中文信息处理与加工

《中文信息处理与加工》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中文信息处理与加工论汉字信息处理摘要：文字信息处理的应用范围非常广泛，如编辑文稿整理文件档案资料和排版印刷等，可以说凡是要文字表达信息的场所，都可以使用文字信息处理技术。文字信息处理的实质就是把文字信息数字，就是用一个固定的数码代表一个字母或文字，这一数码就叫做代码。这样，在计算机内部处理文字信息时，就可以像处理纯数字一样来进行。需要输出时，再把替代的数码还原成相应的字母或文字。也就是说，汉字信息处理就是计算机对汉字代码的数据处理。关键字：汉字信息处理计算机代码首先理解一下中文信息处理这个大概念。中文信息处理是指用计算机对中文的音、形、义等信息进行处理和加工。中文信息处理是自

2、然语言信息处理的一个分支，是一门与计算机科学、语言学、数学、信息学、声学等多种学科相关联的综合性学科。中文信息处理的现状：符号层的处理成果已经得到广泛应用。内容层的处理目前在词语识别和词性标注方面已经取得重要进展，句子结构分析和语义分析方面仍有待探索。一、编码及汉字处理：在计算机中，处理文字符号时，要对文字和符号进行数字化处理，也就是用二进制数的编码来表示文字和符号。所以英文字母、数字和各种符号都必须按约定的规则用二进制编码在机器中表示。在计算机系统中使用得最广泛的是美国信息交换码，缩写为ASCII。现在已被国际标准化组织认定为国际标准，并在世界范围内通用。一、汉字及其特点：

3、第一，汉字的文字量很大，最新的字典中有汉字六万多个，常用字也有几千个，这是一般外文不能相比的。因此，这一特点给汉字的计算机处理带来了很大的困难。第二，汉字的字形复杂，是一种二维的方块字，每个汉字又可以分为笔画、字根、整字等几个层次，无法直接使用计算机的英文键盘。第三，汉字有多种字体，为了适应不同的需要，就要备有多种不同字形的汉字库，造成了计算机存储量过大的情况。第四，汉字的发音多样化，一字多音多字同音的情况很多，造成汉字输入编码不易解决重码的问题。第五，汉字的字义复杂，同一汉字在不同情况下使用，可以代表多种含义。因此，单独使用汉字的字义作为输入方法是不可行的。第六，汉字排序难

4、，英文只有26个字母，排序很容易，而汉字数量大、结构复杂、同音字多。一、汉字字库：想要让计算机能处理汉字，就需要在计算机中存有汉字的字模，就像铅字印刷时要有各种铅字字模一样。产生汉字字形的方法有模拟式和数字式两种，前者如字模板、全息照相等，文字质量较高，价格较便宜；后者是在计算机中使用的主要方法，它输出文字一致性好、速度快。二、汉字的编码：汉字的编码有包括计算机的汉字内部码、计算机的汉字交换码和计算机的汉字输出码。参考文献：1，王式杰《汉字录入与编辑技术》（第五版）电子工业出版社【M】2，慈林林、鲁元魁《中文信息处理新技术展望》专题报道【N】