| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 本课题研究背景与意义 | 第12-13页 |
| 1.2 文本编辑错误校对的研究现状 | 第13-18页 |
| 1.2.1 文本编辑错误校对中存在的困难和问题 | 第13-15页 |
| 1.2.2 文本编辑错误的校对方法研究 | 第15-18页 |
| 1.3 文本编辑错误校对中的语义知识 | 第18-22页 |
| 1.4 本文的研究内容与结构 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第2章 文本编辑错误校对模型 | 第24-37页 |
| 2.1 错误校对的常见语言模型 | 第24-28页 |
| 2.1.1 Bayes分类器 | 第24-26页 |
| 2.1.2 N-Gram模型 | 第26-27页 |
| 2.1.3 隐 Markov模型 | 第27-28页 |
| 2.2 错误校对的关键问题 | 第28-31页 |
| 2.2.1 语言模型的时空复杂性与混淆集大小间的矛盾 | 第28-31页 |
| 2.2.2 错误检测和校对中的数据稀疏问题 | 第31页 |
| 2.3 进行错误校对的思想和评价标准 | 第31-33页 |
| 2.4 建立文本编辑错误校对模型 | 第33-36页 |
| 2.4.1 错误校对模型的总体框架 | 第34-35页 |
| 2.4.2 错误校对模型的分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 文本编辑错误的检测 | 第37-52页 |
| 3.1 文本编辑的错误问题 | 第37-38页 |
| 3.2 文本编辑错误的词语特性 | 第38-39页 |
| 3.3 前后 N文字法的错误检测算法 | 第39-43页 |
| 3.3.1 算法的预先设定 | 第39-40页 |
| 3.3.2 基于记忆法的检测错误算法 | 第40-42页 |
| 3.3.3 算法的验证说明 | 第42-43页 |
| 3.4 错误检测中的数据平滑策略 | 第43-48页 |
| 3.4.1 文本窗口缩小的平滑策略 | 第43-46页 |
| 3.4.2 平滑延后策略 | 第46页 |
| 3.4.3 聚类词的平滑策略 | 第46-47页 |
| 3.4.4 平滑策略的实验结果 | 第47-48页 |
| 3.5 数据平滑后的错误检测算法 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 文本编辑错误的改正 | 第52-61页 |
| 4.1 文本编辑错误改正的语言模型 | 第52-53页 |
| 4.2 文本编辑错误改正的常用方法 | 第53-56页 |
| 4.2.1 最小编辑距离 | 第54页 |
| 4.2.2 易混淆集 | 第54-56页 |
| 4.3 字符动态权重分配的错误改正算法 | 第56-59页 |
| 4.3.1 分配权重的策略 | 第56页 |
| 4.3.2 自动构建易混淆集 | 第56-58页 |
| 4.3.3 最小编辑距离算法 | 第58-59页 |
| 4.4 几种错误改正算法的性能比较 | 第59页 |
| 4.5 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |