我问的是新的实验室功能“Google Scribe”。这是链接：http ://scribe.googlelabs.com/
我对后端和前端感兴趣，但主要是后端。我想用一个非常具体的数据集（来自我自己的文档）构建类似的东西。我认为它的前端相当简单，我什至可以使用现有的自动完成插件来完成任务。
问问题
639 次
3 回答
3
可能的实施建议：
后端：构建和维护一个NxNxW稀疏矩阵A（例如实现为 a Hash），其中N是您的词汇量的大小，并且W是您希望维护的最大上下文（以单词为单位）（例如W=4可能没问题。）查看一些样本数据以播种/初始化A这样A[n1,n2,w]计算单词n2出现在单词w之后的第 th 位置的次数n1（尊重句子边界。）
前端：当用户输入时，要求后端根据用户在当前句子中完全输入A的最后一个词来评估（和排名）最可能的后继词；W只显示那些以用户正在输入的内容开头的建议（即用户的“当前”（部分）单词。）
可选择根据用户已完成输入的单词进行后端更新M，或者即时（当用户返回执行更正时具有挑战性），或者在提交最终文本时（最简单），或者通过一些定期的工作评估文本自上次作业运行以来提交。
于 2010-09-18T02:50:54.500 回答
1
（我对此不肯定，如果我错了，请纠正我）
Google Scribe 使用的系统（或至少一个非常相似的系统）本质上将使用树状数据结构，用于存储所有可能的单词。某种形式的搜索算法，它可以根据已知词汇查看完成单词的所有可能方式。（可能是存储在其数据库中的旧搜索查询的基础）并根据它们出现的频率对它们进行排序。
例如：
我输入：'a'
词汇：'at''apple''atrocious'
所以：“at”使用最多，“apple”第二多，“atrocious”最少。
就像我说的，我不确定这是否是他们使用的系统，但它应该有类似的结果。
为了检索出现的可能性，您可以扫描您正在搜索的文档，或者只是在逐个查询的基础上存储以检查您过去的搜索。
于 2010-09-19T19:21:53.830 回答