感觉 Rime 的分词和搭配很成问题啊

[Irilsy]

如题，用的白霜词库，已经快一年了。虽然一直在用，以前就遇到过这些问题但还能忍受，不过最近经常要写一些东西，这方面的困扰明显严重了很多。

---

比如下面这些句子：

渐渐地就不在意了： （「不/在意/了」被理解成了「不再/一乐」）

以前就会这样： （「以前/就会」被理解成了「一千九/会」）

不管怎么使劲都不行： （「不管怎么/使劲/都/不行」 => 「不管怎么/是/筋斗/不行」）

无论如何你都不可能再离开这里了： （「离开/这里/了」 => 「离开/这/离了」）

---

还有一些可能有些强求的例子，因为即使是别的输入法也可能处理不好。

这不是你该管的事情：

这种方法会更加有用： 之所以会出现「游泳」这个搭配可能跟我之前有一阵子经常打「游泳」有关，但是我觉得连词性都判断不出来也不太正常吧……

---

想问问大家有没有什么好的解决办法？

[noisay]

同感，这个好像几个词库的效果都不是很好

[omz]

你之所以用不联网的输入法，不就是因为你能接受这些缺陷吗

[yukino]

我选择 [小企鹅输入法]( https://github.com/fcitx-contrib/fcitx5-macos/tree/master)


[Irilsy]

@yukino #3 谢谢老哥，我研究研究。

[NoOneNoBody]

好像并没有分词，只是匹配越长优先级越高而已
我这里(养了多年)可以打出“不在意了”，因为词库中有“不在意”

[billlee]

RIME 没有语言模型，根本没有分词的能力

[docx]

个人觉得词库从自己用了多年的搜狗之类导出，再适应一段时间，就很可以了。大可不必去用什么所谓的三方库。

[TrembleBeforeMe]

试试带语言模型的万象拼音 https://github.com/amzxyz/rime_wanxiang_pro

[kimizen]

你挂个云输入法就好了 https://github.com/hchunhui/librime-cloud

[kimizen]

@TrembleBeforeMe 这个和雾凇比起来如何？

[sinzhishuibie]

用全拼打长句有点给自己找麻烦，我自己打字习惯都是两三个字一打两三个字一打，不管用什么输入法都这样打字

[jiaoyidongxi]

搭车问一下，我在 windows 上的每夜版小狼毫，每次更改配置文件后，手动重启完全没反应，只有重新进入 gui 设置界面，换一下自带默认皮肤才会自己重启生效配置。各位有碰到这种情况吗？

[Irilsy]

@TrembleBeforeMe #8
@kimizen #9
感谢两位老哥的推荐，我去尝试一下。

@docx #7 谢谢哥提醒，突然想到可以把之前用了很久的搜狗个人词库导入进 Rime 。


@sinzhishuibie #11 只打短语不打句子确实会好一点，但是有时候即使打短语也会有类似的问题（因为即便只有一两个词也可能出现分词错误），而且 Rime 似乎是存在根据词语搭配来调频的策略，打句子都一些时候比打短语会更方便。

@NoOneNoBody #5 我的词库里面也有「不在意」这个词，不过还是会有问题，感觉可能还是「不再」这个词频太高了。

[TrembleBeforeMe]

@kimizen #9 https://github.com/amzxyz/RIME-LMDG 下载模型，把 https://github.com/amzxyz/RIME-LMDG/wiki/%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0%E9%85%8D%E7%BD%AE%E8%AF%B4%E6%98%8E 里面第一行的代码加入使用的*.schema.yml 结尾就行了。

[TrembleBeforeMe]


rime-frost 加语言模型后的效果

[kimizen]

@TrembleBeforeMe 如果想加入到覆写里怎么改格式呢？不想直接改动原本的方案，我都用的 custom.yaml

[TrembleBeforeMe]

@kimizen #14 那就按 patch 格式加到*.schema.custom.yaml 里

[kimizen]

@TrembleBeforeMe 的确，连空格都不用修改直接都 custom 里都可以……现在长句子都非常智能完全不用调整词频……

[Irilsy]

@TrembleBeforeMe #14 谢谢大佬，这个太强了，我试了很多容易分词错误的或者搭配错误的句子，有一大半加了模型之后表现都好了很多。

而且感觉 100M 的模型和 300M 的模型之间有用差距，比如「能约上吗」在 100M 会被误解析成「能月上马」，300M 就不会有这个问题。

不过感觉模型会受到用户词库词频的干扰，比如我刚刚打了个「上马」，现在不管用哪个模型都会被解析成「(月/约)得上马」了。

[TrembleBeforeMe]

@Irilsy #17 我先试着打了「能约上吗」，确实首位候选是「能月上马」；但是当我单独打了一次「约上」之后，100M 的模型首位候选也变成了「能约上吗」。如果电脑性能不错，用 300M 也许更好吧，但 100M 对于日用已经足够了。