随着计算机技术和自然语言处理技术的飞速发展，采用计算机处理大规模的语料已成为不可逆转的趋势。一方面，随着互联网的发展，新语料的出现速度越来越快，规模越来越大，语料库处理过程需要提高效率；另一方面，计算机并行计算模型以及多核计算机、集群等并行硬件架构日益成熟为大规模的语料库处理提供了技术支持，因此语料库并行处理成为自然语言处理领域的一种发展趋势。本文面向中文自动校对，采用MapReduce并行模型，围绕语料库并行处理技术进行了以下研究。首先，分析了中文文本错误产生原因，研究了基于错词库的校对方法，提出了一种基于混淆集的错词库的构建方法，设计了基于MapReduce的错词库并行构建算法，提高了构建错词库效率，实验表明该方法能够较好地解决“非词错误”问题，提高了中文校对中出现字错误的校对准确率。其次，分析了基于错词库的校对方法在考虑上下文语境时的局限性，研究了中文组块识别技术，提出了一种基于互信息的中文组块识别方法，通过组块形成上下文语境，扩展了基于错词库的校对方法。设计了基于MapReduce的中文组块识别并行处理算法，该算法提高了中文组块识别效率，采用中文组块可以较好地解决“真词错误”问题。第三，中文词性对校对语义分析具有很重要的作用，研究了基于条件随机场的词性标注方法，构建了中文词性标注的条件随机场模型，设计了基于MapReduce的条件随机场并行算法。实验表明该算法提高了词性标注效率。最后，集成了上述错词库构建方法、中文组块识别方法和中文词性标注方法，实现了中文校对原型系统，与商业校对软件对比，该系统能较好的实现中文的自动校对，提高字词校对的召回率和准确率。