JPH0863487A - 文書検索方法及び文書検索装置 - Google Patents

Abstract

(57)【要約】 【目的】 原文書が誤認識されてテキストデータ化され
た文書についても、通常のキーワードにより正確に該当
文書を検索することができる。 【構成】 入力装置２からキーワードが入力されると、
制御装置１は前記元のキーワードを構成する文字列の中
で、１文字が複数の文字に分解されて誤認識される文字
列があれば、これを誤認識される形態に分解して第２の
キーワードを作り、又、元のキーワードを構成する文字
列の中で、複数の文字が１文字に置換されて誤認識され
る文字列があれば、これを誤認識される形態に置換して
第３のキーワードを作った後、これら元、第１、第２の
キーワードによって外部記憶装置３内の文書データを検
索する。このため、原文書が光学的文字認識装置で文字
認識されて前記外部記憶装置３に入力される際に上記し
た誤認識が生じても、前記元のキーワードを入力するだ
けで、外部記憶装置３内の該当文書を正しく検索するこ
とができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は印刷文書等の他メディア
から文字認識装置により入力した文書（テキストデー
タ）を被検索データベースとし、このデータベース中か
らキーワードを含む文書を高速且つ正確に検索する文書
検索方法及び文書検索装置に関する。

【０００２】

【従来の技術】大量に流通している印刷文書を検索する
手段として、前記印刷文書の頁画像を光学的文字読取装
置で処理してテキストデータを抽出し、得られたテキス
トデータをデータベースに格納して被検索用文書データ
とし、この中からフルテキストサーチ等の検索方法によ
り、目的の文書を検索する文書検索装置が商品化されて
いる。

【０００３】ここで、前記印刷文書の頁画像をフルテキ
ストデータとしてデータベース（外部記憶装置）に入力
する文書入力装置としては、以下の２つの形態のものが
ある。（１）光学的文字読取装置を利用するもので、文
書の頁画像をスキャナで読み取り、得られた画像データ
に対して、例えば最小類似度法による文字認識を行なっ
てテキストデータを得るものである。最初に認識できた
数文字をタイトルテキストデータとし、残りを本体のテ
キストデータとする。（２）オンライン手書き文字認識
装置を利用するもので、スタイラスペンと透明タブレッ
トが一体となった入力装置を用いて、手書き文字の座標
点列を得る。この点列データを参照して１文字毎に、オ
ンライン文字認識を行なってテキストデータを得るもの
である。最初に認識できた数文字をタイトルテキストデ
ータとし、残りを本体テキストデータとする。

【０００４】しかし、光学的文字読取装置及びオンライ
ン手書き文字認識装置における読み取り精度は現在十分
ではなく、文字を読み誤る（文字認識の際の誤認識）こ
とがしばしばある。そのため、原文書中に、検索時にキ
ーワードとして指定されるべき文字列が含まれていて
も、読み取りの際に、その箇所に誤認識が生じた場合に
は、この文書中に前記キーワードが含まれなくなってし
まい、この文書が正しく検索されないという不具合が発
生していた。

【０００５】そこで、原文書中のひとつの文字が他の１
文字に誤認識される場合には、テキストデータとして認
識する際の第２、第３候補の文字コードをも採用すると
いった手段により、前記誤認識を防いで上記の不具合を
ある程度解決することができる。しかし、原文書中の１
文字が複数の文字に分解されて誤認識されたり、複数の
文字がひとつの文字として誤認識される場合には、上記
手段では解決できず、検索時における大きな障害となっ
ていた。

【０００６】ここで、原文書中の１文字が複数の文字に
分解されて認識される例としては、「計」の文字が「言
十」と誤認識される場合があり、原文書中の複数の文字
が１文字として認識される例としては、「ＥＩＧＨＴ」
という文字列中で「ＥＩ」という文字列が「日ＧＨＴ」
と誤認識される場合がある。このような場合、例えば時
計というキーワードに対して、時言十と誤認識されてテ
キストデータ化された文書は検索されなくなってしまう
ことになり。上記した不具合が発生することになる。

【０００７】

【発明が解決しようとする課題】上記した文字認識装置
により入力して記憶装置に格納した複数の文書から、別
途入力されるキーワードを含む文書を検索する文書検索
装置では、前記文字認識装置により原文書を文字認識し
てテキストデータ化する際に、原文書中の１文字が複数
の文字に分解されて認識されたり、複数の文字が１文字
として認識される誤認識が生じると、この誤認識された
元の文字を含むキーワードでは、該当の文書が検索でき
なくなり、文書検索率が悪化するという欠点があった。

【０００８】そこで本発明は上記の欠点を除去し、原文
書中の１文字が複数の文字に分解されて誤認識された
り、複数の文字が１文字として誤認識されてテキストデ
ータ化されてた文書についても、前記誤認識された元の
文字を含むキーワードにより正確に該当文書を検索する
ことができる文書検索方法及び文書検索装置を提供する
ことを目的としている。

【０００９】

【課題を解決するための手段】請求項１の発明は、原文
書を文字認識して得た文書を被検索文書とし、別途検索
者により入力されるキーワードを含む文書を前記被検索
文書から検索する文書検索装置における文書検索方法に
あって、前記原文書を文字認識する際の誤認識形態情報
を予め保持しておき、その後、前記検索により入力され
るキーワードを構成する文字列で前記誤認識形態情報に
該当するものがあれば、この文字列を前記誤認識形態情
報が示す誤認識結果文字列に変換することにより、この
誤認識結果文字列を含んだ新たなキーワードを作成した
後、前記検索者により当初入力された元のキーワード及
び前記新たに作成されたキーワードそれぞれを用いて前
記被検索文書を検索し、得られた検索結果を出力する方
法を有する。

【００１０】請求項２の発明は、前記誤認識形態情報は
原文中では１文字であるが文字認識の結果複数文字に誤
認識される場合の前記１文字と誤認識結果である前記複
数文字から成り、且つ前記検索者により入力されるキー
ワードを構成する文字列で前記誤認識形態情報に該当す
る１文字があれば、この文字列を誤認識結果である前記
複数文字列に展開して変換することにより、この複数文
字列を含む新たなキーワードを作成する方法を有する。

【００１１】請求項３の発明は、前記誤認識形態情報は
原文中では複数文字であるが文字認識の結果１文字に誤
認識される場合の前記複数文字と誤認識結果である前記
１文字から成り、且つ前記検索者により入力されるキー
ワードを構成する文字列で前記誤認識形態情報に該当す
る複数文字列があれば、この文字列を誤認識結果である
前記１文字に置換して変換することにより、この１文字
を含む新たなキーワードを作成する方法を有する。

【００１２】請求項４の発明は、前記検索結果を出力す
る際に、検索者が入力したキーワードそのものから検索
された検索結果情報と、前記新に作成されたキーワード
から得られた検索結果情報を異なった形式で出力する方
法を有する。

【００１３】請求項５の発明は、文字認識装置により原
文書を文字認識して得た文書を被検索文書として記憶す
る記憶装置を備え、別途検索者により入力されるキーワ
ードを含む文書を前記記憶装置内の前記被検索文書から
検索する文書検索装置において、前記原文書を文字認識
する際の誤認識形態情報を前記記憶装置に登録する登録
手段と、前記検索者により入力されるキーワードを構成
する文字列で前記登録手段内の前記誤認識形態情報に該
当する文字列を検出する検出手段と、この検出手段によ
り検出された該当の文字列を前記記憶手段内の前記誤認
識形態情報が示す誤認識結果文字列に変換することによ
り、この誤認識結果文字列を含んだ新たなキーワードを
作成する作成手段と、この作成手段により作成された前
記キーワードと前記検索者により当初入力された元のキ
ーワードそれぞれを用いて前記記憶装置から前記被検索
文書を検索する検索手段と、この検索手段による検索結
果を出力する出力手段を具備した構成を有する。

【００１４】請求項６の発明は、前記登録手段により登
録される前記誤認識形態情報は、原文中では１文字であ
るが文字認識の結果複数文字に誤認識される場合の前記
１文字と、誤認識結果である前記複数文字とから成り、
且つ前記作成手段は前記１文字を複数文字に展開して展
開手段を備え、この展開手段により展開された複数文字
を用いて前記新たなキーワードを作成する構成を有す
る。

【００１５】請求項７の発明は、前記登録手段により登
録される前記誤認識形態情報は、原文中では複数文字で
あるが文字認識の結果１文字に誤認識される場合の前記
複数文字と、誤認識結果である前記１文字から成り、且
つ前記作成手段は前記複数文字列を１文字に置換する置
換手段を備え、この置換手段により置換された１文字を
用いて前記新たなキーワードを作成する構成を有する。

【００１６】請求項８の発明は、前記出力手段は前記検
索結果を出力する際に、前記検索者が入力したキーワー
ドそのものから検索された検索結果情報と、前記新に作
成されたキーワードから得られた検索結果情報を異なっ
た形式で出力するアルコリズムを有する構成を有する。

【００１７】

【作用】請求項１の発明の文書検索方法にあって、前記
原文書を文字認識する際の誤認識形態情報を予め登録し
ておき、その後、前記検索により入力されるキーワード
を構成する文字列で前記誤認識形態情報に該当するもの
があれば、この文字列を前記誤認識形態情報が示す誤認
識結果文字列に変換することにより、この誤認識結果文
字列を含んだ新たなキーワードを作成した後、前記検索
者により当初入力された元のキーワード及び前記新たに
作成されたキーワードそれぞれを用いて前記被検索文書
を検索し、得られた検索結果を出力するので、前記被検
索文書中に入力時に生じた誤認識文字列があっても、通
常のキーワードを入力するだけで、該当の文書を確実に
検索することができる。

【００１８】請求項２の発明の文書検索方法にあって、
前記誤認識形態情報は原文中では１文字であるが文字認
識の結果複数文字に誤認識される場合の前記１文字と誤
認識結果である前記複数文字から成り、且つ前記検索者
により入力されるキーワードを構成する文字列で前記誤
認識形態情報に該当する１文字があれば、この文字列を
誤認識結果である前記複数文字列に展開して変換するこ
とにより、この複数文字列を含む新たなキーワードを作
成するので、この新たなキーワードにより、被検索文書
中に原文では１文字であるが文字認識の結果、複数文字
に誤認識された文字列があっても、該当の文書を確実に
検索することができる。

【００１９】請求項３の発明の文書検索方法にあって、
前記誤認識形態情報は原文中では複数文字であるが文字
認識の結果１文字に誤認識される場合の前記複数文字と
誤認識結果である前記１文字から成り、且つ前記検索者
により入力されるキーワードを構成する文字列で前記誤
認識形態情報に該当する複数文字列があれば、この文字
列を誤認識結果である前記１文字に置換して変換するこ
とにより、この１文字を含む新たなキーワードを作成す
るので、この新たなキーワードにより、被検索文書中に
原文中では複数文字であるが文字認識の結果１文字に誤
認識された文字列があっても、該当の文書を確実に検索
することができる。

【００２０】請求項４の発明の文書検索方法にあって、
前記検索結果を出力する際に、検索者が入力したキーワ
ードそのものから検索された検索結果情報と、前記新に
作成されたキーワードから得られた検索結果情報を異な
った形式で出力するので、検索結果の出力形式を見るこ
とにより、検索された文書中にキーワードに関わる誤認
識文字があることを容易に知ることができる。

【００２１】請求項５の発明の文書検索装置において、
登録手段は前記原文書を文字認識する際の誤認識形態情
報を前記記憶装置に登録する。検出手段は前記検索者に
より入力されるキーワードを構成する文字列で前記登録
手段内の前記誤認識形態情報に該当する文字列を検出す
る。作成手段は前記検出手段により検出された該当の文
字列を前記記憶手段内の前記誤認識形態情報が示す誤認
識結果文字列に変換することにより、この誤認識結果文
字列を含んだ新たなキーワードを作成する。検索手段は
前記作成手段により作成された前記キーワードと前記検
索者により当初入力された元のキーワードそれぞれを用
いて前記記憶装置から前記被検索文書を検索する。出力
手段は前記検索手段による検索結果を出力する。これに
より、前記被検索文書中に入力時に生じた誤認識文字列
があっても、通常のキーワードを入力するだけで、該当
の文書を確実に検索することができる。

【００２２】請求項６の発明の文書検索装置において、
前記登録手段により登録される前記誤認識形態情報は、
原文中では１文字であるが文字認識の結果複数文字に誤
認識される場合の前記１文字と、誤認識結果である前記
複数文字とから成るので、前記作成手段の展開手段は前
記誤認識結果文字列を複数文字に展開することにより、
前記作成手段は前記複数文字を用いて新たなキーワード
を作成する。この新たなキーワードにより被検索文書中
に原文中では１文字であるが文字認識の結果複数文字に
誤認識された文字列があっても、通常のキーワードを入
力するだけで、該当の文書を確実に検索することができ
る。

【００２３】請求項７の発明は、前記記憶手段により登
録される前記誤認識形態情報は、原文中では複数文字で
あるが文字認識の結果１文字に誤認識される場合の前記
複数文字と、誤認識結果である前記１文字から成るの
で、前記作成手段の置換手段は前記複数文字列を１文字
に置換することにより、前記作成手段はこの１文字を用
いて新たなキーワードを作成する。この新たなキーワー
ドにより被検索文書中に原文中では複数文字であるが文
字認識の結果１文字に誤認識された文字列があっても、
該当の文書を確実に検索することができる。

【００２４】請求項８の発明は、前記出力手段は前記検
索結果を出力する際に、前記検索者が入力したキーワー
ドそのものから検索された検索結果情報と、前記新に作
成されたキーワードから得られた検索結果情報を異なっ
た形式で出力するアルコリズムを有する。これにより、
検索結果の出力形式を見ることにより、検索された文書
中にキーワードに関わる誤認識文字があることを容易に
知ることができる。

【００２５】

【実施例】以下、本発明の一実施例を図面を参照して説
明する。図１は本発明の文書検索方法を用いた本発明の
文書検索装置の一実施例を示したブロック図である。１
はテキストデータの検索や装置全体の制御を行う制御装
置、２は例えばキーボード及びマウス等から成り、検索
のためのキーワードを入力したり、検索操作を行うため
の各種コマンド等を入力する入力装置、３は検索用文書
データベースや正誤対応表データ等を記憶する例えばハ
ードディスク等からなる外部記憶装置、４は入力された
キーワードの表示や検索操作のためのメニュー画面及び
検索結果を表示するカラーＣＲＴ等から成る表示装置、
５は印刷文書などの原文書からイメージデータ読み取る
と共に前記イメージデータの中のテキストデータを文字
認識してコード化したテキストデータを得る光学的文字
読取装置（ＯＣＲ）である。尚、光学的文字読取装置の
代わりに、オンライン手書き文字認識装置であってもよ
い。

【００２６】以下、制御装置１の構成について更に詳し
く説明する。制御装置１は例えばＣＰＵ及びメモリ等か
ら成るもので、２〜５の各ハードウェア装置とバスによ
り接続されており、各装置の制御、装置間のデータの転
送等の制御や処理を行なうものである。尚、各ハードウ
ェア装置は、制御装置１とバスを介して接続されてお
り、制御装置１により制御が可能であり、又、相互にデ
ータを送ることが可能である。

【００２７】制御装置１の上記したメモリは例えばダイ
ナミックＲＡＭから成り、図４に示すように、制御装置
１が各種制御や処理を実行するためのプログラムを格納
するプログラム部イと、処理の際に必要なデータをバッ
ファリングするバッファ部ロとから成っている。更に、
プログラム部イには、メイン処理部１１ａ、初期化部１
１ｂ、キーワード入力部１１ｃ、キーワード展開部１１
ｄ、キーワード置換部１１ｅ、キーワードサーチ部１１
ｆ、候補文書一覧表示部１１ｇ、文書選択部１１ｈ、文
書表示部１１ｉの各プログラムがあり、これらプログラ
ムは上記したＣＰＵを制御して各種処理を行うことにな
る。

【００２８】バッファ部ロには、キーワード格納バッフ
ァ１１ｍ、展開キーワード格納バッファ１１ｎ、置換キ
ーワード格納バッファ１１ｏ、候補文書数格納バッファ
１１ｐ、候補文書番号格納バッファ１１ｑ、表示優先順
位格納バッファ１１ｒなどがある。尚、キーワード格納
バッファ１１ｍ、展開キーワード格納バッファ１１ｎ、
置換キーワード格納バッファ１１ｏは配列変数であり、
一定数の文字データを格納することができる。候補文書
番号格納バッファ１１ｑ、表示優先順位格納バッファ１
１ｒも配列変数であり、検索の結果得た各文書毎のデー
タを格納できるようになっている。

【００２９】上記プログラム部イのメイン処理部１１ａ
は、装置全体の処理の制御を司るものであり、プログラ
ムの分岐、初期化部１１ｂ以降の各モジュールの呼び出
し等を行なう。初期化部１１ｂは、各ハードウェア装置
の初期設定及び制御装置１のバッファ部ロの内容の初期
化を行なう。キーワード入力部１１ｃは入力装置２のキ
ーボードを介して、検索者に検索の際にキーとなるキー
ワード文字列を入力させ、これをキーワード格納バッフ
ァ１１ｍに格納する。キーワード展開部１１ｄは、外部
記憶装置３に格納されている展開用対応表データを参照
して、キーワード格納バッファ１１ｍ中の文字データの
展開を行ない、結果を展開キーワード格納バッファ１１
ｎに格納する。キーワード置換部１１ｅは、展開キーワ
ード格納バッファ１１ｎ中の部分文字列の置換を行な
い、結果を置換キーワード格納バッファ１１ｏに格納す
る。

【００３０】キーワードサーチ部１１ｆは、外部記憶装
置３に格納されている各文書データを順に参照し、キー
ワード格納バッファ１１ｍ、展開キーワード格納バッフ
ァ１１ｎ或いは置換キーワード格納バッファ１１ｏに格
納されている文字列を含む文書を捜し出し、得られた文
書の文書番号を候補文書番号格納バッファ１１ｑ中に格
納すると共に、表示優先順位格納バッファ１１ｒにタイ
トル表示上の優先順位情報を格納する。

【００３１】候補文書一覧表示部１１ｇは、候補文書番
号格納バッファ１１ｑに格納されている各候補文書番号
に対応する文書のタイトルテキストデータを表示装置４
の画面上に列挙表示する。文書選択部１１ｈは、既に候
補文書一覧表示部１１ｇによって前記画面上に列挙表示
されている文書のタイトルテキストデータのいずれかを
検索者に選択させる。文書表示部１１ｉは、文書選択部
１１ｈによって選択された文書のタイトルテキストデー
タに対応する本体テキストデータを外部記憶装置３より
呼び出し、テキスト（文書）を表示装置２の画面上に表
示する。

【００３２】次に本実施例の動作について説明する。検
索用文書データベースは外部記憶装置３中に格納されて
いるものである。この検索用文書データベースの構造は
図２に示すように、文書毎にその本体テキストデータと
その内容を表すタイトルテキストデータが対応付けて格
納されているもので、ここでは本体テキストデータとタ
イトルテキストデータの組を文書データと呼ぶことにす
る。尚、外部記憶装置３に格納されている順に、文書番
号を０、１、２・Ｎ−２、Ｎ−１（Ｎは格納されている
文書データの総数）と定める。

【００３３】但し、これらのテキストデータは、印刷物
を予め光学的文字読取装置５の処理によって得られたも
のである。又、手書きパターンをオンライン手書き文字
認識装置の処理によって得られたテキストデータを上記
のようなデータベース化して外部記憶装置３に格納して
もよい。

【００３４】以上のような処理により各文書データ（テ
キストデータに同じ）が得られるが、テキストデータを
得る際に、光学的文字読取装置或いはオンライン手書き
文字認識装置のいずれを用いても、認識上の誤りが生じ
る可能性がある。光学的文字読取装置５を利用した場合
に、原文書の頁画像とそれを処理して得た本体テキスト
データ中のコード列の例を図８に示す。この例では、図
８（Ａ）に示した原文書中では、「計」であった１文字
が図８（Ｂ）に示すように「言十」と２文字に分解して
誤認識され、又、原文書中では、「ＥＩ」という２文字
が「日」と１文字に誤認識されている。

【００３５】また、外部記憶装置３に格納されている正
誤対応表データには、図９に示した展開用対応表データ
と、図１０に示した置換用対応表データとがある。展開
用対応表データには、原文書で１文字であるが、読み取
りの際に２文字以上に分解されて誤認識される頻度が高
い文字について、原文字とその予想される誤認識結果
（複数文字列）が対応付けて格納されている。図９の例
では、第１カラム目に原文字が、第２カラム目にその予
想される誤認識結果が格納されている。

【００３６】図１０に示した置換用対応表データには、
原文書で複数の文字から成る文字列が、読み取りの際に
１文字として認識される頻度が高い文字について、原文
字と、その予想される認識結果が対応付けて格納されて
いる。図１０の例では第１カラム目に原文字列が、第２
カラム目にその予想される認識結果（文字）が格納され
ている。尚、上記した正誤対応表データは外部記憶装置
３ではなく、適当な不揮発性メモリに格納しておいても
よい。

【００３７】上記のような前提のもとに図１に示した装
置の文書検索動作の流れについて図５を参照して説明す
る。処理全体の制御はメイン処理部１１ａが司ってお
り、メイン処理部１１ａはまず初期化部１１ｂを起動す
る。起動された初期化部１１ｂは、ステップ５０１にて
図４に示した各バッファ部のクリアや、入力装置１と表
示装置２の初期設定等を行なう。更に、コマンド入力の
ために必要な各種のアイコン、メニューの表示も行な
う。

【００３８】続いて、メイン処理部１１ａはキーワード
入力部１１ｃを起動する。起動されたキーワード入力部
１１ｃは、ステップ５０２にて検索者に入力装置１のキ
ーボードから検索の際のキーであるコード列からなるキ
ーワードを入力させる。メイン処理部１１ａは入力され
たキーワード（コード列）に対して、かな漢字変換等の
処理を施し、得られた文字列をキーワード格納バッファ
１１ｍに格納する。その後、処理はステップ５０３に移
行する。

【００３９】ステップ５０３では、メイン処理部１１ａ
によってキーワード展開部１１ｄが起動される。キーワ
ード展開部１１ｄは、外部記憶装置３に格納されている
図９に示したような展開用対応表データを参照して、図
１１に示したようなキーワード格納バッファ１１ｍ中の
各文字について、第１カラムに登録されているどうかを
調べ、登録されているならば、その文字を第２カラム目
に記述されている文字列で展開して、得られた文字列を
展開キーワードバッファ１１ｎに格納する。図１２は展
開キーワード格納バッファ１１ｎに格納された展開例を
示している。この例では、図１１に示したキーワード格
納バッファ１１ｍ中の「計」という文字が「言十」とい
う文字列に展開されている。尚、この例の情報は図９に
示した展開用対応表データの３行目に記述されている。

【００４０】次にメイン処理部１１ａはキーワード置換
部１１ｅを起動する。キーワード置換部１１ｅはステッ
プ５０４にて、外部記憶装置３に格納されている図１０
に示したような置換用対応表データを参照して、図１２
に示したような展開キーワード格納バッファ１１ｎ中の
各文字列について、前記置換用対応表データの第１カラ
ム目に登録されているかどうかを調べ、登録されている
ならば、その部分文字列を第２カラム目に記述されてい
る文字で置換して、図１３に示すように置換キーワード
格納バッファ１１ｏに格納する。図１３の例では、展開
キーワード格納バッファ１１ｎ中の「ＥＩ」という部分
文字列が「日」という文字に置換されている。尚、この
例の情報は図１０に示した置換用対応表データの２行目
に記述されている。

【００４１】ステップ５０４の処理の後、メイン処理部
１１ａによってキーワードサーチ部１１ｆが駆動され
る。キーワードサーチ部１１ｆはステップ５０５にて、
キーワード格納バッファ１１ｍに格納されている文字列
を含む文書の検索を、外部記憶装置３に格納されている
図３に示す構造の検索用コードデータ（本体テキストデ
ータ）を参照して行う。ここで、図３（Ａ）は検索用コ
ードデータを構成する各文字を示しており、図３（Ｂ）
は前記各文字に対する光学的文字読取装置５による文字
認識の際の候補文字コードを示している。

【００４２】図６は上記したキーワードサーチ部１１ｆ
による文書検索処理の流れを示したフローチャートであ
る。この処理の概略動作は、外部記憶装置３に格納され
ている各文書データの本体テキストデータ（図３に示す
ように検索用コードデータにテーブル化されている）を
順に参照し、キーワード格納バッファ１１ｍ、展開キー
ワード格納バッファ１１ｎ或いは置換キーワード格納バ
ッファ１１ｏに格納されている文字列を含む文書を探し
だし、得られた文書の文書番号を候補文書番号格納バッ
ファ１１ｑ中に格納すると共に、タイトル表示の際の予
め決められた優先順位を表示優先順位格納バッファ１１
ｒに格納する。ここで、制御装置４のメモリのバッファ
部内に定義された文書番号を格納する変数ｉＤｏｃを用
いる。

【００４３】まず、キーワードサーチ部１１ｆはステッ
プ６０１にて、変数ｉＤｏｃに０を代入する。次にステ
ップ６０２にて、外部記憶装置３に格納されているｉＤ
ｏｃ番目の文書データの本体テキストデータ（図３に示
した検索用コードデータに同じ）中に、キーワード格納
バッファ１１ｍに格納されている文字列が含まれている
かどうかを調べる。その結果、含まれていたならばステ
ップ６０３にて、表示優先順位格納バッファ１１ｒの前
記変数ｉＤｏｃで示されるエリアに０を代入した後、ス
テップ６０８に進む。

【００４４】ステップ６０２の処理にて条件が満たされ
なかった場合、キーワードサーチ部１１ｆはステップ６
０４に進み、ここでｉＤｏｃ番目の文書データの本体テ
キストデータ中に、展開キーワード格納バッファ１１ｎ
に格納されている文字列が含まれているかどうかを調べ
る。その結果、含まれていたならば、ステップ６０５に
て表示優先順位格納バッファ１１ｒの前記変数ｉＤｏｃ
で示されるエリアに１を代入した後、ステップ６０８に
進む。

【００４５】ステップ６０４の処理にて条件が満たされ
なかった場合、キーワードサーチ部１１ｆはステップ６
０６に進み、ここで、ｉＤｏｃ番目の文書データの本体
テキストデータ中に、置換キーワード格納バッファ１１
ｏに格納されている文字列が含まれているかどうか調べ
る。その結果、含まれていたならば、ステップ６０７に
て表示優先順位格納バッファ１１ｒの前記変数ｉＤｏｃ
で示されるエリアに２を代入した後、ステップ６０８に
進む。

【００４６】キーワードサーチ部１１ｆはステップ６０
８にて、検索文書の文書番号（ｉＤｏｃ）を候補文書番
号格納バッファ１１ｑに格納した後、ステップ６０９に
て候補文書番号格納バッファ１１ｑの値を＋１インクリ
メントして、ステップ６１０に進む。

【００４７】ステップ６１０にて、キーワードサーチ部
１１ｆはｉＤｏｃの値を＋１インクリメントした後、ス
テップ６１１にて、ｉＤｏｃの値が外部記憶装置３内に
格納されている文書データの総数以上か否かを判断し、
条件が満たされたならばキーワードサーチ部１１ｆでの
処理を終了して復帰する。条件が満たされなかった場合
は、ステップ６０２の処理に戻り、上記した一連の処理
を繰り返す。以上がキーワードサーチ部１１ｆでの処理
の流れである。

【００４８】図５に戻り、前述したステップ５０５の処
理が終了すると、メイン処理部１１ａは候補文書一覧表
示部１１ｇを起動する。候補文書一覧表示部１１ｇはス
テップ５０６にて、候補文書番号格納バッファ１１ｑに
格納されている各候補文書番号に対応する文書のタイト
ルテキストデータを外部記憶装置３から読み出して表示
装置４の画面上に列挙表示する。この表示に際して、候
補文書一覧表示部１１ｇは表示優先順位格納バッファ１
１ｒ内の前記各候補文書番号に対応するエリアに格納さ
れている数字（図６で用いた０、１、２のいずれか）を
参照し、前記数字の値に対応した表示形態で、前記各候
補文書のタイトルテキストデータを画面上に表示する。

【００４９】ここで、本例では数値が０の時は通常表
示、１の時にタイトルを括弧で囲み、２の時に２重括弧
で囲むという形態を用いている。図７はこの時の表示装
置４の画面の状況を示した例である。その後、メイン処
理部１１ａにより文書選択部１１ｈが起動される。検索
者が入力装置１のカーソルキー等を操作して、前記画面
上に表示されている文書のタイトルの１つを選択する
と、文書選択部１１ｈはステップ５０７にて前記選択さ
れた文書のタイトルを有する文書番号を特定して、画面
上に呼び出す文書を選択する。

【００５０】検索者によってタイトルが選択された後
に、メイン処理部１１ａにより文書表示部１１ｉが起動
される。文書表示部１１ｉはステップ５０８にて、文書
選択部１１ｈによって選択された文書番号に対応する本
体テキストデータを外部記憶装置３より呼び出し、これ
をテキストイメージデータとして表示装置４の画面上に
表示する。ステップ５０８の処理を終えた後、メイン処
理部１１ａはステップ５０９に進んで、検索動作終了か
否かを判定し、終了でないならばステップ５０２の処理
に戻り、上記したステップ５０２〜５０８の一連の処理
が繰り返される。ステップ５０９にて検索動作終了を判
定された場合は全体の処理が終了される。

【００５１】本実施例によれば、原文書を光学的文字読
取装置５により文字認識して外部記憶装置３に入力する
際に、原文書中の１文字が複数の文字に分解されて誤認
識されたり、複数の文字が１文字として誤認識された場
合でも、キーワードに上記のようにな形態で誤認識され
る文字列があると、この文字列を誤認識される文字列に
変換することにより、この誤認識文字列を含んだ新たな
キーワードを作成した後、前記元のキーワード及びこれ
ら新たなキーワードによって、外部記憶装置３内の文書
の検索を行うため、上記のように誤認識された文字列を
含む文書も、前記元のキーワードを入力するだけで正確
に検索することができ、装置の文書検索率を向上させる
ことができる。

【００５２】

【発明の効果】以上記述した如く請求項１又は５の発明
によれば、原文書が文字認識される際に生じた誤認識文
字を含む被検索文書の中からでも、キーワードを入力す
るだけで確実に該当文書を検索することができる。請求
項２又は６の発明によれば、原文書中の１文字が文字認
識される際に複数文字に誤認識された文字列を含む被検
索文書の中からでも、キーワードを入力するだけで確実
に該当文書を検索することができる。請求項３又は７の
発明によれば、原文書中の複数文字が文字認識される際
に１文字に誤認識された文字を含む被検索文書の中から
でも、キーワードを入力するだけで確実に該当文書を検
索することができる。請求項４又は８の発明によれば、
上記効果に加えて、検索結果の出力形式を見ることによ
り、検索された文書中にキーワードに関わる誤認識文字
があることを容易に知ることができる。

【図面の簡単な説明】

【図１】本発明の文書検索装置の一実施例を示したブロ
ック図。

【図２】図１に示した外部記憶装置内に格納されている
検索用文書データベースの構造例を示した図。

【図３】図２に示した本体テキストデータの構成例を示
した図。

【図４】図１に示した制御装置のメモリの構成例を示し
た図。

【図５】図１に示した装置による文書検索処理の流れを
示したフローチャート。

【図６】図５に示したキーワードサーチ処理の詳細例を
示したフローチャート。

【図７】図１に示した表示装置に表示された候補文書の
一覧表示画面例を示した図。

【図８】原文書の頁画像と、この頁画像を図１に示した
光学的文字読取装置にて読み取って得た本体テキストデ
ータの一例を示した図。

【図９】図１の装置で用いられる展開用対応表データの
構造例を示した図。

【図１０】図１の装置で用いられる置換用対応表データ
の構造例を示した図。

【図１１】図４に示したキーワード格納バッファに格納
されているキーワード例を示した図。

【図１２】図４に示した展開キーワード格納バッファへ
入力されたキーワード文字列の展開例を示した図。

【図１３】図４に示した置換キーワード格納バッファへ
入力されたキーワード文字列の置換例を示した図。

【符号の説明】

１…制御装置 ２…入力装置 ３…外部記憶装置 ４…表示装置 ５…光学的文字読取装置 １１ａ…メイン
処理部 １１ｂ…初期化部 １１ｃ…キーワ
ード入力部 １１ｄ…キーワード展開部 １１ｅ…キーワ
ード置換部 １１ｆ…キーワードサーチ部 １１ｇ…候補文
書一覧表示部 １１ｈ…文書選択部 １１ｉ…文書表
示部 １１ｍ…キーワード格納バッファ １１ｎ…展開キ
ーワード格納バッファ １１ｏ…置換キーワード格納バッファ １１ｐ…候補文
書数格納バッファ １１ｑ…候補文書番号格納バッファ １１ｒ…表示優
先順位格納バッファ

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 9194−5Ｌ Ｇ０６Ｆ 15/403 ３１０ Ｚ

Claims (8)

【特許請求の範囲】
1. 【請求項１】 原文書を文字認識して得た文書を被検索
   文書とし、別途検索者により入力されるキーワードを含
   む文書を前記被検索文書から検索する文書検索装置にお
   ける文書検索方法にあって、前記原文書を文字認識する
   際の誤認識形態情報を予め登録しておき、その後、前記
   検索者により入力されるキーワードを構成する文字列で
   前記誤認識形態情報に該当する文字列があれば、この文
   字列を前記誤認識形態情報が示す誤認識結果文字列に変
   換することにより、この誤認識結果文字列を含んだ新た
   なキーワードを作成した後、前記検索者により当初入力
   された元のキーワード及び前記新たに作成されたキーワ
   ードそれぞれを用いて前記被検索文書を検索し、得られ
   た検索結果を出力することを特徴とする文書検索方法。
2. 【請求項２】 前記誤認識形態情報は原文中では１文字
   であるが文字認識の結果複数文字に誤認識される場合の
   前記１文字と誤認識結果である前記複数文字から成り、
   且つ前記検索者により入力されるキーワードを構成する
   文字列で前記誤認識形態情報に該当する１文字があれ
   ば、この文字列を誤認識結果である前記複数文字列に展
   開して変換することにより、この複数文字列を含む新た
   なキーワードを作成することを特徴とする請求項１記載
   の文書検索方法。
3. 【請求項３】 前記誤認識形態情報は原文中では複数文
   字であるが文字認識の結果１文字に誤認識される場合の
   前記複数文字と誤認識結果である前記１文字から成り、
   且つ前記検索者により入力されるキーワードを構成する
   文字列で前記誤認識形態情報に該当する複数文字列があ
   れば、これら文字列を誤認識結果である前記１文字に置
   換して変換することにより、この１文字を含む新たなキ
   ーワードを作成することを特徴とする請求項１記載の文
   書検索方法。
4. 【請求項４】 前記検索結果を出力する際に、検索者が
   入力したキーワードそのものから検索された検索結果情
   報と、前記新に作成されたキーワードから得られた検索
   結果情報を異なった形式で出力することを特徴とする請
   求項１乃至３いずれにか記載の文書検索方法。
5. 【請求項５】 文字認識装置により原文書を文字認識し
   て得た文書を被検索文書として記憶する記憶装置を備
   え、別途検索者により入力されるキーワードを含む文書
   を前記記憶装置内の前記被検索文書から検索する文書検
   索装置において、前記原文書を文字認識する際の誤認識
   形態情報を前記記憶装置に登録する登録手段と、前記検
   索者により入力されるキーワードを構成する文字列で前
   記登録手段内の前記誤認識形態情報に該当する文字列を
   検出する検出手段と、この検出手段により検出された該
   当の文字列を前記記憶手段内の前記誤認識形態情報が示
   す誤認識結果文字列に変換することにより、この誤認識
   結果文字列を含んだ新たなキーワードを作成する作成手
   段と、この作成手段により作成された前記キーワードと
   前記検索者により当初入力された元のキーワードそれぞ
   れを用いて前記記憶装置から前記被検索文書を検索する
   検索手段と、この検索手段による検索結果を出力する出
   力手段と具備したことを特徴とする文書検索装置。
6. 【請求項６】 前記登録手段により登録される前記誤認
   識形態情報は、原文中では１文字であるが文字認識の結
   果複数文字に誤認識される場合の前記１文字と、誤認識
   結果である前記複数文字とから成り、且つ前記作成手段
   は前記１文字を複数文字に展開して展開手段を備え、こ
   の展開手段により展開された複数文字を用いて前記新た
   なキーワードを作成することを特徴とする請求項５記載
   の文書検索装置。
7. 【請求項７】 前記登録手段により登録される前記誤認
   識形態情報は、原文中では複数文字であるが文字認識の
   結果１文字に誤認識される場合の前記複数文字と、誤認
   識結果である前記１文字から成り、且つ前記作成手段は
   前記複数文字列を１文字に置換する置換手段を備え、こ
   の置換手段により置換された１文字を用いて前記新たな
   キーワードを作成することを特徴とする請求項５記載の
   文書検索装置。
8. 【請求項８】 前記出力手段は前記検索結果を出力する
   際に、前記検索者が入力したキーワードそのものから検
   索された検索結果情報と、前記新に作成されたキーワー
   ドから得られた検索結果情報を異なった形式で出力する
   アルコリズムを有することを特徴とする請求項５乃至７
   記載の文書検索装置。