许丹青，刘奕群，岑荣伟，马少平，茹立云，杨 磊

(智能技术与系统国家重点实验室，清华信息科学与技术国家实验室(筹)，清华大学计算机系，北京 100084)

1 前言

随着互联网在中国的蓬勃发展，中国网民的比例越来越大，据统计，直至2010年初，中国网民已达到了3.84亿，位于全球首位[1]。中文输入法作为中国网民在互联网上必不可少的输入工具，其作用也变得越来越重要。与英文输入不同，中文的很多候选词条所对应的拼音输入相同，如果对于一个拼音输入而言，大多数用户都选择了某个词条作为最终的结果，那么我们就将这个词条排在越靠前的位置。这也是当前的很多输入法所采用的排序策略的主要思路。由于数据收集和分析的困难，以前对输入法的研究主要集中用自然语言处理的方法，将现有的一些分词算法和排序算法进行一些优化和改进[2-3],而对目前输入法的用户行为研究并不多见。我们主要对经过用户许可收集的某中文输入法一天的数据进行分析，希望可以从中得到输入法用户行为的一些普适特征，为当前的输入法日后的改进提供帮助。由于日志数据规模较大，所以结论具有一般性，能反映大多数用户的行为特征。

本文后续的内容组织如下：第2节是对前人相关工作的一些概述，第3节简单描述了我们采用的输入法格式，第4节从三个不同方面对输入法日志的用户行为进行分析，第5节从分析的结果中尝试得出一些对当前输入法改进有用的启示和结论，第6节是参考文献说明。……