中国語語彙データベース

中国語語彙データベース（CLD: Chinese Lexical Database）は自然言語処理アプリ向けに開発された包括的な単言語語彙データベースです。簡体字と繁体字の２つのモジュールがあり、一般語彙と専門用語、重要固有名詞をそれぞれ25万項目収録します。

CLDは中国大陸と台湾の読みの違いを踏まえ、ピンインと注音を正確に付けています。例えば「危険」は、簡体字では「危险」wēixiǎnであるのに対して, 繁体字では「危險」 wéixiǎnと読みが異なってきます。

繁体字データベースは、簡体字から書字レベルで一括変換させたものではなく、語彙レベル変換に注意を払い校正したのも、このデータベースの特徴です。例えば、「タクシー」は、簡体字「出租车」chūzūchēから書字レベルで変換した訳語「出租車」より、語彙レベルの訳語「計程車」jīchéngchēのほうがより適切だと言えます。

CLDは、CJKIの中国語専門チームが長年に亘って編纂したデータベースで、中国語の辞書編集と情報処理分野で大きく貢献しています。