在字典中找到最匹配的单词

Question

我正在创建一个程序，该程序读取扫描的手写文档并将其转换为文本。公认的单词必须来自我创建的约300个单词的字典。例如，如果手写单词被识别为“heilo”，但我的词典只包含“hello”和“world”，则应将其转换为“hello”。但是，如果它认为它是“星球”，它就不应该与任何东西相匹配。我认为一种可能的方法是创建一个得分，表示识别的单词与词典中每个单词的匹配程度。如果没有得到最低分，则找不到匹配。

我正在用C＃编写应用程序。是否有任何库/示例可以执行此类操作，或者我是否必须从头开始编写所有内容？

谢谢

Answer 1

标准库中没有任何内容可以计算单词之间的距离，但您可以在互联网上找到大量示例：查找"edit distance"或"Levenshtein distance"。我们的想法是根据第一个字符串的更改次数来衡量相似性，以使其成为第二个字符串。 “heil”和“hello”之间的距离为2，因为您需要将“i”替换为“l”（第一次编辑），然后附加“o”（第二次编辑）。

在寻找实现或实现自己的实现时，避免使用2D数组进行简单的实现，因为它不具有内存效率。使用O(min(m,n))内存要求的修改而不是“天真”O(m*n)。

Answer 2

我手边没有免费网站可以满足您的需求，但在网上搜索知道您想要计算Levenshtein Distance可能会帮助您进行搜索。

Answer 3

也许你应该从一个拼写检查器开始 - 有number of libraries available这样做。

Answer 4

网上有一些c＃片段可以推动这项活动：

<强>的Levenshtein ： http://www.dotnetperls.com/levenshtein

<强>博耶-摩尔： http://www-igm.univ-mlv.fr/~lecroq/string/node15.html#SECTION00150

基于这些，您可以轻松实现自己的Word Matcher模块。