搜狗输入法下载mac

０引言

齐夫定律在中文输入法中的应用

刘齐进

（华中师范大学信息管理学院 湖北 武汉４３００７９）

摘 要：介绍了主流的中文输入法，研究了影响中文打字速度的因素，分析了利用齐夫定律

去设置输入法的简码码表以缩短码长、从而提高打字速度的可行性．提出了依据齐夫定律设置

简码码表的详细步骤。并利用Ｐｙｔｈｏｎ、结巴分词、Ｅｘｃｅｌ、ＥｍＥｄｉｔｏｒ等工具针对小说《围城》的数据

实例尝试以小鹤双拼为例设计出其一二三级单字简码以及二简词和三简词。该方法对中文输入

法的发展与创新有一定指导意义

关键词：齐夫定律；中文输入法；打字速度：简码码表设置

中图分类号：ＴＰ３９１．１ 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６６５—２２７２．２０１７．０７．００５

随着时代的发展．现在人类的生活已经和电子产

品的联系越来越紧密，电脑、平板、手机随处可见，成为

我们工作、学习和娱乐的一部分。在这样的环境下，拥

有高效率的输入方式则显得尤为重要．能为我们节省

大量的时间

目前的输入方式主要有实体键盘输入、触摸屏键

盘输入、语音输入这几种。语音输入技术上还尚有不成

熟的地方，使用场景也受到限制。触摸屏输入由于一般

只会用到一到两个手指．输入效率明显不如能用上１０

个手指的实体键盘。所以一般也多用于手机和平板。当

需要生产力的时候．实体键盘依旧是我们进行输入的

主流方式 因此。本文主要就针对计算机的实体键盘设

计的输入法进行讨论

为了提高中文输入的速度．结合信息计量学中的

齐夫定律．可以为我们提供一个全新的视角和思路 本

文将对这个思路进行分析、验证．并对具体的步骤进行

实践操作

１齐夫定律及中文输入法

１．１齐夫定律

齐夫定律是由哈佛大学的语言学家乔治．金斯利．

齐夫于１９４９年发表的实验定律。它可以表述为：在自

然语言的语料库里．一个单词出现的频率与它在频率

表里的排名成反比 所以．频率最高的单词出现的频率

大约是出现频率第二位的单词的２倍，而出现频率第

二位的单词则是出现频率第四位的单词的２倍 这个

收稿１３期：２０１７—０２—１５

１４科技创业月刊２０１７年第７期

定律被作为任何与幂定律概率分布有关的事物的参

考。

齐夫定律是一个实验定律．而非理论定律．可以在

很多非语言学排名中被观察到．例如不同国家中城市

的数量、公司的规模、收入排名等齐夫定律已经在语言

学、情报学、地理学、经济学、信息科学等领域有了广泛

的应用．而且取得了不少可喜成果。

１．２主流中文输入法

输入法（ＩＭＥ）是指为了将各种符号输入计算机或

其他设备（如手机）而采用的编码方法。汉字输入的编

码方法．基本上都是采用将音或者形与特定的键相联

系．再根据不同汉字进行组合来完成汉字的输入的。主

流中文输入法主要包括拼音输入法和五笔输入法

１．２．１ 拼音输入法

拼音输入法是按照拼音规定来进行输入汉字的。

拼音输入法包括全拼、双拼和简拼。由于简拼若单独使

用会造成过高的重码率．所以一般简拼都是配合全拼

或者双拼一起使用

（１）全拼输入法：目前大部分人使用的中文输入法

总体上都属于全拼输入法 全拼是汉语拼音输人法的

一种编码方案 通过全拼输入汉字时需要输入汉字的

全部拼音（包含声母和韵母，通常不包括音调），击键次

数比双拼、简拼多

随着中文输入法的发展．现在流行的智能输入法，

是在全拼输入法的基础上。加入了简拼、整句输入等功

能，比如搜狗输入法、ＱＱ输入法、百度输入法等等，但

其最核心的部分仍然是全拼输入法。

（２）双拼输入法：双拼（也称双打）是一种建立在拼

齐夫定律在中文输入法中的应用

音输入法基础上的输入方法．可视为全拼的一种改进．

它通过将汉语拼青『｝１每个含多个字母的声母或韵母各

自映射到某个按键上．使得每个音都可以川最多两次

按键打…．檄大地提高了拼音输入法的输入速度 这种

声母或韵 到按键的埘应表通常称之为双拼方案．这

种方案 是同定的．现在流行的大多数拼音输入法都

支持蚁拼．并且有各自不同的方案，还允许用户白定义

方案．

州 常 的厅案包括小鹤双拼、自然码、微软双

拼、搜狗舣拼等方案．．这些方案的主要区别在于韵母的

键位安排 双拼足川定义好的 字母代替较长的多字

母韵｛ 或，旨母来进行输入的一种方式 例如：如果Ｕ＝

ｓｈ，ｌ：ｕａｌ１ｇ，键入ｌ埘个字母“ｕｌ”就和输入完整的拼音

“ｓｈｕａｎｇ＂等效、使川舣拼可以减少击键次数，虽然需要

记忆字坶对应的键位．但是熟练之后效牢会有一定提

高

１．２．２五笔输入法

五笔字型输入法（简称 笔）是工永民在１９８３年８

月发叫的一种汉字输入法 为发明人姓１二．所以也称

为“王码五笔”． 笔字型完全依据笔面和字形特征对

汉字进行编码．是典 的形码输入法 五笔是目前中同

以及一些东南亚 家如新加坡、马来西亚等同的最常

』｝ｊ的汉字输入法之一、五笔相对于拼音输入法具有重

码率低的特点．熟练后可快速输入汉字 五笔字型自

１９８３ －２诞生以来．＿，庀后推出＝ 个版本：８６五笔、９８五笔

和新ｔ！ｆｆｄ五笔、

和拼音输入法不同，五笔输入法是按照字形来进

行汉宁输入的 “笔规定了汉字中的一些部件，ⅡＵ做

“字根”． 个字都ｆ可以拆分为各种字根 原理上，输入

字的『１ｌ『候只需依次输入这些字根即可（暂不考虑末

笔字型识别码） 如果说拼音输入法类似于说话是根据

读音米的．五笔输入法则类似于我们用手｝５写汉字是

根据字形来的

２影响中文输入速度的因素

【ｆ１义输入速度的汁苒公ｊ＝Ｉ＝为：

平均每分钟输入汉字总数：平均每秒击键数／平均

码长＊６０（个）

为＿ｒ便于理解，简 举例说明：假设一个人，每秒

可以按６下键盘． 假设他平均输入一个汉字需要输

入４个字符．那么他的打字速度就是６／４＊６０＝９０，即他

平均每分钟可以输入９０个汉字

可 ．影响ｌｆ１文输入速度的直接因素为击键速度

和平均 长，

２．１击键速度

击键速度指的是一个人平均每秒能敲击几次键

盛，．很 然．在码长不变的情况下，敲击速度越快．打字

速度越快。以下冈素会对击键速度造成影响。

２．１．１ 对键盘的熟练程度

我们平时使用的电脑键盘，一般都是Ｑｗｅｒｔｙ ｌ布局

而其它键盘布局中，最常见的是Ｄｖｏｒａｋ布局。这两种键

盘布局在Ｗｉｎｄｏｗｓ系统的控制面板中可以进行设置

一 ！ 静 ｌ ；％ ＾－ 《 ｝ ｛ ； ｈ

１ ２ ｉ ３，４ ｌ ５ ｌｅ ７ ￥；口 Ｏ 【 ｝●■■●＿＿

苎；《： ？ Ｉｏ－ｃ ｉｊ ：

盎 －‘ 魄ｌＡ ｛Ｏ ｛嚣 ｕ ｌ 牡 ｝Ｈ ；Ｔ ｝Ｎ Ｓ ｙ ｌ釉 ◆ ：｛．＿Ｊ

－矗 ： ｒｏ ａ Ｘ Ｘ ８ Ｗ Ｖ Ｚ ●嗍

ｏ － Ｑ

ｉ＝＝；

图１ Ｄｖ‘Ｉｒ２ｌｋ键盘布局

一个人敲击键盘的速度．与他对键盘的熟练程度

是有关的．这也是为什么使川Ｑｗｅｒｒｖ布局人如果想尝

试Ｄｖｏｒａｋ布局需要一定的练习时间才‘能熟练运用 、

２．１．２对输入法的熟练程度

除了对键盘本身的熟练程度．另一个影响击键速

度的 素是对输入法的熟练程度 一个用了十年五笔

输入法的老手．肯定比刚开始学习五笔的新手打字要

快得多．这就是对中文输人法的熟练程度了，拼音也是

同理。

２．１．３输入法的确定性

一个人．对键盘和输入法的熟练程度是有极限

的——根据每个人天赋不同．经过数个月至若干年的

练习．一个人对同一个输人法的熟练程度则儿乎到达

自己的极限 这个时候．影响他击键速度的还有一个关

键 素．即输入法本身的确定性如何

输入法的确定性体现在同一个输入码对应多少个

选项上 以全拼为例，ｖｉｚｈｉ这个输入码，可以对应“一

直”、“一致”、“意志”、“抑制”、“移植”等等多个候选浏，

需要我们人为去选择 假没一个输入码对应了太多选

项．则需要人为去从多个选项中找到合适的汉字甚至

需要翻贞去查找．这种不确定性会大大减缓敲击键盘

的速度． 为人们需要不停地在候选框中进行选字和

选词的操作

为了解决输入法的不确定性．增强每个输入码的

确定性．主流输入法有两种思路：一个思路是以全拼输

入法为代表的整句输入．通过增加输入码的长度并利

用云计算来减小重码率——该方法学习成本小，但对

打字速度的提升有限：另一个思路是以五笔输入法为

代表的字词模式．尽量让４个字符指向唯一确定的一

个单字或者词语．四码上屏．这样在输入的时候可以做

到完全不看候选框进行打字．从而大幅提升打字速

度——该方法学习成本很大．需要较长的练习时间，但

对打字速度提升效果显著

２．２ 平均码长

平均码长指的是每输入一个汉字．平均需要敲击

ＰＩＯＮＥＥＲｌＮＧ ＷＩＴＨ ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ ＭＯＮＴＨＥＹ ＮＯ ７ ２０１ ７ １５

齐夫定律在中文输入法中的应用

几次键盘（空格和退格键也包括在内）。很显然，在相同

的击键速度下．码长越短，打字速度越快。以下因素会

对平均码长造成影响

２．２．１ 输入法自身的码长

不同输入法，本身就会产生不同的码长。以“双”字

为例，全拼中得输入ｓｈｕａｎｇ，码长最少为６，而双拼中则

只用输入两个字符即可，码长最短为２（如小鹤双拼中，

双字的输入编码为ｕ１）

通过缩短码长来提高打字速度的思路有两种。一

种是类似于将全拼进行映射的双拼输入法．比如对于

“双”字，小鹤双拼的方案中，将声母ｓｈ映射为ｕ，将韵

母ｕａｎｇ映射为１．这样本来码长为６的ｓｈｕａｎｇ则被压

缩为码长为２的ｕｌ

另一种思路是设置简码．比如“计算机”这个词．全

拼中为ｉｉｓｕａｎｊｉ，在小鹤双拼中为ｉｉｓｒｊｉ，而如果设置简

码，则用ｉｓｊ即可。在全拼中，可以通过开启简码输入来

缩短码长，但是会增加不确定性。在字词模式的输入法

中，单字的完整码长为４码，词的完整码长也为４码，

则可以对单字设置一级简码、二级简码和三级简码，以

及对词设置一些二简词和三简词．而且字词模式中只

要设置简码时合理选择、适当处理，可以避免不确定性

的增加。具体方案的实现将在下一节中详细叙述。

２．２．２ 回改率

回改率与击键的准确率负相关 如果经常输错字

符而需要用退格键去删除、然后再修改，会大量增大码

长。这一点对任何输入法都适用。所以提高敲击键盘的

准确率，减少回改率能缩短码长，以提高打字速度。

３齐夫定律在缩短码长中的应用

３．１利用齐夫定律来缩短码长的原理

根据第四节的介绍．我们知道有一种提高打字速

度的方法就是缩短码长 而有一种缩短码长的方法就

是设置简码。那么将齐夫定律应用于设置输入法的简

码中．就能通过缩短码长来提高中文打字速度。

正是因为词频分布曲线在一定程度上满足齐夫定

律．高频词的积累频率是一开始快速增长．后来才逐渐

变慢的。对于单字频率也有类似规律。这就保证了只需

要取频率前１ ０００甚至前５００的单字．就已经覆盖了大

部分的文字。以小说《围城》为例，根据本人的统计结

果．虽然小说中一共出现了３ ２９６个不同的汉字．但小

说中９０％的汉字，都仅仅来自于最高频的８４０个汉字。

词语也有类似规律．最高频的前１ ０００个词汇，已经覆

盖了小说中５０％的文字 这个现象说明对输入法设置

简码是很有意义的．因为我们平时需要输入的大部分

汉字都来自于最高频的那几百个汉字。在字词平台的

输入法中（比如五笔输入法、小鹤双拼输入法），输人一

个汉字，完整的码长应该为４码；而设置简码后，一级

１６科技创业月刊２０１７年第７期

简码中的汉字码长为１码．二级简码中的汉字码长为２

码．很显然通过设置简码能大大缩短码长，并且齐夫定

律保证了我们设置的这些简码在平时输入时会经常被

用到。

３．２利用齐夫定律设置输入法简码码表的具体步骤

３．２．１ 收集大量文本用于统计分析

在实际中．若要设置输入法的简码码表，需要统计

大量的文本进行字频和词频分析。

这里为了简单说明问题．只选取了钱钟书的小说

《围城》进行分析，总字数约２５万字。

３．２．２ 中文分词

对需要进行词频统计的文本．先进行中文分词的

预处理

有很多分词工具可以选择，这里对于小说《围城》

的分词．选用了Ｐｙｔｈｏｎ中较好用的结巴（Ｊｉｅｂａ）分词组

件完成

３．２．３ 字频分析和词频分析

进行完中文分词处理之后．就可以进行字频分析

和词频分析．以用于设置输入法的简码码表了。所使用

的工具为：利用Ｐｖｔｈ０ｎ进行词频统计，并利用Ｅｘｃｅｌ进

行后续统计分析

４

２

Ｏ

Ｏ ｌ ２ ３ ４

图２小说《围城》的单词频率分布曲线

图２说明单字频率在一定程度上符合齐夫定律。

对单字设置一级简码、二级简码、三级简码有重要意

义。

４

２

Ｏ

一２

次数对数

图３小说《围城》的词频分布曲线

图３说明二字词的频率在一定程度上符合齐夫定

律．对输人法设置二简词有重要意义。对三简词的设置

同理。

３．２．４设置单字的一级简码、二级简码和三级简码

这里．我们以字词平台的输人法小鹤双拼为例说

明如何设置单字的简码。使用的工具为Ｅｘｃｅｌ和支持正

则表达式的文本编辑器ＥｍＥｄｉｔｏｒ。

一级简码．只有１个字符，对应于键盘上的２６个

字母．每个字母对应一个汉字．该字母作为相应汉字的

一级简码 设置一级简码的方法则是对于ａ，ｂ、Ｃ……Ｘ、

齐夫定律在中文输入法中的应用

ｙ、ｚ这２６个字母，分别取拼音输入码以ａ、ｂ、ｃ……ｚ开

头的最高频的２６个汉字

根据表１中小说《围城》的统计结果，我们发现，双

拼输入码以ｄ开头的汉字中．“的”字出现的频率最高．

所以将汉字“的”收入一级简码汉字．其对应简码为ｄ。

如果统计文本足够多．我们会得出如下结果：ａ开

头的字“啊”频率最高．ｂ开头的字“不”频率最高．Ｃ开

头的字“才”频率最高……Ｚ开头的字“在”频率最高．依

据这种方法．２６个一级简码汉字及其相应简码则设置

完毕。

类似的．二级简码则是取输入编码为２码的组合

中。出现频率最高的汉字。比如输入编码为ａｎ．这些汉

字中“安”字的频率最高．则取“安”字收入二级简码汉

字．对应二级简码ａｎ。三级简码汉字的设置方法同理。

以后在输入这些有简码的单字的时候．直接输入

简码＋空格即可，不再需要输入完整的４码了。

３．２．５设置二简词和三简词

除了单字。词汇同样可以设置简码 还是以小鹤双

拼为例．比如表２中的“自己”这个词。在小鹤双拼中完

整编码应该为ｚｉｊｉ，但对于这样的高频词可以设置为二

简词．编码取两个汉字的首码，即ｚｊ为“自己”的简码。

三简词设置方法同理，如“计算机”的简码设置为ｊｓｊ。

设置二简词和三简词的时候要注意避免和单字的

编码出现重码。如果出现重码。则以单字优先．不取词

汇的简码．输入该词汇时依旧输入全码。把简码空间让

给单字。根据小说《围城》的统计结果，其中９０％的汉

字．都来自于最高频的８４０个汉字，高频汉字的覆盖面

相当广：而最高频的前１ ０００个词汇。只覆盖了小说中

５０％的文字（相比单字覆盖面显得不足），这就是简码空

间词汇要让给单字的原因．要让简码空间得到最大化

的利用

４ 结语

词频统计是在数理语言学、情报学、信息学和文献

计量学等学科中都普遍运用的一种基础性研究方法。

主要通过统计一定长度范围内语料或文本中词语出现

的次数和频率，依据词语频次的高低制作出词表，分析

具体的统计结果，试图找出蕴含在词表中的规律及其

设定学科之间的联系。齐夫定律则是根据词频统计．发

现了一个单词出现的频率与它在频率表里的排名成反

比的规律

依据齐夫定律的词频规律。并将这个规律延伸到

中文的字频分析中．本文详细分析了影响中文输入速

度的因素和提高打字速度的方法．并分析了利用这样

的规律去设置输入法的简码码表以缩短码长从而提高

打字速度的可行性，并且通过对小说《围城》的数据处

理，提出了设置简码码表的详细步骤及操作方法 将信

息计量学的规律应用于中文输入法中．是一个全新的

视角，这个思路也对于今后中文输入法的发展和提高

也有一定指导和实践意义

参考文献

１ 邱均平．信息计量学［Ｍ］．武汉：武汉大学出版社，２００７

２郭强，刘俊友．信息计量学导论［Ｍ］．合肥：合肥工业大学出版

社．２００７

３周基桑，何克．办公及家用电脑入门［Ｍ］．合肥：中国科学技术

大学出版社．１９９６

４吴劲松，何莹等．五笔打字［Ｍ］．北京：机械工业出版社，２００６

５邓凌卿．关于检测齐夫定律对产出性词汇测量效度的实证研

究［Ｄ］．上海：华东师范大学，２０１４．

６何凤远．基于词频统计的齐夫定律汉语适用性研究『Ｄ］．合肥：

安徽大学．２０１１．

７ 叶飞．一种基于齐普夫定律的识别语料中高低词频分界点的

新方法及其应用［Ｄ］．天津：南开大学，２０１４．

８张忠友．齐夫定律的理论基础及其实践意义［Ｊ］．情报科学，

１９８９（５）

９陈海伦．对齐夫定律的几点再认识［Ｊ］．广西大学梧州分校学

报，１９９８（２）

ｌ０孙清兰，王肇建．齐夫定律的词等级确定方法探讨［Ｊ］．东北师

大学报（自然科学版），１９９３（３）

１１何凤远．中文词频分布与齐夫定律的汉语适用性初探［Ｊ］．现

代语文（语言研究版），２０１０（１０）

ｌ２杨少华．中文输入法若干相关问题研究［Ｄ］．上海：上海交通

大学．２０１３

１３戴石麟．汉字编码输入法研究［Ｄ］．重庆：重庆大学，２００５

（责任编辑吴汉）

Ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｚｉｐｆ’Ｓ Ｌａｗ ｉｎ Ｃｈｉｎｅｓｅ Ｉｎｐｕｔ Ｍｅｔｈｏｄ

Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｔｈｅｓｉｓ ｉｎｔｒｏｄｕｃｅｄ ｔｈｅ ｍａｊｏｒ Ｃｈｉｎｅｓｅ ｉｎｐｕｔ ｍｅｔｈｏｄｓ ａｎｄ ｓｔｕｄｉｅｄ ｔｈｅ ｆａｃｔｏｒｓ ｔｈａｔ ａｆｆｅｃｔ Ｃｈｉｎｅｓｅ

ｔｙｐｉｎｇ ｓｐｅｅｄ，ｔｈｅｎ ａｎａｌｙｚｅｄ ｔｈｅ ｐｒａｃｔｉｃａｂｉｌｉｔｙ ｏｆ ｂｕｉｌｄｉｎｇ ｔｈｅ Ｂｒｅｖｉｔｙ Ｃｏｄｅ ｏｆ Ｃｈｉｎｅｓｅ ＩＭＥ ｉｎ ｏｒｄｅｒ ｔｏ ｉｎｃｒｅａｓｅ

ｏｕｒ ｔｙｐｉｎｇ ｓｐｅｅｄ．Ｔｈｅ ｐｒｏｃｅｄｕｒｅ ｏｆ ｂｒｅｖｉｔｙ ｃｏｄｅ ｓｅｔｕｐ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎ ｄｅｔａｉｌｓ．Ｗｉｔｈ ｔｈｅ ｔｏｏｌｓ ｏｆ Ｐｙｔｈｏｎ，Ｊｉｅｂａ，

Ｅｘｃｅ１．ＥｍＥｄｉｔｏｒ ａｎｄ ｔｈｅ ｄａｔａ ｃｏｍｐｕｔｅｄ ｉｎ ｔｈｅ ｎｏｖｅｌ “ｆｏｒｔｒｅｓｓ ｂｅｓｉｅｇｅｄ”，ｔｈｅ ｂｒｅｖｉｔｙ ｃｏｄｅｓ ｏｆ ｓｉｎｇｌｅ Ｃｈｉｎｅｓｅ

ｃｈａｒａｃｔｅｒ ａｎｄ Ｃｈｉｎｅｓｅ ｗｏｒｄｓ ｆｏｒ ｘｉａｏｈｅ ｓｈｕａｎｇｐｉｎ ＩＭＥ ｈａｖｅ ｂｅｅｎ ｄｅｓｉｇｎｅｄ．Ｔｈｉｓ ｔｈｅｓｉｓ ｍａｙ ｈｅｌｐ ｗｉｔｈ ｔｈｅ ｉｍ．

ｐｒｏｖｅｍｅｎｔ ｏｆ Ｃｈｉｎｅｓｅ ｉｎｐｕｔ ｍｅｔｈｏｄ ｄｕｅ ｔｏ ｉｔｓ ｏｒｉｇｉｎａｌ ｍｅｔｈｏｄ ａｎｄ ｉｄｅａ．

Ｋｅｙ ｗｏｒｄｓ：Ｚｉｐｆ’Ｓ ｌａｗ；Ｃｈｉｎｅｓｅ ｉｎｐｕｔ ｍｅｔｈｏｄ（ＩＭＥ）；ｔｙｐｉｎｇ ｓｐｅｅｄ；ｂｒｅｖｉｔｙ ｃｏｄｅ ｓｅｔｕｐ

ｐＩｎＮＦＦＲＩＮ（；ＷＩＴＨ ＳｒＩＦＮｒＦ只ｆ ＴＦｒＨＮｎｌ ｎ Ｙ ＭｎＮＴＨｌ Ｙ，Ｖｎ ７ ，ｎ１ ７ １７