現(xiàn)代漢語(yǔ)詞典系列數(shù)據(jù)庫(kù).ppt

1、現(xiàn)代漢語(yǔ)詞典系列數(shù)據(jù)庫(kù),中國(guó)社會(huì)科學(xué)院語(yǔ)言研究所 2006,概述 來源： 根據(jù)現(xiàn)代漢語(yǔ)詞典的系列辭書建立的數(shù)據(jù)庫(kù)； 用途： 電子辭書的查詢和發(fā)布； 辭書編纂和修訂的參考資料； 從聚合的角度研究漢語(yǔ)詞匯的資料； 用比較的方法研究辭書的資料；,現(xiàn)代漢語(yǔ)詞典系列數(shù)據(jù)庫(kù),一、數(shù)據(jù)庫(kù)主要內(nèi)容 二、數(shù)據(jù)的一致性 三、數(shù)據(jù)庫(kù)的主要應(yīng)用功能 四、關(guān)于缺字問題,一、數(shù)據(jù)庫(kù)主要內(nèi)容,詞典的版本信息 詞條信息 偏旁部首 檢字表 其他,一、數(shù)據(jù)庫(kù)主要內(nèi)容,詞典的版本信息（以第三版為例）包括： 書號(hào) 書名 版次 作者 出版單位 出版時(shí)間 發(fā)行單位 印刷單位 印次 印數(shù) 開本 字?jǐn)?shù) 印張 定價(jià) 防偽 前言 說明 總目 音

2、節(jié)表 檢字表 凡例 附錄等。 詞條信息包括： 詞目 異體繁體字 拼音 釋義 特征。,一、數(shù)據(jù)庫(kù)主要內(nèi)容,偏旁部首：偏旁部首、偏旁部首筆畫。 檢字表：歸屬于某偏旁部首的漢字、除去偏旁部首筆畫外的漢字筆畫。 其他：詞條中其他一些可供查詢、統(tǒng)計(jì)的語(yǔ)法、語(yǔ)義、語(yǔ)用、構(gòu)詞等特征。,二、數(shù)據(jù)庫(kù)與辭書數(shù)據(jù)的一致性,數(shù)據(jù)的原始排列順序與辭書數(shù)據(jù)保持一致 數(shù)據(jù)內(nèi)容和辭書數(shù)據(jù)保持一致 數(shù)據(jù)庫(kù)主體結(jié)構(gòu)保持一致 各版本現(xiàn)代漢語(yǔ)詞典辭書之間同種標(biāo)記不同標(biāo)法的數(shù)據(jù)在庫(kù)中也要保持一致(主要表現(xiàn)在各種計(jì)算機(jī)字庫(kù)中沒有的標(biāo)記、符號(hào)、序號(hào)等）。,三、數(shù)據(jù)庫(kù)的主要應(yīng)用功能,經(jīng)過對(duì)詞典內(nèi)容的結(jié)構(gòu)化處理，數(shù)據(jù)庫(kù)里有以下幾類信息可以用于

3、檢索、統(tǒng)計(jì)、分析和比較： 1、詞目部分：字、詞、語(yǔ)素、字?jǐn)?shù)、偏旁部首、偏旁部首筆畫、除去偏旁部首筆畫外的漢字筆畫、繁體字、異體字、可插入特征、結(jié)構(gòu)詞特征、重疊詞特征、兒化等。 2、語(yǔ)音部分：原拼音、轉(zhuǎn)寫拼音、同音、輕聲、第二音節(jié)無輔音特征、重讀、結(jié)構(gòu)詞發(fā)音等。,三、數(shù)據(jù)庫(kù)的主要應(yīng)用功能,3、語(yǔ)用部分：學(xué)科分類（語(yǔ)、經(jīng)、地質(zhì)、地、等）。語(yǔ)用信息（、等）。 4、詞類部分：個(gè)詞類。 5、釋義部分：釋義中所包含的字、詞、短語(yǔ)、句子 等字符串。 6、其他部分：多音、近義詞、從屬條目、外來語(yǔ)、專有名詞、義項(xiàng)數(shù)等。 7、版本信息：凡例中的信息、偏旁部首、檢字表、版次、時(shí)間、作者、前言、說明等。,三、數(shù)據(jù)庫(kù)的

4、主要應(yīng)用功能,1、查詞釋疑2、模糊查詢 3、類別查詢4、比較查詢 5、統(tǒng)計(jì)查詢6、逆序查詢 7、版本信息,四、關(guān)于缺字問題,在WINDOWS XP操作環(huán)境中，使用GBK宋體字庫(kù)，以現(xiàn)代漢語(yǔ)詞典第三版為例，缺字共計(jì)個(gè)漢字（不包括各種符號(hào)）。我們對(duì)這些缺字逐個(gè)作了字形分析，決定用字形描述的辦法來說明這些字。,四、關(guān)于缺字問題,1、缺字的分析 個(gè)缺字中，有個(gè)漢字在計(jì)算機(jī)字庫(kù)中沒有對(duì)應(yīng)的簡(jiǎn)體字、繁體字或異體字，我們稱其為絕對(duì)缺字。另外個(gè)缺字在計(jì)算機(jī)字庫(kù)中可以找到各自對(duì)應(yīng)的簡(jiǎn)體字、繁體字或異體字，我們稱其為相對(duì)缺字。 對(duì)這些缺字都要進(jìn)行缺字描述。,四、關(guān)于缺字問題,2、缺字的描述 缺字描述公式字型描述：

5、結(jié)構(gòu)描述 詞典數(shù)據(jù)庫(kù)中的缺字標(biāo)記。 字型描述組成該字的若干個(gè)拆分的部首或字形。 ：字形描述與結(jié)構(gòu)描述的分隔符號(hào) 結(jié)構(gòu)描述該字由若干個(gè)拆分的部首或字形所組成的方式。,四、關(guān)于缺字問題,2、缺字的描述 A、絕對(duì)缺字的描述 結(jié)構(gòu)描述：左右、上下、外里、左中右、上中下、左上下、上下右、上外里等 字形描述：直接對(duì)應(yīng)結(jié)構(gòu)順序進(jìn)行字形排列 舉例：是鳥：左右； 彳亢亍：左中右； 思：上下； 九田：上下；,四、關(guān)于缺字問題,2、缺字的描述 B、相對(duì)缺字的描述 用修改漢字結(jié)構(gòu)中部分部首或字形的辦法來描述 舉例：鰶：魚改魚； 顣：頁(yè)改頁(yè)； 譆：訁改讠；,四、關(guān)于缺字問題,3、計(jì)算機(jī)缺字分類統(tǒng)計(jì)： A、絕對(duì)缺字個(gè)：

6、左右結(jié)構(gòu)漢字有246個(gè)；左中右結(jié)構(gòu)漢字有個(gè)；左上下結(jié)構(gòu)漢字有5個(gè)；外里結(jié)構(gòu)漢字有16個(gè)；外里右結(jié)構(gòu)漢字有個(gè)；外里下結(jié)構(gòu)漢字有個(gè)；上下結(jié)構(gòu)漢字有63個(gè)；上左中右結(jié)構(gòu)漢字有個(gè)；上下右結(jié)構(gòu)漢字有個(gè)；上外里結(jié)構(gòu)漢字有個(gè)；結(jié)構(gòu)和修改結(jié)合及結(jié)構(gòu)和短語(yǔ)描述結(jié)合的結(jié)構(gòu)描述的漢字有個(gè)；采用修改缺字結(jié)構(gòu)中拆分部分的偏旁部首或字型來描述的漢字有55個(gè)；,四、關(guān)于缺字問題,3、計(jì)算機(jī)缺字分類統(tǒng)計(jì)： B、相對(duì)缺字個(gè)： 通過簡(jiǎn)寫偏旁部首進(jìn)行缺字描述的有142個(gè)；通過簡(jiǎn)寫非偏旁部首部分進(jìn)行缺字描述的有142個(gè)；通過繁寫非偏旁部首部分進(jìn)行缺字描述的有2個(gè)；即要簡(jiǎn)寫偏旁部首部分又要簡(jiǎn)寫非偏旁部首部分的有10個(gè)；,四、關(guān)于缺字問題,3、計(jì)算機(jī)缺字分類統(tǒng)計(jì)： C、幾個(gè)因字體變化而產(chǎn)生的缺字： 計(jì)算機(jī)中的漢字由于字體的變化而字型有所改變的漢字有4個(gè)。這四個(gè)漢字在處于小四號(hào)字體時(shí)該字字型與詞典中漢字字型不一致，而處于其他字號(hào)字體時(shí)該字字型則與詞典中漢字字型相一致。這四個(gè)漢字是：,四、關(guān)于缺字問題,4、關(guān)于GB18030-2000大字符集 個(gè)缺字在中的補(bǔ)充情況：,四、關(guān)于缺字問題,另外，在GBK和大字符集中有個(gè)別漢字字形與現(xiàn)代漢語(yǔ)詞典中的字形有細(xì)微的差別，這會(huì)影響數(shù)據(jù)庫(kù)與紙質(zhì)詞典在字形