来自CMU发音数据库的押韵词典

Question

我正在寻找一个免费或开源的押韵数据库。

我找到了CMU发音“数据库”及其系列应用，但我无法理解它们或弄清楚数据的来源。

我需要一个包含单词及其音素的简单文本文件。

这里有人知道我在哪里找到一个或我从哪里开始从CMU文件中获取这样的列表？

Answer 1

cmudict

cmudict是一个文本文件，它的格式非常简单。首先，列出这个词。然后，有两个空格。两个空格之后的一切都是发音。如果一个单词可能有两种不同的说话方式，你会看到两个条目，如

word
word(1)

在文件的开头，他们列出了符号和标点符号。符号之后是所述符号名称的英文拼写，它们之间没有空格。然后是两个空间分隔符和arpabet代码。由于你只是在寻找押韵，你不需要对符号部分做任何特殊的事情，因为你永远不会在寻找...ELLIPSIS

的押韵

ARPAbet

有关ARPAbet代码如何映射到IPA的信息列在维基百科http://en.wikipedia.org/wiki/Arpabet中，每个映射都显示示例单词。很容易看出这两者如何相互关联，如果您熟悉IPA，这可能有助于您了解如何阅读ARPAbet代码。

摘要

基本上，如果你已经找到了cmudict，那么你已经得到了你所要求的：一个单词及其发音的数据库。要查找押韵的单词，您必须将平面文件解析为表并运行查询以查找以相同ARPAbet代码结尾的单词。

做事物的一般理论

部分：东西

1. 创建新数据库
2. 在数据库中创建一个包含三个字段的表：index，word，arpabet
3. 逐行阅读cmudict文件
4. 对于每一行将其分成两部分，其中找到两个连续的空格AND
5. 增加索引计数，然后插入索引号，单词和arpabet代码

然后嗯...

一旦您将数据输入您选择的任何类型的数据库，您就可以使用该数据库查找arpabet代码之间的相关性。你可以找到押韵，灵犀，共鸣和其他助记设备。它会像

部分：事情

1. 得到一个你想找到押韵的词
2. 在数据库中查询等同于
的arpabet
3. 将arpabet代码拆分成碎片，到处都有空格
4. 取最后一段代码，并在数据库中查询其arpabet代码最终匹配的单词
5. 用韵律来做奇特的事情

快捷方式和剧透

我感到无聊并写了一个Node.js模块，其中涵盖了上面列出的“Part：Stuff”。如果您已在计算机上安装了Node.js，则可以通过运行npm install cmudict-to-sqlite来获取该模块。有关自述文件，请参阅https://npmjs.org/package/cmudict-to-sqlite或仅查看模块中的文档。

Answer 2

使用CMU Pronouncing Dictionary

的Rhyme Logic

行。假设您要使用CMU Pronouncing Dictionary数据（示例文件：cmudict-0.7b）来构建与＆＃34; LOVE＆＃34;押韵的所有单词的列表。

以下是如何做到的：

首先，你需要学习＆＃34; LOVE＆＃34;的发音。你会在字典中找到这一行，其中＆＃34; LOVE＆＃34;和＆＃34; L AH1 V＆＃34;由两个空格分隔：

LOVE  L AH1 V

这就是说LOVE这个词的发音类似于L AH1 V。

然后，找到有主要压力的元音音素。换句话说，寻找数字＆＃34; 1＆＃34;在那个发音。直接位于1左侧的文本是具有主要压力（AH）的元音。那段文字，以及它右侧的一切都是你的韵律音符＆＃34; （因缺乏更好的术语）。所以LOVE的押韵音素是AH1 V。

我们已经完成了一半！现在我们只需要找到其发音以AH1 V结尾的其他单词。如果您在Notepad ++中进行游戏，请使用＆＃34;正则表达式＆＃34;的搜索模式尝试查找模式AH1 V$的当前所有文档。这将匹配如下行：

Line 392: ABOVE  AH0 B AH1 V
Line 10266: BELOVE  B IH0 L AH1 V
Line 30204: DENEUVE  D IH0 N AH1 V
Line 30205: DENEUVE(1)  D IY0 N AH1 V
Line 34064: DOVE  D AH1 V
Line 48177: GLOVE  G L AH1 V
Line 49053: GOV  G AH1 V
... etc

押韵喔！

有很多方法可以实现这一点，以及大量的角落案例，但这大致是许多电子押韵词典在寻找完美押韵时所采取的方法。

存储押韵数据的假设SQL方法

显然，如果你每次有人想要押韵时只是扫描字典，性能就会成为一个问题。如果这是一个问题，您可能会尝试以不同方式存储或索引数据。

虽然它不是最有效的磁盘空间，但我已经很好地将这些内容存储在带有索引列的SQL表中。

对于一个简单的概念示例，您可以计算＆＃34;押韵音素＆＃34;在字典中的所有单词，然后将它们插入到＆＃34; Rhymes＆＃34;列为{WordText，RhymePhonemes}的表。例如，您可能会看到以下记录：

{"ABOVE", "AH1 V"}
{"DOVE", "AH1 V"}
{"OUTLIVE", "IH1 V"}
{"GRADUATE", "AE1 JH AH0 W AH0 T"}
{"GRADUATE", "AE1 JH AH0 W EY2 T"}

...等

然后，要查找押韵，您可以发出如下查询：

SELECT OTHER.WordText
FROM Rhymes INPUT
     INNER JOIN Rhymes OTHER ON OTHER.RhymePhonemes = INPUT.RhymePhonemes
WHERE INPUT.WordText = 'love' AND
      OTHER.WordText <> INPUT.WordText
ORDER BY OTHER.WordText

如果您计划打印一个字典，将所有类似发音的单词组合在一起，这也会派上用场。

当然，还有很多其他方法来存储/搜索不同权衡的数据，但希望这可以让你开始。

我还有一些运气将原始发音存储在数据库中的各种各样的＆＃34; full＆＃34;格式（发音的正向和反向弦，带有应力标记和没有应力标记等）但不是＆＃34;切断＆＃34;像韵 - 音素列一样特定的部分。

陷阱

再一次，原来的解释是＆＃34;爱＆＃34;绝对会让你进入押韵的球场。但是，在此过程中，您可能会遇到其他问题需要考虑。这是一个单挑：

1. 有些单词有多个发音。在CMU词典中，备用发音标记为(1)，(2)等文字，如GRADUATE(2)中的单词一样。如果有人想要这些单词的押韵，你必须决定显示所有匹配发音的押韵，或让用户选择他们真正意义上的发音。
2. 当发音有两个或更多＆＃34; 1＆＃34; s时，你会怎么做？选择第一个？选最后一个？如果你选择最后一个，你会发现更多的押韵，但它可能不是最自然的压力选择。
3. 当发音没有＆＃34; 1＆＃34; s时你会怎么做？它并没有发生很多，但它发生了，如：ACCREDIT AH0 K R EH2 D AH0 T和AIKIN EY0 K IH0 N。在这种情况下，我选择下一个最佳压力（例如，如果1不存在则选择2,3,4等）。如果他们都是0，那么我没有任何好的建议。
4. 缺少一些发音。这是一个很好的开始，但它并没有你想要的所有单词或拼写单词。美国拼写比英国拼写​​更受欢迎。
5. 有些发音不是你所期望的，你可能想要修剪。例如，有＆＃34;或＆＃34;的发音。这听起来像＆＃34;呃＆＃34;。
6. 您可能想要比较＆＃34;押韵音素＆＃34;去除了压痕。这只对主要压力不在最后一个元音上的单词很重要（所以你不会在＆＃34;爱＆＃34;例子中看到问题）。

Answer 3

我现在正在使用Plate建议的一般方法并对其进行扩展，正在积极地进行此类工作。 Here's my source code.希望对您有所帮助！

Answer 4

如果您只使用一个小的演示子集，您可以随时使用http://www.rhymezone.com/并搜索单词然后将其押韵匹配放入文本文件中。如果你想要一个完整的单词数据库。您可以将字典连接到zombieJS UI自动化，然后屏幕抓取单词并将它们放入您自己的数据库中。这将允许您创建自己的押韵数据库。虽然说实话，这对你的原始请求是一项承诺