错别字识别功能 [问题点数：20分結帖人hpf]

目前做文章采集系统，需要对文章扫描自动识别错别字，这个功能该如何实现呢

大家有什么好的思路介绍下，我在百度上搜了丅没有合适的答案，一般就是用word文本矫正！

但是通过程序如何去调用呢，没指定的api

或者有没有比word更好的软件，能够通过程序访问实現的

听说汉王的文本矫正很不错，只是收费而且没有api,不知道如何用

英文的很多，中文的沒見過OK

听说汉王的文本矫正很不错只是收费，而且没有api,不知道如何用

英文的很多中文的沒見過OK

不理想，只有35%以下不信，你試試

听说汉王的文本矫正很不错只是收费，而且没有api,鈈知道如何用

英文的很多中文的沒見過OK

不理想，只有35%以下不信，你試試

還有OCR也是一個問題，但是最好時這個

对文本后缀序列做马尔科夫链

你可以得到一个概率模型，然后用贝叶斯分类确定错字。

有鳥用，中國幾千年文化了，你一個搞個丟，，

擦这么复杂讓你一个人做。。开玩笑呢吧这技术估计要有专门的人做的。。

都说了，只要能做出来能发吗？

 没有动力没有精力。

没有莋不也来只有没有人要，要人出高价“什么”都可以做到，除了生命时间这类做不到。

算法的效果取决于你能有多少语料库让它去學习

做个词句库+算法，是不是能解决这个问题呢

对文本后缀序列做马尔科夫链。

你可以得到一个概率模型然后用贝叶斯分类，确定錯字

我知道有中文分词组件。可以将中文分成词组

将你的文章利用这个组件分成词组。我想正确的应该是可以分成词组的如果有错別字的可能分出来的就不是词组了。没这样做过不知道行不行。你可以找个来试试

大神级别的问题啊。快来大牛！

先分词对于切分鈈确定的，用NGram语言模型处理

给你整句四川话看你能识别不？

等哈哈来我这忙，老火哦

盘古分词。你百度下就有，开放源码的。

别想了，word 的提示基本都是错的

差不多，每次用Word都是把这个功能给关了不过外国人对中文研究的可能不是太好，期待牛人！

给你整句㈣川话看你能识别不

等哈哈来，我这忙老火哦。

盘古分词。你百度下就有开放源码的。。

搜狗的智能输入就挺好的能提示错別字，你试一下从拼音入手……

国内有 黑马校对

这种软件 价格很贵的

狮识豕，豕识狮始，狮嗜舐豕；豕适豕时侍狮食柿，狮适时逝，狮始试豕势狮舐豕时，适时试噬豕狮嗜豕时，豕试噬狮狮嗜豕时，豕适示狮豕噬狮时，狮奭豕始识狮势实势。豕蓍筮筮礻：狮实誓噬弑豕。豕饰失势事事适狮。时时侍狮师事狮。试使狮释豕是时，豕视虱噬狮狮拭虱，狮实失适豕舐狮时，噬虱示獅豕时时噬虱示狮，使狮适狮视豕噬虱，狮释狮始识豕势实是噬虱，豕失势狮始矢誓弑豕。适时豕适噬虱示狮，狮示豕：豕噬虱失实豕实是试弑狮。狮始施狮式示豕豕视狮式，豕失屎狮始噬弑豕。狮噬食豕势豕失势，豕逝世

我这个稍微打错一个字，你看怎么识别

要弄真好的话，就那不了得了

首先，你遍历从字到词到句才能判定这个字出现是否合理；否则一个疯子乱说话，你都认為那是错字

分词系统就是程序写好以后，也是需要到一个特点领域去进行训练的因为有些语义是在特定领域下才是有意思的。就跟训狗一样你的用程序去训练你的分词库。

推荐参考下google的搜索引擎学术论文如果想找点思路，可以看看google黑板报上的一篇文章吴军写的，叫什么“浪潮之巅”.