按音標查詢的英漢電子詞典的設計與實現(xiàn)

摘要：系統(tǒng)增加一種功能，即通過音標來查詢單詞，同時加入模糊查詢功能，使查詢方式更加靈活和全面。詳細地說明了系統(tǒng)的設計思想和實現(xiàn)技術。 關鍵詞：按發(fā)音查詢 電子詞典 模糊查詢 目前的各類電子詞典系統(tǒng)在查詢速度、詞庫容量等方面都日趨完善。用戶在英文閱讀時，可以方便快捷地查找生詞的詞義、用法、同義詞或反義詞。然而，就使用方式來講，仍存在欠缺。當人們聽英語廣播、看英語節(jié)目或練習聽力時聽到一個詞的發(fā)音而又不知其含義時，又如何查到單詞的含義呢？按傳統(tǒng)的方法，只能先根據(jù)單詞發(fā)音猜測單詞的拼寫，然后再查詞典。由于英文單詞拼寫不規(guī)范，這種查詢的效率必然很低。 為此，應尋求另一種查詢途徑。旨在通過音標輸入，根據(jù)單詞發(fā)音直接進行查詢，并配合模糊查詢算法，從而為這一問題的解決找到一條途徑。整個設計涉及到音標的提取和輸入、范例數(shù)據(jù)庫的建立、模糊查詢算法、界面的設計等。 1 音標的提取和輸入 系統(tǒng)設計首先考慮音標字庫問題。Windows自帶的音標符號不全且不方便引入，而一些商用軟件，如金山公司的KingSoft Phonetic音標字體則包含了英式音標所需要的基本符號，可在開發(fā)中引入該字體。當然，要以合法方式獲得。其方法是在裝有金山詞霸的系統(tǒng)中找到Ksphonet.ttf，將其拷貝到開發(fā)系統(tǒng)中，安裝此字體即可。開發(fā)時，將窗口缺省字體設置為KingSoft Phonetic；最后，在程序發(fā)布安裝過程中自動為目標機安裝該字體。 由于無論是建立樣例數(shù)據(jù)庫還是系統(tǒng)運行時進行查詢，都涉及到音標的錄入，而通過鍵盤進行錄入顯然不方便。所以在程序窗口中設置一個音標輸入面板，通過點擊面板中的按鈕來錄入對應的音標；還應對面板中的按鍵排列做規(guī)劃，例如，雙元音按鈕排列在一個區(qū)，方便錄入，見圖2。 2 樣例數(shù)據(jù)庫的設計 本電子詞典系統(tǒng)利用MS Access 2000建立了一個含500個單詞左右的樣例詞庫，并使用MS Visual C++6.0作為前端工具，采用DAO技術實現(xiàn)對樣例數(shù)據(jù)庫的訪問。 雖然本詞庫的規(guī)模較小，但應當體現(xiàn)出詞典在詞語分布上的特點。所以，特根據(jù)《郎文英漢雙解詞典》做粗略統(tǒng)計，得出數(shù)據(jù)如表1所示。其中，x、z按所占比例算不足一詞，均按一詞計。 表1 單詞選取分布表 首字母 所占百分比（%） 詞庫中單詞數(shù)（個） 首字母 所占百分比（%） 詞庫中單詞數(shù)（個） a 5.12 26 N 2.15 11 b 6.07 30 O 2.09 10 c 9.99 50 P 2.09 44 d 5.69 28 Q 0.44 2 e 3.48 17 R 5.57 28 f 5.63 28 S 11.70 59 g 3.54 18 T 5.00 25 h 3.92 20 U 1.58 8 i 3.61 18 V 1.58 8 j 0.76 4 W 3.61 18 k 3.29 16 Y 0.25 1 m 5.12 26 Z 0.13 1 數(shù)據(jù)庫字段設計如下： YinbiaoEwordCword其中，Yinbiao存放單詞的音標，并作為主關鍵字；Eword為英文單詞；Cword為單詞的中文釋義。 3 模糊查詢處理 3．1 實時匹配的處理 系統(tǒng)可以以兩種方式進行查詢：按詞查詢和按音標查詢。限于篇幅，本文只討論后者。樣例數(shù)據(jù)庫中以音標字段作為主鍵，對于每一輸入，系統(tǒng)都進行匹配，將相近的結(jié)果顯示出來。例如，用戶輸入：a:則列表提示：art，arm,army,artist,article…等；若用戶輸入：a:t，則列表提示：art,artist,article…等。如用戶的輸入無法完全匹配，則從列表中選擇第一個匹配作為查詢結(jié)果或提示用戶手動選擇相近的詞條。 3．2 重音的處理 英語中多音節(jié)單詞都有各類重音，在音標中用重音符號標記。重音符號完全可以參加匹配查詢，但考慮到查詢復雜度和實用性，不將重音符號作為查詢的一部分，即輸入的重音符號在音詢時經(jīng)過預先處理過濾掉重音號。重音符號只用于建立樣例數(shù)據(jù)庫中的音詞條目，以便在查詢結(jié)果中正確地顯示單詞的完整音標。對于音標相同重音不同的單詞，同時給出釋義。3．3 模糊查詢處理 基于音標的模糊查詢，類似于很多輸入法提供的“南方模糊音”功能，即以用戶潛在的由于音標讀音相似產(chǎn)生的輸入錯誤為基礎，對無法直接匹配的輸入進行相似的代換并對每一種代換進行查找。例如對于音標tr很容易與音標t∫混淆，因此對于可能出現(xiàn)的習慣上的錯誤對音標進行查詢的等價類劃分，本系統(tǒng)做了如下劃分： 需要說明的是，這種劃分只是來源于實際的經(jīng)驗，衡量任何一種劃分成功與否必須通過音標的錯誤使用統(tǒng)計和用戶的反饋來確定。對于正常查詢無法查得的音標，用戶可以有選擇地應用以上的等價代碼重新進行查找。但應用等價代換會非常顯著地降低查詢效率，因此必須對查詢的規(guī)模進行限制，如最多開啟三個等價集或者進行重新等價劃分等。 另外對于比較長的音標輸入，可以將音標輸入的前一半或者1/3長度作為模糊查詢的輸入依據(jù)，這樣模糊查詢的范圍雖然會有所擴大，但是卻節(jié)省了查詢浪費的時間。總之，以等價代換查詢?yōu)榛A，可以采用很多策略來限制查詢的復雜度，但是具體哪一種策略更好，需要對音標構(gòu)成和用戶輸入習慣做大量的統(tǒng)計和實驗得出。查詢流程如圖1所示。 在具體的實現(xiàn)上，使用了遞歸函數(shù)，其基本算法如下： FuzzySearch(Cstring str,int n){ Length=str.GetLength(); if(length<=n){ ExactSearch(str); //完全匹配查找 return; } else {//對第n個字母進行搜索尋找等價代換； //如果找到則從該等價第一個字母開始進行代換； //代換后的音標str2作為遞歸入口送入； FuzzySearch(str2,n+1); //同樣的str3、str4; FuzzySearch(str3,n+1); FuzzySearch(str4,n+1); //對于雙元音代換，則是： FuzzySearch(str5,n+2); //如無法找到等價代換，則： FuzzySearch(str,n+1); } } 對已輸入的音標先進行完全匹配，如完全匹配挫敗則對已輸入音標（剛輸入的音標）進行等價集代換，并把模糊查詢的結(jié)果添加到列表，作為進一步模糊查詢的基礎。由于縮小了搜索范圍，在速度上有一定優(yōu)勢。4 界面設計 界面以及風格的設計已成為Windows編程十分重要的一環(huán)，合理的設計會提高用戶使用效率。如果采用英式音標輸入，則至少需要44個音標按鈕。另一種方案是省略雙元音和某些由兩個音標符號組成的輔音（如t∫）由用戶自行輸入t和∫，這樣可以減少面板上音標按鈕的數(shù)量。但多數(shù)人在學習音標時，習慣上是將雙元音作為一個整體為記憶，折開后反而不自然。所以，面板排列由44個音標按鈕組成，為方便用戶快速錄入，將其按習慣分成三個區(qū)，即單元音區(qū)、雙元音區(qū)和輔音區(qū)，并將發(fā)音相似的音標排列在一起，如圖2所示。 本系統(tǒng)的設計與實現(xiàn)具有很強的實用價值。將本系統(tǒng)所帶的詞庫進行擴充，即可形成標準的電子詞典系統(tǒng)。若將本系統(tǒng)的算法加以固化，即可形成固件產(chǎn)品，具有很好的應用前景。