文献阅读记录（十四）2023-07-31

拼写错误纠正（Spell Correction）例如：用户输入天起，纠正为天气。

有两种情况，一种是单纯的拼写错误，另一种是不合适当前内容，即时态，形式等不对。

在只考虑单词的情况下最简单的方法就是计算编辑距离（edit distance），即看需要多少步操作才可以将现有单词转化为目标单词。一般有三个操作：insert，delete，replace，每个操作假定一个单元的成本。例如将therr转化为there，需要将r->e，需要1成本。成本相同的，再根据上下文或者词频进行判断。但是要循环词典中所有的词在做判断，所以复杂度很高。

在之前，用户输入后，从词典中寻找编辑距离最小的，找到后返回，复杂度是O(v)*Edit(j)。可以采用在用户输入后，生成编辑距离为1,2的字符串，然后进行过滤后在返回。 

如何进行过滤，给定一个字符串s，我们要找出最有可能成为正确的字符串c，也就是

candidates是第一步求得的编辑距离为1,2的字符串

贝叶斯公式

而它其实是由以下的联合概率公式推导出来：

P(Y,X)=P(Y|X)P(X)=P(X|Y)P(Y)

其中 P(Y) 叫做先验概率， P(Y|X) 叫做后验概率， P(Y,X) 叫做联合概率。

所以还可以写成：

而p（s）是用户给定字符串，所以对于任意候选字符串c来说，p(s)是一个定值，常数项。所以在经过优化后得出：

p(s|c)中c指正确的，s指用户输入的input，对于一个正确的字符串，有百分之多少的人写成了s的形式，可以经过统计得出。p(c)，得出现频率较高的词。