＢＣ」で左右の２個のセルの内容が無い場合、表構造推定部２は、１行目の各セルが「見出し要素」に該当すると推定したとき、１行目の３個のセルは結合されていると推定し、中央のセルの内容「ＡＢＣ」を表Ｔ１０４ａのように３個のセルに分配した構造で表構造を推定する。

なお、「その他の要素」を含む表構造は、例えば図１１に示すように各セルに対するトータル表記とする例や、図１２に示すようにサブ見出しとする例がある。図１１は「その他の要素」のセルをトータル表記として含む表Ｔ１０５を模式的に示し、図１２は「その他の要素」のセルをサブ見出しとして含む表Ｔ１０６を模式的に示す。いずれの場合も「その他の要素」のセルであり、「内容記入要素」のセルではない。

また、図１に示す表構造修正部３は、表構造推定部２が推定した表構造情報に基づいて、改ページ前後に存在する２つの表の結合処理を行う。図１３は、表構造修正部３による表の結合処理の例を示す模式図である。図１３は、７行３列の表Ｔ１０７が、改ページ前後で分断されている４つの例Ｅ１〜Ｅ４を示す。表Ｔ１０７では、１行目の３個のセル（内容「Ａ」、「Ｂ」および「Ｃ」）が「見出し要素」であり、見出し行Ｒ１を構成している。表Ｔ１０７の他のセルは、「内容記入要素」である。

例Ｅ１では、改ページ前のページＰ１１に見出し行Ｒ１と内容「ａａ」、「ａｂ」、「ａｃ」、「ｂａ」、「ｂｂ」、「ｂｃ」、「ｃａ」、「ｃｂ」、および「ｃｃ」の９個のセルが存在し、改ページ後のページＰ１２に見出し行Ｒ１と内容「ｄａ」、「ｄｂ」、「ｄｃ」、「ｅａ」、「ｅｂ」、「ｅｃ」、「ｆａ」、「ｆｂ」、および「ｆｃ」の９個のセルが存在する。

例Ｅ２では、改ページ前のページＰ２１に見出し行Ｒ１と内容「ａａ」、「ａｂ」、「ａｃ」、「ｂａ」、「ｂｂ」、「ｂｃ」、「ｃａ」、「ｃｂ」、および「ｃｃ」の９個のセルが存在し、改ページ後のページＰ２２に内容「ｄａ」、「ｄｂ」、「ｄｃ」、「ｅａ」、「ｅｂ」、「ｅｃ」、「ｆａ」、「ｆｂ」、および「ｆｃ」の９個のセルが存在する。例Ｅ２では、改ページ後のページＰ２２に見出し行Ｒ１は含まれていない。

例Ｅ３では、改ページ前のページＰ３１に見出し行Ｒ１と内容「ａａ」、「ａｂ」、「ａｃ」、「ｂａ」、「ｂｂ」、「ｂｃ」、「ｃ」、「ｃ」、および「ｃ」の９個のセルが存在し、改ページ後のページＰ３２に見出し行Ｒ１と内容「ａ」、「ｂ」、「ｃ」、「ｄａ」、「ｄｂ」、「ｄｃ」、「ｅａ」、「ｅｂ」、「ｅｃ」、「ｆａ」、「ｆｂ」、および「ｆｃ」の１２個のセルが存在する。例Ｅ３では、表Ｔ１０７の上から４行目の３個のセル（内容「ｃａ」、「ｃｂ」および「ｃｃ」の３個のセル）が、改ページ前のページＰ３１と改ページ後のページＰ３２に分断されている。

例Ｅ４では、改ページ前のページＰ４１に見出し行Ｒ１と内容「ａａ」、「ａｂ」、「ａｃ」、「ｂａ」、「ｂｂ」、「ｂｃ」、「ｃ」、「ｃ」、および「ｃ」の９個のセルが存在し、改ページ後のページＰ４２に内容「ａ」、「ｂ」、「ｃ」、「ｄａ」、「ｄｂ」、「ｄｃ」、「ｅａ」、「ｅｂ」、「ｅｃ」、「ｆａ」、「ｆｂ」、および「ｆｃ」の１２個のセルが存在する。例Ｅ４では、改ページ後のページＰ４２に見出し行Ｒ１は含まれていない。また、例Ｅ４では、表Ｔ１０７の上から４行目の３個のセル（内容「ｃａ」、「ｃｂ」および「ｃｃ」の３個のセル）が、改ページ前のページＰ４１と改ページ後のページＰ４２に分断されている。

表構造修正部３は、図１３に示すように複数種類のパターンで改ページ前後で分断された２つの表を、すべて同じ表Ｔ１０７に修正する。表構造修正部３の詳細な動作例については後述する。

また、図１に示す表要素間関係決定部４は、表毎に、「見出し要素」に該当するセルおよび「内容記入要素」に該当するセルの、表における位置関係に基づいて、「見出し要素」に含まれる情報と「内容記入要素」に含まれる情報との関係を決定する。本実施形態において表要素間関係決定部４は、まず、表をタイプ分類（図１４）し、表タイプに基づいて、見出し行・列（「見出し要素」）と「内容記入要素」との関係（表要素間関係）に適用すべき規則（表情報変換部５が情報変換に使用する変換規則）を決定する。

図１４は、本実施形態における表のタイプ分類の例（表タイプ）を示す模式図である。なお、タイプ分類される各表（表タイプ）は、「その他の要素」に該当するセルを含まない、「見出し要素」に該当するセルと「内容記入要素」に該当するセルから構成されている。図１４において、網掛けして示したセルが「見出し要素」に該当し、白抜きのセルが「内容記入要素」に該当する。図１４において、表タイプＴＹ１は「内容記入要素」のセルのみから構成される表のタイプである。表タイプＴＹ２は、一番上の行に並んだ「見出し要素」の複数のセルで構成した見出し行と、「内容記入要素」の複数のセルから構成される表のタイプである。表タイプＴＹ３は、一番左の列に並んだ「見出し要素」の複数のセルで構成した見出し列と、「内容記入要素」の複数のセルから構成される表のタイプである。表タイプＴＹ４は、一番上の行に並んだ「見出し要素」の複数のセルで構成した見出し行と、一番左の列に並んだ「見出し要素」の複数のセルで構成した見出し列と、「内容記入要素」の複数のセルから構成される表のタイプである。

表タイプＴＹ５は、「見出し要素」の複数のセルで構成したｎ段の見出し行と、「内容記入要素」の複数のセルから構成される表のタイプである。表タイプＴＹ６は、「見出し要素」の複数のセルで構成したｍ段の見出し列と、「内容記入要素」の複数のセルから構成される表のタイプである。表タイプＴＹ７は、「見出し要素」の複数のセルで構成したｎ段の見出し行と、「見出し要素」の複数のセルで構成したｍ段の見出し列と、「内容記入要素」の複数のセルから構成される表のタイプである。

図１５は、表タイプに基づく変換規則の例を模式的に示す。図１５に示す例では、表要素間関係決定部４によって、６行４列の表Ｔ１０８に対して表のタイプが図１４に示す表タイプＴＹ２であると特定される。この表タイプＴＹ２に対しては規則ＲＬ２が適用される。規則ＲＬ２では、「内容記入要素」毎に、当該「内容記入要素」に対応する「見出し要素」と当該「内容記入要素」を記号「｜」（縦線）で区切って並べて角括弧「［」と「]」で囲うことで（例えば「［Ａ｜ａａ］」で）、「見出し要素」と「内容記入要素」の対応関係を示す。次に、各「見出し要素」と同じ行に位置する他の「見出し要素」について、「見出し要素」と「内容記入要素」の対応関係（例えば「［Ａ｜ａａ］」）を、行単位で「，」（コンマ）で区切って並べて波括弧「｛」と「｝」で囲ったもの（例えば「｛［Ａ｜ａａ］,［Ｂ｜ａｂ］,［Ｃ｜ａｃ］｝」）で、各行の「見出し要素」と「内容記入要素」の対応関係をセルの並び順で示す。そして、各行の「見出し要素」と「内容記入要素」の対応関係を、「，」（コンマ）で区切って列数から見出し要素の行数を引いた数だけ並べることで（「｛［Ａ｜ａａ］，［Ｂ｜ａｂ］，［Ｃ｜ａｃ］｝，｛［Ａ｜ｂａ］，［Ｂ｜ｂｂ］，［Ｃ｜ｂｃ］｝，｛［Ａ｜ｃａ］，［Ｂ｜ｃｂ］，［Ｃ｜ｃｃ］｝」で）、表中のすべてのセルの「見出し要素」と「内容記入要素」の対応関係を示す。また、図１４において、規則ＲＬ２を表Ｔ１０８の表構造に適用して表構造を変換した結果が表情報Ｄ２０１である。

表情報Ｄ２０１によれば、例えば、表Ｔ１０８の２行目について、「見出し要素」の「Ｆａｕｌｔ Ｃａｔｅｇｏｒｙ」と「内容記入要素」の「０」が対応し、「見出し要素」の「ＦＰＭＫ」と「内容記入要素」の「８１」が対応し、「見出し要素」の「λ」と「内容記入要素」の「８．１×１０−６」が対応し、そして、「見出し要素」の「ＭＫＢＦ」と「内容記入要素」の「１２ ３５０（ｋｍ）」が対応しているという縦横両方向のセル要素間の関係を、横方向にテキストを読むことで、理解することができる。

また、図１に示す表情報変換部５は、表要素間関係決定部４が決定した表要素間関係に基づき決定された変換規則を適用して、表構造修正部３で得た表構造情報を、例えば図１５の表情報Ｄ２０１のような目的の形式の情報に変換し、出力する。本実施形態において、表情報は、表を構成する各要素間の関係（例えば「見出し要素」と「内容記入要素」と間の関係）を示す情報である。

次に、図２〜図５に示すフローチャートと、図１６〜図１８等を参照して、図１に示す表情報読取装置１０が表情報を読み取る動作の例について詳細に説明する。表情報読取装置１０では、まず、文書入力部１０が、表情報の読み取りを行う対象となる文書情報を入力する（ステップＳ１）。次に、文書入力部１０は、入力した文書情報に表が含まれているか否かを判断し（ステップＳ２）、含まれていない場合には（ステップＳ２で「ＮＯ」の場合には）、図２に示す処理を終了する。一方、入力された文書情報に表が含まれている場合（ステップＳ２で「ＹＥＳ」の場合）、文書入力部１０は、文書内の各表について、表構成情報を抽出する（ステップＳ３）。

例えば、ステップＳ１で、文書入力部１０が、図７を参照して説明した表Ｔ１０１を含む図１６に示す文書ＤＣ１を表す文書情報を入力したとする。この場合、文書入力部１０は、ステップＳ３で図１６に示すような表構成情報Ｄ３０１を抽出する。図１６に示す表構成情報Ｄ３０１は、表Ｔ１０１の構成を表す情報として、「・６行４列の表、・１行目、２行目が色つき、・１行目の２列目から４列目までがセル結合、…」といった情報を含む。

次に、表構造推定部２が、表構成情報に基づいて表構造を推定する（ステップＳ４）。ステップＳ４で、表構造推定部２は、罫線を推定し（ステップＳ４１）、各セルを、見出し要素、内容記入要素、または、その他の要素に分類し（ステップＳ４２）、セル結合を推定する（ステップＳ４３）。なお、ステップＳ４１〜Ｓ４３の処理は、再帰的に繰り返して実行してもよい。

図３は、ステップＳ４２における処理内容の例を示す。表構造推定部２は、各セルについて、内容を表す文字、数字、記号等がボールドまたはイタリック等の文字等を強調するようなフォントで記載されていたり、あるいは文字色で記載されているか否かを判断する（ステップＳ１０１）。ボールドまたはイタリックでは無い場合（ステップＳ１０１で「ＮＯ」の場合）、表構造推定部２は、各セルについて、背景色が色つきである（表全体の背景色と異なる色の背景色である）か否かを判断する（ステップＳ１０２）。

内容を表す文字等がボールドまたはイタリック等の文字等を強調するようなフォントや色で記載されている場合（ステップＳ１０１で「ＹＥＳ」の場合）、または、背景色が色つきの場合（ステップＳ１０２で「ＹＥＳ」の場合）、表構造推定部２は、当該各セルを見出し候補要素（「見出し要素」の候補）に設定する（ステップＳ１０３）。次に、表構造推定部２は、ステップＳ１０３で見出し候補要素に設定した各セルのセル数が、表の全セル数の２分の１より小さいか否かを判断する（ステップＳ１０４）。表の全セル数の２分の１より小さくない場合（ステップＳ１０４で「ＮＯ」の場合）、表構造推定部２は、ステップＳ１０３で見出し候補要素に設定した各セルを、見出し候補要素から除外する（ステップＳ１０９）。

背景色が色つきでないと判断された場合（ステップＳ１０２で「ＮＯ」の場合）、または、見出し候補要素から除外された場合（ステップＳ１０９）、表構造推定部２は、各セルについて、セル内容（セルの文字、数値、記号の意味的な内容）が所定の条件を満たすか否かを判断する（ステップＳ１１０）。ステップＳ１１０で判断される所定の条件は、例えば、各セルの文字列の長さを全セルで相対的に評価した結果、各セルの内容が文字列と数値のどちらなのかを全セルで相対的に評価した結果、行毎あるいは列毎の文字列の長さや数値数の傾向を他の行あるいは列との比較で評価した結果等が、見出し要素である可能性が高いと考えられる条件である。セル内容が所定の条件を満たす場合（ステップＳ１１０で「ＹＥＳ」の場合）、表構造推定部２は、条件を満たす各セルを見出し候補要素に設定する（ステップＳ１１１）。

セル内容が所定の条件を満たさない場合（ステップＳ１１０で「ＮＯ」の場合）、表構造推定部２は、表形状と当該セルの位置が所定の条件を満たすか否かを判断する（ステップＳ１１２）。ステップＳ１１２で判断される所定の条件は、例えば、当該セルがセル結合されたセルに含まれているとか、例えば表形状が図１４に示す表タイプＴＹ４のように左上のセルが無い場合に（あるいは左上のセルの内容が無く、同一行または同一列の他のセルに内容がある場合に）、当該セルが左上のセルと同一行または同一列の他のセルであるといった条件である。表形状と当該セルの位置が所定の条件を満たす場合（ステップＳ１１２で「ＹＥＳ」の場合）、表構造推定部２は、条件を満たす各セルを見出し候補要素に設定する（ステップＳ１１３）。

一方、ステップＳ１０３で見出し候補要素に設定した各セルのセル数が、表の全セル数の２分の１より小さい場合（ステップＳ１０４で「ＹＥＳ」の場合）、または、ステップＳ１１１もしくはステップＳ１１３で見出し候補要素に設定された場合、表構造推定部２は、見出し候補要素のセルが１段目（上から１行目または左から１列目）のセルであるか否かを判断する（ステップＳ１０５）。見出し候補要素のセルが１段目（上から１行目または左から１列目）のセルである場合（ステップＳ１０５で「ＹＥＳ」の場合）、表構造推定部２は、当該セルを「見出し要素」に分類する（ステップＳ１０６）。他方、見出し候補要素のセルが１段目（上から１行目または左から１列目）のセルでない場合（ステップＳ１０５で「ＮＯ」の場合）、表構造推定部２は、当該セルの１段前が「見出し要素」であるか否かを判断する（ステップＳ１０７）。当該セルの１段前が「見出し要素」である場合（ステップＳ１０７で「ＹＥＳ」の場合）、表構造推定部２は、当該セルを「見出し要素」に分類する（ステップＳ１０６）。他方、当該セルの１段前が「見出し要素」でない場合（ステップＳ１０７で「ＮＯ」の場合）、表構造推定部２は、当該セルを「その他の要素」に分類する（ステップＳ１０８）。

また、表形状と当該セルの位置が所定の条件を満たさない場合（ステップＳ１１２で「ＮＯ」の場合）、表構造推定部２は、当該セルを「内容記入要素」に分類する（ステップＳ１１４）。

例えば、図２のステップＳ４で、表構造推定部２は、図１６に示す表構成情報Ｄ３０１に基づき、文書入力部１で得られた情報が正しいか否かを判断するとともに、表Ｔ１０１の上２行がセルなので「見出し要素」、他の行は「内容記入要素」と推定する（Ｄ３０２）。また、ステップＳ４で、表構造推定部２は、表Ｔ１０１の１行目の右側のセルＣ１０１が３列分のセルを結合したセルであると推定し、表Ｔ１０１ａのようにセルＣ１０１の内容を３個のセルＣ２０１、Ｃ２０２およびＣ２０３に分配する（Ｄ３０３）。なお、図１７は、図１６に示す表Ｔ１０１ａと同一の表を拡大して示す。

図２において、ステップＳ４で表構造推定部２が表構成情報に基づいて表構造を推定した後、表構造修正部３は、表構造を修正する（ステップＳ５）。ステップＳ５で、表構造修正部３は、表の分断の有無を判断し（ステップＳ５１）、分断されている表を結合する（ステップＳ５２）。

図４は、ステップＳ５１における処理内容の例を示す。表構造修正部３は、文書情報に含まれた各ページについて、改ページ前後に本文を挟まずに２つの表があるか否かを判断する（ステップＳ２０１）。改ページ前後に本文を挟まずに２つの表がある場合（ステップＳ２０１で「ＹＥＳ」の場合）、表構造修正部３は、ステップＳ２０１の条件を満たす各表について、当該２つ表の列数と幅が互いに同じであるか否かを判断する（ステップＳ２０２）。２つ表の列数と幅が互いに同じである場合（ステップＳ２０２で「ＹＥＳ」の場合）、表構造修正部３は、当該２つの表を分断された表であると判断する（ステップＳ２０３）。

一方、ステップＳ２０１の条件またはステップＳ２０２の条件を満たさない場合（ステップＳ２０１またはステップＳ２０２で「ＮＯ」の場合）、表構造修正部３は、条件を満たさない表が分断された表ではないと判断する（ステップＳ２０４）。

また、図５は、ステップＳ５２における処理内容の例を示す。図５に示す処理において、表構造修正部３は、図４のステップＳ２０３で分断表であると判断された各表について、まず、改ページ後の表に「見出し要素」があるか否かを判断する（ステップＳ３０１）。改ページ後の表に「見出し要素」がある場合（ステップＳ３０１で「ＹＥＳ」の場合）、表構造修正部３は、改ページ後の表の「見出し要素」が背景色・フォントにより決定した「見出し要素」であるか否かを判断する（ステップＳ３０２）。

改ページ後の表の「見出し要素」が背景色・フォントにより決定した「見出し要素」である場合（ステップＳ３０２で「ＹＥＳ」の場合）、表構造修正部３は、改ページ前後の「見出し要素」の色・フォントが同じであるか否かを判断する（ステップＳ３０３）。改ページ前後の「見出し要素」の色・フォントが同じでない場合（ステップＳ３０３で「ＮＯ」の場合）、表構造修正部３は、改ページ後の「見出し要素」を「内容記入要素」と再判定する（ステップＳ３０４）。一方、改ページ前後の「見出し要素」の色・フォントが同じである場合（ステップＳ３０３で「ＹＥＳ」の場合）、表構造修正部３は、「見出し要素」中の文字列が同じであるか否かを判断する（ステップＳ３０６）。

「見出し要素」中の文字列が同じでない場合（ステップＳ３０６で「ＮＯ」の場合）、表構造修正部３は、当該表が分断表ではないと判断する（ステップＳ３０８）。一方、「見出し要素」中の文字列が同じである場合（ステップＳ３０６で「ＹＥＳ」の場合）、表構造修正部３は、当該表（改ページ後の表）で見出し要素重複除去処理（改ページ後の「見出し要素」を除去する処理）を行う（ステップＳ３０７）。

他方、改ページ後の表に「見出し要素」がない場合（ステップＳ３０１で「ＮＯ」の場合）、または、当該表で見出し要素重複除去処理を行った場合（ステップＳ３０７）、表構造修正部３は、改ページ後の１行目セル（「内容記入要素」のセル）が同列（同列の「内容記入要素」のセル）と比較して差異があるか否かを判断する（ステップＳ３０９）。改ページ後の１行目セルが同列と比較して差異がある場合（ステップＳ３０９で「ＹＥＳ」の場合）、表構造修正部３は、改ページ前後の２つの表について、改ページ前後の各２つのセル（「内容記入要素」のセル）についてセル結合処理を行うとともに、表結合処理を行う（ステップＳ３１０）。一方、改ページ後の１行目セルが同列と比較して差異がない場合（ステップＳ３０９で「ＮＯ」の場合）、または、改ページ後の「見出し要素」を「内容記入要素」と再判定した場合（ステップＳ３０４）、表構造修正部３は、改ページ前後の２つの表について、表結合処理を行う（ステップＳ３０５）。

図５に示す分断表の結合処理において、表構造修正部３は、例えば図１３に示す改ページ前後で表が分断されている４つの例Ｅ１〜Ｅ４に対して次のように結合処理を行う。すなわち、例Ｅ１に対して、表構造修正部３は、「見出し要素」の重複除去処理を行った後（ステップＳ３０７）、表結合処理を行って（ステップＳ３０５）、表Ｔ１０７を生成する。また、例Ｅ２に対して、表構造修正部３は、「見出し要素」の重複除去処理を行わずに、表結合処理を行って（ステップＳ３０５）、表Ｔ１０７を生成する。また、例Ｅ３に対して、表構造修正部３は、「見出し要素」の重複除去処理を行った後（ステップＳ３０７）、セル結合処理と表結合処理を行って（ステップＳ３１０）、表Ｔ１０７を生成する。また、例Ｅ４に対して、表構造修正部３は、「見出し要素」の重複除去処理を行わずに、セル結合処理と表結合処理を行って（ステップＳ３１０）、表Ｔ１０７を生成する。

図２において、ステップＳ５で表構造修正部３が表構造を修正した後、表要素間関係決定部４が、修正された表構造に基づいて表要素間関係を決定する（ステップＳ６）。ステップＳ６で、表要素間関係決定部４は、表構造に基づいて表タイプを決定し（ステップＳ６１）、表タイプに基づき変換規則を決定する（ステップＳ６２）。

例えば図１６および図１７に示す表Ｔ１０１ａに対して、ステップＳ６１において、表要素間関係決定部４は、表Ｔ１０１ａの表構造に基づいて、図１８（ａ）に示すように、表Ｔ１０１ａの表タイプが、上２行が「見出し要素」（見出し行が２段）で見出し列が無い図１４に示す表タイプＴＹ５（ｎ＝２）であると判断する。次に、ステップＳ６２において、表要素間関係決定部４は、図１８（ａ）に示すように、一旦、２段の「見出し要素」を結合記号「｜｜」を用いて１段の「見出し要素」とすることで表Ｔ１０１ａの表タイプを図１４に示す表タイプＴＹ２に類似する表タイプＴＹ４０１に変換する。そして、表要素間関係決定部４は、表Ｔ１０１ａに適用する変換規則を、見出し要素（見出し行）が多段の場合の変換規則ＲＬ４０１に決定する。

規則ＲＬ４０１では、「内容記入要素」毎に、当該「内容記入要素」に対応する２段の「見出し要素」を記号「｜｜」（２本の縦線）で区切って並べて、さらに当該「内容記入要素」を記号「｜」（１本の縦線）で区切って並べて角括弧「［」と「]」で囲うことで（例えば「［Ａ１｜｜Ａ２｜ａａ］」で）、２段の「見出し要素」と「内容記入要素」の対応関係を示す。次に、２段の「見出し要素」と「内容記入要素」の対応関係を、行単位で「，」（コンマ）で区切って並べて波括弧「｛」と「｝」で囲ったもので、各行の２段の「見出し要素」と「内容記入要素」の対応関係をセルの並び順で示す。そして、各行の２段の「見出し要素」と「内容記入要素」の対応関係を、「，」（コンマ）で区切って列数から見出し要素の行数を引いた数だけ並べることで（「｛［Ａ１｜｜Ａ２｜ａａ］，［Ｂ１｜｜Ｂ２｜ａｂ］，［Ｃ１｜｜Ｃ２｜ａｃ］｝，｛［Ａ１｜｜Ａ２｜ｂａ］，［Ｂ１｜｜Ｂ２｜ｂｂ］，［Ｃ１｜｜Ｃ２｜ｂｃ］｝，｛［Ａ１｜｜Ａ２｜ｃａ］，［Ｂ１｜｜Ｂ２｜ｃｂ］，［Ｃ１｜｜Ｃ２｜ｃｃ］｝」で）、表中のすべてのセルの２段の「見出し要素」と「内容記入要素」の対応関係を示す。

図２において、ステップＳ６で表要素間関係決定部４が表要素間関係（表タイプと変換規則）を決定した後、表情報変換部５が、表構造と表要素間関係に基づき表構造を所定形式の表情報に変換する（ステップＳ７）。表情報変換部５は、例えば、図１７に示す表Ｔ１０１ａに対して、図１８（ａ）に示す表情報Ｄ４０１を出力する。図１８（ａ）に示す表情報Ｄ４０１は、図１７に示す表Ｔ１０１ａの３行目の各セル（「内容記入要素」）に対応する表要素間の関係を示す情報を含んでいる。

なお、例えば、図１４に示す表タイプＴＹ４のように、見出し行と見出し列の両方の「見出し要素」を有する場合には、例えば図１８（ｂ）に変換規則ＲＬ４として示すように、見出し行中の「見出し要素」と見出し列中の「見出し要素」を記号「｜｜｜」（３本の縦線）で区切って並べて、さらに「見出し要素」と「内容記入要素」を記号「｜」（１本の縦線）で区切って並べることによって「見出し要素」と「内容記入要素」の関係を示す変換規則を適用することができる。なお、変換規則（例えば各要素の並べ方）や表記の際に使用する記号は任意に設定することができる。図１８（ｂ）に示す変換規則ＲＬ４によれば、計算機において読み取り方向が一方向に限られるテキスト形式で、表構造における縦横の関係性を記述することができる。

以上のように本実施形態の表情報読取装置１０は、文書情報の入力を受け付けて、文書情報に含まれる表の構成を表す表構成情報を抽出する文書入力部１と、表構成情報に基づいて、表を構成する各セルが、「見出し要素」、「内容記入要素」または「その他の要素」のいずれに該当するのかを表す表構造情報を推定する表構造推定部２と、「見出し要素」に該当するセルおよび「内容記入要素」に該当するセルの、表における位置関係に基づいて「見出し要素」に含まれる情報と「内容記入要素」に含まれる情報との関係を決定する表要素間関係決定部４とを備える。この構成によれば、表の構成要素を「見出し要素」、「内容記入要素」または「その他の要素」の３種類の要素に分類することができるので、容易に、表構造を適切に推定することができる。

また、本実施形態の表情報読取装置１０は、表構造推定部２が推定した表構造情報に基づいて、改ページ前後に存在する２つの表の結合処理を行う表構造修正部３をさらに備える。この構成によれば、表が複数のページにわたって記述されている場合でも、表構造を正しく推定することができる。

また、本実施形態の表構造修正３は、２つの表の結合処理を行う際に、改ページ後に存在する表のセルが同列の各セルと比較して差異を有する場合（図５のステップＳ３０９で「ＹＥＳ」の場合）、改ページ前後に存在する２つの表に含まれる「内容記入要素」である２つのセルをセル結合する。この構成によれば、セルの内容が分断されている場合でも、表構造を正しく推定することができる。

なお、表構造推定部２は、各セルの表記の形式（フォント、文字色や背景色）が所定の条件（図３のステップＳ１０１の条件またはステップＳ１０２の条件）を満たしかつその条件を満たすセルの個数の表の全セル数に占める割合が所定の値未満である（ステップＳ１０４の判断）場合、セル内容が所定の内容である（ステップＳ１１０の条件を満たす場合）、または、表形状と当該セルの位置が所定の位置である（ステップＳ１１２の条件を満たす場合）、当該セルを見出し候補要素とし、見出し候補要素とした各セルの位置または他の見出し候補要素との位置関係が所定の位置関係である（ステップＳ１０５の条件またはステップＳ１０７の条件を満たす場合）に当該セルを「見出し要素」とし、満たさない場合に「その他の要素」とし、見出し候補要素とされなかった各セルを「内容記入要素」とする。この構成によれば、例えば、文書に含まれる、表以外の本文の内容等を参照せずに、各要素の分類を行うなうことができる。すなわち、本実施形態によれば、表構造のみから表要素間関係を推定するため、表以外の文章中に含まれる情報によらず、表要素間関係を正しくて推定することができる。また、表構造を「見出し要素」と、見出しに関する内容が記載されている「内容記入要素」に限定して構成するため、見出しと関係がない表要素が出現した場合でも、表要素間関係を正しく推定することができる。

なお、本実施形態は例えば次のような分野に適用することができる。すなわち、例えば、ＥＰＣ（Engineering, Procurement and Construction；プロジェクトの建設工事請負契約）におけるレイアウトが決まっていないＲＦＰ（Request For Proposal； 提案依頼書）に出現する表の情報を抽出を自動化するための技術として適用することができる。また、抽出した情報を用いてリスク判定を行う技術にも適用することができる。また、その他レイアウトが決まっていない技術資料、特許文章などの文書中に出現する表の情報抽出自動化に適用することができ、さらに、表情報のデータベース構築やナレッジ構築への展開可能性がある。

また、本実施形態によれば、文書から表以外の情報（文章や図）を用いることなく、表のみから表に記載されている情報を抽出することができるので、入力情報であるレイアウトの決まっていない文書中の表に対して表情報抽出処理を行う時に、表構成情報を用いた表構造推定器の結果により表構造変換を行うことによって、表記の揺れ、レイアウト揺れに対してロバストな結果を得ることができる。これにより、未知の表構造や表のみの文書であっても表の情報抽出が可能である。

また、本実施形態によれば、表の要素間関係の推定を、表構成情報のみを用いた表構造推定および分類で行うため、表のみが出現する文書であっても処理が可能である。また、表構造を「見出し要素」および見出しに関わる「内容記入要素」に限定せず、見出しに関係のない「その他の要素」を推定できることにより、より複雑な表の構造推定も可能である。

〈コンピュータ構成〉
図１９は、上記実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、プロセッサ９１、メインメモリ９２、ストレージ９３、インタフェース９４を備える。
上述の表情報読取装置１０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ９３に記憶されている。プロセッサ９１は、プログラムをストレージ９３から読み出してメインメモリ９２に展開し、当該プログラムに従って上記処理を実行する。また、プロセッサ９１は、プログラムに従って、上述した各記憶部に対応する記憶領域をメインメモリ９２に確保する。

プログラムは、コンピュータ９０に発揮させる機能の一部を実現するためのものであってもよい。例えば、プログラムは、ストレージに既に記憶されている他のプログラムとの組み合わせ、または他の装置に実装された他のプログラムとの組み合わせによって機能を発揮させるものであってもよい。なお、他の実施形態においては、コンピュータは、上記構成に加えて、または上記構成に代えてＰＬＤ（Programmable Logic Device）などのカスタムＬＳＩ（Large Scale Integrated Circuit）を備えてもよい。ＰＬＤの例としては、ＰＡＬ(Programmable Array Logic)、ＧＡＬ(Generic Array Logic)、ＣＰＬＤ(Complex Programmable Logic Device)、ＦＰＧＡ（Field Programmable Gate Array）が挙げられる。この場合、プロセッサによって実現される機能の一部または全部が当該集積回路によって実現されてよい。

ストレージ９３の例としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disc Read Only Memory）、半導体メモリ等が挙げられる。ストレージ９３は、コンピュータ９０のバスに直接接続された内部メディアであってもよいし、インタフェース９４または通信回線を介してコンピュータ９０に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ９０に配信される場合、配信を受けたコンピュータ９０が当該プログラムをメインメモリ９２に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、ストレージ９３は、一時的でない有形の記憶媒体である。

以上、この発明の実施形態について図面を参照して説明してきたが、具体的な構成は上記実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。

１ 文書入力部
２ 表構造推定部
３ 表構造修正部
４ 表要素間関係決定部
５ 表情報変換部
１０ 表情報読取装置

Claims (6)

1. 文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出する文書入力部と、
   前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定する表構造推定部と、
   前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する表要素間関係決定部と、
   を備える表情報読取装置。
2. 前記表構造推定部が推定した前記表構造情報に基づいて、改ページ前後に存在する２つの表の結合処理を行う表構造修正部をさらに備える
   請求項１に記載の表情報読取装置。
3. 前記表構造修正部は、前記２つの表の結合処理を行う際に、改ページ後に存在する前記表のセルが同列の各セルと比較して差異を有する場合、前記改ページ前後に存在する２つの表に含まれる前記内容記入要素である２つのセルをセル結合する
   請求項２に記載の表情報読取装置。
4. 前記表構造推定部は、前記各セルの表記の形式が所定の条件を満たしかつ該条件を満たすセルの個数の前記表の全セル数に占める割合が所定の値未満である場合、セル内容が所定の内容である場合、または、表形状と当該セルの位置が所定の位置にある場合、当該セルを見出し候補要素とし、
   前記見出し候補要素とした各セルの位置または他の見出し候補要素との位置関係が所定の位置関係である場合に当該セルを前記見出し要素とし、満たさない場合に前記その他の要素とし、
   前記見出し候補要素とされなかった各セルを前記内容記入要素とする
   請求項１から３のいずれか１項に記載の表情報読取装置。
5. 文書入力部と表構造推定部と表要素間関係決定部を備える表情報読取装置において、
   前記文書入力部によって、文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出し、
   前記表構造推定部によって、前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定し、
   前記表要素間関係決定部によって、前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する
   表情報読取方法。
6. 文書入力部と表構造推定部と表要素間関係決定部を機能的要素として備えるコンピュータに、
   前記文書入力部によって、文書情報の入力を受け付けて、前記文書情報に含まれる表の構成を表す表構成情報を抽出し、
   前記表構造推定部によって、前記表構成情報に基づいて、前記表を構成する各セルが、見出し要素、内容記入要素またはその他の要素のいずれに該当するのかを表す表構造情報を推定し、
   前記表要素間関係決定部によって、前記見出し要素に該当するセルおよび前記内容記入要素に該当するセルの、前記表における位置関係に基づいて前記見出し要素に含まれる情報と前記内容記入要素に含まれる情報との関係を決定する
   処理を実行させるプログラム。

Images