ホーム > 特許ランキング > 株式会社みらいリレーションズ
特開2024-92667情報抽出方法、情報抽出プログラム、情報抽出システム、および表形式データの生成方法
(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】P2024092667
(43)【公開日】2024-07-08
(54)【発明の名称】情報抽出方法、情報抽出プログラム、情報抽出システム、および表形式データの生成方法
(51)【国際特許分類】
G06F 40/279 20200101AFI20240701BHJP
G06F 40/117 20200101ALI20240701BHJP
【ＦＩ】
G06F40/279
G06F40/117
【審査請求】未請求
【請求項の数】21
【出願形態】ＯＬ
(21)【出願番号】P 2022208770
(22)【出願日】2022-12-26
(71)【出願人】
【識別番号】522502314
【氏名又は名称】株式会社みらいリレーションズ
(74)【代理人】
【識別番号】110000408
【氏名又は名称】弁理士法人高橋・林アンドパートナーズ
(72)【発明者】
【氏名】齋藤 康平
【テーマコード（参考）】
5B091
5B109
【Ｆターム（参考）】
5B091AA15
5B109NH01
(57)【要約】
【課題】電子文書内に含まれる情報の中から必要な情報を簡単に抽出するできるようにすること。
【解決手段】情報抽出方法は、第１文書データに含まれるテキストデータに対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成し、前記表形式データのうち所定の条件を満たすテキストデータを抽出することを含む。上記情報抽出方法において、前記表形式データにおけるテキストデータの内容およびテキストデータの位置関係に基づいて前記表形式データの類型を特定し、前記表形式データの類型に基づいて、前記表形式データのうち前記所定の条件を満たすテキストデータを抽出することを含んでもよい。
【選択図】図２
【解決手段】情報抽出方法は、第１文書データに含まれるテキストデータに対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成し、前記表形式データのうち所定の条件を満たすテキストデータを抽出することを含む。上記情報抽出方法において、前記表形式データにおけるテキストデータの内容およびテキストデータの位置関係に基づいて前記表形式データの類型を特定し、前記表形式データの類型に基づいて、前記表形式データのうち前記所定の条件を満たすテキストデータを抽出することを含んでもよい。
【選択図】図２
【特許請求の範囲】
【請求項1】
第１文書データに含まれるテキストデータに対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成し、前記表形式データのうち所定の条件を満たすテキストデータを抽出することを含む、情報抽出方法。
【請求項2】
前記表形式データにおけるテキストデータの内容およびテキストデータの位置関係に基づいて前記表形式データの類型を特定し、
前記表形式データの類型に基づいて、前記表形式データのうち前記所定の条件を満たすテキストデータを抽出することを含む、
請求項１に記載の情報抽出方法。
前記表形式データの類型に基づいて、前記表形式データのうち前記所定の条件を満たすテキストデータを抽出することを含む、
請求項１に記載の情報抽出方法。
【請求項3】
前記所定の条件は、所望の電子データの入力フォーマットに入力可能な情報であることであり、
前記表形式データのうち前記所定の条件を満たす行列情報に対応づけられた少なくとも一つのテキストデータを抽出する、
請求項１に記載の情報抽出方法。
前記表形式データのうち前記所定の条件を満たす行列情報に対応づけられた少なくとも一つのテキストデータを抽出する、
請求項１に記載の情報抽出方法。
【請求項4】
前記テキストデータの各々に対して行列情報を付加して、前記表形式データを生成する、
請求項１に記載の情報抽出方法。
請求項１に記載の情報抽出方法。
【請求項5】
前記表形式データにおけるテキストデータの内容およびテキストデータの位置関係に基づいて前記表形式データの類型を特定するとき、あらかじめ記憶装置に格納された前記テキストデータの内容および前記テキストデータの位置関係に対応する情報を使用する、
請求項２に記載の情報抽出方法。
請求項２に記載の情報抽出方法。
【請求項6】
前記図形は、四角形であり、
前記図形座標データは、四角形の頂点の座標である、
請求項１に記載の情報抽出方法。
前記図形座標データは、四角形の頂点の座標である、
請求項１に記載の情報抽出方法。
【請求項7】
前記テキストデータは、複数のテキストデータを含み、
前記複数のテキストデータのうち、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとの関係に基づいて前記第１テキストデータおよび前記第２テキストデータとの位置を関連付ける、
請求項１に記載の情報抽出方法。
前記複数のテキストデータのうち、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとの関係に基づいて前記第１テキストデータおよび前記第２テキストデータとの位置を関連付ける、
請求項１に記載の情報抽出方法。
【請求項8】
前記テキストデータは、複数のテキストデータを含み、
前記複数のテキストデータのうち、同じ図形に配置される、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとを比較して、前記第１テキストデータおよび前記第２テキストデータの並び順および改行の有無の少なくともいずれかの情報を取得する、
請求項１に記載の情報抽出方法。
前記複数のテキストデータのうち、同じ図形に配置される、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとを比較して、前記第１テキストデータおよび前記第２テキストデータの並び順および改行の有無の少なくともいずれかの情報を取得する、
請求項１に記載の情報抽出方法。
【請求項9】
前記図形は、複数の図形を含み、
前記複数の図形において、第１図形と、第２図形とが、共通する共通座標を有し、前記共通座標が、第３図形の第１頂点の座標と、前記第１頂点に隣り合う第２頂点の座標との間にあるとき、
前記第３図形は、前記第１図形および前記第２図形を結合させた結合図形であると判定する、
請求項１に記載の情報抽出方法。
前記複数の図形において、第１図形と、第２図形とが、共通する共通座標を有し、前記共通座標が、第３図形の第１頂点の座標と、前記第１頂点に隣り合う第２頂点の座標との間にあるとき、
前記第３図形は、前記第１図形および前記第２図形を結合させた結合図形であると判定する、
請求項１に記載の情報抽出方法。
【請求項10】
前記表形式データを生成するときに、前記第３図形を前記第１図形と同じ長さを有する第４図形、および前記第２図形と同じ長さを有する第５図形に分割し、前記第３図形に含まれたテキストデータを、前記第４図形および前記第５図形のそれぞれに入力する、
請求項９に記載の情報抽出方法。
請求項９に記載の情報抽出方法。
【請求項11】
抽出された少なくとも一つのテキストデータを、前記第１文書データとは異なる第２文書データを生成するための入力フォーマットに入力することを、含む、
請求項１に記載の情報抽出方法。
請求項１に記載の情報抽出方法。
【請求項12】
抽出されたテキストデータに対して補正処理を行うことを、含む、
請求項１に記載の情報抽出方法。
請求項１に記載の情報抽出方法。
【請求項13】
請求項１乃至１２のいずれか一項に記載の情報抽出方法をコンピュータに実行させるための情報抽出プログラム。
【請求項14】
第１文書データに含まれるテキストデータの各々に対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成し、前記表形式データのうち所定の条件を満たすテキストデータを抽出する制御部を含む、
情報抽出システム。
情報抽出システム。
【請求項15】
第１文書データに含まれるテキストデータに対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成する、
表形式データの生成方法。
表形式データの生成方法。
【請求項16】
前記図形は、第１図形および第２図形を含み、
前記第１図形における第１頂点の座標と、前記第２図形のうち前記第１図形における前記第１頂点に対応する第２頂点の座標との差分が、所定の条件を満たすときに、前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とが近似すると判定し、
前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とを重畳させる、
請求項１５に記載の表形式データの生成方法。
前記第１図形における第１頂点の座標と、前記第２図形のうち前記第１図形における前記第１頂点に対応する第２頂点の座標との差分が、所定の条件を満たすときに、前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とが近似すると判定し、
前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とを重畳させる、
請求項１５に記載の表形式データの生成方法。
【請求項17】
前記所定の条件は、前記差分が前記テキストデータの高さを所定の値で割った値以下である、
請求項１６に記載の表形式データの生成方法。
請求項１６に記載の表形式データの生成方法。
【請求項18】
前記テキストデータは、複数のテキストデータを含み、
前記複数のテキストデータのうち、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとの関係に基づいて前記第１テキストデータおよび前記第２テキストデータとの位置を関連付ける、
請求項１５に記載の表形式データの生成方法。
前記複数のテキストデータのうち、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとの関係に基づいて前記第１テキストデータおよび前記第２テキストデータとの位置を関連付ける、
請求項１５に記載の表形式データの生成方法。
【請求項19】
前記テキストデータは、複数のテキストデータを含み、
前記複数のテキストデータのうち、同じ図形に配置される、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとを比較して、前記第１テキストデータおよび前記第２テキストデータの並び順および改行の有無の少なくともいずれかの情報を取得する、
請求項１５に記載の表形式データの生成方法。
前記複数のテキストデータのうち、同じ図形に配置される、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとを比較して、前記第１テキストデータおよび前記第２テキストデータの並び順および改行の有無の少なくともいずれかの情報を取得する、
請求項１５に記載の表形式データの生成方法。
【請求項20】
前記図形は、複数の図形を含み、
前記複数の図形において、第１図形と、第２図形とが、共通する共通座標を有し、前記共通座標が、第３図形の第１頂点の座標と、前記第１頂点に隣り合う第２頂点の座標との間にあるとき、
前記第３図形は、前記第１図形および前記第２図形を結合させた結合図形であると判定する、
請求項１５に記載の表形式データの生成方法。
前記複数の図形において、第１図形と、第２図形とが、共通する共通座標を有し、前記共通座標が、第３図形の第１頂点の座標と、前記第１頂点に隣り合う第２頂点の座標との間にあるとき、
前記第３図形は、前記第１図形および前記第２図形を結合させた結合図形であると判定する、
請求項１５に記載の表形式データの生成方法。
【請求項21】
前記表形式データを生成するときに、前記第３図形を前記第１図形と同じ長さを有する第４図形、および前記第２図形と同じ長さを有する第５図形に分割し、前記第３図形に含まれたテキストデータを、前記第４図形および前記第５図形のそれぞれに入力する、
請求項２０に記載の表形式データの生成方法。
請求項２０に記載の表形式データの生成方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報抽出方法、情報抽出プログラム、情報抽出システム、および表形式データの生成方法に関する。
【背景技術】
【0002】
企業では、日々の業務において、取引先や顧客から入手した情報を自社で使用するシステムに入力し、データ管理やデータ処理が行われている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２０－１５４９６２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
一方、取引先や顧客から取得する情報は、紙書類やＰＤＦ（Ｐｏｒｔａｂｌｅ Ｄｏｃｕｍｅｎｔ Ｆｏｒｍａｔ）などの電子書類など様々であり、自社で使用する別の入力フォームに対して、手入力を行わなければいけない手間が発生している。例えば、保険代理店では、現在の保険料から新たな保険に切り替えることにより、どの程度保険料が安くなることがわかるように、現在持っている見積書を用いて複数の保険会社のウェブサイトにアクセスして、見積書作成に必要な情報を入力する場合がある。この場合、特許文献１に示すように、紙書類であれば、一旦ＰＤＦデータに変換する必要があり、すでに存在する見積書が電子データとしてデータベースに格納されることはあったとしても、その電子データを用いてユーザが再度各種情報を自ら入力する必要がある。
【0005】
また、取引先または顧客から入手した書類またはデータで使われる用語は、自社で使用される用語と異なる場合があり、各社に応じて用語を調整しながら入力する必要がある。上述した処理は、複数の顧客に対して日々行われるものであり、入力作業を行うユーザ（事務員）にとって非常に手間がかかり、煩雑である。
【0006】
このような課題に鑑み、本発明の目的の一つは、電子文書内に含まれる情報の中から必要な情報を簡単に抽出することである。
【課題を解決するための手段】
【0007】
本発明の一実施形態によれば、第１文書データに含まれるテキストデータに対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成し、前記表形式データのうち所定の条件を満たすテキストデータを抽出することを含む、情報抽出方法が提供される。
【0008】
上記情報抽出方法において、前記表形式データにおけるテキストデータの内容およびテキストデータの位置関係に基づいて前記表形式データの類型を特定し、前記表形式データの類型に基づいて、前記表形式データのうち前記所定の条件を満たすテキストデータを抽出することを含んでもよい。
【0009】
上記情報抽出方法において、前記所定の条件は、所望の電子データの入力フォーマットに入力可能な情報であることであり、前記表形式データのうち前記所定の条件を満たす行列情報に対応づけられた少なくとも一つのテキストデータを抽出してもよい。
【0010】
上記情報抽出方法において、前記テキストデータの各々に対して行列情報を付加して、前記表形式データを生成してもよい。
【0011】
上記情報抽出方法において、前記表形式データにおけるテキストデータの内容およびテキストデータの位置関係に基づいて前記表形式データの類型を特定するとき、あらかじめ記憶装置に格納された前記テキストの内容および前記テキストの位置関係に対応する情報と比較してもよい。
【0012】
上記情報抽出方法において、前記図形は、四角形であり、前記図形座標データは、四角形の頂点の座標であってもよい。
【0013】
上記情報抽出方法において、前記テキストデータは、複数のテキストデータを含み、前記複数のテキストデータのうち、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとの関係に基づいて前記第１テキストデータおよび前記第２テキストデータとを関連付けてもよい。
【0014】
上記情報抽出方法において、前記テキストデータは、複数のテキストデータを含み、前記複数のテキストデータのうち、同じ図形に配置される、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとを比較して、前記第１テキストデータおよび前記第２テキストデータの並び順および改行の有無の少なくともいずれかの情報を取得してもよい。
【0015】
上記情報抽出方法において、前記図形は、複数の図形を含み、前記複数の図形において、第１図形と、第２図形とが、共通する共通座標を有し、前記共通座標が、第３図形の第１頂点の座標と、前記第１頂点に隣り合う第２頂点の座標との間にあるとき、前記第３図形は、前記第１図形および前記第２図形を結合させた結合図形であると判定してもよい。
【0016】
上記情報抽出方法において、前記表形式データを生成するときに、前記第３図形を前記第１図形と同じ長さを有する第４図形、および前記第２図形と同じ長さを有する第５図形に分割し、前記第３図形に含まれたテキストデータを、前記第４図形および前記第５図形のそれぞれに入力してもよい。
【0017】
上記情報抽出方法において、抽出された少なくとも一つのテキストデータを、前記第１文書データとは異なる第２文書データを生成するための入力フォーマットに入力することを、含んでもよい。
【0018】
上記情報抽出方法において、抽出されたテキストデータに対して補正処理を行うことを、含んでもよい。
【0019】
本発明の一実施形態によれば、上記情報抽出方法をコンピュータに実行させるためのプログラムが提供される。
【0020】
本発明の一実施形態によれば、第１文書データに含まれるテキストデータの各々に対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成し、前記表形式データのうち所定の条件を満たすテキストデータを抽出する制御部を含む、情報抽出システムが提供される。
【0021】
本発明の一実施形態によれば、第１文書データに含まれるテキストデータに対応するテキスト座標データ、および前記第１文書データにおいて前記テキストデータが配置される図形に対応する図形座標データに基づいて表形式データを生成する、表形式データの生成方法が提供される。
【0022】
上記表形式データの生成方法において、前記図形は、第１図形および第２図形を含み、
前記第１図形における第１頂点の座標と、前記第２図形のうち前記第１図形における前記第１頂点に対応する第２頂点の座標との差分が、所定の条件を満たすときに、前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とが近似すると判定し、前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とを重畳させてもよい。
前記第１図形における第１頂点の座標と、前記第２図形のうち前記第１図形における前記第１頂点に対応する第２頂点の座標との差分が、所定の条件を満たすときに、前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とが近似すると判定し、前記第１図形の前記第１頂点と前記第２図形の前記第２頂点とを重畳させてもよい。
【0023】
上記表形式データの生成方法において、前記所定の条件は、前記差分が前記テキストデータの高さを所定の値で割った値以下であってもよい。
【0024】
上記表形式データの生成方法において、前記テキストデータは、複数のテキストデータを含み、前記複数のテキストデータのうち、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとの関係に基づいて前記第１テキストデータおよび前記第２テキストデータとの位置を関連付けてもよい。
【0025】
上記表形式データの生成方法において、前記テキストデータは、複数のテキストデータを含み、前記複数のテキストデータのうち、同じ図形に配置される、第１テキストデータの第１テキスト座標データと、第２テキストデータの第２テキスト座標データとを比較して、前記第１テキストデータおよび前記第２テキストデータの並び順および改行の有無の少なくともいずれかの情報を取得してもよい。
【0026】
上記表形式データの生成方法において、前記図形は、複数の図形を含み、前記複数の図形において、第１図形と、第２図形とが、共通する共通座標を有し、前記共通座標が、第３図形の第１頂点の座標と、前記第１頂点に隣り合う第２頂点の座標との間にあるとき、前記第３図形は、前記第１図形および前記第２図形を結合させた結合図形であると判定してもよい。
【0027】
上記表形式データの生成方法において、前記表形式データを生成するときに、前記第３図形を前記第１図形と同じ長さを有する第４図形、および前記第２図形と同じ長さを有する第５図形に分割し、前記第３図形に含まれたテキストデータを、前記第４図形および前記第５図形のそれぞれに入力してもよい。
【発明の効果】
【0028】
本発明の一実施形態を用いることにより、電子文書内に含まれる情報の中から必要な情報を簡単に抽出することができる。
【図面の簡単な説明】
【0029】
【図1】本発明の一実施形態に係る情報抽出システムにおけるハードウェアの構成を示す図である。
【図2】本発明の一実施形態に係る情報抽出システムの各構成要素によって構成された機能ブロック図を示す。
【図3】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図4】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図5】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図6】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図7】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図8A】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図8B】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図9】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図10】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図11A】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図11B】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図12】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図13A】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図13B】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図14】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図15A】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図15B】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図16A】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図16B】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図16C】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図16D】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図17】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図18】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図19】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図20】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図21】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図22】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【図23】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図24】本発明の一実施形態に係る情報抽出方法のフロー図である。
【図25】本発明の一実施形態に係る情報抽出方法を説明するための模式図である。
【発明を実施するための形態】
【0030】
以下、本発明の実施の形態を、図面等を参照しながら説明する。但し、本発明は多くの異なる態様で実施することが可能であり、以下に例示する実施の形態の記載内容に限定して解釈されるものではない。図面は説明をより明確にするため、模式的に表される場合があるが、あくまで一例であって、本発明の解釈を限定するものではない。
【0031】
また、各要素に対する「第１」、「第２」と付記された文字は、各要素を区別するために用いられる便宜的な標識であり、特段の説明がない限りそれ以上の意味を有さない。なお、本実施形態で参照する図面において、同一部分または同様な機能を有する部分には同一の符号または類似の符号（数字にＡ，Ｂまたは１，２などを付しただけの符号）を付し、その繰り返しの説明は省略する場合がある。また、構成の一部が図面から省略される場合がある。その他、本発明の属する分野における通常に知識を有する者であれば認識できるものである場合、特段の説明を行わないものとする。
【0032】
＜第１実施形態＞
本発明の第１実施形態に係る情報抽出システムおよび情報抽出方法について、図面を参照しながら詳細に説明する。
本発明の第１実施形態に係る情報抽出システムおよび情報抽出方法について、図面を参照しながら詳細に説明する。
【0033】
（１－１．情報抽出システムのハードウェア構成）
図１に、情報抽出システム１のハードウェア構成を示す。図１に示すように、情報抽出システム１は、情報抽出サーバ１０、ユーザ通信端末３０を含む。情報抽出サーバ１０は、情報抽出用のデータベースおよびアプリケーションサーバとして機能する。ユーザ通信端末３０は、電子文書（この例では、見積書）の作成を行うユーザの端末である。本実施形態では、説明の便宜上、一つのユーザ通信端末３０を用いる場合を示すが、適宜複数のユーザ通信端末３０が用いられてもよい。
図１に、情報抽出システム１のハードウェア構成を示す。図１に示すように、情報抽出システム１は、情報抽出サーバ１０、ユーザ通信端末３０を含む。情報抽出サーバ１０は、情報抽出用のデータベースおよびアプリケーションサーバとして機能する。ユーザ通信端末３０は、電子文書（この例では、見積書）の作成を行うユーザの端末である。本実施形態では、説明の便宜上、一つのユーザ通信端末３０を用いる場合を示すが、適宜複数のユーザ通信端末３０が用いられてもよい。
【0034】
情報抽出システム１において、ユーザ通信端末３０は、ネットワークＮＷを介して情報抽出サーバ１０に情報（この例では見積情報）が記載されたＰＤＦデータを送信する。情報抽出サーバ１０は、ＰＤＦデータを読み取り、解析を行う。そして、解析結果から見積情報に含まれるテキストデータの中から必要な情報を抽出する。情報抽出サーバ１０は、抽出された情報を入力フォームに入力することにより、抽出された情報を含む新たな電子文書を生成することができる。
【0035】
情報抽出サーバ１０は、制御部１１、記憶部１２、通信部１３および表示部１４を有する。
【0036】
制御部１１は、コンピュータの一つであり、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、またはその他の演算処理回路を用いて、後述する情報抽出制御のソフトウェア（プログラム）に規定された命令に基づく処理を制御する。また、制御部１１からの命令によって、情報抽出制御プログラムを実行するためのユーザインターフェースが表示部１４に提供される場合がある。
【0037】
記憶部１２には、ＳＳＤ（ステップＳｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）の半導体メモリ等のほか、磁気記録媒体（磁気テープ、磁気ディスク等）、光記録媒体、光磁気記録媒体、記憶媒体である記憶可能な素子が用いられる。記憶部１２は、情報抽出制御用プログラムで用いられる情報抽出制御情報を記憶するデータベースとしての機能を有する。記憶部１２は、適宜情報抽出サーバ１０と異なるサーバに設けられ、データベースとして機能してもよい。
【0038】
通信部１３は、送受信機を有し、ネットワークＮＷを介して、ユーザ通信端末３０と情報抽出情報の通信を行う。通信部１３と、ユーザ通信端末３０との通信は、インターネット（具体的にはＳＳＬ／ＴＬＳまたはＶＰＮ）を用いてなされる。
【0039】
ユーザ通信端末３０は、表示部３１、制御部３２、記憶部３３、操作部３４および通信部３５を有する。ユーザ通信端末３０は、スマートフォン、携帯電話（フィーチャーフォン）、タブレット型端末、ノート型ＰＣ、デスクトップ型ＰＣ、ＩｏＴデバイス（電源機構、通信機能および情報記憶機構を備えた機器）などでもよく、ネットワークを通じて情報抽出サーバ１０と通信可能なものであれば適用可能である。
【0040】
表示部３１は、液晶ディスプレイまたは有機ＥＬディスプレイなどの表示デバイスであって、制御部３２から入力される信号により表示内容が制御される。
【0041】
制御部３２は、コンピュータの一つであり、ＣＰＵ、ＡＳＩＣ、ＦＰＧＡ、またはその他の演算処理回路を備える。制御部３２は、表示部３１および操作部３４の操作に基づいてメモリなどの記憶部３３に記憶されたプログラムを実行させ、情報抽出サーバ１０の記憶部１２に記憶された情報抽出制御処理プログラムに関連する処理の実行を指示する。
【0042】
操作部３４は、コントローラー、キーボード、ボタン、またはスイッチを含む。操作部３４は、上下左右への移動、押圧、または回転などの動作がなされることにより、その動作に基づく情報が制御部３２に送信される。なお、タッチセンサを有する表示装置（タッチパネル）であれば、表示部３１と操作部３４とが、同じ場所に配置されてもよい。
【0043】
通信部３５は、情報抽出サーバ１０と送受信する機能を有する。例えば、通信部３５には、ＬＡＮ送受信機（例えばＷｉ－Ｆｉ送受信機）が用いられる。なお、送受信機は、ＬＡＮ送受信機に限定されず、携帯端末用通信（例えばＬＴＥ通信）用の送受信機が設けられてもよいし、近距離無線通信用の送受信機が設けられてもよい。ユーザ通信端末３０は、ネットワークＮＷを介して情報抽出サーバ１０と接続される。
【0044】
（１－２．情報抽出制御部１００の構成）
図２は、情報抽出システム１の各構成要素によって構成された機能ブロック図である。
図２は、情報抽出システム１の各構成要素によって構成された機能ブロック図である。
【0045】
情報抽出システム１は、情報抽出機能を実現させるプログラム（情報抽出プログラム）を制御する情報抽出制御部１００を有する。情報抽出制御部１００は、取得部１１０、判定部１２０、生成部１３０、抽出部１４０、入力部１５０、送信部１６０を含む。
【0046】
取得部１１０は、、情報抽出制御処理における各取得処理を行う機能を有する。この例では、ユーザ通信端末３０から送信された見積情報を含むＰＤＦデータ、外部のウェブサイトに情報を入力するための情報、ＰＤＦデータから得られたテキストデータおよび図形データの座標データなどを取得する。取得した情報は、記憶部１２に設けられたデータベースに記憶される。
【0047】
判定部１２０は、情報抽出制御処理における各判定（設定）処理を行う機能を有する。この例では、判定部１２０は、取得したＰＤＦデータを判定し、テキストデータの読み取り方法を設定する機能、各座標データ間を比較する機能、表形式データの類型を特定する機能を有する。また、外部のウェブサイトに情報を入力するための情報から表形式データのうちどのデータを抽出するかを判定する機能を有する。
【0048】
生成部１３０は、テキストデータおよび図形データの座標データに基づいて表形式データを生成する機能を有する。
【0049】
抽出部１４０は、表形式データの中から、抽出対象のテキストデータを抽出する機能を有する。
【0050】
入力部１５０は、抽出されたテキストデータを、外部のウェブサイトの入力フォームに入力する機能を有する。
【0051】
送信部１６０は、生成された表形式データをユーザ通信端末３０に送信する機能を有する。
【0052】
（１－３．情報抽出制御処理）
次に、情報抽出制御部１００における情報抽出プログラムによる命令に基づいた情報抽出制御処理について説明する。図３は、情報抽出制御処理のフロー図である。図３に示すように、情報抽出制御処理は、第１情報抽出制御処理Ｓ１００、第２情報抽出制御処理Ｓ２００、第３情報抽出制御処理Ｓ３００、および第４情報抽出制御処理Ｓ４００を含む。
次に、情報抽出制御部１００における情報抽出プログラムによる命令に基づいた情報抽出制御処理について説明する。図３は、情報抽出制御処理のフロー図である。図３に示すように、情報抽出制御処理は、第１情報抽出制御処理Ｓ１００、第２情報抽出制御処理Ｓ２００、第３情報抽出制御処理Ｓ３００、および第４情報抽出制御処理Ｓ４００を含む。
【0053】
第１情報抽出制御処理Ｓ１００は、情報抽出対象となる電子文書（ＰＤＦデータ）の取得処理を含む。第２情報抽出制御処理Ｓ２００は、ＰＤＦデータから表形式データを生成する処理を含む。第３情報抽出制御処理Ｓ３００は、表形式データから必要なデータを抽出する処理を含む。第４情報抽出制御処理Ｓ４００は、入力フォーマットに抽出したデータを入力する処理を含む。それぞれの情報抽出制御処理を分けて説明する。
【0054】
（１－３－１．第１情報抽出制御処理Ｓ１００）
図４は、第１情報抽出制御処理Ｓ１００のフロー図である。図４において、まず、ユーザ通信端末３０と情報抽出サーバ１０との通信を行う。このとき、ユーザは、ユーザ通信端末３０の表示部３１に表示されたＷｅｂブラウザ３００上において情報抽出サーバ１０にログインする（ステップＳ１０１）。ログインする際には、ユーザＩＤを入力してもよい。ログインが完了した後、ユーザは、ＷＥＢブラウザ３００上のユーザインターフェースにおいて、ユーザ通信端末３０の記憶部３３に格納されている電子文書データ（ファイル）のうち情報抽出をしたい電子文書データ（この例ではＰＤＦデータ）を選択入力する（ステップＳ１０３）。このとき、処理実行などボタンのアイコンをクリックしてもよい。これにより、選択されたＰＤＦデータは、情報抽出サーバ１０に送信され（ステップＳ１０５）、情報抽出サーバ１０は、当該ＰＤＦデータを受信（取得）する（ステップＳ１０７）。取得されたＰＤＦデータは、記憶部１２のＰＤＦファイル用のデータベース（ＤＢ）１２ａに格納される。以上により、第１情報抽出制御処理Ｓ１００が終了となる。
図４は、第１情報抽出制御処理Ｓ１００のフロー図である。図４において、まず、ユーザ通信端末３０と情報抽出サーバ１０との通信を行う。このとき、ユーザは、ユーザ通信端末３０の表示部３１に表示されたＷｅｂブラウザ３００上において情報抽出サーバ１０にログインする（ステップＳ１０１）。ログインする際には、ユーザＩＤを入力してもよい。ログインが完了した後、ユーザは、ＷＥＢブラウザ３００上のユーザインターフェースにおいて、ユーザ通信端末３０の記憶部３３に格納されている電子文書データ（ファイル）のうち情報抽出をしたい電子文書データ（この例ではＰＤＦデータ）を選択入力する（ステップＳ１０３）。このとき、処理実行などボタンのアイコンをクリックしてもよい。これにより、選択されたＰＤＦデータは、情報抽出サーバ１０に送信され（ステップＳ１０５）、情報抽出サーバ１０は、当該ＰＤＦデータを受信（取得）する（ステップＳ１０７）。取得されたＰＤＦデータは、記憶部１２のＰＤＦファイル用のデータベース（ＤＢ）１２ａに格納される。以上により、第１情報抽出制御処理Ｓ１００が終了となる。
【0055】
（１－３－２．第２情報抽出制御処理）
図５は、第２情報抽出制御処理Ｓ２００のフロー図である。第２情報抽出制御処理Ｓ２００は、第１情報抽出制御処理Ｓ１００に続いて実行される。第２情報抽出制御処理Ｓ２００は、テキストデータおよび図形データの座標データ取得処理Ｓ２１０および表形式データの生成処理Ｓ２３０を含む。
図５は、第２情報抽出制御処理Ｓ２００のフロー図である。第２情報抽出制御処理Ｓ２００は、第１情報抽出制御処理Ｓ１００に続いて実行される。第２情報抽出制御処理Ｓ２００は、テキストデータおよび図形データの座標データ取得処理Ｓ２１０および表形式データの生成処理Ｓ２３０を含む。
【0056】
図６は、テキスト（テキストデータ）および図形（図形データ）の座標データ取得処理Ｓ２１０のフロー図である。図６において、まず、情報抽出サーバ１０は、取得したＰＤＦデータの読み取り処理を実行する（ステップＳ２１１）。このとき、情報抽出サーバ１０は、ＰＤＦデータの種類を分析する（ステップＳ２１３）。具体的には、ＰＤＦデータにおいてテキストが埋め込まれているか（認識できる）どうかを判定する。ＰＤＦデータにおいてテキストが埋め込まれている（テキストが画像処理されている）と判定した場合（ステップＳ２１３；Ｙｅｓ）、光学的文字認識（Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ／Ｒｅａｄｅｒ：ＯＣＲ）処理を実行し（ステップＳ２１４）、テキストを認識することができるようにする。
【0057】
ＰＤＦデータにおいてテキストが埋め込まれてない（テキストが画像処理されていない）と判定した場合（ステップＳ１１３；Ｎｏ）、情報抽出サーバ１０は、ＰＤＦデータからテキスト、およびＰＤＦデータに存在する図形を認識する（ステップＳ２１５）。この例では、図形は、罫線で囲まれている長方形（四角形）をいう。
【0058】
次に、情報抽出サーバ１０は、認識されたテキスト、および図形の座標データを取得する（ステップＳ２１７）。取得された座標データは、座標ＤＢ１２ｂに格納される。図７は、ＰＤＦデータに対して座標設定をするための模式図である。本実施形態では、ＰＤＦデータが一つのページからなる例を示す。図７に示すように、ＰＤＦデータにおいて、左上を原点（０，０）とし、Ｘ軸方向（第１方向ＤＲ１）、Ｙ軸方向（第２方向ＤＲ２）を設定する。これにより、ＰＤＦデータにおける各位置における座標を設定することができる。
【0059】
本実施形態において、ＰＤＦデータを見積書データファイルとしたとき、見積書データファイルにはテキストおよび図形が含まれる。図８Ａおよび図８Ｂは、図形およびテキストの座標の設定方法を示す模式図である。図８Ａに示すように、図形が長方形（四角形）の場合、長方形の各頂点の座標（「図形座標データ」ともいう）を取得する。具体的には、長方形における左上（Ｘ１，Ｙ１）、右上（Ｘ２，Ｙ１）、左下（Ｘ１，Ｙ２）、右下（Ｘ２、Ｙ２）の座標が取得される。例えば、これらの座標をまとめて［Ｘ１，Ｙ１，Ｘ２，Ｙ２］として取得してもよい。
【0060】
また、本実施形態では、図８Ｂに示すように、テキストにおいて一文字毎の座標を取得するとともに、あらかじめ設定された文字間隔を有する文字列を一つのテキストとして認識する。この場合、テキストの左上（ｘ３，ｙ３）、右上（ｘ４，ｙ３）、左下（ｘ３，ｙ４）、右下（ｘ４，ｙ４）の座標（「テキスト座標データ」ともいう）が取得される。テキストにおいても、これらの座標をまとめて［ｘ３，ｙ３，ｘ４，ｙ４］として取得してもよい。より具体的には、図８Ｂに示すように、テキスト「ゆるみ止め機能六角ナット」の座標は［１２２７．０３５８８００４３１４７２，１００７．１８７１７４７４５９５８４，１６０６．２６５４１６４０２０７２８，１０３９．６８８３４５５７０６１０６］となる。なお、１文字ごとにテキストとして認識してもよい。
【0061】
図９および図１０は、表形式データの生成処理Ｓ２３０のフロー図である。図９において、まず、情報抽出サーバ１０は、図形の重なりを評価判定する（ステップＳ２３１）。図１１Ａ，Ｂおよび図１２は、各図形の重なりを評価するための模式図である。図１１Ａには、６つの図形ＲｅｃｔＡ～Ｆが示される。このとき、各図形の重なり度合は、図形の座標を比較することにより行われる。具体的には、図形ＲｅｃｔＡの右上（ＡＸ２，ＡＹ１）と、図形ＲｅｃｔＣの左上［ＣＸ１，ＣＹ１］の座標が同一、図形ＲｅｃｔＡの左下（ＡＸ１，ＡＹ２）と、図形ＲｅｃｔＤの左上［ＤＸ１，ＤＹ１］の座標が同一、図形ＲｅｃｔＡの右下（ＡＸ２，ＡＹ２）と図形ＲｅｃｔＣの左下［ＣＸ１，ＣＹ２］、図形ＲｅｃｔＤの右上［ＤＸ２，ＤＹ１］の同一である場合、図１１Ｂに示すように、図形ＲｅｃｔＡ，Ｃ，Ｄが重なる部分を有すると判定される。その結果、図形ＲｅｃｔＡ，Ｃ，Ｄを結合させる（纏める）処理が行われる。同様に、図形ＲｅｃｔＢの右下（ＢＸ２，ＢＹ２）と、図形ＲｅｃｔＥの右上［ＥＸ２，ＥＹ１］の同一である場合、図１１Ｂに示すように、図形ＲｅｃｔＢ，Ｅが重なる部分を有すると判定される。その結果、図形ＲｅｃｔＢ，Ｅを結合させる（纏める）処理が行われる。
【0062】
なお、上記において、図形の一部同士が同一である例を示したが、本発明はこれに限定されない。図形の一部同士が近似であってもよい。図形の一部同士が近似する場合、２つの図形を結合（重ね）してもよい。図形の一部同士の近似は、以下のように定義する。図形Ａの座標［ＡＸ１，ＡＹ１，ＡＸ２，ＡＹ２］、四角Ｂの座標［ＢＸ１，ＢＹ１，ＢＸ２，ＢＹ２］、図形Ａに配置される文字ａの座標［ａｘ１，ａｙ１，ａｘ２，ａｙ２］，図形Ｂに配置される文字ｂの座標［ｂｘ１，ｂｙ１，ｂｙ２，ｂｙ２］とした場合、以下の数式
ＡＹ１＜ＢＹ１
且つ
（ＢＹ１－ＡＹ２） ＜ （ａｙ２－ａｙ１）÷５
を満たすときに、近似しているとみなす。つまり、このとき、図形Ａの左下の座標と、図形Ｂの左上での座標との間の隙間（ｙ軸方向の差分）がフォントサイズに応じたテキストの高さを所定の値で割った値以下であるときに、図形の一部同士が近似すると判定される。
ＡＹ１＜ＢＹ１
且つ
（ＢＹ１－ＡＹ２） ＜ （ａｙ２－ａｙ１）÷５
を満たすときに、近似しているとみなす。つまり、このとき、図形Ａの左下の座標と、図形Ｂの左上での座標との間の隙間（ｙ軸方向の差分）がフォントサイズに応じたテキストの高さを所定の値で割った値以下であるときに、図形の一部同士が近似すると判定される。
【0063】
さらに、図形ＲｅｃｔＡの右下（ＡＸ２，ＡＹ２）、図形ＲｅｃｔＣの左下［ＣＸ１，ＣＹ２］、図形ＲｅｃｔＤの右上［ＤＸ２，ＤＹ１］の座標と、図形ＲｅｃｔＢの左上（ＢＸ１，ＢＹ１）が同一であり、図形ＲｅｃｔＤの右下（ＤＸ２，ＤＹ２）と図形ＲｅｃｔＢの左下［ＢＸ１，ＢＹ２］の座標が同一であり、図形ＲｅｃｔＣの右下（ＣＸ２，ＣＹ２）と図形ＲｅｃｔＢの右上［ＢＸ２，ＢＹ１］の座標が同一である場合、図形ＲｅｃｔＢ，Ｃ，Ｄが重なる部分を有すると判定される。その結果、図１２に示すように、図形ＲｅｃｔＢと図形ＲｅｃｔＣ、図形ＲｅｃｔＢと図形ＲｅｃｔＤを結合させる（纏める）処理が行われる。これらの処理により、結果的には、５つの図形ＲｅｃｔＡ～Ｅが結合される。このように、同一の大きさを有する（表を構成するための）図形同士を纏めることによりテーブルの領域が特定される。
【0064】
次に、図形とテキストの座標を比較して、各テキストデータの位置を関連付ける（ステップＳ２３３）。図１３Ａおよび図１３Ｂは、図形とテキストの模式図を示す。図１３Ａに示すように、各テキストの座標と、各図形の座標が比較（突合）される。この例では、テキスト「車種」の座標は［ａｘ１，ａｙ１，ａｘ２，ａｙ２］である。テキスト「ＣＡＲ－Ａ」の座標は［ｂｘ１，ｂｙ１，ｂｘ２，ｂｙ２］である。テキスト「ナンバー」の座標は［ｃｘ１，ｃｙ１，ｃｘ２，ｃｙ２］である。テキスト「品川３３３は１２３４５」の座標は［ｄｘ１，ｄｙ１，ｄｘ２，ｄｙ２］である。テキスト「車両取得年月日」の座標は［ｅｘ１，ｅｙ１，ｅｘ２，ｅｙ２］である。テキスト「２０２２年２月２２日」の座標は［ｆｘ１，ｆｙ１，ｆｘ２，ｆｙ２］である。テキスト「事故履歴無し」の座標は［ｇｘ１，ｇｙ１，ｇｘ２，ｇｙ２］である。この場合、情報抽出サーバ１０は、テキスト「ナンバー」と図形ＲｅｃｔＡとの比較において、ｃｘ１＞ＡＸ１、ｃｘ２＜ＡＸ２、ｃｙ１＞ＡＹ１、ｃｙ２＜ＤＹ１（ＡＹ２）の関係を有すると判定する。このとき、情報抽出サーバ１０は、図１３Ｂに示すように、テキスト「ナンバー」を図形ＲｅｃｔＡに配置する（関連付ける）。同様の方法により、テキスト「品川３３３は１２３４５」は、図形ＲｅｃｔＣに配置される。テキスト「車種」は、図形ＲｅｃｔＤに配置される。テキスト「ＣＡＲ－Ａ」は、図形ＲｅｃｔＢに配置される。テキスト「車両取得年月日」、「２０２２年２月２２日」、「事故履歴無し」は、図形ＲｅｃｔＥに配置される。この処理により、各テキストがどの図形に含まれるか（配置される）が特定される。
【0065】
次に、同じ図形の中に複数のテキストが含まれているかどうかを判定する（ステップＳ２３５）。同じ図形の中に複数のテキストが含まれていると判定したとき、テキスト同士の位置を比較し、テキストの並び順や改行の有無を特定する（ステップＳ２３７）。図１４は、テキストの並び順や改行の有無の判定方法を示すルールデータボックスである。図１４に示すように、テキスト「車両取得年月日」の座標と、テキスト「２０２２年２月２２日」の座標を比較したとき、テキスト「車両取得年月日」のｙ座標の比率ｅｙ２／ｅｙ１と、テキスト「２０２２年２月２２日」のｙ座標の比率ｆｙ２／ｆｙ１が同一または近似であるとき、２つのテキストにおけるｙ軸の中心点が近い、すなわち同じ行に配置されると判定する。この場合の文字同士の「近似」とは、ｅｙ２／ｅｙ１とｆｙ２／ｆｙ１との差があらかじめ設定された範囲内（例えば－１以上＋１以下）にあることをいう。また、テキスト「車両取得年月日」のｘ座標ｅｘ２よりもテキスト「２０２２年２月２２日」のｘ座標ｆｘ１が大きいとき、テキスト「車両取得年月日」の右側にテキスト「２０２２年２月２２日」が配置されていると認識する。
【0066】
次に、テキスト「車両取得年月日」の座標［ｅｘ１，ｅｙ１，ｅｘ２，ｅｙ２］と、テキスト「事故履歴なし」の座標［ｇｘ１，ｇｙ１，ｇｘ２，ｇｙ２］を比較したとき、以下の数式
ｅｙ２／ｅｙ１ ＜ （ｇｙ２／ｇｙ１ － （ｇｙ２－ｇｙ１））
を満たすとき、テキスト「車両取得年月日」とテキスト「事故履歴なし」とが１文字分以上ｙ軸方向において離れていると判定する。その結果、情報抽出サーバ１０は、テキスト「車両取得年月日」とテキスト「事故履歴なし」との間に改行があると判定する。
ｅｙ２／ｅｙ１ ＜ （ｇｙ２／ｇｙ１ － （ｇｙ２－ｇｙ１））
を満たすとき、テキスト「車両取得年月日」とテキスト「事故履歴なし」とが１文字分以上ｙ軸方向において離れていると判定する。その結果、情報抽出サーバ１０は、テキスト「車両取得年月日」とテキスト「事故履歴なし」との間に改行があると判定する。
【0067】
次に、情報抽出サーバ１０は、図形同士の高さと横幅を比較し複数の図形にまたがる“結合セルデータ”を特定する（ステップＳ２３９）。図１５Ａは、図形の連結状態を評価する模式図である。図１５Ａに示すように、Ｘ座標（ＥＸ１、ＥＸ２）の間に図形ＲｅｃｔＤの右下頂点のＸ座標（ＤＸ２）（または図形ＲｅｃｔＢの左下頂点のＸ座標（ＢＸ１））という２つの図形で共通する座標（共通座標）がある。これにより、情報抽出サーバ１０は、図形ＲｅｃｔＥが２つの図形が連結したもの（結合図形）であると判定する。
【0068】
次に、情報抽出サーバ１０は、図形・テキスト同士の位置関係に基づき、行列のテーブルデータを生成する（ステップＳ２４１）。図１５Ｂは、テーブルデータである。図１５Ｂに示すように、行列のテーブルデータは、この例では、ＪＳＯＮ形式で構成され、
［ｔｅｘｔ：テキスト，ｒｅｃｔ：四角の座標，ｒｏｗ：行番号，ｃｏｌｕｍｎ：番号］
の順で構成される。これにより、各テキストデータに対して、行番号、列番号が付加され、テキストの位置関係が明確となる。
［ｔｅｘｔ：テキスト，ｒｅｃｔ：四角の座標，ｒｏｗ：行番号，ｃｏｌｕｍｎ：番号］
の順で構成される。これにより、各テキストデータに対して、行番号、列番号が付加され、テキストの位置関係が明確となる。
【0069】
次に、情報抽出サーバ１０は、図形に含まれないテキストデータがあるかどうかを判定する（ステップＳ２４３）。図形に含まれないテキストデータがあると判定したとき（ステップＳ２４３；Ｙｅｓ）、情報抽出サーバ１０は、図形に含まれないテキストデータ同士を比較する（ステップＳ２４５）。テキストデータ同士の比較には、ステップＳ２３７と同様の方法が用いられる。
【0070】
図１６Ａ～Ｄは、図形に含まれないテキストの判定方法を示すルールデータボックスである。図１６Ａに示すように、テキスト「〒」は、座標［ｈｘ１，ｈｙ１，ｈｘ２，ｈｙ２］を有する。テキスト「１５０－００００」は、座標［ｉｘ１，ｉｙ１，ｉｘ２，ｉｙ２］を有する。テキスト「東京都渋谷区ｘｘｘ０－０－０」は、座標［ｊｘ１，ｊｙ１，ｊｘ２，ｊｙ２］を有する。テキスト「株式会社ＭＭＭ」は、座標［ｋｘ１，ｋｙ１，ｋｘ２，ｋｙ２］を有する。
【0071】
ここで、情報抽出サーバ１０は、テキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」、テキスト「株式会社ＭＭＭ」を比較する。このとき、図１６Ｂに示すように、情報抽出サーバ１０は、ｙ座標において、
ｈｙ２／ｈｙ１ ≒ ｉｙ２／ｉｙ１≒ ｊｙ２／ｊｙ１
の関係を有すると判定する。この場合、テキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」のｙ軸の中心点が近い（又は同一である）と判定する。この結果、情報抽出サーバ１０は、テキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」が同じ行であると判定する。
ｈｙ２／ｈｙ１ ≒ ｉｙ２／ｉｙ１≒ ｊｙ２／ｊｙ１
の関係を有すると判定する。この場合、テキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」のｙ軸の中心点が近い（又は同一である）と判定する。この結果、情報抽出サーバ１０は、テキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」が同じ行であると判定する。
【0072】
また、情報抽出サーバ１０は、図１６Ｂに示すように、ｘ座標において、
ｈｘ２ ＜ｉｘ１＜ｉｘ２＜ｊｘ１
の関係を有すると判定する。このとき、情報抽出サーバ１０は、同一行にテキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」の順に並んでいると判定する。
ｈｘ２ ＜ｉｘ１＜ｉｘ２＜ｊｘ１
の関係を有すると判定する。このとき、情報抽出サーバ１０は、同一行にテキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」の順に並んでいると判定する。
【0073】
次に、情報抽出サーバ１０は、テキスト「〒」、「株式会社ＭＭＭ」を比較する。このとき情報抽出サーバ１０は、図１６Ｂに示すように、ｙ座標において、
ｈｙ２／ｈｙ１ ＜ （ｋｙ２／ｋｙ１ － （ｋｙ２－ｋｙ１））
の関係を有している判定する。このとき、情報抽出サーバ１０は、テキスト「〒」および「株式会社ＭＭＭ」はｙ軸方向において１文字以上離れていると判定する。その結果、情報抽出サーバ１０は、テキスト「〒」および「株式会社ＭＭＭ」は別の行であると判定する。
ｈｙ２／ｈｙ１ ＜ （ｋｙ２／ｋｙ１ － （ｋｙ２－ｋｙ１））
の関係を有している判定する。このとき、情報抽出サーバ１０は、テキスト「〒」および「株式会社ＭＭＭ」はｙ軸方向において１文字以上離れていると判定する。その結果、情報抽出サーバ１０は、テキスト「〒」および「株式会社ＭＭＭ」は別の行であると判定する。
【0074】
次に、情報抽出サーバ１０は、テキスト「〒」とテキスト「１５０－００００」を比較する。このとき、情報抽出サーバ１０は、図１６Ｃに示すように、ｘ座標において、
（ｉｘ１－ｈｘ２）＜（ｈｘ２－ｈｘ１）
の関係を有していると判定する。また、情報抽出サーバ１０は、（ｈｘ２－ｈｘ１）を一文字分の幅と判定するととともに、テキスト「〒」とテキスト「１５０－００００」が隣接すると判定する。これにより、情報抽出サーバ１０は、テキスト「〒」とテキスト「１５０－００００」を同一単語とみなして連結する。
（ｉｘ１－ｈｘ２）＜（ｈｘ２－ｈｘ１）
の関係を有していると判定する。また、情報抽出サーバ１０は、（ｈｘ２－ｈｘ１）を一文字分の幅と判定するととともに、テキスト「〒」とテキスト「１５０－００００」が隣接すると判定する。これにより、情報抽出サーバ１０は、テキスト「〒」とテキスト「１５０－００００」を同一単語とみなして連結する。
【0075】
次に、情報抽出サーバ１０は、テキスト「〒」、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」を比較する。このとき、情報抽出サーバ１０は、図１６Ｃに示すように、ｘ座標において、
（ｊｘ１－ｉｘ２） ＞ （ｈｘ２－ｈｘ１）
の関係を有していると判定する。このとき、情報抽出サーバ１０は、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」がｘ軸方向において１文字以上離れていると判定する。
（ｊｘ１－ｉｘ２） ＞ （ｈｘ２－ｈｘ１）
の関係を有していると判定する。このとき、情報抽出サーバ１０は、テキスト「１５０－００００」、テキスト「東京都渋谷区ｘｘｘ０－０－０」がｘ軸方向において１文字以上離れていると判定する。
【0076】
情報抽出サーバ１０は、テキスト同士の位置関係に基づき、テーブル以外データを生成する（ステップＳ２４７）。図１６Ｄは、テーブル以外データである。図１６Ｄに示すように、テーブルデータは、この例では、ＪＳＯＮ形式で構成される。このとき、テーブルデータの各テキストデータに対して行列情報が付与される。
【0077】
次に、情報抽出サーバ１０は、ステップＳ２４１で生成されたテーブルデータおよびステップＳ２４７で生成されたテーブル以外データの並び順を整える（ステップＳ２４９）。図１７は、テーブルデータおよびテーブル以外データの並び順に関するルールおよびデータである。情報抽出サーバ１０は、テーブル以外データのテキスト「株式会社ＭＭＭ」のｙ座標ｋｙ２と、テーブルデータの図形ｒｅｃｔＡのｙ座標ＡＹを比較する。このとき、情報抽出サーバ１０は、図１７に示すように、ｙ座標において、
ｋｙ２ ＜ ＡＹ１
の関係を有していると判定する。この関係に基づき、情報抽出サーバ１０は、テーブル以外データを「ｔａｂｌｅナンバー－１」、テーブルデータを「ｔａｂｌｅナンバー０」と設定する。
ｋｙ２ ＜ ＡＹ１
の関係を有していると判定する。この関係に基づき、情報抽出サーバ１０は、テーブル以外データを「ｔａｂｌｅナンバー－１」、テーブルデータを「ｔａｂｌｅナンバー０」と設定する。
【0078】
次に、情報抽出サーバ１０は、図形ＲｅｃｔＡ～Ｅのそれぞれの高さと横幅を比較し、複数の図形にまたがる（複数の図形を結合させた）“結合図形（結合セル）”および結合セルに配置される“結合セルテキスト”を特定する（ステップＳ２４９）。この例では、情報抽出サーバ１０は、図１３Ｂに示された図形の中から図形ＲｅｃｔＥを結合図形（結合セル）であると特定する。このとき、情報抽出サーバ１０は、結合セルである図形ＲｅｃｔＥを隣接する他のセルと長さに合わせるように分割する。具体的には、図１８に示すように、図形ＲｅｃｔＥは、ｘ軸方向において、図形ＲｅｃｔＤと、図形ＲｅｃｔＢの長さに合うように分割される（図形ＲｅｃｔＥ－１、図形ＲｅｃｔＥ－２が生成される）。
【0079】
次に、情報抽出サーバ１０は、結合セルに配置されていたテキストデータを横に分割された各図形に配置する（ステップＳ２５３）。この例では、情報抽出サーバ１０は、結合図形（結合セル）である図形ＲｅｃｔＥに配置されていたテキストデータ「Ｔｅｘｔ： 車両取得年月日：２０２２年２月２２日（改行）ｔｅｘｔ：事故履歴なし」を図形ＲｅｃｔＥ－１、図形ＲｅｃｔＥ－２に対して配置する。この結果、表形式データが生成される。
【0080】
次に、情報抽出サーバ１０は、表形式データを出力する（ステップＳ２５５）。図１９は、表形式データの出力例である。図１９に示すように、本実施形態では、表形式データはＣＳＶ形式で出力される。表形式データは、各テキストデータに対応する列情報（例えば、Ｃ１，Ｃ２）および行情報（例えば、Ｒ１，Ｒ２，Ｒ３）のような行列情報を含む。行列情報は、表形式データの各テキストに付加される。以上により、第２情報抽出制御処理Ｓ２００が終了する。
【0081】
（１－３－３．第３情報抽出制御処理）
図２０は、第３情報抽出制御処理Ｓ３００のフロー図である。第３情報抽出制御処理Ｓ３００は、第２情報抽出制御処理Ｓ２００に続いて実行される。図２０において、まず、情報抽出サーバ１０は、表形式のデータに含まれるテキストの内容（ルールベース）およびテキストの位置関係に基づき、どの会社の見積データであるか（表形式データの類型）を特定する（ステップＳ３０１）。この例では、表形式データに含まれる識別可能な特定の文字情報を抽出し、記憶部１２に設けられた辞書データベース（ＤＢ）１２ｃにあらかじめ格納され、規定されたルールベースに基づいて、表形式データ（読み取った文書データ）がどのの見積データであるかを特定する。
図２０は、第３情報抽出制御処理Ｓ３００のフロー図である。第３情報抽出制御処理Ｓ３００は、第２情報抽出制御処理Ｓ２００に続いて実行される。図２０において、まず、情報抽出サーバ１０は、表形式のデータに含まれるテキストの内容（ルールベース）およびテキストの位置関係に基づき、どの会社の見積データであるか（表形式データの類型）を特定する（ステップＳ３０１）。この例では、表形式データに含まれる識別可能な特定の文字情報を抽出し、記憶部１２に設けられた辞書データベース（ＤＢ）１２ｃにあらかじめ格納され、規定されたルールベースに基づいて、表形式データ（読み取った文書データ）がどのの見積データであるかを特定する。
【0082】
図２１は、辞書ＤＢ１２ｃに格納されたテキスト情報と、テキストの位置情報のデータセットの一例である。具体的には、図２１に示すように、表形式データに含まれるテキスト「ナンバー」と、あらかじめ辞書ＤＢ１２ｃに格納されたテキストデータの内容およびテキストデータの位置関係に対応する情報と対比し、どの見積書データであるかが特定される。より具体的には、表形式データに含まれる第１列Ｃ１，第１行Ｒ２に配置されるテキスト「ナンバー」の部分に対して、辞書ＤＢ１２ｃには、Ａ損保の場合「車体番号，（Ｃ１，Ｒ２）」、Ｂ損保の場合「ナンバー，（Ｃ１，Ｒ１）」、Ｃ損保の場合「ナ ン バ ー，（Ｃ１，Ｒ１）」、Ｄ損保の場合「ナンバー，（Ｃ１，Ｒ２）」と登録（記憶）されている。このとき、Ａ損保の「車体番号」はテキストの内容（言い回し）およびテキストの配置（表形式データにおける座標）が異なる。Ｃ損保の場合、テキスト内の文字の間隔（隙間）が異なり、テキストの配置が同一である。Ｄ損保の場合、テキストが同一であり、テキストの配置が異なる。そして、Ｂ損保の場合、テキストの内容およびテキストの配置完全に一致する。その結果、表形式データは、Ｂ損保の見積書データであることが特定される。
【0083】
一方、抽出した情報が複数の会社情報と一致する場合には、別の情報から判定してもよい。この場合、表形式データの中に含まれる別の情報「対人賠償」が抽出する場合、同様の判定処理が行われる。この場合、Ａ損保「相手への賠償」、Ｂ損保「対人賠償」、Ｃ損保「対 人 賠 償」、このとき、Ａ損保の「相手への賠償」は言い回しが異なる。Ｃ損保の「対 人 賠 償」の場合、文字間の隙間の間隔が異なる。そして、Ｂ損保の場合、完全に記載が一致する。その結果、表形式データは、Ｂ損保の見積書データであることが判定（特定）される。なお、表形式データを特定するときに、ユーザは表形式データがどの種類の見積書データであるかを入力してもよい。さらに、ＰＤＦデータ（見積書）内のその他の表記（例えば、「プラン名」の表記）に基づき判定してもよい。
【0084】
さらに、本実施形態の場合、表形式データにおける相対的な位置関係の情報を用いて見積情報を特定してもよい。例えば、表形式データにおいて、「ナンバー」は、第１列Ｃ１，第２行Ｒ２に配置されている。この位置情報に加えて、ナンバーが表示された行（第１行）の次の行（第３行）に「車種」が配置される。ナンバーが表示された列（第１列）の次の列（第２列）車両の実際の番号が配置される。これらの相対的な位置関係に基づいて、Ａ損保、Ｂ損保、Ｃ損保のうちいずれの損害保険会社の見積情報であるかを判定（特定）することができる。
【0085】
次に、上記判定処理Ｓ３０１に基づき、表形式データが辞書ＤＢ１２ｃに登録済みである場合（表形式データが辞書ＤＢ１２ｃに格納された情報により特定された場合）（ステップＳ３０３；Ｙｅｓ）、情報抽出サーバ１０は、表形式データの類型に基づいて、特定された表形式データのうち所定の条件を満たすテキストデータを抽出する。特定された表形式データの中から所望の電子データの入力フォーマットに入力可能な情報であるデータを抽出する。この例では、見積算出に必要なデータを抽出する（ステップＳ３０５）。図２２は、辞書ＤＢ１２ｃに格納された辞書データのうち見積算出に必要な項目を定義した抽出情報データセットである。この例では、抽出情報データセットは、ＪＳＯＮデータとして定義される。見積算出に必要なデータは、見積書入力フォーマットにおいてあらかじめ決められた入力可能な情報である。
【0086】
情報抽出サーバ１０は、特定された表形式データから抽出情報データの各々に対応するデータを抽出する。例えば、情報抽出サーバ１０は、図２２の抽出情報データセットのなかから、「ナンバー」に対応する情報を抽出する。このとき、図１９の表形式データにおいて「ナンバー」の次の列（第２列Ｃ２，第２行Ｒ２）に記載された「品川 ３３３ は １２３４５」が抽出される。情報抽出サーバ１０は、同様の処理を抽出情報データセットに含まれた各データに対して繰り返し実行する。
【0087】
一方、表形式データが辞書ＤＢ１２ｃに登録されていない場合（表形式データが辞書ＤＢ１２ｃに格納された情報により特定されない場合）（ステップＳ３０３；Ｙｅｓ）、情報抽出サーバ１０は、登録要求情報を生成し、ユーザ通信端末３０に送信する（ステップＳ３１１）。登録要求情報は、ユーザ通信端末３０の表示部３１に表示される（ステップＳ３１３）。登録要求情報に基づき、登録情報が入力される（登録指示情報を生成する）（ステップＳ３１３）。この例では、ユーザは、特定されていないＰＤＦデータ（例えば、Ｅ損保の見積書）に記載された情報をユーザ通信端末３０に入力する。登録指示情報および入力された情報は、情報抽出サーバ１０に送信される（ステップＳ３１７）。情報抽出サーバ１０は、入力された情報を辞書ＤＢ１２ｃに登録（格納）する（ステップＳ３１９）。登録された後、抽出処理が行われる（ステップＳ３０５）。これにより、特定されていないＰＤＦデータに対しても、特定されたＰＤＦデータと同様に、抽出処理を行うことができる。
【0088】
次に、情報抽出サーバ１０は、見積算出に必要な項目を定義した抽出情報データセットに、抽出したデータを付加する。また、情報抽出サーバ１０は、抽出したデータが付加された抽出情報データセットをユーザ通信端末３０（ブラウザ）にデータを送信する（ステップＳ３０７）。これにより、ユーザ通信端末３０において、抽出したデータが付加された抽出情報データセットを表示することができる。以上により、第３情報抽出制御処理Ｓ３００が終了となる。
【0089】
（１－３－４．第４情報抽出制御処理）
図２３は、第４情報抽出制御処理Ｓ４００のフロー図である。第４情報抽出制御処理Ｓ４００は、第３情報抽出制御処理Ｓ３００に続いて実行される。図２２において、まず、情報抽出サーバ１０は、でブラウザを起動する（ステップＳ４０１）。この例では、Ｓｅｌｅｎｉｕｍ（ブラウザをエミュレートするオープンソースのライブラリ）が用いられてもよい。
図２３は、第４情報抽出制御処理Ｓ４００のフロー図である。第４情報抽出制御処理Ｓ４００は、第３情報抽出制御処理Ｓ３００に続いて実行される。図２２において、まず、情報抽出サーバ１０は、でブラウザを起動する（ステップＳ４０１）。この例では、Ｓｅｌｅｎｉｕｍ（ブラウザをエミュレートするオープンソースのライブラリ）が用いられてもよい。
【0090】
次に、情報抽出サーバ１０は、記憶部１２に予め格納済みのＩＤ・パスワード情報を見積作成用のブラウザに入力し、ログインする（ステップＳ４０３）。
【0091】
次に、情報抽出サーバ１０は、新たな見積書（「第２文書データ」ともいう）作成（の対象とする会社の見積）用フォーム入力ページにおいて、ステップＳ３０５で抽出したデータを含む抽出情報データセットから対応する部分に適合するテキストデータを入力する（ステップＳ４０５）。
【0092】
次に、情報抽出サーバ１０は、上記のように入力したことにより生成された見積書情報を記憶部１２に保存・格納する（ステップＳ４０７）。このとき、情報抽出サーバ１０は、他のＰＤＦデータ（ファイル）があるかどうかを判定する（ステップＳ４０９）。他のＰＤＦデータがあるとき（ステップＳ４０９；Ｙｅｓ）、ステップＳ１００に戻る。他のＰＤＦデータがないとき（ステップＳ４０９；Ｎｏ）、第４情報抽出制御処理Ｓ４００が終了となる。
【0093】
本実施形態を用いることにより、ＰＤＦデータを読み取り、解析結果から見積情報に含まれるテキストデータのなかから必要な情報を簡単に抽出することができる。また、抽出された情報を入力フォームに入力することにより、複数の見積情報を含んだ文書データを容易に生成することができる。
【0094】
また、本実施形態を用いることにより、電子文書の形式によらずにデータを構造化することができる。その結果、必要な情報を容易に抽出することができる。また、それぞれの用語とその位置関係を簡単に関連付けることができる。また、この処理を行うことにより、開発コストも安くなる。
【0095】
また、本実施形態の場合、辞書ＤＢ１２ｃに格納されたデータを用いることにより、ＰＤＦデータのような電子文書に対して、教師データを用いた人工知能（ＡＩ）による学習プロセスがなくても文書の類型を判定することができる。
【0096】
なお、第４情報抽出制御処理Ｓ４００において、ブラウザを起動し、ログインして情報を入力する例を示したが、本発明はこれに限定されない。例えば、見積情報以外の情報では、所定のシステムに対して直接入力してもよい。
【0097】
＜第２実施形態＞
本実施形態では、表形式データのうち一部の情報をユーザにより補正する場合について説明する。なお、第１実施形態と同様の部分については、適宜説明を省略する。
本実施形態では、表形式データのうち一部の情報をユーザにより補正する場合について説明する。なお、第１実施形態と同様の部分については、適宜説明を省略する。
【0098】
図２４は、第３情報抽出制御処理のフロー図Ｓ３００Ａである。図２４に示すように、抽出したデータが付加された抽出情報データセットをユーザ通信端末３０（ブラウザ）に送信した後（ステップＳ３０７）、ユーザ通信端末３０の表示部３１に抽出情報データセットが表示される（ステップＳ３２１）。このとき、ユーザは、抽出情報データセットのうち、一部のテキストを補正（修正）ための入力処理を行うことができる（ステップＳ３２３）。例えば、抽出情報データセットの中で、誤った情報が抽出されている、又は一部の情報が抽出できず欠落している場合が挙げられる。このとき、補正された抽出情報データセットは、ユーザ通信端末３０の表示部３１に表示される（ステップＳ３２５）とともに、情報抽出サーバ１０に送信される（ステップＳ３２７）。情報抽出サーバ１０は、補正された抽出情報データセットを取得（格納）することができる（ステップＳ３２９）。
【0099】
本実施形態を用いることにより、抽出されなかった部分を次回の抽出処理の際に、もれなく抽出することができる。
【0100】
（変形例）
本発明の思想の範疇において、当業者であれば、各種の変更例および修正例に想到し得るものであり、それら変更例および修正例についても本発明の範囲に属するものと了解される。例えば、前述の各実施形態に対して、当業者が適宜、構成要素の追加、削除若しくは設計変更を行ったもの、各実施形態の組み合わせ、又は、処理の追加、省略若しくは条件変更を行ったものも、本発明の要旨を備えている限り、本発明の範囲に含まれる。
本発明の思想の範疇において、当業者であれば、各種の変更例および修正例に想到し得るものであり、それら変更例および修正例についても本発明の範囲に属するものと了解される。例えば、前述の各実施形態に対して、当業者が適宜、構成要素の追加、削除若しくは設計変更を行ったもの、各実施形態の組み合わせ、又は、処理の追加、省略若しくは条件変更を行ったものも、本発明の要旨を備えている限り、本発明の範囲に含まれる。
【0101】
本発明の第１実施形態では、ＰＤＦデータが一つのページからなる例を示したが、本発明はこれに限定されない。ＰＤＦデータが複数ページからなるときは、各ページにおいて、原点を設定してもよいし、１ページ目から連続するものとして座標を設定してもよい。
【0102】
本発明の第１実施形態では、見積書から情報を読み取る例を示したが、本発明はこれに限定されない。見積書以外にも、保険証券やその他の情報が記載された文書データであればよい。また、紙媒体の場合、光学的文字認識（ＯＣＲ）処理をかけてから本発明の一実施形態を用いて情報抽出を行ってもよい。
【0103】
本発明の第１実施形態では、図形として四角形を用いる例を示したが、本発明はこれに限定されない。図形には、三角形や五角形が用いられてもよい。また、図形には、円が用いられてもよい。円の場合、中心点の座標と、Ｘ軸方向及びＹ軸方向の点を取得してもよい。
【0104】
本発明の第１実施形態では、電子文書としてＰＤＦデータを用いる例を示したが、本発明はこれに限定されない。電子文書のファイル形式は、ＢＭＰ、ＪＰＥＧ、ＴＩＦＦ、ＰＮＧなどの画像形式であってもよい。また、Ｍｉｃｒｓｏｆｔ社のＷｏｒｄ形式、ＰＰＴ形式でもよいし、Ａｄｏｂｅ社のＡＩ形式などでもよい。
【0105】
本発明の第１実施形態では、図形に含まれないテキストデータに対する処理は、図形に含まれるテキストデータに対する処理の後で行われる例を示したが、本発明はこれに限定されない。図形に含まれるテキストデータと同じタイミングで行われてもよい。
【0106】
本発明の第１実施形態では、表形式データとして図形を含むデータが出力されたが、本発明はこれに限定されない。図２５は、表形式データの異なる表示例である。図２５に示すように、一つの行は、［ｘｘｘ］形で区切られ、各テキストは、コンマで区切られてもよい。
【0107】
本発明は、情報抽出サーバによって情報抽出制御処理がなされる例を示したが、本発明はこれに限定されない。情報抽出制御プログラムがユーザ通信端末３０の記憶部３３に格納される場合、ユーザ通信端末３０のみを用いて情報抽出制御処理が行われてもよい。
【0108】
本発明の一実施形態では、ＰＤＦデータがどの情報に特定されるか判定した後、見積書情報に必要な情報を抽出する例を示したが、本発明はこれに限定されない。ＰＤＦデータが辞書ＤＢ１２ｃに登録されたどのデータに適合するかを特定するのと同時に、抽出処理が行われてもよい。
【0109】
また、本発明の一実施形態において、抽出されたデータを含む抽出情報データセットに対して分析処理を行ってもよい。また、抽出情報データセットにおいて、一部欠落がある場合には、情報抽出サーバ１０は、ユーザ通信端末３０に警告情報を送信してもよい。
【0110】
本発明の第１実施形態では、電子文書として見積書の例を示したが、本発明は、これに限定されない。例えば、電子文書は、見積書以外にも、請求書、仕様書など、テキストまたは図形が含まれるものであれば、特に制限されない。
【符号の説明】
【0111】
１・・・情報抽出システム，１０・・・情報抽出サーバ，１０・・・適宜情報抽出サーバ，１１・・・制御部，１２・・・記憶部，１３・・・通信部，１４・・・表示部，３０・・・ユーザ通信端末，３１・・・表示部，３２・・・制御部，３３・・・記憶部，３４・・・操作部，３５・・・通信部，１００・・・情報抽出制御部，１１０・・・取得部，１２０・・・判定部，１３０・・・生成部，１４０・・・抽出部，１５０・・・入力部，１６０・・・送信部，３００・・・ブラウザ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8A】
【図8B】
【図9】
【図10】
【図11A】
【図11B】
【図12】
【図13A】
【図13B】
【図14】
【図15A】
【図15B】
【図16A】
【図16B】
【図16C】
【図16D】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
