JP3347477B2

JP3347477B2 - 単語辞書登録装置及び文書認識装置

Info

Publication number: JP3347477B2
Application number: JP14281694A
Authority: JP
Inventors: 秀樹山本; 達哉介弘; 久明松下
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1994-06-24
Filing date: 1994-06-24
Publication date: 2002-11-20
Anticipated expiration: 2017-11-20
Also published as: JPH0816597A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は単語辞書登録装置及び
文書認識装置に関し、例えば、種々の言語処理のための
ものである。

【０００２】

【従来の技術】近年、自然言語処理に関する技術開発が
盛んに行なわれている。このような自然言語処理に使用
される単語辞書登録装置に関する技術として、文献：特
開平３−２４６６７３号公報に示されている技術があ
る。

【０００３】この文献で示されている技術は、単語表記
と意味カテゴリを各単語に対して規定した単語辞書を備
え、単語の持つ意味を示す意味カテゴリを利用して自然
言語による入力文の処理を行う自然言語処理装置に対す
る単語辞書登録装置に関するものである。

【０００４】具体的には、単語辞書を参照して、入力文
を構成する単語と、その単語の意味カテゴリを抽出し、
未知語を検出する形態素解析手段を備えている。

【０００５】更に、その形態素解析から、入力を構成す
る単語の単語表記と意味カテゴリ、及び未知語であるか
どうかの情報を得て、その入力文中に未知語があればユ
ーザに知らせて登録を促し、未知語が無ければ入力文を
自然言語処理装置へ送る未知語表示手段を備えるもので
ある。

【０００６】更にまた、入力文に対する自然言語処理装
置の処理内容にユーザが疑問や不備を持ったときに、そ
のユーザの求めに応じて、未知語検索表示手段を得てい
る入力文を構成する単語の意味カテゴリと、各単語表記
とを表示する解析結果表示手段を備える。

【０００７】更に、未知語表示手段又は解析結果表示手
段で示された情報を参考にして、単語辞書に新規に登録
する単語、又は登録内容を変更する単語の単語表記をユ
ーザに入力させる単語表記入力手段を備えるものであ
る。

【０００８】以上のような構成によって、未知語と判断
された単語に対して、意味定義文の入力手段を与え、そ
れによって未知語の単語登録を容易にさせようとするも
のである。

【０００９】

【発明が解決しようとする課題】しかしながら、その未
知語の意味をユーザが全く知らない場合や、更に、既存
の紙の辞典、辞典の類に登録されていない場合は、ユー
ザは意味定義文を作成することができず、単語の登録が
できないという問題があった。

【００１０】このため、未知語に対する品詞や意味カテ
ゴリなどの諸元を単語辞書装置に従来に比べ能率的に登
録することができる仕組みと、文書中の情報から自動的
に文字認識して未知語に対する品詞や意味カテゴリなど
の諸元を単語辞書装置に能率的に登録し得る仕組みの提
供が要請されている。

【００１１】

【課題を解決するための手段】かかる課題を解決するた
めに、第１の本発明の単語辞書登録装置は、単語辞書に
登録されていない未知語に対して、少なくともその単語
表記とその単語の意味カテゴリとを単語辞書に登録する
単語辞書登録装置において、入力された文書の中から複
数の項目によって構成されている表領域を抽出する表領
域抽出手段と、表領域抽出手段によって抽出された表領
域の各項目に記載されている単語の意味カテゴリを、各
単語を見出しとして単語辞書を参照して検出し、その検
出された各単語の意味カテゴリの出現数を各項目毎に集
計する形態素解析手段と、表領域抽出手段により抽出さ
れた表領域の各項目に記載されている単語のうち、単語
辞書に登録されていない未知語を各項目毎に検出する未
知語検出手段と、未知語検出手段によって検出された未
知語が属する項目と同じ項目に記載されている登録単語
の意味カテゴリの出現数に基づいて、未知語の意味カテ
ゴリを推定する意味カテゴリ推定手段と、意味カテゴリ
推定手段により推定された未知語の意味カテゴリを表示
して、表示された未知語の意味カテゴリについてのユー
ザによる判断結果を取り込む表示・判断手段と、表示・
判断手段からの判断結果に基づいて、未知語の意味カテ
ゴリを単語辞書に登録する登録手段とを備えることを特
徴とする。また、第２の本発明の文書識別装置は、各単
語に対して、少なくともその単語表記とその単語の意味
カテゴリとが登録されている単語辞書を備え、入力され
た文書を認識する文書認識装置において、入力された文
書の中から複数の項目によって構成されている表領域
と、その表領域以外の文字領域とを選別する文書構造選
別手段と、文書構造選別手段によって選別された表領域
以外の文字領域の単語を認識して、その文字領域認識結
果を記憶する文字領域認識手段と、文書構造選別手段に
よって選別された表領域の各項目に記載されている単語
の意味カテゴリを、各単語を見出しとして上記単語辞書
を参照して検出し、その検出された各単語の意味カテゴ
リの出現数を各項目毎に集計する形態素解析手段と、文
書構造選別手段により選別された表領域の各項目に記載
されている単語のうち、未知語を各項目毎に検出する未
知語検出手段と、未知語検出手段によって検出された未
知語が属する項目と同じ項目に記載されている登録単語
の意味カテゴリの出現数に基づいて、未知語の意味カテ
ゴリを推定する意味カテゴリ推定手段と、意味カテゴリ
推定手段により推定された未知語の意味カテゴリを表示
して、表示された未登録の意味カテゴリについてのユー
ザによる判断結果を取り込む表示・判断手段と、表示・
判断手段からの判断結果に基づいて、文書認識手段に記
憶されている未知語に対応する文字領域認証結果内容を
修正する修正手段とを備えることを特徴とする。

【００１２】

【作用】第１の本発明の単語辞書登録装置の構成は、表
の同じ列の項目が同じ品詞と意味カテゴリを採り易いと
いう性質を利用したものであり、例えば、文書中の表デ
ータの既知語の情報を使用して、表データの未知語の品
詞と意味カテゴリとを自動的に推定できるものである。

【００１３】更に、推定結果を提示し、提示された推定
結果を修正するための表示・判断手段とを備えること
で、ユーザなどからの入力情報に基づき修正して適当な
意味カテゴリを得ることができ、単語辞書に登録するこ
ともできるものである。

【００１４】従って、上述の構成によって、ユーザが知
らない単語や、単語辞書に登録されていない未知語の意
味カテゴリを推定することができる。このようなことか
ら、未知語の単語辞書登録の手間を大幅に改善すること
ができると考えられる。

【００１５】また、第２の本発明の文書認識装置の構成
は、未知語の意味カテゴリを推定し、この推定結果を用
いて文書認識結果を修正する手段を備えることで、文書
認識の精度を向上させ、認識文書に含まれる未知語の登
録を能率的にさせることができる。

【００１６】また、未知語とその推定結果又は推定結果
の修正後の意味カテゴリを単語辞書に登録する手段を備
えることで、未知語の意味カテゴリの内容も充実したも
のにすることができると考えられる。

【００１７】

【実施例】次にこの発明の好適な実施例を図面を用いて
説明する。『基本的な考え方』：そこで、この実施例で
は、『ユーザが知らない、辞書に登録されていない未知
語の意味カテゴリを推定する手段を設けるものであ
る』。更に、『ユーザは、この実施例の装置を使用し、
装置が出力する意味カテゴリ候補の中から意味カテゴリ
を選択できるように構成する』ものである。

【００１８】『第１実施例』：そこで、第１実施例
では、単語表記と意味カテゴリを各単語に対して規定し
た単語辞書を備え、単語の持つ意味を示す意味カテゴリ
を利用して自然言語による入力文の処理を行う自然言語
処理装置に対する単語辞書登録装置において、以下のよ
うな各手段を備えるものである。

【００１９】（ａ）自然言語文を入力する手段と、
（ｂ）入力した文書の中から表属性のある箇所を抽出す
る手段と、（ｃ）単語辞書を参照して、表を構成する単
語とその単語の意味カテゴリを抽出し、未知語を検出す
る形態素解析手段と、（ｄ）この解析結果を集計する手
段と、（ｅ）表の構成情報を用いて既知語の意味カテゴ
リから未知語の意味カテゴリを推定する手段と、（ｆ）
推定された意味カテゴリをユーザに確認或いは訂正させ
る手段と、（ｇ）辞書に登録する手段とを備えるもので
ある。

【００２０】『第１実施例の装置の構成』：図１は
この第１実施例の単語辞書登録装置の機能構成図であ
る。この図１において、単語辞書登録装置は、文書入力
回路１と、文書属性抽出回路２と、形態素解析回路３
と、解析結果集計回路４と、品詞意味推定回路５と、未
知語表示回路６と、辞書データ入力回路７と、辞書登録
回路８と、単語辞書部９と、未知語テーブル１０と、品
詞意味テーブル１１とから構成されている。

【００２１】そして、文書入力回路１は、文書を入力す
る回路であって、例えば、図２に示しているような文書
を取り込むものとする。この図２に示している文書２１
は、表と文章との属性を持ったオブジェクトから構成さ
れている。

【００２２】また、入力する文書は、図、ページ番号、
章番号などの属性を持ったオブジェクトから構成される
ものとする。

【００２３】更に、文書属性抽出回路２は、入力された
文書の中から表の属性だけを抽出する回路である。この
抽出された表は、表の識別を行うための表ＩＤ（識別
子）３１、表の表題３２、表の列名２８〜３０、行デー
タ２３〜２７までの部分から構成されている。

【００２４】更にまた、形態素解析回路３は、単語辞書
部９を参照して、表の行データの各項目を構成する単語
とその単語の意味カテゴリとを検出し、未知語を検出す
る回路である。更にまた、単語辞書部９の例を図８に示
している。また、単語辞書部９は、単語見出し８１、品
詞８２、意味カテゴリ８３、訳語８４などから構成され
る。

【００２５】一方、図２に示している入力文書の表中の
氏名２９の列の形態素解析結果を図３に示している。ま
た、図２の行２３の氏名２９「山本太郎」の解析結果
は、「山本」、及び「太郎」が単語辞書部９に存在する
ので、図３の行３５のように解析される。

【００２６】更に、図２の行２４の氏名２９「川野篤
志」の解析結果は、「篤志」が図８の単語辞書部９に存
在しないので未知語となる。更にまた、図３では便宜
上、行３６の品詞３９欄を未知語としている。また同様
に、「松下泰弘」というデータの解析結果では、「泰
弘」が未知語になっている。

【００２７】更にまた、解析結果集計回路４は、形態素
解析の結果を集計するものである。具体的には、形態素
解析した結果、未知語が含まれている項目については、
解析結果集計回路４は、未知語テーブル１０に格納す
る。ここで、未知語テーブル１０の例を図５に示してい
る。この未知語テーブル１０は、形態素パターン６４
と、それに対する付随的な情報である表ＩＤ６１、列名
６２、項目内容６３などから構成される。

【００２８】更に、形態素パターン６４は、項目のデー
タを形態素解析した結果をパターン化したものである。
そして、この形態素パターンは、項目のデータを左の単
語から順に品詞と意味カテゴリを並べたものである。但
し、未知語については品詞の場所を「未知語」、意味カ
テゴリの場所にその未知語の見出しを入れるものであ
る。更に、表ＩＤ６１、列名６２は、項目の出現した表
ＩＤと列名を表すものである。

【００２９】更にまた、形態素解析した結果、未知語が
含まれていない項目については、解析結果集計回路４は
品詞意味テーブル１１に格納するものである。ここで、
この品詞意味テーブル１１の例を図４に示している。そ
して、品詞意味テーブル１１は、表ＩＤ４１、列名４
２、形態素パターン４３、及び出現数４４から構成され
る。また、表ＩＤ４１、列名４２は、項目の出現した表
ＩＤと列名を表すものである。

【００３０】尚この出現数４４は、ある表ＩＤの列名４
２の列のデータの中で該当する品詞と意味カテゴリが出
現した回数を保持している。例えば、図３の形態素解析
結果を使って説明すると、未知語の出現しなかった行３
５のデータ「山本太郎」は、「山本」と、「太郎」とは
両者とも品詞が名詞、意味カテゴリは人名であるため、
形態素パターンは「（名詞、人名）（名詞、人名）」と
なる。

【００３１】また、図３の行３５と行３６２の２つがこ
の形態素パターンであるために、図４の行４５の出現数
４４は２となる。そして、図３の行３６３のデータ「吉
田真」の形態素パターンは、「（名詞、人名）（名詞、
状態）」となる。このため、図４の行４６の出現数４４
は１となる。

【００３２】更に、品詞意味推定回路５は、品詞意味テ
ーブル１１をもとに未知語テーブル１０の未知語の品詞
と意味カテゴリを推定する。この未知語の品詞と意味カ
テゴリの候補は、その未知語が現われた列の形態素パタ
ーンの出現数が多いものの順とする。

【００３３】即ち、未知語テーブル１０の表ＩＤと列名
とに対して、同じ表ＩＤと列名とを持つ品詞意味テーブ
ル１１の中で、図４の出現数４４が多いものを未知語の
品詞と、意味カテゴリの候補とするものである。また、
未知語表示回路６は、未知語及び品詞意味推定回路５の
推定結果をユーザのために表示するものである。

【００３４】更に、辞書データ入力回路７は、未知語に
対する辞書情報をユーザが入力するための回路である。
この回路は、ユーザが品詞意味推定回路５の結果を用い
ることで未知語に対する辞書情報の入力が容易に行える
ようにするものである。

【００３５】また、ユーザが未知語について知識がない
場合にもこの品詞意味推定回路５の推定結果を用いるこ
とで正解に近いデータを登録することができるものと考
えられる。そこで、未知語表示回路６及び辞書データ入
力回路７を同時に実現した画面例を図６に示している。
また、辞書登録回路８は、ユーザが入力した辞書情報を
単語辞書に登録する回路である。

【００３６】『動作』：一方、図７はこの第１実施
例の単語辞書登録装置の処理フローチャートである。こ
の図７において、先ずＳ７１において、文書入力回路１
は文書を読み込んでいない部分がない場合は、Ｓ８０に
処理を進める。次にＳ７２において、文書入力回路１は
文書から１つのオブジェクトを読み込む。また、Ｓ７３
では、文書属性抽出回路２は、読み込んだオブジェクト
が表でない場合は、Ｓ７１に処理を進める。

【００３７】更に、Ｓ７４においては文書属性抽出回路
２は、読み込んだ表を解析して表に未読のオブジェクト
があるかどうかを調べ、もしなければＳ７１に処理を進
める。更にまた、Ｓ７５では表中のオブジェクトを読み
込む。また、行データを読み込んだ時点でＳ７６に処理
を進める。

【００３８】尚Ｓ７６では、形態素解析回路は、行デー
タを項目毎に形態素解析するものである。また、Ｓ７７
〜Ｓ７９において、解析結果集計回路４は、解析結果に
未知語がある場合にはその項目の解析結果を未知語テー
ブル１０にデータを追加するものである。

【００３９】また、解析結果に未知語がない場合には品
詞意味テーブル１１にデータを追加する。その後Ｓ７１
に処理を戻すものである。

【００４０】更に、図７のＳ８０では、未知語テーブル
１０に未知語が登録されていない場合は終了する。Ｓ８
１では、品詞意味推定回路５は品詞意味テーブル１１を
使って未知語テーブル１０の未知語の品詞を推定する。
詳細は後述する。更にまた、Ｓ８２では、未知語表示回
路６が品詞意味推定回路５の推定結果を表示するもので
ある。

【００４１】またＳ８３では、辞書データ入力回路７は
ユーザに未知語情報を入力させる。次にＳ８４では辞書
データ入力回路７においてユーザが辞書登録の指令を出
さなかった場合は処理を終了するものである。次にＳ８
５では辞書登録回路８はユーザが入力した未知語の情報
を単語辞書部９に格納するものである。

【００４２】『品詞意味推定の手順』：次は図７の
Ｓ８１の品詞意味推定の手順を図９の処理フローチャー
トを用いて説明する。この図９において、先ずＳ９１で
は未知語テーブル１０のデータを調べ、読み込んでいな
いデータがない場合は終了する。次にＳ９２では未知語
テーブル１０からデータを１行読んでそれをｌとする。

【００４３】次はＳ９３において、ｌの単語数をｍ、項
目内の未知語の位置を、Ｕ１、Ｕ２、Ｕ３、…、Ｕｎと
する。Ｕ１＝１のときは、項目の最初の単語が未知語だ
ったことを表す。ｎは未知語の数を表すものである。

【００４４】またＳ９４では、ｌと同じ表ＩＤ４１、列
名４２、単語数４８のデータを品詞意味テーブル１１か
ら集める。ここで、ｌと同じ表ＩＤ４１、列名４２、単
語数４８のデータがない場合は、Ｓ９８に処理を進め、
ある場合はＳ９６に処理を進める。Ｓ９８では、ｌの未
知語に対する推定結果は無しとする。Ｓ９６では集めた
データの中から最も出現数の多いデータの個数をｋと
し、それらのデータをＣ１〜Ｃｋとする。

【００４５】また、Ｓ９７ではＣｉ（ｉ＝１〜ｋ）の形
態素パターン中のＵ１、Ｕ２、…、Ｕｎ番目の単語の品
詞と意味カテゴリとを、ｌの対応する位置の未知語の品
詞と意味カテゴリの推定結果とする。以下、Ｓ９１〜Ｓ
９８を未知語テーブル１０の未読のデータがなくなるま
で繰り返すものである。

【００４６】『詳細動作』：次に図２の文書を使っ
て詳細に動作を説明する。図７のＳ７２で、図２の文書
の表オブジェクトを読み込む。そして、Ｓ７５において
表中のオブジェクト（表のタイトル、項目名及び表中の
行データ）を読み込む。この行データ２３を読んだ時点
でＳ７６に処理を進める。このＳ７６において、「００
１」、「山本太郎」、「交換機」のそれぞれを形態素解
析する。この形態素解析では数字の列は未知語と扱われ
ない。

【００４７】この行の項目は未知語がないのでＳ７８
で、品詞意味テーブル１１を作成する。更に、「山本太
郎」の形態素パターンは「（名詞、人名）（名詞、人
名）」となるので、品詞意味テーブル１１の形態素パタ
ーン４３が「（名詞、人名）（名詞、人名）」の行の出
現数４４の値を１増加する。

【００４８】また、Ｓ７５、Ｓ７７を処理して、次の行
データを読み込む。更に、Ｓ７６で形態素解析した結
果、「川野篤志」の「篤志」が未知語であるため、Ｓ７
９で未知語テーブル１０を作成する。尚「川野篤志」の
「川野」は、品詞が名詞で意味カテゴリが人名である。
そのため、未知語テーブル１０の形態素パターン６４
の、「川野篤志」の形態素アパターン６４は、「（名
詞、人名）（未知語、篤志）」となる。

【００４９】このようにして、表の行データがなくなる
まで、Ｓ７５〜Ｓ７９を繰り返す。その結果、図４の品
詞意味テーブル１１と図５の未知語テーブルとができる
ものである。

【００５０】その後、Ｓ７１〜Ｓ７２と処理を進め、文
書オブジェクト３３を読む。更に、Ｓ７３、Ｓ７１と処
理を進め、文書が空きのためＳ８０に処理を進める。次
に、未知語があると、Ｓ８１に処理を進め、未知語の品
詞と意味カテゴリを推定する。

【００５１】『品詞と意味カテゴリの推定の処理』：
そして、品詞と意味カテゴリの推定の処理は図９を用
いて説明する。Ｓ９２では未知語テーブル１０のデータ
６５を読みとりｌとするものである。次に、Ｓ９３で
は、ｌは単語数が２で、２つ目の単語だけが未知語であ
るので、ｍ＝２、Ｕ１＝２となる。

【００５２】次にＳ９４ではｌと同じ表ＩＤ４１、列名
４２、単語数４８を持つデータとして、データ４５、４
６の２つを集める。また、Ｓ９６ではデータ４５、４６
の出現数を比較して、データ４５をＣとするものであ
る。更に、Ｓ９７ではｌの未知語に対する品詞と意味カ
テゴリをＣの形態素パターンから推定する。

【００５３】例えば、ｌはＵ１＝２であるので、Ｃの２
番目の単語の品詞と意味カテゴリとを推定結果とする。
即ち、「篤志」の品詞＝「名詞」「篤志」の意味カテゴリ＝「人名」と推定される。

【００５４】同様に未知語テーブル１０のデータ６６、
６７の品詞と意味カテゴリとはそれぞれ、「泰弘」の品詞＝「名詞」「泰弘」の意味カテゴリ＝「人名」「ＭＴ」の品詞＝「名詞」「ＭＴ」の意味カテゴリ＝「装置」と推定される。このようにして未知語テーブル１０のデ
ータがなくなったときに品詞意味推定は終了するもので
ある。

【００５５】尚上述のＳ８２、８３では、それぞれ未知
語を表示し、辞書データの入力をユーザに促す。一例と
して画面の例を図６に示している。この図６の行５１〜
５３はそれぞれ、図５の未知語テーブル１０の行６５〜
６７の品詞と意味カテゴリとを推定した結果を表示して
いる。

【００５６】更に、この画面では、未知語の見出し５
４、品詞５５、訳語５７をユーザが修正或いは登録でき
るようになっている。また、登録ボタン５８が押される
と、Ｓ８５で辞書登録が行われ終了するものである。こ
の終了ボタン５９が押されると登録せずに終了するもの
である。

【００５７】（第１実施例の効果）：以上の第１実
施例によれば、文書中の表データの既知語の情報を使用
して、表データの未知語の品詞と意味カテゴリとを自動
的に推定できるものである。また、表の同じ列の項目が
同じ品詞と意味カテゴリを採り易いという性質を利用し
たものであり、この推定結果は妥当なものと考えられ
る。

【００５８】更に、この実施例を利用することで、未知
語の辞書登録作業が大幅に軽減される。特に複数の意味
カテゴリを持つような語の意味カテゴリを正しく登録で
きるため、自然言語処理システムの単語辞書登録装置と
して有効性が高いと考えられる。

【００５９】（変形例）：第１実施例において、図
９のＳ９２において、予め全ての文書を読み込んでから
以下に続く処理を行うように構成することも好ましい。

【００６０】また、文書属性抽出回路２を９０度回転し
た表を処理するようにすれば、９０度回転した表を含ん
だ文書を扱うことができる。

【００６１】『第２実施例』：発明を文字認識装置
に適用した場合の実施例を以下に示す。

【００６２】図１０は第２実施例の文字認識装置の機能
構成図である。この図１０において、文字認識装置は、
文書読み取り回路１０１と、文書構造抽出回路１０２
と、表領域文字認識回路１０３と、表領域外文字認識回
路１０１３と、認識結果ファイル１０１４と、認識結果
修正回路１０１５と、形態素解析回路３と、解析結果集
計回路４と、品詞意味推定回路５と、未知語表示回路６
と、辞書データ入力回路７と、辞書登録−回路８と、単
語辞書部９と、未知語テーブル１０と、品詞意味テーブ
ル１１とから構成されている。

【００６３】この文字認識装置の構成においては、形態
素解析回路３と、解析結果集計回路４と、品詞意味推定
回路５と、未知語表示回路６と、辞書データ入力回路７
と、辞書登録回路８と、単語辞書部９と、未知語テーブ
ル１０と、品詞意味テーブル１１とは上述の第１実施例
と同様な機能である。

【００６４】また、この文字認識装置で特徴的な構成
は、文書読み取り回路１０１と、文書構造抽出回路１０
２と、表領域文字認識回路１０３と、表領域外文字認識
回路１０１３と、認識結果ファイル１０１４と、認識結
果修正回路１０１５とである。

【００６５】そこで、文書読み取り回路１０１は、光学
式読取り装置など紙の文書を計算機に処理できる２値情
報に変換するものである。更に、文書構造抽出回路１０
２は読み取った情報の中から、図、表、文書などの領域
を識別する回路である。

【００６６】更にまた、表領域以外文字認識回路１０１
３は、表以外の部分の文字を認識する通常の認識回路で
ある。また、この表領域以外文字認識回路１０１３は認
識した結果を認識結果ファイル１０１４に書き込むもの
である。

【００６７】更に、表領域文字認識回路１０３は、文書
構造抽出回路１０２で表として識別された領域の文字を
認識し、表の各項目毎に文字列を出力する回路である。
この表領域文字認識回路１０３の出力は図１の文書属性
抽出回路２が出力する、表ＩＤ、表の標題、表の列名、
表の行データと同じ形式のデータを出力するものであ
る。

【００６８】この出力は認識結果ファイル１０１４に書
き込むと共に、形態素解析回路３に与えられる。そし
て、以下図１０の形態素解析回路３〜品詞意味テーブル
１１までは上述の第１実施例の構成と同様である。

【００６９】また、認識結果修正回路１０１５は、未知
語表示回路６の未知語をユーザが訂正したときにその訂
正内容を認識結果ファイル１０１４に反映させる回路で
ある。

【００７０】『動作説明』：図１２、図１３は第２
実施例の処理フローチャートである。そこで先ずＳ１２
０１において文書を読み取る。次に読み取った文書の処
理が全て終了したらＳ１２１２に処理を進める。終了し
ていない場合は、Ｓ１２０３で文書構造を抽出する。

【００７１】次にＳ１２０４では抽出した文書構造が表
でない場合は、Ｓ１２１１に処理を進めるものである。
またＳ１２１１では、表領域外文字認識回路１０１３が
文字認識を行い、この結果を認識結果ファイル１０１４
に書き込むものである。

【００７２】その後、Ｓ１２０２に処理を進める。また
Ｓ１２０４で抽出した文書構造が表の場合は、Ｓ１２０
５で表の中が空かどうかを調べる。ここで、空でないと
きは、Ｓ１２０６で表領域文字認識回路１０３が表のタ
イトル、項目名及び表中の行データを行認識するもので
ある。

【００７３】更に、以下のＳ１２０７〜Ｓ１２１０で
は、上述の第１実施例の図７のＳ７６〜Ｓ７９にそれぞ
れ対応しており同様な処理を行うものである。また、Ｓ
１２０５で表の中が空のときは、Ｓ１２０２に処理を進
めるものである。

【００７４】このＳ１２０２で未処理の文書がなくなっ
たときはＳ１２１２に処理を進める。尚、Ｓ１２１２〜
Ｓ１２１５、Ｓ１２１７はそれぞれ第１実施例の図７の
Ｓ８０〜Ｓ８３、Ｓ８５に対応した同じ処理である。Ｓ
１２１５では辞書データ入力回路７がユーザからの認識
結果及び推定結果に対する修正などの入力を受け付け
る。

【００７５】また、Ｓ１２１６で辞書登録を選択すると
辞書登録を行う。そして、認識結果の修正を選択する
と、Ｓ１２１９で認識結果修正回路１０１５が、Ｓ１２
１５の修正結果によって認識結果の文字列の置換えを行
うものである。また、登録と認識結果と以外が選択され
たときは終了するものである。

【００７６】ここでは図２の文書をこの第２実施例の文
字認識装置で文字認識する場合の動作を説明するもので
ある。そこで、単語辞書部９の例を図８に示す。この図
８の文書の表領域は、Ｓ１２０６で表のタイトル、項目
名及び表中の行データが認識される。

【００７７】また、表の行データは１行づつ認識されて
Ｓ１２０７で形態素解析される。更に、形態素解析結
果、品詞意味テーブル１１、未知語テーブル１０はそれ
ぞれ図３〜図５と同じ形式である。

【００７８】更にまた、Ｓ１２１４で未知語表示回路６
が未知語を表示するものである。この一例を図１１に示
している。ここで行１１０５の認識結果は「川野篤志」
であり、この文字列の中の「篤志」が未知語である。ま
た、品詞意味推定回路５によってこの未知語の品詞と意
味カテゴリが上述の手順から名詞と人名というように推
定されるものである。

【００７９】尚、図１１の行１１０６の認識結果１１０
３は「松下秦弘」であり、この文字列の中の「秦弘」が
未知語である。そして、品詞意味推定回路５によってこ
の未知語の品詞と意味カテゴリが上述の手順によって名
詞と人名というように推定されるものである。

【００８０】図２の文書と比較すると「秦弘」という認
識結果が誤っていることがわかる。このような場合、利
用者はこの画面上で正しい「泰弘」に修正することがで
きる。その後、図１１の認識結果修正ボタン１１１０が
押されたときは、Ｓ１２１８、Ｓ１２１９に処理を進
め、認識結果修正回路１０１５が認識結果の文書におい
て、修正前後の文字を置換するものである。

【００８１】即ち、認識結果の文書中の「秦弘」を「泰
弘」に置換するものである。そして、図１１で登録ボタ
ン１１０９が押されたときは辞書登録回路８が単語辞書
登録を行うものである。一方、終了ボタン１１０８が選
択されたときは処理を終了するものである。

【００８２】（第２実施例の効果）：以上の第２実
施例によれば、文書中の表データの既知語の情報を使用
して、表データの未知語の品詞と意味カテゴリとを自動
的に推定できるものである。更に、表の同じ列の項目が
同じ品詞と意味カテゴリを採り易いという性質を利用し
たものであり、この実施例の推定結果は妥当であると考
えられる。このような構成を使用することで、認識結果
の中の未知語の登録を容易にさせることができるものと
考えられる。

【００８３】また、上述の構成を文字認識手段の認識誤
りの修正にも適用して効果的である。この実施例を利用
すると認識誤りが未知語になる場合は、その箇所の品詞
と意味カテゴリを推定する。このようにして、利用者は
それらをもとに認識誤りの結果、生じた未知語のもとの
正しい語を推測することが容易になる。

【００８４】また、推定結果をもとに未知語を単誤辞書
に登録することで、表以外の領域の文字認識の精度を向
上させることができるものと考えられる。この実施例を
適用することで未知語の辞書登録の作業を大幅に軽減さ
せることができる。

【００８５】特に、複数の意味カテゴリを持つような語
の意味カテゴリを正しく登録できるため、自然言語処理
システムの単語辞書登録装置として有効性が高いと考え
られる。

【００８６】（他の実施例）：（１）尚、上述の第
１実施例の単語辞書登録装置は、機械翻訳装置の辞書作
成装置として適用することもできる。

【００８７】（２）また、第２実施例はＯＣＲ（光学的
文字読取）装置の辞書作成装置として用いることができ
る。

【００８８】（３）更に、自然文要約装置、全文検索装
置、文書作成支援装置などの自然言語の辞書を用いる装
置などに適用することができる。

【００８９】（４）更にまた、上述の実施例をより具体
的に実現する上で、ハードウエア的にはコンピュータ装
置の基本的な構成で、必要な機能のプログラムを搭載す
ることで実現することができる。

【００９０】（５）また、上述の実施例では表が含まれ
る文書を入力することで説明したが、他に文章だけでも
良いし、表の周辺に種々の言語や文字で記述されている
ものであっても良い。

【００９１】

【発明の効果】以上、本発明の単語辞書登録装置は、入
力された文書の中から複数の項目によって構成されてい
る表領域を抽出する表領域抽出手段と、表領域抽出手段
によって抽出された表領域の各項目に記載されている単
語の意味カテゴリを、各単語を見出しとして単語辞書を
参照して検出し、その検出された各単語の意味カテゴリ
の出現数を各項目毎に集計する形態素解析手段と、表領
域抽出手段により抽出された表領域の各項目に記載され
ている単語のうち、単語辞書に登録されていない未知語
を各項目毎に検出する未知語検出手段と、未知語検出手
段によって検出された未知語が属する項目と同じ項目に
記載されている登録単語の意味カテゴリの出現数に基づ
いて、未知語の意味カテゴリを推定する意味カテゴリ推
定手段と、意味カテゴリ推定手段により推定された未知
語の意味カテゴリを表示して、表示された未知語の意味
カテゴリについてのユーザによる判断結果を取り込む表
示・判断手段と、表示・判断手段からの判断結果に基づ
いて、未登録単語の意味カテゴリを単語辞書に登録する
登録手段とを備えることで、従来に比べ大幅に未知語に
対する単語辞書登録の手間を改善することができる。

【００９２】また、本発明の文書認識装置は、入力され
た文書の中から複数の項目によって構成されている表領
域と、その表領域以外の文字領域とを選別する文書構造
選別手段と、文書構造選別手段によって選別された表領
域以外の文字領域の単語を認識して、その文字領域認識
結果を記憶する文字領域認識手段と、文書構造選別手段
によって選別された表領域の各項目に記載されている単
語の意味カテゴリを、各単語を見出しとして上記単語辞
書を参照して検出し、その検出された各単語の意味カテ
ゴリの出現数を各項目毎に集計する形態素解析手段と、
文書構造選別手段により選別された表領域の各項目に記
載されている単語のうち、単語辞書に登録されていない
未知語を各項目毎に検出する未知語検出手段と、未知語
検出手段によって検出された未知語が属する項目と同じ
項目に記載されている登録単語の意味カテゴリの出現数
に基づいて、未知語の意味カテゴリを推定する意味カテ
ゴリ推定手段と、意味カテゴリ推定手段により推定され
た未知語の意味カテゴリを表示して、表示された未知語
の意味カテゴリについてのユーザによる判断結果を取り
込む表示・判断手段と、表示・判断手段からの判断結果
に基づいて、文書認識手段に記憶されている未知語に対
応する文字領域認証結果内容を修正する修正手段とを備
えることで、文書認識の精度を向上させ、認識文書に含
まれる未知語の登録を能率的にさせると共に、未知語の
意味カテゴリの内容も充実したものにすることができる
と考えられる。

【図面の簡単な説明】

【図１】この発明の第１実施例の単語辞書登録装置の機
能構成図である。

【図２】第１実施例の入力文書の例の説明図である。

【図３】第１実施例の形態素解析結果の説明図である。

【図４】第１実施例の品詞意味テーブルの説明図であ
る。

【図５】第１実施例の未知語テーブルの説明図である。

【図６】第１実施例の未知語表示回路と辞書データ入力
回路の画面の説明図である。

【図７】第１実施例の処理フローチャートである。

【図８】第１実施例の単語辞書部の説明図である。

【図９】第１実施例の品詞意味推定の処理フローチャー
トである。

【図１０】第２実施例の文書認識装置の機能構成図であ
る。

【図１１】第２実施例の未知語表示回路の説明図であ
る。

【図１２】第２実施例の処理フローチャートである。

【図１３】第２実施例の処理フローチャートである。

【符号の説明】

１…文書入力回路、２…文書属性抽出回路、３…形態素
解析回路、４…解析結果集計回路、５…品詞意味推定回
路、６…未知語表示回路、７…辞書データ入力回路、８
…辞書登録回路、９…単語辞書部、１０…未知語テーブ
ル、１１…品詞意味テーブル。

フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 17/21 - 17/30

Claims

(57)【特許請求の範囲】

【請求項１】単語辞書に登録されていない未知語に対
して、少なくともその単語表記とその単語の意味カテゴ
リとを上記単語辞書に登録する単語辞書登録装置におい
て、入力された文書の中から複数の項目によって構成されて
いる表領域を抽出する表領域抽出手段と、上記表領域抽出手段によって抽出された表領域の各項目
に記載されている単語の意味カテゴリを、各単語を見出
しとして上記単語辞書を参照して検出し、その検出され
た各単語の意味カテゴリの出現数を各項目毎に集計する
形態素解析手段と、上記表領域抽出手段により抽出された表領域の各項目に
記載されている単語のうち、上記単語辞書に登録されて
いない未知語を各項目毎に検出する未知語検出手段と、上記未知語検出手段によって検出された未知語が属する
項目と同じ項目に記載されている登録単語の意味カテゴ
リの出現数に基づいて、当該未知語の意味カテゴリを推
定する意味カテゴリ推定手段と、上記意味カテゴリ推定手段により推定された未知語の意
味カテゴリを表示して、表示された当該未知語の意味カ
テゴリについてのユーザによる判断結果を取り込む表示
・判断手段と、上記表示・判断手段からの判断結果に基づいて、当該未
知語の意味カテゴリを上記単語辞書に登録する登録手段
とを備えることを特徴とする単語辞書登録装置。
【請求項２】各単語に対して、少なくともその単語表
記とその単語の意味カテゴリとが登録されている単語辞
書を備え、入力された文書を認識する文書認識装置にお
いて、入力された文書の中から複数の項目によって構成されて
いる表領域と、その表領域以外の文字領域とを選別する
文書構造選別手段と、上記文書構造選別手段によって選別された表領域以外の
文字領域の単語を認識して、その文字領域認識結果を記
憶する文字領域認識手段と、上記文書構造選別手段によって選別された表領域の各項
目に記載されている単語の意味カテゴリを、各単語を見
出しとして上記単語辞書を参照して検出し、その検出さ
れた各単語の意味カテゴリの出現数を各項目毎に集計す
る形態素解析手段と、上記文書構造選別手段により選別された表領域の各項目
に記載されている単語のうち、上記単語辞書に登録され
ていない未知語を各項目毎に検出する未知語検出手段
と、上記未知語検出手段によって検出された未知語が属する
項目と同じ項目に記載されている登録単語の意味カテゴ
リの出現数に基づいて、当該未知語の意味カテゴリを推
定する意味カテゴリ推定手段と、上記意味カテゴリ推定手段により推定された未知語の意
味カテゴリを表示して、表示された当該未知語の意味カ
テゴリについてのユーザによる判断結果を取り込む表示
・判断手段と、上記表示・判断手段からの判断結果に基づいて、上記文
書認識手段に記憶されている上記未知語に対応する文字
領域認証結果内容を修正する修正手段とを備えることを
特徴とする文書認識装置。
【請求項３】上記修正手段は、上記表示・判断手段か
らの判断結果に基づいて、上記未知語の意味カテゴリを
上記単語辞書に登録する登録手段を備えることを特徴と
する請求項２に記載の文書認識装置。