CN1206882A - 拼音汉字变换方法及其系统 - Google Patents

Abstract

本发明提供了一种拼音汉字变换方法和系统。传统的汉字拼音输入系统一般只能判别词的输入而不能利用词间的连接关系。本发明的方法包括:输入拼音码;查找拼音字词关系表,获得第一组候选字词;根据已变换词与每个候选字词,查找词间关系表,获得能与前次已变换词连接的第二组候选字词;词间关系表存储了两个词之间的连接关系;计算第二候选字词中每个候选字或候选词的评价值,根据所述评价值从第二候选字词中确定变换字词。还提供了实现这种方法的系统。

Description

拼音汉字变换方法及其系统

本发明涉及一种将拼音变换成汉字的方法，还涉及一种实现这种方法的系统。

汉字输入是在计算机中应用汉字所必不可少的技术。因此，人们研究开发了各种汉字输入方法，至今已有不下千种。然而，实际应用的却不多。拼音输入法是目前计算机中使用较为广泛的一种输入法，虽然拼音输入法存在着输入速度慢，重码率高的缺点，但它在众多的输入法中能占一席之地有其特点，即，拼音输入法不象其它某些输入法要记忆许多规则，它容易学习，只要会读会拼，一般都能用这种方法进行输入，因此适合于非汉字输入专业人员使用。但由于汉字中同音字很多，除去声调，汉字中的发音只有四百多个，而常用的汉字就有四五千个，因此，拼音输入法的重码率很高，输入者输入时要从多个同音字中进行选择，这大大限制了输入速度。

在本申请人于1996年5月13日提出的名称为“汉字拼音输入系统”、申请号为96106240.1的发明专利中，公开了这样一种输入系统，这种系统根据前次输入的汉字，利用汉字关系表来判别当前输入的拼音码为何汉字，从而减少用户的选择次数，提高输入速度。这种输入系统利用了汉字的字与字之间的连接关系。但对于输入的句子中，还存在着词与词之间的关系，仅利用字与字之间的连接关系，就不能正确判断出词与词之间的连接关系。例如，我们要输入的词组为“汉字拼音输入系统”，在输入了“汉”之后，当输入拼音“zhi”时，利用该申请中的汉字关系表可以判断出这一拼音对应的汉字应为“字”，而不是其它发“zhi”音的汉字，例如“自、之、纸”等，因为，在汉字关系表中只有“汉”与“字”的连接，没有“汉”与“自”或与“之”或与“纸”的连接。但当输入后一汉字的拼音“ping”时，由于在汉字关系表中，“字”与发“ping”音的汉字之间的连接关系为“字频”，与实际要求输入的内容不一致，而且这往往总是不能一致的，因为“汉”与“字”之间的连接关系是字与字之间的连接关系，所以可以利用汉字关系表，而“字”与“拼”之间实际上是“汉字”与“拼音”之间的连接关系，是词与词之间的连接关系，所以仅利用字与字之间连接关系的汉字关系表就不能进行正确的变换。

根据上述已有技术存在的不足，本发明的目的在于提供一种利用汉语中词与词之间的关系，把拼音变换成汉字的方法。

本发明的另一个目的在于提供一种利用上述方法的拼音汉字变换系统。

根据本发明的构思，本发明提供的拼音汉字变换方法包括以下步骤：

(1)输入拼音码；

(2)判别是否输入了开始变换标记；如有则继续下一步，否则返回第(1)步骤；

(3)根据输入的拼音码，查找拼音字词关系表，获得对应于这些拼音码的第一组候选字或第一组候选词；所述拼音字词关系表存储了拼音与所对应字和词的映射关系，以及这些对应的字和词的使用频度；

(4)根据前次已变换的词与上述步骤(3)中所获得的每个候选字或候选词，查找词间关系表，对所述第一组候选字或第一组候选词进行删选，获得能与前次已变换词连接的第二组候选字或候选词；所述词间关系表存储了两个词之间的连接关系；如果在本步骤中，没有前次已变换的词，则根据所述拼音字词关系表中存储的使用频度确定变换的字或词；

(5)计算所述第二候选字或第二候选词中每个候选字或候选词的评价值，并根据所述评价值从所述第二候选字或第二候选词中确定变换的字或词；

(6)判断是否出现已到末尾；如果没有出现，对下一拼音码重复步骤(3)-(5)，否则结束或返回步骤(1)。

本发明还提供了一种实现上述方法的拼音汉字变换系统，该系统包含：

输入部分，用于输入拼音码；

拼音字词关系表，存储拼音与所对应字和词的映射关系，以及这些对应的字和词的使用频度；

查找部分，与所述输入部分相连，接收拼音码，并与所述字词关系表相联，用于根据所述拼音字词关系表，查找对应于所述拼音码的字或词；

已变换词集，存放已变换词

第一组候选字词集，与所述查找部分相连，存放所述查找部分查找所述拼音字词关系表获得的对应于所述拼音码的字或词；

词间关系表，与所述查找部分相连，所述查找部分根据所述已变换词集中前次已变换的词与所述第一组候选字词集中的所述候选字词，查找所述词间关系表，对所述第一组候选字词进行删选，获得能与前次已变换词连接的第二组候选字词；

第二组候选字词集，用于存放所述查找部分查找所述词间关系表获得的第二组候选字词；

评价值计算部分，与所述第二组候选字词集相连，用于计算所述第二组候选字词集中每个候选字词的评价值；

选词部分，与所述第二组候选字词集和所述评价值计算部分相连，用于根据所述评价值计算部分计算得到的第二组候选字词的评价值确定变换的字或词，并放入到所述已变换词集中。

由于在本发明的方法和系统中增加并利用了词间关系表，将该词间关系表与拼音字词关系表相结合，不仅能根据字与字之间的连接关系来变换拼音，而且还能根据词与词之间的关系来变换拼音，从而提高了输入速度。

下面结合附图详细描述本发明的实施例。

图1是本发明的拼音汉字变换方法的流程图；

图2是拼音字词关系表的结构图；

图3是词间关系表的结构图；

图4是改进的词间关系表的结构图；

图5是本发明拼音汉字变换系统的结构框图。

现在先参见图1来描述本发明的拼音汉字变换方法。如图1所示，首先在步骤S1通过输入装置输入拼音码，输入装置可以是普通的键盘、鼠标或者专用输入设备等。这里我们以输入“二十一世纪是一个实际的世纪”为例来进行说明。为了输入这一句子，应输入其拼音码“er shi yi shi ji shi yi ge shi ji de shi ji”(在实际输入时，可以不输入空格，连续输入，这里留出空格仅是为了方便辨认)。当输入上述拼音码时，在步骤S2随时判别是否输入了开始变换标记。本发明涉及的是一种整句拼音音汉字变换方法和装置，因此，在本实施例中，开始变换标记可以采用例如逗号、句号、问号、感叹号、分号等表示停顿的标点符号，也可以规定的一个符号，例如空格等。如果在S2没有判别出有开始变换标记，则流程返回到步骤S1，继续输入拼音码。如果判别出有开始变换标记，则流程进入到下一步骤S3，根据输入的拼音码查找拼音音字词关系表。拼音字词关系表存储了拼音与所对应字和词的映射关系，以及这些对应的字和词的使用频度。图2示出了这种拼音字词关系表的结构。如图2所示，对应于拼音码“er”根据其映射关系可以查到汉字“尔”、“二”、“而”等，对应于拼音码“ershi”根据其映射关系可以查到词“二十”、“而是”、“儿时”等，对应于拼音码“ershiyi”根据其映射关系可以查到词“二十一”、等。同时也可以得到这些字和词的使用频度。对于上述的例子来说，对于拼音码可以查找到一组候选字或候选词(我们把它称为第一候选字或第一候选词)(步骤S4)。可以把获得的第一组候选字、词存放在第一组候选字、词集中。然后，流程进入到步骤S5，在步骤S5中，判断是否有前次已变换的词。如果没有流程进入到步骤S6，在步骤S6，根据第一候选字、词的使用步骤来确定变换的字或词。即，哪个候选字或词的使用频度高，就选那个字或词作为变换词，在本例子中，上述候选字、词“尔”、“二”、“而”、“二十”、“二十一”等中，“二十一”的使用频度最大，所以就把“二十一”确定为拼音码“ershiyi”的变换词。

然后流程进入到步骤S11。判断是否已变换到拼音码末尾，即是否到了句子的停顿处，如果没有到，流程返回到步骤S3对后续的拼音码重复上述步骤S3至S5，查找对应于后续拼音码的第一候选字、词。对于本例来说，已变换的拼音码“ershiyi”后续的拼音码为“shi ji shi…”，对于步骤S3和S4，将获得“市”、“室”、“式”、“世”…“石”、“世纪“、“试剂”、“司机”等第一组候选字、词。随后，在步骤S5，判断是否有前次已变换词。由于在本例中，前次已变换出“二十一”这一变换词，所以判断的结果为“有”，流程进入到步骤S7，在步骤S7，根据前次已变换词(在本例中为“二十一”)以及上述的第一候选字、词，查找词间关系表。词间关系表存储了两词之间的连接关系。图3示出了词间关系表的结构。如图3所示，词间关系表是二维矩阵，矩阵的行为一词，列为另一词的拼音码，行列相交处为对应于拼音码的且可与行上的词相联的词。如果行列上的两个词在句子中没有连接关系，则在交叉点上作一没有连接关系的标记，例如标为“0”。例如，在句子中经常会出现“我们需要…”这种句子。在这一句子中，词“我们”与词“需要”之间可以连接关系，即存在一种连接关系。在词间关系表中，就存储了这样一种连接关系，即，在矩阵的行上为“我们”，在矩阵的列上为“需要”的拼音码“xuyao”，它们的交叉点上为该拼音码对应的“需要”。但词“我们”与词“世纪”之间不可能连接，所以在词“我们”与拼音“shiji”的交叉点上作一标记“0”，表示它们之间没有连接关系，不能连接。所以在步骤S7中，前一已变换词为“二十一”，把它对应于词间关系表的行，后续的拼音码为“shi”、“shiji”、“shijishi”等，查找如图3所示的词间关系表的结果是与前一已变换词“二十一”可以连接的词有“世纪”、“是”、“室”、“世”等，而与第一候选字、词中的其它候选字、词，例如“石”、“市”、“试剂”、“司机”等不能连接。所以在步骤S8获得了第二组候选字、词。为了在第二组候选字、词中确定对应于拼音码的变换词，在步骤S9计算第二候选字、词中每个候选字、词的评价值。然后，在步骤S10中根据每个候选字、词的评价值确定变换词，即把评价值大的那个候选字、词作为变换词。在本例中，候选词“世纪”的评价值最大，所以把“世纪”选为变换词。然后，流程进入到步骤S11。判断是否已变换到拼音码末尾，如果没有到，流程返回到步骤S3，对后续的拼音码重复上述步骤S3至S10。如果到了末尾，流程在步骤S12结束，可以输入另一整句的拼音码。

下面，描述在上述步骤S9中进行的计算候选字、词评价值的情况。由于在步骤S8中已获得了第二组候选字、词，这组候选字、词都可以与前一变换词连接，所以计算候选字的评价值的目的是根据该评价值从候选字、词中选出最适合的字、词作为变换词。在一实施例中，可以选用每个候选字、词的使用频度作为评价值。但，这种评价值存在的不足之处是，单字词的使用频度往往大于多字词。例如在上例中，第二组候选字、词中，“是”、“室”、“式”等单字词的使用频度大于多字词“世纪”、“试剂”的使用频度。为了消除这种情况，在另一实施例中，可以利用以下公式来计算候选字、词的评价值：

候选词的评价值＝候选词的使用频度×候选词词长×词优先系数

在该公式中，单字词的词优先系数为1，两字以上词的优先系数为2。这评价值计算公式的作用是提高了多字词的评价值。即，对于单字词来说，其评价值就等于其使用频度，而对于多字词来说，其评价值有所增加，这大大提高了多字词的竞争力。

在本发明的另一实施例中，对图3所示的词间关系表作了改进。在图3所示的词间关系表中，矩阵的行存储了一个完整的词，如“我们”、“二十一”等，列存储了完整的词的拼音码，例如“xuyao”、“shiji”等，在行列的交叉点上，存储了对应于拼音码的完整的词，例如“需要”、“世纪”等。为了缩小词间关系表的容量，在本实施例中，使用如图4所示的结构的词间关系表。如图4所示，在该关系表中，矩阵的行存储了前一词的最后一个汉字，例如“我们”的“们”；矩阵的列存储了后一连接词的最前一个汉字的拼音码，例如“xuyao”的“xu”；在行列的交叉点上存储了列上的拼音码所对应的汉字，例如“需”。这种结构的词间关系表同样能起到图3的词间关系表的作用。

下面详细描述本发明提供的利用上述拼音汉字变换方法的系统。图5是拼音汉字变换系统的方框图。如图5所示，该系统由这些部分组成：输入部分1、查找部分2、拼音字词关系表3、词间关系表4、第一组候选字词集5、第二组候选字词集6、选词部分7、评价值计算部分8以及已变换词集9。输入部分1可以是普通的键盘、鼠标或者专用输入设备等。汉语句子的拼音码通过该输入部分1输入。拼音字词关系表3存储了与所对应的字和词的映射关系。其结构如图2所示，在上面已经作了详细的描述，因此，这里不再重复。查找部分2与输入部分1相连，用于接收通过输入部分1输入的拼音码。当输入部分1的输入中出现开始变换标记时，查找部分2到拼音字词关系表中查找输入的拼音码所对应的字和词。在本实施例中所用的开始变换标记可采用我们仍用上面的“二十一世纪是一个实际的世纪”为例。首先查找部分2根据输入的拼音码从拼音字词关系表3中查找到对应的汉字“尔”、“二”、“而”和词“二十”、“而是”、“儿时”以及“二十一”等，并把这些存放到第一组候选字词集5中。然后，查找部分2从已变换词集9中取得前次已变换词。对于本例来说，目前尚无前次变换词，所以选词部分7把第一组候选字词集5中的使用频度最高的候选词选出，放入到已变换词集9中，作为已变换词。在本例中，把“二十一”选为变换词。

然后，查找部分2根据后续的拼音码“shijishi…”查找拼音字词关系表3获得“市”、“室”、“式”、“世”…“石”、“世纪“、“试剂”、“司机”等候选字、词，同样放入到第一组候选字词集5中。接着，查找部分2从已变换词集9中取得前次已变换词“二十一”，并根据该前次已变换词(在本例中为“二十一”)以及上述的第一候选字、词，查找词间关系表4。词间关系表4存储了两词之间的连接关系。其结构如图3所示，在上面已经作了详细的描述，因此，这里不再重复。通过查找，从第一候选字词集5中选出了与前一已变换词“二十一”可以连接的词“世纪”、“是”、“室”、“世”等，把它们放入到第二组候选字词集6中。由于已获得了第二组候选字、词集6中的这组候选字、词都可以与前一变换词连接，所以评价值计算部分6计算每个候选字的评价值，由选词部分7根据该评价值从候选字、词中选出最适合的字、词作为变换词。在一实施例中，可以选用每个候选字、词的使用频度作为评价值。但，这种评价值存在的不足之处是，单字词的使用频度往往大于多字词。例如在上例中，第二组候选字、词中，“是”、“室”、“式”等单字词的使用频度大于多字词“世纪”、“试剂”的使用频度。为了消除这种情况，在另一实施例中，可以利用以下公式来计算候选字、词的评价值：

候选词的评价值＝候选词的使用频度×候选词词长×词优先系数

在该公式中，单字词的词优先系数为1，两字以上词的优先系数为2。这评价值计算公式的作用是提高了多字词的评价值。即，对于单字词来说，其评价值就等于其使用频度，而对于多字词来说，其评价值有所增加，这大大提高了多字词的竞争力。

对于本实施例来说，候选词“世纪”的评价值最大，所以把“世纪”作为变换词放入到已变换词集9中。

上面已通过实施例对本发明作了详细的描述，本技术领域的技术人员应当理解，上述的方法和系统可以利用软件或硬件来实现，也可以利用软、硬件相结合的方式来实现。

Claims (11)

1、一种拼音汉字变换方法包括以下步骤：

(1)输入拼音码；

(2)判别是否输入了开始变换标记；如有则继续下一步，否则返回第(1)步骤；

(3)根据输入的拼音码，查找拼音字词关系表，获得对应于这些拼音码的第一组候选字或第一组候选词；所述拼音字词关系表存储了拼音与所对应字和词的映射关系，以及这些对应的字和词的使用频度；

(4)根据前次已变换的词与上述步骤(3)中所获得的每个候选字或候选词，查找词间关系表，对所述第一组候选字或第一组候选词进行删选，获得能与前次已变换词连接的第二组候选字或候选词；所述词间关系表存储了两个词之间的连接关系；如果在本步骤中，没有前次已变换的词，则根据所述拼音字词关系表中存储的使用频度确定变换的字或词；

(5)计算所述第二候选字或第二候选词中每个候选字或候选词的评价值，并根据所述评价值从所述第二候选字或第二候选词中确定变换的字或词；

(6)判断是否出现已到末尾；如果没有出现，对下一拼音码重复步骤(3)-(5)，否则结束或返回步骤(1)。

2、如权利要求1所述的拼音汉字变换方法，其特征在于，所述开始变换标记为汉语中表示句子停顿的标点符号。

3、如权利要求2所述的拼音汉字变换方法，其特征在于，所述开始变换标记为逗号、句号、问号、感叹号、分号。

4、如权利要求1所述的拼音汉字变换方法，其特征在于，所述步骤(4)为根据前次已确定的最后一个汉字与上述步骤(3)中所获得的每个候选字或候选词的第一个汉字，查找词间关系表。

5、如权利要求1所述的拼音汉字变换方法，其特征在于，所述步骤(5)中的评价值为候选词的使用频度。

6、如权利要求1所述的拼音汉字变换方法，其特征在于，所述步骤(5)中的评价值根据下列公式计算：

候选词的评价值＝候选词的使用频度×候选词词长×词优先系数

式中，单字词的词优先系数为1，两字以上词的优先系数为2。

7、如权利要求1所述的拼音汉字变换方法，其特征在于，所述词间关系表是两维矩阵，矩阵的行存储了前一词的最后一个汉字，矩阵的列存储了后一连接词最前一个汉字的拼音码，在矩阵行列的交叉点上存储了列上的拼音码所对应的汉字。

8、一种利用权利要求1至7所述方法的拼音汉字变换系统，该系统包含：

输入部分，用于输入拼音码；

拼音字词关系表，存储拼音与所对应字和词的映射关系，以及这些对应的字和词的使用频度；

查找部分，与所述输入部分相连，接收拼音码，并与所述字词关系表相联，用于根据所述拼音字词关系表，查找对应于所述拼音码的字或词；和

已变换词集，存放已变换词

其特征在于，所述系统还包含：

第一组候选字词集，与所述查找部分相连，存放所述查找部分查找所述拼音字词关系表获得的对应于所述拼音码的字或词；

词间关系表，与所述查找部分相连，所述查找部分根据所述已变换词集中前次已变换的词与所述第一组候选字词集中的所述候选字词，查找所述词间关系表，对所述第一组候选字词进行删选，获得能与前次已变换词连接的第二组候选字词；

第二组候选字词集，用于存放所述查找部分查找所述词间关系表获得的第二组候选字词；

评价值计算部分，与所述第二组候选字词集相连，用于计算所述第二组候选字词集中每个候选字词的评价值；

选词部分，与所述第二组候选字词集和所述评价值计算部分相连，用于根据所述评价值计算部分计算得到的第二组候选字词的评价值确定变换的字或词，并放入到所述已变换词集中。

9、如权利要求8所述的拼音汉字变换系统，其特征在于，所述选词部分还与所述第一组候选字词集相连，当尚无前次变换词时，把所述第一组候选字词集中的使用频度最高的候选词选出，放入到已所述变换词集中。

10、如权利要求8所述的拼音汉字变换系统，其特征在于，所述评价值计算部分根据下列公式计算评价值：

候选词的评价值＝候选词的使用频度×候选词词长×词优先系数

式中，单字词的词优先系数为1，两字以上词的优先系数为2。

11、如权利要求8所述的拼音汉字变换系统，其特征在于，所述词间关系表是两维矩阵，矩阵的行存储了前一词的最后一个汉字，矩阵的列存储了后一连接词最前一个汉字的拼音码，在矩阵行列的交叉点上存储了列上的拼音码所对应的汉字。

Images