－実験にあたって－
「このサイトについて」にも書いてありますが（→こちら）、ここで使われている新聞ネタは、ネットで配付されている新聞記事を使っているのではなく、実際に配られている紙媒体の新聞記事を使っています。
したがって、これらを電子データ化するのは、手で打つには限界があり、OCRソフトを使っています。
このたび市販のOCRソフトを購入し、どこのソフトがよいのか試してみたので、これからOCRソフトをご購入なさる方は、ご参考になさってください。
－きれいな印刷物なら、どれも同じ－
基本的には、OCRソフトはどのソフトでも、ノイズ（汚れ）などがない、きれいな状態のものであれば、たいへん高い認識率で、電子データ化できます。ですから、きれいな状態のものであれば、そんなに大きな差が出るわけではありません。
ただ私のように新聞記事を扱ったりする場合は、必ずしもきれいな状態のものが手に入るわけではないので、それに耐えられるソフトが必要になってきます。そこで今回の実験となりました。以前も同じような実験をしましたが（→こちら）、今回は前回のもののなかでいちばん優れていた「読んde!!ココ」と、よく市販で並んでいるもの２つを比べてみました。
－条件は同じで－
同じ条件（パソコン、スキャナー）で、設定も同じようにして、同じ内容の印刷物をOCRしてみました。
使ったのは、『読んde!!ココ Ver.13 for Windows』、『e.Typist v.11』『読取革命ver.11』の全て最新版です。
 |  |  |
《朝日新聞広島版０６年１２月１日「呉ポートピア 冬の風物詩」》という記事など１０点を読み込みまして、差が出た部分について言及しました。
まずは１つめ。
元の文章はこんなです。写真も入った記事です。
呉の冬の風物詩にしようと6年前から始まった呉ポートピアパーク（同市天応大浜3丁目）の電飾イベントが、今年は中止されることになった。施設運営がこの秋に呉市公社から民間の指定管理者に移り、「市の経費補助もなく、準備が間に合わない」というのが理由だ。最盛期は園内を百万個の電飾で彩り、期間中25万人の入場があっただけに、市民らから惜しむ声が寄せられている。
－ソフトを比較－
これを次の３つのOCRソフトで読んでみました。
読取革命
このソフトで読むと・・・。
呉の冬の風物詩にしよ゛うと６年前から始まった呉平－トピアパーク（同市天応大浜３丁目）の電飾イベントが、今年は中止されることになった。施設運営がこの秋に呉市公社から民間の指定管理者に移り、「市の経費補助もなく、準備が間に合わない」というのが理由だ。最盛期は園内を百万個の電飾で彩り、期間中25万人の入場があっただけに、市民らから惜しむ声が寄せられている。（間違いが２つ）
etypist
このソフトで読むと・・・。
呉の冬の風物詩にしようと6年前から始まった呉ポートピアパーク(同市天応大浜3丁目)の電飾イベントが、今年は中止されることになった。施設運営がこの秋に呉市公社から民間の指定管理者に移り、「市の経費補助もなく、準備が間に合わない」というのが理由だ。最盛期は園内を百万個の電飾で彩り、期間中25万人の入場があっただけに、市民らから惜しむ声が寄せられている。（間違いなし！ すばらしい）
読んdeココ!!
このソフトで読むと・・・。
呉の冬の風物詩にしようと6年前から始まった呉ポ7トビアパーク（同市天応大浜3丁目）の電飾イベントが、今年は中止されることになった。施設運営がこの秋に呉市公社から民間の指定管理者に移り、「市の経費補助もなく、準備が間に合わない」というのが理由だ。最盛期は園内を百万個の電飾で彩り、期間中25万人の入場があっただけに、市民らから惜しむ声が寄せられている。（間違いが２つ）
次に、印刷がきれいではなく、少し汚れがある印刷物を見てみましょう。
元の記事はこんなです。
【音更】町総合体育館・町武道館の指定管理者制度導入（2007年4月移行予定）で、町は11月30日、同管理者の候補者（第1交渉権者）として「株式会社オカモト」（帯広市西1南19、岡本謙一社長）を選定したことを明らかにした。
同日の町議会総務文教常任委員会（宮村哲委員長）で説明した。
同施設の指定管理者には、オカモトを含めて帯広、札幌の3社から応募があり「地元の学識経験者らで構成する選定委員会（9人）が適切な管理やサービス向上、経費縮減など37項目の採点方式で審査。委員のうち8人がオカモトを第1順位に選び、選定委として候補者に絞り込んだ。
読取革命
［音更］町総合体育館み武道館の指定管理者制度導入言００７年４月移行予定』廿、町は皿月30貝〈同管理者の候補者（第上一六渉権者）として「株式会社オガぞ卜」犬（帯広市西―南19、岡本謙子社長）谷選定したことを明らかにしか。最悪です。何が何だかわかりませんね。
ｊ二筒日の町議会総務文教常任委員会ぺ宮村哲委員長）三了説明したノニ……十同施設○指定管理者に一櫨才カモトを含めて戸犬『三札幌の晋社かう応募があ几一地元の学識経験考与構成す万選定委員一会づ谷人）妙適切な管理やサービス向上、〈経費縮減など37項目の採点方式で審査。ご委員の手ち８人がオガモトを第一Ｌ順位に選びい選定委として候補VltｎｌごiW｡-＾ !ｙl
etypist
【音更】丁町総合体育館・町武道館の指定管理者制度導入(2007年4月移行予定)で、町は狙月30日ハ同管理者の候補者(第-交渉権者)として「株式会社オカモト←(帯広市西1南19、岡本謙一社長)を選定したことを明らかにした。「読取革命」よりかはよいですが、認識率が低い。ただここには掲載しませんでしたが、画像が入ると、それを文字として読んでしまう傾向があります。
'唱同巳の町議会総務文教常任委員会バ宮村哲委員長)で説明した。帽一同施設の指定管理者に億岱オカモトを含あて帯広ハ札幌の3社かち応募があり、地元の学識経験者らで構成する選定委員r会.〈9人)が適切な管理やサービス向上、経費縮.減など部項冒の採点方式で審査。委員りつち8人がオカモトを第1順位忙選び、選定委として候補者に絞り込んだ。い、「
読んdeココ!!
【音更】町総合体育館・町武眉館の指定管理者制度導入（2007年4月移行予定）で、l町は11月30異同管理者の候補者（席1交渉権者）として「株式会社オカモト」l（帯広市西1両堕岡本謙哀長）を選定したことを明lらかにした。やはり認識率は高くはありませんが・・・。etypistと甲乙つけがたいですね。
同日の町議会総務文教常任委員会（宮村折萎員長）で説明した。．㍉同施設の指定管理者に堀、オカモトを含めて帯広、札幌の3社から応募があり「地元の学識経験者らで構成する選定委早会｛9人）が適切な管理やサ「lビス向上、経費精減など37項目の採点方式で審査。委員号ち8人がオカモトを第1順位に・選び這定蚕として候補者に絞り込lんだ4
最後に、もう１つ。ここでは、「etypist」と「読んdeココ!!」の２つに絞ってみます。
やはり、あまりきれいではない記事を。
元の記事は、こんな感じ。
公立文化施設、とりわけ公立の劇場・ホールにおけるアートマネジメントの必要性が問われるようになったのは、1990年代に入ってからである。アートマネジメントとは、文化芸術活動に関する経営管理のことであり、文化芸術と社会との〝橋渡し″の仕事といってよい。
90年代の中ごろから、アートマネジメントに関する国や自治体の研修会が開催されるようになり、また高等教育の場でも、専門の学科や授業科目が設けられ、教育と研究が組織的に進められるようになった。
etypist
智釜文化嚢とりわけ釜ゴの劇場中ホrルにおけるアートマネジメントの必要性が問われるようになったのは、1990年代に入つてからである。アートマネジメン下とは、文化芸術活動に闘ずる経営管理のことで一ありA文化芸術と社会との"橋渡し"の仕事どいつてよい。
船年代の中さちから、アート.マネジズントに開する国や自治体の研修会が開催されるようになり、また高等教育の場でも、専門の学科や授業科目が設けられ、教膏と研究が組織的に進められるようになった。
読んdeココ!!
公立文化施設、とりわけ公立の劇場・ホールにおけるアートマネジメントの必要性が問われるようになったのは、1990年代に入ってからである。アートマネジメントとは、文化芸術活動に関する経営層理のことであり、文化芸術と社会との〝橋渡し″の仕事といってよい。
90年代の中ごろから、アートマネジメントに関する園や自治体の研修会が開催されるようになり、また高等教育の場でも、専門の学科や授業科目が設けられ、教育と研究が組織的に進められるようになった。
もはや、勝負がありましたね。
－総評－
読取革命
オススメ度：★★☆☆☆
×画像と判断して、認識しないことがある。
×上と下の文章のかたまりを、つないでしまうことが多い。
×認識率が他の２機種に比べて低い（といっても、数％レベル）
etypist
オススメ度：★★★★☆
○認識率は高い。きれいな文書であれば、etypistが勝る。
×画像を字として読んでしまうことがある。
○字だけで、きれいに印刷されたものであれば、最も優れた認識率がある。
読んdeココ!!
オススメ度：★★★★★
○認識率は高い。
○画像を字として読むことが比較的少ない。
○画像も含んでいるページや、印刷が不鮮明のページであれば、最も優れた認識率。
読んdeココ!!は、画像の入っているものでもきちんと画像を排除して読んでくれるので、最も良いようです。
eTypistは、認識率がとてもよいのですが、あまり画像が入っているものでは良くないようです。
特に私のように、新聞記事に特化した実験では、上記のような結果となりました。
ふじかわと申します。
ＯＣＲソフトの比較は興味深かったです。
貴重な情報をありがとうございました。
１点、お教え願いたいことがございます。
３本のＯＣＲは連続してスキャンできるのでしょうか？
例えば、１０ページスキャンすれば、１０ページのテキストデータができるのでしょうか？
宜しくお願いします。
３本とも、連続してのスキャンは可能です。連続スキャンは、市販のどのソフトも対応していますよ。
ただし、おわかりかと思いますが、そういうふうに連続してスキャンできるスキャナーがなければなりませんが・・・。
私の使用しているのは、canonの、DR-2050Cという機種です。