YoungCorrector 本项目是参考开源框架 ，自己实现了一套基于规则的纠错系统。总体来说，基于规则的文本纠错，性能取决于纠错词典和分词质量。目前与相比，在准确率差不多的情况下，本模型所用的时间会少很多（归功于前向最大匹配替代了直接索引替换字典）。代码还没有完善，还有很多优化的空间，后续会持续更新。。。 中文文本纠错 介绍 文本纠错的核心步骤：错误检测，预期召回，纠错排序。 错误检测：找到某些词是错误的。 初步召回：选出纠错错误词。 纠错排序：对预期词进行排序。 主流的三种方法： 基于规则：pycorrector 基于深度模型：百度纠错系统 基于垂直领域：腾讯DCQC纠错框架 中文纠错需要解决的问题： 谐音字词，如配副眼睛-配副眼镜 擅长音字词，如流浪织女-牛郎织女 字词顺序颠倒倒，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x

Project_Of_SRTP 学校的srtp项目--基于语音识别的自动文本纠错系统 这一次更新了代码，完善了各个模块之间调用的关系，设置了主函数，方便使用 现在可以实现文本的自动纠错了，但是没有特别的优化，可能在某些情况下会出现纠错错误的情况，后续会改进。 每个文档里都有详细的说明，每一个部分是做什么的，都写了相关的注释。 使用前应该添加相关的模块，在命令行里面输入下列的代码（以后会增加，这是目前需要安装的模块）： pip install requests pip install pypinyin pip install pytrie 录测试样例的同学，要求是采样率16000的音频文件。因为实现了文本的自动纠错，所以这一次需要录一些文本了，句子文章都可以，但是不要太长，百度语音识别的要求是60秒以内的音频文件。先录一些包含三四句或者四五句话的文本。 为了测试我们的代码，所以尽可能的获取错

使用Python完成英文字母的纠错系统