第五章中文信息處理-預(yù)覽頁(yè)
【正文】 文字信息的輸入 文字信息的處理 文字信息的輸出 二、文字信息處理的 基本問(wèn)題 ? 文字信息處理的 實(shí)質(zhì) ，是先把文字信息數(shù)字化，即用一個(gè)固定的 數(shù)碼 代表一個(gè)字母或文字。處理完畢后，再把替代的數(shù)碼還原成相應(yīng)的字母或文字。 ? 為了和國(guó)際標(biāo)準(zhǔn)兼容，我國(guó)根據(jù)它制定了英文字符編碼國(guó)家標(biāo)準(zhǔn)，即 GB1988。 ? 經(jīng)過(guò)編輯的文本仍然以 ASCII碼 表示。字模庫(kù)的點(diǎn)陣以有點(diǎn)或無(wú)點(diǎn)來(lái)表示文字和符號(hào)。 漢字信息處理的基本問(wèn)題 三、中文信息處理主要研究對(duì)象 ? 基礎(chǔ)研究：漢字字頻統(tǒng)計(jì)、詞頻統(tǒng)計(jì)、漢語(yǔ)自動(dòng)分詞、句法屬性研究、漢字編碼字符集、通用漢字樣本庫(kù)、漢字屬性字典、語(yǔ)料庫(kù)等 ? 輸入技術(shù)：中文輸入法、中文手寫(xiě)輸入、中文語(yǔ)音輸入、光學(xué)字符識(shí)別等。 ? 轉(zhuǎn)換技術(shù)：繁簡(jiǎn)轉(zhuǎn)換等 三、中文信息處理主要研究對(duì)象 ? 信息處理：中文情報(bào)檢索、中文文本校對(duì)、機(jī)器翻譯、自然語(yǔ)言理解、中文人機(jī)界面、語(yǔ)義網(wǎng)、電子字典、電腦輔助翻譯等 ? 中文化：軟件的國(guó)際化（ internationalization）和本土化（ localization）。 ? 1981年 5月，我國(guó)國(guó)家標(biāo)準(zhǔn)總局頒布 《 信息交換用漢字編碼字符集 》(GB 231280)，作為漢字交換碼編碼的國(guó)家標(biāo)準(zhǔn)，簡(jiǎn)稱國(guó)家標(biāo)準(zhǔn)漢字編碼，或 國(guó)標(biāo)碼 。 ? 為便于查找，一級(jí)漢字按漢語(yǔ)拼音順序排列；二級(jí)漢字一般不易熟記它們的發(fā)音，故按部首和筆畫(huà)排列。在 Windows 95/98和其后的 Windows 2022中，裝入了 GBK的全部漢字和符合 GBK和 GB 231280的輸入法。 ? 國(guó)標(biāo)碼是漢字編碼的國(guó)家標(biāo)準(zhǔn)。這正是 ASCII 碼的可打印字符的編碼。 ? 例如： ? 漢字 第一字節(jié) 第二字節(jié) 十六進(jìn)制 區(qū)位碼 ? 啊 0110000 0100001 3021 1601 ? 保 0110001 0100011 3123 1703 ? 播 0110010 0100101 3225 1805 國(guó)標(biāo)碼 ? 國(guó)標(biāo)碼還可以表示成區(qū)位碼的形式。每個(gè)漢字或符號(hào)的區(qū)號(hào)和位號(hào)連起來(lái)就組成這個(gè)漢字或符號(hào)的區(qū)位碼。例如， “ 啊 ” 字的區(qū)位碼是 1601， “ 保 ”字的區(qū)位碼是 1703， “ 播 ” 字的區(qū)位碼是 1805，等等。不同的計(jì)算機(jī)系統(tǒng)使用的機(jī)內(nèi)碼是不同的。 機(jī)內(nèi)碼 ? 目前，多數(shù)微機(jī)漢字系統(tǒng)的機(jī)內(nèi)碼是以國(guó)標(biāo) GB 231280規(guī)定的雙七位代碼為依據(jù)，經(jīng)一定轉(zhuǎn)換后用兩個(gè)字節(jié)表示一個(gè)漢字。將 B4F3H 化為二進(jìn)制數(shù)得：1011010011110011，這就是在計(jì)算機(jī)中實(shí)際使用的機(jī)內(nèi)碼的二進(jìn)制形式。 ? 在信息處理技術(shù)中漢字編碼字符集用于漢字信息的表示、交換、傳輸、處理、存儲(chǔ)、輸入及顯示。 – ISO/IEC 2022定義了七位代碼和八位代碼的空間及其代碼空間擴(kuò)充的技術(shù)。 ? ISO10646的 BMP和 Unicode的編碼字符。 本 章 結(jié) 束
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1