作文自动纠错任务的主要目标是利用计算机手段自动检测并纠正作文中存在的错误。国外作文自动纠错研究开展较早,已经取得了较多的研究成果,也有成功的商业应用。作文自动纠错一直是汉语智能考试的重要研究内容,但是由于问题的复杂性,汉语作文纠错问题至今没有得到很好的解决。通过本研究的开展,不仅能够满足汉语学习者的需求、减轻汉语教师的工作强度,而且对汉语考试自动化有较大的推动作用。本研究成果还能直接应用到自然语言处理和自然语言生成的很多领域上用来提升系统的表现,如文本生成、机器翻译等。神经网络在人工智能的很多领域的应用上都取得了巨大成功,本研究利用神经网络技术解决作文纠错问题。通过对汉语作文中常见错误的分析,我们发现将语言学特征规则与神经网络组合起来,能够更好的解决汉语作文中的错误。因此本研究提出了一个多策略组合的汉语纠错模型,该模型在对外汉语考试HSK的作文批改任务中取得了很好的效果。本文主要研究内容和创新点如下:（1）利用对外汉语考试中的作文文本和NLPCC作文文本构造了汉语作文语料库（2万条训练集数据和2051条测试集数据）,主要解决了汉语作文自动纠错研究资源匮乏的问题。针对汉语作文改错的任务构建了多类型的改错词典资源,共构造繁体字词典、同音字词典、同形字词典、混淆集词典、同义词词典、通用词词典总计836856个词汇。（2）针对汉语作文中不同类型的错误提出了多策略组合的纠错模型。使用规则的方法解决了繁体字和拼音字错误;使用规则和统计相结合的方法解决了别字和错词错误;使用端到端的BERT、Seq2seq+Attention、Transformer神经网络纠错模型解决了多词与缺词错误。与以往研究效果相比,本文提出的基于神经网络的纠错模型取得了较好的纠错效果,性能提升显著。（3）将规则与统计模型和神经网络模型相结合,设计出一款B/S架构多策略组合的作文自动纠错系统,系统自动修改作文中的错误并生成一份个性化报告推荐给用户,有效的将自然语言处理和自然语言生成领域结合在一起应用在作文纠错系统中。