要求
如常见智能拼音输入法，用户输入的拼写有简拼（ zfb 、wx ）、局部简拼（ zhongguor ）、全拼（ nihao ），其中会有各种拼写错误（微位替换，w->a/s/d/e/q ，少字符，多字符，临近字符对调，整体转置 wang -> angw 等），请问要开发一个纠错算法把错误拼写纠回正确拼写，应该如何去设计，需要使用哪些数据结构/算法？
背景
自己是 Rime 重度用户，想为 Rime 输入法增加纠错模块。同时也想开一贴和众多 v 友研究下这个细分的领域技术。集思广益，启发彼此。开源输入法基本上纠错这块都做得不好。
 |
1
faywong8888 OP 微位替换 ->键位替换
|
 |
2
yyf1234 17 天前 via iPhone
算法叫 编辑距离
|
 |
3
katwalk 17 天前
对对对，经常输错相邻的拼音，期待楼主能找到解决的办法 🤗
|
 |
5
xzpjerry731 17 天前 via iPhone
补全还是纠错？
|
 |
6
lesterchen 17 天前
我现在用键盘打字最常见的错误情况是.拼音的字母顺序错了~
|
 |
7
jarry777 17 天前 via iPhone
迫切需要双拼纠错。
目前在用 gboard ，符号显示不全的 bug 得两年了吧都没人修 |
 |
8
hwdq0012 17 天前
vim spell 不知道怎么弄的,想想,好像是你自己维护一个字典,然后拼写的在字典里很像但不是的,就会有提示,按快捷键类似代码那样补全,就纠正了
]s 跳到下一个拼写问题的位置 [s 跳到上一个拼写问题的位置 z=选择正确拼写 zg 添加用户拼写 zw 删除用户拼写 :set spell 启用拼写 :set nospell 自己做的话我会用 myers 算法(git diff 算法好像也是这样),可以对比字典里的词语和正文的词语相似度 不过好像正文还需要分词一下,应该也有什么现成的中文分词工具吧 |
 |
10
shot 6 天前
Rime 处理这个问题的标准答案是使用「模糊音」。
speller/algebra/+: - derive/^([zcs])h/$1/ # z, c, s => zh, ch, sh - derive/^([zcs])([^h])/$1h$2/ # zh, ch, sh => z, c, s - derive/([aeio])n$/$1ng/ # ang, eng, ing, ong => an, en, in, on - derive/([aeio])ng$/$1n/ # an, en, in, on => ang, eng, ing, ong - derive/([iu])a(o|ng?)$/a$1$2/ # tain => tian --------- 启用模糊音会带来两个问题： 1. 候选词数目会大量增加。如“zhangk”会候选「展开」，不过我还没有体感到候选条目增加引起的性能卡顿； 2. 增加的候选词可能会带来预料之外的词频排序。还是“zhangk”，我机器上「展开」会排在「掌控」前面。 因为我用的是全拼，所以写了一个根据输入编码和候选词拼音匹配程度重新排序的插件，也算处理掉这个问题了。 https://github.com/HuangJian/rime-frost/blob/hj/js/sort_by_pinyin.js |
|
11
faywong8888 OP @shot 感谢。我现在实现了一个中间态的检错-纠错算法，但效果不佳（可能不到 30% 的纠错成功率）。我按照你的思路（先扩散，再排序）来弄下。
|
 |
12
lotem 17 小时 44 分钟前
貌似樓主回覆過這個 PR
https://github.com/rime/librime/pull/228 |
Select Language