Jserv's blog

新酷音進度報告 6

《少年小樹之歌》一書中寫道：

「當你發現美好的事物時，所要做的第一件事，就是把它分享給任何你遇見的人。這樣，美好的事物才能在這個世界自由地散播開來」

四年前與一群朋友合作，整合開發資源，重建 [新酷音輸入法計畫]，如今已以自由軟體的形式，在世界上自由地散播開來，的確始料未及，謹此對所有參與開發、討論交流，與使用輸入法的先進朋友們，致以感激之意。

兩年沒有發佈正式的釋出版本後，日前終於釋出 libchewing 0.3.1 與 scim-chewing 0.3.2，同時我們也決定了未來的開發方向。關於新酷音主體的 libchewing，其開發模式將切割為兩個分支：

• libchewing 0.3.x (發展代號： kanruru) : 延續既有的功能，以 unigram 作為 language model，強化漢語拼音、候選字詞處理、詞庫詞條與詞頻的維護、跨平台支援、特殊符號輸入與操作模式等等。在此分支中，也會檢視 API 與資料結構設計，已做了些許調整，API 與 ABI 也有 breakage，待穩定後，會成為 libchewing 0.4.x 穩定版本。"kanruru" 不僅是個可愛的 codename，也表示 Kanru Chen 目前正著手維護此分支
• libchewing 0.5.x (發展代號： beeboo) : 以 uni/bi-gram 自然語言處理為核心的全新設計。透過語料庫處理，從而語料中統計並斷詞，在保存關鍵詞候選集並統計詞頻後，可一系列的篩選過濾，提昇 libchewing「猜字」的準確度。此設計中，注音與 (有調) 拼音是同一個層次，實做上會以廣泛使用的 [GLib] 來處理資料結構與演算法，並引入 [GNU dbm] 或 [Berkeley DB] 作為資料儲存與操作之用

在 [新酷音輸入法::開發者討論群組] 已多次討論及詞頻、詞性、HMM (Hidden Markov Model) 等議題，同時，[Sun PinYin] (可比擬為簡體版本的國音 / 自然輸入法，由 Sun 工程團隊維護，授權模式：CDDL / LGPL 2.1) 與 [Novel-PinYin] (以 HMM 為基礎的拼音自然語言輸入法，由 Novell 北京工程師維護，授權模式：GNU GPL) 的公開釋出，給予頗大的鼓舞，新酷音開發團隊的成員也逐漸與 Sun 及 Novell 工程團隊交流，這也是 libchewing 0.5.x 分支的技術基礎。

以發展里程碑來看 libchewing 0.5.x 分支，大致分為以下：

• Milestone 0 - 分析 Sun PinYin 與 Novel-PinYin 設計，並嘗試處理注音和拼音對應議題
• Milestone 1 - 以 tsi.src (新酷音原本的詞庫) 來協助產生有聲調的 bi-gram lexicon，以銜接 Sun PinYin 工具，同時，lexicon 及 n-gram 繁體中文化也要處理
• Milestone 2 - 抽詞及斷詞工具 (semi-supervised or unsupervised) + API 整合 (來自 libchewing 0.3.x/0.4.x)
• Milestone 3 - 更廣泛地 IM 整合與重用

在 wiki 頁面 [SunPinyinHackNote] 中，lexicall 已著手對 Sun PinYin 做了初步研究並紀錄細部的資訊，最近也會試著用更具體的方式整理。可想而知，這些發展對開發團隊來說，的確是不算單純的新挑戰，但，終究得透過更好的技術與開發模式，讓更多使用者受益，當然，我們永遠歡迎新血的投入，諸如 Programming / Debugging / Testing / Bug-reporting，抑或 Art Design -- Logo, Icon, Website, Documentation 皆需要熱心人士協助，謝謝！
由 jserv 發表於 October 5, 2008 03:06 AM