动态规划应用之将拼音序列分隔为音节

        最近在使用java模拟一个中文拼音输入法，之所以说模拟是因为此输入法只能够在特定的文本框中输入（用java编写嘛）。为了要能够实现连续拼音序列的识别，我们使用HMM作为模型，而大名鼎鼎的Viterbi算法也是动态规划的经典应用，此算法名气之大已无需我来解释，网络上自有高人。为了能够找到构建HMM模型的观察序列（建模的第一步），对于用户输入的连续的字母序列，我们需要得到对这个序列用户最可能输入的音节。

最先想到的解决方案，当然是正向最长匹配。方法足够地简单，没有难度，但也有非常大的缺陷。比如，用户输入xianguo，按照正向最大匹配算法，xiang是一个合法的拼音，xiangu不是，所以，我们在xiang后面加入分割。然而剩下的uo却不好分了，因为，uo或者u'o都是不合法的拼音。

那么，分出什么样的音节，对于一个输入的字母序列来说，是一个好的分隔呢？

首先，分出的音节应当尽量地少。对于输入danteng，当然，可以分成d'a'n't'e'n'g,这样分是没有问题的，不过确实很蛋疼。用户最有可能的意图应该是dan'teng。

其次，分出的音节应该尽量地完整。如何定义完整呢？我们对于一个可能的音节，分为3种状态，我们定义costs函数。当这个音节Py是一个完整的合法音节时，costs(Py) = 0;当这个音节Py不是一个完整的合法音节，但是它是至少一个合法音节的前缀时，costs(Py) = 1;当它连合法音节的前缀都不可能是的时候，我们定义costs(Py) = 2.我们用一个音节的costs的值作为对其完整性的判断，显然，costs值越低越好。比如，对于输入：gonga,对于第一点要求，分割gong'a与gon'ga都符合要求。但对于第二个要求，gon不是一个完整的合法拼音，它只是一个合法完整拼音的前缀，而在第一个分割中，两个都是完整合法的拼音，所以，这里选择前者作为最优分割。

       这样，我们形式化定义问题为：

输入：一个可能含有多个音节的拼音序列

输出：满足上述条件（音节最少，音节最完整）的分隔好的音节