使用Jaro-Winkler進行拼寫匹配計算兩個字符串的相似度的距離

Question

我正在嘗試自動更正拼寫和使用Jaro-Winkler策略。 我有建議列表，並且類型單詞與建議單詞排在一起。 我面對的問題是，當「ans」/「anf」/「anr」是類型時，「an」在比較時被賦予高度等級。 「和」回到了比分列表中。因此，「ans」/「anf」/「anr」被替換爲「an」而不是「和」。

任何建議我應該如何解決這個問題，或者是否有其他算法用「和」而不是「an」完全替換「ans」/「anf」/「anr」？

Answer 1

對於一般的拼寫錯誤，加權移調高於刪除/添加似乎是一個好主意。

假設您的輸入是使用標準鍵盤佈局（qwerty？）輸入的，您可以根據鍵之間的物理距離做一個額外的重量。不確定從邏輯上做到這一點的最佳方式。關閉我的頭頂，你可以創建一個包含鍵盤映射的二維數組，並比較實際（畢達哥拉斯）距離。給定具有「Q」= [0] [0]，「W」= [0] [1]，「A」= [1] [0]的映射，A-> Q之間的距離將是1，Q-> W = 1，並且Q-> S = sqrt（2）。這應該會給你一些東西去衡量距離。

距離計算可能有一個更清潔的實現，但只是在這裏spitballing。