Исправитель слов: Проверка орфографии онлайн, исправление ошибок

Содержание

Расширение Grammar and Spell Checker — LanguageTool

С помощью этого расширения вы можете проверить текст, используя свободную программу для проверки грамматики и стиля LanguageTool. LanguageTool находит много ошибок, которые не удаётся обнаружить при обычной проверке орфографии, например повтор слов, использование слов «одеть» или «надеть», и он может обнаружить некоторые проблемы в грамматике и стиле. Он поддерживает более чем 25 языков, включая английский, испанский, французский, немецкий, польский и русский.

LanguageTool создан с расчётом на простоту использования. При нажатии значка или настраиваемого сочетания клавиш LanguageTool немедленно проверяет орфографию и грамматику в любом выбранном тексте. LanguageTool совместим с любым текстом и любым сайтом, включая социальные сети, такие как Facebook, Twitter или LinkedIn и сервисы электронной почты, такие как Gmail. Очень незначительное количество сайтов (chrome.google.com) пока не поддерживается.

LanguageTool предоставляет пользователям полноценный сервис проверки грамматики и орфографии.

LanguageTool является полезным расширением, которое поможет иностранцам. А так же LT достаточно умён, чтобы найти ошибки, которые часто делают даже носители языка, и это улучшит ваше письмо в целом. Проверка грамматики и правописания работает для всех вариантов одного языка; и может находить различия например между американским и британским английским. В LanguageTool есть пользовательский словарь. В него можно добавить слова, которые вы могли часто использовать, но отсутствующие в обычном словаре. LanguageTool учтёт эти слова в будущем при проверке грамматики и орфографии.

В сравнении с Grammarly и Ginger, LanguageTool обрабатывает тексты на нескольких языках, и работает не хуже своих аналогов.

Ваша приватность важна для нас: по умолчанию это расширение будет проверять ваш текст, отправляя его на адрес https://languagetool.org через безопасное зашифрованное соединение. Учётная запись не требуется для использования этого расширения. Мы не запоминаем ваш IP-адрес. Смотрите https://languagetool. org/privacy/ с описанием нашей политики конфиденциальности.

Права доступа

У этого расширения есть доступ к вашим данным на всех сайтах.
У этого расширения есть доступ к вашим данным на некоторых сайтах.

Снимки

О расширении

Загрузки: 428 065
Категория: Продуктивная работа
Версия: 5.8.10
Размер: 7,6 МБ
Обновлено: 7 ноября 2022 г.; Лицензионное соглашение; Политика конфиденциальности
Cайт службы: https://languagetool.org
Страница поддержки: https://forum.languagetool.org

Отзывы пользователей

Please enable JavaScript to view comments

Исправляем опечатки в поисковых запросах / Хабр

Наверное, любой сервис, на котором вообще есть поиск, рано или поздно приходит к потребности научиться исправлять ошибки в пользовательских запросах. Errare humanum est; пользователи постоянно опечатываются и ошибаются, и качество поиска от этого неизбежно страдает — а с ним и пользовательский опыт.

При этом каждый сервис обладает своей спецификой, своим лексиконом, которым должен уметь оперировать исправитель опечаток, что в значительной мере затрудняет применение уже существующих решений. Например, такие запросы пришлось научиться править нашему опечаточнику:

Может показаться, что мы отказали пользователю в его мечте о вертикальной реальности, но на самом деле буква К просто стоит на клавиатуре рядом с буквой У.

В этой статье мы разберём один из классических подходов к исправлению опечаток, от построения модели до написания кода на Python и Go. И в качестве бонуса — видео с моего доклада «”Очки верткальной реальности”: исправляем опечатки в поисковых запросах» на Highload++.

Итак, нам пришёл опечатанный запрос и его надо исправить. Обычно математически задача ставится таким образом:

дано слово , переданное нам с ошибками;
есть словарь правильных слов;

для всех слов w в словаре есть условные вероятности того, что имелось в виду слово , при условии, что получили мы слово ;
нужно найти слово w из словаря с максимальной вероятностью .

Эта постановка — самая элементарная — предполагает, что если нам пришёл запрос из нескольких слов, то мы исправляем каждое слово по отдельности. В реальности, конечно, мы захотим исправлять всю фразу целиком, учитывая сочетаемость соседних слов; об этом я расскажу ниже, в разделе “Как исправлять фразы”.

Неясных моментов здесь два — где взять словарь и как посчитать . Первый вопрос считается простым. В 1990 году [1] словарь собирали из базы утилиты spell и доступных в электронном виде словарей; в 2009 году в Google [4] поступили проще и просто взяли топ самых популярных слов в Интернете (вместе с популярными ошибочными написаниями). Этот подход взял и я для построения своего опечаточника.

Второй вопрос сложнее. Хотя бы потому, что его решение обычно начинается с применения формулы Байеса!

Теперь вместо исходной непонятной вероятности нам нужно оценить две новые, чуть более понятные: — вероятность того, что при наборе слова можно опечататься и получить , и — в принципе вероятность использования пользователем слова .

Как оценить ? Очевидно, что пользователь с большей вероятностью путает А с О, чем Ъ с Ы. А если мы исправляем текст, распознанный с отсканированного документа, то велика вероятность путаницы между rn и m. Так или иначе, нам нужна какая-то модель, описывающая ошибки и их вероятности.

Такая модель называется noisy channel model (модель зашумлённого канала; в нашем случае зашумлённый канал начинается где-то в центре Брока пользователя и заканчивается по другую сторону его клавиатуры) или более коротко error model — модель ошибок. Эта модель, которой ниже посвящен отдельный раздел, будет ответственна за учёт как орфографических ошибок, так и, собственно, опечаток.

Оценить вероятность использования слова — — можно по-разному. Самый простой вариант — взять за неё частоту, с которой слово встречается в некотором большом корпусе текстов. Для нашего опечаточника, учитывающего контекст фразы, потребуется, конечно, что-то более сложное — ещё одна модель. Эта модель называется language model, модель языка.

Первые модели ошибок считали , подсчитывая вероятности элементарных замен в обучающей выборке: сколько раз вместо Е писали И, сколько раз вместо ТЬ писали Т, вместо Т — ТЬ и так далее [1]. Получалась модель с небольшим числом параметров, способная выучить какие-то локальные эффекты (например, что люди часто путают Е и И).

В наших изысканиях мы остановились на более развитой модели ошибок, предложенной в 2000 году Бриллом и Муром [2] и многократно использованной впоследствии (например, специалистами Google [4]). Представим, что пользователи мыслят не отдельными символами (спутать Е и И, нажать К вместо У, пропустить мягкий знак), а могут изменять произвольные куски слова на любые другие — например, заменять ТСЯ на ТЬСЯ, У на К, ЩА на ЩЯ, СС на С и так далее. Вероятность того, что пользователь опечатался и вместо ТСЯ написал ТЬСЯ, обозначим — это параметр нашей модели. Если для всех возможных фрагментов мы можем посчитать , то искомую вероятность набора слова s при попытке набрать слово w в модели Брилла и Мура можно получить следующим образом: разобьем всеми возможными способами слова w и s на более короткие фрагменты так, чтобы фрагментов в двух словах было одинаковое количество.

Для каждого разбиения посчитаем произведение вероятностей всех фрагментов w превратиться в соответствующие фрагменты s. Максимум по всем таким разбиениям и примем за значение величины :

Давайте посмотрим на пример разбиения, возникающего при вычислении вероятности напечатать «аксесуар» вместо «аксессуар»:

Как вы наверняка заметили, это пример не очень удачного разбиения: видно, что части слов легли друг под другом не так удачно, как могли бы. Если величины и ещё не так плохи, то и , скорее всего, сделают итоговый «счёт» этого разбиения совсем печальным. Более удачное разбиение выглядит как-то так:

Здесь всё сразу стало на свои места, и видно, что итоговая вероятность будет определяться преимущественно величиной .

Как вычислить

Несмотря на то, что возможных разбиений для двух слов имеется порядка , с помощью динамического программирования алгоритм вычисления можно сделать довольно быстрым — за .

Сам алгоритм при этом будет очень сильно напоминать алгоритм Вагнера-Фишера для вычисления расстояния Левенштейна.

Мы заведём прямоугольную таблицу, строки которой будут соответствовать буквам правильного слова, а столбцы — опечатанного. В ячейке на пересечении строки i и столбца j к концу алгоритма будет лежать в точности вероятность получить s[:j] при попытке напечатать w[:i]. Для того, чтобы её вычислить, достаточно вычислить значения всех ячеек в предыдущих строках и столбцах и пробежаться по ним, домножая на соответствующие . Например, если у нас заполнена таблица

, то для заполнения ячейки в четвёртой строке и третьем столбце (серая) нужно взять максимум из величин и . При этом мы пробежались по всем ячейкам, подсвеченным на картинке зелёным. Если также рассматривать модификации вида и , то придётся пробежаться и по ячейкам, подсвеченным жёлтым.

Сложность этого алгоритма, как я уже упомянул выше, составляет : мы заполняем таблицу , и для заполнения ячейки (i, j) нужно операций. Впрочем, если мы ограничим рассмотрение фрагментами не больше какой-то ограниченной длины (например, не больше двух букв, как в [4]), сложность уменьшится до . Для русского языка в своих экспериментах я брал .

Как максимизировать

Мы научились находить за полиномиальное время — это хорошо. Но нам нужно научиться быстро находить наилучшие слова во всём словаре. Причём наилучшие не по , а по ! На деле нам достаточно получить какой-то разумный топ (например, лучшие 20) слов по , который мы потом отправим в модель языка для выбора наиболее подходящих исправлений (об этом ниже).

Чтобы научиться быстро проходить по всему словарю, заметим, что таблица, представленная выше, будет иметь много общего для двух слов с общими префиксами. Действительно, если мы, исправляя слово «аксесуар», попробуем заполнить её для двух словарных слов «аксессуар» и «аксессуары», мы заметим, что первые девять строк в них вообще не отличаются! Если мы сможем организовать проход по словарю так, что у двух последующих слов будут достаточно длинные общие префиксы, мы сможем круто сэкономить вычисления.

И мы сможем. Давайте возьмём словарные слова и составим из них trie. Идя по нему поиском в глубину, мы получим желаемое свойство: большинство шагов — это шаги от узла к его потомку, когда у таблицы достаточно дозаполнить несколько последних строк.

Этот алгоритм, при некоторых дополнительных оптимизациях, позволяет нам перебирать словарь типичного европейского языка в 50-100 тысяч слов в пределах сотни миллисекунд [2]. А кэширование результатов сделает процесс ещё быстрее.

Как получить

Вычисление для всех рассматриваемых фрагментов — самая интересная и нетривиальная часть построения модели ошибок. Именно от этих величин будет зависеть её качество.

Подход, использованный в [2, 4], сравнительно прост. Давайте найдём много пар , где — правильное слово из словаря, а — его опечатанный вариант. (Как именно их находить — чуть ниже.) Теперь нужно извлечь из этих пар вероятности конкретных опечаток (замен одних фрагментов на другие).

Для каждой пары возьмём составляющие её и и построим соответствие между их буквами, минимизирующее расстояние Левенштейна:

Теперь мы сразу видим замены: а → а, е → и, с → с, с → пустая строка и так далее. Также мы видим замены двух и более символов: ак → ак, се → си, ес → ис, сс → с, сес → сис, есс → ис и прочая, и прочая. Все эти замены необходимо посчитать, причём каждую столько раз, сколько слово s встречается в корпусе (если мы брали слова из корпуса, что очень вероятно).

После прохода по всем парам за вероятность принимается количество замен α → β, встретившихся в наших парах (с учётом встречаемости соответствующих слов), делённое на количество повторений фрагмента α.

Как найти пары ? В [4] предлагается такой подход. Возьмём большой корпус сгенерированного пользователями контента (UGC). В случае Google это были просто тексты сотен миллионов веб-страниц; в нашем — миллионы пользовательских поисковых запросов и отзывов. Предполагается, что обычно правильное слово встречается в корпусе чаще, чем любой из ошибочных вариантов. Так вот, давайте для каждого слова находить близкие к нему по Левенштейну слова из корпуса, которые значительно менее популярны (например, в десять раз). Популярное возьмём за , менее популярное — за . Так мы получим пусть и шумный, но зато достаточно большой набор пар, на котором можно будет провести обучение.

Этот алгоритм подбора пар оставляет большое пространство для улучшений. В [4] предлагается только фильтр по встречаемости ( в десять раз популярнее, чем ), но авторы этой статьи пытаются делать опечаточник, не используя какие-либо априорные знания о языке. Если мы рассматриваем только русский язык, мы можем, например, взять набор словарей русских словоформ и оставлять только пары со словом , найденном в словаре (не лучшая идея, потому что в словаре, скорее всего, не будет специфичной для сервиса лексики) или, наоборот, отбрасывать пары со словом s, найденном в словаре (то есть почти гарантированно не являющимся опечатанным).

Чтобы повысить качество получаемых пар, я написал несложную функцию, определяющую, используют ли пользователи два слова как синонимы. Логика простая: если слова w и s часто встречаются в окружении одних и тех же слов, то они, вероятно, синонимы — что в свете их близости по Левенштейну значит, что менее популярное слово с большой вероятностью является ошибочной версией более популярного. Для этих расчётов я использовал построенную для модели языка ниже статистику встречаемости триграмм (фраз из трёх слов).

Итак, теперь для заданного словарного слова w нам нужно вычислить — вероятность его использования пользователем. Простейшее решение — взять встречаемость слова в каком-то большом корпусе. Вообще, наверное, любая модель языка начинается с собирания большого корпуса текстов и подсчёта встречаемости слов в нём. Но ограничиваться этим не стоит: на самом деле при вычислении P(w) мы можем учесть также и фразу, слово в которой мы пытаемся исправить, и любой другой внешний контекст. Задача превращается в задачу вычисления , где одно из — слово, в котором мы исправили опечатку и для которого мы теперь рассчитываем , а остальные — слова, окружающие исправляемое слово в пользовательском запросе.

Чтобы научиться учитывать их, стоит пройтись по корпусу ещё раз и составить статистику n-грамм, последовательностей слов. Обычно берут последовательности ограниченной длины; я ограничился триграммами, чтобы не раздувать индекс, но тут всё зависит от вашей силы духа (и размера корпуса — на маленьком корпусе даже статистика по триграммам будет слишком шумной).

Традиционная модель языка на основе n-грамм выглядит так. Для фразы её вероятность вычисляется по формуле

где — непосредственно частота слова, а — вероятность слова при условии, что перед ним идут — не что иное, как отношение частоты триграммы к частоте биграммы . (Заметьте, что эта формула — просто результат многократного применения формулы Байеса.)

Иными словами, если мы захотим вычислить , обозначив частоту произвольной n-граммы за , мы получим формулу

Логично? Логично. Однако трудности начинаются, когда фразы становятся длиннее. Что, если пользователь ввёл впечатляющий своей подробностью поисковый запрос в десять слов? Мы не хотим держать статистику по всем 10-граммам — это дорого, а данные, скорее всего, будут шумными и не показательными. Мы хотим обойтись n-граммами какой-то ограниченной длины — например, уже предложенной выше длины 3.

Здесь-то и пригождается формула выше. Давайте предположим, что на вероятность слова появиться в конце фразы значительно влияют только несколько слов непосредственно перед ним, то есть что

Положив , для более длинной фразы получим формулу

Обратите внимание: фраза состоит из пяти слов, но в формуле фигурируют n-граммы не длиннее трёх. Это как раз то, чего мы добивались.

Остался один тонкий момент. Что, если пользователь ввёл совсем странную фразу и соответствующих n-грамм у нас в статистике и нет вовсе? Было бы легко для незнакомых n-грамм положить , если бы на эту величину не надо было делить. Здесь на помощь приходит сглаживание (smoothing), которое можно делать разными способами; однако подробное обсуждение серьёзных подходов к сглаживанию вроде Kneser-Ney smoothing выходит далеко за рамки этой статьи.

Как исправлять фразы

Обговорим последний тонкий момент перед тем, как перейти к реализации. Постановка задачи, которую я описал выше, подразумевала, что есть одно слово и его надо исправить. Потом мы уточнили, что это одно слово может быть в середине фразы среди каких-то других слов и их тоже нужно учесть, выбирая наилучшее исправление. Но в реальности пользователи просто присылают нам фразы, не уточняя, какое слово написано с ошибкой; нередко в исправлении нуждается несколько слов или даже все.

Подходов здесь может быть много. Можно, например, учитывать только левый контекст слова в фразе. Тогда, идя по словам слева направо и по мере необходимости исправляя их, мы получим новую фразу какого-то качества. Качество будет низким, если, например, первое слово оказалось похоже на несколько популярных слов и мы выберем неправильный вариант. Вся оставшаяся фраза (возможно, изначально вообще безошибочная) будет подстраиваться нами под неправильное первое слово и мы можем получить на выходе полностью нерелевантный оригиналу текст.

Можно рассматривать слова по отдельности и применять некий классификатор, чтобы понимать, опечатано данное слово или нет, как это предложено в [4]. Классификатор обучается на вероятностях, которые мы уже умеем считать, и ряде других фичей. Если классификатор говорит, что нужно исправлять — исправляем, учитывая имеющийся контекст. Опять-таки, если несколько слов написаны с ошибкой, принимать решение насчёт первого из них придётся, опираясь на контекст с ошибками, что может приводить к проблемам с качеством.

В реализации нашего опечаточника мы использовали такой подход. Давайте для каждого слова в нашей фразе найдём с помощью модели ошибок топ-N словарных слов, которые могли иметься в виду, сконкатенируем их во фразы всевозможными способами и для каждой из получившихся фраз, где — количество слов в исходной фразе, посчитаем честно величину

Здесь — слова, введённые пользователем, — подобранные для них исправления (которые мы сейчас перебираем), а — коэффициент, определяемый сравнительным качеством модели ошибок и модели языка (большой коэффициент — больше доверяем модели языка, маленький коэффициент — больше доверяем модели ошибок), предложенный в [4]. Итого для каждой фразы мы перемножаем вероятности отдельных слов исправиться в соответствующие словарные варианты и ещё домножаем это на вероятность всей фразы в нашем языке. Результат работы алгоритма — фраза из словарных слов, максимизирующая эту величину.

Так, стоп, что? Перебор фраз?

К счастью, за счёт того, что мы ограничили длину n-грамм, найти максимум по всем фразам можно гораздо быстрее. Вспомните: выше мы упростили формулу для так, что она стала зависеть только от частот n-грамм длины не выше трёх:

Если мы домножим эту величину на и попытаемся максимизировать по , мы увидим, что достаточно перебрать всевозможные и и решить задачу для них — то есть для фраз . Итого задача решается динамическим программированием за .

Собираем корпус и считаем n-граммы

Сразу оговорюсь: данных в моём распоряжении было не так много, чтобы заводить какой-то сложный MapReduce. Так что я просто собрал все тексты отзывов, комментариев и поисковых запросов на русском языке (описания товаров, увы, приходят на английском, а использование результатов автоперевода скорее ухудшило, чем улучшило результаты) с нашего сервиса в один текстовый файл и поставил сервер на ночь считать триграммы простым скриптом на Python. [a-z0-9]{2}$» — чтобы уцелели версии айфонов и другие интересные идентификаторы длины 2.

При подсчёте биграмм и триграмм во фразе может встретиться несловарное слово. В этом случае это слово я выбрасывал и бил всю фразу на две части (до и после этого слова), с которыми работал отдельно. Так, для фразы «А вы знаете, что такое «абырвалг»? Это… ГЛАВРЫБА, коллега» учтутся триграммы “а вы знаете”, “вы знаете что”, “знаете что такое” и “это главрыба коллега” (если, конечно, слово “главрыба” попадёт в словарь…).

Обучаем модель ошибок

Дальше всю обработку данных я проводил в Jupyter. Статистика по n-граммам грузится из JSON, производится постобработка, чтобы быстро находить близкие друг к другу по Левенштейну слова, и для пар в цикле вызывается (довольно громоздкая) функция, выстраивающая слова и извлекающая короткие правки вида сс → с (под спойлером).

Код на Python

def generate_modifications(intended_word, misspelled_word, max_l=2):
    # Выстраиваем буквы слов оптимальным по Левенштейну образом и
    # извлекаем модификации ограниченной длины.  Чтобы после подсчёта
    # расстояния восстановить оптимальное расположение букв, будем
    # хранить в таблице помимо расстояний указатели на предыдущие
    # ячейки: memo будет хранить соответствие
    # i -> j -> (distance, prev i, prev j).
    
    # Дальше немного непривычно страшного Python кода - вот что
    # бывает, когда язык используется не по назначению!
    m, n = len(intended_word), len(misspelled_word)
    memo = [[None] * (n+1) for _ in range(m+1)]
    memo[0] = [(j, (0 if j > 0 else -1), j-1) for j in range(n+1)]
    for i in range(m + 1):
        memo[i][0] = i, i-1, (0 if i > 0 else -1)
    for j in range(1, n + 1):
        for i in range(1, m + 1):
            if intended_word[i-1] == misspelled_word[j-1]:
                memo[i][j] = memo[i-1][j-1][0], i-1, j-1
            else:
                best = min(
                    (memo[i-1][j][0], i-1, j),
                    (memo[i][j-1][0], i, j-1),
                    (memo[i-1][j-1][0], i-1, j-1),
                )
                # Отдельная обработка для перепутанных местами
                # соседних  букв (распространённая ошибка при
                # печати). 
                if (i > 1
                    and j > 1
                    and intended_word[i-1] == misspelled_word[j-2]
                    and intended_word[i-2] == misspelled_word[j-1]
                   ):
                    best = min(best, (memo[i-2][j-2][0], i-2, j-2))
                memo[i][j] = 1 + best[0], best[1], best[2]
    # К концу цикла расстояние по Левенштейну между исходными словами     # хранится в memo[m][n][0]. 
    # Теперь восстанавливаем оптимальное расположение букв.
    s, t = [], []
    i, j = m, n
    while i >= 1 or j >= 1:
        _, pi, pj = memo[i][j]
        di, dj = i - pi, j - pj
        if di == dj == 1:
            s.append(intended_word[i-1])
            t.append(misspelled_word[j-1])
        if di == dj == 2:
            s.append(intended_word[i-1])
            s.append(intended_word[i-2])
            t.append(misspelled_word[j-1])
            t.append(misspelled_word[j-2])
        if 1 == di > dj == 0:
            s.append(intended_word[i-1])
            t. append("")
        if 1 == dj > di == 0:
            s.append("")
            t.append(misspelled_word[j-1])
        i, j = pi, pj
    s.reverse()
    t.reverse()
    
    # Генерируем модификации длины не выше заданной.
    for i, _ in enumerate(s):
        ss = ts = ""
        while len(ss) < max_l and i < len(s):
            ss += s[i]
            ts += t[i]
            yield ss, ts
            i += 1

Сам подсчёт правок выглядит элементарно, хотя длиться может долго.

Применяем модель ошибок

Эта часть реализована в виде микросервиса на Go, связанного с основным бэкендом через gRPC. Реализован алгоритм, описанный самими Бриллом и Муром [2], с небольшими оптимизациями. Работает он у меня в итоге примерно вдвое медленнее, чем заявляли авторы; не берусь судить, дело в Go или во мне. Но по ходу профилировки я узнал о Go немного нового.

Не используйте math. Max, чтобы считать максимум. Это примерно в три раза медленнее, чем if a > b { b = a }! Только взгляните на реализацию этой функции:
```
// Max returns the larger of x or y.
//
// Special cases are:
//	Max(x, +Inf) = Max(+Inf, x) = +Inf
//	Max(x, NaN) = Max(NaN, x) = NaN
//	Max(+0, ±0) = Max(±0, +0) = +0
//	Max(-0, -0) = -0
func Max(x, y float64) float64
func max(x, y float64) float64 {
	// special cases
	switch {
	case IsInf(x, 1) || IsInf(y, 1):
		return Inf(1)
	case IsNaN(x) || IsNaN(y):
		return NaN()
	case x == 0 && x == y:
		if Signbit(x) {
			return y
		}
		return x
	}
	if x > y {
		return x
	}
	return y
}
```
Если только вам ВДРУГ не нужно, чтобы +0 обязательно был больше -0, не используйте math.Max.
Не используйте хэш-таблицу, если можете использовать массив. Это, конечно, довольно очевидный совет. Мне пришлось перенумеровывать символы юникода в числа в начале программы так, чтобы использовать их как индексы в массиве потомков узла trie (такой lookup был очень частой операцией).
Коллбеки в Go недёшевы. В ходе рефакторинга во время код ревью некоторые мои потуги сделать decoupling ощутимо замедлили программу при том, что формально алгоритм не изменился. С тех пор я остаюсь при мнении, что оптимизирующему компилятору Go есть, куда расти.

Применяем модель языка

Здесь без особых сюрпризов был реализован алгоритм динамического программирования, описанный в разделе выше. На этот компонент пришлось меньше всего работы — самой медленной частью остаётся применение модели ошибок. Поэтому между этими двумя слоями было дополнительно прикручено кэширование результатов модели ошибок в Redis.

По итогам этой работы (занявшей примерно человекомесяц) мы провели A/B тест опечаточника на наших пользователях. Вместо 10% пустых выдач среди всех поисковых запросов, которые мы имели до внедрения опечаточника, их стало 5%; в основном оставшиеся запросы приходятся на товары, которых просто нет у нас на платформе. Также увеличилось количество сессий без второго поискового запроса (и ещё несколько метрик такого рода, связанных с UX). Метрики, связанные с деньгами, впрочем, значимо не изменились — это было неожиданно и сподвигло нас к тщательному анализу и перепроверке других метрик.

Стивену Хокингу как-то сказали, что каждая включенная им в книгу формула вдвое уменьшит число читателей. Что ж, в этой статье их порядка полусотни — поздравляю тебя, один из примерно читателей, добравшихся до этого места!

Ссылки

[1] M. D. Kernighan, K. W. Church, W. A. Gale. A Spelling Correction Program Based on a Noisy Channel Model. Proceedings of the 13th conference on Computational linguistics — Volume 2, 1990.

[2] E.Brill, R. C. Moore. An Improved Error Model for Noisy Channel Spelling Correction. Proceedings of the 38th Annual Meeting on Association for Computational Linguistics, 2000.

[3] T. Brants, A. C. Popat, P. Xu, F. J. Och, J. Dean. Large Language Models in Machine Translation. Proceedings of the 2007 Conference on Empirical Methods in Natural Language Processing.

[4] C. Whitelaw, B. Hutchinson, G. Y. Chung, G. Ellis. Using the Web for Language Independent Spellchecking and Autocorrection. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing: Volume 2.

Онлайн-проверка орфографии — корректор английского языка (18 языков)

(При поддержке LanguageTool: вы просто потрясающие)

Corrector — это новая онлайн-проверка орфографии, разработанная для людей, у которых мало времени и много слов для проверки. Воспользуйтесь нашим бесплатным корректором английской грамматики перед тем, как сдать эссе или отправить рабочее письмо. Все наши инструменты бесплатны без каких-либо ограничений на использование. Если у вас возникли проблемы с просмотром нашего корректора английской грамматики, вы можете связаться с нами и объяснить свою проблему. Вы получите ответ в течение 24 часов. Полезно для исправления текстов и заданий Гарвардского университета в США.

Причины для проверки грамматики

Многие люди уже используют его каждый день, но мало кто задумывается о важности этого небольшого инструмента для проверки орфографии. Корректор английской грамматики обеспечивает полный анализ текста , полностью онлайн и автоматически. Это позволит вам исправить каждую ошибку в ваших текстах, облегчив их чтение и представление.

Corrector — это корректор английской грамматики, который позволяет вам получить исправление грамматики онлайн, просто вставив текст, который вы хотите проверить, в соответствующее текстовое поле. В то время как его сердце бьется в ритме сложного кода, инструмент прост в использовании и был создан, чтобы гарантировать лучший пользовательский опыт для всех. Онлайн-коррекция грамматики — это то, что каждый должен использовать перед отправкой электронного письма или резюме. В мире полно опечаток и мелких оплошностей, которые можно легко исправить с помощью простой онлайн-проверки орфографии.

Мы производим их по многим причинам, поэтому всем нам нужна онлайн-проверка орфографии . Подумайте о социальных сетях, таких как Facebook и Instagram; сколько раз вы начинали учиться или работать, а заканчивали тем, что регулярно проверяли новости от своих друзей? Это всего лишь некоторые отвлекающие факторы, которые делают использование корректора английской грамматики необходимым, чтобы избежать мелких ошибок в ваших текстах. Но зачем использовать корректор английской грамматики, а не проверять написанное самостоятельно? Давайте узнаем это в следующем абзаце. Нажмите «Продолжить», чтобы узнать больше о нашем инструменте.

Содержание

Использование корректора грамматики английского языка
Английский корректор и гораздо больше
На других языках
Итальянский контроль заклинателей
Проверка заклинания
FREND GRAMMARE
. Проверка грамматики немецкого языка
Проверка грамматики китайского языка
Варианты английского языка
Проверка правописания канадского английского
Проверка грамматики американского английского
Новая английская грамматическая шашка
Австралийский английский текстовый корректор
SA Корректор предложения английского предложения
Создание нашего грамматического корректора
Почему бесплатный чекол

Эти тайминги относятся ко времени считывания без каких-либо поправок. Если бы человек остановился и просмотрел текст, время удвоилось бы или утроилось. Здесь в игру вступает повторение грамматики.

С помощью нашего бесплатного инструмента Corrector вы сможете просмотреть тысячи слов за миллисекунды благодаря самому сложному инструменту. Теперь вы понимаете, насколько полезной может быть бесплатная онлайн-проверка грамматики при исправлении текстов, содержащих тысячи или десятки тысяч слов.

Наш Корректор английского языка поможет вам со всем этим, просмотрев ваши тексты и исправив их, как и вы, но отняв гораздо больше времени.

Мы создали это решение, думая обо всех людях, которые, как и мы, столкнулись с необходимостью исправить тысячу слов и очень мало времени для этого. Готовы ли вы запустить свою первую онлайн-коррекцию текста?

Давайте вместе пройдемся по шагам, чтобы сразу начать пользоваться Корректором:

Откройте текст, который хотите исправить, с помощью нашего инструмента;
Выберите область, которую вы хотите исправить, и скопируйте ее с помощью CTRL + C;
Вставьте текст в Корректор с помощью CTRL + V;
Нажмите «Проверить текст», чтобы выполнить исправление;
Вы будете визуализировать ошибки красным цветом. Нажмите на них, чтобы получить предложения;
Вы будете визуализировать небольшие ошибки, такие как пунктуация и пробелы, желтым цветом;
Исправьте текст, скопируйте и вставьте его в Word;
Сохраните правильный текст с помощью нашего онлайн-рецензента.

Корректор английского языка и многое другое

Наш инструмент для онлайн-проверки орфографии может быть намного больше. Правильно, наше программное обеспечение включает более 20 языков и может использоваться в качестве онлайн-проверки орфографии для всех из них, проверяя и исправляя каждое несовершенство.

Мы создали его, объединив самые передовые технологии HTML, PHP и JS, чтобы получить технологически разработанный Корректор английского языка, который можно использовать с любым браузером и подключением. Действительно, Corrector был создан для работы с медленным или быстрым соединением, с Chrome или Firefox, без какой-либо разницы.

Все это делает English Grammar Corrector лучшим и более удобным инструментом для личного и профессионального использования. Мы предлагаем его силу из-за любви и страсти, которую мы испытываем к бесплатным онлайн-инструментам, которые должны быть гораздо более распространенными и частыми.

Если вы никогда не пользовались одним из этих онлайн-инструментов коррекции и чувствуете себя более комфортно с классическими инструментами коррекции, вам следует попробовать это и передумать. Ваше время — драгоценный подарок, и с нашим корректором английского текста вы можете начать сохранять его, исправление за исправлением.

Онлайн-коррекция грамматики на других языках

Вам нужна онлайн-коррекция грамматики на другом языке, кроме английского? Корректор может предоставить вам это.

Мы улучшили наш корректор английского языка на более чем 20 языках , таких как английский, испанский, французский, португальский и многие другие.

Иностранные языки часто труднее анализировать с грамматической точки зрения, и хорошая онлайн-проверка орфографии поможет вам в этом. Давайте посмотрим на некоторые языки, поддерживаемые Corrector.

Программа проверки итальянской орфографии

Италия – очаровательная страна с богатой историей и культурой. Мы все можем согласиться с этим! Если вы также очарованы этой страной, вам следует подумать об изучении языка.

Если у вас возникли проблемы с акцентами и апострофами, воспользуйтесь нашей программой проверки правописания итальянского языка. Мы предлагаем этот простой, быстрый и удобный инструмент, доступный 24 часа в сутки и в любом браузере.

Эта онлайн-программа проверки итальянской грамматики способна найти каждое правильное слово за доли секунды. Мы все знаем, что итальянцы любят все усложнять, и их язык не исключение.

Проверка грамматики испанского языка

Некоторые люди говорят, что говорить по-испански так же просто, как добавить несколько букв «S» тут и там в конце слов. Что ж, узнайте, правда ли это, вставив свой текст в нашу программу проверки испанской орфографии. Все, что вам нужно сделать, это вставить текст в текстовое поле , а затем запустить онлайн-исправление грамматики .

Это действительно занимает доли секунды. Не становитесь жертвой поверхностности и просматривайте свои тексты перед тем, как поделиться ими с друзьями или начальником, вы можете сделать это с помощью нашей программы проверки испанской орфографии.

Неважно, говорите ли вы на каталанском (), мексиканском испанском, аргентинском испанском, чилийском испанском, колумбийском испанском, перуанском испанском или уругвайском испанском: с нами вы можете все исправить. Кстати, та штука с буквой «S» — фейковые новости. Просто чтобы вы знали.

Средство проверки французской грамматики

Знаете ли вы, что французский язык богат акцентами и специальными символами? Наша программа проверки орфографии французского языка — лучший инструмент для проверки правильности написания на этом языке, поскольку программа you была специально разработана для этого.

Ведь просмотр онлайн-текста занимает всего несколько секунд и гарантирует точный и правильный результат. Не выставляйте себя дураком из-за частых опечаток и используйте нашу программу проверки французской грамматики для проверки своих онлайн-текстов.

В случае, если вы слишком заняты, помните, что французский язык является вторым наиболее изучаемым языком во всем мире.

Программа проверки правописания на португальском языке

В прошлом году вы отдыхали в Бразилии или Португалии и оставили там частичку своего сердца? Отправка неправильного сообщения может стоить вам любви всей вашей жизни. Избегайте этой проблемы с нашей проверкой португальской грамматики.

Вам не нужно в совершенстве владеть языком: наш бесплатный эксперт по грамматике португальского языка расскажет вам, где вы ошиблись и как это исправить. Таким образом, ваши сообщения всегда будут четкими и без ошибок в любом случае.

И если они не были любовью всей твоей жизни, то, по крайней мере, твои языковые навыки улучшились.

Проверка грамматики немецкого языка

Плохая оценка на последнем экзамене по немецкому языку? Мы это тоже прошли. По этой причине мы долго работали над нашей программой проверки грамматики немецкого языка.

Этот конкретный язык может быть сложным для тех, кто не был знаком с ним в детстве. И все же его можно выучить и освоить, возможно, благодаря небольшой помощи. Используйте нашу небольшую, но мощную онлайн-проверку орфографии для немецкого языка , чтобы разрушить стены между вами и этим языком.

Этот язык становится все более популярным в экономической сфере, поэтому является фундаментальным.

Средство проверки китайской грамматики

Иногда «говорить по-китайски» означает не иметь смысла.

Вот почему вам нужен корректор китайского текста, способный переводить самые непонятные вещи, которые мы слышим каждый день. Все больше и больше людей изучают этот язык на учебе или на работе, и он быстро становится опорой мировой экономики. Однако многим приходится с трудом сталкиваться с очевидными проблемами.

Благодаря нашей программе проверки предложений на китайском языке вы сможете решить эту проблему, просматривая каждый текст бесплатно и в автоматическом режиме. Возможно, вы не выучите каждый символ, но вы всегда можете положиться на нас.

Варианты английского языка

Мы все говорим по-английски, по крайней мере, в резюме, верно? Не стройте из себя дурака, исправьте домашнюю работу и электронные письма с помощью нашего онлайн-корректора английского языка. Он точен, быстр и, прежде всего, уникален.

Да, потому что Корректор — самый популярный в Европе инструмент для проверки орфографии благодаря высокой стабильности и тому, как он работает на разных платформах. Пусть наш онлайн-корректор английского языка станет частью вашей повседневной жизни и избавит вас от опечаток и смущения.

проверка орфографии канадского английского

Ваш текстовый процессор не сделает этого так, как Корректор. Часто текстовые процессоры имеют встроенный корректор текста для канадского английского языка.

Тем не менее, иногда он не делает различий между канадским английским и другими стилями английского языка, и тогда вам, возможно, придется начать просматривать свои документы слово за словом.

Зачем тратить много времени, если вы можете эффективно исправить эти ошибки с помощью нашей бесплатной автоматической проверки текста на канадском английском языке.

Не позволяйте экзаменатору, компании или работодателю отклонить вашу работу. Попробуйте Corrector сегодня и получите подтверждение каждого слова в канадском английском.

Проверка грамматики американского английского

Из-за неправильного написания вы можете потерять работу. Да, не новость, что некоторые рекрутеры и работодатели хотят видеть правильное написание и грамматику на американском английском.

Британский английский и американский английский могут сильно сбивать с толку, потому что во многих случаях для описания одного и того же предмета используются разные термины, а одно и то же слово пишется по-разному.

Вам больше не придется дважды проверять каждое слово, чтобы убедиться, что оно написано на американском английском.

Наш бесплатный корректор американского английского быстрый, простой и надежный. Вам просто нужно вставить свой тест, и он сделает всю работу за вас.

Программа проверки грамматики новозеландского английского

Хотите получить более высокие оценки за следующее задание по новозеландскому английскому языку?

Обязательно!. К счастью, вам не нужно быть экспертом новозеландского английского писателя, прежде чем вы сможете написать хорошо написанный и грамматически правильный текст. Корректор лучший вариант на лучшая программа проверки орфографии Новой Зеландии английский .

С Corrector вам не нужно беспокоиться о правописании и грамматике. Удивите своего экзаменатора, получив более высокую оценку за следующее задание с помощью нашей быстрой и простой онлайн проверки правописания.

Корректор австралийского английского текста

Исправьте сейчас, пока не поздно! Ошибки в общении могут дорого обойтись в различных сферах жизни, особенно в образовании и профессии.

Ваши программы обработки текстов могут обнаруживать только несколько распространенных ошибок. Корректор предоставляет бесплатное средство проверки грамматики для австралийского английского , которое поможет вам исправить ошибки при приеме на работу, составлении сопроводительных писем и написании книги.

Полностью бесплатный и простой в использовании. Просто скопируйте и вставьте свой текст, один щелчок сделает всю работу за вас.

Корректор предложений для южноафриканского английского языка

Тратить слишком много времени на проверку документов слово за словом на наличие орфографических ошибок может быть очень утомительно, особенно если у вас много слов. Даже если вы являетесь экспертом, ваши глаза могут пропустить некоторые ошибки.

Вам нужен более быстрый и точный метод проверки вашей работы. Корректор вас поддержал!

Наша бесплатная онлайн-корректор фраз южноафриканского английского эффективно проверяет орфографию и грамматику, указывает на ошибки и дает предложения.

Вам больше не придется смешивать другие английские стили с южноафриканским английским.

Создание нашего корректора грамматики

Как мы создали наш корректор английского текста? Короткий ответ: «время и усилия». Но есть и многое другое. Да, потому что наш инструмент работает более чем на 20 языках и анализирует около 15 миллионов слов.

Все это за доли секунды и бесплатно. Корректор английского языка, перескакивающий с одного слова на другое, проверяющий его правильное значение и предупреждающий вас всякий раз, когда нужно что-то исправить.

Это позволит вам представить правильный текст в школе или на рабочем месте .

Мы создали простой и понятный код, способный работать в любом веб-браузере без права на ошибку. Эта операция стоила нам времени, денег и сил. Но мы не остановились на достигнутом.

За прошедшие годы мы запустили множество инструментов и онлайн-инструментов для обработки данных, предоставляя людям бесплатный доступ к широкому спектру бесплатных онлайн-ресурсов и предлагая решения для многих профессиональных и личных потребностей.

Это то, что мы делаем, и то, что мы умеем делать лучше всего. Все это для того, чтобы предоставить вам наилучшие возможности , без времени ожидания или дорогостоящих сборов.

Зачем людям нужна бесплатная проверка орфографии

Мы выросли в мире социальных сетей и непрямой рекламы. Слова трансформировались и медленно искажались под влиянием маркетинговой корпорации, которая задушила некоторые столпы нашего языка.

Онлайн-проверка орфографии становится все более важным инструментом для растущего числа людей.

Поиск онлайн-проверки орфографии стал основной потребностью , чтобы проверить, используются ли слова, с которыми мы выросли, в правильном контексте и не были ли они рождены в результате маркетинговых кампаний.

Если вы тоже выросли под этим мощным влиянием, вы всегда должны проверять свою домашнюю работу или электронную почту перед их отправкой.

При этом вы не будете выглядеть дураком, а ваши тексты всегда будут выглядеть лучше. В конце концов, наш корректор английской грамматики, который называется Corrector, можно использовать в любое время, не требуя загрузки какого-либо программного обеспечения. Не отставай и узнай, верны ли твои ежедневные слова .

Возникли проблемы? Contact Corrector

Вы используете нашу онлайн-проверку орфографии, возникли проблемы с ней? Это случается, особенно с веб-страницами нового поколения. Наша команда всегда готова ответить на ваши проблемы и предоставить решения .

Оставьте нам сообщение и опишите проблему, с которой вы столкнулись при использовании нашего корректора английского языка. Сообщая о технической проблеме, не забудьте указать следующую информацию:

Браузер, используемый для управления текстом;
Устройство, используемое при возникновении проблемы;
Тип подключения для передачи данных;
Язык, используемый для исправления;
Любая другая полезная информация.

Мы постараемся оперативно решить любую проблему, чтобы вы могли еще раз просмотреть свои тексты. Вы также можете связаться с нами для любых маркетинговых предложений и сотрудничества. Благодарим вас за использование Corrector для онлайн-коррекции текста.

Не забудьте ознакомиться с нашими советами по исправлению ошибок.

Онлайн-проверка орфографии — корректор английского языка (18 языков)

(При поддержке LanguageTool: вы просто потрясающие)

Причины для проверки грамматики

Содержание

Использование корректора грамматики английского языка
Английский корректор и гораздо больше
На других языках
Итальянский контроль заклинателей
Проверка заклинания
FREND GRAMMARE
. Проверка грамматики немецкого языка
Проверка грамматики китайского языка
Варианты английского языка
Проверка правописания канадского английского
Проверка грамматики американского английского
Новая английская грамматическая шашка
Австралийский английский текстовый корректор
SA Корректор предложения английского предложения
Создание нашего грамматического корректора
Почему бесплатный чекол

Давайте вместе пройдемся по шагам, чтобы сразу начать пользоваться Корректором:

Откройте текст, который хотите исправить, с помощью нашего инструмента;
Выберите область, которую вы хотите исправить, и скопируйте ее с помощью CTRL + C;
Вставьте текст в Корректор с помощью CTRL + V;
Нажмите «Проверить текст», чтобы выполнить исправление;
Вы будете визуализировать ошибки красным цветом. Нажмите на них, чтобы получить предложения;
Вы будете визуализировать небольшие ошибки, такие как пунктуация и пробелы, желтым цветом;
Исправьте текст, скопируйте и вставьте его в Word;
Сохраните правильный текст с помощью нашего онлайн-рецензента.