小狼毫输入法词典扩展包配置指南
2025-06-08 06:07:48作者:龚格成
词典扩展包的基本概念
小狼毫输入法(Rime)的词典扩展包功能允许用户在不修改核心词典的情况下,通过添加自定义词典包来扩展输入法的词汇量。这种设计既保证了核心词典的稳定性,又为用户提供了灵活的词汇扩展方式。
词典扩展包的配置方法
1. 修改方案配置文件
首先需要在输入法方案的配置文件中指定自定义词典。通常建议在对应的.custom.yaml文件中进行修改,这样可以避免直接修改原始配置文件,便于后续升级维护。
以"朙月拼音"为例,在luna_pinyin.custom.yaml文件中添加以下内容:
patch:
translator:
dictionary: my_custom_dict
这里的my_custom_dict就是将要创建的词典名称。
2. 创建词典文件
在同级目录下创建词典文件my_custom_dict.dict.yaml,内容格式如下:
---
name: my_custom_dict
version: "2024.08.23"
sort: by_weight
use_preset_vocabulary: true
import_tables:
- luna_pinyin
...
# 自定义词汇开始
自定义词汇1 zidingyicihui1
专业术语 zhuanyeshuyu
技术名词 jishumingci
关键参数说明
-
sort: by_weight
这个参数决定了候选词的排序方式,设置为by_weight表示按词频权重排序。如果不设置此参数,可能会导致候选词排序混乱。 -
use_preset_vocabulary: true
这个参数控制是否使用预设的词汇处理规则。设置为true可以确保自定义词典能正确处理各种词汇形式。 -
import_tables
这个列表用于引用其他词典,通常需要包含基础词典(如luna_pinyin),这样自定义词典才能继承基础词典的所有词汇。
词典扩展包的工作原理
小狼毫输入法的词典系统采用模块化设计:
- 每个词典扩展包会独立编译生成
.bin二进制文件 - 运行时多个词典可以组合使用
- 修改单个词典只需重新编译该词典,不影响其他词典
这种设计带来了几个优势:
- 词典包可以独立制作和分发
- 用户可以灵活组合不同的词典包
- 小范围修改词汇时只需更新相关词典包
- 减少了整体编译时间
常见问题解决方案
-
词典不生效
确保:- 词典文件名与配置中指定的名称一致
- 文件放置在正确的目录下(通常是用户配置目录)
- 部署时没有错误提示
-
候选词排序异常
检查是否设置了sort: by_weight参数 -
基础词汇丢失
确认import_tables中包含了需要的基础词典
最佳实践建议
- 为不同类型的专业词汇创建不同的词典包,便于管理
- 定期备份自定义词典
- 为词典包添加版本信息,便于追踪修改
- 复杂的专业词汇可以考虑使用多词典组合的方式
通过合理使用词典扩展包功能,用户可以打造出既包含通用词汇又具备专业术语的个性化输入法,满足各种场景下的输入需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211