日语类义词群辞典 ocr

这本书的原版是 使い方の分かる 類語例解辞典,应该是基于94年老版本,新装版不知道有没有改动,后续我将制作双解版本。

日语类义词群辞典_gemini.txt (6.2 MB)
日语类义词群辞典_paddleocr.txt (6.1 MB)

十分期待,将是重磅之作,此书非常有参考作用。

参考此帖将原始数据转为了json结构化格式:

目前有10大类,201中类,6062小类
ADOSIJ.zip (2.5 MB)

小学馆网站显示有6274个项目,不知道差了哪些,目前的版本是没有前言的,凡例也是有错的。有订阅的大佬希望能帮忙看看。

分类列表:
category_tree.txt (457.2 KB)

中文和日文现在大的条目全部对齐,但是各栏目例句还有5000多处没对齐
试作了一个版本:

这是浏览版吗?没看到链接。

还没做完,这个没匹配的地方太多了,现在还有3000多处例句和词的解释没匹配,主要是新旧字体问题,标号不统一之类的,等完整匹配了再发布。

好的,谢谢!

现在终于把对齐问题缩小到200多处了,缺解释的问题还有好几处。


还有直接把释义漏掉了:



愿望越来越接近实现了,在添加词头时,希望添加英文部分。
更重要的是,希望您保重身体,身体棒棒。最近大作不断,肯定消耗了大量体能和脑力。

现在还有60多处,基本都是需要补数据的,我先单开帖发个预览版好了。

现在中日混合的OCR已经成熟了么?那可或许以遥远地期待一下《大汉和》了

大汉和japan knowledge有数据,但好像普通订阅不包含,ocr中日混合问题不大,但是生僻字是有问题的。

这词典不是只有日文版么,怎么做中日混合版。而且JK上的也是纯纯图片版跟现在mdx没什么区别,一堆生僻词加上竖排,想必OCR难度很大

这个肯定是没中文版的,我是说现在中日混合的文本ocr的问题不大。不过这个japan knowledge也是图片版吗?

对的,日本人精得很,好些辞典在亚马逊的版本都是PDF,这个估计也有数字化成本太高昂之类的考量,就直接这样了

japan knowledge上的大汉和,文本数据只能用作检索,没办法看完整的。