東北大學計算機應用技術研究所Web信息處理小組

          urrr... These guys do research ?!

          搜狗拼音輸入法研究

          輸入法是基于詞庫的,詞庫中除了詞條信息意外還有詞頻(也是最重要的了),詞頻表達用戶使用詞條概率,所以以概率解決問題較多。不管是包含多少種詞庫,詞頻信息必不可少,盡管有時還要對詞頻進行加權處理,如用戶詞庫的詞頻肯定不會像系統詞庫的詞頻那么高,將二者進行排序時不能直接利用現有詞頻,要加權處理。尤其在智能組詞那塊,要形成短語,短句,就要找到頻率最大的組句路徑,會有計算公式。

          將用戶需求進行分解:盡量覆蓋用戶的詞匯當然是好,但是隨之會產生問題,詞庫的臃腫化和計算的代價加大,就要剔除掉不必要的詞條信息了,可我們怎么知道哪些才是用戶需要的呢,通過獲取用戶輸入環境找到符合用戶需求的最小詞匯,才是王道。這樣詞庫構成基本分為系統共有詞庫+輔助詞庫,布局合理,其中后者是動態加載和更新的,很智能化。

          個性化:提高用戶體驗離不開個性化,適合大家的有可能適合自己,適合自己的不一定適合大家,個體之間存在差異,捕捉用戶的使用習慣,找到個性部分很重要,用戶詞庫,個性詞等技術基本解決部分問題。引用原文的話:“記錄用戶輸入的字詞,學習某個用戶適用的詞匯;通過一段時間地不斷學習,將詞庫逐漸收斂到某個用戶輸入的最佳狀態,從而形成用戶詞庫。通過動態調頻,使其逐漸適應該用戶,當用戶是唯一時,很好地提升效率”,很到位。

          策略問題:如搜狗輸入法有很多用戶,利用用戶的信息,反過來又回饋給用戶,這樣反復過程,最終要達到一個收斂平衡的狀態。

          資源的重要性:搜狗寶貴的東西是語料庫,各種想法實施的先決條件。

          詳細的PPT在:http://d.onto.ac.cn/wipt/sogou.zip(教育網服務器)

          (by 韓艷景)

          posted on 2009-05-11 08:42 wipt 閱讀(1865) 評論(2)  編輯  收藏

          Feedback

          # re: 搜索拼音輸入法研究[未登錄] 2009-05-11 10:25 whm

          我是第一個!!!  回復  更多評論   

          # re: 搜索拼音輸入法研究[未登錄] 2009-05-11 10:50 kafka0102

          ding一個  回復  更多評論   


          只有注冊用戶登錄后才能發表評論。


          網站導航:
           
          主站蜘蛛池模板: 文水县| 聂拉木县| 临泽县| 北辰区| 岑溪市| 壤塘县| 即墨市| 临海市| 彰化县| 阿荣旗| 黑河市| 呼和浩特市| 南溪县| 乌恰县| 尼木县| 平南县| 九江县| 望都县| 中方县| 同江市| 阜平县| 犍为县| 房产| 兴宁市| 喀喇沁旗| 和政县| 弋阳县| 新源县| 晋中市| 南漳县| 察哈| 宁蒗| 黔西| 清苑县| 武乡县| 巴林左旗| 察哈| 离岛区| 东兰县| 武宁县| 满城县|