今天,我们很高兴地宣布SwiftKey Neural Alpha---世界首款使用人工神经网络预测矫正语言的智能手机输入法诞生。
这是手机输入的一大进步,提供了一种新的输入法,能够在你的句子上下文中提供更为智能和丰富的候选词汇。SwiftKey底层神经技术是基于神经网络的使用,后者是人工智能的子领域,灵感来自人类大脑的结构和行为。作为SwiftKey Greenhouse.的一个初级项目,目前在安卓4.4以上智能机上可以体验。
自从2010年SwiftKey输入法登录安卓,已经定义了预测性输入法的标准。它是世界第一个引入单词,三词推荐栏以便于准确推荐下一个词的输入法。该技术源自我们的词序列n-gram方法,该方法目前使用量超过十亿。
n-gram技术提供了对常用短语以及学词的准确预测。然而,也有一些限制,因为他不能捕捉词的基本含义,只能准确预测曾经出现在相同词序列中的词。SwiftKey神经的句子上下文智能理解,引入了手机输入领域一种更为人性化的触摸。
:: How does it work? See our neural network infographic ::
![clusters](https://d3vvnhml5anv1n.cloudfront.net/content/uploads/2015/10/clusters-400x288.jpg)
神经网络把词语进行聚类
通过基于大规模语言数据的机器学习,SwiftKey的神经模式能够捕捉词语之间的语义关系。可以解析词语的相似性,利于比较。在神经模型中,词语可以以类的形式可视化表达,这些类是分层次级别的。
以上语义解析使得SwiftKey Neural能够预测那些在学短语过程中从未出现在给出的句子中的词语。比如,在训练集合中存在短语“Let’s meet at the airport”,本技术可以推断 “office” or “hotel” 是相似词语,可以作为地点airport的恰当预测。然后,她理解 “Let’s meet at the airport” 与“Let’s chat at the office”有一个相似的句子结构。这使得此款输入法能够给出更合适的词基于已经输入的句子。
![Comparison-1-6](https://d3vvnhml5anv1n.cloudfront.net/content/uploads/2015/10/Comparison-1-6.jpg)
SwiftKey ‘classic’ vs SwiftKey Neural – how the predictions compare
到现在为止,神经网络的语言模型已经部署在大型服务器,需要大量的计算资源。这种部署对SwiftKey神经α 是一个突破,它标志着第一次这种语言建模技术已被专门设计来操作在手机键盘,后者因为资源有限而成为-个巨大的挑战。