Re: [Fw: ] tsi-src2.patch....大家看一下...:)

[Chih-Hao Tsai <hao520@yahoo.com>]

thhsieh@linux.org.tw wrote:
> 
> : 我再舉一個例子說明為什麼不能這樣砍。假設「優惠」、「待遇」、
> : 「優惠待遇」都在詞庫中，當使用者打 "you1 hui4 dai4 yu4" 時，程式
> : 可以找到「優惠待遇」。但如果你把「優惠待遇」刪了，麻煩就來了
> : 。「待遇」也許沒問題，但是「優惠」、「幽會」怎麼辦？當然在這
> : 個例子裡，「優惠」的頻率比「幽會」高，靠頻率瞎猜也會猜對，但
> : 你不會總是這麼幸運。
> 
> 嗯! 當初我和 ID5 兄私下討論時，確實沒考慮到這種情況。
> 看來實際情況真的複雜很多。

基本上詞庫的用途就是利用大單位來為小單位作 disambiguation。
像念 you1 的字至少有五個。但是加一個音，念 you1 hui4 的詞只
有「優惠」和「幽會」，所以 you1 的可能的字就從五個減為兩個。
再加一個音，念 dai4 的字有十幾個，但這時也不能決定要選哪一個
。到了第四個音，因為這四個音組成的 pattern 在詞庫中找得到，
所以四個音的字都可以確定了。由兩個或多個多字詞組成的長詞不宜
貿然刪除，這是原因之一。

其實四個音還不算大。例如「幽會帶玉米去吃比較好玩」，只看四個
音，搶到「優惠待遇」，結果就錯了。等到 mi3 出來，就有「優惠
待遇  米」和「幽會  帶  玉米」兩種可能了。除非「幽會帶玉米」
也在詞庫中（不太可能），否則就要有別的方法來判斷。這裡的重點
有二。一、詞庫裡的大單位有時有幫助，有時卻幫倒忙。二、不管大
單位幫不幫得上忙，在這個例句裡，不到第五個音，無法正確選出前
四個字。所以還是利用大單位來為小單位作 disambiguation，只不
過需要複雜一點的方法。



--
Chih-Hao Tsai | ICQ#5734422 | http://profiles.yahoo.com/hao520
Search ldap://certserver.pgp.com or email me for PGP public key.
To Unsubscribe: send mail to majordomo@linux.org.tw
with "unsubscribe xcin" in the body of the message