JPH0239290A - 単語照合方式 - 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】 １丘圀１ 本発明は単語照合方式に関し、特に光学的に文字を読取
る文書認識装置における単語照合方式に関する。

ｋ」すＬ玉 特に文字枠のない用紙に比較的自由に書かれた手書き文
字を光学的に読取る文書認識装置では、１文字毎の文字
認識結果を単語間の遷移の情報や単語の情報により確認
しあるいは補正することが行われている。この種の単語
照合方式では、文字認識の読取り結果は正しく文字切出
しが行われていることを前提としているが、特に手書き
文字では文字枠に書かれた文字が対象となっている。

この様な単語照合方式の従来例としては、飯田打器、杉
村和明共著、「手書き漢字認識における単語照合処理の
効果」、昭和５８年度電子通信学会全国大会、Ｓ　１０
−１２．　ＰＰ５−４２１〜４２２等がある。

上述した従来の単語照合は、−数的に書かれている文字
数かわかっているという条件で処理を行っているので、
通常の文字枠に書かれていない手書き文字列の読取り結
果に対して従来の単語照合方式を適用すると、文字切出
し、文字認識の性能の不十分さもあって、４文字のイメ
ージが３文字に分割されたり、逆に３文字のイメージが
４文字に分割される様な場合の単語補正は十分になされ
得ないという欠点がある。

例えば、帳票上に記載されている住所である「東京都港
区」に対して、文字切出し処理において誤って「京」が
２つに分割されてしまった場合、文字認識の判定結果が
「東立小都港区」となったとする。このとき、この結果
と登録しである単語とをすべて聞合しても、切出し誤り
に対処して「東京都港区」と判断するのは困難となる。

現状の文字切出し処理では、文字を読取る前に文字を切
出すので上述の如き問題は頻繁に生ずることとなる。

１匪二亘贋 本発明の目的は、文字切出し性能及び文字認識性能を補
って正しい単語照合判定を可能とした単語照合方式を提
供することである。

ｉ五塁旦羞 本発明によれば文字認識結果である文字コード列を入力
としてこの入力文字コードと予め登録された登録単語の
各構成文字コードとを比較照合する単語照合方式であっ
て、先頭に用いられる可能性の高い第１次単語群、この
第１次単語群の次に続いて用いられる可能性の高い第２
次単語群、更にこの第２次単語群の次に続いて用いられ
る可能性の高い第３次単語群、以下同様な関係を順次有
する第ｎ浅草語群までを予め定めて登録した単語登録手
段と、前記単語登録手段に登録された基準となる第ｉ浅
草語群（ｉ＝１〜ｎ）の単語の各構成文字コードと、前
記入力文字コードのうち互いに連続する２ｍ個のコード
以内のコードとを比較照合して類似度を求める単語照合
手段と、この類似度をもとに前記入力文字コードの単語
が登録された単語に該当するかどうかを判定する判定手
段とを設け、この判定結果に応じて前記単語照合手段に
おける基準となる単語を前記登録単語群の次数に従って
変化せしめると共に、前記判定結果に応じて前記２ｍ個
のコード以内で前記入力文字コードの個数を変化せしめ
るようにしたことを特徴とする単語照合方式が得られる
。

Ｋ土贋 以下に図面を用いて本発明の詳細な説明する。

第１図は本発明の実施例のシステム的ブロックを示して
おり、また動作フローチャートでもある。

入力は文字認識の結果である文字コード列であり、ステ
ップ１より入力される１本発明においては、単語単位で
処理が行われるものであり、文字列の先頭より順に照合
判定がなされ、判定の結果、判定に対応する入力コード
の部分は取除くという処理が繰返されるために、文字列
の長さは処理中可変とされる。

そこで、ステップ２において逐次文字列の長さを測定し
、その結果文字列の長さがＯであればステップ８へ移行
して処理終了となる０文字列の長さが０でなければ、次
のステップ３においてステップ５の単語ディレクトリに
予め登録されている単語と照合がなされる。この際、ス
テップ５において登録されている全ての単語との照合が
なされるわけではなく、ステップ４にて予め定められた
照合に必要な単語のみが選択的に抽出されるか、予め必
要ではないと分っている単語は除去されるようになって
いる。この場合の登録単語の選択の方法についての詳細
は後に詳述する。

こうして、ステップ３において照合すべき全ての登録単
語と入力文字コード列とが照合され類似度が得られると
、次のステップ６において当該類似度をもとに入力文字
コードの単語が登録単語に該当するかどうかの判定が行
われる。この判定結果は逐次ステップ７へ出力されると
共に、次の処理に進むべきかを判定するために、ステッ
プ２へ出力され、また次の照合すべき登録単語を選択制
限するためにステップ４へも併せて出力されることにな
る。

ここで、入力文字コードを「東立小都港区」であるもの
とし、この文字列は予め東京都の住所であることが分っ
ているものとして以下の説明を進める。尚、正しい認識
結果は「東京都港区」であるものとする。

この場合のステップ５における単語ディレクトリに登録
されている単語のうち、本説明に関連のある部分のみを
第２図に示している。第２図において、本単語の属性と
は、意味単位の単語の属性を表わしており、この場合ａ
−ＯＸ（Ｘ；Ｏ〜９）は東京の住所で先頭にくる可能性
のある属性を示し第１浅草語群であることを表わす、ａ
−００は郡名、ａ−０３は区名を示す。

次にくる単語の属性とは、判定結果が本単語になったと
き、次に選択されるべき単語の属性を定めるもので、第
２浅草語群であることを表わす。

この場合、ａ−１０，ａ−２０，ａ−３０，ａ−４０は
夫々世田谷区１港区、千代田区、新宿区等の区名を表わ
す属性となる。

一般的には、以下同様にしてこれ笠状に選択されるべき
単語が順次第ｎ状の単語群まで予め設定されて登録され
ていることになる。

ステップ４では、照合すべき登録単語の制限を行うもの
で、この場合東京都の住所であることから各単語の属性
をチエツクしてａ−ＯＸである単語のみを選択的に抽出
し、単語照合ステップ３へ送る。この単語照合ステップ
３及び次の判定ステップ６において正しく東京都と判定
されれば、このとき、次にくる単語の属性はａ−０３で
あるので、単語ディレクトリ５よりａ−０３の属性を有
する単語のみが単語照合ステップ３へ送られるのである
。

次に、この単語照合ステップ３における動作の詳細につ
いて説明する。この照合方法は入力文字コードの順序を
維持しつつ幾つかのコードを選択して登録単語の各文字
と１対１にて対応させる方法である。この方法は文字切
出し性能の不十分さを考慮したものであり、いわゆるず
らしマツチングと称する技法である。

ずらしマツチングでは、ずらし度±ｍのときそのずらし
幅がこの±ｍの範囲内で制御される。照合登録単語のに
文字目の照合基準位置をτ（ｋ）、入力文字コードのτ
文字目をＪτ、照合登録単語のに文字目をＩｋとする。

但し、Ｊτ＝０はリジェクトを表わす０以上の定義をも
とに照合方法について第３図を参照しつつ以下に説明す
る。

先ず、入力コードのに文字目の照合基準位置から両側へ
ずらし度±ｍの範囲内にあり、かつに−１番目までの照
合登録文字のうち最後に照合された文字より大きい位置
にある各文字の集合をに番目の照合対象集合Ｌ（ｋ）と
する、この集合内の各文字Ｊτと照合登録単語のに番目
の文字Ｉｋとの類似度５（Ｉｋ、Ｊτ゛）を求める。こ
の類似度は以下の様に定義される。

５（Ｉｋ、Ｊτ“）＝ そして、ｎａｘ　Ｓ　（Ｉｋ　、　Ｊτ”　）、τ−６
Ｌ（ｋ＞をに番目の文字の類似度とし、この類似度を与
えるτ゛のうち；τ゛−τ（ｋ）ｌが最小のもの（ずら
し度が最小のもの）を照合位置τ（ｋｍａｘ）として確
定する。

この結果、次の照合文字である照合登録単語のに＋１番
目の文字の照合基準位置τ（ｋ＋１）は、ｖ　（ｋ＋１
　）＝ｖ　（ｋｍａｘ）＋１とする。更に、照合された
入力文字Ｊτ（ｋｍａＸ）は−１としてフラグをたてる
。但し、ｍａｘＳ（Ｉｋ、Ｉτ°）く１のとき、次の照
合基準位置は、 τ（ｋ＋１）−τ（ｋ）＋１ とする、こうして照合登録単語の数だけ類似度を求め、
この類似度の総和を単語の類似度Ｃとし、以下の式で表
わされる。

Ｃ＝Σ（ｍａｘＳ　（Ｉｋ、Ｊｚ−’（に））τ’　　
（ｋ）６Ｌ（ｋ） 判定部６では、最もＣの値が大きな単語が唯一みつかれ
ば、それを判定結果として照合された部分を入力コード
列より取除く、そうでなければ、リジェクトとして単語
ディレクトリ５によりリジェクト後の処理に移る。

第４図に入力文字コードと「東京都」の照合の例を具体
的に示す、尚、ずらし度はｍ＝±１としている。先ず、
入力文字コードに対して照合登録単語の１文字目に対す
る入力コード基準位置は初期値として１とされる。こ場
合、ずらし度は±１であるので、入力コードの１．２文
字目と照合登録単語「東京都」の１文字目である「東」
との照合がなされる。その結果は入力文字コードの１文
字目と最も一致するので、類似度１が得られる。

そして、入力コードの１文字目に処理終了フラグ−１が
書込まれ、２文字目の照合時の入力コードが生成される
と共に、２文字目の照合基準位置が入力コードの２文字
目とされる。

次にこの２文字目の照合が行われる。照合登録文字「京
」と照合対象入力コードである。「立」、「小」とは、
共に不一致であるので、類似度−１が得られる。類似度
が−１である場合、入力文字コードはそのままとされ、
３文字目の照合基準位置は２文字目のそれより１文字増
やされて３文字目となる。このときの照合入力コードは
「立」、「小」及び「都」となる。

こうして「都」との照合が終了すると類似度が１となり
、累積類似度として１が得られ、これが単語「東京都」
の類似度となる。

同様の照合処理を他の市区名と行っても、類似度は全て
負となるので、この場合の判定結果は「東京都」となる
のである。

ｉ匪百皇」 以上説明したように本発明によれば、文字切出しの誤り
を考慮した単語照合方法であるいわゆる“ずらしマツチ
ングと、予め単語間の遷移情報をもとに照合単語を制限
する方法とを併用することにより、現状の文字認識性能
および文字切出し性能が十分とはならない比較的自由な
文字列に対する読取り結果を、単語およびその遷移の情
報をもとに補正し、より高性能な文字認識装置が実現で
きるという効果がある。

【図面の簡単な説明】

第１図は本発明の実施例のシステム的動作フロー図、第
２図は単語ディレクトリの一部を示す口笛３図は単語照
合におけるずらし度と照合対象範囲との関係を示す図、
第４図は本発明の実施例による具体的照合処理の流れの
例を示す図である。 主要部分の符号の説明 １・・・・・・入力文字コード列 ３・・・・・・単語照合部 ４・・・・・・照合単語制限部 ５・・・・・・単語ディレクトリ ６・・・・・・判定部

Claims (1)

【特許請求の範囲】
1. （１）文字認識結果である文字コード列を入力としてこ
   の入力文字コードと予め登録された登録単語の各構成文
   字コードとを比較照合する単語照合方式であつて、先頭
   に用いられる可能性の高い第１次単語群、この第１次単
   語群の次に続いて用いられる可能性の高い第２次単語群
   、更にこの第２次単語群の次に続いて用いられる可能性
   の高い第３次単語群、以下同様な関係を順次有する第ｎ
   次単語群までを予め定めて登録した単語登録手段と、前
   記単語登録手段に登録された基準となる第ｉ次単語群（
   ｉ＝１〜ｎ）の単語の各構成文字コードと、前記入力文
   字コードのうち互いに連続する２ｍ個のコード以内のコ
   ードとを比較照合して類似度を求める単語照合手段と、
   この類似度をもとに前記入力文字コードの単語が登録さ
   れた単語に該当するかどうかを判定する判定手段とを設
   け、この判定結果に応じて前記単語照合手段における基
   準となる単語を前記登録単語群の次数に従つて変化せし
   めると共に、前記判定結果に応じて前記２ｍ個のコード
   以内で前記入力文字コードの個数を変化せしめるように
   したことを特徴とする単語照合方式。