在输入酒店名称时实施建议

Question

我正在开发酒店预订系统。我的任务是实现一个算法，当酒店名称输入错误时，它会给出正确的建议。例如，如果用户键入酒店的名称为“MOFENBICK”而不是其真实名称“MOVENPICK”，那么我的算法应该建议“您的意思是 MOVENPICK”。我计划使用机器学习理念来实现它。对于这个问题，什么是好的功能选择？

Answer 1

你不需要去实现神经网络那么远。对于这个特定的任务来说，这太过分了。

按照建议，使用 Levenshtein-distance。 Levenshtein distance 背后的想法是它定义了字符串的度量。简单来说，它允许计算机算法说“mofenbick”和“movenpick”的距离为 2（因为更改了 2 个字母）。

一些计算Levennshtein的伪代码：

function LevenshteinDistance(char s[1..m], char t[1..n]):

    // create two work vectors of integer distances
    declare int v0[n + 1]
    declare int v1[n + 1]

    // initialize v0 (the previous row of distances)
    // this row is A[0][i]: edit distance for an empty s
    // the distance is just the number of characters to delete from t
    for i from 0 to n:
        v0[i] = i

    for i from 0 to m-1:
        // calculate v1 (current row distances) from the previous row v0

        // first element of v1 is A[i+1][0]
        //   edit distance is delete (i+1) chars from s to match empty t
        v1[0] = i + 1

        // use formula to fill in the rest of the row
        for j from 0 to n-1:
            if s[i] = t[j]:
                substitutionCost := 0
            else:
                substitutionCost := 1
            v1[j + 1] := minimum(v1[j] + 1, v0[j + 1] + 1, v0[j] + substitutionCost)

        // copy v1 (current row) to v0 (previous row) for next iteration
        swap v0 with v1

    // after the last swap, the results of v1 are now in v0
    return v0[n]

一旦您通过字符串定义了一个指标，您当然需要一种快速查询酒店列表的方法。 天真的实现将是 1. 遍历数据库/集合中的所有酒店名称 2. 计算给定输入和酒店名称之间的 Levenshtein 距离 3. 选择产生最小编辑距离的名称

虽然这对于小型集合来说效果很好，但您可以使用 BK-Tree 进一步优化它。

阅读材料：

• https://en.wikipedia.org/wiki/Levenshtein_distance
• https://en.wikipedia.org/wiki/BK-tree