JP2001283157A - 単語認識方法および単語認識プログラム - Google Patents

Abstract

(57)【要約】 【課題】単語の文字数が一定でない場合においても精度
良く単語認識が行える。 【解決手段】文字認識結果を用いた単語認識において、
認識すべき単語に対応した入力文字列を各文字ごとに認
識処理を行い、あらかじめ認識すべき単語の候補が格納
されている単語辞書内の各単語の各文字を条件として文
字認識結果として得られた特徴が出現する確率を求め、
この求めた確率を文字認識結果として得られた特徴が出
現する確率で除算し、単語辞書内の各単語の各文字に対
してそれぞれ求めた上記各除算結果を全ての文字につい
て乗算し、この乗算結果に基づき上記単語の認識結果を
得る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、たとえば、被読取
物上に記載された複数の文字からなる単語を光学的に読
取る光学的文字読取装置などにおいて単語認識を行う単
語認識方法、および、その単語認識処理を行わせるため
の単語認識プログラムに関する。

【０００２】

【従来の技術】一般に、たとえば、光学的文字読取装置
において、被読取物上に記載された文字を読取る場合、
個々の文字認識精度が低くても、単語の知識を用いるこ
とで精度良く読取ることができる。従来、その実施方法
として種々の方法が提案されている。

【０００３】たとえば、特開平１０−１７７６２４号公
報に開示されるものは、文字認識の結果として距離（そ
の値が小さいほど認識結果が信頼できるもの）を用い、
その距離の和をもって単語の評価値としている。

【０００４】また、たとえば、特開平８−１６７００８
号公報に開示されるものは、文字認識の段階で各文字の
候補を絞り、絞られた候補と各単語との照合を行い、一
致する文字数をもって単語の評価値としている。

【０００５】さらに、たとえば、電子通信学会論文誌Vo
l.52-C,No.6,June1969,P.305-312に開示されるものは、
単語の評価値として事後確率（ａ ｐｏｓｔｅｒｉｏｒ
ｉＰｒｏｂａｂｉｌｉｔｙ）を用いている。

【０００６】この事後確率について説明する。

【０００７】ある事象（ｂ）が起こる確率はＰ（ｂ）と
表現する。

【０００８】ある事象（ａ）の次にある事象（ｂ）が起
きる確率はＰ（ｂ｜ａ）と表現し、する。事象（ｂ）が
事象（ａ）に関係なく起きる場合は、Ｐ（ｂ｜ａ）はＰ
（ｂ）と同じである。これに対して事象（ａ）の次に事
象（ａ）の影響を受けて事象（ｂ）が起きる確率を事後
確率といいＰ（ｂ｜ａ）と表現する。

【０００９】しかしながら、従来の方法のいずれも、単
語の文字数が一定であるときにのみ意味のあるものであ
り、文字数が一定でない場合には用いることができない
か、用いても不具合が発生する。すなわち、特開平１０
−１７７６２４号公報に開示されるものは、文字数が少
ないほど評価値は小さくなるため、文字数の少ない単語
が選ばれやすくなっている。

【００１０】また、特開平８−１６７００８号公報、電
子通信学会論文誌に開示されるものは、文字数が一定で
あることが前提となっており、文字数が一定でないとき
には用いることができない。

【００１１】さらに、従来の単語認識の評価関数におい
ては、単語切出しの曖昧さ、文字接触、ノイズ混入、文
字切出しの曖昧さは考慮されていない。

【００１２】

【発明が解決しようとする課題】そこで、本発明は、単
語の文字数が一定でない場合においても精度良く単語認
識が行える単語認識方法および単語認識プログラムを提
供することを目的とする。

【００１３】また、本発明は、単語切出しが確実でない
場合にも精度良く単語認識が行える単語認識方法および
単語認識プログラムを提供することを目的とする。

【００１４】また、本発明は、文字接触やノイズ混入が
ある場合にも精度良く単語認識が行える単語認識方法お
よび単語認識プログラムを提供することを目的とする。

【００１５】さらに、本発明は、文字切出しが確実でな
い場合にも精度良く単語認識が行える単語認識方法およ
び単語認識プログラムを提供することを目的とする。

【００１６】

【課題を解決するための手段】本発明の単語認識方法
は、認識すべき単語に対応した入力文字列を各文字ごと
に認識処理を行うことにより文字認識結果を得る文字認
識処理ステップと、あらかじめ認識すべき単語の候補が
格納されている単語辞書内の各単語の各文字を条件とし
て上記文字認識処理ステップにより文字認識結果として
得られた特徴が出現する確率を求める確率算出ステップ
と、この確率算出ステップにより求めた確率と上記文字
認識処理ステップにより文字認識結果として得られた特
徴が出現する確率との間で所定の第１の演算を行う第１
の演算ステップと、上記単語辞書内の各単語の各文字に
対してそれぞれ求めた上記第１の演算による各演算結果
の間で所定の第２の演算を行う第２の演算ステップと、
この第２の演算ステップによる第２の演算の結果に基づ
き上記単語の認識結果を得る単語認識処理ステップとを
具備している。

【００１７】また、本発明の単語認識方法は、認識すべ
き単語に対応した入力文字列を各文字ごとに切出す切出
しステップと、この切出しステップによる文字切出しに
よって、文字間が接しているかあるいは文字間が離れて
いるかを考慮した複数種類の切出し結果を求めるステッ
プと、このステップにより求めた全ての切出し結果の各
文字に対してそれぞれ認識処理を行う文字認識処理ステ
ップと、あらかじめ認識すべき単語の候補が格納されて
いる単語辞書内の各単語の各文字を条件として上記文字
認識処理ステップにより文字認識結果として得られた特
徴が出現する確率を求める確率算出ステップと、この確
率算出ステップにより求めた確率と上記文字認識処理ス
テップにより文字認識結果として得られた特徴が出現す
る確率との間で所定の第１の演算を行う第１の演算ステ
ップと、上記単語辞書内の各単語の各文字に対してそれ
ぞれ求めた上記第１の演算による各演算結果の間で所定
の第２の演算を行う第２の演算ステップと、この第２の
演算ステップによる第２の演算の結果に基づき上記単語
の認識結果を得る単語認識処理ステップとを具備してい
る。

【００１８】また、本発明の記憶媒体は、コンピュータ
に単語認識処理を行わせるための単語認識プログラムを
記憶したコンピュータ読取可能な記憶媒体であって、上
記単語認識プログラムは、認識すべき単語に対応した入
力文字列を各文字ごとに認識処理を行う文字認識処理ス
テップと、あらかじめ認識すべき単語の候補が格納され
ている単語辞書内の各単語の各文字を条件として上記文
字認識処理ステップにより文字認識結果として得られた
特徴が出現する確率を求める確率算出ステップと、この
確率算出ステップにより求めた確率と上記文字認識処理
ステップにより文字認識結果として得られた特徴が出現
する確率との間で所定の第１の演算を行う第１の演算ス
テップと、上記単語辞書内の各単語の各文字に対してそ
れぞれ求めた上記第１の演算による各演算結果の間で所
定の第２の演算を行う第２の演算ステップと、この第２
の演算ステップによる第２の演算の結果に基づき上記単
語の認識結果を得る単語認識処理ステップとを有する。

【００１９】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して説明する。

【００２０】図１は、本発明の実施の形態に係る単語認
識方法を実現するための単語認識システムの構成を概略
的に示すものである。

【００２１】図１において、この単語認識システムは、
ＣＰＵ（セントラル・プロセッシング・ユニット）１、
入力装置２、画像入力手段としてのスキャナ３、表示装
置４、記憶手段としての第１メモリ５、記憶手段として
の第２メモリ６、および、読取装置７などによって構成
されている。

【００２２】ＣＰＵ１は、第２メモリ６に格納されたオ
ペレーティングシステムプログラム、および、第２メモ
リ６に格納されたアプリケーションプログラム（単語認
識プログラムなど）を実行することにより、後で詳細を
説明するような単語認識処理などを行うものである。

【００２３】入力装置２は、たとえば、キーボードやマ
ウスなどからなり、利用者が各種操作を行ったり、各種
データを入力するために使用される。

【００２４】スキャナ３は、被読取物上に記載された単
語の各文字を光学的な走査により読取って入力するもの
である。上記被読取物としてはたとえば宛名が記載され
ている郵便物Ｐであり、上記宛名の記載方法として、図
２に示すように、１番下の行から順にしかも右側から順
に郵便番号、州名、都市名、ストリート名、ストリート
番号の順に記載されるようになっている。

【００２５】表示装置４は、たとえば、ディスプレイ装
置やプリンタなどからなり、各種データを出力するもの
である。

【００２６】第１メモリ５は、たとえば、ＲＡＭ（ラン
ダム・アクセス・メモリ）により構成されていて、ＣＰ
Ｕ１の作業用メモリとして使用され、処理中の各種デー
タなどを一時記憶するものである。

【００２７】第２メモリ６は、たとえば、ハードディス
ク装置により構成されていて、ＣＰＵ１を動作させるた
めの各種プログラムなどを記憶するものである。第２メ
モリ６には、入力装置２、スキャナ３、表示装置４、第
１メモリ５、第２メモリ６、読取装置７などを動作させ
るためのオペレーティングシステムプログラム、単語認
識プログラムおよび単語を構成する文字の認識用の文字
辞書９、単語認識用の単語辞書１０、単語を構成する文
字の出現確率を記憶している確率テーブル１１などが記
憶されている。上記単語辞書１０としては、あらかじめ
認識すべき単語の候補が複数格納されているものであ
り、単語認識システムが設置されている地域たとえば州
における都市名が登録されている都市名辞書となってい
る。

【００２８】読取装置７は、たとえば、ＣＤ−ＲＯＭド
ライブ装置などからなり、記憶媒体としてのＣＤ−ＲＯ
Ｍ８に格納（記憶）されている単語認識プログラムおよ
び単語認識用の単語辞書１０などを読取るものである。
読取装置７により読取られた単語認識プログラム、文字
辞書９、単語辞書１０、確率テーブル１１は、第２メモ
リ６に格納（記憶）される。

【００２９】次に、単語認識方法の概略について、図３
に示すフローチャートを参照しつつ説明する。

【００３０】まず、スキャナ３により郵便物Ｐの画像を
取り込む（読取る）画像取り込み処理が行われる（ＳＴ
１）。この画像取り込み処理により取り込んだ画像によ
り宛名の記載されている領域を検出する領域検出処理が
行われる（ＳＴ２）。この領域検出処理により検出した
宛名の記載領域から都市名に対応する単語の１文字ずつ
の矩形領域の文字パターンを、垂直射影や水平射影を用
いて切出す切出し処理が行われる（ＳＴ３）。この切出
し処理により切出された単語の１文字ずつの文字パター
ンと文字辞書９に記憶されている文字パターンとを比較
して得られる類似度により文字の認識候補を得る文字認
識処理が行われる（ＳＴ４）。この文字認識処理により
得られる単語の１文字ずつの認識結果と単語辞書１０に
記憶されている都市名の各文字と確率テーブル１１とを
用いて、単語辞書１０の各都市名ごとの事後確率を算出
し、事後確率の一番大きなものを単語として認識する単
語認識処理が行われる（ＳＴ５）。上記各処理はＣＰＵ
１により制御されている。

【００３１】上記ステップ３により文字パターンの切出
し処理が行われる際に、１文字ずつの文字パターンと文
字パターンのすき間の大きさにより、単語の切れ目を判
断するものであっても良い。また、そのすき間の大きさ
により、文字の接触、文字の分離を判断するものであっ
ても良い。

【００３２】本発明の実施の形態に係る単語認識方法
は、このようなシステム構成において実現されるもので
あるが、まず概要について説明する。

【００３３】１．概要 たとえば、光学的文字読取装置による文字読取りを考え
る。文字認識の性能が高く、ほとんど読み間違えないの
ならば問題はないが、たとえば、手書文字の認識ではそ
こまでの性能を得るのが難しい。そこで、単語の知識を
用いることで認識精度を高める。具体的には、単語の辞
書の中から正しいと考えられる単語を選び出す。そのた
めに、各単語ごとに何らかの評価値を計算し、最も高い
（低い）評価値をとった単語を認識結果とすることにな
る。評価関数として、従来は前述したような各種のもの
が考えられているが、前述したような各種問題がある。

【００３４】そこで、本実施の形態では、評価関数とし
て前述した各種問題を考慮した事後確率を用いる。これ
により、文字数の違い、単語切出しの曖昧さ、文字接
触、ノイズ、文字分離までを全て確率の計算により１つ
の評価関数に自然に組込むことができる。

【００３５】次に、本発明で用いるベイズ推定（Ｂａｙ
ｅｓ Ｅｓｔｉｍａｔｉｏｎ）の一般論について説明す
る。

【００３６】２．ベイズ推定の一般論 入力パターン（入力文字列）をｘとする。認識処理と
は、ｘに対しある処理を行い、分類結果が得られるもの
である。これを分解して考えてみると、以下の２つのプ
ロセスに分けることができる。

【００３７】(1) ｘについて何らかの特徴量を得る特徴
抽出処理Ｒをかけることで、「特徴」ｒ（＝Ｒ（ｘ））
を得る。

【００３８】(2) 「特徴」ｒを見てそこに何らかの評価
法を用い、分類結果ｋi を得る。

【００３９】分類結果ｋi が「認識結果」である。単語
認識においては、「特徴」の１つとして文字認識の「認
識結果」が使われるので注意が必要である。今後、用語
としての「特徴」と「認識結果」を区別して用いる。

【００４０】ベイズ推定は、２番目のプロセスにおける
評価法として用いられる。事後確率Ｐ（ｋi ｜ｒ）が最
大となるカテゴリｋi を認識結果とする。事後確率Ｐ
（ｋi｜ｒ）を直接計算するのが困難、もしくは不可能
である場合、ベイズの定理、

【数１】

【００４１】を用いて間接的に計算する。分母のＰ
（ｒ）はｉによらない定数であるため、分子のＰ（ｒ｜
ｋi ）Ｐ（ｋi ）を計算することで、事後確率Ｐ（ｋi
｜ｒ）の大小を評価することができる。

【００４２】次に、以後の説明の理解を容易にするた
め、文字数が一定であった場合の単語認識におけるベイ
ズ推定について説明する。この場合のベイズ推定は、英
語などの、単語を分けて書く言語において有用である。

【００４３】３．文字数一定の場合のベイズ推定 ３．１．定式化 文字の切出し、単語の切出しが完全に成功しており、ま
た文字間のノイズの混入もなく、文字数が確定している
と仮定する。次のように定義する。

【００４４】

【数２】 このとき、ベイズ推定によって書かれている単語を推定
することを考える。

【００４５】

【数３】 Ｐ（ｒ｜ｋi ）は次のように表わされる。

【００４６】

【数４】

【００４７】Ｐ（ｋi ）は統計的に求まっているものと
する。たとえば、郵便物の宛名読取りの場合、宛先の統
計だけでなく、書状内での位置、行内での位置などに依
存することも考えられる。

【００４８】なお、Ｐ（ｒ｜ｋi ）は積で表わされてい
るが、これに限らず、たとえば、対数をとり、加算に変
換することも可能である。以下の説明においても同じこ
とが言える。

【００４９】３．２．実用に向けた近似 特徴ｒi として何を用いるかにより、認識の性能に大き
な違いがでる。

【００５０】３．２．１． １位候補を用いた場合 文字特徴ｒi として「１位候補の文字」を用いることを
考えてみる。次のように定義する。

【００５１】・文字集合Ｃ＝｛ｃi ｝ 例 ｃi ：数字、ｃi ：アルファベット大文字小文字な
ど ・文字特徴集合Ｅ＝｛ｅi ｝ ｅi ＝（１位候補がｃi ） ・ｒi ∈Ｅ たとえば、文字集合Ｃとして、「アルファベット大文字
小文字＋数字」を想定すると、特徴ｅi の種類も文字ｃ
i の種類もｎ（Ｃ）＝ｎ（Ｅ）＝６２通りであるため、
（ｅi ，ｃj ）の組合わせは「６２」の二乗通りであ
り、「６２」の二乗通りのＰ（ｅi ｜ｃj ）をあらかじ
め用意しておくことで、上記式（３）は計算される。具
体的には、たとえば、Ｐ（ｅi ｜″Ａ″）を求めるに
は、″Ａ″のサンプルをたくさん特徴抽出処理Ｒに流
し、各特徴ｅi の出現頻度を調べればよい。

【００５２】３．２．２．近似 ここで、次のような近似を用いることも考えられる。

【００５３】

【数５】

【００５４】

【数６】

【００５５】上記式（４）、式（５）は、どの文字ｃi
でも、１位候補がその文字自体になる確率は等しくｐで
あり、それ以外の文字になる確率は等しくｑである、と
いう近似である。このとき、 が成り立っている。

【００５６】この近似は、１位候補を並べた文字列を仮
の認識結果とし、その文字列と各ワードｗａが何文字一
致しているかを見るマッチングと対応している。ａの数
の文字が一致したとき(ａ個の文字が一致したとき))、

【数７】 と表わされ、簡便である。

【００５７】３．３．具体例 たとえば、図２に示すような、英語で書かれた郵便物Ｐ
の宛名読取りにおいて、都市名を読むことを考える。図
４は、上述した切出し処理により切出された都市名が書
かれていると考えられる部分に対応する文字パターンの
切出し処理結果であり、４つの文字であることが検出さ
れている。単語辞書１０としては文字数ごとの都市名
（単語）の候補が格納されており、たとえば、４つの文
字からなる都市名（単語）の候補が、図５により示され
ている。この場合、４つの文字数の都市名として、「Ｍ
ＡＩＲ」（ｋ１）、「ＳＯＲＤ」（ｋ２）、「ＡＢＬ
Ａ」（ｋ３）、「ＨＡＭＡ」（ｋ４）、「ＨＥＷＮ」
（ｋ５）の５つが格納されている。

【００５８】図４の各文字パターンに対して上述した文
字認識処理により文字認識を行う。この各文字パターン
ごとの文字認識結果を基に、図５の各都市名ごとの事後
確率を計算する。

【００５９】計算に用いる特徴（＝文字認識結果）は様
々であるが、ここでは１位候補の文字を用いた例を示
す。この場合、図４の各文字パターンに対して、文字認
識結果が左の文字から順に「Ｈ、Ａ、Ｉ、Ａ」となって
いる。実際に書かれている文字列が「ＭＡＩＲ」（ｋ
１）であったとき、図４の文字認識結果「Ｈ、Ａ、Ｉ、
Ａ」が生じる確率Ｐ（ｒ｜ｋ１ ）は、上記式（３）よ
り、

【数８】

【００６０】である。３．２．１節で述べたように、あ
らかじめ右辺の各項の値は求めておき、確率テーブル１
１として用意しておく。もしくは、３．２．２節で述べ
た近似を用いれば、たとえば、ｐ＝０．５、ｎ（Ｅ）＝
２６のときは、ｑ＝０．０２であるから、 Ｐ（ｒ｜ｋ1 ）＝ｑ・ｐ・ｐ・ｑ＝０．０００１ 式（９） が算出される。

【００６１】すなわち、実際に書かれている文字列が
「ＭＡＩＲ」（ｋ１）であったとき、図４の文字認識結
果「Ｈ、Ａ、Ｉ、Ａ」が生じる確率Ｐ（ｒ｜ｋ１ ）
は、「０．０００１」となる。

【００６２】同様にして Ｐ（ｒ｜ｋ2 ）＝ｑ・ｑ・ｑ・ｑ＝０．００００００１６ Ｐ（ｒ｜ｋ3 ）＝ｑ・ｑ・ｑ・ｐ＝０．０００００４ Ｐ（ｒ｜ｋ4 ）＝ｐ・ｐ・ｑ・ｐ＝０．００２５ Ｐ（ｒ｜ｋ5 ）＝ｐ・ｑ・ｑ・ｑ＝０．０００００４ 式（１０） すなわち、実際に書かれている文字列「ＳＯＲＤ」（ｋ
２）であったとき、図４の文字認識結果「Ｈ、Ａ、Ｉ、
Ａ」が生じる確率Ｐ（ｒ｜ｋ２ ）は、「０．００００
００１６」となる。

【００６３】実際に書かれている文字列「ＡＢＬＡ」
（ｋ３）であったとき、図４の文字認識結果「Ｈ、Ａ、
Ｉ、Ａ」が生じる確率Ｐ（ｒ｜ｋ３ ）は、「０．００
０００４」となる。

【００６４】実際に書かれている文字列「ＨＡＭＡ」
（ｋ４）であったとき、図４の文字認識結果「Ｈ、Ａ、
Ｉ、Ａ」が生じる確率（ｒ｜ｋ２ ）は、「０．０００
０００１６」となる。

【００６５】実際に書かれている文字列「ＨＥＷＮ」
（ｋ５）であったとき、図４の文字認識結果「Ｈ、Ａ、
Ｉ、Ａ」が生じる確率Ｐ（ｒ｜ｋ５ ）は、「０．００
０００４」となる。

【００６６】Ｐ（ｋ1 ）〜Ｐ（ｋ5 ）を等しいと見なせ
ば、上記式（２）より事後確率Ｐ（ｋi ｜ｒ）の大小は
Ｐ（ｒ｜ｋi ）と同じである。したがって、上記式
（９）、式（１０）の大小を比較すればよく、最も大き
いのはＰ（ｒ｜ｋ4 ）であるので、図２に書かれている
都市名は「ＨＡＭＡ」であると推定される。

【００６７】ここで、確率テーブル１１の説明をしてお
く。 図６は、３．２．２節で述べた近似を確率テーブルの形
で表したものである。文字種は、アルファベットの大文
字２６種であるとする。 縦軸が実際に書かれている文字であり、横軸がその文字
認識結果である。 例えば、確率テーブル１１において、縦軸の”Ｍ”と横
軸”Ｈ”の交点は、実際に書かれている文字が”Ｍ”で
あったときに文字認識結果が”Ｈ”となる確率Ｐ（”
Ｈ”｜”Ｍ”）である。 ３．２．２節の近似では、文字認識結果が実際に書かれ
ている文字自体になる確率を等しくｐとしているため、
確率テーブル１１の左上から右下にかけての対角線上は
全て等しくなる。図６では確率は０．５である。

【００６８】また、３．２．２節の近似では、文字認識
結果が実際に書かれている文字と異なる確率を等しくｑ
としているため、確率テーブル１１の左上から右下にか
けての対角線上以外の部分は、全て等しくなる。図６で
は確率は０．０２である。

【００６９】３．２．２節の近似を用いた結果、図４の
文字認識結果と図５の単語辞書１０の各都市名の間で一
致している文字数が多い都市名が選ばれることになって
いる。３．２．２節の近似を用いず、３．２．１節で述
べたように、あらかじめ各Ｐ（ｅi ｜ｃj ）を求めて、
それを計算に用いた場合、一致した文字数が多ければよ
いとは限らない。

【００７０】たとえば、上記式（８）の第１項は、
「Ｈ」と「Ｍ」は形状が似ていることから比較的大きい
値であり、

【数９】

【００７１】とする。また、第４項も同様であり、

【数１０】

【００７２】であるとする。確率テーブル１１は図７の
ようになる。他の文字に関しては、３．２．２節の近似
が成り立つとする。このとき、

【数１１】

【００７３】であり、Ｐ（ｒ｜ｋ1 ）が最も大きな値と
なり、図２の郵便物Ｐに書かれていると推定される都市
名は「ＭＡＩＲ」となる。

【００７４】次に、本発明の第１の実施の形態として
の、文字数が一定でない場合の単語認識におけるベイズ
推定について説明する。この場合のベイズ推定は、日本
語などの、単語を分けて書かない言語において有用であ
る。また、単語を分けて書く言語においても、単語辞書
に複数単語からなる文字列がある場合は有用である。

【００７５】４．文字数が一定でない場合のベイズ推定 実際には、複数単語の文字列がカテゴリに含まれる場合
（例：ＮＯＲＴＨ ＹＯＲＫ）もあるが、３節で述べた
方法では１単語の文字列と２単語の文字列での比較はで
きない。また、単語を分けて書かない言語（日本語な
ど）では文字数が一定とならず、３節の方法は使えな
い。そこで、本節では文字数が一定とは限らない場合に
対応した単語認識方法を説明する。

【００７６】４．１．定式化 入力パターンｘを、１単語ではなく、複数単語とし、３
節と同様にベイズ推定を行う。この場合、３節の定義を
次のように追加変更する。

【００７７】変更 ・入力パターンｘを複数単語とする。

【００７８】・Ｌ：入力パターンｘ内の全文字数 ・カテゴリ集合Ｋ＝｛ｋi ｝

【数１２】

【００７９】追加

【数１３】

【００８０】このとき、ベイズ推定を用いると、事後確
率Ｐ（ｋi ｜ｒ）は、上記式（２）と同じである。

【００８１】

【数１４】 Ｐ（ｒ｜ｋi ）は次のように表わされる。

【００８２】

【数１５】

【００８３】Ｐ（ｋi ）は、３節と同様に求まっている
ものとする。ｎ（Ｋ）は、３節よりも増えるため、単純
にはＰ（ｋi ）は３節よりも小さな値となることに注意
する。

【００８４】４．２．実用に向けた近似 ４．２．１．文字列のない部分に対する近似と文字数正
規化（Ｎｏｒｍａｌｉｚａｔｉｏｎ） 上記式（１３）の第１項を次のように近似する。

【００８５】

【数１６】 １行目の近似は、「入力パターンｘの全文字のうち文字
列ｗｂが当てはまっていない部分への、ｗｂによる影響
を無視する」というものである。２行目は、「各ｒk が
独立である」というものである。実際にはそうではな
く、粗い近似ではあるが、非常に有効である。

【００８６】同様に、上記式（１３）の第３項も近似す
ると、上記式（１３）は次のようになる。

【００８７】

【数１７】

【００８８】ここで、Ｐ（ｋi ｜ｒ）／Ｐ（ｋi ）とい
う値を考える。これは、ｋi である確率が、特徴ｒを知
ることでどれほど増減したかを示す値である。

【００８９】

【数１８】

【００９０】上記式（１６）の２行目の分母で用いてい
る近似は、上記式（１４）と同様である。

【００９１】この結果は非常に重要である。上記式（１
６）の右辺には、全文字のうち文字列ｗｂが当てはまっ
ていない部分に関する記述はない。すなわち、上記式
（１６）は、入力パターンｘが何であるかに無関係であ
る。このことから、文字列ｗｂの位置、長さは気にせず
に上記式（１６）を計算し、Ｐ（ｋi ）をかけること
で、Ｐ（ｋi ｜ｒ）を計算できることがわかる。

【００９２】上記式（１６）の分子を見ると、上記式
（３）、つまり文字数を一定とした場合のＰ（ｒ｜ｋi
）と同じ式になっている。これは、上記式（１６）は
分母によって文字数の正規化を行っているといえる。

【００９３】４．２．２． １位候補を用いた場合 ここで、特徴として３．２．１節のように「１位候補の
文字」を用いたとする。すると、Ｐ（ｒk ）の近似とし
て次のものが考えられる。

【００９４】

【数１９】

【００９５】実際には、各文字の生起確率を考慮する必
要があり、それを無視したものである。このとき、３．
２．２節の近似も用いて上記式（１６）を近似すると、
次の式となる。

【００９６】

【数２０】 ｎ（Ｅ）^Ljにより正規化がなされている。

【００９７】４．３．具体例 たとえば、郵便物の宛名読取りにおいて、都市名を読む
ことを考える。

【００９８】・単語を分けて書く言語（英語など）であ
り、複数単語の都市名が存在するとき ・単語を分けて書かない言語（日本語など）のとき 以上のとき、各候補の文字数は一定にはならない。例と
して、図８に示すような、英語で書かれた郵便物Ｐの宛
名読取りにおいて、都市名を読むことを考える。図９
は、上述した切出し処理により切出された都市名が書か
れていると考えられる部分に対応する文字パターンの切
出し処理結果であり、２文字単語の後、スペースが空い
て、その後に３文字の単語が存在することが検出されて
いる。単語辞書１０としては、図１０に示すように、図
９に当てはまる文字数、単語数を持つ都市名が全て格納
されている。この場合、都市名として、「ＣＯＨ」（ｋ
１）、「ＬＥ ＩＴＨ」（ｋ２）、「ＯＴＨ」（ｋ
３）、「ＳＫ」（ｋ４）、「ＳＴＬＩＮ」（ｋ５）の５
つが格納されている。

【００９９】図９の各文字パターンに対して上述した文
字認識処理により文字認識を行う。この各文字パターン
ごとの文字認識結果を基に、図１０の各都市名ごとの事
後確率を計算する。

【０１００】計算に用いる特徴（＝文字認識結果）は様
々であるが、ここでは１位候補の文字を用いた例を示
す。この場合、図９の各文字パターンに対して、文字認
識結果が左の文字から順に「Ｓ、Ｋ、Ｃ、Ｔ、Ｈ」とな
っている。文字認識結果が「Ｓ、Ｋ、Ｃ、Ｔ、Ｈ」であ
ったとき、実際には、右の３文字に「ＣＯＨ」が書かれ
ているという確率Ｐ（ｋi ｜ｒ）は、４．２．１節で述
べた近似を用いると、上記式（１６）により、

【数２１】

【０１０１】から計算できる。さらに、３．２．２節、
４．２．２節で述べた近似を用いれば、たとえば、ｐ＝
０．５、ｎ（Ｅ）＝２６のときは、ｑ＝０．０２である
から、

【数２２】

【０１０２】同様にして

【数２３】

【０１０３】ただし、ｋ3 は右３文字が「ＯＴＨ」であ
り、ｋ4 は左２文字が「ＳＫ」であるとしたものであ
る。

【０１０４】Ｐ（ｋ1 ）〜Ｐ（ｋ5 ）を等しいと見なせ
ば、事後確率Ｐ（ｋi ｜ｒ）の大小は上記式（２０）、
式（２１）の大小を比較すればよく、最も大きいのはＰ
（ｋ4 ｜ｒ）であるので、図８に書かれている都市名は
「ＳＫ」であると推定される。

【０１０５】３．２．２節の近似を用いず、３．２．１
節で述べたように、あらかじめ各Ｐ（ｅi ｜ｃj ）を求
めて、それを計算に用いた場合の例もあげておく。

【０１０６】「Ｃ」と「Ｌ」、「Ｔ」と「Ｉ」、「Ｈ」
と「Ｎ」の形状が似ていることから、

【数２４】

【０１０７】であるとし、他の文字に関しては、３．
２．２節の近似が成り立つとする。確率テーブル１１は
図１１のようになる。このとき、

【数２５】

【０１０８】であり、Ｐ（ｋ5 ｜ｒ）／Ｐ（ｋ5 ）が最
も大きな値となり、図８に書かれていると推定される都
市名は「ＳＴ ＬＩＮ」となる。

【０１０９】このように、第１の実施の形態では、認識
すべき単語に対応した入力文字列を各文字ごとに認識処
理を行い、あらかじめ認識すべき単語の候補が格納され
ている単語辞書内の各単語の各文字を条件として文字認
識結果として得られた特徴が出現する確率を求め、この
求めた確率を文字認識結果として得られた特徴が出現す
る確率で除算し、単語辞書内の各単語の各文字に対して
それぞれ求めた上記各除算結果を全ての文字について乗
算し、この乗算結果に基づき上記単語の認識結果を得る
ものである。

【０１１０】すなわち、文字認識結果を用いた単語認識
において、単語の文字数が一定とは限らない場合にも用
いることのできる、事後確率を基にした評価関数を用い
ることにより、単語の文字数が一定でない場合において
も精度良く単語認識が行える。

【０１１１】次に、本発明の第２の実施の形態として
の、単語切出しが曖昧であるとき、その曖昧さまで事後
確率の計算に含めたベイズ推定について説明する。この
場合のベイズ推定は、単語切れ目の誤検出が無視できな
いときに有用となる。

【０１１２】５．単語切出しの統合 単語を分けて書く言語（英語など）においては、４節ま
でで述べた方法では、単語が必ず正しく切出されている
という前提があり、これが満たされず文字数に変化があ
ると対応できない。そこで、本節では、単語切出しの結
果を絶対とせず、確率として扱うことで、単語切出しの
曖昧さを単語認識におけるベイズ推定に統合する。４節
との大きな違いは、単語切出しの結果として得られる文
字間の特徴を考慮していることである。

【０１１３】５．１．定式化 ここでも文字の切出しは完全に成功しており、ノイズの
混入もないとする。４節の定義を基に次のように追加変
更する。

【０１１４】変更 ・入力パターンｘを行とする。

【０１１５】・Ｌ：入力行ｘ内の全文字数 ・カテゴリ集合Ｋ＝｛ｋi ｝

【数２６】

【０１１６】追加

【数２７】

【０１１７】変更 ・特徴ｒ＝（ｒc ，ｒs ） ｒc ：文字特徴、ｒs ：文字間特徴 追加

【数２８】 このとき、事後確率Ｐ（ｋi ｜ｒ）は以下の式で表わさ
れる。

【０１１８】

【数２９】

【０１１９】ここで、Ｐ（ｒs ｜ｋi ）とＰ（ｒc ｜ｋ
i ）が独立であると仮定すると（これは文字特徴抽出と
文字間特徴抽出が独立であることを意味する）、Ｐ（ｒ
c ｜ｒs ，ｋi ）＝Ｐ（ｒc ｜ｋi ）であるから、上記
式（２３）は以下のようになる。

【０１２０】

【数３０】 Ｐ（ｒc ｜ｋi ）は、上記式（１３）とほぼ同様であ
る。

【０１２１】

【数３１】 Ｐ（ｒs ｜ｋi ）は次のように表わされる。

【０１２２】

【数３２】

【０１２３】Ｐ（ｋi ）は、４節までと同様に求まって
いるものとする。ただし、一般にｎ（Ｋ）は４節のとき
よりも大幅に増えることに注意する。

【０１２４】５．２．実用に向けた近似 ５．２．１．文字列のない部分に対する近似と文字数正
規化 ４．２．１節と同様の近似を上記式（２５）に用いると
次のようになる。

【０１２５】

【数３３】 同様に、上記式（２６）は次のように近似される。

【０１２６】

【数３４】

【０１２７】４．２．１節と同様、Ｐ（ｋi ｜ｒ）／Ｐ
（ｋi ）という値を考えると、以下のように変形され
る。

【０１２８】

【数３５】

【０１２９】上記式（２９）の１行目は、上記式（２
４）による。２行目は、

【数３６】

【０１３０】という近似を用いている。上記式（２９）
は、「ｋi である確率の、『特徴』を知ることによる変
化」はｒc とｒs で独立に扱えることを示している。以
下にそれぞれを計算する。

【０１３１】

【数３７】

【０１３２】

【数３８】

【０１３３】上記式（３０）、式（３１）の２行目の分
母で用いている近似は、上記式（１４）と同様である。
なお、式（３１）の３行目において、ｒs0，ｒsLは必ず
行先頭、最後尾《次節５．２．２の例ではｄ3 》である
ので、Ｐ（ｒs0）＝Ｐ（ｒsL）＝１である。

【０１３４】以上より、

【数３９】

【０１３５】上記式（１６）と同様、上記式（３２）も
文字列ｗｃの当てはまらない部分に関する記述はない。
すなわち、この場合も「分母による正規化」の考え方が
できる。

【０１３６】５．２．２．文字間特徴ｒs の一例 例として次のように定義する。

【０１３７】・文字間特徴集合Ｄ＝｛ｄ0 ，ｄ1 ，ｄ2
（，ｄ3 ）｝ ｄ0 ：文字間が広い ｄ1 ：文字間が狭い ｄ2 ：接触している （ｄ3 ：行の先頭または最後尾であり、必ず単語切れ目
である） ・ｒs ∈Ｄ このとき、

【数４０】

【０１３８】をあらかじめ求めておくことで、上記式
（３２）の第２項分子

【数４１】 を求めることができる。ただし、Ｐ（ｄ3 ｜ｓ2 ）＝１
である。

【０１３９】また、

【数４２】

【０１４０】を求めておくことで、上記式（３２）の第
２項分母Ｐ（ｒsk）を求めることができる。

【０１４１】５．３．具体例 ４．３節と同様に、英語の郵便物の宛名読取りにおい
て、都市名を読むことを考える。

【０１４２】たとえば、図１２に示すような、英語で書
かれた郵便物Ｐの宛名読取りにおいて、都市名を読むこ
とを考える。図１３は、上述した切出し処理により切出
された都市名が書かれていると考えられる部分に対応す
る文字パターンの切出し処理結果であり、全部で５文字
であることが検出されている。１−２文字目は接触して
おり、２−３文字目の間は広く、３−４文字目の間、４
−５文字目の間は狭いことが検出されている。図１４
（ａ）から（ｃ）は単語辞書１０の内容であり、全ての
都市名が格納されている。この場合、都市名として、図
１４（ａ）に示す、「ＳＴ ＬＩＮ」、図１４（ｂ）に
示す、「ＳＬＩＭ」、図１４（ｃ）に示す、「ＳＩＭ」
の３つが格納されている。各都市名の下に記載された記
号（ｓ0 ，ｓ1 ）は単語切れ目か否かを示すものであ
り、ｓ0 は単語切れ目、ｓ1 は単語切れ目でないとこ
ろ、である。

【０１４３】図１５は、カテゴリの集合を図示したもの
である。カテゴリには位置情報が含まれるため、単語辞
書１０とは異なる。カテゴリｋ1 は図１４（ａ）の単語
から作られ、カテゴリｋ2 ，ｋ3 は図１４（ｂ）の単語
から作られ、カテゴリｋ4 ，ｋ5 ，ｋ6 は図１４（ｃ）
の単語から作られている。カテゴリｋ1 は「ＳＴＬＩ
Ｎ」、カテゴリｋ2は「ＳＬＩＭ 」、カテゴリｋ3 は
「 ＳＬＩＭ」、カテゴリｋ4 は「ＳＩＭ 」、カテ
ゴリｋ5 は「 ＳＩＭ 」、カテゴリｋ6 は「ＳＩＭ」
となっている。

【０１４４】図１３の各文字パターンに対して上述した
文字認識処理により文字認識を行う。この文字認識結果
が図１５の各カテゴリの事後確率の計算に用いられる。
計算に用いる特徴（＝文字認識結果）は様々であるが、
ここでは１位候補の文字を用いた例を示す。

【０１４５】この場合、図１３の各文字パターンに対し
て文字認識結果が左の文字から順に「Ｓ、Ｓ、Ｌ、Ｉ、
Ｍ」となっている。

【０１４６】文字間の特徴も様々なものが考えられる
が、ここでは５．２．２節で述べた例を用いる。図１３
には各文字間の特徴を示している。１−２文字目の間は
接触しているため、文字間の特徴はｄ2 である。２−３
文字目の間は広いため、文字間の特徴はｄ0 である。３
−４文字目の間、４−５文字目の間は狭いため、文字間
の特徴はｄ1 である。

【０１４７】５．２．１節で述べた近似を用いると、カ
テゴリｋ1 の生起確率の、文字認識結果「Ｓ、Ｓ、Ｌ、
Ｉ、Ｍ」を知ることによる変化Ｐ（ｋ1 ｜ｒc ）／Ｐ
（ｋ1）は、上記式（３０）により、

【数４３】

【０１４８】である。カテゴリｋ1 の生起確率の、図１
３の文字間特徴を知ることによる変化Ｐ（ｋ1 ｜ｒs ）
／Ｐ（ｋ1 ）は、上記式（３１）により、

【数４４】 である。

【０１４９】上記式（３３）の計算をするために、３．
２．２節、４．２．２節で述べた近似を用いれば、たと
えば、ｐ＝０．５、ｎ（Ｅ）＝２６のときは、ｑ＝０．
０２であるから、上記式（３３）は次のように計算され
る。

【０１５０】

【数４５】

【０１５１】上記式（３４）の計算をするために、あら
かじめ

【数４６】 を求めておく必要がある。例として、下記表１、表２の
値が得られたとする。

【０１５２】

【表１】

【０１５３】

【表２】

【０１５４】上記表１は

【数４７】

【０１５５】の値、表２はＰ（ｄk ｜ｓl）の値を表に
したものである。この場合、

【数４８】

【０１５６】の関係にあることに注意する。実際に上記
式（３４）の計算に必要なのは、Ｐ（ｄk ｜ｓl ）／Ｐ
（ｄk ）であるので、それを計算したものが下記表３で
ある。

【０１５７】

【表３】 上記表３の値を基にして、上記式（３４）は次のように
計算される。

【０１５８】

【数４９】

【０１５９】上記式（２９）より、カテゴリｋ1 の生起
確率の、文字認識結果「Ｓ、Ｓ、Ｌ、Ｉ、Ｍ」および図
１３の文字間特徴を知ることによる変化Ｐ（ｋ1 ｜ｒ）
／Ｐ（ｋ1 ）は、上記式（３５）、式（３６）の積で表
わされるので、次のようになる。

【０１６０】

【数５０】

【０１６１】同様に、ｋ2 〜ｋ6 についても、Ｐ（ｋi
｜ｒc ）／Ｐ（ｋi ）、Ｐ（ｋi ｜ｒs ）／Ｐ（ｋi
）、Ｐ（ｋi ｜ｒ）／Ｐ（ｋi ）を求めると、以下の
ようになる。

【０１６２】

【数５１】

【０１６３】

【数５２】

【０１６４】

【数５３】

【０１６５】上記式（３７）、式（４０）の中で最大な
のはカテゴリｋ1 である。したがって、推定結果は「Ｓ
Ｔ ＬＩＮ」となる。

【０１６６】文字間の特徴を用いない４節の方法では、
上記式（３５）、式（３８）の中で最大であるカテゴリ
ｋ3 が推定結果となるが、文字間の特徴まで統合するこ
とで、総合的に最もマッチしていると考えられるカテゴ
リｋ1 が選ばれていることがわかる。

【０１６７】このように、第２の実施の形態では、認識
すべき単語に対応した入力文字列を各文字ごとに切出
し、この文字切出しによって文字間の特徴を抽出すると
ともに、上記文字切出しによって得られる各文字に対し
てそれぞれ認識処理を行い、あらかじめ認識すべき単語
と単語の文字間の特徴の候補が格納されている単語辞書
内の各単語の各文字および文字間の特徴を条件として文
字認識結果として得られた特徴が出現する確率を求め、
この求めた確率を文字認識結果として得られた特徴が出
現する確率で除算し、単語辞書内の各単語の各文字およ
び文字間の特徴に対してそれぞれ求めた上記各演算結果
を全ての文字および文字間について乗算し、この乗算結
果に基づき上記単語の認識結果を得るものである。

【０１６８】すなわち、文字認識結果を用いた単語認識
において、少なくとも単語切出しの曖昧さをも考慮し
た、事後確率を基にした評価関数を用いることにより、
単語切出しが確実でない場合にも精度良く単語認識が行
える。

【０１６９】次に、本発明の第３の実施の形態として
の、文字接触、ノイズ混入のあるときのベイズ推定につ
いて説明する。この場合のベイズ推定は、文字接触、ノ
イズ混入が無視できないときに有用となる。

【０１７０】６．文字接触、ノイズ混入の統合 ５節までで述べた方法では、文字が必ず正しく切出され
ているという前提があり、これが満たされずに文字接触
があると対応できない。また、ノイズの混入にも対応で
きない。そこで、本節では、カテゴリを変更することに
より、文字接触、ノイズの混入に対応したベイズ推定を
行う。

【０１７１】６．１．定式化 ５節の定義を基に、次のように定義を追加変更する。

【０１７２】変更 ・カテゴリＫ＝｛ｋi ｝

【数５４】

【０１７３】追加

【数５５】

【０１７４】・ａ0 ：作用なし 該当２文字間に何もしない。

【０１７５】・ａ1 ：接触 該当２文字を接触させる。この作用により、該当２文字
は１つの非文字に変換される。

【０１７６】例 「ＯＮＴＡＲＩＯ」の「Ｔ」と「Ａ」
とを接触→ＯＮ＃ＲＩＯ（＃は接触による非文字） ・ａ2 ：ノイズ混入 該当２文字間にノイズ（非文字）を挿入する。

【０１７７】例 「ＯＮＴ」の「Ｎ」と「Ｔ」との間に
ノイズを挿入→ＯＮ＊Ｔ（＊はノイズによる非文字） ただし、ｌ＝０，Ｌj のときは、それぞれ文字列ｗｃの
左端、右端にノイズがあるとする。また、本定義では、
ノイズが２文字以上連続して混入することはないと仮定
している。

【０１７８】・非文字γ∈Ｃ 文字接触、ノイズ混入を考慮することによる非文字を同
一視してγとし、文字集合Ｃに含める。

【０１７９】このとき、事後確率Ｐ（ｋi ｜ｒ）は上記
式（２３）、式（２４）と同様である。

【０１８０】

【数５６】 Ｐ（ｒc ｜ｋi ）もほぼ上記式（２５）と同様である。

【０１８１】

【数５７】 Ｐ（ｒs ｜ｋi ）もほぼ上記式（２６）と同様である。

【０１８２】

【数５８】

【０１８３】６．２． Ｐ（ｋi ）について Ｐ（ｗｃ）がわかっているものとする。ここで、Ｐ（ｗ
ｃ）は、実際には、たとえば、郵便物Ｐの宛名読取りで
あれば、書状内での位置、行内での位置などの影響を受
けるが、それらの期待値として与えられるものとする。
このとき、Ｐ（ｗｄ）とＰ（ｗｃ）は次のような関係に
あると考えられる。

【０１８４】

【数５９】

【０１８５】すなわち、文字接触とノイズ混入は、接触
確率Ｐ（ａ1 ）、ノイズ混入確率Ｐ（ａ2 ）を与えるこ
とで、５節までの枠組みに統合できる。ただし、上記式
（４４）で

【数６０】

【０１８６】は両端のノイズの有無に関する項であり、
一般に文字間と両端ではノイズの存在する確率が異なる
ため、ノイズ混入確率Ｐ（ａ2 ）とは別に値を定めるも
のとする。

【０１８７】Ｐ（ｗｃ）とＰ（ｗｃ，ｈ）や、Ｐ（ｗ
ｄ）とＰ（ｗｄ，ｈ）の関係は、先ほども述べたような
影響（書状内での位置など）をどうモデル化し、近似す
るかによるため、ここでは触れない。

【０１８８】６．３．非文字γについて 文字特徴として、３．２．１節のように、「１位候補の
文字」を用いた場合を考える。非文字γを特徴抽出した
とき、出現する１位候補の文字はどれも同様に確からし
いと考えられる。そこで、次のように非文字を扱う。

【０１８９】

【数６１】

【０１９０】６．４．具体例 ５．３節と同様に、たとえば、図１６に示すような、英
語の郵便物Ｐの宛名読取りにおいて、都市名を読むこと
を考える。

【０１９１】本節の特徴を分かりやすくするため、単語
切出しが完全に成功しており、また、カテゴリに複数単
語からなる文字列が存在しないという前提を設ける。図
１７は上述した切出し処理により切出された都市名が書
かれていると考えられる部分に対応する文字パターンの
切出し処理結果であり、全部で５文字であることが検出
されている。単語辞書１０としては、図１８に示すよう
に、都市名が全て格納されている。この場合、都市名と
して、「ＳＩＳＴＡＬ」、「ＰＥＴＡＲ」、「ＳＴＡ
Ｌ」の３つが格納されている。

【０１９２】図１９は、カテゴリ集合を図示したもので
あり、単語辞書１０を基に作られる派生文字列のうち、
５文字であるものが列挙されている。全ての５文字の派
生文字列を列挙すると、たとえば、「ＰＥＴＡＲ」より
派生する「Ｐ＃Ａ＊Ｒ」なども含まれなければならない
が、６．２節に述べた接触確率Ｐ（ａ1 ）、ノイズ混入
確率Ｐ（ａ2 ）がある程度以上小さい場合は無視するこ
とができる。本例では無視することにする。

【０１９３】カテゴリｋ1 〜ｋ5 は、「ＳＩＳＴＡＬ」
の単語から作られ、カテゴリｋ6 は、「ＰＥＴＡＲ」の
単語であり，カテゴリｋ7 〜ｋ11は「ＳＴＡＬ」の単語
から作られている。カテゴリｋ1 は「＃ＳＴＡＬ」、カ
テゴリｋ2は「Ｓ＃ＴＡＬ」、カテゴリｋ3 は「ＳＩ＃
ＡＬ」、カテゴリｋ4 は「ＳＩＳ＃Ｌ」、カテゴリｋ5
は「ＳＩＳＴ＃」、カテゴリｋ6 は「ＰＥＴＡＲ」、カ
テゴリｋ7 は「＊ＳＴＡＬ」、カテゴリｋ8は「Ｓ＊Ｔ
ＡＬ」、カテゴリｋ9 は「ＳＴ＊ＡＬ」、カテゴリｋ10
は「ＳＴＡ＊Ｌ」、カテゴリｋ11 は「ＳＴＡＬ＊」と
なっている。

【０１９４】図１７の各文字パターンに対して上述した
文字認識処理により文字認識を行う。この各文字パター
ンごとの文字認識結果を基に、図１９に示す各カテゴリ
ごとの事後確率を計算する。

【０１９５】計算に用いる特徴（＝文字認識結果）は様
々であるが、ここでは１位候補の文字を用いた例を示
す。この場合、図１７の各文字パターンに対して、文字
認識結果が左の文字から順に「Ｓ、Ｅ、Ｔ、Ａ、Ｌ」と
なっている。これにより、図１９に示すカテゴリｋ2
（Ｓ＃ＴＡＬ）の生起確率の、文字認識結果を知ること
による変化Ｐ（ｋ2 ｜ｒ）／Ｐ（ｋ2 ）は、上記式（１
６）より、

【数６２】

【０１９６】である。さらに、３．２節、４．２．２節
で述べた近似を用いれば、たとえば、ｐ＝０．５、ｎ
（Ｅ）＝２６のときは、ｑ＝０．０２であるから、上記
式（４６）は次のように計算される。

【０１９７】

【数６３】

【０１９８】計算過程を見ると、結局、非文字以外の４
文字について計算していることと等価になっている。同
様にして、他のカテゴリについても計算される。ここで
は代表として、大きな値を示すと容易に推察されるｋ6
，ｋ7 ，ｋ8 について計算する。

【０１９９】

【数６４】

【０２００】これらの比較に際し、５節まではＰ（ｋi
）を等しいと見なしていたが、本節では６．２節で述
べたように、文字接触、ノイズ混入を考慮することによ
って、Ｐ（ｋi ）に変化が生じている。そこで、変化が
生じる前のＰ（ｋi ）を、全て等しいと見なしてＰ（ｋ
i ）＝Ｐ0 とおくことにする。Ｐ0 は、上記式（４４）
におけるＰ（ｗｃ）であると考えることができる。ま
た、変化が生じた後のＰ（ｋi ）は、上記式（４４）に
おけるＰ（ｗｄ）と考えられる。したがって、変化が生
じた後のＰ（ｋi ）は次のようになる。

【０２０１】

【数６５】

【０２０２】ここで、接触確率Ｐ（ａ1 ）＝０．０５、
文字間ノイズ混入確率Ｐ（ａ2 ）＝０．００２、両端ノ
イズ混入確率Ｐ′（ａ2 ）＝０．０６とすると、たとえ
ば、Ｐ（ｋ2 ）は次のように計算される。

【０２０３】

【数６６】

【０２０４】計算中、文字間において文字接触もノイズ
混入もない確率Ｐ（ａ0 ）＝１−Ｐ（ａ1 ）−Ｐ（ａ2
）＝０．９４８、両端においてノイズ混入のない確率
Ｐ′（ａ0 ）＝１−Ｐ′（ａ2 ）＝０．９４を用いてい
る。

【０２０５】同様にして、Ｐ（ｋ6 ），Ｐ（ｋ7 ），Ｐ
（ｋ8 ）を計算すると、

【数６７】

【０２０６】上記式（５０）、式（５１）を上記式（４
７）、式（４８）に用いて変形すると、以下のようにな
る。

【０２０７】

【数６８】

【０２０８】参考までに他のカテゴリについて同様な計
算をすると、以下のようになる。

【０２０９】

【数６９】

【０２１０】以上より、事後確率が最も大きいのはカテ
ゴリｋ2 であり、図１６に書かれている都市名は「ＳＩ
ＳＴＡＬ」で、「Ｉ」と「Ｓ」とが接触していると推定
される。

【０２１１】このように、第３の実施の形態は、単語辞
書内の各単語の各文字には、文字に加えて非文字の情報
を含ませ、かつ、非文字の情報を含む文字の単語の出現
確率は、非文字の情報を含まない文字の単語の出現確率
を基に設定することにより、文字認識結果を用いた単語
認識において、文字接触やノイズ混入をも考慮した、事
後確率を基にした評価関数を用いて単語認識を行うこと
ができ、これにより、文字接触やノイズ混入がある場合
にも精度良く単語認識が行える。

【０２１２】次に、本発明の第４の実施の形態として
の、文字の切出しが一意に定まらないときのベイズ推定
について説明する。この場合のベイズ推定は、漢字や仮
名など、分離のある文字では有用である。また、英語に
おける筆記体など、実際の文字どうしの切れ目以外にも
多くの切れ目の候補を出さざるを得ない場合にも有用で
ある。

【０２１３】７．文字切出しの統合 ６節までで述べてきた方法では、文字自体が分離するこ
とはないという前提があった。しかし、漢字や仮名な
ど、文字自体が２つ以上に分離する場合もある。たとえ
ば、『明』という漢字は、文字切出しを行うと、へんと
つくりが別々に文字候補として切出される。このとき、
２つの文字候補を結合するべきか、別々にするべきか、
により、複数の文字切出し候補が現われる。

【０２１４】このような文字の分離には、６節までの方
法では対応できない。また、逆に文字接触が多く、それ
を切る処理をしている場合、実際に接触しているところ
だけでなく、文字自体を切ってしまうこともある。後で
詳しく述べるが、認識の戦略として文字自体の切断をあ
る程度許容する方が、性能がよい。この場合も同様に、
６節までの方法では対応できない。そこで、本節では、
文字の分離による複数の文字切出し候補に対応したベイ
ズ推定を行う。

【０２１５】７．１．文字切出しについて 文字が接触することのある対象における文字切出しにお
いては、文字接触を切る処理が行われる。この処理にお
いて、「文字の切れ目でない箇所」が切れ目候補に挙が
る場合と、「文字の切れ目」が切れ目候補に挙がらない
場合を比べると、後者の方が認識に悪影響を与える。理
由は次の通りである。

【０２１６】・「文字の切れ目でない箇所」が切れ目候
補に挙がる場合 「切れ目候補で切った場合」と「切らない場合」を試す
ことができるので、切り過ぎたことで正しい文字切出し
がなくなるわけではない。

【０２１７】・「文字の切れ目」が切れ目候補に挙がら
ない場合 正しい文字切出しを得る手段はない。

【０２１８】このため、文字切出しにおいて、文字の切
れ目以外にも多くの切れ目候補を挙げておくことは有用
である。しかし、「切れ目候補で切った場合」と「切ら
ない場合」を試すということは、複数の文字切出しパタ
ーン候補があることになる。６節までで述べてきた方法
では、異なる文字切出しパターン候補間の比較はできな
い。そこで、以下に説明する方法でこれを解決する。

【０２１９】７．２．定式化 ６節の定義を基に、次のように定義を追加変更する。

【０２２０】変更 ・切れ目状態の集合Ｓ＝｛ｓ0 ，ｓ1 ，ｓ2 （，ｓ3
）｝ ｓ0 ：単語切れ目である、ｓ1 ：文字切れ目である、ｓ
2 ：文字切れ目ではない、（ｓ3 ：行先頭または最後
尾） ５節以降で定義していた『切れ目である』は「単語切れ
目である」の意味であり、ｓ0 にあたる。『切れ目でな
い』はｓ1 とｓ2 に分かれたことになる。

【０２２１】・Ｌ：切れ目候補で分割された部分（これ
を「セル」と呼ぶことにする）の個数 追加

【数７０】

【０２２２】変更 ・カテゴリＫ＝｛ｋi ｝

【数７１】

【０２２３】追加

【数７２】

【０２２４】変更

【数７３】

【０２２５】このとき、事後確率Ｐ（ｋi ｜ｒ）は、や
はり上記式（２３）、式（２４）と同様である。

【０２２６】

【数７４】 Ｐ（ｒc ｜ｋi ）は次のように表わされる。

【０２２７】

【数７５】 Ｐ（ｒs ｜ｋi ）は次のように表わされる。

【０２２８】

【数７６】

【０２２９】Ｐ（ｋi ）は、本節ではカテゴリｋi にｍ
jkが含まれているため、その影響を考慮する必要があ
る。個々の文字の当てはまるユニットの形状、ユニット
に当てはまっている文字、近傍ユニット間の形状バラン
スなどが影響すると考えられるが、そのモデル化につい
てはここでは触れない。

【０２３０】７．３．実用に向けた近似 ７．３．１．文字列のない部分に対する近似と文字数正
規化 ４．２．１節と同様の近似を上記式（５４）に用いる
と、次のようになる。

【０２３１】

【数７７】

【０２３２】実際には、ｒcn1n3とｒcn1n2，ｒcn2cn3と
の間には何らかの相関があると考えられるため、この近
似は４．２．１節のときよりもさらに粗いものである。

【０２３３】また、上記式（５５）も同様に近似すると
次のようになる。

【０２３４】

【数７８】

【０２３５】さらに、５．２．１節と同様に、Ｐ（ｋi
｜ｒ）／Ｐ（ｋi ）を計算すると次のようになる。

【０２３６】

【数７９】

【０２３７】上記式（３２）と同様、上記式（５８）も
派生文字列ｗｄの当てはまっていない部分に関する記述
はなく、「分母による正規化」の考え方ができる。

【０２３８】７．３．２．切れ目と文字間特徴ｒs につ
いて ６節までと違い、本節では切れ目状態としてｓ2 （文字
切れ目でない）があるので、文字間特徴集合として５．
２．２節と同様にＤを用いた場合、

【数８０】

【０２３９】を求めておけばよいことになる。ここで注
意しなければならないのは、これらは全て７．１節で述
べたように、「切れ目候補」として挙がった部分におけ
る話であることである。ｓ2 （文字切れ目でない）は、
「切れ目候補として挙がったが切れ目ではない」という
意味であり、

【数８１】 を求める際に気をつける必要がある。

【０２４０】

【数８２】 を求める際も同様である。

【０２４１】７．４．具体例 ６．４節と同様に、英語の郵便物の宛名読取りにおい
て、都市名を読むことを考える。

【０２４２】本節の特徴を分かりやすくするため、単語
切出しが完全に成功しており、カテゴリに複数の単語か
らなる文字列が存在せず、ノイズの混入もなく、文字切
出しによって全ての文字切れ目が検出されている（すな
わち、６節のようにノイズ、接触文字に関するカテゴリ
が必要ない）とする。

【０２４３】図２０は、都市名が書かれていると考えら
れる部分であり、５つのセルがある。図２１（ａ）〜図
２１（ｄ）は、考えられる文字切出しパターン候補であ
る。本例では、簡単のため、セル２と３、セル４と５の
間は必ず切れることがあらかじめ分かっているとした
（切れない確率がごく小さいため、無視したと考えても
よい）。

【０２４４】すると、切れ目候補はセル１と２、セル３
と４の間であり、考えられる文字切出しパターン候補を
列挙すると、図２１（ａ）〜図２１（ｄ）のようにな
る。図２２は単語辞書１０の内容であり、全ての都市名
が格納されている。本例では、都市名は３候補ある。

【０２４５】この場合、都市名として、「ＢＡＹＧ
Ｅ」、「ＲＡＧＥ」、「ＲＯＥ」の３つが格納されてい
る。

【０２４６】図２３（ａ）〜図２３（ｄ）は、カテゴリ
集合を図示したものである。単語切出しが完全に成功し
ているという前提なので、「ＢＡＹＧＥ」は図２１
（ａ）、「ＲＡＧＥ」は図２１（ｂ）、図２１（ｃ）、
「ＲＯＥ」は図２１ｄにのみ当てはまる。

【０２４７】図２３（ａ）に示すカテゴリｋ１におい
て、セル１−２間、セル３−４の間は共に、「文字の切
れ目」（Ｓ１）となっている。

【０２４８】図２３（ｂ）に示すカテゴリｋ２におい
て、セル１−２間は、「文字の切れ目」（Ｓ１）とな
り、セル３−４の間は「文字の切れ目でない」（Ｓ２）
となっている。

【０２４９】図２３（ｃ）に示すカテゴリｋ３におい
て、セル１−２間は、「文字の切れ目でない」（Ｓ２）
となり、セル３−４の間は「文字の切れ目」（Ｓ１）と
なっている。

【０２５０】図２３（ｄ）に示すカテゴリｋ４におい
て、セル１−２間、セル３−４の間は共に、「文字の切
れ目でない」（Ｓ２）となっている。

【０２５１】図２１（ａ）〜図２１（ｄ）に現れる各ユ
ニットを文字認識にかけ、その文字認識結果が図２３
（ａ）〜図２３（ｄ）のカテゴリの事後確率の計算に用
いられる。計算に用いる特徴（＝文字認識結果）は様々
であるが、ここでは１位候補の文字を用いた例を示す。

【０２５２】図２４は、各ユニットの認識結果を示して
いる。たとえば、セル１と２とを結合したユニットは、
認識結果の１位が「Ｒ」であったことを示す。

【０２５３】文字間特徴も様々なものが考えられるが、
ここでは５．２．２節で述べた例を簡略化して、次のよ
うなものを用いる。

【０２５４】・文字間特徴集合Ｄ′＝｛ｄ′1 ，ｄ′2
｝ ｄ′1 ：接触していない ｄ′2 ：接触している 図２５は、セル１−２間、３−４間の文字間特徴を示し
ている。１−２間は接触しておらず、３−４間は接触し
ている。

【０２５５】７．３．１節で述べた近似を用いると、カ
テゴリｋ1 （ＢＡＹＧＥ）の生起確率の、図２４の認識
結果を知ることによる変化Ｐ（ｋ1 ｜ｒc ）／Ｐ（ｋ1
）は、上記式（５８）より、

【数８３】

【０２５６】である。カテゴリｋ1 の生起確率の、図２
５の文字間特徴を知ることによる変化Ｐ（ｋ1 ｜ｒs ）
／Ｐ（ｋ1 ）は、上記式（５８）より、

【数８４】 である。

【０２５７】上記式（５９）の計算をするために、３．
２．２節、４．２．２節で述べた近似を用いれば、たと
えば、ｐ＝０．５、ｎ（Ｅ）＝２６のときは、ｑ＝０．
０２であるから、上記式（５９）は次のように計算され
る。

【０２５８】

【数８５】

【０２５９】上記式（６０）の計算をするために、あら
かじめ

【数８６】 を求めておく必要がある。例として下記表４、表５の値
が得られたとする。

【０２６０】

【表４】

【０２６１】

【表５】

【０２６２】上記表４は

【数８７】

【０２６３】の値、表５はＰ（ｄ'k ｜ｓl ）の値を表
にしたものである。この場合、

【数８８】

【０２６４】の関係にあることに注意する。実際に上記
式（６０）の計算に必要なのは、Ｐ（ｄ'k ｜ｓl ）/Ｐ
（ｄ'k ）であるので、それを計算したものが下記表６
である。

【０２６５】

【表６】 上記表６の値を基にして、上記式（６０）は次のように
計算される。

【０２６６】

【数８９】

【０２６７】上記式（６０）より、カテゴリｋ1 の生起
確率の、図２４の文字認識結果および図２５の文字間特
徴を知ることによる変化Ｐ（ｋ1 ｜ｒ）／Ｐ（ｋ1 ）
は、上記式（６１）、式（６２）の積で表わされるの
で、次のようになる。

【０２６８】

【数９０】

【０２６９】同様に、ｋ2 〜ｋ4 についても、Ｐ（ｋi
｜ｒc ）／Ｐ（ｋi ）、Ｐ（ｋi ｜ｒs ）／Ｐ（ｋi
）、Ｐ（ｋi よｒ）／Ｐ（ｋi ）を求めると、以下の
ようになる。

【０２７０】

【数９１】

【０２７１】

【数９２】

【０２７２】

【数９３】

【０２７３】これらの比較に際し、５節まではＰ（ｋi
）を等しいと見なしていたが、本節では文字の形状を
考慮にいれる。

【０２７４】図２１（ｄ）は各ユニットの幅が揃ってい
る。図２１（ａ）はそれに次いで揃っている。しかし、
図２１（ｂ）、図２１（ｃ）は不揃いである。

【０２７５】この揃っているかどうかの度合いを何らか
の方法でモデル化してＰ（ｋi ）に反映させれば、より
正確な単語認識が可能になるが、ここではその方法は問
わない。

【０２７６】本例では、その結果として、

【数９４】

【０２７７】になったとする。比例定数をＰ1 とし、上
記式（６３）、式（６６）に上記式（６７）を用いて変
形すると、以下のようになる。

【０２７８】

【数９５】

【０２７９】以上より、事後確率が最も大きいのはカテ
ゴリｋ1 であり、図１６に書かれている都市名は「ＢＡ
ＹＧＥ」であると推定される。

【０２８０】図２４の文字認識による結果が最も大きい
のは、上記式（６１）、式（６４）よりカテゴリｋ3 で
あり、図２５の文字間特徴による結果が最も大きいの
は、上記式（６２）、式（６５）よりカテゴリｋ2 であ
り、文字形状のバランスの評価が最も高いのはカテゴリ
ｋ4 であるが、全てを統合した推定を行うことで、カテ
ゴリｋ1 を選ぶことができている。

【０２８１】このように、第４の実施の形態では、認識
すべき単語に対応した入力文字列を各文字ごとに切出す
とともに、この文字切出しによって文字間の接離を考慮
した複数種類の切出し結果を求め、この求めた全ての切
出し結果の各文字に対してそれぞれ認識処理を行い、あ
らかじめ認識すべき単語と単語の文字間の特徴の候補が
格納されている単語辞書内の各単語の各文字および文字
間の特徴を条件として文字認識結果として得られた特徴
が出現する確率を求め、この求めた確率を文字認識結果
として得られた特徴が出現する確率で除算し、単語辞書
内の各単語の各文字および文字間の特徴に対してそれぞ
れ求めた上記各演算結果を全ての文字および文字間につ
いて乗算し、この乗算結果に基づき上記単語の認識結果
を得るものである。

【０２８２】すなわち、文字認識結果を用いた単語認識
において、少なくとも文字切出しの曖昧さをも考慮し
た、事後確率を基にした評価関数を用いることにより、
文字切出しが確実でない場合にも精度良く単語認識が行
える。

【０２８３】本発明によれば、文字認識結果を用いた単
語認識において、単語の文字数が一定とは限らない場合
にも用いることのできる事後確率を基にした評価関数を
用いることにより、単語の文字数が一定でない場合にお
いても精度良く単語認識が行える。

【０２８４】また、本発明によれば、文字認識結果を用
いた単語認識において、少なくとも単語切出しの曖昧さ
をも考慮した事後確率を基にした評価関数を用いること
により、単語切出しが確実でない場合にも精度良く単語
認識が行える。

【０２８５】また、本発明によれば、文字認識結果を用
いた単語認識において、少なくとも文字接触をも考慮し
た事後確率を基にした評価関数を用いることにより、文
字接触がある場合にも精度良く単語認識が行える。

【０２８６】また、本発明によれば、文字認識結果を用
いた単語認識において、少なくともノイズ混入をも考慮
した事後確率を基にした評価関数を用いることにより、
ノイズ混入がある場合にも精度良く単語認識が行える。

【０２８７】さらに、本発明によれば、文字認識結果を
用いた単語認識において、少なくとも文字切出しの曖昧
さをも考慮した事後確率を基にした評価関数を用いるこ
とにより、文字切出しが確実でない場合にも精度良く単
語認識が行える。

【０２８８】

【発明の効果】以上、詳述したようにこの発明によれ
ば、単語の文字数が一定でない場合においても精度良く
単語認識が行える単語認識方法および単語認識プログラ
ムを提供できる。

【０２８９】また、この発明によれば、単語切出しが確
実でない場合にも精度良く単語認識が行える単語認識方
法および単語認識プログラムを提供できる。

【０２９０】また、この発明によれば、文字接触やノイ
ズ混入がある場合にも精度良く単語認識が行える単語認
識方法および単語認識プログラムを提供できる。

【０２９１】さらに、この発明によれば、文字切出しが
確実でない場合にも精度良く単語認識が行える単語認識
方法および単語認識プログラムを提供できる。

【図面の簡単な説明】

【図１】図１は、本発明の実施の形態に係る単語認識方
法を実現するための単語認識システムの構成を概略的に
示すブロック図。

【図２】図２は、宛名が記載されている郵便物の記載例
を示す図。

【図３】図３は、単語認識方法の概略を説明するフロー
チャート。

【図４】図４は、都市名として切出された文字パターン
を示す図

【図５】図５は、単語辞書の内容を示す図。

【図６】図６は、確率テーブルの内容を示す図。

【図７】図７は、確率テーブルの内容を示す図。

【図８】図８は、宛名が記載されている郵便物の記載例
を示す図。

【図９】図９は、都市名として切出された文字パターン
を示す図

【図１０】図１０は、単語辞書の内容を示す図。

【図１１】図１１は、確率テーブルの内容を示す図。

【図１２】図１１は、宛名が記載されている郵便物の記
載例を示す図。

【図１３】図１３は、都市名として切出された文字パタ
ーンを示す図

【図１４】図１４は、単語辞書の内容を示す図

【図１５】図１５は、図１４の単語辞書に対するカテゴ
リの集合を示す図。

【図１６】図１６は、宛名が記載されている郵便物の記
載例を示す図。

【図１７】図１７は、都市名として切出された文字パタ
ーンを示す図

【図１８】図１８は、単語辞書の内容を示す図。

【図１９】図１９は、図１８の単語辞書に対するカテゴ
リの集合を示す図。

【図２０】図２０は、都市名として切り出されセルを示
す図。

【図２１】図２１は、文字切出しパターン候補を示す
図。

【図２２】図２２は、単語辞書の内容を示す図。

【図２３】図２３は、図２２の単語辞書に対するカテゴ
リの集合を示す図。

【図２４】図２４は、文字切出しパターン候補に対する
各ユニットの認識結果を示す図。

【図２５】図２５は、文字間特徴を示す図。

【符号の説明】

１…ＣＰＵ ２…入力装置 ３…スキャナ ４…表示装置 ５…第１のメモリ ６…第２のメモリ ７…読取装置 ８…ＲＯＭ ９…文字辞書 １０…単語辞書 １１…確率テーブル

Claims (10)

【特許請求の範囲】
1. 【請求項１】 認識すべき単語に対応した入力文字列を
   各文字ごとに認識処理を行うことにより文字認識結果を
   得る文字認識処理ステップと、 あらかじめ認識すべき単語の候補が格納されている単語
   辞書内の各単語の各文字を条件として上記文字認識処理
   ステップにより文字認識結果として得られた特徴が出現
   する確率を求める確率算出ステップと、 この確率算出ステップにより求めた確率と上記文字認識
   処理ステップにより文字認識結果として得られた特徴が
   出現する確率との間で所定の第１の演算を行う第１の演
   算ステップと、 上記単語辞書内の各単語の各文字に対してそれぞれ求め
   た上記第１の演算による各演算結果の間で所定の第２の
   演算を行う第２の演算ステップと、 この第２の演算ステップによる第２の演算の結果に基づ
   き上記単語の認識結果を得る単語認識処理ステップと、 を具備したことを特徴とする単語認識方法。
2. 【請求項２】 上記文字認識処理ステップが、 認識すべき単語に対応した入力文字列を各文字ごとに切
   出すステップと、 この文字切出しによって文字間の特徴を抽出するステッ
   プと、 上記文字切出しによって得られる各文字に対してそれぞ
   れ認識処理を行うステップとからなり、 上記確率算出ステップが、あらかじめ認識すべき単語と
   単語の文字間の特徴の候補が格納されている単語辞書内
   の各単語の各文字および文字間の特徴を条件として文字
   認識結果として得られた特徴により、出現する確率を求
   めるものであることを特徴とする請求項１記載の単語認
   識方法。
3. 【請求項３】 上記単語辞書内の各単語の各文字には、
   文字に加えて非文字の情報を含ませたことを特徴とする
   請求項１記載の単語認識方法。
4. 【請求項４】 上記非文字の情報を含む単語が出現する
   確率は、非文字の情報を含まない単語が出現する確率を
   基に設定されることを特徴とする請求項３記載の単語認
   識方法。
5. 【請求項５】 認識すべき単語に対応した入力文字列を
   各文字ごとに切出す切出しステップと、 この切出しステップによる文字切出しによって、文字間
   が接しているかあるいは文字間が離れているかを考慮し
   た複数種類の切出し結果を求めるステップと、このステ
   ップにより求めた全ての切出し結果の各文字に対してそ
   れぞれ認識処理を行う文字認識処理ステップと、 あらかじめ認識すべき単語の候補が格納されている単語
   辞書内の各単語の各文字を条件として上記文字認識処理
   ステップにより文字認識結果として得られた特徴が出現
   する確率を求める確率算出ステップと、 この確率算出ステップにより求めた確率と上記文字認識
   処理ステップにより文字認識結果として得られた特徴が
   出現する確率との間で所定の第１の演算を行う第１の演
   算ステップと、 上記単語辞書内の各単語の各文字に対してそれぞれ求め
   た上記第１の演算による各演算結果の間で所定の第２の
   演算を行う第２の演算ステップと、 この第２の演算ステップによる第２の演算の結果に基づ
   き上記単語の認識結果を得る単語認識処理ステップと、 を具備したことを特徴とする単語認識方法。
6. 【請求項６】 上記文字認識処理ステップが、 上記文字切出しのステップによる文字切出しによって文
   字間が接しているかあるいは文字間が離れているかを考
   慮した複数種類の切出し結果を求めるステップと、 このステップにより求めた全ての切出し結果に対してそ
   れぞれ文字間の特徴を抽出するステップと、 上記求めた全ての切出し結果の各文字に対してそれぞれ
   認識処理を行うステップとからなり、 上記確率算出ステップが、あらかじめ認識すべき単語と
   単語の文字間の特徴の候補が格納されている単語辞書内
   の各単語の各文字および文字間の特徴を条件として文字
   認識結果として得られた特徴が出現する確率を求めるも
   のであることを特徴とする請求項５に記載の単語認識方
   法。
7. 【請求項７】 コンピュータに単語認識処理を行わせる
   ための単語認識プログラムであって、 上記単語認識プログラムは、 認識すべき単語に対応した入力文字列を各文字ごとに認
   識処理を行う文字認識処理ステップと、 あらかじめ認識すべき単語の候補が格納されている単語
   辞書内の各単語の各文字を条件として上記文字認識処理
   ステップにより文字認識結果として得られた特徴が出現
   する確率を求める確率算出ステップと、 この確率算出ステップにより求めた確率と上記文字認識
   処理ステップにより文字認識結果として得られた特徴が
   出現する確率との間で所定の第１の演算を行う第１の演
   算ステップと、 上記単語辞書内の各単語の各文字に対してそれぞれ求め
   た上記第１の演算による各演算結果の間で所定の第２の
   演算を行う第２の演算ステップと、 この第２の演算ステップによる第２の演算の結果に基づ
   き上記単語の認識結果を得る単語認識処理ステップと、 を有することを特徴とする単語認識プログラム。
8. 【請求項８】 上記文字認識処理ステップが、 認識すべき単語に対応した入力文字列を各文字ごとに切
   出すステップと、 この文字切出しによって文字間の特徴を抽出するステッ
   プと、 上記文字切出しによって得られる各文字に対してそれぞ
   れ認識処理を行うステップとからなり、 上記確率算出ステップが、あらかじめ認識すべき単語と
   単語の文字間の特徴の候補が格納されている単語辞書内
   の各単語の各文字および文字間の特徴を条件として文字
   認識結果として得られた特徴により、出現する確率を求
   めるものであることを特徴とする請求項７に記載の単語
   認識プログラム。
9. 【請求項９】 上記文字認識処理ステップが、 認識すべき単語に対応した入力文字列を各文字ごとに切
   出すステップと、 この文字切出しによって文字間の特徴を抽出するステッ
   プと、 上記文字切出しによって得られる各文字に対してそれぞ
   れ認識処理を行うステップと、 からなることを特徴とする請求項７に記載の単語認識プ
   ログラム。
10. 【請求項１０】 上記文字間の特徴を抽出するステップ
    が、 上記文字切出しステップによる文字切出しによって文字
    間が接しているかあるいは文字間が離れているかを考慮
    した複数種類の切出し結果を求めるステップと、 このステップにより求めた全ての切出し結果に対してそ
    れぞれ文字間の特徴を抽出するステップと、 からなることを特徴とする請求項８に記載の単語認識プ
    ログラム。