PDLデータの解析による多様な形式の文書からの情報抽出方式の検討

摘要

ここでは多様なファイル形式の文書から、もれなく内容情報を抽出可能な文書解析方式を提案する。この文書解析方式は、文書を疑似的に印刷処理してプリンタが解釈可能なPDLデータを作成し、この内容を解析する。 このPDLデータの解析処理では、PDL内部にあるテキストデータを抽出し、イメージデータやベクトルフォントデータを文字認識処理する。 これにより電子文書、画像、CAD図面等の多様な文書から情報抽出が可能となる。ここでは本方式のと評価結果について述べる。