JPH04115384A - 単語チェック機能を持つ日本語ｏｃｒ - 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〕 本発明は日本語０ＣＲ（Ｏｐｔｉｃａｌ　　Ｃｈａｒａ
ｃｔｅｒ　　Ｒｅａｄｅｒ）に関し、特に単語チェック
機能を持つ日本語ＯＣＲに関する。

〔従来の技術〕

従来、この種の日本語ＯＣＲには、単語をチェックする
機能が存在せず、文字と文字との接続および単語と単語
との接続を考慮せずに文字を決定していた。

〔発明が解決しようとする課題〕

上述した従来の日本語ＯＣＲでは、単語をチェックする
機能が存在せず、文字と文字との接続および単語と単語
との接続を考慮せずに文字を決定していたので、正しい
文字を決定する確率が低いという欠点がある。

本発明の目的は、上述の点に鑑み、読み取９た文字列が
辞書に登録されているかどうか辞書引きを行って文字列
を単語と認定し、品詞間の接続関係を記述した接続テー
ブルを利用して単語同士の妥当性を保鉦することによっ
て前後関係から文字を確定し文字の読取り性能を改善す
るようにした単語チェック機能を持つ日本語ＯＣＲを提
供することにある。

〔課題を解決するための手段〕

本発明の単語チェック機能を持つ日本語ＯＣＲは、第１
図に示すように、日本語の文字を読み取り曖昧性のある
文字であれば可能性の高いいくつかの候補を抽出する読
取り手段１と、この読取り手段１により読み取られた文
字列中に曖昧性のある文字があれば可能性の高いいくつ
かの候補を組み合わせて可能な組合せの文字列を展開す
る可能性展開手段２と、この可能性展開手段２により展
開された可能な組合せの文字列に対して語切りを行う語
切り手段３と、この語切り手段３により語切られた単語
が辞書６に登録されているかどうかを確認する辞書引き
手段４と、この辞書引き手段４により辞書６に登録され
ていると確認された単語の接続関係を品詞間の接続関係
を記述した接続テーブル７を参照して検定する接続検定
手段５とを有する。

〔作用〕

本発明の単語チェック機能を持つ日本語ＯＣＲでは、読
取り手段１が日本語の文字を読み取り曖昧性のある文字
であれば可能性の高いいくつかの候補を抽出し、可能性
展開手段２が読取り手段工により読み取られた文字列中
に曖昧性のある文字があれば可能性の高いいくつかの候
補を組み合わせて可能な組合せの文字列を展開し、語切
り手段３が可能性展開手段２により展開された可能な組
合せの文字列に対して語切りを行い、辞書引き手段４が
語切り手段３により語切られた単語が辞書６に登録され
ているかどうかを確認し、接続検定手段５が辞書引き手
段４により辞書６に登録されていると確認された単語の
接続関係を品詞間の接続関係を記述した接続テーブル７
を参照して検定する。

〔実施例〕

次に、本発明について図面を参照して詳細に説明する。

第２図は、本発明の一実施例に係る単語チェック機能を
持つ日本語ＯＣＲの構成を示すブロック図である０本実
施例の単語チェック機能を持つ日本語ＯＣＲは、光学的
に日本語の文字を読み取り可能性の高いいくつかの候補
を抽出する読取り手段１と、可能性の高いいくつかの候
補を組み合わせて可能な組合せの文字列を展開する可能
性展開手段２と、文字列を区切って単語を作成する語切
り手段３と、単語が辞書６に登録されているかどうかを
確認する辞書引き手段４と、単語と単語との許される接
続を確認する接続検定手段５と、単語の情報が記述され
ている辞書６と、品詞と品詞との許される接続を記述し
た接続テーブル７と、読取り手段１により読み取られた
文字列が格納される読取りファイル８と、可能性展開手
段２により展開された可能な組合せの文字列を格納する
展開済みファイル９と、接続検定手段５により接続検定
された結果を格納する出力ファイル１０とから構成され
ている。

辞書６には、単語の見出し、それに対する品詞などの情
報が格納されている。

接続テーブル７には、例えば第８図に示すように、品詞
と品詞との接続可否１品詞と未定義語（品詞の定まらな
い単語）との接続可否などの情報が記述されている。

次に、このように構成された本実施例の単語チェック機
能を持つ日本語ＯＣＲの動作について説明する。

まず、読取り手段１は、日本語の文字を読み取り、曖昧
性のある文字であれば可能性の高いいくつかの候補を抽
出して、読取りファイル８を作成する。

読取りファイル８には、１文ごとの文字列が格納される
が、読み取った文字が曖昧な場合には可能性の高いいく
つかの候補が格納される。ただし、読み取った文字には
全熱曖昧性がなく他の候補が無い場合や、完全に読取り
に失敗してすべての候補の中にも正しい候補が無い場合
もある。

次に、可能性展開手段２は、読取りファイル８内の１文
ごとに、文字列中に曖昧性のある文字があれば可能性の
高いいくつかの候補を組み合わせて可能な組合せの文字
列をすべて作成し、展開済みファイル９に出力する。

続いて、語切り手段３は、まず展開済みファイル９から
読み出した１文ごとの文字列を最長一致法に従って最も
長い文字列から単語とする。

次に、辞書引き手段４は、語切り手段３によって語切り
された単語が辞書６に登録されているかどうかを確認す
る。

単語が辞書６に登録されていることが確認されたならば
、接続検定手段５は、直前の単語との接続を接続テーブ
ル７を引いて検定する。単語が接続検定に合格した場合
、接続検定手段５は、単語として確定させ、出力ファイ
ル１０に出力し、語切り手段３に制御を戻す、そして、
単語として確定された末尾の文字の次の文字から同様に
語切り辞書引きおよび接続検定の処理を行う。

語切り手段３によって語切りされた文字列が辞書６に登
録されていない場合および単語は辞書６に登録されてい
たが接続検定に失敗した場合には、辞書引き手段４およ
び接続検定手段５は、語切り手段３に制御を戻す。そし
て、より短い文字列を単語として改めて語切り、辞書引
きおよび接続検定の処理を行う。

語切りの結果、最後の１文字になっても辞書６上に登録
されている語にならない場合、接続検定手段５は、未定
義語として最も可能性の高い候補を仮候補として出力フ
ァイル１０に出力し、語切り手段３に制御を戻す。そし
て、未定義語の次の文字から同様に語切り、辞書引きお
よび接続検定の処理を行う。

１文中のすべての文字を検定し終わったならば、語切り
手段３．辞書引き手段４および接続検定手段５は、展開
済みファイル９から次の１文を読み出して語切り、辞書
引きおよび接続検定の処理を行う。

そして、展開済みファイル９中のすべての文の接続検定
の処理が終わったならば、本実施例の単語チェック機能
を持つ日本語ＯＣＲは、処理を終了する。

次に、第３図に示す「彼女が東京に行く」という例文の
処理の流れを、第４図〜第１１図を参照しながら説明す
る。

読取り手段１は、第３図の文を読み取ると、曖昧性のあ
る文字を検出し、第４図に示すように、４文字目に「東
Ｊと「車」、５文字目に「京」と「申」という曖昧性の
ある文字の可能性の高い候補が２つずつ含まれている読
取リファイル８を作成する。

次に、可能性展開手段２は、第４図に示した曖昧性のあ
る文字の可能性の高い候補が含まれている文字列を読取
りファイル８から読み取り、可能性の高い候補を組み合
わせて、第５図に示すような可能な組合せの文字列に展
開して展開済みファイル９を作成する。

続いて、語切り手段３は、展開済みファイル９から第５
図のすべての可能な組合せの文字列を読み取り、最長一
致法に従って語切りを順に行って、辞書６に登録されて
いる最も長い単語を決定する。

第６図の例では、辞書６に「彼」、「女」および「彼女
」という単語が登録されているならば、６−１および６
−２という２種類の語切りの可能性が考えられる。ここ
では、最も長い文字列を単語として決定するので、６−
２が単語の語切りとして採用される。

第５図に示すように曖昧性のある文字により可能性のあ
る組合せの文字列が分岐する場合、語切り手段３は、全
ての可能性のある組合せの文字列の中から辞書６に登録
されている最も長い単語を決定する。第５図の例では、
「東京」、「束中」。

「東京」および「車中コの４種類が可能性のある組合せ
の文字列として挙げられるが、この中から辞書６に登録
されている単語を選択すると、第７図に示すように「東
京」という文字列が単語として認定される。

単語が辞書６に登録されていることがａ認されたならば
、接続検定手段５は、その単語が直前の単語と接続可能
かどうかを接続テーブル７で確認する。

第８図は、接続テーブル７の一例を示す図である。この
接続テーブル７で「○」の付与されている品詞間の接続
関係は可能であり、「×Ｊの付与されている品詞間の接
続関係は不可能であることが示されている。例えば、「
名詞」の後に「助詞」を続けることは可能であるが、「
助詞」の後に「助詞Ｊを続けることは不可能であること
が示されている。

第９閣は、「東京」という単語とその直前の単語「が」
との接続検定の一例を示す図である。「東京」は「名詞
」でありその直前の「が」が「助詞」であるから、「が
」の後に「東京」を続けることは可能である。

したがって、接続検定手段５は、「東京」という単語を
決定し、語切り手段３に制御を戻す、そして、「東京」
という単語の直後の「に〜Ｊ以下の文字列について語切
り、辞書引きおよび接続検定の処理を行う。

第１０図は、第３図の文が上記に従って処理された出力
ファイル１０の内容の一例を示す図である。

もし「東京」という単語も「東」という文字も辞書６に
登録されていない場合、「東」とし）う文字を未定義語
とし、第１１図に示すように、後で人間の手で修正する
ことができるように、その文字にマーク（例えば、「＊
」）を付与する。そして、この「東」という文字の直後
の「京に〜」から改めて語切り、辞書引きおよび接続検
定の処理を行う。

〔発明の効果〕

以上説明したように本発明は、日本語ＯＣＲで読み取っ
た文字に曖昧性のある場合に文字列を単語として把握し
、単語と単語との接続を考慮して文字の前後関係から最
も可能性の高い候補を決定するようにしたことにより、
日本語ＯＣＲの文字の読取り性能を向上させることがで
きるという効果がある。

【図面の簡単な説明】

第１図は本発明の単語チェック機能を持つ日本語ＯＣＲ
の構成を示すプロ、り図、 第２図は本発明の一実施例に係る単語チェック機能を持
つ日本語ＯＣＲの構成を示すブロック図、第３図は本実
施例の単語チェック機能を持つ日本語ＯＣＲおける実際
の処理の流れを説明するための例文を示す図、 第４図は第３図に示す例文が第１図中に示す読取り手段
によって読み取られた文字と曖昧な文字の候補との例を
示す図、 第５図は第１図中の可能性展開手段により展開された曖
昧な文字がある場合の可能な組合せの文字列の例を示す
図、 第６図は第１図中の語切り手段により最も長い文字列を
単語として決定する語切りの一例を示す図、 第７図は第１図中の辞書引き手段による複数の候補から
辞書引きを行う例を示す図、 第８図は第１図中の接続テーブルの内容の一例を示す図
、 第９図は第１図中の接続検定手段による接続検定の一例
を示す図、 第１０図は第３図の例文を語切りした結果の一例を示す
図、 第１１図は第３図の例文中の文字が未定義語と判断され
た場合の語切り結果の一例を示す図である。 図において、 ｌ・・・読取り手段、 ２・・・可能性展開手段、 ３・・・語切り手段、 ４・・・辞書引き手段、 ５・・・接続検定手段、 ６・・・辞書、 ７・・・接続テーブル、 ８・・・読取りファイル、 ９・・・展開済みファイル、 １０・・出力ファイルである。

Claims (1)

1. 【特許請求の範囲】 日本語の文字を読み取り曖昧性のある文字であれば可能
   性の高いいくつかの候補を抽出する読取り手段と、 この読取り手段により読み取られた文字列中に曖昧性の
   ある文字があれば可能性の高いいくつかの候補を組み合
   わせて可能な組合せの文字列を展開する可能性展開手段
   と、 この可能性展開手段により展開された可能な組合せの文
   字列に対して語切りを行う語切り手段と、この語切り手
   段により語切られた単語が辞書に登録されているかどう
   かを確認する辞書引き手段と、 この辞書引き手段により辞書に登録されていると確認さ
   れた単語の接続関係を品詞間の接続関係を記述した接続
   テーブルを参照して検定する接続検定手段と を有することを特徴とする単語チェック機能を持つ日本
   語ＯＣＲ。