【大数据专栏】键盘上的大数据：当心你敲下的每个字符

【摘要】很多时候，我们都忽略了在每日与科技的接触中，比如使用移动设备上的自动纠错功能、文字处理软件和电邮客户端时，会与“大数据”一词产生多大的关联。

| 科 | 技 | 杂 | 谈 |

中国通信行业第一自媒体

文 / 太保乱谈，本文编译自TechCrunch

信息时代正面临着潜在的负载倾向。这种倾向反映到前沿科技上就是业界所谓的“大数据”——即指数据的总量过大，以至于传统的数据库难以将其消化，甚至无法负荷。而后，“大数据”一词又衍生出了指一类需使用大量数据运算的科技之意。

因此无论何时，只要我们关注的某类数据中包含着数十亿（甚至数万亿）条来自网络及其他途径的记录，我们就是在谈论“大数据”。然而很多时候，我们都忽略了在每日与科技的接触中，比如使用移动设备上的自动纠错功能、文字处理软件和电邮客户端时，会与“大数据”一词产生多大的关联。

自动纠错与字词推荐

自动纠错功能有时错的令人无语，以至于许多网站致力于贴图展示那些搞笑（且经常黄暴）的“修改结果”。尽管如此，这种在移动设备上的自动改正错误拼写甚至预测下一个词语的功能依然是超乎想象的好用，毕竟更多时候它替你避免了许多由手指输入而可能造成的尴尬局面。

不过有时想想也会惊出一身鸡皮疙瘩。智能机可以根据你键入的任意字母顺序，列出可能产生的所有词语结果。再考虑到外语编程的可行性，以及现在多数智能手机的滑动输入功能，可以说由此产生的几乎无限多的词语组合确确实实是“大数据”。

字词推荐和自动纠错功能基于一种智能手机自带的算法。基本来说，它可以将你的键入与内置词典进行比对，并找出与之不同的拼写。而它的的内置词典往往涵盖多种语言。举例来说，每次我键入外语字母时，手机都会提供相应词典的联想与纠错功能。

当键入的内容与字典相符时，手机会显示可能与其相配的字词。如果建议的词语正确，这项功能会大大缩短打字时间，提高沟通效率。如果无可用结果，手机程序会继续提供更多字词选择，其中有的文法正确，有些还算合理，有些甚至你都没想过，剩下的基本就是网上那些“手机输入法搞笑图片”的素材了。

找到最合适的搭配

怎样的键入会有怎样的推荐词，这是程序员要面对的诸多挑战之一，这其中又包括如下两点：

1、制作出全面的词库——该词库的功能不能因时代发展而打折，反而应与时俱进，具有高实用度，比如要收录容易出现在短信中的网络流行语等。

2、敲定出没有明显缺陷的语言模型——该模型应可以检验用户输入的字词并对可能的错误给出合理建议。

这也就是说，如果键入了“taxos”，那么是“taxis”呢还是“tacos”呢？你的输入法键盘会同时提供这两个推荐。但是如果你想输入的是“taxes”，那就需要输入法已知上下文意，如“there’snothingsurebutdeathand…”，才能正确给出taxes。如果并无前后文提示，只是单纯错输了taxos，除非使用极成熟的输入法，一般说来只能得到“taxis”、“tacos”，或者“taxos”的推荐。当然，绝大多数使用自动纠错和字词联想功能的人还是会被它的精确率惊艳到的。

输入法如何知晓

Google搜索引擎的拼写检查程序会记录学习用户偏好，并据此对搜索结果加以修正。然而绝大多数的手机键盘并非如此智能，部分原因是收集用户的打字习惯并生成数据库很可能会侵犯个人隐私。

用于自动纠错的词库一般从不受专利限制的文集中获得词汇。程序员已经设计出了一系列的算法，用于识别常用句法，某词的主要用法和重复，拼写，以及可能的字母串位，当然还有由于键盘布局而时常发生的字母错误。

即使如此，手机也会学习你对于自动纠错后的字词的修正方式。这更常见于输入如商业术语等专有名词和新生词语时。

大数据从何而来

没有大数据对海量字词组合的管理，智能输入法也就无所谓智能了。然而，大数据还能让键盘变得比现有功能更具智慧。随着技术日趋成熟，手机可以存储更多信息，手机词库也将变得愈大、愈精。

未来，输入法开发人员将会使用大数据和机器学习来完善所有依赖键盘和基于文本的功能，而键盘的使用感也将会大大提升。

点击下方 【阅读原文】加入 “科技杂谈菁英汇”。

2013年度最佳IT原创自媒体

2014年度最佳新媒体人

2014年度最受企业关注自媒体

国资委微公益行动联合发起人

| 新科技 | 睿思想 |

已入驻百度百家、腾讯新闻、搜狐新闻、今日头条、网易阅读
犀牛财经自媒体联盟（xinews）成员

欢迎争鸣 谢绝软文

转载授权、商务合作，联系微信号：sophie0306