关联树汉字编码方法 本发明是一种汉字编码方法。
汉字编码方法很多，有音码、形码、音形码和序号码四大类，好几百种，各有其优缺点。有的编码易学易记，但输入速度慢，多为非专职录入人员所采用；有的编码输入速度快，但不易掌握，多为专职录入人员所采用。目前还没有一种既容易掌握、输入速度又快、为广大专职录入人员和非专职录入人员所普遍通用的汉字编码方法。
本发明的目的是提供一种易学易记，输入速度快，为广大非专职录入人员和专职录入人员所通用的汉字编码方法。
一、基本概念
汉字编码涉及的名词和概念较多，目前还缺乏统一的定义，不同的编码方法采用不同的名词术语，比较混乱。本发明对以下几个关键概念进行了界定。
(一)笔画
构成汉字的不可分割的最小单元称为笔画。笔画分为平笔画和折笔画两类，平笔画简称平笔，折笔画简称折笔。本发明将笔画之间的相互关系划分为离散、中连、端连、交叉四种，如“八”字的两笔画为离散关系，“丁”字的两笔画为中连关系，“厂”字的两笔画为端连关系，“十”字的两笔画为交叉关系。
(二)笔串
笔串是本发明首次提出的一个新概念，是指汉字中可能存在的连续地笔画组合块。笔串概念内容很广，包括了所有的笔画、部件和汉字。根据组字频率和结构特征，将笔串分为独立笔串和非独立笔串两类。本发明将多频笔串、整体笔串、分离笔串定义为独立笔串。组字频度在两次以上的笔串称为多频笔串，如：氵、刂、亻、十、也；笔画之间通过端连或交叉构成一个整体，这样的笔串称为整体笔串，如：厂、口、几、丰、中；某一笔串在构成汉字时与周围其它笔串永远保持一定距离，这样的笔串称为分离笔串，如：阝、ス。一个笔串可能既是多频笔串，又是整体笔串或分离笔串。独立笔串之外的所有笔串统称为非独立笔串，全部笔串的集合称为笔串集。
(三)部件
部件是汉字编码中用到的一个基本概念，目前还没有统一定义。本发明将独立笔串定义为部件，全部部件的集合称为部件集。按这一定义推论，部件集是独立的，与编码方法无关。部件集是笔串集中的一部分，笔串集包含部件集。
以下六种部件十分重要，是关联树码选定码件的主要依据，下面分别进行界定说明。
1.单构部件：笔画通过单一方式构成的部件称为单构部件。本发明将单构部件进一下四种。
①散笔部件：部件中的所有笔画之间相互离散，这样的部件称为散笔部件，如：三，立，心，儿，巜，巛。
②中连部件：部件中的所有笔画通过中连方式直接或间接地连在一起，这样的部件称为中连部件，如：上，止，片，爿，
③端连部件：部件中的所有笔画通过端连方式直接或间接地连在一起，这样的部件称为端连部件，如：厂，，口。
④交笔部件：部件中的所有笔画通过交叉方式直接或间接地交接在一起，这样的部件称为交笔部件，如：十，力，韦，女。
2.整体部件：部件中的所有笔画通过端连或交叉方式构成一个整体，这样的部件称为整体部件，如：口，十，中，申。
3.整连部件：整体笔串与若干平笔直接相连所构成的部件称为整连部件，如：才，土，王，牛，生，用。
4.高频部件：指组字频度相对较高的部件，如：人，口，十，大，土。
5.复杂部件：指结构比较复杂的部件，如：臼，事，垂，重，，牙。
6.相似部件：部件A与部件B的形状相似，则两部件互为相似部件。如：“平”与“干”互为相似部件；“来”与“未”互为相似部件。
(四)码件
满足汉字编码需要的部件称为码件，全部码件的集合称为码件集。码件集与编码方法有关，每一种编码方法都有其特定的码件集，码件数量从几十到几百不等。码件集是部件集中的一部分，部件集包含码件集。
二、码件选定依据
作为形码和音形码编码方法，选择码件、建立码件集十分重要，也是必不可少的。目前，有关部门还没有制定出统一的码件标准和规范，不同的编码方法自定码件标准。这些自定的标准和码件集大都缺乏充分的科学依据，有很大的随意性。关联树汉字编码方法以提高学习效率和输入效率为目标，以码件系列的连续性和完整性为依据，从减小码长和降低重码率入手，在对大量部件进行系统研究的基础上，首次提出以下六项原则作为选定码件的基本依据，并根据这六项原则建立了树码码件集合(表2-1)。
1.单构部件原则上作码件，如：三，上，厂，十。
2.整体部件原则上作码件，如：厂，口，中，申。
3.整连部件原则上作码件，如：土，王，生，禾。
4.高频部件原则上作码件，如：口，人，十，氵。
5.复杂部件原则上作码件，如：臼，事，垂，重。
6.与上述五种码件相似的部件原则上作码件，如：平，夹，来，柬。
表2-1：树码码件集合表
续表2-1：树码码件集合表
三、码件归类
码件归类就是建立码件与码元之间的对应关系。码件归类是所有形码和音形码编码方法的核心。本发明从码件之间的相容性和关联性、码件系列的连续性和完整性、码件分布的一致性和规律性等方面对所选码件进行了综合研究，在此基础上提出了码件归类原则，确定了码件归类方案。
(一)码件关联方式
关联是记忆的基础，充分应用关联规律会大幅度提高学习效率。关联是码件归类的主要依据之一。码件与码件之间、码件与码元之间存在着多种关联方式，本发明将其归纳为音关联、形关联、意关联三大类。
1.音关联：根据发声特点将码件与码元联系在一起，这种关联方式称为音关联，如：“干”与G、“禾”与H、“木”与M、“人”与R之间均为音关联。
2.形关联：通过形状特征和结构特征将码件与码件或码件与码元联系在一起，这种关联方式称为形关联。树码将形关联进一步划分为如下七种。
①同构关联：码件与码件之间或码件与码元之间具有相同的几何结构，本发明将这种关联方式定义为同构关联，如码件“彐”与码件“山”所处的平面角度虽然不同，但两者的几何结构完全相同，因此，码件“彐”与码件“山”之间存在同构关联。
②成倍关联：码件B由若干个码件A或码件A的同构部件组合而成，本发明将这种关联方式定义为成倍关联，如码件“十”与码件“丰”之间，码件“巜”与“巛”之间，都存在成倍关联。
③钩笔关联：两码件从结构上来说相差一个钩笔段，本发明将这种关联方式定义为钩笔关联，如码件与码件“乚”之间，码件“”与码件之间存在钩笔关联
④平交关联：码件B与码件A相比，多了一个或多个相交的平笔，本发明将这种关联方式定义为平交关联，如码件“井”与码件“廾”之间，码件“巾”与码件“市”之间都存在着平交关联。
⑤同形关联：码件与码件之间或码件与码元之间具有相同的外围几何形状，本发明将这种关联方式定义为同形关联。如码件“凸”与码件“”的结构虽然不同，但两者的外围几何形状完全相同，因此，码件“凸”与码件“”之间存在同形关联。
⑥相似关联：码件与码件之间或码件与码元之间在形状上十分相似，本发明将这种关联方式定义为相似关联，如“平”与“干”之间、“来”与“未”之间都存在相似关联。
3.意关联：不同码件的含义相同或相近，这种关联方式称为意关联。如码件“火”与码件“灬”之间，码件“心”与码件“”之间都存在意关联。
码件关联方式具有多向性，一个码件可以通过一种或多种方式与一个或多个其它码件发生关联。码件关联方式具有普遍性，码件与码件之间、码件与码元之间都有可能存在上述三种类型的关联。
(二)码件归类原则
码件归类就是建立码件与码元(树码以26个英文字母为码元)之间的对应关系。本发明根据以下原则确定码件归属。
1.均衡原则：码件归类时，要尽可能使不同码件分布在不同码元上；各码元所含码件的累计组字频率和组词频率要尽可能均等，不能太多，也不能太少。
2.关联原则：归于某一码元的所有码件与该码元之间要相互关联。
3.优先原则：当一个码件可与多个其它码件发生关联时，原则上按下列次序确定其归属。
1)同构关联优先于成倍关联
2)成倍关联优先于钩笔关联
3)钩笔关联优先于平交关联
4)平交关联优先于同形关联
表3-2：码件归类原则说明举例
(三)归类结果
根据码件自身的结构特征和码件之间的关联特征，将码件分为根源码件和非根源码件两大类。根源码件是指能够代表某一类码件共同特征的典型码件，根源码件之外的所有码件统称为非根源码件。根源码件归类结果见表3-3，非根源码件归类结果见说明书附图。
表3-3：根源码件表
四、汉字分解
(一)汉字部件关系
部件关系指两个部件在空间位置上的相互关系，本发明将部件关系划分为离散、连接、交叉三种，并把离散关系和连接关系合称为拼并关系。
1.离散关系：两部件在汉字中保持一定距离，本发明将这种类型的部件关系定义为离散关系，如“好”字中的两个部件“女”与“子”之间的关系属于离散关系。
2.连接关系：两部件之间至少有一个笔画相互连接，本发明将这种类型的部件关系定义为连接关系，如“古”字中的两个部件“十”与“口”之间的关系属于连接关系。
3.交叉关系：汉字中两部件的所有笔画或若干笔画之间互相交叉，本发明将这种类型的部件关系定义为交叉关系，如“乐”字的两个部件与“小”之间的关系属于交叉关系。
4.拼并关系：本发明将连接关系和离散关系合称为拼并关系。拼并关系进一步分为正并和偏并两种。正并关系指两部件上下并列或左右并列的关系，如“好”字中的两个部件“女”与“子”的关系为正并关系；正并以外的拼并关系统称为偏并关系，如“可”字的两部件“丁”与“口”之间的关系为偏并关系。
(二)汉字分解原则
汉字结构比较复杂，如何分解汉字目前还没有统一的标准和规范。这一问题在汉字编码领域中尤为突出，同一种编码方法对同一个汉字往往有多种不同的分解结果，这对汉字编码造成了不必要的困难。本发明按如下四条原则逐级筛选汉字分解方案，彻底解决了一字多解(多种分解方案)的难题。
1.码件数量原则：在各种可能的分解方案中优先选择码件数量最少的方案。
2.码件关系原则：在根据上述原则选出的多种方案中，优先选择码件之间具有拼并关系的方案，拼并方案中优先选择正并方案。
3.码件归属原则：在根据上述原则选出的多种方案中，如果存在某一码件与其它多个码件合并的可能，那么应选择与相邻前位码件合并的方案。
4.码件排序原则：码件的先后次序根据码件第一笔画的先后次序确定。
上述四条原则有两个前提条件，一是端连笔画不分解，当整体对待，例如“厂”字中的两笔画端连，就不能当作“一”和“丿”进行分解；二是汉字中能被一个部件包围的孤点不参与编码，如“戈”字中的“丶”是孤点，且被部件所包围，因此不参与编码。
所有汉字按上述四条原则筛选之后，都可得到唯一的分解方案。
五、汉字编码
(一)汉字编码
最大码长为4，尾码取声码，前几位取形码。由一个码件组成的字为两位码，首码为该码件的归类代码(归类代码简称代码，即码元)，尾码为声码，即码件字拼音的第一个字母，如：“工”字的编码为HG。由两个码件组成的字取两位形码，分别为第一码件和第二码件的代码。由两个以上码件组成的字，第一、第二码分别取前两个码件的代码，第三码取末尾码件的代码。
(二)词编码
1.双字词：四位码，按顺序每个字取其编码的第一位码和第二位码。
2.三字词：六位码，按顺序每个字取其编码的第一位码和第二位码。
3.四字词：八位码，按顺序每个字取其编码的第一位码和第二位码。
4.五字词及五字以上词：码长等于字数，每个字取其编码的第一位码。
六、关联树汉字编码方法的特点
关联树汉字编码方法有如下八个特点。
1.概念界定明确。对笔画、笔串、部件、码件等基本概念做了严格和明确的界定。
2.选择码件有充分的科学依据。本发明以提高学习效率和输入效率为目标，以码件系列的连续性和完整性为依据，从减小码长和降低重码率入手，在对大量部件进行系统研究的基础上，首次提出了选定码件的六项基本原则，并根据这六项原则建立了树码码件集合。
3.码件归类科学。从码件之间的相容性和关联性、码件系列的连续性和完整性、码件分布的一致性和规律性等方面对所选码件进行了综合研究；以计算机为手段，对几百个码件归类方案进行了分析对比，在此基础上提出了码件归类的三条原则，据此确定了码件归类方案。
4.码件与码件之间、码件与码元之间密切关联。本发明对码件关联方式进行了系统、科学的归纳与界定，采用树的结构型式，通过音、形、意等关联方式将码件与码件、码件与码元连成一个有机的整体，易学、易记。
5.汉字分解简单明确，结果唯一。本发明采用逐级筛选的方法确定汉字分解方案，彻底解决了汉字分解时通常遇到的一字多解(多种分解方案)这一难题。
6.重码率底，输入效率高。国家标准GB-2312中的6763个汉字编码的静态重码率低于5％，这在所有音形码中是最低的。
7.码元少，便于盲打。以26个英文字母为码元，在标准电脑键盘上分上、中、下三排集中分布，左右手协同输入，十分方便。
8.词组采用不等长编码方式，适合建立大容量低重码词组编码库。
9.本编码方法具有普遍性，适用范围广，可用于中、日、韩所有简体和繁体汉字的编码。
七、说明书附图说明
图1是码元A及其归类码件的关联树图
图2是码元B及其归类码件的关联树图
图3是码元C及其归类码件的关联树图
图4是码元D及其归类码件的关联树图
图5是码元E及其归类码件的关联树图
图6是码元F及其归类码件的关联树图
图7是码元G及其归类码件的关联树图
图8是码元H及其归类码件的关联树图
图9是码元I及其归类码件的关联树图
图10是码元J及其归类码件的关联树图
图11是码元K及其归类码件的关联树图
图12是码元L及其归类码件的关联树图
图13是码元M及其归类码件的关联树图
图14是码元N及其归类码件的关联树图
图15是码元O及其归类码件的关联树图
图16是码元P及其归类码件的关联树图
图17是码元Q及其归类码件的关联树图
图18是码元R及其归类码件的关联树图
图19是码元S及其归类码件的关联树图
图20是码元T及其归类码件的关联树图
图21是码元U及其归类码件的关联树图
图22是码元V及其归类码件的关联树图
图23是码元W及其归类码件的关联树图
图24是码元X及其归类码件的关联树图
图25是码元Y及其归类码件的关联树图
图26是码元Z及其归类码件的关联树图