https://github.com/overtrue/pinyin-resources
汉字拼音相关参考资料
https://github.com/overtrue/pinyin-resources
Last synced: 10 months ago
JSON representation
汉字拼音相关参考资料
- Host: GitHub
- URL: https://github.com/overtrue/pinyin-resources
- Owner: overtrue
- License: cc0-1.0
- Created: 2016-04-15T02:46:02.000Z (almost 10 years ago)
- Default Branch: master
- Last Pushed: 2016-05-23T03:23:49.000Z (over 9 years ago)
- Last Synced: 2025-02-09T00:25:57.498Z (11 months ago)
- Size: 3.03 MB
- Stars: 122
- Watchers: 13
- Forks: 21
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
汉语拼音相关参考资料
---
此项目为我在开发 [overtrue/pinyin](https://github.com/overtrue/pinyin) 时所用到的参考的资料收集，旨在方便有同样需求的朋友。
### 汉字的多音字处理
_以下内容摘自: [《汉语同音字和多音字处理方法研究》- 杨宪泽,谈文蓉,刘玉萍,张 楠,殷 锋](汉语同音字和多音字处理方法研究.pdf)_
中文是象形文字,字数多,字形复杂。西文是拼音文字，英文只有 26 个字母，加上大写小写及数字符号，总数不超过 128 个，用七位二进制码就可表达。而中文字成千上万,要用十几位二进制码才能把它们区别开来, 这给存储乃至输入方式等都造成困难。
多音字判别方法中技术的关键是基于统计特征， 特征提取使多音字正确判音有效。特征包含在特征词典中, 采用规则描述。共定义了以下特征:
- **词内左右邻接字**
通式为: Xi-1 Xi 和 Xi Xi+1。Xi 是当前要判断读音的多音字，这是处理多音字在不同的词语中读不同的音的情况 。例如 “人参” 与 “参加”、“银行” 与 “行程”、“重量” 与 “重复” 等等 。
- **左右邻接词**
通式为:Wi-1 Xi 和 XiWi+1 。X 是当前要判断读音的多音字，Wi-1 和 Wi+1 是多音字 的左右邻接词，这是处理多音字与不同的邻接词读不同的音的情况 。例如“相当长”、“大队长”、“长方形” 等等。
- **当前词的词性**
例如 “数” 作名词的读法和作动词的读法，“更” 作名词的读法和作副词的读法等等。
- **边界条件**
该特征是有的字在句首 、句末或不同位置读音不同，更多地体现在一些语气助词上面 。例如 “了” 在句中和句末时读音往往不会相同 。
### 参考资料
#### 页面
- [《汉语转拼音-----带音调和多音字识别》](http://www.cnblogs.com/sunli/archive/2007/11/21/967294.html)
- [《C#分词算法：正向、逆向、双向最大匹配算法》](http://my.oschina.net/u/1270374/blog/164042)
- [汉字改革 - 维基百科](https://zh.wikipedia.org/wiki/%E6%B1%89%E5%AD%97%E6%94%B9%E9%9D%A9)
#### 统计分析与规范文档
- [《Frequency statistics 频率统计 - 音素和音节频率》- http://lingua.mtsu.edu](http://lingua.mtsu.edu/chinese-computing/phonology/)
- [《Syllable frequencies with tones 记调音节频率》- http://lingua.mtsu.edu](http://lingua.mtsu.edu/chinese-computing/phonology/syllabletone.php)
- [《Character frequency lists 汉字单字频率列表》- http://lingua.mtsu.edu](http://lingua.mtsu.edu/chinese-computing/statistics/index.html)
- [《普通话异读词审音表》1985 年 12 月修订 - 国家语言文字工作委员会](普通话异读词审音表.pdf)
#### 需求设计
- [汉字转拼音 (hz2py)](https://gist.github.com/erning/1338746)
#### 网站
- [CC-CEDICT](http://cc-cedict.org/wiki/)
- [UNICODE CHARACTER DATABASE](http://www.unicode.org/reports/tr44/)
- [lingua.mtsu.edu - 中文文本计算](http://lingua.mtsu.edu/chinese-computing/)
- [汉典](http://www.zdic.net/)
- [开源词典](http://kaifangcidian.com/)
- [中华语文知识库（大陆版）](http://www.zhonghuayuwen.org/)
- [中華語文知識庫（台灣版）](http://chinese-linguipedia.org/clk/)
#### 论文
- [《汉语同音字和多音字处理方法研究》- 杨宪泽,谈文蓉,刘玉萍,张 楠,殷 锋](汉语同音字和多音字处理方法研究.pdf)
#### 开源项目
- [janx/ruby-pinyin](https://github.com/janx/ruby-pinyin)
- [hotoo/node-pinyin](https://github.com/hotoo/node-pinyin)
- [mozillazg/python-pinyin](https://github.com/mozillazg/python-pinyin)
- ["结巴"中文分词](https://github.com/erning/jieba)
- [中文书刊排版相关标准和规范](https://github.com/Haixing-Hu/typesetting-standard)
#### License
CC0 1.0 Universal