C6.26.3Homophone ranking and first-hit rate设计研究
多音字或同音词场景下，候选顺序对首选命中率影响巨大
别名: 同音词首选 · 多音字候选 · top-1 命中
概念解释
汉语里大量音节对应多个字词，shi、yi、zhi 这类音节的候选列表可以很长。用户真正在意的往往不是“列表里有没有”，而是第一位是不是我要的——因为空格、数字键 1、或触屏上最左那一格绑定了首选。同音集合越大，把正确项排到第一与排到第五的体验差距越大：前者零额外操作，后者要读名单、按数字或翻页。顺序在这里几乎等于效率本身。
机制
同音集合的大小由音节的信息量决定，不由界面决定。高歧义音节下，词频的头部会被少数虚词占满，实词全挤在后面。上下文模型的作用在这里最大：没有上下文时 shi 的第一位几乎总是“是”，有“教师”在前则“室”可以上来。首选命中率（top-1）因此对排序质量极度敏感，而对候选窗高度不那么敏感——窗再高，空格仍然只取第一。触屏上第一格还最大，误触也集中在首选，排错的伤害是双向的：排错了既要点别的，又容易点错这个大按钮。
怎么研究
按音节歧义分层抽样（低歧义如 nü、高歧义如 yi），报告各层的 top-1、top-3、翻页率。材料必须是有上下文的句子，不能只出单音节。对照“随机打乱除第一外的列表”可以分离“有没有这个词”和“它在第几位”。眼动看用户是否在高歧义音节上被迫读完整行。不要用英语自动完成的 top-1 来外推拼音，英文候选通常不是同音集合。
边界
整句输入把歧义推迟到整句解码，单音节首选的重要性下降，但用户若在中途逐词确认，问题又回来。语音输入的同音错误发生在识别层，没有候选顺序可调。仅输入数字和英文的字段不存在这层同音集合。日文假名转换有类似的同音汉字问题，韩文 hangul 则几乎没有，不能把中文的 top-1 数字搬过去。
怎么落地
- 优化目标写成目标领域的 top-1，而不是“词库覆盖了这个词”。
- 高歧义音节在有上下文时要敢于把虚词从第一位拿开。
- 触屏首选按钮不要过分大于第二候选，以免排错时误触代价叠加。
- 验证：从产品日志里抽出最高频的 50 个音节，统计空格直接上屏的正确率；对正确率最低的音节抽查上下文是否被融合器忽略。