小米手机
短信智能识别是MIUI基础应用、黄页、新技术组三个团队的合作产品。新技术组负担的主要任务是短信的自然语言理解算法。回顾这几个月的开发过程，还真是充满了挑战与曲折。
去年10月份和短信、黄页那边沟通完需求，就着手开发。短信的自然语言理解模块作为核心的模块之一，难度确实不小。首先要有好的识别效果；其次因为在手机端识别，所以需要有较快的识别速度和较低的空间开销；最后要有好的扩展性，能方便地支持新的识别任务。 整个系统的难点在于：支持多任务识别、任务的简单增减、多知识点（快递单号、验证码、时间等）抽取、不同识别结果的不同响应。针对多任务、对不同识别结果的不同响应，我们设计了一套任务本体，用来方便地进行任务管理。
具体的短信识别任务中，我们采用了基于SVM和概率语义文法的知识抽取模型以及多知识点交叉验证。基于这个方法，我们将短信快递单号识别的准确率从最初的90%提高到98%。短信中日期时间识别从原有系统71%的准确率和75%的召回率分别提高到93%和90%，人工效率则提高了50倍。相比原先系统，我们有了很大的改进，例如：改进了对模糊时间的识别（下个礼拜二早上10点），具体时间需要根据短信接收时间进行推理计算；增加对农历时间的识别（闰2月初八）；增加了对常见节假日的识别（中秋，春节，端午，圣诞...）；增加对多段时间的组合识别（12月26号（下周五）早上）。
通过非常简单的配置，融入多知识点交叉验证，我们将验证码识别的准确率做到了99%左右。这些任务详细的开发故事后续我们会陆续介绍。随着识别任务增加，消耗的系统资源也不断增加，对系统的性能具有较大的考验。我们的要求是每次打开短信对话界面时，进行实时识别，且不允许有卡顿。针对这个目标，我们采用多层索引等各种技术，最大化提高了识别速度，最终在手机上，平均每条短信的识别速度达到10ms以内。
同时我们要求在内存只有1GB的红米上，也能流畅地识别。针对这个目标，我们引入了号码的领域映射、短信的主题分析等机制，最大程度地降低资源需求，从而降低系统的存储开销，将识别所需内存始终控制在5MB以内。同时，识别结束后，释放额外的资源开销。