JPH1091712A - 文書分析システムおよび文書分析プロセス - Google Patents

Abstract

(57)【要約】 【課題】 文書と文書内のフィールドを識別するため
に、どの情報が有益かを判断し解を提供する。 【解決手段】 走査された文書（１００）の定型および
非定型画像を識別し分解するための、知識に基づく文書
分析システムおよびプロセスが開示される。低レベルの
特徴が、２トーンまたはグレースケール画像の中で文書
特徴抽出器（１０５）によって抽出される。低レベルの
特徴は、文書の等級に関する初期仮定を形成する文書分
類手段（１１５）に送られる。定型文書については、文
書分析手段（１２５）は、文書の正確な種類を判断する
ためにさまざまなモデルを分類し、文字読み取りのため
に適切なフィールドを抽出する。非定型文書について
は、知識データベースと知識供給源を含む黒板アーキテ
クチャの使用を通じて、文書分析手段（１２５）が文書
内の適切なフィールドを識別し探し出すための情報と仮
定を作成する。これらのフィールドはその後文字読み取
り装置に送られる

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文書分析システム
およびプロセスに関する。本発明は、文書およびフィー
ルドまたは文書内の情報要素を識別するシステムおよび
プロセスに関する。

【０００２】

【従来の技術】紙のディジタル画像からのデータ抽出プ
ロセスを自動化する能力は、あらゆる業務の生産性と能
力を大きく増大させる。データ入力プロセスの自動化に
よって、作業コストは労働力の必要の縮小により低減で
き、能力は、データ入力作業の処理量を最大にすること
によって増大できる。銀行業のような業務では、あらゆ
る種類の書類を高速処理する必要がある。銀行は普通、
コンピュータに入力しなければならない多くの種類の書
類を受け取る。さらに、文書からのデータ抽出の自動化
によって新しいサービスが提案できる。一例として、自
動金銭受け払い機（ＡＴＭ）の能力を、文書処理を含む
ように拡張することによって、顧客は小切手を現金化し
たり、ＡＴＭから資金を受け取ったりできるようにな
る。小売業では、販売地点で顧客からの情報を捉える必
要がある。抽出される情報は、顧客の小切手からのもの
や、そのＩＤカード（すなわち、運転免許証）からのも
のである。本発明の他の適用例は卸し売りまたは小売り
のロックボックスにある。支払いを取り扱うプロセスが
自動化されればされるほど、作業コストは低下し、支払
いは早く貸し方に記入される。

【０００３】確実な結果を提供するために、システムは
文書の種類の混合した流れを処理できなければならな
い。また、システムは一定のフォーマットの文書同様、
高度に非定型的な文書も処理できなければならない。

【０００４】文書分析システムを使うために、文書は第
１に、０と１のマトリックスによってページ上の黒と白
の点のマトリックスを表すディジタル画像を作り出すた
めに、電荷結合素子（ＣＣＤ）のようなさまざまな現存
する技術の１つを使って走査される。このマトリックス
はその後ディジタル・コンピュータに送られ、そこで処
理、表示、識別および保存できる。

【０００５】走査された文書の処理に対する要求は２つ
の種類に分けることができる。定型文書の識別・分解
と、非定型文書の識別・分解である。

【０００６】定型文書の識別は、さまざまな種類の文書
について解決されてきた。例えば、スコットランド、ダ
ンディーのＮＣＲによって作り出されたＤＰ−ＡＴＭ
Ｍｏｄｅｌ ５６６５システム、アトランタのＮＣＲか
ら入手可能なＨＩＴＣ書式識別システム、Ｌｕｃｅｎｔ
Ｔｅｃｈｎｏｌｏｇｉｅｓの一部門であるＱｕｅｓｔ
によって開発されたＦＩＲＳＴシステムは、定型文書を
識別・処理する３つのシステムである。これらのシステ
ムは特定の種類として文書を分類し、識別された文書の
種類を処理するために、識別サブシステムを呼び出す。

【０００７】非定型システムについては、特定のフィー
ルドを見つけて読み取るシステムがある。例えば、コー
テシ・アマウントとしても知られる、数字で書かれた合
計金額を見つけるために、特定の通貨を示す文字、例え
ば、「＄」という文字について、指定された範囲を探索
するシステムがある。しかし、多くの場合、「＄」など
の通貨を示す文字はフィールド内にないことがあるし、
コーテシ・アマウントが指定された範囲内にないことも
ある。さらに、こうしたシステムは、明確に指定されて
いない他のフィールドを探し出す能力を有しないことが
ある。こうしたシステムは、Ｌｕｃｅｎｔ Ｔｅｃｈｎ
ｏｌｏｇｉｅｓの一部門であるＱｕｅｓｔによるＣｏｕ
ｒｔｅｓｙ Ａｍｏｕｎｔ Ｌｏｃａｔｏｒ（ＣＡＬ）
およびカナダ、ウォータールーのＮＣＲから入手可能な
Ｓｃａｌｅａｂｌｅ ＩｍａｇｅＩｔｅｍ Ｐｒｏｃｅ
ｓｓｉｎｇ Ｓｙｓｔｅｍ（ＳＩＩＰＳ）を含む。その
他のシステムは試行錯誤アプローチを試みている。こう
したシステムは、成功の確率によって等級付けされたロ
ケーションのリストにあるフィールドを探索する。この
力づくのアプローチは、不正確で、大量の処理リソース
を必要とするため、非効率である。さらに、こうしたシ
ステムは、異なった種類の文書、例えば、小切手、預入
伝票および種々雑多な財務文書からのデータを解釈する
ことができない。これらすべての現存するシステムは特
定のタスクに焦点を当てており、解を得るために文書の
全体構造を分析するものではない。

【０００８】文書の適切な側面の各印刷フィールドを処
理することによって、例えばコーテシ・アマウントのよ
うなフィールドを探索することは可能だが、走査された
画像の広い領域が探索されなければならず、その領域は
多数のフィールドを含むため、このことは処理リソース
の浪費を生じる。従って、文書分析において今日存在す
る問題の１つは、文書と文書内のフィールドを識別する
ために解を作り出す際に、どの情報が有益かを判断する
システムである。この解は、走査された画像から集めら
れた情報と共に、解を作り出す際に必要となる計算コス
トに基づいている。

【０００９】こうした解を提供することが本発明の目的
である。

【００１０】

【課題を解決するための手段】本発明によれば、少なく
とも１つの情報要素を含む対象文書を分析するためのシ
ステムであって、該システムが、（ａ）対象文書のディ
ジタル化画像を保存するための手段と、（ｂ）ディジタ
ル化画像から低レベルの特徴を抽出するための文書特徴
抽出手段と、（ｃ）抽出された低レベルの特徴に基づい
て、文書を分類するための文書分類手段と、（ｄ）文書
分類手段に応答して、少なくとも１つの情報要素に関連
する情報データを抽出するために、対象文書を分析する
ための文書分析手段とを含む。

【００１１】文書認識およびデータ抽出は、２トーンお
よびグレースケール画像内の低レベルの特徴を捜索、識
別および抽出する高度文書特徴抽出器によって達成され
る。低レベルの特徴は機械印刷テキスト、手書きテキス
トおよび垂直・水平の線を含む。低レベルの特徴は、文
書の識別について初期仮定を形成する文書分類手段に送
られる。文書のアイデンティティは、定型・非定型両方
の文書を扱う文書分析手段に送られる。定型文書につい
ては、文書分析手段は、さまざまなモデルを分類して文
書の正確な種類を判定し、その後適切なフィールドを抽
出し、それが光学式文字読取り装置（ＯＣＲ）に送られ
る。非定型文書については、システムは文書内の適切な
フィールドを識別し探し出すための情報と仮定を作り出
す。探し出されたフィールドは、その後、光学式文字読
取り装置（ＯＣＲ）に送られる。

【００１２】

【発明の実施の形態】本発明の好適実施形態が以下に詳
細に説明される。図面を参照する際、同じ数字は図全体
を通じて同じ部分を示す。

【００１３】図１を参照すると、システムへの入力は未
知の文書の走査画像１００である。文書１００は、情報
要素であるデータのフィールドを含む。例えば、業務用
小切手に関する情報要素は、サインの線、コーテシ・ア
マウント、リーガル・アマウント（文字で記入された正
式の金額）、ＭＩＣＲ（磁気インキ文字）および日付で
ある。

【００１４】好適実施形態では、ＴＩＦＦフォーマット
で走査された画像が使われ、グレースケール（８ビット
／ピクセル）またはバイナリ、２００、２４０、２５
４、３００、４００、６００、１２００または２４００
ｄｐｉで、画像の両面が走査され、画像のすべての方向
がサポートされる。画像は非圧縮（生）画像か、または
圧縮（バイナリまたはグレー）画像である。しかし、ど
んな種類の画像も容易に使用可能である。走査された画
像は、ハードディスクを含む、何らかの保存媒体に保存
できる。

【００１５】Ｉ．文書特徴抽出器 走査された画像１００から、文書特徴抽出器１０５を使
って、文書の基本的特徴を探し出し、識別することが可
能である。これらの基本的特徴は、文書のディジタル画
像中の機械印刷文字、手書き文字、垂直の線、水平の線
およびノイズ領域１１０を含む。

【００１６】文書特徴抽出器１０５は個々の文書特徴を
囲む矩形の４つの角を識別する。お互いに近接して位置
しているか、または同じ種類の特徴は、１つの特徴に集
約される。例えば、個々の機械印刷語を構成する文字
は、文書内でお互いに近くに位置している多重機械印刷
語と同様、単一の機械印刷特徴のグループに入れられ
る。文書特徴抽出器１０５の出力は各文書の特徴の位置
と種類のインジケータである。文書特徴抽出器の一例
は、ニュージャージー州ホルムデルのＡＴ＆Ｔ研究所か
ら入手可能なＮｅｔ３２Ｋ製品である。

【００１７】文書特徴抽出器または文書特徴抽出器の一
部として使用できるその他の特徴、システムおよび方法
は、「適応アナログＶＬＳＩニューラル・システム」、
Ｍ．Ａ．Ｊａｂｒｉ、Ｒ．Ｊ．Ｃｏｇｇｉｎｓおよび
Ｂ．Ｇ．Ｆｌｏｗｅｒ著、Ｃｈａｐｍａｎ ＆ Ｈａｌｌ
刊、１９９６年、ＩＳＢＮ ０−４１２−６１６３０−
０中の「高速画像識別システム」、「複雑でノイズのあ
る小切手画像の分析」、米国電気電子技術者協会（ＩＥ
ＥＥ）画像処理国際会議会報、３１６〜３１９頁、米国
電気電子技術者協会コンピュータ学会出版刊、１９９６
年、ＩＳＢＮ ０−８１８６−７３１０、「画像分析の
ためのニューラル・ネットワーク・アクセラレータ」米
国電気電子技術者協会ミクロ、第１５巻、第３号、１９
９５年６月、米国電気電子技術者協会コンピュータ学会
出版刊、１９９５年、「Ｎｅｔ３２Ｋ高速画像識別シス
テム」、第４回ニューラル・ネットワークおよびファジ
ー・システム用マイクロエレクトロニクス国際会議（Ｍ
ｉｃｒｏｎｅｕｒｏ ’９５）会報、４１３〜４２１
頁、米国電気電子技術者協会コンピュータ学会出版刊、
１９９５年、「ニューラル・ネット・システムを伴うア
ドレス・ブロック・ロケーション、ニューラル情報処理
システムにおける進歩」、第６巻、７８５〜７９２頁、
Ｍｏｒｇａｎ−Ｋａｕｆｍａｎ Ｐｕｂｌｉｓｈｅｒｓ
刊、１９９４年に説明されている。

【００１８】各文書特徴の位置と種類のインジケータは
文書分類手段１１５に送られる。文書分類手段１１５
は、文書特徴抽出器１０５によって抽出された低レベル
の特徴の集合から走査された文書の一般的文書等級を識
別する。一般的文書等級とは、例えば、ジャイロ（振替
為替）のような高度の線的特徴を持つ固定フォーマット
文書や、米国ＡＮＳＩ規格個人用小切手のような単一固
定フォーマット文書や、業務用小切手のような非定型文
書である。

【００１９】文書分類手段１１５の出力は文書の種類の
識別子と、仮定の信頼度を示すスコアからなる分類仮定
の順序付けられたリストである１２０。文書分類手段の
詳細が以下説明される。

【００２０】文書特徴抽出器１０５の出力特徴１１０
と、文書分類エンジン１１５からの分類仮定の順序付け
られたリスト１２０は、文書分析手段１２５に送られ
る。文書分析手段１２５は文書内の適切な範囲またはゾ
ーンを探しだす。例えば、米国業務用小切手１４５また
は個人用小切手１３０について、文書分析手段１２５
は、数字で示されるコーテシ・アマウント、言葉で表さ
れるリーガル・アマウント、ＭＩＣＲ、日付およびサイ
ン記入欄の位置と印刷種類を出力する。文書分析手段の
詳細が以下説明される。

【００２１】本発明の好適実施形態では、文書分類手段
と文書分析手段のコードは、Ｍｉｃｒｏｓｏｆｔ Ｖｉ
ｓｕａｌ Ｃ＋＋言語で書かれる。このソフトウェア
は、Ｗｉｎｄｏｗｓ ＮＴまたはＷｉｎｄｏｗｓ ’９
５のもとで、Ｉｎｔｅｌ ４８６、Ｐｅｎｔｉｕｍまた
はＰｅｎｔｉｕｍ Ｐｒｏ上で動作する。Ｗｉｎ３２ア
プリケーション・サブシステムを利用することもある。

【００２２】本発明を展開するためのシステムの構成の
１つが図１６に説明される。モニタ１６１３、キーボー
ド１６１４、マウス１６１５、Ｉｎｔｅｌ ４８６、Ｐ
ｅｎｔｉｕｍまたはＰｅｎｔｉｕｍ Ｐｒｏプロセッサ
である中央処理装置１６１１、メモリ１６１２およびハ
ードディスク１６１６を含むコンピュータ１６１０が示
される。コンピュータ１６１０はネットワークに接続さ
れることもある。ネットワークはハードディスク１６２
０とスキャナ１６３０を含むこともある。スキャナ１６
３０は文書を走査して、ハードディスク１６２０または
１６１６のどちらかに保存可能な画像に変換するために
使われる。この組み合わせは好適実施形態について説明
されたが、同様のハードウェア・システムまたは組み合
わせが代替可能である。

【００２３】ＩＩ．文書分類手段 文書分類は、トレーニングとラン・タイムの２つの部分
に分けられる。システム・トレーニングの間、機械印刷
文字、手書き文字、垂直の線および水平の線といった直
接的特徴は、文書特徴抽出器１０５を使ったサンプル文
書の集合から抽出される。その後間接的特徴の集合が、
直接的特徴の集合に基づいて計算される。間接的特徴
は、直接的特徴を編集することによって作成される。間
接的特徴のリストは画像幅、文書境界幅、水平線合計長
さ、水平線合計数、水平線平均長さ、垂直線合計長さ、
垂直線平均長さ、垂直線合計数、機械印刷文字合計面
積、機械印刷文字合計数、機械印刷文字平均面積、手書
き文字合計面積、手書き文字合計数、手書き文字平均面
積、機械印刷文字と手書き文字の面積比、機械印刷文字
と手書き文字の数の比、機械印刷文字と手書き文字の平
均面積比、およびボックスの合計数を含む。

【００２４】直接的および間接的特徴の集合に基づい
て、各文書の等級について１つの、判別ベクトルの集合
が、標準統計手続きを使ってフィッシャーの基準を最適
化することから得られる。フィッシャーの基準は、文書
上の異なったフィールドからの特徴は離れているが、同
じフィールドからの特徴は一緒に集約されるというコン
セプトに基づいている。判別ベクトルからの情報は、ラ
ン・タイムで使用されるファイルとして保存される。

【００２５】ラン・タイムでは、直接的特徴が文書特徴
抽出器１０５から読み取られ、間接的特徴が発生する。
読み取られた文書に関する直接的特徴と間接的特徴の両
方は、特徴のテスト集合を形成する。特徴のテスト集合
は、行列の中に置かれ、文書の各等級に関する判別ベク
トルに投影される（判別ベクトルは文書のその等級に関
する特徴を絶対的に含んでいる）。投影の結果は、特徴
のテスト集合と、各文書等級に関する特徴の間の距離を
示す値である。文書は、最も小さい投影値を有する文書
等級に属するものとして分類される。

【００２６】例えば、次の形の画像ベクトルを仮定する
と、 第１列：画像の境界ボックス幅 第２列：画像の境界ボックス高さ 第３列：水平線長さ 第４列：垂直線合計数 第５列：垂直線平均長さ 第６列：機械印刷文字合計面積 第７列：機械印刷文字合計数 第８列：機械印刷文字平均面積 第９列：機械印刷／手書き文字合計面積比 第１０列：機械印刷／手書き文字合計数比 ｉｍａｇｅ＿ｖｅｃｔｏｒ＝［１６３２ ７３０ ３１
７２７ ８ １５１．８８ ２５９ ４１ ６．３４
６３．９ ６６．３］ ｉｍａｇｅ＿ｖｅｃｔｏｒ中の数値は、上記で定義した
業務用小切手の１０の特徴の各々に関する値である。こ
れらの値は、これらの特徴のピクセル値を示す。

【００２７】４つの書式（業務用小切手、預入伝票、ジ
ャイロ、個人用小切手）の６組の可能な組み合わせに関
する、図１４Ａおよび図１４Ｂに示される判別ベクトル
を仮定すると、 １．業務用小切手対預入伝票 ２．業務用小切手対ジャイロ ３．業務用小切手対個人用小切手 ４．預入伝票対ジャイロ ５．預入伝票対ジャイロ ６．ジャイロ対個人用小切手 ｄｉｓｃｒｉｍｉｎａｎｔ＿ｖｅｃｔｏｒ＝［図１４Ａ
および図１４Ｂ］ ４つの書式の６組の可能な組み合わせに関する１２×２
ベクトルである、図１５Ａおよび図１５Ｂに示される中
心ベクトルを仮定すると、 ｃｅｎｔｒｅ＿ｖｅｃｔｏｒ＝［図１５Ａおよび図１５
Ｂ］ 第１の組み合わせをテストするために、第１の組み合わ
せ（業務用小切手対預入伝票）に関する判別ベクトルが
選択される。

【００２８】 ｆｉｒｓｔ＿ｐａｉｒ＿ｄｉｓｃｒｉｍｉｎａｎｔ＿ｖｅｃｔｏｒ＝［ −１．９６１８７１０ｅ−００２ −７．９５５８６５２ｅ−００２ −４．９７１２１１１ｅ−００３ −１．２５０８９２０ｅ−００２ −４．０２６２９９５ｅ−００５ −１．６９８８５８１ｅ−００４ ５．６１３４３２１ｅ−００２ ２．７２５０９４８ｅ−００１ ２．０８８２１２４ｅ−００３ ９．２３６８７５３ｅ−００３ ７．６９１０６５４ｅ−００４ −１．２３５５９５７ｅ−００１ −７．８５６０６８５ｅ−００２ ７．６７９５０８６ｅ−００１ −９．８４８０５７９ｅ−００１ ３．６９１７３４７ｅ−００２ ３．７２２７２８３ｅ−００２ １．２１８３０５１ｅ−００１ −１．３７９６４８１ｅ−００１ −５．４５８４４４１ｅ−００１］ 投影ベクトルを得るために、ｉｍａｇｅ＿ｖｅｃｔｏｒ
はｆｉｒｓｔ＿ｐａｉｒ＿ｄｉｓｃｒｉｍｉｎａｎｔ＿
ｖｅｃｔｏｒによって掛算される。

【００２９】ｐｒｏｊｅｃｔｉｏｎ＿ｖｅｃｔｏｒ＝ｉ
ｍａｇｅ＿ｖｅｃｔｏｒ ＊ｐａｉｒ＿ｄｉｓｃｒｉｍ
ｉｎａｎｔ＿ｖｅｃｔｏｒ． 同じ組み合わせ（業務用小切手対預入伝票）に関する中
心ベクトルが選択される。

【００３０】ｂｕｓｉｎｅｓｓ＿ｃｈｅｑｕｅ＿ｃｅｎ
ｔｒｅ＿ｖｅｃｔｏｒ＝［−５．１６５８９９８ｅ＋０
０１−１．６９６８３６０ｅ＋００２］ ｄｅｐｏｓｉｔ＿ｓｌｉｐ＿ｃｅｎｔｒｅ＿ｖｅｃｔｏ
ｒ＝−４２３．０３６３５ｅ＋００１−１．３２０１８
３５ｅ＋００２］ 現行の画像から業務用小切手への距離が計算される。

【００３１】ｄｉｓｔ＿ｂｕｓｉｎｅｓｓ＿ｃｈｅｑｕ
ｅ＝ｎｏｒｍ（ｐｒｏｊｅｃｔｉｏｎ＿ｖｅｃｔｏｒ
− ｂｕｓｉｎｅｓｓ＿ｃｈｅｑｕｅ＿ｃｅｎｔｒｅ＿
ｖｅｃｔｏｒ） ｄｉｓｔ＿ｂｕｓｉｎｅｓｓ＿ｃｈｅｑｕｅ＝０．５７
５９ 現行の画像から預入伝票への距離が計算される。

【００３２】ｄｉｓｔ＿ｄｅｐｏｓｉｔ＿ｓｌｉｐ＝ｎ
ｏｒｍ（ｐｒｏｊｅｃｔｉｏｎ＿ｖｅｃｔｏｒ − ｄ
ｅｐｏｓｉｔ＿ｓｌｉｐ＿ｃｅｎｔｒｅ＿ｖｅｃｔｏ
ｒ） ｄｉｓｔ＿ｄｅｐｏｓｉｔ＿ｓｌｉｐ＝３８．７２９８

【数１】 業務用小切手への距離のほうが小さいので、１つのクレ
ジットは業務用小切手であると仮定される。同じプロセ
スによって、可能な６つの組み合わせへの距離が計算さ
れ、結果は以下である。

【００３３】業務用小切手＝３ 預入伝票＝０ ジャイロ＝２ 個人用小切手＝１ 従って本システムは画像は業務用小切手であるという結
論を出す。

【００３４】III．文書分析手段 文書分析手段１２５は、定型文書と非定型文書を別様に
処理する。文書が文書分類手段によって定型だと識別さ
れた場合、識別された種類のさまざまなモデル文書をソ
ートして、識別された文書にとって適切なフィールドを
抽出する。個人用小切手について、以下説明されるよう
に、文書モデル・ファイルがアクセスされ、適切なフィ
ールドが探し出される。ジャイロと預入伝票について、
システムは文書の種類に関するさまざまなモデル・ファ
イルをソートして、適切なフィールドが探し出される。
ジャイロと預入伝票に関するファイルのソートは、スコ
ットランド、ダンディーのＮＣＲによって製造されるＤ
Ｐ−ＡＴＭ Ｍｏｄｅｌ５６６５のような定型文書を処
理するシステムによって達成される。

【００３５】非定型文書については、問題はより複雑で
ある。従って我々は、本発明によって使われる問題解決
モデルを説明することから出発する。多くの問題解決モ
デルは、一般に解決を作成するために、逆方向推論プロ
セスまたは、順方向推論プロセスを使用する。逆方向推
論アプローチでは、システムはゴールから逆方向に推論
を試み、初期データ状態に達する。この種類のシステム
はルール・ベース・システムとして実現されることが多
く、そこではｉｆ−ｔｈｅｎルールが定義され、システ
ムは、ゴール状態から初期状態に逆方向に働くために、
推論を行う。この問題へのアプローチは、その性質上、
トップ・ダウン・モデルに基づく問題解決と同様であ
る。順方向推論では、システムは初期データ状態からゴ
ール状態に順方向に推論を試みる。ここでも、このこと
はゴール状態が見つかるまで、情報の現行の集合に適用
されるルールである、推論ルールによって達成されるこ
とが多い。この問題アプローチは、ボトムアップ・デー
タによる問題解決とまったく同様である。選択されたモ
デルに関わらず、どちらのアプローチもシステムに、問
題の解を生じるために情報がいつ、どのように適用され
るか決定することが必要である。

【００３６】どちらかの解決モデルによって定型される
というよりはむしろ、本発明によって教えられる文書分
析モデルは情報を便宜主義な方法で適用する。システム
の状態に依存して、システムは２つのアプローチのどち
らが、解決を得るために最も有益な情報を生じるかを動
的に決定する。この動的なプロセスの流れを達成するた
めに、文書分析システムは黒板アーキテクチャとして実
現される。図２を参照すると、文書分析手段１２５は、
知識供給源２３１，２３２および２３３、制御モジュー
ル２５０および知識データベース２１０の３つの構成要
素からなる。

【００３７】知識データベース２１０は、システム中の
すべての情報とデータのリポジトリーである。知識デー
タベース２１０は、文書モデルの形態の一般アプリオリ
知識、処理されている現行の画像に関する特定の情報お
よびシステムによって作成された仮定を含む。知識供給
源２３１〜２３３は知識データベース２１０を経由して
他と連絡する。

【００３８】知識供給源２３１〜２３３は、知識データ
ベース２１０の中に含まれる情報の現行の集合に加える
ために呼び出される手続きまたはサブシステムの集合か
らなる。知識供給源への入力は知識データベース２１０
に保存される。各知識供給源の出力は、他の知識供給源
がデータにアクセスできるように、知識データベースに
保存される。知識供給源は簡単な手続きであることもあ
り、ある場合には、Ｎｅｔ３２Ｋや光学式文字読取りシ
ステムのようなフィールド識別エンジンのような、完全
なシステムであることもある。

【００３９】制御モジュール２５０は、知識供給源２３
１〜２３３の起動または呼び出しを制御するために必要
である。制御モジュールは知識データベース２１０の状
態を監視し、システムの現行状態を考慮して、起動する
最上の知識供給源を決定する。このスケジューリング活
動において、システムは順方向推論を行うか、逆方向推
論を行うかを選択する。

【００４０】＜Ａ．知識データベース＞知識データベー
ス２１０の情報は次の種類の情報に細分される。すなわ
ち、画像特定知識、アプリオリ一般知識、仮定およびシ
ステム状態情報である。

【００４１】＜１．画像特定知識＞画像特定知識とは、
機械印刷文字特徴またはボックスといった、走査された
画像から得た情報である。走査された画像上の情報は、
トークンと複合オブジェクトという、２つの集合に細分
される。トークンは情報の最小単位である。トークンは
Ｎｅｔ３２Ｋによって作り出され、次の５種類のオブジ
ェクトに分割される。すなわち、機械印刷文字トーク
ン、手書き文字トークン、垂直線トークン、水平線トー
クンおよびグラフィカル・オブジェクトまたはノイズ・
トークンである。

【００４２】各トークンは、システム中のオブジェクト
として示され、トークンの寸法と位置、トークンの種類
およびＮｅｔ３２Ｋによって作り出された信頼度を記述
する情報を含む。信頼度は、トークンの種類の信頼性を
示す。各機械印刷文字および手書き文字トークンには、
トークンに対して行われる認識操作の結果を含む追加フ
ィールドが関連する。このフィールドは、知識データベ
ースのフィールド識別エンジンによって提供される。

【００４３】複合オブジェクトは、トークンまたはオブ
ジェクトと他の複合オブジェクトの間の関係を表す構造
である。図３に示されるように、複合オブジェクトは、
各ノードが図表中の他のオブジェクトの間に存在する関
係を定義する、方向を持った図表として表される。多く
の場合、各ノードは新しいオブジェクトである。一例と
して、図３は、ボックスの中に囲まれた機械印刷文字オ
ブジェクトを表すデータ構造を示す。機械印刷文字オブ
ジェクト３２０は機械印刷文字３２１とボックス３２２
として表される。ボックス３２２は、その成分である、
垂直線３２３と３２４および水平線３２５と３２６によ
って表される。各ノードまたはオブジェクトに含まれる
データは、オブジェクトの識別子、信頼度、新しいオブ
ジェクトを構成する構成要素オブジェクトまたはトーク
ンとの関連およびオブジェクトの寸法と位置を記述する
情報からなる。

【００４４】知識データベース２１０内に含まれる情報
は、知識の階層に分配される。複合オブジェクトは、よ
り基本的なオブジェクトから構成される。従って情報は
図４に示されるように分配される。トークン４３０は階
層の一番下にある。１つ上の段階である４２９は、トー
クン間の空間的関係によって形成されるオブジェクトで
ある。例えば、２つの水平線は．０５インチ離れてい
る。次の階層４２８のレベルは、オブジェクトまたはト
ークン間の幾何学的関係によって形成されたより多くの
オブジェクトを含む。例えば、ボックスを形成する線の
交差である。最も上のレベルは、図５について説明され
るようなトークンとオブジェクト間の空間的関係であ
る。

【００４５】トークン間の空間的関係を記述する以下の
情報がシステムの中で示される。

【００４６】・水平位置に基づくトークンのグループ ・垂直位置に基づくトークンのグループ ・孤立したトークン 多くの場合、テキストの同じ行に位置する機械印刷文字
トークンまたは手書き文字トークンは、１つのトークン
として同じグループに入れることができる。図５では、 ＰＡＹ＊＊＊＊＊＊＊１５８＊ＤＯＬＬＡＲＳ ＡＮＤ ＊１１ＣＥＮＴＳ というテキストは、Ｎｅｔ３２Ｋボードによって多重機
械印刷文字トークンとして識別される。しかし、文書全
体の構成に関して、これらのフィールドは、ほぼ同じフ
ォント・サイズであり、ｙ軸上のほぼ同じ位置に位置
し、互いに近接して位置しているので、１行の機械印刷
文字テキストのグループに入れられる。

【００４７】トークンを１行のテキストのグループに入
れるのと同様に、テキストのボックスを作り出すため
に、テキストの垂直グループ集約を行うことができる。
図５では、 ＮＣＲ ＣＯＲＰＯＲＡＴＩＯＮ ＡＴＴＮ： ＰＡＴ ＤＩＸＯＮ，ＲＯＯＭ ８１４７ １２００ Ｐ’ＴＲＥＥ ＳＴ．，ＰＲＯＭＥＮＡＤＥ Ｉ ＡＴＬＡＮＴＡ， ＧＡ ３０３０９ というテキストは、初め水平にグループ集約されてテキ
ストの４つの個別の行を形成する。次に、テキストが、
テキストのブロックを形成しているかどうかを判断する
ために、テキストの行の間の関係が分析される。

【００４８】また、トークン間の幾何学的関係が示され
る。それらは、Ｎｅｔ３２Ｋによって作成された水平・
垂直線トークンから得られた情報に制限される。列挙さ
れたこれらの関係は、線の交差、単一および複合的なボ
ックスを含むことができる。線の交差は自明である。単
一のボックスは、線の区分の終点を検討することによっ
て作成されるボックスである。複合的なボックスは、単
にボックスの線の終点を分析するのではなく、線の交差
を含むことによって作成されるボックスである。一般
に、単一のボックスは、複合的なボックスが存在する場
合、より小さい複合的なボックスを取り囲む、最大のボ
ックスを形成する。

【００４９】図６は、単一および複合的なボックスを例
示する。単一のボックスは実線によって示され、線Ｌ
１、Ｌ２、Ｌ３およびＬ４によって作成される。複合的
なボックス、または単一のボックスの中に含まれるボッ
クスは、線の次の集合によって作成される。

【００５０】＜Ｌ１、Ｌ４、Ｌ５、Ｌ６＞ ＜Ｌ１、Ｌ２、Ｌ５、Ｌ６＞ ＜Ｌ３、Ｌ４、Ｌ５、Ｌ６＞ ＜Ｌ３、Ｌ２、Ｌ５、Ｌ６＞ 複合的オブジェクトが作成された後、オブジェクト間の
空間的関係が囲まれたオブジェクトして形成される。囲
まれたオブジェクトとは、単一のボックスまたは複合的
なボックスのどちらかによって囲まれたオブジェクトま
たはトークンのことである。他の種類の空間的関係に
は、下線を引かれたオブジェクトや、ヘッダやラベルを
有するオブジェクトが含まれる。

【００５１】＜２．アプリオリ一般知識＞本システムに
よって処理できる多様な文書を仮定すると、アプリオリ
一般知識はさまざまな形態で示される。システム中のこ
の情報の表示を論じる前に、表示される情報を定義しな
ければならない。

【００５２】初期分類プロセスを行うために、さまざま
な種類の文書の一般的特性が識別されなければならな
い。例えば、ジャイロは、一般に文書中に存在するごく
わずかの手書き文字特徴を伴う、機械印刷文字と線の特
徴の混合を含む文書として記述される。こうした文書は
多数の線特徴を含むことが多い。

【００５３】米国個人用小切手は一般に、手書き文字特
徴がかなり多数である、機械印刷文字と手書き文字特徴
の混合を含む。文書のレイアウトはＡＮＳＩ規格によっ
て管理されているので、特定の手書き文字特徴の位置
は、分類処理を行うために利用できる。小切手がタイプ
で記入されている場合、この定義ではその文書は個人用
小切手として分類されない。文書が業務用小切手として
分類され、正確な情報が、業務用文書プロセッサによっ
て探し出されるため、これは実際には問題ではない。

【００５４】業務用小切手は一般に、機械印刷文字と線
の特徴の混合を含む。しかし、線特徴は、業務用小切手
では優勢ではない。また、多くの業務用小切手は文書の
右下部分にサインを含んでおり、ジャイロと業務用小切
手を区別する助けとなる。

【００５５】預入伝票は一般に、機械印刷文字、手書き
文字及び線の特徴の混合を含む。しかし、画像として準
備された預入伝票では、最初に機械印刷文字と手書き文
字の特徴を残して脱落する。手書き文字特徴は一般に個
人用小切手のレイアウトに適合しないので、分類処理が
実行可能になる。

【００５６】定型文書をモデル化するために使われるア
プローチは、すべてのフィールドが所定の位置にあるた
めに簡単である。個人用小切手に関するモデル・ファイ
ルの一例が図１２に示される。図１２に示されるよう
に、モデル・ファイルはゾーンに分けられる。これらの
ゾーンは、サイン・ゾーン１２０５、ＭＩＣＲゾーン１
２１０、リーガル・アマウント・ゾーン１２２０、コー
テシ・アマウント・ゾーン１２３０および日付ゾーン１
２４０を含む。各ゾーンはさらにゾーンを識別するフィ
ールドを含む。例えば、サイン・ゾーンは次のフィール
ドを含む。固定位置、手書き文字および位置０．６５、
０．９、０．５５および１．０（これらはＹの最小値、
Ｙの最大値、Ｘの最小値およびＸの最大値を表す。例え
ば、０、０を小切手の左上の角とすると、サインは、４
つの点（０．５５、０．６５）（１．０、０．６５）
（０．５５、０．９）および（１．０、０．９）によっ
て形成されるボックスの中に含まれる。このデータは、
個人用小切手のサイン・ゾーンは、固定位置フィールド
にあり、手書きで、位置フィールドによって指定された
ボックスの中にあることを意味するよう解釈される。

【００５７】業務用小切手をモデル化するために使われ
るアプローチは、それが非定型文書であるためにより複
雑である。このアプローチとは、業務用小切手の中のあ
るフィールドを他のフィールドまたは異質な情報と見分
けるために使うことができる属性や性質の集合を定義す
ることである。一例として、コーテシ・アマウント・フ
ィールドは次の属性を有する。すなわち、機械印刷文字
フィールドである、右側に位置する、短いフィールド長
さ、ボックスに囲まれている、フィールドは「＄」また
は「＊」を含む、フィールドは数字データを含む、フォ
ント・サイズはリーガル・アマウント・フィールドとほ
ぼ等しい、フィールドはリーガル・アマウント・フィー
ルドの右側である、フィールドはサイン・フィールドの
上に位置する。リーガル・アマウント・フィールドは次
の属性を含む。すなわち、機械印刷文字である、右側に
位置する、長いフィールド、「＊」、アルファベットと
数字のデータ、フォント・サイズはコーテシ・アマウン
ト・フィールドとほぼ等しい、コーテシ・アマウントの
左のフィールド、フィールドはサイン・フィールドより
高い。サイン・ゾーンは次の属性を含む。すなわち、手
書き文字、右下側に位置する、大きいフィールド・サイ
ズ、フィールドはコーテシ・アマウントの下にある、フ
ィールドはリーガル・アマウントの下にある。データ・
ゾーンは機械印刷文字フィールドである。ＭＩＣＲゾー
ンは次の属性を含む。すなわち、機械印刷文字フィール
ド、最下部に位置する。長い長さ、数字のデータ、ピク
セル単位のフォント・サイズ。

【００５８】各フィールドに関する属性の集合を仮定す
ると、オブジェクトによって保持されたローカル情報に
基づいて、候補となるゾーンが各オブジェクトについて
識別される。トークンまたはオブジェクトがフィールド
の要求を満たしているかどうかを判断するために、各属
性を真または偽として評価する、単純な規則に基づくプ
ロセッサが適切である。しかし、多くの場合、どの属性
も真であるわけではない。例えば、コーテシ・アマウン
トがボックスの中に囲まれていない時もあり、「＄」ま
たは「＊」を含まない時もある。そのため、属性の集合
は、個々のフィールドの候補を探し出すために使われる
発見的集合としてみられるべきである。属性が発見的な
ものとみなされるので、各属性がゾーンの識別に貢献す
ることを確証する証拠の量を判断するために、重みまた
は値が各属性に割り当てられる。また、いくつかの属性
が真であるとすれば、偽であると照明された属性に負の
重みを割り当てることが可能である。こうした重みは、
モデルに一致する度合いに対応する確率を発生するため
に使われる。

【００５９】真と偽の定義はある属性についてファジー
である。ある属性が位置またはサイズを特定している場
合、その属性が真、偽または部分的に真と考えられる範
囲がある。例えば、その属性が、ゾーンの高さが１５ピ
クセルから３０ピクセルの間であるというものであると
仮定する。候補となるゾーンの高さが１４ピクセルであ
る場合、このゾーンは属性の要求に非常に近いので、こ
れを偽とすることは意味を成さない。その解決法は、属
性をバイナリ関係として扱うことではなく、属性との一
致の度合いに応じてスコアを調整することである。図７
のグラフは、高さ属性の一例である。高さの定型が満た
される場合、スコアは０．３である。高さが定型から８
ピクセル以内にある場合、スコアは一次式を使って規定
の高さ定型からの距離に基づいて調整される。高さの差
が８ピクセルを超える場合、スコアは０．０である。

【００６０】現行の文書分析システムでは、フィールド
のモデル、すなわち、文書モデル・ファイルのゾーン中
に示される特定のフィールドに関する属性は、入力ファ
イルからの属性と重みの集合によって作成され裏付けら
れる、Ｃ＋＋オブジェクトとして実現される。この方法
で、追加フィールドは、簡単に新しいモデル・オブジェ
クトを作成し、適当なモデル・ファイルをロードするこ
とによってサポートできる。

【００６１】業務用小切手のモデル・ファイルの一例が
図１３に示される。これらのゾーンは、サイン・ゾーン
１３１０、ＭＩＣＲゾーン１３２０、リーガル・アマウ
ント・ゾーン１３３０、コーテシ・アマウント・ゾーン
１３４０および日付ゾーン１３５０を含む。業務用小切
手のサイン・ゾーンは固定した位置にはない。それは、
サイン・ゾーンとして特定された位置と字体のものが見
つかるかもしれないし、見つからないかもしれないとい
うことを意味する蓋然的なものである。この不確実性の
ために、信頼値は各ゾーンについて計算される。例え
ば、フィールドが手書き文字であることがわかった場
合、０．３の信頼値が割り当てられる。それが手書き文
字でないことがわかった場合、−０．５の信頼値が割り
当てられる。サイン・フィールドの位置については、そ
れは０．７、０．９、０．６および０．８（Ｘの最小
値、Ｘの最大値、Ｙの最小値およびＹの最大値、４つの
点（０．７、０．６）（０．７、０．８）（０．９、
０．６）（０．９、０．８）によって指定されるボック
ス）によって形成されるボックスによって囲まれる。こ
のフィールドは蓋然的なので、Ｎｅｔ３２Ｋトークンを
取り囲むボックスも考慮される。Ｎｅｔ３２Ｋのボック
スがサイン・ゾーンのボックスに重なる場合、０．７の
信頼値が割り当てられる。２つのボックスが重なってお
らず、距離が０．５インチを超える時、０の信頼値が割
り当てられる。ボックスが重なっており、その距離が
０．１〜０．５インチの場合、０と０．７の間の信頼値
が割り当てられる。高さについては、フィールドの高さ
が１１０±８０ピクセルの場合、０．１の信頼値が与え
られる。フィールドの高さが１１０±９０ピクセルの場
合、０．０の信頼値が与えられる。幅については、フィ
ールドの幅が３５０±２５０ピクセルの場合、０．２の
信頼値が割り当てられる。幅が３５０±２７０の場合、
０の信頼値が割り当てられる。

【００６２】オブジェクトがフィールドに一致するかど
うかの処理は以下である。オブジェクトの属性は文書モ
デル・ファイルの中のゾーンまたはフィールドのモデル
と比較される。信頼値が図８の例について説明されたよ
うに計算される。各属性比較に関する信頼値が、ゾーン
またはフィールド・モデルの信頼値を得るために加えら
れる。オブジェクトは、最も高い信頼値を持つフィール
ド・モデルまたはゾーンと一致させられる。

【００６３】＜３．仮定＞知識データベースに供給され
る画像特定知識とアプリオリ一般知識から、さまざまな
仮定が作り出せる。仮定の構造と影響は仮定の種類によ
って異なっている。仮定は（１）文書分類仮定（２）フ
ィールド・レベル仮定（３）全体文書構成仮定の３つの
種類に分類できる。

【００６４】文書分類仮定は業務用小切手、ジャイロ、
預入伝票または個人用小切手といった、処理される現行
の文書の種類に関する仮定である。こうした仮定は、ア
プリオリ一般知識に関して説明されるように、一般的文
書構成のモデルから得られ、文書の分解または識別ステ
ップを行う際に使われる。

【００６５】フィールド・レベル仮定は、文書内の個々
のフィールドに関する仮定である。考慮されるフィール
ドは調査される現行の文書分類仮定によって決定され
る。最も高いランクの文書分類仮定が業務用小切手を示
す場合、フィールド・レベル仮定はコーテシ・アマウン
ト・フィールド、リーガル・アマウント・フィールドお
よび、業務用小切手上に見つけ出され認識されなければ
ならない他のフィールドである。唯一の問題が文書識別
であるジャイロに関しては、フィールドの捜索は文書の
識別に内在するので、フィールド・レベル仮定はない。

【００６６】フィールド・レベル仮定は次のデータを含
む。

【００６７】１．仮定識別子。仮定識別子は仮定の種
類、すなわち、コーテシ・アマウント・フィールド仮
定、サイン・フィールド仮定等を示す。このフィールド
の値は仮定が作成された後は静的である。

【００６８】２．オブジェクト基準。オブジェクト基準
は、仮定が適用されるトークンまたはオブジェクトに対
する基準である。仮定は１つのオブジェクトまたはトー
クンを基準とすることだけができ、基準は仮定が作成さ
れた後は静的である。。

【００６９】３．信頼値。信頼値は基準とされたオブジ
ェクトが実際にフィールドの実例である可能性である。
オブジェクトまたはトークンに関して新しい情報が得ら
れる都度、信頼値は変化するので、この値は動的であ
る。

【００７０】４．仮定証拠。仮定証拠はフィールド・レ
ベル・モデルに含まれる各属性の状態と、属性の状態が
信頼値に影響を与える度合いからなる。属性は真、偽ま
たは不明のいずれかである。前に論じたように、属性は
偽であっても信頼値に貢献することがある。仮定証拠
は、仮定を支持または仮定が偽であることの証明を提供
するためにどの種類の情報が必要とされているかを決定
する際や、システムがどのようにフィールド・レベル仮
定を決定するかを理解するために有益である。

【００７１】全体文書構成に関する仮定は、フィールド
・レベル仮定の有効なタプルまたは組み合わせを作成す
ることによって作られる。有効な業務用小切手のタプル
は、業務用小切手に関する全体文書構成のモデルの中で
定義された定型を満たす、対象となる各ゾーンに関する
フィールド・レベル仮定からなる。すべてのフィールド
が画像内に存在しない場合、タプルはそのフィールドに
関するＮＵＬＬエントリを含む。有効なタプルはフィー
ルドの１つ以上の組み合わせを伴って存在するので、１
つのフィールド・レベル仮定は１つ以上のタプルに含ま
れることが理解される。図８は、フィールド・レベル仮
定、文書レベル仮定およびトークンまたはオブジェクト
の間の関係を例示する。

【００７２】図８では、２つの文書レベル仮定が存在す
る。仮定Ｈ１はタプル｛Ｃ１、Ｌ１、Ｓ１、Ｍ１｝から
なり、仮定Ｈ２はタプル｛Ｃ２、Ｌ１、Ｓ１、Ｍ１｝か
らなる。仮定Ｈ１とＨ２は、リーガル・アマウント、サ
インおよびＭＩＣＲに関しては同じ仮定を分け合うが、
コーテシ・アマウント・ゾーンだけは違っている。第３
の可能なタプル｛Ｃ３、Ｌ１、Ｓ１、Ｍ１｝があること
に留意されたい。しかし、このタプルは、文書モデル中
で特定された定型を満たすことができず、仮定はこの組
み合わせについては作成されない。コーテシ・アマウン
ト仮定３のような他のフィールドと同じグループに入れ
ることができないフィールドレベル仮定は、フィールド
・レベル仮定として残る。文書レベル仮定に関連するフ
ィールド・レベル仮定と同様に、どのフィールド・レベ
ル仮定にも関連しない画像特定知識が存在する。

【００７３】文書レベル仮定の中に保存された情報はフ
ィールド・レベル仮定ときわめて似ている。基本的な相
違は、オブジェクトがフィールド・レベル仮定を基準と
し、フィールド・レベル仮定基準の変数からなることで
ある。

【００７４】仮定の作成と仮定のアップデートは、知識
供給源として実現される。その結果、これらのタスク
は、知識供給源の実行のスケジューリングに責任を持つ
制御モジュールによって管理される。制御モジュールの
説明は以下である。

【００７５】＜４．状態情報＞状態情報は、システムを
制御・監視するために必要とされるデータからなる。状
態情報は、制御手段またはスケジューラが、どの知識情
報源が次に実行されるかを決定するために必要とする情
報である。この情報は、制御手段の一部として説明され
る。

【００７６】＜Ｂ．知識供給源＞知識供給源は、追加知
識を発生するために呼び出される手続きまたはサブシス
テムである。知識供給源への入力は、一般に、知識供給
源の結果に影響を与えるトークン、オブジェクトまたは
追加パラメータの形態である、知識データベース中に含
まれる情報である。

【００７７】各知識供給源は、プログラミングの場合
は、起動イベントの集合、前提条件の集合、コスト、利
益および性能統計値といった属性を有するオブジェクト
である。

【００７８】知識供給源を実行可能にするためには、デ
ータの集合は、知識供給源への入力と互換性のあるシス
テムによって作成されなければならない。定義によれ
ば、知識供給源への入力は、新しい情報を作り出すため
に知識供給源によって使われるトークンとオブジェクト
の集合である。その結果、入力の集合がうまく定義され
る。知識供給源にこの入力データに関する知識データベ
ースを探索させるよりも、知識供給源によって処理され
る、特定の情報、トークンまたはオブジェクトの作成を
示すイベントの集合を定義することがより有効である。
システムは、知識供給源によって処理できるデータの作
成を示すイベントが作り出されたかどうかをチェックす
るだけで良い。このスケジューリング機構を実現するた
めに、各知識供給源は知識供給源を起動するイベントの
リストを含んでいる。

【００７９】知識供給源はイベントによって起動された
後、知識供給源は、知識供給源の実行の前に、真でなけ
ればならない前提条件の集合を有することがある。これ
はイベントに帰着する新しい知識の作成が、知識供給源
を起動した場合である。しかし、知識供給源の実行は、
追加データの中に知識供給源によって必要とされるもの
があるために、まだ可能ではない。

【００８０】各知識供給源に関連するのは、知識供給源
の計算の必要を示すコストである。このコストは状態情
報であり、スケジューラによって、任意の時点で実行さ
れるべき最上の知識供給源を判断するために使われる。
多くの場合、知識供給源を実行するコストは一定であ
り、知識供給源が実行時にコストを再計算する必要はな
い。しかし、場合によっては、知識供給源のコストが一
定でないこともある。一例としては、知識供給源が、知
識供給源に入力されるオブジェクトまたはトークンの数
に非常に敏感なことがある。この場合、知識供給源は、
知識データベースの現行状態に基づいて、実行時に真の
コストを計算できなければならない。

【００８１】知識供給源のコストと共に、スケジューラ
は、知識供給源によって発生されるべき情報の値に関す
る、知識情報源による推定を必要とする。このスコアは
知識供給源の推定利益と呼ばれる。知識供給源の利益
は、システムの現在の活動またはゴールによって変化す
る。例えば、知識供給源が文書中に見つけられた直線特
徴からボックスを構成するルーチンである場合、この知
識供給源の利益は、システムがボックスを含まないモデ
ルよりもボックスの特徴を含むモデルに焦点を当ててい
る時のほうが高い。このため、知識供給源はシステムの
現在の状態に基づく潜在的利益を再評価できなければな
らない。

【００８２】各知識供給源は、知識供給源のコストと利
益の属性を決定する際に使用できる性能統計値を維持す
べきである。１つの統計値は、知識供給源を実行するた
めに必要な平均ＣＰＵ時間である。このデータはテスト
環境で収集され、知識供給源のコストを正確に判断する
ために分析される。より洗練された実現例では、知識供
給源はこの情報を、実行時の真のコストを判断するため
に使うことができる。この例では、知識供給源のコスト
は、システムのライブ実行時環境に適用可能である。

【００８３】コストに関するデータを捕らえることと同
様、知識供給源は、知識供給源が、問題解決に貢献する
情報を作り出す知識供給源の能力に関する統計値をも収
集すべきである。また、このデータは、知識供給源の利
益を推定するために、テスト環境または実行時環境で収
集される。

【００８４】以下は知識供給源の例のリストである。

【００８５】１．クラスタリング。この知識供給源は、
入力画像内のトークンの位置とトークンの種類に基づく
集合へのトークンに関する。領域によるオブジェクトの
リストへのアクセスを提供するデータ・オブジェクト
は、この知識供給源の出力である。

【００８６】２．水平グループ集約。この知識供給源
は、ｘ軸上で近接して位置し、ｙ軸上のほぼ同じ位置に
ある機械印刷文字と手書き文字のトークンを同じグルー
プに入れる。テキストの行またはテキストの行の一部を
示すオブジェクトはこの知識供給源の出力である。

【００８７】３．垂直グループ集約。この知識供給源
は、ｘ軸、ｙ軸上の位置に従って関連する機械印刷文
字、手書き文字および機械印刷文字または手書き文字の
グループを同じグループに入れる。この知識供給源は、
最終的に、テキストの段やテキストのブロックといった
テキストの異なったグループを探索する多重知識供給源
として実現されることがある。テキストのブロックまた
はデータのコラムを示すオブジェクトはこの知識供給源
の出力である。

【００８８】４．単一ボックス・ビルダー。この知識供
給源は、入力画像中の単一のボックスを探し出す。入力
画像中の単一のボックスを示すオブジェクトがこの知識
供給源の出力である。

【００８９】５．複合的ボックス・ビルダー。この知識
供給源は入力画像中の複合的ボックスを探し出す。入力
画像中の複合的ボックスを示すオブジェクトがこの知識
供給源の出力である。

【００９０】６．囲われたオブジェクトのビルダー。こ
の知識供給源は、単一と複合的両方のボックスに囲まれ
たオブジェクトまたはトークンを探し出す。この関係を
示すオブジェクトがこのルーチンの出力である。

【００９１】７．トークンまたはオブジェクトの分割
器。この知識供給源は、この知識供給源は、行およびボ
ックスと交差して多重トークンまたはオブジェクトをな
す大きな機械印刷文字または手書き文字のフィールドを
分析する。このルーチンは、Ｎｅｔ３２Ｋが、互いに近
接して位置する機械印刷文字または手書き文字の特徴を
同じグループに入れる時生じる矛盾や、水平グループ集
約によって生じる矛盾を補償する。オブジェクトまたは
トークンの入力集合から得られたオブジェクトまたはト
ークンが、このルーチンの出力である。

【００９２】８．下線オブジェクトビルダー。この知識
供給源は、画像中の下線を引かれたオブジェクトまたは
トークンを探し出す。この関係を示すオブジェクトがこ
のルーチンの出力である。

【００９３】９．コーテシ・アマウント探査／読み取り
器。この知識供給源は、入力画像中の特定のゾーンが、
「＄」などの通貨を示す文字や「＊」という文字の存在
に基づくコーテシ・アマウント・フィールドであるかど
うかを判断する。知識供給源はまた、フィールドを読み
取ろうとする。この知識供給源の出力は、フィールドが
コーテシ・アマウントであるかどうかを示す信頼値およ
びフィールドの内容である。

【００９４】１０．リーガル・アマウント読み取り器。
この知識供給源は小切手からのリーガル・アマウント・
フィールドの読み取りに責任を負う。この知識供給源は
リーガル・アマウント読み取り器の結果を出力する。

【００９５】１１．ＯＣＲエンジン。この知識供給源
は、文字認識を行うために、ＯＣＲエンジンへのインタ
ーフェースを提供する。この知識供給源は、起動したＯ
ＣＲエンジンの結果を出力する。

【００９６】１２．文脈分析。この知識供給源は、フィ
ールド識別エンジンから返ってきた結果の文脈分析を行
う能力を提供する。これはシステムに、フィールドの内
容に基づいて推論を行う能力を与える。例えば、ＡＭＯ
ＵＮＴという語が画像から読み取られる場合、システム
は、コーテシ・アマウント・ゾーンを探し出す際にこの
情報を利用する能力を必要とする。現時点では、この知
識供給源の適切な使用または知識供給源は完全に探求さ
れていない。

【００９７】１３．ヘッダ分析。この知識供給源は、フ
ィールド・ヘッダとフィールド値の関係を形成するオブ
ジェクトおよび／またはトークンの組み合わせを探索す
る能力を提供する。例えば、文書がＡＭＯＵＮＴまたは
ＴＯＴＡＬという語を含む場合、多くの場合このテキス
トの側か下にコーテシ・アマウントが見つけられる。こ
の関係はまた、トークンまたはオブジェクトの位置のみ
に基づいて見出される。この関係を示すオブジェクト
は、知識供給源の出力である。

【００９８】１４．米国個人用小切手の照合。この知識
供給源は現行の文書が米国個人用小切手のレイアウトに
一致することを照合するために呼び出される。文書が米
国個人用小切手である場合、知識供給源は画像中の関連
するフィールドの位置を出力する。

【００９９】１５．文書の識別。文書識別知識供給源
は、ジャイロを識別するために、前にＨＩＴＣによって
開発された文書識別エンジンへのインターフェースを提
供する。この知識供給源は線的特徴を含む文書を識別す
るために使われる。成功裡に完了すると、この知識供給
源は文書のアイデンティティと関連フィールドの位置を
出力する。文書分析システムはまた、文書のレイアウト
とトークンの位置に基づいて、フィールドの位置の存在
を整列させ、確認することができる。文書が識別されな
い場合、未識別状態が復帰する。

【０１００】１６．Ｎｅｔ３２Ｋシステム。Ｎｅｔ３２
Ｋの出力は文書分析システムへの入力とみなされている
が、動作データが利用可能になるにつれて、ラン・タイ
ム環境に基づいて、Ｎｅｔ３２Ｋサブシステムの動作を
最適化することが可能になっている。トークンへの特徴
マップを個々の知識供給源と解釈するソフトウェア構成
要素を扱うことも可能である。この方法で、本システム
は必要に応じて特徴マップの処理を要求し、不要な計算
を避ける。例えば、文書の配分によって文書の流れが多
くの割合のジャイロを含むことが示される場合、線的特
徴の抽出を最初に行うことができる。画像中に存在する
多数の線がある場合、文書識別知識供給源が文書を識別
するよう予定できる。文書が成功裡に識別される場合、
機械印刷文字特徴と手書き文字特徴を処理する追加ステ
ップが回避できる。トークンはこの知識供給源の出力で
ある。

【０１０１】＜Ｃ．制御手段＞どの時点でも、システム
は、新しい仮定を構成するためか、または現行の仮定を
サポートするために使われる新しい情報を作成するため
に実行される知識供給源の集合からなる。知識供給源は
データ・オブジェクトまたはデータ・オブジェクトの集
合に関して起動されるので、１つのデータ・オブジェク
トを作成する際に、１つの知識供給源の実行を準備する
ことが可能である。前に説明したように、知識供給源に
よって必要とされる計算パワーは、行われる機能によっ
て異なっている。制御手段の仕事は、システムの状態に
応じて、最上の知識供給源を選択するスケジューラの仕
事である。

【０１０２】第１に、制御手段の高いレベルの説明が、
以下と図９に与えられる。図９の参符は、疑似コードの
行の括弧（［］）に囲まれている。以下の節では、制御
手段中の各構成要素のより詳細な内訳が与えられる。以
下は本システムのための高レベル制御手段を定義する。

【０１０３】 ［９１０］ｗｈｉｌｅ ｎｏ ｓｏｌｕｔｉｏｎ（ｗｈｉｌｅ 解無し） ［９１１］どの知識供給源が実行可能かを決定する（起動） ［９１２］実行すべき最上の知識供給源を選択する（スケジューリング） ［９１３］知識供給源を実行する ｅｎｄ ｗｈｉｌｅ 上記と図９に与えられた疑似コードによって示されるよ
うに、制御手段は３つの構成要素に分けられる。第１
に、知識供給源は起動されなければならない９１１。こ
の場合の起動とは、知識供給源を動作させることを可能
にするシステム中のあるイベントに関する。第２に、起
動された知識供給源の集合から、システムはある選択基
準に基づいて、実行すべき最上の知識供給源を選択しな
ければならない９１２。これはスケジューリング処理で
ある。最後に、知識供給源が実行され、その結果システ
ムの現行状態がアップデートされる９１３。スケジュー
ラ・ループを通じる各ループは実行サイクルと名付けら
れる。

【０１０４】一般に、知識供給源は、入力データ、トー
クンまたは複合オブジェクトの集合を処理し、出力デー
タ、新しいまたはアップデートされた複合オブジェクト
および仮定の集合を発生する関数である。定義によっ
て、知識供給源は、知識供給源によって必要とされる入
力データの集合が知識データベースに存在するまで実行
できない。また、知識データベースを実行する前に満た
されなければならない入力の条件または知識データベー
スの状態の集合を定義することが可能である。こうした
条件は、システムに関連した入力または特定状態情報に
関する特定の知識の存在に関する。その結果、知識供給
源はアイドル、アクティブおよび実行の３つの状態にあ
り得る。

【０１０５】アイドル状態では、知識供給源は入力オブ
ジェクトの集合に結び付けられていないが、これは知識
供給源が処理すべきコンテキストがないということを意
味する。アクティブ状態では、知識供給源はトリガさ
れ、特定のコンテキストに結びつけられているが、すべ
ての知識供給源の前提条件が満たされていないために実
行できない。実行状態では、知識供給源はトリガされ、
所与のコンテキストですべての前提条件が満たされてい
る。

【０１０６】知識供給源の状態を管理するために、アク
ティブ待ち行列（ＡＣＴＩＶＥ）と実行待ち行列（ＥＸ
ＥＣＵＴＥ）という２つの待ち行列が実現できる。各知
識供給源は常にアイドル状態にあるので、アイドル待ち
行列は必要ない。上で列挙した３つの状態を仮定する
と、最初に必要になるのは、知識供給源を起動しその前
提条件を評価するために使うことのできる有効な機構を
定義することである。

【０１０７】イベントの起動のために利用可能な最も簡
単な機構は新しいオブジェクトまたはアップデートされ
たオブジェクトを探して現行の知識データベースを走査
することである。こうしたオブジェクトが見つかった場
合、スケジューラは、知識供給源が新しいまたは変更さ
れたコンテキストの中で起動できるかどうかを判断する
ために、知識供給源の集合を探査できる。しかし、知識
ベースと知識供給源の集合が大きくなるにつれて、この
探査法は計算上非効率的になる。

【０１０８】イベントの起動のために選択された機構が
イベント待ち行列（ＥＶＥＮＴ）である。知識データベ
ース内のオブジェクトがアップデートされるか、追加オ
ブジェクトが加えられる時、イベントが発生しイベント
待ち行列に加えられる。特定の１つの知識の存在によっ
て知識供給源がトリガされるというよりは、知識供給源
は、システム中の他の知識供給源によって発生するイベ
ント（トリガ）によって起動される。イベントは、イベ
ントの識別子と、イベントに責任を持つデータ・オブジ
ェクトへのポインタからなる。各知識供給源に関連する
のは知識供給源を起動させるイベントのリストである。
以下と図１０に示されるように、アクティブ・ステップ
の最初のステップは、イベント１０１０〜１０１２の現
行の集合を処理し、その結果として知識供給源のコンテ
キスト（タスク）１０１３を作成することである。タス
クは知識供給源とオブジェクトを結び付けた結果であ
る、実行可能なエンティティである。タスクが作成され
た後、タスクはアクティブ待ち行列（ＡＣＴＩＶＥ）１
０１４に加えられる。

【０１０９】 ［１０１０］ｆｏｒ 各イベント、Ｅ（に対して） ［１０１１］ｆｏｒ 各知識供給源、ＫＳ（に対して） ［１０１２］ｉｆ Ｅ ∈ＫＳ．ｔｒｉｇｇｅｒｓ ［１０１３］ タスク＜Ｅ、ＫＳ＞を作成する ［１０１４］ タスクをＡＣＴＩＶＥに加える ｅｎｄｉｆ ｅｎｄｆｏｒ ｅｎｄｆｏｒ タスクが作成された後、システムは、タスクが実行可能
かどうかを判断するためにタスクの前提条件を評価しな
ければならない。システムの状態は、スケジューラのル
ープを通じて各時点で変化するので、こうした前提条件
は、スケジューラの各実行サイクル毎に評価される必要
がある。

【０１１０】イベントの起動と同様に、状態評価のため
に利用可能なもっとも簡単な機構はＡＣＴＩＶＥ待ち行
列を走査して、各知識供給源コンテキストに関する前提
条件を評価することである。知識供給源コンテキストに
関するすべての前提条件が満たされている場合、知識供
給源コンテキストはＥＸＥＣＵＴＥ待ち行列に加えられ
る。しかし、ＡＣＴＩＶＥ待ち行列上の知識供給源コン
テキストの数が増えるにつれて、各前提条件を評価する
ために必要な処理は増加して制御不能になる。また、各
前提条件を再評価することは無駄である。多くの場合、
前提条件に影響する新しい知識が作成されない場合、前
提条件を再評価する必要はない。そのため、知識供給源
コンテキストがアップデートされる時、すなわちオブジ
ェクトに関する状態情報が変更される時、前提条件をア
ップデートする機構を作成することが目的である。図１
７〜図１９のフローチャートのこの機構と疑似コード
が、以下、括弧（［］）で囲まれた参符と共に与えられ
る。

【０１１１】こうした要求を満たすために、ある特定の
オブジェクトを仮定すると、システムがオブジェクトの
アップデートによって影響される知識コンテキストを判
断できるように、リンクが加えられなければならない。
タスクは知識供給源と、知識供給源によって処理される
べきオブジェクトの組み合わせなので、知識供給源から
オブジェクトへのリンクはすでに存在する。オブジェク
トから、知識供給源に関連する前提条件の集合へのリン
クを達成するために、リンクがオブジェクトとタスクの
間に存在しなければならない。このリンクは、タスクが
最初にＡＣＴＩＶＥ待ち行列１７５０、１８４０に加え
られる時初期化される。タスクが実行可能になる時、リ
ンクは、前提条件がもはや評価されないように除去され
る１９７０。

【０１１２】リンクが作成された後、システムは前提条
件の評価をトリガするための機構を必要とする。前提条
件の評価は２つのポイントで行うことができる。１つの
可能性は、オブジェクトがアップデートされる時、オブ
ジェクトをアップデートする知識供給源が、オブジェク
トが前提条件の評価をトリガするかどうかを判断するこ
とである。その場合、知識供給源はタスクへのリンクを
フォローし、前提条件を評価するためのルーチンを呼び
出すことができる。多重オブジェクトが知識供給源によ
ってアップデートされる場合、前提条件は各オブジェク
トのアップデートの都度評価されるので、この方法は最
適ではない。

【０１１３】より有効な方法は、前提条件がアップデー
トされる必要のあることを示すタスクに含まれるフラグ
をアップデートすることである１８４０。この場合、ス
ケジューラがＡＣＴＩＶＥ待ち行列をトラバースして、
タスクがＥＸＥＣＵＴＥ待ち行列に移動できるかどうか
を判断する際に、古くなっているという印をつけられた
知識供給源の前提条件だけがアップデートされる１９４
０。このことは、知識供給源ベースがこのアップデート
が完了した後、前提条件が実行サイクル毎に一度だけ評
価されるということを保証する１９５０〜１９７０。

【０１１４】オブジェクトとトークンはそれ自体の属性
のアップデートに責任があるので、これらのオブジェク
トはオブジェクトがリンクされるタスクのリストのアッ
プデートに責任がある。また、知識供給源は、知識供給
源が実行できるようになる前に発生しなければならない
１つ以上のイベントを有することができる。

【０１１５】イベント・ハンドラーと前提条件の評価に
加えて、知識供給源はそれが実行できるようになる前に
１つ以上のイベントを必要とすることがある。その場
合、知識供給源をトリガさせるすべてのイベントはＥＶ
ＥＮＴ待ち行列の中になければならない。すべてのイベ
ントがＥＶＥＮＴ待ち行列にある場合、知識供給源は実
行される準備ができており、ＡＣＴＩＶＥ待ち行列に置
かれる１７５０。

【０１１６】以下の疑似コードは知識供給源が１つ以上
のイベントを必要とするかをチェックするための変更１
７１０〜１７５０、イベント・ハンドラーの変更１８１
０〜１８４０および前提条件を評価するために必要な追
加疑似コード１９１０〜１９８０を含む。

【０１１７】 ［１７１０］ｆｏｒ 各知識供給源ＫＳ（に対して） ［１７２０］ｉｆ 知識供給源ＫＳが、実行すべき１つ以上のイベントＥを 必要 ［１７３０］ｆｏｒ ＫＳをトリガする各イベントＥ’（に対して） ［１７３０］Ｅ’がイベント待ち行列ＥＶＥＮＴにあるかどうかをチェ ックする ｅｎｄ ｆｏｒ ［１７４０］ｉｆ すべてのイベントＥ’がＥＶＥＮＴにある ［１７５０］ＫＳＣｏｎｔｅｘｔを作成する、 ＜Ｅ−＞ｏｂｊｅｃｔ，ＫＳ＞ ［１７５０］ＫＳＣｏｎｔｅｘｔ．ｅｖａｌｕＣｏｎｄｉｔｉｏｎ＝Ｔ ＲＵＥ ［１７５０］ＫＳＣｏｎｔｅｘｔをＡＣＴＩＶＥに加える ［１７５０］ＫＳＣｏｎｔｅｘｔをオブジェクトの状態待ち行列に加え る、Ｅ−＞ｏｂｊｅｃｔ．ｃｏｎｔｅｘｔＱ ｅｎｄｉｆ ｅｎｄｉｆ ｅｎｄｆｏｒ ［１８１０］ｆｏｒ 各イベントＥ（に対して） ［１８２０］ｆｏｒ 各知識供給源ＫＳ（に対して） ［１８３０］ｉｆ Ｅ ∈ＫＳ．ｔｒｉｇｇｅｒｓ ［１８４０］ＫＳＣｏｎｔｅｘｔを作成する、 ＜Ｅ−＞ｏｂｊｅｃｔ，ＫＳ＞ ［１８４０］ＫＳＣｏｎｔｅｘｔ．ｅｖａｌｕＣｏｎｄｉｔｉｏｎ＝Ｔ ＲＵＥ ［１８４０］ＫＳＣｏｎｔｅｘｔをＡＣＴＩＶＥに加える ［１８４０］ＫＳＣｏｎｔｅｘｔをオブジェクトの実行待ち行列に加え る、Ｅ−＞ｏｂｊｅｃｔ．ｃｏｎｔｅｘｔＱ ｅｎｄｉｆ ｅｎｄｆｏｒ ｅｎｄｆｏｒ ［１９１０］ｆｏｒ ＡＣＴＩＶＥの各ＫＳＣｏｎｔｅｘｔ（に対して） ［１９２０］ｉｆ ＫＳＣｏｎｔｅｘｔが前提条件を有していない ［１９３０］ ＫＳＣｏｎｔｅｘｔをＡＣＴＩＶＥから削除する ［１９３０］ＫＳＣｏｎｔｅｘｔをＥＸＥＣＵＴＥに加える ［１９３０］ＫＳＣｏｎｔｅｘｔをＫＳＣｏｎｔｅｘｔ−＞ｏｂｊｅｃｔ ． ｃｏｎｔｘｔＱから削除する ［１９４０］ｅｌｓｅ ｉｆ ＫＳＣｏｎｔｅｘｔ．ｅｖａｌｕＣｏｎｄｉ ｔｉｏｎ＝ＴＲＵＥ ［１９５０］前提条件を評価する ［１９６０］ｉｆ 前提条件が満たされる ［１９７０］ＫＳＣｏｎｔｅｘｔをＡＣＴＩＶＥから削除する ［１９７０］ＫＳＣｏｎｔｅｘｔをＥＸＥＣＵＴＥに加える ［１９７０］ＫＳＣｏｎｔｅｘｔをＫＳＣｏｎｔｅｘｔ−＞ｏｂｊｅｃ ｔ．ｃｏｎｔｘｔＱから削除する ｅｎｄｉｆ ［１９８０］ＫＳＣｏｎｔｅｘｔ．ｅｖａｌｕＣｏｎｄｉｔｉｏｎ＝ＦＡ ＬＳＥ ｅｎｄｉｆ ｅｎｄｆｏｒ 実行のための知識供給源のスケジューリングは、コスト
／利益分析に基づいて実行待ち行列（ＥＸＥＣＵＴＥ）
から適当なタスクを選択するステップと、タスクを実行
待ち行列から削除するステップと、タスクまたは知識供
給源を呼び出すステップとからなる。並列処理能力をサ
ポートするシステムでは、実行のために１つ以上のタス
クを選択することが可能なために、タスクのスケジュー
リングはより複雑である。多重処理環境では、スケジュ
ーラは、計算リソースの有用性、平行データ・アクセス
に関して起こり得る問題およびコスト／利益に基づいて
タスクを選択できなければならない。複雑さが加えら
れ、並列処理に対する当面の必要がない結果、タスクの
選択は完全にコスト／利益分析に基づいている。

【０１１８】コストと利益は知識供給源の属性であるの
で、スケジューラは各知識供給源に関するコスト／利益
のスコアを計算し、実行すべき最上の知識供給源を選択
する。現行のシステムは利益−コストとしてスコアを計
算し、最上のスコアが実行すべき最上の知識供給源とな
る。スコアは各知識供給源に割り当てられた利益とコス
トの値から計算される。利益とコストの値はシステムの
展開中に割り当てられる。利益の値は知識供給源によっ
て計算された情報が、回答を得るために有する値を示
す。コストは、知識供給源を動かすコストを示す値であ
る。スコアは利益からコストを引くことによって計算さ
れる。

【０１１９】システムは、コスト／利益スコアに基づく
タスクの順序付けられたリストを維持するのではなく、
制御モジュールの各実行サイクル毎にコスト／利益のス
コアを再計算する。ある場合、たとえ順序付けられたリ
ストが実行されても、システムの状態、すなわち注意の
焦点（以下説明する）の変化によって、コスト／利益の
スコアを再計算しなければならないことがある。

【０１２０】スケジューラ・ループを通じた各実行サイ
クルでは、制御モジュールはコスト／利益のスコアに基
づくシステムによって、次に行うべき活動を選択する。
知識供給源は特定のデータまたは知識が作成されて実行
可能になるので、このことは、スケジューリング機構が
データによって動かされることを意味する。この処理は
基本的に、ボトムアップ問題解決アプローチである。こ
のスケジューリング法は解決を生じるために満足すべき
ものであるが、システムを問題解決に導くために利用可
能なもっとも効率的な機構ではない。

【０１２１】より有効な方法は、システムの当面のゴー
ルが、実行可能な知識供給源の集合および各実行可能な
知識供給源のコスト／利益分析に影響する、ゴールによ
って動かされるシステムを設計することである。これは
注意の焦点（ＦＯＡ）と呼ばれる。ＦＯＡは、知識供給
源コンテキストに基づく利益値の微調整を含む。例え
ば、単に各知識供給源に関する利益とコストを使ってス
コアを計算するのではなく、システムが知識供給源デー
タベース中に有する何らかの現存する知識を示す第３の
値が、スコアを計算するための式に導入される。

【０１２２】知識がシステムによって発生するにつれ
て、さまざまな種類の仮定がシステムによって作成され
る。システムの明白なゴールは、仮定を支持するか、ま
たは仮定が偽であると証明する証拠を提供する追加情報
を発生することである。前に説明したように、仮定は、
オブジェクトやトークンからの情報をフィールドのモデ
ルにマッピングすることによって発生する。従って、シ
ステムのゴールがコーテシ・アマウント・フィールドを
探し出すことである場合、システムは、コーテシ・アマ
ウント・フィールドのモデルによって要求される情報を
発生する知識供給源に優先順位を置く。こうした能力を
スケジューラに加えることによって、システムは、ボト
ムアップの、データによって動かされるシステムからト
ップダウンの、モデルに基づく推論システムに発展す
る。

【０１２３】仮定、個々の仮定の作成とアップデート
は、文書分析システム中の知識供給源として実現され
る。知識供給源は１つかそれ以上のイベントの発生に基
づいてトリガされるので、仮定を管理する知識供給源
は、新しい仮定がシステム中の知識供給源のいずれかに
よって作成される時トリガされる。詳細には、システム
は、フィールド・レベル、文書の構成および文書の分類
という３つの種類の仮定をサポートするので、各種類の
仮定は、対応する種類の仮定を作成しアップデートする
ための対応する知識供給源を有する。

【０１２４】フィールド・レベルの仮定は、新しい情報
がシステムに利用可能になるとすぐに、作成、アップデ
ートまたは削除される。例えば、ボックスの中に囲まれ
た機械印刷文字トークンを識別するための知識供給源が
実行され新しい情報すなわち新しいオブジェクトを発生
する場合、新しいオブジェクトは起こり得る仮定の作成
またはアップデートの候補である。システムがすでにオ
ブジェクト内に含まれる機械印刷文字フィールドに関す
る仮定を作成している場合、仮定は利用可能な新しい情
報に基づいてアップデートされる。新しい情報は仮定の
信頼値を増大するか、または結果として仮定の信頼値を
低下させる。信頼値の低下が大きい場合、仮定は実際に
廃棄される。オブジェクトに関連する仮定がある場合で
さえ、システムはやはり新しい情報に基づいて新しい仮
定を作成しようとする。これはシステムが１つのオブジ
ェクトに関連する多重仮定を管理できなければならない
ためである。

【０１２５】文書分類仮定は、画像中の手書き文字トー
クンの割合や、画像中の線の数といった、きわめて一般
的な文書特徴に基づいて作成される。この情報は、一般
にＮＥＴ３２Ｋからのシステムの始動の際に利用可能な
ので、こうした仮定は早々と画像処理の際に作成され
る。また、画像処理中に発生した情報はこの仮定にほと
んど影響を有しない。

【０１２６】システムがどのように非定型文書の適切な
フィールドを探し出すかの一例が、以下図１１の業務用
小切手を使って示される。Ｎｅｔ３２Ｋによって返され
たトークンは番号をつけられ、参照を容易にするために
のみボックスの中に囲まれる。

【０１２７】１．ＭＩＣＲ捜索知識供給源−Ｎｅｔ３２
Ｋトークンを見て見込みのない候補（すなわち、手書き
文字トークン）を除外する。有望なトークンを選び、そ
れらを業務用文書モデルのＭＩＣＲゾーンと比較する。
３つのトークンはＮｅｔ３２Ｋによって返される（１４
〜１６）が、この知識供給源はトークンを一緒にして、
トークン１４〜１６を業務用文書ファイルのＭＩＣＲゾ
ーンと比較する。これらのトークンは最も高い信頼値と
共に返される。

【０１２８】２．単一のボックス・ビルダー知識供給源
−水平の線と垂直の線の交点を探す。ボックスの中に囲
まれた機械印刷文字または手書き文字の間の何らかの関
係を見る。例えば、図１１の線１７〜２０によって形成
されるボックスがボックスを形成する。トークン１３
は、ボックスの中に部分的に囲まれている。従ってこの
知識供給源はボックスの中に位置する機械印刷文字トー
クン１３に関する情報を公式化する。

【０１２９】４．知識供給源の集約−近くにあることに
基づいて、同じタイプのトークンを１つのグループに入
れる。例えば、トークン７、８、９、１０および１１
は、トークン１、２、３、４および５と同様、それらが
近接しているために、１つに集約される。

【０１３０】５．水平グループ集約知識供給源−近接し
ている機械印刷文字の水平グループを発生する。例え
ば、トークン２１および２２は、同じグループに入れら
れる。

【０１３１】６．垂直グループ集約知識供給源−水平グ
ループの垂直グループを生成する。トークン７、８、
９、１０および１１は垂直クラスタである。

【０１３２】７．仮定−グループを取り上げて、業務用
小切手に関する文書モデル・ファイル中のゾーンと比較
し、信頼値を得る。

【０１３３】８．手書き文字グループ集約知識供給源−
手書き文字の水平グループ集約。例えば、サイン・トー
クン１２が２つのトークンによって表されている場合、
これらのトークンは同じグループに入れられる。

【０１３４】９．仮定−手書き文字のグループを取り上
げ、業務用小切手に関する文書モデル・ファイル中のゾ
ーンと比較して、裏信頼値を得る。

【０１３５】１０．日付、コーテシ・アマウント、サイ
ン、ＭＩＣＲおよびリーガル・アマウントに関する最も
高い信頼値を持つグループが出力される。

【０１３６】１１．グループが光学式文字読取り装置
（ＯＣＲ）に送られる。文字読み取りエンジンが送られ
たグループを解釈できない場合、次に高い信頼値を持つ
グループが送られる。

【０１３７】本発明は好適実施形態を特に参照して詳細
に説明されたが、変形や変更が、本発明の精神と範囲か
ら逸脱することなく行われ得ることが理解される。

【図面の簡単な説明】

【図１】 本発明の全体図である。

【図２】 図１に示される文書分析手段の内訳である。

【図３】 複合オブジェクトを表す。

【図４】 図２に示す知識データベース中の情報の階層
の一例である。

【図５】 業務用小切手の見本である。

【図６】 単一および複合的なボックスの一例である。

【図７】 文書モデル・ファイル中の高さ属性のグラフ
である。

【図８】 仮定グラフである。

【図９】 制御手段実行サイクルのフローチャートであ
る。

【図１０】 イベント・ハンドラーのフローチャートで
ある。

【図１１】 トークンを持つ業務用小切手である。

【図１２】 個人用小切手に関する文書モデル・ファイ
ルである。

【図１３】 業務用小切手に関する文書モデル・ファイ
ルである。

【図１４】 判別行列の一例である。

【図１５】 中心行列の一例である。

【図１６】 本発明を展開するためのハードウェア構成
の一例である。

【図１７】 知識供給源が１つ以上のイベントを必要と
する場合のチェック作業のフローチャートである。

【図１８】 制御手段実行サイクルのより詳細なフロー
チャートである。

【図１９】 イベント・ハンドラーのより詳細なフロー
チャートである。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 アンタイ ペン アメリカ合衆国 ニュージャージー州 07111 イルビングトン、エーピーティー. ナンバー・ディー ウォーカー アベニュ ー 1782

Claims (2)

【特許請求の範囲】
1. 【請求項１】 少なくとも１つの情報要素を含む、対象
   文書を分析するためのシステムであって、該システム
   が、 （ａ）対象文書のディジタル化された画像を保存するた
   めの手段（１００）と、 （ｂ）ディジタル化された画像から低レベルの特徴を抽
   出するための、文書特徴抽出手段（１０５）と、 （ｃ）抽出された低レベル文書特徴に基づいて文書を分
   類するための文書分類手段（１１５）と、 （ｄ）文書分類手段（１１５）に応答して、少なくとも
   １つの情報要素に関連する情報データを抽出するため
   に、対象文書を分析するための文書分析手段（１２５）
   とを含む文書分析システム。
2. 【請求項２】 少なくとも１つの情報要素を含む対象文
   書を分析するためのプロセスであって、 （ａ）保存デバイスに対象文書のディジタル化画像を保
   存するステップと、 （ｂ）ディジタル化画像から低レベルの特徴を抽出する
   ステップと、 （ｃ）抽出された低レベルの特徴に基づいて文書を分類
   するステップと、 （ｄ）少なくとも１つの情報要素に関連する情報データ
   を抽出するために、対象文書を分析するステップとを含
   む文書分析プロセス。