自然语言处理学习笔记（十一）————简繁转换与拼音转换

目录

1.简繁转换

2.拼音转换

---

1.简繁转换

简繁转换指的是简体中文和繁体中文之间的相互转换。可能有的人觉得，这很简单，按字转换就好了。HanLP提供了这样的朴素实现CharTable，用来执行字符正规化(繁体->简体，全角->半角，大写->小写）

System.out.println(CharTable.convert("愛聽4G"));
打印结果为：爱听4G

事实上，汉字历史悠久，地域复杂，在字符级别存在“一简对多繁”和“一繁对多简”的情况。在词语级别上存在“简繁分歧词”，按字转换容易出错。

eg：“代码”，“代碼”，台湾称为“程式碼”，这就是“简繁分歧词”。
eg：“头发”、“发财”对应的繁体字为“頭髮”和“發財”，这里的"发"就是一简对多繁。

这启示我们不能按字转换，最起码是按词转换。

s：简体
t：繁体
tw：台湾繁体
hk：香港繁体
HanLP.convertToTraditionalChinese:简转繁
HanLP.s2t:简转繁
HanLP.s2tw:简转香港繁体
HanLP.s2hk:简转香港繁体

2.拼音转换

 拼音转换涉及到多音字的问题，仍然需要按词转换。