實際上，Google所做的工作非常重要，而且乍一看是違反直覺的。他們沒有像檢查字典那樣做任何事情，但是他們利用統計信息來識別返回比您的查詢更多結果的“相似”查詢，確切的算法當然是未知的。

這里有不同的子問題需要解決，作為所有自然語言處理統計數據的基礎，必須有一本書：統計自然語言處理基礎。

具體來說，為了解決單詞/查詢相似性的問題，我使用Edit Distance取得了很好的效果，Edit Distance是一種字符串相似性的數學度量，效果出乎意料。我曾經使用Levenshtein，但其他人可能值得研究。

根據我的經驗，Soundex很糟糕。

實際上有效地存儲和搜索大的拼寫錯誤的詞典，并且具有亞秒級的檢索功能也是不容易的，最好的選擇是利用現有的全文索引和檢索引擎（即不是數據庫的那個），Lucene當前是其中的一種最好的之一，巧合地移植到許多平臺上。

有人問到如何為搜索引擎創建最先進的拼寫建議系統，我感到非常驚訝。我在一家搜索引擎公司從事這一主題的工作已經一年多了，我可以指出有關該主題的公共領域信息。

如前一篇文章所述，Google（以及Microsoft和Yahoo!）既不使用任何預定義的字典，也不使用成群的語言學家來思考可能的拼寫錯誤的查詢。由于問題的嚴重性，這將是不可能的，而且還因為不清楚人們是否可以正確識別查詢的時間和是否拼錯。

相反，有一個簡單而有效的原則也適用于所有歐洲語言。假設參考查詢是計數最高的查詢，請在搜索日志中獲取所有唯一查詢，并計算所有查詢對之間的編輯距離。

這個簡單的算法非常適合許多類型的查詢。如果您想將其提高到一個新的水平，那么我建議您閱讀Microsoft Research關于該主題的論文。你可以在這里找到

本文有很好的介紹，但之后您將需要了解諸如隱馬爾可夫模型的概念。