中文文本自动校对技术现状及展望

本文概述了中文文本自动校对技术的产生背景,分析了预校对文本常见的错误类 型及文本自动校对(自动查错和确认纠错)的难点,探讨了当前商品化的文本校对软件的校对策略和发展趋势。     

基于规则与统计相结合的藏文文本自动查错方法研究

针对目前藏文文本自动查错方法的不足,该文提出了一种基于规则和统计相结合的自动查错方法.首先以藏文拼写文法为基础,结合形式语言与自动机理论,构造37种确定型有限自动机识别现代藏文字;然后利用查找字典的方法识别梵音藏文字;最后利用互信息和t-测试差等统计方法查找藏语词语搭配错误和语法错误等真字词错误,实现藏文文本的自动查错...     

程序的调试技巧

该文简要介绍编程中常见的错误类型,通过黑箱测试法、白箱测试法、等价分类法、边界分析法和错误推测法对程序错误进行分析判断和定位。     

基于MapReduce的三元N-gram算法的并行化研究

大规模语料库的训练是使用三元N-gram算法进行中文文本自动查错中一个重要的基础工作。面对新媒体平台每日高达百万篇需处理的语料信息,单一节点的三元N-gram语言模型词库的构建存在计算瓶颈。在深入研究三元N-gram算法的基础上,提出了基于MapReduce计算模型的三元N-gram并行化算法的思想。MapReduce计算模型中,将运算任务平均分配到m个节点,三元N-gram算法在Map函数部分的主要任务是计算局部字词分别与其前两个字词搭配出现的次数,Reduce函数部分的主要任务是合并Map部分统计字词搭配出现的次数,生成全局统计结果。实验结果表明,运行在Hadoop集群上的基于MapReduce的三元N-gram并行化算法具有很好的运算性和可扩展性,对于每日120亿字的训练语料数据集,集群环境下该算法得到训练结果的速率更接近于线性。     

管线探测数据的逻辑查错技术

管线数据的查错是管线信息系统的重要一环,本文介绍了广州市管线数据库结构、编码链文件的格式,简述了数据库查错的内容、要求,说明管径、连接方向的逻辑查错流程,附上管径、连接方向查错的部分VFP源程序。     

基于二元接续关系检查的字词级自动查错方法

本文探讨了基于字字同现、词性二元接续和语义二元接续的中文文本的自动查错原理和查错算法;给出了字词接续判断模型,并讨论了与接续判断模型相关的查错知识库的构造方法。通过对实验结果的分析和评测,证明本文所述方法是可行的。     

程序的调试技巧

该文简要介绍编程中常见的错误类型，通过黑箱测试法、白箱测试法、等价分类法、边界分析法和错误推测法对程序错误进行分析判断和定位。     

特征和语言模型结合的中文文本查错

引入上下文词、搭配两种特征作为约束,利用最大熵原理构建查错模型,以期解决词语搭配不当、长距离的语言限制等词一级的错误.基本思想是,构建词语y在上下文x上的条件概率分布模型p(y |x),查错时根据句子中的上下文x计算y出现的条件概率p(y| x)和y不出现的条件概率p( y |x).如果p(y | x)≥p( y |x),则y无误;反之,y有错.实验结果表明,该方法获得了平均91.14%的召回率和65.70%的准确率.     

西门子计算机测试诊断系统分析

本文对西门子计算机测试和诊断系统的结构、功能、错误处理的原理,硬件测试诊断系统的查错方法,Hers文件进行了分析,最后结合实例介绍一种测试错误的分析方法。     

基于规则与统计相结合的中文文本自动查错模型与算法

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%。