繁體中文拼寫檢錯研究.pdf

1、繁體中文拼寫檢錯指使用計算機(jī)自動檢測繁體中文文本中是否存在漢字誤用的技術(shù)，是中文信息處理領(lǐng)域的一個重要研究課題，是許多自然語言處理系統(tǒng)的重要部分，如搜索引擎、文字處理軟件等系統(tǒng)。與西方常用的語言如英語相比，中文語言有更加復(fù)雜的語言特性：詞與詞之間沒有明顯的分隔符、詞語搭配復(fù)雜多樣、語法搭配復(fù)雜多樣，所以繁體中文拼寫檢錯的研究比英文更加困難。
　　簡體中文拼寫檢錯的研究早于繁體中文拼寫檢錯的研究，所形成的主要方法包括基于規(guī)則、基于統(tǒng)

2、計、以及基于特征與學(xué)習(xí)的方法，然而這些方法基于簡體語料庫，并且無法適用于多種拼寫錯誤的檢測，因此它們僅能作為參考方法。近年來，隨著繁體中文拼寫檢錯評測的開展，繁體中文拼寫檢錯的研究已經(jīng)漸漸成為中文信息處理領(lǐng)域研究的熱點。
　　本文以檢測繁體文本中存在的拼寫錯誤為研究目標(biāo)，提出三種有效的檢錯方法：
　?。?）首先本文提出一種基于字串切分統(tǒng)計詞典的檢錯方法，利用語料庫中字串出現(xiàn)的頻率信息作為檢錯依據(jù)，根據(jù)字串及其頻率信息來建立統(tǒng)

3、計詞典，并設(shè)計了基于統(tǒng)計規(guī)則評判的檢錯算法。
　?。?）其次本文提出一種基于圖模型與詞性bi-gram模型的繁體中文拼寫檢錯方法，以中文分詞為基礎(chǔ)，將分詞結(jié)果和可疑詞替換結(jié)果以圖模型來表示，并輔以詞性bi-gram模型來確定最終錯誤字。
　?。?）最后本文針對常用助詞“的、地、得”的錯誤，提出一種基于上下文詞性統(tǒng)計模型的方法，該方法利用訓(xùn)練語料庫建立上下文詞性統(tǒng)計模型，并依據(jù)模型來判斷助詞使用是否正確。
　　本文以繁體