日本語OCR能力を高めたコンテンツ管理サーバー

IBM DataCapに日本語OCRエンジンを組み込んだことで、文書キャプチャ時に文字情報を電子化できるようにした。これにより文書のワークフローを自動化できる

（出所：キヤノンマーケティングジャパンと日本IBM）

[画像のクリックで拡大表示]

　日本IBMの「IBM DataCap」は、紙文書やデジタル文書を一元管理するコンテンツ管理サーバーソフトである。文書の発生からキャプチャー取り込み、分類、保存といった一連の文書管理プロセスを自動化している。文書が発生した時点で、自動的にこれらからデータを抽出し、リポジトリに格納できる。これにより、文書を入力する作業の負荷を軽減する。

　紙文書のスキャンやファクス、メール、モバイル端末などから文書データを取り込み、必要に応じてOCR（光学文字読み取り）スキャンをかけて文字を抽出し、ソート/分類して保存する。特徴の1つは、文字を認識する場所が決まっていない非定型帳票をOCRスキャンする“コグニティブ・キャプチャー”機能を備えること。表示位置やフォントの大きさなどから何の項目なのかを推測する。

　日本語のOCR能力を高めるオプション「日本語OCRオプション」を用意した。キヤノンマーケティングジャパンが開発した日本語OCRエンジン込みのソフトウエア開発キット「Rosseta-Stone-Components」を採用したものであり、これを適用すると日本語の活字OCRの認識精度が向上するほか、標準では使えなかった手書きOCRが使えるようになる。

　Rosseta-Stone-Componentsについてキヤノンマーケティングジャパンでは、「金融・保険業界での導入実績が多く、申込書などの手書き数字など、日本人特有の手書き文字に強みがある」と説明している。