[论文解读] Automatic Keyboard Layout Design for Low-Resource Latin-Script Languages

Theresa Breiner, Chieu Nguyen+2 more|arXiv (Cornell University)|Jan 18, 2019

Digital Communication and Language参考文献 3被引用 5

一句话总结

本文提出了一种自动化框架，仅使用最少的语言学数据即可为低资源拉丁字母语言生成移动键盘布局。通过利用字符频率和标准布局启发式方法，该方法将手动配置工作量减少至接近零，实现了对50多种语言的快速部署，生成可扩展、语言特定的键盘布局，支持变音符号和语音多样性。

ABSTRACT

We present our approach to automatically designing and implementing keyboard layouts on mobile devices for typing low-resource languages written in the Latin script. For many speakers, one of the barriers in accessing and creating text content on the web is the absence of input tools for their language. Ease in typing in these languages would lower technological barriers to online communication and collaboration, likely leading to the creation of more web content. Unfortunately, it can be time-consuming to develop layouts manually even for language communities that use a keyboard layout very similar to English; starting from scratch requires many configuration files to describe multiple possible behaviors for each key. With our approach, we only need a small amount of data in each language to generate keyboard layouts with very little human effort. This process can help serve speakers of low-resource languages in a scalable way, allowing us to develop input tools for more languages. Having input tools that reflect the linguistic diversity of the world will let as many people as possible use technology to learn, communicate, and express themselves in their own native languages.

研究动机与目标

• 通过实现高效、自动化的键盘布局创建，降低低资源拉丁字母语言使用者的技术门槛。
• 解决少数语言和濒危语言缺乏移动输入工具的问题，从而阻碍在线交流和内容创作。
• 通过仅使用基本文本数据自动配置文件，最大限度减少键盘布局设计的人工工作量。
• 在地理上分散的多种低资源语言中实现键盘输入支持的可扩展性，特别是在东亚和东南亚等地区。
• 通过赋能用户在移动设备上使用其母语输入和交互，促进语言多样性。

提出的方法

• 该方法利用可用文本语料中的字符频率分析，优先安排键盘布局中的按键位置。
• 以QWERTY为基础布局，作为基础结构，保留用户对标准键盘熟悉的位置。
• 基于语言频率和正字法规则，自动生成长按映射以支持变音符号和特殊字符。
• 使用基于模块化XML结构的系统，自动生成Android IME（输入法编辑器）配置文件，包括键盘、按键映射和软键定义文件。
• 通过复用共享框架组件（例如基础布局和按键模板），减少冗余并简化文件生成流程。
• 通过自动将新的语言特定条目插入全局配置列表，将该流程与Android输入框架集成。

实验结果

研究问题

• RQ1 是否可以使用最少的语言学输入，自动为低资源拉丁字母语言生成键盘布局？
• RQ2 如何在最小化手动配置工作量的同时，保持自动化布局设计的可用性？
• RQ3 基于频率的按键布局在多大程度上能提升资源匮乏语言的打字效率？
• RQ4 可扩展的自动化流水线在多个人口和语言分布区域的拉丁字母语言中，是否具备支持能力？
• RQ5 自动化布局生成如何与现有移动输入框架（如Android的IME系统）集成？

主要发现

• 该框架在2017年成功为超过50种低资源拉丁字母语言生成了特定语言的键盘布局，且人工干预极少。
• 该方法显著减少了键盘文件的手动配置需求，实现了IME和布局生成的近乎自动化。
• 系统通过长按映射支持变音符号和特殊字符，且这些映射根据语言频率自动定位。
• 通过保留熟悉的QWERTY按键位置，该方法维持了可用性，降低了用户学习成本。
• 生成的布局已集成至Android输入框架，可在配备标准输入工具的移动设备上部署。
• 该框架可扩展至其他书写系统（如西里尔字母、阿拉伯字母和梵文），表明其在拉丁字母之外也具有广泛适用性。