冗長インデクスを用いた OCR テキスト検索システム

概要

論文の詳細を見る
インターネット/イントラネットの爆発的な普及に伴い, テキスト資産の共有の重要度がますます高まっている. ローカルエリアでは情報を共有するためにグループウェアが用いられ, テキスト資産が活用されている. 本研究所では, 利用者のテキストに対する作業履歴やテキスト間の引用/参照関係を用いてテキストデータをインデクス化し, テキスト資産が増進的に共有/活用される環境の研究を行っている. OCR 認識技術は, 英語では非常に高い認識率になるが, 日本語では, 現在はそれほど高い認識率ではない. OCR 認識を行った後に, 言語的処理により辞書とマッチングし自動的に誤り訂正を行う技術もあるが, 認識誤りを完全に除くことはできていない. OCR 認識後の人手による修正作業のコストは非常に高いため, テキスト資産のオンライン化, 共有/活用を行う際の問題点となっている. 一般的な紙の文書を利用する場合を考えてみると, オープン世界のテキスト資産を活用する際の利用は, テキスト参照が主目的である(参照中のテキストの一部をカット&ぺーストして利用するというのは, 紙の文書では無理である). この点に着目し,低コストの OCR テキスト認識システムを構築するため, 本論文では, テキスト資産のイメージデータを正しいテキストに完全に変換するのではなく, 検索が可能なようにイメージに対してインデクスを張り, そのインデクスを利用してテキストイメージを検索/提示する方法を提案する.
一般社団法人情報処理学会の論文
1997-03-12

冗長インデクスを用いた OCR テキスト検索システム

スポンサーリンク

概要

著者

関連論文

スポンサーリンク