Re: [問題] 棄蝦米 從倉頡 值不值得？

[bibo9901 (function(){})()]

※ 引述《ANGELB (神仙B)》之銘言：
: 十五年前學了蝦米
: 那時聲勢如虹 打字比賽接連冠軍
: 在網路資訊較不如現今易於搜尋的時期
: 一度以為蝦米是王道
: 學成之後 細細回想其實這輸入法也還好而己
: 不知十幾年前嘸蝦米贏過倉頡這股潮流根據的事實從何而來
: 後來看了這一系列的比較文 有條有理
: https://goo.gl/5U4zp

這篇文章對於重碼字的分析很不嚴謹，

首先，只給出「重碼表」而沒有附上編碼表的來源，不知如何檢驗起

其次，論證看似有條理，但實際上有大漏洞，

  1. 只考慮 Big5 字，也沒考慮字的出現機率。

     自然語言有「齊夫定律」的現象，高頻字出現的機率會是低頻字的數百甚至數萬
     倍，高頻字（如「精」、「睛」）重碼就很令人困擾，低頻字（如「筶」、「簹」
     、「艡」）重碼就沒什麼關係。

  2. 重碼率高，選字率就高，這是事實，但不代表打得慢！

     嘸蝦米多數 2~3 碼，即使要加上 VRSF 或 1234 選字，也不過是 3~4 碼，比起倉
     頡動不動就 4~5 碼的，誰快誰慢很難說。
     不能像原來裡用一句「這項統計資料沒有原始來源可供驗證」來代過，更不能直
     接推論選字率高等於需要的碼數較多


第五代倉頡和嘸蝦米的編碼表，在網路上都可以搜到，我統計出兩種輸入法的


        總字數     重碼字數        允許多種拆法的字數    平均碼長
倉       70833   22552 (31.84%)       3941 ( 5.56%)        4.418 +- 0.76
嘸       19680   14449 (73.42%)       7950 (40.40%)        3.558 +- 0.64


可以發現

   1. 重碼字數被嚴重低估了。尤其是嘸蝦米的重碼字數更是直破天際。但其中大
      多數是因為標點、符號等，例如「，Ｊ」就有 18 個候選字

   2. 倉頡四碼起跳是基本，而嘸蝦米很少超過四碼。符合上面第二點的質疑，嘸
      蝦米即使要選字也不會比較慢

   3. 倉頡幾乎沒有容錯空間，一個字就一種拆法，罕見字或異體字不會寫就沒救了


為了測試真實打字的情形，我從 Clueweb09 https://lemurproject.org/clueweb09/
取樣了共2000萬字當作語料庫。這是 2009 年爬下來的中文網頁，應該很符合現代人
輸入的需要。我統計出一份字頻表

https://github.com/iamalbert/ime-analysis/blob/master/cht.small.freq.json

另外，考慮實際輸入，重碼字也直接增加 1 碼，如「囧」原來拆 OBN 三碼，因為選字
變成 OBN2、OBNR 直接視為四碼，假設一律用最短碼輸入，計算碼長以字頻加權：


最常使用的 13806 字 (語料庫共 209491942 字)的情形

        總字數     重碼字數      多種拆法的字數    平均碼長       加權碼長
倉       11790   1456 (12.35%)    1181 (10.02%)   4.065 +- 0.76    3.519
嘸       11797   7076 (59.98%)    5091 (43.16%)   3.407 +- 0.66    2.328
嘸*                                               3.507 +- 0.65    2.651
嘸**                                              3.579 +- 0.63    2.841

*: 假設只有 50% 的字用了最短碼
**: 假設只有 30% 的字用了最短碼

結論也很明顯：
   1. 如同網頁所說，嘸蝦米用了一堆簡碼來解決重碼問題，效果實在不怎麼樣，
      就算背了全部的簡根(100%)，比起幾乎不背(30%) 大概兩個字只省 1 碼

   2. 嘸蝦米的一碼二碼字的安排比傳統倉頡好太多了，倉頡只能省掉 0.5 碼，嘸
      蝦米可以省掉 1 碼左右

   3. 總地來說，嘸蝦米還是比倉頡快上 25% ~ 52% [註]


同場加映大新倉頡

        總字數     重碼字數      多種拆法的字數    平均碼長       加權碼長
大新    11879   7648 (64.38%)    5482 (46.15%)   3.451 +- 0.71    2.042
大新*                                            3.553 +- 0.71    2.431
大新**                                           3.601 +- 0.70    2.614


毫無疑問地樂勝嘸蝦米，尤其平均 2 碼真是太銷魂了 :)
由此可見重碼、容錯都不是問題，只要常用字夠短，速度就會快。



TL;DR
大新倉頡 > 嘸蝦米 >> 傳統倉頡


原始碼都在 https://github.com/iamalbert/ime-analysis

[註] 打字速度(理論上)就是加權碼長的反比。我相信這樣算是很準的，
     嘸蝦米加權碼長/大新加權碼長 = 2.138/2.042 = 114.39%
     大新最快記錄/嘸蝦米最快記錄 = 238每分 / 209每分 = 113.88%


: 其實都被他說完了
: 說實在的 輸入法不夠理想是其次
: 重要的是使用不方便
: 現在公領域中 很常會用到電腦
: 購物啦
: 誠品書店查書的iPad啦
: 等等
: 根本沒有蝦米可打
: 不開放是一回事
: 不管什麼系統
: 行易的動作總是慢吞吞
: 支援度很差
: 反之
: 倉頡無處不在
: 連PS4遊戲機的OS繁中底下的輸入法
: 竟然只有兩種
: 一為注音
: 一為倉頡
: 倉頡的方便性
: 可能是拆字輸入法的第一名吧
: 不知道棄蝦米從倉頡
: 砍掉重練 投資報酬率值不值得？

這其實真的還好，就忍受那一兩分鐘而已，平常打game時的速度比較重要

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 163.23.97.126
※ 文章網址: https://www.ptt.cc/bbs/Liu/M.1505611203.A.99B.html
※ 編輯: bibo9901 (163.23.97.126), 09/17/2017 09:21:20
※ 編輯: bibo9901 (163.23.97.126), 09/17/2017 09:28:06
※ 編輯: bibo9901 (163.23.97.126), 09/17/2017 09:29:03
推 weiih: 認真給推
※ 編輯: bibo9901 (163.23.97.126), 09/17/2017 13:38:59
推 deltazone: 推！
推 magicbe: 神の分析，與2183一樣，非常棒的參考資料
推 goldie: 推！
推 Tsai07: 弱弱問一下什麼是重碼率?
推 goldie: 重碼率… 多字同一拆碼的字數總和… 比上全部字數…的比
→ goldie: 例。
推 vaper: 字碼多，重碼率就低，反之亦然。嘸的優勢就限制在四碼
→ vaper: 雖然重碼率較高，但再輔以二碼常用字，整體消長下是較優的
→ vaper: 光譜兩端沒有孰是孰非，只是平衡與效率的問題
→ vaper: 簡單說，如果你用注音就能快嘴嗆爆對方，何必用其他輸入法
推 ming12345: 嘸蝦米加選字，和倉頡四五碼的按鍵數相比，未必會輸，
→ ming12345: 但選字簡碼要另記，倉頡則完全依照規則，各有利弊
推 ming12345: 原文是：[嘸蝦米 6000 字有 311 個選字，2000 字有 33
→ ming12345: 個選字，1000 字有 8 個選字。這項統計資料沒有原始來
→ ming12345: 源可供驗證。]
→ ming12345: 所以是嘸蝦米低重碼的資料沒有原始來源，不是倉頡低重
→ ming12345: 碼的資料沒有原始來源，你拿這句話來批，是不是斷章取
→ ming12345: 義了
推 oktryit: 我個人也是覺得日常用字應該是嘸 >>> 倉，效率樂勝
→ oktryit: 之前也有接觸一下大新倉頡，也蠻快的就是惹，但先學先贏
→ oktryit: 這是不爭的事實，反正嘸蝦米打夠快惹，就懶得換大新。
→ oktryit: 附註一下，我大概用了 70% 以上的簡根，二碼字，有一些
→ oktryit: 會反手的就不用二碼字，例如，跟 =qz，汽 = wz，債 = dz
→ oktryit: 貴 = qa 也蠻少用的，我反而會打 cemb，主要是小指按的字
→ oktryit: 一來會轉換成其他方式，一來就是小指沒什麼力氣
→ oktryit: 結論是，我認為要打的過，按鍵的順序性也有差，不然就不
→ oktryit: 會有人轉換 Dvorak 鍵盤來打字，嘸蝦米似乎沒考慮到這
→ oktryit: 好在，q 或 z 的字根不多，但是 a 的字根就很多就是了。