python - nltk 中是否有内置方法来查找与给定单词紧密匹配的单词/短语？

Question

我使用的语音识别软件给出的结果不是最佳的。

例如:session 返回为 fashion 或 mission。

现在我有一本像这样的字典:

matches = {
  'session': ['fashion', 'mission'],
  ...
}

我正在遍历所有单词以找到匹配项。

我不介意误报，因为应用程序只接受一组有限的关键字。然而，手动为它们中的每一个输入新词是乏味的。此外，每次我说话时，语音识别器都会生成新词。

我也遇到了将长单词作为一组较小的单词返回的困难，因此上述方法不起作用。

那么，nltk 中是否有内置方法来执行此操作？或者我可以自己编写更好的算法？

Answer 1

您可能需要查看 python-Levenshtein。它是一个用于计算字符串距离/相似性的 python C 扩展模块。

类似这种愚蠢低效的代码可能会起作用:

from Levenshtein import jaro_winkler  # May not be module name

heard_words = "brain"
possible_words = ["watermelon", "brian"]

word_scores = [jaro-winkler(heard_word, possible) for possible in possible_words]
guessed_word = possible_words[word_scores.index(max(word_scores))]

print('I heard {0} and guessed {1}'.format(heard_word, guessed_word))

这是 documentation和一个未维护的 repo .