Créer un moteur de recherche interne qui trouve les fautes d'orthographe

Hey

Pour mon projet de fin d'année, je dois réaliser un site, mais incluant dedans un moteur de recherche interne, je me suis dis que j'aimerai le développer un peu plus pour qu'il cherche et corrige les fautes d'orthographe (au lieu d'écrire pomme on écrit pome, et bah le script "vois" pomme quand même ) le soucis est que j'ai tenté une méthode assez abracadabrante qui arrive facilement à la limite du max_execution_time.

Mon script c'est que je récupère le mot qui n'a aucune correspondance, et je lui enlève une lettre pour voir si j'ai une occurrence, si j'en ai pas, je lui enlève une seconde lettre et je regarde, ce qui fait qu'avec un mot qui n'existe pas, le script se coupe :/ Avez vous une idée sur l'algo qui faudrait utiliser ou même une idée sur le fonctionnement (j'ai pensé à un annuaire mais ça risque d'être balaise à parser à la fin)

Merci d'avance et bon week end

(PS: j'aurai bien utilisé tntsearch mais il est compatible PHP 5.5, hors l'IUT nous brides à PHP 5.3 )

Hello

J'avais fait un script d’auto complétion. J'avais trouvé une liste de mots en français (~300 000). J'avais trouvé une algorithme permettant "d'évaluer" la différence entre 2 mot, avec en retour un nombre. J’exécutais cette pour chaque mot du dictionnaire, avec le mot. Avec un pc basique, ça mettais quelques centaines de millisecondes, bien que ça soit un peu une usine à gaz.

Merci @Gabbro, donc l'idée de regarder virer et ajouter une lettre ça vire (c'est vrai que c'est utile dans le cas de "pome" "
@Drulac j'avous que j'aimerai tout faire à la main
Mais le soucis avec les techniques que vous me proposez, c'est le dictionnaire. Il sera hyper lourd à la fin :/

M1ce koi, pk lé jen fon dé fot d'ortograf ?! x)

Je compte bien utiliser MySQL
Donc en sommes, je vais toujours devoir posséder un dictionnaire c'est bien ça ? Sinon je serai obliger de parser chaque titre dans MySQL non ?

Un dictionnaire ? Pour quoi faire ? Demande plutôt à mysql de faire le boulot à la volée, c'est fait pour. Je sais pas combien de texte tu auras dans ta base de données, mais à moins de quelques centaines de millions t'es tranquille.

La fonction SOUNDEX (par exemple) calcul au mot (j'ai testé la fonction dans une requête, elle comparait une chaine et un mot et le résultat était nul (logique tu me dira ) À moins que je sois "obligé" de faire une table comportant tout les mots justes ? (et pour l'occas' j'ai bossé dans une boite où il avait 75 000 données dans la base de donnée et elle galérais… Bon, les serveurs étaient aussi puissant que des poneys unijambiste mais voilà, avec trop de mot les performances seront grandement impacté non ?)

La fonction SOUNDEX (par exemple) calcul au mot (j'ai testé la fonction dans une requête, elle comparait une chaine et un mot et le résultat était nul (logique tu me dira )

Pas sûr de bien comprendre ce que tu expliques ici. Un mot est une chaîne de caractères.

Si tu as ton texte dans une colonne dont les champs texte contiennent plusieurs mots, tu peux directement demander à MySQL de te découper ça en mots. C'est très bien foutu, ça exclut même automatiquement les stop words. Plus d'infos ici : http://dev.mysql.com/doc/refman/5.7/en/fulltext-stopwords.html

FULLTEXT a grandement réduit mon script (et il est moins bourrin ) Le hic (faut toujours qu'il y en ai un ) je n'arrive pas à demander à MySQL de me séparer tout ça en mot (j'utilise ça : sql SELECT SUBSTR(title, " ") as titre mais ça me renvoie des lignes sans valeur Et les méthodes proposé ne préviennes pas d'un oublie de lettre (passer de responsable à responsble n'est plus la même chose pour soundex) (sauf si je fais une comparaison et si la différence entre les deux soundex est inférieur à (je vais dire une bêtise) 10 alors on fait des recherches sur le mot… Bon, j'ai plus qu'à la traduire en SQL