中文罗马字母拼写法及其在人机交互中的应用 .pdfVIP

摘要：中文罗马字拼写法可以把汉字译音为罗马化的拼音。它对于自然语言处理、文献工作、

语言教学是非常有用的，已经成为人机交互的重要工具。

关键词：中文罗马字母拼写法拼音文献工作汉字人机交互

一、计算机对汉字提出的挑战

我们正处于信息网络时代，在这个时代，信息和网络在人类生活中起着越来越大的作用。

语言文字是信息最重要的负荷体，信息网络时代的计算机需要处理负荷信息的语言文字，计

算机信息处理与语言文字有着密不可分的关系，然而，汉字难以满足计算机信息处理的需要，

仅有60多年历史的计算机向拥有6000多年历史的汉字发起了严峻的挑战。

汉字是一种意音图形文字（ideophonographiccharacter）。这种意音图形文字是一种图

形字符，用以表示事物或概念以及与之相关的语音，具有与仅仅表音的拉丁字母迥然不同的

特色。

汉字最显著的特色是字符繁多，是一个大字符集（bigscriptset）。

世界上的多数语言文字的字符所包含的字符数量都是很有限的。一些语言的字符集中所

包含的不同字符数如下所示：

语言字符集中包含的字符数

拉丁语26个

斯拉夫语33个

亚美尼亚语38个

塔米尔语36个

缅甸语52个

泰语44个

老挝语27个

藏语33个

韩国语24个

日语48个

汉字的数目比这些语言的字符集中包含的字符多得多。下面是古代和现代汉语的词典中

包含的不同的汉字字符数：

作者词典（出版年代）词典中包含的不同的汉字字符数

许慎《说文解字》（公元100年）99，353个

顾野王《玉篇》（公元543年）16，917个

陈彭年《广韵》（公元1008年）26，194个

丁度《集韵》（公元1067年）53，525个

梅膺祚《字汇》（公元1615年）33，179个

陈廷敬《康熙字典》（公元1716年）47，043个

张其昀《中文大字典》（公元1971年）49，888个

徐中舒《汉语大字典》（公元1990年）54，678个

冷玉龙《中华字海》（公元1994年）85，000个

在《中华字海》中包含的汉字字符达到85，000个之多，不过，其中的一些字符或者没

有意义，或者没有读音，只能算是符号（symbol），而不能算真正的文字（script）。所以，

一般来说，汉字的字符数量大约有60，000多个。汉字是世界上最大的字符集。

汉字承载着6000多年历史的中华文化，它是光辉灿烂的中华文化之根，是中华民族的骄

傲。然而，由于汉字的字符数量庞大，难于满足机器处理的需要。

欧洲人雷明顿（remington）很早就发明了基于拉丁字符的打字机，显著地提高了文字工

作的效率。

这台打字机的主要部分是一个铅字字模盘，盘中可容纳大约2000个高频汉字的字模。这

2000个汉字对汉语言文学写作或学术研究当然不够用，所以约翰森还给这台中文打字机加了

一个补充字模盘，盘中包含一些不太常用的汉字字模，以备需要时可以检索使用。如图2所

示。

图2：中文打字机的补充字模盘

还有一个重要的问题是这两个字模盘中的汉字怎样排列。是按照汉字的部首来排列呢？

还是按照汉字的笔画数来排列？这两种排列方法都会导致在同一个排列号下包含若干个汉字，

显然是不可行的。

那么，是否可以按照每个汉字的出现频度来排列？可否按照每个汉字的电报码来排列？

这两种排列方法要求打字员有很好的记忆力，实现起来也很困难。

遗憾的是，约翰森当时没有想到根据汉字的读音来排列的方法，这样的方法简单易行，

使用方便，对用户友好。可是，这样的好方法被约翰森忽略了！

由于约翰森没有找到排列汉字的好方法，打字时要费心费力地在字模盘中寻找适合的汉

字，使得他心力交瘁，使用这样的中文打字机成为了一件极为艰苦的、不堪重负的工作。图

3是约翰森使用这台中文打字机工作时的照片。

图3：约翰森用中文打字机打字

图4是约翰森在中文打字机前休息时的照片，他已经累得疲惫不堪了。

图4：约翰森在打字时作短暂的休息

这些照片生动地说明了，使用中文打字机是一件多么艰