基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法
Chinese spelling correction based on fusion of text sequence error probability and Chinese spelling error probability
北京邮电大学 人工智能学院, 北京 100876
摘要
中文拼写纠错是一项检测和纠正文本中拼写错误的任务。大多数中文拼写错误是在语义、读音或字形上相似的字符被误用，因此常见的做法是对不同模态提取特征进行建模。但将不同特征直接融合或是利用固定权重进行求和，使得不同模态信息之间的重要性关系被忽略以及模型在识别错误时会出现偏差，阻止了模型以有效的方式学习。为此，提出了一种新的模型以改善这个问题，称为基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法。该方法使用文本序列错误概率作为动态权重、中文常见拼写错误概率作为固定权重，对语义、读音和字形信息进行了高效融合。模型能够合理控制不同模态信息流入混合模态表示，更加针对错误发生处进行学习。在SIGHAN基准上进行的实验表明，所提模型的各项评估分数在不同数据集上均有提升，验证了该算法的可行性。
出版信息
DOI: 10.19734/j.issn.1001-3695.2022.11.0816
出版期卷: 《计算机应用研究》 印刷出版, 2023年第40卷 第8期
所属栏目: 算法研究探讨
出版页码: 2292-2297
文章编号: 1001-3695(2023)08-008-2292-06
发布历史
[2023-03-14] 优先出版
[2023-08-05] 印刷出版
引用本文
孙哲, 禹可, 吴晓非. 基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法 [J]. 计算机应用研究, 2023, 40 (8): 2292-2297. (Sun Zhe, Yu Ke, Wu Xiaofei. Chinese spelling correction based on fusion of text sequence error probability and Chinese spelling error probability [J]. Application Research of Computers, 2023, 40 (8): 2292-2297. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
