Google原生输入法LatinIME词库扩容（Windows10环境）

去年在Linux（ubuntu）环境下针对LatinIME进行词库扩容处理，针对LatinIME的词库构建进行了一些列分析，大家可以查阅历史文章。词库扩容最近试了一下是可以的，具体流程大致如下（windows10环境）：

1、安装MinGw以及gcc、g++、gdb等，下载地址：e795， 安装完成配置环境变量到path（..\mingw\bin）

2、进入到..\cpp\command目录进行make

windows下没有make命令的，需要到MinGw\bin目录下重命名mingw32-make.exe为make.exe，然后执行就行了。

3、make完成会看到当前目录下多了一个可执行文件：pinyinime_dictbuilder.exe

4、词库改动，这里以加入“堃”字为例，在rawdict_utf16_65105_freq.txt文件中加入：

然后在valid_utf16.txt文件中加入：

5、执行第3步中的可执行文件./pingyinime_dictbuilder.exe

输出如下:

此时到res/raw/目录下查看生成的新的词库dict_pinyin.dat，然后安装运行，测试就可以了。

 

*************************************************过程中遇到的问题**************************************************

1、make的时候报错：/mingw/bin/../lib/gcc/mingw32/9.2.0/../../../../mingw32/bin/ld.exe: cannot find -lpthread

原因：没有安装lpthread相关包，打开mingw installationin manager选中如下包，安装即可：

2、上面第四步中，为什么还要在valid_utf16.txt文件中加入一次？

原因：这个txt中存放的都是词库中已知的汉字，“堃”字之前是不包含在其中的，如果不加入，词库树构建的时候是不会把这个字当成一个有效的汉字的，因此在输入“kun”的时候也就无法为你匹配到。

3、关于词频，怎么来的目前还不知道是不是有什么公式来计算，但是用法想必大家都能猜到，词频数字越大，在匹配结果中越是靠前，并且以此为基础加入到user_dict中，user_dict中会在此基础上进行加权，当然加权的前提就是用户选择了该词频对应的词语（lemma），因此在rawdict_utf16_65105_freq.txt文件中词频小的lemma，最终在user_dict中不一定就小，根据用户的使用习惯也就形成了个性化的词库，每次匹配次序都是先user_dict，然后再标准词库。