中文拼写纠错数据增强记录

随机替换正确句子中的汉字或词，构造错误句子

用什么替换： 混淆集 （一个字可能错成什么字，已经收集构建好）

问题： 如果不用混淆集，随机替换为某个词典中的某个汉字会怎样呢？10%随机--> 100%随机

0. 关于数据来源

1. 关于混淆集

分别使用不同的混淆集构造预训练数据，预训练，微调，测试：

（1）原有的混淆集（wiki_00_base_0.train）

（2）原有的混淆集，通过字音相似，字形相似度过滤，去除部分混淆汉字（wiki_00_base_1.train）

（3）原有的混淆集，通过字音相似，字形相似度过滤，加入部分混淆汉字（wiki_00_base_2.train）

结果如下：

无法得出结论，到底是小而准的混淆集更好，还是大而全的混淆集更好（如果直接用整个词表会如何）

2. 关于引入错误的方式