JP2586372B2 - 情報検索装置及び情報検索方法 - Google Patents
情報検索装置及び情報検索方法Info
- Publication number
- JP2586372B2 JP2586372B2 JP5008734A JP873493A JP2586372B2 JP 2586372 B2 JP2586372 B2 JP 2586372B2 JP 5008734 A JP5008734 A JP 5008734A JP 873493 A JP873493 A JP 873493A JP 2586372 B2 JP2586372 B2 JP 2586372B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- code
- recognition
- document
- codes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims description 16
- 238000013500 data storage Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010016326 Feeling cold Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Landscapes
- Character Discrimination (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【産業上の利用分野】本発明は文字データの検索を行う
情報検索装置および情報検索方法に関し、特に文書画像
から得られた文字データの情報検索装置及び情報検索方
法に関する。
情報検索装置および情報検索方法に関し、特に文書画像
から得られた文字データの情報検索装置及び情報検索方
法に関する。
【０００２】
【従来の技術】近年、文書情報の増大にともない、文書
画像を電子化して蓄積（ファイル）しておき、検索して
取り出す装置の需要が高まっている。このような電子フ
ァイル装置において、文字認識を利用して文書画像の文
書の内容に基づく検索を可能にする情報検索装置が望ま
れている。
画像を電子化して蓄積（ファイル）しておき、検索して
取り出す装置の需要が高まっている。このような電子フ
ァイル装置において、文字認識を利用して文書画像の文
書の内容に基づく検索を可能にする情報検索装置が望ま
れている。
【０００３】以下、上述した従来の情報検索装置につい
て図を用いて説明する。図５は従来の文字認識を利用し
た情報検索装置のフローチャートである。
て図を用いて説明する。図５は従来の文字認識を利用し
た情報検索装置のフローチャートである。
【０００４】文書を登録する際は、文書をスキャナなど
の画像入力手段１を利用して文書画像データとして入力
し、文書画像蓄積手段２に蓄積する。さらに、文字認識
手段３を利用して文書画像データに含まれている文字パ
タン部分を文字認識する。文字認識で認識が不確かな箇
所が候補の文字が複数ある箇所については、キーボード
などで登録者が修正作業を行う。この認識結果データを
文書画像データと対応づけて認識結果データ蓄積手段６
に蓄積する。
の画像入力手段１を利用して文書画像データとして入力
し、文書画像蓄積手段２に蓄積する。さらに、文字認識
手段３を利用して文書画像データに含まれている文字パ
タン部分を文字認識する。文字認識で認識が不確かな箇
所が候補の文字が複数ある箇所については、キーボード
などで登録者が修正作業を行う。この認識結果データを
文書画像データと対応づけて認識結果データ蓄積手段６
に蓄積する。
【０００５】前記のようにして登録した文書から目的の
文書を検索する際は、キーボード７などからキーワード
などの検索条件を入力し、条件を満たす認識結果データ
を文字検索手段８などにより検索し、認識結果データに
対応する文書画像データを出力する。
文書を検索する際は、キーボード７などからキーワード
などの検索条件を入力し、条件を満たす認識結果データ
を文字検索手段８などにより検索し、認識結果データに
対応する文書画像データを出力する。
【０００６】しかしながら、上記のような方式では、文
書登録時に上記文字認識後に上記修正作業が必要にな
り、手間がかかる。
書登録時に上記文字認識後に上記修正作業が必要にな
り、手間がかかる。
【０００７】また、上記修正作業を行わないと、認識結
果データに誤りが含まれる可能性があり、検索対象キー
ワードを文字列検索するときに、前記キーワードを含む
認識結果データに誤りがあると、一致しないため検索漏
れが生じる。検索漏れを防ぐために、キーワードの検索
時に数文字までの不一致を許す照合手法や、検索文字列
と類似したパタン形状の文字列を検索文字列と一緒に検
索する手法が考えられてきた。こうした従来例として、
信学技報ＣＡ８７−２５（１９８７年５月２９日）、特
開平４−１５８４７８号公報等に記載がある。
果データに誤りが含まれる可能性があり、検索対象キー
ワードを文字列検索するときに、前記キーワードを含む
認識結果データに誤りがあると、一致しないため検索漏
れが生じる。検索漏れを防ぐために、キーワードの検索
時に数文字までの不一致を許す照合手法や、検索文字列
と類似したパタン形状の文字列を検索文字列と一緒に検
索する手法が考えられてきた。こうした従来例として、
信学技報ＣＡ８７−２５（１９８７年５月２９日）、特
開平４−１５８４７８号公報等に記載がある。
【０００８】
【発明が解決しようとする課題】しかし、従来技術で行
われていた、検索漏れを防ぐために数文字までの不一致
を許す照合手法を使うと、不適当な検索結果が生じる
（過検索）という問題がある。例えば、１文字までの誤
りを許す検索手法で、検索文字列（”自由”など）を検
索すると、まったく別の文字列（”理由”や”自然”な
ど）とも一致していると判断してしまう。
われていた、検索漏れを防ぐために数文字までの不一致
を許す照合手法を使うと、不適当な検索結果が生じる
（過検索）という問題がある。例えば、１文字までの誤
りを許す検索手法で、検索文字列（”自由”など）を検
索すると、まったく別の文字列（”理由”や”自然”な
ど）とも一致していると判断してしまう。
【０００９】また、検索文字列と類似形状の文字列とを
一緒に検索する手法では、文書画像に書体が異なる文字
が含まれている場合など、誤認識の傾向があらかじめ予
想されたものと異なる文字が含まれている場合に、検索
漏れが起こる。
一緒に検索する手法では、文書画像に書体が異なる文字
が含まれている場合など、誤認識の傾向があらかじめ予
想されたものと異なる文字が含まれている場合に、検索
漏れが起こる。
【００１０】また、従来技術で、検索対象とする文書認
識データに認識が不確かであった箇所や認識時の候補が
何であったかといった情報が含まれていない場合、この
データだけを用いて修正作業するのは困難である。上記
の文書認識データに含まれない情報は、別に保存してお
く必要があり、管理が困難である。
識データに認識が不確かであった箇所や認識時の候補が
何であったかといった情報が含まれていない場合、この
データだけを用いて修正作業するのは困難である。上記
の文書認識データに含まれない情報は、別に保存してお
く必要があり、管理が困難である。
【００１１】
【課題を解決するための手段】図１は本発明の構成を示
すブロック図である。図１に示すように、上記の課題を
解決する第１の情報検索装置は、文書画像データを文字
認識して得られた文書認識データ群から、任意の検索キ
ーワードを含む文書認識データを検索する情報検索装置
において、入力された文書画像データを蓄積する文書画
像データ蓄積手段１０と、文書画像データに含まれる文
字部分の文字パターンを認識し、候補となる文字コード
を選択し、文字コードの確からしさの推定値を求める文
字認識手段１１と、文字コードの確からしさの推定値の
和が、複数の文字コードを格納する文字コードリスト中
に正確な文字が含まれるように定めた所定の確率を越え
るまで、前記推定値の高い順に候補となる文字コードを
前記文字コードリストに追加し、前記文字コードリスト
の中の候補となる文字コードの数が１つの場合は、先頭
の候補となる文字コードを選択し、前記リスト中の文字
コードの数が定められたしきい値以内の場合は、候補と
なる文字コードが複数あることを示す認識コードをとも
なう先頭の候補となる文字コードを含む複数の候補とな
る文字コードを選択し、前記リスト中の文字コードの数
が定められたしきい値を越えた場合は、候補となる文字
コードが多数あることを示す識別コードを選択する確か
らしさの評価手段１２と、これら選択されたコードを文
書認識データとして蓄積する文書認識データ蓄積手段１
３と、入力手段から入力した任意のキーワードを前記文
書認識データ蓄積手段から検索する検索手段１４を備え
ることを特徴とする。第２の情報検索装置は第１の情報
検索装置に加え、前記文書認識データ蓄積手段の文書認
識データの中の複数の候補となる文字コードから正しい
文字コードの選択や、前記文字コードが多数あることを
示す識別コードに正しい文字コードを入力する修正手段
１５を備えることを特徴とする。
すブロック図である。図１に示すように、上記の課題を
解決する第１の情報検索装置は、文書画像データを文字
認識して得られた文書認識データ群から、任意の検索キ
ーワードを含む文書認識データを検索する情報検索装置
において、入力された文書画像データを蓄積する文書画
像データ蓄積手段１０と、文書画像データに含まれる文
字部分の文字パターンを認識し、候補となる文字コード
を選択し、文字コードの確からしさの推定値を求める文
字認識手段１１と、文字コードの確からしさの推定値の
和が、複数の文字コードを格納する文字コードリスト中
に正確な文字が含まれるように定めた所定の確率を越え
るまで、前記推定値の高い順に候補となる文字コードを
前記文字コードリストに追加し、前記文字コードリスト
の中の候補となる文字コードの数が１つの場合は、先頭
の候補となる文字コードを選択し、前記リスト中の文字
コードの数が定められたしきい値以内の場合は、候補と
なる文字コードが複数あることを示す認識コードをとも
なう先頭の候補となる文字コードを含む複数の候補とな
る文字コードを選択し、前記リスト中の文字コードの数
が定められたしきい値を越えた場合は、候補となる文字
コードが多数あることを示す識別コードを選択する確か
らしさの評価手段１２と、これら選択されたコードを文
書認識データとして蓄積する文書認識データ蓄積手段１
３と、入力手段から入力した任意のキーワードを前記文
書認識データ蓄積手段から検索する検索手段１４を備え
ることを特徴とする。第２の情報検索装置は第１の情報
検索装置に加え、前記文書認識データ蓄積手段の文書認
識データの中の複数の候補となる文字コードから正しい
文字コードの選択や、前記文字コードが多数あることを
示す識別コードに正しい文字コードを入力する修正手段
１５を備えることを特徴とする。
【００１２】ここで、確からしさの評価手段１２は、認
識が不確かな文字については、候補となる複数の文字コ
ードを列挙して出力する。ただし、候補の数が多い場合
は、候補を列挙すると文書認識データが大きくなってし
まうため、代わりに、全ての文字が候補であること（候
補多数）を示す識別コードだけを出力する。
識が不確かな文字については、候補となる複数の文字コ
ードを列挙して出力する。ただし、候補の数が多い場合
は、候補を列挙すると文書認識データが大きくなってし
まうため、代わりに、全ての文字が候補であること（候
補多数）を示す識別コードだけを出力する。
【００１３】本発明の情報検索方法は、 文書画像データ
を文字認識して得られた文書認識データ群から、任意の
検索キーワードを含む文書認識データを検索する情報検
索方法において、 入力された文書画像データを蓄積する
文書画像データ蓄積ステップと、 文書画像データに含ま
れる文字部分の文字パターンを認識し、候補となる文字
コードを選択し、文字コードの確からしさの推定値を求
める文字認識ステップと、文字コードの確からしさの推
定値の和が、複数の文字コードを格納する文字コードリ
スト中に正確な文字が含まれるように定めた所定の確率
を越えるまで、推定値の高い順に候補となる文字コード
を前記文字コードリストに追加し、前記文字コードリス
トの中の候補となる文字コードの数が１つの場合は、先
頭の候補となる文字コードを選択し、前記リスト中の文
字コードの数が定められたしきい値以内の場合は、候補
となる文字コードが複数あることを示す認識コードをと
もなう先頭の候補となる文字コードを含む複数の候補と
なる文字コードを選択し、前記リスト中の文字コードの
数が定められたしきい値を越えた場合は、候補となる文
字コードが多数あることを示す識別コードを選択する確
からしさの評価ステップと、 これら選択されたコードを
文書認識データとして蓄積する文章認識データ蓄積ステ
ップと、 入力した任意のキーワードを、蓄積された文書
認識データから検索する検索ステップを備えることを特
徴とする。
を文字認識して得られた文書認識データ群から、任意の
検索キーワードを含む文書認識データを検索する情報検
索方法において、 入力された文書画像データを蓄積する
文書画像データ蓄積ステップと、 文書画像データに含ま
れる文字部分の文字パターンを認識し、候補となる文字
コードを選択し、文字コードの確からしさの推定値を求
める文字認識ステップと、文字コードの確からしさの推
定値の和が、複数の文字コードを格納する文字コードリ
スト中に正確な文字が含まれるように定めた所定の確率
を越えるまで、推定値の高い順に候補となる文字コード
を前記文字コードリストに追加し、前記文字コードリス
トの中の候補となる文字コードの数が１つの場合は、先
頭の候補となる文字コードを選択し、前記リスト中の文
字コードの数が定められたしきい値以内の場合は、候補
となる文字コードが複数あることを示す認識コードをと
もなう先頭の候補となる文字コードを含む複数の候補と
なる文字コードを選択し、前記リスト中の文字コードの
数が定められたしきい値を越えた場合は、候補となる文
字コードが多数あることを示す識別コードを選択する確
からしさの評価ステップと、 これら選択されたコードを
文書認識データとして蓄積する文章認識データ蓄積ステ
ップと、 入力した任意のキーワードを、蓄積された文書
認識データから検索する検索ステップを備えることを特
徴とする。
【００１４】
【作用】確からしさの評価手段１２は、文字認識手段１
１により文字認識時に得られた文字コードの確からしさ
の推定値の和が、複数の文字コードを格納する文字コー
ドリスト中に正確な文字が含まれるように定めた所定の
確率を越えるまで、推定値の高い順に候補となる文字コ
ードを前記文字コードリストに追加し、前記文字コード
リストの中の候補となる文字コードの数が１つの場合
は、先頭の候補となる文字コードを選択し、前記リスト
中の文字コードの数が定められたしきい値以内の場合
は、候補となる文字コードが複数あることを示す認識コ
ードをともなう先頭の候補となる文字コードを含む複数
の候補となる文字コードを選択し、前記リスト中の文字
コードの数が定められたしきい値を越えた場合は候補と
なる文字コードが多数あることを示す識別コードを選択
する。
１により文字認識時に得られた文字コードの確からしさ
の推定値の和が、複数の文字コードを格納する文字コー
ドリスト中に正確な文字が含まれるように定めた所定の
確率を越えるまで、推定値の高い順に候補となる文字コ
ードを前記文字コードリストに追加し、前記文字コード
リストの中の候補となる文字コードの数が１つの場合
は、先頭の候補となる文字コードを選択し、前記リスト
中の文字コードの数が定められたしきい値以内の場合
は、候補となる文字コードが複数あることを示す認識コ
ードをともなう先頭の候補となる文字コードを含む複数
の候補となる文字コードを選択し、前記リスト中の文字
コードの数が定められたしきい値を越えた場合は候補と
なる文字コードが多数あることを示す識別コードを選択
する。
【００１５】このため、上記のようにして得られた文書
認識データと検索対象キーワードとの文字ごとの照合を
する際に、一致条件をキーワードの各文字が文書認識デ
ータの候補の中のどれかと一致すればよいとしておくこ
とで、検索漏れを低減することができる。また、画像の
条件が良い場合など高い確からしさで認識できる場合は
候補を列挙しないので、余分な一致の発生が低減され
る。
認識データと検索対象キーワードとの文字ごとの照合を
する際に、一致条件をキーワードの各文字が文書認識デ
ータの候補の中のどれかと一致すればよいとしておくこ
とで、検索漏れを低減することができる。また、画像の
条件が良い場合など高い確からしさで認識できる場合は
候補を列挙しないので、余分な一致の発生が低減され
る。
【００１６】また、文字認識の不確かさを評価して、誤
りのありそうな箇所とその候補を選んで選択しているた
め、余分な候補が除去され、文書認識のデータ量が過大
になるのが防がれる。
りのありそうな箇所とその候補を選んで選択しているた
め、余分な候補が除去され、文書認識のデータ量が過大
になるのが防がれる。
【００１７】また、文書認識データに、認識が不確かな
箇所と候補の情報が含まれるため、これを使って後から
修正作業を行うことも可能である。
箇所と候補の情報が含まれるため、これを使って後から
修正作業を行うことも可能である。
【００１８】
【実施例】以下この発明の実施例について図面を参照し
ながら説明するが、この発明は以下の実施例に限定され
るものではない。
ながら説明するが、この発明は以下の実施例に限定され
るものではない。
【００１９】図２は本発明の実施例の構成のブロック図
を示すものである。図２において文書をスキャナ１６な
どの画像読み取り手段で、画像データとして読み込み、
文書画像データ蓄積手段１７に蓄積する。文字認識手段
１８は、文書画像データ蓄積手段１７から画像データを
読み出して、文字が書かれた領域を識別して、文字パタ
ンを認識し、候補となる文字コードとその確からしさを
推定して確率値で出力する。
を示すものである。図２において文書をスキャナ１６な
どの画像読み取り手段で、画像データとして読み込み、
文書画像データ蓄積手段１７に蓄積する。文字認識手段
１８は、文書画像データ蓄積手段１７から画像データを
読み出して、文字が書かれた領域を識別して、文字パタ
ンを認識し、候補となる文字コードとその確からしさを
推定して確率値で出力する。
【００２０】確からしさを推定するためには、パタンを
処理して得られるいくつかの統計量を軸とするベクトル
空間を仮定して、あらかじめいろいろな文字についてそ
の空間での座標を求めておく。そして、文字認識時に認
識対象とする文字パタンを、同様に処理して上記ベクト
ル空間での座標を求め、学習時に近傍にあった座標を見
つけ、それらとの距離から推定する。
処理して得られるいくつかの統計量を軸とするベクトル
空間を仮定して、あらかじめいろいろな文字についてそ
の空間での座標を求めておく。そして、文字認識時に認
識対象とする文字パタンを、同様に処理して上記ベクト
ル空間での座標を求め、学習時に近傍にあった座標を見
つけ、それらとの距離から推定する。
【００２１】確からしさの評価手段１９は、図３に示す
ようなアルゴリズムに従う。各文字ごとに、文字認識手
段が出力した候補のうち最も有力な候補をリストの先頭
に入れる。そして、認識の確からしさをもとに、正しい
文字がリストに含まれる確率Ｐを求める。確率Ｐが、あ
るしきい値Ｐｔｈより小さいならば、候補から次に有力
な候補をリストに追加して、確率Ｐを求めなおして繰り
返す。選び出されたリストの中の候補の数（リストの長
さ）が１個ならば、この文字列コードだけを出力する。
リストの中の候補の数があるしきい値の個数Ｎｔｈより
少ないなら、候補が複数個あることを示す識別コードと
共に出力候補の文字コードを出力する。出力候補の数が
Ｎｔｈを越えていたならば、出力候補の文字コードの代
わりに、全ての文字が候補であることを示す識別コー
ド、すなわち、候補多数を示す識別コードを出力する。
ようなアルゴリズムに従う。各文字ごとに、文字認識手
段が出力した候補のうち最も有力な候補をリストの先頭
に入れる。そして、認識の確からしさをもとに、正しい
文字がリストに含まれる確率Ｐを求める。確率Ｐが、あ
るしきい値Ｐｔｈより小さいならば、候補から次に有力
な候補をリストに追加して、確率Ｐを求めなおして繰り
返す。選び出されたリストの中の候補の数（リストの長
さ）が１個ならば、この文字列コードだけを出力する。
リストの中の候補の数があるしきい値の個数Ｎｔｈより
少ないなら、候補が複数個あることを示す識別コードと
共に出力候補の文字コードを出力する。出力候補の数が
Ｎｔｈを越えていたならば、出力候補の文字コードの代
わりに、全ての文字が候補であることを示す識別コー
ド、すなわち、候補多数を示す識別コードを出力する。
【００２２】識別コードの具体的な例としては、正規表
現に準拠した記述が考えられる。例えば、候補とし
て｛”Ｂ”、”Ｅ”、”３”｝を列挙する表現は、”
［ＢＥ３］”となり、認識不可の表現は、”．”とな
る。ＮＥＣというパタンを認識した結果、Ｎをはっきり
認識し、Ｅの候補が｛”Ｂ”、”Ｅ”、”３”｝で、Ｃ
が候補多数であった場合、正規表現で記述すると、”Ｎ
［ＢＥ３］＊”となる。
現に準拠した記述が考えられる。例えば、候補とし
て｛”Ｂ”、”Ｅ”、”３”｝を列挙する表現は、”
［ＢＥ３］”となり、認識不可の表現は、”．”とな
る。ＮＥＣというパタンを認識した結果、Ｎをはっきり
認識し、Ｅの候補が｛”Ｂ”、”Ｅ”、”３”｝で、Ｃ
が候補多数であった場合、正規表現で記述すると、”Ｎ
［ＢＥ３］＊”となる。
【００２３】文書認識データ蓄積手段２０は、評価手段
１９が出力する文字コードと識別コードからなるコード
列を文字認識データとして蓄積する。
１９が出力する文字コードと識別コードからなるコード
列を文字認識データとして蓄積する。
【００２４】文字列検索手段２１は、キーボード２４な
どの入力手段から入力した検索対象キーワードと文書認
識データ蓄積手段２０から読み出した文書認識データと
を比較照合し、検索対象キーワードを含む文書認識デー
タを検索する。
どの入力手段から入力した検索対象キーワードと文書認
識データ蓄積手段２０から読み出した文書認識データと
を比較照合し、検索対象キーワードを含む文書認識デー
タを検索する。
【００２５】この文字列照合の例として図４に示したも
のは、文書認識データのテキストとキーワードを１文字
１文字比較して、キーワードの文字列とテキストが全て
の文字で一致している場合、キーワードの一致が成立し
たと判断するものである。ただし、候補複数を示す識別
コードがあった場合は、該当するキーワードの文字がこ
こに列挙された候補に含まれてたならば、この文字は一
致しているとみなす。また、候補多数を示す識別コード
があった場合は、該当するキーワードの文字が何であっ
ても、この文字は一致しているとみなす。
のは、文書認識データのテキストとキーワードを１文字
１文字比較して、キーワードの文字列とテキストが全て
の文字で一致している場合、キーワードの一致が成立し
たと判断するものである。ただし、候補複数を示す識別
コードがあった場合は、該当するキーワードの文字がこ
こに列挙された候補に含まれてたならば、この文字は一
致しているとみなす。また、候補多数を示す識別コード
があった場合は、該当するキーワードの文字が何であっ
ても、この文字は一致しているとみなす。
【００２６】検索結果を知らせるために、上記の検索文
字列が含まれる文書認識データ、あるいは、この文書認
識データに対応する文書画像データをディスプレイ２２
から表示する。
字列が含まれる文書認識データ、あるいは、この文書認
識データに対応する文書画像データをディスプレイ２２
から表示する。
【００２７】文書認識データ修正手段２３は、文書認識
データをディスプレイ２２に表示し、複数の候補が列挙
されている箇所については、ユーザーにキーボード２４
から正しいものを選択される。また、候補が特定されな
かった箇所についは、正しい文字コードをキーボード２
４から入力させる。
データをディスプレイ２２に表示し、複数の候補が列挙
されている箇所については、ユーザーにキーボード２４
から正しいものを選択される。また、候補が特定されな
かった箇所についは、正しい文字コードをキーボード２
４から入力させる。
【００２８】
【発明の効果】以上の実施例によれば、第１に、文字パ
タンの認識時に１つの候補だけでは確からしさを保証で
きない箇所は、確からしさの推定値が十分になるように
複数の文字を候補にしたり、全ての文字を候補として指
定するため、認識結果のテキストデータの大きさを過大
にすることを防ぐことができる。
タンの認識時に１つの候補だけでは確からしさを保証で
きない箇所は、確からしさの推定値が十分になるように
複数の文字を候補にしたり、全ての文字を候補として指
定するため、認識結果のテキストデータの大きさを過大
にすることを防ぐことができる。
【００２９】第２に、認識文字毎の認識の確からしさに
応じて候補を列挙するため、検索漏れと過検索の低減を
両立することができる。
応じて候補を列挙するため、検索漏れと過検索の低減を
両立することができる。
【００３０】第３に、文書画像に部分的なノイズや異フ
ォントが含まれる場合など、誤認識の傾向が異なるとき
でも、個別に誤認識の傾向を示すデータ等を用意しなく
ても検索できる。
ォントが含まれる場合など、誤認識の傾向が異なるとき
でも、個別に誤認識の傾向を示すデータ等を用意しなく
ても検索できる。
【００３１】第４、に修正作業を後から行うことができ
るため、検索前の修正作業の手間と時間を省くことがで
きる。
るため、検索前の修正作業の手間と時間を省くことがで
きる。
【００３２】第５に、これらの修正作業を形態素解析な
どを行って、候補となる文字を選択した場合、この単語
が辞書に含まれるかどうかによって候補を選択するよう
な処理を行う場合も、これらの処理は処理装置に余裕が
できるまで後回しできる。
どを行って、候補となる文字を選択した場合、この単語
が辞書に含まれるかどうかによって候補を選択するよう
な処理を行う場合も、これらの処理は処理装置に余裕が
できるまで後回しできる。
【００３３】第６に、認識結果内に複数の候補を記述す
る際の仕様が統一されてさえいれば、文字認識手段は異
なっていてもかまわないため、英文や手書き文など文書
ごとの特性に応じた異なる文字認識手段が作成した認識
結果も同一の検索手段で検索することができる。
る際の仕様が統一されてさえいれば、文字認識手段は異
なっていてもかまわないため、英文や手書き文など文書
ごとの特性に応じた異なる文字認識手段が作成した認識
結果も同一の検索手段で検索することができる。
【００３４】第７に、将来、より高性能な文書認識手段
に切り替えた場合でも、それまでに蓄積した文書認識デ
ータを継続して利用することができる。
に切り替えた場合でも、それまでに蓄積した文書認識デ
ータを継続して利用することができる。
【図１】この発明の構成を示すブロック図である。
【図２】この発明の実施例を示すブロック図である。
【図３】確からしさの評価手段の実施例の動作を示すフ
ローチャートである。
ローチャートである。
【図４】文字列検索の動作例を示す図である。
【図５】従来技術を示すブロック図である。
１６ スキャナ １７ 文書画像データ蓄積手段 １８ 文字認識手段 １９ 確からしさの評価手段 ２０ 文書認識データ蓄積手段 ２１ 文字列検索手段 ２３ 修正手段
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/403 ３５０Ｃ
Claims (3)
- 【請求項１】文書画像データを文字認識して得られた文
書認識データ群から、任意の検索キーワードを含む文書
認識データを検索する情報検索装置において、 入力された文書画像データを蓄積する文書画像データ蓄
積手段と、 文書画像データに含まれる文字部分の文字パターンを認
識し、候補となる文字コードを選択し、文字コードの確
からしさの推定値を求める文字認識手段と、文字コードの確からしさの推定値の和が、複数の文字コ
ードを格納する文字コードリスト中に正確な文字が含ま
れるように定めた所定の確率を越えるまで、前記推定値
の高い順に候補となる文字コードを前記文字コードリス
トに追加し、前記文字コードリストの中の候補となる文
字コードの数が１つの場合は、先頭の候補となる文字コ
ードを選択し、前記リスト中の文字コードの数が定めら
れたしきい値以内の場合は、候補となる文字コードが複
数あることを示す認識コードをともなう先頭の候補とな
る文字コードを含む複数の候補となる文字コードを選択
し、前記リスト中の文字コードの数が定められたしきい
値を越えた場合は、候補となる文字コードが多数あるこ
とを示す識別コードを選択する 確からしさの評価手段
と、 これら選択されたコードを文書認識データとして蓄積す
る文書認識データ蓄積手段と、 入力手段から入力した任意のキーワードを前記文書認識
データ蓄積手段から検索する検索手段を備えることを特
徴とする情報検索装置。 - 【請求項２】前記文書認識データ蓄積手段の文書認識デ
ータの中の複数の候補となる文字コードから正しい文字
コードの選択や、前記文字コードが多数あることを示す
識別コードに正しい文字コードを入力する修正手段を備
えることを特徴とする請求項１記載の情報検索装置。 - 【請求項３】文書画像データを文字認識して得られた文
書認識データ群から、任意の検索キーワードを含む文書
認識データを検索する情報検索方法において、 入力された文書画像データを蓄積する文書画像データ蓄
積ステップと 、文書画像データに含まれる文字部分の文字パターンを認
識し、候補となる文字コードを選択し、文字コードの確
からしさの推定値を求める文字認識ステップと、 文字コードの確からしさの推定値の和が、複数の文字コ
ードを格納する文字コードリスト中に正確な文字が含ま
れるように定めた所定の確率を越えるまで、推定値の高
い順に候補となる文字コードを前記文字コードリストに
追加し、前記文字コードリストの中の候補となる文字コ
ードの数が１つの場合は、先頭の候補となる文字コード
を選択し、前記リスト中の文字コードの数が定められた
しきい値以内の場合は、候補となる文字コードが複数あ
ることを示す認識コードをともなう先頭の候補となる文
字コードを含む複数の候補となる文字コードを選択し、
前記リスト中の文字コードの数が定められたしきい値を
越えた場合は、候補となる文字コードが多数あることを
示す識別コードを選択する確からしさの評価ステップ
と、 これら選択されたコードを文書認識データとして蓄積す
る文章認識データ蓄積ステップと、 入力した任意のキーワードを、蓄積された文書認識デー
タから検索する検索ステップを備えることを特徴とする
情報検索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5008734A JP2586372B2 (ja) | 1993-01-22 | 1993-01-22 | 情報検索装置及び情報検索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5008734A JP2586372B2 (ja) | 1993-01-22 | 1993-01-22 | 情報検索装置及び情報検索方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06223121A JPH06223121A (ja) | 1994-08-12 |
| JP2586372B2 true JP2586372B2 (ja) | 1997-02-26 |
Family
ID=11701187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5008734A Expired - Lifetime JP2586372B2 (ja) | 1993-01-22 | 1993-01-22 | 情報検索装置及び情報検索方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2586372B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7305382B2 (en) | 2003-01-22 | 2007-12-04 | Canon Kabushiki Kaisha | Information searching apparatus and method, information searching program, and storage medium storing the information searching program |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11265391A (ja) * | 1998-03-17 | 1999-09-28 | Nippon Telegr & Teleph Corp <Ntt> | 情報検索装置 |
| JP3803219B2 (ja) * | 1999-12-14 | 2006-08-02 | 三菱電機株式会社 | 全文検索装置及び全文検索方法 |
| JP2009230658A (ja) * | 2008-03-25 | 2009-10-08 | Mitsubishi Electric Corp | 文字検索システム |
| JP7279382B2 (ja) * | 2019-01-31 | 2023-05-23 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及び情報処理プログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0282380A (ja) * | 1988-09-19 | 1990-03-22 | Sanyo Electric Co Ltd | 文字認識方法 |
| JPH0350692A (ja) * | 1989-07-18 | 1991-03-05 | Seiko Epson Corp | 文字認識装置 |
| JPH03160580A (ja) * | 1989-11-20 | 1991-07-10 | Fujitsu Ltd | 文字認識システムにおける文字修正方法 |
-
1993
- 1993-01-22 JP JP5008734A patent/JP2586372B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7305382B2 (en) | 2003-01-22 | 2007-12-04 | Canon Kabushiki Kaisha | Information searching apparatus and method, information searching program, and storage medium storing the information searching program |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06223121A (ja) | 1994-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6917709B2 (en) | Automated search on cursive records not having an ASCII index | |
| JP3689455B2 (ja) | 情報処理方法及び装置 | |
| KR100339446B1 (ko) | 주소 인식 장치 및 주소 인식 방법 | |
| US9104700B1 (en) | Method and system for searching for information on a network in response to an image query sent by a user from a mobile communications device | |
| JP2014182477A (ja) | プログラム及び帳票処理装置 | |
| EA003619B1 (ru) | Система и способ поиска электронных документов, созданных с помощью оптического распознавания знаков | |
| JPH087033A (ja) | 情報処理方法及び装置 | |
| JP4991407B2 (ja) | 情報処理装置、その制御プログラムおよび該制御プログラムを記録したコンピュータ読み取り可能な記録媒体、ならびに制御方法 | |
| EP2372584A1 (en) | Local item extraction | |
| JPH11328317A (ja) | 日本語文字認識誤り訂正方法及び装置、並びに、誤り訂正プログラムを記録した記録媒体 | |
| US5909509A (en) | Statistical-based recognition of similar characters | |
| US20060045340A1 (en) | Character recognition apparatus and character recognition method | |
| JP3917349B2 (ja) | 文字認識結果を利用して情報を検索する検索装置および方法 | |
| US11755659B2 (en) | Document search device, document search program, and document search method | |
| US20220019581A1 (en) | Document retrieval apparatus, document retrieval system, document retrieval program, and document retrieval method | |
| JP2586372B2 (ja) | 情報検索装置及び情報検索方法 | |
| JP2001175661A (ja) | 全文検索装置及び全文検索方法 | |
| WO2000036530A1 (en) | Searching method, searching device, and recorded medium | |
| JP3975825B2 (ja) | 文字認識誤り訂正方法、装置及びプログラム | |
| US12406512B2 (en) | Information processing apparatus, information processing method, computer program product, and recording medium | |
| CN1896997B (zh) | 字符串检索装置 | |
| JPH11232296A (ja) | 文書ファイリングシステムおよび文書ファイリング方法 | |
| Lu et al. | Word searching in document images using word portion matching | |
| JP4677750B2 (ja) | 文書属性取得方法および装置並びにプログラムを記録した記録媒体 | |
| CN110457695B (zh) | 一种在线文字纠错方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19961008 |