محسن عرب سرخی - مسئول تحقیق و توسعه، شرکت داده پردازان دوران، گروه پردازش زبان طبیعی
هشام فیلی - قائم مقام شرکت داده پردازان دوران
محمد آزادنیا - مرکز تحقیقات مخابرات ایران، پژوهشکده فناوری اطلاعات، گروه تخصصی بوم

در این مقاله به ارائه یک سیستم تصحیح گر خودکار خط اهای املایی زبان فارسی پرداخته م یشود. این سیستم میتواند جهت پس- پردازش برای تصحیح خودکار متون حاصل از نر مافزارهای بازشناسی حروف بصر ی(OCR) و یا تص حیح متون نوشتا ری انسا نی مورد استفاده قرار گیرد. بخشهای مختلف این سیستم عبارتند از: لغتنامه زبان فارسی، الگوریتم تشخیص خطاها و الگوریتم تصحیح کلمات خطادار که با استفاده از توابع ابتکاری بخصوصی خطاهای موجود در متن مدل شده و تصحیح میگردد. برای تشخیص کلمات غلط از یک لغت نامه که بصورت خودکار تولید م یشود، استفاده شده و پس از آن، مناسبترین کلمه صحیح انتخاب م یگرد د. در انتخاب مناس بترین کلمه صحیح از توابع ابتکاری مختلفی استفاده م یگردد که بر حسب آنکه متن ورودی، تایپی یا حاصل از خروجی نر مافزار بازشناسی حروف بصر ی باشد، تعریف شد هاند. آزمایشات مختلف در این پژوهش نشان داده است که با استفاده از لغتنامهی دقیق از کلمات زبان فارسی در دامنه متون مورد بحث میتوان به نتایج قابل توجهی در تصحیح خطاهای متنی دست یافت.

پسپردازش خودکار تصحیح متون، توابع ابتکاری، زبان فارسی