拼写纠错与噪声信道
**ALGERNON：**可是，我亲爱的 Cecily，我从来没有给你写过信。
**CECILY：**你用不着提醒我这一点，Ernest。我清楚地记得，我不得不替你写信。我总是每周写三次，有时还更多。
**ALGERNON：**哦，让我读读那些信吧，Cecily？
**CECILY：**哦，那绝对不行。它们会让你自负得不得了。我们解除婚约以后你写给我的那三封信，是那么优美，拼写又是那么糟糕；直到现在，我读起来还是忍不住有点想哭。
Oscar Wilde，The Importance of Being Earnest
和 Oscar Wilde 笔下非凡的 Cecily 一样，上个世纪之交的许多人都在琢磨拼写。Gilbert and Sullivan 的作品中有不少例子：The Gondoliers 中的 Giuseppe 担心私人秘书“拼写不稳”，Iolanthe 中的 Phyllis 则“会拼出她所用的每一个词”。Thorstein Veblen 在 1899 年的经典著作 The Theory of the Leisure Class 中解释说，英语这套“古旧、繁琐而低效”的拼写系统，其主要目的之一，就是难到足以检验一个人是否属于有闲阶级。
无论拼写具有何种社会作用，可以肯定的是，我们当中像 Cecily 的人远多于像 Phyllis 的人。人工键入文本中的拼写错误率估计差异很大：认真重录已经印刷的文本时约为 1%–2%，网络查询中则可达 10%–15%。
本附录介绍拼写错误的检测和纠正。无论是在手机上发消息、发送电子邮件、撰写长文档，还是在网络上查找信息，修正拼写错误都是现代写作不可分割的一部分。现代拼写纠错器并不完美——自动纠错闹笑话是网络上的常见娱乐——但几乎所有依赖键盘输入的软件都在使用它们。
拼写纠错通常从两个角度考虑。非词拼写纠错（non-word spelling correction）检测并纠正产生非词的错误，例如把 giraffe 拼成 graffe。与之相对，实词拼写纠错（real-word spelling correction）要检测并纠正那些碰巧产生真实英语词的拼写错误。这类错误可能来自意外形成实词的排印错误——插入、删除或换位，如把 three 写成 there——也可能来自认知错误，即写作者用错同音词或近同音词的拼写，如把 desert 写成 dessert，或把 peace 写成 piece。
检测非词错误时，只需查找词典中没有的词；例如 graffe 不会出现在词典里。词典越大越好，现代系统经常使用从网络生成的超大词典。纠正非词错误时，首先生成候选，即字母序列与错误形式相似的真实词。graffe 的候选可以包括 giraffe、graf、gaffe、grail 和 craft。随后，用来源词与表面错误形式之间的距离度量对候选排序。我们希望该度量符合这样的直觉：giraffe 在拼写上比 grail 更接近 graffe，所以更可能是来源词。第 2 章的最小编辑距离算法会在这里发挥作用。此外，我们还希望更偏好高频词，或在错误上下文中更可能出现的词。下一节介绍的噪声信道模型能把这一直觉形式化。
实词拼写错误检测困难得多，因为输入文本中的任何词都可能是错误。不过，仍然可以利用噪声信道为用户键入的每个词 寻找候选，并选出最可能符合用户原始意图的纠正形式。