JP2003108926A - 文字認識装置、文字認識方法、その実行プログラムおよびそれを記憶した記録媒体 - Google Patents
文字認識装置、文字認識方法、その実行プログラムおよびそれを記憶した記録媒体Info
- Publication number
- JP2003108926A JP2003108926A JP2001295168A JP2001295168A JP2003108926A JP 2003108926 A JP2003108926 A JP 2003108926A JP 2001295168 A JP2001295168 A JP 2001295168A JP 2001295168 A JP2001295168 A JP 2001295168A JP 2003108926 A JP2003108926 A JP 2003108926A
- Authority
- JP
- Japan
- Prior art keywords
- character
- reliability
- weight
- candidate
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】
【課題】 後処理によって、精度の高い認識文字列候補
を出力し得る文字認識装置および文字認識方法を提供す
ること 【解決手段】 認識候補文字群（類似度１位からＮ位）
の信頼度を算出し、かかる信頼度に応じて、文字群間の
連接確率の重みを動的に変化させる。
を出力し得る文字認識装置および文字認識方法を提供す
ること 【解決手段】 認識候補文字群（類似度１位からＮ位）
の信頼度を算出し、かかる信頼度に応じて、文字群間の
連接確率の重みを動的に変化させる。
Description
【０００１】
【発明の属する技術分野】本発明は、入力情報を処理し
て所定の文字を認識する文字認識装置、文字認識方法、
その実行プログラムおよびそれを記憶した記録媒体に関
する。
て所定の文字を認識する文字認識装置、文字認識方法、
その実行プログラムおよびそれを記憶した記録媒体に関
する。
【０００２】
【従来の技術】従来の文字認識方法においては、たとえ
ば筆記入力された文字の特徴量を抽出し、これを認識辞
書中の特徴量と比較して、両者の類似度が高い（両者の
距離値が小さい）認識候補文字を出力するようにしてい
た。しかしながら、かかる一文字毎の文字認識では、認
識辞書の特徴量から離れた文字を筆記した場合に、適正
な認識結果を得ることができない。
ば筆記入力された文字の特徴量を抽出し、これを認識辞
書中の特徴量と比較して、両者の類似度が高い（両者の
距離値が小さい）認識候補文字を出力するようにしてい
た。しかしながら、かかる一文字毎の文字認識では、認
識辞書の特徴量から離れた文字を筆記した場合に、適正
な認識結果を得ることができない。
【０００３】そこで、通常は、かかる一文字毎の文字認
識に加え、前後の文字あるいは単語間・文節間の連接確
率を判定する後処理を実行し、かかる後処理結果に基づ
いて認識文字列候補を出力するようにしている。
識に加え、前後の文字あるいは単語間・文節間の連接確
率を判定する後処理を実行し、かかる後処理結果に基づ
いて認識文字列候補を出力するようにしている。
【０００４】例えば、特開２０００−９０２０１号公報
には、認識候補文字間の連接確率を判定して後処理を実
行する方法が記載されている。かかる後処理において
は、たとえば図１２に示すように、「本日は晴」と手書
き入力がなされ、各手書き文字に対する認識候補文字
（類似度１位から３位）が同図に示すとおりであったと
すると、各認識文字を接続した３4＝８１通りの文字列
に対する連接確率が算出される。例えば、各認識候補文
字の１位の文字を接続した文字列「本目は哨」について
は、「本」と「目」、「目」と「は」、「は」と「哨」
の連接確率が連接確率辞書から読み出され、これら各文
字間の連接確率の合計を当該文字列全体の連接確率の合
計値とする。そして、かかる連接確率の合計値と、当該
文字列を構成する各認識候補文字の類似度の合計値とを
合算し、これにより当該文字列の文字列評価値（整合
度）を算出する。このようにして８１通りの文字列に対
する整合度が算出されると、これら整合度が比較され、
この内、整合度が最も大きな文字列が認識文字列候補と
して出力される。
には、認識候補文字間の連接確率を判定して後処理を実
行する方法が記載されている。かかる後処理において
は、たとえば図１２に示すように、「本日は晴」と手書
き入力がなされ、各手書き文字に対する認識候補文字
（類似度１位から３位）が同図に示すとおりであったと
すると、各認識文字を接続した３4＝８１通りの文字列
に対する連接確率が算出される。例えば、各認識候補文
字の１位の文字を接続した文字列「本目は哨」について
は、「本」と「目」、「目」と「は」、「は」と「哨」
の連接確率が連接確率辞書から読み出され、これら各文
字間の連接確率の合計を当該文字列全体の連接確率の合
計値とする。そして、かかる連接確率の合計値と、当該
文字列を構成する各認識候補文字の類似度の合計値とを
合算し、これにより当該文字列の文字列評価値（整合
度）を算出する。このようにして８１通りの文字列に対
する整合度が算出されると、これら整合度が比較され、
この内、整合度が最も大きな文字列が認識文字列候補と
して出力される。
【０００５】
【発明が解決しようとする課題】上記従来の後処理方法
においては、文字列の連接確率の合計値と各文字の類似
度の合計値を合算する場合、連接確率の合計値に一定の
重みｗを乗じた後、これを類似度の合計値に加算するよ
うにしている。すなわち、手書き入力がＴ個の文字から
構成されているとすると（図１２の場合はＴ＝４）、所
定の文字列の整合度Ｌは以下のように算出される。
においては、文字列の連接確率の合計値と各文字の類似
度の合計値を合算する場合、連接確率の合計値に一定の
重みｗを乗じた後、これを類似度の合計値に加算するよ
うにしている。すなわち、手書き入力がＴ個の文字から
構成されているとすると（図１２の場合はＴ＝４）、所
定の文字列の整合度Ｌは以下のように算出される。
【０００６】Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋ｗ・｛ｌｏ
ｇＰ（１，２）＋ｌｏｇＰ（２，３）＋…＋ｌｏｇＰ
（Ｔ−１，Ｔ）｝ ここで、ＳKは当該文字列を構成するＫ番目の文字の類
似度、Ｐ（Ｋ−１，Ｋ）はＫ−１番目の文字とＫ番目の
文字の連接確率である。
ｇＰ（１，２）＋ｌｏｇＰ（２，３）＋…＋ｌｏｇＰ
（Ｔ−１，Ｔ）｝ ここで、ＳKは当該文字列を構成するＫ番目の文字の類
似度、Ｐ（Ｋ−１，Ｋ）はＫ−１番目の文字とＫ番目の
文字の連接確率である。
【０００７】しかしながら、上記従来の後処理方法で
は、連接確率の項の重みｗが一定であるため、類似度が
低い文字間についても類似度が高い文字間と同一の重み
が設定されることになる。その結果、上位の認識候補文
字に正解が存在している場合に、誤って下位の認識候補
文字が認識文字列候補として選択されたり、逆に、下位
に正解が含まれている場合に、当該正解を含む文字列が
認識文字列候補として選択され得ないとの問題が生じ
る。
は、連接確率の項の重みｗが一定であるため、類似度が
低い文字間についても類似度が高い文字間と同一の重み
が設定されることになる。その結果、上位の認識候補文
字に正解が存在している場合に、誤って下位の認識候補
文字が認識文字列候補として選択されたり、逆に、下位
に正解が含まれている場合に、当該正解を含む文字列が
認識文字列候補として選択され得ないとの問題が生じ
る。
【０００８】そこで本発明は、かかる従来例の問題点を
解消し、上記従来例に比べて精度の高い認識文字列候補
を出力し得る文字認識装置および文字認識方法を提供す
ることを課題とする。
解消し、上記従来例に比べて精度の高い認識文字列候補
を出力し得る文字認識装置および文字認識方法を提供す
ることを課題とする。
【０００９】
【課題を解決するための手段】本発明は、文字認識処理
によって生成される認識結果（入力文字に対する認識候
補文字群、認識候補単語群、認識候補文節群など）の信
頼度を判定し、かかる信頼度に基づいて、後処理段階に
おける連接確率の重み付けを適宜変更するものである。
によって生成される認識結果（入力文字に対する認識候
補文字群、認識候補単語群、認識候補文節群など）の信
頼度を判定し、かかる信頼度に基づいて、後処理段階に
おける連接確率の重み付けを適宜変更するものである。
【００１０】請求項１の発明は、文字認識結果に対して
後処理を施すことにより認識文字列候補を出力する文字
認識装置において、前記文字認識結果の信頼度を算出す
る信頼度算出手段と、当該信頼度算出手段によって算出
された信頼度に基づいて、連接関係にある前記認識結果
の連接確率得点の重みを設定する重み設定手段とを備
え、前記重み設定手段によって設定された重みに基づい
て候補文字列の整合度を算出し、当該整合度の高い候補
文字列を認識文字列候補として出力する、ことを特徴と
する。
後処理を施すことにより認識文字列候補を出力する文字
認識装置において、前記文字認識結果の信頼度を算出す
る信頼度算出手段と、当該信頼度算出手段によって算出
された信頼度に基づいて、連接関係にある前記認識結果
の連接確率得点の重みを設定する重み設定手段とを備
え、前記重み設定手段によって設定された重みに基づい
て候補文字列の整合度を算出し、当該整合度の高い候補
文字列を認識文字列候補として出力する、ことを特徴と
する。
【００１１】請求項２の発明は、請求項１において、前
記信頼度算出手段は、認識候補文字群の上位の候補文字
に正解が含まれる確率として信頼度を算出し、前記重み
設定手段は、当該信頼度が大きい場合には重みを小さく
設定し、当該信頼度が小さい場合には重みを大きく設定
する、ことを特徴とする。
記信頼度算出手段は、認識候補文字群の上位の候補文字
に正解が含まれる確率として信頼度を算出し、前記重み
設定手段は、当該信頼度が大きい場合には重みを小さく
設定し、当該信頼度が小さい場合には重みを大きく設定
する、ことを特徴とする。
【００１２】請求項３の発明は、請求項１または２にお
いて、前記信頼度算出手段は、信頼度と重みの関係を規
定する信頼度―重み変換テーブルを予め備えており、当
該変換テーブルに基づいて前記重みを設定する、ことを
特徴とする。
いて、前記信頼度算出手段は、信頼度と重みの関係を規
定する信頼度―重み変換テーブルを予め備えており、当
該変換テーブルに基づいて前記重みを設定する、ことを
特徴とする。
【００１３】請求項４の発明は、請求項２または３にお
いて、前記候補文字列がＴ個の文字により構成され、そ
の内、Ｋ番目の文字の類似度をＳK、Ｋ−１番目の文字
とＫ番目の文字の連接確率をＰ（Ｋ−１、Ｋ）、当該文
字間の連接確率の重みをｗ（Ｋ−１、Ｋ）とした場合、
前記整合度Ｌは、Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋｛ｗ
（１，２）・ｌｏｇＰ（１，２）＋ｗ（２，３）・ｌｏ
ｇＰ（２，３）＋…＋ｗ（Ｔ−１，Ｔ）・ｌｏｇＰ（Ｔ
−１，Ｔ）｝に従って算出される、ことを特徴とする。
いて、前記候補文字列がＴ個の文字により構成され、そ
の内、Ｋ番目の文字の類似度をＳK、Ｋ−１番目の文字
とＫ番目の文字の連接確率をＰ（Ｋ−１、Ｋ）、当該文
字間の連接確率の重みをｗ（Ｋ−１、Ｋ）とした場合、
前記整合度Ｌは、Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋｛ｗ
（１，２）・ｌｏｇＰ（１，２）＋ｗ（２，３）・ｌｏ
ｇＰ（２，３）＋…＋ｗ（Ｔ−１，Ｔ）・ｌｏｇＰ（Ｔ
−１，Ｔ）｝に従って算出される、ことを特徴とする。
【００１４】請求項５の発明は、請求項４において、重
みｗ（Ｋ−１、Ｋ）は、Ｋ番目の入力文字に対する認識
候補文字群の信頼度に基づいて設定される、ことを特徴
とする。
みｗ（Ｋ−１、Ｋ）は、Ｋ番目の入力文字に対する認識
候補文字群の信頼度に基づいて設定される、ことを特徴
とする。
【００１５】請求項６の発明は、文字認識結果に対して
後処理を施すことにより認識文字列候補を出力する文字
認識方法において、前記文字認識結果の信頼度を算出す
る信頼度算出ステップと、当該信頼度算出手段によって
算出された信頼度に基づいて、連接関係にある前記認識
結果の連接確率得点の重みを設定する重み設定ステップ
と、当該重み設定ステップによって設定された重みに基
づいて候補文字列の整合度を算出する整合度算出ステッ
プと、当該整合度算出ステップによって算出された各候
補文字列の整合度を比較し、最も整合度の高い候補文字
列を認識文字列候補として出力する認識文字列候補出力
ステップと、を有することを特徴とする。
後処理を施すことにより認識文字列候補を出力する文字
認識方法において、前記文字認識結果の信頼度を算出す
る信頼度算出ステップと、当該信頼度算出手段によって
算出された信頼度に基づいて、連接関係にある前記認識
結果の連接確率得点の重みを設定する重み設定ステップ
と、当該重み設定ステップによって設定された重みに基
づいて候補文字列の整合度を算出する整合度算出ステッ
プと、当該整合度算出ステップによって算出された各候
補文字列の整合度を比較し、最も整合度の高い候補文字
列を認識文字列候補として出力する認識文字列候補出力
ステップと、を有することを特徴とする。
【００１６】請求項７の発明は、請求項６において、前
記信頼度算出ステップは、認識候補文字群の上位の候補
文字に正解が含まれる確率として信頼度を算出し、前記
重み設定ステップは、当該信頼度が大きい場合には重み
を小さく設定し、当該信頼度が小さい場合には重みを大
きく設定する、ことを特徴とする。
記信頼度算出ステップは、認識候補文字群の上位の候補
文字に正解が含まれる確率として信頼度を算出し、前記
重み設定ステップは、当該信頼度が大きい場合には重み
を小さく設定し、当該信頼度が小さい場合には重みを大
きく設定する、ことを特徴とする。
【００１７】請求項８の発明は、請求項６または７にお
いて、前記信頼度算出ステップは、信頼度と重みの関係
を規定する信頼度―重み変換テーブルに基づいて前記重
みを設定する、ことを特徴とする。
いて、前記信頼度算出ステップは、信頼度と重みの関係
を規定する信頼度―重み変換テーブルに基づいて前記重
みを設定する、ことを特徴とする。
【００１８】請求項９の発明は、請求項７または８にお
いて、前記候補文字列がＴ個の文字により構成され、そ
の内、Ｋ番目の文字の類似度をＳK、Ｋ−１番目の文字
とＫ番目の文字の連接確率をＰ（Ｋ−１、Ｋ）、当該文
字間の連接確率の重みをｗ（Ｋ−１、Ｋ）とした場合、
前記整合度算出ステップは、Ｌ＝（Ｓ1＋Ｓ2＋…＋
Ｓ T）＋｛ｗ（１，２）・ｌｏｇＰ（１，２）＋ｗ
（２，３）・ｌｏｇＰ（２，３）＋…＋ｗ（Ｔ−１，
Ｔ）・ｌｏｇＰ（Ｔ−１，Ｔ）｝に従って整合度Ｌを算
出する、ことを特徴とする。
いて、前記候補文字列がＴ個の文字により構成され、そ
の内、Ｋ番目の文字の類似度をＳK、Ｋ−１番目の文字
とＫ番目の文字の連接確率をＰ（Ｋ−１、Ｋ）、当該文
字間の連接確率の重みをｗ（Ｋ−１、Ｋ）とした場合、
前記整合度算出ステップは、Ｌ＝（Ｓ1＋Ｓ2＋…＋
Ｓ T）＋｛ｗ（１，２）・ｌｏｇＰ（１，２）＋ｗ
（２，３）・ｌｏｇＰ（２，３）＋…＋ｗ（Ｔ−１，
Ｔ）・ｌｏｇＰ（Ｔ−１，Ｔ）｝に従って整合度Ｌを算
出する、ことを特徴とする。
【００１９】請求項１０の発明は、請求項９において、
重みｗ（Ｋ−１、Ｋ）は、Ｋ番目の入力文字に対する認
識候補文字群の信頼度に基づいて設定される、ことを特
徴とする。
重みｗ（Ｋ−１、Ｋ）は、Ｋ番目の入力文字に対する認
識候補文字群の信頼度に基づいて設定される、ことを特
徴とする。
【００２０】請求項１１の発明は、請求項６ないし１０
の何れかの文字認識方法の各処理ステップを実行するプ
ログラムである。
の何れかの文字認識方法の各処理ステップを実行するプ
ログラムである。
【００２１】請求項１２の発明は、請求項１１のプログ
ラムを記憶した記録媒体である。
ラムを記憶した記録媒体である。
【００２２】本発明の特徴は、以下に示す実施の形態の
説明により更に明らかとなろう。
説明により更に明らかとなろう。
【００２３】なお、請求項における「信頼度算出手段」
は実施の形態における認識信頼度算出部３００（連接特
徴抽出部４、文字間連接確率辞書５、判別得点算出部
６、認識信頼度算出部７および判別得点―信頼度変換テ
ーブル８）が対応する。請求項における「重み設定手
段」は実施の形態における文字認識後処理部４００（信
頼度―重み変換テーブル１２）が対応する。
は実施の形態における認識信頼度算出部３００（連接特
徴抽出部４、文字間連接確率辞書５、判別得点算出部
６、認識信頼度算出部７および判別得点―信頼度変換テ
ーブル８）が対応する。請求項における「重み設定手
段」は実施の形態における文字認識後処理部４００（信
頼度―重み変換テーブル１２）が対応する。
【００２４】また、請求項における「信頼度算出ステッ
プ」は実施の形態における図１０のステップＳ１０３〜
ステップＳ１０５が対応する。請求項における「重み設
定ステップ」は実施の形態における図１０のステップＳ
１０７（後処理：信頼度―重み変換テーブル１２に基づ
いて重みを設定する処理）が対応する。請求項における
「整合度算出ステップ」は実施の形態における図１０の
ステップＳ１０７（後処理：式（１）に従って演算を行
う処理）が対応する。請求項における「認識文字列候補
出力ステップ」は実施の形態における図１０のステップ
Ｓ１０７（後処理：整合度が最も高い文字列を認識文字
列候として出力する処理）が対応する。
プ」は実施の形態における図１０のステップＳ１０３〜
ステップＳ１０５が対応する。請求項における「重み設
定ステップ」は実施の形態における図１０のステップＳ
１０７（後処理：信頼度―重み変換テーブル１２に基づ
いて重みを設定する処理）が対応する。請求項における
「整合度算出ステップ」は実施の形態における図１０の
ステップＳ１０７（後処理：式（１）に従って演算を行
う処理）が対応する。請求項における「認識文字列候補
出力ステップ」は実施の形態における図１０のステップ
Ｓ１０７（後処理：整合度が最も高い文字列を認識文字
列候として出力する処理）が対応する。
【００２５】さらに、請求項における「文字認識結果」
は実施の形態における認識候補文字群が対応する。
は実施の形態における認識候補文字群が対応する。
【００２６】ただし、以下の実施の形態は、あくまで
も、本発明の一つの実施形態であって、本発明ないし各
構成要件の用語の意義は、以下の実施の形態に記載され
たものに制限されるものではない。
も、本発明の一つの実施形態であって、本発明ないし各
構成要件の用語の意義は、以下の実施の形態に記載され
たものに制限されるものではない。
【００２７】
【発明の実施の形態】以下、本発明の実施の形態につき
図面を参照して説明する。
図面を参照して説明する。
【００２８】図１は、本実施の形態に係る文字認識装置
の基本構成を示す機能ブロック図である。図において、
１００は入力部で、入力文字の筆跡、形状等を検出し、
その特徴を示す情報を出力する。２００は文字認識部
で、入力部１から供給された文字情報を文字認識辞書中
の特徴量と比較し、類似度が１位からＮ位までの文字を
認識候補文字として出力する。
の基本構成を示す機能ブロック図である。図において、
１００は入力部で、入力文字の筆跡、形状等を検出し、
その特徴を示す情報を出力する。２００は文字認識部
で、入力部１から供給された文字情報を文字認識辞書中
の特徴量と比較し、類似度が１位からＮ位までの文字を
認識候補文字として出力する。
【００２９】３００は認識信頼度算出部で、文字認識部
２００から出力された各入力文字の候補文字群（類似度
１位からＮ位）の信頼度を算出する。ここで信頼度と
は、当該候補文字群中の上位の候補文字に正解が含まれ
る確率のことである。例えば、当該候補文字群中の１位
の候補文字が正解である確率を、当該候補文字群の信頼
度とすることもできる。
２００から出力された各入力文字の候補文字群（類似度
１位からＮ位）の信頼度を算出する。ここで信頼度と
は、当該候補文字群中の上位の候補文字に正解が含まれ
る確率のことである。例えば、当該候補文字群中の１位
の候補文字が正解である確率を、当該候補文字群の信頼
度とすることもできる。
【００３０】４００は文字認識後処理部で、上記文字認
識部２００から出力される候補文字群を組み合わせて文
字列を生成し、文字列毎に整合度を算出する。そして、
算出した整合度のうち最も大きな整合度を有する文字列
を認識文字列候補として出力する。
識部２００から出力される候補文字群を組み合わせて文
字列を生成し、文字列毎に整合度を算出する。そして、
算出した整合度のうち最も大きな整合度を有する文字列
を認識文字列候補として出力する。
【００３１】ここで、各文字列の整合度は、上記認識信
頼度算出部３００からの信頼度に基づいて算出される。
具体的には、認識信頼度算出部３００からの信頼度に応
じて、以下の式（１）における重みｗ（Ｋ−１，Ｋ）を
適宜変更し、当該対象文字列の整合度Ｌを算出する。 Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋｛ｗ（１，２）・ｌｏｇＰ（１，２）＋ｗ（２， ３）・ｌｏｇＰ（２，３）＋…＋ｗ（Ｔ−１，Ｔ）・ｌｏｇＰ（Ｔ−１，Ｔ）｝ …（１） ここで、Ｓkは対象文字列中のＫ番目の文字の類似度、
Ｐ（Ｋ−１，Ｋ）は対象文字列中のＫ−１番目の文字と
Ｋ番目の文字との間の連接確率、ｗ（Ｋ−１，Ｋ）は当
該Ｋ−１番目の文字とＫ番目の文字との間の連接関係に
適用される重みである。
頼度算出部３００からの信頼度に基づいて算出される。
具体的には、認識信頼度算出部３００からの信頼度に応
じて、以下の式（１）における重みｗ（Ｋ−１，Ｋ）を
適宜変更し、当該対象文字列の整合度Ｌを算出する。 Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋｛ｗ（１，２）・ｌｏｇＰ（１，２）＋ｗ（２， ３）・ｌｏｇＰ（２，３）＋…＋ｗ（Ｔ−１，Ｔ）・ｌｏｇＰ（Ｔ−１，Ｔ）｝ …（１） ここで、Ｓkは対象文字列中のＫ番目の文字の類似度、
Ｐ（Ｋ−１，Ｋ）は対象文字列中のＫ−１番目の文字と
Ｋ番目の文字との間の連接確率、ｗ（Ｋ−１，Ｋ）は当
該Ｋ−１番目の文字とＫ番目の文字との間の連接関係に
適用される重みである。
【００３２】かかる重みｗ（Ｋ−１，Ｋ）は、例えば、
連接関係にあるＫ−１番目の文字群とＫ番目の文字群の
内、Ｋ番目の文字群の信頼度に着目して設定される。具
体的には、かかるＫ番目の文字群の信頼度が高ければ重
みｗ（Ｋ−１，Ｋ）を小さく設定し、逆に、当該Ｋ番目
の文字群の信頼度が高ければ重みｗ（Ｋ−１，Ｋ）は大
きく設定する。
連接関係にあるＫ−１番目の文字群とＫ番目の文字群の
内、Ｋ番目の文字群の信頼度に着目して設定される。具
体的には、かかるＫ番目の文字群の信頼度が高ければ重
みｗ（Ｋ−１，Ｋ）を小さく設定し、逆に、当該Ｋ番目
の文字群の信頼度が高ければ重みｗ（Ｋ−１，Ｋ）は大
きく設定する。
【００３３】文字群の信頼度は当該文字群の上位の文字
に正解が含まれる確率を示すものであるから、信頼度が
高い場合には類似度を強調して上位文字が選択されるよ
うにする。他方、文字群の信頼度が低い場合には、上位
よりも下位の文字中にも正解が含まれる可能性が高いの
で、類似度よりもむしろ連接確率の方を強調する。上記
重みｗ（Ｋ−１，Ｋ）は、かかる点を考慮して、上述の
如く、文字群の信頼度が高ければ小さく設定され、逆
に、文字群の信頼度が低ければ大きく設定されている。
に正解が含まれる確率を示すものであるから、信頼度が
高い場合には類似度を強調して上位文字が選択されるよ
うにする。他方、文字群の信頼度が低い場合には、上位
よりも下位の文字中にも正解が含まれる可能性が高いの
で、類似度よりもむしろ連接確率の方を強調する。上記
重みｗ（Ｋ−１，Ｋ）は、かかる点を考慮して、上述の
如く、文字群の信頼度が高ければ小さく設定され、逆
に、文字群の信頼度が低ければ大きく設定されている。
【００３４】図２に、入力文字「本日は晴」に対する認
識候補文字、類似度、生成文字列、連接確率、信頼度お
よび重みｗの適用例を示す。なお、同図には、便宜上、
各入力文字に対する候補文字群は１位から３位までのみ
を図示している。
識候補文字、類似度、生成文字列、連接確率、信頼度お
よび重みｗの適用例を示す。なお、同図には、便宜上、
各入力文字に対する候補文字群は１位から３位までのみ
を図示している。
【００３５】同図において、１文字目「本」の認識候補
文字群と２文字目「日」の認識候補文字群との間の連接
関係に対しては、如何なる文字の組み合わせであっても
一様に重みｗ（１，２）が適用される。同様に、２文字
目「日」の認識候補文字群と３文字目「は」の認識候補
文字群との間の連接関係、および３文字目「は」の認識
候補文字群と４文字目「晴」の認識候補文字群との間の
連接関係に対しては、それぞれｗ（２，３）およびｗ
（３，４）が適用される。また、重みｗ（１，２）は、
２文字目「日」の認識候補文字群の信頼度０．８２に基
づいて設定される。同様に、重みｗ（２，３）と重みｗ
（３，４）は、それぞれ３文字目「は」の認識候補文字
群の信頼度０．９８および４文字目「晴」の認識候補文
字群の信頼度０．６０に基づいて設定される。
文字群と２文字目「日」の認識候補文字群との間の連接
関係に対しては、如何なる文字の組み合わせであっても
一様に重みｗ（１，２）が適用される。同様に、２文字
目「日」の認識候補文字群と３文字目「は」の認識候補
文字群との間の連接関係、および３文字目「は」の認識
候補文字群と４文字目「晴」の認識候補文字群との間の
連接関係に対しては、それぞれｗ（２，３）およびｗ
（３，４）が適用される。また、重みｗ（１，２）は、
２文字目「日」の認識候補文字群の信頼度０．８２に基
づいて設定される。同様に、重みｗ（２，３）と重みｗ
（３，４）は、それぞれ３文字目「は」の認識候補文字
群の信頼度０．９８および４文字目「晴」の認識候補文
字群の信頼度０．６０に基づいて設定される。
【００３６】ここで、２文字目、３文字目、４文字目の
認識候補文字群の信頼度を比較すると、３文字目の文字
群の信頼度が最も大きく、４文字目の文字群の信頼度が
最も小さいので、上記３つの重みの内、ｗ（２，３）が
最も小さく設定され、ｗ（３，４）が最も大きく設定さ
れる。例えば、信頼度に対する重みの設定が、図３のよ
うになっているとすると、これら３つの重みはそれぞ
れ、ｗ（１，２）＝０．３４、ｗ（２，３）＝０．３
０、ｗ（３，４）＝０．４５に設定される。
認識候補文字群の信頼度を比較すると、３文字目の文字
群の信頼度が最も大きく、４文字目の文字群の信頼度が
最も小さいので、上記３つの重みの内、ｗ（２，３）が
最も小さく設定され、ｗ（３，４）が最も大きく設定さ
れる。例えば、信頼度に対する重みの設定が、図３のよ
うになっているとすると、これら３つの重みはそれぞ
れ、ｗ（１，２）＝０．３４、ｗ（２，３）＝０．３
０、ｗ（３，４）＝０．４５に設定される。
【００３７】しかして、各文字群の信頼度に応じて重み
をこのよう変更して設定すれば、重みを一律とした場合
に比べ、信頼度が高い文字群では上位の候補文字が認識
文字列候補に含まれやすくなり、信頼度が低い文字群で
は下位の候補文字であっても認識文字列候補に含まれや
すくなる。
をこのよう変更して設定すれば、重みを一律とした場合
に比べ、信頼度が高い文字群では上位の候補文字が認識
文字列候補に含まれやすくなり、信頼度が低い文字群で
は下位の候補文字であっても認識文字列候補に含まれや
すくなる。
【００３８】ここで、信頼度に対する重みの設定は、た
とえば以下の手順に従って行われる。
とえば以下の手順に従って行われる。
【００３９】まず、学習サンプル（文書形式で書かれた
手書き文字データ）に対して文字認識を行う。次に各認
識候補文字群に対して信頼度を求める。さらに、求めら
れた信頼度の値に基づいて認識候補文字群をＮ個のグル
ープに分ける。
手書き文字データ）に対して文字認識を行う。次に各認
識候補文字群に対して信頼度を求める。さらに、求めら
れた信頼度の値に基づいて認識候補文字群をＮ個のグル
ープに分ける。
【００４０】しかる後、グループ毎に重みを設定するの
であるが、文字間の連接確率を用いて後処理を行うた
め、一つのグループ中に属する認識候補文字群だけを用
いて後処理を実行することはできない。従って、一のグ
ループに対する重みを設定する場合には、当該グループ
以外のグループの重みを何らかの重みに設定しておく必
要がある。
であるが、文字間の連接確率を用いて後処理を行うた
め、一つのグループ中に属する認識候補文字群だけを用
いて後処理を実行することはできない。従って、一のグ
ループに対する重みを設定する場合には、当該グループ
以外のグループの重みを何らかの重みに設定しておく必
要がある。
【００４１】そこで、例えば従来例で示した特開２００
０−９０２０１号公報に記載の方法に従って、学習サン
プル全体で最適な重みｗ０を予め求めておき、一つのグ
ループに対する重みを設定する場合には、当該グループ
以外のグループには、かかる全体の重みｗ０を設定す
る。そして、設定対象のグループに対する重みを変更し
ながら、学習サンプルに対して最も高い正解率が得られ
た重みを当該グループの重みとして設定する。同様に、
次のグループの重みを設定する場合には、それ以外のグ
ループの重みをｗ０に設定して、当該グループに最適な
重みを設定するようにする。
０−９０２０１号公報に記載の方法に従って、学習サン
プル全体で最適な重みｗ０を予め求めておき、一つのグ
ループに対する重みを設定する場合には、当該グループ
以外のグループには、かかる全体の重みｗ０を設定す
る。そして、設定対象のグループに対する重みを変更し
ながら、学習サンプルに対して最も高い正解率が得られ
た重みを当該グループの重みとして設定する。同様に、
次のグループの重みを設定する場合には、それ以外のグ
ループの重みをｗ０に設定して、当該グループに最適な
重みを設定するようにする。
【００４２】次に、本実施の形態に係る上記基本構成を
具体化した実施例について以下に説明する。なお、上記
基本構成を具体化する実施例は、以下の実施例に限られ
ず、他に種々の変更が可能である。特に、信頼度の算出
方法は以下の実施例以外のものも適用可能である。
具体化した実施例について以下に説明する。なお、上記
基本構成を具体化する実施例は、以下の実施例に限られ
ず、他に種々の変更が可能である。特に、信頼度の算出
方法は以下の実施例以外のものも適用可能である。
【００４３】まず、図４に実施例に係る手書き文字認識
装置のブロック図を示す。
装置のブロック図を示す。
【００４４】図において、１は入力部で、タブレット等
に手書き入力された筆跡から筆跡文字情報を生成し出力
する。２は文字認識部で、入力部１から供給された筆跡
文字情報を文字認識辞書３の文字特徴量と比較し、両者
の類似度が１位からＮ位までの認識辞書中の文字を当該
筆跡文字の認識候補文字として出力する。３は文字認識
辞書で、候補文字がその文字特徴量とともに記憶されて
いる。
に手書き入力された筆跡から筆跡文字情報を生成し出力
する。２は文字認識部で、入力部１から供給された筆跡
文字情報を文字認識辞書３の文字特徴量と比較し、両者
の類似度が１位からＮ位までの認識辞書中の文字を当該
筆跡文字の認識候補文字として出力する。３は文字認識
辞書で、候補文字がその文字特徴量とともに記憶されて
いる。
【００４５】４は連接特徴抽出部で、文字認識部２から
供給される認識候補文字列の内、正誤判定対象である一
の認識候補文字の連接特徴量を、文字間連接確率辞書５
を参照しながら抽出する。５は文字間連接辞書で、所定
の２つの文字が連接する確率を当該２つの文字に対応づ
けて記憶している。
供給される認識候補文字列の内、正誤判定対象である一
の認識候補文字の連接特徴量を、文字間連接確率辞書５
を参照しながら抽出する。５は文字間連接辞書で、所定
の２つの文字が連接する確率を当該２つの文字に対応づ
けて記憶している。
【００４６】６は判別得点算出部で、連接特徴抽出部４
からの連接特徴量を処理して、当該判定対象の認識候補
文字群の正誤判別得点を算出する。
からの連接特徴量を処理して、当該判定対象の認識候補
文字群の正誤判別得点を算出する。
【００４７】７は認識信頼度算出部で、判別得点算出部
６からの判別得点と、判別得点−信頼度変換テーブル８
とを比較して、当該判定対象の認識候補文字群の信頼度
を出力する。８は判別得点−信頼度変換テーブルで、判
別得点と信頼度の関係をテーブルとして記憶するもので
ある。
６からの判別得点と、判別得点−信頼度変換テーブル８
とを比較して、当該判定対象の認識候補文字群の信頼度
を出力する。８は判別得点−信頼度変換テーブルで、判
別得点と信頼度の関係をテーブルとして記憶するもので
ある。
【００４８】９は認識候補数制御部で、認識信頼度７か
らの信頼度と、信頼度−累積正読率テーブル１０とを比
較して、当該判定対象文字の認識候補数を制限するもの
である。１０は信頼度−累積正読率テーブルで、信頼度
と正読率の関係をテーブルとして記憶するものである。
らの信頼度と、信頼度−累積正読率テーブル１０とを比
較して、当該判定対象文字の認識候補数を制限するもの
である。１０は信頼度−累積正読率テーブルで、信頼度
と正読率の関係をテーブルとして記憶するものである。
【００４９】１１は後処理部で、認識候補数制御部９に
よって設定された個数の認識候補文字を対象として後処
理を行う。例えば、筆記入力文字の内、１番目の文字に
対する認識候補数がＭ１個、以下、２番目ないし７番目
の筆記文字に対する認識候補数がＭ２ないしＭ７個と設
定されたとすると、文字認識部２で生成されたこれら各
文字の認識候補文字の内、それぞれ類似度が上位Ｍ１、
Ｍ２、Ｍ３、Ｍ４、Ｍ５、Ｍ６、Ｍ７個の認識候補文字
のみを対象として、後処理部１１にて、後処理が行われ
る。かかる後処理部１１は、上記基本構成の説明にて示
した如く、これら上位Ｍ１、Ｍ２、Ｍ３、Ｍ４、Ｍ５、
Ｍ６、Ｍ７個の認識候補文字を組み合わせて文字列を生
成し、上記式（１）に従って、各生成文字列の整合度を
算出する。そして、整合度が最も高い文字列を認識文字
列候補として出力する。
よって設定された個数の認識候補文字を対象として後処
理を行う。例えば、筆記入力文字の内、１番目の文字に
対する認識候補数がＭ１個、以下、２番目ないし７番目
の筆記文字に対する認識候補数がＭ２ないしＭ７個と設
定されたとすると、文字認識部２で生成されたこれら各
文字の認識候補文字の内、それぞれ類似度が上位Ｍ１、
Ｍ２、Ｍ３、Ｍ４、Ｍ５、Ｍ６、Ｍ７個の認識候補文字
のみを対象として、後処理部１１にて、後処理が行われ
る。かかる後処理部１１は、上記基本構成の説明にて示
した如く、これら上位Ｍ１、Ｍ２、Ｍ３、Ｍ４、Ｍ５、
Ｍ６、Ｍ７個の認識候補文字を組み合わせて文字列を生
成し、上記式（１）に従って、各生成文字列の整合度を
算出する。そして、整合度が最も高い文字列を認識文字
列候補として出力する。
【００５０】１２は信頼度―重み変換テーブルで、例え
ば、上記基本構成で示した図３のような変換テーブルを
記憶している。
ば、上記基本構成で示した図３のような変換テーブルを
記憶している。
【００５１】次に、上記ブロック図に示された各部の処
理の詳細について説明する。まず、図５を参照して、連
接特徴抽出部４の処理について説明する。
理の詳細について説明する。まず、図５を参照して、連
接特徴抽出部４の処理について説明する。
【００５２】かかる連接特徴抽出部４では、判定対象の
認識候補文字群とその直前の第１位候補文字との間の連
接確率Ｐｂｋと、その直後の第１位候補文字との間の連
接確率Ｐｆｋの何れか一方または両方を文字間連接確率
辞書５から読み出し、当該認識候補文字群の連接特徴量
とする。例えば、連接確率ＰｂｋとＰｆｋの両方を用い
て連接特徴量を抽出する場合には、図５に示すように、
判定対象文字の認識候補文字群（類似度１位からＮ位ま
で）である「目」、「日」、…、「田」と、その直前の
認識候補文字群の類似度１位文字「本」との間の連接確
率Ｐｂ１、Ｐｂ２、…、ＰｂＮと、その直後の類似度１
位文字「は」との間の連接確率Ｐｆ１、Ｐｆ２、…、Ｐ
ｆＮをそれぞれ文字間連接確率辞書５から読み出し、こ
れら連接確率の値を、当該判定対象の認識候補文字群の
連接特徴量とする。
認識候補文字群とその直前の第１位候補文字との間の連
接確率Ｐｂｋと、その直後の第１位候補文字との間の連
接確率Ｐｆｋの何れか一方または両方を文字間連接確率
辞書５から読み出し、当該認識候補文字群の連接特徴量
とする。例えば、連接確率ＰｂｋとＰｆｋの両方を用い
て連接特徴量を抽出する場合には、図５に示すように、
判定対象文字の認識候補文字群（類似度１位からＮ位ま
で）である「目」、「日」、…、「田」と、その直前の
認識候補文字群の類似度１位文字「本」との間の連接確
率Ｐｂ１、Ｐｂ２、…、ＰｂＮと、その直後の類似度１
位文字「は」との間の連接確率Ｐｆ１、Ｐｆ２、…、Ｐ
ｆＮをそれぞれ文字間連接確率辞書５から読み出し、こ
れら連接確率の値を、当該判定対象の認識候補文字群の
連接特徴量とする。
【００５３】なお、上記では、認識候補文字群の連接特
徴量をＰｂｋとＰｆｋの両方にて抽出するようにした
が、ＰｂｋまたはＰｆｋの何れか一方にて抽出するよう
にしても良い。また、ＰｂｋとＰｆｋの両方にて抽出す
る場合において、直前の第１位認識候補文字が存在しな
い場合（例えば、判定対象文字が文字列の先頭であるよ
うな場合）には、当該候補文字の直後文字に対する連接
確率Ｐｆｋをそのまま直前文字に対する連接確率Ｐｂｋ
に代用して連接特徴量を抽出する。同様に、直後の第１
位認識候補文字が存在しない場合（例えば、判定対象文
字が文字列の末尾であるような場合）には、Ｐｂｋをそ
のまま代用する。
徴量をＰｂｋとＰｆｋの両方にて抽出するようにした
が、ＰｂｋまたはＰｆｋの何れか一方にて抽出するよう
にしても良い。また、ＰｂｋとＰｆｋの両方にて抽出す
る場合において、直前の第１位認識候補文字が存在しな
い場合（例えば、判定対象文字が文字列の先頭であるよ
うな場合）には、当該候補文字の直後文字に対する連接
確率Ｐｆｋをそのまま直前文字に対する連接確率Ｐｂｋ
に代用して連接特徴量を抽出する。同様に、直後の第１
位認識候補文字が存在しない場合（例えば、判定対象文
字が文字列の末尾であるような場合）には、Ｐｂｋをそ
のまま代用する。
【００５４】次に、図６を参照して、判別得点算出部６
における処理について説明する。上記連接特徴抽出部４
にて抽出したＰｂｋとＰｆｋの値は、２Ｎ次元のベクト
ル空間において所定のベクトル（連接特徴ベクトル）と
して表現できる。判別得点算出部６では、予め第１位の
認識候補文字が正読（正解）または誤読（誤り）である
サンプルについて連接特徴ベクトルを学習データとして
抽出しておき、これと判定対象の認識候補文字群の連接
特徴ベクトルとを比較して、当該認識候補文字群の判別
得点を算出する。
における処理について説明する。上記連接特徴抽出部４
にて抽出したＰｂｋとＰｆｋの値は、２Ｎ次元のベクト
ル空間において所定のベクトル（連接特徴ベクトル）と
して表現できる。判別得点算出部６では、予め第１位の
認識候補文字が正読（正解）または誤読（誤り）である
サンプルについて連接特徴ベクトルを学習データとして
抽出しておき、これと判定対象の認識候補文字群の連接
特徴ベクトルとを比較して、当該認識候補文字群の判別
得点を算出する。
【００５５】たとえば、正読と誤読の連接特徴ベクトル
の学習データと判定対象の認識候補文字群の連接特徴ベ
クトルが図６に示すような状態にあるとする。判別得点
算出部６は、正読、誤読のそれぞれの集合（クラス）の
特徴ベクトルの分布から、予め、両クラスの特徴ベクト
ルの平均値（重心ベクトル）および共分散行列を求め、
これを記憶している。そして、これら各クラスの重心と
判定対象文字群の連接特徴ベクトルとの間のマハラノビ
ス距離ＤＭｃ、ＤＭｅを求め、これらの値の比、比の対
数または差を判別得点とする。
の学習データと判定対象の認識候補文字群の連接特徴ベ
クトルが図６に示すような状態にあるとする。判別得点
算出部６は、正読、誤読のそれぞれの集合（クラス）の
特徴ベクトルの分布から、予め、両クラスの特徴ベクト
ルの平均値（重心ベクトル）および共分散行列を求め、
これを記憶している。そして、これら各クラスの重心と
判定対象文字群の連接特徴ベクトルとの間のマハラノビ
ス距離ＤＭｃ、ＤＭｅを求め、これらの値の比、比の対
数または差を判別得点とする。
【００５６】ここで、上記マハラノビス距離ＤＭは次の
ようにして算出される。すなわち、クラスＣ１の重心ベ
クトルをｍ１、クラスＣ１の共分散行列をΣ1とする
と、所定の特徴ベクトルｘからｍ１へのマハラノビス２
乗距離ＤＭ１は、次式で定義される。
ようにして算出される。すなわち、クラスＣ１の重心ベ
クトルをｍ１、クラスＣ１の共分散行列をΣ1とする
と、所定の特徴ベクトルｘからｍ１へのマハラノビス２
乗距離ＤＭ１は、次式で定義される。
【００５７】ＤＭ１＝（ｘ−ｍ１）tΣ1 -1（ｘ−ｍ１）
（ｔ：転置、−１：逆行列） ここで、共分散行列Σ1はｎ×ｎの正方行列であり
（ｎ：特徴空間の次元数）、その（ｉ,ｊ）要素はｉ番
目の特徴量とｊ番目の特徴量の共分散、すなわちΣ
1（ｉ,ｊ）＝σijである。
（ｔ：転置、−１：逆行列） ここで、共分散行列Σ1はｎ×ｎの正方行列であり
（ｎ：特徴空間の次元数）、その（ｉ,ｊ）要素はｉ番
目の特徴量とｊ番目の特徴量の共分散、すなわちΣ
1（ｉ,ｊ）＝σijである。
【００５８】なお、上記では、判別得点をマハラノビス
距離ＤＭを用いて算出したが、これに替えて、正読、誤
読の各クラスの特徴ベクトルの分布から線形判別分析に
より線形判別関数を求めておき、判定対象の認識候補文
字群の特徴ベクトルに対してこの線形判別関数を当ては
めて判別得点を求めるようにしても良い。また、正読、
誤読の学習サンプルから抽出した特徴ベクトルを学習デ
ータとして、対象の特徴ベクトルが正読か誤読かを判定
できるように学習させたニューラルネットを用い、判定
対象の特徴ベクトルに対する当該ニューラルネットの出
力値を判別得点とするようにしてもよい。
距離ＤＭを用いて算出したが、これに替えて、正読、誤
読の各クラスの特徴ベクトルの分布から線形判別分析に
より線形判別関数を求めておき、判定対象の認識候補文
字群の特徴ベクトルに対してこの線形判別関数を当ては
めて判別得点を求めるようにしても良い。また、正読、
誤読の学習サンプルから抽出した特徴ベクトルを学習デ
ータとして、対象の特徴ベクトルが正読か誤読かを判定
できるように学習させたニューラルネットを用い、判定
対象の特徴ベクトルに対する当該ニューラルネットの出
力値を判別得点とするようにしてもよい。
【００５９】次に、図７を参照して認識信頼度算出部７
の処理について説明する。たとえば、上記判別得点の算
出において、マハラノビス距離ＤＭｃ、ＤＭｅの距離の
比または比の対数を判別得点とした場合、正読および誤
読の各学習サンプルから得られる判別得点と信頼度の関
係は図７に示すようになる。ここで、信頼度は、学習サ
ンプルからベイズの定理によって算出される。
の処理について説明する。たとえば、上記判別得点の算
出において、マハラノビス距離ＤＭｃ、ＤＭｅの距離の
比または比の対数を判別得点とした場合、正読および誤
読の各学習サンプルから得られる判別得点と信頼度の関
係は図７に示すようになる。ここで、信頼度は、学習サ
ンプルからベイズの定理によって算出される。
【００６０】すなわち、判別得点ｙを有する正読サンプ
ル個数の全正読サンプル個数に対する比率をｐ（ｙ｜Ｘ
１＝Ｃ）、判別得点ｙを有する誤読サンプル個数の全誤
読サンプル個数に対する比率をｐ（ｙ｜Ｘ１＝Ｅ）、全
サンプル数に対する正読サンプル数の総数の比率をＰ
（Ｘ１＝Ｃ）、全サンプル数に対する誤読サンプル数の
総数の比率をＰ（Ｘ１＝Ｅ）とすると、判別得点ｙを有
する認識候補文字群の類似度１位の認識候補文字の信頼
度は、次式によって算出できる。
ル個数の全正読サンプル個数に対する比率をｐ（ｙ｜Ｘ
１＝Ｃ）、判別得点ｙを有する誤読サンプル個数の全誤
読サンプル個数に対する比率をｐ（ｙ｜Ｘ１＝Ｅ）、全
サンプル数に対する正読サンプル数の総数の比率をＰ
（Ｘ１＝Ｃ）、全サンプル数に対する誤読サンプル数の
総数の比率をＰ（Ｘ１＝Ｅ）とすると、判別得点ｙを有
する認識候補文字群の類似度１位の認識候補文字の信頼
度は、次式によって算出できる。
【００６１】Ｐ（Ｘ１＝Ｃ｜ｙ）＝ｐ（ｙ｜Ｘ１＝Ｃ）
・Ｐ（Ｘ１＝Ｃ）／[ｐ（ｙ｜Ｘ１＝Ｃ）・Ｐ（Ｘ１＝
Ｃ）＋ｐ（ｙ｜Ｘ１＝Ｅ）・Ｐ（Ｘ１＝Ｅ）] ここで、Ｘ１は１位の認識候補文字を表し、Ｘ１＝Ｃ、
Ｘ１＝Ｅはそれぞれ、１位認識候補文字が正解、不正解
である事象を意味する。
・Ｐ（Ｘ１＝Ｃ）／[ｐ（ｙ｜Ｘ１＝Ｃ）・Ｐ（Ｘ１＝
Ｃ）＋ｐ（ｙ｜Ｘ１＝Ｅ）・Ｐ（Ｘ１＝Ｅ）] ここで、Ｘ１は１位の認識候補文字を表し、Ｘ１＝Ｃ、
Ｘ１＝Ｅはそれぞれ、１位認識候補文字が正解、不正解
である事象を意味する。
【００６２】かかる式から判別得点と信頼度の関係を示
す判別得点―信頼度変換テーブルを予め作成しておき、
これを判別得点―信頼度変換テーブル８に記憶させてお
く。認識信頼度算出部７は判別得点算出部６からの判別
得点と、当該判別得点―信頼度変換テーブル８の得点を
比較し、該当する信頼度を、当該認識候補文字群の第１
位の認識候補文字の信頼度として出力する。
す判別得点―信頼度変換テーブルを予め作成しておき、
これを判別得点―信頼度変換テーブル８に記憶させてお
く。認識信頼度算出部７は判別得点算出部６からの判別
得点と、当該判別得点―信頼度変換テーブル８の得点を
比較し、該当する信頼度を、当該認識候補文字群の第１
位の認識候補文字の信頼度として出力する。
【００６３】次に、図８を参照して、認識候補数制御部
９の処理について説明する。図８の上部に示す表は、判
定対象の類似度１位の認識候補文字に対する信頼度と、
当該判定対象のＮ位までの認識候補文字の中に正読の文
字が含まれる累積確率との関係を示すものである。かか
る表中の確率は、上記正読、誤読の学習サンプルを基に
予め算出しておく。
９の処理について説明する。図８の上部に示す表は、判
定対象の類似度１位の認識候補文字に対する信頼度と、
当該判定対象のＮ位までの認識候補文字の中に正読の文
字が含まれる累積確率との関係を示すものである。かか
る表中の確率は、上記正読、誤読の学習サンプルを基に
予め算出しておく。
【００６４】信頼度―累積正読率テーブル１０には、か
かる表を記憶させておく。そして、認識候補数制御部９
は、判定対象の認識候補文字群の信頼度と当該テーブル
中の信頼度レベルとを比較し、該当する信頼度レベルの
累積確率を参照しながら何位までの認識候補文字を後処
理部１１に出力するかを決定する。ここで、何位までを
出力するかは、例えば、該当する信頼度レベルの累積確
率が所定のしきい値に達したか否かで決定する。この
際、設定されるしきい値は、全ての信頼度レベルに対し
て一律としても良いし、あるいは、信頼度レベル毎に個
別に設定するようにしても良い。
かる表を記憶させておく。そして、認識候補数制御部９
は、判定対象の認識候補文字群の信頼度と当該テーブル
中の信頼度レベルとを比較し、該当する信頼度レベルの
累積確率を参照しながら何位までの認識候補文字を後処
理部１１に出力するかを決定する。ここで、何位までを
出力するかは、例えば、該当する信頼度レベルの累積確
率が所定のしきい値に達したか否かで決定する。この
際、設定されるしきい値は、全ての信頼度レベルに対し
て一律としても良いし、あるいは、信頼度レベル毎に個
別に設定するようにしても良い。
【００６５】あるいは、図８の上部の表を基に、信頼度
レベル毎の出力候補数を予め設定し、これを信頼度−累
積正読率テーブル１０に記憶させておいても良い。図８
の下部に示す表は、信頼度レベルと出力候補数とを予め
設定した場合の一例である。信頼度―累積正読率テーブ
ル１０に予めかかる表を記憶させた場合には、認識候補
数制御部９は、該当する出力候補数を表から読み出し、
それに従って、後処理部１１に出力される認識候補文字
を制限する。これにより、無駄な後処理を排除し、処理
の迅速化、効率化を図ることができる。
レベル毎の出力候補数を予め設定し、これを信頼度−累
積正読率テーブル１０に記憶させておいても良い。図８
の下部に示す表は、信頼度レベルと出力候補数とを予め
設定した場合の一例である。信頼度―累積正読率テーブ
ル１０に予めかかる表を記憶させた場合には、認識候補
数制御部９は、該当する出力候補数を表から読み出し、
それに従って、後処理部１１に出力される認識候補文字
を制限する。これにより、無駄な後処理を排除し、処理
の迅速化、効率化を図ることができる。
【００６６】以上のようにして後処理の対象とされるべ
き各認識候補文字群の数が制限されると、後処理部１１
は、対象とされる範囲の認識候補文字を組み合わせて後
処理対象の文字列を生成する。そして、各文字列中の文
字間の連接確率を文字間連接確率辞書５から読み出すと
共に、候補文字群の信頼度に基づいて当該候補文字群の
重みを信頼度―重み変換テーブル１２から読み出す。そ
して、かかる連接確率と重みに基づいて、上記式（１）
の連接確率の項の得点を算出する。さらに、対象文字列
を構成する各文字の類似度を加算して、上記式（１）の
類似度の項の得点を算出する。そして、これら両得点を
合算して、対象文字列の整合度を算出する。かかる整合
度を全ての生成文字列について算出し、これら整合度を
順番に比較する。そして、最も整合度の高い生成文字列
を認識文字列候補として出力する。
き各認識候補文字群の数が制限されると、後処理部１１
は、対象とされる範囲の認識候補文字を組み合わせて後
処理対象の文字列を生成する。そして、各文字列中の文
字間の連接確率を文字間連接確率辞書５から読み出すと
共に、候補文字群の信頼度に基づいて当該候補文字群の
重みを信頼度―重み変換テーブル１２から読み出す。そ
して、かかる連接確率と重みに基づいて、上記式（１）
の連接確率の項の得点を算出する。さらに、対象文字列
を構成する各文字の類似度を加算して、上記式（１）の
類似度の項の得点を算出する。そして、これら両得点を
合算して、対象文字列の整合度を算出する。かかる整合
度を全ての生成文字列について算出し、これら整合度を
順番に比較する。そして、最も整合度の高い生成文字列
を認識文字列候補として出力する。
【００６７】以上が上記基本構成をより具体化した実施
例であるが、これ以外にも種々の実施例を構成し得る。
たとえば、上記実施例では、図５に示すとおり、判定対
象文字と直前および直後の１位文字との間の連接確率
（Ｐｂｋ、Ｐｆｋ）を当該判定対象文字の連接確率とし
たが、これに替えて、判定対象の認識候補文字と直前の
１位からＭ位までの文字との間の連接確率の最大値を直
前文字との連接確率とし、同様に、判定対象の認識候補
文字と直後の１位からＭ位までの文字との間の連接確率
の最大値を直後文字との連接確率とすることも可能であ
る。
例であるが、これ以外にも種々の実施例を構成し得る。
たとえば、上記実施例では、図５に示すとおり、判定対
象文字と直前および直後の１位文字との間の連接確率
（Ｐｂｋ、Ｐｆｋ）を当該判定対象文字の連接確率とし
たが、これに替えて、判定対象の認識候補文字と直前の
１位からＭ位までの文字との間の連接確率の最大値を直
前文字との連接確率とし、同様に、判定対象の認識候補
文字と直後の１位からＭ位までの文字との間の連接確率
の最大値を直後文字との連接確率とすることも可能であ
る。
【００６８】たとえば図９において、判定対象文字
「日」と直前文字群との間の連接確率として、当該
「日」と直前の１位文字「朋」からＭ位文字「胡」まで
のそれぞれの連接確率Ｐ（Ｃ１｜Ｃｂｋ）の内、最大の
連接確率を採用する。また、判定対象文字「日」と直後
文字群との間の連接確率として、当該「日」と直後の１
位文字「も」からＭ位文字「亡」までのそれぞれの連接
確率Ｐ（Ｃｆｋ｜Ｃ１）の内、最大の連接確率を採用す
る。同様に、判定対象の認識候補文字の２位文字「月」
以下の文字についても、直前、直後の文字群に対する連
接確率の最大値を連接確率としてそれぞれ採用する。
「日」と直前文字群との間の連接確率として、当該
「日」と直前の１位文字「朋」からＭ位文字「胡」まで
のそれぞれの連接確率Ｐ（Ｃ１｜Ｃｂｋ）の内、最大の
連接確率を採用する。また、判定対象文字「日」と直後
文字群との間の連接確率として、当該「日」と直後の１
位文字「も」からＭ位文字「亡」までのそれぞれの連接
確率Ｐ（Ｃｆｋ｜Ｃ１）の内、最大の連接確率を採用す
る。同様に、判定対象の認識候補文字の２位文字「月」
以下の文字についても、直前、直後の文字群に対する連
接確率の最大値を連接確率としてそれぞれ採用する。
【００６９】ここで、Ｃ１は判定対象の認識候補１位の
文字を表し、Ｃｂｋ、Ｃｆｋはそれぞれ、直前、直後の
認識候補ｋ位の文字を表す。そして、Ｐ（Ｃｊ｜Ｃｉ）
は、文字Ｃｉに続いて文字Ｃｊが現れる連接確率を表
す。
文字を表し、Ｃｂｋ、Ｃｆｋはそれぞれ、直前、直後の
認識候補ｋ位の文字を表す。そして、Ｐ（Ｃｊ｜Ｃｉ）
は、文字Ｃｉに続いて文字Ｃｊが現れる連接確率を表
す。
【００７０】ところで、上記実施例では、図４における
ブロック毎に処理を分けて一連の処理フローを説明した
が、かかる処理フローを制御プログラムとして格納して
おけば、単一の演算処理部によって、上記と同様の処理
フローを実行させることもできる。かかる場合、文字認
識辞書３、文字間連接確率辞書５、判別得点―信頼度変
換テーブル８、信頼度―累積正読率テーブル１０および
信頼度−重み変換テーブル１２の参照データも同様に、
ＲＯＭまたはＲＡＭに予め記憶しておく必要がある。
ブロック毎に処理を分けて一連の処理フローを説明した
が、かかる処理フローを制御プログラムとして格納して
おけば、単一の演算処理部によって、上記と同様の処理
フローを実行させることもできる。かかる場合、文字認
識辞書３、文字間連接確率辞書５、判別得点―信頼度変
換テーブル８、信頼度―累積正読率テーブル１０および
信頼度−重み変換テーブル１２の参照データも同様に、
ＲＯＭまたはＲＡＭに予め記憶しておく必要がある。
【００７１】図１０は、上記実施例にかかる処理手順を
示すフローチャートである。ここで、ステップＳ１０１
は上記入力部１における処理、ステップＳ１０２は上記
文字認識部２における処理、ステップＳ１０３は上記連
接特徴抽出部４における処理、ステップＳ１０４は上記
判別得点算出部６における処理、ステップＳ１０５は上
記認識信頼度算出部７における処理、ステップＳ１０６
は上記認識候補数制御部９における処理、ステップＳ１
０７は上記後処理部１１における処理である。
示すフローチャートである。ここで、ステップＳ１０１
は上記入力部１における処理、ステップＳ１０２は上記
文字認識部２における処理、ステップＳ１０３は上記連
接特徴抽出部４における処理、ステップＳ１０４は上記
判別得点算出部６における処理、ステップＳ１０５は上
記認識信頼度算出部７における処理、ステップＳ１０６
は上記認識候補数制御部９における処理、ステップＳ１
０７は上記後処理部１１における処理である。
【００７２】かかる制御プログラムおよび各種参照デー
タは、フロッピー（登録商標）ディスク等の記録媒体を
介して文字認識装置内のＲＡＭに格納させることもでき
るし、または、インターネット等の伝送媒体を介して当
該ＲＡＭに格納させることもできる。格納されるべきデ
ータのファイル構造の一例を図１１に示す。
タは、フロッピー（登録商標）ディスク等の記録媒体を
介して文字認識装置内のＲＡＭに格納させることもでき
るし、または、インターネット等の伝送媒体を介して当
該ＲＡＭに格納させることもできる。格納されるべきデ
ータのファイル構造の一例を図１１に示す。
【００７３】ただし、上記処理フローの内、一部の処理
フローのみを取り込みたい場合には、図１０に示す全て
のステップに関するデータを文字認識装置内に格納する
必要はない。たとえば、信頼度算出の処理のみを取り込
んで実行させたい場合には、図１０の内、ステップＳ１
０３ないしＳ１０５の実行プログラムおよびそれに必要
な文字間連接確率辞書データ、判別得点―信頼度変換テ
ーブルデータのみを格納すれば良い。また、信頼度の算
出から後処理までの処理を実行させたい場合には、ステ
ップＳ１０３ないしＳ１０７の実行プログラムおよびそ
れに必要な参照データのみを格納すれば良い。記録媒体
または伝送媒体を介してインストールする場合には、こ
れらの制御プログラムと参照データをファイルとして記
録媒体に格納し、または、伝送媒体を介して伝送するよ
うにする。
フローのみを取り込みたい場合には、図１０に示す全て
のステップに関するデータを文字認識装置内に格納する
必要はない。たとえば、信頼度算出の処理のみを取り込
んで実行させたい場合には、図１０の内、ステップＳ１
０３ないしＳ１０５の実行プログラムおよびそれに必要
な文字間連接確率辞書データ、判別得点―信頼度変換テ
ーブルデータのみを格納すれば良い。また、信頼度の算
出から後処理までの処理を実行させたい場合には、ステ
ップＳ１０３ないしＳ１０７の実行プログラムおよびそ
れに必要な参照データのみを格納すれば良い。記録媒体
または伝送媒体を介してインストールする場合には、こ
れらの制御プログラムと参照データをファイルとして記
録媒体に格納し、または、伝送媒体を介して伝送するよ
うにする。
【００７４】以上、本発明に係る実施の形態について説
明したが、本発明は係る実施の形態に制限されるもので
はなく、他に種々の変更が可能である。たとえば、上記
実施例では手書き文字認識装置に対して本発明を適用し
た例を示したが、本発明は、それ以外に、光学式文字認
識装置あるいは音声入力による認識装置等にも広く適用
し得るものである。
明したが、本発明は係る実施の形態に制限されるもので
はなく、他に種々の変更が可能である。たとえば、上記
実施例では手書き文字認識装置に対して本発明を適用し
た例を示したが、本発明は、それ以外に、光学式文字認
識装置あるいは音声入力による認識装置等にも広く適用
し得るものである。
【００７５】また、上記実施例では、文字群の信頼度判
定方法として、直前の文字群と直後の文字群との間の連
接関係に基づく信頼度判定方法を示したが、これ以外の
信頼度判定方法を採用することも可能である。
定方法として、直前の文字群と直後の文字群との間の連
接関係に基づく信頼度判定方法を示したが、これ以外の
信頼度判定方法を採用することも可能である。
【００７６】さらに、上記実施例では、後処理の手法と
して、文字間の連接確率に基づく後処理の方法を示した
が、これ以外に、たとえば、単語間、文節間の連接関係
に基づく後処理方法を採用することも可能である。かか
る場合、信頼度の算出は、単語群または文節群について
行われることになる。
して、文字間の連接確率に基づく後処理の方法を示した
が、これ以外に、たとえば、単語間、文節間の連接関係
に基づく後処理方法を採用することも可能である。かか
る場合、信頼度の算出は、単語群または文節群について
行われることになる。
【００７７】また、上記実施例では、連接関係にある前
後の文字群の内、後方の文字群の信頼度に基づいて当該
文字群間の連接関係の重みを設定したが、これ以外に、
前方の文字群の信頼度に基づいて重みを設定するように
してもよいし、両方の文字群の信頼度に基づいて重みを
設定するようにしてもよい。
後の文字群の内、後方の文字群の信頼度に基づいて当該
文字群間の連接関係の重みを設定したが、これ以外に、
前方の文字群の信頼度に基づいて重みを設定するように
してもよいし、両方の文字群の信頼度に基づいて重みを
設定するようにしてもよい。
【００７８】さらに、信頼度と重みの関係を示す図３の
テーブルは単なる一例であって、信頼度の区分は０．１
ずつでなくとも良く、さらに細かく信頼度を区分し、そ
れに応じた重みを設定するようにしてもよい。
テーブルは単なる一例であって、信頼度の区分は０．１
ずつでなくとも良く、さらに細かく信頼度を区分し、そ
れに応じた重みを設定するようにしてもよい。
【００７９】その他、ステップＳ１０４における判別得
点の算出方法や、ステップＳ１０５における認識信頼度
の算出方法も、上記実施の形態にて示したマハラノビス
距離ＤＭを用いる方法や、ベイズの定理を用いる方法以
外の方法を採用することもできる。
点の算出方法や、ステップＳ１０５における認識信頼度
の算出方法も、上記実施の形態にて示したマハラノビス
距離ＤＭを用いる方法や、ベイズの定理を用いる方法以
外の方法を採用することもできる。
【００８０】本発明の実施形態は、本発明の技術的思想
の範囲内において、適宜、様々な変更が可能である。
の範囲内において、適宜、様々な変更が可能である。
【００８１】
【発明の効果】以上、本発明によれば、文字認識結果の
信頼度に応じて後処理における連接確率の重み付けを個
別に設定するものであるから、当該重みを一律に設定す
る場合に比べ、正解文字列に近い文字列の整合度と正解
文字列から遠い文字列の整合度との間の区別をより明確
にすることができ、もって、後処理後の認識文字列候補
中に正解文字が含まれる確率を向上させることができ
る。
信頼度に応じて後処理における連接確率の重み付けを個
別に設定するものであるから、当該重みを一律に設定す
る場合に比べ、正解文字列に近い文字列の整合度と正解
文字列から遠い文字列の整合度との間の区別をより明確
にすることができ、もって、後処理後の認識文字列候補
中に正解文字が含まれる確率を向上させることができ
る。
【図１】 実施の形態に係る基本構成の機能ブロック図
【図２】 当該基本構成の機能を説明するための図
【図３】 当該基本構成の機能を説明するための図
【図４】 基本構成を具体化した一実施例の機能ブロッ
ク図
ク図
【図５】 実施例の処理を説明するための図
【図６】 実施例の処理を説明するための図
【図７】 実施例の処理を説明するための図
【図８】 実施例の処理を説明するための図
【図９】 実施例の処理を説明するための図
【図１０】 実施例の処理を実行するためのフローチャ
ート
ート
【図１１】 当該実行プログラムと参照データのファイ
ル構造を示す図
ル構造を示す図
【図１２】 従来例の機能を説明するための図
１００ 入力部
２００ 文字認識部
３００ 認識信頼度算出部
４００ 文字認識後処理部
Claims (12)
- 【請求項１】 文字認識結果に対して後処理を施すこと
により認識文字列候補を出力する文字認識装置におい
て、 前記文字認識結果の信頼度を算出する信頼度算出手段
と、 当該信頼度算出手段によって算出された信頼度に基づい
て、連接関係にある前記認識結果の連接確率得点の重み
を設定する重み設定手段と、 を備え、 前記重み設定手段によって設定された重みに基づいて候
補文字列の整合度を算出し、当該整合度の高い候補文字
列を認識文字列候補として出力する、 ことを特徴とする文字認識装置。 - 【請求項２】 請求項１において、前記信頼度算出手段
は、認識候補文字群の上位の候補文字に正解が含まれる
確率として信頼度を算出し、 前記重み設定手段は、当該信頼度が大きい場合には重み
を小さく設定し、当該信頼度が小さい場合には重みを大
きく設定する、 ことを特徴とする文字認識装置。 - 【請求項３】 請求項１または２において、前記信頼度
算出手段は、信頼度と重みの関係を規定する信頼度―重
み変換テーブルを予め備えており、当該変換テーブルに
基づいて前記重みを設定する、 ことを特徴とする文字認識装置。 - 【請求項４】 請求項２または３において、前記候補文
字列がＴ個の文字により構成され、その内、Ｋ番目の文
字の類似度をＳK、Ｋ−１番目の文字とＫ番目の文字の
連接確率をＰ（Ｋ−１、Ｋ）、当該文字間の連接確率の
重みをｗ（Ｋ−１、Ｋ）とした場合、前記整合度Ｌは、 Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋｛ｗ（１，２）・ｌｏｇ
Ｐ（１，２）＋ｗ（２，３）・ｌｏｇＰ（２，３）＋…
＋ｗ（Ｔ−１，Ｔ）・ｌｏｇＰ（Ｔ−１，Ｔ）｝ に従って算出される、ことを特徴とする文字認識装置。 - 【請求項５】 請求項４において、重みｗ（Ｋ−１、
Ｋ）は、Ｋ番目の入力文字に対する認識候補文字群の信
頼度に基づいて設定される、 ことを特徴とする文字認識装置。 - 【請求項６】 文字認識結果に対して後処理を施すこと
により認識文字列候補を出力する文字認識方法におい
て、 前記文字認識結果の信頼度を算出する信頼度算出ステッ
プと、 当該信頼度算出手段によって算出された信頼度に基づい
て、連接関係にある前記認識結果の連接確率得点の重み
を設定する重み設定ステップと、 当該重み設定ステップによって設定された重みに基づい
て候補文字列の整合度を算出する整合度算出ステップ
と、 当該整合度算出ステップによって算出された各候補文字
列の整合度を比較し、最も整合度の高い候補文字列を認
識文字列候補として出力する認識文字列候補出力ステッ
プと、 を有することを特徴とする文字認識方法。 - 【請求項７】 請求項６において、前記信頼度算出ステ
ップは、認識候補文字群の上位の候補文字に正解が含ま
れる確率として信頼度を算出し、 前記重み設定ステップは、当該信頼度が大きい場合には
重みを小さく設定し、当該信頼度が小さい場合には重み
を大きく設定する、 ことを特徴とする文字認識方法。 - 【請求項８】 請求項６または７において、前記信頼度
算出ステップは、信頼度と重みの関係を規定する信頼度
―重み変換テーブルに基づいて前記重みを設定する、 ことを特徴とする文字認識方法。 - 【請求項９】 請求項７または８において、前記候補文
字列がＴ個の文字により構成され、その内、Ｋ番目の文
字の類似度をＳK、Ｋ−１番目の文字とＫ番目の文字の
連接確率をＰ（Ｋ−１、Ｋ）、当該文字間の連接確率の
重みをｗ（Ｋ−１、Ｋ）とした場合、前記整合度算出ス
テップは、 Ｌ＝（Ｓ1＋Ｓ2＋…＋ＳT）＋｛ｗ（１，２）・ｌｏｇ
Ｐ（１，２）＋ｗ（２，３）・ｌｏｇＰ（２，３）＋…
＋ｗ（Ｔ−１，Ｔ）・ｌｏｇＰ（Ｔ−１，Ｔ）｝ に従って整合度Ｌを算出する、ことを特徴とする文字認
識方法。 - 【請求項１０】 請求項９において、重みｗ（Ｋ−１、
Ｋ）は、Ｋ番目の入力文字に対する認識候補文字群の信
頼度に基づいて設定される、 ことを特徴とする文字認識方法。 - 【請求項１１】 請求項６ないし１０の何れかの文字認
識方法の各処理ステップを実行するプログラム。 - 【請求項１２】 請求項１１のプログラムを記憶した記
録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001295168A JP4326173B2 (ja) | 2001-09-26 | 2001-09-26 | 文字認識装置、文字認識方法、その実行プログラムおよびそれを記憶した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001295168A JP4326173B2 (ja) | 2001-09-26 | 2001-09-26 | 文字認識装置、文字認識方法、その実行プログラムおよびそれを記憶した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003108926A true JP2003108926A (ja) | 2003-04-11 |
| JP4326173B2 JP4326173B2 (ja) | 2009-09-02 |
Family
ID=19116646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001295168A Expired - Fee Related JP4326173B2 (ja) | 2001-09-26 | 2001-09-26 | 文字認識装置、文字認識方法、その実行プログラムおよびそれを記憶した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4326173B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009026288A (ja) * | 2007-07-23 | 2009-02-05 | Sharp Corp | 画像文書処理装置、画像文書処理方法、画像処理プログラムおよび画像処理プログラムを記録した記録媒体 |
-
2001
- 2001-09-26 JP JP2001295168A patent/JP4326173B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009026288A (ja) * | 2007-07-23 | 2009-02-05 | Sharp Corp | 画像文書処理装置、画像文書処理方法、画像処理プログラムおよび画像処理プログラムを記録した記録媒体 |
| JP4533920B2 (ja) * | 2007-07-23 | 2010-09-01 | シャープ株式会社 | 画像文書処理装置、画像文書処理方法、画像処理プログラムおよび画像処理プログラムを記録した記録媒体 |
| US8208765B2 (en) | 2007-07-23 | 2012-06-26 | Sharp Kabushiki Kaisha | Search and retrieval of documents indexed by optical character recognition |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4326173B2 (ja) | 2009-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108711422B (zh) | 语音识别方法、装置、计算机可读存储介质和计算机设备 | |
| CN109032375B (zh) | 候选文本排序方法、装置、设备及存储介质 | |
| US6513005B1 (en) | Method for correcting error characters in results of speech recognition and speech recognition system using the same | |
| EP2486470B1 (en) | System and method for inputting text into electronic devices | |
| Shannon | Optimizing expected word error rate via sampling for speech recognition | |
| US6208971B1 (en) | Method and apparatus for command recognition using data-driven semantic inference | |
| US20060136205A1 (en) | Method of refining statistical pattern recognition models and statistical pattern recognizers | |
| JP6831343B2 (ja) | 学習装置、学習方法及び学習プログラム | |
| CN111145718A (zh) | 一种基于自注意力机制的中文普通话字音转换方法 | |
| CN116432655B (zh) | 基于语用知识学习的少样本命名实体识别方法和装置 | |
| CN112232055A (zh) | 一种基于拼音相似度与语言模型的文本检测与纠正方法 | |
| CN1391211A (zh) | 对识别系统中的参数进行训练的方法和系统 | |
| CN112287680A (zh) | 一种问诊信息的实体抽取方法、装置、设备及存储介质 | |
| Toselli et al. | Two methods to improve confidence scores for lexicon-free word spotting in handwritten text | |
| CN111859967A (zh) | 实体识别方法、装置，电子设备 | |
| CN111506726A (zh) | 基于词性编码的短文本聚类方法、装置及计算机设备 | |
| CN113191133B (zh) | 一种基于Doc2Vec的音频文本对齐方法及系统 | |
| US20050197838A1 (en) | Method for text-to-pronunciation conversion capable of increasing the accuracy by re-scoring graphemes likely to be tagged erroneously | |
| CN112528003B (zh) | 一种基于语义排序和知识修正的多项选择问答方法 | |
| CN112509565A (zh) | 语音识别方法、装置、电子设备及可读存储介质 | |
| CN114444492B (zh) | 一种非标准词类判别方法及计算机可读存储介质 | |
| CN115455142A (zh) | 文本检索方法、计算机设备和存储介质 | |
| CN112651590B (zh) | 一种指令处理流程推荐的方法 | |
| CN114579763A (zh) | 一种针对中文文本分类任务的字符级对抗样本生成方法 | |
| CN110909546B (zh) | 一种文本数据的处理方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051208 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20051227 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081125 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090122 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090217 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090401 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090512 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090609 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 4326173 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130619 Year of fee payment: 4 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |