基于CHMM模型的手機(jī)中文輸入方案及實(shí)現(xiàn).pdf

1、近幾年來，智能手機(jī)應(yīng)用軟件和3G網(wǎng)絡(luò)得到了迅速發(fā)展，手機(jī)已成為人們?nèi)粘Ｉ钪斜夭豢缮俚囊徊糠?。然而，目前在手機(jī)平臺上實(shí)現(xiàn)詞語級輸入的拼音輸入法還不是很多且功能也很有限。因此，研究針對手機(jī)平臺的整句級漢字輸入技術(shù)有著很強(qiáng)的科學(xué)研究和實(shí)際應(yīng)用的價值。
　　 首先，本文提出了T10拼音編碼方案，該方案能減少數(shù)字序列對應(yīng)的拼音序列個數(shù)，并采用簡化了的HMM（Hidden Markov Model）模型對數(shù)字拼音串做預(yù)處理，為整句輸入做好

2、了準(zhǔn)備。本文根據(jù)現(xiàn)有基于N-gram的輸入模型的不足之處，提出了基于HMM的N-gram智能輸入模型。該模型對HMM的計算公式進(jìn)行了如下改進(jìn)：把觀察事件的條件概率用條件概率函數(shù)代替，其值稱為用戶輸入偏愛因子。由于輸入過程中連續(xù)采用兩次HMM模型，并且第一個HMM的輸出作為第二個HMM的輸入，本文把這種情況下的多個串聯(lián)起來的HMM模型稱為CHMM（Cascaded Hidden Markov Model）模型。另外，還提出了輸入法的一個自

3、學(xué)習(xí)模型的結(jié)構(gòu)。
　　 其次，為滿足用戶存儲空間和運(yùn)行時間性能上的要求，本文對基于CHMM模型的手機(jī)輸入方案中所用文件格式進(jìn)行了詳細(xì)的分析和設(shè)計。采用2字節(jié)定長拼音數(shù)字化編號表示單音節(jié)拼音，簡化了拼音碼的存儲格式和匹配算法。為使短語庫文件與二元信息文件相關(guān)聯(lián)，本文引入了短語ID的概念，并實(shí)現(xiàn)了短語到ID轉(zhuǎn)換。為了盡量加快數(shù)據(jù)的查找與計算，本文使用了二分查找算法，以便提高系統(tǒng)效率。
　　 最后，本文提出了一個智能手機(jī)通用輸