形音相近的易混淆汉字的搜寻与应用-AssociationforComputational.PDFVIP

形音相近的易混淆漢字的搜尋與應用 劉昭麟 黃志斌 翁睿妤 莊怡軒 國立政治大學 資訊科學系 {chaolin, g9614, s9403, s9436}@.tw 摘要 在中文裡面，漢字包含因為發音相近或者形體相似的易混淆字，這一些易混淆字對於電 腦輔助教學和語言心理學的相關研究具有相當意義。我們運用倉頡碼的設計理念和電子 詞典所提供的發音資訊，配合網際網路可以得到的文字資訊，設計一個不須仰賴影像處 理技術，就可以找到形音相近漢字的方法。經過實驗證明，以提交五個甚至一個建議字 為限，我們的方法所建議的形音相近字集，能夠包含一般與專業受試者所提供的常見錯 別字集。 關鍵詞：漢字研究、漢字搜尋、漢字構字資訊、電腦輔助語言教學、語文認知 1. 簡介 個別漢字是構成中文的基本單位，有自己的發音、筆畫構造與所攜帶的意涵；透過個別 漢字所組成的單字詞、雙字詞等詞彙，依據漢語語法組成中文句子。因此，學習漢字雖 然不是學習漢語會話的必要工作，但卻是進階中文學習者一個重要的功課。同時，語言 使用者如何透過語言的聲音(pronunciation)和文字的形體(grapheme)來擷取語意，更是研 究語言認知歷程的學者所專注的重要議題。因此，本論文探討如何利用軟體技術找尋因 為發音和形體近似而容易混淆的漢字，以供電腦輔助教學和認知語言學的研究之用。 中文句子「今天上午我們來試場買菜」包含一個典型的錯誤；試場雖然是一個存在 的詞彙，代表考試的場所，但是除非情境特殊，否則在這一例句裡面的「試場」應改為 「市場」。「經理要我構買一部計算機」這個句子也有一個錯誤：「構買」應改為「購買」。 雖然在簡體字的環境中比較多的人會寫「構買」，但是在繁體中文的使用群中，也有人 把「購買」寫成「構買」。 因為形音近似而誤用詞彙並不是中文所特有的現象，英文也有類似的問題[4] 。舉 例來說，“John plays an important roll in this event.” 包含一個錯誤的字；“roll” 應改為 “role” 。其他像下列這一些字組，都是易混淆字的範例，principle和principal 、teen和team 、 there和their 、leak和leek 、wait和weight 、knows和nose以及knit和nit等等。 形音近似的漢字常被用於國民小學國語科試題的「改錯字」試題[6] 。教師把一句 正確的中文句子其中一個字改成另一個具有相當吸引力的錯字，以這一句帶有錯字的中 文當作試題，要求受測學生找出並且更正這一錯字。這一類的試題也可以變形為中文的 克漏詞試題(cloze) [9, 13] ，克漏詞試題雖然在中文試題中比較少出現，卻是國內外英文 測驗，如托福、GRE和大學指考等，幾乎是必然採用的題型。 形音近似的漢字在語言心理學的研究上也相當有用。Taft 、Zhu和Peng [15] 研究部 首位置對於受試者的詞彙決策(lexical decisions)與命名反應(naming responses) 。Tsai等學 者 [16]則研究相近漢字的字數的多寡(neighborhood size)對於詞彙決策與閱讀的影響。 Yeh 和 Li [17] 研究近形字對於一個熟練的中文閱讀者所執行的詞彙決策的影響。 發音相近的字可能可以藉由電子詞典所記載的資訊來判斷；相對地，形體相近的字 則尚未有簡易的方法來找尋。影像處理技術雖然可能有用，但是對於為數眾多、且近似 方式繁複的漢字來說，應用影像處理技術的時效恐怕不佳。本文從應用朱邦復所設計的 倉頡碼出發[2] ，改變倉頡碼的原始設計，參考原本為了補足漢字字形缺字所創造的漢 字構形資訊[1] ，得到一套可以為任何漢字找尋形體近似的漢字的方法。 結合所找到音形相近的漢字字集之後，我們利用谷歌(Google)的搜尋介面所提供的 資訊來排序所找到的字集的候選字，藉此排序可以限制我們所提供的近似字的字數。實 驗結果顯示，不管以真人受試者或者專家意見作為評比的標準答案，我們的系統所提供 的字集都能有效協助教師編輯高品質的「改錯字」試題。 我們在第 2 節討論如何利用倉頡與構形資訊來建構一個找尋近形字的子系統。在第 3 節討論找尋漢字同音、近音字的技術問題。在第 4 節討