JPH04111186A - 住所文字列に対する文字認識結果修正方法 - 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】 ［産業上の利用分野］ 本発明は、光学式文字読み取り装置（ＯＣＲ：ｏｐｉｉ
ｃａｌ　ｃｈａｒａｃｔｅｒ　ｒｅａｄｅｒ）等を用い
た文字認識方法に関し、特に売上伝票、配送伝票等に記
入される住所の文字認識結果について認識誤りを修正す
る住所文字列に対する文字認識結果修正方法に関する。

［従来の技術］ 従来、ＯＣＲを用いた文字認識システムでは、紙の上の
光学像を電気信号に変換し、整形処理を行った後、特徴
抽出を行い、構造解析法やパターンマツチングによって
個々の文字パターンを認識している。

また、住所文字列を含む売上伝票、配送伝票等の帳票を
文字認識する際、文字認識結果と地名単語辞書との照合
を行い、確からしい単語を選び出す処理では、文字認識
結果の候補文字を組み合わせて文字列を作成し、これに
一致する単語を地名単語辞書から検索している。

なお、完全に一致する単語がない場合には、部分的に一
致した候補文字にその候補順位に対して点数をつけて最
高点をあげたものを正解単語とするという方法がとられ
ている。

この種の方法については、例えば″自由記載住所文字列
に対する知識処理、清野他、電子情報通信学会春季全国
大会Ｄ−４６５，ｐｐ、６−１８５．１９８９”、ＯＣ
Ｒにおける住所データ読取りについて、情報処理学会第
３４目金国大会４Ｅ−５，ｐｐ、　１８４１．１９８７
″等において論じられている。

［発明が解決しようとする課題］ 上記従来技術では、文字認識装置の認識結果に対して、
地名辞書との照合を行い、認識誤りを修正することは可
能であった。

しかし、】つの文字パターンに対して複数の候補文字を
持つ認識結果を組合せるため、組合せ数が増大し、さら
ζ二番々の生成文字列に対して文字列ごとの一致文字数
を調べるので、文字単位でマツチングをとる回数が非常
に多くなり、処理時間が増大する。逆に、処理時間を短
縮するため、候補文字を減らして組合せ数を少くすると
、正解候補文字が処理対象から除外されてしまうことが
ある。

また、類似度合の判定に候補順位を用いているため、同
一順位にある候補文字は全て一律に同じ確からしさであ
るとされていた。すなわち、文字認識結果の確からしぎ
を表す値である距ｌＩｉ値が異っていても、この相違を
後処理に反映することができなかった。

本発明の目的は、このような問題点を改善し、処理時間
を短縮させることができ、また従来の方法では活用され
ていなかった文字認識過程での情報を有効に利用して、
処理精度を向上させることが可能な住所文字列に対する
文字認識結果修正方法を提供することにある。

［課題を解決するための手段］ 上記目的を達成するため、本発明の住所文字列に対する
文字認識結果修正方法は、記入された住所文字列の認識
結果の判定および誤り訂正を行う文字認識システムにお
いて、住所文字列を構成する地名単語の階層関係が表現
された地名単語テーブルと、各階層ごとに各々の単語の
文字位置における文字コードでソートされたインデクス
テーブルとを有し、文字認識装置から出力された住所文
字列の認識結果に対して、そのインデクステーブルを用
い、カラムごとに一致する文字を検索して、その文字が
存在する地名単語の地名単語テーブルにおけるレコード
番号を求めることにより、地名単語テーブルの中から類
似性のある地名単語を抽出する処理を高速化して、抽出
された地名単語群の中から、地名単語テーブルにより、
先に決定された上位階層の地名単語に正しく接続できる
地名単語を選出して、選出された地名単語に対し、その
文字ごとの距離値を基に計算された評価値によって、最
も類似度の高い地名単語を決定することに特徴がある。

〔作用３ 本発明においては、文字認識結果の各候補文字について
、第１カラムから順にインデクステーブルを検索し、そ
の文字が存在する地名単語の地名単語テーブルにおける
レコード番号を求める。この際、求められたレコード番
号の中で数多く現われたものが類似性のある地名単語を
表わすレコード番号である。この処理では、レコード番
号を抽出するのは１文字だけの比較であり、また、一致
した文字数を求めて類似性のある地名単語を選ぶときに
は、レコード番号のみを比較すればよい。

また、地名単語テーブルには、各地名単語の上位レベル
となる地名単語のレコード番号が格納されているため、
これを用いて先に決定された上位レベルの地名に正しく
接続することができるかを判定することができる。

さらに、上位レベルとの接続判定が終了した後の評価値
算出処理では、候補単語の確がらしさを表わす評価値と
して１文字認識結果の各々の候補文字の確からしさを表
わす値である距離値（文字パターンの適合度合い逆数）
を用いる。

これによって、処理時間を短縮し、かつ文字認識結果を
修正する精度を高めることができる。

ｆ実施例〕 以下、本発明の一実施例を図面により説明する。

第２図は、本発明の一実施例における地名単語テーブル
の説明図、第３図は本発明の一実施例における都道府県
レベルの第１カラムおよび第２カラムに対するインデク
ステーブルの説明図である。

本実施例の文字認識システムは、○ＣＲ等の文字読み取
り装置、システム全体を制御するＣＰＵ、各種プログラ
ムおよび必要データを格納するためのメモリ、ＣＲＴ等
の表示装置、キーボード等の入力装置、およびインデク
ステーブルや地名単語テーブル等を格納するための外部
記憶装置から構成される。

この文字読み取り装置は、住所文字列を含む売上伝票や
配送伝票等の帳票が挿入されると、各文字を認識し、電
気信号に変換してＣＰＩＪに送る。

また、ＣＰＵは、認識結果をもとに、メモリ内のインデ
クステーブルを検索し、これによって得られたレコード
番号によって、メモリ内の地名単語テーブルから地名単
語を抽出し、住所文字列認識結果を修正する。

また、地名単語テーブルは、住所文字列を構成する地名
単語の階層関係を表現したものである。

具体的には第２図のように示される。第２図の都道府県
テーブルにおいて、テーブルの左側の数字はそのレコー
ド自身のレコード番号であり、地名の右側に格納されて
いるのは、上位レコードを示すレコード番号である。例
えば、″京都布′”や“舞鶴布”は“京都府″″に含ま
れ（“京都府′”の下層にあり）、それらの上位レベル
の地名革語が格納されたレコードを示すレコード番号は
同じく“１０″である。

また、インデクステーブルは、階層関係を持つ地名単語
の各階層ごとに、各々の単語の文字位置における文字コ
ードでソートされたものである。

具体的には第３図のように示され、各文字位置ごとに、
候補文字、および候補文字と地名単語との関係を示すレ
コード番号から構成される。

次に、本実施例における住所文字列認識結果の修正方法
について述べる。

第１図は、本発明の一実施例における文字認識システム
の動作フローチャート、第４図は本発明の一実施流側に
おける文字認識結果の候補文字と距離値を示す説明図、
第５図は本発明の一実施例において抽出されたレコード
番号を示す説明図である。

本実施例では、帳票に「京都府京都市下京区葛籠屋町」
と記入した場合について述べる。

第１図のように、文字読み取り装置に入力された帳票に
記されである住所「京都府京都市下京区葛籠屋町Ｊの各
文字を認識し、第４図に示す認識結果を得ると（１０１
）、これに対する修正を行う。

まず、住所文字列の文字認識結果から、第３図に示した
インデクステーブルを参照して各カラム毎に一致する文
字を検索する（１０２）。

すなわち、第４図の第１カラム目に対する認識結果の第
１位候補である“東”をキーとして、都道府県レベルの
地名単語の第１文字目でソートされたインデクステーブ
ルを、バイナリサーチアルゴリズムを用いて検索し、第
１文字目がパ東”である地名単語のレコード番号を得る
。次に第２位候補である゛京″′で同様に第１文字目が
゛京″である地名単語のレコード番号を得る。以下、候
補順位の最後までこの処理を行い、第１カラム目に対す
る処理を終える。第２カラム百以後についても上記の処
理を行い、都道府県レベルの最大文字列長となる第４カ
ラム目まで続ける。なお、第３図において、（ａ）は第
１カラムを示し、（ｂ）は第２カラムを示す。

こうして、第５図に示すように地名単語のレコード番号
群を得る。

次に、得られたレコード番号をソートして（１０３）、
出現頻度の高いレコード番号を選び（１０４）、地名単
語テーブルを参照して上位レベル単語との接続を調べる
（ｌ○５）。

すなわち、第５図のレコード番号群をマージソートし、
単語長の半数回以上現われたレコード番号は類似性があ
ると判断して、これらを抽出する。

この際、抽出されるレコード番号は、３文字一致したｒ
ｌ　ＯＪ、ｒ４０Ｊと２文字一致１．たｒ３１Ｊである
。

なお、処理中の住所文字列において、先に決定された上
位レベルの地名単語がある場合、住所文字列における上
位レベルと下位レベルの地名の階層構造を利用して、候
補数を絞り込む。すなわち、第２図に示したように、地
名単語テーブルに格納された上位レベルのレコード番号
と、先に決定された地名単語のレコード番号が一致する
かを調べることで、上位レベルとの接続判定を行う。但
し、上位レベルの地名単語がない場合は、接続判定処理
は省略されるため、都道府県レベル（京都府）の場合は
行われない。

次に、こうして得られた地名単語の中で、何れが最も確
からしいかを判定するための評価値計算を行い、認識結
果と地名単語テーブルとの照合において、「一致した文
字数が最大のものの中で評価値が最小であるもの」を、
最も確からしいと判断する（１０６）。

この評価値計算では、各候補文字の確からしさを表わす
値（距離値）を用い、次に示すように評価値を算出する
。

（イン距ＮＩＭ＝第ｎ位候補の距離値−第１位候補の距
離値 （ロ）評価値＝一致した文字の距離差の和但し、距離値
とは、文字パターンの適合度合い逆数であり、値の大き
くなるほど、確からしさは低くなる。すなわち、文字認
識の候補文字は、距離値に関して昇順に並んでいる。ま
た、第１位候補の距離差はＯである。

本実施例では、ステップ１０４において、３文字一致し
た単語として「１０１京都府」、「４０：奈良系」、２
文字一致した単語として「３１：大阪府」が抽出されて
いる。

各々の評価値を計算すると以下のようになる。

京　　　　　　　都　　　　　　　府 （２９９４−１４５４）＋（１６３２−１６３２）＋（
３８６１−１４９５）・３９０６奈　　　　　　　良　
　　　　　　県 （６５３４−１４５４）＋（７９６２−１６３２）＋（
６３０５−１４９５）＝１６２２゜大　　　　　　　阪
　　　　　　　府 （６５０９−１４５４）　　　　　　　　　＋（３８６
１−１４９５）＝７４２１これらの中で、「一致した文
字数が最大のものの中で評価値が最小であるもの」の順
に正解候補の順位をつけると、確からしいほうから「京
都府」、「奈良系」、「大阪府」の順になる。よって、
本実施例の都道府県レベルでは、「京都府」が第１位の
正解地名単語となる。なお、求められる評価値がシステ
ム規定の閾値を超えてしまった場合は、候補単語からは
除外する。例えば、仮りに、「京都府」、「奈良系」の
評価値が閾値を超えてしまい、「大阪府」の評価値だけ
が閾値内にあれば、「大阪府」が正解単語となる。以上
で都道府県レベルの照合が終了したことになる。また、
本実施例では、都道府県レベルの地名は３文字で決定さ
れたため、次の市区郡レベルの照合は認識結果の第４カ
ラム目から行う。

さらに、上記の方法を繰り返すことにより、正解住所文
字列を得て、住所文字列の文字認識結果の修正処理を完
了する（１０７）。

［発明の効果］ 本発明によれば、住所文字列の文字認識結果の誤りを修
正する方法として、文字位置ごとのインデクステーブル
を用いた文字列照合を行うことにより、処理時間を短縮
することができ、また文字認識装置から出力された住所
文字列の認識結果を、階層構造からなる地名単語辞書を
用いて、上位レベル単語との接続関係を利用した判定を
行い、さらに距離値を用いて、候補単語の確からしさを
計算しているため、従来の方法では活用されていなかっ
た文字認識過程での情報を有効に利用し、処理精度を向
上させることができる。

【図面の簡単な説明】

第１図は本発明の一実施例における文字認識システムの
動作フローチャート、第２図は本発明の一実施例におけ
る地名単語テーブルの説明図、第３図は本発明の一実施
例における都道府県レベルの第１カラムおよび第２カラ
ムに対するインデクステーブルの説明図、第４図は本発
明の一実施流側における文字認識結果の候補文字と距離
値を示す説明図、第５図は本発明の一実施例において抽
出されたレコード番号を示す説明図である。 第 図 第 図 脈 荘 城 脈 鉦 薇 賊 脈 綜 脈

Claims (1)

【特許請求の範囲】
1. （１）記入された住所文字列の認識結果の判定および誤
   り訂正を行う文字認識システムの文字認識結果修正方法
   において、住所文字列を構成する地名単語の階層関係が
   表現された地名単語テーブルと、階層ごとに各単語の文
   字位置における文字コードでソートされたインデクステ
   ーブルとを有し、該インデクステーブルを参照して、カ
   ラムごとに一致する文字を検索し、該文字が存在する地
   名単語の該地名単語テーブルにおけるレコード番号を求
   め、該地名単語テーブルを参照して、該レコード番号に
   より、類似性のある地名単語を抽出し、抽出された地名
   単語群の中から、先に決定された上位階層の地名単語に
   正しく接続できる地名単語を選出し、選出された地名単
   語に対して、文字ごとの距離値を基に計算した評価値に
   より、最も類似度の高い地名単語を決定することを特徴
   とする住所文字列に対する文字認識結果修正方法。