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)