3 实现

3.1 硬件

○ 人体：脑、手、眼 ○ 界面：键盘、屏幕 ○ 机器：智能设备的主机

3.2 软件

• 操作系统： Windows、macOS、Linux、Android、iOS

  • 系统输入事件捕获、按键扫描、消息分发

  • 系统底层字符集、编码支持、权限与进程调度

  • 系统自带输入框架、全局文本焦点管理

  • 系统 IME 接口、输入法注册 / 挂接 API

  • 按键事件回调、候选窗接口、文本上屏接口

  • 跨程序输入通信、进程间消息协议

  • 各系统统一输入法开发规范，隔离系统

• 输入软件：一体式（搜狗输入法）与组合式（Rime， 前后端分离）

  • 后端引擎：librime

    • 输入方案：内在的差异

    • 词典

      • 系统词典

      • 用户词典

  • 前端界面：weasel、trime、squirrel、ibus 等

    • 主题或皮肤：外在的差异，与反馈关系密切

• 辅助设计软件，如 Chai

• 评测软件

  • 总体测评：如科学形码测评系统
  • 模拟打字：如极速赛码器

• 练习软件：如金山打字通、极速跟打器、长流跟打器、排行榜

3.3 用户

• 终端用户：记忆与操作

  • 如何评测和选用输入方案
  • 练习软件的使用

• 方案设计：辅助设计软件的使用

  • 配方

  • 词典

• 主题设计：所见即所得的设计

  • 主题

  • 配色

• 软件扩展

  • 前端程序

    • lua 脚本

  • 后端程序

    • C++插件

    • lua 脚本

3.4 信息论视角下的实现优化

信息论不仅为输入法提供了理论基础，也为工程实现提供了重要的指导原则。从信息论的角度看，输入法的实现过程本质上是一个信息传输与处理的系统工程，各个环节的优化都可以用信息论的概念来分析和指导。

3.4.1 硬件层面的信息论优化

1. 键盘信道容量的最大化

从信息论的角度看，键盘是输入系统的信道，其容量决定了输入效率的上限。硬件设计的核心目标就是最大化信道容量。

• 键位数量：更多的键位意味着更高的信道容量（$C\propto {\log }_{2}M$）。这就是为什么全键盘比九宫格效率高，也是为什么很多输入法方案利用标点键、功能键来扩展编码空间。

• 键位布局：合理的键位布局可以降低平均击键时间，从而提高信道容量。QWERTY键盘、Dvorak键盘、人体工学键盘等，本质上都是在优化键位的时间转移概率，从而提高信道容量。

• 多通道输入：结合键盘、鼠标、触摸屏、语音等多种输入通道，可以看作是并行信道，理论上总容量是各信道容量之和。多模态输入正是这一思想的体现。

2. 反馈信道的优化

输入系统是一个带反馈的通信系统，反馈信道的质量直接影响整体效率。

• 视觉反馈：候选窗的位置、大小、颜色、动画等，都会影响反馈信息的传输效率。好的视觉设计应该让用户快速、准确地获取候选信息。

• 触觉反馈：键盘的键程、手感、震动反馈等，提供了触觉通道的反馈。机械键盘为什么受欢迎？从信息论角度看，它提供了更丰富、更可靠的触觉反馈。

• 听觉反馈：按键音、错误提示音等，是听觉通道的反馈。适当的听觉反馈可以帮助用户及时发现错误，提高输入效率。

3.4.2 软件层面的信息论优化

1. 解码算法的信息论基础

输入法的解码过程，本质上是一个有噪信道的译码问题。

• 最大后验概率（MAP）译码：这是拼音输入法最核心的算法。根据贝叶斯公式：

$$P(X|Y)=\frac{P(Y|X)P(X)}{P(Y)}$$

其中 P(X) 是语言模型提供的先验概率，P(Y|X) 是编码模型（给定汉字，其编码是 Y 的概率）。

• 动态规划与Viterbi算法：用于求解最优路径，本质上是在所有可能的分词和候选中，找到概率最大的那一个。这与通信中的维特比译码是完全相同的思想。

• Beam Search：当候选空间太大时，通过剪枝来近似最优解。这相当于在信息传输速率和计算复杂度之间做权衡。

2. 语言模型的信息论度量

语言模型是输入法智能程度的核心，而信息论提供了评估语言模型质量的标准方法。

• 困惑度（Perplexity）：

$$PPL=2^H=2^{-\frac{1}{N}\sum _{i=1}^N{\log }_{2}p(w_i|w_1...w_{i-1})}$$

困惑度是语言模型最常用的评估指标，它本质上就是信息熵的指数形式。困惑度越低，说明语言模型越准确，能够提供的先验信息越多。

• 交叉熵：衡量模型分布与真实分布之间的差异。交叉熵越小，模型越好。

• 互信息：衡量上下文与当前词之间的相关性。互信息越大，说明上下文对预测当前词越有帮助。

3. 词库优化的信息论原则

词库的设计和优化也遵循信息论的原则。

• 词频排序：按照词频从高到低排列候选，这本质上是一种最优前缀码的思想——高频词用更少的选择操作（排在前面，容易选到），低频词用更多的选择操作。

• 词库大小的权衡：词库不是越大越好。从率失真理论的角度看，词库越大，覆盖率越高（失真越小），但重码率也越高，解码速度越慢。存在一个最优的词库大小。

• 用户词典：用户词典本质上是在适应用户的个人信源分布。因为每个用户的使用习惯不同，其信源分布也不同，通用词库不可能对所有人都是最优的。用户词典实现了信源的自适应匹配。

3.4.3 用户层面的信息论优化

1. 学习过程的信息论解释

用户学习输入法的过程，从信息论角度看，是一个逐步建立编码映射、降低不确定性的过程。

• 学习曲线：随着练习增加，用户的编码错误率降低，击键速度提高，等效于信道的噪声降低、容量提高。

• 记忆容量：人的记忆容量是有限的，这构成了输入系统的一个重要约束。为什么五笔难学？因为它需要记忆的字根太多，超出了很多人的记忆容量阈值。

• 认知负荷：输入过程中的认知负荷，可以看作是信息处理的速率限制。人的大脑处理信息的速率是有限的，这是输入系统的另一个瓶颈。

2. 自适应与个性化

从信息论角度看，自适应和个性化的本质是让编码系统更好地匹配用户的个人信源。

• 调频：根据用户的使用频率调整候选排序，本质上是让编码的概率分布更好地匹配用户的实际使用分布，从而降低平均码长。

• 自造词：用户添加的自定义词，是对用户个人信源的补充，使得系统能够更准确地编码用户的常用表达。

• 智能纠错：根据用户的常见错误模式进行纠错，相当于建立了针对该用户的噪声模型，从而提高译码的准确率。

3.4.4 评测中的信息论指标

信息论为输入法的评测提供了一系列科学的指标。

1. 效率类指标

• 平均码长（键/字）
• 编码效率（比特/键）
• 信道利用率（实际速率 / 理论容量）

2. 准确性类指标

• 重码率
• 选字率
• 错误率（CER/WER）
• 等效信噪比

3. 智能类指标

• 语言模型困惑度
• 上下文利用效率
• 自适应速度

4. 综合指标

• 有效信息速率：综合考虑速度和准确性
• 率失真性能：在给定失真下的码长，或给定码长下的失真

这些指标使得输入法的评测从主观感受走向科学量化，也为方案的优化提供了明确的方向。

3.4.5 顶功方案的实现优势

从工程实现的角度看，顶功方案也具有一些信息论层面的优势：

1. 解码的确定性

顶功编码的边界清晰，解码过程是确定的、渐进的。这降低了解码算法的复杂度，也减少了切分歧义带来的错误。

2. 反馈的即时性

顶屏机制提供了即时的反馈，用户可以立即知道当前输入是否正确。这种即时反馈形成了一个闭环的控制系统，能够及时纠正错误，提高整体效率。

3. 渐进式的用户体验

顶功编码支持渐进式学习——用户可以从最简单的声母开始，逐步增加笔画辅助码。这种渐进式的学习曲线，符合人的认知规律，也降低了入门门槛。

4. 易于实现个性化

顶功编码的可变码长特性，天然支持个性化。不同的用户可以根据自己的水平和习惯，选择不同的编码长度，系统不需要做特殊的适配。

这些实现层面的优势，与理论层面的优势相结合，使得顶功方案在信息论的框架下具有独特的价值。