ＯＣＲ結果を補正するための方法、システム、及びコンピュータ読み取り可能な記録媒体
【課題】文字認識結果を提供することに当たって、段落の開始または終了に対応して挿入された改行を除いた残りの改行を認識し、これを一括的に除去することにより、不要な改行のない文字認識結果を提供すること。
【解決手段】本発明によると、ＯＣＲ結果を補正するための方法であって、ＯＣＲ技術を用いて文字情報を含むコンテンツに対して文字認識を行い、文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力し、出力された結果に対して分かち書きを校正する、ことを含む方法が提供される。本発明によると、不要な改行がなく、文法に合う分かち書きが行われた文字認識結果が提供され、これをインターネット検索サービスに活用することができる。
【解決手段】本発明によると、ＯＣＲ結果を補正するための方法であって、ＯＣＲ技術を用いて文字情報を含むコンテンツに対して文字認識を行い、文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力し、出力された結果に対して分かち書きを校正する、ことを含む方法が提供される。本発明によると、不要な改行がなく、文法に合う分かち書きが行われた文字認識結果が提供され、これをインターネット検索サービスに活用することができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ＯＣＲ結果を補正するための方法、システム、及びコンピュータ読み取り可能な記録媒体に関し、より詳しくは、文字認識結果を提供するに当たって、段落の開始または終了を表示する改行を除いた全ての改行を無くし、隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）等を用いて、分かち書きが校正された結果を提供することにより、不要な改行がなく、文法に合う分かち書きが反映された文字認識結果を提供することができるようにする方法、システム、及びコンピュータ読み取り可能な記録媒体に関する。
【背景技術】
【０００２】
最近、インターネットの使用が普遍化し、情報通信網を通じて様々な形態の情報が流通するとともに、現代人の情報習得手段として機能するインターネットに対する依存度が日々に高まっている。
【０００３】
特に、イメージまたは動画の形態で存在する情報に含まれる文字情報を認識し、この文字情報を機械的に読み取り可能な情報に変換し、インターネットユーザにとって、文字情報を利用可能にするための努力が進行している。例えば、イメージ形態の文字を解読し、これを機械的に読み取り可能なテキスト情報に変換する様々な文字認識技術が開発され使用されており、その中でも、光学式文字認識（ＯＣＲ：Optical Character Recognition）技術が広く用いられている。
【０００４】
図１（ａ）は、光学式文字認識の対象となるイメージの一例を示す図であり、図１（ｂ）は、従来の光学式文字認識技術によって、図１（ａ）のイメージに対して文字認識を行った結果を示す図である。
【０００５】
上述したように、光学式文字認識は、図１（ａ）のイメージに対して文字が含まれる領域を分析し、このような領域から機械的に読み取り可能な文字を認識することにより、図１（ｂ）に示すような結果を出力する。このような文字認識技術によって、ユーザは、編集または修正が可能なテキスト情報が得られるようになる。
【０００６】
しかしながら、従来の光学式文字認識技術によると、図１（ａ）及び図１（ｂ）に示すように、元々のイメージ情報において、異なる行に表示されている文字情報は、文字認識結果でも、そのまま異なる行に表示されるようになる。すなわち、元々のイメージ情報では、文字情報が含まれる領域の大きさ等によって、文章または段落が終わっていなくても、異なる行に位置することがあるが、従来の光学式文字認識技術は、これを、全ての異なる行をそのまま改行と認識し、行間にエンターを適用した結果を出力するようになる。これによると、図１（ａ）に示すように、原本のテキスト領域の幅が狭過ぎるため、文章または段落が複数行に分かれている場合も、図１（ｂ）の認識結果のように、「Istanbul (historically also known as) 」の文字情報と「Byzantium and 1262047912468_0) is the largest」の文字情報が、一つの連結された文章に含まれており、一般のワードプロセッサの一行に入る長さであるにもかかわらず、これを、ワードプロセッサ等に貼り付けを行うと、互いに異なる行に表示されるようになる。
【０００７】
それだけでなく、文字認識対象となるイメージ情報が、複数のページからなる場合、前ページの最後の情報と次ページの最初の情報が一つの文章または段落に含まれる情報であっても、これを、改行と認識し、互いに異なる行として文字認識結果を出力していた。
【０００８】
このような文字認識結果を、ユーザがワードプロセッサ等を用いて編集または修正する場合、このような認識結果に適用されたそれぞれのエンター（すなわち、改行）を相当数直接削除しなければならないという煩わしさがあった。
【０００９】
一方、イメージ情報に含まれる文字情報を認識するに当たって、分かち書きがうまく表記されていない情報が文字認識の結果として出力されるというさらなる問題があったため、不要な改行が除去され、正しい分かち書きが反映された文字認識結果を出力可能な技術についての開発が切望されている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】韓国特許出願公開２００８−０１０４５１７号
【非特許文献】
【００１１】
【非特許文献１】２００７韓国コンピュータ総合学術大会論文集Ｖｏｌ．３４，Ｎｏ．１（Ｃ）（“Proceedings of Korea Computer Congress Vol.34, No.1(c)” of the Korean Institute of Information Scientists and Engineers）
【発明の概要】
【発明が解決しようとする課題】
【００１２】
本発明は、上述した従来技術の問題点を解決することをその目的とする。
【００１３】
また、文字認識結果を提供することに当たって、段落の開始または終了に対応して挿入された改行を除いた残りの改行を認識し、この残りの改行を一括して除去することにより、不要な改行のない文字認識結果を提供することを他の目的とする。
【００１４】
また、前記文字認識結果に含まれる分かち書きを隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を用いて校正することにより、文法に合う分かち書きが反映された文字情報を文字認識結果として提供することをまた他の目的とする。
【００１５】
また、不要な改行が除去され、正しい分かち書きが反映された文字認識結果をインターネット検索サービスに活用することにより、より正確な検索結果を提供することをさらに他の目的とする。
【課題を解決するための手段】
【００１６】
上記目的を達成するために、本発明の一実施形態によると、ＯＣＲ結果を補正するための方法であって、ＯＣＲ技術を用い、文字情報を含むコンテンツに対して文字認識を行い、前記文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力し、前記出力された結果に対して分かち書きを校正すること、を含む方法が提供される。
【００１７】
また、本発明の他の実施形態によると、ＯＣＲ結果を補正するためのシステムであって、ＯＣＲ技術を用い、文字情報を含むコンテンツに対して文字認識を行い、前記文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力する文字認識部と、前記出力された結果を受信し、この出力結果に対して分かち書きを校正する言語モデル部と、を備えるシステムが提供される。
【００１８】
また、本発明のまた他の実施形態によると、ユーザの編集と検索を容易にする文字認識結果を提供するための他の方法、システム、及びこのような方法を実行するためのコンピュータ読み取り可能な記録媒体が提供される。
【発明の効果】
【００１９】
本発明によれば、文字認識結果が提供されるに当たって、段落が開始または終了する箇所にのみ改行が挿入された結果を出力することにより、ユーザが、文字認識結果をワードプロセッサ等を用いて修正または編集するとき、改行のためのエンターを一々削除して編集しなければならない煩わしさを減らすことができる。
【００２０】
また、言語モデルに分かち書きが無視されたデータが入力されると、言語モデルを通じて文法に合う分かち書きを反映し、これを文字認識結果として提供することができる。
【００２１】
また、不要な改行が除去され、文法に合う分かち書きが反映された文字認識結果がインターネット検索サービスに活用されることにより、ユーザの検索キーワード入力に対して、より正確な検索結果を提供することができる。
【図面の簡単な説明】
【００２２】
【図１】（ａ）は、従来技術に係る文字認識の対象となるイメージ情報の一例を示す図であり、（ｂ）は、（ａ）におけるイメージ情報に、従来の光学式文字認識技術が適用された結果を示す図である。
【図２】本発明の一実施形態によって、不要な改行が除去され、文法に合う分かち書きが反映された文字認識結果を提供するための全体システムの構成を示す概略構成を示す図である。
【図３】本発明の一実施形態に係る文字認識サービス提供システム２００の内部構成を詳細に示す図である。
【図４】（ａ）は、本発明の一実施形態に係る文字認識の対象となるイメージ情報の一例を示す図であり、（ｂ）は、（ａ）におけるイメージ情報に、本発明の一実施形態に係る文字認識技術が適用された結果を示す図である。
【図５】文字認識が行われ、インターネット検索サービスに活用されるイメージ情報の一例を示す図である。
【発明を実施するための形態】
【００２３】
後述する本発明についての詳細な説明は、本発明が実施可能な特定の実施形態を例示として示す添付図面を参照する。これらの実施形態は、当業者が本発明を十分に実施することができるように詳細に説明される。本発明の様々な実施形態は、互いに異なるが、相互排他的である必要はないことが理解されなければならない。例えば、ここに記載されている特定の形状、構造及び特性は、一実施形態と関連して、本発明の思想及び範囲を逸脱しない範囲内で他の実施形態に具現され得る。また、それぞれの開示された実施形態内の個別構成要素の位置または配置は、本発明の思想及び範囲を逸脱しない範囲内で変更され得ることが理解されなければならない。従って、後述する詳細な説明は、限定的な意味として解釈されてはならず、本発明の範囲は、適切に説明されれば、その請求項が主張するものと均等な全ての範囲と共に、添付の請求項によってのみ限定される。図面において、同一、または類似した参照符号は、いくつかの側面にわたって同一または類似の機能を示す。
【００２４】
以下、本発明の属する技術の分野における通常の知識を有する者が、本発明を容易に実施することができるようにするため、添付した図面に基づき、本発明の好適な実施形態について詳述する。
【００２５】
［本発明の好適な実施例］
本明細書において、文字認識とは、イメージ等に含まれた文字を認識し、これを分析して機械的に読み取り可能な文字を抽出する過程を意味するものであり、光学式文字認識（ＯＣＲ）等の文字認識技術を総称するものと理解されなければならない。
【００２６】
全体システムの構成
図２は、本発明の一実施形態によって、不要な改行が除去され、文法に合う分かち書きが反映された文字認識結果を提供するための全体システムの構成を示す概略図である。
【００２７】
図２に示すように、本発明の全体のシステムは、通信網１００、文字認識サービスを提供するための文字認識サービス提供システム２００、通信網１００を介して文字認識サービス提供システム２００に接続可能なユーザ端末装置３００と、を含めて構成される。
【００２８】
先ず、通信網１００は、有線又は無線等のようなその通信の様態によらずに構成され、ローカルエリアネットワーク（ＬＡＮ：Local Area Network）、都市規模ネットワーク（ＭＡＮ：Metropolitan Area Network）、広域ネットワーク（ＷＡＮ：Wide Area Network）等、多様な通信網で構成されてもよい。好ましくは、本発明における通信網１００は、公知のワールドワイドウェブ（ＷＷＷ：World Wide Web）であってもよい。
【００２９】
本発明の一実施形態に係る文字認識サービス提供システム２００は、ユーザから文字認識要求を受けた対象（例えば、文字情報が含まれたイメージ等のコンテンツ）に対して文字認識を行う。
【００３０】
文字認識の対象となるコンテンツに含まれる文字は、ページの幅に応じて複数の行からなってもよい。この場合、文字認識サービス提供システム２００は、文字を認識するに当たって、後述する所定の例外が適用される場合を除いては、各行を連結して言語モデルに伝達することにより、不要な改行が挿入されて認識されることを防止する。
【００３１】
また、本発明の一実施形態に係る文字認識サービス提供システム２００は、複数のページからなるコンテンツを文字認識対象として受信する場合も、後述する所定の例外が適用される場合を除いては、前ページの最後の文字情報と次ページの最初の文字情報を連結して言語モデルに伝達する。
【００３２】
従来の文字認識サービスは、文字認識対象において、異なる行に表示されている文字情報間の改行については、無条件に改行を挿入して文字認識結果を提供していた。これにより、文字認識結果をワードプロセッサ等に貼り付け（copy-and-pasted）を行う場合、前記ワードプロセッサのページの幅に合わせて認識された内容が挿入されるのではなく、文字認識対象に表示された改行がそのまま適用された状態でワードプロセッサに適用されていた。
【００３３】
本発明の文字認識サービス提供システム２００は、このような問題点を防止するために、後述する所定の例外が適用される場合を除いては、文字認識対象において隣接した行の文字情報を連結して言語モデルに伝達するものである。
【００３４】
また、本発明の一実施形態に係る文字認識サービス提供システム２００は、言語モデルに伝達された分かち書きが無視されたデータに対して、分かち書きの校正を行い、その校正結果が反映された文字情報を出力する。ここで、文字認識サービス提供システム２００は、分かち書きが除去されたデータに対して、各文字に分かち書きを判断するフラグを立て、これに基づいて言語モデルを用いて分かち書きを行い、校正された文字情報を出力する。
【００３５】
一方、本発明の一実施形態に係るユーザ端末装置３００は、ユーザが通信網１００を通じて文字認識サービス提供システム２００に接続した後に通信可能にする機能を含むデジタル機器であって、パーソナルコンピュータ（例えば、デスクトップコンピュータ、ノート型コンピュータ等）、ワークステーション、ＰＤＡ、ウェブパッド、携帯電話等のように、メモリ手段とマイクロプロセッサとを搭載して演算能力を備えたデジタル機器であれば、いずれも本発明に係るユーザ端末装置３００として採用され得る。また、ユーザ端末装置３００には、ユーザが文字認識サービス提供システム２００からサービスを提供されるようにするウェブブラウザ（図示せず）プログラムがさらに含まれていてもよい。
【００３６】
文字認識サービス提供システムの構成
以下、本発明の実現するために重要な機能を行う文字認識サービス提供システム２００の内部構成及び各構成要素の機能について説明する。
【００３７】
図３は、本発明の一実施形態に係る文字認識サービス提供システム２００の内部構成を詳細に示す図である。図３を参照すると、本発明の一実施形態に係る文字認識サービス提供システム２００は、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、通信部２５０、及び制御部２６０により構成されている。本発明の一実施形態によると、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、通信部２５０、及び制御部２６０は、その少なくとも一部が、ユーザ端末装置３００と通信するプログラムモジュールであってもよい。このようなプログラムモジュールは、運営システム、アプリケーションプログラムモジュール、及びその他のプログラムモジュールの形態で、文字認識サービス提供システム２００に含まれてもよく、物理的には種々の公知の記憶装置に保存されてもよい。また、このようなプログラムモジュールは、文字認識サービス提供システム２００と通信可能な遠隔記憶装置に保存されてもよい。一方、このようなプログラムモジュールは、本発明によって後述する特定の業務を行い、または、特定の抽象的なデータ形態を実行するルーチン、サブルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を包括するが、これらに制限されるものではない。
【００３８】
先ず、本発明の一実施形態に係る文字認識要求受信部２１０は、ユーザ端末装置３００から、文字認識の対象となるコンテンツに関する情報とともに、前記コンテンツに含まれた文字に対する認識要求を受信する。ユーザは、文字認識の対象となるコンテンツまたは該当コンテンツの識別子を伝送することにより、文字認識を要求してもよい。
【００３９】
次に、本発明の一実施形態に係る文字認識部２２０は、文字認識要求受信部２１０によって受信された要求に対応して、実際に文字認識を行う。
【００４０】
文字認識部２２０は、先ず、翻訳の対象となるコンテンツの画像を認識し、認識された画像において、文字が含まれた部分を公知の分析アルゴリズムによって分析する。これと関連して、本発明の属する技術の分野における当業者は、公知の技術文献である韓国情報科学会の「２００７韓国コンピュータ総合学術大会論文集Ｖｏｌ．３４，Ｎｏ．１（Ｃ）（“Proceedings of Korea Computer Congress Vol.34, No.1(c)” of the Korean Institute of Information Scientists and Engineers）」に開示された文字認識技術または公知の光学式文字認識（ＯＣＲ）技術等を参考とすることができる。
【００４１】
分析が完了すると、文字認識部２２０は、イメージ形態で表現される文字に対応するものと判断される実際の文字を抽出する。この過程では、分析されたイメージ形態の文字と実際の文字との間の類似度を算出し、その類似度が最も高い実際の文字が最終的に抽出される。文字認識部２２０は、このような過程によって、文字認識対象に含まれる文字情報を機械的に読み取り可能な文字として抽出する。
【００４２】
一方、本発明の一実施形態に係る改行校正部２３０は、文字認識部２２０によって抽出された文字情報に含まれる改行を校正する。上述したように、文字認識対象となるコンテンツにおいて、文字情報が互いに異なる行に表示されていれば、文字認識部２２０は、これを多くの改行を含む文字情報として認識してもよい。従って、文字認識部２２０から出力された文字情報には、不要な改行が多数含まれるようになる。改行校正部２３０は、以下のような動作を行うことにより不要な改行を除去する。
【００４３】
改行校正部２３０は、文字認識部２２０から出力された結果に対して、殆どの改行を除去する。すなわち、異なる行に表示された文字情報であっても、隣接した行の文字情報を連結させて出力する。しかし、以下のような例外規定を満たす場合は、隣接した行を連結しなくてもよい。
【００４４】
先ず、行に所定の幅以上の字下げが行われている場合は、これを新しい行の開始とみなし、この行は前行と連結された状態では言語モデルに伝達しない。すなわち、行にインデントが存在する場合は、新しい段落の開始であると解釈し、文字情報は前行と異なる行に表示させている。ここで、前記所定の幅は、前行の高さの０．５倍以上の幅を有する空白と定義することができるが、これに制限されるものではない。
【００４５】
また、前行に含まれる文字情報がページの右余白に到達せずに終わる場合は、文字情報は新しい行と前行を連結せずに言語モデルに伝達される。すなわち、前行において、文字情報がページの右余白（ページの右側に余白が存在する場合は、該当余白の左端）に到達せずに終わるというのは、該当行で段落が終わることを意味するので、次の新しい行は、前行と連結して表現する必要がなくなる。
【００４６】
改行校正部２３０は、このような二つの例外事項に対してのみ、改行の情報、例えば、エンターを挿入して出力し、これらの二つの場合を除いた全ての場合は、行を隣接した行と連結して表現する。かくして、文字認識結果として出力される文字情報には、段落が開始または終了する場合にのみ改行が挿入され、これにより、不要な改行が除去され得る。
【００４７】
ここで、本発明の実現のために、文字認識部２２０と改行校正部２３０が分離された構成となっている場合を想定して説明しているが、必ずしもこれに限定されるものではなく、場合に応じて、文字認識部２２０と改行校正部２３０を統合して本発明を実現することもできる。
【００４８】
一方、本発明の一実施形態に係る言語モデル部２４０は、改行校正部２３０から伝達されたデータ（すなわち、分かち書きが無視されたデータ）に含まれる分かち書きを自動的に校正する。言語モデル部２４０によって自動的に行われる分かち書き校正は、隠れマルコフモデル（ＨＭＭ）等を用いて行われる。これについては、本出願人が出願し、２００８年１２月３日付で公開された韓国特許出願公開第２００８‐０１０４５１７号の明細書に詳細に説明されているので、ここでは、簡単に説明する。
【００４９】
言語モデル部２４０は、上述したように、分かち書きが無視された状態の文字情報を受信し、これに基づいて正しい分かち書きを反映することにより文字情報を構成する。以下、その過程について簡単に説明する。前記改行校正部２３０から伝達される文字情報は、音節列Ｃと、分かち書きを定義する分かち書きタグ列Ｕとからなるが、言語モデル部２４０は、隠れマルコフモデルを用いて、音節列Ｃとタグ列Ｕの結合確率を最大とする最適な分かち書きタグ列Ｕを見付ける。このとき、ビタビアルゴリズムが用いられてもよい。その後、前記分かち書きが除去された文字情報に前記最適な分かち書きタグ列Ｕを適用し、文法に合う分かち書きが反映された文字情報を出力する。これにより、ユーザは、文字認識結果として正しい改行と文法に合う分かち書きが反映された文字情報が得られる。
【００５０】
本発明の一実施形態に係る通信部２５０は、ユーザ端末装置３００から文字認識要求を受信し、文字認識の結果物を再度ユーザ端末装置３００に伝送する。全体的に、通信部２５０は、文字認識サービス提供システム２００に対してデータ送受信を行う。
【００５１】
一方、本発明の一実施形態に係る制御部２６０は、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、及び通信部２５０間のデータの流れを制御する。すなわち、本発明の一実施形態に係る制御部２６０は、外部から、または文字認識サービス提供システム２００の各構成要素間のデータの流れを制御することにより、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、及び通信部２５０において、それぞれ固有機能を行うように制御する。
【００５２】
本発明の活用例
図４は、本発明の一実施形態によって文字認識を行った結果を示す図である。先ず、図４（ａ）は、文字認識の対象となるイメージファイルを示す図であり、図４（ｂ）は、図４（ａ）におけるイメージファイルに対する文字認識の結果を示す図である。一方、本実施形態の図４（ａ）、図４（ｂ）、図５では、英文テキストを選択して記述しているが、これに一実施例に過ぎず、本発明は、英文を除いたその他の言語についても適用可能である。
【００５３】
上述のように、本発明の文字認識サービス提供システム２００は、段落が開始または終了する場合と判断される場合（すなわち、前記二つの例外の場合）を除いては、改行を除去した状態で、隠れマルコフモデルを用いて分かち書きを校正して、文字情報を出力する。
【００５４】
これにより、図４（ａ）のイメージファイルに対して、本発明による文字認識を適用すると、図４（ｂ）に示すように、新しい段落が開始される場合にのみ、エンターが入力されたテキスト結果が出力されるようになる。図４（ｂ）の結果物を、図１（ｂ）に示した従来技術による文字認識結果と比較すると、段落が区分される場合にのみ改行が挿入され、分かち書きも正しく校正されていることが分かる。
【００５５】
したがって、本発明の文字認識技術によると、文字認識の結果物をワードプロセッサ等に貼り付けて編集しようとする場合、ユーザは不要な改行を除去する必要がなく、分かち書きを直接校正しなければならないという不便さも発生しない。
【００５６】
一方、このように本発明による文字認識の結果物を検索に用いる場合、さらに正確な検索結果が得られる。これについては、図５を参照して説明する。
【００５７】
図５に示すような文字を含むイメージファイルに対して文字認識を行い、これを検索サービスに活用する場合、従来技術によると、改行される場合は、無条件に分かち書きがないものと判断するので、「BosphorusStrait」という検索キーワードを入力して全文検索を行う場合のみ、図５に示す情報が検索結果として出力される。しかし、正しい分かち書きが反映された「Bosphorus Strait」の検索キーワードを入力して全文検索を行うと、図５に示す情報が検索結果として出力されない。
【００５８】
これに対して、本発明の文字認識技術によると、文字情報が、文字認識の対象にいずれの形態で含まれていても、文法に合う分かち書きが反映された結果が認識結果として出力されるようになるので、図５のイメージファイルに対しても、正しい分かち書きが反映された文字認識が行われ、「Bosphorus Strait」という検索キーワードを用いて検索を行うとき、図５に示される情報が検索結果として出力されるようになる。
【００５９】
ここで、図５に示すように、改行及び分かち書きが校正されたＯＣＲ結果は、検索サービス提供部（図示せず）によってインターネット検索サービスに活用することができる。
【００６０】
上述した本発明による一実施形態は、多様なコンピュータ構成要素を介して実行され得るプログラムコマンドの形態で実現され、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記コンピュータ読み取り可能な記録媒体は、プログラムコマンド、データファイル、データ構造等を単独または組み合わせて含んでもよい。前記コンピュータ読み取り可能な記録媒体に記録されるプログラムコマンドは、本発明のために特別に設計され構成されたものであり、または、コンピュータソフトウェア分野の当業者に公知の使用可能なコマンドであってもよい。コンピュータ読み取り可能な記録媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、及び磁気テープのような磁気媒体、ＣＤ‐ＲＯＭ、ＤＶＤのような光記録媒体、フロプティカルディスクのような磁気‐光媒体、及びＲＯＭ、ＲＡＭ、フラッシュメモリ等のようなプログラムコマンドを保存して実行するように特別に構成されたハードウェア装置が挙げられる。プログラムコマンドの例としては、コンパイラによって作られるような機械語コードのみならず、インタープリター等を用いてコンピュータによって実行可能な高級言語コードも含まれる。前記ハードウェア装置は、本発明による処理を行うために、一つ以上のソフトウェアモジュールとして作動するように構成されてもよく、その逆も同様である。
【００６１】
以上、本発明は、具体的な構成要素等のような特定事項と、限定された実施形態及び図面によって説明されているが、これは、本発明のさらなる全般的な理解のためのものであるだけで、本発明が上記した実施形態に限定されるものではなく、本発明の属する分野における通常の知識を有する者であれば、このような記載から様々な修正及び変形を図ることができる。
【００６２】
従って、本発明の思想は、上述された実施形態に限定されるものではなく、後述する特許請求の範囲のみならず、この特許請求の範囲と均等にまたは等価的に変形された全てのものは、本発明の思想の範疇に属するものと言える。
【符号の説明】
【００６３】
１００ 通信網
２００ 文字認識サービス提供システム
２１０ 文字認識要求受信部
２２０ 文字認識部
２３０ 改行校正部
２４０ 言語モデル部
２５０ 通信部
２６０ 制御部
３００ ユーザ端末装置
【技術分野】
【０００１】
本発明は、ＯＣＲ結果を補正するための方法、システム、及びコンピュータ読み取り可能な記録媒体に関し、より詳しくは、文字認識結果を提供するに当たって、段落の開始または終了を表示する改行を除いた全ての改行を無くし、隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）等を用いて、分かち書きが校正された結果を提供することにより、不要な改行がなく、文法に合う分かち書きが反映された文字認識結果を提供することができるようにする方法、システム、及びコンピュータ読み取り可能な記録媒体に関する。
【背景技術】
【０００２】
最近、インターネットの使用が普遍化し、情報通信網を通じて様々な形態の情報が流通するとともに、現代人の情報習得手段として機能するインターネットに対する依存度が日々に高まっている。
【０００３】
特に、イメージまたは動画の形態で存在する情報に含まれる文字情報を認識し、この文字情報を機械的に読み取り可能な情報に変換し、インターネットユーザにとって、文字情報を利用可能にするための努力が進行している。例えば、イメージ形態の文字を解読し、これを機械的に読み取り可能なテキスト情報に変換する様々な文字認識技術が開発され使用されており、その中でも、光学式文字認識（ＯＣＲ：Optical Character Recognition）技術が広く用いられている。
【０００４】
図１（ａ）は、光学式文字認識の対象となるイメージの一例を示す図であり、図１（ｂ）は、従来の光学式文字認識技術によって、図１（ａ）のイメージに対して文字認識を行った結果を示す図である。
【０００５】
上述したように、光学式文字認識は、図１（ａ）のイメージに対して文字が含まれる領域を分析し、このような領域から機械的に読み取り可能な文字を認識することにより、図１（ｂ）に示すような結果を出力する。このような文字認識技術によって、ユーザは、編集または修正が可能なテキスト情報が得られるようになる。
【０００６】
しかしながら、従来の光学式文字認識技術によると、図１（ａ）及び図１（ｂ）に示すように、元々のイメージ情報において、異なる行に表示されている文字情報は、文字認識結果でも、そのまま異なる行に表示されるようになる。すなわち、元々のイメージ情報では、文字情報が含まれる領域の大きさ等によって、文章または段落が終わっていなくても、異なる行に位置することがあるが、従来の光学式文字認識技術は、これを、全ての異なる行をそのまま改行と認識し、行間にエンターを適用した結果を出力するようになる。これによると、図１（ａ）に示すように、原本のテキスト領域の幅が狭過ぎるため、文章または段落が複数行に分かれている場合も、図１（ｂ）の認識結果のように、「Istanbul (historically also known as) 」の文字情報と「Byzantium and 1262047912468_0) is the largest」の文字情報が、一つの連結された文章に含まれており、一般のワードプロセッサの一行に入る長さであるにもかかわらず、これを、ワードプロセッサ等に貼り付けを行うと、互いに異なる行に表示されるようになる。
【０００７】
それだけでなく、文字認識対象となるイメージ情報が、複数のページからなる場合、前ページの最後の情報と次ページの最初の情報が一つの文章または段落に含まれる情報であっても、これを、改行と認識し、互いに異なる行として文字認識結果を出力していた。
【０００８】
このような文字認識結果を、ユーザがワードプロセッサ等を用いて編集または修正する場合、このような認識結果に適用されたそれぞれのエンター（すなわち、改行）を相当数直接削除しなければならないという煩わしさがあった。
【０００９】
一方、イメージ情報に含まれる文字情報を認識するに当たって、分かち書きがうまく表記されていない情報が文字認識の結果として出力されるというさらなる問題があったため、不要な改行が除去され、正しい分かち書きが反映された文字認識結果を出力可能な技術についての開発が切望されている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】韓国特許出願公開２００８−０１０４５１７号
【非特許文献】
【００１１】
【非特許文献１】２００７韓国コンピュータ総合学術大会論文集Ｖｏｌ．３４，Ｎｏ．１（Ｃ）（“Proceedings of Korea Computer Congress Vol.34, No.1(c)” of the Korean Institute of Information Scientists and Engineers）
【発明の概要】
【発明が解決しようとする課題】
【００１２】
本発明は、上述した従来技術の問題点を解決することをその目的とする。
【００１３】
また、文字認識結果を提供することに当たって、段落の開始または終了に対応して挿入された改行を除いた残りの改行を認識し、この残りの改行を一括して除去することにより、不要な改行のない文字認識結果を提供することを他の目的とする。
【００１４】
また、前記文字認識結果に含まれる分かち書きを隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を用いて校正することにより、文法に合う分かち書きが反映された文字情報を文字認識結果として提供することをまた他の目的とする。
【００１５】
また、不要な改行が除去され、正しい分かち書きが反映された文字認識結果をインターネット検索サービスに活用することにより、より正確な検索結果を提供することをさらに他の目的とする。
【課題を解決するための手段】
【００１６】
上記目的を達成するために、本発明の一実施形態によると、ＯＣＲ結果を補正するための方法であって、ＯＣＲ技術を用い、文字情報を含むコンテンツに対して文字認識を行い、前記文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力し、前記出力された結果に対して分かち書きを校正すること、を含む方法が提供される。
【００１７】
また、本発明の他の実施形態によると、ＯＣＲ結果を補正するためのシステムであって、ＯＣＲ技術を用い、文字情報を含むコンテンツに対して文字認識を行い、前記文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力する文字認識部と、前記出力された結果を受信し、この出力結果に対して分かち書きを校正する言語モデル部と、を備えるシステムが提供される。
【００１８】
また、本発明のまた他の実施形態によると、ユーザの編集と検索を容易にする文字認識結果を提供するための他の方法、システム、及びこのような方法を実行するためのコンピュータ読み取り可能な記録媒体が提供される。
【発明の効果】
【００１９】
本発明によれば、文字認識結果が提供されるに当たって、段落が開始または終了する箇所にのみ改行が挿入された結果を出力することにより、ユーザが、文字認識結果をワードプロセッサ等を用いて修正または編集するとき、改行のためのエンターを一々削除して編集しなければならない煩わしさを減らすことができる。
【００２０】
また、言語モデルに分かち書きが無視されたデータが入力されると、言語モデルを通じて文法に合う分かち書きを反映し、これを文字認識結果として提供することができる。
【００２１】
また、不要な改行が除去され、文法に合う分かち書きが反映された文字認識結果がインターネット検索サービスに活用されることにより、ユーザの検索キーワード入力に対して、より正確な検索結果を提供することができる。
【図面の簡単な説明】
【００２２】
【図１】（ａ）は、従来技術に係る文字認識の対象となるイメージ情報の一例を示す図であり、（ｂ）は、（ａ）におけるイメージ情報に、従来の光学式文字認識技術が適用された結果を示す図である。
【図２】本発明の一実施形態によって、不要な改行が除去され、文法に合う分かち書きが反映された文字認識結果を提供するための全体システムの構成を示す概略構成を示す図である。
【図３】本発明の一実施形態に係る文字認識サービス提供システム２００の内部構成を詳細に示す図である。
【図４】（ａ）は、本発明の一実施形態に係る文字認識の対象となるイメージ情報の一例を示す図であり、（ｂ）は、（ａ）におけるイメージ情報に、本発明の一実施形態に係る文字認識技術が適用された結果を示す図である。
【図５】文字認識が行われ、インターネット検索サービスに活用されるイメージ情報の一例を示す図である。
【発明を実施するための形態】
【００２３】
後述する本発明についての詳細な説明は、本発明が実施可能な特定の実施形態を例示として示す添付図面を参照する。これらの実施形態は、当業者が本発明を十分に実施することができるように詳細に説明される。本発明の様々な実施形態は、互いに異なるが、相互排他的である必要はないことが理解されなければならない。例えば、ここに記載されている特定の形状、構造及び特性は、一実施形態と関連して、本発明の思想及び範囲を逸脱しない範囲内で他の実施形態に具現され得る。また、それぞれの開示された実施形態内の個別構成要素の位置または配置は、本発明の思想及び範囲を逸脱しない範囲内で変更され得ることが理解されなければならない。従って、後述する詳細な説明は、限定的な意味として解釈されてはならず、本発明の範囲は、適切に説明されれば、その請求項が主張するものと均等な全ての範囲と共に、添付の請求項によってのみ限定される。図面において、同一、または類似した参照符号は、いくつかの側面にわたって同一または類似の機能を示す。
【００２４】
以下、本発明の属する技術の分野における通常の知識を有する者が、本発明を容易に実施することができるようにするため、添付した図面に基づき、本発明の好適な実施形態について詳述する。
【００２５】
［本発明の好適な実施例］
本明細書において、文字認識とは、イメージ等に含まれた文字を認識し、これを分析して機械的に読み取り可能な文字を抽出する過程を意味するものであり、光学式文字認識（ＯＣＲ）等の文字認識技術を総称するものと理解されなければならない。
【００２６】
全体システムの構成
図２は、本発明の一実施形態によって、不要な改行が除去され、文法に合う分かち書きが反映された文字認識結果を提供するための全体システムの構成を示す概略図である。
【００２７】
図２に示すように、本発明の全体のシステムは、通信網１００、文字認識サービスを提供するための文字認識サービス提供システム２００、通信網１００を介して文字認識サービス提供システム２００に接続可能なユーザ端末装置３００と、を含めて構成される。
【００２８】
先ず、通信網１００は、有線又は無線等のようなその通信の様態によらずに構成され、ローカルエリアネットワーク（ＬＡＮ：Local Area Network）、都市規模ネットワーク（ＭＡＮ：Metropolitan Area Network）、広域ネットワーク（ＷＡＮ：Wide Area Network）等、多様な通信網で構成されてもよい。好ましくは、本発明における通信網１００は、公知のワールドワイドウェブ（ＷＷＷ：World Wide Web）であってもよい。
【００２９】
本発明の一実施形態に係る文字認識サービス提供システム２００は、ユーザから文字認識要求を受けた対象（例えば、文字情報が含まれたイメージ等のコンテンツ）に対して文字認識を行う。
【００３０】
文字認識の対象となるコンテンツに含まれる文字は、ページの幅に応じて複数の行からなってもよい。この場合、文字認識サービス提供システム２００は、文字を認識するに当たって、後述する所定の例外が適用される場合を除いては、各行を連結して言語モデルに伝達することにより、不要な改行が挿入されて認識されることを防止する。
【００３１】
また、本発明の一実施形態に係る文字認識サービス提供システム２００は、複数のページからなるコンテンツを文字認識対象として受信する場合も、後述する所定の例外が適用される場合を除いては、前ページの最後の文字情報と次ページの最初の文字情報を連結して言語モデルに伝達する。
【００３２】
従来の文字認識サービスは、文字認識対象において、異なる行に表示されている文字情報間の改行については、無条件に改行を挿入して文字認識結果を提供していた。これにより、文字認識結果をワードプロセッサ等に貼り付け（copy-and-pasted）を行う場合、前記ワードプロセッサのページの幅に合わせて認識された内容が挿入されるのではなく、文字認識対象に表示された改行がそのまま適用された状態でワードプロセッサに適用されていた。
【００３３】
本発明の文字認識サービス提供システム２００は、このような問題点を防止するために、後述する所定の例外が適用される場合を除いては、文字認識対象において隣接した行の文字情報を連結して言語モデルに伝達するものである。
【００３４】
また、本発明の一実施形態に係る文字認識サービス提供システム２００は、言語モデルに伝達された分かち書きが無視されたデータに対して、分かち書きの校正を行い、その校正結果が反映された文字情報を出力する。ここで、文字認識サービス提供システム２００は、分かち書きが除去されたデータに対して、各文字に分かち書きを判断するフラグを立て、これに基づいて言語モデルを用いて分かち書きを行い、校正された文字情報を出力する。
【００３５】
一方、本発明の一実施形態に係るユーザ端末装置３００は、ユーザが通信網１００を通じて文字認識サービス提供システム２００に接続した後に通信可能にする機能を含むデジタル機器であって、パーソナルコンピュータ（例えば、デスクトップコンピュータ、ノート型コンピュータ等）、ワークステーション、ＰＤＡ、ウェブパッド、携帯電話等のように、メモリ手段とマイクロプロセッサとを搭載して演算能力を備えたデジタル機器であれば、いずれも本発明に係るユーザ端末装置３００として採用され得る。また、ユーザ端末装置３００には、ユーザが文字認識サービス提供システム２００からサービスを提供されるようにするウェブブラウザ（図示せず）プログラムがさらに含まれていてもよい。
【００３６】
文字認識サービス提供システムの構成
以下、本発明の実現するために重要な機能を行う文字認識サービス提供システム２００の内部構成及び各構成要素の機能について説明する。
【００３７】
図３は、本発明の一実施形態に係る文字認識サービス提供システム２００の内部構成を詳細に示す図である。図３を参照すると、本発明の一実施形態に係る文字認識サービス提供システム２００は、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、通信部２５０、及び制御部２６０により構成されている。本発明の一実施形態によると、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、通信部２５０、及び制御部２６０は、その少なくとも一部が、ユーザ端末装置３００と通信するプログラムモジュールであってもよい。このようなプログラムモジュールは、運営システム、アプリケーションプログラムモジュール、及びその他のプログラムモジュールの形態で、文字認識サービス提供システム２００に含まれてもよく、物理的には種々の公知の記憶装置に保存されてもよい。また、このようなプログラムモジュールは、文字認識サービス提供システム２００と通信可能な遠隔記憶装置に保存されてもよい。一方、このようなプログラムモジュールは、本発明によって後述する特定の業務を行い、または、特定の抽象的なデータ形態を実行するルーチン、サブルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を包括するが、これらに制限されるものではない。
【００３８】
先ず、本発明の一実施形態に係る文字認識要求受信部２１０は、ユーザ端末装置３００から、文字認識の対象となるコンテンツに関する情報とともに、前記コンテンツに含まれた文字に対する認識要求を受信する。ユーザは、文字認識の対象となるコンテンツまたは該当コンテンツの識別子を伝送することにより、文字認識を要求してもよい。
【００３９】
次に、本発明の一実施形態に係る文字認識部２２０は、文字認識要求受信部２１０によって受信された要求に対応して、実際に文字認識を行う。
【００４０】
文字認識部２２０は、先ず、翻訳の対象となるコンテンツの画像を認識し、認識された画像において、文字が含まれた部分を公知の分析アルゴリズムによって分析する。これと関連して、本発明の属する技術の分野における当業者は、公知の技術文献である韓国情報科学会の「２００７韓国コンピュータ総合学術大会論文集Ｖｏｌ．３４，Ｎｏ．１（Ｃ）（“Proceedings of Korea Computer Congress Vol.34, No.1(c)” of the Korean Institute of Information Scientists and Engineers）」に開示された文字認識技術または公知の光学式文字認識（ＯＣＲ）技術等を参考とすることができる。
【００４１】
分析が完了すると、文字認識部２２０は、イメージ形態で表現される文字に対応するものと判断される実際の文字を抽出する。この過程では、分析されたイメージ形態の文字と実際の文字との間の類似度を算出し、その類似度が最も高い実際の文字が最終的に抽出される。文字認識部２２０は、このような過程によって、文字認識対象に含まれる文字情報を機械的に読み取り可能な文字として抽出する。
【００４２】
一方、本発明の一実施形態に係る改行校正部２３０は、文字認識部２２０によって抽出された文字情報に含まれる改行を校正する。上述したように、文字認識対象となるコンテンツにおいて、文字情報が互いに異なる行に表示されていれば、文字認識部２２０は、これを多くの改行を含む文字情報として認識してもよい。従って、文字認識部２２０から出力された文字情報には、不要な改行が多数含まれるようになる。改行校正部２３０は、以下のような動作を行うことにより不要な改行を除去する。
【００４３】
改行校正部２３０は、文字認識部２２０から出力された結果に対して、殆どの改行を除去する。すなわち、異なる行に表示された文字情報であっても、隣接した行の文字情報を連結させて出力する。しかし、以下のような例外規定を満たす場合は、隣接した行を連結しなくてもよい。
【００４４】
先ず、行に所定の幅以上の字下げが行われている場合は、これを新しい行の開始とみなし、この行は前行と連結された状態では言語モデルに伝達しない。すなわち、行にインデントが存在する場合は、新しい段落の開始であると解釈し、文字情報は前行と異なる行に表示させている。ここで、前記所定の幅は、前行の高さの０．５倍以上の幅を有する空白と定義することができるが、これに制限されるものではない。
【００４５】
また、前行に含まれる文字情報がページの右余白に到達せずに終わる場合は、文字情報は新しい行と前行を連結せずに言語モデルに伝達される。すなわち、前行において、文字情報がページの右余白（ページの右側に余白が存在する場合は、該当余白の左端）に到達せずに終わるというのは、該当行で段落が終わることを意味するので、次の新しい行は、前行と連結して表現する必要がなくなる。
【００４６】
改行校正部２３０は、このような二つの例外事項に対してのみ、改行の情報、例えば、エンターを挿入して出力し、これらの二つの場合を除いた全ての場合は、行を隣接した行と連結して表現する。かくして、文字認識結果として出力される文字情報には、段落が開始または終了する場合にのみ改行が挿入され、これにより、不要な改行が除去され得る。
【００４７】
ここで、本発明の実現のために、文字認識部２２０と改行校正部２３０が分離された構成となっている場合を想定して説明しているが、必ずしもこれに限定されるものではなく、場合に応じて、文字認識部２２０と改行校正部２３０を統合して本発明を実現することもできる。
【００４８】
一方、本発明の一実施形態に係る言語モデル部２４０は、改行校正部２３０から伝達されたデータ（すなわち、分かち書きが無視されたデータ）に含まれる分かち書きを自動的に校正する。言語モデル部２４０によって自動的に行われる分かち書き校正は、隠れマルコフモデル（ＨＭＭ）等を用いて行われる。これについては、本出願人が出願し、２００８年１２月３日付で公開された韓国特許出願公開第２００８‐０１０４５１７号の明細書に詳細に説明されているので、ここでは、簡単に説明する。
【００４９】
言語モデル部２４０は、上述したように、分かち書きが無視された状態の文字情報を受信し、これに基づいて正しい分かち書きを反映することにより文字情報を構成する。以下、その過程について簡単に説明する。前記改行校正部２３０から伝達される文字情報は、音節列Ｃと、分かち書きを定義する分かち書きタグ列Ｕとからなるが、言語モデル部２４０は、隠れマルコフモデルを用いて、音節列Ｃとタグ列Ｕの結合確率を最大とする最適な分かち書きタグ列Ｕを見付ける。このとき、ビタビアルゴリズムが用いられてもよい。その後、前記分かち書きが除去された文字情報に前記最適な分かち書きタグ列Ｕを適用し、文法に合う分かち書きが反映された文字情報を出力する。これにより、ユーザは、文字認識結果として正しい改行と文法に合う分かち書きが反映された文字情報が得られる。
【００５０】
本発明の一実施形態に係る通信部２５０は、ユーザ端末装置３００から文字認識要求を受信し、文字認識の結果物を再度ユーザ端末装置３００に伝送する。全体的に、通信部２５０は、文字認識サービス提供システム２００に対してデータ送受信を行う。
【００５１】
一方、本発明の一実施形態に係る制御部２６０は、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、及び通信部２５０間のデータの流れを制御する。すなわち、本発明の一実施形態に係る制御部２６０は、外部から、または文字認識サービス提供システム２００の各構成要素間のデータの流れを制御することにより、文字認識要求受信部２１０、文字認識部２２０、改行校正部２３０、言語モデル部２４０、及び通信部２５０において、それぞれ固有機能を行うように制御する。
【００５２】
本発明の活用例
図４は、本発明の一実施形態によって文字認識を行った結果を示す図である。先ず、図４（ａ）は、文字認識の対象となるイメージファイルを示す図であり、図４（ｂ）は、図４（ａ）におけるイメージファイルに対する文字認識の結果を示す図である。一方、本実施形態の図４（ａ）、図４（ｂ）、図５では、英文テキストを選択して記述しているが、これに一実施例に過ぎず、本発明は、英文を除いたその他の言語についても適用可能である。
【００５３】
上述のように、本発明の文字認識サービス提供システム２００は、段落が開始または終了する場合と判断される場合（すなわち、前記二つの例外の場合）を除いては、改行を除去した状態で、隠れマルコフモデルを用いて分かち書きを校正して、文字情報を出力する。
【００５４】
これにより、図４（ａ）のイメージファイルに対して、本発明による文字認識を適用すると、図４（ｂ）に示すように、新しい段落が開始される場合にのみ、エンターが入力されたテキスト結果が出力されるようになる。図４（ｂ）の結果物を、図１（ｂ）に示した従来技術による文字認識結果と比較すると、段落が区分される場合にのみ改行が挿入され、分かち書きも正しく校正されていることが分かる。
【００５５】
したがって、本発明の文字認識技術によると、文字認識の結果物をワードプロセッサ等に貼り付けて編集しようとする場合、ユーザは不要な改行を除去する必要がなく、分かち書きを直接校正しなければならないという不便さも発生しない。
【００５６】
一方、このように本発明による文字認識の結果物を検索に用いる場合、さらに正確な検索結果が得られる。これについては、図５を参照して説明する。
【００５７】
図５に示すような文字を含むイメージファイルに対して文字認識を行い、これを検索サービスに活用する場合、従来技術によると、改行される場合は、無条件に分かち書きがないものと判断するので、「BosphorusStrait」という検索キーワードを入力して全文検索を行う場合のみ、図５に示す情報が検索結果として出力される。しかし、正しい分かち書きが反映された「Bosphorus Strait」の検索キーワードを入力して全文検索を行うと、図５に示す情報が検索結果として出力されない。
【００５８】
これに対して、本発明の文字認識技術によると、文字情報が、文字認識の対象にいずれの形態で含まれていても、文法に合う分かち書きが反映された結果が認識結果として出力されるようになるので、図５のイメージファイルに対しても、正しい分かち書きが反映された文字認識が行われ、「Bosphorus Strait」という検索キーワードを用いて検索を行うとき、図５に示される情報が検索結果として出力されるようになる。
【００５９】
ここで、図５に示すように、改行及び分かち書きが校正されたＯＣＲ結果は、検索サービス提供部（図示せず）によってインターネット検索サービスに活用することができる。
【００６０】
上述した本発明による一実施形態は、多様なコンピュータ構成要素を介して実行され得るプログラムコマンドの形態で実現され、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記コンピュータ読み取り可能な記録媒体は、プログラムコマンド、データファイル、データ構造等を単独または組み合わせて含んでもよい。前記コンピュータ読み取り可能な記録媒体に記録されるプログラムコマンドは、本発明のために特別に設計され構成されたものであり、または、コンピュータソフトウェア分野の当業者に公知の使用可能なコマンドであってもよい。コンピュータ読み取り可能な記録媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、及び磁気テープのような磁気媒体、ＣＤ‐ＲＯＭ、ＤＶＤのような光記録媒体、フロプティカルディスクのような磁気‐光媒体、及びＲＯＭ、ＲＡＭ、フラッシュメモリ等のようなプログラムコマンドを保存して実行するように特別に構成されたハードウェア装置が挙げられる。プログラムコマンドの例としては、コンパイラによって作られるような機械語コードのみならず、インタープリター等を用いてコンピュータによって実行可能な高級言語コードも含まれる。前記ハードウェア装置は、本発明による処理を行うために、一つ以上のソフトウェアモジュールとして作動するように構成されてもよく、その逆も同様である。
【００６１】
以上、本発明は、具体的な構成要素等のような特定事項と、限定された実施形態及び図面によって説明されているが、これは、本発明のさらなる全般的な理解のためのものであるだけで、本発明が上記した実施形態に限定されるものではなく、本発明の属する分野における通常の知識を有する者であれば、このような記載から様々な修正及び変形を図ることができる。
【００６２】
従って、本発明の思想は、上述された実施形態に限定されるものではなく、後述する特許請求の範囲のみならず、この特許請求の範囲と均等にまたは等価的に変形された全てのものは、本発明の思想の範疇に属するものと言える。
【符号の説明】
【００６３】
１００ 通信網
２００ 文字認識サービス提供システム
２１０ 文字認識要求受信部
２２０ 文字認識部
２３０ 改行校正部
２４０ 言語モデル部
２５０ 通信部
２６０ 制御部
３００ ユーザ端末装置
【特許請求の範囲】
【請求項１】
ＯＣＲ結果を補正するための方法であって、
（ａ）ＯＣＲ技術を用いて文字情報を含むコンテンツに対して文字認識を行い、
（ｂ）前記文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力し、
（ｃ）前記出力された結果に対して分かち書きを校正する、ことを含むことを特徴とする方法。
【請求項２】
前記改行情報は、エンターであることを特徴とする請求項１に記載の方法。
【請求項３】
前記（ａ）は、
前記コンテンツに含まれた文字部分を分析し、
前記分析された文字に対応する少なくとも一つの文字を抽出する、ことを含むことを特徴とする請求項１に記載の方法。
【請求項４】
前記段落の開始または終了を示す改行情報は、前記文字認識された結果に字下げが存在する場合、前記字下げの前に存在する改行情報を含むことを特徴とする請求項１に記載の方法。
【請求項５】
前記字下げの存在は、行の開始点において、前行の高さの０．５倍以上の余白が存在するときに認識されることを特徴とする請求項４に記載の方法。
【請求項６】
前記段落の開始または終了を示す改行情報は、前記文字認識結果に含まれた特定の行が、該当行の右端に到達せずに終了する場合、前記特定の行の次行を改行するための情報を含むことを特徴とする請求項１に記載の方法。
【請求項７】
前記文字認識対象の右端は、前記文字認識対象に存在する右側の余白の左端であることを特徴とする請求項６に記載の方法。
【請求項８】
前記（ｃ）は、
前記出力された結果に含まれた各文字別に分かち書きを判断するフラグを立て、
前記フラグを用いて前記分かち書きの要否を決定することにより、前記分かち書きを校正する、ことを含むことを特徴とする請求項１に記載の方法。
【請求項９】
前記（ｃ）は、隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を用いて行われることを特徴とする請求項１に記載の方法。
【請求項１０】
前記（ａ）乃至（ｃ）によって補正されたＯＣＲ結果をインターネット検索サービスに活用するステップをさらに含むことを特徴とする請求項１に記載の方法。
【請求項１１】
ＯＣＲ結果を補正するためのシステムであって、
ＯＣＲ技術を用いて文字情報を含むコンテンツに対して文字認識を行い、前記文字認識結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力する文字認識部と、
前記出力された結果を受信し、これに対して分かち書きを校正する言語モデル部と、
を備えることを特徴とするシステム。
【請求項１２】
前記改行情報は、エンターであることを特徴とする請求項１１に記載のシステム。
【請求項１３】
前記文字認識部は、
前記コンテンツに含まれた文字部分を分析し、前記分析された文字に対応する少なくとも一つの文字を抽出することを特徴とする請求項１１に記載のシステム。
【請求項１４】
前記文字認識部は、
前記文字認識された結果に字下げが存在する場合、前記字下げの前に存在する改行情報を、前記段落の開始または終了を示す改行情報として判断することを特徴とする請求項１１に記載のシステム。
【請求項１５】
前記字下げの存在は、行の開始点において、前行の高さの０．５倍以上の余白が存在するときに認識されることを特徴とする請求項１４に記載のシステム。
【請求項１６】
前記文字認識部は、
前記文字認識された結果に含まれた特定の行が、該当行の右端に到達せずに終了する場合、前記特定の行の次行に対する改行情報を、前記段落の開始または終了を示す改行情報として判断することを特徴とする請求項１１に記載のシステム。
【請求項１７】
前記文字認識対象の右端は、前記文字認識対象に存在する右側の余白の左端であることを特徴とする請求項１６に記載のシステム。
【請求項１８】
前記言語モデル部は、
前記出力された結果に含まれた各文字別に分かち書きを判断するフラグを立て、前記フラグを用いて前記分かち書きの要否を決定することにより、前記分かち書き校正することを特徴とする請求項１１に記載のシステム。
【請求項１９】
前記言語モデル部は、隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を用いて分かち書きを校正することを特徴とする請求項１１に記載のシステム。
【請求項２０】
前記改行及び分かち書きが校正されたＯＣＲ結果をインターネット検索サービスに活用する検索サービス提供部をさらに備えることを特徴とする請求項１１に記載のシステム。
【請求項２１】
請求項１乃至１０のいずれか一項に記載の方法を実行するためのコンピュータプログラムを記録するコンピュータ読み取り可能な記録媒体。
【請求項１】
ＯＣＲ結果を補正するための方法であって、
（ａ）ＯＣＲ技術を用いて文字情報を含むコンテンツに対して文字認識を行い、
（ｂ）前記文字認識された結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力し、
（ｃ）前記出力された結果に対して分かち書きを校正する、ことを含むことを特徴とする方法。
【請求項２】
前記改行情報は、エンターであることを特徴とする請求項１に記載の方法。
【請求項３】
前記（ａ）は、
前記コンテンツに含まれた文字部分を分析し、
前記分析された文字に対応する少なくとも一つの文字を抽出する、ことを含むことを特徴とする請求項１に記載の方法。
【請求項４】
前記段落の開始または終了を示す改行情報は、前記文字認識された結果に字下げが存在する場合、前記字下げの前に存在する改行情報を含むことを特徴とする請求項１に記載の方法。
【請求項５】
前記字下げの存在は、行の開始点において、前行の高さの０．５倍以上の余白が存在するときに認識されることを特徴とする請求項４に記載の方法。
【請求項６】
前記段落の開始または終了を示す改行情報は、前記文字認識結果に含まれた特定の行が、該当行の右端に到達せずに終了する場合、前記特定の行の次行を改行するための情報を含むことを特徴とする請求項１に記載の方法。
【請求項７】
前記文字認識対象の右端は、前記文字認識対象に存在する右側の余白の左端であることを特徴とする請求項６に記載の方法。
【請求項８】
前記（ｃ）は、
前記出力された結果に含まれた各文字別に分かち書きを判断するフラグを立て、
前記フラグを用いて前記分かち書きの要否を決定することにより、前記分かち書きを校正する、ことを含むことを特徴とする請求項１に記載の方法。
【請求項９】
前記（ｃ）は、隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を用いて行われることを特徴とする請求項１に記載の方法。
【請求項１０】
前記（ａ）乃至（ｃ）によって補正されたＯＣＲ結果をインターネット検索サービスに活用するステップをさらに含むことを特徴とする請求項１に記載の方法。
【請求項１１】
ＯＣＲ結果を補正するためのシステムであって、
ＯＣＲ技術を用いて文字情報を含むコンテンツに対して文字認識を行い、前記文字認識結果を出力する際に、段落の開始または終了を示す改行情報を除いた残りの改行情報を除去して出力する文字認識部と、
前記出力された結果を受信し、これに対して分かち書きを校正する言語モデル部と、
を備えることを特徴とするシステム。
【請求項１２】
前記改行情報は、エンターであることを特徴とする請求項１１に記載のシステム。
【請求項１３】
前記文字認識部は、
前記コンテンツに含まれた文字部分を分析し、前記分析された文字に対応する少なくとも一つの文字を抽出することを特徴とする請求項１１に記載のシステム。
【請求項１４】
前記文字認識部は、
前記文字認識された結果に字下げが存在する場合、前記字下げの前に存在する改行情報を、前記段落の開始または終了を示す改行情報として判断することを特徴とする請求項１１に記載のシステム。
【請求項１５】
前記字下げの存在は、行の開始点において、前行の高さの０．５倍以上の余白が存在するときに認識されることを特徴とする請求項１４に記載のシステム。
【請求項１６】
前記文字認識部は、
前記文字認識された結果に含まれた特定の行が、該当行の右端に到達せずに終了する場合、前記特定の行の次行に対する改行情報を、前記段落の開始または終了を示す改行情報として判断することを特徴とする請求項１１に記載のシステム。
【請求項１７】
前記文字認識対象の右端は、前記文字認識対象に存在する右側の余白の左端であることを特徴とする請求項１６に記載のシステム。
【請求項１８】
前記言語モデル部は、
前記出力された結果に含まれた各文字別に分かち書きを判断するフラグを立て、前記フラグを用いて前記分かち書きの要否を決定することにより、前記分かち書き校正することを特徴とする請求項１１に記載のシステム。
【請求項１９】
前記言語モデル部は、隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を用いて分かち書きを校正することを特徴とする請求項１１に記載のシステム。
【請求項２０】
前記改行及び分かち書きが校正されたＯＣＲ結果をインターネット検索サービスに活用する検索サービス提供部をさらに備えることを特徴とする請求項１１に記載のシステム。
【請求項２１】
請求項１乃至１０のいずれか一項に記載の方法を実行するためのコンピュータプログラムを記録するコンピュータ読み取り可能な記録媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２０１０−１５７２４１（Ｐ２０１０−１５７２４１Ａ）
【公開日】平成２２年７月１５日（２０１０．７．１５）
【国際特許分類】
【出願番号】特願２００９−２９９０６７（Ｐ２００９−２９９０６７）
【出願日】平成２１年１２月２９日（２００９．１２．２９）
【出願人】（５０５２０５８１２）エヌエイチエヌ コーポレーション (408)
【Ｆターム（参考）】
【公開日】平成２２年７月１５日（２０１０．７．１５）
【国際特許分類】
【出願日】平成２１年１２月２９日（２００９．１２．２９）
【出願人】（５０５２０５８１２）エヌエイチエヌ コーポレーション (408)
【Ｆターム（参考）】
[ Back to top ]