图像识别 神经网络 输入法引擎 AI 化已成为输入法产品发展的趋势。[好网角文章(6)

Q7:”可以在 LSTM 的网络结构中添加嵌入层 (Word Embedding Layer) 来将词与词的语义关系加入到训练和预测过程中” 能具体解释下，在实际的数据预处理中，是如何添加的？简单拼接还是啥？LSTM cell 的输入又是啥？

A7:Word Embedding Layer 的作用是将高维的词空间映射到低维的向量空间，确保在低维空间上语义相似的词的向量距离比较小。Word Embedding Layer 的输出作为 LSTM 的输入。TensorFlow 本身自带 Word Embedding Layer，其实就是一个简单的 lookup table。但如果所处理的问题领域不是 general domain，建议用所在 domain 的语料数据利用 Word2vector 来训练得到对应的 domain specific word embedding，用来替换掉 TensorFlow 自带的 Word Embedding Layer。

Q8: 输入法的研究应该是很有挑战的领域，尤其是人类语言太多了。能谈谈这方面的发展趋势吗？

A8:「趋势」都是大拿才可以谈的事情，我只谈一些自己的浅薄想法。输入法本质为了解决人类通过机器 (手机、电脑、智能家居等) 和网络达成的人与人的沟通问题。而这样的沟通问题，最重要的是能够达到或超越人与人在现实世界中利用语音、表情和肢体动作面对面沟通的效果，能够全面、准确、快速地达到意图、信息和情感的沟通。

因此，我们认为输入法的下一步发展一定是围绕着「全」、「准」、「快」三个方面进行的。「全」是指能够提供文字、语音、表情、多媒体内容等的沟通方式，「准」指的是使得接收方能够准确接收到表达方的意图、信息和情感，不会产生误解，「快」指的是表达放产生到接收方接收的时间足够短。

而「全」、「准」、「快」这三方面的用户体验，通过 AI 的技术，都可以大幅提升。

Q9: 我还想提问这样的 ai 输入法和百度输入法怎么竞争。谢谢。

A9: 产品之间的竞争，本质就是如何为用户创造价值。Kika 输入法的定位，就是解决全世界用户在人与人沟通之间产生的问题，就是为用户提供极致的「全」、「准」、「快」的沟通方式，为用户创造更多的价值。从市场划分上来看，两款产品也不在一个维度上竞争—国内的输入法巨头像搜狗、百度主要解决的是中文，而 kika 则重点为中文之外的其他语种的用户创造价值。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-81276-6.html