William’s Blog readings, ideas, feelings, photos, etc. by William Yeh

從 jserv 的網站看到了 COSCup 2006 這篇文章，才想起來似乎該為即將在本周末舉辦的這場大會寫點東西，尤其是我參與其中的緣由及背後思考。

COSCup 的全名是 “Conference for Open Source Coders, Users and Promoters”。從這活動的官方網站上，可看出主題多元而豐富：

如果你對程式開發有興趣，有三個 Coder session 可以讓你吃得夠夠（Web-Oriented Architecture、羽量級桌面環境、第三屆自由軟體中文輸入工作坊）；如果你想多了解一些 open source 軟體的使用，可以參加「Open source 數位生活」和「Open source 最佳實踐」等 User session；而在 Promoter 部分，有三個 Linux distribution 將來現場展示並為你安裝。不論你是新手還是老手，相信都會滿載而歸！

連我都忍不住想鼓掌叫好：這真是國內 open source 相關研討會當中最讓我心動的一次啊！

忝為受邀在其中「中文輸入工作坊」分享心得的一員，其實有點惶恐。畢竟我雖受邀主講「中文未知詞偵測淺釋」，但嚴格來說，我並不是這技術的參與者，這只是我在從事其他應用主題時因為需要而稍微涉獵、思考的課題。

由於在可想見的半年內，自己已有兩三個研究題目要進行，所以對於「中文斷詞」的主題，雖然心中蘊釀了些想法已經有半年了，不過主要都是鎖定在應用層面，而不是核心的演算法；而且也都還停留在蘊釀期，暫時還沒時間付諸實行。

以應用的角度來說，我一直期待能有個斷詞模組，具有以下特性：

1. 好用的 API，至少要像 hao 的 cscanner 一樣好用。
2. 如果能再加上 tagging 的話，也希望能像大陸 ICTCLAS 那樣好用。
   （事實上，我私底下都是用以上這兩套來玩，再外掛個繁簡轉換模組。）
3. 多方參考典型的應用需求，讓它容易 plugin 至典型的應用環境，像 Lucene 這套搜尋引擎核心。
4. 最好是盡早從 interface definition language (IDL) 角度思考，以方便植入多種程式語言，或者便於產生 wrapper（我在意的是 C++, Java, C#, Perl, Python, Ruby）。
5. 最後，當然是要 open source 的啦……我認為這種中文資訊處理的基礎建設應該是全民共享的，不應據為己有造成競爭力的門檻。

這就是我之所以會對斷詞相關計畫（libtabe、新酷音、ELUTE 等）持續關注，甚至發言的原因。如果有更多同好對這方向感興趣，我就可以省下不少工夫了，可以花多點時間在更上層的應用。

在這次大會上，能與許多聞名已久的同好交流，相濡以沫，樂事也。只可惜當天傍晚我必須去勘察婚宴場地，不克在晚上的 “Birds of a Feather” 繼續和大夥兒腦力激盪。

◤建議您一併閱讀以下文章：

• COSCUP 2008 小記
• 「華文世界 RSS 亂象」後續報導，Part 4
• 結合 cpdetector 及 jchardet 的中文編碼偵測
• Yahoo 的 OpenID 還要再加把勁兒
• 尋找 O(log(n)) 的 regex associative array

著作授權方式：Creative Commons 條款。



追蹤留言回應：以 RSS 2.0 方式。
文章永久網址：
  » http://william.cswiz.org/blog/archives/2006-10-23/coscup2006/
引用通告 (trackback)：
  » http://william.cswiz.org/blog/archives/2006-10-23/coscup2006/trackback/


     
本站歡迎您以合乎創用CC 的方式，將文章選錄至網路書籤或社群網站，也別忘了將您寶貴的意見（尤其是延伸的評論、補充、彙整、反駁等）留言在本站。謝謝！