语音识别是非常重要的人机交互技术,但要得到广泛实用化还需进一步提高语音识别正确率。用自然语言理解方法研究语音识别后文本的检错纠错,将是提高语音识别性能的一个重要研究方向。本文提出基于实例语境的语音识别后文本检错纠错方法,以语境信息为主,综合利用语法、语义、语境多种信息资源对语音识别后文本进行检错纠错,提高文本的鲁棒性理解。主要研究工作和成果有：1.研究语境知识的表示和计算。本文提出了基于实例的语境表示方法,用语境关联度来度量语境知识。在此基础上,构建了语境知识库。2.研究句子相关度的计算方法。本文采用基于词语相关度加权的方法。词语相关度包括了词语语义相似度和词语与语境核心词的语境关联度,并且考虑了词序因素。3.将以语境信息为主导,综合语法、语义信息的自然语言理解算法应用于语音识别后处理,设计了基于实例语境的语音识别后文本检错纠错系统。该系统包括定位锚点词、实例抽取、检错和纠错四个模块。根据语法的拼音分析和语境的核心词表来定位锚点词；根据综合了语义和语境的句子相关度计算来抽取实例；最后在实例语境中考察语境和谐度,进行检错并纠错,输出优化文本。经过实现与系统测试,验证了该方法的可行性和有效性,使语音识别正确率提高了约20%。