維文處理系統(tǒng)和維文校對

1、維文處理系統(tǒng)和維文校對E-mail: 1題目：維文校對系統(tǒng)研究開發(fā) 國家自然科學基金贊助項目。研究費10萬。研究期限是2000年1月到2003年1月。 已經(jīng)發(fā)表論文：維文Unicode編碼研究 “2000國際多語言文字處理會議” 目前的研究情況：已經(jīng)有了一個演示系統(tǒng) 以后的工作：完善，實際測試等等2介紹內(nèi)容維文處理的特殊性維文系統(tǒng)核心技術(shù)維文編碼維文字庫維文輸入方向維文自動選型和換行維文處理系統(tǒng) Uighur Office 2000維文文字校對的特殊性基于Office 2000/XP的維文校對系統(tǒng)總結(jié)3關(guān)于新疆 新疆居住著47個民族，主要的有13的民族。在長期的歷史發(fā)展中，他們在各方面形成了本

2、民族的風俗習慣。其中維吾爾，哈薩克，回，蒙，柯爾克孜，錫伯，塔塔爾，塔吉克，達斡爾，滿，俄羅斯等12個少數(shù)民族的風俗習慣，都具有鮮明特色。信仰伊斯蘭教的民族群眾，長期遵守古蘭經(jīng)對飲食的有關(guān)規(guī)定，故而形成了不吃豬肉，忌豬的風俗習慣。新疆兄弟民族人民特別重視水源的清潔衛(wèi)生，因此，不許在水渠，水池和澇壩（農(nóng)村水塘）中洗衣，洗臉，洗腳和洗澡，當然，更不允許在附近養(yǎng)豬。在待人接物上，親友見面都要握手問候，或手放胸前鞠躬祝安。飯前，要洗手，洗完后切忌甩手上的水，要用毛巾擦干。在喪葬方面，新疆一般少數(shù)民族都實行土葬，在信仰伊斯蘭教的民族中，喪葬是不用棺材的。人死后，先由宗教人士給死者擦澡，然后以白布裹尸，用

3、一種專門制作的平木板把尸體抬到墓穴地入葬。出葬時，不許婦女和不信仰伊斯蘭教的人到墓地上，人死后的第七天，第40天和一周年，家屬要舉行悼念活動，請阿訇念經(jīng)，請親友吃飯，此項儀式叫“乃孜爾”。信仰伊斯蘭教的民族還有自己的兩大節(jié)日，即肉孜節(jié)和古爾邦節(jié)，過這兩個民族節(jié)日，這些民族群眾都要穿上盛裝，家家戶戶準備豐富的食品，有的家庭還要宰羊。一般說法，肉孜節(jié)是回族的大年。維吾爾等其他信仰伊斯蘭教的民族視古爾邦節(jié)為重要節(jié)。過節(jié)時，互相登門拜謁，表示祝賀。新疆各少數(shù)民族都有自己獨特的衣飾和其他生活習慣，維吾爾，哈薩克婦女愛著彩色綢裙，戴艷麗或潔白的頭巾，喜愛耳環(huán)，項鏈，手鐲，戒指等裝飾物。男性愛著西裝，老人穿

4、袷袢。4維文處理的特殊性 !- . 維文是字母文字，有32個字母。每個字母有詞前，中間，詞尾和單獨等幾種形式。詞和詞是自然分開的。各個字符的寬度不同。 維文的輸入是從右到左、從上到下的特殊循序，并且字符和字符之間存在不同的連接關(guān)系。一般計算機系統(tǒng)和軟件上輸入、處理比較麻煩。所以必須要開發(fā)一個合適的處理系統(tǒng)，才能解決智能處理問題。5維文系統(tǒng)核心技術(shù)維文編碼維文字庫維文輸入方向維文自動選型和換行其他維文處理技術(shù)網(wǎng)站6編碼 編碼是將個別的文體字符配對到指定數(shù)值的方法過程。這能讓您的電腦理解識別您所輸入的語文文體。舉例說明：中文輸入有GB和Big5 兩種編碼系統(tǒng)，日文輸入有JIS、SJIS及EUC編碼

5、系統(tǒng)，而韓文輸入則有KSC5601編碼系統(tǒng)。 常用編碼：GB2312-80， GB18030-2000 Unicode 2.1， Unicode 3.0/3.1等等7GB2312-808Unicode編碼簡單性 Unicode代碼是等長的（16b），每兩個字節(jié)表示一個字符；完整性 Unicode要善蓋文本中使用的所有字符；單義性 每個代碼明確地表示一個字符。正確性 在進行與已有字符編碼標準間的轉(zhuǎn)換時，不應(yīng)該丟失任何原文數(shù)據(jù)。保真性 9阿拉伯文、維文編碼10維文TrueType字庫 我們以Font Creator Program為例說明Unicode TrueType字庫的制作，如下圖:11維文

6、處理系統(tǒng) Uighur Office 2000 Uighur Office 2000是針對Windows 98/ME開發(fā)的維文處理系統(tǒng)，使用時需要Office 2000(Word 200)。使用本系統(tǒng)維文處理相當于英文、中文一樣，不需要特殊的硬件或其他軟件的支持。12維文校對對象的研究手寫原稿 文理科原稿個一本（123678詞） 計算機基礎(chǔ)（維文版、566頁） 現(xiàn)代維語 （維文版、549頁）被輸入到計算機的原稿（13423詞） 理科方面的研究論文 12篇 文科方面的研究論文 8篇新疆日報，新疆大學學報，科學與力 （各兩期）13維文校對系統(tǒng)常見錯誤類型 經(jīng)過大量分析和研究，民文書本中經(jīng)常出現(xiàn)的錯

7、誤大致分為兩種，即錄入錯誤和語法錯誤。大約統(tǒng)計了只通過一次校對的6250000個維文詞，其中出現(xiàn)的總錯誤數(shù)為53125，平均出錯率為8。5%（理科書中約為2%-4%，文科書中約為9%-11%）。這些錯誤中92%以上是錄入錯誤，其余7%-8%為語法錯誤。總之細分這些錯誤，可分為如下幾種： 一、錄入錯誤丟字符，多字符，拼寫錯誤（外來語、專業(yè)名詞中常見）重鍵引起的錯誤同音或同形詞引起的錯誤標點符號、數(shù)字或括號不匹配二、語法錯誤（1）構(gòu)詞錯誤： 民文中常用一些后綴和連接字符（一般為一個或幾個字節(jié)）來構(gòu)成新詞時，若搭配不當，就會產(chǎn)生嚴重的語法錯誤。（2）句法錯誤詞性搭配錯誤,關(guān)聯(lián)詞搭配錯誤,句型錯誤14民文校對的優(yōu)勢及難點 優(yōu)勢：（1） 詞和詞之間是用空格來分開的，容易分別和查找。（2） 字母只有32個，雖有單、前、中、后四種變形，但數(shù)量有限且有規(guī)律，已有自動選型可以解決這個問題。（3） 句子成分在句子中的語法位置比較穩(wěn)定，易于發(fā)現(xiàn)語法錯誤。難點：（1） 重鍵問題容易導(dǎo)致錄入錯誤。比如：G（）、F（）、K（）、L（）、H（）、J（）。（2） 外來語和專業(yè)名詞比較多，易出現(xiàn)拼寫錯誤。（3） 手寫體中的連筆法容易導(dǎo)致原稿性錯誤（4） 時態(tài)比較復(fù)雜，構(gòu)詞連接字符較多，容易發(fā)生時態(tài)不匹