CN103544274B - 一种韩语文章汉字显现系统及其方法 - Google Patents

Abstract

本发明公开一种韩语文章汉字显现系统及其方法。数据模块、识别模块、转写模块、输出模块；所述数据模块用于存储韩语单词的韩文读音和中文简体汉字对应表和韩语固有词表；所述韩文单词识别模块用于将韩语文章的每一个单词识别出来，优先识别韩语固有词，然后识别韩语中的汉字词和复合词；所述转写模块用于将韩语中的韩文读音转写为简体汉字；所述输出模块用于输出形成韩文读音和简体汉字混合的韩语文章。本发明可以将韩语文章转写为韩文和简体汉字夹杂的文章。由于汉字词汇一般是韩文文章中表达内容的关键性词汇，因此，这样的韩文和汉字夹杂的文章，中国人是能够看懂其大概内容的，并且使得汉字转写的正确率和召回率在高水平上达到平衡。

Description

一种韩语文章汉字显现系统及其方法

技术领域

本发明涉及一种韩语文章汉字显现系统及其方法。

背景技术

韩国是我们的重要邻邦，随着中韩两国经济社会的发展和进步，两国在各方面的交流不断加深，特别是经济、文化、教育等领域。首先经济领域，韩国的产品大量进口到中国，如三星的电子产品、现代的汽车，三星手机甚至成为中国市场最受欢迎的手机；文化领域，韩国的电影电视剧也非常受到中国观众的欢迎，《大长今》热播时万人空巷；近年来中国赴韩国的留学生和韩国来中国的留学生逐年增加，据统计2012年韩国来华留学生达到6万多人，中国赴韩国的留学生2011年达到了近9万人。随着中韩两国这种交流的加深，我们在日常生活中会接触到很多韩国语的文字材料，如韩国语的网站、产品说明书等。由于现代韩国语的书面语都是用韩文书写的，如果过没有学习过韩语我们基本上是看不懂这些韩文材料的。

但是，中韩两国有着悠久的交流历史，汉语对韩语产生了深远的影响，即便是现在韩语中也存在着大量的汉语词汇，只不过使用韩文书写罢了。韩国国立国语院编写的《韩国语频率词典》共收词5万8千余条，其中可用汉字书写的词条达到4万1千余条。可用汉字书写的词汇在韩国语文章中的覆盖率达到52.6%。也就是说，韩国语的书面文章中，有52.6%的词汇是可以用汉字来书写的。一些比较正式的文本中，据说能够转写成汉字的词汇的覆盖率甚至可以达到近70%。在韩国语中汉字词汇通常都是表达文章内容的关键性词汇。我们在浏览韩文网页时如果能够将这些词汇转换成汉字，那么作为汉字文化圈国家的中国人，我们就可以大致了解韩语文章的大概内容。在机器翻译技术尚未成熟的今天，利用汉字作为沟通中韩两国人民的桥梁，既现实也可行。同时，如果能够了解韩国语中的汉字词汇也能够促进韩国语的教学和增强学生学习韩国语的信心。

由于韩国现行语言政策方面的原因，韩国倾向不使用汉字，因此，韩国国内没有韩语文章汉字显现相关技术的研究。日本有学者利用日语的分词标注技术进行了韩国语分词标注的尝试，其中涉及了韩语汉字词汇的汉字标注问题。但是，日本学者的尝试也存在以下几点不足：1、能够标注的汉字种类不多，其标注词典共有词条14000余条，其中包括了韩国语固有词汇和汉字词汇，同时还包括韩国语同一个动词的不同形态，实际上可标注的汉字词汇并不是很多；2、使用韩国语原有的汉字进行韩语汉字词汇进行标注，这不一定能够符合中国人的需求。由于韩国语固有汉字同我国现行的汉字在字形上存在较大的差异，同时字义也存在一定差别。因此，如果纯粹用韩国固有的汉字进行标注，中国人未必能够看懂，因此就达不到让中国人认识的目的。

发明内容

针对现有技术中的问题，本发明的目的是要提供一种韩语文章汉字显现系统及其方法。

为了达到上述目的，本发明的技术方案是：

一种韩语文章汉字显现系统，包括：数据模块、识别模块、转写模块、输出模块；所述数据模块用于存储韩语单词的韩文读音和中文简体汉字对应表和韩语固有词表；所述韩文单词识别模块用于将韩语文章的每一个单词识别出来，优先识别韩语固有词，由于汉字和韩语的固有词也存在同音现象，我们将韩语的固有词单独建成一个词表，优先识别，这样可以避免韩语固有词汇被错误转写成汉字词汇，然后识别韩语中的汉字词和复合词；所述转写模块用于将韩语中的韩文读音转写为简体汉字；所述输出模块用于输出形成韩文读音和简体汉字混合的韩语文章。

进一步，所述转写模块按照由多音节词到单字词的顺序进行由韩文读音到简体汉字的转写。进一步，所述转写模块将韩语复合词去掉最后一个字符继续进行转写直至词长为零。由于韩文中汉字的同音字非常多，因此，如果从字层面进行转写则因同音字而产生的错误会很多。而在多音节的词层面，同音词很少，因此，我们采取从音节多的词开始，逐步缩短音节进行匹配的转换策略，这样，既可以确保无同音词的汉字词汇的正确转换，又可以使一些由单个汉字组成的词汇不被遗漏。使得汉字转写的正确率和召回率在高水平上达到平衡。

进一步，所述输出模块将韩语固有词汇原样输出、将韩语中的汉字词由韩语读音转写成简体汉字输出，形成韩文和简体汉字混合的韩语文章。

进一步，所述韩语单词的韩文读音和中文简体汉字对应表的步骤包括：首先建立一个韩文汉字和中文简体汉字的对应表，所述韩文汉字和中文简体汉字的对应表以韩国国家标准KS X 1001：1992中的韩国汉字为蓝本，并将韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则；然后以韩国国立国语院公布的《韩国语频率词典》为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记并形成韩语单词的韩文读音和中文简体汉字对应表。

一种韩语文章汉字显现方法，包括以下步骤：

1）建立韩语单词的韩文读音和中文简体汉字对应表、建立韩语固有词表；

2）识别和切分韩语文章中的单词：将韩语文章的词分为韩语固有词、韩语汉字词、韩语复合词，由于汉字和韩语的固有词也存在同音现象，我们将韩语的固有词单独建成一个词表，优先识别，这样可以避免韩语固有词汇被错误转写成汉字词汇；

3）将韩语汉字词转写为简体汉字；

4）将韩语复合词去掉最后一个字符继续进行步骤3）直至词长为零，由于韩文中汉字的同音字非常多，因此，如果从字层面进行转写则因同音字而产生的错误会很多。而在多音节的词层面，同音词很少，因此，我们采取从音节多的词开始，逐步缩短音节进行匹配的转换策略，这样，既可以确保无同音词的汉字词汇的正确转换，又可以使一些由单个汉字组成的词汇不被遗漏。使得汉字转写的正确率和召回率在高水平上达到平衡；

5）输出转写结果得到韩文读音和简体汉字混合的韩语文章。

进一步，步骤5）中，当韩语文章中还有韩语汉字词未转写时，继续进行步骤2）、步骤3）、步骤4）。

进一步，步骤1）中，所述韩语单词的韩文读音和中文简体汉字对应表的步骤包括：首先建立一个韩文汉字和中文简体汉字的对应表，所述韩文汉字和中文简体汉字的对应表以韩国国家标准KS X 1001：1992中的韩国汉字为蓝本，并将韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则；然后以韩国国立国语院公布的《韩国语频率词典》为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记并形成韩语单词的韩文读音和中文简体汉字对应表。

进一步， 步骤2）中，利用韩语书面语单词和单词之间有空格对韩语文章中的单词进行识别和切分，并不对有词尾变化的单词作复原处理。由于韩语书面语单词和单词之间有空格，因此，将韩语单词从文章中识别分离出来相对汉语和日语来讲比较简单。但是，韩语动词等有词尾变化，因此韩语单词在文章中出现的形式未必和词典中的形式一致。考虑到韩语汉字词汇虽有词尾变化的可能，但是与汉字对应的部分一般不发生变化，因此，我们在识别和切分单词时，不对有词尾变化的单词作复原处理。

本发明可以将韩语文章转写为韩文和简体汉字夹杂的文章。由于汉字词汇一般是韩文文章中表达内容的关键性词汇，因此，这样的韩文和汉字夹杂的文章，中国人是能够看懂其大概内容的，并且使得汉字转写的正确率和召回率在高水平上达到平衡。

附图说明

图1为本发明韩语文章汉字显现系统的原理框图。

图2为本发明韩语文章汉字显现方法的流程图。

具体实施方式

下面结合附图和实施例对本发明进行进一步说明。

如图1所示，一种韩语文章汉字显现系统，包括：数据模块、识别模块、转写模块、输出模块；所述数据模块用于存储韩语单词的韩文读音和中文简体汉字对应表和韩语固有词表；所述韩文单词识别模块用于将韩语文章的每一个单词识别出来，优先识别韩语固有词，然后识别韩语中的汉字词和复合词；所述转写模块用于将韩语中的韩文读音转写为简体汉字；所述输出模块用于输出形成韩文读音和简体汉字混合的韩语文章。所述转写模块按照由多音节词到单字词的顺序进行由韩文读音到简体汉字的转写。所述转写模块将韩语复合词去掉最后一个字符继续进行转写直至词长为零。所述输出模块将韩语固有词汇原样输出、将韩语中的汉字词由韩语读音转写成简体汉字输出，形成韩文和简体汉字混合的韩语文章。所述韩语单词的韩文读音和中文简体汉字对应表的步骤包括：首先建立一个韩文汉字和中文简体汉字的对应表，所述韩文汉字和中文简体汉字的对应表以韩国国家标准KS X1001：1992中的韩国汉字为蓝本，并将韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则；然后以韩国国立国语院公布的《韩国语频率词典》为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记并形成韩语单词的韩文读音和中文简体汉字对应表。

如图2所示，种韩语文章汉字显现方法，包括以下步骤：

1）建立韩语单词的韩文读音和中文简体汉字对应表、建立韩语固有词表；

2）识别和切分韩语文章中的单词：将韩语文章的词分为韩语固有词、韩语汉字词、韩语复合词；

3）将韩语汉字词转写为简体汉字；

4）将韩语复合词去掉最后一个字符继续进行步骤3）直至词长为零；

5）输出转写结果得到韩文读音和简体汉字混合的韩语文章。

步骤5）中，当韩语文章中还有韩语汉字词未转写时，继续进行步骤2）、步骤3）、步骤4）。

步骤1）中，所述韩语单词的韩文读音和中文简体汉字对应表的步骤包括：首先建立一个韩文汉字和中文简体汉字的对应表，所述韩文汉字和中文简体汉字的对应表以韩国国家标准KS X 1001：1992中的韩国汉字为蓝本，并将韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则；然后以韩国国立国语院公布的《韩国语频率词典》为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记并形成韩语单词的韩文读音和中文简体汉字对应表。

步骤2）中，利用韩语书面语单词和单词之间有空格对韩语文章中的单词进行识别和切分，并不对有词尾变化的单词作复原处理。

以下为详细解释：

1、韩语单词的韩文读音和中文简体汉字对应表

首先我们建立一个韩文汉字和中文简体汉字的对应表。这个对应表以韩国国家标准KS X 1001：1992中的韩国汉字为蓝本，请韩语专家将这些韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则，建立韩语汉字和中文简体汉字的对应表。中文简体汉字以中国国家标准GB2312-80为标准。

我们以韩国国立国语院公布的《韩国语频率词典》（含4万余条汉字词汇）为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记。建立韩语单词的韩文读音到中文简体汉字的对应表。

2、韩语文章单词的识别和切分

由于韩语书面语单词和单词之间有空格，因此，将韩语单词从文章中识别分离出来相对汉语和日语来讲比较简单。但是，韩语动词等有词尾变化，因此韩语单词在文章中出现的形式未必和词典中的形式一致。考虑到韩语汉字词汇虽有词尾变化的可能，但是与汉字对应的部分一般不发生变化，因此，我们在识别和切分单词时，不对有词尾变化的单词作复原处理。

3、韩文读音到简体汉字的转写

根据词典将上述截取的单词中与汉字对应的韩文转写成汉字。由于韩文中汉字的同音字非常多，因此，如果从字层面进行转写则因同音字而产生的错误会很多。而在多音节的词层面，同音词很少，因此，我们采取从音节多的词开始，逐步缩短音节进行匹配的转换策略，这样，既可以确保无同音词的汉字词汇的正确转换，又可以使一些由单个汉字组成的词汇不被遗漏。使得汉字转写的正确率和召回率在高水平上达到平衡。

同样由于汉字和韩语的固有词也存在同音现象，我们将韩语的固有词单独建成一个词表，优先识别，这样可以避免韩语固有词汇被错误转写成汉字词汇。

韩语的汉字词汇中存在很多复合词，这些复合词是由韩语单词的韩文读音和中文简体汉字对应表（韩汉词典）中的汉字词组合而成的。而复合词本身在韩语单词的韩文读音和中文简体汉字对应表（韩汉词典）中可能不存在。如韩语词汇“검찰총장”是由“검찰”和“총장”组合而成的，分别对应汉字词“检察”“总长”。词典中虽没有“검찰총장”，但是，词典却有“검찰”和“총장”，这样就存在复合词内部的汉字转换问题。对于复合词内部的汉字转写我们采取正向最长匹配方法，进行转换。

4、韩语单词的韩文读音和中文简体汉字对应表（示例）

韩文读音	韩文汉字	简体汉字
			안전표지판	安全標識板	安全标识板
안전지대	安全地帶	安全地带
			안전도	安全度	安全度
안전경	安全鏡	安全镜
			안전거리	安全距離	安全距离
안전모	安全帽	安全帽
			안전시설	安全施設	安全施设
안전사고	安全事故	安全事故
			안전망	安全網	安全网
안전선	安全線	安全线
			안전성	安全性	安全性
안전화	安全靴	安全靴
			안전원	安全員	安全员
안전장치	安全裝置	安全装置
			안위	安危	安危
안위	安慰	安慰

Claims (2)

1.一种韩语文章汉字显现系统，其特征在于，包括：数据模块、识别模块、转写模块、输出模块；

所述数据模块用于存储韩语单词的韩文读音和中文简体汉字对应表和韩语固有词表；

所述韩文单词识别模块用于将韩语文章的每一个单词识别出来，优先识别韩语固有词，然后识别韩语中的汉字词和复合词；

所述转写模块用于将韩语中的韩文读音转写为简体汉字；

所述输出模块用于输出形成韩文读音和简体汉字混合的韩语文章；

所述转写模块按照由多音节词到单字词的顺序进行由韩文读音到简体汉字的转写；

所述转写模块将韩语复合词去掉最后一个字符继续进行转写直至词长为零；所述输出模块将韩语固有词汇原样输出、将韩语中的汉字词由韩语读音转写成简体汉字输出，形成韩文和简体汉字混合的韩语文章；所述韩语单词的韩文读音和中文简体汉字对应表的步骤包括：首先建立一个韩文汉字和中文简体汉字的对应表，所述韩文汉字和中文简体汉字的对应表以韩国国家标准KS X 1001：1992中的韩国汉字为蓝本，并将韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则；然后以韩国国立国语院公布的《韩国语频率词典》为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记并形成韩语单词的韩文读音和中文简体汉字对应表。

2.一种韩语文章汉字显现方法，其特征在于，包括以下步骤：

1）建立韩语单词的韩文读音和中文简体汉字对应表、建立韩语固有词表；

2）识别和切分韩语文章中的单词：将韩语文章的词分为韩语固有词、韩语汉字词、韩语复合词；

3）将韩语汉字词转写为简体汉字；

4）将韩语复合词去掉最后一个字符继续进行步骤3）直至词长为零；

5）输出转写结果得到韩文读音和简体汉字混合的韩语文章；

步骤2）中，利用韩语书面语单词和单词之间有空格对韩语文章中的单词进行识别和切分，并不对有词尾变化的单词作复原处理；步骤5）中，当韩语文章中还有韩语汉字词未转写时，继续进行步骤2）、步骤3）、步骤4）；

步骤1）中，所述韩语单词的韩文读音和中文简体汉字对应表的步骤包括：首先建立一个韩文汉字和中文简体汉字的对应表，所述韩文汉字和中文简体汉字的对应表以韩国国家标准KS X 1001：1992中的韩国汉字为蓝本，并将韩语汉字对应的汉语简体汉字标注出来，标注时以字义相同为原则；然后以韩国国立国语院公布的《韩国语频率词典》为蓝本，根据上述韩文汉字和中文简体汉字对应表，将《韩国语频率词典》中的汉字词汇的韩文汉字标记转写成中文简体汉字标记并形成韩语单词的韩文读音和中文简体汉字对应表。