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）

① 漏字

在打字输入过程中少打了一字或修改内容时误删除了一个字，导致内容上缺少一字。例如：

例子1：结合全易地扶贫搬迁工作实际。（全-->全国）

例子2：关于“广西区对中央项巡视‘回头看’反馈的多建安置住房问题整改不实”问题。（项-->专项）

例子3：自治区工业和信息厅关于印发2021年度XX方案的通知。（信息-->信息化）

② 多字

在打字输入过程中多打了一字，导致内容上多了一字。例如：

例子1：开闭所进出线电缆头采用欧式样结构，配置可触摸型。（删除：样）

例子2：把做法到“两个维护”作为根本政治任务。（删除：法）

例子3：同时能耗指标有限，要聚单焦重点产业。（删除：单）

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）

我们摘抄文本时，经常因为疏忽而重复拷贝了相同的内容，导致文中出现重复段落、句子、词语。例子：

例子1：天气天气真不错。（“天气”重复）

例子2：天气是晴朗的的。（“的”重复）

例子3：提升执法人员行政执法人员素质。（定中内容“人员”重复）

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）

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。