JPH0684006A - オンライン手書き文字認識方法 - Google Patents

Abstract

(57)【要約】 【目的】オンライン手書き文字認識システム１０のため
の、辞書に基礎を置く後処理技術を提供する。 【構成】本発明においては、入力ワードが有するすべて
の句読点を除去し、このワードをワード処理辞書２２に
照合して検査する。いずれかのワードが辞書と一致した
場合、このワードは有効なワードとして確認される。有
効なワードとして確認されない場合、ストローク照合機
能及び綴り支援辞書を用いて、可能性のあるワードのリ
ストを作成する。幾つかの場合、最初に認識したワード
の最初の文字を変更した、可能性のあるワードがこのリ
ストに追加される。文字照合評点、置換評点及びワード
長がこのリストの項目に割り当てられる。ワード仮説は
こうした各ワードに評点が割り当てられているリストか
ら作成される。最良の評点をもつワードがプロセツサの
ための出力ワードとして選択される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はオンライン手書き文字認
識方法に関し、特に後処理エラー修正について、辞書を
用いてエラー修正を行う際に適用して好適なものであ
る。

【０００２】

【従来の技術】「ｖ」及び「ｕ」、「ｋ」及び「ｈ」、
「１」、「ｌ」及び「Ｉ」などの文字は形が似ているの
で、オンライン手書き文字認識においてはいずれもエラ
ーの発生を避けることができない。本発明によると、こ
れらのエラー及び他の原因によつて生ずるエラーは、手
書き文字認識用の辞書駆動型エラー修正後処理技術を用
いて修正される。

【０００３】辞書を含んでいる文字認識システム等にお
いては従来種々の技術が利用されて来たが、本発明の技
術を利用したものは見い出されていない。

【０００４】米国特許第 4,653,107号が開示しているシ
ステムにおいては、タブレツト上に描かれた「手書き」
パターンの座標がパターン「認識」ユニツトによつて順
次抽出されてパターン座標データが準備される。１つの
ストロークについて抽出されたパターン座標データによ
り作成されたセグメントによつて取り囲まれた領域並び
にこの１つのストロークの座標データの始点及び終点を
結ぶ線に基づいて、この１つのストロークについて抽出
されたパターン座標データが直線セグメント及び又は曲
線セグメントに変換される。この変換されたセグメント
は量子化され正規化される。この正規化された入力パタ
ーンのセグメントは、この入力パターンが予め定められ
た順序で描かれるように再配列される。この再配列され
たセグメントについての方向角の差が計算される。これ
らの差がメモリから読み出した「辞書」パターンの方向
角の差と比較され、これら両者の間の差が計算される。
入力パターン及び「辞書」パターンの一致はこの差に従
つて判定される。入力パターン及び「辞書」パターンが
一致しなかつたとき、入力パターンについて最初に入力
されたセグメント又は最後に入力されたセグメントが削
除されるか又は次のストロークについて抽出されたパタ
ーン座標データが付加されて「認識」プロセスを継続す
る。

【０００５】米国特許第 5,034,991号が開示している文
字「認識」方法及びシステムにおいては、印刷され、ス
タンプされ、切り分けられた形式又は他の形式で表示さ
れた文字を２次元の画像として捕らえて画像データとし
て記憶し、この記憶された画像データを画像処理して文
字を「認識」する。「認識」すべき文字から抽出された
複数の種類の特徴ベクトルと前もつて準備した候補文字
群内の各候補文字についての「辞書」ベクトルとを複数
の種類の特徴ベクトルのうちの１つについて比較するご
とに、抽出された特徴ベクトルから予め定められた値以
上の距離だけ離れている「辞書」ベクトルを有する候補
文字を候補文字群から除外するような手法で文字の「認
識」が遂行される。各候補文字についての「辞書」ベク
トルは種々のフオントについての平均ベクトルとして定
義される。「認識」すべき文字から抽出された特徴ベク
トル及び「辞書」ベクトル間の差を種々のフオントにつ
いての偏差ベクトルによつて推定し、推定値を作成す
る。候補文字群からの除外はこの推定値に基づいて判定
され、それぞれの推定値は差の推定がなされるごとに累
積的に作成される。

【０００６】米国特許第 5,020,117号が開示しているシ
ステムにおいては、文字「認識」セクシヨンによつて入
力文字ストリングから得られる各文字についての「認
識」文字候補及びそれらの類似点が第１の「認識」結果
メモリ内に記憶され、対応する文字を180 度回転させて
得られる「認識」文字候補及びそれらの類似点が第２の
「認識」結果メモリ内に記憶される。第１の「認識」結
果メモリ及び第２の「認識」結果メモリにアクセスする
アドレスポインタはアドレスポインタメモリ内に記憶さ
れる。第１の「認識」結果メモリはアドレスポインタメ
モリから昇順で読み出されるアドレスポインタに従つて
アクセスされ、第２の「認識」結果メモリはアドレスポ
インタメモリから降順で読み出されるアドレスポインタ
に従つてアクセスされる。第１の「認識」結果メモリ及
び第２の「認識」結果メモリから読み出される「認識」
候補と「辞書」メモリから読み出される「辞書」ワード
の文字ストリングとの間の一致は、一致計算セクシヨン
によつて計算される。入力文字ストリングの「認識」結
果はこの一致に基づいて得られる。

【０００７】米国特許第 5,010,579号が開示しているオ
ンライン手書き文字「認識」装置及び方法においては、
「認識」のための「辞書」の構成はサブルーチン型とし
て形成され、これによつて「辞書」のサイズを小さくし
得ると共に「認識」に要する時間を短縮することができ
る。

【０００８】1991年７月２日に共通に譲渡された米国特
許第 5,029,223号においては、一続きの手書きストロー
クから有効な記号又は有効な記号のストリングを識別す
る方法及び装置が開示されている。この方法は、（Ａ）
１つ又は２つ以上の手書きストロークに応答して、それ
ぞれ付随する評点を有する複数のストロークラベルを生
成するステツプと、（Ｂ）ビーム探索法のような技術に
従つてこの複数のストロークラベルを処理することによ
り、有効な記号又は有効な記号の一部を示すこれらのス
トロークラベルを識別するステツプと、（Ｃ）識別され
たストロークラベルを組み合わせて一緒にすることによ
り、そこから有効な記号又は有効な記号のストリングの
一致を判定するステツプとを含む。この発明の１つの特
徴は、各制約条件妥当性検査フイルタが直列フイルタ連
鎖内にスイツチングできるように結合されることであ
る。このスイツチ機能は、フイルタ入力をストロークラ
ベルに結合させたり入力との結合を断つたりし、フイル
タブロツクの周囲に経路を提供することである。この出
願書類の起草者は複数の制約条件フイルタを使用し得
る。この出願書類の起草者は、制約条件フイルタのうち
のいずれが一続きの特定のストロークに適用されるべき
であるかを詳述している。

【０００９】上述のように本発明はオンライン手書き文
字認識において後処理エラー修正のために辞書を利用す
る。上述した幾つかの特許はこうした目的での辞書の使
用を教示又は示唆していない。

【００１０】

【発明が解決しようとする課題】本発明の目的は手書き
文字認識システムを改善することである。

【００１１】本発明の他の目的は辞書に基礎を置く後処
理技術を利用する改善された手書き文字認識システムを
提供することである。

【００１２】

【課題を解決するための手段】かかる課題を解決するた
め本発明においては、オンライン手書き文字認識のため
に辞書を使用する方法において、少なくとも１つの一続
きのストロークでなる少なくも１つの文字の列から構成
される、認識のための候補ワードを準備するステツプ
と、候補ワードの文字列が辞書内のワードと同じ綴りを
有して一致するか否かを判定し、肯定結果が得られたと
きには候補ワードを出力ワードとして提供するステツプ
と、否定結果が得られたときには候補ワードの各文字に
ついて認識評点を計算するステツプと、各文字について
の認識評点において最悪の文字評点をもつ文字の評点が
予め定められたしきい値より良いか否かを判定し、肯定
結果が得られたときには候補ワードを出力ワードとして
提供するステツプと、否定結果が得られたときには、ス
トローブのすべての組合わせを検出して、最悪の文字評
点をもつ文字の代りに使用すべき認識し得る文字を作成
するステツプと、認識し得る各文字に評点を割り当てる
ステツプと、候補ワードにおいて最悪の文字評点をもつ
文字を最高の評点をもつ認識し得る文字に置き換えるこ
とにより、新しい候補ワードを作成するステツプと、新
しい候補ワードを出力ワードとして提供するステツプと
を含むようにする。

【００１３】

【作用】オンライン手書き文字認識システムのための、
辞書に基礎を置く後処理技術を提供する。入力ワードが
有するすべての句読点を除去し、このワードをワード処
理辞書に照合して検査する。いずれかのワードが辞書と
一致した場合、このワードは有効なワードとして確認さ
れる。有効なワードとして確認されない場合、ストロー
ク照合機能及び綴り支援辞書を用いて、可能性のあるワ
ードのリストを作成する。幾つかの場合、最初に認識さ
れたワードの最初の文字を変更した、可能性のあるワー
ドがリストに追加される。文字照合評点、置換評点及び
ワード長がリストの項目に割り当てられる。ワード仮説
はこうした各ワードに評点が割り当てられているリスト
から作成される。最良の評点をもつワードがプロセツサ
のための出力ワードとして選択される。

【００１４】

【実施例】以下、図面について本発明の一実施例を詳述
する。

【００１５】図１は電子タブレツト１４及び文字認識ブ
ロツク１８間に結合されたセグメント化プロセツサ１２
を含む文字認識システム１０を示すブロツク図である。
タブレツト１４は商業的に入手し得る多数の適正な電子
タブレツトのうちのいずれであつてもよい。タブレツト
１４にはスタイラスすなわちペンが設けてあり、ユーザ
はこのペンを用いてそのペンダウン位置においてブロツ
クプリンテイング又は手書き英数字のような記号をタブ
レツト１４の表面上に形成する。タブレツト１４はｘ−
ｙタブレツト座標システム上のペンの位置を表わすｘ軸
出力信号及びｙ軸出力信号を有する。ストローク捕獲手
段１６はソフトウエアタスクであり、これはタブレツト
からのｘ−ｙ出力を横取りしてセグメント化プロセツサ
１２のためにｘ−ｙ位置対データを生成する。セグメン
ト化プロセツサ１２の出力は接続されたストローク及び
接続されなかつたストロークを表わすデータであり、こ
のデータは本発明の文字認識ブロツク１８に入力され
る。文字認識ブロツク１８はセグメント化されたストロ
ークの接続された群の一致を判定するように動作し、そ
の出力１８Ａは英数字のような一致した記号を表わす。

【００１６】理解すべきは本発明は所与の記号が少なく
も１つのセグメント化されたストロークで構成される多
数の手書き記号の認識に適用できることである。本発明
の教示を利用することによつて、システム１０は種々の
言語の手書き文字に関連する記号並びに数学に関する記
号及び他の形式の記号を容易に認識する。

【００１７】ライン１８Ａ上の文字認識ブロツク１８の
出力が探索ブロツク１９に与えられ、探索ブロツク１９
はトツプ応答をライン１９Ａに与えると共に、最も良く
一致したストロークのキヤツシユをライン１９Ｂに与え
る。ブロツク１４〜１９については米国特許第 5,029,2
33号に一段と詳細に説明されている。次に辞書後処理が
後処理ブロツク２０において実行され、この後処理ブロ
ツク２０はライン１９Ａ上のトツプ応答ワードを辞書２
２内のワードと比較してライン２３に出力ワードを出力
する。

【００１８】トツプ応答は探索の結果として、認識した
ワードについての最良の候補であり、後処理ブロツク２
０への入力ワードとなる。最も良く一致したストローク
のキヤツシユはワードを形成するための最良のストロー
クを探索した結果である。

【００１９】図２は図１の辞書後処理プロセツサ２０に
ついてのブロツク図である。句読点フイルタ２４はライ
ン１９Ａ上のトツプ応答ワード及びライン１９Ｂ上の別
経路の信号のキヤツシユを受け、ワードから句読点をす
べて除去する。検証ブロツク２６において、認識した文
字列をブロツク２８内の辞書と照合することにより、そ
の綴りをもつワードが存在するか否かを調べる。この照
合は大文字小文字を区別していないキヤツシユである。
一致するワードが存在するとき、このワードはキヤツシ
ユ統一化ブロツク３０に与えられ、出力ワードがライン
３１に与えられる。他方、一致するワードが確認されな
いときにはブロツク３２において文字照合評点が計算さ
れ、文字当たりの評点が予め定められた水準に達してい
ればこのワードはブロツク３０に出力されて出力ワード
がライン３１に与えられる。ブロツク３４においてスト
ローク照合が計算される。この探索プロセスを通じて、
最も良く一致する仮説がそれらの評点と共にキヤツシユ
内に保存される。基本的に、このモジユールの目的はこ
のキヤツシユ内のストロークから可能性のあるすべての
ワードを生成してこれらの各ワードの合計の照合評点を
計算することである。次に最良の照合評点をもつ最終ワ
ード仮説がグローバルワード仮説リスト内に挿入され
る。その後照合ブロツク３４の出力が綴り支援ブロツク
３６に与えられ、綴り支援ブロツク３６は認識出力を受
けてこの文字列と似通つたワードを辞書内で探し出し、
これらをグローバルワード仮説リスト内に挿入する。こ
のモデルの出力は最初の文字によつて大きく左右され
る。従つて多くの場合、最初の文字が保存される。その
結果、最初の文字の照合評点がワードの他の文字よりも
悪いとき、ブロツク３８においてこの最初の文字が置き
換えられる。ブロツク４０において置換文字に対して３
つの形式の評点が割り当てられ、ブロツク４２において
リスト内の最良の仮説が決定される。ブロツク４４にお
いて最良の仮説が最終的ワードとして使用され、ブロツ
ク４６において句読点が再挿入されて出力ワードがライ
ン４８に与えられる。

【００２０】図３及び図４は辞書後処理プロセツサ２０
についての一段と詳細なフローチヤートを示す。図３の
ブロツク２４において、トツプ応答が入力ライン１９Ａ
に与えられ、最も良く一致したストローク信号のキヤツ
シユがライン１９Ｂに与えられる。またブロツク２４に
おいてトツプ応答入力から句読点が除去される。判定ブ
ロツク２６において、このワードが辞書内で確認される
か否かを判定する。肯定結果が得られると、このワード
はキヤツシユ統一化ブロツク３０に与えられて出力ワー
ドがライン３１に与えられる。他方、このワードが辞書
内に存在しないとき、ブロツク５０及びブロツク５２で
なる文字照合評点ブロツク３２に進む。ブロツク５０に
おいて、トツプ応答ワードの各文字について評点が計算
される。判定ブロツク５２において、最悪の文字評点を
もつ文字の評点が予め定められたしきい値よりも良いか
否かを判定する。肯定結果が得られると、ブロツク３０
に進んでこのケースを統一化してライン３１に出力ワー
ドを与える。否定結果が得られると、ブロツク３４に進
んでキヤツシユを用いてストローク照合を行い、ストロ
ークのすべての組み合わせを検出してこれらを検証す
る。綴り支援ブロツク３６において標準ワードプロセツ
サの辞書を用いることにより、示唆された幾つかのワー
ドを得る。

【００２１】次に図４における最初の文字を置換するブ
ロツク３８に進む。ブロツク３８はブロツク５４及びブ
ロツク５６からなる。判定ブロツク５４において、トツ
プ応答ワードの最初の文字がトツプ応答ワードのすべて
の文字の中で最悪の文字照合評点を有するか否かを判定
する。肯定結果が得られると、ブロツク５６に進んでワ
ードの最初の文字についての統計を用いて最初の文字を
変更することにより仮説を得る。次にブロツク４０に進
んで、トツプ応答ワードに文字照合評点を割り当て、す
べての仮説に置換評点及びワード長評点を割り当てる。
ブロツク４２において、以下の優先順位に基づいてすべ
ての相対評点のうち最良の評点をもつ仮説を見つける。
１、ワード長、２、置換、３、相対文字照合。この判定
の後、ブロツク４４に進んでこのケースを仮説として認
められたワードと統一する。次にこれをブロツク４６に
与えてそこで句読点を再挿入し、ライン４８に出力ワー
ドを与える。

【００２２】図５〜図１０は後処理ブロツク２０の動作
についての詳細なフローチヤートである。このフローチ
ヤートは図５のブロツク６０から開始される。ブロツク
６２において、文字列がトツプ探索経路から抽出されて
「ワード」及び「元のワード」内に記憶される。ブロツ
ク６４において、「ワード」からすべての句読点が除去
され、その句読点が記憶される。ブロツク６６におい
て、大文字小文字で区別しない照合が「ワード」と辞書
データベースとの間でなされる。「ワード」が非アルフ
アベツト文字だけから構成されているとき、これは確認
される。「ワード」が句読点等の特殊な文字を有すると
き、これらは分離されて「句読点」と呼ばれる分離部分
に保持される。判定ブロツク６８において「ワード」が
確認されるか否かを判定する。肯定結果が得られると、
ブロツク７０に進んで「元のワード」の最初の文字が大
文字であるときはそのケースを保存する。小文字及び大
文字の数を数えて、すべての文字ケースを、「元のワー
ド」内において多い方のケースに変換する。次に「元の
ワード」は出力ワードとしてライン７２に与えられる。

【００２３】判定ブロツク６８においてこのワードが確
認されないとき、図６のブロツク７４に進み、ここでこ
のワードの各文字について形状照合評点を調べる。判定
ブロツク７６において、評点の合計がしきい値に「ワー
ド」の長さを掛けた値よりも小さいか否かを判定する。
肯定結果が得られると、ブロツク７０（図５）に戻つて
ライン７２に出力ワードを出力する。しきい値に「ワー
ド」の長さを掛けた値より評点の合計が小さくないと判
定されたときはブロツク７８に進む。ブロツク７８にお
いて、最高の評点をゼロに写像しゼロを最高の評点に写
像するように評点の線形変換が行われる。この新しい評
点を「文字照合」評点と呼ぶ。「ワード」内の、照合評
点をもたない文字に他のすべての評点よりも悪い「−
１」の文字照合評点が割り当てられる。ブロツク８０に
おいて、ストローク照合及び綴り支援によつて得られる
ワード仮説に関して、これらの文字が照合評点をもつて
いるとき、上述の線形変換を用いてこれらの照合評点を
変換し、これらの評点を文字照合評点としてこれらの文
字に割り当てる。使用できる照合評点がないとき、これ
らの文字照合評点として「０」が使用される。ブロツク
８２において、ストローク照合から示唆されたワードの
リストを得、ブロツク８４に進んで、このリストに綴り
支援によつて示唆されるワードのリストを追加する。

【００２４】図７のブロツク８６において、「ワード」
の最初の文字が変換された評点「０」又は「−１」を有
するとき、最初の文字を、例えば270,000 個の予め定め
られた数の異なるワードを含んでいる例えば320,000,00
0 個の予め定められたワードコーパス（言語資料）から
のワードの初めに現れる文字の確率を検討して得られる
他の文字に変更する。ブロツク８８においては、ストロ
ーク照合及び綴り支援によつて得られる各ワード仮説
に、そのワードを元のワードに似たワードにする置換の
数を挿入する。この「置換評点」を（ＳＳ）と呼ぶ。次
に判定ブロツク９０に進んで、これが強力な辞書である
か否かを判定する。否定結果が得られると図７のブロツ
ク９２に進む。ここでＬは「元のワード」の長さに等し
く、ＳＳは置換評点に等しい。判定ブロツク９４におい
てエラー修正頑強性を保持するための試験が行われる。

【００２５】頑強でなければブロツク９６に進んでＳＳ
を「−１」にセツトし、図８のブロツク９８に進んで、
ストローク照合及び綴り支援によつて仮説として認めら
れたすべてのワードについて「ワード」との長さの差を
検出する。ブロツク９０において強力な辞書であると判
定されたときにも、この同じ経路がとられる。句読点の
存在に注意されたい。これを「ワード長」評点と呼ぶ。
ブロツク１００において、すべてのワード仮説及びそれ
らの評点を一巡する。ブロツク１０２において、最小の
ワード長評点をもつすべての仮説を検出する。ブロツク
１０４において、最小の置換評点をもつそれらの仮説を
検出する。ブロツク１０６に進んで、これらのワード仮
説の中から「ワード」内の「−１」の文字照合評点を有
する文字の位置に最大量の置換をもたらす仮説を検出す
る。ブロツク１０８において、残存する仮説の中に「ワ
ード」の文字照合評点の差の絶対値の合計が最小である
仮説を検出してこの仮説を保存する。ブロツク１１０に
おいて、残存する仮説リストが２つ以上の要素を有する
とき、ストローク照合モジユールから生ずる仮説を保存
する。

【００２６】図９の判定ブロツク１１２において、「元
のワード」の最初の文字が大文字（upper case）である
か否かを判定する。否定結果が得られると、ブロツク１
１４に進んでこの最初の文字をゼロにセツトして（Ｆ
ＵＰＰＥＲ ＣＡＳＥ＝０）ブロツク１１８に進む。肯
定結果が得られると、ブロツク１１６に進んでこの大文
字を「１」にセツトする（Ｆ ＵＰＰＥＲ ＣＡＳＥ＝
１）。次に判定ブロツク１１８に進んで「元のワード」
内における文字の大多数が小文字（lower case）である
か否かを判定する。肯定結果が得られると、ブロツク１
２０に進んでこの小文字を「１」にセツトして（ＬＯＷ
ＥＲ ＣＡＳＥ＝１）ブロツク１２４に進む。ブロツク
１１８において、元のワード内における文字の大多数が
小文字でないとき、ブロツク１２２に進んで小文字をゼ
ロにセツトする（ＬＯＷＥＲ ＣＡＳＥ＝１）。判定ブ
ロツク１２４において、小文字がゼロに等しいか否か
（ＬＯＷＥＲ ＣＡＳＥ＝０か）を判定する。否定結果
が得られると、ブロツク１２６に進んで仮説内のすべて
の文字を小文字に変換する。判定ブロツク１２４におい
て小文字がゼロに等しいときはブロツク１３４に進ん
で、仮説内のすべての文字を大文字に変換し、次に図１
０のブロツク１３２に進む。図１０のブロツク１２８に
おいて、大文字が「１」に等しいか否か（Ｆ ＵＰＰＥ
Ｒ ＣＡＳＥ＝１か）を判定し、否定結果が得られると
ブロツク１３２に進む。肯定結果が得られると、ブロツ
ク１３０に進んで仮説内の最初の文字を大文字に変換す
る。次にブロツク１３２に進んで仮説を元のワード内に
コピーする。ブロツク１３６において句読点がワード内
に再挿入され、ライン１３８に出力ワードが出力され
る。

【００２７】図１１は図２〜図４に示したストローク照
合ブロツク３４についての詳細なフローチヤートであ
る。このフローチヤートはブロツク１４０から開始す
る。ブロツク１４２において、ストローク照合ブロツク
からトツプ評点ストローク仮説が取られ、辞書内のワー
ドを有効にするストロークのすべての組合わせが検出さ
れる。ブロツク１４４において、各ワード仮説内のスト
ロークについてのこれらの評点のすべてが加算される。
ブロツク１４６において、最良の合計評点をもつ「Ｎ」
仮説のリストが作成され、ブロツク１４８においてリタ
ーンリストが作成される。

【００２８】図１２は図２〜図４の綴り支援ブロツク３
６についての詳細なフローチヤートである。このフロー
チヤートはブロツク１５０から開始する。ブロツク１５
２において、「ワード」がワードプロセツサ綴りチエツ
カに送られ、最も「ワード」に似通つている最初の６つ
のワード（「Ｍ」ワード）を得て、ブロツク１５４にお
いてこれらをリストに戻す。

【００２９】

【発明の効果】上述のように本発明によれば、後処理エ
ラー修正のために辞書を利用することにより、オンライ
ン手書き文字認識において確実にエラーを回避すること
ができる。

【図面の簡単な説明】

【図１】図１はオンライン手書き文字認識システムのた
めの、辞書に基礎を置く後処理プロセツサのブロツク図
である。

【図２】図２は図１の辞書後処理プロセツサについての
一般的なブロツク図である。

【図３】図３は図２の辞書後処理プロセツサについての
一般的なフローチヤートの一部を構成するフローチヤー
トである。

【図４】図４は図２の辞書後処理プロセツサについての
一般的なフローチヤートの一部を構成するフローチヤー
トである。

【図５】図５は図３及び図４の辞書後処理プロセツサに
ついての詳細なフローチヤートの一部を構成するフロー
チヤートである。

【図６】図６は図３及び図４の辞書後処理プロセツサに
ついての詳細なフローチヤートの一部を構成するフロー
チヤートである。

【図７】図７は図３及び図４の辞書後処理プロセツサに
ついての詳細なフローチヤートの一部を構成するフロー
チヤートである。

【図８】図８は図３及び図４の辞書後処理プロセツサに
ついての詳細なフローチヤートの一部を構成するフロー
チヤートである。

【図９】図９は図３及び図４の辞書後処理プロセツサに
ついての詳細なフローチヤートの一部を構成するフロー
チヤートである。

【図１０】図１０は図３及び図４の辞書後処理プロセツ
サについての詳細なフローチヤートの一部を構成するフ
ローチヤートである。

【図１１】図１１は図２〜図４のストローク照合ブロツ
クについてのフローチヤートである。

【図１２】図１２は図２〜図４の綴り支援ブロツクにつ
いてのフローチヤートである。

【符号の説明】

１０……文字認識システム、１２……セグメント化プロ
セツサ、１４……電子タブレツト、１６……ストローク
捕獲手段、１８……文字認識ブロツク、１９……探索ブ
ロツク、２０……辞書後処理プロセツサ、２２……辞
書。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 テツノスケ・フジサキ アメリカ合衆国、ニユーヨーク州10504、 アーモンク、ウエイン・バレイ・ロード ４番地 (72)発明者 ウイリアム・デイビツド・モドリン アメリカ合衆国、フロリダ州33431、ボ カ・ラトン、エヌ・イー・20番ストリー ト、255番地 (72)発明者 ケネス・ステイーブン・ウエンストラツプ アメリカ合衆国、フロリダ州33486、ボ カ・ラトン、タウン・レークス・ドライ ブ・アパートメント１−19 21391番地

Claims (4)

【特許請求の範囲】
1. 【請求項１】オンライン手書き文字認識のために辞書を
   使用する方法において、上記方法は、 少なくとも１つの一続きのストロークでなる少なくも１
   つの文字の列から構成される、認識のための候補ワード
   を準備するステツプと、 上記候補ワードの文字列が辞書内のワードと同じ綴りを
   有して一致するか否かを判定し、肯定結果が得られたと
   きには上記候補ワードを出力ワードとして提供するステ
   ツプと、 否定結果が得られたときには上記候補ワードの各文字に
   ついて認識評点を計算するステツプと、 上記各文字についての上記認識評点において最悪の文字
   評点をもつ文字の評点が予め定められたしきい値より良
   いか否かを判定し、肯定結果が得られたときには上記候
   補ワードを出力ワードとして提供するステツプと、 否定結果が得られたときには、ストローブのすべての組
   合わせを検出して、上記最悪の文字評点をもつ文字の代
   りに使用すべき認識し得る文字を作成するステツプと、 上記認識し得る各文字に評点を割り当てるステツプと、 上記候補ワードにおいて上記最悪の文字評点をもつ文字
   を最高の評点をもつ上記認識し得る文字に置き換えるこ
   とにより、新しい候補ワードを作成するステツプと、 上記新しい候補ワードを出力ワードとして提供するステ
   ツプとを含むことを特徴とするオンライン手書き文字認
   識方法。
2. 【請求項２】上記候補ワードから句読点を除去するステ
   ツプを含むことを特徴とする請求項１に記載のオンライ
   ン手書き文字認識方法。
3. 【請求項３】上記候補ワードから除去した上記句読点を
   上記提供した候補ワードに挿入するステツプを含むこと
   を特徴とする請求項２に記載のオンライン手書き文字認
   識方法。
4. 【請求項４】上記候補ワードから除去した上記句読点を
   上記新しい候補ワードに挿入するステツプを含むことを
   特徴とする請求項２に記載のオンライン手書き文字認識
   方法。