【发布时间】：2009-01-20 01:45:20
【问题描述】：
我正在寻找一个现有的英语单词数据库，每个单词由音节分隔。我的目的是根据音节的分离进一步编辑任何选定文章中的每个单词。
有没有人知道可以帮助我实现这个过程的现有产品或方法？
谢谢！
【问题讨论】：
-
根据你想要的具体程度可能很难，记住英语有很多发音
标签： data-dictionary
【发布时间】：2009-01-20 01:45:20
【问题描述】：
这个网站有一个包含 44K 单词的文件，其中包含音节，而不仅仅是连字符。
【讨论】：
我不确定这是否是您要查找的内容，但 CMU 有一个发音词典，可以清楚地显示每个音节：
【讨论】：
-
+1。从技术上讲，它们不是音节，它们是音素。但是，可以根据音素和词汇重音来计算音节。
-
“根据音素和词汇重音计算音节”如何去做呢？
-
看起来音节标记为 0 1 2，主要重点是 1。我认为您可以匹配例如0 1 0 带有字典中的 3 个音节，将音节字母分解为例如“香蕉”。听起来对吗？
也许一个标准的单词列表，加上一个好的hyphenation algorithm 就可以了？
【讨论】：
-
连字符与音节的数量无关 - 它只是一个关于在中间分割单词的任意决定。在您给出的示例中， supercali... 等的输出是 ['su', 'per', 'cal', 'ifrag', 'ilis', 'tic', 'ex', 'pi' , 'ali', 'do', 'cious'], 包含三个多一个音节的词块，“project”连字简单为“project”。
-
说它“与..音节无关”是一种误导。连字符从音节之间的分隔开始，但有一些不明显的调整。一些连字算法可能会错过音节中断，有时书面形式不能很好地映射到口头形式。但基本上，它是关于音节的。尤其是它可能足够接近最初的目的。
-
连字符 可以 用于划分音节（任何 ASCII 字符都可以），但它们通常不是。字典倾向于为此目的使用 interpunct，因为连字符会导致已经连字符的单词混淆。在您展示的断字算法中，目的是标记单词中的点，当单词不适合计算机屏幕时，可以将其拆分为新行。虽然你是对的，连字符通常确实出现在音节边界上，但它并没有标记每个音节边界，这使得它不适合计算音节。
-
例如由于连字算法的变化，说“项目”只有一个音节……给或取一两个音节并不是特别有指导意义。
-
@Lou，你是说通常连字符不在音节边界？也许您的意思不是“与音节无关”，而是“与音节无关”？