JPS63145578A - 文字認識後処理方式 - 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】 〔技術分野〕 本発明はＯＣＲ文字認識装置などにおける後処理方式に
関する。

〔従来技術〕

ＯＣＲ文字認識装置などでは、入力情報について文字認
識処理を行って候補文字を決めるが、該候補文字につい
て更に後処理を施こすことにより認識精度を高めること
ができる。

近年、このような文字認識処理の後処理に入力文字列の
言語的性質を利用することが提案されている。その一つ
の方法として、電子通信学会論文誌１９８５／Ｉ　　Ｖ
ｏｌ、Ｊ６８−Ｄ　　Ｎｏ、１　６４〜７１頁に記載さ
れているように、読取り不能文字に対して候補文字を順
に当てはめ、候補文字が漢字であれば文字列長２の連接
表（国語辞書の見出し語から作成）を用い、かなであ九
ばかな文字の連接表（国語辞書の見呂し語または学習デ
ータのかな文字列から作成）を用いて、文字連接処理を
行い、正しい文字を決定する方式が知られている。

しかしながら、この方式には、入力文字パターンの変動
が大きい手書き文字の場合の誤読検出能力に問題があり
、また、国語辞書の見出し語中には存在しない接辞の連
接した語（例えば「非対象Ｊのような語）や文字連接処
理ができない一字漢字は扱えない欠点を有している。

〔目　的〕

本発明の目的は、上記従来の欠点を解決した言語知識を
利用する文学誌ｍ後処理方式を提供することにある。

〔摺　成〕

本発明による文字認識後処理方式の特徴を列記すると以
下の如くである。

（１）誤読検出処理の際、言語知識（かな列に対しては
文字連接表、漢字列に対しては単語辞書１品詞接続表を
使用する）による検出処理を距離値による検出処理に先
立って行う。

（２）距離値による誤読判定を行う場合２判定基準をか
な列と漢字列で変える。

（３）かな列の誤読検出の場合、使用する文字連接表を
入力文の分野に応じて変える。

（４）漢字列の誤読検出の場合、長さが１の漢字につい
ては、あらかじめ“かな”を漢字と誤読した例がある漢
字をメモリに記憶しておき、メモリに存在する漢字は誤
認と判定する。

（５）漢字列の誤読検出の場合、訂正後処理で行ったよ
うな漢字１字単語に分割することを禁止する。

（１）により、入カバターンの変動が大きい手書き文の
場合の誤読検出能力が高くなる。（２）により、かな列
の正解受諾力を高め、漢字列の誤読検出力を高めること
ができる。（３）により、かな列の誤読検出処理高まる
。（４）により、長さが１の漢字列の誤読検出力がある
程度可能になり、（５）により漢字列の誤読検出力をさ
らに高めることができる。

〔実施例〕

以下、本発明の一実施例について図面により説明する。

第１図は本発明で対象とするＯＣＲ文字認識装置の全体
構成図で、基本的にはパソコン・アーキテクチャと同様
である。キーボード１１は文字、数字等を入力する他に
処理装置１３に対して各種の処理を指示する。文字入力
装置１２は原稿を光学的に読取り、認識対象文字列を入
力する。処理装置４１３は文字入力装置１２からの入力
情報について、キーボード１１のキー操作により指示さ
れた処理を実行し、出力装置１７に出力する。ここで、
出力装置１７はディスプレイ装置、プリンタ等を総称し
て示したものである。処理装置１３の処理に必要なプロ
グラムはプログラムメモリ（ＲＯＭ）１４に格納されて
いる。データメモリ（ＲＡＭ）１５は処理装置１３での
処理途中のデータやパラメータ等を格納するのに用いら
れる。処理装置の処理に必要な文字連接表、単語辞書、
品詞接続表等はあらかじめファイル１６に格納されてお
り、必要に応じてデータメモリ１５にロードして用いら
れる。

第２図は本発明方式の全体の処理フローを示したもので
ある。原稿を文字入力装置１２より入力しくステップ１
０１）、処理装置１３で文字認識処理を行う（ステップ
１０２）。その結果、候補文字（Ｃｉ）（ｉは順位）と
標準パターンとの距離値（類似度）　　（ｘｌ）が計算
され、データメモリ１５に格納される（ステップ１０３
）。次に、第１位候補文字列に対して、言語知識及び距
離値を使って誤認識文字位置を検出する（ステップ１０
４）。そして、誤認識と判定された文字位置に対して候
補文字Ｃ１を順に当てはめる（ステップ１０５）。この
場合、入力文の左から右へ処理していき、処理中の文字
より右方の文字は、すべて第１位候補文字を正解として
仮定する。次に、この候補文字の字種を判定しくステッ
プ１０６）、候補文字がかなであれば、かな文字列の解
析を行い（ステップ１０７）、かなの候補文字から最尤
候補かな文字を一つ選択する（ステップ１０８）。

もし候補文字が漢字であれば、漢字列の解析を行い（ス
テップ１０９）、最尤候補漢字を選択する（ステップ１
１０）。ステップ１０７，１０９では、何位候補文字ま
で考慮するか、その上限をあらかじめ決めておく、最後
に、最尤候補かな文字と最尤候補漢字のどちらかを判定
基準に従って選択し、出力文を得る（ステップ１１１，
１１２）。

判定基準は、例えばマツチした文字列の長い方を優先さ
せる。また、同一長のときには、一般に漢字の方が情報
量が多いことを考慮し、漢字の候補文字を優先させる。

第２図におけるステップ１０４の誤認識文字位置の自動
検出の概略処理フローを第３図に示す。

かな列のチェック（ステップ２０１）では、不適格なか
な連接を検出する６漢字列のチェック（ステップ２０２
）では、漢字列の適否を判定する。

距離値による誤読判定（ステップ２０３）では、例えば
特願昭６１−４４７４１号で提案したような判定基準の
レベルが２段階に分かれている方式を使用し、かな列に
はレベル１、漢字列にはレベル２を用いる。ここで、レ
ベルｌの場合、誤読検出率は低いが正解受諾率が高く、
レベル２では。

この逆の特性を有する。一方、訂正処理においては、か
な列に対してはかなｎ−ｇｒａｍ表を利用するが、この
処理では誤ったかな列を受諾してしまいやすいので、誤
読検出の段階ではレベル１を用いた方が、正読を誤読と
判定して誤訂正してしまうことを少なくさせることがで
きる。すなわち、高い正解受諾率が期待できる。しかし
、訂正力が高い漢字列に対しては、誤読検出力が高いレ
ベル２の判定基準を用いた方が、訂正される誤読数は多
くなる。

第３図におけるかな列チェック（ステップ２０１）の詳
細フローを第４図に示す。文字連接表（かな２−ｇｒａ
ｍ表に対応）により、かな列の適否を判定する。ここで
用いる連接表の作成法により、判定法は方式１と方式２
に分かれる。

方式１では、文字連接表として学習データ文の読みから
作成したものを使用する。この場合、かな１文字とかな
連接の出現度数が２−ｇｒａｍ表に書き込まれてあり、
かなの連接確率が計算できる。

その連接確率にしきい値Ｔを設定することにより、かな
連接の適否判定を行う。すなわち、連接確率がＴ以下の
場合は不適格な文字連接と判定する。

方式２では１文字連接表として学習データ中のかな列と
単語辞書とから作成したものを使用する。

この場合、かな文字連接の可否は“Ｏ”　　１１　ｌ　
１１の２値で表現できる。したがって、連接した例が存
在した場合には、かな連接表の値は“１”であり、適格
なかな連接であると判定される。処理対象の専門分野が
あらかじめ分かっている場合には方式１が有効であるが
、さまざまな分野の文章を扱う場合には方式２が有効で
ある。

第５図は第３図における漢字列チェック（ステップ２０
２）の詳細フローである。この処理は第８図に示す漢字
列の解析処理とほぼ同様であるが、次の二つの点が異な
る。第１は誤読検出能力を高めるために、漢字１字単語
辞書を使用しないことである。第２は、漢字列の長さが
１であるときには、かなを漢字と誤読した認識例をあら
かじめメモリに記憶しておき、このメモリ中に存在する
漢字が第１位候補であれば、誤読と判定することである
。

第６図はかな文字列の解析の詳細フローを示したもので
ある。かな文字列の解析はかなｎ　−ｇｒａｍ表を使用
する知識処理であり、入力情報は入力文、誤認識文字位
置、候補文字Ｃｉ、距離Ｘｉである。

かな列りとｎ−ｇｒａｍ表との照合は、候補文字のＣＩ
を含むｎ字組を次々に抽出していき、その各組（１個の
組）について、ｎ−ｇｒａｍ表のｎ字組のＮ個（全部の
ｎ字組）と照合することで行う。そして、各組について
、ｎ−ｇｒａｍ表の中に存在するものは、Ｃ１を含む尤
度の高い文字列Ｓｉを決定するための尤度評価のデータ
として使用する。このデータはテーブルにストックして
おく。第７図（１）にかな列りから切り出されるｎ字組
とｎ−ｇｒａｍ表との照合関係を示し、第７図（２）に
テーブルにストックするデータのフォーマット例を示す
。最尤候補かな文字の決定では、マツチした文字列の長
さが長い方を優先させる。同一長であれば頻度の高い方
を優先させるが、かなｎ−ｇｒａｍ表と単語辞書中の単
語では、頻度にかかわりなく前者を優先して選択する。

第８図は漢字列の解析の詳細フローを示したものである
。この漢字列の解析には、辞書として漢字２字単語辞書
、漢字１字単語辞書、接辞辞書、固有名詞辞書等を使用
する。入力情報はかな文字列の場合と同様であり、入力
文、誤認識文字位置。

候補文字Ｃ，、距離Ｘｉである。最尤候補漢字の決定で
は、漢字列長は長い方を優先させ、分割された語（形態
素）の数は少ない方を優先させ、接続重みと出現頻度に
関する値は大きい方を優先させる。

こぎで、接続重みと出現頻度に関する値をＮ□とし１次
の式によって決定する。

？’ＪｌｌＦＥ　Ｎｗｇｒａｎｔ＋　ＮＦＲＥＯＶＥＮ
ＣＹここに、 Ｗｔ：ｉ番目の接続点での重み値 Ｆｌ：　ｉ番目の語の出現頻度ランク値最尤候補漢字は
次の順序により決定する。まず最初に漢字列長を比較し
、長い方を候補漢字として決定する。漢字列長が同一長
さとなった場合に限り、分割された語（形態素）の数を
比較し、小さい方を候補漢字として決定する。形態素の
数が同一数となった場合に限り、次に接続重みと出現頻
度に関する値Ｎｗ、を比較し、大きい方を候補漢字とし
て決定する。更にこの値が同値の場合に限り候補文字（
Ｃｉ）と標準パターンとの距離値（Ｘｉ）が最小の漢字
を最終的な候補漢字として決定する。候補漢字決定に際
し、漢字列長、形態素の数、接続重みと出現頻度に関す
る値及び距離値（Ｘｉ）は上記のように優先順位をもた
せる。

このようにして決定される候補漢字と最尤候補かな文字
とから出力文となる最尤候補文字を選択する。

〔効　果〕

本発明の文字認識後処理方式によれば１次のような効果
が得られる。

（１）手書き文の場合の誤読検出能力が高くなる。

（２）かな列の正解受諾力が高まり、しかも誤読検出力
が高まる。

（３）かな列の誤読検出力が高まる。

（４）長さが１の漢字列の誤読検出がある程度可能にな
る。

（５）かな列／漢字列内の誤読訂正能力が高まる。

【図面の簡単な説明】

第１図は本発明の一実施例のブロック図、第２図は本発
明方式の全体の処理フロー図、第３図は誤読検出処理の
概略フロー図、第４図はかな列のチェック処理フロー図
、第５図は漢字列のチェック処理フロー図、第６図はか
な列の解析処理フロー図、第７図は第６図の処理を説明
する図、第８図は漢字列の解析フロー図である。 １１・・・キーボード、　　１２・・・文字入力装置、
１３・・・処理装置、　　１４・・・プログラムメモリ
、１５・・・データメモリ、　　１６・・・ファイル。 １７・・・出力装置。 第１図 第２図 １１２柱口 第６図 ′−ｍ−門１ 第７図（２）

Claims (5)

【特許請求の範囲】
1. （１）文字認識の後処理を言語知識を利用して行う方式
   において、誤認識文字位置を検出する際、距離値による
   検出処理に先立って、かな列に対しては文字連接表を、
   漢字列に対しては単語辞書、品詞接続表を用いてそれぞ
   れ言語知識による検出処理を行うことを特徴とする文字
   認識後処理方式。
2. （２）前記距離値による誤認識文字位置を検出する際、
   その判定基準をかな列と漢字列とで変えることを特徴と
   する特許請求の範囲第１項記載の文字認識後処理方式。
3. （３）前記かな列の検出処理において：使用する文字連
   接表を入力文の分野に応じて変えることを特徴とする特
   許請求の範囲第１項記載の文字認識後処理方式。
4. （４）前記漢字列の検出処理において、長さが“１”の
   場合はあらかじめかなを漢字と誤読した例がある漢字を
   記憶しておき、該記憶してある漢字は誤認と判定するこ
   とを特徴とする特許請求の範囲第１項記載の文字認識後
   処理方式。
5. （５）前記漢字列の検出処理において、漢字を１字単語
   に分割するのを禁止することを特徴とする特許請求の範
   囲第１項記載の文字認識後処理方式。