随着网络新媒体时代的到来,用户生成的海量文本充斥了互联网,这些文本可能包含大量不规范的文字表达。伴随中国综合国力的日益提高,将汉语作为外语的学习者人数也日益增加,初学者可能在学习汉语的过程中出现各种错别字。本文就汉语错别字校对任务进行探索,探究应用神经网络技术对汉语错别字进行自动检测与纠正的方法。本文内容囊括以下的三个方面:基于神经机器翻译的汉语错别字检测与纠正、基于序列标注模型的汉语错别字检测与纠正、融入拼音与笔画特征的汉语错别字检测与纠正。基于神经机器翻译的汉语错别字检测与纠正。本文将汉语错别字校对视作从错字序列到正字序列的机器翻译问题,本文提出的基于神经网络机器翻译的模型,应用了Transformer和Copy Net网络以提高检测和纠正性能。通过采用不同的Word Embedding的进一步探究预训练机制对模型性能的提升。基于序列标注模型的汉语错别字校对。由于基于机器翻译的模型对语料规模依赖较大,针对错别字语料获取困难的特点,本文采用基于序列标注模型进行错别字的检测与纠正任务,降低了模型复杂度。本文采用了Bi-LSTM以及Bi-GRU模型,从正序和逆序双向获取输入序列的语义信息,使用CRF层和Softmax函数对网络的输出进行解码,对输入序列中的汉字逐个预测正字。最终实验结果证明基于序列标注模型的错别字检测与校对的性能优于基于神经机器翻译的模型。融入拼音与笔画特征的汉语错别字校对。错别字类型可分为形近错别字和音近错别字,针对这两种错字成因,本文利用汉字中的因素和结构信息,在序列标注模型的基础上融入了拼音和笔画特征,以字符向量的方式通过卷积神经网络与字的词向量相拼接。实验结果表明融入外部特征的模型性能更优。