JPH0778155A - 文書認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 認識文書について、１度だけの形態素解析に
よって表記と読みとの双方を出力できる文書認識装置を
提供する。 【構成】 文字認識処理部（１１１）が、入力文書の文
字列画像から文字を切出して、文字認識を行なって複数
個の認識候補文字列を出力する。次に、形態素解析処理
部（１２１）が、認識候補文字列から単語を抽出し、各
単語の接続検定を行い、接続可能な単語を繋げていくこ
とにより、入力文書の正しい表記を決定する。その際、
形態素解析処理部（１２１）は更に、入力文書の各単語
に単語番号を付与して、正しい表記と共に出力する。次
に、ふりがな付与部（１３１）が、形態素解析部から得
た文の表記に、各単語の単語番号に基づいて、予め用意
したふりがなを自動的に付与する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は文書認識装置に関するも
のであり、特に、出力文書に自動的にふりがなを付与す
ることができる文書認識装置に関するものである。

【０００２】

【従来の技術】従来、文書認識装置は、文字認識部と形
態素解析部とを備える。文字認識部では入力した文書の
文字列画像から文字を切出して文字認識を行なって、複
数個の認識候補文字を出力する。形態素解析部は、文字
認識部で認識した認識候補文字を単語辞書と照合して、
照合単語間の接続検定を行ない、接続可能な単語の組合
わせから出力文書を作成する。

【０００３】従来の文書認識装置における形態素解析部
は、認識候補文字の表記のみを用い、したがって、出力
結果も認識した文字の表記のみであり、これらの文字の
読みであるふりがなまでは問題にしていない。

【０００４】

【発明が解決しようとする課題】このように、従来の文
書認識装置の出力結果には、文書の読み、すなわちふり
がなが付与されていないため、例えば、文字認識装置を
文字読上げ装置と接続して、盲人向けの文章朗読を自動
化する場合等、出力結果を音声化する必要がある場合
に、文字認識装置の出力結果について再度形態素解析を
行なって出力文字の読みを得る必要がる。つまり、従来
は、文書認識装置で認識した文書を音声化するにあたっ
て、認識候補文字から認識結果を得るためと、この認識
結果の読みを得るためとに、２度形態素解析を行なう必
要がある。このため装置の構成が複雑になり、処理時間
が長くなるという問題がある。従って、本発明の目的
は、１度だけの形態素解析によって認識文書について、
表記と読みとの双方を出力できる文書認識装置を提供す
る。

【０００５】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、入力文書の文字列画像について文字認識
を行なって、認識候補文字列を出力する文字認識処理手
段と、この認識候補文字列について形態素解析を行なっ
て、正解文の表記と、正解文を構成する各単語の単語番
号とを出力する形態素解析処理手段と、形態素解析手段
より出力した単語番号に基づいて、前記正解文に自動的
にふりがなを付与する自動ふりがな付与手段とを備える
ことを特徴とする文書認識装置。

【０００６】

【作用】入力文書について、まず文字認識を行なって、
認識候補文字列を得る。次に、この認識候補文字列に対
して形態素解析を行なって、正解文の表記を決定する。
形態素解析では一般に、単語辞書を参照して、認識候補
文字列から各単語を抽出し、単語間の接続検定を行な
い、接続可能な単語を繋げていくことにより正解文の表
記を決定する。

【０００７】この形態素解析において、上記表記決定処
理に加え、各単語にその単語番号をを付す処理が行なわ
れる。これにより、形態素解析から得られた正解文は、
その表記に各単語の単語番号が付加されたものとなる。
この正解文に対し、各単語番号に基づき各単語の読み
（ふりがな）が付与される。この結果、読みが追加され
た正解文が出力される。

【０００８】このようにして、従来、文書を認識するた
めと、その読みを得るために２度必要であった形態素解
析処理を一度行なうだけで、文書の表記とその読みとを
得ることができるため、処理の高速化を図ることができ
る。

【０００９】

【実施例】以下に図面を用いて本発明の文書認識装置の
実施例を説明する。

【００１０】図１は、本発明の文書認識装置の一実施例
構成を示すブロック図である。

【００１１】図１に示すとおり、文書認識装置は、入力
文書画像の文字認識を行なう文字認識処理部１１１、文
字認識処理部１１１で認識した認識文字について形態素
解析を行なう形態素解析処理部１２１、形態素解析結果
にふりがなを付与するふりがな付与処理部１３１、及び
メモリ部１４１とで構成されている。

【００１２】メモリ部１４１は、文字の画像特徴量を記
録した文字認識用辞書１４２、文字認識の結果を格納す
る文字認識結果テーブル１４３、単語の表記、読み、文
法的な接続情報を記録した単語辞書１４４、単語間接属
のルールを記述した文法接続ルール１４５、及び形態素
解析結果を格納する形態素解析結果テーブル１４６とか
ら構成されている。

【００１３】図１に示す文書認識装置における文書認識
処理を、以下に説明する。

【００１４】まず、文字認識処理部１１１に文書画像を
入力し、入力文書から入力文字列画像の文字切出しを行
なって、文字認識用辞書１４２を用いて文字認識を行な
う。この認識結果（複数個の認識候補文字列）は文字認
識結果テーブル１４３に格納しておく。

【００１５】ついで、形態素解析処理部１２１にて、文
字認識結果テーブル１４３に格納した認識候補文字列に
ついて形態素解析を行なって、認識候補文字列から正解
文字を選択した文、あるいは認識候補文字列に正解文字
が含まれていない場合はこれを訂正した文を作成する。
この形態素解析では、認識候補文字列を単語辞書１４４
と照合して単語を抽出し、更に、この抽出した単語につ
いて、文法接続ルール１４５による単語間の接続検定を
行ない、接続可能な単語を繋げていくことにより、出力
文を作成する。なお、単語辞書１４４に格納されている
各単語には、一意に単語番号が与えられており、形態素
解析処理部１２１は、作成した出力文について、その文
の表記と共に、この文を構成する単語間を区切るマーキ
ングと、各単語の単語番号とを付加した情報を、形態素
解析結果テーブル１４６に格納する。

【００１６】図２は、単語辞書１４４の構成を示す図で
ある。単語辞書１４４は、各単語の表記品詞、接続可能
な品詞リスト等の形態素解析用の単語情報を単語番号順
に格納した形態素解析用テーブル１４４ａ、ふりがなテ
ーブル１４４ｃへのポインタを単語番号順に格納した単
語情報テーブル１４４ｂ、及び、単語番号順にふりがな
のみを格納したふりがなテーブル１４４ｃとから構成さ
れている。なお、この単語辞書１４４では、表記が同一
で読みが異なる単語については別単語として登録されて
いる。

【００１７】ふりがな付与処理部１３１において、形態
素解析結果テーブル１４６に格納した文について、この
文を構成する各単語に付された単語番号に基づいて単語
辞書１４４から単語の読みを得て、出力文にふりがなを
付与する。なお、単語辞書１４４でふりがなを別テーブ
ルに格納するのは、ふりがなの長さが単語によって異な
るためである。

【００１８】ふりがな付与処理部１３１では、出力文を
構成する各単語の単語番号を取得し、この単語番号に対
応する単語について、ふりがなテーブル１４４ｃを参照
してふりがなを取得する。ついで、形態素解析結果テー
ブル１４６から出力文書の表記を得て、先に取得したふ
りがなと共に文書認識結果として出力する。

【００１９】次に、図１に示す文書認識装置における処
理の具体例を図３及び図４を用いて説明する。

【００２０】この例では手書きされた「重箱読みと湯桶
読みがある」が入力文書であるものとする。

【００２１】まず、文字認識処理部１１１において、入
力した画像に対して文字の切出しを行ない、文字認識用
辞書１４２を用いて文字認識を行なう。図３に、この結
果得られたＮ個の認識候補文字列を示す。このようにし
て得た認識候補文字列は、文字認識結果テーブル１４３
に格納される。

【００２２】次に、形態素解析処理部１２１においてこ
の認識候補文字列に対して形態素解析を行なって、正解
文字を選択し、或いは正解文字が含まれていない場合は
この訂正を行なう。即ち、認識候補文字列と単語辞書１
４４の形態素解析用テーブル１４４ａに記録した品詞情
報、表記等を照合して単語を抽出し、文法接続ルール１
４５を用いて抽出した単語間の接続検定を行なう。そし
て、接続可能である単語組を繋げていくことによって、
出力文を構成してその表記を形態素解析結果格納テーブ
ル１４６に格納する。その際、形態素解析用テーブル１
４４ａに記録されている単語情報には、単語番号が付与
されているので、これを参照して出力文を構成する各単
語を区切るマーキングと各単語の単語番号とを、出力文
の表記と共に形態素解析結果テーブル１４６に格納する
ようにする。この例では、入力文通り解析され、「重箱
読み｜と｜湯桶読み｜が｜ある」と出力されたものとす
る。

【００２３】形態素解析の手法としては、右方向最長一
致法を用いる手法、接続表を用いる手法等があるが、ど
の手法を用いてもよい。

【００２４】次に、ふりがな付与処理部１３１におい
て、上記形態素解析結果に対してふりがなの付与を行な
う。即ち、上記の形態素解析処理部１２１の出力文書を
構成する単語に付されている単語番号に基づいて当該単
語の読みを得るようにする。即ち、ふりがなテーブル１
４４ｃから各単語の単語番号に対応するふりがなを取得
して、認識文書の表記と共に、この表記の読み（ふりが
な）を付して、ふりがな付きの文書として出力する。

【００２５】なお、単語辞書１４４に、漢字部分の読み
のみを登録するようにしておくことによって、出力文書
の漢字部分についてのみふりがなを付与することが可能
である。

【００２６】以上、本発明の好適な一実施例を説明した
が、本発明はこの実施例にのみ限定されるのではなく、
種々の異なる態様で実施することが可能である。

【００２７】

【発明の効果】上記に詳細に説明したとおり、本発明の
文書認識装置では、文書の表記を決定するための形態素
解析において、文書を構成する各単語と、予め用意した
各単語の読みとの対応付けを行なうようにしているの
で、この文書を音声化して出力する際等に、従来、２度
行なう必要のあった形態素解析処理を一度で済ませるこ
とができ、よって処理の高速化を図ることが可能とな
る。

【図面の簡単な説明】

【図１】 本発明の文書認識装置の構成を示すブロック
図である。

【図２】 本発明の装置に用いる単語辞書の構成を示す
図である。

【図２】 図１に示す装置における処理の具体例を示す
図である。

【図３】 入力データの文書例とその文字認識結果の一
例を示す図である。

【符号の説明】

１１１ 文字認識処理部 １２１ 形態素解析処理部 １３１ ふりがな付与処理部 １４１ メモリ部 １４２ 文字認識用辞書 １４３ 文字認識結果テーブル １４４ 単語辞書 １４５ 文法接続ルール １４６ 形態素解析結果テーブル

【手続補正書】

【提出日】平成６年３月１６日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】図面の簡単な説明

【補正方法】変更

【補正内容】

【図面の簡単な説明】

【図１】 本発明の文書認識装置の構成を示すブロック
図である。

【図２】 本発明の装置に用いる単語辞書の構成を示す
図である。

【図３】 図１に示す装置における処理の具体例を示す
図である。

【図４】 入力データの文書例とその文字認識結果の一
例を示す図である。

【符号の説明】 １１１ 文字認識処理部 １２１ 形態素解析処理部 １３１ ふりがな付与処理部 １４１ メモリ部 １４２ 文字認識用辞書 １４３ 文字認識結果テーブル １４４ 単語辞書 １４５ 文法接続ルール １４６ 形態素解析結果テーブル

Claims (4)

【特許請求の範囲】
1. 【請求項１】 入力文書の文字列画像について文字認識
   を行なって、認識候補文字列を出力する文字認識処理手
   段と、 前記認識候補文字列について形態素解析を行なって、正
   解文の表記と、正解文を構成する各単語の単語番号とを
   出力する形態素解析処理手段と、 前記形態素解析手段より出力した単語番号に基づいて、
   前記正解文に自動的にふりがなを付与する自動ふりがな
   付与手段とを備えることを特徴とする文書認識装置。
2. 【請求項２】 請求項１記載の装置において、前記形態
   素解析に必要な種々の単語の表記と単語番号、及び前記
   ふりがな付与処理に必要な単語番号に対応する読みを格
   納した単語辞書を備え、 前記単語辞書では、表記が同一で読みが異なる単語が別
   単語として登録されていることを特徴とする文書認識装
   置。
3. 【請求項３】 請求項２記載の装置において、前記単語
   辞書には、漢字の単語の読みのみが登録されていること
   を特徴とする文書認識装置。
4. 【請求項４】 請求項１乃至３のいずれか記載の装置に
   おいて、前記形態素解析手段が、前記正解文の表記と共
   に、この正解文の各単語を区切るマーキングと各単語の
   単語番号とを出力し、 前記ふりがな付与手段が、前記正解文の各単語の単語番
   号に対応する読みを前記単語辞書から取得することによ
   り、前記正解文にふりがなを付与することを特徴とする
   文書認識装置。