建立普通话词汇潮州音词库的倡议(2500 done，暂停)

Mogher正在建立注音词库。

词库将包含以下两部分：

1. 普通话词汇，其中大部分是书面语词汇；
2. 本土词汇。

为书面语词汇标注潮州音，有下面的理由：
1. 大量普通话词汇也经常应用在潮州话的口语或书面语中，汉语的共同词汇，比如成语等。
2. 对于多音字，可以清晰地让用户知道哪个音该用于哪个场合。
3. 为后面的输入法制作提供数据。

我已经开始为普通话词汇注音，词库采用http://pkucn.com/viewthread.php?tid=246869的数据。

其中有近百个由于Mogher数据的缺漏而无法自动注音；
近一半词汇由Mogher的数据自动注音；
另有一半的词(27013个)汇需要人工排除多音的情况。这大概需要35 man*hour的时间。

在这里希望大家有空的话可以帮忙排除。

word romanisation v1.1.rar (1014.06 KB)（右键另存为，手动重命名）

下载次数: 62

2009-11-15 11:17

文件的格式如下:
Column 1, ID: 内部使用，请勿改动。
Column 2, R Count: 不同注音的个数。
Column 3, Confused: 如果对该词有任何疑问，比如不清楚发音、注音有误等。请用“1”或其他数字标示。
Column 4, Word: 该词
From column 5 on: 各种注音可能性，一格代表一种可能性。

如何操作：
1. 打开文件，选择“激活Macro”。
2. 对于每个词，从第5列开始，把有效的注音标志成蓝色，无效的保留白底，但无需删除。
3. 标注蓝色的方法是：把光标移至该格，然后按"Ctrl + A"，该格自动变成蓝色。这样就可以通过四个方向键加上Ctrl+A就可以完成所有操作，操作比较方便。

如“安定”an1 tia~7, ua~1 tia~7皆有效, 在第5, 7列。则需要把第5、第7列标志成蓝色。

Capture.JPG (19.9 KB)（右键另存为，手动重命名）

2009-11-15 11:06

我已经开始处理2-2000行的词汇。

Completed
2-2500 (ID<=4988)

In Progress
2001-3000 (ID<=6057) Bodhi

[ 本帖最後由 Bodhisatua 於 2009-11-20 09:27 編輯 ]

比如安定吧，全白读固然是最常见的，但书面一点也可以说ang-tiāⁿ的。

有没有读 an-těng 的？

嗯，这个很难界定。比如“起程”，以前读khi2 theng5，现在没有人这样说了。有没什么比较简单的标准?

如果说都包含然后加入词频统计，那么effort需要多一点。这样子可以改为？每一行只保留有效的注音，无效的皆删除，另外越靠左边的优先级越高。

分文白我觉得太乱了，很多时候就是一个字文一个字白的，很难断定是文是白。

刚刚小弄了一下，发现这个问题确实比较麻烦，就一个“安”
固定的说法有“安乐”an, "安全" uann, ”安慰" uann, “安详”an
很随机的分布，那么对于一些没碰到的词语，就不知道该怎么读了，是不是应该保持对书面语遵循文读优先原则呢？

OK, 我改变了操作方式，现在标注的方式是：有效的用蓝色标志，无效的保留白底，但无需删除。详见一楼。

試試從字義上來釐清話文讀音的使用界線
an : 平靜、恬適
安樂, 安詳

uann :  穩定的 靜止的 使穩定
安全, 安慰

此音文白没有明显的意义界限，譬如「安排」可读「an-pâi」，亦可读「uaⁿ-pâi」。

其实安全、安慰也有读文读an的，不见得都只能读uann（尽管uann是大多数）。

另外涉及一个问题，多读的词，是否按照使用频率排序呢？比如uann-tshuân排在an-tshuân之前？

同感。无法从意义区分，只能凭习惯，甚至有一些词两种都有人说。