基于规则与统计相结合的中文文本自动查错模型与算法

被引：32

作者：

张仰森 ^{[1
]}

曹元大 ^{[2
]}

俞士汶 ^{[1
]}

机构：

[1] 北京大学计算语言学研究所

[2] 北京理工大学计算机科学工程系

来源：

中文信息学报 | 2006年 / 04期

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;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

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%。

引用

页码：1 / 7+55 +55

页数：8

共 7 条

[1] 基于统计的纠错建议给出算法及其实现 [J].