JP3415012B2

JP3415012B2 - 文字認識後処理装置

Info

Publication number: JP3415012B2
Application number: JP34641497A
Authority: JP
Inventors: 晴信大山
Original assignee: Hitachi Software Engineering Co Ltd
Current assignee: Hitachi Software Engineering Co Ltd
Priority date: 1997-12-16
Filing date: 1997-12-16
Publication date: 2003-06-09
Anticipated expiration: 2017-12-16
Also published as: JPH11175665A

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、タブレット等から
入力される手書き文字ストローク、ＯＣＲ（光学的文字
読取装置）で読み取った文字イメージなどの認識対象に
ついて得られた候補文字列に対して後処理を行う文字認
識後処理装置および方法に関するものである。

【０００２】

【従来の技術】従来、ＯＣＲ等で読み取った文字イメー
ジなどの認識対象について得られた候補文字列に対する
文字認識の後処理としては、形態素解析を用いた方法と
遷移確率行列を用いた方法の２通りの方法がある。

【０００３】形態素解析を用いた後処理については、例
えば特開昭５９−７８４００号公報（「候補列作成方
式」）に開示されている。この公報に開示された後処理
では、文字認識結果候補を展開処理して文字列を作成
し、その文字列に対して言語辞書から最長一致法によっ
て形態素を求め、最も妥当な形態素が得られる文字列を
選び出すことにより各文字を決定している。

【０００４】一方、確率遷移行列を用いた後処理につい
ては、例えば特開平５−５４１９７号公報（「日本語文
字認識装置」）に開示されている。この公報には、次の
ような後処理が記載されている。

【０００５】（１）文字間の遷移確率を評価し、各文字
の認識候補の中から最適な組み合わせを選択する。（２）漢字を１種類（もしくは、文字の属性を反映した
数種類）の代表文字で置換することにより、文字種を減
らし、遷移確率行列を小型化する。（３）漢字の並びに関しては、言語辞書からの検索処理
により、最適な組み合わせを選択する。また、各漢字を
代表する読みを用いてひらがなに置換し、最適な組み合
わせを選択する。

【０００６】

【発明が解決しようとする課題】しかしながら、上記従
来技術においては、次のような問題点がある。

【０００７】まず、形態素解析を用いた後処理について
は、言語辞書に登録されていない場合は正しい形態素を
求めるのが困難であり、かつ文字認識結果候補そのもの
の信頼度が低い場合、それを求めた形態素の信頼度はさ
らに低くなる。このため、実用化に際して正確な文字認
識結果候補を得るためには、大規模な単語辞書が必要に
なるという問題がある。

【０００８】一方、遷移確率行列を用いた後処理につい
ては、（ａ）日本語は字種が多いため、遷移確率行列が大きく
なり過ぎる。（ｂ）信頼できる遷移確率を得るための学習用のテキス
トを用意するのが困難になる。（ｃ）漢字１文字が「ひらがな」に挟まれている場合
に、その漢字に対する認識結果候補群の中から、最適な
候補を選択する方法がない。また、複数の漢字の並びに
ついては言語辞書を使用することになっているが、これ
では形態素解析と同様に、言語辞書に登録されていない
単語は認識できない、などの問題がある。

【０００９】本発明の目的は、大規模な単語辞書を必要
とせず、かつ大きな遷移確率行列を持たずに正しい認識
結果を得ることができる文字認識後処理装置および方法
を提供することにある。

【００１０】

【課題を解決するための手段】上記目的を解決するため
に、本発明は、文字毎に文字が属する文字カテゴリを記
憶する文字カテゴリ情報記憶手段と、認識した各候補文
字の属する文字カテゴリの集合を前記文字カテゴリ情報
記憶手段に基づき生成する手段と、文字カテゴリ間の遷
移確率を記憶した遷移確率情報記憶手段と、認識した文
字列の各候補文字間の文字カテゴリ毎の遷移確率を前記
遷移確率情報記憶手段から取得し、文字列候補毎に遷移
確率を算出し、遷移確率が最大の文字列候補を最適候補
文字列とする最適パス取得手段とを備えたことを特徴と
する。

【００１１】

【発明の実施の形態】以下、本発明の実施の形態を図面
を用いて具体的に説明する。図１は、本発明の実施の形
態を示す文字認識後処理装置の全体構成図であり、大別
して、手書き文字を入力するタブレット１０、外部記憶
装置２０、データ処理装置３０、認識した文字列等を表
示するディスプレイ装置４０から構成される。タブレッ
ト１０は、ＯＣＲ等の読み取り装置に代えて構成するこ
とが可能である。

【００１２】外部記憶装置２０は、認識した文字の候補
となる文字のパターンを記憶した辞書２１、認識した各
文字の文字カテゴリを記憶している文字カテゴリ情報記
憶部２２、各文字間の遷移確率を記憶した遷移確率情報
記憶部２３から構成されている。

【００１３】データ処理装置３０は、ＣＰＵ３１および
メモリ３２とから構成されている。メモリ３２には、辞
書２１を用いてタブレット１０から入力された認識対象
文字の候補文字を抽出する候補文字集合抽出部３３、こ
の候補文字集合抽出部３３により抽出された候補文字集
合の列３４の中の任意の文字がどういったカテゴリ（日
本語、アルファベット、漢字、かな文字等）に含まれて
いるかという情報を文字カテゴリ情報記憶部２２から取
り出し、その文字の文字カテゴリ属性を生成する文字カ
テゴリ属性生成部３５、文字カテゴリ属性生成部３５に
より生成される文字カテゴリ属性集合の列３６に基づ
き、隣接した文字の遷移確率を文字カテゴリ属性と遷移
確率情報記憶部２３とから取得する遷移確率取得部３
７、文字カテゴリ属性集合の列から生成し得る文字列候
補の中から、動的計画法を用いて遷移確率を最大にする
ものを取得し、認識結果文字列３９として表示装置４０
の画面に表示する最適パス取得部３８を備えている。

【００１４】図２は、本発明で用いる文字カテゴリの意
味を表した図であり、本発明で用いる文字カテゴリは、
図２に示すように、階層構造になっている。階層の最上
位は、「日本語」、「アルファベット」、「その他」と
いうカテゴリーに分けられ、その下位階層がさらに幾つ
かの文字カテゴリに分けられている。例えば、「日本
語」の文字カテゴリーは、その下位が「漢字」と「かな
文字」の文字カテゴリーに分けられ、このうち「かな文
字」はさらに「ひらがな」と「かたかな」の文字カテゴ
リーに分けられている。また、「アルファベット」の文
字カテゴリーは、「大文字」と「小文字」の文字カテゴ
リーに分けられ、「その他」は「数字」と演算子」とい
う文字カテゴリーに分けられている。本実施の形態で
は、このような文字カテゴリーの階層構造において下位
階層に進むことを「詳細化」という。

【００１５】図３は、文字カテゴリ情報記憶部２２に記
憶されている文字カテゴリー情報の例を示す図であり、
文字カテゴリ情報記憶部２２には、文字３０１とそれに
対応する文字カテゴリ３０２から成る文字カテゴリ情報
３００が記憶されている。例えば、図示のように、「第」
という文字はその属性として日本語、漢字、JIS第1水準
漢字、第といった文字カテゴリに含まれているという情
報を持っている。

【００１６】図４は、遷移確率情報記憶部２３に記憶さ
れている遷移確率情報の例を示す図であり、文字遷移４
０１と、各文字遷移に対応する確率４０２から成る遷移
確率情報４００が記憶されている。文字遷移４０１の括
弧「（）」内の数値は図２の文字カテゴリー階層にお
ける詳細化レベルを表わすものである。図４に示す内容
は、例えば、「第（０）→数字（４）」は、詳細化レベ
ル＝０の「第」という文字自体のカテゴリーから詳細化
レベル＝４の数字カテゴリーの文字に遷移する確率が
「０．４」であることを表わしている。

【００１７】図５は、本発明における文字認識処理の概
略を示したフローチャートである。まず、候補文字集合
抽出部３３により、タブレット１０より入力された文字
から辞書２１を参照し、認識候補文字集合の列３４を生
成する（ステップ５０１）。認識候補文字集合の列３４
は、例えば図６に示すように、「第１０回横浜マラソ
ン」という入力文字列の各文字に対する認識候補文字列
から構成される。図示の例における「第１０回横浜マラ
ソン」という入力文字列に対しては、「第ＩＯ回横浜マ
ラソン」、「第１０回模浜マうりし」、「第ｉ０回様浜
マラりン」という認識候補文字列が存在することを示し
ている。

【００１８】次に、文字カテゴリ属性生成部３５によ
り、認識候補文字集合の列３４に含まれる全ての文字に
ついて文字カテゴリ属性を取得して、文字カテゴリ属性
の列３６を生成する(ステップ５０２)。文字カテゴリ属
性の列３６は、図７に示すように、各認識候補文字３６
１とそれに対応する文字カテゴリの列３６２〜３６５か
ら構成されている。ここで、図の文字カテゴリの後に付
されている括弧「（）」内の数値は、当該カテゴリの
詳細化レベルを表している。詳細化レベルは、その文字
カテゴリに属している文字コードの数に応じて付され
る。詳細化レベルは、値が小さいほど詳細なカテゴリで
あるということを表している。例えば、「第」という文字
の属する最も詳細なカテゴリは「第」という文字そのも
ので、その詳細化レベルは「０」である。また、最も抽
象的なカテゴリは「日本語」で、その詳細化レベルは「３
０」である。

【００１９】次に、遷移確率取得部３７により、文字カ
テゴリ属性集合の列３６と図４の遷移確率情報４００か
ら各候補文字間の遷移確率を取得する（ステップ５０
３）。各候補文字間の遷移確率が取得して、図６で示し
た候補文字集合の列である「第１０回横浜マラソン」、
「第ＩＯ回横浜マラソン」、「第ｉ０回様浜マラりン」
中の「第１０回」、「第ＩＯ回」、「第ｉ０回」という
文字列の各文字間の関係を遷移確率を付して図示する
と、図８のようなものとなる。

【００２０】次に、最適パス取得部３８により、ステッ
プ５０３で取得した遷移確率に基づき、複数の候補文字
列から動的計画法を用いて遷移確率が最大となる１つの
候補文字列を取得して、最適候補文字列として得る（ス
テップ５０４）。

【００２１】図９および図１０を用いてステップ５０３
の処理の詳細を説明する。図９は、遷移確率取得の処理
のイメージを表した図である。図９は、ステップ５０３
の遷移確率取得の処理の詳細を示したフローチャートで
ある。

【００２２】ここでは、例として「第」という文字と「１」
という文字の間の遷移確率の取得方法を説明する。まず
図１０のステップ１００１において、変数ｌおよびｒに
「１」をそれぞれ設定し、さらに変数Rmax、Ｌmaxにカ
テゴリー数を設定する。変数Rmaxは、自分自身に対して
右側の文字のカテゴリー数、変数Ｌmaxは自分自身に対
して右側の文字のカテゴリー数である。図９に示すよう
に「第」と「１」は、各々４つの文字カテゴリに含まれ
るので、変数Rmax、Ｌmax共に「４」が設定される。

【００２３】次に、ＣＬ（ｉ）を左側の文字のｉ番目に
詳細な文字カテゴリー、ＣＲ（ｉ）を右側の文字のｉ番
目に詳細な文字カテゴリー、ＤＬ（ｉ）を左側の文字の
ｉ番目に詳細なカテゴリーの詳細度、ＤＲ（ｉ）を右側
の文字のｉ番目に詳細なカテゴリーの詳細度としたと
き、ＣＬ（ｌ）→ＣＲ（ｒ）の遷移確率が辞書（すなわ
ち、遷移確率情報記憶部２３）に登録されているかを判
定する（ステップ１００２）。このＣＬ（ｌ）→ＣＲ
（ｒ）の文字のカテゴリ間に遷移確率が登録されている
場合には、その遷移確率を遷移確率情報記憶部２３から
抽出し取得する（ステップ１００３）。図４の例では、
カテゴリ「第」とカテゴリ「１」については、遷移確率
が登録されていないので、次にｌ＝Lmaxかつｒ=Rmaxか
を判定する（ステップ１００４）、ここでは、ｌ＝Lmax
かつr=Rmaxではないので、次に、左側の文字の詳細化レ
ベルを一段下げた場合の当該文字組合せの詳細化レベル
の合計、右側の文字の詳細化レベルを一段下げた場合の
当該文字組合せ詳細化レベルの合計とを比較する(ステ
ップ１００６)。図９では、「第」の詳細化レベルを一
段下げた「JIS第１水準」（詳細化レベル：１５）と
「１」（詳細化レベル：０）の合計の「１５」と、変数
１の詳細化レベルを下げた「アラビア数字」（詳細化レ
ベル：２）と「第」を（詳細化レベル：０）の合計の
「２」とを比較する。この例ように、左側の文字の詳細
化レベルを一段下げた場合の方が詳細化レベルの合計が
大きい場合には、変数ｒをカウントアップして、右側文
字のカテゴリを一段下げる（ステップ１００６，１００
８）、逆に、ステップ１００６で、右側の文字の詳細化
レベルを一段下げた場合の方が詳細化レベルの合計が大
きい場合には、変数ｌをカウントアップして、左側文字
のカテゴリを一段下げる（ステップ１００７）。

【００２４】ステップ１００４で、ｌ＝Lmaxかつｒ＝Rm
axの場合は、予め定めておいた十分小さな値を遷移確率
とする（ステップ１０００５）。このようにして、２つ
の候補文字間の遷移確率を、遷移確率情報記憶部２３に
登録されている遷移確率情報４００の組み合わせの中
で、詳細化レベルの合計を最小にする組み合わせから得
る。この一連の処理を各候補文字間について行ってい
く。例えば、図６では、「第」と「Ｉ」、「第」と
「１」、「第」と「ｉ」といった順に行っていく。

【００２５】このようにして得た各候補文字間の遷移確
率に基づき、最適パス取得部３８において、動的計画法
を用いて遷移確率が最大となる１つの候補文字列を取得
して最適候補文字列として抽出する。

【００２６】この結果、図８の例では、「第１０回」、
「第ＩＯ回」、「第ｉ０回」という文字列の各文字間の
遷移確率は、「第１０回」の「第」、「１」、「回」と
いう文字間の遷移確率が最大であるため、最終的な候補
文字列として「第１０回」という文字列が抽出される。

【００２７】このように、タブレット等から入力された
文字を認識して得られる候補文字列の各文字に対し文字
カテゴリを付加し、その候補文字の文字カテゴリー間の
遷移確率を評価し、遷移確率が最大となるような文字を
最適候補文字列として出力することにより、大規模な単
語辞書を用いることなく、また大きな遷移確率行列を持
たずに高精度の認識結果を得ることができる。また、遷
移確率情報も同一カテゴリ内（例：漢字→漢字）の遷移
確率については詳細な情報を持ち、カテゴリをまたいだ
遷移（ひらがな→かたかな）については大まかな情報を
持てばよいので、遷移確率情報も大規模なものを必要と
せずに、高精度な認識結果を得ることができる。

【００２８】また、文字認識結果の候補文字の信頼度が
低い場合、各文字に対する候補数が多く、候補の絞り込
みができなくなる。文字列全体の候補数は、各文字に対
する候補数の累積であるため、各文字に対する候補数が
増えると、文字列全体の候補数は爆発的に増加する。こ
のような場合、従来の形態素解析による方法にあって
は、候補文字列の中に、単語辞書に登録されている単語
がない場合、それぞれの候補文字列の確からしさを評価
する方法がなく、候補文字列の中での絞り込みができな
くなる。しかし、本発明の文字カテゴリー間の遷移確率
を用いる方法にあっては、どのような文字列であって
も、各文字の文字カテゴリーの遷移確率の累積を計算す
ることにより、それぞれの文字列の確からしさを評価す
ることができ、これによって候補文字列の中での絞り込
みが可能になる。

【００２９】さらに、漢字１文字が平仮名に挾まれてい
るような文字列、例えば「海は大きい」という文字列の
「は大き」という部分に注目した場合、「大」は「丈」
という文字に類似しているので、「は大き」と「は丈
き」という候補が考えられる。本発明においては、この
ように１文字の認識結果に差がつきにくい文字に関し
て、重点的に遷移確率情報を登録することにより、遷移
確率情報記憶部２３の大きさをそれほど大きくすること
なく、対処することができる。具体的には、次のように
遷移確率情報を登録しておく。「は」→「漢字」＝０．３「大」→「き」＝０．４「漢字」→「き」＝０．１このようにした場合、「は大き」と「は丈き」の文字列
の遷移確率は、「は大き」＝０．３×０．４＝０．１２「は丈き」＝０．３×０．１＝０．０３となり、結果的に「海は大きい」という正しい認識結果
を得ることができる。すなわち、漢字１文字が平仮名に
挾まれているような文字列えであっても正しい認識結果
を得ることができる。

【００３０】なお、本発明は、上記実施形態に限定され
るものではなく、候補文字列の文字カテゴリー情報を取
得する処理以降の処理を、要素技術として既存の文字認
識処理の中に組み込んで構成することができる。また、
図５で示した処理は、コンピュータが実行可能なプログ
ラムとしてＣＤＲＯＭ等の記録媒体に格納されてユーザ
に提供される。または、インタネット等の通信媒体を通
じて有償で提供される。

【００３１】

【発明の効果】本発明によれば、タブレット等から入力
された文字を認識して得られる候補文字列の各文字に対
し文字カテゴリを付加し、その候補文字の文字カテゴリ
ー間の遷移確率を評価し、遷移確率が最大となるような
文字を最適候補文字列として出力することにより、大規
模な単語辞書を用いることなく、また大きな遷移確率行
列を持たずに高精度の認識結果を得ることができる。ま
た、遷移確率情報も同一カテゴリ内（例：漢字→漢字）
の遷移確率については詳細な情報を持ち、カテゴリをま
たいだ遷移（ひらがな→かたかな）については大まかな
情報を持てばよいので、遷移確率情報も大規模なものを
必要とせずに、高精度な認識結果を得ることができる。

【図面の簡単な説明】

【図１】本発明にかかる文字認識後処理装置の実施形態
を示すブロック図である。

【図２】文字カテゴリの概念を示す図である。

【図３】文字カテゴリ情報の例を示す図である。

【図４】遷移確率情報の例を示す図である。

【図５】本発明における後処理の概要を示すフローチャ
ートである。

【図６】候補文字集合の列の例を示す図である。

【図７】文字カテゴリ属性集合の列の一例を示す図であ
る。

【図８】取得した遷移確率の関係を示す図である。

【図９】遷移確率を取得する処理の概要説明図である。

【図１０】遷移確率取得の詳細な処理を表したフローチ
ャートである。

【符号の説明】

１０…タブレット、２０…外部記憶装置、２１…辞書、
２２…文字カテゴリ情報記憶部、２３…遷移確率情報記
憶部、３０…データ処理装置、３１…ＣＰＵ、３２…メ
モリ、３３…候補文字集合抽出部、３４…候補文字集合
の列、３５…文字カテゴリ属性生成部、３６…文字カテ
ゴリ属性集合の列、３７…遷移確率取得部、３８…最適
パス取得部、３９…認識結果文字列、４０…ディスプレ
イ装置。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開平８−180137（ＪＰ，Ａ) 特開平６−162274（ＪＰ，Ａ) 特開平９−282420（ＪＰ，Ａ) 特開平５−108891（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/00 - 9/82

Claims

(57)【特許請求の範囲】

【請求項１】認識された日本語文字列に対して、最適な
候補文字を選択する文字認識後処理装置において、文字毎に当該文字を最下位概念とし、その上位の複数の
概念にわたる階層構造の文字カテゴリ情報を記憶する文
字カテゴリ情報記憶手段と、認識した各候補文字の属す
る文字カテゴリの集合を前記文字カテゴリ情報記憶手段
に記憶された文字カテゴリ情報に基づき生成する手段
と、文字カテゴリ間の遷移確率情報を記憶した遷移確率
情報記憶手段と、前記生成した文字カテゴリの集合に基
づき、各候補文字間の文字カテゴリ毎の遷移確率情報を
前記遷移確率情報記憶手段から取得し、文字列候補毎に
遷移確率を算出し、遷移確率が最大の文字列候補を最適
候補文字列とする最適パス取得手段とを備えることを特
徴とする文字認識後処理装置。
【請求項２】文字毎に当該文字を最下位概念とし、その
上位の複数の概念にわたる階層構造の文字カテゴリ情報
を記憶する文字カテゴリ情報記憶手段と、文字カテゴリ
間の遷移確率情報を記憶した遷移確率情報記憶手段とを
備え、認識された日本語文字列に対して、最適な候補文
字を選択する文字認識後処理方法であって、認識した各候補文字の属する文字カテゴリの集合を前記
文字カテゴリ情報記憶手段に記憶された文字カテゴリ情
報に基づき生成する第１のステップと、生成した文字カテゴリの集合に基づき、各候補文字間の
文字カテゴリごとの遷移確率情報を前記遷移確率情報記
憶手段から取得し、文字列候補毎に遷移確率を算出する
第２のステップと、算出した遷移確率が最大の文字列候補を最適候補文字列
として決定する第３のステップとを備えることを特徴と
する文字認識後処理方法。