汉语盲文语料库建设探析

汉语盲文语料库是推进盲文规范化、标准化和信息化建设的重要基础资源平台。汉语盲文语料库是顺应时代要求,通过对现行盲文颁布60多年来的盲文出版物语料、非出版物语料以及盲人的个人盲文语料进行调查筛选、采集、标注,历经七载形成的具有原创性、开拓性、集成性、综合性的研究成果,填补了国内外盲文语料库的空白,是进行汉语盲文信息化和汉语盲文研究的重要基础和载体。汉语盲文语料库的阶段性成果《国家通用盲文方案》已经解决了几十年来盲文读音不准的问题,实现了盲文由“猜”到“读”的转变,是盲文规范化继往开来的里程碑。

汉语盲文语料库建设方案

本文提出了一个汉语盲文语料库的建设方案。由于现行盲文在分词连写和标调方面的特点,汉语盲文研究难以直接使用明眼文语料库,需要建设专门的语料库。论文拟建设的语料库是一个大规模的(约1000万方盲文)、经过语言信息和触觉信息多层级对照标注的语料库。该语料库的建设可促进对我国盲文发展全貌的把握和了解,促进盲文基础研究和信息化、规范化研究,助力盲人信息无障碍水平提升。论文从语料库选材原则和样本采集、语料标注规范和标注方案、辅助软件研发计划等几个方面详细说明了盲文语料库建设的主要内容和初步方案,并进一步指出其重点和难点问题。

基于盲文语料库的国家通用盲文量化研究

通过对盲文语料库中随机抽取的1,200,751汉语音节进行统计分析,发现国家通用盲文字均方数约为2.22方/字,平均词长约为1.75字,平均空方率约为0.57,平均标调率约为49.59%,完善型符号占比约为25.82%。通用盲文理论混淆率约为0.87%,来源于14个无调单音节和33个尾音节无调双音节。通用盲文混淆率是现行盲文的1/28左右。轻声的教学难度较小、记忆负担不重。通用盲文的平均词长、理论混淆率还有改进空间。只要轻声不标"本调",混淆范围限制在无调的尾音节,通用盲文就不会发生系统性混淆风险。

基于语料库的盲文隐性标调研究

汉语盲文标调问题困扰了我国盲文界60多年,标调准确、篇幅增加、新旧衔接、学习负担等多种矛盾交织,盲文语料库为综合平衡地协调这些矛盾提供了可能性。以使用频率、辖字数、构词数、音节平衡指数、隐性标调指数等定量研究为基础,对盲人的阅读习惯、触觉品质等进行定性研究,广泛征求盲文使用者的意见和建议,有望形成符合盲人习惯、新旧衔接顺畅、兼顾汉语表音准确性和盲文简洁性的隐性标调方案。

基于汉盲对照语料库和深度学习的汉盲自动转换

汉盲转换是指将汉字文本自动转换为对应的盲文文本,其在盲文出版、盲人教育等领域具有重要应用价值,但当前已有系统性能难以满足实用需求。该文提出一种基于汉盲对照语料库和深度学习的汉盲自动转换方法,首次将深度学习技术引入该领域,采用按照盲文规则分词的汉字文本训练双向LSTM模型,从而实现准确度高的盲文分词。为支持模型训练,提出了从不精确对照的汉字和盲文文本中自动匹配抽取语料的方法,构建了规模为27万句、234万字、448万方盲文的篇章、句子、词语多级对照的汉盲语料库。实验结果表明,该文所提出的基于汉盲对照语料库和深度学习的汉盲转换方法准确率明显优于基于纯盲文语料库和传统机器学习模型的方法。

《汉语拼音方案》助力盲文的规范化与信息化

今天我发言的题目是《〈汉语拼音方案〉助力盲文的规范化与信息化》。这几年我参加了几个盲文研究项目,包括主持中残联委托课题'通用盲文翻译软件研制'和国家社科基金重大项目'盲文语料库建设'子课题,参加国家语委重大项目'通用盲文标准修订'等工作。

盲生汉语盲文分词连写能力研究

分词连写能力影响盲文书写能力,事关盲生的语言文字运用能力。采用听写的方式,使用汉语盲文语料库中的语段对129名盲生的汉语盲文分词连写能力进行测验,结果发现:盲生盲文分词连写错误较多,分词连写能力偏低;小学高年级段、初中段和高中段三个学段的盲生之间没有显著差异;不同性别盲生之间没有显著差异。盲生分词连写错误集中于大类上的词组分词连写错误;集中在小类上的“结构助词”“副词+动词”等8小类错误。未来,应重视盲生的分词连写能力,加强盲校分词连写教学,完善分词连写规则。