Developing a Historical Document Analysis System Using Hand-written OCR Techomology

使用手写 OCR 技术开发历史文档分析系统

• 批准号: 11558045
• 负责人: YAMADA Shoji
• 金额: $ 6.59万
• 依托单位: International Research Center for Japanese Studies
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 1999
• 资助国家: 日本
• 起止时间: 1999 至 2001
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-11558045/
• 关键词: Historical Document; Character Recognition; OCR; Character Segmantation; Electrical Dictionary; 文字切り出し

In this research project, we could obtain the following results. (1) The basic research on the Historical Character Recognition. We examined on some special requirements for the character recognition and segmentation of historical characters. By using a small data set of historical characters, we obtained 95 percents of correct recognition ratio applying Japanese hand-written character recognition technology. We also developed some new technology of segmentation and normalization of historical characters. (2) Historical character database for recognition studies. We made some database to put the study of historical character recognition into progress. The database contain over 250 thousands characters. (3) Interface prototyping of historical document analyzing system. We developed prototype systems of historical document analyzing system. One is a system with a function of presenting correct character candidates of unreadable character using n-gram information. The other is a prototype system of electrical dictionary for historical characters. The dictionary has a function of similar character search, which is an application of hand-written character recognition.

在本研究项目中，我们可以获得以下结果。(1)历史文字识别的基础研究。研究了历史文字识别和切分的一些特殊要求。通过一个小的历史字符数据集，我们获得了95个百分点的正确识别率应用日本手写字符识别技术。本文还开发了一些新的历史文字切分和规范化技术。(2)用于识别研究的历史字符数据库。我们建立了一些数据库，以推进历史文字识别的研究。该数据库包含超过25万个字符。(3)历史文献分析系统的界面原型设计。开发了历史文献分析系统的原型系统。一种是具有使用n元语法信息呈现不可读字符的正确字符候选的功能的系统。另一个是历史人物电子词典原型系统。该词典具有相似字查找功能，是手写体字符识别的一个应用。

项目成果

Sanae Shinohara et. al.: "SVM niyoru Tegaki Ruiji Moji Ninshiki no Gakusyu Data Sentaku to Ninshiki Seido ni kansuru Ichikousatsu"2001nen Denshi Jouho Tuushin Gakkai Society Taikai. D-12-8. 183 (2001)

筱原早苗等。

Kouji Ozaki, Mamoru Shibayama et. al.: "Komonjo Gazou no Hyoudai Moji Segmentation"Jinbunkagakuto Computer Symposium Ronbunsyu. 2000. 279-286 (2000)

尾崎浩司、柴山守等。

Shoji Yamada et. al.: "Komonjo Honkoku Shien System (HCR) Kaihatsu Project Houkoku (2)"Jouhousyorigakkai Kenkyu Houkoku. 2001-51. 9-16 (2001)

山田正司等。

山田奨治, 柴山守: "n-gramによる古文書証文類翻刻支援の検討"人文科学とコンピュータシンポジウム論文集. 2000. 185-192 (2000)

Shoji Yamada、Mamoru Shibayama：“使用 n-gram 对古代文档和文档转录的支持研究”2000 年人文与计算机研讨会论文集。185-192 (2000)。

篠原早苗ほか: "SVMによる手書き類似文字認識の学習データ選択と認識精度に関する一考察"2001年電子情報通信学会ソサイティ大会. D-12-8. 183 (2001)

Sanae Shinohara 等人：“使用 SVM 进行手写相似字符识别的训练数据选择和识别准确性的研究”2001 IEICE 协会会议 D-12-8 (2001)。