語料庫詞頻問題

語料庫的詞頻  
1        2u4xu3_g   地理師
120    g_zj4           師父
120    2u4_xu3     地理
我是要打地理師父
但打出來出現的是地理師富

图片：2014-02-06_224959.png

必須要再另用TAB鍵快速匹配後,才會出現地理師父
這是語料庫的問題還是詞庫設定問題呢?
是否雙字詞的字碼就不用 - 做區隔會比較好?
我  地理  及  師父  的詞頻是120 , 但 地理師 的詞頻是1,本以為會是高詞頻為優先,現不大清楚語料庫詞頻的意思了

那里的频率是语料的频率，不是词频
那里是语料库，不是词库

另是否可以有以中文為主的詞頻庫?
因詞庫及語庫都是以拼音字碼為主,只能單一個輸入法才能用,其他的輸入法無法共用
如是用中文為主的話,只要我自已建立一個中文詞頻庫,其他的輸入法也可以共用這個詞頻庫,不用為了不同的輸入法而做好幾個很大的詞頻庫來用

高词频优先，我的理解是指同编码的词组。而同编码又以长词组优先。所以你上面列出的现象是合理的，没有问题。

另外看你的编码不是定长的，又不是标准的拼音编码。语料库是没用的。

todo5300：另是否可以有以中文為主的詞頻庫?
因詞庫及語庫都是以拼音字碼為主,只能單一個輸入法才能用,其他的輸入法無法共用
如是用中文為主的話,只要我自已建立一個中文詞頻庫,其他的輸入法也可以共用這個詞頻庫,不用為了不同的輸入法而做好幾個很大的詞頻庫來...回到原帖

采用的特殊算法导致必须要编码

如果是其他的拼音的輸入法都不能作語料庫
那是用如何的方式可以改善輸入打法?
可以用編碼的方式作詞頻庫嗎?

todo5300：如果是其他的拼音的輸入法都不能作語料庫
那是用如何的方式可以改善輸入打法?
可以用編碼的方式作詞頻庫嗎?回到原帖

只能改善编码和词库了

我的经验是可以像词库一样的格式生成语料库，似乎不受定长与否的影响，排在前面的会优先出现。
这样的语料库实际上跟词库大同小异：
1、语料库加载速度要快些。
2、语料库占用内存空间要小些。
3、当语料库与词库重码时，语料库词组被忽略。
4、主词库里的词组在开语料库之后会自动出现一字一码的简码词组。分词库和语料库中的词组则不会有——如果可以加一个词组多少字以上才出现简码的选项开关就更完美了！
5、词库的词组在组句的所有位置中均参与组合影响，语料库中的词组似乎只在组句的首位产生影响。
结论：现在小小的语料库作为词库另一种形式的补充，还是很不错的。

現在我的詞庫有二十萬字去組合，加載出來的語料庫也有4mb
你的意思是
詞庫排列成 詞頻 最高---是只用  單字 嗎?
去做語料庫執行動作?