[发明专利]关联树汉字编码方法

说明书

本发明是一种汉字编码方法。

汉字编码方法很多，有音码、形码、音形码和序号码四大类，好几百种，各有其优缺点。有的编码易学易记，但输入速度慢，多为非专职录入人员所采用；有的编码输入速度快，但不易掌握，多为专职录入人员所采用。目前还没有一种既容易掌握、输入速度又快、为广大专职录入人员和非专职录入人员所普遍通用的汉字编码方法。

本发明的目的是提供一种易学易记，输入速度快，为广大非专职录入人员和专职录入人员所通用的汉字编码方法。

一、基本概念

汉字编码涉及的名词和概念较多，目前还缺乏统一的定义，不同的编码方法采用不同的名词术语，比较混乱。本发明对以下几个关键概念进行了界定。

(一)笔画

构成汉字的不可分割的最小单元称为笔画。笔画分为平笔画和折笔画两类，平笔画简称平笔，折笔画简称折笔。本发明将笔画之间的相互关系划分为离散、中连、端连、交叉四种，如“八”字的两笔画为离散关系，“丁”字的两笔画为中连关系，“厂”字的两笔画为端连关系，“十”字的两笔画为交叉关系。

(二)笔串

笔串是本发明首次提出的一个新概念，是指汉字中可能存在的连续的笔画组合块。笔串概念内容很广，包括了所有的笔画、部件和汉字。根据组字频率和结构特征，将笔串分为独立笔串和非独立笔串两类。本发明将多频笔串、整体笔串、分离笔串定义为独立笔串。组字频度在两次以上的笔串称为多频笔串，如：氵、刂、亻、十、也；笔画之间通过端连或交叉构成一个整体，这样的笔串称为整体笔串，如：厂、口、几、丰、中；某一笔串在构成汉字时与周围其它笔串永远保持一定距离，这样的笔串称为分离笔串，如：阝、ス。一个笔串可能既是多频笔串，又是整体笔串或分离笔串。独立笔串之外的所有笔串统称为非独立笔串，全部笔串的集合称为笔串集。

(三)部件

部件是汉字编码中用到的一个基本概念，目前还没有统一定义。本发明将独立笔串定义为部件，全部部件的集合称为部件集。按这一定义推论，部件集是独立的，与编码方法无关。部件集是笔串集中的一部分，笔串集包含部件集。

以下六种部件十分重要，是关联树码选定码件的主要依据，下面分别进行界定说明。

1.单构部件：笔画通过单一方式构成的部件称为单构部件。本发明将单构部件进一下四种。

①散笔部件：部件中的所有笔画之间相互离散，这样的部件称为散笔部件，如：三，立，心，儿，巜，巛。

②中连部件：部件中的所有笔画通过中连方式直接或间接地连在一起，这样的部件称为中连部件，如：上，止，片，爿，

③端连部件：部件中的所有笔画通过端连方式直接或间接地连在一起，这样的部件称为端连部件，如：厂，，口。

④交笔部件：部件中的所有笔画通过交叉方式直接或间接地交接在一起，这样的部件称为交笔部件，如：十，力，韦，女。

2.整体部件：部件中的所有笔画通过端连或交叉方式构成一个整体，这样的部件称为整体部件，如：口，十，中，申。

3.整连部件：整体笔串与若干平笔直接相连所构成的部件称为整连部件，如：才，土，王，牛，生，用。

4.高频部件：指组字频度相对较高的部件，如：人，口，十，大，土。

5.复杂部件：指结构比较复杂的部件，如：臼，事，垂，重，，牙。

6.相似部件：部件A与部件B的形状相似，则两部件互为相似部件。如：“平”与“干”互为相似部件；“来”与“未”互为相似部件。

(四)码件

满足汉字编码需要的部件称为码件，全部码件的集合称为码件集。码件集与编码方法有关，每一种编码方法都有其特定的码件集，码件数量从几十到几百不等。码件集是部件集中的一部分，部件集包含码件集。

二、码件选定依据

作为形码和音形码编码方法，选择码件、建立码件集十分重要，也是必不可少的。目前，有关部门还没有制定出统一的码件标准和规范，不同的编码方法自定码件标准。这些自定的标准和码件集大都缺乏充分的科学依据，有很大的随意性。关联树汉字编码方法以提高学习效率和输入效率为目标，以码件系列的连续性和完整性为依据，从减小码长和降低重码率入手，在对大量部件进行系统研究的基础上，首次提出以下六项原则作为选定码件的基本依据，并根据这六项原则建立了树码码件集合(表2-1)。

1.单构部件原则上作码件，如：三，上，厂，十。

2.整体部件原则上作码件，如：厂，口，中，申。

3.整连部件原则上作码件，如：土，王，生，禾。

4.高频部件原则上作码件，如：口，人，十，氵。