发帖
扫码访问
 注册
 登录
首页 ›电脑› 电脑学堂 › 查看内容

如何实现拼音与汉字的互相转换

2016-2-8 22:45 19163 0

摘要: 基于词库的汉字转拼音词库中既要包含每个字的拼音，也要包含常用单词/短语的读音。有些字是多音字，所以至少要保存其最常用的读音，不常用的读音多出现在单词/短语里。好了，词库准备好了，现在手头有一句话要转换要 ...

基于词库的汉字转拼音

词库中既要包含每个字的拼音，也要包含常用单词/短语的读音。有些字是多音字，所以至少要保存其最常用的读音，不常用的读音多出现在单词/短语里。

好了，词库准备好了，现在手头有一句话要转换要转换为拼音，这句话是：

你好世界杯

我们的词库是这样子的：

你：nǐ
好：hǎo,hào
世：shì
界：jiè
杯：bēi
世界：shì,jiè
你好：nǐ,hǎo
苦尽甘来：kǔ,jìn,gān,lái

词库中最长的词 苦尽甘来 包含4个字。所以 你好世界杯 从4个字开始匹配：

  • 判断 你好世界 是否在词库中，不在；
  • 判断 你好世 是否在词库中，不在；
  • 判断 你好 是否在词库中，在，得到 nǐ,hǎo ；
  • 判断 世界杯 是否在词库中，不在；
  • 判断 世界 是否在词库中，在，得到 shì,jiè ；
  • 判断 杯 是否在词库中，在，得到 bēi ；

于是 你好世界杯 被转换为 nǐ,hǎo,shì,jiè,bēi 。

基于词库和分词工具的汉字转拼音

纯粹的基于词库的方法在实际的使用中会遇到问题，例如 提出了解决方案 这句话中 了解 会被当作一个单词，所以会得到错误的结果：

tí,chū,liǎo,jiě,jué,fāng,àn

更好的方法是先进行分词得到：

提出
了
解决
方案

然后基于词库对每个结果分别处理。

基于HMM的拼音转汉字

这里的拼音一般不带声调。

将汉字作为隐藏状态，拼音作为观测值，使用viterbi算法可以将多个拼音转换成合理的汉字。例如给出 ti,chu,le,jie,jue,fang,an ，viterbi算法会认为 提出了解决方案 是最合理的状态序列。

HMM需要三个分布，分别是：

  • 初始时各个状态的概率分布
  • 各个状态互相转换的概率分布
  • 状态到观测值的概率分布

这个3个分布就是三个矩阵，根据一些文本库统计出来即可。

viterbi算法基于动态规划， 维基百科 - Viterbi algorithm 给出了很好的解释和示例。

基于词库的拼音转汉字

原则：

  • 词的权重大于字的权重；
  • 转换中匹配的词越多，权重越小。

词库的格式是：

拼音:单词:权重

例如：

ni:你:0.15  
ni:泥:0.12  
a:啊:0.18  
hao:好:0.14  
nihao:你好:0.6

假如输入是 ni,hao,a ，我们计算一下各种组合的权重：

组合权重
你,好,啊0.15×0.14×0.18 = 0.00378
泥,好,啊0.12×0.14×0.18 = 0.003024
你好,啊0.6×0.18 = 0.108

可以看出， 你好,啊 是最好的结果。

实际实现中需要用到 动态规划 ， 和求有向无环图中两点之间最短距离类似。

最后

基于上面的思路，我编写了两个工具，欢迎指教 ^^

拼音转汉字（就是个拼音输入法）：

汉字转拼音：

声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系 [邮箱地址] 删除

路过
1

雷人
握手
鲜花
鸡蛋

刚表态过的朋友 (1 人)

  • 雷人

    匿名

收藏 分享 邀请
上一篇：Swift和Html5的相互调用下一篇：MySQL运行中被改权限测试

最新评论

相关分类

返回顶部