您如何实现“您的意思”？

Question

假设您的网站中已经有一个搜索系统。<spell_checked_word>像Google在某些搜索查询中一样，您如何实现“您的意思是：” ？

Answer 1

实际上，Google所做的工作非常重要，而且乍一看是违反直觉的。他们没有像检查字典那样做任何事情，但是他们利用统计信息来识别返回比您的查询更多结果的“相似”查询，确切的算法当然是未知的。

这里有不同的子问题需要解决，作为所有自然语言处理统计数据的基础，必须有一本书：统计自然语言处理基础。

具体来说，为了解决单词/查询相似性的问题，我使用Edit Distance取得了很好的效果，Edit Distance是一种字符串相似性的数学度量，效果出乎意料。我曾经使用Levenshtein，但其他人可能值得研究。

根据我的经验，Soundex很糟糕。

实际上有效地存储和搜索大的拼写错误的词典，并且具有亚秒级的检索功能也是不容易的，最好的选择是利用现有的全文索引和检索引擎（即不是数据库的那个），Lucene当前是其中的一种最好的之一，巧合地移植到许多平台上。

Answer 2

有人问到如何为搜索引擎创建最先进的拼写建议系统，我感到非常惊讶。我在一家搜索引擎公司从事这一主题的工作已经一年多了，我可以指出有关该主题的公共领域信息。

如前一篇文章所述，Google（以及Microsoft和Yahoo!）既不使用任何预定义的字典，也不使用成群的语言学家来思考可能的拼写错误的查询。由于问题的严重性，这将是不可能的，而且还因为不清楚人们是否可以正确识别查询的时间和是否拼错。

相反，有一个简单而有效的原则也适用于所有欧洲语言。假设参考查询是计数最高的查询，请在搜索日志中获取所有唯一查询，并计算所有查询对之间的编辑距离。

这个简单的算法非常适合许多类型的查询。如果您想将其提高到一个新的水平，那么我建议您阅读Microsoft Research关于该主题的论文。你可以在这里找到

本文有很好的介绍，但之后您将需要了解诸如隐马尔可夫模型的概念。