Wat Lim comments

Results 7 comments of


                                            Wat Lim

關於字典維護的建議

> 但是当年我录完《潮州音字典》后已无精力再录入第二本字典了，所以暂时付诸阙如。工作量一定好大，非常感謝！你公開[dicionary.tsv](https://github.com/Kahaani/dieghv/commit/cb3f92b8674676f2976e3002a717d3b338016ed1)的時候我就注意到。個人感覺`dicionary.tsv`做爲原始數據來儲存字庫和讀音好好，但是做爲維護輸入法來講存在一撮問題： 1. 對想參與項目的人，可讀性不強。 1. 如果想加入一個字或者讀音只能修改各個`.dict.yaml`文件（比如[這個commit](https://github.com/Kahaani/dieghv/commit/bc29ff236c2a23339ba6077fd31be3cd447e54b7)），因爲`dictionary.tsv`是《潮州音字典》原始數據，直接修改不合適。 1. 對無收錄在《潮州音字典》的讀音，無變統一管理。 1. 只有字，無詞。所以加新詞還是需要修改全部`.dict.yaml`文件（比如[這個commit](https://github.com/Kahaani/dieghv/commit/531225897cf197288c6a374ad1540f48aa07142b)）。根據你的描述，如果將來有新個字典加入，這個項目會存在多個`dictionary.tsv`文件。那是否可以通過寫個腳本來讀取全部tsv文件來生成一個`dictionary.yaml`，然後再對這個文件進行需要的修改（比如加入缺少字音，詞組），最後再生成各個`.dict.yaml`文件呢？以後如果有補充字詞，只需要修改`dictionary.yaml`就好了。我非常樂意相互這個工作。

關於字典維護的建議

感謝回覆！ > 这里「相互」应该是「相辅」吧。多謝指正！因爲「相辅」打無。 > 而不是现在这样见一个收一个，也就避免了「零散」造成的问题。我個想法是「零散」收錄反而是好事： 1. 錄入整本字典工作量大，更新週期長，無法及時收錄實際使用中常用，但是打無的字，比如這句話的長只有「ciang」，但是日常更常用的[deng」就打無。個人感覺應該優先收錄常用讀音、字詞，而唔是錄入整本字典。因爲輸入法做爲一個工具，應該以方便使用爲主。所以，是否可以爲收錄使用過程中發現打無個字提供方便？ 1. 字典收錄的更多是字音。潮語專有的用詞，地名還是需要人工錄入。同樣，實際使用中發現一個補一個最好。 1. 字典雖然權威，但是出版週期長，比如現在用的《潮州音字典》是1957年出版的。即使這個項目有足夠人手相輔來錄入全部字典的數據，但是如果只依賴字典，無愛零散收錄，一撮字詞還是打無。 > 更理想的情况是录入多本字典。多个.tsv文件按一定的混合规则生成.dict.yaml，似乎也不需要一个dictionary.yaml。字典的`.tsv`的格式只有變放字，無變放詞。直接用字典生成`.dict.yaml`不實際。如果全部用`.tsv`也是好，就是再用個`.tsv`來放詞，也就是等同於一個`dictionary.yaml`。`dictionary.yaml`只是一個想法，我認爲，需要在字典和`.dict.yaml`之間加個中間層來解決問題。 > 按我的理解，dictionary.yaml的好处在于：方便管理零散的补充数据，以及众包（由各地网友提供各地读音）。但我对网上资料的质量没有信心。BTW：纸质字典的质量也是参差不齐，不是每一本都足够严谨。這就是`dictionary.yaml`起到的作用，可以做爲測試來糾錯。我認爲項目應該收錄多種來源的資料，核對後採納。 > 还有一种情况，是系统性补收字音，比如： c9468be 和 8fcb04b 我就是想如何減輕這種工作，並且錯誤率更低。 > 或许可以等到补丁更多、问题更加明显、需求更加清楚的时候，再来设计一种管理数据的格式。如果感覺當前的管理數據格式已經不符合實際，可以再設計一種，然後遷移過去。

Wat Lim

關於字典維護的建議

關於字典維護的建議

關於字典維護的建議

關於字典維護的建議

潮陽，揭陽，饒平拼音方案部分無元音？

省教潮拼方案打êng下面的候选词提示会变成êen

省教潮拼方案打êng下面的候选词提示会变成êen