- 简单错误检查，目前为叠词/重复词检查。
- 口语化表达检查，根据一些常见的口语化表达关键词。
- AI (zhizhang) 写作查错，例如由于输入法错误造成的错误。
- Python (低于3.9)
- pycorrector库 （可选）
在 thesis_check.json 中，修改必要参数，然后 python thesis_check.py 运行，得到报告文件
path为包含目标.tex文件的文件夹report为检查报告文件- 口语化用词的列表可以自行进行编辑。
options 里面参数说明
| 名称 | 功能 | 参数 |
|---|---|---|
| duplicate_detect | 是否进行叠词检查 | true/false |
| oral_detect | 是否进行口语化检查 | true/false |
| level | 口语化检查等级 | 1/2/3 |
| AIcorrect | 是否AI检查 | true/false |
| corrector_engine | AI 引擎 | kelnm/erine/macbert |
- 生成的报告文档仅对可能有问题的地方做标注，不提供自动修改。
- 目前仅支持 tex 文档
- 所有检测的对象均是一行文字，因此如果是 MS word 的编辑习惯，一大段文字按照一行处理，对于报告中定位文字内容可能较为困难，建议尽量多断行，控制单行长度。
- AI 引擎个人使用体验：kelnm 速度快，误伤概率高；erine速度慢，准确度高；macbert速度适中，准确度高，但是会把英文/符号这类一起检测，莫名其妙搞出很多无用信息，根据实际需求选用。
口语化用词的检测原理为纯粹的关键词匹配。对于典型关键词设定三个等级（level）， level 1 词出现几乎肯定该句存在口语化表述； level 3 词误伤概率极高，可能出现百分之70以上的误判； level 2 介于二者之间。
- level 1:
比方，比如，然后, 接下来,而且，因为，所以，
意味着，而言，越来越，来说，但是，另外，还有，这个，有的，
- level 2:
很，也，非常，十分，往往
问题，困难，一样，好像
- level 3:
能，的，不，了，着
- ignore 功能，忽略特定文件/关键词/错误类型
- MS word 文档支持
- 训练自定义科研写作语言库