本發(fā)明主要涉及一種包括用戶(hù)界面的數(shù)據(jù)輸入系統(tǒng)。特別是該用戶(hù)界面包括多個(gè)目標(biāo)且用于接收用戶(hù)輸入。本發(fā)明提供了一種模型化系統(tǒng)用戶(hù)界面目標(biāo)的方法以及一種將數(shù)據(jù)輸入至用戶(hù)界面目標(biāo)已模型化的系統(tǒng)的方法。

背景技術(shù)：
以前，致力于提高使用有限尺寸鍵盤(pán)的用戶(hù)交互的工作已提出了一些基于因減小了尺寸而無(wú)法覆蓋給定語(yǔ)言文字所有字符的鍵盤(pán)的方法。這是公開(kāi)號(hào)為US6307549的美國(guó)專(zhuān)利文獻(xiàn)的主題，該專(zhuān)利文獻(xiàn)提供了一種消除簡(jiǎn)化鍵盤(pán)（每個(gè)鍵上一般包括3個(gè)字符）輸出歧義的方法。通過(guò)使用允許用戶(hù)重復(fù)循環(huán)當(dāng)前輸入的可能匹配的選擇按鈕，提供單詞級(jí)別的歧義消除。公開(kāi)號(hào)為US7083342的美國(guó)專(zhuān)利文獻(xiàn)公開(kāi)了一種作為“半個(gè)標(biāo)準(zhǔn)鍵盤(pán)”（halfqwerty）布局的基于普通QWERTY（標(biāo)準(zhǔn)鍵盤(pán)）布局的可選簡(jiǎn)化鍵盤(pán)布局，該布局同樣使用了輸入之后的額外歧義消除。盡管簡(jiǎn)化鍵盤(pán)可以降低出錯(cuò)率，但其同樣只是粗略地量化了輸入，這意味著電腦從簡(jiǎn)化鍵盤(pán)中接收到的信息量要少于從標(biāo)準(zhǔn)鍵盤(pán)中接收到的信息量。理論上，對(duì)于自適應(yīng)糾錯(cuò)系統(tǒng)而言，帶有糾錯(cuò)功能的標(biāo)準(zhǔn)鍵盤(pán)要求少于簡(jiǎn)化鍵盤(pán)的消除歧義的擊鍵。在硬式鍵盤(pán)上，輸入事件與用戶(hù)在鍵盤(pán)按鍵上作出的按下動(dòng)作相關(guān)。對(duì)于這樣的鍵盤(pán)而言，用戶(hù)可以按壓按鍵范圍內(nèi)的任何位置，在該范圍內(nèi)所有位置上的相應(yīng)輸入事件都是相同的。但對(duì)于觸摸式的“軟鍵盤(pán)”而言，可使用軟鍵盤(pán)上觸摸的幾乎連續(xù)的坐標(biāo)。一些已知的虛擬鍵盤(pán)系統(tǒng)，例如公開(kāi)號(hào)為2009/0284471的美國(guó)專(zhuān)利申請(qǐng)及其他在先申請(qǐng)?zhí)岬搅嗽谙到y(tǒng)接收到非用戶(hù)有意輸入的字符的一些實(shí)例中包含自動(dòng)糾正用戶(hù)輸入的機(jī)制。此類(lèi)系統(tǒng)以將預(yù)設(shè)位置集合指定為帶有可由用戶(hù)輸入的字符笛卡爾坐標(biāo)的觀(guān)點(diǎn)為基礎(chǔ)。給定一組表示某一輸入事件的坐標(biāo)，該事件與自動(dòng)糾錯(cuò)區(qū)域內(nèi)的周?chē)囟ㄎ恢弥g的距離用于構(gòu)造分配給該事件加權(quán)字符集合。自動(dòng)糾錯(cuò)區(qū)域包括多個(gè)字母表字母。在輸入過(guò)程中，顯示給用戶(hù)一組被認(rèn)為有可能是預(yù)期字符序列的“對(duì)象”。一旦用戶(hù)選擇其意欲輸入的字符序列，則計(jì)算輸入事件坐標(biāo)與字符坐標(biāo)之間的（可能被加權(quán)的）水平、垂直偏差，而用于調(diào)整輸入事件的相關(guān)移動(dòng)平均數(shù)協(xié)調(diào)反映用戶(hù)的鍵入風(fēng)格。該移動(dòng)平均數(shù)（movingaverage）可以為運(yùn)動(dòng)平均數(shù)（runningaverage），在該運(yùn)動(dòng)平均數(shù)中各鍵坐標(biāo)被設(shè)置成各鍵所有在先輸入事件的平均數(shù)。上述已知虛擬鍵盤(pán)將各字符建模為一組坐標(biāo)所指定的位置。與之相反，本發(fā)明的系統(tǒng)和方法將用戶(hù)實(shí)際輸入建模為該用戶(hù)在虛擬鍵盤(pán)上指定字符。因此，對(duì)于一給定字符，本發(fā)明的系統(tǒng)和方法對(duì)該字符的用戶(hù)歷史輸入進(jìn)行建模。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明涉及的系統(tǒng)和方法提供一種適應(yīng)用戶(hù)且學(xué)習(xí)用戶(hù)輸入文本風(fēng)格的系統(tǒng)。通過(guò)模型化用戶(hù)與該系統(tǒng)的歷史交互，就給定的輸入事件，該系統(tǒng)可以更準(zhǔn)確地預(yù)測(cè)用戶(hù)意欲輸入的字符。因此，本發(fā)明提供了一種可以給出更準(zhǔn)確、可靠的文本預(yù)測(cè)并由此可將更準(zhǔn)確的穩(wěn)步輸入至電子設(shè)備的系統(tǒng)。準(zhǔn)確性的提高降低了修正次數(shù)，由此使系統(tǒng)能夠給出更有效的文本輸入及較低的處理要求。在一實(shí)施例中，本發(fā)明提供了一種數(shù)據(jù)輸入系統(tǒng)，包括：用戶(hù)界面，其包括多個(gè)目標(biāo)且用于接收用戶(hù)輸入。該系統(tǒng)包括：多個(gè)模型，其用于將對(duì)應(yīng)于某一目標(biāo)的用戶(hù)的在先輸入事件與該目標(biāo)進(jìn)行關(guān)聯(lián)。該系統(tǒng)還包括：輸入概率生成器，其與所述模型聯(lián)合，用于生成用戶(hù)輸入事件相應(yīng)于特定目標(biāo)的概率。上述目標(biāo)可代表一個(gè)或多個(gè)字符、按鍵、符號(hào)或其他供用戶(hù)選擇的任意信息項(xiàng)。優(yōu)選地，所述用戶(hù)界面為虛擬鍵盤(pán)。輸入事件相應(yīng)于所述虛擬鍵盤(pán)上的位置，而所述模型為一種分布，所述分布對(duì)相應(yīng)于特定目標(biāo)的所述用戶(hù)的在先輸入事件的位置進(jìn)行建模。所述分布為二維高斯分布。優(yōu)選地，根據(jù)對(duì)應(yīng)于所述目標(biāo)的所述輸入事件，使用最大后驗(yàn)估計(jì)學(xué)習(xí)所述二維高斯分布的參數(shù)。優(yōu)選地，就模型參數(shù)而言，先驗(yàn)分布形式為共軛先驗(yàn)分布。其中，所述目標(biāo)為所述虛擬鍵盤(pán)上的按鍵；所述目標(biāo)的先驗(yàn)?zāi)Ｐ褪歉鶕?jù)鍵盤(pán)布局，憑借經(jīng)驗(yàn)設(shè)置出的。所述虛擬鍵盤(pán)包括多組為不同用戶(hù)或使用場(chǎng)景定制的目標(biāo)模型。與所述多個(gè)模型關(guān)聯(lián)的所述輸入概率生成器為用戶(hù)輸入事件輸出n個(gè)最可能目標(biāo)以及這n個(gè)最可能目標(biāo)的相關(guān)概率。上述系統(tǒng)還包括：映射圖表，其將所述n個(gè)最可能目標(biāo)映射于一個(gè)或多個(gè)帶有關(guān)聯(lián)概率的詞片。優(yōu)選地，在映射圖表中，所述詞片由與其對(duì)應(yīng)的目標(biāo)進(jìn)行標(biāo)記。上述系統(tǒng)還包括：預(yù)測(cè)器，其用于接收n個(gè)最可能的目標(biāo)以及該目標(biāo)的關(guān)聯(lián)概率，并生成具有概率值的文本預(yù)測(cè)。該預(yù)測(cè)器可用于接收所述詞片以及所述詞片的關(guān)聯(lián)概率，并生成具有概率值的文本預(yù)測(cè)?；陬A(yù)測(cè)選擇，匹配所述預(yù)測(cè)的目標(biāo)與對(duì)應(yīng)的輸入事件。通過(guò)以預(yù)測(cè)詞片的對(duì)應(yīng)目標(biāo)標(biāo)記所述預(yù)測(cè)詞片的方式，由所述預(yù)測(cè)器匹配所述預(yù)測(cè)的目標(biāo)與對(duì)應(yīng)的輸入事件。作為一種選擇，所述預(yù)測(cè)的目標(biāo)通過(guò)使所述詞片同其對(duì)應(yīng)的目標(biāo)反向映射并使所述目標(biāo)與所述輸入配對(duì)，實(shí)現(xiàn)與其對(duì)應(yīng)的事件之間的匹配。所述預(yù)測(cè)選擇包括用戶(hù)的預(yù)測(cè)選擇或自動(dòng)選擇的最可能預(yù)測(cè)。選中的預(yù)測(cè)優(yōu)選作為文本被輸入至所述數(shù)據(jù)輸入系統(tǒng)。上述系統(tǒng)還包括：模型更新器，其用于更新模型，以反映對(duì)應(yīng)于該模型的輸入事件與目標(biāo)之間的映射。一種電子設(shè)備，其包括前述的數(shù)據(jù)輸入系統(tǒng)。所述電子設(shè)備為電腦、PDA或移動(dòng)電話(huà)。在第二實(shí)施例中，本發(fā)明提供了一種具有多個(gè)目標(biāo)且用于接收輸入的用戶(hù)界面的目標(biāo)模型化方法，包括：對(duì)每一目標(biāo)的相應(yīng)于該目標(biāo)的用戶(hù)的在先輸入事件進(jìn)行建模。其中，所述用戶(hù)界面為虛擬鍵盤(pán)，而輸入事件相應(yīng)于所述虛擬鍵盤(pán)上的位置，所述方法還包括：將每一個(gè)目標(biāo)作為分布進(jìn)行建模，所述分布描述了對(duì)應(yīng)于該目標(biāo)的用戶(hù)的在先輸入事件的位置。所述分布為二維高斯分布。所述模型必須還包括與所述分布共軛的先驗(yàn)?zāi)Ｐ?。?yōu)選地，根據(jù)對(duì)應(yīng)于所述目標(biāo)的所述輸入事件，使用最大后驗(yàn)估計(jì)學(xué)習(xí)所述二維高斯分布的參數(shù)。所述目標(biāo)為所述虛擬鍵盤(pán)上的按鍵，而所述目標(biāo)的先驗(yàn)?zāi)Ｐ褪歉鶕?jù)鍵盤(pán)布局，憑借經(jīng)驗(yàn)設(shè)置出的。在第三實(shí)施例中，提供了一種將數(shù)據(jù)輸入至系統(tǒng)的方法，該系統(tǒng)包括：具有多個(gè)目標(biāo)且用于接收輸入的用戶(hù)界面，所述方法包括：使用關(guān)聯(lián)于多個(gè)模型的輸入概率生成器，生成用戶(hù)輸入事件相應(yīng)于特定目標(biāo)的概率，其中，所述模型將對(duì)應(yīng)于目標(biāo)的在先輸入事件與該目標(biāo)進(jìn)行關(guān)聯(lián)。優(yōu)選地，上述方法還包括：由所述輸入概率生成器為用戶(hù)輸入事件輸出n個(gè)最可能的目標(biāo)以及這n個(gè)最可能的目標(biāo)的相關(guān)概率。上述方法還包括：通過(guò)映射圖表，將n個(gè)最可能的目標(biāo)分別映射于一個(gè)或多個(gè)帶有關(guān)聯(lián)概率值的詞片。優(yōu)選地，上述方法還包括：利用上述映射圖表，以作為一個(gè)或多個(gè)所述詞片的出處的目標(biāo)標(biāo)記一個(gè)或多個(gè)所述詞片。上述方法還包括：使用接收所述n個(gè)最可能的目標(biāo)以及該目標(biāo)的關(guān)聯(lián)概率的預(yù)測(cè)器生成具有概率值的文本預(yù)測(cè)。優(yōu)選地，上述方法還包括：使用接收所述詞片及所述詞片的關(guān)聯(lián)概率的預(yù)測(cè)器生成具有概率值的文本預(yù)測(cè)。所述方法還包括：選擇一文本預(yù)測(cè)；并由預(yù)測(cè)器將所述文本預(yù)測(cè)的目標(biāo)與相應(yīng)的輸入事件進(jìn)行匹配。將所述文本預(yù)測(cè)的目標(biāo)與相應(yīng)的輸入事件進(jìn)行匹配的步驟包括：將被標(biāo)記到所述詞片的目標(biāo)與所述輸入事件進(jìn)行配對(duì)。作為一種選擇，將所述文本預(yù)測(cè)的目標(biāo)與相應(yīng)的輸入事件進(jìn)行匹配的步驟包括：將所述詞片反向映射回對(duì)應(yīng)于所述詞片的目標(biāo)，并將所述目標(biāo)與所述輸入事件進(jìn)行配對(duì)。上述方法還包括：在將輸入事件與目標(biāo)進(jìn)行匹配時(shí)，使用模型更新器更新模型。下面參照附圖，詳細(xì)介紹本發(fā)明。附圖說(shuō)明圖1為本發(fā)明系統(tǒng)結(jié)構(gòu)的示意圖。具體實(shí)施方式本發(fā)明提供了一種利用機(jī)器學(xué)習(xí)模型化虛擬鍵盤(pán)上的用戶(hù)交互的系統(tǒng)和方法。結(jié)合預(yù)測(cè)器使用的本系統(tǒng)的三個(gè)主要活動(dòng)為估計(jì)、推斷和學(xué)習(xí)，而本系統(tǒng)被構(gòu)造成這些活動(dòng)的迭代應(yīng)用。本發(fā)明的系統(tǒng)可作為諸如PDA、移動(dòng)電話(huà)或電腦等電子裝置的一部分使用。下面參照?qǐng)D1，對(duì)本系統(tǒng)的原理進(jìn)行介紹。本發(fā)明的系統(tǒng)提供了一種包括多個(gè)目標(biāo)且用于接收用戶(hù)輸入的用戶(hù)界面。在如圖1所示的實(shí)例中，該用戶(hù)界面包括虛擬鍵盤(pán)1，例如軟屏上的鍵盤(pán)。該系統(tǒng)用于解釋作為輸入事件10或選擇事件20的用戶(hù)輸入。輸入事件10是一種用戶(hù)在虛擬鍵盤(pán)的二維空間中選擇（如通過(guò)觸摸或點(diǎn)擊）定位的事件，該事件由虛擬鍵盤(pán)1檢測(cè)并被表示為笛卡爾坐標(biāo)。選擇事件20是由用戶(hù)在一組對(duì)其顯示的預(yù)測(cè)中作出的預(yù)測(cè)18進(jìn)行選擇。虛擬鍵盤(pán)1包括輸入事件區(qū)域和選擇事件區(qū)域，以區(qū)分輸入事件10和選擇事件20。但是，還有其他的方法來(lái)解釋作為選擇或輸入事件的用戶(hù)輸入。舉例來(lái)說(shuō)，不同于輸入事件10（例如屏幕觸摸），選擇事件20可對(duì)應(yīng)于鍵盤(pán)上的不同手勢(shì)（例如在屏幕上滑過(guò)）。對(duì)于輸入事件10的表示，不限于使用笛卡爾坐標(biāo)，還可使用諸如距最后一次按鍵的時(shí)間、按鍵壓力、手勢(shì)信息（在軟屏幕鍵盤(pán)上的觸摸軌跡）、加速表讀數(shù)等其他參數(shù)進(jìn)行表示。對(duì)于軟鍵盤(pán)而言，選擇事件20涉及：用戶(hù)通過(guò)觸摸或點(diǎn)擊鍵盤(pán)上某一顯示其意欲輸入的預(yù)測(cè)的區(qū)域來(lái)選擇該預(yù)測(cè)，由此將該預(yù)測(cè)輸入至上述系統(tǒng)。選擇事件20還涉及：當(dāng)用戶(hù)通過(guò)“敲擊”、“空格鍵”完成某一單詞時(shí)，由系統(tǒng)自動(dòng)選擇最可能的預(yù)測(cè)。此外，還有供用戶(hù)選擇預(yù)測(cè)的其他機(jī)制，舉例來(lái)說(shuō)，諸如在屏幕上滑過(guò)的軟鍵盤(pán)上的手勢(shì)可以是用于插入最可能預(yù)測(cè)的機(jī)制。選中的預(yù)測(cè)20對(duì)應(yīng)于用戶(hù)意欲通過(guò)輸入事件10輸入的字符序列。因此，通過(guò)輸入選擇事件20，可將用戶(hù)輸入的輸入事件10與其預(yù)定目標(biāo)相匹配。對(duì)于這一匹配將在下文中進(jìn)行詳細(xì)介紹。對(duì)于虛擬鍵盤(pán)1的要求僅在于：對(duì)用戶(hù)而言存在明顯的對(duì)應(yīng)于預(yù)期輸入的目標(biāo)點(diǎn)（targetpoint）。該目標(biāo)點(diǎn)可以是但不限于：字符鍵（即：一般標(biāo)準(zhǔn)鍵盤(pán)上的虛擬或物理按鍵柵格）；字母字形排列，例如無(wú)可見(jiàn)按鍵邊界的柵格、或線(xiàn)性字母排列A-Z。因此，虛擬鍵盤(pán)1的各目標(biāo)可以表示單獨(dú)或多個(gè)字符、或用戶(hù)選擇的其他信息項(xiàng)。對(duì)于以下實(shí)例來(lái)說(shuō)，主要關(guān)注于如何將文本輸入至系統(tǒng)。然而，本發(fā)明的系統(tǒng)及方法不限于文本輸入，還可應(yīng)用于非文本數(shù)據(jù)的輸入，其中，數(shù)據(jù)量由目標(biāo)點(diǎn)表示在用戶(hù)界面上。為了生成表示給用戶(hù)的預(yù)測(cè)，本發(fā)明的系統(tǒng)包括多個(gè)模型6，該模型6對(duì)分別對(duì)應(yīng)于多個(gè)目標(biāo)的用戶(hù)的在先輸入事件進(jìn)行建模；以給定的輸入事件10查詢(xún)所述模型6并生成一個(gè)或多個(gè)可能目標(biāo)及可能目標(biāo)概率的輸入概率生成器2；以及根據(jù)可能目標(biāo)及其概率生成文本預(yù)測(cè)18的預(yù)測(cè)器4。在一優(yōu)選實(shí)例中，本發(fā)明的系統(tǒng)還包括詞片映射表3，該詞片映射表3將可能目標(biāo)映射至由預(yù)測(cè)器4用來(lái)生成文本預(yù)測(cè)的詞片。輸入概率生成器2接收輸入事件10，并生成或更新目標(biāo)序列意向結(jié)構(gòu)12。目標(biāo)序列意向結(jié)構(gòu)12包括一個(gè)或多個(gè)目標(biāo)以及用戶(hù)意欲通過(guò)輸入事件10選擇上述目標(biāo)的目標(biāo)概率。目標(biāo)序列意向結(jié)構(gòu)12包括輸入事件10與對(duì)應(yīng)于該輸入事件10的目標(biāo)之間的相關(guān)性，例如，以輸入事件10標(biāo)記目標(biāo)。目標(biāo)序列意向結(jié)構(gòu)12可以包含系統(tǒng)內(nèi)的所有目標(biāo)，或僅包含那些相關(guān)概率高于一定概率閾值的目標(biāo)。該閾值為憑經(jīng)驗(yàn)被設(shè)置成預(yù)設(shè)級(jí)（例如，10-4）的系統(tǒng)參數(shù)。作為一種選擇，該閾值可憑用戶(hù)的經(jīng)驗(yàn)確定。如下文中的具體說(shuō)明，為了生成某一目標(biāo)的觀(guān)察到輸入事件10的概率，輸入概率生成器2以輸入事件10查詢(xún)模型集合6，并求出各目標(biāo)的可被表示為基于事件（per-event）的概率向量的概率值。為了減少運(yùn)算，從基于事件的概率向量中過(guò)濾掉小值。這些基于事件的概率向量被連接起來(lái)，形成了構(gòu)成下階段-目標(biāo)映射3輸入的目標(biāo)序列意向結(jié)構(gòu)12。模型集合6包含多個(gè)表示系統(tǒng)目標(biāo)（可以為字符）的經(jīng)過(guò)訓(xùn)練的模型。如果用戶(hù)曾″觸摸″一個(gè)目標(biāo)，則該目標(biāo)作為分布被建模，該分布將用戶(hù)實(shí)際輸入模型化。該分布被構(gòu)建為p(x|c)，其中x為輸入事件位置向量，而c為標(biāo)識(shí)單一目標(biāo)（標(biāo)識(shí)一組可能的意向字符的目標(biāo)）的標(biāo)簽。在一優(yōu)選實(shí)例中，該分布被構(gòu)建為多元高斯分布（multivariateGaussian）p(x|c,M)=G(x;μc,Σc)，其中，M為假設(shè)的模型（包含所有的假設(shè)和參數(shù)），而G(x;μ,Σc)為高斯概率密度分布函數(shù)的簡(jiǎn)化形式，平均值μ、協(xié)方差Σc為位置x上的值。模型參數(shù)為各目標(biāo)c的μc和Σc。通過(guò)使用基于鍵盤(pán)歷史交互的最大后驗(yàn)（最大后驗(yàn)概率，maximuma-posterioriprobability,MAP）估計(jì)，學(xué)習(xí)模型參數(shù)。然而，也可使用其他學(xué)習(xí)機(jī)制。在下文中將討論一些其他的學(xué)習(xí)機(jī)制。除了使用二維高斯分布之外，還可通過(guò)使用拉普拉斯分布（Laplacedistribution）對(duì)用戶(hù)輸入事件的x、y坐標(biāo)分別進(jìn)行分布來(lái)模型化用戶(hù)輸入。作為一種選擇，可使用伽馬分布（Gammadistribution）模型化用戶(hù)輸入。拉普拉斯分布和伽馬分布要比高斯分布更加合適，這是因?yàn)樵谳斎胧录ɡ纾|摸位置）離開(kāi)目標(biāo)時(shí)概率密度衰退速度比高斯分布更慢的這些分布具有更佳的重尾性（heavy-tailed）。具有這種重尾性的分布能夠更佳準(zhǔn)確地反映出用戶(hù)的實(shí)際書(shū)寫(xiě)風(fēng)格，由此可能提供出較佳的糾錯(cuò)性能。此外，其他合適的模型技術(shù)也可被拿來(lái)使用。為了獲得的μc和Σc的最大后驗(yàn)概率估計(jì)，必須指定這些參數(shù)的先驗(yàn)分布。其中，目標(biāo)與虛擬鍵盤(pán)上的按鍵相關(guān)，基于鍵盤(pán)布局可憑經(jīng)驗(yàn)設(shè)置先驗(yàn)分布（均值和協(xié)方差），該先驗(yàn)分布的適當(dāng)選擇為正態(tài)逆維舍特分布（normalinverseWishartdistribution,NIWD），因?yàn)檎龖B(tài)逆維舍特分布是帶有未知均值和協(xié)方差的高斯分布的共軛先驗(yàn)分布。此外，還可使用其他先驗(yàn)分布。在下文中將討論一些其他的先驗(yàn)分布。共軛先驗(yàn)分布的定義為：如果先驗(yàn)分布與似然函數(shù)共軛，則后驗(yàn)分布與（可能帶有不同參數(shù)的）該先驗(yàn)分布具有相同的分布形式。共軛分布（先驗(yàn)及后驗(yàn)分布）的參數(shù)則被稱(chēng)為超參數(shù)（因?yàn)檫@些參數(shù)使模型實(shí)際參數(shù)的分布參數(shù)化），而最大后驗(yàn)概率的學(xué)習(xí)可被制定成較為簡(jiǎn)單的超參數(shù)重算。因此，在一實(shí)例中，學(xué)習(xí)僅需要重算四個(gè)正態(tài)逆維舍特分布參數(shù)，即簡(jiǎn)易的增量算法。先驗(yàn)分布由此如下：而后驗(yàn)分布為：其中，αc和βc分別為均值和協(xié)方差的自由度超參數(shù)（大自由度值意味著先驗(yàn)強(qiáng)勢(shì)，而學(xué)習(xí)較慢），分別為均值和協(xié)方差的模態(tài)值。為超參數(shù)αc的后驗(yàn)值。經(jīng)過(guò)t次觀(guān)察，{xi}i＝1...t，因此通過(guò)使用已知的超參數(shù)修正正態(tài)逆維舍特分布的關(guān)系，對(duì)于這一參數(shù)化的一般修正為：其中，其中，包括n次觀(guān)察，{xi}i=1...n，均值當(dāng)將所有觀(guān)察應(yīng)用于先驗(yàn)分布時(shí)，便給出了一批量學(xué)習(xí)算法。通過(guò)設(shè)置n=1并再次將上述修正方程應(yīng)用于后驗(yàn)分布，可構(gòu)建一增量學(xué)習(xí)算法，即：因?yàn)檎龖B(tài)逆維舍特分布的眾數(shù)為在t次觀(guān)察后，對(duì)于參數(shù)的最大后驗(yàn)概率估計(jì)可簡(jiǎn)化為：正態(tài)逆維舍特分布是適合使用的，因?yàn)槠渑c能夠提供簡(jiǎn)單且遞增的學(xué)習(xí)規(guī)則的多元高斯分布共軛。作為一種選擇，可以使用均勻的（共軛的）先驗(yàn)分布?？蛇@樣規(guī)定先驗(yàn)分布：保持位置及協(xié)方差獨(dú)立，例如，位置的先驗(yàn)分布可以是高斯分布或均勻的，而協(xié)方差的先驗(yàn)分布可以是矩陣正態(tài)分布。本實(shí)例使用了批處理模式和增量學(xué)習(xí)算法，這些算法通過(guò)分別在某一時(shí)刻添加一次觀(guān)察的方式，在來(lái)自先驗(yàn)?zāi)Ｐ偷膯我恍拚抵杏?jì)算后驗(yàn)分布。在用戶(hù)通過(guò)匹配輸入事件位置與構(gòu)成選中預(yù)測(cè)的字符位置的方式選擇預(yù)測(cè)時(shí)，執(zhí)行這些學(xué)習(xí)算法之一。如果選擇拉普拉斯分布/伽馬分布替代高斯分布，則其后的過(guò)程與高斯分布之后的過(guò)程相同：選擇一先驗(yàn)分布（例如共軛先驗(yàn)分布），并為最大后驗(yàn)概率學(xué)習(xí)目標(biāo)推導(dǎo)出學(xué)習(xí)規(guī)則。作為可替代最大后驗(yàn)概率的一種選擇，最大似然率（MaximumLikelihood,ML）估計(jì)是學(xué)習(xí)機(jī)制的另一選擇，其中，不引入先驗(yàn)分布，并選擇能夠使觀(guān)察到在模型下訓(xùn)練的數(shù)據(jù)的可能性最大化的那些參數(shù)。至于其他概率，將使用貝葉斯估計(jì)（BayesianEstimator）（最大似然率和最大后驗(yàn)概率方法均不是真正意義上的貝葉斯估計(jì)，因?yàn)樗鼈兙捎命c(diǎn)估計(jì)）。在貝葉斯估計(jì)中，對(duì)后驗(yàn)分布的所有可能值以及用于推理決策的均值或中間值計(jì)算積分。不利地是這些估計(jì)需要大量的計(jì)算，因此目前對(duì)于有限的資源環(huán)境而言其缺少吸引力。貝葉斯估計(jì)的實(shí)例為變分貝葉斯和吉布斯采樣。上述學(xué)習(xí)算法是一種各數(shù)據(jù)點(diǎn)所占比例相同的學(xué)習(xí)算法。無(wú)論是最近的或是過(guò)去的這些數(shù)據(jù)點(diǎn)均帶有某一先驗(yàn)分布。當(dāng)觀(guān)察到一定數(shù)量的數(shù)據(jù)點(diǎn)時(shí)，該先驗(yàn)分布便被（特意地）覆蓋掉。為了將由持續(xù)增補(bǔ)先驗(yàn)分布而得到的新近數(shù)據(jù)點(diǎn)的基本形式添加至模型及異常值容限中，可使用兩種修改方式：第一種方式是簡(jiǎn)單地限制自由度參數(shù)αc,βc。該方式具有“忘掉”過(guò)去觀(guān)察以及限制模型嚴(yán)格度的作用（“嚴(yán)格”的模型具有較高的自由度值，這會(huì)使新的數(shù)據(jù)點(diǎn)很難發(fā)揮作用）。如果這些參數(shù)超出了限制（不影響其他超參數(shù)更新動(dòng)作的行為），則不通過(guò)修改這些參數(shù)來(lái)施加這一限制。第二種方式是將其他先驗(yàn)分布超參數(shù)反饋給修正方程式，從而在觀(guān)察到數(shù)據(jù)點(diǎn)后也能夠使這些超參數(shù)連續(xù)發(fā)揮作用。因?yàn)樾拚匠淌綖閹讉€(gè)簡(jiǎn)單的加權(quán)平均數(shù)，因此這種方式的實(shí)現(xiàn)相對(duì)簡(jiǎn)單，從而可以添加一定數(shù)量的先驗(yàn)分布如下：根據(jù)需要，可憑經(jīng)驗(yàn)設(shè)置額外的參數(shù)αcmax,βcmax,δ和ε。這些參數(shù)控制著先驗(yàn)分布的“漸進(jìn)強(qiáng)度”（asymptoticstrength）以及過(guò)往觀(guān)察的遺忘率。舉例來(lái)說(shuō)，如果單一系統(tǒng)可由不同用戶(hù)使用，或者如果虛擬鍵盤(pán)的構(gòu)成因素為變量，則單一的虛擬鍵盤(pán)1需要維持多個(gè)單獨(dú)的目標(biāo)模型集合6。在某些情況下（例如，構(gòu)成因素變化），該系統(tǒng)具有充分的信息來(lái)憑借經(jīng)驗(yàn)選擇不同的輸入模型，但在多用戶(hù)情況下，合適模型的選擇并非顯而易見(jiàn)。在這種情況下，選型元素可作為輔助。進(jìn)行模型選擇的強(qiáng)健方式在于：對(duì)一些樣本估計(jì)數(shù)據(jù)的可能性（似然）進(jìn)行評(píng)估。該方式可按如下說(shuō)明實(shí)現(xiàn)，其中數(shù)據(jù)的可能性表示為：其中，L(D|M)為在模型M下觀(guān)察到數(shù)據(jù)D的可能性，具體可表示如下：其中，如果我們假設(shè)目標(biāo)的先驗(yàn)分布p(c|M)是均勻的，則可將其提取到恒量中。對(duì)于這一對(duì)數(shù)概度統(tǒng)計(jì)的計(jì)算可按如下所述執(zhí)行：在輸入概率生成器階段即刻查詢(xún)多個(gè)模型，對(duì)所有目標(biāo)的輸出求和，以及選擇計(jì)算出的“種子輸入”對(duì)數(shù)概度最高的模型。到目前為止所提出的模型包括一種假設(shè)：順序按鍵彼此互不依賴(lài)。這種假設(shè)顯然是不準(zhǔn)確的（某一鍵的輸入分布很可能十分依賴(lài)于輸入的最后一個(gè)字符）。第一階馬爾科夫假設(shè)可能更合適：假設(shè)剛剛輸入了最后一個(gè)字符，當(dāng)前字符輸入有條件地不依賴(lài)于之前的所有字符。完整輸入序列的概率則將是：其中的所有參數(shù)已在上文中有所介紹。之后，關(guān)鍵的模型化判定假設(shè)形成一觸摸位置的條件概率p(xi|ci,xi-1,M)。分布的選擇之一將首先以各目標(biāo)的獨(dú)立高斯分布和前一輸入位置的類(lèi)別對(duì)上一觸摸位置x進(jìn)行分類(lèi)。其他可能的選擇將使用行進(jìn)的距離d=‖xi-xi-1‖控制每一目標(biāo)輸入分布的變化。這一分布的形式應(yīng)被選擇用來(lái)模型化由自虛擬鍵盤(pán)用戶(hù)收集的典型數(shù)據(jù)。模型集合6可由i)輸入概率生成器2查詢(xún)，以便返回模型參數(shù)的當(dāng)前最大后驗(yàn)概率估計(jì)，并ii)可由輸入模型更新器5訓(xùn)練，以便更新模型從而響應(yīng)選擇事件。模型參數(shù)可存儲(chǔ)在每個(gè)鍵的基礎(chǔ)上（per-keybasis），或（在協(xié)變的情況下）于多鍵之間共享。在上述實(shí)例中，每個(gè)鍵/目標(biāo)包括一位置及協(xié)方差值。作為一種選擇，可為每個(gè)鍵提供定位，但要強(qiáng)制鍵共享協(xié)方差—當(dāng)任一鍵受訓(xùn)時(shí)，同一協(xié)方差也要受訓(xùn)。參數(shù)準(zhǔn)確表示的靈活性很強(qiáng)，例如，可更方便地存儲(chǔ)精度矩陣而非協(xié)方差，因?yàn)槌嗽谀Ｐ陀?xùn)練的不頻繁情況下需要反演之外，在生成概率過(guò)程中無(wú)需矩陣反演。這樣，給定一輸入事件10，輸入概率生成器2生成目標(biāo)c的概率p(x|c,M)，表示用戶(hù)打算根據(jù)輸入事件10選擇該目標(biāo)的概率。為了生成給定目標(biāo)的概率值，輸入概率生成器2查詢(xún)?cè)撃繕?biāo)模型以返回模型參數(shù)μc和Σc的當(dāng)前最大后驗(yàn)估計(jì)。之后，輸入概率生成器2使用模型參數(shù)計(jì)算于輸入位置x上估計(jì)的高斯概率密度分布函數(shù)值G(x;μ,Σ)。計(jì)算出的概率值表示為基于事件的概率向量，該向量可被關(guān)聯(lián)，以形成部分目標(biāo)序列意向結(jié)構(gòu)12。在一優(yōu)選實(shí)施例中，上述系統(tǒng)還包括目標(biāo)映射臺(tái)3。目標(biāo)映射臺(tái)3包括詞片映射圖表，該詞片映射圖表用于實(shí)現(xiàn)將目標(biāo)輸入映射到被用來(lái)構(gòu)建預(yù)測(cè)的詞片（一般為一個(gè)或兩個(gè)字符）。該映射可獨(dú)立應(yīng)用于目標(biāo)序列意向結(jié)構(gòu)12中的各個(gè)元素，以便將目標(biāo)序列意向結(jié)構(gòu)轉(zhuǎn)換為輸入序列意向結(jié)構(gòu)16。詞片映射圖表維持目標(biāo)（鍵盤(pán)上的鍵位，即抽象化的按鍵）與一個(gè)或多個(gè)詞片（用戶(hù)想要輸入的詞的某些部分）之間的映射。在最簡(jiǎn)單的情況下，各目標(biāo)指向單個(gè)詞片（例如，當(dāng)在按鍵完整的標(biāo)準(zhǔn)鍵盤(pán)上輸入英文時(shí)）。在這一鍵盤(pán)上具有與各鍵相關(guān)的可選字符（例如，法語(yǔ)音韻的字符，或者說(shuō)每個(gè)鍵表示多個(gè)字符），這些字符可作為額外詞片添加。此外，對(duì)于每個(gè)可供選擇的詞片，與各目標(biāo)對(duì)應(yīng)的概率通過(guò)某種系數(shù)（somefactor）被降低。在某一序列中的各事件的可能詞片和概率的集合則被收進(jìn)輸入序列意向結(jié)構(gòu)16中。目標(biāo)映射臺(tái)3還將選中預(yù)測(cè)20的詞片映射回其對(duì)應(yīng)的輸入事件。在一優(yōu)選實(shí)施例中，當(dāng)選擇事件發(fā)生時(shí)，各詞片以作為該詞片出處的目標(biāo)來(lái)標(biāo)識(shí)，由此，允許由預(yù)測(cè)器4進(jìn)行從該目標(biāo)至目標(biāo)的觸摸位置的配對(duì)。這一過(guò)程可通過(guò)將各詞片以其對(duì)應(yīng)的目標(biāo)及輸入事件進(jìn)行標(biāo)識(shí)來(lái)實(shí)現(xiàn)。這樣，反向映射為觸摸位置和目標(biāo)的簡(jiǎn)單配對(duì)（trivialparing）。然而，作為標(biāo)識(shí)詞片的替代，上述系統(tǒng)可以使用其他機(jī)構(gòu)將選中預(yù)測(cè)20的詞片映射回該詞片對(duì)應(yīng)的輸入事件。舉例來(lái)說(shuō)，在一可選實(shí)施例中，目標(biāo)映射臺(tái)3包括將選中預(yù)測(cè)的詞片映射回該詞片對(duì)應(yīng)的目標(biāo)的反向映射。為了實(shí)現(xiàn)這一反向映射，將選中預(yù)測(cè)20以及對(duì)應(yīng)的輸入事件字符串送至分割機(jī)構(gòu)。該分割機(jī)構(gòu)可通過(guò)估計(jì)選中預(yù)測(cè)20的具有最高概率的詞片組合將預(yù)測(cè)20分割成詞片。之后，在目標(biāo)映射臺(tái)3上將詞片反向映射至該詞片對(duì)應(yīng)的目標(biāo)，并將該詞片與輸入事件的字符串進(jìn)行配對(duì)。在這種機(jī)構(gòu)的最簡(jiǎn)單實(shí)施過(guò)程中，詞片包括單個(gè)字符，而分割機(jī)構(gòu)將預(yù)測(cè)分割成將被映射回目標(biāo)的單個(gè)字符。此時(shí)，可由預(yù)測(cè)器4實(shí)施分割。為了生成文本預(yù)測(cè)18（或類(lèi)似預(yù)測(cè)），上述系統(tǒng)包括預(yù)測(cè)器4。預(yù)測(cè)器4是一種裝置，該裝置在設(shè)定有某一輸入的情況下具有包含詞片集合序列和概率的輸入序列意向結(jié)構(gòu)16，并生成一組預(yù)測(cè)18。各預(yù)測(cè)18包括文本字符串，例如，詞片或短語(yǔ)（由s_i表示），以及概率值（由p_i表示）。由此，預(yù)測(cè)集合具有的{(s_1,p_1),(s_2,p_2)…(s_n,p_n)}的形式，其中，n表示集合中的預(yù)測(cè)數(shù)量。正如本領(lǐng)域一般技術(shù)人員能夠理解的那樣，在文本預(yù)測(cè)系統(tǒng)中可使用任意一種預(yù)測(cè)器4以及任意數(shù)量的預(yù)測(cè)器4。優(yōu)選地，預(yù)測(cè)器4基于用戶(hù)輸入文本的語(yǔ)境生成文本預(yù)測(cè)18，也就是說(shuō)，預(yù)測(cè)器4根據(jù)語(yǔ)境中的第n-1個(gè)詞片生成第n個(gè)詞片的文本預(yù)測(cè)。此外，“語(yǔ)境”一詞指的是先前出現(xiàn)在序列中的詞片，以及本系統(tǒng)所包含的關(guān)于當(dāng)前詞片的所有認(rèn)知（例如，對(duì)詞片有貢獻(xiàn)的可能詞片）。給定一特殊語(yǔ)境，上述系統(tǒng)通過(guò)使用概率估計(jì)預(yù)測(cè)出最有可能的下一個(gè)詞。預(yù)測(cè)18可由多語(yǔ)言模型預(yù)測(cè)器和單語(yǔ)言模型預(yù)測(cè)器生成。在一公開(kāi)號(hào)為WO2010/112841的國(guó)際專(zhuān)利申請(qǐng)—“電子設(shè)備文本輸入的系統(tǒng)及方法”中，記載了一種使用（單一及多語(yǔ)言模型）預(yù)測(cè)器生成文本預(yù)測(cè)的具體說(shuō)明。在本文中引用這一文獻(xiàn)作為參考。此外，在申請(qǐng)?zhí)枮镻CT/GB2010/001898的國(guó)際專(zhuān)利申請(qǐng)—“電子設(shè)備文本輸入的系統(tǒng)及方法”中，記載了一種使用（單一及多語(yǔ)言模型）自適應(yīng)預(yù)測(cè)器生成分類(lèi)加權(quán)文本預(yù)測(cè)的具體說(shuō)明。在本文中引用這一文獻(xiàn)作為參考。上述系統(tǒng)的預(yù)測(cè)器4接收包含詞片集合及概率的序列的輸入序列意向結(jié)構(gòu)16作為其輸入，并生成一組顯示給用戶(hù)的預(yù)測(cè)18。預(yù)測(cè)器4可用于返回輸入序列意向結(jié)構(gòu)16完成整個(gè)詞的匹配，或返回由輸入序列意向結(jié)構(gòu)16作為前綴的可能詞，例如，在輸入序列意向結(jié)構(gòu)16包含詞片t和o的情況下，可預(yù)測(cè)出詞“to”（完成的整個(gè)詞）或“together”（詞片為詞前綴）。輸入序列意向結(jié)構(gòu)16僅需被用作向?qū)?，例如，輸入序列意向結(jié)構(gòu)16可以添加額外的字符，就像用戶(hù)錯(cuò)過(guò)或忽略了某些字符，就像用戶(hù)輸入了額外字符。穿過(guò)輸入序列意向結(jié)構(gòu)16的單獨(dú)路徑必須由各預(yù)測(cè)18識(shí)別，從而可在輸入事件和目標(biāo)之間建立關(guān)聯(lián)。各目標(biāo)已由目標(biāo)映射臺(tái)3上的詞片映射圖表建立了其與一個(gè)或多個(gè)取決于語(yǔ)言的（單一）詞片之間的映射。此外，在上述優(yōu)選實(shí)施例中，輸入序列意向結(jié)構(gòu)存儲(chǔ)有對(duì)應(yīng)于目標(biāo)以及輸入事件的詞片標(biāo)識(shí)。由此，因?yàn)轭A(yù)測(cè)器4通過(guò)以對(duì)應(yīng)于其目標(biāo)的詞片標(biāo)識(shí)追蹤到用于構(gòu)成預(yù)測(cè)的目標(biāo)，故預(yù)測(cè)的選擇在輸入事件10與目標(biāo)之間提供了匹配。在一反向映射的實(shí)施例中，反向映射包括反向映射表，分割機(jī)構(gòu)，該分割機(jī)構(gòu)將選中的預(yù)測(cè)20分割成詞片組合，而詞片圖表被用來(lái)構(gòu)建詞片與詞片對(duì)應(yīng)目標(biāo)之間的反向映射表。之后，將各目標(biāo)與其各自的輸入事件10進(jìn)行配對(duì)。上述系統(tǒng)還包括輸入模型更新器5。該輸入模型更新器5接收輸入—目標(biāo)相關(guān)度14，以響應(yīng)選擇事件20。選擇事件20識(shí)別出用戶(hù)意欲輸入的目標(biāo)，由此使預(yù)測(cè)器4將該目標(biāo)與輸入事件10進(jìn)行匹配。輸入模型更新器5優(yōu)選（考慮到內(nèi)存使用及效率）使用學(xué)習(xí)算法的遞增變體來(lái)更新合適的模型。輸入模型更新器5將遞增學(xué)習(xí)更新規(guī)則應(yīng)用于多個(gè)模型，以響應(yīng)虛擬鍵盤(pán)1上的各選擇事件20。輸入是指一組與目標(biāo){(xi,ci)}i=1...k配對(duì)的輸入位置，各輸入位置可被用作單獨(dú)目標(biāo)ci的單獨(dú)訓(xùn)練點(diǎn)xi。先驗(yàn)分布超參數(shù)和學(xué)習(xí)參數(shù)均被設(shè)置為固定值，這些固定值設(shè)置初始目標(biāo)位置以及預(yù)期精度，并控制學(xué)習(xí)的執(zhí)行速度。各模型可被孤立地考慮。一般來(lái)說(shuō)，需要標(biāo)注訓(xùn)練數(shù)據(jù)，也就是說(shuō)，輸入事件需要與目標(biāo)標(biāo)簽關(guān)聯(lián)。在作為輸入事件10和目標(biāo)流的數(shù)據(jù)中并未提供標(biāo)簽，因此必須從選擇事件20中推斷出標(biāo)簽。如上文所述，將輸入事件10與目標(biāo)進(jìn)行關(guān)聯(lián)的一種方式在于，在輸入序列意向結(jié)構(gòu)16中以目標(biāo)及輸入事件10標(biāo)記詞片。一旦選中了預(yù)測(cè)，構(gòu)成預(yù)測(cè)的詞片便為已知。因此，被標(biāo)記到詞片的目標(biāo)可與輸入事件配對(duì)，進(jìn)而提供出經(jīng)標(biāo)注的訓(xùn)練數(shù)據(jù)。作為一種選擇，在目標(biāo)映射臺(tái)3上，通過(guò)將詞片反向映射到其相應(yīng)的目標(biāo)來(lái)確定選中預(yù)測(cè)的目標(biāo)。之后，可將由此確定出的目標(biāo)與輸入事件10進(jìn)行配對(duì)。因此，本發(fā)明提供了一種模型化多個(gè)目標(biāo)的用戶(hù)輸入事件且以用戶(hù)輸入更新這些模型的系統(tǒng)，并且，假定輸入事件，使該系統(tǒng)可以更準(zhǔn)確地預(yù)測(cè)出用戶(hù)意欲輸入的字符，由此可提供更準(zhǔn)確的文本預(yù)測(cè)。下面根據(jù)不具有限定意義的實(shí)例，詳細(xì)介紹上述系統(tǒng)的使用。用戶(hù)通過(guò)鍵入輸入，例如觸摸觸敏鍵盤(pán)1上的某一位置，與虛擬鍵盤(pán)1的連續(xù)坐標(biāo)系交互。用戶(hù)觸摸鍵盤(pán)1上的某一位置，意圖輸入顯示在鍵盤(pán)1上的某一目標(biāo)。鍵盤(pán)1構(gòu)建起將被送至輸入概率生成器2的輸入事件10流（在本實(shí)例中為表示出鍵盤(pán)觸摸位置的笛卡爾坐標(biāo)）。輸入概率生成器2生成或更新一目標(biāo)序列意向結(jié)構(gòu)12。在鍵盤(pán)目標(biāo)表示字符的實(shí)例中，目標(biāo)序列意向結(jié)構(gòu)12包含一個(gè)或多個(gè)與觸摸屏幕時(shí)用戶(hù)意欲輸入的最可能字符相對(duì)應(yīng)的字符。與每一個(gè)字符的關(guān)聯(lián)度即為用戶(hù)在觸摸屏幕的該位置時(shí)意欲輸入該字符的概率，以及對(duì)輸入事件10的標(biāo)記。為了生成目標(biāo)序列意向結(jié)構(gòu)12，輸入概率生成器2通過(guò)查詢(xún)與輸入事件10有關(guān)的各字符模型，計(jì)算用戶(hù)意欲輸入一個(gè)或多個(gè)字符的概率。如上所述，各模型使用戶(hù)與鍵盤(pán)上該字符的歷史交互記錄模型化，也就是說(shuō)，該模型使用戶(hù)對(duì)于該字符的在先輸入事件模型化。之后，輸入概率生成器2優(yōu)選地使該字符保持著概率閾值之上的關(guān)聯(lián)概率，其中，可憑經(jīng)驗(yàn)將概率閾值設(shè)置為預(yù)定級(jí)（例如，10-4），或憑借用戶(hù)的經(jīng)驗(yàn)確定概率閾值。目標(biāo)序列意向結(jié)構(gòu)12被送至詞片映射圖表，該詞片映射圖表將目標(biāo)序列意向結(jié)構(gòu)12的字符映射到一個(gè)或多個(gè)帶有關(guān)聯(lián)概率的詞片上，由此生成輸入序列意向結(jié)構(gòu)16。一個(gè)或多個(gè)字符中的字符獨(dú)立映射于一個(gè)或多個(gè)詞片，其中，以作為詞片出處的字符標(biāo)記詞片。與詞片關(guān)聯(lián)的概率無(wú)需同與字符關(guān)聯(lián)的概率保持一致。舉例來(lái)說(shuō)，在映射時(shí)，與字符關(guān)聯(lián)的概率可乘以取決于詞片的附加系數(shù)。詞片映射圖表可以是存儲(chǔ)在系統(tǒng)存儲(chǔ)器中的固定映射圖表。該映射圖表隨使用語(yǔ)言變化，例如，標(biāo)點(diǎn)符號(hào)會(huì)隨著選擇語(yǔ)言而變化，并且，取決于系統(tǒng)選擇語(yǔ)言，重讀字符、元音變音等在詞片中發(fā)揮不同作用。優(yōu)選地，詞片映射圖表包括映射于詞片的目標(biāo)，其中，以作為詞片出處的目標(biāo)對(duì)詞片進(jìn)行標(biāo)記。輸入序列意向結(jié)構(gòu)16包含詞片，優(yōu)選包含被標(biāo)記到作為詞片出處的字符及輸入事件上的詞片，以及對(duì)應(yīng)于輸入事件10序列的概率。從輸入序列意向結(jié)構(gòu)16中，預(yù)測(cè)器4通過(guò)識(shí)別用于每個(gè)預(yù)測(cè)18的穿過(guò)輸入序列意向結(jié)構(gòu)16的單獨(dú)路徑，也就是說(shuō)，穿過(guò)詞片并生成包含用于每一輸入事件10的單獨(dú)詞片的預(yù)測(cè)序列，生成若干預(yù)測(cè)18。通過(guò)識(shí)別穿過(guò)輸入序列意向結(jié)構(gòu)16的單獨(dú)路徑，可在輸入事件10與目標(biāo)之間建立關(guān)聯(lián)14。預(yù)測(cè)器考慮一些穿過(guò)輸入序列意向結(jié)構(gòu)16的最可能路徑，作為一種選擇，同樣考慮由路徑作為前綴的所有詞。之后，預(yù)測(cè)器所考慮的路徑被送至n-元語(yǔ)言模型，以給出有序的預(yù)測(cè)候選。公開(kāi)號(hào)為WO2010/112841的國(guó)際專(zhuān)利申請(qǐng)已描述了這一過(guò)程的實(shí)施。在本文中引用這一文獻(xiàn)作為參考。虛擬鍵盤(pán)1用于顯示由預(yù)測(cè)器生成的預(yù)測(cè)。對(duì)于正確預(yù)測(cè)的選擇20可由用戶(hù)在顯示給用戶(hù)的給定預(yù)測(cè)中挑選或由系統(tǒng)自動(dòng)接受最可能的預(yù)測(cè)來(lái)實(shí)現(xiàn)。預(yù)測(cè)器4用于通過(guò)輸入序列意向結(jié)構(gòu)16來(lái)追蹤哪個(gè)詞片用來(lái)構(gòu)成預(yù)測(cè)，從而基于用戶(hù)的選擇20，將輸入事件10與輸入事件的目標(biāo)進(jìn)行配對(duì)。如果輸入序列意向結(jié)構(gòu)16包括以其目標(biāo)進(jìn)行標(biāo)記的詞片，則預(yù)測(cè)器用于追蹤目標(biāo)標(biāo)記，從而使輸入事件10與輸入事件10的目標(biāo)之間的匹配包括輸入事件10與其目標(biāo)之間的配對(duì)。作為一種選擇，在目標(biāo)與輸入事件10配對(duì)之前，首先通過(guò)在目標(biāo)映射臺(tái)3上的反向映射，使詞片與其對(duì)應(yīng)的目標(biāo)進(jìn)行匹配。之后，與其目標(biāo)配對(duì)的輸入事件10被送至更新了模型集合6中相關(guān)模型的輸入模型更新器5。下面通過(guò)討論一個(gè)實(shí)例來(lái)解釋說(shuō)明本系統(tǒng)的功能。在這一實(shí)例中，用戶(hù)試圖在虛擬鍵盤(pán)1（標(biāo)準(zhǔn)布局）上輸入詞“it’s”。用戶(hù)觸摸鍵盤(pán)上的非常接近于第一個(gè)字符‘i’的區(qū)域。虛擬鍵盤(pán)1生成表示位置的輸入事件10（例如，笛卡爾坐標(biāo)），并將該輸入事件發(fā)送給輸入概率生成器2。輸入概率生成器2估計(jì)所有的目標(biāo)模型6，計(jì)算這些模型與該輸入事件相對(duì)應(yīng)的可能性。輸入概率生成器通過(guò)僅保留概率值在（憑借經(jīng)驗(yàn)或用戶(hù)經(jīng)驗(yàn)設(shè)置的）預(yù)設(shè)閾值之上的目標(biāo)，過(guò)濾掉低概率目標(biāo)。在本實(shí)例中，計(jì)算出的目標(biāo)序列意向結(jié)構(gòu)12為[(@I,1.0),(@O,0.2),(@U,0.2),(@K,0.15),(@J,0.1)]，其中，@I為對(duì)應(yīng)于字符‘i’的目標(biāo)。目標(biāo)映射臺(tái)3將各個(gè)目標(biāo)轉(zhuǎn)換成若干可選詞片，例如，@I→i,’i。目標(biāo)映射臺(tái)3將目標(biāo)與這些詞片映射，并以作為這些詞片出處的目標(biāo)標(biāo)記各詞片。計(jì)算出的輸入序列意向結(jié)構(gòu)16為[(i,1.0;@I),(1.0;@I),(’i,1.0;@I),(o,0.2;@O),(’o,0.2;@O),(0.2;@O),(ó,0.2;@O),...]。之后，預(yù)測(cè)器4使用該輸入序列意向結(jié)構(gòu)以及任意可用的詞語(yǔ)境生成將被反饋給用戶(hù)的預(yù)測(cè)18。例如，預(yù)測(cè)器4可能預(yù)測(cè)出[“I”,“I’m”,“in”]。用戶(hù)于是作出遠(yuǎn)離第二字符‘t’且實(shí)際更接近于字符‘r’的第二觸摸事件。虛擬鍵盤(pán)1將這兩個(gè)觸摸事件10（‘i’和‘t’）發(fā)送至輸入概率生成器2。輸入概率生成器2立即生成概率向量序列{[(@I,1.0),(@O,0.2),...],[(@R,0.8),(@T,0.6),(@E,0.1),...]}。以詞片目標(biāo)標(biāo)記詞片的目標(biāo)映射臺(tái)3被獨(dú)立應(yīng)用于序列中的各事件：{[(i,1.0;@I),(1.0;@I),...],[(r,0.8;@R),(’r,0.8;@R),(t,0.6;@T),...]}。預(yù)測(cè)器4作出顯示給用戶(hù)的預(yù)測(cè)18：[“it”,“it’s”,“or”]。這些預(yù)測(cè)可由虛擬鍵盤(pán)顯示。用戶(hù)選擇預(yù)測(cè)“it’s”。虛擬鍵盤(pán)1建立一選擇事件20，并由預(yù)測(cè)器對(duì)兩個(gè)觸摸事件10與預(yù)測(cè)18的目標(biāo)進(jìn)行匹配。反向映射是對(duì)觸摸位置與目標(biāo)之間的簡(jiǎn)單配對(duì)，這是因?yàn)樯鲜鱿到y(tǒng)通過(guò)以與詞片相應(yīng)的目標(biāo)和輸入事件對(duì)詞片進(jìn)行標(biāo)識(shí)來(lái)保持追蹤構(gòu)成預(yù)測(cè)的目標(biāo)和輸入事件清單。預(yù)測(cè)器4將用戶(hù)觸摸屏幕的位置與該位置的目標(biāo)配對(duì)(touch-1→@I),(touch-2→@T)。之后，輸入模型更新器5更新很可能被收緊處理的@I的模型(當(dāng)touch-1（第一觸摸）很精確)，以及更新很可能被放松處理的@T的模型(當(dāng)touch-2（第二觸摸）不很精確)。上述實(shí)例涉及代表單獨(dú)字符的目標(biāo)。然而，目標(biāo)也可代表多個(gè)字符。如果目標(biāo)代表多個(gè)字符，例如A/B/C，則該目標(biāo)的模型會(huì)使對(duì)應(yīng)于目標(biāo)A/B/C的用戶(hù)輸入事件模型化。其中，選中的預(yù)測(cè)18包括A、B或C，目標(biāo)A/B/C被映射回輸入事件。通過(guò)模型化用戶(hù)與虛擬鍵盤(pán)的歷史交互，本發(fā)明可以準(zhǔn)確地預(yù)測(cè)出在用戶(hù)觸摸屏幕時(shí)意欲輸入的字符。以上所述僅為本發(fā)明的較佳實(shí)施例而已，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。