JPS60156190A - 複合語の読取方法 - 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】 〔発明の技術分野〕 この発明は連続する複数の単語で構成される複合語の読
取方法に関し、さらに詳しくは複合語を構成する文字を
１文字ごとにパターン認識の方法により読取り、この読
取りの結果において残存する不確定さを除去する方法に
関するものである。

〔従来技術〕

用紙等に記録した日本文の各文字を認識して各文字に対
応する文字コードを誤シなく決定することのできる文字
読取装置の出現が待望されている。

この場合、第１段階の処理としては、用紙等に記録した
日本文を光電走査して１文字ごとにその文字を表すドツ
トパターンに変換し、この１文字　Ｉごとのドツトパタ
ーンをパターン認識装置によりて処理して、その文字に
対応する文字コードを決定するのであるが、この第１段
階の処理だけでは実用的な認識率を得ることができない
、。たとえば、第１図に示すように用紙の枠内に１文字
づつ手書きされた文字旧１　、　（１２、（１３、（１
４があシ、これを１文字単位に読取った場合、文字旧１
　、　（１３、０４は第２図（２υ、　（２３）　、　
（２４）に示すように正しく読取る（対応する文字コー
ドを決定する）ことができ、文字（６）に対応する文字
コードは第２図（２２−１）に示す「清」を表すものに
すべきか、（２２−２）に示す「請」を表すものにすべ
きかを決定することができず、第１位の認識候補文字と
して（２２−１）に示すもの、第２位の認識候補文字と
して（２２−２）に示すものが候補文字としてあげられ
る結果となる場合がある。

したがって上記′７１段階の処理の後で、単語情報とか
文法情報とかを利用して、第１段階の処理において不確
定であった部分を確定するための後処理を行う必要があ
る。

単語情報による処理では単語辞書を用いて、単語辞書に
存在する文字列は正しい文字列であり、単語辞書に存在
しない文字列は誤シであると判定する。単語には短単位
の単語と、この短単位の単語を複数個連結して構成した
長単位の単語とがある。たとえば、第１図に示す文字列
においては「申請」と「書類」とはそれぞれ短単位の単
語であり「申請書類」は長単位の単語である。従来用い
られている単語辞書の第１の形式のものでは短単位の単
語だけを格納している。

第１の形式の単語辞書を用いる従来の処理方法として単
語を構成する文字の連接情報だけを利用する方法がある
。たとえば第１図に示す文字列を読取った場合、第１段
階の処理によって第２図に示す結果を得たとし、（２２
−１）で示す「清」が第１位の認識候補文字、（２２−
２）で示す「請」が第２位の認識候補文字としてあげら
れたとする。

この場合は不確定文字「清Ｊ（２２−１）及び「請」（
２２−２）について、その前文字又は後文字と連接して
短単位の単語を構成し、この構成した単語が単語辞書に
存在するか否かを調べる。この場合は単語「申請」も単
語「清書」も共に存在し、したがって連接情報の利用に
よりては不確定さを除去し得ないこととなり、第１段階
の処理において第１位の認識候補文字であった「清」に
決定して誤決定となるか、又は読取不能と決定する結果
となる。

これに対し、第２図で（２２−１）として候補にあげら
れた文字が「清」ではなくて「情」でアった場合は、単
語辞書には「申請」という単語も「清書」という単語も
存在しないので「申請」という単語の存在する「請」で
あると決定される。

すなわち、第１の形式の単語辞書と前後文字の連接情報
とを使用する従来の方法は文字読取シにおける不確定さ
を除去する文字修正能力が低いという欠点がある。

また、単語辞書の第２の形式のものでは、短単位の単語
も長単位の単語も格納するものである。

この場合には、すべての単語が辞書に格納されているの
で、単語情報の利用方法も簡単で１１．文字読取りにお
ける不確定さの除去能力も大きいことが知られている。

しかし、通常の日本文においては用いられる可能性のあ
る長単位の単語の種類が極めて多いため、上記第２の形
式の単語辞書の容量が膨大なものとなり、シたがって処
理時間も増大するという欠点がある。そのため、手書き
で日本文を作成するとき、使用することが許される単語
（すなわち読取対象単語）の種類を制限した場合は別と
して、通常の日本文に対して第２の形式の単語辞書を用
いることは実用的でない。

次に、従来の方法の１つとして日本語ワードプロセッサ
に用いられている最長一致法を応用した方法がある。最
長一致法は日本語ワードプロセッサの技術分野において
は従来よく知られているので、その一般的な説明を省略
するが、文字列の長い単語から順番に単語辞書内に一致
する単語が存在するかどうかを調査する方法である。こ
の場合の単語辞書とは短単位の単語だけを記憶する上記
第１の形式の単語辞書である。以下、この明細書−、、
やわよい、８ゆゆ工□。工ゆオ意味１、えよ　１位の単
語を複数個結合して構成される長単位の単語は複合語と
いうことにする。

第２図に示す読取シ結果に対し最長一致法を応用する場
合、（２１）　−（２２−１）　−（２３）　−（２４
）の４文字長の単語も（２１）　−（２２−２）　−（
２３）　−（２４）の４文字長の単語も、（２１）　−
（２２−１）　−（２３）の３文字長の単語も、（２１
）　−（２２−２）　−’　（２３）の３文字長の単語
も存在せず、申（２１）−清（２２−１）の単語は存在
しないが、申（２１）−請（２２−２）という単語は存
在するので「申請」と決定する。最長一致法は日本語ワ
ードプロセッサの分野で実用されているので、その利点
と共に欠点もよく知られているが、その欠点としては不
必要に文字列の長い単語を選択し易く、接頭語の付いた
複合語の場合には、接頭語とその次の文字が１個の単語
として分離されることがしばしば発生するという点であ
る。また、文字列の長さをＮ、１文字画シの認識候補文
字の数をＭとすると、Ｎ　個の種類の単語にりいて一致
するか否かを調べる必要があり、処理時間も遅いという
欠点があった。

〔発明の概要〕

この発明は上記のような従来のものの欠点を除去するた
めになされたもので、この発明では、複合語を構成する
各文字をパターン認識の方法によシ認識した後、当該文
字位置に対応して読取った１つ又は複数の文字コードと
、この文字コードの確からしさの順位を表す数字を入力
し、その文字コードの表す文字の有する文字位置特性と
、その文字位置特性によって互に隣接する文字間の接続
可能性を調べ、接続可能な接続径路のうち、上記文字コ
ードの確からしさの順位を表す数字の総計が最小となる
径路によって決定される複合語を最も確からしい複合語
として決定するのである。

〔発明の実施例〕

以下この発明の実施例を図面について説明する。

第３図はこの発明の一実施例を示すブロック図で、図に
おいて（３１は用紙等の記録媒体上に記録された複合語
を表し、（４１は用紙に記録された複合語を光電走査し
て各文字の文字パターンを発生する走査手段、（５）は
走査手段（４１の出力である文字パターンを入力し、１
文字ごとに当該文字パターンに対する認識候補文字を表
す文字コードをｉｍａ又は複数種類決定する文字Ｕ識手
段であって、１文字の文字パターンに対して認識候補文
字を表す文字コードを２種類以上出力する場合は確から
しさのｊ−位を付して出力する。たとえば、第２図に示
す例で、清（２２−１ン及び請（２２−２）のコードを
出力するとき清（２２−１）には順位１、請（２２−２
）には順次２を付して出力する。（６）は複合語決定手
段であつて、文字認識手段（５）から出力される複合語
に対応する文字コード列を入力し、その文字コード列に
残存する不確定さと誤りとを除去する。

口１　、　Ｘ８１　、　ｔ９１は複合語決定手段１６）
が処理を行うときに使用するテーブルであって、文字位
置特性テーブル（７）、位置特性接続テープ）ｖ　１８
１、連接文字テーブル（９）である。

次に、第４図に示す非（４１）、常（４２）、識（４３
）、的（４４）の複合語を読取る場合を例にして、第３
図の文字位置特性テープ）Ｖ　１７１、位置特性接続テ
ーブル（８１、連接文字テーブル（９）の構成、ならび
に複合語決定手段（６）の動作について説明する。文字
認識手段（５）の出力までの動作は従来の装置と同じく
、第５図に示す非（５１）、常（５２）、調（５３−１
ン、識（５ａ−２）、謝（５３−３）、的（５４−１）
、釣（５４−２）、印（５４−３）が文字認識手段（５
）から出力される文字コードであったとする。

第６図は文字位置テーブル（７）の一部を示す説明図で
あって、当該文字の文字コードに対応し、その文字が２
文字長の単語において第１番目の位置を占める（すなわ
ち前文字になるン可能性、第２番目の位置を占める（す
なわち後文字になる）可能性、接頭語になる可能性及び
接尾語になる可能性がテーブルに記憶されている。第６
図に０で示す欄は可能性があることを意味し、Ｘで示す
らんは可能性がないことを意味する。

当然のことながら３文字長以上の単語もめるが、その種
類は２文字長単語と比較して非常に少なく、２文字長の
単語と接辞（すなわち接頭語あるいは接尾語）との組み
合せとして処理することも可能である。

また、固有名詞で３文字長以上の単語は２文字長単語と
接辞との組み合せとして処理することは困難であり、そ
のような場合には先頭文字と最終文字以外を中間文字と
して分類する必要が６Ｃ１別の処理方法によって処理す
る必要があるが、説明を簡単にするために第６図に示す
内容の文字位置特性テーブル１７＋が用いられる場合に
ついて説明する。

更に、複合語には接辞以外の１文字長単語が含まれる場
合もあるが、この１文字長単語は文字位置特性テーブル
（７）では接頭語又は接尾語として取扱うことができる
。

第６図に示すとおり、大部分の文字は前文字にも後文字
にもな９得るが、「オ」とか「汽ｊ等はどちらか一方に
しかならない。「オ」は前置助数詞となって漢字列の先
頭に位置することが多いが、数詞、助数詞に関しては一
般に複合語処理とは別の処理が行われるので、複合語の
読取方法からは除外しておる。文字位置特性テープ）Ｌ
／　ｔ７１は国語辞書から成作することができる。

オフ図は位置特性接続テーブル（８）の−例！示す説明
図で、２個の連続する文字間において、それらの文字の
文字位置特性に基づいて接続が可能か否かを定めたもの
である。オフ図中の０印はその横の欄の文字位置特性を
有する文字を前接続としその縦のらんの文字位置特性を
有する文字を後接続として接続が無条件に可能であるこ
とを意味し、Ｘ印はその接続が不可であることを意味し
、Δ印は連接文字テーブル（９）について、そのような
接続が存在するか否かを調べる必要があることを意味し
ている。

、オフ図によれば接頭語の後に接尾語を接続することが
不可とされているので、接頭語の「前」と接尾語の「者
」を接続して「前者」とすることは不可とされるが、こ
れは前者を一つの単語として登録しておけば救済するこ
とができる。

第８図は連接文字テーブル（９）の一部分を説明する図
で、オフ図に示す位置特性接続テーブル（８１において
Δ印の組み合せに対する接続の可能性を示している。た
とえば「常温」、「常軌」、「常時」、「常識」、「常
任」という単語は連接文字テーブル（９）中に存在する
が「常」を前文字、「調」を後文字とすることは文字位
置特性テーブル（７）から見て可能であるが、連接文字
テーブル（９）中には「常調」という単語が存在しない
ことがわかる。

一般に、１個の前連接文字あ７’ｉ＋すの後連接文字は
、文字種総数に比較して非常に少なく、漢字に限定すれ
ば文字種総数の１チ以下であることが知られている。従
って、単語の読み取りに際して、認識候補文字から連接
する文字だけを選択すれは、認識候補文字が実質的に減
少し、単語を正しく読み取る確率を向上することができ
る。しかも、連接文字テーブル（９）を格納する記憶装
置の容量は、一般に単語辞書の数分の−でよいという利
点がある。連接文字テーブル（９）は漢和辞書から作成
することができる。

次に複合語決定手段（６１の動作について説明する。

第４図に示す複合語を一語単位に読取って第５図に示す
結果を得た場合を例について説明すると、文字認識手段
（５１は第５図に示す各文字コードとその配列順番及び
その文字コードの確からしさの順位を示す数とを複合語
決定手段（６）に対し出力する。

すなわち複合語決定手段（６）に入力されるデータは第
９図に示すとおシになる。第９図中、小史の中に記入し
である数字が確からしさの順位１，２゜３、・・・を示
す。第５図に示す「非」（５１人「常」（５２）のよう
に単一の文字コードに確定できる場合にも、確からしさ
の順位としては数値１を与える。

複合語決定手段１６）は第９図に示す入力の各文字に対
し文字位置特性テーブル１７＋を参照し、文字位置特性
別の文字に分割して第１０図に示すように配列する。第
１０図において［株］、＠、［相］、［株］はそれぞれ
前文字、後文字、接頭語、接尾語を意味する。但し複合
語の先頭文字は後文字又は接尾語となることは々く、複
合語の最後の文字は前文字又は接頭語となることはない
ので文字位置特性テーブルにその位置特性が存在する場
合にもこれを省略する。第１０図の各データは実際には
当該認識候補文字を表す文字°−ド・確からしさ０頴位
を　１表すコード及び位置特性を表すコードを連結した
データであることは申すまでもない。

第１０図のように配列された文字に対し、位置特性接続
テーブル（８１及び連接文字テーブル（９）を参照して
互に隣接する列の間で接続可能性のある認識候補文字間
を第１０図Ｘ□〜ｘ１ｏに示す有向枝で連結する。有向
枝の矢印の指す頂点を終点と呼び、反対側の頂点を始点
とよぶ。Ｘ□、Ｘλ＋　Ｘ７は連接文字テーブルＸ９）
（第８図）Ｋよ多連接可能であり、ｘ２　＄　ｘ４１　
ｘ６　ｔ　Ｘａ　？　ｘ９　＃　ｘｉｏは位置特性接続
テーブル（８）（オフ図）により接続可能である。した
がって、この複合語はｘｌ−ｘ４　”’　ｘ７　による
接続「非常調印」かＸ２−　Ｘｓ　７．、　Ｘ−ｇ　に
よる接続「非常識的」である。この２つのうち、いずれ
がより確からしいかは有向枝の終点の文字に伺された順
位数の合計りの最も小さいものを最も確からしい読取り
結果として決定する。Ｘ□−ｘ４−ｘ７　ではｐ＝ｌ’
＋１４３＝５で、Ｘ２−’　Ｘａ−Ｘｇ　ではＤ＝１＋
２＋１＝４であるから後者を取り「非常識的」と読取る
。

なお、場合によっては、位置特性接続テーブル；８：、
連接文字テープＪｖ１９１において接続不可と示されて
いる文字間に有向枝（たとえば第１０図ｙ）を設定し、
この接続も可能であると仮定してこの接続を用いた場合
の確からしさの順位を算出する場合もある。この場合は
このような有向枝を経過する毎に上記りの値にα（大き
い値の正定数、たとえばｉｏ　）を加算することにする
。たとえばｘ２−ｙ□−Ｘａ　の接続に対しＤ−１＋１
０＋１　＋　１　＝１３とする。もちろんＸ２１−　Ｘ
ａ　−Ｘ９　の接続に対するＤよりも大きくなる。

また、Ｄが最小となる接続径路を見つけるためには総て
の径路についてＤを算出する必要はなく、この種の問題
に関しダイナミックプログラミングの手法を用いて、短
時間でＤが最小となる径路を見つけ出すことができるこ
とは従来よく知られている事実である。

なお、第４図及び第５図に示す例について、従来の最長
一致法で処理すれば「非常調印」と誤決定し、第１の形
式の単語辞書（直接文字テーブル（９）に相当）だけを
使用する方法では（５３−１）　、　（５３−２）　。

（５３−３）及び（５４−１）、（５４−２）、（５４
−３Ｊ　（第５図参照）の決定が不能となる。

以上は、漢字で構成される複合語について説明したが、
片仮名等の複合語、あるいは漢字と片仮名等が混在した
複合語についても同様にこの発明を適用することができ
る。また位置特性接続テーブル（８）（オフ図）はその
内容が簡単であるので、テーブルとして記憶する方法以
外にプログラム内に組込んで処理することもできる。

さらにまた、文字位置特性テーブル（７）についても第
６図に示す例以外、更に中間文字とか１文字長単語とか
の種類を追加し、このようにして増加した文字位置特性
種類に対応する位置特性接続テーブルを作成して使用す
ることができる。

〔発明の効果〕

以上のようにこの発明によれば、文字位置によって定ま
る文字の接続特性と、単語を構成する文字の連続情報に
基づいて、高順位の認識候補文字を優先的に選択してい
るので、接辞の付いた複合語も高い精度で高速に読取る
ことができる。

【図面の簡単な説明】

第１図は用紙に記録された複合語文字の一例を示す図、
第２図は第１図の記録を文字ごとにパターン認識方法に
よって読取った結果の一例を示す図、第３図はこの発明
の一実施例を示す図、第４図は用紙に記録された複合文
字の他の例を示す図、第５図は第４図の記録を文字ごと
にパターン認識方法によって読取りた結果の一例を示す
図、第６図は第３図の文字位置特性テーブルの一部を示
す図、オフ図は第３図の位置特性接続テーブルの一例を
示す図、第８図は第３図の連接文字テーブルの一部を示
す図、２９図は第３図の複合語決定手段に入力されるデ
ータの一例を示す図、第１ｏ図は第３図の複合語決定手
段における処理を示す図である。 （３）・・・用紙、（４）・−・滝壷手段、（５）・・
・文字認識手段、（６１・・・複合語決定手段、（７）
・・・文字位置特性テーブル、（８１・・・位置特性接
続テーブル、（９）・・・連接文字テーブル。 代理人　大　岩　増　雄 第１図 第３図 ０．°帽・・え°喫岬−←− 駅一一−１ｆｙ 第４図 第５図 第６図 第８図 手続補正書（自発） １．　事件の表示　特願昭　５９二００４４１１　号３
、補正をする者 事件との関係　特許出願人 住　所　東京都千代田区丸の内二丁目２番３号名称（６
０１）　三菱電機株式会社 代表者片　山　仁へ部 ４、代理人 ５、補正の対象 （１）明細書の「発明の詳細な説明」の欄（１）明細書
第１９頁第１７行目「連続情報」とあるを「連接情報」
と訂正する。 （以上）

Claims (1)

1. 【特許請求の範囲】 用紙等に記録された複合語を読゛取シ、この複合語を構
   成する各文字がどの文字コードに対応する文字であるか
   を決定する複合語の読取方法において、 上記複合語内で使用されるすべての文字に対し、各文字
   が複合語内でと９得る位置特性□を当該文字に対して記
   述する文字位置特性テーブルを作成してこれを記憶装置
   に格納する段階、 上記位置特性のうちの１つの位置特性を有する文字を前
   接続とし他の１つの位置特性を有する文字を後接続とす
   る接続が、無条件に可能であるか、条件によシ可能であ
   るか、又は不可であるかを上記文字位置特性テーブルに
   存在するすべての位置特性について記述する位置特性接
   続テーブルを作成し、これを記憶装置に格納する段階、
   上記位置特性接続テーブルにおいて条件により接続可能
   であると記述されているすべての接続に関し前接続とす
   べき前連接文字の各文字に対応し後接続が可能であるす
   べての後連接文字を記述した連接文字テーブルを作成し
   これを記憶装置に格納する段階、 上記複合語を構成する各文字をパターン認識の方法で読
   取シ、当該複合語内の各文字位置の文字に対応して単−
   又は複数の認識候補文字を決定し、当該認識候補文字の
   確からしさの順位金示す数値（但し単一の認識候補文字
   に対しては当該認識候補文字の確からしさの順位を第１
   位とする）を付して複合語決定手段に入力する段階、 上記複合′、・決定手段において、入力されるすべての
   認識候補文字に対し上記文字位置特性テーブルを参照し
   て各認識候補文字に位置特性の種類を付記する段階、 位置特性の種類の付記された各認識候補文字のうち上記
   複合語内の文字位置が先頭文字及び末尾文字に対応する
   認識候補文字に対しては、先頭及び末尾の位置をと９得
   ない位置特性を除去して各認識候補文字の位置特性の種
   類を決定する段階、位置特性の種類が決定されたすべて
   の認識候補文字に対し、当該認識候補文字を表す文字コ
   ード、当該認識候補文字の確からしさの順位を表すコー
   ド及び当該認識候補文字に対し決定された位置特性の種
   類のうちの１つを表すコードを連結して１つのデータと
   し、各認識候補文字の各位置特性種類に対応するすべて
   のデータを構成し、上記複合語内の文字位置１匪に、か
   つ同一文字位置に対応するすべてのデータを１列に配列
   してデータ列を構成する段階、 構成されたデータ列の互に隣接するデータ列のそれぞれ
   １個のデータの間を接続することが可能であるか否かを
   、上記位置特性接続テーブル及び上記連接文字テーブル
   を参照して決定し、接続可能であるデータ間を有向枝に
   よ勺連接表示する段階、 上記複合語の先頭位置に対応する列から上記複合語の末
   尾位置に対応する列までの間が有向枝を介して連接表示
   された経路のうち、各有向枝の終点における認識候補文
   字の確からしさの順位を示す数値の総和が最も小さい接
   続経路を当該複合語の読取シとして決定する段階を備え
   たことを特徴とする複合語の読取方法。