JPS6262388B2

JPS6262388B2 -

Info

Publication number: JPS6262388B2
Application number: JP56030853A
Authority: JP
Inventors: Kazunari Egami; Tetsuo Umeda; Naoto Tsukagoshi; Yasuo Nishijima
Original assignee: Nippon Electric Co Ltd
Current assignee: NEC Corp
Priority date: 1981-03-04
Filing date: 1981-03-04
Publication date: 1987-12-25
Also published as: JPS57146380A

Description

【発明の詳細な説明】本発明は、郵便物等の紙葉上で連続した単語の
集合として表記されている住所の読取装置に関す
る。

現在、郵便物に書かれた郵便番号を読取る
OCRは機械化先進各国で多く使用されているか
あるいはその採用が真剣に検討されている。近
年、エレクトロニクス技術の飛躍的な向上に伴
い、以前より注目されていた単語認識を応用した
住所読取装置の導入が検討され始めた。これは従
来の郵便番号読取りのみではその読取率に限界が
あるためで、単語の持つ冗長性を最大限利用する
ことにより住所を認識し読取性能の向上をねらつ
たものである。

従来の文字認識装置において郵便番号の読取り
は１文字当りの装置の読取性能にのみ頼つてい
た。例えば１文字当りの読取性能が98％である場
合３桁の郵便番号の平均の読取率は（98％）^３で
約94％となり５桁の郵便番号では（98％）^５で約
90％に下がる。したがつて郵便番号読取性能を得
ようとすると、各文字当りの読取性能を上げる以
外には方法がなかつた。これは、数字の組合せで
ある郵便番号において各数字間の相関が全くなく
読めない桁があつても、他の読めた桁からそれを
補なうことが不可能であるためである。また、誤
読を生じてもそれを補正する手段が全く存在しな
い。

そこで、郵便番号と共に住所を読取ることによ
り、郵便番号を導き出し読取率の向上及び誤読率
の低減をはかることが提案されている。住所は一
連の単語の集合であり住所読取りには単語の認識
手段が必要とされる。単語認識の方式については
種々の方式が提案されているが、動的計画法
（Dynamic Programing）を応用したDPマツチン
グ手法が一般的である。これはある入力文字列に
対し予め用意された単語辞書と文字対文字を１対
１に照合するだけでなく、各文字毎にある一定幅
ずらした文字に対しても照合をとり最もよく一致
する（最大一致）部分を抽出していく方法であ
る。この方式によれば、単語内に読めない文字等
がいくつか存在したり、文字のセグメンテーシヨ
ンエラー等により文字数が多少増減しても、単語
の持つ冗長度によりある程度吸収され、辞書上の
単語と完全一致ではなくとも、非常によく一致す
る単語として抽出することができる。

本発明の目的は連続した単語列で構成される住
所を多段にわたつて単語認識を繰返すことにより
認識する住所読取装置を提供することである。

本発明の他の目的は文字読取装置から出力され
る文字列より抽出される連続した単語列の中から
一つの意味を成す単語を認識することができる住
所読取装置を提供することである。

本発明の他の目的は、文字読取装置の１文字当
りの読取性能の限界の打破を、単語の持つ冗長性
による単語認識に求め、読取性能の向上をはかる
ことができる住所読取装置を提供することであ
る。

以下、図面を参照しながら本発明を詳細に説明
する。欧米の郵便物の住所記載の一般的な例を第
１図ａに示す。すなわち、住所は、行の後から大
区分地名、中区分地名、小区分地名と順に、複数
段の区分地名で構成し、郵便番号は一般的に大区
分地名の前、後、特に後に位置する場合が多い。
第１図ｂに米国郵便物の住所記載の実際例の１つ
を示す。本例では、大区分地名に相当するのが州
名「Michigan」で中区分地名に相当するものが
都市名「Benton Harbor」で、小区分地名に相当
するものが都市の区域名「Monte Road」であ
る。第２図は第１図ｂの例から単語抽出を行つた
後、得られた単語例を示している。ここで単語１
と２は本来１つであるべき単語「Michigan」が
印字ピツチずれ等のため２つの単語「Michi」と
「gan」とに分離した場合を想定している。同様
に単語６と単語７も「Mon」と「te」とに分離し
た場合を想定している。以下、第１図ｂと第２図
の例を用いて本発明の装置の動作を詳細に説明す
る。

第３図は本発明の装置の構成図である。図で文
字読取部１からは、第１図ｂの文字読取の結果が
各行ごとに、左端または右端より一連に出力され
る。文字読取結果は数字読取出力（以下Ｎ出力）
１０１、アルフアベツト大文字読取出力（以下
AC出力）１０２、アルフアベツト小文字読取出
力（以下AS出力）１０３の３つのチヤネル出力
及び文字位置、文字サイズ等の前処理情報１０４
が出力される。AC出力１０２、AS出力１０３及
び前処理出力１０４は、単語抽出部２に、またＮ
出力１０１及びAC出力１０２は数字コード抽出
部３に入力される。単語抽出部２においては、前
処理出力１０４を用いて単語間の区切り（スペー
ス等）を検出し、まず、単語を分離する。さらに
AC出力１０２、AS出力１０３及び前処理出力１
０４に含まれる文字サイズデータにより単語を構
成する文字種すなわち、単語がすべてアルフアベ
ツト大文字か、小文字か、あるいは単語の先頭が
大文字で他が小文字であるかを判別する。数字コ
ード抽出部３では、単語抽出部２より１単語の区
切り情報１０５をもちい、当該単語が数字コード
であるか否かをＮ出力１０１とAC出力１０２と
を比較することにより決定する。単語抽出部２と
数字コード抽出部３との出力は単語バツフア４
に、単語列として記憶する。すなわち第１図ｂに
示す入力に対して、第２図に示すような単語列情
報が単語バツフア４にセツトされる。本例では前
述の如く、本来一つであるべき単語
“Michigan”が、単語２“Michi”と単語１
“gan”とに分離している場合を想定したが、単
語抽出部２においてはこれを一つとして結合させ
る必要はない。これは本装置の一つの特徴である
後述の多段最大一致検出手法により分離単語を一
つに合成し、認識することにより解決する。

単語抽出が完了すると、住所構成単語抽出部５
に単語列情報１０６が入力される。当該ブロツク
では、住所構成の規則性、すなわち第１図ａに示
すごとく(1)住所は行の後から、大区分地名、中区
分地名、小区分地名の順に構成される(2)一行に、
住所がはいらない場合は、その上の行に書かれる
(3)郵便番号は大区分地名の前後、特に後に置かれ
る場合が多いという点に着目し、郵便番号を基準
として、住所構の解析を行う。住所判定は、大区
分地名から中区分、小区分の順で実行する。住所
成単語抽出部５では、まず、大区分地名候補とな
る単語を選び、大区分単語バツフア６にセツトす
る。第２図の例では、第４図ａに示す単語１〜単
語４が大区分地名抽出の対象単語列として、大区
分単語バツフア６にセツトされる。さらに、辞書
選択部１３に対し、大区分地名辞書１０を選択す
る情報１０７を与え、辞書を読出すためのアドレ
スインデツクスデータを辞書索引部１５に与え
る。大区分地名候補単語第４図ａが大区分単語バ
ツフア６にセツトされ、また大区分辞書の選択が
実行されると入力単語選択部９は、第４図ａの単
語を大区分単語バツフア６より順次読出し地名抽
出を開始する。大区分地名抽出は第４図ａに示す
ように第１段から第４段の順にわたり実行する。
まず、第１段に相当する単語１を単語バツフア６
から読出し最大一致検出部１４に入力する。さら
に、単語１の単語内の文字数（以下語長と称す）
より照合をとる辞書の範囲を指定する情報１０８
を辞書索引部１５に与える。辞書の範囲とは、入
力単語の語長Ｎに対し、（Ｎ＋10）の語長の地名
と照合をとつても無意味であるから、例えば（Ｎ
−２）から（Ｎ＋２）ぐらいの語長範囲を辞書索
引部１５に指定することをいう。辞書索引部１５
では与えられた範囲の地名データを照合辞書バツ
フア１６にセツトし最大一致検出部１４に入力す
る。

最大一致検出部１４では、入力単語選択部９か
ら与えられる単語と照合辞書バツフア１６の地名
との照合を前述のDPマツチング手法により、例
えば語長（Ｎ−２）〜（Ｎ＋２）の範囲の辞書と
入力単語（語長Ｎ）との照合をとる。DPマツチ
ング手法を用いることにより入力単語が実際は
（Ｎ＋１）の語長であるのに前処理等で１字が欠
除し語長がＮとなつている場合でも辞書の照合範
囲は常に（Ｎ−２）〜（Ｎ＋２）で照合をとるた
め該当する地名が照合辞書範囲から、除外される
ことを防止できる。照合辞書範囲を入力単語の語
長に対し±２とすることは、すなわち入力単語の
語長が実際より±２変化しても、実際の地名と照
合がとれることを意味する。この状況を第５図に
て説明する。すなわち第５図ａには１例として入
力単語“Michigan”が示されており、これは
“Michigan”の中央のｉが欠除したものであり、
これが第５図ｂに示された大区分地名辞書と照合
されるのを説明する。この照合においては、単語
の各文字に対し±１文字前後にある文字の範囲で
一致すれば文字間距離０、全く一致しなければ文
字間距離10、多少似ている場合（但し、類似文字
についてはあらかじめ定義の必要がある）文字間
距離５と仮に設定すると、最大一致地名は第５図
ｃのようになる。すなわち入力単語長と同一の語
長７の辞書との照合結果距離３５“Montana”と
いう地名が得られる。ただし、この距離は文字当
り平均35/7＝５の距離で一致したとは判断できな
い。これに対し第５図ｄに示すように入力語長よ
り１文字長い…語長８の辞書との照合結果１０
で、文字当り平均10/8＝1.25の距離で
“Michigan”という地名が得られる。これは完全
に一致したと見ることができる。

以上のようにDPマツチング手法を用いること
によりセグメンテーシヨンエラー等により実際の
語長と異なつていても、よく一致する部分を探し
ながら照合をとり、非常によく似た地名として抽
出することができる。

最大一致検出部１４の動作について説明した
が、最大一致地名として抽出された地名は地名判
定部１７に入力し、一時記憶される。第４図ａの
場合で説明すると、大区分地名抽出の第１段〜第
４段の単語組合せについて前述の最大一致検出を
繰返す。この場合入力単語の最大語長を規定し、
単語の組合せ語長がその規定長に対したら以降の
段の最大一致検出は中止する。第４図ａの例で入
力最大語長の規定値を16文字とした場合第４段の
最大一致検出は実行されない。

大区分地名抽出が大区分単語バツフア６にセツ
トされたすべての単語列について実行し終ると、
地名判定部１７はそれまでの最大一致検出地名の
中から、さらに最も一致度の高いものから、いく
つかの候補を選び、住所判定部１８に出力する。
第４図ａの例では“Michigan”が大区分地名と
して唯一出力される。

住所判定部１８では、入力した地名候補を大区
分地名バツフア１９に一時記憶し、その中の一つ
の候補を選び、次の中区分地名を抽出するための
情報１０９を住所構成単語抽出部５に出力する。
当該情報としては(1)大区分地名検出単語列、(2)大
区分地名候補の辞書アドレスである。住所構成単
語抽出部５では、前記情報(1)より第２図単語２ま
でが大区分地名単語であるから、中区分地名抽出
単語列として第４図ｂに示す単語を、中区分単語
バツフア７にセツトする。さらに前記情報(2)より
第６図に示す大区分地名辞書を参照し
“MICHIGAN”に対応する中区分地名辞書のアド
レスを示すポインターを読出し、辞書選択部１３
に与える。これにより辞書選択部１３では中区分
辞書１１中の第６図に示す辞書m1，m2…mnを
選択し辞書を読出すためのアドレスインデツクス
データを辞書索引部１５に与える。第４図ｂの単
語列が中区分単語バツフア７に与えられた中区分
辞書１１の選択が実行されると入力単語選択部９
は第４図ｂの単語をバツフア７から順次読出し、
中区分地名抽出を開始する。中区分地名抽出は第
４図ｂに示すように第１段第２段にわたり繰返
す。まず、第１段に相当する単語３が単語バツフ
ア７から読出され、最大一致検出部１４に入力さ
れる。

さらに単語３語長より照合をとる辞書の範囲を
指定する情報１０８を辞書索引部１５に与える。
照合辞書の範囲を入力語長±２とした場合単語３
（語長が６）との照合辞書の範囲は語長４〜語長
８となり、この範囲の中区分地名辞書の内容が順
次照合辞書バツフア１６にセツトされ、最大一致
検出部１４において単語３との照合を行う。照合
は前述したとおりDPマツチングによる。

最大一致地名として抽出された地名は地名判定
部１７に入力し、一時記憶する。続いて、中区分
地名の第２段について同様の最大一致検出を繰返
す。中区分単語バツフア７の単語列について、す
べて地名抽出が終了すると地名判定部１７はそれ
までの最大一致検出地名の中で、さらに一致度の
高いものからいくつかの候補を選び住所判定部１
８に出力する。住所判定部１８では入力した中区
分地名候補を中区分地名バツフア２０に一時記憶
する。ここで、住所判定部１８では先に大区分地
名候補の中の１つの地名をもとに、次の中区分地
名の辞書を第６図に示すごとく絞つた。すなわち
大区分地名“Michigan”の場合“Michigan”に
含まれる第６図の中区分地名m1，m2…mnにつ
いてのみ照合をとる。従つて、他に大区分地名候
補が選ばれている場合、すなわち優力な大区分地
名候補が複数あがつている場合、先の中区分地名
抽出では候補が上らないときもあり、他の大区分
地名候補についても、同様の中区分地名抽出を行
う。住所判定部１８では大区分地名バツフア１９
にセツトされたすべての大区分地名について、中
区分地名抽出を終了すると、大区分と中区分の地
名を総合し、住所として最も一致度の高いものを
選択する。一致度の尺度となるものは前述の第５
図ｃ，ｄに示したように距離合計すなわち単語と
辞書間の距離データである。また、候補が絞れな
い場合数字コード抽出部３で抽出される郵便番号
１１０を参照し、逆に郵便番号から候補を特定す
る。住所として中区分地名まで決定すると決定し
た地名を大区分地名バツフア１９、中区分地名バ
ツフア２０にセツトする。第４図ａ，ｂの例で
は、大区分地名として“Michigan”中区分地名
として“Benton Harbor”がセツトされる。

さらに、次の小区分地名抽出のための情報１０
９を住所構成単語抽出部５に出力する。当該情報
としては、(1)中区分地名抽出までの単語列、(2)中
区分地名の辞書アドレス、である。住所構成単語
抽出部５では前記情報(1)より第２図単語４までが
中区分地名までの単語であることを知り小区分地
名抽出単語列として第２図上行の単語を候補とし
第４図ｃに示す単語列を小区分単語バツフア８に
セツトする。さらに、前記情報(2)より第６図に示
す中区分辞書を参照し、小区分辞書アドレスを示
すポインターを読出し辞書選択部１３に与える。
辞書選択部１３においては小区分辞書１２中の第
６図に示す辞書mi1，mi2，…，minを選択し辞書
を読出すためのアドレスインデツクスデータを辞
書索引部１５に与える。

第４図ｃの単語列が小区分単語バツフア８に与
えられ、小区分辞書１２の選択が実行されると、
入力単語選択部９は第４図ｃの単語をバツフア８
から順次読出し、小区分地名抽出を開始する。小
区分地名抽出は第４図ｃに示すように第１段〜第
３段にわたり繰返される。以下、大区分、中区分
地名抽出と同様の動作で地名抽出を行なう。小区
分地名辞書第６図mi１，mi２，…，minの中で最
もよく一致する地名として第４図ｃの単語５，
６，７を接続した“Monte Road”という入力単
語に対する地名“MONTE ROAD”が選択され
る。住所判定部１８において選択された小区分地
名は小区分地名バツフア２１にセツトされる。

以上、小区分地名まで抽出が終了すると住所が
決定しそれに伴い、一般に郵便番号が確定する。
郵便番号は第６図小区分地名辞書mijに示すよう
に辞書内に地名と共に記憶しておき、住所が確定
した時点で参照できる。郵便番号判定部２２で
は、住所読取より得られる郵便番号と、文字読取
の結果得られた郵便番号110を比較し、郵便番号
110の補正、エラーチエツク等を実施し、より精
度の高い郵便番号を抽出できる。

以上、詳細に説明したように連続した単語列に
大区分から小区分の方向へ、最大一致検出手法を
多段にわたり順次、適用することにより住所を読
取ることができる。さらに読取つた住所より郵便
番号を索引し、文字読取により得られる郵便番号
のチエツク、訂正等を行い、郵便番号読取性能の
向上をはかることができる。なお、郵便番号は中
区分地名が決定した時点で確定する場合も多く、
住所読取を中区分地名までとしても、住所読取機
能を十分に果す。さらに、第１図の例において住
所フオーマツトが右から左（後から前）方向に大
区分から小区分と並んだ場合を示したが、方向が
逆でも、本装置の手法を適用できる。すなわち、
予め住所フオーマツトが明らかであれば単語の並
びを示す一連番号を大区分から小区分の方向へ与
えることにより解決できる。

【図面の簡単な説明】

第１図ａ，ｂは郵便物の住所記載の規則とその
一例を示す図である。第２図は、本発明により読
みとられる住所の単語列を抽出した例を示す図で
ある。第３図は本発明の一実施例を示す図であ
る。第４図ａ，ｂ，ｃは本発明の動作を説明する
ための図で、住所検出手順図である。第５図ａ，
ｂ，ｃ，ｄは単語を説明するための図で、ａは入
力、ｂは辞書例、ｃ，ｄは比較動作と距離を示す
図、第６図は本発明に係わる住所辞書の概略図で
ある。

Claims

【特許請求の範囲】

１紙葉上に記載された文字を走査し走査パター
ンを単語単位として抽出する単語抽出手段と、住
所を示すあらかじめ設定された辞書パターンを格
納する記憶手段と、前記単語抽出手段から抽出さ
れた単語を紙葉上に記載された順序に応じて組み
合せながら辞書パターンと比較してゆく比較手段
とを具備し、前記比較手段での比較結果から最も
類似度の高い組み合せを選ぶことにより住所を読
み取ることを特徴とする住所読取装置。