Quy tắc mạo từ 'a' và 'an' trong tiếng Anh: Chỉ 129 trên 32.455 từ là ngoại lệ

Trong tiếng Anh, có một mạo từ "bất định" là *a* có thể đứng trước một từ. Ví dụ: *a raccoon*. Tuy nhiên, với một số từ, chúng ta lại dùng *an*. Ví dụ: *an apple*.

Khi tạo văn bản theo quy trình (procedurally generating text), tôi muốn có một hàm `a_or_an("apple")` để xác định xem nên dùng mạo từ nào. Nghe có vẻ đơn giản. Chúng ta có thể kiểm tra chữ cái đầu tiên xem đó có phải là nguyên âm hay không. Nhưng làm vậy sẽ dẫn đến kết quả là *an unicorn* thay vì *a unicorn*.

Quy tắc thực tế không nằm ở việc từ đó bắt đầu bằng chữ cái nguyên âm hay không, mà nằm ở việc từ đó bắt đầu bằng âm nguyên âm hay âm phụ âm khi phát âm. Từ *unicorn* bắt đầu bằng chữ cái nguyên âm (u) nhưng lại bắt đầu bằng âm phụ âm (Y). Từ *hour* bắt đầu bằng chữ cái phụ âm (h) nhưng lại bắt đầu bằng âm nguyên âm (OW).

Tôi tò mò muốn biết những ngoại lệ này xuất hiện thường xuyên đến mức nào và liệu chúng có thể được nhóm lại với nhau hay không, vì vậy tôi đã dành một ngày để xem xét dữ liệu, xây dựng một số hình ảnh trực quan và viết lại các kết quả. Tôi khá ngạc nhiên khi chỉ có 129 trong số 32.455 từ trong danh sách của tôi cần phải có ngoại lệ.

[Ghi chú về LLM: Tôi đã không sử dụng LLM để viết bất kỳ đoạn mã nào trong số này, nhưng nhìn lại thì lẽ ra tôi nên làm vậy. Đây là đoạn mã dùng một lần để giải đáp một câu hỏi. Nó không cần phải gọn gàng hay dễ bảo trì. Nó chỉ cần chính xác là được. Lẽ ra tôi nên dành nhiều thời gian hơn cho thuật toán tối giản hóa trie và bớt thời gian phân tích cmudict cũng như học lại d3.js.]