用于在德语 WordNet (GermaNet) 中查找同义词的模糊字符串匹配

Question

对于我的学士论文项目，我正在为聊天机器人开发自然语言理解单元。现在我面临以下问题：

我有一个词，比如说“汽车”，它在德语中相当于汽车。现在用户可能会输入 'auto' 作为输入，因为他只是打了一点错字（添加了一个额外的 't'）并且通常在聊天界面中，用户不遵循大写/小写规则，而是输入所有内容小写。

对于我的 NLU 算法，我需要在 GermaNet（大致相当于英语的 WordNet）中为每个单词找到正确的 Synset。 Synset 是 wordnet 中的一个节点，它将词义的所有同义词抽象到一个节点中。例如，在德语中，“Auto”（汽车）和“Automobil”具有相同的含义，因此表示相同的 Synset。

现在的问题是，如果我没有单词的拼写正确版本，我如何才能找到正确的 Synset？我的意思是，搜索整个 wordnet 对于每个单词的计算都非常复杂。

我认为 N-Grams 可能会为该问题提供解决方案，但我不知道有任何算法。

至于我使用什么来实现：Python3 与 NLTK、Stanford CoreNLP 和 pygermanet。

Answer 1

如果输入的词不在 GermaNet 中，您可以先应用拼写更正，例如使用PyEnchant，然后查找更正后的词。