Java 当您使用朴素贝叶斯算法拼错一个单词时，请接近字典（数据库）中的单词

我想使用朴素贝叶斯进行文本分类，当用户拼错一个单词时，可以接近字典（数据库）中的单词。例如：用户输入“sheese”，输出将是“cheese”

请问我怎么用？知道我的项目是用java编写的

谢谢你的建议和意见

我的想法是：

您将拥有一大组包含拼写错误的单词及其相应的正确版本的数据。我们正在寻找

P（正确|错误）

对于其中的每一个，你都会计算出

P（错误的|正确的）

（记住，对于Bayes，我们需要它），这意味着在给定一个正确单词的情况下，成为错误单词的概率。例如：“cheese”可能被拼错为“sheese”或“shess”，其中第一个更可能出现，出现的时间占75%，而另一个只有25%的时间出现。所以：

P（奶酪）=0.75

，

P（奶酪）=0.25

你还可以计算出每一个正确单词在给定词典中的总出现次数。意思是：

P（cheese）=0.7

，

P（chess）=0.3

。这些将是我们的

P（正确）

现在你得到一个错误的单词作为输入，可以使用贝叶斯定理来计算每个概率

p（正确|错误）=p（错误|正确）*p（正确）/p（错误）

p（错误）

对于所有可能的正确单词都是一样的，所以我们现在可以忽略它。留给我们的是：

p（正确|错误）=p（错误|正确）*p（正确）

（假设

p（sheese|chess）=0.25

）

---

现在给定单词“sheese”我们可以计算出

P（cheese | sheese）=0.7*0.75=0.525

和

P（cheese | sheese）=0.3*0.25=0.075

，因此将这个单词归类为

“cheese”
天真的贝叶斯无法做到这一点。这不是一项分类任务。目标变量可以是任何拼写正确的变量
即使您找到了一些解决方法来实现这一点，您最终也会得到一个非常无用的模型，因为它可能会为您先前决定的很少几个单词提供输出。还有其他拼写纠正技巧可以做到这一点。其中一个好方法是
我认为询问可能是获得答案的更快方法。