1.1 趋势和需求
抗疫期间，“湖北省张家界市”“四川省重庆市江津区”等低级错误屡屡出现在官媒、公文中，失之毫厘，差之千里，中央纪委国家监委网站为此发表了批评文章《公文出错事非小》。文风里面有作风，其背后是政府公信力和企业经营水平，正所谓：肩上有责任，笔下有乾坤！
在机关和企业中，估计很多笔杆子都有这样的经历，辛苦加了几个夜班写成的文稿，自信满满地交给领导审阅，谁知上来就被圈上了几个错字、病句和误用的标点符号，细一看还有逻辑不通的情况。如果这些错误没有及时发现和修订，相关文件发布后将产生严重的不良影响。
如何避免出现这种尴尬状况、保证文件质量？可谓写作开流、修改正本、校对净后，校对是对写作、修改的补充和完善，是文书相关工作中必不可少的一环。
1.2 产品简介
京华智能校对机器人（以下简称校对机器人）是一款针对文书的内容和形式进行纠错的应用软件。它主要是帮助党政机关、企事业单位办公人员在文书写作、核稿等过程中快速地发现和订正错误，降低文书错误量，提高文书质量。
校对机器人纠错支持漏字、多字、拼写错误、内容重复、领导称谓及排位不当、标点符号使用不当、文书语义错误、病句等几大类几十种错误。
校对机器人具有自我学习能力，采用了机器学习技术，针对用户不断输入的语料进行定期训练和更新纠错模型，保证持续和稳定的提升纠错精准度。
校对机器人可以具有独立系统、嵌入办公套件（金山WPS、永中Office、微软Office、网页编辑器等）、与OA集成等多元使用场景。
1.3 产品架构
（手机端用户请用双指缩放）
2.1 纠错支持几十种错误
（手机端用户请用双指缩放）
2.1.1 字词错误
（手机端用户请用双指缩放）
③ 拼写错误
在日常写作中，由于输入法的影响或者对词语使用的方式不对，可能导致输入的拼音或者笔画不正确，使得最终写入的文字不正确。例如：
例子1：第一批自治区统愁支持工业震兴资金调整说明。（统愁-->统筹）
例子2：现组织开展2021年自治区本机西部陆海新通道建设资金项目计划申报工作。（本机-->本级）
例子3：移民安置和后期扶持政策实施监督检査涉及同一年度内在同一县（市、区）的。（检査-->检查）
④ 字词位置互换
在修改内容时，操作失误导致两个字或两个词位置相互调换。例如：
例子1：强增成员对社内事务的关注度、参与度。（强增-->增强）
例子2：整合利用各类识知产权在线资源。（识知-->知识）
例子3：产业项目要进业产园区。（业产-->产业）
⑤ 缺少数词
缺少数词是指在描述数量的文本中缺少数字内容。例如：
例子1：含家国有企业。（含X家）
例子2：我国节水灌溉面积达到亩。（达到X亩）
例子3：在庆祝中国共产党成立年大会上重要讲话精神。（成立X年）
例子4：开展农民教育培训人次以上。（培训X人次）
⑥ 敏感词
当文章中误使用了带有政治敏感倾向或不健康色彩的词语时，系统将进行提示。
常见政治敏感词有“一党专制”“台独”“藏独”“疆独”等。
2.1.2 内容重复
（手机端用户请用双指缩放）
例子4：我国重要的国际商贸中心、南方国际航运中心、对外交往中心、综合交通枢纽和南方国际航运中心。（并列词“南方国际航运中心”重复）
2.1.3 领导称谓及排位错误
（手机端用户请用双指缩放）
校对机器人自动分析文本内容，识别文本中领导姓名、称谓以及领导名单排列顺序，并与正确的领导称谓和排位进行比对，识别称谓和排位错误信息，给出正确的称谓和排位信息。例子如下：
例子1：到2027年，跻身核电标准化强国前列，依据习近平书记有关指示要求，在国际核电标准化领域发挥引领作用。（建议：习近平的可能称谓有总书记、军委主席、常委）
例子2：在习近平、李克强、赵乐际、王沪宁领导下，充分总结、凝练我国核电工程技术经验、科研成果的基础上，提升我国核电标准的自主化程度。（建议：习近平、李克强、王沪宁、赵乐际）
2.1.4 标点符号使用不当
（手机端用户请用双指缩放）
① 标点符号没有配对
需要成对使用的符号：<> 《》 （） 〔〕 [] 【】 {} “” ‘’
例子1：该村年人均收入增长了50﹪，达到1200元人民币。《参考消息》1998.7.25）（括号没有配对正确）
② 并列内容之间符号错用
例子1：各中小学要积极贯彻落实《中华人民共和国预防未成年人犯罪法》、《中华人民共和国义务教育法》及相关要求。（书名号之间不用加顿号）
例子2：公安部门要加强校园“警务室”、“护学岗”、“安全网”建设，落实护校制度。（双引号之间不用加顿号）
③ 标点符号多余
例子1：国务院办公厅关于加强核电标准化工作的指导意见。。（句号重复）
例子2：《！国务院办公厅关于加强核电标准化工作的指导意见》（“《！”不能连用）
④ 发文字号的年份代码符号错误
发文字号组成规则：<发文机关代字>〔年份〕<份号>号，错例如下：
例子1：粤府办(2020)14号。（“（2020）”改成“〔2020〕”）
例子2：粤府办[2020]14号。（“[2020]”改成“〔2020〕”）
例子3：粤府办【2020】14号。（“【2020】”改成“〔2020〕”）
⑤ 缺少双引号
例子1：我区于2019年已整合水电气等企业资源，在各设区市政务服务中心开办“水电气”联办窗口。（“水电气”前后双引号要一致）
⑥ 引文缺少括号
如果引用文件名称后面附带了对应的文件号，要求用中文括号把文件号括起来。
例子1：我区积极落实《国务院关于在市场监管领域全面推行部门联合“双随机、一公开”监管的意见》国发〔2019〕5号。（国发〔2019〕5号-->（国发〔2019〕5号））
例子2：根据《国务院关于调整进口设备税收政策的通知》国发〔1997〕37号，以下简称“国发37号文”及相关规定。（国发〔2019〕5号，以下简称“国发37号文”-->（国发〔2019〕5号，以下简称“国发37号文”））
2.1.5 文书语义错误
（手机端用户请用双指缩放）
根据文书写作、文书处理业务约定，针对一些常见的公文语义错误进行识别和纠正，其中包括：
① 引文名与文件编号不一致
例子1：我区认真贯彻落实国务院办公厅《关于全面开展工程建设项目审批制度改革实施意见》（国办发〔2019〕11号）文件精神。（关于全面开展工程建设项目审批制度改革实施意见-->关于全面开展工程建设项目审批制度改革的实施意见）
② 完整句子中间包含空格
例子1：认真贯彻落实国务院办公厅《关于全面 开展工程建设项目审批制度改革实施意见》（国办发〔2019〕11号）文件精神。
例子2：认真贯彻落实国务 院办公厅《关于全面开展工程建设项目审批制度改革实施意见》（国办发〔2019〕11号）文件精神。
③ 标注简称不规范
人们常把一些形式上长而繁的名称或习用的短语用缩略形式替代，这些缩略形式就是标注简称，比如“党委”“政协”“奥运会”“彩电”“春晚”等。以下标注简称是错误的：
（手机端用户请用双指缩放）
④ 附件说明与附件列表不一致
公文中附件说明是指公文正文尾部的“附件：”段落内容，例子如下：
附件：1.XX省人民政府办公厅关于报送贯彻实施《优化营商环境条例》有关情况的报告的函（代拟稿）
2.XX省贯彻实施《优化营商环境条例》有关情况报告
3.评估发现的主要问题完成情况和整改措施
附件列表是指公文处理子系统中公文处理电子单的附件清单。附件说明与附件列表不一致包括附件缺失、附件多余、标题不一致。
⑤ 公文头与处理表不一致
公文头是指一份公文的原数据，包括标题、发文字号、签发人、密级、保密期限、主送机关、抄送机关、紧急程度、成文日期等，处理表是指公文处理子系统中的公文审批表单。两者不一致是指：a、处理表中存在字段有值，而公文头不存在或为空；b、处理表和公文头都存在对应的字段，但是他们的值不相同。
错误样例如下：
（手机端用户请用双指缩放）
⑥ 经典句子引用偏差
经典句子是指经常被他人引用的、不能改写的句子，通常指名言金句、文件中一些重要不能错误的句子（称为重要句子）、古诗词、谚语等。
人们在引用经典句子时，漏字、多字、改写、换位会导致内容与经典句子实际内容不一致，例如：
（手机端用户请用双指缩放）
⑦ 行政区域错误
行政区域错误通常指描述地域、地点的内容中出现市与省不匹配、区县与市不匹配、区县与省份不匹配等现象。例如：
例子1：关于做好湖北省张家界市来宁人员信息核查和健康管理的通知（湖北省-->湖南省）
例子2：金华市富阳区财政局行政信息公开事项统计表（金华市-->杭州市）
例子3：广东省富阳区财政局行政信息公开事项统计表（广东省-->浙江省）
⑧ 公文标题成分缺失
公文标题不规范是指公文标题的各个组成元素缺失、元素重复、元素内容不符合规定等，其中包括：
（手机端用户请用双指缩放）
2.1.6 病句
（手机端用户请用双指缩放）
针对病句纠错，校对机器人主要支持以下两个方面：
① 词语搭配不合理
句子中主语和谓语之间、动词和宾语之间、附加成分与中心词之间搭配不当。例如：
例子1：我们要减少小学生学习负担。（...减轻...负担...）
例子2：人民的生活水平普遍增加了。（...水平...提高...）
例子3：要努力实现这一伟大的任务。（...完成...任务...）
例子4：要加强自身改革和建设的步伐。（...加快...步伐...）
② 成分赘余
句子结构已完整，句意已明确，但添加了一些不必要的词语，就会导致句子成分多余。例如：
例子1：报刊杂志，十分罕见，公开宣称，致信给。（词语冗余）
例子2：来自（从...来）于，这其中，并非（并不是）是。（虚词冗余）
例子3：目前的当务之急、口若悬河地说个不停。（成语冗余）
2.2 具有高精度识别率
识别率是智能校对的关键指标之一，它的高低决定了校对效果。目前校对相关的指标有：
（手机端用户请用双指缩放）
2.3 具有自我学习能力
校对机器人之所以“智能”，是因为它具备自我学习能力，其中包括：
① 自动采集语料
在校对服务过程中，系统自动收录校对目标的文本内容，自动标注，形成正确语料库。同时也收集用户忽略错误的语料数据，降低误识别率。
② 机器学习训练
基于自动采集语料和人工增加的语料数据，采用n-gram模型定期进行训练，构建校对模型数据，把新知识融入到校对模型中，从而提高校对识别率。
（手机端用户请用双指缩放）
2.4 多元化使用场景
为了更方便用户使用校对功能，校对机器人支持多元化使用场景：
① 嵌入到文档或网页编辑器
直接嵌入到金山WPS、永中Office、微软Word等文字编辑器中，实现“边写边校对”，如下图：
校对机器人嵌入到文档编辑器中
直接嵌入到网页编辑器中，实现“边写边校对”，如下图：
校对机器人嵌入到网页编辑器中
② 校对机器人（独立应用系统）
提供一个独立的校对应用系统，支持批量上传DOC、DOCX、PDF、OFD、HTML、TXT等文档，系统自动校对并生成校对报告。如下图：
校对机器人独立系统 智能校对报告
③ 使用接口集成到第三方系统
提供服务接口，与OA等第三方系统对接，在第三方系统直接使用校对功能。与OA对接效果如下图：
校对机器人嵌入到OA系统中
3.1 服务器需要什么样的配置？
校对机器人采用了大数据和人工智能技术，对算力要求比较高。
① 运行服务器一台（5个并发），建议配置：３２G以上内存、１６核以上CPU。
② 机器学习服务器一台，建议配置：64G以上内存、１６核以上CPU。
建议选择鲲鹏32核CPU、256G内存。
3.2 必须要部署机器学习平台吗？
校对机器人平时不停学习党政官网上公开的文献、政策、讲话、法规等，校对识别率可以达到90%。如识别率要求达到95%，那就需要对用户内部数据进行机器学习，即需要部署机器学习平台。
3.3 运维服务有哪些内容？
随着社会的变化发展，公文内容不断更新，持续出现新词、新表述。因此，校对机器人需要定期补充和更新校对相关知识，具体包括：
① 更新词库数据：人名、机构名、术语等词汇。
② 更新领导称谓及排位：领导岗位变动引起的领导称谓及排位数据变动。
③ 模型定期训练：更新公网采集的语料，融合用户内部最新语料，进行机器学习，构建新模型。
