各种公式识别引擎，总是出现一堆的识别中文错别字，找起来又麻烦，一看字还特别像，大批量编辑十分头疼。

我们2019年就发现这个问题了，我们尝试使用传统办法处理效果并不好，尝试过易错替换，建立数据索引来处理这种错误词组结果发现效果很差，会把原本是那个词的替换成错误的内容，我们就放弃了这个方案。

为了彻底解决这个问题，我们采用了自然语言处理技术(NLP)，为我们的系统建立词嵌入，通过正确字组序列训练和错误字组对照训练，我们就可以通过序列依赖关系，去找到疑似的错误词，再通过序列概率找到最佳的正确词组进行替换，我们通过循环神经网络对序列进行训练，使用【序列到序列Sequence-to-Sequence】将错误率最高的字组输出，并在原序列字符中做空标识替换，再通过另一个模型去序列中匹配正确的字组进行替换。