自动完成算法的新功能

Question

我在一次采访中遇到了这个问题。实现基本的自动完成系统（https://www.futurice.com/blog/data-structures-for-fast-autocomplete/）可以从前缀字符串中获取字符串列表很容易。现在我们要添加一些新功能。

例如， 用户输入：lun pla输出：午餐计划（多个单词自动完成）

用户输入：pla输出：午餐计划

用户输入：unc输出：午餐（单词中自动填充形式的一部分）

如何实现这些功能？

Answer 1

您可以尝试以下（基本）方法，稍后我将提供扩展建议：

• 加载接受的单词的字典
• 使用BK-Tree作为基础指标从这些单词中构建一个Levenshtein-Damerau distance
• 在空白字符上分割输入序列以获取单词
• 对于每个单词，检查它是否为可接受的单词。如果在BK树中找不到最近的词（在可接受的距离内）

现在需要改进：

• 正如您所指出的，有时将两个单词组合在一起时，匹配更有意义
• 为此使用Google word2Phrase算法。您可以找到C ++版本here。
• 使用更聪明的方法来查找单词边界。诸如HMM（隐马尔可夫模型）之类的随机方法可能很有用（避免日期，时间，缩写等被拆分）
• 使用更智能的错误度量。您可以考虑常见的拼写错误，键盘布局错误（对于习惯于突然遇到azerty的qwerty打字人员来说，会有非常具体的错误）等
• 尝试确定单词part-of-speech type。 （形容词，名词，动词等）。通过这样做，您可以完成更好的工作。