[文学]第一章 语言文字信息处理的对象和任务.ppt

第一章语言文字信息处理概述 第一节 语言文字信息处理及其 对象和任务 一、什么是语言文字信息处理 二、语言文字信息处理的对象和任务 第二节 语言文字信息处理的过程 一、信息输入 （一）汉字字形识别输入 （二）汉字语音识别输入 （三）汉字编码键盘输入 二 、 信息的存贮和输出 （一）汉字的存贮 （二）汉字的输出 ;第三节 汉字信息处理技术涉及的范围 一、汉字属性有关的内容 1.汉字字量 2.汉字字形 3.汉字字体 4.使用频率 5. 汉字发音 6.汉字索引 7.汉字排序 8.汉字标准交换码 二、对处理汉字、短语、句子结构的研究 第四节 语言文字信息处理的研究对象 一、对汉字的研究 二、对短语的研究 三、对句子的研究 ;第一章 语言文字信息处理概述; 信息具有多种性能: 传输性，转换性，存储性， 处理性，再生性等。 ; 随着科学技术的发展，信息的传输效能愈益增强，其作用范围也愈益宽广。例如从电话、电报发展到传真、电视，包括声音、文字、图形和图象的传送，从而大大增强了通信效能。由于电子计算机不仅能存储和控制信息，更重要的是由于它能加工或处理信息，因此相应产生了信息处理这一新的概念。有人把用于信息处理的电子计算机称作信息处理机，这是比较确切的。 ;用计算机来处理语言文字所包含的信息，这就是“语言信息处理（language Information processing）”。用计算机来处理汉语信息， 就是汉语信息处理，又称“中文信息处理”。汉字是记录汉语的法定文字，中文信息处理离不开汉字。不解决汉字的信息处理，也就 谈不上中文信息处理。不过汉字信息处理只是中文信息处理的一 部分，虽然是不可缺少的一部分，除了这一部分外，还有汉语词和汉语句子的信息处理。这就是说除了字处理阶段外，还有词处理阶段和句处理阶段。 一般而言,信息处理技术中，对语言文字信息的处理称为语言文字信息处理。 ;二、语言文字信息处理的任务 语言文字信息处理所包含的内容很丰富，例如：情报资料和图书的自动编目和检索；书刊和报纸的自动编辑和排版；事务处理；企业管理；办公室自动化；文字处理；文字翻译；医疗诊断；公用咨询服务；数据通信等。实际上，文字信息处理技术已逐渐渗透到人类思维、生产和生活等活动的一切方面。以计算机为基本手段的现代信息处理技术，正在促使人类的社会经济、科学技术和家庭生活发生日新月异的变化。这项技术的发展速度和应用水平已成为人类进入信息化社会、国家走向现代化的一个重要标志。 ; ;第四节 语言文字信息处理的研究对象;7）汉开放系统的接口规范； 8）语声输入与合成; 9）汉字识别； 10）字形生成；11）汉语分析及理解; 12）汉语生成；13）人机接口； 14）机器翻译 15）情报检索； 16）自动标引和抽词，自动文摘； 17）全文检索；18）电子印刷出版系统； （19）汉语辅助教学；20）电子词典。 ; 计算机具备理解自然语言能力的基本条件——是语言文字信息处理的重点和难点： 人与人用自然语言交流之所以没有困难，是因为交流总是在一定的环境中进行的，如果计算机系统实现了（１）人机会话（２）机器翻译（３）自动文摘（自动分类、文献检索、自动校对等））（４）能结合语境理解意思等语言信息处理功能，则认为计算机具备了一定程度的理解自然语言的能力。 ;以上这些科目，有些是基础研究，有些是技术研究，也有些可以直接转化为产品。必须指出，有些基础性研究虽然看不到直接的经济效益，但它的研究成果则是其他研究工作所必需，而且要先行。 ;第二节 语言文字信息处理的过程;一、信息输入 汉字输入是指利用汉字的形、音或相关信息通过各种方式把汉字输人到计算机中去的过程，汉字输入技术是汉字信息处理的关键技术。 汉字输入的方法有三类： （一）汉字字形识别输入 ;1.什么是汉字字形识别输入？ 也称汉字自动识别。即利用光学扫描方法将汉字的图形信息直接输入计算机，也就是用计算机自动辨别印刷或书写在纸（或其他介质）上的汉字。它属于模式识别和人工智能的范畴，是新一代计算机智能接口的一个重要组成部分，在应用上它是汉字信息处理系统高速自动输入的手段和根本出路，是汉语中文信息处理的一种好方法。 ;2.汉字字形识别输入的类型： （1）联机手写汉字的识别。人一面写，机器一面认。这是最简单的一种汉字识别类型。 （2）印刷体汉字的识别。包括两小类：单体印刷体汉字识别，识别印刷在纸上的一种印刷汉字；多体印刷体汉字识别，同时能识别印刷在纸上的宋、仿宋、黑、楷等印刷体汉字。 （3）手写汉字的识别。包括三个小类：手写印刷体汉字识别；特定人写汉字识别和人机交互式手写汉字识别。;3.汉字识别的基本思想与步骤 汉字识别的基本思想是匹配判别。 步骤：