本文采用自然语言处理技术,通过分析中文文本一般错误类型,并结合新闻领域文本的特征,确定研究范围为基于同音词替换产生的短距离错误和远距离错误。针对这两类错误,本文从这两种错误的错误检测和校正入手研究,本文进行了以下研究。本文提出了基于n-gram模型查错和纠错的方法;该方法分为两个阶段:首先通过2-gram和3-gram相结合模型进行查错,得到短距离错误集,然后利用3-gram模型进行纠错。最后使用真实的测试文本进行测试,在短距离查错和纠错范围内得到查错召回率为83.1%,查错准确率为41.5%,F-score为55.4%,纠错率为78.1%,并且本文分别与2-gram模型和3-gram模型进行比较,查错准确率分别提高7.2%和8.2%,F-score分别提高6.3%和8.2%;在时间耗费方面优于2-gram模型,与3-gram模型相当。本文利用依存句法分析对整个句子进行语法分析,获取依存关系对,通过对依存关系对的进一步筛选,得到搭配知识库,能有效地检查出远距离错误;利用搭配知识库并结合互信息进行中文文本远距离错误纠错。最后使用真实的测试文本进行测试,在远距离查错和纠错范围内得到查错召回率为74.7%,查错准确率为35.3%,F-score为47.9%,纠错率为59.1%。通过与CPH方法进行比较,查错召回率提高10.5%,查错准确率提高9.8%,F-score提高11.4%,纠错率提高4.7%,在时间耗费方面,查错耗费和纠错耗费都优于CPH方法。在总体上分别与百度AI开放平台,云查错,JCJC错别字检测平台和Microsoft Word 2010进行比较,取得较好的结果,具有一定的研究价值和应用价值。