Google输入法建议

Google输入法，相信大部分喜欢Google产品的人都不会错过这款优秀的基于互联网的输入法。它最主要的特色也许就是它的词库是基于Google庞大的互联网数据库而生成的（其中包括用户的搜索记录，网页数据等等）。
但是，Google的输入法对于Google而言，其重要性与微软拼音对于微软而言是完全不一样的。通过Google输入法，可以更好地研究中文用户的输入习惯，从而改进Google中文搜索的分词技术；而且，还可以将输入与搜索直接绑定。毕竟，输入法对于中文用户而言，是每天必不可少的工具。但是在使用过程中，我却碰到了一些问题：

1. 词库的同步。 Google拼音默认的处理机制是：如果本地计算机不存在任何用户词库，第一次词库的生成要么就是直接从服务器同步，要么就是在用户第一次输入文字的时候建立。这种机制存在弊端：如果我A机器上有将近50KB的词库文件，然后我用用户ABC的账户登录，将A机器上的词库文件同步到服务器上的ABC账户中（假设第一次同步数据）。然后，在B机器上，如果有20KB的词库文件，我想要将其同步到服务器上的ABC帐户中，将其与之前A机器上所同步的数据进行merge，这是很实际的需求。但实际上，当你这么做了以后，服务器上将只存在20KB的B机器上的数据，A机器上的数据将会被直接冲掉！Google的做法实际上非常简单，仅仅是在本地不存在词库文件的时候，同步服务器的词库到本地；否则，就同步本地的词库到服务器。
我大概思索了一下解决方案，以下是我的设计思路：Google的词库文件对于每个词汇，都会记录它的使用次数。对于本地和服务器都存在的词汇，如何进行次数的合并是一个最关键的问题（对于那些只存在于服务器或者需要同步的本地一方的单词，我们可以直接将次数相加）。这个问题很类似于很多CVS工具附带的本地文件和服务器文件的merge功能，但是为了避免在Googl的服务器端备份太多的不同版本的词库，我打算为本地词库文件采用一种新的设计。这种设计仅仅为每个单词增加了一个field，姑且叫作diff，这个field记录单词上次与服务器同步之后在本地该再次使用所增加的次数。本地词库与服务器更新的步骤如下：将本地每个单词的diff值同步到服务器，与服务器上的相应单词的次数进行相加，最终得到的和就是该单词在服务器端和本地所使用的次数和。最后，同步服务器的最新内容到本地，并且将本地词库中同步完的每个单词的diff值清零。

2. 本地不同用户的词库。Google拼音目前貌似本地只有一个用户词库文件，不管哪个Google Account登录同步，都是与本地同一个用户词库文件同步。其实，用户自己的输入词库是很隐私的内容，不应该所有的用户都共享本地同一个词库文件。

3. 与搜索的集成。还是需要直接点击输入框上的某个按钮，为什么不支持搜索表达式语法呢？

4. 词库的网络管理。用户可以直接去网络上搜索其他人所共享的最新词库，将其加到自己的词库中，然后根据使用情况给其做rating；也可以将自己的词库进行分类，根据不同的使用环境，进行切换（垂直输入法:-))。呵呵，以上就是所谓的利用群体的智慧打造一款无敌的输入法。我想Google应该会考虑利用服务器端所备份的用户词库，但最好是在用户愿意公开自己词库的前提下。

5. 将Google中文输入法定位成一个平台：整合全世界中文词库的平台。在此基础上，提供相关的词库API，供第三方用户进行开发，这样子，Google的输入法可以迅速渗透到各种平台。用户可以和方便的将各种词库导入到Google的中文输入法词库。越多的输入法开发人员使用Google的中文词库API，Google就越从中受益。互联网时代，越开放的平台越容易成功！

BTW,写这个文章的时候，Google拼音（1.0.23.40）已经解决了本地词库文件冲掉服务端词库文件的问题。通过查看导出词库文件的格式，发现也没啥变化。我猜其做法有可能是本地和服务器同步时，将同步下来的文件备份一份，作为将来再次同步的时候做diff用。本地新增加的词频，将会更新到上次同步后的另外一个词库文件（与备份的词库文件内容完全一致）。当再次与服务器同步时，则会将本地最新的词库文件与上次同步时所备份的词库文件进行diff，将增加的词频到同步到服务器，然后再同步到本地。不过，这也导致了另外一个问题：我怎么将我服务器上的词库清零呢？如果永远备份在服务器，而用户只能不断地用本地新词库去与之同步，而对其没有完全的掌控权，其结果将是非常可怕的。