文献类型：期刊文章

作　　者：张仰森[1,3] 曹元大[2] 俞士汶[1]

机构地区：[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 [3]北京信息科技大学计算机及自动化系

出　　处：《中文信息学报》

基　　金：国家973项目资助(2004CB318102);国家863计划资助(2001AA114210;2002AA117010);中国博士后基金项目资助(2005038026)

年　　份：2006

卷　　号：20

期　　号：4

起止页码：1-7

语　　种：中文

收录情况：BDHX、BDHX2004、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

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%。

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  

分 类 号：TP391.1]