我有一个缩写列表，例如＆＃34; ccd＆＃34; ，＆＃34; bbq＆＃34;，＆＃34; phd＆＃34;等
例如，让我们采取＆＃34; bbq＆＃34; ，我们尝试将此缩写映射到字符串列表
烧烤国家 - 实际答案应该是这个
BBQ Smoke and Grill
啤酒和烘烤盖茨我们如何决定缩写属于哪个字符串。我已经尝试通过KMP和Longest Common Subsequence算法使用字符串匹配，并添加了更多值，以便为之前匹配的字符串添加更多值。
是否有任何可以帮助的数据结构或任何可以处理此类情况的算法？
谢谢！
答案 0 :(得分：0)
查看它的一种方法是作为字典的拼写纠正问题。你想要的是有两个组件，一个由j_random_hacker记录的编辑距离度量和一个列出所有可接受的缩写的字典。您可能希望在字典中包含计数，以便更常见的长表单计数更多。
编辑距离模型将通过针对评估指标进行调整来确定。在http://alias-i.com/lingpipe/demos/tutorial/querySpellChecker/read-me.html
有一个很好的拼写检查教程您不会使用语言模型来评估修改，但它会为您设置性能指标，编辑距离等...
Breck的
澄清后续问题：
您的指标将受系统性能的驱动。你看看系统正确的是什么，它出了什么问题，然后修改编辑距离以更好地模拟你想要的。
因此，字典的分数可以是短语是在词典中还是在词典之外。我从第一个字符匹配开始，短语中每个单词的得分为-1，对于短语中的跳过的功能单词为-1，对于跳过首字母缩略词中的字母而言为＆＃39;和＆＃39;，-5。所以＆＃34; bbq＆＃34;，通过查看字典可以匹配＆＃34;啤酒和烘焙盖茨＆＃34;得分为-8（-1 + -1 + -1 + -5）
＆＃34; Barbeque Nation＆＃34;将需要更好的编辑。因此，相同单词中的字母得分为-.5，跳过的单词为-6.5（-.5 + - .5 + - .5 + -5），这是一个更好的分数。这些编辑成本必须在您拥有的训练集上进行平衡，如果您想要任何一般性，则应该有数千个示例。