2
我必須寫一個正確的名稱拼寫檢查器。我寫了第一部分，語言模型檢查器，但現在有最難的部分，即 錯誤模型P（W | C），即當作者意爲C時，W將在文本中鍵入的概率。錯誤模型語言
爲了解決這個問題，我提出了最簡單的解決方案，算法選擇Damerau-Levenshtein距離最小的單詞，如果算法中必須選擇最常用的名稱。
該應用程序正常工作，但我想改進它。我想介紹一種從最常見的錯誤中學習的電子學習機算法。 我必須實現一個機器學習算法。
所以我開始考慮如何做到這一點。
入誤差模型語言，纔有可能找到一些模式：
- 這是最常見的字的中間拼錯字母，
- 它更容易拼錯一個元音與其他元音，
- ...等等...
我想實現這一切的事實。
此外，該算法可以用於文本識別和語音識別，因此我不得不考慮：
- 同音詞的錯誤，例如，對於f拼寫錯誤v大於拼寫錯誤v對於Q 更常見
- 印刷錯誤，比如拼寫錯誤，我甚至找不到！在詞裏面。
爲了更好地解釋問題：我們可以想象這2種情況。當算法被用於從掃描的原稿
- 第一個是。
在第一種情況下，類似聲音的字母等錯誤更可能發生，而第二種情況下印刷錯誤更可能發生。 由於我不知道我的算法將要工作的場景，因此我應該實現一個動態自適應該場景的算法，我的意思是，如果出現錯誤，如 g！useppe可能性是giuseppe（o.4 ）geuseppe（o.6） 該算法必須先挑選因爲形狀！是類似於我和我發現了很多類似的錯誤。
我認爲解決方案是一種從錯誤中學習的機器學習算法。
第一個問題，我是否清楚地解釋了我的問題？
如果是這樣，哪種算法符合我的要求？
我對AI和機器學習的經驗有限。
你那裏會得到訓練數據？ – Qnan
我有一些小錯誤，但我認爲他們不足以教導機器如何檢測錯誤。 但是，當應用程序啓動時，它會在內存中加載一個包含所有名稱及其分配百分比的字典。 沒有訓練數據，我應該把我之前說過的所有事情都作爲規則來實施？ –
那麼，沒有訓練數據的統計數據是非常棘手的，但我認爲應該有一些數據集可以免費提供常見的拼寫錯誤。 – Qnan