中国語変換

一つの簡体字が複数の繁体字形を持ち得る理由

著者：ChineseDocConverter

中華人民共和国で字が簡化されたとき、かつては区別されていた一部の繁体字が、一つの簡体字形に統合されました。学習者はこれを書きことばの便宜として出会います。覚える形が少なくなります。ソフトウェアはこれを岐路として出会います。繁体字へ戻すには選択が必要です。

その選択が、段落の残りがよく見えても「コンバーターが私の名を誤った」と言う主な理由です。エンジンは無作為に画を落としているのではありません。近くの数語だけを証拠に、統合をほどこうとしています。

統合が起きた理由

二十世紀半ばの改革にはいくつかの方法がありました。より少ない画、人気の手書き形、教師が余分として扱った異体の除去です。二つの珍しい、または関連した字を一つの教室形に統合することは、学生が学ぶ一覧を減らしました。漢字がどう簡化されたかが、それらの方法を歴史の中に置きます。

統合はUnicodeの不具合ではありません。Unicodeは簡体字形と繁体字形の両方を符号化します。あいまいさは、より古い区別へ戻したいときの簡体字符号点の意味にあります。

すべての簡体字が統合ではありません。国 / 國は本質的に、二つの標準の描画を持つ一つの語です。その対はほとんど騒ぎなく往復できます。危険な事例は、丁寧な書きことばで繁体字がなお二つ（またはそれ以上）の字を使うものです。

后と後。 簡体字では、后は称号の敬称にも、「あと」や「うしろ」の語にもなり得ます。繁体字の書きことばは通常後と綴ります。コンバーターは周囲の語を使って推測します。人名、寺の名、二字の見出しでは、推測が誤り得ます。出力はなお本物の中国語に見えます。

发、發、髮。 发は發（発行する、発展する、撃つ）と髮（髪）の両方の簡体字形です。語句テーブルはよくある語で助けます。头发は頭髮になる見込みが非常に高く、发展は發展になります。发を含む姓や造語の製品名には、そのような安全網がありません。

面。簡体字の面は、顔／表面の語を覆い、多くのテキストでは、繁体字の書きことばが麵（麺）として区別することがある食べ物の語も覆います。メニューは古典的な失敗事例です。コンバーターに働く構文がほとんどなく、誤った字は公の場で恥ずかしいです。

干。簡体字の干は、異なる語で乾と幹を含むいくつかの繁体字の書き方を集めます。短いラベルと動詞の一覧が、これが誤る場所です。

これらは教材の例であり、完全な辞書ではありません。異なるハウススタイルは、台 / 臺と一部の地名の字を、純粋に自動のものではなく方針の決定としても扱います。

語を知る人は一秒で選べます。辞書は統計と語句の長さで選びます。

OpenCCは普通の散文に強いです。普通の散文には、語句テーブルにあるよくある二字・三字の語が含まれるからです。弱いのは次です。

それは辞書の限界であり、200ページのファイルを一字ずつ手で変換する理由ではありません。気にする統合セットを出力で検索する理由ではあります。

往復は問題を悪化させます。繁体字から簡体字へ変換すると、統合が起きます。戻すと、エンジンは推測しなければなりません。再び必要になるなら、元の繁体字は残してください。変換と翻訳は別の問題です。このページは中国語の内側の岐路についてです。

会社の用語集を保つなら、「自動変換するな」の列を残してください。自動処理のあと、それらの文字列を出発点から貼り戻してください。

これが、人が変換は不可逆だと言う理由ですか？ 主な言語上の理由です。エンコーディングの損傷が主な技術上の理由です。それらは異なる失敗です。

より賢いモデルがすべての統合を解けますか？ よりよい文脈は文では助けます。孤立した固有名は、常に人または信頼できる一覧が必要です。

繁体字から簡体字へ変換するときは心配すべきですか？ 誤った分裂を選ぶ心配は少なく、のちに欲しくなるかもしれない区別を壊す心配は多くなります。出発点は残してください。

よくある語は正しく変換されたのに、隣の名が失敗したのはなぜですか？ よくある語は語句テーブルにあり、名はなかったからです。

統合された字は、簡化された画数削減と同じですか？ いいえ。画数削減は一対一であり得ます。統合は多対一であり、それがほどくのが難しい方向です。