论文部分内容阅读
中文的真词错误类似于英文的真词错误，指一个中文词错成另一个词典中的词。提出一种基于混淆集的真词错误发现方法，通过对目标词的局部特征的提取，形成局部左邻接二元、右邻接二元及3个三元特征，然后通过和目标词对应的混淆集中的混淆词来估计二元概率和三元概率。最后提出一种多特征融合的模型，然后利用规则来判断中文文本中的真词错误。将查错结果分为标记错误和更改错误两种类型，采用18组混淆集，构造2万行的测试语料进行实验。实验表明，该方法能有效地发现中文文本中的真词错误，并且能给出真词错误的修改建议。该方法是一种集自动查错