Awesome

汉语拼音相关参考资料

此项目为我在开发 overtrue/pinyin 时所用到的参考的资料收集，旨在方便有同样需求的朋友。

汉字的多音字处理

以下内容摘自: 《汉语同音字和多音字处理方法研究》- 杨宪泽,谈文蓉,刘玉萍,张楠,殷锋

中文是象形文字,字数多,字形复杂。西文是拼音文字，英文只有 26 个字母，加上大写小写及数字符号，总数不超过 128 个，用七位二进制码就可表达。而中文字成千上万,要用十几位二进制码才能把它们区别开来, 这给存储乃至输入方式等都造成困难。

多音字判别方法中技术的关键是基于统计特征，特征提取使多音字正确判音有效。特征包含在特征词典中, 采用规则描述。共定义了以下特征:

词内左右邻接字

通式为: X<sub>i-1</sub> X<sub>i</sub> 和 X<sub>i</sub> X<sub>i+1</sub>。X<sub>i</sub> 是当前要判断读音的多音字，这是处理多音字在不同的词语中读不同的音的情况。例如 “人参” 与 “参加”、“银行” 与 “行程”、“重量” 与 “重复” 等等。
左右邻接词

通式为:W<sub>i-1</sub> X<sub>i</sub> 和 X<sub>i</sub>W<sub>i+1</sub> 。X 是当前要判断读音的多音字，W<sub>i-1</sub> 和 W<sub>i+1</sub> 是多音字的左右邻接词，这是处理多音字与不同的邻接词读不同的音的情况。例如“相当长”、“大队长”、“长方形” 等等。
当前词的词性

例如 “数” 作名词的读法和作动词的读法，“更” 作名词的读法和作副词的读法等等。
边界条件

该特征是有的字在句首、句末或不同位置读音不同，更多地体现在一些语气助词上面。例如 “了” 在句中和句末时读音往往不会相同。

参考资料

页面

统计分析与规范文档

需求设计

汉字转拼音 (hz2py)

网站

论文

《汉语同音字和多音字处理方法研究》- 杨宪泽,谈文蓉,刘玉萍,张楠,殷锋

开源项目

License

CC0 1.0 Universal