资源描述：
《信息检索技术 第四章 文本操作技术 (2)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第四章文本操作技术-拼写检查1概述当用户输入的查询中存在拼写错误时，IR系统的鲁棒性处理技术。文本编辑软件，Word、WPS，中的拼写检查功能。IR系统中的拼写检查。举例：输入查询Mircosoft,Google会提示“您是不是要找：Microsoft”2011/11/1321概述拼写错误的两种类型上下文无关的错误(isolated-worderror)，也叫非词错误，即输入的词是一个无效词，在字典中不存在。例如：the错为teh;reluctant错为reluctent上下文有关的错误(context-dependentworderror)，也
2、叫真词错误，即输入的词是和原词相似的另一个有效词。例如：Ihaveapeaceofcake.peace(piece)“撼祖国强强，盛，卫京都泰安“,撼（（）捍）2011/11/1331概述拼写错误的两种类型上下文无关的错误。上下文有关的错误由于字形和读音的相似而导致的输入错误。例如：hear错为here;it’s错为its。“再接再励”，励（厉）“年轻有为”，轻（青）由于用法上的相似而导致的错误。例如：between错为among；在文化建设方面，北京市首当其冲。2011/11/1341概述拼写错误的任务查错，即判断目标词是否正确。纠错，即对错
3、误的单词给出修改建议。2011/11/1351概述拼写错误的任务查错，即判断目标词是否正确。词表查找形态还原相似度计算纠错，即对错误的单词给出修改建议。2011/11/1361概述拼写错误的任务查错，即判断目标词是否正确。纠错，即对错误的单词给出修改建议。对于拼拼错误写错误的查询，其，在其可能的正确拼中，确拼写中，选择距离“最近”的那一个。当两个正确拼写查询的距离相等时，选择更常见的那一个。（1）统计文档集频率，（2）统计其他用户常用的搜索查询用词。邹结论->周杰伦or周结论2011/11/1371概述在IR中，拼写检查的功能通过以下几
4、种方式将搜索结果返回给用户：输入查询“李艳红”，IR系统往往在返回包含“李艳红”的文档的同时，也返回包含“李艳红”多种可能的拼写校正结果的文档。当查询不在词典时，采用编辑距离寻找最近邻词当原始的查询返回的文档结果数目少于预定值（比如少于5篇文档）时，采用编辑距离计算最近邻词或者给出拼写建议“您是在找…吗？”。2011/11/1382动态规划算法适合采用动态规划方法的最优化问题的两个基本要素：最优子结构：如果一个问题的最优解中包含子问题的最优解，则该问题具有最优子结构。重叠子问题：当一个算法不断的调用同一个问题时，我们说该最有问题包含重叠子问题。举例
5、：Fibonacci函数：F=F+Fnn-1n-2F=F=1122011/11/1392动态规划算法动态规划算法设计的四个步骤：描述最优解的结构。递归定义最优解的值。按照自底向上的方式计算最优解。构造最优解。2011/11/13102动态规划算法问题描述两条装配线，每条装配线上有n个装配站，在两条装配线上相同位置的装配站完成相同的功能，但装配时间不同。在同一条装配线的装配站之间移动底盘不需花费额外的时间，但是移到另外一条装配线上则需额外的时间。求从底盘进入到底盘离开的最短的时间。2011/11/13112动态规划算法S1,1S1,2S1,3S1,
6、4S1,5S1,6装配线17934842323134底盘进入完成退出2122142856457装配线2S2,1S2,2S2,3S2,4S2,5S2,62011/11/13122动态规划算法最优子结构通过装配站S的最快路线只能是以下两者之一1,j通过装配站S，然后直接通过装配站S;1,j-11,j通过装配站S，从装配站S移走底盘，然后通2,j-12,j-1过装配站S;1,j通过装配站S的最快路线只能是以下两者之一：2,j通过装配站S，从装配站S移走底盘，然后通1j1,j-11j1,j-1过装配站S;2,j通过装配站S，然后直接通过装配站S;2,j-
7、12,j2011/11/13132动态规划算法一个递归解令f[j]表示一个底盘从起点到装配站S的最快时ii,,jj间,e进入装配线的时间，x离开装配线的时间，aiii,j在装配站s的装配时间，t从装配站s移除的时间i,ji,ji,j。求解：f*=min(f[n]+x,f[n]+x)1122递归解：e+a11,1j=1f[j]=1min(f[j-1]+amin(f[j-1]+a11,j,f[j-1]+tf[j-1]+t22,j-1+a)1,jj>1j>1e+aj=122,1f[j]2=mi(f[j1]in(f[j1-1]+t1,j-1
8、+a,2,jf[jf[j1]2-1]+
