物理成本值。相应物理成本值中的每一个可以表示对准点组中的一个对准点的物理特征指示多个键中的一个键的物理特征。例如，手势模块8可以通过评价对准点组中的一个对准点与键的键盘位置之间的欧几里德距离，来确定相应物理成本值。多个键的物理特征可以包括在键区52中。例如，对多个键中的每一个，键区52可以包括与显示每一键的图形键盘16的位置和/或区域相对应的坐标集。在图1的示例中，手势模块8可以基于第一对准点和“ I ”键20A之间的欧几里德距离来确定第一物理成本值。在一些示例中，手势模块8可以通过将第一对准点和第二对准点之间的欧几里德距离与由第一对准点指示的第一字母和可以由第二对准点指示的第二字母之间的欧几里德距离进行比较，来确定物理成本值。手势模块8可以确定第二字母的成本值与距离之间的差成反比(例如，在距离非常类似的情况下，第二字母更可能)。例如，较小距离表明更好对准。
[0080]在一些示例中，手势模块8可以使用诸如空间模型26的一个或多个空间模型对多个键中的至少两个键中的每一个确定相应物理成本值(例如空间模型分值)。如在图3A-3B中进一步所示，手势模块8可以在确定对准点后确定用于接近对准点的第一键的第一空间模型分值和用于接近对准点的第二键的第二空间模型分值。手势模块8可以通过将对准点的位置与对应于第一键的空间模型进行比较，来确定第一空间分值。如在此所述，第一空间模型可以包括与对给定键最频繁选择的UI设备4的位置相对应的坐标的分布。手势模块8可以通过将对准点的位置与坐标的分布进行比较来确定第一空间模型分值。如果对准点的位置处于第一空间模型的较高密度区中，手势模块8可以确定用于第一键的较高空间模型分值，以及如果对准点的位置处于第一空间模型的坐标的较低密度区中，可以确定用于第一键的较低空间模型分值。手势模块8可以使用对应于第二键的第二空间模型以类似的方式确定第二空间模型分值。
[0081]根据本公开的技术，手势模块8可以确定该手势的准确度不满足阈值并且修改一个或多个空间模型分值。为了修改第一和第二空间模型分值，手势模块8可以增加和/或减小第一空间模型分值和/或第二空间模型分值中的一个或多个。例如，手势模块8可以确定第一空间模型分值大于第二空间模型分值。手势模块8可以通过第一权重来减小第一空间模型分值。手势模块8可以通过第二权重来增加空间模型分值。在一些示例中，第一权重和第二权重可以相同，而在其他示例中，权重可以不同。通过响应不准确手势而修改第一和第二空间模型分值，手势模块8可以增加第一和第二空间模型分值的均衡来反映用户可能想要第一键的较低置信度和可能用户想要第二键的增加的置信度。
[0082]手势模块8还可以通过确定用于多个键中的至少两个键中的每一个的相应词典成本值(例如语言模型分值)，来确定相应成本值。相应词典成本值中的每一个可以表示由多个键中的一个键表示的字母包括在候选词中的概率。词典成本值可以基于语言模型10。例如，词典成本值可以表示基于包括在语言模型10中的可能词选择给定字母的可能性。在图1的示例中，手势模块8可以基于指示字母“I”是词中的第一字母的频率的语言模型10中的条目，来确定第一词典成本值。
[0083]手势模块8可以确定令牌是否在词典的终端节点处。响应于确定令牌在终端节点处，手势模块8可以将令牌(或其表示)添加到输出预测的列表。在一些情况中，手势模块8可以将用于从入口节点到终端节点的每一节点的相应成本值进行比较来确定用于由终端节点指示的词的组合成本值。在其他情况下，用于由终端节点指示的词的组合成本值可以由令牌的成本值反映。在任一情况下，然后，手势模块8可以丢弃该令牌。例如，在一个示例中，在令牌传递处理中，手势模块8可以仅保存一组前η个令牌，并且丢弃其余令牌。前η个令牌可以是具有最可能词或字符串的令牌。以这种方式，手势模块8可以有效地缩放到大词典。替选的实施例可以使用任何适当的搜索技术。
[0084]在一些示例中，诸如图1中所述，用于第一键和第二键的词典成本值可以类似(例如，两个词典成本值之间的差小于阈值)。例如，当在字母i后时，m和η可以具有类似的词典成本值。为更准确地判定用户想要键m和η中的哪一个，手势模块8可以修改与1-m和1-n相关联的词典成本值。例如，手势模块8可以减小与前缀1-m和i_n相关联的词典成本值，由此增加与η和m相关联的空间模型分值的重要性。也就是说，因为手势模块8可以基于每个与包括语言和空间模型分值的组合分值相关联的前缀，来确定候选词，减小语言模型分值可以增加用于给定前缀的空间模型分值的重要性。由于用户可以在预期字符的方向上做手势，因此具有增加重要性的用于η和m的空间模型分值可以提供用户想要哪一键的更准确指示。在一些示例中，手势模块8可以增加空间模型分值来增加词典成本值可能类似的这样示例中的空间模型分值的重要性。因此，通过修改用来生成与候选词相关联的组合概率的一个或多个空间和/或语言模型分值，手势模块8可以至少部分地基于手势的准确度来修改该手势指示多个键中的至少一个键的概率，并且输出至少部分地基于手势指示多个键中的至少一个键的概率的候选词。
[0085]手势模块8可以确定UI模块6是否已经完成接收手势路径数据。在UI模块6已经完成接收手势路径数据的情况下，手势模块8可以输出一个或多个候选词，以在存在敏感显示器处显示。在UI模块6还未完成接收手势路径数据的情况下，手势模块8可以继续递增地处理手势路径数据。在一些示例中，在Π模块6完成手势路径数据的接收前，手势模块8可以输出根据本公开的技术确定的一个或多个输出预测(例如候选词)。
[0086]图3A-3B是图示根据本公开的一个或多个技术的图1中所示的计算设备2的示例性操作的进一步细节的框图。具体地，图3A图示可以由计算设备2输出的图形键盘68和文本输入区70的一部分。图形键盘68包括包含“H”键64A、“B”键64B、“G”键64C、“Y”键64D、“U”键64E、和“J”键64F的多个键。在图3A的示例中，用户可以执行准确手势62来输入词“The”，如文本输入区70中所示。手势62通过从“T”键到“H”键到“E”键的基本上直线的路径来表征。直线路径可以是键之间的基本上最小的距离路径。此外，手势62的曲率可能高，指示从“H”键64A到“E”键的方向的决定性变化。此外，手势62在改变方向前基本上在“H”键64A的质心处相交。由此，用户可能执行了具有高准确度的手势62。
[0087]在图3A的示例中，对于在每一键的键边界内并且由虚线包围的键64A-64F中的每一个，图示空间模型概率。在图3A中为图示目的示出了每一空间模型概率，并且在⑶I 70中可以不输出。当用户执行包括从“T”键到“H”键64A的手势路径的手势62时，手势模块8可以确定用于键64A-64F中的每一个的空间模型概率。手势模块8可以确定用于给定键中的每一个的空间模型概率，因为每个键均在键64A的区域内发生的手势22中的检测方向变化的阈值距离内。如图3A所示，“H”键64A相对于在“H”键64A处或附近的检测对准点的空间模型概率被确定为值“60”。基于手势62的检测对准点，手势模块8可以类似地确定用于“J”键64F的空间模型概率“8”。在一些示例中，手势模块8可以基于对准点来确定一个或多个特征(例如方向改变、曲率、与键中心的距离等等)，以生成相应概率。因此，在图3A的示例中，用于“H”键64A的空间模型概率最高，因为较高曲率、较大速度变化、较大方向变化和离“H”键64A的中心的定向改变距离。概率分布66图示用于“H”键64A相对于手势62的对准点的空间模型概率。
[0088]与图3A相反，图3B的示例图示不准确手势。在图3B中，用户可以执行手势80来同样输出词“The”。然而，在图3B中，从“T”键到“H”键64A的手势82的手势路径的一部分可以是与从键“T”到“H”键64A的直线路径不同的距离。由此，在一些示例中，根据本公开的技术，手势模块8可以将从“T”键到“H”键64A的手势82的手势路径的一部分与直线路径进行比较，以确定手势82的准确度。对于明显偏离两个键之间的直线路径的手势，手势模块8可以确定较低准确度。相反，对基本上不偏离两个键之间的直线路径的手势，手势模块8可以确定较高准确度。在一些示例中，准确度可以是包括在准确度范围中的数值。如在本公开中所述，手势模块8可以至少部分地基于手势的准确度，来修改空间模型概率、语言模型概率和/或组合概率。在一些示例中，手势模块8可以与准确度成比例地修改一个或多个上述概率，而在其他示例中，手势模块8以不与准确度成比例的方式来修改一个或多个上述概率。
[0089]在其他示例中，手势模块8可以基于“T”键和“H”键64A之间的手势82的一部分的速度，来确定准确度。较高速度可以指示不太准确手势，而较慢速度可以指示更准确手势。由此，当将手势82的一部分的速度与例如阈值速度进行比较来确定手势82的该部分的速度大于阈值速度时，手势模块82可以确定手势82的准确度较低。相反，当手势82的该部分的速度低于阈值速度时也是成立的。
[0090]在其他示例中，手势模块8可以基于“T”键和“H”键64A之间的手势82的一部分的曲率，来确定准确度。较高曲率可以指示更准确手势，而较低曲率可以指示不太准确手势。由此，当例如将手势82的一部分的曲率与阈值曲率进行比较来确定手势82的该部分的曲率小于阈值曲率时，手势模块82可以确定手势82的准确度较低。相反，当手势82的该部分的曲率大于阈值速度时也成立。
[0091]响应于确定手势82的准确度小于阈值准确度，手势模块82可以减小手势82指示“H”键64A的概率。例如，当准确度较低时，手势模块82可以减小手势82指示“H”键64A的空间模型概率。由此，与图示准确手势62和用于“H”键64A的空间模型概率“60”的图3A相反，图3B图示用于“H”键64A的空间模型概率“40”。以这种方式，当用户执行不太准确(例如“较凌乱”)手势时，手势模块8修改用于“H”键64A的空间模型概率来指示用户将要选择“H”键64A的较低置信度。
[0092]在一些示例中，手势模块8还确定接近“H”键64A的一个或多个键。接近“H”键64A的键可以在“H”键64A的预定距离内，诸如“ J”键64F。手势模块8可以确定用于接近“H”键64A的给定键中的每一个的空间模型概率，因为每个键均在键64A的区域内发生的手势82的检测方向变化的阈值距离内。响应于确定接近“H”键64A的一个或多个键，手势模块8可以修改“J”键64F的空间模型概率来反映指示用户想要选择“H”键64A的较低置信度以及用户想要选择“J”键64F的较高置信度。由此，如图3B所示，与图3A中与“J”键64F相关联的空间模型概率“8”相比，与“J”键64F相关联的空间模型概率为“20”。概率分布68图示用于“H”键64A相对于手势82的对准点的较低空间模型概率。因此，当手势模块8基于用于候选字符串的空间模型概率(例如空间模型分值)和/或语言模型概率来确定组合分值时，组合分值中用于H的空间模型概率可能小于在图3A中的。因此，在实现本公开的技术的手势模块8的一些示例中，手势模块8可以基于导致修改的空间模型分值的不准确(例如“凌乱”)手势，使不同候选词输出以显示。这样的不同的候选词可以是用户在执行该不准确手势时更可能想要的词。
[0093]图4是图示根据本公开的一个或多个技术的可以改进用于不准确手势的键选择的计算设备的示例性操作的流程图。
[0094]在图4的示例中，计算设备2可以初始地输出包括多个键的图形键盘以显示
(100)。计算设备2可以接收在存在敏感输入设备处检测的手势的指示(102)。计算设备2还可以基于与手势相关联的多个特征来确定手势的准确度(104)。计算设备2还可以至少部分地基于准确度来修改手势指示多个键中的至少一个键的概率(106)。计算设备2可以进一步输出至少部分地基于手势指示多个键中的至少一个键的概率的候选词以显示(108)。
[0095]在一些示例中，操作可以包括由所述计算设备确定键组中的第一键和第二键之间的手势的一部分的第一距离；由所述计算设备确定所述第一键和所述第二键之间的第二距离，其中所述第二距离是所述第一键和所述第二键之间的直线路径的距离；以及由所述计算设备比较所述第一距离和所述第二距离来确定所述手势的准确度。在一些示例中，操作可以包括由所述计算设备确定键组中的第一键和第二键之间的手势的一部分的速度；以及由所述计算设备将所述手势的该部分的速度与至少一个阈值速度进行比较来确定所述手势的准确度。
[0096]在一些示例中，操作可以包括由所述计算设备确定键组中的第一键和第二键之间的手势的一部分的曲率；以及由所述计算设备将所述手势的该部分的曲率与至少一个阈值曲率进行比较来确定所述手势的准确度。在一些示例中，操作可以包括响应于确定准确度小于阈值准确度，由所述计算设备减小所述手势指示所述多个键中的至少一个键的概率。在一些示例中，操作可以包括响应于确定准确度大于阈值准确度，由所述计算设备增加所述手势指示多个键中的至少一个键的概率。
[0097]在一些示例中，手势指示多个键中的至少一个键的概率包括可以至少部分地基于与所述多个键中的至少一个键相关联的空间模型概率。在一些示例中，操作可以包括由所述计算设备至少部分地基于所述准确度来修改与所述至少一个键相关联的空间模型的空间模型概率。在一些示例中，操作可以包括由计算设备确定接近第一键的多个键中的第二键，并且由计算设备至少部分地基于准确度来修改手势指示多个键中的第二键的第二概率。在一些示例中，多个键中的第二键在第一键的预定距离内。
[0098]在一些示例中，操作可以包括响应于确定准确度小于阈值准确度，由计算设备增加手势指示多个键中的第二键的第二概率。在一些示例中，操作可以包括由计算设备确定