排除基準，選択基準，運用基準の整理

ばれるようなもの）。このような場合，引き出し線によって結ばれた解説部分の中に，章節見 出しや本文が記述されていることが多い。

このような場合，章節構造を取り出すために［運用基準3］を適用し，フィギュア本体の中 にある文字列を，サンプルの範囲に含めることにする。すなわち，当該の文字列を［排除基準 3］の適用対象から外し，［選択基準1］および［選択基準2］の適用対象とするわけである。

これと同様のことが，［排除基準4］によってサンプルの範囲から排除される要素（分岐型 のフローチャートなど）についても言える。すなわち，そのような要素の中にある文字列が

「章節構造」を構成していると判断される場合は，［排除基準4］を適用せず，［運用基準3］ を適用する。すなわち，［選択基準1］および［選択基準2］の適用対象として，それらの文 字列をサンプルの範囲に含めることにする。

4.3.5 フィギュア本体に含まれる「注」「キャプション」

さらに，フィギュア本体の中にある文字列を「注」や「キャプション」と見なすことができる 場合がある。例えば，「吹き出し」に該当する形式のものが当該の紙面において「注」や「キャ プション」として機能している場合である。

本来，「吹き出し」は［排除基準3］によって排除される要素であるが，その紙面の中で「注」

や「キャプション」として機能していると判断された場合，［運用基準4］を適用し，当該の 文字列を「注」や「キャプション」として認定することにする。

同様に，分岐型のフローチャートなどの中にある文字列が「注」や「キャプション」として 機能していると判断できる場合は，［排除基準4］を適用せず，［運用基準4］を適用して，

それらの文字列をサンプルの範囲に含めることにする。

ただし，［運用基準4］を過度に適用すると，フィギュア本体に含まれる文字列をすべてサ ンプル範囲に残すことができるようになってしまい，本来の排除基準の意図が損なわれること になる。そこで，［運用基準4］は極力［運用基準1］と併用することにより，過度に適用さ れることのないようにする。

4.4. 排除基準，選択基準，運用基準の整理 35

表4.1: 排除基準によってサンプル範囲から排除される要素 排除される要素

［排除基準1］ 表紙，標題紙，目次，広告など

［排除基準2］ 柱，ノンブルなど

［排除基準3］ 写真，イラスト，図解など

［排除基準4］ 分岐型フローチャート，行列見出しを備える表など

［排除基準5］ 外国語，古典語，数式など

表4.2: 選択基準によってサンプル範囲内の要素として選択される要素 選択される要素

［選択基準1］ 本文

［選択基準2］ 章節見出し

［選択基準3］ 注

［選択基準4］ キャプション

表 4.3: 運用基準が適用される組み合わせ

［選択基準1］ ［選択基準2］ ［選択基準3］ ［選択基準4］

本文 章節見出し 注 キャプション

［排除基準2］ ［運用基準2］

柱，ノンブルなど

［排除基準3］ ［運用基準2］ 写真，イラスト， ［運用基準3］ ［運用基準3］

図解など ［運用基準4］ ［運用基準4］

［排除基準4］ ［運用基準2］

分岐型フローチャート， ［運用基準3］ ［運用基準3］

行列見出しを備えた表など ［運用基準4］ ［運用基準4］

［排除基準5］ ［運用基準2］

外国語，古典語，数式など

※ 運用基準が適用される場合，排除基準が適用されず，その要素はサンプル範囲から排除されない。

第Ⅱ部

収録テキストの抽出

39

第１章 収録するテキストの抽出基準とその手順

柏野和佳子・稲益佐知子・田中弥生・秋元祐哉 第Ⅰ部を受け，この第Ⅱ部では，書籍の場合を例にして，実際の紙面からどのように収 録テキストを抽出しているかを，サンプル作成の作業段階を追って，具体例とともに詳述 する。また，抽出過程の段階ごとに生じる作業上の問題を明らかにする。

1.1 サンプル作成の作業段階

第Ⅰ部に示した基準にのっとって，サンプル作成の作業は，おおよそ次のように，段階的に収録 テキストを絞り込んでいく手順で行う。詳細は第２章以下に順次述べる。

作業段階 1： サンプル抽出基準点を取得するページの指定 作業段階 2： サンプル範囲の指定

作業段階 3： 収録対象外要素の排除指定

作業段階 4： 収録対象要素の確定と入力順の指定