提出一种自动设计和实现移动设备上用于打字拉丁字母表书写低资源语言键盘布局的方法，用此方法可以降低在线沟通和协作的技术门槛，从而促进更多网页内容的创作。

Jan, 2019

本研究使用图像处理技术创建了一个看得见的虚拟键盘，可以精确地检测手势，同时具有可持续性和财务可行性，同时提高了外围设备的成本效益，减少了由于外部设备产生的电子废物，并为不能使用传统键盘和鼠标的人提供了较高的可用性。

Aug, 2022

通过基于深度学习的方法，本论文提出并验证了一种能够从用户视角的 RGB 视频流中准确预测按键的增强现实应用。该方法使用户能够在任何平面上执行打字活动，并且不再需要物理或虚拟键盘，相关实验结果证明了这种方法的可行性和潜力，并讨论了将此技术应用到生产系统中所需的限制和未来研究。

Aug, 2023

通过对英文字母在不同类别文本中出现频率的统计分析，我们开发了一种称为距离 d 的度量指标，可用于算法识别不同类别的文本，并应用于信息传输、大数据管理和语言学。

Jan, 2024

本文提出了一个框架来提高手机用户在形态丰富的语言中的打字体验，该方法使用自动选择的子词单元来对德语等复杂的语言进行建模，并通过绑定类型注释来确定何时将子词单元绑定成单词，此方法在多种复杂语言中表现出约 20% 的错误率降低，是基本方法改进的两倍以上。

Jan, 2022

本文从几个角度综合了各种主张，提出了一种独特的语言学派，将数学几何观点引入到语法中，描述了一种基于几何学的机制，用于解释人类语言里的显著特征，并提出了一种新型的匹配方法，利用代表单词的标记链来形成句子，并匹配语法词序。最终得到的二维和三维结合体为以往传统语法体系难以准确描述的语言规则提供了一种新视角。

Mar, 2023

该研究基于一个公共的按键数据集，探讨了通过对齐预处理算法，使用不同的异常检测方法进行击键生物识别，对检测准确性的影响，结果表明：通过预处理和评分归一化技术，可以显著提高检测性能。

Jun, 2016

本研究旨在开发一种支持印度语言手势输入的键盘，通过创建包含键盘轨迹的数据集来训练模型，并使用路径解码、音译和音译修正等技术对输入的轨迹进行映射以实现高达 70% 到 95% 的准确率。

Mar, 2022

该研究提出了一种基于击键动态的方法，以区分学术环境中真实和辅助写作，并利用改进的 TypeNet 架构训练检测器。研究结果突显了真实和辅助写作之间击键动态的显著差异，并对提高数字教育平台的可靠性产生影响。

Jun, 2024

通过使用基于大型语言模型的用户界面，以高度缩写的形式进行文本输入，提高了使用 AAC 设备的运动受限用户的文本输入速度。对于那些需要眼球追踪键盘等辅助和替代交流设备的人来说，这种方法可以节省大量的操作，实现更快的文本输入速度。

Dec, 2023