NLP-拼写纠正

目录

1.编辑距离

2.筛选方式

---

1.编辑距离

通过多少个操作才可以把写错的单词，转换成可能正确的单词。通常有3种方式：修改，添加，删除。每使用一次，则编辑距离+1。比如对于下面的therr，想变成their，则可以通过一次修改，把r修改为i，则编辑距离为1。

2.筛选方式

可以遍历一遍词典库里面的词去对比，但词典库内容可能很多，会增大时间复杂度，因此我们选用第二种方式：针对一个错误的输入，我们生成所有的编辑距离为1,2的字符串，之后进行过滤。

生成的字符串可能有10e4, 10e5个词，过滤方式如下：

如果要计算P(C|S)，也就是给定用户输入的词，正确的词的概率，那么根据贝叶斯定理，计算P(S|C) * P(C)即可，其中S是用户输入的词，C是正确的词。

P(C)可以统计，在所有单词中，C这个词出现的概率。

P(S|C)也可以统计，统计用户输入的所有的错误的词，之后对每一个写错的单独计算即可。

最后返回概率最高的正确的词。