作者bibo9901 (function(){})()
看板Liu
标题Re: [问题] 弃虾米 从仓颉 值不值得？
时间Sun Sep 17 09:19:57 2017
※ 引述《ANGELB (神仙B)》之铭言：
: 十五年前学了虾米
: 那时声势如虹 打字比赛接连冠军
: 在网路资讯较不如现今易於搜寻的时期
: 一度以为虾米是王道
: 学成之後 细细回想其实这输入法也还好而己
: 不知十几年前呒虾米赢过仓颉这股潮流根据的事实从何而来
: 後来看了这一系列的比较文 有条有理
: https://goo.gl/5U4zp
这篇文章对於重码字的分析很不严谨，
首先，只给出「重码表」而没有附上编码表的来源，不知如何检验起
其次，论证看似有条理，但实际上有大漏洞，
1. 只考虑 Big5 字，也没考虑字的出现机率。
自然语言有「齐夫定律」的现象，高频字出现的机率会是低频字的数百甚至数万
倍，高频字（如「精」、「睛」）重码就很令人困扰，低频字（如「筶」、「簹」
、「艡」）重码就没什麽关系。
2. 重码率高，选字率就高，这是事实，但不代表打得慢！
呒虾米多数 2~3 码，即使要加上 VRSF 或 1234 选字，也不过是 3~4 码，比起仓
颉动不动就 4~5 码的，谁快谁慢很难说。
不能像原来里用一句「这项统计资料没有原始来源可供验证」来代过，更不能直
接推论选字率高等於需要的码数较多
第五代仓颉和呒虾米的编码表，在网路上都可以搜到，我统计出两种输入法的
总字数 重码字数 允许多种拆法的字数 平均码长
仓 70833 22552 (31.84%) 3941 ( 5.56%) 4.418 +- 0.76
呒 19680 14449 (73.42%) 7950 (40.40%) 3.558 +- 0.64
可以发现
1. 重码字数被严重低估了。尤其是呒虾米的重码字数更是直破天际。但其中大
多数是因为标点、符号等，例如「，Ｊ」就有 18 个候选字
2. 仓颉四码起跳是基本，而呒虾米很少超过四码。符合上面第二点的质疑，呒
虾米即使要选字也不会比较慢
3. 仓颉几乎没有容错空间，一个字就一种拆法，罕见字或异体字不会写就没救了
为了测试真实打字的情形，我从 Clueweb09
https://lemurproject.org/clueweb09/
取样了共2000万字当作语料库。这是 2009 年爬下来的中文网页，应该很符合现代人
输入的需要。我统计出一份字频表
https://github.com/iamalbert/ime-analysis/blob/master/cht.small.freq.json
另外，考虑实际输入，重码字也直接增加 1 码，如「囧」原来拆 OBN 三码，因为选字
变成 OBN2、OBNR 直接视为四码，假设一律用最短码输入，计算码长以字频加权：
最常使用的 13806 字 (语料库共 209491942 字)的情形
总字数 重码字数 多种拆法的字数 平均码长 加权码长
仓 11790 1456 (12.35%) 1181 (10.02%) 4.065 +- 0.76 3.519
呒 11797 7076 (59.98%) 5091 (43.16%) 3.407 +- 0.66 2.328
呒* 3.507 +- 0.65 2.651
呒** 3.579 +- 0.63 2.841
*: 假设只有 50% 的字用了最短码
**: 假设只有 30% 的字用了最短码
结论也很明显：
1. 如同网页所说，呒虾米用了一堆简码来解决重码问题，效果实在不怎麽样，
就算背了全部的简根(100%)，比起几乎不背(30%) 大概两个字只省 1 码
2. 呒虾米的一码二码字的安排比传统仓颉好太多了，仓颉只能省掉 0.5 码，呒
虾米可以省掉 1 码左右
3. 总地来说，呒虾米还是比仓颉快上 25% ~ 52% [注]
同场加映大新仓颉
总字数 重码字数 多种拆法的字数 平均码长 加权码长
大新 11879 7648 (64.38%) 5482 (46.15%) 3.451 +- 0.71 2.042
大新* 3.553 +- 0.71 2.431
大新** 3.601 +- 0.70 2.614
毫无疑问地乐胜呒虾米，尤其平均 2 码真是太销魂了 :)
由此可见重码、容错都不是问题，只要常用字够短，速度就会快。
TL;DR
大新仓颉 > 呒虾米 >> 传统仓颉
原始码都在
https://github.com/iamalbert/ime-analysis
[注] 打字速度(理论上)就是加权码长的反比。我相信这样算是很准的，
呒虾米加权码长/大新加权码长 = 2.138/2.042 = 114.39%
大新最快记录/呒虾米最快记录 = 238每分 / 209每分 = 113.88%
: 其实都被他说完了
: 说实在的 输入法不够理想是其次
: 重要的是使用不方便
: 现在公领域中 很常会用到电脑
: 购物啦
: 诚品书店查书的iPad啦
: 等等
: 根本没有虾米可打
: 不开放是一回事
: 不管什麽系统
: 行易的动作总是慢吞吞
: 支援度很差
: 反之
: 仓颉无处不在
: 连PS4游戏机的OS繁中底下的输入法
: 竟然只有两种
: 一为注音
: 一为仓颉
: 仓颉的方便性
: 可能是拆字输入法的第一名吧
: 不知道弃虾米从仓颉
: 砍掉重练 投资报酬率值不值得？
这其实真的还好，就忍受那一两分钟而已，平常打game时的速度比较重要
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 163.23.97.126
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Liu/M.1505611203.A.99B.html
※ 编辑: bibo9901 (163.23.97.126), 09/17/2017 09:21:20
※ 编辑: bibo9901 (163.23.97.126), 09/17/2017 09:28:06
※ 编辑: bibo9901 (163.23.97.126), 09/17/2017 09:29:03
1F：推 weiih: 认真给推 09/17 10:57
※ 编辑: bibo9901 (163.23.97.126), 09/17/2017 13:38:59
2F：推 deltazone: 推！ 09/17 14:59
3F：推 magicbe: 神の分析，与2183一样，非常棒的参考资料 09/17 20:21
4F：推 goldie: 推！ 09/18 00:31
5F：推 Tsai07: 弱弱问一下什麽是重码率? 09/18 19:14
6F：推 goldie: 重码率… 多字同一拆码的字数总和… 比上全部字数…的比 09/18 22:46
7F：→ goldie: 例。 09/18 22:46
8F：推 vaper: 字码多，重码率就低，反之亦然。呒的优势就限制在四码 09/29 18:49
9F：→ vaper: 虽然重码率较高，但再辅以二码常用字，整体消长下是较优的 09/29 18:50
10F：→ vaper: 光谱两端没有孰是孰非，只是平衡与效率的问题 09/29 18:51
11F：→ vaper: 简单说，如果你用注音就能快嘴呛爆对方，何必用其他输入法 09/29 18:53
12F：推 ming12345: 呒虾米加选字，和仓颉四五码的按键数相比，未必会输， 10/09 14:55
13F：→ ming12345: 但选字简码要另记，仓颉则完全依照规则，各有利弊 10/09 14:55
14F：推 ming12345: 原文是：[呒虾米 6000 字有 311 个选字，2000 字有 33 10/09 15:17
15F：→ ming12345: 个选字，1000 字有 8 个选字。这项统计资料没有原始来 10/09 15:17
16F：→ ming12345: 源可供验证。] 10/09 15:17
17F：→ ming12345: 所以是呒虾米低重码的资料没有原始来源，不是仓颉低重 10/09 15:17
18F：→ ming12345: 码的资料没有原始来源，你拿这句话来批，是不是断章取 10/09 15:17
19F：→ ming12345: 义了 10/09 15:17
20F：推 oktryit: 我个人也是觉得日常用字应该是呒 >>> 仓，效率乐胜 10/26 05:31
21F：→ oktryit: 之前也有接触一下大新仓颉，也蛮快的就是惹，但先学先赢 10/26 05:32
22F：→ oktryit: 这是不争的事实，反正呒虾米打够快惹，就懒得换大新。 10/26 05:32
23F：→ oktryit: 附注一下，我大概用了 70% 以上的简根，二码字，有一些 10/26 05:33
24F：→ oktryit: 会反手的就不用二码字，例如，跟 =qz，汽 = wz，债 = dz 10/26 05:35
25F：→ oktryit: 贵 = qa 也蛮少用的，我反而会打 cemb，主要是小指按的字 10/26 05:38
26F：→ oktryit: 一来会转换成其他方式，一来就是小指没什麽力气 10/26 05:39
27F：→ oktryit: 结论是，我认为要打的过，按键的顺序性也有差，不然就不 10/26 05:40
28F：→ oktryit: 会有人转换 Dvorak 键盘来打字，呒虾米似乎没考虑到这 10/26 05:41
29F：→ oktryit: 好在，q 或 z 的字根不多，但是 a 的字根就很多就是了。 10/26 05:42