选择什么算法

Question

在最近的一次采访中问道：

您将使用什么数据结构在文档中实施拼写纠正。目标是查找用户键入的给定单词是否在字典中（无需更正）。 复杂性是多少？

Answer 1

我会使用“Radix”或“Patricia”树来索引字典。请参阅此处，包括用于索引字典单词的示例：https://secure.wikimedia.org/wikipedia/en/wiki/Radix_tree。在其复杂性的链接上有一个有用的讨论。

Answer 2

如果我正确理解了这个问题，你会得到一本字典（或一个“正确”单词列表），并被要求指定输入单词是否在字典中。因此，您正在寻找具有非常快的查找时间的数据结构。我会选择hash table

Answer 3

我会使用DAWG（定向非循环字图），它基本上是压缩的Trie。

这些常用于拼字游戏和其他单词游戏的算法，如Boggle。

我以前做过这个。具有170,000个字的TWL06 Scrabble字典适用于磁盘和RAM中的700 KB结构。

Answer 4

Levenshtein distance告诉您需要更改多少字母才能从一个字符串转到另一个字符串...通过找到换句更少的字母，您可以提供正确的字词（另请参阅Damerau Levenshtein distance ）

增加性能你不应该计算与整个字典的距离并用一些启发式约束它，例如以相同的第一个字母开头的单词。

Answer 5

布隆过滤器。假阳性是可能的，但假阴性则不然。如你事先知道字典，你可以通过使用完美的哈希值来消除误判。（字典）。或者您可以将其用作实际字典数据结构背后的辅助数据结构。

编辑：对于布隆过滤器，复杂性当然是O（1）。