多语言信息处理平台研究.pdfVIP

多语言信息处理平台 中国科学院软件研究所 联系人：刘净(1iujing@iseas．ca) 北京市海淀区中关村南四街4号．电话：010 一、民族语言版本Linux操作系统和办公套件 2003年，在国家“863”软件重大专项《民族语言版本Linux操作系统和办公套件研发》 和中科院知识创新工程西部行动计划项目《基于Linux的跨平台藏文信息处理系统》的资助 下，中科院软什研究所联合西藏自治区藏语委办、西北民旗人学、新疆大学和内蒙古科立 公司等单位，在国产Linux操作系统和办公套件的基础上。按照标准化、规范化和开放性的 少数民族语言处理模型的要求，研发通用的支持蒙、藏、维等少数民族语言的基本系统平 台和满足电子政务、办公应用要求豹办公套件．包括文字处理、幻灯片演示、电子表格、 电子邮件等组件。 1．1技术特点 ● 国际化的多文种处理模型和实现框架 系统的可移植性和数据的可操作性，其国际化子系统的核心是基于本地环境对不同语言文 字提供支持。但是，该模型是基于全局的本地环境，系统通常假定应用程序在某一时间内 只使用单一的文字和编码。由于该模型没有提供处理多种文字和字符集的混合数据的方法， 因此，对于支持双语环境(例如，英文和一种本地文字。如汉字)是一个较好的结构形式，但 在处理多语言时不具有充分的支撑能力。同时，现有系统及许多应用程序都是基于现有的 Linux国际化与本地化模型的。然而，对于支持民族文字的系统而言，支持多文种处理是自 然的要求(在本项目中，就要求同时支持藏、汉、英三种文字)。因此．必须对现有的Linux 国际化与本地化模型进行扩充。 我们针对Linux国际化模型的缺陷，遵循“稳定、开放、先进、实用”的原则，抽象了 原有的Linux国际化与本地化机制概念，扩充了原有的Linux国际化与本地化机制，建立了 国际化的多文种处理模型和系统框架，并在统一的系统框架内实现支持蒙、藏、维文的Linux 系统平台和办公套件，集中解决民文处理中基础性、共同性的技术问题。在此基础上。根 据各民族文字与文化特点研发针对不同民族用户的软什系统。这样做，可以最大程度避免 重复开发，保证各个民族语言处理软件的兼容性，以有限的投入换取最大的成果。 ● 国际化文字处理参考模型 民族文字特征差异较大，其书写方向也不同，如维吾尔文是“从右向左，自顶向下” 书写，在与汉、英文混排时字符流是同一方向的，而文字的显现方向却是双向的；蒙古文 的“自顶向下，从左向右”书写．混排处理更加复杂；而且民族文字在显现出立时字形会 根据字符所在单词中的位置及前后字母的搭配发生变化，是典型的复杂文字，处理较为困 难。但是，目前操作系统文字处理体系结构不完整，不同的系统实现往往采用不一样的处 Tex／Letax／Omega,XFree86／XRE／Xft，KDZ／Qt，ICU GNOME／Pango，等等。 针对这一现状以及民文系统必须实现多文种混合处理的应州要求，课题组在深入分析 了各个不同实现逻辑的基础上，提出了基于通道一过滤器的国际化多文种处理参考模型和 国际化文字处理的标准过程。该参考模型描述了多文种混合的复杂文本的整个处理过程， 以及各种相关的资源和处理组件之间的逻辑关系，可以指导开发多文种复杂文本的处理系统。 ．．153-． 例如．下图是在汉文环境与维吾尔文环境F英、汉、蒙、藏、维五种文字的混合排版示例。 帅e国—尹混台文本的显示屯≯事 ‰r醇譬占空(M伽goli毗】★巾oq；主事7‘时钾t4耐 州洲酬侧一晴州帅嘛何嘲删删Ⅳ 9a赫唧·悄艄一呐峋!畔一■舛w#吨如，研制 10191．12耐一咖由商，蜃，州Iii《钾蝌州冰》F钾一 “，t呻!rb_w-矿* 12藏交‘Tillc扭nIl3卤≮雾i气’瓮气气。氢’蜀等}髻一。 职舔哥∥蝌融1啄’蓟’触吨’穹气‘酝w甲斌黾自’ 擎’q’轴’舀≮q辆1 l{维吾尔文(1爿ghu『)15虬谤c，L一；一≯弛J；屯