可以使用哪种算法来实现合理的下一个单词预测？

实现“下一个单词预测”的好方法是什么？例如，用户键入“我是”，并且系统建议“ a”和“ not”（或其他可能）作为下一个单词。我知道一种使用马尔可夫链和一些训练文本（显然）来或多或少地实现这一目标的方法。但是我在某处读到，该方法非常严格，适用于非常简单的情况。

我了解神经网络和遗传算法的基础知识（尽管从未在严肃的项目中使用过它们），也许它们可能会有所帮助。我想知道是否有任何算法可以在给定适当的培训文本（例如报纸文章和用户自己的打字）的情况下为下一个单词提出合理适当的建议。如果没有（链接到）算法，则欢迎使用一般的高级方法来解决此问题。

看一下n-grams。一个n-gram是一个n单词序列。在您的情况下，您想n成为3，因为您需要两个query words和一个resulting word。一个三克重的东西例如是“我累了”，另一个是“我很高兴”。

然后，您需要的是这些3克语言的集合，这些语言是通过您的目标语言（例如英语）收集的。由于您无法收集所有用英语写的东西，因此需要进行选择。选择具有代表性的文本称为corpus。如果您的语料库良好，它将告诉您三个特定单词在英语中一起出现的频率。由此可以计算出3克的可能性。

收集此类数据是最困难的部分。获得所有3克列表及其概率后，您就可以将列表过滤为所有以“我是”开头的3克。然后，按照概率和预测对所有这些列表进行排序：您的预测。

看起来问题域是字符串搜索的子集。通过扩展单词以包括空格，可以在此处应用模糊字符串匹配。

除了字典外，您可能还希望在培训期间将所有用户输入视为一个单词。这使您可以建议下一个单词，也可以建议自动完成单词或短语。

这是模糊字符串搜索算法的汇编链接

http://ntz-develop.blogspot.com/2011/03/fuzzy-string-search.html

您正在寻找一种（统计的）语言模型。

统计语言模型P(w_1,...,w_m)通过概率分布将概率分配给m个单词的序列。

在语音识别和数据压缩中，这种模型试图捕获语言的属性，并预测语音序列中的下一个单词。