[发明专利]基于TAN树形朴素贝叶斯的拼写检查方法

说明书

本发明涉及计算机软件技术领域，公开了一种基于TAN树形朴素贝叶斯的拼写检查方法，用以根据语义对错误拼写的单词进行纠正修改。本发明利用已有语料库，计算每个库中正确单词的出现概率，以及正确单词与前、后一位单词之间的互信息值，同时定义一个用于表示正确单词与错误单词的相似度的因子以及其计算方法，再根据得到的先验概率、互信息值以及因子构建一个TAN树形朴素贝叶斯网络模型；当拼写检查的文件中出现错误单词后时，通过贝叶斯网络模型可快速得到错误单词的预正确单词集对应的先验概率、因子值及与前后一位单词的互信息值，系统再通过求乘积值，就能准确的判断出与输入的错误单词匹配度高的单词。本发明适用于拼写检查。

技术领域

本发明涉及计算机软件技术领域，特别涉及基于TAN树形朴素贝叶斯的拼写检查方法。

背景技术

随着信息时代的大步跨越，不管是平时上网聊天，还是工作、办公，亦或是开发设计等等，人们都会使用自然语言去交流和描述。这就少不了使用输入法进行单词拼写。然而在打字的过程中，人们或多或少会有误触，或者是记错拼写顺序等情况的发生，导致最后拼写出来的单词与预想有所偏差。这样句子就会出现语义错误或者语法错误。

因此通过对大量词库数据的统计计算做出一个好的拼写检查方法非常的重要。这样就可以减少人们修改拼写的时间，人们在使用检查器得到自动纠正后，办公效率会得到提高，也不需要人为的从头到尾的检查文档的拼写。符合人们习惯的错误单词也会的到自动校正，大大提高了人们的拼写体验。

目前来说，国内外对拼写检查器的研究主要分为：

基于字典的单词拼写检查：同时也被称为暴力破解，缺点很明显，这样做需要耗费大量的时间与字典里所有单词进行比较，检索效率低。同时，模糊查询出来的正确单词准确率不高

基于单词查找树的单词拼写检查器：这种方法节省了一部分的检索匹配的时间，缺点是不能根据实际情况给出符合情况单词，不能解决当两个猜测单词输与同一级别的时候，给出用户想要的结果，所以精确度有待提高。

基于哈希表的单词拼写检查器：。其局限在于需要花费大量时间去建立一组好的索引去优化，才能达到想要的效果。

基于Bloom Filter的单词拼写检查：这种方法的缺点是哈希方程会产生冲突，这些情况的发生就造成了精确度下降。

发明内容

本发明要解决的技术问题是：提供一种基于TAN树形朴素贝叶斯的拼写检查方法，用以根据语义对错误拼写的单词进行纠正修改。

为解决上述问题，本发明采用的技术方案是：基于TAN树形朴素贝叶斯的拼写检查方法，包括如下步骤：

步骤1：准备词料库；

步骤2：读取词料库中的数据，统计词料库中已有正确单词出现的次数，计算它在已有正确单词中出现的概率，该出现的概率即先验概率；统计每个正确单词它在实际文章中，出现在它前一位的单词preWord，统计不同preWord出现的次数N1，并基于次数N1计算各preWord与正确单词之间的互信息值；统计每个正确单词它在实际文章中，出现在它后一位的单词nextWord，统计不同nextWord出现的次数N2，并基于次数N2计算各nextWord与正确单词之间的互信息值；

步骤3：定义一个用于表示正确单词与错误单词的相似度的因子以及因子的计算方法；

步骤4：根据步骤2和3得到的先验概率、互信息值以及因子，构建一个TAN树形朴素贝叶斯网络模型；

步骤5：将待拼写检查文件中每一个单词分离出来，并依次作为目标单词进行拼写检查；拼写检查时，判断目标单词在词料库中出现的概率，如果概率大于0，则不做处理，如果概率等于0，则将目标单词判定为错误目标单词；