導(dǎo)讀英文字母只有26個(gè)，可以一個(gè)鍵盤一個(gè)字母的輸入。中文常用字有3500個(gè)，中華字海中收入全量簡(jiǎn)體字有8萬5千個(gè),GB2312編碼收入漢字20902個(gè)。也就是說....

英文字母只有26個(gè)，可以一個(gè)鍵盤一個(gè)字母的輸入。

中文常用字有3500個(gè)，中華字海中收入全量簡(jiǎn)體字有8萬5千個(gè),GB2312 編碼收入漢字20902個(gè)。也就是說無法在一個(gè)漢字一個(gè)鍵盤的方式實(shí)現(xiàn)輸入。

現(xiàn)在回頭看，中文輸入法，基本經(jīng)歷了自然音節(jié)編碼輸入，到偏旁筆畫拆字輸入，再回歸自然音節(jié)輸入的過程。

輸入法輸入漢字的快慢與漢字編碼長(zhǎng)度相關(guān)，也就是輸入漢字需要敲擊幾次鍵盤。

一、輸入法前生今世

70年底末，個(gè)人電腦開始誕生。

80年代初，個(gè)人計(jì)算機(jī)開始使用五筆和拼音輸入。

五筆輸入法快速，但是學(xué)習(xí)成本高，需要背誦詞根，嚴(yán)重制約了電腦的普及。需要經(jīng)過長(zhǎng)時(shí)間的訓(xùn)練。

拼音輸入法，常常需要翻很多頁才能找到所需要的漢字。

90年代，拼音輸入法軟件開始支持詞組輸入和整句輸入，能夠做到一邊打拼音的同時(shí)顯示漢字。

1993年朱守濤先生發(fā)明智能ABC輸入法，并被微軟收購納入windows系統(tǒng)中。

1994年的自通輸入法，1996年的神拼輸入法，支持漢語整句輸入。然而，整句輸入錯(cuò)誤率高沒能解決輸入漢字不方便的問題。

1998年，譚亞軍發(fā)明拼音之星軟件，支持實(shí)時(shí)顯示，具有字母輸入容錯(cuò)功能，沒有詞也能自動(dòng)推薦類似的詞。

1999年，出現(xiàn)了拼音加加，自由拼音和考拉輸入法，支持不切換中英文的情況下，直接Enter輸入英文，提升了中英文混合輸入效率。

2000年，智能狂拼提供更智能的輸入，紫光拼音在考拉輸入法基礎(chǔ)上發(fā)展而來，提供更大詞庫，并具有了智能組詞。

2006年，搜狐公司推出搜狗輸入法，該輸入法基于搜索引擎技術(shù)的新一代拼音輸入法產(chǎn)品，用戶可以通過互聯(lián)網(wǎng)備份自己的個(gè)性化詞庫，搜狗拼音輸入法一經(jīng)推出很快取得巨大成功。

谷歌、騰訊、百度和微軟也相繼推出類似的智能拼音輸入法，谷歌拼音輸入、QQ拼音輸入、百度輸入法、必應(yīng)輸入法。

智能手機(jī)時(shí)代，基本就是搜狗、百度、google、必應(yīng)輸入法的天下了。

目前大家使拼音打字是相當(dāng)快了，速度已遠(yuǎn)超英文輸入。

二、輸入法的數(shù)學(xué)原理

輸入法的本質(zhì)時(shí)將方塊形狀的漢字輸入到計(jì)算機(jī)中，將人為約定的信息記錄編碼-漢字，轉(zhuǎn)化為計(jì)算機(jī)約定的編碼（如UTF-8）的轉(zhuǎn)化過程。

1、輸入法與編碼

鍵盤上有26個(gè)字母 10個(gè)數(shù)字。

漢字編碼分為兩部分：對(duì)拼音的編碼和消除歧義的編碼。漢字編碼的長(zhǎng)度取決于這兩方面，只有兩個(gè)編碼都短時(shí)，輸入才夠快。

雙拼的主要問題：

一是鍵盤是只有26個(gè)字母，而漢字的聲母 韻母有50多個(gè)，很多韻母共用一個(gè)字母鍵，增加了歧義，就需要不斷的翻頁。

二是增加了每次擊鍵時(shí)間，人在脫稿輸入時(shí)，拆字過程會(huì)使得思維變緩慢。

三是雙拼對(duì)讀音的容錯(cuò)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，編碼完全沒有相似性。大部分人前鼻音和后鼻音、卷舌音和非卷舌音多少有點(diǎn)分不清，在輸入聲母和韻母后，翻了好幾頁也沒有找到自己要得字。

2、輸入一個(gè)漢字需要敲擊幾次鍵盤？

GBK2312 一共有6700多個(gè)常用漢字，每一個(gè)漢字出現(xiàn)的概率：

P1， P2，P3，... ， P6700

大致估算需要10個(gè)比特。

輸入法有26個(gè)字母，每個(gè)字母可以代表log26大概是4.7比特，

也就是說平均一個(gè)漢字需要敲擊10/4.7 約等于2.1次鍵。

如果把漢字組成詞，平均輸入一個(gè)字可以少敲幾次鍵盤，

不考慮上下文情況下，以詞為單位統(tǒng)計(jì)，漢字信息熵大概是8bit，則平均輸入一個(gè)漢字要敲擊8/4.7 約等于1.7次鍵盤。

考慮上下文情況下，對(duì)漢語建立基于詞的統(tǒng)計(jì)語言模型，漢字信息熵可以降到6bit 左右。則平均輸入一個(gè)漢字敲擊6/4.7 月等于1.3次鍵，那么這是漢字的輸入已經(jīng)比英語快得多了。

紫光拼音，是通過建立大詞庫解立大詞庫，詞越來越多，越來越長(zhǎng)，甚至將整句唐詩作為一個(gè)詞，沒有根本做到利用上下文。

利用上下文最好的辦法是借助語言模型，而語言模型對(duì)內(nèi)存要求高，而輸入法不能占有過多的內(nèi)容，因此目前google、搜狗、百度、微軟幾家輸入法基本在同一檔次。

3、拼音轉(zhuǎn)漢字

其實(shí)就是拼音到漢字的轉(zhuǎn)換解碼函數(shù)，每輸入一個(gè)字母，就類似導(dǎo)航中車輛每走一步，利用動(dòng)態(tài)規(guī)劃方法不斷調(diào)整輸出。

4、個(gè)性化語言模型

現(xiàn)有漢字拼音輸入法距離信息論極限還有很大距離，從理論上講，只要語言模型足夠大，拼音輸入法的平均敲擊次數(shù)就可以接近理論值。

個(gè)性化的特點(diǎn)是，不同人寫東西主題不同，用詞習(xí)慣不同，說話和寫作水平不同，應(yīng)該各自有自己的語言模型。

通過不斷收集個(gè)人寫的內(nèi)容，訓(xùn)練一個(gè)特定的語言模型，可以較快的接近信息理論值。實(shí)現(xiàn)快速輸入的目的。