中文文本纠错算法实现

文本纠错又称为拼写错误或者拼写检查，由于纯文本往往来源于手打或者OCR识别，很可能存在一些错误，因此此技术也是一大关键的文本预处理过程，一般存在两大纠错类型。

1.拼写错误

第一种是Non-word拼写错误，表示此词汇本身在字典中不存在，比如把“要求”误写为“药求”，

2.少字多字

中文文本纠错比较难，不多说。上思路

方法有很多，本文讲解基于拼音

思路：

1首先：本地得有一个正确字词的数据库 。命名 数据库.txt

格式：第一列正确字词，第二列 词频 ，第三列 词性

本文只用词和词频。考虑词性太难啦。

2.得有一个文档txt,供编辑距离函数操作的。命名 编辑距离.txt 如下图

3.加载 数据库.txt 和 编辑距离.txt

4 输入一个错误单词（句子分词得到的单词，或者单独一个错误单词），计算编辑距离，生成编辑距离词集。

编辑距离需要比对 数据库.txt 的单词,计算距离

然后对错误单词进行删除字，增加字，修改字，替换字。增加删除替换哪些字呀，肯定得从 编辑距离.txt 文档里选取字插入或替换到错误单词里。最后生成编辑距离词集

5 生成的编辑距离词集 肯定含有一些错误单词，找出同时在编辑距离词集和数据库.txt 的单词 ，即为我们候选正确词集

6. 对候选正确词进行分级。首先 pinyin.get得到错误词的拼音

然后遍历 候选正确词集的单词，求取得拼音。

我们根据候选词的拼音对其重要性进行排序

如果候选词的拼音与错误词完全匹配，则将候选词放入一级数组

#如果候选词的第一个词的拼音与错误词的第一个词匹配，我们将其按二级数组。否则我们把候选短语放入三级数组.

7.找到正确单词

如果一级数组存在， 得到 的正确字词是在 数据库.txt 中的。考虑到得到的词可能有多个，前文提到数据库.txt 第一列是词，第二列是词频 。我们应该返回一级数组中 词在数据库.txt 中词频最大的那个单词

如果一级数组不存在，二级数组存在，，返回词频最大的那个单词

否则：返回三级数组词频最大的那个单词。

本文代码 获取：

关注微信公众号 datayx 然后回复 纠错 即可获取。

AI项目体验地址 https://loveai.tech

代码：

1导入包 和标点符号

2读取 数据库.txt 只读取第一列和第二列 ，最后生成字典。 #得到的是各单词词频,如：{‘老师上课’: ‘3’, ‘老师傅’: ‘62’, ‘老师宿儒’: ‘老师上课’: ‘3’, ‘老师傅’: ‘62’, }

3.读取编辑距离.txt

4. 计算错误单词与数据库.txt里的单词的编辑距离

5.找到候选正确词集 。即编辑距离生成的词同时又在数据库.txt里的词

6.计算拼音，得到一级数组，二级数组，三级数据。对候选正确词进行分级

7.找到正确单词

8.测试 对一个句子进行分词 ，然后每个单词 拿去寻找正确单词 ，最后将这些词拼接为正确句子

9.主函数

---