用快速使用Python写一个拼写检查器

简单介绍

拼写检查器是个非常常用的工具，现在几乎所有涉及到搜索的网站都已经实现了这个功能。那拼写检查器是不是很复杂呢？不是的，只要你明白一点贝叶斯公式的原理，你就能写出一个拼写检查器来。

什么是贝叶斯公式

贝叶斯定理是关于随机事件A和B的条件概率的一则定理。
P(c|w) ＝ P(w|c) P(c) / P(w)

P(c|w)：指的是w情况下c发生的概率
P(w|c)：指的是已知c发生后，发生w的概率
P(c) ， P(w)：分别指的是c,w独立发生的概率。

这个公式用处非常广泛，概率论和统计学都离不了它。
那么在拼写检查器中贝叶斯公式起什么作用呢？
很简单，我们可以把 P(c|w)看成本来要输入c结果输入成w的概率。现在按照贝叶斯公式的展开，这个概率等于P(w|c) P(c) / P(w)
其中P(c) ， P(w)分别为c和w两个单词在语料库中出现的概率，要求出任何一个单词出现的概率其实很简单，只要通过大量的语料训练就可以找出来了。而在这个地方，p(w)还可以省略掉，应为我们并不是要确切的求出一个概率来，我们只需要一个概率来帮助我们判断出哪个词是最可能正确的。而在一次输入错误中，p(w)是恒定的，所以可以省略。P(w|c) 则比较麻烦，它表示在拼写c的情况下，出现拼写错误w的概率。这里就需要概率学做理论支撑了。一般来说，看起来越像的单词拼错的概率越大，而一个单词有多少种拼错的可能呢？无非就少拼，多拼，位置不对，拼错四种可能。