特許ウォッチ

公開番号2025132027
公報種別公開特許公報(A)
公開日2025-09-10
出願番号2024029329
出願日2024-02-29
発明の名称類似文書検索装置及びプログラム
出願人大日本印刷株式会社
代理人個人,個人
主分類G06F 16/907 20190101AFI20250903BHJP(計算;計数)
要約【課題】文脈に即した文書の検索を可能とした類似文書検索装置及びプログラムを提供する。
【解決手段】類似文書検索サーバ1は、保存文書に有する、複数の項目名と複数の項目名の各々に対応する項目値との組み合わせである複数の項目組を、保存文書に対応付けて記憶した項目組記憶部23と、対象の文書画像から複数の項目組を抽出する項目組抽出部14と、項目組抽出部14が抽出した複数の項目組と、項目組記憶部23に記憶された複数の保存文書の各々に対応した複数の項目組とを用いて文書類似度を算出する類似度算出部15と、を備える。
【選択図】図1
特許請求の範囲【請求項１】
保存文書に有する、複数の項目名と前記複数の項目名の各々に対応する項目値との組み合わせである複数の項目組を、前記保存文書に対応付けて記憶した項目組記憶部と、
対象文書画像から前記複数の項目組を抽出する項目組抽出手段と、
前記項目組抽出手段が抽出した前記複数の項目組と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組とを用いて文書類似度を算出する類似度算出手段と、
を備える、類似文書検索装置。
続きを表示（約 1,400 文字）【請求項２】
請求項１に記載の類似文書検索装置において、
前記類似度算出手段は、前記項目組抽出手段が抽出した前記複数の項目組のうちの前記項目名と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組のうちの前記項目名との一致度合いを示す前記文書類似度を算出する、類似文書検索装置。
【請求項３】
請求項１又は請求項２に記載の類似文書検索装置において、
前記類似度算出手段は、前記項目組抽出手段が抽出した前記複数の項目組と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組との組み合わせの一致度合いを示す前記文書類似度を算出する、類似文書検索装置。
【請求項４】
請求項１に記載の類似文書検索装置において、
前記類似度算出手段により算出した前記文書類似度が最も高い前記複数の項目組に対応した前記保存文書を出力する類似文書出力手段を備える、類似文書検索装置。
【請求項５】
請求項４に記載の類似文書検索装置において、
前記類似文書出力手段は、前記類似度算出手段により算出した前記文書類似度が閾値以上の前記複数の項目組に対応した前記保存文書を出力する、類似文書検索装置。
【請求項６】
請求項１に記載の類似文書検索装置において、
前記対象文書画像の入力を受け付ける文書受付手段と、
前記文書受付手段が受け付けた前記対象文書画像から文字列を取得する文字列取得手段と、
前記文字列取得手段が取得した文字列の位置及び内容から前記文字列の属性情報及び対応関係を推定する推定手段と、
を備え、
前記項目組抽出手段は、前記推定手段による推定結果に基づいて前記対象文書画像から前記複数の項目組を抽出する、類似文書検索装置。
【請求項７】
請求項６に記載の類似文書検索装置において、
前記推定手段は、前記文字列に含まれるキーワードの有無及び／又は前記文字列の位置に関する規則に基づいて、又は、項目名と項目値との組み合わせについての学習をした学習モデルに基づいて、前記文字列の前記属性情報及び対応関係を推定する、類似文書検索装置。
【請求項８】
請求項１に記載の類似文書検索装置において、
前記保存文書から前記複数の項目組を抽出する保存文書項目組抽出手段と、
前記保存文書項目組抽出手段が抽出した前記複数の項目組を、前記保存文書に対応付けて前記項目組記憶部に登録する項目組登録手段と、
を備える、類似文書検索装置。
【請求項９】
請求項１に記載の類似文書検索装置において、
前記項目組は、１つの前記項目名に対して複数の前記項目値の組み合わせを含む、類似文書検索装置。
【請求項１０】
保存文書に有する、複数の項目名と前記複数の項目名の各々に対応する項目値との組み合わせである複数の項目組を、前記保存文書に対応付けて記憶した項目組記憶部を備えるコンピュータを、
対象文書画像から前記複数の項目組を抽出する項目組抽出手段と、
前記項目組抽出手段が抽出した前記複数の項目組と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組とを用いて文書類似度を算出する類似度算出手段と、
して機能させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、類似文書検索装置及びプログラムに関する。
続きを表示（約 3,400 文字）【背景技術】
【０００２】
類似文書検索は、対象文書に類似した内容やテーマを持つ他の文書を検索する技術であり、情報検索や文書分類等の様々な分野で活用されている。インターネットの普及により、膨大な量の文書がオンライン上に存在しており、特定のテーマや内容に関連する文書を効率よく検索することが求められている。
このような状況下において、オンライン上の文書には、様々なデータ形式のものが存在するため、テキストとして読み取れるように文書をデータ化しておく必要がある。また、対象文書についても、例えば、紙による受け渡しや、ＰＤＦデータによる受け渡しがされたものである場合には、テキストとして読み取れるようにデータ化する必要がある。
文書画像をテキスト化する方法としては、例えば、ＯＣＲ（ＯｐｔｉｃａｌＣｈａｒａｃｔｅｒＲｅｃｏｇｎｉｔｉｏｎ／Ｒｅａｄｅｒ）を用いることができる。
そして、対象文書に類似する文書を検索する方法としては、文書を入力することにより、当該文書中の重要単語である対象語の重要度に基づいて、当該文書に類似する文書を検索する装置が開示されている（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
特許第６１９０９０４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載のものは、対象語が、例えば、異なる文脈で使用されている場合には、検索結果として出力される文書が、本来得たいものとは異なるものになる可能性があった。
【０００５】
そこで、本発明は、文脈に即した文書の検索を可能とした類似文書検索装置及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、以下のような解決手段により、前記課題を解決する。
第１の発明は、保存文書に有する、複数の項目名と前記複数の項目名の各々に対応する項目値との組み合わせである複数の項目組を、前記保存文書に対応付けて記憶した項目組記憶部と、対象文書画像から前記複数の項目組を抽出する項目組抽出手段と、前記項目組抽出手段が抽出した前記複数の項目組と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組とを用いて文書類似度を算出する類似度算出手段と、を備える、類似文書検索装置である。
第２の発明は、第１の発明の類似文書検索装置において、前記類似度算出手段は、前記項目組抽出手段が抽出した前記複数の項目組のうちの前記項目名と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組のうちの前記項目名との一致度合いを示す前記文書類似度を算出する、類似文書検索装置である。
第３の発明は、第１の発明又は第２の発明の類似文書検索装置において、前記類似度算出手段は、前記項目組抽出手段が抽出した前記複数の項目組と、前記項目組記憶部に記憶された複数の前記保存文書の各々に対応した前記複数の項目組との組み合わせの一致度合いを示す前記文書類似度を算出する、類似文書検索装置である。
第４の発明は、第１の発明から第３の発明までのいずれかの類似文書検索装置において、前記類似度算出手段により算出した前記文書類似度が最も高い前記複数の項目組に対応した前記保存文書を出力する類似文書出力手段を備える、類似文書検索装置である。
第５の発明は、第４の発明の類似文書検索装置において、前記類似文書出力手段は、前記類似度算出手段により算出した前記文書類似度が閾値以上の前記複数の項目組に対応した前記保存文書を出力する、類似文書検索装置である。
第６の発明は、第１の発明から第５の発明までのいずれかの類似文書検索装置において、前記対象文書画像の入力を受け付ける文書受付手段と、前記文書受付手段が受け付けた前記対象文書画像から文字列を取得する文字列取得手段と、前記文字列取得手段が取得した文字列の位置及び内容から前記文字列の属性情報及び対応関係を推定する推定手段と、を備え、前記項目組抽出手段は、前記推定手段による推定結果に基づいて前記対象文書画像から前記複数の項目組を抽出する、類似文書検索装置である。
第７の発明は、第６の発明の類似文書検索装置において、前記推定手段は、前記文字列に含まれるキーワードの有無及び／又は前記文字列の位置に関する規則に基づいて、又は、項目名と項目値との組み合わせについての学習をした学習モデルに基づいて、前記文字列の前記属性情報及び対応関係を推定する、類似文書検索装置である。
第８の発明は、第１の発明から第７の発明までのいずれかの類似文書検索装置において、前記保存文書から前記複数の項目組を抽出する保存文書項目組抽出手段と、前記保存文書項目組抽出手段が抽出した前記複数の項目組を、前記保存文書に対応付けて前記項目組記憶部に登録する項目組登録手段と、を備える、類似文書検索装置である。
第９の発明は、第１の発明から第８の発明までのいずれかの類似文書検索装置において、前記項目組は、１つの前記項目名に対して複数の前記項目値の組み合わせを含む、類似文書検索装置である。
第１０の発明は、第１の発明から第９の発明までのいずれかの類似文書検索装置としてコンピュータを機能させるためのプログラムである。
【発明の効果】
【０００７】
本発明によれば、文脈に即した文書の検索を可能とした類似文書検索装置及びプログラムを提供することができる。
【図面の簡単な説明】
【０００８】
本実施形態に係る類似文書検索システムの全体構成図及び類似文書検索サーバの機能ブロック図である。
本実施形態に係る類似文書検索サーバの項目組記憶部の例を示す図である。
本実施形態に係る類似文書検索サーバの事前処理を示すフローチャートである。
本実施形態に係る類似文書検索サーバの類似文書検索処理を示すフローチャートである。
本実施形態に係る類似文書検索サーバにおける項目組の抽出処理を説明するための図である。
本実施形態に係る類似文書検索サーバの類似度処理を示すフローチャートである。
本実施形態に係る類似文書検索サーバにおける類似度処理を説明するための図である。
本実施形態に係る類似文書検索サーバにおける類似度処理を説明するための図である。
本実施形態の変形例に係る類似文書検索サーバの類似度処理を示すフローチャートである。
【発明を実施するための形態】
【０００９】
以下、本発明を実施するための形態について、図を参照しながら説明する。なお、これは、あくまでも一例であって、本発明の技術的範囲は、これに限られるものではない。
（実施形態）
＜類似文書検索システム１００の全体構成＞
図１は、本実施形態に係る類似文書検索システム１００の全体構成図及び類似文書検索サーバ１の機能ブロック図である。
図２は、本実施形態に係る類似文書検索サーバ１の項目組記憶部２３の例を示す図である。
【００１０】
図１に示すように、類似文書検索システム１００は、類似文書検索サーバ１（類似文書検索装置）と、文書サーバ４と、ユーザ端末５と、ＯＣＲ装置６とを備える。類似文書検索サーバ１と、文書サーバ４と、ユーザ端末５と、ＯＣＲ装置６とは、通信ネットワークＮを介して接続されている。
類似文書検索システム１００は、ユーザ端末５から入力がされた文書画像データ（対象文書画像）を、類似文書検索サーバ１が受け付けて、文書画像データをテキスト化し、テキストから項目名と項目値とからなる項目組を抽出する。そして、類似文書検索システム１００では、類似文書検索サーバ１が、抽出した文書画像データの項目組と、文書サーバ４に保存されている保存文書データ（保存文書）の項目組との一致度合いを示す文書類似度を算出し、文書類似度により文書画像データに類似する保存文書データを特定する。
（【００１１】以降は省略されています）

関連特許