偏旁

摘要： 江西省九江市修水县有一种特色地方传统名点的名字十分有趣,叫“哨子”。但如果你以为这个“哨子”就是我们平时嘴里吹的“哨子”,那就大错特错了。修水“哨子”的“哨”字应该是“食”字偏旁,“哨子”的“哨”(shào)字是方言,因而普通话中没有这个字。

摘要： 你肯定对王字旁不陌生,比如“玩”“环”“玲”“珑”等字,它们都是这个偏旁。古时候“王”和“玉”长得非常像,都是三横加一竖———没错,那时候,“玉”还没有下面的“丶”呢。古时候的“玉”字,三个横之间的距离基本相同,表示的是很多玉石被丝绳穿起来;而“王”字的上面两横距离更近一些,据说模仿的是王者的身姿,看上去“王”好像很骄傲地端着胳膊呢。后来,这两个字实在太相似了,很容易混淆,所以字形逐渐演化,慢慢就有了区别。

摘要： 命名主体不一、命名角度多样以及规范化程度低导致偏旁异名现象的存在,这给识字教学带来干扰。新中国建立以后对此进行了专门的整理规范,但同一偏旁存在不同名称的状况并没有彻底消除。面对这种情况,教师在识字教学过程中可以参照现代汉字形体、面向学生实际、照顾名称的系统性等原则做出选择。

摘要： 像丝线拧成的绳子。写在字的左边。带“纟”的字,意思上多与丝线、纺织品有关。“糸”,写在宇的下边,意思与“纟”相同,是同一偏旁因位置不同而分化出来的两种写法。

摘要： 月的古文字像月牙,写在字的左边或右边。月字旁的字多与月亮、时间有关。古文字“肉”写作“■”,“月”写作“■”,写法相近,因此现在两个字做偏旁时都可以写作“月”,合并在一起,但意思上是有区别的,由“肉”变成的月字旁,意思上与肉、身体有关,也叫“肉月旁”“肉月旁”也常写在字的下边,但左边的一撇变成竖。

摘要： 楷书里有两个长得一样的偏旁一一左耳旁和右耳旁,它们的形态像一只耳朵,统称为耳朵旁。那么,它们的意义真的与耳朵有关吗?我们先找出几个耳朵旁的字。例如左耳旁的“陵”“陟”与“阳”,这些字的甲骨文含有相同的部分,即“阜”字的初文。《说文解字》释“阜”为“大陆,山无石者”,也就是土山的意思。《诗经·小雅·天保》云:“如山如阜,如冈如陵。”

摘要： 一次评讲试卷,用部首查字法查字典时,查到偏旁后再查几画,有几个同学连带偏旁一起数。订正时,我故意找出错的同学来回答。兴许是心虚,兴许是我语气严厉,被叫到的小泽同学直直地站着,好久不回答,窘迫中嘴唇动了几下,就是不出声。“坐下吧,让别人告诉你正确答案。”我口气有点不耐烦。接下来讲解阅读分析,同学们都捧起书来认真阅读。忽然发现小泽眼目低垂,面无表情。“小泽,你怎么不读呀?”我提醒他。

摘要： 本文选取国际汉语教学中两套初级汉字教材《初级汉语课本》汉字读写练习和《张老师教汉字》汉字识写课本,按出现先后顺序整理其偏旁和例字,从偏旁选取、偏旁总数、例字总数、单课偏旁例字容量、偏旁排序、设置、组块、偏旁名称、偏旁与例字意义相关性这九个方面对比分析其特点。取共有偏旁“日”和“又”,从四个方面对比两套教材:结合字源和词典分析其偏旁和例字的意义关系、例字在大纲中的等级、例字在生字表的出现情况、偏旁和例字在认读和练习中的复现率,比较结果有同有异,异多于同。

摘要： 紧抓孩子识字敏感期,科学地解决孩子认错字、写错字的痛点!《丁丁冬冬学识字》是一套借助甲骨文来帮助孩子识字的书,它能让孩子解决认错字、写错字的学习苦恼。这套书紧密贴合新部编版语文教材,有助于学生在课内学习的基础上进一步巩固生字、加深对生字的理解。《游戏书1》和《趣玩卡1》配合使用,在游戏中复习生字,《学偏旁、认汉字》以偏旁为线索,将学生学过的生字串成知识网,进一步强化。

摘要： 笔画是构成汉字的基本元素,在实际书写中,会因汉字个体的差异而变化。汉字笔画书写的角度和方向归纳起来大致有横向、纵向、斜向、弧向四个向度。书法结字的合理性问题是建立在人们右手执笔,且手处在视觉中心的偏右位置,满足生理上的便利和视觉舒适性基础上的。人们在欣赏古人留下的书法作品时,会发现横画左低右高、撇画由粗到细、捺画由细到粗再到细等特征,结体则多呈现上紧下松、左收右放、左低右高、左紧右松、左细右粗等特征。该文探讨古人结字的原因,研究在人们生理习惯影响下的结字方法的合理性问题。

摘要： 本发明公开了一种基于深度学习的甲骨文偏旁的检测与识别方法，主要涉及甲骨文识别技术领域。按照以下步骤进行：S1：对甲骨文拓片进行扫描或拍照，获得甲骨文图像；S2：采用最大极值稳定区域算法来筛选甲骨文图像中的甲骨文单偏旁区域；S3：对选定的甲骨文单偏旁区域进行椭圆拟合；S4：采用非极大值抑制算法去除对同一个甲骨文单偏旁多余重复或错误的检测结果，完成甲骨文单偏旁的检测，获得甲骨文单偏旁数据；S5：利用BN‑Lenet网络模型识别甲骨文单偏旁数据。本发明的有益效果在于：能够获得较高的识别精度，同时将甲骨文视为偏旁组合而非整字识别，能够识别未考释的甲骨文新字，即零样本学习，对甲骨文研究有着重要的应用意义。

摘要： 本发明涉及一种基于整字和偏旁部首的层次化建模方法及系统，其方法包括：S1：将文本行图像经过卷积神经网络和循环神经网络，得到文本行图像的序列特征；S2：将文本行图像的序列特征，输入有注意力机制的整字解码模块，得到整字的上下文特征向量以及整字的解码结果；S3：将整字的上下文特征向量输入偏旁部首解码模块，得到整字层级下的各个偏旁部首的解码结果；S4：利用置信度得分融合策略，将整字和各偏旁部首的解码置信度进行融合，得到整字的识别结果。本发明提供的方法，不仅能实现整字的识别，同时实现该时刻偏旁部首的识别，通过整字和偏旁部首解码置信度融合的策略，不仅能够提升低频字的识别效果，同时最大化地保证了非低频字识别的效果。

摘要： 本发明提供了一种融入偏旁语义的中文文本分类方法，首先使用BERT模型对中文文本和偏旁进行向量化表示，然后分别使用不同的深度学习模型对中文文本和偏旁进行特征提取，最后对中文文本和偏旁的特征向量进行融合，利用softmax分类器实现中文文本分类，该方案充分考虑了中文作为一种独特的象形文字，文字的偏旁中蕴含着丰富的语义信息，在中文文本语义理解的过程中发挥重要作用，能够进一步提升分类器性能，并基于偏旁本身的信息量，大幅降低了训练复杂度，达到降低学习的时间、提高分类的效率、将不同中文文本分类方法的优点进行有机结合、实现高效准确的中文文本分类的目的。

摘要： 屏幕式键盘的偏旁部首与拼音输入法。本发明定义了171个汉字的偏旁部首，按照偏旁部首的第一笔画放置在一、丨、丿、丶、乛行里，输入汉字时，点击偏旁部首，在随后屏幕出现的汉字中，根据除去偏旁部首的第一笔画找出所需汉字，如果没有，就点击第一笔画，在屏幕又出现的汉字中由第二笔画引导找出所需汉字；汉语拼音部分，与现行的拼音输入法相同，放置方法为根据汉字的第一笔画放置在一、丨、丿、丶、乛行中。

摘要： 基于偏旁特征嵌入的中文命名实体识别网络模型，涉及自然语言处理与中文命名实体识别领域。解决了现有中文命名实体识别算法的语义识别的准确率和F值低的问题。将字符拆分成其偏旁构成的形式，将其映射为偏旁特征向量、并与单词特征向量和字符特征向量，组合后输入到Bi‑LSTM编码层中进行编码中，编码后的特征经CRF解码层解码后得到输入文本的命名实体标签，从而实现对中文命名实体的识别。本发明主要用于对中文命名实体进行识别。

摘要： 本发明提出一种基于关键偏旁部首分析的零样本汉字识别方法，包括以下步骤；步骤S1：获取汉字图像建立汉字识别数据集；步骤S2：把数据集中的每个汉字表示为唯一的树状结构，进行先序遍历，获取汉字表意描述序列；步骤S3：建立汉字表意描述序列生成模型；步骤S4：使用汉字识别数据集对汉字表意描述序列生成模型进行深度学习训练；步骤S5：以深度学习训练后的汉字表意描述序列生成模型经汉字表意描述序列生成模型，生成汉字的表意描述序列；步骤S6：建立关键偏旁部首分析模型；步骤S7：根据生成的汉字表意描述序列，使用关键偏旁部首分析模型对汉字类别进行预测。本发明能将汉字识别问题转化为不确定性消除问题，提高模型对预测表意描述序列的利用能力。

摘要： 本发明涉及笔画训练技术领域，且公开了一种多组且相似的汉字偏旁练习书写装置，包括压盘，压盘腔内上侧内壁固定安装有固定板，压盘腔内底部设置有底板,底板的顶部设置有转动杆，转动杆外壁设置有三组连接块，三个连接块远离转动杆的一端分别设置有第一练字板、第二练字板和第三练字板。该多组且相似的汉字偏旁练习书写装置，本发明通过在固定板开设第一练字槽、在第二练字板上开设第四练字槽和在第三练字板上开设第三练字槽，实现了转动转动杆带动第一练字板、第二练字板和第三练字板在压盘腔内转动，改变第一练字槽与第一练字板、第二练字板和第三练字板三者连通对齐后的练字形态，实现练习三种不同且相似的汉字偏旁，且分别为横折折撇、横折折折和横折折折钩。

摘要： 本发明公开了一种偏旁定位练字系统，包括架构分解模块，用于获取目标汉字的间架结构，并对目标汉字进行结构解析，以得到目标汉字分解结构；偏旁位置模块，用于根据预设的书写定位格和目标汉字分解结构中的偏旁的间架结构确定偏旁的书写位置；练习轨迹模块，用于根据偏旁的书写位置和目标汉字分解结构生成目标汉字的书写练习轨迹信息；汉字书写模块，用于录入标准汉字书写规则，并根据目标汉字的书写练习轨迹信息和标准汉字书写规则生成完整目标汉字书写信息。本发明还公开了一种偏旁定位练字方法。本发明可帮助用户快速掌握汉字架构，提高练字效果，且可为练字节省掉大量的时间成本。

摘要： 本发明公开手写汉字或偏旁、笔划的自动提取及智能评分系统，包括：练字本图像的自动提取模块、单个汉字自动提取模块、汉字识别模块、汉字评分模块。练字本自动提取模块包含对上传的手写汉字照片进行预处理、图像捕获、矫正、报错与版式判断，完善的流程提升了图像提取的准确性和自动化效果；单个汉字提取模块包含针对铅笔字提取的特殊处理方法，可有效的提取铅笔字图像；建立的深度学习识别模型可快速识别手写汉字，包括空格的识别；汉字评分采用结构+内容的综合评分方法，结构是汉字的长宽值，内容通过余弦相似度确定。本发明可自动提取随意上传的手写文字照片并进行评分，适用于初学汉字的低龄学生，对书法爱好者的日常练字也大有帮助。

摘要： 本发明提供了一种融入偏旁语义的中文文本分类方法，首先使用BERT模型对中文文本和偏旁进行向量化表示，然后分别使用不同的深度学习模型对中文文本和偏旁进行特征提取，最后对中文文本和偏旁的特征向量进行融合，利用softmax分类器实现中文文本分类，该方案充分考虑了中文作为一种独特的象形文字，文字的偏旁中蕴含着丰富的语义信息，在中文文本语义理解的过程中发挥重要作用，能够进一步提升分类器性能，并基于偏旁本身的信息量，大幅降低了训练复杂度，达到降低学习的时间、提高分类的效率、将不同中文文本分类方法的优点进行有机结合、实现高效准确的中文文本分类的目的。