JPH0944606A

JPH0944606A - 文字認識処理方法

Info

Publication number: JPH0944606A
Application number: JP7216633A
Authority: JP
Inventors: Yoshitaka Hamaguchi; 佳孝濱口; Makoto Torigoe; 真鳥越; Masashi Ito; 昌史伊藤; Toshio Fujine; 俊夫藤根
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1995-08-02
Filing date: 1995-08-02
Publication date: 1997-02-14

Abstract

(57)【要約】【課題】文字認識結果と単語辞書を照合して認識結果
の誤り修正等を行う場合に、例示する２以上の候補単語
からいずれかを選択するための基準を得る。【解決手段】入力文書に現れた任意の単語について、
その出現頻度やその単語と関連性のある単語の出現頻度
を求める。認識結果として得られた文字列と単語辞書を
比較したとき、２以上の候補単語が挙がったときは、こ
の出現頻度をパラメータとしていずれか一方を選択す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書のイメージを
読み取って文字を抽出し認識する場合に、その認識結果
を単語辞書を用いて自動的に修正する文字認識処理方法
に関する。

【０００２】

【従来の技術】手書き文字、印刷文字をイメージデータ
として読み取って、そのイメージを文字単位で切り出し
て認識処理する装置は、文書等のデータを自動的に情報
処理装置に入力したり、各種の演算処理を行うために広
く利用されている。このような文字認識装置は、１文字
ずつそのパターンを認識し、予め用意した辞書と比較照
合して各文字の認識処理を行う。しかしながら、手書き
文字等は必ずしも辞書のパターンと正確に一致せず、あ
る程度の認識誤りを生じる。例えば、ｔという文字の認
識処理の結果、ｔであるかあるいはｌであるか判別がつ
かない場合がある。このような場合には、まず各文字に
ついて１文字又は２文字以上の候補文字を挙げる。そし
て、１つの単語を構成する文字列について単語辞書と照
合する。単語辞書からはその文字列を構成する文字数と
同一文字数の単語を取り出し、１つずつ比較する。一致
率の最も高い単語を文字認識結果とし、文字認識の正読
率を向上させる。このような後処理技術は、例えば特公
昭６１−２００３８号公報に記載されている。

【０００３】

【発明が解決しようとする課題】ところで、従来の文字
認識処理方法には次のような解決すべき課題があった。
単語辞書との比較照合を行うと、２以上の類似した単語
が同程度の一致度で単語辞書から検出される場合があ
る。このような場合、いずれを選択するかその判断は容
易でない。例えば、「ｓｙｎａｐｔｉｃ」という単語を
認識処理した結果、「ｓｙｎａｐｔｉｃ」と「ｓｙｎｏ
ｐｔｉｃ」という２個の単語が候補として検出されたと
する。この場合、文字パターンと各文字との一致度を数
値化して合計し、その合計値を比較したとしても、実質
的には一致度がほぼ同程度となり、いずれをとるか判定
が不可能になることがある。従って、誤って「ｓｙｎｏ
ｐｔｉｃ」が認識結果として出力されることも有り得
る。本発明は以上の点に着目してなされたもので、複数
の候補単語が得られた場合に、入力文書の内容に応じて
より可能性の高い単語を後処理の結果として得ることが
できる文字認識処理方法を提供することを目的とする。

【０００４】

【課題を解決するための手段】

〈構成〉本発明の文字認識処理方法は、文書のイメージ
を読み取って、そのイメージを文字単位で切り出して認
識処理するとともに、認識処理の結果得られた候補文字
列により構成される単語を、単語辞書から抽出した単語
群と比較照合し、一致度の高い単語を選択して、認識処
理結果の後処理を行うものにおいて、同一文書の別の部
分を認識処理した結果選択した単語について、出現頻度
情報を生成し、比較照合の結果、単語群から２以上の候
補単語が検出されたとき、出現頻度の大きい方を選択す
る。〈作用〉従って、パターン認識による文字認識結果だけ
でなく、その入力文書に頻繁に出現する単語を選別する
ことによって認識率を高める。

【０００５】〈構成〉出現する可能性のある単語群が収
められ、かつ、各単語と関連性のある他の単語を表示す
る情報を含む単語辞書と、認識処理の対象とされた文書
の後処理の結果出力された単語の出現頻度情報と、その
単語と関連性のある単語の出現頻度情報とを参照すると
よい。

【０００６】出現する可能性のある単語群が収められ、
かつ、各単語と関連性のある他の単語を表示する情報を
含む単語辞書と、認識処理の対象とされた文書の後処理
の結果出力された単語と関連性のある単語の出現頻度情
報を、当該関連性のある単語の出力の有無に関わらず更
新することことが好ましい。

【０００７】〈作用〉こうすれば、入力文書に実際に出
現した単語のみならず、その単語と関連性のある単語に
ついても出現頻度が高いという情報を設定し、出現頻度
情報の機能を高めることができる。また、出現頻度の大
きさを比較照合の際の一致度判定のパラメータにするこ
とで、他の各種の一致度判定のためのパラメータに対し
出現頻度情報を付加して認識率を高めることができる。

【０００８】

【発明の実施の形態】以下、本発明を図の実施の形態を
用いて詳細に説明する。図１は、本発明の文字認識処理
方法の概略を説明する説明図である。図に示すように、
例えば英語の入力文書１０が存在したとする。この場合
に、文字認識装置は、各単語を１個ずつ切り分けるとと
もに、その単語を構成する文字を１文字ずつ切り出して
図示しない文字パターンと比較して、各文字についてそ
の文字認識を行う。認識結果は後で説明する単語辞書と
比較して認識誤り等を正し、最も一致度の高い単語を後
処理結果として出力する。

【０００９】ここで、まずそのような後処理結果を利用
して、本発明では出現頻度情報８を生成する。例えば、
入力文書１０には、図に示すような４個の単語１１−１
〜１１−４が含まれている。まず１番目の単語１１−１
について、正しい後処理結果が得られたとすると、単語
辞書４を参照して、その単語「ｂｉｏｌｏｇｉｃａｌ」
に関連する単語を読み出す。その関連単語は「ｓｙｎａ
ｐｔｉｃ」であるとする。この場合に、出現頻度情報８
には「ｂｉｏｌｏｇｉｃａｌ」が１回出現し、更に実際
に出現はしなかったが、その関連する単語「ｓｙｎａｐ
ｔｉｃ」も１回出現したと同様の扱いを受けてカウンタ
を“１”だけ増加させる。以上の後処理によりこういっ
た内容の出現頻度情報８が生成される。

【００１０】その後、入力文書１０の認識処理を進め、
２番目の単語１１−２、３番目の単語１１−３等を経
て、４番目の単語１１−４の認識処理を行ったとする。
その場合、初期処理結果として、各文字ごとの認識結果
を組み合わせ、候補単語「ｓｙｏｏｐｔｉｃ」と「ｓｙ
ｎａｐｔｉｃ」という２個の単語が得られたとする。こ
の場合に出現頻度情報８を参照する。その参照の結果、
既に「ｓｙｎａｐｔｉｃ」については他の単語即ち「ｓ
ｙｎｏｐｔｉｃ」に比べて出現頻度が高いという結果が
得られている。そこで、ここで２個の単語のうち「ｓｙ
ｎａｐｔｉｃ」を認識結果として選択する。本発明の方
法は、概略以上のように実施される。

【００１１】図２に、本発明実施のためのハードウェア
ブロック図を示す。本発明実施のためには、例えばこの
図に示すようなハードウェアが使用される。まず、文字
認識部１は、入力された文書のイメージを読み取って、
各文字についてその文字パターンを認識し、単数または
複数の文字コードをその文字パターンとの一致度を示す
数値情報とともに出力する部分である。なお、この一致
度というのは、読み取った文字のイメージと文字パター
ンを格納した辞書との照合を行った場合に、文字のスト
ロークごとに類似度を検出するが、その類似度を加算し
た値となる。

【００１２】後処理部２は、文字認識部１の出力を単語
辞書４と比較して、単語単位でその認識誤り等を修正
し、より確からしい認識結果を出力するための部分であ
る。単語照合部３は、文字認識部１の出力を受け入れて
単語辞書４から文字数の一致する単語を取り出し比較照
合する部分である。単語辞書４は、文字認識の対象とな
る文書中に含まれることが予想される単語等の文字列を
収めた辞書である。なお、後で説明するように本発明に
おいては、各単語に対してその単語と関連性があり、出
現頻度情報８にその出現頻度を保持する必要のある単語
に関する情報も収めている。

【００１３】照合結果判定部５は、単語照合部３が一致
度が高いと判断して単数または複数の候補単語を出力し
た場合、その一致度と文字認識部１の出力した文字認識
結果等を比較して、候補単語が十分正確であるかあるい
は複数の候補単語からそのままでは正しいものを選択す
るのが困難であるかを判定する部分である。その判定結
果によって、その後の処理が異なってくる。例えば、候
補単語の文字全てが文字認識部１の出力する第一候補文
字から成る場合には、照合結果が正しかったものとし、
そのまま出力部９にその単語が後処理結果として出力さ
れる。一方、単語照合部３の出力する最も一致度の高い
候補単語の一致度と最も一致度の低い候補単語の一致度
との差が一定値以下であったような場合、本発明による
出現頻度情報の利用のため、その出力を頻度照会部６に
向けて出力する。

【００１４】また、出現頻度情報８の生成が必要な場合
には頻度更新部７に向けその出力が送られ、出現頻度情
報８が後で説明するような要領で更新される。頻度照会
部６は、照合結果判定部５において、候補単語から正し
い単語を選択するのが困難であると判定された場合に、
出現頻度情報８を参照していずれか正しい単語を選択す
る処理を行う部分である。頻度照会部６は一致度が近い
候補単語のうち、最も出現頻度情報８に示された出現頻
度の値が大きいものを候補単語に指定して選択するよう
動作する。

【００１５】また、あるいは一致度判定のためのいくつ
かのパラメータが存在する場合に、各パラメータに重み
付けを行い、出現頻度情報にも同様にして重み付けを行
って加算し、一致度の演算を行う。これによって、単語
の出現頻度を加味した一致度の比較が行われる。従っ
て、単にパターン認識の際に得られた一致度の比較のみ
では正しい候補単語が判断できない場合でも、正確に文
字認識のための後処理を行うことができる。

【００１６】頻度更新部７は、照合の結果候補単語が十
分正確であると判定され、出力部９において出力される
ことに決まった単語について、その単語あるいはその単
語と関連する単語が出現頻度情報８に収められた単語で
あった場合には、その単語に対する出現頻度情報やその
単語と関連する単語の出現頻度情報を増加させる処理を
行う部分である。実際に出現した単語のみならずその単
語に関連する単語の出現頻度も同時に増加させる。例え
ば、ある単語の出現頻度が低くても、関連する単語の出
現頻度が高いという場合がある。このような場合、その
単語は対応する入力文書に出現する確率が極めて高いた
め出現頻度情報に反映させて、より確かな認識結果が得
られる。

【００１７】なお、出現頻度情報８は、互いに似た単語
が検出されていずれか判定が容易でないケースに利用さ
れる。従って、出現頻度情報に含める単語の選定は、処
理対象となる文書や文字認識装置の認識処理方法等各種
の要因を考慮する。出力部９は、後処理部２の出力する
単語を文字認識結果として出力する部分である。なお、
ここでは、２以上の認識結果が得られた場合、従来の一
致度や本発明によって出現頻度情報を含めて得られた一
致度等の結果をもとに、いずれかの候補単語を選択出力
する処理を行う構成となっている。この部分の構成は従
来装置と同様であり、具体的な説明は省略する。

【００１８】以下、本発明の方法をより具体的に説明す
る。まず、図３には、文字認識部１の出力した文字の認
識結果を図示した。（ａ）に示したものは、図１に示し
た入力文書１０の中の１番目の単語１１−１についての
各文字の認識結果である。また、（ｂ）に示したのは、
図１に示した入力文書１０の４番目の単語１１−４につ
いての各文字の認識結果である。図に示すように、各文
字ごとの認識結果は、例えば（ａ）に示す最初の単語の
最初の文字ｂについて見ると、候補文字ｂについて一致
度が７７、候補文字６について一致度が２２というよう
に出力されている。

【００１９】文字パターンｉについては候補文字がｉと
ｊ、文字パターンｏについては候補文字がｏとａ、文字
パターンｇについては候補文字がｇと９といった認識結
果が得られている。なお、それぞれ一致度がその下に数
字で示されているが、一致度の高い方を第１候補文字と
し、一致度の低い方を第２候補文字としている。３番目
の文字パターンｏについては候補文字ｏもａも一致度が
４８で等しい。従って、いずれが第１候補文字になるか
は任意である。単語辞書４からこれらの候補文字の組合
せで作られる単語を検索すると、その結果は単語「ｂｉ
ｏｌｏｇｉｃａｌ」のみが得られる。これが唯一の候補
単語として出力される。

【００２０】なお、この候補単語の一致度はその候補単
語に使用されている各文字の文字パターンとの一致度の
平均値で求める。この（ａ）の例では、７７＋８７＋４
８＋６５＋７６＋６５＋８５＋９２＋６８＋８２とし
て、その加算結果７４５を１０で割る。その結果、７
４．５が候補単語「ｂｉｏｌｏｇｉｃａｌ」の一致度と
なる。図２に示す照合結果判定部５は、候補単語「ｂｉ
ｏｌｏｇｉｃａｌ」の全ての文字が第１候補文字から成
り、その一致度７４．５との差が小さい他の候補単語が
存在しないから、この候補単語を十分正確な候補単語と
判定する。なお、この場合の一致度の差は、例えば５程
度に選定するとよい。その結果、候補単語は「ｂｉｏｌ
ｏｇｉｃａｌ」と決定し、出力部９へその出力を送ると
ともに、頻度更新部１７へその候補単語を出力する。

【００２１】図４には、単語辞書例説明図を示す。単語
辞書４には、この図に示すように、入力文書の単語照合
のために多数の単語が格納されている。その単語の格納
された位置は左側に示すポインタで表される。また、各
単語のうちの一部には似通った分野で使用されるような
関連する単語のポインタが示されている。なお、このポ
インタは出現頻度情報８を生成する可能性のある単語だ
けについて設定される。

【００２２】図５には、出現頻度情報の例説明図を示
す。この出現頻度情報は、先に説明した候補単語の選択
に適すると思われるものをリストアップして生成され
る。各単語の格納場所はポインタで示される。その出現
頻度は各単語ごとに書き込まれている。図５に示したも
のは出現頻度情報の初期値であって、入力文書の認識が
開始されていない状態のものである。入力文書の認識を
開始し、１語１語各単語の認識結果が得られると、これ
に応じて頻度が増加し出現頻度情報が更新される。

【００２３】なお、予め同種類の入力文書等で各単語の
出現頻度が分かっているような場合、出現頻度情報をそ
の頻度を含めて生成しておいてもよい。ここで、先に説
明した通り、単語「ｂｉｏｌｏｇｉｃａｌ」を候補単語
と確定した場合に、図４の単語辞書を参照して関連単語
のポインタ９２３１１を得る。このポインタ９２３１１
によって、関連する単語は「ｓｙｎａｐｔｉｃ」である
という結果を得る。このとき、図５に示すようにこの単
語が出現頻度情報として格納されているから、その頻度
を“１”だけ増加させる。従って、図５に示すような初
期状態で頻度を“１”増加させれば「ｓｙｎａｐｔｉ
ｃ」という単語の頻度が“１”となる。

【００２４】こうして、実際にその単語が文書中に現れ
ない場合でも関連した単語によって頻度を増加させるこ
とができる。出現頻度情報の例には、実際に出現した単
語「ｂｉｏｌｏｇｉｃａｌ」の出現頻度情報は表示して
いない。この「ｂｉｏｌｏｇｉｃａｌ」を出現出現頻度
情報に含めてもよいが、この単語は先に説明したよう
に、文字認識を行うと実質的にあまり多くの候補単語が
得られない。即ち、比較的正確に認識できる。そのよう
な単語については必ずしも本発明の判断を必要としない
ため出現頻度情報に含めなかった。

【００２５】即ち、単語「ｂｉｏｌｏｇｉｃａｌ」は出
現頻度情報に含めず、むしろ関連する単語「ｓｙｎａｐ
ｔｉｃ」が後で説明するように他の単語と紛らわしいた
め、出現頻度情報に含めて判断対象とする。その結果、
使用頻度が比較的低い単語であっても出現頻度情報を増
加させ、頻度の照合を行うことを可能にする。また、単
語「ｂｉｏｌｏｇｉｃａｌ」と関連する単語として、入
力文書１０の中に単語「ｎｅｕｒａｌ」が存在する。し
かしながら、この単語と似ているために混同されるよう
な単語が単語辞書４にないため、出現頻度情報を活用す
る必要がない。従って、単語「ｎｅｕｒａｌ」について
も出現頻度情報に含めない。また、こうしたことで出現
頻度情報自身の格納に必要なメモリ容量を抑え、処理速
度の低下を防ぐこともできる。

【００２６】なお、図４に示す単語辞書の場合、単語
「ｂｉｏｌｏｇｉｃａｌ」のみならず、単語「ｍｅｍｏ
ｒｙ」、単語「ｎｅｕｒａｌ」が出現した場合にも同様
にして「ｓｙｎａｐｔｉｃ」が関連単語とされ、その出
現頻度が増加する。このため、図１の入力文書１０に示
した単語１１−１，１１−２，１１−３についての認識
処理を終了した段階で、「ｓｙｎａｐｔｉｃ」の出現頻
度が他の単語の出現頻度と比べて大きな値になってい
る。

【００２７】ここで、入力文書１０の４番目の単語１１
−４についての文字認識結果を図３（ｂ）に示す。この
結果も図３（ａ）に示したものと同様に、文字パターン
ｓについては２種の候補文字ｓ及び５が得られる。文字
パターンｎについてはｏまたはｎ、文字パターンａにつ
いてはｏまたはａ、文字パターンｔについてはｔまたは
ｌといった候補文字が得られている。しかも、その一致
度を考慮した場合、３文字目のｎについては、第１候補
として一致度５２のｏを出力している。逆に正解である
ｎは一致度４３で、第２候補に挙がっている。４文字目
のａについてもｏとａとが同率で第１候補となってい
る。

【００２８】図２に示す単語照合部３は、単語辞書４を
検索することによって、単語「ｓｙｎｏｐｔｉｃ」と
「ｓｙｎａｐｔｉｃ」を得る。この２つの候補単語につ
いて、各文字の一致度の相加平均をとると、いずれの候
補単語も一致度が７１となる。即ち、８２＋９３＋４３
＋４７＋９３＋７１＋６８＋７１は５６８となり、これ
を文字数８で割って、この一致度を得る。従って、この
ように候補単語「ｓｙｎｏｐｔｉｃ」と「ｓｙｎａｐｔ
ｉｃ」の一致度はいずれも７１で、その差は基準として
いた５以内になっており、いずれが正しい候補単語かこ
のままでは判定できない。

【００２９】そこで、照合結果判定部５は、頻度照会部
６にその候補単語を出力する。頻度照会部６は受け取っ
た候補単語の頻度を出現頻度情報８から検索する。その
結果、「ｓｙｎｏｐｔｉｃ」は頻度０、「ｓｙｎａｐｔ
ｉｃ」は頻度３を得る。従って、その結果を候補単語の
一致度に加算する。これによって、単語「ｓｙｎｏｐｔ
ｉｃ」の一致度は７１、「ｓｙｎａｐｔｉｃ」の一致度
は７４となる。こうして正しい認識結果である「ｓｙｎ
ａｐｔｉｃ」が出力部９に選択されて出力される。

【００３０】本発明は以上の実施の形態に限定されな
い。実施の形態では、英語を入力文書として示したが、
他の言語でも同様の処理が可能である。また、上記の説
明は入力文書を順番に最初から認識処理して順次出現頻
度情報等を生成していく説明を行ったが、一旦文書全体
の認識を行い、出現頻度情報を充実させた後に、候補単
語が複数存在していずれか判定が容易でない単語につい
て、出現頻度情報を利用した判定を行うようにしても差
し支えない。更に、本発明は音声認識等、任意のデータ
を文字コード列に変換する場合に、出力される文字コー
ド列が単語辞書と参照されて後処理されるようなもので
あれば同様の効果がある。

【図面の簡単な説明】

【図１】本発明の文字認識処理方法実施の形態を示す説
明図である。

【図２】本発明実施のためのハードウェアブロック図で
ある。

【図３】文字認識結果の説明図である。

【図４】単語辞書例説明図である。

【図５】出現頻度情報例説明図である。

【符号の説明】

４単語辞書８出現頻度情報１０入力文書

───────────────────────────────────────────────────── フロントページの続き (72)発明者藤根俊夫東京都港区虎ノ門１丁目７番12号沖電気工業株式会社内

Claims

【特許請求の範囲】

【請求項１】文書のイメージを読み取って、そのイメ
ージを文字単位で切り出して認識処理するとともに、認識処理の結果得られた候補文字列により構成される単
語を、単語辞書から抽出した単語群と比較照合し、一致
度の高い単語を選択して、認識処理結果の後処理を行うものにおいて、同一文書の別の部分を認識処理した結果選択した単語に
ついて、出現頻度情報を生成し、前記比較照合の結果、単語群から２以上の候補単語が検
出されたとき、前記出現頻度の大きい方を選択すること
を特徴とする文字認識処理方法。
【請求項２】出現する可能性のある単語群が収めら
れ、かつ、各単語と関連性のある他の単語を表示する情報を
含む単語辞書と、認識処理の対象とされた文書の後処理の結果出力された
単語の出現頻度情報と、その単語と関連性のある単語の
出現頻度情報とを参照することを特徴とする請求項１記
載の文字認識処理方法。
【請求項３】出現する可能性のある単語群が収めら
れ、かつ、各単語と関連性のある他の単語を表示する情報を
含む単語辞書と、認識処理の対象とされた文書の後処理の結果出力された
単語と関連性のある単語の出現頻度情報を、当該関連性
のある単語の出力の有無に関わらず更新することを特徴
とする請求項１記載の文字認識処理方法。
【請求項４】音声信号を受け入れて文字単位で認識処
理するとともに、認識処理の結果得られた候補文字列により構成される単
語を、単語辞書から抽出した単語群と比較照合し、一致
度の高い単語を選択して、認識処理結果の後処理を行うものにおいて、同一文書の別の部分を認識処理した結果選択した単語に
ついて、出現頻度情報を生成し、前記比較照合の結果、単語群から２以上の候補単語が検
出されたとき、前記出現頻度の大きい方を選択すること
を特徴とする文字認識処理方法。