你好 LanX²,

Du vergisst, dass hier viel Quelltext gepostet wird, dass hier
jeden Tag sich Leute verschreiben, etc, pp. -- ich halte die
Wachstumsrate “neuer Woerter” fuer groesser, ehrlich gesagt.

Quelltext wäre auch perfekt weil das Vokabular ja standardisiert ist.

Falsch! Das Vokabular bei Quelltexten ist genau eben _nicht_
standardisiert. Ich kann meine Funktion benennen, wie ich lustig bin...

ja aber bitte ...

1. wieviele Leute benennen ihre Fkten iopiwejdiendkn(), statt getUpper().

Nur weil du es ueberziehst, heisst das ja nicht, dass Funktionsnamen sehr
voneinander differieren.

2. wieviele Leute suchen dann auch iopiwejdiendkn()
3. im Falle 2., wie schnell soll die suche in diesem Sonderfall erfolgen?

Das ist doch hier nebensaechlich, das hatten wir doch schon
festgestellt :) Aktuell geht es doch nur darum, ob die Eingabemenge im Fall
des Forums unendlich ist oder nicht.

4. Wieviel Prozent des Quellcodes machen selbstdefinierte
   Funktionennamen aus?

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

Rechtschreibfehler habe ich ja auch angesprochen in dem die gängigen
Fehler eines Wortes idealerweise auf den gleichen Hashwert mappen
sollten. (fehlender Buchstabe, geswapte Buchstaben,...), [...]

Du hast Vorstellungen... eine wichtige Eigenschaft einer Hash-Funktion
ist es, dass kleine Aenderungen im Eingangswert grosse Aenderungen im
Ausgangswert verursachen. Sonst wird die Wahrscheinlichkeit fuer
Kollisionen zu gross (z. B. Maße und Masse muesste deiner Definition
nach die gleiche Hash-Summe ergeben, ist aber etwas anderes -- das
Beispiel ist jetzt konstruiert, ich bin mir aber sicher, im normalen
Fach-Vokabular treten bessere Beispiele auf).

Ja, hast recht, dass sollte eine Vorfunktion leisten, d.h. es wird
H(k('Maße'))=H('Masse') gesucht, mit k der Korrekturfunktion.

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.

[...] außerdem sollten die Wörter gestämmt werden.

*g* also, jetzt faengst du an zu fantasieren. Wie willst du maschinell
das Wort auf seinen Stamm zurueckfuehren?

Algorithmisch natürlich nicht in 100% aller Fälle, aber bei den
regelmäßigen Beugungen reicht es einfach bestimmte Endungen zu
streichen. (e, en ,er,...)

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

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.

再见,
 CK