淺談漢字特征字母及其提取規(guī)則

1、淺談漢字特征字母及其提取規(guī)那么所謂特征字母，是指那些最能表征漢字輪廓特點(diǎn)的漢字字母。人們看到一個(gè)漢字時(shí)，一般首先注意到的是它的輪廓特征，然后才是它的局部細(xì)節(jié)。這就是漢字的認(rèn)知規(guī)律。從圖形識(shí)別的角度來看，漢字認(rèn)知更加注重輪廓性和整體性，字形的細(xì)微變化并不會(huì)給漢字認(rèn)知造成多大影響。因此，特征字母一定是構(gòu)成漢字輪廓的漢字字母。研究發(fā)現(xiàn)：人們通常是從漢字左上角開始，沿著順時(shí)針方向掃描漢字輪廓的見以下列圖。因此，最能表征漢字輪廓特點(diǎn)的特征字母，首先是構(gòu)成漢字左上角的漢字字母，其次是構(gòu)成漢字右上角的漢字字母，再次是構(gòu)成漢字右下角的漢字字母，最后是構(gòu)成漢字左下角的漢字字母。左上角一右上角一右下角一左下角對(duì)于

2、左右構(gòu)造的漢字來說：左上角特征字母通常就是字首首字母第一個(gè)字母角特征字母通常就是字身首字母；右下角特征字母通常就是字身末字母最后一個(gè)字母左下角特征字母通常就是字首末字母見以下列圖。磁）字首首字置字首末字母因此，左右構(gòu)造漢字的特征字母依次是字首首字母、字身首字母、字身末字母和字首末字母。對(duì)于上下構(gòu)造的漢字來說：左上角特征字母通常就是字首首字母；右下角特征字母通常就是字身末字母；右上角特征字母有時(shí)是字首首字母如“京字，有時(shí)是字首末字母如“簡(jiǎn)字，有時(shí)是中間字母如“雪字，難以確定；左下角特征字母有時(shí)是字身首字母如“四字，有時(shí)是字身末字母如“全字，有時(shí)是中間字母如“罷字，同樣難以確定。對(duì)于多數(shù)上下構(gòu)造的

3、漢字來說，人們通過一次掃描還無法辨識(shí)出漢字，還要進(jìn)展第二次掃描，即掃描字身左上角和右上角，掃描的角度較第一次要小些。字身左上角特征字母通常就是字首首字母，而字身右上角特征字母的位置那么難以確定見以下列圖。字首首字£字身首字母f15字身未字母因此，上下構(gòu)造漢字的特征字母依次是字首首字母，字身末字母和字身首字母。正因?yàn)樯舷聵?gòu)造漢字的辨識(shí)需要進(jìn)展兩次掃描，所以，人們辨識(shí)上下構(gòu)造漢字所花費(fèi)的時(shí)間要比辨識(shí)左右構(gòu)造漢字要多些；正因?yàn)樯舷聵?gòu)造漢字的特征字母為3個(gè)，比左右構(gòu)造漢字的特征字母數(shù)量少1個(gè)，所以，人們對(duì)上下構(gòu)造漢字辨識(shí)的錯(cuò)誤率比上下構(gòu)造漢字要高些。這就是在漢字構(gòu)造類型中，左右構(gòu)造漢字?jǐn)?shù)量占

4、絕對(duì)優(yōu)勢(shì)的原因見下表。7785個(gè)常用漢字構(gòu)造類型的統(tǒng)計(jì)數(shù)據(jù)：構(gòu)造類型獨(dú)體上下左右包圍字?jǐn)?shù)323P164875055754占總字?jǐn)?shù)百分比%對(duì)于半包圍構(gòu)造漢字，其特征字母的提取類似于上下構(gòu)造漢字或左右構(gòu)造漢字。對(duì)于全包圍構(gòu)造漢字，仍然需要進(jìn)展兩次掃描，第一次是對(duì)漢字外輪廓的掃描，第二次是對(duì)漢字內(nèi)輪廓的掃描，第二次掃描角度較上下構(gòu)造漢字要大些見以下列圖。字首R(shí)字母字身首字母47字身末字母第一次掃描提取的特征字母是字首首字母和字首末字母，第二次掃描提取的特征字母是字身首字母和字身末字母。因此，全包圍構(gòu)造漢字的特征字母依次是字首首字母、字首末字母、字身首字母和字身末字母。正因?yàn)槿鼑鷺?gòu)造漢字的辨識(shí)需要進(jìn)

5、展兩次一樣角度的掃描，所以，人們辨識(shí)全包圍構(gòu)造漢字所花費(fèi)的時(shí)間甚至比辨識(shí)上下構(gòu)造漢字還要多些；正因?yàn)槿鼑鷺?gòu)造漢字的特征字母為4個(gè)，與左右構(gòu)造漢字的特征字母數(shù)量一樣，比上下構(gòu)造漢字的特征字母數(shù)量多1個(gè)，所以，人們對(duì)全包圍構(gòu)造漢字辨識(shí)的錯(cuò)誤率比上下構(gòu)造漢字要低些，與左右構(gòu)造漢字大體相當(dāng)。這就是在漢字構(gòu)造類型中，全包圍構(gòu)造漢字?jǐn)?shù)量比較少的原因。對(duì)于獨(dú)體字，其特征字母是獨(dú)體字的首字母和末字母見以下列圖。雖然特征字母只有兩個(gè)，比其他構(gòu)造漢字都要少些，但是，獨(dú)體字的筆畫數(shù)普遍較少，兩個(gè)特征字母足以反映其輪廓特征。對(duì)兩個(gè)特征字母的掃描識(shí)別速度顯然比其他構(gòu)造漢字要快些。這就是獨(dú)體字漢字的第1個(gè)特征字母應(yīng)當(dāng)是

6、字首首字母，第2個(gè)特征字母應(yīng)當(dāng)是字身末字特別容易識(shí)記、識(shí)別速度最快的原因。綜合起來看,母，因?yàn)檫@兩個(gè)特征字母最能反映漢字的輪廓特征，無論是什么樣構(gòu)造的漢字，它的首字母和末字母都是極易確定的。漢字的第3個(gè)特征字母應(yīng)當(dāng)是字身首字母，因?yàn)樗丝梢苑从碀h字的外部輪廓特征之外，還能反映漢字的內(nèi)部構(gòu)造特點(diǎn)。不過，獨(dú)體字是沒有字首和字身之分的。為了統(tǒng)一規(guī)那么，我們仿照們將獨(dú)體字的第一個(gè)漢字字母視為字首，將其余漢字字母視為字身，這樣一來，獨(dú)體字也是由字首和字身兩個(gè)局部組成的。特征字母的提取，應(yīng)當(dāng)遵循以下原那么：假設(shè)是提取漢字的一個(gè)特征字母，應(yīng)當(dāng)提取其字首首字母；假設(shè)是提取漢字的兩個(gè)特征字母，應(yīng)當(dāng)提取其字首首

7、字母和字身末字母，或者提取其字首首字母和字身首字母；假設(shè)是提取漢字的三個(gè)特征字母，應(yīng)當(dāng)提取其字首首字母、字身首字母和字身末字母。下表列出了5654個(gè)常用漢字特征字母組字次數(shù)的統(tǒng)計(jì)數(shù)據(jù)：漢字字母12345678字首首字母r5311004475330957118214707001字身首字母3851252646260985939589547字身末字母643503176113410814161071584根據(jù)表中統(tǒng)計(jì)數(shù)據(jù)，制作成以下坐標(biāo)圖便于比較:觀察上述坐標(biāo)圖發(fā)現(xiàn)：字首首字母的組字次數(shù)分布折線波動(dòng)幅度最小，其最大波幅出如今2一畫豎和6兩畫豎上，這說明字首首字母中所包含的豎筆最多；字身末字母的組字次數(shù)分布折線波動(dòng)幅度最大，其最大波幅出如今4一畫捺和8兩畫捺上，這說明字身末字母中所包含的捺筆含點(diǎn)最多；字身首字母的組字次數(shù)分布折線波動(dòng)幅度居中，其最大波幅出如今2一畫豎和5兩畫橫上，這說明字身首字母中所包含的豎筆和橫筆最多。從前面分析中，特征字母的組字次數(shù)分布折線波動(dòng)越小，由這些特征字母所組成的詞語(yǔ)字母組合的區(qū)分度就越高，用術(shù)語(yǔ)來說，就是這些詞語(yǔ)字母組合的重碼率就越低。因此，特征字母首選字首首字母，次選字身首字母，后選字身末字母。然而，鑒于字首首字母就是整個(gè)漢