一个拼音汉字自动转换系统的设计与实现一个拼音汉字自动转换系统的设计与实现.pdfVIP

年　 月 北 京 航 空 航 天 大 学 学 报 　 1996 8 　　　 　　　 A ug ust 1996 第22卷 第 4期 Jo urnal of Beijing U niv ersity o f Aero nautics and Astronautics V ol. 22　N o . 4 一个拼音汉字自动转换系统的设计与实现1) 成　华　　尹宝林 ( 北京航空航天大学 计算机科学与工程系) 　　摘　要　给出了拼音汉字转换的定义, 并建立了一个带调拼音语句到汉字语句 的自动转换系统. 它由五个部分组成: 自动分词模块、词法分析模块、句法和语义分析 模块、语义修饰模块和显示模块. 其中句法分析是系统的核心, 在比较各种方法的基 础上选择了扩充转移网络( ATN ) 模型, 使 ATN 的优点和音字转换的特点得到较好 的结合. 测试结果表明, 系统的正确转换率达到97% . 关键词　汉字处理; 自动化系统; 转换; 网络; 双向词链表结构 分类号　TP 391; HD 87 在计算机汉语语音识别过程中, 把从声音到文字的输入过程分为两个阶段: 一是语音识别 阶段, 即把自然的声音转换为汉语拼音形式; 二是语音理解阶段或音字转换阶段, 即把拼音语 句转换为汉字语句. 音字转换作为汉语语音输入的后处理过程, 是语言式人机界面必不可少的 一部分. 由于汉语中音节数远远少于汉字个数, 因而存在着严重的重音现象, 因此, 同音词识别 就成了音字转换中的关键技术. 目前这方面的研究已广泛开展, 类似的系统见文献[ 1～4] . 这些系统的词库从8 000词到 5. 8万词不等, 识别句型100多种, 识别正确率为92% ～98%. 虽然各种系统纷纷涌现, 但还没有 一个能达到真正实用, 这一领域还有许多问题需要解决. 1　拼音汉字转换的定义 我们首先给出拼音汉字转换的定义[ 5] , 它是进行转换研究的基础. 定义　拼音汉字转换器 Z 是一个五元式( I , C, A , R , G ) . 其中, I 是语音代码集, C 是汉语 词汇集合, A 是词汇属性的集合, C×A 构成终止符集. R: I + →I + 是拼音代码序列 I + 到分段拼 音代码序列 I + 的检索和切分规则. G : ( I ×A ) + →( C×A ) + 是汉语语法规则集. 在拼音汉字转换中, 输入是汉语拼音序列 T ∈I + , I 是汉语拼音的集合, I { 〈r , v, t〉?r ∈ 声母, v∈韵母, t∈声调} . 在检索和分词规则 R 的作用下, T 被分解为序列 P = 〈P 1, ?, Pn〉, Pi∈I + , n 是对 T 分词的段数. 由于汉语中存在着严重的重音现象, Pi( i= 1?n) 一般都对应多个汉字或词汇, 而每个汉 语词汇又至少对应一个语法属性, 因而 P i 有一个与其对应的词汇集和属性集组成的对偶〈Ci, A i〉, 这时就需要通过汉语词法、句法和语义知识对同音词增加约束, 从而得到一个或多个满 足语法 G 的与 P 对应的词汇和属性对偶序列〈〈c1, a1〉, ?, 〈cn, an〉〉, ci∈Ci, ai∈Ai, Ci C, A i A , i= 1?n.