[使用朴素贝叶斯算法拼写错误的单词可获得字典（数据库）的紧密单词

Question

当用户拼错一个单词时，我想使用朴素贝叶斯进行文本分类以获得字典（数据库）的紧密单词。例如：用户输入“ sheese”，则输出将为“ cheese”。

请我如何使用它？知道我的项目在java中。

感谢您的任何建议或意见。

Answer 1

我的想法是：

1. 您将拥有大量的数据集，其中包含拼写错误的单词及其相应的正确版本。我们正在寻找P(correct|wrong)。
2. 对于每一个，您都将计算出P(wrong|correct)（记住，对于贝叶斯，我们需要它），这意味着在给出正确单词的情况下成为错误单词的可能性。例如：“奶酪”可能被拼写为“ sheese”或“ shess”，其中第一个更有可能出现并且出现在75％的时间中，而另一个仅出现在25％的时间中。因此：P(sheese|cheese) = 0.75，P(shees|chesse) = 0.25。
3. 您还可以计算给定字典中每个正确单词的总出现次数。含义：P(cheese) = 0.7，P(chess) = 0.3。这些将是我们的P(correct)
4. 现在输入的单词有误，可以使用贝叶斯定理来计算每个概率。

P(correct|wrong) = P(wrong|correct) * P(correct) / P(wrong)

P(wrong)对于所有可能的正确单词都是相同的，因此我们暂时可以忽略它。我们剩下的是：

P(correct|wrong) = P(wrong|correct) * P(correct)

（假设P(sheese|chess) =0.25）现在给定单词"sheese"，我们可以计算P(cheese|sheese) = 0.7*0.75 = 0.525和P(chees|sheese) = 0.3*0.25 = 0.075，因此将单词分类为"cheese"