基于规则与统计相结合的中文文本自动查错模型与算法

• 作者: 俞士汶 张仰森 曹元大
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 中文文本自动查错 规则与统计相结合 非多字词错误 真多字词错误
• 年，卷（期）: 2006,（4）
• 页码范围: 1-7,55
• 页数: 8页
• 分类号: TP391.1
• 字数: 6979字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2006.04.001

摘要

中文文本自动校对是自然语言处理领域具有挑战性的研究课题.本文提出了一种规则与统计相结合的中文文本自动查错模型与算法.根据正确文本分词后单字词的出现规律以及"非多字词错误"的概念,提出一组错误发现规则,并与针对分词后单字散串建立的字二元、三元统计模型和词性二元、三元统计模型相结合,建立了文本自动查错模型与实现算法.通过对30篇含有578个错误测试点的文本进行实验,所提算法的查错召回率为86.85%、准确率为69.43%,误报率为30.57%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张仰森	北京大学计算语言学研究所	104	721	15.0	23.0
3	曹元大	北京理工大学计算机科学工程系	216	2739	26.0	41.0
4	俞士汶	北京大学计算语言学研究所	88	2372	23.0	47.0