Re: 詞庫整體規畫

[Edward Lee <edward.@kimo.com>]

  sorry, 我寫得好像是在 complain 了！@_@

  我把標題改成『詞庫整體規畫』，和以前 Kuang-che 兄提出的意見
  互相呼應一下。:-)

  我會另 cc 一份給酷音的作者，也請他們提供意見？

On Sat, Jan 13, 2001, thhsieh@tlug.sinica.edu.tw wrote:
> :  2. bimsphone 是要走「斷詞處理」的方向，還是「智慧型選字」得先釐
> :     清。兩種方向，詞條的取捨標準可能會不同。
> 
> 我也不知道，事實上我不太懂，也沒深入研究過 .... :-((

  其實我也是不懂！:( 所以需要對這方面有研究的大大們提出的個比較
  中肯的方向來。

> :  3. 我覺得我們整理詞庫需站在較中立一點的立場，也就是不設想是針對
> :     bimsphone，這樣其它的輸入法才能較方便拿來利用，至於不同輸入法
> :     要利用這個詞庫前，得修改（或程式處理）整個詞庫，以符合所需。
> 
> 是的，這一點很重要 ....
> 
> :  因此，我是認為，除非很明顯的錯誤，不然盡量保留，以便其它輸入法或
> :  演算法要利用時，可以方便處理。因此，刪詞可能不是好辦法，加注記反
> :  而是較好的做法。至於注記做法，記得以前曾經討論過，是不是可以把這
> :  個標準定出來，然後再整批來處理？
> :
> :  多點討論，把共識訂定出來才是辦法，說實在話從開始整理到現在，「標
> :  準」已變動了好多次。這次第二階段的整理前，我還在想說，不知道什麼
> :  時候又會變動，十幾萬詞條的東東，老實說有點怕怕！:-)  
> 
> 好，那大家先來討論如何加註記好了。我認為想要使用本詞庫者其編譯
> 程式 (如 libtabe 的 tsiadd) 必須要認得這些註記，看到某種註記時
> 就知道要刪、要納入、或要特別處理 ....
> 
> 註記要加在那裡呢？我提議加在每個詞條的最前面，像是:
> 
> !NL	中華民國 <詞頻>		<注音>
> 
> "#" 還是保留給 comment 用，而 ! 開頭者的 word 就是註記，後頭加的
> symbol 就是代表此詞條的屬性。如 NL 是「名詞 (Name)」「地方 (Location)」，
> 所以合起來就是「地名」。

  我記得以前蔡志浩兄曾提到把這些注記硬塞入一個 byte 中，這樣會不
  會比較好處理？各位程設的功力都比我高，腦力激盪一下吧！^_^
  * 大意是加此，我會再查一下 archives。

  這裡另加入我個人的意見，那就是可不可能將詞庫就只有詞條本身，至於
  其它詞頻、注音、注記的部份獨立出來，大家的看法如何？構想還很粗糙
  ，目的是可以將詞庫內容的整理簡單化，讓更多的朋友能夠參與，另外就
  是其它的輸入法要運用的話可能會比較方便。

> 再來討論該加那些註記？我們有必要定得很詳細嗎？還是只針對一些特
> 別的詞 (如贅詞、人名、地名、專有名詞 ....) 先來定？後者的話比
> 較容易，若前者的話就要很小心了，恐怕得經過詳細討論、try and error
> 之後才能有完善的定案。

  這個就大家想想怎麼樣比較好，不過，如果是以一個 byte 來當注記
  的話，要寫入什麼內容，空間應該是夠的。

> 我的建議是，先從後者開始做，一方面比較簡單，同時也俱備實驗性質，
> 可以用來檢驗我們這樣定好不好。缺點是，將來我們若要再加入新的詞類
> 時，恐怕需要再從頭 review。從頭 review 到底好還是不好，我覺得要
> 看是從那個角度來看，浪費時間精力是不好，但好死不死剛好發現 bug 
> 的話就是好，而且在從頭 review 的話因為注音都已填補完畢，同時絕
> 大部分的錯誤也已更正，故理論上速度會很快，而且我們可以更專心地
> 去做分類工作。

  我的意思也是最後再來做整批的處理，因為目前需要討論出注記的標準
  出來，可能需要一點時間。大家覺得如何？

> 再來是更嚴肅的問題，tsi.src 的 review 工作進行至今，其改進 (或
> 將要進行的改進) 可能已超越原先的預期，也可能已超越原本 libtabe
> 的預期，因此，是否 tsi.src 仍要附屬於 libtabe 之下？還是應獨立
> 出來維護？這一點我無法做決定，要留給當年發展 libtabe 的大大們了。
> 還是，這個問題先留著吧，以後再說 :-))

  如果是每個詞條以一個獨立的 byte 來當注記的話，這和詞條整理本身
  關係就沒那麼大，而且各個輸入法或演算法在運用詞庫時都是靠這個注
  記來使用的（理想情況下:)，這種情形下，將詞庫獨立出來可能比較妥
  當。

  不過要說一下抱歉，因為當初居士兄已將 tsi.src 獨立出來了，是我建
  議把它又拼入 libtabe 中的！:-( 因為當時沒有想到其它輸入法的問
  題。

  看來，規劃是必要的，try & error 好像也無法完全避免！:-)


-- 
Warm Regards,
Edward Lee（李果正）
--------------------------------
大道廢，有仁義。智慧出，有大偽。
--------------------------------

To Unsubscribe: send mail to majordomo@linux.org.tw
with "unsubscribe xcin" in the body of the message