周兴华，李 敏，郑蕊蕊，许 爽，胡艳霞

(大连民族学院a.计算机科学与工程学院;b.信息与通信工程学院;c.东北少数民族研究院，辽宁大连116605)

清朝统治中国将近300年，作为中华民族的少数民族之一的满族，历史悠久，文化内涵丰富，在中国历史上起着举足轻重的作用。现存的大量满文档案至今已有400多年的历史，由于年限久远，很多历史文献已经不同程度的破损［1］。如何将这些珍贵的文化历史记录转化为可永久保存的电子文档成为当务之急［2］。光学字符识别技术(Optical Character Recognition，OCR)具有将图片中文字翻译成计算机文字的功能，已广泛应用于少数民族文档的数字化保护，是实现满文文档数字化的技术保障［3］。利用光学字符识别技术识别满文，必须以大量的字符样本为基础，因此建设满文文字数据库是研究满文识别方法的必要条件［4］。目前，国内已经建成了蒙文、藏文、维文等少数民族文字库，但满文字库的研究相对较少，还没有一个有影响的满文文字数据库可以为开发满文识别算法提供公共的训练和测试样本，实验结果存在很大差异性，识别结果无法统一比较。因此，建立满文文字数据库是满文识别技术的必要前提。

考虑到满文文字的特殊性，满文文字库的构建与其它字库不同，需要将单词部件作为采集内容，而部件的分割是建库的重点和难点。本文将建库与文字切分联系在一起，提出了一种多级库的构建思想。该库为后续满文识别和特征提取提供有利的保证。……