一种语句级汉字输入技术的研究.pdfVIP

徐志明等 : 一种语句级汉字输入技术的研究 一种语句级汉字输入技术的研究① ② 徐志明 　王晓龙 　姜守旭 ( 哈尔滨工业大学计算机系 　哈尔滨 150001) 摘 　要 　提出了一种语句级汉字输入技术 , 把 Ngram 统计语言模型与语言规则结合起 来共同指导拼音流到文字流的转换过程。描述了拼音流自动切分、词网格生成、最优语 句候选搜索和系统的自适应学习机制等技术。该语句级汉字输入技术的音字转换正确率 达 90 28 % , 目前它已用于Microsoft 公司的微软拼音输入法中。 关键词 　Ngram , 音字转换 , 语言元素 分词 , 用户可以把主要精力放在输入内容上 , 脑力 0 　引言 劳动强度远比字词级输入法低 , 输入速度也快得 多。 　　汉字键盘输入技术的研究一直是中文信息处 本文提出了一种语句级汉字输入技术 , 把 N 理的研究热点之一 , 也是智能化人机接口的一个重 gram 统计语言模型与语言规则结合起来共同指导 要组成部分。它根据输入单位可以划分为三种 : 单 拼音流到文字流的转换过程。该语句级汉字输入技 字级汉字输入法、词组级汉字输入法和语句级汉字 术不仅可以处理语言的近邻搭配关系 , 也可以处理 输入法[13 ] 。过去 , 研究人员的工作主要集中在前 语言长距离搭配关系 , 音字转换率达到 90 28 % , 两种方法 , 即字词级汉字输入法。这类汉字输入法 目前已经应用于Microsoft 公司的微软拼音输入法 主要利用汉字的音、形、义方面的容易记忆的信息 中。 对汉字的字词进行编码 , 它很难同时满足快速性和 易学性。通常难学习的汉字输入法候选字词较少 , 1 　语句级汉字输入法的统计语言建模 输入速度较快 ; 而易学习的汉字输入法候选字词较 多 , 输入速度较慢 , 并且还存在一个严重缺点 : 需 语句级汉字输入问题可以使用信息论中的信源 要用户人工分词 , 即每次只能输入一个字词 , 且当 信道模型进行描述。信源信道模型描述了通过一 输入一个字词后就需要用户干预选择正确的候选 个噪声信道的信息复原问题。假设有一个信源模型 字。这样的操作方法容易打断人的连续思维 , 加重 p ( I) 和一个噪声信道模型 p ( O | I) , 后者描述 操作员的脑力劳动。本文研究的语句级汉字输入技 了给定一个输入 I 对应的输出 O 的可能性。我们 术是以短语或句子为基本输入单位 , 它具有如下优 的任务是, 根据带有噪声的输出 O 还原经过噪声 点 : ( 1) 采用自然的拼音输入方式 , 简单易学 ; 信道的原始输入信息 I 。这可以简略地表示为: 给 (2) 采用拼音流自动切分技术 , 可以连续输入拼音 定输出 O , 目的要发现最可能的输入信息 I , 即: 流 , 无需用户人工分词 ; (3) 根据上下文信息对候 p ( I) p ( O | I) I = argma