# 用户自定义语料库/网络语料库及其检索和生成例句问题

**URL:** <https://forum.freemdict.com/t/topic/10488>\
**Category:** 技术交流与词典编修\
**Tags:** 汉语, mdx, 英语, 求助\
**Created:** [2022 年1 月 10 日 20:26 UTC](https://forum.freemdict.com/t/topic/10488 "2022-01-10T20:26:06Z")\
**Posts on this page:** 7\
**Page:** 1

<div class="post-metadata">

作者： ![kabuhocheski](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/k/d78d45/32.png) [@kabuhocheski](https://forum.freemdict.com/u/kabuhocheski)\
发布日期： [2022 年1 月 10 日 20:26 UTC](https://forum.freemdict.com/t/topic/10488/1 "2022-01-10T20:26:06Z")

</div>

我们现在使用的词典的语料库都是词典自带的例句。如果用户导入文本（例如电子书）或者采用网络上的优质文本（例如“维基文库”）作为语料库的例句来源。这个功能又该如何实现呢？  
问题一：用户导入语料库的形式包括：  
1.文本（TXT/HTML/DOCX/EPUB/AZW3/MOBI/DJ等）  
2.PDF、Jep图等，通过OCR工具自动转化为文本  
3.MP3、MP4通过语音识别技术转化成文本

问题二：导入文本后的断句和分段问题  
有标点符号的句号为一句，一个自然段为一段。  
语音和视频文件，按停顿时间长短划分句子和段落

问题三：检索后如何排序  
首先根据搜索，检索出所有包含这个单词的句子  
可以每句话原始加权100，然后用户每次点赞加1分、点踩减1分。  
根据所有句子出现的概率随机的抽取

---

<div class="post-metadata">

作者： ![kabuhocheski](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/k/d78d45/32.png) [@kabuhocheski](https://forum.freemdict.com/u/kabuhocheski)\
发布日期： [2022 年1 月 10 日 20:27 UTC](https://forum.freemdict.com/t/topic/10488/2 "2022-01-10T20:27:43Z")

</div>

问题四：播放效果。  
有MP3和MP4的，用户点击时播放音频文件  
没有MP3和MP4的采用Azure natural TTS播放

---

<div class="post-metadata">

作者： ![lixiaoshun](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/l/6de8d8/32.png) [@lixiaoshun](https://forum.freemdict.com/u/lixiaoshun)\
发布日期： [2022 年1 月 10 日 23:29 UTC](https://forum.freemdict.com/t/topic/10488/3 "2022-01-10T23:29:23Z")

</div>

```
   每一步都容易实现 而且有大量的相关软件，开发综合起来集众多功能于一起的软件估计很难实现，因为涉及到的技术众多：有文字识别、语音识别、对齐、索引检索等！

```

目前即使你有大量的对齐语料库，拥有各种词表，也没有一个软件可以通过词表索引生成mdx格式的句库，我想，这个思路和技术手段都不难实现，所以，设计开发后者更为可行、更有意义！  
目前词典软件一大把，语料库软件一大把，就缺把语料库和词典打通的软件，所以，同志们，这才应该是大家努力的方向！

---

<div class="post-metadata">

作者： ![mixivivo](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mixivivo](https://forum.freemdict.com/u/mixivivo)\
发布日期： [2022 年1 月 10 日 23:39 UTC](https://forum.freemdict.com/t/topic/10488/4 "2022-01-10T23:39:12Z")

</div>

😂 我觉得楼主是在调查用户需求并打算自己写一个这样的全能软件了。当然，GoldenDict是源码开放的，也可以fork了在上面修改。

---

<div class="post-metadata">

作者： ![kabuhocheski](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/k/d78d45/32.png) [@kabuhocheski](https://forum.freemdict.com/u/kabuhocheski)\
发布日期： [2022 年1 月 12 日 11:58 UTC](https://forum.freemdict.com/t/topic/10488/6 "2022-01-12T11:58:21Z")

</div>

我不懂编程啊？需要学习哪些基础知识？

---

<div class="post-metadata">

作者： ![kabuhocheski](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/k/d78d45/32.png) [@kabuhocheski](https://forum.freemdict.com/u/kabuhocheski)\
发布日期： [2022 年1 月 24 日 11:12 UTC](https://forum.freemdict.com/t/topic/10488/7 "2022-01-24T11:12:34Z")

</div>

语料库软件有哪些啊

---

<div class="post-metadata">

作者： ![lixiaoshun](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/l/6de8d8/32.png) [@lixiaoshun](https://forum.freemdict.com/u/lixiaoshun)\
发布日期： [2022 年1 月 29 日 00:24 UTC](https://forum.freemdict.com/t/topic/10488/8 "2022-01-29T00:24:37Z")

</div>

anteconc, wordsmith tools, word smart, 等。