项目选型：kenlm、ngram、hadoop、gpu、vim开发项目描述：本项目用于Breeno语音识别纠错。以垂直领域为数据来源，构建起了以流量包售前也售后为中心的客服问答系统，语料规模1亿。包含错误检测、候选召回、候选排序三个模块。技术负责：1、 数据预处理：停用词、语气词、数字、英文等处理；2、 语言模型构建：字符级别ngram语言模型搭建、词级别语言模型搭建；3、 错误检测：包括基于字典的错误检测、基于相似拼音的错误检测、基于字符级别的ngram 模型的错误检测，基于词级别的ngram模型的错误检测；4、 候选找回：主要是对应词典的候选召回；5、 候选排序：排序主要是通过模型分进行排序；6、 效果评估：主要看字错率。其他辅助包括句错率、字准确率、字召回率。7、 后期优化：分析bad case的错误来源，对bad case进行分类，可从错误检测、候选召回、候选排序三个模块解掉bad case；