- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于上下文的真词错误检查及校对方法*
陆玉清,洪宇,陆军,姚建民,朱巧明
苏州大学江苏省计算机信息处理重点实验室
{hongy,jyao }@
摘 要:英文文本中的真词错误即输入的错词是和原词相似的另一个有效词。本文主要研究了对该类错误
的检测。通过从所要检测的单词的上下文中提取句法和语义两个方面的特征,运用文档频率和信息增益进
行特征筛选,实现了对上下文特征的有效提取。最终把判断该单词使用的正确与否看作分类问题,使用
Winnow 分类算法进行训练和测试。通过5 阶交叉验证,所收集的61 组混淆集的平均正确率与召回率分别
为96%,79.47%。
关键词:真词错误;特征筛选;混淆集;Winnow 算法
Context-dependent word error’s correcting and
proofreading
{hongy,jyao }@
Yu-Qing Lu, Yu Hong, Jun Lu, Jian-Min Yao, Qiao-Min Zhu
Provincial Key Laboratory of Computer Information Processing Technology
Soochow University, Suzhou, China, 215006
Abstract: Context-dependent word errors in English texts are errors in which one correctly spelled word is
substituted for another. This paper mainly discussed how to detect this type of errors. In the work reported here,
we represent a method that firstly we extract features of syntax and semantics from the word context, and then we
use Document Frequency and Information Gain to do feature selection, realizing the effective extraction of
contextual features. At last, we modeled the detecting task as a classification using the Winnow algorithm to train
and test the sentences that are related with those confusion words. With five-across validation, the average
precision and recall are respectively 96%, 79.47% according to the 61groups of confusion sets.
Key words: context-dependent word error; feature selection; confusion sets; Winnow algorithm
1 引言
拼写错误是英文文本中较常见的错误。Kukich[1]将英文文本中的错误分为两种类型,一
类是上下文无关的错误(isolated-word error) ,也叫非词错误,即输入的词是一个无效的词,
在字典中不存在。这种错误不需借助上下文,只要和词典中的词进行匹配就能发现,例如
the 错拼为teh、reluctant 错拼为reluctent 。另一类是上下文有关的错误(context-dependent word
error),也叫真词错误,即输入的词是和原词相似
您可能关注的文档
- 具有转向点的三阶非线性ROBIN边值问题的奇摄动.pdf
- 基于共生理念的随州护城河域保护和更新规划.pdf
- 基于关联规则挖掘的中文网页体裁模式发现.pdf
- 基于广义MBR的空间搜索.pdf
- 基于规范化结构树的XML文档相似性度量.pdf
- 基于规则的语音理解自动纠错系统的研究.pdf
- 基于哈尔滨地域文化特征的休闲空间建设.pdf
- 基于函数集信息量的改进网络算法仿真的研究.pdf
- 基于红外热图象电力设备热故障的自动诊断.pdf
- 基于环路传递恢复的离散观测反馈控制器.pdf
- 2025年安徽铜陵中考物理试题及答案.doc
- Unit 6 My clothes, my style 单元复习-七年级英语上册(译林版2024).pptx
- 选必1第七课 经济全球化与中国-高考政治一轮复习课件(新高考通用).pptx
- 6.3 线段的长短比较(课件)-七年级数学上册(浙教版2024).pptx
- 礼仪培训教学课件.ppt
- 4.4 角 (第2课时 角的度量)七年级数学上册(沪科版2024).pptx
- Unit 5 A healthy lifestyle 单元复习-七年级英语上册单元综合(译林版2024).pptx
- 第六课 珍惜婚姻关系-高考政治一轮复习课件(新高考通用).pptx
- 2025年安徽黄山中考语文试题及答案.doc
- 5.3一元一次方程的应用第2课时(课件)七年级数学上册(北师大版2024).pptx
文档评论(0)