現(xiàn)代漢語詞典系列數(shù)據(jù)庫.ppt

1、現(xiàn)代漢語詞典系列數(shù)據(jù)庫,中國(guó)社會(huì)科學(xué)院語言研究所 2006,概述 來源： 根據(jù)現(xiàn)代漢語詞典的系列辭書建立的數(shù)據(jù)庫； 用途： 電子辭書的查詢和發(fā)布； 辭書編纂和修訂的參考資料； 從聚合的角度研究漢語詞匯的資料； 用比較的方法研究辭書的資料,現(xiàn)代漢語詞典系列數(shù)據(jù)庫,一、數(shù)據(jù)庫主要內(nèi)容 二、數(shù)據(jù)的一致性 三、數(shù)據(jù)庫的主要應(yīng)用功能 四、關(guān)于缺字問題,一、數(shù)據(jù)庫主要內(nèi)容,詞典的版本信息 詞條信息 偏旁部首 檢字表 其他,一、數(shù)據(jù)庫主要內(nèi)容,詞典的版本信息（以第三版為例）包括： 書號(hào) 書名 版次 作者 出版單位 出版時(shí)間 發(fā)行單位 印刷單位 印次 印數(shù) 開本 字?jǐn)?shù) 印張 定價(jià) 防偽 前言 說明 總目 音節(jié)

2、表 檢字表 凡例 附錄等。 詞條信息包括： 詞目 異體繁體字 拼音 釋義 特征,一、數(shù)據(jù)庫主要內(nèi)容,偏旁部首：偏旁部首、偏旁部首筆畫。 檢字表：歸屬于某偏旁部首的漢字、除去偏旁部首筆畫外的漢字筆畫。 其他：詞條中其他一些可供查詢、統(tǒng)計(jì)的語法、語義、語用、構(gòu)詞等特征,二、數(shù)據(jù)庫與辭書數(shù)據(jù)的一致性,數(shù)據(jù)的原始排列順序與辭書數(shù)據(jù)保持一致 數(shù)據(jù)內(nèi)容和辭書數(shù)據(jù)保持一致 數(shù)據(jù)庫主體結(jié)構(gòu)保持一致 各版本現(xiàn)代漢語詞典辭書之間同種標(biāo)記不同標(biāo)法的數(shù)據(jù)在庫中也要保持一致(主要表現(xiàn)在各種計(jì)算機(jī)字庫中沒有的標(biāo)記、符號(hào)、序號(hào)等,三、數(shù)據(jù)庫的主要應(yīng)用功能,經(jīng)過對(duì)詞典內(nèi)容的結(jié)構(gòu)化處理，數(shù)據(jù)庫里有以下幾類信息可以用于檢索、統(tǒng)計(jì)

3、、分析和比較： 1、詞目部分：字、詞、語素、字?jǐn)?shù)、偏旁部首、偏旁部首筆畫、除去偏旁部首筆畫外的漢字筆畫、繁體字、異體字、可插入特征、結(jié)構(gòu)詞特征、重疊詞特征、兒化等。 2、語音部分：原拼音、轉(zhuǎn)寫拼音、同音、輕聲、第二音節(jié)無輔音特征、重讀、結(jié)構(gòu)詞發(fā)音等,三、數(shù)據(jù)庫的主要應(yīng)用功能,3、語用部分：學(xué)科分類（語、經(jīng)、地質(zhì)、地、等）。語用信息（、等）。 4、詞類部分：個(gè)詞類。 5、釋義部分：釋義中所包含的字、詞、短語、句子 等字符串。 6、其他部分：多音、近義詞、從屬條目、外來語、專有名詞、義項(xiàng)數(shù)等。 7、版本信息：凡例中的信息、偏旁部首、檢字表、版次、時(shí)間、作者、前言、說明等,三、數(shù)據(jù)庫的主要應(yīng)用功能,

4、1、查詞釋疑2、模糊查詢 3、類別查詢4、比較查詢 5、統(tǒng)計(jì)查詢6、逆序查詢 7、版本信息,四、關(guān)于缺字問題,在WINDOWS XP操作環(huán)境中，使用GBK宋體字庫，以現(xiàn)代漢語詞典第三版為例，缺字共計(jì)個(gè)漢字（不包括各種符號(hào)）。我們對(duì)這些缺字逐個(gè)作了字形分析，決定用字形描述的辦法來說明這些字,四、關(guān)于缺字問題,1、缺字的分析 個(gè)缺字中，有個(gè)漢字在計(jì)算機(jī)字庫中沒有對(duì)應(yīng)的簡(jiǎn)體字、繁體字或異體字，我們稱其為絕對(duì)缺字。另外個(gè)缺字在計(jì)算機(jī)字庫中可以找到各自對(duì)應(yīng)的簡(jiǎn)體字、繁體字或異體字，我們稱其為相對(duì)缺字。 對(duì)這些缺字都要進(jìn)行缺字描述,四、關(guān)于缺字問題,2、缺字的描述 缺字描述公式字型描述：結(jié)構(gòu)描述 詞典數(shù)據(jù)

5、庫中的缺字標(biāo)記。 字型描述組成該字的若干個(gè)拆分的部首或字形。 ：字形描述與結(jié)構(gòu)描述的分隔符號(hào) 結(jié)構(gòu)描述該字由若干個(gè)拆分的部首或字形所組成的方式,四、關(guān)于缺字問題,2、缺字的描述 A、絕對(duì)缺字的描述 結(jié)構(gòu)描述：左右、上下、外里、左中右、上中下、左上下、上下右、上外里等 字形描述：直接對(duì)應(yīng)結(jié)構(gòu)順序進(jìn)行字形排列 舉例：是鳥：左右； 彳亢?。鹤笾杏?； 思：上下； 九田：上下,四、關(guān)于缺字問題,2、缺字的描述 B、相對(duì)缺字的描述 用修改漢字結(jié)構(gòu)中部分部首或字形的辦法來描述 舉例：鰶：魚改魚； 顣：頁改頁； 譆：訁改讠,四、關(guān)于缺字問題,3、計(jì)算機(jī)缺字分類統(tǒng)計(jì)： A、絕對(duì)缺字個(gè)： 左右結(jié)構(gòu)漢字有246個(gè)；

6、左中右結(jié)構(gòu)漢字有個(gè)；左上下結(jié)構(gòu)漢字有5個(gè)；外里結(jié)構(gòu)漢字有16個(gè)；外里右結(jié)構(gòu)漢字有個(gè)；外里下結(jié)構(gòu)漢字有個(gè)；上下結(jié)構(gòu)漢字有63個(gè)；上左中右結(jié)構(gòu)漢字有個(gè)；上下右結(jié)構(gòu)漢字有個(gè)；上外里結(jié)構(gòu)漢字有個(gè)；結(jié)構(gòu)和修改結(jié)合及結(jié)構(gòu)和短語描述結(jié)合的結(jié)構(gòu)描述的漢字有個(gè)；采用修改缺字結(jié)構(gòu)中拆分部分的偏旁部首或字型來描述的漢字有55個(gè),四、關(guān)于缺字問題,3、計(jì)算機(jī)缺字分類統(tǒng)計(jì)： B、相對(duì)缺字個(gè)： 通過簡(jiǎn)寫偏旁部首進(jìn)行缺字描述的有142個(gè)；通過簡(jiǎn)寫非偏旁部首部分進(jìn)行缺字描述的有142個(gè)；通過繁寫非偏旁部首部分進(jìn)行缺字描述的有2個(gè)；即要簡(jiǎn)寫偏旁部首部分又要簡(jiǎn)寫非偏旁部首部分的有10個(gè),四、關(guān)于缺字問題,3、計(jì)算機(jī)缺字分類統(tǒng)計(jì)： C、幾個(gè)因字體變化而產(chǎn)生的缺字： 計(jì)算機(jī)中的漢字由于字體的變化而字型有所改變的漢字有4個(gè)。這四個(gè)漢字在處于小四號(hào)字體時(shí)該字字型與詞典中漢字字型不一致，而處于其他字號(hào)字體時(shí)該字字型則與詞典中漢字字型相一致。這四個(gè)漢字是,四、關(guān)于缺字問題,4、關(guān)于GB18030-2000大字符集 個(gè)缺字在中的補(bǔ)充情況,四、關(guān)于缺字問題,另外，在GBK和大字符集中有個(gè)別漢字字形與現(xiàn)代漢語詞典中的字形有細(xì)微的差別，這會(huì)影響數(shù)據(jù)庫與紙質(zhì)詞典