中文文本拼写纠错在自然语言处理领域中是一项重要且具有挑战性的任务,存在诸如没有明显的词语定界符,拼写错误类型众多以及缺乏公开优质的中文拼写纠错语料库等问题。针对以上问题,设计并制作在线智能文本校对系统。中文文本拼写纠错任务的关键在于对上下文语义环境的理解,传统的基于BERT的序列标注方案在当前任务上取得了不错的成绩,但该方案受限于BERT预训练任务仅从15%的token中学习的影响,对于模棱两可的拼写错误往往选择不纠错。针对该方案的缺陷,在线智能文本校对系统使用一种新型的两段式神经网络结构,该神经网络由检错网络和纠错网络组成。检错网络在字级别上从所有token中识别不同类型的拼写错误,纠错网络则对识别得到的拼写错误进行纠正。同时,基于字级别的检错能够很好地解决无明显词语定界符和拼写错误类型众多这两个问题。其次,针对缺乏中文拼写纠错语料库问题,在线智能文本校对系统采用了词频分布采样改错技术和EDA数据增强技术来构造带有拼写错误的语料。其中,词频分布采样改错技术基于词频分布从正确的语料中进行采样,并对采样得到的字进行改错,而EDA数据增强技术则对带有拼写错误的语料进行同义替换。这两种技术都能够构造大量带有拼写错误的语料。并且,系统的数据收集机制也会在使用过程中不断积累真实场景下的拼写错误语料,从而解决缺少中文拼写纠错语料库的问题。此外,考虑到系统的实时性要求和算力资源的限制,对系统中的神经网络使用了模型蒸馏技术,以减少神经网络的参数量和内存占用,并提高训练效率和推断速度。利用web技术开发在线智能文本校对系统,并且对系统的拼写纠错功能中使用的算法进行了比较。对比基于BERT的拼写纠错方案,论文提出的两段式神经网络在SIGHAN和维基百科中文拼写纠错测试集上的纠错率分别提高了0.7和1.7个百分点,并且检错率达到了81.2%,能切实地为文字工作者提供拼写纠错服务。此外,系统使用过程中累积的中文拼写纠错数据也将对外开放,希望能对中文拼写纠错领域贡献一份力。