繁體中文拼寫檢錯(cuò)研究.pdf

1、繁體中文拼寫檢錯(cuò)指使用計(jì)算機(jī)自動(dòng)檢測(cè)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(gè)重要研究課題，是許多自然語(yǔ)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(yǔ)言如英語(yǔ)相比，中文語(yǔ)言有更加復(fù)雜的語(yǔ)言特性：詞與詞之間沒有明顯的分隔符、詞語(yǔ)搭配復(fù)雜多樣、語(yǔ)法搭配復(fù)雜多樣，所以繁體中文拼寫檢錯(cuò)的研究比英文更加困難。
　　簡(jiǎn)體中文拼寫檢錯(cuò)的研究早于繁體中文拼寫檢錯(cuò)的研究，所形成的主要方法包括基于規(guī)則、基于統(tǒng)

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

3、計(jì)詞典，并設(shè)計(jì)了基于統(tǒng)計(jì)規(guī)則評(píng)判的檢錯(cuò)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(cuò)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(lái)表示，并輔以詞性bi-gram模型來(lái)確定最終錯(cuò)誤字。
　　（3）最后本文針對(duì)常用助詞“的、地、得”的錯(cuò)誤，提出一種基于上下文詞性統(tǒng)計(jì)模型的方法，該方法利用訓(xùn)練語(yǔ)料庫(kù)建立上下文詞性統(tǒng)計(jì)模型，并依據(jù)模型來(lái)判斷助詞使用是否正確。
　　本文以繁體