以最佳化及機率分佈標記形聲字聲符之研究

Annotating Phonetic Component of Chinese Characters Using Constrained Optimization and Pronunciation Distribution

一般來說，漢字乃圖形文字，無法像英文等拼音文字一樣，一旦學會拼音方法，及有基本的閱讀能力。相對的，漢字讀寫的學習進展則相當緩慢，而且必須搭配注音符號或是其他拼音方法，才可知道每個漢字的發音。事實上漢字中有八成的字是形聲字，形聲字不僅可由形旁表意，又可以聲符表音，因此即使沒見過的字也可以由偏旁推論其音及意。不過主要的困難在於聲旁未必一定同音，可能是相近的發音，之間的演變規則尚未有人探究過，例如：泡、抱、飽三個字同樣與『包』的發音相近，然而發音如何由『包』的發音轉變成其他三個字的發音，則仍待研究。本論文首先嘗試以自動化方式判定漢字聲符，做為研究形聲字發聲規則的第一步。實驗顯示，我們所提的兩種方式，發音相似度比較法在9593個形聲字中的判定聲符準確率為90.7%，而構件發聲分佈比較法則可達到98.1%的準確率，可以加速形聲字聲符標記所需的大量人力工作與時間。