@azulores/de-corrector 0.1.0 → 0.1.1

package/README.md

@@ -112,7 +112,24 @@ const r = await c.check('他高兴的跑得很快')
 
 ## 精度
 
-与 Python 版 hanlp-lab（完整 HanLP 流水线）逐句对比：**64/64 完全一致**。
+与 Python 版 hanlp-lab（完整 HanLP 流水线）逐句对比：**64/64 完全一致**
+（在原始 64 条用例上）。
+
+⚠️ **这个数字有误导性**：它表示"JS 端与 Python 端输出一致"，不表示"输出正确"。
+HanLP 本身在**专名领属格**上有盲区，两个已知失败模式：
+
+| 输入 | 错误输出 | 原因 |
+|---|---|---|
+| `赛亚饿的鸟飞的快` | `赛亚饿得鸟飞得快` | 上下文 bleeding：模型把「饿的」误判为补语（conf 0.999） |
+| `张本智和地实力` | 不改（应为 `的`） | 模型不认专名，「地」未被识别为候选 |
+
+**v0.1.1 已修复**（邻居规则：的/地/得 后面紧跟名词 → 的，动词+得+名词除外）。
+修复后 55/55 测试用例通过。
+
+剩余局限：
+- `跑得冠军` 类（动词 + 得 + 名词结果补语）依赖例外列表
+- 模型置信度未使用（#6 的 conf 0.999 仍错误）
+- 专名检测是启发式，不是 NER
 
 `assets/README.md` 里有模型来源、导出脚本、标签定义。
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@azulores/de-corrector",
-  "version": "0.1.0",
+  "version": "0.1.1",
   "description": "中文「的/地/得」纠错：纯 JS + ONNX，无需 Python，无需联网，无需词典配置",
   "type": "module",
   "main": "src/index.js",

package/src/index.js

@@ -31,6 +31,27 @@ export const TAG_TO_CHAR = {
  * 词汇化例外：这些词里含 的/地/得，但是构词成分，不能改。
  * 例：目的地、的士、土地、值得、得到、记得…
  */
+/** 名词性标签：的/地/得 后面紧跟这些 → 几乎肯定是领属格「的」 */
+const NOUN_TAGS = new Set(['NN', 'NR', 'NT', 'PN', 'DT', 'M', 'CD', 'OD', 'LC', 'JJ', 'ETC'])
+
+/** 状态形容词：这些字作谓语时，「X得Y」几乎总是领属格而非结果补语 */
+const STATE_ADJ = new Set([
+  '饿','累','困','渴','冷','热','疼','痛','痒','酸','麻','木','乏','倦','疲',
+  '空','满','脏','臭','香','甜','苦','辣','咸','涩','慌','闷','憋','急','怕',
+  '饿','饱','渴','累','困','乏','倦','疲','痛','痒','酸','麻','木','冷','热',
+  '暖','凉','凉','暖','凉','暖','凉','暖','凉','暖',
+])
+
+/** 取第 i 个字左右跳过标点后的第一个字的标签 */
+function neighborTag(chars, tags, i, step) {
+  let j = i + step
+  while (j >= 0 && j < chars.length) {
+    if (!'，。！？；：、,.!?;:'.includes(chars[j])) return tags[j]
+    j += step
+  }
+  return null
+}
+
 export const FROZEN_WORDS = [
   // 含「的」
   '的士', '的确', '的哥', '的姐', '打的', '目的', '标的', '端的',
@@ -237,6 +258,26 @@ export class DeCorrector {
         (i + 1 < chars.length && '的地得'.includes(chars[i + 1]))
       ) continue
 
+      // 3.5) 邻居规则：的/地/得 后面紧跟名词 → 领属格「的」
+      //      例外：动词 + 得 + 名词（跑得冠军）保留 得
+      const nextTag = neighborTag(chars, tags, i, +1)
+      if (nextTag && NOUN_TAGS.has(nextTag)) {
+        const prevTag = neighborTag(chars, tags, i, -1)
+        const prevWord = i > 0 ? chars[i - 1] : ''
+        // 结果补语「得」：动词 + 得 + 名词（跑得冠军）保留 得
+        // 但状态形容词（饿/累/困）+ 得 + 名词 更可能是领属格
+        const isResultative = (tags[i] === 'DER' || tags[i] === 'AS') &&
+          (prevTag === 'VV' || prevTag === 'VA') &&
+          !STATE_ADJ.has(prevWord)
+        if (!isResultative) {
+          out[i] = '的'
+          if (ch !== '的') {
+            changes.push({ index: i, from: ch, to: '的', tag: tags[i] })
+          }
+          continue
+        }
+      }
+
       const to = TAG_TO_CHAR[tags[i]]
       if (!to || to === ch) continue
       out[i] = to