# ぼっち・ざ・ろっく 字幕来源 Amazon Prime <https://www.amazon.co.jp/gp/video/detail/B0DL17M1RZ/ref=atv_dp_share_cu_r> > そうだね 念には念を > 念には念を入れる > ボッチ・ザ・ロック - [ ] 笑了，这个也是[[惯用句识别算法]] 的好例子 ## 01転がるぼっち > 楽しい==浮かれた==お話ひとつも > 浮かれる 注意在大辞泉中，是有【うか・れる【浮（か）れる】】这个词条的，而且意思还和【浮く】不一样：【① 楽しくなって心がうきうきする。おもしろさに心を奪われる。「酔って―・れる」「月に―・れて歩く」】，但[UniDic](UniDic.md)虽然号称【国語研短単位自動解析用辞書】，却收录了【浮かれる】，看来是在区分了意思的基础上取最短。 > ミスり==まくった==～ > まくる [自动辞书](自动辞书.md)挂的原因是没有用[UniDic](UniDic.md)，但用这个成本实在是太大了点2333，2023版的精简版都有 500M，手机上基本不可能用这个。 > 下手でも 楽しく弾くことだけは==心がけ==よ！ > 心掛ける [日语词形相似度算法](日语词形相似度算法.md)看来日本人是真不喜欢写【掛】，注意这里的读法不是原来的标准读法 > じゃあ ==あだ名==とかはないの？ > あだな 果然是词库的问题，[UniDic](UniDic.md)就不会出问题了 > ==たっくさん== > たくさん - [x] 如果[日语词形相似度算法](日语词形相似度算法.md)是最后一步的话，那可以把っ直接删掉，因为之前进行过查询了 > き… 喜多さん！ ==いつの間==に… > 何時の間・いつのま - [ ] [[SudachiDict]] 笑了，又没收录 > みんな==接し==づらそうと言うか > 接する・せっする ## 02また明日 > （虹夏）そこ ==ウソつかない==～ > うそをつく・噓を付く - [ ] [短语词组修正检索算法](短语词组修正检索算法.md)，最好玩的不是想写成【ウソをつく】，而是直接助词都给省了 > （ギタ男）そして練習に次ぐ練習の末… - [ ] [[语法句型修正检索算法]] 上面的`そして練習に次ぐ練習の末`这样的东西真的能识别出来么 > ボーカル また==探さなきゃ== > 探す [日语口语](日语口语.md) 探さなきゃ是なければならない > 楽器に==つぎ込む==から常に金欠だよ > 注ぎ込む・つぎこむ - [ ] 注意，大辞泉有2个词条：つぎ‐こ・む【▽注ぎ込む】和そそぎ‐こ・む【注ぎ込む】，后者没有▽标记，而单纯的【注】在大辞泉也没有写标记为▽。所以[日语词形相似度算法](日语词形相似度算法.md)，不能只提取一遍所谓的非常用汉字，还是得结合实际的语料进一步调整算法 > もう 30分は==浸(つか)かってる==し > 浸る・浸かる Amazon 本身的格式吗，[非辞書](非辞書.md)搞这个倒是简单，而且也做了，但是关于字幕格式的讨论可能 > （ひとり）==着いちゃった==… > 着く 这个完全没有多余的上下文呀233[[义项相似算法]] > ==ひと息==つきたくて > 一息・ひといき 辞书形【一息】里完全没有假名，而【ひといき】的字符数量是【一息】的2倍，[日语词形相似度算法](日语词形相似度算法.md)又该怎么放缩呢233 > ==ボッてる==みたいな顔しないで > ぼる - [ ] [[SudachiDict]] 笑了，辞典里面有登录「ぼる」，但还是解析错了 [UniDic](UniDic.md)是没有收录ぼる这个单词么，[自动辞书](自动辞书.md)和[Mecab](Mecab.md)都可以复现这个问题 > お==昼ごはん==には最適だな > ひるごはん・昼御飯 注意，非辞书形少了2个汉字，与此相对的整体长度只多了一个，[日语词形相似度算法](日语词形相似度算法.md)能解决这种么，要不还是就查表吧233，不优雅就不优雅2333，[非辞書](非辞書.md)的完全扫描算法，能在一般测试集获得多大的抗干扰呢…… > 時給から==引いとく==な > 引く - [x] 時給から引い==とく==な应该算是[日语口语](日语口语.md) > 喜多さんの==言ってた== > 言う [日语口语](日语口语.md)，突然想起来吴杨老师说自己才到日本的时候说【ている】被导师吐槽【気持ち悪い】2333，看来发音太书面语了233 > - [ ] 絶対に==風邪ひいた==よね？ > 風邪を引く・かぜをひく - [ ] 風邪ひいた 看起来似乎[日语口语](日语口语.md)喜欢省，[短语词组修正检索算法](短语词组修正检索算法.md) > （ひとり）新しい==あだ名== > 渾名・あだな ## 03馳せサンズ > ==気の利いた==ことを言えれば… > 気が利く・きのきく [短语词组修正检索算法](短语词组修正检索算法.md)，気の利いた和 気が利く #？ 注意の > 先輩の路上ライブ見て==ひと目ぼれ==したの > 一目惚れ・ひとめぼれ > テレビアニメ『ぼっち・ざ・ろっく！ 』第03话「馳せサンズ」 > Amazon Prime [日语词形相似度算法](日语词形相似度算法.md)，这个看起来长一点，但细细研究一下就会发现，其实也就2个字符的差异，所以和英语的相似词算法不一样，日语的[日语词形相似度算法](日语词形相似度算法.md)一定要放缩法，不能照抄 「先輩の路上ライブ見て==ひと目ぼれ==したの」麻烦就麻烦在除了是[[短单位]]之外，还有表记方式的差异，[[SudachiDict]]里面没有这个东西，[[MikannDict]] 就只能手动添加了 > 晴れてメンバーが==勢ぞろいした==のでした > 勢揃い・せいぞろい 【勢×揃い】的揃有标记，所以[日语词形相似度算法](日语词形相似度算法.md)应该不会有太大的问题 > ==晴れて==メンバーが勢ぞろいしたのでした > ぼっち・ざ・ろっく！ 第03话「馳せサンズ」 - [ ] 哟，[[UniDic]] 又没收录这个东西，[[SudachiDict]]也没有 > これで 私は所持金が==底をついた==ので > 底を突く [短语词组修正检索算法](短语词组修正检索算法.md)的问题么，底をついた 说起来，单独的话，这个つく，会写汉字的比例是多少呢 > 全然==ピンとこない== > ぴんと来る ピンとこない和ぴんと来る，要[短语词组修正检索算法](短语词组修正检索算法.md)该如何设计索引呢？是【ぴんと】【来る】么 ？而且注意，这个固定搭配没有をがに，所以自己要把这些剩余的东西也给过一遍，另外，这个东西最好玩的是 #动词活用 导致的问题，所以尤其适合用来检查[非辞書](非辞書.md)算法的基本动词活用的准确度 > ==何ひとつ==？ > 何一つ・なにひとつ - [ ] [[現代新国語辞典]] 連語だけ、何ひとつほかは「副詞」 ## 04ジャンピングガール（ズ） > （星歌）==お待ちかね==の給料だぞ > 御待兼ね・おまちかね・待ち兼ね・まちかね・待ち兼ねる・まちかねる - [ ] お待ちかねの給料だぞ 辞典里面其实是专门有这个的，但自己其实最初没有意识到这个问题 - [ ] [[SudachiDict]] 笑了，看起来似乎连「待ち兼ね」都只有[[大辞泉]]和[[大辞林]]收录了，其他中型国语辞典一个都没收录 > ==気とか使わなそうだ==し > 気を使う・きをつかう - [x] [短语词组修正检索算法](短语词组修正检索算法.md)， 気とか使わなそうだ，気を使う，最最好玩的一个例子 #助动词替换 ，を替换成了とか > （ひとり）時間が たてばたつほど 【たてばた】是有这个词的233，但没有上下文的话，[非辞書](非辞書.md)也很难给出更好的建议吧 > カッ ==カッコいい==？ > かっこいい - [ ] カッコいい 如果要说明[[非辞書之禅]]的原则，这是个很好的例子 - [ ] 笑了，[[SudachiDict]]能正常解析「かっこいい」，但解析不了「カッコいい」 > ==つるし上げる==会では？ > 吊し上げる・つるしあげる - [ ] [日语词形相似度算法](日语词形相似度算法.md)つるし‐あげ【×吊るし上げ】，另外「批斗」这个[[翻译]]真的是在作死边缘试探，不知道B站的官方字幕是怎么搞的 - [ ] 好玩的「吊るし上げる」才是更多辞典收录的[[辞书形]] > 喜多ちゃん リョウに==振り回されすぎない==ようにね > 振り回す・ふりまわす 这其实勉强算是[[语法句型修正检索算法]]了吧？ > （虹夏）ぼっちちゃんが ==ひん死==状態に？ > 瀕死・ひんし ひん‐し【×瀕死】，[日语词形相似度算法](日语词形相似度算法.md)，果然也有标记 > ==つまんない==歌詞書かないでいいから > つまらない・詰まらない 如果不手动添加【つまんない=》つまらない】的规则，光靠[日语词形相似度算法](日语词形相似度算法.md)应该是能从词库里面算出正确答案的，真有这个必要么 > 後藤さん ==目のくま==大丈夫？ > 目の隈 [青春猪头](青春猪头.md)的那个字幕组是也不写汉字，但用的是片假名，这个算是[日语词形相似度算法](日语词形相似度算法.md)来做的事情 > もう１度 ギター 持って==いこ== > いく 啊，Amzon的字幕组真能听出来这里不是【持っていこう】么…… ## 05飛べない魚 > なんだ？ 今の==捨てゼリフ==は > すてぜりふ・捨て台詞 逗我吧2333，[日语词形相似度算法](日语词形相似度算法.md)真能算出来这样的东西么 > せ… ==精いっぱい==服従心を表現しようと > せいいっぱい・精一杯 [日语词形相似度算法](日语词形相似度算法.md) > （郁代）==すっご～い== さすが先輩！ > 凄い・すごい Amazon的字幕组的语气词和符号真的很丰富，[JTF日本語標準スタイルガイド（翻訳用）_日语翻译风格指南](JTF日本語標準スタイルガイド（翻訳用）_日语翻译风格指南.md)，这个指南有提到符号的使用 ## 06八景 > みんな==接し==づらそうと言うか > 接する > ==ズバッと==聞くな おい！ > ずばっと [非辞書](非辞書.md) #？ 词库没有收录ずばっと，导致推导结果非常奇怪`['もぎる', 'せせる', 'る', 'ずる', 'ずばっと']` > 私が ==ひと肌脱いで==あげよう > 一肌・一肌脱ぐ ひと肌脱いで　一肌脱ぐ[短语词组修正检索算法](短语词组修正检索算法.md)，问题是还是[日语词形相似度算法](日语词形相似度算法.md)的问题呢，这可能和辞典编纂者的偏好有关 > あ～ まだ==ピンとこない==か > ピンと来る・ピンとくる・ぴんと来る ピンとこない [短语词组修正检索算法](短语词组修正检索算法.md)，有点奇怪的是输入法优先展示的是第一种，但辞典里面收录的都是后面的东西 > 居酒屋に==置きっぱなし==だ > おきっぱなし・置きっ放し [日语词形相似度算法](日语词形相似度算法.md) > （きくり）ロックを==なめるな！== > 舐める・なめる 本身没有什么难的，好玩的是[自动辞书](自动辞书.md)的第一个推导结果是なむ > って 言ったそばから > 側から・そばから [语法句型修正检索算法](语法句型修正检索算法.md)言ったそばから > （ひとり）あのとき==ミエなんて張る==んじゃなかった > 見えを張る・みえをはる ミエなんて張る = 見えを張る [短语词组修正检索算法](短语词组修正检索算法.md)，注意这种可能就没法单纯地忽略所谓的几个固定的助动词了，还是得借助扫描算法进行查询（另外这样的助词很可能干扰识别结果，所以一定要跑测试）。 不过观察 ミエなんて張る 这个样例倒是让自己想到了一个方法：每次扫描观察第一个结果是否在「词组」表内，如果在，那么对于之后的扫描结果要启用「词组扫描模式」，也就是是否启用SQL来查询，要看，[非辞書](非辞書.md) #？ ミエなんて張る = 見えを張る 另外也提醒自己 词组扫描的测试样例可以考虑从词典里面获取 #？ ，但[非辞書](非辞書.md)需要更激进的测试用例 ## 07君の家まで > ==しょうもない==言い訳を… > 仕様が無い しょうもない 仕様も無い [短语词组修正检索算法](短语词组修正检索算法.md)，这个算是 #助动词替换 > （虹夏）ダ… ==ダセ～！== > ださい [非辞書](非辞書.md)，啊……这个超纲了吧2333 ダセ 和 ださい 应该是[[日语口语]]的一种倾向，而不是特例 > （伊地知(いじち)虹夏(にじか)）==あっつ～== > あつい [日语词形相似度算法](日语词形相似度算法.md) あっつ あつい 似乎这里也能印证 っ ## 08ぼっち・ざ・ろっく 这一话怎么没有任何[非辞書](非辞書.md)呢2233 ## 09江ノ島エスカー > でも時期的に もう==泳げなそう== > 泳ぐ > 割りと ==目はさえてて== > 目が覚める・めがさめる 目はさえてて = 目が覚める [短语词组修正检索算法](短语词组修正检索算法.md)，不光换了助词，后半部分还不写汉字，说起来有词组的搭配是用は而不是が么 #？ > （リョウ）鳥にまで==ナメられてる== > 舐める・なめる・ナメる 注意，最后一种写法是[macOS](macOS.md)系统输入法的提示 > 言ったそばから！ [语法句型修正检索算法](语法句型修正检索算法.md)，たそばから，应该记录整个句型的接续 > ==映(ば)えます==ね > 映える・ばえる [非辞書](非辞書.md)，本身没什么特殊的地方，但问题在于字幕组特别注明了不是【はえる】，在[义项相似算法](义项相似算法.md)的优化可以修改 Ruby 的处理，现在是直接删掉了，但其实可以用提取出来的假名在再进行一次查询 #？ > じゃあ ２人とも ==頭いい==んですね > 頭がいい・あたまがいい - [ ] [MOJi](MOJi.md)的词条是真的广，另外省が的现象在[柯南](Note/柯南.md)里面似乎也听过，[短语词组修正检索算法](短语词组修正检索算法.md) #？ 頭いいん > ト… トロピ… カル… > トロピ カル - [ ] 预处理时可以考虑直接删除除了，。、的其他标点[[非辞書-测试用例]] > ==泳ゲナイ==ノニ > 泳ぐ [非辞書](非辞書.md)，注意`['およぐ', 'およげる', '泳ぐ', 'くぐる', '泳げない']`返回的最后一个不是原始输入值 #？ ## 10アフターダーク > ==つまんね～==って絶望しちゃって > つまらない [日语词形相似度算法](日语词形相似度算法.md) ## 11十二進法の夕景 > さすがに ==はめ外しすぎ==です > 羽目を外す・はめをはずす [短语词组修正检索算法](短语词组修正检索算法.md)，不光去掉了助词，前半部分还不写汉字，はめ外し和 羽目を外す > 完全に==着こなしてる==ね > きこなす・著熟す [日语词形相似度算法](日语词形相似度算法.md)，着こなし：きこなす，着こなし > 相当使い込まれた==ビンテージ==ものだよね > ヴィンテージ・ビンテージ・ビンテイジ [日语词形相似度算法](日语词形相似度算法.md)，这个最麻烦的地方就在于外来语本身就是在模仿外语发音，很难说谁是正确的拼写，[外来语](外来语.md)，ビンテージ > それで==ギャランティ==のほうは？ > ギャランティー・ギャランティ・ギャラティー [日语词形相似度算法](日语词形相似度算法.md)，[外来语](外来语.md)，ギャランティ 这个东西 > ケチャップの==程よい==酸味とソースの甘さが溶け合い > ほどよい・程よい・程良い・程好い 程よい ほどよい [日语词形相似度算法](日语词形相似度算法.md) > 後藤さん もっと愛情込めて==唱えない==と— > 唱える・となえる [自动辞书](自动辞书.md)的结果「唱えない」的辞书形是【唱う】，不联系上下文的话，很难说这个东西是错的 ## 12 君に朝が降る > まさか こんな==棚ぼた==展開が起こるなんて > 棚牡丹・たなぼた [日语词形相似度算法](日语词形相似度算法.md) 棚ぼた > ♪ ==色とりどり==の光 放つような > 色取り取り・いろとりどり [日语词形相似度算法](日语词形相似度算法.md)，啊……这个汉字少得也太多了吧 色とりどり