谈谈汉字字母的黄金组合.docVIP

谈谈汉字字母的黄金组合 由一个或多个特征字母所构成的字母组合，叫做特征字母组合，也称为黄金字母组合。之所以称之为黄金字母组合，是因为由特征字母组合具有极高的区分度，或者说是具有极低的重码率，对于小容量词语集，特征字母组合甚至能够实现零重码率，或者说是实现区分度的最大化，因而具有极高的应用价值，堪比黄金更珍贵。 首先，我们将提取每个汉字的3个特征字母所构成的特征字母组合与拼音字母组合进行比较。 以5743个常用汉字作为一个常用汉字集，总共对应着403个拼音字母组合（汉语拼音音节）、526个特征字母组合（黄金字母组合），平均每个拼音字母组合承担14.25个常用汉字，平均每个特征字母组合承担10.92个常用汉字。由此可见，特征字母组合数量大于拼音字母组合，平均每个特征字母组合上分布的常用汉字数量少于拼音字母组合。 特征字母组合包含有1～3个特征字母，因为有的汉字是由1个或者2个字母组成的，5743个常用汉字的特征字母组合总共包含有16788个特征字母，平均每个汉字的特征字母组合包含有2.92个特征字母；拼音字母组合包含有1～6个拼音字母，5743个常用汉字的拼音字母组合总共包含有17586个拼音字母，平均每个汉字的拼音字母组合包含有3.04个拼音字母。由此可见，汉字的特征字母组合长度略低于拼音字母组合长度。 下表列出了对5743个常用汉字的一组统计数据。表中的每个特征字母组合上的汉字数量和每个拼音字母组合上的汉字数量，是指汉字在每个特征字母组合或拼音字母组合上的分布情况，例如：特征字母组合“362”所对应的汉字是“阿”“剁”“肺”“脚”，所以，该特征字母组合上的汉字数量为4；拼音字母组合“ang”只对应汉字“昂”“盎”“肮”，所以，该拼音字母组合上的汉字数量为3。 每个特征/拼音字母组合上的汉字数量 1 2 3 4 5 6 7 8 9 10 对应的特征字母组合数量 72 48 42 38 31 30 25 19 19 19 对应的拼音字母组合数量 21 26 14 19 23 21 15 11 25 16 每个特征/拼音字母组合上的汉字数量 11 12 13 14 15 16 17 18 19 20 对应的特征字母组合数量 15 11 20 8 15 9 7 5 10 5 对应的拼音字母组合数量 14 20 15 13 13 14 10 8 9 11 每个特征/拼音字母组合上的汉字数量 21 22 23 24 25 26 27 28 29 30 对应的特征字母组合数量 6 8 7 3 2 3 3 3 4 5 对应的拼音字母组合数量 7 11 8 7 5 6 2 3 4 2 每个特征/拼音字母组合上的汉字数量 31 32 33 34 35 36 37 38 39 40 对应的特征字母组合数量 2 0 5 3 2 5 2 0 2 1 对应的拼音字母组合数量 0 2 1 4 0 2 2 3 1 1 每个特征/拼音字母组合上的汉字数量 41 42 43 44 48 49 50 51 52 53 对应的特征字母组合数量 1 0 1 1 1 0 1 1 1 1 对应的拼音字母组合数量 1 1 1 0 0 1 1 0 0 0 每个特征/拼音字母组合上的汉字数量 54 57 58 61 64 69 70 71 83 84 对应的特征字母组合数量 0 1 3 1 0 1 1 3 0 0 对应的拼音字母组合数量 2 0 0 0 2 0 0 1 1 1 观察上表统计数据发现：特征字母组合所对应的最大汉字数量为64个，拼音字母组合所对应的最大汉字数量为84个；当在各个字母组合上分布汉字数量少于等于15个时，所对应的特征字母组合数量为412个，所对应的拼音字母组合数量为266个，前者为后者的1.55倍；当在各个字母组合上分布的汉字数量大于15个时，所对应的特征字母组合数量为114个，所对应的拼音字母组合数量为137个，前者为后者的83.21%。 我们将从每个汉字中提取的3个特征字母组合成各种词语特征字母组合。例如，“中”字的特征字母组合为“226”，“国”字的特征字母组合为“258”，那么，两字词语“中国”的特征字母组合就是“226258”。 下面是对GB/T 15732-1995《汉字键盘输入用通用词语集》中各类词语集的统计数据。 该词语集规定了5743个一级两字词语，所对应的特征字母组合数量为5427个，共产生316个重码词语，重码率为5.50%，所对应的拼音字母组合数量为5281个，共产生462个重码（同音）词语，重码率为8.04%；该词语集规定了13404个两字词语，所对应的特征字母组合数量为11748个，共产生1656个重码词语，重码率为12.35%，所对应的拼音字母组合数量为11438个，共产生1966个重码（