【发布时间】：2010-09-08 05:01:21
【问题描述】：
我问的是实验室的新功能“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。
【问题讨论】：
标签： javascript ruby search statistics code-completion
【发布时间】：2010-09-08 05:01:21
【问题描述】：
可能的实施建议：
后端： 构建并维护一个NxNxW 稀疏矩阵A（例如，实现为Hash），其中N 是您的词汇量，W 是最大值您希望维护的上下文（以文字形式）（例如W=4 可能没问题。）查看一些样本数据以播种/初始化A，以便A[n1,n2,w] 计算单词n2 在@987654330 出现的次数单词n1 之后的@th 位置（尊重句子边界。）
前端： 当用户键入时，要求后端使用 A 根据用户完全输入的最后一个 W 单词来评估（并排名）最可能的后续单词在当前句子中；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。）
可选择让后端更新M 基于用户已完成输入的字词，无论是即时（当用户返回执行更正时具有挑战性），或提交最终文本（最简单），或通过一些定期作业评估自上次作业运行以来提交的文本。
【讨论】：
-
正如
aleemb正确指出的那样，上述的正式术语是W-degree Markov 链。
你需要使用马尔可夫链。
您可能想从查看here 开始。 sample output 也很有趣。
【讨论】：
（我对此并不肯定，如果我错了，请纠正我）
Google Scribe 使用的系统（或至少是一个非常相似的系统）本质上会使用树状数据结构来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）并按照它们出现的频率对其进行排序。
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，或者只是逐个查询地存储以检查您过去的搜索。
【讨论】：