专利名称：拼音标注方法及其系统的制作方法
技术领域：
本发明涉及一种拼音标注方法及其系统，尤其是一种以分词标注方式，提高拼音 标注正确性的方法及其系统。
背景技术：
随着社会的发展，商业的交流，中文已经成为新的语言学习重点。而中文学习的 过程中，拼音为最重要的学习手段之一，几乎所有的中文学习数据，都会标注中文对应的拼
曰°然而，由于中文的复杂性与多样性，例如多音字、多音字、变音字和一些不同地域 的惯用法，使得标注正确的拼音成为一个困难问题。有些时候，即使字面上看来完全相同的名词，也会因为不同地域的不同惯用法，而 造成读音上有所差异。请参考表1，表1中列举出两个相同名词不同读音的范例。例如“企 业”，台湾地区惯用的读音为“qi4ye4”，而中国大陆惯用的读音则为“qi3ye4”。又例如“夕 阳”，台湾地区惯用的读音为“xi4yang2”，而中国大陆惯用的读音则为“xilyang2”。类似上 述相同名词不同读音的情形可以说是多不胜数，而且，并无法从中归纳通用的规则或规律。 此种相同名词却有不同读音的情形，使得拼音标注问题更加地困难。表1相同名词不同读音的范例 为解决上述问题，先前方法中常以单字为单元进行标注，并添加一些辅助校对机 制进行二次处理，以达到汉语拼音的校对。而目前对于多音字、多音字和变音字的处理，大 多采用单字添加拼音序列的方法，通过提供多组拼音，以解决一字多音的问题。但是由于此 方法所需数据量十分庞大，以及语言本身具有很高的灵活性，并没有通用的规则或规律，使 得这种方法仍有很大的局限性。而且，由于先前方法只以单字为处理单位，并未将相同名词 不同读音的状况纳入考虑，无法有效的解决拼音标注正确性的问题。
发明内容
本发明为解决背景技术中存在的上述技术问题，而提出一种拼音标注方法及其系 统。本发明的技术解决方案是本发明为一种拼音标注方法，其特殊之处在于该方法 包含下列步骤1)建立分词数据对应的拼音序列表；2)根据分词数据，将字符串进行分词处理，并产生分词序列；3)由该分词序列中取出分词；
3
4)根据拼音序列表，查询分词的拼音；5)标注分词的拼音。上述步骤1)中，根据使用情况，分别建立分词数据对应的多个拼音序列表。上述拼音序列表为繁体汉语拼音序列表和简体汉语拼音序列表。上述步骤4)中，包含根据当前使用情况，选取对应的拼音序列表，并据以查找分 词的拼音。上述步骤5)之后还包括步骤6)判断分词序列中的所有分词的拼音是否已全部标 注，若是，则完成拼音标注，若否，则返回步骤3)。本发明还提供一种拼音标注系统，其特殊之处在于该系统包含数据库，用于储 存分词数据；分词拼音建立单元，根据分词数据，建立对应的拼音序列表，并存入数据库中； 字符串接收单元，用来接收字符串；字符串处理单元，根据分词数据，将字符串进行分词处 理，并据以产生分词序列；分词拼音查询单元，根据拼音序列表，查询分词序列中的每个分 词的拼音，并产生查询结果；拼音标注单元，根据查询结果，标注分词序列中的每个分词的 拼音，并产生标注结果；输出单元，用来输出标注结果，所述字符串接收单元接入字符串处 理单元，所述字符串处理单元接入分词拼音查询单元，所述分词拼音查询单元通过拼音标 注单元接入输出单元，所述分词拼音建立单元和数据库连接，所述数据库分别与字符串接 收单元和分词拼音查询单元连接。上述分词拼音建立单元中，根据使用情况，分别建立分词对应的多个拼音序列表。上述分词拼音查询系统中，根据当前使用情况，选取对应的拼音序列表，并据以查 询分词序列中的每个分词的拼音。上述拼音序列表为繁体汉语拼音序列表和简体汉语拼音序列表。本发明提供的拼音标注方法及其系统，通过分词标注方式，提高了拼音标注的正 确性。
图1为本发明拼音标注方法的流程图；图2为本发明拼音标注系统的示意图；图3为本发明拼音标注方法及其系统的实施例示意图。其中，2-拼音标注系统，21-数据库，211-分词数据，212-拼音序列表，22-分词拼 音建立单元，23-字符串接收单元，24-字符串处理单元，25-分词拼音查询单元，26-拼音标 注单元，27-输出单元；
具体实施例方式参见图1，在步骤SlOl中，建立分词数据对应的拼音序列表，并可根据不同使用情 况，分别建立多个拼音序列表。在步骤S102中，根据分词数据，将字符串进行分词处理，并 产生分词序列。在步骤S103中，由分词序列中取出分词。此时，可进行步骤S104，根据当前 使用情况，选择对应的拼音序列表。接着在步骤S105中，根据拼音序列表查询分词的拼音。 在步骤S106中，标注分词的拼音。在步骤S107中，若所有分词的拼音已全部标注，则进行 步骤S108完成拼音标注；若尚未全部标注，则进行步骤S103继续取出分词进行拼音标注。
4
参见图3此实施例的当前使用环境为简体中文，且欲进行标注的字符串为“我要 买冰咖啡。还想买一瓶牛奶和两个面包。你呢？”，图中表示出字符串拼音标注完成的一种 可能表示方式。以下将以图3为例，说明本发明的拼音标注方法。首先，在步骤SlOl中，依照使用情况，可建立分词数据对应的繁体中文的拼音序 列表和简体中文的拼音序列表。在步骤S102中，根据分词数据，将字符串“我要买冰咖啡。还想买一瓶牛奶和两个 面包。你呢？”进行分词处理，并产生分词序列，且其中包含有下列分词“我”、“要”、“买”、 “冰咖啡”、“还”、“想”、“买”、“一瓶”、“牛奶”、“和”、“两个”、“面包”、“你”和“呢”。在步骤S103中，由分词序列中取出分词，首先被取出的分词为“我”。在步骤S104中，由于当前使用环境为简体中文，因此选择以简体中文的拼音序列 表，用来进行后续的步骤。在步骤S105中，根据简体中文的拼音序列表，查询分词“我”的拼音。在步骤S106中，标注“我”的拼音。在步骤S107中，由于分词序列中仍有分词尚未被标注，继续进行步骤S103，将下 一分词“要”取出依照上述步骤进行拼音标注。接着，依序将分词序列中的分词，分别进行步骤S104-S107的步骤，直到所有分词 均已完成拼音标注，即进行步骤S108，完成字符串的拼音标注。图3即呈现出字符串完成拼 音标注的画面。参见图2，其拼音标注系统2可包含有数据库21、分词拼音建立单元22、字符串 接收单元23、字符串处理单元24、分词拼音查询单元25、拼音标注单元26以及输出单元 27。数据库21可用于储存分词数据211。分词拼音建立单元22可根据分词数据211，建立 对应的拼音序列表212，并存入数据库21中；分词拼音建立单元22可更进一步根据多种使 用情况，分别建立对应的多个拼音序列表212以供使用。字符串接收单元23用来接收字符 串。字符串处理单元24可根据分词数据211，将字符串进行分词处理，并产生分词序列。分 词拼音查询单元25可根据拼音序列表212，查询分词序列中的每一分词的拼音，并产生查 询结果；分词拼音查询单元25可更进一步根据当前使用情况，选取对应的拼音序列表212 以进行查询。拼音标注单元26可根据查询结果，标注分词序列中的每一分词的拼音，并产 生标注结果。输出单元27可用来输出标注结果。参见图3，以下说明本发明的拼音标注系统。首先，分词拼音建立单元22，根据数据库21中所储存的分词数据21，依照后续可 能的使用状况，预先建立所有分词对应的拼音序列表212，其中可能包含有繁体中文的拼音 序列表212和简体中文的拼音序列表212，并将其存入数据库21中。字符串接收单元23接收字符串“我要买冰咖啡。还想买一瓶牛奶和两个面包。你 呢？”。此时，字符串处理单元24则将接收到的字符串进行分词处理，并产生分词序列，且分 词序列中包含有下列分词“我，，、“要，，、“买，，、“冰咖啡”、“还，，、“想，，、“买，，、“一瓶，，、“牛奶”、 “和”、“两个”、“面包”、“你”和“呢”。接着，分词拼音查询单元25根据当前使用状况，选择简体中文的拼音序列表212， 并据以查询分词序列中的每一分词的拼音，并产生查询结果。拼音标注单元26则根据查询结果，标注分词序列中的每一分词的拼音，并产生标
5注结果。最后，输出单元27将标注结果输出。图3即呈现出字符串完成拼音标注的画面.
权利要求
一种拼音标注方法，其特征在于该方法包含下列步骤1)建立分词数据对应的拼音序列表；2)根据分词数据，将字符串进行分词处理，并产生分词序列；3)由该分词序列中取出分词；4)根据拼音序列表，查询分词的拼音；5)标注分词的拼音。
2.根据权利要求1所述的拼音标注方法，其特征在于所述步骤1)中，根据使用情况， 分别建立分词数据对应的多个拼音序列表。
3.根据权利要求2中任一项所述的拼音标注方法，其特征在于所述拼音序列表为繁 体汉语拼音序列表和简体汉语拼音序列表。
4.根据权利要求3所述的拼音标注方法，其特征在于所述步骤4)中，包含根据当前 使用情况，选取对应的拼音序列表，并据以查找分词的拼音。
5.根据权利要求1至4任一权利要求所述的拼音标注方法，其特征在于所述步骤5) 之后还包括步骤6)判断分词序列中的所有分词的拼音是否已全部标注，若是，则完成拼音 标注，若否，则返回步骤3)。
6.一种拼音标注系统，其特征在于该系统包含数据库，用于储存分词数据；分词拼 音建立单元，根据分词数据，建立对应的拼音序列表，并存入数据库中；字符串接收单元， 用来接收字符串；字符串处理单元，根据分词数据，将字符串进行分词处理，并据以产生分 词序列；分词拼音查询单元，根据拼音序列表，查询分词序列中的每个分词的拼音，并产生 查询结果；拼音标注单元，根据查询结果，标注分词序列中的每个分词的拼音，并产生标注 结果；输出单元，用来输出标注结果，所述字符串接收单元接入字符串处理单元，所述字符 串处理单元接入分词拼音查询单元，所述分词拼音查询单元通过拼音标注单元接入输出单 元，所述分词拼音建立单元和数据库连接，所述数据库分别与字符串接收单元和分词拼音 查询单元连接。
7.根据权利要求6所述的拼音标注系统，其特征在于所述分词拼音建立单元中，根据 使用情况，分别建立分词对应的多个拼音序列表。
8.根据权利要求6所述的拼音标注系统，其特征在于所述分词拼音查询系统中，根据 当前使用情况，选取对应的拼音序列表，并据以查询分词序列中的每个分词的拼音。
9.根据权利要求6或7或8所述的拼音标注系统，其特征在于所述拼音序列表为繁 体汉语拼音序列表和简体汉语拼音序列表。
全文摘要
本发明涉及一种拼音标注方法及其系统，该方法包含下列步骤1)建立分词数据对应的拼音序列表；2)根据分词数据，将字符串进行分词处理，并产生分词序列；3)由该分词序列中取出分词；4)根据拼音序列表，查询分词的拼音；5)标注分词的拼音。本发明通过分词标注方式，提高了拼音标注的正确性。
文档编号G06F17/27GK101894101SQ201010208608
公开日2010年11月24日 申请日期2010年6月24日 优先权日2010年6月24日
发明者巨雷, 郑建锋, 陈淮琰 申请人:无敌科技(西安)有限公司