1.1 趨勢和需求
抗疫期間，“湖北省張家界市”“四川省重慶市江津區”等低級錯誤屢屢出現在官媒、公文中，失之毫厘，差之千里，中央紀委國家監委網站為此發表了批評文章《公文出錯事非小》。文風里面有作風，其背后是政府公信力和企業經營水平，正所謂：肩上有責任，筆下有乾坤！
在機關和企業中，估計很多筆桿子都有這樣的經歷，辛苦加了幾個夜班寫成的文稿，自信滿滿地交給領導審閱，誰知上來就被圈上了幾個錯字、病句和誤用的標點符號，細一看還有邏輯不通的情況。如果這些錯誤沒有及時發現和修訂，相關文件發布后將產生嚴重的不良影響。
如何避免出現這種尷尬狀況、保證文件質量？可謂寫作開流、修改正本、校對凈后，校對是對寫作、修改的補充和完善，是文書相關工作中必不可少的一環。
1.2 產品簡介
京華智能校對機器人（以下簡稱校對機器人）是一款針對文書的內容和形式進行糾錯的應用軟件。它主要是幫助黨政機關、企事業單位辦公人員在文書寫作、核稿等過程中快速地發現和訂正錯誤，降低文書錯誤量，提高文書質量。
校對機器人糾錯支持漏字、多字、拼寫錯誤、內容重復、領導稱謂及排位不當、標點符號使用不當、文書語義錯誤、病句等幾大類幾十種錯誤。
校對機器人具有自我學習能力，采用了機器學習技術，針對用戶不斷輸入的語料進行定期訓練和更新糾錯模型，保證持續和穩定的提升糾錯精準度。
校對機器人可以具有獨立系統、嵌入辦公套件（金山WPS、永中Office、微軟Office、網頁編輯器等）、與OA集成等多元使用場景。
1.3 產品架構
（手機端用戶請用雙指縮放）
2.1 糾錯支持幾十種錯誤
（手機端用戶請用雙指縮放）
2.1.1 字詞錯誤
（手機端用戶請用雙指縮放）
③ 拼寫錯誤
在日常寫作中，由于輸入法的影響或者對詞語使用的方式不對，可能導致輸入的拼音或者筆畫不正確，使得最終寫入的文字不正確。例如：
例子1：第一批自治區統愁支持工業震興資金調整說明。（統愁-->統籌）
例子2：現組織開展2021年自治區本機西部陸海新通道建設資金項目計劃申報工作。（本機-->本級）
例子3：移民安置和后期扶持政策實施監督檢査涉及同一年度內在同一縣（市、區）的。（檢査-->檢查）
④ 字詞位置互換
在修改內容時，操作失誤導致兩個字或兩個詞位置相互調換。例如：
例子1：強增成員對社內事務的關注度、參與度。（強增-->增強）
例子2：整合利用各類識知產權在線資源。（識知-->知識）
例子3：產業項目要進業產園區。（業產-->產業）
⑤ 缺少數詞
缺少數詞是指在描述數量的文本中缺少數字內容。例如：
例子1：含家國有企業。（含X家）
例子2：我國節水灌溉面積達到畝。（達到X畝）
例子3：在慶祝中國共產黨成立年大會上重要講話精神。（成立X年）
例子4：開展農民教育培訓人次以上。（培訓X人次）
⑥ 敏感詞
當文章中誤使用了帶有政治敏感傾向或不健康色彩的詞語時，系統將進行提示。
常見政治敏感詞有“一黨專制”“臺獨”“藏獨”“疆獨”等。
2.1.2 內容重復
（手機端用戶請用雙指縮放）
例子4：我國重要的國際商貿中心、南方國際航運中心、對外交往中心、綜合交通樞紐和南方國際航運中心。（并列詞“南方國際航運中心”重復）
2.1.3 領導稱謂及排位錯誤
（手機端用戶請用雙指縮放）
校對機器人自動分析文本內容，識別文本中領導姓名、稱謂以及領導名單排列順序，并與正確的領導稱謂和排位進行比對，識別稱謂和排位錯誤信息，給出正確的稱謂和排位信息。例子如下：
例子1：到2027年，躋身核電標準化強國前列，依據習近平書記有關指示要求，在國際核電標準化領域發揮引領作用。（建議：習近平的可能稱謂有總書記、軍委主席、常委）
例子2：在習近平、李克強、趙樂際、王滬寧領導下，充分總結、凝練我國核電工程技術經驗、科研成果的基礎上，提升我國核電標準的自主化程度。（建議：習近平、李克強、王滬寧、趙樂際）
2.1.4 標點符號使用不當
（手機端用戶請用雙指縮放）
① 標點符號沒有配對
需要成對使用的符號：<> 《》 （） 〔〕 [] 【】 {} “” ‘’
例子1：該村年人均收入增長了50﹪，達到1200元人民幣?！秴⒖枷ⅰ?998.7.25）（括號沒有配對正確）
② 并列內容之間符號錯用
例子1：各中小學要積極貫徹落實《中華人民共和國預防未成年人犯罪法》、《中華人民共和國義務教育法》及相關要求。（書名號之間不用加頓號）
例子2：公安部門要加強校園“警務室”、“護學崗”、“安全網”建設，落實護校制度。（雙引號之間不用加頓號）
③ 標點符號多余
例子1：國務院辦公廳關于加強核電標準化工作的指導意見。。（句號重復）
例子2：《！國務院辦公廳關于加強核電標準化工作的指導意見》（“《！”不能連用）
④ 發文字號的年份代碼符號錯誤
發文字號組成規則：<發文機關代字>〔年份〕<份號>號，錯例如下：
例子1：粵府辦(2020)14號。（“（2020）”改成“〔2020〕”）
例子2：粵府辦[2020]14號。（“[2020]”改成“〔2020〕”）
例子3：粵府辦【2020】14號。（“【2020】”改成“〔2020〕”）
⑤ 缺少雙引號
例子1：我區于2019年已整合水電氣等企業資源，在各設區市政務服務中心開辦“水電氣”聯辦窗口。（“水電氣”前后雙引號要一致）
⑥ 引文缺少括號
如果引用文件名稱后面附帶了對應的文件號，要求用中文括號把文件號括起來。
例子1：我區積極落實《國務院關于在市場監管領域全面推行部門聯合“雙隨機、一公開”監管的意見》國發〔2019〕5號。（國發〔2019〕5號-->（國發〔2019〕5號））
例子2：根據《國務院關于調整進口設備稅收政策的通知》國發〔1997〕37號，以下簡稱“國發37號文”及相關規定。（國發〔2019〕5號，以下簡稱“國發37號文”-->（國發〔2019〕5號，以下簡稱“國發37號文”））
2.1.5 文書語義錯誤
（手機端用戶請用雙指縮放）
根據文書寫作、文書處理業務約定，針對一些常見的公文語義錯誤進行識別和糾正，其中包括：
① 引文名與文件編號不一致
例子1：我區認真貫徹落實國務院辦公廳《關于全面開展工程建設項目審批制度改革實施意見》（國辦發〔2019〕11號）文件精神。（關于全面開展工程建設項目審批制度改革實施意見-->關于全面開展工程建設項目審批制度改革的實施意見）
② 完整句子中間包含空格
例子1：認真貫徹落實國務院辦公廳《關于全面 開展工程建設項目審批制度改革實施意見》（國辦發〔2019〕11號）文件精神。
例子2：認真貫徹落實國務 院辦公廳《關于全面開展工程建設項目審批制度改革實施意見》（國辦發〔2019〕11號）文件精神。
③ 標注簡稱不規范
人們常把一些形式上長而繁的名稱或習用的短語用縮略形式替代，這些縮略形式就是標注簡稱，比如“黨委”“政協”“奧運會”“彩電”“春晚”等。以下標注簡稱是錯誤的：
（手機端用戶請用雙指縮放）
④ 附件說明與附件列表不一致
公文中附件說明是指公文正文尾部的“附件：”段落內容，例子如下：
附件：1.XX省人民政府辦公廳關于報送貫徹實施《優化營商環境條例》有關情況的報告的函（代擬稿）
2.XX省貫徹實施《優化營商環境條例》有關情況報告
3.評估發現的主要問題完成情況和整改措施
附件列表是指公文處理子系統中公文處理電子單的附件清單。附件說明與附件列表不一致包括附件缺失、附件多余、標題不一致。
⑤ 公文頭與處理表不一致
公文頭是指一份公文的原數據，包括標題、發文字號、簽發人、密級、保密期限、主送機關、抄送機關、緊急程度、成文日期等，處理表是指公文處理子系統中的公文審批表單。兩者不一致是指：a、處理表中存在字段有值，而公文頭不存在或為空；b、處理表和公文頭都存在對應的字段，但是他們的值不相同。
錯誤樣例如下：
（手機端用戶請用雙指縮放）
⑥ 經典句子引用偏差
經典句子是指經常被他人引用的、不能改寫的句子，通常指名言金句、文件中一些重要不能錯誤的句子（稱為重要句子）、古詩詞、諺語等。
人們在引用經典句子時，漏字、多字、改寫、換位會導致內容與經典句子實際內容不一致，例如：
（手機端用戶請用雙指縮放）
⑦ 行政區域錯誤
行政區域錯誤通常指描述地域、地點的內容中出現市與省不匹配、區縣與市不匹配、區縣與省份不匹配等現象。例如：
例子1：關于做好湖北省張家界市來寧人員信息核查和健康管理的通知（湖北省-->湖南?。?/span>
例子2：金華市富陽區財政局行政信息公開事項統計表（金華市-->杭州市）
例子3：廣東省富陽區財政局行政信息公開事項統計表（廣東省-->浙江?。?/span>
⑧ 公文標題成分缺失
公文標題不規范是指公文標題的各個組成元素缺失、元素重復、元素內容不符合規定等，其中包括：
（手機端用戶請用雙指縮放）
2.1.6 病句
（手機端用戶請用雙指縮放）
針對病句糾錯，校對機器人主要支持以下兩個方面：
① 詞語搭配不合理
句子中主語和謂語之間、動詞和賓語之間、附加成分與中心詞之間搭配不當。例如：
例子1：我們要減少小學生學習負擔。（...減輕...負擔...）
例子2：人民的生活水平普遍增加了。（...水平...提高...）
例子3：要努力實現這一偉大的任務。（...完成...任務...）
例子4：要加強自身改革和建設的步伐。（...加快...步伐...）
② 成分贅余
句子結構已完整，句意已明確，但添加了一些不必要的詞語，就會導致句子成分多余。例如：
例子1：報刊雜志，十分罕見，公開宣稱，致信給。（詞語冗余）
例子2：來自（從...來）于，這其中，并非（并不是）是。（虛詞冗余）
例子3：目前的當務之急、口若懸河地說個不停。（成語冗余）
2.2 具有高精度識別率
識別率是智能校對的關鍵指標之一，它的高低決定了校對效果。目前校對相關的指標有：
（手機端用戶請用雙指縮放）
2.3 具有自我學習能力
校對機器人之所以“智能”，是因為它具備自我學習能力，其中包括：
① 自動采集語料
在校對服務過程中，系統自動收錄校對目標的文本內容，自動標注，形成正確語料庫。同時也收集用戶忽略錯誤的語料數據，降低誤識別率。
② 機器學習訓練
基于自動采集語料和人工增加的語料數據，采用n-gram模型定期進行訓練，構建校對模型數據，把新知識融入到校對模型中，從而提高校對識別率。
（手機端用戶請用雙指縮放）
2.4 多元化使用場景
為了更方便用戶使用校對功能，校對機器人支持多元化使用場景：
① 嵌入到文檔或網頁編輯器
直接嵌入到金山WPS、永中Office、微軟Word等文字編輯器中，實現“邊寫邊校對”，如下圖：
校對機器人嵌入到文檔編輯器中
直接嵌入到網頁編輯器中，實現“邊寫邊校對”，如下圖：
校對機器人嵌入到網頁編輯器中
② 校對機器人（獨立應用系統）
提供一個獨立的校對應用系統，支持批量上傳DOC、DOCX、PDF、OFD、HTML、TXT等文檔，系統自動校對并生成校對報告。如下圖：
校對機器人獨立系統 智能校對報告
③ 使用接口集成到第三方系統
提供服務接口，與OA等第三方系統對接，在第三方系統直接使用校對功能。與OA對接效果如下圖：
校對機器人嵌入到OA系統中
3.1 服務器需要什么樣的配置？
校對機器人采用了大數據和人工智能技術，對算力要求比較高。
① 運行服務器一臺（5個并發），建議配置：３２G以上內存、１６核以上CPU。
② 機器學習服務器一臺，建議配置：64G以上內存、１６核以上CPU。
建議選擇鯤鵬32核CPU、256G內存。
3.2 必須要部署機器學習平臺嗎？
校對機器人平時不停學習黨政官網上公開的文獻、政策、講話、法規等，校對識別率可以達到90%。如識別率要求達到95%，那就需要對用戶內部數據進行機器學習，即需要部署機器學習平臺。
3.3 運維服務有哪些內容？
隨著社會的變化發展，公文內容不斷更新，持續出現新詞、新表述。因此，校對機器人需要定期補充和更新校對相關知識，具體包括：
① 更新詞庫數據：人名、機構名、術語等詞匯。
② 更新領導稱謂及排位：領導崗位變動引起的領導稱謂及排位數據變動。
③ 模型定期訓練：更新公網采集的語料，融合用戶內部最新語料，進行機器學習，構建新模型。
