PDF《国台语无声调拼音输入法实作》

国台语无声调拼音输入法实作 An Implementation of Toneless Input for Mandarin and Taiwanese 余明兴 Ming-Shing Yu 国立中兴大学资讯科学与工程学系 Dept.

of Computer Science and Engineering National Chung-Hsing University Taichung, Taiwan,

40227 [email protected] 蔡承融 Cheng-Rong Tsai 国立中兴大学资讯科学与工程学系 Dept. of Computer Science and Engineering National Chung-Hsing University Taichung, Taiwan,

40227 [email protected] 摘要 目前的市面上很少有支援输入台语、客语、原住民语等语言的输入法.在拼音方案 百家争鸣的环境下,以及减少使用者因声调的关系而造成声调输入错误,我们的目标是 要提供一个支援多种拼音方案且无声调拼音的国语及台语的输入法 .本文使用连续三个 词长词优先法,在国语无声调音转字得到 89.590%的正确率,混合国语多种拼音方案得 到88.854%的正确率. ABSTRACT There are very few input systems supporting Taiwanese and Hakka on the market at present. Our purpose is to provide an input system supporting Mandarin and Taiwanese which is toneless and complies with multiple types of phonetic symbols, we hope that such an approach can resolve the problems resulting from tone and phonetic symbols. In this paper, we use an algorithm based on three continuous longest word first whose precision is 89.59% in one type of phonetic symbols, and 88.54% in the combination of many types of phonetic symbols. 关键词:无声调输入法,音转字,连续三个词长词优先法 Keywords: toneless input system, phoneme to character, three continuous longest word first.

一、前言 由於电脑及网际网路的普及化,使得愈来愈多人透过网站的方式来取得最新的知 识;

使用网路即时通讯软体、电子信箱联络亲朋好友,而这些都必须经由文字的输入与 电脑沟通,因此输入法是一个重要的议题. 然而占台湾 73.3%人口的闽南人和 12%的 客家人及 1.7%的原住民,在目前的市面上却很少有支援其输入台语、客语、原住民语 等母语的输入法,因此本文将针对人口比例最高的闽南族群开发出一个输入法. 目前的拼音输入法主要分为注音符号及罗马拼音两种. 我们采用罗马拼音,主因 是利用二十六个英文字母,就可以正确的标示出国语、台语、客语及英语里的所有字, 另外全世界的电脑都可以输入英文字母. 由於国语及台语的拼音方案百家争鸣,没有统一的版本,因此我们打算制作出多种 拼音系统共存的输入法.另外在国语及台语会因为语意的关系而发生变调 「如:老李 买 好酒 和 老李 买好 酒」声调分别为「23323」及「23223」 ,台语也会因各地发音腔调 的差异而产生声调的不同,例如: 「台南」 一词,北部调为 「dai3 lam5」 ,南部调为 「dai7 lam5」 .为了减少使用者的负担,因此我们系统设计为不用输入声调.

二、拼音方案概述

(一) 国语拼音方案简介 「国语」 是台湾地区以北京话为基础制定的中华民国国语,由於台湾已独立发展了 数十年,与北京话出现了差异,因此又称为「台湾国语」 .以下将简介台湾常见的国语 罗马字拼写方案及说明其优缺点. 1.国语注音符号第二式 「国语注音符号第二式」简称「注音二式」 ,是台湾教育部为了因应外籍人士学习 中文的需求,在民国七十三年成立专案研究小组所制定.民国八十五年行政院经建会决 议以国语注意符号第二式翻译地名.注音二式有符合英语发音习惯的优点,但其缺乏国 际性. 2.汉语拼音 汉语拼音是中国在西元