[发明专利]一种文本校对错误词库的自动构造方法和装置

摘要

本发明涉及一种文本校对错误词库的自动构造方法和装置。该方法包括构建一个大规模的正确词库表，并将每个词按照在正确词库表中的先后顺序进行编号；针对计算机系统字库中的每一个汉字，构造一系列的字表；创建字字之间的相关度系统矩阵表；依次枚举正确词库表中的每一个词，并针对每一个词中的每个汉字依次进行其他汉字替换，计算替换一个汉字后的错误词语与正确词语的词语匹配相似度；将词语匹配相似度的数值从大到小进行排序，设定词语匹配的相似度阈值，将大于阈值的词语作为候选对象补充至错误词库。本发明能够克服现有技术中错误词表收集过多依赖人工方式、效率低、覆盖面窄以及词库规模受限等缺点，并能够提高文本自动校对的准确率。

主权项

一种文本校对错误词库的自动构造方法，其特征在于，包括以下步骤：步骤一，构建一个大规模的正确词库表，并将每个词按照在正确词库表中的先后顺序进行编号；步骤二，针对计算机系统字库中的每一个汉字，构造一系列的字表；步骤三，根据构造的字表创建字字之间的相关度系统矩阵表；步骤四，依次枚举正确词库表中的每一个词，并针对每一个词中的每个汉字依次进行其他汉字替换，根据相关度系统矩阵表计算替换一个汉字后的错误词语与正确词语的词语匹配相似度；步骤五，将词语匹配相似度的数值从大到小进行排序，设定词语匹配的相似度阈值，将大于阈值的词语作为候选对象补充至错误词库。