一种基于现代汉字字根排检汉字的方法及系统与流程

本发明涉及汉字信息处理，尤其涉及一种基于现代汉字字根排检汉字的方法及系统。

背景技术：

1、汉字作为中华几千年文化传承的核心载体，其数量庞大、结构复杂。为了方便人们学习和使用，长期以来，学术界与出版界探索了多种汉字排检方法，主要包括音序排检法、部首排检法和笔画排检法。然而，这些现行的主流排检方法在实际应用中均存在明显的局限性和技术痛点，给使用者带来了诸多不便。

2、第—，以汉语拼音为代表的音序排检法，其最大的前提是使用者必须准确知道汉字的读音。这对于初学者、非母语学习者以及遇到生僻字或多音字时，该方法便无从下手。例如，当使用者遇到一个不认识的汉字时，无法通过拼音输入或查询。此外，该方法完全割裂了汉字形体之间的内在联系，大量字形相近、意义相关的汉字（如“挥、荤、晕、恽”）被分散在字典的不同位置，不利于学习者进行比较记忆和系统性学习，也无法体现汉字作为表意文字的构形规律。

3、第二，部首排检法是目前应用最广泛的形序排检法，但其存在三大核心痛点：部首归属不统—且难以判定。许多汉字的部首认定存在争议，不同字典的标准亦不完全统—，即便是同—部字典，部分汉字的部首归属也与大众的直观认知相悖，如“所”归于“户”部，“平”归于“干”部，增加了检索的难度和不确定性。形近字、衍生字被割裂。部首法以形旁作为归类标准，但汉字中大量的形声字，其声旁（通常是核心字根）往往更能体现字族的衍生关系。部首法导致了大量具有相同声旁（即相同字根）的汉字被拆分到不同的部首下，在字典正文中编排也比较散乱，例如，由字根“各”衍生的“胳、恪、烙、赂、略”等字，分别归属于“月、忄、火、贝、田”等部首，并且使得像“白→拍→啪”等具有递归结构关系的字族体系支离破碎，学习者无法形成“识—字、通—串” 的高效认知。部首利用率不均衡且部分部首功能模糊。在《新华字典》的部首表中，部分部首下收录的汉字极少，甚至仅有部首本身，如“飞、无、长”等，造成了部首资源的浪费。同时，—些整字部首（如“皮、革、鬼” ）在组字时既可作形旁，也可作声旁，甚至有时既不表音也不表义，其功能的多变性给归类和检索带来了混乱。

4、第三，笔画-笔顺排检法，虽然规则看似简单，但在实际操作中效率低下。使用者需要精确数出汉字的笔画数，并掌握正确的笔顺规则， —旦出错便需反复尝试。更重要的是，这种纯粹基于笔画数量和顺序的排列方式，完全破坏了汉字在音、形、义上的任何内在联系，使得排列结果随机无序，除了作为一种穷举式的检索补充手段外，几乎不具备任何辅助学习的功能。

5、综上所述，现行汉字排检方法存在着依赖读音、归属混乱、拆散字族、效率低下等—系列技术问题，无法满足数字化时代对汉字进行高效、精准、系统化处理的需求，也为汉字教学和文化传播设置了障碍。因此，迫切需要一种能够克服上述缺陷，回归汉字构形本源，并能统— 、规范、高效地组织和检索汉字的创新排检方法。

技术实现思路

1、为了解决上述问题，本发明提出一种基于现代汉字字根排检汉字的方法及系统，以更加确切地解决了上述背景技术中所提出的问题。

2、本发明通过以下技术方案实现的：

3、本发明提出一种基于现代汉字字根排检汉字的方法，包括以下步骤：步骤—：构建汉字字根库，以权威字典收录的现代规范汉字为基础，从中提取并确立一个由主字根、附形字根及多级衍生字根构成的层级化字根体系，形成完整的字根库；步骤二：定义字根提取规则，建立—套用于从汉字中拆分和识别其对应字根的规范化操作准则，该准则包含针对不同结构类型汉字的普适性原则和特殊性细则；步骤三：生成排检索引，基于所述字根库及字根提取规则，编制生成包含《字根目录》、《字根音序检字表》和《字根笔画序检字表》的系列索引文件；步骤四：实现汉字检索，依据所述排检索引，为用户提供通过识别待查汉字的字根，并在相应索引表中定位该字根，进而找到该汉字详细信息的方法。

4、优选地，所述步骤—中构建的汉字字根库，其构成方式为：从《新华字典》第12版收录的汉字（包括《部首目录》）中，筛选并确定100个具有高衍生能力且结构不可再分的主字根， 28个与主字根形义相近的附形字根，以及由主字根或附形字根通过增加部首、部件或笔画逐级衍生出的687个—级字根、 488个二级字根、 151个三级字根、 22个四级字根和1个五级字根。

5、优选地，所述100个主字根按笔画数分类，具体包括：1画（5个）： —、丨、丿、丶、乛；2画（20个）：十、厂、匚、卜、冂、八、人、勹、儿、几、冖、凵、卩、阝、刀、力、又、厶、工、土；3画（24个）：艹、寸、廾、大、⺎、弋、小、口、口、山、巾、彡、夕、夂、门、彐、尸、己、弓、子、女、马、巛；4.画（24个）：王、无、韦、木、车、牙、日、贝、水、见、牛、手、攵、长、斤、爪、月、氏、文、火、斗、心、肀、毋；5画（9个）：石、业、目、田、皿、生、白、立、疋；6画（9个）：耳、西、而、虫、缶、臼、衣、羊、艮；7画（3个）：豆、豕、里；8画（2个）：非、隹；9画（2个）：面、鬼；10画（1个）：鬲；11画（1个）：黄。

6、优选地，所述28个附形字根与对应主字根的关系为字形或字义上的关联，具体包括： “乛”与“㇆ 、乚、乙”；“卜”与“⺊”；“刀 ”与“刂、⺈”；“人”与“入、亻”；“厂”与“⺁” ；“冂”与“ ”；“八”与“丷”；“⼙”与“㔾”；“土”与“士”；“已”与“已、巳”；“彐”与“⺔”；“木”与“朩”；“无”与“⺛”；“疋”与“龰”；“日”与“⽈”；“手”与“”；“ 月”与“  ”；“火”与“灬”；“衣”与“”；“毋”与“毌、母”；

7、“王”与“玉”；“水”与“⺢”。

8、优选地，所述步骤二中定义的字根提取规则包括：针对部首与字根界线清晰的普通汉字，遵循“去部留根，据形定根” 的原则，即去除汉字的部首后，以剩余部分的形体确定其字根；针对字形结构复杂的特殊汉字，在去除部首后，若剩余部分仍为多个字或部件的合体，则遵循“取下不取上、取右不取左、取内不取外、取核心不取两边” 的优先级规则来确定其核心字根。

9、优选地，所述特殊汉字的字根提取规则进—步细化为：待查汉字去部首后剩下部件属于上下结构的，取下部为字根，如“爱”，去部首“⺤”后，取其下部“友”为字根；待查汉字去部首后剩下部件属于左右结构的，取右部为字根，如“衡”，去部首“⼻”后，取其右部“亍”为字根；待查汉字去部首后剩下部件属于包围（半包围）结构的，取围内部件为字根，如“柩”，去部首“木”后，取其内部“久”为字根；待查汉字去部首后剩下部件属于核心与周边结构的字，如“辔”，去部首“口”后，取其核心部分“车”为字根。

10、优选地，所述步骤三中生成的排检索引，其编排规则为：《字根目录》：将所有主字根、附形字根及各级衍生字根按其层级和笔画/音序进行系统排列；《字根音序检字表》：将所有字根按其读音的拼音字母顺序排列，并列出由各字根衍生的汉字；《字根笔画序检字表》：将所有字根按其笔画数由少到多的顺序排列，并列出由各字根衍生的汉字。

11、优选地，所述方法还包括对部分多字根汉字的处理方法，即在排检索引中为该汉字建立多个入口，允许用户通过该汉字包含的任意一个字根都能查找到该汉字，实现“多开门”的检索效果。

12、一种基于现代汉字字根排检汉字方法的系统，该系统包括：一个字根数据库，存储根据步骤一所定义的层级化字根体系；一个字根提取模块，内置根据步骤二所定义的字根提取算法，用于接收一个输入汉字并输出其核心字根；一个索引查询模块，该模块加载根据步骤三所生成的排检索引，并根据字根提取模块输出的字根，在索引中进行匹配和查找；一个结果展示模块，用于显示索引查询模块返回的汉字信息，包括其形体结构、拼音、释义及相关的衍生字。

13、与现有技术相比，本发明提供了一种基于现代汉字字根排检汉字的方法及系统，具备以下有益效果：

14、该基于现代汉字字根排检汉字的方法及系统，通过建立—套基于字根的层级结构和系统的拆分规则，实现了不依赖汉字读音的纯字形排检，从而达到了有效解决生僻字、多音字及未知读音汉字检索难题的效果。使用者仅需根据汉字的形态拆分出其核心字根，即可在索引中快速定位，彻底摆脱了对拼音的依赖。

15、该基于现代汉字字根排检汉字的方法及系统，通过将具有相同字根的形近字、同源衍生字、形声字系统性地归并在同—排检序列下，实现了汉字知识的高效关联与聚合，从而达到了显著提升汉字学习和辨析效率、有效防止“读错字” 、“ 写错字”及“提笔忘字”现象的效果。学习者通过掌握一个核心字根，便能触类旁通， —次性学习—整个字族，符合人类认知规律。

16、该基于现代汉字字根排检汉字的方法及系统，通过提供—套统— 、规范、逻辑自洽的字根提取与排序规则，并以此为基础生成完备的排检索引，实现了对《新华字典》（除繁体字、异体字外）收录汉字的全面覆盖和系统化、标准化的整理，从而达到了克服现有部首法归属混乱、笔画法效率低下等缺陷，为现代字典编纂、计算机汉字信息处理和国际中文教育提供了—套科学、高效的全新解决方案的效果。