常见的英文单词纠错法...

常见的英文单词纠错法有：，主要有误拼词典法、词形距离法、最小编辑距离法、相似键法、骨架键法、N-gram法、基于规则的技术、词典及神经网络技术。 (1)误拼字典法。收集大规模真实文本中拼写出错的英文单词并给出相应的正确拼写，建造一个无歧义的误拼字典。在进行英文单词拼写检查时，查找误拼字典，如命中，则说明该单词拼写有误，该词的正确拼写字段为纠错建议。该方法的特点是侦错和纠错一体化，效率高。但英文拼写错误具有随机性，很难保证误拼字典的无歧义性和全面性，因此查准率低、校对效果差。 (2)词形距离法。这是一种基于最大相似度和最小串间距离的英文校对法。其核心思想是构造单词的似然性函数，如该单词在词典中，则单词拼写正确；否则，按照似然性函数，在词典中找到一个与误拼单词最相似的词作为纠错候选词。该方法的特点是节省存储空间，能反映一定的常见拼写错误统计规律，是一种模糊校对法。 (3)最小编辑距离法。通过计算误拼字符串与词典中某个词间的最小编辑距离来确定纠错候选词。所谓最小编辑距离是指将一个词串转换为另一个词串所需的最少的编辑操作次数(编辑操作是指插入、删除、易位和替换等)。还有人提出了反向最小编辑距离法，这种方法首先对每个可能的单个错误进行交换排列，生成一个候选集，然后，通过查词典看哪些是有 效的单词，并将这些有效的单词作为误拼串的纠错建议。 (4)相似键法。相似键技术是将每个字符串与一个键相对应。使那些拼写相似的字符串具有相同或相似的键。当计算出某个误拼字符串的键值之后，它将给出一个指针。指向所有与该误拼字符串相似的单词，并将它们作为给误拼字符串的纠错建议。 (5)骨架键法。通过构建骨架键词典，在英文单词出现错误时，先抽取出该错误单词的骨架键，然后再去查骨架键词典，将词典中与该单词具有相同骨架键的正确单词作为该单词的纠错建议。 (6)N-gram法。基于n元文法，通过对大规模英文文本的统计得到单词与单词问的转移概率矩阵。当检测到某英文单词不在词典中时。查转移概率矩阵，取转移概率大于某给定阈值的单词为纠错建议。 (7)基于规则的技术。利用规则的形式将通常的拼写错误模式进行表示，这些规则可用来将拼写错误蛮换为有效的单词。对于一个误拼字符串，应用所有合适的规则从词典中找到一些与之对应的单词作为结果，并对每个结果根据事先赋予生成它的规则的概率估计计算一个数值，根据这个数值对所有候选结果排序。 现有的基于上下文的文本错误校对方法有三类：①利用文本的特征，如字形特征、词性特征或上下文特征；②利用概率统计特性进行上下文接续关系的分析；③利用规则或语言学知识，如语法规则、词搭配规则等。 (1)利用文本上下文的同现与搭配特征可以将文本的校对过程描述为词排歧过程。若称待校对的词为目标词，则建立混淆集C={W1，…，Wn}，其中的每个词均与文本中的目标词容易发生混淆或歧义。如假设C={from，form}，如果在文本中出现from或from时，就将它看作是一个from与from之间的歧义，校对的任务就是根据上下文决定哪个词是我们想要的词。上下文相关的校对问题由语句和语句中要被校正的词构成，Bayesian方法和基于Winnow的方法都是将这样的问题表示成有效特征表，每一个有效特征表示目标词的上下文中有一个特殊的语言学模式存在。目前常使用的特征有两种类型：上下文的词和词的搭配。上下文词特征用来检查在目标词周围的±k个词的范围内是否有特殊词存在；词搭配则用来检测在目标词的周围f个相邻词和／或词性标注的状态。如假设目标词的混淆集为{weather，whether}， 若置k=10，f=2，目标词的可用特征包括： ①目标词前后10个词范围内的cloudy； ②当前词后为to+动词。 特征①就预示着当前词应为weather；而②则用来检查词搭配，它表明当前词后紧接着一个“to+动词”的结构，表明当前词应取whether(如I don’t know whether to laugh or cry)。在这种方法中，主要要解决的问题包括混淆集的求取；目标词所在上下文中特征的表示，即如何将语句的初始文本表示转换为有效特征。 基于词语同现与搭配特征的校对方法有很多种，较好的有Bayesian方法和基于Winnow方法。各种N-gram模型，如长距离N-gram、触发对N-gram等模型，都可以利用目标词上下文中的词同现特征或搭配特征，采用最大似然估计法、互信息、相关度等方法检测文本中的错误，并通过相邻词间的转移概率确定纠错候选词，实现对目标词的校正。 原文