[发明专利]基于规则和语料库的汉语语病自动检测方法及设备

摘要

本发明公开了一种基于规则和语料库的汉语语病自动检测方法及设备，该方法包括：文本获取、句子分层、自动分词和语病检测；所述自动分词包括以下步骤：切分字符串步骤和自动分词步骤；所述语病检测为根据所述自动分词的结果和预先构建的语料库进行语病检测。语病检测包括错别字检测、用词不当检测、句法结构检测、语义表达检测，语病检测可以包括这四种检测中的一种或几种。语病检测包括的几种检测可以并列执行，也可以依次执行，且这几种检测的前后顺序可以根据情况进行选择。本发明从词法、句法、语义等角度进行设计，自动检测文本中的各类语病问题。

主权项

1.一种基于规则和语料库的汉语语病自动检测方法，其特征在于，包括文本获取、句子分层、自动分词和语病检测；所述文本获取为获取待校文本数据；所述句子分层包括读取文本，获取文本中的句子数量，并将获取的文本划分为单句；所述自动分词包括以下步骤：正向切分字符串步骤，以单句为单位，获取单句字符串长度，从左往右依次切分出长度不等的字符串，即从第一个字符开始，依次切分出N个字符、N‑1个字符、N‑2个字符、…、两个字符、一个字符的字符串，N为单句字符串长度；逆向切分字符串步骤，以单句为单位，获取单句字符串长度，从右往左依次切分出长度不等的字符串，即从最后一个字符开始，依次切分出一个字符、两个字符、三个字符、…、N个字符的字符串；自动分词步骤，将切分出的字符串依次与预先构建的语料库中的固定式语料库和词语语料库比对，若匹配成功，则输出该字符串并标记序列号为1，2，3，...，z，若匹配失败，则将未被标记序列号的其他单个字符逐一与预先构建的语料库中的单字词语料库比对，若匹配成功，则为单字词，输出该单字词并标记对应的序列号为z+1，z+2，z+3，...，若匹配失败，则与预先构建的语料库中的非单字词语料库比对，若匹配成功，则为非单字词，输出该非单字词，若匹配失败，则保留该字符；所述语病检测为根据所述自动分词的结果和预先构建的语料库进行语病检测。