汉字字形形式化描述方法研究

《汉字字形形式化描述方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、计算机科学2007Vol.34No.11汉字字形形式化描述方法研究门林民咖宋柔2（北京工业大学计算机学院北京100022）1（北京语言大学信息科学学院北京100083）2（内蒙古师范大学计算机与信息工程学院呼和浩特010022）3摘要本文分析了目前汉字处理应用中存在的主要问题，归纳出问题的核心是由于缺少能涵盖一切可能汉字的、可计算的字形形式化描述体系•从而造成应用中有一系列障碍。发现了现有字形描述方法共同存在的特征选取缺陷，最后给出了一科可行的汉字网格字形描述方法，该方法不仅能表示一切可能的汉字字

2、形（包括错字），而且为字形特■征异同的自动计算莫定了可靠的基础。关键词汉字字形，形式化描述•网格字形，特征计算FormalDescriptionofChineseCharacterGlyphLINMinh3SONGRou2(CollegeofComputerScience&Technology,lieijingUniversityofTechnology•lieijing1OOO22)1(CollegeofInformationSciencestBeijinglanguageandCultureU

3、niversity.Beijing1OOO83)2(CollegeofComputer&InformationEngineeringsInnerMongoliaNormalUniversity.Huhhot010022)?AbstractThispaperanalyzesthemainproblemsexistingintheChinesecharacterinformationprocessingapplications>andconcludesthatthecoreoftheproblemsi

4、sduetothelackofaformaldescriptionmethodofChinesecharacterglyphswhichiscomputableandcancoverallChinesecharactersatthesametime,resultinginaseriesofobstaclesintheappli-cations.Secondly,findsexistingfeatureselectiondefectsincurrentformalglyphdescriptionsy

5、stems.Finally,proposesagriddescriptionmethodofChinesecharacters»whichcannotonlydescribeallChinesecharacters•includingtyposbutalsosupportreliableautomaticcomputationofthedifferencesandsimilaritiesofChinesecharacterglyphtures.KeywordsChinesecharacterg

6、lyphsFormaldescription>Gridglyph,Featurecalculation1引宫从1974年“国家748工程”至今，汉字处理领域取得了长足发展，涌现岀多项重大成果•如汉字激光照排、汉字标准字符集、汉字的编码输入、整句输入、印刷体识别、手写识别等。汉字字形处理技术的成功带来了我国出版业和办公事务处理的革命，极大地促进了我国信息产业的发展和社会信息化水平的提高。但是,汉字字形处理方面仍存在许多问题没有很好解决。・圉际标准字符集越做越大•但仍然不能满足人名、地名、方言字、古籍

7、字输入的需要。目前正在全国各地发放的第二代身份证，仅北京就有数万个身份证因人名、地名用字是字库中没有的冷僻字而无法发放。•各种汉字输入法都需要使用者对汉字的字音或部件（字根）、笔画有一定的认知才能掌握，但是没有接触过汉字文化的人（如外国人）不具备这种认知，无法使用这些方法输入汉字。・各种汉字识别输入（包括手写识别输入）软件,受到识别原理的限制，只能识别训练集内的汉字「呵・无法输入集外的汉字。・国内语文教学和汉语国际推广都需要对错字进行定輦分析,如错字的描述、校对、分类、界定、计算机辅助汉字书写学习

8、、书写水平标准化自动评测等，但目前计算机没有错字输入和比较的方法,严奄制约了对错字进行深入定量分析研究的水平。•汉字文本校对、汉字识别的后处理、涉及汉字的历史文化研究（如古籍字、异体字的比对、界定）等应用都需要分析汉字字形的相似性,但目前也没有支持这种字形分析计算的有效方法。•独立建立的集外字表因缺少有效比对工具而难以共享和归并。许多出版部门利用各种造字工具建立了集外字表,但因缺少有效的字形比对工具,各部门间的集外字表无法归并和共享，以致数字化图书只能各自使用独立的字库,造成资源和