nieldlr/hanzi

解決する問題

HanziJSは、中国語の言語処理のために設計されたNode.jsモジュールで、中国語学習者が漢字の構造と意味を探求するのを支援することを目的としています。文字の分解、定義の検索、音声関係の分析をプログラム的に行う方法を提供します。

仕組み

このライブラリは、中国語の言語データと対話するための一連の関数を提供します。定義にはCC-CEDICT、文字頻度にはJundaコーパス、語彙頻度にはLeiden大学コーパスなど、複数のデータソースを使用します。

主な機能は以下の通りです：

• 文字分解：漢字を部首、基本要素、または図形的な筆画に、複数の深さレベルで分解します。
• 辞書統合：簡体字と繁体字の検索を実行し、複合語を検索します。
• 音声分析：拼音の音節を声母と韻母に解析し、「音声規則性」（文字の音がその構成要素とどれだけ一致するか）を判断します。
• テキスト処理：最長一致検索を使用して、中国語のフレーズを個々の単語に分割します。

対象読者

中国語学習者向けの教育ツール、中国語テキストのNLPアプリケーション、または文字レベルの分析を必要とする言語学研究ツールを構築する開発者向けです。

ハイライト

• 多レベル分解：4種類の分解（Once、Radical、Graphical、Primitive）をサポートします。
• 音声規則性スコアリング：文字とその構成要素の間の完全一致、韻、ニアミス声母を識別する詳細なスケール（0-6）を提供します。
• 拼音解析：拼音の綴りを正規化して、表記法に関係なく実際の韻を識別します。
• 頻度ベースの例：コーパスデータに基づいて、辞書の例を高頻度、中頻度、低頻度に分類します。