 | cht | 電腦資訊 | gcin |
| adm | Find | login register |
| caleb joined: 2007-09-22 posted: 630 promoted: 134 bookmarked: 90 |
簡繁轉換一直是很麻煩的東西，gcin 使用自己的簡繁轉換表格已經有一陣子了，有些問題當初整理時沒考慮進去(我整理表格時只用來繁轉簡，但 gcin 用同一個表格也做簡轉繁，所以會有問題。) 當初整理時，各大搜尋引擎的 suggest 也不是很完備，公開的語料庫不是不全就是限制很多，而且多半只有 Big5/GB2312 data，整理起來十分辛苦。 現在 baidu 的 suggest 已經做得不錯了，可以讓中文 user 很方便的查詢「哪個字詞被搜得最多」（注意，是搜尋頻率，而不是遣詞用字的正確性。） baidu 的特性是，你輸入繁體字詞，它會自動 suggest 簡體字詞。正確性姑且不論，至少可以知道「簡體 user」一般都是用什麼字詞。 底下是我目前「刪除的」 gcin 簡繁轉換資料，不知道大家有沒有什麼更正或補充的，討論討論可以整理成 patch 修正 gcin data。 拾 十 #揀拾 -> 不應該轉 漥 洼 #不常用 碱 硷 #鹼轉碱似乎比較正確，所以碱不用再轉了 窐 挂 #不常用 窐 洼 #不常用 綵 䌽 #䌽是罕用字 襬 䙓 #䙓是罕用字 託 讬 #託轉托似乎比較正確 讎 仇 #不常用 醱 酦 #醱轉发似乎比較正確 鉅 巨 #鉅轉钜似乎比較正確 鉋 铇 #鉋轉刨似乎比較正確 鍾 锺 #鍾轉钟似乎比較正確 鎔 熔 #鎔轉镕似乎比較正確 靦 䩄 #靦轉腼似乎比較正確 餘 馀 #餘轉余似乎比較正確 鯰 鲇 #鯰轉鲶似乎比較正確 鲶 鲇 #鯰轉鲶似乎比較正確，所以鲶不用再轉了 鹼 硷 #鹼轉碱似乎比較正確 麼 麽 #麼轉么似乎比較正確 | |||||||||
elleryq joined: 2007-09-27 posted: 117 promoted: 5 bookmarked: 0 Taipei, Taiwan |
有參考過新同文堂嗎? | |||||||||
| caleb joined: 2007-09-22 posted: 630 promoted: 134 bookmarked: 90 |
有，新同文堂的 data 也是 big5/gb2312 為主（我當年整理時的最新版是那樣）。 而且轉詞和轉單字不同。輸入法很多是一次輸出一個字，不可能用轉詞那套來靠上下文轉。 gcin 的整句輸入部份可以用 filter 的方式實現 詞彙/整句 簡繁互轉，所以不在本表格的討論範圍。 | |||||||||
| elleryq joined: 2007-09-27 posted: 117 promoted: 5 bookmarked: 0 Taipei, Taiwan |
原來如此，想不到 caleb 大大也曾是新同文堂的開發者，小弟班門弄斧了... |
| adm | Find | login register |
