JPS60583A

JPS60583A - 単語認識方式

Info

Publication number: JPS60583A
Application number: JP58108111A
Authority: JP
Inventors: Yoshiaki Kurosawa; 由明黒沢; Yoshikatsu Nakamura; 中村　好勝; Masato Suda; 正人須田
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1983-06-16
Filing date: 1983-06-16
Publication date: 1985-01-05
Anticipated expiration: 2010-10-11
Also published as: JPH0795337B2

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〕本発明は、例えば印刷、手書入力された文字列あるいは
音声入力された文字列からなる単語データを簡易に且つ
効果的に認識することのできる単語認識方式に関する。

〔発明の技術的背景とその問題点〕

情報処理技術の発展に伴い、印刷、手曹入力された文字
列や音声入力された文字列からなる単語データを認識し
、その情＠を計算機システムに取込むことが行われてい
る。この場合、基本的には上記単語データを構成する文
字列の各文字の特徴をそれぞれ検出する・ことによりで
行われるが、個々の文字認識結果を組合せるだけでは、
その認識処理が不十分なことが多い。例えば、成る文字
についての認識結果が正しく得られない場合には、その
単語データ全体の認識ができなくなる。

そこで従来では、例えば第１図に示すように、光電変換
部１にて帳票２から読取った文字列の各文字を前処理部
３を介したのち文字認識部４で認識し、その認識された
文字候補によって示される候補単語と単語辞書５に予め
登録された単語との類似度を単語認識部６にてめ、その
類似度の高い単語を認識結果として得ている。

即ち、入力されたｒ個の文字列からなる単語の各文字に
ついての複数の認識結果と、単語辞書５に登録された単
語を構成する文字列の対応文字位置の文字との類似度を
それぞれめ、これらの類似度の情報に従って総合的に最
も高い類似度を得る辞書登録された単語を前記入力文字
列の認識結果としてめるものでＬｊ）、例えば特願昭５
６−１３８１６３号等に詳しく紹介される。

ところが、この種の従来方式にあっては、例えば異種の
単語を連結してなる合成語を示す文字列が与えられた場
合等、その合成語を正しく認識することができないとい
う不具合があった。

例えば「日本大学」なる合成語が単語として辞書登録し
であるにも拘らず、「熊本大学」なる合成語が辞書登録
されていないときに、「熊本大学」なる文字列が入力さ
れると、単語辞書を用いた類似度計算によって、「本」
「犬」「学」の各文字についてそれぞれ高い類似度が得
られる。これに較べて「熊」なる文字が単語辞、瞥に登
録されていないから、結局入力された４文字中の３文字
について高い類似度を得るものとして、「日本大学」な
る単語が認猷結果としてめられる。この不具合は、上記
「熊本」や「日本」なる単語と「大学」なる単語とが異
なる種類に属し、且つ「熊本大学」や「日本大学」は、
これらの異種単語を結合した合成語であると云う事実を
利用していない為である。この為、これらの合成語を認
識対象とした場合、その認識率が低下すると云う問題が
あった。

〔発明の目的〕

本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、人力父子列が複数の単語を結合
した合成語であっても、これを簡易に且つ効果的に認識
することのできる単語認識方式を提供することにある。

〔発明の概要〕

本発明は入力文字列が複数の単語を連結した合成語であ
るとき、この合成語を構成する単語にそれぞれ対応して
めた候補単語毎に単語辞書に登録された単語との類似度
をめ、これらの類似度を結合した情報に従って前記複数
の単語にそれぞれ対応した認識単語の組をめ、これらの
認識単語を連結して前記入力単語列に対する認識結果を
得るようにしたものである。

〔発明の効果〕

かくして本発明によれば、合成語を構成する複数の単語
についてそれぞれ得られた認識結果を結合して、入力文
字列が為す合成語を認識するので、合成語を為す文字列
の全てを統一的に認識処理対象とする場合のような不具
合を招くことがない。具体的には前述した「熊本大学」
と「日本大学」の例のようにその全体で認識処理した場
合には４文字中の３文字で高い類似度が得られて誤った
認識結果が得られる不具合があるのに対して、本方式に
よれば「熊本」と「日本」との２文字における単語認識
での認識結果が「大学」なる単語のｇ識結果によって左
右されることがない。従って、その認識精度を高めるこ
とが可能となる。しかも、合成語を構成する単語に対応
させて入力文字列から候補単語を選び出し、これらにつ
いてそれぞれ認識処理するので非常に簡単である等の実
用上多大なる効果が奏せられる。尚、このとき、単語辞
書として合成語を構成する単語にそれぞれ対応したもの
を準備しておき、これらをポインタによって結び付けて
おくようにすれば非常に詳細な合成語認識を行い得る等
の、効果が奏せられる。

〔発明の実施例〕

以下、図面を参照して本発明の実施例につき説明する。

第２図は実施例に係る単＠認識部の概略構成を示すもの
である。単鎖情報ノ々ツ７アＪ１は、前記文字認識部４
で認識された入力文字列の各文字の文字候補をそれぞれ
蓄えるものである。

これらの文字候補の組によって前記入力文字列に対する
候補単語が示される。単＠類似度計算部１２はコントロ
ーラ１３の制御を受けて、前記バッファ１ノにめられた
候補単語と、単語辞書５に予め登録された辞書単語との
類似度を計算するもので、コントローラ１３は、これら
の類似度の情報に従って、前記入力文字列が示゛す単語
ｔ−ｇ識結果として得ている。

しかして、上記コントローラ１３の制御による単語認識
は、基本的には前記バッファ１１に格納された入力文字
列の各文字の認識結果（文字候補）の列を１つの単語と
看做して行われるが、前記入力文字列が複数の単語を結
合した合成語であるとき、この合成語全構成する単語に
対応して文字候補の利金区切υ、各候補単語毎に単語辞
書５との照合による認識処理が行われる。即ち、入力文
字列が合成語でちるとき、この合成語を為す単語の可能
な組合せに応じて前記入力文字列を区切り、これらの区
切られた文字列をそれぞれ候補単語として認識処理する
。

例えば入力文字列が４文字から々る場合には、この合成
語を為す単語の組合せとして（１文字単語＋３文字単語
）、（２文字単語＋２文字単語）、（３文字単語＋１文
字単語）等が考えられる。これらの単語の組に応じて、
その組金為す候補単語と単語辞書５に登録された単語と
の類似度が計算される。コントローラ１３は、これらの
合成語を為す単語の組の各４語についてめられた類似度
の情報に従って、その単語の組を評価し、前記入力又字
列に対する認識結果を得ている。

このようにして認識処理を行う装置に、今、「熊本大学
」からなる４文字の合成語を示す文字列が与えられたと
する。この場合、第３図に示すように単語情報ノ々ツフ
ァ１１には、その合成語を為す単語に対応して「熊本」
なる候補単語と「大学」なる候補単語がめられる。これ
らの単語は互いにその種別を異にするものである。この
ような各単語に対して、例えば単語辞書ファイル５ａに
登録された単語との類似度が計算され、その最大類似度
を得る辞書率＠「熊本」とその類似度値Ｓ１がめられる
。また同様にして「大学」なる入力単語については、単
語辞書ファイル５ｂに登録された単語との類似度が計算
され、その最大類似度を得る辞書単語「大学」と、その
類似度値Ｓ２とがめられる。

そして、コントローラ１３は、これらの類似度値Ｓ１　
、Ｓ、が共に所定の閾値を越えることがら、上記最大類
似度を得た単語を結合し、入力文字列の認識結果として
「熊本大学」を得ている。

第４図は、入力文字列が２つの単語を合成した合成語か
らなる場合の認識手順を示すもので、上記入力文字列を
前半部と後半部とに分け、これらに対応する単語辞書を
第１フアイル、第２フアイルと定義した場合を示してい
る。しかして、この処理は文字列が入力された場合、先
ず定数ｊをｒｌＪにセットし、第１フアイル中の第ｊ番
目の単＠を抽出する。そして、この第１フアイルのｊ番
目の単語と、入力文字列を為す前半部の単語との類似度
Ｓ１を計算する。しかるのち、定数に１ｋｒ　Ｉ　Ｊに
セットし、第２フアイル中のに番目の単語と、前記入力
文字列を為す後半部の単語との類似度Ｓｚ’ａ”計算す
る。そして、これらの類似度５１ｔＳ！が共に所定の閾
値’ｒｌ　、’ｒ、を越えるとき、その類似度の和をめ
、前記ｊとｋの情報を登録する。この処理を第１フアイ
ルおよび第２フアイルにそれぞれ登録された単語の組合
せの全てについて行い、これによって得られた前記類似
度の和Ｓに従って、その情報Ｓが太きいものから順に前
記単語の組をソート処理する。そして、これらのソート
処理された単語の組の、最も類似度の高い単語の組を、
前記入力文字列のｇ　Ｖｔｆｔｒ結果として出力してい
る。

このように本方式によれば、入力文字列が単語を組合せ
た合成語からなるとき、その単語に対応した文字列毎に
認識処理して前記入力文字かない。つまシ、「熊本」「
日本」等の名称を示す単語と、「大学」なる別の事象の
単語とを分離して認識処理するので、これらの種別の異
なる単語の認識結果によって他の単語に対する認識処理
が左右されることもない。っまシ、この例では「大学」
のみが独立に認識されるので、「熊本」および「日本」
のそれぞれ２文字の認識処理によって、その正しい認識
結果を得ることができる。従って、入力文字列中の「熊
」なる文字が曖昧であったとしても、その単＠認識が２
文字中の１文字に委ねられるだけで、従来のように４文
字中の３文字に委ねられると云う不具合がない。この結
果、認識率の向上を図ることが可能となる。またこのよ
うにして合成語に対処し得るので、単語辞’１５には基
本単語のみを登録しておけばよく、膨大な量からなる合
成語の全てを辞書登録する必要がなくなる。故に、辞書
構成の簡略化を図ることもでき、その実用的利点は絶大
である。

ところで合成語は一般に、所定の関連を持って被数の単
語を結合して構成されることが多い。

従って、単語辞書５に登録しておく単語を第５図に示す
ようにポインタ１５によって繋いでおき、先に決定され
た単語に応じて残ｐ部分の単語に対して、上記ポインタ
１５で示される単語辞書ファイルを用いて順に認識処理
していくようにすれば、その認識処理効率が大幅に向上
する。しかも、合成語を為す単語がポインタによって繋
がれているので、その認識精度を高めることが可能とな
る。

尚、本発明は上記実施例に限定されるものではない。例
えば入力文字列が３個以上の単語を結合して得られる場
合にあっても同様に実施できる。また認識処理を入力文
字列の先頭単語部分から行う必要もない。その他、類似
度の計算法や、この類似度の情報を利用した単語認識（
判定）手段も特に限定されない。また入力文字列が音声
入力された音韻情報によって構成されるものであっても
よい。要するに本発明は、その要旨を逸脱しない範囲で
種々変形して実施することができる。

【図面の簡単な説明】

第１図は単語認識装置の基本構成図、第２図は本発明方
式の一実施例を示す単語認識装置の構成図、第３図は本
方式の処理概念を示す図、第４図は実施例に係る処理手
順を示す図、第５図は他の実施例方式の概念を示す図で
ある。４・・・文字認識部、５・・・単語辞書、５＊、５ｂ・
・・単語辞書ファイル、６・・・単語認識部、１１・・
・単語情報バッファ、１２・・・単語類似度計算部、１
３・・・コントローラ、１５・・・ポインタ。出願人代理人　弁理士　鈴　江　武　彦７６４

Claims

【特許請求の範囲】

（１）入力文字列の各文字をそれぞれ認識し、この認識
された文字候補の列からなる候補単語と単語辞書に予め
登録された単語との類似度をめて前記入力文字列が構成
する単語を認識するに際して、前記入力文字列が複数の
単語を連結した合成語であるとき、この合成語を構成す
る複数の単語にそれぞれ対応してめた候補単語毎に前記
単語辞書に登録された単語との類似度をめ、これらの類
似度を結合した情報に従って前記合成語を構成する複数
の単語にそれぞれ対応した認識単語の組をめ、これらの
認識単語を連結して前記入力文字列の認識結果を得るこ
とを特徴とする単語認識方式。
（２）単語辞書は、合成語を構成する複数の単語の階層
に応じた辞書フｒイルを有し、各階層の辞書ファイルに
登録された単語は相互に対応付けられていることを特徴
とする特許請求の範囲第１項記載の単語認識方式。