完成cmu sphinx toolkit到unicode的移植後，由於其自身支援的中文詞彙太少且過於簡單，實際生活中的很多詞彙無法識別，由於其缺少開發文件，只能在**跟蹤的過程裡心煩了。
於是想，肯定需要在詞典檔案中增加新詞彙吧，如果其本身是按照ciphone序列進行識別的話，應該就能識別出新詞彙。
後來在詞典檔案中增加了幾個特定詞彙，發現識別結果未發生任何變化。
於是又對dmp模型檔案進行分析，發現裡面也有詞典中的部分詞彙（預設為5000個，簡體中文，unigram），於是猜測是否需要更新詞彙到dmp模型檔案中呢？
由於dmp模型檔案本身是二進位制寫入的，於是在執行過程中，進行手動改寫原有部分詞彙為新詞彙（不以記憶體對映檔案開啟即可），最終發現最後識別出新詞彙了。
ok！結論：
由於cmu sphinx toolkit的開發文件幾乎沒有，而源**中的注釋資訊也不充分，於是純粹的跟蹤**的是件費神的事兒，看來某些時候還得有懷疑的心態並去嘗試，也許會得到意想不到的結果。
通過這次嘗試，最終確定sphinx是將dmp模型檔案和詞典檔案繫結在一起（內部建立索引），對於新詞彙兩者需要同時更新，下一步需要進行dmp模型檔案的剖析工作。當然dmp模型檔案中其實是存在其它資訊的，比如概率資訊等。想得到更精確的識別結果，可能也並不是簡單的更新詞彙就行，但至少也有了個突破口吧！
嗯，還得繼續琢磨。。。
ACI 模型（更新中）
fabric所包含的物理和邏輯元件都記錄在mim中 management information model mim可以使用樹狀的mit表示 management information tree 每個mit節點表示一組，或乙個可管理的物件 mo,managed object mo可以是物理交換機，...
Pyhanlp自然語言處理中的新詞識別
新詞發現 本 新詞發現 模組基於資訊熵和互資訊兩種演算法，可以在無語料的情況下提取一段長文字中的詞語，並支援過濾掉系統中已存在的 舊詞 得到新詞列表。呼叫方法 靜態方法 一句話靜態呼叫介面已經封裝到hanlp中 提取詞語 param text 大文字 param size 需要提取詞語的數量 ret...
Pyhanlp自然語言處理中的新詞識別
新詞發現 本 新詞發現 模組基於資訊熵和互資訊兩種演算法，可以在無語料的情況下提取一段長文字中的詞語，並支援過濾掉系統中已存在的 舊詞 得到新詞列表。呼叫方法 靜態方法 一句話靜態呼叫介面已經封裝到 hanlp中 提取詞語 param text 大文字 param size 需要提取詞語的數量 re...