p208p2002/zhtw-sentence-error-correction

中文错字纠正数据集，通过规则和字典从维基百科生成，包含随机错字、近似音错字、缺字错误、冗字错误等多种错误类型。数据集分为三个子集：alpha子集包含95%的错误和5%的不变，单句中可能有多处错误；beta子集包含50%的错误和50%的不变，单句中仅有一处错误；gamma子集包含100%的错误，单句中可能有多处错误。中文错字纠正数据集，通过规则和字典从维基百科生成，包含随机错字、近似音错字、缺字错误、冗字错误等多种错误类型。数据集分为三个子集：alpha子集包含95%的错误和5%的不变，单句中可能有多处错误；beta子集包含50%的错误和50%的不变，单句中仅有一处错误；gamma子集包含100%的错误，单句中可能有多处错误。

原始信息汇总

中文錯字糾正資料集

由規則與字典自維基百科產生的錯誤糾正資料集。

包含錯誤類型：隨機錯字、近似音錯字、缺字錯誤、冗字錯誤。

資料集使用函式庫: p208p2002/zh-mistake-text-gen

子集

• alpha: 95%錯誤，5%不變。單句中可能有多個錯誤。
• beta: 50%錯誤，50%不變。單句中僅有一個錯誤。
• gamma: 100%錯誤。單句中可能有多個錯誤。