本文介绍了一个基于贝叶斯理论的拼写检查器的实现过程，包括从语料库中统计词频、定义字母表、计算编辑距离等步骤，最终达到纠正拼写错误的目的。
初衷
- P(c), 文章中出现一个正确拼写词 c 的概率, 也就是说, 在英语文章中, c 出现的概率有多大
- P(w|c), 在用户想键入 c 的情况下敲成 w 的概率. 因为这个是代表用户会以多大的概率把 c 敲错成 w
- argmaxc, 用来枚举所有可能的 c 并且选取概率最大的
step1:导入相关库
import re,collectionsstep2：将语料库中的数据全部转换为小写且去除其他字符
def words(text):
return re.findall('[a-zA-Z]+',text.lower())
#re.findall() 返回text中所有的大小写字母相匹配的全部字串
#'[a-zA-Z]+' 不分大小写字母的英文单词（无限字母）并且最少是一个字母step3:统计词在语料库中出现的频率
def train(features):
model=collections.defaultdict(lambda:
最低0.47元/天 解锁文章
扫一扫
635
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
