一种藏文音节校对标注数据集构建方法

本发明公开了一种藏文音节校对标注数据集构建方法，包括确定文本的错误类型、构建混淆集和加噪算法，所述错误类型包括拼写错误和真字错误；所述构建混淆集包括：构建拼写错误音节混淆集、构建形近音节混淆集、构建音似音节混淆集、构建动词时态混淆集，构建易错虚词混淆集，并构建不同音节的混淆集；所述加噪算法包括与混淆集相匹配的联合加噪算法，用于利用混淆集保留原音节与替换音节之间的语言信息关联。本发明涉及语言学习技术领域；该藏文音节校对标注数据集构建方法，通过算法和数据集的建立，计算机通过算法可以实现上千人的数据标注工作几分钟就完成，节省了大量的人力资源，还节约了时间，避免了人工标注容易产生错误的情况。