随着科学技术的发展,人类与计算机的交互方式多种多样。近年来基于触摸屏的智能手机变得愈发普及,人机间的交互更加纷繁复杂。而在其中,输入法作为一种重要的文本输入软件,有着其不可替代的地位。而在中文输入法领域,相较于诸如五笔输入法等其他形式的中文输入法,中文拼音输入法毫无疑问是最受欢迎的输入法,考虑到时下基于触摸屏的中文拼音输入法在中国市场上大行其道,本课题着眼于从多个方面提升触屏拼音输入法的性能。中文拼音输入法的发展始于上个世纪七十年代,有着近40年的发展历史,从最初的字词到如今的整句输入,在技术层面上看似已非常成熟,伴随着机器学习技术的兴起,包括微软、搜狗在内的互联网公司纷纷进驻智能拼音输入法市场,将机器学习技术成功应用到输入法上,并且依靠着采集到的海量用户输入数据所训练而来的语言模型保证了输入法的高准确率,看似中文拼音输入法已经发展到了接近饱和的时期,本课题却打开思路,从拼音输入法的键盘、语言模型、乃至整体架构三个方面尝试优化,并取得了一定的成果。相较于实体键盘,触摸屏设备的虚拟键盘没有键位的触感和敲击感,误触的情况时有发生,而不同的触屏设备具有着各异的屏幕尺寸,使得键盘布局的合理性成了很大的问题,与其设计一款适用于所有屏幕的“通用”键盘,不如让键盘本身去适应屏幕和用户的输入习惯,应用增强学习的方法,我们设计了一款自适应的键盘,每次用户完成了一次按键时,下一个可能的按键会不同程度地放大并向用户当前的手指位置靠拢,不仅如此,这款智能键盘还会依据用户输入的速度变化在线学习出其最适应的键盘布局,实现自适应。我们研究分析了现代拼音输入法的典型工作流程。拼音输入法的第一个环节是拼音切分,通常采用的是基于规则的匹配分词算法,会遇到歧义拼音的问题而产生错误。拼音切分之后是候选词查找过程,这个过程是典型的字典查找,但是大多数技巧性很强的调整都在这一过程中进行,如模糊拼音,简拼等。最后是候选句生成,通常采用的算法是利用语言模型使用动态规划在候选词的组合中找到概率最大的序列。在此框架下,语言模型相当于是拼音输入法的核心,对于语言模型而言,传统的n元组语言模型有着其简单高效的显著优势,而时下流行的神经网络语言模型则在预测性能和训练所需样本数上优于传统语言模型,本课题考虑将两者的优势相结合,提出基于神经网络语言模型的n元组语言模型,在不增加额外计算开销的前提下提升拼音输入法的整句生成准确率,并取得了实验上的成功。之前的研究和实验都是基于现代输入法典型的架构,如何突破传统工作流程的束缚成为了我们所考虑的重要问题。输入法和机器翻译作为自然语言处理的领域的两个典型应用,一直以来被看做是两个不同的研究领域,本课题大胆尝试,用机器翻译的思想解决输入法的问题,该研究或能颠覆经典的中文拼音输入法框架,具有很强的启发意义。