蒙古文編碼轉(zhuǎn)換研究.pdf

1、蒙古文信息處理開端于上個(gè)世紀(jì)70年代末期,隨著計(jì)算機(jī)技術(shù)在蒙古文信息處理中的應(yīng)用,許多研究單位在蒙古文文字處理方面都取得了一些重要的進(jìn)展。進(jìn)行蒙古文信息處理的研究工作,首先要解決蒙古文編碼、蒙古文輸入、蒙古文字庫等關(guān)鍵基礎(chǔ)技術(shù)問題。就蒙古文編碼而言,由于研究工作相對(duì)獨(dú)立,且國家沒有及時(shí)制定蒙古文編碼統(tǒng)一標(biāo)準(zhǔn),各研究單位一般都采用了自定義的基于字形的蒙古文編碼系統(tǒng)。在1993年,ISO/IEC10646國際編碼標(biāo)準(zhǔn)中才定義了蒙古文國際標(biāo)準(zhǔn)

2、編碼。 蒙古文信息處理的研究工作最先是在文字排版方面展開的,由于文字排版系統(tǒng)對(duì)文字而言比較關(guān)注的是文字的“形”,一個(gè)單詞只要能夠出現(xiàn)正確的形狀即可。因此基于形碼的蒙古文編碼方案也應(yīng)運(yùn)而生。蒙古文顯現(xiàn)字符中普遍存在“一形多音”現(xiàn)象,并且有些組成一個(gè)字符的部分結(jié)構(gòu),在其它多個(gè)字符中都可能重復(fù)出現(xiàn),不同的研究單位在制定各自的形碼方案時(shí)有的采用一個(gè)字符,只定義一個(gè)編碼,但可以表示多個(gè)不同發(fā)音的字母；有的采用一個(gè)字符定義多個(gè)編碼,相同字形

3、編碼不同,可表示不同發(fā)音的字母；有的采用將多個(gè)字母中都會(huì)出現(xiàn)的部分結(jié)構(gòu),重新定義為一個(gè)“字符”或從文字書寫的習(xí)慣和美觀角度出發(fā),將字母中的部分筆畫進(jìn)行了重組,并為每一個(gè)“字符”定義一個(gè)編碼。 隨著蒙古文信息化的不斷深入,人們開始逐漸意識(shí)到蒙古文編碼差異造成的問題。由于蒙古文編碼系統(tǒng)的互不兼容,經(jīng)常導(dǎo)致技術(shù)上的重復(fù)開發(fā),在不同編碼系統(tǒng)上開發(fā)的信息資源無法共享,造成人力、物力和財(cái)力的極大浪費(fèi)。 本文主要討論蒙科立蒙古文編碼、

4、智能蒙古文編碼、賽音蒙古文編碼和蒙古文國際標(biāo)準(zhǔn)編碼的轉(zhuǎn)換問題。這里提到的蒙古文特指?jìng)鹘y(tǒng)蒙古文,而不包括托忒文、錫伯文、滿文和阿禮嘎禮字符。蒙科立蒙古文編碼、智能蒙古文編碼、賽音蒙古文編碼采用的是基于UNICODE的形碼編碼方案,轉(zhuǎn)換后的蒙古文標(biāo)準(zhǔn)編碼擬采用正在報(bào)批過程中的蒙古文國家標(biāo)準(zhǔn)編碼。整個(gè)編碼轉(zhuǎn)換工作分三個(gè)步驟進(jìn)行。第一步：分析編碼特征,制定編碼轉(zhuǎn)換規(guī)則,由計(jì)算機(jī)程序?qū)崿F(xiàn)編碼初步轉(zhuǎn)換。第二步：建立蒙古文詞典庫,用來校對(duì)轉(zhuǎn)換單詞的準(zhǔn)