文献

J-GLOBAL ID：201902224047659191   整理番号：19A1252504

歴史的な文字・非文字データとICT 文字データの分析-機械学習によるくずし字認識の可能性とそのインパクト-

著者 (4件)： 北本朝展 (情報・システム研究機構 データサイエンス共同利用基盤施設 人文学オープンデータ共同利用セ) ,  CLANUWAT Tarin (情報・システム研究機構 データサイエンス共同利用基盤施設 人文学オープンデータ共同利用セ) ,  宮崎智 (東北大 大学院工学研究科) ,  山本和明 (人間文化研究機構 国文学研究資料館)
資料名： 電子情報通信学会誌  (Journal of the Institute of Electronics, Information and Communication Engineers)
巻： 102  号： 6  ページ： 563-568  発行年： 2019年06月01日 
JST資料番号： F0019A  ISSN： 0913-5693  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・世界的に見ても,日本は過去の資料(史料)が多く残る国であり,一説によると,古典籍は約300万冊,古文書・古記録は約10億冊がまだ残っていると言われ,これらは過去の日本の文化を今に伝える情報の宝庫。
・日本文化に関する研究を進めるには,より多くの資料(史料)を読み解いていく基礎的な研究が必要だが,そこに立ちはだかる大きな障壁が「くずし字」の問題であり,日本人でも読める人は少なく,機械による「くずし字OCR」も改良の余地が大きいため,古典籍のテキスト化は難航しているのが現状。
・この問題に対して,国立国語研究所では,古典籍OCRの開発,くずし字データセットの公開,くずし字認識アルゴリズムコンテスト,などを実施。
・コンテスト参加者のアルゴリズムには深層学習を利用したものが多かったが,最優秀賞のアルゴリズムは難易レベル2と3の課題に対して,認識率87.6%,39.1%を達成。

シソーラス用語： *機械学習 ,  *ニューラルネットワーク ,  *文字認識 ,  OCR【読取装置】 ,  人文科学 ,  古文書 ,  計算機アルゴリズム ,  深層学習
準シソーラス用語： 文字認識装置 ,  史料 ,  史料学 ,  古典文献学 ,  日本文化 ,  認識アルゴリズム

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

引用文献 (8件)：

• “凸版印刷, 江戸期以前のくずし字を高精度でテキストデータ化する新方式OCR技術を開発,” http://www.toppan.co.jp/news/2015/07/newsrelease150703_2.html, 2015.
• “日本古典籍くずし字データセット (国文研ほか所蔵/CODH 加工),” doi:10.20676/00000340, 2016.
• “KMNIST データセット (CODH 作成, “日本古典籍くずし字データセット” (国文研ほか所蔵)を翻案),” doi: 10.20676/00000341, 2018.
• T. Clanuwat, M. Bober-Irizar, A. Kitamoto, A. Lamb, K. Yamamoto, and D. Ha, “Deep learning for classical Japanese literature,” NeurIPS 2018 Workshop on Machine Learning for Creativity and Design, arXiv : 1812.01718, Montreal, Canada, Dec. 2018.
• 出口大輔, 亀田能成, 北原 格, 近籐一晃, 島田敬士, 日浦慎作, “これまでのPRMUアルゴリズムコンテストを振り返って,” 信学技報, PRMU 2012-45, pp.143-147, Sept. 2012.

タイトルに関連する用語 (8件)： 歴史 ,  文字 ,  ICT ,  分析 ,  機械学習 ,  字 ,  可能性 ,  インパクト