蒙古文信息熵与拉丁转写研究.pdfVIP

蒙古文信息熵和拉丁转写研究 那日松1淑琴2 1中国传媒大学北京100024：2内蒙古大学呼和浩特010021 摘要：本文主要是对26万多词的蒙古文拉丁转写语料中的蒙古文名义字符进行信息熵的计算，并给出蒙 古文名义字符的信息熵和蒙古文语料中使用拉丁转写存在的问题。 关键词：蒙古文：拉丁转写：信息熵 lnfOrmatiOnand Resea妒ch0n Character EntrOpy MOngOIlan LatinTranSlIteratiOn NarsulShuQin2 of 1Communication univerSitychilla，cUc，Beiiing，100024，2hnerMongolia in Abstract：1his dis跚ssmecalcIIlationof缸曲皿ation for no面nalch啪cterthe M0ngolian papermainly entr叩y indudemore￡h皿260，000 the MoⅡgolj卸La血仃ansliteIatiⅡgco印us，mjscoqⅪs MoⅡgcdj越wofds，andgiVes i11 and ofL丑tin仃柚sliterationusedtbe infomati。n of nominalcharaclers entropyMon901ian th。problems corpus． Mon901ian KeywOrds：M。ngolian；La血Transliteration；InfoHna虹onEn的py 1 引言 本文主要是利用获得的26万词组成的蒙古文语料进行名义字符的统计，并给出蒙古文名义字符的信息 熵。该语料是以拉丁转写的形式存储，服从内大拉丁方案(内蒙古大学蒙古文语料库专用拉丁方案)．由内 蒙古大学蒙古语言研究所完成，是《现代蒙古语文数据库》中的一部分。由于蒙古文的特殊性决定了至今未 有人计算出蒙古文的信息熵。 德文4．10比特：罗马尼亚文4．12比特；俄文4．35比特；中文9．65比特。 信息熵与字符数有关，各种拼音文字字符数有限，熵值也相差不大。由于蒙古文在很多方面和英文很接 近，所以可以预测蒙古文的信息熵应该是4点多比特。 2蒙古文和语料介绍 2．1 蒙古文 传统蒙古语属于阿尔泰语系，是音素文字，有8个元音字母和27个辅音字母；蒙古文中的音节是以元 ·782· 音为主辅音为辅；元音有阳性与阴性之分，阳性与阴性元音不会在一个词内同时出现；蒙古文的词分为词根 和词缀两部分，词根一般由一个或两个音节构成；词根绝大部分是单音节和双音节，派生词由词根接附加成 分构成，一个词根可以递加几个附加成分；采用自顶向下竖写，每列从左向右排列的书写方式，字母之间连 写；词汇方面，有汉语借词，也有一些突厥语、满语、藏语、梵语、阿拉伯语、波斯语、希腊语、俄语借词； 词与词之间用空格分开。 由于蒙古文字符在不同文本上下文中采用变化相当复杂的显现字形，所以蒙古文中有名义字符和显现字 Unicode标准中的码位(o。de 的位置和前后所联接的字符的不同有一个或多个显现形式