在 2008-05-05一的 21:36 +0800，Kov Chai写道： > -----BEGIN PGP SIGNED MESSAGE----- > Hash: SHA1 > > > > 2008/5/5 Deng Xiyue : > > 在 2008-05-05一的 14:04 +0800，Kov Chai写道： > > > > > > > > > > > 2008/5/5 ZhengPeng Hou : > > > --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。 > > > > 听起来像是应该与架构无关的数据， big endian/small endian 的转换不是在程 > > 序中进行而是提供不同的数据？感觉应该可以避免。 > 我想 big endian 和 small endian 就是架构不同的体现吧？ 虽然不是一一对应的关系，而是 n 对 2 的关系。 > big endian 和 small endian > 的确不是在程序中进行的。我想这是基于性能和易于编程的考虑。可以避免什么呢？避免同时提供两份事实上是同样的数据么？
是的。如果是同样的数据，而仅仅因为数据顺序不同而提供两套未免有些小题大 作 :P 而转换数据的开销应该不至于大到需要提供两套数据的地步。 > > > > > > > > > > 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？ > > > > 如果是与架构无关的话，单独提取到 -data 里可以节约仓库的空间。不过目前看 > > 起来并非如此。 > 放到 -data 里的确可以节约仓库的空间啊，如果 mirror 同时提供同种 endian > 的几种架构，那么就可以节省一些空间。而且如果用户同时使用 iiimf-le-sunpinyin-chinese 和 > scim-sunpinyin，那么用户没有必要同时保存两份数据。尽管这个可能性不大。 确实，可以将两个都打包成 arch: all 的包，然后在不同的架构上依赖不同的 包。 > > -----BEGIN PGP SIGNATURE----- > Version: GnuPG v1.4.6 (GNU/Linux) > > iD8DBQFIHw1PC8hyx6EmTc0RApiQAKCl4LqzihlObmuaKXSfv4mmH29nogCghP2x > oOvIJJXAJBuIxSArmghbZR8= > =bJ0e > -----END PGP SIGNATURE----- -- Regards, Deng Xiyue, a.k.a. manphiz
signature.asc
Description: 这是信件的数字签 名部分
