JP3727995B2 - 文書処理方法及び装置 - Google Patents
文書処理方法及び装置 Download PDFInfo
- Publication number
- JP3727995B2 JP3727995B2 JP00955096A JP955096A JP3727995B2 JP 3727995 B2 JP3727995 B2 JP 3727995B2 JP 00955096 A JP00955096 A JP 00955096A JP 955096 A JP955096 A JP 955096A JP 3727995 B2 JP3727995 B2 JP 3727995B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- character string
- document processing
- candidate
- word dictionary
- 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.)
- Expired - Lifetime
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Character Discrimination (AREA)
Description
【発明の属する技術分野】
本発明は検索キーワードを指示して文書を検索する文書ファイリング装置に好適な文書処理方法及び装置に関する。
【0002】
【従来の技術】
従来、検索キーワードを指示して文書を検索するこの種の文書ファイリング装置では、画像データを読み込むことにより文書を登録することが可能であると共に、文書を検索するためのキーワードを登録することができるものが存在する。また、読み込んだ画像データからOCR認識機能をつかって、画像データから文字列を抽出する装置も存在する。
【0003】
【発明が解決しようとする課題】
しかしながら、従来の装置では、画像データからOCR認識機能をつかって得られる文字列には複数の候補文字が含まれており、そのままでは上記文書ファイリング装置における検索用キーワードとして用いることはできなかった。このため、従来の文書ファイリング装置では、検索用キーワードを別途入力する必要があり、操作が煩わしかった。
【0004】
本発明は上記の問題に鑑みてなされたものであり、文字認識機能によって画像データより得られた複数の候補文字の中から、文書検索等に必要となる文字列を抽出して当該画像データと対応づけて登録することを可能とし、文書ファイリングの操作性を向上する文書処理方法及び装置を提供することを目的とする。
【0005】
【課題を解決するための手段】
上記の目的を達成するための本発明の文書処理装置は以下の構成を備える。即ち、
検索キーワードとして使用可能な文字列が格納されている単語辞書と、
前記単語辞書に格納されている各文字列から、隣接する2文字の組み合わせを抽出して登録した接続関係テーブルと、
画像データに文字認識処理を施し、各文字画像について1つ又は複数の候補文字を獲得する獲得手段と、
前記獲得手段で獲得した各文字画像の候補文字それぞれについて、隣接する文字画像の候補文字それぞれとの組み合わせが、前記接続関係テーブルに登録されている組み合わせに一致する回数をカウントし、最も一致回数の多い候補文字を当該文字画像の最終候補文字として決定する決定手段と、
前記決定手段で決定された最終候補文字で構成される文字列と前記単語辞書に格納されている文字列とを照合して、一致する文字列を検索キーワードとして抽出する抽出手段と、
前記抽出手段で抽出された文字列を、検索キーワードとして当該画像データに対応づけて格納する格納手段とを備える。
【0006】
また、上記の目的を達成するため、本発明の文書処理方法は以下の工程を備えている。
【0007】
検索キーワードとして使用可能な文字列が格納されている単語辞書と、前記単語辞書に格納されている各文字列から、隣接する2文字の組み合わせを抽出して登録した接続関係テーブルとを有する文書処理装置を制御するための文書処理方法であって、
画像データに文字認識処理を施し、各文字画像について1つ又は複数の候補文字を獲得する獲得工程と、
前記獲得工程で獲得した各文字画像の候補文字それぞれについて、隣接する文字画像の候補文字それぞれとの組み合わせが、前記接続関係テーブルに登録されている組み合わせに一致する回数をカウントし、最も一致回数の多い候補文字を当該文字画像の最終候補文字として決定する決定工程と、
前記決定工程で決定された最終候補文字で構成される文字列と前記単語辞書に格納されている文字列とを照合して、一致する文字列を検索キーワードとして抽出する抽出工程と、
前記抽出工程で抽出された文字列を、検索キーワードとして当該画像データに対応づけて格納する格納工程とを備える。
【0008】
【発明の実施の形態】
以下、図面を参照して本発明の実施形態の一例を説明する。
【0009】
図1は、本発明の一実施形態例による機能構成を表すブロック図である。図1において、1は文書ファイリング装置である。この文書ファイリング装置1は、OCR部10、第1次候補記憶部11、文字接続関係生成部12、接続関係テーブル13、文字接続判定部14、第2次候補記憶部15、最終候補決定部16、最終候補記憶部17、単語辞書18、キーワード生成部19とを備えている。
【0010】
OCR部10はスキャナやフロッピーディスクなどから画像データを読み込み、これをパターン認識によって得られる複数の候補文字列を出力する文字認識処理を行う。第1次候補記憶部11は、OCR部10によって得られた複数の候補文字を後続の処理のために保持する記憶部である。
【0011】
文字接続関係生成部12は単語辞書18のすべての表記文字列から得られる2文字の組み合わせを生成し、接続関係テーブル13に出力する。接続関係テーブル13は上記の文字接続関係生成部12によって生成された2文字の接続関係を記憶するテーブルである。
【0012】
文字接続判別部14は、第1次候補記憶部11に格納されている複数の候補文字から、接続関係テーブル13を参照して複数候補の文字の組み合わせによる一致頻度を求め、その結果を第2次候補記憶部15に出力する。最終候補決定部16は第2次候補記憶部15に格納されている複数の候補文字と、各候補文字に対応する一致頻度から、もっとも一致頻度の高い候補文字を最終候補記憶部17に出力する。
【0013】
単語辞書18は複数の単語を登録し、接続関係テーブル13を生成するために利用されるとともに、最終候補記憶部17に格納された文字列との照合によりキーワードを抽出するために使用される辞書である。キーワード生成部19は、最終候補記憶部17に格納されている文字列のなかから単語辞書18に登録された単語と一致する文字列を抽出してキーワードリストを生成する。
【0014】
以上のような構成の文書ファイリング装置1により、画像データとして読み込まれた文書から文字認識機能により複数の候補文字を含む認識結果を得て、この認識結果の中から、かな漢字変換等にも使われる単語辞書18との照合により、最終候補の決定が行われる。この結果、検索キーワードの生成、登録を自動化することができる。
【0015】
図2は本実施形態における文書ファイリング装置の概略の構成を表すブロック図である。図2において、41はマイクロプロセッサを備えたCPUであり、文書の登録、キーワード登録、縮小キーワードによる文書検索などの各種制御を行う。なお、縮小キーワードとは、通常のキーワードを部分的に分解して得られる文字列をキーワードとしたもので、一般に文字インデックスと呼ばれるものである。例えば縮小キーワードを2文字で構成した場合、「内閣総理」は「内閣」「閣総」「総理」の3つの縮小キーワードで構成される。これは、後述の図4で示す接続関係テーブルと同様のものである。CPU41は、上記のような制御を行うため、バス42を介して以下の各構成要素を制御するものである。なお、BUS42はアドレスバス、コントロールバス、およびデータバスからなる共通バスである。このBUS42を利用して、BUS42に接続された各機器相互間のアドレス信号、制御信号および各種データの転送がおこなわれる。
【0016】
43は入力部であり、キーボードやマウスなどから構成され、当該文書ファイリング装置における文書の登録、検索作業にかかわる動作を指示するための選択機能をもったSWが設けられている。44はスキャナであり、紙面等に記録された文書を光学的に読み込む。スキャナ44で読み取られた画像は、画像データとして本装置内に取り込まれる。そして、取り込まれた画像データから、OCR部10により、複数の候補文字が得られる。
【0017】
45はROM(読み出し専用メモリ)であり、CPU41が実行するための制御プログラムを記憶する。CPU41はこの制御プログラムを実行することにより、文書の登録、検索、画像データからの文字認識、複数の候補文字からの最終候補文字の決定など本実施形態にかかわる処理を行うことができる。46はRAM(ランダムアクセスメモリ)であり、CPU41が文書の登録、検索、文字認識、最終候補文字の決定などを実行する際のワークメモリとして、或は、各構成要素の制御のための一時記憶装置として用いられる。47は電源をきっても記憶内容が保存される外部記憶装置であり、画像データとして読み込まれた文書の登録、文書検索のためのキーワード等が格納される。なお、外部記憶装置47は、例えばハードディスク装置、フロッピーディスク装置によって構成される。
【0018】
48はキャラクタジェネレータであり、表示器51等へ表示すべき文字パターンを生成するために用いられる。単語辞書18には、読みと表記文字列が対応して登録されており、文書入力時のかな漢字変換処理や、OCR部10によって得られた複数の候補文字から最終候補文字を決定するための接続関係テーブル13の生成等に使われる。50は表示制御部で、ランダムアクセスメモリ46に保持された表示データを、表示器51に表示する制御をおこなう。51は表示器であり、陰極線管や液晶などで構成される。
【0019】
図3は本実施形態における単語辞書のデータ構成例を示す図である。単語辞書18は、単語の読みとそれに対応する表記文字列から構成されている。読みは文書入力時に入力された読みに対応する漢字を検索するために用いられる。また、表記文字列は接続関係テーブル13を生成するために利用されるとともに、最終候補文字列のなかから単語を抽出してキーワードを生成するために使われる。
【0020】
図4は本実施形態の接続関係テーブルのデータ構成例を示す図である。接続関係テーブル13には、単語辞書18の表記文字列から2文字の接続する組み合わせすべてを抽出して登録したもので、複数の候補文字から最終候補文字列を決定するための前処理に使われる。なお、接続関係テーブル13はサイズが大きくなるため、文字種早見表を作成して、照合時に該当する文字列のブロックを高速に探し出せるようにしている。文字種早見表には、漢字等の2バイトで構成される文字の場合は、1バイト目が同じもののアドレスが格納される。
【0021】
以上のような構成を備える本実施形態の文書ファイリング装置における動作について以下に説明する。
【0022】
図5は入力画像データ例を示す図である。以下の説明において、図5に示した入力画像データを用いて説明を行う。なお、画像データは文書として保管されるとともに、OCR部10の文字認識機能により、各文字部分に対して複数の候補文字が得られる。
【0023】
図6は、本実施形態において図5に示す画像データを処理した場合の第1次候補記憶部11におけるデータ格納状態を説明する図である。図6において、元の画像データの文字列に対応する複数の候補文字が最大3文字出力されている。OCRによる文字認識では、文字の形状に近い文字を出力するため、図に示すように数字の「0」と英文字の「O」、漢字の「度」と「皮」など複数の候補文字が通常出力されている。
【0024】
図7は、本実施形態において図5に示す画像データを処理した場合の第2次候補記憶部15におけるデータ格納状態を説明する図である。図7に示されるように、第2次候補記憶部15では、複数の候補文字のそれぞれについて文字接続テーブル13との照合により一致した回数が記憶される。
【0025】
例えば、画像データの文字列「OCR」の部分について説明すると、複数の候補文字として「O」には「O、0」が得られている。また、「C」に対応する候補文字としては「し、C」、Rに対応する候補文字としては「尺、R」が出力されている。これらの複数の候補文字の組み合わせとして、「Oし」、「OC」、「0し」、「0C」の順に接続関係テーブル13を参照すると、「OC」のみが一致したので、「O」と「C」の回数にそれぞれ1が加えられる。同様にして次の「CR」に対応する文字列の組み合わせとして、「し尺」、「しR」、「C尺」、「CR」の順に接続関係テーブルを参照すると、「CR」が一致することがわかり、「C」と「R」の回数にそれぞれ1が加えられる。このようにして順次接続テーブル13を参照比較することにより、各候補文字が使用頻度の高い文字かどうかを一致回数で求めることができる。
【0026】
図8は図7に示した第2次記憶部の各候補文字を一致回数の大きい順に並び変えた状態を示す図である。同図では、候補文字を一致回数の大きい順に並びかえることにより、画像データの文字にもっとも近い文字が先頭の候補として得られることを示している。尚、文字接続テーブルとの比較照合で一度も一致していない文字の場合は一致回数が0になっているため、後の最終候補決定処理により無効な文字として無視される。
【0027】
図9は、最終候補記憶部17の内容を示す図である。本実施形態では文字接続テーブル13との比較照合結果により、一致回数のもっとも大きい文字を出力し、一度も一致しない文字は無効文字として「・」に変換されて出力されている。更に、図10は最終候補記憶部17の文字列からキーワードを抽出してキーワードリストに登録する状態を説明する図である。最終候補記憶部17の内容と単語辞書18との照合によりキーワードリストとして有効な単語が得られ、これがキーワードリスト70に登録される。なお、キーワードリスト70は画像データを検索するためのキーワードとして、当該画像データに付属して登録される。
【0028】
以上説明した本実施形態の動作について、図11を参照して更に説明する。図11は本実施形態による文書ファイリング装置の動作手順を説明するフローチャートである。
【0029】
本文書ファイリング装置に電源が投入されると、入力部43、スキャナ44、外部記憶装置47、表示制御部50、RAM46などが初期設定され、文書の登録、検索が可能な状態となる(ステップS1)。次に、入力部43のキーボード等からの指示により、単語辞書18などの辞書関係の更新操作を行うか、またはOCR機能を使った文書登録操作を行うかを選択する(ステップS2)。
【0030】
ステップS2において、単語辞書18等の更新操作が選択されると、ステップS3に進み、読みおよび表記文字列を入力して新たな単語の登録をしたり、単語一覧を表示して不要となった単語の削除を行ったりする。次にステップS4では、更新された単語辞書18の表記文字列から、2文字毎に分割した文字列を抽出する。抽出された2文字ずつのリストとして内容は外部記憶装置47に一時的に格納される。
【0031】
続いてステップS5では、ステップS4で作成された2文字のリストを外部記憶装置47から読み出し、重複のない接続関係テーブル13を作成する。接続関係テーブル13の構成例は図4に示した通りである。更に、次のステップS6では、作成された接続関係テーブルを高速に検索するための文字種早見表を作成する。文字種早見表は作成された接続関係テーブルを適当に分割し、複数の候補文字との照合を高速に行うために利用される。
【0032】
以上のステップS3からステップS6に示したように、単語辞書18への単語の登録/削除が行われるとともに、該単語辞書18の更新に伴って接続関係テーブル13の更新処理が行われる。この結果、単語辞書18と接続関係テーブルの整合性が保たれる。
【0033】
一方、ステップS2において文書登録の操作が指示された場合には、ステップS7からステップS12の一連の登録処理が実行される。
【0034】
ステップS7ではスキャナ44により画像データが入力される。ここで、入力された画像データには、図5で示したように、OCR機能によって認識されるべき文字列が含まれているものとする。入力された画像データは、外部記憶装置47に格納される。次のステップS8では、入力された画像データにたいしてOCR処理が実行され、複数の候補文字が出力される。本実施形態では図6に示すように、画像データに含まれる各文字に対応する複数の候補文字が出力されるものとする。出力された候補文字は図6に示すごとく第1候補記憶部11によって記憶される。
【0035】
次のステップS9では、ステップS8で出力された複数の候補文字を、前後の文字との接続関係により優先度の高い文字であるかどうかを判断する。ここでは、文字接続判別部16が複数の候補文字の夫々について、前後の2文字の組み合わせと図4に示す接続関係テーブルとの比較照合を行い、一致した回数がそれぞれの候補文字に対応する領域に記録される。この結果は、第2次候補記憶部15によって、図7に示されるごとく記憶される。ここで、単語辞書18に登録されている「OCR」、「認識率」、「程度」に対応する候補文字の一致回数が記録されていることがわかる。なお、3文字単語の中の文字(例えばOCRのC)は、前後の2文字との比較照合で2回一致するため、一致回数が2となっている。また、例えば、「率」という文字は、「識率」と「確率」で2回一致するので、一致回数が2となっている。
【0036】
次のステップS10において、最終候補決定部16は、各文字のグループ毎に候補文字を接続関係テーブル13との比較照合によって得られた一致回数順にならべ変える。そして、それぞれの先頭の候補文字を最終候補文字として最終候補記憶部17へ出力する。このとき、先頭の候補であっても一致回数が0の文字はキーワードとしては無効なので「・」に置き換えて出力される。出力結果は図9に示すようにキーワードとして必要な文字のみが出力されている。最終候補記憶部17は入力した最終候補文字列を図9の如く記憶する。
【0037】
次に、ステップS11では、キーワード生成部19が、最終候補文字列に格納されている文字列と単語辞書の表示文字列との照合を行い、一致する文字列のみをキーワードリスト70に出力する。本実施形態では単語辞書に登録されている「OCR」、「認識率」、「程度」の3つの単語がキーワードとして出力されることになる。
【0038】
そして、ステップS12では、スキャナーから入力され、外部記憶装置47に格納された画像データに、キーワードリスト70に記憶されたキーワードを対応付けし、画像データとキーワードとの関係を登録する。この結果、本実施形態では、上記3つのキーワードのうちのいずれかを指示して検索することにより、当該画像データを呼び出すことができる。
【0039】
このように、画像データを登録するときに、OCR機能によって得られた複数の候補文字から適切な文字を自動的に決定し、文書検索のためのキーワードとして利用することができるようになった。
【0040】
なお、上記実施形態ではOCR機能によって得られた複数の候補文字の中からもっとも一致回数の多いものを選択する様にしたが、一致回数が同じものが複数得られた場合は最終候補決定時に複数のキーワードを出力することも可能である。この場合、例えば、後処理で構文解析などを行って精度を向上することができる。即ち、同じ優先順位の複数候補はそのまま残し、後処理で精度向上を図ることができる。
【0041】
以上説明したように、本実施形態によれば、スキャナやフロッピーディスクなどからの画像データを登録するに際して、OCR機能により得られる複数の候補文字の中から適切な文字を検索用キーワードとして自動的に決定することができる。このため、文書画像データに検索用のキーワードを付与して登録する文書ファイリング装置における、文書画像データと検索キーワードの自動登録が可能になる。即ち、検索用キーワードの登録作業が不要となり、操作性が著しく向上する。
【0042】
また、接続関係テーブルは文字の組み合わせのみをテーブルとして作成されているが、単語追加時に登録済みの場合は出現回数をカウントして単語辞書に出現する頻度を考慮したテーブルにすることによってより精度を上げることも可能である。
【0043】
また、上記実施形態によれば、単語辞書18と仮名漢字変換処理に用いられる辞書とを共用することにより、辞書メモリの容量を低減することができる。
【0044】
また、OCR認識機能により画像として読み込まれた文書の中からすべての文字が検索用キーワードとして得られるため、キーワード登録が不要な全文検索システムを構成することが可能となる。
【0045】
なお、本発明は、複数の機器(例えばホストコンピュータ,インタフェイス機器,リーダ,プリンタなど)から構成されるシステムに適用しても、一つの機器からなる装置(例えば、複写機,ファクシミリ装置など)に適用してもよい。
【0046】
また、本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ(またはCPUやMPU)が記憶媒体に格納されたプログラムコードを読出し実行することによっても、達成されることは言うまでもない。
【0047】
この場合、記憶媒体から読出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。
【0048】
プログラムコードを供給するための記憶媒体としては、例えば、フロッピディスク,ハードディスク,光ディスク,光磁気ディスク,CD−ROM,CD−R,磁気テープ,不揮発性のメモリカード,ROMなどを用いることができる。
【0049】
また、コンピュータが読出したプログラムコードを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているOS(オペレーティングシステム)などが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【0050】
さらに、記憶媒体から読出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるCPUなどが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。
【0051】
本発明を上記記憶媒体に適用する場合、その記憶媒体には、先に説明したフローチャートに対応するプログラムコードを格納することになるが、簡単に説明すると、図12のメモリマップ例に示す各モジュールを記憶媒体に格納することになる。
【0052】
すなわち、少なくとも「獲得処理モジュール」「決定処理モジュール」「生成処理モジュール」及び「格納処理モジュール」の各モジュールのプログラムコードを記憶媒体に格納すればよい。
【0053】
ここで、獲得処理モジュールは、画像データに対して文字認識処理を施し、各文字画像毎に1つ又は複数の文字候補を獲得する獲得処理を実現するプログラムモジュールである。また、決定処理モジュールは、獲得処理で獲得された複数の文字候補の夫々について、近接する文字画像の文字候補との接続状態に基づいて採用すべき候補文字を決定する決定処理を実現するプログラムモジュールである。また、生成処理モジュールは、決定処理で採用すべきとされた候補文字に基づいて格納すべき文字列(検索用のキーワードとなる)を生成する生成処理を実現するプログラムモジュールである。更に、格納処理モジュールは、上記画像データと、生成処理で生成された格納すべき文字列とを対応づけて格納する格納処理を実現するプログラムモジュールである。
【0054】
なお、上記実施形態で説明したように、決定処理モジュールには接続関係テーブルを、生成処理モジュールには単語辞書を含ませてもよい。更に、単語辞書に対して新たな単語の追加や、不要な単語の削除を行う等の更新操作を可能とするプログラムモジュールがあっても良い。この場合、上記実施形態で説明したように、単語辞書の更新に伴って接続関係テーブルを更新するようにし、両者のせい合成が常に保たれるようにすることが望ましい。
【0055】
【発明の効果】
以上説明したように、本発明によれば、文字認識機能によって画像データより得られた複数の候補文字の中から、文書検索等に必要となる文字列(単語)を抽出して当該画像データと対応づけて登録することが可能となる。このため、抽出された文字列を検索用キーワードとして用いることが可能となる。即ち、画像データに検索用キーワードを付与して登録するファイリングシステムにおいて、検索用キーワードの登録作業が不要となり、操作性が著しく向上する。
【0056】
また、本発明の他の構成によれば、文書検索等に必要となる文字列の抽出に際して複数文字の接続関係を登録した接続表、複数の単語を登録した単語辞書を用いるので、例えば検索用キーワードを自動生成する際の参照データの更新によるカスタマイズ等のメンテナンスが容易となる。
【0057】
また、本発明の他の構成によれば、上記単語辞書に登録された単語に含まれる文字列に基づいて上記接続表を自動的に生成することが可能となる。このため、単語辞書を更新した場合等において、更新語の単語辞書から接続表が自動的に生成される。このため、単語辞書と接続表との整合性が常時保たれる。
【0058】
また、本発明の他の構成によれば、単語辞書に登録された全ての単語より抽出され得る2文字の文字列の全てを接続表として登録するので、2文字以上で構成される単語を検出することが可能となる。
【0059】
【図面の簡単な説明】
【図1】本発明の一実施形態例による機能構成を表すブロック図である。
【図2】本実施形態における文書ファイリング装置の概略の構成を表すブロック図である。
【図3】本実施形態における単語辞書のデータ構成例を示す図である。
【図4】本実施形態の接続関係テーブルのデータ構成例を示す図である。
【図5】入力画像データ例を示す図である。
【図6】本実施形態において図5に示す画像データを処理した場合の第1次候補記憶部11におけるデータ格納状態を説明する図である。
【図7】本実施形態において図5に示す画像データを処理した場合の第2次候補記憶部15におけるデータ格納状態を説明する図である。
【図8】図7に示した第2次記憶部の各候補文字を一致回数の大きい順に並び変えた状態を示す図である。
【図9】最終候補記憶部17の内容を示す図である。
【図10】最終候補記憶部17の文字列からキーワードを抽出してキーワードリストに登録する状態を説明する図である。
【図11】本実施形態による文書ファイリング装置の動作手順を説明するフローチャートである。
【図12】本発明にかかるプログラムの構造的特徴を示す図である。
【符号の説明】
1 文書ファイリング装置
10 OCR部
11 第1次候補記憶部
12 文字接続関係生成部
13 接続関係テーブル
14 文字接続判別部
15 第2次候補記憶部
16 最終候補決定部
17 最終候補記憶部
18 単語辞書
19 キーワード生成部
Claims (12)
- 検索キーワードとして使用可能な文字列が格納されている単語辞書と、
前記単語辞書に格納されている各文字列から、隣接する2文字の組み合わせを抽出して登録した接続関係テーブルと、
画像データに文字認識処理を施し、各文字画像について1つ又は複数の候補文字を獲得する獲得手段と、
前記獲得手段で獲得した各文字画像の候補文字それぞれについて、隣接する文字画像の候補文字それぞれとの組み合わせが、前記接続関係テーブルに登録されている組み合わせに一致する回数をカウントし、最も一致回数の多い候補文字を当該文字画像の最終候補文字として決定する決定手段と、
前記決定手段で決定された最終候補文字で構成される文字列と前記単語辞書に格納されている文字列とを照合して、一致する文字列を検索キーワードとして抽出する抽出手段と、
前記抽出手段で抽出された文字列を、検索キーワードとして当該画像データに対応づけて格納する格納手段とを備えることを特徴とする文書処理装置。 - 前記格納手段によって検索キーワードとして格納された文字列を用いて、格納されている画像データの検索を行う検索手段を更に備えることを特徴とする請求項1に記載の文書処理装置。
- 前記決定手段は、文字画像の全ての候補文字について前記一致回数が0回であった場合、当該文字画像に対する最終候補文字を検索キーワードとして無効な文字であると決定することを特徴とする請求項1に記載の文書処理装置。
- 前記抽出手段は、前記最終候補文字で構成される文字列から前記無効な文字を除いた文字列と前記単語辞書に格納されている文字列とを照合して、一致する文字列を検索キーワードとして抽出することを特徴とする請求項3に記載の文書処理装置。
- 前記単語辞書が更新された場合、当該更新された単語辞書に含まれる文字列に基づいて前記接続関係テーブルを生成する接続関係テーブル生成手段を更に備えることを特徴とする請求項1に記載の文書処理装置。
- 前記接続関係テーブル生成手段は、前記単語辞書に登録された全ての単語の文字列において隣接する2文字間の組み合わせ全てを、前記接続関係テーブルに登録することを特徴とする請求項5に記載の文書処理装置。
- 検索キーワードとして使用可能な文字列が格納されている単語辞書と、前記単語辞書に格納されている各文字列から、隣接する2文字の組み合わせを抽出して登録した接続関係テーブルとを有する文書処理装置を制御するための文書処理方法であって、
文書処理装置の備える獲得手段が、画像データに文字認識処理を施し、各文字画像について1つ又は複数の候補文字を獲得する獲得工程と、
文書処理装置の備える決定手段が、前記獲得工程で獲得した各文字画像の候補文字それぞれについて、隣接する文字画像の候補文字それぞれとの組み合わせが、前記接続関係テーブルに登録されている組み合わせに一致する回数をカウントし、最も一致回数の多い候補文字を当該文字画像の最終候補文字として決定する決定工程と、
文書処理装置の備える抽出手段が、前記決定工程で決定された最終候補文字で構成される文字列と前記単語辞書に格納されている文字列とを照合して、一致する文字列を検索キーワードとして抽出する抽出工程と、
文書処理装置の備える格納手段が、前記抽出工程で抽出された文字列を、検索キーワードとして当該画像データに対応づけて格納する格納工程とを備えることを特徴とする、文書処理装置を制御するための文書処理方法。 - 文書処理装置の備える検索手段が、前記格納工程によって検索キーワードとして格納された文字列を用いて、格納されている画像データの検索を行う検索工程を更に備えることを特徴とする請求項7に記載の文書処理方法。
- 前記決定工程では、文字画像の全ての候補文字について前記一致回数が0回であった場合、当該文字画像に対する最終候補文字を検索キーワードとして無効な文字であると決定することを特徴とする請求項7に記載の文書処理方法。
- 前記抽出工程では、前記最終候補文字で構成される文字列から前記無効な文字を除いた文字列と前記単語辞書に格納されている文字列とを照合して、一致する文字列を検索キーワードとして抽出することを特徴とする請求項9に記載の文書処理方法。
- 文書処理装置の備える接続テーブル生成手段が、前記単語辞書が更新された場合、当該更新された単語辞書に含まれる文字列に基づいて前記接続関係テーブルを生成する接続関係テーブル生成工程を更に備えることを特徴とする請求項7に記載の文書処理方法。
- 前記接続関係テーブル生成工程は、前記単語辞書に登録された全ての単語の文字列において隣接する2文字間の組み合わせ全てを、前記接続関係テーブルに登録することを特徴とする請求項11に記載の文書処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP00955096A JP3727995B2 (ja) | 1996-01-23 | 1996-01-23 | 文書処理方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP00955096A JP3727995B2 (ja) | 1996-01-23 | 1996-01-23 | 文書処理方法及び装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH09198404A JPH09198404A (ja) | 1997-07-31 |
JP3727995B2 true JP3727995B2 (ja) | 2005-12-21 |
Family
ID=11723396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP00955096A Expired - Lifetime JP3727995B2 (ja) | 1996-01-23 | 1996-01-23 | 文書処理方法及び装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3727995B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3620299B2 (ja) * | 1998-08-06 | 2005-02-16 | 三菱電機株式会社 | 文書ファイリング装置及び文書ファイリング方法 |
JP2004171316A (ja) * | 2002-11-21 | 2004-06-17 | Hitachi Ltd | Ocr装置及び文書検索システム及び文書検索プログラム |
WO2007034651A1 (ja) * | 2005-09-26 | 2007-03-29 | Access Co., Ltd. | 放送受信装置、文字入力方法、およびコンピュータプログラム |
JP4738180B2 (ja) | 2006-01-17 | 2011-08-03 | 株式会社リコー | 画像処理装置および電子ファイル生成方法 |
CN101493896B (zh) * | 2008-01-24 | 2013-02-06 | 夏普株式会社 | 文档图像处理装置及文档图像处理方法 |
DK176835B1 (da) * | 2008-03-07 | 2009-11-23 | Jala Aps | Fremgangsmåde til skanning, medium indeholdende et program til udövelse af fremgangsmåden samt system til udövelse af fremgangsmåden |
JP6287529B2 (ja) * | 2014-04-18 | 2018-03-07 | 富士通株式会社 | キーワード決定装置、キーワード決定プログラム及びキーワード決定方法 |
-
1996
- 1996-01-23 JP JP00955096A patent/JP3727995B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH09198404A (ja) | 1997-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5706365A (en) | System and method for portable document indexing using n-gram word decomposition | |
EP0844583B1 (en) | Method and apparatus for character recognition | |
JP2726568B2 (ja) | 文字認識方法及び装置 | |
JPH0797373B2 (ja) | 文書フアイリングシステム | |
US5768451A (en) | Character recognition method and apparatus | |
JP2004348591A (ja) | 文書検索方法及び装置 | |
JPH06325076A (ja) | 入力テキストをワードで区切る方法 | |
US20020169763A1 (en) | Method and system for expanding document retrieval information | |
JP2007122403A (ja) | 文書タイトルおよび関連情報の自動抽出装置、抽出方法および抽出プログラム | |
US20020035466A1 (en) | Automatic translator and computer-readable storage medium having automatic translation program recorded thereon | |
JPH087033A (ja) | 情報処理方法及び装置 | |
JP3727995B2 (ja) | 文書処理方法及び装置 | |
JPH07152774A (ja) | 文書検索方法および装置 | |
JP2001344282A (ja) | 文書検索方法および装置 | |
JP7172343B2 (ja) | 文書検索用プログラム | |
JP2560656B2 (ja) | 文書ファイリングシステム | |
JP3825829B2 (ja) | 登録情報検索装置及びその方法 | |
JPH1011431A (ja) | 漢字検索装置および方法 | |
JP3787384B2 (ja) | 文書検索装置及びその方法 | |
JPH113401A (ja) | 情報処理装置及びその方法 | |
JP2932667B2 (ja) | 情報の検索方法および情報蓄積装置 | |
JPH08272813A (ja) | ファイリング装置 | |
JP3924899B2 (ja) | テキスト検索装置およびテキスト検索方法 | |
JPH0954781A (ja) | 文書検索システム | |
JPH11191107A (ja) | 文書処理方法とその装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050506 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050704 |
|
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: 20050922 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050930 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091007 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091007 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101007 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101007 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111007 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111007 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121007 Year of fee payment: 7 |