知財求人 - 知財ポータルサイト「IP Force」
特開2024-122769文書解析システム、文書解析方法、または、文書解析プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024122769
(43)【公開日】2024-09-09
(54)【発明の名称】文書解析システム、文書解析方法、または、文書解析プログラム
(51)【国際特許分類】
G06F 16/383 20190101AFI20240902BHJP
【ＦＩ】
G06F16/383
【審査請求】未請求
【請求項の数】15
【出願形態】ＯＬ
(21)【出願番号】P 2023030496
(22)【出願日】2023-02-28
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110000279
【氏名又は名称】弁理士法人ウィルフォート国際特許事務所
(72)【発明者】
【氏名】小澤 遼
(72)【発明者】
【氏名】助田 浩子
(72)【発明者】
【氏名】淺原 彰規
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175DA01
5B175FA01
5B175FB03
5B175FB04
(57)【要約】
【課題】 文書内での書類間の順序に（一定の流儀には従いながらも）許容される幅がある文書について、当該文書がどのような種類の書類で構成されているかを解析する際に、判定結果が示す書類間の種類の順序を、許容される範囲内にすることを、本開示の目的とする。
【解決手段】 文書解析システム１００は種類判定部１０４と前後判定情報更新部１０５を備える。種類判定部１０４は、ある書類部分１０３の特徴量を示す情報を入力して、当該ある書類部分１０３が属する書類１０２の種類を判定する。書類部分１０３の特徴量を示す情報には、当該書類部分１０３からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報１０９が含まれる。前後判定情報更新部１０５は、種類判定部１０４による判定情報に基づいて、前後判定情報１０９を更新する。
【選択図】 図１
【解決手段】 文書解析システム１００は種類判定部１０４と前後判定情報更新部１０５を備える。種類判定部１０４は、ある書類部分１０３の特徴量を示す情報を入力して、当該ある書類部分１０３が属する書類１０２の種類を判定する。書類部分１０３の特徴量を示す情報には、当該書類部分１０３からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報１０９が含まれる。前後判定情報更新部１０５は、種類判定部１０４による判定情報に基づいて、前後判定情報１０９を更新する。
【選択図】 図１
【特許請求の範囲】
【請求項1】
文書を示す文書データを解析するための文書解析システムであって、
前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含み、
前記文書解析システムは種類判定部と前後判定情報更新部を備え、
前記種類判定部は、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定するものであり、
前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれるものであり、
前記前後判定情報更新部は、前記種類判定部による前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新するものである、文書解析システム。
前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含み、
前記文書解析システムは種類判定部と前後判定情報更新部を備え、
前記種類判定部は、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定するものであり、
前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれるものであり、
前記前後判定情報更新部は、前記種類判定部による前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新するものである、文書解析システム。
【請求項2】
請求項１に記載された文書解析システムであって、
前記文書解析システムは、さらに、特徴量記憶部を備え、
前記特徴量記憶部は、前記書類部分毎に、当該書類部分の前記特徴量を示す情報を記憶するものであり、
前記種類判定部は、ある書類部分が属する書類の種類を初めて判定する場合には、当該ある書類部分に対する前記前後判定情報として意味のある情報を含まない、当該ある書類部分の前記特徴量を示す情報を、前記特徴量記憶部から入力し、当該ある書類部分が属する書類の種類を判定するものであり、
前記前後判定情報更新部は、前記種類判定部による書類部分のそれぞれが属する書類の種類の判定情報に基づいて、前記書類部分のそれぞれについて、前記前後判定情報を更新し、更新後の前記前後判定情報を前記特徴量記憶部に格納するものであり、
前記種類判定部は、ある書類部分が属する書類の種類を判定することが初めてでない場合には、当該ある書類部分に対する前記前後判定情報として意味のある情報を含む、当該ある書類部分の特徴量を示す情報を、前記特徴量記憶部から入力し、当該ある書類部分が属する書類の種類を判定するものである、文書解析システム。
前記文書解析システムは、さらに、特徴量記憶部を備え、
前記特徴量記憶部は、前記書類部分毎に、当該書類部分の前記特徴量を示す情報を記憶するものであり、
前記種類判定部は、ある書類部分が属する書類の種類を初めて判定する場合には、当該ある書類部分に対する前記前後判定情報として意味のある情報を含まない、当該ある書類部分の前記特徴量を示す情報を、前記特徴量記憶部から入力し、当該ある書類部分が属する書類の種類を判定するものであり、
前記前後判定情報更新部は、前記種類判定部による書類部分のそれぞれが属する書類の種類の判定情報に基づいて、前記書類部分のそれぞれについて、前記前後判定情報を更新し、更新後の前記前後判定情報を前記特徴量記憶部に格納するものであり、
前記種類判定部は、ある書類部分が属する書類の種類を判定することが初めてでない場合には、当該ある書類部分に対する前記前後判定情報として意味のある情報を含む、当該ある書類部分の特徴量を示す情報を、前記特徴量記憶部から入力し、当該ある書類部分が属する書類の種類を判定するものである、文書解析システム。
【請求項3】
請求項１に記載の文書解析システムであって、
前記文書解析システムは、さらに、特徴量記憶部と、モデルパラメータ記憶部と、学習データ記憶部と、学習部と、判定情報記憶部と、不整合検出部と、類似事例抽出部と、特化型学習データ記憶部を備え、
前記特徴量記憶部は、前記書類部分毎に、当該書類部分の前記特徴量を示す情報を記憶するものであり、
前記種類判定部による処理の少なくとも一部は、前記モデルパラメータ記憶部に記憶された１つまたは複数のモデルパラメータにより規定されるものであり、
前記学習データ記憶部は、前記モデルパラメータを定めるための前記学習部による前記種類判定部に関する学習処理に用いられる学習データの複数のレコードを記憶するものであり、
前記学習データのレコードのそれぞれは、当該レコードに対応付けられる前記書類部分について、前記説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の情報である前後教師情報を含む、当該書類部分の特徴量を示す情報を記憶するものであり、
前記判定情報記憶部は、前記種類判定部による前記書類部分の属する書類の種類の判定情報を記憶するものであり、
前記不整合検出部は、前記判定情報記憶部が記憶する前記書類部分の属する書類の種類の判定情報に関して、不整合があるか否かを検出するものであり、
前記類似事例抽出部は、前記不整合検出部が、ある書類部分に関連して前記不整合を検出した場合に、前記特徴量記憶部に記憶されている当該ある書類部分の前記特徴量を示す情報に類似した特徴量を示す情報を有するレコードを、前記学習データ記憶部から抽出して、抽出した１つまたは複数のレコードを前記特化型学習データ記憶部に記憶するものであり、
前記学習部は、前記特化型学習データ記憶部に記憶される前記１つまたは複数のレコードを用いて、前記種類判定部に関する学習処理を実行して、前記モデルパラメータ記憶部に記憶された１つまたは複数の前記モデルパラメータを更新するものである、文書解析システム。
前記文書解析システムは、さらに、特徴量記憶部と、モデルパラメータ記憶部と、学習データ記憶部と、学習部と、判定情報記憶部と、不整合検出部と、類似事例抽出部と、特化型学習データ記憶部を備え、
前記特徴量記憶部は、前記書類部分毎に、当該書類部分の前記特徴量を示す情報を記憶するものであり、
前記種類判定部による処理の少なくとも一部は、前記モデルパラメータ記憶部に記憶された１つまたは複数のモデルパラメータにより規定されるものであり、
前記学習データ記憶部は、前記モデルパラメータを定めるための前記学習部による前記種類判定部に関する学習処理に用いられる学習データの複数のレコードを記憶するものであり、
前記学習データのレコードのそれぞれは、当該レコードに対応付けられる前記書類部分について、前記説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の情報である前後教師情報を含む、当該書類部分の特徴量を示す情報を記憶するものであり、
前記判定情報記憶部は、前記種類判定部による前記書類部分の属する書類の種類の判定情報を記憶するものであり、
前記不整合検出部は、前記判定情報記憶部が記憶する前記書類部分の属する書類の種類の判定情報に関して、不整合があるか否かを検出するものであり、
前記類似事例抽出部は、前記不整合検出部が、ある書類部分に関連して前記不整合を検出した場合に、前記特徴量記憶部に記憶されている当該ある書類部分の前記特徴量を示す情報に類似した特徴量を示す情報を有するレコードを、前記学習データ記憶部から抽出して、抽出した１つまたは複数のレコードを前記特化型学習データ記憶部に記憶するものであり、
前記学習部は、前記特化型学習データ記憶部に記憶される前記１つまたは複数のレコードを用いて、前記種類判定部に関する学習処理を実行して、前記モデルパラメータ記憶部に記憶された１つまたは複数の前記モデルパラメータを更新するものである、文書解析システム。
【請求項4】
請求項１、２または３のいずれかに記載の文書解析システムであって、
前記文書は、契約に関わる文書、受注に関わる文書、または、与信審査に関わる文書であり、
前記書類部分は１つのページである、文書解析システム。
前記文書は、契約に関わる文書、受注に関わる文書、または、与信審査に関わる文書であり、
前記書類部分は１つのページである、文書解析システム。
【請求項5】
請求項１、２または３のいずれかに記載の文書解析システムであって、
前記文書における、ある書類部分からみて前の位置とは、当該ある書類部分からみて前の書類部分の位置、及び／または、当該ある書類部分が属すると判定される書類からみて前にあると判定される書類の位置であり、
前記文書における、ある書類部分からみて後の位置とは、当該ある書類部分からみて後の書類部分の位置、及び／または、当該ある書類部分が属すると判定される書類からみて後にあると判定される書類の位置である、文書解析システム。
前記文書における、ある書類部分からみて前の位置とは、当該ある書類部分からみて前の書類部分の位置、及び／または、当該ある書類部分が属すると判定される書類からみて前にあると判定される書類の位置であり、
前記文書における、ある書類部分からみて後の位置とは、当該ある書類部分からみて後の書類部分の位置、及び／または、当該ある書類部分が属すると判定される書類からみて後にあると判定される書類の位置である、文書解析システム。
【請求項6】
請求項１、２または３のいずれかに記載の文書解析システムであって、
前記文書解析システムは、前記種類判定部による前記書類部分の属する書類の種類の判定情報を記憶する判定情報記憶部として、前記文書に含まれる書類部分が属する書類の種類を前記種類判定部が初めて判定する際に、前記種類判定部による判定情報を記憶する１次判定情報記憶部と、当該文書に含まれる書類部分が属する書類の種類を前記種類判定部が２回目に判定する際に、前記種類判定部による判定情報を記憶する２次判定情報記憶部を備えるものであり、
前記文書解析システムは、さらに、比較表示出力制御部を備え、
前記比較表示出力制御部は、前記１次判定情報記憶部が記憶する１次判定情報と、前記２次判定情報記憶部が記憶する２次判定情報を、並べて表示するか、並べた態様で出力するためのものである、文書解析システム。
前記文書解析システムは、前記種類判定部による前記書類部分の属する書類の種類の判定情報を記憶する判定情報記憶部として、前記文書に含まれる書類部分が属する書類の種類を前記種類判定部が初めて判定する際に、前記種類判定部による判定情報を記憶する１次判定情報記憶部と、当該文書に含まれる書類部分が属する書類の種類を前記種類判定部が２回目に判定する際に、前記種類判定部による判定情報を記憶する２次判定情報記憶部を備えるものであり、
前記文書解析システムは、さらに、比較表示出力制御部を備え、
前記比較表示出力制御部は、前記１次判定情報記憶部が記憶する１次判定情報と、前記２次判定情報記憶部が記憶する２次判定情報を、並べて表示するか、並べた態様で出力するためのものである、文書解析システム。
【請求項7】
請求項３に記載の文書解析システムであって、
前記特徴量記憶部は、さらに、前記書類部分毎に、当該書類部分が前記書類の先頭であると判断されるか否かを示す情報である区切先頭情報を記憶するものであり、
前記不整合検出部は、前記種類判定部による判定対象となった前記文書について、前記判定情報記憶部が記憶する当該文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報により導かれる、当該文書に含まれるいずれの前記書類部分が前記書類の先頭となると判定されるかという情報と、前記特徴量記憶部が記憶する当該文書に含まれる前記書類部分のそれぞれに対応する前記区切先頭情報の間の不整合を、当該文書に含まれる前記書類部分のそれぞれについて検出するものである、文書解析システム。
前記特徴量記憶部は、さらに、前記書類部分毎に、当該書類部分が前記書類の先頭であると判断されるか否かを示す情報である区切先頭情報を記憶するものであり、
前記不整合検出部は、前記種類判定部による判定対象となった前記文書について、前記判定情報記憶部が記憶する当該文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報により導かれる、当該文書に含まれるいずれの前記書類部分が前記書類の先頭となると判定されるかという情報と、前記特徴量記憶部が記憶する当該文書に含まれる前記書類部分のそれぞれに対応する前記区切先頭情報の間の不整合を、当該文書に含まれる前記書類部分のそれぞれについて検出するものである、文書解析システム。
【請求項8】
請求項３に記載の文書解析システムであって、
前記文書解析システムは、さらに、書類区切検出部を備え、
前記書類区切検出部は、前記文書データに対応する前記文書における前記書類の先頭になる前記書類部分を判定して、判定結果に基づいて、前記書類部分毎に、当該書類部分が前記書類の先頭であると判断されるか否かを示す区切先頭情報を生成して、前記特徴量記憶部に前記区切先頭情報を格納するものであり、
前記特徴量記憶部は、前記書類部分毎に記憶する当該書類部分の前記特徴量を示す情報として、前記説明情報と、前記前後判定情報と、前記区切先頭情報を記憶するものであり、
前記学習データのレコードのそれぞれは、当該レコードに対応付けられる前記書類部分について、前記説明情報と、前記前後教師情報と、当該書類部分が前記書類の先頭であると判断されるか否かを示す区切教師情報を記憶するものであり、
前記類似事例抽出部は、前記不整合検出部が、ある書類部分に関連して前記不整合を検出した場合に、前記特徴量記憶部に記憶されている当該ある書類部分の前記特徴量を示す情報に類似した特徴量を示す情報を有するレコードとして、当該レコードに記憶される前記説明情報と前記前後教師情報と前記区切教師情報のうちの一部または全部の情報が、前記特徴量記憶部に記憶されている当該ある書類部分の前記特徴量を示す情報に含まれる、前記説明情報と前記前後判定情報と前記区切先頭情報のそれぞれの情報に、一致するか、類似度が閾値以上となるか、類似度が閾値より大きくなるという条件を満たすレコードを抽出して、抽出した１つまたは複数のレコードを前記特化型学習データ記憶部に記憶するものである、文書解析システム。
前記文書解析システムは、さらに、書類区切検出部を備え、
前記書類区切検出部は、前記文書データに対応する前記文書における前記書類の先頭になる前記書類部分を判定して、判定結果に基づいて、前記書類部分毎に、当該書類部分が前記書類の先頭であると判断されるか否かを示す区切先頭情報を生成して、前記特徴量記憶部に前記区切先頭情報を格納するものであり、
前記特徴量記憶部は、前記書類部分毎に記憶する当該書類部分の前記特徴量を示す情報として、前記説明情報と、前記前後判定情報と、前記区切先頭情報を記憶するものであり、
前記学習データのレコードのそれぞれは、当該レコードに対応付けられる前記書類部分について、前記説明情報と、前記前後教師情報と、当該書類部分が前記書類の先頭であると判断されるか否かを示す区切教師情報を記憶するものであり、
前記類似事例抽出部は、前記不整合検出部が、ある書類部分に関連して前記不整合を検出した場合に、前記特徴量記憶部に記憶されている当該ある書類部分の前記特徴量を示す情報に類似した特徴量を示す情報を有するレコードとして、当該レコードに記憶される前記説明情報と前記前後教師情報と前記区切教師情報のうちの一部または全部の情報が、前記特徴量記憶部に記憶されている当該ある書類部分の前記特徴量を示す情報に含まれる、前記説明情報と前記前後判定情報と前記区切先頭情報のそれぞれの情報に、一致するか、類似度が閾値以上となるか、類似度が閾値より大きくなるという条件を満たすレコードを抽出して、抽出した１つまたは複数のレコードを前記特化型学習データ記憶部に記憶するものである、文書解析システム。
【請求項9】
請求項７または８に記載の文書解析システムであって、
前記文書解析システムは、さらに、不整合表示出力制御部を備え、
前記不整合表示出力制御部は、前記不整合検出部が前記文書において不整合を検出した場合に、前記判定情報記憶部が記憶する当該文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報と、前記特徴量記憶部が記憶する当該文書に含まれる前記書類部分のそれぞれに対応する前記区切先頭情報を、ともに表示するか、ともに出力するためのものである、文書解析システム。
前記文書解析システムは、さらに、不整合表示出力制御部を備え、
前記不整合表示出力制御部は、前記不整合検出部が前記文書において不整合を検出した場合に、前記判定情報記憶部が記憶する当該文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報と、前記特徴量記憶部が記憶する当該文書に含まれる前記書類部分のそれぞれに対応する前記区切先頭情報を、ともに表示するか、ともに出力するためのものである、文書解析システム。
【請求項10】
請求項３に記載の文書解析システムであって、
前記学習データのレコードのそれぞれは、さらに、当該レコードに対応付けられる前記書類部分が属する書類の種類の正解情報を含むものであり、
前記学習データのレコードのそれぞれが含む前記前後教師情報は、前記文書に含まれる書類部分のそれぞれの前記正解情報から一意に導かれるものである、文書解析システム。
前記学習データのレコードのそれぞれは、さらに、当該レコードに対応付けられる前記書類部分が属する書類の種類の正解情報を含むものであり、
前記学習データのレコードのそれぞれが含む前記前後教師情報は、前記文書に含まれる書類部分のそれぞれの前記正解情報から一意に導かれるものである、文書解析システム。
【請求項11】
請求項３に記載の文書解析システムであって、
前記文書解析システムは、さらに、学習データ更新部を備え、
前記学習データ更新部は、前記学習データ記憶部に記憶されている学習データのレコードの一部または全てを入れ換えるか更新するものである、文書解析システム。
前記文書解析システムは、さらに、学習データ更新部を備え、
前記学習データ更新部は、前記学習データ記憶部に記憶されている学習データのレコードの一部または全てを入れ換えるか更新するものである、文書解析システム。
【請求項12】
請求項３に記載の文書解析システムであって、
前記種類判定部は、複数基準判定部と判定統合部を備えるものであり、
前記複数基準判定部は、複数の独自基準判定部からなり、
前記独自基準判定部のそれぞれは、前記特徴量記憶部から入力される情報に対して当該独自基準判定部において用いる基準に基づく判定を行うものであり、
前記判定統合部は、前記独自基準判定部のそれぞれの判定情報を統合して、前記書類部分が属する書類の種類を判定するものであり、
前記モデルパラメータは、少なくとも、前記判定統合部における判定処理を規定するものである、文書解析システム。
前記種類判定部は、複数基準判定部と判定統合部を備えるものであり、
前記複数基準判定部は、複数の独自基準判定部からなり、
前記独自基準判定部のそれぞれは、前記特徴量記憶部から入力される情報に対して当該独自基準判定部において用いる基準に基づく判定を行うものであり、
前記判定統合部は、前記独自基準判定部のそれぞれの判定情報を統合して、前記書類部分が属する書類の種類を判定するものであり、
前記モデルパラメータは、少なくとも、前記判定統合部における判定処理を規定するものである、文書解析システム。
【請求項13】
コンピュータを、請求項１、２、３、７、８、１０、１１または１２のいずれかに記載の文書解析システムとして機能させるための文書解析プログラム。
【請求項14】
文書を示す文書データを解析するためにコンピュータが実行する文書解析方法であって、
前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含み、
前記文書解析方法は種類判定ステップと前後判定情報更新ステップを備え、
前記種類判定ステップは、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定するステップであり、
前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれるものであり、
前記前後判定情報更新ステップは、前記種類判定ステップによる前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新するステップである、文書解析方法。
前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含み、
前記文書解析方法は種類判定ステップと前後判定情報更新ステップを備え、
前記種類判定ステップは、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定するステップであり、
前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれるものであり、
前記前後判定情報更新ステップは、前記種類判定ステップによる前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新するステップである、文書解析方法。
【請求項15】
コンピュータに、文書を示す文書データを解析させるための文書解析プログラムであって、
前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含み、
前記文書解析プログラムは、コンピュータに、種類判定ステップと前後判定情報更新ステップを実行させるためのものであり、
前記種類判定ステップは、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定するステップであり、
前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれるものであり、
前記前後判定情報更新ステップは、前記種類判定ステップによる前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新するステップである、文書解析プログラム。
前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含み、
前記文書解析プログラムは、コンピュータに、種類判定ステップと前後判定情報更新ステップを実行させるためのものであり、
前記種類判定ステップは、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定するステップであり、
前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれるものであり、
前記前後判定情報更新ステップは、前記種類判定ステップによる前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新するステップである、文書解析プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、文書を示す文書データを対象に、当該文書データを解析する文書解析システム、文書解析方法、または、文書解析プログラムの技術に関するものである。ここで、１つの文書が１つまたは複数の書類からなり、１つの書類が１つまたは複数の書類部分（例えば、ページ）からなり、１つの文書が複数の文書部分（例えば、ページ）を含む。
【背景技術】
【0002】
文書データを解析することに関連する先行技術として次のものがある。特許文献１には、読み取った原稿画像から特徴量を算出し、算出した特徴量に基づいて文書区切を判定する先行技術が開示されている。特許文献２には、文書画像からレイアウト情報を抽出し、抽出したレイアウト情報に基づいて文字の部分を認識し、これらのレイアウト情報と文字認識の情報を表示する先行技術が開示されている。特許文献３には、文書画像におけるページ毎のページ特徴を算出した上で、あるページの特徴が前のページの特徴からみて一定値以上変化している場合に、このページ間に区切位置を設定する先行技術が開示されている。非特許文献１には、論文画像から、論文上に設定する矩形領域毎に、当該矩形領域の文書内役割（例えば、論文タイトル、節タイトル）を判定する先行技術が開示されている。非特許文献２には、文書画像からのテキスト情報とレイアウト情報を一緒に取り扱った機械学習モデルにより、文書理解のための処理を行う先行技術が開示されている。ただし、非特許文献２に開示された先行技術を、受注に関する文書のように多種多様なフォーマットの書類を有する文書に適用するには、膨大な学習データを必要とする。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００２－２４２５８号公報
【特許文献2】特開平４－１４７３９１号公報
【特許文献3】特開２００９－１６９６７５号公報
【非特許文献】
【0004】
【非特許文献1】岩月憲一，加藤恒昭，山口和紀，”レイアウト認識に基づく論文構成要素の抽出”，インタラクティブ情報アクセスと可視化マイニング研究会第１２回研究会研究発表予稿集，人工知能学会，２０１６年３月１７日，ｐｐ．６１－６８
【非特許文献2】Yiheng Xu et al., "Layout LM : Pre-training of Text and Layout for Document Image Understanding", Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD '20), ACM, August 2020, pp.1192-1200
【発明の概要】
【発明が解決しようとする課題】
【0005】
企業活動（営業活動）のデジタル化の一環として、ある種の文書（例えば、契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書）をデジタルデータ（ファイルデータ）として管理することにより、企業の売上等のモニタリングまたは制御を行うことが望まれる。そのためには、（これらの文書を単なるファイルデータ（例えば、ＰＤＦデータ）として管理するだけでは不十分であり、）これらの文書から経営における本質的な内容を抽出し、その内容に基づいて企業活動（営業活動）の内容の検索、解析または予測を可能にすることが望ましい。そして、当該本質的な内容の中で、文書解析の最初の段階で知りたいことは、これらの文書がどのような種類の書類で構成されているかである。
【0006】
ここで、これらの文書を構成する書類のそれぞれは多種多様なフォーマットである。同じ種類（例えば、契約書、注文書または仕様書といった種類）の書類であっても、多種多様なフォーマットがあり得る。また、文書のなかにおいて、契約書、請求書または仕様書などの互いに異なった種類の書類群が、一定の流儀には従いながらも、書類間の順序として許容される一定の幅をもって配列される（非定型に綴じられている）ことが一般的である。さらに、それぞれの種類の書類の分量は１ページで収まるときもあれば数十ページに及ぶこともある。以上のことから、これらの文書がどのような書類の種類で構成されているかを判定したいものの、予め固定的に定めた規則に則って妥当な判定結果を得ることは期待出来ない。
【0007】
加えて、これらの文書（文書データ）に対する判定結果において、（文書のなかでの）書類間の種類の順序が、（上記した一定の流儀からみて）あるべきものとなっていること、または、許容される範囲内であること（あるいは、その旨が配慮されていること）が望ましい。例えば、契約書、請求書、仕様書等の書類が含まれることが想定されている文書の判定結果として、契約書、請求書、仕様書等の並び順（書類の種類の並び順）が、上記した一定の流儀からみて自然であることが望ましい。
【0008】
しかしながら、上述した先行技術のいずれも、文書データに対する判定結果において、（文書のなかでの）書類間の種類の順序への配慮がされるものではない。以上を踏まえて、文書がどのような種類の書類で構成されているかを解析するにあたって、文書データに対する解析結果において、（文書のなかでの）書類間の種類の順序への配慮を行うこと（妥当な解析結果を得ること）を実現することを、本開示の目的とする。
【課題を解決するための手段及び発明の効果】
【0009】
上記目的を達成するために、本開示が備えうる特徴、及び、当該特徴に対応する作用効果は、例えば次のとおりである。
文書を示す文書データを解析するための文書解析システムである。前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含む。前記文書解析システムは種類判定部と前後判定情報更新部を備える。前記種類判定部は、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定する。前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれる。前記前後判定情報更新部は、前記種類判定部による前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新する。
文書を示す文書データを解析するための文書解析システムである。前記文書は１つまたは複数の書類からなり、かつ、前記書類は１つまたは複数の書類部分からなり、かつ、前記文書は複数の前記書類部分を含む。前記文書解析システムは種類判定部と前後判定情報更新部を備える。前記種類判定部は、ある書類部分の特徴量を示す情報を入力して、当該ある書類部分が属する書類の種類を判定する。前記書類部分の前記特徴量を示す情報には、前記文書データに基づいて生成された当該書類部分を説明する情報である説明情報と、前記文書における当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報が含まれる。前記前後判定情報更新部は、前記種類判定部による前記文書に含まれる書類部分のそれぞれが属する書類の種類の判定情報に基づいて、当該文書に含まれる書類部分のそれぞれについて、前記前後判定情報を更新する。
【0010】
上記の文書解析システムによって、書類部分の特徴量を示す情報に基づいて当該書類部分が属する書類の種類を判定するに際して、当該書類部分からみて前の位置または後の位置が属する書類の種類の判定情報である前後判定情報も用いて、当該判定をすることが出来る。よって、判定結果（判定情報）における、（文書のなかでの）書類間の種類の順序が、（一定の流儀からみて）あるべきものとなっていること、または、許容される範囲内であること（その旨が配慮されていること）、つまりは妥当な解析結果を得ることを実現出来る。
【0011】
また、同様の趣旨の文書解析方法や文書解析プログラムも、上記と同様の作用効果を得ることが出来る。さらに、文書解析プログラムでは、プログラムをハードウェアに適用する態様とすることが出来て、多くの場合で費用を削減することが出来る。また、文書解析プログラムでは、文書解析のための処理・動作に関する設計変更も行いやすくなる。
【0012】
上記以外の本開示が備えうる特徴、及び、当該特徴に対応する作用効果は、この明細書、特許請求の範囲または図面に開示される。
【図面の簡単な説明】
【0013】
【図1】本開示の全ての実施形態に共通する機能構成を示す。
【図2】本開示の実施形態に係るシステムのシステム構成を示す。
【図3】本開示の実施形態を実現するためのコンピュータアーキテクチャを示す。
【図4】本開示の第１の実施形態の機能構成を示す。
【図5】本開示の第１の実施形態の処理・動作のフローチャートを示す。
【図6】文書データベース（ＤＢ）及び文書データ例のＰＤＦファイルを示す。
【図7】ページ特徴量データベース（ＤＢ）を示す。
【図8】ページ（１次・２次）判定情報データベース（ＤＢ）を示す。
【図9】比較表示出力の内容を示す。
【図10】本開示の第２の実施形態の機能構成を示す。
【図11】本開示の第２の実施形態の処理・動作のフローチャートを示す。
【図12】不整合表示出力の内容を示す。
【図13】モデルパラメータ・データベース（ＤＢ）を示す。
【図14】学習データ・データベース（ＤＢ）（特化型も含む。）を示す。
【発明を実施するための形態】
【0014】
本開示における「装置」または「部」のそれぞれは、ハードウェア的に一つにまとまったものであってもよいし、複数の部分に分かれていて、当該部分どうしが連携して役割を果たすものであってもよい。幾つかの「装置」や「部」がハードウェア的に統合されてもよい。
また、本開示における「装置」または「部」のそれぞれは、（後述の図３のように）コンピュータにソフトウェア（プログラム）を実行させることにより実現させてよい。また、これらの「装置」や「部」の機能の一部を、ハードウェア（例えば、論理回路（ハードワイヤードロジック）やＦＰＧＡ）で実現して、残りの機能を、ソフトウェア（プログラム）を実行することにより実現してもよい。さらに、これらの「装置」や「部」のそれぞれの機能の全てをハードウェア的に実現してもよい。ここで、コンピュータにソフトウェア（プログラム）を実行させることにより、本開示における「装置」や「部」のそれぞれを実現させる場合に、当該コンピュータは、少なくとも、情報処理装置（ＣＰＵ等）と記憶装置（メモリ）を備えて、当該記憶装置（メモリ）にソフトウェア（プログラム）を記憶して、当該ソフトウェア（プログラム）を情報処理装置（ＣＰＵ等）が実行するものであってよい。
さらに、本開示における「プログラム」とは、ソフトウェアとハードウェア資源とが協働することによって、使用目的に応じた特有の情報処理装置又はその動作方法が構築されるような、当該ソフトウェアに該当するもの一般を包含する概念に含まれるものであればよい。つまり、本発明における「プログラム」は、特定の種類や態様のプログラムに限定されない。また、「プログラム」は当初は圧縮形式で記録されるものでもよい。
本開示においては、処理・動作をフローチャートにて説明することもある。フローチャートで示される処理・動作のステップの一部または全部を、ハードウェア的に（例えば、論理回路（ハードワイヤードロジック）やＦＰＧＡを用いることにより）実現することも出来る。
また、本開示における「装置」または「部」のそれぞれは、（後述の図３のように）コンピュータにソフトウェア（プログラム）を実行させることにより実現させてよい。また、これらの「装置」や「部」の機能の一部を、ハードウェア（例えば、論理回路（ハードワイヤードロジック）やＦＰＧＡ）で実現して、残りの機能を、ソフトウェア（プログラム）を実行することにより実現してもよい。さらに、これらの「装置」や「部」のそれぞれの機能の全てをハードウェア的に実現してもよい。ここで、コンピュータにソフトウェア（プログラム）を実行させることにより、本開示における「装置」や「部」のそれぞれを実現させる場合に、当該コンピュータは、少なくとも、情報処理装置（ＣＰＵ等）と記憶装置（メモリ）を備えて、当該記憶装置（メモリ）にソフトウェア（プログラム）を記憶して、当該ソフトウェア（プログラム）を情報処理装置（ＣＰＵ等）が実行するものであってよい。
さらに、本開示における「プログラム」とは、ソフトウェアとハードウェア資源とが協働することによって、使用目的に応じた特有の情報処理装置又はその動作方法が構築されるような、当該ソフトウェアに該当するもの一般を包含する概念に含まれるものであればよい。つまり、本発明における「プログラム」は、特定の種類や態様のプログラムに限定されない。また、「プログラム」は当初は圧縮形式で記録されるものでもよい。
本開示においては、処理・動作をフローチャートにて説明することもある。フローチャートで示される処理・動作のステップの一部または全部を、ハードウェア的に（例えば、論理回路（ハードワイヤードロジック）やＦＰＧＡを用いることにより）実現することも出来る。
【0015】
以下、本開示の実施形態を図面を参照して詳細に説明する。複数の図面で同じ参照番号を用いているものは、同じまたは同様のものであることを示す。
【0016】
【0017】
図１の上部の（１）は、解析対象の文書の態様を示す。文書１０１は１つまたは複数の書類１０２からなる。図１の（１）では、文書１０１が書類１０２ａと書類１０２ｂと１０３ｃからなり、この順で配列されている。なお、文書内の書類の数は１以上の任意の整数である。また、文書１０１内の書類１０２の種類も図１の（１）に例示されるものに限らない。
図１の（１）において、書類１０２のそれぞれは１つまたは複数の書類部分１０３からなる。図１の（１）では、書類１０２ａが３つの書類部分１０３からなり、書類１０２ｂが２つの書類部分からなり、書類１０２ｃが４つの書類部分１０３からなる。なお、書類１０２内の書類部分１０３の数は１以上の任意の整数である。
文書１０１は複数の書類部分１０３を含む。なお、書類部分１０３はページであることが望ましいことが多い。例えば、契約に関わる文書、受注に関わる文書、または、与信審査に関わる文書においては、ページの途中で書類の種類が変わることはまれという特性がある。この特性を踏まえて、文書をページ毎に扱うことで、文書の上記の特性に合致し、かつ、効率的な処理を行うことが出来る。そのため、これ以降は書類部分１０３がページの例で説明するものの、本来は、書類部分１０３はページであることが必須ではない。
図１の（１）において、書類１０２のそれぞれは１つまたは複数の書類部分１０３からなる。図１の（１）では、書類１０２ａが３つの書類部分１０３からなり、書類１０２ｂが２つの書類部分からなり、書類１０２ｃが４つの書類部分１０３からなる。なお、書類１０２内の書類部分１０３の数は１以上の任意の整数である。
文書１０１は複数の書類部分１０３を含む。なお、書類部分１０３はページであることが望ましいことが多い。例えば、契約に関わる文書、受注に関わる文書、または、与信審査に関わる文書においては、ページの途中で書類の種類が変わることはまれという特性がある。この特性を踏まえて、文書をページ毎に扱うことで、文書の上記の特性に合致し、かつ、効率的な処理を行うことが出来る。そのため、これ以降は書類部分１０３がページの例で説明するものの、本来は、書類部分１０３はページであることが必須ではない。
【0018】
図１の下部の（２）は、文書データを解析するための文書解析システム１００を示す。文書解析システム１００は種類判定部１０４と前後判定情報更新部１０５を備える。
種類判定部１０４は、あるページ１０３の特徴量を示す情報１０６を入力して、当該あるページ１０３が属する書類１０２の種類１０７を判定する。図１の（２）には、種類判定部１０４が、ページ「ｋ」の特徴量を示す情報１０６を入力して、ページ「ｋ」が属する書類１０２の種類１０７を判定する様子が示されている。この種類判定部１０４による判定は、文書１０１内のページ１０３のそれぞれに対して行われる。
ページ１０３の特徴量を示す情報１０６には、文書データに基づいて生成された当該ページ１０３を説明する情報である説明情報（説明変数、例えば、当該ページ１０３のレイアウト情報やテキスト情報）１０８と、文書１０１における当該ページ１０３からみて前の位置または後の位置が属する書類１０２の種類１０７の判定情報である前後判定情報１０９が含まれる。つまり、種類判定部１０４への入力には、前後判定情報１０９が含まれる。
前後判定情報更新部１０５は、文書１０１内のページ１０３のそれぞれが属する書類１０２の種類１０７の判定情報に基づいて、当該文書１０１内のページ１０３のそれぞれについて、前後判定情報１０９を更新する。図１の（２）は、前後判定情報更新部１０５が、ページ「ｋ」の特徴量を示す情報１０６に含まれる前後判定情報１０９を更新するにあたって、ページ「ｋ」より前の位置にあるページ「ｋ－１」以前のページのそれぞれの判定情報、及び／または、ページ「ｋ」より後の位置にあるページ「ｋ＋１」以降のページのそれぞれの判定情報を用いることを示す。なお、図１の（２）は、ページ１０３の特徴量を示す情報１０６や、ページ１０３が属する書類１０２の種類１０７の判定情報として、ページ「ｋ－３」～「ｋ＋３」の範囲内のみ示しているが、これはあくまでも紙面の都合である。実際にはこの範囲のページ１０３のみに限られない。この前後判定情報更新部１０５による前後判定情報１０９の更新は、文書１０１内のページ１０３のそれぞれに対して行われる。
種類判定部１０４は、あるページ１０３の特徴量を示す情報１０６を入力して、当該あるページ１０３が属する書類１０２の種類１０７を判定する。図１の（２）には、種類判定部１０４が、ページ「ｋ」の特徴量を示す情報１０６を入力して、ページ「ｋ」が属する書類１０２の種類１０７を判定する様子が示されている。この種類判定部１０４による判定は、文書１０１内のページ１０３のそれぞれに対して行われる。
ページ１０３の特徴量を示す情報１０６には、文書データに基づいて生成された当該ページ１０３を説明する情報である説明情報（説明変数、例えば、当該ページ１０３のレイアウト情報やテキスト情報）１０８と、文書１０１における当該ページ１０３からみて前の位置または後の位置が属する書類１０２の種類１０７の判定情報である前後判定情報１０９が含まれる。つまり、種類判定部１０４への入力には、前後判定情報１０９が含まれる。
前後判定情報更新部１０５は、文書１０１内のページ１０３のそれぞれが属する書類１０２の種類１０７の判定情報に基づいて、当該文書１０１内のページ１０３のそれぞれについて、前後判定情報１０９を更新する。図１の（２）は、前後判定情報更新部１０５が、ページ「ｋ」の特徴量を示す情報１０６に含まれる前後判定情報１０９を更新するにあたって、ページ「ｋ」より前の位置にあるページ「ｋ－１」以前のページのそれぞれの判定情報、及び／または、ページ「ｋ」より後の位置にあるページ「ｋ＋１」以降のページのそれぞれの判定情報を用いることを示す。なお、図１の（２）は、ページ１０３の特徴量を示す情報１０６や、ページ１０３が属する書類１０２の種類１０７の判定情報として、ページ「ｋ－３」～「ｋ＋３」の範囲内のみ示しているが、これはあくまでも紙面の都合である。実際にはこの範囲のページ１０３のみに限られない。この前後判定情報更新部１０５による前後判定情報１０９の更新は、文書１０１内のページ１０３のそれぞれに対して行われる。
【0019】
以上のように、文書解析システム１００は、ページ１０３の特徴量を示す情報１０６に基づいて当該ページ１０３が属する書類１０２の種類１０７を判定するに際して、当該ページ１０３からみて前の位置または後の位置（図１の（２）の例においては、前後の位置にあるページ１０３）が属する書類１０２の種類１０７の判定情報である前後判定情報１０９も入力として用いることが出来る。よって、当該判定を行うに際して、（文書のなかでの）書類１０２間の種類の順序への配慮を行うこと（妥当な判定結果を得ること）を実現出来る。
【0020】
１－２．本開示の実施形態に係るシステムのシステム構成
図２は、本開示の実施形態に係るシステムのシステム構成を示すものである。本開示では、主に、２つの実施形態を説明するが、図２に示されたシステム構成は、実施形態のいずれにも用いることが出来る。なお、これ以降、「データベース」を「ＤＢ」と略記する。
図２は、本開示の実施形態に係るシステムのシステム構成を示すものである。本開示では、主に、２つの実施形態を説明するが、図２に示されたシステム構成は、実施形態のいずれにも用いることが出来る。なお、これ以降、「データベース」を「ＤＢ」と略記する。
【0021】
文書解析システム１００は文書データ格納装置２０１と特徴量生成装置２０２と判定装置２０３と表示出力制御装置２０４と不整合部分修正装置２０５と学習データ更新装置２０６を有する。文書解析システム１００は、端末２０７とネットワークを介して相互通信可能とされていてもよい。文書データ格納装置２０１は文書ＤＢ２１０と特徴量記憶部２１１と判定情報記憶部２１３と学習データ記憶部２１６と特化型学習データ記憶部２１８を備える。特徴量記憶部２１１はページ特徴量ＤＢ２１２を備える。判定情報記憶部２１３はページ１次判定情報ＤＢ２１４（１次判定情報記憶部）とページ２次判定情報ＤＢ２１５（２次判定情報記憶部）を備える。学習データ記憶部２１６は学習データＤＢ２１７を備える。特化型学習データ記憶部２１８は特化型学習データＤＢ２１９を備える。特徴量生成装置２０２は文書読取部２２１とページ分割部２２２と特徴量抽出部２２３と書類区切検出部２２４を備える。判定装置２０３は種類判定部１０４と前後判定情報更新部１０５とモデルパラメータ記憶部２３３を備える。種類判定部１０４は複数基準判定部２３１と判定統合部２３２を備える。モデルパラメータ記憶部２３３はモデルパラメータＤＢ２３４を備える。表示出力制御装置２０４は、比較表示出力制御部２４１と不整合表示出力制御部２４２を備える。不整合部分修正装置２０５は不整合検出部２５２と類似事例抽出部２５３と学習部２５１を備える。学習データ更新装置２０６は学習データ更新部２６１を備える。
【0022】
図２のシステム構成に示される装置・部・ＤＢのうち、モデルパラメータ記憶部２３３（モデルパラメータＤＢ２３４）、不整合部分修正装置２０５（不整合検出部２５２、類似事例抽出部２５３、学習部２５１）、学習データ記憶部２１６（学習データＤＢ２１７）、特化型学習データ記憶部２１８（特化型学習データＤＢ２１９）、学習データ更新装置２０６（学習データ更新部２６１）、及び、不整合表示出力制御部２４２は、第２の実施形態の処理に用いるものであり、第１の実施形態では必ずしも用いるものではない。第１の実施形態だけを実現するためには、これらの装置・部・ＤＢは、システム構成内には含まなくてもよい。
【0023】
図２に示される装置・部・ＤＢの機能や、行う処理・動作については、後述の「２－２．本開示の第1の実施形態の処理」「３－２．本開示の第２の実施形態の処理」にて説明する。
【0024】
図３は、本開示の実施形態実現するためのコンピュータアーキテクチャを示す。図２の文書解析システム１００全体、１つまたは複数の装置、１つまたは複数の部、または、１つの部内の一部分が、図３で示されるコンピュータアーキテクチャで実現されてもよい。
【0025】
図３に示される文書解析システム１００、各装置、各部、または、各部の部分では、情報処理装置（例えば、ＣＰＵ）３０１と、記憶装置（例えば、メモリ）３０２と、不揮発性記録媒体（例えば、不揮発性メモリ、不揮発性ディスク装置）３０３と、外付け記録媒体用ドライブ（例えば、ディスクドライブ）３０４と、出力装置（例えば、印刷機、ディスプレイ）３０６と、入力装置（例えば、マウス、キーボード）３０６と、通信装置（例えば、有線通信用通信装置、無線通信用通信装置）３０８と、外部入出力用ポート３０９の一部または全部が、相互接続部（例えば、バス、クロスバスイッチ）３１０にて相互接続されていてよい。
不揮発性記録媒体３０３には、文書解析プログラム３２０ａ、各種ＤＢ３２１、及び、各種情報３２２が記憶される。なお、これに代えて、当該プログラム、テーブル、または、各種の情報の一部または全部を、図３の外部から取得（アクセス）する態様でもよい。
外付け記録媒体用ドライブ３０４には、外付け記録媒体（例えば、可搬性記録ディスク）３０５を接続することが出来る。なお、この外付け記録媒体３０５に文書解析プログラムや各種ＤＢや各種情報が記録されていて、当該外付け記録媒体３０５から不揮発性記録媒体３０３や記憶装置（メモリ）３０２に、これらのものを転送し記憶してもよい。
また、文書解析プログラムや各種ＤＢや各種情報が、通信装置３０８、外部入出力用ポート３０９または入力装置３０７経由でもたらされて、不揮発性記録媒体３０３や記憶装置（メモリ）３０２に記憶されてもよい。
不揮発性記録媒体３０３には、文書解析プログラム３２０ａ、各種ＤＢ３２１、及び、各種情報３２２が記憶される。なお、これに代えて、当該プログラム、テーブル、または、各種の情報の一部または全部を、図３の外部から取得（アクセス）する態様でもよい。
外付け記録媒体用ドライブ３０４には、外付け記録媒体（例えば、可搬性記録ディスク）３０５を接続することが出来る。なお、この外付け記録媒体３０５に文書解析プログラムや各種ＤＢや各種情報が記録されていて、当該外付け記録媒体３０５から不揮発性記録媒体３０３や記憶装置（メモリ）３０２に、これらのものを転送し記憶してもよい。
また、文書解析プログラムや各種ＤＢや各種情報が、通信装置３０８、外部入出力用ポート３０９または入力装置３０７経由でもたらされて、不揮発性記録媒体３０３や記憶装置（メモリ）３０２に記憶されてもよい。
【0026】
文書解析システム、システム内装置、システム内の各部、または、各部の部分が、一つまたは一連の部（または、部の部分）として機能する（一つまたは一連の処理（ステップ）を実行する）ために、まず、文書解析プログラム３２０ａは、（例えば不揮発性記録媒体３０３から）記憶装置（例えば、メモリ）３０２にローディングされる。ローディングされた後の文書解析プログラムは図３では３２０ｂで示される。そして、情報処理装置（例えば、ＣＰＵ）３０１が、（必要に応じて、不揮発性記録媒体３０３に存在するテーブルや各種の情報も用いて、）記憶装置（例えば、メモリ）３０２上の文書解析プログラム３２０ｂを実行する。文書解析プログラム３２０ｂの実行により、一つまたは一連の部（または、部の部分）の機能が実現される（一つまたは一連の処理（ステップ）が実行される）。この際に、記憶装置（例えば、メモリ）３０２に一時的に形成される各種バッファ３２３も適宜用いてよい。
【0027】
２．本開示の第１の実施形態
２－１．本開示の第１の実施形態の機能構成
図４は、本開示の第１の実施形態の機能構成を示す。文書解析システム１００は、種類判定部１０４と前後判定情報更新部１０５と特徴量記憶部２１１を備える。このうち、種類判定部１０４と前後判定情報更新部１０５は、図１のものと同様の機能を有する。特徴量記憶部２１１は、ページ１０３毎に、当該ページ１０３の特徴量を示す情報１０６を記憶する。ここで、ページ１０３の特徴量を示す情報１０６は、図１のものと同様の内容である。また、図４には、ページ１０３が属する書類１０２の種類１０７も示されているが、これも図１のものと同様のものである。
２－１．本開示の第１の実施形態の機能構成
図４は、本開示の第１の実施形態の機能構成を示す。文書解析システム１００は、種類判定部１０４と前後判定情報更新部１０５と特徴量記憶部２１１を備える。このうち、種類判定部１０４と前後判定情報更新部１０５は、図１のものと同様の機能を有する。特徴量記憶部２１１は、ページ１０３毎に、当該ページ１０３の特徴量を示す情報１０６を記憶する。ここで、ページ１０３の特徴量を示す情報１０６は、図１のものと同様の内容である。また、図４には、ページ１０３が属する書類１０２の種類１０７も示されているが、これも図１のものと同様のものである。
【0028】
図４の（１）は、あるページ１０３が属する書類１０２の種類１０７を初めて判定する場合の種類判定部１０４の処理・動作が示す。当該あるページ１０３が含まれる文書１０１について、書類部分１０３のそれぞれが属する書類１０２の種類１０７の判定が一度も行われていない場合には、当該あるページ１０３の特徴量を示す情報１０６内の前後判定情報１０９としては意味のある情報がまだ存在しない（図４の（１）は、このことを「意味のない情報４０２」として示す。）。そのため、種類判定部１０４は、当該あるページ１０３に対する前後判定情報１０９として意味のある情報を含まない、当該あるページ１０３の特徴量を示す情報１０６を、特徴量記憶部２１１から入力する。種類判定部１０４は、入力した当該あるページ１０３の特徴量を示す情報１０６に基づいて、当該判定を行う。ここでは、種類判定部１０４は、少なくとも、文書データに基づいて生成された当該あるページ１０３を説明する説明情報（説明変数、例えば、当該あるページ１０３のレイアウト情報やテキスト情報）１０８に基づいて、当該判定を行うことになる。
【0029】
図４の（２）は、文書１０１内のページ１０３のそれぞれが属する書類１０２の種類１０７の判定情報が得られた後の、前後判定情報更新部１０５の処理・動作を示す。前後判定情報更新部１０５は、文書１０１内のページ１０３のそれぞれについて、当該ページ１０３の特徴量を示す情報１０６に含まれる前後判定情報１０９を更新し、更新後の前後判定情報１０９を特徴量記憶部２１１に格納する（図４の（２）は、この更新・格納を「前後判定情報更新４０３」として示す。）
例えば、ページ「ｋ」の特徴量を示す情報１０６に含まれる前後判定情報１０９を更新するために、前後判定情報更新部１０５は、ページ「ｋ－１」以前のページのそれぞれとページ「ｋ＋１」以降のページのそれぞれに関する、ページ１０３が属する書類１０２の種類１０７が示す情報のうちの、全部または一部を用いる。なお、図４の（２）は、ページ「ｋ－３」～「ｋ＋３」の範囲内のみ示すが、これはあくまでも紙面の都合である。実際にはこの範囲のページ１０３のみに限られない。
例えば、ページ「ｋ」の特徴量を示す情報１０６に含まれる前後判定情報１０９を更新するために、前後判定情報更新部１０５は、ページ「ｋ－１」以前のページのそれぞれとページ「ｋ＋１」以降のページのそれぞれに関する、ページ１０３が属する書類１０２の種類１０７が示す情報のうちの、全部または一部を用いる。なお、図４の（２）は、ページ「ｋ－３」～「ｋ＋３」の範囲内のみ示すが、これはあくまでも紙面の都合である。実際にはこの範囲のページ１０３のみに限られない。
【0030】
図４の（３）は、（例えば図４の（２）の後のような）あるページ１０３が属する書類１０２の種類１０７を判定することが初めてではない場合の種類判定部１０４の処理・動作を示す。当該あるページ１０３が含まれる文書１０１について、ページ１０３のそれぞれが属する書類１０２の種類１０７の判定を少なくとも一度は行われた後であれば、当該あるページ１０３の特徴量を示す情報１０６内の前後判定情報１０９として、意味のある情報が既に存在する。そのため、種類判定部１０４は、当該あるページ１０３に対する前後判定情報１０９として意味のある情報を含む、当該あるページ１０３の特徴量を示す情報１０６を、特徴量記憶部２１１から入力する。種類判定部１０４は、入力した当該あるページ１０３の特徴量を示す情報１０６に基づいて、当該判定を行う。ここでは、種類判定部１０４は、少なくとも、文書データに基づいて生成された当該あるページ１０３を説明する説明情報（説明変数）１０８と、前後判定情報１０９に基づいて、当該判定を行う。
【0031】
図４に示したように、あるページ１０３が属する書類１０２の種類１０７を判定することが初めてであっても（前後判定情報１０９として意味のある情報がまだ存在しなくても）、種類判定部１０４は、文書データに基づいて生成された当該あるページ１０３を説明する情報である説明情報（説明変数、例えば、当該あるページ１０３のレイアウト情報やテキスト情報）１０８に少なくとも基づいて、当該判定を行うことが出来る。その一方で、あるページ１０３が属する書類１０２の種類１０７を判定することが初めてではない場合は、種類判定部１０４は、意味のある情報となっている前後判定情報１０９も入力して判定を行う。これにより、種類判定部１０４は、書類１０２の種類１０７の前後関係についても加味した当該判定を行うことが出来る。つまり、図４によれば、ページ１０３が属する書類１０２の種類１０７の判定を段階的に改善すること（より正確な判定結果を得ること）が出来る。
【0032】
２－２．本開示の第１の実施形態の処理
図５は、本開示の第１の実施形態の処理・動作のフローチャートを示す。図５における長方形のボックスが処理・動作のステップを示す。以下、図５のフローチャートを説明する。説明の都合上、図１、図２、図４、図６、図７、図８及び図９を適宜参照する。
図５は、本開示の第１の実施形態の処理・動作のフローチャートを示す。図５における長方形のボックスが処理・動作のステップを示す。以下、図５のフローチャートを説明する。説明の都合上、図１、図２、図４、図６、図７、図８及び図９を適宜参照する。
【0033】
図５のステップ５０１（Ｓ５０１）にて、文書読取部２２１は、文書ＤＢ２１０から、文書解析システム１００が解析対象とする文書に関する文書データを読み取る。文書ＤＢ２１０が記憶する文書データに対応する文書１０１は、図１の（１）に示される態様のものでよい。ページ分割部２２２は、文書読取部２２１が読み取った文書データを、ページ単位で分割する。つまりは、ページ分割部２２２は、１ページずつに裁断したデータを生成する。
【0034】
図６は、文書ＤＢ、及び、文書ＤＢに格納される文書データの一例であるＰＤＦファイルを示す。なお、後述のように、文書ＤＢ２１０に記憶される文書データは、ＰＤＦファイルに限られるものではなく、文書を示すデータであればよい。
【0035】
図６の上部の（１）は、文書ＤＢ２１０における文書管理の態様を示す。文書ＤＢ２１０では、ファイル情報６０１により文書データを管理してよい。図６の（１）のファイル情報６０１においては、文書データ毎に、ファイルＩＤ６０２とファイル名６０３とファイル本体６０４が相互に紐付けられる。このうち、相互に紐付けられる１つのファイルＩＤ６０２と１つのファイル名６０３は、１つのレコードとして取り扱われてよい。このレコードには、ファイルＩＤ６０２とファイル名６０３とともに、文書データに関するメタデータも含まれてもよい。メタデータは、例えば、文書作成（または、契約成立、受注受付、与信審査要求）に関係する日時・金額（料金、契約金額、受注金額、与信の最大金額）・当事者情報（契約相手、受注相手、与信の関係者の情報）・対象サービス内容（契約サービス内容・受注対象のサービス内容・与信に伴うサービス内容）・備考情報がありうる。
【0036】
図６の下部の（２）は、文書ＤＢ２１０に格納された文書データを閲覧用ソフトを用いて、表示装置にて表示した例を示す。ここでは、ＰＤＦファイル６０５をＰＤＦ閲覧用ソフトウェアを用いて表示した例を示す。ＰＤＦファイル６０５が示す文書１０１は、複数のページからなる。図６の（２）では、ページ番号として、「ｐ１」「ｐ２」「ｐ３」が示されている。それぞれのページには、適宜、表題６５１、名義６５２（例えば、書類の種類が契約書であれば、契約の当事者を示す情報）、捺印６５３（捺印画像をＯＣＲにて取り込んだものであってもよいし、文書１０１に正当なデジタル署名があることを示す情報であってもよい。）、条項６５４（例えば、書類の種類が契約書であれば、契約における取り決めを具体的に示すもの）、表６５５（テーブル、グラフなど）が含まれうる。
【0037】
図５において、ステップ５０１（Ｓ５０１）の後に、ステップ５０２（Ｓ５０２）にて、特徴量抽出部２２３は、分割後の個々のページ１０３に対応するデータから、個々のページ１０３を説明する情報である説明情報（説明変数）（例えば、文字やレイアウトに関する説明変数）を複数のルールのそれぞれに従って抽出し、抽出した説明情報（説明変数）をページ特徴量ＤＢ２１２に格納する。ここでルールとしては、例えば、ページ１０３のレイアウト解析におけるルール、ページ１０３に対応するデータに埋め込まれた文字情報に適用する自然言語処理におけるルール、ページ１０３の全体あるいは部分に対する画像処理におけるルールがありうる。他の解析手法におけるルールがあってもよい。また、個々のルール毎に、当該ルールを適用するデータの範囲を示す粒度を異なるものにしてもよい。例えば、１つのページ１０３全体を対象とする粒度、１つの文を対象とする粒度、１つの句を対象とする粒度などがありうる。特徴量抽出部２２３は、抽出した説明情報（説明変数）をページ１０３のそれぞれに紐づけつつ、ページ特徴量ＤＢ２１２に格納する。
【0038】
図７は、ページ特徴量ＤＢを示す。ページ特徴量ＤＢ２１２は、ページ１０３毎にレコードを有する。ページ特徴量ＤＢ２１２のレコードのそれぞれは、レコードＩＤ７０１、ファイル情報６０１、ページ１０３の特徴量を示す情報１０６を備える。
ページ特徴量ＤＢ２１２のレコード内の、ファイル情報６０１は、ファイルＩＤ６０２とファイル名６０３を有するとともに、ページＩＤ７０２を有する。なお、このページＩＤ７０２は、ページ分割部２２２が、文書データをページ１０３に対応するデータ毎に分割（裁断）する際に、分割（裁断）後のデータのそれぞれに割り振る番号であってもよいし、分割（裁断）前から割り振られていた番号であってもよい。
ページ特徴量ＤＢ２１２のレコード内の、ページ１０３の特徴量を示す情報１０６は、複数の説明変数１０８（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）と、区切先頭フラグ１１０ａを有する。
複数の説明変数１０８（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）は、特徴量抽出部２２３が、ページ１０３に対応するデータから抽出したものである。特徴量抽出部２２３が用いるルール毎に、説明情報（説明変数）が存在する。そのため、ページ特徴量ＤＢ２１２のレコードは、複数の説明情報（説明変数）１０８ａ～ｆを有する。（なお、理論的には、ルールが１つで、１つのレコードに説明情報（説明変数）が１つでありうる。）
ページ特徴量ＤＢ２１２のレコード内の、ファイル情報６０１は、ファイルＩＤ６０２とファイル名６０３を有するとともに、ページＩＤ７０２を有する。なお、このページＩＤ７０２は、ページ分割部２２２が、文書データをページ１０３に対応するデータ毎に分割（裁断）する際に、分割（裁断）後のデータのそれぞれに割り振る番号であってもよいし、分割（裁断）前から割り振られていた番号であってもよい。
ページ特徴量ＤＢ２１２のレコード内の、ページ１０３の特徴量を示す情報１０６は、複数の説明変数１０８（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）と、区切先頭フラグ１１０ａを有する。
複数の説明変数１０８（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）は、特徴量抽出部２２３が、ページ１０３に対応するデータから抽出したものである。特徴量抽出部２２３が用いるルール毎に、説明情報（説明変数）が存在する。そのため、ページ特徴量ＤＢ２１２のレコードは、複数の説明情報（説明変数）１０８ａ～ｆを有する。（なお、理論的には、ルールが１つで、１つのレコードに説明情報（説明変数）が１つでありうる。）
【0039】
ページ特徴量ＤＢ２１２のレコード内の、前ページ書類種類１０９ａは、当該レコードに対応するページ１０３の前のページ１０３（例えば、直前のページ１０３）が属する書類１０２の種類１０７の判定情報である。同様に、当該レコード内の、後ページ書類種類１０９ｂは、当該レコードに対応するページ１０３の後のページ１０３（例えば、直後のページ１０３）が属する書類１０２の種類１０７の判定情報である。
ページ特徴量ＤＢ２１２のレコード内の、前区切書類種類１０９ｃは、当該レコードに対応するページ１０３が属すると判定された書類１０２（この判定された１つの書類１０２のことを「区切」ともいう。）の前の書類（区切）１０２（例えば、直前の書類（区切）１０２）の種類１０７の判定情報である。同様に当該レコード内の、後区切書類種類１０９ｄは、当該レコードに対応するページ１０３が属すると判定された書類（区切）１０２の後の書類（区切）１０２（例えば、直後の書類（区切）１０２）の種類１０７の判定情報である。
前後判定情報１０９を構成する諸情報である前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、及び、後区切書類種類１０９ｄのそれぞれの情報はいずれも、種類判定部１０４による判定情報に伴って定まるものである。そのため、解析対象の文書データについて、種類判定部１０４による判定が一度も行われたことがない状況では、前後判定情報１０９を構成する諸情報であるこれらの情報は、意味のない情報となっている。（あるいは、情報が欠落（欠損）しているとも言える。または、意味のある情報が格納されるまでは、前後判定情報１０９を構成する諸情報であるこれらの情報は、所定の値やランダムに定められた値であってもよい。）
ページ特徴量ＤＢ２１２のレコード内の、前区切書類種類１０９ｃは、当該レコードに対応するページ１０３が属すると判定された書類１０２（この判定された１つの書類１０２のことを「区切」ともいう。）の前の書類（区切）１０２（例えば、直前の書類（区切）１０２）の種類１０７の判定情報である。同様に当該レコード内の、後区切書類種類１０９ｄは、当該レコードに対応するページ１０３が属すると判定された書類（区切）１０２の後の書類（区切）１０２（例えば、直後の書類（区切）１０２）の種類１０７の判定情報である。
前後判定情報１０９を構成する諸情報である前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、及び、後区切書類種類１０９ｄのそれぞれの情報はいずれも、種類判定部１０４による判定情報に伴って定まるものである。そのため、解析対象の文書データについて、種類判定部１０４による判定が一度も行われたことがない状況では、前後判定情報１０９を構成する諸情報であるこれらの情報は、意味のない情報となっている。（あるいは、情報が欠落（欠損）しているとも言える。または、意味のある情報が格納されるまでは、前後判定情報１０９を構成する諸情報であるこれらの情報は、所定の値やランダムに定められた値であってもよい。）
【0040】
前後判定情報１０９として上記したもの（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、及び、後区切書類種類１０９ｄ）を用いることにより、ある書類部分（ページ）からみて前の位置と後の位置として、文書１０１において扱いやすい位置情報を用いることが出来るとともに、当該ある書類部分（ページ）１０３が属する書類１０２の種類１０７の判定情報の正確性を向上させることが出来る。
【0041】
ページ特徴量ＤＢ２１２のレコード内の、区切先頭フラグ１１０ａは、当該レコードに対応するページ１０３が書類（区切）１０２の先頭であると判定されたか否かを示す情報である。図７では、対応するページ１０３が書類（区切）１０２の先頭であると判定された場合について、区切先頭フラグ１１０ａとしてチェック印が示されている。（なお、実際に区切先頭フラグ１１０ａを実装する際には、例えば１ビット情報としてよい。）
区切先頭フラグ１１０ａが生成されるのは、図５のステップ５０３（Ｓ５０３）においてである。図５において、ステップ５０２（Ｓ５０２）の後に、ステップ５０３（Ｓ５０３）にて、書類区切検出部２２４は、区切先頭フラグ１１０ａを生成し、ページ特徴量ＤＢ２１２に格納する。このために、書類区切検出部２２４は、ページ１０３の特徴量を示す情報１０６（例えば、複数の説明変数１０８ａ～ｆ）を、ページ特徴量ＤＢ２１２から読み出す（または、特徴量抽出部２２３から直接受け取る）。書類区切検出部２２４は、当該ページ１０３の特徴量を示す情報１０６（そのうち、少なくとも、当該説明変数１０８ａ～ｆ）を用いて、文書１０１内のページ１０３のそれぞれについて、当該ページ１０３が書類（区切）１０２の先頭であるか否かを判定し、その判定情報を区切先頭フラグ１１０ａに反映させる。
区切先頭フラグ１１０ａが生成されるのは、図５のステップ５０３（Ｓ５０３）においてである。図５において、ステップ５０２（Ｓ５０２）の後に、ステップ５０３（Ｓ５０３）にて、書類区切検出部２２４は、区切先頭フラグ１１０ａを生成し、ページ特徴量ＤＢ２１２に格納する。このために、書類区切検出部２２４は、ページ１０３の特徴量を示す情報１０６（例えば、複数の説明変数１０８ａ～ｆ）を、ページ特徴量ＤＢ２１２から読み出す（または、特徴量抽出部２２３から直接受け取る）。書類区切検出部２２４は、当該ページ１０３の特徴量を示す情報１０６（そのうち、少なくとも、当該説明変数１０８ａ～ｆ）を用いて、文書１０１内のページ１０３のそれぞれについて、当該ページ１０３が書類（区切）１０２の先頭であるか否かを判定し、その判定情報を区切先頭フラグ１１０ａに反映させる。
【0042】
図５において、ステップ５０３（Ｓ５０３）の後に、ステップ５０４（Ｓ５０４）（種類判定ステップ）にて、種類判定部１０４は、ページ特徴量ＤＢ２１２から、ページ１０３の特徴量を示す情報１０６を入力して、ページ１０３が属する書類１０２の種類を判定する。（図２に点線で示すように、種類判定部１０４は、ページ１次判定情報ＤＢ２１４やページ２次判定情報ＤＢ２１５の情報（判定対象となるページ１０３自体等に対する以前の判定情報（当該ページ１０３が属する書類１０２の種類の判定情報））も入力としてよい。）
図２に示されるように、種類判定部１０４は、ページ特徴量ＤＢ２１２等からの入力を受け付ける複数基準判定部２３１と、当該複数基準判定部２３１の判定情報を入力とする判定統合部２３２を備えてよい。複数基準判定部２３１は、複数の独自基準判定部を備えて良い。独自基準判定部のそれぞれは、ページ特徴量ＤＢ２１２等から入力される情報（例えば、ページ１０３の特徴量を示す情報１０６）に対して、当該独自基準判定部において用いる基準に基づく判定を行ってよい。判定統合部２３２は、独自基準判定部のそれぞれからの判定情報を統合して、ページ１０３が属する書類１０２の種類を判定してよい。例えば、判定統合部２３２が行う判定情報の統合は、独自基準判定部のそれぞれの判定情報を重み付けして和をとり、その和に対して所定の関数を適用するものであってよい。あるいは、当該統合は、判定情報の多数決を取るようなものであってもよい。
ある文書データに対して、図５のステップ５０４（Ｓ５０４）を開始する時点においては、ページ特徴量ＤＢ２１２は、当該ある文書データに関して、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）として、意味のある情報を含まない。（あるいは、前後判定情報１０９を構成する諸情報が欠落（欠損）している。または、これらの諸情報は、所定の値やランダムに定められた値であってもよい。）そのため、図５のステップ５０４（Ｓ５０４）では、種類判定部１０４は、ページ特徴量ＤＢ２１２からの意味のある情報は、複数の説明情報（説明変数）１０８（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と、区切先頭フラグ１１０ａである状況で、ページ１０３が属する書類１０２の種類の判定を行う。
図２に示されるように、種類判定部１０４は、ページ特徴量ＤＢ２１２等からの入力を受け付ける複数基準判定部２３１と、当該複数基準判定部２３１の判定情報を入力とする判定統合部２３２を備えてよい。複数基準判定部２３１は、複数の独自基準判定部を備えて良い。独自基準判定部のそれぞれは、ページ特徴量ＤＢ２１２等から入力される情報（例えば、ページ１０３の特徴量を示す情報１０６）に対して、当該独自基準判定部において用いる基準に基づく判定を行ってよい。判定統合部２３２は、独自基準判定部のそれぞれからの判定情報を統合して、ページ１０３が属する書類１０２の種類を判定してよい。例えば、判定統合部２３２が行う判定情報の統合は、独自基準判定部のそれぞれの判定情報を重み付けして和をとり、その和に対して所定の関数を適用するものであってよい。あるいは、当該統合は、判定情報の多数決を取るようなものであってもよい。
ある文書データに対して、図５のステップ５０４（Ｓ５０４）を開始する時点においては、ページ特徴量ＤＢ２１２は、当該ある文書データに関して、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）として、意味のある情報を含まない。（あるいは、前後判定情報１０９を構成する諸情報が欠落（欠損）している。または、これらの諸情報は、所定の値やランダムに定められた値であってもよい。）そのため、図５のステップ５０４（Ｓ５０４）では、種類判定部１０４は、ページ特徴量ＤＢ２１２からの意味のある情報は、複数の説明情報（説明変数）１０８（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と、区切先頭フラグ１１０ａである状況で、ページ１０３が属する書類１０２の種類の判定を行う。
【0043】
例えば、種類判定部１０４内の複数基準判定部２３１（内の独自基準判定部のそれぞれ）は、ページ１０３のそれぞれに対して独自基準判定部のそれぞれに対応する個別の基準での判定情報を出力する。ここでの基準は、「フォントサイズが特定のフォントサイズ以上の文字情報が含まれるならば、契約書と判定する」といった演繹ベースのものでもよいし、「説明変数に含まれるテキスト情報に対して機械学習に基づく自然言語処理を用いて判定する」といった帰納ベースのものでもよい。ここで更に、独自基準判定部のいずれかが機械学習にて構築されたモデルにより処理を行うものであれば、当該モデルは、教師あり機械学習・教師無し機械学習（例えば、クラスタリング）・強化学習（例えば、評価値の最適化を行う機械学習）のいずれかにより構築されてよい。独自基準判定部による判定情報は、ページ１０３が属する書類１０２の種類であってもよく、当該種類そのものではなくて、何らかのスコア（数値）であってもよい。なお、独自基準判定部のそれぞれが扱う特徴量は、ページ１０３に含まれるタイトル、ページ１０３の冒頭部分、ページ１０３に含まれるキーワード（、または、キーワードの出現頻度）、前後判定情報１０９のそれぞれの特徴量であってもよい。
【0044】
種類判定部１０４内の判定統合部２３２は、複数基準判定部２３１（内の独自基準判定部のそれぞれ）からの判定情報を入力として、判定情報を統合あるいはアンサンブルする方式などにより、ページ１０３が属する書類１０２の種類の判定情報を出力する。判定統合部２３２は、独自基準判定部のそれぞれからの判定情報に対して重み付けを行う（さらに、重み付けの後で加算し、加算値に所定の関数を適用する）ものであってよい。そして、当該重み付けが機械学習や演繹ベースにより調整されてよい。ページ１０３が属する書類１０２の種類の判定情報は、当該種類に関する単一の判定情報でもよいし、当該種類の集合に対する単一の確率分布情報でもよい。なお、判定統合部２３２が単一の確率分布情報を出力する場合には、ありうる当該種類毎の確率を列挙する態様であってよい。（例えば、契約書である確率５０％、注文書である確率２０％、仕様書である確率３０％という態様であってよい。）
図５のステップ５０４（Ｓ５０４）において、種類判定部１０４（内の判定統合部２３２）は、ページ１０３が属する書類１０２の種類１０７の判定情報（例えば、単一の判定情報、あるいは、単一の確率分布情報）を、ページ１次判定情報ＤＢ２１４に格納する。
図５のステップ５０４（Ｓ５０４）において、種類判定部１０４（内の判定統合部２３２）は、ページ１０３が属する書類１０２の種類１０７の判定情報（例えば、単一の判定情報、あるいは、単一の確率分布情報）を、ページ１次判定情報ＤＢ２１４に格納する。
【0045】
図８は、ページ１次判定情報ＤＢ及びページ２次判定情報ＤＢに共通する態様を示す。ページ１次判定情報ＤＢ２１４及びページ２次判定情報ＤＢ２１５のレコードのそれぞれはページ１０３に対応するものであり、レコードＩＤ７０１とファイル情報６０１と判定情報（ページ１０３が属する書類１０２の種類１０７の判定情報）を含む。ファイル情報６０１は、ファイルＩＤ６０２とファイル名６０３とページＩＤ７０２を含む。ページ１次判定情報ＤＢ２１４のレコード内の種類１０７の判定情報は、当該レコードに対応するページ１０３が属する書類１０２の種類１０７の初めての判定情報を示す。ページ２次判定情報ＤＢ２１５のレコード内の種類１０７の判定情報は、当該種類の二回目以降の判定情報を示す。種類１０７の判定情報には、前述した単一の判定情報、または、単一の確率分布情報を格納してよい。
【0046】
図５のステップ５０４（Ｓ５０４）の後で、ステップ５０５（Ｓ５０５）（前後判定情報更新ステップ）にて、前後判定情報更新部１０５は、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）を生成し、ページ特徴量ＤＢ２１２に格納する。前述のように、ステップ５０４（Ｓ５０４）にて、解析対象の文書データに関する文書１０１内のページ１０３のそれぞれに対して、当該ページ１０３が属する書類１０２の種類１０７の判定情報が得られている。そのため、ステップ５０５（Ｓ５０５）では、前後判定情報更新部１０５は、当該ページ１０３のそれぞれに対して、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）を生成することが可能となる。前後判定情報更新部１０５は、生成した諸情報を、図７の１０９ａ、１０９ｂ、１０９ｃ、１０９ｄのそれぞれの項目に格納する。なお、前後判定情報更新部１０５は、解析対象の文書１０１に含まれるページ１０３の全てに関して、前後判定情報１０９を構成する諸情報の全ての更新（格納）を行うことは必須ではない。前後判定情報更新部１０５は、後述のステップ５０６（Ｓ５０６）における処理上の必要の程度に応じて、ページ１０３と前後判定情報１０９を構成する諸情報を適宜選択して、選択的に更新（格納）することも出来る。
【0047】
図５のステップ５０５（Ｓ５０５）の後で、ステップ５０６（Ｓ５０６）（種類判定ステップ）にて、種類判定部１０４は、再び、ページ特徴量ＤＢ２１２等からページ１０３の特徴量を示す情報１０６等を入力して、ページ１０３が属する書類１０２の種類の判定を行ってよい。ステップ５０４（Ｓ５０４）とは違い、ステップ５０６（Ｓ５０６）では、解析対象の文書データに関して、ページ特徴量ＤＢ２１２のレコードは、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）として、意味のある情報を有している。（なお、部分的に、意味のある情報を有さない項目があってもよい。）ステップ５０６（Ｓ５０６）では、種類判定部１０４は、ページ特徴量ＤＢ２１２のレコードにおける、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と区切先頭フラグ１１０ａのみならず、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）として意味のある情報を入力して、ページ１０３が属する書類１０２の種類の判定を行う。なお、入力される情報において意味がある範囲の違いを除けば、ステップ５０４（Ｓ５０４）とステップ５０６（Ｓ５０６）において、種類判定部１０４の処理・動作、種類判定部１０４の内部構造、種類判定部１０４が出力する判定情報の態様は、同様のものである。
図５のステップ５０６（Ｓ５０６）にて、種類判定部１０４（内の判定統合部２３２）は、ページ１０３が属する書類１０２の種類１０７の判定情報（例えば、単一の判定情報、または、単一の確率分布情報）を、ページ２次判定情報ＤＢ２１５に格納する。
図５のステップ５０６（Ｓ５０６）にて、種類判定部１０４（内の判定統合部２３２）は、ページ１０３が属する書類１０２の種類１０７の判定情報（例えば、単一の判定情報、または、単一の確率分布情報）を、ページ２次判定情報ＤＢ２１５に格納する。
【0048】
以上のように、図５のステップ５０４（Ｓ５０４）における判定情報をページ１次判定情報ＤＢ２１４に格納する一方で、図５のステップ５０６（Ｓ５０６）における判定情報をページ２次判定情報ＤＢ２１５に格納してもよい。つまりは、判定情報の上書きをしなくてもよい。これにより、第１の実施形態は、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）を、ページ１０３が属する書類１０２の種類１０７の判定処理の入力として用いること（ページ１０３が属する書類１０２の種類１０７に関する、ページ１０３間の前後関係を考慮すること）による、判定情報の改善の程度を可視化することが出来る。例えば、比較表示出力制御部２４１が、ページ１次判定情報ＤＢ２１４とページ２次判定情報ＤＢ２１５のそれぞれが保持する、ページ１０３の属する書類１０２の種類１０７の判定情報のそれぞれを対比できるような態様で出力または表示するように所定の装置等を制御してよい。
【0049】
図９は、比較表示出力の内容を示す。比較表示出力制御部２４１が、図９に示される比較表示出力の内容９００を出力または表示するよう制御することにより、文書解析システム１００内外の何らかの装置に、当該内容９００が出力または表示される。図９で示される例は、「ｐ４（第４ページ）」と「ｐ５（第５ページ）」について、１回目の判定では「契約書」に含まれるページであるとされたが、２回目の判定では「委任状」に含まれるページであると修正された様子を示す。文書解析システム１００を利用する者が内容９００に接して、当該文書解析システム１００による判定情報の妥当性の検証を容易に行えるようになる。
【0050】
なお、図５では、種類判定部１０４が、一つの文書１０１について、ページ１０３が属する書類１０２の種類１０７の判定を２回（ステップ５０４（Ｓ５０４）とステップ５０６（Ｓ５０６））行うことが示されているが、種類判定部１０４が当該判定を３回以上行ってよい。その場合、ｎ回目（ｎは２以上の自然数）の判定に対応するステップ５０６（Ｓ５０６）で得られたページ１０３のそれぞれが属する書類１０２の種類１０７の情報を用いて、前後判定情報更新部１０５が、図５のステップ５０５（Ｓ５０５）と同様の処理により、前後判定情報１０９を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）を上書き更新する。その上で、種類判定部１０４が、ｎ＋１回目の判定に対応するステップ５０６（Ｓ５０６）の処理を実行する。このように、種類判定部１０４と前後判定情報更新部１０５を交互に用いれば、ページ１０３が属する書類１０２の種類の判定の精度がより改善することが期待出来る。
【0051】
【0052】
文書解析システム１００は、種類判定部１０４と特徴量記憶部２１１とモデルパラメータ記憶部２３３と、学習データ記憶部２１６と、学習部２５１と、判定情報記憶部２１３と、不整合検出部２５２と、類似事例抽出部２５３と、特化型学習データ記憶部２１８を備える。（なお、図１０には図示されていないものの、文書解析システム１００は、図１における前後判定情報更新部１０５も備える。）このうち、種類判定部１０４と前後判定情報更新部１０５は、図１のものと同様の機能を有する。特徴量記憶部２１１は、ページ１０３毎に、当該ページ１０３の特徴量を示す情報１０６を記憶する。ここで、ページ１０３の特徴量を示す情報１０６は、図１のものと同様の内容である。また、図１０には、ページ１０３が属する書類１０２の種類１０７も示されているが、これも図１のものと同様のものである。
種類判定部１０４による処理の少なくとも一部は、モデルパラメータ記憶部２３３に記憶された１つまたは複数のモデルパラメータにより規定される。学習データ記憶部２１６は、（モデルパラメータを定めるための）学習部２５１による種類判定部１０４に関する学習処理のための学習データの複数のレコードを記憶する。学習データのレコードのそれぞれは、当該レコードに対応付けられるページ１０３の特徴量を示す情報を有する。ページ１０３の特徴量を示す情報は、説明情報（説明変数、例えば、当該あるページ１０３のレイアウト情報やテキスト情報）１０８と、文書１０１における当該ページ１０３からみて前の位置または後の位置が属する書類１０２の種類の情報である前後教師情報１００９を含む。
判定情報記憶部２１３は、種類判定部１０４によるページ１０３の属する書類１０２の種類１０７の判定情報を記憶する。不整合検出部２５２は、判定情報記憶部２１３が記憶するページ１０３が属する書類１０２の種類１０７の判定情報に関して、不整合があるか否かを検出する。（なお、図１０で点線で示されるように、不整合の検出のために、他の情報１１０の一部または全部としての区切先頭情報（区切先頭フラグ）を用いてもよい。）
類似事例抽出部２５３は、あるページ１０３に関連して不整合が検出された場合に、（特徴量記憶部２１１に記憶されている）当該あるページ１０３の特徴量を示す情報１０６に類似した特徴量を示す情報を有するレコードを、学習データ記憶部２１６から抽出し、抽出した１つまたは複数のレコードを特化型学習データ記憶部２１８に記憶する。（ここで、類似事例抽出部２５３が、当該あるページ１０３の特徴量を示す情報１０６に類似した特徴量を有するレコードとして、前後判定情報１０９の内容と同一または類似する前後教師情報１００９を有するレコードを学習データ記憶部２１６から抽出し、当該レコードを特化型学習データ記憶部２１８に記憶することも出来る。この場合は、ページ１０３が属する書類１０２の種類１０７に関するページ１０３間の前後関係が、不整合を検出したページ１０３の特徴量と同一または類似する特徴量を有するレコードを抽出することになる。）
学習部２５１は、特化型学習データ記憶部２１８に記憶される１つまたは複数のレコードを用いて、種類判定部１０４に関する学習処理を実行して、モデルパラメータ記憶部２３３に記憶された１つまたは複数のモデルパラメータを更新する。
種類判定部１０４による処理の少なくとも一部は、モデルパラメータ記憶部２３３に記憶された１つまたは複数のモデルパラメータにより規定される。学習データ記憶部２１６は、（モデルパラメータを定めるための）学習部２５１による種類判定部１０４に関する学習処理のための学習データの複数のレコードを記憶する。学習データのレコードのそれぞれは、当該レコードに対応付けられるページ１０３の特徴量を示す情報を有する。ページ１０３の特徴量を示す情報は、説明情報（説明変数、例えば、当該あるページ１０３のレイアウト情報やテキスト情報）１０８と、文書１０１における当該ページ１０３からみて前の位置または後の位置が属する書類１０２の種類の情報である前後教師情報１００９を含む。
判定情報記憶部２１３は、種類判定部１０４によるページ１０３の属する書類１０２の種類１０７の判定情報を記憶する。不整合検出部２５２は、判定情報記憶部２１３が記憶するページ１０３が属する書類１０２の種類１０７の判定情報に関して、不整合があるか否かを検出する。（なお、図１０で点線で示されるように、不整合の検出のために、他の情報１１０の一部または全部としての区切先頭情報（区切先頭フラグ）を用いてもよい。）
類似事例抽出部２５３は、あるページ１０３に関連して不整合が検出された場合に、（特徴量記憶部２１１に記憶されている）当該あるページ１０３の特徴量を示す情報１０６に類似した特徴量を示す情報を有するレコードを、学習データ記憶部２１６から抽出し、抽出した１つまたは複数のレコードを特化型学習データ記憶部２１８に記憶する。（ここで、類似事例抽出部２５３が、当該あるページ１０３の特徴量を示す情報１０６に類似した特徴量を有するレコードとして、前後判定情報１０９の内容と同一または類似する前後教師情報１００９を有するレコードを学習データ記憶部２１６から抽出し、当該レコードを特化型学習データ記憶部２１８に記憶することも出来る。この場合は、ページ１０３が属する書類１０２の種類１０７に関するページ１０３間の前後関係が、不整合を検出したページ１０３の特徴量と同一または類似する特徴量を有するレコードを抽出することになる。）
学習部２５１は、特化型学習データ記憶部２１８に記憶される１つまたは複数のレコードを用いて、種類判定部１０４に関する学習処理を実行して、モデルパラメータ記憶部２３３に記憶された１つまたは複数のモデルパラメータを更新する。
【0053】
図１０に示したように、ページ１０３の属する書類１０２の種類１０７の判定情報に関する不整合の検出を、種類判定部１０４に関する学習処理の契機とすることが出来る。そして、このように不整合を検出した場合に、種類判定部による処理の少なくとも一部を規定するモデルパラメータを更新すべく、種類判定部に関する学習処理を実行することが出来る。この際に、不整合が検出されたページ１０３の特徴量を示す情報１０６に類似した特徴量を有するレコード（例えば、ページ１０３が属する書類１０２の種類１０７に関して、不整合を検出したページ１０３付近の前後関係（前後判定情報１０９）と類似した前後関係を意味する特徴量を示す情報（前後教師情報１００９）を有するレコード）を、学習データ記憶部２１６から抽出して、不整合事例に特化した学習データの部分集合を特化型学習データ記憶部２１８に形成することが出来る。そのため、このような学習データの部分集合を用いた種類判定部１０４に関する学習処理（モデルパラメータの更新）により、不整合の解消を効率的に行えることが期待出来る。
【0054】
３－２．本開示の第２の実施形態の処理
図１１は、本開示の第２の実施形態の処理・動作のフローチャートを示す。図１１の長方形のボックスが処理・動作のステップを示し、菱形のボックスが条件分岐のステップを示す。
図１１のフローチャートの各ステップのうち、図５にもあるステップの動作は図５のものと同様であるので、説明を概ね省略する。なお、ステップ５０４（Ｓ５０４）とステップ５０６（Ｓ５０６）にて、種類判定部１０４が処理を行う際に、当該種類判定部１０４による処理の少なくとも一部は、モデルパラメータ記憶部２３３（モデルパラメータＤＢ２３４）に記憶された１つまたは複数のモデルパラメータにより規定される。例えば、種類判定部１０４に含まれる判定統合部２３２が、複数基準判定部２３１に含まれる独自基準判定部のそれぞれからの判定情報を重み付けし、ページ１０３が属する書類１０２の種類１０７の判定を行うものであり、当該重み付けがモデルパラメータにより規定されるものでもよい。
なお、図１１のフローチャートには、図５のフローチャートにあったステップ５０５（Ｓ５０５）が図示されていないが、（例えば、ステップ５０４（Ｓ５０４）の直後・ステップ１１０１（Ｓ１１０１）の直前の位置に）ステップ５０５（Ｓ５０５）はあってもよい。その場合は、ページ特徴量ＤＢ２１２にて前後判定情報１０９が格納（更新）される。
以下、図１１のフローチャートのうち、ステップ１１０１（Ｓ１１０１）～ステップ１１０７（Ｓ１１０７）を説明する。説明の都合上、図１、図２、図７、図８、図１０、図１２、図１３及び図１４を適宜参照する。なお以下では、不整合の検出対象を、判定情報記憶部２１３に含まれるページ１次判定情報ＤＢ２１４に記憶された情報としている。しかしながら、不整合の検出対象を、判定情報記憶部２１３に含まれるページ２次判定情報ＤＢ２１５に記憶された情報とすることも出来る。その場合は、以下の説明のうち、ページ１次判定情報ＤＢ２１４に言及している箇所を、ページ２次判定情報ＤＢ２１５に読み替えればよい。
図１１は、本開示の第２の実施形態の処理・動作のフローチャートを示す。図１１の長方形のボックスが処理・動作のステップを示し、菱形のボックスが条件分岐のステップを示す。
図１１のフローチャートの各ステップのうち、図５にもあるステップの動作は図５のものと同様であるので、説明を概ね省略する。なお、ステップ５０４（Ｓ５０４）とステップ５０６（Ｓ５０６）にて、種類判定部１０４が処理を行う際に、当該種類判定部１０４による処理の少なくとも一部は、モデルパラメータ記憶部２３３（モデルパラメータＤＢ２３４）に記憶された１つまたは複数のモデルパラメータにより規定される。例えば、種類判定部１０４に含まれる判定統合部２３２が、複数基準判定部２３１に含まれる独自基準判定部のそれぞれからの判定情報を重み付けし、ページ１０３が属する書類１０２の種類１０７の判定を行うものであり、当該重み付けがモデルパラメータにより規定されるものでもよい。
なお、図１１のフローチャートには、図５のフローチャートにあったステップ５０５（Ｓ５０５）が図示されていないが、（例えば、ステップ５０４（Ｓ５０４）の直後・ステップ１１０１（Ｓ１１０１）の直前の位置に）ステップ５０５（Ｓ５０５）はあってもよい。その場合は、ページ特徴量ＤＢ２１２にて前後判定情報１０９が格納（更新）される。
以下、図１１のフローチャートのうち、ステップ１１０１（Ｓ１１０１）～ステップ１１０７（Ｓ１１０７）を説明する。説明の都合上、図１、図２、図７、図８、図１０、図１２、図１３及び図１４を適宜参照する。なお以下では、不整合の検出対象を、判定情報記憶部２１３に含まれるページ１次判定情報ＤＢ２１４に記憶された情報としている。しかしながら、不整合の検出対象を、判定情報記憶部２１３に含まれるページ２次判定情報ＤＢ２１５に記憶された情報とすることも出来る。その場合は、以下の説明のうち、ページ１次判定情報ＤＢ２１４に言及している箇所を、ページ２次判定情報ＤＢ２１５に読み替えればよい。
【0055】
図１１のステップ１１０１（Ｓ１１０１）は、ステップ１１０２（Ｓ１１０２）からステップ１１０７（Ｓ１１０７）までのループ処理の先頭を示す。当該ループ処理は、ページ１０３が属する書類１０２の種類１０７の判定がされた文書１０１（文書データ）における、個々のページ１０３毎に繰り返し実行される。（例えば、文書１０１における先頭のページから始めて末尾のページに至るまで、順に、ループ処理を行う。）ページ１０３のそれぞれに対して、ページ特徴量ＤＢ２１２内のレコードＩＤ７０１と、ページ１次判定情報ＤＢ２１４内のレコードＩＤ７０１が共通の値であれば、ページ１０３毎の繰り返し実行は、レコードＩＤ７０１毎の繰り返し実行と言い換えてよい。
【0056】
図１１のステップ１１０２（Ｓ１１０２）にて、不整合検出部２５２は、１つのページ１０３について、ページ１次判定情報ＤＢ２１４から、当該１つのページ１０３が属する書類１０２の種類１０７の判定情報を読み取る。（なお、以前のループ処理にて、当該１つのページ１０３の直前のページ１０３が属する書類１０２の種類１０７の判定情報を読み取っていたら、当該判定情報は保持しておく。）また、不整合検出部２５２は、同じ１つのページ１０３について、ページ特徴量ＤＢ２１２から、区切先頭フラグ１１０ａを読み出す。
【0057】
図１１のステップ１１０２（Ｓ１１０２）の後に、ステップ１１０３（Ｓ１１０３）にて、不整合検出部２５２は、ページ１０３が属する書類１０２の種類１０７の判定情報及び区切先頭フラグ１１０ａを用いて、不整合があるか否かを検出する。具体的には、不整合検出部２５２は、１つのページ１０３について、文書１０１内のページ１０３のそれぞれが属する書類１０２の種類１０７の判定情報から導かれる、当該１つのページ１０３が書類（区切）１０２の先頭であるか否かという判定と、区切先頭フラグ１１０ａが示す当該１つのページ１０３が書類（区切）１０２の先頭であるか否かという判定が不一致であるときに、当該１つのページ１０３における不整合を検出する。例えば、ページ１次判定情報ＤＢ２１４から読み出した、「ｐ４」が属する書類１０２の種類１０７の判定情報が「契約書」を示し、「ｐ４」の一つ前のページ１０３である「ｐ３」が属する書類１０２の種類１０７の判定情報も「契約書」を示す場合には、「ｐ４」は書類１０２の先頭でないと判定される。その一方で、ページ特徴量ＤＢ２１２から読み出した「ｐ４」についての区切先頭フラグ１１０ａが、当該「ｐ４」は書類（区切）１０２の先頭である旨を示していたとする。この場合は、「ｐ４」が書類（区切）１０２の先頭であるか否かについて不整合が存在すると判定される。
【0058】
図１２は、不整合表示出力の内容を示す。図１２の上部は、図１１のステップ１１０３（Ｓ１１０３）にて、不整合検出部２５２が検出する不整合の例を示す。図１２の上部が示す例では、４番目のページ１０３である「ｐ４」について、区切先頭フラグ１１０ａは「ｐ４」が書類（区切）１０２の先頭であることを示すのに対し、文書１０１内のページ１０３のそれぞれが属する書類１０２の種類１０７の判定情報からは「ｐ４」が書類の先頭ではない（契約書の途中のページである）ことが導かれる。つまり、「ｐ４」について不整合がある。８番目のページ１０３である「ｐ８」について、区切先頭フラグ１１０ａは「ｐ８」が書類（区切）１０２の先頭ではないことを示すのに対し、ページ１０３のそれぞれが属する書類１０２の種類１０７の判定情報からは「ｐ８」が書類の先頭である（仕様書の先頭のページである）ことが導かれる。つまり、「ｐ８」について不整合がある。
【0059】
上記の態様の不整合検出部により、種類判定部が出力した書類部分（ページ）のそれぞれが属する書類の種類の判定情報における不整合を、簡易に検出することが出来る。具体的には、区切先頭情報（区切先頭フラグ）を別途用意した上で、この区切先頭情報（区切先頭フラグ）により示される、書類（区切）の先頭であると判断される書類部分（ページ）と、書類部分（ページ）のそれぞれが属する書類の種類の判定情報により示される、書類（区切）の先頭であると判定される書類部分（ページ）の間の不整合を検出することが出来る。
【0060】
なお、不整合の確認のために、不整合表示出力制御部２４２が、不整合表示出力の内容１２００（図１２上部）を出力または表示するよう制御することにより、文書解析システム１００内外の何らかの装置に当該内容１２００を出力するか、または、表示させてもよい。
【0061】
図１１のステップ１１０３（Ｓ１１０３）において、１つのページ１０３について不整合が検出されなかった場合には、ステップ１１０７（Ｓ１１０７）に遷移し、当該不整合が検出された場合には、ステップ１１０４（Ｓ１１０４）に遷移する。
【0062】
図１１のステップ１１０４（Ｓ１１０４）にて、類似事例抽出部２５３は、（学習データ記憶部２１６内の）学習データＤＢ２１７の部分集合である（特化型学習データ記憶部２１８内の）特化型学習データＤＢ２１９を構築するための、学習データＤＢ２１７のレコードの抽出条件を決定する。特化型学習データＤＢ２１９の構築は、当該特化型学習データＤＢ２１９を用いた種類判定部１０４に関する学習処理により（モデルパラメータ記憶部２３３内の）モデルパラメータＤＢ２３４内のモデルパラメータを更新して、不整合を解消することを目的としている。この目的のために、特化型学習データＤＢ２１９に、不整合が検出されたページ１０３と類似する事例を示すレコードを集める。
そこで、図１１のステップ１１０４（Ｓ１１０４）にて、類似事例抽出部２５３は、（特徴量記憶部２１１内の）ページ特徴量ＤＢ２１２から、不整合が検出されたページ１０３の特徴量を示す情報１０６を読み出す。（不整合なページ１０３対応のレコードＩＤ７０１に関する、ページ特徴量ＤＢ２１２のレコードに含まれる、ページ１０３の特徴量を示す情報１０６を読み出す、と言い換えてもよい。）そして、類似事例抽出部２５３は、読み出したページ１０３の特徴量を示す情報１０６に含まれる、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）、前後判定情報を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）、区切先頭フラグ１１０ａの各項目から１つまたは複数の項目を選択する（全ての項目を選択してもよい）。類似事例抽出部２５３は、選択した項目のそれぞれについて、不整合が検出されたページ１０３における当該選択した項目の内容と一定の関係（例えば、一致する、類似度が閾値以上となる、または、類似度が閾値より大きくなるなどの関係）を有する内容を、部分条件の一つとして定める。例えば、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）のいずれかを当該選択した項目とした場合に、当該選択した項目が数値情報であれば「当該選択した項目の数値に関して、平均値Ｍとし、所定値σを幅とする、Ｍ－σからＭ＋σまでの数値であること」を、部分条件の一つとしてよい。具体的な事例で言えば、例えば、不整合が検出されたページ１０３の特徴量を示す情報１０６に含まれる説明変数３の値が３０であった場合に、部分条件の一つとして「説明変数３が２０（３０－１０）以上４０（３０＋１０）以下」と定めてよい。例えば、説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）のいずれかを当該選択した項目とした場合に、当該選択した項目が文字情報であれば「当該選択した項目の文字情報に対する類似度が所定の閾値以上であること」や「当該選択した項目の文字情報に対する類似度が所定の閾値より大きいこと」を、部分条件の一つとしてよい。例えば、前後判定情報を構成する諸情報である、前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄのうちのいずれかを当該選択した項目とした場合には、「当該選択した項目が示す書類１０２の種類１０７と一致すること」を、部分条件の一つとしてよい。例えば、区切先頭フラグ１１０ａを当該選択した項目とした場合には、「当該選択した項目の値（フラグがオンであるかオフであるかを示す値）と一致すること」を、部分条件の一つとしてよい。類似事例抽出部２５３は、選択した項目のそれぞれについて定めた部分条件のそれぞれを用いて、学習データＤＢ２１７の部分集合である特化型学習データＤＢ２１９を構築するための、学習データＤＢ２１７のレコードの抽出条件を決定する。例えば、類似事例抽出部２５３は、選択した項目のそれぞれに対応する部分条件のそれぞれの間で条件の積をとることや、条件の和をとることや、抽出条件のそれぞれに一般的な論理演算を設定することにより、レコードの抽出条件を決定することが出来る。類似事例抽出部２５３は、決定された抽出条件をモデルパラメータＤＢ２３４に格納してもよい。
そこで、図１１のステップ１１０４（Ｓ１１０４）にて、類似事例抽出部２５３は、（特徴量記憶部２１１内の）ページ特徴量ＤＢ２１２から、不整合が検出されたページ１０３の特徴量を示す情報１０６を読み出す。（不整合なページ１０３対応のレコードＩＤ７０１に関する、ページ特徴量ＤＢ２１２のレコードに含まれる、ページ１０３の特徴量を示す情報１０６を読み出す、と言い換えてもよい。）そして、類似事例抽出部２５３は、読み出したページ１０３の特徴量を示す情報１０６に含まれる、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）、前後判定情報を構成する諸情報（前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄ）、区切先頭フラグ１１０ａの各項目から１つまたは複数の項目を選択する（全ての項目を選択してもよい）。類似事例抽出部２５３は、選択した項目のそれぞれについて、不整合が検出されたページ１０３における当該選択した項目の内容と一定の関係（例えば、一致する、類似度が閾値以上となる、または、類似度が閾値より大きくなるなどの関係）を有する内容を、部分条件の一つとして定める。例えば、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）のいずれかを当該選択した項目とした場合に、当該選択した項目が数値情報であれば「当該選択した項目の数値に関して、平均値Ｍとし、所定値σを幅とする、Ｍ－σからＭ＋σまでの数値であること」を、部分条件の一つとしてよい。具体的な事例で言えば、例えば、不整合が検出されたページ１０３の特徴量を示す情報１０６に含まれる説明変数３の値が３０であった場合に、部分条件の一つとして「説明変数３が２０（３０－１０）以上４０（３０＋１０）以下」と定めてよい。例えば、説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）のいずれかを当該選択した項目とした場合に、当該選択した項目が文字情報であれば「当該選択した項目の文字情報に対する類似度が所定の閾値以上であること」や「当該選択した項目の文字情報に対する類似度が所定の閾値より大きいこと」を、部分条件の一つとしてよい。例えば、前後判定情報を構成する諸情報である、前ページ書類種類１０９ａ、後ページ書類種類１０９ｂ、前区切書類種類１０９ｃ、後区切書類種類１０９ｄのうちのいずれかを当該選択した項目とした場合には、「当該選択した項目が示す書類１０２の種類１０７と一致すること」を、部分条件の一つとしてよい。例えば、区切先頭フラグ１１０ａを当該選択した項目とした場合には、「当該選択した項目の値（フラグがオンであるかオフであるかを示す値）と一致すること」を、部分条件の一つとしてよい。類似事例抽出部２５３は、選択した項目のそれぞれについて定めた部分条件のそれぞれを用いて、学習データＤＢ２１７の部分集合である特化型学習データＤＢ２１９を構築するための、学習データＤＢ２１７のレコードの抽出条件を決定する。例えば、類似事例抽出部２５３は、選択した項目のそれぞれに対応する部分条件のそれぞれの間で条件の積をとることや、条件の和をとることや、抽出条件のそれぞれに一般的な論理演算を設定することにより、レコードの抽出条件を決定することが出来る。類似事例抽出部２５３は、決定された抽出条件をモデルパラメータＤＢ２３４に格納してもよい。
【0063】
図１３は、モデルパラメータＤＢを示す。種類判定部１０４に関する学習処理を行う毎に、（モデルパラメータ記憶部２３３内の）モデルパラメータＤＢ２３４のレコードが追加される。モデルパラメータＤＢ２３４は、再学習条件パラメータ１３０１とモデルパラメータ１３０２を含む。再学習条件パラメータ１３０１は条件ＩＤ１３１１と抽出条件１３１２を含む。モデルパラメータ１３０２は、種類判定部１０４の行う処理の少なくとも一部を規定する１つまたは複数のモデルパラメータを含む。例えば、１つまたは複数のモデルパラメータの少なくとも一部は、種類判定部１０４に含まれる判定統合部２３２において用いる重み付け（例えば、複数基準判定部２３１に含まれる独自基準判定部のそれぞれからの判定情報に対する重み付け）を示してもよい。種類判定部１０４において、モデルパラメータの更新により判定統合部２３２の挙動を変更することで、不整合に対する調整を行いやすい。
図１３は、条件ＩＤ１３１１が「２」であるレコードの抽出条件１３１２の項目にて、図１１のステップ１１０４（Ｓ１１０４）で決定される抽出条件の例を示す。この抽出条件の例では、「区切先頭フラグが有効（書類（区切）の先頭である）」と「前区切書類種類が”T_1”である」と「説明変数１に”サービス仕様書”の文字を含む」と「説明変数３が２０以上４０以下である」の４つの部分条件の積が抽出条件であることを示す。
図１３は、条件ＩＤ１３１１が「２」であるレコードの抽出条件１３１２の項目にて、図１１のステップ１１０４（Ｓ１１０４）で決定される抽出条件の例を示す。この抽出条件の例では、「区切先頭フラグが有効（書類（区切）の先頭である）」と「前区切書類種類が”T_1”である」と「説明変数１に”サービス仕様書”の文字を含む」と「説明変数３が２０以上４０以下である」の４つの部分条件の積が抽出条件であることを示す。
【0064】
図１１のステップ１１０４（Ｓ１１０４）の後で、ステップ１１０５（Ｓ１１０５）にて、類似事例抽出部２５３は、ステップ１１０４（Ｓ１１０４）にて決定された抽出条件を用いて、学習データＤＢ２１７の部分集合である特化型学習データＤＢ２１９を構築する。
【0065】
図１４は、学習データＤＢを示す。学習データＤＢ２１７は、ページ１０３毎にレコードを備える。学習データＤＢ２１７のレコードは、学習データＩＤ１４０１とファイル情報６０１とページ１０３の特徴量を示す情報１０６ｂと（目的関数である）ページ１０３が属する書類１０２の種類（教師）１０７ｂを有する。ファイル情報６０１は、ファイルＩＤ６０２とファイル名６０３とページＩＤ７０２を含む。ページ１０３の特徴量を示す情報１０６ｂは、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と前後教師情報を構成する諸情報（前ページ書類種類（教師）１００９ａ、後ページ書類種類（教師）１００９ｂ、前区切書類種類（教師）１００９ｃ、後区切書類種類（教師）１００９ｄ）と区切先頭フラグ（教師）１０１０ａ（区切教師情報）からなる。
図１４の学習データＤＢ２１７のレコード内の、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）は、図７のページ特徴量ＤＢ２１２のレコード内の同名のものへの手法と同様な手法で、特徴量抽出部２２３により生成されてよい。
図１４の学習データＤＢ２１７のレコード内の、（目的関数である）ページ１０３が属する書類１０２の種類（教師）１０７ｂは、教師データ（正解データ、正解情報）である。この教師データは人手（あるいはオラクル（託宣））により定めてよい。学習データＤＢ２１７のレコード内の、前後教師情報１００９を構成する諸情報（前ページ書類種類（教師）１００９ａ、後ページ書類種類（教師）１００９ｂ、前区切書類種類（教師）１００９ｃ、後区切書類種類（教師）１００９ｄ）と区切先頭フラグ（教師）１０１０ａは、教師データ（正解データ、正解情報）として与えられる（目的関数である）ページ１０３が属する書類１０２の種類（教師）１０７ｂの情報の集合から一意に定めてよい。
図１４の学習データＤＢ２１７のレコード内の、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）は、図７のページ特徴量ＤＢ２１２のレコード内の同名のものへの手法と同様な手法で、特徴量抽出部２２３により生成されてよい。
図１４の学習データＤＢ２１７のレコード内の、（目的関数である）ページ１０３が属する書類１０２の種類（教師）１０７ｂは、教師データ（正解データ、正解情報）である。この教師データは人手（あるいはオラクル（託宣））により定めてよい。学習データＤＢ２１７のレコード内の、前後教師情報１００９を構成する諸情報（前ページ書類種類（教師）１００９ａ、後ページ書類種類（教師）１００９ｂ、前区切書類種類（教師）１００９ｃ、後区切書類種類（教師）１００９ｄ）と区切先頭フラグ（教師）１０１０ａは、教師データ（正解データ、正解情報）として与えられる（目的関数である）ページ１０３が属する書類１０２の種類（教師）１０７ｂの情報の集合から一意に定めてよい。
【0066】
学習データに教師データ（正解データ、正解情報）を含ませると、種類判定部に関する学習処理として教師あり学習を含めた学習処理を行うことが出来る。ここで、教師データ（正解データ、正解情報）には、ある種の文書（例えば、契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書）における「一定の流儀」を直接的に反映することが出来るため、種類判定部に関する学習処理を妥当なものとしやすくなる。
【0067】
仮に、ある文書１０１内のページ１０３の全てについて、学習データＤＢ２１７内のページ１０３（レコード）毎の区切先頭フラグ（教師）１０１０ａの値と、ページ特徴量ＤＢ２１２内のページ１０３（レコード）毎の区切先頭フラグ１１０ａの値が、完全一致する場合には、書類区切検出部２２４の判定精度が１００％（全て正解）ということになる。
【0068】
図１１のステップ１１０５（Ｓ１１０５）では、類似事例抽出部２５３は、図１４の学習データＤＢ２１７の各レコードにおける、複数の説明情報（説明変数）（説明変数（１）１０８ａ～説明変数（Ｆ）１０８ｆ）と前後教師情報１００９を構成する諸情報（前ページ書類種類（教師）１００９ａ、後ページ書類種類（教師）１００９ｂ、前区切書類種類（教師）１００９ｃ、後区切書類種類（教師）１００９ｄ）と区切先頭フラグ（教師）１０１０ａの各項目のうちの選択された一つまたは複数の項目について、ステップ１１０４（Ｓ１１０４）で決定した抽出条件に一致するようなレコードを抽出する。類似事例抽出部２５３は、抽出したレコードを、特化型学習データＤＢ２１９に格納する。
特化型学習データＤＢ２１９の態様は、図１４に示される学習データＤＢ２１７と同様でよい。ただし、学習データＤＢ２１７のレコードのうち、ステップ１１０４（Ｓ１１０４）で決定した抽出条件に一致するレコードのみが抽出されて、特化型学習データＤＢ２１９に格納される。
特化型学習データＤＢ２１９の態様は、図１４に示される学習データＤＢ２１７と同様でよい。ただし、学習データＤＢ２１７のレコードのうち、ステップ１１０４（Ｓ１１０４）で決定した抽出条件に一致するレコードのみが抽出されて、特化型学習データＤＢ２１９に格納される。
【0069】
上記のように、ある書類部分（ページ）に関連して不整合を検出した場合に、不整合に伴って実行される種類判定部に関する学習処理に用いるのにふさわしい学習データのレコードを抽出して、特化型学習データ記憶部に記憶することが出来る。つまり、種類判定部に関する学習処理を実行すれば、不整合が解消されることが期待出来る。
【0070】
図１１のステップ１１０５（Ｓ１１０５）の後に、ステップ１１０６（Ｓ１１０６）にて、学習部２５１は、（特化型学習データ記憶部２１８内の）特化型学習データＤＢ２１９のレコードを学習データとして用いて、種類判定部１０４に関する学習処理を行い、（モデルパラメータ記憶部２３３内の）モデルパラメータＤＢ２３４内の１つまたは複数のモデルパラメータ１３０２を更新する。種類判定部１０４に関する学習処理は、図１４の特化型学習データＤＢ２１９のレコードのページ１０３の特徴量を示す情報１０６ｂの項目群を種類判定部１０４に入力し、種類判定部１０４からの出力される判定情報と、特化型学習データＤＢ２１９のレコードの（目的関数である）ページ１０３が属する書類１０２の種類（教師）１０７ｂの項目を比較して、その後の処理を行うことにより実現されてよい。つまり、学習部２５１は教師あり学習を行ってよい。
図１３に示したように、学習部２５１による、種類判定部１０４の学習処理を行う毎に、モデルパラメータＤＢ２３４のレコードが追加されていく。
図１３に示したように、学習部２５１による、種類判定部１０４の学習処理を行う毎に、モデルパラメータＤＢ２３４のレコードが追加されていく。
【0071】
これに代えて、種類判定部１０４が行う一部または全部の処理について、学習部２５１は、教師なし学習（例えば、クラスタリング）や、強化学習や、演繹ベースのルールの改善を行ってもよい。
【0072】
図１１のステップ１１０６（Ｓ１１０６）の後か、図１１のステップ１１０３（Ｓ１１０３）にて不整合を検出しなかった場合の後に、不整合検出部２５２は、ステップ１１０７（Ｓ１１０７）にて、不整合の有無を判定する対象となるページ１０３（レコードＩＤ７０１）の全てについてステップ１１０２（Ｓ１１０２）からステップ１１０７（Ｓ１１０７）のループ処理が済んだか否かを判定する。まだ済んでいなければ、処理はステップ１１０１（Ｓ１１０１）に戻り、次のページ１０３（レコードＩＤ７０１）について、ループ処理を行う。不整合の有無を判定する対象となるページ１０３（レコードＩＤ７０１）の全てについて当該ループ処理が済んだのであれば、ステップ５０６（Ｓ５０６）に進む。
【0073】
図１１では、ページ１次判定情報ＤＢ２１４に関して不整合を検出している。しかしながら、ページ２次判定情報ＤＢ２１５についても不整合を検出して、図１１と同様の学習処理を行ってよい。つまり、図１１に示される学習処理は、何度でも行うことが出来る。
【0074】
第２の実施形態は、図９の比較表示出力の内容９００や、図１２の不整合表示出力の内容１２００を、文書解析システム１００を利用する者に対して、出力または表示することが出来る。あるいは、図９と図１２を併せた内容を、文書解析システム１００を利用する者に対して、出力または表示することが出来る（図１２の上部と下部を一括して出力または表示してもよい。）。そのため、文書解析システム１００を利用する者は、第２の実施形態のステップ１１０２（Ｓ１１０２）からステップ１１０７（Ｓ１１０７）のループ処理（不整合検出処理、不整合を解消するための学習処理）の妥当性を検証することが容易になる。例えば、当該ループ処理の実行の前に実施されたページ１０３が属する書類１０２の種類１０７の判定の結果よりも、当該ループ処理の実行の後に実施された当該判定の結果のほうが妥当であれば、当該ループ処理が不整合の解消に有効であることを確認出来る。その一方で、当該ループ処理の実行の前に実施されたページ１０３が属する書類１０２の種類１０７の判定の結果よりも、当該ループ処理の実行の後に実施された当該判定の結果のほうが、ページ１０３が属する書類１０２の種類１０７の判定の正解率が下がれば、当該ループ処理に用いた設定等のいずれか（例えば、抽出条件の設定）に問題・課題があることを認識出来る。
【0075】
文書解析システム１００を利用する者に出力または表示されるものとして、図９の比較表示出力の内容９００と、図１２の不整合表示出力の内容１２００を例示したが、文書解析システム１００は、当該文書解析システム１００が行う処理・動作の過程で取り扱う諸情報、または、処理プロセスの履歴情報を適宜選択して、出力または表示してもよい。また、文書解析システム１００は、諸情報を出力または表示する際に、当該文書解析システム１００の出力（例えば、判定情報）の妥当性を検証するにあたって重点的に確認すべき箇所を明示するような説明図面（説明画面）や、（仮に当該文書解析システム１００の判定の精度に問題・課題がある場合に）当該問題・課題が当該文書解析システム１００内のどの箇所（装置・部・プログラム・データ等）に由来するのかを示唆する説明図面（説明画面）を出力または表示してもよい。このように構成すれば、文書解析システム１００を利用する者が、当該文書解析システム１００に対する評価・検証を行いやすくなり、問題・課題を認識しやすくなる。
【0076】
第２の実施形態では、学習データ更新部２６１が、（学習データ記憶部２１６内の）学習データＤＢ２１７に記憶される学習データのレコードの一部または全てを入れ換えるか更新してもよい。例えば、ある種の文書（例えば、契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書）における上記した「一定の流儀」が変わるケースや、取り扱う文書の性質が大きく変更されるケースにおいても、学習データの入れ換えや更新（、及び、入れ換え後または更新後の再学習処理）により対処することが出来る。
【0077】
４．その他（変形例）
上記では、本開示の第１の実施形態と第２の実施形態を説明したが、以下に示すような変形例も可能である。
上記では、本開示の第１の実施形態と第２の実施形態を説明したが、以下に示すような変形例も可能である。
【0078】
（Ａ）解析対象の文書
上記の各実施形態の説明では、解析対象の文書の例として、契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書を示し、文書内の書類の例として、契約書、注文書、仕様書、委任状を示し、文書データの例として、ＰＤＦファイルを示している。
しかしながら、本開示は、文書内の書類について、同じ種類の書類であっても、多種多様なフォーマットがあり得るような文書や、文書に含まれる書類間の順序に（一定の流儀には従いながらも）ある程度の許容される幅があるような、言わば書類群が非定型に綴られたりする文書を始めとして、どのような文書でも適用することが出来る。
また、本開示は、特徴量を何らかの手法で抽出出来るファイルデータであれば広範に適用可能である。例えば、テキスト情報や座標情報などを有する図形情報という観点では、テキスト情報が埋め込まれているタイプのＰＤＦデータのみならず、（図表を含みうる）ワードファイル、パワーポイントファイル、エクセルファイルも、本開示の文書解析システム１００は取り扱い得る。また、例えば、画像情報という観点では、テキストを画像としてのみ取り込めるタイプのＰＤＦファイルのみならず、各種の画像ファイル（例えば、ＰＮＧデータ、ＪＰＥＧデータ、ＢＭＰデータ、ＧＩＦデータ）も、本開示の文書解析システム１００は取り扱い得る。これらの種類のデータが混在した文書データも、本開示を適用可能である。
このように、本開示の文書解析システム（、文書解析方法、文書解析プログラム）を広範な文書に適用することが出来る。
上記の各実施形態の説明では、解析対象の文書の例として、契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書を示し、文書内の書類の例として、契約書、注文書、仕様書、委任状を示し、文書データの例として、ＰＤＦファイルを示している。
しかしながら、本開示は、文書内の書類について、同じ種類の書類であっても、多種多様なフォーマットがあり得るような文書や、文書に含まれる書類間の順序に（一定の流儀には従いながらも）ある程度の許容される幅があるような、言わば書類群が非定型に綴られたりする文書を始めとして、どのような文書でも適用することが出来る。
また、本開示は、特徴量を何らかの手法で抽出出来るファイルデータであれば広範に適用可能である。例えば、テキスト情報や座標情報などを有する図形情報という観点では、テキスト情報が埋め込まれているタイプのＰＤＦデータのみならず、（図表を含みうる）ワードファイル、パワーポイントファイル、エクセルファイルも、本開示の文書解析システム１００は取り扱い得る。また、例えば、画像情報という観点では、テキストを画像としてのみ取り込めるタイプのＰＤＦファイルのみならず、各種の画像ファイル（例えば、ＰＮＧデータ、ＪＰＥＧデータ、ＢＭＰデータ、ＧＩＦデータ）も、本開示の文書解析システム１００は取り扱い得る。これらの種類のデータが混在した文書データも、本開示を適用可能である。
このように、本開示の文書解析システム（、文書解析方法、文書解析プログラム）を広範な文書に適用することが出来る。
【0079】
（Ｂ）書類部分
上記の各実施形態の説明では、書類部分１０３の例としての「ページ」を示している。契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書などにおいては、ページの途中で書類の種類が変わる（ページの途中に、ある書類の先頭がある）ケースが少ないと想定されるゆえ、ページに着目した取り扱いは有用である。
しかしながら、本開示は、書類部分１０３がページとは異なるものにも適用出来る。例えば、文書の性質上、ページの途中で書類の種類が変わる（ページの途中に、ある書類の先頭がある）ことが想定される場合、ページよりも細かい単位（例えば、行）を、本開示でいう「書類部分」としてよい。逆に、書類部分１０３をページよりも大きい単位としてよい。
このように、本開示の文書解析システム（、文書解析方法、文書解析プログラム）は、様々な単位（例えば、行や、ページよりも大きい単位）に注目して、処理を行うことが出来る。
上記の各実施形態の説明では、書類部分１０３の例としての「ページ」を示している。契約に関する文書（契約関連文書）、受注に関する文書、与信審査に関する文書などにおいては、ページの途中で書類の種類が変わる（ページの途中に、ある書類の先頭がある）ケースが少ないと想定されるゆえ、ページに着目した取り扱いは有用である。
しかしながら、本開示は、書類部分１０３がページとは異なるものにも適用出来る。例えば、文書の性質上、ページの途中で書類の種類が変わる（ページの途中に、ある書類の先頭がある）ことが想定される場合、ページよりも細かい単位（例えば、行）を、本開示でいう「書類部分」としてよい。逆に、書類部分１０３をページよりも大きい単位としてよい。
このように、本開示の文書解析システム（、文書解析方法、文書解析プログラム）は、様々な単位（例えば、行や、ページよりも大きい単位）に注目して、処理を行うことが出来る。
【0080】
（Ｃ）各部の処理の実現手法
上記の各実施形態の説明では、主に、種類判定部１０４内の判定統合部２３２にて用いる重み付け（複数基準判定部２３１内の独自基準判定部のそれぞれからの判定情報に対する重み付け）を示すモデルパラメータを、教師あり機械学習で調整する例を示している。
しかしながら、文書解析システム１００内の、判定統合部２３２、複数基準判定部２３１内の独自基準判定部のそれぞれ、特徴量抽出部２２３、書類区切検出部２２４の処理を実現するためには、様々な手法を用いることが出来る。例えば、（１）教師あり機械学習により構築されるモデルを実装する手法、（２）教師無し機械学習（例えば、クラスタリング）により構築されるモデルを実装する手法、（３）強化学習（例えば、評価値を最適化するような学習）により構築されるモデルを実装する手法、（４）演繹ベースのルールにより構築されるモデルを実装する手法、のいずれかを用いてもよい。
また、第２の実施形態で示した再学習（あるいは、ルールの再設定）は、判定統合部２３２、複数基準判定部２３１内の独自基準判定部のそれぞれの任意のものを対象にしてよい。
このように、本開示の文書解析システム（、文書解析方法、文書解析プログラム）は、幅広い処理実現手法を用いることが出来るので、柔軟に設計することが出来る。
上記の各実施形態の説明では、主に、種類判定部１０４内の判定統合部２３２にて用いる重み付け（複数基準判定部２３１内の独自基準判定部のそれぞれからの判定情報に対する重み付け）を示すモデルパラメータを、教師あり機械学習で調整する例を示している。
しかしながら、文書解析システム１００内の、判定統合部２３２、複数基準判定部２３１内の独自基準判定部のそれぞれ、特徴量抽出部２２３、書類区切検出部２２４の処理を実現するためには、様々な手法を用いることが出来る。例えば、（１）教師あり機械学習により構築されるモデルを実装する手法、（２）教師無し機械学習（例えば、クラスタリング）により構築されるモデルを実装する手法、（３）強化学習（例えば、評価値を最適化するような学習）により構築されるモデルを実装する手法、（４）演繹ベースのルールにより構築されるモデルを実装する手法、のいずれかを用いてもよい。
また、第２の実施形態で示した再学習（あるいは、ルールの再設定）は、判定統合部２３２、複数基準判定部２３１内の独自基準判定部のそれぞれの任意のものを対象にしてよい。
このように、本開示の文書解析システム（、文書解析方法、文書解析プログラム）は、幅広い処理実現手法を用いることが出来るので、柔軟に設計することが出来る。
【0081】
（Ｄ）前後判定情報１０９の更新タイミング
上記の第１の実施形態の説明では、説明をわかりやすくするために、（図４の（１）に示すように、）種類判定部１０４が、ある文書１０１内のページ１０３の全てについて、当該ページ１０３が属する書類１０２の種類１０７の判定を全て済ませた後で、（図４の（２）に示すように、）前後判定情報更新部１０５が、当該ある文書１０１内のページ１０３の全てについて前後判定情報１０９を更新し、当該更新の全てが済んでから、（図４の（３）に示すように、）種類判定部１０４が、次の判定を行うかのように示している。
しかしながら、（図４の（１）に示される、）種類判定部１０４による、ひとつの文書１０１内のページ１０３の全てに対する判定処理の完了を待つことなく、（図４の（２）において、）前後判定情報更新部１０５は、更新後の前後判定情報１０９を決定可能となったページ１０３について、ページ特徴量ＤＢ２１２にて前後判定情報１０９を更新してよい。また、（図４の（２）に示される、）前後判定情報更新部１０５による、ひとつの文書１０１内の全てのページ１０３についての前後判定情報１０９の更新処理の完了を待つことなく、（図４の（３）において、）種類判定部１０４による判定処理を開始してもよい。
このように、種類判定部１０４と前後判定情報更新部１０５の間で処理時間のオーバーラップを行うことにより、本開示の文書解析システム（、文書解析方法、文書解析プログラム）は、処理時間を短縮することが出来る。
上記の第１の実施形態の説明では、説明をわかりやすくするために、（図４の（１）に示すように、）種類判定部１０４が、ある文書１０１内のページ１０３の全てについて、当該ページ１０３が属する書類１０２の種類１０７の判定を全て済ませた後で、（図４の（２）に示すように、）前後判定情報更新部１０５が、当該ある文書１０１内のページ１０３の全てについて前後判定情報１０９を更新し、当該更新の全てが済んでから、（図４の（３）に示すように、）種類判定部１０４が、次の判定を行うかのように示している。
しかしながら、（図４の（１）に示される、）種類判定部１０４による、ひとつの文書１０１内のページ１０３の全てに対する判定処理の完了を待つことなく、（図４の（２）において、）前後判定情報更新部１０５は、更新後の前後判定情報１０９を決定可能となったページ１０３について、ページ特徴量ＤＢ２１２にて前後判定情報１０９を更新してよい。また、（図４の（２）に示される、）前後判定情報更新部１０５による、ひとつの文書１０１内の全てのページ１０３についての前後判定情報１０９の更新処理の完了を待つことなく、（図４の（３）において、）種類判定部１０４による判定処理を開始してもよい。
このように、種類判定部１０４と前後判定情報更新部１０５の間で処理時間のオーバーラップを行うことにより、本開示の文書解析システム（、文書解析方法、文書解析プログラム）は、処理時間を短縮することが出来る。
【0082】
（Ｅ）前後判定情報１０９を設けないで判定情報記憶部２１３で代替
上記の各実施形態の説明では、ページ１０３の特徴量を示す情報１０６に前後判定情報１０９を含ませて、前後判定情報１０９を適宜更新することが示されている。
しかしながら、ページ１０３の特徴量を示す情報１０６に前後判定情報１０９の項目を設けないことが可能である。その場合は、種類判定部１０４への入力のうち、前後判定情報１０９に含まれていた情報は、判定情報記憶部２１３（ページ１次判定情報ＤＢ２１４、ページ２次判定情報ＤＢ２１５）から取得して、種類判定部１０４へ入力されることになる。
このように構成すれば、種類判定部１０４への情報の入力や、類似事例抽出部２５３による学習データのレコードの抽出において若干煩雑な処理を要する代わりに、前後判定情報１０９の記憶や更新に関わるコストを削減出来る。
上記の各実施形態の説明では、ページ１０３の特徴量を示す情報１０６に前後判定情報１０９を含ませて、前後判定情報１０９を適宜更新することが示されている。
しかしながら、ページ１０３の特徴量を示す情報１０６に前後判定情報１０９の項目を設けないことが可能である。その場合は、種類判定部１０４への入力のうち、前後判定情報１０９に含まれていた情報は、判定情報記憶部２１３（ページ１次判定情報ＤＢ２１４、ページ２次判定情報ＤＢ２１５）から取得して、種類判定部１０４へ入力されることになる。
このように構成すれば、種類判定部１０４への情報の入力や、類似事例抽出部２５３による学習データのレコードの抽出において若干煩雑な処理を要する代わりに、前後判定情報１０９の記憶や更新に関わるコストを削減出来る。
【0083】
（Ｆ）ループ処理
上記の第２の実施形態の説明では、図１１のステップ１１０２（Ｓ１１０２）からステップ１１０７（Ｓ１１０７）までを一つのループとして処理を行う旨を示している。
しかしながら、これに代えて、文書１０１内のページ１０３の全てについて、ステップ１１０２（Ｓ１１０２）と不整合検出処理を先に済ませた後、ステップ１１０３（Ｓ１１０３）からステップ１１０６（Ｓ１１０６）のループ処理で再学習処理を実行する態様でもよい。
このように、技術的に矛盾しない範囲内で、フローチャートを柔軟に定めることが出来る。
上記の第２の実施形態の説明では、図１１のステップ１１０２（Ｓ１１０２）からステップ１１０７（Ｓ１１０７）までを一つのループとして処理を行う旨を示している。
しかしながら、これに代えて、文書１０１内のページ１０３の全てについて、ステップ１１０２（Ｓ１１０２）と不整合検出処理を先に済ませた後、ステップ１１０３（Ｓ１１０３）からステップ１１０６（Ｓ１１０６）のループ処理で再学習処理を実行する態様でもよい。
このように、技術的に矛盾しない範囲内で、フローチャートを柔軟に定めることが出来る。
【0084】
（Ｇ）文書解析システムと端末
上記の各実施形態の説明では、図２のように、端末２０７と文書解析システム１００が相互通信可能に接続された上で、文書解析システム１００が文書１０１に対応する文書データの解析処理の実行や判定結果の出力・表示の制御を行うかのように示している。
しかしながら、文書１０１に対応する文書データの解析処理の実行や判定結果の出力・表示の制御の一部を端末２０７が行ってもよい。
また、文書解析システム１００を用いる者が直接操作する端末と文書解析システム１００を一体化してもよい。昨今のハードウェアの能力の高さを鑑みれば、単一のパーソナルコンピュータ、単一のスマートフォン、単一のタブレット等が文書解析システム１００の役割を果たしうる。その場合は、各種ＤＢについては、ネットワーク経由でリモート（クラウド）に存在するものにアクセスする態様でもよい。
以上のように、柔軟にシステム構成を定めることが出来る。
上記の各実施形態の説明では、図２のように、端末２０７と文書解析システム１００が相互通信可能に接続された上で、文書解析システム１００が文書１０１に対応する文書データの解析処理の実行や判定結果の出力・表示の制御を行うかのように示している。
しかしながら、文書１０１に対応する文書データの解析処理の実行や判定結果の出力・表示の制御の一部を端末２０７が行ってもよい。
また、文書解析システム１００を用いる者が直接操作する端末と文書解析システム１００を一体化してもよい。昨今のハードウェアの能力の高さを鑑みれば、単一のパーソナルコンピュータ、単一のスマートフォン、単一のタブレット等が文書解析システム１００の役割を果たしうる。その場合は、各種ＤＢについては、ネットワーク経由でリモート（クラウド）に存在するものにアクセスする態様でもよい。
以上のように、柔軟にシステム構成を定めることが出来る。
【0085】
５．実施形態や変形例の組み合わせ
上記で示した、本開示の実施形態や、実施形態の変形例のそれぞれに示される技術的事項は、技術的な矛盾が生じない限り、適宜組み合わせることが出来る。
上記で示した、本開示の実施形態や、実施形態の変形例のそれぞれに示される技術的事項は、技術的な矛盾が生じない限り、適宜組み合わせることが出来る。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】