在全球化的背景下,汉语成为全球最受欢迎的语言之一,对于汉语学习者而言,学习者不具有丰富的系统化的语法知识,加之在母语的影响下,难以准确地识别和修正语法错误,故中文语法纠错系统就变得十分有必要。在出版业,电子文档数量显著增加,日益趋于丰富,人工纠错方式需要消耗较多的时间和精力,利用中文语法纠错系统,可以在很大程度上降低人力成本。本文针对中文语法纠错任务,提出了一种基于混合模型的语法纠错方案。错误分为低级别语法错误和高级别语法错误,针对低级别语法错误的纠正采用N-gram与CRF模型进行纠错,面对高级别的语法错误纠正,可以将纠错任务交给深度神经网络模型来解决,中文语法纠错系统的核心在于纠错功能的实现,这主要依赖于多种深度模型的运用,rnn＿attention、rnn＿crf、conv＿seq2seq、seq2seq＿attention、Transformer、BERT,各模型可独立运行。实验所用到的纠错数据集源自2018 NLPCC公开的训练语料,通过预处理得到平行语料,取三万条句子当作测试集,剩下的作为训练语料,划分方法采用随机划分的方式,将各个句子和与之对应的正确语句构成样本对,将该语料用于训练深度神经网络模型,此外,各模型均可独立的预处理数据、训练、预测,语法错误的纠正效果显著。完成了中文语法纠错系统核心模块的构建与优化,在交互功能的实现方面的基础上,实现了B/S模式的中文语法自动纠错系统,运用到了Flask框架,Flask是轻量级可指定框架。本课题所构建的中文语法自动纠错系统可以实现加载自定义混淆集,关闭字粒度纠错等功能,可以纠正中文文本中常见的语法错误。