[发明专利]一种自动更正部分文字的方法-由中文词性判断

说明书

本发明主要涉及对“的”、“得”、“地”三字的判断更正。译员在翻译完成稿件后，本方法将自动检查译员稿件中使用的“的”和“得”和“地”，根据规则，如果用错，会自动更正成正确的“的”或“得”或“地”。根据本发明提供的方法，首先检测出文档中所有包含“的”、“得”、“地”的句子，根据分词方法判断其属于实词还是虚词；属于实词的时候，直接跳过；否则，根据相关规则进行“的”、“得”、“地”的修正判断。采用本发明，可以提高翻译文档的表达准确性，避免现有技术中人工核实的效率低下问题。

技术领域

本发明属于文档处理技术领域，尤其涉及一种自动更正部分文字的方法。

背景技术

在中文语法中，“的”、“得”、“地”用作虚词时，是连接文章中词与词，字与字之间的重要桥梁，在各种书面表达中使用十分广泛。然而，很多人并没有清楚的知晓三者的区别，通常相互混用，甚至全部用“的”代替。

从语法研究上看，吕叔湘、朱德熙所著《语法修辞讲话》认为“的”兼职过多，负担过重，而力主“的、地、得”严格分工。50 年代以来的诸多现代汉语论著和教材，一般也持这一主张。

从书面语中的使用情况看，“的”与“地”、“得”的分工也日趋明确，例如，在逻辑性很强的论述性、说明性语言中，如法律条款、学术论著、外文译著、教科书等情形中，必须严格区分三者的使用情况，才能保证书面语言的精确。特别是将上述相关的外文材料，例如法律条款/新闻稿/公文，翻译成中文时，为了保证原文的准确性，更是不能混淆。无论从新闻出版界奉为标准的《现代汉语词典》“的”“得”“地”词条来看，还是《人民日报》、新华社和正规出版社的实践来看，都是严格区分的。“的”、“得”、“地”三字的乱用，只会导致译文最终贻笑大方。

但是，当前大多数翻译人员在翻译时并没有注意到这一问题，经常出现翻译错误，或者随意的给出“的”、“得”、“地”的某一种翻译，而没有兼顾原文的准确含义；另外，在翻译时如果一一准确推敲该采用哪一种表达，又会导致翻译效率低下，因此，译员也有可能选择翻译时不严格推敲，事后再校对的方法，但是这种方式并不能保证结果的准确性，同时也耗费译员精力。

简单来说，“的、地、得”在普通话里都读轻声“de”，但在书面语中有必要写成三个不同的字：在定语后面写作“的”，在状语后面写作“地”，在补语前写作“得”。这样做的好处，就是可使书面语言精确化。

虽然这一使用规则为语言学者所熟知，但是对于译员来说，其需要再给出中文句子翻译结果之后才能使用上述规则，在文档翻译量巨大的情形下，一一人工甄别是不现实的；另外，大部分翻译工作者不是严格掌握语法规则的研究人员，其注重的可能更多是实质内容本身，而不会重视这三个字的重要性；更重要的是，“的、地、得”只有在做虚词的时候才会出现上述情况，处于实词构成部分的“的、地、得”是不需要考虑上述问题的，因此，简单采用三字查找的方式，徒增工作量。

另外，即使知晓了上述“的、地、得”的使用规则，但是在中文语料中，对于所谓定语/状语/补语的定义，由于计算机并不能严格定义其特征，无法精确识别，因此，无法直接将上述判断方法计算机流程化实现。

发明内容

为了解决文档中有关“的、地、得”错误使用的问题，本发明提供了一种自动更正方法。该方法首先定位出文档中所有作为虚词使用的“的、地、得”，然而根据相应的规则，对其进行更正。

所述方法可以采用计算机技术全自动的实现。根据处理思路的不同，存在两种不同的更正方法。

在第一方面，本发明提供的一种自动更正部分文字的方法，包括如下步骤：

S1. 对待更正文档进行分句处理，得到多个句子；

S2. 提取包含所述特定文字的句子，将其依序存储到序列表中；