这是一个创建于 217 天前的主题，其中的信息可能已经有所发展或是发生改变。
要求
如常见智能拼音输入法，用户输入的拼写有简拼（ zfb 、wx ）、局部简拼（ zhongguor ）、全拼（ nihao ），其中会有各种拼写错误（微位替换，w->a/s/d/e/q ，少字符，多字符，临近字符对调，整体转置 wang -> angw 等），请问要开发一个纠错算法把错误拼写纠回正确拼写，应该如何去设计，需要使用哪些数据结构/算法？
背景
自己是 Rime 重度用户，想为 Rime 输入法增加纠错模块。同时也想开一和众多 v 友研究下这个细分的领域技术。集思广益，启发彼此。开源输入法基本上纠错这块都做得不好。
 | 1 faywong8888 OP 微位替换 ->键位替换 |
 | 2 PlG5sBkXD1ziLeGB 217 天前 via iPhone 算法叫 编辑距离 |
 | 3 katwalk 217 天前 对对对，经常输错相邻的拼音，期待楼主能找到解决的办法 |
 | 5 xzpjerry731 217 天前 via iPhone 补全还是纠错？ |
 | 6 lesterchen 217 天前 我现在用键盘打字最常见的错误情况是.拼音的字母顺序错了~ |
 | 7 jarry777 216 天前 via iPhone 迫切需要双拼纠错。 目前在用 gboard ，符号显示不全的 bug 得两年了吧都没人修 |
 | 8 hwdq0012 216 天前 vim spell 不知道怎么弄的,想想,好像是你自己维护一个字典,然后拼写的在字典里很像但不是的,就会有提示,按快捷键类似代码那样补全,就纠正了 ]s 跳到下一个拼写问题的位置 [s 跳到上一个拼写问题的位置 z=选择正确拼写 zg 添加用户拼写 zw 删除用户拼写 :set spell 启用拼写 :set nospell 自己做的话我会用 myers 算法(git diff 算法好像也是这样),可以对比字典里的词语和正文的词语相似度 不过好像正文还需要分词一下,应该也有什么现成的中文分词工具吧 |
 | 10 shot 205 天前 Rime 处理这个问题的标准答案是使用「模糊音」。 speller/algebra/+: - derive/^([zcs])h/$1/ # z, c, s => zh, ch, sh - derive/^([zcs])([^h])/$1h$2/ # zh, ch, sh => z, c, s - derive/([aeio])n$/$1ng/ # ang, eng, ing, Ong=> an, en, in, on - derive/([aeio])ng$/$1n/ # an, en, in, on => ang, eng, ing, ong - derive/([iu])a(o|ng?)$/a$1$2/ # tain => tian --------- 启用模糊音会带来两个问题： 1. 候选词数目会大量增加。如“zhangk”会候选「展开」，不过我还没有体感到候选条目增加引起的性能卡顿； 2. 增加的候选词可能会带来预料之外的词频排序。还是“zhangk”，我机器上「展开」会排在「掌控」前面。 因为我用的是全拼，所以写了一个根据输入编码和候选词拼音匹配程度重新排序的插件，也算处理掉这个问题了。 https://github.com/HuangJian/rime-frost/blob/hj/js/sort_by_pinyin.js |
| 11 faywong8888 OP @shot 感谢。我现在实现了一个中间态的检错-纠错算法，但效果不佳（可能不到 30% 的纠错成功率）。我按照你的思路（先扩散，再排序）来弄下。 |
 | 12 lotem 200 天前 |
| 13 faywong8888 OP @lotem 是的。感谢 lotem 大佬过去对我的指导和帮助。 我尝试在拼写图（ syllable_graph ）中增加过 n-gram 拼音模型，用于筛选“候选的”的纠错拼写，但终归由于错误来源太多（键位临近、全拼简拼切分混杂、同音...）、数据质量一般导致效果不好。我最近反思下来，最难的一环是无法实现精确的检错（任意的键位按错、全拼和简拼组合的多种切分、同音、近音等...）。苦思不得其解。 |
 | 14 yfugibr 156 天前 via Android div class="reply_content">对于键位纠错，我的一个想法是，不是在字符这一级进行纠错，而是在点击位置上纠错，点击一个按键的不同位置，效果应该是不同的，根据不同的按键距离，指数级的调整权重。比如输入 nu ，u 的点击位置偏右时更倾向于纠正为 ni ，点击位置足够偏右时，就可以在点击 nu 是出现“你”的候选项。 |
Select Language