盲文分詞修改系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

李妍　關(guān)鐘　劉志麗　閻嘉　孫巖

【摘 要】目前漢語盲文語料庫多是txt文本，txt文本在進(jìn)行漢文和盲文采集、修改、管理時(shí)，操作不便，處理速度慢且效率低，本盲文分詞修改系統(tǒng)提供了一個(gè)平臺(tái)，可以將多個(gè)不同分詞版本的txt導(dǎo)入到平臺(tái)，實(shí)現(xiàn)多版本盲文分詞的格式化排版、自動(dòng)對(duì)齊、同步編輯、智能校對(duì)等操作，幫助用戶更快、更便捷的進(jìn)行盲文分詞標(biāo)記工作。

【關(guān)鍵詞】盲文分詞;標(biāo)記;格式化排版;自動(dòng)對(duì)齊

中圖分類號(hào)： TP391.1 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）30-0089-002

DOI：10.19694/j.cnki.issn2095-2457.2019.30.045

0 背景

盲文是盲人學(xué)習(xí)文化知識(shí)的媒介，在盲人教育中具有基礎(chǔ)性地位，是盲人語言文字權(quán)益的核心。國家對(duì)殘疾人語言文字權(quán)益一直高度重視，對(duì)盲文規(guī)范化高度重視?，F(xiàn)行盲文對(duì)推動(dòng)我國盲人教育、文化、出版事業(yè)發(fā)展和盲人文化知識(shí)水平提高，發(fā)揮了非常重要的作用[1]?，F(xiàn)行盲文是記錄漢語的一種工具，是我國有法定地位的記錄漢語的一種觸覺符號(hào)系統(tǒng)。漢語現(xiàn)行盲文與眾不同的標(biāo)調(diào)和分詞連寫方式形成了它獨(dú)具特色的技術(shù)方案，具有流通性和法定性，因此它具有了文字地位。現(xiàn)行盲文與漢語拼音有較多的共同點(diǎn)，但在分詞連寫和標(biāo)調(diào)兩個(gè)重要方面都有本質(zhì)的差異。

分詞連寫是現(xiàn)行盲文首創(chuàng)的一個(gè)重要規(guī)則，它是現(xiàn)行盲文脫離注音符號(hào)走向文字的標(biāo)志。漢語盲文的分詞連寫既不同于漢語拼音正詞法基本規(guī)則的分詞連寫方式，也不同于漢語信息處理領(lǐng)域常用的分詞規(guī)則?，F(xiàn)行盲文的絕大多數(shù)連寫單位與漢語的詞是一致的，這樣的連寫單位就是一個(gè)漢語的詞。有少數(shù)連寫單位長于一般漢語語料庫切分單位，主要是現(xiàn)行盲文將附加成分、修飾成分與中心詞一般連寫在一起，助詞“著、了、過”與動(dòng)詞連寫，也有一部分聯(lián)合詞組、偏正詞組、述補(bǔ)詞組等連寫。還有極少數(shù)成語（天衣/無/縫）按照內(nèi)部結(jié)構(gòu)進(jìn)行了分寫，這樣的連寫單位小于一般漢語語料庫切分單位，甚至小于詞典詞。之所以這樣定義，是因?yàn)槊の亩陶Z是在詞語的基礎(chǔ)上再加上連寫的規(guī)則而形成的，它不同于傳統(tǒng)意義上的詞語和短語。據(jù)此，改進(jìn)《漢語盲文分詞連寫規(guī)則》[2]中的盲文短語就可以從分詞和連寫兩個(gè)方面來進(jìn)行研究[3]。

由于盲文分詞連寫的特殊性，導(dǎo)致現(xiàn)行盲文語料在分詞連寫上存在著很大的分歧。因此科學(xué)的選材和標(biāo)注，對(duì)現(xiàn)存的盲文語料進(jìn)行分詞連寫的修訂，對(duì)全面的分析現(xiàn)存語料的分詞問題有著重要的作用，并對(duì)提高盲文分詞的一致性，促進(jìn)盲文的發(fā)展有著重要的意義。

但目前我國盲文信息化水平與上世紀(jì)末漢語信息化水平相當(dāng)，近二十年語言科技的迅猛發(fā)展幾乎沒有惠及盲文。盲文信息的處理、校對(duì)、教學(xué)材料的制作還處于人工階段，勞動(dòng)強(qiáng)度大，效率低。我國現(xiàn)有的幾個(gè)漢盲自動(dòng)翻譯、盲文編校軟件準(zhǔn)確率差，用戶滿意度很低[4]。盲文語料庫的建設(shè)進(jìn)程也受到了很大的影響，如何提高盲文語料庫的建設(shè)進(jìn)程，加快盲文信息化處理的速度也是盲文研究者共同努力的目標(biāo)。

1 系統(tǒng)模塊設(shè)計(jì)

通過與參與盲文分詞標(biāo)記修訂的老師和學(xué)生的大量溝通和調(diào)研，以及在分詞標(biāo)記過程中的常見的問題的分析，完成了盲文分詞修改平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)。

盲文分詞修改系統(tǒng)模塊結(jié)構(gòu)如圖1所示。

圖1 模塊結(jié)構(gòu)

本平臺(tái)從功能大類上分為兩類：一為多版本盲文分詞TXT源文件導(dǎo)入、二為盲文分詞標(biāo)記修訂。

1.1 多版本盲文分詞TXT源文件導(dǎo)入

多版本盲文分詞TXT源文件導(dǎo)入模塊功能是實(shí)現(xiàn)將清華、北理工和中科院三家提供的TXT格式的盲文分詞源文件導(dǎo)入到盲文分詞系統(tǒng)平臺(tái)數(shù)據(jù)庫中，在導(dǎo)入時(shí)通過專用算法，進(jìn)行初步信息處理。

本平臺(tái)選擇清華大學(xué)版、北京理工大學(xué)版和中科院版三家的盲文分詞TXT文件作為源文件，通過專用算法（遍歷每一行字符設(shè)置標(biāo)識(shí)記號(hào)比較基礎(chǔ)版本，生成基礎(chǔ)數(shù)據(jù)。）將三個(gè)版本的分詞進(jìn)行對(duì)比、參照，并將對(duì)照結(jié)果生成特殊標(biāo)記作為數(shù)據(jù)分詞對(duì)齊依據(jù)，為后期人工對(duì)照修訂提供初始化版本，解決利用txt漢語盲文進(jìn)行采集、修改、管理操作不便、管理效率低的問題，提高了自動(dòng)化程度，解決了人工分詞的諸多弊端。

多版本盲文分詞TXT源文件導(dǎo)入后經(jīng)過算法處理、排版、分詞對(duì)齊后顯示如圖2所示。首先將三個(gè)版本的源文件按照分詞進(jìn)行對(duì)齊，方便用戶同一篇文章，同一個(gè)分詞之間進(jìn)行比對(duì)。其次利用顏色進(jìn)行突出顯示，提示用戶三個(gè)版本之間的區(qū)別，例如圖2中綠色背景凸顯的是分詞連寫，即編號(hào)28行，盲文分詞應(yīng)該是“不會(huì)”，但中科院、北理工和清華分成了兩個(gè)詞“不”和“會(huì)”，因此利用背景凸顯方法根據(jù)相關(guān)標(biāo)記，將本應(yīng)2個(gè)分詞顯示的內(nèi)容，與“不會(huì)”進(jìn)行關(guān)聯(lián)對(duì)比，行程分詞連寫效果。再例如圖3中編號(hào)31和編號(hào)33行粉色背景凸顯了不同版本之間分詞相同但標(biāo)記不同的情況，提示修改者是否要進(jìn)行修改。其他未進(jìn)行顏色突出顯示的情況表明分詞相同，標(biāo)記相同，是否要進(jìn)行修改，由修改者自行瀏覽修訂。

1.2 盲文分詞詞性標(biāo)注修訂

盲文分詞詞性標(biāo)注修訂模塊功能是提供用戶分詞標(biāo)記修改、備注、查詢?cè)~性的平臺(tái)。利用信息技術(shù)提高分詞詞性標(biāo)記的速度，快速完成盲文資料的編輯和整理工作。

盲文分詞詞性標(biāo)注修訂主要使用人員有超級(jí)管理員、一級(jí)用戶、二級(jí)用戶。

超級(jí)管理員擁有平臺(tái)所有管理、修改、查詢權(quán)限。

一級(jí)用戶可以管理二級(jí)用戶，對(duì)二級(jí)用戶名及密碼進(jìn)行添加、刪除和修改。并擁有文章分配、文章選擇兩個(gè)模塊的全部功能。

二級(jí)用戶只擁有名下分配文章的文章選擇模塊的功能。

用戶管理模塊可以實(shí)現(xiàn)添加用戶、修改用戶和刪除用戶，此處用戶包括一級(jí)用戶和二級(jí)用戶，通過權(quán)限設(shè)置實(shí)現(xiàn)用戶文章修訂的權(quán)限管理。

文章分配模塊可以實(shí)現(xiàn)給不同用戶分配不同文章，根據(jù)用戶數(shù)和文章數(shù)，由超級(jí)管理員為一級(jí)用戶或二級(jí)用戶分配要修訂的文章，一級(jí)用戶可以再為二級(jí)用戶分配要修訂的文章。

文章選擇模塊要實(shí)現(xiàn)根據(jù)文章分配的后的結(jié)果，不同用戶只可以看到分配到個(gè)人名下的文章，可以選擇不同的文章進(jìn)行編輯。

選擇好文章后，進(jìn)入編輯修改界面。用戶根據(jù)對(duì)已有三方源文件處理后的結(jié)果進(jìn)行人工校對(duì)和標(biāo)記修改。

多人協(xié)作人工校對(duì)工作主要在這個(gè)模塊實(shí)現(xiàn)，通過三個(gè)版本自動(dòng)比對(duì)后的顯示排版，由用戶進(jìn)行人工校對(duì)，校對(duì)包括分詞的準(zhǔn)確性、標(biāo)記的爭(zhēng)取與否。如果分詞不正確，在備注欄中標(biāo)注，如果標(biāo)記不正確可以，但中科院、北理工和清華中有正確標(biāo)記的，可以點(diǎn)擊“替換”按鈕，實(shí)現(xiàn)正確標(biāo)記的自動(dòng)替換。如果三個(gè)版本中均無正確的標(biāo)記，則人工錄入正確標(biāo)記。如果分詞詞性標(biāo)記記不住，可以點(diǎn)擊“符號(hào)查詢”，查找正確標(biāo)記符號(hào)。

2 結(jié)束語

本系統(tǒng)平臺(tái)作為漢語盲文語料庫建設(shè)中必不可少的一環(huán)，提高了盲文分詞修改方法的自動(dòng)化程度，解決了人工分詞標(biāo)記校對(duì)、修改的諸多弊端，提高了分詞標(biāo)記的正確率。與人工識(shí)別相比較能夠提高統(tǒng)計(jì)速度和統(tǒng)計(jì)效率。在識(shí)別和對(duì)比中設(shè)置盲文分詞的連寫標(biāo)記，為數(shù)據(jù)顯示提供重要標(biāo)識(shí)，減少人工工作量，簡(jiǎn)化人工判斷流程，為漢語盲文語料庫建設(shè)進(jìn)程提供了重要的信息化保障。

【參考文獻(xiàn)】

[1]鐘經(jīng)華.國家通用盲文方案研究.中國特殊教育，2018，6（216）：42-43

[2]滕偉民，李偉洪.中國盲文（第2版）[M].北京：華夏出版社，2008.

[3][5]孫宇，李純蓮.應(yīng)用“層次分析法”優(yōu)化漢語盲文分詞連寫規(guī)則.長春大學(xué)學(xué)報(bào)，2015.5（5）：126-129.

[4]程黎，顧定倩，劉艷紅，等.我國盲文使用狀況的調(diào)查研究.語言文字應(yīng)用，2013，（2）：42-48.