mirror of
https://github.com/qingjian-team/qingjian.git
synced 2026-11-06 08:13:51 +00:00
yenharvey
af9d3def2d
之前打简拼时：ss 读得出几万个两字词，排序前按结构与词频预选会把首字母的单字全部砍掉，前 500 条里一个单字都没有； 其余的词一直排到五十多页之后单字才出来。用全拼选过的词，打它的简拼不算选过； 低主词库一档的词（知意词表里的 屎山）即使在 ss 下选过几次，也排在几千个主词库两字词后面被截掉。 同一个词连打几遍（屎山 屎山）还会被合成新词 屎山屎山。 现在： - 多音节输入的首音节单字单独排、单独留 100 个（FIRST_SYLLABLE_CHARS_KEPT），简拼也是几个词之后就是单字。 - 单字之前的词封顶 30 个（WORDS_BEFORE_ALL_SINGLE_CHARS），再多的排到全部单字之后。按输入日志定： 冻结日志与一份本机日志共一万四千条多音节选词，没有一条选在第 30 位以后。 - 这串键下选过的词不进预选，并和主词库的词一起比选择次数。 - 全拼选一个多音节词时，选择按简拼另记一份（键 ^ss），下次打简拼排在没选过的词前面； 排在真在这串键下选过的词后面，判断中英文谁在前也不看它。 - 前后两个相同的词不自动合成。 取舍：简拼另记的选择和真选择分开，是因为混在一起时冻结回放里 cd / kl / qq 的英文被全拼选过的 才对 / 看来 / 全球 挤到第二。仍有少量回退：长输入里单字偶尔后挪一两位（woshishi 的 我 2 → 5）。 测试：冻结回放三组（无模型 / 知意 / 通变）词首选 8203 → 8199、8301 → 8300、8188 → 8184，整句与英文首选不变， 知意整句平均名次 2.11 → 2.35；开发集、回归集不变。本机学习数据副本加知意词表与通变模型实测 ss 首选 屎山、cd 首选英文 cd。