《藏文字母的信息熵》由会员分享，可在线阅读，更多相关《藏文字母的信息熵（5页珍藏版）》请在金锄头文库上搜索。
1、-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 藏文字母的信息熵摘要：随着科技的发展，各类电 子产品的日益增多，藏文文字的使用量 也日益得到扩大，藏文输入法、藏文各 类电子词典等软件的问世，这就迫使藏 文文字需要结构化、数字化、规范化， 做这些工作要了解藏文字母的信息熵。 本人用扩大容量的方法统计了藏文字母 的信息熵，并用 zipf 定律进行了理论上 的说明。 中国论文网 /1/view-12999825.htm【关键词】信息熵 藏文信息处 理 藏文字母 zipf 信息熵的一个重要应用领域就是 自然语言处理。熵是反映语言的数学面 貌的一个重要的信息论参数，信息熵是-精选财经经济类资
2、料- -最新财经经济资料-感谢阅读- 2 消除不确定性所需信息量的度量，也即 未知事件可能含有的信息量。本人把藏 文字母分为 30 个字母与 4 个元音共计 34 个字符，用扩大容量的方法统计了藏 文字母的信息熵。 1 扩大藏字容量的方法计算藏文 字母信息熵 如果随机试验有 n 个结局，而这 些结局是不等概率的。设第 r 个结局的 概率为 Pr，那么，这个随机试验结局的 熵 H 用下述公式计算： 在公式（1）中，因对数以 2 为 底，故熵的单位是比特。且 HO。在相 当长的文句中，藏文字母出现概率 n 近 似地等于它的出现频率。例如，在文句 的总次为 28427 个字次时， “？”字出现 的次
3、数为 2691 次，那么， “？”率为 pr=2691/28427=0.0947。我们把藏字出 现的总次数称为文句长度，用 N 表示， 在文句出现了不同的藏字称为藏字容量， 用 n 表示。根据公式（1）计算出在不 同文句长度、不同藏字容量时，34 个藏-精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 文字母在不计空格与结束符时的熵如表 1。 从表 1 我们可以看出，随着藏字 容量 n 的扩大，熵值 H 相应增大，而当 藏字容量 n 继续扩大 2644 时，熵值 H 的增加就变得比较迟缓了。 下面，我们画出藏语文句中包含 一个藏文字母中的熵 H 随着藏字容量 n 的增加而变化的图像。横
4、坐标表示藏字 容量 n，纵坐标表示包含在一个藏文字 母中的熵 H，如图 1 所示。 随着藏字容量的扩大，文句中常 用藏文字母的出现概率逐渐趋于稳定， 不会有明显的增大。例如，常用藏文字 母“？”在不同的藏字容量中由公式 pr=fr/N 计算出的出现概率如表 2。 从表 2 中可看出，当藏字容量较 小时，随着藏字容量由 1244 扩大到 4813， “？”字出现概率由 0.0844 增加到 0.1035，在区间（O，0.1035）内，- prlog2 Pr 随着 pr 的增加而增加。 我们可以借助于数理语言学中著-精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 名的 Zipf 定律来求
5、出藏字容量达到某个 值时，使熵值稳定的藏字容量 n。把文 句中的字母出现概率递减的顺序排列起 来，并且顺次从 1 到 L 编上号码，造出 这个文句的字母表。如表 3 所示。 随着字母表中编号数目 r 的增大， 相应的字母在文句中出现概率 pr 逐渐 减小，r 由 1 增大到 L，pr 就由 Pl 减小 到 PT。 pr 与 r 之间的关系，可用公式 pr=k/r （2） 式中，r 表示词在此表中的号码，pr 表示号码为 r 的词的出现概率，由 实验测出，k=0.11824。藏文字母出现 概率情况如表 4。 在根据公式（1）求熵时，各个 字母的出现概率 pr 应该满足条件n=l pr=1，把 Zipf 定 2 总结 本人使用扩大藏字容量的办法计 算了 30 个藏文字母与 4 个元音的信息-精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 熵，得出了当藏字容量达到 2644 时， 包含在一个藏文字母中的熵为 4.437615。并且从理论上证明了，如果 再进一步扩大藏字容量，这个熵值不会 再增加。通过这个结论，进一步求出藏 文字符的音节熵及藏文字符的冗余度， 这些数据更能反映藏字的一些固有的属 性，对藏文字符研究工作者有更好的参 考价值。 （导师：安见才让）
