JPH0895975A - 論理構造化文書の生成方法 - Google Patents

Abstract

(57)【要約】 【目的】 文書データ中の見出し記号に有無および見出
し記号の記載の仕方にばらつきに関わらず、文書データ
を階層構造に再編成した論理構造化文書を容易に生成す
ること。 【構成】 目的とする文書を構成する章などの各要素を
示す要素キーと、各要素に対して文字を対応付けること
を示す文字キーとを、目的とする論理構造に対応付けて
定義した文書型データファイルの定義内容を解析し、目
的とする文書の論理構造を示す論理構造テーブルを作成
したうえ、任意の形式の文書データを解析し、文書デー
タを構成する文字を所定の区切り記号によって論理単位
に分割した文字の論理単位テーブルを作成し、これら論
理構造テーブルおよび文字の論理単位テーブルの内容に
基づき、前記文字キーに対応する論理単位の文字に対し
て前記要素キーで示される見出しマークを付加した論理
構造化文書を生成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、論理構造化文書の生成
方法に関し、特に任意の形式の文書データから章、節、
項などのツリー状の階層構造に再編成した論理構造化文
書を生成する論理構造化文書の生成方法に関する。

【０００２】

【従来の技術】従来、論理構造化文書を生成する方法と
して、特開平４−１７５９６６号公報のように文書デー
タを対象に、本文中の章、節、項に対応した見出し記号
を解析することにより、木状の論理構造を自動的に生成
する方法がある。

【０００３】この方法では、文字コードで表されている
文書データを入力し、文書データから見出し及び見出し
ごとの本文を抽出し、その抽出した見出しから見出し記
号を取り出し、次いで、見出し記号の意味を解析し、親
子関係の階層的構造で表現される文書の論理構造を生成
するものであり、一次元に並んだ文字列で表現されてい
る文書ファイルを階層的な木構造に変換することができ
る。

【０００４】

【発明が解決しようとする課題】しかし、上記従来技術
にあっては、文書データ中に章、節、項を表わすような
見出し記号が存在するのを前提としているため、これら
の見出し記号が存在しない文書データについては、論理
構造化文書を生成することができないという問題があっ
た。

【０００５】また、複数の文書データが存在し、各々の
文書データによってその見出し記号に記載上のばらつき
がある場合、同一処理で文書の論理構造化を行うことが
できないという問題があった。

【０００６】本発明の目的は、文書データ中の見出し記
号に有無に関わらず、文書データを階層構造に再編成し
た論理構造化文書を容易に生成することができ、また見
出し記号の記載の仕方にばらつきがあっても、同一処理
により論理構造化文書を効率良く生成することができる
論理構造化文書の生成方法を提供することにある。

【０００７】

【課題を解決するための手段】本発明は、上述の目的を
達成するために、目的とする文書を構成する章などの各
要素を示す要素キーと、各要素に対して文字を対応付け
ることを示す文字キーとを、目的とする論理構造に対応
付けて文書型データファイルに予め定義しておき、この
文書型データファイルの定義内容を解析し、目的とする
文書の論理構造を示す論理構造テーブルを作成したう
え、前記任意の形式の文書データを解析し、文書データ
を構成する文字を所定の区切り記号によって論理単位に
分割した文字の論理単位テーブルを作成し、これら論理
構造テーブルおよび文字の論理単位テーブルの内容に基
づき、前記文字キーに対応する論理単位の文字に対して
前記要素キーで示される見出しマークを付加した論理構
造化文書を生成することを特徴とする。

【０００８】

【作用】本発明によれば、文書型データファイルの定義
内容を解析し、目的とする文書の論理構造を示す論理構
造テーブルを作成し、さらに任意の形式の文書データを
解析し、文書データを構成する文字を所定の区切り記号
によって論理単位に分割した文字の論理単位テーブルを
作成する。

【０００９】そして、論理構造テーブルを検索し、要素
キーが抽出されたならば該要素キーに対応する見出し記
号を出力し、さらに文字キーが抽出されたならば該文字
キーに対応する論理単位の文字を文字の論理単位テーブ
ルから抽出し、見出し記号の後に出力する処理を繰り返
す。

【００１０】これにより、前記文字キーに対応する論理
単位の文字に対して前記要素キーで示される見出しマー
クを付加した論理構造化文書が生成される。

【００１１】

【実施例】以下、本発明の実施例を図面により具体的に
説明する。

【００１２】図１は、本発明の一実施例を示すシステム
ブロック図であり、文書型データファイル１００、文書
データファイル１０１、論理構造か文書データファイル
１０７、入出力制御部１０８、入力装置１１２、表示装
置１１３、出力装置１１４とから成る。

【００１３】このうち、文書操作制御部１０２は、文書
型データ解析部１０３、テーブル格納部１０４、文書デ
ータ解析部１０５、論理構造化文書データ生成部１０６
から成り、また入出力制御部１０８は文書出力制御部１
０９、文書表示制御部１１０、ユーザインタフェース１
１１から構成されている。

【００１４】この構成においては、文書型データ解析部
１０３は文書型データファイル１００に格納された文書
型データを解析し、論理構造化文書データの生成に必要
な要素の論理構造テーブルをテーブル格納部１０４に作
成する。

【００１５】また、文書データ解析部１０５は、文書デ
ータファイル１０１に格納された文書データを解析し、
論理構造化文書データの生成に必要な文字の論理単位テ
ーブルをテーブル格納部１０４に作成する。

【００１６】そして、論理構造化文書データ生成部１０
６は、テーブル格納部１０４の要素の論理構造テーブル
および文字の論理単位テーブルを抽出し、論理構造化文
書データを生成し、論理構造化文書データファイル１０
７に出力する。

【００１７】入力装置１１２は、入出力制御部１０８の
ユーザインタフェース１１１を通じて、文書操作制御部
１０２に対して指示を与える。また、入出力制御部１０
８は入力装置１１２からの指示に従い、文書表示制御部
１１０を通じて表示装置１１３への表示出力を行うと共
に、文書出力制御部１０９を通じて出力装置１１４への
印刷出力を行う。

【００１８】次に、文書型データ解析部１０３において
文書型データにおける要素の論理構造テーブルを生成す
る動作について図２のフローチャートを用いて説明す
る。

【００１９】まず、ステップ２００で、文書型を表わす
ためのキーを指定する。

【００２０】例えば、文書型を表わすキーとして「文書
型：」や「ＤＯＣＴＹＰＥ」といったものを用いる。次
に、ステップ２０１で、要素を表わすためのキーを指定
する。例えば、要素を表わすキーとして「要素：」や
「ＥＬＥＭＥＮＴ」といったものを用いる。

【００２１】次に、ステップ２０２で、文字データを表
わすためのキーを指定する。

【００２２】例えば、文字データを表わすキーとして
「＃文字データ」や「＃ＰＣＤＡＴＡ」といったものを
用いる。

【００２３】次に、ステップ２０３で文書型データがな
くなるまで、ステップ２０４で要素の論理構造を生成す
る。

【００２４】ステップ２０４を詳しく説明すると、まず
ステップ２０５で文書型キーを抽出できたかどうか判別
し、ステップ２０６で文書型名を抽出し、それをステッ
プ２０７で最上位要素としてテーブル格納部１０４に登
録する。

【００２５】また、ステップ２０８で要素キーを抽出で
きたかどうか判別し、ステップ２０９で要素名を抽出
し、それをステップ２１０で要素としてテーブル格納部
１０４に登録する。そして、ステップ２１１その要素名
に対する内容モデルを抽出し、ステップ２１２で下位要
素、接続関係、及び出現回数をテーブル格納部１０４に
登録する。

【００２６】図３は文書型データ解析部１０３における
処理前の文書型データ３００の一例と処理後の要素の論
理構造３１１の具体例を示す図である。

【００２７】ここでは、「文書型：」が文書型キー３０
１であり、その次に現れた「標準」が文書型名３０２で
ある。この文書型名の「標準」が最上位要素となる。

【００２８】また、「要素：」が要素キー３０３であ
り、その次に現れた「標準」が要素名３０４である。そ
して、その次の「タイトル」が下位要素名３０５であ
り、「，」が接続関係３０６である。

【００２９】ここで、接続関係３０６を表わす符号とし
ては、「，」、「｜」、「＆」がある。

【００３０】「，」は、内容モデルに現れたのと同じ順
ですべての要素が現れなければいけないことを指定する
場合に用い、「｜」は内容モデルの中の一つの要素だけ
が現れなければならないことを指定する場合に用い、
「＆」は内容モデルの中のすべての要素が現れなければ
ならないが、順を問わないことを指定する場合に用い
る。

【００３１】次に、「章」が下位要素名３０７であり、
「＋」が出現回数３０８を指定するものである。

【００３２】ここで、出現回数３０８には「？」、
「＋」、「＊」がある。

【００３３】「？」は任意選択（０回又は１回）を指定
する場合に用い、「＋」は必須反復（１回以上）を指定
する場合に用い、「＊」は任意選択反復（０回以上）を
指定する場合に用いる。また、必須（１回）を指定する
場合は出現回数「？」、「＋」、「＊」を用いない。そ
して、要素名３０５から出現回数３０８までの「（」と
「）」で囲まれいるもが内容モデル３０９である。

【００３４】また、「＃文字データ」が文字データキー
３１０である。この文書型キー３１０は内容モデル３０
９内に繰返し出現する要素名が記述される時は、その要
素名別に指定される。すなわち、図３の例においては、
内容モデル３０９内の要素名は「タイトル」３０５、
「章」３０７であるが、「章」３０７は１回以上繰返し
出現し、その中が「章タイトル」、「段落」、「節」に
よって構成されることが指定されているので、文字デー
タキー３１０の後段で「章タイトル」および「段落」を
表わす文字データキーがさらに階層的に記述される。

【００３５】このように表現された文書型データを解析
した結果、同図に示すような要素の論理構造テーブル３
１１が作成される。

【００３６】この論理構造テーブル３１１において、
「標準」３１２は、「タイトル」３１３と「章」３１５
から成り、「タイトル」３１３は０個以上の「＃文字デ
ータ」３１４から構成される。また、「章」３１５は１
個以上の「章タイトル」３１６と「段落」３１８と
「節」の３２０から成り立ち、「章タイトル」３１６は
０個以上の「＃文字データ」３１７から成り立ち、「段
落」３１８は０個以上の「＃文字データ」３１９から成
り立ち、「節」３２０は１個以上の「段落」の３２１か
ら成り立ち、「段落」３２１は０個以上の「＃文字デー
タ」の３２３から成り立つ。

【００３７】ここで、矩形３２４は出現回数が「？」
（０または１個）、矩形３２５は出現回数が「＊」（０
個以上）、矩形３２６は出現回数が「 」（１個）、矩
形３２７は出現回数が「＋」（１個以上）であることを
示している。

【００３８】次に、文書データ解析部１０５において文
書データファイル１０１に格納された文書データから文
字の論理単位テーブル５０２を生成する動作について図
４を用いて説明する。

【００３９】まず、ステップ４００で、区切りを表わす
ための文字を指定する。例えば、区切りを表わす文字と
して「改行文字」や「タブ文字」や「スペース」といっ
た文字を指定する。

【００４０】次に、ステップ４０１で文書データがなく
なるまで、ステップ４０２で文字の論理単位テーブル５
０２を生成する。

【００４１】ステップ４０２を詳しく説明すると、ま
ず、ステップ４０３で区切り文字を抽出できたかどうか
判別し、ステップ４０４で区切り文字までの文書データ
を抽出し、それをステップ４０５で文字の論理単位テー
ブル５０２としてテーブル格納部１０４に登録する。

【００４２】図５は、文書データ解析部１０５における
処理前の文書データ５００と処理後の文字の論理単位テ
ーブル５０２の具体例を示す図である。

【００４３】この例では、「改行文字」５０１を区切り
文字として使用している。

【００４４】まず、「特許」５０３は１つ目の論理単位
の文字である。「１章 発明の名称」５０４は２つ目の
論理単位の文字である。「論理構造化文書の生成方法」
５０５は３つ目の論理単位の文字である。

【００４５】「２章 特許請求の範囲」５０６は４つ目
の論理単位の文字である。また、「１．文書型データを
基に・・・」５０７は５つ目の論理単位の文字である。
さらに、「２．既存文書データに対して・・・」５０８
は６つ目の論理単位の文字であり、「３．マーク付けを
行う。」５０９は７つ目の論理単位の文字である。

【００４６】図６は、論理構造化文書データ生成部１０
６の論理構造化文書を生成する手順を示すフローチャー
トである。以下、このフローチャートに基づいて論理構
造化文書を生成する動作について説明する。

【００４７】まず、ステップ６００でマーク付け方法を
指定する。マーク付けの方法としては、順次マーク付
け、必須マーク付け、キー対応順次マーク付け、キー対
応必須マーク付けなどがある。次に、ステップ２０１で
開始・終了マークを指定する。

【００４８】例えば、開始マークとして「数値．」や
「＜要素名＞」といったものを用いる。また、終了マー
クとして「＜／要素名＞」といったものを用いる。

【００４９】次に、ステップ６０２で論理構造化文書を
生成する。すなわち、ステップ６０３で最上位要素の開
始マークを出力する。

【００５０】ステップ６０４で次の論理構造要素が最上
位要素になるまでの間、ステップ６０５で指定されたマ
ーク付け方法の条件を現在の論理構造要素が満たしてい
るかどうか判別し、ステップ６０６で現在の論理構造要
素が何回構造上に出現したのか判別し、偶数回目ならス
テップ６０７で現在の論理構造要素の終了マークを出力
する。

【００５１】しかし、奇数回目ならステップ６０８で現
在の論理構造要素の開始マークを出力し、ステップ６０
９で要素と対応していない論理単位の文字が残っている
かどうか判別し、ステップ６１０で現在の論理構造要素
の下位要素に＃文字データがあるかどうか判別し、ステ
ップ６１１で論理単位に区切られた文字を出力する。そ
して、ステップ６１２で最上位要素の終了マークを出力
する。

【００５２】図７は、順次マーク付け方法によって生成
される論理構造化文書データ７００の具体例を示す図で
ある。

【００５３】ここでは、「＜標準＞」が開始マーク７０
１であり、「＜／タイトル＞」が終了マーク７０２であ
る。図３で示した文書型データ３００と図５で示した文
書データ５００から、図６で示したマーク付け指定方法
として「順次マーク付け」を指定した場合、図７に示す
ような論理構造化文書データ（順次マーク付け）７００
となる。

【００５４】以下、このような論理構造化文書データ７
００が生成される過程を、図３の要素の論理構造テーブ
ル３１１と図５の文字の論理単位テーブル５０２、並び
に図８の論理構造テーブルでの要素の出現順番を示す図
を参照しつつ説明する。

【００５５】なお、図８の９００は要素の出現順番を示
すものであり、９０１は出力文字を示す。

【００５６】まず、要素の論理構造テーブル３１１より
最上位要素を読み込む。すると、最上位要素は「標準」
３１２であるので、「標準」３１２の開始マーク「＜標
準＞」を出力する。

【００５７】次に、要素の論理構造テーブル３１１より
「標準」３１２の下位要素を読み込む。下位要素は「タ
イトル」３１３である。

【００５８】「タイトル」３１３は１度目の出現なの
で、開始マーク「＜タイトル＞」を出力する。次に、要
素の論理構造テーブル３１１より「タイトル」３１３の
下位要素を読み込む。

【００５９】下位要素は「＃文字データ」３１４であ
る。下位要素が「＃文字データ」３１４であるので、文
字の論理単位テーブル５０２より要素に対応していない
論理単位の文字「特許」５０３を出力する。

【００６０】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１４の下位要素を読み込む。図３の
例では下位要素は存在しない。

【００６１】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１４の同位要素を読み込む。同位要
素は存在しない。

【００６２】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１４の上位要素を読み込む。上位要
素は「タイトル」３１３である。

【００６３】「タイトル」３１３は２度目の出現なの
で、終了マーク「＜／タイトル＞」を出力する。

【００６４】次に、要素の論理構造テーブル３１１より
「タイトル」３１３の同位要素を読み込む。

【００６５】同位要素は「章」３１５である。「章」３
１５は１度目の出現なので、開始マーク「＜章＞」を出
力する。次に、要素の論理構造テーブル３１１より
「章」３１５の下位要素を読み込む。

【００６６】下位要素は「章タイトル」３１６である。
「章タイトル」３１６は１度目の出現であるので、開始
マーク「＜章タイトル＞」を出力する。次に、要素の論
理構造（テーブル）３１１より「章タイトル」３１６の
下位要素を読み込む。

【００６７】下位要素は「＃文字データ」３１７であ
る。下位要素が「＃文字データ」３１７であるので、文
字の論理単位テーブル５０２より要素に対応していない
論理単位の文字「１章 発明の名称」５０４を読み込ん
で出力する。

【００６８】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の下位要素を読み込む。下位要
素は存在しない。

【００６９】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の同位要素を読み込む。同位要
素は存在しない。

【００７０】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の上位要素を読み込む。上位要
素は「章タイトル」３１６である。

【００７１】「章タイトル」３１６は２度目の出現なの
で、終了マーク「＜／章タイトル＞」を出力する。

【００７２】次に、要素の論理構造テーブル３１１より
「章タイトル」３１６の同位要素を読み込む。

【００７３】同位要素は「段落」３１８である。「段
落」３１８は１度目の出現であるので、開始マーク「＜
段落＞」を出力する。次に、要素の論理構造テーブル３
１１より「段落」３１８の下位要素を読み込む。

【００７４】下位要素は「＃文字データ」３１９であ
る。下位要素が「＃文字データ」３１９であるので、文
字の論理単位テーブル５０２より要素に対応していない
論理単位の文字「論理構造化文書生成方法（装置）」５
０５を読み込んで出力する。

【００７５】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の下位要素を読み込む。下位要
素は存在しない。

【００７６】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の同位要素を読み込む。同位要
素は存在しない。次に、要素の論理構造（テーブル）３
１１より「＃文字データ」３１９の上位要素を読み込
む。上位要素は「段落」３１８である。

【００７７】「段落」３１８は２度目の出現であるの
で、終了マーク「＜／段落＞」を出力する。次に、要素
の論理構造テーブル３１１より「段落」３１８の同位要
素を読み込む。同位要素は「節」３２０である。

【００７８】「節」３２０は１度目の出現であるので、
開始マーク「＜節＞」を出力する。

【００７９】次に、要素の論理構造テーブル３１１より
「節」３２０の下位要素を読み込む。下位要素は「段
落」３２１である。

【００８０】「段落」３２１は１度目の出現であるの
で、開始マーク「＜段落＞」を出力する。次に要素の論
理構造テーブル３１１より「段落」３２１の下位要素を
読み込む。

【００８１】下位要素は「＃文字データ」３２３であ
る。下位要素が「＃文字データ」３２３であるので、文
字の論理単位テーブル５０２より要素に対応していない
論理単位の文字「２章 特許請求の範囲」５０６を読み
込んで出力する。

【００８２】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３２３の同位要素を読み込む。同
位要素は存在しない。

【００８３】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の上位要素を読み込む。上位要
素は「段落」３２１である。

【００８４】「段落」３２１は２度目の出現なので、終
了マーク「＜／段落＞」を出力する。

【００８５】次に、要素の論理構造テーブル３１１より
「段落」３２１の同位要素を読み込む。

【００８６】「段落」３２１は出現回数が１個以上であ
るので、同位要素は「段落」３２１である。「段落」３
２１は３度目の出現であるので、開始マーク「＜段落
＞」を出力する。

【００８７】次に、要素の論理構造テーブル３１１より
「段落」３２１の下位要素を読み込む。下位要素は「＃
文字データ」３２３である。下位要素が「＃文字デー
タ」３２３であるので、文字の論理単位テーブル５０２
より要素に対応していない論理単位の文字「１．文書型
データを基にした・・・」５０７を読み込んで出力す
る。

【００８８】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３２３の同位要素を読み込む。同
位要素は存在しない。

【００８９】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の上位要素を読み込む。上位要
素は「段落」３２１である。「段落」３２１は４度目の
出現であるので、終了マーク「＜／段落＞」を出力す
る。

【００９０】次に、要素の論理構造テーブル３１１より
「段落」３２１の同位要素を読み込む。「段落」３２１
は出現回数が１個以上となっているので、同位要素は
「段落」３２１である。「段落」３２１は５度目の出現
であるので、開始マーク「＜段落＞」を出力する。

【００９１】次に、要素の論理構造テーブル３１１より
「段落」３２１の下位要素を読み込む。下位要素は「＃
文字データ」３２３である。下位要素が「＃文字デー
タ」３２３であるので、文字の論理単位テーブル５０２
より要素に対応していない論理単位の文字「２．既存文
書データに対して・・・」５０８を読み込んで出力す
る。

【００９２】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の下位要素を読み込む。下位要
素は存在しない。

【００９３】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の同位要素を読み込む。同位要
素は存在しない。

【００９４】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の上位要素を読み込む。上位要
素は「段落」３２１である。「段落」３２１は６度目の
出現であるので、終了マーク「＜／段落＞」を出力す
る。要素の論理構造テーブル３１１より「段落」３２１
の同位要素を読み込む。

【００９５】「段落」３２１は出現回数が１個以上とな
っているので、同位要素は「段落」３２１である。「段
落」３２１は７度目の出現であるので、開始マーク「＜
段落＞」を出力する。

【００９６】次に、要素の論理構造テーブル３１１より
「段落」３２１の下位要素を読み込む。下位要素は「＃
文字データ」３２３である。下位要素が「＃文字デー
タ」３２３であるので、文字の論理単位テーブル５０２
より要素に対応していない論理単位の文字「３．マーク
付けを行う。」５０９を読み込んで出力する。

【００９７】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３２３の同位要素を読み込む。同
位要素は存在しない。

【００９８】次に、要素の論理構造テーブル３１１より
「＃文字データ」３２３の上位要素を読み込む。上位要
素は「段落」３２１である。「段落」３２１は８度目の
出現であるので、終了マーク「＜／段落＞」を出力す
る。

【００９９】次に、要素の論理構造テーブル３１１より
「段落」３２１の同位要素を読み込む。「段落」３２１
は出現回数が１個以上となっているので、同位要素は
「段落」３２１である。しかし、文字の論理単位テーブ
ル５０２の論理単位の文字が要素とすべて対応したの
で、「段落」３２１は条件を満足しない。図８では、こ
の時の「段落」３２１を符号９０２で示している。

【０１００】次に、要素の論理構造テーブル３１１より
「段落」３２１以外の「段落」３２１の同位要素を読み
込む。同位要素は存在しない。次に、要素の論理構造テ
ーブル３１１より「段落」３２１の上位要素を読み込
む。上位要素は「節」３２０である。

【０１０１】「節」３２０は２度目の出現であるので、
終了マーク「＜／節＞」を出力する。

【０１０２】次に、要素の論理構造テーブル３１１より
「節」３２０の同位要素を読み込む。「節」３２０は出
現回数が０個以上となっているので、同位要素は「節」
３２０である。

【０１０３】しかし、文字の論理単位テーブル５０２の
論理単位の文字が要素とすべて対応したので、「節」３
２０は条件を満足しない。

【０１０４】次に、要素の論理構造テーブル３１１より
「節」３２０以外の「節」３２０の同位要素を読み込
む。同位要素は存在しない。

【０１０５】次に、要素の論理構造テーブル３１１より
「節」３２０の上位要素を読み込む。上位要素は「章」
３１５である。「章」３１５は２度目の出現であるの
で、終了マーク「＜／章＞」を出力する。

【０１０６】次に、要素の論理構造テーブル３１１より
「章」３１５の同位要素を読み込む。

【０１０７】「章」３１５は出現回数が１個以上となっ
ているので、同位要素は「章」３１５である。しかし、
文字の論理単位テーブル５０２の論理単位の文字が要素
とすべて対応したので、「章」３１５は条件を満足しな
い。

【０１０８】次に、要素の論理構造テーブル３１１より
「章」３１５以外の「章」３１５の同位要素を読み込
む。同位要素は存在しない。

【０１０９】次に、要素の論理構造テーブル３１１より
「章」３１５の上位要素を読み込む。上位要素は「標
準」３１２である。「標準」３１２は最上位要素である
ので、終了マーク「＜／標準＞」を出力し、処理を終了
する。

【０１１０】図９は、必須マーク付け方法によって生成
される論理構造化文書データ８００の具体例を示す図で
ある。

【０１１１】以下、図３で示した文書型データ３００と
図５で示した文書データ５００、並びに図１０に示す論
理構造テーブル３１１での要素の出現順番を示す図に基
づき、図９の論理構造化文書データ８００が生成される
過程を説明する。

【０１１２】なお、図１０において、１０００は要素の
出現順番を示すものであり、１００１は出力文字を順番
に示したものである。

【０１１３】まず、要素の論理構造テーブル３１１より
最上位要素を読み込む。最上位要素は「標準」３１２で
ある。「標準」３１２の開始マーク「＜標準＞」を出力
する。

【０１１４】次に、要素の論理構造テーブル３１１より
「標準」３１２の下位要素を読み込む。下位要素は「タ
イトル」３１３である。「タイトル」３１３は出現回数
が１個であり、必須の条件を満たし、また、１度目の出
現であるので開始マーク「＜タイトル＞」を出力する。

【０１１５】次に、要素の論理構造テーブル３１１より
「タイトル」３１３の下位要素を読み込む。下位要素は
「＃文字データ」３１４である。

【０１１６】下位要素が「＃文字データ」３１４である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「特許」５０３を出力する。

【０１１７】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１４の下位要素を読み込む。下位要
素は存在しない。

【０１１８】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１４の同位要素を読み込む。同位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１４の上位要素を読み込む。上
位要素は「タイトル」３１３である。

【０１１９】「タイトル」３１３は出現回数が１個であ
り、必須の条件を満たし、また、２度目の出現であるの
で、終了マーク「＜／タイトル＞」を出力する。

【０１２０】次に、要素の論理構造テーブル３１１より
「タイトル」３１３の同位要素を読み込む。同位要素は
「章」３１５である。

【０１２１】「章」３１５は出現回数が１個以上であ
り、必須の条件を満たし、また、１度目の出現であるの
で、開始マーク「＜章＞」を出力する。次に、要素の論
理構造テーブル３１１より「章」３１５の下位要素を読
み込む。下位要素は「章タイトル」３１６である。

【０１２２】「章タイトル」３１６は出現回数が１個で
あり、必須の条件を満たし、また、１度目の出現である
ので、開始マーク「＜章タイトル＞」を出力する。次
に、要素の論理構造テーブル３１１より「章タイトル」
３１６の下位要素を読み込む。下位要素は「＃文字デー
タ」３１７である。

【０１２３】下位要素が「＃文字データ」３１７である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「１章 発明の名称」５０４を
読み込んで出力する。

【０１２４】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１７の同位要素を読み込む。同
位要素は存在しない。

【０１２５】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の上位要素を読み込む。上位要
素は「章タイトル」３１６である。

【０１２６】「章タイトル」３１６は出現回数が１個で
あり、必須の条件を満たし、また、２度目の出現である
ので、終了マーク「＜／章タイトル＞」を出力する。

【０１２７】次に、要素の論理構造テーブル３１１より
「章タイトル」３１６の同位要素を読み込む。同位要素
は「段落」３１８である。

【０１２８】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、１度目の出現であるので、
開始マーク「＜段落＞」を出力する。次に、要素の論理
構造テーブル３１１より「段落」３１８の下位要素を読
み込む。下位要素は「＃文字データ」３１９である。

【０１２９】下位要素が「＃文字データ」３１９である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「論理構造化文書生成方法（装
置）」５０５を読み込んで出力する。

【０１３０】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１９の同位要素を読み込む。同
位要素は存在しない。

【０１３１】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の上位要素を読み込む。上位要
素は「段落」３１８である。

【０１３２】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、２度目の出現であるので、
終了マーク「＜／段落＞」を出力する。次に、要素の論
理構造テーブル３１１より「段落」３１８の同位要素を
読み込む。同位要素は「節」３２０である。

【０１３３】「節」３２０は出現回数が０個以上であ
り、必須の条件を満たさない。次に、要素の論理構造テ
ーブル３１１より「節」３２０以外の「節」３２０の同
位要素を読み込む。同位要素は存在しない。

【０１３４】次に、要素の論理構造テーブル３１１より
「節」３２０の上位要素を読み込む。上位要素は「章」
３１５である。

【０１３５】「章」３１５は出現回数が１個以上であ
り、必須の条件を満たし、また、２度目の出現であるの
で、終了マーク「＜／章＞」を出力する。次に、要素の
論理構造テーブル３１１より「章」３１５の同位要素を
読み込む。「章」３１５は出現回数が１個以上であるの
で、同位要素は「章」３１５である。

【０１３６】「章」３１５は出現回数が１個以上であ
り、必須の条件を満たし、また、３度目の出現であるの
で、開始マーク「＜章＞」を出力する。次に、要素の論
理構造テーブル３１１より「章」３１５の下位要素を読
み込む。下位要素は「章タイトル」３１６である。

【０１３７】「章タイトル」３１６は出現回数が１個で
あり、必須の条件を満たし、また、３度目の出現である
ので、開始マーク「＜章タイトル＞」を出力する。次
に、要素の論理構造テーブル３１１より「章タイトル」
３１６の下位要素を読み込む。下位要素は「＃文字デー
タ」３１７である。

【０１３８】下位要素が「＃文字データ」３１７である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「２章 特許請求の範囲」５０
６を読み込んで出力する。

【０１３９】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の下位要素を読み込む。下位要
素は存在しない。

【０１４０】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の同位要素を読み込む。同位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１７の上位要素を読み込む。上
位要素は「章タイトル」３１６である。

【０１４１】「章タイトル」３１６は出現回数が１個で
あり、必須の条件を満たし、また、４度目の出現である
ので、終了マーク「＜／章タイトル＞」を出力する。次
に、要素の論理構造テーブル３１１より「章タイトル」
３１６の同位要素を読み込む。同位要素は「段落」３１
８である。

【０１４２】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、３度目の出現であるので、
開始マーク「＜段落＞」を出力する。次に、要素の論理
構造テーブル３１１より「段落」３１８の下位要素を読
み込む。下位要素は「＃文字データ」３１９である。

【０１４３】下位要素が「＃文字データ」３１９である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「１．文書型データを基にした
・・・」５０７を読み込んで出力する。

【０１４４】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の下位要素を読み込む。下位要
素は存在しない。

【０１４５】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の同位要素を読み込む。同位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１９の上位要素を読み込む。上
位要素は「段落」３１８である。

【０１４６】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、４度目の出現であるので、
終了マーク「＜／段落＞」を出力する。次に、要素の論
理構造テーブル３１１より「段落」３１８の同位要素を
読み込む。同位要素は「節」３２０である。

【０１４７】「節」３２０は出現回数が０個以上であ
り、必須の条件を満たさない。次に、要素の論理構造テ
ーブル３１１より「節」３２０以外の「節」３２０の同
位要素を読み込む。同位要素は存在しない。

【０１４８】次に、要素の論理構造テーブル３１１より
「節」３２０の上位要素を読み込む。上位要素は「章」
３１５である。

【０１４９】「章」３１５は出現回数が１個以上であ
り、必須の条件を満たし、また、４度目の出現であるの
で、終了マーク「＜／章＞」を出力する。次に、要素の
論理構造テーブル３１１より「章」３１５の同位要素を
読み込む。

【０１５０】「章」３１５は出現回数が１個以上である
ので、同位要素は「章」３１５である。「章」３１５は
出現回数が１個以上であり、必須の条件を満たし、ま
た、５度目の出現であるので、開始マーク「＜章＞」を
出力する。

【０１５１】次に、要素の論理構造テーブル３１１より
「章」３１５の下位要素を読み込む。下位要素は「章タ
イトル」３１６である。

【０１５２】「章タイトル」３１６は出現回数が１個で
あり、必須の条件を満たし、また、５度目の出現である
ので、開始マーク「＜章タイトル＞」を出力する。次
に、要素の論理構造テーブル３１１より「章タイトル」
３１６の下位要素を読み込む。下位要素は「＃文字デー
タ」３１７である。

【０１５３】下位要素が「＃文字データ」３１７である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「２．既存文書データに対して
・・・」５０８を読み込んで出力する。

【０１５４】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１７の同位要素を読み込む。同
位要素は存在しない。

【０１５５】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１７の上位要素を読み込む。上位要
素は「章タイトル」３１６である。

【０１５６】「章タイトル」３１６は出現回数が１個で
あり、必須の条件を満たし、また、６度目の出現である
ので、終了マーク「＜／章タイトル＞」を出力する。次
に、要素の論理構造テーブル３１１より「章タイトル」
３１６の同位要素を読み込む。同位要素は「段落」３１
８である。

【０１５７】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、５度目の出現であるので、
開始マーク「＜段落＞」を出力する。次に、要素の論理
構造テーブル３１１より「段落」３１８の下位要素を読
み込む。下位要素は「＃文字データ」３１９である。

【０１５８】下位要素が「＃文字データ」３１９である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「３．マーク付けを行なう。」
５０９を読み込んで出力する。

【０１５９】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１９の同位要素を読み込む。同
位要素は存在しない。

【０１６０】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の上位要素を読み込む。上位要
素は「段落」３１８である。

【０１６１】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、６度目の出現であるので、
終了マーク「＜／段落＞」を出力する。次に、要素の論
理構造テーブル３１１より「段落」３１８の同位要素を
読み込む。同位要素は「節」３２０である。

【０１６２】「節」３２０は出現回数が０個以上であ
り、必須の条件を満たさない。次に、要素の論理構造テ
ーブル３１１より「節」３２０以外の「節」３２０の同
位要素を読み込む。同位要素は存在しない。

【０１６３】次に、要素の論理構造テーブル３１１より
「節」３２０の上位要素を読み込む。上位要素は「章」
３１５である。

【０１６４】「章」３１５は出現回数が１個以上であ
り、必須の条件を満たし、また、６度目の出現であるの
で、終了マーク「＜／章＞」を出力する。次に、要素の
論理構造テーブル３１１より「章」３１５の同位要素を
読み込む。同位要素は「段落」３１８である。

【０１６５】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、５度目の出現であるので、
開始マーク「＜段落＞」を出力する。次に、要素の論理
構造テーブル３１１より「段落」３１８の下位要素を読
み込む。下位要素は「＃文字データ」３１９である。

【０１６６】下位要素が「＃文字データ」３１９である
ので、文字の論理単位テーブル５０２より要素に対応し
ていない論理単位の文字「３．マーク付けを行なう。」
５０９を読み込んで出力する。

【０１６７】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の下位要素を読み込む。下位要
素は存在しない。次に、要素の論理構造テーブル３１１
より「＃文字データ」３１９の同位要素を読み込む。同
位要素は存在しない。

【０１６８】次に、要素の論理構造テーブル３１１より
「＃文字データ」３１９の上位要素を読み込む。上位要
素は「段落」３１８である。

【０１６９】「段落」３１８は出現回数が１個であり、
必須の条件を満たし、また、６度目の出現であるので、
終了マーク「＜／段落＞」を出力する。次に、要素の論
理構造テーブル３１１より「段落」３１８の同位要素を
読み込む。同位要素は「節」３２０である。

【０１７０】「節」３２０は出現回数が０個以上であ
り、必須の条件を満たさない。次に、要素の論理構造テ
ーブル３１１より「節」３２０以外の「節」３２０の同
位要素を読み込む。同位要素は存在しない。

【０１７１】次に、要素の論理構造テーブル３１１より
「節」３２０の上位要素を読み込む。上位要素は「章」
３１５である。

【０１７２】「章」３１５は出現回数が１個以上であ
り、必須の条件を満たし、また、６度目の出現であるの
で、終了マーク「＜／章＞」を出力する。次に要素の論
理構造テーブル３１１より「章」３１５の同位要素を読
み込む。「章」３１５は出現回数が１個以上であるの
で、同位要素は「章」３１５である。

【０１７３】しかし、文字の論理単位テーブル５０２の
論理単位の文字が要素とすべて対応したので、「章」３
１５は条件を満足しない。次に、要素の論理構造テーブ
ル３１１より「章」３１５以外の「章」３１５の同位要
素を読み込む。同位要素は存在しない。

【０１７４】次に、要素の論理構造テーブル３１１より
「章」３１５の上位要素を読み込む。上位要素は「標
準」３１２である。

【０１７５】「標準」３１２は最上位要素であるので、
終了マーク「＜／標準＞」を出力し、処理を終了する。

【０１７６】以上のように、本実施例においては、文書
データの章、節、項などのツリー状の階層構造を求める
論理構造化文書の生成方法において、文書の構成要素を
示す文書型データ及び任意の形式の文書データを解析
し、その解析結果から論理構造化文書を生成するために
必要なテーブル３１１，５０２を各々生成する。

【０１７７】この文書型データの解析及びテーブル３１
１の生成は、文書型データ解析部１０３によって行われ
る。文書型データ解析部１０３は、先ず、文書型を表す
ためのキー、要素を表すためのキー、文字データを表す
ためのキーを指定する。

【０１７８】次に、文字型キーを抽出できたかを判別
し、抽出できていればその名称を抽出する。そして、そ
れを最上位要素としてテーブル３１１に登録する。更
に、要素キーを抽出できたかを判別し、抽出できていれ
ばその名称を抽出する。そして、それを要素としてテー
ブル３１１に登録し、要素の名称に対する内容モデルを
抽出する。

【０１７９】最後に、その内容から下位要素、接続関係
及び出現回数を同じくテーブル３１１に登録する。以上
の処理を文書型データがなくなるまで繰り返し、文書型
データの解析及びテーブル３１１の生成を行う。

【０１８０】これに対して、文書データの解析及びテー
ブル５０２の生成は、文書データ解析部１０５によって
行われる。文書データ解析部は、先ず、区切りを表すた
めの文字を指定する。次に、区切り文字を抽出できたか
を判別し、抽出できていればその区切り文字までの文書
データを抽出する。そして、それを文書型データのテー
ブル３１１とは異なるテーブル５０２に登録する。以上
の処理を文書データがなくなるまで繰り返し、文書デー
タの解析及びテーブル５０２の生成を行う。

【０１８１】このように、文書型データ及び文書データ
のテーブルを作成した後、それらテーブルの内容に基づ
いて文書データに対してマーク付けする。このマーク付
けは、論理構造化文書データ生成部１０６によって行わ
れる。

【０１８２】論理構造化文書データ生成部１０６は、先
ず、マーク付け方法及び開始・終了マークの形態を指定
する。次に、最上位要素の開始マークを出力する。そし
て、次の論理構造要素が最上位になるまでの間、指定さ
れたマーク付け方法の条件を現在の論理構造要素が満た
しているかを判別し、満たしていれば、現在の論理構造
化要素が何度構造上に出現したのかを判別し、偶数回目
なら現在の論理構造要素の終了マークを出力する。

【０１８３】これに対し、奇数回目なら現在の論理構造
要素の開始マークを出力する。更に要素と対応していな
い論理単位の文字が残っているかを判別し、残っていれ
ば、現在の論理構造化要素の下位要素に＃文字データが
あるかを判別する。＃文字データがあれば論理単位に区
切られた文字を出力する。

【０１８４】最後に、最上位要素の終了マークを出力す
る。尚、このマークは、文書データ中に見出し記号が存
在するか否かに関わらず付加される。

【０１８５】従って、文書データ中の見出し記号に有無
に関わらず、文書データを階層構造に再編成した論理構
造化文書を容易に生成することができ、さらに見出し記
号の記載の仕方にばらつきに関わらず、文書データを階
層構造に再編成した論理構造化文書を同一処理によって
容易に生成することができる。

【０１８６】以上、本実施例では、順次マーク付け方
法、必須マーク付け方法について説明したが、キー対応
順次マーク付け方法、キー対応必須マーク付け方法によ
っても論理構造化文書が容易に生成できることは言うま
でもない。

【０１８７】キー対応順次マーク付け方法とは、要素に
対応する見出し記号の指定を最初に行い、それをキーと
して要素と文字の対応を取る。その後、対応の取れてい
ない残りの要素と文字に対しては順次マーク付け方法に
従い対応を取る。以上の方法で論理構造化文書を生成す
ることを言う。

【０１８８】また、キー対応必須マーク付け方法とは、
要素に対応する見出し記号の指定を最初に行い、それを
キーとして要素と文字の対応を取る。その後、対応の取
れていない残りの要素と文字に対しては必須マーク付け
方法に従い対応を取る。以上の方法で論理構造化文書を
生成することを言う。

【０１８９】キー対応のマーク付け方法は、要素に対応
する見出し記号が一意な文書の論理構造化に対して、正
当性が向上する。

【０１９０】

【発明の効果】以上説明したように、本発明の論理構造
化文書の生成方法によれば、目的とする文書を構成する
章などの各要素を示す要素キーと、各要素に対して文字
を対応付けることを示す文字キーとを、目的とする論理
構造に対応付けて定義した文書型データファイルの定義
内容を解析し、目的とする文書の論理構造を示す論理構
造テーブルを作成したうえ、任意の形式の文書データを
解析し、文書データを構成する文字を所定の区切り記号
によって論理単位に分割した文字の論理単位テーブルを
作成し、これら論理構造テーブルおよび文字の論理単位
テーブルの内容に基づき、前記文字キーに対応する論理
単位の文字に対して前記要素キーで示される見出しマー
クを付加した論理構造化文書を生成するようにしたた
め、文書データ中の見出し記号に有無に関わらず、文書
データを階層構造に再編成した論理構造化文書を容易に
生成することができ、さらに見出し記号の記載の仕方に
ばらつきに関わらず、文書データを階層構造に再編成し
た論理構造化文書を同一処理によって容易に生成するこ
とができる。

【０１９１】従って、論理構造が統一された文書データ
ベースを構築する際に極めて有効なものとなる。

【図面の簡単な説明】

【図１】本発明の一実施例を示すシステムブロック図で
ある。

【図２】文書型データ解析部の要素の論理構造テーブル
を生成する動作を示すフローチャートである。

【図３】文書型データ解析部における処理前の文書型デ
ータと処理後の要素の論理構造の具体例を示す説明図で
ある。

【図４】文書データ解析部の文字の論理単位テーブルを
生成する動作を示すフローチャートである。

【図５】文書データ解析部における処理前の文書データ
と処理後の文字の論理単位の具体例を示す説明図であ
る。

【図６】論理構造化文書データ生成部の論理構造化文書
を生成する動作を示すフローチャートである。

【図７】順次マーク付け方法による論理構造化文書デー
タの具体例を示す説明図である。

【図８】順次マーク付け方法における要素の出現順番を
示す説明図である。

【図９】必須マーク付け方法による論理構造化文書デー
タの具体例を示す説明図である。

【図１０】必須マーク付け方法における要素の出現順番
を示す説明図である。

【符号の説明】

１００…文書型データファイル、１０１…文書データフ
ァイル、１０３…文書型データ解析部、１０５…文書デ
ータ解析部、１０６…論理構造化文書データ生成部、１
０７…論理構造化文書データファイル、３００…文書型
データ、３１１…要素の論理構造テーブル、５００…文
書データ、５０２…文字の論理単位テーブル。

Claims (2)

【特許請求の範囲】
1. 【請求項１】 任意の形式の文書データから章、節、項
   などのツリー状の階層構造に再編成した論理構造化文書
   を生成する論理構造化文書の生成方法において、 目的とする文書を構成する章などの各要素を示す要素キ
   ーと、各要素に対して文字を対応付けることを示す文字
   キーとを、目的とする論理構造に対応付けて文書型デー
   タファイルに予め定義しておき、この文書型データファ
   イルの定義内容を解析し、目的とする文書の論理構造を
   示す論理構造テーブルを作成したうえ、前記任意の形式
   の文書データを解析し、文書データを構成する文字を所
   定の区切り記号によって論理単位に分割した文字の論理
   単位テーブルを作成し、これら論理構造テーブルおよび
   文字の論理単位テーブルの内容に基づき、前記文字キー
   に対応する論理単位の文字に対して前記要素キーで示さ
   れる見出しマークを付加した論理構造化文書を生成する
   ことを特徴とする論理構造化文書の生成方法。
2. 【請求項２】 前記見出しマークは、複数のマーク付け
   方法のうち選択指定された方法に従って付加することを
   特徴とする請求項１記載の論理構造化文書の生成方法。