随着互联网数据的快速增长,互联网信息质量也不断下降。但新闻出版、广播电视等部门又对文本质量有很高的要求,而这些行业的校对工作仍以人工为主,在词语、拼音、数字、符号等方面均存在或多或少的问题,因此文本的自动校对具有实际意义。本文研究字词级文本自动校对,包括文本自动查错和自动纠错两部分。文本自动查错采用联合模型,自动纠错是基于错误类型采用针对性的方法。自动查错和纠错的具体内容如下:(1)本文设计的自动查错是采用条件随机场(CRF)和n-gram散串相结合的联合查错模型,该模型首先分别使用条件随机场和n-gram散串进行文本查错;然后融合二者结果生成最终查错结果。文本查错的实验结果表明,检测层的正确率达到95.8%,识别层的正确率达到39.5%。(2)本文文本中字词级错误可以分为缺失、冗余和误代三种错误类型,针对不同的错误类型分别采用不同的方法进行纠正。其中缺失类型使用语言模型进行纠正,冗余错误采用直接删除法,误代错误采用同音词词典进行纠正,本文着重介绍基于语言模型和基于同音词词典的纠错方法。文本纠错的纠正率结果达到16.7%。本文设计并实现了文本的自动校对系统。系统分为两个模块:自动查错模块和自动纠错模块。自动查错模块包含条件随机场查错功能和n-gram散串查错功能;纠错模块包含缺失纠正功能、冗余纠正功能和误代纠正功能。