JP6810302B1 - データ処理装置、データ処理方法及びプログラム - Google Patents

Abstract

データ処理装置１は、証憑データを取得するデータ取得部１３１と、証憑データに含まれる複数の文字列を特定する文字列特定部１３２と、文字列特定部１３２が特定することができなかった文字列である誤認識文字列が存在する場合に、誤認識文字列以外の一以上の認識文字列の内容に基づいて、誤認識文字列の候補である一以上の候補文字列を決定する候補決定部１３３と、一以上の候補文字列を出力する出力部１３４と、を有する。

Description

本発明は、証憑データを処理するデータ処理装置、データ処理方法及びプログラムに関する。

従来、文書を文字認識した結果に誤りがある場合に、誤認識された文字列を修正する機能を有する画像処理装置が知られている。特許文献１には、漢字の旧字と新字の違いや漢字の送り仮名の違い等の誤認識パターンに基づいて、誤認識した文字列を修正する技術が開示されている。

特開２０１９−０４０４６７号公報

近年、請求書又は納品書等の証憑に記載された文字列を認識し、認識した文字列を証憑管理用コンピュータで管理するシステムが使用されている。このような証憑に記載された文字列が正しく認識されないと、証憑管理用コンピュータに適切な内容が登録されないので、経理処理に支障が生じてしまう。従来の技術により、誤認識パターンに当てはまる誤認識であれば、文字列が正しく修正される場合があるが、誤認識パターンに当てはまらない誤認識が生じた場合、文字列が正しく修正されないという問題があった。

そこで、本発明はこれらの点に鑑みてなされたものであり、証憑データを管理するコンピュータに登録される証憑データの内容の精度を高めることを目的とする。

本発明の第１の態様のデータ処理装置は、証憑データを取得するデータ取得部と、前記証憑データに含まれる複数の文字列を特定する文字列特定部と、前記文字列特定部が特定することができなかった文字列である誤認識文字列が存在する場合に、前記誤認識文字列以外の一以上の認識文字列の内容に基づいて、前記誤認識文字列の候補である一以上の候補文字列を決定する候補決定部と、前記一以上の候補文字列を出力する出力部と、を有する。

前記候補決定部は、前記誤認識文字列と同じ列又は同じ行に含まれている前記一以上の認識文字列の内容に基づいて前記一以上の候補文字列を決定してもよい。

前記候補決定部は、前記誤認識文字列と同じ行又は同じ列に含まれている前記一以上の認識文字列の少なくとも一つが項目名を示している場合に、前記誤認識文字列と同じ列又は同じ行に含まれている前記一以上の認識文字列の内容に対応する項目名を示す前記一以上の候補文字列を決定してもよい。

前記候補決定部は、前記誤認識文字列と同じ列又は同じ行に含まれている前記一以上の認識文字列の桁数に基づいて前記一以上の候補文字列を決定してもよい。

前記候補決定部は、前記誤認識文字列の前記証憑データにおける位置に基づいて、前記一以上の候補文字列を決定してもよい。

前記候補決定部は、前記誤認識文字列の前記証憑データにおける位置に基づいて前記誤認識文字列が項目を示す文字列であると判定した場合に、項目名に対応する文字列を前記一以上の候補文字列に決定してもよい。

前記候補決定部は、前記誤認識文字列の前記証憑データにおける位置に基づいて前記誤認識文字列が項目を示す文字列であると判定した場合に、それぞれが複数の項目名を示す複数の候補文字列を含むテンプレートを作成してもよい。

前記候補決定部は、前記一以上の認識文字列が示す数値と消費税率とに基づいて、前記一以上の候補文字列を決定してもよい。

前記データ取得部が過去に取得した複数の前記証憑データである複数の過去証憑データと、前記複数の過去証憑データそれぞれに含まれている複数の文字列とを関連付けて記憶する記憶部をさらに有し、前記候補決定部は、前記複数の過去証憑データのうち、前記データ取得部が取得した前記証憑データに類似する類似証憑データにおいて、前記証憑データにおける前記誤認識文字列の位置に対応する位置に含まれている文字列に基づいて前記一以上の候補文字列を決定してもよい。

前記文字列特定部は、証憑データと複数の文字列との組み合わせを教師データとして学習し、入力された前記証憑データに対応する前記複数の文字列を出力する機械学習モデルに前記証憑データを入力することにより、前記複数の文字列を特定し、前記出力部は、前記複数の文字列それぞれに関連付けて、文字列が正しく特定されている確率に対応する信頼度を示す情報を出力してもよい。

前記候補決定部は、証憑データと複数の候補文字列との組み合わせを教師データとして学習し、入力された前記証憑データに含まれている一つの文字列に関連付けて前記一以上の候補文字列を出力する機械学習モデルに前記証憑データを入力することにより、前記一以上の候補文字列を決定し、前記出力部は、前記一以上の候補文字列それぞれに関連付けて、前記候補文字列が正しい文字列である確率に対応する信頼度を示す情報を出力してもよい。

本発明の第２の態様のデータ処理方法は、コンピュータが実行する、証憑データを取得するステップと、前記証憑データに含まれる複数の文字列を特定するステップと、特定することができなかった文字列である誤認識文字列が存在する場合に、前記誤認識文字列以外の一以上の認識文字列の内容に基づいて、前記誤認識文字列の候補である一以上の候補文字列を決定するステップと、前記一以上の候補文字列を出力するステップと、を有する。

本発明の第３の態様のプログラムは、コンピュータに、証憑データを取得するステップと、前記証憑データに含まれる複数の文字列を特定するステップと、特定することができなかった文字列である誤認識文字列が存在する場合に、前記誤認識文字列以外の一以上の認識文字列の内容に基づいて、前記誤認識文字列の候補である一以上の候補文字列を決定するステップと、前記一以上の候補文字列を出力するステップと、を実行させる。

本発明によれば、証憑データを管理するコンピュータに登録される証憑データの内容の精度を高めることができるという効果を奏する。

データ処理システムの構成を説明するための図である。 請求書データの例を示す図である。 請求書データの例を示す図である。 請求書データの例を示す図である。 データ処理装置の構成を示す図である。 候補決定部が桁数に基づいて候補文字列を決定した請求書データを示す図である。 図６に示した請求書データにおけるＸ５の項目名が税額であることが特定されている請求書データを示す図である。 項目名の候補文字列を含むテンプレートが表示された請求書データを示す図である。 消費税率に基づいて金額を示す候補文字列が表示されている請求書データを示す図である。 データ処理装置の処理の流れを示すフローチャートである。 データ処理装置の処理の流れを示すフローチャートである。

［データ処理システムＳの概要］
図１は、データ処理システムＳの構成を説明するための図である。データ処理システムＳは、証憑の画像を読み取って得られた証憑データを処理するためのシステムである。証憑は、取引内容又は取引条件が記載された書類であり、例えば見積書、注文書、又は請求書である。証憑データは、証憑に含まれる複数の文字列に対応する複数のテキストデータを含むデータである。以下の説明においては証憑が請求書である場合を例示するが、本実施形態は、請求書以外の証憑にも適用することができる。

データ処理システムＳは、データ処理装置１と、経理端末２と、従業員端末３と、を備える。データ処理装置１、経理端末２及び従業員端末３は、ネットワークＮを介してデータを送受信する。ネットワークＮは、例えばインターネット又はイントラネットを含む。

データ処理装置１は、各種の証憑データを管理するコンピュータである。データ処理装置１は、経理端末２又は従業員端末３から証憑の画像データを含むファイルを取得し、取得した画像データにおいて特定された文字列に基づいて、証憑データを作成してもよく、経理端末２又は従業員端末３から証憑データを含むファイルを取得してもよい。

本実施形態に係るデータ処理装置１は、請求先企業が受け取った請求書の内容を示す請求書データを管理する。データ処理装置１は、過去に請求先企業が受け取った請求書の内容、及びそれぞれの請求書に関連する部門を示す複数の過去請求書データを含む請求書データベースを記憶しており、経理端末２からの要求に応じて、記憶している請求書データの内容を経理端末２に提供する。データ処理装置１は、証憑データに含まれている文字列を認識し、証憑データを管理するシステム（例えば経理用の基幹システム）のデータベースに登録されるデータを出力してもよい。

データ処理装置１は、例えば人工知能を用いて請求書データに含まれている文字列を認識するが、文字列を正しく認識できないという場合がある。誤認識された文字列がデータベースに登録されてしまうと、経理処理に支障が生じるので、データ処理装置１は、データベースに文字列が登録される前に、誤認識された文字列を修正できるようにする。データ処理装置１は、データベースに文字列が登録された後に、誤認識された文字列を修正できるようにしてもよい。データ処理装置１は、証憑データを確認する担当者（本明細書においては経理担当者）が、実際に証憑に記載されていた文字列と同一の正しい文字列に修正をしやすくするために、証憑に記載されていた蓋然性が比較的高い文字列の候補を表示することを特徴としている。

経理端末２は、請求書を受領した請求先企業においてデータ処理装置１を利用する従業員（例えば経理担当者）が使用するコンピュータである。経理端末２は、例えばイントラネットを介してデータ処理装置１との間で各種のデータを送受信する。

経理端末２は、例えば経理担当者がスキャナで読み取った請求書の画像データをデータ処理装置１に送信する。また、経理端末２は、経理担当者の指示に応じてデータ処理装置１が記憶している請求書データベースにアクセスして、経理担当者が指定した請求書データを表示する。経理端末２は、例えば、データ処理装置１が特定した部門名又は部門別配賦率を表示する。図１は１台の経理端末２を示しているが、複数の経理端末２がデータ処理装置１にアクセスしてもよい。

従業員端末３は、商品等を請求元企業に発注した請求先企業の従業員が使用するコンピュータである。従業員端末３は、従業員が請求書を受け取った場合に、従業員の操作に応じて請求書の画像データをデータ処理装置１に送信する。

図２から図４は、データ処理装置１が実行する処理の概要を説明するための請求書データの例を示す図であり、例えば経理端末２に表示される画像データである。図２に示す請求書データは、請求書データに記載された全ての文字列が正しく表示されている。図３に示す請求書データは、請求書の明細の各項目（納品日、品名、数量、金額、税額）の名称を示す文字列が適切に認識されなかった状態を示しており、項目欄にＸ１、Ｘ２、Ｘ３、Ｘ４、Ｘ５と表示されている。

図４は、図３の画面が経理端末２に表示された状態で、経理端末２を使用する経理担当者がＸ１の部分にカーソルを当てた状態の画像データを示している。データ処理装置１は、図４に示すように、経理担当者により選択された位置に記載されていた文字列の候補（以下、「候補文字列」という）を表示する。

図４に示す例において、データ処理装置１（後述する出力部１３４）は、経理端末２が表示するように、複数の候補文字列それぞれに関連付けて、候補文字列が正しく特定されている確率に対応する信頼度を示す情報を出力している。信頼度は、データ処理装置１が決定した候補文字列が実際に請求書に記載された文字列と同一である蓋然性に対応している。データ処理装置１は、例えば人工知能エンジンを用いて候補文字列を決定する場合、人工知能エンジンが出力した文字列が正しい文字列である確率、又は信頼度を示すテキストデータ（例えば「信頼度高」、「信頼度中」、「信頼度低」）を出力する。

データ処理装置１は、表示された候補文字列のうち１つを選択する操作を経理担当者から受けると、請求書データのＸ１の位置に記載されていた文字列として、証憑データを管理するコンピュータに選択された候補文字列を登録する。データ処理装置１は、このように動作することで、証憑データを管理するコンピュータに登録される証憑データの内容の精度を高めることができる。また、データ処理装置１は、請求データの内容を確認する経理担当者の業務負荷を減らすことも可能にする。なお、図３及び図４に示した例は、データ処理装置１が候補文字列を出力する各種の態様の一例であり、他の例の詳細については後述する。

［データ処理装置１の構成及び動作］
図５は、データ処理装置１の構成を示す図である。データ処理装置１は、通信部１１と、記憶部１２と、制御部１３とを有する。制御部１３は、データ取得部１３１と、文字列特定部１３２と、候補決定部１３３と、出力部１３４とを有する。

通信部１１は、ネットワークＮを介して経理端末２及び従業員端末３と各種のデータを送受信するための通信コントローラを有する。通信部１１は、例えば経理端末２から受信したデータをデータ取得部１３１に入力する。また、通信部１１は、出力部１３４から入力されたデータを、例えば経理端末２に送信する。

記憶部１２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）及びハードディスク等の記憶媒体を有する。記憶部１２は、制御部１３が実行するプログラムを記憶している。記憶部１２は、通信部１１を介して受信した請求書の画像データを一時的に記憶するワークメモリとしても機能する。記憶部１２は、過去の請求書の請求書データを記憶してもよい。

制御部１３は、例えばＣＰＵ（Central Processing Unit）を有する。制御部１３は、記憶部１２に記憶されたプログラムを実行することにより、データ取得部１３１、文字列特定部１３２、候補決定部１３３及び出力部１３４として機能する。

データ取得部１３１は、通信部１１を介して各種のデータを取得する。データ取得部１３１は、例えば経理端末２又は３から送信された証憑データを取得する。データ取得部１３１は、取得した証憑データを文字列特定部１３２に入力する。データ取得部１３１は、証憑データを記憶部１２に記憶させてもよい。

また、データ取得部１３１は、経理端末２における操作内容を示すデータを取得してもよい。指示データは、例えば複数の候補文字列から経理端末２の経理担当者が選択した候補文字列を示す選択データである。データ取得部１３１は、取得した選択データを候補決定部１３３に通知する。

文字列特定部１３２は、証憑データに含まれる複数の文字列を特定する。文字列特定部１３２は、例えばＯＣＲ（Optical Character Recognition）を用いて文字認識することにより複数の文字列を特定する。一例として、文字列特定部１３２は、証憑データと複数の文字列との組み合わせを教師データとして学習し、入力された証憑データに対応する複数の文字列を出力する機械学習モデル（すなわち人工知能エンジン）に証憑データを入力することにより、複数の文字列を特定する。

文字列特定部１３２は、さらに、証憑データに含まれる複数の文字列のそれぞれを正しく特定できたか否かを判定する。文字列特定部１３２は、例えば人工知能エンジンが、文字列を認識することができなかったという結果を出力した場合、又は複数の文字列を出力した場合、当該文字列を正しく特定できなかったと判定する。文字列特定部１３２は、文字列を正しく特定することができなかった場合、特定できなかった文字列の証憑データにおける位置を候補決定部１３３に通知する。以下の説明において、正しく特定することができなかった文字列を誤認識文字列という。

候補決定部１３３は、文字列特定部１３２が特定することができなかった文字列である誤認識文字列が存在する場合に、誤認識文字列以外の一以上の認識文字列の内容に基づいて、誤認識文字列の候補である一以上の候補文字列を決定する。誤認識文字列以外の一以上の認識文字列は、証憑データに含まれている文字列のうち、正しく認識された文字列である。

候補決定部１３３は、決定した一以上の候補文字列を出力部１３４に通知し、出力部１３４は、一以上の候補文字列を出力する。出力部１３４は、通信部１１を介して、一以上の候補文字列を経理端末２に送信したり、データ処理装置１に接続されたディスプレイに表示したり、データ処理装置１に接続されたプリンタに出力したりする。

また、候補決定部１３３は、データ取得部１３１を介して、経理担当者が選択した候補文字列を示す選択データを取得すると、選択データが示す候補文字列を、誤認識文字列に対応する文字列に決定する。候補決定部１３３は、誤認識文字列が含まれていた請求書データに関連付けて、決定した文字列を記憶部１２に記憶させてもよく、出力部１３４を介して、決定した文字列を外部に出力してもよい。

出力部１３４は、一以上の候補文字列に対応する誤認識文字列と同じ列又は同じ行に含まれている他の文字列と重ならない位置に一以上の候補文字列が配置されるように一以上の候補文字列を出力してもよい。図２に示す例においては、誤認識文字列がＸ１である場合に、Ｘ１と同じ列の文字列及び同じ行の文字列と重ならないように候補文字列が表示されている。出力部１３４がこのような態様で候補文字列を出力することにより、経理担当者が、同じ列又は同じ行の他の文字列に基づいて、最適な候補文字列を選択しやすくなる。

［候補文字列の決定方法の詳細］
以下、候補決定部１３３が候補文字列を決定するための各種の方法を詳細に説明する。
候補決定部１３３は、例えば、誤認識文字列と同じ列又は同じ行に含まれている一以上の認識文字列の内容に基づいて一以上の候補文字列を決定する。

図３に示した請求書データにおいて誤認識文字列がＸ１である場合、候補決定部１３３は、Ｘ１と同じ列の文字列である「６／１０」、「６／１０」、「６／２０」、「６／２２」に基づいて、Ｘ１が含まれている列に日付が記載されているということを特定する。さらに、候補決定部１３３は、Ｘ１が列の最上部に位置していることを特定する。このような場合、候補決定部１３３は、Ｘ１が、請求書データにおいて複数の日付が記載されている列の項目名であると判定し、項目名として記載されている確率が高い「納品日」、「発注日」、「検収日」を候補文字列に決定する。

候補決定部１３３は、同じ列又は同じ行に含まれている日付に基づいて、誤認識文字列の日付に対応する候補文字列を決定してもよい。例えば、文字列特定部１３２が特定した文字列が「６／１０」、「６／１８」、「６／２Ｘ」、「６／２２」である場合、候補決定部１３３は、Ｘが０又は１であると判定し、「６／２０」又は「６／２１」を候補文字列に決定する。

候補決定部１３３は、誤認識文字列の証憑データにおける位置に基づいて、一以上の候補文字列を決定してもよい。候補決定部１３３は、例えば、誤認識文字列の証憑データにおける位置に基づいて誤認識文字列が項目を示す文字列であると判定した場合に、項目名に対応する文字列を一以上の候補文字列に決定する。

一例として、候補決定部１３３は、誤認識文字列が、類似する文字列が連続している列における最上位の位置、又は類似する文字列が連続している行における左端の位置にある場合に、当該誤認識文字列が項目名を示す文字列であると判定する。類似する文字列とは、例えば図３における納品日に対応する日時を示す文字列、品名に対応する漢字・カタカナ・ひらがな・アルファベットのいずれかを含む文字列、数量に対応する数値の文字列、金額の単位を含む文字列である。候補決定部１３３が、このように位置に基づいて項目を示す文字列であると判定することにより、項目名が誤認識された場合に、誤認識文字列に対応する候補文字列として項目名を示す文字列が選択される確率が高まる。

候補決定部１３３は、誤認識文字列と同じ列又は同じ行に含まれている一以上の認識文字列の桁数に基づいて一以上の候補文字列を決定してもよい。候補決定部１３３は、例えば同じ列又は同じ行に含まれている認識文字列の桁数が閾値（例えば３桁）未満である場合、一以上の候補文字列として、数量を意味する文字列を選択し、同じ列又は同じ行に含まれている認識文字列の桁数が閾値（例えば３桁）以上である場合、一以上の候補文字列として金額を意味する文字列を選択する。

候補決定部１３３は、品名に基づいて閾値を決定してもよい。候補決定部１３３は、例えば、１０個未満の単位で購入されることが多い商品であることを品名が示している場合、閾値を２桁とし、１０個以上の単位で購入されることが多い商品であることを品名が示している場合、閾値を３桁とする。候補決定部１３３が品名に基づいて閾値を決定することで、項目名が数量を示しているか否かを候補決定部１３３が判定する精度が向上する。

図６は、候補決定部１３３が桁数に基づいて候補文字列を決定した請求書データを示す図である。この例において、候補決定部１３３は、誤認識文字列と同じ行又は同じ列に含まれている一以上の認識文字列の少なくとも一つが項目名を示している場合に、誤認識文字列と同じ列又は同じ行に含まれている一以上の認識文字列の内容に対応する項目名を示す一以上の候補文字列を決定する。項目名は、図２に示した請求書データの場合の「納品日」、「品名」、「数量」、「金額」、「税額」のように、同じ行又は同じ列に含まれている文字列がどのような意味を持つかを示す名称である。

候補決定部１３３は、図６に示すＸ４と同じ列に「納品日」、「品名」、「数量」という項目名が記載されていることから、Ｘ４の候補文字列として、項目名を示す一以上の候補文字列を決定する。さらに、候補決定部１３３は、Ｘ４と同じ列の文字列の桁数が５桁であることから、Ｘ４が金額関連の項目名であると判定し、「金額」、「単価」、「小計」、「税額」、「消費税」を候補文字列に決定している。

図７は、図６に示した請求書データにおけるＸ５の項目名が税額であることが特定されている請求書データを示す図である。図７においては、Ｘ４と同じ列に「税額」という文字列が含まれていることから、候補決定部１３３は、図６に示した候補文字列のうち「税額」、「消費税」を候補文字列から除外している。このように、候補決定部１３３は、他の列又は他の行に含まれている文字列を候補文字列から除外することにより、候補文字列の精度を向上させることができる。

候補決定部１３３は、誤認識文字列の証憑データにおける位置に基づいて誤認識文字列が項目を示す文字列であると判定した場合に、それぞれが複数の項目名を示す複数の候補文字列を含むテンプレートを作成してもよい。

図８は、項目名の候補文字列を含むテンプレートが表示された請求書データを示す図である。図８においては、請求書の明細が表示されている領域と異なる領域に、複数の項目名を示す複数の候補文字列を含む３つのテンプレートが表示されている。

第１のテンプレートには、「納品日 品名 数量 金額 税額」が含まれており、第２のテンプレートにおいては、第１のテンプレートにおける「納品日」の代わりに「注文日」が記載されており、第１テンプレートとの違いを示すための下線が引かれている。第３のテンプレートにおいては、第１のテンプレートにおける「金額」の代わりに「単価」が記載されており、第１テンプレートとの違いを示すための下線が引かれている。経理担当者は、表示されている複数のテンプレートから所望のテンプレートを選択することで、文字列が特定されていなかった項目名Ｘ１〜Ｘ５の文字列を一度の操作で決定することができる。

候補決定部１３３は、一以上の認識文字列が示す数値と消費税率とに基づいて、一以上の候補文字列を決定してもよい。図９は、消費税率に基づいて金額を示す候補文字列が表示されている請求書データを示す図である。

消費税率として１０％又は８％が想定される場合、候補決定部１３３は、誤認識文字列Ｘ６と同じ行に示されている税額２，０００円を消費税率で除算することにより候補となる金額を算出する。具体的には、候補決定部１３３は、２，０００円を消費税率１０％で除算することにより算出した２０，０００円を第１の候補文字列に決定し、２，０００円を消費税率８％で除算することにより算出した２５，０００円を第２の候補文字列に決定する。候補決定部１３３が、このように税額を示す数値と消費税率に基づいて算出した結果に対応する文字列を候補文字列に決定することで、候補文字列の精度を向上させることができる。

候補決定部１３３は、品名の列に記載されている文字列が示す商品の種別に基づいて消費税率を推定し、商品の種別に対応する消費税率に基づいて算出した金額の文字列を第１の候補文字列としてもよい。候補決定部１３３は、例えば、品名が「測定器Ａ用プローブ」である場合、消費税率が１０％であると推定し、図９に示すように、「２０，０００円」を第１の候補文字列に決定する。

候補決定部１３３は、複数の過去証憑データのうち、データ取得部１３１が取得した証憑データに類似する類似証憑データにおいて、証憑データにおける誤認識文字列の位置に対応する位置に含まれている文字列に基づいて一以上の候補文字列を決定してもよい。この場合、記憶部１２は、データ取得部１３１が過去に取得した複数の証憑データである複数の過去証憑データと、複数の過去証憑データそれぞれに含まれている複数の文字列とを関連付けて記憶している。記憶部１２は、証憑データにおいて各文字列が記載されていた位置を記憶していてもよい。類似証憑データは、例えば、請求書を発行した企業の名称、又は振込先口座情報等が一致する請求書データである。同じ企業が発行した請求書においては、同じ項目名が用いられている蓋然性が高いことから、候補決定部１３３が過去の類似証憑データに基づいて候補文字列を決定することにより、候補文字列の精度が向上する。

［データ処理装置１における処理の流れ］
図１０及び図１１は、データ処理装置１の処理の流れを示すフローチャートである。図１０に示すフローチャートは、経理端末２を使用する経理担当者が請求書データをデータ処理装置１に送信する操作をした時点から開始している。

データ取得部１３１が請求書データを取得すると（Ｓ１１）、文字列特定部１３２が請求書データに含まれている文字列を特定する（Ｓ１２）。文字列特定部１３２は、誤認識した可能性がある文字列があるか否かを判定し（Ｓ１３）、誤認識した可能性がある文字列がない場合（Ｓ１３においてＮＯ）、特定した文字列を出力させて（Ｓ１４）、データ処理装置１が誤認識文字列に対応する候補文字列を出力する処理を終了する。文字列特定部１３２は、例えば特定した文字列を記憶部１２に記憶させたり、通信部１１を介して経理端末２に送信したりする。

文字列特定部１３２は、誤認識した可能性がある文字列がある場合（Ｓ１３においてＹＥＳ）、その旨を候補決定部１３３に通知する。候補決定部１３３は、誤認識した可能性がある文字列が含まれている列又は行に一般名詞が含まれているか否かを判定する（Ｓ１５）。候補決定部１３３は、同じ列又は行に一般名詞が含まれている場合（Ｓ１５においてＹＥＳ）、「品名」を候補文字列に決定する（Ｓ１６）。候補決定部１３３は、同じ列又は行に一般名詞が含まれていない場合（Ｓ１５においてＮＯ）、同じ列又は行が数値により構成されているか否かを判定する（Ｓ１７）。候補決定部１３３は、同じ列又は行が数値により構成されていないと判定した場合（例えばアルファベットと数字の組み合わせである場合）（Ｓ１７においてＮＯ）、「品名」を候補文字列に決定する（Ｓ１６）。

候補決定部１３３は、同じ列又は行が数値により構成されていると判定した場合（Ｓ１７においてＹＥＳ）、数値の種別を判定する処理を実行する（Ｓ１８）。候補決定部１３３がＳ１６又はＳ１８により候補文字列を決定すると、出力部１３４は候補文字列を出力する（Ｓ１９）。

図１１は、候補決定部１３３が数値の種別を判定する処理のフローチャートである。図１１においては、図２に示した請求書データのように、同じ列に一つの項目名（例えば金額）に対応する数値が記載されている場合を例にして説明する。候補決定部１３３は、同じ列に含まれている数値の桁数が閾値（例えば２桁）未満であるか否かを判定する（Ｓ１８１）。候補決定部１３３は、数値の桁数が閾値未満である場合（Ｓ１８１においてＹＥＳ）、数量を示す文字列を候補文字列に決定する（Ｓ１８２）。

候補決定部１３３は、桁数が閾値以上である場合（Ｓ１８１においてＮＯ）、数値が含まれる複数の列のうち、桁数が最も多い列であるか否かを判定する（Ｓ１８３）。候補決定部１３３は、桁数が最も多い桁数であると判定した場合（Ｓ１８３においてＹＥＳ）、金額を示す文字列を候補文字列に決定する（Ｓ１８４）。

候補決定部１３３は、桁数が最も多い列でないと判定した場合（Ｓ１８３においてＮＯ）、誤認識文字列が含まれる列の数値が、他の列の数値の消費税率（例えば１０％）に相当する数値か否かを判定する（Ｓ１８５）。候補決定部１３３は、他の列の数値の消費税率に相当する数値であると判定した場合（Ｓ１８５においてＹＥＳ）、税額を示す文字列を候補文字列に決定する（Ｓ１８６）。

候補決定部１３３は、他の列の数値の消費税率に相当する数値でないと判定した場合（Ｓ１８５においてＮＯ）、他の列の数値の約数であるか否かを判定する（Ｓ１８７）。候補決定部１３３は、例えば、誤認識文字列に対応する列の数値が、金額の列の数値を数量の列の数値で減算した結果と一致するか否かを判定する。候補決定部１３３は、他の列の数値の約数であると判定した場合（Ｓ１８７においてＹＥＳ）、単価を示す文字列を候補文字列に決定する。候補決定部１３３は、他の列の数値の約数でないと判定した場合（Ｓ１８７においてＮＯ）、候補文字列を決定できないという結果を出力して処理を終了する。

［変形例］
以上の説明においては、候補決定部１３３が、他の文字列との関係を用いることにより候補文字列を決定する場合を例示したが、候補決定部１３３が候補文字列を決定する方法はこれに限らない。候補決定部１３３は、証憑データと複数の候補文字列との組み合わせを教師データとして学習し、入力された証憑データに含まれている一つの文字列に関連付けて一以上の候補文字列を出力する機械学習モデルに証憑データを入力することにより、一以上の候補文字列を決定してもよい。候補決定部１３３は、上述した各種の方法で決定した複数の候補文字列と、機械学習モデルから出力された一以上の候補文字列とで共通する候補文字列を選択してもよい。候補決定部１３３が、このように機械学習モデルを使用することにより、候補文字列の精度をさらに向上させることができる。

この場合に、出力部１３４は、一以上の候補文字列それぞれに関連付けて、候補文字列が正しい文字列である確率に対応する信頼度を示す情報を出力してもよい。出力部１３４は、例えば機械学習モデルから候補文字列に関連付けて出力される信頼度を出力する。

［データ処理装置１による効果］
以上説明したように、データ処理装置１においては、候補決定部１３３が、証憑データに含まれている複数の文字列の中に、文字列特定部１３２が特定することができなかった文字列である誤認識文字列が存在する場合に、誤認識文字列以外の一以上の認識文字列の内容に基づいて、誤認識文字列の候補である一以上の候補文字列を決定する。そして、出力部１３４が、一以上の候補文字列を出力し、経理担当者が、一以上の候補文字列から候補文字列を選択できるようにする。データ処理装置１がこのように動作することで、誤認識文字列が証憑データを管理するコンピュータに登録されないので、当該コンピュータに登録される証憑データの内容の精度を高めることができる。

以上、実施の形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

１ データ処理装置
２ 経理端末
３ 従業員端末
４ 請求元端末
１１ 通信部
１２ 記憶部
１３ 制御部
１３１ データ取得部
１３２ 文字列特定部
１３３ 候補決定部
１３４ 出力部

Claims (12)

1. 証憑データを取得するデータ取得部と、
   前記証憑データに含まれる複数の文字列を特定する文字列特定部と、
   前記文字列特定部が特定することができなかった文字列である誤認識文字列が存在する場合に、入力された前記証憑データに含まれている一つの文字列に関連付けて一以上の候補文字列を出力する機械学習モデルに前記証憑データを入力することにより、前記誤認識文字列以外の一以上の認識文字列の内容に基づいて、前記誤認識文字列の候補を前記一以上の候補文字列に決定する候補決定部と、
   前記一以上の候補文字列それぞれに関連付けて、前記候補文字列が正しい文字列である確率に対応する信頼度を示す情報を出力する出力部と、
   を有するデータ処理装置。
2. 前記候補決定部は、前記誤認識文字列と同じ列又は同じ行に含まれている前記一以上の認識文字列の内容に基づいて前記一以上の候補文字列を決定する、
   請求項１に記載のデータ処理装置。
3. 前記候補決定部は、前記誤認識文字列と同じ行又は同じ列に含まれている前記一以上の認識文字列の少なくとも一つが項目名を示している場合に、前記誤認識文字列と同じ列又は同じ行に含まれている前記一以上の認識文字列の内容に対応する項目名を示す前記一以上の候補文字列を決定する、
   請求項２に記載のデータ処理装置。
4. 前記候補決定部は、前記誤認識文字列と同じ列又は同じ行に含まれている前記一以上の認識文字列の桁数に基づいて前記一以上の候補文字列を決定する、
   請求項２又は３に記載のデータ処理装置。
5. 前記候補決定部は、前記誤認識文字列の前記証憑データにおける位置に基づいて、前記一以上の候補文字列を決定する、
   請求項１から４のいずれか一項に記載のデータ処理装置。
6. 前記候補決定部は、前記誤認識文字列の前記証憑データにおける位置に基づいて前記誤認識文字列が項目を示す文字列であると判定した場合に、項目名に対応する文字列を前記一以上の候補文字列に決定する、
   請求項５に記載のデータ処理装置。
7. 前記候補決定部は、前記誤認識文字列の前記証憑データにおける位置に基づいて前記誤認識文字列が項目を示す文字列であると判定した場合に、それぞれが複数の項目名を示す複数の候補文字列を含むテンプレートを作成する、
   請求項５又は６に記載のデータ処理装置。
8. 前記候補決定部は、前記一以上の認識文字列が示す数値と消費税率とに基づいて、前記一以上の候補文字列を決定する、
   請求項１から７のいずれか一項に記載のデータ処理装置。
9. 前記データ取得部が過去に取得した複数の前記証憑データである複数の過去証憑データと、前記複数の過去証憑データそれぞれに含まれている複数の文字列とを関連付けて記憶する記憶部をさらに有し、
   前記候補決定部は、前記複数の過去証憑データのうち、前記データ取得部が取得した前記証憑データに類似する類似証憑データにおいて、前記証憑データにおける前記誤認識文字列の位置に対応する位置に含まれている文字列に基づいて前記一以上の候補文字列を決定する、
   請求項１から８のいずれか一項に記載のデータ処理装置。
10. 前記候補決定部は、証憑データと複数の候補文字列との組み合わせを教師データとして学習した前記機械学習モデルに前記証憑データを入力することにより、前記一以上の候補文字列を決定する、
    請求項１から９のいずれか一項に記載のデータ処理装置。
11. コンピュータが実行する、
    証憑データを取得するステップと、
    前記証憑データに含まれる複数の文字列を特定するステップと、
    特定することができなかった文字列である誤認識文字列が存在する場合に、入力された前記証憑データに含まれている一つの文字列に関連付けて一以上の候補文字列を出力する機械学習モデルに前記証憑データを入力することにより、前記誤認識文字列以外の一以上の認識文字列の内容に基づいて、前記誤認識文字列の候補を前記一以上の候補文字列に決定するステップと、
    前記一以上の候補文字列それぞれに関連付けて、前記候補文字列が正しい文字列である確率に対応する信頼度を示す情報を出力するステップと、
    を有するデータ処理方法。
12. コンピュータに、
    証憑データを取得するステップと、
    前記証憑データに含まれる複数の文字列を特定するステップと、
    特定することができなかった文字列である誤認識文字列が存在する場合に、入力された前記証憑データに含まれている一つの文字列に関連付けて一以上の候補文字列を出力する機械学習モデルに前記証憑データを入力することにより、前記誤認識文字列以外の一以上の認識文字列の内容に基づいて、前記誤認識文字列の候補を前記一以上の候補文字列に決定するステップと、
    前記一以上の候補文字列それぞれに関連付けて、前記候補文字列が正しい文字列である確率に対応する信頼度を示す情報を出力するステップと、
    を実行させるためのプログラム。
    

Images