nieldlr/hanzi

解決的問題

HanziJS 為 Node.js 提供一組中文語言處理工具，專為幫助語言學習者探索漢字的結構、意義與發音而設計。

工作原理

它作為多個語言學資料集的封裝與處理引擎，包括 CC-CEDICT 用於定義、Junda 語料庫用於字元頻率，以及萊頓大學資料用於詞頻。它提供程式化 API 來查詢這些資料集，並執行字元分解與句子分段等演算法任務。

適用對象

開發面向中文學習者的教育工具，或需要基礎中文自然語言處理（NLP）功能之應用程式的開發者。

主要特色

• 字元分解：在三個不同層級上將字元分解為組成部分：一次、部首或圖形。
• 詞典整合：使用 CC-CEDICT 執行定義查詢與複合詞搜尋。
• 語音分析：計算語音規律性，以觀察字元發音與其組成部分的關聯性。
• 文字分段：使用最長匹配查找將中文語句拆分為個別詞語。
• 頻率資料：基於既定語料庫提供字元與詞語頻率統計資料。