随着Web2.0技术和社会媒体的高速发展,人们以网络为媒介,在各类社会媒体中自由发表言论。同正规的新闻文本相比,用户生成的社会媒体文本存在大量的错别字、谐音词语等病态输入或非标准的表述形式。如何准确地识别并纠正这些非标准表达已成为面向社会媒体的自然语言处理相关研究面临的一个重要挑战。本文在深入分析社会媒体文本中存在的错别字和谐音词语的分类及其分布基础上,分别采用统计语言模型和语义相似度两种方法探索错别字校对和谐音词语校对问题,以提高文本的可读性和规范性,为后续的社会媒体研究工作打下良好的理论基础和应用基础。具体地,本文从以下两个方面展开研究:1.基于语言模型的社会媒体文本校对。错别字和谐音词语作为中文最常见的病态输入或非标准表述,大量存在于社会媒体文本中。本文采用基于音素和形近字表两种方法构造错别字正字候选,通过构建不同粒度的谐音还原知识库构造谐音还原候选集。然后,在N元语法模型的框架下,从错别字正字候选集和谐音词语还原候选集中进行语言解码,以确定相应的校对结果。实验结果表明,当训练语料规模足够大时,三元语言模型具有更准确的描述能力,采用三元新闻文本训练的语言模型进行语言解码工作有利于提高错别字和谐音词语校对性能。2.基于语义相似度的社会媒体文本校对问题。测试句子与校对后标准句子具有相同的语义信息,因此本文提出从语义角度出发,利用语义特征实现文本校对工作。首先,利用词嵌入模型从大量未标注的普通文本数据中无监督地学习出词向量。然后,获取候选词语及其上下文的词向量。最后,通过计算语义相似度选取最佳候选,实现错别字和谐音词语的校对工作。实验结果表明,基于语义相似度的方法对文本校对工作有效。