TW310400B - - Google Patents

Description

310400 經濟部中央標準局R工消費合作社印製 A6 B6_ 五、發明説明（1 ) 琎昍背蜃 本專利文件之揭示之一部份包含得受版權保護之材料。 販權所有人並不反對當此専利文件出現於專利與商檷局之 専利楢案或記錄時由専利文件或專利揭示之任何人之傅輿 複製，但其它方面絕對保留所有之版榷播利一尤特別當其 相醑於揭示之電腦程式、列表、或說明時。 發明鮪圈 本發明係闢於使用本文存儲與檢索技術之電腦糸統之範 園。較特定者，本發明係Μ於用於經設計K英文字母為中 心之糸統Κ存觭與檢索非英文語言之技術使用。 背鲁 目前，文件檢索系統，或自動化本文處理糸统乃為主要 之應用於若干電腦糸铳。此即為各棰形式之本文係Μ電腦 記憶器或存儲空間之某形式存儲之糸统•且可由用戶作有 效之近接並可迅速自記憶器或存儲裝置檢索。 目前正由若干罨腦系統所使用之此存儲空間之一種類型 乃為雷射碟片。唯請記憶器（CD-ROM) 。CD-ROM為磁碟文 件可包含數百萬之資料字元於單一碟片。 一種用Μ謓取此CD-ROM及自該型之資料庫檢索資料之软 賭糸統之類型稱之為Answer Book TM系统由Sun Μ ί c r o s y s t e m s 公司所開發。（A n s w e r Β ο o k 為 S u η Microsystems公司之商標）。一如其它此類糸統然* Answer Book提供實施超過16,000頁次文件之全本文査尋（ 有時稱之為"内容為基礎之檢索〃> 之能力，此種査尋允 (請先Μ讀背面之注意事項再f本頁)

-N .丨裝. 訂· •線. 本紙張尺度適用中國國家標準（CNS)甲4規格（210 X 297公釐） 82.3. 40,000 310400 經濟部中央標準局w工消费合作社印製 A6 B6 五、發明説明（2 ) 許用戶_入宇或片語或句（亦即，字元串）並要求本文檢 索糸統尋求存緘之本文有闞艙入之字或字元串之取樣，而 迅速顯示諸取樣。 當文件存儲於CD-ROM或其它存皤裝置時，典型上文件係 Μ美圃檷準資訊交換碼ASCII (American Standard Code for Information Interchange) 8 —位元格式編碼 作為本文字元而存儲。由於英文字母僅包含26字元，K及 由於數字加上普通標點符號與特殊字元雄共不少於256不 同之字元，故諸宇元之二進制表示法乃缠合一 8位元位元 姐之電腦資料（28 = 256)。 一些非英文語言具若干超過256字元於其語言中；例如 ，日文語言需超過8,000字元之字元姐。由於此一數字不 能容納於8 —位元（1位元組）數字之範画Κ内，故多位 元姐字元必須用Μ說明電腦之日本字元組。结果，由於大 多數自動化本文處理糸統不能顯示或近接多位元姐本文之 文件，故現行自動化本文處理系統與現有CD-ROM本文資料 庫尚不可用於具超過256字元於其字母之曰文或其它語言 〇 雖則已在作成若干進展K標準化世界語言之代碼姐从及 使用此等世界代碼組開發電腦應用，然一般仍有必要重寫 英文語言為基礎之應用程式之本身以便使用具諸如日文之 另-J語言之程式。於若干事例中此類重寫之費用至為嚇人 。本發明利用另一*交替計削以在不必要將其重寫之情況下 藉轉換非英文字元代碼姐為Ascil格式之新穎技術而使用 -4 - 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 ---------------γ j------裝------訂----線 (請先閲讀背面之注意事项再填寫本頁) 310400 A6 ___ B6__ 五、發明説明（3 ) 現行之査專輿檢索程式。 國際標準姐嫌（ISO )纆採用各種檷準钃碼計副K處理 經濟部中央標準局R工消费合作社印製 不同語言並隨時加K修改K加入較多之語言。早至19 84年 4月，全錄公司（Xerox Corporation )發行其本身之字 元代磚檷準此包含除由ISO 646所界定之拉丁字元姐K外 之希皤文。Cyril lie (俄文）、Μ及日文宇元。（有闞早 期全錄搮準請參閲 > 全錄網路糸統结構，一般資訊手冊 Xerox Network Systems architecture, General Information manual" XNSG 068504 1984年4 月，第57— 61頁）。其後，各棰日本工業標準（JIS ).代碼姐烴已界 定K及相似之標準代碼姐係由AT & T界定稱之為"擴充之 Unix代碼（EUC ) 〃係與ISO標準2022相符。最近，開放 系統基金 0 p e n S y s t e m s F 〇 u n d a t i ο η 。國際 U n i X - ϋ n i X International Μ及太平洋Unix糸统實驗室Unix Systems Laboratories Pacific同意支援擴充Unix (EUC )之日文語言以增強電腦應用之輕便性與相互操作性之前 景。此種共同定義（EUC )包含對建立於1990年之JIS X0212 補充 Kanji 。JIS X0208 補充 Kanji 。以及 JIS X0201 —位元姐Kana之日文棟準代碼姐之支援。此係說明 於標題為λ'資訊交換之日文画示字元姐之代碼Code of the Japanese Graphic Character Set for International Exchange〃之標準發行中。（UNIX® 為 UNIX系统實驗室公司之登記之商標。） 雖則此種躭關多位元姐之煸碼資訊界定字元之日文字元 82.3, 40,000 (請先聞1^面之注意事項再填寫本頁) 本紙張尺度逡用中國國家標準（CNS>甲4规格（210 X 297公後） S10400 經濟部中央標準局貝工消費合作社印褽 A6 B6__ 五、發明説明（4 ) 之檷準代碼定義對設計Μ處理單一位元姐纗碼之输入資訊 之應用巳為一問題，但寫入日文語言對本文分析程序提出 若干其它複雜之問題。其必須解決Κ便允許日文語言本文 之全本文査專之兩項重大問題乃為1)如何分開本文中之諸 字之問題（並無諸如白色空格之宇之定界標於英文本文） ;Μ及2)複合名詞必須分斷Μ改菩査尋之問題。本發明亦 提供方法以乃在ASCII為基礎之本文處理糸統之上下文Κ 内處理此類問題。巳知於早前技藝中尚無法解決此類問題 以允許使用含非英文複雜語言之現行英文為基礎之本文檢 索應用。 發明粧沭 因此，本發明之目的乃為準備由現行本文處理糸統所使 用之語言本文一於此，*語言包含超過256字元諸如中文。 曰文Μ及若干其它語言等。 本發明之進一目的乃為準備由本文處理糸統所使用之語 言本文作為査尋變元Κ査尋此種語言本文之資料庫。 本發明之另一目的乃為準備日文語言本文以用於現行 ASCII為基礎之本文處理糸铳。 在本發明之影響下，此類與其它目的係藉準備由現行本 文處理糸統所使用之語言本文之方法與裝置而達成一於此 ，語言包含超過256字元。此乃藉捕獲表示給定語言之输 入字元流。分開此输入字元流為字組。映射此字姐為唯一 單位元姐字元串而完成，从傳遞至選擇之本文處理糸铳供 將來之處理。 {請先5讀背面之注意事項#填寫本頁) Ϊ .裝· 訂 •線. 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 2耵公货） 82.3. 40,000 經濟部中央標準局R工消費合作社印製 A6 ______B6__ 五、發明説明（5 ) 本發明提供使用選出語言之文法規則之能力以雜別宇組 ，並進而提供分開複合字為其構成之簡單字部分之櫬_。 對在此該語言為日文之特定情況而言，較佳具體實施例 準備日文本文Μ藉由使用產生兩位元姐十六進制字元之擴 充之UNIX代碼（EUC )編碼日文字元而由現行本文處理系 統加K處理。而後，此十六進制字元流乃藉首先確認各字 元代碼是否靥於或為Kanji 、Katakana或為Hiragana字元 姐；Μ及其次藉施加一般文法規則名詞與其它重要字（係 Kanji或Katakajia類型）通常繼之Μ—前置詞（ Hiragana類型）而分開為諸字。複合字係藉使用複合字檢 査表而分斷為其簡單之字部分。十六進制字元串而後經映 射為單位元姐ASCII字元串Μ供最終之傳输至本文處理糸 統。 附圖之說明 本發明系統之諸目的、特徴與優點可自Μ下之說明而一 目了然*其中： 圖1列示當前編碼表之一部份，示某些表意圖文對其 JIS與EUC代碼之闞係（早前技藝）： 圖2列示英文字或日文（Roma nji )字為十六進制（u hex ")及自hex為ASCII之一般映射； 圖3為現行ASCII轤入査尋與檢索糸統（早前技藝）之 方塊圖； 圖4為示本發明之査尋與檢索糸統之概略圖；Μ及 圖5為本發明之詳细圖。 (請先閲面之注$項再$本頁) |裝_ 訂· 線· 本紙張尺度適用中國國家镖準（CNS)甲4规格（210 X 297公釐〉 82.3. 40,000 S1C400 Α6 Β6 經濟部中央標準局Η工消費合作社印製 五、發明説明（6 ) «念班涵營 Μ下之詳细說明悉依執行於霣腦或電腦網路之制定程序 而里現。此等程序性之說明與表示法係由精於此藝者所使 用之工具，以最有效傳送具工作上之實物至其它精於此藝 者0 程序於此一且通常一經想像為導致期望結果之前後一貢 之序列步驟。此類步》乃為那些箱實體數量之實體埋用者 。通常一雖非必然一諸數量係採取能Μ纆存儲、傳输、姐 合、比較、Μ及要不然經運用之電或磁信號之形式。有時 ，其證明為便利一主要為共同使用之理由一於述及此等信 號為位元、數值、元件、符號、字元、名詞、數字等。然 而，應行注意者即所有上述與相似之名詞均配合適當之實 雅數量且僅為懕用於此類數量之便利之檷號。 再則，所實施之浬用恆Μ通常配合由操作人員所賁施之 心智操作之諸如加入或比較之詞類述及。於形成本發明之 一部分於此說明之任何操作中，並無操作人員之此種能力 _或於大多數情況中為期望一之必要；操作係靥機器操作 一實施本發明操作之有用之機器包含一般目的之數位電腦 或相似之裝置。 本發明亦相瞄於實施此類操作之裝置。此裝置經特別结 構Κ供所需之目的或其包含一般目的之電腦由存儲於電腦 中之電腦程式Μ選擇性啟動或重姐態。在此所呈現之程序 並非固有相關於特定之電腦或其它裝置。各種一般目的之 機器均可Κ根據在此之教學所寫入之程式使用，或其可證 (請先MtKP®之注意事項再Ϊ本頁) -丨裝· 訂 .線· 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公* > 82.3. 40,000 A6 B6 經濟部中央揉準局貝工消费合作社印製 五、發明説明（7 ) 明更較便利Μ结構更特定之裝置Μ實施所需之方法步驟。 若干此類機器所需之结構乃自給定之說明出現。 齡住里Μ窨觖剜之舱明 宙荛 IDEOGRAM—表意圓文* 一種不必為其表達特定之字或片 語而表示觀念或物件之字元或符號，如於日文或中文中之 字元。 R0MANJI——棰日文之字或句之語言學之字母表示法。 HIROG ANA—三組日文字元之一姐，係主要用K說明日文 之名稱與地點。此字元姐通常用作前置詞以 及字尾。 KATAKANA—(或簡稱KAHA)—三姐日文字元之另一姐， 主要用以音拼西方之名稱與地點。 KANJI 一日文表意圖文之一形式*最常用於名詞K及 動詞與形容詞之字根。此為三日文字元組之 最大之一組且係基於中文之表意圖文。 說明 本發明為準備非英文類型語言之裝置與方法。於此，語 言具超過256字元一 Μ用於現行本文之處理系统。此係藉 捕獲表示語言之字元流•映射字元串為宇姐（亦即·"諸 字〃），分斷複合字為其基本字部分* Μ及映射此諸字為 唯一之ASCII字元串而完成，以用於英文一字母一為基礎 之自動本文處理糸統。本發明因而提供實用之方法以使用 含非英文語言之現行之ASCII為基礎之本文査尋與檢索糸 (請先閲讀背面之注$項再f衣頁) • V - -—装. 訂· .線· 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 310400 «濟部中央標準局貝工消费合作社印製 A6 B6 五、發明説明（8) 铳•例如，一種使用諸如日文、中文等之表意圖文之語言 之糸統。 於本發明中，使用多位元姐字元於ASCII (單位元姐） 遇通之問埋係經由簡單但有效之映射技術而解決。日文之 表意圔文係藉諸如ISO 、JIS 、EUC等之各種編碼計副而 列舉（亦即，一數字供各個別之表意画文）。表示之數字 可經編碼為8 —位元位元姐或16位元。亦即，日文表意圓 文之數字（ 8000 +)少於21β = 65536 。此2—位元姐數字 可編碼於十六進制（* hex ")形式，因hex為一Κ 16為 基數之編碼計麵。圓1示一表係指示17項不同表意圔文之 同一日文表意圓文之三種不同之鑷碼計劃。日本工業檷準 JIS X0208-1990 (第10列），S-JIS代碼（一種交替之日 本標準代碼組）（第30列）· K及擴充之Unix代碼（EUC )(第20列）。整個代碼姐可於官方檷準之發行中找出。 於本發明之較佳具體實施例中·，係使用示於檷號為>EUC "列之代碼。此十六進制形式允許日文字元自兩位元姐表 示法映射至單位元姐ASCII串表示法。此技術對例如一如 日文之諸語言之作用至為良好*於此，語言之表意圖文通 常包含一如英文字之固有之意義。於較佳之具體實施例中 •曰文係賴映射於其EUC十六進制形式之一日文表意圖文 (此係由四字母數字式字元所表示之兩十六進制位元姐） 為唯一ASCII 、、字"串（此為四ASCII位元姐逐一為各對 應之字母數字之宇元）而映射為英文。 現參考圖2，通常列示映射技術。例如，於英文中，數 -l〇- 本紙張尺度適用中國因家標準（CNS)甲4規格（210 X 297公* ) 82.3. 40,000 -裝------訂----「線 (請先聞讀背面之注意項再填寫本頁) A6 經濟部中央棣毕居S工消费合作社印製 B6_ 五、發明説明（9 ) 字"一"锂表示為數字62。數字々可由十六進 制代碼> 31〃 64表示。藉使用更較完全說明於下之本發明 之技術，此十六進制代碼>31〃可傅繹為ASCII代碼串w 31# 65，此係由八進制代碼'' 063 061 " 66而表示於轚腦 〇 同樣，於日文中•數字 > —〃係以羅馬字元（Rouanji )表示為、、ichi〃 74。Ichi可由十六進制代碼vboec" 76M EUC標準代碼表示之。藉本發明之技術映射十六進制 代碼'"boec〃 76為ASCII串'"boec〃 77導致八進制代碼、、 142 062 145 143 " 78之串。因此，一如十六進制串、、 31〃為表示數字*1〃之唯一字元串然，十六進制串、、 boec〃亦為表示日文數字一（ichi)之唯一字元串。加之 *本質上由於日文為表意圖文，一給定之符號能表示完整 之意念或字。因此，大多數之日文符號與對應之Roma nji 字可由四ASCII字元串表示之。此種映射唯一十六進制串 (於此實例中為'' boec")為ASCII字元之唯一串（、' b n '' 〇 " '' e " 、、c 〃）之能力，即為允許使用由如此非 英文諝言之現行ASCII為基礎之本文檢索系统之装置。應 行領略者即雖則較佳具體實施例係使用日文語言K及EUC 代碼姐，然其它代碼姐亦可同樣K日文或其它語言使用。 分開字於諸如日文中字元串以内之問題通常需全自然語 言之分析程序Μ供完全之解決方案。然而，就一般名詞而 言，日文句可藉識別究竟何、、字元姐〃係用於為各兩位元 姐表示法而槪略分斷為字。例如，Kanji字元姐係用於大 (請先wf面之注意事項再填寫本頁) i裝. 訂_ •線· -11 - 本纸張尺度適用中國國家標準（CNS)甲4规格（210 X 297公货)~~ 82.3. 40,000 A6 B6 經濟部中央標準局β工消费合作社印製 五、發明説明（10) 多數名詞、勖詞宇根、以及某些形容詞與副詞。 Hiragana主要用於前置飼、字之抑揚/頓挫之字尾。K及 某些形詞與副詞。Katakana則係用於外來名詞。 此外，於典型之日文害^句中，名詞乃伴K前置詞（* PP")以說明其 '"類別〃諸如主、從、時間、地點等。此 结構看似有如Μ下： 、、_Ν+ΡΡΛ + '' N0UN+ + ^ HOUN + ??f, + ''VERB" (名詞+ PP" +名詞+ PP" +、、名詞+ PP* +、、動詞 為列亦·此等特徵係如何用K織別個別之字起見，考成Μ 下之實例。一输入至存儲裝置與檢索糸統之一行日文本文 之十六進制字元串可能看Μ如此： "bbe4a4cfb3aaa4c8a5eda5d6a5b9a5bf a 1b-Ca4f2a4aaa4a4a4b7a4a4a4c8bbd7a4a6" 已知日文表意圖字元為兩十六進制位元姐，字元串每次 Μ語法分析為兩位元姐及每兩位元姐對經測試以決定是否 其為Kanji 、Katakana或Hiragana。於較佳之具體實施例 中，此易於完成，因EUC編碼計削分開字元姐。亦即· Hiragan 字經編碼為、、a4a0〃直至、、a4f3" ，Katakan 自 、、a5a0〃直至、'a5f6〃 W 及 Kanji 則自、、bOaO〃直至 f4a4〃 。如更完全解釋於下者•此種兩位元姐對隸屬何一 -12 - 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 (請先聞4^面之注項再填窝表頁) i裝· 訂· .線· A6 B6 五、發明説明（11) *字元姐〃之決定係藉使用SunOS®»日文語言遇通（JLE )之C —語言功能而完成。現Μ實例繼續，整個之十六進 制字元流經初步映射如下： EUC代碼. 字元姐 .子…rRomanj'i、 bbe4 , -Kanji -watasi a4cf -Hiragana 一 ha b3aa -Kanji -kani a4c8 -Hiragana -to a5eda5d6a5b9a5bfalbc -Kntakana(x5) -robusutaa a4f2a4aaa4a4a4b7a4a4a4c8 -Hiragana (x6) -wooisiito bbd7a4a6 -Katakana+Hiragana -omou (請先面之注意事項再填寫本頁) 乂 .裝. 訂_ 經濟部中央標準局W工消费合作社印製 當各字元姐之改變已識別時，-^空格（十六進制w 20〃） 乃作為字分隔符而插入十六進制代碼流。而後包含諸如a a5eda5d6a5b9a5bfalbc〃 及、、 a4f2a4aaa4a4a4b7a4a4a4c8" Μ 及、、bbd7a4a6"之多字元 (複合字）之字〃乃藉將其與 ''複合字〃檢査表（LUT )相比較K進而加以分析。倘複合字串並未於表中發現時 則其視為一字。於Μ上之複合字串中，Hiragana宇元姐w a4f2a4aaa4a4a4b7a4a4a4a4c8〃 乃經發琨對應於·· -13 - 本紙張尺度適用中國@家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 線- 五、發明説明（12) A6 B6 a4f2 -Hiragana -WO a4aaa4a4a4b7a4a4 -Hiragana(x4) -oisii a4c8 -Hiragana -to 及一空格（十六進制、、20〃）乃插入於Μ上每一項之間 而後此句槪略傳譯為英文如下： vatas i ha k a n i to robusutaa wo o i s i i to omou —I我 一（前置詞） —a crab 一隻榜蟹 —a n d 和 —a lobster — 隻龍嘏 一（前置詞） —be delicious 味美 一（前置詞） —th i nk認為 ^ ；-------裝------訂----線 (請先(¾¾面之注意事项再項寫本頁) 經濟部中央標準局R工消费合作社印製 或一般而言，"我認為螃蟹和龍蝦的味道不錯。〃 因此，於本發明之較佳具體實施例中*日文句乃藉確g 諸不同之字元姐及插入空格於藉使用K上字元一姐一映射 技術而發現於諸字之間而概略分斷。此對某些字具有含糊 ，但諸字並非如名詞者其語意上之重要性。於中文、越南 文、或其它表意圖文之語言之例中，可想像一相似字之定 -14 - 本紙張尺度適用中國固家標準（CNS〉甲4规格（210 X 297公釐） 82.3/40,000 經濟部中央標準局R工消費合作社印製 A6 __·_ B6_ 五、發明説明（13) 義映射技術。 上述之複含字LUT經進而說明於下。某些日文字包合表 示一概念或事物之數種表意圈文因而形成複合字。一英文 本文之實例為複合字 ''blackwalnuttree # 倘此複合字係當一字存儲時，本文査霉"樹"、"黑〃。 或、、walnut"均不能發現此取樣。為求最佳之结果起見， 此複合字懕分隔為其組份部分： ''black walnut tree n 於本發明之較佳具艘實施例中，此問題係賴使用檢査表 (LUT ) Μ確認共同複合字元素K及當其傳通至本文存儲 與檢索糸統之索引機械時而予分開以解決。於吾人之計劃 中，此乃具以下之效應： “a5a4b8c4a9b3bld9c2e4clb2” “blackwalnuttree” 乃分開為 “a5a4b8c4，，‘‘a9b3bld9C2e4，，“clb2，，<—“biackwalnuttree” EU丁乃包含此等登鏵： a5a4b8c4 a9b3blddc2e4 clb2 一般而言，於大多數罨腦系統中，保持所有複合名詞之姐 合通常並不可行。然而，通常其羼可能者乃為限制此表之 大小以僅包含發現於諸如電腦裝備或維修手冊、睡藥文件 。政治領域等之特定應用範圍之一般複合字。於較佳具體 實施例中，語彙詞典限制於5仟數元姐，僅保有發現於特 -15 - (請先閲讀背面之注意事項再填寫本頁) •裝· 訂. ‘線_ 本紙張尺度適用中國國家標準（CNS>甲4规格（210 X 297公釐） 82.3. 40,000 ^^〇40〇 經濟部中央镖準局R工消費合作社印製 A6 B6_ 五、發明説明（14) 定懕用中諸100最常用之複合字。應由諸位精於此道者之 所瞭解者即此LUT之大小與结構可根據此概念而變動_廣 Ο 於使用另一語言之某些査專與檢索之應用中，其有期望 包含經由使用而已成為"一般〃之某些等義英文字於非英 文之本文中。因而•於本較佳具體實施例中，'"重要英文 字之等義字〃之第二檢査表（LUT )乃經掃描Μ發現任何 此等重要英文字而將其插入鄰接日文十六進制字元字之十 六進制字元流。. 加佃使用太琎明 Μ下更詳细說明本發明較佳具體實施例。藉參考圖3， 示-類如，AnswerBook產品之典型之早前技g自動化本文 處理系統*包含一文件處理器及査尋與檢索糸统其具兩主 要元件：索引機械44與査尋機械48。索引桷械44嫌取 ASCII文件並處理語意資訊為可存儲或另一方面由査尋機 械48所使用之最後格式。索引機械44之最後输入係稱之為 '''査尋索引〃 46。査尋櫬械48為一使用預編譯〃或預處 理本文資料庫並迅速找出對比至由用戶所输入之査尋變元 之元件。於一典型ASCII為基礎之自動化本文處理糸統中 ，文件本文40饋至其任務乃為準備供索引機械44之文件本 文40之過濾器42，在經處理後，索引機械44乃傳遞資料至 査尋機械48。索引機械44盼望僅見其確認之字元（亦即， 本文處理器之内部字元姐）Μ及識別作為隸屬於諸如檷題 、首部（結構性姐份）、或僅本體本文之界定之等鈒之某 (請先之注意事項再填寫本頁) •裝. 訂· 線· -16 - 本紙張尺度適用中困a家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 I 五、發明説明（15 ) A6 B6 些字元之某一控制字元。因而，過漶器42之任務乃為轉換 ASCII本文為索引機械44可瞭解之適當格式、及決定於输 入本文Μ内之结構性姐份、以及捨索任何不必要之制定格 式之指令。具有固有之假設即各宇係由分隔符宇元（空格 、新行、檷記）所分隔Μ允許索引機械44自字元流而 ''實 現"字。，過濾器（諸如過濾器42)通常經特別寫入至由索 引機械44所需之各格式。 現參考圖4，於本發明之較佳具體實施例中* —額外之 過濾器（a傅譯過濾器〃）52經加入於外來語言文件本文 50 (於日文之例中係於EUC形式）及索引櫬械過濾器42之 間K轉換非英文語言多位元姐字元為受索引之ASCII串。 於較佳具體實施例中•此傳譯遇濾器52係用特別％寬字元 〃函數以便處理各字元一英文與否一作為兩位元姐。傳譯 過濾器52決定字邊界、分斷任何複合字、以及在最後映射 十六進制字元流為ASCII流之前插入任何特別英文字同義 字至日文字元流，而後傅遞至"正規〃過滤器42。 一旦多位元姐字元業經由傳譯過漶器52自十六進制字元 串轉換為ASCII時，由本文處理器之處理即正常進行（亦 即，本文存儲或査尋Μ及檢索）。亦即，此時，所有结構 性資訊（諸如章節、標題等）.均與英文本文者相同，故正 面 之 注

再 頁 装 訂 Ί 線 經 濟 部 中 標 消 费 合 作 社 印 製 規索引機械過濾器42可在無修改之情況下埋行。然而，倘 此结構性資訊轉換至日文（或其它語言）字元時，索引過 濾器42應行修改以確認其為结構性資料。例如，應受確認 者為，tta4a5c9c3d3a9〃而非、、章節標題"。 -17 - 本紙張尺度適用中國B家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 A6 B6 五、發明説明（16) 傅譯遇濾器52之操作現藉參考圖5而較更完全之說明。 於進入傳譯過漶器52時，一行於EUC形式之日文字元謫出 於82。此行之字元烴轉換至v'處理"代碼84以安置資料於 固定長度之兩位元姐形式Μ便由傳譯過濾器52程式較易於 處理。此係藉使用實腌ν'轉換多位元姐之姐至寬字元姐〃 函數之C. 一語言函數、、mbstowcs (si，s2，η) 〃而完成 。此函數轉換EUC串"s2〃為處理代碼串''si"，其存儲 不超過"η 〃元件於由> si 〃指向之陣列，而倘其遭遇空 字元時則在此之前即行停止。此一實施乃為確定所有之字 元均靥相同之寬度。例如*使用一位元姐之英文ASCII字 元可與使用兩位元姐之Kanji字元相混合。此函數" mbstowcs"乃藉K0位元組填充英文宇元（及需要此英文 字元之其它字元）以使其為兩位元姐寬而分配所有之字元 至兩位元姐。例如， (請先MtFse面之注意事項再填寫本頁) 丨裝_ 訂· 宑鱅梅前 #鐮梅甾 曰文 b 0 e c bOec 英文 31 0031 「線· 經濟部中央標準局员工消费合作社印製 -18 - 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公货） 自此轉換之代碼串，-兩一位元組對乃經處理Μ決定其字 元姐（Kanji 、 Katakana、 Hiragana，英文或數位）86。 此係藉使用於日文JLE之資料庫之下列C —語言函數而實 施： 82.3. 40,000 A6 B6 經濟部中央揉準局8工消«-合作社印製 五、發明説明（17) i sva1pha ( ) ( 決 i sj h i ra ( ) ( 決 i s j ka ta ( ) ( 決 i s j k a n j i ( ) (決 此 程序乃經重 覆 於 其 次 兩 同 之宇元姐時 > > 白 色 空 此 -字元姐與 前 -1 字 元 姐 果 為、、Kan j i // t 而 次 則 一白色空格 乃 插 入 於 第 當 代碼行巳完 成 時 i 任 何 複 合名詞語彙 詞 字 典 檢 査 所 發現之任何 此 類 複 合 名 必 要之白色空 格 所 取 代 小 重要字之英 一 曰 文 語 彙 各 字。倘重要 英 文 字 經 發 隔 符插入緊接 同 義 曰 文 字 現 藉使用其為 除 其 印 有 語 言函數v SP r i n t f ( ) W S p r i n t f () 兩 轉 換 為 至 非實際a印 上 任 何 事 ASCI I字元Κ 準 備 印 上 字 中 •此 ASCI I 字 元 之 文 件 械 過濾器42之 输 入 ( 於 圖 定字元是否為字母） 定字元是否為hiragana) 定字元是否為Katakana) 定字元是否為Kanj i ) 一位元姐對，而倘第二姐產生不 格（十六進制"20")乃插入於 之間。例如，倘第一字元組之结 字元姐结果為—Katakana"時， 一與第二兩位元姐代碼對之間。 自此程序所產生之複合字均根據 表（LUT ) 88而測試，及於LUT 詞均Μ其對應之分隔字部分與Μ 分隔個別之字。而後糸統乃根據 詞典90核對由上述程序所識別之 現時，則其以適當之白色空格分 之字元流。此兩位元姐寬字元串 "寬字元〃外一相等於標準C 一 "之函數之C 一語言函數、、 ASCII代碼之表示法92。此函數 物而係代之Μ藉將其轉換為 元。於本發明之較佳具艄賁施例 係用作至逋合本文檢索之索引櫬 4 )。藉使用圖2中之實例，英 (請先Μ讀背面之注意事項再填窝本頁) 丨裝. 訂· •線·

本紙張尺度適用中國國家摞準（CNS)甲4规格（210 X -19 - 7公釐) 82.3. 40,000 A6 B6 烴濟部中央楳苹局s工消费合作社印製 五、發明説明（18 ) 文與日文數宇、、一〃之轉換乃進行如下： M ir_一-日文—-- 數字 =1 ichi 十六進制 =31 bOec 寬 宇元 = 0031 bOec ASCI I 八進制 =000 〇〇〇 063 061 142 060 145 143 ASCII代碼行經寫入文件94而程序經重覆96直至所有行之 本文業已處理及控制經傳输至正規過濾器（圖4中之42> Μ由ASCI I基礎之糸.統處理時為止。 於較佳具體實施例中，不論日文本文經讀出Μ供存儲或 某些日文字經输入（作為査尋變元）Μ供本文檢索’均使 用此同一過《程序。此乃允許日文用戶输入Romanji之曰 文字元於罨腦顯示器之査尋視窗•此而後轉換為通當之串 並發送至査尋機械。轉換此串回至日文字元之程式係用以 顯示査尋之结果，此將轉換回至日文宇元。 一些英文本文/十六進制字元串重疊，諸如字a face" (英文字、、face"及日文EUC代碼值=Aface")需標附 或為英文或為日文本文K協肋十六進制一串-> 日文轉換以 確知何一為英文。亦即，由字元、'a ，b ，c ，d ，e ， f ，Ο — 9〃所姐成M及於EUC代碼中日文字元姐之範圍 -20 - 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 (特先閲？面之注意事項再f本頁) · —裝· 訂_ .線. A6 B6 經濟部肀央標準曷具工消費合作社印製 五、發明説明（19) 以内之任何英文字，均相同於日文宇元。於較佳之具«實 施例中•日文句中之英文字乃以雙@符號加註K防止住何 此種混淆。例如，英文字'^ face〃乃註M @ @ face® @ » 懕行注意者，即於較佳具18實施例中•傳譯遇濾器52 ( 圔4)與正規索引遇濾器42係沿實行埋續統一體存在一目 前出現於一過濾器亦可能出現於另一遇濾器（及之亦然） 之程序。此悉憑實施者選擇最逋合他或她之所需而分工， 而一位精於此道者可想像各種實施以上所揭示之方法。 於本較佳具體實施例中•使用一額外之方法K自複合名 詞抽取資訊。某些査尋機械（諸如一用於AnswerBook者） 允許热知為"通配符〃之技術於査尋詢問。通配符允許插 入諸如"来〃或"！"等之特別字元Μ指示査尋機械應選 擇任何取樣*於此，額外之字元乃出現於特別字元之位置 之中或之後。此種査尋能使機械發現並非經由LUT技術分 斷而嵌入複合名詞之字。例如*査專："333452匕5先， 將發規 a3a4b2b5 a3a4b2b5d8e3 -21 - 本紙張尺度適用中國國家標準（CNS)甲4规格（210 X 297公釐） 82.3. 40,000 (請先閲面之注意事項再塡寫本頁) 裝. 訂· 線· 經濟部中央镖準局工消费合作社印製 310400 A6 B6__ 五、發明説明（20) a3a4b2b5a4a2cdc0d0c2 等。雎則本發明業經根據本較佳具體實施例說明，然精於 此道者應認知即本發明並非侷限於經說明之具體實施例。 唯一映射其它語言之字元為十六進制宇元K分析字元串至 字之方法可易於由精於此道者所想像。本發明之方法與裝 置可Μ在所附申請專利範圍之精神與領域Μ内之修改與變 動而實施。因而，本說明乃視為列舉性而非限制本發明之 範圍。 -22 - 本紙張尺度適用中國國家標準（CNS)甲4規格（210 X 297公* ) 82.3. 40,000 ---------------^11^.------裝------訂----「線 (請先閲讀背面之注意事項再項寫本頁)

Claims (1)

1. A8 第82102915號專利申請案 g 中文申請專利範圍修正本(86年3月） D8 . 々、申請專利範圍 1. 一種準備語言本文以由本文處理系統所使用之方法，於 (請先閲讀背面之注意事項再填寫本頁) 此，該語言包含超過256字元，該方法包含下列步驟： (a) 捕獲表示-該語言之輸入字元流； (b) 分隔該輸入字元流爲表示字之字元串；該分隔爲字 之動作係利用該語言之文法規則完成，該語言之文 法規則可用以決定於何處插入字分隔符至該字元流 以定界其構成字於該語言之該字元组，且在該輸入 字元中不需有特殊之字元以分辨一個字或字元组； (c) 映射該字元串爲唯一組之單位元組ASCII字元；以及 « (d )傳輸表示字之該唯一组之單位元组ASCII字元至該本 文處理系統以供進一步處理。 2. 根據申請專利範圍第1項之方法，更包含下列之步驟： (a)偵測該語言中之該字是否爲複合字，一複合字係包 含多於兩個位元組之字元碼之字元串； (b )將一偵測到之複合字與儲存於檢查表中之複合字比 較，該檢查表包含如該檢查表變元之複合字及如每 一變元之函數元件之變元相關複合字； 經濟部中央標隼局員工消費合作社印製 (c) 如果該複合字未見於該檢查表，則指定該複合字爲 單一字；及 -- (d) 如果該複合字位於該檢查表中，則取代位於該檢查 表中之複合字，其係相關於該複合字位置中之複合 字； 藉此，一該語言之複合字檢查表係用以使於將在該字元 流中之該等複合字中之特定字分隔爲個別之簡單字。 本紙張尺度逋用中國國家標準（CNS ) A4規格（210X297公釐） ^10400 鉍 C8 D8 六、申請專利範圍 3 .根據申請專利範圍第2項之方法，其中該語言爲曰文。 4.根據申請專利範圍第3項之方法，其中捕獲該曰文語言 至輸入字元流之步驟係藉使用其包含兩位元組十六進制 代碼爲各該日文字元之擴充之UNIX代碼（” EUC")而完 成。 · 5 ·根據申請專利範圍第4項之方法，其中該插入字分隔符 至該十六進制字元串之步驟包含以下之額外步驟： (a) 決定各該兩位元組十六進制代碼是否隸屬於Kanji、 Katakana或Hiragana字元組； (b) 插入該字分隔符之一於其隸屬於不同之該Kanji、 Katakana或Hiragana字元組代碼者之該兩位元組十六 進制代碼之任何兩相鄰者之間； (c) 識別其爲該相同之Kanji、Katakana或Hiragana字元組 之一之兩或較多該兩位元組十六進制代碼串作爲複 合字；以及 (d) 比較各該複合字與複合字檢查表中之登錄，而倘發 經濟部中央標隼局員工消費合作社印製 (請先閲讀背面之注意事項再填寫本頁) 現匹配時即行分開如由該檢查表所指示之匹配至其 結構字部分之該複合字，並插入該字分隔符之一於 各該字部分之間。 . 6. —種準備由本文處理系統所使用之語言本文之裝置，於 此，該語言包含超過256字元，該裝置包含： (a)過濾器裝置以捕獲表示該語言之輸入字元流；該語 言包含一耦合至該過濾器裝置之字過濾器，以分隔 該輸入字元流至表示字之字元串；其中該字過濾器 -2- 本紙張尺度逋用中國國家標準（CNS ) A4規格（210 X 297公釐） 經濟部中央標準局員工消費合作社印製 3l〇4〇〇 as 68 C8 _ D8 .六、申請專利範圍 包含一便於分隔該字元爲表示字元字元串之文法分 析器，其中在該輸入字元流中不需有特殊之字元以 分辨一個字或字元組，且其中字元流包含多於兩個 位元組資料之複合字； (b) 耦合至該字過濾器之映射裝置，以映射表示字之該 字元串爲唯一單位元組ASCII字元串；以及 (c) 耦合至該映射裝置之輸入裝置，以傳遞表示字之該 唯一單位元組ASCII字元串至該本文處理器。 7. 根據申請專利範圍第6項之裝置，其中該語言爲曰文。 8. 根據申請專利範圍第7項之裝置，其中表示由該過濾器 裝置所使用之該日文語言之輸入字元流係使用擴充之 UNIX代碼（"EUC”）以表示該字元。 9. 根據申請專利範圍第8項之裝置，其中該字過濾器更包 含一分隔裝置以將每一複合字與第一檢查表中之登錄作 比較，該第一檢查表包含如該檢查表變元之複合字及如 每一變元之函數元件之變元相關複合字，如果該複合字 未見於該檢查表，該分隔裝置則指定該複合字爲單一 字，及如果該複合字位於該檢查表中，該分隔裝置則取 代位於該檢查表中之複合字」-其係相關於該複合字位置 中複合字" 10. 根據申請專利範圍第9項之裝置，其中該字過濾器更包 含一插入裝置，該插入裝置利用一第二檢查表將每一字 元字組與該第二檢查表中之登錄作比較以插入英文字於 該字元字組，該第二檢查表包含如該第二檢查表變元之 -3- (請先閲讀背面之注意事項再填寫本頁) 本紙張尺度逋用中國國家標準（CNS ) Μ規格（210X297公釐） JOO 經濟部中央標準局員工消費合作社印装 A8 B8 C8 D8六、申請專利範圍 字元字組及每一變元函數元件之相關英文字，且如果一 字元字組與第二檢查表中之變元相符，該插入裝置將插 入在第、二檢查表中任何相關之英文字於代表該日文字之 該字元字組中。 11. 根據申請專利範圍第7項之裝置，其中該字過濾器包 含： (a) 字元組分析程序以決定表示各該日文字元之代碼是 否隸屬於Kanji、Katakana或Hiragana字元組； (b) 耦合至該字元組分析程序之字元插入裝置，以於無 « 論何時該字元組分析程序決定該字元組已改變時即 行插入字分隔符標記於該字元代碼_，該字分隔符 標記包含一特殊字元，該字元用以插入相鄰字元代 碼串之間之字元串以表示字元组間係爲不同； (c) 耦合至該字元組分析程序之字大小分析程序裝置， 以當該字元組分析程序決定一位於兩個連續字分隔 符間之字元代碼_包含大於兩個位元組字資料時選 擇連串之該曰文字元作爲複合字；以及 (d) 耦合至該字大小分析程序之字分隔裝置以分隔該複 合字爲其結構字部分並藉連接一字分隔符標記於每 一構成字部份以標記各該字部分作爲分隔之字。 12. —種包含ACSII爲基礎之本文處理系統之電腦系統中由 準備語言本文以供該ASCII爲基礎之本文處理系統所 使用之方法，該語言包含超過256字元，該方法包含下 列步驟： ~ 4 - (請先閱讀背面之注意事項再填寫本頁) J 、-° 本紙張尺度逋用中國國家標隼（CNS ) A4規格（210X 297公釐） A8 B8 C8 D8 々、申請專利範圍 (a) 傳譯該語言本文爲十六進制字元串； (b) 映射該十六進制字元串爲唯一組之單位元組ASCII字 元；、 - (c) 插入字分隔符於該十六進制字元串以定界其構成字 於該語言之之該十六進制字元組，其中該語言之文 法規則可用以決定何處插入該字分隔符於該十六進 制字元_中，且在該輸入字元流中不需有特殊之字 元以分辨一個字或字元組及 (d) 傳輸表示該語言之字之唯一組之單位元组ASCII字元 » 至該自動化本文處理器程式以供進一步之處理。 13.根據申請專利範圍第12項之方法，其中該語言之複合字 之檢查表係用以便於分隔該某些複合字爲其分別之簡單 字成份於該十六進制字元串。 In II - I 11 ^^1 11 I 1— —^1Ά -I—· I.....I -I- - —1 - - H *1-^ (請先閲讀背面之注意事項再填寫本I) 經濟部中央標隼局員工消費合作社印製 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐）