[發明專利]一種用于電子、信息及通信系統的交換內碼及其應用

無效

• 申請號: 200810218455.5
• 申請日: 2008-10-17
• 公開（公告）號: CN101382931A
• 公開（公告）日: 2009-03-11
• 發明（設計）人: 勞英杰
• 申請（專利權）人: 勞英杰
• 主分類號: G06F17/22
• 分類號: G06F17/22;G06F17/30
• 代理公司: 廣州新諾專利商標事務所有限公司
• 代理人: 劉菁菁

技術領域

本發明涉及一種交換內碼，特別是一種對任一種文字的字元、部首、筆畫、字母、符號或圖形統一編碼的用于電子、信息及通信系統的交換內碼。

背景技術

現代電腦系統交換內碼的標準(American?Standards?Code?for?InformationInterchange)，簡稱ASCII，開始是7位元表示1字節，為2⁷；以128個合表示一些控制鍵、大小寫拉丁字母及阿拉伯數字；及後以二進制2⁸表示1字節，擴充至256個編碼組合表示，包含某些西歐國家的交換內碼需要；1967年并于瑞士的日內瓦建議成為國際組織標準(International?Organization?for?Standardization)，簡稱ISO。全球經濟發展都需要現代電腦系統交換及顯示相同信息，所以必需統一內碼，隨著亞洲個別國家及地區的需要，不同國家及地區都相繼以不同方式及位元數量進行編碼。包括日本工業標準(Japan?Industrial?Standard/JIS)、TRON、臺灣的Big-5、香港地區的Big-5加上香港增補字符集(Hong?Kong?Supplementary?Character?Sets/HKSCS)、韓文及中國的GBK，最早是簡體字編碼的GB2312、及後包含繁體字的GB18030等。以上亞洲個別國家及地區的文字應用都有一共同點，都是使用簡體或繁體漢字，而當中有大部份的漢字字型是相同的，但編碼表示方法不同，就完全不能互相兼容；其數量差距相當大，由數千至數萬不等。互聯網的興起，世界文字的編碼表示方法亦隨著產生變化，互不兼容的問題導致不能在互聯網顯示不同的世界文字，催生Unicode的出現。從1990年開始，首先把七千多個的世界文字編碼，然后再將二萬多個中日韓使用的漢字編碼；及後再加入生僻的世界文字及漢字，應付整理各地古藉的需要，至目前為止共有十萬個字容量。目前，不斷出現的中階及高階電腦程序語言，及以電腦程序語言寫成的操作系統都同時兼容Unicode，最新的標準是ISO10646，但其實對任何電腦或電子系統的硬件來說，用Unicode編碼的電腦程序語言，巨大的位元量對任何運算都會造成極大負擔。Unicode的缺點主要是沿用最早期的編碼方法，導致要擴大字庫時，必需要按照舊有方式橫向發展，但以2⁸橫向發展；其產生的運算量極大，雖能滿足編碼的需要，卻拖慢了電腦或電子系統的排序等運算能力。而且，Unicode的編碼方法及邏輯并不符合大部份國家及地區的文字發展需要；例如，對成千上萬個的漢字系統，可用二百多個部首分類，但Unicode并未把二百多個部首全部置入Unicode內，數萬個漢字編碼的位置非常混亂，無法做到部首與漢字系統間的邏輯屬性對應關系，令漢語學者無法處理古藉內碼的交流需要。以下為8位1字節的編碼組合列表分析：

表1

Unicode的編碼系統內予留了私人造字空間，用戶可以自行以不同文字符號安放在造字區內；但這私人造字區的設置，卻不能以交換碼方式進行公眾傳遞。一直以來，Unicode的發展，并不是以固定長度方式編碼；西方的常用字母字節編得較少，罕用的文字符號編得較多，較多的位元量不容易實現高效率排序。目前，電腦程式語言的發展要解決兼容問題，都以Unicode為內碼，直接令大部份程式語言的空間擴大，加大記憶空間及硬體的負擔。

目前的文字信息數據編碼方法，其主要目的是為了擴大編碼組合數量及準確記錄文字字型，文字記錄語義，西方的文字是以字母串組織語義；東方的中國是是以方塊漢字組織語義。從ASCII到Unicode的編碼發展，都并沒有對任何文字或字母在語義屬性方面進行編碼。電腦和互聯網的發展產生了極大量的文字信息，信息全球化更是以幾何級數增加，及以關鍵詞撿索，但結果雖大量卻并不準確，因為海量信息是不可能以人手方式進行語義屬性分類。

世界上任何一種拼寫文字都由是長短不一的字符串所組成，對極大量不同長短的字符串進行排序需要耗費極大的運算成本。最有效的管理是以固定長度數據(Fixed-Length?Data)進行存儲及排序運算，自動地對任何一種文字所表達的信息實現語義屬性分類，從而以最快速度撿索出最具有語義關聯性的結果。海量信息的撿索，首要條件是先區分語義屬性，再在自動分類後的數據內進行深度挖掘；重新對文字或字母以屬性編碼是唯一讓文字具備分類語義的方法。