به نام خدا
چند نکته زیر رو توجه کنید
1- گوگل یک مجموعه تجاری است پس دلیلی ندارد جزئیات الگوریتم هایش را که با میلیون ها دلار هزینه و سالها زحمت کسب شده است علنی کند.
2- چنانکه دوستمان اشاره کردند، مسلما پارامترهای زیادی در عملکرد این قول بی شاخ و دم وجود دارد!
3- سیستم های موفق تا جاییکه ضرورت نداشته باشند از پیچیدگی اجتناب می کنند زیرا هر پیچیدگی جزئی، زمان و هزینه های پردازش را در یک سیستم بزرگ بشدت افزایش می دهد. (به رهنمودهای Google SEO نگاه کنید)
با این مقدمه باید خدمتتان عرض کنم
اگر چه گوگل و عملکرد آن می تواند الگو یا انگیزه خوبی باشد ولی بدلایل فوق باید از گوگلیاریسم پرهیز کرد، شما ببینید چه می خواهید و سپس برای آن از ابزار مناسب استفاده کنید.
مجدد تاکید می کنم اگر قرار بر این بود که یک سیستم اتوکارکشن داشته باشیم ایندکس کردن دیکشنری کفایت می کند اما اگر قرار است سیستم را در یک حوزه تخصصی مجرب کنیم آنوقت داستان های زیاد دیگری هم می توانند پارالل شوند، چنانکه اشاره شد شبکه عصبی یک ابزار برای این کار است منتهی مجدد به دلیل اهمیت بهره وری یادآور میشم اگر ابزار مناسب استفاده نشود سیستم بی خود پیچیده خواهد شد.
اگر مثال شما صرفا یک مثال است که هیچ اگر نه باید بگم برای یک سیستم اتوکارکشن ما نیازی به مثلا موقعیت فرد نداریم! (فعلا موجه نیست) حتی اگر فرض کنیم یک اتوکارکشن تخصصی است بازهم به کمک یک دیکشنری تخصصی قابل اجراست لذا بنظر می رسد امکان پرهیز از هزینه های اجرایی و پردازش بی مورد وجود دارد. منتهی اگر دلایل موجهی وجود دارد که سیستم نیازمند یادگیری است بله چنانکه فرمودید یک سیستم یادگیری نه چندان سخت می تونه با الگوریتم های ساده ای مثل وزن دهی اقلیدسی بر روی بردار داده ها بازخورد سیستم را به طرز شگفت انگیزی بهبود دهد.
البته من احساس می کنم شما این سیستم را برای کاربرد خاصی مدنظر قرار دادید لذا برای اینکه بحث دقیق تر دنبال شود بهتر است از همان عنوان Autosuggestion بجای Autocorrection استفاده شود چون فکر می کنم شما احتمالا دنبال چنین چیزی هستید.
موفق یاشید
__________________
.
.
.
برای تشکر دکمه مخصوص وجود دارد لطفا پست هرز ایجاد نکنید 
.
.
اینقدر از دسترسی نداشتن به مقاله شیون نکنید
مقالات انگلیسی: ایران سای (ISI, IEEE, ACM)
مقالات فارسی: سیویلیکا (کنفرانس داخلی)
مقالات فارسی: مگ ایران (ژورنالهای داخلی)
|