文字学入口网站的规画

《文字学入口网站的规画》由会员分享，可在线阅读，更多相关《文字学入口网站的规画（14页珍藏版）》请在金锄头文库上搜索。

1、文字學入口網站的規畫 莊德明 中央研究院資訊科學研究所研究助技師 鄧賢瑛 中央研究院資訊科學研究所研究助 摘 要 漢字有形、音、義三要素。在字形方面，中研院資訊所文獻處實驗已於 2008 5 月推出漢字構形資庫 2.52 版，這個版本收古今漢字 116,790 個； 其中楷書字形 62,942個，小篆及重文 11,100 個，文 21,413個，楚系簡帛文字 19,138個，甲骨文 2,197個；另收漢語大字典體字表 12,208組。我們已 用漢字構形資庫開發漢字部件檢字系統，並用解決缺字問題。經過這些 的驗證，這個缺字問題的解決方案，基本上是可的。目前， 位典藏與位 學習國家型科技計畫至少已

2、有 23 個資庫採用漢字構形資庫解決缺字問 題。 雖然經十五的開發，漢字構形資庫在資庫本身或推廣方面，仍 有很大的改善空間：一、漢字有形、音、義三要素，漢字構形資庫目前只著重 在字形知的整，尚未涉及字音與字義；建一個形、音、義俱備的漢字知 庫，仍是我們長遠的目標。二、漢字構形資庫的缺字解決方案，採用單位仍侷 限於中研院及位典藏與位學習國家型科技計畫 ，仍須再推廣。三、部件 檢字雖然比部首檢字，比筆畫檢字有效，但仍應再增加部首、筆畫等其他 檢字方式，以求完備。四、漢字構形資庫雖可透過網際網免費下載，然而 要增加使用人次，應再開發中文繁簡體、英文、日文、韓文版或網應用版。 上述問題的解決關鍵，其實

3、就在網際網。原先只想研發漢字構形資庫的 網版以解決缺字、檢字及下載安裝的問題，然而要建形、音、義俱備的漢 字知庫，最好的方式還是將漢字構形資庫的網版擴充成文字學入口網站。 文字學入口網站主要是用漢字的形、音、義知檢字，並提供漢字字典網站 的結；如此一，即可透過網際網，集眾人之建漢字知庫並推廣漢 字構形資庫。規畫中的文字學入口網站應具有下特色：一、多 語的使用介面。 二、多樣的檢字方式。三、可檢同字集。四、可解決缺字問題。五、提供字 典網站結。具有上述特色的文字學入口網站具有下效益：一、推動字書上網。 二、建漢字知庫。三、漢字知的擷取。四、闡揚漢字文化。 文字學入口網站的規畫 莊德明 中央研究院

4、資訊科學研究所研究助技師 derminggate.sinica.edu.tw 鄧賢瑛 中央研究院資訊科學研究所研究助 ying0419iis.sinica.edu.tw 壹、漢字構形資庫的研發與推廣 從殷商的甲骨文算起，漢字的使用已達 3,400之久；然而電腦及網科技 的蓬勃發展，只過是近幾十的事。今天漢字在電腦中的應用，應該只是 滿足使用者基本的需求，還完善，其最根本的問題為電腦中的漢字知嚴重 足。中央研究院資訊科學研究所文獻處實驗室自 1993 起，開始進漢字 位化的工作，我們的研究重心在於用電腦建漢字的知庫，同時透過這些知 提升電腦處漢字的能，而其中最主要的成果為建漢字構形資 庫 。 漢

5、字構形資庫是一個記漢字形體知的資庫，這些知包含古今文字 的源演變、字形結構及體字表。自從 1998 8 月推出第一個正式版本後， 其間為考使用者的需求及漢字的特性，經次重大的改版新，截至 2009 2 月份為止，所推出的版本已新至 2.52 版；漢字構形資庫的重要版本沿 革，可表一。2008 5 月推出漢字構形資庫 2.52 版，這個版本收古今 漢字 116,790 個；其中楷書字形 62,942 個，小篆及重文 11,100 個，文 21,413 個，楚系簡帛文字 19,138 個，甲骨文 2,197 個；另收漢語大字典體字表 12,208組。這個資庫的主要特色如下 1 ： 1. 銜接古今文

6、字以反映字形源演變。 2. 收同史時期的體字表，以表達同中文字在各個史層面的使用 關係。 3. 記同史時期的文字結構，以呈現中文字因義構形的特點。 4. 使用構字式及風格碼解決古今文字的編碼問題。 我們已用漢字構形資庫開發漢字部件檢字系統，並用解決缺字問題。 經過這些的驗證，這個缺字問題的解決方案，基本上是可的。目前位 典藏與位學習國家型科技計畫至少已有 23 個資庫採用漢字構形資庫 解決缺字問題，其中規模最大的為中研院史語所漢籍電子文獻，漢籍電子文獻已 上線古籍達三億五千八百萬字。在解決缺字問題方面，除持續擴充漢字構形資 庫外，我們還進下工作： 1. 以公眾授權模式提供中研院漢字部件檢字系統

7、的原始程式碼及相關資 ，釋出給大眾使用。 21 請考漢字位化的困境及因應：談如何建漢字構形資庫，莊德明，第五屆岸三院 資訊交與位資源共享研討會，台，2007 10 月 2 請考http:/cdp.sinica.edu.tw/cdphanzi/declare.htm 12. 推動漢字構字標準，撰寫中文字構形別序標準草案，目前已函送 標檢局審議。 表一、漢字構形資庫的版本沿革 版本 /月/日 內容簡介 字 備註 1.0 1998/8/6 收五大碼字形 13,051 個。 13,051 1. 進字形結構分析。 2. 研發部件檢字技術。 1.4 2002/05/17 1. 增收漢語大字典字 頭，合計

8、54,711 個字形 2. 收漢語大字典體 字表 12,208 組。 54,711 1. 制定構字式以解決缺字 問題。 2. 收體字表。 2.1 2003/03/17 增收文解字詁的小 篆及重文共 11,100個。 65,811 收小篆，銜接古今漢字， 並開始走向文字學資庫。 2.2 2004/12/06 增收文編中的 3,459 個文及其楷定字。 73,779 收文構字。 2.3 2005/08/03 增收楚系簡帛文字編中 的 2,627個楚系簡帛文字及 其楷定字。 77,268 收楚系文字構字。 2.4 2006/8/2 增收殷墟甲骨刻辭纂 中的 1,970個甲骨文。 81,720 收甲骨

9、文構字。 2.5 2007/8/9 1. 增收文編中文， 總計 20,069 個文。 2. 增收楚系簡帛文字編 中的楚系文字，總計 16,801個。 3. 增收殷墟甲骨刻辭 纂中的甲骨文，總計 2,197個。 112,533 1. 大增收文及楚系簡 帛文字的重文，合計 30,462個。 2. 制定風格碼以解決古漢 字的編碼問題。 3. 研發出處檢字技術。 4. 新增 Microsoft Word自動 貼圖功能。 雖然經十五的開發，漢字構形資庫在資庫本身或推廣方面，仍 有很大的改善空間： 1. 漢 字 有 形、音、義三要素，漢字構形資庫目前只著重在字形知的整， 尚未涉及字音與字義；建一個形、音、

10、義俱備的漢字知庫，仍是我們 長遠的目標。 2. 漢字構形資庫的缺字解決方案，採用單位仍侷限於中研院及位典藏 與位學習國家型科技計畫 ，仍須再推廣。 3. 部件檢字雖然比部首檢字，比筆畫檢字有效，但仍應再增加部首、 筆畫等其他檢字方式，以求完備。 4. 漢字構形資庫雖可透過網際網免費下載 3 ，然而由於檔案太大（約 84M） ，而且只能在繁體中文版下使用，以致下載人次增加有限。目前每 天的下載人次約 10次，總下載人次為 14,662次（截至 2009 3月 26日3漢字構形資庫下載網址：http:/cdp.sinica.edu.tw/cdphanzi/ 2止） 。要增加使用人次，漢字構形資庫應

11、再開發中文繁簡體、英文、 日文、韓文版或網應用版。 上述問題的解決關鍵，其實就在網際網。原先只想研發漢字構形資庫的 網版以解決缺字、檢字及下載安裝的問題，然而要建形、音、義俱備的漢 字知庫，最好的方式還是將漢字構形資庫的網版擴充成文字學入口網站。 文字學入口網站主要是用漢字的形、音、義知檢字，並提供漢字字典網站 的結；如此一，即可透過網際網，集眾人之建漢字知庫並推廣漢 字構形資庫。這樣一個入口網站同於 Google、Yahoo等用關鍵詞找網頁的 入口網站，而這樣的需求也非 Google、Yahoo等入口網站所能達成。建文字學 入口網站的構想始於 2008 初，接著我們開始搜尋網際網的字典網站，

12、瞭解 這些網站的檢字方式及字典內容，同時也發現部分網站已具有文字學入口網站的 概。下一節先介紹幾個重要的網站，再明我們對文字學入口網站的規畫及 實施。 貳、漢字字典網站簡介 一、 體字字典 （網址：http:/dict.variants.moe.edu.tw/） 體字字典網站為教育部國語會所建置，介面採用繁體中文，收字 為 106,230 字（2004 1月版） ，其中正字 29,892字，體字 76,338字（含待考 之附字） 。本字典所用的正字標準據教育部常用字表 4 、 次常用字表 5 、 罕用字表 6 等三正字表。遇有三字表未收，而須獨音義之文獻字形，則 補收為新正字表 。體字收則考教

13、育部體字表 7 。 8 體字字典採用部首及筆畫檢字，檢字後再出該字的音及釋義。 如呡在作為正字時，音為，意思是微嚐 ；而當呡作為吻 字的體字時，則為，釋義同吻字。此外，在一旁的窗格中，還會 出該正字在文解字大徐本 、 文解字段注本或龕手鑑等 考資中的明。圖一為呡字的檢字界面， 呡字為口部 5 畫。圖二 為呡字可作為吻字的體字。 在體字字典網站中，字形的呈現方式是併用圖片與造字檔，因此使用 者可能必需匯入該網站提供的造字檔，才能正確的瀏覽網站內容。同時因為含有 大的字形圖片，因此根據使用者的電腦等級及頻寬等條件同，瀏覽的暢 也會受到影響。 4此處指教育部於 1982 9 月交正中書局印之 常用國

14、字標準字體表 ， 共收常用字 4808 字。 5此處指教育部於民國 1982 10 月印之 次常用字國字標準字體表 ， 共收次常用字 6334 字， 並含 9 個單位詞，共計 6343 字。 6此處指教育部於民國 1983 10 月印之罕用國字標準字體表 ，共收罕用字 18388 字。 7此處指教育部於民國 1984 3 月印之體國字字表 ，共收體 18588 字，補遺 22 字。 8以上資考教育部體字字典編輯 （http:/140.111.1.40/bian/fbian.htm） ，以及 體字字典系統用語 （http:/140.111.1.40/ex.htm） 。 3圖一、 體字字典 呡字的檢字界面 圖二、 體字字典 呡字為吻的體字 二、CNS11643 中文標準交換碼全字庫 （網址：http:/s11643.gov.tw） CNS11643中文標準交換碼全字庫是由政院主計處電子處資中心所建 置，介面採用繁體中文，5.0版可供查詢的字共有 87,047個中文字。查詢方式分 為：筆畫、部首、注音符號、倉頡碼、拼音、CNS碼、部件 9 及筆順序 10 查詢八 種選擇。以櫫字為， 櫫字的總筆畫為 19畫；部首為木部；倉頡碼9全字庫所依據的部件版本為CNS11643_2_94。 10全字庫所依據之筆順序版本為CNS11643_1_94 4