解决这一问题的更简单的方法确实是预先绘制的地图[黑字]——和;[建议]。

问题在于,如果删除一封信,就会增加或替代候选人many。

因此,我建议另一种解决办法。

http://en.wikipedia.org/wiki/Levenshtein_distance. Levenshtein Distance

解决办法按增量步骤加以描述,通常每个设想的搜索速度都应不断提高,我试图首先以更简单的想法(从执行期)加以组织。 只要你对结果感到欣慰,就可自由终止。

0.Preliminary

• Implement the Levenshtein Distance algorithm
• Store the dictionnary in a sorted sequence (std::set for example, though a sorted std::deque or std::vector would be better performance wise)

Keys Points:

• The Levenshtein Distance compututation uses an array, at each step the next row is computed solely with the previous row
• The minimum distance in a row is always superior (or equal) to the minimum in the previous row

后一种财产允许使用短路:如果你想要将 yourself字限制在2个错误(门槛),那么,如果目前行文的最低点位优于2个,你就可以放弃计算。 一项简单战略是将战区+1作为距离。

1. First Tentative

让我们开始简单。

我们用直线扫描仪:每字我们计算距离(短路),我们列出迄今为止距离较小的词语。

它在小独裁者方面做得很好。

2. 改进数据结构

远距至少等于长短。

通过把双胞胎(宽度,字数)作为钥匙而不是仅仅使用字句,你可以把你的搜索限制在<代码>的长度范围内[宽度-编辑、长度+ edit],并大大减少搜索空间。

3. Prefixes and pruning

为了改进这方面工作,我们可以指出,在我们建立距离矩阵、逐行发展的时候,一个世界完全被扫描(我们所看一字),而另一个世界(指名人)不是:我们只用一封信给各行。

This very important property means that for two referents that share the same initial sequence (prefix), then the first rows of the matrix will be identical.

请你储存字典吗? 也就是说,具有相同先决条件的词语是相邻的。

假设你在<条码>和<条码>上核对你的字句,你在<条码>上看到该字不可行(距离已经太长),那么从<条码>开始的任何字。 或者,只要通过<条码>,你就可以打字。

能力本身可以是直线性的,也可以是搜索的(定义第1字,其序号高于car):

• linear works best if the prefix is long (few words to skip)
• binary search works best for short prefix (many words to skip)

“长时间”取决于你的字典,你必须衡量。 我将开始双轨搜索。

注意：长度分区与前缀分区相反，但它会修剪更多的搜索空间

4. 固定和再使用

Now, we ll also try to re-use the computation as much as possible (and not just the "it does not work" result)

Suppose that you have two words:

• cartoon
• carwash

您首先将表格(逐行)计算为<条码>。 然后在读到<条码>时,先由>条令/条码>。 您需要确定共同的序号(见car )的长度,并且可以保留矩阵头4行(对应的是空白,c,a,r。

Therefore, when begin to computing carwash, you in fact begin iterating at w.

为此,在你开始搜寻时简单地使用一个阵列,使之足以满足更大的参考要求(你应当知道你的字典中最长的长度)。

5. Using a "better" data structure

如果时间较长,可以使用Trie或Patricia树储存dict。 然而,这并不是一个STL数据结构,你需要扩大这一结构,以便在每个子树中储存所储存的字数长度,这样你就不得不自行执行。 这并不像现在这样容易,因为有记忆爆炸问题可以造成当地人死亡。

This is a last resort option. It s costly to implement.

你们应该看一下Peter Norvig关于如何写拼写的正确性的解释。

rel=“nofollow” 如何写一个拼写的正确的

EveryThing is well explain in this article, as an example the python code for the spell checker looks like this :

import re, collections

def words(text): return re.findall( [a-z]+ , text.lower()) 

def train(features):
    model = collections.defaultdict(lambda: 1)
    for f in features:
        model[f] += 1
    return model

NWORDS = train(words(file( big.txt ).read()))

alphabet =  abcdefghijklmnopqrstuvwxyz 

def edits1(word):
   splits     = [(word[:i], word[i:]) for i in range(len(word) + 1)]
   deletes    = [a + b[1:] for a, b in splits if b]
   transposes = [a + b[1] + b[0] + b[2:] for a, b in splits if len(b)>1]
   replaces   = [a + c + b[1:] for a, b in splits for c in alphabet if b]
   inserts    = [a + c + b     for a, b in splits for c in alphabet]
   return set(deletes + transposes + replaces + inserts)

def known_edits2(word):
    return set(e2 for e1 in edits1(word) for e2 in edits1(e1) if e2 in NWORDS)

def known(words): return set(w for w in words if w in NWORDS)

def correct(word):
    candidates = known([word]) or known(edits1(word)) or known_edits2(word) or [word]
    return max(candidates, key=NWORDS.get)

希望你们能够在彼得·诺维格网站上找到你们所需要的东西。

在许多数据结构中,例如BK-Tree将是有益的。 http://blog.notdot.net/2007/4/Damn-Cool-Algorithms-Part-1-BK-Trees”rel=“nofollow” Damngil Algorithms, Part 1: BK-Trees 我已在以下网站实施:https://github.com/davinash/breathalyzer/blob/master/breathalyzer.cpp“rel=“nofollow”>here。

我早些时候的代码链接可能会误导,