CN109271610A - 一种汉字的向量表达方法 - Google Patents

Abstract

本发明涉及一种汉字的向量表达方法，属于汉语信息处理技术领域。本发明通过中文点阵字库提取汉字的矩阵特征，通过五笔书写顺序规则提取汉字的笔画特征，通过汉语拼音数据库提取汉字的拼音特征，将汉字所对应的三种特征以一定的规则生成16维空间特征向量，该特征向量在计算机处理汉字时可以替代汉字进行相关计算。本发明与现有技术相比，主要解决了现有技术在计算机处理汉字时支持度低、不利于编程实现等现象，增加了目前依靠计算机对汉字进行处理的灵活性。

Description

一种汉字的向量表达方法

技术领域

本发明涉及一种汉字的向量表达方法，属于汉语信息处理技术领域。

背景技术

在汉语研究中，将汉字表示为数学表达式后可以对汉字进行计算机处理，有助于研究汉字的字形相似，对汉语教学、汉文编辑、汉文机器识别等业务具有重要意义。

目前，将汉字表示为数学表达式的方法主要是根据汉字的笔画、偏旁、拼音等固有属性对其进行编码实现，但是在汉语中拼旁部首有非常多，特别是针对一些复杂的复合字来讲，这种方式只能在理论研究中使用，在计算机处理中却难以实现。

发明内容

本发明要解决的技术问题是针对现有技术的局限和不足，提供一种汉字的向量表达方法，以解决现有技术在计算机处理汉字时支持度低、不利于编程实现等现象，致力于增加目前依靠计算机对汉字进行处理的灵活性。

本发明的技术方案是：一种汉字的向量表达方法，具体步骤为：

Step1：获取汉字X；

Step2：提取汉字X的矩阵特征，即根据16×15像素中文点阵字库，将点阵按照从上至下的规则(i＝1→8)划分为8个2×15像素的小矩阵，记2×15像素小矩阵中汉字X所占像素数为p_i,i∈[1,8]，记p₁,p₂,…,p₈为汉字X的矩阵特征；

Step3：提取汉字X的笔画特征，即按照汉字五笔书写顺序规则，将横、竖、撇、捺、折编码为字母a、b、c、d、e，生成汉字X所对应的笔顺编码字符串x₁x₂…x_z，其中z为汉字X的笔画数，x_i为汉字X第i笔的笔画，并且x_i∈{a,b,c,d,e},i∈[1,z]；同时由笔顺编码字符串x₁x₂…x_z提取出横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e；

Step4：提取汉字X的拼音特征，即根据汉语拼音数据库获取汉字X的常用读音Strp_X；同时将读音Strp_X分为声母Strs_X、韵母Stry_X和拼音声调Strd_X，以及声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X；

Step5：由Step2、Step3、Step4步骤所产生的数据，按照p₁、p₂、p₃、p₄、p₅、p₆、p₇、p₈、z₁、z₂、z₃、z₄、z₅、Ints_X、Inty_X、Intd_X的顺序生成汉字X的16维空间特征向量

进一步的，所述步骤Step2中，2×15像素小矩阵中汉字所占像素数p_i,i∈[1,8]应满足公式(1)的要求：

0≤p_i≤30,i∈[1,8] (1)。

进一步的，所述步骤Step3中，汉字X的笔画数z，以及横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e，应满足公式(2)的要求：

进一步的，所述步骤Step4中，将汉语拼音字母表中21个声母按顺序编码为数字1～21；将汉语拼音字母表中39个韵母按顺序编码为数字1～39；将将汉语拼音字母表中4个拼音声调按顺序编码为数字1～4；若汉字X没有声母Strs_X或韵母Stry_X，则将Ints_X或Inty_X赋值为0；即声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X满足公式(3)的要求：

本发明的有益效果是：本发明与现有技术相比，主要解决了现有技术在计算机处理汉字时支持度低、不利于编程实现等现象，增加了目前依靠计算机对汉字进行处理的灵活性。

附图说明

图1是本发明流程示意图；

图2是本发明16×15像素中文点阵示意图；

图3是本发明实施例1中所使用的汉字点阵示意图。

具体实施方式

下面结合附图和具体实施方式，对本发明作进一步说明。

实施例1：如图1所示，一种汉字的向量表达形式，具体步骤为：

Step1：获取汉字X；

Step2：提取汉字X的矩阵特征，即根据16×15像素中文点阵字库，将点阵按照从上至下的规则(i＝1→8)划分为8个2×15像素的小矩阵，记2×15像素小矩阵中汉字X所占像素数为p_i,i∈[1,8]，记p₁,p₂,…,p₈为汉字X的矩阵特征；

Step3：提取汉字X的笔画特征，即按照汉字五笔书写顺序规则，将横、竖、撇、捺、折编码为字母a、b、c、d、e，生成汉字X所对应的笔顺编码字符串x₁x₂…x_z，其中z为汉字X的笔画数，x_i为汉字X第i笔的笔画，并且x_i∈{a,b,c,d,e},i∈[1,z]；同时由笔顺编码字符串x₁x₂…x_z提取出横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e；

Step4：提取汉字X的拼音特征，即根据汉语拼音数据库获取汉字X的常用读音Strp_X；同时将读音Strp_X分为声母Strs_X、韵母Stry_X和拼音声调Strd_X，以及声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X；

Step5：由Step2、Step3、Step4步骤所产生的数据，按照p₁、p₂、p₃、p₄、p₅、p₆、p₇、p₈、z₁、z₂、z₃、z₄、z₅、Ints_X、Inty_X、Intd_X的顺序生成汉字X的16维空间特征向量

所述步骤Step1中，汉字X可以是编码方式为Unicode的中日韩统一表意文字基本字符集所收录的20902个汉字(Unicode码为4E00～9FA5)。

所述步骤Step2中，16×15像素中文点阵如附图2所示，以虚线组成的小方格作为像素点，共计240个像素点；以实线组成2×15像素的小矩阵，共计8个2×15像素的小矩阵。

所述步骤Step2中，2×15像素小矩阵中汉字所占像素数p_i,i∈[1,8]应满足公式(1)的要求。

0≤p_i≤30,i∈[1,8] (1)。

所述步骤Step3中，汉字X的笔画数z，以及横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e，应满足公式(2)的要求。

所述步骤Step4中，将汉语拼音字母表中21个声母按顺序编码为数字1～21；将汉语拼音字母表中39个韵母按顺序编码为数字1～39；将将汉语拼音字母表中4个拼音声调按顺序编码为数字1～4；需注意若汉字X没有声母Strs_X或韵母Stry_X，则将Ints_X或Inty_X赋值为0；即声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X满足公式(3)的要求。

实施例2：如图1所示，一种汉字的向量表达形式，通过中文点阵字库提取汉字的矩阵特征，通过五笔书写顺序规则提取汉字的笔画特征，通过汉语拼音数据库提取汉字的拼音特征，将汉字所对应的三种特征以一定的规则生成16维空间特征向量，该特征向量在计算机处理汉字时可以替代汉字进行相关计算。

Step1：获取汉字X；

具体的：所获取的汉字X为“藉”；

Step2：提取汉字X的矩阵特征，即根据16×15像素中文点阵字库，将点阵按照从上至下的规则(i＝1→8)划分为8个2×15像素的小矩阵，记2×15像素小矩阵中汉字X所占像素数为p_i,i∈[1,8]，记p₁,p₂,…,p₈为汉字X的矩阵特征；

具体的：汉字“藉”所对应的汉字点阵如附图3所示，由附图可得到p₁＝4、p₂＝17、p₃＝14、p₄＝10、p₅＝16、p₆＝12、p₇＝14、p₈＝10；

Step3：提取汉字X的笔画特征，即按照汉字五笔书写顺序规则，将横、竖、撇、捺、折编码为字母a、b、c、d、e，生成汉字X所对应的笔顺编码字符串x₁x₂…x_z，其中z为汉字X的笔画数，x_i为汉字X第i笔的笔画，并且x_i∈{a,b,c,d,e},i∈[1,z]；同时由笔顺编码字符串x₁x₂…x_z提取出横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e；

具体的：汉字“藉”所对应的笔顺编码字符串为abbaaabcdabbabeaa，其中z＝17，横、竖、撇、捺、折各自所占笔画数z_a＝8、z_b＝6、z_c＝1、z_d＝1、z_e＝1；

Step4：提取汉字X的拼音特征，即根据汉语拼音数据库获取汉字X的常用读音Strp_X；同时将读音Strp_X分为声母Strs_X、韵母Stry_X和拼音声调Strd_X，以及声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X；

具体的：汉字“藉”所对应的常用读音Strp_X为“ji”，声母Strs_X为“j”，韵母Stry_X为“i”，拼音声调Strd_X为二声，同时声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X分别为12、4和2。

Step5：由Step2、Step3、Step4步骤所产生的数据，按照p₁、p₂、p₃、p₄、p₅、p₆、p₇、p₈、z₁、z₂、z₃、z₄、z₅、Ints_X、Inty_X、Intd_X的顺序生成汉字X的16维空间特征向量

具体的：汉字“藉”的16维空间特征向量为{4,17,14,10,16,12,14,10,8,6,1,1,1,12,4,2}。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (4)

1.一种汉字的向量表达方法，其特征在于具体步骤为：

Step1：获取汉字X；

Step2：提取汉字X的矩阵特征，即根据16×15像素中文点阵字库，将点阵按照从上至下的规则(i＝1→8)划分为8个2×15像素的小矩阵，记2×15像素小矩阵中汉字X所占像素数为p_i,i∈[1,8]，记p₁,p₂,…,p₈为汉字X的矩阵特征；

Step3：提取汉字X的笔画特征，即按照汉字五笔书写顺序规则，将横、竖、撇、捺、折编码为字母a、b、c、d、e，生成汉字X所对应的笔顺编码字符串x₁x₂…x_z，其中z为汉字X的笔画数，x_i为汉字X第i笔的笔画，并且x_i∈{a,b,c,d,e},i∈[1,z]；同时由笔顺编码字符串x₁x₂…x_z提取出横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e；

Step4：提取汉字X的拼音特征，即根据汉语拼音数据库获取汉字X的常用读音Strp_X；同时将读音Strp_X分为声母Strs_X、韵母Stry_X和拼音声调Strd_X，以及声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X；

Step5：由Step2、Step3、Step4步骤所产生的数据，按照p₁、p₂、p₃、p₄、p₅、p₆、p₇、p₈、z₁、z₂、z₃、z₄、z₅、Ints_X、Inty_X、Intd_X的顺序生成汉字X的16维空间特征向量

2.根据权利要求1所述的汉字的向量表达方法，其特征在于：所述步骤Step2中，2×15像素小矩阵中汉字所占像素数p_i,i∈[1,8]应满足公式(1)的要求：

0≤p_i≤30,i∈[1,8] (1)。

3.根据权利要求1所述的汉字的向量表达方法，其特征在于：所述步骤Step3中，汉字X的笔画数z，以及横、竖、撇、捺、折各自所占笔画数z_a、z_b、z_c、z_d、z_e，应满足公式(2)的要求：

4.根据权利要求1所述的汉字的向量表达方法，其特征在于：所述步骤Step4中，将汉语拼音字母表中21个声母按顺序编码为数字1～21；将汉语拼音字母表中39个韵母按顺序编码为数字1～39；将将汉语拼音字母表中4个拼音声调按顺序编码为数字1～4；若汉字X没有声母Strs_X或韵母Stry_X，则将Ints_X或Inty_X赋值为0；即声母、韵母和拼音声调所对应的编码数字Ints_X、Inty_X和Intd_X满足公式(3)的要求：