文本自动校对是一项无论在实际应用还是在科学研究中都十分重要的工作.该文全面调研了现阶段国内外文本自动校对研究的现状.国外在英文自动校对方面的研究较为成熟,目前已经达到实用化的阶段;而由于语言的差异,中文的自动校对存在许多困难.现阶段国内关于自动校对的研究多使用基于规则和小规模统计的方法,该文在大规模的真实语料的基础上,进行了统计建模的研究工作,并将依存语法分析应用于自动校对,得出一个较好的中文自动校对模型.该文以大规模的语料作为训练集,构建了四个n-gram模型,在六万句的测试集上,分别对这四个模型进行校对实验,实验结果表明,对中文自动校对问题,字的三元模型效果最好,它能查出文本中大多数的局部错误,F值为63％.然后,该文将依存文法分析应用于自动校对中,由于依存文法能够表示出句子中各个结构之间的支配与被支配关系,从整体上描述了句子的结构关系,所以能够查找出文本中的远距离搭配错误,补充了n元语法模型的不足,使校对的召回率提高了约6个百分点.随后,该文应用模糊匹配的方法实验了自动提供候选词的工作.在系统的实现中,该文根据文本错误的特点,对句子中的散串进行了特殊处理,提高了系统校对的准确率.最后,该文将这三种方法融合在一起,组成一个实验效果达到最佳的校对系统,对真实文该的测试中,系统的F值为62.5%,高出Microsoft Word十个百分点.由此可以看出,基于三元字模型的局部错误查找结合基于依存分析的全局错误查找,再加上散串处理,是一个很好的校对模型,可有效的查出文本中的多数错误.另外,该文将依存文法分析应用于中文自动校对中,对促进自动校对的研究工作以及推进依存文法在对自然语言处理方面的应用会产生一定的积极作用.