JPH0922417A - 文書検索システムおよび文書検索表示システム - Google Patents

Abstract

(57)【要約】 【目的】 記憶するデータ量が少なくて済み、検索ノイ
ズを低減できる文書検索システムを提供する。 【構成】 ユーザが検索キー１を入力する。検索文字列
展開部５にて、コンフュージョンマトリクス１０を用い
て、検索文字列に展開する。テキストサーチ部１５に
て、テキスト２０の中から検索文字列を含む文書を求め
る。単語サーチ部２５にて、単語辞書３０の中から検索
文字列と部分一致する単語を求める。検索文字列確認部
６５にて、前記文書中の検索文字列が前記単語の一部か
否かを判定する。出力結果処理部５５Ａにて、ある文書
が含む検索文字列が全て前記単語の一部である場合に当
該文書を疑似ヒット文書と判定し、そうでない場合に当
該文書をヒット文書と判定し、ヒット文書のみを、又
は、求めた全ての文書を、又は、ヒット文書と疑似ヒッ
ト文書の２種類を区別して全ての文書を、検索結果６０
として出力する。 【効果】 高精度に文書を検索することが出来る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書検索システムおよ
び文書検索表示システムに関し、さらに詳しくは、記憶
するデータ量が少なくて済むと共に高精度に文書を検索
することが出来る文書検索システムおよび検索結果を容
易に検証することが出来る文書検索表示システムに関す
る。

【０００２】

【従来の技術】特開昭６２−４４８７８号公報に開示の
装置では、文書を画像として蓄積するとともに、画像中
の文字を認識して得られた全ての候補文字をテキストと
して蓄積する。そして、前記テキストと検索キーとのス
トリングマッチングによりフルテキストサーチを行い、
文書を検索する。また、検索結果の文書の画像を表示す
る。

【０００３】これに対し、特願平５−３２６３３０号公
報に開示の装置では、文書を画像として蓄積するととも
に、画像中の文字を認識して得られた第１候補文字をテ
キストとして蓄積する。一方、誤認識しやすい文字をグ
ループ化したコンフュージュンマトリクスを利用して検
索キーを検索文字列に展開する。そして、前記テキスト
と前記検索文字列とのストリングマッチングによりフル
テキストサーチを行い、文書を検索する。また、検索結
果の文書の画像を表示する。

【０００４】

【発明が解決しようとする課題】上記特開昭６２−４４
８７８号に開示の装置では、文字認識結果の全ての候補
文字を含むテキストを記憶する必要があるため、記憶す
るデータ量が増大する問題点がある。

【０００５】他方、上記特願平５−３２６３３０号に開
示の装置では、文字認識結果の第１候補文字のみのテキ
ストを記憶するため、記憶するデータ量が少なくて済む
利点がある。しかし、検索ノイズが多い問題点がある。
例えば、図１８に示す文書があり、検索キーが「イラ
ク」であるとき、コンフュージュンマトリクスを利用し
て検索キー「イラク」を展開した検索文字列の一つであ
る「イテク」が文書中に含まれるため、この文書がヒッ
トする。しかし、この文書は、検索キー「イラク」から
検索されるべきでない検索ノイズである。

【０００６】さらに、従来の装置では、検索結果の文書
の画像を単に表示するだけなので、検索結果が正しいか
否かをユーザが検証しにくい問題点がある。

【０００７】そこで、本発明の第１の目的は、記憶する
データ量が少なくて済むと共に検索ノイズを低減でき、
高精度に文書を検索することが出来る文書検索システム
を提供することにある。また、本発明の第２の目的は、
検索結果が正しいか否かをユーザが容易に検証できる文
書検索表示システムを提供することにある。

【０００８】

【課題を解決するための手段】第１の観点では、本発明
は、文書の画像中の文字を認識して得られた第１位候補
文字をテキストとして蓄積するテキスト蓄積手段と、誤
認識されやすい文字をグループ化したコンフュージュン
マトリクス手段と、そのコンフュージュンマトリクス手
段を用いて検索キーを検索文字列に展開する検索文字列
展開手段と、前記テキストを検索して前記検索文字列の
いずれかを含む文書（以下、サーチ文書という）を求め
るテキストサーチ手段とを有する文書検索システムにお
いて、単語辞書手段と、その単語辞書手段を検索して前
記検索文字列が部分一致する単語（以下、サーチ単語と
いう）を求める単語サーチ手段と、前記テキストサーチ
手段で求めた文書に含まれる検索文字列が前記サーチ単
語の一部であるか否かを判定する検索文字列確認手段
と、ある文書が含む検索文字列が全て前記サーチ単語の
一部である場合に当該文書を疑似ヒット文書と判定しそ
うでない場合に当該文書をヒット文書と判定するサーチ
文書判定手段とを具備したことを特徴とする文書検索シ
ステムを提供する。

【０００９】第２の観点では、この発明は、文書の画像
中の文字を認識して得られた第１位候補文字をテキスト
として蓄積するテキスト蓄積手段と、誤認識されやすい
文字をグループ化したコンフュージュンマトリクス手段
と、そのコンフュージュンマトリクス手段を用いて検索
キーを検索文字列に展開する検索文字列展開手段と、前
記テキストを検索して前記検索文字列のいずれかを含む
文書（以下、サーチ文書という）を求めるテキストサー
チ手段とを有する文書検索システムにおいて、単語辞書
手段と、その単語辞書手段を検索して前記検索文字列が
部分一致する単語（以下、サーチ単語という）を求める
単語サーチ手段と、前記コンフュージュンマトリクス手
段を用いて前記サーチ単語を展開し拡張するサーチ単語
拡張手段と、前記テキストサーチ手段で求めた文書に含
まれる検索文字列が前記拡張したサーチ単語の一部であ
るか否かを判定する検索文字列確認手段と、ある文書が
含む検索文字列が全て前記拡張したサーチ単語の一部で
ある場合に当該文書を疑似ヒット文書と判定しそうでな
い場合に当該文書をヒット文書と判定するサーチ文書判
定手段とを具備したことを特徴とする文書検索システム
を提供する。

【００１０】第３の観点では、この発明は、上記構成の
文書検索システムにおいて、前記単語サーチ手段は、サ
ーチ単語の文字列と，サーチ単語長と，サーチ単語中で
検索文字列が部分一致した位置とを含む単語サーチ結果
を出力し、前記検索文字列確認手段は、テキスト中で検
索文字列が存在した位置と前記単語サーチ結果とに基づ
いて当該検索文字列が前記サーチ単語または前記拡張サ
ーチ単語の一部であるか否かを判定することを特徴とす
る文書検索システムを提供する。

【００１１】第４の観点では、この発明は、上記構成の
文書検索システムにおいて、前記ヒット文書のみを検索
結果として出力するか、前記全てのサーチ文書を検索結
果として出力するか、前記ヒット文書と前記疑似ヒット
文書を２種類の検索結果として出力するか、の少なくと
も一つを行う出力結果処理手段を具備したことを特徴と
する文書検索システムを提供する。第５の観点では、こ
の発明は、上記構成の文書検索システムにおいて、文書
の画像を蓄積する画像蓄積手段と、指定されたサーチ文
書の画像を表示する画像表示手段と、文書の画像中の文
字を切り出すために用いた文字枠の座標（以下、文字枠
座標という）を蓄積する文字枠座標蓄積手段と、指定さ
れたサーチ文書の画像を表示する際に前記文字枠座標を
利用して当該画像上の検索文字列部分を他の部分と異な
る表示形態にする強調表示手段とを具備したことを特徴
とする文書検索システムを提供する。

【００１２】第６の観点では、この発明は、文書の画像
を蓄積する画像蓄積手段と、文書の画像中の文字を認識
して得られたテキストを蓄積するテキスト蓄積手段と、
前記テキストを検索して前記検索キーを含む文書（以
下、サーチ文書という）を求めるテキストサーチ手段
と、指定されたサーチ文書の画像を表示する画像表示手
段とを有する文書検索表示システムにおいて、文書の画
像中の文字を切り出すために用いた文字枠の座標（以
下、文字枠座標という）を蓄積する文字枠座標蓄積手段
と、指定されたサーチ文書の画像を表示する際に前記文
字枠座標を利用して当該画像上の検索キー部分を他の部
分と異なる表示形態にする強調表示手段とを具備したこ
とを特徴とする文書検索表示システムを提供する。

【００１３】

【作用】上記第１の観点による文書検索システムでは、
文字認識結果の第１候補文字のみのテキストを記憶する
ため、記憶するデータ量が少なくて済む。また、上記文
書検索システムでは、検索文字列と部分一致するサーチ
単語を求めておき、テキスト中に検索文字列が存在した
とき、それが前記サーチ単語の一部であるか否かを調べ
る。そして、ある文書が含む検索文字列が全て前記サー
チ単語の一部である場合は当該文書を疑似ヒット文書と
判定し、そうでない場合は当該文書をヒット文書と判定
する。先述のように、検索文字列と部分一致する単語が
存在する文書は、検索結果として抽出される。しかし、
検索結果として抽出されても、検索文字列と完全一致す
る箇所が全く存在しない文書は、正しい検索結果である
確率が低い。一方、検索文字列と完全一致する箇所が１
ヵ所でもある文書は、正しい検索結果である確率が高
い。前者は疑似ヒット文書と判定され、後者はヒット文
書と判定されるため、この区別を利用することで、検索
ノイズを低減でき、高精度に文書を検索することが出来
る。

【００１４】上記第２の観点による文書検索システムで
も、前記第１の観点による文書検索システムと同様に、
記憶するデータ量が少なくて済むと共に検索ノイズを低
減でき、高精度に文書を検索することが出来る。さら
に、サーチ単語を拡張するため、検索ノイズをさらに的
確に低減することが出来る。

【００１５】上記第３の観点による文書検索システムで
は、テキスト中で検索文字列が存在した位置と単語サー
チ結果とを利用するため、テキスト中の検索文字列がサ
ーチ単語または拡張サーチ単語の一部であるか否かを、
部分テキストマッチングにより好適に判定することが出
来る。

【００１６】上記第４の観点による文書検索システムで
は、ヒット文書のみを検索結果として出力する場合は、
検索ノイズを低減した検索結果が得られる。全てのサー
チ文書を検索結果として出力する場合は、検索洩れの確
率を減らすことが出来る。ヒット文書と疑似ヒット文書
を２種類の検索結果として出力する場合は、ユーザの使
い勝手を向上させることが出来る。

【００１７】上記第５の観点による文書検索システムで
は、指定されたサーチ文書の画像を単に表示するだけで
なく、当該画像上の検索文字列部分を強調表示するた
め、検索結果が正しいか否かをユーザが容易に検証でき
るようになる。

【００１８】上記第６の観点による文書検索システムで
は、指定されたサーチ文書の画像を単に表示するだけで
なく、当該画像上の検索キー部分を強調表示するため、
検索結果が正しいか否かをユーザが容易に検証できるよ
うになる。

【００１９】

【実施例】以下、図に示す実施例により本発明を詳細に
説明する。なお、これにより本発明が限定されるもので
はない。

【００２０】−第１実施例− 図１に、本発明の第１実施例の文書検索システム１００
の構成を示す。この文書検索システム１００において、
テキスト２０は、図２に示すように、紙の形態の文書２
０１をスキャナ２０５により画像として取り込み、文字
認識部２１０により画像中の文字を認識し、第１位候補
文字をデータ管理部２１５により記憶することを、複数
の文書２０１について、それぞれ行って蓄積したもので
ある。

【００２１】図１に戻り、ユーザが検索キー１を入力す
ると、検索文字列展開部５にて、コンフュージョンマト
リクス１０を用いて、検索キー１を検索文字列２に展開
し、それを有限オートマトン（以下、オートマトンと呼
ぶ）の形態で出力する。図３に示すように、コンフュー
ジュンマトリクス１０は、誤って認識しやすい類似した
複数の文字をグループ化して格納している。検索キー１
の各文字についてインデックステーブル４０１からコン
フュージュンマトリクス１０をアクセスし、類似した文
字（以下、コンフュージョンデータという）を取り出
し、それらコンフュージョンデータを組み合せて、検索
文字列２を得る。例えば、検索キー１として「イラク」
が入力されたとすると、 「イラク」，「イラケ」，「イラタ」，「イラ夕」 「イテク」，「イテケ」，「イテタ」，「イテ夕」 「ィラク」，「ィラケ」，「ィラタ」，「ィラ夕」 「ィテク」，「ィテケ」，「ィテタ」，「ィテ夕」 の１６種類の検索文字列２を得る。これを、図４に示す
ようなオートマトン４００として出力する。

【００２２】図１に戻り、テキストサーチ部１５は、オ
ートマトンによりテキスト２０を検索する。具体的に
は、テキスト２０中の文字を１つずつ取り込んでオート
マトンの文字と照合し、一致すると次の状態に遷移さ
せ、最終の状態に達したときにそのオートマトンに該当
する文字列が存在したと判定する。そして、テキストサ
ーチ結果３を出力する。状態の遷移は、具体的には図５
に示すような状態遷移表５００に従って行う。なお、図
５に示す状態遷移表５００は、図４のオートマトン４０
０に対応するものである。例えば、状態遷移表５００に
おいて、状態番号０でテキスト２０から「イ」を取り込
むと、状態番号１に遷移する。次に、状態番号１でテキ
スト２０から「ラ」を取り込むと、状態番号２に遷移す
る。次に、状態番号２でテキスト２０から「ク」を取り
込むと、状態番号３に遷移する。状態番号３は、最終の
状態であるから、図４のオートマトン４００に該当する
文字列が存在したと判定する。なお、状態番号３からは
状態番号０に戻る。

【００２３】図６に、テキストサーチ結果３のデータ構
造を示す。このテキストサーチ結果３において、サーチ
文書数欄１００１には、検索文字列２がヒットした文書
数“Ｍ”が登録される。また、検索文字列２がヒットし
た文書ごとの文書ＩＤ欄１０１５，１０１５，…には、
当該文書の識別子“Ｄ１”，“Ｄ２”，…が登録され
る。また、サーチ文字列数欄１０２０，１０２０，…に
は、当該文書において検索文字列２がヒットした箇所の
数“Ｎ１”，“Ｎ２”，…が登録される。また、一つの
文書において検索文字列２がヒットした箇所ごとのサー
チ先頭文字位置欄１０２５，１０２５，…には、当該文
書の先頭文字から当該ヒットした箇所の先頭文字までの
文字数“Ｓ11”，“Ｓ12”，…が登録される。

【００２４】図１に戻り、単語サーチ部２５は、予め設
けた単語辞書３０の中から検索文字列２が部分一致する
単語（以下、サーチ単語という）を求める。そして、単
語サーチ結果４を出力する。なお、完全一致する単語は
サーチ単語ではない。図７の（ａ）に、単語サーチ結果
４のデータ構造を示す。この単語サーチ結果４におい
て、サーチ単語数欄１１１５には、求められたサーチ単
語数“Ｃ”が登録される。また、サーチ単語ごとのサー
チ単語欄１１３０には、当該サーチ単語の文字列“Ｗ
１”，“Ｗ２”，…が登録される。また、サーチ単語長
欄１１３５には、当該サーチ単語の文字列数“Ｌ１”，
“Ｌ２”，…が登録される。また、サーチ先頭文字位置
欄１１４０には、当該サーチ単語の先頭文字から検索文
字列２の先頭文字までの文字数“Ｂ１”，“Ｂ２”，…
が登録される。また、サーチ終了文字位置欄１１４５に
は、当該サーチ単語の先頭文字から検索文字列２の終了
文字までの文字数“Ｅ１”，“Ｅ２”，…が登録され
る。図７の（ｂ）に、サーチ単語長“Ｌｋ”と，サーチ
先頭文字位置“Ｂｋ”と，サーチ終了文字位置“Ｅｋ”
と，前方不一致文字数Ｉと，後方不一致文字数Ｊの関係
を示す。

【００２５】図１に戻り、検索文字列確認部６５は、検
索文字列部分追加部３５と部分テキストマッチング部４
５とから構成される。前記検索文字列部分追加部３５
は、コンフュージョンマトリクス１０を用いて単語サー
チ結果４のサーチ単語の文字列（図７の１１３０）を展
開し、新たなオートマトンを生成する。図８に、新たな
オートマトンの生成方法を示す。 （ａ）は、検索キー「イラク」を展開した検索文字列か
ら生成したオートマトン４００である。 （ｂ）は、検索キー「イラク」を展開した検索文字列の
一つである「イテク」と部分一致したサーチ単語「ハイ
テク」である。 （ｃ）に示すように、検索キー「イラク」から生成した
オートマトン４００とサーチ単語「ハイテク」とを比較
して不一致文字を抽出し、その不一致文字とコンフュー
ジョンマトリクス１０からコンフュージョンデータを得
る。 （ｄ）に示すように、前記コンフュージョンデータを用
いてオートマトン４００を拡張し、新たなオートマトン
９２０を生成する。

【００２６】図１に戻り、部分テキストマッチング部４
５は、検索文字列がヒットしたテキスト中の位置情報
（図６の１０２５）を利用して、テキスト２０と新たな
オートマトン９２０とを部分的にマッチングさせ、ある
位置でヒットした検索文字列が他の単語に包含されるか
否かを判定し、文字列確認結果６を出力する。図９に、
文字列確認結果６のデータ構造を示す。この文字列確認
結果６において、サーチ文書ＩＤ欄１２０１には、テキ
ストサーチ結果３の文書ＩＤ欄１０１５の内容“Ｄ
１”，“Ｄ２”，…が登録される。また、サーチ先頭文
字位置欄１２０５には、テキストサーチ結果３のサーチ
先頭文字位置欄１０２５の内容“Ｓ11”，“Ｓ12”，…
が登録される。また、検索文字列種フラグ１２１０に
は、各サーチ先頭位置欄１２０５の位置でヒットした検
索文字列が他の単語に包含されるなら“０”を格納し、
他の単語に包含されないなら“１”を格納する。

【００２７】図１に戻り、出力結果処理部５５Ａは、文
字列確認結果６を解析し、あるサーチ文書に対応する検
索文字列種フラグが１つでも“０”の場合、そのサーチ
文書をヒット文書と判定する。一方、あるサーチ文書に
対応する検索文字列種フラグが全て“１”の場合、その
サーチ文書を疑似ヒット文書と判定する。そして、指示
された出力形式が「ヒット文書のみ出力」ならヒット文
書と判定したサーチ文書ＩＤのみを検索結果６０として
出力する。一方、指示された出力形式が「全てのサーチ
文書を無条件で出力」なら全てのサーチ文書ＩＤを検索
結果６０として出力する。さらに、指示された出力形式
が「ヒット文書と疑似ヒット文書を区別して出力」なら
ヒット文書と判定したサーチ文書ＩＤにヒット文書を示
すマークを付し，疑似ヒット文書と判定したサーチ文書
ＩＤに疑似ヒット文書を示すマークを付した検索結果６
０を出力する。

【００２８】図１０に、前記検索文字列確認部６５での
処理のフローチャートを示す。破線枠１３０１の処理
が、前記検索文字列部分追加部３５の処理に相当する。
また、破線枠１３０５の処理が、前記部分テキストマッ
チング部４５の処理に相当する。

【００２９】ステップ１３２０では、単語サーチ結果４
（図７）のサーチ単語Ｗｋ（ｋ＝１〜Ｃ）についてステ
ップ１３２５〜１３９９の処理を行う。ステップ１３２
５では、着目しているサーチ単語Ｗｋのサーチ先頭文字
位置Ｂｋを入力する。ステップ１３３０では、Ｂｋ≠１
か判定する。Ｂｋ≠１なら、検索文字列の前方に不一致
文字があるので、ステップ１３３５へ進む。Ｂｋ＝１な
ら、検索文字列の前方に不一致文字がないので、ステッ
プ１３６０へ進む。ステップ１３３５では、前方不一致
文字数Ｉ（＝Ｂｋ−１）を算出する。ステップ１３４０
では、ｉ＝１〜Ｉについてステップ１３４５，１３５０
を実行する。ステップ１３４５では、サーチ単語Ｗｋの
ｉ番目の文字とコンフュージョンマトリクス１０からコ
ンフュージョンデータを得る（図８の(ｃ)参照）。ステ
ップ１３５０では、コンフュージョンデータから部分オ
ートマトンを生成する。既に生成された部分オートマト
ンがあれば、その後に追加する。ステップ１３５５で
は、検索文字列のオートマトンに部分オートマトンを前
方接続する。

【００３０】ステップ１３６０では、後方不一致文字数
Ｊ（＝Ｌk−Ｅk）を算出する。ステップ１３６５では、
Ｊ≠０か判定する。Ｊ≠０なら、検索文字列の後方に不
一致文字があるので、ステップ１３６６へ進む。Ｊ＝０
なら、検索文字列の後方に不一致文字がないので、前記
ステップ１３２０に戻る。ステップ１３６６では、ｊ＝
１〜Ｊについてステップ１３６７，１３６８を実行す
る。ステップ１３６７では、サーチ単語Ｗｋの（Ｅｋ＋
ｊ）番目の文字とコンフュージョンマトリクス１０から
コンフュージョンデータを得る。ステップ１３６８で
は、コンフュージョンデータから部分オートマトンを生
成する。既に生成された部分オートマトンがあれば、そ
の後に追加する。ステップ１３６９では、検索文字列の
オートマトンに部分オートマトンを後方接続する。これ
により、新たなオートマトン９２０が生成されたことに
なる。

【００３１】ステップ１３７１では、テキストサーチ結
果３に登録されたサーチ文書Ｄｍ（ｍ＝１〜Ｍ）につい
てステップ１３７２〜１３９９の処理を行う。ステップ
１３７２では、サーチ文書Ｄｍのテキスト２０を入力す
る。ステップ１３７３では、ｎ＝１〜Ｎｍ（＝サーチ文
字列数１０２０）についてステップ１３７５〜１３９９
を行う。ステップ１３７５では、テキストサーチ結果３
に登録されたサーチ先頭文字位置Ｓｍｎを入力する。ス
テップ１３８０では、部分テキストマッチング開始位置
Ｔｎ（＝Ｓｍｎ−Ｉ）を算出する。ステップ１３９２で
は、サーチ文書Ｄｍのテキスト２０のＴｎ番目の文字か
ら（Ｔｎ＋Ｌｋ−１）番目の文字まで順に取り出して、
新たなオートマトン９２０での状態の遷移を行う。ステ
ップ１３９５では、新たなオートマトン９２０で最終の
状態に到達したか否かを判定する。到達したならステッ
プ１３９８へ進み、到達しなかったならステップ１３９
９へ進む。ステップ１３９８では、文字列確認結果６の
サーチ文書Ｄｍのサーチ先頭文字位置Ｓｍｎに対応する
検索文字列種フラグに“１”を登録する。ステップ１３
９９では、文字列確認結果６のサーチ文書Ｄｍのサーチ
先頭文字位置Ｓｍｎに対応する検索文字列種フラグに
“０”を登録する。

【００３２】図１１は、前記出力結果処理部５５Ａの処
理のフローチャートである。ステップ１４０５では、文
字列確認結果６に登録されたサーチ文書Ｄｍ（ｍ＝１〜
Ｍ）についてステップ１４０６〜１４３０の処理を行
う。ステップ１４０６では、図１２に示す検索結果中間
データ７におけるサーチ文書Ｄｍのヒット文書フラグを
“０”にする。ステップ１４１５では、文字列確認結果
６に登録されたサーチ先頭文字位置Ｓｍｎ（ｎ＝１〜Ｎ
ｍ）についてステップ１４２０〜１４３０の処理を行
う。ステップ１４２０では、文字列確認結果６に登録さ
れたサーチ先頭文字位置Ｓｍｎに対応する検索文字列種
フラグが“０”か否かを判定し、“０”ならステップ１
４３０へ進み、“１”なら前記ステップ１４１５に戻
る。ステップ１４３０では、検索結果中間データ７にお
けるサーチ文書Ｄｍのヒット文書フラグを“１”にす
る。

【００３３】ステップ１４７０では、指示された出力形
式が「ヒット文書のみ出力」か否か判定し、「ヒット文
書のみ出力」ならステップ１４７１へ進み、「ヒット文
書のみ出力」でないなら何もしない。ステップ１４７１
では、検索結果中間データ７におけるヒット文書フラグ
が“１”のサーチ文書ＩＤを検索結果６０として出力す
る。

【００３４】ステップ１４７２では、指示された出力形
式が「全てのサーチ文書を無条件で出力」か否か判定
し、「全てのサーチ文書を無条件で出力」ならステップ
１４７３へ進み、「全てのサーチ文書を無条件で出力」
でないなら何もしない。ステップ１４７３では、検索結
果中間データ７における全てのサーチ文書ＩＤを検索結
果６０として出力する。

【００３５】ステップ１４７４では、指示された出力形
式が「ヒット文書と疑似ヒット文書を区別して出力」か
否か判定し、「ヒット文書と疑似ヒット文書を区別して
出力」ならステップ１４７５へ進み、「ヒット文書と疑
似ヒット文書を区別して出力」でないなら何もしない。
ステップ１４７５では、検索結果中間データ７における
ヒット文書フラグが“１”のサーチ文書ＩＤにヒット文
書を示すマークを付し，“０”のサーチ文書ＩＤに疑似
ヒット文書を示すマークを付した検索結果６０を出力す
る。

【００３６】以上の文書検索システム１００によれば、
ヒット文書のみを検索結果として出力する場合は、検索
ノイズを低減した検索結果が得られる。また、全てのサ
ーチ文書を検索結果として出力する場合は、検索洩れの
確率を減らすことが出来る。さらに、ヒット文書と疑似
ヒット文書を２種類の検索結果として出力する場合は、
ユーザの使い勝手を向上させることが出来る。

【００３７】−第２実施例− 第２実施例は、検索結果の文書の画像を表示すると共に
その画像上で検索文字列の部分を強調表示する実施例で
ある。図１３に、本発明の第２実施例にかかる文書検索
表示システム２００の構成を示す。第１実施例の文書検
索システム２００との相違点は、画像１５２０および文
字枠座標１５３０を蓄積している点および出力結果処理
部５５Ａの代りに出力結果処理部５５Ｂを備える点であ
る。図１４に示すように、紙の形態の文書１５０１をス
キャナ１５０５により画像として取り込み、データ管理
部１５１５により文書ごとに画像１５２０を蓄積する。
また、文字認識部１５１０により画像中の文字を認識
し、第１位候補文字をデータ管理部１５１５によりテキ
スト２０として蓄積する。また、文字認識部１５１５が
画像中の文字を切り出すために設定した文字枠の左上座
標と右下座標の２つの座標を文字枠座標１５３０として
蓄積する。図１５に、文字枠１６１５の左上座標１６２
０と右下座標１６２５を示す。１６０１は文書の画像で
ある。１６０５は画像の原点である。図１６に、文字枠
座標１５３０のデータ構造を示す。この文字枠座標１５
３０において、文書ＩＤ欄１６５０には、文書ＩＤ“ｄ
１”，“ｄ２”，…を登録する。また、文字位置欄１６
５２には、当該文書の先頭文字を“１”とする文字順を
登録する。また、文字枠座標欄１６５４には、対応する
文字の文字枠の左上座標と右下座標を登録する。

【００３８】図１に戻り、出力結果処理部５５Ｂは、図
１１に示した出力結果処理の外に、画像表示処理を実行
する。図１７は、画像表示処理のフローチャートであ
る。ステップ１７６０では、表示指示されたサーチ文書
の画像をＣＲＴに表示する。ステップ１７６２では、表
示指示されたサーチ文書がヒット文書か否かを判定し、
ヒット文書ならステップ１７６４へ進み、ヒット文書で
ないなら何もしない。ステップ１７６４では、当該ヒッ
ト文書における検索文字列種フラグ“０”のサーチ先頭
文字位置を順に取り出し、ステップ１７６６を反復す
る。ステップ１７６６では、当該サーチ先頭文字位置か
ら検索キー１の文字数分の各文字に対応する文字枠座標
を取り出し、それら文字枠座標で規定される画像の部分
をハイライト表示にする。

【００３９】ステップ１７６８では、表示指示されたサ
ーチ文書が疑似ヒット文書か否かを判定し、疑似ヒット
文書ならステップ１７７０へ進み、疑似ヒット文書でな
いなら何もしない。ステップ１７７０では、当該疑似ヒ
ット文書における全てのサーチ先頭文字位置を順に取り
出し、ステップ１７７２を反復する。ステップ１７７２
では、当該サーチ先頭文字位置から検索キー１の文字数
分の各文字に対応する文字枠座標を取り出し、それら文
字枠座標で規定される画像の部分をハイライト表示にす
る。以上の文書検索表示システム２００によれば、指示
されたサーチ文書の画像とこれに含まれる検索文字列２
の位置を明確にユーザに提示することが出来るので、検
索結果の当否をユーザは容易に検証することが出来る。

【００４０】

【発明の効果】本発明の文書検索システムによれば、記
憶するデータ量が少なくて済むと共に検索ノイズを低減
でき、高精度に文書を検索することが出来る。また、本
発明の文書検索表示システムによれば、検索結果が正し
いか否かをユーザが容易に検証できるようになる。

【図面の簡単な説明】

【図１】本発明の第１実施例の文書検索システムを示す
構成図である。

【図２】紙の形態の文書からテキストを蓄積する作業の
説明図である。

【図３】コンフュージュンマトリクスとそのアクセス方
法を示す説明図である。

【図４】検索キーを展開して作成したオートマトンの説
明図である。

【図５】図４のオートマトンに対応する状態遷移表を示
す説明図である。

【図６】テキストサーチ結果のデータ構造図である。

【図７】単語サーチ結果のデータ構造図である。

【図８】サーチ単語を展開して作成した新たなオートマ
トンの説明図である。

【図９】文字列確認結果のデータ構造図である。

【図１０】検索文字列確認部での処理を示すフローチャ
ートである。

【図１１】出力結果処理部での処理を示すフローチャー
トである。

【図１２】検索結果中間データのデータ構造図である。

【図１３】本発明の第２実施例の文書検索表示システム
を示す構成図である。

【図１４】紙の形態の文書からテキスト，画像，文字枠
座標を蓄積する作業の説明図である。

【図１５】文字枠座標の説明図である。

【図１６】文字枠座標のデータ構造図である。

【図１７】出力結果処理部での画像表示処理を示すフロ
ーチャートである。

【図１８】文書の一例の説明図である。

【符号の説明】

１：検索キー ５：検索文字列展開部 １０：コンフュージョンマトリクス １５：テキストサーチ部 ２０：テキスト（の蓄積部） ２５：単語サーチ部 ３０：単語辞書 ３５：検索文字列部分追加部 ４５：部分テキストマッチング部 ５５Ａ，５５Ｂ：出力結果処理部 ６０：検索結果 ６５：検索文字列確認部 １００：文書検索システム ２００：文書検索表示システム １５２０：画像（の蓄積部） １５３０：文字枠座標（の蓄積部）

Claims (6)

【特許請求の範囲】
1. 【請求項１】 文書の画像中の文字を認識して得られた
   第１位候補文字をテキストとして蓄積するテキスト蓄積
   手段と、誤認識されやすい文字をグループ化したコンフ
   ュージュンマトリクス手段と、そのコンフュージュンマ
   トリクス手段を用いて検索キーを検索文字列に展開する
   検索文字列展開手段と、前記テキストを検索して前記検
   索文字列のいずれかを含む文書（以下、サーチ文書とい
   う）を求めるテキストサーチ手段とを有する文書検索シ
   ステムにおいて、 単語辞書手段と、その単語辞書手段を検索して前記検索
   文字列が部分一致する単語（以下、サーチ単語という）
   を求める単語サーチ手段と、前記テキストサーチ手段で
   求めた文書に含まれる検索文字列が前記サーチ単語の一
   部であるか否かを判定する検索文字列確認手段と、ある
   文書が含む検索文字列が全て前記サーチ単語の一部であ
   る場合に当該文書を疑似ヒット文書と判定しそうでない
   場合に当該文書をヒット文書と判定するサーチ文書判定
   手段とを具備したことを特徴とする文書検索システム。
2. 【請求項２】 文書の画像中の文字を認識して得られた
   第１位候補文字をテキストとして蓄積するテキスト蓄積
   手段と、誤認識されやすい文字をグループ化したコンフ
   ュージュンマトリクス手段と、そのコンフュージュンマ
   トリクス手段を用いて検索キーを検索文字列に展開する
   検索文字列展開手段と、前記テキストを検索して前記検
   索文字列のいずれかを含む文書（以下、サーチ文書とい
   う）を求めるテキストサーチ手段とを有する文書検索シ
   ステムにおいて、 単語辞書手段と、その単語辞書手段を検索して前記検索
   文字列が部分一致する単語（以下、サーチ単語という）
   を求める単語サーチ手段と、前記コンフュージュンマト
   リクス手段を用いて前記サーチ単語を拡張サーチ単語に
   展開するサーチ単語展開手段と、前記テキストサーチ手
   段で求めた文書に含まれる検索文字列が前記拡張サーチ
   単語の一部であるか否かを判定する検索文字列確認手段
   と、ある文書が含む検索文字列が全て前記拡張サーチ単
   語の一部である場合に当該文書を疑似ヒット文書と判定
   しそうでない場合に当該文書をヒット文書と判定するサ
   ーチ文書判定手段とを具備したことを特徴とする文書検
   索システム。
3. 【請求項３】 請求項１または請求項２に記載の文書検
   索システムにおいて、前記単語サーチ手段は、サーチ単
   語の文字列と，サーチ単語長と，サーチ単語中で検索文
   字列が部分一致した位置とを含む単語サーチ結果を出力
   し、前記検索文字列確認手段は、テキスト中で検索文字
   列が存在した位置と前記単語サーチ結果とに基づいて当
   該検索文字列が前記サーチ単語または前記拡張サーチ単
   語の一部であるか否かを判定することを特徴とする文書
   検索システム。
4. 【請求項４】 請求項１から請求項３のいずれかに記載
   の文書検索システムにおいて、前記ヒット文書のみを検
   索結果として出力するか、前記全てのサーチ文書を検索
   結果として出力するか、前記ヒット文書と前記疑似ヒッ
   ト文書を２種類の検索結果として出力するか、の少なく
   とも一つを行う出力結果処理手段を具備したことを特徴
   とする文書検索システム。
5. 【請求項５】 請求項１から請求項４のいずれかに記載
   の文書検索システムにおいて、文書の画像を蓄積する画
   像蓄積手段と、指定されたサーチ文書の画像を表示する
   画像表示手段と、文書の画像中の文字を切り出すために
   用いた文字枠の座標（以下、文字枠座標という）を蓄積
   する文字枠座標蓄積手段と、指定されたサーチ文書の画
   像を表示する際に前記文字枠座標を利用して当該画像上
   の検索文字列部分を他の部分と異なる表示形態にする強
   調表示手段とを具備したことを特徴とする文書検索シス
   テム。
6. 【請求項６】 文書の画像を蓄積する画像蓄積手段と、
   文書の画像中の文字を認識して得られたテキストを蓄積
   するテキスト蓄積手段と、前記テキストを検索して前記
   検索キーを含む文書（以下、サーチ文書という）を求め
   るテキストサーチ手段と、指定されたサーチ文書の画像
   を表示する画像表示手段とを有する文書検索表示システ
   ムにおいて、 文書の画像中の文字を切り出すために用いた文字枠の座
   標（以下、文字枠座標という）を蓄積する文字枠座標蓄
   積手段と、指定されたサーチ文書の画像を表示する際に
   前記文字枠座標を利用して当該画像上の検索キー部分を
   他の部分と異なる表示形態にする強調表示手段とを具備
   したことを特徴とする文書検索表示システム。