Concise 0.3.6 preview!

新的 Concise 0.3.6 即將釋出，現在先放個預覽的版本出來。新版本有幾項特點，將會在底下敘述。在觀看的同時，也別猶豫去下載新的版本回來玩玩。
A Preview version of Concise 0.3.6 is out.  There are several highlights described below.  Don't hesitate to give it a try.

The Workspace 工作空間

「工作空間」（workspace）的概念從 Concise 0.3.0 開始推出，作為檔案管理的新模式。工作空間的推出讓檔案共享成為可能，因為所有需要的檔案都存在裡面（將來應該會把原始檔案一併納入）。除此之外，新的 Concise 也能讓您同時在多個工作空間中進行文字處理（見下圖）。
As introduced in Concise 0.3.0, "Workspace" creates a new way of (corpus) file management.  This make workspace-sharing possible.  Moreover, you may even work on multiple workspaces at the same time (see below).  

體驗散佈圖的魅力 Experience Dispersion Plots: Concordance Plotter & Document Viewer

Concise 0.3.6 改變了散佈圖的顯示方式。在 Concordance Plotter 當中，散佈圖顯示關鍵詞在每個文件中出現的位置，告訴您那些關鍵詞會在文件的哪個部分被提到，在哪些部分特別集中，而哪些部分幾乎不曾提及。如果你需要比較詳細的資訊，可以打開 Document Viewer（文件顯示器），右方同樣會顯示關鍵詞的散佈圖，在內文也會用色塊標出。
Concise 0.3.6 change the way to display dispersion plot.  Dispersion plot at Concordance Plotter shows where the search word occurs in the document which the current entry belongs to.  That way you can see where mention is made most of your search word in each document.  If you are interested in detailed context, Document Viewer also provides dispersion plot (right hand side).  

詞性標注 Part-of-speech tagging

Concise 0.3.6 可以進行自動的詞性標注，這得感謝 Stanford Log-linear Part-Of-Speech Tagger。目前預設的模型是 chinese-distsim.tagger，你可以從 Stanford 下載其他的模型。

Auto part-of-speech (詞性)  tagging is enabled in Concise 0.3.6.  Thanks to Stanford Log-linear Part-Of-Speech Tagger.  The default model is "chinese-distsim.tagger".  You can download other models directly from Stanford.

有了這個功能後，現在的 Concise 便擁有處理原始（未分詞）中文文件的能力。整個輸入的過程，可以用三個階段來說明：

• 用MMSeg進行分詞（可以指定自己的詞典）
• 詞性標注
• 對文件進行索引

Concise now has the capacity to handle raw (un-tokenized) Chinese documents.  This is a three-stage procedure:

• Word Segmentation (tokenize) with MMSeg (specify custom dictionaries)
• Part-Of-Speech Tagging
• Indexing

類碼化（實驗性） Lemmatisation: an experimental feature

類碼還處於試驗階段，沒有辦法保證結果。

Lemma is in experimental stage.  The result may be incorrect.

類碼指的是一套詞彙的名義形式。舉例來說，在英文裡頭 run, runs, ran, running 都是同樣語義的詞形，而 run 是這些詞形的類碼。但是在中文裡頭，我覺得還是把類碼當作詞彙類別的群組會比較適當。

A lemma (plural lemmas or lemmata) is the canonical form of a set of words.  In English, for example, run, runs, ran and running are forms of the same lexeme, with run as the lemma.  However, in Chinese, I think lemma is better to be understood as the category or group of a set words.

來試試吧！Give it a try!

Download Concise now.