| 简体中文
pycorrector
中文文本纠错工具。音似、形似错字(或变体字)纠正,可用于中文拼音、笔画输入法的错误纠正。python3.6开发。
pycorrector依据语言模型检测错别字位置,通过拼音音似特征、笔画五笔编辑距离特征及语言模型困惑度特征纠正错别字。
Guide
Question
中文文本纠错任务,常见错误类型包括:
谐音字词,如 配副眼睛-配副眼镜
混淆音字词,如 流浪织女-牛郎织女
字词顺序颠倒,如 伍迪艾伦-艾伦伍迪
字词补全,如 爱有天意-假如爱有天意
形似字错误,如 高梁-高粱
中文拼音全拼,如 xingfu-幸福
中文拼音缩写,如 sz-深圳
语法错误,如 想象难以-难以想象
当然,针对不同业务场景,这些问题并不一定全部存在,比如输入法中需要处理前四种,搜索引擎需要处理所有类型,语音识别后文本纠错只需要处理前两种,
其中'形似字错误'主要针对五笔或者笔画手
1