摘要：在充分研究漢字特征的基礎(chǔ)上，遵照國家鍵盤漢字輸入通用標(biāo)準(zhǔn)，開發(fā)了一種新的漢字編碼輸入法——音形碼。該輸入法采用漢字讀音、偏旁部首讀音、筆劃讀音及聲調(diào)進(jìn)行編碼，拆字順序完全符合漢字書寫規(guī)則，克服了五筆輸入法字難拆的不足，重碼率大大低于拼音輸入法。通過自建的基于VFP漢字輸入法評(píng)測系統(tǒng)測試，結(jié)果表明，該輸入法符合GB/T18031和GB/T19246提出的系統(tǒng)性能指標(biāo)，具有簡單易學(xué)、規(guī)范性強(qiáng)、重碼率低、易推廣的特點(diǎn)。

關(guān)鍵詞：漢字編碼輸入法；音形碼；編碼規(guī)則；重碼率；漢字輸入法評(píng)測系統(tǒng)

0 引言

在當(dāng)今信息化時(shí)代，漢字輸入的方式越來越多，但漢字鍵盤輸入仍然是主流。象形文字——漢字與拼音文字相比，難讀、難記、難寫，這些問題給計(jì)算機(jī)漢字輸入帶來了相當(dāng)?shù)牟槐?，特別是對輸入速度影響很大。幾十年來，專家學(xué)者為此進(jìn)行了深入持久的研究，并推出了拼音和五筆字型兩大系列漢字輸入法。但在實(shí)際使用中，上述兩類輸入方法都存在著一定程度的缺陷。如拼音輸入法，采用拼音編碼，因漢字同音字眾多，嚴(yán)重影響輸入速度；而五筆字型采用漢字結(jié)構(gòu)分解編碼，因漢字結(jié)構(gòu)的復(fù)雜性，分解的規(guī)律不易掌握，一個(gè)不熟悉的字往往要拆上半天，復(fù)雜難記的字根更是令初學(xué)者望而卻步。因此，如何進(jìn)一步簡化方法，提高漢字鍵盤輸入速度，降低學(xué)習(xí)和掌握的難度，是中文信息技術(shù)面臨的長期而復(fù)雜的任務(wù)。

本課題組在充分研究漢字特征的基礎(chǔ)上，遵照國家漢字鍵盤輸入通用標(biāo)準(zhǔn)，開發(fā)了一種新的漢字編碼輸入法——音形碼。該輸入法是一種以拼音為主，音形結(jié)合的漢字編碼輸入法，編碼由漢字的讀音代碼、偏旁部首讀音代碼、筆劃讀音及聲調(diào)代碼組成，對不成字部首賦予一定的讀音，如：一(橫)、I(豎)、乙(折)等。使用時(shí)，依次輸入漢字的讀音、部首、筆畫等代碼，非常好記。與此同時(shí)，為了研究和優(yōu)化新的音形碼方案，我們設(shè)計(jì)了一個(gè)基于VFP的漢字輸入法研究平臺(tái)，可以對音形碼也可以對其他各種類型的漢字輸入法進(jìn)行評(píng)測和研究。實(shí)測表明，新的音形碼具有較低的重碼率和較高的輸入效率，極具推廣價(jià)值。

1 漢字編碼輸入法的基本要求

漢字編碼輸入法一般采用漢字的音或形來組織編碼，編碼過程必須遵守國家有關(guān)漢字鍵盤輸入規(guī)范要求及國家漢字相關(guān)規(guī)定，才能研制出具有實(shí)際使用價(jià)值的漢字輸入法產(chǎn)品。

1.1 鍵盤漢字輸入的國家標(biāo)準(zhǔn)

國家質(zhì)量技術(shù)監(jiān)督局發(fā)布的國家標(biāo)準(zhǔn)：GB/T18031《信息技術(shù)數(shù)字鍵盤漢字輸入通用要求》和GB/T19246《信息技術(shù)通用鍵盤漢字輸入通用要求》都對鍵盤漢字輸入進(jìn)行了規(guī)范。在這兩個(gè)標(biāo)準(zhǔn)中，對漢字輸入的鍵位設(shè)定、所采用的編碼字符集、應(yīng)遵循的編碼規(guī)范、平均碼長、重碼字詞鍵選率等作了具體規(guī)定，并對五種基本筆畫和漢語拼音符號(hào)的鍵位作了規(guī)定。GB/T19246規(guī)定A～z 26個(gè)字母鍵輸入漢字和詞語的特征編碼信息，0～9十個(gè)數(shù)字鍵，則用來輸入阿拉伯?dāng)?shù)字以及漢字和詞語的特征編碼信息的輔助信息，包括漢語聲調(diào)、重碼字選擇等。

GBFFl8031和GB/T19246提到的系統(tǒng)性能指標(biāo)有三個(gè)：易學(xué)性、漢字輸入平均碼長和重碼字詞鍵選率，并且規(guī)定國家標(biāo)準(zhǔn)給出的指標(biāo)是應(yīng)達(dá)到的最低要求。

易學(xué)性“學(xué)會(huì)使用漢字編碼輸入系統(tǒng)的時(shí)間應(yīng)盡量短，并應(yīng)符合使用漢語作為母語的使用者的思維習(xí)慣”。GB/T18031對數(shù)字編碼更進(jìn)一步提出要求：“做到上手能用”。

漢字輸入平均碼長漢字輸入平均碼長的定義：在輸入給定的測試樣本時(shí)，測得的輸入每個(gè)漢字的平均擊鍵次數(shù)。不同類型編碼提出不同要求：漢語拼音、筆畫為主的簡易編碼平均碼長＜3.2鍵，字；形碼(部件碼)、音形碼(形音碼)、雙拼平均碼長＜2.2鍵／字。

重碼字詞鍵選率重碼字詞鍵選率的定義：在輸入給定測試樣本過程中，通過重碼選擇鍵確認(rèn)的漢字字?jǐn)?shù)與測試樣本總字?jǐn)?shù)的百分比。重碼字詞鍵選率要求：漢語拼音、筆畫為主的簡易編碼＜6％；形碼(部件碼)、音形碼(形音碼)、雙拼＜1.5％(GB/T19246)；逐字字段筆畫、部件碼輸入＜8％，字、詞混合筆畫、部件碼輸入＜10％(GB/T 18031)。

在部件規(guī)范方面，規(guī)范GF3001對GB 13000.1的20902個(gè)漢字進(jìn)行逐個(gè)拆分、歸納與統(tǒng)計(jì)后給出了560個(gè)基礎(chǔ)部件。規(guī)范GF3001還規(guī)定：基礎(chǔ)部件也稱末級(jí)部件，是最小的不可拆分的部件；基礎(chǔ)部件可以組合成成字部件使用，但不得組合成非字部件；字拆分為部件時(shí)，應(yīng)遵循“相離、相接可拆；交重不拆(可拆成筆畫)”的原則。

在筆順規(guī)范方面，規(guī)范GF3002明確了漢字的基本筆形是五種，按照次序分別為一(橫)、丨(豎)、丿(撇)、丶(點(diǎn))、乛(折)，分別用符號(hào)1、2、3、4、5表示。規(guī)范GF3002還給出了GBl3000.1的20902字的規(guī)范筆順。另外，詞庫的規(guī)范化同樣是很必要的。目前的詞庫普遍存在著質(zhì)量差、詞庫大小不一的問題。在研制詞庫的工作中有一個(gè)誤區(qū)，似乎詞庫越大越好，其實(shí)并非如此。詞庫太小固然不能滿足用戶需要，但太大就會(huì)增加詞的重碼率，犧牲了適應(yīng)性。我們認(rèn)為，理想的詞庫應(yīng)該是通用詞庫加專業(yè)詞庫和個(gè)人詞庫。

1.2 漢字書寫筆順規(guī)則

A、基本規(guī)則

(1)先橫后豎：十(一、丨)

(2)先撇后捺：人(丿、丶)

(3)從上到下：章(音、十)

(4)從左到右：明(日、月)

(5)先外后里：閑(門、木)

(6)先外后里再封口：回(門、口、一)

(7)先中間后兩邊：小(亅、八)

B、補(bǔ)充規(guī)則

(1)點(diǎn)在上邊或左上，先寫點(diǎn)：主(丶、王)、為(丶、力、丶)

(2)點(diǎn)在右上或字里，后寫點(diǎn)：發(fā)(乚、丿、又、丶)、我(丿、扌、L、丶)

(3)兩面包圍結(jié)構(gòu)的字。上右和上左包圍結(jié)構(gòu)，先外后里：司(乙、司)廳(廠、廳)；左下包圍結(jié)構(gòu)，先里后外：這(文、辶)、邊(力、辶)。

(4)三面包圍結(jié)構(gòu)的字。缺口朝上的，先里后外：山(丨、乙)；缺口朝下的，先外后里：同(冂、一、口)；缺口朝右的，先上后里再左下：區(qū)(一、丿、丶、乚)

2 新的音形碼方案設(shè)計(jì)

在日常使用漢字中，我們發(fā)現(xiàn)單字及雙字占絕大多數(shù)，因此解決單字與雙字詞編碼也就抓住漢字編碼的關(guān)鍵。本課題組提出的音形碼編碼方案，是采用漢字讀音、偏旁部首讀音、筆劃讀音及聲調(diào)來進(jìn)行編碼，也就是采用字詞及其結(jié)構(gòu)的讀音來編碼，這樣的處理使得編碼十分容易掌握，無須死背字根，一看到字詞就知道其編碼。

2.1 單漢字編碼規(guī)則

單個(gè)漢字編碼最多可以有六碼組成。它是根據(jù)單漢字的音和形來確定的。這樣做的目的，是為評(píng)測系統(tǒng)優(yōu)選出最佳碼搭配做準(zhǔn)備。我們設(shè)計(jì)的單字音形碼規(guī)則如下：

第一碼：為該單字的發(fā)音的漢語拼音首字母。如“漢”即為“H”.“字”即為“z”，若漢字發(fā)音的首字母為翹舌音(ZH、CH、SH)則分別用V、I、U表示。

第二碼：為該單字可發(fā)音的前結(jié)構(gòu)漢語拼音首字母。前結(jié)構(gòu)是指漢字中，左中右結(jié)構(gòu)中的最小左結(jié)構(gòu)；上中下結(jié)構(gòu)中的最小上結(jié)構(gòu)；里中外結(jié)構(gòu)中的最小外結(jié)構(gòu)；半包圍結(jié)構(gòu)中的左結(jié)構(gòu)。它們都是漢字書寫筆順中的前結(jié)構(gòu)。若發(fā)音的首字母為翹舌音CH、SH、ZH，分別用C、S、Z表示；若前結(jié)構(gòu)無法發(fā)音，則用“※”號(hào)表示。如：“難”的前結(jié)構(gòu)為“又”，用“Y”來表示；“嵐”字的前結(jié)構(gòu)為“山”，用“s”來表示；“國”的前結(jié)構(gòu)為“口”，用“K”來表示；“運(yùn)”的前結(jié)構(gòu)為“辶”，用“Z”來表示(“走”字邊旁的“走”字漢語拼音發(fā)音首字母)；“包”的前結(jié)構(gòu)無發(fā)發(fā)音，則用“※”來表示。取碼規(guī)則：有部首的打部首的讀音代碼，有偏旁的打偏旁的讀音代碼，無偏旁的打筆畫的讀音代碼。取大為先，兼顧直觀，可連不交。

第三碼：為該單字的首筆發(fā)音?！耙?、丨、丿、乀、乚”分別按其漢字讀法，橫“heng”、豎“shu”、撇“pie”、捺“na”、點(diǎn)“dian”、折“zhe”的發(fā)音首字母H、s、P、N、D、z表示。對于象乛乚乙乁乚等各種轉(zhuǎn)彎、轉(zhuǎn)折的首筆劃全部用“折”(z)來表示。

第四碼：該單字可發(fā)音的后結(jié)構(gòu)的漢字拼音首字母。后結(jié)構(gòu)是指漢字中，左中右結(jié)構(gòu)中的最大右結(jié)構(gòu)；上中下結(jié)構(gòu)中的最大下結(jié)構(gòu)；里中外結(jié)構(gòu)中的最大里結(jié)構(gòu)；半包圍結(jié)構(gòu)中的最大上結(jié)構(gòu)。它們都是漢字書寫筆順中的后結(jié)構(gòu)。若發(fā)音的首字母為翹舌音CH、SH、ZH，則分別用c、z、H表示，其他規(guī)則同前結(jié)構(gòu)。

第五碼：該單字的末筆發(fā)音。

第六碼：該單字的聲調(diào)。按漢字的讀法.分為：陰平、陽平、上聲、去聲四種聲調(diào)，在輸入時(shí)分別用1、2、3、4表示。

如果單個(gè)漢字，如“長”、“亞”、“丫”等無法拆分的，可以將該字整個(gè)看成前結(jié)構(gòu)，第二碼用該字的首發(fā)音字母，第三碼為該單字的首筆發(fā)音，第四、第五碼均用“※”號(hào)表示。單漢字編碼規(guī)則舉例如下：

注：單字最終編碼由輸入法評(píng)測系統(tǒng)決定，包括編碼個(gè)數(shù)與選用的碼位。

2.2 雙字詞編碼規(guī)則

雙字詞在漢語中所占的份額最多，雙字詞編碼是否合理決定了一種輸入法的優(yōu)劣程度。本音形碼對雙字詞編碼也是根據(jù)漢字的音和形來確定的。我們采用五碼輸入法，每一碼由字或結(jié)構(gòu)的發(fā)音首字母決定，其中漢語中的翹舌音ZH、CH、SH分別用在漢語拼音聲母中不發(fā)音的v、I、u三個(gè)代碼代替。雙字詞音形碼取碼規(guī)則如下：

第一碼：雙字詞中首字發(fā)音的漢語拼音首字母。

第二碼：雙字詞中尾字發(fā)音的漢語拼音首字母。

第三碼：雙字詞中首字的最大前結(jié)構(gòu)發(fā)音字母。

第四碼：雙字詞中尾字的最大前結(jié)構(gòu)發(fā)音字母。

第五碼：為識(shí)別碼，取雙字詞中尾字的最大后結(jié)構(gòu)的可發(fā)音首字母。若發(fā)音的首字母為翹舌音CH、SH、ZH，則分別用c、z、H表示。如果雙字詞編碼重碼較高，可以考慮增加雙字詞中首字的最大后結(jié)構(gòu)參與編碼。雙字詞編碼舉例如下：

3 漢字輸入法評(píng)測系統(tǒng)的設(shè)計(jì)

漢字輸入系統(tǒng)的設(shè)計(jì)過程本身就是一個(gè)不斷修改和完善的過程，在這個(gè)過程中，對漢字輸入法性能的評(píng)測貫穿其中，評(píng)測的結(jié)果可以為漢字編碼方案、輸入方式選擇等各個(gè)關(guān)鍵步驟提供指導(dǎo)，最終給出對新音形碼方案的科學(xué)評(píng)價(jià)。作為一個(gè)輸入法研究平臺(tái)，它也可以對其他方式的漢字編碼輸入法提供開發(fā)環(huán)境和評(píng)價(jià)手段，具有普遍適用意義。

3.1 開發(fā)環(huán)境——Visual Foxpro 9.0

Visual FoxPro是Microsoft公司開發(fā)的一個(gè)功能強(qiáng)大的數(shù)據(jù)庫管理系統(tǒng)。Visual FoxPro是面向?qū)ο蟮年P(guān)系型數(shù)據(jù)庫管理系統(tǒng)，可以創(chuàng)建從桌面到網(wǎng)絡(luò)的數(shù)據(jù)庫解決方案。Visu-al FoxPro提供了功能強(qiáng)大的數(shù)據(jù)處理能力，擁有最高效率的應(yīng)用程序快速開發(fā)工具，并且有足夠的可伸縮性來根據(jù)需要建立所有類型的數(shù)據(jù)庫解決方案。

輸入法評(píng)測系統(tǒng)管理的主要數(shù)據(jù)是被評(píng)測漢字輸入法的字詞碼表及評(píng)測用文本等，數(shù)據(jù)量并不很大，記錄條數(shù)最多也不過幾萬條，數(shù)據(jù)表之間的關(guān)系也比較簡單。因此，本課題組采用簡單、易用、直觀的數(shù)據(jù)管理系統(tǒng)Visual Foxpro對系統(tǒng)的數(shù)據(jù)進(jìn)行管理是足夠的。

在VFP9.0中，我們建立了2個(gè)漢字詞編碼基本表一單叔字編碼表和雙字詞編碼表。單漢字編碼庫字符集包含所有GB13000.1中的20902個(gè)漢字；雙字詞編碼庫詞條取自《現(xiàn)代漢英詞典》中常用的3萬多條雙字詞語。

3.2 輸入法評(píng)測系統(tǒng)的功能

輸入法評(píng)測系統(tǒng)是對漢字輸入系統(tǒng)設(shè)計(jì)開發(fā)的各個(gè)環(huán)節(jié)提供評(píng)測服務(wù)。它不僅能夠?qū)σ宰?、詞輸入為主的鍵盤編碼輸入法進(jìn)行評(píng)測，而且可供輸入法開發(fā)人員對編碼方案和輸入方案進(jìn)行自我評(píng)測，還可供有關(guān)評(píng)委對漢字輸入系統(tǒng)進(jìn)行評(píng)測。輸入法評(píng)測系統(tǒng)主要分為輸入、查詢、修改和統(tǒng)計(jì)四個(gè)部分。

輸入模塊 輸入模塊是輸入法評(píng)測系統(tǒng)的基本功能模塊，其作用是將字、詞及其編碼和各個(gè)碼位輸入到數(shù)據(jù)庫的相應(yīng)表中，也可以添加新的字、詞。在VFP9.0中，我們自定義了一個(gè)字、詞的輸入界面，以方便輸入。

查詢模塊查詢模塊可以查詢字、詞以及它們的編碼和各個(gè)碼位。查詢可分為字、詞查詢和編碼查詢。在VFP9.0中，創(chuàng)建了一個(gè)查詢窗口，包括字、詞查詢和編碼查詢。其中字、詞查詢是在字詞名框中輸入所要查詢的字、詞，點(diǎn)擊查詢按鈕，即可在窗口中顯示要查詢的字、詞的編碼情況。編碼查詢是在編碼框中輸入編碼，點(diǎn)擊查詢按鈕，即可在列表中顯示所要查詢編碼的相關(guān)信息。因編碼會(huì)有重復(fù)，所以通常在列表中會(huì)顯示多條紀(jì)錄。

修改模塊修改模塊的功能是修改字、詞的編碼錯(cuò)誤，或者是因編碼規(guī)則調(diào)整而對原編碼進(jìn)行相應(yīng)調(diào)整。在VFPg.0中，修改界面與輸入界面相似，只是多了一個(gè)修改按鈕。修改時(shí)，先要填入字、詞進(jìn)行簡單查詢，然后對顯示的字、詞的代碼以及碼位進(jìn)行修改，然后點(diǎn)擊修改按鈕，把改好的記錄插入到字、詞數(shù)據(jù)表中。

統(tǒng)計(jì)模塊統(tǒng)計(jì)功能模塊是輸入法評(píng)測系統(tǒng)中最重要的一個(gè)模塊，其主要功能是統(tǒng)計(jì)碼位的分布與重碼率。執(zhí)行統(tǒng)計(jì)時(shí)，有三個(gè)可選項(xiàng)：輸入碼選擇、重碼數(shù)統(tǒng)計(jì)方式、按首碼精確統(tǒng)計(jì)。下面分別說明。

輸入碼選擇：單字編碼有六位，雙字詞有五位，理論上可以任選碼數(shù)和碼位。如果只取一碼，我們稱之為一碼輸入法(只有一個(gè)輸入碼的輸入法)。同理還有二碼輸入法、三碼輸入法、四碼輸入法、五碼輸入法、六碼輸入法。一至三碼輸入法，由于重碼太多，沒實(shí)際意義。四碼輸入法和五碼輸入法，是我們研究的重點(diǎn)。

重碼數(shù)統(tǒng)計(jì)方式：我們設(shè)置了五個(gè)選項(xiàng)，分別為：無重碼(一碼一個(gè)字詞)、一碼兩個(gè)字詞(兩個(gè)字詞同一個(gè)輸入碼)、一碼三個(gè)字詞、一碼四個(gè)字詞、一碼四個(gè)以上字詞。

按首碼精確統(tǒng)計(jì)：設(shè)置該選項(xiàng)的目的，是為了均衡編碼的分布。該選項(xiàng)中共有二十六個(gè)可選項(xiàng)(即漢字發(fā)音的二十六個(gè)聲母)。若選擇了前兩項(xiàng)，再選擇首碼的某個(gè)聲母，然后按統(tǒng)計(jì)按鈕，得到重碼數(shù)并在表格中顯示字詞重碼的詳細(xì)信息。有了這些詳細(xì)的重碼信息，我們可以對編碼規(guī)則進(jìn)行適當(dāng)調(diào)整，從而達(dá)到減少重碼甚至無重碼的目的。

3.3 評(píng)測結(jié)果

在音形碼研究過程中，測試貫穿于其中。根據(jù)測試結(jié)果反復(fù)調(diào)整編碼規(guī)則，力求達(dá)到編碼的簡易性與輸入的高效性的有機(jī)統(tǒng)一。下面概括說明一下應(yīng)用本輸入法評(píng)測系統(tǒng)對新的音形碼測試的結(jié)果：一字三碼及以下重碼嚴(yán)重，無實(shí)際意義；一字四碼，重碼率還比較高，可以進(jìn)一步優(yōu)化編碼規(guī)則，重碼還可下降；一字五碼，重碼率＜10％，符合國標(biāo)GB/T18031，具備開發(fā)價(jià)值。雙字詞的情況也類似，五碼輸入法達(dá)到國標(biāo)要求。對樣文進(jìn)行測試，輸入單字，擊鍵數(shù)5，輸入雙字詞也是5，但輸入時(shí)雙詞遠(yuǎn)多于單字，所以平均擊鍵數(shù)不會(huì)超過3鍵，字，實(shí)測為2.8鍵／字，基本符合GB/T18031和GB/T19246對漢字輸入平均碼長的要求。

分析表明，編碼中占重要地位的部首、偏旁讀音首字母的分布不均勻是造成重碼的主要原因，要解決這個(gè)問題，需要對編碼規(guī)則作進(jìn)一步的研究。另外，如果把單字表和雙字詞表合起來進(jìn)行重碼測試，則重碼率＞10％，再把多字詞編碼加進(jìn)去的話，重碼還要上升，所以，如何細(xì)化編碼規(guī)則，將是今后研究的重點(diǎn)。

4 結(jié)束語

本課題組對新的音形碼進(jìn)行了一年多的研究，取得了初步的成果，接下來我們還將繼續(xù)研究，最終推出新的輸入法產(chǎn)品。我們開發(fā)的輸入法評(píng)測系統(tǒng)是一個(gè)實(shí)用漢字輸入法評(píng)測平臺(tái)，可以幫助輸入法設(shè)計(jì)人員對編碼方案和輸入法產(chǎn)品進(jìn)行客觀的自我評(píng)價(jià)，并且根據(jù)評(píng)價(jià)的結(jié)果進(jìn)行技術(shù)改進(jìn)，可推動(dòng)編碼輸入法技術(shù)的不斷提高和發(fā)展。