汉字学概要(北师大精品课程).docVIP

第七章 汉字与信息处理 ? 我们正处在信息革命的新时代，各种信息在人类社会生活中的各个领域正起着越来越重要的作用，信息的存储、加工和传递的手段日益现代化，计算机技术得到了更为广泛的普及和使用。语言文字是信息的最主要的载体，因此，语言文字和信息革命有着不解之缘。信息革命中的绝大多数信息都要通过语言文字这一载体来储存、来加工、来传递。这样，仅有四十多年历史的计算机技术便向已有六千年左右历史的汉字提出了挑战。 世界上第一台电子计算机1946年诞生于美国，之后的短短四十多年里，计算机技术已经渗透到国民经济的各个领域，作为二十世纪最伟大的发明，计算机已经获得了非常广泛的应用，特别是INTERNET的出现更使其应用达到了前所未有的高潮。从某种意义上说，计算机的发展速度和应用水平，已经成为人类进入信息化社会、国家走向现代化的一个重要标志。 但是众所周知，计算机在我国的推广应用要比西方发达国家落后许多年，除了经济基础和科技发展条件的制约之外，一个很重要的原因就是汉字进入计算机要比拉丁文字困难的多。因此，如何使计算机具备汉字处理能力，便是一个亟待解决的技术难题。 我国在六十年代末期就开始对汉字信息处理进行探索和实践，在经过三十多年不懈努力之后，已经在许多研究领域取得了突破和进展。从六十年代的汉字电报译码机、七十年代的新型的汉字输入输出设备，到八十和九十年代的各种基于个人计算机的汉字信息处理系统以及用微处理机控制的汉字终端，汉字信息处理的研究成果，已开始在事务管理、企业管理、科技情报检索、机器翻译、人机对话、汉字编辑排版、咨询服务、公用事业、计算机辅助教学、计算机通信网络、办公自动化等方面得到推广和应用，这些都必将对我国的现代化建设产生深远的影响。 如果说在计算机汉字信息处理初期，汉字如何进入计算机是亟待解决的技术难题的话，那么在进入九十年代以后，随着汉字信息处理技术应用的不断深入，汉字如何规范地进入计算机就成为主中之主、重中之重的难题了。因为计算机的日益普及，已经使得计算机的应用成为一种文化——计算机文化，这种文化在切合社会发展的同时，伴随着汉字在计算机上多种不规范的使用，已经产生了一些负面影响。为了消除这种不良影响，就应该在汉字规范地进入计算机或在汉字信息处理的规范化方面采取有效措施，加以解决。否则，技术虽然进步，文化却遭到破坏，这是得不偿失的。 ? 第一节 汉字信息处理的过程 ? 为了了解汉字与信息处理的关系，首先有必要了解已经成熟的汉字信息处理的过程。通常汉字信息处理的过程分为三个阶段：（1）汉字信息的输入；（2）汉字信息的处理；（3）汉字信息的输出。三个阶段的具体处理过程可由图11.1描述。其中汉字信息的输入是通过各种输入设备完成，汉字输入设备及其设备驱动程序负责把汉字的外部码转换为处理系统识别的内部码。目前除了语音输入、字形输入和键盘编码输入外，还有通过通信设备和文件交换设备把汉字信息从一处传输到另一处。汉字的信息在机器中（指处理系统）通过特定的程序（软件系统）进行加工，如编辑、排版、排序等，最后按照用户的要求进行输出。汉字的输出是把汉字内码转换成汉字外部字形和字音信息的过程。输出设备驱动程序通过汉字语音库、汉字字形信息库（简称“字库”）等加工完成后的汉字信息输出到显示输出设备、打印输出设备、语音输出设备上，同时，也可通过通信设备（如FAX、MODEM等）、文件交换设备把处理、加工完后的汉字信息输出到其他地方。 ? ? ? ? ? ? ? ? 上述三个阶段中，汉字信息的处理与汉字信息的输出对于一般用户而言，无需了解内部实现机理，只要能够应用即可。而与用户最直接相关的就是如何将汉字输入到计算机中，目前解决的方法有三种：第一种是用键盘将汉字输入计算机，称为汉字的键盘输入；第二种是用文字字形识别的方法将汉字输入计算机，称为汉字的字形识别输入；第三种是用语音识别的方法将汉字输入计算机，称为汉字的语音识别输入。 汉字字形识别输入就是通过与计算机联机的文图扫描装置，抽取汉字字形特征使印刷在纸上或写在纸上（或介质）上的汉字字符，由计算机进行辩识后形成汉字内部码的过程称汉字识别（CCR Chinese Character Recognition）。目前使用得最多的扫描装置是光学字符阅读机（OCR Optical Character Reader），因此汉字识别输入也称为OCR识别输入。汉字识别在学科上属于模式识别和人工智能范畴，在应用上是汉字信息处理系统的一种高速自动输入方式，它也是新一代计算机视觉智能接口的一个重要组成部分。汉字识别又分印刷汉字识别和手写汉字识别，后者又分为脱机识别和联机实时识别。 汉字的语音输入是通过与计算机连接的传声装置，利用语音分析技术，由计算机进行辩识后形成汉字内部码的过程称汉字的语音识别。汉字