基于词频的最大编辑距离与建议

Question

我需要一个具有以下规格的拼写检查器：

• 可扩展性很强。
• 以便能够为建议的单词设置最大编辑距离。
• 根据提供的单词频率(最常见的单词优先)获得建议。

我看了亨法斯特：

我在man中找到了参数MAXDIFF，但似乎不像预期的那样工作。也许我用错了

文件t.aff：

MAXDIFF 1 

文件dico.dic：

5  
rouge  
vert  
bleu  
bleue  
orange  

NHunspell.Hunspell h = new NHunspell.Hunspell("t.aff", "dico.dic");
List<string> s = h.Suggest("bleuue");

返回t.aff是否为空的相同内容：

bleue
bleu

Answer 1

我们决定使用Apache Solr，这正好满足了我们的需要。

http://wiki.apache.org/solr/SpellCheckComponent#spellcheck

Answer 2

一个人的上限应该返回几个，但仍然可以返回多个。

即使是零的最大值也能给出一个以上的结果，但它应该会降低变化。这取决于N克。尝试一个零减结果的最大值，但这仍然不能保证你会得到一个建议。

为了对最常用的单词进行排序，Google ngram语料库是公开可用的。