[发明专利]一种计算机汉字动态编码输入法及其键盘

说明书

本发明属中文信息处理、汉字输入领域。

目前已有的汉字编码及输入方法基本上可以分为三类：音码、形码和混合码等。

音码多以国家颁布的汉语拼音方案为基础，简单易学，但由于重码率高、平均编码较长，在实际使用中速度慢，实用性很低。双拼方案只缩短了平均码长，而且一般的双拼要求用户同时记忆三十个韵母的键位对照表，容易使一般的汉字录入者望而生畏。形码的优点是编码短，重码率低，但既不容易学又容易忘。混合码是利用文字的多维信息如音、形、义、语法等对汉字进行编码。编码者们在权衡易学性、录入速度之后，对文字多维信息的形形色色的组合，导致了形形色色输入方法的诞生。尽管面对如此众金的编码方法，目前仍有千千万万的计算机用户在使用着古老的全拼输入法。可以说，到目前为止，还没一种大众化的、被普遍接受的实用汉字输入方法。

本发明的目的是为了克服已有输入方法中所存在的缺陷，按照所进行编码的汉字集是动态变化的这一原则，从而提供一种使用动态位置码加以区分的实用快速汉字输入方法。

下面说明本发明的基本思想。

如果一种汉字编码吟吸位置信息，那么该编码对整个汉字集而言便是有重码编码。比如，拼音码有重码，五笔字型基本上无重码。对汉字进行实用的无重码编码是困难的，如果再要求编码具有易学性，那就更加困难了。事实上，编码在理论上的重码率和编码在实际应用时所体现的重码率〔可称之为实际重码率〕不同。本方法着意编码的易学性、实用性，不去刻意降低编码在理论上的重码率，而是去尽力降低编码的实际重码率。

虽然拼音码重码率高，但人们在进行语音交流时，很少因为音的多义性而引起歧义；这主要是因为人们可以通过上下文的语意来识别同音字具体含义，但同时还有语音结构上的原因。

人们在写作或口语交流时，总是避免集中地使用具有相同声韵的字。除了修辞上的缘故，还因为过多的同声韵字堆积在一起，有碍于语意的理解。比如，若不加解释，很少有人能理解下面的文字：“海水朝朝朝朝朝朝朝落，浮云长长长长长长长消”。这使得人们在表达不同的事物时，会尽量使用不同的声韵组合。

此外，一段文字总是和一个主题有关，和该主题相关的文字会在该段文字中经常出现，某些声韵调组合所表达的常常是同一个含义。

分析一段有意义文字的注音，会发现其拼音码的重码率不是很高。这和上述事实是一致的，即人们倾向于用相同的音表达相同的字，用不同的音表达不同的字，同时表明拼音码的实际重码率要低于它的理论重码率。

实际上，人们所说的拼音码重码率高，是针对整个汉字集而言。对一段有意义的文字而言，其重码率就要低得多；换言之，针对用户当前使用的汉字子集而言，其重码率要低得多。如果引入词调整会使拼音码的重码率进一步降低。所以，如果只在用户当前使用的汉字子集空间内使用拼音码，会取得很理想的效果。

当前汉字子集，可以看做是在当前录入位置前后一定长度内出现的汉字的集合。用B表示已经出现的当前汉字子集部分，用F表示还未出现的当前汉字子集部分。于是有

         当前汉字子集＝B∪F＝B∪(F-B)，B∩(F-B)＝Φ。

由于F不能在当前得到，且随着录入长度的增长，F-B→Φ，所以我们用B来近似描述当前汉字子集。

为了表明子集中汉字的出现的先后，我们用排列的形式来书写B。B的建立过程如下：令B＝Φ，若当前录入的汉字不在B中，则将该汉字插入到B的最前面；

     若当前录入的汉字在B中，则将该汉字提取到B的最前面。可见，某字的录入时间越近，它在B中的位置就越靠前。用这种方法建立的B，比单纯地记录汉字的出现，能更加精确地描述B的当前性。例如，若有文字串：

              ……A B ΓΔ A B，则，B的建立过程为：Φ，{A}，{BA}，{ΓBA)，{ΔΓBA}，{AΔΓB}，{BAΔΓ}

如果不对B进行分类，那么B中元素的编码只能是位置码，但这样做没有实用价值。如果利用汉字本身的信息对B中的元素进行适当的分类，B中的元素就会分散到各子类中；分类码可做为编码的前部，在子类中的位置做为编码的后部。如果分类足够详细，可以做到每子类中只有一个B中元素，此时只需分类码，无需位置码。由于所进行的编码的汉字子集是动态变化的，所以在每个子类中，如果元素个数不唯一，只有使用位置码加以区分，才使得编码具有通用性。