專利名稱：雙向識別的漢字形聲碼的制作方法
雙向識別的漢字形聲碼是一種形碼，應(yīng)用于中文信息處理。它是對漢字形聲碼(專利申請?zhí)?1108178.x)與改進(jìn)的漢字形聲碼(專利申請?zhí)?5111006.3)的改進(jìn)。這是實(shí)現(xiàn)了雙向識別的漢字形聲碼。
90年代的漢字編碼方案發(fā)展到了一個新的高度，其數(shù)量已超過1000種?；绢愋腿允且舸a、形碼、音形碼三類。就形碼而言，易學(xué)性、規(guī)范性均有所提高，主要有如下的改進(jìn)趨勢(1)字根定碼規(guī)則趨向嚴(yán)格，較多的采用按音定碼(或部分地按音定碼)。如杜冰蟾的全息碼。
(2)拆分規(guī)則趨向嚴(yán)格。如杜冰蟾的全息碼嚴(yán)格地按照筆順取碼。
(3)簡化識別碼，采用簡碼消重。如五筆字型碼新版已采用簡碼消重。簡繁五筆碼識別碼改用末筆，省去字型。有的形碼方案采用本字讀音(聲母或首字母)作識別碼，如陳愛文的表形碼、栗興民的四筆形聲碼。
(4)采用預(yù)提示功能。利用提示行可逐鍵地實(shí)現(xiàn)系統(tǒng)設(shè)計(jì)者意愿提供給用戶的提示，如簡碼字、重碼字、高頻字等。
(5)實(shí)現(xiàn)了三碼一字或大部分三碼一字，如栗興民的四筆形聲碼。
(6)采用動態(tài)自造詞。
但對于形碼的反向識別(見碼識字)還僅是一種設(shè)想，未見有這方面的實(shí)際介紹。
本發(fā)明的目的在于介紹漢字形聲碼實(shí)現(xiàn)反向識別的原理、條件以及用途。
本發(fā)明的構(gòu)思原理與基本結(jié)構(gòu)如下漢字是一種拼形文字。漢字現(xiàn)代化就是漢字符號化，也就是為漢字創(chuàng)造一種“文字碼”。文字碼與一般編碼不同之處，就在于要求編碼過程中、符號轉(zhuǎn)換中不允許存在文字學(xué)以外的指令手段。它的任務(wù)是盡可能完善地描述漢字、表達(dá)漢字，以達(dá)到實(shí)現(xiàn)反向識別的高度。這種編碼不只用于漢字電腦輸入，還可用于漢字排序檢索，拼讀法識字教學(xué)，指導(dǎo)漢字的簡化與簡繁體漢字的統(tǒng)一。它就是人們夢寐以求的漢字的另一種形式，是人腦與電腦共同使用的文字。
問題的核心在于反向識別。
漢字形聲碼一直以實(shí)現(xiàn)反向識別為其研究目的。91108178.x的發(fā)明由于①識別碼過于復(fù)雜，②實(shí)施反向識別采用“分析法”，而歸于失敗。95111006.3的發(fā)明已簡化了識別碼，并意識到實(shí)施反向識別應(yīng)采用“聯(lián)想法”，但沒有找到實(shí)施的具體途徑，且字根定碼還存在缺點(diǎn)。
本發(fā)明實(shí)現(xiàn)反向識別采用“聯(lián)想法”。它包含三個方面，即(1)字、碼聯(lián)想，(2)字間聯(lián)想，(3)上下文聯(lián)想。今分別扼要說明(一)字、碼聯(lián)想這是反向識別的基礎(chǔ)。下分五點(diǎn)加以說明(1)字形縮寫字、碼聯(lián)想的依據(jù)是把編碼設(shè)計(jì)成漢字字形名稱的縮寫?？s寫采用字根讀音的聲母。將Ch、Sh、Zh定位于V、I、A鍵，YU音字根定位于U鍵。字根“木”、“十”按象形法定位于O鍵。共26鍵位。于是張→GongChang→GV；少→XiaoPie→XP；意→LiRiXin→LRX；求→HengShuiDian→HID；照→RiDaoKouHuo→RDKH。
一級字集字一般不加識別碼，一字1-4碼。二字根字、三字根字遇重碼時才加識別碼。識別碼用本字讀音首字母。
如必→XinPieBi→XPB；劉→WenDaoLiu→WDL。
二級字集字用本字末筆畫碼作識別碼，一字3-4碼。
這樣，編碼就與國際通用的縮寫，如CHN、USA、DOS、CPU相似。所以是可能雙向識別的。
字根的讀音一般采用學(xué)校中與社會上當(dāng)今流行的名稱，只個別字根例外。
(2)反映全貌漢字形聲碼采用四位限長碼。當(dāng)分解所得的字根超過四個時，選取前3末1，其余字根舍棄，叫字根溢出。這對正向識別無關(guān)緊要，但對反向識別不利。所以，要求反向識別的形碼的字根總量要比不要求反向識別的形碼多些，以減少字根溢出。
(3)一一對應(yīng)實(shí)現(xiàn)雙向識別要求常用字字、碼一一對應(yīng)，即一級字集沒有重碼或重碼極少。
當(dāng)今形碼要求規(guī)范性如此之高，規(guī)則如此的簡單，在四位限長碼中沒有重碼或重碼極少是不可能的；實(shí)際上是通過妥善的重碼處理來達(dá)到上述要求的。如形聲碼V4.0一級字集經(jīng)處理后，重碼字5個，這些字用空格鍵送入。
以往的形碼常常為了抑制重碼，對二字根字、三字根字附加識別碼。選成簡碼時，又把識別碼去掉。重碼字還要將識別碼換成消重碼。識別碼、簡碼、消重碼各自獨(dú)立處理，是一大缺陷。像形聲碼有1400個三字根字，要加1400個識別碼，1300個又是三級簡碼，又一個一個地去掉。浪費(fèi)多大的記憶量。形聲碼在研究過程中發(fā)現(xiàn)了這個問題，便著手統(tǒng)籌處理識別碼、簡碼、與消重碼；即一級字集一般不用識別碼，遇重碼時才加識別碼，識別碼起到消重碼作用。至于哪些字需加識別碼，由軟件的預(yù)提示告知用戶。
(4)碼長要短初學(xué)英語，字母少的生詞好記，初學(xué)漢字，筆畫越少越好記。編碼的反向識別亦如此。形聲碼放棄了四位等長碼的概念，改用四位限長碼。一級簡碼字就是一碼字，二級簡碼字就是二碼字，簡碼就是它們的正碼。形聲碼沒有容錯碼、消重碼，只有正碼、副碼。一級字集的正碼是沒有重碼的(除5個重碼字)，副碼可能是重碼。這樣，3755個一級字集字，按照恰當(dāng)?shù)臄?shù)量，被分配在四個區(qū)域一碼、二碼、三碼、四碼。這大大有利于字、碼聯(lián)想。假如說三字根字不是不用識別碼，三字根字與＞＝四字根字?jǐn)D在同一個四碼區(qū)，在這近3000個字中要實(shí)現(xiàn)字、碼聯(lián)想、反向識別，恐怕就不可能。
(5)字根總量綜合以上要求，形聲碼選擇正體字根約160個，加上變體、變形字根共約260個。
(二)字間聯(lián)想這是反向識別的關(guān)鍵。下分二點(diǎn)加以說明(1)字族、族根、族根碼現(xiàn)代漢字字形雖然復(fù)雜，但是由648個部件或約1400個偏旁組成。獨(dú)體為文，合體為字。漢字中90％是形聲字，形聲字由形旁和聲旁組成。所以字碼中的字根碼不是各自獨(dú)立的無機(jī)組合，而是有層次的有機(jī)組合；字根碼間的關(guān)系不是等距的，而有親疏之別。如字碼CWG(CaoWenGou)，WG先組合成“方”，再與C組合成“芳”。像化學(xué)分子式H2SO4，SO4先結(jié)合成酸根，再與H2結(jié)合成硫酸。
在雙向識別的形碼設(shè)計(jì)中，把一些具有部分相同字形，而又不是一個字根，即需分解成＞＝2個字根的字歸并為一族，稱字族；這些字稱為同族字，而這相同字形稱為族根，它的編碼稱為族根碼。顯然，族根碼由2-4個字根碼組成。
如“方”是個用頻很高的字，又是個組字能力很強(qiáng)的族根。在一級字集中，同族字就有簇awgd，邀bwgz，芳cwg，防ewg，敷fwgw，淤lwgd，游lwgz，妨nwg，仿rwg，紡swg，坊twg，肪uwg，旋wgra，族wgrd，旗wgrq，旅wgry，施wgr.y，放wgw，訪ywg，房diwg，耪fblg(溢出)，磅iltg(溢出)，鎊jltg(溢出)，旁ltwg，榜oltg(溢出)，楞oswg，傍rltg(溢出)，膀ultg(溢出)，謗yltg(溢出)，29個。(由點(diǎn)表示簡碼，撇表示重碼)在二級字集中，有舫awg，敫bwgw，菸cwgd，蔟cwgd′，鈁jwg，鏇jwga，鏃jwgd，嗾kwgd，漩lwga，閼mwgd，枋owga，彷rwga，蝣vwgz，邡wge，旎wgrb，於wgrd′，旌wgrh，旆wgrj，旖wgrk，旄wgrq′，旒wgrv，旃wgrw，滂lltg(溢出)，魴uhwg，愣xswg；25個。
字族還有大小、層次，字族內(nèi)還有字族，如“方”族內(nèi)有
族、“旁”族。族根較大，同族字就較少?！芭浴钡淖甯a為ltwg，w字根溢出，剩下的ltg仍有識別作用。
又如“民”是個用頻很高的字，又是個組字能力不強(qiáng)的族根，在一、二級字集中，還是有10個同族字民kaq，眠mkaq，氓wakq(溢出)，岷ikaq，泯lkaq，抿fkaq，緡skar(溢出)，珉wkaq，苠ckaq，愍kaqx。
一個字根碼平均對應(yīng)10個字根，若無機(jī)組合，二個字根碼就有100種字根組合，三個字根碼就有1000種字根組合。但是二個字根碼組成的族根碼一般只對應(yīng)1-2個族根，少數(shù)3-4個。＞＝3個字根碼組成的族根碼一般只對應(yīng)一個族根，少數(shù)為2個。這樣，形碼的反向識別就是從字碼中尋找族根的問題。一級字集中，1400個是4碼字，其余都是1、2、3碼字，要尋找族根就不太困難。利用族根的聯(lián)想，不僅減少了記憶量，而且同族字的反復(fù)出現(xiàn)，又相互強(qiáng)化了記憶。族根的發(fā)現(xiàn)與應(yīng)用，使形碼的反向識別成為可能。
族根與字根一樣，在文字學(xué)上亦有其實(shí)際意義。由于作為形旁的部首，多數(shù)已選為字根，很少為族根，聲旁選為字根較少，故族根多數(shù)為漢字的聲旁。
(2)同字同碼同一漢字(或部件)在獨(dú)體字中或合體字不同部位的偏旁中，應(yīng)具有相同的編碼。下分二小點(diǎn)說明1)字形轉(zhuǎn)化按照漢字傳統(tǒng)，有些漢字在合體字的不同部位，字形要作適當(dāng)?shù)淖兓纭柏Q”轉(zhuǎn)為“撇”，這時編碼應(yīng)該不變。例如半-判，辛-辯，手-看，戈-武，羊-著，尚-賞，等。所以，形聲碼總是把“冂”與“冖”按排在同一鍵位上。
2)字根溢出同一族根在不同的同族字中，族根碼應(yīng)該相同。一旦字根溢出，族根碼就發(fā)生變化。形聲碼要盡量減少此事發(fā)生。這除了要選擇適當(dāng)?shù)淖指偭颗c字根字形盡量完整外，還要在拆分規(guī)則上精心安排。
形聲碼的拆分原則是要盡量符合造字原則；如束→木、口，戍→戈、人，生→牛、一(“一”象征地平線)。它采用二步分解，先分解為部件，再分解為字根。對每個獨(dú)體字與基本部件按照人們的文字習(xí)慣與意愿，和文字碼的要求，試分成字根。然后，根據(jù)這些結(jié)果，歸納出五條順序運(yùn)用的優(yōu)先準(zhǔn)則①最少字根優(yōu)先，②非相交優(yōu)先，③單筆畫、非折筆畫優(yōu)先，④筆順連續(xù)優(yōu)先，⑤筆畫先分優(yōu)先。對于使用者，又簡化為一條——先分部件，抽取一個最大字根而解體。這種按照字形結(jié)構(gòu)直接拆分的靜態(tài)分解法比“筆順為序、取大優(yōu)先”的動態(tài)分解法好，它解決了字形組合方式與書寫順序方式之間的矛盾，分得的字根較少，較完整。
“最少字根優(yōu)先”成為第一準(zhǔn)則，至關(guān)重要。它使不少族根優(yōu)先分解為2、3個字根，從而減少了字根溢出。如①僉→RenErXiao→REX同族字一級字集簽arex，檢orex，撿frex，儉rrex，臉urex，斂rexw，劍rexd，險erex，驗(yàn)mrex，鹼irex；二級字集瞼mrex′，殮hxrx(溢出)，瀲lrew(溢出)，薟crex，蘞crew(溢出)，獫qrex。
若②僉→RenHengXiaoHeng→RHXH；則同族字全部溢出，且有rhh、rhx、rh三種族根碼的形式。顯然①比②好。
(三)上下文聯(lián)想形聲碼的反向識別是在正向識別的基礎(chǔ)上自然出現(xiàn)的。一般在掌握26個一簡字與400-500個二簡字的雙向識別后，就可以實(shí)施在連續(xù)文本中的反向識別。二簡字多數(shù)是族根，不太困難地衍生出二、三千個同族字的反向識別。通過上下文的聯(lián)想，可以讀出全文。個別字想不起來，見過幾次，就記得了。
形聲碼的一些其它內(nèi)容，詳見形聲碼漢字輸入法、字根鍵位圖。
形聲碼在研究反向識別的過程中，曾面臨二個問題①能不能實(shí)現(xiàn)，②有沒有用途?，F(xiàn)在就來回答第二個問題。
當(dāng)一種文字碼在中小學(xué)、全社會全面推廣，將使人們對漢字的認(rèn)識從字形整體上把握轉(zhuǎn)化為從字形結(jié)構(gòu)上掌握，這對漢字文化將會產(chǎn)生深遠(yuǎn)的積極的影響。但這是以后的事。就當(dāng)前而論，形聲碼的反向識別有如下幾點(diǎn)作用。
(1)形碼品質(zhì)的綜合性指標(biāo)形碼的反向識別對形碼的各項(xiàng)品質(zhì)提出了更高、更全面的要求。所以，形碼有無反向識別功能是評價形碼品質(zhì)的一個綜合性指標(biāo)。
但反向識別功能未能很好包容“協(xié)調(diào)性”要求。為此，形聲碼對字輸入的“鍵位用頻分布”、“手指用頻分布”、“同指異鍵連擊率”進(jìn)行了測算，其結(jié)果與英文輸入、王碼字輸入相比，處于同一水平。
(2)小學(xué)生快速培訓(xùn)法形碼培訓(xùn)，常采用“分析法”，即背字根、記規(guī)則，然后，一個字一個字地去拆分。學(xué)習(xí)效率不高。
形聲碼在反向識別采用“聯(lián)想法”的啟發(fā)下，將“聯(lián)想法”應(yīng)用于正向識別，對小學(xué)四上學(xué)生進(jìn)行試驗(yàn)，取得成功。50小時機(jī)上練習(xí)，取得①標(biāo)準(zhǔn)指法英文字母錄入120字符/分；②編碼練習(xí)生稿、字輸入30字/分；③語文課本28課，通錄一遍。不背字根，不記規(guī)則，在邊談笑、邊擊鍵的輕松、歡樂的氣氛中進(jìn)行。
小學(xué)生學(xué)電腦，以標(biāo)準(zhǔn)指法與漢字輸入、文稿編輯為宜，這方面小學(xué)生有駕馭、主宰電腦的感覺。漢字輸入又以形碼為宜。音碼在低速8-12字/分時才顯得易學(xué)，當(dāng)要求20-30字/分的實(shí)用速度時，形聲碼可以與之相比。錄入速度太低，體現(xiàn)不了電腦的快速性。
(3)使用雙向識別的編碼在心理上有舒適感。
(4)對小學(xué)生有利于漢字字形的記憶。在培訓(xùn)中，學(xué)生已有此反映。
本發(fā)明已開發(fā)出商品軟件XS V4.0，自由懸掛式輸入系統(tǒng)，具有一、二級字集、一萬詞條的字、詞輸入，以及予提示、查詢、自造詞、聯(lián)想等功能。
形聲碼的書寫格式，初步設(shè)計(jì)如下以字為單位，采用字的正碼書寫。一簡字、二簡字用簡碼書寫，但二簡、＞＝3字根字應(yīng)附全碼，中間用點(diǎn)分隔。四碼字用四碼書寫，如用簡碼消重的，應(yīng)用點(diǎn)表出其簡碼。重碼字用撇表示。
字碼用小寫，每一句的第一個字的首字母用大寫。專有名詞每個字的首字母用大寫，若專名太長，可參照漢語拼音規(guī)范分詞書寫，每個詞的首字母大寫，詞中字之間用“-”分隔。標(biāo)題可參照拼音文字習(xí)慣處理。
例將來的漢字編碼，將是漢字與電腦之間的中介，是漢字的另一種形式，是人腦與電腦共同使用的文字。國家要統(tǒng)一，文字要統(tǒng)一，編碼也要統(tǒng)一。
——卓晴君Pxc hm d Lyh Bz sdic imm，pxc i Lyh Bz kh rad uw.k ad mr d kirdj，i Lyh Bz d kl y hki hci qg.d，i r uw.k kh rad uw.k nb th.krhkv u d wdh bz。Gw.d bi xn swse y，wdh bz xn swse y，sdic immya xn swse y。
——Broz Rqu Xpk附漢字輸入法與字根鍵位圖XS V4.0形聲碼漢字輸入法V4.0發(fā)明人嵇政一.編碼要領(lǐng)“字形讀出聲，碼就來啦！”即漢字用它的可讀的字根表示。
注常見的、不宜拆分的、可讀的偏旁、部首均為字根，有的偏旁、部首不常用、筆畫較多需拆分為二個、三個較簡的字根。二.編碼流程附

圖1三.字例注V鍵表示聲母Ch意—→立、日、心—→LRX；照—→日、刀、口、灬—→RDKH；少—→小、丿—→XP；必—→心、丿—→XPB；張—→弓、長—→GV；劉 必劉—→文、
—→WDL；蜜—→宀、必、蟲—→宀、心、丿、蟲—→BXPV；費(fèi)—→弗、貝—→弓、刂、貝—→GDB；王—→WH；兒—→EP；心—→XD四.二級字集字識別碼改用字的末筆畫碼，一字3-4碼。五.字根讀音、名稱提示分別用( )、[ ]表示(青)，亠(文)，冂(同)[同字框]，冖(禿)[禿寶蓋]，彡(衫)
(撇)[撇橫、撇撇、撇折]，冫(冬)，癶(登)，扌(扶)[扶手旁]，
(奉)，
(反)，勹(勾)，
(革)，廴(建)，
(考)，灬(火)，凵、匚、(框)[上框、右框、左框]，氵(流)，辶(走)[走之]，彐(雪)，乂(叉)，
(踏)[踏步踏]，口(國)。六.詞輸入一詞四碼二字詞用字的前二碼輸入，一級簡碼字連擊簡碼二次。多字詞(＞＝3)用字的讀音首字母，不足四碼的用“；”補(bǔ)足。自造詞可按音定碼。
形聲碼字根鍵位表V4.0
日—→U僅用于“昌、冒、冕、汩”；ナ—→o僅用于“戎、辯”。
權(quán)利要求
1.一種用于中文信息處理的雙向識別的漢字形聲碼，其特征在于字根按其讀音聲母取碼，采用字根的靜態(tài)分解法，采用本字讀音首字母、本字末筆畫碼作識別碼，組成字根碼在前、識別碼在后，而以聯(lián)想法實(shí)現(xiàn)反向識別的四位限長碼。
2.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于正體字根選取約160個，加變體、變形字根共約260個。
3.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于字根按其讀音聲母取碼，Ch、Sh、Zh分別占用V、I、A鍵，首字母Y作音時，改用U鍵，Er音用E鍵，字根“木”、“十”定碼于“O”，共26鍵位。
4.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于字根的讀音一般采用學(xué)校中與社會上當(dāng)今流行的名稱，只個別字根例外；如氵、冫、扌、勹、
，定音為流、冬、扶、鉤、踏，
用首筆畫定碼，而“木、十”按象形法定碼。
5.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于字根冂-冖、
、十-
(右下區(qū)無筆畫)、羊-
等分別安排在同一鍵位上，以滿足同字同碼。
6.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于字根的靜態(tài)分解法規(guī)定字根的拆分原則要符合造字原則，分二步進(jìn)行，先分為部件，再分為字根，分解字根時按五條順序運(yùn)用的優(yōu)先準(zhǔn)則進(jìn)行①最少字根優(yōu)先，②非相交優(yōu)先，③單筆畫、非折筆畫優(yōu)先，④筆順連續(xù)優(yōu)先，⑤筆畫先分優(yōu)先。
7.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于字碼碼長為1-4位(用于全漢字編碼也可1-5位)，其字碼結(jié)構(gòu)如下a) 一級字集 一字1-4位(1) 雙字根字 二個字根碼， 重碼時加字音識別碼(2) 三字根字 三個字根碼， 重碼時加字音識別碼(3)＞＝四字根字 一、二、三、末字根碼(4)字根字 字根碼十首、次、末筆畫碼，一般取2-3位(5) 26個一級簡碼字為一碼字，按讀音聲母取碼；b) 二級字集本字末筆畫碼作識別碼，一字3-4位。
8.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，其特征在于字碼的字根碼中蘊(yùn)含著族根碼，族根碼由2-4個字根碼組成。
9.根據(jù)權(quán)利要求1所述的雙向識別的漢字形聲碼，參照字碼結(jié)構(gòu)，可編制詞碼二字詞用字的前二碼輸入，一級簡碼字連擊簡碼二次，多字詞(＞＝3)用字的讀音首字母輸入，不足四碼的用“；”補(bǔ)足，自造詞可按音定碼。
全文摘要
雙向識別的漢字形聲碼是漢字字形的縮寫,是一種依靠“字—碼聯(lián)想、字間聯(lián)想”而實(shí)現(xiàn)了反向識別的形碼。形聲碼培訓(xùn)小學(xué)四上學(xué)生,應(yīng)用“聯(lián)想法”,50小時機(jī)上練習(xí),可達(dá)到用標(biāo)準(zhǔn)指法錄入生稿30字/分。不背字根,不記規(guī)則,在邊談笑、邊擊鍵的輕松、歡樂的氣氛中進(jìn)行。這種形聲碼是人腦與電腦共同使用的漢字的另一種形式。
文檔編號G06F3/023GK1200507SQ9710684
公開日1998年12月2日 申請日期1997年2月12日 優(yōu)先權(quán)日1997年2月12日
發(fā)明者嵇政 申請人:嵇政