謝清俊.pptVIP

智慧型漢字編碼─缺字問題的解決方案 莊德明 謝清俊 中華民國九十一年一月二十二日 大 綱 理論 ─ 謝清俊報告 缺字問題 漢字構形資料庫的構成 漢字構形系統概述 實務 ─ 莊德明報告 結語 缺字衍生的問題 大幅增加了資料登錄的工作 造字的管理不易 造字的空間不足 異體字造成文件檢索和處理上的困撓 造成資訊共享的障礙 漢字構形資料庫 漢字構形資料庫是一個表達漢字結構的制式系統(formal system, axiomatic system, 或 production system。 ) 漢字構形資料庫的構成有： 一群與字形相關的集合 一些字集 一個字根集 一個部件集 運算子(operators) 和運算規則(production rules) 一個字形結構式的集合 對應於每一個字形有一個字形結構式。 字形與構字式 目前，漢字構形資料庫中有 59,766 個楷書字形 ，乃下列字集中字形之聯集： 《中文電腦基本用字》 8,528字形 《五大字集》 13,060字形 《中文大辭典》 49,416字形 《漢語大字典》含簡化字總表 54,640字形 《中央研究院補字集》 8,028字形 字形與構字式 除 Window 可提供的字型外，本系統尚有： 漢語大字典 54,640 個仿宋字形 漢語大字典異體字12,208 組，約36,309字形 小篆： 說文540部首字形 《說文小字典》11,100個字形 金文 準初文(族徽,大篆) 697個 另有：西夏文約 6000 字，葉有道碑(行書) 196 個字，喃文 2,709字形 字的家譜與字根 構形資料庫中的 59,766 個字形，依其構形劃分為 1,324 個家族，每個家族為一樹狀結構，家族的領頭字即字根。 此1,324 個字根又分為兩組： 普及組有801 個字根，可處理57,626 個字的構形。 罕用組有523 個字根，只處理2,140 個罕用字的構形。這些罕用字都是些楷化的古字，如金文。 我們推薦流通的版本用普及組字根。 實施 三個運算子： 橫 ? 直 ? 含 ? 單運算子表達Recursive 運作 以部件構字式作為缺字之識別碼 以漢字構形資料庫管理字形知識 提供漢語大字典中五萬餘字的字形與部件構字式之對映 部件構字式、字根構字式與字根式 灕＝??離 灕＝??(离?隹) 灕＝??((??禸)?(???)) 灕＝??(((??凶)?禸)?(??(???))) 灕＝??(((??(凵??))?禸)?(??(???)))  灕＝???凵禸??? 單運算部件構字式之例 灕＝??離 離＝离?隹 璃＝王?离 擒＝??禽 噙＝口?禽 离＝??禸 禽＝??离 隹＝??? ?＝??? ?＝??凶 凶＝凵?? 種字與終端字 在每一棵漢字家族樹中，有兩種字： 一種是沒有孳生能力的，稱為終端字。 終端字位於家族樹的端末結點上。 一種是有孳生能力的，稱為種字。 種字位於家族樹的非端末結點上。 種字的字形必定會出現在其他字形中， 作為其字形的一部份。 終端字則無此性質。 目前，本系統中的種字共 2600 個。 最佳化 將常用字納入 約 2800 字,佔37% 的使用率 納入常用字後的系統 約用 5200 個碼位 直接用此碼的機率大於99% . 少於1% 的機會要用部件式來表示其他的字或新字. 漢字的通用構字模式 以上漢字的構字模式是通用的，小篆、金文、甲骨文等亦可適用。 小篆已建構完成，金文在建構中。 由於古今文字均採用相同的結構模式，是故古今文字的銜接就自然、容易多了。 此模式與任何一種交換碼細系統皆相容 可應用於Unicode、JIS、 GB 、 CCCII等 此模式應可處理漢字生成後在時空上字形的變化 * 語言資源建構與標記工作營 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3