2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善各个知识体系的文章，帮助大家更高效学习。
请用贝叶斯网络实现一个简单的拼写检查
算法步骤：
1)建立一个足够大的文本库
2)对文本库的每一个单词统计其出现频率
3)根据用户输入的单词，得到其所有可能的拼写相近的形式
4)比较所有拼写相近的词在文本库的出现频率。频率最高的那个词，就是正确的拼法
- 首先自己建立文本库（外文文献）
- 计算先验概率
- 计算似然
- 返回最大条件概率的单词
为了简单没有考虑不同特征之间的联合概率，如果是联合概率需要使用图计算，基于概率图（贝叶斯网络），这里仅仅考虑各特征之间独立分布。
代码实践
""" * Created with PyCharm * 作者: Laura * 日期: 2021/11/6 * 时间: 18:30 * 描述: 贝叶斯网络实现一个简单的拼写检查 """ from sklearn.feature_extraction.text import CountVectorizer from sklearn.metrics.pairwise import cosine_similarity import numpy as np import pandas as pd import jieba import re import collections class Bayes(): def __init__(self,): self.dic={} def cut_word(self): string='' with open('text', 'r', encoding='utf-8') as file: for line in file.readlines(): string+=line pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"') string = re.sub(pattern, '', string) seg_list_exact = jieba.cut(string, cut_all = False) object_list = [] remove_words = [u',',u'.',u"'",u' ',u'!',u'It',u'The',u'like',u'//',u'So',u'is',u'are',u'it',u'/' ,u'a',u'b',u'c',u'd',u'e',u'f',u'g',u'h',u'i',u'j',u'k',u'l',u'm',u'n',u'o',u'p',u'q',u'r',u's',u't',u'u',u'v',u'w',u'x',u'y',u'z' ,u'A',u'B',u'C',u'D',u'E',u'F',u'G',u'H',u'I',u'J',u'K',u'L',u'M',u'N',u'O',u'P',u'Q',u'R',u'S',u'T',u'U',u'V',u'W',u'X',u'Y',u'Z' ,u'0',u'1',u'2',u'3',u'4',u'5',u'6',u'7',u'8',u'9',u'10'] for word in seg_list_exact: if word not in remove_words: object_list.append(word) words=[] for word in object_list: words.append(word) word_counts = collections.Counter(object_list) word_counts_top10 = word_counts.most_common(100) dic=dict() for val in word_counts_top10: dic[val[0]]=val[1] self.dic=dic def calculate_frequency(self): frequency_ = 0. for value in self.dic.values(): frequency_ += value self.dic = dict(map(lambda x:[x, [self.dic[x] / frequency_]],self.dic)) def calculate_p_r_c(self,word): for key in self.dic.keys(): count=0. len_word=len(word) len_key=len(key) for num in range(min(len_word,len_key)): if key[num]==word[num]: count+=1 self.dic[key].append(count) def run(self,word): self.cut_word() self.calculate_frequency() self.calculate_p_r_c(word) print(sorted(dict(map(lambda x:[x, self.dic[x][0]*self.dic[x][1]],self.dic)).items(), key=lambda item:item[1],reverse=True)[0][0]) model=Bayes() model.run('appl')
