ChsPinyinUDL：词频校准与四种格式

输入法词典的价值不在词表有多大，而在词频排序对不对。同一份词表，词频不准，候选顺序就是错的，每次选词都要多按一下。

这个项目是一套全拼词典，覆盖单字到长词组。词频不来自单一词表，而是多个互相独立的来源融合校准而成。清洗、去冗余、离群点检测与合并的完整做法单独写在一份文档里，不藏在脚本里。

同一份数据出四种格式

引擎吃的格式不一样，所以按引擎分发。

Rime：源码词典 pinyin.dict.yaml，全量约 53.4 万条。精简版是 pinyin_lite.dict.yaml，约 23.6 万条。
fcitx5 与 libime：预编译的 pinyin_fcitx5.dict，对应全量版。
fcitx4 等旧引擎：预编译的 pinyin_lite_fcitx4.mb，对应精简版。
纯文本导入：dict.txt，约 52.5 万条。

预编译那两份的意义是省掉一次编译。fcitx 用户拿到就能用，不需要在本机把词表重新编一遍。

dict.txt 的词频是浮点数，dict_intrank.txt 的内容一致，词频是整数。

浮点词频能表达更细的名次差别，但不是每个引擎都收。采用整数词频机制的输入法只认排名，喂浮点数会被截断或拒绝。分成两份，是为了不让人自己去换算，也避免换算时按错误的方式取整。

纯文本那两份只收两字以上的词组，单字只在 Rime 的源码词典里。

它们的定位是增补词库，不是基础词库 —— 基础词库里的单字够用，这里只补词组。
需要逐字输入的场景用 Rime 那两份，只要词组排序的场合用文本那份。

按自己用的引擎挑一个文件。Rime 用户把 .dict.yaml 放进用户目录重新部署；fcitx5 与 fcitx4 直接用预编译文件。想自己导入的，先看清目标软件收浮点还是整数词频，再选 dict.txt 或 dict_intrank.txt。

项目在 https://github.com/lunzima/ChsPinyinUDL，许可 MIT。词典的更新频率不会很高，问题与词汇建议走 issue 即可。