古典原本用光学的文字認識（OCR）装置に関する開発研究

Research Project

Project/Area Number	09410118
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Single-year Grants
Section	一般
Research Field	国文学
Research Institution	National Institute of Japanese Literature
Principal Investigator	原正一郎国文研, 助教授 (50218616)
Co-Investigator(Kenkyū-buntansha)	相田満国文学研究資料館, 研究情報部, 助手 (00249921)
Project Period (FY)	1997 – 1999
Project Status	Completed (Fiscal Year 1999)
Budget Amount *help	¥12,900,000 (Direct Cost: ¥12,900,000) Fiscal Year 1999: ¥3,900,000 (Direct Cost: ¥3,900,000) Fiscal Year 1998: ¥3,900,000 (Direct Cost: ¥3,900,000) Fiscal Year 1997: ¥5,100,000 (Direct Cost: ¥5,100,000)
Keywords	デジタル・ライブラリ / 画像処理 / OCR
Research Abstract	国文学研究支援用デジタルライブラリの一部分であるイメージデータベータベースと連動し、歪みが大きく、点などが欠落することの多い古典原本の文字を識別するためのOCR(光学的文字認識装置)を開発する。平成10年度は、データの作成、文字種の識別プログラムの開発、および漢字属性情報の整理等を中心に行った。 1) 昨年度に引き続き、文字識別についての研究事例を文献および海外レビューに基づいて検討した。 2) 昨年度に引き続き、イメージ処理のツールプログラムをライブラリ化した。 3) 研究対象とする画像データを作成した。対象として、同じ内容について多くの版のある資料を選んだ。これにより、認識のための属性辞書の作成が容易になることが期待される。 4) 意味的な文字認識を考慮し、漢字の属性辞書に意味的な情報の付加を試みた。追加される属性情報としては、ヨミ、関連する異体字との関連、出典などを取り込んだ。 5) 統計的手法(KL展開法)に基づき、少ないサンプによる学習から、漢字、仮名、カナといった文字種の識別ができるプログラムを開発した。