智能拼音输入法5 0？秒懂中文拼音输入法实现的数学原理

很多朋友对于智能拼音输入法5 0和秒懂中文拼音输入法实现的数学原理不太懂，今天就由小编来为大家分享，希望可以帮助到大家，下面一起来看看吧！

英文字母只有26个，可以一个键盘一个字母的输入。

中文常用字有3500个，中华字海中收入全量简体字有8万5千个,GB2312编码收入汉字20902个。也就是说无法在一个汉字一个键盘的方式实现输入。

现在回头看，中文输入法，基本经历了自然音节编码输入，到偏旁笔画拆字输入，再回归自然音节输入的过程。

输入法输入汉字的快慢与汉字编码长度相关，也就是输入汉字需要敲击几次键盘。

一、输入法前生今世

80年代初，个人计算机开始使用五笔和拼音输入。

五笔输入法快速，但是学习成本高，需要背诵词根，严重制约了电脑的普及。需要经过长时间的训练。

拼音输入法，常常需要翻很多页才能找到所需要的汉字。

90年代，拼音输入法软件开始支持词组输入和整句输入，能够做到一边打拼音的同时显示汉字。

1993年朱守涛先生发明智能ABC输入法，并被微软收购纳入windows系统中。

1994年的自通输入法，1996年的神拼输入法，支持汉语整句输入。然而，整句输入错误率高没能解决输入汉字不方便的问题。

1998年，谭亚军发明拼音之星软件，支持实时显示，具有字母输入容错功能，没有词也能自动推荐类似的词。

1999年，出现了拼音加加，自由拼音和考拉输入法，支持不切换中英文的情况下，直接Enter输入英文，提升了中英文混合输入效率。

2000年，智能狂拼提供更智能的输入，紫光拼音在考拉输入法基础上发展而来，提供更大词库，并具有了智能组词。

2006年，搜狐公司推出搜狗输入法，该输入法基于搜索引擎技术的新一代拼音输入法产品，用户可以通过互联网备份自己的个性化词库，搜狗拼音输入法一经推出很快取得巨大成功。

谷歌、腾讯、百度和微软也相继推出类似的智能拼音输入法，谷歌拼音输入、QQ拼音输入、百度输入法、必应输入法。

智能手机时代，基本就是搜狗、百度、google、必应输入法的天下了。

目前大家使拼音打字是相当快了，速度已远超英文输入。

二、输入法的数学原理

输入法的本质时将方块形状的汉字输入到计算机中，将人为约定的信息记录编码-汉字，转化为计算机约定的编码（如UTF-8）的转化过程。

1、输入法与编码

汉字编码分为两部分：对拼音的编码和消除歧义的编码。汉字编码的长度取决于这两方面，只有两个编码都短时，输入才够快。

一是键盘是只有26个字母，而汉字的声母+韵母有50多个，很多韵母共用一个字母键，增加了歧义，就需要不断的翻页。

二是增加了每次击键时间，人在脱稿输入时，拆字过程会使得思维变缓慢。

三是双拼对读音的容错性不好，前鼻音an、en、in和后鼻音ang、eng、ing，卷舌音ch、sh、zh和平舌音，编码完全没有相似性。大部分人前鼻音和后鼻音、卷舌音和非卷舌音多少有点分不清，在输入声母和韵母后，翻了好几页也没有找到自己要得字。

2、输入一个汉字需要敲击几次键盘？

GBK2312一共有6700多个常用汉字，每一个汉字出现的概率：

输入法有26个字母，每个字母可以代表log26大概是4.7比特，

也就是说平均一个汉字需要敲击10/4.7约等于2.1次键。

如果把汉字组成词，平均输入一个字可以少敲几次键盘，

不考虑上下文情况下，以词为单位统计，汉字信息熵大概是8bit，则平均输入一个汉字要敲击8/4.7约等于1.7次键盘。

考虑上下文情况下，对汉语建立基于词的统计语言模型，汉字信息熵可以降到6bit左右。则平均输入一个汉字敲击6/4.7月等于1.3次键，那么这是汉字的输入已经比英语快得多了。

紫光拼音，是通过建立大词库解立大词库，词越来越多，越来越长，甚至将整句唐诗作为一个词，没有根本做到利用上下文。

利用上下文最好的办法是借助语言模型，而语言模型对内存要求高，而输入法不能占有过多的内容，因此目前google、搜狗、百度、微软几家输入法基本在同一档次。

其实就是拼音到汉字的转换解码函数，每输入一个字母，就类似导航中车辆每走一步，利用动态规划方法不断调整输出。

现有汉字拼音输入法距离信息论极限还有很大距离，从理论上讲，只要语言模型足够大，拼音输入法的平均敲击次数就可以接近理论值。

个性化的特点是，不同人写东西主题不同，用词习惯不同，说话和写作水平不同，应该各自有自己的语言模型。

通过不断收集个人写的内容，训练一个特定的语言模型，可以较快的接近信息理论值。实现快速输入的目的。

OK，关于智能拼音输入法5 0和秒懂中文拼音输入法实现的数学原理的内容到此结束了，希望对大家有所帮助。