izo*_*ica 7 c++ java algorithm error-correction
我正在尝试设置一个在名称中执行纠错的算法.我的方法是拥有一个具有正确名称的数据库,计算每个数据库之间的编辑距离和输入的名称,然后建议最接近的5或10.
此任务与单词中的标准纠错有很大不同,因为某些名称可能会被首字母替换.例如,"Jonathan Smith"和"J. Smith"实际上相当接近并且可以很容易地被认为是相同的名称,因此如果不是0,编辑距离应该非常小.另一个挑战是,某些名称可能会以不同的方式写入相同.例如Shnaider,Schneider是由具有不同语言环境的人编写的同名版本(我猜有更好的例子).另一种情况 - 想象一下所有可能出现的错误Jawaharlal Nehru,其中大多数错误与真实姓名无关.再次,他们中的大多数可能会发音相似.
显然Lucene的纠错算法对我没有帮助,因为它没有处理上述情况.
所以我的问题是:你知道任何能够在名称中进行纠错的库吗？你能提出一些处理上述案例的算法吗？
我对c ++或java中的库感兴趣.至于算法提议,任何语言或伪代码都可以.
| 归档时间： |
|
| 查看次数： |
307 次 |
| 最近记录： |