注意收集[[英语沉浸阅读工具]]这方面的工具
[[词形还原]]
[[编辑距离]] 算是一个比较重要的技术细分方向。
- [x] [[英语非辞书形辞典]] ESL is abbreviation for English as a Second Language
[[同一本词典中，为什么有的单词是英式拼写为主词条，有的则是美式？]]
```md
They’re crawling now, and they won’t reach the Solar System for more than eight hundred years.
win 取词算法有点问题，怀疑是 won 传了这个进去
大小写影响索引么
```
- [ ] 拆分和提取 [[NLTK]] 的LEMMMA 模块，但首先还是收集到足够的用户数据再说吧[[英语非辞书形辞典]]
- [ ] 计算英语单词的平均长度必须要考虑词频，不然没有意义，以母语者的词汇量作为参考，不过似乎也是4-5之间[[英语非辞书形辞典]]
[[译著介绍《词典编纂的艺术与技巧》（第二版）]]
[[英语标点符号]] 这个地方提到了「-」
[[好书推荐《词语侦探：〈牛津英语词典〉编纂回忆录》]] 算是这方面的书籍吧。
- [ ] I will come...==(Grunts)== 注意这个地方的字幕风格 Grunts 估计双击查词会误判，果然还是还是要用专门的工具来解析[[英语非辞书形辞典]]
> what are you ==doin'?==
> do
> doin' というのは「実際のセリフ（話し言葉）での発音を文字で表したもの」です。
>参考：<https://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q10250422815>
> ==Jade's==, uh... Cunning.
> Jade is
I am the ==major's== tool, but if he ==doesn't== need me anymore, then I should be discarded.
The full details of an ==industrial-strength== spell corrector are quite complex.
- [ ] [[关于单词的形变]]这个地方讨论了关于英语非辞书，果然是个复杂的问题。提到了 NLTK 其实只支持英语的 Lemmzation，不过，自己的工作其实就是就是尽量压缩大小，很多人都已经意识到了这个东西做起来非常麻烦，而且其实和上下文有点关系。
- [ ] https://github.com/michmech/lemmatization-lists/ 果然也有和[[英语非辞书形辞典]]非辞书类似的做法，只是自己花了点时间去压缩数据库大小
- [ ] 牛津拼写[[英语非辞书形辞典]] https://zh.wikipedia.org/zh-cn/%E7%89%9B%E6%B4%A5%E6%8B%BC%E5%86%99
- [x] [[英语非辞书形辞典]] 代码里面常见的 驼峰 蛇形
- [ ] https://en.wikipedia.org/wiki/Stemming [[英语非辞书形辞典]]可能就得从这里入手
英语词汇构词法规则库（数据清洗版） https://forum.freemdict.com/t/topic/33553
https://github.com/mhagiwara/github-typo-corpus 有趣，居然是手误的数据库233 [[英语非辞书形辞典]]
把Wordle和毕导的视频拿出来，[非辞書](非辞書.md)注意上面的资料中提到了Google开源了一个数据，电子书的词频[[英语非辞书形辞典]]
如果是用[[NLTK]]的话，那就顺便支持整句话直接标注音标
对于所有从事自然语言处理这一工作的，我都会推荐他们去看看下面这个链接中所介绍的拼写检查内容：http://norvig.com/spell-correct.htm。 [[NLTK基础教程：用NLTK和Python库构建机器学习应用]]
## TODO
Google的语料进行测试
https://github.com/mahavivo/english-dictionary 这一个应该是最全的 https://github.com/mahavivo/english-wordlists 这个应该是部分词表，不过自己更关注的是[[英语非辞书形辞典]]的研究，这个方向
[非辞書](非辞書.md)的英语以及其他语言的数据 https://github.com/BorisNA/wordforms
## 竞品
サクサク英文を読みたいあなたに https://ejje.weblio.jp/chrome-extention/