《第四章 數字文本與文本處理》由會員分享，可在線閱讀，更多相關《第四章 數字文本與文本處理（7頁珍藏版）》請在裝配圖網上搜索。
1、第三章第三章第三章第三章數字文本與文本處理數字文本與文本處理數字文本與文本處理數字文本與文本處理第一節 字符編碼 在計算機中，英文采用ASCII碼 英文l 文字的編碼中文1.漢字的輸入編碼 數字編碼：用數字代表漢字字符，電報碼、區位碼都屬于數字編碼 字音編碼：指按照漢字的標準化讀音，使用拼音作為漢字的編碼的方法 字形編碼：是指用漢字的形狀表示的編碼方式。這種編碼方式將漢字依筆劃、偏旁、部首用數字或字母編碼，然后根據其組成方式依次輸入 形音編碼：將漢字字音與字型相互結合的一種編碼方法如全息碼就是一種音形編碼。l 文字的編碼22.漢字的機內編碼 漢字的機內編碼是用于漢字信息的存儲、交換、檢索等操作
2、的機內代碼，一般采用兩個字節表示。漢字交換碼：指在不同漢字信息處理系統之間進行漢字交換時使用的編碼。漢字交換碼也稱漢字國標碼GB2312 3.漢字的輸出編碼用點陣表示的漢字字形代碼，漢字的輸出形式。漢字區位碼：國標字符集構成一個二維平面，它分成94行、94列，行號稱為區號，列號稱為位號。每一個漢字或符號在碼表中都有各自的位置，字符的位置用它所在的區號(行號)及位號(列號)來表示。漢字的輸入編碼、漢字內碼、字模碼是漢字的輸入編碼、漢字內碼、字模碼是計算機中用于輸入、內部處理、輸出三計算機中用于輸入、內部處理、輸出三種不同用途的編碼，不要混為一類。種不同用途的編碼，不要混為一類。3 OCR（Opt
3、ical Character Recognition 光學符號光學符號識別），是指將一份文字稿件以圖像形式輸入給計算機，識別），是指將一份文字稿件以圖像形式輸入給計算機，計算機取出每個文字的圖像，再將其轉換成漢字的編碼計算機取出每個文字的圖像，再將其轉換成漢字的編碼存入計算機，以達到漢字輸入的目的。存入計算機，以達到漢字輸入的目的。OCR技術解決的技術解決的是已存在于紙介質上的文字如何被計算機識別并接收的是已存在于紙介質上的文字如何被計算機識別并接收的問題。由于是對掃描后的圖像文件進行識別處理，所以問題。由于是對掃描后的圖像文件進行識別處理，所以稱為脫機漢字識別系統。稱為脫機漢字識別系統。第二
4、節 文本輸入技術文文本本輸輸入入手寫識別手寫識別 語音識別語音識別光學字符識別光學字符識別（OCR技術）技術）鍵盤輸入鍵盤輸入非鍵盤輸入非鍵盤輸入4第三節 文本編輯與處理l 文本編輯 文本編輯的主要功能 對字、詞、句、段落進行添加、刪除、修改等操作 字的處理：設置字體、字號、字的排列方向、間距、顏色、效果等 段落的處理：設置行距、段間距、段縮進、對稱方式等 頁面布局的處理：設置頁邊距、每頁行列數、分欄、頁眉、頁腳等 “所見即所得”（What You See Is What You Get,簡稱 WYSIWYG）：一方面所有的編輯操作效果立即可以在屏 幕上看到，另一方面在屏幕上看到的效果與打印機的輸出 結果相同。5l 文本處理 文本處理的內容 字數統計，字頻統計，簡/繁體相互轉換，漢字/拼音相互轉換 詞語排序，詞語錯誤檢測，文句語法檢查 自動分詞，詞頻統計，詞性標注，詞義辨識，大陸/臺灣術語轉換 文本壓縮，文本加密，文本著作權保護 關鍵詞提取，文摘自動生成，文本分類 文本檢索（關鍵詞檢索、全文檢索），文本過濾 文語轉換（語音合成），文種轉換（機器翻譯）篇章理解，自動問答，自動寫作等 文本處理軟件6謝謝 謝！謝！
第四章 數字文本與文本處理
