凸版印刷／江戸時代以前の”くずし字”をテキストデータ化するサービス

凸版印刷は3日、江戸時代以前に”くずし字”で書かれた古い書物の文字を判別し、テキストデータ化するOCR（光学文字認識）技術を開発したと発表した。この技術を使った古典籍（内容・形態の優れた古い書物のこと）のテキストデータ化サービスを、夏から試験的に開始する予定。

今回発表した技術は、江戸期以前の書物に使われている”くずし字”を自動で判読し、テキストデータ化を可能にするもの。

凸版印刷は、2013年からさまざまな書籍を高い精度でテキストデータ化する「高精度全文テキスト化サービス」を提供。

このサービスで確立したテキストデータ化技術のシステム基盤を、はこだて未来大学の寺沢憲吾准教授が開発した「文書画像検索システム」と組み合わせ、くずし字で記されている古典籍のOCR処理を実現した。

2014年度に実施した検証実験では、くずし字で記されている書物を80％以上の精度でOCR処理することに成功している。

今後、テキストデータ化サービスを開始。その上で、幅広い年代やジャンルの資料に対するOCR処理の精度向上を図っていきながら、教育への普及などにも貢献していきたいとしている。

関連URL

凸版印刷