Tài liệu Microsoft Windows pdf

1
XÂY DNG CÔNG C KIM TRA CHÍNH T TING VIT
TRONG MÔI TRNG MICROSOFT WINDOWS
DESIGN A TOOL KIT TO CHECK THE SPELLING OF VIETNAMESE TEXT
IN MICROSOFT WINDOWS
Phan Huy Khánh
E-mail:
Tóm tt⎯Bài báo này trình bày gii pháp thit k mt công c gi là VitTools cho phép kim tra chính t
ting Vit bng cách xây dng mt c s d liu t vng trên mã VIQR. VitTools đc m rng thành
công c vn nng đ có th chuyn mã vn bn, sp xp, tra cu t đin ting Vit hoc t đin đa ng, x
lý ngôn ng t nhiên.
T khoá⎯c s d liu, mã, chuyn mã, mã trc, phông ch, ting Vit, chính t, t đin, x lý vn bn.
I t vn đ
Hin nay, hu nh mi công vn, giy
t giao dch thng ngày đu đc to ra và
in n bng máy vi tính. Mt trong nhng
phn mm “vn phòng” đc s dng
tng đi thông dng là trình son tho vn
bn Microsoft Word (gi tt là WinWord).
Có th nói vic ch bn, in n t đng đã
làm vn bn đc trình bày đp hn, ni
dung phong phú hn và do vy, cht lng
hiu qu công vic cng đc tng lên.
Tuy nhiên, vic son tho các vn bn
ting Vit vn còn đt ra nhng vn đ cha
đc gii quyt tt, trong đó có vn đ tìm
và khc phc các li chính t. Nguyên nhân
là vic s dng máy vi tính tng đi ph
cp, s bn rn và phc tp ca cuc sng
nên con ngi có ít thi gian, các phn
mm hin nay hu nh ch làm vic vi

ting Anh...
Nhng li chính t hay gp nht là :
− B du thanh sai, vit sai do cách phát
âm sai t vùng này qua vùng khác, ví d
nghip gõ thành ngip, s gõ thành x,
ngõ gõ thành ng trong ngõ ph, ngõ
hm...
− t du câu sai, hay gp là các du phy
(,), du chm (.), du chm lng (...)
v.v... không có du cách phía sau mà li
có du cách phía trc, ví d gà, bò,
heo... li gõ thành gà ,bò ,heo ...
− Không theo chun hoá chính t, s dng
nhiu t mt cách tu tin không nht
quán ngay trong cùng mt vn bn, ví d
gy mà không phi gãy, màu (sc) thay
cho mu (nhim), gi thay cho gi, v.v...
Nh đã bit, chính t ting Vit là mt
vn đ luôn luôn đc nhi
u ngi quan
tâm, bi vì tính thng nht ca ngôn ng
đc th hin  tính thng nht v chính t.
T hàng th k nay, ting Vit luôn đi mi
và phát trin cùng vi vn hoá, xã hi, kinh
t và giao lu quc t.  có th s dng
đúng đn cng nh góp phn làm phong
phú ting Vit, vic chun hoá và thng
nht chính t rõ ràng là mt vn đ có tính
thi s.
Nh vy, vn đ đt ra là làm sao có th

khc phc các li chính t ting Vit khi
son tho vn bn trên máy vi tính ? Do
trình son tho vn bn Winword ch có
chc nng phát hin và sa li chính t
(check and correct spelling) áp dng đc
cho ting Anh, hin nay đã có nhng gii
pháp đ áp dng cho ting Vit. Ví d trình
VietSpell Checker (ca Trung tâm Tin hc,
HKH tp.HCM), VitKey (ca ng Minh
Tun), các phông ch VNI tân k, ABC...
Bài báo này trình bày mt gii pháp
tng quát và có tính m đ xây dng mt
công c, đc gi là VitTools, có chc
nng phát hin - sa li chính t và các
chc nng x lý ting Vit khác nh :
− Chuyn đi các vn bn ting Vit son
tho trên mt h phông ch bt k sang
mt h phông ch bt k khác.
− Sp xp vn bn ting Vit theo th t
ABC không ph thuc vào phông ch
đang s dng.
− Khai thác tra cu t vi chc nng là
mt t đin đn ng và/hoc đa ng.
Xây dng công c kim tra chính t ting Vit
2
Âm tit
− Kh nng m rng đ x lý ting Vit
theo quan đim x lý ngôn ng t nhiên...
Theo t đin chính t ca Hoàng Phê [
1], ting Vit có 6.760 âm tit ch vit đ

cu to t đn hay t ghép. Mi âm tit
gm hai phn : ph âm đu (có th vng
mt) và khuôn vn (gm vn và thanh điu).
Ví d các t đn n, hc, đp, trng... là
do các âm tit n, hc, đp, trng... to
thành, các t ghép chm ch, đp đ do các
ph âm đu ch, đ và các âm tit m, , p và
 to thành.
Nh vy, đ phát hin và sa li chính
t, cn da trên vic phân tích mt âm tit
bng cách nhn din (v mt hình hc) ph
âm đu và khuôn vn. Cu trúc âm tit có
th đc phân bit nh sau (Hình 1) :

Hình 1 Cu trúc âm tit ting Vit
Theo thng kê ca Hoàng Phê, ting
Vit có tt c 25 ph âm đu và 1160 khuôn
vn, cu trúc âm tit luôn luôn gm mt ph
âm đu ghép vi mt khuôn vn hoc âm
tit ch gm mt khuôn vn.
II Thit k công c VitTools
VitTools s đc thit k trong môi
trng Microsoft Windows đ có th áp
dng cho các ng dng vn phòng nh
Winword, Excel, Access, PowerPoint.... V
mt lý thuyt, cn phi gii quyt ba vn đ
là xây dng b phát hin - sa li chính t,
c s d liu t vng và chuyn đi mã.
II.1. Xây dng b phát hin và sa
li chính t

 xây dng b phát hin - sa li
chính t, cn gii quyt hai vn đ là phát
hin li chính t và sa li. Ta có th s
dng thut toán sau (Hình 2) :
Repeat
c_mt_âm_tit
Phân_tích_âm_tit
Kim_tra_li_chính_t
If Có_li then Sa_li
Until Ht_ âm_tit or Yêu_cu_dng
Khuôn vn
Vn Thanh điu
Ph âm đu
Hình 2 Thut toán phát hin và sa li chính t
Vic c_mt_âm_tit đc tin hành
ln lt t đu vn bn đang xét tr đi
hoc bt đu t v trí du chèn tr v cui
vn bn (down) hoc ngc (up) v đu
vn bn. Mt âm tit là mt xâu ký t ch
gm toàn ch cái thuc phông ch ting
Vit đang s dng hin hành, đc đt
gia các ký t ngt câu, hoc ký t ngt
dòng, hoc ký t khác ch cái.
Phân_tích_âm_tit tc là tách âm tit
thành 2 phn, ph âm đu và khuôn vn.
Khi nhn din, ta thy ph âm đu gi có
hai trng hp phân bit là g (trong gic,
giã...) và gi (trong gin, giêng...) còn các
ph âm đu khác đu không cha nguyên
âm. Ph âm đu qu mc dù có cha

nguyên âm u nh
ng d tách ra khi âm tit
vì không có q đng mt mình.
Các cp ph âm đu có đ dài 1, ch,
gh, kh, ph, th, tr và ng), hoc 3 (ngh). Nu
mt âm tit bt đu bi mt nguyên âm thì
âm tit đó không có ph âm đu.
Sau khi phân tích âm tit thành ph âm
đu và khuôn vn, Kim_tra_li_chính_t
đc tin hành theo hai bc :
1. Ph âm đu (nu có) và khuôn vn có
thuc danh sách các ph âm đu và
khuôn vn cho phép không ?
2. Âm tit có hp l không ?
Nu âm tit đang xét vi phm mt
trong hai li trên (đ tin trình bày, ta gi
là li loi 1 và là li loi 2), giá tr bin
logic Có_li đc khng đnh, ngha là đã
phm li chính t.
Trong trng hp này, vic Sa_li s
cn c vào bn cht ca li là lo
i 1 hay
Xây dng công c kim tra chính t ting Vit
loi 2. Tính “thông minh” ca b phát hin
- sa li chính t là  ch có th “đoán”
đc ý đ ca tác gi vn bn mà gi ý
cách sa cha.
Vic phát hin - sa li dng khi
không còn âm tit hoc ngi s dng yêu
cu dng công vic.

II.2. Xây dng c s d liu t
vng
Do cu trúc âm tit ting Vit và đ s
dng các bng thng kê âm tit trong [ 1],
ta có th thit k c s d liu là mt mng
hai chiu. Mi phn t ca mng cho phép
kim tra tính đúng đn (hay s có mt) mt
âm tit cn c vào v trí hàng ca ph âm
đu và v trí ct ca khuôn vn.
Ví d âm tit ngoi là phn t đc
xác đnh t ph âm đu th và khuôn vn
oi t bng sau (bên phi Hình 3 là cách
xác đnh âm tit đó) :
...
oi ...
...
ng
⌦

...
oi
ng
•
Hình 3 Cách xác đnh mt âm tit
Cu trúc mt phn t mng nh sau :
Type Phn_t_mng = Record
Vn_đ_chính_t
Loi_t
Ngha
Ni_t

Chuyn_ng
end
Hình 4 Cách xác đnh mt âm tit
Mc Vn_đ_chính_t có th có các
giá tr nh sau :
− Có âm tit s dng trong ting Vit
− Có vn đ v chính t, ví d v thanh
điu (ha hay ho, qúy hay quý...), v
phát âm các phng ng vi ch vit (z
tng đng d và gi, k d, lý lun,
k...), v t ng vay mn ca nc
ngoài (karaole, photocopy, fax, bp
gas...)...
− Có yu t cu to t Hán-Vit, ví d
cng - cng..., bãi - b...
− Không th có cu to âm tit nh qút,
quôn, coan (quan), cuê (quê)...
Tu theo mc đ nghiên cu chính t,
có th thêm các giá tr mi vào mc này.
Mc Loi_t cho bit đây là loi t gì
v mt ng pháp, nu âm tit là mt t
đn. Chng hn loi t có th là danh t,
đi t, đng t, ph t, tính t, v.v...
Mc Ngha cho bit ngha (semantic)
ca t biên son theo ni dung cun T
đin ting Vit [ 2]. V mt chng trình,
trng Ngha đc thit k là mt con tr
(pointer) tr đn ni cha các dòng vn
bn gii thích ngha ca t.
Mc Ni_t cho phép liên kt vi các

âm tit khác đ to thành các t ghép. Ví
các t ghép ti đp, xinh ti, xinh đp,
xinh xinh, xinh xn, đp đ đc minh ho
cách ni ghép nh sau (Hình 5) :
3

p
4

Hình 5 Cách to các t ghép
Vi t ghép đôi, có th xy ra các mi
ni hai chiu, nh ân ái - ái ân, bo đm -
đm bo... hoc các mi ni vòng, nh
chung chung, xinh xinh... Trng hp các
t ghép ba, nh tng tòng tong..., các t
ghép bn nh lt thà lt tht, ko cà
ko kt... hoc t ghép dài hn thì phi xây
dng các mi ni bc cu.
Hình 6 di đây mô t Ni_t là mt
cu trúc con tr đc bit cho phép x lý
các loi mi ni khác nhau nh va trình
bày.  d trin khai, có th quy c các
t ghép ch xác đnh bi âm tit đu.
Type
Ni_t = Record
Ni_đôi
Ni_vòng
Ni_bc_cu
end
Hình 6 Cu trúc mi ni t

Các trng Ni_đôi, Ni_vòng và
Ni_bc_cu là nhng con tr tr đn mt
danh sách gm các con tr tr đn các
phn t ca mng (s phn t ca danh
sách là s t ghép tng ng).
Mc Chuyn_ng cho phép ghi ngha
tng đng ca âm tit (t đn) và t
ghép trong mt ngôn ng nào đó, ví d
Anh ng, Pháp ng, v.v... Nh vy có th
thit k mc Chuyn_ng có cùng cu trúc
vi mc Ni_t.
II.3. Chuyn đi mã
Hin nay có rt nhiu phông ch
(fonts) ting Vit xây dng trên nhiu b
mã khác nhau (khác nhau v s bytes s
dng là 1 byte hoc 2 byte, th t du
thanh, cách b trí các ký t...). Do cha s
dng mã thng nht nên gii pháp tt nht
là nên s dng mt b mã trc (pivot code)
đ d dàng chuyn đi qua li gia các mã.
B mã trc đc chn là VIQR
(VIetnamese Quoted Readable
Specifications). B mã này do nhóm Viet-
Std (Vietnamese Standardization Working
Group) phát trin ch s
dng các ký t
ASCII chun 7-bits đ biu din du ting
Vit nên tính tng thích rt cao.
Ví d đ gõ vào câu i hc à nng :
DDa.i ho.c DDa` na(~ng.

t
i
•
x
inh
•
đ
đ
•
n
x
•
•
5

Hình 7 B mã trc VIQR
Trc khi chuyn mã ngun v mã
VIQR cn có th tc Nhn_din_
mã_ngun và trc khi chuyn mã VIQR
sang mt mã đích khác cn có th tc
Nhn_din_mã_đích.
Nh vy đ phát hin li chính t, công
c VitTools s làm vic trên các âm tit đã
đc chuyn sang mã VIQR. VitTools
phân tích các âm tit đ dò tìm ph âm đu
và khuôn vn tìm đc trong các vect ph
âm đu và khuôn v
n tng ng theo mã
VIQR.
III Kt lun

V mt lý thuyt, ta đã thit k xong
công c VitTools cho phép phát hin và
sa li chính t. u đim ca phng pháp
là công c hot đng không ph thuc vào
mã phông ch ting Vit đang s dng và
không ph thuc vào ng dng hin hành.
VitTools cng đc thit k theo
hng m bng cách thêm các chc nng
sp xp, chuyn mã vn bn hoc d liu
ting Vit, v.v...
Cu trúc c s d liu t vng đã thit
k cho phép xây dng t đin đa chc nng
(multipurpose), đa ng (multilingual) phc
v x lý ngôn ng t nhiên, trc ht là t
đin chính t và t đ
in tra ngha.
Tài liu tham kho
[ 1 ] Hoàng Phê. T đin chính t. Trung tâm t
đin hc, NXB à nng 1995
[ 2 ] Hoàng Phê. T đin ting Vit. Trung tâm
t đin hc, NXB à nng 1997
[ 3 ] Nguyn Kim Thn. Ng pháp ting Vit.
NXB Giáo dc 1997
[ 4] W. J. Hutchins & H. L. Somers. An
Introduction to Machine Translation.
Academic Press 19ìc
[ 5] B. T. S Atkins & A. Zampolli.
Computational Approaches to the Lexicon.
Oxford University Press 1994

VIQR
IBM
CP 01129
TCVN3
VietKey
VISCII
VietWare
VNI
BKtpHCM
Microsoft
CP 1258