基于Ｗｅｂ的自定義注音工具的研究與實現

【摘要】當前，在給小學生特別是低年級小學生制作語文閱讀資源時需要對閱讀材料進行注音。目前使用的注音工具主要是WORD辦公軟件的注音工具，該工具一次只能對有限的文本（50個字符）進行全文注音，且無法由使用者自定義需要注音的字，給注音帶來諸多不便。針對這一問題，本研究研制了基于Web的自定義注音工具，該工具可以由課件制作人員設定生字范圍或填寫自己認為需要注音的漢字來對任意長度的文本注音，并可設定拼音的呈現格式（拼音在漢字上方及拼音在漢字右側），在注音靈活性、排版等方面優于國內其他注音工具。

【關鍵詞】注音，資源制作

【中圖分類號】G434 【文獻標識碼】B 【論文編號】1009—8097（2007）08—0064—04

一、問題的提出

從2000年9月開始，北京師范大學現代教育技術研究所在小學里進行了一項基于Web的、將信息技術與語文教學有效整合的改革試驗。試驗開展了六年，取得了較大成功。其中，試驗取得成功的因素之一就是從小學一年級開始就將識字、閱讀、寫作結合起來教學，并為低年級小學生提供大量有注音的閱讀材料。在制作低年級閱讀資源過程中，給文本注音是一個重要環節，然而這一環節卻存在不少問題。

（一）現有注音工具存在的問題

目前用于對文本進行加注拼音的工具是微軟OFFICE辦公套件中的WORD軟件中自帶的注音工具，但是該工具尚存在很多缺陷，不能滿足語文擴展閱讀資源制作的要求。這些缺陷歸結起來有以下三個方面：

1．對較長文本加注拼音效率很低

WORD自帶注音工具一次性只能對50個左右的字符加注拼音，對于較長文本需要多次分段注音，且首次注音無法實現字與音的一一對應，而只是詞或短語與一串拼音的匹配，不符合格式要求。

2．對注音文本的排版困難

（1）現行的瀏覽器用于正常顯示漢語拼音的字體非常有限

漢語拼音字母不等同于英文字母，有其特定的形狀，正確的拼音字母其形狀如ā、ɡ等，而形狀如atilde;、g便不是拼音字母，而是假拼音，是不允許在漢字拼音中出現的，這就要求為注音文本選擇正確的字體，使漢語拼音得到正確的顯示。目前瀏覽網絡教學資源的工具主要是IE瀏覽器，能使拼音在瀏覽器中正常顯示的字體非常少，嚴格符合要求即能使每個拼音字母都能正常顯示的只有一種，那就是Century Gothic字體。

（2）在WORD編輯器中得到的注音文本中的字與音綁定在一起，無法對拼音進行單獨格式設置

通過WORD得到的注音文本中的字和音是組合在一起的，編輯的時候只能對漢字的格式進行重新設置，而拼音的格式已由初次注音時設定，不能再次修改。在兩個基本的格式即字體和字號的設置中，拼音部分的字體設置只能在初次注音時隨漢字的字體一起設定，此后再也不能更改，即使漢字部分的字體更改拼音字體也不會隨之更改；拼音部分的字號也只能在初次注音時由當時漢字部分的字號來決定，而后即使漢字大小更改拼音的尺寸也不會改變。

以上兩點充分反映了注音文本在word中排版的困難性。

3．非全文注音不夠靈活，對多音字的注音準確率低

根據跨越式資源制作要求，“拓展資源無需全文注音，只需生字注音”，此時判斷待注音文本中哪些是生字需由課件制作人員人工去判斷，往往是主觀判斷，只要自己認為比較難的字就加上拼音，而不是依據教材中所規定的生字目標來選字注音。這就大大影響了注音效率和選字的準確性。另外，據資源人員反映，WORD自帶注音工具對多音字的注音常常是不準確的。

（二）研究目標

上述資源制作中存在的三個問題在一定程度上制約著跨越式試驗的順利開展，都是亟需解決的。解決問題的關鍵在于設計并開發出新的注音工具，該工具要充分滿足資源制作的要求，要能夠設置拼音格式，要能夠定義注音范圍，要能方便的修改錯誤的注音，并且為了方便今后將注音工具嵌入網絡教學平臺，實現注音文本頁面的動態生成，還要求該工具采用B/S架構，即基于Web的注音工具。要達到這項研究目標，我們先來考察一下已有的研究成果。

二、注音工具的研究

經過調研，除WORD軟件中的注音功能外，目前市場上或網上可以免費下載的注音軟件有北京大學計算語言所研發的注音工具[4]（可在線試用）、宏景工作室劉宏川開發的“拼音板”注音軟件[5]以及其他一些注音小軟件。經過試用，這些工具都無法滿足跨越式的需求。首先，北大計算所的注音軟件提供的注音輸入格式是數字式的，即通過數字來標示聲調，要價頗高（估計在1萬元左右），而且只能進行全文注音，要進行自定義注音和格式定義還需進行二次開發。劉宏川開發的注音軟件提供的注音格式有上下對照、左右對照、按字對照等多種格式，并且注音速度非常快（一百萬字的注音只需幾秒鐘），然而其中在當前閱讀資源制作中應用最廣的按字對照注音格式卻未能實現字與音的關聯。“拼音板”提供的“按字對照”格式是字與音分列兩行，如果要移動一個字，字音不會隨著移動，排版非常不方便。“拼音板”也不能實現自定義注音。其他注音小軟件還很不成熟，有些就是逐字注音，完全不考慮多音字，注音準確率很低。

從上面的分析可知，現有的注音工具無法解決前面提出的關于注音的問題，這就要求我們重新開發注音工具，這一工具應該能夠較好解決目前注音方面存在的排版、靈活性、準確性等問題，以提高資源制作的效率和質量。

三、基于Web的自定義注音工具的設計與開發

（一）基于Web的自定義注音工具功能設計

針對跨越式試驗中對注音功能的需求，本研究所要研發的注音工具應具備如下功能：

（1）能一次性對長文本（1000字以上）進行較快速度的注音。

（2）能夠自定義注音范圍，自動對漢字進行有選擇性的注音。

（3）能夠對漢字和拼音的格式如字體和字號進行分別設置，并能設置注音文本字與字的間距。

（4）較好解決多音字注音問題，提高準確性；并提供手工注音功能，讓用戶靈活方便的修改有錯誤的注音。

（二）基于Web的自定義注音工具的開發

開發過程涉及字庫和詞庫的建立，用于網頁編程的注音插件的開發，以及注音工具界面的設計與制作。

1．基礎數據庫的建立

（1）字庫

我們選擇了國家語言文字工作委員會制訂的《現代漢語通用字表》 [6]作為字庫。該表共收漢字7000個。依據所要采用算法的要求，從通用字表中選出多音字單獨建表，并給每個多音字只搭配一個出現頻率最高的讀音。這個頻率最高的讀音的確定借助了WORD軟件的注音功能，即通過WORD軟件對這些多音字注音，并將這些注音加入多音字表。

（2）詞庫

我們選擇了拼音佳佳詞庫（http://www.skycn.com/soft/9802.html）作為詞庫，該詞庫（以下代稱為20萬詞庫）是拼音佳佳輸入法軟件的基礎詞庫，約有22萬詞匯。依據本工具所采用的注音算法，對該詞庫進行了選擇和細分，選擇了其中含有多音字的詞匯約11萬條，并將它們按字數細分為2字詞庫、3字詞庫和4字詞庫。

2．算法設計

本算法側重解決多音字的注音和自定義注音兩個問題，于是將待注文本中的多音字與非多音字區分開來，將需要注音的漢字與不需要注音的漢字區分開來，具體流程如下：

本工具采用ASP語言作為WEB服務器程序開發語言，該腳本語言可以很方便的調用由VB語言編寫的插件，因此本插件采用VB語言編寫并生成DLL插件供ASP頁面調用。

3．界面設計

（1）基于Web的注音工具的界面

工具界面如圖2所示：

界面說明：

拼音格式：這是注音文本的輸出格式，按字對齊，分為上下對齊和左右對齊兩種。一般情況下全文注音采用上下對齊格式，而部分注音采用左右對齊格式。

字間距：輸出文本的字間距，以空格為單位。默認情況下為一個空格。

拼音字體：選擇拼音字體。經過測試，我們找到兩種字體即Century Gothic和方正姚體可以正常顯示拼音字母，默認情況是采用Century Gothic作為拼音字母的字體。該字體的設置不影響漢字字體的設置。

全文注音：點選后進入全文注音界面

預覽生成頁面：在網頁查看排版效果。

（2）全文注音界面

設置注音范圍：有三種設置，分別是“按字頻統計結果分界”、“按年級生字要求分界”以及“自定義注音范圍”。其中“按字頻統計結果分界”依據國家語委制定的通用字表按常用程度對漢字進行了分類，設置了包括“所有字”、“ 常用字以外的字”和“除常用字和次常用字以外的字”三個選項。“按年級生字要求分界”選項是依據新課標人教版語文教材中的生字的學期屬性來對漢字進行分類，包括“一年級上學期”、“一年級下學期”等選項，這些選項表示該注音文本要給處在該學年段的學生閱讀，所加拼音的生字不包括該學年段以前的生字，而包括該學年段的生字以該學年段以后的所有生字。“自定義注音范圍”是讓使用者自行輸入待注音的漢字，然后僅對這些輸入的漢字注音。

（3）自由注音

選擇編輯框中的某個詞語或某個短語，單擊工具欄中的 圖標，可進入自由注音界面，如圖4所示：

該注音方式與全文注音的差別在于，它可以讓使用者選取文章中某幾個詞或短語進行自動注音，而無需對全文進行掃描尋找需要注音的字。

（4）手工注音

選擇編輯框中的某個字、某個詞語或某個短語，單擊工具欄中的 圖標，可進入手工注音界面。手工注音用于對注音工具未能準確注音的字進行修正。輸入拼音采用數字形式，方便使用者通過鍵盤輸入，在點擊“查看結果”按鈕后將數字形式的拼音轉為正式拼音，并在點擊“提交”按鈕后替換選擇的文本。

（三）測試

該注音工具在注音速度和注音準確性方面能否達到預計的要求需要進行檢驗。測試所用的服務器的配置是：CPU2.4G、512M內存。客戶端機器與服務器配置相同。網絡環境是帶寬為100Mbps的局域網。為檢驗注音速度，我們從語料庫中選擇了3篇1000字的文章進行全文注音，所花時間均為10秒，基本上符合要求。為檢驗注音準確率，我們從小說、散文、故事、童話等不同的體裁中分別選擇了若干篇材料構成一個3萬字的樣本，并對其進行注音，然后進行人工校對，結果表明注音準確率達到了99.8%，換句話說就是1000個字中有兩個字有注音錯誤，錯誤的原因在于最大匹配分詞算法帶來的切分歧義，這一問題將在后續工作中解決。目前的注音準確率已能夠滿足資源制作的要求。

四、結論與展望

本研究設計并開發基于Web的自定義注音工具。該工具能一次性對長文本（1000字以上）進行較快速度的注音（1000字的文本的全文注音時間為10秒）；能夠自定義注音范圍，自動對漢字進行有選擇性的注音；能夠對漢字和拼音的格式如字體和字號進行分別設置，并能設置注音文本字與字的間距；較好解決多音字注音問題，提高準確性（注音準確率達99.8%）；并提供手工注音功能，讓用戶靈活方便的修改有錯誤的注音；該工具在注音靈活性、排版等方面優于國內其他注音工具。該注音工具還有不完善之處，如需要改進注音算法中的分詞算法，解決由歧義帶來的注音錯誤問題；并優化詞庫數據結構，進一步提高注音效率。

參考文獻

[1]何克抗. 兒童思維發展新論和語文教育改革——對皮亞杰（J.Piaget）“兒童認知發展階段論”的質疑[DB/OL]. http://202.112.88.32/academist/hkk/wenzhang/ertong.htm. 訪問日期：2006-4-3

[2]基礎教育跨越式發展試驗總課題組. “基礎教育跨越式發展創新試驗”項目介紹[DB/OL]. http://www.etc.edu.cn/ academist/hkk/xiangmujieshao.htm. 訪問日期：2006-4-3

[3]基礎教育跨越式發展試驗總課題組. 關于跨越式試驗資源建設的說明[DB/OL]. http://www.nsjy.com/images/news/ docc/1617204.doc. 訪問日期：2006-4-3

[4]北大計算語言所注音工具. http://icl.pku.edu.cn/ icl%5Fres/segtag98/.訪問日期：2006-4-3

[5]拼音板介紹. http://www.softreg.com.cn/ shareware _view.asp?id=/9CC593BC-7538-4B75-BD7E-DFC78CC4C1D5/.訪問日期：2006-4-3

[6]國家語言文字工作委員會，中華人民共和國新聞出版署(1988). 關于發布《現代漢語通用字表》的聯合通知[DB/OL].http://www.moe.edu.cn/edoas/website18/info16839.htm. 訪問日期：2006-4-3