JPS60189582A - 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】 〔発明の技術分野〕 本発明は文字認識後処理方式、特に文字認識装置に関連
して、漢字、ひらがな、カタカナ等を含む非漢字の混合
し元文章を読取シ１文字認識を行なった後に生ずる認識
エラーを修正する文字認識後処理方式に関するものであ
る。

〔従来技術と問題点〕

例えば光学的文字認識装置を用いて漢字、非漢字を含む
日本語の文章を認識することは既に行なわれているが、
認識後に生じているエラーを修正する方式、すなわち文
字認識後処理対策は、未だ十分満足しうる段階に達して
いない。

従来、このような文字認識後処理対策として考えられて
いた方式は、上記のような文字を含む複雑な日本語文章
を扱う場合において、該文章を単語部分で区切って予め
分かち書き等を行なって文章中に用いられた単語の位置
を予め記入時に意識しておく方式、あるいは文字を認識
した結果、エラーを生じた際におけるエラーの修正時に
、エラーのある単語の特定位置を知らせる方式などがあ
る０ しかし、いずれの上記方式においても、記入時。

あるいは修正時に人が介在して必ず余分な措置を講じて
おかなければならなかった。上記の例では。

記入時の分かち書きをすることであるとか、ｆＦ定の単
語の位置を予め意識しておかなければならず。

最終目的に対していわば１つのダミーステップの如き処
理が必要となっていた。

〔発明の目的〕

本発明は上記の問題点に鑑みこれを解決するもので９本
発明においては文章中の漢字と非漢字とを識別するため
に別個の識別方式によシ識別をして漢字、非漢字の識別
精度を上げると共に、識別された漢字列に対しても特定
長の単語を形成する文字列にしたがって単語辞書を用意
し、認識後のエラ一対策、エラー修正を効率的に行ない
うる文字認識後処理方式を提供することを目的としてい
る０ 〔発明の構成〕 この目的を達成するため本発明の文字認識後処理方式で
は、平仮名文字等の非漢字と漢字とを分類することがで
きる文字認識装置において、非漢字を識別する非漢字識
別手段と、漢字を識別する漢字識別手段と、漢字文字列
を抽出する漢字文字列抽出手段と、漢字文字列が規定文
字数よシ長い場合にこれを規定文字数に分離する単語分
離手段を備え、漢字識別手段で認識した漢字文字列をそ
の漢字長と合致した単語辞書と照合して単語による認識
を行うことを特徴とする。

〔発明の実施例〕

本発明を一実施例にもとづき詳述するに先立ちその概略
を第２図によシ説明する。

第２図（ａｌに示す文を例えばＯＣＲで読取シ、漢字、
非漢字を一文字ずつ認識して第２図（ｂｌの如き認識結
果を得たとき、まずオペレータが非漢字部分におけるエ
ラーを例えばキー人力によシ修正し。

同（Ｃ１の如き修正結果を得る。それから漢字部分を単
語辞書と照合して後処理を行うが、との場合。

漢字が多数連続している部分については、単語としても
つとも多いのが２文字の組合せであるので。

例えば２文字毎に区切って後処理を行う。これによシ「
指定」、「人力」、「装置」、「巨−」・・・等を「指
定」、「入力」、「装置」、「同一」・・・等の正しい
ものに修正することができる。

本発明の一実施例を第１図〜第５図にもとづき説明する
。

第１図は本発明の一実施例構成図、第２図は本発明にお
ける認識エラーの修正プロセス説明図。

第３図は文中の漢字非漢字を識別する方式、第４図は第
３図に示すループ数、連結成分数および平均黒ラン数に
よる漢字の分析識別例、第５図は第３図における輪郭線
分系列方式による例（特開昭５８−２２５８４９号公報
参照）を示す。

第１図において、１は読取られるべき漢字、非漢字（ひ
らがな、カタカナなど）の含んでいるドキュメント入力
部、２は漢字・非漢字用判定回路。

３は非漢字用識別回路、４は漢字識別回路、５は漢字文
字列抽出回路、６は表示装置、にはそのキ一部、７は単
語分離回路、８は所定の長さの漢字列で異なる意味を有
する単語群が記憶されている単語辞書部、９は単語後処
理回路を示す。

本発明による文字認識後処理方式においては。

漢字が混合されている文章に対して、まず漢字であＡ赤
：！１１：遣宰であスφλを、各室宝万１１につ込で重
線に判別した上で、漢字であることが判れば単語という
ものは、いくつかの漢字が連続したものであるから、漢
字列にのみ単語に関する後処理を自動的に行なわんとす
るものである。

次に第１図の実施例の動作を説明する。

例えばＯＣＲでドキュメントを読取って得たドキュメン
ト入力部１の文字すなわち文中の漢字。

非漢字を漢字・非漢字判定回路２を介して順次判定する
。その結果、非漢字であると判定されたものは識別回路
３で、どのような文字（ひらがな。

カタカナ等）であるかが識別される。一方、漢字である
と判定された出力は漢字用の識別回路４に送られ、どの
ような漢字であるかがそれぞれ１文字毎に識別される。

非漢字用の識別回路３から出力された非漢字出力は表示
装置６上に表示されるので、認識された非漢字９例えば
工２−のあるひらがなはエペレー　゛りによって表示装
置６上のキーＫによシ修正される。これによシ槙２図（
ｂｌの「わ」、「は」、「加」等が、同（Ｃ１に示す如
く、「れ」、「は」、「が」（「加」は漢字・非漢字の
誤判定による）と修正される。

他方、識別回路４からの漢字出力は漢字文字列抽出回路
５に送られ、非漢字に挾まれた漢字文字列を抽出する。

そして抽出された漢字列は単語分離回路に送られ、該漢
字列が４語、５語、６語というように長い場合には、こ
こで所定の単位で区切る。例えば「文字認識装置」とい
う文字列は「文字Ｊ　ｒｇ識」　ｒ装置」のように区切
られる。

こうしである長さ１例えば２語で区切られた漢字は単語
後処理回路９へ送られる。前記単語後処理回路９は単語
辞書部８に接続され、そこからの漢字出力を受けるよう
になっている。更に該単語辞書部８には異なる意味を有
するある長さの単語群が予め多数記憶されている。した
がって、単語後処理回路９において単語分離回路７から
の単語と。

単語辞書部８からの単語（両者は長さが等しい）とが比
較され、Ｂ識された前者の単語が正しいものかどうかが
判定される。このとき識別回路４では複数の候補が抽出
されてこれらも送出されてくるので、これら候補も使用
して照合比較する。

すなわち、非漢字９例えば、送シ文字などのひらがなに
エラーがあれば、Ｂ識後に表示装置６上で、エラーのあ
る文字はすでに修正されているので、認識された漢字に
エラーがあれば漢字を含む文字の前後の意味から、単語
分離回路７からのエラー漢字は、単語後処理回路９にお
いて単語辞書部８からの漢字出力と比較され、エラーを
生じていると判定されるので該辞書部８からの正しい単
語に自動的に置換されて出力される。

例えば、第２図の＋ａ）に示す如き文章がドキュメン）
１に記入されていた場合に、読取後、漢字。

非漢字用識別回路４．および３で認識された結果の文章
において（ｂｌに示す如きエラーがあったとする。該認
識エラー文章は表示装置６上にそのまま表示されるから
、オペレータがそれを見てエラーの存在するひらがなを
（ｃｌのように、キーを押して修正する。すなわち９図
示の例では「わ」を「れ」に、「は」を「は」に、それ
に漢学と認識されてしまった、「加」を「が」に修正す
る。このひらがな修正プ四セスにおいては、オペレータ
は漢字単語の正否の判定、修正は全くしなくてよい。

漢字単語の認識エラーにつ１いては第２図の（ｄｌのよ
うに自動的に修正が行なわれる。すなわち、第２図の（
ｂ）に示すような漢字単語にエラーがあると。

単語後処理回路９において、単語分離回路７からのエラ
ー単語「指定」　「装置」　「目−」　「人力」「使用
」なる入力およびこれらの変換のときに得られたそれぞ
れの候補と、単語辞書部８から順次取出して比較した結
果、見つけた正しい単語ｒ指定ｊ「入力ｊ「装置ｊ「同
一」とが、（ｄ）に示すように自動的に置換される。

次に漢字と非漢字とを識別する具体的な方式について概
説する。これについては同一出願人による特願昭５７−
１６９５１０号がすでに出願されている。

第３図に示す如く９画数が多く複雑な漢字と画数の少な
い非漢字（例えば、ひらがな、カタカナ）との識別は、
第１段階で下記に述べる゛ループ数および連結成分数を
分析して判定し、それで判定のつかない場合には第２段
階で下記に述べる平均黒ラン数を調べて判定し、非漢字
と画数の差して違わない少画数の漢字（例えば、ひらが
なと識別が困難な「山」　「川」等）は第３段階で輪郭
線分系列を調べて最終的な両者の識別を行なう。

第４図は、第３図の第１．第２段階までの識別方式を漢
字の「漢」について行なう実例を示す。

同図においてループ数は「漢」の右側の環を形成してい
る部分でアシ、この場合ループ数は２つである。連結成
分数というのは、各画が分離・独立している数であって
９図示の例ではサンズイ部の３個、右側のクサカンムリ
に類似した部分の１個。

それにその下部のループを含むブロックの１個で計５つ
ということになる。

平均黒ラン数は列の黒ラン数と行の黒ラン数に分けられ
１列の黒ラン数は図示の例では垂直に漢字を走査した際
の存在する黒点（情報あシ）の数で、左側のサンズイ部
では３．右側部分では６とＭ ということになる。

以上、ループ数、連結成分数、平均黒ラン数の使用によ
シ、多画数文字と少画数文字とに分離することができた
。次に、この少画数文字の中を。

非漢字と少画数漢字とに分けるために９輪郭線分特徴を
用いる。輪郭線分特徴抽出の例を第５図に示す。輪郭線
分は９文字の縁部において各線分が開いているか（０）
閉じているか（・）によシ。

４種の線分（６−ｏｏ−・・−０・−・）が出来る。こ
れら４種の線分の出現系列は、原パタンの構造が単純で
ある場合には非常に安定している。従って。

少画数文字に対して輪郭線分の出現系列（出現順序）を
調べることによシ、その文字の属するカテゴリーを知る
と七ができる。

このようにして本発明においては、第３図に示す３つの
識別段階を踏んで最終的に、漢字、非漢字をかなシの精
度で識別し、前述した如く、非漢字に対して生じた認識
エラーは表示装置６上でオペレータが修正し、漢字に対
して生じた認識エラーは自動的に正しい単語に修正され
うる。

〔発明の効果〕

以上述べたように９本発明においてはドキュメントを作
成する際に２文章の分かち書きをしたシ。

あるいは文章中で特定の文字位置を予め意識したシ、あ
るいは特定の単語を認識ポイントとして予定せずに、漢
字に対する識別エラーは自動的に修正しうるので、余分
なマンパワーを必要とせず。

効率的な文字認識後処理を行なうことができる。

例えば光学文字ｇ識装置が得られる。

【図面の簡単な説明】

第１図は本発明の文字認識後処理方式の実施例の構成、
第２図は本発明によシ処理される文字認識後の認識エラ
ーの修正プロセス、第３図は文章中の漢字、非漢字の識
別方式、第４図は第３図の第１段階、第２段階までの識
別法による漢字の分析・識別例、第５図は第３図の第３
段階の識別法による漢字識別例をそれぞれ示す。 図中、１はドキュメント入力部、２は漢字、非漢字判定
回路、３は非漢字用識別回路、４は漢字用識別回路、５
は漢字文字列抽出回路、６は表示装置、にはキー、７は
単語分離回路、８は単語辞書部、９は単語後処理回路を
示す。 特許出願人　富士通株式会社 代理人弁理士　山　谷　皓　榮 第　２　図 第３図　第４図 ひう力゛′な　ノル４数　多」ジ鍍グ 刀タカナ　ン黄字　５嚢字 第５図 （ａ）　（ｂ）　＋

Claims (1)

【特許請求の範囲】
1. 平仮名文字等の非漢字と漢字とを分類することができる
   文字認識装置において、非漢字を識別する非漢字識別手
   段と、漢字を識別する漢字識別手段と、漢字文字列を抽
   出する漢字文字列抽出手段と、漢字文字列が規定文字数
   よシ長い場合にこれを規定文字数に分肛する単語分離手
   段を備え、漢字識別手段で認識した漢字文字列をその漢
   字長と合致した単語辞書と照合して単語による認識を行
   うことを特徴とする文字認識後処理方式。