※ [本文转录自 iPhone 看板 #1KA9K4qz ] 作者: IMPOSSIBLEr (高级外劳) 看板: iPhone 标题: Re: [心得] iOS8 中文输入法真的很聪明 时间: Mon Sep 29 07:08:49 2014 : 推 ishuen: 但是apple说输入法没用到网路 这些资料都在手机里吗？ 09/29 01:00 : → KANO1931: 需要庞大资源的部分是在计算阶段 应用的部分是结果 不一 09/29 01:05 : → KANO1931: 定占很大空间 但如果要动态更新常用词就需要了 09/29 01:09 : 推 pm2001: 没用到网路我觉得不可能 这资料量非常大 09/29 01:18 小弟非专业发言，大家看看就好 个人觉得像这种切进时事的联想字，应该都是需要网路的 如同KANO大所说，需要大量运算资源的是计算阶段，实作阶段所需资源并不大 我举一个我最近为虾米键盘实作简易联想词的方法为例 虾米键盘的联想词功能目前实作流程如下 1. 下载Google ngrams dataset简中版本(因为没有繁中...) 上文所述需要大量运算资源的就是这部份，如何产生ngrams 而google已经帮我们作好了(佛心 Google ngrams dataset资料格式看起来像这样 <中文词> <某西元年> <该西元年中发现此词汇数量> <该西元年中在多少着作中发现该词> 我下载下来的dataset总共大小约1.3gb(只取2 gram) 2. 使用程式语言parse下载下来的dataset，输出成frequency list, 格式如下 <中文词> <总发生数量> 存成纯文字档，目前我跑出来的这个档大小为500kb左右，40000左右中文词 像这第二步，需要读入1.3gb的原始资料，在手机上会耗时良久 但读入500kb的资料，目前虾米键盘的速度还算可以(iPhone 5) 3. 在键盘初始化时parse第二步产生的frequency list存进记忆体。 这部份的资料结构可采用简单的hash map或是高级一点(比较难实作)的trie 不过如果词的长度不是很长，例如我的第二步出来的档，里面最长的词只有4字 那使用hash map应该整体来说效能会好一点，当然这是个人感觉 基本上有了这个backend data structure，再写一个function，输入为字串， 然後到这个data structure中查询，输出为一个字串阵列，然後就可以输出到 键盘画面上给使用者选择。 由上可知，如果想要动态产生联想词例如结合时事，或是使用最近的报章blog文章 当作ngrams的corpus，那麽网路是必须的。 不专业分享，请勿笔战~~ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 24.5.179.190 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/iPhone/M.1411945732.A.D3D.html

※ 发信站: 批踢踢实业坊(ptt.cc) ※ 转录者: linpien (220.130.243.151), 09/29/2014 07:44:17