| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-24页 |
| ·课题背景 | 第10-11页 |
| ·英文文本错误自动检测技术现状 | 第11-13页 |
| ·非词错误的检测技术 | 第11-12页 |
| ·真词错误的检测技术 | 第12-13页 |
| ·中文文本错误自动检测技术现状 | 第13-21页 |
| ·自动检查错的研究 | 第14-18页 |
| ·自动纠错的研究 | 第18-19页 |
| ·技术难点和应用定位 | 第19-21页 |
| ·论文研究内容和结构 | 第21-24页 |
| ·文本错误检测的一般流程 | 第21-22页 |
| ·本文主要工作 | 第22-23页 |
| ·论文的结构 | 第23-24页 |
| 第二章 中文局部词法错误检测 | 第24-38页 |
| ·中文文本常见字词错误类型 | 第24-25页 |
| ·散串分析和对错误位置判定 | 第25-28页 |
| ·单字成词概率对散串的判断 | 第25-27页 |
| ·编校难点中的散串特点 | 第27-28页 |
| ·字词的 N 元文法分析 | 第28-29页 |
| ·建模方法 | 第28页 |
| ·查错方法 | 第28-29页 |
| ·Bloom Filter 在接续分析中的应用 | 第29-31页 |
| ·Bloom Filter 介绍 | 第29-30页 |
| ·构建基于 Bloom Filter 快速查错的功能字典 | 第30-31页 |
| ·基于语料库的知识获取 | 第31-37页 |
| ·语言要素概率计算 | 第31-32页 |
| ·语料中知识获取流程 | 第32-34页 |
| ·建立基于 3-gram 的词性分析隐马尔可夫模型 | 第34-36页 |
| ·实现分析 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第三章 基于 SVM 的组块分析与语块库的构建 | 第38-50页 |
| ·语块的定义类别和表示 | 第38-39页 |
| ·SVM 的相关理论 | 第39-41页 |
| ·SVM 学习算法 | 第39-40页 |
| ·SVM 的多分类方法 | 第40-41页 |
| ·基于 SVM 的中文组块分析 | 第41-47页 |
| ·词语的上下文特征 | 第41页 |
| ·训练数据的准备 | 第41-44页 |
| ·组块类型判定 | 第44页 |
| ·分类模型构建和组块分析结果 | 第44-47页 |
| ·实验结果分析 | 第47页 |
| ·错误分析 | 第47页 |
| ·构建用于校对的语块库 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第四章 纠错建议的构建方法 | 第50-62页 |
| ·常用混淆词典 | 第51页 |
| ·中文字符（串）相似度的度量 | 第51-54页 |
| ·基于拼音的度量 | 第51-52页 |
| ·基于五笔码的度量 | 第52-54页 |
| ·基于笔形序列的度量 | 第54页 |
| ·基于笔形序列的相似字词查找 | 第54-60页 |
| ·基于笔形的汉字相似度度量 | 第54-56页 |
| ·相似字的查找算法 | 第56-58页 |
| ·相似词的查找算法 | 第58-60页 |
| ·实现分析 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69页 |