权重与词频

清风输入法的候选排序由两个彼此独立的维度决定：

• 权重 (weight)：候选词自带的静态排序分，来自词库或引擎语言模型，是默认排序维度。
• 词频 (frequency)：你实际使用候选的统计（选了多少次、最近何时选的），是一套完全独立的排序维度。

核心设计：词频与权重彻底解耦。词频不加到 weight 上，而是作为独立维度在排序阶段与权重组合——排序时绝不修改任何候选的 weight。

• 权重 (weight)
• 词频 (frequency)
  • 码表方案：基础排序 + 词频上浮
  • 拼音方案：带衰减的软置前
• 用户如何调整排序
  • 短语 / 用户词条权重
  • 同权重的二级排序 (position)
  • 置顶 / 删除候选
• 混输模式下的层级关系
• 设计中的注意事项
  • 短语层与码表层是分开的 tier
  • 字符组成员共享 group 权重
• 相关参考

权重 (weight)

权重是候选词自带的排序分，用于在没有其它信息时决定谁排前面。它的量级因来源不同而差异很大，并不是一个跨层统一的小区间：

来源	权重量级
拼音引擎（语言模型）	单字 / 词可达百万级
拼音整句（Viterbi 合成的整句候选）	30M 档（引擎内部锚定顶部用）
码表候选	由码表内置权重或字根序决定
短语 / 用户词条	用户可设，默认 1000

因此，权重只在同一来源层内可比，跨层直接比数值意义不大——例如"把一条短语的 weight 设成 8000"并不能让它在拼音方案里压过一个常用拼音词（后者是百万级）。

词库权重归一化

方案可通过 [dictionaries.weight_spec] 把某个词库的原始权重按 median / max / min / target 映射到目标区间（mode 支持 linear / log），让不同来源的词库在同一方案里相对可比。这属于方案配置，普通用户一般不需要改动。

词频 (frequency)

词频只记录真实使用数据：{ count（累计使用次数）, last_used（最近使用时间）}，按 方案 + 编码 + 文本 存储在 userdata.redb 中。每次选词时 count + 1、刷新 last_used。

排序时，引擎把词频作为独立维度与权重组合，不改动 weight。码表方案与拼音方案采用不同的词频策略。

码表方案：基础排序 + 词频上浮

码表排序分两层：

1. 基础排序（方案文件 [engine.codetable].base_sort）：weight（按词库权重）或 natural（按字根 / 自然序）。有些码表没有权重、只能自然排序，故基础序可选。详见方案配置制作。
2. 用户词频（[schema.codetable.frequency]，开关）：开启后以基础排序为基底，把用过的候选按词频上浮到未用过的之前（used-first）。

词频应用策略 strategy 有两种：

策略	语义	行为	适合
top	一次到顶（MRU）	选一次立刻置于已用档之首（按最近使用时间排）	"刚选过的下次就在首位"
step（默认）	逐次提升	按累计次数爬升，抗误选	稳健，默认

配置字段（[schema.codetable.frequency]）：

字段	默认	说明
enabled	false	是否启用码表词频上浮（shipped 方案默认开启）
strategy	step	top / step
protect_top_n	0	保护引擎基础序的前 N 位不被词频顶下来；0 = 不保护

protect_top_n

protect_top_n 在词频重排之后把基础排序原本的前 N 个候选按原相对序回填到最前面。它优先级高于词频——即使某候选词频极高，只要不在保护集内就进不了前 N 位。仅码表 / 混输方案生效（拼音方案固定为 0）。

码表的"用过"是永久的（count 不衰减）——用一次即可稳定上浮，不受权重量级压制。

拼音方案：带衰减的软置前

拼音候选多、还有整句组合，硬性 used-first 会破坏长句质量。因此拼音词频按衰减分参与排序：

age_hours  = (now − last_used) / 3600
decay      = exp(−ln2 × age_hours / half_life)     // 半衰期衰减：刚用过≈1，久未用→0
freq_score = (base_scale × log2(count + 1) + recency_peak) × decay

• 整句豁免：Viterbi 合成的整句候选（权重达 30M 档）恒锚定顶部，不被词频挤下。
• 软置前：非整句候选中，用过的按 freq_score 排到未用过的之前。
• 阈值褪色：当 freq_score 衰减到很低（久未用）时，该候选失去 used-first 资格，落回权重序。

拼音的"用过"是会褪色的（随半衰期衰减），这与码表的永久上浮相反。

配置字段（[schema.pinyin.frequency]）：

字段	默认	说明
enabled	false	是否启用拼音词频（shipped 方案默认开启）
half_life	72（小时）	半衰期（小时）：越大，历史使用记得越久（配置为 0 时取此引擎默认）
base_scale	100	使用次数对分数的基础系数（配置为 0 时取此引擎默认）
recency_peak	0	与次数无关的"刚用过"峰值加成，随半衰期同步衰减；0 时完全退化为纯次数公式

用户如何调整排序

短语 / 用户词条权重

设置 → 词库 → 短语（或某方案的用户词库）的添加 / 编辑对话框中，权重字段默认 1000。在码表方案下，提高短语 / 用户词的 weight 可让它在同编码的候选中靠前。

拼音方案下的置顶

如上文所述，拼音候选权重是百万级，单纯把短语 weight 调到几千不足以稳定压过常用拼音词。更可靠的做法是使用一个不易与自然词碰撞的精确编码（例如 4 字母的 cobd），让短语只在该精确编码下出现。

weight: 0 与"不填权重"不同：不填时取默认 1000，显式写 0 则表示最低排序分，适合"必须收录但不希望干扰排序"的条目。

同权重的二级排序 (position)

短语 / 用户词条还有一个 position 字段，它不参与跨编码比较，仅在同编码同权重的候选之间做二级排序：同一编码下按 权重降序、position 升序排列。

position	含义
0（默认）	落在 position > 0 的条目之后
1, 2, 3, …	越小越靠前

设置 → 词库 中的"上移 / 下移 / 置顶"改的就是 position——你可以让多个条目权重都保持 1000，仅用箭头按钮调整组内顺序。

置顶 / 删除候选

在候选上使用置顶 / 删词操作会写入一层 shadow 规则（持久化在 userdata.redb），在不改动词库本身的前提下调整某个编码下候选的显隐与顺序。

混输模式下的层级关系

混输（码表 + 拼音）方案下，码表候选整体排在拼音候选之前：引擎在排序阶段对码表层整体提权，实现"层间隔离"，让你输码表编码时即使与拼音撞码，码表答案也稳定靠前，而拼音字在码表无解时填补候选。

这个间隔由方案文件的 [engine.mixed].codetable_weight_boost 控制（出厂 10,000,000，一般无需改动），详见混输引擎配置。它只作用于排序阶段的层间提权，不改写候选自身的 weight——你在设置里看到 / 设置的 weight 始终是候选自身那个值。

设计中的注意事项

短语层与码表层是分开的 tier

短语候选（含命令直通车命令、字符组、模板短语）带有内部标记。在码表方案的生僻字过滤路径下：

• 短语永远保留，不会被当作"无常用字编码"过滤掉；
• 短语也不计入"同编码下是否有常用字"的判定，避免短语单独存在时让真正的码表生僻字被错误保留。

这让你配置短语（例如 dz = 我的地址）不会副作用地改变同编码的码表过滤行为。

字符组成员共享 group 权重

$AA("标点", "、。·…") 中所有字符候选的 weight 都等于该组短语条目的权重值；组内字符的相对顺序由字符串顺序决定，与权重无关。

相关参考

• 命令直通车 — 命令候选的权重选择
• 词库管理（设置 → 词库）