Note.md

• anthy
  • http://www.fenix.ne.jp/~G-HAL/soft/nosettle/anthy.html#patch13
  • http://vagus.seesaa.net/article/62333234.html
• google cgi api for japanese input
  • https://www.google.co.jp/ime/cgiapi.html

Data storage library

• かな漢字変換においては、共通接頭辞検索ができるライブラリが必要。

  • Trie(エッジに文字情報がついたツリー)構造がよく使われる。
    • Double Array や LOUDS などがある
    • LOUDS はサイズが小さくなるが、動的な追加削除はできない。
    • 検索速度は Double Array のほうが速い

• akaza には何に trie を作成しているのか?

  • ユーザー辞書とシステム辞書とシステム言語モデルに利用している。
  • ただし、システム言語モデルは、純粋なキーからの検索しかしていない。

• 本ライブラリのゴールは以下の通り。

  • メンテナンスコストが低いこと
  • 異常に遅かったり以上に時間がかかったりしないこと。
  • Disk 上で mmap してアクセス可能だとよい。

• marisa-trie

  • The dictionary format of libmarisa depends on the architecture.
  • LOUDS nested patricia trie
  • Has disk based support

• libdatrie

  • The trie data is portable across platforms. The byte order in the disk is always little-endian, and is read correctly on either little-endian or big-endian systems.

• DAWG

  • python binding
  • C++ library last update was 2012.

• Darts

  • Maybe, not portable.
  • Last release: 2008

• cedar

  • Last release: 2014

• dastrie

  • Last update: 2008

• hat-trie

  • No disk based support