中文罗马字母拼写法及其在人机交互中应用.docVIP

中文罗马字母拼写法及其在人机交互中的应用 　　摘 要：中文罗马字拼写法可以把汉字译音为罗马化的拼音。它对于自然语言处理、文献工作、语言教学是非常有用的，已经成为人机交互的重要工具。 　　关键词：中文罗马字母拼写法 拼音 文献工作 汉字 人机交互 　　一、计算机对汉字提出的挑战 　　我们正处于信息网络时代，在这个时代，信息和网络在人类生活中起着越来越大的作用。语言文字是信息最重要的负荷体，信息网络时代的计算机需要处理负荷信息的语言文字，计算机信息处理与语言文字有着密不可分的关系，然而，汉字难以满足计算机信息处理的需要，仅有60多年历史的计算机向拥有6000多年历史的汉字发起了严峻的挑战。 　　汉字是一种意音图形文字（ideophonographic character）。这种意音图形文字是一种图形字符，用以表示事物或概念以及与之相关的语音，具有与仅仅表音的拉丁字母迥然不同的特色。 　　汉字最显著的特色是字符繁多，是一个大字符集（big script set）。 　　世界上的多数语言文字的字符所包含的字符数量都是很有限的。一些语言的字符集中所包含的不同字符数如下所示： 　　语言 字符集中包含的字符数 　　拉丁语 26个 　　斯拉夫语 33个 　　亚美尼亚语 38个 　　塔米尔语 36个 　　缅甸语 52个 　　泰语 44个 　　老挝语 27个 　　藏语 33个 　　韩国语 24个 　　日语 48个 　　汉字的数目比这些语言的字符集中包含的字符多得多。下面是古代和现代汉语的词典中包含的不同的汉字字符数： 　　作 者 词典（出版年代） 词典中包含的不同的汉字字符数 　　许 慎 《说文解字》（公元100年） 99，353个 　　顾野王 《玉篇》（公元543年） 16，917个 　　陈彭年 《广韵》（公元1008年） 26，194个 　　丁 度 《集韵》（公元1067年） 53，525个 　　梅膺祚 《字汇》（公元1615年） 33，179个 　　陈廷敬 《康熙字典》（公元1716年） 47，043个 　　张其昀 《中文大字典》（公元1971年） 49，888个 　　徐中舒 《汉语大字典》（公元1990年） 54，678个 　　冷玉龙 《中华字海》（公元1994年） 85，000个 　　在《中华字海》中包含的汉字字符达到85，000个之多，不过，其中的一些字符或者没有意义，或者没有读音，只能算是符号（symbol），而不能算真正的文字（script）。所以，一般来说，汉字的字符数量大约有60，000多个。汉字是世界上最大的字符集。 　　汉字承载着6000多年历史的中华文化，它是光辉灿烂的中华文化之根，是中华民族的骄傲。然而，由于汉字的字符数量庞大，难于满足机器处理的需要。 　　欧洲人雷明顿（Remington）很早就发明了基于拉丁字符的打字机，显著地提高了文字工作的效率。 　　为了提高汉字的工作效率，20世纪以来，有的专家研制了中文打字机来打汉字，这种中文打字机与基于拉丁字符的雷明顿打字机（Remington Typewriter）不同，十分复杂，非常笨重①。 　　例如，图1是美国专家约翰森（Wally Johnson）发明的中文打字机，这台汉字打字机现在保存在美国堪萨斯大学东亚图书馆的馆员多尔（Vickie Fu Doll）的办公室里。 　　图1：约翰森（Wally Johnson）发明的中文打字机 　　这台打字机的主要部分是一个铅字字模盘，盘中可容纳大约2000个高频汉字的字模。这2000个汉字对汉语言文学写作或学术研究当然不够用，所以约翰森还给这台中文打字机加了一个补充字模盘，盘中包含一些不太常用的汉字字模，以备需要时可以检索使用。如图2所示。 　　图2：中文打字机的补充字模盘 　　还有一个重要的问题是这两个字模盘中的汉字怎样排列。是按照汉字的部首来排列呢？还是按照汉字的笔画数来排列？这两种排列方法都会导致在同一个排列号下包含若干个汉字，显然是不可行的。 　　那么，是否可以按照每个汉字的出现频度来排列？可否按照每个汉字的电报码来排列？这两种排列方法要求打字员有很好的记忆力，实现起来也很困难。 　　遗憾的是，约翰森当时没有想到根据汉字的读音来排列的方法，这样的方法简单易行，使用方便，对用户友好。可是，这样的好方法被约翰森忽略了！ 　　由于约翰森没有找到排列汉字的好方法，打字时要费心费力地在字模盘中寻找适合的汉字，使得他心力交瘁，使用这样的中文打字机成为了一件极为艰苦的、不堪重负的工作。图3是约翰森使用这台中文打字机工作时的照片。 　　图3：约翰森用中文打字机打字 　　图4是约翰森在中文打字机