基于中文的搜索拼写纠错，大厂是如何实现的？

中文拼写检查一直以来都是研究中的难题，目前主要采用的是基于规则的方法和基于统计的方法，此外再增加人工校验的方式来提升效果。

基于规则的方法思想简单、易于实现，但是由于不能覆盖所有的错误现象，因而其查错纠错的能力极其有限。
基于统计的方法主要使用基于N元语法模型（N-Gram）的查询纠错技术，N-gram的优点是对在训练集测试集同分布的要求比较低、解释性强、原理清晰，但是对语料数目要求则非常高，而且无法利用好词语在句子中的上下文环境，不能捕获长距离的依赖。

那么如何更好的实现中文拼写纠错呢？

本方案主要分为三部分，包含建立规则字典、字词纠错检测模块、评价纠错模块。

1.建立规则字典

建立常用字字典、相似音字典、相似字字典，这些都可以从网上进行获取。

根据场景建立自定义词典，作为检测白名单。

基于搜索历史query简历词频表，将用户自定义词典也添加到词频表里。

根据历史搜索数据自定义困惑集，可用于后续直接纠正，提升最终纠正效果。

2.字词纠错检测模块

2.1 基于HanLP平台的