中文信息處理與加工

1、中文信息處理與加工論漢字信息處理摘要：文字信息處理的應(yīng)用范圍非常廣泛，如編輯文稿整理文件檔案資料和排版印刷等，可以說凡是要文字表達(dá)信息的場所，都可以使用文字信息處理技術(shù)。文字信息處理的實質(zhì)就是把文字信息數(shù)字，就是用一個固定的數(shù)碼代表一個字母或文字，這一數(shù)碼就叫做代碼。這樣，在計算機內(nèi)部處理文字信息時，就可以像處理純數(shù)字一樣來進(jìn)行。需要輸出時，再把替代的數(shù)碼還原成相應(yīng)的字母或文字。也就是說，漢字信息處理就是計算機對漢字代碼的數(shù)據(jù)處理。關(guān)鍵字：漢字信息處理 計算機 代碼首先理解一下中文信息處理這個大概念。中文信息處理是指用計算機對中文的音、形、義等信息進(jìn)行處理和加工。中文信息處理是自然語言信息處理

2、的一個分支，是一門與計算機科學(xué)、語言學(xué)、數(shù)學(xué)、信息學(xué)、聲學(xué)等多種學(xué)科相關(guān)聯(lián)的綜合性學(xué)科。中文信息處理的現(xiàn)狀：符號層的處理成果已經(jīng)得到廣泛應(yīng)用。內(nèi)容層的處理目前在詞語識別和詞性標(biāo)注方面已經(jīng)取得重要進(jìn)展，句子結(jié)構(gòu)分析和語義分析方面仍有待探索。一、 編碼及漢字處理：在計算機中，處理文字符號時，要對文字和符號進(jìn)行數(shù)字化處理，也就是用二進(jìn)制數(shù)的編碼來表示文字和符號。所以英文字母、數(shù)字和各種符號都必須按約定的規(guī)則用二進(jìn)制編碼在機器中表示。在計算機系統(tǒng)中使用得最廣泛的是美國信息交換碼，縮寫為ASCII?，F(xiàn)在已被國際標(biāo)準(zhǔn)化組織認(rèn)定為國際標(biāo)準(zhǔn)，并在世界范圍內(nèi)通用。二、 漢字及其特點：第一，漢字的文字量很大，最新

3、的字典中有漢字六萬多個，常用字也有幾千個，這是一般外文不能相比的。因此，這一特點給漢字的計算機處理帶來了很大的困難。第二，漢字的字形復(fù)雜，是一種二維的方塊字，每個漢字又可以分為筆畫、字根、整字等幾個層次，無法直接使用計算機的英文鍵盤。第三，漢字有多種字體，為了適應(yīng)不同的需要，就要備有多種不同字形的漢字庫，造成了計算機存儲量過大的情況。第四，漢字的發(fā)音多樣化，一字多音多字同音的情況很多，造成漢字輸入編碼不易解決重碼的問題。第五，漢字的字義復(fù)雜，同一漢字在不同情況下使用，可以代表多種含義。因此，單獨使用漢字的字義作為輸入方法是不可行的。第六，漢字排序難，英文只有26個字母，排序很容易，而漢字?jǐn)?shù)量大、結(jié)構(gòu)復(fù)雜、同音字多。三、 漢字字庫：想要讓計算機能處理漢字，就需要在計算機中存有漢字的字模，就像鉛字印刷時要有各種鉛字字模一樣。產(chǎn)生漢字字形的方法有模擬式和數(shù)字式兩種，前者如字模板、全息照相等，文字質(zhì)量較高，價格較便宜；后者是在計算機中使用的主要方法，它輸出文字一致性好、速度快。 四、 漢字的編碼：漢字的編碼有包括計算機的漢字內(nèi)部碼、計算機的漢字交換碼和計算機的漢字輸出碼。參考文獻(xiàn)