Recommended
More Related Content
Featured
Featured (20)
粤拼序列自动切分算法的研究 [2006 8 18 肖镜辉]
- 1. 粤拼序列自动切分算法的 研究 肖镜辉 计算机科学与技术学院 哈尔滨工业大学
- 2. 主要内容 • 研究背景 • 粤拼体系 • 切分算法 • 实验和结论 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 2
- 3. 研究背景 • 语句级拼音输入法是当前主流输入法 • 主要优点：连续输入，不中断人的思维 • 连续输入？拼音层面连续=>语句层面连续 • 前提：拼音序列自动切分 • 目的：做语句级的粤拼汉语输入法 • 研究内容：粤拼自动切分 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 3
- 4. 主要内容 • 研究背景 • 粤拼体系 • 切分算法 • 实验和结论 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 4
- 5. 粤拼体系 • 粤拼体系是对粤拼规律的总结，是设计自 动切分算法的依据 • 香港语言学会（LSHK）1993年颁布 • 一个粤拼由三部分组成：声母（On sets）、韵腹（Nuclei）、韵尾（Codas） 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 5
- 6. 粤拼体系cont • 声母表 b p m f d T n l g K ng h gw kw j w z C s • 同简拼相比： – 少了zh、ch、sh – 多了ng、gw、kw 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 6
- 7. 粤拼体系cont • 韵腹表 aa i u e o a yu oe eo • 韵尾表 p t k m n ng i u 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 7
- 8. 粤拼体系cont • 鼻音表 m ng • 粤拼声调 1（fu1/夫） 2（fu2/虎） 3（fu3/副） 4（fu4/扶） 5（fu5/婦） 6（fu6/父） 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 8
- 9. 主要内容 • 研究背景 • 粤拼体系 • 切分算法 • 实验和结论 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 9
- 10. 切分算法 何时切分？ 如何切分？ 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 10
- 11. 切分算法cont • 如何切分？ – 思路：规则方法 – 做法： • 1.将组成粤拼的字符按照在粤拼中的位置进行分类 – LSHK的体系？ – No! LSHK从韵律学出发，不能直接用于切分算法， 但可以作为参考 • 2.从分类中总结规律，提取切分规则 • 3.应用规则到切分算法中 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 11
- 12. 切分算法cont • 将组成粤拼的字符按照在粤拼中的位置进行分类 – 仅可以在拼音首部出现的字符（Head character）：这部分字 符完全由声母构成，包括b、d、l、h、w、z、c、s、j、f。 – 既可以在拼音首部又可以在拼音尾部出现的字母（Head-end character）：这部分同样完全由声母构成，包括p、m、t、n、 g、k。其中‘g’在拼音尾部出现时，总是同‘n’以‘ng’的形式出现在 拼音尾部。 – 复合声母，是指有两个字符联合组成、履行声母职责拼音组成单 位。在粤语拼音中有三个复合声母，是ng、gw、kw。 – 可以单独成音的韵母（零声母现象），有以下几类：aa+x (‘x’表 示任意字符。例如：aa、aai、aak)，e+x(例如：e、ei)，m， ng，o+x(例如：oi)，nk，ung。 – 既可以在拼音尾部又可以在拼音中部出现的字母，包括i、u。 – 在粤语拼音中没有出现的字母，包括q、r、v、x。 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 12
- 13. 切分算法cont • 切分规则 – 当前字符是Head Character ，是切分的标志 ，-1处 切分 – 当前字符是Head-end Character，-1 or -2处切分 – 遇到‘ng’， -1, -2 or -3处切分 – 如果不是上述三种情况，则遇到了零声母，-1处切分 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 13
- 14. 主要内容 • 研究背景 • 粤拼体系 • 切分算法 • 实验和结论 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 14
- 15. 算法评价 • 理论评价 – 完备性：表示该算法是否可实际应用，是最基 本要求 • 封闭性：算法对拼音表中的任意多个拼音组成的字 符串都能够进行切分，并且切分的结果是一组在拼 音表中的拼音 • 自反性：对于拼音表中的某个拼音串，经过切分算 法之后，得到的结果应该是它本身——保证在拼音 输入的过程中任意一个拼音都能够完整输入 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 15
- 16. 算法评价 • 实际评价 – 指标：切分准确率 算法切分的正确的拼音数目 P= 语料中总的拼音数目 – 结果：95.47% 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 16
- 17. 结论 • 提出了一种粤拼序列的自动切分算法 • 给出评测的标准和实验结果 • 成功应用于产品 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 17
- 18. 谢谢！ 2006-8-23 2006- 哈尔滨工业大学 计算机科学与技术学院 18