预处理汉字读音频率的建议

[czou40]

Rime 词库中各汉字读音若无指定频率则默认为最常见读音，比如“中”的去声读法频率为10%，而最常见的平声在词库中没有指定频率。在预处理词库的时候DEFAULT_FREQ 设为 0.07 有些许不妥，建议改为0.5以上（否则转换”**“等词时会得到错误读音）。

[sgalal]

感谢提出！目前来说将 DEFAULT_FREQ 改为 0.5 以上确实是可行的解决方法。

---

不过就总体架构而言，这应该是 rime-middle-chinese 的 bug。

Rime 词库中各汉字读音若无指定频率则默认为最常见读音。

不是这样的。如果某个读音的频率高于 5%，则一定会参与造词（以前在 rime 文档中看过，可惜现在找不到了）。例如，现在无论输入 triung k 还是 triungh k，候选第一位都会出现「**」，所以说这是 rime-middle-chinese 的 bug。

此时有两种解决方法：

1. 将一个音的频率调整到 5% 以下，令其不参与造词。例如将「中」的去声读法调整到 5% 以下，那样 triungh k 就不会出现「**」。（不过实际操作时还是要根据实际词频）
2. 在词库中明确指定「**」的读音为 triung kuok。

目前版本的 rime-middle-chinese 收词数量很少，因此目前利用 rime-middle-chinese 进行转换时的准确度也不会很高。polyhedron 说词库只收录了有多音字的常见词语，这样可以满足日常打字需求，但用作转换器时则不太合适。为此，计划是利用为 CEDICT 词条标注中古汉语读音这一项目的成果，如果这一项目完成，则可以将更多词语加入词库中，提高转换的准确率。

[czou40]

感谢你的解答！