词嵌入的语言诊断
ldt的Python项目详细描述
一个语言诊断工具包（LDT）。图片：：https://travis-ci.com/annargrs/ldt.svg？branch=master
：目标：https://travis ci.com/annargrs/ldt
：alt:build status
。包含标记begin don not remove
*从统一接口查询大量字典以执行**拼写规范化、元素化、形态分析、从wordnet检索语义关系、wiktionary、babelnet**，等等。
*以上是**探索和分析单词嵌入**，即单词作为向量的酷分布表示。
如果您从未听说过单词嵌入--您错过了，这里是"简介"<；https://www.shanelynn.i e/get busy with word embeddings introduction/>；`。如果有，请访问"项目网站"以获取一些新的研究结果。如果您不关心单词嵌入，您仍然可以使用ldt作为nltk、spacy和其他伟大的nlp工具的补充。
**注意：**ldt正在积极开发中；英语的所有字典功能和运行实验的脚本都已经可用。与"vecto library<；vecto.space>；"集成和优化将在最近几周内完成；请经常更新您的安装。您还可以加入"讨论"https://groups.google.com/forum/！论坛/语言诊断>；``小组讨论您的结果，并获得有关新版本的通知！
---------------------------
用于分析单词嵌入的ldt
---------------------------
`install and configure<；https://ldt.readthedocs.io/tutorial/installation.html>；`\u
ldt，并运行此示例脚本（和/或将其更改为调整"resources<；https://ldt.readthedocs.io/tutorial/dicts/index.html>；`
用于关系检测：
：：
python3-m ldt.实验。默认工作流
|51.819 52.061 52.9
>+---------+------+-----+
>共享操作30.061 35.507 31.706
+-------+----+-----+--------+br/>>52.061.819 52.819 52.819；52.061.819/>同义词0.413 0.443 0.447
+二、二、三、三、三、三、三、三、三、三、三、四、四、四、四、四、四、四、四、四、四、四、四、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六
+—————————————————————————————————————————————+-——+———————————————13.546 9.914 12.809 12.809 13.546 13.546 9.914 12.809
+——————————————————————————————————————————————————————————————————————————hbors 25.209 49.934 21.41
+—————————————————————————————————————————————————————————————————————————————————————————————这些信息来自于大量的词典（见下文），您可以微调要使用的词典。
ldt profile解释了您的嵌入模型实际捕获的信息类型。这可以帮助您预测模型在
特定任务上的性能，并给出一些改进方法。
60个嵌入式和21个
数据集的大规模实验结果。<；http://ldtoolkit.space/analysis/correlation/>；`
是的，你听对了，你可以使用自己的词汇示例，这个示例对于你正在优化的任何下游任务都是有意义的！
注意：
请继续关注，我们正在努力使其更快。
目前只为嵌入提供分布分析
在我们的"预处理维基百科转储"上进行了培训，http://ldtoolkit.space/task\u data/>；` `，
它也可以在依赖分析版本中使用。
从任何其他
语料库中计算分布信息的能力即将到来。
一对词中可能包含的c关系。这个超级复杂的
过程现在可以在一次单击中执行：
>>；>；relation\u analyzer=ldt.relations.relationsinpair（）
>；>；relation\u analyzer.analyze（"黑"、"白"）
{下义：真，
"sharedmorpform"：真，
"sharedpos"：真，
"同义词"：真，
"反义词"：真，
"最短路径"：0.058823529411764705，
"关联"：真}
不用说，*white*和*black*并不总是反义词。
上下文依赖是我们正在考虑的问题，请关注未来的工作。
-——————————————————————————————————————————————————————————————————————————————————————您可以在一次单击中访问任何给定单词的所有组合信息：
>；>；封装=ldt.word（"封装"）
>；>；封装.pp_info（）
==Derivational info=====
词干：封装，封装，封装
后缀：-ion，-ate
前缀XES:en-
其他派生词：
相关词：封装、封装审查、glissonian封装、封装、封装
语义信息=======额外的单词类===
属性：false
噪声：false
数字：false
url:false
标签：false
文件名：false
外来词：false
拼写错误：false
缺少：false
要提供这一点，ldt查询各种新旧资源。相应地，
它们现在都可以从一个统一的python接口访问，
将ldt作为nltk的伙伴，在其他nlp研究领域作为nltk的伙伴，使ldt可以在其他nlp研究领域作为nltk的伙伴使用。
ldt资源的一些快速亮点：
>>++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++是的从Wordnet，Wiktionary，Wiktionary，Wiktiona词典，Babelnet上检索相关词汇：
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++br/>>>>；wiktionary.获取关系（"白色"，回复lation="同义词"）
['pale'，'fair']
>；>>wikisaurus=ldt.dicts.semantics.wikisaurus（）
>；>>wikisaurus.get"relations（"cat"，relations="all"）
{同义词：['tabby'，'puss'，'cat'，'kitty'，'moggy'，'housecat'，'malkin kitten'，'tom'grimalkin'，'pussy cat'，'mous'er'、'pussy'、'queen'、'tomcat'、'mog'、
'下义名'：[]、
'上义名'：['哺乳动物'、'食肉动物'、'脊椎动物'、'猫'、'动物'、'生物'，
'反义词'：[]、
'鱼龙'：[]}
>；>；babelnet=ldt.dicts.semantics.babeblnet（）
>；>；babelnet.get-relations（"senator"，关系=（"超名称"）
{超名称'：['le基斯拉蒂夫议会、大都会议会、波兰议会、立法议席、罗马参议员、乐队、上院、政治领袖、新兵、音乐团、长老会、政治家、政治领袖、独奏计划、政策制定者、政治人物、政策制定者、政策制定者米兰荣誉大主教"，"审议大会"，"合奏"，"职业政治"，"独奏项目"，"音乐组合列表"，"立法"，"罗马参议员"，"米兰大主教"，"政治"，"摇滚乐队"，"部门领导"，"音乐组织"，"音乐组合"，"四件套"，"罗马CA意大利米兰大主教教区、上议院、米兰大主教教区、乐队、米兰使徒教会、立法部门、团体、独奏项目、音乐合奏、立法者、罗马参议员、政府立法部门、独奏法案、赞助、罗马天主教大主教米兰议会、酒吧乐队、罗马参议院、审议机构、米兰议会、立法机关、音乐团体、安布罗西安天主教会、奥里萨邦立法机关、政府立法部门、政客名单、参议院中尉、罗马天主教大教区"奥迪沙岛"、"乐队成员"、"集会"、"米兰大教区"、"米兰主教"、"合奏音乐"、"独奏音乐家"、"音乐二重奏"、"政府立法部门"、"第一议院"、"政治家"、"立法机构"、"政治领导人"、"政治"、"音乐团体"、"立法机构"、"立法机构"职业政治家、立法机关、摇滚乐队、立法权力、米兰教区、音乐团、音乐组织、修订室、米兰大主教、政治领袖、审议大会、应征入伍者、五人制、天主教米兰教区、流行乐"CK U乐队"，"Senatrix"，"议事机关"，"政治"，"罗马参议院"，"立法政治"，"米兰主教"，"立法分支"，"音乐乐队"，"米兰大主教"，"立法机关"，"大会"，"音乐团体"，"器乐团"，"政治表演"，"拍子"，"上议院"，"S"《基本法》、《征兵》、《立法者》、《立法者》]}
+br/>+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
>；>派生dict.dict=ldt.dict.dict.dicts.dicts.dicts。派生dicts.dicts.dicts.dicts。派生dicts.dicts.dicts。派生派生。派生。派生。派生。派生。派生。派生。派生。派生。比尔/>'其他'：[]，
'前缀'：[]，
'相关单词'：['善良'，'善良'，'善良'，'善良'，'善良'，'善良'，'许多善良'，'第一类'，'善良'，'无火'，
'根'：['善良'，
'后缀'：['-无火'}
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
可靠的元素化，具有有效的规则和连接/babelnet:
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
wordnet元素化器受词库大小的限制，即使
形态学模式对wa是直接的。研究方向：
>>>gt；morf-metadict=ldt.dicts.mat形态学.morphmetadict（）
>>gt>gt；morf-metadict.metadict.metadict.lemmatize（"gpus"）
['gpu']
>
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
向量邻域通常充满预处理噪声噪声噪声噪声，而向量邻域通常充满预处理噪声。还有错别字林斯ldt尽其所能清理一些简单的情况：
>；>analyzer=ldt.dicts.normalize.normalization（）
>；>analyzer.normalize（"%语法"）
{lemmas'：['grammar'，
'在'：['wordnet'，
'单词分类'：['misspellings'，
'pos'：['noun'}
>>gt；analyzer.normalize（"gram mar"）
{found_in'：['wordnet']，
'lemmas'：['grammar']，
'word_categories'：['misspellings']，
'pos'：['noun']}
>；>；analyzer.normalize（"grammalexicon"）
{found_in'：['wordnet']，
'lemmas'：['grammar'，'lexicon，
'word_类别'：['misspellings']，
'pos'：['noun']}
ldt还提供了更正频繁的拼写错误模式
（仅适用于高度确定的情况）：
>；>spellchecker@ldt.dicts.spellcheck.spellchecker en（）
>；>spellchecker@u en.spelling@nazitrary（"abritary"）
"任意"
……包含标记端不删除
——
——
快速链接
——
*`安装说明<；https://ldt.readthedocs.io/tutorial/installation.html>；` ` `*`项目网站<；http://ldtoolkit.space>；` `*` tutorial<；https://ldt.readthedocs.io/tutorial/index.html>；` `*`API参考资料lt；https://ldt.readthedocs.io/genindex.html>；` `.
*`已发表的研究成果lt；http://aclweb.org/antology/c18-1228>；` ` `.
*`Word Embeddedings排行榜<；http://ldtoolkit.space/leaderboard/>；` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `h下游任务性能<；http://ldtoolkit.space/analysis/correlation/>；` `.
----
support
----
如果有问题不起作用，请在github上打开一个问题。
----
多语言性
----
是的，ldt是多语言的！至少，就查询语义关系而言
。ldt支持babelnet，这是可用的最大的多语言词典资源-
，因此它们拥有的所有内容都是可检索的。许多其他ldt模块（特别是形态学模块）都是特定于语言的，目前只有英语是完全支持的。但是，添加其他语言的基础设施已经就位，因此如果您可以找到或创建
语言的词缀列表，则开发将很容易。如果您想参与进来，请与我们联系。
法律警告：ldt是开源自由软件。仓鼠在生产过程中不会受到伤害，
使用仓鼠也不会造成伤害。但是，没有任何保证。
v.0.4.0，2018-11-14
*错误修复
v.0.3.9，2018-11-04
*注释模块中的多核处理
*查询超时设置
*LDT资源中的并发数据的优化加载
*现在选择语料库统计l
*小修正
v.0.3.0，2018-10-08
*实验包：
-使用可选规范化提取向量邻域
-使用语言关系注释向量邻域
-分析结果
-自动记录所有实验的元数据ments
*错误修复
v 0.2.12018-09-25。
*错误修复。
*教程；
*19个ld变量，包括本体路径；
*使用特定语言派生模式检测反义词；
*错误修复。
v0.1.0182018-08-15--in初始发布。
*从babelnet、wiktionary、wikisaurus和english wordnet检索词典信息；
*从相同的资源检索形态学信息；
*使用wordnet和english的自定义规则进行元素化；
*基于自定义规则的生产性分析英语的后缀和前缀；
*分析词典词源
*按子词长度过滤的自定义复合拆分例程；
*修复频繁拼写错误的4个自定义模式。
：目标：https://travis ci.com/annargrs/ldt
：alt:build status
。包含标记begin don not remove
*从统一接口查询大量字典以执行**拼写规范化、元素化、形态分析、从wordnet检索语义关系、wiktionary、babelnet**，等等。
*以上是**探索和分析单词嵌入**，即单词作为向量的酷分布表示。
如果您从未听说过单词嵌入--您错过了，这里是"简介"<；https://www.shanelynn.i e/get busy with word embeddings introduction/>；`。如果有，请访问"项目网站"以获取一些新的研究结果。如果您不关心单词嵌入，您仍然可以使用ldt作为nltk、spacy和其他伟大的nlp工具的补充。
**注意：**ldt正在积极开发中；英语的所有字典功能和运行实验的脚本都已经可用。与"vecto library<；vecto.space>；"集成和优化将在最近几周内完成；请经常更新您的安装。您还可以加入"讨论"https://groups.google.com/forum/！论坛/语言诊断>；``小组讨论您的结果，并获得有关新版本的通知！
---------------------------
用于分析单词嵌入的ldt
---------------------------
`install and configure<；https://ldt.readthedocs.io/tutorial/installation.html>；`\u
ldt，并运行此示例脚本（和/或将其更改为调整"resources<；https://ldt.readthedocs.io/tutorial/dicts/index.html>；`
用于关系检测：
：：
python3-m ldt.实验。默认工作流
|51.819 52.061 52.9
>+---------+------+-----+
>共享操作30.061 35.507 31.706
+-------+----+-----+--------+br/>>52.061.819 52.819 52.819；52.061.819/>同义词0.413 0.443 0.447
+二、二、三、三、三、三、三、三、三、三、三、四、四、四、四、四、四、四、四、四、四、四、四、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六、六
+—————————————————————————————————————————————+-——+———————————————13.546 9.914 12.809 12.809 13.546 13.546 9.914 12.809
+——————————————————————————————————————————————————————————————————————————hbors 25.209 49.934 21.41
+—————————————————————————————————————————————————————————————————————————————————————————————这些信息来自于大量的词典（见下文），您可以微调要使用的词典。
ldt profile解释了您的嵌入模型实际捕获的信息类型。这可以帮助您预测模型在
特定任务上的性能，并给出一些改进方法。
60个嵌入式和21个
数据集的大规模实验结果。<；http://ldtoolkit.space/analysis/correlation/>；`
是的，你听对了，你可以使用自己的词汇示例，这个示例对于你正在优化的任何下游任务都是有意义的！
注意：
请继续关注，我们正在努力使其更快。
目前只为嵌入提供分布分析
在我们的"预处理维基百科转储"上进行了培训，http://ldtoolkit.space/task\u data/>；` `，
它也可以在依赖分析版本中使用。
从任何其他
语料库中计算分布信息的能力即将到来。
一对词中可能包含的c关系。这个超级复杂的
过程现在可以在一次单击中执行：
>>；>；relation\u analyzer=ldt.relations.relationsinpair（）
>；>；relation\u analyzer.analyze（"黑"、"白"）
{下义：真，
"sharedmorpform"：真，
"sharedpos"：真，
"同义词"：真，
"反义词"：真，
"最短路径"：0.058823529411764705，
"关联"：真}
不用说，*white*和*black*并不总是反义词。
上下文依赖是我们正在考虑的问题，请关注未来的工作。
-——————————————————————————————————————————————————————————————————————————————————————您可以在一次单击中访问任何给定单词的所有组合信息：
>；>；封装=ldt.word（"封装"）
>；>；封装.pp_info（）
==Derivational info=====
词干：封装，封装，封装
后缀：-ion，-ate
前缀XES:en-
其他派生词：
相关词：封装、封装审查、glissonian封装、封装、封装
语义信息=======额外的单词类===
属性：false
噪声：false
数字：false
url:false
标签：false
文件名：false
外来词：false
拼写错误：false
缺少：false
要提供这一点，ldt查询各种新旧资源。相应地，
它们现在都可以从一个统一的python接口访问，
将ldt作为nltk的伙伴，在其他nlp研究领域作为nltk的伙伴，使ldt可以在其他nlp研究领域作为nltk的伙伴使用。
ldt资源的一些快速亮点：
>>++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++是的从Wordnet，Wiktionary，Wiktionary，Wiktiona词典，Babelnet上检索相关词汇：
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++br/>>>>；wiktionary.获取关系（"白色"，回复lation="同义词"）
['pale'，'fair']
>；>>wikisaurus=ldt.dicts.semantics.wikisaurus（）
>；>>wikisaurus.get"relations（"cat"，relations="all"）
{同义词：['tabby'，'puss'，'cat'，'kitty'，'moggy'，'housecat'，'malkin kitten'，'tom'grimalkin'，'pussy cat'，'mous'er'、'pussy'、'queen'、'tomcat'、'mog'、
'下义名'：[]、
'上义名'：['哺乳动物'、'食肉动物'、'脊椎动物'、'猫'、'动物'、'生物'，
'反义词'：[]、
'鱼龙'：[]}
>；>；babelnet=ldt.dicts.semantics.babeblnet（）
>；>；babelnet.get-relations（"senator"，关系=（"超名称"）
{超名称'：['le基斯拉蒂夫议会、大都会议会、波兰议会、立法议席、罗马参议员、乐队、上院、政治领袖、新兵、音乐团、长老会、政治家、政治领袖、独奏计划、政策制定者、政治人物、政策制定者、政策制定者米兰荣誉大主教"，"审议大会"，"合奏"，"职业政治"，"独奏项目"，"音乐组合列表"，"立法"，"罗马参议员"，"米兰大主教"，"政治"，"摇滚乐队"，"部门领导"，"音乐组织"，"音乐组合"，"四件套"，"罗马CA意大利米兰大主教教区、上议院、米兰大主教教区、乐队、米兰使徒教会、立法部门、团体、独奏项目、音乐合奏、立法者、罗马参议员、政府立法部门、独奏法案、赞助、罗马天主教大主教米兰议会、酒吧乐队、罗马参议院、审议机构、米兰议会、立法机关、音乐团体、安布罗西安天主教会、奥里萨邦立法机关、政府立法部门、政客名单、参议院中尉、罗马天主教大教区"奥迪沙岛"、"乐队成员"、"集会"、"米兰大教区"、"米兰主教"、"合奏音乐"、"独奏音乐家"、"音乐二重奏"、"政府立法部门"、"第一议院"、"政治家"、"立法机构"、"政治领导人"、"政治"、"音乐团体"、"立法机构"、"立法机构"职业政治家、立法机关、摇滚乐队、立法权力、米兰教区、音乐团、音乐组织、修订室、米兰大主教、政治领袖、审议大会、应征入伍者、五人制、天主教米兰教区、流行乐"CK U乐队"，"Senatrix"，"议事机关"，"政治"，"罗马参议院"，"立法政治"，"米兰主教"，"立法分支"，"音乐乐队"，"米兰大主教"，"立法机关"，"大会"，"音乐团体"，"器乐团"，"政治表演"，"拍子"，"上议院"，"S"《基本法》、《征兵》、《立法者》、《立法者》]}
+br/>+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
>；>派生dict.dict=ldt.dict.dict.dicts.dicts.dicts。派生dicts.dicts.dicts.dicts。派生dicts.dicts.dicts。派生派生。派生。派生。派生。派生。派生。派生。派生。派生。比尔/>'其他'：[]，
'前缀'：[]，
'相关单词'：['善良'，'善良'，'善良'，'善良'，'善良'，'善良'，'许多善良'，'第一类'，'善良'，'无火'，
'根'：['善良'，
'后缀'：['-无火'}
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
可靠的元素化，具有有效的规则和连接/babelnet:
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
wordnet元素化器受词库大小的限制，即使
形态学模式对wa是直接的。研究方向：
>>>gt；morf-metadict=ldt.dicts.mat形态学.morphmetadict（）
>>gt>gt；morf-metadict.metadict.metadict.lemmatize（"gpus"）
['gpu']
>
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
向量邻域通常充满预处理噪声噪声噪声噪声，而向量邻域通常充满预处理噪声。还有错别字林斯ldt尽其所能清理一些简单的情况：
>；>analyzer=ldt.dicts.normalize.normalization（）
>；>analyzer.normalize（"%语法"）
{lemmas'：['grammar'，
'在'：['wordnet'，
'单词分类'：['misspellings'，
'pos'：['noun'}
>>gt；analyzer.normalize（"gram mar"）
{found_in'：['wordnet']，
'lemmas'：['grammar']，
'word_categories'：['misspellings']，
'pos'：['noun']}
>；>；analyzer.normalize（"grammalexicon"）
{found_in'：['wordnet']，
'lemmas'：['grammar'，'lexicon，
'word_类别'：['misspellings']，
'pos'：['noun']}
ldt还提供了更正频繁的拼写错误模式
（仅适用于高度确定的情况）：
>；>spellchecker@ldt.dicts.spellcheck.spellchecker en（）
>；>spellchecker@u en.spelling@nazitrary（"abritary"）
"任意"
……包含标记端不删除
——
——
快速链接
——
*`安装说明<；https://ldt.readthedocs.io/tutorial/installation.html>；` ` `*`项目网站<；http://ldtoolkit.space>；` `*` tutorial<；https://ldt.readthedocs.io/tutorial/index.html>；` `*`API参考资料lt；https://ldt.readthedocs.io/genindex.html>；` `.
*`已发表的研究成果lt；http://aclweb.org/antology/c18-1228>；` ` `.
*`Word Embeddedings排行榜<；http://ldtoolkit.space/leaderboard/>；` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `h下游任务性能<；http://ldtoolkit.space/analysis/correlation/>；` `.
----
support
----
如果有问题不起作用，请在github上打开一个问题。
----
多语言性
----
是的，ldt是多语言的！至少，就查询语义关系而言
。ldt支持babelnet，这是可用的最大的多语言词典资源-
，因此它们拥有的所有内容都是可检索的。许多其他ldt模块（特别是形态学模块）都是特定于语言的，目前只有英语是完全支持的。但是，添加其他语言的基础设施已经就位，因此如果您可以找到或创建
语言的词缀列表，则开发将很容易。如果您想参与进来，请与我们联系。
法律警告：ldt是开源自由软件。仓鼠在生产过程中不会受到伤害，
使用仓鼠也不会造成伤害。但是，没有任何保证。
v.0.4.0，2018-11-14
*错误修复
v.0.3.9，2018-11-04
*注释模块中的多核处理
*查询超时设置
*LDT资源中的并发数据的优化加载
*现在选择语料库统计l
*小修正
v.0.3.0，2018-10-08
*实验包：
-使用可选规范化提取向量邻域
-使用语言关系注释向量邻域
-分析结果
-自动记录所有实验的元数据ments
*错误修复
v 0.2.12018-09-25。
*错误修复。
*教程；
*19个ld变量，包括本体路径；
*使用特定语言派生模式检测反义词；
*错误修复。
v0.1.0182018-08-15--in初始发布。
*从babelnet、wiktionary、wikisaurus和english wordnet检索词典信息；
*从相同的资源检索形态学信息；
*使用wordnet和english的自定义规则进行元素化；
*基于自定义规则的生产性分析英语的后缀和前缀；
*分析词典词源
*按子词长度过滤的自定义复合拆分例程；
*修复频繁拼写错误的4个自定义模式。
欢迎加入QQ群-->： 979659372
