中文拼音输入法是一种便捷的计算机汉字输入解决方案,它的使用体验依赖于其核心组件:拼音汉字转换模块。近几年,随着相关模型和技术的发展,深度学习已经被广泛应用于各种自然语言处理任务中。然而在输入法相关的研究领域这一块几乎是空白的。本文主要针对相关深度学习技术应用于拼音输入法研究的可行性进行分析,从输入法音字转换模块、词典更新模块、模型预训练技术、辅助输入法构建四个方向对输入法进行改进,期望带来一定的用户体验指数提升。主要工作包含以下四个方面:首先,针对输入法的核心模块,将输入法拼音汉字转换的工作模式视作拼音到汉字的翻译过程,迁移学习机器翻译相关的技术,构建遵循序列到序列框架的神经音字转换模型。实验证明,该方法同传统方法相比能在一定程度上提升输入法的音字转换准确度。其次,介绍多种粒度的词嵌入增强方法,在传统的词嵌入训练方法中加入了字粒度、子词粒度的表示信息来增强语义表示,为后续的音字转换任务提供更多的信息来帮助提升音字转换的准确度。除此之外,还提出一种门注意力增强模型,用于挖掘重要的上下文记录所携带的信息。实验证明这种预训练方法除了能提升输入法的预测准确度外,还可能够在用户输入不完整时帮助输入法返回完整、准确的汉字序列给用户。在一些测试实例上我们发现输入法可以给出额外的预测信息来提示用户产生了笔误。再次,提出自适应词典更新算法,结合在线学习的训练方法与目标词过滤机制,使输入法能够学会开放域学习,并能有效跟踪用户行为,从而进一步提高输入法性能。通过对标准语料库和真实输入历史的评估表明,系统能够很好的适应多样的用户输入,并能够实现优秀的预测准确度。最后,实现Moon拼音输入法,一个包含高质量音字转换质量和检索式关联模块的拼音输入法。前者采用基于注意力的神经机器翻译模型,后者用于辅助用户打字的后续预测和自动补全模块。还介绍了一个通用云关联平台,为用户提供了可定制关联学习服务。通过强大的可定制设计,云关联平台可以适应任何特定领域的文本输入。实验和可用性分析表明,核心音字转换模块与最先进的研究模型有一定的可比性,关联功能稳定,可用性高,可以更快捷地进行完整预测,甚至可以帮助校正输出。发布的输入法支持Windows平台运行,遵循文本服务框架。