汉字汉语拼音自动化标注方法研讨.pdfVIP

汉字汉语拼音自动化标注方法研究 赵建国 在叙词表编制过程中，需要对款目词标注汉语拼音和声调，以便编制主表、首汉字拼音索 引和族首词索引。汉语存在同形异音词和同形异声调词，如不能予以正确标注，则会严重影响 叙词表的使用。本文介绍了采用基于汉字属性知识库的机辅标注汉字汉语拼音和声调的方 法，分析了两项试验的结果，提出了一种基于汉字属性库和汉语词汇拼音声调知识库．采取从 左至右最长匹配分词法，自动标注汉字汉语拼音和声调的方法。两项试验表明，该方法优于前 一种方法。 众所周知，编制汉语叙词表(包括编纂任何辞书)，必须对款目词或条目进行排序，以便读 者检索、查阅。或是以拼音排序，或是以字(笔)形排序，或是以分类排序，不管以哪种或哪几 种形式，这是一项不可缺少的工作。十多年来，我参与编制的十几部词表(包括辞书)，都采用 拼音排序。拼音排序有时用在主表或正文中，有时用在首汉字索引或条目索引里，也可用在同 级或同类的并列款目词或条目上。鉴于汉语存在同形异词和同形异声调词，必须正确标注汉 字的汉语拼音及声调。 注拼音的汉字只占86．64％左右，其余汉字需要根据汉字所在款目词或条目的上下文语义环 境，从该字的多个可选拼音及声调中，人工选取一个正确的拼音及声调。过去，我在标注汉语 拼音和声调时，一直采取基于汉字属性知识库的方法。具体算法如下。 。依托汉字属性知识库，以单字方式，为款目词或条目标注拼音和声调。 s统计未定单字和待定款目词或条目个数，并统计汉字总数和款目词或条目总数。 + 2000．08．0l SEI正CT2 USE汉字属性．DBFINDEX汉字 SELECTl USE装备术语目录表．DBF DBDZ=o＆＆待标单字。 DBCM=0＆＆待标款目词或条目。 HZZS=0＆＆汉字总数。 CMZS=0＆＆款目词或条目总数。 SCAN 158 CHDY=TRIM(词汇短语) n亿Y=f] CMzs=cMzS+1＆＆款目词或条目总数。 DOWHILE LEN(CHDY)0 CH=LE订C(CHDY．1) cHDY=SUBSTRC(CHDY，2) SEI正CT2 IFSEEK(CH) HZZS=HZZS+l＆＆汉字总数。 IFLEN(TRtM(拼音二))O＆＆双音字拼音注音。 DBDZ=DBDZ+1＆＆待标单字。 PYZY=PYZY+拼音一+[／]+拼音二+[／] IF LEN(TPJM(拼音三))O＆三音字拼音注音。 PYZY=PYZY+拼音三+[／] IF LEN(TRIM(拼音四))o＆＆四音字拼音注音。 ’PYZY=PYZY+拼音四+[／] IFLEN(1瞰M(拼音五))O PYZY=PYZY．+拼音五+[／] IFLEN(TRIM(拼音六))0 PYZY=PYZY+拼音六+[／] IFLEN(TRIM(拼音七))0 PyZY=—_zY+拼音七+[／3 IFLEN(TRIM(拼音八))o PYZY=PYZY+拼音八+[／] ENDIF ENDIF ENDIF ENDIF ENDIF ENDIF EISE PYZY=PYZY+拼音一＆＆独音字拼音注音。 ENDIF ELSE PYzY