言葉検索アルゴリズム思想-第三段階の単語ピンイン

第二段階では、単語をピンインに訳して問題を解決する必要があります。oscで検索：ピニャン、http://pinyin4j.sourceforge.net/ダウンロードして直接使用する:

public static void main(String[] args) {
	String item = "    ";
//	System.out.println(Arrays.toString(split(item)));
//	System.out.println(Arrays.toString(split("ylbg")));
//	System.out.println(Arrays.toString(split("yu,le,ba,gua")));
	ArrayList<String[]> list = pinyin(item);
	for (String[] arr : list) {
		System.out.println(Arrays.toString(arr));
	}
}

/**
 *     
 */
public static ArrayList<String[]> pinyin(String s) {
        HanyuPinyinOutputFormat defaultFormat = new HanyuPinyinOutputFormat();
        defaultFormat.setCaseType(HanyuPinyinCaseType.LOWERCASE); //   
        defaultFormat.setToneType(HanyuPinyinToneType.WITHOUT_TONE); //     
        String[] pinyinArray = null;
        ArrayList<String[]> list = new ArrayList<String[]>();
        for (char c : s.toCharArray()) {
		try {
			pinyinArray = PinyinHelper.toHanyuPinyinStringArray(c, defaultFormat);
		} catch (BadHanyuPinyinOutputFormatCombination e) {
			e.printStackTrace();
		}
		if (pinyinArray == null) {
			list.add(new String[] {String.valueOf(c)});
		} else {
			list.add(pinyinArray);
		}
	}
    return list;
}

出力:

[yu]
[le, yue]
[ba, ba]
[gua]

「楽」は多音字で、「八」も多音字で、「バ、バ」はそれぞれ第一声、第二声です。

//defaultFormat.setToneType(HanyuPinyinToneType.WITHOUT_TONE); //     

この行の注釈が外れていますが、「八」が出力しているのは「ba 1，ba 2」です。
しかし、これは私達の要求に合わないです。ユーザーの入力は第一音と第二音の区別ができないので、フィルタリングを行います。

/**
 *     
 */
public static ArrayList<String[]> pinyin(String s) {
        HanyuPinyinOutputFormat defaultFormat = new HanyuPinyinOutputFormat();
        defaultFormat.setCaseType(HanyuPinyinCaseType.LOWERCASE); //   
        defaultFormat.setToneType(HanyuPinyinToneType.WITHOUT_TONE); //     
        String[] pinyinArray = null;
        ArrayList<String> temp;
        ArrayList<String[]> list = new ArrayList<String[]>();
        for (char c : s.toCharArray()) {
		try {
			pinyinArray = PinyinHelper.toHanyuPinyinStringArray(c, defaultFormat);
		} catch (BadHanyuPinyinOutputFormatCombination e) {
			e.printStackTrace();
		}
		if (pinyinArray == null) {
			list.add(new String[] {String.valueOf(c)});
		} else {
			temp = new ArrayList<String>();
			for (String p : pinyinArray) {
				if (!temp.contains(p)) {
					temp.add(p);
				}
			}
			list.add(temp.toArray(new String[temp.size()]));
		}
	}
    return list;
}

出力:

[yu]
[le, yue]
[ba]
[gua]

ここに来て、一つの苦手な問題がすぐに上がってきます。多音字の組み合わせです。みんなは見ると、二つのグループがあることが分かりやすいです。
yu，le，ba，guaとyu，yue，ba，gua
機械をどう自分で組み合わせますか？