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自動檢測繁體中文文本中是否存在漢字誤用的技術，是中文信息處理領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，中文語言有更加復雜的語言特性：詞與詞之間沒有明顯的分隔符、詞語搭配復雜多樣、語法搭配復雜多樣，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、以及基于特征與學習的方法，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漸漸成為中文信息處理領域研究的熱點。
　　本文以檢測繁體文本中存在的拼寫錯誤為研究目標，提出三種有效的檢錯方法：
　　（1）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的頻率信息作為檢錯依據，根據字串及其頻率信息來建立統(tǒng)

3、計詞典，并設計了基于統(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，將分詞結果和可疑詞替換結果以圖模型來表示，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，該方法利用訓練語料庫建立上下文詞性統(tǒng)計模型，并依據模型來判斷助詞使用是否正確。
　　本文以繁體