术语词典API项目

[nobodxbodon]

源于: #54 (comment)

以Web API为演示平台, 积累术语词典数据. 在数据基本稳定后, 根据未来需求支持多种形式的API(针对不同语言等). 想到的功能有:

• 输入英文术语, 返回对应的中文术语(可能在不同语境下有多个)
• 输入中文术语, 返回相关的英文术语
• 输入中(英)文关键词, 返回相关的中(英)文术语

原型代码库. 还需进一步完善API设计(之前的json草图).

在积累术语词条方面, 之前提过的几种可能的数据来源. 有遗漏请补充:

• @jeffreybaoshenlee 发现的书同文
• @htwx 的中文版TS源码

[nobodxbodon]

术语有几种:

• 代码命名(类/方法/变量)中的单词. 多数应与编程语言无关(比如model/view/controller), 但不排除有少数局限于特定编程语言/框架.
• 关键词(短语), 与编程语言相关.

考虑从商用相对较广泛, 命名风格相对稳定, 个人相对熟悉的语言开始着手(之前JDK中有过初步分析)

[nobodxbodon]

尝试翻译了词频前31位的(附在最后), 发现三方面问题, 前两个感觉与自然语言翻译问题(主要是上下文相关)想通. 词频较少的词反而这类问题不突出.

• 介词/助词, 如 to of, 需联系上下文.
  比如: Period.plus#amountToAdd, Long#toBinaryString, 很难找到一个对应中文适用于所有情况. amountToAdd可译为增(加的)量, 而toBinaryString可译为转换为二进制字符串.
  of略微简单些, 如Duration#ofMillis, String#copyValueOf, Book#getNumberOfPages, 多数表示xx的yy关系, 但是仍存在倒装/省略等情况需要额外(在最简单的替换之外)处理

• 近义词, 感觉最好区分对应中文, 但需要更细研究它们在原API中的区别

  • remove (68处) delete (13处)
    如Container#removeAll, Vector#removeElementAt, 相比File#deleteOnExit, Observable#deleteObservers, 尚未发现明显的区别, 但明显remove是多数
  • add (95) append (28)
    如Component#addMouseWheelListener, Time.plusSeconds#secondstoAdd, 相比DateTimeFormatterBuilder#appendOffset, DateTimeFormatterBuilder#appendPattern, 似乎在"添加/追加"方面没有太大区别, 不过add有额外的"加法"之意. 这也需要根据上下文进行相应处理.

• 难以找到对应中文的:
  如Bean, 考虑不翻译

附表: 前31个高频词

英	中
get	取
set	置
is	为
exception	例外
to
key	键
type	类型
name	名称
listener	监听器
class	类
method	方法
of
time	时间
event	事件
file	文件
new	新
add	添加
stream	流
default	默认
count	计数
focus	聚焦
value	值
input	输入
date	日期
long	长整型
size	大小
thread	线程
bean
path	路径
parameter	参数
remove	删除

[4b5ent1]

merge -> #88