最大编辑距离和基于词频的建议

Question

我需要一个符合以下规格的拼写检查器：

• 可扩展性非常强。
• 能够设置建议单词的最大编辑距离。
• 基于提供的单词频率给出建议（首先是最常见的单词）。

---

我看了一下Hunspell：
我在man中找到了MAXDIFF参数，但似乎并没有按预期工作。也许我使用方法不对。

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");

无论t.aff是否为空，都返回相同的东西：

bleue
bleu

- log0

Answer 1

我们决定使用 Apache Solr，它完全满足我们的需求。
http://wiki.apache.org/solr/SpellCheckComponent#spellcheck

- log0

Answer 2

最大差异为1的情况下应该返回几个结果，但仍然可能返回多个结果。

即使最大差异为0，也可能返回多个结果，但这应该会降低概率。这取决于n-gram。尝试将最大差异设为0会减少结果的数量，但这并不保证你会得到一个建议。

对于按照最常见的单词排序的要求，Google ngram corpus 是公开可用的。

- pjvds