[发明专利]地名表示方法、地名字符串识别方法与装置

说明书

本发明涉及地名组表示方法、地名字符串识别方法与装置，特别涉及适合采用用于读取文件上所记载地名的装置中的地名字符串存储装置与核对装置的合适的地名组表示方法、地名字符串识别方法与装置。

从图像中读取都道府县名、市镇村名、字名等地名单词排列而成的字符串(以下称为地名字符串)的字符识别装置，一般构成为具有以下三种功能：

(1)分离字符图案(字符分离)；

(2)对各种字符图案的字种(字符码)进行识别(字符识别)；

(3)将字符的识别结果同预存储的地名单词的排列核对。

关于字符串核对方法的先有技术，例如已知有根据丸川等方式，《情报处理学会论文志》，35卷6期“用于手写汉字住址识别的纠错算法”。此外，关于将字符分离、识别与核对一体化的方式的先有技术，已知有基于隐马尔可夫模型的方式(O.E.Agazzi et al:“Connected and Degraded Text Recognition Using Planar HiddenMarkov Models”,Proceedings of International Conference onAcoustics,Speech and Signal Processing)和搜索式识别字符串的方法(Koga et al:“Lexical Search Approach for Character-StringRecognition”,Third International Association for Pattern RecognitionWorkshop on Document Analysis Systems 1998)。

在上述的先有技术中，为了进行字符串的核对处理，需要有预先存储所出现的地名字符串的装置、地名字符串辞典等，而作为地名字符串词典有以下三种：

(1)存储于文件中的“词典源文件”，这是后述的“地名表示规则文件”等，是为了进行新规则的制定或修正时可能需要编辑的。

(2)存储于存储器中的“词典表”等，这是后述的“地名表示网络”等，是将词典文件内容以适合核对处理的形式于存储器中扩展的结果。

(3)前述(1)与(2)的中间阶段的“词典二进制文件”，这是为了容易于存储器上扩展，将预先施行了扩展处理的一部分的结果存储于文件中的形式。

用于先有技术中词典源文件的形式多数情形是不明确的。但是，先有技术都是以把能出现的地名字符串预先无遗漏地存储于词典表中为前提，因此可以考虑将把能出现的地名字符串预先无遗漏地列举的文本文件用作词典源文件。

上述的现有技术必须准备用于字符串核对处理的词典，但在日语中，以不同的字符串来表示同一地区的不同表示形式是很多的，这就难以无遗漏地将能出现的地名字符串编目，因而事实上就有不可能由人力来编成这样完整的词典的问题。

在日语的地名的不同表示中，具有因使用字符不同而有的相异表示、因单词的省略而有的相异表示、因附加的字符串而有的相异表示以及因通称表示而有的相异表示。下面就这些相异表示的例子进行说明。

(1)因使用文字不同而有的相异表示：

例如有“小沢”与“小澤”、“市ヶ谷”与“市ヶ谷”以及“市が谷”等。

(2)因省略单词而有的相异表示：例如有省略“大字”、“字”的相异表示。

省略都道府县名的相异表示多见于邮寄件的地址名等，例如有“琦玉県川越市大字小ケ谷”和“川越市大字小ケ谷”等。此外，作为省略“大字”、“字”的例子有“琦玉県川越市大字小ケ谷”和“琦玉県川越市小ケ谷”等。

(3)因附加字符串而有的相异表示：

在小字名等原住址已属特定情况下附加字符串，成为相异的表示，例如有“琦玉県川越市大字小ケ谷”和“琦玉県川越市大字小ケ谷東関”等。

(4)因通称表示而有的相异表示：

在京都等处多能看到例如“京都市下京区大政所町”和“烏丸通仏光寺下る”等。

如前所述，在地名相异表示中有种种形式，以“琦玉県川越市小ケ谷”这一地名为例，调查与之对应的相异表示时，可知有如下所示的极多的相异表示：

“琦玉県川越市小ケ谷”

“琦玉県川越市小ケ谷”

“琦玉県川越市小が谷”

“琦玉県川越市大字小ケ谷”

“琦玉県川越市大字小ケ谷”

“琦玉県川越市大字小が谷”

“川越市小ケ谷”

“川越市小ケ谷”

“川越市小が谷”

“川越市大字小ケ谷”

“川越市大字小ケ谷”