CN1052960A - 华语自动分词注音新技术 - Google Patents

Abstract

“华语自动分词注音新技术”是智能化的计算机 汉语信息处理技术、现代汉语自动分词技术和自动注 音技术的有机结合。使用本技术研制成功的“华语自 动分词注音系统”，能够直接对各种符合汉字交换码 标准的汉字系统生成的汉字机读文本，进行自动注 音，生成规范的、以词为单位的现代汉语注音文章，从 而方便获得注音读物。不需人工事先对需要注音的 汉字文章的语词作辨音和分词处理，实现现代汉语注 音的自动化。

本技术改变注音读物出版旧工艺，改变注音读物 的生成方法，减轻出版人员脑力、体力负担，大大缩短 注音读物出版周期，促进实现现代汉语注音读物出版 的现代化、标准化、规范化。

Description

一、本发明所属技术领域：

智能化的计算机汉语信息处理技术;现代汉语自动分词技术和自动注音技术的有机结合。

二、国内外对现代汉语自动注音研究的现状：

1、中国的汉语注音读物有两大类：一是中国大陆的汉语拼音注音读物，主要是小学低年级教材和课外读物;学龄前儿童注音读物和成人扫盲注音读物;供外国人阅读和学习汉语汉字的注音读物;在中国的外国留学生学习汉语汉字的注音教材。二是中国台湾使用注音字母的注音读物，应用范围同大陆相当。目前注音读物的创作、编辑和出版，仍然以人工注音，铅排印刷为主要技术手段。近年一些注音读物的激光电子排版印刷，同样以人工注音为前提。

2、国内少数人进行的计算机自动注音研究，停留在按字为单位进行注音的阶段，注音准确率低，不按词连写，不符合我国注音读物的规范。国内外尚未发现本发明以外的有效的自动分词注音研究成果。

三、本发明的目的：

使用先进的计算机技术，通过智能化手段，实现快速的、准确度高的现代汉语文本自动分词注音，取代效率低下、错误繁多的传统的人工注音。把现代汉语注音技术推向现代化、标准化和规范化。

使用目前国内外各种汉字系统所生成的汉字机读文章，不用经过人工分词，通过本技术处理后立即自动注音，变为分词注音的、汉字词和拼音词两相对照的注音文章，注音符合国家的“汉语拼音”规范，分词符合国家的“汉语拼音正词法”规范。自动分词注音的准确率达到98%。经过人工少量校正，符合出版要求。

使用计算机技术实现现代汉语文本的自动分词和自动注音，有利于提高我国注音读物的质量，克服过去因人而异的注音混乱现象，实现注音读物的规范化，大大加快注音读物的出版周期。利于人们学习汉语汉字和掌握普通话，促进发展我国民族共同语，提高人们的文化质素。同时有利于外国人学习汉字汉语，促进中外文化交流。

四、本发明的内容：

1、“现代汉语和汉语拼音相对应的分词规则”。

在研究现代汉语词汇的相关关系和《汉语拼音正词法基本规则》的基础上，研究确定了本规则。本规则由：词性相关规则;缀加成分（前加成分和后加成分）处理规则;前后交连结构判定规则;同形异音词处理规则等部分构成。本规则是实现计算机现代汉语自动分词和自动注音技术的可靠基础。

2、多属性注音系统词汇库（汉字词、拼音词、词汇属性、交连结构知识多位一体）和用户临时干预词库。

从“汉语拼音正词法基本规则”出发，对8万条现代汉语常用词和次常用词进行注音和标注词性;从现代汉语自动分词实践中，总结出语词交连结构的正确划分规律，总结出语词前加成分和后加成分的分词连写规则，拼音大写小写规则等，然后根据计算机科学检索的要求，建成多属性的注音词汇库。建造这个词汇库，是正确分词注音的重要依据。用户临时干预词库的作用是提高罕用语词注音的准确性。

3、“计算机华语自动分词注音技术”。

在汉语语词规律研究的基础上，研究确立了本技术。本技术包括：现代汉语语词减字切分法;多属性词库（包括汉字词库和拼音词库）检索法;现代汉语交连结构正确判断法;汉字词、拼音词自动对应注音技术等。在本技术的指导下，研制成功了“华语自动分词注音系统”（又称“华语自动注音卡”。该系统能对现代汉语的计算机机读文本，按照国家的汉语拼音正词法的分词连写要求，按照国家汉语拼音规范（包括大写小写、标调法、轻声和儿化、隔音符号等）进行正确分词和正确注音，分词和注音的正确率达到98%以上。

4、“华语注音结果文本输出排版印刷技术”。

本技术包括注音结果文本的修改和计算机排版方法，注音结果文本在行式打印机上的格式打印输出，以及通过代码转换同先进的计算机激光照排系统相接口，实现注音结果文本的激光照排输出，进行注音读物的高精度胶版印刷。

上述四项内容的结合，构成了“华语自动分词注音新技术”。

五、本发明的优点及效果：

1、把现代汉语文章转换为规范的拼音-汉字两相对照的注音文章，不需人工事先对汉语文章做分词处理、辨音标调处理，真正实现现代汉语文章注音的自动化、智能化;

2、采用本技术对现代汉语机读文本进行自动注音，可以大大提高注音的工作效率，使用普通的微型计算机，自动注音的速度可达每分钟1000个汉字以上，比人工注音高出许多倍;

3、采用本技术获得的注音结果的准确度高，规范性和一致性好。人工注音的最大缺点是一致性和规范性差，不同作者的注音差异性大，读者难以适从。

4、改变注音读物的写作、编辑、排版传统方式，改变注音读物出版的旧工艺，缩短注音读物出版周期，减轻出版人员脑力、体力负担;促进注音读物出版的现代化、标准化、规范化;

5、本发明使注音读物的创作和编辑出版变得非常容易，更方便地向人们提供注音读物，帮助人们更快地掌握文化科学知识，尤其是学好普通话和汉语拼音，促进发展我国民族共同语。有利于外国人学习汉语。

现代汉语文本自动注音前后的对照举例

原汉语文本：

我攀登过峰峦雄伟的泰山，游览过红叶似火的香山，却从没看见过桂林这一带的山。桂林的山真奇啊，一座座拔地而起，各不相连，象老人，象巨象，象骆驼，齐峰罗列，形态万千;桂林的山真秀啊，象翠绿的屏障，象新生的竹笋，色彩明丽，倒映水中;桂林的山真险啊，危峰兀立，怪石嶙峋，好象一不小心就会栽倒下来。

经过自动分词注音后的注音文本：

Claims (7)

1. “华语自动分词注音系统”具有以下技术特征：

   1、待注音的汉语机读文本，汉字与汉字之间不必留空，无须人工事先作分词安排，分词和注音由系统自动完成。
2. 2、形成的注音文本，能够同注音前的原文文本的起行、段落格式保持一致。
3. 3、注音过程的特色是：先整行显示拼音，后整行显示汉字。构成整行拼音和整行汉字快速地两相对照。不是一个词一个词地显示拼音和显示汉字。
4. 4、形成注音文本的汉字词，不管是双音节词或多音节词，都作为一个完整的词串连结在一起，词与词之间留空，而字与字之间不留空。即汉字词作为一个整体同拼音词相对照。
5. 5、形成注音文本的拼音串，它的分词连写法，声母韵母写法，标调法，语词首字母大写法，隔音符号，轻声和儿化等，符合汉语拼音规范和1988年国家颁布的“汉语拼音正词法”规范。
6. 6、具有自动区别多音字的能力，无须人工干预，能够辨别例如“龟裂、乌龟、龟兹”中的“龟”字的不同读音，正确注为：

   龟裂：jǖnliè  乌龟：wūguī  龟兹：qiūcí
7. 7、形成的注音文本的拼音字符是半角字符，它是本注音系统特有的，它的宽度是一个汉字宽度的二分之一。不同于国标字符集里的拼音全角符。（见附图中的注音文本中的拼音字符）

   请求保护具有上述综合特征的本技术发明权。