计算机中文文本校对的原理和方法.pdfVIP

第16届全国计算机信息管理学术研讨会论文集 工具;文档管理:提供文档管理的规范、接口与工具;信息发布:提供模版管理、信息管理与发 布信息发布工具。 (2)统一门户:为用户提供。个人门户是整个数字校园的单一访问点，它给用户提供统一 的使用界面，用户进入门户后，就可获得与其身份相称的单一访问点的个性化的各项服务。(3) 若干个应用系统:解决业务逻辑和信息服务的需求，是校园信息化建设的支撑。是指园区内的管 理的业务系统，业务逻辑复杂，各个应用系统的设计与开发相对独立进行，使系统的边界和目标 定在有限的范围内。可根据需要分阶段建设。 各应用系统之间的数据交换由基础平台承担，并提供相应的应用访问接口，各个应用系统之 间的数据共享由基础平台的数据中心完成。 3.4致字圈区的实现途径 (1)“一把手工程”。建设数字园区，实现园区信息化是一项战略性、全局性、长期性的任 务，必须在一把手的直接领导下，采取强有力的措施，保证经费、人力的投入，才能得以顺利进 行。 (2)“两个结合”。建设数字园区，实现园区信息化是实现现代化的突破口，必须与本单位 的改革实践相结合，与本单位的建设发展相结合。 (3)“三个同步”。建设数字园区，实现园区信息化是一项复杂的系统工程，必须统筹规划， 做到网络建设、信息资源建设和应用实践同步进行，发挥建设的最大效益。 附:陈 辰 军械技术研究所 通信地址:石家庄北新街169号六室050000 联系电话:0311-7994089 E-mail: sunday99@yeah.net 43计算机中文文本校对的原理与方法 中国工程物理研究院科技信息中心 王 云 (四川绵阳市科学城919信箱，621900) 【摘 要】较为有效的文本自动校对是面向特定出错类型的.错误的类型包括儿种类型字符 出错，几种操作导致的出错.校对所塞于的知识包括相似相关、同现相关、词典知识、语法匹配. 【关键词】自动校对系统，文字错误类型 在计算机中文文本自动校对系统方面，已经有几个商业化产品推出。由于商业竞争和产品形 象方面的原因，这些系统实现校对的原理和技术，其信息较难获得。本文力图通过对机器校对问 题及解决方案的整理，获得目前有关计算机中文文本校对原理和方法的初步认识。 何谓错误 错误即违反常规或常态 错误的实质是与常见的词、句、篇有显著差异。 第 204页共 331页 第16届全国计算机信怠管理学术研讨会论文集 错误与理解 校对本质上是基于理解，无法理解或理解有误便是错误。对一个人能理解的便可能不是错误。 错误一般指显著的错误 (大错误) 不可能把一切错误都纠正了，纠错只是纠正显著的错误。 出错对象和类型 出错的字符类型 (字符级错误) “对报社305个校样中的错例进行了分析，得知文稿错误类型比为:文字类错占87%左右，标 点符号类错占9%，英文拼写错占2%(指中文文本)，数字类错占1%，其它约占1%0 中文错 英文错 数字错误 标点错误 出错的层次 目前的校对大多是词级校对。 词汇 (拼写)纠错 短语纠错 句子 (语法)纠错 句串纠错 (逻辑) 出错的操作类型 代换错:如同音字错误。 漏缺错:漏字 (如 “计算机”“计算”) 添加错:如 “急起直追”“急起直追赶”。 换位错:如 “秘密”“密秘” 汉诸文本中文字类错可分为四小类:第一类为字错 (64.9%)，第二类为多字错 ((9.9%)，第 三类为少字错 (17.7%)，第四类为其它错 ((7.5%)a 文字错误的比例通常要占90%以上，标点错误占5%强。而在文字错误中，代换错误占80%左右， 缺字错误.片15%左右，加字错误占5%左右。 通过对241个真实错例的人工分析，得到的常见错误类型统计结果:错字 (65.3%),漏字 (13.2%)，多字 ((7.4%)，易位 ((1.7%),多字词替换 (2.9%)，其它 ((9.5%)0 校对方法、校对系统的定位