这里的博客将停止了，欢迎到我的新家去看看

http://www.macqim.com/wordpress

好不容易做了一个，框架基本搭好了，wordpress真是好东西呀。

http://www.macqim.com/wordpress

这个版本基本修订了状态的错误：

http://115.com/file/dp2z5eol#QIM_Sogou_2_0_3_SL.dmg.zip

但此版本不代表最终的2.0.3版本。

问题不在读取配置文件失败，根源在于Too many open files，导致的读取配置文件失败。现在开始找到底哪里有没有关闭的文件。。。这工作量也不小。

原因：

具体是在activateServer:里更新punct.def标点文件时，由于已经底层有很多忘记关闭的文件，导致读取失败，于是无法输出正确的标点了，状态是对的，但输出是错的，以前一直以为是状态错了。

通过这次检查学会了两个新的命令，一个lfos，一个fs_usage，后者能够实时检测进程打开文件的情况，很好用。

头大中～～～，就是设置读取的问题，后来接到几个用户的反馈以后，对QIM的状态控制做了一个大的修改，希望能够解决问题。

新年新气象，过去的一年由于身体原因，在昏昏中度过了，希望新的一年里能够继续以前的状态，为大家提供更好的输入体验。

同时也感谢很多朋友的支持和帮助，正是有你们的帮助，我才能坚持到现在。祝大家身体健康，事业顺利，全家幸福。

一堆代码要重写，崩溃中～～～～～C++，Objecitve-C，Python轮番上阵，Windows Linux MacOS交替使用，VisualStudio CodeGear XCode不断切换，发现人潜力无穷呀。

首先对3元数据库进行缩减，今天突然想到一个办法，将3元数据库由691MB在没有减少数据的情况下缩小一半到345MB，当然这个缩小过程是有损的，但出现冲突的概率是极低极低的。有空做一个对比测试，看看两个数据库对结果是否有影响，如果没有影响就采用这种缩小方法。

前段时间说和Sogou输入法做对比测试，今天结果终于出来了，由于中途对模型做了几次调整，导致结果延后了不少。

Sogou：句子准确率：69.10%， 单字准确转换率：93.82%
我的模型：句子准确率：66.95% 单字准确转换率：93.46%

结果的说明：

对比文章不是很多，并且涉及到一些特殊的人名（比如伊朗人名），导致句子的准确率受到影响，另外这个结果是基于没有对原始数据进行调整（只调整了几个）的情况下得到的。而原始数据从现在看来已经有很多明

因为QIM免费了，在10.6以上的IMKQIM都可以使用免费发布的2.0版本，而老的10.4下如果想用QIM还是必须得输入激活码（我已经不更新对应的程序了）。我这里就公布一个官方的激活码，因为已经关闭了校验，所以10.4下的用户可以随意使用。

Register Name :   iloveqim@qim.com

Register Code :    241f26c3a32f249b-465e4936vn

现在的初始模型虽然在准确率方面比Sogou目前的输入法稍好一些，但考虑到现有模型的数据库远比Sogou输入法的数据库大，所以应该是有提高的空间。

下一步就是要开始训练这个模型，为了训练这个模型需要大量的注音语料，以前花天价买的黑马注音软件竟然加密狗消失了-_-|| 真让人崩溃。自己写一个吧，可能准确度会差一些，灵活度也不那么高，但训练模型应该是够用了。

的确，QIM有段时间没有更新了，包括一些Bug也积累了不少没有修改，这里还真是到了应该修订的时机了。

自从免费了以后，QIM的就一直争议不断，很多以前的用户认为这样会导致QIM质量下降。其实我认为QIM正在一个厚积薄发的积累中，QIM的优势是什么？我自己觉得是贴近Mac习惯，灵活多变的设置以及更加及时的客户响应。

但我觉得这还不够，QIM还缺乏核心的竞争力，拼音输入法走到现在从技术上来说，QIM唯一没有掌握的就是整句输入，其实对于这个技术以我所了

最近在训练HMM模型的时候，发现一句话的结果很奇怪，原文“据北京中原地产...”。可是我的模型输出结果是“聚北京中原....”。程序写错了？ 不应该呀，模型调试过好多次应该没有这么严重的问题呀。

于是开始从数据下手，发现二元的“聚北”和三元的“聚北京”出现次数异常的高，远远超过“据北京”的频率，这样导致最终的模型计算概率的结果出现问题。再返回到最原始的抽取数据去看看到底什么内容是“聚北京”呢。于是从500多GB的原始数据里去grep，发现一句话

HMM核心基本完成以后，我开始打算做一些测试来确认现有模型的准确性。我考虑的对比对象是Sogou拼音输入法，就目前的整句输入体验来说，Sogou的输入法应该是做的比较好的。至于微软拼音，我不否认他在技术上的优势，但他数据库太小太久，导致经常输入一些常用内容得不到想要的结果，不作考虑之列。

我在sina上随机挑选几个类别的文章，包括“新闻”，“旅游”，“体育”，“科技”类，然后手工进行拼音标注，再对比两个模型输入的结果。结果将在本周末公布。