Data structures 谷歌搜索建议的实现

在最近的一次亚马逊采访中，我被要求实现谷歌的“建议”功能。当用户输入“Aeniffer Aninston”时，谷歌建议“你是说Jenifer Aninston吗？”。我试图用散列法来解决这个问题，但无法覆盖角落的情况。请告诉我您对此的想法。

有4种最常见的错误类型-

省略字母：“stck”而不是“stack”

一个字母打字错误：“styck”而不是“stack”

额外字母：“斯塔克”而不是“斯塔克”

相邻字母交换：“satck”而不是“stack”

顺便说一句，我们可以交换的不是相邻的字母，而是任何字母，但这不是常见的打字错误

初始状态类型的单词。从初始顶点运行BFS/DFS。搜索深度是您自己的选择。请记住，搜索深度的增加会导致“可能更正”的数量急剧增加。我认为深度4-5是一个好的开始

生成“可能的更正”后，在字典中搜索每个生成的候选词-在已排序字典中进行二进制搜索，或在已填充字典的trie中进行搜索

Trie速度更快，但二进制搜索允许在随机访问文件中搜索，而无需将字典加载到RAM。您只需加载预计算的

integer

array[]

Array[i]

提供访问第i个字时要跳过的字节数。随机访问文件中的单词应按排序顺序写入。如果您有足够的内存来存储字典，请使用trie

建议更正前，检查键入的单词-如果它在字典中，则不提供任何内容。

更新

生成更正应该由BFS完成-当我尝试DFS时，“Jeniffer”之类的条目显示“编辑距离=3”。DFS不起作用，因为它可以在一个步骤中进行大量更改—例如，

Jniffer->nJiffer->enJiffer->eJniffer->Jeniffer

，而不是

Jniffer->Jeniffer

BFS生成更正的示例代码

static class Pair
    {
        private String word;
        private byte dist; 
        // dist is byte because dist<=128.
        // Moreover, dist<=6 in real application

        public Pair(String word,byte dist)
        {
            this.word = word;
            this.dist = dist;
        }

        public String getWord()
        {
            return word;
        }

        public int getDist()
        {
            return dist;
        }
    }


    public static void main(String[] args) throws Exception
    {

        HashSet<String> usedWords;
        HashSet<String> dict;
        ArrayList<String> corrections;
        ArrayDeque<Pair> states;

        usedWords = new HashSet<String>();
        corrections = new ArrayList<String>();
        dict = new HashSet<String>();
        states = new ArrayDeque<Pair>();

        // populate dictionary. In real usage should be populated from prepared file.
        dict.add("Jeniffer");
        dict.add("Jeniffert"); //depth 2 test

        usedWords.add("Jniffer");
        states.add(new Pair("Jniffer", (byte)0));
        while(!states.isEmpty())
        {
            Pair head = states.pollFirst();
            //System.out.println(head.getWord()+" "+head.getDist());
            if(head.getDist()<=2) 
            {
                // checking reached  depth.
                //4 is the first depth where we don't generate anything  

                // swap adjacent letters
                for(int i=0;i<head.getWord().length()-1;i++)
                {
                    // swap i-th and i+1-th letters
                    String newWord = head.getWord().substring(0,i)+head.getWord().charAt(i+1)+head.getWord().charAt(i)+head.getWord().substring(i+2);
                    // even if i==curWord.length()-2 and then i+2==curWord.length 
                    //substring(i+2)  doesn't throw exception and returns empty string
                    // the same for substring(0,i) when i==0

                    if(!usedWords.contains(newWord))
                    {
                        usedWords.add(newWord);
                        if(dict.contains(newWord))
                        {
                            corrections.add(newWord);
                        }
                        states.addLast(new Pair(newWord, (byte)(head.getDist()+1)));
                    }
                }

                 // insert letters 
                for(int i=0;i<=head.getWord().length();i++)
                      for(char ch='a';ch<='z';ch++)
                      {
                            String newWord = head.getWord().substring(0,i)+ch+head.getWord().substring(i);
                            if(!usedWords.contains(newWord))
                            {
                                usedWords.add(newWord);
                                if(dict.contains(newWord))
                                {
                                    corrections.add(newWord);
                                }
                                states.addLast(new Pair(newWord, (byte)(head.getDist()+1)));
                            }
                      }
            }
        }

        for(String correction:corrections)
        {
          System.out.println("Did you mean "+correction+"?");
        }

        usedWords.clear();
        corrections.clear();
        // helper data structures must be cleared after each generateCorrections call - must be empty for the future usage. 

    }

静态类对
{
私有字符串字；
专用字节距离；
//dist是byte，因为dist谢谢你的解释。但是我不理解“生成可能的更正”部分。我想你说的是所有可能的组合。例如，如果有人键入“Jniffer Aninston”，可能的更正是什么，以及它将如何映射到原始单词“Jeniffer Aninston”