汉语语料库词性标注自动校对方法研究

专业的语料库分析方法语料库是语言学和计算语言学中非常重要的研究资源，它是一种大规模的语言数据集合，通过对其中的文本进行分析，可以揭示语言使用的规律和特点。

本文将介绍一些专业的语料库分析方法，以帮助读者更好地理解和利用语料库进行研究。

一、语料库获取与构建语料库的获取是进行语料库分析的第一步。

目前，常见的方式包括手动构建语料库和利用自然语言处理技术从互联网上抓取文本数据。

手动构建语料库需要多人合作，通过收集、整理和标注文本数据，构建一个具有代表性的语料库。

这种方式对数据质量要求较高，但可以获得更加精细和专业的语言资源。

另一种方式是利用自然语言处理技术从互联网上抓取文本数据构建语料库。

这种方式可以获取大规模的文本数据，但需要对数据进行清洗和预处理，以确保数据的准确性和一致性。

二、语料库标注与注释语料库中的文本数据需要进行标注和注释，以便后续的分析和研究。

常见的语料库标注方法包括词性标注、句法分析、命名实体识别等。

词性标注是将每个单词与其所属的词性进行对应，句法分析则是分析句子的结构和成分。

命名实体识别可以识别出文本中的人名、地名、机构名等实体。

通过标注和注释，可以使语料库的数据更加有结构和可利用，为后续的分析提供基础。

三、语料库查询与分析语料库的查询和分析是通过提出特定的问题或假设，从语料库中获取相关的语言数据，并进行统计分析和语言学研究。

常见的语料库查询方法包括关键词查询、语境查询和词汇共现分析。

关键词查询可以指定一个或多个关键词，从语料库中检索包含这些关键词的文本。

语境查询则可以指定一个词的上下文环境，寻找与该词相关的语言现象。

词汇共现分析可以通过统计某个词与其他词之间的共现频率，揭示词汇之间的语义关系。

通过语料库查询和分析，可以得出一些关于语言使用规律和特点的结论，为语言研究和自然语言处理技术的发展提供依据。

四、语料库分析的应用领域语料库分析方法在多个领域具有广泛的应用。

下面简单介绍几个主要的应用领域：1. 语言学研究：语料库分析为语言学提供了大量真实的语言数据，可以揭示不同语言现象的规律和特点，如词汇使用频率、句法结构、语义关系等。

汉语中介语语料库建设研究沈锐1，黄薇2(1.红河学院教育技术系2.红河学院国际合作与交流处XX蒙自661100)【摘要】本文探讨母语非汉语学习者的汉语中介语语料库建设的主要思路以及具体实现方法，重点介绍了汉语中介语语料的加工方法以及语料数据库的设计思路，并阐明了该语料库在对外汉语教学和研究中的应用价值。

【关键词】语料库;中介语;汉语教学语料库是指按一定的语言学原则收集的语言文本或话语片断而建立的电子资料库。

本文所述汉语中介语料库是基于语言学中中介语理论设计与实施的。

中介语是心理语言学中第二语言习得的一种研究模式，其将语言学习者置于观察中心，去研究他们如何有意识地向目的语的正确形式迁移的各种动态表现。

中介语理论自20世纪60年代末出现并发展至今，虽然时间并不长，但越来越受到语言学家以及一线教师的关注。

无论是进行中介语研究还是使用中介语理论进行第二语言教学都需要收集分析大量的语料，因而通过信息化手段收集和整理语料变得十分迫切。

在对外汉语教学中，通过建设和使用母语非汉语学习者的汉语中介语语料数据库，可以收集不同背景和不同学习阶段外国学生及少数民族学生的汉语书面语和用文字转写的口语语料，并对语料属性、词汇、语法等单位进行计算机处理，以实现对各种条件和要求下的语料数据进行便捷的机器检索和提取，可以为研究母语非汉语学生学习和习得汉语的规律提供大量的各种单项的或综合的资料和信息。

因此，我们提出了建设汉语中介语语料库的课题，由于语料库建设是一项浩大的工程，限于人力物力条件，本文讨论的是中小规模的语料库。

一、需求分析和框架设计语料库建设不能盲目进行，首先要进行调研，对语料库的应用需求进行分析。

半自动化的语料库构建是目前语料库建设的主流技术，目的是在确保语料库质量的前提下，减少人工参与的比例，增加自动化程度，目标是在较短时间内建设一个有一定规模，质量可靠、可扩充、成本低，能够全面、细致地记录母语非汉语学习者在汉语学习过程中的语言表征和研究他们汉语习得过程的语料库。

语料库中语料的标注董爱华【摘要】In the application of corpora, annotation is a must to ESP text analysis, learner’s language analysis and bilingual translation study. To guarantee the validity of the research results based on corpora, annotation of the corpora must be accurate. This paper starts from introducing the principles, methods and patterns of annotation, then it tries to analyzehow to control the quality of annotation from several aspects, and it also aims to help the corpora users to test the quality of a certain corpus.%在语料库应用过程中,ESP文本分析、学习者语言分析及双语翻译研究等都要用到标注。

语料库语料标注的准确性是基于语料库的学术研究结果可靠性的前提。

文章介绍了语料库标注的原则、方法模式,并分析了控制标注质量的相关因素,目的是为标注语料库的使用者检验标注质量提供帮助。

【期刊名称】《北京印刷学院学报》【年(卷),期】2016(024)005【总页数】4页(P67-70)【关键词】语料库标注;原则;方法;模式;质量【作者】董爱华【作者单位】北京印刷学院外语部，北京102600【正文语种】中文【中图分类】H0从现代语料库语言学的角度来看，语料库应该具备三个方面的基本条件，即样本的代表性、规模的有限性和语料的机读化[1]。

中日对译语料库使用方法1.引言概述部分可以对中日对译语料库的使用方法进行简要介绍，包括介绍中日对译语料库的定义、特点和使用场景等。

概述部分内容如下：1.1 概述中日对译语料库是一个用于中日互译的语料库资源，它包含了大量的中文和日文文本对照数据。

这些数据可以帮助翻译人员准确理解中日两种语言之间的差异，提高翻译品质和效率。

中日对译语料库的特点有以下几个方面：首先，中日对译语料库的数据来源广泛，涵盖了各个领域的文本，包括新闻报道、学术论文、文学作品等。

这使得翻译人员可以在不同领域中寻找对应的文本进行研究和学习。

其次，中日对译语料库具有真实的语言应用情境，这些数据是从真实的语言环境中采集而来，保留了原始文本的真实特点。

有了这些真实的语料库数据，翻译人员可以更好地理解中日两种语言之间的差异和表达方式。

此外，中日对译语料库还包含了大量的双语对照句子和句子片段，这些对照数据对于翻译人员而言是非常宝贵的资源。

通过对比两种语言的表达方式和句子结构，翻译人员可以更准确地选择合适的翻译策略和词汇选择。

最后，中日对译语料库的使用场景非常广泛。

无论是在翻译工作中，还是在中日语言学习和教育中，都可以借助中日对译语料库来提高翻译质量和学习效果。

同时，中日对译语料库也为机器翻译等自然语言处理技术的发展提供了宝贵的资源支持。

综上所述，中日对译语料库具备广泛的数据来源、真实的语言应用情境、双语对照数据和多样的使用场景等特点，对于翻译人员和语言学习者而言，它是一项重要的资源工具，能够提供丰富的语言知识和实用的翻译参考。

在接下来的文章中，我们将详细介绍中日对译语料库的构建方法和使用技巧。

1.2 文章结构本篇文章主要包含引言、正文和结论三个部分。

引言部分将通过概述、文章结构和目的三个小节来介绍本文的整体框架和目标。

在概述部分，将简要阐述中日对译语料库的重要性和应用领域，以引发读者的兴趣。

在文章结构部分，将提供整篇文章的目录并简要介绍各个部分的内容安排。

语料库引言语料库是自然语言处理和文本分析中非常重要的资源。

它是大量有序的文本数据的集合，用于研究和分析自然语言的结构、语法和语义。

语料库的建立既可以依赖于人工的文本收集和整理，也可以通过网络爬虫等自动化的方式获取。

本文将介绍语料库的定义、类型、应用和建立方法等内容。

一、语料库的定义语料库是由大量文本信息组成的有序集合，可以涵盖广泛的领域和主题。

语料库可以包含书籍、报纸、杂志、电影字幕、社交媒体信息等不同来源的文本数据。

这些文本数据以电子文档的形式存储，方便进行搜索和分析。

语料库不仅包含自然语言的表达，还包括文本的元数据信息，例如作者、出版日期、地理位置等。

这些信息可以帮助研究人员更好地理解文本的背景和语境。

二、语料库的类型根据语料库的来源和用途，可以将其分为不同的类型。

1. 原始语料库：原始语料库是从真实的文本数据中收集而来的，通常包含大量的未经处理的文本。

原始语料库可以覆盖多个领域和主题，有助于研究人员深入了解各种语言现象。

2. 标注语料库：标注语料库是在原始语料库的基础上进行了人工标注的语料库。

标注可以包括分词、词性标注、句法分析、语义标注等。

标注语料库可以用于训练和评估自然语言处理的算法和模型。

3. 平行语料库：平行语料库是包含双语或多语文本的语料库，可以用于机器翻译和跨语言信息检索等任务。

平行语料库中的文本在语义和结构上是对应的，可以用于训练和评估翻译模型的准确性。

4. 专门领域语料库：专门领域语料库是根据特定领域或主题进行了选择和整理的语料库。

例如医学领域的语料库可以收集和整理包含医学术语和知识的文本，有助于医学研究和医学文档的分析。

三、语料库的应用语料库在自然语言处理和文本分析的研究中具有广泛的应用。

1. 语言模型训练：语料库可以用来训练语言模型，提高自然语言处理任务中的语言理解和生成能力。

通过学习大规模的文本数据，语言模型可以预测下一个词的概率、处理歧义和生成连贯的语言表达等。

2. 文本分类和情感分析：语料库可以用来训练文本分类器和情感分析模型。

中文分词错误纠正算法与优化中文分词是自然语言处理中的重要任务之一，它将连续的中文文本切分成有意义的词语，为后续的文本处理和语义分析提供基础。

然而，由于中文的特殊性，分词中经常出现错误，如歧义词的切分、未登录词的处理等。

因此，研究中文分词错误纠正算法与优化成为了一个热门的研究方向。

一、中文分词错误的原因分析中文分词错误主要源于以下几个方面：1. 歧义词切分：中文中存在大量的歧义词，即同一组汉字可以有多种不同的切分方式，例如“北京大学生喝进口红酒”。

正确的切分应该是“北京/大学生/喝/进口/红酒”，而错误的切分可能是“北京/大学/生/喝/进口/红酒”。

2. 未登录词处理：未登录词是指分词词典中没有收录的新词或专有名词。

由于中文的词汇量庞大且不断更新，分词词典无法及时收录所有的新词，因此会出现未登录词的情况。

例如，“微信红包”在分词词典中可能无法找到对应的切分规则。

3. 语料库不完备：中文分词算法通常依赖于大规模的语料库进行训练和模型构建。

然而，由于语料库的不完备性，某些特殊领域或方言的词语可能无法被准确地切分。

二、中文分词错误纠正算法为了解决中文分词中的错误问题，研究者们提出了一系列的算法和方法：1. 基于规则的方法：基于规则的方法通过事先定义一系列的切分规则来进行分词，例如最大匹配法和最短路径法。

这些方法简单易懂，但对于歧义词和未登录词的处理效果较差。

2. 基于统计的方法：基于统计的方法通过统计语料库中的词频和词组频率来进行分词。

这些方法可以较好地处理歧义词和未登录词，但对于语料库不完备的情况下会有一定的限制。

3. 基于机器学习的方法：基于机器学习的方法通过建立分类器或序列标注模型来进行分词。

这些方法可以通过训练大规模的语料库来提高分词的准确性和泛化能力，但需要较多的训练数据和计算资源。

三、中文分词错误纠正的优化除了算法层面的优化，还可以从以下几个方面对中文分词错误进行优化：1. 词典的更新：及时更新分词词典，收录新词和专有名词，以提高分词的准确性。

专业的语料库分析语料库分析是一种研究语言使用和语言变化的方法，通过收集、整理和分析大量的语言样本，可以深入了解语言的特点和规律。

在今天的信息时代，语料库分析成为了语言学研究、翻译教学、自然语言处理等领域中不可或缺的工具。

本文将介绍语料库分析的定义、意义和应用，并探讨如何进行专业的语料库分析。

1. 语料库分析的定义与意义语料库分析是指通过采集和分析大量的自然语言文本，以了解语言形式、语义和语用的使用规律。

语料库是包含真实语言文本的大型数据库，可以包括书面文本、口语对话、新闻报道等多种类型。

语料库分析的主要目的是揭示语言的普遍规律和变异现象，帮助我们理解语言的真实使用情况。

语料库分析的意义在于：- 提供可靠的语言数据：语料库中的文本是真实的、自然的语言使用样本，与人们日常使用的语言相符合。

因此，通过语料库分析可以获得更加真实可靠的语言数据，而不仅仅依赖于语言学家的直觉和主观判断。

- 揭示语言的普遍规律：通过对大量语料的统计分析，可以发现语言的普遍规律和共性特征。

这些规律和特征可以用来解释语言学上的问题，如语音、语法和语义等方面的规律。

- 研究语言变异：语料库分析不仅能揭示语言的共性规律，还能研究语言的变异情况。

通过比较不同文体、不同地区、不同社会群体的语言数据，可以了解语言的变异现象，如方言、社会变异和时代变异等。

2. 语料库分析的应用领域语料库分析在语言学研究以及其他相关领域中有着广泛的应用。

下面列举几个常见的应用领域：2.1 语言学研究语料库分析为语言学研究提供了重要的工具和方法。

通过对语料库进行统计分析，可以验证和推测语言学理论，探讨语言的结构和功能，研究语言的变化和发展等。

语料库分析可以帮助语言学家更好地理解自然语言的特点和规律。

2.2 翻译教学语料库分析在翻译教学中的应用越来越广泛。

通过对双语语料库的对比分析，可以揭示两种语言之间的差异和相似之处，帮助学生理解和掌握翻译的技巧和策略。

语料库分析还可以用来构建机器翻译系统，提高翻译效率和质量。

一、研究基础语料语言学库研究范式利用语料库研究语言或者语言变体就是语料库语言学。

语料库语言学形成了独特的研究范式，包括研究目的、研究对象和研究方法。

各种语料库为包括阅读在内的教学提供了丰富的素材。

教师可从中提取大量的语言素材，创造真实语境，摆脱了传统教学的一些弊端。

基于语料库的研究主要从三个方面开展词汇、句法和语篇。

下面我们从这三个方面简述语料库研究的思路。

词汇是指词素、单词、连续的短语和词块等。

这是语料库研究的优势所在。

在词汇方面，-通过对的探讨提出了语料库中词项分析的思路。

具体来说，在词汇分析时，首先检索一个或者多个词项，在索引行中观察分析词项的搭配情况，概括词汇的搭配关系，归纳出与词项有关的类联接。

然后基于这些形式上的分析可进一步探索词项的语义倾向问题以及词项的感情色彩等语义韵问题。

语言句法层面研究关注的焦点是句法结构，或者称为型式。

在语料库研究范式下，对句法结构的研究需要对语料库中的语料进行词性标注，并使用正则表达式进行复杂检索以深度挖掘。

目前研究最多也是技术操作上最为成熟的句法结构为类联接。

类联接是句法层面的结伴关系，包括词的类联接、词组或短语的类联接、词类或语法类的类联接，是搭配的更高层次，与语言的句法层面有密切关系。

通过类联接不仅可以探讨语义韵等语义方面的问题，还可以研究某些结构所体现的社会文化属性，从而洞察语言的语体和语用等方面。

二、基于语料库语言学的读写教学模式构建一悉尼学派基于语类的读写教学法前两个阶段侧重阅读教学，而后两个阶段重点是写作教学。

所有四个阶段处于循环中。

在设定的真实的情景中，教师与学生磋商、互动以充分理解阅读文本，同时学生不断获得教师关于语类的知识，直至能够单独完成语篇的写作。

二语料库语言学视角下的读写教学模式构建阅读和写作的结合在语料库语言学框架下有方法和技术上的保障，再加上系统功能语言学悉尼学派语类理论的坚实理论基础，在基于语类的读写教学法中引入语料库和语料库方法具有极大可行性。

语料库标记与标注以中国英语语料库为例一、本文概述本文旨在探讨语料库标记与标注的重要性及其在中国英语语料库中的应用。

我们将简要介绍语料库的定义和类型，以及标记与标注在语料库建设中的作用。

接着，我们将以中国英语语料库为例，详细阐述语料库的标记与标注过程，包括标记符号的选择、标注规则的制定以及标注质量的控制等方面。

在此基础上，我们将进一步探讨语料库标记与标注对于语言研究、自然语言处理以及机器翻译等领域的影响和应用价值。

我们将总结当前语料库标记与标注研究中存在的问题和挑战，并展望未来的发展趋势和研究方向。

通过本文的阐述，我们希望能够加深对语料库标记与标注的理解，推动中国英语语料库的建设和发展，为相关领域的研究提供有益的参考和启示。

二、语料库的基本概念与分类语料库（Corpus）是以电子形式存储的语言材料的集合，通常包括文本、音频或视频等形式的语言数据。

语料库语言学是语言学的一个分支，专注于利用语料库进行语言研究。

在语料库语言学中，语料库被视为一种研究工具，可用于描述语言的实际使用情况，揭示语言的规律，以及评估语言教学和自然语言处理的效果。

语料库可以按照不同的标准进行分类。

按照语料库的来源，可以分为原生语料库（native corpus）和编译语料库（compiled corpus）。

原生语料库是直接收集的自然语言文本，如新闻报道、文学作品、社交媒体帖子等。

编译语料库则是由多个不同来源的文本经过整理、清洗和标注后形成的。

按照语料库的内容，可以分为通用语料库（general corpus）和专用语料库（specialized corpus）。

通用语料库包含各种类型的文本，旨在反映语言的整体使用情况。

专用语料库则针对某一特定领域或主题，如医学、法律、科技等领域的语料库。

按照语料库的处理程度，可以分为生语料库（raw corpus）和标注语料库（annotated corpus）。

生语料库是未经处理的原始文本，而标注语料库则对文本进行了各种形式的标注，如词性标注、句法标注、语义标注等。

Ｃｏｍｐｕ￣ｒＥｎｇｉｎｅｅｒｉｎｇ　ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用　２０１０，４６（２０）　９９　英汉机器翻译系统中的词性标注研究　王永生　ＷＡＮＧ　Ｙｏｎｇ—ｓｈｅｎｇ　

同济大学出国培训学院，上海２０００９２　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｅｄｕｃａｔｉｏｎ　Ｃｏｌｌｅｇｅ　ｏｆ　Ｔｏｎ￣ｉ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２０００９２，Ｃｈｉｎａ　Ｅ・ｍａｉｌ：ｙｓｈｗａｎｇｔｊ＠ｈｏｔｍａｉｌ．ｃｏｍ　

ＷＡＮＧ　Ｙｏｎｇ—ｓｈｅｎｇ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｐａｒｔ－ｏｆ－ｓｐｅｅｃｈ　ｔａｇｇｉｎｇ　ｕｓｉｎｇ　ｄｅｃｉｓｉｏｎ　ｔｒｅｅｓ　ｉｎ　Ｅｎｇｌｉｓｈ－Ｃｈｉｎｅｓｅ　ｍａｃｈｉｎｅ　ｔｒａｎｓｌａｔｉｏｎ　ｓｙｓ－　ｔｅｒｎ．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ。２０１０。４６（２０）：９９－１０２．　

Ａｂｓｔｒａｃｔ：Ｐａｒｔ—ｏｆ－ｓｐｅｅｃｈ　ｉｓ　ｆｕｎｄａｍｅｎｔａｌ　ｔｏ　Ｅｎｇｌｉｓｈ—Ｃｈｉｎｅｓｅ　ｍａｃｈｉｎｅ　ｔｒａｎｓｌａｔｉｏｎ．Ｔｈｉｓ　ｐａｐｅｒ　ｄｅｓｃｒｉｂｅｓ　ａｎ　ｕｎｓｕｐｅｒｖｉｓｅｄ　ｌｅａｒｎｉｎｇ　ｏｆ　ｐａｒｔ—ｏｆ－ｓｐｅｅｃｈ　ｔａｇｇｉｎｇ　ｕｓｉｎｇ　ｄｅｃｉｓｉｏｎ　ｔｒｅｅｓ，ｏｎｌｙ　ｕｎｄｅｒ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｏｆ　ａ　ｌｅｘｉｃｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：Ｅｎｇｌｉｓｈ—Ｃｈｉｎｅｓｅ　ｍａｃｈｉｎｅ　ｔｒａｎｓｌａｔｉｏｎ；ｐａｒｔ—ｏｆ－ｓｐｅｅｃｈ　ｔａｇｇｉｎｇ；ｄｅｃｉｓｉｏｎ　ｔｒｅｅ　

摘要：词性标注是英汉机器翻译系统中一个基础性的研究课题。提出了一种基于决策树的词性标注的非监督学习算法，在只　有一个词库的有限条件下，通过决策树进行词性标注的非监督学习，生成词性标注规则。　关键词：英汉机器翻译；词性标注；决策树　ＤＯＩ：１０．３７７８０．ｉｓｓｎ．１００２—８３３１．２０１０．２０．０２８　文章编号：１００２—８３３１（２０１０）２０—００９９—０４　文献标识码：Ａ　中图分类号：ＴＰ３９１　

“兰卡斯特汉语语料库”介绍1许家金（北京外国语大学中国外语教育研究中心，北京 100089，北京）提要：本文介绍“兰卡斯特汉语语料库”（简称LCMC）的取样方案、文本构成、标注体系和应用方面的概况。

该语料库是依照英国英语语料库FLOB的取样方案和规模创建的可比汉语语料库，适合开展英、汉语对比研究，同时也适合汉语研究。

关键词：汉语语料库；LCMC；对比研究1.0 前言“兰卡斯特汉语语料库”（The Lancaster Corpus of Mandarin Chinese，简称LCMC）系旅英学者肖忠华博士创建的现代汉语平衡语料库。

该语料库严格按照FLOB （Freiburg-LOB Corpus of British English）模式编制，它的建成有助于开展基于语料库的汉语单语或汉英（英汉）双语对比研究及汉语研究。

2.0 LCMC语料库概况LCMC语料库是一个100万词次（按每1.6个汉字对应一个英文单词折算）的现代汉语书面语通用型平衡语料库。

起先建立时，它是作为英国经社研究委员会资助项目Contrasting Tense and Aspect in English and Chinese的部分成果。

肖忠华最初的设想是要将其建成同FLOB和FROWN对应的现代汉语语料库。

筹建这样的一个语料库的另一个动因是：尽管已经有很多汉语语料库存在，但却没有一个完全免费对公众开放的平衡的汉语语料库2。

2.1 取样模式与文本收集考虑到LCMC主要做对比研究之用，肖忠华创建语料库之初就确定了对比的对象。

一方面，在短期内想要建成像BNC那样的逾亿词次的语料库并不现实。

另一方面，要建立同LOB和Brown平行的语料库的问题在于很难找到1961年前后材料的电子文本。

于是，最后对比目标被锁定在语料出版年份主要是1991、1992年的100万词次的FLOB上。

鉴于同时还有与FLOB对应的美国英语语料库Frown的存在，LCMC建成以后也可与美国英语进行比较。

基于n-gram及依存分析的中文自动查错方法*马金山刘挺李生（哈尔滨工业大学计算机学院信息检索研究室 150001）E-mail: {mjs,tliu,ls}@摘要：自动校对是自然语言处理领域中一个有着广阔应用前景的研究方向。

本文使用字的三元模型对文本进行局部的分析与错误查找，同时将依存文法分析应用于自动校对中，由于依存文法对句子进行全局分析，指出了句子中词与词之间的依存关系，所以能够有效的查找出文本中的远距离搭配错误，补充了n元语法的不足。

结合对文本的散串分析，本文提出了一个较为理想的中文自动查错方法。

关键词：自动校对，自然语言处理，n-gram模型，依存分析A method of automatic detecting errors based on n-gram anddependency relationship analysisMa Jinshan Liu Ting Li Sheng(Information Retrieval Lab, School of Computer Science and Technology, Harbin Institute of Technology, 150001)E-mail: {mjs,tliu,ls}@Abstract: Automatic proofreading opens up broad possibilities for the application of natural language processing. In this paper, character trigram is used for analyzing the part of sentence and detecting local errors. Then dependency grammar is introduced into automatic proofreading. Dependency relationship analysis parses the whole sentence and denotes dominating and dominated relation among the words, so it is helpful to detect collocation errors with long distance, efficiently filling up the deficiency of n-gram. Finally an ideal system of automatic detecting errors is obtained with processing disperse string of text.Keywords: automatic proofreading, natural language processing, n-gram model, dependency relationship analysis1 前言自动校对是利用计算机自动查出在文本输入过程中产生的一些的错误，无论是对理论研究还是对实际应用，这项工作都有着重要的意义。