一种方言同音字汇自动生成系统

1.本发明涉及文字处理技术领域，具体涉及一种方言同音字汇自动生成系统。


背景技术：

2.中国是方言大国，每种方言都有自己独特的语音系统，整理每种方言的语音系统是方言调查的基本任务。方言同音字汇，简单来说就是一本按方言韵母、声母、声调查字的语文工具书。可以方便地供方言调查者进一步记录语音材料(例如，变调、儿化、轻声、音变等)，整理方言的词汇和语法，进行方言语音系统以及古今语音演变的研究；也可以供讲方言的人对照学习普通话；对其他方言区的人了解、学习该方言也有帮助。因此，研究方言的人非常看重“同音字汇”。但是“方言同音字汇”的制作相当困难，传统是采用做卡片的方式，做好一本同音字汇需要很长时间，稍有不慎，就会出现偏差，是一项费时费力的工作。可以说，“方言同音字汇”的制作，已成为制约加速方言调查工作的“瓶颈”。因此，基于计算语言学知识，通过计算机自动生成“方言同音字汇”是一项意义深远的任务。
3.随着科学研究的交叉融合渗透，相关领域研究人员开始利用计算机辅助方言的调查与研究，以减轻方言调查者的工作量。在“同音字汇”自动处理方面，相关研究工作主要有以下三个方面。
4.上海师范大学潘悟云利用visual foxpro开发了一个“汉语方言计算机处理系统”，在该系统的第四个功能“方言音系分析”中，可调入按一定格式建立的visual foxpro数据库字表，生成同音字表。但是用户在使用中必须严格采用该系统所规定的vfp数据库格式，否则即会出现运行错误，并且要求数据库中一定要有汉字、中古声母、中古韵母、中古声调等14个字段
1.。此外，该软件最终生成的同音字表虽然按韵、声、调的顺序对同音字进行了排序，但每一组同音字都有声、韵、调三个属性，离生成文本形式的同音字汇“竖排表”还有一定的距离。
5.广西民族大学海柳文
2.利用visual foxpro开发的“汉语方言民族语言语音材料处理软件”。在进行“同音字汇排序”时，该系统只能按英文字母的音序进行排序，因此影响了同音字汇生成的精度。
6.广西师范大学刘村汉
3.基于excel开发的“方言字音处理系统”，在生成同音字汇时，要进行复杂的公式运算，操作一不小心，就有可能出错。加大了对计算机不熟悉的方言调查者学习和操作的难度。
7.以上软件在同音字汇自动生成方面做出了有效的尝试，并且取得了一定的效果，但它们在用户可用性、用户体验以及准确率上仍然有待提升。


技术实现要素：

8.针对现有技术的不足，本发明旨在提供一种方言同音字汇自动生成系统。
9.为了实现上述目的，本发明采用如下技术方案：
10.一种方言同音字汇自动生成的系统，具体包括：
11.数据读入模块：用于从数据库中读入目标方言的字表及id、字目、声、韵、调五个字段的信息，自动分析出目标方言的声、韵、调系统；
12.排序模块：用于供用户对数据读入模块分析出的声、韵、调系统的排序依据进行设定，并根据用户设定的排序依据对声、韵、调系统进行排序，如果用户没有对排序依据进行设定，则采用默认的排序依据对声、韵、调系统进行排序；
13.同音字汇竖排表生成模块：用于对排序模块得到的排序结果，过滤掉相同的声、韵、调，即所有属于同一个韵母的字，韵母只表示一次；所有属于同一个声母的字，声母只表示一次；所有属于同一个声调的字，声调只表示一次，最终生成同音字汇竖排表。
14.进一步地，上述系统还包括有数据库，用于当用户没有自行建立 access或者excel数据库来存储字表时，供用户从文档中复制字表到所述数据库中。
15.进一步地，数据读入模块可与用户自行建立的access数据库挂接，并自动加载该数据库的字表和字段。
16.进一步地，数据读入模块可与用户建立的excel表挂接，自动加载字表和各个字段。
17.进一步地，所述默认的排序依据为：声母按发音部位排序，韵母按开口度排序，声调按平、上、去、入排序，韵母相同的，按声母排列，韵母和声母都相同的，再按声调排列。
18.进一步地，排序模块对声、韵、调系统进行排序的过程为：
19.依据韵、声、调的排序依据规定的韵、声、调优先级，得到韵、声、调的所有排列组合，按顺序对于每个韵、声、调的排列组合依次使用stryun[m]＝＝stryun_type[i]&&strsheng[m]＝＝ strsheng_type[i]&&strdiao[m]＝＝strdiao_type[k]检测字表中的每个字目m的声strsheng、韵stryun、调strdiao是否符合该条件，stryun_type[i]、strsheng_type[i]、strdiao_type[k]分别表示本次检测针对的韵、声、调排列组合中的韵、声、调，当某个字目均符合上述条件，则跳出本次检测并加入到结果集中。
[0020]
本发明的有益效果在于：本发明根据用户事先给定的韵、声、调排序依据和排序顺序，对已经录入的方言字表进行排序，排序技术采用对应韵、声、调与字表所有字目的一个四重循环，最终生成“同音字汇竖排表”，能很好的满足方言调查实用化的需求。
附图说明
[0021]
图1为本发明实施例的系统运行流程示意图；图2为本发明实施例的排序循环流程图。
具体实施方式
[0022]
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
[0023]
现有的同音字汇软件都是利用visual foxpro数据库或excel 进行排序，而visual foxpro数据库或者excel的排序主要是针对英文字母，由于国际音标的集合远远大于英文字母，且排列与英文字母不同，所以排序的时候会有很多困难。
[0024]
基于此，本实施例的方言同音字汇自动生成系统中，数据库只用于存储，从数据库
中读取所需要的数据信息后，所有运算都用程序进行，所采用的程序开发语言为c#和dephixe，数据库为 access(2003/2007)、excel(2003/2007)。采用c#和dephixe的一个重要原因是它们都支持unicode编码，因为常用的国际音标基本上是大字符集，大都是unicode编码的，例如“云龙国际音标”。采用access 与excel作为数据库的原因有三个：一是支持unicode编码；二是 access与excel作为microsoft office的系统程式，在windows系统上的安装非常容易，为大多数用户所熟悉；三是它们使用简单方便，可移植性非常强，小巧灵活，用来存储方言字表绰绰有余。
[0025]
如图1所示，本实施例的方言同音字汇自动生成的系统的运行流程大致如下：从数据库中读入目标方言的字表及“id(索引)、字目、声、韵、调”五个字段的信息
→
自动分析出该方言的“声、韵、调”系统
→
用户对自动分析出的“声、韵、调”排序
→
根据用户要求的“声、韵、调”顺序对字表进行排序，如用户没有指定顺序，将按默认的顺序排序
→
过滤掉相同的声、韵、调
→
生成同音字汇竖排表。
[0026]
更具体地，本实施例提供的一种方言同音字汇自动生成的系统，具体包括：
[0027]
数据读入模块：用于从数据库中读入目标方言的字表及id(索引)、字目、声、韵、调五个字段的信息，自动分析出目标方言的“声、韵、调”系统；
[0028]
后续分析所需要的数据有两个，一个是方言调查者在记音调查后得到的字表，这个字表用国际音标记录了每一个字目的“声”“韵”“调”三个属性。本实施例的数据读入模块提供了三种方式读入这些数据。
[0029]
第一种方式：本实施例系统还提供有数据库，当用户没有建立自己的access或者excel数据库来存储字表时，用户可以从word、txt 等文档中复制字表到本实施例系统提供的数据库中。
[0030]
第二种方式：如果用户的字表存储在自己建立的access数据库中，本实施例的数据读入模块则可以与之挂接，并自动加载该数据库的字表和字段，用户可以很方便地通过下拉框选择字表和字表中的各个字段。
[0031]
第三种方式：如果用户的字表存储在excel表中，本实施例的数据读入模块中也可以与之挂接，自动加载字表和各个字段。
[0032]
当数据读入模块读入方言调查字表后，便能自动分析出该方言的声、韵、调系统。
[0033]
排序模块：用于供用户对数据读入模块分析出的“声、韵、调”系统的排序依据进行设定，并根据用户设定的排序依据对“声、韵、调”系统进行排序，如果用户没有对排序依据进行设定，则按默认的排序依据进行排序。
[0034]
本实施例系统所需要的第二个数据就是方言调查者在分析得出的声、韵、调系统的基础上提供的顺序表。通常，声母是按发音部位排，韵母按开口度排，声调是按平、上、去、入排，因每个方言点的语音系统都不相同，一般来说，应由用户即方言研究者自己设定。字目的“声、韵、调”三个属性，如果按不同的方式进行组合，可以有六种排序方式。如果用户没有对声、韵、调的排序依据进行设定，排序模块将按默认的“韵、声、调”顺序排列，韵母相同的，按声母排，韵母和声母都相同的，再按声调排。
[0035]
为了便于说明，现在假设有一个方言字表，它有24个字目，具体见表1。
[0036]
表1 方言字表
[0037][0038]
假定调查该方言的学者给出的韵、声、调排列顺序如表2所示。
[0039]
表2 韵、声、调顺序
[0040][0041]
则整个排序过程将采用韵、声、调的排序依据再加上字表所有字目的四重循环。循环流程图如图2所示。
[0042]
通过对表1进行分析可知，上述方言字表共包含5种韵母、5种声母、6种声调以及24个字目，其排列顺序如表2所示。
[0043]
依据韵、声、调的排序依据(如表2所示)规定的韵、声、调优先级，得到韵、声、调的所有排列组合，按顺序对于每个韵、声、调的排列组合依次使用stryun[m]＝＝stryun_type[i]&&strsheng[m] ＝＝strsheng_type[i]&&strdiao[m]＝＝strdiao_type[k]检测字表中的每个字目m的声strsheng、韵stryun、调strdiao是否符合该条件，stryun_type[i]、strsheng_type[i]、strdiao_type[k]分别表示本次检测针对的韵、声、调排列组合中的韵、声、调，当某个字目均符合上述条件，则跳出本次检测并加入到结果集中。全部检测执行完后得到的结果如表3所示。
[0044]
图2中“stryun[m]＝＝stryun_type[i]&&strsheng[m]＝＝ strsheng_type[i]&&strdiao[m]＝＝strdiao_type[k]”一句表示，当字表中的某个字目的声(strsheng)、韵(stryun)、调(strdiao)在检测中符合条件的时候。
[0045]
在表3中，所有的字目都按韵、声、调的顺序进行了排列，其中 id为24的“惹”字没有与之同音的，排序模块把它当作同音字的一种特殊情况，也自动进行了排序。
[0046]
表3 按韵、声、调排序后的字表
[0047][0048]
同音字汇竖排表生成模块：用于对排序模块得到的排序结果，过滤掉相同的声、韵、调，即所有属于同一个韵母的字，韵母只表示一次；所有属于同一个声母的字，声母只表示一次；所有属于同一个声调的字，声调只表示一次，最终生成同音字汇竖排表。
[0049]
排序模块生成的同音字汇是一个表格的形式，每个字都有声、韵、调三个属性，不利于观察和使用。因此同音字汇竖排表生成模块就是要把相同的“声、韵、调”属性过滤掉，即所有属于同一个韵母的字，韵母只表示一次；所有属于同一个声母的字，声母只表示一次；所有属于同一个声调的字，声调只表示一次。最后生成的同音字汇形式是一个文本，叫同音字汇竖排表。前面表1中提供的24个字目的字表最终生成的同音字汇竖排表见表4。
[0050]
表4 同音字汇竖排表
[0051][0052]
至此，同音字汇的生成工作全部完成。
[0053]
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。