[发明专利]基于TAN树形朴素贝叶斯的拼写检查方法

摘要

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。

主权项

1.基于TAN树形朴素贝叶斯的拼写检查方法，其特征在于，包括如下步骤：/n步骤1：准备词料库；/n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；/n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；/n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；/n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；/n步骤6：设置因子的取值范围，并根据因子的取值范围、错误目标单词以及步骤3定义的因子的计算方法得到预正确单词集；利用步骤4构建的贝叶斯网络模型求出预正确单词集中各个预正确单词的先验概率Pa、因子值Pb、与错误目标单词的前一位单词的互信息值Pc、与错误目标单词的后一位单词的互信息值Pd；/n步骤7：计算每一个预正确单词的权值Pi，Pi＝Pai*Pbi*Pci*Pdi,其中，Pi为第i个预正确单词的权值，Pai为第i个预正确单词的先验概率，Pbi为第i个预正确单词的因子值P，Pbi为第i个预正确单词与错误目标单词的前一位单词的互信息值，Pci为第i个预正确单词与错误目标单词的后一位单词的互信息值；权值最大的预正确单词即为拼写检查后给出的正确单词。/n