算法和数据结构最适合拼写检查器，字典和词库

Question

实施

的最佳方式

• 字典（有没有比Trie for Dictionary更好的DS）
• 词库（不知道，因为匹配词的含义，含义相似）
• 拼写检查程序（比哈希映射更好的东西），如果可能的话，使用正确的拼写建议。

当在一小时的采访中被问到时，我们是否希望为算法编写c / c ++代码？

Answer 1

请参阅this了解21行Python 2.5拼写纠正器和一些背景知识。

Answer 2

对于字典，确实有一个优于trie的数据结构。尝试DAWG或CDAWG：http://en.wikipedia.org/wiki/Directed_acyclic_word_graph。只是为了使问题复杂化，我最喜欢的结构文章，Ciura和Deorowicz的“如何挤压词典”称它们为“最小的ADFA”。谷歌周围，你会发现很多竞争算法来构建这些野兽。祝你好运！

Answer 3

另请查看Bloom filter。

Answer 4

对于字典，我会使用std::map（在.Net框架中调用Dictionary）集合，其中单词为key，自定义对象（包含单词+定义的所有信息）为值。

对于词库，最好的结构是一棵树，每个节点都是一个部分，每个分支都有一个对象，其中包含有关你必须显示的内容的所有信息。

Answer 5

在所有三种情况下，您都可以从单词集构造BK树。 BK-Trees允许您查找输入单词的给定编辑距离内的所有单词。请参阅BK-Trees上的m y blog post，了解它们的工作原理。

字典和拼写检查器或多或少相同 - 字典只需要提供定义和单词。对于同义词库，单词被聚类成“同义词” - 同义词集 - 所有元素都插入到BK树中。当有人在synset中查找一个单词时，您将显示所有其他单词作为替代。单词可以出现在多个同义词集中，因此您需要确保您的BK-Tree节点可以处理给定键的多个值。