@宋耀等：《基于中国古典诗词韵部的汉字数字化处理与形音义相关性研究》

摘要

本文从汉字的形音义联系入手，利用数字化技术处理汉字结构及声律问题。以中国古典诗词韵部为研究基础，选取平水韵中的平声字（4719 字） 和仄声字（6857 字） 作为古音分类依据。通过像素重叠技术，将平仄字叠加至九宫格中，统计分析其字形差异，并通过形态分割提取构件，结合《说文解字》进行语义分析。研究发现：

• 平声字与仄声字在形态结构上存在部分显著差异。
• 平声字更多使用与动物义相关的构件。

本文首次在数字化视域下探索汉字形音义相关性的宏观特征，为汉字数字化研究提供新思路。

1. 引言

汉字是形声义三位一体的文字，本文从技术层面探索其形音义相关性，聚焦汉字结构与声律问题。以中国古典诗词的声律特征为切入点，研究平水韵中的平仄调类。

2. 相关工作

2.1 文字结构与声律数字化研究

数字技术在语言学中的应用：

• 文本分析：Mehta 等人通过程序分析文本数据，揭示单词结构与语言演变规律。
• 语音分析：Cristea 等人分析音素使用方式；Machard 等人创建语音图展示音素关系。

2.2 数字化视域下的汉字文化研究

数字技术在汉字研究中的应用：

• 语义研究：Yeh 等人通过 Stroop 效应发现部首对汉字语义的干扰。
• 语音转换：张大军研究文本到声音的自动转换。
• 语料库建设：章寅元建立汉字语料库。
• 语音识别：倪崇嘉等人研究大词汇量连续语音识别技术。
• 古籍数字化：Yalin 等人提出古文本图像去噪方法；魏晓艳推进“中华字库”建设。

未来，图像分割（杨宇、王晔等）和场景文字识别（徐富勇等）技术可进一步助力汉字数字化研究。

3. 计算机视觉处理汉字结构——像素重叠技术

3.1 数据获取与预处理

• 数据来源：搜韵网站，数据量约 107 万，选取平水韵字库：
  • 平声字：4719 字。
  • 仄声字：6857 字。
• 预处理：
  • 分类保存，统一简繁格式。
  • 转换为png 格式图片，记录字体轨迹。

3.2 像素重叠技术

• 方法：将同一调类文字图片叠加，生成叠加图。
• 处理：
  • 裁切为100×100 点阵。
  • 使用 PIL 库加载图片，获取灰度值，生成灰度矩阵。

4. 平仄声字形差异与《说文解字》字义阐释

4.1 平仄声字形差异与统计分析

• 方法：
  • 使用像素重叠技术，设置低不透明度叠加汉字。
  • 将叠加图置于九宫格，分析笔画浓度。
• 统计：
  • 采用Student T 检验比较平仄字在九宫格中的差异。
  • 公式：$$t=\frac{m_A-m_B}{\sqrt{\frac{S^2}{n_A}+\frac{S^2}{n_B}}}$$（$m$ 为均值，$S$ 为标准差，$n$ 为样本量）
• 结果：
  • 第 1、3、4、6 宫格的笔画浓度差异显著（P<0.05），平声字浓度高于仄声字。

4.2 汉字形态结构分割与基于《说文解字》的语义分析

• 方法：
  • 对第 1、3、4、6 宫格中高贡献字进行形态分割，提取偏旁。
  • 使用Unihan 数据库分析偏旁频数与意义。（疑惑是怎么拆分偏旁的，数据库里有吗？）
• 发现：
  • 平声字：更多使用与动物义相关的偏旁
    • 第 1 宫格：鱼、马、月、隹。
    • 第 4 宫格：鱼、虫、風。
• 分析：
  • 第 1、4 宫格偏旁多为形旁，表意，与动物义相关。
  • 第 3、6 宫格偏旁多为声旁，影响读音，未见语义规律。

5. 结论

未来方向

• 使用更贴近中古音的字体（如楷体）替代宋体。
• 细化“平上去入”四调分析。
• 从音律角度验证平声字与动物义的相关性，或追溯上古汉语与自然拟音的关系。