在 2008-05-05一的 14:04 +0800，Kov Chai写道： > > > 2008/5/5 ZhengPeng Hou <[EMAIL PROTECTED]>: > --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。 > > 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。 > > 谢谢啦。 > > -- > [1] http://blogs.sun.com/yongsun/entry/sunpinyin%E4%BB%A3%E7%A0%81%E5% > AF%BC%E8%AF%BB_%E4%BA%94 > [2] http://blogs.sun.com/yongsun/entry/sunpinyin%E4%BB%A3%E7%A0%81%E5% > AF%BC%E8%AF%BB_%E4%B8%83 > > > -- > Regards > Kov Chai -- Regards, Deng Xiyue, a.k.a. manphiz -- To UNSUBSCRIBE, email to [EMAIL PROTECTED] with a subject of "unsubscribe". Trouble? Contact [EMAIL PROTECTED]
