IME和大資料：也能扯上關係？

標籤：

在當前的資訊時代下，正面臨著潛在的負載傾向。這種傾向反映到前沿科技上就是業界所謂的“大資料”——即指資料的總量過大，以至於傳統的資料庫難以將其消化，甚至無法負荷。而後，“大資料”一詞又衍生出了指一類需使用大量資料運算的科技之意。

因此無論何時，只要我們關注的某類資料中包含著數十 億(甚至數萬億)條來自網路及其他途徑的記錄，我們就是在談論“大資料”。然而很多時候，我們都忽略了在每日與科技的接觸中，比如使用行動裝置上的自動錯誤修正功能、文文書處理軟體和電郵用戶端時，會與“大資料”一詞產生多大的關聯。

自動錯誤修正與字詞推薦

自動錯誤修正功能有時錯的令人無語，以至於許多網站致力於貼圖展示那些搞笑(且經常黃暴)的“修改結果”。儘管如此，這種在行動裝置上的自動改正錯誤拼字甚至預測下一個詞語的功能依然是超乎想象的好用，畢竟更多時候它替你避免了許多由手指輸入而可能造成的尷尬局面。

不過有時想想也會驚出一身雞皮疙瘩。 智能機可以根據你鍵入的任意字母順序，列出可能產生的所有詞語結果。再考慮到外語編程的可行性，以及現在多數智能手機的滑動輸入功能，可以說由此產生的幾乎無限多的詞語組合確確實實是“大資料”。

字詞推薦和自動錯誤修正功能基於一種智能手機內建的演算法。基本來說，它可以將你的鍵入與內建詞典進行比對，並找出與之不同的拼字。而它的的內建詞典往往涵蓋多種語言。舉例來說，每次我鍵入外語字母時，手機都會提供相應詞典的聯想與錯誤修正功能。

當鍵入的內容與字典相符時，手機會顯示可能與其相配 的字詞。如果建議的詞語正確，這項功能會大大縮短打字時間，提高溝通效率。如果無可用結果，手機程式會繼續提供更多字詞選擇，其中有的文法正確，有些還算合理，有些甚至你都沒想過，剩下的基本就是網上那些“手機IME搞笑圖片”的素材了。

找到最合適的搭配

怎樣的鍵入會有怎樣的推薦詞，這是程式員要面對的諸多挑戰之一，這其中又包括如下兩點：

1、 製作出全面的詞庫——該詞庫的功能不能因時代發展而打折，反而應與時俱進，具有高實用度，比如要收錄容易出現在簡訊中的網路流行語等。

2、 敲定出沒有明顯缺陷的語言模型——該模型應可以檢驗使用者輸入的字詞並對可能的錯誤給出合理建議。

這也就是說，如果鍵入了“taxos”，那麼是“taxis”呢還是“tacos”呢?你的輸 入法鍵盤會同時提供這兩個推薦。但是如果你想輸入的是“taxes”，那就需要IME已知上下文意，如“there’s nothing sure but death and…”，才能正確給出taxes。如果並無前後文提示，只是單純錯輸了taxos，除非使用極成熟的IME，一般說來只能得到“taxis”、 “tacos”，或者“taxos”的推薦。當然，絕大多數使用自動錯誤修正和字詞聯想功能的人還是會被它的精確率驚豔到的。

IME如何知曉

Google搜尋引擎的拼字檢查程式會記錄學慣用戶偏好，並據此對搜尋結果加以修正。然而絕大多數的手機鍵盤並非如此智能，部分原因是收集使用者的打字習慣並產生資料庫很可能會侵犯個人隱私。

用於自動錯誤修正的詞庫一般從不受專利限制的文集中獲得詞彙。程式員已經設計出了一系列的演算法，用於識別常用句法，某詞的主要用法和重複，拼字，以及可能的字母串位，當然還有由於鍵盤配置而時常發生的字母錯誤。

即使如此，手機也會學習你對於自動錯誤修正後的字詞的修正方式。這更常見於輸入如商業術語等專有名詞和新生詞語時。

沒有大資料對海量字片語合的管理 ，商業智慧平台智能IME也就無所謂智能了。然而，大資料還能讓鍵盤變得比現有功能更具智慧。隨著技術日趨成熟，手機可以儲存更多資訊，手機詞庫也將變得愈大、愈精。

IME和大資料：也能扯上關係？