JPH02299086A - 文字認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〈産業上の利用分野〉 この発明は、複合語あるいは派生語等であっても高い認
識率で認識することができる文字認識装置に関する。

〈従来の技術〉 従来、文章の文字情報をコンピュータ処理によって認識
する文字認識装置として、認識しようとする文字の映像
が光電変換された電気信号等の文字情報を１文字（ある
いはｌ単語）栄位で切り出し、認識部において所定の認
識論理に従って１文字（ｌ単語）ずつ認識を行う光学式
文字読取装置（ＯＣＲ）がある。

〈発明が解決しようとする課題〉 しかしながら、上記ＯＣＲは上記認識部に単語辞書を内
蔵していないものが多く、実用にはかなり制限があると
いう問題がある。また、認識部に単語辞書を内蔵してい
る文字認識装置であってし、その単語辞書に内蔵され得
る単語の数が記憶容量や認識速度等の点から限定されて
いるため、例えば技術文献等に多く存在する複合語およ
び派生語等の認識率が低下してしまうという問題がある
。

そこで、この発明の目的は、単語辞書に内蔵される単語
数を増加することなく、複合語および派生語等の認識率
を高めることができる文字認識装置を提供することにあ
る。

〈課−を解決するための手段〉 上記目的を達成するため、この発明の文字認識装置は、
入力原稿の画像データに基づいてキャラクタを認識して
候補単語を出力する認識部と、複合語あるいは派生語を
形成する際に基本語の語幹の前に付加される接頭語およ
び単語を格納する接頭語辞書と、複合語あるいは派生語
を形成する際に」１記語幹の後に付加されろ接尾語およ
び単語を格納する接尾語辞書と、複合語あるいは派生語
を構成する上記語幹および基本語を格納する基本語辞書
と、上記認識部から出力された候補単語を取り込み、上
記接頭語辞書あるいは接尾語辞書を参照して、上記複合
語・派生語を形成する接頭語、接尾語および単語のいず
れかが上記候補単語中に存在するか否かを判別し、その
結果、存在すると判別された場合にはその存在する」配
出複合語・派生語を形成する接頭語または接尾語または
単語を除去する変換部と、上記認識部から出力された候
補単語、あるいは、上記変換部によって上記複合語・派
生語を形成する接頭語または接尾語または単語が除去さ
れた候補単語を取り込み、この取り込んだ候補単語と上
記基本語辞書に格納された上記語幹あるいは基本語との
マツチングを行うマツチング部と、上記マツチング部に
よるマツチング結果に基づいて、認識単語を生成して出
力する単語出力部を備えたことを特徴としている。

く作用〉 認識部に入力原稿の画像データが入力されると、この画
像データに基づいてキャラクタが認識され、この認識さ
れたキャラクタに基づいて候補単語が生成されて出力さ
れる。そして、この認識部から出力された候補単語は変
換部に取り込まれ、複合語あるいは派生語を形成する際
に基本語の語幹の前に付加される接頭語および単語が格
納された接頭語辞書、または複合語あるいは派生語を形
成する際に上記語幹の後に付加される接尾語および単語
が格納された接尾語辞書を参照して、複合語あるいは派
生語を形成する接頭語１接尾語および単語のいずれかが
上記候補単語中に存在するか否かが判別される。そして
、存在すると判別した場合にはその存在する上記複合語
・派生語を形成する接頭語または接尾語または単語が上
記変換部によって除去される。

そうすると、マツチング部は、上記認識部から出力され
た候補単語、あるいは、上記変換部によって上記複合語
・派生語を形成する接頭語または接尾語または単語が除
去された候補単語を取り込み、この取り込んだ候補単語
と上記基本語辞書に格納された上記語幹あるいは基本語
とのマツチングを行う。そして、マツチング部によるマ
ツチング結果に基づいて、単語出力部によって認識単語
が生成されて出力される。

したがって、予期しない複合語あるいは派生語の画像デ
ータが入力されても正しい認識単語を出力することがで
きる。

〈実施例〉 以下、この発明を図示の実施例により詳細に説明する。

第１図はこの発明の文字認識装置のブロック図である。

認識部ｌは、例えばイメージスキャナによって入力原稿
から読み取られた画像データを単語単位で切り出し、こ
の切９出声れた単語単位の画像データ（以下、単語デー
タと言う）を構成するキャラクタを認識する。そして、
この認識結果から得られた文字と文字標準パターンとの
類似度を基にして候補単語を順に表示装置等に出力する
。

その際に、上記出力された候補単語のスペルは、イメー
ジスキャナの誤読み取り等によって正しいスペルである
とは限らない。この認識部１から出力される候補単語群
は単語毎の合計類似度（以下、単語類似度と言う）と対
応付けてメモリ８にプールしておく。

ここで、上記単語データを切り出す方法としては種々の
方法があるが、例えば次のような方法によって行う。す
なわち、イメージキャナによって読み取られた画像デー
タの文字列ｌライン分における画像データのうち白情報
の文字列方向の長さく以下、白情報長さと言う）の分布
曲線を求める。

そして、この白情報長さ分布曲線における文字間スペー
スを表すピーク（最大ピーク）における白情報長さと単
語間スペースを表すピーク（２番目のピーク）における
白情報長さとの間にあって、最小のピーク値を示す白情
報長さを閾値とする。そして、イメージキャナによって
読み取られた１９４２分の画像データに基づいて、上記
閾値上りも長い白情報長さを有する箇所を単語間スペー
スとして単語データを切り出すのである。

また、上記候補単語群の出力は例えば次のようにして行
う。すなわち、文字を認識した結果得られた候補文字に
基づいて文字ラチスを生成し、メモリ（図示口゛ず）に
文字の類似度と共に格納する。

そして、文字ラチスの中から類似度が最大の候補文字の
みから成る文字列（すなわち、候補単語）を作成して出
力する。以下、候補単語を構成する候補文字を所定の規
則に従って順次文字ラチスから読み出して入れ換えて、
類似度の合計（すなわち、単語類似度）の大きい順に候
補単語を順次出力するのである。

変換部２は認識部ｌから順次送出される候補単語を入力
し、接頭語辞書４あるいは接尾語辞書５を参照して候補
単語に接頭語あるいは接尾語が存在するか否かを判別す
る。そして、接頭語あるいは接尾語が存在すれば、入力
候補単語から上記接尾語あるいは接尾語を除去する。ま
た、マツチング部３は、認識部ｌから出力された候補単
語、または、変換部２によって接頭語あるいは接頭語が
除去された候補単語を取り込み、この取り込んだ候補単
語と基本語辞書６に格納された基本語との単語マツチン
グを行い、マツチング結果を単語出力部７に出力する。

そうすると、単語出力部７は単語マツチング部３から入
力されたマツチング結果に応じた候補単語をメモリ８か
ら選出しで、認識単語として出力する。

ここで、第５図に示すように、上記接頭語辞書４１こは
“ａｕｔｏ”、“ｍｏｎｏ”どｂｉ”　、“５ｕｐｅｒ
”および”ｍ１ｃｒｏ”等の接頭語に成り得る語を使用
頻度順にソートして格納している。また、接尾語辞書５
には“１ｅｓｓ”。

“ｎｅｓｓ”　、“ｅｒ“、　”ｏｒ”　、　”ｘｙ”
、“５ｙｓｔｅ−”および“ｆｉｅｌｄ”等の接尾語に
成り得る語を使用頻度順にソート格納している。その際
に、接頭語辞書４および接尾語辞書５に格納される接頭
語および接尾語としは、文法上の接頭語あるいは接尾語
とは若干異なるものも含まれる。すなわち、−例を上げ
れば、接尾語として“ｓｙｓｔｅｍ”および“ｆｉｅｌ
ｄ”等の複合語を形成し易い単語ら含まれるのである。

以後、上記接尾語と複合語を形成し易い単語とを総称し
て接尾語と言う。

また１、上記基本語辞書６は次のような構成になってい
る。すなわち、この基本語辞書６には単に従来の辞書に
格納されているような単語のみを格納するのではなく、
従来の辞書に格納される単語（すなわち、本来の意味の
基本語、複合語および派生語等）から上述の接頭語およ
び接尾語を除去したものを本実施例における基本単語と
して格納するのである。すなわち、第２図に示すように
、基本語辞書６には、本来の意味の基本語“ｃｈａｎｇ
ｅ”と、派生語“ｃｈａｎｇｅａｂｌｅ″およびｃｈａ
ｎｇｅｆｕｌ”から接尾語“ａｂｌｅ”および“ｆｕｌ
“を除去した”ｃｈａｎｇｅ”（すなわち、上述の本来
の意味の基本語に同じ）と、派生語”ｃｈａｎｇｅｄ’
　、“ｃｈａｎｇｅｒ”および”ｃｈａｎｇｅｒｓ’か
ら接尾語“ｅｄ”、“ｅｒ”および’ｅｒｓ″を除去し
た“ｃｈａｎｇ“とを、アルファベット類にソートして
基本語として格納するのである。したがって、基本語辞
書６には本来辞書には無い“ｃｈａｎｇ”という語幹ら
基本語として格納される。以下、上記本来の意味の基本
語と語幹とを総称して基本語と言う。

第３図は上記構成の文字認識装置における変換部２およ
び単語マツチング部３によって実行される単語マツチン
グ動作のフローチャートである。

以下、第３図に従って単語マツチング部を詳細に説明す
る。

ステップＳｌで、認識部１から候補単語か入力される。

ステップＳ２で、上記ステップＳ１において入力された
候補単語と基本語辞書６に格納された基本語とのマツチ
ングが実行される。その結果、マツチングすればステッ
プＳ８に進み、そうでなければステップＳ３に進む。

ステップＳ３で、接頭語辞書４を参照して、入力された
候補単語に接頭語が有るか否かが判別される。その結果
、接頭語が無ければステップＳ５に進み、そうでなけれ
ばステップＳ４に進む。

ステップＳ４で、入力された候補単語から接頭語が除去
される。

ステップＳ５で、接尾語辞書５を参照して、接頭語が除
去された候補単語に接尾語か有るか否かが判別される。

その結果、接尾語が有ればステップＳ６に進み、そうで
なければステップＳ９に進む。

ステップＳ６で、入力された候補単語から接尾語が除去
される。

ステップＳ７で、接尾語が除去された候補単語と基本語
辞書６に格納された基本語とのマツチングが実行される
。その結果、マツチングすればステップＳ８に進み、そ
うでなければステップＳ５に戻る。

ステップＳ８で、マツチングした場合にはマツチングし
た候補単語を表すマツチング結果が、また、全候補単語
がマツチングしない場合にはマツチングする候補単語が
ないことを表すマツチング結果が単語出力部７に出力さ
れて、単語マツチング動作を終了する。

ステップＳ９で、上記ステップＳ１において入力された
候補単語は最終の候補単語か否かが判別される。その結
果、最終候補単語でなければステップＳ１に戻って次の
候補単語に対する単語マツチング動作を実行する。また
、そうでなければ上記ステップＳ８に進み、上述のよう
に、マツチングする候補単語がないことを表すマツチン
グ結果を単語出力部７に出力して、単語マツチング動作
を終了する。

その後は、単語出力部７において、マツチング部３から
入力されたマツチング結果に基づいて次のように認識単
語を出力する。すなわち、マツチングした候補単語が存
在する場合には、マツチングした候補単語に対応する候
補単語をメモリ８にプールされた全候補単語の中から選
出して、認識単語として出力する。一方、マツチングす
る候補単語が存在しない場合は、メモリ８にプールされ
た全候補単語の中から単語類似度の一番高い候補単語を
認識単語として出力するのである。

第４図は第３図におけるステップＳ２およびステップＳ
７において実施されるマツチング動作のフローチャート
を示す。以下、第４図に従ってマツチング動作について
説明する。

ステップＳｌｌで、基本語辞書６に格納されている基本
語から作成された遷移行列に基づいて、入力された候補
単語、あるいは、接頭語、接尾語か除去された候補単語
が、当該言語の単語として存在し得る可能性が在るか否
かがチェックされる。

その結果、当該言語の単語として存在し得る可能性が在
ればステップＳ１２に進み、そうでなければ第３図のフ
ローチャートにおけるステップＳ３あるいはステップＳ
５へ進む。

ステップＳ１２で、基本語辞書６に候補単語あるいは接
頭語、接尾語が除去された候補単語があるか否かが検索
される。その結果、基本語辞書６に候補単語あるいは接
頭語、接尾語が除去された候補単語があれば、第３図の
フローチャートにおけるステップＳ８へ進み、そうでな
ければ第３図のフローチャートにおけるステップＳ３あ
るいはステップＳ５へ進む。

ここで、基本語辞書６の検索法としては、従来から用い
られているハツシュ法あるいは２分本法等を用いればよ
い。本実施例における基本語辞書６は２分本法によって
検索を行う構造になっている。

第５図は入力された候補単語”ｓｕｐｅｒｍｉｃｒｏｃ
ｏｎｐｕｔｅｒｓｙｓｔｅｍ″が単語マツチングされる
経過を示したものである。以下、第３図および第５図に
従って単語マツチング動作について具体的に説明する。

以下に示す■〜■は第５図中の■〜０に対応している。

■認識部ｌから出力された候補単語“ｓｕｐｅｒｍｉｃ
ｒ。

ｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”は変換部２に入力され
る（第３図におけるステップＳｔ）。変換部２は入力さ
れた候補単語’５ｕｐｅｒｎ＋１ｃｒｏｃｏＢｕｔｅｒ
ｓｙｓｔｅｆｆｉ”をそのままマツチング部３に送出し
、マツチング部３において候補単語’ｓｕｐｅｒｍｉｃ
ｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”と基本語辞書６に
格納された基本語とのマツチングが実行される（ステッ
プＳ２）。その結果、基本語辞書６には基本語”ｃｏｍ
ｐｕｔｅｒ”は格納されているが複合語“ｓｕｐｅｒｍ
ｉｃｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ″は格納されて
いないので、マツチング部３は候補単語”ｓｕｐｅｒｉ
ｉｃｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”を変換部２へ
送出する。

■候補単語″ｓｕｐｅｒｍｉｃｒｏｃｏｍｐｕｔｅｒｓ
ｙｓｔｅｍ”に接頭語辞書４に格納された接頭語が存在
するがか、変換部２によってチェックされる（ステップ
Ｓ３）。

■この例の場合は接頭語“５ｕｐｅｒ”が存在するため
、候補単語″ｓｕｐｅｒｍｉｃｒｏｃｏｍｐｕｔｅｒｓ
ｙｓｔｅｍ″がら接頭語“５ｕｐｅｒ″が除去される（
ステップＳ４）。そして、候補単語“ｓｕｐｅｒｍｉｃ
ｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”から上記接頭語″
５ｕｐｅｒ″か除去された単語”ｍｉｃｒｏｃｏｍｐｕ
ｔｅｒｓｙｓｔｅｌかマツチング部３に送出される。

■マツチング部３において単語″ｍｉｃｒｏｃｏｍｐｕ
ｔｅｒｓｙｓｔｅｎ”と基本語辞書６に格納された基本
語とのマツチングが実行される（ステップＳ２）。その
結果、基本語辞書６には複合語“ｏ＋ｉｃｒｏｃｏｍｐ
ｕｔｅｒｓｙｓｔｅｍ”は格納されていないので、マツ
チング部３は単語″ｎ＋ｉｃｒｏｃｏｍｐｕｔｅｒｓｙ
ｓｔｅｏ＋″を変換部２へ送出する。

■単語“ｍｉｃｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ“に
接頭語辞書４に格納された接頭語が存在するかが、変換
部２によってチェックされる（ステップＳ３）。

■この場合、接頭語“ｍ１ｃｒｏ”が存在するため、単
語”ｍｉｃｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ″から接
頭語″ｍ１ｃｒｏ″が除去される（ステップＳ４）。そ
して、単語“ｉｉｃｒｏｃｏｍｐｕｔｅｒｓｙｓｔｅｍ
”から上記接頭語“−１ｃｒｏ”が除去された語“ｃｏ
ｍｐｕｔｅｒｓｙｓｔｅｍ“がマツチング部３に送出さ
れる。

■マツチング１３において単語′″ｃｏｍｐｕｔｅｒｓ
ｙｓｔｅｍ″と基本語辞書６に格納された基本語とのマ
ツチングが実行される（ステップＳ２）。その結果、基
本語辞書６には複合語“ｃｏｍｐｕｔｅｒｓｙｓｔｅ＋
＋＋″は格納されていないので、マツチング部３は単語
“ｃｏＩｌｐｕｔｅｒｓｙｓｔｅ＋＊”を変換部２へ送
出する。

■単語”ｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”に接頭語辞書
４に格納された接頭語が存在するかが、変換部２によっ
てチェックされる（ステップＳ３）。

■この場合、もう接頭語は存在しない。したがって１次
に、単語”ｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”に接尾語辞
書５に格納された接尾語が存在するかが、変換部２によ
ってチェックされる（ステップＳ５）。

［相］この場合、接尾語“ｓｙｓｔｅｍ”が存在するた
め、単語”ｃｏｍｐｕｔｅｒｓｙｓｔｅｍ″から接尾語
″５ｙｓｔｅｓ’が除去される（ステップＳ６）。そし
て、単語“ｃｏｓｐｕｔｅｒｓｙｓｔｅｆｆｉ”から上
記接尾語“ｓｙｓｔｅｍ″が除去された単語″ｃｏｍｐ
ｕｔｅｒ”がマツチング部３に送出される。

■マツチング部３において単語“ｃｏｍｐｕｔｅｒ”と
基本語辞書６に格納された基本語とのマツチングが実行
される（ステップＳ７）。その結果、基本語辞書６には
基本語“ｃｏｍｐｕｔｅｒ”が格納されているので、マ
ツチング部３は、単語“ｃｏｍｐｕｔｅｒ”と基本語辞
書６の基本語“ｃｏｍｐｕｔｅｒ”とがマツチングした
ことを表すマツチング結果を単語出力部７に出力する（
ステップＳ８）のである。

そうすると、単語出力部７はマツチング部３から入力さ
れたマツチング結果に基づいて、メモリ８にプールされ
た候補単語群の中から候補単語“ｓｕｐｅｒｓｉｃｒｏ
ｃｏｍｐｕｔｅｒｓｙｓｔｅｍ”を選出して認識単語と
して出力する。

換言すれば、複合語あるいは派生語を形成する語幹と、
この語幹の前後に付加される接頭語、接尾語および単語
とを別々の辞書に格納することによって、基本語あるい
は語幹のみによってマッチングを実行するのである。こ
うすることによって、予期しない派生語の画像データが
入力されても対処できるである。

このように、本実施例においては、複合語あるいは派生
語から接頭語あるいは接尾語を除去して生成された基本
語を格納した基本語辞書６と、接頭語を格納した接頭語
辞書４と、接尾語を格納した接尾語辞書５とを備える。

そして、変換部２において、接頭語辞書４および接尾語
辞書５を参照して、認識部ｌか入力された候補単語に接
頭語あるいは接尾語が存在するか否かを判別し、存在す
る場合にはその接頭語および接尾語を順次除去する。そ
うした後、マツチング部３は、認識部ｌから入力された
候補単語、あるいは、変換部２で接頭語あるいは接尾語
を除去した候補単語を取り込み、この取り込んだ候補単
語と基本語辞書６に格納された基本語とのマツチングを
実行する。そして、単語出力部７はマツチング部３から
のマツチング結果に基づいて、認識単語を生成して出力
するようにしたので、予期できない複合語が候補単語と
して入力された場合でも、その複合語の語幹に対しての
みマツチングが実行される。その結果、正しい候補単語
を得ることができるのである。

その際に、接頭語になり得る語および接尾語になり得る
語は殆ど決まっており、基本語となる語乙殆ど決まって
いるので、基本語辞書６．接頭語辞書４および接尾語辞
書５に格納される基本語。

接頭語および接尾語の数は殆ど限定されろ。すなわち、
全く新しい造語が出現した場合等のみ接頭語辞書４ある
いは接尾語辞書５に接頭語あるいは接尾語を追加するだ
けで、予期しない複合語が入力されても対処できるので
ある。したがって、（￥ｉ語辞書に内蔵される単語数を
増加することなく、複合語および派生語に対する認識率
を高めることができる。

上記実施例においては、単語出力部７において、マツチ
ング部３から入力されたマツチング結果に基づく候補単
語をメモリ８から選出して候補単語とするようにしてい
る。しかしながら、この発明はこれに限定されるもので
はない。すなわち、メモリ８には認識部１から出力され
る全候補単語をプールするのではなく、変換部２によっ
て除去された接頭語および接尾語をプールしておき、マ
ツチング部３から入力された接頭語および接尾語が除去
された候補単語に、この除去された接頭語あるいは接尾
語をメモリ８から読み出して付加して認識単語として出
力してもよい。

上記実施例においては英語を対象言語としている。しか
しながら、この発明はこれに限定されるものではなく、
フランス語、ドイツ語およびスペイン語等であってもよ
い。

〈発明の効果〉 以上より明らかなように、この発明の文字認識装置は、
変換部によって、認識部から送出される候補単語から接
頭語辞書および接尾語辞書を参照して、複合語・派生語
を形成する接頭語、接尾語および単語を除去し、マツチ
ング部？こよって、上記認識部から送出される候補単語
あるいは上記変換部から送出される複合語・派生語を形
成する接頭語または接尾語または単語が除去された候補
単語と基本語辞書に格納された語幹あるいは基本語との
マツチングを行い、単語出力部によって、上記マツチン
グ部によるマツチング結果に基づいて認識単語を出力す
るようにしたので、予め、複合語や派生語を形成し易い
接頭語、接尾語、単語１語幹および基本語を上記接頭語
辞書、接尾語辞書および基本語辞書に格納しておけば、
各辞書に格納された語数を増加することなく、予期しな
い複合語や派生語か入力されてら正しくマツチングを取
ることができる。したがって、複合語および派生語等の
認識率を高めることができる。

【図面の簡単な説明】

第１図はこの発明の文字認識装置における一実施例のブ
ロック図、第２図は基本語辞書の構成の説明図、第３図
は単語マツチングのフローチャート、第４図は第３図に
おけるマツチングの詳細なフローチャート、第５図は単
語マツチング動作の経過の具体的な一例を示す図である
。 ｌ・・・認識部、　　　　　　　２・・・変換部、３・
・・マツチング部、　　　　　４・・・接頭語辞書、５
・・・接尾語辞書、　　　　　　６・基本語辞書、７・
・・単語出力部、　　　　　　Ｌ・メモリ。

Claims (1)

【特許請求の範囲】
1. （１）入力原稿の画像データに基づいてキャラクタを認
   識して候補単語を出力する認識部と、複合語あるいは派
   生語を形成する際に基本語の語幹の前に付加される接頭
   語および単語を格納する接頭語辞書と、 複合語あるいは派生語を形成する際に上記語幹の後に付
   加される接尾語および単語を格納する接尾語辞書と、 複合語あるいは派生語を構成する上記語幹および基本語
   を格納する基本語辞書と、 上記認識部から出力された候補単語を取り込み、上記接
   頭語辞書あるいは接尾語辞書を参照して、上記複合語・
   派生語を形成する接頭語、接尾語および単語のいずれか
   が上記候補単語中に存在するか否かを判別し、その結果
   、存在すると判別された場合にはその存在する上記複合
   語・派生語を形成する接頭語または接尾語または単語を
   除去する変換部と、 上記認識部から出力された候補単語、あるいは、上記変
   換部によって上記接複合語・派生語を形成する頭語また
   は接尾語または単語が除去された候補単語を取り込み、
   この取り込んだ候補単語と上記基本語辞書に格納された
   上記語幹あるいは基本語とのマッチングを行うマッチン
   グ部と、 上記マッチング部によるマッチング結果に基づいて、認
   識単語を生成して出力する単語出力部を備えたことを特
   徴とする文字認識装置。