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
Description
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。
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。
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。
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。
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。
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
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。
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。
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。
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。
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、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。
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。
(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。
「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。
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。
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、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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
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)。
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)。
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。
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)。
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)。
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)。
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)。
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)。
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。
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)。
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。
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。
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)。
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。
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。
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。
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。
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。
・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
・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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、「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。
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 |