JP2002063197A - 検索装置、記録媒体およびプログラム - Google Patents

Abstract

(57)【要約】 【課題】 検索結果の正当性を容易に判定することが可
能な検索装置を提供する。 【解決手段】 インデックステーブル１９０を用いて、
文字認識結果１４０からキーワードを検索する検索装置
１が提供される。インデックステーブル１９０は、イン
デックス文字列１６１０と、インデックス文字列１６１
０に一致する文字認識結果１４０中の部分の位置１６１
１と、インデックス文字列に含まれる各文字がオリジナ
ル文書中の部分に存在する確率を示す確信度１６１２と
を含む。検索装置１は、インデックステーブル１９０に
基づいて、キーワードが文字認識結果１４０中の部分に
一致するか否かを判定し、もし一致する場合には、キー
ワードに一致する文字認識結果１４０中の部分の位置を
特定する位置特定部と、インデックステーブル１９０に
基づいて、対応するオリジナル文書中の位置にキーワー
ドが存在する確率を示すキーワード確信度Ｋｃを算出す
る算出部とを備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】インデックステーブルを用い
て、オリジナル文書中の文字を認識することによって得
られる文字認識結果からキーワードを検索する検索装
置、記録媒体およびプログラムに関する。

【０００２】

【従来の技術】近年、インターネットの普及に伴い、ネ
ットワーク上に存在する大量の情報から必要な情報を取
り出す検索技術が重要視されている。特に、テキストデ
ータから特定のキーワードを検索するシステムは、既に
数多く提供されている。このような検索においては、大
量のテキスト文書から正確で、高速な検索を行うことが
求められている。

【０００３】高速な検索を行うために、インデックステ
ーブルを用いてテキストデータから特定のキーワードを
検索する技術が知られている。インデックステーブル
は、所定の数の文字（例えば、２文字）を含むインデッ
クス文字列と、その文字列に一致するテキストデータ中
の部分の位置とを定義する。

【０００４】オリジナル文書（紙の形態の文書）中の文
字を文字認識することによって得られる文字コードの集
合（文字認識結果）からキーワードを検索する場合に
は、文字認識の誤り（誤認識）を考慮しなければならな
い。文字認識において誤りがある場合、文字コードが表
す文字はオリジナル文書に書かれている文字と異なり得
るからである。誤認識とは、オリジナル文書に書かれた
文字が、正しく文字コードに変換されないことをいう。
このような誤認識は、例えば、紙面に印字された文字の
かすれや傾き、汚れ等に起因して発生する。

【０００５】例えば、オリジナル文書のある位置に、
「イヌ」という文字列が存在し、この文字列中の文字
「ヌ」が「ス」と誤認識された場合、文字列「イヌ」に
対応する文字認識結果中の部分の位置には、文字列「イ
ス」が存在する。その結果、この文字認識結果から作成
されたインデックステーブルには、インデックス文字列
「イス」とその位置とが登録される。従って、このイン
デックステーブルを用いてキーワード「イヌ」を検索し
ても、文字認識結果中のその位置にキーワードを検出す
ることができない。このように、オリジナル文書中のあ
る位置にキーワードが存在するにもかかわらず、その位
置においてキーワードが検出できないという、「検索漏
れ」の問題が発生する。

【０００６】検索漏れの問題に対処する従来技術とし
て、オリジナル文書中の１つの文字に対する文字認識結
果として複数の候補文字を用意し、その複数の候補文字
に基づいて、オリジナル文書中に存在する可能性のある
複数の文字列をインデックス文字列としてインデックス
テーブルに登録する技術が知られている。キーワードの
検索は、このインデックステーブルを用いて行なわれ
る。このような技術は、例えば、特開平９−１６６１９
号公報「情報処理方法および装置」に開示されている。

【０００７】図１１は、従来技術によって、オリジナル
文書中に存在する可能性のある複数の文字列をインデッ
クス文字列とてし登録したインデックステーブル１９０
１の一例を示す。図１１に示される例では、インデック
ステーブル１９０１は、「インデックスを用いた・・
・」という文字列を含むオリジナル文書を文字認識する
ことによって得られる。インデックステーブル１９０１
には、インデックス文字列「イシ」とインデックス文字
列「イン」とがいずれも文字認識結果中の同じ位置であ
る文字位置「１」に存在するものとして登録されている
（行１９１１および行１９１２）。

【０００８】図１１に示されるインデックステーブル１
９０１を使用することにより、「インデックス」という
キーワードを検出することができる。以下、従来技術に
従って、図１１に示されるインデックステーブル１９０
１を使用してキーワード「インデックス」を検索する処
理を説明する。

【０００９】まず、キーワード中に含まれる、互いに隣
り合う２文字からなる文字列が生成される。キーワード
「インデックス」から、「イン」、「ンデ」、「デ
ッ」、「ック」および「クス」という５個の文字列が生
成される。

【００１０】次に、これらの文字列がインデックステー
ブル１９０１から検索される。文字列「イン」、「ン
デ」、「デッ」、「ック」および「クス」は、それぞ
れ、文字認識結果中の文字位置「１」、「２」、
「３」、「４」および「５」に存在することが示されて
いる（行１９１２、行１９１９、行１９１５、行１９１
４および行１９１３）。

【００１１】これらの文字位置の位置関係から、キーワ
ード「インデックス」が文字認識結果中に存在している
ことが判断される。

【００１２】このようにして、オリジナル文書中に存在
する可能性のある複数の文字列をインデックス文字列と
てし登録したインデックステーブルを用いた従来技術に
よれば、検索漏れの問題が回避され得る。

【００１３】

【発明が解決しようとする課題】このような従来技術に
よれば、検索ノイズが増加してしまうという問題点があ
る。検索ノイズとは、オリジナル文書中にキーワードが
存在しないにもかかわらず、キーワードが検出されるこ
とをいう。例えば、図１１に示されるインデックステー
ブル１９０１を使用して、「デンワ」および「フック」
というキーワードを検索した場合に、それらのキーワー
ドが文字位置「３」において検出される。検索結果が正
当であるかどうかを判断するためには、ユーザがオリジ
ナル文書と検索結果を比較しなければならない。

【００１４】検索漏れの問題を防ぐために、１つの文字
に対する文字認識結果として得られる候補文字の数を多
くするほど、このような検索ノイズが多くなり、ユーザ
が検索結果が正当であるかどうかを判断する負担が増加
する。

【００１５】本発明は、このような問題点に鑑みてなさ
れたものであって、高速な検索を行い、かつ、検索結果
の正当性を容易に判定することが可能な検索装置、記録
媒体および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】本発明の検索装置は、イ
ンデックステーブルを用いて、オリジナル文書中の文字
を認識することによって得られる文字認識結果からキー
ワードを検索する検索装置であって、前記インデックス
テーブルは、インデックス文字列と、前記インデックス
文字列に一致する前記文字認識結果中の部分の位置と、
前記インデックス文字列に含まれる各文字について定義
され、前記文字に一致する前記文字認識結果中の部分に
対応する前記オリジナル文書中の部分に前記文字が存在
する確率を示す確信度とを含み、前記検索装置は、前記
インデックステーブルに含まれる前記インデックス文字
列と前記インデックス文字列に一致する前記文字認識結
果中の部分の位置とに基づいて、前記キーワードが前記
文字認識結果中の部分に一致するか否かを判定し、もし
一致する場合には、前記キーワードに一致する前記文字
認識結果中の部分の位置を特定する位置特定部と、前記
インデックステーブルに含まれる前記確信度に基づい
て、前記キーワードに一致する前記文字認識結果中の部
分の位置に対応する前記オリジナル文書中の位置に前記
キーワードが存在する確率を示すキーワード確信度を算
出する算出部とを備えており、これにより、上記目的が
達成される。

【００１７】前記検索装置は、前記キーワード確信度に
基づいて検索結果の正当性を判定する判定部をさらに含
んでもよい。

【００１８】前記判定部は、前記キーワード確信度が所
定の値以上である場合に、前記検索結果を正当であると
判定してもよい。

【００１９】前記所定の値は、前記キーワードに含まれ
る文字の数および前記キーワードに含まれる文字の種類
の少なくとも一方に応じて設定されてもよい。

【００２０】前記検索装置は、前記インデックステーブ
ルを作成するインデックステーブル作成部をさらに含
み、前記文字認識結果は、前記オリジナル文書の文字の
それぞれに対応する複数の部分を含み、前記複数の部分
のそれぞれは、少なくとも１つの文字を含み、前記イン
デックステーブル作成部は、前記複数の部分のうち、連
続した複数の部分のそれぞれに含まれる前記少なくとも
１つの文字を組み合わせることにより、前記インデック
ス文字列を生成してもよい。

【００２１】前記検索装置は、前記インデックステーブ
ルを作成するインデックステーブル作成部をさらに含
み、前記文字認識結果は、前記オリジナル文書の文字の
それぞれに対応する複数の部分を含み、前記複数の部分
のそれぞれは、文字を含み、前記インデックステーブル
作成部は、前記複数の部分のうち、連続した複数の部分
のそれぞれに含まれる前記文字に予め対応付けられた少
なくとも１つの文字を組み合わせることにより、前記イ
ンデックス文字列を生成してもよい。

【００２２】本発明の記録媒体は、インデックステーブ
ルを用いて、オリジナル文書中の文字を認識することに
よって得られる文字認識結果からキーワードを検索する
検索処理を実行させるためのプログラムを記録したコン
ピュータ読み取り可能な記録媒体であって、前記インデ
ックステーブルは、インデックス文字列と、前記インデ
ックス文字列に一致する前記文字認識結果中の部分の位
置と、前記インデックス文字列に含まれる各文字につい
て定義され、前記文字に一致する前記文字認識結果中の
部分に対応する前記オリジナル文書中の部分に前記文字
が存在する確率を示す確信度とを含み、前記検索処理
は、前記インデックステーブルに含まれる前記インデッ
クス文字列と前記インデックス文字列に一致する前記文
字認識結果中の部分の位置とに基づいて、前記キーワー
ドが前記文字認識結果中の部分に一致するか否かを判定
し、もし一致する場合には、前記キーワードに一致する
前記文字認識結果中の部分の位置を特定するステップ
と、前記インデックステーブルに含まれる前記確信度に
基づいて、前記キーワードに一致する前記文字認識結果
中の部分の位置に対応する前記オリジナル文書中の位置
に前記キーワードが存在する確率を示すキーワード確信
度を算出するステップとを包含し、これにより、上記目
的が達成される。

【００２３】本発明のプログラムは、インデックステー
ブルを用いて、オリジナル文書中の文字を認識すること
によって得られる文字認識結果からキーワードを検索す
る検索処理を実行させるためのプログラムであって、前
記インデックステーブルは、インデックス文字列と、前
記インデックス文字列に一致する前記文字認識結果中の
部分の位置と、前記インデックス文字列に含まれる各文
字について定義され、前記文字に一致する前記文字認識
結果中の部分に対応する前記オリジナル文書中の部分に
前記文字が存在する確率を示す確信度とを含み、前記検
索処理は、前記インデックステーブルに含まれる前記イ
ンデックス文字列と前記インデックス文字列に一致する
前記文字認識結果中の部分の位置とに基づいて、前記キ
ーワードが前記文字認識結果中の部分に一致するか否か
を判定し、もし一致する場合には、前記キーワードに一
致する前記文字認識結果中の部分の位置を特定するステ
ップと、前記インデックステーブルに含まれる前記確信
度に基づいて、前記キーワードに一致する前記文字認識
結果中の部分の位置に対応する前記オリジナル文書中の
位置に前記キーワードが存在する確率を示すキーワード
確信度を算出するステップとを包含し、これにより、上
記目的が達成される。

【００２４】

【発明の実施の形態】本明細書中で、文字とは、特定の
言語体系において使用される文字に限定されず、数字、
記号（例えば、「）」や「◎」）を含むあらゆるシンボ
ルをいう。このようなシンボルには、そのシンボルを電
子的に表現するためのコード（文字コード）が割り当て
られている。

【００２５】図１は、本発明の検索装置１の構成を示
す。検索装置１は、オリジナル文書中の文字を認識する
ことによって得られる文字認識結果からキーワードを検
索する。

【００２６】検索装置１は、その構成要素として、端末
１００と、文書登録処理および文書検索処理を実行する
ＣＰＵ１００と、文書を画像データとして入力する画像
入力機器１２０と、ワークメモリ１８０と、ハードディ
スク（ＨＤＤ）１７０とを備える。これらの構成要素
は、内部バス１１０１を介して互いに接続されている。
あるいは、これらの構成要素は、任意のタイプのネット
ワークを介して互いに接続されていてもよい。

【００２７】端末１００は、例えば、キーボードとＣＲ
Ｔとを備えた入出力デバイスである。端末１００は、例
えば、検索装置１が実行する処理をユーザが指定した
り、検索装置１が実行した検索処理結果をユーザに表示
するために用いられる。

【００２８】ＨＤＤ１７０には、文書登録プログラム１
１０３と、文書検索プログラム１１０４と、文字認識パ
ターン辞書１６０と、確信度テーブル１５０と、文書デ
ータ１１０２とが格納されている。ＨＤＤ１７０とし
て、任意のタイプのメモリが使用されてもよい。

【００２９】文書登録プログラム１１０３および文書検
索プログラム１１０４の全体または一部は、任意のタイ
プの通信回線（図示せず）または放送を介して検索装置
１に提供されてもよいし、任意のタイプのコンピュータ
読み取り可能な記録媒体に記録された形態で検索装置１
に提供されてもよい。そのような記録媒体は、例えば、
ＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭ、フレキシブルディスク
等である。そのような記録媒体に記録された文書登録プ
ログラム１１０３および文書検索プログラム１１０４
は、ディスクドライブ等の読み取りデバイスによって検
索装置１にインストールされ得る。

【００３０】図２は、オリジナル文書中の文字を認識す
ることによって得られる文字認識結果からキーワードを
検索するために、検索装置１によって実行される処理の
流れを示す。

【００３１】ユーザが端末１００（図１）から文書登録
処理の開始を指示すると、ＨＤＤ１７０に格納された文
書登録プログラム１１０３がワークメモリ１８０にロー
ドされる。ＣＰＵ１１０は、ワークメモリ１８０に高速
にアクセスすることができる。ＣＰＵ１１０が文書登録
プログラム１１０３を実行することにより、文書登録処
理が行なわれる。

【００３２】文書登録処理は、文字認識処理と、インデ
ックステーブル作成処理とを含む。文字認識処理と、イ
ンデックステーブル作成処理とはそれぞれ、文書登録プ
ログラムの一部である文字認識プログラム（図示せず）
と、インデックステーブル作成プログラム（図示せず）
とをＣＰＵ１１０が実行することによって行なわれる。

【００３３】文字認識処理では、画像入力機器１２０に
よってオリジナル文書が読み取られ、オリジナル文書の
画像データ（文書画像データ）１３０が生成される。文
書画像データ１３０は、ＨＤＤ１７０（図１）に格納さ
れる。文書画像データ１３０中の部分領域によって表さ
れる形状と文字認識パターン辞書１６０（図１）に登録
されている文字の形状の類似性に基づいて、文字認識処
理が行なわれる。文字認識処理の結果は、文字認識結果
１４０としてＨＤＤ１７０に格納される。

【００３４】次に、インデックステーブル作成処理で
は、文字認識結果１４０からインデックステーブル１９
０が作成される。インデックステーブル１９０は、ＨＤ
Ｄ１７０に格納される。インデックステーブル作成処理
において、確信度テーブル１５０（図１）が参照され得
る。

【００３５】ＨＤＤ１７０に格納された文書画像データ
１３０と、文字認識結果１４０と、インデックステーブ
ル１９０とは、文書データ１１０２（図１）の少なくと
も一部を構成する。

【００３６】ユーザが端末１００からキーワードを入力
し、文書検索処理の開始を指示すると、ＨＤＤ１７０に
格納された文書検索プログラム１１０４がワークメモリ
１８０にロードされる。ＣＰＵ１１０が文書検索プログ
ラム１１０４を実行することにより、文書検索処理が行
なわれる。文書検索処理では、インデックステーブル１
９０を用いて、文字認識結果からキーワードが検索され
る。

【００３７】文書登録処理によってインデックステーブ
ル１９０がいったん生成されると、キーワードの検索
は、インデックステーブル１９０を参照して行なわれ
る。検索すべきキーワードが変わっても、新たなインデ
ックステーブル１９０を作成する必要はない。

【００３８】なお、図２に示される全ての処理が検索装
置１によって行われることは必須ではない。例えば、文
書登録処理が検索装置１とは別の機器によって行なわ
れ、生成されたインデックステーブル１９０を用いた文
書検索処理のみが検索装置１によって行なわれてもよ
い。

【００３９】図３は、オリジナル文書１３１０の一例を
示す。オリジナル文書１３１０は、「インデックスを用
いた検索方法。文書データからの」という文字列を含
む。オリジナル文書は、例えば、文字列が印刷された紙
の形態の文書である。オリジナル文書は、あるいは、標
識、看板、掲示板等に書かれた形態の文書であってもよ
い。

【００４０】図４は、オリジナル文書１３１０に対して
文字認識処理を行うことにより得られる文字認識結果１
４０の一例を示す。文字認識結果１４０は、文字位置１
０４２と、候補文字１０４３とを含む。図４において、
各候補文字に添えられたカッコ内の数字は、各候補文字
についての信頼度Ｒｒを示す。文字認識結果１４０は、
オリジナル文書１３１０（図３）に含まれる「イ」、
「ン」、「デ」、「ッ」、「ク」、「ス」という各文字
の文字認識結果として、最大の信頼度Ｒｒが得られた候
補文字が、それぞれ、「イ」、「シ」、「テ」、
「ソ」、「タ」、「ス」であることを示す。

【００４１】文字認識処理は、任意のアルゴリズムに従
って実行され得る。文字認識処理は、例えば、１文字単
位に文書画像データ１３０を切り出し、その切り出され
た１文字単位の画像データ（部分領域）を文字コードに
変換していくというアルゴリズムに従って実行され得
る。

【００４２】部分領域から文字コードへの変換の際に
は、部分領域によって表される形状と、文字認識パター
ン辞書１６０（図１）に登録されている文字の形状とが
比較される。所定の判定基準に基づいて形状が類似して
いると判定された文字が、候補文字として得られる。こ
のようにして、部分領域が、候補文字の文字コードへと
変換されていく。１つの部分領域に対応する候補文字が
複数得られてもよい。

【００４３】候補文字は、その形状と部分領域によって
表される形状とが類似しているために、オリジナル文書
のその部分領域に対応する部分に書かれている文字と一
致する可能性が高いとみなし得る文字を意味する。

【００４４】文字認識結果１４０における各欄（例え
ば、欄１０４４）は、文書画像データ１３０中の部分領
域に対応している。すなわち、オリジナル文書１３１０
の部分（例えば、図３に示される部分１３１１）に対応
している。また、文書画像データ１３０中の部分領域
は、文書画像データから１文字単位に切り出されるの
で、部分領域は、オリジナル文書１３１０の１文字（例
えば、図３に示される部分１３１１に書かれている文字
「ク」）に対応している。

【００４５】欄１０４４に示される候補文字「タ」、
「ウ」、「ワ」および「ク」は、対応するオリジナル文
書１３１０の部分（図３に示される部分１３１１）に書
かれている文字と一致する可能性が高いとみなし得る文
字である。

【００４６】文字位置１０４２は、文字認識結果１４０
における、その候補文字の位置を示す。例えば、欄１０
４４に示される文字位置「５」は、文字認識結果１４０
における欄１０４４（文字認識結果中の部分）の位置
が、「５番目」の位置であることを示す。

【００４７】文字位置１０４２の表現方法としては、候
補文字に対応するオリジナル文書１３１０中の部分が特
定できさえすれば、どのような表現方法を使用してもよ
い。上述したように、文字認識結果中の各欄は文書画像
データ１３０の部分領域に対応する。従って、文字位置
１０４２は、候補文字が含まれる欄の文字認識結果中の
位置によって表されてもよいし、その欄が対応する文書
画像データ１３０の部分領域の文書画像データ１３０中
の位置によって表されてもよい。

【００４８】例えば、文字位置１０４２は、オリジナル
文書の文書名と、ページ番号と、行番号と、その行にお
ける先頭からの位置（何文字目であるか）によって表さ
れてもよいし、文書画像データにおける座標やアドレス
によって表されてもよい。

【００４９】信頼度Ｒｒは、文字認識の確からしさ、す
なわち、正解確率を示す。信頼度Ｒｒは、０以上１以下
の値をとり、値が大きいほど確からしさが大きいものと
する。文字認識には、例えば、ニューラルネットワーク
やベクトル量子化やテンプレートマッチングの手法を採
用することができる。

【００５０】文字認識にニューラルネットワークの手法
を採用する場合には、文字認識パターン辞書１６０に登
録されている文字のうち、出力値がある基準以上である
少なくとも１つのニューロンに対応する文字が候補文字
として得られる。ニューロンの出力値と正解確率との対
応関係を予め求めておき、その対応関係に基づいて、各
候補文字に対応するニューロンの出力値から、信頼度Ｒ
ｒを求めることができる。

【００５１】ベクトル量子化やテンプレートマッチング
の手法は、いずれも、文書画像データ１３０の部分領域
によって表される形状と、文字認識パターン辞書１６０
に登録されている文字の形状との特徴量空間における距
離を求めることにより、文字認識を行う手法である。１
つの形状は、特徴量空間における１つの代表点として表
される。これらの手法が採用される場合には、文字認識
パターン辞書１６０に登録されている文字のうち、特徴
量空間における距離がある基準以下である少なくとも１
つの文字が候補文字として得られる。特徴量空間におけ
る距離と正解確率との対応関係を予め求めておき、その
対応関係に基づいて、各候補文字に対応する特徴量空間
における距離から、信頼度Ｒｒを求めることができる。

【００５２】文字認識にいずれの手法を用いた場合で
も、信頼度Ｒｒは、文書画像データ１３０の部分領域に
よって表される形状と、文字認識パターン辞書１６０に
登録されている文字の形状との類似性を反映する。

【００５３】信頼度Ｒｒとしては、形状の類似性以外の
情報が考慮されてもよい。例えば、文書画像データ１３
０中の文字認識の対象となる部分領域の大きさの偏差Ｓ
Ｒや、行におけるその部分領域の相対的位置の偏差ＬＲ
などが考慮されてもよい。

【００５４】部分領域の大きさの偏差ＳＲは、例えば、
文書画像データ１３０におけるすべての部分領域（それ
ぞれが１つの文字に対応する）の大きさの平均値から
の、その部分領域の大きさの偏差として定義され得る。
予め、偏差ＳＲと文字認識の正解確率との対応関係を求
めておくことにより、偏差ＳＲが大きい場合に信頼度Ｒ
ｒが小さくなるように、信頼度Ｒｒを修正することがで
きる。

【００５５】部分領域の相対位置の偏差ＬＲは、例え
ば、文書画像データにおける同一の行のすべての部分領
域（それぞれが１つの文字に対応する）について、行に
垂直な方向の位置の平均値を求め、その部分領域の行に
垂直な方向の位置のこの平均値からの偏差として定義さ
れ得る。予め、偏差ＬＲと文字認識の正解確率との対応
関係を求めておくことにより、偏差ＬＲが大きい場合に
信頼度Ｒｒが小さくなるように、信頼度Ｒｒを修正する
ことができる。

【００５６】このように、信頼度Ｒｒを偏差ＳＲおよび
／または偏差ＬＲに応じて修正することにより、信頼度
Ｒｒをより適切に設定することができる。

【００５７】図４に示される文字認識結果１４０から、
インデックステーブル１９０が作成される（インデック
ステーブル作成処理）。

【００５８】図５Ａは、インデックステーブル作成処理
の手順を示す。以下、インデックステーブル作成処理の
手順を詳しく説明する。

【００５９】ステップＳ４０１：文字認識結果１４０中
の注目している候補文字の信頼度Ｒｒが基準値以上であ
るか否かが判定される。基準値は、例えば、「０．０
５」であり得る。ステップＳ４０１における判定結果が
「Ｙｅｓ」である場合には、処理はステップＳ４０２に
進む。ステップＳ４０１における判定結果が「Ｎｏ」で
ある場合には、処理はステップＳ４０４に進む。

【００６０】なお、文字認識処理によって文字認識結果
１４０（図４）を得る際に、信頼度Ｒｒが基準値以上で
ある候補文字のみを文字認識結果１４０に含むようにし
てもよい。その場合には、ステップＳ４０１における処
理は省略され得る。

【００６１】ステップＳ４０２：候補文字の確信度Ｃｒ
が計算される。確信度Ｃｒは、例えば、各候補文字につ
いての信頼度Ｒｒに基づいて、（数１）により計算され
る。

【００６２】

【数１】確信度Ｃｒ ＝ 候補文字ついての信頼度Ｒｒ
×文字別係数Ｋｒ 文字別係数Ｋｒは、予め、１つの文字（例えば、
「イ」）ごとに定義されている。文字別係数Ｋｒは、通
常の文書中におけるその文字の出現確率に依存する。文
字は、その種類ごとに通常の文書中における出現確率が
異なる。例えば、一般の日本語の文書では、文字「ゐ」
は、文字「る」よりも出現確率が低い。このように、出
現確率が低い文字については、文字別係数Ｋｒが低く設
定される。逆に、出現確率が高い文字については、文字
別係数Ｋｒが高く設定される。文字ごとの出現確率は、
予め、大量の一般的な文書を対象として統計的に求める
ことができる。

【００６３】各候補文字についての確信度Ｃｒは、その
候補文字についての信頼度Ｒｒに候補文字と同一の文字
（文字コードが一致する文字）についての文字別係数Ｋ
ｒを掛けることによって求められる。このようにして計
算された確信度Ｃｒは、候補文字と同一の文字がオリジ
ナル文書中の特定の部分に存在する確率を示す。そのよ
うな特定の部分とは、文字認識結果１４０（図４）にお
いて、その候補文字が含まれる欄（文字認識結果中の部
分）が対応するオリジナル文書中の部分である。

【００６４】ただし、確信度Ｃｒが必ずしも統計学的な
確率そのものである必要はない。確信度Ｃｒは、統計学
的な確率を所定の基準に従って正規化した値であり得
る。このような所定の基準は、候補文字の確信度Ｃｒ
が、候補文字と同一の文字がオリジナル文書中の特定の
部分に存在する確率を示すという性質を保持する限り、
任意の基準であり得る。確信度Ｃｒは、実数表現でなく
整数表現によって表されてもよい。あるいは、確信度Ｃ
ｒは、確信度Ｃｒのレベルを段階的に示す記号によって
表されてもよい（例えば、○：高、△：中、×：低）。

【００６５】なお、文字ごとの出現確率が不明である場
合には、文字別係数Ｋｒをすべての文字について一定と
してもよい。また、字種（漢字、カタカナ、ひらがな）
ごとに文字別係数Ｋｒを設定してもよい。

【００６６】ステップＳ４０３：候補文字と、ステップ
Ｓ４０２で求められた確信度Ｃｒとが候補文字−確信度
テーブルに登録される。

【００６７】図５Ｂは、候補文字−確信度テーブル１５
０１の一例を示す。候補文字と確信度Ｃｒとは、文字位
置１０４２（図４）ごとに、候補文字−確信度テーブル
１５０１に登録される。

【００６８】図５Ａを再び参照して、インデックステー
ブル作成処理の説明を続ける。

【００６９】ステップＳ４０４：すべての文字位置のす
べての候補文字について、ステップＳ４０１〜ステップ
Ｓ４０３の処理が行なわれたか否かが判定される。ステ
ップＳ４０４における判定結果が「Ｙｅｓ」である場合
には、処理はステップＳ４０５に進む。ステップＳ４０
４における判定結果が「Ｎｏ」である場合には、他の候
補文字について、ステップＳ４０１からの処理が行なわ
れる。

【００７０】ステップＳ４０５：候補文字−確信度テー
ブル１５０１（図５Ｂ）の隣接した文字位置に登録され
た候補文字からインデックステーブルが作成される。イ
ンデックステーブルは、インデックス文字列と、文字位
置と、確信度Ｃｒとを定義する。

【００７１】インデックス文字列は、候補文字−確信度
テーブル１５０１（図５Ｂ）の隣接した文字位置に登録
された候補文字を組み合わせることによって生成され
る。例えば、候補文字−確信度テーブル１５０１の文字
位置「１」に登録された候補文字「イ」と、隣接した文
字位置「２」に登録された候補文字「シ」とを組み合わ
せることによって、インデックス文字列「イシ」が生成
される。

【００７２】図６は、インデックステーブル作成処理に
よって作成されたインデックステーブルの一例を示す。
インデックステーブル１９０の欄１６１０は、インデッ
クス文字列を示す。欄１６１１は、インデックス文字列
に含まれる先頭の候補文字の文字位置を示す。欄１６１
２はインデックス文字列に含まれる候補文字のそれぞれ
について定義される確信度Ｃｒの組を示す。

【００７３】インデックステーブル１９０に含まれる行
１６０２は、インデックス文字列「イシ」に一致する文
字認識結果１４０中の部分の位置が「１」であり、イン
デックス文字列「イシ」の文字「イ」について定義され
た確信度Ｃｒが０．９であり、インデックス文字列「イ
シ」の文字「シ」について定義された確信度Ｃｒが０．
８であることを示す。

【００７４】インデックス文字列「イシ」（行１６０
２）に含まれる候補文字のそれぞれについて定義される
確信度Ｃｒの組は、各候補文字についてステップＳ４０
２（図５Ａ）で算出された確信度Ｃｒの組として得られ
る。なお、確信度Ｃｒの組として、各候補文字について
ステップＳ４０２（図５Ａ）で算出された確信度Ｃｒに
インデックス文字列ごとの係数を掛けた値の組が用いら
れてもよい。インデックス文字列ごとの係数は、例え
ば、一般の文書中に出現する確率が小さいインデックス
文字列については、低く設定され得る。例えば、文字列
「ヲヲ」や文字列「ヰヰ」は、一般の日本語の文書中に
出現する確率は小さい。このようなインデックス文字列
に対しては、インデックス文字列ごとの係数は低く設定
され得る。

【００７５】候補文字−確信度テーブル１５０１（図５
Ｂ）の隣接した文字位置に登録された候補文字を組み合
わせることによってインデックス文字列を生成すること
は、文字認識結果１４０（図４）に示される複数の欄の
うち、隣接した（連続した）複数の欄（例えば、欄１０
４５と欄１０４６）のそれぞれに含まれる候補文字を組
み合わせることと等価である。

【００７６】このように、図５Ａに示されるステップＳ
４０１〜ステップＳ４０５において、ＣＰＵ１１０（図
１）は、インデックステーブル１９０を作成するインデ
ックステーブル作成部として機能する。

【００７７】インデックステーブル１９０は、図５Ｂに
示される候補文字−確信度テーブル１５０１の隣接した
文字位置に登録された候補文字のすべての組み合わせを
インデックス文字列として登録することによって作成さ
れる。

【００７８】ただし、候補文字−確信度テーブル１５０
１の隣接した文字位置に登録された候補文字のすべての
組み合わせに重複する組み合わせがある場合には、イン
デックステーブル１９０には、１つのインデックス文字
列について複数の文字位置と確信度Ｃｒの組とが登録さ
れる。例えば、候補文字−確信度テーブル１５０１の文
字位置「２」および「３」に登録された候補文字「ン」
および「ワ」からインデックス文字列「ンワ」が生成さ
れ、文字位置「４」および「５」に登録された候補文字
「ン」および「ワ」からもインデックス文字列「ンワ」
が生成される。この場合、１つのインデックス文字列
「ンワ」について、文字位置２、確信度Ｃｒ（０．７，
０．２）と文字位置４、確信度Ｃｒ（０．１，０．２）
とがインデックステーブル１９０に登録される（行１６
０４）。

【００７９】インデックス文字列に含まれる文字数は、
予め定められている。図６に示される例では、インデッ
クス文字列に含まれる文字数は、「２」である。インデ
ックス文字列に含まれる文字数は、任意の自然数であり
得る。しかし、一般に、インデックス文字列に含まれる
文字数は２以上であることが好ましい。インデックス文
字列に含まれる文字数が１であると、１つのインデック
ス文字列について登録される文字位置と確信度Ｃｒとの
数が多くなり、検索を高速に行なうことができなくなる
からである。

【００８０】インデックステーブル１９０中のインデッ
クス文字列は、検索を容易にするために所定の順序に従
って順序付けられていることが好ましい。

【００８１】インデックステーブル１９０は、図４に示
される文字認識結果１４０中の１つの文字位置に対する
複数の候補文字を用いて作成されている。その結果、イ
ンデックステーブル１９０は、同一の文字位置に対応す
る複数のインデックス文字列を含む。従って、複数のイ
ンデックス文字列が、文字認識結果の１つの部分に一致
し得る。例えば、インデックステーブル１９０の行１６
０２に示されるインデックス文字列「イシ」と、インデ
ックステーブル１９０の行１６０３に示されるインデッ
クス文字列「イン」とは、いずれも、文字位置「１」に
よって示される文字認識結果１４０中の部分（欄１０４
５と欄１０４６とを包含する部分）に一致する。これに
よって、検索漏れを減らすことが可能になる。

【００８２】このように、インデックス文字列と、文字
認識結果の部分とが一致するとは、インデックス文字列
に含まれる各文字が、文字認識結果の連続した部分（図
４に示される隣接した欄）の１つに含まれる少なくとも
１つの候補文字の１つと同一である（文字コードが等し
い）という概念を含む。

【００８３】インデックステーブル１９０のような、同
一の文字位置に対応する複数のインデックス文字列を含
むインデックステーブルは、１つの文字位置に対する候
補文字が１つであるような文字認識結果からも作成する
ことができる。

【００８４】図７は、１つの文字位置に対する候補文字
が１つである文字認識結果１４０ａの一例を示す。文字
認識結果１４０ａは、図４に示される文字認識結果１４
０と比較して、１つの文字位置に対する候補文字が１つ
であるという点が異なる。文字認識結果１４０ａは、オ
リジナル文書１３１０（図３）に含まれる「イ」、
「ン」、「デ」、「ッ」、「ク」、「ス」という各文字
が、それぞれ、「イ」、「シ」、「テ」、「ソ」、
「タ」、「ス」と認識されたことを示す。オリジナル文
書１３１０に含まれる文字「ン」、「デ」、「ッ」、
「ク」は、誤って認識されている。

【００８５】図８Ａは、図７に示される文字認識結果１
４０ａからインデックステーブルを作成する処理（イン
デックステーブル作成処理）の手順を示す。

【００８６】ステップＳ５０１：確信度テーブルを参照
して、文字認識結果１４０ａの１つの文字位置に対する
候補文字と信頼度Ｒｒとの１つの組から、類似文字と確
信度Ｃｒとの組が求められる。類似文字と確信度Ｃｒと
の組は、複数得られてもよい。ステップＳ５０１の処理
は、各文字位置について行なわれる。確信度テーブル
は、図９を参照して後述される。

【００８７】ステップＳ５０２：類似文字の確信度Ｃｒ
が、所定の基準値以上であるか否かが判定される。所定
の基準値とは、例えば、０．０５である。ステップＳ５
０２における判定結果が「Ｙｅｓ」である場合には、処
理はステップＳ５０３に進む。ステップＳ５０２におけ
る判定結果が「Ｎｏ」である場合には、処理はステップ
Ｓ５０４に進む。

【００８８】ステップＳ５０３：類似文字と、ステップ
Ｓ５０１で求められた確信度Ｃｒとが類似文字−確信度
テーブルに登録される。

【００８９】図８Ｂは、類似文字−確信度テーブル１８
０１の例を示す。類似文字と確信度Ｃｒとは、文字位置
１０４２（図７）ごとに、類似文字−確信度テーブル１
８０１に登録される。

【００９０】図８Ａを再び参照して、インデックステー
ブル作成処理の説明を続ける。

【００９１】ステップＳ５０４：すべての文字位置の候
補文字について、ステップＳ５０２〜ステップＳ５０３
の処理が行なわれたか否かが判定される。ステップＳ５
０４における判定結果が「Ｙｅｓ」である場合には、処
理はステップＳ５０５に進む。ステップＳ５０４におけ
る判定結果が「Ｎｏ」である場合には、他の類似文字に
ついて、ステップＳ５０２からの処理が行なわれる。

【００９２】ステップＳ５０５：類似文字−確信度テー
ブル１８０１（図８Ｂ）の隣接した文字位置に登録され
た類似文字からインデックステーブルが作成される。イ
ンデックス文字列は、類似文字−確信度テーブル１８０
１（図８Ｂ）の隣接した文字位置に登録された類似文字
を組み合わせることによって生成される。この処理は、
図５Ａに示されるステップＳ４０５において、候補文字
−確信度テーブル１５０１（図５Ｂ）からインデックス
テーブル１９０（図６）を作成した処理と同様である。

【００９３】生成されるインデックステーブルは、図６
に示されるインデックステーブル１９０と同様である。
例えば、インデックステーブル１９０の行１６０２にお
いて、欄１６１１は、インデックス文字列「イシ」に含
まれる先頭の類似文字「イ」の文字位置を示す。欄１６
１２はインデックス文字列「イシ」に含まれる類似文字
のそれぞれについて定義される確信度Ｃｒの組（０．
９，０．８）を示す。

【００９４】図９は、確信度テーブル１５０の一例を示
す。図９には、確信度テーブル１５０のうち、候補文字
「シ」に関する部分のみを示す。

【００９５】確信度テーブル１５０は、例えば、文字認
識結果として１つの候補文字「シ」および信頼度Ｒｒ
「０．９」が得られた場合に、類似文字「ン」および確
信度Ｃｒ「０．２」と、類似文字「シ」および確信度Ｃ
ｒ「０．８」とが得られることを示す。類似文字「ン」
および類似文字「シ」は、候補文字「シ」と文字の形状
が類似しているか、同一である文字である。

【００９６】候補文字「シ」についての類似文字が
「ン」および「シ」であることは、文字認識結果として
１つの候補文字「シ」が得られた場合に、オリジナルの
文書中には類似文字「ン」または類似文字「シ」が書か
れている可能性が高いことを示す。

【００９７】確信度テーブル１５０は、予め、多種多数
の文字が書かれたオリジナル文書に対して文字認識を行
い、それによって得られる文字認識結果および信頼度Ｒ
ｒと、オリジナル文書に実際に存在する文字とを比較す
ることによって作成され得る。例えば、確信度テーブル
１５０の部分１８１１に示される確信度Ｃｒの「０．
２」は、様々なフォントや様々な印字品質で書かれた文
字「ン」に対して文字認識を行った場合に、候補文字
「シ」および信頼度Ｒｒ０．９が得られる確率から求め
られ得る。

【００９８】確信度テーブル１５０は、全ての文字の組
み合わせに対して用意される。ただし、確信度Ｃｒが所
定の基準よりも小さくなるような類似文字については、
確信度テーブル１５０に登録する必要はない。従って、
１つの候補文字について得られる類似文字の個数を限定
することができる。

【００９９】文字認識によって得られる信頼度Ｒｒが図
９に示される確信度テーブル１５０に定義される信頼度
Ｒｒと一致しない場合（例えば、文字認識によって得ら
れる信頼度Ｒｒが０．８）である場合には、適切な方法
により類似文字の確信度Ｃｒが計算される。例えば、文
字認識によって得られる信頼度Ｒｒが０．５よりも小さ
い場合には、確信度テーブル１５０中の信頼度Ｒｒ
「０．５」の行が参照される。また、文字認識によって
得られる信頼度Ｒｒが０．９よりも大きい場合には、確
信度テーブル１５０中の信頼度Ｒｒ「０．９」の行が参
照される。文字認識によって得られる信頼度Ｒｒが確信
度テーブル１５０に定義される２つの信頼度Ｒｒの間の
値である場合には、確信度テーブル１５０に定義される
２つの信頼度Ｒｒのうち、文字認識によって得られる信
頼度Ｒｒに近い値の行が参照される。

【０１００】なお、確信度テーブル１５０の構造は、図
９に示される構造に限定されない。確信度テーブル１５
０は、候補文字と信頼度Ｒｒとの組から、類似文字と確
信度Ｃｒの組とが少なくとも１つ得られる限り、任意の
構造を有し得る。例えば、確信度Ｃｒの信頼度Ｒｒに対
する分布を一様分布であると仮定して、その分布範囲を
確信度の上限および下限、信頼度Ｒｒの上限および下限
により表し、これらの上限値および下限値が確信度テー
ブル１５０に定義されてもよい。あるいは、確信度Ｃｒ
の信頼度Ｒｒに対する分布をガウス分布であると仮定し
て、その分布の平均値と分散値とが確信度テーブル１５
０に定義されてもよい。

【０１０１】このような確信度テーブル１５０を用いて
図８Ａに示されるインデックステーブル作成処理を実行
することにより、１つの文字位置に対する候補文字が１
つである文字認識結果１４０ａ（図７）からでも、同一
の文字位置に対応する複数のインデックス文字列を含む
インデックステーブル１９０（図６）を作成することが
できる。

【０１０２】確信度テーブル１５０は、検索装置１がイ
ンデックステーブル作成処理を図５Ａに示される手順に
従って実行する場合には、省略され得る。

【０１０３】このように、インデックステーブル１９０
はまた、図７に示される文字認識結果１４０ａ中の１つ
の文字位置に対する１つの候補文字に予め対応付けられ
た複数の類似文字を用いて作成され得る。その結果、イ
ンデックステーブル１９０は、同一の文字位置に対応す
る複数のインデックス文字列を含む。従って、複数のイ
ンデックス文字列が、文字認識結果の１つの部分に一致
し得る。これによって、文字認識処理において誤認識が
生じた場合にも検索漏れを減らすことが可能になる。

【０１０４】但し、インデックス文字列に含まれる各文
字が、文字認識結果の連続した部分（図７に示される隣
接した欄）の１つに含まれる１つの候補文字と同一であ
るとは限らない。例えば、インデックステーブル１９０
の行１６０３に示されるインデックス文字列「イン」に
含まれる文字「ン」は、文字認識結果１４０ａ（図７）
の欄１０４６ａに含まれる１つの候補文字「シ」と同一
ではない。しかし、インデックス文字列「イン」に含ま
れる文字「ン」は、その候補文字「シ」に予め確信度テ
ーブル１５０（図９）により対応付けられた類似文字
「ン」と同一である。

【０１０５】このように、インデックス文字列と、文字
認識結果の部分とが一致するとは、インデックス文字列
に含まれる各文字が、文字認識結果の連続した部分（図
４に示される隣接した欄）の１つに含まれる１つの候補
文字に予め対応付けられた少なくとも１つの文字の１つ
と同一である（文字コードが等しい）という概念を含
む。

【０１０６】次に、インデックステーブル１９０（図
６）を用いて文字認識結果からキーワードを検索する処
理（文書検索処理）を説明する。

【０１０７】図１０は、文書検索処理の手順を示す。以
下、文書検索処理の各ステップを詳しく説明する。

【０１０８】ステップＳ３０１：キーワードが入力され
る。以下、キーワードが「インデックス」という文字列
である場合を例として説明する。

【０１０９】ステップＳ３０２：キーワードから、連続
する２文字の組（長さが２の文字列）が抽出される。こ
の例では、２文字の組「イン」、「ンデ」、「デッ」、
「ック」、「クス」が抽出される。なお、抽出される文
字列の長さは、インデックステーブルに定義されるイン
デックス文字列の長さと等くなるように設定される。従
って、インデックス文字列の長さがｎ（ｎは自然数）で
ある場合には、キーワードからｎ文字の組（長さがｎの
文字列）が抽出される。以下の説明では、ｎ＝２である
ものとする。

【０１１０】抽出された複数の２文字の組は、互いのそ
の一部がオーバーラップしている。しかし、オーバーラ
ップしないようにキーワードから２文字の組を抽出して
もよい。例えば、キーワード「インデックス」から２文
字の組「イン」、「デッ」、「クス」が抽出されてもよ
い。ただし、キーワードに含まれるそれぞれの文字は、
抽出された２文字の組の少なくとも１つに含まれるよう
に、キーワードから２文字の組が抽出される。

【０１１１】ステップＳ３０３：インデックステーブル
１９０（図６）を参照し、２文字の組に対応する文字位
置と確信度Ｃｒとが抽出される。この例では、２文字の
組「イン」に対応する文字位置「１」、確信度Ｃｒの組
（０．９，０．７）（行１６０３）、２文字の組「ン
デ」に対応する文字位置「２」、確信度Ｃｒの組（０．
７，０．８）（行１６０５）、２文字の組「デッ」に対
応する文字位置「３」、確信度Ｃｒの組（０．８，０．
３）（行１６０６）、２文字の組「ック」に対応する文
字位置「４」、確信度Ｃｒの組（０．３，０．１）（行
１６０７）、および、２文字の組「クス」に対応する文
字位置「５」、確信度Ｃｒの組（０．１，０．９）（行
１６０８）が得られる。

【０１１２】なお、図６に示されるインデックステーブ
ル１９０から各文字列に対応する文字位置および確信度
Ｃｒを効率的に取り出すために、インデックス文字列に
含まれる文字の文字コードと、インデックス文字列を含
む行が格納されているアドレス（例えば、ＨＤＤ１７０
上のアドレス）との対応表を用いてもよい。また、この
ようなアドレスは、２分木探索法を用いて求められても
よい。

【０１１３】ステップＳ３０４：すべての２文字の組に
ついて、ステップＳ３０３の処理が行なわれたか否かが
判定される。ステップＳ３０４における判定結果が「Ｎ
ｏ」である場合には、他の２文字の組についてステップ
Ｓ３０３の処理が行なわれる。ステップＳ３０４におけ
る判定結果が「Ｙｅｓ」である場合には、処理はステッ
プＳ３０５に進む。

【０１１４】ステップＳ３０５：すべての２文字の組が
所定の順序で並んでいるか否かが判定される。この判定
は、ステップＳ３０４でそれぞれの２文字の組について
得られた文字位置に基づいて行なわれる。具体的には、
キーワードのｋ文字目（ｋは自然数）を先頭とする２文
字の組について得られた文字位置ｍ（ｍは自然数）が、
すべての２文字の組について、「ｍ−ｋ＝一定」という
関係を満たすならば、すべての２文字の組が所定の順序
で並んでいると判定される。

【０１１５】すべての２文字の組が所定の順序で並んで
いることは、キーワードが文字認識結果中の特定の部分
に一致することを示す。その特定の部分とは、キーワー
ドに含まれる各文字が一致する文字認識結果中の部分を
包含する部分である。

【０１１６】この例では、キーワード「インデックス」
が、文字認識結果１４０（図４）の部分１０４７または
文字認識結果１４０ａ（図７）の部分１０４７ａに一致
する。

【０１１７】このような部分１０４７または部分１０４
７ａの位置は、その部分の先頭の欄の文字位置「１」と
して特定される。

【０１１８】この例では、キーワード「インデックス」
から抽出されたすべての２文字の組は、上述した関係を
満たすために、「所定の順序で並んでいる」と判定され
る。

【０１１９】ステップＳ３０５における判定が「Ｙｅ
ｓ」である場合には、処理はステップＳ３０６に進む。
ステップＳ３０５における判定が「Ｎｏ」である場合に
は、処理はステップＳ３０８に進む。

【０１２０】このように、ステップＳ３０２〜ステップ
Ｓ３０５において、ＣＰＵ１１０（図１）は、インデッ
クステーブル１９０（図６）に含まれるインデックス文
字列とインデックス文字列に一致する文字認識結果中の
部分の位置とに基づいて、キーワードがその文字認識結
果中の部分に一致するか否かを判定し、もし一致する場
合には、キーワードに一致するその文字認識結果中の部
分の位置を特定する位置特定部として機能する。

【０１２１】ステップＳ３０６：キーワード確信度Ｋｃ
が算出される。キーワード確信度Ｋｃは、例えば、キー
ワード「インデックス」から抽出された２文字の組「イ
ン」、「ンデ」、「デッ」、「ック」、「クス」のそれ
ぞれに対応する確信度Ｃｒの組の左側の値と、キーワー
ド「インデックス」を構成する最後の２文字の組「ク
ス」に対応する確信度Ｃｒの組の右側の値との相加平均
として求められる。これは、キーワードに含まれる各文
字について定義された確信度の相加平均を求めることと
等価である。この例では、キーワード確信度Ｋｃ＝
（０．９＋０．７＋０．８＋０．３＋０．１＋０．９）
／６＝０．６１となる。

【０１２２】なお、キーワード確信度Ｋｃは、相乗平
均、メディアン値、または最頻値によって算出されても
よい。キーワード確信度Ｋｃは、２文字の組のそれぞれ
に対応する確信度Ｃｒの組のうち、小さくない方の値だ
けを用いて算出されてもよい。確信度Ｃｒが予め定めら
れた基準値未満の場合には、その確信度Ｃｒをキーワー
ド確信度Ｋｃの算出に用いないようにしてもよい。

【０１２３】このように、キーワード確信度Ｋｃは、キ
ーワードに含まれる各文字について定義された確信度Ｃ
ｒに基づいて算出される。

【０１２４】算出されたキーワード確信度Ｋｃは、文字
認識結果中の文字位置に対応するオリジナル文書中の位
置に、そのキーワードが存在する確率を示す。

【０１２５】例えば、ステップＳ３０５で、キーワード
「インデックス」が、文字認識結果１４０（図４）の部
分１０４７または文字認識結果１４０ａ（図７）の部分
１０４７ａに一致すると判定され、このような部分１０
４７または部分１０４７ａの位置が文字位置「１」と特
定された場合、文字位置「１」に対応するオリジナル文
書中の位置（すなわち、オリジナル文書の先頭）にキー
ワード「インデックス」が存在する確率は、０．６１で
ある。

【０１２６】このように、ステップＳ３０６において、
ＣＰＵ１１０は、インデックステーブル１９０（図６）
に含まれる確信度Ｃｒに基づいて、キーワードに一致す
る文字認識結果中の部分の位置に対応するオリジナル文
書中の位置にキーワードが存在する確率を示すキーワー
ド確信度Ｋｃを算出する算出部として機能する。

【０１２７】ステップＳ３０７：キーワード確信度Ｋｃ
が基準値（所定の値）以上であるか否かが判定される。
基準値は、例えば、０．５であり得る。この基準値は、
固定値であってもよいし、キーワードに応じて設定され
てもよい。例えば、キーワードの文字数に応じて基準値
を変更してもよい。

【０１２８】この基準値を高くすると、検索ノイズを減
らすことができるが、高くしすぎると検索漏れが起こり
やすくなる。一般に、キーワードの文字数が多い場合に
は、基準値を低く設定することにより、誤認識が多い場
合にも検索漏れを減らすことが好ましい。キーワードの
文字数（キーワードに含まれる文字の数）が多い場合に
は、基準値を低く設定することによっても検索ノイズは
あまり増加しないからである。

【０１２９】キーワードに含まれる文字の種類（字種）
に応じて基準値を変更してもよい。例えば、キーワード
の各文字がカタカナである場合、漢字である場合、漢字
とカタカナとの混合である場合、ひらがなである場合の
それぞれについて、基準値を最適に設定することによ
り、より効果的な検索を行うことができる。

【０１３０】あるいは、この基準値は、ユーザによって
指定されてもよい。ユーザは、検索漏れを防ぐか、検索
ノイズを減少させるかという目的に応じて、適切な基準
値を設定し得る。

【０１３１】ステップＳ３０７における判定が「Ｙｅ
ｓ」である場合には、処理はステップＳ３０９に進む。
ステップＳ３０７における判定が「Ｎｏ」である場合に
は、処理はステップＳ３０８に進む。

【０１３２】このように、ステップＳ３０５においてキ
ーワードが文字認識結果１４０または文字認識結果１４
０ａの部分に一致するという検索結果が得られた後に、
ステップＳ３０７が実行され、実際のオリジナル文書に
キーワードがあるか否か（検索結果が正当であるか否
か）がキーワード確信度Ｋｃに基づいて判定される。ス
テップＳ３０７において、ＣＰＵ１１０は、キーワード
確信度Ｋｃに基づいて検索結果の正当性を判定する判定
部として機能する。

【０１３３】ステップＳ３０８：キーワードがオリジナ
ル文書中に存在しないと判断される。端末１００（図
１）のディスプレイには、例えば、「キーワードが見つ
かりませんでした」というメッセージが表示される。

【０１３４】ステップＳ３０９：キーワードが検出され
たと判断される。検索結果として、検出箇所を示す文字
位置と、キーワード確信度Ｋｃとが得られる。検出箇所
が複数である場合には、文字位置とキーワード確信度Ｋ
ｃとの組が複数得られる。

【０１３５】上述した、キーワードが「インデックス」
である例では、検索結果として、文字位置「１」と、キ
ーワード確信度Ｋｃ「０．６１」とが得られる。

【０１３６】検索結果は、例えば、端末１００に表示さ
れる。検索装置１は、例えば、ＨＤＤ１７０に格納され
た文書画像データ１３０（および／または、文字認識結
果１４０、１４０ａ）を端末１００のディスプレイに表
示し、そのディスプレイに表示された文書画像データ１
３０（および／または、文字認識結果１４０、１４０
ａ）の領域のうちキーワードに対応する領域を強調表示
する。強調表示は、例えば、表示される文字の属性（例
えば、文字の色や濃度、文字背景の色や濃度、文字の大
きさ、文字の太さ、フォント等）を変更することによっ
てなされる。このような属性は、キーワード確信度Ｋｃ
に応じて変化させてもよい。例えば、キーワード確信度
Ｋｃが０．５〜１．０の間を０．１の刻み幅で区分し、
各区分に異なる属性を設定して強調表示を行ってもよ
い。この場合には、ユーザがキーワード確信度Ｋｃの大
小を視覚的に把握することができるので、ユーザが検索
結果の正当性のさらなる判定を視覚的に、容易に行うこ
とができるという利点が得られる。

【０１３７】あるいは、キーワード確信度Ｋｃが高い検
出箇所から順に、キーワードに対応する領域を表示して
もよい。

【０１３８】このようにして、ユーザが検索結果の正当
性のさらなる判定を行う場合には、ステップＳ３０７に
おいて用いられる基準値を低く設定してもよい。

【０１３９】あるいは、ステップＳ３０７が省略されて
もよい。この場合、検索結果の正当性の判定はすべてユ
ーザにより行なわれる。ユーザは、キーワード確信度Ｋ
ｃに基づいて、検索結果の正当性の判定を容易に行うこ
とが可能である。

【０１４０】以下、図１０に示される文書検索処理によ
り、検索ノイズが抑制される例を説明する。

【０１４１】キーワード「ワックス」を指定して、図６
に示されるインデックステーブル１９０を用いて図１０
に示される文書検索処理を行った場合、ステップＳ３０
５における判定は「Ｙｅｓ」となり、文字位置「３」が
特定される。

【０１４２】ステップＳ３０６において、キーワード確
信度Ｋｃ＝（０．２＋０．３＋０．１＋０．９）／４＝
０．３８と算出される。

【０１４３】キーワード確信度Ｋｃが基準値０．５より
も小さいので、キーワードが存在しないと判断される。

【０１４４】キーワード「デンワ」を指定した場合、ス
テップＳ３０５における判定は「Ｙｅｓ」となり、文字
位置「３」が特定される。

【０１４５】ステップＳ３０６において、キーワード確
信度Ｋｃ＝（０．８＋０．１＋０．２）／３＝０．３７
と算出される。

【０１４６】キーワード確信度Ｋｃが基準値０．５より
も小さいので、キーワードが存在しないと判断される。

【０１４７】同様に、キーワード「フック」を指定した
場合、ステップＳ３０５における判定は「Ｙｅｓ」とな
り、文字位置「３」が特定される。

【０１４８】ステップＳ３０６において、キーワード確
信度Ｋｃ＝（０．２＋０．３＋０．１）／３＝０．２と
算出される。

【０１４９】キーワード確信度Ｋｃが基準値０．５より
も小さいので、キーワードが存在しないと判断される。

【０１５０】このように、本発明の検索装置１によれ
ば、オリジナル文書中にキーワードが存在しないにもか
かわらず、キーワードが検出されることを抑制する、す
なわち、検索ノイズを抑制することが可能になる。

【０１５１】本発明の文書検索処理は、コンピュータ上
のソフトウェアによって実現されることに限定されな
い。本発明の文書検索処理をハードウェアによって実現
してもよいし、ソフトウェアとハードウェアの組み合わ
せによって実現してもよい。

【０１５２】なお、上述した実施の形態では、日本語の
文書を例に取り説明した。しかし、本発明の適用は、日
本語の文書に限定されない。他の任意の文書（例えば、
中国語の文書、英語の文書、韓国語の文書）に本発明を
適用することも可能である。

【０１５３】

【発明の効果】本発明によれば、インデックステーブル
に含まれる確信度に基づいて、キーワードに一致する文
字認識結果中の部分の位置に対応するオリジナル文書中
の位置にキーワードが存在する確率を示すキーワード確
信度が算出される。従って、キーワード確信度に基づい
て、検索結果の正当性を判定することが容易になる。

【０１５４】本発明の検索装置は、インデックステーブ
ルを用いるので、高速な検索を行うことが可能である。

【図面の簡単な説明】

【図１】本発明の検索装置１の構成を示すブロック図

【図２】オリジナル文書中の文字を認識することによっ
て得られる文字認識結果からキーワードを検索するため
に、検索装置１によって実行される処理の流れを示す図

【図３】オリジナル文書１３１０の一例を示す図

【図４】オリジナル文書１３１０に対して文字認識処理
を行うことにより得られる文字認識結果１４０の一例を
示す図

【図５Ａ】インデックステーブル作成処理の手順を示す
フローチャート

【図５Ｂ】候補文字−確信度テーブル１５０１の例を示
す図

【図６】インデックステーブル作成処理によって作成さ
れたインデックステーブル１９０の一例を示す図

【図７】１つの文字位置に対する候補文字が１つである
文字認識結果１４０ａの一例を示す図

【図８Ａ】図７に示される文字認識結果１４０ａからイ
ンデックステーブルを作成する処理の手順を示すフロー
チャート

【図８Ｂ】類似文字−確信度テーブル１８０１の例を示
す図

【図９】確信度テーブル１５０の一例を示す図

【図１０】文書検索処理の手順を示すフローチャート

【図１１】従来技術によって、オリジナル文書中に存在
する可能性のある複数の文字列をインデックス文字列と
てし登録したインデックステーブル１９０１の一例を示
す図

【符号の説明】

１ 検索装置 １００ 端末 １１０ ＣＰＵ １２０ 画像入力機器 １３０ 文書画像データ １４０ 文字認識結果 １７０ ＨＤＤ １８０ ワークメモリ １９０ インデックステーブル

フロントページの続き (72)発明者 松川 善彦 大阪府門真市大字門真1006番地 松下電器 産業株式会社内 (72)発明者 目片 強司 大阪府門真市大字門真1006番地 松下電器 産業株式会社内 Ｆターム(参考） 5B064 AA07 BA01 EA19 5B075 ND02 NK02 PR06 QM08

Claims (8)

【特許請求の範囲】
1. 【請求項１】 インデックステーブルを用いて、オリジ
   ナル文書中の文字を認識することによって得られる文字
   認識結果からキーワードを検索する検索装置であって、 前記インデックステーブルは、インデックス文字列と、
   前記インデックス文字列に一致する前記文字認識結果中
   の部分の位置と、前記インデックス文字列に含まれる各
   文字について定義され、前記文字に一致する前記文字認
   識結果中の部分に対応する前記オリジナル文書中の部分
   に前記文字が存在する確率を示す確信度とを含み、 前記検索装置は、 前記インデックステーブルに含まれる前記インデックス
   文字列と前記インデックス文字列に一致する前記文字認
   識結果中の部分の位置とに基づいて、前記キーワードが
   前記文字認識結果中の部分に一致するか否かを判定し、
   もし一致する場合には、前記キーワードに一致する前記
   文字認識結果中の部分の位置を特定する位置特定部と、 前記インデックステーブルに含まれる前記確信度に基づ
   いて、前記キーワードに一致する前記文字認識結果中の
   部分の位置に対応する前記オリジナル文書中の位置に前
   記キーワードが存在する確率を示すキーワード確信度を
   算出する算出部とを備えた、検索装置。
2. 【請求項２】 前記キーワード確信度に基づいて検索結
   果の正当性を判定する判定部をさらに含む、請求項１に
   記載の検索装置。
3. 【請求項３】 前記判定部は、前記キーワード確信度が
   所定の値以上である場合に、前記検索結果を正当である
   と判定する、請求項２に記載の検索装置。
4. 【請求項４】 前記所定の値は、前記キーワードに含ま
   れる文字の数および前記キーワードに含まれる文字の種
   類の少なくとも一方に応じて設定される、請求項３に記
   載の検索装置。
5. 【請求項５】 前記検索装置は、前記インデックステー
   ブルを作成するインデックステーブル作成部をさらに含
   み、 前記文字認識結果は、前記オリジナル文書の文字のそれ
   ぞれに対応する複数の部分を含み、 前記複数の部分のそれぞれは、少なくとも１つの文字を
   含み、 前記インデックステーブル作成部は、前記複数の部分の
   うち、連続した複数の部分のそれぞれに含まれる前記少
   なくとも１つの文字を組み合わせることにより、前記イ
   ンデックス文字列を生成する、請求項１に記載の検索装
   置。
6. 【請求項６】 前記検索装置は、前記インデックステー
   ブルを作成するインデックステーブル作成部をさらに含
   み、 前記文字認識結果は、前記オリジナル文書の文字のそれ
   ぞれに対応する複数の部分を含み、 前記複数の部分のそれぞれは、文字を含み、 前記インデックステーブル作成部は、前記複数の部分の
   うち、連続した複数の部分のそれぞれに含まれる前記文
   字に予め対応付けられた少なくとも１つの文字を組み合
   わせることにより、前記インデックス文字列を生成す
   る、請求項１に記載の検索装置。
7. 【請求項７】 インデックステーブルを用いて、オリジ
   ナル文書中の文字を認識することによって得られる文字
   認識結果からキーワードを検索する検索処理を実行させ
   るためのプログラムを記録したコンピュータ読み取り可
   能な記録媒体であって、 前記インデックステーブルは、インデックス文字列と、
   前記インデックス文字列に一致する前記文字認識結果中
   の部分の位置と、前記インデックス文字列に含まれる各
   文字について定義され、前記文字に一致する前記文字認
   識結果中の部分に対応する前記オリジナル文書中の部分
   に前記文字が存在する確率を示す確信度とを含み、 前記検索処理は、 前記インデックステーブルに含まれる前記インデックス
   文字列と前記インデックス文字列に一致する前記文字認
   識結果中の部分の位置とに基づいて、前記キーワードが
   前記文字認識結果中の部分に一致するか否かを判定し、
   もし一致する場合には、前記キーワードに一致する前記
   文字認識結果中の部分の位置を特定するステップと、 前記インデックステーブルに含まれる前記確信度に基づ
   いて、前記キーワードに一致する前記文字認識結果中の
   部分の位置に対応する前記オリジナル文書中の位置に前
   記キーワードが存在する確率を示すキーワード確信度を
   算出するステップとを包含する、記録媒体。
8. 【請求項８】 インデックステーブルを用いて、オリジ
   ナル文書中の文字を認識することによって得られる文字
   認識結果からキーワードを検索する検索処理を実行させ
   るためのプログラムであって、 前記インデックステーブルは、インデックス文字列と、
   前記インデックス文字列に一致する前記文字認識結果中
   の部分の位置と、前記インデックス文字列に含まれる各
   文字について定義され、前記文字に一致する前記文字認
   識結果中の部分に対応する前記オリジナル文書中の部分
   に前記文字が存在する確率を示す確信度とを含み、 前記検索処理は、 前記インデックステーブルに含まれる前記インデックス
   文字列と前記インデックス文字列に一致する前記文字認
   識結果中の部分の位置とに基づいて、前記キーワードが
   前記文字認識結果中の部分に一致するか否かを判定し、
   もし一致する場合には、前記キーワードに一致する前記
   文字認識結果中の部分の位置を特定するステップと、 前記インデックステーブルに含まれる前記確信度に基づ
   いて、前記キーワードに一致する前記文字認識結果中の
   部分の位置に対応する前記オリジナル文書中の位置に前
   記キーワードが存在する確率を示すキーワード確信度を
   算出するステップとを包含する、プログラム。