轉(zhuǎn)載請注明：原作者窩子

比爾·蓋茨在他的《未來之路》中說過一句經(jīng)典的話：如果你手中只有錘子舀奶，你會希望你的所有問題都是釘子轧拄。自明媚四月我開始編制五筆詞庫以來，極爽4.0也行將于耕耘半年之后的金秋十月推出飞蹂，至此我在五筆詞庫上的工作也該告一段落了柄延。半年的詞庫工作和思考也使自己積累了一些關(guān)于中文鍵盤輸入及詞庫方面的想法，這些想法逐漸形成明晰的理念挎峦，并且一步步地落實(shí)到自己編制的極爽詞庫中香追。在這里，讓我回顧總結(jié)一下這些理性認(rèn)識坦胶，讓大家看看我是如何用詞庫這把“錘子”敲打一些輸入方面的“釘子”的透典。

在開始正文前，首先說明兩點(diǎn)：

1迁央、引用我在極爽3.0發(fā)布帖中的一句話：由于五筆編碼本身的技術(shù)局限性掷匠，意味著編制一個(gè)精品詞庫的過程是項(xiàng)綜合各項(xiàng)要素考慮的妥協(xié)工作，是種“戴著鐐銬跳舞”的自由岖圈。代價(jià)的犧牲總會發(fā)生讹语，而“完美”也是個(gè)永遠(yuǎn)追求但永遠(yuǎn)無法企及的目標(biāo)。

2蜂科、本篇文章中談?wù)撛~庫效率的一般性問題顽决，在此排除掉不同五筆用戶不同需求的特殊情況，以及排除不同輸入法的功能差異导匣，以減少所討論主題的復(fù)雜性才菠，讓焦點(diǎn)聚集在詞庫問題上。假如有朋友對本文中的觀點(diǎn)持不同看法需要探討贡定，請?jiān)谶@個(gè)前提下進(jìn)行赋访。

“窩子第一定律”：

來到這個(gè)論壇的人，應(yīng)該都是對中文的鍵盤輸入比較有興趣的朋友缓待，都想追求較快的輸入速度蚓耽，提升自己的輸入效率。那么如何提升輸入速度呢旋炒？

對輸入法有興趣的朋友應(yīng)該都知道“盲打”這個(gè)概念步悠，但即使是這樣一個(gè)常見的說法，居然也是眾說紛紜瘫镇。有人說“盲打”是不看鍵盤鼎兽，有人說“盲打”是不看輸入候選框。我想铣除，其實(shí)不看鍵盤的所謂“盲打”只是輸入的基本功谚咬，算不上真正的中文“盲打”。想提升輸入速度的人首先要解決的是對鍵盤的熟悉通孽，最起碼能在不看鍵盤的情況下序宦，至少能比較熟練快速地打出26個(gè)英文字母及一些常用標(biāo)點(diǎn)符號。我所說的這點(diǎn)就是“純擊鍵熟練度”?，是輸入的基本功互捌，和是否中文輸入無關(guān)潘明。假如你還沒具備這個(gè)基本功，我個(gè)人的建議是秕噪，到這里你是來錯(cuò)地方了钳降，你首先要做的去練練敲鍵盤的基本功。

當(dāng)然腌巾，英文字母盲敲得快不等于中文也打得快遂填，否則前些時(shí)間獲得世界英文打字冠軍的捷克女人就是中文輸入冠軍了。不少打拼音的朋友打英文可能奇快無比澈蝙，但要和身邊打五筆的朋友比中文速度吓坚，可能就要自愧不如了，這里就涉及到一個(gè)非常重要的東西：?“編碼效率”?灯荧。王碼五筆之能出現(xiàn)礁击，是因?yàn)槠匆舸驖h字的編碼效率太低；而現(xiàn)在之有“萬碼奔騰”之說逗载，也是因?yàn)椴簧偃俗非蟾叩木幋a效率之因哆窿。在同等“純擊鍵熟練度”的情形下，中文輸入速度比拼中厉斟，編碼效率高者勝挚躯。

在具體的輸入實(shí)踐中，單就作為一種編碼的五筆來說擦秽，也有不同的效率表現(xiàn)码荔，這就是我們這里要討論的焦點(diǎn)主題——?“詞庫效率”?。現(xiàn)在詞庫不少感挥，但除了因各個(gè)詞庫不同特色而適合不同用戶群之外目胡，就通用性而論，也有詞庫效率的高低之分链快，即用戶感性的“詞庫好壞”之別了。

在這里就得出了“窩子三大定律”中的第一定律：

第一定律：中文鍵盤輸入的速度眉尸，等于用戶的純擊鍵熟練度和其所使用編碼的詞庫效率的乘積域蜗。

“窩子第二定律”：

“第一定律”說的都是大道理，比較容易理解噪猾，下面就來具體深入一下霉祸，探究到底什么因素影響詞庫效率，或者說客觀評價(jià)一個(gè)詞庫優(yōu)劣的標(biāo)準(zhǔn)是什么袱蜡？

作為一般的五筆用戶來說丝蹭，并不會去深思這個(gè)問題，他們只是感性地以自己的切身體驗(yàn)來評價(jià)一個(gè)詞庫：有的人說王碼五筆自帶的小詞庫好坪蚁，因?yàn)橹卮a低奔穿，而且通用镜沽；有人還說零重碼的詞庫更好，又能打詞又不用選重碼贱田；有人說中型詞庫好缅茉，夠用就行；有人說大詞庫好男摧，想打什么詞就打什么詞蔬墩，就算重碼多點(diǎn)也沒關(guān)系。

從作詞庫這么長時(shí)間來的思考耗拓，覺得上面說的各種說法不無道理拇颅，但又是“只見樹木，不見森林”乔询，不乏偏頗和誤導(dǎo)的地方樟插，每一種說法都能輕而易舉地舉出反例。作為一個(gè)詞庫的作者哥谷，需要尋找出對詞庫來說最本質(zhì)的效率元素岸夯，而不能被表面的概念所迷惑。

大多用過五筆的人都會說们妥，五筆比拼音打得快猜扮，五筆比拼音可以盲打；五筆比拼音的擊鍵數(shù)少监婶。仔細(xì)追究來說旅赢，這里的快有兩個(gè)因素：擊鍵數(shù)少；可以盲打惑惶。具體來分析：

在同等擊鍵速度下煮盼，擊鍵數(shù)少自然能打得更快。從編碼和詞庫的角度來說带污，擊鍵數(shù)少是因?yàn)樵~庫中的平均碼長較短僵控，在同樣一篇文章中能用更少的碼鍵“表達(dá)”出來。這點(diǎn)容易理解鱼冀，而且確實(shí)是衡量詞庫效率的一個(gè)非常重要的因素报破。拼音之所以比較“低效率”，一個(gè)重要原因就是因其平均碼長要比五筆長千绪。五筆用戶為什么要打詞組而不僅僅打單字充易，原因也是這樣可以降低均碼長。有些朋友在五筆長碼方面的嘗試荸型，之所以在目前支持者甚寡盹靴，一個(gè)致命缺陷就在于其比目前的標(biāo)準(zhǔn)四碼編碼增加而不是降低了均碼長。

但事情還有另一面腻豌，就是怎樣方便盲打——不少人把這一點(diǎn)歸結(jié)為詞庫的重碼率汽绢。這是一個(gè)重要因素苔巨，但勉抓，不完全装蓬。完整正確地說蹈丸，影響能否盲打的真正因素壁涎，是對一個(gè)詞庫的熟悉程度坏瘩，或者記憶程度绍妨。一個(gè)重碼再少的詞庫润脸，假如第一次用，還是可能不便盲打他去，而對于一個(gè)你非常熟悉的詞庫毙驯，即使它的重碼很多，假如你能熟悉它的每一個(gè)位置的話灾测，也是可以盲打的爆价，當(dāng)然這需要你更多的功夫去熟悉它。

那么在同等初次接觸條件下媳搪，你就可以說铭段，一個(gè)需要更少記憶量，更容易熟悉和上手的詞庫就是個(gè)相對較好的詞庫秦爆。需要明確和對不少用戶澄清的一點(diǎn)（不假思索可能很容易認(rèn)同）是序愚，一個(gè)詞庫所需的記憶量并不簡單取決于其收詞的多少和重碼率的高低，一個(gè)大詞庫不一定就比一個(gè)小詞庫需要更多的記憶量等限，一個(gè)零重碼率詞庫也不一定就比一個(gè)有重碼的詞庫更好熟悉和上手爸吮。具體道理可在“第三定律”一節(jié)中闡釋，在這里望门，我把這個(gè)決定著詞庫記憶信息量的因素稱為“確定性”——這是一個(gè)影響輸入速度的一個(gè)非常非常關(guān)鍵的因素形娇，高確定性可讓你順暢地輸入，而低確定性（高不確定性）則讓你舉棋不定筹误，嚴(yán)重影響輸入的正確性和效率桐早。

所以這里就有了“窩子三大定律”中的重要的“第二定律”：

窩子第二定律：詞庫效率與詞庫的確定性成正比，與詞庫的均碼長成反比厨剪。

用公式來表示就是：

詞庫效率＝確定性/均碼長

這就是著名的窩子公式了勘畔。這個(gè)公式可作為用來評價(jià)一個(gè)詞庫的優(yōu)劣標(biāo)準(zhǔn)。（什么丽惶，沒聽說過？太孤陋寡聞了吧爬立。這也難怪钾唬，是我今天早上才想出的名稱^_^）

“窩子第三定律”：

均碼長的概念和原理容易理解，也能量化出來比較，而確定性這個(gè)概念抡秆，相信大多數(shù)人還缺乏理性的完整認(rèn)識奕巍，有必要在這進(jìn)一步深究其構(gòu)成要素。

我們從多年的學(xué)生生涯中明白一個(gè)道理：學(xué)習(xí)一樣?xùn)|西儒士，深入理解其道理比死記硬背重要的多的止，也省力得多。一個(gè)有規(guī)律（規(guī)則）的東西比無規(guī)律（規(guī)則）的東西容易掌握着撩，而一個(gè)規(guī)律（規(guī)則）簡單的東西又比一個(gè)規(guī)律（規(guī)則）復(fù)雜的東西容易掌握诅福。

也就是說，一個(gè)有規(guī)律（規(guī)則）的東西比無規(guī)律（規(guī)則）的東西所需的“記憶信息量”少拖叙，而一個(gè)規(guī)律（規(guī)則）簡單的東西又比一個(gè)規(guī)律（規(guī)則）復(fù)雜的東西所需的“記憶信息量”更少氓润。

可以看出，記憶信息量的多寡已超出簡單的對象的數(shù)量多寡了薯鳍。這與其規(guī)則的明晰度有關(guān)咖气。實(shí)際上，一個(gè)詞庫的記憶信息量是指這個(gè)詞庫中所需專門記憶的那部分的總和挖滤，而不是詞庫的詞組數(shù)量本身崩溪。?（對于大詞庫還是小詞庫，同樣需要記憶其重碼的詞組斩松，另外伶唯，小詞庫需要記憶其所有的詞組量，而大詞庫需要記憶其所無的詞組量砸民。我們大致可以把少量特別高頻的常用詞組排除出這個(gè)記憶信息量范圍抵怎。）

對于兩個(gè)同樣初次接觸的詞庫，這個(gè)決定著其熟悉上手程度的難易的元素就是其“確定性”岭参，具體分析反惕，這個(gè)詞庫確定性高低由以下三要素構(gòu)成：詞組重碼率、詞組打空率演侯、詞組單純度姿染。

詞組重碼率是三要素中最直觀最容易看到和理解的概念，就是詞庫中在輸入時(shí)需要按選擇鍵才能使其上屏的詞組占全部詞組數(shù)量的比例秒际。顯然悬赏，重碼部分的詞組是需要專門記憶其位置的，這增加了一個(gè)詞庫的記憶信息量娄徊。在其它同樣條件下闽颇，重碼率越高，該詞庫所需記憶信息量就大寄锐，詞庫的確定性就越低兵多。反之亦然尖啡。

詞組打空率指在你不了解這個(gè)詞庫是否有某個(gè)詞組的情形下，想當(dāng)然地以詞組編碼的方式輸入這個(gè)詞組剩膘，沒有打出來的數(shù)量占你全部的想以詞組編碼方式輸入的詞組總量的比例衅斩。可以打出來的詞組不需要你記憶怠褐，而打不出來的詞組則需要記憶畏梆，以免下回重新打空。顯然奈懒，打空率越高奠涌，該詞庫所需的記憶量越大。詞庫的確定性就越低筐赔。反之亦然铣猩。

顯而易見的是，打空率和詞庫中的收詞量有直接的聯(lián)系茴丰。但注意达皿，兩者并無絕對的必然關(guān)系。這點(diǎn)可能會出人意外贿肩，理由是這里有一個(gè)常人容易忽略和被誤導(dǎo)峦椰，而對詞庫來說，又是決定其記憶信息量和科學(xué)合理性的重要要素：詞組單純度汰规。

詞庫收錄的全部詞組有單純詞和復(fù)合詞之分汤功，這就象是原子和分子之分的概念一樣，分子是由原子組成的溜哮。一個(gè)詞庫的詞組單純度就是指單純詞占全部收詞中的比例滔金。單純詞是個(gè)不可再分出詞組而只能分出單字的詞組，包括二字詞茂嗓、一些三字詞餐茵、成語、音譯詞述吸、專用名詞等詞組忿族。復(fù)合詞則是可拆分出多個(gè)單純詞組的多字詞組，最常見的形式是“二字詞＋二字詞”的四字構(gòu)詞形式蝌矛，如“國際貿(mào)易”“對外開放”道批。

中文的語言要素可以這樣等級來劃分：單字、單純詞入撒、復(fù)合詞隆豹。嚴(yán)格來說，復(fù)合詞并不算語言要素茅逮。在這些當(dāng)中噪伊，單字最少簿煌，常用單字更少，三四千個(gè)左右鉴吹；單純詞較多，常用單純詞雖多些惩琉，但數(shù)量也是有限的豆励，個(gè)人主觀估計(jì)是在五萬左右，不超過十萬個(gè)瞒渠。而復(fù)合詞則可以說是無限多了良蒸。

單字的編碼容易記憶和熟悉，常用單純詞的編碼也容易上手打出伍玖，復(fù)合詞的情況就大相徑庭了嫩痰。復(fù)合詞組數(shù)量無限，組詞數(shù)量和長度無限窍箍，具有非常大的不確定性串纺。?在詞庫中，單純詞數(shù)量和復(fù)合詞數(shù)量的對比我稱之為詞庫收詞結(jié)構(gòu)椰棘。在兩個(gè)詞庫詞組總量相當(dāng)?shù)那闆r下纺棺，顯然，一個(gè)單純詞更多邪狞、復(fù)合詞更少的詞庫顯然要比另一個(gè)詞庫具有更高的確定性祷蝌，更少的記憶信息量，從而也更科學(xué)合理些帆卓。

因?yàn)榫揠斎霃?fù)合詞組，雖然有均碼長短的優(yōu)點(diǎn)剑令，但由于其不確定性高糊啡，表現(xiàn)為你不能確定這個(gè)復(fù)合詞組在詞庫中是否收錄了，你打它的編碼是否會打空尚洽，有這個(gè)是否就有另外一個(gè)類似的悔橄，加上復(fù)合詞組用途更加專門，常用度更低腺毫，輸入時(shí)編碼規(guī)則和一般的單字和二字單純詞不一樣等一大堆的原因癣疟，這些不確定性完全可能抵消了其均碼長短的優(yōu)點(diǎn)而過之，結(jié)果當(dāng)你想以復(fù)合詞組形式打出時(shí)潮酒，所耗時(shí)間完全夠分開單純詞來打出而有余了睛挚。可以說急黎，五筆（形碼）打復(fù)合詞組并不是個(gè)高效的輸入方式——除了一種極其特殊的情形扎狱，你的輸入法支持海量的巨型詞庫侧到，使其擁有巨量的復(fù)合詞組，（詞庫之所以海量主要原因就在于復(fù)合詞組的無限多）而且你喜歡和習(xí)慣了打復(fù)合詞組淤击，且不討厭重碼選擇（當(dāng)然可以用長碼規(guī)則解決匠抗，但那樣連均碼長短的優(yōu)點(diǎn)也喪失了）。對五筆或其它一些形碼來說污抬，這種特殊情形幾乎是不存在的汞贸，或者沒有存在的必要理由——和形碼快速盲打的理念背道而馳，與其這樣印机，還不如用日益智能化的拼音輸入方式矢腻。

所以就有了“窩子三大定律”中的第三定律：

第三定律：詞庫的確定性由其收詞的打空率、重碼率和單純度構(gòu)成射赛。

“窩子三大定律”在極爽詞庫中的逐步落實(shí)

歸納以上的“窩子三大定律”是：

第一定律：中文鍵盤輸入的速度多柑，等于用戶的純擊鍵熟練度和其所使用編碼的詞庫效率的乘積。

第二定律：詞庫效率與詞庫的確定性成正比楣责，與詞庫的均碼長成反比竣灌。

第三定律：詞庫的確定性由其收詞的打空率、重碼率和單純度構(gòu)成腐魂。

窩子公式：詞庫效率＝確定性/均碼長

這些詞庫理念是我在半年的詞庫編制實(shí)踐中逐漸思考成型的帐偎，并逐漸地一步步應(yīng)用落實(shí)到極爽詞庫的編制實(shí)踐中。

極爽詞庫追求的是高效的五筆輸入效率蛔屹，極爽的輸入體驗(yàn)削樊。這體現(xiàn)在詞庫上，就是要作到兩點(diǎn)：低均碼長兔毒，高確定性漫贞。

低均碼長在極爽詞庫中通過兩點(diǎn)達(dá)成：

1、在遵循王碼五筆86的標(biāo)準(zhǔn)編碼方案和編碼規(guī)則的基礎(chǔ)上育叁，同時(shí)在兼容王碼輸入習(xí)慣的前提下迅脐，在五筆詞庫中首創(chuàng)添加編制了“一二級三重簡碼字”，在輸入五筆單字方面縮短了均碼長豪嗽；

2谴蔑、在詞組輸入方面，加大單純詞組的收錄數(shù)量龟梦。在目前的多個(gè)常用五筆詞庫中隐锭，極爽詞庫的單純詞組數(shù)量是明顯地領(lǐng)先于其它多個(gè)詞庫的。

高確定性通過貫徹詞組收錄的低重碼率计贰、低打空率钦睡、高單純度來實(shí)現(xiàn)：

1、低重碼率：極爽擁有相對大多數(shù)詞庫要低得多的詞組重碼率躁倒，該重碼率比較接近最早的王碼標(biāo)準(zhǔn)小詞庫——我所僅知的在極爽詞庫之前常用詞庫中唯一的個(gè)位數(shù)重碼率荞怒。

2洒琢、低打空率：如前面提到的，極爽詞庫擁有領(lǐng)先于當(dāng)前多個(gè)常用詞庫的最多的單純詞數(shù)量褐桌，只要遵循用極爽詞庫打單純詞不打復(fù)合詞的簡單規(guī)則衰抑，你將很少遇到詞組打空的情形。

3荧嵌、高單純度：極爽詞庫4.0版本的修訂升級停士，一大特點(diǎn)是全面貫徹落實(shí)我的單純詞原則，將詞庫中原來剩余不多的復(fù)合詞組比較全面徹底地刪除了完丽。

我知道第三點(diǎn)做法會有不少人反對，但我去除的理由前面已經(jīng)闡釋得很充足和清楚了——為了提高確定性拇舀，或者說消除不確定性逻族，把這些詞組（極爽3.0中約有一兩千個(gè)這樣的多字復(fù)合詞）去掉是值得的。道理很簡單骄崩，舉個(gè)例子聘鳞，你在極爽詞庫3.0中可以直接以復(fù)合詞編碼打出“有期徒刑”，于是你想當(dāng)然地想用詞庫以復(fù)合詞編碼方式打出“無期徒刑”要拂】倭В可是你打空了——因?yàn)椤盁o期徒刑”和“載重”重碼而沒在詞庫中收錄。你得重新一個(gè)詞一個(gè)詞地輸入了脱惰。你打了一個(gè)復(fù)合詞組會自然地想當(dāng)然地打另外一個(gè)搏嗡，但那個(gè)詞有可能沒有——可能是因?yàn)橹卮a，也可能僅僅是因?yàn)樵~庫作者的疏忽——這些都是一般詞庫中收錄復(fù)合詞組經(jīng)常會遇到的情形拉一。這增加了很多不確定性和打空的機(jī)率采盒。

所以我的作法是徹底的，消除這種不確定性蔚润。我告訴用戶一個(gè)非常簡單的規(guī)則：你用極爽詞庫磅氨，就不要打復(fù)合詞組，需要輸入時(shí)主打單純詞嫡纠，其次打單字就行了烦租。這樣你就可以很順暢地輸入而極少會碰到因打空而卡住的情形了。（實(shí)際上除盏，據(jù)論壇上眾多用戶的反映來看叉橱，很少有用戶喜歡打復(fù)合詞組的）

有了這些，或許你就能較快地熟悉掌握極爽詞庫痴颊，較快地實(shí)現(xiàn)高效率的五筆盲打了赏迟。當(dāng)然詞庫不會完美，總會有不足蠢棱，完全掌握也需要過程锌杀，關(guān)于這點(diǎn)甩栈，請?jiān)倏纯次以谖恼麻_頭時(shí)首先說明的第一點(diǎn)。

窩子草于2004年10月5日上午

修訂文字于該日晚上10時(shí)