[发明专利]新型汉语普通话信息ASCII体系码

说明书

技术领域

本发明是一种汉语普通话语言信息编码技术方案，属于中文信息处理技术领域。

背景技术

本发明的背景技术是中华人民共和国国家标准GB2312-1980《信息交换用汉字编码字符集·基本集》、《新型汉语信息ASCII码》和《汉语普通话信息ASCII体系码》 。

发明内容

国家标准GB2312-1980《信息交换用汉字编码字符集·基本集》是计算机系统内部处理和存储汉字时使用的代码，在GB2312中规定，编码采用双七位编码方式（即两个字节表示一个汉字），为了与英文字母相区别，汉字机内代码中两个字节的最高位规定为“1”，英文字母的机代码是7位的ASCII码,这种编码在使用范围上有一些限制，例如在一些大中型计算机系统以及在网络通信环境中，要用字节的最高位作奇偶校验的情况下，就不能用这种汉字内部标识方法，而必须考虑设计其他形式的标识信息。国家标准GB2312-1980《信息交换用汉字编码字符集·基本集》只规定了汉字的编码，为了中文信息处理技术发展的需要，必须要对语素、词、语素的义位、词的义位等汉语语言信息进行编码来拓展中文信息处理技术的广度和深度，本编码的独特性在于另辟蹊径以《汉语拼音方案》为基础，直接用ASCII码对汉语普通话语言信息进行编码。

《新型汉语信息ASCII码》（申请号或专利号201510442110.8）是本人2015年7月24日申请的发明专利，该申请在31卷46期2015年11月18日专利公报上予以发布，这项专利的编码方法存在一些瑕疵，例如：没有对汉语普通话自由词组的义丛和汉语普通话句子的表述等汉语普通话信息进行编码的方法，所以有必要改进这项专利。

《新型汉语普通话信息ASCII体系码》（申请号或专利号201610707602.X）是本人2016年8月18日申请的发明专利，该申请在33卷05期2017年02月01日专利公报上予以发布，这项专利增加了对汉语普通话自由词组的义丛和汉语普通话句子的表述等汉语普通话语义信息进行编码的方法，但是没有对汉语普通话用汉字和语素等汉语普通话信息再细分小类进行编码，无法对不同类别的汉语普通话用汉字和语素进行不同的编码标记,所以有必要改进这项专利。

汉语声母的编码

《汉语拼音方案》中规定汉语拼音中有声母“b”、“p”、“m”、“f”、“zh”、“ch”、“sh”等21个声母，本发明以《汉语拼音方案》的声母作为声码。

汉语韵母的编码

《汉语拼音方案》中规定汉语拼音中有韵母“a”、“o”、“e”、“i”、“u”等35个韵母，本发明以《汉语拼音方案》的韵母作为韵码，因ASCII字符集中无ü这个字母的编码，我的解决办法是按照“ü”=u:的方式编码，所以《汉语拼音方案》的4个韵母“ü”、“üe”、“üan”、“ün”分别以“ü”=u:、“üe”=u:e、“üan”=u:an、“ün”=u:n的方式编码，其余韵母不作变更，作为韵码。

汉语声调的编码

《汉语拼音方案》中规定声调符号为：阴平（-）阳平（/）上声（v）去声（/）,声调符号标在音节的主要母音上，轻声不标，这种标调方法需要首先确定哪个字母为音节的主要母音，比较复杂，我的解决办法是用5个拉丁字母符号ä、ë、ï、ö、ÿ分别表示阴平、阳平、上声、去声、轻声5个声调，声调标在韵母之后，因为ASCII字符集中没有这5个拉丁字母符号，我认为调码可以用ä=a:、ë=e:、ï=i:、ö=o:、ÿ=y:的方式编码。

汉字不是汉语的语言单位，语素、词和词组是汉语的语言单位，这是一个语言学常识，如果我们不首先将汉语的自身规律研究清楚，则汉语普通话语言信息的编码也就没有科学性可言。汉语词、语素和词组的区分众说纷纭，吕叔湘先生说过，任何对汉语词、语素和词组的区分做过一番思索的人都认为这是个很困难的问题，我认为语素是最小的、有意义的、没有词性的语言单位，词是有意义的、有词性的语言单位，词组是有意义的、没有词性的、可以单独作为一个句子成分的语言单位，词性是词所独有的语法性质，词可以根据词性不同而被划分为不同的词类。