一種韓語文章漢字顯現(xiàn)系統(tǒng)及其方法
【專利摘要】本發(fā)明公開一種韓語文章漢字顯現(xiàn)系統(tǒng)及其方法。數(shù)據(jù)模塊、識別模塊、轉(zhuǎn)寫模塊、輸出模塊；所述數(shù)據(jù)模塊用于存儲韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表和韓語固有詞表；所述韓文單詞識別模塊用于將韓語文章的每一個單詞識別出來，優(yōu)先識別韓語固有詞，然后識別韓語中的漢字詞和復(fù)合詞；所述轉(zhuǎn)寫模塊用于將韓語中的韓文讀音轉(zhuǎn)寫為簡體漢字；所述輸出模塊用于輸出形成韓文讀音和簡體漢字混合的韓語文章。本發(fā)明可以將韓語文章轉(zhuǎn)寫為韓文和簡體漢字夾雜的文章。由于漢字詞匯一般是韓文文章中表達內(nèi)容的關(guān)鍵性詞匯，因此，這樣的韓文和漢字夾雜的文章，中國人是能夠看懂其大概內(nèi)容的，并且使得漢字轉(zhuǎn)寫的正確率和召回率在高水平上達到平衡。
【專利說明】一種韓語文章漢字顯現(xiàn)系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種韓語文章漢字顯現(xiàn)系統(tǒng)及其方法。
【背景技術(shù)】
[0002]韓國是我們的重要鄰邦，隨著中韓兩國經(jīng)濟社會的發(fā)展和進步，兩國在各方面的交流不斷加深，特別是經(jīng)濟、文化、教育等領(lǐng)域。首先經(jīng)濟領(lǐng)域，韓國的產(chǎn)品大量進口到中國，如三星的電子產(chǎn)品、現(xiàn)代的汽車，三星手機甚至成為中國市場最受歡迎的手機；文化領(lǐng)域，韓國的電影電視劇也非常受到中國觀眾的歡迎，《大長今》熱播時萬人空巷；近年來中國赴韓國的留學(xué)生和韓國來中國的留學(xué)生逐年增加，據(jù)統(tǒng)計2012年韓國來華留學(xué)生達到6萬多人，中國赴韓國的留學(xué)生2011年達到了近9萬人。隨著中韓兩國這種交流的加深，我們在日常生活中會接觸到很多韓國語的文字材料，如韓國語的網(wǎng)站、產(chǎn)品說明書等。由于現(xiàn)代韓國語的書面語都是用韓文書寫的，如果過沒有學(xué)習(xí)過韓語我們基本上是看不懂這些韓文材料的。
[0003]但是，中韓兩國有著悠久的交流歷史，漢語對韓語產(chǎn)生了深遠的影響，即便是現(xiàn)在韓語中也存在著大量的漢語詞匯，只不過使用韓文書寫罷了。韓國國立國語院編寫的《韓國語頻率詞典》共收詞5萬8千余條，其中可用漢字書寫的詞條達到4萬I千余條?？捎脻h字書寫的詞匯在韓國語文章中的覆蓋率達到52.6%。也就是說，韓國語的書面文章中，有52.6%的詞匯是可以用漢字來書寫的。一些比較正式的文本中，據(jù)說能夠轉(zhuǎn)寫成漢字的詞匯的覆蓋率甚至可以達到近70%。在韓國語中漢字詞匯通常都是表達文章內(nèi)容的關(guān)鍵性詞匯。我們在瀏覽韓文網(wǎng)頁時如果能夠?qū)⑦@些詞匯轉(zhuǎn)換成漢字，那么作為漢字文化圈國家的中國人，我們就可以大致了解韓語文章的大概內(nèi)容。在機器翻譯技術(shù)尚未成熟的今天，利用漢字作為溝通中韓兩國人民的橋梁，既現(xiàn)實也可行。同時，如果能夠了解韓國語中的漢字詞匯也能夠促進韓國語的教學(xué)和增強學(xué)生學(xué)習(xí)韓國語的信心。
[0004]由于韓國現(xiàn)行語言政策方面的原因，韓國傾向不使用漢字，因此，韓國國內(nèi)沒有韓語文章漢字顯現(xiàn)相關(guān)技術(shù)的研究。日本有學(xué)者利用日語的分詞標注技術(shù)進行了韓國語分詞標注的嘗試，其中涉及了韓語漢字詞匯的漢字標注問題。但是，日本學(xué)者的嘗試也存在以下幾點不足:1、能夠標注的漢字種類不多，其標注詞典共有詞條14000余條，其中包括了韓國語固有詞匯和漢字詞匯，同時還包括韓國語同一個動詞的不同形態(tài)，實際上可標注的漢字詞匯并不是很多；2、使用韓國語原有的漢字進行韓語漢字詞匯進行標注，這不一定能夠符合中國人的需求。由于韓國語固有漢字同我國現(xiàn)行的漢字在字形上存在較大的差異，同時字義也存在一定差別。因此，如果純粹用韓國固有的漢字進行標注，中國人未必能夠看懂，因此就達不到讓中國人認識的目的。

【發(fā)明內(nèi)容】

[0005]針對現(xiàn)有技術(shù)中的問題，本發(fā)明的目的是要提供一種韓語文章漢字顯現(xiàn)系統(tǒng)及其方法。[0006]為了達到上述目的，本發(fā)明的技術(shù)方案是:
一種韓語文章漢字顯現(xiàn)系統(tǒng)，包括:數(shù)據(jù)模塊、識別模塊、轉(zhuǎn)寫模塊、輸出模塊；所述數(shù)據(jù)模塊用于存儲韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表和韓語固有詞表；所述韓文單詞識別模塊用于將韓語文章的每一個單詞識別出來，優(yōu)先識別韓語固有詞，由于漢字和韓語的固有詞也存在同音現(xiàn)象，我們將韓語的固有詞單獨建成一個詞表，優(yōu)先識別，這樣可以避免韓語固有詞匯被錯誤轉(zhuǎn)寫成漢字詞匯，然后識別韓語中的漢字詞和復(fù)合詞；所述轉(zhuǎn)寫模塊用于將韓語中的韓文讀音轉(zhuǎn)寫為簡體漢字；所述輸出模塊用于輸出形成韓文讀音和簡體漢字混合的韓語文章。
[0007]進一步，所述轉(zhuǎn)寫模塊按照由多音節(jié)詞到單字詞的順序進行由韓文讀音到簡體漢字的轉(zhuǎn)寫。進一步，所述轉(zhuǎn)寫模塊將韓語復(fù)合詞去掉最后一個字符繼續(xù)進行轉(zhuǎn)寫直至詞長為零。由于韓文中漢字的同音字非常多，因此，如果從字層面進行轉(zhuǎn)寫則因同音字而產(chǎn)生的錯誤會很多。而在多音節(jié)的詞層面，同音詞很少，因此，我們采取從音節(jié)多的詞開始，逐步縮短音節(jié)進行匹配的轉(zhuǎn)換策略，這樣，既可以確保無同音詞的漢字詞匯的正確轉(zhuǎn)換，又可以使一些由單個漢字組成的詞匯不被遺漏。使得漢字轉(zhuǎn)寫的正確率和召回率在高水平上達到平衡。
[0008]進一步，所述輸出模塊將韓語固有詞匯原樣輸出、將韓語中的漢字詞由韓語讀音轉(zhuǎn)寫成簡體漢字輸出，形成韓文和簡體漢字混合的韓語文章。
[0009]進一步，所述韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表的步驟包括:首先建立一個韓文漢字和中文簡體漢字的對應(yīng)表，所述韓文漢字和中文簡體漢字的對應(yīng)表以韓國國家標準KS X 1001:1992中的韓國漢字為藍本，并將韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則；然后以韓國國立國語院公布的《韓國語頻率詞典》為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記并形成韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表。
[0010]一種韓語文章漢字顯現(xiàn)方法，包括以下步驟:
1)建立韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表、建立韓語固有詞表；
2)識別和切分韓語文章中的單詞:將韓語文章的詞分為韓語固有詞、韓語漢字詞、韓語復(fù)合詞，由于漢字和韓語的固有詞也存在同音現(xiàn)象，我們將韓語的固有詞單獨建成一個詞表，優(yōu)先識別，這樣可以避免韓語固有詞匯被錯誤轉(zhuǎn)寫成漢字詞匯；
3)將韓語漢字詞轉(zhuǎn)寫為簡體漢字；
4)將韓語復(fù)合詞去掉最后一個字符繼續(xù)進行步驟3)直至詞長為零，由于韓文中漢字的同音字非常多，因此，如果從字層面進行轉(zhuǎn)寫則因同音字而產(chǎn)生的錯誤會很多。而在多音節(jié)的詞層面，同音詞很少，因此，我們采取從音節(jié)多的詞開始，逐步縮短音節(jié)進行匹配的轉(zhuǎn)換策略，這樣，既可以確保無同音詞的漢字詞匯的正確轉(zhuǎn)換，又可以使一些由單個漢字組成的詞匯不被遺漏。使得漢字轉(zhuǎn)寫的正確率和召回率在高水平上達到平衡；
5)輸出轉(zhuǎn)寫結(jié)果得到韓文讀音和簡體漢字混合的韓語文章。
[0011]進一步，步驟5)中，當韓語文章中還有韓語漢字詞未轉(zhuǎn)寫時，繼續(xù)進行步驟2)、步驟3)、步驟4)。
[0012]進一步，步驟I)中，所述韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表的步驟包括:首先建立一個韓文漢字和中文簡體漢字的對應(yīng)表，所述韓文漢字和中文簡體漢字的對應(yīng)表以韓國國家標準KS X 1001:1992中的韓國漢字為藍本，并將韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則；然后以韓國國立國語院公布的《韓國語頻率詞典》為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記并形成韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表。
[0013]進一步，步驟2)中，利用韓語書面語單詞和單詞之間有空格對韓語文章中的單詞進行識別和切分，并不對有詞尾變化的單詞作復(fù)原處理。由于韓語書面語單詞和單詞之間有空格，因此，將韓語單詞從文章中識別分離出來相對漢語和日語來講比較簡單。但是，韓語動詞等有詞尾變化，因此韓語單詞在文章中出現(xiàn)的形式未必和詞典中的形式一致?？紤]到韓語漢字詞匯雖有詞尾變化的可能，但是與漢字對應(yīng)的部分一般不發(fā)生變化，因此，我們在識別和切分單詞時，不對有詞尾變化的單詞作復(fù)原處理。
[0014]本發(fā)明可以將韓語文章轉(zhuǎn)寫為韓文和簡體漢字夾雜的文章。由于漢字詞匯一般是韓文文章中表達內(nèi)容的關(guān)鍵性詞匯，因此，這樣的韓文和漢字夾雜的文章，中國人是能夠看懂其大概內(nèi)容的，并且使得漢字轉(zhuǎn)寫的正確率和召回率在高水平上達到平衡。
【專利附圖】

【附圖說明】
[0015]圖1為本發(fā)明韓語文章漢字顯現(xiàn)系統(tǒng)的原理框圖。
[0016]圖2為本發(fā)明韓語文章漢字顯現(xiàn)方法的流程圖。
【具體實施方式】
[0017]下面結(jié)合附圖和實施例對本發(fā)明進行進一步說明。
[0018]如圖1所示，一種韓語文章漢字顯現(xiàn)系統(tǒng)，包括:數(shù)據(jù)模塊、識別模塊、轉(zhuǎn)寫模塊、輸出模塊；所述數(shù)據(jù)模塊用于存儲韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表和韓語固有詞表；所述韓文單詞識別模塊用于將韓語文章的每一個單詞識別出來，優(yōu)先識別韓語固有詞，然后識別韓語中的漢字詞和復(fù)合詞；所述轉(zhuǎn)寫模塊用于將韓語中的韓文讀音轉(zhuǎn)寫為簡體漢字；所述輸出模塊用于輸出形成韓文讀音和簡體漢字混合的韓語文章。所述轉(zhuǎn)寫模塊按照由多音節(jié)詞到單字詞的順序進行由韓文讀音到簡體漢字的轉(zhuǎn)寫。所述轉(zhuǎn)寫模塊將韓語復(fù)合詞去掉最后一個字符繼續(xù)進行轉(zhuǎn)寫直至詞長為零。所述輸出模塊將韓語固有詞匯原樣輸出、將韓語中的漢字詞由韓語讀音轉(zhuǎn)寫成簡體漢字輸出，形成韓文和簡體漢字混合的韓語文章。所述韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表的步驟包括:首先建立一個韓文漢字和中文簡體漢字的對應(yīng)表，所述韓文漢字和中文簡體漢字的對應(yīng)表以韓國國家標準KS X 1001:1992中的韓國漢字為藍本，并將韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則；然后以韓國國立國語院公布的《韓國語頻率詞典》為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記并形成韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表。
[0019]如圖2所示，種韓語文章漢字顯現(xiàn)方法，包括以下步驟:
O建立韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表、建立韓語固有詞表；
2)識別和切分韓語文章中的單詞:將韓語文章的詞分為韓語固有詞、韓語漢字詞、韓語復(fù)合詞； 3)將韓語漢字詞轉(zhuǎn)寫為簡體漢字；
4)將韓語復(fù)合詞去掉最后一個字符繼續(xù)進行步驟3)直至詞長為零；
5)輸出轉(zhuǎn)寫結(jié)果得到韓文讀音和簡體漢字混合的韓語文章。
[0020]步驟5)中，當韓語文章中還有韓語漢字詞未轉(zhuǎn)寫時，繼續(xù)進行步驟2)、步驟3)、步驟4)。
[0021]步驟I)中，所述韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表的步驟包括:首先建立一個韓文漢字和中文簡體漢字的對應(yīng)表，所述韓文漢字和中文簡體漢字的對應(yīng)表以韓國國家標準KS X 1001:1992中的韓國漢字為藍本，并將韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則；然后以韓國國立國語院公布的《韓國語頻率詞典》為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記并形成韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表。
[0022]步驟2)中，利用韓語書面語單詞和單詞之間有空格對韓語文章中的單詞進行識別和切分，并不對有詞尾變化的單詞作復(fù)原處理。
[0023]以下為詳細解釋:
1、韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表
首先我們建立一個韓文漢字和中文簡體漢字的對應(yīng)表。這個對應(yīng)表以韓國國家標準KSX 1001:1992中的韓國漢字為藍本，請韓語專家將這些韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則，建立韓語漢字和中文簡體漢字的對應(yīng)表。中文簡體漢字以中國國家標準GB2312-80為標準。
[0024]我們以韓國國立國語院公布的《韓國語頻率詞典》(含4萬余條漢字詞匯)為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記。建立韓語單詞的韓文讀音到中文簡體漢字的對應(yīng)表。
[0025]2、韓語文章單詞的識別和切分
由于韓語書面語單詞和單詞之間有空格，因此，將韓語單詞從文章中識別分離出來相對漢語和日語來講比較簡單。但是，韓語動詞等有詞尾變化，因此韓語單詞在文章中出現(xiàn)的形式未必和詞典中的形式一致?？紤]到韓語漢字詞匯雖有詞尾變化的可能，但是與漢字對應(yīng)的部分一般不發(fā)生變化，因此，我們在識別和切分單詞時，不對有詞尾變化的單詞作復(fù)原處理。
[0026]3、韓文讀音到簡體漢字的轉(zhuǎn)寫
根據(jù)詞典將上述截取的單詞中與漢字對應(yīng) 的韓文轉(zhuǎn)寫成漢字。由于韓文中漢字的同音字非常多，因此，如果從字層面進行轉(zhuǎn)寫則因同音字而產(chǎn)生的錯誤會很多。而在多音節(jié)的詞層面，同音詞很少，因此，我們采取從音節(jié)多的詞開始，逐步縮短音節(jié)進行匹配的轉(zhuǎn)換策略，這樣，既可以確保無同音詞的漢字詞匯的正確轉(zhuǎn)換，又可以使一些由單個漢字組成的詞匯不被遺漏。使得漢字轉(zhuǎn)寫的正確率和召回率在高水平上達到平衡。
[0027]同樣由于漢字和韓語的固有詞也存在同音現(xiàn)象，我們將韓語的固有詞單獨建成一個詞表，優(yōu)先識別，這樣可以避免韓語固有詞匯被錯誤轉(zhuǎn)寫成漢字詞匯。
[0028]韓語的漢字詞匯中存在很多復(fù)合詞，這些復(fù)合詞是由韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表(韓漢詞典)中的漢字詞組合而成的。而復(fù)合詞本身在韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表(韓漢詞典)中可能不存在。如韓語詞匯“”是由“ ”和“ ”組合而成的，分別對應(yīng)漢字詞“檢察”“總長”。詞典中雖沒有“”，但是，詞
典卻有“ ”和“ ”，這樣就存在復(fù)合詞內(nèi)部的漢字轉(zhuǎn)換問題。對于復(fù)合詞內(nèi)部的漢字
轉(zhuǎn)寫我們采取正向最長匹配方法，進行轉(zhuǎn)換。
[0029]4、韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表(示例)
【權(quán)利要求】
1.一種韓語文章漢字顯現(xiàn)系統(tǒng)，其特征在于，包括:數(shù)據(jù)模塊、識別模塊、轉(zhuǎn)寫模塊、輸出豐吳塊； 所述數(shù)據(jù)模塊用于存儲韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表和韓語固有詞表; 所述韓文單詞識別模塊用于將韓語文章的每一個單詞識別出來，優(yōu)先識別韓語固有詞，然后識別韓語中的漢字詞和復(fù)合詞； 所述轉(zhuǎn)寫模塊用于將韓語中的韓文讀音轉(zhuǎn)寫為簡體漢字； 所述輸出模塊用于輸出形成韓文讀音和簡體漢字混合的韓語文章。
2.根據(jù)權(quán)利要求1所述的一種轉(zhuǎn)寫模塊，其特征在于，所述轉(zhuǎn)寫模塊按照由多音節(jié)詞到單字詞的順序進行由韓文讀音到簡體漢字的轉(zhuǎn)寫。
3.根據(jù)權(quán)利要求2所述的一種韓語文章漢字顯現(xiàn)系統(tǒng)，其特征在于，所述轉(zhuǎn)寫模塊將韓語復(fù)合詞去掉最后一個字符繼續(xù)進行轉(zhuǎn)寫直至詞長為零。
4.根據(jù)權(quán)利要求1所述的一種韓語文章漢字顯現(xiàn)系統(tǒng)，其特征在于，所述輸出模塊將韓語固有詞匯原樣輸出、將韓語中的漢字詞由韓語讀音轉(zhuǎn)寫成簡體漢字輸出，形成韓文和簡體漢字混合的韓語文章。
5.根據(jù)權(quán)利要求1-4任一項所述的一種韓語文章漢字顯現(xiàn)系統(tǒng)，其特征在于，所述韓語單詞的韓文讀音和中文簡體漢字對 應(yīng)表的步驟包括:首先建立一個韓文漢字和中文簡體漢字的對應(yīng)表，所述韓文漢字和中文簡體漢字的對應(yīng)表以韓國國家標準KS X 1001:1992中的韓國漢字為藍本，并將韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則；然后以韓國國立國語院公布的《韓國語頻率詞典》為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記并形成韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表。
6.一種韓語文章漢字顯現(xiàn)方法，其特征在于，包括以下步驟: O建立韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表、建立韓語固有詞表； 2)識別和切分韓語文章中的單詞:將韓語文章的詞分為韓語固有詞、韓語漢字詞、韓語復(fù)合詞； 3)將韓語漢字詞轉(zhuǎn)寫為簡體漢字； 4)將韓語復(fù)合詞去掉最后一個字符繼續(xù)進行步驟3)直至詞長為零； 5)輸出轉(zhuǎn)寫結(jié)果得到韓文讀音和簡體漢字混合的韓語文章。
7.根據(jù)權(quán)利要求6所述的一種韓語文章漢字顯現(xiàn)方法，其特征在于，步驟5)中，當韓語文章中還有韓語漢字詞未轉(zhuǎn)寫時，繼續(xù)進行步驟2)、步驟3)、步驟4)。
8.根據(jù)權(quán)利要求6所述的一種韓語文章漢字顯現(xiàn)方法，其特征在于，步驟I)中，所述韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表的步驟包括:首先建立一個韓文漢字和中文簡體漢字的對應(yīng)表，所述韓文漢字和中文簡體漢字的對應(yīng)表以韓國國家標準KS X 1001:1992中的韓國漢字為藍本，并將韓語漢字對應(yīng)的漢語簡體漢字標注出來，標注時以字義相同為原則；然后以韓國國立國語院公布的《韓國語頻率詞典》為藍本，根據(jù)上述韓文漢字和中文簡體漢字對應(yīng)表，將《韓國語頻率詞典》中的漢字詞匯的韓文漢字標記轉(zhuǎn)寫成中文簡體漢字標記并形成韓語單詞的韓文讀音和中文簡體漢字對應(yīng)表。
9.根據(jù)權(quán)利要求6所述的一種韓語文章漢字顯現(xiàn)方法，其特征在于，步驟2)中，利用韓語書面語單詞和單詞之間有空格對韓語文章中的單詞進行識別和切分，并不對有詞尾變化的單 詞作復(fù)原處理 。
【文檔編號】G06F17/27GK103544274SQ201310493954
【公開日】2014年1月29日 申請日期:2013年10月21日 優(yōu)先權(quán)日:2013年10月21日
【發(fā)明者】王冠, 施建軍 申請人:王冠, 施建軍