基于词库的汉字转拼音词库中既要包含每个字的拼音，也要包含常用单词/短语的读音。有些字是多音字，所以至少要保存其最常用的读音，不常用的读音多出现在单词短语里。你好世界杯我们的词库是这样子的：你：nǐ好：hǎo,hào世：shì界：jiè杯：bēi世界：shì,jiè你好：nǐ,hǎo苦尽甘来：kǔ,jìn,gān,lái词库中最长的词 苦尽甘来 包含4个字。所以 你好世界杯 从4个字开始匹配：判断 你好世界 是否在词库中，不在；判断 你好世 是否在词库中，不在；判断 你好 是否在词库中，在，得到 nǐ,hǎo ；判断 世界杯 是否在词库中，不在；判断 世界 是否在词库中，在，得到 shì,jiè ；判断 杯 是否在词库中，在，得到 bēi ；于是 你好世界杯 被转换为 nǐ,hǎo,shì,jiè,bēi 。
基于词库和分词工具的汉字转拼音纯粹的基于词库的方法在实际的使用中会遇到问题，例如 提出了解决方案 这句话中 了解 会被当作一个单词，所以会得到错误的结果：tí,chū,liǎo,jiě,jué,fāng,àn更好的方法是先进行分词得到：提出了解决方案然后基于词库对每个结果分别处理。基于HMM的拼音转汉字这里的拼音一般不带声调。将汉字作为隐藏状态，拼音作为观测值，使用viterbi算法可以将多个拼音转换成合理的汉字。例如给出 ti,chu,le,jie,jue,fang,an ，viterbi算法会认为 提出了解决方案 是最合理的状态序列。HMM需要三个分布，分别是：初始时各个状态的概率分布各个状态互相转换的概率分布状态到观测值的概率分布这个3个分布就是三个矩阵，根据一些文本库统计出来即可。viterbi算法基于动态规划，基于词库的拼音转汉字原则：词的权重大于字的权重；转换中匹配的词越多，权重越小。词库的格式是：拼音:单词:权重例如：ni:你:0.15 ni:泥:0.12 a:啊:0.18 hao:好:0.14 nihao:你好:0.6假如输入是 ni,hao,a ，我们计算一下各种组合的权重：组合 权重你,好,啊 0.15×0.14×0.18 = 0.00378泥,好,啊 0.12×0.14×0.18 = 0.003024你好,啊 0.6×0.18 = 0.108可以看出， 你好,啊 是最好的结果。实际实现中需要用到 动态规划 ， 和求有向无环图中两点之间最短距离类似。END