搜狗拼音输入法研究

搜狗拼音输入法研究

输入法是基于词库的，词库中除了词条信息意外还有词频（也是最重要的了），词频表达用户使用词条概率，所以以概率解决问题较多。不管是包含多少种词库，词频信息必不可少，尽管有时还要对词频进行加权处理，如用户词库的词频肯定不会像系统词库的词频那么高，将二者进行排序时不能直接利用现有词频，要加权处理。尤其在智能组词那块，要形成短语，短句，就要找到频率最大的组句路径，会有计算公式。

将用户需求进行分解：尽量覆盖用户的词汇当然是好，但是随之会产生问题，词库的臃肿化和计算的代价加大，就要剔除掉不必要的词条信息了，可我们怎么知道哪些才是用户需要的呢，通过获取用户输入环境找到符合用户需求的最小词汇，才是王道。这样词库构成基本分为系统共有词库+辅助词库，布局合理，其中后者是动态加载和更新的，很智能化。

个性化：提高用户体验离不开个性化，适合大家的有可能适合自己，适合自己的不一定适合大家，个体之间存在差异，捕捉用户的使用习惯，找到个性部分很重要，用户词库，个性词等技术基本解决部分问题。引用原文的话：“记录用户输入的字词，学习某个用户适用的词汇；通过一段时间地不断学习，将词库逐渐收敛到某个用户输入的最佳状态，从而形成用户词库。通过动态调频，使其逐渐适应该用户，当用户是唯一时，很好地提升效率”，很到位。

策略问题：如搜狗输入法有很多用户，利用用户的信息，反过来又回馈给用户，这样反复过程，最终要达到一个收敛平衡的状态。

资源的重要性：搜狗宝贵的东西是语料库，各种想法实施的先决条件。

详细的PPT在：http://d.onto.ac.cn/wipt/sogou.zip（教育网服务器）

(by 韩艳景)