自然语言处理（五）——单词纠错

一、概念

编辑距离（Edit Distance）：是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。

精准的定义就不多说了，直接上例子来理解这个编辑距离。编辑主要有三个操作：插入、删除、修改。例如：goood变为good，只需要删除一个o，因此编辑距离是1。gd变为god。只需要插入一个o，因此编辑距离是1。gwd变为god，只要修改w为o，因此编辑距离是1。

cutoff编辑距离（cut-off Edit Distance）：  官方的概念我就不粘贴过来了，直接举个例子来说明什么是cutoff编辑距离。

例子如下：Y字符串是正确的字符串的一部分，X字符串是错误的字符串。两个字符串是从o开始不一样的。

计算cutoff编辑距离的过程：

(1)  令 n = length(Y)  （n为Y字符串的长度）显然这里的n=4。令m = length(X) ，显然这里的m=7。

(2)  令low = max(1，n-t)  t是阈值，这里的不妨令t=2。令up = min(m，n+t)。带入数值可以得出 low = 2，up = 6。到此步变为下图。意思就是从第2个字符开始到第6个字符截止进行计算。