数据结构的粗想

[Guanchishan]

前面提到数据结构化的问题。今天下午整理半天俗语，大概有了点思路。

id	tag	text	Yngping	Lo-ma-ce	meaning	word	sound	provider	provider from¹²	region	time	sex	source	contributor	contributor from
word	语词属性¹	语词原文	语词榕拼	语词教会罗马字	解释原文	调用用例语词²	语词音频	提供者名氏	提供者单位	适用地域	可使用该语词之年岁³	可使用该语词之性别⁴	字词出处	录入志愿者	录入志愿者单位
source⁵	⁶	参考或延伸原文⁷	N/A	N/A	N/A	⁸	N/A	参考或延伸作者	参考或延伸作者之单位	参考或延伸出版地	参考或延伸发布时间	N/A	N/A	N/A	N/A
tag	属性属性⁹
sound	录音属性	¹⁰						录音人名氏	录音人单位	录音人地域	录音人年岁	录音人性别	录音出处
theme¹³	意义素属性¹¹

¹如单字、句、文章；词性、褒贬义、类别；体裁。
²原本构思出了三种语词字段：word（字词）、sentence（句，各种俗语与词典提供的各种例句都算在内）、work（如《圣经》《筅堂洗厝好过年》或者闽剧剧本）。字词组成句，句组成文章。反过来，文章可析成一句句话去点击查看详情，句到字词亦然。（正如当时学长提出歌谣与俗语宜分属不同数据结构。）后来觉得正如以前对词汇、例句、俗语（#56、#64）等定义与分野的探讨一样，他们实在如光谱一般，是过渡的概念，彼此之间界限并不分明。不如都抹平，直接视为word，word之间再彼此调用作为用例等等？word本身可以通过声明体裁tag明确其为歌谣、歇后语乃至戏文，还可以加单字tag以明确这是单字，加新闻稿tag明确这是新闻稿等等。
³可能与性别tag功能重复。若把语词的性别信息集约至tag，则该字段可N/A。
⁴age最开始还是设计给录音人年岁用的。若用于语词，可能与年龄段tag功能重复。若把语词的使用者年龄信息集约至tag，则该字段可N/A。
⁵如果对语词参考文献及further reading进行结构化管理，那source字段就可以派上用场了。
⁶如果是维基，还会给source区分news、web、book、journal等等类别，但我们反正没必要这么弄。
⁷如Storia-di-Hokchew收录的那些原文，供链接不可用时备查。
⁸如Storia-di-Hokchew的keyword等。
⁹如农业工业商业tags的属性为行业，名词动词形容词tags的属性为词性，戏本歌谣歇后语等tags的属性为体裁等，以对tag统筹管理。
¹⁰sound依附于word，所以sound的文本不用附着于sound，而是sound附着于作为一个word的文本。
¹¹如词性、褒贬义、类别等。
¹²单位，如该用户来自微博就写Weibo，来自鼓楼区文化局就写鼓楼区文化局，最后显示就如Guanchishan@GitHub，或林行@鼓楼区文化局。鼓楼区文化局、福建省文史馆、福建师范大学文学院等文本可以看作一种背书。
¹³theme如何安排未考虑清楚。我想的是，94版《福州方言词典》的“啊”和98版《福州方言词典》的“啊”都是一个词——“啊”，那这两个“啊”就是同一个theme，该theme为“啊”。又如94版《福州方言词典》的“心肝搭搭，伓驚菩薩”和《熟语大全》的“心间搭搭，伓惊菩萨”明显是同一个俗语，则使theme相同。这还只是写法不同的例子。若同样是十二个月的水果歌谣，出现“番石榴罔好复无名”（连江，@siuze 提供）、“七月番石榴不上三盖灶”（海都报）、“七月番石榴无上三界桌”（不知名文献，麦羽提供）、“七月番石榴无上三界泉”（连江县志）等变体，也可同一theme否？并导入评审、权重机制？而且在这种情况下，标明来源与地域就异常重要了。

赋予唯一识别码后，就方便进行版本管理、大众验证等等了。

[Guanchishan]

2020年8月15日榕典、输入法例会上，与会者提出对榕典数据结构的远期展望：

高度结构化的读音数据

• 目前榕典以多来源词典自况，数据结构是以一本本词典为本位，同一词汇的详情是先分词典再展开具体解释的
• 若高度结构化，则词条页下先分各破读，各破读下记载其文白读性质/读音来源/读音对应地域等信息（参考粤语词典）

高度结构化的释义数据（工作量太大，没有明确划分/操作标准）

• 类似维基数据，把义项从辞书中总结出来，各义项下附辞书来源并绑定相关例句