linux下的开源简繁转换工具-- cconv (支持词语转换)

тролль

{"哈珊", "薩達姆", -1},

這個是什麽意思？Saddam Hussein，我们媒体称萨达姆，取的是Saddam，对岸一般叫海珊，取的是Hussein那部分，简称萨达姆是更合理些，要知道Hussein不是姓，而是父名。像美联社这样的大通讯社也一般用Saddam。

所以把哈珊转成萨达姆简直是太搞了。

тролль

糰
除了饭团，汤团，还可以补充青团、麻团…… 下面这个就是青团

тролль

{"天後", "天后", -1}

为什么把不规范用词都算进去

тролль

{"小丑跳梁", "小醜跳樑", -1},

{"小丑", "小丑", -1}

严格说，丑只有天干之一的解释，但现在小醜多作小丑了，你去查台湾的在线字典好了。

你这份表是哪里来的，wiki？

тролль

{"尽人皆智", "盡人皆智", -1}

错别字，错别字。

果然来自中文wiki。

xiaoyjy

原帖由 тролль 于 2009-4-12 21:33 发表
{"天後", "天后", -1}

为什么把不规范用词都算进去

天后这个词，需要另作处理
如果前缀带 “一,二,三,四,五,六,七,八,九,十,1,2,3,4,5,6,7,8,9,0,多,几“ 则转为 天後 否则 为 天后

目前正在开发的版本中，正在进行这一类的处理。

xiaoyjy

原帖由 тролль 于 2009-4-12 16:15 发表
你这个思路是对的，简繁是不能一对一转的，你的词库有多大，可以整句转换么，断词怎么解决，比如

老师范某某

这里是断成

老师 范某某， 还是 老师范 某某？ ...

我没有进行分词处理，之前我想过这么做，但后来发现这样出错的机会反而变大了。

比如: “一出“
太阳一出来；
看了一出戏；

这种情况分词之后更加无法处理。

后来，我开始用前缀后缀法进行处理了。

xiaoyjy

原帖由 тролль 于 2009-4-12 19:45 发表
于，於这个真是蛮讨厌的，不可能人名一一枚举啊

这个似乎没有什么好办法。

还有很多词也没有办法处理

比如： 他拿出表来一看，9点了....  表字无法处理。

xiaoyjy

原帖由 тролль 于 2009-4-12 19:48 发表
{"云", "雲", -1}, // 云 => 雲

如果碰到“某某云：blah,blah”，这时该怎么办？

这个也不太好处理，比如: 赵云云

在简体中本身就只有在语境中在知道具体意思，可以是指 赵雲云 (赵子龙曰)，也可能是某女的叫赵雲雲

xiaoyjy

原帖由 тролль 于 2009-4-12 21:04 发表
糰
除了饭团，汤团，还可以补充青团、麻团…… 下面这个就是青团

还有共青团，呵呵！

jiangtao9999

难得的技术贴，不过我建议这个转换还是加上人肉转换吧。

比如写一个 GUI 界面，输出一个特殊的格式，所有模糊转换的地方都用特殊颜色标记出来。这样就像 poedit 一样，本身的翻译功能不怎么样，但是有强大的人肉后盾。

тролль

要是计算机能理解语义，是不是很可怕的事情？

于，於这个真是蛮讨厌的，不可能人名一一枚举啊

{"于", "於", -1},

{"於", "于", -1},

这个怎么用

更讨厌的是在古籍中，介词的于还不一定要转成於，《诗》、《书》中用“于”，《论》、《孟》中又用“於”，虽然都转成于或於，也不能说错，但排版古籍时，就不适用了。

还有复、復、覆、複，搞得也很复杂，呵呵。

тролль

我才意识到是简繁互转，不好意思。

тролль

《基于国际标准基本子集的两岸四地简繁异汉字对照表》网络校对平台Beta 2.2

http://hanzi.unihan.com.cn/IICoreExt/

тролль

http://lib.hku.hk/ccrcd/1-3.ppt

www.gslib.com.cn/lswx/会议文档/第六次会议ppt/(4)术语数据库－徐引篪.ppt

其中提到的网络版图书资讯术语对照表的链接

http://www.csdl.ac.cn/lis/index.php

是死链接。