レガシ符号チベット文字TrueTypeフォントにおけるマルチバイト文字符号とその自動識別可能性(オフィスインフォメーションシステム,ディジタルドキュメント、一般)

概要

論文の詳細を見る
情報交換を目的とする文字集合の規格として,現在はISO 10646文字集合,文字符号化方式としてはUnicodeを用いることが国際的な標準である.しかし,インド系文字は音素分解にもとづき文字符号を定義しているため,表示・印刷には複雑なレンダリング処理が必要となる.広く普及しているローマ字専用の処理系ではこれが不可能であるため,ローマ字用の処理系でもインド系文字が扱えるよう,様々な図形分解に基く符号化方式が応急処置的に作成されてきた.これらにより符号化されたデータが広く配布されているが,符号化方式は標準化されていないため,文書のアーカイブやデータ抽出に問題がある.本稿は,北方ブラフミ文字の例としてチベット文字のレガシ方式をとり,符号化方式の分析と自動識別方法を検討する.チベット文字レガシ符号の中には漢字集合に匹敵する大きさを持つものがあり,クメール文字とは異なりPDFなどではフォントがサブセット化されている可能性がある.このような場合の識別方式についても検討する.
一般社団法人情報処理学会の論文
2007-07-26