C6.12.1IME ranking uses context and personal history设计研究
候选排序依赖上下文与个人历史
别名: 输入法排序 · 上下文候选 · 个人词频
概念解释
拼音、字形码等编码把一次按键串映射成许多可能的字词，候选窗要把这个集合排成一条人能挑的列表。排序不是按字典序，也不是按编码长度：它跟着上文已经提交的字，以及这个人平时选过什么。同一串 shiji，在谈会议时和在谈实验时，第一位不应是同一个词。
机制
编码到汉字是一对多。输入法先在编码上展开一棵分词格子：不同切分对应不同的词序列，每个节点挂着同音或同码的竞争者。没有上下文时，只能按通用频率把高频字放前面，于是“的、是、不”会长期霸占短码的首位。上文给出的是格子的左约束：前一个已上屏的词让某些后续边变重。个人历史给出的是这个用户的边权：专业词、人名、口头禅被抬到通用频率达不到的位置。排序因此是给格子打分，不是给单字打分。用户看见的只是打分后截断的一条列表；他们无法从列表读出格子，只会觉得“这次怎么换了”。
怎么研究
用受控上文（空、偏向词 A、偏向词 B）和是否加载个人词库，测量同一编码串的首位命中。自变量包括上文长度、个人词库大小、是否允许本会话学习；因变量包括首位命中、目标落在第几位、以及用户是否察觉顺序变了。只在孤立单字上测排序，会把通用字频写成输入法的全部能力。
边界
无上文的句首、新设备空词库，排序退回通用频率。编码本身已经唯一确定字形时（某些字形码的全码），列表可以很短，上下文的影响变小。不要把“排序会变”理解成列表可以在手指已经按下时改写位置——那是另一层交互问题。
怎么落地
- 让候选窗的第一位对应当前句子的上文，而不是永远展示全局最高频字。
- 个人词库的学习要能关掉或清掉，避免在共用设备上把一个人的历史当成下一个人的默认排序。
- 用带上文的句子而非孤立编码串来验收首位命中；句首和句中要分开报。