预测自动完成背后的算法/理论？

Question

简单单词自动填充只显示与已键入的字符匹配的单词列表。但我想根据出现的单词的概率，根据之前输入的单词，依据文本语料库的统计模型，对自动完成列表中的单词进行排序。我需要什么算法和数据结构？你能给我一些好的教程链接吗？

Answer 1

您不需要自动完成的概率。相反，构建一个prefix tree（又名一个 trie ），将语料库中的单词作为键，将其频率作为值。当你遇到一个部分字符串时，尽可能地走trie，然后从你到达的点生成所有后缀并按频率对它们进行排序。

当用户输入以前看不见的字符串时，只需将其添加到频率为1的trie中;当用户输入您看过的字符串时（可能通过从候选列表中选择它），增加其频率。

[注意你不能用概率模型进行简单的增量;在最坏的情况下，你必须重新计算模型中的所有概率。]

如果你想深入研究这种算法，我强烈建议你阅读Jurafsky和Martin的Speech and Language Processing的第一章。它非常详细地处理语言处理的离散概率。

Answer 2

Peter Norvig撰写了一篇文章How to Write a Spelling Corrector，解释了Google的你的意思是什么......？功能使用贝叶斯推理使其有效。这是一个非常好的阅读，应该适用于自动完成功能。