[发明专利]基于汉字拆分的智能语句级汉字输入系统

说明书

技术领域

本发明涉及中文信息处理领域，特别适用于汉字键盘输入、汉字手写(笔写、指书等)输入、信息技术汉语(汉字)教学、信息化汉字检索、汉语分词、语音输入、机器翻译及网络智能搜索等领域。

背景技术

在汉字键盘输入方面，诸如“优化五笔字型”的字形输入速度快的最大优点已变得并不明显，难学难用性也依旧，反而是拼音输入不仅保持了易学易用的最大优点，在输入速度上也大有改观。特别是搜狗、谷歌、QQ等拼音输入法的面世，可以说标志着汉字输入进入了比较成熟的拼音语句级输入时代，输入速度直逼字形输入法。但即使是在这类智能化的输入法中，语句转换错误的现象也常会发生，简拼输入时就更为明显。其原因在于，目前自动分词的准确度尚达不到100％，全拼难以达到，简拼就更达不到。因此它们无法根本解决语句输入(特别是短语输入)“回头看”的问题，也难以缩短平均码长。正是由于这些原因，数字键盘的汉字输入效果就更不理想，速度和效率都很低下。

在汉字手写(笔写、指书等)方面，目前采用的大都是整字输入、整字识别技术，前提是要建立汉字识别库。对GB13000.1字符集建立汉字识别库，就要包含约21003个对象；要把一个字基本写完整才能将这个字显示在屏幕上或屏幕待选框中，然后才由它产生词语或语句级联想，进行联想智能输入。受目前手写技术的影响，这类书写的准确率和速度并不高。并且由于传统的汉字书写习惯以及手指手掌大小的限定，这类技术的运用受到手写屏幕(或区域)的限制。比如说不用书写笔，书写屏就得够大，否则就必须配备手写笔，且要“双管齐下”，给使用者带来不便。

在汉字排序检索方面，教育部、国家语委发布了语言文字规范《汉字部首表》和《GB13000.1字符集汉字部首归部规范》，以统一汉字部首。然而，部首检字法的弊端并不会因为部首的统一而消减多少。“统一”之下汉字找部首的方法也并不一定简单，第二是数笔画太繁琐。要查一个汉字，大致要经历如下四个步骤：第一步，找出部首，数部首的笔画；第二步，到部首表中找到该部首，按所示页码翻到该部首栏；第三步，数汉字除部首以外的笔画，到部首栏中找到该笔画数一栏，找到该汉字；第四步，按所示页码翻到正文该页，再找该汉字。另外，汉字部首的统一依然侧重语言文字传统，它并不能更有利于解决中文信息处理比如说智能汉字输入、信息技术汉语(汉字)教学等问题。

在信息技术汉语(汉字)教学方面，目前国家只允许拼音输入法进入中小学教育界。汉语拼音方案虽然方便汉字拼读，但并不能也决不能代替汉字的书写。汉语拼音输入带来的负面影响是常常“提笔忘字”，这不利于对汉字的掌握。因此必须要有符合汉字书写规范的字形输入法来帮助进行汉语(汉字)教学。可惜已有的字形输入法一般拆字复杂、乱拆汉字、规则不一、难学难用，难以辅助汉语(汉字)教学。“信息产品中的语言文字标准更强调技术性，与教育等领域的语言文字传统常常有些差距，这样就可能出现学校的信息教育与语文教学之间的不协调。怎样克服这种不协调现象，进而怎样利用信息技术促进语文教学，是值得思考的问题。”

目前中文分词算法有三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。基于理解的分词方法模拟人对句子的理解过程，虽为理想中的分词方法，但由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，因此目前基于理解的分词方法还不够成熟，反而是基于统计的分词方法是主流的分词方法。基于统计的分词方法其分词单位一般反映出的是音节与音节的组合，即便有网络搜索引擎技术的介入，分词效果也并非十分理想，错误率也比较高，这一效果直接制约着汉字输入、语音输入、机器翻译及智能搜索等技术的发展。

发明内容

影响汉字输入精度的根本原因是汉语分词精度，而在同等分词精度条件或同等软件技术条件下，输入速度又取决于输入取码方式与分词精度的有效结合度。简言之，要提高输入精度和输入速度，就要提高分词精度，找到一种更好的输入方式，并能使它们有机结合，这是一个问题的三个方面。

在提高分词精度方面，基于上下文关联的智能输入软件，如青月亮汉字通智能输入软件平台和二笔智能输入软件等，采用人工分词，有效降低了歧义分词错误。可见，在自动分词成为主流的时代，人工分词仍然有着重要的现实意义，在必要的情况下仍可成为自动分词的一个重要而关键的补充。