JP2020166770A - 文字認識装置、文字認識方法およびプログラム - Google Patents
文字認識装置、文字認識方法およびプログラム Download PDFInfo
- Publication number
- JP2020166770A JP2020166770A JP2019069024A JP2019069024A JP2020166770A JP 2020166770 A JP2020166770 A JP 2020166770A JP 2019069024 A JP2019069024 A JP 2019069024A JP 2019069024 A JP2019069024 A JP 2019069024A JP 2020166770 A JP2020166770 A JP 2020166770A
- Authority
- JP
- Japan
- Prior art keywords
- answer
- character recognition
- question
- answers
- existing
- 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
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Character Discrimination (AREA)
Abstract
【課題】記述式の問題の解答を文字認識する場合に、正答である解答だけでなく誤答である解答についても正しく文字認識できるようにする。【解決手段】文字認識装置が、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかと、それから抽出されたキーワードとが対応付けられた答案セットを生成し、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、答案セットのうち１つ以上の答案セットを選択し、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、対象答案の文字認識を行う。【選択図】図２
Description
本発明は、文字認識装置、文字認識方法およびプログラムに関する。
特許文献１には、記述式の問題の解答を自動採点するための自動採点システムが記載されている。この自動採点システムでは、被試験者が記述式の問題の解答を入力すると、入力された解答を形態素解析および構文解析して構文解析木モデルを生成する。この自動採点システムは、生成したモデルと、予め生成された模範解答のモデルとを比較して正解の有無を判定し、予め定められた各問題の配点に基づいて採点を行う。
採点の前段階として記述式の問題の解答を文字認識する場合、記述式の問題に対しては、既存の類似問題が存在する場合がある。特に、学校など教育の分野では、同様の内容の授業が毎年繰り返され、試験問題に関しても類似問題が蓄積されていると期待される。記述式の問題の解答を高精度に文字認識するために、蓄積された既存問題に関する情報を有効活用できることが好ましい。
本発明は、上述の課題を解決することのできる文字認識装置、文字認識方法およびプログラムを提供することを目的としている。
本発明の第１の態様によれば、文字認識装置は、既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出するキーワード抽出部と、１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する対応付け処理部と、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する選択処理部と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う文字認識処理部と、を備える。
本発明の第２の態様によれば、文字認識装置は、既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから抽出された１つ以上の検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットのうち１つ以上の答案セットを、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて選択する選択処理部と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う文字認識処理部と、を備える。
本発明の第３の態様によれば、文字認識方法は、既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する工程と、１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する工程と、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する工程と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う工程と、を含む。
本発明の第４の態様によれば、プログラムは、コンピュータに、既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する工程と、１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する工程と、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する工程と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う工程と、を実行させるためのプログラムである。
この発明によれば、記述式の問題の解答を文字認識する場合に、蓄積された既存問題に関する情報を有効活用できる。
以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図１は、実施形態に係る文字認識システムの機能構成の例を示す概略ブロック図である。図１に示す構成で、文字認識システム１は、文字認識装置１００と、スキャナ装置２００とを備える。
図１は、実施形態に係る文字認識システムの機能構成の例を示す概略ブロック図である。図１に示す構成で、文字認識システム１は、文字認識装置１００と、スキャナ装置２００とを備える。
文字認識システム１は、筆記式の答案の文字認識を行う。文字認識システム１が文字認識を行う対象は、紙面の答案をスキャンした画像に限定されない。例えば、文字認識システム１が、タブレット等に手書き入力された文字列を対象として文字認識を行うようにしてもよい。
ここで、文字認識処理では一般に、文字認識対象の文字列の情報（それが何であるか、文字列の長さ、文字の種類など）が事前に分かっている方が、文字認識精度が良くなる。この場合、文字認識対象が何であるかという情報を「知識」として活用しながら文字認識処理を行えるからである。
ここで、文字認識処理では一般に、文字認識対象の文字列の情報（それが何であるか、文字列の長さ、文字の種類など）が事前に分かっている方が、文字認識精度が良くなる。この場合、文字認識対象が何であるかという情報を「知識」として活用しながら文字認識処理を行えるからである。
例えば、認識対象が数字であると分かっている場合（言い換えれば、数字しか記入されないという知識がある場合）、文字認識装置は、文字認識結果の候補を数字に絞ることができる。さらには、文字認識装置が、数字に特化した文字認識エンジンを使用するなどの対応を行うことができる。
また、果物の名前が記入されると分かっていれば、文字認識装置は、文字認識結果の候補を果物の名前に絞ることができ、さらには、果物の名前に特化した文字認識エンジンを使用するなどの対応を行うことができる。
また、果物の名前が記入されると分かっていれば、文字認識装置は、文字認識結果の候補を果物の名前に絞ることができ、さらには、果物の名前に特化した文字認識エンジンを使用するなどの対応を行うことができる。
一方、文字認識の対象の文字列の情報が事前に得られない場合、例えば、百科事典に載っている言葉を全て登録しておくなど、「知識」を大量に用意しておけば、入力に対応する知識を予め保持している可能性が高まる。しかしながら、この場合、文字認識結果の候補の数が多くなり過ぎて、却って文字認識の精度が低下してしまい、また、文字認識処理に時間を要する可能性がある。
一方、予め用意する「知識」が少なすぎると、文字認識装置が、入力に対応する知識を有しておらず文字認識の精度が低下する原因となる。
このように、文字認識を精度よく行うために、どのような「知識」を用意するかが重要である。
そこで、文字認識システム１は、文字認識の対象を学校での試験等の問題に対する答案、あるいはアンケートの項目など、設問と回答との関係があるものに限定する。例えば、学校での試験等の問題に対する答案を対象とする場合、文字認識システム１は、既に出題された問題（既存の問題）、既存の問題に対する１つ以上の正答、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分（例えば、答案に含まれる単語等）を知識として用いて文字認識を行う。例えば、文字認識システム１は、文字認識対象の答案に対応する正答と、既存の問題に対する答案とを用いて、正答のバリエーションだけでなく誤答についても想定答案を予め生成しておく。
このように、文字認識を精度よく行うために、どのような「知識」を用意するかが重要である。
そこで、文字認識システム１は、文字認識の対象を学校での試験等の問題に対する答案、あるいはアンケートの項目など、設問と回答との関係があるものに限定する。例えば、学校での試験等の問題に対する答案を対象とする場合、文字認識システム１は、既に出題された問題（既存の問題）、既存の問題に対する１つ以上の正答、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分（例えば、答案に含まれる単語等）を知識として用いて文字認識を行う。例えば、文字認識システム１は、文字認識対象の答案に対応する正答と、既存の問題に対する答案とを用いて、正答のバリエーションだけでなく誤答についても想定答案を予め生成しておく。
ここで、答案（問題に対する解答）には、正答および誤答のいずれにも幾つかのパターンがあると考えられる。既存の問題に対する答案を用いて文字認識対象の答案に対する予想答案を生成しておくことで、既存の問題で現れた答案のパターンを、今回の問題（文字認識対象の答案の元になった問題）に適用して予想答案を生成することができる。
例えば、既存の問題、今回の問題共に徳川家の将軍の名前を答える問題である場合を考える。既存の問題の正答が徳川吉宗である場合に、吉宗が浮かばずに徳川家康と答えた答案があり、文字認識システム１がこの答案に基づいて徳川家康と想定答案を生成したとする。今回の問題の正答が徳川綱吉である場合に、綱吉が浮かばすに徳川家康と答えた答案があれば、予想答案を参照して正しく文字認識できると期待される。
文字認識システム１は、答案の文字認識を行う場合に、既存の問題の答案を文字認識のための知識として用いることができ、これによって文字認識の精度の向上を図ることができる。
文字認識システム１は、答案の文字認識を行う場合に、既存の問題の答案を文字認識のための知識として用いることができ、これによって文字認識の精度の向上を図ることができる。
文字認識システム１が行う文字認識について、より詳細に説明する。
まず、説明に用いる言葉を以下のように定義する。
既存の問題（過去の問題）：過去の問題文
既存の正答（過去の正答）：過去の問題文の正答文
既存の解答（過去の解答）：過去の問題文に対する解答文
新しい問題：新しい問題文（与えられた問題文）
新しい正答：新しい問題文の正答文
新しい解答：新しい問題文に対する解答文
まず、説明に用いる言葉を以下のように定義する。
既存の問題（過去の問題）：過去の問題文
既存の正答（過去の正答）：過去の問題文の正答文
既存の解答（過去の解答）：過去の問題文に対する解答文
新しい問題：新しい問題文（与えられた問題文）
新しい正答：新しい問題文の正答文
新しい解答：新しい問題文に対する解答文
文字認識システム１は、準備処理、前処理、認識処理の３段階で文字認識を行う。
準備処理では、文字認識システム１は、文字認識に使用するための知識の整備を行う。特に、文字認識システム１は、既存の問題に関する情報を新しい問題に応じて検索できるように整備する。具体的には、文字認識システム１は、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する。そして、文字認識システム１は、抽出した検索キーワードと、検索キーワードの抽出元である、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とを対応付ける。この、検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられたものを、答案セットと称する。
例えば文字認識システム１は、過去の問題文と過去の正答文からそれぞれ単語を抽出し、検索キーワードとする。検索キーワードは、具体的には、問題文の検索キーワードと、正答文の検索キーワードの組である。例えば、過去の問題文の数だけ、検索キーワードがある。
準備処理では、文字認識システム１は、文字認識に使用するための知識の整備を行う。特に、文字認識システム１は、既存の問題に関する情報を新しい問題に応じて検索できるように整備する。具体的には、文字認識システム１は、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する。そして、文字認識システム１は、抽出した検索キーワードと、検索キーワードの抽出元である、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とを対応付ける。この、検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられたものを、答案セットと称する。
例えば文字認識システム１は、過去の問題文と過去の正答文からそれぞれ単語を抽出し、検索キーワードとする。検索キーワードは、具体的には、問題文の検索キーワードと、正答文の検索キーワードの組である。例えば、過去の問題文の数だけ、検索キーワードがある。
前処理では、文字認識システム１は、新しい問題文と新しい正答文からそれぞれ単語を抽出し、検索キーワードとする。検索キーワードは、具体的には、問題文の検索キーワードと、正答文の検索キーワードの組である。
ここで、過去の検索キーワードの、問題文の検索キーワードと、新しい検索キーワードの、問題文の検索キーワードが一致し、かつ、過去の検索キーワードの、正答文の検索キーワードと、新しい検索キーワードの、正答文の検索キーワードが一致する場合を考える。この場合、当該過去の検索キーワードの由来となった問題文は、当該新しい検索キーワードの由来となった問題文と、類似性があることが期待される。
ここで、過去の検索キーワードの、問題文の検索キーワードと、新しい検索キーワードの、問題文の検索キーワードが一致し、かつ、過去の検索キーワードの、正答文の検索キーワードと、新しい検索キーワードの、正答文の検索キーワードが一致する場合を考える。この場合、当該過去の検索キーワードの由来となった問題文は、当該新しい検索キーワードの由来となった問題文と、類似性があることが期待される。
このとき、それぞれの解答文にも類似性があることが期待される。そこで、文字認識システム１は、当該過去の検索キーワードの由来となった問題文に対する正答文と解答文を、想定解答文として「知識」という形で保持し、新しい解答文の認識に役立てる。
認識処理では、文字認識システム１は、想定解答文を知識として活用することで、認識精度を向上させる。
認識処理では、文字認識システム１は、想定解答文を知識として活用することで、認識精度を向上させる。
文字認識システム１が行う文字認識の具体例について説明する。
例１：
以下のような場合を想定する。
過去の問題文：「鎌倉幕府を開いたのは誰か」
過去の正答文：源頼朝
過去の解答文：源頼朝、源義経、足利尊氏、足利義満
過去の問題文の検索キーワード：鎌倉幕府、誰
過去の正答文の検索キーワード：源頼朝
過去の解答文の検索キーワード：源頼朝、源義経、足利尊氏、足利義満
例１：
以下のような場合を想定する。
過去の問題文：「鎌倉幕府を開いたのは誰か」
過去の正答文：源頼朝
過去の解答文：源頼朝、源義経、足利尊氏、足利義満
過去の問題文の検索キーワード：鎌倉幕府、誰
過去の正答文の検索キーワード：源頼朝
過去の解答文の検索キーワード：源頼朝、源義経、足利尊氏、足利義満
新しい問題文：「誰が鎌倉幕府を開いたか」
新しい正答文：源頼朝
新しい解答文：源頼朝、源義経、足利尊氏、足利義満
新しい問題文の検索キーワード：鎌倉幕府、誰
新しい正答文の検索キーワード：源頼朝
新しい問題に対する想定解答文：源頼朝、源義経、足利尊氏、足利義満
新しい正答文：源頼朝
新しい解答文：源頼朝、源義経、足利尊氏、足利義満
新しい問題文の検索キーワード：鎌倉幕府、誰
新しい正答文の検索キーワード：源頼朝
新しい問題に対する想定解答文：源頼朝、源義経、足利尊氏、足利義満
このとき、「過去の問題文の検索キーワード」と「新しい問題文の検索キーワード」が一致し、さらに、「過去の正答文の検索キーワード：源頼朝」と「新しい正答文の検索キーワード：源頼朝」が一致するため、「過去の問題文」と「新しい問題文」に類似性があることが期待され、「新しい問題に対する想定解答文」として、「過去の解答文の検索キーワード」、あるいは、さらに、「過去の解答文」を登録する。
この場合、過去の問題文と新しい問題文に類似性がありそうなので、過去の問題文に対する解答文は、新しい問題に対する解答文と似たようなものになりそうである。よって、想定解答文が有効に働くと考えられる。
この類似性は、「問題あっての解答」という関係性を利用している。したがって、問題と解答の両方で一致が見られれば、一致する確度は高いと考えられる。
そこで、文字認識システム１は、上記のように事前処理、前処理、認識処理の３段階で処理を行い、想定解答文を知識として活用することで、認識精度を向上させる。
この類似性は、「問題あっての解答」という関係性を利用している。したがって、問題と解答の両方で一致が見られれば、一致する確度は高いと考えられる。
そこで、文字認識システム１は、上記のように事前処理、前処理、認識処理の３段階で処理を行い、想定解答文を知識として活用することで、認識精度を向上させる。
例２：
文字認識システム１が行う文字認識の、もう１つの例について説明する。
もし、上記の具体例で、新しい問題文が「鎌倉幕府を開いた人物名を答えよ」であった場合、検索キーワードが「鎌倉幕府、人物名」などとなり、「鎌倉幕府、誰」と一致しないため、想定解答文は作成できない。
そこで、文字認識システム１が、新しい問題文の検索キーワードが過去の問題文の検索キーワードと部分的に一致していれば一致しているとみなすようにしてもよい。例えば、「鎌倉幕府、人物名」と「鎌倉幕府、誰」は、「鎌倉幕府」という点で部分的に一致するため、一致するとみなすと、想定解答文が作成できる。
また、「誰か」と「人物名を答えよ」が意味的に同じであるといった辞書を予め作成しておき、文字認識システム１が、「鎌倉幕府、人物名」と「鎌倉幕府、誰」とは一致していると判定するようにしてもよい。
同様に、正答文の検索キーワードの比較でも、部分的に一致するものを、一致するとみなすようにしてもよいし、意味的に同じものを一致すると判定するようにしてもよい。
文字認識システム１が行う文字認識の、もう１つの例について説明する。
もし、上記の具体例で、新しい問題文が「鎌倉幕府を開いた人物名を答えよ」であった場合、検索キーワードが「鎌倉幕府、人物名」などとなり、「鎌倉幕府、誰」と一致しないため、想定解答文は作成できない。
そこで、文字認識システム１が、新しい問題文の検索キーワードが過去の問題文の検索キーワードと部分的に一致していれば一致しているとみなすようにしてもよい。例えば、「鎌倉幕府、人物名」と「鎌倉幕府、誰」は、「鎌倉幕府」という点で部分的に一致するため、一致するとみなすと、想定解答文が作成できる。
また、「誰か」と「人物名を答えよ」が意味的に同じであるといった辞書を予め作成しておき、文字認識システム１が、「鎌倉幕府、人物名」と「鎌倉幕府、誰」とは一致していると判定するようにしてもよい。
同様に、正答文の検索キーワードの比較でも、部分的に一致するものを、一致するとみなすようにしてもよいし、意味的に同じものを一致すると判定するようにしてもよい。
例３：
文字認識システム１が行う文字認識の、さらにもう１つの例について説明する。
以上の例では、文字認識システム１が問題文と正答文の両方を用いて比較を行う例について説明した。これに対し、文字認識システム１が、問題文由来の検索キーワードのみで比較するようにしてもよいし、正答文由来の検索キーワードのみで比較するようにしてもよい。
文字認識システム１が行う文字認識の、さらにもう１つの例について説明する。
以上の例では、文字認識システム１が問題文と正答文の両方を用いて比較を行う例について説明した。これに対し、文字認識システム１が、問題文由来の検索キーワードのみで比較するようにしてもよいし、正答文由来の検索キーワードのみで比較するようにしてもよい。
例えば、問題文のみで一致する場合を考えてみる。状況としては、問題文のみから想定解答文を予測したい場合などである。うまくいけば、良い結果が得られることが予想される。例えば、新しい問題文が「鎌倉幕府を開いた人物名を答えよ」であった場合、例えば、検索キーワードが「鎌倉幕府」と「人物名」となれば、問題文由来の検索キーワードのみに対する比較において、部分的な一致を確認することで、良好な想定解答文が作成できる。
しかし、部分的な一致を確認するのみではうまくいかない場合もある。例えば、新しい問題文が「鎌倉幕府の次の幕府は何か」であった場合、検索キーワードが「鎌倉幕府、次の幕府、何」となり、「鎌倉幕府」が部分的に一致するため、「源頼朝、源義経、足利尊氏、足利義満」を想定解答文として作成してしまう。これは、新しい問題文の正答文である「室町幕府」とは関係なく、しかも、解答者も記入しないような人物名であるため、本来は想定することは避けたい文字列である。こういったことが多重に起こることで、問題文に適切でない想定解答文がたくさん登録されることが考えられ、知識として登録される単語が増えるにつれて、認識精度が低減することも考えられる。
そこで、文字認識システム１が、部分一致については、2つ以上の単語が一致する場合に一致と判定するようにしてもよい。あるいは文字認識システム１が、検索キーワードの個数に対して何割以上が一致するといった条件で一致を判定するようにしてもよい。
正答文由来の検索キーワードのみで処理する場合も同様である。
そこで、文字認識システム１が、部分一致については、2つ以上の単語が一致する場合に一致と判定するようにしてもよい。あるいは文字認識システム１が、検索キーワードの個数に対して何割以上が一致するといった条件で一致を判定するようにしてもよい。
正答文由来の検索キーワードのみで処理する場合も同様である。
文字認識システム１による検索キーワードの類似度評価のバリエーションについて説明する。
（１） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
それぞれの完全一致による評価。
（２） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
問題文由来の検索キーワードの部分一致と、正答文由来の検索キーワードの完全一致による評価。
（３） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
問題文由来の検索キーワードの完全一致と、正答文由来の検索キーワードの部分一致による評価。
（４） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
それぞれの部分一致による評価。
（１） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
それぞれの完全一致による評価。
（２） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
問題文由来の検索キーワードの部分一致と、正答文由来の検索キーワードの完全一致による評価。
（３） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
問題文由来の検索キーワードの完全一致と、正答文由来の検索キーワードの部分一致による評価。
（４） 「過去の問題文由来の検索キーワードと、その正答文由来の検索キーワード」と、
「新しい問題文由来の検索キーワードと、その正答文由来の検索キーワード」の、
それぞれの部分一致による評価。
なお、ここでは部分一致を、完全一致する（例えば、単語識別子が一致する）単語と一致しない単語が両立する場合と定義している。これに限らず、単語識別子は一致しないが、単語の文字列自体が部分的に一致する（「鎌倉幕府」と「鎌倉の幕府」、「鎌倉」など）ことを部分一致と評価するようにしてもよい。あるいは、意味的に近い（「鎌倉幕府」と「鎌倉に開かれた幕府」、「室町幕府の前の幕府」など）ことを部分一致と評価するようにしてもよい。
（５） 「過去の問題文由来の検索キーワード」と、
「新しい問題文由来の検索キーワード」の、
完全一致による評価。
（６） 「過去の問題文由来の検索キーワード」と、
「新しい問題文由来の検索キーワード」の、
部分一致による評価。
（７） 「過去の問題文に対する正答文由来の検索キーワード」と、
「新しい問題文に対する正答文由来の検索キーワード」の、
完全一致による評価。
（８） 「過去の問題文に対する正答文由来の検索キーワード」と、
「新しい問題文に対する正答文由来の検索キーワード」の、
部分一致による評価。
「新しい問題文由来の検索キーワード」の、
完全一致による評価。
（６） 「過去の問題文由来の検索キーワード」と、
「新しい問題文由来の検索キーワード」の、
部分一致による評価。
（７） 「過去の問題文に対する正答文由来の検索キーワード」と、
「新しい問題文に対する正答文由来の検索キーワード」の、
完全一致による評価。
（８） 「過去の問題文に対する正答文由来の検索キーワード」と、
「新しい問題文に対する正答文由来の検索キーワード」の、
部分一致による評価。
なお、類似の過去の問題文が複数検出された場合、文字認識システム１が、全ての解答文をまとめて想定解答文とするようにしてもよい。あるいはこの場合、文字認識システム１が、当該解答文を問題文の類似度でソートすることで、上位のみ採用するとするようにしてもよい。あるいはこの場合、文字認識システム１が、上位のものから順に採用して実際に認識処理してみた結果を比較して、認識処理の内容の比較結果に基づいて問題文の採否を決定するようにしてもよい。
ここでいう比較は、想定解答文ごとに認識できた単語数が最も多かったものを採用することであってもよい。あるいは、ここでいう比較は、複数のセットで認識した結果を集計し、多くの想定解答文で認識できているものを採用することであってもよい。
また、文字認識システム１が、過去の問題文に対する解答文も比較対象として活用するようにしてもよい。つまり、過去の問題文に対する解答文のうち少なくとも1つ以上を由来とする検索キーワードを比較対象としてもよい。これにより、文字認識システム１による検索キーワードの類似度評価のバリエーションがさらに広がる。また、新しい問題文に対する解答（新しい解答文）から検索キーワードを取り出し、得られた検索キーワードを、新しい正答文の検索キーワードの代わりに使用してもよい。これにより、文字認識システム１による検索キーワードの類似度評価のバリエーションがさらに広がる。
スキャナ装置２００は、答案等をスキャンして撮像し、画像データを生成する。スキャナ装置２００は、生成した画像データを文字認識装置１００へ送信する。
文字認識装置１００は、文字認識対象の答案を文字認識する。具体的には、文字認識装置１００は、スキャナ装置２００が答案をスキャンして生成する画像データを文字認識する。
例えば、文字認識装置１００は、既存の問題、その問題の正答および答案をテキスト化したテキストから単語のリストを生成しておく。そして文字認識装置１００は、生成しておいたリストを用いて、文字認識対象の答案の元となった問題、または、その正答、または、それに対する答案に対する想定答案を生成し、生成した想定答案を用いて文字認識対象の答案の文字認識を行う。
文字認識装置１００は、文字認識対象の答案を文字認識する。具体的には、文字認識装置１００は、スキャナ装置２００が答案をスキャンして生成する画像データを文字認識する。
例えば、文字認識装置１００は、既存の問題、その問題の正答および答案をテキスト化したテキストから単語のリストを生成しておく。そして文字認識装置１００は、生成しておいたリストを用いて、文字認識対象の答案の元となった問題、または、その正答、または、それに対する答案に対する想定答案を生成し、生成した想定答案を用いて文字認識対象の答案の文字認識を行う。
また、文字認識装置１００は、既存の問題に対する答案の文字認識で誤読（誤認識）した文字または単語等を、文字認識不能と判定する処理（棄却処理）に反映させる。例えば、文字認識装置１００は、誤読した文字または単語等を認識結果として確定させる判定しきい値を、他の文字または単語等よりも高く設定する。
文字認識装置１００は、文字認識処理にて文字認識結果の候補毎に確度（確からしさを示す数値）を算出し、確度がしきい値以上の場合にその候補を文字認識結果として採用する。確度がしきい値以上の候補が無い場合、文字認識装置１００は、文字認識不能と判定し、文字認識不能を示す特定のキャラクタ（を示す文字コード）を文字認識結果とする。文字認識不能を示す特定のキャラクタを棄却文字と称する。棄却文字として、例えば「？」を用いるようにしてもよい。
あるいは、文字認識装置１００が、単語認識結果の候補毎に確度を算出するようにしてもよい。この場合、確度がしきい値以上の候補が無いときは、文字認識装置１００は、単語認識不能と判定し、単語認識不能を示す特定のキャラクタを単語認識結果とする。
文字認識装置１００は、文字認識処理にて文字認識結果の候補毎に確度（確からしさを示す数値）を算出し、確度がしきい値以上の場合にその候補を文字認識結果として採用する。確度がしきい値以上の候補が無い場合、文字認識装置１００は、文字認識不能と判定し、文字認識不能を示す特定のキャラクタ（を示す文字コード）を文字認識結果とする。文字認識不能を示す特定のキャラクタを棄却文字と称する。棄却文字として、例えば「？」を用いるようにしてもよい。
あるいは、文字認識装置１００が、単語認識結果の候補毎に確度を算出するようにしてもよい。この場合、確度がしきい値以上の候補が無いときは、文字認識装置１００は、単語認識不能と判定し、単語認識不能を示す特定のキャラクタを単語認識結果とする。
過去に誤読した文字または単語等については、しきい値が高く設定されていることで、文字認識装置１００がその文字または単語等を文字認識結果として採用する可能性が低くなり、文字認識不能と判定する可能性が高まる。これにより、文字認識装置１００が同じ文字認識誤りを繰り返す可能性を低減させることができる。
文字認識装置１００によれば、問題毎にカスタマイズされた辞書を生成することで、辞書への単語等の登録数および登録される単語等の内容が実用的なものとなる。文字認識装置１００によればこの点で、処理速度の向上および文字認識精度の向上を図ることができる。
また、文字認識装置１００によれば、問題に対する想定解答を生成するための人的作業が不要になる、または、低減される。また、文字認識装置１００によれば、人的作業が不要になる、または、低減されることで、作業者の経験やスキルに依存せず、問題文に対する想定解答文を一定の品質で網羅的に生成できる。文字認識装置１００によれば、作業者の経験やスキルに依存せず問題文に対する想定解答文を一定の品質で網羅的に生成できる点で、文字認識精度の向上が期待される。
また、文字認識装置１００によれば、問題に対する想定解答を生成するための人的作業が不要になる、または、低減される。また、文字認識装置１００によれば、人的作業が不要になる、または、低減されることで、作業者の経験やスキルに依存せず、問題文に対する想定解答文を一定の品質で網羅的に生成できる。文字認識装置１００によれば、作業者の経験やスキルに依存せず問題文に対する想定解答文を一定の品質で網羅的に生成できる点で、文字認識精度の向上が期待される。
以下では、問題に対して想定される正しい答えを正答と称する。正答は、例えば問題の生成者によって生成される。ここでいう問題は、問題文に限定されず、問題に付された注釈、問題を解くために参照される資料、および、文章読解問題における文章など、問題を解くために参照されるいろいろな情報を含んでいてもよい。
また、解答者（模試等の試験であれば受験者）が生成する解答を答案と称する。答案は正しいとは限らない。すなわち、答案は正答ばかりとは限らず、誤答などを含んでいる場合がある。
また、解答者（模試等の試験であれば受験者）が生成する解答を答案と称する。答案は正しいとは限らない。すなわち、答案は正答ばかりとは限らず、誤答などを含んでいる場合がある。
また、文字認識対象の答案を対象答案と称する。対象答案の元となった問題を対象問題と称する。対象問題に対する正答を対象正答と称する。対象問題における配点を対象配点と称する。
また、既存の問題を既存問題とも称する。既存問題に対する正答を、既存の正答または既存正答とも称する。既存問題に対する答案を、既存の答案または既存答案とも称する。
また、既存の問題を既存問題とも称する。既存問題に対する正答を、既存の正答または既存正答とも称する。既存問題に対する答案を、既存の答案または既存答案とも称する。
また、問題、正答または答案等の画像を文字コード等のテキストデータに変換することをテキスト化と称する。人手によるテキスト化をキーパンチ（する）と称し、文字認識装置１００によるテキスト化を文字認識（する）またはＯＣＲ（する）と称する。キーパンチでは正しくテキスト化されているものとする。ただし、人が判読困難であると判断した文字は、判読不可能を意味する文字に置き換えられることもある。一方、文字認識では誤読（誤認識）が生じる場合があるものとする。
また、文字認識装置１００は、文字認識できない文字（変換先の文字を特定できない文字）を「？」など特定のキャラクタ（上述した棄却文字）に置き換える。文字認識できない文字を棄却文字に置き換えることを棄却または棄却処理と称する。棄却処理は、例えば、文字の確からしさの度合いに対するしきい値処理などである。文字認識できない文字を認識不能文字と称する。したがって、文字認識装置１００は、認識不能文字を棄却文字に置き換える棄却処理を行う。
また、文字認識結果（文字認識で得られたテキスト）を人手により修正したものを修正済みの文字認識結果と称する。修正済みの文字認識結果では、判読困難な文字は例えば「▲」など特定のキャラクタに置き換えられ、それ以外は正しく変換されているものとする。文字認識結果を修正する人をオペレータと称する。
文字認識装置１００による棄却文字を「？」で示し、オペレータによる判読困難な文字を「▲」で示すなど、両者を区別するようにしてもよい。
文字認識装置１００による棄却文字を「？」で示し、オペレータによる判読困難な文字を「▲」で示すなど、両者を区別するようにしてもよい。
また、以下では文字認識の単位を文字および単語とする。単語には、単語を識別するための重複がない番号である単語識別子が付されるものとする。
但し、文字認識装置１００における文字認識の単位は単語および文字に限定されない。例えば、文字認識装置１００が単語単位および文字単位に加えて、あるいは代えて、文節単位または文単位あるいはこれらの両方で文字認識を行うようにしてもよい。あるいは、文字認識装置１００が、文字列または部分文字列を単位として文字認識を行うようにしてもよい。
さらには、文字認識装置１００が、文字認識に限らず、各種データの生成処理について、文字単位および単語単位に限らず、文節、文字列、および、部分文字列の何れか、あるいはこれらの組み合わせを単位として処理を行うようにしてもよい。
但し、文字認識装置１００における文字認識の単位は単語および文字に限定されない。例えば、文字認識装置１００が単語単位および文字単位に加えて、あるいは代えて、文節単位または文単位あるいはこれらの両方で文字認識を行うようにしてもよい。あるいは、文字認識装置１００が、文字列または部分文字列を単位として文字認識を行うようにしてもよい。
さらには、文字認識装置１００が、文字認識に限らず、各種データの生成処理について、文字単位および単語単位に限らず、文節、文字列、および、部分文字列の何れか、あるいはこれらの組み合わせを単位として処理を行うようにしてもよい。
図２は、文字認識装置１００の機能構成の例を示す概略ブロック図である。図２に示す構成で、文字認識装置１００は、通信部１１０と、表示部１２０と、操作入力部１３０と、記憶部１６０と、制御部１８０とを備える。記憶部１６０は、既存問題データ記憶部１６１と、対象問題データ記憶部１６２と、教科書単語データ記憶部１６３と、関連性単語データ記憶部１６４と、類似単語データ記憶部１６５と、類似文字データ記憶部１６６と、誤読単語データ記憶部１６７と、誤読文字データ記憶部１６８と、想定答案データ記憶部１６９とを備える。制御部１８０は、分析処理部１８１と、データベース機能部１８６と、文字認識処理部１８７と、オペレータ修正対応部１８８とを備える。分析処理部１８１は、キーワード抽出部１８２と、対応付け処理部１８３と、選択処理部１８４と、想定答案生成部１８５とを備える。
通信部１１０は、他の装置と通信を行う。特に、通信部１１０は、スキャナ装置２００が答案等をスキャンして生成した画像データを受信する。
表示部１２０は、例えば液晶パネルまたはＬＥＤ（Light Emitting Diode、発光ダイオード）パネル等の表示画面を備え、各種画像を表示する。特に、表示部１２０は、文字認識対象の答案の文字認識結果を、人手（オペレータ）による修正のために表示する。
操作入力部１３０は、例えばキーボードおよびマイク等の入力デバイスを備え、ユーザ操作を受け付ける。特に、操作入力部１３０は、文字認識対象の答案の文字認識結果を修正するユーザ操作を受け付ける。
表示部１２０は、例えば液晶パネルまたはＬＥＤ（Light Emitting Diode、発光ダイオード）パネル等の表示画面を備え、各種画像を表示する。特に、表示部１２０は、文字認識対象の答案の文字認識結果を、人手（オペレータ）による修正のために表示する。
操作入力部１３０は、例えばキーボードおよびマイク等の入力デバイスを備え、ユーザ操作を受け付ける。特に、操作入力部１３０は、文字認識対象の答案の文字認識結果を修正するユーザ操作を受け付ける。
記憶部１６０は、各種情報を記憶する。記憶部１６０は、文字認識装置１００が備える記憶デバイスを用いて構成される。
例えば、記憶部１６０は、以下の各部にて記憶する情報に加えて、棄却用の調整値を記憶する。ここでいう棄却用の調整値は、棄却処理に用いられるしきい値である。このしきい値は必ずしも特定の値に固定される必要はなく、文字認識装置１００が棄却処理の度合いを厳しくする（棄却され易いように、しきい値を大きくする）、または、緩和する（棄却されにくいように、しきい値を小さくする）といった調整を行うようにしてもよいことから、調整値と称している。
例えば、文字認識装置１００が、文字列単位での棄却処理を行う際に、その文字列を構成する各文字の文字認識の確からしさの平均値に基づいてしきい値を算出し、算出したしきい値を用いて文字列単位での棄却処理を行うようにしてもよい。
例えば、記憶部１６０は、以下の各部にて記憶する情報に加えて、棄却用の調整値を記憶する。ここでいう棄却用の調整値は、棄却処理に用いられるしきい値である。このしきい値は必ずしも特定の値に固定される必要はなく、文字認識装置１００が棄却処理の度合いを厳しくする（棄却され易いように、しきい値を大きくする）、または、緩和する（棄却されにくいように、しきい値を小さくする）といった調整を行うようにしてもよいことから、調整値と称している。
例えば、文字認識装置１００が、文字列単位での棄却処理を行う際に、その文字列を構成する各文字の文字認識の確からしさの平均値に基づいてしきい値を算出し、算出したしきい値を用いて文字列単位での棄却処理を行うようにしてもよい。
既存問題データ記憶部１６１は、既存問題データを記憶する。既存問題データは既存問題に関するデータである。例えば、既存問題データは、既存問題のテキスト、既存問題に対する正答のテキスト、既存問題に対する答案を文字認識したテキスト、および、既存問題に対する答案の、修正済みの文字認識結果のテキストを含む。
対象問題データ記憶部１６２は、対象問題データを記憶する。対象問題データは対象問題に関するデータである。例えば、対象問題データは、対象問題のテキスト、対象正答のテキスト、対象答案を文字認識したテキスト、および、対象答案の、修正済みの文字認識結果のテキストを含む。
教科書単語データ記憶部１６３は、教科書単語データを記憶する。教科書単語データは、教科書の文章中に出現する単語をリスト化したテキストデータである。
教科書単語データ記憶部１６３は、教科書単語データを記憶する。教科書単語データは、教科書の文章中に出現する単語をリスト化したテキストデータである。
関連性単語データ記憶部１６４は、関連性単語データを記憶する。関連性単語データは、例えば既存問題から抽出されたキーワードと、既存答案から抽出された単語とを組み合わせたデータなど、文字認識対象の答案と関連性のある単語として選択される単語を集めたデータである。あるいは、関連性単語データは、例えば既存問題から抽出されたキーワードと、既存正答から抽出されたキーワードと、既存正答及び既存答案から抽出された単語とを組み合わせたデータなど、文字認識対象の問題や正答と関連性があり、つまり、文字認識対象の答案と関連性のある単語として選択される単語を集めたデータである。
文字認識システム１の文字認識の例で上述したように、関連性単語データ記憶部１６４が、既存問題から抽出されたキーワードと、既存答案から抽出された単語との組み合わせに、既存問題の正答から抽出された単語も組み合わせるようにしてもよい。
文字認識システム１の文字認識の例で上述したように、関連性単語データ記憶部１６４が、既存問題から抽出されたキーワードと、既存答案から抽出された単語との組み合わせに、既存問題の正答から抽出された単語も組み合わせるようにしてもよい。
類似単語データ記憶部１６５は、類似単語データを記憶する。類似単語データは、例えば関連性単語データに含まれる複数の単語のうち互いに類似性のある単語など、類似性のある単語を集めたデータである。ただし、類似単語データの対象は、関連性単語データに限定されない。例えば、文字認識装置１００が、既存答案から抽出した全ての単語を対象として関連性単語データを生成し、類似単語データ記憶部１６５が、得られた類似単語データを記憶するようにしてもよい。
類似文字データ記憶部１６６は、類似文字データを記憶する。類似文字データは、類似する文字と、誤読を低減させるための棄却処理の調整用のしきい値とを組み合わせたデータである。
誤読単語データ記憶部１６７は、誤読単語データを記憶する。誤読単語データは、文字認識結果と修正後の文字認識結果とで異なる単語の組み合わせなど、文字認識で誤読された単語を示すデータである。
誤読単語データ記憶部１６７は、誤読単語データを記憶する。誤読単語データは、文字認識結果と修正後の文字認識結果とで異なる単語の組み合わせなど、文字認識で誤読された単語を示すデータである。
類似単語データおよび類似文字データにおける類似性は、特定のものに限定されない。例えば、類似単語データに含まれる単語の類似性として、５文字中１文字のみ異なるといった文字の共通性を用いるようにしてもよいし、徳川将軍の名前のような意味的な共通性を用いるようにしてもよい。
類似文字データに含まれる文字の類似性として、文字認識エンジン内部での類似性や、文字の形（見た目）の類似性を用いるようにしてもよいが、これに限定されない。
類似文字データに含まれる文字の類似性として、文字認識エンジン内部での類似性や、文字の形（見た目）の類似性を用いるようにしてもよいが、これに限定されない。
誤読文字データ記憶部１６８は、誤読文字データを記憶する。誤読文字データは、文字認識結果と修正後の文字認識結果とで異なる文字の組み合わせなど、文字認識で誤読された文字を示すデータである。
想定答案データ記憶部１６９は、想定答案データを記憶する。想定答案データは、対象問題に対して想定される答案を示すデータである。想定答案データは、例えば対象正答と既存答案とを用いて生成される。あるいは、想定答案データは、例えば、対象正答と、既存正答と、既存答案を用いて生成される。
想定答案データ記憶部１６９は、想定答案データを記憶する。想定答案データは、対象問題に対して想定される答案を示すデータである。想定答案データは、例えば対象正答と既存答案とを用いて生成される。あるいは、想定答案データは、例えば、対象正答と、既存正答と、既存答案を用いて生成される。
制御部１８０は、文字認識装置１００の各部を制御して、各種処理を実行する。文字認識装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が記憶部１６０からプログラムを読み出して実行することで、制御部１８０の機能を実行する。
分析処理部１８１は、既存問題およびその答案など各種データを解析する。特に、分析処理部１８１は、記憶部１６０の各部が記憶するデータを生成する。
分析処理部１８１は、既存問題およびその答案など各種データを解析する。特に、分析処理部１８１は、記憶部１６０の各部が記憶するデータを生成する。
キーワード抽出部１８２は、既存問題、既存問題に対する１つ以上の正答（既存正答）、および、既存問題に対する１つ以上の答案（既存答案）のうち少なくとも何れかから検索キーワードを抽出する。
対応付け処理部１８３は、キーワード抽出部１８２が抽出した１つ以上の検索キーワードと、検索キーワード抽出元（既存問題、既存問題に対する１つ以上の正答、および、既存問題に対する１つ以上の答案のうち少なくとも何れか）の少なくとも一部分とが対応付けられた答案セットを生成する。
選択処理部１８４は、対象答案、対象問題、および、対象正答のうち少なくとも何れかに含まれるキーワードに基づいて、１つ以上の答案セットを選択する。
対応付け処理部１８３は、キーワード抽出部１８２が抽出した１つ以上の検索キーワードと、検索キーワード抽出元（既存問題、既存問題に対する１つ以上の正答、および、既存問題に対する１つ以上の答案のうち少なくとも何れか）の少なくとも一部分とが対応付けられた答案セットを生成する。
選択処理部１８４は、対象答案、対象問題、および、対象正答のうち少なくとも何れかに含まれるキーワードに基づいて、１つ以上の答案セットを選択する。
想定答案生成部１８５は、対象正答と、選択された答案セットに含まれる、既存問題、既存問題に対する１つ以上の正答、および、既存問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とに基づいて、対象答案に対する１つ以上の想定答案を生成する。
データベース機能部１８６は、記憶部１６０の各部が記憶するデータを管理する。特に、データベース機能部１８６は、記憶部１６０の各部が記憶するデータの検索、読出および書込を行う。
データベース機能部１８６は、記憶部１６０の各部が記憶するデータを管理する。特に、データベース機能部１８６は、記憶部１６０の各部が記憶するデータの検索、読出および書込を行う。
文字認識処理部１８７は、選択処理部１８４が選択した答案セットに含まれる、既存問題、既存問題に対する１つ以上の正答、および、既存問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分に基づいて、対象答案の文字認識を行う。より具体的には、文字認識処理部１８７は、想定答案生成部１８５が生成する想定答案に基づいて対象答案の文字認識を行う。
制御部１８０（例えば文字認識処理部１８７）が、認識対象が正答と判定され、かつ、文字候補の確からしさがしきい値と近い場合を検出するようにしてもよい。
例えば、文字認識処理部１８７が、文字認識で得られる文字候補の確からしさを評価するための判定しきい値として第１しきい値と第２しきい値とを記憶しておく。第１しきい値は、文字認識結果を棄却するか否か（すなわち、文字認識結果を棄却文字とするか否か）の判定しきい値である。第２しきい値は、第１しきい値よりもやや高い（例えば５％高い）しきい値である。
例えば、文字認識処理部１８７が、文字認識で得られる文字候補の確からしさを評価するための判定しきい値として第１しきい値と第２しきい値とを記憶しておく。第１しきい値は、文字認識結果を棄却するか否か（すなわち、文字認識結果を棄却文字とするか否か）の判定しきい値である。第２しきい値は、第１しきい値よりもやや高い（例えば５％高い）しきい値である。
文字認識処理部１８７で文字認識結果が棄却されず、対象答案の認識結果の文字列を得られた場合、制御部１８０は、得られた文字列が正答か否かを判定する。制御部１８０が得られた文字列を正答と判定した場合、文字認識処理部１８７は、対象答案の認識結果の文字列に、確からしさが第２しきい値未満の文字が含まれるか否かを判定する。確からしさが第２しきい値未満の文字が検出された場合、制御部１８０は、検出された文字を表示部１２０に強調表示させるなどにより、採点者であるユーザに注意喚起する。
ここで、漢字で答えなければ点数がもらえない設問に対して、解答者である学生が、「答えは『みなもとのよりとも』だ」と思ったが、「源頼朝」の「頼」の漢字の「束」偏が思い出せないときに、先生など採点者の見間違え等を期待して、存在するか否かに関わらずそれらしい字を記入するといったケースが考えられる。このような場合、一般的な文字認識処理では、知識処理によって「頼」だと類推する傾向があり、誤答と判定すべきところを正答と判定してしまう可能性がある。
そこで、文字認識装置１００が、文字認識結果の確からしさが比較的低い文字について上記のように採点者に注意喚起することで、上記のケースのような場合に誤答と判定すべきところを正答と判定する採点誤りを防止または低減できる。また、配点が高い設問に対する解答の文字認識処理に限り、棄却処理を厳しくする、あるいは、注意喚起をより行うといったことも有効である。
これとは別に、正答を誤答として採点された学生からはクレームが多いことを理由に、認識結果が正答になるときに限り、棄却処理を緩和し、棄却が行われないようにすることも場合によっては有効である。
これとは別に、正答を誤答として採点された学生からはクレームが多いことを理由に、認識結果が正答になるときに限り、棄却処理を緩和し、棄却が行われないようにすることも場合によっては有効である。
オペレータ修正対応部１８８は、文字認識結果のオペレータによる修正のための処理を行う。具体的には、オペレータ修正対応部１８８は、表示部１２０を制御して文字認識結果を表示させ、操作入力部１３０が受け付ける文字認識結果の修正操作を示す情報を取得し、文字認識結果に修正を反映させる。
文字認識装置１００が、複数の装置として構成されていてもよい。例えば、記憶部１６０の各部のうち１つ以上が、文字認識装置１００とは別のデータサーバ装置に格納されていてもよい。
また、文字認識装置１００が、文字認識装置１００とは別の装置として構成される端末装置を備え、表示部１２０および操作入力部１３０が端末装置に設けられていてもよい。
また、文字認識装置１００が、文字認識装置１００とは別の装置として構成される端末装置を備え、表示部１２０および操作入力部１３０が端末装置に設けられていてもよい。
図３は、文字認識装置１００が行う処理とデータとの関係の例を示す図である。図３に示す今回の問題の問題、正答、答案、配点が、それぞれ対象問題、対象正答、対象答案、対象配点に該当する。
図３に示す例で、文字認識装置１００は、準備処理、前処理、および、文字認識処理の３段階で処理を行う。なお、文字認識装置１００が行う、準備処理、前処理、文字認識処理は、それぞれ、文字認識システム１の文字認識の例で上述した準備処理、前処理、認識処理と同じである。
準備処理および前処理は、文字認識のためのデータを整備する処理である。このうち準備処理は、対象問題、対象正答、対象答案の何れも不要な処理である。準備処理では、分析処理部１８１は、前処理で使用するためのデータを生成または更新する。
図３に示す例で、文字認識装置１００は、準備処理、前処理、および、文字認識処理の３段階で処理を行う。なお、文字認識装置１００が行う、準備処理、前処理、文字認識処理は、それぞれ、文字認識システム１の文字認識の例で上述した準備処理、前処理、認識処理と同じである。
準備処理および前処理は、文字認識のためのデータを整備する処理である。このうち準備処理は、対象問題、対象正答、対象答案の何れも不要な処理である。準備処理では、分析処理部１８１は、前処理で使用するためのデータを生成または更新する。
図３の例で「教科書」は、テキスト化された教科書のデータを示す。分析処理部１８１は、教科書のデータから単語を抽出してリスト化し、教科書単語データまたはその一部として教科書単語データ記憶部１６３に記憶させる。分析処理部１８１が、教科書の索引から単語を抽出するようにしてもよい。また、分析処理部１８１が、索引から抽出した単語をその他の単語と区別できるようなフラグを付与するようにしてもよい。そして、文字認識装置１００が、より重要と考えられる索引由来の単語を優先して処理するようにしてもよい。
また、分析処理部１８１のキーワード抽出部１８２は、既存問題、既存問題に対する１つ以上の正答、および、既存問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する。そして、分析処理部１８１の対応付け処理部１８３は、抽出された検索キーワードと、抽出元（既存問題、既存問題に対する１つ以上の正答、および、既存問題に対する１つ以上の答案のうち少なくとも何れか）の少なくとも一部分とを対応付けて答案セットを生成する。
例えば、分析処理部１８１は、既存問題から検索キーワードを抽出し、また、１つ以上の既存答案から単語を抽出する。そして、分析処理部１８１は、１つ以上の検索キーワードと、答案に用いられる１つ以上の単語との組み合わせを生成し、関連性単語データまたはその一部として関連性単語データ記憶部１６４に記憶させる。ここでの答案として、例えば、既存答案の、修正済みの文字認識結果を用いる。
検索キーワードは、文字認識対象の答案に出現すると思われる単語を検索するためのキーワードである。したがって、既存答案から抽出される単語と共起性の高い検索キーワードが用いられることが好ましい。例えば、分析処理部１８１が、複数の既存問題およびそれら複数の既存問題の既存答案を統計的に処理して、既存答案から抽出した単語と共起性の高い検索キーワードを既存問題から抽出して、検索キーワードと単語とを組み合わせるようにしてもよい。あるいは人手で、既存問題毎にその既存問題の特徴を示すキーワードを抽出し、その既存問題に対する既存答案から抽出した単語と組み合わせるようにしてもよい。または、形態素解析等により、単語を抽出するようにしてもよい。
分析処理部１８１が答案から抽出する単語は、答案の少なくとも一部の例に該当する。また、分析処理部１８１が生成する、１つ以上の検索キーワードと、答案に用いられる１つ以上の単語との組み合わせは、答案セットの例に該当する。
但し、分析処理部１８１が検索キーワードを抽出する元は、既存問題に限定されない。分析処理部１８１が、既存問題、既存正答、および、既存答案（例えば、既存答案の、修正済みの文字認識結果）のうち１つ以上から、検索キーワードを抽出するようにしてもよい。
但し、分析処理部１８１が検索キーワードを抽出する元は、既存問題に限定されない。分析処理部１８１が、既存問題、既存正答、および、既存答案（例えば、既存答案の、修正済みの文字認識結果）のうち１つ以上から、検索キーワードを抽出するようにしてもよい。
また、分析処理部１８１が答案セットに用いる答案の少なくとも一部は、単語に限定されない。例えば、分析処理部１８１が、答案全体、または、答案に含まれる文節を答案の少なくとも一部として用いて、これを検索キーワードと組み合わせて答案セットを生成するようにしてもよい。
また、分析処理部１８１は、教科書単語データ、および、関連性単語データの何れか一方または両方から、類似する文字の組み合わせを抽出し、類似文字データまたはその一部として類似文字データ記憶部１６６に記憶させる。
また、分析処理部１８１は、教科書単語データ、および、関連性単語データの何れか一方または両方から、類似する単語の組み合わせを抽出し、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる。
また、分析処理部１８１は、教科書単語データ、および、関連性単語データの何れか一方または両方から、類似する単語の組み合わせを抽出し、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる。
また、分析処理部１８１は、既存答案の文字認識結果と、その既存答案の修正済みの文字認識結果とで異なる文字を抽出し、修正後の文字を修正前の文字と誤読した旨の情報を、誤読文字データまたはその一部として誤読単語データ記憶部１６７に記憶させる。ただし、このとき、文字認識結果が棄却文字となっているものについては、誤読したとは見なさず、破棄する。また、修正済みの文字認識結果が判読不可能文字となっているものについては、誤読したとは見なさず、破棄する。
また、分析処理部１８１は、既存答案の文字認識結果と、その既存答案の修正済みの文字認識結果とで異なる単語を抽出し、修正後の単語を修正前の単語と誤読した旨の情報を、誤読単語データまたはその一部として誤読単語データ記憶部１６７に記憶させる。
また、分析処理部１８１は、既存答案の文字認識結果と、その既存答案の修正済みの文字認識結果とで異なる単語を抽出し、修正後の単語を修正前の単語と誤読した旨の情報を、誤読単語データまたはその一部として誤読単語データ記憶部１６７に記憶させる。
前処理は、文字認識処理に対する前処理である。分析処理部１８１は、例えば対象問題および対象正答を用いて前処理を行う。一方、対象答案は前処理には不要である。
分析処理部１８１は、前処理で、対象正答に基づいて想定答案データを生成する。あるいは、分析処理部１８１が、対象問題に基づいて想定答案データを生成するようにしてもよいし、対象問題と対象正答とに基づいて想定答案データを生成するようにしてもよい。想定答案データは、対象問題に対する答案を分析処理部１８１が予測したものであり、正解の答案だけでなく誤答の答案も含まれる。対象問題に対して予測される個々の答案を想定答案と称する。
分析処理部１８１は、前処理で、対象正答に基づいて想定答案データを生成する。あるいは、分析処理部１８１が、対象問題に基づいて想定答案データを生成するようにしてもよいし、対象問題と対象正答とに基づいて想定答案データを生成するようにしてもよい。想定答案データは、対象問題に対する答案を分析処理部１８１が予測したものであり、正解の答案だけでなく誤答の答案も含まれる。対象問題に対して予測される個々の答案を想定答案と称する。
分析処理部１８１の選択処理部１８３は、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、答案セットのうち１つ以上の答案セットを選択する。
例えば、分析処理部１８１は、対象問題からキーワードを抽出し、抽出したキーワードと答案セットに含まれるキーワードとを比較して、キーワードが一致または類似する答案セットを選択する。そして、分析処理部１８１は、対象答案に含まれる単語を選択した答案セットに含まれる単語で置き換えることで想定答案を生成する。分析処理部１８１は、１つ以上の想定答案を生成し、想定答案データとして想定答案データ記憶部１６９に記憶させる。
上記のように答案セットに含まれる情報は単語に限定されない。従って、分析処理部１８１が対象正答を置き換える単位も単語に限定されない。例えば、答案そのものが答案セットに含まれている場合、分析処理部１８１は、答案セットから答案を抽出して想定答案として扱う。
例えば、分析処理部１８１は、対象問題からキーワードを抽出し、抽出したキーワードと答案セットに含まれるキーワードとを比較して、キーワードが一致または類似する答案セットを選択する。そして、分析処理部１８１は、対象答案に含まれる単語を選択した答案セットに含まれる単語で置き換えることで想定答案を生成する。分析処理部１８１は、１つ以上の想定答案を生成し、想定答案データとして想定答案データ記憶部１６９に記憶させる。
上記のように答案セットに含まれる情報は単語に限定されない。従って、分析処理部１８１が対象正答を置き換える単位も単語に限定されない。例えば、答案そのものが答案セットに含まれている場合、分析処理部１８１は、答案セットから答案を抽出して想定答案として扱う。
分析処理部１８１がさらに、想定答案中の単語に類似する単語を、教科書単語データおよび類似単語データのうち何れか一方または両方から抽出し、想定答案中の単語を類似する単語で置き換えて新たな想定答案を生成するようにしてもよい。
また、分析処理部１８１がさらに、想定答案中の文字に類似する文字を、類似文字データから抽出し、想定答案中の文字を類似する文字で置き換えて新たな想定答案を生成するようにしてもよい。
あるいは、文字認識処理部１８７が、文字認識処理の際に教科書単語データ、類似単語データ、および、類似文字データのうち何れか１つ以上を参照して、上記と同様の処理を行うようにしてもよい。
また、分析処理部１８１がさらに、想定答案中の文字に類似する文字を、類似文字データから抽出し、想定答案中の文字を類似する文字で置き換えて新たな想定答案を生成するようにしてもよい。
あるいは、文字認識処理部１８７が、文字認識処理の際に教科書単語データ、類似単語データ、および、類似文字データのうち何れか１つ以上を参照して、上記と同様の処理を行うようにしてもよい。
文字認識処理は、対象答案に対する文字認識を行なう処理である。文字認識処理部１８７は、想定答案データを用いて文字認識処理を行う。文字認識対象である対象答案の予測が得られる点で、文字認識処理部１８７は、文字認識を高精度に行うことができる。
オペレータ修正対応部１８８は、対象答案の文字認識結果をオペレータ（修正作業者）に提示して修正を受ける。具体的には、表示部１２０がオペレータ修正対応部１８８の制御に従って対象答案の文字認識結果を表示し、操作入力部１３０が、対象答案の文字認識結果に対する修正操作を受け付け、オペレータ修正対応部１８８が修正を反映させる。
オペレータ修正対応部１８８は、対象答案の文字認識結果をオペレータ（修正作業者）に提示して修正を受ける。具体的には、表示部１２０がオペレータ修正対応部１８８の制御に従って対象答案の文字認識結果を表示し、操作入力部１３０が、対象答案の文字認識結果に対する修正操作を受け付け、オペレータ修正対応部１８８が修正を反映させる。
分析処理部１８１が、対象問題、対象正答、対象答案の文字認識結果、および、対象答案の修正済みの文字認識結果を、新たな既存問題、既存正答、既存答案の文字認識結果、および、既存答案の修正済みの文字認識結果として関連性単語データ、類似文字データ、類似単語データ、誤読文字データおよび誤読単語データのう１つ以上に反映させるようにしてもよい。
次に、図４〜図１２を参照して文字認識装置１００の動作について説明する。
図４は、文字認識装置１００が教科書単語データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図４の処理を行う。
図４の処理で、分析処理部１８１は、教科書の文章をテキストデータで取得する（ステップＳ１１１）。教科書の文章が人手でテキスト化されていてもよいし機械によって機械化されていてもよい。例えば、データベース装置が教科書の文章をテキストデータで記憶しておき、通信部１１０が、データベース装置から教科書の文章を受信する。あるいは、スキャナ装置２００が教科書をスキャンして文字認識処理部１８７がテキスト化し、オペレータ修正対応部１８８がオペレータによる修正作業を受けるようにしてもよい。
図４は、文字認識装置１００が教科書単語データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図４の処理を行う。
図４の処理で、分析処理部１８１は、教科書の文章をテキストデータで取得する（ステップＳ１１１）。教科書の文章が人手でテキスト化されていてもよいし機械によって機械化されていてもよい。例えば、データベース装置が教科書の文章をテキストデータで記憶しておき、通信部１１０が、データベース装置から教科書の文章を受信する。あるいは、スキャナ装置２００が教科書をスキャンして文字認識処理部１８７がテキスト化し、オペレータ修正対応部１８８がオペレータによる修正作業を受けるようにしてもよい。
次に、分析処理部１８１は、教科書の文章から単語を抽出し、抽出した単語の単語リストを生成する（ステップＳ１１２）。分析処理部１８１が教科書の文章から単語を抽出する方法は、特定の方法に限定されない。例えば、教科書に索引がある場合、分析処理部１８１が、索引にあがっている単語を抽出するようにしてもよい。あるいは、分析処理部１８１が、教科書の索引に載っている単語にポイントを付与するなど、単語に優先度を設定するようにしてもよい。
そして、分析処理部１８１は、生成した単語リストを、教科書単語データまたはその一部として教科書単語データ記憶部１６３に記憶させる（ステップＳ１１３）。教科書単語データ記憶部１６３がまだ教科書単語データを記憶していない場合、分析処理部１８１は、生成した単語リストを教科書単語データ記憶部１６３に新規登録する。教科書単語データ記憶部１６３が既に教科書単語データを記憶している場合、分析処理部１８１は、生成した単語リストを、教科書単語データ記憶部１６３が記憶している教科書単語データに追加する。
ステップＳ１１３の後、文字認識装置１００は図４の処理を終了する。
ステップＳ１１３の後、文字認識装置１００は図４の処理を終了する。
図５は、文字認識装置１００が関連性単語データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で既存問題毎に図５の処理を行う。
図５の処理で、分析処理部１８１は、既存問題、既存答案の文字認識結果、および、既存答案の修正済みの文字認識結果をテキストデータで取得する（ステップＳ１２１）。例えば、既存問題データ記憶部１６１がこれらのデータを記憶しておき、分析処理部１８１が既存問題データ記憶部１６１からこれらのデータを既存問題データ記憶部１６１から読み出すようにしてもよい。
なお、ここでの既存問題、既存答案の文字認識結果、および、既存答案の修正済みの文字認識結果のテキストデータには、棄却文字および読解不能文字の何れも含まれていないものとする。
図５の処理で、分析処理部１８１は、既存問題、既存答案の文字認識結果、および、既存答案の修正済みの文字認識結果をテキストデータで取得する（ステップＳ１２１）。例えば、既存問題データ記憶部１６１がこれらのデータを記憶しておき、分析処理部１８１が既存問題データ記憶部１６１からこれらのデータを既存問題データ記憶部１６１から読み出すようにしてもよい。
なお、ここでの既存問題、既存答案の文字認識結果、および、既存答案の修正済みの文字認識結果のテキストデータには、棄却文字および読解不能文字の何れも含まれていないものとする。
次に、分析処理部１８１のキーワード抽出部１８２が、既存問題から検索キーワードを抽出する（ステップＳ１２２）。分析処理部１８１が検索キーワードを抽出する方法は、特定の方法に限定されない。例えば、分析処理部１８１が、既存問題に登場する単語のうち、教科書単語データに登録されている単語を検索キーワードとして抽出するようにしてもよい。あるいは、形態素解析等により単語を抽出してもよい。
次に、分析処理部１８１は、答案から単語を抽出する（ステップＳ１２３）。１つの既存問題に対する答案が複数ある場合、分析処理部１８１は、それら複数の答案から単語を抽出する。また、上述したように、分析処理部１８１が答案からの抽出を行う単位は単語単位に限定されない。
次に、分析処理部１８１は、答案から単語を抽出する（ステップＳ１２３）。１つの既存問題に対する答案が複数ある場合、分析処理部１８１は、それら複数の答案から単語を抽出する。また、上述したように、分析処理部１８１が答案からの抽出を行う単位は単語単位に限定されない。
次に、分析処理部１８１の対応付け処理部１８３は、ステップＳ１２２で得られた検索キーワードと、ステップＳ１２３得られた単語との組み合わせ（答案セット）を評価する（ステップＳ１２４）。分析処理部１８１が、既存問題毎に、複数の検索キーワードと複数の単語とを１組として組み合わせるようにしてもよい。
対応付け処理部１８３が答案セットを評価する方法は、特定の方法に限定されない。たとえば、対応付け処理部１８３が、検索キーワードと単語との共起性を評価して共起行列を生成するようにしてもよい。あるいは、対応付け処理部１８３が、検索キーワードおよび単語の出現頻度を評価するようにしてもよい。
対応付け処理部１８３が答案セットを評価する方法は、特定の方法に限定されない。たとえば、対応付け処理部１８３が、検索キーワードと単語との共起性を評価して共起行列を生成するようにしてもよい。あるいは、対応付け処理部１８３が、検索キーワードおよび単語の出現頻度を評価するようにしてもよい。
そして分析処理部１８１は、ステップＳ１２４で所定のしきい値以上の評価となった答案セットを、関連性単語データ記憶部１６４に記憶させる（ステップＳ１２５）。関連性単語データ記憶部１６４がまだ関連性単語データを記憶していない場合、分析処理部１８１は、生成した答案セットを関連性単語データとして新規登録する。関連性単語データ記憶部１６４が既に関連性単語データを記憶している場合、分析処理部１８１は、生成した答案セットを、関連性単語データ記憶部１６４が記憶している関連性単語データに追加する。
ステップＳ１２５の後、文字認識装置１００は図５の処理を終了する。
ステップＳ１２５の後、文字認識装置１００は図５の処理を終了する。
なお、分析処理部１８１が関連性単語データ用のデータ（検索キーワード、および、単語のうち何れか一方または両方）の抽出対象は、既存問題および既存答案に限定されない。分析処理部１８１が、既存問題に加えて、あるいは代えて、既存正答から検索キーワードを抽出するようにしてもよい。また、分析処理部１８１が、既存答案に加えて、あるいは代えて、既存正答から単語を抽出するようにしてもよい。
図６は、文字認識装置１００が類似単語データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図６の処理を行う。
図６の処理で、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データに含まれる単語同士を比較する（ステップＳ１３１）。そして分析処理部１８１は、関連性単語データに含まれる単語のうち互いに類似する単語の集合を、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる（ステップＳ１３２）。
図６の処理で、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データに含まれる単語同士を比較する（ステップＳ１３１）。そして分析処理部１８１は、関連性単語データに含まれる単語のうち互いに類似する単語の集合を、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる（ステップＳ１３２）。
次に、分析処理部１８１は、教科書単語データ記憶部１６３が記憶する教科書単語データに含まれる単語同士を比較する（ステップＳ１３３）。そして分析処理部１８１は、教科書単語データに含まれる単語のうち互いに類似する単語の集合を、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる（ステップＳ１３４）。
また、分析処理部１８１は、関連性単語データに含まれる単語と教科書単語データに含まれる単語とを比較する（ステップＳ１３５）。そして分析処理部１８１は、これらの単語のうち互いに類似する単語の集合を、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる（ステップＳ１３６）。
ステップＳ１３６の後、文字認識装置１００は図６の処理を終了する。
また、分析処理部１８１は、関連性単語データに含まれる単語と教科書単語データに含まれる単語とを比較する（ステップＳ１３５）。そして分析処理部１８１は、これらの単語のうち互いに類似する単語の集合を、類似単語データまたはその一部として類似単語データ記憶部１６５に記憶させる（ステップＳ１３６）。
ステップＳ１３６の後、文字認識装置１００は図６の処理を終了する。
図７は、文字認識装置１００が誤読単語データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図６の処理を行う。
図７の処理で、分析処理部１８１は、既存答案の文字認識結果の修正前および修正後を取得する（ステップＳ１４１）すなわち、分析処理部１８１は、既存答案の文字認識結果と、既存答案の修正後の文字認識結果とを取得する。
次に、分析処理部１８１は、ステップＳ１４１で得られた既存答案の文字認識結果の修正前と修正後とを比較する（ステップＳ１４２）。
図７の処理で、分析処理部１８１は、既存答案の文字認識結果の修正前および修正後を取得する（ステップＳ１４１）すなわち、分析処理部１８１は、既存答案の文字認識結果と、既存答案の修正後の文字認識結果とを取得する。
次に、分析処理部１８１は、ステップＳ１４１で得られた既存答案の文字認識結果の修正前と修正後とを比較する（ステップＳ１４２）。
そして、分析処理部１８１は、既存答案の文字認識結果の修正前と修正後とで異なる単語を、修正後の単語を修正前の単語に誤読したものとして検出する（ステップＳ１４３）。分析処理部１８１は、修正前後の単語の組を、誤読単語データまたはその一部として誤読単語データ記憶部１６７に記憶させる（ステップＳ１４４）。
ステップＳ１４４の後、文字認識装置１００は図７の処理を終了する。
ステップＳ１４４の後、文字認識装置１００は図７の処理を終了する。
図８は、文字認識装置１００が誤読文字データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図８の処理を行う。
図８の処理で、分析処理部１８１は、既存答案の文字認識結果の修正前および修正後を取得する（ステップＳ１５１）。ステップＳ１５１は、図７のステップＳ１４１と同様である。
次に、分析処理部１８１は、ステップＳ１５１で得られた既存答案の文字認識結果の修正前と修正後とを比較する（ステップＳ１５２）。
図８の処理で、分析処理部１８１は、既存答案の文字認識結果の修正前および修正後を取得する（ステップＳ１５１）。ステップＳ１５１は、図７のステップＳ１４１と同様である。
次に、分析処理部１８１は、ステップＳ１５１で得られた既存答案の文字認識結果の修正前と修正後とを比較する（ステップＳ１５２）。
そして、分析処理部１８１は、既存答案の文字認識結果の修正前と修正後とで異なる文字を、修正後の文字を修正前の文字に誤読したものとして検出する（ステップＳ１５３）。分析処理部１８１は、誤読した文字の確度のしきい値を調整する（ステップＳ１５４）。例えば上述したように、分析処理部１８１は、誤読した文字の確度のしきい値を高く設定することで、文字認識処理部１８７がその文字を文字認識不能と判定し易くなるようにする。
分析処理部１８１は、誤読した文字（既存答案の文字認識結果（修正前））と、調整したしきい値とを、誤読文字データまたはその一部として誤読文字データ記憶部１６８に記憶させる（ステップＳ１５５）。
ステップＳ１５５の後、文字認識装置１００は図８の処理を終了する。
分析処理部１８１は、誤読した文字（既存答案の文字認識結果（修正前））と、調整したしきい値とを、誤読文字データまたはその一部として誤読文字データ記憶部１６８に記憶させる（ステップＳ１５５）。
ステップＳ１５５の後、文字認識装置１００は図８の処理を終了する。
図９は、文字認識装置１００が類似文字データを登録する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図９の処理を行う。
図９の処理で、分析処理部１８１は、類似単語データの中の類似している単語の組について、同じ位置の文字毎に文字の類似度を評価する（ステップＳ１６１）。上記のように、文字の類似性として、文字の形（見た目）の類似性を用いるようにしてもよいが、これに限定されない。文字の類似度の評価方法として、認識エンジン内部の類似度を用いること、および、公知の方法を用いることができる。
図９の処理で、分析処理部１８１は、類似単語データの中の類似している単語の組について、同じ位置の文字毎に文字の類似度を評価する（ステップＳ１６１）。上記のように、文字の類似性として、文字の形（見た目）の類似性を用いるようにしてもよいが、これに限定されない。文字の類似度の評価方法として、認識エンジン内部の類似度を用いること、および、公知の方法を用いることができる。
そして、分析処理部１８１は、所定のしきい値よりも類似度が高いと評価した文字の組について、それらの文字の確度のしきい値を調整する（ステップＳ１６２）。例えば、分析処理部１８１は、他の文字の場合よりも確度のしきい値を高く設定する。これにより文字認識処理部１８７は、文字認識を行う際にその文字が文字認識結果の候補として出現したときに、確度が比較的低ければ棄却処理する（認識不能文字と判定する）。この点で、文字認識処理部１８７が誤読する可能性を低減させることができる。また、この棄却処理では、文字単位で棄却してもよいし、当該文字が構成要素となっている単語単位で棄却してもよい。
分析処理部１８１は、類似している単語の組、類似している文字の位置（何番目の文字か）、および、調整したしきい値の組み合わせを、類似文字データまたはその一部として類似文字データ記憶部１６６に記憶させる（ステップＳ１６３）。
ステップＳ１６３の後、文字認識装置１００は図９の処理を終了する。
分析処理部１８１は、類似している単語の組、類似している文字の位置（何番目の文字か）、および、調整したしきい値の組み合わせを、類似文字データまたはその一部として類似文字データ記憶部１６６に記憶させる（ステップＳ１６３）。
ステップＳ１６３の後、文字認識装置１００は図９の処理を終了する。
図１０は、文字認識装置１００が関連性単語データを更新する処理手順の例を示すフローチャートである。文字認識装置１００は、準備処理で図４〜図９の各処理を完了した後、図１０の処理を行う。
図１０の処理で、分析処理部１８１は、関連性単語データ中の単語に類似する単語を関連性単語データに追加する（ステップＳ１７１）。
図１０の処理で、分析処理部１８１は、関連性単語データ中の単語に類似する単語を関連性単語データに追加する（ステップＳ１７１）。
例えば、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データ中の答案セット（例えば、検索キーワードと単語との組み合わせ）を、その答案セット中の単語に類似する単語を追加した答案セットに更新する。その際、分析処理部１８１が類似単語データを参照して、答案セット中の単語と同じ組に含まれている単語を、答案セット中の単語に類似する単語として取得するようにしてもよい。
類似する単語として類似単語データから取得した単語が、既にその答案セットに含まれている場合、分析処理部１８１は、その類似する単語を破棄する（答案セットに追加しない）。
類似する単語として類似単語データから取得した単語が、既にその答案セットに含まれている場合、分析処理部１８１は、その類似する単語を破棄する（答案セットに追加しない）。
あるいは、分析処理部１８１が、答案セット中の単語を類似する単語で置き換えた答案セットを生成し、関連性単語データ記憶部１６４が記憶する関連性単語データに追加するようにしてもよい。
生成した答案セットが、関連性単語データ記憶部１６４が記憶する関連性データに既に含まれている場合、分析処理部１８１は、生成した答案セットを破棄する（関連性単語データに追加しない）。
生成した答案セットが、関連性単語データ記憶部１６４が記憶する関連性データに既に含まれている場合、分析処理部１８１は、生成した答案セットを破棄する（関連性単語データに追加しない）。
また、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データ中の答案セット中の単語の文字（１文字以上）を類似する文字で置き換えた単語を、関連性単語データに追加する（ステップＳ１７２）。
例えば、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データ中の答案セットを、その答案セット中の単語の文字を類似する文字に置き換えた単語を追加した答案セットに更新する。その際、分析処理部１８１が類似文字データを参照して、答案セット中の単語の文字と同じ組に含まれている文字を、答案セット中の単語の文字に類似する文字として取得するようにしてもよい。
単語の文字を類似する文字に置き換えた単語が、既にその答案セットに含まれている場合、分析処理部１８１は、文字を類似する文字に置き換えた単語を破棄する（答案セットに追加しない）。
例えば、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データ中の答案セットを、その答案セット中の単語の文字を類似する文字に置き換えた単語を追加した答案セットに更新する。その際、分析処理部１８１が類似文字データを参照して、答案セット中の単語の文字と同じ組に含まれている文字を、答案セット中の単語の文字に類似する文字として取得するようにしてもよい。
単語の文字を類似する文字に置き換えた単語が、既にその答案セットに含まれている場合、分析処理部１８１は、文字を類似する文字に置き換えた単語を破棄する（答案セットに追加しない）。
あるいは、分析処理部１８１が、答案セット中の単語の文字を類似する文字で置き換えた答案セットを生成し、関連性単語データ記憶部１６４が記憶する関連性単語データに追加するようにしてもよい。
生成した答案セットが、関連性単語データ記憶部１６４が記憶する関連性データに既に含まれている場合、分析処理部１８１は、生成した答案セットを破棄する（関連性単語データに追加しない）。
生成した答案セットが、関連性単語データ記憶部１６４が記憶する関連性データに既に含まれている場合、分析処理部１８１は、生成した答案セットを破棄する（関連性単語データに追加しない）。
また、分析処理部１８１は、答案セット中の単語の漢字とひらがなとカタカナとを置き換えた単語を、関連性単語データに追加する（ステップＳ１７３）。
例えば、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データ中の答案セットを、その答案セット中の単語の漢字とひらがなとカタカナとを置き換えた単語を追加した答案セットに更新する。
例えば、分析処理部１８１は、関連性単語データ記憶部１６４が記憶する関連性単語データ中の答案セットを、その答案セット中の単語の漢字とひらがなとカタカナとを置き換えた単語を追加した答案セットに更新する。
答案セット中の単語に漢字が含まれる場合、分析処理部１８１は、その漢字をひらがなに置き換えた単語、および、その漢字をカタカナに置き換えた単語を答案セットに追加する。答案セット中の単語にひらがなが含まれる場合、分析処理部１８１は、そのひらがなをカタカナに置き換えた単語を答案セットに追加する。答案セット中の単語にカタカナが含まれる場合、分析処理部１８１は、そのカタカナをひらがなに置き換えた単語を答案セットに追加する。
単語の漢字とひらがなとカタカナとを置き換えた単語が、既にその答案セットに含まれている場合、分析処理部１８１は、漢字とひらがなとカタカナとを置き換えた単語を破棄する（答案セットに追加しない）。
単語の漢字とひらがなとカタカナとを置き換えた単語が、既にその答案セットに含まれている場合、分析処理部１８１は、漢字とひらがなとカタカナとを置き換えた単語を破棄する（答案セットに追加しない）。
あるいは、分析処理部１８１が、答案セット中の単語の漢字とひらがなとカタカナとを置き換えた答案セットを生成し、関連性単語データ記憶部１６４が記憶する関連性単語データに追加するようにしてもよい。
生成した答案セットが、関連性単語データ記憶部１６４が記憶する関連性データに既に含まれている場合、分析処理部１８１は、生成した答案セットを破棄する（関連性単語データに追加しない）。
分析処理部１８１は、新たな単語の追加が無くなるまで、図１０の処理、または、図１０の処理のうち何れか１つ以上のステップの処理を繰り返す。
生成した答案セットが、関連性単語データ記憶部１６４が記憶する関連性データに既に含まれている場合、分析処理部１８１は、生成した答案セットを破棄する（関連性単語データに追加しない）。
分析処理部１８１は、新たな単語の追加が無くなるまで、図１０の処理、または、図１０の処理のうち何れか１つ以上のステップの処理を繰り返す。
図１１は、文字認識装置１００が前処理を行う手順の例を示すフローチャートである。従って、文字認識装置１００は、前処理にて図１１の処理を行う。
図１１の処理で、分析処理部１８１は、対象問題を解析してキーワードを抽出する（ステップＳ２１１）。そして、分析処理部１８１は、対象問題から抽出したキーワードを用いて、関連性単語データ中の答案セットを選択し、選択した答案セットから単語を取得する（ステップＳ２１２）。例えば、分析処理部１８１は、対象問題から抽出したキーワードを検索キーワードとして含む単語セットを１つ以上選択し、選択した答案セットに含まれる単語（既存の答案から抽出された単語）を全て取得する。
そして、分析処理部１８１は、ステップＳ２１２で取得した単語を想定答案データとして想定答案データ記憶部１６９に記憶させる（ステップＳ２１３）。この単語は、文字認識処理部１８７が文字認識を行う際に想定答案として用いられる。
図１１の処理で、分析処理部１８１は、対象問題を解析してキーワードを抽出する（ステップＳ２１１）。そして、分析処理部１８１は、対象問題から抽出したキーワードを用いて、関連性単語データ中の答案セットを選択し、選択した答案セットから単語を取得する（ステップＳ２１２）。例えば、分析処理部１８１は、対象問題から抽出したキーワードを検索キーワードとして含む単語セットを１つ以上選択し、選択した答案セットに含まれる単語（既存の答案から抽出された単語）を全て取得する。
そして、分析処理部１８１は、ステップＳ２１２で取得した単語を想定答案データとして想定答案データ記憶部１６９に記憶させる（ステップＳ２１３）。この単語は、文字認識処理部１８７が文字認識を行う際に想定答案として用いられる。
また、分析処理部１８１は、想定答案データに含まれる単語に類似する単語を想定答案データに追加する（ステップＳ２１４）。その際、分析処理部１８１が、類似単語データを参照し、想定答案データに含まれる単語と同じ組に含まれる単語を類似する単語として取得するようにしてもよい。
類似する単語として類似単語データから取得した単語が、既に想定答案データに含まれている場合、分析処理部１８１は、その類似する単語を破棄する（想定答案データに追加しない）。
図１０での関連性単語データの更新が十分に行われている場合、分析処理部１８１が、ステップＳ２１４の処理を省略する（ステップＳ２１４の処理を行わない）ようにしてもよい。
類似する単語として類似単語データから取得した単語が、既に想定答案データに含まれている場合、分析処理部１８１は、その類似する単語を破棄する（想定答案データに追加しない）。
図１０での関連性単語データの更新が十分に行われている場合、分析処理部１８１が、ステップＳ２１４の処理を省略する（ステップＳ２１４の処理を行わない）ようにしてもよい。
また、分析処理部１８１は、想定答案データに誤読単語データの情報を反映させる（ステップＳ２１５）。例えば、分析処理部１８１は、想定答案データに含まれる単語が誤読単語データに含まれるか否かを判定する。含まれると判定した場合、分析処理部１８１は、想定答案データに含まれる単語に対して、誤読単語データで示される確度しきい値を設定する。
また、分析処理部１８１は、想定答案データに含まれる単語の文字を類似する文字で置き換えた単語を想定答案データに追加する（ステップＳ２１６）。その際、分析処理部１８１が、類似文字データを参照し、想定答案データに含まれる単語と同じ組に含まれる単語を類似する単語として取得するようにしてもよい。
類似する文字を置き換えた単語が、既に想定答案データに含まれている場合、分析処理部１８１は、その類似する文字を置き換えた単語を破棄する（想定答案データに追加しない）。
図１０での関連性単語データの更新が十分に行われている場合、分析処理部１８１が、ステップＳ２１６の処理を省略する（ステップＳ２１６の処理を行わない）ようにしてもよい。
類似する文字を置き換えた単語が、既に想定答案データに含まれている場合、分析処理部１８１は、その類似する文字を置き換えた単語を破棄する（想定答案データに追加しない）。
図１０での関連性単語データの更新が十分に行われている場合、分析処理部１８１が、ステップＳ２１６の処理を省略する（ステップＳ２１６の処理を行わない）ようにしてもよい。
また、分析処理部１８１は、想定答案データに誤読文字データの情報を反映させる（ステップＳ２１７）。例えば、分析処理部１８１は、想定答案データに含まれる単語の文字が誤読文字データに含まれるか否かを判定する。含まれると判定した場合、分析処理部１８１は、想定文字データに含まれる単語の文字に対して、誤読文字データで示される確度しきい値を設定する。
ステップＳ２１７の後、文字認識装置１００は図１１の処理を終了する。
ステップＳ２１７の後、文字認識装置１００は図１１の処理を終了する。
図１２は、文字認識装置１００が対象答案の文字認識を行う処理手順の例を示すフローチャートである。従って、文字認識装置１００は、文字認識処理で図１２の処理を行う。
図１２の処理で、文字認識処理部１８７は、スキャナ装置２００が対象答案をスキャンした画像データを取得する（ステップＳ３１１）。
そして文字認識処理部１８７は、対象答案を文字認識処理する（ステップＳ３１２）。
図１２の処理で、文字認識処理部１８７は、スキャナ装置２００が対象答案をスキャンした画像データを取得する（ステップＳ３１１）。
そして文字認識処理部１８７は、対象答案を文字認識処理する（ステップＳ３１２）。
文字認識処理の際、文字認識処理部１８７は、想定答案データを知識辞書として用いる。問題、正答、および答案のうち少なくとも何れか１つと関連性のある文字列が想定答案データにて示されることで、文字認識処理部１８７が文字認識処理を高精度に行えることが期待される。また、文字認識処理部１８７が想定答案データにて設定される確度のしきい値を用いることで、誤読（誤認識）の可能性がある単語および文字が棄却処理され易くなる。この点で、文字認識処理部１８７の誤読を低減させることができる。
文字認識装置１００が、類似単語データまたは誤読単語データを用いて単語候補のスコアを操作するようにしてもよい。例えば、分析処理部１８１が、既存答案、あるいは、対象答案で頻出の単語に比較的高いスコアを付与しておくことで、文字認識処理部１８７が、対象答案で頻出の単語を文字認識結果の候補として選びやすくしてもよい。
また、文字認識装置１００が、対象問題の配点情報（対象配点）を用いて棄却処理のしきい値を操作するようにしてもよい。例えば、配点が高い問題は誤読のインパクトが大きいことから、分析処理部１８１が、配点の高い問題では棄却処理が行われ易くなるように、棄却処理のしきい値を比較的高い値に設定してもよい。
また、文字認識装置１００が、対象問題の配点情報（対象配点）を用いて棄却処理のしきい値を操作するようにしてもよい。例えば、配点が高い問題は誤読のインパクトが大きいことから、分析処理部１８１が、配点の高い問題では棄却処理が行われ易くなるように、棄却処理のしきい値を比較的高い値に設定してもよい。
文字認識処理の後、文字認識装置１００は、文字認識結果を出力する（ステップＳ３１３）。例えば、オペレータ修正対応部１８８が表示部１２０を制御して文字認識結果を表示させ、次の図１３で説明すするようにオペレータによる修正を受けるようにしてもよい。表示部１２０が、文字認識結果の表示の際、棄却文字を「？」等のキャラクタで示すようにしてもよい。あるいは、表示部１２０が、棄却文字を示すキャラクタに加えて、あるいは代えて、文字認識候補と、その候補の確度と、その候補に設定された棄却処理のためのしきい値とのうち何れか１つ以上を表示するようにしてもよい。
ステップＳ１３の後、文字認識装置１００は図１２の処理を終了する。
ステップＳ１３の後、文字認識装置１００は図１２の処理を終了する。
図１３は、文字認識装置１００が文字認識結果をオペレータに提示して修正操作を受け付ける処理手順の例を示すフローチャートである。文字認識装置１００は、図１２での文字認識処理の後、ステップＳ３１３の処理によって表示部１２０が文字認識結果を表示している状態で図１３の処理を行う。
図１３の処理で、オペレータ修正対応部１８８は、オペレータによる修正結果を取得する（ステップＳ３２１）。具体的には、操作入力部１３０が文字認識結果を修正するユーザ操作を受け付ける。オペレータ修正対応部１８８は、ユーザ操作が示す修正を文字認識結果に反映させる。
図１３の処理で、オペレータ修正対応部１８８は、オペレータによる修正結果を取得する（ステップＳ３２１）。具体的には、操作入力部１３０が文字認識結果を修正するユーザ操作を受け付ける。オペレータ修正対応部１８８は、ユーザ操作が示す修正を文字認識結果に反映させる。
また、オペレータ修正対応部１８８は、修正後の文字認識結果の答案のうち、正答として登録すべきものがあれば登録する（ステップＳ３２２）。問題作成者が問題と共に正答を作成しておくのに対し、答案を採点する中で問題作成者が用意した正答以外にも正答とすべき答案が見つかる場合がある。その場合に、問題作成者またはオペレータなどの人手で答案を評価し、正答とすべき答案について正答とする旨のユーザ操作を行う。ユーザ操作を受けた文字認識装置１００（例えば、オペレータ修正対応部１８８）が、正答に指定された答案を正答のバリエーションとして登録するようにしてもよい。
但し、文字認識装置１００が答案の文字認識までを行い採点は行わない場合、正答の登録は不要であるとしてもよい。
分析処理部１８１がさらに、必要に応じて文字認識結果を各種データに反映させるようにしてもよい。
ステップＳ３２２の後、文字認識装置１００は図１３の処理を終了する。
分析処理部１８１がさらに、必要に応じて文字認識結果を各種データに反映させるようにしてもよい。
ステップＳ３２２の後、文字認識装置１００は図１３の処理を終了する。
分析処理部１８１が、教科書単語データ、関連性単語データ、類似単語データ、誤読単語データ、および、想定答案データのうち少なくとも一部について、重複する単語を削除するようにしてもよい。例えば、分析処理部１８１が、単語毎に固有の単語番号を付して同一データ中で重複する単語を検出し、重複する単語のうち１つのみを残して他を削除するようにしてもよい。
あるいは、オペレータ等の人手で重複する単語を検出して削除するようにしてもよい。
あるいは、オペレータ等の人手で重複する単語を検出して削除するようにしてもよい。
図１４は、文字認識装置１００が行う処理とデータとの関係の、もう１つの例を示す図である。
図１４を図３と比較すると、図１４では、既存問題および対象問題が示されていない。それ以外の点では、図１４は図３と同様である。
上述したように、分析処理部１８１が、答案セットに用いる検索キーワードを問題からでなく答案または正答から取得するようにしてもよい。この場合、分析処理部１８１は、対象問題についても問題からでなく答案または正答からキーワードを取得する。従って、この場合、既存問題および対象問題の何れにおいても問題は不要である。図１４はこのことを示している。
なお、分析処理部１８１が対象答案からキーワードを取得して答案セットを選択する場合、文字認識処理で文字認識処理部１８７が幾つかの答案を文字認識した段階で、分析処理部１８１が対象答案からキーワードを取得するようにしてもよい。
図１４を図３と比較すると、図１４では、既存問題および対象問題が示されていない。それ以外の点では、図１４は図３と同様である。
上述したように、分析処理部１８１が、答案セットに用いる検索キーワードを問題からでなく答案または正答から取得するようにしてもよい。この場合、分析処理部１８１は、対象問題についても問題からでなく答案または正答からキーワードを取得する。従って、この場合、既存問題および対象問題の何れにおいても問題は不要である。図１４はこのことを示している。
なお、分析処理部１８１が対象答案からキーワードを取得して答案セットを選択する場合、文字認識処理で文字認識処理部１８７が幾つかの答案を文字認識した段階で、分析処理部１８１が対象答案からキーワードを取得するようにしてもよい。
ここで、答案のバリエーションの例について説明する。
例えば、「井伊直弼」が正答の問題で、以下の答案は、問題によっては正答のバリエーションとして登録される可能性がある。
・旧字体の記載：例えば「弼」を旧字体で記載した答案
・同一人物の別名などを記載した答案：「井伊鉄三郎」、「井伊の赤鬼」など
・ひらがなまたはカタカナの記載：「いいなおすけ」、「イイナオスケ」など
これらが正答のバリエーションとして登録されることで、文字認識装置１００は、これらを正答と判定して処理することができる。
例えば、「井伊直弼」が正答の問題で、以下の答案は、問題によっては正答のバリエーションとして登録される可能性がある。
・旧字体の記載：例えば「弼」を旧字体で記載した答案
・同一人物の別名などを記載した答案：「井伊鉄三郎」、「井伊の赤鬼」など
・ひらがなまたはカタカナの記載：「いいなおすけ」、「イイナオスケ」など
これらが正答のバリエーションとして登録されることで、文字認識装置１００は、これらを正答と判定して処理することができる。
一方、誤答となる答案の例として、以下のような例が挙げられる。
・同音異字の漢字誤り：「伊井直弼」、「井伊直輔」など
・形が似た漢字の誤り：「丼伊直弼」、「井伊真弼」など
・存在しない漢字を記載した答案：「弼」を「弓耳弓」と記載した答案など
・別人の名前を記載した答案：「水野忠邦」など
・判読不可能な文字を記載した答案：「井伊直▲」（「▲」には、実際には判読困難な文字が記入されている）
・無関係なことを記載した答案：「あいうえお」など
・同音異字の漢字誤り：「伊井直弼」、「井伊直輔」など
・形が似た漢字の誤り：「丼伊直弼」、「井伊真弼」など
・存在しない漢字を記載した答案：「弼」を「弓耳弓」と記載した答案など
・別人の名前を記載した答案：「水野忠邦」など
・判読不可能な文字を記載した答案：「井伊直▲」（「▲」には、実際には判読困難な文字が記入されている）
・無関係なことを記載した答案：「あいうえお」など
文字認識結果の文字列として、以下のような例が挙げられる。
・正答を正しく文字認識した場合：「井伊直弼」など
・誤答を正しく文字認識した場合：「井伊直輔」など
・誤答を誤って正答と文字認識した場合：「井伊直弼」など
・正答を誤って誤答と文字認識した場合：「丼伊直弼」など
・文字認識不能と判定した場合：「井伊直？」など
・正答を正しく文字認識した場合：「井伊直弼」など
・誤答を正しく文字認識した場合：「井伊直輔」など
・誤答を誤って正答と文字認識した場合：「井伊直弼」など
・正答を誤って誤答と文字認識した場合：「丼伊直弼」など
・文字認識不能と判定した場合：「井伊直？」など
また、オペレータによる修正後の文字認識結果として、以下の例が挙げられる。
正しい文字認識結果（正読１００％）の文字列：「井伊直弼」など
判読困難な文字：「井伊直▲」など
正しい文字認識結果（正読１００％）の文字列：「井伊直弼」など
判読困難な文字：「井伊直▲」など
以上のように、キーワード抽出部１８２は、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する。対応付け処理部１８３は、１つ以上の検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する。選択処理部１８４は、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、答案セットのうち１つ以上の答案セットを選択する。文字認識処理部１８７は、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、対象答案の文字認識を行う。
これにより、文字認識装置１００では、記述式の問題の解答を文字認識する場合に、蓄積された既存問題に関する情報を有効活用できる。
例えば、文字認識装置１００が、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
例えば、文字認識装置１００が、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
ここで、採点の前段階として記述式の問題の解答を文字認識する場合、全ての解答を採点の対象とするために、解答が正答であるか誤答であるかにかかわらず全ての解答を正しく文字認識できることが望ましい。また、設問に対する解答の傾向を分析する場合など、正答だけでなく、誤答についても正しく文字認識できることは意義がある。従って、正答である解答だけでなく誤答である解答についても正しく文字認識できることが望ましい。
文字認識装置１００によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
文字認識装置１００によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
いわば、文字認識装置１００では、過去の試験における問題文に対する実際の解答文（さらに、正答文も用いてもよい）を略統計的に処理することで、新規の試験における問題文に対する解答文を予測することができる。文字認識装置１００は、予測された解答文を用いることで、新規の試験における実際の解答文を、より高精度に文字認識することができる。
また、文字認識装置１００によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識装置１００の負荷が軽くて済む。あるいは、対象分野を特定する処理を人手で行うことを想定した場合、この処理を行う作業者の負荷が軽くて済む。また、文字認識装置１００は、複数の分野にまたがる対象問題を扱うことができる。
また、文字認識装置１００によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識装置１００の負荷が軽くて済む。あるいは、対象分野を特定する処理を人手で行うことを想定した場合、この処理を行う作業者の負荷が軽くて済む。また、文字認識装置１００は、複数の分野にまたがる対象問題を扱うことができる。
また、想定答案生成部１８５は、対象問題に対する正答と、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とを用いて、対象答案に対する１つ以上の想定答案を生成する。文字認識処理部１８７は、想定答案に基づいて対象答案の文字認識を行う。
文字認識装置１００によれば、文字認識対象の答案を予想した想定答案を辞書として用いて文字認識を行うことができる。文字認識装置１００によればこの点で、高精度に文字認識を行うことができる。
文字認識装置１００によれば、文字認識対象の答案を予想した想定答案を辞書として用いて文字認識を行うことができる。文字認識装置１００によればこの点で、高精度に文字認識を行うことができる。
また、制御部１８０は、対象答案に対する文字認識結果の文字列に、確からしさが所定のしきい値よりも低い文字が含まれる場合、その文字に対する注意喚起を促す処理を行う。
これにより、文字認識装置１００では、解答者が正答の漢字を思い出せずに存在するか否かに関わらずそれらしい字を記入したような場合に、誤答と判定すべきところを正答と判定する採点誤りを防止または低減できる。
これにより、文字認識装置１００では、解答者が正答の漢字を思い出せずに存在するか否かに関わらずそれらしい字を記入したような場合に、誤答と判定すべきところを正答と判定する採点誤りを防止または低減できる。
なお、文字認識処理部１８７が、文字認識結果について想定答案データへの登録の有無を示すようにしてもよい。例えば、オペレータ等の人手で、あるいは自動的に、文字認識結果の想定答案データへの登録状況を参照し、登録すべきと思われる単語等を想定答案データに登録するようにしてもよい。
なお、文字認識装置１００が、教科書単語データ、関連性単語データ、類似単語データ、類似文字データ、誤読単語データおよび誤読文字データを用いるタイミングは、準備処理または前処理のタイミングに限定されない。例えば、文字認識処理部１８７が、文字認識処理の際に、類似単語データ等を参照して、想定答案データに登録さている単語（想定答案）を拡張するようにしてもよい。
文字認識装置１００は、上述したように正答がある問題に用いることができるが、これに限定されない。例えば、文字認識１００を小論文などの自由記述文章問題に用いてもよい。この場合、例えば小論文のテーマによってよく用いられる単語等に辞書データを用意することができ、文字認識を比較的高精度に行えることが期待される。
次に、図１５〜１７を参照して、本発明の実施形態の構成について説明する。
図１５は、実施形態に係る文字認識装置の構成の例を示す図である。図１５に示す文字認識装置１０は、キーワード抽出部１１と、対応付け処理部１２と、選択処理部１３と、文字認識処理部１４とを備える。
かかる構成で、キーワード抽出部１１は、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する。対応付け処理部１２は、１つ以上の検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する。選択処理部１３は、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、答案セットのうち１つ以上の答案セットを選択する。文字認識処理部１４は、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れか１つ以上の答案の少なくとも一部分を用いて、対象答案の文字認識を行う。
図１５は、実施形態に係る文字認識装置の構成の例を示す図である。図１５に示す文字認識装置１０は、キーワード抽出部１１と、対応付け処理部１２と、選択処理部１３と、文字認識処理部１４とを備える。
かかる構成で、キーワード抽出部１１は、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する。対応付け処理部１２は、１つ以上の検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する。選択処理部１３は、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、答案セットのうち１つ以上の答案セットを選択する。文字認識処理部１４は、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れか１つ以上の答案の少なくとも一部分を用いて、対象答案の文字認識を行う。
これにより、文字認識装置１０では、記述式の問題の解答を文字認識する場合に、蓄積された既存問題に関する情報を有効活用できる。
例えば、文字認識装置１０が、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
例えば、文字認識装置１０が、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
ここで、採点の前段階として記述式の問題の解答を文字認識する場合、全ての解答を採点の対象とするために、解答が正答であるか誤答であるかにかかわらず全ての解答を正しく文字認識できることが望ましい。また、設問に対する解答の傾向を分析する場合など、正答だけでなく、誤答についても正しく文字認識できることは意義がある。従って、正答である解答だけでなく誤答である解答についても正しく文字認識できることが望ましい。
文字認識装置１０によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
文字認識装置１０によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
いわば、文字認識装置１０では、過去の試験における問題文に対する実際の解答文（さらに、正答文も用いてもよい）を略統計的に処理することで、新規の試験における問題文に対する解答文を予測することができる。文字認識装置１０は、予測された解答文を用いることで、新規の試験における実際の解答文を、より高精度に文字認識することができる。
また、文字認識装置１０によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識装置１０の負荷が軽くて済む。また、文字認識装置１０は、複数の分野にまたがる対象問題を扱うことができる。
また、文字認識装置１０によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識装置１０の負荷が軽くて済む。また、文字認識装置１０は、複数の分野にまたがる対象問題を扱うことができる。
図１６は、実施形態に係る文字認識装置の、もう１つの構成の例を示す図である。図１６に示す文字認識装置２０は、選択処理部２１と、文字認識処理部２２とを備える。
かかる構成で、選択処理部２１は、既存の問題、前記既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから抽出された１つ以上の検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットのうち１つ以上の答案セットを、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて選択する。文字認識処理部２２は、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、対象答案の文字認識を行う。
かかる構成で、選択処理部２１は、既存の問題、前記既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかから抽出された１つ以上の検索キーワードと、既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットのうち１つ以上の答案セットを、文字認識対象の答案である１つ以上の対象答案、対象答案の元となった問題である対象問題、および、対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて選択する。文字認識処理部２２は、選択された答案セットに含まれる既存の問題、既存の問題に対する１つ以上の正答、および、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、対象答案の文字認識を行う。
これにより、文字認識装置２０では、記述式の問題の解答を文字認識する場合に、蓄積された既存問題に関する情報を有効活用できる。
例えば、文字認識装置２０が、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
例えば、文字認識装置２０が、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
ここで、採点の前段階として記述式の問題の解答を文字認識する場合、全ての解答を採点の対象とするために、解答が正答であるか誤答であるかにかかわらず全ての解答を正しく文字認識できることが望ましい。また、設問に対する解答の傾向を分析する場合など、正答だけでなく、誤答についても正しく文字認識できることは意義がある。従って、正答である解答だけでなく誤答である解答についても正しく文字認識できることが望ましい。
文字認識装置２０によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
文字認識装置２０によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
いわば、文字認識装置２０では、過去の試験における問題文に対する実際の解答文（さらに、正答文も用いてもよい）を略統計的に処理することで、新規の試験における問題文に対する解答文を予測することができる。文字認識装置２０は、予測された解答文を用いることで、新規の試験における実際の解答文を、より高精度に文字認識することができる。
また、文字認識装置２０によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識装置２０の負荷が軽くて済む。また、文字認識装置２０は、複数の分野にまたがる対象問題を扱うことができる。
また、文字認識装置２０によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識装置２０の負荷が軽くて済む。また、文字認識装置２０は、複数の分野にまたがる対象問題を扱うことができる。
図１７は、実施形態に係る文字認識方法における処理手順の例を示すフローチャートである。
図１７の処理は、既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する工程（ステップＳ１１）と、１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する工程（ステップＳ１２）と、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する工程（ステップＳ１３）と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う工程（ステップＳ１４）と、を含む。
図１７の処理は、既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する工程（ステップＳ１１）と、１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する工程（ステップＳ１２）と、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する工程（ステップＳ１３）と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う工程（ステップＳ１４）と、を含む。
この文字認識方法では、記述式の問題の解答を文字認識する場合に、蓄積された既存問題に関する情報を有効活用できる。
例えば、この文字認識方法で、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
例えば、この文字認識方法で、既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて対象答案の文字認識を行う場合、既存の問題に対する正答の答案から抽出した単語だけでなく誤答の答案から抽出した単語も辞書として用いて、文字認識対象の答案を文字認識することができる。
ここで、採点の前段階として記述式の問題の解答を文字認識する場合、全ての解答を採点の対象とするために、解答が正答であるか誤答であるかにかかわらず全ての解答を正しく文字認識できることが望ましい。また、設問に対する解答の傾向を分析する場合など、正答だけでなく、誤答についても正しく文字認識できることは意義がある。従って、正答である解答だけでなく誤答である解答についても正しく文字認識できることが望ましい。
この文字認識方法によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
この文字認識方法によれば、既存の問題の正答だけでなく誤答も利用することができ、正答である解答だけでなく誤答である解答についても正しく文字認識できることが期待される。
いわば、この文字認識方法では、過去の試験における問題文に対する実際の解答文（さらに、正答文も用いてもよい）を略統計的に処理することで、新規の試験における問題文に対する解答文を予測することができる。この文字認識方法では、予測された解答文を用いることで、新規の試験における実際の解答文を、より高精度に文字認識することができる。
また、この文字認識方法によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識方法を実行する装置の負荷が軽くて済む。また、この文字認識方法によれば、複数の分野にまたがる対象問題を扱うことができる。
また、この文字認識方法によれば対象問題の分野を特定するといった処理を行う必要がない。この点で文字認識方法を実行する装置の負荷が軽くて済む。また、この文字認識方法によれば、複数の分野にまたがる対象問題を扱うことができる。
図１８は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
図１８に示す構成で、コンピュータ７００は、ＣＰＵ（Central Processing Unit）７１０と、主記憶装置７２０と、補助記憶装置７３０と、インタフェース７４０とを備える。
上記の文字認識装置１０および１００のうち何れか１つ以上が、コンピュータ７００に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ７１０は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置７２０に確保する。文字認識装置１０または１００と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。文字認識装置１０または１００のユーザインタフェースは、インタフェース７４０が表示デバイスを備えてデータ表示し、また、入力デバイスを備えてデータの入力を受け付けることで実行される。
図１８に示す構成で、コンピュータ７００は、ＣＰＵ（Central Processing Unit）７１０と、主記憶装置７２０と、補助記憶装置７３０と、インタフェース７４０とを備える。
上記の文字認識装置１０および１００のうち何れか１つ以上が、コンピュータ７００に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ７１０は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置７２０に確保する。文字認識装置１０または１００と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。文字認識装置１０または１００のユーザインタフェースは、インタフェース７４０が表示デバイスを備えてデータ表示し、また、入力デバイスを備えてデータの入力を受け付けることで実行される。
文字認識装置１０がコンピュータ７００に実装される場合、キーワード抽出部１１と、対応付け処理部１２と、選択処理部１３と、文字認識処理部１４との動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
文字認識装置１００がコンピュータ７００に実装される場合、制御部１８０およびその各部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
また、ＣＰＵ７１０は、プログラムに従って、記憶部１６０およびその各部に対応する記憶領域を主記憶装置７２０に確保する。通信部１１０が行う通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。表示部１２０の機能は、インタフェース７４０が表示デバイスを備えて各種画像を表示することで実行される。操作入力部１３０の機能は、インタフェース７４０が入力デバイスを備えてデータの入力を受け付けることで実行される。
また、ＣＰＵ７１０は、プログラムに従って、記憶部１６０およびその各部に対応する記憶領域を主記憶装置７２０に確保する。通信部１１０が行う通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。表示部１２０の機能は、インタフェース７４０が表示デバイスを備えて各種画像を表示することで実行される。操作入力部１３０の機能は、インタフェース７４０が入力デバイスを備えてデータの入力を受け付けることで実行される。
なお、制御部１８０が行う処理の全部または一部を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
１ 文字認識システム
１０、２０、１００ 文字認識装置
１１、１８２ キーワード抽出部
１２、１８３ 対応付け処理部
１３、２１、１８４ 選択処理部
１４、２２、１８７ 文字認識処理部
１１０ 通信部
１２０ 表示部
１３０ 操作入力部
１６０ 記憶部
１６１ 既存問題データ記憶部
１６２ 対象問題データ記憶部
１６３ 教科書単語データ記憶部
１６４ 関連性単語データ記憶部
１６５ 類似単語データ記憶部
１６６ 類似文字データ記憶部
１６７ 誤読単語データ記憶部
１６８ 誤読文字データ記憶部
１６９ 想定答案データ記憶部
１８０ 制御部
１８１ 分析処理部
１８５ 想定答案生成部
１８６ データベース機能部
１８８ オペレータ修正対応部
２００ スキャナ装置
１０、２０、１００ 文字認識装置
１１、１８２ キーワード抽出部
１２、１８３ 対応付け処理部
１３、２１、１８４ 選択処理部
１４、２２、１８７ 文字認識処理部
１１０ 通信部
１２０ 表示部
１３０ 操作入力部
１６０ 記憶部
１６１ 既存問題データ記憶部
１６２ 対象問題データ記憶部
１６３ 教科書単語データ記憶部
１６４ 関連性単語データ記憶部
１６５ 類似単語データ記憶部
１６６ 類似文字データ記憶部
１６７ 誤読単語データ記憶部
１６８ 誤読文字データ記憶部
１６９ 想定答案データ記憶部
１８０ 制御部
１８１ 分析処理部
１８５ 想定答案生成部
１８６ データベース機能部
１８８ オペレータ修正対応部
２００ スキャナ装置
Claims (6)
- 既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出するキーワード抽出部と、
１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する対応付け処理部と、
文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する選択処理部と、
選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う文字認識処理部と、
を備える文字認識装置。 - 前記対象問題に対する正答と、選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とに基づいて、前記対象答案に対する１つ以上の想定答案を生成する想定答案生成部
を備え、
前記文字認識処理部は、前記想定答案を用いて前記対象答案の文字認識を行う、
請求項１に記載の文字認識装置。 - 前記対象答案に対する文字認識結果の文字列に、確からしさが所定のしきい値よりも低い文字が含まれる場合、その文字に対する注意喚起を促す処理を行う制御部
を備える、請求項１または請求項２に記載の文字認識装置。 - 既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから抽出された１つ以上の検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットのうち１つ以上の答案セットを、文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて選択する選択処理部と、
選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う文字認識処理部と、
を備える文字認識装置。 - 既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する工程と、
１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する工程と、
文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する工程と、
選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う工程と、
を含む文字認識方法。 - コンピュータに、
既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかから検索キーワードを抽出する工程と、
１つ以上の前記検索キーワードと、前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分とが対応付けられた答案セットを生成する工程と、
文字認識対象の答案である１つ以上の対象答案、前記対象答案の元となった問題である対象問題、および、前記対象問題に対する正答のうち少なくとも何れかに含まれるキーワードに基づいて、前記答案セットのうち１つ以上の答案セットを選択する工程と、
選択された答案セットに含まれる前記既存の問題、前記既存の問題に対する１つ以上の正答、および、前記既存の問題に対する１つ以上の答案のうち少なくとも何れかの少なくとも一部分を用いて、前記対象答案の文字認識を行う工程と、
を実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019069024A JP7167821B2 (ja) | 2019-03-29 | 2019-03-29 | 文字認識装置、文字認識方法およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019069024A JP7167821B2 (ja) | 2019-03-29 | 2019-03-29 | 文字認識装置、文字認識方法およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020166770A true JP2020166770A (ja) | 2020-10-08 |
| JP7167821B2 JP7167821B2 (ja) | 2022-11-09 |
Family
ID=72717514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019069024A Active JP7167821B2 (ja) | 2019-03-29 | 2019-03-29 | 文字認識装置、文字認識方法およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7167821B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2023086037A (ja) * | 2021-12-09 | 2023-06-21 | 株式会社ナスピア | 文章解答問題自動採点システム及びその方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0757059A (ja) * | 1993-08-16 | 1995-03-03 | Matsushita Electric Ind Co Ltd | 文字認識装置 |
| JP2008090117A (ja) * | 2006-10-04 | 2008-04-17 | Nec Corp | 学習システム、類似問題検索方法、プログラム |
| JP2013101501A (ja) * | 2011-11-08 | 2013-05-23 | Sharp Corp | 照合装置、照合装置の制御方法、入力装置、試験システム、制御プログラム、および記録媒体 |
| US20150302243A1 (en) * | 2014-04-18 | 2015-10-22 | Xerox Corporation | Distance based binary classifier of handwritten words |
| JP2017068635A (ja) * | 2015-09-30 | 2017-04-06 | 京セラドキュメントソリューションズ株式会社 | 選択肢問題作成装置 |
| JP2018063600A (ja) * | 2016-10-13 | 2018-04-19 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
-
2019
- 2019-03-29 JP JP2019069024A patent/JP7167821B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0757059A (ja) * | 1993-08-16 | 1995-03-03 | Matsushita Electric Ind Co Ltd | 文字認識装置 |
| JP2008090117A (ja) * | 2006-10-04 | 2008-04-17 | Nec Corp | 学習システム、類似問題検索方法、プログラム |
| JP2013101501A (ja) * | 2011-11-08 | 2013-05-23 | Sharp Corp | 照合装置、照合装置の制御方法、入力装置、試験システム、制御プログラム、および記録媒体 |
| US20150302243A1 (en) * | 2014-04-18 | 2015-10-22 | Xerox Corporation | Distance based binary classifier of handwritten words |
| JP2017068635A (ja) * | 2015-09-30 | 2017-04-06 | 京セラドキュメントソリューションズ株式会社 | 選択肢問題作成装置 |
| JP2018063600A (ja) * | 2016-10-13 | 2018-04-19 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2023086037A (ja) * | 2021-12-09 | 2023-06-21 | 株式会社ナスピア | 文章解答問題自動採点システム及びその方法 |
| JP7387101B2 (ja) | 2021-12-09 | 2023-11-28 | 株式会社ナスピア | 文章解答問題自動採点システム及びその方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7167821B2 (ja) | 2022-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kissos et al. | OCR error correction using character correction and feature-based word classification | |
| US6917709B2 (en) | Automated search on cursive records not having an ASCII index | |
| CN109582972B (zh) | 一种基于自然语言识别的光学字符识别纠错方法 | |
| US6219453B1 (en) | Method and apparatus for performing an automatic correction of misrecognized words produced by an optical character recognition technique by using a Hidden Markov Model based algorithm | |
| CN109800414B (zh) | 语病修正推荐方法及系统 | |
| RU2251737C2 (ru) | Способ автоматического определения языка распознаваемого текста при многоязычном распознавании | |
| JP2973944B2 (ja) | 文書処理装置および文書処理方法 | |
| US9575937B2 (en) | Document analysis system, document analysis method, document analysis program and recording medium | |
| JP5356197B2 (ja) | 単語意味関係抽出装置 | |
| US6154579A (en) | Confusion matrix based method and system for correcting misrecognized words appearing in documents generated by an optical character recognition technique | |
| CN111488466B (zh) | 中文带标记错误语料生成方法、计算装置和存储介质 | |
| CN113435186B (zh) | 中文文本纠错系统、方法、装置及计算机可读存储介质 | |
| CN111597908A (zh) | 试卷批改方法和试卷批改装置 | |
| CN113168498A (zh) | 语言校正系统及其方法以及系统中的语言校正模型学习方法 | |
| KR20160026892A (ko) | 논팩토이드형 질의 응답 시스템 및 방법 | |
| CN109902223B (zh) | 一种基于多模态信息特征的不良内容过滤方法 | |
| CN111737968A (zh) | 一种作文自动批改及评分的方法及终端 | |
| CN109858626B (zh) | 一种知识库构建方法及装置 | |
| CN110147546B (zh) | 一种英语口语的语法校正方法及装置 | |
| Hong | Degraded text recognition using visual and linguistic context | |
| Sultan et al. | A joint model for answer sentence ranking and answer extraction | |
| CN116127015A (zh) | 基于人工智能自适应的nlp大模型分析系统 | |
| JP7167821B2 (ja) | 文字認識装置、文字認識方法およびプログラム | |
| Das et al. | A cost efficient approach to correct OCR errors in large document collections | |
| CN116521837A (zh) | 基于上下文语义检索的图谱问答方法、系统与计算机可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200707 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210730 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210817 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211018 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220405 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220705 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20220705 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220713 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220719 |
|
| 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: 20220927 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221010 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7167821 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |