利用 QALB 语料库中提供的经过标注的代表有错误和更正版本的句子，本文的系统使用不同的机器学习模型对四种类型的拼写错误（修改、前添加、拆分和合并）进行修正，最终在 QALB 2014 年 “自动阿拉伯语错误修正” 任务中获得了 6 名中的第六名，F1 得分为 0.6。

Sep, 2014

该研究介绍了一种新的语料库，即 GitHub Typo Corpus，旨在提供全球最大的单词拼写错误和语法错误数据集，以帮助 NLP 任务。基于该数据集的初步研究结果表明，该数据集可以作为一个新的拼写错误数据源，补充现有的数据集。

Nov, 2019

使用不同的 seq2seq 模型架构（如递归神经网络（RNN）和 Transformer）和人工数据生成进行错误注入，本研究介绍了一种用于阿拉伯语拼写纠正的框架 AraSpell，并通过彻底的实验研究提供了所提方法的有效性的经验论据，其与标记数据相比，词错误率（WER）和字符错误率（CER）分别达到了 4.8% 和 1.11%，与标记数据相比，CER 分别为 2.9%，WER 为 10.65%。这些结果都是在一个包含 100K 个句子的测试集上获得的。

May, 2024

通过数据增强和递归神经网络，我们提出了一种解决在线市场拼写错误的方法，以找到用户查询和可用产品名称之间的最佳匹配。这种数据高效的解决方案证明了受控高质量合成数据在当前依赖于庞大且常常无法控制的数据集的大型语言模型的背景下可能成为强大的工具。

Aug, 2023

使用新的多阶段方法生成 OCR 错误的人工训练数据集，并进行超参数优化，以构建有效的神经网络来纠正希伯来语的 OCR 后校正。

Jul, 2023

本研究通过创新方法训练一种轻量级神经网络，用于希伯来语 OCR 后处理，使用少量手动创建的数据。通过实验发现，使用所提出方法训练的网络比随机生成错误更有效，性能强于 OCR 后校正和复杂拼写检查的最新神经网络。这些结果对许多数字人文项目具有实际意义。

Jul, 2023

这项研究旨在分析在文本文件中出现的各种错误，并利用两种先进的深度神经网络语言模型 (BART 和 MarianMT) 纠正文本中存在的异常。通过可用的数据集进行这些模型的迁移学习，以调整其错误纠正能力。通过比较研究发现，虽然这两种模型都可以将错误句子减少 20+%，但 BART 在拼写错误 (24.6%) 方面表现得更好，而在语法错误 (8.8%) 方面表现较差。

Mar, 2024

本文介绍了一种针对波斯文印刷文本识别的新型大规模数据集，该数据集包含 2003541 个图像并提供各种字体、样式和尺寸。通过使用基于 CRNN 和 Vision Transformer 的体系结构来评估数据集的有效性，CRNN-based 模型达到 78.49% 的基准准确率和 97.72% 的标准化编辑距离，而 Vision Transformer 架构达到 81.32% 的准确率和 98.74% 的标准化编辑距离。

Dec, 2023

本研究就事实知识图谱中的打字错误提出了一种主动型打字错误检测算法，并比较和讨论了无监督、半监督和有监督学习解决打字错误的不同方式，最终提供了指导研究者使用含有噪声的知识图谱的指南。

Feb, 2021

本文介绍了公开可用的第一个波斯字体识别数据库，并使用卷积神经网络解决了这个问题。结果表明，提出的流程在新的数据集上获得了 78.0% 的前 1 精度，在 IDPL-PFOD 数据集上为 89.1%，在 KAFD 数据集上为 94.5%。此外，对于我们的数据集的一个样本，整个流程在 CPU 上平均耗时 0.54 秒，在 GPU 上为 0.017 秒。我们得出结论，CNN 方法可以用于识别波斯字体，无需额外的预处理步骤，如特征提取、二值化、标准化等。

Oct, 2023