On Mon, May 05, 2008 at 02:04:31PM +0800, Kov Chai wrote: > > > 2008/5/5 ZhengPeng Hou <[EMAIL PROTECTED]>: > > --12:25:37-- > http://mentors.debian.net/debian/pool/main/s/sunpinyin/ > sunpinyin_1.0.orig.tar.gz > => `sunpinyin_1.0.orig.tar.gz' > Resolving mentors.debian.net... 64.79.197.109 > Connecting to mentors.debian.net|64.79.197.109|:80... > connected. > HTTP request sent, awaiting response... 200 OK > Length: 39,363,185 (38M) [application/x-gzip] > 38M? 都是什么啊 > > > 38M 是有点大。主要是 data 目录下的四个文件。 lm_sc.t3g.{sparc,i386} (6727K*2), > pydict_sc.bin.{sparc,i386} (23M*2)。前者是线索化后的语言模型数据[1]，目的是加速 > 查找速度和压缩数据，差不多就是建立索引的效果，有了它能较快地计算 n-gram 语言模 > 型里一串单字 (S = {W_1,W_2, W_3, ..., W_n}) 成为该语言模型里一个句子的概率 P(S) > 。后者则是词表（lexicon），或者说是大家常说的输入法的词库，这个词表支持不完全拼 > 音和词到词的转换。由于要支持 big endian 和 small endian 的体系架构，所以干脆就 > 把两种情况下的数据文件都弄上来了。 这些data也是在LGPL and CDDL下发布的？ > 有没有必要把数据文件单独作为一个 package，放到 sunpinyin-data 里面去呢？还是有 > 更好的办法呢？ > 建议拆分
侯正鹏
signature.asc
Description: Digital signature
