[發明專利]拼音標注方法及其系統

無效

• 申請號: 201010208608.5
• 申請日: 2010-06-24
• 公開（公告）號: CN101894101A
• 公開（公告）日: 2010-11-24
• 發明（設計）人: 陳淮琰;巨雷;鄭建鋒
• 申請（專利權）人: 無敵科技（西安）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 西安智邦專利商標代理有限公司 61211
• 代理人: 商宇科

技術領域

本發明涉及一種拼音標注方法及其系統，尤其是一種以分詞標注方式，提高拼音標注正確性的方法及其系統。

背景技術

隨著社會的發展，商業的交流，中文已經成為新的語言學習重點。而中文學習的過程中，拼音為最重要的學習手段之一，幾乎所有的中文學習數據，都會標注中文對應的拼音。

然而，由于中文的復雜性與多樣性，例如多音字、多音字、變音字和一些不同地域的慣用法，使得標注正確的拼音成為一個困難問題。

有些時候，即使字面上看來完全相同的名詞，也會因為不同地域的不同慣用法，而造成讀音上有所差異。請參考表1，表1中列舉出兩個相同名詞不同讀音的范例。例如“企業”，臺灣地區慣用的讀音為“qi4ye4”，而中國大陸慣用的讀音則為“qi3ye4”。又例如“夕陽”，臺灣地區慣用的讀音為“xi4yang2”，而中國大陸慣用的讀音則為“xi1yang2”。類似上述相同名詞不同讀音的情形可以說是多不勝數，而且，并無法從中歸納通用的規則或規律。此種相同名詞卻有不同讀音的情形，使得拼音標注問題更加地困難。

表1相同名詞不同讀音的范例

為解決上述問題，先前方法中常以單字為單元進行標注，并添加一些輔助校對機制進行二次處理，以達到漢語拼音的校對。而目前對于多音字、多音字和變音字的處理，大多采用單字添加拼音序列的方法，通過提供多組拼音，以解決一字多音的問題。但是由于此方法所需數據量十分龐大，以及語言本身具有很高的靈活性，并沒有通用的規則或規律，使得這種方法仍有很大的局限性。而且，由于先前方法只以單字為處理單位，并未將相同名詞不同讀音的狀況納入考慮，無法有效的解決拼音標注正確性的問題。

發明內容

本發明為解決背景技術中存在的上述技術問題，而提出一種拼音標注方法及其系統。

本發明的技術解決方案是本發明為一種拼音標注方法，其特殊之處在于：該方法包含下列步驟：

1)建立分詞數據對應的拼音序列表；

2)根據分詞數據，將字符串進行分詞處理，并產生分詞序列；

3)由該分詞序列中取出分詞；

4)根據拼音序列表，查詢分詞的拼音；

5)標注分詞的拼音。

上述步驟1)中，根據使用情況，分別建立分詞數據對應的多個拼音序列表。

上述拼音序列表為繁體漢語拼音序列表和簡體漢語拼音序列表。

上述步驟4)中，包含根據當前使用情況，選取對應的拼音序列表，并據以查找分詞的拼音。

上述步驟5)之后還包括步驟6)判斷分詞序列中的所有分詞的拼音是否已全部標注，若是，則完成拼音標注，若否，則返回步驟3)。

本發明還提供一種拼音標注系統，其特殊之處在于：該系統包含：數據庫，用于儲存分詞數據；分詞拼音建立單元，根據分詞數據，建立對應的拼音序列表，并存入數據庫中；字符串接收單元，用來接收字符串；字符串處理單元，根據分詞數據，將字符串進行分詞處理，并據以產生分詞序列；分詞拼音查詢單元，根據拼音序列表，查詢分詞序列中的每個分詞的拼音，并產生查詢結果；拼音標注單元，根據查詢結果，標注分詞序列中的每個分詞的拼音，并產生標注結果；輸出單元，用來輸出標注結果，所述字符串接收單元接入字符串處理單元，所述字符串處理單元接入分詞拼音查詢單元，所述分詞拼音查詢單元通過拼音標注單元接入輸出單元，所述分詞拼音建立單元和數據庫連接，所述數據庫分別與字符串接收單元和分詞拼音查詢單元連接。

上述分詞拼音建立單元中，根據使用情況，分別建立分詞對應的多個拼音序列表。

上述分詞拼音查詢系統中，根據當前使用情況，選取對應的拼音序列表，并據以查詢分詞序列中的每個分詞的拼音。

上述拼音序列表為繁體漢語拼音序列表和簡體漢語拼音序列表。

本發明提供的拼音標注方法及其系統，通過分詞標注方式，提高了拼音標注的正確性。

附圖說明

圖1為本發明拼音標注方法的流程圖；

圖2為本發明拼音標注系統的示意圖；

圖3為本發明拼音標注方法及其系統的實施例示意圖。

其中，2-拼音標注系統，21-數據庫，211-分詞數據，212-拼音序列表，22-分詞拼音建立單元，23-字符串接收單元，24-字符串處理單元，25-分詞拼音查詢單元，26-拼音標注單元，27-輸出單元；

具體實施方式