作者：谢振斌

　　汉字编码，从本质上说，就是一种映射。
　　1）映射规则、规律，决定了它的易学性。
　　2）映射规则的内涵，决定了它的科学性。
　　3）映射自身的指标（编码效率和重码律等），决定了应用效率。
　　以上三方面综合起来，决定一款编码设计的综合水平。

　　目前对编码的量化评价多数是从第三点的角度去评价的。也就是一般所说的一些指标：码长、码元、重码率（或键选率）、编码效率等。
而对于易学性和科学性，则由于比较难以量化，所以往往被忽视了。

　　其实认真研究下去，还是可以找到一定的量化评估办法的，并最终达到更科学的综合评价。
　　这里简单谈谈看法，欢迎批评。

　　1）易学性评估。所谓易学就是指死记硬背的东西少，规律性强，蕴涵科学性，习得后变难以忘记。它包括码元的记忆和规则的记忆。
　　就拿五笔来说，需要记忆的内容有：
　　a）汉字拆分规则。由于很多无理拆分违背汉字的科学性，导致记忆困难。比如五笔把“衤礻”这样的基本部首都拆开了。
　　b）部件和码元的映射。由于一个码元对应很多部件，并且没有简单的规律，唯有发明者自编的一首顺口溜算是辅助记忆。码元映射可以说　　几乎没有规律可言。
　　c）末笔交叉编码。这个编码由末笔和构形两个信息交叉组成，对于初学者不可能简单记住，唯有努力训练，熟练后形成条件反射，才可以迅速应用。类似的做法还有一些采用双笔画组合的映射也是如此，表面看起来是有规律，但是实际上记忆量是很大的。

　　2）科学性评估。除了上述所说的规则必须简单合理以外，还有需要衡量的是映射的科学性。由于目前的编码为了追求低重码率，详尽办法来离散重码，而不是根据汉字的内在本质去编码，最终导致影响编码的科学性。具体体现在上面易学性评估里提到的几个环节里。比如拆分、分类、映射、码元选择等几方面的科学性。

　　3）编码自身的指标。这个部分容易量化计算。我本人认为，比较重要的指标有：
　　a)实用码长(bit)：就是基于大众实用文本用字频度计算出的动态码长，换算为比特，避免码元数量干扰。
　　b)实用键选率(%): 就是基于大众实用文本用字频度计算出的动态键选率。
　　c)综合码长(bit): 结合各个领域、时域的语料文本，并加权平均后的动态码长。
　　d)实用键选率(%): 与上面相应的键选率。

　　键选率实际上是体现无理映射的成分。比如一个编码非常简单有理，但是其中10%的字需要使用无理序号区分才可以，那么加上这些无理序号，编码便可以说是“无重码”编码了，但实际上这10%的按键是无规则可言，属于无理编码，他们要么需要死记、要么需要看屏幕选择。

　　其他还有一些指标，则相对次要一些，但可以作为辅助参考。如编码效率、码元利用率、重码率、静态指标等。

　　还有，上述分析没有提到词语编码。其实某种意义上说，词语和单字完全可以统一对待，他们都是编码对象，并不需要刻意区分字和词。在我看来词语、单字、部件都是相关的编码对象，完全可以统一起来。


　　我自己一直在研制的汉字全息编码，就是从以上几个方面考虑的一种科学编码，主要特点有：
　　1）是有序化映射。目前几乎所有的编码都是一种无理hash映射。
　　2）规则简单、统一。符合汉字自身的科学性。
　　3）可以做到见字识码，还可以做到见码识字。当然一般编码只是作为一种录入手段，并不需要有如此高度的要求，但我的编码希望能够作为汉字的线性表示，用于编纂字典等领域，甚至作为辅助文字在某种场合得以应用。
　　4）采用26字母作为码元。此目的主要是为了编码的可视化和可读性以及便于应用。
　　5）全息码派生出的“简易码”，几乎不需要任何记忆，就可以使用。其部件码，只记“大码”即可，不必记忆“小码”。而这26个大码几乎是不用学习便可以自然记住。
　　6）在技术上，做了大量的优化。并合并了拼音、笔画等输入法。

　　除了26码元的编码，也设计了一款10码元的编码，专门用于手机等小型终端。特点就是不需要任何学习，学习难度和笔画输入法一样，但是速度却大为提高。