Hi Christian,

Vorweg, die Diskussion über Stämmer und Fehlerkorrektur
ist unabhängig von der Suchtechnologie zu sehen, also Binärer Baum als auch Hash sollen davon profitieren dass
weniger Wörter indiziert werden müssen.

Zusammen mit Variablennamen etwa 50%, wuerde ich vermuten, wenn nicht mehr.

hmm ... ich denke auch bei Variablennamen kommt nicht jede Permutation gleich häufig vor, weil man sie schließlich ja auch aussprechen möchte.

Die "Korrekturkollisionen" werden dann auch nachträglich aufgelöst, d.h.
sofern gewollt (das erlaubt ansonsten eine Ähnlichkeitssuche)

Beispiel:
|goggle(Rechtschreibfelher)| = 96
|goggle(Rechtschreibfehler)| = 403.000

Das wuerde aber bedeuten, dass man wieder eine nachgeschaltete
Volltext-Suche machen muss. Doof, damit wuerde man alles wieder
verschenken.

naja, wie bei Danielas Phrasensuche auch hängts davon ab wie teuer der Zugriff auf Michaels Vollindex ist, dort wo sie auch ihre "Kollisionen" auflöst.

Man könnte sich auch entscheiden die Überprüfung nur bei
eingetipptem 'Rechtschreibfelher' zu machen, schließlich ist ja in der Zelle hinterlegt das diese für "Rechtschreibfehler" gedacht ist. Eine teure Überprüfung käme also nur bei unkorrekten Suchbegriffen zustande.

Man könnte die Überprüfung am effizientesten mit einer nachträglich gesuchten Zelle für 'Rechtschreibfelher' machen, die nicht im RAM liegt, weil offensichtlich ist, dass falsche Schreibweisen zu selten gesucht werden. (wieder das Argument mit den häufigsten Suchbegriffen)

regelmäßigen Beugungen reicht es einfach bestimmte Endungen zu
streichen. (e, en ,er,...)

Das zeig mir doch bitte mal, wie du das machen willst ;-)

wie gesagt, übliche Endungen streichen.

suchen, suchte, Suche, Sucher, suchten ->such

Es gibt Wörter bei denen so eine Kürzung aber natürlich fatal wäre die müßten beim Archivieren also ungekürzt in den Index abgelegt werden (z.B. 'Heer' nicht zu 'He' verkürzen).

Die Suche müßte dann oft mehrfach laufen, erst wird 'Heer' oder 'Sucher' gesucht, nur Heer gefunden, dann 'Suche' vergeblich und schließlich 'such' gefunden.

Die Frage ob sich das rechnet hängt vom Geschwindigkeitsgewinn durch kleineren Index gegenüber
worstcase 3-facher Suche ab...

... ich bin verunsichert ...

... also ich hab für eine JS-Volltextsuche schon mal so einen Stämmer gewinnbringend realisiert, da war mir aber ein kleiner Suchindex im Download auch wichtiger ...

Ich denke bei der Selfsuche gilt: Könnte ein signifikanter Großteil der Suchanfragen dank Stämmen und Fehlerkorrektur komplett im RAM stattfinden, würde es sich auch lohnen.

Alternativ könnte man sich auch überlegen, in einer Zelle die Info über erlaubte Nebenversionen mit abzulegen, ähnlich wie in  Wörterbüchern. Soll heißen die Zelle von 'such' beinhaltet auch eine Liste erlaubter Endungen (e|en|te|...)

Und lange wörter sollten zerlegt werden.

Damit machst du die Eingangsmenge aber noch groesser.

Hä? Die Menge der Wörter im Index werden kleiner wenn die
Zusammengesetzten wegfallen!

Du hast von langen Woertern, nicht von zusammengesetzten Woertern geredet.

Stimmt, aber wieso wird die Eingangsmenge größer wenn die "längeren" wegfallen? >:)

Bye
  Rolf