弱弱地問一句版主……

關長生

我在大字符集下造的詞，在繁體狀態下顯示混亂。如「國傢」、「佈頭」之類的。
弱弱地問一下版主或達人們：當下一個版本支持Unicode以後，這種問題還會有麼？我的詞庫會不會白造了？

關長生

有人能幫忙回答一下麼？

ZXD4G

关于繁体词库，目前的想法还是基于对照关系，从简体进行转换，不过对照的粒度要提高到“词”，原来只是“字”的级别，当字的对照非一对一时，笑料就爆出了。

按照这个思路，关兄只要搜集存在一对多、多对一、多对多简繁字对照关系的词，作为简繁转换的依据，似乎就行，哪些一对一、不存在歧义的，相信程序就好了，它们应该是主流吧，3000多个字间对照关系，这种简单的对照所占比例应在80%以上；为汉字注音，也是这个路子，多音字还是少数，枚举其各种读音的样例作为参考，就能在很大程度上完成词条的注音，更多的完善，可以通过引入模式，例如，“朝”字的读音，如果词中还有“暮”或“夕”，那么“朝”一般是读zhao1。

搜集复杂对照关系，正是考验一个人对繁体的熟悉程度和对文字的驾驭能力，据本人观察，关兄还是够有当量的。

關長生

不知道我理解得對不對，就是說我現在所造的詞，在下一個版本支持Unicode以後，仍舊需要注意，在繁體輸入狀態下還是有可能發生一些混亂，只不過混亂比現在少一些。
我的意思是說，比如我現在在大字符集下造詞「國家」，換成繁體輸入狀態時成為了「國傢」。當支持Unicode以後，這種問題仍舊會發生，只不過好一些，是麼？

ZXD4G

有少许偏差，补充一下：
1.unicode化不是为了解决繁体的准确性，而是解决平台的兼容性，以及增加可输入的字符数量，能增加多少，其实也很不乐观，因为，超出GBK范围的字，没有几个有权威拼音的，所以，主要还是兼容。
2.繁体输入混乱的原因是简繁对照误用，在对照时没有“词”级别的依据，发生这种张冠李戴的情形就很多，如果有依据来指示“当这个时候，应该用这个字”，就会极大地改善，当然，需要依据够多够准才行；如“国家”中的“家”，对应的繁体有两个，一个是不改变，即“家”，一个是“傢”，当没有“國家”来指示这里应该用“家”时，现在就是“傢”，而有了指示，结果将会正确；另一个例子是“范”，当表示姓氏时，繁体也是“范”，那么，就需要列举一些范姓名人，范仲淹、范文澜等等。以前，我在某个帖子中提到，微软的Word简繁转换，也不过尔尔，就是它的例词收录也欠缺得很，印象中范文澜就不认识，估计范文芳、范伟等就不够格了。
3.即便有了相当的例词(也可以称为“知识”吧)，要想达到理论上的100%，也是不可能的，就是姓氏的用字，就难以穷举，但达到实际应用的99%甚至更好，还是有指望的。
4.假如否定“转换”的办法，而用单独制作“繁体词库”来实现，倒也是可行之路，不过，要构造一个适量或海量的繁体词库，工作之艰辛，从简体词库的制作经验来看，很容易类推而知，另外，软件的安装包也会增大，开玩笑地说，与“节约型“社会主旨不符，将浪费存储和网络资源，除非分为两个版本。即使这样，当输入不词库中没有的范姓人名时，还是得让用户去正确地选择”范“，而不是”範“，在这一点上，单独的”繁体词库“并没有从根本上解决用字准确性问题。

[ 本帖最后由 ZXD4G 于 2007-11-19 12:37 编辑 ]

kingdick

唉……都是×××惹的祸呀！你说要是当初都统一了，哪会有现在这么多问题～～

關長生

噢，我明白和左盟主的誤差在哪裡了。
也許是我表達能力有限，而且實在是腦盲。
我是說，如果我造詞環境就是在繁體輸入狀態下，比如造「國家」一詞，我選擇的是「家」，但是紫光記憶成了「傢」。下次輸入就成了「國傢」。這種現象在下一個版本還會有麼？如果是所選字組成所選詞，不用再轉化就好了。目前這種問題在大字符集狀態下不會發生，「國家」就是「國家」。可是大字符集找繁體字太累了……
求教。
另外，不知道我所提供的臺灣教育部辭典 http://140.111.34.46/dict/ 是否對紫光編輯繁體詞有些許幫助，我覺得可以偷懶，輸入一個字，可以查找所有組詞。（反正臺灣佬的版權……）

[ 本帖最后由 關長生 于 2007-11-19 12:56 编辑 ]

ZXD4G

哦，咱也最终了解了关兄的意思，那就是动态地造词，咱以上主要谈的是相对静态地构建例词(或模式)知识库，动态层面，还真是有所疏忽，幸得上帖提出，就比较全面了——在简繁转换的例程中，要考虑一些纠错机制。

在GBK全集，或将来更大的字符集合中找字，确实比较累，这也是众口呼吁辅助码的缘由吧，以后会改善，只是如何个优选方案，暂时还没有定论，尚需两周左右的时间来进行统计分析。也许结论将是支持若干种辅助码，即使是笔划辅助，也可能支持首笔、次笔、末笔等。

關長生

左盟主可以試試，調成繁體輸入狀態，刪除所有詞庫，然後自己在線造詞「國家」，選擇正確的字後，再次輸入「國家」，發現變成了「國傢」。凡此種種，不勝枚舉。比如「布頭」變成「佈頭」、「百里奚」變成「百裏奚」等等。而大字符集就沒問題。

我是想，能否考慮在下一個版本解決這個問題。我真的很想用繁體輸入狀態，大字符集累死了。
我認為，比如「布」和「佈」在繁體字下是兩個字，就可以分開對待。如果我選擇了前者組詞，系統記錄前者就是了，不需要轉換。

老實說，這個問題似乎只有紫光有，我試過很多輸入法，但瑕不掩瑜。
另外，懇請在下一個版本中能夠支持在動態組詞選字時順便能調整字頻。

[ 本帖最后由 關長生 于 2007-11-19 15:55 编辑 ]