我正在开发一个小型图书馆自动化软件，我需要确定一个词是英语还是土耳其语。一个示例场景如下:
- 用户输入书名。
- 确定是土耳其语还是英语
- 将语言组合框设置为相应的语言，以帮助用户填写表单。
我的一个朋友建议我"连接到谷歌翻译并使用它"，这似乎是合理的，但一个不连接外部服务或数据库的算法将更适合我。(我也搜索土耳其语/英语特定字符，如ç， İ/w,x来决定)因此，我正在搜索一种算法来完成这项工作，可能是基于字母频率或类似的东西。有什么文献资料吗?谢谢，提前说。(我使用php, mysql如果它是重要的)
如果您正在测试的样本很小(一个单词或短语)，那么简单的启发式方法(如字母频率)将不会很有用，因为英语短语"Jazz Quizzes"可能比英语更适合许多语言的配置文件。
你也许可以使用双字母和三字母的频率(2和3个字母的组合)，因为英语和土耳其语是完全不相关的，以至于有只出现在一个字母中的组合。
然而，更有可能的是，您将不得不使用来自两种语言的实际单词数据库。在这种情况下，您可能最好使用第三方API或数据库，而不是花费所有精力构建自己的语料库、实现统计算法等。
按注释。
请检查:从PHP字符串中检测语言
或:
http://wiki.apache.org/solr/LanguageDetectionSolr可以给你的语言概率(例如，这个句子是90%的英语或10%的土耳其语)