日本語の文章を英語に翻訳するためにツールとして、機械翻訳がかなりいいレベルまで来ているのは周知のとおりです。では、HTMLでタグ付けされたWebページの翻訳にも機械翻訳を使えるでしょうか？

HTMLファイル機械翻訳の課題

日本語HTMLファイルは大きくわけるとテキストコンテンツと画像やマークアップ（タグなど）から構成されます。

タグにはいろいろな種類があります^[注1]。メタ情報を表すタグ、見出し、段落、箇条書き、表などのブロックの区別を表すタグ、強調、アンダーライン、上付き・下付きなどテキストの意味合いを表すインラインタグ、リンクや画像を埋め込むタグ、などです。

WebページのレイアウトはCSSで指定します。このため多くのタグに、CSSによるレイアウトを制御するための属性が付加されます。また、HTMLファイル内にはブラウザで表示する際のダイナミックな動作を表現するためにJavaScriptが埋め込まれます。このためHTMLファイルは、コンテントのテキストと比べてかなり複雑になり、通常はマークアップ作業に多大な時間がかかります。

機械翻訳のシステムでHTMLファイルを日本語から英語に翻訳するとき、(1)テキストコンテンツの翻訳の品質に関わる課題と、(2)タグの扱いが適切かどうかという課題があります。

タグの扱いについての要件

ここでは、主にタグの取り扱いを考えてみます。まず、タグの扱いは基本的には次の条件を満たす必要があります。

１．タグ自体は翻訳せず、タグのツリー構造は保持されなければならない。つまりタグの順序が変更されないこと。開始タグと終了タグの対が保持されること。タグの親子関係（入れ子関係）が崩れないことなどが満たされること。
２．開始タグには属性と属性値が付随することがあります。属性は翻訳せず、属性値は多くの場合、翻訳しない方が望ましいが、翻訳してほしいこともある。

日本語のHTMLファイルを機械翻訳した結果、タグのツリー構造が壊れてしまったり、マークアップが不適切になってしまうと、機械翻訳の出力として得られたHTMLファイルのタグ付けを修正する作業が必要になります。もし、タグの構造が完全に破壊されてしまうと、プレーンテキストにゼロからタグ付け作業をする方が手間が少ないということになります。

特に、インラインタグは翻訳テキスト中に混在するのでタグのツリー構造を維持するのが難しい場合がありそうです。そこで機械翻訳システムがテキストコンテントとタグを分離してうまく扱えるかどうかは詳しく調べてみる必要があります。

機械翻訳のHTMLファイル形式サポート

機械翻訳システムによってはタグでマークアップしたテキストを翻訳対象にできないことがあります。ここで使用するDeepLは、Free版ではHTML形式ファイルを扱えません。一方、Pro版とAPI版がHTMLファイル形式を翻訳対象としてサポートしています。

・Which file formats can I translate?

DeepLによる日本語HTMLファイルの英語への翻訳例

そこで、今回、DeepLでHTMLを翻訳したときタグが正しく扱われるかを調べてみました。翻訳の対象としたのは、Formatter V7.4（開発中）の日本語HTMLマニュアル（XSL/CSS拡張）です。

Formatterのマニュアルは、日本語と英語版のWebヘルプとして作成されています。V7.3（現行バージョン）についてはこちらからご覧いただけます。現在、翻訳は社内の専門スタッフが行っており、機械翻訳は使っていません。
・Antenna House Formatter V7 日本語版マニュアル
・Antenna House Formatter V7 日本語版マニュアル・XSL/CSS拡張
・Antenna House Formatter V7 英語版マニュアル
・Antenna House Formatter V7 英語版マニュアル・XSL/CSS Extensions

DeepL翻訳結果・第一印象

日本語のHTMLをDeepLで英語に翻訳翻訳した結果はいちおうHTMLなのでブラウザで表示できます。最初に、翻訳元の日本語HTMLファイルと、DeepLで翻訳した英語HTMLファイルのブラウザ表示を比較してみます。

1）目次部分

翻訳元日本語目次（左）、翻訳結果の目次（右）

2）見出し、本文や表

見出し、本文（太字）、リンク、表

3）表と箇条書き

表と箇条書き

こうしてみますと、ブラウザで表示して比較できるレベルでタグが付いているようです。ただし、ブラウザはHTMLファイルのタグが正しくなくても表示できるように作られているので、ブラウザで表示できるからと言って、タグが完全に適切に付けられているとは言い切れません。

また、翻訳された内容を詳しく見ると、細かい点に問題が見つかります。

では、HTMLタグがどの程度まで適切に設定されているでしょうか？　これを確認するにはHTMLファイルのタグを詳細にチェックする作業が必要になります。そこで、次回は、DeepLのHTML翻訳結果のタグ付けについて詳細に検討してみることにします。

[注１]
HTMLのタグの種類やタグ付けの規則については次の標準仕様で規定されています。
HTML Living Standard

Tweet

1989年11月にベルリンの壁が崩壊してから既に34年近くなる。ベルリンの壁は東西冷戦の時代に東と西を分断する象徴だった。その壁が崩壊して東西の主に経済的な融合、グローバル化が急速に進展して世界が今のようになった。ベルリンの壁と聞いて、そういう歴史の経過を実感をもって思い浮かべることができる人は少数派かもしれない。

9月21日岸田首相が、ニューヨークで演説して、海外資産運用業の日本市場参入を呼び掛けたというニュースが流れた。これを伝える各社のニュースを読んで、日本国民のためを考えて、日本で株式などによる資産運用を増やすために、もっと他にやることがあるだろうと感じた。

ご承知のように株式による資産運用の方法を大きく分けるとインデックス投資と個別株投資がある。そして運用によって益を得る方法を大きく分けると売買による収益（キャピタルゲイン）と配当による収益（インカムゲイン）がある。インデックス投資は資産を少しずつ増やすには良いが配当収益にはあまり重きがない。それに対して個別株投資は銘柄選択が難しいが、配当収益を得られるというメリットが大きい。ざっくり考えると、例えば、年金生活者などにとっては個別株投資で得られる株式配当を生活費の足しにするというやり方があっているのではないだろうか。一旦買い取った株式を死ぬまで保有すると考えたら、評価額の上下に一喜一憂する必要もないのだから。

少しばかり前置きが長くなったが、このような観点で、日本株と米国株で、主に配当重視の個別株投資を行ってみた結果、米国株の方が日本株よりも遥かに株主にとって有利になっていると感じた。

例えば、次のような点である。
(1) 米国株は1株から買い付けできるが、日本株は原則100株からとなり投資単位が大きい。
(2) 米国株は四半期毎（3か月に1回）の配当が多いが、日本株は半期毎の配当が主であり小さな銘柄では１年一回の配当である。
(3) 配当の権利確定日から配当が支払われるまでの日数でみると米国株は概ね30日程度であるが、日本株は90日程度かかる。
(4) 日本株は3月決算が圧倒的に多数で、12月決算と合わせると決算期が集中しており、その結果、配当支払い月も集中している。しかし、米国株の配当支払い月はかなり分散しているようだ。そこで、米国株を組み合わせることで毎月のコンスタントな配当収入の流れを作れるだろう（2023/10/11追記）。

なぜ、そのようなことになっているのか？　これは恐らく日米の投資に関する規制の違いによるのではないかと思われる。これについては専門家の意見を聞いてみたいところだ。

昔、まだデジタルによる配信がなかった時代には、株式配当の受け取り用書類は郵便で送られてきたようだ。現代は株式の売り買いもネットでデジタルで行う時代である。ところが驚いたことに、日本株では株主総会招集通知はもとより、株式配当計算書が毎回郵便で送られてくる。株主総会は1年一回だが、株式配当計算書を毎回郵便で送付するのでは、株主数が増え、さらに配当回数が増えたらコストが膨大になることは容易に想像できる。また書面を作成して、印刷・送付するのに要する日数もかかる。株式配当計算や振込はコンピュータを使って実施すれば低コストで瞬時にできるはずである。ところが日本はいまだに書面なのである。

なぜ、デジタル化をさっさとやらないのか？　デジタル化すればコストをそれほど増やすことなく一株株主の獲得も可能だろう。

2023年度の決算から、上場企業については株主総会招集通知のWeb化が義務付けられるようだが、このように、従来書面で行っていた手続きを、デジタル化にするには法規制が大きな壁になっているようだ。

銀行などの案内を見ても、書面の手続きとデジタルの手続きの間の壁が非常に複雑で大きいということを感じる。

岸田首相は、ニューヨークで富裕層向けの演説をする前に、日本の市民株主がもっと手軽に株を売買し、配当所得を享受できるようにするべきではないだろうか？

そのためにはまず書面とデジタルの間にあるベルリンの壁をぶち壊すことだろう。

ちなみに、ベルリンの壁の建設を担当したのはホーネッカーとされている。ホーネッカーは1989年にベルリンの壁が崩壊するまで東ドイツの権力者としての地位にとどまった。ベルリンの壁は東ドイツの発展を妨げ、ホーネッカーにとっては自ら構築した壁によって権力が維持されたのである。翻って、日本の紙と電子の壁は誰によって作られ、誰のために存在するのだろうか？　

関連情報：DX時代に逆行する電子帳簿保存法は、そろそろ、いさぎよく廃止するべきではないでしょうか？　
前回：2024年１月からの電子取引データ保存方策検討：検索要件対応で選択肢を細分すると・・・

関連記事

Tweet

電子帳簿保存法第7条で義務付けられている電子取引データ保存の方策を続けて検討します。2024年1月から施行される財務省令（施行規則）で適法とされる保存方策を検索要件対応まで考慮して分けると次の図の１～４の４レベルになります。

背景を黄色で塗りつぶしたセルは2024年より変更（対象者拡大）になったもの。背景をうす緑色で塗りつぶしたセルは2024年より新規追加されたものです。

保存要件対応策については、本ブログで何回か検討してきました。これまでは、検索要件対応についてのレベルを分けずに、次の二つの対応策を検討しました。
A　規則第4条第一項の保存要件に対応して保存する。
B　電子取引データの保存要件に対応せず保存だけする。

参考）
電子取引データ保存の2つの方策を比較する（9月5日）
2024年1月からの電子取引データ保存義務化への対応方法（9月4日）

保存方策Aは検索要件への対応レベルを加味すると、図表の１～３に細分できることになります。

検索要件については前回のブログで説明しています。
電子取引データ保存要件の中で、複雑なパズル並みに理解し難いのが検索要件だ

イは、①取引年月日その他の日付、②取引金額、③取引先の3項目を検索の条件として適用できるように設定するという要件です。

検索項目の設定方法としては、ワークフローシステムから電子取引データを登録するときに、自動的に検索項目を設定するシステムを構築できれば工数がかかりません。しかし、そうではなく、電子取引データを人手で登録し、そのときに検索項目を設定することになると結構工数がかかり負担が大きくなります。

検索要件のロ、ハは検索を手作業で行うときは負担になるかもしれませんが、データ保存にデータベースシステムを使っている場合は負担にならないでしょう。つまり図表の「２ 検索要件イのみ対応」のメリットは大きくありません。

こうしてみると図表の「３ 検索要件に対応せず保存する」という方策は検索項目を設定する必要がなくなるので、手作業で登録する際のデータ保存コストが小さくなりメリットがあります。

検索要件に対応しなくても良いケースは、2024年1月からの施行規則で適用範囲が拡大されました。具体的にはつぎのようになっています。

(1) 基準期間の売上高が5000万円以下の事業者は、税務調査でのダウンロードの求めに応じる場合、検索項目の登録が不要です。（2023年12月までは同期間の売上高が1000万円以下）。
(2) 電子取引データを出力した書面を日付などで整理をしたうえで提示・提出する求めに応じ、かつ、電子取引データのダウンロードの求めに応じる場合は検索機能の確保の要件は不要になります。（2024年1月より新設）

(2)は売上高が多くても適用されます。書面に出力したものを整理しておく必要があるので電子取引データの件数が多いとコストが大きくなりますが、件数が少ないときは採用を検討する価値があります。

前回：電子取引データ保存要件の中で、複雑なパズル並みに理解し難いのが検索要件だ
次回：日本に残っている「紙と電子の間」のベルリンの壁を壊せ

関連記事

Tweet

電子帳簿保存法第7条の電子取引データ保存要件は全体として複雑ですが、特に分かりにくいのは、検索要件です。

検索要件の原則は登録された電子取引データから次の条件を指定して該当するものを探す（絞り込む）ことができるようにすることとされています。

イ　取引年月日その他の日付、取引金額及び取引先（ロ及びハにおいて「記録項目」という。）を検索の条件として設定することができること。
ロ　日付又は金額に係る記録項目については、その範囲を指定して条件を設定することができること。
ハ　二以上の任意の記録項目を組み合わせて条件を設定することができること。

イを実現するには、まず、それぞれの取引データに対して、①取引年月日その他の日付、②取引金額、③取引先を検索キーとして設定しておく必要があります。検索キーを設定しないで、全文検索で要件を満たすのはおそらくできないでしょうから、各取引データを保存するときに、検索キーの値を確定してその取引データに対応付けなければならないでしょう。

電子取引データの保存にデータベースシステムを使えば、検索キーを指定して入力する工数がかかりますが、ロ、ハの検索条件指定による絞り込み自体は簡単です。

ところが、国税庁の一問一答を見ると、なかなか面白いQ&Aがあります。

問16 妻と２人で事業を営んでいる個人事業主です。取引の相手方から電子メールにＰＤＦの請求書が添付されて送付されてきました。一般的なパソコンを使用しており、プリンタも持っていますが、特別な請求書等保存ソフトは使用していません。どのように保存しておけばよいですか。
【回答】
例えば、以下のような方法で保存すれば要件を満たしていることとなります。
１ 請求書データ（ＰＤＦ）のファイル名に、規則性をもって内容を表示する。
例） 2022年（令和４年）10月31日に株式会社国税商事から受領した110,000円の請求書
⇒「20221031_㈱国税商事_110000」
２ 「取引の相手先」や「各月」など任意のフォルダに格納して保存する。

ファイル名に検索キー3項目の値が設定されているので、ロ、ハの要件による絞り込みは実現可能なはずです。しかし、簡単ではないように思います。例えば、金額の範囲を指定して絞り込むことが簡単にできるのだろうか？　そもそも、「取引の相手先」や「各月」でフォルダを分けていれば、ファイル名に取引の相手先や日付を設定する必要はないと思うのだけどね。

なお、この回答の解説には次のような検索簿の例もあります。ファイル名がこの例のようについていれば、ファイル名から図のような検索簿を作り出すのは難しくないでしょうが、いかにも整理されていない質疑応答の印象があります。

(問16の解説にある図）

こういう質問が多くあったためか基準期間の売上高が少ない事業者は検索要件が免除されています。

（上記引用の続き）
※ 税務調査の際に、税務職員からダウンロードの求めがあった場合には、上記のデータについて提出してください。
※ 判定期間に係る基準期間（通常は２年前です。）の売上高が5,000 万円以下であり、上記のダウンロードの求めに応じることができるようにしている場合又は電磁的記録を出力した書面を取引年月日その他の日付及び取引先ごとに整理されたものを提示・提出できるようにしておき、上記のダウンロードの求めに応じるようにしている場合には、上記１の設定は不要です。
（注） 令和５年度の税制改正前（令和５年12 月31 日までに行う電子取引の取引情報）については、判定期間に係る基準期間の売上高が1,000 万円以下であり、上記のダウンロードの求めに応じることができるようにしている場合に限り、上記１の設定等による検索機能の確保が不要となります。

この文章は、「上記のデータを提出してください。」と言っている一方で、「上記１の設定は不要です」と言っています。設定不要なら当該データは存在しない。しかし、データが存在しなければ提出できない。そうすると二つ目の引用部分は論理的に破綻してしまいませんか？

この質問の回答からは、検索要件の確保が不要な事業者はデータをどのように整理して出せば良いのかが理解できません。この回答を読み解くのは、筆者にとってはパズルを解くより難しいです。

出典は『電子帳簿保存法一問一答【電子取引関係】』（令和５年６月国税庁）

前回：電子取引データ保存の2つの方策を比較する
次回：2024年１月からの電子取引データ保存方策検討：検索要件対応で選択肢を細分すると・・・

関連記事

Tweet

昨日は、「2024年1月からの電子取引データ保存義務化への対応方法」で、2024年1月から電子取引データ保存の方法として、次の2つの方法のどちらかを選択できると説明しました。

A　規則第4条第一項の保存要件に対応して保存する。
B　電子取引データの保存要件に対応せず保存だけする。

Aの場合には、電子取引データを書面とする必要がありませんが、Bの場合には税務調査で電子取引データを印刷したものを書面として提示・提出が求められます。

各保存義務者によって、取引件数、取引全体に占める電子取引の割合、社内のワークフローやシステムが異なるので、その実情を鑑みて、A、Bのどちらかを選択します。選択の指針はおおむね次のようになります。

Aを選択するのが良いケース

次のように業務処理の流れ（ワークフロー）が概ねデジタル化されている場合にAを選択すると良いでしょう。

• 電子取引データの件数が多く、保存（倉庫など）のスペースや作業効率からデジタル化が書面よりも有利である。
• 社内のワークフローのデジタル化が済んでおり、デジタル保存の仕組みも整っている。
• 外部との取引はすべて電子化されている。あるいはその大部分が電子化されており、近いうちにデジタルに統一される。

Bを選択するのが良いケース

逆に、次のようにワークフローが概ね書面ベースになっている場合にBを選択すると良いでしょう。

• 社内のワークフローが書面ベースになっている。つまり書面で社内手続き処理を進め、書面で保存するようになっている。
• 取引書類の過半数が書面であり、電子取引データの割合は少ない。取引書類はすべて書面に揃えて保存しておくほうが効率的であり、後で探しやすい。
• もともと書類の件数自体が少なく、電子取引データ保存要件を満たす仕組みを導入してもコスト面で引き合わない。

現在、社外との取引をすべて電子的手段で行っており、書面（紙）での取引データ交換はない、という会社はほとんどないでしょう。そうすると、書面と電子データ交換（EDI、ECストアあるいはe-メール）を併用しているはずです。

Aを選択した場合は、書面をスキャナーで電子化してワークフローに載せることになります。書面の取引書類は税法上の保存義務があるため、原則として原本の書面を廃棄できません。もし、廃棄したい場合は、電子帳簿保存法のスキャナ保存という制度を利用する必要があります。

前回：2024年1月からの電子取引データ保存義務化への対応方法
次回：電子取引データ保存要件の中で、複雑なパズル並みに理解し難いのが検索要件だ

関連記事

Tweet

電子帳簿保存法第7条で義務付けられている電子取引データのデジタル保存ですが、2023年12月で宥恕措置期間が終了し、2024年1月から必ずデジタル保存をしなければなりません。

この保存方法については、「電子計算機を使用して作成する国税関係帳簿書類の保存方法等の特例に関する法律施行規則」（以下、規則）の第4条で決まっています。第4条は2023年3月に改正されました。新しい規則は2024年1月から施行されます。

2024年1月からは、第4条の規定に従うと、保存義務者がデジタル保存を実施するときの方策は、次のＡ、Ｂのどちらかを選択することになります。

A　規則第4条第一項の保存要件に対応して保存する。

施行規則第4条第一項については、例えば、「電子取引の保存要件に対応するには」をご参照ください。
この場合、電子データを印刷した書面を保存する義務はありません。

アンテナハウスは、2022年1月から、『電子取引Save』を使用して、電子取引データを規則第4条第一項の保存要件に対応して保存しています。これを運用開始して1年8カ月経過しています。保存要件に対応するために必要な中で工数がかかるのは、検索要件を満たすことです。具体的には取引データを1件登録するごとに、検索用の項目（取引先名、取引金額、取引日付）を入力しなければなりません。これは入力作業に結構手間がかかる要因になっており、よい解決方法が望まれています。

今回、『電子取引Save V2』では、入力を効率化するための機能をいくつか追加しています。

Ｂ　電子取引データの保存要件に対応せず保存だけする。

2024年1月から規則に定められた保存要件は気にしないで、電子データ・ファイルをPCのフォルダなどに保存しておくことが選択できるようになります。

この場合でも税務調査で要求された電子データを提示・提出できることが必要です。そのためには、例えば、従業員各人のPCなどにばらばらに保存するのではなく、保存につかうと決めたPCに、会社全体のファイルを集中し、整理しておくのが良いでしょう。例えば会計年度別・業務別にフォルダを作成し、所定フォルダに分類しておくと見つけ易くなります。

さらに電子ファイルを保存しておく一方で、その内容を印刷した書面を整理した状態で提示・提出できるようにしておかなければなりません。書面の整理・保存はこれまで行っていた方法どおりと考えられますが、具体的には顧問税理士などに相談されると良いでしょう。

方法Bでは、検索要件に対応する必要がないので、保存作業の負荷は小さくなることが期待できます。

前回：電子商取引についての調査報告から電子取引データ保存を考えてみる
次回：電子取引データ保存の2つの方策を比較する

関連記事

Tweet