JP5387378B2 - 文字同定装置及び文字同定方法 - Google Patents

Description

本発明は、文字同定装置及び文字同定方法に関する。

例えば、市町村合併等に伴うコンピュータシステムの統合においては、複数のコンピュータシステムが別々に処理していた文字を、新たなコンピュータシステムにおいて統一して処理する必要が生じる。この場合、新たなコンピュータシステムの設計段階において、異なる複数の文字を１つの文字に統合する同定作業が必要となる。同定作業とは、オペレータが、複数の文字を目視で確認して、当該複数の文字を同一の文字として扱ってよいかどうか判断する作業である。

例えば、ＪＩＳに定められていない文字同士、換言すれば、外字同士についての同定作業が必要である。また、外字とＪＩＳに定められた文字とについての同定作業が必要である。このような外字は、例えば人名や地名に多く使用される。

このような同定作業は、例えば、同定作業の対象である文字の一覧を印刷して、全ての文字を目視で確認しながら、同定する文字を探すことにより行われる。この際、当該印刷された文字をＯＣＲにより認識する活字ＯＣＲ技術を使用して、同定を効率化することが行われる。

なお、光学的文字読取装置において、文字イメージをｎ×ｎのブロックに分割した後、各ブロックの特徴ベクトルを抽出し、この特徴ブロックを辞書に照らし合わせて、候補文字群を検索し、候補文字が部首に分割できるか否かを判定し、候補文字が部首に分割可能であると判定された場合に前記文字イメージを複数の部首部分に分割し、各部首に対応するイメージ部分を処理することによって各部首部分の候補文字を検索し、各部首の候補文字を部首に持つ漢字群を検索することが提案されている。

また、文字認識システムにおいて、認識結果中のリジェクト文字または誤認文字の修正時に、リジェクト文字または誤認文字のパターンの特徴量と、このリジェクト文字または誤認文字の正解文字に対応する認識辞書内の特徴量との合成によって新しい特徴量を生成し、この新しい特徴量を認識辞書内の特徴量と入れ替えるか、または認識辞書に追加することが提案されている。

特開平４−２０５０７８号公報 特開平２−１８６４８４号公報

印刷された文字の一覧を目視で確認する場合において、同定作業の対象である外字が数千文字も存在する場合には、非常に煩雑な作業となる。同様に、統合されるコンピュータシステムが２以上である場合は、極めて煩雑で困難な作業となる。

また、活字ＯＣＲ技術を使用する場合でも、文字全体の認識で候補文字を抽出するため、候補文字の精度が低く、ある程度参考にできる資料が得られるに過ぎない。換言すれば、適切な候補文字が得られない場合、結局、オペレータによる文字の一覧の目視による確認も併用しなければならず、また、その比重が大きい。

本発明は、同定の候補文字を高い精度で得ることができる文字同定装置を提供することを目的とする。

開示される文字同定装置は、文字認識格納部と、字形要素格納部と、外字格納部と、外字字形要素格納部と、候補文字リスト生成部と、ＯＣＲ認識部とを備える。文字認識格納部は、文字のドットパターンを格納する。字形要素格納部は、文字認識格納部に格納された文字について、部首の配置を示す配置パターンと、部首を表す部首文字コードを含む部首の字形要素情報と、部首以外の部分を表す部分文字コードを含む部分の字形要素情報とを格納する。外字格納部は、予め定められた文字を表す文字コードにより表される規格化された文字に含まれない文字である外字のドットパターンを格納する。外字字形要素格納部は、外字格納部に格納された外字について、部首の配置を示す配置パターンと、部首を表す部首文字コードを含む部首の字形要素情報と、部首以外の部分を表す部分文字コードを含む部分の字形要素情報とを格納する。ＯＣＲ認識部は、外字格納部から選択した処理対象である外字について、外字格納部に格納された外字のドットパターンと文字認識格納部に格納された文字のドットパターンとに基づいて、文字認識格納部に格納された文字から、処理対象である外字を同定する第１の候補文字を抽出する。候補文字リスト生成部は、処理対象である外字について、字形要素格納部に格納された文字についての部首の字形要素情報と、外字字形要素格納部に格納された外字についての部首の字形要素情報とに基づいて、字形要素格納部に格納された文字から、処理対象である外字を同定する第２の候補文字を抽出し、処理対象である外字について、字形要素格納部に格納された文字についての部分の字形要素情報と、外字字形要素格納部に格納された外字についての部分の字形要素情報とに基づいて、字形要素格納部に格納された文字から、処理対象である外字を同定する第３の候補文字を抽出する。

開示される文字同定装置によれば、同定作業の対象である外字が多数存在する場合であっても、同定の候補文字を高い精度で得ることができ、同定を行うオペレータの負担を軽減し、複数のコンピュータシステムを統合した新たなコンピュータシステムを構築する期間を短縮することができる。

文字同定装置の構成の一例を示す図である。 外字ファイル及び外字字形要素格納ファイルの一例を示す図である。 文字認識辞書及び字形要素辞書の一例を示す図である。 文字同定の一例を示す図である。 文字同定の一例を示す図である。 文字同定の一例を示す図である。 文字同定の一例を示す図である。 文字同定の一例を示す図である。 文字同定の一例を示す図である。 文字同定の処理フローを示す図である。 １文字同定の処理フローを示す図である。 １文字同定の処理フローを示す図である。 候補文字リスト生成の処理フローを示す図である。 候補文字学習の処理フローを示す図である。

図１は、文字同定装置１の構成の一例を示す図である。

文字同定装置１は、外字ファイル２、外字字形要素格納ファイル３、文字コード変換定義リスト４、表示部５、キーボード６を備える。また、文字同定装置１は、同定処理部１１、文字認識辞書１２、ＯＣＲ候補文字リスト１３、字形要素辞書１４、部首候補文字リスト１５、部分候補文字リスト１６、表示用候補文字リスト１７、同定元／同定先文字対応関係リスト１８を備える。同定処理部１１は、ＯＣＲ認識部１１１、候補文字リスト生成部１１２、表示用候補文字リスト生成部１１３、文字情報学習部１１４を備える。

文字同定装置１において、外字ファイル２及び外字字形要素格納ファイル３は、処理対象である外字（漢字）のデータを格納する外字データセットである。処理対象の文字は、外字以外の文字であっても良い。外字ファイル２及び外字字形要素格納ファイル３は、予め用意される。外字ファイル２と外字字形要素格納ファイル３とは、後述するように、相互に対応するデータを格納する。

外字ファイル２は、外字毎に、外字のドットパターンを格納する。外字は、予め定められた文字を表す文字コードにより表される規格化された文字に含まれない文字である。文字コードは、文字や記号をコンピュータで扱うために、文字や記号毎に一意に割り当てられた固有の数字である。文字コードは、例えばＪＩＳコードである。外字は、例えばＪＩＳコードにより表されない文字である。ドットパターンは、文字の表示領域におけるピクセル毎に白（＝０）又は黒（＝１）の値を与えることにより、黒のパターンにより当該文字を表現したデータである。

外字字形要素格納ファイル３は、外字ファイル２に格納された外字について、配置パターンと、部首の字形要素情報と、部首以外の部分の字形要素情報とを格納する。配置パターンは、部首の配置を示す。部首の字形要素情報は、部首を表す部首文字コードを含む。部首以外の部分の字形要素情報は、部首以外の部分を表す部分文字コードを含む。

ここで、文字の字形要素は、部首と、部首以外の構成部分（以下、単に「部分」という）である。字形は、文字全体の形状、部首の形状、部首以外の構成部分の形状である。部首は、文字（換言すれば、漢字）を構成する字形要素の一つである偏旁（へんぼう）を、漢字を分類する際の基準として定めたものである。偏旁は、漢字の字体を構成する要素の一つで、左右上下内外の部分に分解できる要素である。部首は、漢字配列の目安となる漢字の各部の共通部分であり、例えば、偏（へん）、旁(つくり)、冠（かんむり）等がある。部分は、部首以外の文字の構成要素であり、文字から当該文字の部首を除いた部分である。部首は、部首文字コードにより一意に特定される。部分は、部分文字コードにより一意に特定される。

また、配置パターンは、部首の配置される位置を示す。偏旁、換言すれば、部首は、配置される位置によって、例えば、以下のように配置パターンを示す識別番号が割当てられる。

配置パターン「１」は、「へん」を表す。「へん」は、右と左とに分けられる漢字の左側に位置する。配置パターン「２」は、「つくり」を表す。「つくり」は、右と左とに分けられる漢字の右側に位置する。配置パターン「３」は、「かんむり」を表す。「かんむり」は、上と下とに分けられる漢字の上側に位置する。配置パターン「４」は、「あし」を表す。「あし」は、上と下とに分けられる漢字の下側に位置する。配置パターン「５」は、「たれ」を表す。「たれ」は、上から左下側にたれさがっている形に位置する。配置パターン「６」は、「にょう」を表す。「にょう」は、左から下側に「へん」と「あし」をあわせたような形に位置する。配置パターン「７」は、「かまえ」を表す。「かまえ」は、外側に囲むように位置する。

文字同定装置１において、文字認識辞書１２及び字形要素辞書１４は、処理対象である外字を同定する文字（漢字）のデータを格納する文字データセットである。文字認識辞書１２及び字形要素辞書１４は、予め用意される。字形要素辞書１４は、後述するように、学習処理により更新される。文字認識辞書１２と字形要素辞書１４とは、後述するように、相互に対応するデータを格納する。

文字認識辞書１２は、文字のドットパターンを格納する。文字認識辞書１２に格納された文字は、規格化された文字、換言すれば、ＪＩＳコードで表される文字である。なお、文字認識辞書１２に格納された文字が、規格化された文字及び外字を含むようにしても良い。

字形要素辞書１４は、文字認識辞書１２に格納された文字について、配置パターンと、部首の字形要素情報と、部分の字形要素情報とを格納する。配置パターンは、前述したように、部首の配置を示す。部首の字形要素情報は、前述したように、部首を表す部首文字コードを含む。部分の字形要素情報は、前述したように、部首以外の部分を表す部分文字コードを含む。

ＯＣＲ認識部１１１は、外字ファイル２から、外字を読み出して、処理対象とする。ＯＣＲ認識部１１１は、外字ファイル２から選択した処理対象である外字について、処理対象である外字を同定する第１の候補文字を抽出する。第１の候補文字は、外字ファイル２に格納された外字のドットパターンと文字認識辞書１２に格納された文字のドットパターンとに基づいて、文字認識辞書１２に格納された文字から抽出される。

具体的には、ＯＣＲ認識部１１１は、処理対象である外字のドットパターンと、文字認識辞書１２に格納された文字のドットパターンとについて、ＯＣＲ処理を行う。これにより、ＯＣＲ認識部１１１は、文字認識辞書１２に格納された文字のドットパターンの中から、処理対象である外字のドットパターンと、文字の全体として類似しているものを抽出する。

ＯＣＲ認識部１１１は、抽出したドットパターンの文字を、処理対象である外字を同定する第１の候補文字とする。第１の候補文字は、１又は複数抽出される。ＯＣＲ認識部１１１は、第１の候補文字をＯＣＲ候補文字リスト１３に格納する。これにより、処理対象である外字について、ＯＣＲ候補文字リスト１３が生成される。ＯＣＲ認識部１１１は、ＯＣＲ候補文字リスト１３の生成を、表示用候補文字リスト生成部１１３に通知する。

ＯＣＲ認識部１１１は、処理対象である外字を、候補文字リスト生成部１１２に通知する。これに応じて、候補文字リスト生成部１１２は、外字字形要素格納ファイル３を参照して、処理対象である外字について、外字字形要素格納ファイル３に格納された、当該外字についての部首の字形要素情報と部分の字形要素情報とを読み出す。

候補文字リスト生成部１１２は、処理対象である外字について、処理対象である外字を同定する第２の候補文字を抽出する。第２の候補文字は、字形要素辞書１４に格納された文字についての部首の字形要素情報と、外字字形要素格納ファイル３に格納された外字についての部首の字形要素情報とに基づいて、字形要素辞書１４に格納された文字から抽出される。

具体的には、候補文字リスト生成部１１２は、処理対象である外字についての部首の字形要素情報における部首文字コードを、字形要素辞書１４に格納された文字についての部首の字形要素情報における部首文字コードと比較する。これにより、候補文字リスト生成部１１２は、字形要素辞書１４に格納された文字の中から、処理対象である外字の部首文字コードと同一の部首文字コードを持つ文字を抽出する。

候補文字リスト生成部１１２は、抽出した文字を、処理対象である外字を同定する第２の候補文字とする。第２の候補文字は、１又は複数抽出される。候補文字リスト生成部１１２は、第２の候補文字を部首候補文字リスト１５に格納する。これにより、処理対象である外字について、部首候補文字リスト１５が生成される。候補文字リスト生成部１１２は、部首候補文字リスト１５の生成を、表示用候補文字リスト生成部１１３に通知する。

また、候補文字リスト生成部１１２は、処理対象である外字について、処理対象である外字を同定する第３の候補文字を抽出する。第３の候補文字は、字形要素辞書１４に格納された文字についての部分の字形要素情報と、外字字形要素格納ファイル３に格納された外字についての部分の字形要素情報とに基づいて、字形要素辞書１４に格納された文字から抽出される。

具体的には、候補文字リスト生成部１１２は、処理対象である外字についての部分の字形要素情報における部分文字コードを、字形要素辞書１４に格納された文字についての部分の字形要素情報における部分文字コードと比較する。これにより、候補文字リスト生成部１１２は、字形要素辞書１４に格納された文字の中から、処理対象である外字の部分文字コードと同一の部分文字コードを持つ文字を抽出する。

候補文字リスト生成部１１２は、抽出した文字を、処理対象である外字を同定する第３の候補文字とする。第３の候補文字は、１又は複数抽出される。候補文字リスト生成部１１２は、第３の候補文字を部分候補文字リスト１６に格納する。これにより、処理対象である外字について、部首候補文字リスト１６が生成される。候補文字リスト生成部１１２は、部首候補文字リスト１６の生成を、表示用候補文字リスト生成部１１３に通知する。

表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６の生成が通知されると、これらを参照する。この参照結果に基づいて、表示用候補文字リスト生成部１１３は、第１の候補文字乃至第３の候補文字の各々に共通する文字が存在する場合には、これを文字情報学習部１１４に通知する。

第１の候補文字乃至第３の候補文字の各々に共通する文字が存在しない場合には、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に基づいて、表示用候補文字リスト１７を生成する。表示用候補文字リスト１７は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６をマージすることにより生成される。表示用候補文字リスト生成部１１３は、表示用候補文字リスト１７を表示部５に表示させる。表示部５は、第１の候補文字乃至第３の候補文字を表示する。表示部５は、これに代えて、表示用候補文字リスト１７を出力することができる出力部であれば良い。

ここで、表示用候補文字リスト生成部１１３は、第１の候補文字乃至第３の候補文字において、候補文字が重複して含まれる程度に応じて、優先順位を付する。例えば、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６のいずれか２つに重複して存在する文字は、それ以外の文字より高い優先順位とされる。それ以外の文字とは、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６のいずれか１つにしか存在しない文字である。優先順位の相違は、例えば表示の色の相違、表示の文字の太さ等により表される。

これにより、表示部５に表示された表示用候補文字リスト１７を見たオペレータは、処理対象の文字を同定する文字を容易に選択することができる。例えば、オペレータの入力に応じて、入力装置であるキーボード６は、表示部５に表示された候補文字を指定する選択入力を、文字情報学習部１１４に入力する。

なお、第１の候補文字乃至第３の候補文字の各々に共通する文字が存在する場合であっても、表示用候補文字リスト１７を生成して表示するようにしても良い。この場合、共通する文字の優先順位は、最も高いものとされる。

文字情報学習部１１４は、第１の候補文字乃至第３の候補文字の中から、処理対象である外字を同定する文字である同定先文字を決定する。従って、処理対象である外字は、他の文字と同一とされる、換言すれば、他の文字に同定される同定元文字である。第１の候補文字乃至第３の候補文字は、他の文字を同定される可能性のある、換言すれば、同定先文字となる可能性のある文字である。

具体的には、文字情報学習部１１４は、前述したように、表示用候補文字リスト生成部１１３からの通知に応じて、第１の候補文字乃至第３の候補文字の各々に共通する文字が存在する場合に、当該共通する文字を、同定先文字として決定する。また、文字情報学習部１１４は、キーボード６から入力された表示部５に表示された候補文字を指定する選択入力に基づいて、同定先文字を決定する。これは、第１の候補文字乃至第３の候補文字の各々に共通する文字が存在しない場合である。

文字情報学習部１１４は、処理対象である外字を同定元文字とし、同定元文字と同定先文字とを対応付ける文字対応関係リスト１８を生成して、これを文字コード変換定義リスト４として出力する。文字対応関係リスト１８又は文字コード変換定義リスト４は、例えば、同定元文字である外字又は外字コードと、同定先文字である文字又はＪＩＳコードとを対応付けるリストである。

また、文字情報学習部１１４は、処理対象である外字を同定元文字とし、同定元文字についての部首の字形要素情報又は部分の字形要素情報を、同定先文字についての学習要素情報として、同定先文字についての部首の字形要素情報又は部分の字形要素情報に追加する。この結果、候補文字リスト生成部１１２は、追加された部首の学習要素情報及び部分の学習要素情報に基づいて、第２の候補文字及び第３の候補文字を抽出する。これにより、一旦同定先文字に同定された同定元文字について再度同定処理が実行された場合には、一旦同定先文字に同定された同定元文字は、実際には、候補文字として認識される。

図２は、外字ファイル２及び外字字形要素格納ファイル３の一例を示す図である。

外字ファイル２は、文字データ２１と、文字データ２１に対応するドットパターン２２とを含む。文字データ２１及びドットパターン２２は、外字ファイル２に含まれる外字の各々について設けられる。

文字データ２１は、同定元文字と、同定元文字の格納先アドレスとを含む。同定元文字は、ある文字に同定される文字であり、例えば外字である。同定元文字は、例えば、同定元文字である外字を一意に定める識別情報（外字コード）により表すようにしても良い。格納先アドレスは、同定元文字のドットパターン２２が格納されるアドレスである。ドットパターン２２は、同定元文字をドットの集合により表したパターンである。

なお、文字「鉱」は、本来はＪＩＳコードで規格化された文字であって外字ではないが、この明細書では、説明のために、規格化された文字の一例及び外字の一例として用いるものとする。換言すれば、「鉱」は、規格化された文字「鉱」、又は、外字「鉱」として用いられる。

外字字形要素格納ファイル３は、複数の外字字形要素情報３１Ａ〜３１Ｄを含む。外字字形要素情報３１Ａ〜３１Ｄは、外字ファイル２に含まれる外字の各々について設けられる。外字字形要素情報３１Ａ〜３１Ｄは、同定元文字と、同定元文字の部首の配置を示す配置パターンと、同定元文字の部首を表す部首文字コードを含む部首の字形要素情報と、同定元文字の部分を表す部分文字コードを含む部分の字形要素情報とを含む。同定元文字は、例えば、同定元文字である外字を一意に定める識別情報（外字コード）により表すようにしても良い。外字ファイル２と外字字形要素格納ファイル３とは、同一の同定元文字を含むことにより、対応付けられる。なお、図２において、配置パターンを「配置」と表し、部首文字コードを「部首」と表し、部分文字コードを「部分」と表す。

例えば、外字字形要素情報３１Ａは、同定元文字「鉱」について、配置パターン「１」、部首文字コード［金］、部分文字コード［広］を格納する。なお、この明細書において、例えば、部首「金」の部首文字コードを［金］と表し、部分「広」の部分文字コードを［広］と表すものとする。

図３は、文字認識辞書１２及び字形要素辞書１４の一例を示す図である。

文字認識辞書１２は、文字データ１２１と、文字データ１２１に対応するドットパターン１２２とを含む。文字データ１２１及びドットパターン１２２は、文字認識辞書１２に含まれる文字の各々について設けられる。文字認識辞書１２に含まれる文字は、これに他の文字を同定したい文字（同定先文字）であり、従って、後述するように、同定先文字の候補文字となる。文字認識辞書１２に含まれる文字は、例えば、ＪＩＳコードのように、予め定められた文字を表す文字コードにより表される文字、換言すれば、規格化された文字である。

なお、文字認識辞書１２に含まれる文字は、規格化された文字でない文字、換言すれば、外字であっても良い。従って、文字認識辞書１２に含まれる文字は、少なくとも規格化された文字を含み、これに加えて、外字を含むようにしても良い。

文字データ１２１は、同定先文字と、同定先文字の格納先アドレスとを含む。同定先文字は、これに他の文字が同定される文字であり、例えば規格化された文字である。同定先文字は、例えば、同定先文字を一意に定める識別情報（文字コード）により表すようにしても良い。格納先アドレスは、同定先文字のドットパターン１２２が格納されるアドレスである。ドットパターン１２２は、同定先文字をドットの集合により表したパターンである。

字形要素辞書１４は、複数の字形要素構造体１４１を含む。字形要素構造体１４１は、文字認識辞書１２に含まれる文字の各々について設けられる。字形要素構造体１４１は、同定先文字と、学習文字数と、同定先文字の部首の配置を示す配置パターンと、同定先文字の部首を表す部首文字コードを含む部首の字形要素情報と、同定先文字の部分を表す部分文字コードを含む部分の字形要素情報とを含む。同定先文字は、例えば、同定先文字を一意に定める識別情報（文字コード）により表すようにしても良い。文字認識辞書１２と字形要素辞書１４とは、同一の同定先文字を含むことにより、対応付けられる。なお、図３において、配置パターンを「配置」と表し、部首文字コードを「部首」と表し、部分文字コードを「部分」と表す。

実際には、字形要素構造体１４１は、図３に示すように、部首の行と、部分の行とを含む。部首の行は、部首について、学習文字数と、配置パターンと、複数の部首文字コードとを含む。部首についての学習文字数は、部首の行に含まれる部首文字コードの数である。部分の行は、部分について、学習文字数と、配置パターンと、複数の部分文字コードとを含む。部分についての学習文字数は、部分の行に含まれる部分文字コードの数である。配置パターンは、同一の字形要素構造体１４１においては、全て同一の値となる。

複数の部首文字コード及び配置パターンは、部首の行において、学習要素の配列である配列［０］、配列［１］・・・に先頭から順に格納される。複数の部首文字コード及び配置パターンが格納されていない配列は、「ＮＵＬＬ（空）」とされる。部分文字コード及び配置パターンは、部分の行において、学習要素の配列である配列［０］、配列［１］・・・に先頭から順に格納される。部分文字コード及び配置パターンが格納されていない配列は、「ＮＵＬＬ（空）」とされる。

例えば、字形要素構造体１４１は、同定先文字「鉱」の部首「金」について、学習文字数「１」を格納し、配列［０］に配置パターン「１」及び部首文字コード［金］を格納する。また、字形要素構造体１４１は、同定先文字「鉱」の部分「広」について、学習文字数「１」を格納し、配列［０］に配置パターン「１」及び部分文字コード［広］を格納する。

ここで、配列［０］に格納される配置パターン及び部首文字コードは、字形要素構造体１４１に格納された同定先文字の本来の（デフォルトの）部首の配置パターン及び部首文字コードを表す。また、配列［０］に格納される配置パターン及び部分文字コードは、字形要素構造体１４１に格納された同定先文字の本来の（デフォルトの）部分の配置パターン及び部分文字コードを表す。換言すれば、配列［０］に格納される配置パターン、部首文字コード及び部分文字コードは、字形要素構造体１４１に格納された同定先文字のデフォルト値であり、予め格納される。

これに対して、配列［１］以降に格納される配置パターン及び部首文字コードは、文字の同定処理に基づく学習処理により獲得される。また、配列［１］以降に格納される配置パターン及び部分文字コードは、文字の同定処理に基づく学習処理により獲得される。換言すれば、配列［１］以降に格納される配置パターン、部首文字コード及び部分文字コードは、字形要素構造体１４１に格納された同定先文字に同定された同定元文字を表す値であり、学習処理の結果として付加的に格納される。

図４は、文字同定の一例を示す図である。

図４に示す例において、前述したように、文字「鉱」は、ＪＩＳコードにより規格化された文字であり、かつ、外字でもあるものとする。この場合、第１の同定文字である外字「鉱」は、ＪＩＳコードにより規格化された文字「鉱」の異字体であるものとする。異字体とは、綴りは同一であるが、フォント（ドットパターン）の異なるものを言う。また、第２〜第４の同定元文字は、ＪＩＳコードにより規格化された文字ではなく、外字であるものとする。図４の例を用いて、以下の図５〜図９について説明する。

例えば、第１の同定元文字（外字「鉱」）は、部首「金」と部分「広」とにより構成される外字である。この場合、「ドットパターン」が類似しているので、文字「鉱」が、第１の候補文字として抽出されて、ＯＣＲ候補文字リスト１３に含まれる。「ドットパターン」の類似については後述する。また、「部首」が一致しているので、文字「鉱」が、第２の候補文字として抽出されて、部首候補文字リスト１５に含まれる。また、「部分」が一致しているので、文字「鉱」が、第３の候補文字として抽出されて、部分候補文字リスト１６に含まれる。この結果、文字「鉱」が第１の候補文字〜第３の候補文字に共通に含まれるので、第１の同定元文字は、同定先文字「鉱」に同定される。

第２の同定元文字は、部首「金」と部分「廣」とにより構成される外字である。この場合、「ドットパターン」が類似していないので、文字「鉱」が、第１の候補文字としては抽出されず、ＯＣＲ候補文字リスト１３には含まれない。また、「部首」が一致しているので、文字「鉱」が、第２の候補文字として抽出され、部首候補文字リスト１５に含まれる。一方、「部分」が一致していないので、文字「鉱」が、第３の候補文字としては抽出されず、部分候補文字リスト１６には含まれない。この結果、文字「鉱」が第２の候補文字に含まれるので、第２の同定元文字は、文字情報学習部１１４への選択入力に従って、同定先文字「鉱」に同定される。

第３の同定元文字は、部首「石」と部分「広」とにより構成される外字である。この場合、「ドットパターン」が類似していないので、文字「鉱」が、第１の候補文字としては抽出されず、ＯＣＲ候補文字リスト１３には含まれない。また、「部首」が一致しないので、文字「鉱」が、第２の候補文字としては抽出されず、部首候補文字リスト１５には含まれない。しかし、「部分」が一致しているので、文字「鉱」が、第３の候補文字として抽出されて、部分候補文字リスト１６に含まれる。この結果、文字「鉱」が第３の候補文字に含まれるので、第３の同定元文字は、文字情報学習部１１４への選択入力に従って、同定先文字「鉱」に同定される。

第４の同定元文字は、部首「石」と部分「廣」とにより構成される外字である。この場合、「ドットパターン」が類似していないので、文字「鉱」が、第１の候補文字として抽出されず、ＯＣＲ候補文字リスト１３に含まれない。また、「部首」が一致していないので、文字「鉱」が、第２の候補文字としては抽出されず、部首候補文字リスト１５には含まれない。また、「部分」が一致していないので、文字「鉱」が、第３の候補文字としては抽出されず、部分候補文字リスト１６には含まれない。

このように、第４の同定元文字は、最初は、換言すれば、学習処理の前においては、文字「鉱」が、第１乃至第３の候補文字として抽出されないので、同定先文字「鉱」とは一致しない。しかし、図８を参照して後述するように、学習処理の結果、文字「鉱」が第２及び第３の候補文字に含まれるので、第４の同定元文字は、文字情報学習部１１４への選択入力に従って、同定先文字「鉱」に同定される。

図５〜図９は、文字同定の一例を示す図である。特に、図５〜図８は、前述の第１の同定元文字〜第４の同定元文字をこの順に同定する場合について示す。図９は、前述の第１の同定元文字〜第４の同定元文字を同定した後、再度、第４の同定元文字を同定する場合について示す。

図５は、部首「金」と部分「広」とにより構成される第１の同定元文字（外字「鉱」）についての同定処理について示す。

前述したように、文字「鉱」は、ＪＩＳコードにより規格化された文字であり、図３に示すように、字形要素辞書１４の字形要素構造体１４１に格納されている。一方、文字「鉱」の異字体である外字「鉱」は、いずれの文字にも同定されていない。従って、文字「鉱」の異字体である外字「鉱」は、同定処理の対象の外字として、図２に示すように、外字字形要素格納ファイル３の外字字形要素情報３１Ａに格納されている。

外字ファイル２は、外字である第１の同定元文字について、ドットパターンを格納する。外字字形要素格納ファイル３は、外字ファイル２に格納された第１の同定元文字について、外字字形要素情報３１Ａを格納する。この場合、外字字形要素情報３１Ａは、第１の同定元文字について、配置パターン「１」と、部首「金」を表す部首文字コードを含む部首の字形要素情報と、部分「広」を表す部分文字コードを含む部分の字形要素情報とを格納する。

例えば、ＯＣＲ認識部１１１は、部首「金」と部分「広」とにより構成される第１の同定元文字について、文字認識辞書１２を用いて、文字認識処理を行う。これにより、ＯＣＲ認識部１１１は、第１の同定元文字についての第１の候補文字として、「ドットパターン」が類似する複数の文字を抽出して、ＯＣＲ候補文字リスト１３に格納する。「ドットパターン」の類似により抽出される文字には、文字「鉱」が含まれる。

なお、「ドットパターン」の類似とは、比較対象である２個のドットパターンにおいて、例えば、予め定められた割合以上のピクセルの値が一致する場合を含む。前記割合は、経験的に定めることができ、比較的小さい値とされる。また、「ドットパターン」の類似には、部首が一致又は類似する場合、部分が一致又は類似する場合等を含むようにしても良い。これにより、図５〜図９に示すように、比較的多くの文字を類似する文字として抽出することができる。ＪＩＳコードにより規格化された文字「鉱」と外字「鉱」のドットパターンは、相互に異なるものの、異字体であるので、類似する。

また、候補文字リスト生成部１１２は、第１の同定元文字について、特に、第１の同定元文字の部首「金」について、字形要素辞書１４を用いて、字形要素の比較を行う。これにより、候補文字リスト生成部１１２は、第１の同定元文字についての第２の候補文字として、「部首」が一致する複数の文字を抽出して、部首候補文字リスト１５に格納する。「部首」の一致により抽出される文字には、文字「鉱」が含まれる。

この時、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第１の同定元文字の部首「金」は、配列［０］に格納される。従って、この場合、候補文字リスト生成部１１２は、部首候補文字リスト１５において、文字「鉱」を、「学習候補」のフィールドではなく、「候補文字」のフィールドに格納する。

また、候補文字リスト生成部１１２は、第１の同定元文字について、特に、第１の同定元文字の部分「広」について、字形要素辞書１４を用いて、字形要素の比較を行う。これにより、候補文字リスト生成部１１２は、第１の同定元文字についての第３の候補文字として、「部分」が一致する複数の文字を抽出して、部分候補文字リスト１６に格納する。「部分」の一致により抽出される文字には、文字「鉱」が含まれる（以上、処理＃５１）。

この時、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第１の同定元文字の部分「広」は、配列［０］に格納される。従って、この場合、候補文字リスト生成部１１２は、部首候補文字リスト１５において、文字「鉱」を、「学習候補」のフィールドではなく、「候補文字」のフィールドに格納する。

この後、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６の各々に同一の文字「鉱」が共通に含まれるので、同定先文字として、文字「鉱」を決定する（処理＃５２）。これにより、外字である同定元文字「鉱」についての同定先文字「鉱」が定まる。

従って、文字情報学習部１１４は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６の各々に同一の文字「鉱」が含まれる場合、第１の同定元文字を決定された同定先文字「鉱」の学習データとして学習する学習処理を行わない（処理＃５３）。換言すれば、表示用候補文字リスト１７は、生成されず、表示部５に表示されない。

具体的には、この場合、同定元文字「鉱」の部首文字コード［金］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［金］と同一である。従って、同定元文字「鉱」の部首文字コード［金］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。また、同定元文字「鉱」の部分文字コード［広］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［広］と同一である。従って、同定元文字「鉱」の部分文字コード［広］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。

以上から、この場合、第１の同定元文字は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。従って、同定先文字「鉱」の字形要素構造体１４１は、第１の同定元文字の同定前と同様に、配列［０］に、配置パターンと、同定先文字「鉱」の部首「金」と、同定先文字「鉱」の部分「広」を格納する。

図６は、部首「金」と部分「廣」とにより構成される第２の同定元文字についての同定処理について示す。第２の同定元文字は、前述したように、ＪＩＳコードにより規格化された文字ではなく、外字である。

この場合、外字字形要素情報３１Ｂは、第２の同定元文字について、配置パターン「１」と、部首「金」を表す部首文字コードを含む部首の字形要素情報と、部分「廣」を表す部分文字コードを含む部分の字形要素情報とを格納する。

例えば、ＯＣＲ認識部１１１は、第２の同定元文字について、文字認識辞書１２を用いて、文字認識処理を行うことにより、第２の同定元文字についての第１の候補文字として、「ドットパターン」が類似する複数の文字を抽出して、ＯＣＲ候補文字リスト１３に格納する。また、候補文字リスト生成部１１２は、第２の同定元文字の部首「金」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、第２の同定元文字についての第２の候補文字として、「部首」が一致する複数の文字を抽出して、部首候補文字リスト１５に格納する。また、候補文字リスト生成部１１２は、第２の同定元文字の部分「廣」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、第２の同定元文字についての第３の候補文字として、「部分」が一致する複数の文字を抽出して、部分候補文字リスト１６に格納する（処理＃６１）。

この時、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第２の同定元文字の部首「金」は、配列［０］に格納される。従って、この場合、候補文字リスト生成部１１２は、部首候補文字リスト１５において、文字「鉱」を、「学習候補」のフィールドではなく、「候補文字」のフィールドに格納する。

この後、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に、同一の文字が共通に含まれないので、同定先文字を決定する処理を行う。具体的には、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に基づいて表示用候補文字リスト１７を生成して、表示部５に表示する。

これを見たオペレータが、キーボード６から、同定先文字を選択する指示として、例えば、文字「鉱」を入力する。なお、文字「鉱」は、例えば、表示用候補文字リスト１７における部首候補文字リスト１５に対応する部分に表示された文字の中から選択することにより、入力するようにしても良い。これは、図８〜図９においても同様である。この指示に応じて、文字情報学習部１１４は、同定先文字として、文字「鉱」を決定する（処理＃６２）。これにより、第２の同定元文字についての同定先文字「鉱」が定まる。

この後、文字情報学習部１１４は、第２の同定元文字を、決定された同定先文字「鉱」の学習データとして学習する学習処理を行う（処理＃６３）。これにより、文字情報学習部１１４は、字形要素辞書１４に格納された、決定された同定先文字「鉱」の字形要素構造体１４１に学習要素の配列を追加する。

この場合、第２の同定元文字の部首文字コード［金］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［金］と同一である。従って、第２の同定元文字の部首文字コード［金］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。一方、第２の同定元文字の部分文字コード［廣］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［広］と異なる。従って、第２の同定元文字の部分文字コード［廣］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加される。

以上から、この場合、同定先文字「鉱」の字形要素構造体１４１は、第２の同定元文字の学習により、配列［１］の「部分」の格納フィールドにおいて、配置パターン「１」と、第２の同定元文字の部分「廣」を格納する。また、配列［１］の「部分」の格納フィールドには新たに１個の部分文字コード等が格納されたので、「部分」についての学習文字数が、「２」とされる。この時、配列［１］の「部首」の格納フィールドは、格納する部首文字コード等が存在しないので、「ＮＵＬＬ（空）」とされる。また、配列［１］の「部首」の格納フィールドには新たな部首文字コード等が格納されないので、「部首」についての学習文字数も「１」のままとされる。

この学習処理の結果、第２の同定元文字は、字形要素「廣」が同定先文字「鉱」の字形要素として学習されることにより、文字「鉱」の候補文字として認識されることになる。これにより、字形要素「廣」を有する文字は、文字「鉱」の候補文字とされる。

図７は、部首「石」と部分「広」とにより構成される第３の同定元文字についての同定処理について示す。第３の同定元文字は、前述したように、ＪＩＳコードにより規格化された文字ではなく、外字である。

この場合、外字字形要素情報３１Ｃは、第３の同定元文字について、配置パターン「１」と、部首「石」を表す部首文字コードを含む部首の字形要素情報と、部分「広」を表す部分文字コードを含む部分の字形要素情報とを格納する。

例えば、ＯＣＲ認識部１１１は、第３の同定元文字について、文字認識辞書１２を用いて、文字認識処理を行うことにより、第３の同定元文字についての第１の候補文字として、「ドットパターン」が類似する複数の文字を抽出して、ＯＣＲ候補文字リスト１３に格納する。また、候補文字リスト生成部１１２は、第３の同定元文字の部首「石」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、第３の同定元文字についての第２の候補文字として、「部首」が一致する複数の文字を抽出して、部首候補文字リスト１５に格納する。また、候補文字リスト生成部１１２は、第３の同定元文字の部分「広」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、第３の同定元文字についての第３の候補文字として、「部分」が一致する複数の文字を抽出して、部分候補文字リスト１６に格納する（処理＃７１）。

この時、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第３の同定元文字の部分「広」は、配列［０］に格納される。従って、この場合、候補文字リスト生成部１１２は、部分候補文字リスト１６において、文字「鉱」を、「学習候補」のフィールドではなく、「候補文字」のフィールドに格納する。

この後、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に、同一の文字が共通に含まれないので、同定先文字を決定する処理を行う。具体的には、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に基づいて表示用候補文字リスト１７を生成して、表示部５に表示する。

これを見たオペレータが、キーボード６から、同定先文字を選択する指示として、例えば、文字「鉱」を入力する。この指示に応じて、文字情報学習部１１４は、同定先文字として、文字「鉱」を決定する（処理＃７２）。これにより、第３の同定元文字についての同定先文字「鉱」が定まる。

この後、文字情報学習部１１４は、第３の同定元文字を、決定された同定先文字「鉱」の学習データとして学習する学習処理を行う（処理＃７３）。これにより、文字情報学習部１１４は、字形要素辞書１４に格納された、決定された同定先文字「鉱」の字形要素構造体１４１に学習要素の配列を追加する。

この場合、第３の同定元文字の部首文字コード［石］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［金］と異なる。従って、第３の同定元文字の部首文字コード［石］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加される。一方、第３の同定元文字の部分文字コード［広］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［広］と同一である。従って、第３の同定元文字の部分文字コード［広］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。

以上から、この場合、同定先文字「鉱」の字形要素構造体１４１は、第３の同定元文字の学習により、配列［１］の「部首」の格納フィールドにおいて、配置パターン「１」と、第３の同定元文字の部首「石」を格納する。また、配列［１］の「部首」の格納フィールドには新たに１個の部首文字コード等が格納されたので、「部首」についての学習文字数が、「２」とされる。また、配列［１］の「部分」の格納フィールドには新たな部分文字コード等が格納されないので、「部分」についての学習文字数も「２」のままとされる。

この学習処理の結果、第３の同定元文字は、字形要素「石」が同定先文字「鉱」の字形要素として学習されることにより、文字「鉱」の候補文字として認識されることになる。これにより、字形要素「石」を有する文字は、文字「鉱」の候補文字とされる。

図８は、部首「石」と部分「廣」とにより構成される第４の同定元文字についての同定処理について示す。第４の同定元文字は、前述したように、ＪＩＳコードにより規格化された文字ではなく、外字である。

この場合、外字字形要素情報３１Ｄは、第４の同定元文字について、配置パターン「１」と、部首「石」を表す部首文字コードを含む部首の字形要素情報と、部分「廣」を表す部分文字コードを含む部分の字形要素情報とを格納する。

例えば、ＯＣＲ認識部１１１は、第４の同定元文字について、文字認識辞書１２を用いて、文字認識処理を行うことにより、第４の同定元文字についての第１の候補文字として、「ドットパターン」が類似する複数の文字を抽出して、ＯＣＲ候補文字リスト１３に格納する。また、候補文字リスト生成部１１２は、第４の同定元文字の部首「石」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、第４の同定元文字についての第２の候補文字として、「部首」が一致する複数の文字を抽出して、部首候補文字リスト１５に格納する。また、候補文字リスト生成部１１２は、第４の同定元文字の部分「廣」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、第４の同定元文字についての第３の候補文字として、「部分」が一致する複数の文字を抽出して、部分候補文字リスト１６に格納する（処理＃８１）。

この時、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第４の同定元文字の部首「石」は、配列［１］に格納される。従って、この場合、候補文字リスト生成部１１２は、部首候補文字リスト１５において、文字「鉱」を、「候補文字」のフィールドではなく、「学習候補」のフィールドに格納する。

また、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第４の同定元文字の部分「廣」は、配列［１］に格納される。この場合、候補文字リスト生成部１１２は、部分候補文字リスト１６において、文字「鉱」を、「候補文字」のフィールドではなく、「学習候補」のフィールドに格納する。

この後、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に、同一の文字が共通に含まれないので、同定先文字を決定する処理を行う。具体的には、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６に基づいて表示用候補文字リスト１７を生成して、表示部５に表示する。

この時、文字「鉱」は、部首候補文字リスト１５及び部分候補文字リスト１６の双方に、共通に含まれる。従って、文字「鉱」は、優先順位が高い候補文字であるので、例えば、優先順位が低い候補文字とは異なる色で表示される。

これを見たオペレータが、キーボード６から、同定先文字を選択する指示として、例えば、文字「鉱」を入力する。この指示に応じて、文字情報学習部１１４は、同定先文字として、文字「鉱」を決定する（処理＃８２）。これにより、第４の同定元文字についての同定先文字「鉱」が定まる。

この後、文字情報学習部１１４は、第４の同定元文字を、決定された同定先文字「鉱」の学習データとして学習する学習処理を行う（処理＃８３）。これにより、文字情報学習部１１４は、字形要素辞書１４に格納された、決定された同定先文字「鉱」の字形要素構造体１４１に学習要素の配列を追加する。

この場合、第４の同定元文字の部首文字コード［石］が、字形要素構造体１４１の配列［１］に格納された部首文字コード［石］と同一である。従って、第４の同定元文字の部首文字コード［石］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。また、第４の同定元文字の部分文字コード［廣］が、字形要素構造体１４１の配列［１］に格納された部首文字コード［廣］と同一である。従って、第４の同定元文字の部分文字コード［廣］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。

以上から、この場合、第４の同定元文字の学習処理は実行されるが、同定先文字「鉱」の字形要素構造体１４１のいずれの格納フィールドにも、新たな部首文字コード及び部分文字コード等が格納されないので、「部首」及び「部分」についての学習文字数も「２」のままとされる。

この学習処理の結果、第４の同定元文字は、字形要素「石」が同定先文字「鉱」の字形要素として学習されることにより、文字「鉱」の候補文字として認識されることになる。

図９は、部首「石」と部分「廣」とにより構成される新たな同定元文字についての同定処理について示す。新たな同定元文字は、ＪＩＳコードにより規格化された文字ではなく、外字である。新たな同定元文字は、前述した部首「金」と部分「廣」とにより構成される第２の同定元文字の異字体であるものとする。

この場合、外字字形要素情報３１Ｅは、新たな同定元文字について、配置パターン「１」と、部首「金」を表す部首文字コードを含む部首の字形要素情報と、部分「廣」を表す部分文字コードを含む部分の字形要素情報とを格納する。

例えば、ＯＣＲ認識部１１１は、新たな同定元文字について、文字認識辞書１２を用いて、文字認識処理を行うことにより、新たな同定元文字についての第１の候補文字として、「ドットパターン」が類似する複数の文字を抽出して、ＯＣＲ候補文字リスト１３に格納する。また、候補文字リスト生成部１１２は、新たな同定元文字の部首「金」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、新たな同定元文字についての第２の候補文字として、「部首」が一致する複数の文字を抽出して、部首候補文字リスト１５に格納する。また、候補文字リスト生成部１１２は、新たな同定元文字の部分「廣」について、字形要素辞書１４を用いて、字形要素の比較を行うことにより、新たな同定元文字についての第３の候補文字として、「部分」が一致する複数の文字を抽出して、部分候補文字リスト１６に格納する（処理＃９１）。

この時、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第４の同定元文字の部首「金」は、配列［０］に格納される。従って、この場合、候補文字リスト生成部１１２は、部首候補文字リスト１５において、文字「鉱」を、「学習候補」のフィールドではなく、「候補文字」のフィールドに格納する。

また、字形要素辞書１４における同定先文字「鉱」の学習データである字形要素構造体１４１において、第４の同定元文字の部分「廣」は、配列［１］に格納される。この場合、候補文字リスト生成部１１２は、部分候補文字リスト１６において、文字「鉱」を、「候補文字」のフィールドではなく、「学習候補」のフィールドに格納する。

この後、表示用候補文字リスト生成部１１３は、ＯＣＲ候補文字リスト１３、部首候補文字リスト１５及び部分候補文字リスト１６の各々に同一の文字「鉱」が共通に含まれるので、同定先文字として、文字「鉱」を決定する（処理＃９２）。これにより、外字である同定元文字「鉱」についての同定先文字「鉱」が定まる。

従って、文字情報学習部１１４は、新たな同定元文字を決定された同定先文字「鉱」の学習データとして学習する学習処理を行わず（処理＃９３）、表示用候補文字リスト１７は、生成されず、表示部５に表示されない。

具体的には、この場合、同定元文字の部首文字コード［金］が、字形要素構造体１４１の配列［０］に格納された部首文字コード［金］と同一である。従って、同定元文字「鉱」の部首文字コード［金］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。また、同定元文字の部分文字コード［廣］が、字形要素構造体１４１の配列［１］に格納された部首文字コード［廣］と同一である。従って、同定元文字の部分文字コード［廣］は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。以上から、この場合、新たな同定元文字は、同定先文字「鉱」の学習データとして字形要素構造体１４１に追加されない。

図１０は、文字の同定処理フローである。

例えば、オペレータが、外字ファイル２に格納された文字について、字形要素の生成を行う（ステップＳ１）。これにより、外字ファイル２に対応する外字字形要素格納ファイル３が得られる。この後、同定処理部１１が、外字ファイル２に格納された全ての文字（外字）について同定処理を終了したか否かを調べる（ステップＳ２）。

全ての文字（外字）について同定処理を終了していない場合（ステップＳ２ Ｎｏ）、同定処理部１１が、１文字分の文字パターンを、処理対象の文字として、外字ファイル２から選択して読み出し、処理対象である文字について、部首の字形要素情報と部分の字形要素情報とを、外字字形要素格納ファイル３から読み出す（ステップＳ３）。

同定処理部１１が、処理対象である文字について、同定処理を行い（ステップＳ４）、ステップＳ２を実行する。

ステップＳ２において、全ての文字（外字）について同定処理を終了した場合（ステップＳ２ Ｙｅｓ）、同定処理部１１が、同定元の外字ファイル２の文字と同定先文字との対応関係に基づいて、文字コード変換定義リスト４を生成する（ステップＳ５）。

図１１及び図１２は、１文字についての同定処理フローである。

ＯＣＲ認識部１１１が、処理対象である文字について、文字認識辞書１２を用いて文字認識処理を行い（ステップＳ１１）、文字認識の結果であるＯＣＲ候補文字リスト１３を生成する（ステップＳ１２）。

候補文字リスト生成部１１２が、部首が存在しないか否かを調べる（ステップＳ１３）。部首が存在する場合（ステップＳ１３ Ｎｏ）、候補文字リスト生成部１１２が、字形要素を用いて、部首候補文字リスト１５及び部分候補文字リスト１６を生成する（ステップＳ１４）。部首が存在しない場合（ステップＳ１３ Ｙｅｓ）、ステップＳ１４は省略される。

この後、表示用候補文字リスト生成部１１３が、表示用候補文字リストを生成する（ステップＳ１５）。この時、いずれの候補文字リストにも存在する文字は、精度の高い候補として、その優先順位を高くされる。

この後、表示用候補文字リスト生成部１１３が、いずれの候補文字リストにも文字が存在するか否かを調べる（ステップＳ１６）。いずれの候補文字リストにも共通に存在する文字がない場合（ステップＳ１６ Ｎｏ）、表示用候補文字リスト生成部１１３が、候補文字リストを表示部５に表示する（ステップＳ１７）。これを見たオペレータによる選択入力に基づいて、文字情報学習部１１４が、同定先文字を確定し（ステップＳ１８）、同定先文字の字形要素辞書１４に同定元文字の字形要素情報を学習させる（ステップＳ１９）。

ステップＳ１６において、いずれの候補文字リストにも共通に存在する文字がある場合（ステップＳ１６ Ｙｅｓ）、ステップＳ１７〜Ｓ１９は省略され、当該共通に存在する文字が同定先文字として確定される。

図１３は、候補文字リスト生成の処理フローである。

候補文字リスト生成部１１２が、同定先文字のセットの文字を全て処理したか否かを調べる（ステップＳ２１）。同定先文字のセットの文字を全て処理していない場合（ステップＳ２１ Ｎｏ）、候補文字リスト生成部１１２が、字形要素辞書１４を用いて、配置パターン及び部首文字コードが一致する場合には当該部首を部首候補文字リスト１５に追加し（ステップＳ２２）、配置パターン及び部分文字コードが一致する場合には当該部分を部分候補文字リスト１６に追加し（ステップＳ２３）、この後、ステップＳ２１を実行する。

ステップＳ２１において、同定先文字のセットの文字を全て処理した場合（ステップＳ２１ Ｙｅｓ）、処理を終了する。

図１４は、候補文字学習の処理フローである。

文字情報学習部１１４が、字形要素辞書１４において、同定先文字の部首の学習リストに、配置パターンと同定元文字の部首文字コードを追加し、学習文字数をインクリメントする（ステップＳ３１）。

また、文字情報学習部１１４が、字形要素辞書１４において、同定先文字の部分の学習リストに、配置パターンと同定元文字の部分文字コードを追加し、学習文字数をインクリメントする（ステップＳ３２）。

この後、文字情報学習部１１４が、同定元文字の文字パターンデータを文字認識辞書１２に登録し、同定先文字が候補文字となるように学習させる（ステップＳ３３）。

１ 文字同定装置
２ 外字ファイル
３ 外字字形要素格納ファイル
４ 文字コード変換定義リスト
５ 表示部
６ キーボード
１１ 同定処理部
１２ 文字認識辞書
１３ ＯＣＲ候補文字リスト
１４ 字形要素辞書
１５ 部首候補文字リスト
１６ 部分候補文字リスト
１７ 表示用候補文字リスト
１８ 同定元／同定先文字対応関係リスト
１１１ ＯＣＲ認識部
１１２ 候補文字リスト生成部
１１３ 表示用候補文字リスト生成部
１１４ 文字情報学習部

Claims (10)

1. 文字のドットパターンを格納する文字認識格納部と、
   前記文字認識格納部に格納された前記文字について、部首の配置を示す配置パターンと、部首を表す部首文字コードを含む部首の字形要素情報と、前記部首以外の部分を表す部分文字コードを含む部分の字形要素情報とを格納する字形要素格納部と、
   予め定められた文字を表す文字コードにより表される規格化された文字に含まれない文字である外字のドットパターンを格納する外字格納部と、
   前記外字格納部に格納された前記外字について、部首の配置を示す配置パターンと、部首を表す部首文字コードを含む部首の字形要素情報と、前記部首以外の部分を表す部分文字コードを含む部分の字形要素情報とを格納する外字字形要素格納部と、
   前記外字格納部から選択した処理対象である外字について、前記外字格納部に格納された前記外字のドットパターンと前記文字認識格納部に格納された文字のドットパターンとに基づいて、前記文字認識格納部に格納された文字から、前記処理対象である外字を同定する第１の候補文字を抽出するＯＣＲ認識部と、
   前記処理対象である外字について、前記字形要素格納部に格納された文字についての前記部首の字形要素情報と、前記外字字形要素格納部に格納された前記外字についての前記部首の字形要素情報とに基づいて、前記字形要素格納部に格納された文字から、前記処理対象である外字を同定する第２の候補文字を抽出し、前記処理対象である外字について、前記字形要素格納部に格納された文字についての前記部分の字形要素情報と、前記外字字形要素格納部に格納された前記外字についての前記部分の字形要素情報とに基づいて、前記字形要素格納部に格納された文字から、前記処理対象である外字を同定する第３の候補文字を抽出する候補文字リスト生成部とを備える
   ことを特徴とする文字同定装置。
2. 前記文字認識格納部に格納された文字は、前記規格化された文字、又は、前記規格化された文字及び前記外字を含む
   ことを特徴とする請求項１に記載の文字同定装置。
3. 前記文字同定装置は、更に、
   前記第１の候補文字乃至第３の候補文字において、前記候補文字が重複して含まれる程度に応じて、優先順位を付する表示用候補文字リスト生成部を備える
   ことを特徴とする請求項１に記載の文字同定装置。
4. 前記第１の候補文字乃至第３の候補文字の中から、前記処理対象である外字を同定する文字である同定先文字を決定する文字情報学習部を備える
   ことを特徴とする請求項１に記載の文字同定装置。
5. 前記文字情報学習部は、前記第１の候補文字乃至第３の候補文字の各々に共通する文字が存在する場合に、当該共通する文字を、前記同定先文字として決定する
   ことを特徴とする請求項４に記載の文字同定装置。
6. 前記文字同定装置は、更に、
   前記第１の候補文字乃至第３の候補文字を出力する出力部を備え、
   前記文字情報学習部は、前記出力部に出力された前記候補文字を指定する選択入力に基づいて、前記同定先文字を決定する
   ことを特徴とする請求項４に記載の文字同定装置。
7. 前記文字情報学習部が、前記処理対象である外字を同定元文字とし、前記同定元文字と前記同定先文字とを対応付ける文字対応関係リストを生成する
   ことを特徴とする請求項４に記載の文字同定装置。
8. 前記文字情報学習部が、前記処理対象である外字を同定元文字とし、前記同定元文字についての前記部首の字形要素情報又は前記部分の字形要素情報を、前記同定先文字についての学習要素情報として、前記同定先文字についての前記部首の字形要素情報又は前記部分の字形要素情報に追加する
   ことを特徴とする請求項４に記載の文字同定装置。
9. 前記候補文字リスト生成部が、前記追加された前記部首の学習要素情報及び前記部分の学習要素情報に基づいて、前記第２の候補文字及び前記第３の候補文字を抽出する
   ことを特徴とする請求項８に記載の文字同定装置。
10. 文字について、部首の配置を示す配置パターンと、部首を表す部首文字コードを含む部首の字形要素情報と、前記部首以外の部分を表す部分文字コードを含む部分の字形要素情報とを、字形要素格納部に格納する処理と、
    前記字形要素格納部に格納された前記文字のドットパターンを、文字認識格納部に格納する処理と、
    予め定められた文字を表す文字コードにより表される規格化された文字に含まれない文字である外字のドットパターンを、外字格納部に格納する処理と、
    前記外字格納部に格納された前記外字について、部首の配置を示す配置パターンと、部首を表す部首文字コードを含む部首の字形要素情報と、前記部首以外の部分を表す部分文字コードを含む部分の字形要素情報とを、外字字形要素格納部に格納する処理と、
    前記外字格納部から選択した処理対象である外字について、前記外字格納部に格納された前記外字のドットパターンと前記文字認識格納部に格納された文字のドットパターンとに基づいて、前記字形要素格納部に格納された文字から、前記処理対象である外字を同定する第１の候補文字を抽出する処理と、
    前記処理対象である外字について、前記字形要素格納部に格納された文字についての前記部首の字形要素情報と、前記外字字形要素格納部に格納された前記外字についての前記部首の字形要素情報とに基づいて、前記字形要素格納部に格納された文字から、前記処理対象である外字を同定する第２の候補文字を抽出し、前記処理対象である外字について、前記字形要素格納部に格納された文字についての前記部分の字形要素情報と、前記外字字形要素格納部に格納された前記外字についての前記部分の字形要素情報とに基づいて、前記字形要素格納部に格納された文字から、前記処理対象である外字を同定する第３の候補文字を抽出する処理とを、コンピュータに実行させる
    ことを特徴とする文字同定方法。

Images