汉字输入新技术研究*
—— 一种汉字数字编码输入法的提出
陈钦梧，邱树业，郑文若，陈小山
( 汕头大学，广东 汕头，515063，qwchen@stu.edu.cn )
摘 要 本文论述利用汉字的基本组成单元即笔画来对汉字编码，可避免拆分困难与歧义。并对提出的一种汉字数字编码输入法，进行了深入的分析讨论。
关键词 笔画 汉字数字编码 汉字输入法
1 引言
汉字的历史源远流长。汉字的构成更是复杂、无规可寻，这给汉字编码输入造成极大的困难。自国人朱帮复先生发明仓颉输入法，开创汉字编码输入技术历史新纪元，汉字编码输入的研究进入了万“码”奔腾的大发展时期。多少仁人志士，废寝忘食，潜心研制出各种汉字编码输入新方法，为汉字的计算机处理发展贡献出多少青春与力量。
虽然，传统上为了提高汉字的编码效率，而将汉字看成是由“字元”或称“部件”组成的。但是，第一，汉字的部件很多（国家标准有５６０多个）不易记；第二，相当比例的汉字拆分存在困难与歧义。因此，将汉字拆分成部件构成的输入法其规则一般都较繁杂，不易记忆，需要专门的训练且对输入人员要求较高。一般用于专业打字效果较好。
然而，汉字是由笔画组成的。组成汉字的基本单元是笔画，而不是什么“字根”、“部件”！可以说，将汉字拆分为“字根”、“部件”是人为的，只适合绝大部分的汉字，个别字硬拆分为“字根”、“部件”不但困难，也存在歧义。而用组成汉字的基本笔画来给汉字编码不但自然，极少歧义，而且易学、易记、易掌握，适合普及化、大众化推广。
本研究提出的一种汉字数字编码输入法，关键就是把汉字的笔画明确的分为８类，并使用尽量少的高频部件，从而避免汉字拆分的困难，减少用户的记忆量。
2 汉字的笔画编码
那么，将汉字的笔画分成几类、取几码最合适呢？
汉字的基本笔画有３０多种，但使用频率极不均匀。统计资料表明，横（一）、竖（∣）、撇（丿）、点（丶）这四种笔画的累计使用频率约占７０％。因此，太细分笔画分类，于降低重码率效果已不明显。一般认为，将汉字的笔画分为５～１０类是合理的。因为数字小键盘有１０个数字键，若能将笔画均匀地分成近１０类，可有效降低重码率或减少击键次数。
这里还有最重要的一点，就是笔画的分类必须简单、明确、无歧义，否则将影响解码速度，也难普及推广。国家标准将笔画分为５类，能符合上述要求，由此而产生的编码输入法，就具有简单、易学、易用的特点。但由于笔画分类少，所以码长较长，这样击键次数就较多。王码五笔画汉字输入法，其码长取５，其可用编码空间５５＝３１２５太少，导致重码率太高：在ＧＢ２３１２—８０的６７６３个汉字中，个别编码的重码率高达２００个。
有些笔画编码输入法，依笔顺次序取码击键，这看起来简单易学，但平均击键次数太多，仍不理想。如雨字头的字，在击键八次后，重码数仍为５０，说明这样设计的效率还不高。而要是发现前面有笔画打错了（如雨字头第三笔误为“竖”，或后四笔误为“横”或“撇”），那改起来就更繁。
因此，最合理的笔画分类应为８左右，码长最多取５（有效编码空间约85 =32768）。
目前在移动电话上使用的笔画输入法，多数都将汉字的笔画分成9～１０类。中国国家发明专利中不乏有笔画输入法的，也多数都将汉字的笔画分成9～１０类。其优点就是重码率低。然而，它们都存在一些缺点，存在许多值得改进的地方，如笔画分类不科学、或击键次数多、使用不方便等。比如有些输入法将折笔分类为“左折钩”、“右折钩”，但有些折笔不易区分为“左”还是“右折钩”，影响了易用性。特别在将折笔分出是左右折钩或无钩前，需沿着折的方向跟到完，所以反应速度很慢。
本研究提出了一种汉字数字编码输入法，关键就是把汉字的笔画明确的分为８类：即用1代表横（一）， 2代表竖（丨）， 3代表撇（ 丿）， 4代表点（丶），5代表捺（乀），6代表横折（泛指所有起笔为横的“折”，如 乛、、⺄、ㄋ、乙、┐等），7代表竖折（泛指所有起笔为竖的“折”，如亅、乚、ㄣ、└ 等），8代表所有其它笔画（如ㄑ、ㄥ
、
、
等）。然后，按照汉字的笔顺次序，取每个汉字的前3笔画及末2笔画的代码，当汉字的笔画数不足5时，有几笔就取几码。
这样得到的一种“简易编码方案”，不但笔画分类明确无歧义、分布均匀，而且反应快——因为我们输入笔画代码时，起笔为横或竖的折，不管其以后怎么折、怎么钩，我们均不必管，所以反应速度要快得多。
简易编码方案对国家标准一级常用３７５５个汉字编码后各笔画代码使用次数统计结果如下表所示：
|
笔画代码 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
第1码 |
1115 |
553 |
823 |
876 |
0 |
228 |
23 |
137 |
|
第2码 |
701 |
919 |
338 |
437 |
94 |
765 |
333 |
166 |
|
第3码 |
1025 |
694 |
553 |
345 |
38 |
358 |
99 |
621 |
|
第4码 |
770 |
436 |
978 |
400 |
89 |
698 |
223 |
86 |
|
第5码 |
1020 |
450 |
212 |
561 |
811 |
145 |
325 |
31 |
|
合计 |
4631 |
3052 |
2904 |
2619 |
1032 |
2194 |
1003 |
1041 |
3 进一步的改进
由于汉字同偏旁部首者相当多，上述简易编码方案，对于少数编码，其重码率仍较高。进一步的研究表明，增加少量几个高频部件，可明显降低重码率。故本方案以兼容并存的方式，将构成汉字的高频部件“氵、艹、扌、木”分别并入上述代码5、6、7、8，将构成汉字的高频部件“口”及“日、目、田”用9作为其代码。即5既代表捺（乀），又代表“氵”；6既代表横折，又代表“艹”；…。其取码规则类同上：即按照汉字的笔顺次序，取每个汉字的前3码及末2码，若不足5码时，有几码就取几码。取码时，若有上述部件，则用部件代码；否则，仍用笔画代码。此方案称为“高效编码方案”。
高效编码方案对ＧＢ２３１2－８０全部６７６３个汉字编码后各笔画／部件代码使用次数统计结果如下表所示：
|
代码 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
第1码 |
1063 |
527 |
1554 |
1139 |
367 |
703 |
295 |
556 |
559 |
|
第2码 |
1616 |
1137 |
1108 |
779 |
81 |
1179 |
209 |
485 |
155 |
|
第3码 |
1867 |
1162 |
1029 |
664 |
106 |
828 |
218 |
462 |
354 |
|
第4码 |
1278 |
775 |
2053 |
489 |
174 |
913 |
431 |
228 |
186 |
|
第5码 |
1174 |
755 |
281 |
1334 |
1115 |
61 |
771 |
157 |
584 |
|
合计 |
6998 |
4356 |
6025 |
4405 |
1843 |
3684 |
1924 |
1888 |
1838 |
虽然多增加一些部件代码，可以有效降低重码率，但作为一种普及化、大众化的汉字输入法，目前暂不考虑太多部件代码，以减少用户的记忆量。
通过对以往各种汉字输入法人机介面的研究，我们发现仍存在冗余按键等许多值得改进的地方。因此，在一种编码方案重码率适当（不太高就行）的情况下，应用计算机智能技术，研究最合理的人机介面，已可减少击键次数、加快输入速度，使系统达到实用的程度。以下的实施例试对此作一探索。
4 实施例
4.1编码例
【钦】其前3笔画是“撇”（ 丿）、“横”（一）、“横”（一），而末2笔画是“撇”（ 丿）与“捺 ”（ 乀），那么整个编码应是31135
【订】其前3笔画是“点”、“横折”、“横”，而剩下只有一笔“竖折”，共4码，整个编码应是4617
【大学】这是2字词组，按取码规则应取首字的前2笔画“横”（一）、“撇”（ 丿）及后字的前3笔画“点”（丶）、“点”（丶）、“撇”（ 丿），共5码组成，所以整个词的编码应是13443
【代】32184 【七】17 【五】1261 【坤】12812
【梧】用高效编码，前3笔画或部件分别为“木”代码是8，“一”代码是1，“丨”代码是2；末2笔画或部件分别为“一”代码是1，“口”代码是9，合起来是81219；若用简易编码，前3笔画分别为“一”，“丨”，“丿”，末2笔画分别为“横折”，“一”，编码是12361
【计算机】按高效编码是43183； 简易编码是43112
【陈】标准编码62134；但若按楷书“陈”则为62144，属于容错码
【车】1812；受行草书影响：1821 或 1712
【必】标准：48434 容错：48443 或 47434
4.2以下介绍在Win 32环境下在PC机上的一个实现
进入本汉字数字编码输入法，屏幕一小角提示九个数字键所代表的笔画和部件。用户可点“？”得到进一步帮助或点“x”关闭上述提示。
本方案使用数字小键盘1到9键输入汉字编码，用0键结束一个编码不足5码的字，用 +、— 或↑、↓键向后、前翻页显示，用 * 代表模糊代码，<Del>或退格键删除最后一码。
输入前两码时，屏幕只显示高频/最近常用字、词。
输入第3～5码时，屏幕提示前3～5码与输入码相同的字、词。
如用户在输入前4码过程中发现屏幕有要用的字、词，可直接按下数字键不放约0.5秒听到“嘟”声后松手，或按<Enter>键转入选字状态后再用数字键选字、词即可。
用户输入5码后，则自动将数字键转为选字、词状态。
屏幕重码提示拟显示4个单字、4个二字词、1个三字词及1个四字或四字以上词，并用不同色彩区分，且可根据情况作适当调整。
4.3输入过程例
1.输入【而】字
按1键，则屏幕显示以横起笔的高频常用字等，提示如下：
0.在 1.一 2.有 3.而 4.一个 5.一定 6.一切 7.东西 8.进一步 9.形而上学
按下3键不放约0.5秒听到“嘟”声后松手（或按<Enter>键转入选字状态后再按3键）即可。
2.输入词【大学】
(a)按键13443后，在眼睛朝二字词区查看的同时将手指放在456键附近准备选二字词，屏幕提示如下：
4.感觉 5.大学 6.医学 7.列举 9.有价证卷
按5键即得。可见以上设计的分区重码提示可提高响应速度！
(b)按键13时,屏幕显示以13起始的编码的最近常用字、词，提示如下：
0.在 1.厂 2.龙 3.友 4.不能 5.研究 6.大学 7.成为 8.输入法 9.工人阶级
在二字词提示区见到大学，按<Enter>键转入选字状态后再按6键（或按下6键不放约0.5秒听到“嘟”声后松手）即可。
3.输入【梧】字
（a）按键12361，屏幕提示如下：
0.格 1.棺 2.柜 3.枷 4.十月 5.克服 6.五月7.西周 9.专业公司
再按“+”键向后翻页4次，屏幕则提示如下：
0.梧 1.杏 2.栅 3.柘 4.基肥 5.取胜 6.起用7.堆肥 9.专业公司
按0键即得。此时听到“嘟”一声同时屏幕用红色警示如下：
|
推荐用高效/标准编码【梧：81219】 |
由此可见用简易编码也可输入绝大多数汉字，但有时可能因重码多而须翻页查找。
(b)键入81219，屏幕提示如下：
0.桔 1.梧 4.标点
选1即得。可见高效编码效率更高！
4.输入词【计算机】
键入431，屏幕提示如下：
0.半 1.并 2.迸 3.糙 4.关于 5.并不 6.总理 7.前面 8.计算机 9. 燃气轮机
选8即得。这说明，尽量用词输入可大大减少击键次数！
5.输入字【义】
键入3540，屏幕提示如下：
0.义
选0即得。此时听到“嘟”一声同时屏幕用红色警示如下：
|
推荐用高效/标准编码【义：435】 |
有了“容错码”，您不必再为书写习惯不标准而发愁了！
6.输入字【噩】
键入1*991（其中 * 代表任意码1或2…9 )，屏幕提示如下：
0.噩 4.武器 5. 玉器 6.配器 7.下颚 9.吞吞吐吐
选0即得。有了“模糊”查找功能，“难”字也不再难了！
5 本汉字数字编码输入法的特点
1)
易学、易记、易用性（对一般人）：5分钟即基本入门/学会，边学边用15分钟即基本掌握，边学边用40分钟可熟练操作
2)
不存在任何难字、僻字，一见字形即可轻易编码输入
3)
容错处理: 我们制定的编码方案其出现二义性编码的情况极少，但一部分人群可能对个别字编码存在共性的错误认识，甚至极个别就是因小学识字教育或其他一些书中就可能有不同的，一般人已形成习惯。则计算机允许这种“容错码”，但给出警告并提示标准编码
4)
创新的人机介面：通过对重码提示区及选择键的合理分配、声音提示等手段，可帮助使用者尽快键入所需字、词
5)
与传统的英文字母键盘编码不同，本项目只利用10个数字的小键盘进行编码，具有易学、易记、不必花几周时间去学英文打字、并可应用于手持设备等小体积设备的特点
6 结束语
随着移动电话、掌上电脑等手持设备的大批出现，今后几年带有汉字显示及输入界面的手持设备必将大行其道，这对汉字输入方法提出了更高的要求。因此，汉字数字编码的解决已迫在眉睫，其应用前景是空前的。
中文短信息、移动ＷＡＰ、中文网上信息处理，这些使用汉字的广大用户，他们输入汉字的信息量不多，如何提供一种不必经过专门训练而易学、易记、易用却行之有效的汉字输入法，无疑具有深远的现实意义和空前的应用价值。
主要参考文献：
[1] 陈钦梧. 一种汉字数字编码输入法［CP］.中国专利：00117182.8，2000-06-19.
[2] 陈钦梧，郑文若，邱树业，朱诗生，陈永强. 汉字数字编码输入法研究［A］. 第七届联合国际计算机会议论文集［C］.汕头：汕头大学出版社，2000.1266-1269.
[3] 郭平欣，张淞芝. 汉字信息处理技术［M］. 北京：国防工业出版社，1985
[4] 慈林林，鲁元魁. 中文信息处理新技术展望［J］. 计算机世界，1999，（44）：C版
[5] 国家语言文字工作委员会标准化委员会. 现代汉语通用字笔顺规范［M］. 北京：语文出版社，1997
Study on new technology of inputting Chinese
—— A digit coding input method for Chinese
characters
CHEN Qin-wu, QIU Shu-ye, ZHENG
Wen-ruo, CHEN Xiao-shan
( Shantou University, Shantou Guangdong 515063 P.R.C. qwchen@stu.edu.cn )
Abstract
: In
this paper, Chinese characters coding is conducted by using the basic elements
that consist of Chinese characters, avoiding the difficulty of the division of
Chinese characters and the different meanings. A digit coding input method for
Chinese characters is described and the discussion and analyses are made for
the method.
Key
words : Strokes ; Chinese characters digit coding ; Chinese characters input method
作者简介：陈钦梧（1962-），男，广东潮阳人，汕头大学计算机系高级实验师，主要研究方向：计算机汉字信息处理及系统软件、数据加解密；（1939-），男，福建福州人，教授，主要研究方向：语言声学.
|
第一作者 |
第二作者 |
联系地址 |
邮 编 |
省 市 |
电 话 |
E-mail |
稿件名称 |
|
陈钦梧 |
邱树业 |
汕头大学计算机系 |
515063 |
广东汕头 |
（0754）2902773 |
汉字输入新技术研究 |