中文羅馬字母拼寫法及其在人機(jī)交互中的應(yīng)用

□馮志偉

?

中文羅馬字母拼寫法及其在人機(jī)交互中的應(yīng)用

□馮志偉

摘 要：中文羅馬字拼寫法可以把漢字譯音為羅馬化的拼音。它對于自然語言處理、文獻(xiàn)工作、語言教學(xué)是非常有用的，已經(jīng)成為人機(jī)交互的重要工具。

關(guān)鍵詞：中文羅馬字母拼寫法 拼音 文獻(xiàn)工作 漢字 人機(jī)交互

一、計(jì)算機(jī)對漢字提出的挑戰(zhàn)

我們正處于信息網(wǎng)絡(luò)時(shí)代，在這個(gè)時(shí)代，信息和網(wǎng)絡(luò)在人類生活中起著越來越大的作用。語言文字是信息最重要的負(fù)荷體，信息網(wǎng)絡(luò)時(shí)代的計(jì)算機(jī)需要處理負(fù)荷信息的語言文字，計(jì)算機(jī)信息處理與語言文字有著密不可分的關(guān)系，然而，漢字難以滿足計(jì)算機(jī)信息處理的需要，僅有60多年歷史的計(jì)算機(jī)向擁有6000多年歷史的漢字發(fā)起了嚴(yán)峻的挑戰(zhàn)。

漢字是一種意音圖形文字（ideophonographic character）。這種意音圖形文字是一種圖形字符，用以表示事物或概念以及與之相關(guān)的語音，具有與僅僅表音的拉丁字母迥然不同的特色。

漢字最顯著的特色是字符繁多，是一個(gè)大字符集（big script set）。

世界上的多數(shù)語言文字的字符所包含的字符數(shù)量都是很有限的。一些語言的字符集中所包含的不同字符數(shù)如下所示：

語言　字符集中包含的字符數(shù)拉丁語 　26個(gè)斯拉夫語　33個(gè)亞美尼亞語　38個(gè)塔米爾語　36個(gè)緬甸語　52個(gè)泰語　44個(gè)老撾語　27個(gè)藏語 　33個(gè)韓國語　24個(gè)日語　48個(gè)

漢字的數(shù)目比這些語言的字符集中包含的字符多得多。下面是古代和現(xiàn)代漢語的詞典中包含的不同的漢字字符數(shù)：

作 者　詞典（出版年代）　詞典中包含的不同的漢字字符數(shù)許 慎　《說文解字》（公元100年）　99，353個(gè)顧野王　《玉篇》（公元543年）　16，917個(gè)陳彭年　《廣韻》（公元1008年）　26，194個(gè)丁 度　《集韻》（公元1067年）　53，525個(gè)梅膺祚　《字匯》（公元1615年）　33，179個(gè)陳廷敬　《康熙字典》（公元1716年）　47，043個(gè)張其昀　《中文大字典》（公元1971年）　49，888個(gè)徐中舒　《漢語大字典》（公元1990年）　54，678個(gè)冷玉龍　《中華字?！罚ü?994年）　85，000個(gè)

在《中華字海》中包含的漢字字符達(dá)到85，000個(gè)之多，不過，其中的一些字符或者沒有意義，或者沒有讀音，只能算是符號（symbol），而不能算真正的文字（script）。所以，一般來說，漢字的字符數(shù)量大約有60，000多個(gè)。漢字是世界上最大的字符集。

漢字承載著6000多年歷史的中華文化，它是光輝燦爛的中華文化之根，是中華民族的驕傲。然而，由于漢字的字符數(shù)量龐大，難于滿足機(jī)器處理的需要。

歐洲人雷明頓（Remington）很早就發(fā)明了基于拉丁字符的打字機(jī)，顯著地提高了文字工作的效率。

為了提高漢字的工作效率，20世紀(jì)以來，有的專家研制了中文打字機(jī)來打漢字，這種中文打字機(jī)與基于拉丁字符的雷明頓打字機(jī)（Remington Typewriter）不同，十分復(fù)雜，非常笨重①。

例如，圖1是美國專家約翰森（Wally Johnson）發(fā)明的中文打字機(jī)，這臺漢字打字機(jī)現(xiàn)在保存在美國堪薩斯大學(xué)東亞圖書館的館員多爾（Vickie Fu Doll）的辦公室里。

圖1：約翰森（Wally Johnson）發(fā)明的中文打字機(jī)

圖2：中文打字機(jī)的補(bǔ)充字模盤

這臺打字機(jī)的主要部分是一個(gè)鉛字字模盤，盤中可容納大約2000個(gè)高頻漢字的字模。這2000個(gè)漢字對漢語言文學(xué)寫作或?qū)W術(shù)研究當(dāng)然不夠用，所以約翰森還給這臺中文打字機(jī)加了一個(gè)補(bǔ)充字模盤，盤中包含一些不太常用的漢字字模，以備需要時(shí)可以檢索使用。如圖2所示。

還有一個(gè)重要的問題是這兩個(gè)字模盤中的漢字怎樣排列。是按照漢字的部首來排列呢？還是按照漢字的筆畫數(shù)來排列？這兩種排列方法都會導(dǎo)致在同一個(gè)排列號下包含若干個(gè)漢字，顯然是不可行的。

那么，是否可以按照每個(gè)漢字的出現(xiàn)頻度來排列？可否按照每個(gè)漢字的電報(bào)碼來排列？這兩種排列方法要求打字員有很好的記憶力，實(shí)現(xiàn)起來也很困難。

遺憾的是，約翰森當(dāng)時(shí)沒有想到根據(jù)漢字的讀音來排列的方法，這樣的方法簡單易行，使用方便，對用戶友好?？墒?，這樣的好方法被約翰森忽略了！

由于約翰森沒有找到排列漢字的好方法，打字時(shí)要費(fèi)心費(fèi)力地在字模盤中尋找適合的漢字，使得他心力交瘁，使用這樣的中文打字機(jī)成為了一件極為艱苦的、不堪重負(fù)的工作。圖3是約翰森使用這臺中文打字機(jī)工作時(shí)的照片。

圖3：約翰森用中文打字機(jī)打字

圖4是約翰森在中文打字機(jī)前休息時(shí)的照片，他已經(jīng)累得疲憊不堪了。

圖4：約翰森在打字時(shí)作短暫的休息

這些照片生動(dòng)地說明了，使用中文打字機(jī)是一件多么艱苦而勞累的工作！

計(jì)算機(jī)是要由人來操作的，使用計(jì)算機(jī)時(shí)，必須進(jìn)行人機(jī)交互（Human-Computer Interaction，簡稱HCI）。人機(jī)交互要通過鍵盤來實(shí)現(xiàn)，顯而易見，上述中文打字機(jī)是不適于用來作為計(jì)算機(jī)的鍵盤從而實(shí)現(xiàn)人機(jī)交互的。

現(xiàn)行的計(jì)算機(jī)直接使用雷明頓打字機(jī)的鍵盤作為計(jì)算機(jī)的鍵盤來實(shí)現(xiàn)人機(jī)交互。計(jì)算機(jī)的雷明頓鍵盤是在拉丁字母的基礎(chǔ)上設(shè)計(jì)的，使用計(jì)算機(jī)來處理基于拉丁字母的語言文字是水到渠成的事情。在信息網(wǎng)絡(luò)時(shí)代，如果在計(jì)算機(jī)人機(jī)交互的時(shí)候，我們直接采用雷明頓鍵盤，使用拉丁字母來表示每一個(gè)漢字的讀音，那么，我們就有可能根據(jù)漢字的讀音在計(jì)算機(jī)上進(jìn)行漢字的輸入和輸出，從而實(shí)現(xiàn)人機(jī)交互。這是一種易于實(shí)現(xiàn)而且對用戶友好的方法，也是約翰森沒有想到的方法。

中文的羅馬字母拼寫法（Romanization）可以把漢字轉(zhuǎn)換為拉丁字母，實(shí)現(xiàn)文字體系的轉(zhuǎn)換，直接在計(jì)算機(jī)上使用雷明頓鍵盤進(jìn)行漢字的輸入、輸出、傳輸和處理，對

二、文字體系轉(zhuǎn)換的兩種方法：轉(zhuǎn)寫和譯音

按照某種文字體系（可以叫作“被轉(zhuǎn)換系統(tǒng)”）書寫的一種語言的詞匯，有時(shí)需要用另一種不同的文字體系（可以叫作“轉(zhuǎn)換系統(tǒng)”）來表示，這個(gè)過程是通過“文字體系轉(zhuǎn)換”來實(shí)現(xiàn)的。文字體系轉(zhuǎn)換中的不同體系通常是指不同語言中所使用的體系。這種文字體系轉(zhuǎn)換常常用于歷史文本、地理文本以及圖表文件，特別是用于圖書編目中。凡屬有必要把使用不同字母所書寫的文字轉(zhuǎn)換成同一種字母（一般是羅馬化的拉丁字母）的文字，以便在書目、目錄（館藏）、索引、地名表等工作中有一個(gè)統(tǒng)一的字母表，便需要進(jìn)行文字體系的轉(zhuǎn)換。這對于使用不同文字體系的兩個(gè)國家之間文字信息的無歧義傳遞，或轉(zhuǎn)換以不同方式書寫的信息，都是必不可少的。這也使得手工方式以及機(jī)械、電子方式的文字轉(zhuǎn)換成為可能。ISO/TC46一直關(guān)注文字體系轉(zhuǎn)換國際標(biāo)準(zhǔn)的研究和制定工作。

文字體系的轉(zhuǎn)換（conversion）有兩種基本方法：一種是轉(zhuǎn)寫（transliteration），一種是譯音（transcription）。

轉(zhuǎn)寫是將被轉(zhuǎn)換的整個(gè)字母字符系統(tǒng)或字母數(shù)字字符系統(tǒng)中的字符（characters）用轉(zhuǎn)換字母字符系統(tǒng)或轉(zhuǎn)換字母數(shù)字字符系統(tǒng)中的字符來表示。由于轉(zhuǎn)寫是在字母字符系統(tǒng)或在字母數(shù)字字符系統(tǒng)之間進(jìn)行，從原則上來說，這種轉(zhuǎn)換應(yīng)該是字符對字符的，也就是說，被轉(zhuǎn)換系統(tǒng)的字母表（alphabet）中的每個(gè)字符都用轉(zhuǎn)換字母表中的一個(gè)且僅僅一個(gè)字符來表示，從而保證從轉(zhuǎn)換字母表到被轉(zhuǎn)換字母表的轉(zhuǎn)換可以完全地、無歧義地進(jìn)行逆轉(zhuǎn)。

ISO國際標(biāo)準(zhǔn)規(guī)定：當(dāng)轉(zhuǎn)換系統(tǒng)中的字符數(shù)目少于被轉(zhuǎn)換系統(tǒng)的字符數(shù)目時(shí)，需要使用雙字母或附加符號來補(bǔ)充。在這種情況下，必須盡可能避免隨意的選擇以及使用純約定性的符號，應(yīng)當(dāng)設(shè)法保持一定的語音上的邏輯性，以使這樣的系統(tǒng)具有廣泛的可接受性。

然而，ISO國際標(biāo)準(zhǔn)指出，通過轉(zhuǎn)寫所得到的文字圖形不一定總是能根據(jù)由轉(zhuǎn)換字母表拼寫出來的該語言的語音習(xí)慣正確無誤地讀出來。另外，這樣轉(zhuǎn)寫出來的文字圖形必需能使懂得被轉(zhuǎn)換語言的人準(zhǔn)確無誤地想象出其原來的文字圖形，從而正確地讀出它。

逆轉(zhuǎn)寫（retransliteration）是指把轉(zhuǎn)換字母表中的字符轉(zhuǎn)換成被轉(zhuǎn)換字母表中的字符的過程。逆轉(zhuǎn)寫是轉(zhuǎn)寫的逆過程。在逆轉(zhuǎn)寫時(shí)，轉(zhuǎn)寫系統(tǒng)中的規(guī)則被逆向地應(yīng)用，以便把已經(jīng)轉(zhuǎn)寫了的單詞恢復(fù)成其原來的形式。

文字體系的轉(zhuǎn)換的另外一種方法是譯音。

譯音是指用字母（letters）的語音系統(tǒng)或轉(zhuǎn)換語言的符號（signs）來表示某種語言中的字符（characters），而不論該語言原本的書寫方式如何。

譯音系統(tǒng)必須以轉(zhuǎn)換語言及其字母表的正字法為依據(jù)，因此，譯音系統(tǒng)的使用者必須對轉(zhuǎn)換語言有所了解，并能準(zhǔn)確地讀出其字符。轉(zhuǎn)寫是可以逆轉(zhuǎn)的，而譯音不是計(jì)算機(jī)人機(jī)交互（HCI）提供了巨大的幫助，解決了約翰森棘手的難題。

下面我們來討論文字體系轉(zhuǎn)換的方法。嚴(yán)格地可逆轉(zhuǎn)的。

譯音可用來轉(zhuǎn)換所有的書寫系統(tǒng)。它是唯一能夠用來轉(zhuǎn)換如中文、日文這樣的不全使用字母的拼音文字系統(tǒng)及意音圖形文字書寫系統(tǒng)（ideophonographic writing system）的方法。

實(shí)行羅馬化（Romanization）將非拉丁字母書寫的文字系統(tǒng)轉(zhuǎn)換為拉丁字母書寫的系統(tǒng)），可根據(jù)被轉(zhuǎn)換系統(tǒng)的特點(diǎn)，或者使用轉(zhuǎn)寫，或者使用譯音，或者把二者結(jié)合起來使用。

ISO國際標(biāo)準(zhǔn)規(guī)定，提出來供國際使用的轉(zhuǎn)換系統(tǒng)，必須有所妥協(xié)并在民族習(xí)慣上做某些犧牲。因此，使用這種轉(zhuǎn)換系統(tǒng)的各國團(tuán)體都必須做出某種讓步，并盡力避免在任何場合把僅僅在本民族的實(shí)踐中證明是可行的東西當(dāng)作理所當(dāng)然的辦法強(qiáng)加于人（如各種發(fā)音規(guī)則或正字法規(guī)則等）。但這種讓步顯然并不影響到一個(gè)國家對于本民族書寫系統(tǒng)的使用。當(dāng)這個(gè)民族書寫系統(tǒng)沒有被轉(zhuǎn)換時(shí)，組成它的字符必須按其在該民族文字中的書寫形式予以接受。

如果一個(gè)國家使用兩種書寫系統(tǒng)，并可以由其中一種系統(tǒng)單義地轉(zhuǎn)換為另一種系統(tǒng)來書寫自己的語言，這樣的轉(zhuǎn)寫系統(tǒng)理所當(dāng)然地應(yīng)該作為國際標(biāo)準(zhǔn)的基礎(chǔ)，只要它和下面闡述的其他原則相符合。

必要時(shí)，轉(zhuǎn)換系統(tǒng)應(yīng)賦予每個(gè)字符相應(yīng)的對等符號，這些字符不僅包括字母，也包括標(biāo)點(diǎn)符號、數(shù)字等。同時(shí)還應(yīng)考慮組成文本的字符的排列順序，比如文字的書寫方向，還需說明區(qū)分單詞邊界的方法、分隔符號與大寫字母的用法，并盡可能遵循被轉(zhuǎn)換文字系統(tǒng)的語言習(xí)慣。

ISO國際標(biāo)準(zhǔn)還提出，意音圖形文字的結(jié)構(gòu)，表意重于表音。因?yàn)槭褂昧舜罅康淖址ㄖ形挠?0，000多個(gè)漢字），所以不能使用符號對符號的方式進(jìn)行轉(zhuǎn)寫，而需要制定一個(gè)譯音系統(tǒng)。因此每個(gè)字符就可能譯音為一個(gè)或多個(gè)拉丁字母，用以代表該字符的一種或幾種讀音，這就要求譯音者必須熟悉所譯音原文的讀法。

既然意音圖形文字的譯音只是用拉丁字母記錄下各個(gè)字符在使用它們的各個(gè)文字中的讀音，因此，同一字符因其在中文、日文或韓文中出現(xiàn)而有不同的譯音方法。

從另一方面說，同一種語言中的同一字符，必須按同一方式譯音，而不論它的字體形式（中文有簡體和繁體形式）如何；除非該字符有不止一個(gè)讀音。

由于下列原因，意音文字的羅馬字母拼寫系統(tǒng)是不可逆轉(zhuǎn)的。在兩種不同的文字或同一種文字中，同一字符存在異讀情況；在同一種文字里，同音詞出現(xiàn)的頻度過高；對于一個(gè)給定文本，可能同時(shí)存在幾種不同的書寫系統(tǒng)。

有些語言甚至在同一文本中使用不止一種字符系統(tǒng)（例如：日文中并用假名和漢字，韓文中并用諺文和漢字），在這種情況下，意音文字的字符的譯音應(yīng)同其他字符（如：諺文和假名）得出一個(gè)一致而協(xié)調(diào)的羅馬字母拼寫系統(tǒng)。

ISO國際標(biāo)準(zhǔn)還提出了關(guān)于正詞法（orthography）的規(guī)定：一般說來，在書面文本中，單詞與單詞之間出現(xiàn)空格是正常的，因此在譯音時(shí)，通常應(yīng)當(dāng)把構(gòu)成一個(gè)單詞的若干個(gè)字符連寫在一起，使得單詞與單詞之間出現(xiàn)空格。有關(guān)語言的單詞的構(gòu)成原則和規(guī)則（正詞法），也應(yīng)當(dāng)是國際標(biāo)準(zhǔn)的一部分。

1958年2月11日，中華人民共和國全國人民代表大會正式通過了漢語拼音方案，用來對中文進(jìn)行譯音，譯音是根據(jù)漢字在規(guī)范漢語（普通話）中的讀音來進(jìn)行的。

圖5是全國人民代表大會通過漢語拼音方案時(shí)的照片，從照片中可以看到，周恩來總理、朱德元帥、賀龍?jiān)獛浀戎娜嗣翊矶寂e手贊成漢語拼音方案。

圖5：全國人民代表大會通過漢語拼音方案

由于漢語拼音方案是建立在羅馬化（Romanization）的譯音原則的基礎(chǔ)之上的，因此，我們也可以把漢語拼音方案中規(guī)定的中文羅馬字母拼寫法叫作“中文羅馬化”（Romanization of Chinese）。

三、國際標(biāo)準(zhǔn)ISO 7098：中文羅馬字母拼寫法

1958年全國人民代表大會通過的《漢語拼音方案》可以看成是拼寫漢語普通話的國家標(biāo)準(zhǔn)。從此，漢語拼音成為了中國初等教育的內(nèi)容，每一個(gè)學(xué)生都應(yīng)學(xué)習(xí)和掌握《漢語拼音方案》。通過漢語拼音來給漢字注音，大大提高了漢字學(xué)習(xí)效率，有助于學(xué)生進(jìn)一步學(xué)習(xí)文化和科學(xué)技術(shù)。漢語拼音在中國受到普遍的歡迎。

漢語拼音也受到了國外的關(guān)注，有的國家開始使用漢語拼音來進(jìn)行圖書目錄的編寫。漢語拼音有可能成為ISO國際標(biāo)準(zhǔn)化的一項(xiàng)重要工作。

1979年，中國代表周有光在巴黎和華沙的ISO/TC46（國際標(biāo)準(zhǔn)化組織——信息與文獻(xiàn)技術(shù)委員會）第6屆會議上，提出把《漢語拼音方案》作為國際標(biāo)準(zhǔn)的建議。

圖6：我國代表周有光在ISO/TC46第6屆會議的中國席上

1982年，在南京召開的ISO/TC46第9屆會議上，正式通過了《ISO 7098文獻(xiàn)工作——中文羅馬字母拼寫法》（ISO 7098 Information and Documentation-Chinese Romanization）。從此，漢語拼音從中國的國家規(guī)范成為了國際標(biāo)準(zhǔn)。

1991年，在巴黎召開的ISO/TC46第18屆會議上，對“ISO 7098”進(jìn)行了技術(shù)修改，成為了《ISO 7098信息與文獻(xiàn)——中文羅馬字母拼寫法（1991）》，簡稱“ISO 7098（1991）”。

中文羅馬字母拼寫法在ISO國際標(biāo)準(zhǔn)中叫作“中文羅馬化”（Chinese Romanization）。本文中所說的“中文羅馬化”就是指“中文羅馬字母拼寫法”。

上世紀(jì)90年代初修訂ISO 7098的時(shí)候，正是世界進(jìn)入信息網(wǎng)絡(luò)時(shí)代的關(guān)鍵時(shí)刻。為了適應(yīng)信息網(wǎng)絡(luò)時(shí)代的要求，中國開始研制計(jì)算機(jī)漢字輸入輸出。使用ISO 7098 （1991）規(guī)定的譯音方法，可以通過拼音—漢字轉(zhuǎn)換在計(jì)算機(jī)上輸入輸出漢字，從而實(shí)現(xiàn)人機(jī)交互。由于漢語拼音是中國初等教育必不可少的內(nèi)容，每一個(gè)受過教育的中國人都會使用拼音，這樣，ISO 7098（1991）就成為了漢字輸入輸出的一種便捷的手段。在移動(dòng)通信中，也可以使用漢語拼音在手機(jī)上輸入漢字，實(shí)現(xiàn)手機(jī)上的人機(jī)交互，推動(dòng)了手機(jī)在中國的普及。

ISO 7098（1991）在世界上大多數(shù)圖書館的中文編目、檢索、分類中得到廣泛使用。美國國會圖書館（Library of Congress）在20世紀(jì)末，使用ISO 7098 （1991）對該圖書館的7萬冊中文圖書的目錄重新進(jìn)行了漢語拼音的編目，方便讀者使用漢語拼音對圖書進(jìn)行檢索，提高了工作效率。

法國巴黎的語言和文化大學(xué)圖書館（Bibliothèque universitaire des langues et civilisations）組織懂得漢語的圖書館專家，其中包括法國國家圖書館（Bibliothèque Nationale de France）的專家，集中研究在ISO 7098（1991）中漢語單詞的拼音連寫問題，試圖在圖書館的編目中建立起有效的漢語拼音按詞連寫指南。此外，澳大利亞國家圖書館和德國特里爾大學(xué)圖書館也使用ISO 7098（1991）對該圖書館的中文圖書編目進(jìn)行了羅馬化。

ISO 7098（1991）還在漢語國際教學(xué)中得到普遍的使用。外國學(xué)生在學(xué)習(xí)漢語時(shí)，都喜歡首先學(xué)習(xí)拼音，通過拼音進(jìn)一步學(xué)習(xí)漢字，從而提高了漢語學(xué)習(xí)效率。

所以，ISO 7098（1991）不僅在中國發(fā)揮了巨大的作用，在全世界也發(fā)揮了很好的作用，這說明ISO 7098 （1991）具有重大的國際影響，是一個(gè)受到全世界歡迎的國際標(biāo)準(zhǔn)。

普通話是中國各民族的通用語言，也是聯(lián)合國的工作語言之一。中文羅馬化對于全世界的信息與文獻(xiàn)工作具有重要的意義，為了滿足當(dāng)前國內(nèi)外對漢語拼音實(shí)際應(yīng)用的迫切需要，我們有必要修改ISO 7098 （1991）。

2011年5月6日，ISO/TC46第38屆全體會議在澳大利亞悉尼召開，受國家教育部的派遣，我國代表馮志偉在會議上提出了修改ISO 7098（1991）以便反映當(dāng)前中文羅馬化的新發(fā)展和實(shí)際應(yīng)用需要的建議。

圖7：我國代表馮志偉在ISO/TC 46第38屆會議的中國席上

馮志偉在ISO/TC46第38屆會議的發(fā)言中提出：我們需要進(jìn)一步細(xì)致地描述拼音的規(guī)則，需要增加人名和地名的拼音連寫規(guī)則，需要進(jìn)一步描寫中文拼音的大寫字母規(guī)則，需要更新ISO 7098（1991）中的詞典清單，代之以更加具有權(quán)威性和更加完善的新的詞典清單。馮志偉在發(fā)言中還指出：ISO 7098（1991）的修改有很大的空間，我們必須進(jìn)一步更新ISO 7098（1991），使之不僅能反映中文羅馬化在中國的發(fā)展情況，還能反映中文羅馬化在全世界范圍的發(fā)展情況。

會后，我國國家標(biāo)準(zhǔn)化委員會（SAC）正式向ISO國際標(biāo)準(zhǔn)化組織提出了修訂ISO 7098的新工作項(xiàng)目（New Working Item Proposal，簡稱NWIP）的提案，這個(gè)提案的國際編號是：N2358。

2012年5月6日至11日，ISO/TC46第39屆會議在德國柏林舉行，我國代表馮志偉出席了這次會議。會議接受了我國的N2358號提案，并將這個(gè)提案直接作為ISO 7098的工作草案（Working Draft，簡稱WD），成立了ISO 7098國際修訂工作組，由中國、德國、美國、俄羅斯、加拿大五國派出的專家組成，馮志偉被任命為國際修訂工作組組長。這樣，ISO 7098的修訂便正式列入了國際標(biāo)準(zhǔn)化組織的工作日程。

2013年6月3日至7日在法國巴黎召開ISO/TC46第40屆會議，我國代表馮志偉出席了這次會議，并在會議上正式向ISO/TC46秘書處提交了ISO 7098的委員會草案（Committee Draft，簡稱CD）。

ISO/TC46接受了我國的CD稿，并在2013年7月5日至2013年11月5日4個(gè)月內(nèi)在各成員國中進(jìn)行了投票。2013年11月，ISO/TC46秘書處N2452號文件公布了投票結(jié)果：投贊成票的國家21個(gè)，投反對票的國家1個(gè)。由于這個(gè)CD稿得到大多數(shù)國家的支持，獲得通過。

2014年5月5日至9日，我國代表馮志偉到美國華盛頓參加了的ISO/TC 46第41屆會議。馮志偉在5月7日上午舉行的第三工作組（WG3）會議上，就ISO 7098的修訂問題重申中國的立場。會后，馮志偉向ISO/TC46秘書處提交了ISO 7098的國際標(biāo)準(zhǔn)草案（Draft of International Standard，簡稱DIS）。

ISO/TC46秘書處接受了我們提交的DIS稿，并于2014 年12月1日至2015年3月1日3個(gè)月內(nèi)進(jìn)行投票，根據(jù)ISO的規(guī)定，DIS投票在計(jì)算比例時(shí)，不考慮棄權(quán)票。2015年3月1日由ISO/TC46委員會秘書處N2519號文件公布了投票結(jié)果：在18個(gè)沒有棄權(quán)的國家中，17票贊成，占94%，大于ISO規(guī)定的66.66%的比例，1票反對，占6%，小于ISO規(guī)定的25%的比例，DIS獲得通過。

美國、加拿大、德國對于ISO 7098的CD和DIS提出了很好的意見，我們對于這些國家的專家們表示衷心的感謝。目前，我們正在根據(jù)各國的意見對于DIS稿進(jìn)行修改，不久我們將向ISO/TC46秘書處提交DIS的修改稿。

在CD和DIS的投票中，各國提出的意見主要集中在漢語拼音是否有必要按詞連寫的問題上。這個(gè)問題確實(shí)是非常重要的，它應(yīng)當(dāng)成為ISO 7098（1991）修訂的主要內(nèi)容。

下面討論漢語拼音按詞連寫的問題。

四、按詞連寫的必要性

漢語中大多數(shù)的常用詞都是多音節(jié)詞。在國際文獻(xiàn)和信息工作中，把單音節(jié)的拼音連寫為多音節(jié)的漢語單詞是理所當(dāng)然的事情。

在中世紀(jì)之前，希臘人和羅馬人已經(jīng)知道什么是一個(gè)單詞，盡管當(dāng)時(shí)文本中在相鄰的單詞之間沒有空白，但是他們?nèi)匀豢梢宰R別出單詞，進(jìn)而了解文本的內(nèi)容。

根據(jù)斯坦（Knight Stan）在《羅馬字母表》（The Roman Alphabet）②中的記載，公元7世紀(jì)，愛爾蘭的僧侶開始使用空白來分隔文本中的單詞，并且把這種方法介紹到法國。到了公元8世紀(jì)和9世紀(jì)，這種使用空白分隔單詞的方法在整個(gè)歐洲流行開來。

空白的使用意味著承認(rèn)單詞這個(gè)概念，在單詞與單詞之間插入空白成為了在書面上使用字母的語言的一個(gè)不成文的標(biāo)準(zhǔn)，世界上的出版界和圖書館都遵循這個(gè)標(biāo)準(zhǔn)。

《漢語拼音正詞法基本規(guī)則》（GB/T16159-2012，中華人民共和國家標(biāo)準(zhǔn)，2012）中包括了音節(jié)分割或連接成單詞的規(guī)則，常用詞（名詞、動(dòng)詞、形容詞、代詞等）的拼寫規(guī)則，固定短語的拼寫規(guī)則，人名和地名的拼寫規(guī)則，聲調(diào)的表示規(guī)則，在行末尾的連字符使用規(guī)則，等等。這個(gè)標(biāo)準(zhǔn)是在拼音時(shí)按詞連寫的重要依據(jù)。

目前，在漢語語言學(xué)中，對于漢語的“詞”還沒有公認(rèn)的明確定義，這樣有時(shí)就很難確定漢語普通單詞的邊界（切分線），當(dāng)把單個(gè)的音節(jié)連接起來構(gòu)成多音節(jié)的單詞時(shí)，常常會出現(xiàn)舉棋不定、劃水難分的尷尬局面。不過，漢語的專有名詞中，單詞的界限還是相對清楚的，由于漢語中多音節(jié)的命名實(shí)體的界限根據(jù)有關(guān)的規(guī)范和標(biāo)準(zhǔn)比較容易確定，因此，把不同的幾個(gè)單音節(jié)連接起來構(gòu)成多音節(jié)的專有名詞就不是很困難的事情。人名、地名、語言名、民族名、宗教名等專有名詞，可以統(tǒng)一地叫作“命名實(shí)體”（naming entity），在目前的技術(shù)條件下，我們可以先實(shí)現(xiàn)命名實(shí)體的按詞連寫，其他非命名實(shí)體的單詞的按詞連寫可以暫時(shí)不做。在國際文獻(xiàn)和信息工作中，首先把不同的漢語拼音單音節(jié)連接起來構(gòu)成多音節(jié)的命名實(shí)體，從而避免拼音的歧義，不僅是必要的，而且也是可能的。

在ISO國際標(biāo)準(zhǔn)的文獻(xiàn)中，早已關(guān)注到“按詞連寫”的問題。

在國際標(biāo)準(zhǔn)“語言資源管理——書面文本的單詞切分”（ISO 24614-1：201）中論述了如下有關(guān)按詞連寫的問題。

在與語言有關(guān)的科學(xué)研究和工業(yè)生產(chǎn)中，“詞”是一個(gè)基本的和必要的概念，因此我們有必要對于“詞”這個(gè)概念加以統(tǒng)一的界說。然而，人們很難簡單地使用基于空白和標(biāo)點(diǎn)符號之類的規(guī)則來決定單詞之間的界限。這樣的規(guī)則沒有考慮到復(fù)合詞、縮寫詞、慣用語之類的切分問題。單詞的切分對于單詞與單詞之間沒有空白分開的語言（如：漢語、日語）更加麻煩。

在自然語言處理（Natural Language Processing）中，單詞切分就是把文本切分為負(fù)載意義的語言單位的過程。例如：在英語中，“the white house”可以切分為3個(gè)有意義的單位“the”“white”和“house”，它表示一間白色的房子，而“the White House”則只與一個(gè)語言單位相對應(yīng)，它表示美國總統(tǒng)的官邸。這樣的有意義的單位叫作單詞的切分單位（Word Segmentation Units，簡稱WSU）。對于單詞之間有空白的語言，如英語，把文本切分WSU時(shí)，只要使用空白作為基礎(chǔ)，確定WSU切分的邊界就行了，是簡單易行的。但是，對于單詞之間沒有空白的語言，如：漢語和日語，或者對于那些只在局部的單詞之間有空白的語言，如泰語和韓國語，把書面文本切分為WSU要求使用不同的方法。

在很多應(yīng)用領(lǐng)域中，需要把文本切分為單詞。在翻譯中，數(shù)出單詞的個(gè)數(shù)是計(jì)算翻譯工作成本的主要方法。在翻譯記憶系統(tǒng)和機(jī)器輔助翻譯（Computer-Assisted Translation，簡稱CAT）的工具中，單詞切分是這些系統(tǒng)的一個(gè)主要的功能。在術(shù)語抽取工具中，單詞切分也起著重要的作用，在術(shù)語管理和CAT工具中，有時(shí)也要提供單詞切分的功能。大多數(shù)的內(nèi)容管理系統(tǒng)和數(shù)據(jù)庫都要根據(jù)單詞來進(jìn)行搜索。在內(nèi)容搜索時(shí)，也要對文本進(jìn)行切分，以便使用搜索詞進(jìn)行匹配。此外，搜索功能要求關(guān)于單詞邊界的知識，文本-語音轉(zhuǎn)換系統(tǒng)要在單詞的基礎(chǔ)上來生成語音，因此要求在單詞查詢時(shí)進(jìn)行單詞切分，等等。各種自然語言處理系統(tǒng)必須把文本切分為單詞才能實(shí)現(xiàn)其功能。詞典資源是根據(jù)它的規(guī)模來評測的，因而通常都要評估它的單詞個(gè)數(shù)。

國際標(biāo)準(zhǔn)化組織已經(jīng)公布了兩個(gè)關(guān)于書面文本的單詞切分的國際標(biāo)準(zhǔn)：

nISO 24614-1：201“語言資源管理——文本的單詞切分——第1部分：基本概念和一般原則”給出了自然語言處理中單詞切分的基本概念和一般原則，提出了以可以信賴而且能夠復(fù)用的方式進(jìn)行書面文本自動(dòng)切分的導(dǎo)則，而且這種導(dǎo)則是獨(dú)立于語言的。

nISO 24614-1：201“語言資源管理——書面文本的單詞切分–第2部分：漢語、日語和韓國語的單詞切分”提出了漢語，日語和韓國語中切分WSU的具體規(guī)則。其中有些規(guī)則是這三種語言共同的，盡管每種語言都有自己判別WSU的特殊規(guī)則。

在中文羅馬字母拼寫法的研制中，我們有必要關(guān)注這些國際標(biāo)準(zhǔn)。

這些國際標(biāo)準(zhǔn)是我們書面文本自動(dòng)切分的重要依據(jù)，也是中文羅馬字母拼寫法按詞連寫的重要參考。

五、漢語拼音音節(jié)的歧義指數(shù)

為了在國際標(biāo)準(zhǔn)中，進(jìn)一步從理論上說明中文羅馬字母拼寫法中按詞連寫的必要性和科學(xué)性，馮志偉提出了漢語拼音音節(jié)的“歧義指數(shù)”（ambiguity index）的概念。

如果不計(jì)聲調(diào)，基本的漢語音節(jié)只有405個(gè)，這405個(gè)漢語音節(jié)可以表示全部漢字的讀音。而《通用規(guī)范漢字表》包含了8105個(gè)通用漢字，在這種情況下，在一般使用中，一個(gè)漢語音節(jié)平均要表示20個(gè)以上的漢字（8,105/405＝20.01），不可避免會出現(xiàn)歧義。

（1）在《通用規(guī)范漢字表》中，拼音音節(jié)/bei/可以表示如下31個(gè)漢字：

北 杯 卑 背 椑 悲 碑 鵯 貝 孛 邶 狽 備 鋇 倍 悖被 琲 棓 輩 憊 焙 蓓 碚 鞁 褙 糒 鞴 鐾 唄 臂

（2）在《通用規(guī)范漢字表》中，拼音音節(jié)/jing/可以表示如下49個(gè)漢字：

京 莖 涇 經(jīng) 猄 荊 菁 旌 驚 晶 腈 ? 睛 粳 兢 精鯨 麖 鼱 井 阱 汫 剄 肼 頸 景 儆 憬 璥 璟 警 勁 徑凈 逕 脛 倞 痙 競 竟 竫 婧 靚 敬 靖 靜 境 獍 鏡

這意味著，在表示漢字的時(shí)候，漢語拼音音節(jié)是存在歧義性的。

我們使用“拼音音節(jié)的歧義指數(shù)”這個(gè)概念來描述拼音音節(jié)的歧義。歧義指數(shù)是漢語拼音音節(jié)的歧義程度的數(shù)學(xué)描述。

漢語拼音音節(jié)的歧義指數(shù)（I）等于該拼音音節(jié)可以表示的語言單位數(shù)（N）減1。計(jì)算公式如下：

I＝N-1

這里所說的“語言單位”可以是單音節(jié)的漢字，也可以是單音節(jié)或多音節(jié)的單詞。

這個(gè)公式說明，如果拼音音節(jié)可以表示N個(gè)語言單位，那么，它的歧義指數(shù)等于“N-1”。

如果拼音音節(jié)可以表示一個(gè)語言單位，那么它的歧義指數(shù)為零。

如果拼音音節(jié)可以表示兩個(gè)語言單位，那么，它的歧義指數(shù)為：2-1＝1。

如果拼音音節(jié)可以表示三個(gè)語言單位，那么，它的歧義指數(shù)為：3-1＝2，等等。

在例（1）中，拼音音節(jié)/bei/可以表示31個(gè)漢字，也就是31個(gè)語言單位，它的歧義指數(shù)為：31-1＝30；在例（2）中，拼音音節(jié)/jing/可以表示49個(gè)漢字，也就是49個(gè)語言單位，它的歧義指數(shù)為：49-1＝48。

但是，如果把單音節(jié)/bei/和單音節(jié)/jing/結(jié)合形成一個(gè)雙音節(jié)的單詞/beijing/，其歧義指數(shù)將明顯地減少，因?yàn)?beijing/只能表示三個(gè)雙音節(jié)的語言單位，也就是三個(gè)單詞：北京，背景，背靜。其歧義指數(shù)減少為：3-1＝2。

如果把/beijing/的第一個(gè)字母進(jìn)一步大寫為/ Beijing/，那么，其歧義指數(shù)將減少到零：1-1＝0。這說明，/Beijing/是一個(gè)沒有歧義的語言單位，它的意思只有1個(gè)，這就是中國首都的名稱：北京。

因此，如果把不同的單音節(jié)的拼音音節(jié)連接成多音節(jié)的漢語單詞，那么，拼音音節(jié)的歧義指數(shù)將明顯地減少。這是把不同的單音節(jié)連接成為多音節(jié)的漢語單詞的優(yōu)越之處。

六、命名實(shí)體自動(dòng)譯音的方法

在計(jì)算機(jī)輔助文獻(xiàn)工作中進(jìn)行人機(jī)交互的時(shí)候，有兩種對命名實(shí)體自動(dòng)譯音的方法：一種是按音節(jié)全自動(dòng)譯音，一種是基于規(guī)則的按單詞半自動(dòng)譯音。

（一）按音節(jié)全自動(dòng)譯音

全自動(dòng)譯音程序能夠自動(dòng)地生成彼此之間由空白分開的單個(gè)音節(jié)。這樣的方法適用于任何的應(yīng)用系統(tǒng)和環(huán)境，其中音節(jié)切分的結(jié)果都會是令人滿意的，這種全自動(dòng)譯音程序特別適用于那些把拉丁字母的譯音與原來漢字存儲在一起的系統(tǒng)。

使用這樣的方法，“北京市”這個(gè)地名可以全自動(dòng)地譯音為/bei//jing/和/shi/3個(gè)音節(jié)。譯音的過程如下：

a.北京市

b.bei jing shi

這種全自動(dòng)的方法是很容易用計(jì)算機(jī)程序來實(shí)現(xiàn)的，但是譯音出來的音節(jié)的歧義指數(shù)較高。

（二）基于規(guī)則的按單詞半自動(dòng)譯音

在中文羅馬字母拼寫中，應(yīng)當(dāng)把由漢字表示的命名實(shí)體譯音為拼音表示的單詞。在漢語中，一個(gè)單詞可以由一個(gè)或多個(gè)音節(jié)組成，單詞之間的界限不是那么清楚，在目前的技術(shù)條件下，全自動(dòng)的單詞切分難以達(dá)到很好的質(zhì)量，因此，可以采用基于規(guī)則的按單詞半自動(dòng)譯音的方法。

命名實(shí)體基于規(guī)則的按單詞半自動(dòng)譯音可以使用如下的資源：

①一套譯音規(guī)則：在國際標(biāo)準(zhǔn)ISO 7098的規(guī)則中提出了命名實(shí)體譯音的一般規(guī)則。這些規(guī)則可以用作命名實(shí)體半自動(dòng)譯音的資源。

②一個(gè)相關(guān)的譯音詞典：最近在中國出版的《漢語拼音詞匯（專名部分）》包含了大多數(shù)的命名實(shí)體的拼音譯音，可以用作命名實(shí)體半自動(dòng)譯音的另一個(gè)資源。

使用這樣的方法，“北京市”這個(gè)地名的譯音過程如下：

a.北京市

b.bei jing shi

c.beijing shi

d.Beijing shi

e.Beijing Shi

根據(jù)規(guī)則，地名“北京市”首先被切分為/bei/，/jing/ 和/shi/三個(gè)音節(jié)，然后把/bei/，/jing/結(jié)合成/beijing/，使它與行政區(qū)劃名/shi/分開，最后再把每一個(gè)部分的首字母大寫，譯音為/Beijing Shi/。

如果在按詞譯音過程中出現(xiàn)歧義或問題，后編輯人員可以根據(jù)譯音詞典，使用人機(jī)交互找出合適的命名實(shí)體的譯音。所以，這樣的方法是半自動(dòng)的。

這種半自動(dòng)方法的譯音質(zhì)量很高，音節(jié)的歧義指數(shù)較小甚至可以減少到零。

在文獻(xiàn)和信息處理中，當(dāng)把漢字文本轉(zhuǎn)換成拼音文本時(shí)，如果采用按詞連寫的方法，可以大大地提高人機(jī)交互的效果。中文羅馬字母拼寫法在人機(jī)交互中將會發(fā)揮越來越大的作用。

本文為作者于2015年6月2日在國際標(biāo)準(zhǔn)化組織ISO/ TC46第42屆全體會議上的大會主題報(bào)告。原文為英文，這里翻譯成中文發(fā)表。

注釋：

①Victor Mair，Chinese typewrite，Language Log，June 30，

2009.

②Knight Stan，The Roman Alphabet，In Daniels，Peter T. Bright William，The World’s Writing Systems，Oxford University Press，1996.

參考文獻(xiàn)：

[1]ALA-LC Romanization，Chinese，Rules of Application，http：//www.loc.gov/catdir/cpso/romanization/chinese. pdf.

[2]ISO 3602：1989 Documentation——Romanization of

Japanese（kana script），1989.

[3]ISO/TR 11941：1996 Information and documentation——Transliteration of Korean script into Latin characters，1996.

[4]Library of Congress，Pinyin Conversion Project，New Chinese Romanization Guidelines，http：//www.loc.gov/ catdir/pinyin/romcover.html，1998.

[5]Zhiwei Feng，Chinese Romanization and Its Application in HCI，Human-Computer Interaction，Advanced Interaction Modalities and Techniques，Proceedings of 16th International Conference HCI International，Part II，Lecture Notes in Computer Science（LNCS），Springer，2014：406-416.

[6]馮志偉.關(guān)于修訂中文羅馬字母拼寫法國際標(biāo)準(zhǔn)ISO 7098 （1991）的情況說明[J].北華大學(xué)學(xué)報(bào)（社會科學(xué)版），2013，（3）.

（馮志偉 浙江杭州 杭州師范大學(xué)外語學(xué)院311121；遼寧大連 大連海事大學(xué) 116026）