藏文文本的向量模型表示方法

摘要

本发明涉及藏文信息处理技术领域，建立了藏文文本的向量模型表示方法，包括：藏文字的向量模型，藏文字用向量集T=｛<t₁,t₂,t₃,t₄,t₅,t₆,t₇>｜0≤t₁≤5,0≤t₂≤3,0＜t₃≤30,0≤t₄≤4,0≤t₅≤4,0≤t₆≤10,0≤t₇≤2｝中的元素表示；藏文字符串的向量模型，藏文字符串主要由若干个藏文字组成，根据藏文字的向量模型，每个藏文字对应一个含7个分量的一维向量，把字符串中每个藏文字依次用其一维向量的转置表示得藏文字符串的向量模型Γ=（t_ij）。用向量模型表示藏文文本，把藏文文本转换成易于处理的向量模型，简化了对文本的各种运算和操作，使藏文信息处理更加高效。

主权项

藏文字的向量模型表示方法，其特征在于：1)一个完整的藏文字由1‑7个构件组成，按传统拼读顺序将前加字、上加字、基字、下加字、元音、后加字和重后加字等7个构件依次用t₁、t₂、t₃、t₄、t₅、t₆和t₇表示，则藏文字可用向量<t₁,t₂,t₃,t₄,t₅,t₆,t₇>表示；2)藏文字的前加字可以不存在或取“”之一，因此t₁有6种不同取值，用0表示无前加字，用1‑5依次表示5个前加字“”；同理，t₂有4种不同取值，用0表示无上加字，用1‑3依次表示3个上加字“”；t₃有30种不同取值，用1‑30依次表示30个基字（基本辅音），基字必须存在；t₄有5种不同取值，用0表示无下加字，用1‑4依次表示4个下加字“”；t₅有5种不同取值，用0表示无元音，用1‑4依次表示4个元音字母“”；t₆有11种不同取值，用0表示无后加字，用1‑10依次表示10个后加字“”；t₇有3种不同取值，用0表示无又加字，用1‑2分别表示2个重后加字“”；因此，藏文字可以用向量模型T=｛<t₁,t₂,t₃,t₄,t₅,t₆,t₇>｜0≤t₁≤5,0≤t₂≤3,0＜t₃≤30,0≤t₄≤4,0≤t₅≤4,0≤t₆≤10,0≤t₇≤2｝中的元素表示；3）藏文字中有时出现两个下加字的情况，此时只需将藏文字的向量模型T扩充到T*=｛<t₁,t₂,t₃,t₄,t₅,t₆,t₇,t₈>｜0≤t₁≤5,0≤t₂≤3,0＜t₃≤30,0≤t₄≤4,0≤t₅≤4,0≤t₆≤10,0≤t₇≤2,0≤t₈≤4｝，其中t₈表示重下加字。