l****i
发帖数: 20439 | 1 说到中文断句，想到一件比较好笑的事情。
前两天我老婆跟我抱怨说，下载的电子书太不象话了。
连“弯下身子”这样的句子，也要搞成“弯□□子”，让她猜上半天才猜出来说的是啥 |
|
|
|
z*i
发帖数: 58873 | 4 我们中华文明不信权威，每隔几百年彻底打倒一次，连祖坟都刨干净那种。。。
英美文化太年轻，搞啥权威啊，本来就是拉丁庸俗分散杂交变异的产物。。。
historical |
|
|
b*s
发帖数: 82482 | 6 阅读器的字符集没有调对，应该是
中没
就不
威出
频分
那么
一个
已经 |
|
|
b*s
发帖数: 82482 | 8 同意。
而且字典也不是机器编的，机器只是把有关的引用和上下文找出来，最后还是
lexicographer们比较鉴别，然后做出决定的。
在Webster Collegiate里面，经常有Usage Note, 基本上就是一个Panel决定某种用法
是否被接受，标准就是educated people的共识。很多用法，几十年前不被认可的，现
在就被基本上认可了。
如果educated people，医生，律师，法官，作家，等等，认为"剩男"是可以接受的，
当然可以收入辞典而legitimize...
呵呵，想不到这里还有这种技术坑可以灌。机器自动分词当然不会百分百准确（人都有
时会搞错），不过“萝莉控制大叔”这个例子倒不是太难。因为如果分词算法比较聪明
点的话，会看到把“萝莉控”和“大叔”两个词分出去后，中间剩下一个孤零零的“制
”，而这个字单独出现的概率太低，这样就不如另一种分法“萝莉”、“控制”、“大
叔”总体得分高。 |
|
z*i
发帖数: 58873 | 9 i fule you... 你真能灌，还都是长的。。。
1716年 |
|
b*s
发帖数: 82482 | 10 最近申请加入唐门...
要出
大陆
和词
个一
言的
社等 |
|
g***y
发帖数: 16371 | 11 和花栗鼠合计了一下代表唐门把你据了
偶尔一次唐不算唐，难得的是次次唐一辈子的唐 |
|
|
b*s
发帖数: 82482 | 13 想起来前一阵子读过的一些法律方面的八卦书籍。甚至在高院，讨论一个case的时候，
律师们都拿出字典来，说，某某说过写过什么，根据字典，这段话的实际含义是...
后来高院法官都笑了，说最近我们都成了lexicographer了，都不像是jurists了。
从一个侧面反映了辞典在社会中的地位。
中国人社会的非法制本性可能有关系。当时，美国殖民时期，1600－1700年间，最畅销
的书籍是法律参考书和判例，超过小说和农牧业书籍。尊重判例法律书籍，和打官司的
时候的咬文嚼字，死扣字眼，也是辞典兴旺的一个因素吧。
在官司里，只要字眼扣好了，条文用好了，官司就能赢。中国的法律，大家也都知道是
怎么回事吧，所以大家对于文字条文的东西没有什么尊重。不会出现法官被字词bound
住，只能作某种判决的时候。
考虑到美国修改宪法是多么的不容易，中国宪法都改了n多部了。还是完全推倒重来的
那种。美国人对于字句的尊重程度可见一斑。
美国立宪的时候，一个字，一个短语，都要争论好些天，最后故意措词含糊，才能达到
共识。中国宪法就容易太多了吧，反正最后也就是废纸一部。 |
|
|
g***y
发帖数: 16371 | 15 唉，庙小不容大神啊，我们这小门小派留你不得。
你...你...你...
好，我去自立门派! |
|
b*********k
发帖数: 35031 | 16 goldy再来看看，咱们要不要重新考虑一下？
bound |
|
g***y
发帖数: 16371 | 17 要不咱先收了，然后再给他观察一个星期？
合格就留下来不合格就再推出去 :P |
|
|
|
|
z*i
发帖数: 58873 | 21 历史这么久，很多人会说物事全非的这个没留住那个没有了，但这可能也是一只能下来
的原因呢。
不破不立，有时候转不过弯来往往是破的不够狠。。。累累白骨上嫩草青青。。。。
英美文化，还是年轻点。
bound |
|
|
b*s
发帖数: 82482 | 23 "英美文化，还是年轻点。"
意思就是，还没有那么腐朽，行将就木？要说，是古埃及和苏美尔不年轻... |
|
|
I*******k
发帖数: 2914 | 25 吸收新血是好事。但是这么着，以后睡不着失眠，只要喊一声
关门，放唐门。。。 |
|
p***r
发帖数: 20570 | 26 接着拍。中文典籍组成部分主要是单字，或者说单音节词，单字搞明白了，意思就大多
明白了。而文言文在战国成熟之后并没有巨大变化。所以你就会发现你一旦读明白孟子
，之后几千年的文言文都没有巨大障碍。所以阅读中文经典并不需要一个不断更新的词
汇库。中文真正爆炸性发展还是在近代口语进入书面语之后，单音节词汇变少了很多，
而多数词汇是双音节的。随后双音节词汇的发明也是一个大爆炸。把这些东西脉络搞清
楚当然有意义。搞完之后就会发现，娘的，１０％到２０％的双音节词都是日本进口的。
1716年 |
|
g***y
发帖数: 16371 | 27 严格筛查，保证唐门质量啊。有些人是伪唐。要不你也来吧。。。 |
|
I*******k
发帖数: 2914 | 28 我正在克制话痨中。。每次回帖争取不超过三行。。。 |
|
|
l*r
发帖数: 79569 | 30 唐筛啊！
对于bos这样的大龄青年，直接就肚皮上插一管子抽水！ |
|
|
|
|
|
|
b*s
发帖数: 82482 | 36 现在这个百分比要增加不是？现在的俚语受日本影响更大。日本习惯把英语引进，然后
胡乱折腾一下，连个汉字也没有，都是假名。然后中文再从日文引进，继续degenerate
一下...
狠好奇在汉唐时期，平常人如何说话。显然，单音节词引起的歧义太多，口语中间必然
要用到多音节词来消除歧义。但是，因为没有文字，所以大家都无从知晓...
文言是文，但是不是语。这个很有意思。
的。
要出
大陆
和词
个一
言的
社等 |
|
|
|
p***r
发帖数: 20570 | 39 上古汉语里很多现代的同音字是不同音的，可以区分。汉语词汇双音节化是同音字大量
出现的产物。唐宋很多日常口语的词汇也开始双音节了。现代汉语里面： x子，阿x，x
儿，这些结构大多有唐宋俗语的痕迹。你看宋词里面这些也时常有，就是词更贴近口语
。还有一点就是上古汉语据说也不全是单音节的，据说四声字来源是因为最后其实有个
s结尾。还有一定可能有复辅音。比如监这个字有人人为应该发klam这样的音。于是k脱
落就演变成后来的篮这个音，l脱落就演变成后来的监这个音。具体演变规律也是不清
楚的，而且什么时候脱落也搞不清楚。中古上古的很多读音都有巨大争议。研究这个的
人也少，材料也非常不全，搞法也很不科学，主要还是靠蒙。
degenerate |
|
I*******k
发帖数: 2914 | 40 你看错了。。这个 抽水 的概念不是我提出来的，我是跟帖的你知道不知道。你这个苦
主明显找错人了... |
|
|
b*s
发帖数: 82482 | 42 黑胖子是特制某人的，不要搞错了。我们这里只有一个黑胖子，大名鼎鼎阿。 |
|
|
|
I*******k
发帖数: 2914 | 45 他对你怒火中烧，顾及你要就任唐门刑堂，只好殃及我了。你瞧不下去就发个包子，就
可以继续瞧了。。。 |
|
|
|
I*******k
发帖数: 2914 | 48 版上围观者人人有份。不发我的，我也没意见。：）咋样。 |
|
|
|
