English

rime-cantonese 上游詞表

本倉庫係 rime-cantonese 嘅上游詞表。rime-cantonese 作為下游輸入法碼表會通過 CI 自動從本倉庫揸取更新構建新碼表。

結構

呢個上游詞表會將所有詞條分成以下幾類，每類對應一個文件：

1. char.csv：單字音
2. variant.csv：異體字分類
3. word.csv：常用詞
4. fixed_expressions.csv：成語、諺語、歇後語、文言短句
5. phrase_fragment.csv：短句、文字碎片、常見輸入組合、ngram
6. trending.csv未分類嘅流行詞

單字收錄 char.csv 格式説明

char	jyutping	pron_rank	tone_var	literary_vernacular	comment
漢字 Unicode	粵拼：漢字對應嘅粵拼發音	發音常見度： 預設：必須且唯一，常用度一定最高 常用：可以有多於一個 罕見 棄用	該發音是否本調變調： 本調 變調	該發音是否文白異讀： 無 文讀 白讀	該發音例子、解釋： 如果係罕見音，唔可以留空 如果個發音無能產性，就放例詞 可以放發音來源 唔可以有半角逗號,

高升變調唔歸入白讀，歸入變調。-aak/-ak互換、ek/ik等等先歸入白讀。濁上歸去嘅陽去讀音歸入文讀，陽上讀音歸入白讀。

單字收錄 variant.csv 格式説明

variant.csv 係用嚟將一啲異體字壓低個排序。因為 essay 收集數據嘅範圍書面語比較多，一啲粵語先用嘅字頻率反而會低過啲其他語言嘅異體字，所以要根據呢個表去調校返單字嘅排序。

char	class	normal_char	comment
漢字	分類： 罕見：古代使用嘅異體，而家唔流行 古文：古文隸定字 日文：日文使用嘅「新字體」或者「國字」 韓文：韓國漢字，例如「乭」、「兺」 來歷不明：GS源嘅漢字	現代繁體中文使用嘅常用字（如適用）	其他解釋

正常嚟講字表唔應該有簡化字（例如：银、纲），但係部分簡體中文會用到嘅字屬於俗字或者古字，例如「国」、「网」、「碍」，呢啲 case 就可以標做「罕見」。

標成「日文」唔代表得日文先用，大部分日文新字體都係以前曾經流通過嘅字形。

收錄原則

單字

• 區分 ng-/∅- 聲母，統一剩收原讀音，唔收混淆後嘅讀音。
• 除簡化漢字外，所有異體字字形都收錄。字形轉換交畀 OpenCC 處理。
• 唔收懶音，例如 n-/l- 混淆音

詞語

• 同單字音一樣，區分 ng-/∅- 聲母。
• 所有詞條全部標準化成 OpenCC 字形。
• 詞語標音全部記作實際發音，即係變調後嘅發音。

數據源

單字音主數據源

• LSHK 電腦用漢字粵語拼音表 https://github.com/lshk-org/jyutping-table

參考數據源

• Unihan 12.0 kCantonese
• 粵語審音配詞字庫
• 《廣州話正音字典》

詞條主數據源

• 粵典
• 冚唪唥粵文
• 《實用廣州話分類詞典》
• A Dictionary of Cantonese Slang
• 《廣州話詞典》
• 《地道廣州話用語》

貢獻人員名單

• laubonghaudoi
• Ayaka
• Leimaau
• Chaak
• Bing Cheung
• Cherry
• Lili Ou
• Philip Wong
• Henry Chan
• Alex Man